Zur Seitenansicht
 

Titelaufnahme

Titel
Identifikation der Intrapatienten-Variabilität bei Typ-1-Diabetes und Verwendung in virtuellen klinischen Studien / eingereicht von Dominik Schauer
AutorInnenSchauer, Dominik
Beurteiler / Beurteilerindel Re, Luigi
ErschienenLinz, 2018
Umfangxxi, 171 Seiten : Illustrationen
HochschulschriftUniversität Linz, Masterarbeit, 2018
SpracheDeutsch
DokumenttypMasterarbeit
Schlagwörter (DE)Diabetes / Intervallmodell / Deviation Analysis
URNurn:nbn:at:at-ubl:1-24757 Persistent Identifier (URN)
Zugriffsbeschränkung
 Das Werk ist gemäß den "Hinweisen für BenützerInnen" verfügbar
Dateien
Identifikation der Intrapatienten-Variabilität bei Typ-1-Diabetes und Verwendung in virtuellen klinischen Studien [8.39 mb]
Links
Nachweis
Klassifikation
Zusammenfassung (Deutsch)

Weltweit sind schätzungsweise 350-536 Millionen Menschen von Diabetes Mellitus betroffen. Diese Krankheit forderte allein im Jahr 2015 rund 5 Millionen Todesopfer, was die Gesamtzahl an Todesfällen durch HIV/Aids, Tuberkulose und Malaria übertrifft. Der chronisch erhöhte Blutzuckerspiegel steigert für Diabetiker das Risiko von gefährlichen Langzeitfolgen wie beispielsweise Nierenversagen, Netzhautschädigungen oder Herzinfarkten. Um die Gefahr dieser Leiden zu minimieren bedarf es speziell bei Typ 1 Diabetikern, die über keinerlei körpereigene Insulinproduktion mehr verfügen, einer effektiven Insulintherapie, die einerseits häufige Hyperglykämien vermeidet und andererseits den Patienten vor akut gefährlichen hypoglykämischen Glucosewerten schützt. Den besten Weg hierzu verspricht die Regelung des Blutzuckerspiegels mithilfe des Artificial Pancreas, der künstlichen Bauchspeicheldrüse. Dabei wird der Glucosespiegel des Patienten mithilfe kontinuierlich messender Sensoren überwacht und durch eine subkutane Insulinpumpe das Insulin verabreicht. Zahlreiche Forscher arbeiten an Regelstrategien für diese Systeme, um die Behandlung der Betroffenen zu verbessern. Neue Methoden müssen allerdings in klinischen Studien auf ihre Zuverlässigkeit und Sicherheit geprüft werden. Im Zuge dessen steigt die Bedeutung von in silico Tests, um Kosten und Risiken dieser Studien zu reduzieren. Zu diesem Zweck wurden in dieser Arbeit zwei Verfahren kombiniert, um möglichst zuverlässige Aussagen über die Performance neuer Regelstrategien treffen zu können. Zunächst wurde eine Intervallversion eines mathematischen Stoffwechselmodells erstellt, welches ermöglicht in Abhängigkeit der Parametervariabilität eines Patienten den gesamten Bereich der möglichen Ausgangswerte zu bestimmen. Anschließend wurden durch verschiedene Vorgehensweisen Parameter und Parameterintervalle aus den Messdaten von 37 Patienten identifiziert und die Aussagekraft der Prognosen des Intervallmodells geprüft. Im Folgenden wurden Deviation Analysis-Methoden verwendet um ebenfalls Vorhersagen zum Glucoseverlauf der Patienten treffen zu können. Diese Methoden ermöglichen die Einbindung realer Messdaten in Simulationsstudien, um die Auswirkung verschiedener Insulindosierungen auf einen realen Patienten möglichst realitätsnah nachzubilden. Schließlich wurden mit diesen Verfahren drei verschiedene Regelstrategien getestet und auf ihre Wirksamkeit hin überprüft. Dafür wurden mittels Deviation Analysis die Auswirkungen der alternativen Bolusinsulinmengen sowohl auf einzelne Trajektorien, als auch auf das Intervallmodell untersucht. Die Ergebnisse liefern Einblick in das Potential der verwendeten Vorhersagemodelle und Regelkonzepte.

Zusammenfassung (Englisch)

Worldwide, an estimated 350-536 million people are affected by diabetes mellitus. This disease alone caused around 5 million deaths in 2015, surpassing the total number of deaths from HIV/AIDS, tuberculosis and malaria. The chronically elevated blood sugar level increases the risk of dangerous long-term consequences for diabetics, such as kidney failure, retinal damage or heart attacks. In order to minimize the risk of these conditions, especially in type 1 diabetics who no longer have any endogenous insulin production, effective insulin therapy is required, which on the one hand avoids frequent hyperglycaemia and on the other hand protects the patient from acutely dangerous hypoglycaemic glucose levels. The best way to do this is to regulate blood glucose levels using the artificial pancreas. In such a device the patient's glucose level is monitored by continuously measuring sensors, and insulin is administered subcutaneously by an insulin pump. Numerous researchers are working on control strategies for these systems to improve the treatment of those affected. However, new methods must be tested in clinical trials for their reliability and safety. In the course of this, the importance of in silico tests is increasing in order to reduce the costs and risks of these trials. For this purpose, two methods were combined in this work in order to be able to make as reliable a statement as possible about the performance of new control strategies. First, an interval version of a mathematical metabolic model was created, which allows to determine the entire range of possible glucose values depending on the parameter variability of a patient. Subsequently, various procedures were used to identify parameters and parameter intervals from the measurement data of 37 patients and to test the meaningfulness of the predictions of the interval model. In the following, Deviation Analysis aproaches were used to make predictions about the glucose trajectories of patients. This method enables the integration of real measurement data in simulation studies to simulate the effect of different insulin doses on a real patient as realistically as possible. Finally, three different control strategies were tested and their effectiveness analyzed with these procedures. The effects of alternative bolus insulin quantities were investigated with both, Deviation Analyses and interval modeling. The results provide insight into the potential of the predictive models and control concepts used.

Statistik
Das PDF-Dokument wurde 18 mal heruntergeladen.