目的 血糖趋势预测模型的构建能有效协助医护人员管理2型糖尿病(T2DM)患者血糖,并促进其维持健康的生活方式.对比研究2种构模方式的优缺点,并探讨模型使用意义.方法 采集9例老年T2DM患者连续14 d的持续血糖监测数据(CGM),并结合在此期间的饮食(D)、运动(E)、用药、睡眠4大生活数据,运用支持向量回归(SVR)与基于长短期记忆单元的递归神经网络(LSTM-RNN)构建血糖趋势预测模型,模型的数据输入分为CGM、CGM+D、CGM+D+E这3种方式.结果 SVR模型表现随着预测范围的延长而下降(P<0.05),在预测范围(PH)=30 min时,饮食及运动数据的加入提升模型表现(P<0.05).LSTM-RNN模型表现较为复杂,预测范围的延长对模型结果差异无统计学意义,在PH=45 min时,饮食数据的加入提升模型表现,且优于SVR模型45/60 min的预测结果.SVR与LSTM-RNN构建的预测模型均具有高度的个体化匹配度,EGA值在AB区域的占比达到了93.82％ ～99.77％.结论 SVR短时预测(15 min)优于LSTM-RNN,LSTM-RNN较长预测(45 min)优于SVR(45/60 min);血糖趋势预测模型可对患者进行有效的热量相关指导,对该研究人群而言,饮食数据是影响血糖的主要因素,运动数据对血糖的影响不足.

糖尿病;2型;模型;统计学;预测;老年人

旷小羿;徐巧玲;徐伟;张海峰;耿新玲;侯惠如

中国人民解放军医学院,北京100853;中央军委联合参谋部警卫局卫生保健处;中国人民解放军第三〇五医院药局;首都医科大学生物医学工程学院;中国人民解放军总医院第二医学中心护理部

中国临床保健杂志

[1]旷小羿;徐巧玲;徐伟;张海峰;耿新玲;侯惠如-.老年2型糖尿病患者血糖趋势预测模型构建初探)[J].中国临床保健杂志,2022(02):208-212

CGM+D,CGM+D+E

糖尿病患者,趋势预测,预测模型构建,建初,医护人员,人员管理,T2DM,模型使用,持续血糖监测,在此期间,支持向量回归,SVR,长短期记忆单元,递归神经网络,RNN,PH,运动数据,匹配度,EGA,AB,比达,短时预测

0.257169