在机器学习的帮助下，可以从患者信息系统中预测2型糖尿病患者的血糖控制不良

研究人员对芬兰北卡累利阿的2型糖尿病患者进行了为期六年的血糖控制研究。根据长期血糖、HbA1c测定患者血糖控制情况。从数据中确定了三种HbA1c轨迹，并在此基础上将患者分为两组:血糖控制良好的患者和血糖控制不佳的患者。使用机器学习方法，研究人员检查了患者的基线特征、临床和治疗相关因素以及社会经济地位与血糖控制的关系。基线特征包括200多个不同的变量。

结果表明，通过使用2型糖尿病持续时间、既往HbA1c水平、空腹血糖、现有抗糖尿病药物及其数量等数据，可以可靠地识别患者在其疾病的任何阶段是否存在持续高血糖风险。换句话说，作为糖尿病监测和管理的一部分，常规收集的数据可以预测血糖控制不足。

2型糖尿病治疗的主要目标是维持良好的血糖控制，以预防与该疾病相关的并发症。根据芬兰当前糖尿病护理指南，应每年随访血糖控制，以便监测疾病的长期发展轨迹。早期识别血糖控制不良的患者是至关重要的，以便有针对性的治疗需要，并在适当的时间加强治疗。延迟强化治疗增加了并发症的风险，这也反映在更高的护理费用上。