L’objectif était, à partir de données holter collectées lors d’épreuves d’activité physique (AP) chez des patients diabétiques de type 1 (DT1) traités par pompe à insuline sous-cutanée, de développer un modèle de prédiction de la survenue d’hypoglycémies.

Vingt patients DT1 ont pratiqué 4 épreuves d’AP (30min sur vélo ergonomique, 3h après le déjeuner à 2 niveaux d’AP et pour chacun, 2 ajustements possibles du débit de base (DB) ainsi qu’une épreuve de repos ; les 5 épreuves étant randomisées. Ces patients portaient un holter glycémique du début de l’AP jusqu’au lendemain matin. Nous avons utilisé un modèle de régression logistique pour prédire la survenue d’hypoglycémies à partir de variables d’intérêt identifiées (VO2 max, DB administré, âge, sexe, BMI, gradient glycémique pendant l’AP, d’après les données holter).

Les variables identifiées comme déterminantes pour prédire les hypoglycémies étaient le sexe du patient et le gradient glycémique au cours des dix premières minutes d’AP. Ainsi le fait d’être un homme s’accompagnait d’un risque accru de faire des hypoglycémies (OR 2,8) ; la majoration du gradient glycémique négatif sur les dix premières minutes, augmentait aussi ce risque. Le modèle a permis une bonne prédiction des données dans 70 % des cas (concordance entre situation prédite/réelle). On notait cependant une discordance dans 30 % des cas. Le tracé de courbes ROC pour le modèle étudié, a permis de compléter la prédiction et de déterminer pour un taux de faux positifs fixé, le taux de vrais positifs obtenu avec le modèle.

L’utilisation d’un modèle simple basé chez un patient donné sur le gradient glycémique des dix premières minutes d’un enregistrement holter, lors d’une AP de 30min, permet de prédire la survenue d’une hypoglycémie avec une relative bonne efficacité. Ce type de modèle dans une version améliorée, devrait s’avérer utile dans le développement des systèmes de boucle fermée.