Não há tratamento “tamanho único” para diabetes tipo 1, segundo estudo

Fatores além dos carboidratos têm uma influência substancial nos níveis de glicose no sangue, o que significa que os atuais sistemas automatizados de administração de insulina perdem informações vitais necessárias para a regulação da glicose, descobriu um novo estudo.

Uma equipe de pesquisadores da Universidade de Bristol, analisando dados de administração automatizada de insulina de pessoas com diabetes tipo 1 (DM1), descobriu que padrões inesperados nas necessidades de insulina são tão comuns quanto os bem estabelecidos.

O estudo, publicado como pré-impressão em JMIRx Medteve como objetivo identificar padrões nas mudanças nas necessidades de insulina e analisar a frequência com que elas ocorrem em pessoas com DM1 que usam OpenAPS, um sistema automatizado de administração de insulina (AID) de última geração.

A autora principal, Isabella Degen, da Faculdade de Ciências e Engenharia de Bristol, explicou: “Os resultados apoiam a nossa hipótese de que fatores além dos carboidratos desempenham um papel substancial na euglicemia – o estado em que os níveis de glicose no sangue estão dentro da faixa padrão.

“No entanto, sem informações mensuráveis ​​sobre esses fatores, os sistemas AID são deixados para ajustar a insulina com cautela, com o efeito de os níveis de glicose no sangue se tornarem muito baixos ou altos”.

O diabetes tipo 1 é uma condição crônica em que o corpo produz pouca insulina, um hormônio necessário para regular a glicose no sangue.

O principal tratamento para DM1 é a insulina injetada ou bombeada. A quantidade e o horário da insulina devem ser habilmente combinados com a ingestão de carboidratos para evitar o aumento dos níveis de glicose no sangue. Além dos carboidratos, vários outros fatores, como exercícios, hormônios e estresse, afetam as necessidades de insulina.

No entanto, a frequência com que estes factores causam efeitos inesperados significativos nos níveis de glicose no sangue tem sido pouco explorada, o que significa que, apesar de todos os avanços, a dosagem de insulina continua a ser uma tarefa complexa que pode correr mal e resultar em níveis de glicose no sangue fora do intervalo que protege as pessoas com DM1 de efeitos adversos à saúde.

As descobertas destacam a complexidade da regulação da glicose na DM1 e demonstram a heterogeneidade nas necessidades de insulina entre as pessoas com DM1, sublinhando a necessidade de abordagens de tratamento personalizadas.

Para que factores além dos hidratos de carbono sejam incluídos de forma mais sistemática na prática clínica, os cientistas precisam de encontrar uma forma de medir e quantificar o seu impacto e utilizar esta informação na dosagem de insulina. Isto também poderia ajudar a uma previsão mais precisa da glicemia, que o estudo mostrou que não é possível de forma consistente apenas com informações sobre insulina e carboidratos.

Degen acrescentou: “Nosso estudo destaca que o gerenciamento do diabetes tipo 1 é muito mais complexo do que contar carboidratos. A riqueza de insights que podem ser obtidos com o estudo de dados automatizados de administração de insulina vale o esforço necessário para trabalhar com esse tipo de dados da vida real. .

“O que mais nos surpreendeu foi a grande variedade de padrões que observamos, mesmo dentro do nosso grupo relativamente pequeno e homogêneo de participantes. Está claro que, quando se trata de controle do diabetes, não existe um tamanho único que sirva para todos.

“Esperamos que nossos resultados inspirem mais pesquisas sobre fatores menos explorados que influenciam as necessidades de insulina para melhorar a dosagem de insulina”.

A equipe está agora trabalhando no avanço de métodos de detecção de padrões de séries temporais que possam lidar com a natureza diversa e complexa dos dados médicos da vida real, incluindo amostragem irregular e dados ausentes. Seu foco atual está no desenvolvimento de técnicas inovadoras de segmentação e agrupamento para dados multivariados de séries temporais, adaptadas para descobrir padrões mais granulares e lidar com os desafios colocados pelos dados de AID.

Para apoiar esta investigação futura, a equipa procura conjuntos de dados AID de longo prazo e de acesso aberto que incluam uma vasta gama de medições de sensores de possíveis factores e uma coorte diversificada de pessoas com DM1.

Além disso, eles pretendem colaborar com especialistas em séries temporais e em aprendizado de máquina para enfrentar desafios técnicos, como o tratamento de dados amostrados irregularmente com intervalos variados entre as variáveis ​​e a descoberta de causalidades por trás dos padrões observados para, em última análise, impulsionar inovações no atendimento personalizado.