La evaluación de la glucemia en personas con diabetes tipo 1 (T1D) se ha centrado en el tiempo que se pasa en diferentes rangos de glucosa. Dado que este tiempo refleja las contribuciones relativas a la duración finita de un día, debe tratarse como datos composicionales (CoDa) que se pueden aplicar a los datos de T1D. Trabajos anteriores presentaron una herramienta para la categorización individual de días y propusieron un modelo de transición probabilístico entre categorías, aunque la validación no se ha presentado hasta ahora. En este estudio, consideramos datos de ocho pacientes adultos reales con T1D obtenidos de sensores de monitorización continua de glucosa (CGM) e introducimos una metodología basada en métodos composicionales para validar el modelo de transición de probabilidades presentado anteriormente. Realizamos una validación cruzada de 5 pliegues, con los datos de entrenamiento y validación siendo vectores CoDa, lo que requiere el desarrollo de nuevas métricas de rendimiento. Diseñamos nuevas medidas de precisión y exactitud basadas en cálculos de error estadístico. Los resultados muestran que la precisión para todo el modelo es superior al 95% en todos los pacientes. El uso de un modelo de transición probabilístico puede ayudar a médicos y pacientes en el manejo del tratamiento de la diabetes y la toma de decisiones. Aunque el método propuesto se probó con CoDa aplicado a datos de T1D obtenidos de CGM, las nuevas medidas de precisión y exactitud desarrolladas se aplican a cualquier otro dato o validación basada en CoDa.