Des centaines de millions de patients autour du monde souffrent de prédiabète avec une glycémie élevée qui les expose à un risque plus élevé de développer un diabète à l'avenir. L'efficacité de la prévention du diabète pourrait être améliorée par un ciblage plus efficace des ressources pour les interventions préventives auprès des adultes qui présentent le risque le plus élevé de développer un diabète à court terme.
Les appareils portables sont de plus en plus adoptés et pourraient fournir un accès en temps réel aux données sur l'activité physique, le sommeil et les schémas de fréquence cardiaque. Les modèles de prédiction des risques qui intègrent ces données pourraient améliorer l'identification à court terme des adultes dont le contrôle glycémique se détériore et qui sont les plus à risque de développer un diabète.
Une étude de chercheurs de l’université de Pennsylvanie et Johns Hopkins publiée dans le journal NPJ Digital Medicine a montré que les dispositifs connectés ont le pouvoir de prédire des changements significatifs chez les adultes avec pré-diabète.
Les chercheurs ont collecté les données de 186 participants soit via un dispositif connecté au poignet, soit à la ceinture, dont le but est de mesurer l’activité physique, le sommeil, et la fréquence cardiaque inclues par la suite dans des modèles pour prédire les changements en HbA1c de 5% en mieux ou en pire. Ils montrent comment la prédiction s'est améliorée lorsque l'apprentissage automatique était utilisé, les informations de base avec des données portables ont été utilisées par rapport aux informations de base seules ; et des dispositifs portés au poignet ont été utilisés par rapport à des dispositif portés à la taille.
Ces résultats indiquent que les modèles peuvent identifier avec précision les changements dans le contrôle glycémique chez les adultes prédiabétiques, et cela pourrait être utilisé pour mieux allouer des ressources et cibler les interventions pour prévenir la progression vers le diabète.
