Мобильная система информационной поддержки больных гестационным сахарным диабетом тема диссертации и автореферата по ВАК РФ 05.11.17, кандидат наук Пустозеров Евгений Анатольевич

• Пустозеров Евгений Анатольевич
• кандидат наук
• 2017

Оглавление диссертации кандидат наук Пустозеров Евгений Анатольевич

ВВЕДЕНИЕ

1. Проблемы мобильного мониторинга гестационного сахарного диабета

1.1 Актуальность проблемы удаленного мониторинга пациентов с гестационным сахарным диабетом

1.2 Проблемы методического и информационного обеспечения системы информационной поддержки больных сахарным диабетом

1.3 Проблемы технического обеспечения системы мониторинга сахарного диабета

1.4 Проблемы информационной поддержки пациента - больного сахарным диабетом

1.5 Постановка цели и задач исследования

Проведенный по тематике диссертационного исследования обзор показал значимость проблемы мониторинга гестационного диабета в связи с возможными последствиями ухудшения здоровья беременной женщины и

рождения ребенка с патологиями развития

В то же время существующие инструментальные и методические средства проведения удаленного мониторинга гестационного диабета не обеспечивают контроля динамически изменяющегося метаболизма глюкозы

2. Система удаленного мониторинга гестационного сахарного диабета и оказания медицинского сопровождения пациента

2.1 Концепция построения системы удаленного мониторинга гестационного сахарного диабета

2.2 Обоснование выбора и формирование пространства диагностически значимых показателей мониторинга

2.3 Структура информационного обеспечения системы информационной поддержки больного гестационным сахарным диабетом

2.4 Выводы по главе

3. Модели, алгоритмы и решающие правила для оценки состояния пациента с

гестационным сахарным диабетом

3.1 Алгоритм обработки данных

3.2 Разработка модели для прогнозирования гликемии

3.3 Разработка решающих правил для информационной поддержки пациента

3.4 Выводы по главе

4. Техническая реализация и экспериментальная апробация системы мониторинга

4.1 Техническая реализация системы мониторинга

4.2 Клиническая апробация разработанной системы

4.3 Выводы по главе

Заключение

Список сокращений и условных обозначений

Список использованной литературы

Приложение А. Данные недельного мониторования СОМБ для некоторых испытуемых

Введение диссертации (часть автореферата) на тему «Мобильная система информационной поддержки больных гестационным сахарным диабетом»

ВВЕДЕНИЕ

Актуальность темы. В практике лечения сахарного диабета ключевой задачей, решаемой пациентом и лечащим врачом, является нормализация гликемии и предотвращение гипо- и гипергликемических состояний. Это особенно актуально для начальных сроков после диагностирования заболевания, когда у пациента отсутствует опыт поддержания нормогликемии. При этом особого внимания требует гестационный сахарный диабет (ГСД), при котором выход уровня сахара в крови за пределы допустимой нормы, при отсутствии необходимых мер, происходит уже на первых неделях после выявления заболевания.

Для решения задачи стабилизации гликемического профиля больного на ранних этапах лечения заболевания необходим строгий контроль за программой компенсации диабета, что возможно сделать только при осуществлении удаленного мониторинга состояния пациента с применением системы информационной поддержки пациента. Выбор данного подхода делает необходимым разработку технического инструментария, алгоритмического и программного обеспечения.

Принцип дистанционного мониторинга пациентов накладывает ряд ограничений и обуславливает множество требований к разрабатываемой системе информационной поддержки пациента. В частности, для своевременного выявления риска гипо- и гипергликемического состояния необходимо осуществлять предсказание будущих значений уровня сахара в крови с учетом информации о питании, физических нагрузках и инъекциях инсулина. В текущей практике лечения сахарного диабета применяются формулы расчета компенсаторных доз инсулина, основанные на простейших эмпирических закономерностях, связывающих потребляемое количество углеводов и требуемые инъекции инсулина. Лучшее представление о характере гликемической кривой позволяют составить тренажеры и разрабатываемые математические модели, однако существующие на текущий момент в практике лечения заболевания

методы, недостаточно полно отражают динамику изменения состояния пациента. Для разработки динамической модели метаболизма глюкозы пациента и прогнозирования уровней гликемии могут быть успешно применены методы машинного обучения, основанные на использовании больших массивов хранимых и получаемых в ходе мониторинга данных.

Для сбора, анализа и обработки данных пациента, прогнозирования его состояния и выработки рекомендаций по нормализации гликемии, необходимо разработать технологию удаленного мониторинга пациентов с ГСД, методическое и информационное обеспечение системы, технические и программные средства.

Цель и задачи исследований. Целью диссертационной работы является разработка мобильной системы информационной поддержки больных сахарным диабетом, обеспечивающей повышение эффективности контроля уровня сахара в крови у пациентов с гестационным сахарным диабетом.

Критерием эффективности системы является достижение статистически значимых улучшений в группе пациентов, использующих систему для нормализации уровня сахара в крови на поздних сроках беременности, статистически значимое улучшение в исходах родов беременных с гестационным сахарным диабетом. Дополнительно учитывалась оценка удобства использования системы врачами и пациентами в ходе анкетирования, обеспечение системой мотивации пациентов для контроля гликемии, выраженную частотой ведения записей для контроля заболевания.

Объектом исследования является мобильная система информационной поддержки больных гестационным сахарным диабетом.

Предметом исследования является компоненты информационного, методического, алгоритмического и программного обеспечения мобильной системы информационной поддержки больных гестационным сахарным диабетом.

Для достижения поставленной цели сформулированы и решены следующие задачи:

1. Обоснование и формирование комплекса показателей для удаленного мониторинга состояния пациента, позволяющих в динамике оценивать метаболизм глюкозы в организме человека и прогнозировать состояние пациента.

2. Разработка динамической модели метаболизма глюкозы, позволяющей прогнозировать изменяющееся во времени значение уровня сахара в крови больных гестационным диабетом и здоровых людей.

3. Разработка метода оказания удаленной информационной поддержки больного ГСД на основе методик обработки и анализа информации, позволяющих сформировать комплекс распределенных во времени показателей для оценки текущего состояния и прогнозирования состояния больного ГСД.

4. Обоснование и разработка структуры системы информационной поддержки больного ГСД.

5. Разработка экспериментального образца мобильной системы информационной поддержки больного ГСД и его клиническая апробация.

Теоретической и методологической основой диссертационной работы являются результаты проектирования и применения телемедицинских систем для мониторинга различных заболеваний, математического аппарата для моделирования заболевания сахарного диабета.

Информационную базу составляют монографические работы, материалы научно-технических конференций, объекты интеллектуальной собственности, статьи в периодических изданиях и научных сборниках по исследуемой проблеме.

Методы исследования

В работе использованы методы системного анализа, математического моделирования, математической статистики, обработки и анализа экспериментальных данных, методы машинного обучения и глубинного анализа данных, реализованные в специализированном программном обеспечении.

Научную новизну работы составляют:

1. Комплекс показателей для удаленного мониторинга состояния пациента, позволяющих в динамике оценивать метаболизм глюкозы в организме человека и прогнозировать состояние пациента.

2. Динамическая модель метаболизма глюкозы, позволяющая прогнозировать изменяющееся во времени значение уровня сахара в крови больных ГСД и здоровых людей.

3. Методики обработки и анализа информации, позволяющие сформировать комплекс распределенных во времени показателей для оценки текущего состояния и прогнозирования состояния человека и метод оказания удаленной информационной поддержки больного ГСД на основе анализа динамически изменяющихся показателей.

4. Структура системы удаленной информационной поддержки больного ГСД, обеспечивающая повышение эффективности контроля уровня сахара в крови у пациентов на основе предложенных прогностической модели и ретроспективных методов анализа изменения состояния больных.

Научные положения, выносимые на защиту

При построении системы удаленной информационной поддержки больных с ГСД для повышения эффективности оценки текущего состояния и прогнозирования состояния пациента необходимо использовать:

- комплекс показателей, позволяющих в динамике отражать состояние пациента,

- прогностическую модель метаболизма глюкозы, основанную на уравнении линейной регрессии с комплексом диагностически значимых показателей, коэффициенты при которых определяются путем сравнения прогнозируемого гликемического ответа с реальным,

- метод обработки и анализа распределенных во времени биомедицинских данных, обеспечивающий контроль изменяющегося состояния пациента.

Практическая значимость и реализация результатов работы:

- информационное пространство, обеспечивающее возможность прогнозирования гликемии;

- совокупность предложенных элементов методического, информационного, алгоритмического и программного обеспечения;

- методика мониторинга состояния пациента на основе электронных дневников наблюдения;

- разработанная система информационной поддержки больных сахарным диабетом;

- теоретические и экспериментальные данные, полученные при выполнении диссертационной работы и клинической апробации системы.

Апробация результатов работы

Основные положения и результаты диссертационной работы представлялись и докладывались на следующих международных научно-практических конференциях и семинарах: 53rd Annual Meeting of the European Association for the Study of Diabetes (Lisbon, Portugal, 2017), 5 th ENEA Workshop: Hyperprolactinemia and other endocrine causes of infertility (Saint Petersburg, 2017), 10th International Conference on Advanced Technologies & Treatments for Diabetes ATTD 2017 (Paris, France, 2016), International Festival of Social Entrepreneurship "IFSE" (Saint Petersburg, 2016), 4th European young endocrine scientists meeting "EYES" (Moscow, 2016), 14th International conference on informatics, management, and technology in healthcare "ICIMTH" (Athens, Greece, 2016), XII Russian-German conference on biomedical engineering "RGC BME" (Vladimir, 2016), XII международная научная конференция Физика и радиоэлектроника в медицине и экологии "ФРЭМЭ" (Суздаль, 2016), Seminar for 2015 DAAD Lomonosov and Kant Scholars (Москва, 2016), X Russian-German conference on biomedical engineering (Suzdal, 2016), Seminar for 2015 DAAD Lomonosov and Kant Scholars (Bohn, 2015), SPITSE 2014 Symposium (Ilmenau, Germany, 2014), IX, X, XI, XII Международный славянский Конгресс «Кардиостим» (Санкт-Петербург, 2010, 2012, 2014, 2016), XIV Международная конференция по мягким вычислениям и измерениям SCM (Санкт-Петербург, 2011), всероссийских научно-технических конференциях: 65, 66, 67, 68, 69, 70, 71, 72, 73 научно-техническая конференция НТОРЭС, посвященная Дню радио (Санкт-Петербург, 2010-2017), Всероссийская конференция с международным участием «Командный подход в современной эндокринологии» (Санкт-Петербург, 2016), IV, V Научно-практическая конференция с

международным участием «Наука настоящего и будущего» (Санкт-Петербург, 2015, 2016), XXIV, XXVIII Всероссийская научно-техническая конференция студентов, молодых ученых и специалистов «Биотехнические, медицинские и экологические системы и комплексы» (Рязань, 2011, 2015), Научная сессия «От трансляционных исследований — к инновациям» (Санкт-Петербург, 2015), 3-я всероссийская молодежная школа-семинар "Инновации и перспективы медицинских информационных систем" ИПМИС (Таганрог, 2013), Всероссийская молодежная научная конференция «Актуальные вопросы биомедицинской инженерии» (Саратов, 2013), Всероссийская научная школа молодых ученых, преподавателей, аспирантов, специалистов "Биомедицинская инженерия» (Санкт-Петербург, 2009, 2010), ведомственных конференциях: 63-70-я конференция профессорско-преподавательского состава СПбГЭТУ «ЛЭТИ» (Санкт-Петербург, 2010-2017).

Внедрение результатов работы

Разработанная система внедрена в лечебный процесс Института Эндокринологии НМИЦ им. В.А. Алмазова при ведении больных ГСД. Разработанное в ходе исследований мобильное приложение для сбора данных о течении заболевания используется для мониторинга пациентов с заболеваниями ГСД, сахарного диабета 1 типа и синдрома поликистозных яичников в Институте Эндокринологии НМИЦ им. В.А. Алмазова и в Центре Планирования Семьи г. СПб.

Результаты диссертационной работы Пустозерова Е.А. внедрены и используются в учебном процессе при реализации бакалаврской образовательной программы по направлению «Биотехнические системы и технологии» в рамках дисциплины «Моделирование биологических процессов и систем» и магистерских образовательных программ «Биотехнические системы и технологии в протезировании и реабилитации» и «Информационные системы и технологии в лечебных учреждениях» по направлению «Биотехнические системы и технологии» в рамках дисциплины «Моделирование в биотехнических системах», а также в

практике научных исследований кафедры Биотехнических систем СПбГЭТУ «ЛЭТИ».

Основные результаты работы получены в рамках НИР и НИОКР:

1. НИР ММС/БЭС-136, наименование «Разработка мобильной системы информационной поддержки для удаленного мониторинга пациентов» (госзадание Министерства образования и науки РФ, проект № 3722: Проведение научно -исследовательских работ в рамках международного научно-образовательного сотрудничества по программе «Михаил Ломоносов»).

2. Грант РФФИ № 16-07-00599 «Модели, методы и система интеллектуального телемедицинского мониторинга состояния здоровья человека и прогнозирования обострения заболеваний».

3. Грант по приоритетному направлению деятельности РНФ №15-14-30012, наименование «Изучение молекулярно-генетических и эпигенетических механизмов развития гестационного сахарного диабета и его влияния на плод».

4. Гранты Санкт-Петербурга для студентов, аспирантов, молодых ученых, молодых кандидатов наук 2010, 2011, 2013 гг. Дипломы ПСП № 10564, 11467, 13388.

Достоверность результатов работы обеспечивается проведением клинической апробации разработанной системы в медицинской практике, получением высокой точности прогнозирования показателей гликемического ответа при сопоставлении с реальными значениями в ходе экспериментального исследования.

Публикации по теме исследования

По теме диссертации опубликовано 54 научные работы, из них 8 статей в ведущих рецензируемых научных журналах и изданиях, определенных ВАК, 4 - в изданиях Web of Science и Scopus, 15 - в трудах международных научных и научно-технических конференций, 21 - в трудах всероссийских научно-технических и медицинских конференций, 1 свидетельство о регистрации программы для ЭВМ.

Структура и объем диссертации

Диссертация состоит из введения, 4 глав, заключения, списка литературы из 101 наименования. Основное содержание диссертации изложено на 127 листах, содержит 45 рисунков, 9 таблиц и 1 приложение.

Личный вклад. Автором самостоятельно поставлены цель и задачи работы, разработана программа экспериментальных исследований, разработаны компоненты методического, алгоритмического и программного обеспечения системы информационной поддержки больных гестационным сахарным диабетом, проведен анализ результатов экспериментальных исследований.

Краткое содержание работы

Во введении обоснована актуальность работы, сформулированы цель и задачи исследования, приведены основные научные и практические результаты, выносимые на защиту, кратко изложено содержание диссертации.

Первая глава посвящена анализу проблем мониторинга гестационного сахарного диабета, рассмотрены проблемы удаленного мониторинга больных, методического, алгоритмического, технического и программного обеспечения систем удаленного мониторинга больных сахарным диабетом.

Во второй главе предложена концепция удаленного мониторинга пациентов с гестационным сахарных диабетом, сформировано пространство признаков системы мониторинга, разработана структура системы информационной поддержки больных сахарным диабетом и технология информационного обеспечения врача и пациента.

Третья глава посвящена разработке алгоритмов анализа и интерпретации данных, математических моделей для прогнозирования гликемии и выработки рекомендаций по предотвращению риска гипо- и гипергликемических состояний. Рассмотрены вопросы применения алгоритмов машинного обучения для создания прогностических моделей.

Темой четвертой главы является клиническая апробация разработанной системы. Приведено описание программной реализации системы, описание этапов клинической апробации системы, обработки экспериментальных данных и анализа

результаты, представлен вывод об эффективности применения системы в клинической практике.

1. ПРОБЛЕМЫ МОБИЛЬНОГО МОНИТОРИНГА ГЕСТАЦИОННОГО

САХАРНОГО ДИАБЕТА

1.1 Актуальность проблемы удаленного мониторинга пациентов с гестационным сахарным диабетом

В настоящее время наблюдается рост числа зарегистрированных случаев гестационного сахарного диабета (ГСД). Согласно последним оценкам [1] число диагностированных случаев ГСД достигает 9% случаев всех беременностей, при этом во многих странах, где проходили исследования, отмечается значительный рост числа беременностей, осложненных ГСД [2]. Гестационным диабетом называется состояние, при котором наблюдается повышенный уровень сахара в крови в течение беременности [3].

Повышенный уровень сахара в крови (УСК) у матери приводит к повышенному трансферу глюкозы через плаценту и, как следствие, большей секреции инсулина плодом для компенсации глюкозной нагрузки, что является мощным фактором роста плода и приводит к макросомии плода [4]. В свою очередь, макросомия плода является существенным фактором осложнений при родах и развития перинатальных заболеваний плода, включая такие заболевания как неонатальная желтуха, кефалогематомы, церебральная ишемия, морфофункциональная незрелость и другие [5].

При этом было отмечено, что фактором риска ГСД может быть характер питания во время беременности [6], что говорит о высоком значении диеты при беременности, особенно в группах риска ГСД. Было показано, в частности, что применение диеты с низким гликемическим индексом может снизить необходимость введения инсулина для большинства пациенток [7]. Тем не менее, у лечащего врача достаточно мало времени, чтобы объяснить пациенткам основы правильного питания при риске ГСД, а отсутствие дистанционного мониторинга пациентов делает затруднительным контроль диеты у пациенток.

Одной из актуальных проблем здравоохранения, с которыми столкнулись многие страны, является нехватка медицинского персонала и загруженность лечебно-профилактических учреждений, высокая экономическая нагрузка на систему здравоохранения на обеспечение медицинской помощью людей с хроническими заболеваниями.

Особенно остро в России стоит вопрос обеспеченности в ряде регионов, где наблюдается нехватка специалистов и недостаточный уровень квалификации медицинских работников, в сравнении с эндокринологическими центрами. Система информационной поддержки могла бы повысить вероятность правильных решений по компенсации гликемии.

При лечении сахарного диабета большую трудность вызывает подборка программы компенсации гликемии, которая учитывала бы индивидуальные особенности течения заболевания у пациента. Проблема усложняется трудностями учета большого количества факторов, влияющих на уровень сахара в крови, и их взаимного влияния.

Ввиду сложного характера течения заболевания и его динамичной природы, обуславливающей высокую изменчивость гликемического профиля, традиционная методика лечения, предполагающая периодические визиты и лабораторные исследования в течение определенных промежутков времени с общим амбулаторным характером лечения, не обеспечивают своевременного вмешательства врача с целью внесения изменений в программу лечения. В особенности это актуально для больных с диагностированным сахарным диабетом, у которых, ввиду сопутствующих беременности гормональных изменений, наблюдается высокая изменчивость характера течения заболевания.

Применение системы мониторинга может решить эти и другие проблемы за счет возможности динамической оценки риска и своевременного предотвращения рисков гипогликемии и снижения частоты гипергликемических состояний.

1.2 Проблемы методического и информационного обеспечения системы информационной поддержки больных сахарным диабетом

При выполнении дистанционного мониторинга сахарного диабета и обеспечении информационной поддержки больного возникает целый ряд трудностей, обусловленных сложностью протекания и индивидуальным характером заболевания.

Современные подходы к мониторингу заболевания базируются на основе применяемых на практике технических средств мониторинга. На сегодняшний день существует два подхода к контролю уровня сахара в крови - точечные измерения уровня сахара в крови при помощи глюкометров (self-blood glucose monitoring - SBGM) и длительный мониторинг сахара в крови при помощи систем непрерывного мониторинга уровня сахара в крови (Continuous Glucose Monitoring Systems - CGMS) [8]. В первом случае точечные измерения проводятся несколько раз в течение дня (как правило, утром натощак, и через час после каждого приема пищи). При применении CGMS измерения уровня сахара поступают каждые 5 минут. Непрерывный мониторинг глюкозы показал высокую эффективность при достижении гликемических целей у пациентов с сахарным диабетом 1 типа (СД -1)

[9].

В соответствии с этим, можно выделить два подхода к выбору меры постоянства - шага работы системы. Процесс принятия решения может осуществляться в моменты поступления новой информации (например, ввод пациентом информации о приеме пищи), либо через определенные промежутки времени (например, пересчет прогнозируемого уровня сахара в крови каждые 5 минут в соответствии с поступившей за данный промежуток информацией).

Выработка рекомендаций пациенту должна основываться на достаточном количестве информации о текущем состоянии пациента, в которой ключевое значение играет информация об уровне сахара в крови. При этом важным является учет различных факторов, влияющих на уровень гликемии, которые могут быть как контролируемыми, так и неконтролируемыми.

Контролируемые факторы: приемы пищи, сон, физические нагрузки, прием лекарственных веществ. Влияние большинства факторов может иметь различный характер и до конца не изучено. Также существует целый ряд неконтролируемых факторов, таких как стресс, влияние которого может оказывать как положительный, так и отрицательный эффект на рост гликемии.

При оценке факторов различной природы необходимо учитывать значительные различия в скорости их влияния на уровень гликемии. Каждый фактор, как правило, имеет сложный динамический характер влияния на УСК, который может быть описан профилями действия. Важно также не забывать о том, что влияние многих факторов может быть скомпенсировано другими факторами, как, например, физическая нагрузка после еды снижает риск гипергликемии и наоборот. При этом, взаимное влияние различных факторов, как правило, нелинейно и требуется дополнительный учет возможного комплексного эффекта их на УСК.

На сегодняшний день не существует устоявшегося подхода к учету влияния различные факторов на динамику изменения сахара в крови. Существуют, например, работы, показавшие влияние на характер гликемической кривой состава микрофлоры желудка [10]. И поиск возможных связей между различными показателями и УСК продолжается в настоящее время многими учеными, пока не решена задача адекватного поддержания нормогликемии у больных СД.

Для успешного решения проблемы информационной поддержки больных сахарным диабетом необходимо в первую очередь иметь методическое и информационное обеспечение. Необходимы знания о динамике УСК, о влияющих на уровень гликемии факторах, включая поступление углеводов, физическую нагрузку, сон, и их адекватное описание в виде математической модели. Сегодня существуют различные модели, описывающие эти взаимодействия, основанные на теоретических закономерностях и экспериментальных исследованиях, но не существует на практике реализованных средств, позволяющих вырабатывать своевременные рекомендации на основе прогноза, вырабатываемого моделями. Необходимы методики, которые позволят в динамике учитывать изменение уровня

сахара в крови и по определенным законам выявлять и предупреждать опасные и неблагоприятные состояния, такие как гипогликемии, скачки УСК и долгое пребывание в гипергликемическом состоянии.

Большую значимость также имеет решение проблемы интерпретации данных, которая обусловлена задачей анализа большого количества информации. Собираемые данные должны иметь четкую согласованность с решаемыми задачами мониторинга.

Из-за сложности процессов, лежащих в формировании гомеостазиса глюкозы, традиционные методы анализа данных на основе линейных моделей и описательных характеристик, дают неудовлетворительный результат в прогнозировании глюкозы. Существующие разнообразные математические модели аналитического вида, как правило, имеют сложную структуру, включающую большое количество компонентов и фактически неприменимы на практике. Большое распространение в области информационных технологий и искусственного интеллекта получили модели, основанные на применении алгоритмов машинного обучения. При этом следует иметь в виду возможные ограничения, накладываемые на те или иные методы.

Кроме того, для прогнозирования рисков выхода уровня сахара в крови за рамки коридора оптимальных значений требуется разработка обобщенных количественных критериев оценки риска гипо- и гипергликемии. При этом, система должна оценивать достоверность прогноза гликемии и сопряженные с ошибкой прогнозирования риски.

Исходя из проведенного анализа проблемы информационной поддержки больных сахарным диабетом, можно сделать вывод о наличии большого числа проблем методического и информационного характера, сопровождающих разработку медицинской системы мониторинга.

1.3 Проблемы технического обеспечения системы мониторинга сахарного диабета

Для обеспечения дистанционного мониторинга необходимо обеспечить контроль ряда показателей для оценки состояния пациента с сахарным диабетом, наиболее существенным из которых является УСК. Контролю могут подвергаться другие показатели, включающие уровень артериального давления (АД), уровень физической активности, измеренный при помощи косвенных методов, например, при измерении частоты сердечных сокращений (ЧСС), уровень кетонурии и другие показатели, которые могут быть систематически измерены в ходе мониторинга.

Сюда также следует добавить измерения, проводимые, как правило в клинических условиях, в первую очередь, уровень гликированного гемоглобина HbAlC, показатели орального глюкозотолерантного теста (OGTT), анализа крови и др.

Для совместного анализа представленных данных необходимо применение сложной модели пациента, учитывающей взаимное влияние различных факторов в реальном масштабе времени.

Список литературы диссертационного исследования кандидат наук Пустозеров Евгений Анатольевич, 2017 год

СПИСОК ИСПОЛЬЗОВАННОЙ ЛИТЕРАТУРЫ

1. Desisto C.L., Kim S.Y., Sharma A.J. Prevalence Estimates of Gestational Diabetes Mellitus in the United States, Pregnancy Risk Assessment Monitoring System (PRAMS), 2007-2010 // Preventing Chronic Diseases, Vol. 14, June 2014. pp. 1-9.

I. Ignell C. Gestational diabetes mellitus - prevalence in southern Sweden and risk factors for subsequent diabetes. Lund: Lund University, 2015. 77 pp.

3. World Health Organization. Global report on diabetes, Geneva, ISBN 978 92 4 156525 7, 2016. 88 pp.

4. Hernandez T.L., Barbour L.A. A standard approach to continuous glucose monitor data in pregnancy for the study of fetal growth and infant outcomes // Diabetes Technology & Therapeutics, Vol. 15, No. 2, February 2013. pp. 172-179.

5. Ляличкина Н.А., Макарова Т.В., Салямова Л.Ш. Макросомия плода. Акушерские и перинатальные исходы // Современные проблемы науки и образования, № 3, 2016.

6. Ramos-Levi A.M., Perez-Ferre N., Fernandez D.M. et al. Risk Factors for Gestational Diabetes Mellitusin a Large Population of Women Living in Spain: Implications for Preventative Strategies // International Journal of Endocrinology , 2012. pp. 1-9.

7. Moses R.G., BarkerM., Winter M. et al. Can a Low-Glycemic Index Diet Reduce the Need for Insulin in Gestational Diabetes Mellitus? // Diabetes Care, Vol. 6, No. 32, June 2009. pp. 996-1000.

8. The effect of continuous subcutaneous glucose monitoring (CGMS) versus intermittent whole blood finger-stick glucose monitoring (SBGM) on hemoglobin A1c (HBA1c) levels in Type I diabetic patients: A systematic review // Diabetes Research and Clinical Practice, Vol. 81, No. 1, July 2008. pp. 79-87.

9. Salardi S., Zucchini S., Sontoni R. et al. The Glucose Area Under the Profiles Obtained With Continuous Glucose Monitoring System Relationships With HbAlc in Pediatric Type 1 Diabetic Patients // Diabetes Care, Vol. 10, No. 25, October 2002. pp. 1840-1844.

10. Zeevi D., Korem T., Zmora N., et al. Personalized Nutrition by Prediction of Glycemic Responses // Cell, No. 163, November 2015. pp. 1079-1094.

11. Klonoff D.C. Cybersecurity for connected diabetes devices // Journal of Diabetes Science and Technology, Vol. 9, No. 5, April 2015. pp. 1143-1147.

12. Федеральный закон "О персональных данных" от 27.07.2006 N 152-ФЗ (последняя редакция) // Официальный интернет-портал правовой информации. Государственная система правовой информации. 2006. URL: Федеральный закон "О персональных данных" от 27.07.2006 N 152-ФЗ (последняя редакция) (дата обращения: 28.Август.2017).

13. Pustozerov E. The Development of Software for Health Related Apps Evaluation // Materialien zum wissenschaftlichen Seminar der Stipendiaten der Programme «Michail Lomonosov» und «Immanuel Kant» 2015/2016. 2017. No. 12. P. 118-125.

14. Pustozerov E., von Jan U., Albrecht U.V. Evaluation of mHealth Applications Security Based on Application Permissions // Studies in Health Technology and Informatics, No. 226, 2016. pp. 241-244.

15. Pustozerov E., von Jan U., Albrecht U.V. Evaluation of mHealth Applications Quality Based on User Ratings // Studies in Health Technology and Informatics, No. 226, 2016. pp. 237-240.

16. Пустозеров Е.А. Мобильные приложения самоконтроля диабета // 66-я научно-техническая конференция профессорско-преподавательского состава СПБГЭТУ «ЛЭТИ». Сборник докладов студентов, аспирантов и молодых ученых. Санкт-Петербург. 2013. С. 228-231.

17. Пустозеров Е.А. Мобильные телемедицинские системы для наблюдения за больными сахарным диабетом // Инженерный вестник Дона, Вып. 32, №4-2, 2014. С. 32-40.

18. Пустозеров Е.А., Юлдашев З.М. Телемедицинская система оценки риска заболевания сахарным диабетом // Биомедицинская радиоэлектроника, №5, 2011. С. 61-65.

19. Пустозеров Е.А. Переносное устройство для мониторинга состояния больного сахарным диабетом // Международная конференция по мягким вычислениям и измерениям SCM-2011. Сборник докладов. Санкт-Петербург. 2011. Вып. 2. С. 105-107.

20. Карпельев В.А., Филиппов Ю.И., Тарасов Ю.В. и др. Математическое моделирование системы регуляции гликемии у пациентов с сахарным диабетом // Актуальные вопросы эндокринологии, Вып. 70, №5, 2015. С. 549-560.

21. Oviedo S., Vehi J., Calm R., Armengol J. A review of personalized blood glucose prediction strategies for T1DM patients // International Journal for Numerical Methods in Biomedical Engineering, Vol. 33, No. 8, August 2017. P. 34.

22. Bergman R.N. Toward physiological understanding of glucose tolerance // Diabetes, Vol. 38, No. 12, December 1989. pp. 1512-1527.

23. Poulsen J.U. DIAdvisor. Personal Glucose Predictive Diabetes Advisor, Novo Nordisk A/S , Final Publishable Sumary Report 216592, 2012.

24. Cescon M. Linear Modeling and Prediction in Diabetes Physiology, Department of Automatic Control, Lund University, Lund, Licentiate thesis ISSN: 0280-5316, 2011. [Online]. http://lup.lub.lu.se/record/1982458 214 pp.

25. Cescon M. Modeling and Prediction in Diabetes Physiology, Lund University, Lund, PhD Thesis 2013.

26. Cichosz S.L., Frystyk J., Hejlesen O.K. A Novel Algorithm for Prediction and Detection of Hypoglycemia Based on Continuous Glucose Monitoring and Heart

Rate Variability in Patients With Type 1 Diabetes // Journal of Diabetes Science and Technology, Vol. 4, No. 8, March 2014. pp. 732-737.

27. Eren-Oruklu M., Cinar A., Quinn L. Hypoglycemia prediction with subject-specific recursive time-series models // Journal of Diabetes Science and Technology, Vol. 4, No. 1, January 2010. pp. 25-33.

28. Fredrik S. Diabetes Mellitus Glucose Prediction by Linear and Bayesian Ensemble Modeling, Department of Automatic Control, Lund University, Lund, Thesis 2012. [Online]. http ://lup. lub. lu. se/record/3242077 126 pp.

29. Wang Y., Wei F., Sun C. et al. The Research of Improved Grey GM (1, 1) Model to Predict the Postprandial Glucose in Type 2 Diabetes // BioMed Research International, Apr 2016. pp. 1-6.

30. Sun X., Yu X., Liu J., Wang H. Glucose prediction for type 1 diabetes using KLMS algorithm // Control Conference (CCC). 2017. Vol. 36. pp. Dalian, China.

31. Wang Q., Molenaar P., Harsh S. Personalized State-space Modeling of Glucose Dynamics for Type 1 Diabetes Using Continuously Monitored Glucose, Insulin Dose, and Meal Intake // Journal of Diabetes Science and Technology, Vol. 2, No. 8, March 2004.

32. Pappada S.M., Cameron B.D., Rosman P.M. Development of a Neural Network for Prediction of Glucose Concentration in Type 1 Diabetes Patients // Journal of Diabetes Science and Technology, Vol. 5, No. 2, September 2008. pp. 792-801.

33. Трофимов А.Г., Повидало И.С., Чернецов С.А. Использование самообучающихся нейронных сетей для идентификации уровня глюкозы в крови больных сахарным диабетом 1 го типа // Наука и образование, №5, Май 2010.

34. Plis K., Bunescu R.C., Marling C.R., Shubrook J. et al. A machine learning approach to predicting blood glucose levels for diabetes management // AAAI Workshop: Modern Artificial Intelligence for Health Analytics, No. 31, February 2014. pp. 35-39.

35. Wang Y., Wu X., Mo X. A Novel Adaptive-Weighted-Average Framework for Blood Glucose Prediction // Diabetes Technology & Therapeutics, No. 15, November 2013. pp. 792-801.

36. Пустозеров Е.А., Юлдашев З.М. Система mHealth для информационной поддержки больного сахарным диабетом // Биотехносфера, №1 (25), 2013. С. 39-44.

37. Пустозеров Е.А., Юлдашев З.М. Метод и система для информационной поддержки пациента - больного сахарным диабетом // Биомедицинская радиоэлектроника, №11, 2013. С. 16-20.

38. Пустозеров Е.А., Юлдашев З.М. Модель и метод оценки расходуемой пациентом энергии для контроля метаболического баланса организма // Биотехносфера, №4 (40), 2015. С. 21-24.

39. Богдан Е.В., Пустозеров Е.А. Разработка портативной системы для оценки интенсивности физических нагрузок по показателям пульсовой волны // IV научно-техническая конференция с международным участием «Наука настоящего и будущего». Сборник материалов. Санкт-Петербург. 2016. С. 161-163.

40. Богдан Е.В., Пустозеров Е.А. Разработка портативной системы для оценки интенсивности физических нагрузок по показателям пульсовой волны // 71-я всероссийская научно-техническая конференция, посвященная Дню радио. Труды конференции. Санкт-Петербург. 2016. С. 393-394.

41. Юлдашев З.М., Пустозеров Е.А., Анисимов А.А. Многоуровневая интеллектуальная система удаленного мониторинга состояния здоровья людей с хроническими заболеваниями // Биотехносфера, №43, 2016. С. 2-8.

42. Anisimov A., Pustozerov E., Yuldashev Z. Intelligent remote health monitoring system for patients with chronic diseases // Proceeding of the 12th Russian-German Conference on Biomedical Engineering RGC-2016. Suzdal. 2016. pp. 1822.

43. Пустозеров Е.А., Анисимов А.А., Юлдашев З.М. Телемедицинская система удаленного мониторинга состояния здоровья людей с хроническими заболеваниями // XII международная научная конференция "Физика и радиоэлектроника в медицине и экологии - ФРЭМЭ-2016". Суздаль. 2016. С. 88-92.

44. Pustozerov E. Mobile Information Support System for Diabetes Patients // Scientific symposium on sensors and sensor networks: Sense. Enable. SPITSE. Ilmenau, Germany. 2014.

45. Пустозеров Е.А. Разработка информационной системы поддержки больных сахарным диабетом для индивидуального пользования // 67-я научно-техническая конференция, посвященная Дню радио. Труды конференции. Санкт-Петербург. 2012. С. 287-288.

46. Пустозеров Е.А., Юлдашев З.М. Система мониторинга и прогнозирования течения диабета на основе моделей динамического баланса метаболизма глюкозы и энергии // Вестник аритмологии: сборник тезисов XI международного конгресса «КАРДИОСТИМ». Санкт-Петербург. 2014. С. 241.

47. Сенкевич Ю.И., Пустозеров Е.А., Глазова А.Ю., Криволапов М.С., Яфаров А.З. Мобильный автономный прибор мониторинга состояния человека в экстремальных погодно-климатических условиях, Патент 154760, Октябрь 10, 2014.

48. Под ред. И. М. Скурихина МНВ, editor. Химический состав блюд и кулинарных изделий. М.: Журн. агентство "Гласность", 1994. 463 pp.

49. Скурихин И.М. Таблицы химического состава и калорийности российских продуктов питания. М.: ДеЛи принт, 2007. С. 275.

50. Тутельян В.А. Химический состав и калорийность российских продуктов питания. М.: ДеЛи плюс, 2012. С. 284.

51. US Department of Agriculture, Agricultural Research Service, Nutrient Data Laboratory. USDA National Nutrient Database for Standard Reference, Release 28. 2016.

52. Louie J.C.Y., Flood V., Turner N. et al. Methodology for adding glycemic index values to 24 hour recalls // Nutrition, Vol. 1, No. 27, January 2011. pp. 59-64.

53. Пустозеров Е.А. Индивидуализированная модель гликемической кривой у больных сахарным диабетом // 69-я научно-техническая конференция, посвященная Дню радио. Труды конференции. Санкт-Петербург. 2014. С. 367-369.

54. The MathWorks. MATLAB and Statistics Toolbox Release 2016b. Natick, Nassachusetts. 2016.

55. R Core Team. A language and environment for statistical computing. Vienna. 2017.

56. Allison D.B., Paultre F., Maggio C. et al. The Use of Areas Under Curves in Diabetes Research // Diabetes Care, Vol. 2, No. 18, February 1995. pp. 245-250.

57. Пустозеров Е.А., Юлдашев З.М. Дистанционный мониторинг состояния больных сахарным диабетом // Медицинская техника, No. 2, 2014. pp. 15-18.

58. Wang J., Wang F., Liu Y. et al. Multiple linear regression and artificial neural network to predict blood glucose in overweight patients // Experimental and Clinical Endocrinology & Diabetes, Vol. 2, No. 124, January 2016. pp. 34-38.

59. Balakrishnan N., Rangaiah , Samavedham L. Personalized blood glucose models for exercise, meal and insulin interventions in type 1 diabetic children // 34th Annual International Conference of the IEEE EMBS. San Diego, California USA. 2012. pp. 1250-1253.

60. Пустозеров Е.А. Моделирование гликемической кривой // 64 -я научно-техническая конференция профессорско-преподавательского состава СПбГЭТУ «ЛЭТИ». Сборник докладов студентов, аспирантов и молодых ученых. Санкт-Петербург. 2011. С. 235-241.

61. Пустозеров Е.А. Система сбора и анализа медицинской информации больных сахарным диабетом // Всероссийская научно-техническая конференция студентов, молодых ученых и специалистов «Биотехнические, медицинские и экологические системы и комплексы» («БИОМЕДСИСТЕМЫ - 2011»). Материалы конференции. Рязань. 2012. Вып. 2. С. 112-115.

62. Пустозеров Е.А. Мобильная система информационной поддержки больного сахарным диабетом // Актуальные вопросы биомедицинской инженерии. Сборник материалов Всероссийской молодежной научной конференции. Саратов. 2013. С. 170-176.

63. Пустозеров Е.А. Математическая модель гомеостаза глюкозы // 68 -я научно-техническая конференция, посвященная Дню радио. Труды конференции. Санкт-Петербург. 2013. С. 352-353.

64. Пустозеров Е.А. Динамическая модель гомеостазиса глюкозы // III Всероссийская молодежная школа-семинар «Инновации и перспективы медицинских информационных систем». Тезисы трудов. Таганрог. 2013. С. 156-158.

65. Breiman L. Random Forest // Machine Learning, Vol. 1, No. 45, 2001. pp. 5-32.

66. Quinlan J.R. C4.5: Programs for Machine Learning. San Mateo: Morgan Kaufmann Publishers Inc., 1993. 302 pp.

67. Хайрбаева Л.М., Пустозеров Е.А., Попова П.В. и др. Применение регрессионной модели для прогнозирования гликемии у больных гестационным сахарным диабетом // V научно-практическая конференция с международным участием «Наука настоящего и будущего». Сборник материалов. Санкт-Петербург. 2016. С. 299-301.

68. Tibshirani R. Regression Shrinkage and Selection via the lasso // Journal of the Royal Statistical Society. Series B (methodological). 1996. Vol. 1. No. 58. pp. 267-288.

69. Hoerl A.E. Application of ridge analysis to regression problem // Chemical Engineering Progress, Vol. 3, No. 58, 1958. pp. 54-59.

70. Zou H., Trevor H. Regularization and Variable Selection via the Elastic Net // Journal of the Royal Statistical Society, Series B, Vol. 2, No. 67, April 2005. pp. 301-320.

71. Efron B., Hastie T., Johnstone I., Tibshirani R. Least Angle Regression // Annals of Statistics, Vol. 2, No. 32, 2004. pp. 407-499.

72. Пустозеров Е.А., Хайрбаева Л.М., Болотько Я.А. и др. Оценка влияния характеристик питания на постпрандиальный уровень гликемии у пациенток с гестационным сахарным диабетом на основе линейной регрессионной модели // 72-я всероссийская научно-техническая конференция, посвященная Дню радио. 20-28 апреля 2017 г. Труды конференции. Санкт-Петербург. Апрель 2017. С. 492-493.

73. Perez-Gandia C., Facchinetti A., Sparacino G. et al. Artificial Neural Network Algorithm for Online Glucose Prediction from Continuous Glucose Monitoring // Diabetes Technology and Therapeutics, Vol. 1, No. 12, 2010. С. 81-89.

74. Пустозеров Е.А. Метод и система для контроля и управления содержанием сахара в крови // Вестник аритмологии. Труды 9 Международного славянского конгресса по электростимуляции и клинической электрофизиологии сердца «КАРДИОСТИМ». Санкт-Петербург. 2010. С. 175.

75. Пустозеров Е.А. Метод и система для контроля и управления уровнем сахара в крови // 65-я научно-техническая конференция, посвященная Дню радио. Труды конференции. Санкт-Петербург. 2010. С. 326-327.

76. Пустозеров Е.А. Разработка алгоритма для прогнозирования значений уровня гликемии // 66-я научно-техническая конференция, посвященная Дню радио. Труды конференции. Санкт-Петебург. 2011. С. 370-371.

77. Пустозеров Е.А., Юлдашев З.М. Алгоритмы расчета оптимальных доз инсулина для больных сахарным диабетом 1 и 2 типа // Вестник аритмологии: тезисы докладов X Международного славянского Конгресса по электростимуляции и клинической электрофизиологии сердца «КАРДИОСТИМ». Санкт-Петербург. 2012. С. 129.

78. Пустозеров Е.А. Разработка метода и системы для автоматического контроля и управления уровнем сахара в крови // Сборник трудов молодых ученых «Всероссийская научная школа по биомедицинской инженерии» БМИ-2009.

2009. С. 233-241.

79. Пустозеров Е.А. Алгоритм расчета компенсаторных доз инсулина и модифицированный болюс-калькулятор для системы автоматизированного управления уровнем сахара в крови // Сборник трудов молодых ученых «Всероссийская научная школа по биомедицинской инженерии» БМИ-2010.

2010. С. 233-241.

80. Пустозеров Е.А. Разработка метода и системы для контроля и управления уровнем сахара в крови // 63-я научно-техническая конференция профессорско-преподавательского состава СПБГЭТУ «ЛЭТИ». Сборник докладов студентов, аспирантов и молодых ученых. Санкт-Петербург. 2010. С. 244-248.

81. Li J., Fernando C. Smartphone-based personalized blood glucose prediction // ICT Express, Vol. 2, No. 4, December 2016. pp. 150-154.

82. Пустозеров Е.А. Оценка эффективности диеты пациентов с гестационным сахарным диабетом с применением электронных дневников наблюдения и системы непрерывного мониторинга гликемии // 71 -я всероссийская научно-техническая конференция, посвященная Дню радио. Труды конференции. Санкт-Петербург. 2016. С. 416-418.

83. Pustozerov E. Mobile telemedicine system for distant monitoring of diabetes outpatients // X Russian-German conference on biomedical engineering. Saint Petersburg. 2014. pp. 223-224.

84. Пустозеров Е.А. Автоматизированная система сбора данных и мониторинга состояния беременных с гестационным сахарным диабетом // XXVIII Всероссийская научно-техническая конференция студентов, молодых ученых и специалистов «Биотехнические, медицинские и экологические системы и комплексы (БИОМЕДСИСТЕМЫ - 2015)». Материалы конференции. Рязань. 2015. С. 262-265.

85. Пустозеров Е.А., Юлдашев З.М. Мобильное приложение информационной поддержки больного сахарным диабетом diaCompanion (diaCompanion), Свидетельство о государственной регистрации программы для ЭВМ 2013617246, Август 6, 2013.

86. Пустозеров Е.А. Система для самоконтроля и информационной поддержки больного сахарным диабетом // 68-я научно-техническая конференция, посвященная Дню радио. Труды конференции. Санкт-Петербург. 2013. С. 350-352.

87. Пустозеров Е.А., Попова П.В., Болотько Я.О., Юлдашев З.М. Программный комплекс для автоматизированной обработки сигналов CGMS и электронных дневников наблюдения // Биомедицинская радиоэлектроника, No. 8, 2016. С. 38-43.

88. Python S. Foundation. Python Language Reference, version 2.7. Amsterdam, Netherlands. 2017.

89. Юлдашев З.М., Шаповалов В.В., Янковская В.С., Яфаров А.З., Пустозеров Е.А. Программа автоматизированного скрининга заболеваемости сахарным диабетом взрослого (АКДО - Диабет), Свидетельство о государственной регистрации программы для ЭВМ 2011614050, Май 25, 2011.

90. Малыгин В.Д., Кузнецов П.В., Пустозеров Е.А. Применение системы распознавания речи для сбора данных о течении заболевания // Юбилейная 70-я всероссийская научно-техническая конференция, посвященная Дню радио. Труды конференции. Санкт-Петербург. 2015. Vol. 2. С. 117-119.

91. Пустозеров Е.А., Попова П.В., Юлдашев З.М. Система для удаленного наблюдения за больными гестационным сахарным диабетом // Трансляционная медицина. Тезисы. Юбилейная научная сессия «От трансляционных исследований - к инновациям в медицине». Санкт-Петербург. 2014. С. 91-92.

92. Пустозеров Е.А., Попова П.В. Применение мобильных технологий для мониторинга беременных с гестационным сахарным диабетом // Применение мобильных технологий для мониторинга беременных с гестационным сахарным диабетом. Вестник аритмологии: сборник тезисов XII международного конгресса «КАРДИОСТИМ». Санкт-Петербург. 2016. С. 225, 266.

93. Пустозеров Е.А., Попова П.В., Ткачук А.С. и др. Применение мобильного приложения с дневником наблюдения в клинической практике лечения гестационного сахарного диабета // Проблемы эндокринологии. Москва. 2016. Vol. 62 №5. С. 32-33.

94. Pustozerov E., Popova P., Bolotko Y. et al. Remote monitoring of diet for patients with gestational diabetes using a specialized mobile app diary // Diabetes Technology & Therapeutics. Paris, France. 2017. Vol. 19 (S1). pp. A-94.

95. Попова П.В., Ткачук А.С., Пустозеров Е.А. и др. Параметры образа жизни и риск гестационного сахарного диабета: что можно изменить? // Сахарный диабет,Вып 20, №1, 2017. С. 85-92.

96. Ткачук А.С., Васильева Л.Б., Пустозеров Е.А. и др. Изменение экспрессии гена, кодирующего глюкокортикоидный рецептор, в эндотелиальных клетках пупочной вены при гестационном сахарном диабете //

Всероссийская научно-практическая конференция с международным участием "Актуальные проблемы эндокринологии". Тезисы. Санкт-Петербург. 2017. С. 18.

97. Tkachuk A., Vasileva L., Pustozerov E. et al. Measurement of GLUT4 gene expression in human umbilical vein endothelial cells at gestational diabetes mellitus // 5th ENEA workshop Hyperprolactinemia and other endocrine causes of infertility. Abstracts. Saint Petersburg. 2017. pp. 67-68.

98. Popova P., Vasilieva L., Pustozerov E. et al. Expression of leptin receptor gene in HUVECs related to degree and duration of intrauterine hyperglycaemia // Diabetodologia. 60 (Suppl 1). Abstracts of the 53rd Annual Meeting of the EASD. Lisbon. 2017. P. 278.

99. Пустозеров Е.А., Попова П.В., Ткачук А.С. и др. Влияние синдрома поликистозных яичников на гликемический ответ у пациенток с гестационным сахарным диабетом и с нормальной толерантностью к глюкозе // Всероссийская научно-практическая конференция с международным участием "Актуальные проблемы эндокринологии". Тезисы. Санкт-Петербург. 2017. P. 4.

100. Pustozerov E., Popova P., Bolotko Y. et al. Evaluation of relationship between postprandial blood glucose curve and food intake characteristics in gestational diabetes patients // 5th ENEA workshop Hyperprolactinemia and other endocrine causes of infertility. Abstracts. Saint Petersburg. 2017. pp. 5-6.

101. Пустозеров Е.А., Попова П.В. Мобильное приложение для оценки пищевого рациона и профиля гликемии: возможности и перспективы // Трансляционная медицина. Тезисы. Всероссийская конференция с международным участием «Командный подход в современной эндокринологии». Санкт-Петербург. 2016. С. 43.

ПРИЛОЖЕНИЕ А. ДАННЫЕ НЕДЕЛЬНОГО МОНИТОРОВАНИЯ ССМ8 ДЛЯ НЕКОТОРЫХ ИСПЫТУЕМЫХ

о E E

ф

>

cd (л О О

о)

тз о _о

m

10-

8-

6-

4-

03:00

03:00

03:00

125-

100 -

(л

Е 2

о) 75-

(л (л

го Е

TD О О

50-

25-

03:00

03:00

03:00

variable

carbo I fat prot

о Е Е

ш

>

ф

(Л

о о

о)

TD О _о

m

8-

6-

4-

<п <л га

Е

TD О О

125-

100-

Е 2

о) 75-

50-

25-

1 1 I i

J 1 ? 1 ) 1 i i I ■ I i ' ■ 1 || 1 i i

1 i i i i

i \ i 1 i¡ i i i

J \ A J 1 t 1 At i i » rv. л

(MiVyin\ / V*1 IV Г ' 1 nil t иъ M

у t J V I 1 1 t 1 V -i i jl 1 ii I J i 1 M \ I1

i i i

1 J i i

03:00

03:00

03:00

03:00

Day time

о-

03:00

03:00

03:00

variable

carbo J fat prot

о Е Е

ф >

ф

<л

о о

CT» ■CT

о _о

m

ю-

8-

6-

4-

04:00

04:00

(л

Е

га CT)

U)

<л га

Е

■ст

о о

125-

100-

75-

50-

25-

1 i J 1 1 II 1 Î ? 1 1 -1 4 ! ! ) 1 1 1 !

1 1 ! 1 1 1 i i ! !

i i ii 1 ! |¡ i ! i i i ! !

i \ i ■ ' * Л ¡A i i 1 i i 1 i ft

i i I iL 1 ЧИП j ■ л г w * л Ш if p. il \ 1 I ^Sl J-nn J

wKo ? Г 1 V\Jr i ! ! ! ¡ i 1 1 7 ! ñi 1 ч 1 1 1 1

i i 1 1 i ¡

1 i i 1 ! 1 I1

04:00

Day time

04:00

04:00

04:00

variable

carbo I fat prot

Ml I

о Е £

ф

>

ф

ф со о о

О) ■о

о о

m

6-

4-

125 ■

100-

(Л

Е 2

О) 75-<л

(Л

га

Е 50-

тз о о

Day time

variable

carbo

fat prot

i

1

1 1 1

13:00 13:00 13:00 13:00

Day time

09:00

09:00

125-

(Л

Е го

L—

О)

(Л (Л

го

Е

"Ö о о

100 ■

75-

50-

25-

0-

I

I

09:00

I :¡ !

09:00

09:00

variable

carbo I fat prot

I I

125-

E

та i_

О)

</> In ro E

T3

о о

100-

75-

50-

25-

ü

i i -i i

i i |l II I1 1 'l i i 1 1

i i i i i i 1 1

i i 1 |l J i i 1 1 1

i l| I1 i 'Л и 1

Н.У1 i П A 1

i i i |l il i 1 1 1 1

i i i 1 1 1 1 1

1 1

10:00 Day time

10:00

10:00

10:00

variable

carbo I fat prot

о E E

ф

>

_ф

ф

о о

О)

тз о

JD

m

ю-

8-

6-

4-

125-

100 -

(Л £ 2

О) 75-

(fl (/) га Е

тз о о

50-

25-

12:00

12:00

12:00 Day time

L I t i

12:00

!. I

12:00

12:00

variable

carbo

fat

prot

I

1

1 i 1 1

125-

100-

сл

Е

га

о) 75-w

(Л

га

Е 50-

тз о о

^ 25-

0-

I I

) ) ) ii i I

! ,¡ I 08:00 Day time

08:00

08:00

08:00

variable

carbo

1 fat

prot

1 1 1

08:00 08:00 08:00 08:00 Day time

ф > ф ф

(Л

о о

О)

~и

о о

со

8-

6-

4-

04:00

04:00

04:00

125-

со