Diabetes aktuell 2019; 17(04): 130-137
DOI: 10.1055/a-0900-7099
Schwerpunkt
© Georg Thieme Verlag Stuttgart · New York

Glukosemessverfahren und deren Einfluss auf die Diabetologie

Weniger Einschränkungen durch Selbstkontrolle
Andreas Thomas
1   Medtronic GmbH, Meerbusch
,
Thorsten Siegmund
2   Diabetes- Hormon- und Stoffwechselzentrum am Isar Klinikum, München
,
Ralf Kolassa
3   Diabetologische Schwerpunktpraxis, Bergheim/Erft
› Author Affiliations
Further Information

Publication History

Publication Date:
28 June 2019 (online)

Zusammenfassung

Nach der Nutzung des Insulins für die Diabetesbehandlung gab es kaum einen weitreichenderen therapeutischen Fortschritt als die Einführung verschiedener Methoden der Glukosemessung zur unmittelbaren Selbstkontrolle der Patienten. Dadurch eröffnete sich die Möglichkeit, die Therapie zu steuern und mit den unterschiedlichen Anforderungen des Alltags abzustimmen. Schlussendlich eröffnete das den Patienten ein Diabetesmanagement, welches im täglichen Leben weniger Einschränkungen durch die Therapie bedeutet. Mit jedem weiteren Entwicklungsschritt der Glukoseselbstmessung erhöhte sich deren Einfluss. Weil mit dem kontinuierlichen Glukosemonitoring (CGM) eine vollständige Abbildung des Glukoseverlaufs gegeben ist, lassen sich diese Daten auch innerhalb von Algorithmen zur Therapiesteuerung nutzen. Einerseits betrifft das die automatisierte Steuerung der Insulinabgabe von Insulinpumpen, andererseits die Empfehlung von therapeutischen Maßnahmen nach Analyse der Glukosedaten auf Großcomputern mithilfe von Therapieentscheidungsalgorithmen. Waren und sind die verschiedenen Glukosemessverfahren bereits Werkzeuge für die Therapieunterstützung, so ist CGM eine Voraussetzung für die Therapiesteuerung. Auf dieser Ebene ist eine ständige Weiterentwicklung zu beobachten.

 
  • Literatur

  • 1 Siegmund T, Kolassa R, Thomas A. Sensorunterstützte Therapie (SuP) und Sensorunterstützte Pumpentherapie (SuP). Unimed Science Verlag Bremen 2011 ISBN 978-3-8374-1232-1
  • 2 Keenan DB, Mastrototaro JJ, Voskanyan G, Steil GM. Delays in Minimally Invasive Continuous Glucose Monitoring Devices: A Review of Current Technology. J Diabetes Sci Technol 2009; 3 (05) 1207-1214 doi: 10.1177/193229680900300528
  • 3 Jafri RZ, Balliro A, El-Khatib F. et al A Three-Way Accuracy Comparison of the Dexcom G5, Abbott Freestyle Libre Pro, and Senseonics Eversense CGM Devices in an Outpatient Study of Subjects with Type 1 Diabetes. Diabetes 2018; 67 (Suppl. 01) A5
  • 4 Kelly Close Report, April 3 2018. FDA releases special controls for 510(k) „integrated CGM“
  • 5 Kovatchev BP, Patek SD, Ortiz EA. et al Assessing sensor accuracy for non-adjunct use of continuous glucose monitoring. Diabetes Technol Ther. 2015; 17 (03) 177-186 doi: 10.1089/dia.2014.0272
  • 6 Choudhary P, Olsen BS, Conget I. et al Hypoglycemia Prevention and User Acceptance of an Insulin Pump System with Predictive Low Glucose Management. Diabetes Technol Ther 2016; 18 (05) 288-291 doi: 10.1089/dia.2015.0324
  • 7 Biester T, Kordonouri O, Holder M. et al „Let the Algorithm Do the Work“: Reduction of Hypoglycemia Using Sensor-Augmented Pump Therapy with Predictive Insulin Suspension (SmartGuard) in Pediatric Type 1 Diabetes Patients. Diabetes Technol Ther 2017; 19: 173-182 doi: 10.1089/dia.2016.0349
  • 8 Heinemann L, Deiss D, Siegmund T. et al Praxisempfehlung der DDG: Glukosemessung und -kontrolle bei Patienten mit Typ-1- oder Typ-2-Diabetes. Diabetologie 2017; 12 (Suppl. 02) S242-S262
  • 9 Hanefeld M, Stahn A, Henkel E. et al Glycemic fluctuations and arrhythmias in type 2 diabetes with cardiovascular disease. Diabetologia 2012; 55 (Suppl. 01) S102 doi: 10.1007/s00125-012-2688-9
  • 10 Siegmund T, Kolassa R, Heinemann L, Thomas A. Discrepancies Between Blood Glucose and Interstitial Glucose—Technological Artifacts or Physiology: Implications for Selection of the Appropriate Therapeutic Target. J Diabetes Sci Technol 2017; 766-772 doi: 10.1177/1932296817699637
  • 11 Kolassa R, Thomas A, Siegmund T. dieses Heft
  • 12 Agrawal P, Zhong A, Phukan A. et al Sugar.IQ Insights: An Innovative Personalized Machine-Learning Model for Diabetes Management. Diabetes 2017; 66 (Suppl. 01) A17
  • 13 Hermann J, Miller K, Schütz-Fuhrmann I. et al Increasing use of Continuous Glucose Monitoring (CGM) among adults with Type 1 Diabetes: differences between the US T1D Exchange Registry and the German/Austrian DPV initiative. Diabetes Technol. & Therapeutics 2019; 21 (Suppl. 01) A-24
  • 14 Kulzer B, Daenschel W, Daenschel I. et al Integrated personalized diabetes management improves glycemic control in patients with insulin-treated type 2 diabetes: Results of the PDM-ProValue study program. Diabetes Res Clin Pract. 2018; 144: 200-212 doi: 10.1016/j.diabres.2018.09.002