Glucodensities: A new representation of glucose profiles using distributional data analysis.
Glucodensities: A new representation of glucose profiles using distributional data analysis.
复制标题
DOI：
10.1177/0962280221998064
复制
发表时间：
2021-06
影响因子：
2.3
通讯作者：
Gude F
中科院分区：
文献类型：
--
作者：
Matabuena M;Petersen A;Vidal JC;Gude F
生物传感器数据有可能改善疾病控制和检测。然而，在自由生活条件下对这些数据进行分析，以目前的统计技术是不可行的。为了应对这一挑战，我们引入了一种新的生物传感器数据的功能表示，称为葡萄糖密度，以及基于它们之间的距离的数据分析框架。新的数据分析程序说明了通过应用在糖尿病与连续时间葡萄糖监测（CGM）数据。在这一领域，我们表现出显着的改进，相对于国家的最先进的分析方法。特别是，我们的研究结果表明：（i）葡萄糖密度具有非凡的临床敏感性，可以捕获糖尿病标准临床实践中使用的典型生物标志物;（ii）以前的生物标志物不能准确预测葡萄糖密度，因此后者是更丰富的信息来源;（iii）葡萄糖密度是范围度量中的时间的自然概括，这是处理CGM数据的黄金标准。此外，新方法克服了时间范围度量的许多缺点，并提供了对评估葡萄糖代谢的更深入的了解。
Biosensor data have the potential to improve disease control and detection. However, the analysis of these data under free-living conditions is not feasible with current statistical techniques. To address this challenge, we introduce a new functional representation of biosensor data, termed the glucodensity, together with a data analysis framework based on distances between them. The new data analysis procedure is illustrated through an application in diabetes with continuous-time glucose monitoring (CGM) data. In this domain, we show marked improvement with respect to state-of-the-art analysis methods. In particular, our findings demonstrate that (i) the glucodensity possesses an extraordinary clinical sensitivity to capture the typical biomarkers used in the standard clinical practice in diabetes; (ii) previous biomarkers cannot accurately predict glucodensity, so that the latter is a richer source of information and; (iii) the glucodensity is a natural generalization of the time in range metric, this being the gold standard in the handling of CGM data. Furthermore, the new method overcomes many of the drawbacks of time in range metrics and provides more in-depth insight into assessing glucose metabolism.
登录
查看更多内容
DOI：
10.1109/tpami.2020.2998120
发表时间：
2021-12
影响因子：
23.6
作者：
Franca G;Rizzo ML;Vogelstein JT
通讯作者：
Vogelstein JT
影响因子：
16.2
作者：
通讯作者：
--
影响因子：
2.1
作者：
Gaynanova, Irina;Punjabi, Naresh;Crainiceanu, Ciprian
通讯作者：
Crainiceanu, Ciprian
影响因子：
5
作者：
Gude, Francisco;Diaz-Vidal, Pablo;Gonzalez-Quintela, Arturo
通讯作者：
Gonzalez-Quintela, Arturo
影响因子：
16.2
作者：
Bergenstal, Richard M. t
通讯作者：
Bergenstal, Richard M. t