1型糖尿病におけるインスリン投与を通知するための連続グルコースモニターとアクティビティトラッカー：バージニア大学貢献

目的：1型糖尿病（T1D）における最適ではないインスリン投与は、インスリン感受性（IS）に影響を与えるさまざまな精神行動および生理学的因子によって駆動される時変インスリン要件としばしば関連しています。これらのうち、身体活動は、運動中および運動の努力の両方の変更のトリガーとして広く認識されていますが、T1Dの構造化された（さらに）非構造化活動の管理には限られた適応症が利用可能です。この作業では、T1Dの個人の血糖コントロールを改善するために、ウェアラブルセンサーからのバイオシグナルによるインスリン投与を通知する2つの方法を提示します。研究の設計と方法：連続グルコースモニター（CGM）とアクティビティトラッカーは、方法によって活用されています。最初の方法は、CGMレコードを使用して推定されることです。リアルタイムで、インスリンのニーズに応じてインスリン用量を調整します。2番目の方法では、ステップカウントデータを使用して、最近実行された（構造化または構造化されていない）身体活動の残留グルコース低下効果を伴うボーラス計算を通知します。この方法は、バージニア大学/パドバT1Dシミュレーター内でシリコでテストされました。標準的なボーラス計算機と提案された「スマート」システムは、増加/減少の存在下で1回の食事の制御に展開され（研究1）、1時間の運動試合（研究2）に続いて展開されました。食後の血糖コントロールは、さまざまな血糖範囲と低/高血糖指数（LBGI/HBGI）で費やされた時間の観点から評価され、投与戦略間で比較されました。結果：研究1では、CGMに基づいたシステムは、増加の存在下で低血糖への曝露を減らすことができました（時間<70 mg/dL：6.1％対9.9％; LBGI：1.9対3.2）および高血糖への曝露が存在する場合の高血糖への暴露減少は（時間> 180 mg/dL：14.6％対18.3％、HBGI：3.0対3.9）で、最適な制御に向かう傾向があります。研究2では、低血糖を減らすことができたステップカウント情報システムでは（3.9％<70 mg/dL：13.4％、LBGI：1.7対3.2）高血糖への暴露のわずかな増加の犠牲を払って（時間>時間>180 mg/dl：11.9％対7.5％：2.4対1.5）。結論：T1Dでのプランダルインスリンのスマート投与のための2つの方法の2つの方法をシリコで提示および検証しました。アンサンブル内で見た場合、2つのアルゴリズムは、多種多様な治療オプションに対応するインスリン投与を改善するためにT1Dの個人に代わるものを提供します。将来の作業は、自由生活条件での方法の安全性と有効性をテストするために専念します。

Objective: Suboptimal insulin dosing in type 1 diabetes (T1D) is frequently associated with time-varying insulin requirements driven by various psycho-behavioral and physiological factors influencing insulin sensitivity (IS). Among these, physical activity has been widely recognized as a trigger of altered IS both during and following the exercise effort, but limited indication is available for the management of structured and (even more) unstructured activity in T1D. In this work, we present two methods to inform insulin dosing with biosignals from wearable sensors to improve glycemic control in individuals with T1D. Research Design and Methods: Continuous glucose monitors (CGM) and activity trackers are leveraged by the methods. The first method uses CGM records to estimate IS in real time and adjust the insulin dose according to a person's insulin needs; the second method uses step count data to inform the bolus calculation with the residual glucose-lowering effects of recently performed (structured or unstructured) physical activity. The methods were tested in silico within the University of Virginia/Padova T1D Simulator. A standard bolus calculator and the proposed "smart" systems were deployed in the control of one meal in presence of increased/decreased IS (Study 1) and following a 1-hour exercise bout (Study 2). Postprandial glycemic control was assessed in terms of time spent in different glycemic ranges and low/high blood glucose indices (LBGI/HBGI), and compared between the dosing strategies. Results: In Study 1, the CGM-informed system allowed to reduce exposure to hypoglycemia in presence of increased IS (percent time < 70 mg/dL: 6.1% versus 9.9%; LBGI: 1.9 versus 3.2) and exposure to hyperglycemia in presence of decreased IS (percent time > 180 mg/dL: 14.6% versus 18.3%; HBGI: 3.0 versus 3.9), tending toward optimal control. In Study 2, the step count-informed system allowed to reduce hypoglycemia (percent time < 70 mg/dL: 3.9% versus 13.4%; LBGI: 1.7 versus 3.2) at the cost of a minor increase in exposure to hyperglycemia (percent time > 180 mg/dL: 11.9% versus 7.5%; HBGI: 2.4 versus 1.5). Conclusions: We presented and validated in silico two methods for the smart dosing of prandial insulin in T1D. If seen within an ensemble, the two algorithms provide alternatives to individuals with T1D for improving insulin dosing accommodating a large variety of treatment options. Future work will be devoted to test the safety and efficacy of the methods in free-living conditions.