Selon une nouvelle étude, des facteurs autres que les glucides ont une influence considérable sur la glycémie, ce qui signifie que les systèmes automatisés d'administration d'insuline actuels manquent d'informations vitales nécessaires à la régulation du glucose.
Une équipe de chercheurs de l’Université de Bristol analysant les données d’administration automatisée d’insuline provenant de personnes atteintes de diabète de type 1 (DT1) a découvert que les tendances inattendues des besoins en insuline sont tout aussi courantes que celles bien établies.
L'étude, publiée aujourd'hui dans JMIRx Med visait à identifier les modèles de changements dans les besoins en insuline et à analyser la fréquence à laquelle ceux-ci se produisent chez les personnes atteintes de DT1 qui utilisent l'OpenAPS, un système automatisé d'administration d'insuline (AID) de pointe.
Les résultats soutiennent notre hypothèse selon laquelle des facteurs autres que les glucides jouent un rôle important dans l’euglycémie – l’état dans lequel la glycémie se situe dans la plage standard.
Cependant, sans informations mesurables sur ces facteurs, les systèmes AID doivent ajuster l’insuline avec prudence, car la glycémie devient trop basse ou trop élevée. »
Isabelle Degen, Auteur principal de la Faculté des sciences et de l'ingénierie de Bristol
Le diabète de type 1 est une maladie chronique dans laquelle le corps produit trop peu d’insuline, une hormone nécessaire à la régulation de la glycémie.
Le traitement principal du DT1 est l’insuline injectée ou pompée. La quantité et le moment de l'insuline doivent être soigneusement adaptés à l'apport en glucides pour éviter une augmentation de la glycémie. Au-delà des glucides, divers autres facteurs tels que l’exercice, les hormones et le stress ont un impact sur les besoins en insuline. Cependant, la fréquence à laquelle ces facteurs provoquent des effets inattendus significatifs sur la glycémie a été peu étudiée, ce qui signifie que malgré tous les progrès, le dosage de l'insuline reste une tâche complexe qui peut mal tourner et entraîner des glycémies hors de la plage qui protège les personnes atteintes de DT1. effets néfastes sur la santé.
Les résultats mettent en évidence la complexité de la régulation du glucose dans le DT1 et démontrent l’hétérogénéité des besoins en insuline chez les personnes atteintes de DT1, soulignant ainsi la nécessité d’approches thérapeutiques personnalisées.
Pour que les facteurs autres que les glucides soient plus systématiquement inclus dans la pratique clinique, les scientifiques doivent trouver un moyen de mesurer et de quantifier leur impact et d’utiliser ces informations dans le dosage de l’insuline. Cela pourrait également faciliter une prévision plus précise de la glycémie, ce qui, selon l’étude, n’est pas toujours possible à partir des seules informations sur l’insuline et les glucides.
Isabella a ajouté : « Notre étude souligne que la gestion du diabète de type 1 est bien plus complexe que le comptage des glucides.
« La richesse des informations qui peuvent être tirées de l’étude des données sur l’administration automatisée d’insuline vaut l’effort nécessaire pour travailler avec ce type de données réelles.
« Ce qui nous a le plus surpris, c'est la grande variété de modèles que nous avons observés, même au sein de notre groupe de participants relativement petit et homogène.
« Il est clair qu’en matière de gestion du diabète, il n’existe pas de solution unique.
« Nous espérons que nos résultats inspireront de nouvelles recherches sur les facteurs moins explorés qui influencent les besoins en insuline pour améliorer le dosage de l'insuline. »
L’équipe travaille actuellement à l’amélioration des méthodes de recherche de modèles de séries chronologiques capables de gérer la nature diversifiée et complexe des données médicales réelles, notamment l’échantillonnage irrégulier et les données manquantes. Leur objectif actuel est de développer des techniques innovantes de segmentation et de regroupement pour les données de séries chronologiques multivariées, adaptées pour découvrir des modèles plus granulaires et relever les défis posés par les données AID.
Pour soutenir ces recherches futures, l’équipe recherche des ensembles de données AID à long terme et en libre accès qui comprennent un large éventail de mesures de capteurs de facteurs possibles et une cohorte diversifiée de personnes atteintes de DT1. De plus, ils visent à collaborer avec des experts en séries chronologiques et en apprentissage automatique pour relever des défis techniques tels que la gestion de données échantillonnées de manière irrégulière avec des intervalles variables entre les variables et la découverte des causalités derrière les modèles observés pour finalement conduire des innovations en matière de soins personnalisés.
