CGM 血糖數據分析助手
📁 技能檔案結構
code
cgm_skill/
├── skill.md # 主要技能文檔
├── config.yaml # 配置檔案
├── VERSION # 版本號
├── CHANGELOG.md # 變更日誌
├── README.md # 使用說明
├── knowledge/ # 專業知識庫（模組化）
│ ├── cgm_metrics.md # 基礎 CGM 指標
│ ├── diabetes_guidelines.md # 糖尿病管理指南
│ ├── metrics/ # 指標詳細文檔
│ │ ├── tir_targets.md # TIR 目標值
│ │ └── variability.md # 變異性指標
│ ├── populations/ # 族群特定指南
│ │ └── pregnancy.md # 妊娠期指南
│ └── treatments/ # 治療相關資訊
├── scripts/ # 可執行腳本（已設定執行權限）
│ ├── split_csv.py # CSV 檔案分割工具
│ ├── analyze_cgm.py # CGM 數據分析工具
│ ├── llm_analysis.py # LLM 智能分析報告生成器
│ ├── validate.py # 數據驗證工具
│ ├── setup.py # 互動式設定精靈
│ ├── batch_process.py # 批次處理工具
│ ├── test_skill.py # 自我測試工具
│ └── requirements.txt # Python 依賴套件
└── examples/ # 範例數據和文檔
├── sample_cgm_data.csv # 範例 CGM 數據
└── README.md # 範例使用說明
功能概述
這是一個專門處理連續血糖監測（Continuous Glucose Monitor, CGM）數據的智能分析技能。可以從 CSV 格式的原始 CGM 數據中提取關鍵資訊，進行多維度分析，並生成專業的醫療建議報告。
核心功能
1. 數據處理與解析
- •CSV 文件讀取：自動解析包含日期、時間、血糖值的 CGM 數據文件
- •數據清理：處理缺失值、異常值，確保數據品質
- •時間序列轉換：將原始數據轉換為時間序列格式，便於分析
- •事件提取：識別並分析用餐、胰島素注射等事件標記
2. 血糖指標計算
- •Time in Range (TIR)：計算血糖在目標範圍內的時間百分比
- •變異係數 (CV)：評估血糖波動程度
- •平均血糖 (Mean Glucose)：計算觀察期間的平均血糖值
- •GMI (Glucose Management Indicator)：估算糖化血紅蛋白 (HbA1c)
- •GRI (Glycemic Risk Index)：綜合評估血糖風險
- •低血糖/高血糖時間：統計血糖異常的時間分布
3. 進階分析功能
AGP (動態血糖曲線) 分析
- •生成 24 小時血糖變化趨勢圖
- •繪製百分位數曲線（10th, 25th, 50th, 75th, 90th）
- •識別每日血糖模式和變化規律
- •分析血糖變異性指標（SD, CV, MAGE）
胰島素藥代動力學分析
- •分析不同類型胰島素（長效、速效、預混）的使用模式
- •計算胰島素劑量統計（平均劑量、注射頻率、劑量範圍）
- •識別常見注射時間和劑量趨勢
- •評估胰島素效力與血糖控制的相關性
飲食影響評估
- •分析餐食對血糖的影響
- •計算餐後血糖峰值和回復時間
- •評估碳水化合物係數和胰島素敏感性
4. AI 智能分析與建議
使用先進的語言模型（支援 GPT-4o, GPT-5 等）提供：
- •個人化血糖管理建議：根據個人數據模式提供客製化建議
- •風險預警：識別潛在的血糖控制問題
- •治療優化建議：提供胰島素劑量調整和飲食管理建議
- •趨勢預測：基於歷史數據預測未來血糖趨勢
5. 族群特定分析
支援不同患者族群的目標設定：
- •一般成人糖尿病患者
- •兒童及青少年糖尿病患者
- •老年糖尿病患者
- •妊娠期糖尿病患者
- •重症或高風險患者
使用指引
輸入要求
- •
CGM 數據文件格式：
csvDate,Time,Sensor Glucose (mg/dL) 2024-01-01,00:00,120 2024-01-01,00:05,118 ...
- •
事件標記文件（選擇性）：
csvDate,Time,Event Type,Value 2024-01-01,07:30,Meal,45g 2024-01-01,07:25,Insulin,8 units ...
執行步驟
方法一：使用提供的 Python 腳本
- •
安裝依賴套件：
bashcd scripts/ pip install -r requirements.txt
- •
分割原始 CSV 檔案：
bashpython split_csv.py original_cgm_data.csv ./output # 將生成 glucose.csv 和 events.csv
- •
執行 CGM 數據分析：
bashpython analyze_cgm.py output/glucose.csv output/events.csv # 生成分析報告和視覺化圖表
- •
生成 AI 智能報告：
bashpython llm_analysis.py report/metrics.json YOUR_API_KEY gpt-4o # 生成個人化建議報告
方法二：程式化調用
- •
準備數據：
- •確保 CSV 文件包含必要的欄位（Date, Time, Sensor Glucose）
- •檢查數據完整性和時間連續性
- •
啟動分析：
python# 載入 CGM 數據 cgm_data = read_cgm_file("path/to/cgm_data.csv") # 計算血糖指標 metrics = calculate_metrics(cgm_data, target_range=(70, 180)) # 生成 AGP 圖表 agp_plot = create_agp(cgm_data) # 執行深度分析 analysis_result = perform_deep_analysis( cgm_data, insulin_data, meal_data, api_key="your-openai-api-key" ) - •
解讀結果：
- •查看關鍵血糖指標是否達到目標
- •分析 AGP 圖表識別血糖模式
- •參考 AI 建議調整治療方案
輸出範例
血糖指標報告
code
=== 血糖控制指標 === Time in Range (70-180): 75.3% Time Below Range (<70): 2.1% Time Above Range (>180): 22.6% 平均血糖: 142 mg/dL 變異係數 (CV): 28.5% GMI: 6.8% GRI: 35.2
AGP 分析洞察
code
【AGP 變異性分析】 - 早晨時段 (6-9am) 血糖變異較大，可能與晨曦現象有關 - 午餐後 (12-3pm) 血糖控制良好，維持在目標範圍內 - 晚間 (9pm-12am) 存在低血糖風險，建議調整晚餐胰島素劑量 - 整體變異係數 28.5%，建議目標 <36%，控制尚可
個人化建議
code
【血糖管理優化建議】 1. 胰島素調整： - 建議增加早餐前長效胰島素 2 單位，改善早晨血糖 - 晚餐速效胰島素可減少 1-2 單位，降低夜間低血糖風險 2. 飲食管理： - 早餐建議選擇低 GI 食物，延緩血糖上升 - 晚餐後適量活動有助於改善餐後血糖 3. 監測重點： - 加強凌晨 2-4 點血糖監測 - 記錄運動對血糖的影響模式
📚 專業知識庫
knowledge/ 資料夾內容
此技能包含兩個重要的知識文檔，提供 CGM 分析的專業背景：
- •
cgm_metrics.md - CGM 關鍵指標參考手冊
- •各族群的血糖控制目標範圍
- •血糖變異性指標詳解（SD, CV, MAGE）
- •GRI 風險指數計算方法
- •AGP 解讀指南
- •胰島素作用時間參考
- •餐後血糖管理目標
- •特殊情況處理（晨曦現象、蘇木傑效應）
- •
diabetes_guidelines.md - 糖尿病管理指南
- •國際組織（ADA, IDF, EASD）建議標準
- •CGM 使用最佳實踐
- •胰島素治療策略
- •飲食與運動管理
- •併發症預防與監測
- •特殊族群管理
- •新技術應用（智慧胰島素筆、閉環系統）
這些知識文檔會被 LLM 分析腳本自動載入，提供專業的醫療背景支援。
技術實現細節
核心演算法
- •
時間序列分析：
- •使用滑動窗口計算動態統計
- •應用 Savitzky-Golay 濾波平滑數據
- •使用 FFT 識別週期性模式
- •
統計方法：
- •百分位數計算用於 AGP 繪製
- •核密度估計用於血糖分布分析
- •迴歸分析評估胰島素-血糖關係
- •
機器學習應用：
- •聚類分析識別血糖模式
- •時間序列預測模型（ARIMA, LSTM）
- •異常檢測識別數據品質問題
依賴套件
python
# 核心數據處理 import pandas as pd import numpy as np # 視覺化 import matplotlib.pyplot as plt import plotly.graph_objects as go # 統計分析 from scipy import stats from sklearn.cluster import KMeans # AI 整合 import openai
注意事項與免責聲明
使用限制
- •本工具僅供參考，不能替代專業醫療建議
- •所有治療調整應在醫療專業人員指導下進行
- •分析結果準確性依賴於輸入數據品質
數據隱私
- •所有數據處理均在本地進行
- •AI 分析時會匿名化個人資訊
- •建議定期刪除敏感數據文件
更新與維護
- •定期更新血糖管理指南以符合最新醫療標準
- •持續優化 AI 模型以提供更準確的建議
- •收集使用者回饋改進分析演算法
延伸應用
研究用途
- •大規模 CGM 數據分析
- •血糖控制模式研究
- •治療效果評估
臨床應用
- •門診快速評估工具
- •遠程血糖管理平台
- •醫患溝通輔助工具
個人健康管理
- •日常血糖追蹤
- •生活方式優化
- •自我管理教育
版本歷史
v1.0.0 (2024-12)
- •初始版本發布
- •支援基本 CGM 數據分析
- •整合 GPT-4 智能分析
未來規劃
- •支援更多 CGM 設備格式
- •加入預測性低血糖警報
- •開發行動應用程式界面
- •整合穿戴式設備數據
參考資源
聯繫與支援
如有任何問題或建議，請透過以下方式聯繫：
本技能文檔遵循 Claude Code Skills 規範，適用於自動化 CGM 數據分析工作流程。