Diabotus – Systemdokumentation

Letzte Aktualisierung: Mai 2026
Für: Nora (geb. 30.10.2017, Typ-1-Diabetes), verwaltet von Stephan und Nina

---

Inhalt

1. Überblick – Was ist Diabotus?
2. Datenerfassung – Was wird wie gespeichert?
3. Das Insulin-PK-Modell
4. Das Kohlenhydrat-Absorptionsmodell
5. Das CIQ-Pumpenmodell
6. Die Glukoseprognose
7. Noras aktuelle Therapieparameter
8. Modell-Tuning – Wann und wie?

---

1. Überblick – Was ist Diabotus?

Diabotus ist ein persönliches Diabetes-Management-System für Nora. Es besteht
aus drei Teilen, die zusammen arbeiten:

┌─────────────────────────────────────────────────────────────────┐
│                         DIABOTUS                                │
│                                                                 │
│  ┌──────────────┐   ┌──────────────┐   ┌────────────────────┐  │
│  │  Matrix Bot  │   │  Nightscout  │   │   Glooko Import    │  │
│  │ matrixbot.py │   │   Import     │   │  glooko_import.py  │  │
│  │              │   │ (CGM-Daten)  │   │ (Pump + Bolus-Dat) │  │
│  └──────┬───────┘   └──────┬───────┘   └──────────┬─────────┘  │
│         │                  │                       │            │
│         ▼                  ▼                       ▼            │
│  ┌──────────────────────────────────────────────────────────┐   │
│  │              PostgreSQL Datenbank: diabotus              │   │
│  │  glucose_entries │ events │ context_events │ therapy-... │   │
│  └─────────────────────────────────┬────────────────────────┘   │
│                                    │                            │
│         ┌──────────────────────────┼───────────────────────┐    │
│         ▼                          ▼                       ▼    │
│  ┌─────────────┐  ┌──────────────────────────┐  ┌────────────┐ │
│  │ insulin_    │  │   plot.py / prognosis    │  │  context_  │ │
│  │ model.py   │  │  Glukosekurven, Prognosen│  │ builder.py│ │
│  │ (IOB, COB) │  └──────────────────────────┘  └────────────┘ │
│  └─────────────┘                                               │
└─────────────────────────────────────────────────────────────────┘

Wie wird Diabotus bedient?

Diabotus läuft als Matrix-Chat-Bot. Du schreibst ihm Nachrichten in natürlicher
Sprache – er versteht sie und führt die passende Aktion aus (Eintrag in die DB,
Plot, Prognose usw.).

Bot-Befehle

Befehl	Was passiert
!ping	Bot antwortet kurz – prüft ob er läuft
!status	Zeigt aktuellen BZ, Therapiewerte, letzte Ereignisse
!plot [h]	Glukose-Plot der letzten h Stunden (Standard: 6h)
!prognose [h]	BZ + 3h-Prognose, h Stunden Verlauf davor
!pumpe <min> [Grund]	Pumpe für N Minuten anhalten (auto-Resume)
!pumpe aus/an	Manuell Pumpe stoppen / fortsetzen
!meta <Anfrage>	Quellcode oder Datenbankstruktur ändern (KI-Hilfe)
!tune	Modell-Validierung auslösen (Prognosen vs. Wirklichkeit)
!help	Vollständige Befehlsreferenz

Alle anderen Nachrichten werden als Anfragen an die KI weitergeleitet (mit
medizinischem Kontext angereichert).

Beispiel-Nachrichten (freie Sprache)

"Nora hat gerade 60g Nudeln gegessen und 5,45 Einheiten gespritzt"
"Korrektur: BZ 230, 2E gegeben"
"Nora schläft ein"
"Katheterwechsel, Teflonkatheter rechtes Bein"
"Sensorwechsel, G7 neu gesetzt"

---

2. Datenerfassung – Was wird wie gespeichert?

2.1 Glukosemesswerte (CGM)

Quelle: Dexcom G7 → Nightscout (lokal) → glucose_entries-Tabelle
Frequenz: alle 5 Minuten
Einheit: mg/dL

-- Letzte 3 Werte abfragen:
SELECT timestamp, sgv, direction FROM glucose_entries
ORDER BY timestamp DESC LIMIT 3;

Die direction-Werte bedeuten:
| Wert | Trend |
|------|-------|
| DoubleUp | Sehr schnell steigend (>3 mg/dL/min) |
| SingleUp | Schnell steigend |
| FortyFiveUp | Leicht steigend |
| Flat | Stabil |
| FortyFiveDown | Leicht fallend |
| SingleDown | Schnell fallend |
| DoubleDown | Sehr schnell fallend |

2.2 Ereignisse (events)

Alle insulin- und kohlenhydrat-bezogenen Ereignisse werden in der
events-Tabelle gespeichert.

Bekannte Typen:

Typ	Beschreibung	JSON-Daten
carb	Kohlenhydrataufnahme	{"grams": 60, "description": "Nudeln", "absorption": "slow"}
insulin	Bolus	{"units": 5.45, "for_grams": 60}
insulin_stretched	Gestreckter Bolus	{"units": 1.5, "duration_min": 60, "planned_units": 2.0}
pump_suspend	Pumpe angehalten	{"reason": "Sport", "duration_min": 60}
pump_resume	Pumpe fortgesetzt	{"reason": "Sport beendet"}

Wichtig: Der Typ ist immer carb, niemals meal. Der JSON-Schlüssel ist
immer grams, niemals carbs.

Optionale Felder bei carb:

Feld	Bedeutung	Beispiel
description	Name des Lebensmittels	"Pizza"
absorption	Aufnahmegeschwindigkeit	"slow" (→ Kapitel 4)
fat_g	Gramm Fett (für FPE-Modell)	18
protein_g	Gramm Protein (für FPE-Modell)	12

2.3 Kontextereignisse (context_events)

Qualitative Ereignisse ohne direkte Insulinwirkung:

Kategorie	Wann	Wichtige Felder
illness	Nora ist krank	description: "Nora hat Fieber"
activity	Sport	description: "Turnstunde 60min"
sleep	Einschlafen/Aufwachen	metadata: {"onset": "20:45"} oder {"wake": "06:30"}
catheter_change	Katheter getauscht	metadata: {"type": "soft", "site": "abdomen_left"}
sensor_change	G7-Sensor gewechselt	metadata: {"model": "G7", "status": "inserted"}
note	Allgemeine Notiz	description: "Nora war heute müde"
pump_observation	CIQ-Rate abgelesen	metadata: {"actual_rate": 2.3, "programmed_rate": 1.3}

Sleep-Events sind besonders wichtig: Diabotus nutzt Einschlafzeiten für
das Einschlaf-Glukose-Modell (→ Kapitel 6.3).

2.4 Glooko-Import (historische Daten)

Über glooko_import.py werden alle 2–3 Monate Daten vom Glooko-Export
nachgeladen. Diese landen in:
- glooko_basal_raw – Basalraten-Segmente (5-Minuten-Takt, echte CIQ-Raten)
- glooko_bolus_raw – alle abgegebenen Bolusse mit BZ- und KH-Angabe

Diese Tabellen dienen primär zur Modellkalibrierung, nicht zur täglichen
Nutzung.

---

3. Das Insulin-PK-Modell

3.1 Was ist das Modell?

Das Insulin-Pharmakokinetikmodell berechnet, wie viel von einem injizierten
Insulin noch aktiv (wirksam) im Körper ist — das sogenannte
IOB (Insulin On Board, Insulin an Bord).

Das Modell folgt dem exponentiellen Ansatz von LoopKit/OpenAPS, der für
schnell-wirksame Analoga (NovoRapid, Humalog, Fiasp) entwickelt wurde.

3.2 Die zwei wichtigsten Parameter

DIA – Gesamtwirkdauer (Duration of Insulin Action)

DIA_MIN = 270 Minuten = 4,5 Stunden

→ Nach DIA Minuten ist das Insulin vollständig abgebaut.
→ Höheres DIA = Insulin wirkt länger, weniger aggressiv am Anfang
→ Niedrigeres DIA = Insulin wirkt kürzer, mehr Wirkung früh

TP – Zeit bis zum Wirkmaximum (Time to Peak)

TP_MIN = 75 Minuten = 1,25 Stunden

→ Nach TP Minuten ist die Insulinaktivität (Wirkrate) am höchsten
→ Niedrigeres TP = Insulin wirkt früher am stärksten (z.B. Fiasp: ~55 min)
→ Höheres TP = Wirkmaximum kommt später (träges Profil)

3.3 Die IOB-Kurve

Die IOB-Kurve zeigt, welcher Anteil eines Bolus noch aktiv ist:

Ablesen der Kurve:
- Y-Achse: 1.0 = frisch injiziert (100% noch aktiv), 0.0 = vollständig abgebaut
- X-Achse: Zeit nach Injektion in Minuten
- Bei DIA=270, TP=75 (Standardprofil NovoRapid): nach 90 min noch ~70% aktiv,
nach 180 min noch ~20%, nach 270 min = 0%

3.4 Die Wirkrate (Insulin Activity)

Die Wirkrate ist der erste Ableitung der IOB-Kurve und zeigt, wie viel Insulin
pro Zeiteinheit gerade wirksam wird (also BZ senkt):

• Sie steigt von 0 auf ein Maximum bei t = TP_MIN
• Danach fällt sie langsam ab bis t = DIA_MIN

Praxisbeispiel: 1 Einheit NovoRapid (DIA=270, TP=75)
- Maximale BZ-Senkung: ~0.7 mg/dL pro Minute bei t=75 min
- Gesamte BZ-Senkung: ISF mg/dL (z.B. ISF=100 → senkt um 100 mg/dL über 4,5h)

3.5 Tag/Nacht-Unterschiede

Diabotus unterstützt unterschiedliche PK-Parameter für Tag und Nacht:

Parameter	Tag	Nacht (22–6 Uhr)
DIA	270 min (4,5h)	270 min (4,5h)
TP	75 min	75 min
ISF	aus model_isf_profile	aus model_isf_profile

Aktuell sind Tag- und Nacht-DIA/TP identisch. Die Unterschiede kommen
stattdessen aus dem stündlichen ISF-Profil (→ Kapitel 7).

Was wäre der Unterschied wenn Nacht-TP kleiner wäre?
Ein niedrigeres Nacht-TP (z.B. 55 min) würde bedeuten: Insulin wirkt in der
Nacht schneller und aggressiver – das braucht man normalerweise nicht, weil
die Insulinsensitivität nachts oft höher ist (höherer ISF).

3.6 Basalinsulin als Micro-Boli

Die Pumpe gibt Basalinsulin kontinuierlich ab. Diabotus modelliert das als
synthetische Micro-Boli alle 5 Minuten:

Basalrate 0.8 E/h →
  alle 5 min: 0.8 × 5/60 = 0.0667 E als "_basal"-Event

Jeder dieser Micro-Boli hat seine eigene IOB-Kurve. Das Gesamt-IOB aus dem
Basalinsulin ist die Summe aller noch aktiven Micro-Boli.

---

4. Das Kohlenhydrat-Absorptionsmodell

4.1 Grundprinzip

Kohlenhydrate heben den BZ nicht sofort, sondern werden erst über den
Darm aufgenommen. Diabotus modelliert das als lineare Absorption:

KH werden gleichmäßig über die Absorptionszeit aufgenommen.
COB (Carbs on Board) = Verbleibende KH, die noch nicht absorbiert wurden.

4.2 Absorptionstypen

Verschiedene Lebensmittel haben sehr unterschiedliche Absorptionsgeschwindigkeiten:

Typ	Dauer	Typische Lebensmittel
very_fast	30 min	Traubenzucker, Glukosegel, Dextro
fast	60 min	Saft, Gummibärchen, Softdrinks
medium	120 min	Brot, Müsli, Cornflakes, Weißbrot
slow	180 min	Nudeln, Reis, Pizza, Kartoffeln
very_slow	240 min	Hülsenfrüchte, sehr fettreiche Mahlzeiten

Standard (wenn nicht angegeben): medium = 120 Minuten (wird als 180 min
behandelt wenn kein Typ gesetzt – Fallback = CARB_ABS_MIN = 180 min)

Tipp: Beim Eingeben von Mahlzeiten immer den Absorptionstyp mitgeben!
Beispiel: "Nora isst 60g Nudeln, slow, 5.45E"
Das macht die Prognose deutlich genauer.

4.3 Warum der Absorptionstyp so wichtig ist

Beispiel: 30g KH mit richtiger Bolus-Menge

Bei fast-Absorption absorbiert das KH innerhalb von 60 min vollständig –
das Insulin (das 75 min bis zum Maximum braucht) wirkt aber erst später.
→ Risiko: Hypoglykämie nach der Mahlzeit!

Bei slow-Absorption sind nach 60 min erst 33% der KH absorbiert –
Insulin und KH kommen gleichzeitiger.
→ Flacherer, sichererer Verlauf

4.4 Fett-Protein-Einheiten (FPE)

Fett und Protein können ebenfalls den BZ erhöhen, aber sehr verzögert:
- Zeitverzögerung: Wirkung beginnt erst 60 Minuten nach der Mahlzeit
- Gesamtdauer: 240 Minuten (sehr langsame Absorption)
- Faktor Fett: 10% des Fettgewichts als KH-Äquivalent
- Faktor Protein: 50% des Proteingewichts als KH-Äquivalent

Beispiel Pizza (60g KH, 18g Fett, 12g Protein):

FPE = 18 × 0.10 + 12 × 0.50 = 1.8 + 6.0 = 7.8g KH-Äquivalent
Absorption: beginnt 60 min nach der Pizza, über 240 min linear

Hinweis: Das FPE-Modell ist implementiert (build_fpe_events()), wird
aber nur genutzt wenn fat_g und/oder protein_g im Event hinterlegt sind.

---

5. Das CIQ-Pumpenmodell (Control-IQ)

5.1 Was ist Control-IQ?

Die Tandem t:slim X2 Pumpe von Nora hat Control-IQ (CIQ) – ein Closed-Loop-
System, das automatisch die Basalrate anpasst:

• Unter dem Ziel-BZ (~119 mg/dL): CIQ drosselt die Basalrate oder setzt sie
  komplett aus → verhindert Hypoglykämien
• Über dem Ziel-BZ: CIQ erhöht die Basalrate und gibt bei starkem Anstieg
  Auto-Boli ab → bremst Hyperglykämien

Das bedeutet: Nora bekommt nicht immer die "programmierte" Basalrate, sondern
eine durch CIQ dynamisch angepasste Rate.

5.2 Das empirische CIQ-Verhaltensmodell

Diabotus hat aus 90 Tagen Glooko-Daten (8.024 Messpunkte) ein empirisches
Modell des CIQ-Verhaltens trainiert:

Wie man den Plot liest:
- X-Achse: Novas aktueller BZ (mg/dL)
- Y-Achse: Faktor, mit dem die programmierte Rate multipliziert wird
- Faktor 1.0 = Pumpe liefert exakt die programmierte Rate
- Faktor 0.35 bei BZ=80 = Pumpe gibt nur 35% der programmierten Rate ab
- Faktor 4.3 bei BZ=200 = Pumpe gibt 430% der programmierten Rate ab!
- Die drei Linien zeigen den Einfluss des BZ-Trends (fallend/stabil/steigend)

Crossover-Punkt: BZ ≈ 119 mg/dL → bei diesem BZ liefert CIQ exakt die
programmierte Rate (Faktor = 1.0). Dieser Wert entspricht dem CIQ-Ziel-BZ.

Technische Details des Modells:

Modell: GradientBoostingRegressor (sklearn)
Training: 8.024 Segmente aus glooko_basal_raw (5-min-Takt)
CV R²: 0.66 (erklärt 66% der Ratenvarianz)
Globales Durchschnittsverhältnis: 1.87
(CIQ liefert im Schnitt 87% mehr als programmiert – weil Nora oft BZ > 119)

Features (nach Wichtigkeit):
  BZ aktuell        37%  ← wichtigster Faktor
  Tageszeit (cos)   25%
  Tageszeit (sin)   25%
  BZ-Lags           11%  (BZ vor 5 und 10 min)
  BZ-Trend           2%

5.3 CIQ Auto-Bolus-Simulator

Zusätzlich zur Basalraten-Anpassung gibt CIQ stündliche Auto-Boli ab:

Sleep-Modus (22–6 Uhr):
- Auslöser: Vorhergesagter BZ in 30 min > 120 mg/dL
- Maximale Bolus-Größe: 80% der programmierten Stunden-Basaldosis
- Mindestabstand: 60 Minuten zwischen Auto-Boli

Normal-Modus (6–22 Uhr):
- Auslöser: Vorhergesagter BZ in 30 min > 160 mg/dL
- Maximale Bolus-Größe: 60% der programmierten Stunden-Basaldosis
- Mindestabstand: 60 Minuten

Die Vorhersage erfolgt durch lineare Extrapolation über die letzten 15 Minuten.

5.4 Wie das Modell in der Prognose genutzt wird

Bei !prognose nutzt Diabotus das CIQ-Modell im Feedback-Regelkreis:

Für jeden 5-min-Schritt in der Prognose:
  1. Aktuellen (prognostizierten) BZ abrufen
  2. Pump-Modell fragen: "Welche Rate gibt CIQ bei BZ=X ab?"
  3. Diese tatsächliche Rate als Insulin-Event einbuchen
  4. IOB und BZ-Delta berechnen

Das macht die Prognose realistischer als wenn man nur mit der programmierten
Basalrate rechnen würde.

---

6. Die Glukoseprognose

6.1 Wie funktioniert project_glucose()?

Die Prognosefunktion berechnet den erwarteten BZ-Verlauf für die nächsten
N Minuten. Sie kombiniert:

1. Insulin-Effekt: IOB-Abbau × ISF → BZ-Senkung
2. KH-Effekt: COB-Absorption × (ISF / KH-Faktor) → BZ-Anstieg
3. CIQ-Feedback: Dynamische CIQ-Rate erhöht/reduziert Insulin-Effekt
4. Trend-Anchoring: Beobachteter BZ-Trend fließt anfangs stärker ein

Basisformel pro Zeitschritt:

ΔBZ = (KH absorbiert in diesem Schritt) × (ISF / KH-Faktor)
    - (IOB-Abnahme in diesem Schritt) × ISF

Mit Trend-Anchoring:

ΔBZ = (1 - w) × Modell-Delta + w × Beobachteter-Trend
  wobei w = 0.5^(vergangene Zeit / 45 min) – exponentiell abnehmend

Das Trend-Anchoring sorgt dafür, dass die Prognose anfangs dem beobachteten
BZ-Trend folgt (realistisch), und nach ~45 min stärker auf das Modell
umschaltet.

6.2 Das ISF-Stundenprofil

Der Insulinsensitivitätsfaktor (ISF) ist nicht den ganzen Tag gleich. Diabotus
nutzt ein stündliches ISF-Profil (model_isf_profile):

Was ISF bedeutet:

ISF = 100 mg/dL/E → 1 Einheit Insulin senkt den BZ um 100 mg/dL

• Höherer ISF = Nora ist sensitiver = gleiche Insulinmenge senkt BZ stärker
• Niedrigerer ISF = Nora ist resistenter = mehr Insulin nötig

6.3 Der Einschlaf-Effekt (Sleep-Onset)

Beim Einschlafen steigt Noras BZ typischerweise an – unabhängig vom Insulin.
Das liegt an:
- Reduzierter Muskeltätigkeit (weniger Glukoseverbrauch)
- Wachstumshormonausschüttung (erhöht Insulinresistenz kurzfristig)
- Hepatischer Glukoseabgabe (Leber gibt Glukose ins Blut ab)

Diabotus modelliert das als synthetische Glukosezufuhr beim Einschlafen:

Parameter (anpassbar via !meta):
  sleep_hepatic_glucose_g    = 15g   (KH-Äquivalent der hepatischen Glukose)
  sleep_hepatic_duration_min = 90min (Absorptionsdauer)

Das erzeugt beim Einschlafen einen erwarteten BZ-Anstieg von etwa
15g × ISF / KH-Faktor:

Beispiel (ISF=100, KH-Faktor=12g/E):

15g × 100 / 12 ≈ +125 mg/dL über 90 min
(davon Basalinsulin gegenläufig: netto typisch +30–50 mg/dL)

Wie gibt man Einschlafzeiten ein?

Bot: "Nora schläft ein"  → speichert {"onset": "aktuelle Uhrzeit"}
Bot: "Nora ist aufgewacht" → speichert {"wake": "aktuelle Uhrzeit"}

Ohne explizite Eingabe verwendet Diabotus die Standardzeiten:
- Wochentag: Einschlafen 20:45, Aufwachen 06:30
- Wochenende: Einschlafen 20:45, Aufwachen 07:00

---

7. Noras aktuelle Therapieparameter

Diese Werte sind in der Datenbank hinterlegt und gelten für Nora im Mai 2026.
Alle Werte können via !meta angepasst werden.

7.1 Therapieparameter-Übersicht

Der obige Plot zeigt alle vier zeitabhängigen Profile auf einen Blick:
- ISF (oben links): Sensitivität schwankt von 85 (morgens) bis 133 (mittags)
- Basalrate (oben rechts): Sehr niedrig nachts (0.1 E/h), höchste Rate abends (1.3 E/h)
- KH-Faktor (unten links): Morgens nur 5g/E (sehr resistent), nachts 25g/E (sensitiv)
- Bolus-Rechner (unten rechts): 45g KH zu verschiedenen Zeiten – zeigt die Variabilität

7.2 Basalratenprofil

Die programmierte Basalrate der Pumpe (E/h):

Uhrzeit	Rate (E/h)	Bemerkung
00:00–02:00	0.10	Tiefe Nacht, sehr niedrig
02:00–04:00	0.15
04:00–06:00	0.55	Dämmerungsanstieg (Dawn Phenomenon)
06:00–08:00	0.60
08:00–10:00	0.45
10:00–11:00	0.30
11:00–12:00	0.20
12:00–15:00	0.125	Mittagstief
15:00–16:00	0.30
16:00–17:00	0.40
17:00–18:00	0.50
18:00–19:00	0.80	Abend-Anstieg
19:00–20:00	1.25
20:00–22:00	1.30	Höchste Rate: Abend/Einschlafen
22:00–23:00	0.50
23:00–24:00	0.10

Wichtig: CIQ passt diese Raten dynamisch an. Die tatsächlich abgegebene
Rate kann erheblich davon abweichen (Faktor 0.3–4.3×).

7.3 Kohlenhydrat-Faktoren (KH-Faktor)

Wie viele Gramm KH werden durch 1 Einheit Insulin gedeckt:

Uhrzeit	KH-Faktor (g/E)	Bedeutung
00:00–04:00	25	Nacht: sehr empfindlich
04:00–06:00	10	Früh: resistent
06:00–08:00	5	Frühmorgens: sehr resistent → viel Insulin pro KH
08:00–10:00	5.5
10:00–11:00	15
11:00–15:00	13
15:00–16:00	15
16:00–19:00	11
19:00–22:00	12
22:00–24:00	20	Spät-Abend: sehr empfindlich

Bolus-Formel: Insulin (E) = KH (g) ÷ KH-Faktor (g/E)
Beispiel: 60g Nudeln um 18 Uhr → 60 ÷ 11 = 5.45 Einheiten

7.4 Korrekturfaktor / ISF-Profil (Modell-ISF)

Das stündliche ISF-Profil aus model_isf_profile (in mg/dL/E):

Stunden	ISF	Einordnung
0–5 Uhr	100	Nacht: sehr sensitiv
6–9 Uhr	85	Morgens: etwas resistenter (Dawn)
10 Uhr	121
11 Uhr	133	Mittags: sensibler
12–14 Uhr	115
15–17 Uhr	117–121
18–19 Uhr	97	Abend: etwas resistenter
20 Uhr	120
21–23 Uhr	100

Korrektur-Formel: Korrektur (E) = (Aktueller BZ − Ziel-BZ) ÷ ISF
Beispiel: BZ=200, Ziel=100, ISF=100 → (200−100)÷100 = 1.0 Einheit

7.5 Nacht/Tag-Blöcke

Parameter	Wert
Nacht-Start	22:00 Uhr
Nacht-Ende	06:00 Uhr
DIA (beide)	270 min
TP (beide)	75 min

7.6 Einschlaf-Modell

Parameter	Wert
Hepatische Glukose	15g
Absorptionsdauer	90 min
Einschlaf Wochentag	20:45 Uhr
Aufwachen Wochentag	06:30 Uhr
Einschlaf Wochenende	20:45 Uhr
Aufwachen Wochenende	07:00 Uhr

---

8. Modell-Tuning – Wann und wie?

8.1 Wann ist Tuning nötig?

Das Modell sollte angepasst werden wenn:
- Die Prognosen systematisch zu hoch oder zu niedrig sind (Bias > ±20 mg/dL)
- Nora gewachsen ist (Insulin-Bedarf ändert sich)
- Neue Therapiewerte von der Kinderdiabetologie vorliegen
- Der ISF sich saisonal ändert (Sommer vs. Winter)

8.2 !tune – automatische Prognose-Validierung

Der !tune-Befehl vergleicht gespeicherte Prognosen mit den tatsächlich
gemessenen BZ-Werten:

!tune
→ MAE (mittlerer absoluter Fehler) pro Stunde
→ Bias (+ = Modell überschätzt BZ, − = Modell unterschätzt)
→ Empfehlungen für ISF-Anpassungen

8.3 ISF-Profil anpassen

!meta "Der Nacht-ISF zwischen 0 und 5 Uhr scheint zu hoch zu sein,
       bitte von 100 auf 90 mg/dL/E reduzieren"

8.4 Absorptionszeiten anpassen

!meta "Die mittlere Absorptionszeit für 'medium' scheint eher 90 min
       als 120 min zu sein für Nora – bitte CARB_ABS_MIN anpassen"

8.5 Sleep-Onset-Parameter anpassen

!meta "Der Einschlaf-Anstieg ist bei Nora eher +20 mg/dL als +40 mg/dL,
       bitte sleep_hepatic_glucose_g von 15 auf 8 reduzieren"

8.6 CIQ-Modell neu trainieren

Das CIQ-Pump-Modell wird neu trainiert nach jedem Glooko-Import:

cd /home/schruste/diabotus
source venv/bin/activate
python pump_model.py

Das Modell braucht mindestens 2.000 Datenpunkte und einen aktuellen Glooko-Export
in glooko_basal_raw.

---

Anhang: Beispielszenarien

Die folgenden Szenarien illustrieren das Modellverhalten ohne Datenbankzugriff.
Sie können mit python docs/examples.py regeneriert werden.

Szenario A: 5g Traubenzucker, kein Bolus

Nora hat BZ=100 und nimmt 5g Traubenzucker (very_fast, Absorption 30 min).
Kein Insulin wird gegeben. Das Modell erwartet:
- BZ-Anstieg: +20–25 mg/dL innerhalb von 30 min
- Anschließend: BZ fällt wieder leicht (laufendes Basalinsulin)

Szenario B: Mahlzeit mit Bolus

BZ=140, 60g Nudeln (slow, 180 min), korrekter Bolus (60g ÷ ISF-angepasst).
Typischer Verlauf: BZ steigt anfangs 30–50 mg/dL, kehrt dann über 3h zurück.

Szenario C: Korrekturbolus

BZ=200, Korrekturbolus. Drei Kurven für ISF=80/100/120 zeigen, wie stark
der Bolus den BZ senkt. Mit ISF=100 und 1E: BZ erreicht nach 3–4h ~100 mg/dL.

---

Dokumentation generiert mit docs/examples.py.
Diagramme aktualisieren: cd /home/schruste/diabotus && python docs/examples.py