机构名称：
¥ 1.0
抽象目的小儿1型糖尿病（T1D）患者因血糖控制不良而患严重低血糖和高血糖事件的风险更大。为了降低不良事件的风险，患者需要通过手指刺或连续葡萄糖监测（CGM）SYS TEMS进行频繁的血糖监测来实现最佳的血糖管理。然而，已经提出了几种非侵入性技术，目的是基于葡萄糖水平利用生理参数的变化。这项研究的总体目标是验证基于人工智能（AI）算法，以使用通过非侵入性装置收集的ECG信号检测血糖事件。方法本研究将招募已经使用CGM的T1D儿科参与者。参与者将佩戴额外的非侵入性可穿戴设备，以记录生理数据和呼吸率。血糖测量是主要结果。收集的数据将用于根据深度学习（DL）AI算法设计，开发和验证个性化和Gen的分类器，能够通过使用可穿戴设备记录的少量ECG心跳来自动检测到低血糖事件。结果数据收集预计将大约到2023年6月完成。预计将收集足够的数据来开发和验证AI算法。试验注册临床标识符：NCT03936634。结论这是一项验证研究，该研究将对较大的糖尿病人群进行其他测试，以验证基于四名健康成年人的先前的试点结果，为在自由生活条件下检测儿科糖尿病患者的血糖事件的可靠性提供了证据。在2022年3月11日注册，回顾性注册，https://www.clinicaltrials.gov/ct2/ct2/show/nct05278143?titles = ai + for + Glycemic + for + Glycemic + Events + Expienct +检测 +检测 + via ECG + in + A + A + A + A + A + A + A + A + A + A + A + A + A + A + A + A + Atric Atric + supers＆Draw＆Draw＆Draw＆draw＆draw＆draw＆strave = 2 = 2 = 2 = 1。
非侵入性高血糖事件的人工智能...
主要关键词
相关文件推荐
