基于连续血糖监测的餐食检测算法在年轻健康成年人中的表现

《Scientific Reports》：Performance of continuous glucose monitoring-based meal detection algorithms in young healthy adults

　　

摘要

连续葡萄糖监测（CGM）通过餐食检测算法（MDAs）实现进食事件的自动检测；然而，仅使用CGM的MDAs尚未通过共享数据集进行全面评估。我们使用标准化指标，通过让16名年轻、健康、体重正常的成年人在自由生活条件下提供CGM数据，对九种已发布的仅基于CGM的MDAs进行了比较。我们采用了每位参与者独立参与的设计方法，设置了训练集、验证集和测试集，并通过灵敏度、每日误报次数（FP/day）和检测时间（Δt）来评估这些算法在测试集（216次餐食）上的表现。灵敏度范围为49%至90%，每日误报次数为0.12至2.42次，检测时间为37至61分钟。模糊逻辑和基于仿真的方法显示出最高的灵敏度（分别为90%和83%），但检测速度较慢（超过59分钟），误报率也较高（超过1.28次/天）。模式识别分类器（灵敏度82%，每日误报次数0.39次，检测时间44分钟；灵敏度77%，每日误报次数0.33次，检测时间42分钟）和基于葡萄糖-胰岛素模型的方法（灵敏度77%，每日误报次数0.22次，检测时间41分钟）表现更为均衡；而变化率检测器检测速度较快（37–38分钟），但灵敏度较低（70–72%）。没有一种MDA在所有指标上始终优于其他方法。模式识别和生理建模方法表现出最均衡的性能，而变化率方法虽然检测速度快，但准确性较低。算法的选择应反映应用需求，例如早期检测与可靠性之间的权衡。