Si usas GLUCUBE o estás pensando en probarlo, es normal que te preguntes: “¿Puedo confiar en los resultados?”. La respuesta es sí, y no porque lo digamos nosotros, sino porque las métricas lo demuestran. Vamos a explicarte cómo medimos la fiabilidad del dispositivo para que tengas toda la información de primera mano, mediante dos curvas de medición y datos, que son nuestra estrella de Belén: el MARD y la Gráfica de Parkes.
¿Qué significa MARD y por qué importa?
El MARD (Mean Absolute Relative Difference) es una forma técnica de comparar los resultados de GLUCUBE con otros métodos de medición de glucosa. Básicamente, mide la diferencia promedio entre ambos, expresada como porcentaje. Cuanto menor es el MARD, más exacto es el dispositivo.
En nuestras últimas mediciones, el MARD de GLUCUBE se situó en 16,04%, que está en el rango de precisión de muchos otros medidores (Ajjan et al., 2018; Bonora et al., 2016; Freckmann et al., 2013; Luijf et al., 2013). ¿Qué significa esto para ti? Que las diferencias son tan pequeñas, que no afectan las decisiones importantes que tomas sobre tu salud.
Desde su lanzamiento, gracias a las medidas recogidas por todos nuestros usuarios y el continua evolución del sistema GLUCUBE, los algoritmos siguen aprendiendo y la exactitud del sistema sigue mejorando. La siguiente gráfica muestra la evolución por cuatrimistre del MARD del sistema GLUCUBE en nuestros usuarios.

Evolución del MARD del sistema GLUCUBE desde su lanzamiento
¿Qué es la Gráfica de Parkes y por qué es crucial?
La Gráfica de Parkes (Parkes et al., 2000), no solo mide si una medición es precisa, sino también si cualquier diferencia tiene un impacto real en tus decisiones. Divide las mediciones en zonas que van desde las más seguras (A y B) hasta las que podrían ser preocupantes (D y E).
En las últimas pruebas, el 97,17% de las mediciones de GLUCUBE están en las zonas A y B, lo que significa que la inmensa mayoría de los resultados no afectarán tus decisiones de tratamiento. Y eso, cuando hablamos de tu salud, es lo que realmente importa. De cualquier forma, una medida que se encuentre en las zonas D y E siempre requieren de otro tipo de medidas de contraste o de análisis de síntomas para determinar la situación real. Te recomendamos que sigas usando un glucómetro tradicional y no ignorar tus síntomas antes de tomar cualquier decisión que pueda afectar a tu salud.

Gráfica de Parkes de las últimas mediciones realizadas por los usuarios GLUCUBERS
La clave está en el uso constante
GLUCUBE, como cualquier tecnología innovadora, aprende y mejora contigo gracias nuestro sistema impulsado con inteligencia artificial. Por eso, cada vez que lo usas, sus algoritmos ajustan las mediciones a tu perfil único, haciendo que los resultados sean cada vez más precisos. Esto significa que la adherencia y el uso regular no solo son importantes, sino que también marcan la diferencia.
Es posible que encuentres pequeñas diferencias entre las mediciones obtenidas por diferentes glucómetros, tanto invasivos como GLUCUBE, y eso es normal. Lo esencial es que GLUCUBE sigue evolucionando para ofrecerte una herramienta cada día más fiable, cómoda y práctica.
En resumen: fiabilidad con evolución constante
GLUCUBE está diseñado para facilitar tu vida y ofrecerte tranquilidad. No es solo una herramienta de medición; es un dispositivo que entiende tus necesidades y mejora contigo. Sus resultados son confiables y están respaldados por métricas claras y transparentes.
Si te interesa un apoyo a tu tranquilidad, no invasivo, práctico y en constante perfeccionamiento, GLUCUBE es tu mejor aliado. 💙
Referencias
Ajjan, R. A., Cummings, M. H., Jennings, P., Leelarathna, L., Rayman, G., & Wilmot, E. G. (2018). Accuracy of flash glucose monitoring and continuous glucose monitoring technologies: Implications for clinical practice. Diabetes & Vascular Disease Research, 15(3), 175–184.
Luijf, Y. M., Mader, J. K., Doll, W., Pieber, T. R., Farret, A., Place, J., ... & DeVries, J. H. (2013). Accuracy and reliability of continuous glucose monitoring systems: a head-to-head comparison. Diabetes Technology & Therapeutics, 15(8), 721–726.
Bonora, B., Maran, A., Ciciliot, S., Avogaro, A., & Fadini, G. P. (2016). Head-to-head comparison between flash and continuous glucose monitoring systems in outpatients with type 1 diabetes. Journal of Endocrinological Investigation, 39(12), 1391–1399.
Freckmann, G., Pleus, S., Link, M., Zschornack, E., Klötzer, H. M., & Haug, C. (2013). Performance evaluation of three continuous glucose monitoring systems: comparison of six sensors per subject in parallel. Journal of Diabetes Science and Technology, 7(4), 842–853.
Parkes, J. L., Slatin, S. L., Pardo, S., & Ginsberg, B. H. (2000). A new consensus error grid to evaluate the clinical significance of inaccuracies in the measurement of blood glucose. Diabetes Care, 23(8), 1143–1148.