Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Predicting blood glucose levels for a type I diabetes patient by combination of autoregressive with one compartment open model

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216208%3A11130%2F17%3A10373946" target="_blank" >RIV/00216208:11130/17:10373946 - isvavai.cz</a>

  • Nalezeny alternativní kódy

    RIV/00064203:_____/17:10373946

  • Výsledek na webu

    <a href="https://doi.org/10.1007/978-981-10-5122-7_193" target="_blank" >https://doi.org/10.1007/978-981-10-5122-7_193</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.1007/978-981-10-5122-7_193" target="_blank" >10.1007/978-981-10-5122-7_193</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Predicting blood glucose levels for a type I diabetes patient by combination of autoregressive with one compartment open model

  • Popis výsledku v původním jazyce

    Preventing complications in diabetes as well as support physicians and patients to treat the disease optimally, prediction of blood glucose levels is essential. In the most common treatment of type I diabetes, the diabetic measures the blood glucose level daily, based on which a proper dosage can be determined. Additionally, there are several other factors that affect the blood glucose concentration, such as carbohydrate intake and level of exercise. One of the main challenges is to make accurate long term predictions. Autoregressive models in combination with compartment models for estimating the insulin concentration can be determined as the first approach to this purpose. This paper provides a snapshot of the state-of-the-art for the model predictor, testing the results and comparing them with results from short-term prediction. (C) Springer Nature Singapore Pte Ltd. 2018.

  • Název v anglickém jazyce

    Predicting blood glucose levels for a type I diabetes patient by combination of autoregressive with one compartment open model

  • Popis výsledku anglicky

    Preventing complications in diabetes as well as support physicians and patients to treat the disease optimally, prediction of blood glucose levels is essential. In the most common treatment of type I diabetes, the diabetic measures the blood glucose level daily, based on which a proper dosage can be determined. Additionally, there are several other factors that affect the blood glucose concentration, such as carbohydrate intake and level of exercise. One of the main challenges is to make accurate long term predictions. Autoregressive models in combination with compartment models for estimating the insulin concentration can be determined as the first approach to this purpose. This paper provides a snapshot of the state-of-the-art for the model predictor, testing the results and comparing them with results from short-term prediction. (C) Springer Nature Singapore Pte Ltd. 2018.

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

  • OECD FORD obor

    30202 - Endocrinology and metabolism (including diabetes, hormones)

Návaznosti výsledku

  • Projekt

  • Návaznosti

    I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Ostatní

  • Rok uplatnění

    2017

  • Kód důvěrnosti údajů

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Údaje specifické pro druh výsledku

  • Název statě ve sborníku

    IFMBE Proceedings

  • ISBN

    978-981-10-5122-7

  • ISSN

    1433-9277

  • e-ISSN

    neuvedeno

  • Počet stran výsledku

    4

  • Strana od-do

    771-774

  • Název nakladatele

    Springer Verlag

  • Místo vydání

    Singapore

  • Místo konání akce

    Tampere

  • Datum konání akce

    11. 6. 2017

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku