Ny diabetesapplikation Vigilant hjälper till att förebygga hypoglykemi

Hej PWD - vill du ha tillförlitliga varningar när ett lågt blodsocker är på väg eller när du går igenom en period med högre risk för hypoglykemi? Självklart gör du det! Och en helt ny app, baserad på artificiell pankreasalgoritmteknologi som utvecklats vid University of Virginia, lanseras officiellt nästa vecka för att ge dig just det.

Appen kallas Vigilant, utvecklad av en uppstart som heter InSpark Technologies, med huvudkontor i Charlottesville, VA, nära UVA där den berömda AP-forskaren Dr Boris Kovatchev och team har arbetat med denna teknik i över 10 år.

I 2013 licensierade InSpark en sofistikerad mönsterigenkänningsteknik från Kovatchevs lag och använde den för att skapa Vigilant, som de beskriver som "ett smartphone-baserat system (för iOS och Android) som mycket exakta varningar till hypoglykemi risk i de närmaste 24 timmarna, anmäla människor i förväg av dagliga mönster och även luckor i testning. ”

Det är inte CGM-baserat, utan snarare inriktat på de många PWD-erna som gör fingersticktest ofta, men har inte en bra metod för att data ska fungera för dem i realtid.

Vigilant erbjuder just nu trådlös anslutning med Accu-Chek Connect Meter, och de hoppas kunna integrera med många fler D-enheter framåt. Användare kan manuellt skriva in BG-resultat i appen eller gå till Vigilant-webbplatsen för att ladda upp data från ett kalkylblad som skapats med en plattform som Glooko eller Diasend för att komma igång.

En app som kan spara liv

Innan du rullar dina ögon om än en annan glukos dataapp, överväga det här: Vigilant är inte inriktat på loggning, utbildning eller visning diagram. Det utför snarare den unika funktionen att använda sofistikerade prediktiva algoritmer för att hjälpa personer med diabetes att undvika hypoglykemi - vår nemesis och mest omedelbara hot!

"Genom att titta på mycket stora datasatser hittade UVA väsentligen detta mönster … som tenderar att föregå, i mycket segmenterade tider, allvarlig hypoglykemi. Vad som händer är om det finns en stigande variation i blodsockervärden och ett antal övergående låga på en mycket kort tid … det sänker faktiskt personens typ av "reglerande försvar" mot hypoglykemi ", förklarar Erik Otto, grundare och president av InSpark, som tidigare var med Johnson & Johnson och är en longtime typ 1 PWD själv. Företaget är för närvarande ett team med nio med huvudkontor i Virginia men med kollegor i Kalifornien, Indien och Nya Zeeland.

En del av deras lösning är en "Hypo Risk Indicator" som är svårt för användarna att ignorera, och till och med erbjuder tips om hur man undviker en motkommande låg.

"Jag var väldigt skeptisk när jag först hörde det här för länge sen … Men data visar att vi är ledande inom tekniken för mönsterigenkänning. Och vi tror att det verkligen kommer att hjälpa människor med diabetes, eftersom de kommer att ha ett kraftfullt verktyg för att undvika allvarlig hypoglykemi och mer insikt när det gäller dagliga mönster och hur man mildrar dessa mönster, säger Otto.

InSpark meddelar också formuleringen av ett "Thought Leadership Council" (fancy term för ett imponerande rådgivande styrelse) som innehåller några framstående och välbekanta namn, till exempel Dr Anne Peters, chef för klinisk diabetes Program och professor vid USC Keck School of Medicine; och framstående certifierade diabetespedagoger och författare Gary Scheiner och Hope Warshaw, vars senare tjänar som 2016-president för AADE (American Association of Diabetes Educators).

Warshaw ger det vaksamma utvecklingslaget och den lättanvända appen, höga betyg.

"Förutom att hjälpa till att förutse övergående hypoglykemi kan den genom en åtgärd som kallas Average Daily Risk Range (ADRR) hjälpa människor att minimera låga och höga nivåer över tiden för att uppnå ett mål A1C med mindre glykemisk variabilitet, säger Warshaw, tillägger att det finns solida vetenskapliga bevis för att backa upp det. Data publicerade i över 20 peer-reviewed journals artiklar stöder den vetenskapliga grunden för InSparks teknik.

I en stor population av diabetespatienter visades att personer med ADRR på mer än 40 hade mer än hälften av deras BG-resultat, antingen över 180 eller under 70, de högriskområden där ingen av oss vill spendera tid.

Target Users & Thwarting Complications

Warshaw säger: "Jag anser att de personer som mest dra nytta av Vigilant är de som upplever hyppig hypoglykemi, som har hypoglykemi utan medvetenhet, som tar insulin och använder flera dagliga doser eller använder insulinpumpsterapi, aka intensiv diabeteshantering och personer som av en eller annan anledning (och det verkar som många) väljer inte att använda CGM som för närvarande finns tillgänglig. ”

Otto tillägger att Vigilant inte bara hjälper användarna att undvika låga men också "korta komplikationer" som resor till sjukhuset, vilket ökar värdet för både patienter och betalare i vårdsystemet.

"Vi tror att de två viktigaste sakerna som människor vill veta är, vad är risken för långsiktiga komplikationer och vad är risken för kortvariga komplikationer? Vi har faktiskt brutit ner det i kategorier av risker baserat på rekommenderade mål A1C nivåer - typ av som ett diabetes rapportkort. Om en patient kan se att de har minskat deras variabilitet och deras genomsnittliga glukos, så är de mycket bättre med avseende på risken för både kortsiktiga och långsiktiga komplikationer, säger Otto.

Vad är bakom "Episodic Monitoring"

Se den här videodemoen för att förstå hur appen fungerar:

Vigilant använder patenterad mönsterigenkänningsteknik som har visat sig vara mycket förutsägbar - slår ut andra mätare eller verktyg som avser att göra Detsamma, säger Otto.

Och även om algoritmerna härstammar från UVA, skiljer sig de signifikant från de artificiella bukspottkörtelgoritmerna som testas där, och skiljer sig också från UVA-algoritmerna licensierade av Spinoff-uppstart TypeZero Technologies, som utvecklar sitt eget kommersiella AP-system, säger Otto. Det här är separat teknik som Dr. Kovatchev och kollegor också pionierar.

"(AP-programvaran) handlar verkligen om att använda tidsserieanalys-typmetoder på CGM-data för att bestämma när man exempelvis ska lägga bromsarna på en pump. De tittar på en mycket tätare dataset under en kortare tid, medan vi tittar på data över 30 dagar bland personer som testar tre, fyra, fem gånger om dagen och vi identifierar väsentligen olika typer av mönster som är många gånger beteende. Det finns också ett underliggande fysiologiskt element för det ", förklarar Otto.

"Vi tror att detta mönstermeddelandesystem är ganska värdefullt. Det exempel som jag ibland ger är att med en bil finns det någon form av algoritm som berättar när ditt lufttryck på däcket blir lågt. Om det är mycket förutsägligt att ditt däck ska blåsa, vill du verkligen uppmärksamma det och ta hand om det, men om det inte är så är det inte så mycket användbar information.

"Vi säger förstås inte att varje gång du får ett mönstermeddelande kommer du att ha en hög eller låg nivå, men vi tror att vi i jämförelse med andra diabeteslösningar har en mycket hög signal-till -noise-förhållandet. "

Otto säger att Vigilant faktiskt erbjuder en starkare indikator på mjuk glukoskontroll än standardavvikelsen av flera anledningar: standardavvikelsen förutsätter en" normal fördelning "av glukosavläsningar, men PWD testar inte i normal distribution och Vigilants algoritm också tar hänsyn till kliniska risker genom att väga resultaten. "Så om din glukosavläsning är 40 är det mycket mer kliniskt riskabelt än om du har en läsning på 250 eller högre … Det tar verkligen hänsyn till de kliniska riskerna för att ge människor en känsla för vad som är viktigt. "

Komplement till CGM

Så vad är förhållandet till kontinuerlig glukosövervakningsteknik (CGM) och dess användare?

Otto säger att InSpark anser att Vigilant är komplementärt, inte konkurrenskraftigt, till CGM. "Ett exempel är om någon använder Vigilant, och det berättar en person," Hej, du har en period av risk för svaga lows de närmaste 24 timmarna ", ett av de bästa sätten att faktiskt ta itu med det är att sätta på en CGM enhet … att ha den frekventa data för att kunna övervaka en svår låg. ”

Naturligtvis är patienterna också uppmärksammade på att bära snabbverkande sockerarter med dem, att uppmärksamma låga symtom etc.

"Som nämnts kombinerar Vigilant en annan nivå av information. Det är mer beteende. Dessa mönster utvecklas över dagar och veckor jämfört med minuter, säger Otto. "I vår UVA-studie, där vi hade ganska många personer som har varit i CGM-studier eller använt CGM, sa 62,5 procent av deltagarna att de skulle använda Vigilant och CGM samtidigt, så det är ett testamente att mycket av folk tror, ​​"Hej, det här är också användbar information!'”

FDA godkännande: Nödvändigt

Något överraskande krävde Vigilant inte FDA-godkännande, på grund av de senaste mHealth-riktlinjerna, som separerar appar genom dataväxling och visningsfunktioner jämfört med de som rekommenderar specifika behandlingsåtgärder.

Men eftersom Vigilant ursprungligen trodde att de behövde FDA-godkännande, gick de igenom hela strikt processen med nödvändig kvalitet och designkontroll och genomförde en Human Factors-studie för att illustrera att när denna information presenteras för patienter, orsakar det inte eventuella negativa eller otillbörliga risker.

"Vi gjorde väsentligen allt vi behöver för att förbereda oss för godkännande, vi filmade bara inte eftersom de berättade förra året att de i stort sett minskar kraven på denna typ av enhet, säger Otto.

Nixing Complexity

Trots att han är en programvaruföretagare (och sci-fi-entusiast) själv, Otto "får det" att hans medkandidater inte har någon intresse eller motivation att siktra igenom hundratals datapunkter, försöker få förnuft komplexa diagram och grafer.

"Med Vigilant behöver de inte ens titta på programvaran. De kan bara testa som vanligt och få feedback om när de går in i perioder av risk ", säger han.

"Det handlar verkligen om att få mönsterdata vid rätt tidpunkt, så att människor inte behöver fortsätta gå och försöka granska en massa skärmar. Det är den verkliga kärnfördelen med denna teknik. "

Deras fokus ligger på att" skicka insikter till människor "om risk och kommande mönster i sin dag när de behöver det mest.

På skärmbilden för mönsterigenkänning har användarna möjlighet att klicka på en länk till, "Hur korrigerar jag dagliga mönster?" och systemet kommer att ge några tips, inklusive att ändra matval etc.

Fortfarande, allt sagt är Vigilant-startskärmen faktiskt en ganska sofistikerad datavisning, som visar aktuella dagliga mönster, en månadsriskprofil och månadsglukos index.

"Vi vet att detta tillvägagångssätt är lite annorlunda. Det kommer att kräva lite utbildning … men vi tycker att det är mycket användbart så att folk kommer tillbaka till det - snarare än att släppa ut som de gör med de flesta appar. "

Han påpekar också att användarna kan anpassa inställningarna så att de inte får frekventa mönstervarningar om de föredrar att känna bara när de är i omedelbar risk för ett allvarligt lågt.

Med tanke på att man trycker på datainställningar som visar att läkare är något annorlunda än vad patienterna själva ser, blev vi förvånade över att det finns en separat webbaserad leverantörsversion, kallad Vigilant Caregiver.Men Otto säger att skillnaderna är små och mestadels har att göra med att erbjuda en sammanfattande instrumentbräda så att läkare kan se alla sina patienter på ett ställe.

Kostnad och tillgänglighet

Otto säger att Vigilant-appen för närvarande är tillgänglig för gratis nedladdning under en introduktionsperiod på flera månader. Därefter byter de över till en billig månadsabonnemangsmodell med en prislapp som motsvarar "en billig måltid eller ett abonnemang på nätet" som ska representera "en obetydlig del av de flesta sjuka diabetesförvaltningen kostar. ”

"Vi riktar oss också till hälsoplaner och arbetsgivare som vi hoppas betala på ett kapitaltillskott för att anlita medlemmarna på Vigilant, så att de kan täcka den kostnaden för personer med diabetes", säger Otto.

Det är ingen tvekan om att den här nya appen verkligen låter värdefullt, och vi kan inte låta bli att älska varumärket. VIGILANT är trots allt vad vi alla syftar till i vår diabetesvård, eller hur?

Ansvarsfraskrivelse

: Innehåll skapat av Diabetes Mine-laget. För mer information klicka här. Disclaimer

Detta innehåll är skapat för Diabetes Mine, en konsumenthälsoblog som fokuserar på diabetesområdet. Innehållet är inte medicinskt granskat och följer inte Healthlines redaktionella riktlinjer. För mer information om Healthlines partnerskap med Diabetes Mine, vänligen klicka här.