A hybrid model for long-term prediction of glycemic oscillation in individuals with type 1 diabetes and suggesting personalized recommendations (2022)
- Authors:
- Autor USP: PEREIRA, JOÃO PAULO ARAGÃO - EP
- Unidade: EP
- Sigla do Departamento: PCS
- Subjects: AGENTES INTELIGENTES; SISTEMAS DE RECOMENDAÇÃO; SISTEMAS HÍBRIDOS
- Agências de fomento:
- Language: Inglês
- Abstract: O sistema regulador glicose-insulina e suas oscilações glicêmicas é um tema recorrente na literatura devido ao seu impacto na vida humana, principalmente dos acometidos pelo diabetes mellitus. Diversas abordagens foram propostas, desde modelos matemáticos até modelos baseados em dados, com o objetivo de modelar a curva de oscilação da glicose. De posse desta curva, é possível prever quando e quanto injetar de insulina, a quantidade ideal de carboidratos e possíveis estados hiper- ou hipoglicêmicos em indivíduos com diabetes tipo 1 (DM1). No entanto, a literatura apresenta horizontes de previsão não superiores a seis horas, o que pode ser um problema considerando o tempo de sono. Além disso, a modelagem existente não pode ser personalizada para cada indivíduo, considerando seu estilo de vida. Este trabalho apresenta o Tesseratus, um modelo que adota um sistema multiagentes para combinar aprendizado de máquina e modelagem matemática para prever a oscilação da glicose em até oito horas. O Tesseratus também utiliza a farmacocinética das insulinas, além dos dados coletados dos indivíduos com DM1. A captura periódica de dados pode melhorar o processo de aprendizado dos agentes. Seu resultado principal é, essencialmente, valores de predição de glicose durante horizontes que variam de 15 a 480 minutos. Tais valores podem ser visualizados em gráficos para auxiliar os endocrinologistas na prescrição de tratamentos diários para indivíduos com DM1. Além disso, também podem ser usados para fornecer recomendações personalizadas para esses indivíduos, a fim de manter sua concentração glicêmica na faixa ideal. Em um experimento envolvendo 15 indivíduos com DM1 e nove indivíduos virtuais com DM1, Tesseratus apresentou resultados pioneiros para horizontes de previsão de oito horas para o período noturno. Utilizando ParkesError Grid como métrica de avaliação, pode-se observar que 95,53% das medições, em média, caem nas zonas A e B, durante o período diurno, e 95,1% no período noturno, sendo o Erro Absoluto Médio igual a 26.75 e 27.16 mg/dL, respectivamente. Consideramos que o Tesseratus será uma referência para a classificação do modelo de predição glicêmico, apoiando a mitigação de complicações de curto e longo prazo nos indivíduos com DM1. Dessa forma, o modelo preditivo proposto tende a retardar as complicações agudas e crônicas de uma população com projeção de 78 milhões de adultos com diabetes tipo 1, em todo o mundo, em 2045.
- Imprenta:
- Data da defesa: 05.12.2022
-
ABNT
PEREIRA, João Paulo Aragão. A hybrid model for long-term prediction of glycemic oscillation in individuals with type 1 diabetes and suggesting personalized recommendations. 2022. Tese (Doutorado) – Universidade de São Paulo, São Paulo, 2022. Disponível em: https://www.teses.usp.br/teses/disponiveis/3/3141/tde-14032023-092608/. Acesso em: 05 mar. 2026. -
APA
Pereira, J. P. A. (2022). A hybrid model for long-term prediction of glycemic oscillation in individuals with type 1 diabetes and suggesting personalized recommendations (Tese (Doutorado). Universidade de São Paulo, São Paulo. Recuperado de https://www.teses.usp.br/teses/disponiveis/3/3141/tde-14032023-092608/ -
NLM
Pereira JPA. A hybrid model for long-term prediction of glycemic oscillation in individuals with type 1 diabetes and suggesting personalized recommendations [Internet]. 2022 ;[citado 2026 mar. 05 ] Available from: https://www.teses.usp.br/teses/disponiveis/3/3141/tde-14032023-092608/ -
Vancouver
Pereira JPA. A hybrid model for long-term prediction of glycemic oscillation in individuals with type 1 diabetes and suggesting personalized recommendations [Internet]. 2022 ;[citado 2026 mar. 05 ] Available from: https://www.teses.usp.br/teses/disponiveis/3/3141/tde-14032023-092608/ - Método de mitigação contra ataques de Negação de Serviço Distribuídos utilizando Sistemas Multiagentes
- Software baseado em um modelo híbrido com multiagentes, matemáticos e de aprendizado de máquina, para prever a oscilação da glicose para pacientes com diabetes Tipo 1 e sugerir recomendações personalizadas [Programa de Computador]
- A multi-agent approach used to predict long-term glucose oscillation in individuals with type 1 diabetes
- A hybrid model to predict glucose oscillation for patients with type 1 diabetes and suggest customized recommendations
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
