返回
CGM Data Analysis 2.0: Functional Data Pattern Recognition and Artificial Intelligence Applications
DOI:10.1177/19322968251353228.png)
摘要
En 中文
新兴的连续血糖监测(CGM)数据分析方法正在涌现,这些方法对于解读CGM模式及潜在的代谢生理学具有重要价值。这些新方法采用功能数据分析(FDA)和人工智能(AI),包括机器学习(ML)。与传统用于评估CGM追踪结果的方法(CGM数据分析1.0)相比,这些新方法,我们称之为CGM数据分析2.0,能够提供更详细的血糖波动和趋势理解,并在转化为实用临床解决方案后,实现更个性化且有效的糖尿病管理策略。
Keyword:
continuous glucose monitoring
functional data analysis
artificial intelligence
machine learning
diabetes management
期刊
IF:
3.7
论文数:
1.5K
被引数:
6.8K
机构
引用论文
Qualitative metrics from the biomedical literature for evaluating large language models in clinical decision-making: a narrative review来自生物医学文献的定性指标,用于评估临床决策中的大型语言模型: 叙述性回顾
A pretrained transformer model for decoding individual glucose dynamics from continuous glucose monitoring data用于解码连续葡萄糖监测数据中个体葡萄糖动力学的预训练Transformer模型
NATIONAL SCIENCE REVIEW
IF17.1
A case study on using a large language model to analyze continuous glucose monitoring data使用大语言模型分析连续血糖监测数据的案例研究
SCIENTIFIC REPORTS
IF3.9

