在印度人口中从CGM痕迹评估HbA1c

科学领域:

• 内分泌学 在内分泌学.
• 生物医学工程 生物医学工程
• 医疗信息学 医疗信息学

背景情况:

• 持续葡萄糖监测 (CGM) 提供了广泛的葡萄糖数据.
• 在特定人群中,标准HbA1c估计方法可能缺乏可靠性.
• 准确的HbA1c评估对于糖尿病管理至关重要.

研究的目的:

• 开发和验证用于估计印度人口中CGM数据的HbA1c的新方法.
• 为了解决现有的HbA1c估计模型对这一人口群体的局限性.

主要方法:

• 利用112名印度患者的CGM痕迹和相应的HbA1c水平.
• 开发了两种线性回归模型:从平均间歇性液体葡萄糖 (aISF) 直接估计HbA1c和两步模型 (aISF到平均血糖 (aBG) 到HbA1c).
• 使用32个独立的CGM痕迹验证模型,提供信心和预测间隔.

主要成果:

• 提出了两种新的HbA1c估计方程:HbA1c (mmol/mol) = 0.319 × aISF (mg/dL) + 16.73 和HbA1c (mmol/dL) = 0.38 × (1.17 × ISF (mg/dL)) - 5.60. 这两种方程是指HbA1c (mmol/mol) = 0.319 × aISF (mg/dL) + 16.73 和HbA1c (mmol/dL) = 0.38 × (1.17 × ISF (mg/dL)) - 5.60.
• 与标准方法相比,开发的模型在人口层面上对HbA1c估计的可靠性有所提高.

结论:

• 拟议的HbA1c估计模型更适合印度人口.
• 这些方法提高了CGM数据对印度临床流行病学和糖尿病研究的有用性.