[논문 리뷰] Adherence to Personal Health Devices: A Case Study in Diabetes Management

Sudip Vhaduri, Temiloluwa Prioleau|arXiv (Cornell University)|2020. 05. 30.

Mobile Health and mHealth Applications참고 문헌 33인용 수 4

한 줄 요약

이 연구는 44명의 당뇨병 환자에서 60–270일에 걸쳐 연속 혈액 포도당 모니터링(CGM) 데이터를 데이터 마이닝 기반으로 분석하여 순응도 요인을 조사한다. 연구 결과, 특히 비정상적인 포도당 범위에서 발생하는 장기적인 데이터 갭이 악화된 결과를 예측함을 확인하였으며, 데이터 갭의 33%가 비정상적인 혈액 포도당 조건 기간에 발생했고, 가장 긴 갭은 특히 제대로 관리되지 않은 환자에서 매우 낮거나 높은 포도당 상태에서 관찰되었다.

ABSTRACT

Personal health devices can enable continuous monitoring of health parameters. However, the benefit of these devices is often directly related to the frequency of use. Therefore, adherence to personal health devices is critical. This paper takes a data mining approach to study continuous glucose monitor use in diabetes management. We evaluate two independent datasets from a total of 44 subjects for 60 - 270 days. Our results show that: 1) missed target goals (i.e. suboptimal outcomes) is a factor that is associated with wearing behavior of personal health devices, and 2) longer duration of non-adherence, identified through missing data or data gaps, is significantly associated with poorer outcomes. More specifically, we found that up to 33% of data gaps occurred when users were in abnormal blood glucose categories. The longest data gaps occurred in the most severe (i.e. very low / very high) glucose categories. Additionally, subjects with poorly-controlled diabetes had longer average data gap duration than subjects with well-controlled diabetes. This work contributes to the literature on the design of context-aware systems that can leverage data-driven approaches to understand factors that influence non-wearing behavior. The results can also support targeted interventions to improve health outcomes.

연구 동기 및 목표

• 연속 혈액 포도당 모니터링(CGM) 기기 사용에 대한 순응도가 당뇨병 관리에서 혈액 포도당 목표 달성에 어떻게 영향을 미치는지 조사하기 위해.
• CGM 데이터 누락(데이터 갭)과 혈액 포도당 조절 결과 간의 관계를 분석하기 위해.
• 순응도 패턴이 당뇨병 조절 상태(안정적 제어 또는 불안정 제어)와 관련이 있는지 확인하기 위해.
• 만성질환 관리에서 순응도와 건강 결과를 향상시키기 위한 맥락 인식형, 데이터 기반 시스템 설계를 위한 정보를 제공하기 위해.
• 부적절한 포도당 관리와 관련된 행동 패턴을 식별하여, 맞춤형 간병 조치를 지원하기 위해.

제안 방법

• 두 개의 독립된 데이터셋에서 44명의 당뇨병 환자로부터 60–270일 간의 CGM 데이터를 수집하고 분석하였다.
• 데이터 갭을 누락되거나 완전하지 않은 포도당 측정 기간으로 정의하였으며, 이는 순응도 부족을 시사한다고 가정하였다.
• 미국 당뇨병학회(ADA)의 혈액 포도당 목표 기준을 사용하여 포도당 수준을 정상, 목표, 비정상(매우 낮고, 매우 높음 포함) 범주로 분류하였다.
• 각 포도당 범주별 평균 데이터 갭 지속 시간을 계산하고, 혈액 포도당 조절 상태에 따라 분류된 그룹(안정적 제어 대비 불안정 제어) 간 비교를 수행하였다.
• 포도당 수준의 심각도와 데이터 갭 지속 시간 간의 상관관계가 통계적으로 유의미한지 평가하기 위해 통계 분석을 수행하였다.
• 순응도 행동(데이터 갭을 통해 측정)과 임상 결과(혈액 포도당 조절) 간의 관계를 데이터 기반 접근 방식으로 연결하였다.

실험 결과

연구 질문

• RQ1 혈액 포도당 목표 달성 정도가 연속 혈액 포도당 모니터링(CGM) 기기 착용 행동에 어느 정도 영향을 미치는가?
• RQ2 정상, 목표, 비정상, 매우 낮거나 높은 포도당 범주별로 데이터 갭 지속 시간은 어떻게 달라지는가?
• RQ3 혈액 포도당 조절 상태가 양호한 환자와 열악한 환자 간 평균 데이터 갭 지속 시간에 유의미한 차이가 있는가?
• RQ4 특히 극단적인 포도당 범위에서, 혈액 포도당 관리가 열악한 기간 동안 데이터 갭이 더 흔한가?
• RQ5 누락된 데이터 이벤트의 데이터 기반 분석을 통해 맥락 인식형 간병 조치를 개발하여 순응도와 건강 결과를 향상시킬 수 있는가?

주요 결과

• 약 33%의 데이터 갭이 환자가 비정상적인 혈액 포도당 범주에 있을 때 발생하여, 비정상적인 관리 상태에서의 순응도 부족을 시사한다.
• 가장 긴 데이터 갭은 매우 낮거나 높은 포도당 수준에 해당하는 가장 심각한 범주에서 관찰되었으며, 이는 환자가 심각한 건강 상태에서 CGM 사용을 중단함을 시사한다.
• 혈액 포도당 조절 상태가 열악한 환자는 조절 상태가 양호한 환자보다 평균적으로 더 긴 데이터 갭 지속 시간을 보였다.
• 환자가 목표 혈액 포도당 수준에서 가장 멀리 떨어져 있을 때 데이터 갭이 더 자주 발생하고 지속 시간이 길어져, 열악한 조절 상태에서의 순응도 부족이 악순환 구조를 이룬다는 점을 확인하였다.
• 이 연구는 CGM 순응도가 혈액 포도당 조절 성과에 의해 강하게 영향을 받으며, 특히 극단적인 포도당 사건 기간에 순응도 부족이 두드러진다는 점을 확인하였다.
• 이러한 발견들은 실시간 데이터 갭과 포도당 추세를 활용하여 비순응 행동 패턴을 탐지하고 대응할 수 있는 맥락 인식형 시스템 개발을 뒷받침한다.