的差异的基础荷兰是一个非盈利组织,专注于设计、指导和资金高度量化研究代谢功能障碍。基础代谢dysfunction-which认为会引发肥胖,糖尿病,许多其他疾病最初的全球大流行,因为它几乎影响了全球四分之一的人口。
自从他们开始他们的工作早在2018年,差异的一个主要目标是发展强有力的证据显示生活方式因素的负面影响(如营养不良)对代谢福利。,他们想表达的积极影响生活方式的改变(如一个更健康的饮食和运动)可以在控制甚至逆转疾病如糖尿病。
数据令的方法是引导社会和产业政策的关键目标之一(另一个),和组织的帮助下做这个Grafana。
Grafana使它可能容易让人们看到自己的身体内部发生了什么,和它帮助临床医生和研究人员深入的数据搜索方法对抗代谢功能障碍。
移动实验室
基金会的旗舰项目的区别Meterbolic移动血液实验室,个人用户可以使用测量和跟踪他们的血液激素与智能手机应用程序。用户临床医生、营养师、bio-enthusiasts(生物黑客)在运动的前沿纠正代谢流行。不需要实验室访问,和血液测试结果很快交付给用户以一种易读的格式。
在早期,该基金会是使用d3js,阴谋,和茱莉亚图可视化数据收集的项目,但需要更好的解决方案来帮助监视用户的健康数据。
“我们需要一个系统,允许用户安全登录自己的数据,能够作者自己的仪表板和面板,,我们可以用陷入各种兔子洞,”埃里克史密斯解释说,基金会的创始人之一,其作用是连接这些点之间的生物/信息科技和人口健康。
一个同事提到Grafana史密斯,一个主要原因是他们选择:“伟大的养眼!”他说。
Grafana服务Meterbolic项目因为其工作的一部分包括结合某些分子的图形(如胰岛素、c -肽、葡萄糖和甘油三酸酯)在同一个图表。它也帮助他们理解数据很容易。“我们想要显示正常(范围)图叠加与主题的主题使它简单理解测量的意义。”
然而,吸引Grafana不仅仅是外表。
史密斯说,该基金会是Grafana吸引,因为它从一开始就容易使用。“Grafana提供了开箱即用的解决方案,”他说。“有支持登录和用户安全,我们喜欢开发者以及用户可以很容易地创建面板和复杂的仪表板,观点,注释,警报。”
血液问题
Meterbolic数据离散和容量。它直接来自自己的应用程序,它衡量血液测试结果从侧流试验和其他血液测试设备。
目前,不同的核心使用Grafana是显示和解释关键激素的反应和分子,血液中的葡萄糖和脂类等。(这类似于策划血糖值75克葡萄糖溶液,几十年来一直是一个标准的临床试验。)
Meterbolic仪表板
“我们展示了单一和混合块这些标记的值,在餐前开始,为下一个小时,不时“史密斯解释说。
应用程序也使用仪表板从这套图表的数据,如连续葡萄糖监测。
“用户喜欢的图是丰富多彩的和有一个现代3 d看,”史密斯说。“最重要的是,他们是有用的,因为他们“讲故事”的主题或病人。”
最受欢迎的图是餐响应曲线与多个分子,D3计,也出现在的应用基础。
史密斯还指出,使用Grafana的“专业+”是团队可以运行任意代码sanitize燃放,它允许他们“做任何事情在一个面板,您可以在一个iframe或一个web浏览器。我把它捡起来,Grafana创造者Torkel突袭。”【注:因为这是不安全的;这只是建议如果有防火墙。)
最近,他说,研究小组一直在写插件”,这样我们可以优雅地支持本地图d3js之类的东西。”
Meterbolic使用茱莉亚语言后端数据处理。“我们喂计算回注释图表”。
基金会的领导了伟大的体验Grafana维护者和Grafana社区。“核心团队已经非常响应和支持优先增强支持我们的用例,”史密斯说。“最近,全局模板变量时加快我们在论坛提出了这个问题,然后一个缺陷及时修复。”
重视健康的可观测性
展望未来,史密斯希望看到Grafana使用更多的健康和医疗行业。“我们想工作与核心团队Grafana可观测性的归零地。”
与此同时,史密斯希望Grafana版本将包括更多的工具,支持健康数据的独特需求。“在健康,测量是情景而不是连续的,”他解释说。
当有人食品挑战(一个血液测试之前和之后进行饮食评估代谢功能),临床医生病人的反应通过一系列措施大约12个测量血液或其他体液超过几小时。数据由一个单一的诊断过程,每个系列的测量会有相同的系列id_number。
“因此,可视化并不总是适合时间序列的方法,”史密斯说。“每集显示不同的可视化很重要或一组测量其具体的时间表。”
他说,“最重要的一步”他想Grafana是扩大从其时间序列的基础是更方便地支持这种系列,并显示他们、索引的用户或临床医师指示板。
获得与Grafana
基金会的工作今年新急迫,因为人肥胖和/或糖尿病的风险增加发展中从COVID-19感染严重疾病。这种联系使得COVID-19研究尤其是有关基础的差异。(美国的基金会工作。)
基金会的未来的计划包括集成COVID抗原和抗体检测,并结合数据传染性与代谢数据敏感性。
“我们也研发更深的解释代谢响应曲线通过利用新的生理见解和有趣的数学,”史密斯说。
