发展中国家和发达国家的众多人口是糖尿病患者,使得血糖值长时间高于正常水平。情况严重的患者在血糖高的时候需要及时注射适量胰岛素,并在血糖低时停止注射,以确保血糖值处于安全水平。因此,若是能够准确地预测血糖值,这将有利于有效并及时地做出医疗决策。在理想情况下,有效的血糖预测将能够提前预测患者即将出现高血糖症和低血糖症,从而让治疗能够迅速执行并降低对于患者的危险与伤害。为达此目标,多时段的预测是必要的。许多研究在血糖值预测展示了各种不同的预测方法,主要目标皆为预测准确性。然而,从许多研究报告中可以看到,在多时段预测的时候存在显著的滞后性。多数研究报告忽略对于滞后性的分析,部分使用了主观方式测量滞后性。由此看来,提供血糖预测滞后性更深理解的研究是必要的,因为滞后性对其实际用途将带来实际影响。因此,本研究主要目的是对于血糖值滞后性进行实验以获得更深的理解。实验使用包括时间序列以及机器学习的预测方式,其中包含一个为降低预测滞后性而设计的新预测方式。预测数据来源由糖尿病病患所佩戴的血糖值持续监督(CGM)系统提供。预测方式以血糖值为输入,不使用任何其他信息。实验通过统一的评估策略比较各种预测方式在预测准确性和预测滞后性的成绩。除此,研究利用模拟数据以及调整过的患者血糖值数据,测试出对预测滞后性造成影响的数据特征。