Алгоритмы выбора оптимальных методов самоконтроля и инсулинотерапии у пациентов с сахарным диабетом 1 типа тема диссертации и автореферата по ВАК РФ 00.00.00, кандидат наук Русанов Арсений Николаевич

• Русанов Арсений Николаевич
• кандидат наук
• 2026

Оглавление диссертации кандидат наук Русанов Арсений Николаевич

ВВЕДЕНИЕ

ГЛАВА 1. ОБЗОР ЛИТЕРАТУРЫ

1.1. Технология мониторинга гликемии как средство изучения гликемического статуса пациента

1.2. Концепция времени в целевом диапазоне гликемии при сахарном диабете

1.3. Прогнозирование времени в целевом диапазоне гликемии при сахарном диабете

1.4. Прогнозирование ночных гипогликемий с применением технологий мониторинга гликемии

1.5. Вариабельность гликемии и методы ее оценки при сахарном диабете

1.6. Информационные технологии анализа данных о вариабельности гликемии

1.7. Существующие алгоритмы выбора оптимальных методов самоконтроля и инсулинотерапии при сахарном диабете 1 типа

ГЛАВА 2. МАТЕРИАЛЫ И МЕТОДЫ ИССЛЕДОВАНИЯ

2.1. Дизайн и этапы исследования

2.2. Материалы и методы первого (ретроспективного) этапа исследования

2.2.1. Этап 1. Формирование выборки исследования

2.2.2. Этап 1. Общеклинические методы исследования

2.2.3. Этап 1. Методы мониторинга глюкозы крови, программное обеспечение для его оценки

2.3. Материалы и методы второго (проспективного) этапа исследования

2.3.1. Этап 2. Формирование выборки исследования

2.3.2. Этап 2. Общеклинические методы исследования

2.3.3. Этап 2. Методы мониторинга глюкозы крови, программное обеспечение для его оценки

2.4. Статистический анализ данных

ГЛАВА 3. ОПТИМИЗАЦИЯ МЕТОДОВ МОНИТОРИНГА ГЛИКЕМИИ ПРИ САХАРНОМ ДИАБЕТЕ 1 ТИПА (РЕТРОСПЕКТИВНЫЙ ЭТАП ИССЛЕДОВАНИЯ)

3.1. Результаты обследования пациентов на ретроспективном этапе исследования

3.2. Оценка эффективности разработанного алгоритма вычисления средней амплитуды колебаний гликемии

3.3. Результаты вычисления средней амплитуды колебаний гликемии в группах ретроспективного этапа исследования

3.4. Взаимосвязь показателей гликемического контроля, рассчитанных на основании различных методик мониторинга гликемии

3.5. Оптимальная точка отсечки для средней амплитуды колебаний гликемии по данным непрерывного мониторинга глюкозы

3.6. Прогнозирование времени в целевом диапазоне гликемии с использованием данных разработанного мобильного приложения

3.7. Прогнозирование средней амплитуды колебаний гликемии с использованием данных разработанного мобильного приложения

ГЛАВА 4. АЛГОРИТМ ВЫБОРА ОПТИМАЛЬНОГО МЕТОДА

САМОКОНТРОЛЯ ПРИ САХАРНОМ ДИАБЕТЕ 1 ТИПА

(РЕТРОСПЕКТИВНЫЙ ЭТАП ИССЛЕДОВАНИЯ)

4.1. Уровни интенсификации мониторинга гликемии при сахарном диабете

1 типа

4.2. Оптимальные точки отсечки выявления дисгликемии для самостоятельного мониторинга глюкозы крови

4.3. Оценка риска ночных гипогликемий с использованием данных разработанного мобильного приложения

4.4. Построение окончательного алгоритма выбора оптимального метода самоконтроля при сахарном диабете 1 типа

ГЛАВА 5. АЛГОРИТМ ВЫБОРА ОПТИМАЛЬНОГО МЕТОДА ИНСУЛИНОТЕРАПИИ ПРИ САХАРНОМ ДИАБЕТЕ 1 ТИПА

(ПРОСПЕКТИВНЫЙ ЭТАП ИССЛЕДОВАНИЯ)

5.1. Результаты обследования пациентов на проспективном этапе исследования

5.2. Эффективность разработанных прогностических моделей среди пациентов проспективного этапа исследования

5.3. Взаимосвязь прогнозируемых параметров дисгликемии и риска диабетических микроангиопатий

5.4. Алгоритм выбора оптимального метода инсулинотерапии при сахарном диабете 1 типа

ОБСУЖДЕНИЕ РЕЗУЛЬТАТОВ

ЗАКЛЮЧЕНИЕ

ВЫВОДЫ

ПРАКТИЧЕСКИЕ РЕКОМЕНДАЦИИ

ПЕРСПЕКТИВЫ ДАЛЬНЕЙШЕЙ РАЗРАБОТКИ ТЕМЫ ИССЛЕДОВАНИЯ

СПИСОК СОКРАЩЕНИЙ И УСЛОВНЫХ ОБОЗНАЧЕНИЙ

СПИСОК ЛИТЕРАТУРЫ

Введение диссертации (часть автореферата) на тему «Алгоритмы выбора оптимальных методов самоконтроля и инсулинотерапии у пациентов с сахарным диабетом 1 типа»

ВВЕДЕНИЕ Актуальность темы исследования

Сахарный диабет (СД) - заболевание, имеющее глобальную медико-социальную значимость, при котором качество и продолжительность жизни во многом зависит от адекватного самоконтроля глюкозы крови (ГК) [36, 47, 133]. Важным инструментом в оценке эффективности лечения СД помимо исследования гликированного гемоглобина (HbA1c) является технология мониторинга ГК, позволяющая оценить клинически значимые составляющие комплексного гликемического статуса: пре- и постпрандиальную ГК, время нахождения в целевом диапазоне ГК, вариабельность гликемии (ВГ), риск гипогликемических состояний [6, 10, 123].

К основным методам самоконтроля при СД относятся самостоятельный мониторинг глюкозы крови (СМГК) с помощью глюкометра и непрерывный мониторинг глюкозы (НМГ) с помощью малоинвазивных сенсоров [10, 42, 67]. Базовый СМГК является относительно точным и доступным методом самоконтроля, однако сильно ограничен в оценке суточных изменений ГК, связан с болезненными проколами пальцев [16, 20, 58, 92, 147, 179]. НМГ -альтернативный метод самоконтроля, позволяющий получить полную информацию о колебаниях ГК в течение дня, но при этом имеющий недостатки в плане точности измерений и высокой стоимости сенсоров [41, 57, 82, 97, 109, 197]. Также одним из значимых преимуществ НМГ является высокая степень внедрения информационных технологий в процесс самоконтроля: применение специализированных мобильных и вэб-приложений, обеспечивающих комплексный анализ больших объемов данных, расчет интегральных показателей гликемического статуса, предупреждение пациента о дисгликемии, прогноз дальнейших изменений ГК [49, 72, 169, 184].

В клинической практике при СМГК в отличие от НМГ практически не используются концепции времени в целевом диапазоне (time in range, TIR) и

амбулаторного гликемического профиля, оценка ВГ, применение моделей прогноза ГК [1, 36, 125]. Тем не менее представляется возможным провести адаптацию вышеперечисленных диагностических и прогностических методов для оптимизации и повышения эффективности базового метода СМГК при небольших материальных затратах [5, 16, 66, 112, 141, 190, 193].

Лица с СД 1 типа (СД1) - группа населения, в которой максимально реализуются преимущества НМГ с учетом нестабильности показателей ГК при СД1 на фоне абсолютной инсулиновой недостаточности [1, 32, 37, 117, 118, 151]. К сожалению, существующие стандарты медицинской помощи в Российской Федерации (РФ) не предусматривают обязательное обеспечение сенсорами НМГ всех взрослых с СД1 [22]. Таким образом, в условиях ограниченной доступности НМГ, существует потребность в алгоритме выбора оптимального метода самоконтроля при СД1, выявляющего пациентов, в наибольшей степени нуждающихся в применении данной технологии, а также определяющего у пациентов периоды времени, требующих более интенсивного мониторинга ГК.

Помимо проблемы выбора метода самоконтроля в клинической практике может возникать вопрос об определении наилучшего метода инсулинотерапии при СД1: режим многократных инъекций инсулина (МИИ) или режим непрерывной подкожной инфузии инсулина (НПИИ) [1, 69, 154]. Режим МИИ является проверенным временем стандартом лечения СД1; тем не менее метод НПИИ, реализуемый с помощью инсулиновых помп, позволяет осуществить высокоиндивидуализированную подачу инсулина, тем самым способствуя более стабильным показателям гликемического контроля [43, 78, 144]. Вместе с тем преимущества НПИИ главным образом реализуются у пациентов, имеющих адекватный самоконтроль, должную мотивацию и необходимый уровень знаний [1, 69, 119, 156, 177]. Согласно данным актуальных исследований НПИИ при рациональном использовании может точечно стабилизировать каждый компонент гликемического статуса: НЬА1с, пре- и постпрандиальную ГК, время в целевом диапазоне ГК, ВГ, частоту и продолжительность гипогликемий [40, 52, 118, 145, 181, 192]. Из вышеуказанного следует, что решение о назначении НПИИ во

многом зависит от комплексного анализа данных, полученных в результате мониторинга гликемии. Стандартизированный анализ интегральных показателей СМГК и НМГ, применение моделей прогноза может оптимизировать существующий подход к выбору режима инсулинотерапии при СД1.

Степень разработанности темы исследования

С позиции разработки алгоритмов выбора оптимальных методов самоконтроля и инсулинотерапии первоочередными задачами являются оптимизация и стандартизация технологий мониторинга ГК. НМГ на текущем этапе развития является высокотехнологичным стандартизованным методом самоконтроля, который обеспечивает комплексный анализ гликемического статуса и прогноз ГК [10, 42, 46, 57, 128, 169]. Тем не менее одним из открытых вопросов оптимизации НМГ является совершенствование оценки ВГ, ввиду клинической значимости этого компонента гликемического контроля [10, 67, 84, 106, 130, 146, 183]. Одним из наиболее значимых показателей ВГ является средняя амплитуда колебаний гликемии (MAGE) [11, 73, 55, 191, 106, 198, 121]. Проблема внедрения показателя MAGE в клиническую практику заключается в сложности его расчета, что обуславливает актуальность разработки эффективных автоматизированных алгоритмов вычисления данного параметра для НМГ и СМКГ [79, 171, 173].

Как было указано ранее СМГК существенно уступает НМГ по степени применения высоких технологий самоконтроля при СД [41, 108]. Достаточно простым, но при этом высокоэффективным решением данной проблемы может стать совместное применение СМГК и технологий мобильного здравоохранения [5, 111, 159]. Мобильные приложения (МП), работающие по принципу электронного дневника самоконтроля, могут обеспечивать расчет различных показателей гликемического статуса по аналогии с анализом данных при НМГ; тем не менее доступные МП для СМГК в настоящее время существенно ограничены в своих возможностях [4, 133, 161, 194].

Для СМГК могут быть адаптированы методы анализа данных, применяющиеся при НМГ: концепция времени в целевом диапазоне, оценка ВГ, построение графика амбулаторного гликемического профиля [36, 133, 141, 190]. Однако показатели гликемического контроля, рассчитанные по одному принципу, но для разных видов самоконтроля (СМГК или НМГ) могут существенно отличаться друг от друга [112]. В связи с этим рациональным представляется установление взаимосвязи между показателями СМГК и НМГ, имеющих одинаковый алгоритм вычисления. Для показателей нахождения в целевом и низком диапазонах гликемии, параметров ВГ подобная информация крайне ограничена [104, 112]. Также понимание данных взаимосвязей может помочь в осуществлении прогноза клинически значимых параметров гликемического статуса (TIR, параметры ВГ) как с помощью традиционных прогностических методов, так и с применением современных технологий машинного обучения (МО) и искусственного интеллекта (ИИ) [66]. В связи с ограничением СМГК в плане измерений во время сна, подобные модели прогноза могут быть полезны в рамках оценки риска ночных гипогликемий (НГ), которые являются одними из наиболее жизнеугрожающих состояний при СД [12, 137, 151, 175].

Описаний прогностических моделей гликемического статуса пациента, способных оптимизировать СМГК, крайне мало. В исследовании R.Sun и соавт. представлена модель прогноза TIR с применением технологий СМГК и МО [66]. В работе S.Wang и соавт. описана модель прогноза НГ на основании интегрального показателя ВГ, адаптированного для СМГК [50]. При этом точность вышеуказанных подходов далека от идеальной, что обуславливает необходимость дальнейших исследований по разработке высокоэффективных прогностических моделей гликемического статуса [50, 66].

Комплексное применение усовершенствованных технологий мониторинга ГК может помочь лечащему врачу определять необходимость интенсификации самоконтроля (увеличение кратности измерений при СМГК, назначение НМГ) и инсулинотерапии (перевод с МИИ на НПИИ) при СД1. На настоящий момент литературных данных о подобных алгоритмах не выявлено.

Цель исследования

Разработать эффективные алгоритмы выбора оптимальных методов самоконтроля и инсулинотерапии у пациентов с сахарным диабетом 1 типа на основании комплексного применения технологий мониторинга гликемии, мобильного здравоохранения, моделей прогноза гликемического статуса.

Задачи исследования

У пациентов с СД1 :

1. Изучить взаимосвязь показателей гликемического контроля, полученных с помощью различных методов мониторинга гликемии (НМГ, СМГК с разной кратностью измерений), установить оптимальные критерии интенсификации самоконтроля и инсулинотерапии для параметров СМГК, анализируемых с помощью специализированного мобильного приложения.

2. Провести сравнительный анализ точности прогноза клинически значимых параметров гликемического контроля (TIR, MAGE) с использованием моделей на основе ИНС и традиционных статистических методов у пациентов с различными режимами инсулинотерапии.

3. Разработать модель прогноза систематических ночных гипогликемий на основании совместного применения глюкометра, специализированного мобильного приложения, технологии ИНС; оценить эффективность разработанной модели в клинических условиях.

4. Оценить клиническую значимость предлагаемых прогнозируемых показателей относительно их взаимосвязи с риском развития диабетических микроангиопатий.

5. Разработать и валидировать алгоритмы выбора оптимальных методов самоконтроля и инсулинотерапии на основании установленных критериев выявления дисгликемии для расчетных и прогнозируемых показателей гликемического контроля.

Научная новизна исследования

В рамках проведенной работы впервые осуществлено комплексное применение технологий мониторинга гликемии, мобильного здравоохранения, алгоритмов прогноза TIR, MAGE, НГ, методов МО и ИИ для оптимизации выбора наилучшей стратегии самоконтроля и лечения СД1. Предложен новый алгоритм расчета MAGE для СМГК и НМГ. Установлены взаимосвязи между показателями ВГ, рассчитанными с помощью различных методов самоконтроля при СД (СМГК с различной кратностью измерений и НМГ). Для данных СМГК с целью прогноза TIR, MAGE, НГ впервые применен метод искусственных нейронных сетей (ИНС). В рамках реализации алгоритма выбора оптимального метода самоконтроля установлены пороговые значения показателей СМГК, соответствующие наибольшей чувствительности выявления дисгликемии согласно критериям Международного консенсуса по НМГ [46]. Установлена потенциальная клиническая значимость предлагаемых параметров прогнозируемых TIR и MAGE, как факторов, ассоциированных с развитием диабетических микроангиопатий. Впервые выявлены особенности прогнозируемых показателей TIR и MAGE у пациентов с СД1, использующих различные режимы инсулинотерапии.

Теоретическая и практическая значимость работы

Результаты проведенного исследования расширяют понимание взаимосвязи отдельных компонентов гликемического контроля между собой, что в перспективе может помочь в повышении эффективности лечения СД. Подтверждена клиническая значимость показателей НМГ (TIR и MAGE) в отношении их взаимосвязи с риском развития диабетических микроангиопатий. Данная взаимосвязь сохранялась при использовании прогнозируемых значений TIR и MAGE на основании измерений СМГК; таким образом разработанные прогностические модели TIR и MAGE могут существенно расширить

возможности базового самоконтроля при СД. Также в результате проведенного исследования разработана модель прогноза ночных гипогликемий, внедрение которой в клиническую практику может повысить безопасность инсулинотерапии, улучшить качество жизни при СД1. Разработанный подход для сбора, анализа данных НМГ и СМГК с помощью специализированного МП может оптимизировать выявление дисгликемии, упростить взаимодействие между врачом и пациентом в рамках диагностических, лечебных, обучающих мероприятий. Разработанные пошаговые алгоритмы с установленными критериями интенсификации самоконтроля и инсулинотерапии могут упростить работу врачей с большим объемом данных, получаемых при НМГ и СМГК, повысить эффективность проводимой инсулинотерапии при СД1. Наиболее рациональным методом внедрения разработанных алгоритмов представляется создание автоматизированной системы принятия решений для выбора наиболее оптимальных методов самоконтроля и инсулинотерапии при СД1.

Методология и методы исследования

Исследование выполнено в соответствии с общими принципами доказательной медицины и стандартом надлежащей клинической практики (Good clinical practice, GCP). В рамках проведенной работы выполнен анализ актуальной отечественной и зарубежной литературы с целью оценки степени разработанности темы исследования, определения наиболее актуальных направлений в оптимизации принципов самоконтроля при СД1. Основная часть исследования разделена на ретроспективный и проспективный этапы. В рамках ретроспективного этапа разработаны концепции по оптимизации СМГК и НМГ, модели прогноза TIR, MAGE, НГ, алгоритм выбора оптимального метода самоконтроля при СД1. Основным источником информации для ретроспективного этапа являлась сводная база данных НМГ трех учреждений здравоохранения г. Саратова. Разработанные модели прогноза включали как классические методы (линейная, логистическая регрессия) так и возможности

современного программного обеспечения для статистического анализа больших массивов данных (метод ИНС). Для предварительной обработки данных разработано специализированное МП для расчета ряда интегральных показателей гликемического контроля. Проспективный этап исследования заключался в наблюдении за пациентами, использующими различные режимы инсулинотерапии, на фоне комбинированного мониторинга гликемии (СМГК и НМГ). На данном этапе произведена оценка эффективности разработанных концепций в условиях клинической практики, изучены особенности измеренных и прогнозируемых показателей гликемического контроля при МИИ и НПИИ. Помимо современных методов мониторинга гликемии на проспективном этапе проведено комплексное обследование пациентов с целью выявления диабетической ретинопатии, диабетической нефропатии, диабетической периферической нейропатии и оценки их связи с анализируемыми параметрами гликемического статуса.

Положения, выносимые на защиту

1. При СД1 для наиболее значимых параметров гликемического статуса установлены критерии интенсификации самоконтроля (увеличение кратности измерений для СМГК, проведение НМГ) и инсулинотерапии (перевод с МИИ на НПИИ); для расчетного времени в целевом диапазоне (dTIR) данными критериями являются значения: < 80% (при 4-кратном СМГК) и < 75% (при 7-кратном СМГК).

2. У пациентов с СД1, не использующих НМГ ежедневно, выявлена диагностическая ценность косвенной оценки таких клинически значимых параметров, как время в целевом диапазоне и средняя амплитуда колебаний гликемии с помощью СМГК и моделей прогноза гликемического статуса. В данном аспекте применение технологии ИНС ассоциировано с большей точностью прогноза в сравнении с традиционными прогностическими методами. Прогнозируемое время в целевом диапазоне (eTIR) < 70% и прогнозируемая

средняя амплитуда колебаний гликемии (eMAGE) > 6,0 ммоль/л применимы в качестве дополнительных критериев интенсификации самоконтроля и инсулинотерапии при СД1.

3. Для оценки риска ночных гипогликемий при СД1 подтверждена наибольшая эффективность совместного применения глюкометра, специализированного мобильного приложения и модели прогноза на базе ИНС.

4. Прогнозируемые показатели eTIR и eMAGE демонстрируют сопоставимую клиническую значимость относительно риска развития диабетических микроангиопатий при СД1 по сравнению с соответствующими параметрами НМГ.

5. Разработанные алгоритмы выбора оптимального метода самоконтроля и инсулинотерапии позволяют эффективно выявлять различные аспекты дисгликемии, оценивать показания к назначению НПИИ при СД1.

Степень достоверности и апробация результатов исследования

Достоверность полученных результатов подтверждается системным подходом при разработке дизайна исследования, достаточным объемом выборки, рассчитанным с помощью современного программного обеспечения. Статистический анализ данных выполнен с применением стандартных процедур оценки корреляционной и регрессионной зависимости между изучаемыми показателями; выявления различий между изучаемыми диагностическими методами и группами исследования; оценки факторов риска изучаемых патологических состояний организма. В связи с преобладанием среди включенных в исследование пациентов лиц молодого возраста, обследование которых проводилось в стационарных условиях, следует с осторожностью экстраполировать полученные результаты на генеральную совокупность лиц с СД1. Результаты исследования представлены в виде докладов и тезисов на следующих мероприятиях: Национальный конгресс эндокринологов с международным участием (г. Москва, 2023, 2024, 2025 гг.); ежегодная научно-

практическая конференция «Фундаментальная и клиническая диабетология в 21 веке: от теории к практике». (г. Москва, 2021 и 2022 гг.); научно-практическая конференция студентов и молодых ученых «Фундаментальная наука в современной медицине - 2024» (Республика Беларусь, г. Минск, 2024 г.); межрегиональная научно-практическая конференция «Лучшие клинические практики в эндокринологии» (г. Нижний Новгород, 2022 г.); региональная образовательная онлайн школа Российской ассоциации эндокринологов для специалистов Поволжского и Уральского федеральных округов (г. Москва, г. Саратов, 2021 г.), всероссийская конференция с международным участием «Сахарный диабет, его осложнения и хирургические инфекции» (г. Москва, 2019 г.).

Публикации

По теме исследования опубликовано 15 печатных работ, в том числе: 5 статей в журналах, рекомендованных Высшей аттестационной комиссией при Министерстве науки и высшего образования РФ для публикации основных результатов диссертаций на соискание ученой степени кандидата медицинских наук (из них 1 публикация в научном рецензируемом издании, индексируемом в базе данных Scopus); 2 свидетельства о государственной регистрации программы для ЭВМ; 1 свидетельство о государственной регистрации базы данных.

Внедрение результатов работы

Разработанные в процессе проведенного исследования алгоритмы выбора оптимального метода самоконтроля и инсулинотерапии, модели прогноза, специализированное мобильное приложение для мониторинга гликемии внедрены в клиническую практику эндокринологического отделения ГУЗ Саратовская ГКБ №9, детского эндокринологического отделения Университетской клинической больницы №1 Саратовского ГМУ им. В.И. Разумовского Минздрава России,

терапевтического отделения ГАУЗ Саратовская ГКБ скорой медицинской помощи. Результаты проведенного исследования внедрены в учебную и научную работу кафедры эндокринологии, кафедры пропедевтики детских болезней, детской эндокринологии и диабетологии Саратовского ГМУ им. В.И. Разумовского Минздрава России.

Личное участие автора

Автор работы принимал непосредственное участие на всех этапах исследования: анализ актуальной литературы, разработка основной концепции и дизайна исследования, отбор и обследование пациентов, проведение и контроль качества процедур НМГ и СМГК, разработка необходимого программного обеспечения, создание базы данных исследования, статистический анализ полученных данных, оформление диссертации.

Структура и объем работы

Диссертационная работа изложена на 146 страницах машинописного текста и включает следующие разделы: введение, обзор литературы, описание материалов и методов исследования, 3 главы с описанием собственных результатов исследования, обсуждение результатов, заключение, выводы, практические рекомендации. Список литературы включает 198 источников (30 отечественных, 168 зарубежных). Текст диссертации снабжен 27 рисунками, 18 таблицами, 8 формулами.

ГЛАВА 1. ОБЗОР ЛИТЕРАТУРЫ

Сахарный диабет (СД) - заболевание, характеризующееся хронической гипергликемией, представляющее колоссальную медицинскую, социальную, экономическую значимость [47]. По данным Международной Федерации по изучению сахарного диабета (IDF) в мире насчитывается 589 млн. человек, страдающих СД, при этом прогнозируется существенный рост распространенности СД: до 853 млн. - к 2050 г. [47]. По данным Всероссийского регистра больных с сахарным диабетом в России проживает более 4,7 млн. человек с СД (3,23% населения РФ), из них: с СД 1 типа - 5,5%, с СД 2 типа -92,5%, с другими типами СД - 2% [29]. Глобальная значимость СД тесно связана с развитием острых и хронических осложнений, в профилактике развития которых ключевую роль играет комплексный гликемический контроль [1, 2, 15, 30, 36].

Стандартная концепция гликемического контроля базируется на исследовании HbA1c, однако не менее важным методом оценки эффективности лечения СД является технология мониторинга ГК, позволяющая оценить дополнительные независимые клинически значимые параметры комплексного гликемического статуса: время нахождения в целевом диапазоне ГК, вариабельность гликемии (ВГ), риск гипогликемических состояний [6, 10, 123].

1.1. Технология мониторинга гликемии как средство изучения гликемического

статуса пациента

Мониторинг гликемии - основополагающая технология, обеспечивающая комплексный гликемический контроль при СД [1, 8]. Методы исследования ГК постоянно развиваются, начиная с первого измерения гликемии и создания первого глюкометра в середине XX века и заканчивая современными биосенсорами, способными автоматически контролировать работу искусственной поджелудочной железы [77, 152].

Существует два основных вида мониторинга глюкозы, применяемых в клинической практике: самостоятельный мониторинг глюкозы крови (СМГК) и непрерывный мониторинг глюкозы (НМГ) [67]. Стандартным методом самоконтроля при СД является СМГК - вид мониторинга гликемии, основанный на анализе данных индивидуальных глюкометров пациентов [125]. Согласно российским клиническим рекомендациям пациенту с СД1 в амбулаторных условиях рекомендуется исследовать глюкозу крови глюкометром не менее 4 раз в сутки; при этом оптимальным числом измерений для оценки амплитуд постпрандиальных колебаний гликемии является кратность СМГК не менее 7 раз в день [1, 10, 19, 27]. Основные проблемы СМГК - ограниченная информация о ГК между измерениями, необходимость частых болезненных проколов пальцев при исследовании ГК [58, 92, 147]. К преимуществам СМГК можно отнести достаточно высокую точность измерений современных глюкометров по сравнению с референсными лабораторными методами и относительно небольшую стоимость проведения мониторинга [16, 20, 179].

НМГ - более технологичный и удобный метод самоконтроля при СД, основным преимуществом которого является высокая частота измерений в течение суток (каждые 1, 5, 15 минут для различных моделей НМГ) на протяжение 3-14 дней [10, 42, 57]. Технология НМГ основывается на исследовании глюкозы в межклеточной жидкости (МКЖ) подкожно-жировой клетчатки с помощью малоинвазивного сенсора [10, 37, 108]. Одной из значимых проблем НМГ остается точность измерений, на которую влияют «временная задержка» между глюкозой МКЖ и ГК, быстрые колебания гликемии, место установки сенсора, модель НМГ [41, 82, 103, 172]. В связи с вышеуказанной особенностью в настоящее время НМГ рекомендуется использовать совместно с СМГК, но не вместо него [1, 37]. Другими значимыми барьерами для массового применения НМГ являются высокая стоимость сенсоров, необходимость специального обучения пациентов и медицинского персонала [57, 97, 197]. В настоящее время активно ведутся разработки по увеличению точности систем НМГ, а также использованию других биологических жидкостей (кровь, моча,

слюна, потовые выделения, слезная жидкость) для реализации данной технологии [83, 108, 126].

В зависимости от целей использования и некоторых технических особенностей системы НМГ могут быть подразделены на следующие подвиды: профессиональный НМГ (пНМГ), НМГ в реальном времени (НМГ-РВ) и флэш-мониторинг глюкозы (ФМГ) [1]. Профессиональный НМГ представляет собой заслепленное исследование глюкозы МКЖ с последующим ретроспективным анализом полученных данных [1, 116]. НМГ в реальном времени (НМГ-РВ) и флэш-мониторинг глюкозы (ФМГ) - подвиды НМГ, являющиеся пациент-ориентированными технологиями самоконтроля при СД, которые имеют тенденцию к быстрому развитию и к настоящему времени в наибольшей степени внедрены в клиническую практику [1, 59]. Различия между НМГ-РВ и ФМГ главным образом заключаются в технических особенностях систем, при этом цели применения этих видов НМГ одинаковы: обеспечение постоянного контроля глюкозы в реальном времени самим пациентом; своевременная самостоятельная коррекция сахароснижающей терапии, питания, физической активности; прогнозирование изменения гликемии в ближайшие минуты; наглядное обучение пациентов относительно факторов, влияющих на уровень гликемии [32, 59].

После первого этапа исследования - сбора данных при помощи технологий мониторинга глюкозы, врач переходит к аналитическим этапам изучения гликемического статуса пациента: оценке графического отображения результатов и анализу показателей гликемического контроля [10]. На данных этапах НМГ обладает значительным преимуществом перед СМГК, благодаря возможностям специализированного програмнного обеспечения (ПО), заключающимся в формировании различных отчетов о состоянии гликемического контроля пациентов [7, 36, 169]. Некоторые глюкометры также снабжены ПО для анализа полученных данных, но как правило возможности таких программ существенно ограничены по сравнению с НМГ [5, 35].

Список литературы диссертационного исследования кандидат наук Русанов Арсений Николаевич, 2026 год

СПИСОК ЛИТЕРАТУРЫ

1. Алгоритмы специализированной медицинской помощи больным сахарным диабетом / Под редакцией И.И. Дедова, М.В. Шестаковой, А.Ю. Майорова. 11-й выпуск / И. И. Дедов, М. В. Шестакова, А. Ю. Майоров [и др.] // Сахарный диабет. - 2023. - Т. 26. - № 2S. - С. 1-157.

2. Аметов, А. С. Сахарный диабет 2-го типа и сердечно-сосудистые заболевания как столкновение двух глобальных неинфекционных эпидемий / А. С. Аметов, М. А. Лысенко // Международный Эндокринологический Журнал. -2011. - № 7 (39).

3. Башнина, Е. Б. Системы непрерывного подкожного введения инсулина в поддержании метаболической компенсации при сахарном диабете 1 типа у детей и подростков / Е. Б. Башнина, И. М. Царгасова, О. А. Клиценко // Сахарный диабет. - 2020. - Т. 22. - № 6. - С. 550-558.

4. Витебская, А. В. Мобильное приложение для глюкометра: дополнительная мотивация и дистанционный контроль / А. В. Витебская // Педиатрия. Consilium Medicum. - 2019. - Мобильное приложение для глюкометра. - № 2.

5. Витебская, А. В. Применение глюкометра с мобильным приложением в реальной клинической практике / А. В. Витебская // Медицинский Совет. - 2020. -№ 10.

6. Время нахождения в целевом диапазоне гликемии - инструмент оценки качества гликемического контроля при сахарном диабете / Л. А. Суплотова, А. С. Судницына, Н. В. Романова, М. В. Шестакова // Сахарный диабет. - 2021. - Т. 24. - № 3. - С. 282-290.

7. Демидова, Т. Ю. Современные технологии непрерывного мониторинга гликемии: развивающиеся возможности контроля и управления / Т. Ю. Демидова, Ф. О. Ушанова // Русский Медицинский Журнал. - 2018. - Т. 26. - № 11-2. - С. 86-90.

8. Древаль, А. В. Непрерывное мониторирование гликемии в клинической практике и новые методы анализа его результатов / А. В. Древаль, О. А. Древаль, Е. Г. Старостина // Проблемы Эндокринологии. - 2013. - Т. 59. - № 4. - С. 41-49.

9. Климонтов, В. В. Искусственный интеллект в диабетологии / В. В. Климонтов, В. Б. Бериков, О. В. Сайк // Сахарный диабет. - 2021. - Т. 24. - № 2. -С. 156-166.

10. Климонтов, В. В. Вариабельность гликемии при сахарном диабете / В. В. Климонтов, Н. Е. Мякина. - 2. - Новосибирск : ИПЦ НГУ, 2018. - 246 с.

11. Климонтов, В. В. Вариабельность гликемии при сахарном диабете: инструмент для оценки качества гликемического контроля и риска осложнений / В. В. Климонтов, Н. Е. Мякина // Сахарный Диабет. - 2014. - Вариабельность гликемии при сахарном диабете. - № 2.

12. Климонтов, В. В. Нарушение распознавания гипогликемии при сахарном диабете: эпидемиология, механизмы развития, терапевтические подходы / В. В. Климонтов // Сахарный диабет. - 2019. - Т. 21. - № 6. - С. 513-523.

13. Климонтов, В. В. Предикторы успеха или неудачи в достижении целей гликемического контроля у больных сахарным диабетом 2 типа на базальном инсулине: обзор исследований в реальной клинической практике / В. В. Климонтов // Сахарный диабет. - 2022. - Т. 25. - № 6. - С. 556-563.

14. Климонтов, В. В. Факторы, ассоциированные с высокой вариабельностью гликемии у больных сахарным диабетом 1 типа / В. В. Климонтов, Ю. Ф. Семенова, А. И. Корбут // Сахарный диабет. - 2022. - Т. 25. - № 4. - С. 347-357.

15. Котова, О. В. Неврологические осложнения сахарного диабета / О. В. Котова, Е. С. Акарачкова, А. А. Беляев // Медицинский Совет. - 2019. - № 9.

16. Куликов, А. Ю. Фармакоэкономическое Исследование Средств Самоконтроля: Глюкометр В Комплексе С Системой Управления Информацией В Сравнении С Технологией Флэш Мониторинга Глюкозы В Лечении Сахарного Диабета / А. Ю. Куликов, Е. О. Костина // Фармакоэкономика: Теория И Практика. - 2020. - Т. 8. - Фармакоэкономическое Исследование Средств Самоконтроля. - № 4.

17. Мониторинг применения помповой инсулинотерапии у детей, подростков и молодых пациентов с сахарным диабетом 1 типа в Российской Федерации / Д. Н. Лаптев, С. В. Переверзева (Макарова), А. О. Емельянов, В. А. Петеркова // Проблемы Эндокринологии. - 2018. - Т. 64. - № 2. - С. 85-92.

18. Нейросетевая Модель Прогнозирования Компенсации Сахарного Диабета На Основе Индексов Вариабельности Гликемии / Ю. Г. Самойлова, М. В. Кошмелева, О. С. Кобякова [и др.] // Современные проблемы науки и образования. - 2019. - № 3.

19. Оценка вариабельности гликемии по данным самоконтроля уровня глюкозы крови как альтернатива проведению непрерывного мониторинга / М. Б. Анциферов, Г. Р. Галстян, А. В. Зилов [и др.] // Фармакоэкономика: Теория И Практика. - 2022. - Т. 10. - № 1.

20. Оценка точности при использовании глюкометра Сателлит Экспресс для контроля гликемии у детей с сахарным диабетом / О. А. Дианов, В. В. Мальцев, Е. С. Мурина, И. С. Анфилов // Проблемы Эндокринологии. - 2019. - Т. 65. - № 6. -С. 436-443.

21. Помповая инсулинотерапия и непрерывное мониторирование гликемии: опыт клинической практики в рамках оказания высокотехнологичной медицинской помощи / А. В. Древаль, И. А. Барсуков, Т. П. Шестакова [и др.] // Русский Медицинский Журнал. - 2017. - Т. 25. - № 1. - С. 3-8.

22. Приказ Минздрава России от 01.10.2020 N 1053н «Об утверждении стандартов медицинской помощи взрослым при сахарном диабете 1 типа». - 2020.

23. Резолюция по итогам первой рабочей встречи научно-консультативного совета по вопросу «Актуальные проблемы вариабельности гликемии как нового критерия гликемического контроля и безопасности терапии сахарного диабета» / М. Б. Анциферов, Г. Р. Галстян, А. В. Зилов [и др.] // Сахарный диабет. - 2019. -Т. 22. - № 3. - С. 281-288.

24. Русанов, А. Н. Прогнозирование времени в целевом диапазоне глюкозы с помощью экспериментального мобильного приложения при сахарном диабете 1

типа / А. Н. Русанов, Т. И. Родионова // Сахарный диабет. - 2024. - Т. 27. - № 2. -С. 130-141.

25. Русанов, А. Н. Новый компьютерный алгоритм расчета средней амплитуды гликемических экскурсий с использованием данных самостоятельного мониторинга глюкозы крови / А. Н. Русанов, Т. И. Родионова. // Современные Проблемы Науки И Образования. - 2020. - № 3. - С. 135.

26. Русанов, А. Н. Прогностическая модель ночных гипогликемий на основании данных мобильного приложения для мониторинга глюкозы / А. Н. Русанов, Т. И. Родионова // Саратовский научно-медицинский журнал. - 2024. - Т. 20. - № 2. -С. 171-176.

27. Сахарный диабет 1 типа у взрослых / И. И. Дедов, М. В. Шестакова, А. Ю. Майоров [и др.] // Сахарный диабет. - 2020. - Т. 23. - № 1S. - С. 42-114.

28. Сахарный диабет в Российской Федерации: динамика эпидемиологических показателей по данным Федерального регистра сахарного диабета за период 2010 - 2022 гг. / И. И. Дедов, М. В. Шестакова, О. К. Викулова [и др.] // Сахарный диабет. - 2023. - Т. 26. - № 2. - С. 104-123.

29. Эпидемиологические характеристики сахарного диабета в Российской Федерации: клинико-статистический анализ по данным регистра сахарного диабета на 01.01.2021 / И. И. Дедов, М. В. Шестакова, О. К. Викулова [и др.] // Сахарный Диабет. - 2021. - Т. 24. - № 3.

30. Эпидемиология острых осложнений (комы) по данным Федерального регистра больных сахарным диабетом Российской Федерации (2013-2016 гг.) / А. Ю. Майоров, О. К. Викулова, А. В. Железнякова [и др.] // Сахарный диабет. -2019. - Т. 21. - № 6. - С. 444-454.

31. A comparative study of the relationship between time in range assessed by self-monitoring of blood glucose and continuous glucose monitoring with microalbuminuria outcome, HOMA-IR and HOMA-p test / W. Cao, J. Zou, M. Gao [et al.] // Journal of Diabetes and its Complications. - 2024. - Vol. 38. - № 10. - P. 108831.

32. A practical approach to continuous glucose monitoring (rtCGM) and FreeStyle Libre systems (isCGM) in children and young people with Type 1 diabetes / A. Soni, N.

Wright, J. Agwu [et al.] // Diabetes Research and Clinical Practice. - 2022. - Vol. 184.

- P. 109196.

33. A survey on missing data in machine learning / T. Emmanuel, T. Maupong, D. Mpoeleng [et al.] // Journal of Big Data. - 2021. - Vol. 8. - № 1. - P. 140.

34. Akoglu, H. User's guide to sample size estimation in diagnostic accuracy studies /

H. Akoglu // Turkish Journal of Emergency Medicine. - 2022. - Vol. 22. - № 4. - P. 177-185.

35. Alcántara-Aragón, V. Improving patient self-care using diabetes technologies / V. Alcántara-Aragón // Therapeutic Advances in Endocrinology and Metabolism. - 2019.

- Vol. 10. - P. 2042018818824215.

36. American diabetes association professional practice committee. 6. Glycemic goals and hypoglycemia: standards of care in diabetes - 2025 / American Diabetes Association Professional Practice Committee // Diabetes Care. - 2024. - Vol. 48. - № Supplement 1. - P. S128-S145.

37. American diabetes association professional practice committee. 7. Diabetes Technology: Standards of Care in Diabetes—2025 / American Diabetes Association Professional Practice Committee // Diabetes Care. - 2024. - Vol. 48. - № Supplement

I. - P. S146-S166.

38. Association of time in range, as assessed by continuous glucose monitoring, with painful diabetic polyneuropathy / J. Yang, X. Yang, D. Zhao [et al.] // Journal of Diabetes Investigation. - 2021. - Vol. 12. - № 5. - P. 828-836.

39. Clinical recommendations for the use of the ambulatory glucose profile in diabetes care / J. Kröger, A. Reichel, T. Siegmund, R. Ziegler // Journal of Diabetes Science and Technology. - 2019. - Vol. 14. - № 3. - P. 586-594.

40. Comparing the effectiveness of continuous subcutaneous insulin infusion with multiple daily insulin injection for patients with type 1 diabetes mellitus evaluated by retrospective continuous glucose monitoring: A real-world data analysis / G. Keyu, L. Jiaqi, Z. Liyin [et al.] // Frontiers in Public Health. - 2022. - Vol. 10. - P. 990281.

41. Continuous glucose monitoring: a review of available systems / V. D. Funtanilla, P. Candidate, T. Caliendo, O. Hilas // Pharmacy and Therapeutics. - 2019. - Vol. 44. -Continuous Glucose Monitoring. - № 9. - P. 550-553.

42. Continuous glucose monitoring sensors for diabetes management: a review of technologies and applications / G. Cappon, M. Vettoretti, G. Sparacino, A. Facchinetti // Diabetes & Metabolism Journal. - 2019. - Vol. 43. - № 4. - P. 383-397.

43. Diaz C., J. L. Maximizing glycemic benefits of using faster insulin formulations in type 1 diabetes: in silico analysis under open- and closed-loop conditions / J. L. Diaz C., P. Colmegna, M. D. Breton // Diabetes Technology & Therapeutics. - 2023. - Vol. 25. - № 4. - P. 219-230.

44. Effect of diabetes technologies on the fear of hypoglycaemia among people living with type 1 diabetes: a systematic review and meta-analysis / M. K. Talbo, A. Katz, L. Hill [et al.] // eClinicalMedicine. - 2023. - Vol. 62. - P. 102119.

45. Higher glycemic variability within the first day of ICU admission is associated with increased 30-day mortality in ICU patients with sepsis / W.-C. Chao, C.-H. Tseng, C.-L. Wu [et al.] // Annals of Intensive Care. - 2020. - Vol. 10. - P. 17.

46. International consensus on use of continuous glucose monitoring / T. Danne, R. Nimri, T. Battelino [et al.] // Diabetes Care. - 2017. - Vol. 40. - № 12. - P. 1631-1640.

47. International Diabetes Federation. IDF diabetes atlas 11th edition / International Diabetes Federation. - Text: electronic - 2025. - URL: https://diabetesatlas.org/resources/idf-diabetes-atlas-2025/ (date of access: 13.05.2025).

48. Kadiyala, N. Closed-loop systems: recent advancements and lived experiences / N. Kadiyala, R. Hovorka, C. K. Boughton // Expert Review of Medical Devices. - Vol. 21. - № 10. - P. 927-941.

49. Kluemper, J. R. Diabetes: the role of continuous glucose monitoring / J. R. Kluemper, A. Smith, B. Wobeter // Drugs in Context. - 2022. - Vol. 11. - P. 2021 913.

50. Largest amplitude of glycemic excursion calculating from self-monitoring blood glucose predicted the episodes of nocturnal asymptomatic hypoglycemia detecting by

continuous glucose monitoring in outpatients with type 2 diabetes / S. Wang, Z. Tan, T. Wu [et al.] // Frontiers in Endocrinology. - 2022. - Vol. 13. - P. 858912.

51. Machine learning and deep learning models for nocturnal high- and low-glucose prediction in adults with type 1 diabetes / R. M. Kozinetz, V. B. Berikov, J. F. Semenova, V. V. Klimontov // Diagnostics. - 2024. - Vol. 14. - № 7. - P. 740.

52. MDI versus CSII in Chinese adults with type 1 diabetes in a real-world situation: based on propensity score matching method / J. Yu, H. Wang, M. Zhu, J. Xu // Health and Quality of Life Outcomes. - 2024. - Vol. 22. - P. 47.

53. Nerve conduction study of the association between glycemic variability and diabetes neuropathy / M. Akaza, I. Akaza, T. Kanouchi [et al.] // Diabetology & Metabolic Syndrome. - 2018. - Vol. 10. - P. 69.

54. Normal reference range for mean tissue glucose and glycemic variability derived from continuous glucose monitoring for subjects without diabetes in different ethnic groups / N. R. Hill, N. S. Oliver, P. Choudhary [et al.] // Diabetes Technology & Therapeutics. - 2011. - Vol. 13. - № 9. - P. 921-928.

55. Potential benefits of continuous glucose monitoring for predicting vascular outcomes in type 2 diabetes: a rapid review of primary research / R. K. Jadav, K. C. Yee, M. Turner, R. Mortazavi // Healthcare. - 2024. - Vol. 12. - № 15. - P. 1542.

56. Prevalence of nocturnal hypoglycemia in free-living conditions in adults with type 1 diabetes: what is the impact of daily physical activity? / J. Molveau, R. Rabasa-Lhoret, E. Myette-Cote [et al.] // Frontiers in Endocrinology. - 2022. - Vol. 13. - P. 953879.

57. Real-world use of continuous glucose monitoring systems among adolescents and young adults with type 1 diabetes: reduced burden, but little interest in data analysis / F. Huhn, K. Lange, M. Jordening, G. Ernst // Journal of Diabetes Science and Technology. - 2022. - Vol. 17. - № 4. - P. 943-950.

58. Review of present method of glucose from human blood and body fluids assessment / K. Fiedorova, M. Augustynek, J. Kubicek [et al.] // Biosensors and Bioelectronics. - 2022. - Vol. 211. - P. 114348.

59. Rodbard, D. Continuous glucose monitoring: a review of successes, challenges, and opportunities / D. Rodbard // Diabetes Technology & Therapeutics. - 2016. - Vol. 18. - Continuous Glucose Monitoring. - № Suppl 2. - P. S2-3-S2-13.

60. Sherrill, C. H. Prevalence, characteristics, and health-related quality of life of continuous glucose monitoring use according to the Behavioral Risk Factor Surveillance System 2014-2020 / C. H. Sherrill, S. Lee // Journal of Managed Care & Specialty Pharmacy. - 2023. - Vol. 29. - № 5. - P. 10.18553/jmcp.2023.29.5.541.

61. Smartphone-based technology in diabetes management / J. Doupis, G. Festas, C. Tsilivigos [et al.] // Diabetes Therapy. - 2020. - Vol. 11. - № 3. - P. 607-619.

62. Templer, S. Closed-loop insulin delivery systems: past, present, and future directions / S. Templer // Frontiers in Endocrinology. - 2022. - Vol. 13. - P. 919942.

63. The correlation between time in range and diabetic microvascular complications utilizing information management platform / X. Sheng, G.-H. Xiong, P.-F. Yu, J.-P. Liu // International Journal of Endocrinology. - 2020. - Vol. 2020. - P. 8879085.

64. The relationships between time in range, hyperglycemia metrics, and HbA1c / R. W. Beck, R. M. Bergenstal, P. Cheng [et al.] // Journal of Diabetes Science and Technology. - 2019. - Vol. 13. - № 4. - P. 614-626.

65. Time in range, as measured by continuous glucose monitor, as a predictor of microvascular complications in type 2 diabetes: a systematic review / R. Raj, R. Mishra, N. Jha [et al.] // BMJ Open Diabetes Research & Care. - 2022. - Vol. 10. - № 1. - P. e002573.

66. Time in range estimation in patients with type 2 diabetes is improved by incorporating fasting and postprandial glucose levels / R. Sun, Y. Duan, Y. Zhang [et al.] // Diabetes Therapy. - 2023. - Vol. 14. - № 8. - P. 1373-1386.

67. Umpierrez, G. E. Glycemic variability: how to measure and its clinical implication for type 2 diabetes / G. E. Umpierrez, B. P. Kovatchev // The American journal of the medical sciences. - 2018. - Vol. 356. - № 6. - P. 518-527.

68. Vascular complications of diabetes: A narrative review / Y. Lu, W. Wang, J. Liu [et al.] // Medicine. - 2023. - Vol. 102. - № 40. - P. e35285.

69. William, J. RT-CGM in conjunction with CSII vs MDI in optimizing glycaemic control in T1DM: Systemic review and meta-analysis / J. William, J. McCluskey, N. Gleeson // Endocrinology, Diabetes & Metabolism. - 2022. - Vol. 5. - № 2. - P. e00324.

70. Zhang, L. Data-based modeling for hypoglycemia prediction: Importance, trends, and implications for clinical practice / L. Zhang, L. Yang, Z. Zhou // Frontiers in Public Health. - 2023. - Vol. 11. - P. 1044059.

71. Estimating intraday blood glucose variability through self-monitoring of blood glucose in people with impaired glucose tolerance and type 2 diabetes / L. Lu, C. Wang, G. Liu [et al.] // Journal of Sichuan University. Medical Science Edition. - 2011. - Vol. 42. - № 1. - P. 95-100.

72. A smart glucose monitoring system for diabetic patient / A. Rghioui, J. Lloret, M. Harane, A. Oumnad // Electronics. - 2020. - Vol. 9. - № 4. - P. 678.

73. Association of glycaemic variability evaluated by continuous glucose monitoring with diabetic peripheral neuropathy in type 2 diabetic patients / Y. Hu, L. Zhao, X. Zhang [et al.] // Endocrine. - 2018. - Vol. 60. - № 2. - P. 292-300.

74. Comparative analysis of machine learning and deep learning algorithms for software effort estimation / A. G. Priya Varshini, K. Anitha Kumari, D. Janani, S. Soundariya // Journal of Physics: Conference Series. - 2021. - Vol. 1767. - № 1. - P. 012019.

75. Continuous glucose monitoring: a review of the evidence in type 1 and 2 diabetes mellitus / R. Lin, F. Brown, S. James [et al.]. - Text: electronic // Diabetic Medicine. -2021. - Vol. 38. - № 5. - URL: https://onlinelibrary.wiley.com/doi/10.1111/dme.14528 (date of access: 04.08.2022).

76. Glycemic variability is higher in type 1 diabetes patients with microvascular complications irrespective of glycemic control / J. Soupal, J. Skrha, M. Fajmon [et al.] // Diabetes Technology & Therapeutics. - 2014. - Vol. 16. - № 4. - P. 198-203.

77. Historical perspectives in clinical pathology: a history of glucose measurement / N. Moodley, U. Ngxamngxa, M. J. Turzyniecka, T. S. Pillay // Journal of Clinical Pathology. - 2015. - Vol. 68. - № 4. - P. 258-264.

78. Insulin pumps: review of technological advancement in diabetes management / N. D. Sora, F. Shashpal, E. A. Bond, A. J. Jenkins // The American Journal of the Medical Sciences. - 2019. - Vol. 358. - № 5. - P. 326-331.

79. Mean amplitude of glycemic excursions, a measure of diabetic instability / F. J. Service, G. D. Molnar, J. W. Rosevear [et al.]. - Text: electronic // Diabetes. - 1970. -Vol. 19. - № 9. - URL: https://pubmed.ncbi.nlm.nih.gov/5469118/ (date of access: 13.10.2022).

80. The efficacy of self-monitoring of blood glucose (SMBG) intervention package through a subscription model among type-2 diabetes mellitus in Malaysia: a preliminary trial / S. M. Johari, N. H. Razalli, K. J. Chua, S. Shahar // Diabetology & Metabolic Syndrome. - 2024. - Vol. 16. - № 1. - P. 1-12.

81. A randomized clinical trial of the effect of continuous glucose monitoring on nocturnal hypoglycemia, daytime hypoglycemia, glycemic variability, and hypoglycemia confidence in persons with type 1 diabetes treated with multiple daily insulin injections (GOLD-3) / A. F. Ólafsdóttir, W. Polonsky, J. Bolinder [et al.] // Diabetes Technology & Therapeutics. - 2018. - Vol. 20. - № 4. - P. 274-284.

82. Accuracy of a CGM sensor in pediatric subjects with type 1 diabetes. Comparison of three insertion sites: arm, abdomen, and gluteus / S. Faccioli, S. Del Favero, R. Visentin [et al.] // Journal of Diabetes Science and Technology. - 2017. - Vol. 11. - № 6. - P. 1147-1154.

83. Accuracy of continuous glucose monitoring systems in intensive care unit patients: a scoping review / C. G. Nielsen, M. Grigonyte-Daraskeviciene, M. T. Olsen [et al.] // Intensive Care Medicine. - 2024. - Vol. 50. - № 12. - P. 2005-2018.

84. Acute glycemic variability on admission predicts the prognosis in hospitalized patients with coronary artery disease: a meta-analysis / Z. Pu, L. Lai, X. Yang [et al.] // Endocrine. - 2020. - Vol. 67. - № 3. - P. 526-534.

85. Advanced decision support system for individuals with diabetes on multiple daily injections therapy using reinforcement learning and nearest-neighbors: in-silico and clinical results / A. Jafar, M.-R. Pasqua, B. Olson, A. Haidar // Artificial Intelligence in Medicine. - 2024. - Vol. 148. - P. 102749.

86. Al Hayek, A. Patient satisfaction and clinical efficacy of novel blood glucose meters featuring color range indicators in patients with type 2 diabetes: a prospective study / A. Al Hayek, A. Alwin Robert, M. Al Dawish // Cureus. - 2020. - Vol. 12. - № 10. - P. e11195.

87. Aleppo, G. Clinical application of time in range and other metrics / G. Aleppo // Diabetes Spectrum: A Publication of the American Diabetes Association. - 2021. - Vol. 34. - № 2. - P. 109-118.

88. An updated algorithm for an effective choice of continuous glucose monitoring for people with insulin-treated diabetes / M. I. Maiorino, R. Buzzetti, C. Irace [et al.] // Endocrine. - 2023. - Vol. 82. - № 2. - P. 215-225.

89. Are nocturnal hypoglycemia prevention strategies influenced by diabetes technology usage? A BETTER registry analysis / M. K. Talbo, R. Rabasa-Lhoret, J.-F. Yale [et al.] // Diabetes Research and Clinical Practice. - 2022. - Vol. 191. - P. 110080.

90. Association between continuous glucose monitoring-derived glycemic control indices and urinary biomarkers of diabetic kidney disease: Hyogo Diabetes Hypoglycemia Cognition Complications study / A. Takagi, Y. Kusunoki, M. Ohigashi [et al.] // Acta Diabetologica. - 2024. - Vol. 61. - № 4. - P. 413-423.

91. Association between hypoglycaemic glucose variability and autonomic function in type1 diabetes with impaired hypoglycaemia awareness / C. Racca, E. J. Bouman, C. A. J. Van Beers [et al.] // Diabetes Research and Clinical Practice. - 2022. - Vol. 189. -P. 109964.

92. Association between self-monitored blood glucose and continuous glucose monitoring in youth with type 1 diabetes and medicaid insurance / J. Chan, N. Jackson, A. Gonzalez Rebollar [et al.] // Diabetes Care. - 2025. - Vol. 48. - № 4. - P. 632-638.

93. Association of glycemic variability and hypoglycemia with distal symmetrical polyneuropathy in adults with type 1 diabetes / Z. Shen, H. Jiang, R. Huang [et al.] // Scientific Reports. - 2021. - Vol. 11. - № 1. - P. 22875.

94. Association of glycemic variability in type 1 diabetes with progression of microvascular outcomes in the Diabetes control and complications trial / J. M. Lachin, I.

Bebu, R. M. Bergenstal [et al.] // Diabetes Care. - 2017. - Vol. 40. - № 6. - P. 777783.

95. Baneshi, M. R. Does the missing data imputation method affect the composition and performance of prognostic models? / M. R. Baneshi, A. R. Talei // Iranian Red Crescent Medical Journal. - 2012. - Vol. 14. - № 1. - P. 31-36.

96. Baretic, M. Nocturnal hypoglycemia - the main indication for insulin pump therapy in adulthood / M. Baretic, I. Kraljevic, I. P. Renar // Acta Clinica Croatica. -2016. - Vol. 55. - № 1. - P. 93-99.

97. Barriers to continuous glucose monitoring in people with type 1 diabetes: clinician perspectives / M. S. Lanning, M. L. Tanenbaum, J. J. Wong, K. K. Hood // Diabetes Spectrum: A Publication of the American Diabetes Association. - 2020. - Vol. 33. - № 4. - P. 324-330.

98. Beato-Víbora, P. I. Differences in the mean amplitude of glycemic excursions calculated by two automated methods / P. I. Beato-Víbora, F. J. Arroyo-Díez // Diabetes Technology & Therapeutics. - 2014. - Vol. 16. - № 2. - P. 123-124.

99. Bergenstal, R. M. More green, less red: how color standardization may facilitate effective use of CGM data / R. M. Bergenstal, G. D. Simonson, L. Heinemann // Journal of Diabetes Science and Technology. - 2022. - Vol. 16. - № 1. - P. 3-6.

100. Bergenstal, R. M. Understanding continuous glucose monitoring data / R. M. Bergenstal. - Text: electronic // Role of Continuous Glucose Monitoring in Diabetes Treatment. - Arlington (VA) : American Diabetes Association, 2018. - URL: http://www.ncbi.nlm.nih.gov/books/NBK538967/ (date of access: 13.10.2022).

101. Calculating the Mean Amplitude of Glycemic Excursions from Continuous Glucose Data Using an Open-Code Programmable Algorithm Based on the Integer Nonlinear Method / X. Yu, L. Lin, J. Shen [et al.] // Computational and Mathematical Methods in Medicine. - 2018. - Vol. 2018. - P. 6286893.

102. Can a basic management app paired with a glucose meter help reduce glucose levels among adults with type 2 diabetes? The REALL Study / L. Fisher, A. Fortmann, J. Knaebel, A. Stuhr // Journal of Diabetes Science and Technology. - 2022. - P. 19322968221096163.

103. Comparison of continuous glucose monitoring accuracy between abdominal and upper arm insertion sites / I. I. K. Steineck, Z. Mahmoudi, A. Ranjan [et al.] // Diabetes Technology & Therapeutics. - 2019. - Vol. 21. - № 5. - P. 295-302.

104. Comparison of points in range measured by the self-monitoring of blood glucose and time in range measured by the continuous glucose monitoring / Y. Mori, N. Sakane, M. Kimura [et al.] // The Tokai Journal of Experimental and Clinical Medicine. - 2024. - Vol. 49. - № 3. - P. 105-109.

105. Comparison of the FreeStyle Libre Pro flash continuous glucose monitoring (CGM) system and point-of-care capillary glucose testing in hospitalized patients with type 2 diabetes treated with basal-bolus insulin regimen / R. J. Galindo, A. L. Migdal, G. M. Davis [et al.] // Diabetes Care. - 2020. - Vol. 43. - № 11. - P. 2730-2735.

106. Complications of diabetes and metrics of glycemic management derived from continuous glucose monitoring / M. Yapanis, S. James, M. E. Craig [et al.] // The Journal of Clinical Endocrinology and Metabolism. - 2022. - Vol. 107. - № 6. - P. e2221-e2236.

107. Continuous glucose monitoring for patients with type 1 diabetes on multiple daily injections of insulin: pros and cons / M. I. Maiorino, M. Petrizzo, G. Bellastella, K. Esposito // Endocrine. - 2018. - Vol. 59. - № 1. - P. 62-65.

108. Continuous glucose monitoring systems - current status and future perspectives of the flagship technologies in biosensor research / I. Lee, D. Probst, D. Klonoff, K. Sode // Biosensors & Bioelectronics. - 2021. - Vol. 181. - P. 113054.

109. Continuous glucose monitoring versus self-monitoring of blood glucose in type 2 diabetes mellitus: a systematic review with meta-analysis / R. N. Janapala, J. S. Jayaraj, N. Fathima [et al.] // Cureus. - 2019. - Vol. 11. - № 9. - P. e5634.

110. CSII is related to more stable glycemia in adults with type 1 diabetes / P. Tsarkova, N. Chakarova, R. Dimova [et al.] // Endocrine. - 2022. - Vol. 75. - № 3. - P. 776-780.

111. Diabetes digital app technology: benefits, challenges, and recommendations. a consensus report by the European Association for the Study of Diabetes (EASD) and the American Diabetes Association (ADA) Diabetes technology working group / G. A.

Fleming, J. R. Petrie, R. M. Bergenstal [et al.] // Diabetes Care. - 2020. - Vol. 43. - № 1. - P. 250-260.

112. Differences for percentage times in glycemic range between continuous glucose monitoring and capillary blood glucose monitoring in adults with type 1 diabetes: analysis of the REPLACE-BG dataset / P. Avari, C. Uduku, D. George [et al.] // Diabetes Technology & Therapeutics. - 2020. - Vol. 22. - № 3. - P. 222-227.

113. Digital technology and healthcare delivery in insulin-treated adults with diabetes: a proposal for analysis of self-monitoring blood glucose patterns using a dedicated platform / C. Irace, E. Acmet, A. Cutruzzolà [et al.] // Endocrine. - 2024. - Vol. 84. -№ 2. - P. 441-449.

114. Dilated recurrent neural networks for glucose forecasting in type 1 diabetes / T. Zhu, K. Li, J. Chen [et al.] // Journal of Healthcare Informatics Research. - 2020. - Vol. 4. - № 3. - P. 308-324.

115. Effect of insulin analogs on frequency of non-severe hypoglycemia in patients with type 1 diabetes prone to severe hypoglycemia: much higher rates detected by continuous glucose monitoring than by self-monitoring of blood glucose - the HypoAna Trial / R. M. Agesen, P. L. Kristensen, H. Beck-Nielsen [et al.] // Diabetes Technology & Therapeutics. - 2018. - Vol. 20. - № 3. - P. 247-256.

116. Effect of professional CGM (pCGM) on glucose management in type 2 diabetes patients in primary care / G. D. Simonson, R. M. Bergenstal, M. L. Johnson [et al.] // Journal of Diabetes Science and Technology. - 2021. - Vol. 15. - № 3. - P. 539-545.

117. Effectiveness of continuous glucose monitoring in maintaining glycaemic control among people with type 1 diabetes mellitus: a systematic review of randomised controlled trials and meta-analysis / E. Teo, N. Hassan, W. Tam, S. Koh // Diabetologia. - 2022. - Vol. 65. - № 4. - P. 604-619.

118. Effects of continuous glucose monitoring on metrics of glycemic control in diabetes: a systematic review with meta-analysis of randomized controlled trials / M. I. Maiorino, S. Signoriello, A. Maio [et al.] // Diabetes Care. - 2020. - Vol. 43. - № 5. -P. 1146-1156.

119. Efficacy of an education program for people with diabetes and insulin pump treatment (INPUT): results from a randomized controlled trial / D. Ehrmann, B. Kulzer, M. Schipfer [et al.] // Diabetes Care. - 2018. - Vol. 41. - № 12. - P. 2453-2462.

120. Estimation of hemoglobin A1c from continuous glucose monitoring data in individuals with type 1 diabetes: is time in range all we need? / C. Fabris, L. Heinemann, R. Beck [et al.] // Diabetes Technology & Therapeutics. - 2020. - Vol. 22. - № 7. - P. 501-508.

121. Evaluating the adequacy of coefficient of variation and standard deviation as metrics of glucose variability in type 1 diabetes based on data from the GOLD and SILVER trials / P. Fatulla, H. Imberg, S. Sterner Isaksson [et al.] // Diabetes Technology & Therapeutics. - 2025.

122. Evaluating the precision and reliability of real-time continuous glucose monitoring systems in ambulatory settings: a systematic review / V. Dávila-Ruales, L. F. Gilón, A. M. Gómez [et al.] // Therapeutic Advances in Endocrinology and Metabolism. - 2024. - Vol. 15. - P. 20420188241304459.

123. Expert recommendations for using time-in-range and other continuous glucose monitoring metrics to achieve patient-centered glycemic control in people with diabetes / V. Bellido, E. Aguilera, R. Cardona-Hernandez [et al.] // Journal of Diabetes Science and Technology. - 2023. - Vol. 17. - № 5. - P. 1326-1336.

124. Functional data analysis and prediction tools for continuous glucose-monitoring studies / E. Gecili, R. Huang, J. C. Khoury [et al.] // Journal of Clinical and Translational Science. - 2020. - Vol. 5. - № 1. - P. e51.

125. Garg, S. K. Self-monitoring of blood glucose / S. K. Garg, I. B. Hirsch // Diabetes Technology & Therapeutics. - 2019. - Vol. 21. - № S1. - P. S4-S12.

126. Glucose biosensors in clinical practice: principles, limits and perspectives of currently used devices / S. A. Pullano, M. Greco, M. G. Bianco [et al.] // Theranostics. -2022. - Vol. 12. - № 2. - P. 493-511.

127. Glucose management indicator (GMI): a new term for estimating A1C from continuous glucose monitoring / R. M. Bergenstal, R. W. Beck, K. L. Close [et al.] // Diabetes Care. - 2018. - Vol. 41. - № 11. - P. 2275-2280.

128. Glucose measurement in body fluids: a ready reckoner for clinicians / S. Kubihal, A. Goyal, Y. Gupta, R. Khadgawat // Diabetes & Metabolic Syndrome. - 2021. - Vol. 15. - № 1. - P. 45-53.

129. Glucotypes reveal new patterns of glucose dysregulation / H. Hall, D. Perelman, A. Breschi [et al.] // PLoS biology. - 2018. - Vol. 16. - № 7. - P. e2005143.

130. Glycemic variability is associated with quality of life and treatment satisfaction in patients with type 1 diabetes / S. Ayano-Takahara, K. Ikeda, S. Fujimoto [et al.] // Diabetes Care. - 2015. - Vol. 38. - № 1. - P. e1-2.

131. Glycometabolic outcomes in adult type 1 diabetic patients switching to closed-loop systems / G. Papa, R. Cannarella, R. A. Condorelli [et al.] // Diabetes Research and Clinical Practice. - 2023. - Vol. 204. - P. 110907.

132. Grady, M. Use of blood glucose meters featuring color range indicators improves glycemic control in patients with diabetes in comparison to blood glucose meters without color (ACCENTS Study) / M. Grady, L. B. Katz, B. L. Levy // Journal of Diabetes Science and Technology. - 2018. - Vol. 12. - № 6. - P. 1211-1219.

133. Guo, S. H.-M. Assessing quality of glycemic control: hypo- and hyperglycemia, and glycemic variability using mobile self-monitoring of blood glucose system / S. H.-M. Guo // Health Informatics Journal. - 2020. - Vol. 26. - № 1. - P. 287-297.

134. HbA1c variability in adults with type 1 diabetes on continuous subcutaneous insulin infusion (CSII) therapy compared to multiple daily injection (MDI) treatment / E. S. Scott, R. T. McGrath, A. S. Januszewski [et al.] // BMJ open. - 2019. - Vol. 9. -№ 12. - P. e033059.

135. Hypoglycaemia incidence and recovery during home use of hybrid closed-loop insulin delivery in adults with type 1 diabetes / Y. Ruan, L. Bally, H. Thabit [et al.] // Diabetes, Obesity & Metabolism. - 2018. - Vol. 20. - № 8. - P. 2004-2008.

136. Hypoglycaemia remains the key obstacle to optimal glycaemic control -continuous glucose monitoring is the solution / P. Adolfsson, D. Rentoul, B. Klinkenbijl, C. G. Parkin // European Endocrinology. - 2018. - Vol. 14. - № 2. - P. 5056.

137. Hypoglycemia and risk of vascular events and mortality: a systematic review and meta-analysis / J. S. Yeh, S.-H. Sung, H.-M. Huang [et al.] // Acta Diabetologica. -2016. - Vol. 53. - № 3. - P. 377-392.

138. Identification of clinically relevant dysglycemia phenotypes based on continuous glucose monitoring data from youth with type 1 diabetes and elevated hemoglobin A1c / A. R. Kahkoska, L. A. Adair, A. E. Aiello [et al.] // Pediatric Diabetes. - 2019. - Vol. 20. - № 5. - P. 556-566.

139. Impact of a novel diabetes support system on a cohort of individuals with type 1 diabetes treated with multiple daily injections: a multicenter randomized study / A. Bisio, S. Anderson, L. Norlander [et al.] // Diabetes Care. - 2022. - Vol. 45. - № 1. - P. 186-193.

140. Impact on glycemia risk index and other metrics in type 1 adult patients switching to advanced hybrid closed-loop systems: a one-year real-life experience / E. Resmini, E. Zarra, S. Dotti [et al.] // European Journal of Medical Research. - 2024. - Vol. 29. - № 1. - P. 365.

141. Increased derived time in range is associated with reduced risk of major adverse cardiovascular events, severe hypoglycemia, and microvascular events in type 2 diabetes: a post hoc analysis of DEVOTE / R. M. Bergenstal, E. Hachmann-Nielsen, K. Kvist [et al.] // Diabetes Technology & Therapeutics. - 2023. - Vol. 25. - № 6. - P. 378-383.

142. Kidney disease: improving global outcomes (KDIGO) CKD work group. KDIGO 2024 clinical practice guideline for the evaluation and management of chronic kidney disease / Kidney disease: improving global outcomes (KDIGO) CKD work group // Kidney International. - 2024. - Vol. 105. - № 4S. - P. S117-S314.

143. Klimontov, V. V. Glucose variability indices predict the episodes of nocturnal hypoglycemia in elderly type 2 diabetic patients treated with insulin / V. V. Klimontov, N. E. Myakina // Diabetes & Metabolic Syndrome. - 2017. - Vol. 11. - № 2. - P. 119124.

144. Lachin, J. M. understanding metabolic memory: the prolonged influence of glycemia during the Diabetes control and complications trial (DCCT) on future risks of

complications during the study of the Epidemiology of diabetes interventions and complications (EDIC) / J. M. Lachin, D. M. Nathan, DCCT/EDIC Research Group // Diabetes Care. - 2021. - Vol. 44. - № 10. - P. 2216-2224.

145. Less nocturnal hypoglycemia but equivalent time in range among adults with type 1 diabetes using insulin pumps versus multiple daily injections / S. A. McAuley, S. Vogrin, M. H. Lee [et al.] // Diabetes Technology & Therapeutics. - 2021. - Vol. 23. -№ 6. - P. 460-466.

146. Lin, J. Acute glycemic variability and functional outcome in patients with acute ischemic stroke: a meta-analysis / J. Lin, C. Cai, Y. Xie // Hormone and Metabolic Research. - 2022. - Vol. 54. - № 6. - P. 371-379.

147. Lin, M. Current status and influential factors associated with adherence to self-monitoring of blood glucose with type 2 diabetes mellitus patients in grassroots communities: a cross-sectional survey based on information-motivation-behavior skills model in China / M. Lin, T. Chen, G. Fan // Frontiers in Endocrinology. - 2023. - Vol. 14. - P. 1111565.

148. Machine learning and smart devices for diabetes management: systematic review / M. A. Makroum, M. Adda, A. Bouzouane, H. Ibrahim // Sensors (Basel, Switzerland).

- 2022. - Vol. 22. - № 5. - P. 1843.

149. Medical food assessment using a smartphone app with continuous glucose monitoring sensors: proof-of-concept study / H. Roux de Bézieux, J. Bullard, O. Kolterman [et al.] // JMIR formative research. - 2021. - Vol. 5. - № 3. - P. e20175.

150. Nocturnal glucose patterns with and without hypoglycemia in people with type 1 diabetes managed with multiple daily insulin injections / D. E. Kladov, V. B. Berikov, J.

F. Semenova, V. V. Klimontov // Journal of Personalized Medicine. - 2023. - Vol. 13.

- № 10. - P. 1454.

151. Nocturnal hypoglycemia in the era of continuous glucose monitoring / B. Kulzer,

G. Freckmann, R. Ziegler [et al.] // Journal of Diabetes Science and Technology. -2024. - Vol. 18. - № 5. - P. 1052-1060.

152. Nwokolo, M. The artificial pancreas and type 1 diabetes / M. Nwokolo, R. Hovorka // The Journal of Clinical Endocrinology and Metabolism. - 2023. - Vol. 108.

- № 7. - P. 1614-1623.

153. Overview of artificial intelligence-driven wearable devices for diabetes: scoping review / A. Ahmed, S. Aziz, A. Abd-Alrazaq [et al.] // Journal of Medical Internet Research. - 2022. - Vol. 24. - № 8. - P. e36010.

154. Pickup, J. C. Is insulin pump therapy effective in type 1 diabetes? / J. C. Pickup // Diabetic Medicine: A Journal of the British Diabetic Association. - 2019. - Vol. 36. -№ 3. - P. 269-278.

155. Postprandial glucose variability in type 1 diabetes: the individual matters beyond the meal / L. Bozzetto, D. Pacella, L. Cavagnuolo [et al.] // Diabetes Research and Clinical Practice. - 2022. - Vol. 192.

156. Practical approach to using trend arrows on real-time continuous glucose monitoring system in type 1 diabetes adolescents living camp setting treated with multiple daily injection or continuous subcutaneous insulin infusion insulin therapy / M. Bassi, N. Minuto, G. Fichera [et al.] // Journal of Diabetes Science and Technology. -2021. - Vol. 15. - № 5. - P. 1098-1103.

157. Predicting and preventing nocturnal hypoglycemia in type 1 diabetes using big data analytics and decision theoretic analysis / C. Mosquera-Lopez, R. Dodier, N. S. Tyler [et al.] // Diabetes Technology & Therapeutics. - 2020. - Vol. 22. - № 11. - P. 801-811.

158. Prediction of lowest nocturnal blood glucose level based on self-monitoring of blood glucose in Japanese patients with type 2 diabetes / K. Sakurai, Y. Kawai, M. Yamazaki, M. Komatsu // Journal of Diabetes and Its Complications. - 2018. - Vol. 32.

- № 12. - P. 1118-1123.

159. Quevedo Rodriguez, A. Mobile phone applications for diabetes management: a systematic review / A. Quevedo Rodriguez, A. M. Wagner // Endocrinologia, Diabetes Y Nutricion. - 2019. - Vol. 66. - № 5. - P. 330-337.

160. Randomized comparison of self-monitored blood glucose (BGM) versus continuous glucose monitoring (CGM) data to optimize glucose control in type 2

diabetes / R. M. Bergenstal, D. M. Mullen, E. Strock [et al.] // Journal of Diabetes and Its Complications. - 2022. - Vol. 36. - № 3. - P. 108106.

161. Real-world evidence of improved glycemic control in people with diabetes using a bluetooth-connected blood glucose meter with a mobile diabetes management app / M. Grady, H. Cameron, A. Bhatiker [et al.] // Diabetes Technology & Therapeutics. -2022. - Vol. 24. - № 10. - P. 770-778.

162. Real-world performance of hybrid closed loop in youth, young adults, adults and older adults with type 1 diabetes: Identifying a clinical target for hybrid closed-loop use / C. Berget, H. K. Akturk, L. H. Messer [et al.] // Diabetes, Obesity & Metabolism. -2021. - Vol. 23. - № 9. - P. 2048-2057.

163. Recent developments in personal glucose meters as point-of-care testing devices (2020-2024) / D.-N. Yang, S. Geng, R. Jing, H. Zhang // Biosensors. - 2024. - Vol. 14.

- № 9. - P. 419.

164. Recent progress of personal glucose meters integrated methods in food safety hazards detection / X. Xing, L. Yao, C. Yan [et al.] // Critical Reviews in Food Science and Nutrition. - 2022. - Vol. 62. - № 27. - P. 7413-7426.

165. Relationship between estimated glycosylated hemoglobin using flash glucose monitoring and actual measured glycosylated hemoglobin in a Chinese population / Y. Hu, Y. Shen, R. Yan [et al.] // Diabetes Therapy: Research, Treatment and Education of Diabetes and Related Disorders. - 2020. - Vol. 11. - № 9. - P. 2019-2027.

166. Relationship between time in range, glycemic variability, HbA1c, and complications in adults with type 1 diabetes mellitus / A. El Malahi, M. Van Elsen, S. Charleer [et al.] // The Journal of Clinical Endocrinology and Metabolism. - 2022. -Vol. 107. - № 2. - P. e570-e581.

167. Review of mobile applications for optimizing the follow-up care of patients with diabetes / N. T. Ersotelos, A. N. Margioris, X. Zhang, F. Dong // Hormones (Athens, Greece). - 2018. - Vol. 17. - № 4. - P. 541-550.

168. Rodbard, D. Glucose variability: a review of clinical applications and research developments / D. Rodbard // Diabetes Technology & Therapeutics. - 2018. - Vol. 20.

- № S2. - P. S25-S215.

169. Rodbard, D. The ambulatory glucose profile: opportunities for enhancement / D. Rodbard // Diabetes Technology & Therapeutics. - 2021. - Vol. 23. - № 5. - P. 332341.

170. Sanchez-Rangel, E. Pathophysiology and management of hypoglycemia in diabetes / E. Sanchez-Rangel, J. Deajon-Jackson, J. J. Hwang // Annals of the New York Academy of Sciences. - 2022. - Vol. 1518. - № 1. - P. 25-46.

171. Sechterberger, M. K. Poor agreement of computerized calculators for mean amplitude of glycemic excursions / M. K. Sechterberger, Y. M. Luijf, J. H. Devries // Diabetes Technology & Therapeutics. - 2014. - Vol. 16. - № 2. - P. 72-75.

172. Self-measurement of blood glucose and continuous glucose monitoring - is there only one future? / L. Heinemann, A. Stuhr, A. Brown [et al.] // European Endocrinology. - 2018. - Vol. 14. - № 2. - P. 24-29.

173. Service, F. J. Glucose variability / F. J. Service // Diabetes. - 2013. - Vol. 62. -№ 5. - P. 1398-1404.

174. Shan, R. Digital health technology and mobile devices for the management of diabetes mellitus: state of the art / R. Shan, S. Sarkar, S. S. Martin // Diabetologia. -2019. - Vol. 62. - № 6. - P. 877-887.

175. Siamashvili, M. Nocturnal hypoglycemia in type 1 and type 2 diabetes: an update on prevalence, prevention, pathophysiology and patient awareness / M. Siamashvili, H. A. Davis, S. N. Davis // Expert Review of Endocrinology & Metabolism. - 2021. - Vol. 16. - № 6. - P. 281-293.

176. Sudharsan, B. Hypoglycemia prediction using machine learning models for patients with type 2 diabetes / B. Sudharsan, M. Peeples, M. Shomali // Journal of Diabetes Science and Technology. - 2015. - Vol. 9. - № 1. - P. 86-90.

177. Sustained reduction in severe hypoglycemia in adults with type 1 diabetes complicated by impaired awareness of hypoglycemia: two-year follow-up in the HypoCOMPaSS randomized clinical trial / S. A. Little, J. Speight, L. Leelarathna [et al.] // Diabetes Care. - 2018. - Vol. 41. - № 8. - P. 1600-1607.

178. Switching to the MinimedTM 780G system achieves clinical targets for CGM in adults with type 1 diabetes regardless of previous insulin strategy and baseline glucose

control / G. Lepore, A. Rossini, R. Bellante [et al.] // Acta Diabetologica. - 2022. - Vol. 59. - № 10. - P. 1309-1315.

179. System accuracy evaluation of 18 CE-marked current-generation blood glucose monitoring systems based on EN ISO 15197:2015 / S. Pleus, A. Baumstark, N. Jendrike [et al.] // BMJ open diabetes research & care. - 2020. - Vol. 8. - № 1. - P. e001067.

180. Technology and continuous glucose monitoring access, literacy, and use among patients at the diabetes center of an inner-city safety-net hospital: mixed methods study / G. Sabben, C. Telfort, M. Morales [et al.] // JMIR diabetes. - 2024. - Vol. 9. - P. e54223.

181. The effects of subcutaneous insulin infusion versus multiple insulin injections on glucose variability in young adults with type 1 diabetes: the 2-year follow-up of the observational METRO study / M. I. Maiorino, G. Bellastella, O. Casciano [et al.] // Diabetes Technology & Therapeutics. - 2018. - Vol. 20. - № 2. - P. 117-126.

182. The impact of intraday glucose variability on coronary artery spasm in patients with dysglycemia / T. Ito, T. Ichihashi, H. Fujita [et al.] // Heart and Vessels. - 2019. -Vol. 34. - № 8. - P. 1250-1257.

183. The relationship between glycemic variability and diabetic peripheral neuropathy in type 2 diabetes with well-controlled HbA1c / F. Xu, L.-H. Zhao, J.-B. Su [et al.] // Diabetology & Metabolic Syndrome. - 2014. - Vol. 6. - № 1. - P. 139.

184. The role of blood glucose monitoring in diabetes management / R. S. Weinstock, G. Aleppo, T. S. Bailey, [et al.]. - Arlington (VA) : American Diabetes Association, 2020.

185. The use of a computer program to calculate the mean amplitude of glycemic excursions / G. Fritzsche, K.-D. Kohnert, P. Heinke [et al.] // Diabetes Technology & Therapeutics. - 2011. - Vol. 13. - № 3. - P. 319-325.

186. Time in range and complications of diabetes: a cross-sectional analysis of patients with Type 1 diabetes / M. F. Bezerra, C. Neves, J. S. Neves, D. Carvalho // Diabetology & Metabolic Syndrome. - 2023. - Vol. 15. - № 1. - P. 244.

187. Time in range is associated with incident diabetic retinopathy in adults with type 1 diabetes: a longitudinal study / V. N. Shah, L. G. Kanapka, H. K. Akturk [et al.] // Diabetes Technology & Therapeutics. - 2024. - Vol. 26. - № 4. - P. 246-251.

188. Time in range, time in tight range, and average glucose relationships are modulated by glycemic variability: identification of a glucose distribution model connecting glycemic parameters using real-world data / Y. Xu, T. C. Dunn, R. M. Bergenstal [et al.] // Diabetes Technology & Therapeutics. - 2024. - Vol. 26. - № 7. -P. 467-477.

189. Time in range - a new gold standard in type 2 diabetes research? / A. Goshrani, R. Lin, D. O'Neal, E. I. Ekinci // Diabetes, Obesity & Metabolism. - 2025.

190. Time-in-range derived from self-measured blood glucose in people with type 2 diabetes advancing to iGlarLixi: A participant-level pooled analysis of three phase 3 LixiLan randomized controlled trials / M. Haluzík, M. E. Al-Sofiani, A. Y. Y. Cheng [et al.] // Diabetes, Obesity & Metabolism. - 2024. - Vol. 26. - № 11. - P. 5046-5055.

191. Tong, L. Association of various glycemic variability indices and vascular outcomes in type-2 diabetes patients: A retrospective study / L. Tong, C. Chi, Z. Zhang // Medicine. - 2018. - Vol. 97. - № 21. - P. e10860.

192. Treatment satisfaction and glycemic control in young Type 1 diabetic patients in transition from pediatric health care: CSII versus MDI / M. I. Maiorino, G. Bellastella, M. Petrizzo [et al.] // Endocrine. - 2014. - Vol. 46. - № 2. - P. 256-262.

193. Updated software for automated assessment of glucose variability and quality of glycemic control in diabetes / V. Moscardó, M. Giménez, N. Oliver, N. R. Hill // Diabetes Technology & Therapeutics. - 2020. - Vol. 22. - № 10. - P. 701-708.

194. Usability evaluation of a blood glucose monitoring system with a spill-resistant vial, easier strip handling, and connectivity to a mobile app: improvement of patient convenience and satisfaction / C. Harvey, R. Koubek, V. Bégat, S. Jacob // Journal of Diabetes Science and Technology. - 2016. - Vol. 10. - № 5. - P. 1136-1141.

195. Use of glucose monitoring devices among adults with diabetes in Germany: results from nationwide surveys conducted in 2017 and 2021/2022 / Y. Du, J. Baumert, M. Buchmann [et al.] // Diabetes Technology & Therapeutics. - 2025.

196. Vliebergh, J. Advances in newer basal and bolus insulins: impact on type 1 diabetes / J. Vliebergh, E. Lefever, C. Mathieu // Current Opinion in Endocrinology, Diabetes, and Obesity. - 2021. - Vol. 28. - № 1. - P. 1-7.

197. Youth-perceived burden of type 1 diabetes: problem areas in diabetes survey-pediatric version (PAID-Peds) / J. T. Markowitz, L. K. Volkening, D. A. Butler, L. M. B. Laffel // Journal of Diabetes Science and Technology. - 2015. - Vol. 9. - № 5. - P. 1080-1085.

198. Zhang, Y. Continuous glucose data construction and risk assessment application of diabetic retinopathy complications for patients with type 2 diabetes mellitus / Y. Zhang, L. Liu, H. Qiao // SLAS technology. - 2024. - Vol. 29. - № 6. - P. 100221.