論文の概要: Presenting DiaData for Research on Type 1 Diabetes

• arxiv url: http://arxiv.org/abs/2508.09160v1
• Date: Tue, 05 Aug 2025 14:29:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-14 20:42:00.566166
• Title: Presenting DiaData for Research on Type 1 Diabetes
• Title（参考訳）: 糖尿病研究のためのDiaDataの紹介
• Authors: Beyza Cinar, Maria Maleshkova,
• Abstract要約: この研究は15のデータセットを体系的に統合し、5分ごとにブドウ糖の測定値が記録された2510人の被験者の大規模なデータベースを提供する。 合計で1億1900万の計測結果が含まれており、そのうち4%が低血糖域の値を示している。 統合データセットは、性別と年齢の均等な分布を提供する。
• 参考スコア（独自算出の注目度）: 0.5250756556290761
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Type 1 diabetes (T1D) is an autoimmune disorder that leads to the destruction of insulin-producing cells, resulting in insulin deficiency, as to why the affected individuals depend on external insulin injections. However, insulin can decrease blood glucose levels and can cause hypoglycemia. Hypoglycemia is a severe event of low blood glucose levels ($\le$70 mg/dL) with dangerous side effects of dizziness, coma, or death. Data analysis can significantly enhance diabetes care by identifying personal patterns and trends leading to adverse events. Especially, machine learning (ML) models can predict glucose levels and provide early alarms. However, diabetes and hypoglycemia research is limited by the unavailability of large datasets. Thus, this work systematically integrates 15 datasets to provide a large database of 2510 subjects with glucose measurements recorded every 5 minutes. In total, 149 million measurements are included, of which 4% represent values in the hypoglycemic range. Moreover, two sub-databases are extracted. Sub-database I includes demographics, and sub-database II includes heart rate data. The integrated dataset provides an equal distribution of sex and different age levels. As a further contribution, data quality is assessed, revealing that data imbalance and missing values present a significant challenge. Moreover, a correlation study on glucose levels and heart rate data is conducted, showing a relation between 15 and 55 minutes before hypoglycemia.
• Abstract（参考訳）: 1型糖尿病(T1D)は、インスリン産生細胞を破壊する自己免疫疾患であり、インスリン欠乏を引き起こす。 しかし、インスリンは血糖値を低下させ、低血糖を引き起こす可能性がある。 低血糖は低血糖(70 mg/dL)の重篤な出来事であり、めまい、コマ、死亡などの危険な副作用がある。 データ分析は、有害事象につながる個人パターンや傾向を特定することによって、糖尿病ケアを著しく向上させることができる。 特に、機械学習(ML)モデルは、グルコースレベルを予測し、早期アラームを提供することができる。 しかし、糖尿病と低血糖の研究は、大規模なデータセットが利用できないことで制限されている。 このように、この研究は15のデータセットを体系的に統合し、5分ごとにブドウ糖の測定値が記録された2510人の被験者の大規模なデータベースを提供する。 合計で1億1900万の計測結果が含まれており、そのうち4%が低血糖域の値を示している。 さらに、2つのサブデータベースが抽出される。 サブデータベースIは人口統計を含み、サブデータベースIIは心拍データを含んでいる。 統合データセットは、性別と年齢の均等な分布を提供する。 さらなるコントリビューションとして、データ品質が評価され、データの不均衡と値の欠落が重大な課題であることが明らかになった。 さらに、血糖値と心拍数データとの相関調査を行い、低血糖前15分から55分の間に相関を示した。

関連論文リスト

• Insulin Resistance Prediction From Wearables and Routine Blood Biomarkers [44.735350554750916]
  われわれはインスリン抵抗性の研究のために、米国全土でこれまでで最大のデータセットをリモートで採用しました。 ディープニューラルネットワークモデルは、簡単に利用可能なデジタルバイオマーカーと血液バイオマーカーに基づいてインスリン抵抗を予測するために開発された。 モデルでは、肥満および妊娠中の被験者の93%の感度と95%の調整された特異性を示した。
  論文  参考訳（メタデータ） (2025-04-30T16:10:20Z)
• LLM-Powered Prediction of Hyperglycemia and Discovery of Behavioral Treatment Pathways from Wearables and Diet [6.292642131180376]
  食後の血糖値が正常値を超えることが特徴である。 食後の血糖動態を理解するための重要な指標は、曲線(AUC)下の後部領域である 我々は、センサー駆動の入力を取り込み、高度なデータ処理、大規模言語モデル、トレーニング可能な機械学習モデルを使用する、説明可能な機械学習ソリューションであるGlucoLensを開発した。
  論文  参考訳（メタデータ） (2025-03-05T22:10:14Z)
• Blood Glucose Level Prediction in Type 1 Diabetes Using Machine Learning [0.0]
  1型糖尿病の人は毎日人工インスリンが必要です。 糖尿病管理において、連続血糖モニタリングは、ほぼリアルタイムな血糖データを提供する重要な特徴である。 本研究では, 機械学習ツール, ディープニューラルネットワーク, ディープ強化学習, 投票と回帰器を併用して血糖値の予測を行った。
  論文  参考訳（メタデータ） (2025-01-30T21:00:38Z)
• Chronic Disease Diagnoses Using Behavioral Data [42.96592744768303]
  高血糖(糖尿病)、高脂血症、高血圧(総称3H)を独自の行動データを用いて診断することを目的としている。
  論文  参考訳（メタデータ） (2024-10-04T12:52:49Z)
• From Glucose Patterns to Health Outcomes: A Generalizable Foundation Model for Continuous Glucose Monitor Data Analysis [47.23780364438969]
  本稿では,CGMデータの生成基盤モデルであるGluFormerについて紹介する。 GluFormerは、異なる民族や年齢、5つの国、8つのCGMデバイス、多様な病態状態にまたがる19の外部コホートに一般化する。 CGMデータと12年間のフォローアップを持つ580人の成人の縦断的研究において、GluFormerは血液HbA1C%よりも糖尿病を効果的に発症するリスクが高い個人を特定する。
  論文  参考訳（メタデータ） (2024-08-20T13:19:06Z)
• Temporal patterns in insulin needs for Type 1 diabetes [0.0]
  1型糖尿病 (Type 1 Diabetes, T1D) は、身体がインスリンをほとんど分泌しない慢性疾患である。 正しいインスリン摂取量と時間を見つけることは、複雑で困難であり、まだ未解決のコントロールタスクである。 本研究ではOpenAPS Data Commonsデータセットを用いて、インスリンに必要な時間的パターンをよく知られた要因によって検出する。
  論文  参考訳（メタデータ） (2022-11-14T14:19:50Z)
• Task-wise Split Gradient Boosting Trees for Multi-center Diabetes Prediction [37.846368153741395]
  マルチセンター糖尿病予測タスクにTSGB(Task-wise Split Gradient Boosting Trees)を提案する。 TSGBはいくつかの最先端手法に対して優れた性能を発揮する。 TSGB法は早期診断のためのオンライン糖尿病リスク評価ソフトウェアとして展開されている。
  論文  参考訳（メタデータ） (2021-08-16T14:22:44Z)
• Machine learning for the diagnosis of early stage diabetes using temporal glucose profiles [0.20072624123275526]
  糖尿病は慢性疾患であり、早期に疾患の検出を複雑にする長い潜伏期間を有する。 本稿では,グルコース濃度の時間変化の微妙な変化を機械学習で検出することを提案する。 多層パーセプトロン、畳み込みニューラルネットワーク、および繰り返しニューラルネットワークはいずれも85%以上の精度でインスリン抵抗の程度を同定した。
  論文  参考訳（メタデータ） (2020-05-18T13:31:12Z)
• Short Term Blood Glucose Prediction based on Continuous Glucose Monitoring Data [53.01543207478818]
  本研究では,デジタル意思決定支援ツールの入力として連続グルコースモニタリング(Continuous Glucose Monitoring, CGM)データを利用する方法について検討する。 短時間の血液グルコース (STBG) 予測において, リカレントニューラルネットワーク (Recurrent Neural Networks, RNN) をどのように利用できるかを検討する。
  論文  参考訳（メタデータ） (2020-02-06T16:39:44Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。