为编码每日连续葡萄糖监测时间序列到压缩文本找到最佳的字母表

科学领域:

• 生物医学工程 生物医学工程
• 数据科学数据科学数据科学
• 内分泌学 在内分泌学.

背景情况:

• 持续的葡萄糖监测 (CGM) 已经改变了糖尿病护理.
• 需要新的数据编码方法来利用CGM的洞察力.
• 这项研究引入了基于文本的编码,用于CGM每日档案.

研究的目的:

• 开发一种方法,将CGM每日资料压缩成文本字符串.
• 为了在编码数据中保留重要的临床指标.
• 为了优化编码过程的准确性和效率.

主要方法:

• 定义了八个字母来表示葡萄糖范围.
• 使用Akaike信息标准 (AIC) 来评估错误.
• 为了最佳的字母选择,估计的压缩比.
• 分析了六项不同研究的数据,包括1型糖尿病 (T1D),2型糖尿病 (T2D) 和健康对照患者.

主要成果:

• 一个9个字母的字母表被发现是最优的编码CGM在T1D和T2D的配置文件,尽量减少信息丢失 (最低AIC).
• 由于葡萄糖变异性较低,对健康个体的数据编码所需的字母较少.
• 9个字母的字母表显示出与变化系数的强烈相关性 (0.945-0.965).

结论:

• 基于CGM数据的基于文本的编码有助于配置文件的分类和搜索引擎的使用.
• 潜在的应用包括预测建模,异常检测和人工智能驱动的糖尿病研究.
• 这种方法提高了CGM数据对临床实践和研究的有用性.