Die Zahl der Menschen mit Schwangerschaftsdiabetes hat in den letzten 10 Jahren sowohl in Finnland als auch weltweit dramatisch zugenommen. Das Entwicklungsprojekt des CleverHealth-Netzwerks unterstützt die Betreuung von Schwangerschaftsdiabetes mit einem neuen digitalen Echtzeit-Service-Modell.
Im Rahmen des Projekts wurde eine mobile Anwendung zur Unterstützung des Betreuungsprozesses entwickelt, die den kontinuierlichen Blutzuckerspiegel, die körperliche Aktivität, die Ernährung, die Herzfrequenz und das tägliche Gewicht der Mutter in Echtzeit misst und in der Cloud speichert. In einer randomisierten kontrollierten Studie hat das Projekt gezeigt, dass die mobile App das Selbstmanagement von Schwangerschaftsdiabetes verbessert.
– Durch die Beeinflussung des Lebensstils und der Ernährung während der Schwangerschaft ist es wahrscheinlich, die Zahl der Mütter mit Typ-2-Diabetes und die an ihre Kinder weitergegebenen Gesundheitsrisiken zu verringern und damit die Gesundheit künftiger Generationen zu verbessern. Wir haben in Studien gezeigt, dass die App den Patientinnen hilft zu lernen, wie sich Ernährung und Bewegung auf den Blutzuckerspiegel und die Gewichtsentwicklung und damit auf den Verlauf der Schwangerschaft und die Gesundheit des Neugeborenen auswirken“, sagt Saila Koivusalo, Fachärztin für Gynäkologie und Geburtshilfe und Forschungsleiterin des Projekts.
Die Informationen werden in Echtzeit über die App an das Pflegepersonal übermittelt, das bei Bedarf Anleitung und Unterstützung beim Lernen geben kann. Die App ist somit in den Pflegepfad integriert und bleibt nicht isoliert, was der größte Vorteil gegenüber anderen Gesundheits-Apps ist.
– Der Service ermöglicht es uns, eine bessere, modernere Versorgung anzubieten. Außerdem wird die Einführung des Dienstes die Effizienz des Behandlungsprozesses für Patientinnen mit Schwangerschaftsdiabetes verbessern, da die Anzahl der Patiententermine, die Krankenhausbesuche erfordern, voraussichtlich abnehmen wird“, sagt Koivusalo.
In der nächsten Phase des Projekts wird maschinelles Lernen eingesetzt, um die Beratung und Behandlung auf das Risikoprofil und die individuellen Bedürfnisse der Patientin abzustimmen. KI wird auch Vorhersagen über die zukünftige Gesundheit der Mutter und ihres ungeborenen Kindes ermöglichen.
– Das bedeutet zum Beispiel, dass wir den zukünftigen Blutzuckerspiegel und das Gewicht von Neugeborenen auf eine noch nie dagewesene Weise vorhersagen können. Die Vorhersagen ermöglichen es der App, automatisch Feedback zu geben und zu kompensierenden Entscheidungen zu raten“, sagt Koivusalo.
PUBLIKATIONEN
Määttänen S, Koivusalo S, Ylinen H, Heinonen S, Kytö M. (2025). „Supporting Self-Management in Persons with Gestational Diabetes: the Effect of eMOM Mobile Application on Self-Discovery and Psychological Factors – A Mixed-Methods Study“. JMIR mHealth and uHealth (zur Veröffentlichung angenommen). DOI: 10.2196/60855
Kytö, M., Hotta, S., Niinistö, S., Marttinen, P., Korhonen, T. E., Markussen, L. T., Jacucci, G., Sievänen, H., Vähä-Ypyä, H., Korhonen, I., Virtanen, S., Heinonen, S., & Koivusalo, S. B. (2024). Periodic Mobile Application (eMOM) With Self-Tracking of Glucose and Lifestyle Improves Treatment of Diet-Controlled Gestational Diabetes Without Human Guidance: a Randomized Controlled Trial. American Journal of Obstetrics and Gynecology. https://doi.org/10.1016/j.ajog.2024.02.303
Hotta, S., Kytö, M., Koivusalo, S., Heinonen, S., & Marttinen, P. (2024). Optimizing postprandial glucose prediction through integration of diet and exercise: Leveraging transfer learning with imbalanced patient data. PLoS ONE, 19(8 August). https://doi.org/10.1371/journal.pone.0298506
Kytö, M., Koivusalo, S., Tuomonen, H., Strömberg, L., Ruonala, A., Marttinen, P., Heinonen, S., & Jacucci, G. (2023). Supporting the Management of Gestational Diabetes Mellitus With Comprehensive Self-Tracking: Mixed Methods Study of Wearable Sensors. JMIR Diabetes, 8, e43979. https://doi.org/10.2196/43979
Kytö, M., Strömberg, L., Tuomonen, H., Ruonala, A., Koivusalo, S. B., & Jacucci, G. (2022). Behavior Change Apps for Gestational Diabetes Management: Exploring Desirable Features. International Journal of Human-Computer Interaction, 38(12), 1095-1112. https://doi.org/10.1080/10447318.2021.1987678
Kytö, M., Koivusalo, S., Ruonala, A., Strömberg, L., Tuomonen, H., Heinonen, S., & Jacucci, G. (2022). Behavior Change App for Self-management of Gestational Diabetes: Design and Evaluation of Desirable Features. JMIR Human Factors, 9(4), e36987. https://doi.org/10.2196/36987
Kytö, M., Markussen, L. T., Marttinen, P., Jacucci, G., Niinistö, S., Virtanen, S. M., Korhonen, T. E., Sievänen, H., Vähä-Ypyä, H., Korhonen, I., Heinonen, S., & Koivusalo, S. B. (2022). Umfassende Selbstverfolgung des Blutzuckerspiegels und des Lebensstils mit einer mobilen Anwendung bei der Behandlung von Schwangerschaftsdiabetes: ein Studienprotokoll für eine randomisierte kontrollierte Studie (eMOM GDM Studie). BMJ Open, 12(11), e066292. https://doi.org/10.1136/bmjopen-2022-066292
Zhang, G., Ashrafi, R. A., Juuti, A., Pietiläinen, K., & Marttinen, P. (2020). Errors-in-variables modeling of personalized treatment-response trajectories. IEEE Journal of Biomedical and Health Informatics, 25(1), 201-208.
Ashrafi, R. A., Ahola, A. J., Rosengård-Bärlund, M., Saarinen, T., Heinonen, S., Juuti, A., Marttinen, P., & Pietiläinen, K. H. (2021). Computational modelling of self-reported dietary carbohydrate intake on glucose concentrations in patients undergoing Roux-en-Y gastric bypass versus one-anastomosis gastric bypass. Annals of Medicine, 53(1), 1885-1895. https://doi.org/10.1080/07853890.2021.1964035
In Zusammenarbeit mit
Mehr Informationen unter
Mikko Kytö, Entwicklungsleiter, PhD, Außerordentlicher Professor, mikko.kyto[at]hus.fi
Saila Koivusalo, Fachärztin für Gynäkologie und Geburtshilfe, LT, Außerordentliche Professorin, saila.koivusalo[at]hus.fi
