Reprodutibilidade dos resultados do monitoramento contínuo da glicose em condições reais
LarLar > blog > Reprodutibilidade dos resultados do monitoramento contínuo da glicose em condições reais

Reprodutibilidade dos resultados do monitoramento contínuo da glicose em condições reais

Apr 22, 2024

Scientific Reports volume 13, Artigo número: 13987 (2023) Citar este artigo

183 Acessos

3 Altmétrico

Detalhes das métricas

Os sistemas de monitoramento contínuo de glicose (CGM) são uma ferramenta muito útil para compreender o comportamento da glicose em diferentes situações e populações. Apesar do uso generalizado de sistemas CGM tanto na prática clínica como na investigação, a nossa compreensão da reprodutibilidade dos dados CGM permanece limitada. O presente trabalho examina a reprodutibilidade dos resultados fornecidos por um sistema CGM em uma amostra aleatória de uma população adulta de vida livre, a partir de uma abordagem de análise funcional de dados. Os coeficientes funcionais de correlação intraclasse (CCI) e seus intervalos de confiança (IC) de 95% foram calculados para avaliar a reprodutibilidade dos resultados da MCG em 581 indivíduos. 62% eram mulheres, 581 participantes (62% mulheres), com idade média de 48 anos (variação de 18 a 87), 12% já haviam sido diagnosticados com diabetes. A reprodutibilidade entre dias dos resultados da CGM foi maior para indivíduos com diabetes (ICC 0,46 [IC 0,39–0,55]) do que para indivíduos normoglicêmicos (ICC 0,30 [IC 0,27–0,33]); o valor para indivíduos pré-diabéticos foi intermediário (ICC 0,37 [IC 0,31–0,42]). Para indivíduos normoglicêmicos, a reprodutibilidade entre dias foi menor entre os mais jovens (ICC 0,26 [IC 0,21–0,30]) do que entre os indivíduos mais velhos (ICC 0,39 [IC 0,32–0,45]). A reprodutibilidade entre dias foi mais baixa entre os indivíduos normoglicêmicos, especialmente os indivíduos normoglicêmicos mais jovens, sugerindo a necessidade de monitorar alguns grupos de pacientes com mais frequência do que outros.

Nos últimos anos, os sistemas de monitorização contínua da glicose (CGM) posicionaram-se como uma ferramenta muito útil para melhorar o controlo metabólico em pacientes com diabetes. Estes dispositivos permitem obter informação mais completa sobre o comportamento glicémico do que através dos métodos tradicionais de medição (glicemia capilar), permitindo ao paciente e ao profissional de saúde tomar decisões terapêuticas mais complexas que têm impacto na melhoria do controlo metabólico1. Atualmente, temos um número crescente de opções de produtos para usar CGM que podemos classificar em (1) sistemas CGM em tempo real (rtCGM) (2) sistemas CGM de varredura intermitente (isCGM) e (3) sistemas CGM profissionais. Todos esses dispositivos medem os níveis de glicose intersticial e fornecem informações numéricas e gráficas sobre os perfis de glicose, porém existem diferenças em relação ao manuseio e uso clínico. O sistema rtCGM envia informações de glicose continuamente do sensor para o receptor, smartphone ou bomba de insulina do usuário. Os sistemas isCGM fornecem e armazenam as informações quando o usuário aproxima o receptor ou smartphone do sensor. CGM profissional refere-se ao uso de dispositivos de propriedade da clínica e usados ​​para analisar retrospectivamente dados de glicose. Esses dispositivos podem ser usados ​​no modo “cego” para capturar informações sobre o que os pacientes estão fazendo sem influenciar seu comportamento2.

Desde a sua introdução, estes dispositivos revolucionaram3 a nossa compreensão do comportamento glicémico, permitindo uma monitorização mais precisa do que nunca. Com suas impressionantes capacidades técnicas, os sistemas CGM possuem um enorme potencial para aplicações clínicas e de pesquisa. Uma das vantagens mais significativas dos sistemas CGM é a sua capacidade de melhorar o controle glicêmico. Ao fornecer dados de glicose em tempo real, esses dispositivos podem ajudar um número maior de pacientes a atingir e manter a hemoglobina glicada alvo glicêmica e os valores de tempo dentro da faixa4, minimizando ao mesmo tempo o risco de hipoglicemia5. Além disso, a confiabilidade e a precisão dos sistemas CGM abriram caminho para uma integração perfeita com sistemas de infusão subcutânea de insulina. Esta integração permite que a administração de insulina seja ajustada dinamicamente com base nas informações do CGM, oferecendo uma abordagem automatizada e eficiente para gerenciar os níveis de glicose no sangue6,7,8.

Os MCG têm se mostrado promissores não apenas no monitoramento dos níveis de glicose em pacientes com diabetes, mas também em estudos epidemiológicos envolvendo voluntários saudáveis ​​e a população em geral9,10,11. Esses estudos forneceram informações valiosas sobre o comportamento glicêmico de indivíduos saudáveis ​​em condições da vida real. A compreensão dos perfis de glicose em populações não diabéticas tem implicações clínicas significativas, que vão desde a detecção precoce da disglicemia até a prevenção ou atraso do aparecimento do diabetes. Além disso, investigar as respostas pós-prandiais às combinações de nutrientes é de grande interesse para melhorar a saúde geral da população em geral12.

 6.4%, and/or a fasting plasma glucose (FPG) concentration of > 125 mg/dL (n = 70, 12%). Subjects with prediabetes were defined as those with an A1C range of 5.7–6.4% or a FPG range of 100–125 mg/dL (n = 121, 21%). Normoglycaemic subjects were defined as those with an A1C of < 5.7% and an FPG of < 100 mg/dL (n = 390, 67%). Baseline glycemic status (normoglycemia, prediabetes, and diabetes) were defined according to the American Diabetes Association criteria24./p> 180 mg/dL) and lowest during hypoglycemia. The mean ARD was 7.8% when blood glucose was between 70 and 180 mg/dL; 9.5% when blood glucose was greater than 180 mg/dl; and 29.2% when blood glucose was less than 70 mg/dL. Eighty-seven percent of the device results were within 15 mg/dL of the capillary BG results (for results of less than 100 mg/dL), and 87% were within 15% of the capillary BG results (for results higher than 100 mg/dL). The performance of the system on the first day was different to that on the following days. MARDs for all capillary-sensor glucose paired points stratified by day (1–6) were 12.1%, 7.6%, 7.0%, 7.1%, 7.3% and 6.6%, respectively./p> 0.74 excellent agreement25. The functional iCC was computed using the instrumental methodology of a two-way ANOVA multilevel functional model, as introduced in reference26. To achieve this, we use a novel bootstrap methodology, which is elaborated on in a subsequent paper27. For those interested in ICC calculation for other study designs from a functional perspective, additional information can be found in reference19./p>