La diabetes es una enfermedad metabólica crónica caracterizada por elevados niveles de glucosa en plasma debido a que quien la padece no produce insulina (diabetes tipo 1) o la produce, pero hay una resistencia a la utilización de esta (diabetes tipo 2). El monitoreo continuo de los niveles de glucosa permite obtener un registro de los valores de este cada cierto tiempo, para que a partir de dicha información el personal clínico determine la efectividad del tratamiento. En este proceso es fundamental analizar posibles valores anómalos sobre los que el personal médico puede determinar estrategias para optimizar la terapia, que incluye fármacos y dieta, y que de esta manera la cantidad de valores anómalos de glucosa disminuya. En este trabajo se realiza una revisión bibliográfica de los métodos de determinación de anomalías en un set de datos, se realiza un análisis exploratorio de datos sobre datos de monitorización continua de glucosa de diferentes pacientes para determinar las métricas y variables a usar en análisis de las tendencias. Finalmente, se realiza un análisis con técnicas de machine learning para determinar tendencias e identificar valores anómalos en los perfiles glucémicos recopilados.