Combining uncertainty-aware predictive modeling and a bedtime<i>Smart Snack</i>intervention to prevent nocturnal hypoglycemia in people with type 1 diabetes on multiple daily injections
Notice bibliographique
Résumé
OBJECTIVE: Nocturnal hypoglycemia is a known challenge for people with type 1 diabetes, especially for physically active individuals or those on multiple daily injections. We developed an evidential neural network (ENN) to predict at bedtime the probability and timing of nocturnal hypoglycemia (0-4 vs 4-8 h after bedtime) based on several glucose metrics and physical activity patterns. We utilized these predictions in silico to prescribe bedtime carbohydrates with a Smart Snack intervention specific to the predicted minimum nocturnal glucose and timing of nocturnal hypoglycemia. MATERIALS AND METHODS: We leveraged free-living datasets collected from 366 individuals from the T1DEXI Study and Glooko. Inputs to the ENN used to model nocturnal hypoglycemia were derived from demographic information, continuous glucose monitoring, and physical activity data. We assessed the accuracy of the ENN using area under the receiver operating curve, and the clinical impact of the Smart Snack intervention through simulations. RESULTS: The ENN achieved an area under the receiver operating curve of 0.80 and 0.71 to predict nocturnal hypoglycemic events during 0-4 and 4-8 h after bedtime, respectively, outperforming all evaluated baseline methods. Use of the Smart Snack intervention reduced probability of nocturnal hypoglycemia from 23.9 ± 14.1% to 14.0 ± 13.3% and duration from 7.4 ± 7.0% to 2.4 ± 3.3% in silico. DISCUSSION: Our findings indicate that the ENN-based Smart Snack intervention has the potential to significantly reduce the frequency and duration of nocturnal hypoglycemic events. CONCLUSION: A decision support system that combines prediction of minimum nocturnal glucose and proactive recommendations for bedtime carbohydrate intake might effectively prevent nocturnal hypoglycemia and reduce the burden of glycemic self-management.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».