{rfName}
Co

Indexado en

Licencia y uso

Icono OpenAccess

Citaciones

313

Altmetrics

Investigadores/as Institucionales

Arredondo, M. -T.Autor o CoautorFico, G.Autor o CoautorFioravanti, A.Autor o Coautor

Compartir

9 de junio de 2019
Publicaciones
>
Artículo
Sí

Comparative assessment of glucose prediction models for patients with type 1 diabetes mellitus applying sensors for glucose and physical activity monitoring

Publicado en: MEDICAL & BIOLOGICAL ENGINEERING & COMPUTING. 53 (12): 1333-1343 - 2015-12-01 53(12), DOI: 10.1007/s11517-015-1320-9

Autores:

Zarkogianni, K; Mitsis, K; Litsa, E; Arredondo, MT; Fico, G; Fioravanti, A; Nikita, KS
[+]

Afiliaciones

Natl Tech Univ Athens, Biomed Simulat & Imaging Lab, Athens 15780, Greece - Autor o Coautor
Tech Univ Madrid, Madrid, Spain - Autor o Coautor

Resumen

The present work presents the comparative assessment of four glucose prediction models for patients with type 1 diabetes mellitus (T1DM) using data from sensors monitoring blood glucose concentration. The four models are based on a feedforward neural network (FNN), a self-organizing map (SOM), a neuro-fuzzy network with wavelets as activation functions (WFNN), and a linear regression model (LRM), respectively. For the development and evaluation of the models, data from 10 patients with T1DM for a 6-day observation period have been used. The models' predictive performance is evaluated considering a 30-, 60- and 120-min prediction horizon, using both mathematical and clinical criteria. Furthermore, the addition of input data from sensors monitoring physical activity is considered and its effect on the models' predictive performance is investigated. The continuous glucose-error grid analysis indicates that the models' predictive performance benefits mainly in the hypoglycemic range when additional information related to physical activity is fed into the models. The obtained results demonstrate the superiority of SOM over FNN, WFNN, and LRM with SOM leading to better predictive performance in terms of both mathematical and clinical evaluation criteria.
[+]

Palabras clave

diabetesglucoseneural networksneuro-fuzzyphysical activitypredictionself-organizing mapAdultBlood glucoseDiabetesDiabetes mellitus, type 1FemaleGlucoseHumansIdentificationMaleMiddle agedModels, statisticalMonitoring, physiologicNeural networksNeural networks, computerNeuro-fuzzyPhysical activityPredictionSelf-organizing mapSensorsTime-series

Indicios de calidad

Impacto bibliométrico. Análisis de la aportación y canal de difusión

El trabajo ha sido publicado en la revista MEDICAL & BIOLOGICAL ENGINEERING & COMPUTING debido a la progresión y el buen impacto que ha alcanzado en los últimos años, según la agencia WoS (JCR), se ha convertido en una referencia en su campo. En el año de publicación del trabajo, 2015, se encontraba en la posición 11/20, consiguiendo con ello situarse como revista Q2 (Segundo Cuartil), en la categoría Medical Informatics. Destacable, igualmente, el hecho de que la Revista está posicionada en el Cuartil Q2 para la agencia Scopus (SJR) en la categoría Computer Science Applications.

Desde una perspectiva relativa, y atendiendo al indicador del impacto normalizado calculado a partir de las Citas Mundiales proporcionadas por WoS (ESI, Clarivate), arroja un valor para la normalización de citas relativas a la tasa de citación esperada de: 2.32. Esto indica que, de manera comparada con trabajos en la misma disciplina y en el mismo año de publicación, lo ubica como trabajo citado por encima de la media. (fuente consultada: ESI 13 Nov 2025)

Esta información viene reforzada por otros indicadores del mismo tipo, que aunque dinámicos en el tiempo y dependientes del conjunto de citaciones medias mundiales en el momento de su cálculo, coinciden en posicionar en algún momento al trabajo, entre el 50% más citados dentro de su temática:

  • Media Ponderada del Impacto Normalizado de la agencia Scopus: 2.87 (fuente consultada: FECYT Mar 2025)

De manera concreta y atendiendo a las diferentes agencias de indexación, el trabajo ha acumulado, hasta la fecha 2026-04-26, el siguiente número de citas:

  • WoS: 71
  • Scopus: 94
  • Europe PMC: 27
  • Google Scholar: 119
[+]

Impacto y visibilidad social

Desde la dimensión de Influencia o adopción social, y tomando como base las métricas asociadas a las menciones e interacciones proporcionadas por agencias especializadas en el cálculo de las denominadas “Métricas Alternativas o Sociales”, podemos destacar a fecha 2026-04-26:

  • La utilización de esta aportación en marcadores, bifurcaciones de código, añadidos a listas de favoritos para una lectura recurrente, así como visualizaciones generales, indica que alguien está usando la publicación como base de su trabajo actual. Esto puede ser un indicador destacado de futuras citas más formales y académicas. Tal afirmación es avalada por el resultado del indicador “Capture” que arroja un total de: 122 (PlumX).

Con una intencionalidad más de divulgación y orientada a audiencias más generales podemos observar otras puntuaciones más globales como:

    Es fundamental presentar evidencias que respalden la plena alineación con los principios y directrices institucionales en torno a la Ciencia Abierta y la Conservación y Difusión del Patrimonio Intelectual. Un claro ejemplo de ello es:

    • El trabajo se ha enviado a una revista cuya política editorial permite la publicación en abierto Open Access.
    • Asignación de un Handle/URN como identificador dentro del Depósito en el Repositorio Institucional: https://oa.upm.es/87349/

    Como resultado de la publicación del trabajo en el repositorio institucional, se han obtenido datos estadísticos de uso que reflejan su impacto. En términos de difusión, podemos afirmar que, hasta la fecha

    • Visualizaciones: 188
    • Descargas: 40
    [+]

    Análisis de liderazgo de los autores institucionales

    Este trabajo se ha realizado con colaboración internacional, concretamente con investigadores de: Greece.

    [+]