111
100

Dextrosol och Dödsångest – Hypoglykemier, Hypoteser och HypoAlgoritmer Passed

Tuesday August 25, 2020 14:30 - 15:00 Kliniska beslutstöd

Lecturer: Daniel Espes

Typ 1 diabetes är den vanligaste kroniska sjukdomen bland barn i Sverige och varje år insjuknar 800 barn enbart i Sverige. Sjukdomen utvecklas till följd av att kroppens eget immunförsvar angriper och förstör de celler som producerar det blodsockersänkande hormonet insulin. På grund av det kan man inte längre reglera sitt blodsocker och är helt beroende av insulin tillfört via sprutor eller en pump för att överleva. Doseringen av insulin är en balansgång då för höga doser resulterar i låga blodsockervärden (hypoglykemier) som i värsta fall kan leda till koma och död. Förhöjda blodsockervärden (hyperglykemier) har å andra sidan en direkt negativa inverkan på välbefinnande och ökar drastiskt risken för långtidskomplikationer som blindhet, njursvikt och hjärt-kärl sjukdomar. För att kunna styra behandlingen krävs upprepade blodsockermätningar. På senare år har tekniken för kontinuerliga blodsockermätare (CGM/FGM) utvecklats snabbt och de flesta med typ 1 diabetes använder nu sådana hjälpmedel. Med hjälp av dessa mäts sockernivåer i underhudsfettet mellan 4-12 gånger per timme. Det är en stor hjälp för den enskilde och har även öppnat upp för en mer noggrann styrning av blodsockervärden och ett förbättrat underlag för hälso- och sjukvården när det gäller råd kring insulinbehandling. Däremot innebär den drastiskt ökade datamängden en praktisk utmaning för både den enskilde användaren och hälso- och sjukvården eftersom det idag saknas automatiserade tolkningsverktyg. Vid ett normalt besök på en diabetesmottagning finns ofta upp mot 50 000 nya blodsockervärden att bedöma sedan det senaste besöket. Vi arbetar nu med att optimera analysen av kontinuerliga blodsockervärden med i första hand fokus på att identifiera hypoglykemier som kan vara direkt livshotande. De facto har tidigare studier visat att hypoglykemier är den bakomliggande orsaken till ca 10% av alla dödsfall bland personer med typ 1 diabetes. Utöver att identifiera alla hypoglykemier har vi byggt en algoritm som kan diagnostisera den bakomliggande orsaken till dessa, vilket är ett ovärderligt stöd för att ge korrekta behandlingsrekommendationer.

Språk

Svenska

Subject

Vårdtjänster

Föreläsningssyfte

Inspiration

Nivå

Introduktion

Målgrupp

Chef/Beslutsfattare, Politiker, Tekniker/IT/Utvecklare, Forskare (även studerande), Vårdpersonal, Patientorganisationer/Brukarorganisationer

Nyckelord

Exempel från verkligheten, Innovativ/forskning, Test/validering, Patientsäkerhet

Seminarietyp

Inspelad föreläsning

Lecturers

100

Daniel Espes Lecturer

Specialistläkare, Docent
Akademiska Sjukhuset

Daniel Espes är Specialistläkare vid Akademiska Sjukhuset samt Docent vid Uppsala Universitet och forskar på typ 1 diabetes. Espes är främst inriktad på att utveckla och pröva nya terapier för typ 1 diabetes med målet att identifiera ett botemedel för sjukdomen. Han arbetar aktivt med ett flertal kliniska och experimentella studier som omfattar allt från stamceller, transplantationer och nya läkemedel till utvecklandet av nya funktionsavbildnings-tekniker. Dessutom arbetar Espes med att utveckla digitala beslutsstöd baserat på machine learning algoritmer för att förbättra vården för alla med insulinbehandlad diabetes.