Knowledge-Hub Digitalisierung, KI & Gesundheitein Angebot von Monitor Versorgungsforschung

Knowledge-Hub Digitalisierung, KI & Gesundheit › Studien

Machine-Learning-Modelle für Glukoseprognose bei Diabetes: systematischer Review mit Meta-Analyse

Yang H et al. · J Med Internet Res · erschienen 09.11.2026 · in PubMed seit 10.11.2026 · PMID 43006686

Von KI ausgewählt und zusammengefasst

Worum es geht

Systematischer Review mit Meta-Analyse von 299 Studien (270 Unique-Studen) zum Einsatz von Machine Learning für die Vorhersage zukünftiger Glukosewerte oder -ereignisse bei Typ-1-, Typ-2- und gemischtem Diabetes; Fokus auf externe Validierung und Implementierungsbereitschaft.

Ergebnis

Gepoolte RMSE betrug 1,18 mmol/L (95% CI 1,01–1,34; n=37 Effekte), gepoolte mittlere absolute Abweichung 0,90 mmol/L. Bayesische gepoolte AUC unter ROC-Kurve 0,926 (95% CrI 0,877–0,957). Von 28 PROBAST-Einheiten waren 24 hohes Risiko, 2 unklar, 2 niedrig. Externe Validierung lag bei 4,0% (10/251), prospektive Evaluierung bei 0,7% (2/270), Kalibrierung bei 4,8%. Heterogenität, hohes Verzerrungsrisiko und unvollständige Unsicherheitsberichterstattung verhindern deploybare Benchmarks.

Übertragbarkeit auf Deutschland

Globale Evidenz, aber unzureichende externe Validierung für sofortige Versorgungsimplementierung in Deutschland.

Auswahl und deutsche Zusammenfassung stammen von einer KI und sind nicht redaktionell geprüft. Maßgeblich ist die Originalpublikation.