A mathematical modeling approach for optimal timing of insulin initiation in type 2 diabetic patients

Abstract

Diyabet hastalığı, tüm dünyada hızla yayılmakta olan kronik bir hastalıktır. Hastalığın bu kadar yaygınlaşması, bu hastalık için yapılan harcamaları da ciddi bir şekilde arttırmaktadır. En sık görülen diyabet türü olan tip 2 diyabetli hastaların tedavisinde doktorlar, birçok ilaçlı müdahale yöntemine sahiptir. Bu tür müdahalelerde doğru aksiyonu en uygun zamanda almak, hastanın sağlığına ve tedavi maliyetlerine büyük katkı sağlayacaktır. Bu nedenle, bu çalışmada insülin tedavisine başlamanın en uygun zamanı için matematiksel bir yaklaşım sergilenerek belirsizliklere dair bir yol haritası çizmek hedeflenmektedir. Bu hedef doğrultusunda, hastalık aşamaları, hastanın sağlık durumunu ve ilaç kullanım geçmişini kapsayacak şekilde bir sonlu-ufuk Markov Karar Süreci modeli geliştirilmektedir. Model, literatürdeki veriler kullanılarak çalıştırılıp, sonuçlar tartışılmaktadır. Ek olarak, farklı veriler üzerindeki farklı duyarlılık analizleri, değer değişikliklerinin model üzerindeki etkisini göstermektedir.

Diabetes is a chronic disease that is rapidly spreading worldwide. This prevalence increases the health expenditures for this disease in a serious way. In the treatment of patients with type 2 diabetes, the most common type of the disease, doctors have many intervention methods. Taking the right action at the most appropriate time among these many types of interventions will make a great contribution to the patient's health as well as the cost of treatment. Therefore, in this study, it is aimed to draw a road map by using a mathematical approach for the uncertainty in deciding the optimal time to start insulin therapy for type 2 diabetic patients. To this end, a finite-horizon Markov Decision Process model is developed by including disease stages within patients' health states and drug use history. The model is operated by using existing data in the literature and the results are discussed. In addition, different sensitivity analysis on different input demonstrate the effect of value changes on the model.