Estudio mide datos de gasto metabólico a través de wearbales para mejorar los resultados de un sistema automatizado de administración de insulina y evitar hipoglucemias en pacientes con diabetes tipo 1.
La diabetes tipo 1 es una enfermedad autoinmune que impide que el páncreas produzca la insulina suficiente para mantener niveles normales de glucosa. Los avances tecnológicos han favorecido el manejo de esta condición, un ejemplo de ello son los sistemas automatizados de insulina. Estos dispositivos están conformados por un monitor continuo de glucosa y una bomba de insulina que administra la dosis en función de la glucosa detectada. Sin embargo, los sistemas más comunes de este tipo de tecnología son híbridos, es decir requiere que los usuarios estimen la cantidad de carbohidratos ingeridos e ingresen la información al dispositivo para calcular la dosis de insulina necesaria.
Sin embargo, las personas que viven con diabetes constantemente enfrentan el desafío de mantener una concentración optima de glucosa, especialmente durante y después de realizar actividad física. El control de la glucosa en estos casos es fundamental para evitar hipoglucemias.
En este sentido, el ejercicio puede afectar rápidamente los niveles de glucosa en personas con diabetes tipo 1. Sin embargo, los sistemas de administración automatizada de insulina no han integrado completamente los datos de sensores de ejercicio. De esta manera, un reciente ensayo clínico published in The Lancet Digital Health, buscó determinar si un sistema de administración automatizada de insulina, que incorpora datos en tiempo real de sensores de ejercicio, puede reducir la hipoglucemia durante el ejercicio y actividades de la vida cotidiana en comparación con un sistema que no utiliza estos datos.
El estudio incluyó a personas con diabetes tipo 1, quienes participaron en un ensayo aleatorizado de dos brazos. Uno utilizó un algoritmo que detectaba el ejercicio, interrumpía la administración de insulina y promovía ajustes durante el ejercicio, denominado exAPD, mientras que el otro automatizaba los ajustes de insulina utilizando datos de ejercicio en tiempo real a través de un algoritmo de control predictivo del modelo, llamado exMPC. Ambos algoritmos se ejecutaron en el dispositivo iPancreas, integrando sensores de glucosa, bombas de insulina y wearables. Los participantes tuvieron una sesión primaria en la clínica y dos días de vida cotidiana.
No obstante, los resultados no mostraron una diferencia significativa entre los dos grupos en cuanto a tiempo por debajo del rango durante la sesión en la clínica. Sin embargo, el grupo exMPC presentó una glucosa promedio menor luego de comenzar el ejercicio en la clínica en comparación con exAPD. Además, ambos grupos alcanzaron objetivos clínicos de tiempo en rango y tiempo por debajo del rango durante el estudio.
Este estudio indica que los sistemas de administración automatizada de insulina pueden beneficiarse de la integración de datos de ejercicio de wearbales para limitar la hipoglucemia y mejorar los resultados de glucosa. Los autores sugieren que futuros sistemas de administración de insulina que incorporen métricas de ejercicio de sensores de actividad física podrían ayudar a las personas con diabetes tipo 1 a hacer ejercicio de manera segura, minimizando el riesgo de hipoglucemia.
