Referència:
Execució:
Web:
Investigadors principals:
Centre:
Contacto:
Telèfon:
PHC-28-2015, Grant Agreement 689810
1/02/2016 – 30/01/2019
Beatriz López
beatriz.lopez@udg.edu
+(34) 972.41.88.80.
Descripción:
PEPPER és un sistema personalitzat de suport a la presa de decisions per a la gestió de malalties cròniques que farà prediccions basades en dades en temps real per tal que les persones puguin participar en l’auto-maneig de la seva malaltia.
El disseny involucrarà als usuaris en cada etapa per assegurar que el sistema satisfaci les necessitats dels pacients i generi resultats clínics en prevenir episodis adversos i millorar l’estil de vida, el monitoratge i la qualitat de vida. La investigació es durà a terme en el desenvolupament d’un innovador sistema adaptatiu de suport a la decisió en el raonament basat en casos combinat amb la predicció de models informàtics. L’eina oferirà assessorament a mida per a l’autogestió integrant sistemes de salut personals amb fonts àmplies i diverses de dades fisiològics, d’estil de vida, ambientals i socials. La investigació també examinarà fins a quin punt els factors de conducta humana i els problemes d’usabilitat han obstaculitzat prèviament l’adopció més àmplia de sistemes d’orientació personal per a l’autogestió de malalties cròniques. Es desenvoluparà i validarà inicialment per a les persones amb diabetis en la teràpia d’insulina basal-bolus, però l’enfocament subjacent pot adaptar-se a altres malalties cròniques.
Hi haurà un fort èmfasi en la seguretat, amb prediccions de glucosa, consells de dosi, alarmes, límits i incerteses comunicades clarament per augmentar la consciència individual del risc d’esdeveniments adversos com hipoglucèmia o hiperglucèmia. Els resultats d’aquesta investigació seran validats en un entorn ambulatori i un aspecte clau serà la gestió de la innovació. Tots els components s’adheriran als estàndards de dispositius mèdics per tal de complir amb els requisits reglamentaris i garantir la interoperabilitat, tant amb els sistemes de salut personals existents i productes comercials. L’arquitectura resultant millorarà les interaccions amb els professionals de la salut i proporcionarà un marc genèric per a proporcionar suport de decisió mòbil adaptable, amb capacitat d’innovació per incrementar així l’impacte del projecte.
Aquest projecte està subvencionat pel Programa de Recerca i Innovació Horitzó 2020 de la Unió Europea (Grant Agreement núm. 689810). El projecte contempla el desenvolupament d’un sistema de suport a la decisió personalitzat per a la gestió de malalties cròniques. El sistema, basat en raonament basat en casos i models predictius, permetrà als pacients a gestionar per si mateixos les seves malalties, com és el cas de la diabetis. La durada del projecte, que va començar el febrer del 2016, és de 3 anys. PEPPER és coordinat per la Universitat d’Oxford Brookes. Imperial College, Universitat de Girona, Institut d’Investigació Biomèdica de Girona, Romsoft SRL i Cellnovo Limited conformen la resta de consorci europeu.
Trust and contextual engagement with the PEPPER system: the qualitative findings of a clinical feasibility study.
Waite, Marion; Aldea, Arantza; Avari, Parizad; Duce, David; Herrero, Pau; Jugnee, Narvada; Leal, Yenny, Lopez, Beatriz; Martin, Clare; Oliver, Nick; Reddy, Monika.
ATTD 2020.
Year: 2020
LINK: https://radar.brookes.ac.uk/radar/items/784eb78c-3b05-43c8-80fa-cf0cdc603589/1/
Visualizing Usage Data from a Diabetes Management System.
Duce, David; Martin, Clare, Russell, Alex; Brown, Dan; Aldea, Arantza; Alshaigy, Bedour; Harrison, Rachel; Waite, Marion; Leal, Yenny, Wos, Marzena, Fernandez-Balsells, Mercè; Fernández-Real, José Manuel, Nita, Lucian; Lopez, Beatrix; Massana, Joaquim; Avari, Parizad; Herrero, Pau; Jugnee, Narvada; Oliver, Nick; Reddy, Monika.
38th Computer Graphics & Visual Computing Conference (CGVC 2020).
Year: 2020
DOI: https://doi.org/10.2312/cgvc.20201144
The PEPPER System Application Program Interface.
Herrero, Pau; Massana, Joaquim; Leal, Yenny; Nita, Lucian; Parizad, Avari; Duce, David; Aldea, Arantza; Georgiou, Pantelis; Fernández-Real, José Manuel; Fernández-Balsells, Mercè; Oliver, Nick, López, Beatriz; Martin, Clare.
ATTD 2020.
Poster.
Year: 2020
Link: http://hdl.handle.net/10256/17821
Safety and feasibility of the PEPPER adaptive bolus advisor and safety system; a randomized control study.
Avari, Parizad; Leal, Yenny; Herrero, Pau; Wos, Marzena; Jugnee, Narvada; Arnoriaga-Rodríguez, María; Thomas, Maria; Chengyuan Liu; Massana, Joaquim; Lopez, Beatriz; Nita, Lucian; Martin, Clare; Fernández-Real, José Manuel; Oliver, Nick; Fernández-Balsells, Mercè; Reddy, Monika.
Diabetes Technology and Therapeutics.
Year: 2020
DOI: http://doi.org/10.1089/dia.2020.0301
Efficacy and safety of the Patient Empowerment through Predictive Personalised Decision Support (PEPPER) system: an open-label randomised controlled trial
Parizad Avari, Yenny Teresa Leal Montcada, Marzena Wos, Narvada Jugnee, Maria Thomas, Joaquim Massana i Raurich, Beatriz López Ibáñez, Lucian Nita, Clare Martin, Pau Herrero i Viñas, Nick Oliver, José Manual Fernández-Real, Monika Reddy, Mercè Fernández-Balsells.
ATTD 2020
Madrid, 2020
You can read the full Poster: https://zenodo.org/record/3776870
Personalised Adaptive CBR Bolus Recommender System for Type 1 Diabetes.
Ferran Torrent-Fontbona, Beatriz Lopez.
IEEE Journal of Biomedical and Health Informatics , Vol 23, Num. 1, January 2019, pp. 387-394. Accepted March 2018.
Picture in the issue cover
DOI: https://doi.org/10.1109/JBHI.2018.2813424
Application of Usability Engineering to the Development of a Personalised Decision Support System for Type 1 Diabetes Self-Management.
Clare Martin, Arantza Aldea, Bedour Alshaigy, Parizad Avari, David Duce, Mercè Fernández-Balsells, José Manuel Fernández-Real, Rachel Harrison, Pau Herrero, Narvada Jugnee, Chengyuan Lui, Beatriz López, Joaquim Massana, Yenny Leal, Monika Reddy, Marion Waite, Marzena Wos and Nick Oliver. ATTD2019,-
Berlin, February 20-23.
Poster.
Year: 2019
Case-base Maintenance of a Personalised and Adaptive CBR Bolus Insulin Recommender System for Type 1 Diabetes.
Ferran Torrent-Fontbona, Joaquim Massana, Beatriz López.
Volume 121, 338-346.
December 2018.
Year: 2019
DOI: https://doi.org/10.1016/j.eswa.2018.12.036
Case-base maintenance of a personalised bolus insulin recommender system for Type 1 Diabetes Mellitus.
Torrent-Fontbona, Ferran; Massana, Joaquim; Lopez, Beatriz.
Joint Workshop on Artificial Intelligence in Health (AIH2018).
SWE – SUECIA.
Year: 2018
Link: http://hdl.handle.net/10256/16213
eXiT Research Group at the University of Girona: Artificial Intelligence and Machine Learning Applied to Medicine and Healthcare.
Lopez, Beatriz; Mordvanyuck, Natalia; Massana, Joaquim; Torrent-Fontbona, Ferran; Caceres, Gerard; Pous, Carles.
I CAEPIA Workshop de Grupos de Investigación Españoles de IA en Biomedicina (IABiomed).
Year: 2019
LINK: http://hdl.handle.net/10256/17832
Single Nucleotide Polymorphism relevance learning with Random Forests for Type 2 diabetes risk prediction Type 2 diabetes.
Beatriz López; Ferran Torrent-Fontbona; Ramón Viñas; José Manuel Fernández-Real.
Artificial Intelligence in Medicine.
Volume 85 – page 43-49.
Year: 2018
DOI: https://doi.org/10.1016/j.artmed.2017.09.005
Adaptive basal insulin recommender system based on Kalman filter for type 1 diabetes.
F. Torrent-Fontbona.
Expert Systems with Applications,11:1-7.
Year: 2018
DOI: https://doi.org/10.1016/j.eswa.2018.02.015
Special section on artificial intelligence for diabetes.
Lopez, Beatriz; Martin, Clare; Herrero, Pau.
Volume 85, pages 26-27.
Year: 2018
DOI: http://hdl.handle.net/10256/17871
Prediction of Glucose Level Conditions from Sequential Data.
Natalia Mordvaniuk, Ferran Torrent-Fontbona and Beatriz López.
CCIA 2017,20th International Conference of the Catalan Association for Artificial Intelligence.
Deltebre (Espanya).
October 2017.
Year: 2017
Link: http://eia.udg.edu/~nmordvanyuk/papers/Prediction-of-Glucose-Level-Conditions-from%20Sequential-DataCCIA2017.pdf
Cloud Based Acquisition System for Diabetic Data.
L. Nita and F. Torrent-Fontbona.
2017 IMEKO TC4 Symposium, Iasi, 2017.
Year: 2017
Involving physical activity in insulin recommender systems with the use of wearables.
Beatriz López, Alejandro Pozo, Ferran Torrent-Fontbona.
MIE(Informatics for Health2017).
Year: 2017
Avaluació d’un Sistema personalitzat de suport de decisions d’autogestió de la DM1.
M. Wos, MD, Y. Leal, PhD, M. Fernández-Balsells, PhD, C. Martin, PhD, P. Herrero, PhD, B. López , PhD, W.Ricart, PhD, L.Sojo-Vega, MD, E. Esteve, PhD, E. Loshuertos, MSc, J. Shapley, PhD, L. Nita, PhD, J.M. Fernández-Real, PhD.
XIVè Congrés Associació Catalana de Diabetes
Barcelona, Spain, March 2017.
Poster (In Catalan).
Year: 2017
Prediction of postprandial hypoglycemias from insulin intakes and carbohydrates: analysis and comparison between real and simulated datasets.
Fabien Dubosson, Natalia Mordanyuk, Beatriz Lóopez2, and Michael Schumacher.
2nd Workshop on Artificial Intelligence for Diabetes, MIE, Vienna, 2017.
Year: 2017
Link: http://publications.hevs.ch/index.php/publications/show/2240
A CBR-based bolus recommender system for type 1 diabetes.
Ferran Torrent-Fontbona, Beatriz Lopez, and Alejandro Pozo-Alonso.
2nd Workshop on Artificial Intelligence for Diabetes.
MIE, Vienna, 2017.
Year: 2017
PEPPER: Patient Empowerment Through Predictive Personalised Decision Support. Proc.
Pau Herrero, Beatriz Lopez and Clare Martin.
Proc. ECAI Workshop on Artificial Intelligence for Diabetes, pp. 8-9.
Year: 2016
Handling Missing Phenotype Data with Random Forests for Diabetes Risk Prognosis.
Beatriz López, Ramon Viñas, Ferran Torrent and José Manuel Fernández-Real.
Proc. ECAI Workshop on Artificial Intelligence for Diabetes, pp. 39-42.
Year: 2016
1st Workshop on Artificial Intelligence for Diabetes. 2016.
Lopez, Beatriz; Herrero, Pau; Martin, Clare.
The Hague, Netherlands.
Year: 2016
DOI: https://doi.org/10.5281/zenodo.427542
Proc. ECAI Workshop on Artificial Intelligence for Diabetes
Beatriz Lopez, Pau Herrero and Clare Martin (eds).
Year: 2016
Link: http://www.ecai2016.org/content/uploads/2016/08/W7-AID-2016.pdf