Methodik

Auf dieser Seite beschreiben wir die Methodik und nennen unsere wissenschaftlichen Quellen.

Disclaimer: Die Inhalte dieser Webseite behandeln ein Gesundheitsthema, dienen der allgemeinen Information und sind nicht geeignet, persönliche Behandlungsstrategien von ihnen abzuleiten. Bei generellen oder individuellen Fragen konsultieren Sie bitte unbedingt Ihren Arzt oder Ihre Ärztin.

Technische Umsetzung

Die Umsetzung des Simulator erfolgte vollständig in der Sprache JavaScript, die von allen modernen Browsern interpretiert wird. So können alle Berechnungen direkt auf dem Endgerät der Nutzer:innen ausgeführt werden. Eingegebene Daten oder Parameter können auf Wunsch heruntergeladen werden, werden aber nie automatisch außerhalb des genutzten Browsers gespeichert.

Numerische Simulation

Zur numerischen Lösung des Differentialgleichungssystems kommt ein klassisches Runge-Kutta-Verfahren mit einer festen Schrittweite von 1min zum Einsatz. Dies gewährleistet einen guten Kompromiss zwischen kurzer Simulationsdauer und hoher Genauigkeit. Außerdem erleichtert die feste Schrittweite die Berücksichtigung impulsförmiger Signale wie z.B. die sprunghafte Zunahme der Insulinkonzentration infolge eines Bolus.

Verwendete Werkzeuge und Bibliotheken

Die grafische Visualisierung der Simulationsergebnisse erfolgt mithilfe von Chart.js. Zur Bündelung der JavaScript-Pakete und als lokaler Server kommt Webpack zum Einsatz, als Framework Vue.js.

AID-Algorithmen

Derzeit sind zwei Algorithmen im Simulator enthalten; die Auswahl soll zukünftig erweitert werden.

Basalrate+Bolus

Die Einstellung “Basalrate+Bolus” realisiert eine gewöhnliche Pumpentherapie mittels fester Basalrate und Mahlzeiten-Bolus. Bei Änderungen am virtuellen Patienten wird die Basalrate automatisch auf einen physiologischen Wert gesetzt, kann aber manuell überschrieben werden. Der Mahlzeitenbolus wird für angekündigte Mahlzeiten mit einem einstellbaren Spritz-Ess-Abstand abgegeben; auch der KE-Faktor (d.h. die Einheiten Insulin pro Kohlenhydrateinheit, also 10g) ist konfigurierbar.

OpenAPS (oref0)

Hinter “OpenAPS (oref0)” verbirgt sich der von der Do-It-Yourself (DIY)-Community entwickelte und gepflegte Open-Source-Algorithmus, der unverändert und im Original eingebunden wird, da er ebenfalls in JavaScript programmiert ist.

Die manuelle Abgabe eines Mahlzeitenbolus durch die virtuelle Patientin wird genauso konfiguriert wie oben; die Anpassung der Basalrate erfolgt automatisch durch den Algorithmus. Diesem können verschiedene Einstellungen mitgegeben werden, darunter die Sensitivität (ISF), der Zielbereich der Glukosekonzentration, die Dauer der Insulin-Aktivität (DIA) und weitere. Für nähere Angaben zu deren Bedeutung und Wirkung im Algorithmus sei auf die Dokumentation von OpenAPS verwiesen.

Mahlzeiten

Für die Simulation kann eine beliebige Anzahl an Mahlzeiten definiert werden, die zu einem bestimmten Zeitpunkt eingenommen werden und aus einer einstellbaren Menge an Kohlenhydraten bestehen. Mahlzeiten können angekündigt oder ungekündigt sein.

Im Expertenmodus lässt sich v.a. die Ankündigung noch filigraner parametrieren: Zum einen kann der angekündigte Zeitpunkt der Mahlzeit vom tatsächlichen Zeitpunkt beliebig abweichen; gleiches gilt für die Menge an Kohlenhydraten. Außerdem kann exakt eingestellt werden, zu welchem Zeitpunkt die Ankündigung überhaupt erfolgt; so kann beispielsweise vorgegeben werden, mit wie viel Vorlauf der AID-Algorithmus von einer bevorstehenden Mahlzeit erfährt.

Physiologisches Modell

Zur mathematischen Beschreibung der physiologischen Vorgänge im Körper der virtuellen Patient:in stehen derzeit zwei Modelle zur Auswahl: Eines gleich im Wesentlichen dem von Dalla Man et al. [3, 4]; dessen Gleichungen liegen auch dem kommerziellen UVA/PADOVA Type 1 Diabetes Simulator (T1DMS) zugrunde. Das andere entstammt der Arbeit von Hovorka et al. [5], wobei auf die Implementierung nach [6] zurückgegriffen wurde.

In der aktuellen Implementierung des UVA/Padova-Modells sind folgende Abweichungen enthalten:

  • Für die Verdauungsgeschwindigkeit (kempt) werden in [3,4] unterschiedliche Modelle beschrieben. Der Einfachheit halber wurde anstelle der komplexen Berechnungsvorschriften provisorisch ein Mittelwert aus maximaler und minimaler Verdauungsgeschwindigkeit eingesetzt.
  • Die hepatische Glukoneogenese ([3], Gl. (4)) wurde nach oben und unten hin gedeckelt, um eine Singularität ([3], Gl. (5)) bei hohen Insulinkonzentrationen zu vermeiden.
  • Nicht in [3] beschrieben ist die in T1DMS enthaltene subkutane Insulin-Kinetik [4]; diese wurde [2] entnommen, einschließlich der zugehörigen Parameter.

Die voreingestellten Werte der Parameter entstammen der Spalte “Normal Value” in [3, Table 1] und beschreiben das Verhalten einer gesunden Person.

Das folgende Schema visualisiert die im Modell enthaltenen Zustandsgrößen sowie die Wechselwirkungen zwischen ihnen:

Qsto1
Qsto1
Qsto2
Qsto2
kgri
meal
meal
Qgut
Qgut
kempt
Ra
Ra
kabs
I_
I_
XL
XL
ki
EGP
EGP
kp3
I
I
X
X
p2u
Uid
Uid
Vmx
Gp
Gp
Gt
Gt
kabsk2k1
Ip
Ip
Il
Il
RaI
RaI
Isc1
Isc1
Isc2
Isc2
kd
IIR
IIR
ka2ka1
G
G
kabsVm0kp2kp1
E
E
Uii
Uii
explanation
explanation
Viewer does not support full SVG 1.1

Es muss ausdrücklich darauf hingewiesen werden, dass es sich nur um ein mathematisches Modell handelt, das die realen Vorgänge im menschlichen Körper höchstens näherungsweise und in Teilen beschreiben kann. Die Simulationsergebnisse ähneln daher zwar klinischen Kurven qualitativ, müssen aber mit Vorsicht interpretiert werden und sind nicht geeignet, individuelle Behandlungsstrategien von ihnen abzuleiten (siehe Disclaimer). Wir übernehmen keinerlei Verantwortung für die Korrektheit der Ergebnisse oder Schäden irgendeiner Art, die aus der Verwendung des Simulators resultieren (siehe Lizenz).

Wissenschaftliche Quellen

[1] Dalla Man, Ch.; Camilleri, M.; Cobelli, C.: A System Model of Oral Glucose Absorption: Validation on Gold Standard Data. IEEE Transactions on Biomedical Engineering, Volume 53, Number 12, December 2006

[2] Dalla Man, Ch.; Raimondo, D.M.; Rizza, R. A.; Cobelli, C.: GIM, Simulation Software of Meal Glucose-Insulin Model. Journal of Diabetes Science and Technology, Volume 1, Issue 3, May 2007

[3] Dalla Man, C.; Rizza, R. A.; Cobelli, C.: Meal simulation model of the glucose-insulin system. IEEE Transactions on biomedical engineering, 54(10), 2007.

[4] Dalla Man, C.; Micheletto, F.; Lv, D.; Breton, M.; Kovatchev, B.; Cobelli, C.: The UVA/PADOVA Type 1 Diabetes Simulator: New Features. Journal of Diabetes Science and Technology, Volume 8, Issue 1, 2014.

[5] Hovorka, R.; Canonico, V.; Chassin, L. J.; Haueter, U.; Massi-Benedetti, M.; Federici, M. O.; Pieber, T. R.; Schaller, H. C., Schaupp, L.; Vering, T.; Wilinska, M. E.: Nonlinear model predictive control of glucose concentration in subjects with type 1 diabetes. Journal of Phyiological Measurement, Volume 25, 2004.

[6] Andersen, S. H.: Software for in Silico Testing of an Artificial Pancreas. Master’s Thesis at Technical University of Denmark. 2014.