Item


Prediction of postprandial blood glucose under intra-patient variability and uncertainty and its use in the design of insulin dosing strategies for type 1 diabetic patients

In this thesis I propose a novel method to estimate the dose and injection-to-meal time for low-risk intensive insulin therapy. This dosage-aid system uses an optimization algorithm to determine the insulin dose and injection-to-meal time that minimizes the risk of postprandial hyper- and hypoglycaemia in type 1 diabetic patients. To this end, the algorithm applies a methodology that quantifies the risk of experiencing different grades of hypo- or hyperglycaemia in the postprandial state induced by insulin therapy according to an individual patient’s parameters. This methodology is based on modal interval analysis (MIA). Applying MIA, the postprandial glucose level is predicted with consideration of intra-patient variability and other sources of uncertainty. A worst-case approach is then used to calculate the risk index. In this way, a safer prediction of possible hyper- and hypoglycaemic episodes induced by the insulin therapy tested can be calculated in terms of these uncertainties.

En esta tesis se propone un nuevo método para estimar la dosis y el instante de inyección que genere el menor riesgo para una terapia intensiva de insulina. El sistema de dosificación utiliza un algoritmo de optimización para determinar la dosis de insulina y el instante de inyección que reduzcan al máximo el riesgo de hiperglucemia e hipoglucemia posprandial en pacientes diabéticos tipo 1. Para ello, el algoritmo aplica una metodología que cuantifica el riesgo de sufrir diferentes grados de hipoglucemia e hiperglucemia en estado postprandial inducida por la terapia de insulina de acuerdo a los parámetros de cada paciente. Aplicando análisis intervalar modal se predice el nivel de glucosa postprandial considerando la variabilidad intrapaciente y otras fuentes de incertidumbre. Con un planteamiento del peor caso se calcula una predicción más segura de posibles episodios de hiperglucemia e hipoglucemia inducida por la terapia de insulina en términos de dichas incertidumbres.

Universitat de Girona

Manager: Vehí, Josep
Calm i Puig, Remei
Other contributions: Universitat de Girona. Departament d’Enginyeria Elèctrica, Electrònica i Automàtica
Universitat de Girona. Institut d’Informàtica i Aplicacions
Author: García Jaramillo, Maira Alejandra
Abstract: In this thesis I propose a novel method to estimate the dose and injection-to-meal time for low-risk intensive insulin therapy. This dosage-aid system uses an optimization algorithm to determine the insulin dose and injection-to-meal time that minimizes the risk of postprandial hyper- and hypoglycaemia in type 1 diabetic patients. To this end, the algorithm applies a methodology that quantifies the risk of experiencing different grades of hypo- or hyperglycaemia in the postprandial state induced by insulin therapy according to an individual patient’s parameters. This methodology is based on modal interval analysis (MIA). Applying MIA, the postprandial glucose level is predicted with consideration of intra-patient variability and other sources of uncertainty. A worst-case approach is then used to calculate the risk index. In this way, a safer prediction of possible hyper- and hypoglycaemic episodes induced by the insulin therapy tested can be calculated in terms of these uncertainties.
En esta tesis se propone un nuevo método para estimar la dosis y el instante de inyección que genere el menor riesgo para una terapia intensiva de insulina. El sistema de dosificación utiliza un algoritmo de optimización para determinar la dosis de insulina y el instante de inyección que reduzcan al máximo el riesgo de hiperglucemia e hipoglucemia posprandial en pacientes diabéticos tipo 1. Para ello, el algoritmo aplica una metodología que cuantifica el riesgo de sufrir diferentes grados de hipoglucemia e hiperglucemia en estado postprandial inducida por la terapia de insulina de acuerdo a los parámetros de cada paciente. Aplicando análisis intervalar modal se predice el nivel de glucosa postprandial considerando la variabilidad intrapaciente y otras fuentes de incertidumbre. Con un planteamiento del peor caso se calcula una predicción más segura de posibles episodios de hiperglucemia e hipoglucemia inducida por la terapia de insulina en términos de dichas incertidumbres.
Document access: http://hdl.handle.net/2072/297701
Language: eng
Publisher: Universitat de Girona
Rights: ADVERTIMENT. L’accés als continguts d’aquesta tesi doctoral i la seva utilització ha de respectar els drets de la persona autora. Pot ser utilitzada per a consulta o estudi personal, així com en activitats o materials d’investigació i docència en els termes establerts a l’art. 32 del Text Refós de la Llei de Propietat Intel·lectual (RDL 1/1996). Per altres utilitzacions es requereix l’autorització prèvia i expressa de la persona autora. En qualsevol cas, en la utilització dels seus continguts caldrà indicar de forma clara el nom i cognoms de la persona autora i el títol de la tesi doctoral. No s’autoritza la seva reproducció o altres formes d’explotació efectuades amb finalitats de lucre ni la seva comunicació pública des d’un lloc aliè al servei TDX. Tampoc s’autoritza la presentació del seu contingut en una finestra o marc aliè a TDX (framing). Aquesta reserva de drets afecta tant als continguts de la tesi com als seus resums i índexs.
Subject: Tesis i dissertacions acadèmiques
Type 1 diabetes
Diabetis tipus 1
Insulin dosage
Dosi d’insulina
Dosis de insulina
Interval simulation
Intèrval de simulació
Intérvalo de simulación
Modal interval analysis
Anàlisi intervalar modal
Análisis intervalar modal
Uncertainty
Incertesa
Incertidumbre
616.1 - Patologia del sistema circulatori, dels vasos sanguinis. Trastorns cardiovasculars
68 - Indústries, oficis i comerç d’articles acabats. Tecnologia cibernètica i automàtica
Title: Prediction of postprandial blood glucose under intra-patient variability and uncertainty and its use in the design of insulin dosing strategies for type 1 diabetic patients
Type: info:eu-repo/semantics/doctoralThesis
Repository: Recercat

Subjects

Authors