den 24 mars 2026
Ny algoritm kan hantera typ 2-diabetes bättre, visar ny studie
En algoritm utvecklad av University of Virginia Center for Diabetes Technology – i kombination med en kontinuerlig glukosmätare – kan hjälpa användare att bättre hantera sin typ 2-diabetes genom att rekommendera justeringar av insulindosen, enligt en ny studie.
I en klinisk prövning tilldelades 30 deltagare slumpmässigt att göra insulinjusteringar i 16 veckor baserat antingen på veckovisa rekommendationer från algoritmen och glukosmätaren eller genom att själv övervaka sina blodsockernivåer.
Deltagarna som använde algoritmen såg sin genomsnittliga tid inom ett säkert blodsockerintervall öka från 54,1 % till 75,3 %. Deltagare som själv övervakade sitt blodsocker såg sin genomsnittliga tid inom ett säkert blodsockerintervall endast öka från 50,2 % till 55,3 %.
"Dessa resultat visar tydligt att diabetesteknik och avancerade algoritmer kan utnyttjas till stor effekt, långt bortom det klassiska paradigmet med automatiserad insulintillförsel", säger Marc D. Breton, PhD, studiens huvudförfattare och biträdande forskningschef vid UVA Center for Diabetes Technology. ”
I takt med att kontinuerlig glukosmätning och uppkopplade medicintekniska produkter blir allt vanligare har vi möjlighet att ge mycket personlig rådgivning och övervakning till personer med diabetes och vägleda deras användning av insulin och mediciner.
Att visa vilken effekt dessa tekniker har på tidig insulinbehandling (endast en dos per dag) öppnar dörren för att hjälpa den stora majoriteten av människor som använder insulin, långt utöver vad vi kunde uppnå med automatiserad insulintillförsel.”
En ideal insulindos
Många patienter börjar sin behandling för typ 2-diabetes med läkemedel som är utformade för att sänka deras blodsocker, men effektiviteten av dessa läkemedel tenderar att minska med tiden, vilket leder till behovet av insulin. Processen att justera insulindoser genom att självmäta blodsockernivåerna, så kallad insulintitrering, kan vara tidskrävande och utmanande för både patienter och vårdgivare, och det finns ingen standardiserad titreringsprocess.
Detta ledde till att Anas El Fathi, PhD, en UVA Health-forskare, utvecklade algoritmen med målet att effektivisera och förbättra titreringsprocessen.
Algoritmen analyserar de föregående två veckornas data från den kontinuerliga glukosmätaren för att generera en veckovis rekommendation om hur användarna bör justera sin insulindos.
"Ur medicinsk synvinkel var det fascinerande att se att algoritmen inte bara var bättre än de standardiserade rekommendationerna för insulintitrering, utan också hur väl tekniken accepterades av deltagarna med typ 2-diabetes", säger Ralf Nass, MD, en UVA Health-forskare och medförfattare till studien. ”Denna typ av teknik har potential att hjälpa läkare att göra det möjligt för sina patienter att uppnå bättre glykemisk kontroll snabbare genom att använda en personlig metod.”
Även om längre kliniska prövningar med fler deltagare kommer att behövas för att bekräfta algoritmens effektivitet, är forskarna uppmuntrade av de första resultaten.
”Det här är bara början på dessa ansträngningar”, sa Breton. ”Med tidiga demonstrationer bakom oss kan vi fokusera på robusta metoder som kommer att vara effektiva med mer varierade populationer. Att integrera nyligen utvecklade datadrivna metoder, särskilt digitala tvillingar, för att ytterligare förbättra vår förmåga att skräddarsy diabetesbehandlingar till individer kommer sannolikt att återigen revolutionera diabetesvården.
Den kliniska prövningen stöddes av ett anslag från Novo Nordisk.
Publicering:
Forskarna har publicerat sina resultat i den vetenskapliga tidskriften Diabetes Technology & Therapeutics. Artikeln är open access, vilket innebär att den är gratis att läsa. The research team consisted of El Fathi, Nass, Carol J. Levy, Camilla Levister, Grenye O’Malley, Nirali A. Shah, Shaziah Hassan, Cheryl Quainoo, Chaitanya L.K. Koravi, Taylor N. Nguyen, Giulio Matteo Santini, Emma Emory, Carlene Alix, Dillon K. Flanagan, David Fulkerson, Mary Clancy Oliveri, Christian Laugesen, Jonas K. Lineolov, Peter W. Hansen and Breton. A full list of the researchers’ disclosures can be found in the paper.
Källa: UVA Health News.
Annonser
