T2DM患者におけるSIIT療法中の血糖コントロール指標（TIR）の危険因子スクリーニングと予測モデリング

科学分野:

• 内分泌学
• 糖尿病研究
• 臨床データサイエンス

背景:

• 入院中のT2DM管理には、血糖コントロールの最適化が必要です。
• 短期集中インスリン療法（SIIT）は一般的な戦略ですが、目標血糖コントロール指標（TIR）の達成は困難な場合があります。
• 個別化された治療のために、入院中の血糖コントロールの予測モデルが必要です。

研究 の 目的:

• 入院中のSIITを受けているT2DM患者における血糖コントロールTIRに影響を与える危険因子を特定すること。
• 実臨床データを用いて、入院中の血糖変動を予測するモデルを開発・検証すること。
• 個別化された血糖管理のためのノモグラムによる臨床応用の促進。

主な方法:

• SIITを受けている796人のT2DM患者の後ろ向き解析。
• データはトレーニングセット（70%）と検証セット（30%）に分割されました。
• ロジスティック回帰モデルとランダムフォレストモデルを構築し、ノモグラムを開発しました。

主要な成果:

• 高齢、空腹時血糖値（FBG）の上昇、グリニド系薬剤の使用は、TIR≧70%の達成に悪影響を及ぼしました。
• 女性およびリンパ球数の増加は、TIR達成の可能性の増加と関連していました。
• FBG、糖尿病性腎症、および主要心血管有害事象（MACE）は、10日以内のTIR≧70%および治療域内時間（TITR）≧50%の達成リスクを低下させました。
• ロジスティック回帰モデルは、優れた予測精度（AUC=0.80）を示しました。

結論:

• 入院中のT2DM患者におけるTIR達成を予測する機械学習モデルが開発されました。
• 血糖コントロールに影響を与える主要な臨床的要因が特定されました。
• このモデルは、個別化された血糖管理とSIIT戦略の最適化のための意思決定支援を提供します。