پیش بینی گلوکز، کم قند خونی تشخیصی و مداخله پزشکی: نقش مرکز داده های دیابت

قیمت: 38,000 تومان

دانلود رایگان مقاله

خرید ترجمه مقاله

عنوان فارسی

پیش بینی گلوکز، کم قند خونی تشخیصی و مداخله پزشکی: نقش مرکز داده های دیابت

عنوان لاتین

Glucose prediction, iatrogenic hypoglycemia and medical intervention: the role of the Diabetes Data Centre

زمینه: کنترل قند خون برای مدیریت دیابت و حفظ سلامتی نقشی بنیادین دارد. معیارهای متداول عملکرد در کنترل قند خون عبارتند از A1c و کنترل فردی قند خون. A1c به عنوان معیار عملکرد پیش بینی هایی دارد اما نمی تواند کم قند خونی را برای کنترل قند خون تشخیص دهد. پیش بینی قند خون در اینده می تواند ریسک هایی را در مورد کم قند خونی ایجاد کند و باید مداخلات پزشکی مناسبی در این حوزه صورت بگیرد. روشها و نتایج: یک مرکز داده های دیابت ایجاد شده است. این مرکز می تواند به صورت سخت افزاری و خدماتی را ارائه کند که پیش بینی کنترل فردی قندخون را فراهم سازد. استفاده بالینی از این داده ها می تواند منابعی را برای کاربردهای نرم افزاری ارائه کند. محاسبات: استفاده از منابع مرکز داده های مشترک دیابت می تواند ارائه دهندگان خدمات را قادر سازد مشکلات مربوط به کنترل قند خون را در زمان مناسب تشخیص دهند و نقشی فعال داشته باشند. از همه مهمتر اینکه از مداخلاتی که منجر به کم قندخونی شود خودداری می شود. در این مورد، پیش بینی قند خون برای مراقبت بهتر دیابت اهمیت زیادی دارد.

Background: Glycemic control is fundamental to the management of diabetes and maintenance of health. Popular measures of performance in glycemic control include A1c and self-monitoring of blood glucose (SMBG). As measures of performance, A1c has perspective but fails to recognize hypoglycemia while SMBG lacks overall perspective but finds use mainly by patients to self evaluate their glycemic status and current response to therapy. Predictions of future glycemia and the risks of hypoglycemia are now available to assist providers with interventions that avert iatrogenic hypoglycemia. Methods and results: A diabetes data centre has been created. It incorporates the customary hardware and, besides the usual database services, provides an engine for glycemic prediction that can utilize SMBG data captured remotely. Clinical use of the engine’s glucose predictions support interventions that avert iatrogenic hypoglycemia while allowing providers to optimize glycemic control. Other centre resources include distribution of supporting software and user instruction. Conclusions: Use of the resources of a shared diabetes data centre can empower providers to identify problems in glycemic control, take proactive action, adopt beneficial strategies, evaluate outcomes and, most importantly, avoid interventions that engender hypoglycemia. In this light, glycemic predictions appear crucial to better diabetes care