老年2型糖尿病患者血糖趋势预测模型构建初探

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.