• 逆风模型的准确性：低血糖警告系统（逆风）在检测严重的低血糖（血糖<3.0 mmol/L）方面的诊断准确性（逆风），被定量为接收器操作员特征曲线（AUC ROC）下的面积。 [时间范围：240分钟]
  将使用累进性低血糖症中记录的真实汽车驾驶数据评估逆风模型的准确性，并将使用应用机器学习技术进行低血糖症检测来分析驾驶数据。
• 变更[时间范围：240分钟]
  在低血糖症（<3.9mmol/l）驾驶过程中的转弯变化将与尤格糖（5.5 mmol/L）进行比较。研究车将记录驾驶参数。
• 更改旋转[时间范围：240分钟]
  在低血糖症（<3.9mmol/L）驾驶过程中旋转的变化将与尤格糖（5.5 mmol/L）进行比较。研究车将记录驾驶参数。
• 速度变化[时间范围：240分钟]
  在低血糖（<3.9mmol/L）驾驶过程中的速度变化将与尤古糖（Euglycemia）（5.5 mmol/L）进行比较。研究车将记录驾驶参数。
• 转向[时间范围：240分钟]
  在低血糖症（<3.9mmol/l）驾驶过程中的转向变化将与尤格糖（5.5 mmol/l）进行比较。研究车将记录驾驶参数。
• 刹车更改[时间范围：240分钟]
  在低血糖症（<3.9mmol/l）驾驶过程中制动器的变化将与尤格糖（5.5 mmol/L）进行比较。研究车将记录驾驶参数。
• 更改转向扭矩[时间范围：240分钟]
  在低血糖症（<3.9mmol/L）驾驶过程中，转向扭矩的变化将与尤格糖（5.5 mmol/L）进行比较。研究车将记录驾驶参数。
• 转向速度的更改[时间范围：240分钟]
  在低血糖症（<3.9mmol/L）驾驶过程中，转向速度的变化将与尤格糖（5.5 mmol/L）进行比较。研究车将记录驾驶参数。
• 降低驾驶性能时定义血糖水平[时间范围：240分钟]
  与尤利克米亚（5.5mmol/L）相比，当严重低血糖（<3.0 mmol/L）的驾驶参数（<3.0 mmol/L）的驾驶参数显着改变时，血浆 - 葡萄糖水平（MMOL/L）将受到驱动性能的开始受损。
• 基于驾驶参数（旋转，旋转，速度，转向，制动，转向扭矩，转向速度）的低血糖前后驾驶性能[时间范围：240分钟]
  基于严重低血糖症（<3.0 mmol/L）的驾驶参数的显着改变，将评估低血糖症之前和之后，基于旋转，旋转，速度，速度，转向，制动，转向扭矩和转向速度
• 改变心率[时间范围：240分钟]
  在低血糖驾驶过程中心率的变化将与尤古斯血症进行比较。心率的变化将使用holter-ecg和可穿戴设备来衡量。
• 心率变异性的变化[时间范围：240分钟]
  在低血糖驾驶过程中，心率变异性的变化将与尤利克血症进行比较。心率的变异性将使用Holter-ECG和可穿戴设备来测量。
• 电肌活动的变化（EDA）[时间范围：240分钟]
  在低血糖驾驶期间EDA的变化将与尤格血糖相比。 EDA将使用可穿戴设备进行测量。
• 皮肤温度的变化[时间范围：240分钟]
  在低血糖症驾驶过程中皮肤温度的变化将与葡萄糖症进行比较。皮肤温度的变化将用可穿戴设备和热相机测量。
• 更改眼动[时间范围：240分钟]
  在低血糖症驾驶过程中，眼睛运动和凝视行为的变化将与尤利克血症进行比较。参与者的眼睛运动将由摄像头和眼线笔记录。
• 面部表情的更改[时间范围：240分钟]
  在低血糖驾驶过程中面部表达的变化将与尤古斯血症进行比较。面部表情将由相机记录。
• 检测低血糖（血糖<3.9 mmol/L和<3.0 mmol/L）和高血糖症（血糖> 13.9 mmol/L和> 16.7 mmol/L）的诊断准确性[时间范围：在整个研究过程中，预计将长达12个月]
  在研究期间，使用可穿戴设备记录的可穿戴设备记录的生理数据（心脏率，心脏变异性，EDA）检测血糖检测的准确性将使用应用机器学习技术进行分析。
• 检测低血糖（血糖<3.9 mmol/L和<3.0 mmol/L）的诊断准确性，用视频数据[时间范围：在整个研究中，预计将均应达到接收器操作员曲线（AUC-ROC）下的面积12个月 ]
  使用摄像机记录的视频数据和低血糖检测中的热摄像头精度将通过应用机器学习技术进行分析。
• 诊断准确性（血糖<3.9 mmol/L和<3.0 mmol/L）在接收器操作员曲线（AUC-ROC）下量化的诊断症（AUC-ROC）使用眼神跟踪数据[时间范围：在整个研究中，预计在整个研究中，预计将是BE最多12个月]
  使用摄像机记录的眼睛跟踪数据和远程轨道轨道（记录凝视行为）在低血糖检测中的准确性将通过应用机器学习技术进行分析。
• 在受控降血糖状态下的CGM精度[时间范围：240分钟]
  CGM传感器（DEXCOM G6）在Euglycemia（3.9-10 mmol/L）中的准确性（平均相对差异），低血糖（3.0-3.9mmol/L）和严重低血糖症（<3.0 mmol/L），将得到评估在血浆葡萄糖测量上
• 在受控降血糖状态下的CGM时间延迟[时间范围：240分钟]
  与血浆葡萄糖相比，将评估进行性低血糖（低血糖夹）期间CGM传感器（DEXCOM G6）的时间延迟（分钟）。
• 胰高血糖素的更改[时间范围：240分钟]
  在驾驶前，在驾驶前，在尿糖率（5.5mmol/L），低血糖（<3.9mmol/L），严重的低血糖（<3mmol/L）和低血糖后，胰高血糖素的变化。
• 生长激素（GH）的变化[时间范围：240分钟]
  在驾驶前的GH变化，在尤金血症（5.5mmol/L），低血糖（<3.9mmol/L），严重的低血糖（<3mmol/L）和低血糖后的驾驶过程中。
• 改变儿茶酚胺[时间范围：240分钟]
  在开车前，在尤金（5.5mmol/L），低血糖（<3.9mmol/l），严重低血糖症（<3mmol/L）和低血糖后，在开车前的改变儿茶酚胺的变化。
• 皮质醇的更改[时间范围：240分钟]
  在驾驶前，在尤金血症（5.5mmol/L），低血糖（<3.9mmol/L），严重低血糖症（<3mmol/L）和低血糖后，在开车前的皮质醇变化。
• 改变胰岛素[时间范围：240分钟]
  胰岛素水平将在驾驶前，在尤金（5.5mmol/L），低血糖（<3.9mmol/L），严重的低血糖（<3mmol/L）和低血糖症后的驾驶过程中进行测量。
• 逆风模型检测低血糖检测时间的血糖水平[时间范围：240分钟]
  将确定逆风模型检测到低血糖症的时间点的血糖。
• 关于低血糖检测时间的比较CGM和逆风模型[时间范围：240分钟]
  CGM检测低血糖检测的时间点将与逆风模型检测到低血糖检测的时间点。
• 比较有关糖症的CGM和逆风模型[时间范围：240分钟]
  与同一时间点CGM的葡萄糖值相比，逆风模型在低血糖检测时间点的血糖检测时间点。
• 逆风模型和headwindplus模型的精度比较[时间范围：240分钟]
  低血糖警告系统（逆风）检测低血糖（血糖<3.9 mmol/L和<3.0 mmol/l）的诊断准确性，该诊断精度（血糖<3.9 mmol/L和<3.0 mmol/L）是接收器操作员特征曲线（AUC ROC）下的区域（AUC ROC）（AUC ROC） ）将与逆风模型进行比较，并与生理参数，视频和眼科跟踪器数据的附加整合，尤其是心脏速率，心率变异性，电肌活动（EDA），皮肤温度和面部表达（HeadWindPlus-Model）
• 葡萄糖和低血糖的自我估计[时间范围：240分钟]
  评估进行性低血糖症期间自估计的葡萄糖和与测量的血糖相关性。
• 驾驶性能的自我估计[时间范围：240分钟]
  与尤金（5.5mmol/L）相比，严重低血糖症（<3.0 mmol/L）的自我估计驾驶绩效评估（<3.0 mmol/L）。自估计的驾驶性能将以0-6的绝对7分制评估（较低的值意味着更好的结果）。
• 需要进行治疗的时间点[时间范围：240分钟]
  与逆风模型和CGM检测到低血糖检测的时间点相比，自我感知的需要治疗（低血糖）的时间点。
• 低血糖症状的自我感知[时间范围：240分钟]
  从0-6（0意味着更好的结果）到测量的血糖，感知到的低血糖症状的相关性。
• 与基线低血糖意识相比，低血糖症状的自我感知[时间范围：240分钟]
  从0-6（0表示更好的结果）到基线低血糖意识（CLARKE-SCORE和GOLD-SCORE，对于这两种测试），相关性低血糖症状的相关性和比较是从0-6（0表示更好的结果）到基线低血糖的意识，这两种测试的得分较高或等于4分，表明对低血糖的认识受损）。
• 驱动器驾驶教师的驾驶不幸和干预措施（5-8 mmol/L），低血糖（<3.9 mmol/L）和严重的低血糖症（<3.0 mmol/L）。 [时间范围：240分钟]
  驾驶不事和干预措施将由驾驶教练使用评估问卷进行评估，其中包括7点李克特量表的4个问题（较低的价值意味着较差的结果）
• 直接比较驾驶教师在尤格血糖（5-8 mmol/l），低血糖（<3.9 mmol/l）和严重低血糖（<3.0 mmol/l）[时间范围：240分钟]
  驾驶性能将由驾驶教练使用评估问卷进行评估，分数为1至7（7表示最佳结果）
• 不良事件的发生率（AES）[时间范围：在整个研究中，预计将长达12个月]
  每次研究访问将记录不良事件。
• 严重不良事件的发生率（SAE [时间范围：在整个研究中，预计将长达12个月]
  每次研究访问将记录严重的不良事件。
• 一般对技术的测试感知[时间范围：在整个研究中，预计将长达12个月]
  一般对技术的感知将通过基于问卷调查的自我报告（技术准备指数）评估5点李克特量表的措施，从“强烈不同意”到“完全同意”，范围从-2到2的量表范围为-2代表更好的结果（负面项目反转之后）。总分数将在参与者之间取平均值，并在必要时单独使用以支持面试答复。
• 在整个研究中：在整个研究中，预计将长达12个月的车载助听器助手（IVA）和技术的预测试经验
  一般而言，将通过基于问卷调查的自我报告（技术使用和接受问卷）评估IVA和技术的预测试经验。构建体的预期性能，预期努力，社会影响力，促进条件，享乐主义动机和行为意图以7点李克特量表从“完全不同意”到“完全同意”与量表范围为-3到3的“完全同意”代表更好结果的值。构造使用以7点李克特量表进行测量，范围从“从不”到“始终”，比例尺范围从-3到3。总分将平均每个构造和跨参与者进行平均，并单独用于支持访谈响应必要时。
• IVA提示与行为响应之间的直接比较[时间范围：240分钟]
  在生态瞬时评估和低血糖支持期间，IVA和患者之间的对话转弯直接比较。
• 驾驶时血糖水平的自我报告（即生态瞬时评估）[时间范围：240分钟]
  比较感知的血糖水平与测量的血糖，驱动器之间感知的血糖水平（请参见结果21）和基线低血糖意识（Clarke-Score和Gold-Score，对于这两种测试，都较高或等于4分，表明受损意识到低血糖）。
• 在能力和会话联盟与IVA与警告类型的认知信任的比较[时间范围：240分钟]
  将通过基于问卷调查的自我报告（从信任的能力构建和采用建议代理商问卷的认知信任信任来评估与IVA能力的认知信任，从“强烈不同意”到“强烈不同意”与“完全不同意”同意“非常同意”的建议构造）。量表范围从-3到3，并且具有更高的值代表更好的结果。与IVA的会话联盟将通过基于问卷调查的自我报告（会话联盟库存项目）进行评估，该报告以6分李克特量表从“完全不是“完全”衡量的“完全”衡量，量表范围为0到5，并且更高代表更好结果的值。调查表将在提供IVA的支持干预后提交，并将其与已交付的警告类型进行比较（即披露与无披露）。
• 早期低血糖警告系统（EWS）的一般用户体验[时间范围：在整个研究中，预计将长达12个月]
  EWS的一般用户体验将通过基于问卷调查的自我报告（用户体验问卷调查问卷和范德拉​​恩量表）进行评估，以形容词的形容词（例如，易于学习，可以学习，无聊，令人讨厌， ，良好的范围等级为0到100。分数将在每个参与者之间平均，并在必要时单独使用以支持面试响应。
• 接受和使用EWS [时间范围：在整个研究中，预计将长达12个月]
  接受和使用EWS将通过基于问卷调查的自我报告（技术使用和接受问卷）进行评估，以7点李克特量表从“非常不同意”到“完全不同意”与-3至3范围的“完全不同意”具有更高的值代表更好的结果。总分将平均每个构造和跨参与者平均，并在必要时单独使用以支持面试答复。
• 认知能力和情感信任对IVA的建议[时间范围：在整个研究中，预计将长达12个月]
  将通过基于问卷调查的自我报告评估IVA建议的认知信任和情感信任（对能力的认知信任和来自信任的情感信任构造的认知信任，并采用了建议代理商问卷），从7点李克特量表中衡量”不同意“完全同意”量表范围从-3到3，并且更高的值代表更好的结果。总分将平均每个构造和跨参与者平均，并在必要时单独支持面试答复
• 感知到与IVA的联盟[时间范围：在整个研究中，预计将长达12个月]
  与IVA的合作联盟将通过基于问卷调查的自我报告（会话联盟库存）评估，以6点李克特量表从“完全不是“完全”到“完全”，量表范围为0到5，并且值较高，并且值较高。代表更好的结果。总分将平均每个构造和跨参与者平均，并在必要时单独支持面试答复

低血糖是糖尿病最相关的急性并发症之一。在低血糖期间，心理运动，执行和认知功能会显着恶化。这些是安全驾驶的重要先决条件。因此，始终证明低血糖与驾驶事故的风险增加有关，因此被视为交通安全中的相关因素之一。尽管糖尿病技术领域的重要发展，但驾驶过程中低血糖的问题仍然存在。汽车技术是高度动态的，最终可以完全自动驾驶解决降血糖引起的事故的问题。但是，由于对与该技术相关的安全性的担忧，自主驾驶（4或5级）可能仅比以前想象的要大得多。因此，迫切需要通过更迅速地解决与低血糖相关的交通事故问题来弥合即将到来的时期的解决方案。

关于驾驶行为在优雅血糖状​​态和降血糖状态之间显着不同的假设，研究者认为，与尤格利亚血症相比，低血糖的不同驾驶模式可用于使用机器学习神经网络（深度机器学习分类器）来产生低血糖症检测模型。

• 糖尿病
• 糖尿病，类型1

纳入标准：

• 签名记录的知情同意
• WHO至少1年或确认的C肽阴性（<100pmol/L）型糖尿病型糖尿病（伴随血糖> 4 mmol/L）
• 21-60岁之间的年龄
• HBA1C≤9.0％
• 功能性胰岛素治疗具有良好的胰岛素自我管理知识
• 在研究纳入之前，至少三年通过了驾驶员检查。拥有有效的，确定的瑞士驾驶执照。
• 在过去6个月中的积极驾驶。

排除标准：

• 用于诱导低血糖（胰岛素阿斯帕特）的药物的禁忌症，已知的超敏反应或对粘合剂粘合贴片的过敏。
• 在研究过程中怀孕或打算怀孕，哺乳女性或缺乏安全避孕
• 研究者判断
• 可能会干扰研究结果的研究结果的正常行为的身体或心理疾病。
• 肾衰竭
• 肝功能障碍
• 冠状动脉心脏疾病
• 其他心血管疾病
• 癫痫
• 毒品或酒精滥用
• 无法遵循研究的程序，例如，由于语言问题，心理障碍，痴呆症等引起的参与者
• 在本研究之前的30天内和在本研究中参与了另一项研究药物
• 每日胰岛素总剂量> 2 IU/kg/天
• 在研究参与之前和/或期间，特定的伴随治疗清除要求
• 当前使用已知会干扰代谢或驾驶性能的药物治疗

• 苏黎世
• 圣加伦大学

• 逆风模型的准确性：低血糖警告系统（逆风）在检测严重的低血糖（血糖<3.0 mmol/L）方面的诊断准确性（逆风），被定量为接收器操作员特征曲线（AUC ROC）下的面积。 [时间范围：240分钟]
  将使用累进性低血糖症中记录的真实汽车驾驶数据评估逆风模型的准确性，并将使用应用机器学习技术进行低血糖症检测来分析驾驶数据。
• 变更[时间范围：240分钟]
  在低血糖症（<3.9mmol/l）驾驶过程中的转弯变化将与尤格糖（5.5 mmol/L）进行比较。研究车将记录驾驶参数。
• 更改旋转[时间范围：240分钟]
  在低血糖症（<3.9mmol/L）驾驶过程中旋转的变化将与尤格糖（5.5 mmol/L）进行比较。研究车将记录驾驶参数。
• 速度变化[时间范围：240分钟]
  在低血糖（<3.9mmol/L）驾驶过程中的速度变化将与尤古糖（Euglycemia）（5.5 mmol/L）进行比较。研究车将记录驾驶参数。
• 转向[时间范围：240分钟]
  在低血糖症（<3.9mmol/l）驾驶过程中的转向变化将与尤格糖（5.5 mmol/l）进行比较。研究车将记录驾驶参数。
• 刹车更改[时间范围：240分钟]
  在低血糖症（<3.9mmol/l）驾驶过程中制动器的变化将与尤格糖（5.5 mmol/L）进行比较。研究车将记录驾驶参数。
• 更改转向扭矩[时间范围：240分钟]
  在低血糖症（<3.9mmol/L）驾驶过程中，转向扭矩的变化将与尤格糖（5.5 mmol/L）进行比较。研究车将记录驾驶参数。
• 转向速度的更改[时间范围：240分钟]
  在低血糖症（<3.9mmol/L）驾驶过程中，转向速度的变化将与尤格糖（5.5 mmol/L）进行比较。研究车将记录驾驶参数。
• 降低驾驶性能时定义血糖水平[时间范围：240分钟]
  与尤利克米亚（5.5mmol/L）相比，当严重低血糖（<3.0 mmol/L）的驾驶参数（<3.0 mmol/L）的驾驶参数显着改变时，血浆 - 葡萄糖水平（MMOL/L）将受到驱动性能的开始受损。
• 基于驾驶参数（旋转，旋转，速度，转向，制动，转向扭矩，转向速度）的低血糖前后驾驶性能[时间范围：240分钟]
  基于严重低血糖症（<3.0 mmol/L）的驾驶参数的显着改变，将评估低血糖症之前和之后，基于旋转，旋转，速度，速度，转向，制动，转向扭矩和转向速度
• 改变心率[时间范围：240分钟]
  在低血糖驾驶过程中心率的变化将与尤古斯血症进行比较。心率的变化将使用holter-ecg和可穿戴设备来衡量。
• 心率变异性的变化[时间范围：240分钟]
  在低血糖驾驶过程中，心率变异性的变化将与尤利克血症进行比较。心率的变异性将使用Holter-ECG和可穿戴设备来测量。
• 电肌活动的变化（EDA）[时间范围：240分钟]
  在低血糖驾驶期间EDA的变化将与尤格血糖相比。 EDA将使用可穿戴设备进行测量。
• 皮肤温度的变化[时间范围：240分钟]
  在低血糖症驾驶过程中皮肤温度的变化将与葡萄糖症进行比较。皮肤温度的变化将用可穿戴设备和热相机测量。
• 更改眼动[时间范围：240分钟]
  在低血糖症驾驶过程中，眼睛运动和凝视行为的变化将与尤利克血症进行比较。参与者的眼睛运动将由摄像头和眼线笔记录。
• 面部表情的更改[时间范围：240分钟]
  在低血糖驾驶过程中面部表达的变化将与尤古斯血症进行比较。面部表情将由相机记录。
• 检测低血糖（血糖<3.9 mmol/L和<3.0 mmol/L）和高血糖症（血糖> 13.9 mmol/L和> 16.7 mmol/L）的诊断准确性[时间范围：在整个研究过程中，预计将长达12个月]
  在研究期间，使用可穿戴设备记录的可穿戴设备记录的生理数据（心脏率，心脏变异性，EDA）检测血糖检测的准确性将使用应用机器学习技术进行分析。
• 检测低血糖（血糖<3.9 mmol/L和<3.0 mmol/L）的诊断准确性，用视频数据[时间范围：在整个研究中，预计将均应达到接收器操作员曲线（AUC-ROC）下的面积12个月 ]
  使用摄像机记录的视频数据和低血糖检测中的热摄像头精度将通过应用机器学习技术进行分析。
• 诊断准确性（血糖<3.9 mmol/L和<3.0 mmol/L）在接收器操作员曲线（AUC-ROC）下量化的诊断症（AUC-ROC）使用眼神跟踪数据[时间范围：在整个研究中，预计在整个研究中，预计将是BE最多12个月]
  使用摄像机记录的眼睛跟踪数据和远程轨道轨道（记录凝视行为）在低血糖检测中的准确性将通过应用机器学习技术进行分析。
• 在受控降血糖状态下的CGM精度[时间范围：240分钟]
  CGM传感器（DEXCOM G6）在Euglycemia（3.9-10 mmol/L）中的准确性（平均相对差异），低血糖（3.0-3.9mmol/L）和严重低血糖症（<3.0 mmol/L），将得到评估在血浆葡萄糖测量上
• 在受控降血糖状态下的CGM时间延迟[时间范围：240分钟]
  与血浆葡萄糖相比，将评估进行性低血糖（低血糖夹）期间CGM传感器（DEXCOM G6）的时间延迟（分钟）。
• 胰高血糖素的更改[时间范围：240分钟]
  在驾驶前，在驾驶前，在尿糖率（5.5mmol/L），低血糖（<3.9mmol/L），严重的低血糖（<3mmol/L）和低血糖后，胰高血糖素的变化。
• 生长激素（GH）的变化[时间范围：240分钟]
  在驾驶前的GH变化，在尤金血症（5.5mmol/L），低血糖（<3.9mmol/L），严重的低血糖（<3mmol/L）和低血糖后的驾驶过程中。
• 改变儿茶酚胺[时间范围：240分钟]
  在开车前，在尤金（5.5mmol/L），低血糖（<3.9mmol/l），严重低血糖症（<3mmol/L）和低血糖后，在开车前的改变儿茶酚胺的变化。
• 皮质醇的更改[时间范围：240分钟]
  在驾驶前，在尤金血症（5.5mmol/L），低血糖（<3.9mmol/L），严重低血糖症（<3mmol/L）和低血糖后，在开车前的皮质醇变化。
• 改变胰岛素[时间范围：240分钟]
  胰岛素水平将在驾驶前，在尤金（5.5mmol/L），低血糖（<3.9mmol/L），严重的低血糖（<3mmol/L）和低血糖症后的驾驶过程中进行测量。
• 逆风模型检测低血糖检测时间的血糖水平[时间范围：240分钟]
  将确定逆风模型检测到低血糖症的时间点的血糖。
• 关于低血糖检测时间的比较CGM和逆风模型[时间范围：240分钟]
  CGM检测低血糖检测的时间点将与逆风模型检测到低血糖检测的时间点。
• 比较有关糖症的CGM和逆风模型[时间范围：240分钟]
  与同一时间点CGM的葡萄糖值相比，逆风模型在低血糖检测时间点的血糖检测时间点。
• 逆风模型和headwindplus模型的精度比较[时间范围：240分钟]
  低血糖警告系统（逆风）检测低血糖（血糖<3.9 mmol/L和<3.0 mmol/l）的诊断准确性，该诊断精度（血糖<3.9 mmol/L和<3.0 mmol/L）是接收器操作员特征曲线（AUC ROC）下的区域（AUC ROC）（AUC ROC） ）将与逆风模型进行比较，并与生理参数，视频和眼科跟踪器数据的附加整合，尤其是心脏速率，心率变异性，电肌活动（EDA），皮肤温度和面部表达（HeadWindPlus-Model）
• 葡萄糖和低血糖的自我估计[时间范围：240分钟]
  评估进行性低血糖症期间自估计的葡萄糖和与测量的血糖相关性。
• 驾驶性能的自我估计[时间范围：240分钟]
  与尤金（5.5mmol/L）相比，严重低血糖症（<3.0 mmol/L）的自我估计驾驶绩效评估（<3.0 mmol/L）。自估计的驾驶性能将以0-6的绝对7分制评估（较低的值意味着更好的结果）。
• 需要进行治疗的时间点[时间范围：240分钟]
  与逆风模型和CGM检测到低血糖检测的时间点相比，自我感知的需要治疗（低血糖）的时间点。
• 低血糖症状的自我感知[时间范围：240分钟]
  从0-6（0意味着更好的结果）到测量的血糖，感知到的低血糖症状的相关性。
• 与基线低血糖意识相比，低血糖症状的自我感知[时间范围：240分钟]
  从0-6（0表示更好的结果）到基线低血糖意识（CLARKE-SCORE和GOLD-SCORE，对于这两种测试），相关性低血糖症状的相关性和比较是从0-6（0表示更好的结果）到基线低血糖的意识，这两种测试的得分较高或等于4分，表明对低血糖的认识受损）。
• 驱动器驾驶教师的驾驶不幸和干预措施（5-8 mmol/L），低血糖（<3.9 mmol/L）和严重的低血糖症（<3.0 mmol/L）。 [时间范围：240分钟]
  驾驶不事和干预措施将由驾驶教练使用评估问卷进行评估，其中包括7点李克特量表的4个问题（较低的价值意味着较差的结果）
• 直接比较驾驶教师在尤格血糖（5-8 mmol/l），低血糖（<3.9 mmol/l）和严重低血糖（<3.0 mmol/l）[时间范围：240分钟]
  驾驶性能将由驾驶教练使用评估问卷进行评估，分数为1至7（7表示最佳结果）
• 不良事件的发生率（AES）[时间范围：在整个研究中，预计将长达12个月]
  每次研究访问将记录不良事件。
• 严重不良事件的发生率（SAE [时间范围：在整个研究中，预计将长达12个月]
  每次研究访问将记录严重的不良事件。
• 一般对技术的测试感知[时间范围：在整个研究中，预计将长达12个月]
  一般对技术的感知将通过基于问卷调查的自我报告（技术准备指数）评估5点李克特量表的措施，从“强烈不同意”到“完全同意”，范围从-2到2的量表范围为-2代表更好的结果（负面项目反转之后）。总分数将在参与者之间取平均值，并在必要时单独使用以支持面试答复。
• 在整个研究中：在整个研究中，预计将长达12个月的车载助听器助手（IVA）和技术的预测试经验
  一般而言，将通过基于问卷调查的自我报告（技术使用和接受问卷）评估IVA和技术的预测试经验。构建体的预期性能，预期努力，社会影响力，促进条件，享乐主义动机和行为意图以7点李克特量表从“完全不同意”到“完全同意”与量表范围为-3到3的“完全同意”代表更好结果的值。构造使用以7点李克特量表进行测量，范围从“从不”到“始终”，比例尺范围从-3到3。总分将平均每个构造和跨参与者进行平均，并单独用于支持访谈响应必要时。
• IVA提示与行为响应之间的直接比较[时间范围：240分钟]
  在生态瞬时评估和低血糖支持期间，IVA和患者之间的对话转弯直接比较。
• 驾驶时血糖水平的自我报告（即生态瞬时评估）[时间范围：240分钟]
  比较感知的血糖水平与测量的血糖，驱动器之间感知的血糖水平（请参见结果21）和基线低血糖意识（Clarke-Score和Gold-Score，对于这两种测试，都较高或等于4分，表明受损意识到低血糖）。
• 在能力和会话联盟与IVA与警告类型的认知信任的比较[时间范围：240分钟]
  将通过基于问卷调查的自我报告（从信任的能力构建和采用建议代理商问卷的认知信任信任来评估与IVA能力的认知信任，从“强烈不同意”到“强烈不同意”与“完全不同意”同意“非常同意”的建议构造）。量表范围从-3到3，并且具有更高的值代表更好的结果。与IVA的会话联盟将通过基于问卷调查的自我报告（会话联盟库存项目）进行评估，该报告以6分李克特量表从“完全不是“完全”衡量的“完全”衡量，量表范围为0到5，并且更高代表更好结果的值。调查表将在提供IVA的支持干预后提交，并将其与已交付的警告类型进行比较（即披露与无披露）。
• 早期低血糖警告系统（EWS）的一般用户体验[时间范围：在整个研究中，预计将长达12个月]
  EWS的一般用户体验将通过基于问卷调查的自我报告（用户体验问卷调查问卷和范德拉​​恩量表）进行评估，以形容词的形容词（例如，易于学习，可以学习，无聊，令人讨厌， ，良好的范围等级为0到100。分数将在每个参与者之间平均，并在必要时单独使用以支持面试响应。
• 接受和使用EWS [时间范围：在整个研究中，预计将长达12个月]
  接受和使用EWS将通过基于问卷调查的自我报告（技术使用和接受问卷）进行评估，以7点李克特量表从“非常不同意”到“完全不同意”与-3至3范围的“完全不同意”具有更高的值代表更好的结果。总分将平均每个构造和跨参与者平均，并在必要时单独使用以支持面试答复。
• 认知能力和情感信任对IVA的建议[时间范围：在整个研究中，预计将长达12个月]
  将通过基于问卷调查的自我报告评估IVA建议的认知信任和情感信任（对能力的认知信任和来自信任的情感信任构造的认知信任，并采用了建议代理商问卷），从7点李克特量表中衡量”不同意“完全同意”量表范围从-3到3，并且更高的值代表更好的结果。总分将平均每个构造和跨参与者平均，并在必要时单独支持面试答复
• 感知到与IVA的联盟[时间范围：在整个研究中，预计将长达12个月]
  与IVA的合作联盟将通过基于问卷调查的自我报告（会话联盟库存）评估，以6点李克特量表从“完全不是“完全”到“完全”，量表范围为0到5，并且值较高，并且值较高。代表更好的结果。总分将平均每个构造和跨参与者平均，并在必要时单独支持面试答复

低血糖是糖尿病最相关的急性并发症之一。在低血糖期间，心理运动，执行和认知功能会显着恶化。这些是安全驾驶的重要先决条件。因此，始终证明低血糖与驾驶事故的风险增加有关，因此被视为交通安全中的相关因素之一。尽管糖尿病技术领域的重要发展，但驾驶过程中低血糖的问题仍然存在。汽车技术是高度动态的，最终可以完全自动驾驶解决降血糖引起的事故的问题。但是，由于对与该技术相关的安全性的担忧，自主驾驶（4或5级）可能仅比以前想象的要大得多。因此，迫切需要通过更迅速地解决与低血糖相关的交通事故问题来弥合即将到来的时期的解决方案。

关于驾驶行为在优雅血糖状​​态和降血糖状态之间显着不同的假设，研究者认为，与尤格利亚血症相比，低血糖的不同驾驶模式可用于使用机器学习神经网络（深度机器学习分类器）来产生低血糖症检测模型。

• 糖尿病
• 糖尿病，类型1

纳入标准：

• 签名记录的知情同意
• WHO至少1年或确认的C肽阴性（<100pmol/L）型糖尿病型糖尿病（伴随血糖> 4 mmol/L）
• 21-60岁之间的年龄
• HBA1C≤9.0％
• 功能性胰岛素治疗具有良好的胰岛素自我管理知识
• 在研究纳入之前，至少三年通过了驾驶员检查。拥有有效的，确定的瑞士驾驶执照。
• 在过去6个月中的积极驾驶。

排除标准：

• 用于诱导低血糖（胰岛素阿斯帕特）的药物的禁忌症，已知的超敏反应或对粘合剂粘合贴片的过敏。
• 在研究过程中怀孕或打算怀孕，哺乳女性或缺乏安全避孕
• 研究者判断
• 可能会干扰研究结果的研究结果的正常行为的身体或心理疾病。
• 肾衰竭
• 肝功能障碍
• 冠状动脉心脏疾病
• 其他心血管疾病
• 癫痫
• 毒品或酒精滥用
• 无法遵循研究的程序，例如，由于语言问题，心理障碍，痴呆症等引起的参与者
• 在本研究之前的30天内和在本研究中参与了另一项研究药物
• 每日胰岛素总剂量> 2 IU/kg/天
• 在研究参与之前和/或期间，特定的伴随治疗清除要求
• 当前使用已知会干扰代谢或驾驶性能的药物治疗

• 苏黎世
• 圣加伦大学