2009-01-12 25 views
9

Tôi đang viết một ứng dụng cho phép người dùng tiểu đường nhập các chỉ số "lượng đường trong máu" của họ và sau đó xếp hạng chúng trên biểu đồ theo thời gian từ trái sang phải. Vì các chỉ số máu sẽ được thực hiện chỉ vài lần trong ngày, nên thuật toán sẽ thuận tiện để:Thuật toán "glucose máu" tiên đoán?

a) điền vào các khoảng trống trên đồ thị giữa các bài đọc (đường cong sẽ thực tế hơn đường giật) và cho phép chính xác hơn "mức độ glucose trong máu" hàng ngày trung bình

b) xấp xỉ dự đoán những gì sẽ xảy ra trong tương lai (nếu người dùng ăn gì mà sẽ ảnh hưởng đến nồng độ trong máu của ông)

tôi suck lúc tính toán. Tôi hy vọng một ai đó ở đây biết một thư viện cho công cụ này? Tôi hy vọng ai đó biết về một thuật toán đã được điều chỉnh cho vấn đề cụ thể này (ví dụ: nơi ai đó đã so sánh nó với dữ liệu thực tế từ bệnh nhân tiểu đường)

Tuyên bố từ chối trách nhiệm: Tôi rất biết rằng bất kỳ thuật toán nào sẽ thay đổi tùy theo trên người dùng. Tôi chỉ muốn cải thiện các đường thẳng góc. Bất kể bệnh tiểu đường, có một giới hạn về tỷ lệ đường trong máu có thể tăng và giảm.

Tôi đang sử dụng Javascript, nhưng vì nó chỉ là toán học, tôi có thể chuyển nó từ C, Java hoặc bất kỳ thứ gì.

Trả lời

43

Hành vi đường huyết là rất phức tạp. Nó bị ảnh hưởng bởi

  • đường trong máu hiện tại (phức tạp bởi sự hiện diện có thể có của xeton nếu bệnh nhân tăng đường huyết)
  • thực phẩm gần đây ra đến vài giờ tùy thuộc vào loại và bao nhiêu
  • gần đây diễn xuất nhanh insulin (với sự đa dạng và hồ sơ phản ứng phụ thuộc bệnh nhân khoảng 45 phút và hai giờ dài. Oh, và cơ chế giao hàng)
  • tác dụng lâu dài insulin ra qua 12 giờ (một lần nữa kiên nhẫn và sự đa dạng phụ thuộc)
  • mức độ hoạt động
  • mức độ căng thẳng
  • bệnh
  • tỷ lệ insulin cơ bản nếu bệnh nhân đeo một máy bơm
  • quảng cáo nauseum

vấn đề Rất cứng. Bất kỳ heuristic --- bất kỳ heuristic --- bạn chọn sẽ rất gây hiểu lầm. Vì vậy, câu trả lời ngắn:

Đừng làm điều đó.


này đi kèm, một phần, từ việc so 24 giờ log liên tục glucose của bệnh tiểu đường với ~ 10 đầu ngón tay chụp trong cùng một lúc. I E. đề xuất của tôi là dữ liệu được điều khiển.


Chỉnh sửa: Rõ ràng là tôi không làm rõ.

Bạn thậm chí không thể đến gần.

Không có gì bạn có thể làm với dữ liệu chích ngón tay có thể đáng tin cậy từ xa.

Việc kết nối các dấu chấm với bất kỳ dòng nào (ngay cả các đoạn thẳng) là chỉ sai đồng bằng. Nó không phản ánh thực tế. Một chút cũng không.

Tôi là một nhà vật lý hạt thử nghiệm. Các tập dữ liệu phức tạp là những gì tôi làm. Có một bệnh tiểu đường trong cuộc sống của tôi (bạn có đoán?). Điều này quan trọng với tôi.

Nhưng tôi đã nhìn thấy nhật ký dữ liệu tần suất cao, song song với nhật ký của các lần sử dụng ngón tay, tập thể dục, thực phẩm và insulin.

Nếu bạn có thể nhận dữ liệu mười lăm phút một lần, tôi muốn nói tiếp và sử dụng spline. Nó sẽ không gây nhầm lẫn nguy hiểm. Tuy nhiên, nếu bạn có 6-10 số đo trong ngày, bạn biết không có gì.


Tin tốt: giám sát liên tục sẽ giảm giá. Nó ra khỏi phòng thí nghiệm và có sẵn với một số máy bơm ngay cả bây giờ.


Đối với những người không quen thuộc với điều này: bệnh nhân tiểu đường phù hợp làm (kết quả bỏ phiếu rất không khoa học) 4-6 + glucose thử nghiệm một ngày như một vấn đề tất nhiên, và một số những bổ sung trong 1- 2 giờ sau bất kỳ chuyến tham quan bất ngờ nào (chúng có các triệu chứng thể chất cho phép chúng phát hiện các chuyến du ngoạn nghiêm trọng).

Điều này phục vụ cho bệnh nhân một ý tưởng sơ bộ về cách thức họ kiểm soát mức đường huyết, nhưng họ cũng đi đến phòng thí nghiệm để lấy Hemoglobin A1C mỗi quý (hoặc lâu hơn). Kết quả A1C phụ thuộc chủ yếu vào lượng đường trong máu trung bình của chúng.

Tôi đã nói chuyện với những người có tốc độ 80-110 (số khá thuận lợi) bốn lần một ngày trong nhiều tháng và quay lại A1C cho thấy trung bình trên 150 (không mong muốn). Có lẽ họ đã lên cao trong đêm. Và tôi đã nghe những câu chuyện tương tự từ những người mà chúng tôi có thể xuống thấp --- rất thấp --- trong giấc ngủ của họ.

Bài học là:

Finger chích đọc có chỗ đứng của họ, nhưng đừng cố gắng suy luận họ lần không được lấy mẫu.

+0

Tôi biết ai đó sẽ nói rằng ;-) Tôi không mong đợi bất cứ điều gì như độ chính xác 100% ở đây. Bất kỳ cải tiến trên các đường góc sẽ được chào đón. – username

+0

Fwiw, tôi "nhận được" rằng bạn đang nói rằng không có cách nào dễ dàng để cải thiện trên các đường góc cạnh. Những gì tôi đang nói là * bất kỳ * cải tiến nào tốt hơn là không cải tiến, và có lẽ một người nào khác ngoài kia đã thực hiện công việc. – username

+3

Không, không. Đặt các điểm trên biểu đồ và ** không ** kết nối chúng. Đó là ** chỉ ** cách chính xác để hiển thị dữ liệu. – dmckee

1

được, bạn sẽ tìm kiếm một số đường cong được trang bị. Điều với điều đó là cho n điểm có đa thức phù hợp để đặt hàng ... n-1 Tôi nghĩ vậy. Đã lâu rồi. Yep. by golly, I'm right. Điều phổ biến khi bạn có nhiều điểm và không muốn một hàm phức tạp (mà bạn không sử dụng) là sử dụng least-squares approximation.

có lẽ điều tốt nhất là tìm kiếm một thói quen đóng hộp mà bạn có thể sử dụng; chúng tồn tại trong hầu hết các gói thống kê. Cung cấp cho chúng tôi thêm một chút chi tiết về môi trường bạn muốn và chúng tôi có thể chỉ cho bạn một cách gần gũi hơn với điều gì đó phù hợp.

2

Nếu bạn muốn chỉ làm vừa vặn dữ liệu để dễ nhìn hơn thì một cái gì đó giống như những gì Charlie Martin được đề xuất có khả năng hoạt động tốt.Tuy nhiên, như được ghi chú bởi dmckee dữ liệu này thực sự không có ý nghĩa gì cả.

Những gì bạn đang cố gắng thực hiện thực sự phù hợp hơn với pharmacokenetics là toàn bộ nghiên cứu khoa học trong và của chính nó. Trong trường hợp này tôi thậm chí không chắc chắn nó sẽ hoàn toàn áp dụng trừ trường hợp bệnh tiểu đường loại I vì hầu hết những gì tôi biết về pharamcokenetics chỉ áp dụng nghiên cứu ma túy, nhưng nếu một cái gì đó đang được sản xuất bởi cơ thể thì bạn có thể nhìn hoàn toàn các loại phân tích khác nhau. Nếu bạn quan tâm đến chủ đề thì có một vài bản xem trước sách trên Google Books nếu bạn thực hiện tìm kiếm "pharmacokienetics" nhưng do tính chất của chủ đề, chúng rất nặng và giả định rằng bạn có hiểu biết về hóa học và sinh học cũng.

1

Điều này rất có thể sẽ không hoạt động nhưng mạng nơron nhân tạo có thể và tôi lặp lại có thể có thể lấy thứ gì đó ra khỏi tập hợp dữ liệu tốt. Bởi tốt, tôi có nghĩa là như tuần hoặc tháng ghi âm liên tục, và thậm chí sau đó tôi sẽ không tin tưởng các thiết lập dữ liệu, trừ khi tôi đã có rất lý do chính đáng để. Tôi cũng không nghĩ rằng bạn sẽ nhận được dữ liệu dự đoán từ nó, nhưng nó có thể phụ thuộc vào cách bạn thực hiện nó. Nhìn chung, nếu bạn đã làm điều này nó sẽ có vẻ là một điều thú vị để xem nếu nó thậm chí còn đến gần, như "oh gọn gàng tôi có một mạng lưới thần kinh trong phạm vi X chính xác". Một lần nữa, tôi phải nhấn mạnh, không sử dụng điều này trong bất kỳ loại tình huống sản xuất hoặc bất cứ nơi nào mà nó có thể có thể làm tổn thương hoặc giết một ai đó!