Tyto stránky jsou určeny výhradně pro odbornou zdravotnickou veřejnost


Volbou "Ano, jsem zdravotník" potvrzujete, že jste odborný zdravotnický pracovník dle zákona č. 40/1995 Sb. a současně udělujete Souhlas se zpracováním osobních údajů a Souhlas se zásadami používání cookies, které jsou pro přístup na tyto stránky nezbytné.


MenuMENU
Chci dostávat novinky

Několik poznámek o klinických souvislostech hodnocení parametrů AGP II. díl

Fejeton Milana Kvapila


 

Google a Youtube mi podezřele často nabízí zprávy a informace o tom, co prospívá uchování dobré paměti až do smrti smrťoucí. Já se po tom fakt nepídím, ale asi ti, kteří mají zájmy stejné jako já (auta, zbraně, německý ovčák, inspirativní ženy, stručné zprávy ze světa, věda (nedd.cz a osel.cz, National geografic…), jsou souborem šmíráků po informacích o tom, jak si pamatovat i to, co nevíme. Tuhle mi vnutil nadpisem informaci, že čtení brání rozvoji demence (a tedy ztrátě paměti). Protože jsem velmi důvěřivý člověk a věřím tomu, tak si říkám, nabídnu vám něco ke čtení. Vy, kteří nabídku přijmete, oploštíte křivky přirozeně klesající potence (kognitivních schopností) a retence (paměti). Tedy, když si ten text přečtete. No a já si tak svým dobrodiním zlepším karmu.

V návaznosti na první díl bych rád celou situaci zjednodušil a pro naše potřeby bych položil rovnítko mezi glykohemoglobin změřený, glykohemoglobin odhadnutý z průměrné glykemie a GMI. Připravil jsem několik typizovaných situací, které budou pro naprostou většinu z vás opakováním. Nicméně, jsou připraveny tak, aby zavedly zvědavé až k poznání limitů výpovědi AGP, když je budeme využívat pro sledování glukózy u diabetiků 2. typu.

 

Typický pacient s recentním záchytem diabetes mellitus 2. typu, který omylem dostal isCGM

První obrázek je výsledek mé první snahy cílící finálně na engine, který by modeloval průběhy profilů a výpisy AGP podle zadaných dat. Neuvěřitelně potentní edukační nástroj pro lékaře, pacienty a edukátory, neřkuli pedagogy vyučující mediky. Jistě již něco takového ve světě existuje1–6, ale jak je mým zvykem, jdu nejprve sám vlastní cestou. Můžu pak zjistit, co dělají ostatní z hlouposti, nebo inverzně, jak jsem já intelektuálně insuficientní. Koukněte se a zjistíte, že první pokus je tak asi na 80 %.

 


obr1.png

Zadal jsem parametry výstupu, pak doladil a výsledek je více než dobrý, je zajímavý. Ztratil se nám někam čas, jak si můžete prostým součtem zjistit. A ještě nám popletla zkratky. Tak jsme po odpočinku dali hlavy dohromady a AI vytvořila „templejt”, se kterým jsme pak pracovali. Opravila časy a dopočítala dopodrobna.


obr2.png

Limity TIR

Představte si situaci, kdy máte v ambulanci dva pacienty, prakticky shodný průběh glukózy, oba mají velmi podobný TIR, stejnou variabilitu. Porovnáním získáte takovýto obraz:


obr3.png

Minimální rozdíl v TIR, přehlédnutelný rozdíl v glukóze nalačno a minimální rozdíly v ostatních parametrech vás lákají do pasti lenošivého přehlédnutí rozdílu GMI. Stejně na ten index nevěříte, vždyť je to spočítané a jenom korelace…

Pokud ale věříte na GMI, nedá vám to spát, zkontrolujete POCT glykohemoglobin a hned vidíte, jak moc se musí váš pacient snažit (když ne vy). A proto potřebujeme TITR.

 

Nemocní se stejným TIR lišící se indexem TITR

 

Takhle by vypadal AGP, kdyby vám vložili výpočet TITR do výstupu z analýzy ambulantního profilu (co to je, jsem vysvětlil celkem nedávno v jiném fejetonku).


obr4.png

Předpokládám, že se přihlásíte k petici, která iniciuje zavedení podrobnějšího hodnocení časů v jednotlivých rozmezích. Připravuje ji moje AI, protože i ona, jak si můžete povšimnout, vidí přínos tohoto směru. Až vám dorazí výzva, podepište ji prosím.

 

Tento textík je snahou o podporu vnímání nutnosti vyhodnocování všech parametrů, které nabízí AGP, ve své komplexitě vztahů. To je nejlepší přístup k navržení té nejvhodnější léčby pacienta. Samozřejmě vás napadne to, co mne. Až těch parametrů bude ještě o trochu více, tak nám bude muset ten komplexní pohled zpracovat a podklady pro rozhodování připravit AI.

 

P.S. Ve všech zmíněných situacích a úvahách eliminuji jistě se vyskytnuvší nepředvídatelný vliv nonadherence s dietním režimem.

 

Poděkování. Grafy a výpočty pro jejich sestrojení: ChatGPT-5.2. Prompty: Autor textu.

 

Odkazy: samozřejmě, že existují programy „výukové“, které dovolují to, co jsem si vymyslel s AI. Jsou propracované a jistě přesnější.

 

  1. Maas, A. H., Rozendaal, Y. J. W., van Pul, C. et al. A physiology-based model describing heterogeneity in glucose metabolism: the core of the Eindhoven Diabetes Education Simulator (E-DES). J Diabetes Sci Technol 9, 2: 282–292, 2015.
  2. Nazir, A. R. Interactive simulation of glucose response using visual scenario trees with ARIMA-based forecasting. (online: Preprints.org)
  3. MATLAB with Python (online: MATLAB)
  4. AGATA (Automated Glucose dATa Analysis). (online: AGATA)
  5. Cappon, G., Sparacino, G., Facchinetti, A. AGATA: A Toolbox for Automated Glucose Data Analysis. J Diabetes Sci Technol 18, 5: 1109–1121, 2024.
  6. SimulatED: Using continuous glucose monitoring data to improve health outcomes (Pharmacy Technician Credit). (online: PTce): (SimulatED (Pharmacy Times): Jedná se o interaktivní platformu zaměřenou na vzdělávání zdravotníků. SimulatED využívá virtuální pacienty a simulovaná CGM data, což umožňuje účastníkům aplikovat poznatky o CGM technologiích, analyzovat data a vidět důsledky terapeutických rozhodnutí na AGP graf.)

 

Hudba nakonec, poslechněte si, a nakoukněte do budoucnosti hudebního průmyslu.

 

Airtronica:

Loutky v pekle

Hřbitovní kvítí

Jan Mydlář

Král železný a zlatý: Přemysl Otakar II.

Boží bojovníci

Svoloč