Glucose variability assessment in diabetes mellitus monitoring and control

L'obiettivo di questa tesi è l'indagine del ruolo della variabilità glicemica (GV) nella patologia del diabete mellito. La GV è un fattore di rischio per lo sviluppo di complicazioni dal diabete, e la sua valutazione combinata con quella dei livelli di emoglobina glicata è ritenuta essere un elemento utile nel caratterizzare il funzionamento del metabolismo del glucosio. Data l'importanza della GV nel diabete, molteplici indicatori che permettono di ottenerne una quantificazione dall'analisi retrospettiva di segnali di self-monitoring of blood glucose (SMBG) o continuous glucose monitoring (CGM) sono stati proposti in letteratura, ma in merito esistono alcune problematiche ancora aperte. Per esempio, alcuni indici sono stati sviluppati specificamente per essere applicati su serie SMBG, ed il loro utilizzo su segnali CGM non è ancora stato validato. Inoltre, il fatto che esistano numerosi indicatori per quanticare la GV dà origine a problemi di ridondanza nell'informazione trasmessa, ed un approccio che permetta di ottenere una descrizione compatta ma esaustiva della GV sarebbe desiderabile. Infine, l'uso di segnali CGM e dell'informazione sulla GV per classificare lo stato metabolico di soggetti normali e diabetici è un problema relativamente inesplorato che potrebbe meritare di essere trattato. Questi tre argomenti sono l'oggetto di questa tesi, che risulta articolata in sei capitoli il cui contenuto è brevemente delineato di seguito. Il Capitolo 1 descriverà l'eziologia dei differenti tipi di diabete, discuterà lo sviluppo delle complicazioni da diabete, ed introdurrà le tecnologie utilizzate per monitorare la glicemia ed alcune strategie che si possono seguire per trattare il diabete mellito di tipo 1 (T1DM) e 2 (T2DM). Il Capitolo 2 verterà sulla GV e la sua quantificazione, e, dopo aver evidenziato i problemi aperti esistenti, dichiarerà precisamente gli scopi della tesi. Il Capitolo 3 considererà il problema di adattare alcuni indicatori di GV originariamente sviluppati e validati su profili SMBG, all'utilizzo su segnali CGM. In particolare, ci concentreremo su low blood glucose index (LBGI) e high blood glucose index (HBGI), indici popolari che permettono di ottenere una rapida classificazione della qualità del controllo glicemico in soggetti diabetici, e forniremo versioni alternative di questi indicatori adattate alle caratteristiche dei segnali CGM, modellando la relazione tra i valori che LBGI e HBGI assumono quando calcolati da SMBG e CGM. Un dataset di 28 soggetti T1DM monitorati con dispositivi SMBG e CGM sarà utilizzato per mettere a punto la metodologia. Il Capitolo 4 affronterà il problema della ridondanza nell'informazione fornita dagli indicatori di GV esistenti, utilizzando la sparse principal component analysis (SPCA) come approccio per fornire una descrizione parsimoniosa ma allo stesso tempo esaustiva della GV in popolazioni di soggetti con T1DM e T2DM. In particolare, considereremo 25 indicatori di GV valutati su profili CGM acquisiti da 33 soggetti con T1DM e 13 con T2DM come insieme iniziale di variabili. La SPCA sarà applicata a questo pool di indici e permetterà di selezionare un piccolo sottoinsieme di 10 indicatori che consente di preservare più del 60% della varianza originariamente spiegata dall'insieme di partenza in entrambe le applicazioni. Il sottoinsieme di indicatori fornito dalla SPCA può essere utilizzato per descrivere parsimoniosamente la GV nel diabete. Il Capitolo 5 sarà dedicato alla valutazione della possibilità di utilizzare gli output della SPCA per costruire classificatori dello stato metabolico di soggetti normali e diabetici basati sulla GV. In particolare, facendo ricorso ad un dataset di 55 soggetti con T1DM, 34 normali a rischio T2DM, 39 con impaired glucose tolerance, e 29 con T2DM diagnosticato, mostreremo che classificatori progettati su support vector machine sono capaci di discriminare con successo la qualità del controllo glicemico e la condizione metabolica di soggetti con disordini, permettendo di raggiungere un'accuratezza di classicazione sempre maggiore del 70%. Lo studio sarà condotto utilizzando sia il pool iniziale di 25 indicatori che il sottoinsieme parsimonioso fornito dalla SPCA come features per costruire i classificatori; il fatto che risultati simili siano ottenuti nei due casi rafforza la speculazione che la descrizione compatta della GV fornita dalla SPCA sia effettivamente esaustiva nel caratterizzare la condizione metabolica dei soggetti. Il Capitolo 6 chiuderà la tesi, con una discussione su possibili sviluppi futuri degli studi qui presentati.