没有合适的资源?快使用搜索试试~ 我知道了~
医学信息学解锁20(2020)100397患者报告的血糖日记记录在妊娠糖尿病患者中的Dario Salvia,*,Carmelo Velardoa,Lucy Mackillopb, c,Lionel Tarassenko aa英国牛津大学工程科学系b英国牛津大学医院NHS基金会信托基金c联合王国牛津大学纳菲尔德妇女和生殖健康系A R T I C L EI N FO关键词:糖尿病自我报告自我监测依从性A B S T R A C T背景和目的:我们的目的是评估妊娠期糖尿病(GDM)妇女自我监测血糖(BG)测量的可靠性和依从性。我们开发了一种自动化的方法来比较自我报告的日志BG测量值和电子血糖仪上的测量值。扩展技术涉及对数据的手动检查,这种方法效率低下,可能不准确,并且不可扩展。为了能够分析大型数据集,我们采用了一种算法方法,可以自动匹配来自两个来源的测量值,以计算它们的一致性。方法:该算法考虑到缺失的样本,时间不匹配和不同的测量时间表。我们将这一策略应用于102例妊娠期糖尿病(GDM)受试者的数据集,这些受试者是GDM研究的对照组。在被诊断为GDM后,研究人员给妇女一个电子血糖仪,并指导她们在一个纸质日志上报告血糖,每天最多6次,剩余的怀孕。在研究结束时,日志被手动数字化,血糖仪一组与日志的可靠性和患者测量例程由我们的算法计算结果:我们总共分析了8179个日志和9511个仪表条目。考虑到两个数据源的时间戳的差异,我们表明,必须给出90分钟的公差,如果我们还想匹配没有指定时间的日志条目,则公差增加到180分钟。在可靠性方面,在报告的测量结果中,70%与血糖仪的记录一致。在依从性方面,参与者在47%的时间里每天报告6次测量。结论:本文描述了一种自动比较日志和血糖仪记录的算法这允许分析大规模的可靠性和合规性。与其他研究(包括GDM患者)一致,我们的队列研究证实,女性对血糖监测的依从性较低。我们的分析表明,由于依赖纸质记录,例如,数据丢失,可以通过自动分析来缓解电子记录。1. 介绍妊娠期糖尿病(GDM)定义为妊娠期间发生或诊断的任何程度的葡萄糖耐受不良[1]。它发生在身体不能产生足够的胰岛素时,这种激素有助于控制血糖水平,以满足怀孕期间的额外需求。妊娠期糖尿病可在分娩期间和分娩后对母亲及其婴儿造成严重问题,但在妊娠期治疗高血糖症可大大减少不良后果[2]。在过去的几十年里,除了增加血液供应外,降糖药物,可负担得起的血糖仪的可用性使患者主导的血糖监测能够改善妊娠结局[3]。现在的血糖监测-天来作为一个全面的研究已经表明,自我监测的患者由于增加了对治疗效果的理解而具有更好的葡萄糖控制和更好的坚持治疗方案[5]。此外,自我监测还允许与临床医生分享重要信息,并可用于告知有关治疗或生活方式的决定[6]。虽然大多数现代血糖仪可以记录每次读数的值和时间* 通讯作者。电子邮件地址:www.example.comdario.salvi.work @ gmail.com(D.Salvi)。https://doi.org/10.1016/j.imu.2020.100397接收日期:2020年3月24日;接收日期:2020年7月7日;接受日期:2020年7月14日2020年7月31日在线2352-9148/©2020的 自行发表通过Elsevier 公司这是一个开放接入文章下的CCBY-NC-ND许可证(http://creativecommons.org/licenses/by-nc-nd/4.0/)中找到。可在ScienceDirect上获得目录列表医学信息学期刊主页:http://www.elsevier.com/locate/imuD. Salvi等人医学信息学解锁20(2020)1003972临床医生要求患者填写纸质日志,以便报告其他信息,如食物摄入量、胰岛素剂量、运动水平或一般健康状况[7]。纸质记录和电子记录的存在可用于了解纸质记录的可靠性。可靠性很重要,因为高度错误可能会掩盖低血糖或高血糖发作,并会妨碍其适当的临床管理[8]。除了可靠性之外,还可以通过这些日志导出对自我监控的遵从性。在GDM的情况下,依从性对妊娠结局有影响,例如通过减少潜在胰岛素启动的时间[9]。通常通过比较检索到的测量值(日志和/或血糖仪)数量与假设的测量值数量被带走为了衡量日志航海日志这种特别麻烦的操作需要匹配成对的测量值,这些测量值有时会受到患者不稳定行为的影响电子记录和日志可能在每天的测量次数、测量时间以及BG值。执行这些测量的手动匹配仅在小数据集上可行,并且仍然容易出现人为错误,因此应该首选算法方法。然而,据我们所知,这种方法还没有在文献中提出。在本文中,我们描述了一种算法,自动匹配电子和纸质血糖记录。我们应用该算法分析了一个大型GDM母亲队列中自我监测的依从性和日志1.1. 相关工作在2013年的一项系统综述中,作者分析了现有文献,关于不同类型糖尿病患者报告血糖的可靠性[8]。在11项分析研究中,“错误”被分类为:a)过度报告,即当值被添加到日志中时,血糖仪中没有相应的值,b)报告不足,当记录一血糖仪存储器 没有报道上日志和c)不一致,当血糖仪上存在数值,但在日志上记录不正确时。该论文强调,尽管这些类别可能是比较研究之间可靠性的有用方法,但每项研究使用略有不同的方法将记录分类到这些类别中,从而影响了比较的有效性。关于妊娠,他们的分析表明,与其他人群相比,GDM患者的低报率最高,GDM患者的高报率不如1型糖尿病患者严重,GDM和1型糖尿病患者之间的一致性相似。作者声称,大约只有50%的日志可以被认为是可靠的,最常见的错误类型是少报。由于妊娠人群中的错误数量较高,血糖仪中的平均值显著高于日记中的平均值,这表明患者可能忽略或人为改变了低血糖发作。该综述还提出了一个整体的依从性指数,并报告了一些研究中依从性和血糖控制之间的正相关性,但结果不确定在[9]中,作者评价了自我监测的依从性,91例GDM患者13天内日志的可靠性。除了参考文献[8]中描述的度量之外,他们还引入了空和谐类,这表明了预期的测量结果(根据研究方案)从日志和血糖仪的存储器中丢失。他们表明,他们的队列有一个高百分比(77%)的一致的日志总数。作者还测量了依从性,包括执行措施的百分比-对照规定的剂量,以及餐前和餐后血糖测试之间的时间安排是否适当。他们发现依从性差和与家族病史不一致之间存在关联。糖尿病、社会剥夺和种族背景。不适当的时机与种族、基线时较高的HbA1c相关,当考虑餐后读数时,分娩时也与较高的HbA1c相关与现有文献有关的一个问题是缺乏关于记录如何分类的细节。特别是,研究没有说明如何处理丢失的记录,以及使用什么标准来匹配日志和血糖仪之间的匹配记录意味着一组假设,例如,允许具有相同葡萄糖的记录间隔多长时间。一个例外是[10],其中作者认识到在存在缺失数据的情况下执行成对分析的问题,并且他们提出了用于计算误差统计量的时间比较的统计方法。尽管如此,他们仍然忽略了匹配是如何执行的,以及它是否自动化以及如何自动化。在这些研究中没有明确的假设和方法,妨碍了结果的可复制性和比较此外,如果不是自动化的,分析只能限于相对少量的记录,这在技术允许以电子方式收集大量数据的情况下尤其具有限制性通过智能手机据我们所知,目前还没有人提出自动比较日志和血糖仪记录的工作。2. 方法2.1. 数据集我们的数据集是在Treat-GDM随机对照试验期间收集的[11,12]。作为常规护理的一部分,有GDM风险的妇女在24至28周之间进行筛查。那些被诊断为GDM的人被要求记录他们的血糖,直到分娩的那天。 只有仅通过饮食或二甲双胍控制GDM的女性才有资格。干预组和对照组均接受使用血糖仪(OneTouch Ultraeasy)的标准护理。为干预组提供了用于自我监测的GDm-health系统,该系统包括一部移动电话和一个连接到血糖仪的蓝牙模块。对照组的参与者提供了纸质日志,以自我报告血糖。建议两组在每次主餐前后监测血糖,每天最多6次。每次测量都必须包括时间和描述相应膳食(早餐,午餐,晚餐)的标签。这些都是手动输入手机或日志。必须在每餐前(标记为“餐前”)和餐后1小时(标记为“餐后”)进行测量妇女被指示只报告3名每周5次,非连续日,如果接受药物治疗,则该频率递增至每日。由于干预组书,我们将只关注控制组。这些参与者收集的数据包含两组血糖测量结果:自我报告的测量值,由参与者手写在记录本上,然后数字化转录,以及仪表每个日志都包括一个纸质表格,其中有一个当天的字段和一组行,其中要求参与者报告测量时间、血糖读数和标签(“早餐前”、“早餐后”、“午餐前”、“午餐后”、“晚餐前”、“晚餐后”、“其他”)。每份表格还包含一个参与者ID字段,由助产士在每次访视时收集表格时填写。血糖仪日志仅包含血糖值和时间戳。2.2. 影响数据分析理想情况下,纸质日志和电子记录应该包含相同的值,包括时间戳和血糖,但这不一定是真的,在对记录进行成对比较时,我们必须考虑缺失数据或增加噪声的可能原因:D. Salvi等人医学信息学解锁20(2020)10039731. 未返回的血糖仪。一些患者在研究结束这导致数据缺失在Ref中也发现了类似的问题[13 ]第10段。2. 血糖仪丢失或损坏。丢失或损坏血糖仪的患者可以要求更换新血糖仪。丢失或损坏表1血糖仪和日志记录的示例,中度依从患者在特定日期的记录。这些记录在数量上匹配,但在时间表上不匹配,并且在报告的葡萄糖中不总是匹配。用户ID时间戳日期时间血糖餐显然无法取回器械标签3. 丢失的纸质表格。 一些纸质表格没有在计划访视导致数据缺失。参考文献中也报告了该问题。[13 ]第10段。4. 没有日期的航海日志 一些纸质表格血糖仪2013-09-132013-09-1308:29:162013-09-13 2013-09-132013-09-132013-09-08:29:16 5.3911:00:36 5.78没有任何日期,这使得它不可能为他们的葡萄糖值分配时间戳。715. 有日期但缺少时间的日志 一些表格是71交付与一日期, 但没有 确切时间为每个 采取十一点三十六分2013-09-1313点06分27秒2013-09-1316时57分03秒132013-09-132013-09-1313:06:27 4.2816:57:03 5.67测量.2013-09-132013-09-132013-09-20:50:37 6.616. 抄写错误。在航海日志的数字化过程中可能出现了错误。纸质日记由一个人数字化(单条目),71日志20:50:372013-09-1323点09分25秒132013-09-1323:09:25 7.67过程记录下来。数据副本2013-09-132013-09-132013-09-13 09:38:59 5.4 1在现场,但不是正式的,也没有记录错误率。7.对日志上的同一餐标进行重复测量有些表格对给定的餐标进行了重复测量。虽然这不能被认为是一个错误或缺失值,使关联血糖仪8.葡萄糖值的近似值。血糖仪显示葡萄糖值最高可达一位小数,但以更高的精度存储该值。这导致了记录在纸上的内容和数字检索内容9. 日志和血糖仪之间的时间戳不同的时间09:38:592013-09-13 2013-09-13十二点四十二分2013-09-13 2013-09-13下午两点半22:00:002013-09-13 2013-09-1323点17分59秒2013-09-13 12:42:00 6.8 22013-09-13 14:15:00 4.3 32013-09-13 23:17:59 7.8 6在填写表格时,患者可能使用了与血糖仪不同的时钟,因此写入的时间戳与设备上记录的时间戳10. 时机不对啊一些患者为给定的餐标填写了不常见的时间戳;例如,在凌晨3点这也是参考文献报道的[13 ]第10段。11. 不同的测量规定的时间表。如前所述,最初指导患者每周报告3次,在某些情况下,在给定时间点将其升级为每天报告一次。这增加了复杂性,并且必须做出一些决定,例如,在患者应该报告3次的几周内,但可用的数据少于(或多于)3天实际数据的示例示于表1和表2中。该列表确认了比较航海日志之间值的挑战,表2血糖仪和日志记录的示例,患者未在日志上指定时间。血糖匹配,但有两个标签(3和6)缺失,一个测量值显然是在夜间进行的,但未报告。用户ID时间戳日期时间血糖餐标签血糖仪7777777777血糖仪,当考虑到现实世界的情况下,不同的原因,数据丢失和不稳定的遵守。以下部分将解释20点11分58秒日志2013-10- 20 2013-10-20202013-10-00:00:00 4.8 1我们采用的策略是以自动方式处理这些问题2.3. 数据监护由于问题1,一些患者没有血糖仪因此,我们仅分析了从日志中提供至少6个读数的患者的数据,00:00:002013-10- 20 2013-10-2000:00:002013-10- 20 2013-10-2000:00:002013-10- 20 2013-10-2000:00:00202013-10-202013-10-202013-10-2000:00:00 7.2 200:00:00 6.4 400:00:00 4.8 5仪表读数。对于转录错误(问题6),进行目视检查,以确保纸质表格正确复制,主要针对血糖仪和日志之间数据不匹配的患者。在我们的研究中,数字化过程是手动进行的,因此这不算自动过程,尽管未来可以采用现712013-09-132013-09-1318点06分5.747118点06分2013-09-132013-09-1322:00:006.652013-10-202013-10-时间09:16:22202013-10-202013-10-十点四十一分三十三秒202013-10-202013-10-15点32分04秒202013-10-202013-10-18点36分15秒202013-10-202013-10-时间09:16:224.78十点四十一分三十三秒7.2215点32分04秒6.3918点36分4.78D. Salvi等人医学信息学解锁20(2020)1003974代光学字符识别(OCR)。对于每例患者,我们分析了从招募后第二天到分娩前一天的时间段,忽略了该时间段以外的任何数据。在此期间,指导患者每周3天报告测量结果(第11期),对于每周,我们考虑3日志和血糖仪上大部分数据可用的非连续日期。如果一周内可用天数少于3天,我们只考虑有可用记录的天数;如果一周内可用天数超过3天,我们只考虑记录数最多的天数。多亏了这些规则,我们为每个病人建立了一个 我们预期会出现数据的日期列表,因此仅限于这些日期的合规性和可靠性计算。当更换血糖仪时(第2期),我们预计数据将在研究期开始时显示电子记录中的因此,匹配的日志记录将被误分类为多报。为了从分析中排除这些差距,我们确定了那些有第一个血糖仪日志记录D. Salvi等人医学信息学解锁20(2020)1003975时间戳是在第一个航海日志记录之后10天。对于这些病例,我们假设间隙的原因是器械缺失或损坏,我们将分析期校正为从血糖仪测量可用的第一天开始。2.4. 时间同步问题由于第9期中解释的原因,与实际记录的时间相比,可能记录了储存在血糖仪为了确定任何实质性抵消,天的顺序,我们观察了第一个日志记录和第一个血糖仪记录之间的天差,以及最后一个日志记录和最后一个血糖仪记录之间的天差。系统偏移将在所有测量之间产生相同的距离。在几分钟或几小时的时间差也较小,研究了为此,我们计算了每个日志读数与具有相同葡萄糖值的血糖仪读数的最小时间差因此,我们绘制了这些时间差的分布。对于记录之间的那些真正的对应关系,我们将期望在平均偏移值附近有一个峰值,或者如果没有偏移,则为零几双可能是偶然匹配的对于这些情况,我们希望时差在分析期间均匀分布。一旦假设了一个合理的抵消,我们进一步证实了这一点,计算匹配对的数量,允许它们之间有一定的时间(Δt)。通过改变Δt,我们将期望观察到阶跃变化。如果阈值Δ t太受限制,则匹配的读数将很少;当Δt接近日志和血糖仪读数之间的中位时间差时 , 它 们 将 迅 速 增加 , 并 且 当 较 大 的 时 间 差 或 随 机 匹 配 时 , 它 们 将 达 到 平 稳 状态。遇到的。通过识别该曲线的饱和点,可以识别使匹配数量最大化的偏移,而不允许包括太多的随机远距离匹配对于日志中未指定时间的病例(第5期),我们通过计算整个人群每餐的中位时间来估算适当的时间戳为了验证这一策略,我们用不同的Δt生成相同的图,但仅使用日志我们所记录的时间。与前一种情况相同的考虑也适用,但在这种情况下,我们预计饱和点会更高,因为引入的近似会增加匹配之间的时间差的可变性2.5. 航海日志可靠性的测量根据参考文献[9]中提出的模式对每份血糖样本进行分类:低报、高报、一致、不一致和一致-空。此外,我们纳入了异常时间类别,以表明自我报告的测量结果与用餐标签相关的时间不太可能(问题10)。该算法将读数分为4个步骤。步骤1. 不寻常的时间为了识别具有异常时间的读数,我们分析了整个人群的日志中的膳食标签的时间分布。从这些分布中,我们确定了可能发生进餐那些记录本上的数据在这些范围之外被标记为“不寻常时间”。即使其中一些时间戳可能是准确的(例如在斋月期间),它们会使分析非常繁琐,因此我们决定将其从进一步分析中排除。步骤2. 一致性测量对于每名患者和分析中的每一天,我们使用以下规则搜索一致性测量:允许葡萄糖值之间的差异高达0.1 mmol/L。这是因为血糖仪记录的值具有6位数精度,但仅显示小数点后一位的精度(问题8)。允许时间差,以考虑上一节中描述的时间同步问题。在我们的情况下,阈值设置为180分钟,如结果部分所述对于没有报告时间的日志(第5期),使用相同餐标和受试者的中位时间。如果中位数不是可用于该参与者/标签,使用总体的而不是.当一顿饭有多个日志读数时(问题7),请分别匹配所有日志读数。当单个日志条目与多个血糖仪读数匹配且公差为180 min时,选择时间上最接近的一个。步骤3. 不一致、多报和少报的测量结果。一旦确定了一致的测量值,我们就扫描了其余的不一致、过度报告和报告不足的值。对于每个日志测量,我们搜索血糖仪存储器上180分钟内读数最接近。如果找到匹配,我们就把两者都归为不一致。如果没有匹配如果发现测量错误,我们将日志测量归类为过度报告。 一旦这个过程完成,所有的日志意味着-因此,其余的血糖仪已经被分类没有相关类别的测量值被标记为报告不足。步骤4. 为了便于识别一致空读数,我们首先根据以下启发式将膳食标签与每个血糖仪测量值相• 当发现一致的测量值时,我们将血糖仪的测量值标记• 对于每名患者,我们计算了每餐的中位时间,但根据血糖仪的时间戳,而不是日志(在时间差异的情况下)。然后,对于每个剩余的血糖仪测量:– 如果它位于两个测量值之间,并带有餐标,时间上最接近的餐牌– 如果它发生在第一个用餐标签之前,我们将其与第一个标签相关联– 如果它发生在最后一餐标签之后,我们将其与最后一个标签相– 如果在分析的一天内没有出现用餐标签,我们将该患者相同标签的中位时间作为其替代– 如果餐标和患者不存在中位时间,则我们使用总体一旦所有记录都与一个餐标相关联,找到一致空就很简单了:给定一个患者,对于测量值被假设被记录,并且对于每个膳食标签,如果在日志和血糖仪的存储器中都缺少测量该分类用于测量可靠性,具体为一致测量值占检索测量值总数的百分比(日志或血糖仪)。作为每例患者可靠性的累积测量,我们使用了与参考文献[9]相同的指标,并且我们认为,如果至少90%的配对日志-仪表数据一致,则女性提供了可靠的日志。2.6. 遵守情况的衡量每例患者的自我报告依从性通过一组指标进行测量:根据血糖仪和日志,每天的平均测量次数。······D. Salvi等人医学信息学解锁20(2020)1003976日志上的平均测量次数,每天有完整的餐前和餐后标签日志上每天不适当计时测量的平均次数。我们在参考文献[9]中定义了时间不足:餐前和餐后时间差小于100分钟或大于140分钟。作为一项累积指标,如果参与者在整个研究期间进行了至少80%的餐前和餐后检查(如参考文献所述),我们认为他们是依从性的。[9](定义不区分一致和不一致测量)。3. 结果治疗GDM研究的对照组包括103名患者,其中一名退出。关于人群、人口统计学和研究总体的详细信息见参考文献[12]。我们检索了85名患者的日志,其中41名提供了至少截至分娩周的记录。从日志中是14471。其中有2141次没有具体说明时间。在血糖仪的记忆日志方面当结合日志和血糖仪数据时3.1. 数据监护一旦没有足够数据的参与者被排除(少于6个血糖仪和6个日志测量),我们就剩下63名患者的数据。其中,3例显示第一个血糖仪记录与第一个日志记录之间存在差距,可能是由于更换了血糖仪。对于每例患者,我们确定了要分析的确切日期,从招募后的第二天(或初始间隙结束后)到分娩前一天。每例患者的分析天数,跨度18-102 天 一 中位数为 30 天 这些是 不是所有连续,因为35名参与者在试验的给定时间点总共2157天。后除去分析期外的所有日志3.2. 时间同步我们没有发现任何证据表明血糖仪和日志之间存在时间偏移(以天为单位缩小时间差,我们绘制了两个日志-血糖仪测量值之间的最小时间差分布图。1.一、直方图显示,所有匹配的测量值在时间上不超过1 h,峰值在0.由此,我们推断血糖仪的时钟通常配置良好,并且测量之间的时间差高达60分钟是可以接受的。为了证实这一结果,我们通过葡萄糖值匹配日志和血糖仪的测量值,并允许它们之间存在Δ t时间差。如果我们计算在0和12 h之间改变公差Δ t的匹配数,我们得到图1中的图表。 二、图表显示,累积匹配数增加从0到60 min迅速增加,90 min后达到平台。必须注意的是,从1 min到12 h Δt的总体增加仅为7.7%。因此,我们可以推断,60和90分钟之间的容差应适应绝大多数为了将时间与未指定时间的日志(占总数的14.8%)相关联,我们通过查看日志上的膳食标签计算了每种膳食类型的一天中的小时分布(图3)。从这些分布中,我们推导出每个餐标的一组有效范围(表3)。394个测量值,然后将范围标记为“异常时间”。 在排除了那些通过测量,确定了每个进餐标签的中位时间(表3)。有趣的是,观察到这些中位数中的一些非常尖锐(14:30而不是,例如,14:22)。一种可能的解释是,在许多情况下,参与者估计用餐时间,将时间四舍五入到最接近的半小时。在使用了没有时间戳的日志条目的中位数之后,我们绘制了这些条目中有多少是匹配的与血糖仪记录,同时改变Δt(图 4)。情节类似于一个与所有的测量,但它是平滑和高原后,值得注意的是,在1 min Δt和12 h Δt之间的匹配数量的增加仅为5%。该分析的结论是,为了使没有写入时间的日志能够使用中位时间作为近似值进行匹配,我们必须将公差扩展到180分钟。用于识别协和空的启发式算法的步骤之一记录需要计算每个餐标的中位时间,这些时间是根据匹配的血糖仪数据而不是日志计算的这些中位数与航海日志上计算的中位数相差不超过30min。它们是:早餐前:08:09,早餐后:九点四十七分,午餐前:十二点五十一分,午餐后:14:30,餐前:18:32,晚餐后20:04。在应用启发式之后,如果我们看看Fig. 1. 具有相同葡萄糖值的两次测量(一次来自日志,一次来自血糖仪)之间最小时间差的直方图。 所有患者的累积分布。··D. Salvi等人医学信息学解锁20(2020)1003977图二、 日志和血糖仪之间 具有相同血糖值和时间差Δt的匹配测量次数。表3图3.第三章。 根据日志记录,每个餐标对应的时间直方图。每个箱为1 h血糖仪和日志的餐标分布情况,每个餐标的有效范围和中位时间。餐牌有效时间范围中位时间早餐前5:00早餐后6:00午餐前10:00午餐后11:00晚餐前15:00晚餐后17:00-24:00 20:30我们得到图5中的直方图。正如预期的那样,分布非常相似。3.3. 航海日志的可靠性我们的算法如何对测量结果进行分类的分布如图6所示,百分比则在表4中列出。必须提醒的是,根据定义,协和空是D. Salvi等人医学信息学解锁20(2020)1003978见图4。日志测量(未指定时间)与血糖仪测量(具有相同血糖值和时间差Δ t)之间的测量次数图五、 每个相关餐标的测量次数直方图。而不是在现有的记录中,因此计算它们的过程-人为地将测量总数增加到12,740个血糖仪因此,报告的百分比与两个总数有关,一个包括一致空测量值,另一个不包括它们。作为总体一致性的衡量标准:25名女性(39.7%), 至少90%的配对航海日志-仪表数据一致。考虑到协调空的数量相对较高,以及其在依从性方面的含义,我们还为血糖仪和日志生成了每例患者的协调空百分比相对于该患者测量总数的直方图(图7)。结果显示,患者之间的一致空分布不均匀,一些患者的日志和血糖仪中几乎所有数据均缺失,而另一些患者的一致空量可忽略不计。3.4. 合规图8显示了整个人群每天测量次数的分布。图表显示,在大约一半的时间里,患者进行了不到6次测量(如果我们查看血糖仪,则为50%,如果我们计算日志条目,则为53%)。血糖仪每天的平均输入次数为4.4,而日志记录每天的平均输入次数为3.8。如果我们观察餐前和餐后配对的完整集合的数量,我们得到图9中的分布。该图表显示,在大多数日期,患者报告0对或3对。与参考文献[9]一样,该统计量不考虑这些对是否一致。作为依从性的累积测量,如参考文献[9]中所述,我们认为依从性参与者进行了至少80%的餐前和餐后测量。在我们的队列中,分析的63例患者中有22例(35%)属于该定义。什么问候D. Salvi等人医学信息学解锁20(2020)1003979表4图六、每个类的测量值分布。4. 讨论每类测量值占测量值总数的百分比,包括报告的测量值和包括人工添加的一致性的测量值-空。占报告测量值的百分比类别血糖仪日志血糖仪日志一致性45% 50% 60% 70%不一致8% 9% 11% 12%空和弦25% 28% 34% 39%低报22%多报“inadequate timing”, Fig. 10血糖匹配但是有两个标签(3和6)缺失,并且在餐前和餐后测量之间的一个测量明显是在夜间进行的,但是没有报告。直方图不包括66个时间差为负的实例和36个时间差超过300分钟的实例。在我们的队列中,2658对(占对总数的82.3%)时间不充分(根据[9]的定义),没有参与者的时间对超过80%大多数关于日志上自我报告血糖依从性的现有文献缺乏规则和指南的形式化,将日志中的测量值与血糖仪的测量值进行匹配时所做的选择。在本文中,我们定义了一组数据驱动的规则来设计一个算法,以最小的手动工作量进行匹配。该方法是可扩展的,事实上,仅需要人为干预来微调一些参数,例如匹配测量时的时间容限,并且需要分析整个群体的分布(因此不需要人工干预)。取决于它的大小)。所设计的策略对数据丢失具有鲁棒性,并且即使在与我们研究中发现的“不利”条件下,也能够提取文献中发现的相同指标一个可能的限制因素是当标签丢失时,用于将日志条目与膳食标签相关联的简单方法事实上,该方法假设患者在固定的时间范围内用餐,这是已知的情况[14]。使用机器学习的更复杂的方法,如参考文献中提出的方法[14]可能会提高记录之间匹配的准确性,但必须注意的是,在我们的数据集中,这个问题影响的日志条目不超过15%。如果我们想将我们的队列与文献中发现的其他队列进行比较,参考文献[10]中,对95例2型糖尿病患者进行了为期一年的评估,作者发现83.5%的测量结果一致,图7.第一次会议。根据患者数量,以占总测量 次数的百分比表示的一致空分布。D. Salvi等人医学信息学解锁20(2020)10039710图8.第八条。 日志和血糖仪每天测量次数的分布。Y轴为对数刻度。见图9。日志中报告的每日餐前和餐后配对数量分布Y轴为对数刻度。8.4%被高估,10.0%被低估。表5列出了他们与我们的百分比比较。这种比较有一定的局限性,事实上,文献[1]中的研究也存在一定的局限性。[10]涉及另一个人群,他们的患者没有被指示每天报告,他们对一致性的定义与我们的不同。虽然他们的研究具有可比的组大小和较少的分析天数,但我们的研究产生了两倍以上的测量结果。这是因为,平均而言,他们研究中的患者每天报告的测量值较少(约每天1次)。他们的研究持续了一年,但由于手动密集型分析,只能评估12周在[9]中,作者的日志比我们的队列更可靠(比较见表5)。他们报告说,76.9%的人-见图10。日志中报告的餐前和餐后时间对之间的时间差分布。表5治疗GDM结果与文献的比较。鉴于两种文献来源使用不同的方法计算百分比,因此按研究进行比较。分类[10]/治疗GDM [9]/治疗GDMpants有整体一致的日志,而我们的是39.7%。方面在遵守方面,61.5%的参与者被认为是遵守的,而我们的参与者为35%,但在如何计算这种遵守方面有一个差异。在参考文献中。[9],作者使用血糖仪数据计算依从性,但没有解释他们如何将血糖仪数据与餐前和餐后标签相匹配。在我们的分析中,我们更喜欢使用航海日志,因为这些信息是明确的,一致性83%/60% 82%/50%不一致多报8%/17% 1%/12%漏报10%/29% 2%/22%协和-空D. Salvi等人医学信息学解锁20(2020)10039710available.在餐前和餐后测试之间的平均时间方面[9],报告称46.2%的女性有80%的时间充足,而我们的时间为0%,但他们的研究比我们的时间规则更严格。我们的队列研究证实,尽管直觉上孕妇应该是高度积极的,但她们的不依从率和血糖仪日志不一致率很高。记录本上的错误可能是由于未能在诊所收集记录本、试图满足临床医生[15]以及不愿接受不良控制[16]。这表明,一些患者可能不太了解监测的真正原因,并引起了对动机、感知需求和否认控制不良的5. 结论我们的论文表明,如果考虑到缺失和噪声数据的适当规则,日志和血糖仪之间的比较可以自动化。这是可取的,因为它允许将分析扩展到大的队列和更长的时期。将这些规则应用于Treat-GDM研究的对照组表明,确实可以分析大量记录。我们的妊娠期糖尿病患者队列证实了这样一个事实,即他们对当地血糖监测政策的依从性很低。它有 我们认为,Treat-GDM研究并没有关注测量可靠性的具体结果,我们分析了对照组,对照组没有被仔细随访以符合要求。这是我们的研究与其他研究之间的一个差异,但也是一个有趣的研究,因为它给出了在控制较少的情况下的可靠性和依从性的衡量标准。CRediT作者贡献声明Dario Salvi:数据管理,形式分析,方法论,软件,写作-原始草稿。Carmelo Velardo:数据管理,调查,软件,写作-评论编辑。&露西·麦基洛普:调查,方法论,监督,写作-评论编辑。&莱昂内尔·塔尔-阿森科:概念化,资金获取,写作-评论编辑.&竞合利益作者声明没有利益冲突确认该研究由NIHR OX ford生物医学研究中心提供部分资助。我们要感谢Lise Loerup对我们的支持。恢复血糖仪的数据附录A. 补充数据与本文相关的补充数据可以在https:doi.org/10.1016/j.imu.2020.100397上找到。引用[1] AssociationAD,et al. 糖尿病。糖尿病护理2004;27:S88。[2] Negrato CA,Zajdenverg L.妊娠期自我血糖监测:适应症和局限性。糖尿病代谢综合征2012;4(1):54。[3] Landon MB,Spong CY,Thom E,Carpenter MW,Ramin SM,Casey B,WapnerRJ,Varner MW,Rouse DJ,Thorp Jr JM,et al.轻度妊娠糖尿病治疗的多中心随机试验。 新英格兰医学杂志2009;361(14):1339-48。[4] S. 指南网络,糖尿病管理:国家临床指南。[5] Karter AJ,Ackerson LM,Darbinian JA,SelbyJV.自我监测血糖水平和血糖控制:北加州凯撒永久糖尿病登记处。 美国医学杂志2001;111(1):1-9.[6] Goldstein DE,Little RR,Lorenz RA,Malone JI,Nathan D,Peterson CM,SacksDB.糖尿病的诊断糖尿病护理2004;27(7):1761-73。[7] Polonsky WH,Jelsovsky Z,Panzera S,Parkin CG,Wagner RS.初级保健医生识别在来自非胰岛素治疗的2型糖尿病的结构化、间歇性血糖监测数据中发现的血糖异常并对其采取行动。糖尿病技术治疗2009;11(5):283-91。[8] GivenJ,比较病人产生的血液糖尿病患者血糖日记记录与血糖仪记忆:一项系统性综述。DiabetMed2013;30(8):901[9] Cosson E,Baz B,Gary F,Pharisien I,Nguyen MT,Sandre-Banon D,JaberY,Cussac-Pillegand C,Banu I,Carbillon L,et al.血糖自我监测的可靠性差和依从性差在妊娠糖尿病女性中很常见,可能与妊娠结局不良相关。糖尿病护理2017:dc170369。[10] GivenJ,O'Kane M,Coates V,Moore A,Bunting B.比较患者生成的2型糖尿病患者血糖日记记录与血糖仪记忆糖尿病研究临床实践2014;104(3):358-62。[11] L. H. Mackillop,K. Bartlett,J.Birks,A. J.Farmer,O. J.Gibson,D. A.凯瓦特肯沃西,J.C.利维湖勒鲁普湖Tarassenko等人,在妊娠期糖尿病人群中比较基于智能手机的血糖管理系统与标准临床护理的疗效的试验方案,BMJ开放6(3)。[12] L. Mackillop,J.E.赫斯特,K。J.Bartlett,J.S.伯克斯湖Clifton,A. J.Farmer,O.Gibson,Y.肯沃西,J.C.利维湖Loerup等人,比较基于手机的血糖管理系统与标准临床护理在妊娠期糖尿病女性中的疗效:随机对照试验,JMIR mHealth和uHealth 6(3)。[13] Kazlauskaite R,Soni S,Evans AT,Graham K,Fisher B. 2型糖尿病患者自我监测血糖的准确性。Diabetes Technol Therapeut2009;11(6):385-92.[14] Caballero-RuizE,García-Sa'ezG,RiglaM,VillaplanaM,PonsB,HernandoME.妊娠期糖尿病专家系统中提高数据解释的血糖测量自动分类。EX pert Syst Appl2016;63:386[15] Day JL.为什么病人要做我们要求他们做的事?Patient Educ Counsel1995;26(1):113-8.[16] 杨伟,王伟,王伟.控制良好的1型糖尿病孕妇的发作性高血糖:巨大儿的主要潜在因素糖尿病医学1999;16(8):702-6。
下载后可阅读完整内容,剩余1页未读,立即下载
cpongm
- 粉丝: 5
- 资源: 2万+
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
- 最优条件下三次B样条小波边缘检测算子研究
- 深入解析:wav文件格式结构
- JIRA系统配置指南:代理与SSL设置
- 入门必备:电阻电容识别全解析
- U盘制作启动盘:详细教程解决无光驱装系统难题
- Eclipse快捷键大全:提升开发效率的必备秘籍
- C++ Primer Plus中文版:深入学习C++编程必备
- Eclipse常用快捷键汇总与操作指南
- JavaScript作用域解析与面向对象基础
- 软通动力Java笔试题解析
- 自定义标签配置与使用指南
- Android Intent深度解析:组件通信与广播机制
- 增强MyEclipse代码提示功能设置教程
- x86下VMware环境中Openwrt编译与LuCI集成指南
- S3C2440A嵌入式终端电源管理系统设计探讨
- Intel DTCP-IP技术在数字家庭中的内容保护
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功