Analisi di metriche composite basate su dati da monitoraggio continuo del glucosio

Il diabete si manifesta come un’iperglicemia cronica associata ad alterazioni del metabolismo glucidico, lipidico e proteico ed è un problema di salute, quanto mai attuale, in vertiginoso aumento. L’indicazione più condivisa dalle recenti linee guida sulla gestione della malattia diabetica consiste in un coinvolgimento attivo da parte del soggetto interessato, cioè prevede l’automonitoraggio della glicemia tramite opportuni dispositivi. Gli andamenti registrati, insieme agli esami di routine, consentono poi al medico di adattare la terapia e la modalità di trattamento, così da migliorare la qualità di vita del paziente diabetico. Il monitoraggio continuo della glicemia (CGM), che effettua una misurazione ogni 5 minuti, fornisce l’andamento dei livelli del glucosio in maniera non invasiva e in tempo reale, semplificando e migliorando la valutazione del controllo glicemico da parte degli operatori sanitari. Le metriche composite rappresentano una modalità molto efficace di sintetizzare e visualizzare la moltitudine di dati registrati dal sistema CGM e devono essere intese come uno strumento di screening utile per stabilire lo stato di salute di un soggetto, prevenire le complicanze acute e valutare la risposta terapeutica. A partire da un dataset di sei pazienti con diabete di tipo 1 facenti parte del dataset D1NAMO, lo scopo della presente tesi consiste nell’analisi degli algoritmi, dei limiti e dei possibili utilizzi nella pratica clinica delle metriche composite basate su dati da CGM. In particolar modo, si sono approfonditi l’indice sul monitoraggio continuo del glucosio (COGI), ricavabile dalla combinazione del tempo trascorso in un intervallo di normalità, di ipoglicemia e della deviazione standard, e l’indice sul rischio glicemico (GRI), dato dalla somma pesata del tempo trascorso nell'intervallo glicemico molto alto e alto e del tempo trascorso nell'intervallo molto basso e basso. Il calcolo di questi indici è stato eseguito in ambiente Matlab R2021b e i valori ottenuti da questa implementazione sono stati confrontati con valori calcolati da software di riferimento. I risultati ottenuti da questo confronto hanno mostrato come per le due metriche composite, complessivamente, i valori comparati sono statisticamente diversi, essendo il P-value inferiore al 5%; questa differenza statistica in tutti i casi è dovuta alla componente di iperglicemia. Dal calcolo di tali parametri per i soggetti monitorati è emerso che i pazienti 1, 2, 4 ed 8 hanno un COGI compreso tra 18 e 53 e un GRI alto, tra 76 e 100, ciò equivale a un pessimo controllo glicemico. Per i soggetti 5 e 6 con un COGI alto simile, rispettivamente di 77 e 73, si è ottenuto un GRI basso, cioè di 29 e di 37, da ciò si evince che il controllo glicemico è buono. Nonostante i risultati tra le due metriche siano complessivamente in linea tra di loro, il GRI risulta essere molto più adatto, completo ed esaustivo nella descrizione del profilo glicemico rispetto al COGI, che non permette di capire, preso singolarmente, se il soggetto in esame presenta un valore scarso per via di una possibile iperglicemia o ipoglicemia, non tenendo conto nella sua definizione delle letture fuori range.