Download PDF
Diabetes aktuell 2020; 18(07): 262-266
DOI: 10.1055/a-1284-4415
Gesellschaft
VDBD
Der Verband der Diabetes-Beratungsund Schulungsberufe in Deutschland informiert

Digitalisierung im Therapiealltag: Softwarelösungen für das kontinuierliche Glukosemonitoring

Andreas Thomas
,
Claudia Sahm
› Further Information
Also available at
    Permissions and Reprints

Seit 2005 hat sich das kontinuierliche Glukosemonitoring mit Anzeige der aktuellen Glukosewerte (rtCGM: Real-Time Continuous Glucose Monitoring – im Weiteren wird nur CGM angegeben) etabliert. Es dient der Therapieunterstützung von Diabetespatienten, zunehmend aber auch der Therapiesteuerung von Systemen zur automatisierten Insulindosierung. Im Therapiealltag der Patienten bedeutet das, dass sie jederzeit die Information über die vorliegenden Glukosekonzentration und den Glukosetrend einsehen können, um ihre Therapie zu managen. Für die Diabetesteams stellt die Analyse und Beurteilung der Datenfülle eine Herausforderung dar, die eine Auswertesoftware unabdingbar macht.



Publication History

Article published online:
20 November 2020

© 2020. Thieme. All rights reserved.

Georg Thieme Verlag KG
Rüdigerstraße 14, 70469 Stuttgart, Germany

 

  • Literatur

  • 1 Gemeinsamer Bundesausschuss. Beschluss des Gemeinsamen Bundesausschusses über eine Änderung der Richtlinie Methoden vertragsärztliche Versorgung: Kontinuierliche interstitielle Glukosemessung mit Real-Time-Messgeräten (rtCGM) zur Therapiesteuerung bei Patientinnen und Patienten mit insulinpflichtigem Diabetes mellitus (16.06.2016). Im Internet https://www.kbv.de/media/sp/2016_06_16_RMvV_20_anerkannt_rtCGM_BAnz.pdf DOI: Stand: 05.11.2020
    Crossref
  • 2 Danne T, Kordonouri O, Thomas A. Konzept und Aufbau eines artifiziellen Pankreas (Closed-Loop-System). Diabetes, Stoffwechsel und Herz 2014; 23: 27-36
    Google Scholar
  • 3 Thomas A. Künstliche Intelligenz als Entscheidungshilfe. Diabeteszeitung 2020; 5 (04) 22 April 2020: 14
    Google Scholar
  • 4 DECODE Study Group. Glucose tolerance and mortality: comparison of WHO and American Diabetes Association diagnostic criteria. Lancet 1999; 354: 617-621
    CrossrefPubMedGoogle Scholar
  • 5 DECODE Study Group, European Diabetes Epidemiology Group. Is the current definition for diabetes relevant to mortality risk from all causes and cardiovascular and noncardiovascular diseases?. Diabetes Care 2003; 26: 688-696 DOI: doi:10.2337/diacare.26.3.688.
    CrossrefPubMedGoogle Scholar
  • 6 Hanefeld M, Fischer S, Julius U. et al Risk factors for myocardial infarction and death in newly detected NIDDM: the Diabetes Intervention Study, 11-year follow up. Diabetologica 1996; 39: 1577-1583 doi:10.1007/s001250050617
    CrossrefPubMedGoogle Scholar
  • 7 Piconi L, Quagliaro L, DaRos R. et al Intermittent high glucose enhances ICAM-1, VCAM-1, E-selectin and interleukin-6 expression in human umbilical endothelial cells in culture: the role of poly (ADP-ribose) polymerase. J Thromb Haemost 2004; 2: 1453-1459 doi:10.1111/j.1538-7836.2004.00835.x
    CrossrefPubMedGoogle Scholar
  • 8 Risso A, Mercuri F, Quagliaro L. et al Intermittent high glucose enhances apoptosis in human umbilical vein endothelial cells in culture. Am J Physiol Endocrinol Metab 2001; 281: E924-E930 doi:10.1152/ajpendo.2001.281.5.E924
    CrossrefPubMedGoogle Scholar
  • 9 Danne T, Nimri R, Battelino T. et al International consensus on use of continuous glucose monitoring. Diabetes Care 2017; 40: 1631-1640 doi:10.2337/dc17-1600
    CrossrefPubMedGoogle Scholar
  • 10 Battelino T, Danne T, Bergenstal RM. et al Clinical targets for continuous glucose monitoring data interpretation: Recommendations from the international consensus on time in range. Diabetes Care 2019; 42: 1593-1603 doi:10.2337/dci19-0028
    CrossrefPubMedGoogle Scholar
  • 11 Thomas A. „Time in Range“ – ein neuer „Goldstandard“ für die Beurteilung der Glykämie? Oder gar der neue Goldstandard?. Diabetes, Stoffwechsel und Herz 2019; 28: 146-150
    Google Scholar
  • 12 Bergenstal RM, Beck RW, Close KL. et al Glucose management indicator (GMI): A new term for estimating A1C from continuous glucose monitoring. Diabetes Care 2018; 41: 2275-2280 doi:10.2337/dc18-1581.
    CrossrefPubMedGoogle Scholar
  • 13 Mazze R, Lucido D, Langer O. et al The ambulatory glucose profile: A representation of verified self-monitored blood glucose data. Diabetes Care 1987; 10: 111-117 doi:10.2337/diacare.10.1.111
    CrossrefPubMedGoogle Scholar
  • 14 Bergenstal R, Ahman AJ, Bailey T. et al Recommendations for standardizing glucose reporting and analysis to optimize clinical decision making in diabetes: the Ambulatory Glucose Profile (AGP). Diabetes Technol Ther 2013; 15: 198-211 doi:10.1089/dia.2013.0051
    CrossrefPubMedGoogle Scholar
  • 15 Dunn TC, Crouther N. Assessment of the variance of the ambulatory glucose profile over 3 to 20 days of continuous glucose monitoring. Diabetologia 2010; 53 (Suppl. 01) S421
    Google Scholar
  • 16 Kröger J, Reichel A, Siegmund T, Ziegler R. AGP-Fibel – Das ambulante Glukoseprofil strukturiert auswerten. Mainz: Kirchheim; 2018
    Google Scholar
  • 17 Thomas A, Kolassa R, von Sengbusch S, Danne T. CGM interpretieren: Grundlagen, Technologie, Charakteristik und Konsequenzen des kontinuierlichen Glukosemonitorings (CGM). 2. Aufl. Mainz: Kirchheim; 2019
    Google Scholar
  • 18 Petry F, Sahm C. Webinar DDG Fortbildung Digitalisierung am 01.07.2020