Automatizované vyhledávání problematických situací v biologických signálech pacientů s diabetem

Abstract

Diabetes 1. typu je chronické onemocnění, které vyžaduje od pacientů neustálou kontrolu mnoha parametrů majících vliv na jejich glykémii. Rostoucí výskyt uživatelsky nenáročných mobilních zdravotnických zařízení, představují dostupné a intuitivní řešení pro kontrolu pacientů s diabetem. Na druhou stranu lékaři nejsou schopni analyzovat velké soubory dat během krátké konzultace s pacientem, natož je pak adekvátně edukovat.

Type 1 Diabetes is a chronic disease requiring patients to constantly control multiple parameters that have an impact on their glycaemia. The increase in use of more user-friendly mobile health tools presents a solution to better self-manage their diabetes. On the other hand, clinicians are not able to analyse patients? large self-gathered datasets within the brief consultations with patients, let alone educate them properly. Therefore, the aim of this work was to design, test, and verify algorithms that would highlight the most frequent accidental problems that patients face within data extracted from the medical and mobile health tools that patients use for monitoring their diabetes. By identifying these problems and errors, both the patients and clinicians can more effectively make steps toward changing patients´ daily regimens in order to prevent long-term complications. In addition, predictive algorithms and early-warning systems can eliminate acutely dangerous situations.