Información del artículo
Resumen
Se presenta un modelo matemático para emular el comportamiento endocrino de personas sanas o con la patología de Diabetes Mellitus Tipo I y Tipo II teniendo en cuenta la relación glucosa/insulina/glucagón a corto plazo. La estructura básica del modelo es de tipo compartimental, donde varios de sus parámetros se han adoptado en base a experimentos con modelos biológicos propios. Para ello se trabajó multidisciplinariamente en tres áreas que son Química Biológica, Ingeniería Química y Electrónica. El principal objetivo es demostrar la potencialidad educativa del modelo desde la óptica de las disciplinas antes mencionadas.
Palabras clave:
Modelo matemático biomédico
Educación multidisciplinaria
Experimentación
Control predictivo
El Texto completo está disponible en PDF
Referencias
[Andreassen et al., 1994]
S. Andreassen, J. Benn, R. Hovorka, K.G. Olesen, E.R. Carson.
A probabilistic approach to glucose prediction and insulin dose adjustment: Description of metabolic model and pilot evaluation study.
Comput Methods Programs Biomed, 41 (1994), pp. 153-165
[Bellazzi et al., 1995]
R. Bellazzi, C. Cobelli, E. Gomez, M. Stefanelli.
The T-IDDM project: Telematic management of insulin dependent diabetes mellitus.
Proc Health Telematics ‘95, pp. 271-276
[Bellazzi. et al., 2001]
R. Bellazzi, G. Nucci, C. Cobelli.
The Subcutaneous Route to Insulin-Dependent Diabetes Therapy.
IEEE Eng Med. and Biology January/February, (2001), pp. 54-64
[Carson et al., 1983]
E.R. Carson, C. Cobelli, L. Finkelstein.
The Mathematical Modeling of Metabolic and Endocrine Systems.
Wiley, (1983),
[Cobelli and Bergman, 1981]
Carbohydrate metabolism: Cuantitative Physiology and Mathematical Modelling,
[Cobelli et al., 1982]
C. Cobelli, G. Federspil, G. Pacini, A. Salvan, C. Scandellari.
An Integrated Model of Blood Glucose Dynamics Control.
Math. Biosci., 58 (1982), pp. 27-60
[Díaz et al., 2003]
R.G. Díaz, S. Aguerre, M. Basualdo, Fabiano A.
Regulación De Glucosa En Sangre De Pacientes Diabéticos Mediante Control Predictivo No Lineal Basado En Redes Neuronales.
Actas del X RPIC, 1 (2003), pp. 42-47
[Diaz et al., 2005]
R. Diaz, S. Aguerre, G. Roldan, M. Basualdo.
A Decision Support System Based On A Closed Loop PFC Applied For Type I Diabetes.
Proceedings of 16th IFAC World Congress Praha,
[Hejlesen et al., 1998]
O.K. Hejlesen, S. Andreassen, N.E. Frandsen, T.B. Sorensen, S.H. Sando, R. Hovorka, D.A. Cavan.
Using a double blind controlled clinical trial to evaluate the function of a diabetes advisory system: A feasible approach.
Comput Methods Programs Biomed, 52 (1998), pp. 165-173
[Jonsson, 1998]
B. Jonsson.
The economic impact of diabetes.
Diabetes Care, 21 (1998), pp. C7-C10
[Lehmann et al., 1995]
E.D. Lehmann, T. Deutsch, E.R. Carson, Sonksen PH.
AIDA: An interactive diabetes advisor.
Comput Methods Programs Biomed, (1995), pp. 41
[Menoyo et al., 2005]
I. Menoyo, A. Rigalli, R.C. Puche.
Effect of fluoride on the secretion of insulin in the rat.
Arzneim Forschung. Drug Research, 55 (2005), pp. 455-460
[Morari and Gentilini, 2001]
M. Morari, A. Gentilini.
Challenges and Opportunities in Process Control: Biomedical Processes.
AIChE Journal, 47 (2001), pp. 2140-2143
[Rigalli et al., 1990]
A. Rigalli, J.C. Ballina, E. Roveri, R.C. Puche.
Inhibitory effect of fluoride on the secretion of insulin.
Calcif. Tissue Int, 46 (1990), pp. 333-338
[Ritter, 2001]
S.K. Ritter.
The Changing Face of Chemical Engineering.
EDUCATION, 79 (2001),
[Trajanoski and Wach, 1998]
Z. Trajanoski, P. Wach.
Neural Predictive Controller for Insulin Delivery using the Subcutaneous Route.
IEEE Trans Biomed Eng, 45 (1998), pp. 1122-1134
Copyright © 2007. Elsevier España, S.L.. Todos los derechos reservados