Детальная информация

Объектом исследования являются рекомендательные системы для больных сахарным диабетом. Цель работы — разработать мобильное приложение с рекомендательной системой, предназначенной для обработки данных непрерывного мониторинга глюкозы, выявления отклонений и формирования пользовательских рекомендаций. В работе рассматривается проблема цифровой поддержки пациентов с сахарным диабетом, для которых важны регулярный контроль уровня глюкозы, своевременное выявление гипо- и гипергликемии, анализ динамики показателей и получение понятных рекомендаций по дальнейшим действиям. Проведен анализ предметной области, систем непрерывного мониторинга глюкозы CGM, типов данных, трендов, отклонений и существующих приложений для самоконтроля диабета. В рамках работы сформированы функциональные и нефункциональные требования к системе, разработана модель данных, предложен алгоритм обработки CGM-измерений и правила формирования рекомендаций. Реализован мобильный прототип Android-приложения, включающий импорт и ручной ввод данных, локальное хранение измерений, журнал записей, визуализацию динамики глюкозы, экран рекомендаций, настройки пользовательского профиля и пороговых значений. Для реализации использовались Kotlin, Android SDK, Jetpack Compose, Kotlin Coroutines, Gradle. Проверка разработанного решения проводилась на датасете Zenodo T1D-UOM и встроенных синтетических сценариях, моделирующих стабильное состояние, повторяющиеся высокие и низкие значения, резкие колебания и ночные эпизоды. Результаты тестирования подтвердили корректность обработки входных данных, сохранения измерений, отображения графиков, выявления ожидаемых паттернов и формирования рекомендаций в соответствии с заданной логикой. Область применения результатов — цифровая поддержка самоконтроля пациентов с сахарным диабетом, а также дальнейшая разработка мобильных решений для анализа медицинских данных и помощи пользователю в интерпретации показателей глюкозы.

The subject of this research is recommender systems for patients with diabetes. The goal of this work is to develop a mobile app with a recommender system designed to process continuous glucose monitoring data, identify deviations, and generate user recommendations. This work examines the problem of digital support for patients with diabetes, who require regular glucose monitoring, timely detection of hypo- and hyperglycemia, analysis of indicator dynamics, and clear recommendations for further action. An analysis of the subject area, continuous glucose monitoring (CGM) systems, data types, trends, deviations, and existing diabetes self-monitoring apps is provided. As part of this work, functional and non-functional requirements for the system were defined, a data model was developed, an algorithm for processing CGM measurements, and rules for generating recommendations were proposed. A mobile prototype of an Android application was implemented, including import and manual data entry, local storage of measurements, a recording log, visualization of glucose dynamics, a recommendation screen, user profile settings, and threshold values. Kotlin, Android SDK, Jetpack Compose, Kotlin Coroutines, and Gradle were used for the implementation. The developed solution was tested on the Zenodo T1D-UOM dataset and built-in synthetic scenarios simulating a steady state, recurring high and low values, sharp fluctuations, and nocturnal episodes. The testing results confirmed the correctness of input data processing, measurement storage, graph display, detection of expected patterns, and the generation of recommendations in accordance with the specified logic. The area of application of the results is digital support for self-monitoring of patients with diabetes, as well as the further development of mobile solutions for analyzing medical data and assisting users in interpreting glucose readings.