DiasNet - the Diabetes Advisory System on the Internet
Intensiv diabetesbehandling •fører til en betydelig reduktion af senkomplikationerne •øger antallet af hypoglykæmier – føling •mange patienter har en dårligt reguleret diabetes på trods af at de behandles af specialister •uddelegering af behandling til ikke- specialister – og til patienterne selv
Beslutningsstøttesystemer - en mulig løsning ? •Regler for insulindosering baseret på ekspertviden •Forudsigelse af blodsukkerniveauet ved hjælp af computermodeller af sukkerstofskiftet •Ingen af disse systemer har hidtil opnået særlig stor brug eller udbredelse
Regelbaserede systemer •Hvis blodsukkeret er lavt inden frokost, så tag mindre insulin om morgenen •Model af lægen •Lette at bygge ? •Lette at vedligeholde og opdatere ? •Lette at forstå for læger og patienter ? •Problemer med usikkerhed og variation
Systemer baseret på metabolske modeller •Forudsigelser af blodsukkerniveauet baseret på matematiske modeller af sukkerstofskiftet •Illustrerer effekten af af ændre f.eks. insulindosis •Model af patienten •Kan håndtere usikkerhed og variation ? •Problemer med faktorer som f.eks. stress, feber, alkohol motion mv.
Databaserede vs. videnbaserede systemer videndata regelbaserede systemerneurale netværk stofskifte-modeller
Stofskifte-modellen CHO BG Måltid Kulhydratindtag Mave-tarm ’beholder’ Absorption fra mave-tarm Blodkar ’beholder’ Kulhydratforbrug
Glucose absorption fra mave-tarm
3 typer data: måltider, insulin og blodsukkermålinger:
Computermodellen ’forudsiger’ blodsukkerniveau – en simulering
Effekten af at ændre f.eks. måltid eller insulindosis
Insulin-sensitivitet 0.5
Insulin-sensitivitet 0.7
Insulin-sensitivitet 0.9
Ins-sens 0.85 ±0.10
Mange aktører – kun et system Patient data Uddannelsesmateriale Sygehuslæge Praktiserende læge Øjenlæge Hjemmesygeplejerske Sygeplejerske PATIENT • Ambulatorie PC • Hjemme PC • Håndholdt PC • Mobil telefon • WAP • Blodsukkermeter Diætist