CN101308528A - 用于糖尿病管理的计算机系统 - Google Patents

用于糖尿病管理的计算机系统 Download PDF

Info

Publication number
CN101308528A
CN101308528A CNA2008101258725A CN200810125872A CN101308528A CN 101308528 A CN101308528 A CN 101308528A CN A2008101258725 A CNA2008101258725 A CN A2008101258725A CN 200810125872 A CN200810125872 A CN 200810125872A CN 101308528 A CN101308528 A CN 101308528A
Authority
CN
China
Prior art keywords
hypoglycemia
hyperglycaemia
meal
incidence
glucose
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CNA2008101258725A
Other languages
English (en)
Inventor
P·雷
G·马蒂安
A·斯里尼瓦桑
D·罗巴德
D·普赖斯
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
LifeScan Inc
Original Assignee
LifeScan Inc
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by LifeScan Inc filed Critical LifeScan Inc
Publication of CN101308528A publication Critical patent/CN101308528A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
    • A61B5/14532—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue for measuring glucose, e.g. by tissue impedance measurement
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/742—Details of notification to user or communication with user or patient ; user input means using visual displays
    • A61B5/7435—Displaying user selection data, e.g. icons in a graphical user interface
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H15/00—ICT specially adapted for medical reports, e.g. generation or transmission thereof
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/67—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for remote operation
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N35/00—Automatic analysis not limited to methods or materials provided for in any single one of groups G01N1/00 - G01N33/00; Handling materials therefor
    • G01N35/00584—Control arrangements for automatic analysers
    • G01N35/00722—Communications; Identification
    • G01N35/00871—Communications between instruments or with remote terminals
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Biomedical Technology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Pathology (AREA)
  • Biophysics (AREA)
  • Veterinary Medicine (AREA)
  • Animal Behavior & Ethology (AREA)
  • Surgery (AREA)
  • Molecular Biology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Business, Economics & Management (AREA)
  • General Business, Economics & Management (AREA)
  • Emergency Medicine (AREA)
  • Optics & Photonics (AREA)
  • Human Computer Interaction (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Investigating Or Analysing Biological Materials (AREA)
  • Medical Treatment And Welfare Office Work (AREA)
  • External Artificial Organs (AREA)

Abstract

本发明提供了一种糖尿病管理系统或方法，其可以用于分析和识别对与患者糖血有关的一些血糖浓度测量和其它生理参数的模式。特别的，一种监视患者糖血的方法可以包括存储患者的数据在合适的装置上，例如，比如，血糖仪。患者的数据可以包括血糖浓度测量。糖尿病管理系统或方法可以安装于，但不限于，个人电脑、胰岛素笔、胰岛素泵、或血糖仪上。糖尿病管理系统或方法可以依据数据确定多种模式类型，包括测试/剂量模式，低血糖模式，高血糖模式，变化模式，和比较模式。在处理系统或方法用数据确定特定的模式之后，警告信息会显示在个人电脑或血糖仪的屏幕上。还可以提供其他的信息来确保任何预定的糖尿病疗法的顺应性或指导患者管理患者的糖尿病。

Description

用于糖尿病管理的计算机系统
本申请要求系列号为11/688,629的美国专利申请的权益，该申请提交于2007年3月20日，该申请在此处全文引作本申请的参考。
背景技术
糖尿病患者通常依赖使用血糖仪和医生的帮助来管理他们的疾病。另外，糖尿病患者通常使用日志来跟踪他们的血糖浓度测量。在一些情况下，解释日志中大量的血糖浓度测量是困难、复杂和费时间的。使事情进一步复杂的是，内科医生只有有限的时间限制用来帮助糖尿病患者解释大量的血糖浓度测量。当血糖值的这些复杂因素进一步伴随着需要评价胰岛素效果或胰岛素类型、和其它的生理参数或外部参数时，相信临床医生、内科医生或糖尿病患者的任务会变得更困难。对于内科医生或临床医生而言一个额外的障碍是，出于维持门诊的经济考虑，用于每个门诊就诊患者的时间限制。相信在大多数情况中，内科医生或临床医生通常花费不到约七(7)分钟在每个患者身上，这导致很少的或者没有时间能用来评价或指导患者。申请人意识到繁忙的内科医生、临床医生和患者有这样的需求，即，简单和快速评价糖血趋势、模式、数据以及重要的血糖和其它的生理或外部参数的图表相关性。
发明内容
在一个方面，此处提供了一种糖尿病管理系统或方法，可以用来分析和识别大量的葡萄糖浓度测量和与患者糖血有关的其它生理或外部参数的模式。特别的，一种监测患者糖血的方法包括在合适的装置上储存患者的数据，例如，举个例子，血糖仪。患者的数据可以包括血糖浓度测量。该糖尿病管理系统或方法可以被安装于，但不限于，个人计算机、胰岛素笔、胰岛素注射器或血糖仪上。该糖尿病管理系统或方法可以由数据识别多个模式类型，包括测试/剂量模式、低血糖模式、高血糖模式、血糖变化模式、比较模式。在用数据管理系统或方法识别出特定的模式后，会在个人计算机或血糖仪的屏幕上显示出警告消息。也可以提供其它的消息以确保对任何处方糖尿病疗法的顺应性或用来指导患者管理患者的糖尿病。特别的，提供了一种能给用户提供糖尿病管理信息的计算机系统。计算机系统包括用户界面、数据库模块、业务对象模块和糖尿病管理规则引擎。数据库模块有多种和患者血糖相关的数据输入。业务对象模块与数据库模块通讯。糖尿病管理规则引擎基于数据库模块和业务对象模块，产生多种文本消息至用户界面。文本消息包括从患者数据得来的在天中的时间、周中的天、天中的时间和周中的天、或不同的时间间隔中的至少一个中能提示至少一种过量变化的统计学显著模式，。
在另一个具体实施方式中，提供了监测患者糖血的方法。该方法的实现可以通过存储患者的包括血糖浓度测量的数据；产生多种模式，包括多种血糖变化模式；和显示在预定的时间段中的多种血糖变化模式中的至少一个。
在另一个具体实施方式中，提供了监测患者糖血的方法。该方法的实现可以通过存储患者的包括血糖浓度量度的数据；从患者数据产生统计学显著的模式，所述模式显示为按天中的时间、周中的天、天中的时间和周中的天、或者在不同的时间间隔的低血糖、高血糖或过度的血糖变化的模式；使用该表计算标准误差和Z检验；和在Z检验大于预定值时，显示消息，表示在该模式的至少预定范围之外的糖血模式。
对于本领域技术人员而言，当参考以下更具体的本发明的说明和首先被简短描述的附图时，这些和其他的实施例、特性和优点会变得很明显。
附图说明
附图，在此处被引入并构成说明书的一部分，示出了目前的本发明优选的具体实施方式，并且，和以上给出的简介和以下给出的详述一起用来解释本发明的特征(其中相同的数字代表相同的要素)，其中：
图1示出了示意性的糖尿病管理系统，所述糖尿病管理系统包括血糖仪，胰岛素注射器，和个人计算机；
图2示出了示意性的糖尿病管理规则引擎；
图3A和3B示出了糖尿病管理系统或处理系统的流程图；
图4A示出了流程图，该流程图用于针对可指示低血糖发生率的模式来分析多个葡萄糖浓度测量；
图4B示出了流程图，该流程图针对可以指示按时段的低血糖模式的模式来分析多个葡萄糖浓度测量；
图4C示出了示例性的卡方表，所述卡方表可用于基于患者数据确定统计学显著模式；
图5示出了流程图，该流程图用于针对可以指示按周的天的低血糖模式的模式来分析多个葡萄糖浓度测量；
图6示出了流程图，该流程图用于针对可以指示随餐的低血糖发生率的模式来分析多个葡萄糖浓度测量；
图7A示出了流程图，该流程图用于针对可以指示高血糖发生率的模式来分析多个葡萄糖浓度测量；
图7B示出了流程图，该流程图用于针对可以指示按时段的高血糖模式的模式来分析多个葡萄糖浓度测量；
图8示出了流程图，该流程图用于针对可以指示按周中的天的高血糖模式的模式来分析多个葡萄糖浓度测量；
图9示出了流程图，该流程图用于针对可以指示随餐的高血糖发生率的模式来分析多个葡萄糖浓度测量；
图10示出了流程图，该流程图用于针对可以指示高血糖变化发生率的模式来分析多个血糖浓度测量；
图11示出了流程图，该流程图用于针对可以指示低血糖矫正过度的模式来分析多个葡萄糖浓度测量；
图12示出了流程图，该流程图用于针对可以指示高血糖矫正过度的模式来分析多个葡萄糖浓度测量；
图13示出了流程图，该流程图用于针对可以指示葡萄糖测试频率是否充足的模式来分析多个葡萄糖浓度测量；
图14A示出了流程图，该流程图用于针对可以指示餐前测试充分性是否充足的模式来分析多个葡萄糖浓度测量；
图14B示出了流程图，该流程图用于针对可以指示餐后测试充分性是否充足的模式来分析多个葡萄糖浓度测量；
图14C示出了流程图，该流程图用于分析多个葡萄糖浓度测量以确定用户是否遵从目标测试频率；
图15示出了流程图，该流程图用于分析多个葡萄糖浓度测量以比较餐前和餐后葡萄糖浓度；
图16示出了流程图，该流程图用于分析多个葡萄糖浓度测量以比较日间和夜间葡萄糖浓度；
图17A示出了流程图，该流程图用于分析多个葡萄糖浓度测量以比较以前的和当前的低血糖发生率；
图17B示出了流程图，该流程图用于分析多个葡萄糖浓度测量以比较以前的和当前的高血糖发生率；
图18示出了使用糖尿病管理系统的具体实施方式产生的按天中的时间的总结报告；和
图19A和19B示出了使用糖尿病管理系统的具体实施方式产生的患者信息页。
具体实施方式
以下的详细说明应参考附图阅读，其中不同附图中相同的元素具有相同的编号。附图，其尺寸不必成比例，描述了所选择的具体实施方式，不是为了限定本发明的范围。详细说明解释本发明的原理是作为例子，而不是作为限制。本说明能使本领域技术人员实施和使用本发明，并且描述了本发明的几个具体实施方式、适应性改变、变化、替代和使用，包括相信是实行本发明最好的模式。
图1示出了糖尿病管理系统的示意图，所述糖尿病管理系统包括血糖仪10，胰岛素注射器20，和个人计算机(PC)30。在图1中以示意性形式示出的PC 30，可以有微处理器单元和存储单元。血糖仪10可以配置成使用含有试剂的抛弃型测试条，所述试剂例如，比如葡萄糖氧化酶、铁氰化物、ruthamine六胺、或它们的组合。试剂的化学性允许葡萄糖的物理转化，所述物理转化产生能被血糖仪10测量的信号。在一个实施例中，该糖尿病管理系统或方法可以被安装于PC30的存储单元中。在另一个实施例中，该糖尿病管理系统或方法可以被安装于血糖仪10、胰岛素注射器20、或其它合适的计算装置(例如个人数字助理(PDA))或手机(即任何具有处理器和带视觉或听觉输出的图形用户界面的通信装置)之中的存储单元中。
血糖仪10、胰岛素注射器20和PC 30都可以有彼此双向传输数据的能力。数据传输过程可以以有线或无线的方式来实施。在有线的方式中，线缆可以用来传输数据，需通过合适的有线介质例如，比如，通用串行总线(USB)、串行端口(RS232)或专用连接器。数据传输过程还可以通过无线协议(例如，红外(IR)，射频(RF)、WiFi(IEEE 802.11无线以太网标准)、和蓝牙或专用无线协议)，使用适当的无线介质来进行。
糖尿病管理系统或方法可以包括通信动态连接库(DLL)，通信模块，快速打印模块QP，图形用户界面(GUI)，业务对象模块，糖尿病管理规则引擎，数据层模块，和数据库模块，如图1中所示。糖尿病管理系统或方法可以被配置成产生报告，打印报告，通过e-mail和传真发送报告，和通过记录器记录错误，如图1中所示。
通信DLL可以是可实行程序模块，所述可实行程序模块允许PC 30识别血糖仪10和胰岛素注射器20并与之通信。另外，通信DLL可以允许PC 30与几种不同种类的血糖仪和胰岛素注射器和多种装置(例如，标尺，血压计，体温计，步数计，和心率监测仪)通信。通过概括在串行和USB设备之间建立连接的下层功能性，通信模块可以用作代理。
快速打印模块QP可以是配置成使血糖仪无缝传输数据至PC 30并随后打印数据报告的子程序。经过初始设置后，血糖仪10可以和PC 30通过电缆相连接。无需手动启动管理应用程序或实行任何附加的步骤，血糖仪会传递它的数据并打印数据报告。快速打印模块QP的细节被示于并描述于于2005年5月31日提交的美国专利申请系列号11/142,903中，其在此处全文引为参考。
GUI可以是多个用户界面屏幕，其允许用户配置和操作糖尿病管理系统和方法。该屏幕可以被配置成触摸屏，或者，键盘或按钮与显示器的组合。
业务对象模块可以是中央引擎，所述中央引擎能将各种结果、患者、优先权和报告功能整合并与之通信。业务对象规则可以被GUI所使用以产生结果、报告或其它功能。如此处所使用的，术语“患者”包括不仅人的对象而且还包括其它具有糖尿病症状的哺乳动物。
数据层模块可以是抽象的数据访问层，其可以作为数据库模块和管理应用程序之间的中间层。如果可以应用的话，数据层模块可以实行对数据库模块的查询并返回记录组。
数据库模块可以是一种工具，用来储存和组织从血糖仪10和其它备选装置采集得到的数据。数据库模块可以被安装，例如，在PC30、网络服务器或便携式存储设备上。
糖尿病管理规则引擎可以包括多个处理、装置或子程序，用来分析来自血糖仪10和/或胰岛素注射器20的数据。所述多个子程序可以使用统计检验和触发器来分析数据，以便可以向用户和/或内科医生提供消息，以警告可能的问题点和/或适应性问题(compliance issue)。微处理器可以被配置成使用糖尿病管理规则引擎分析数据。糖尿病管理规则引擎可以由内科医生和/或用户配置。
在一个具体实施方式中，糖尿病管理规则引擎可以包括多个模式识别规则，所述模式识别规则可以确定(identify)测试/剂量模式400，低血糖模式100，高血糖模式200，血糖变化模式300，比较模式500，和胰岛素模式600，如图2中所示。测试/剂量模式400可以包括以下的子程序，例如，比如，葡萄糖测试频率410，餐前测试充分性420，餐后测试充分性430，葡萄糖测试充分性440，餐后标记提示450，和餐前标记提示460。低血糖模式100可以包括以下的子程序，例如，比如，低血糖发生率110，按时段低血糖模式(hypoglycemic pattern bytime slot)120，周中的天的低血糖模式(hypoglycemic pattern by day of week)130，和随餐的低血糖发生率140。高血糖模式200可以包括以下的子程序，例如，比如，高血糖发生率210，按时段高血糖模式220，周中的天的高血糖模式230，和随餐的高血糖发生率240。血糖变化模式300可以包括以下的子程序，例如，比如，血糖变化范围310，低血糖的矫正过度320，和高血糖的矫正过度330。比较模式500可以包括以下的子程序，例如，比如，餐前和餐后葡萄糖浓度的比较510，日间和夜间葡萄糖浓度的比较520，以前和当前低血糖发生率的比较530，以及以前和当前高血糖发生率的比较540。
或者，所述多个模式识别规则可以包括胰岛素模式600，碳水化合物摄入模式700和生理模式800。胰岛素模式600可以包括以下的子程序，例如，比如，胰岛素的餐前标记提示610和胰岛素的餐后标记提示620。
以下将描述前述的模式识别规则(100，200，300，400，500和600)的说明。
图3A和3B示出了糖尿病管理系统或处理系统的流程图。通过使用低血糖发生率子程序110，多个葡萄糖浓度测量可以被处理。如果低血糖的发生百分率Pl大于预先确定的阈值，则该方法移向步骤111来确定是否低血糖的发生百分率Pl等于大约100％。如果在步骤110中，低血糖的发生百分率Pl小于预先确定的阈值，则方法移向随餐低血糖发生子程序140。对于低血糖发生子程序110，预先确定的阈值可以为约3％至约15％。在优选的实施例中，该阈值是约5％。或者，该阈值可以是被临床医生或内科医生所选的任何值。如此处所使用的，与数字值联用的术语“约”或“近似”表示数字值可能变化，只要该变化允许示例性实施例实行以实现其预期目即可。
对步骤111来说，如果低血糖频率Pl等于约100％，那么方法移至葡萄糖测试频率子程序410。然而，如果低血糖频率Pl在步骤111中不等于约100％，那么该方法移至步骤112，来确定是否多于约27个葡萄糖浓度测量被收集。
对步骤112来说，如果有超过约27个测量，那么该方法移至按时段的低血糖模式子程序120。然而，如果有不超过约27个测量，那么该方法移至随餐低血糖发生子程序140。样本量27代表了实行子程序120所必须的近似最少数目的葡萄糖测量，并且基于几个假设，所述假设包括：用户每天至少测试一次；用户每天至少测试两次；至少有两类观察到的发生率，即，低血糖发生率和非低血糖发生率；和所述至少两类均发生大于或等于约五次。当使用卡方(chi-squared)测试时，在每时段，对每类来说，发生的最小预期数是五。因此，两个时段乘以两类乘以为五的预期发生数，得出了近似的最小样本量二十。基于该计算，样本量可以高于约20，且优选高于约27。对于高于20的样本量，例如，27可以是理想的，这基于如下用户期望之间的平衡测试：能够收到关于他们的血糖模式的准确警告而不必进行过多次的葡萄糖测量；和有充足数目的葡萄糖测量以确保相对低数量的伪阳性和伪阴性结果。
如果在步骤112中发现多于约27个葡萄糖浓度测量，则按时段的低血糖模式子程序120被实行。在实行按时段的低血糖模式子程序120后，该方法确定所述多个葡萄糖浓度测量是否多于约46个测量，如步骤128中所示。如果多于约46个葡萄糖浓度测量被采集，如步骤128中所示，那么该方法移至周中的天的低血糖模式子程序130和还移至随餐低血糖发生子程序140。如果采集了不多于约46个葡萄糖浓度测量，如步骤128中所示，那么该方法移至随餐低血糖发生子程序140。46个测量的样本量基于几个假设，包括：用户每天至少测试一次；用户每周七天中至少测试五天；至少有两类观察到的发生率，即低血糖发生率和非低血糖发生率；和在该周中至少五天，所述至少两类均发生大于或等于约五次。当使用卡方测试时，在该周中每天，对于每类，发生的最小预期数目是五。因此，五天乘以两类乘以为五的预期数得出最小样本量50。基于该计算，样本量可以大于约50，优选大于约46。对于小于50的样本量，例如，比如，46可能是理想的，这基于如下用户期望之间的平衡测试：能够收到关于他们的血糖状态的准确警告而不必进行过多次的葡萄糖测量；和有充足数目的葡萄糖测量以确保相对低数量的伪阳性和伪阴性结果。
在使用低血糖模式100的模式识别规则来分析所述多个葡萄糖浓度测量之后，高血糖模式200的模式识别规则可以被实行。因此，在实行随餐低血糖发生子程序140后，该方法移至高血糖发生子程序210。如果高血糖发生百分率Ph大于预先确定的阈值，那么该方法移至步骤211来确定高血糖发生百分率Ph是否等于约100％。如果高血糖发生百分率Ph小于预先确定的阈值，则该方法移至随餐高血糖发生子程序240。高血糖发生子程序210的预先确定的阈值可以是约15％至约50％。
在步骤211中，如果高血糖频率Ph等于约100％，那么该方法移至葡萄糖测试频率子程序410，然而，如果高血糖频率Ph不等于约100％，那么该方法移至步骤212来确定是否多于约27个葡萄糖浓度测量被收集。
在步骤212中，如果有多于约27个测量，那么该方法移至按时段高血糖模式子程序220。然而，如果没有多于约27个测量，那么该方法移至随餐高血糖发生子程序240。样本量27代表实行子程序120所必须的近似最小数目的葡萄糖测量，并且基于几个假设，包括：用户每天至少测试一次；用户至少测试两次；至少有两类观察到的发生率，即高血糖发生率和非高血糖发生率；以及该至少两类均有大于或等于约五次发生。当使用卡方测试时，在每时段，对每类来说，发生的最小预期数是五。因此，两个时段乘以两类乘以为五的预期的发生数得出了近似的最小样本量二十。基于该计算，样本量可以高于约20，优选高于约27。对于高于20的样本量，例如，27可以是理想的，这基于如下用户期望之间的平衡测试：能够收到关于他们的血糖模式的准确警告而不必进行过多次的葡萄糖测量；和有充足数目的葡萄糖测量以确保相对低数量的伪阳性和伪阴性结果。
如果在步骤212中发现多于约27个葡萄糖浓度测量，则按时段高血糖模式子程序220被实行。在实行按时段高血糖模式子程序220后，该方法确定该多个葡萄糖浓度测量是否具有多于约46个测量，如步骤228中所示。如果多于约46个葡萄糖浓度测量被采集，如步骤228中所示，那么该方法移至周中的天的高血糖模式子程序230，还移至随餐高血糖发生子程序240。如果采集了不多于约46个葡萄糖浓度测量，在步骤228中所示，那么该方法移至随餐高血糖发生子程序240。46个测量结果的样本量基于几个假设，包括用户每天至少测试一次；用户每周七天中至少测试五天；至少有两类观察到的发生率，即高血糖发生率和非高血糖发生率；和对该周中至少五天，所述至少两类均有多于或等于约五次发生。当使用卡方测试时，在该周中每天，对于每类，出现的最小预期数目是五。因此，五天乘以两类乘以为五的预期数得出最小样本量50。基于所述计算，样本量可以大于约50，优选大于约46。对于小于50的样本量，例如，举个例子，46可以是理想的，这基于如下用户期望之间的平衡测试：能够收到关于他们的血糖状态的准确警告而不必进行过多次的葡萄糖测量；和有充足数目的葡萄糖测量以确保相对低数量的伪阳性和伪阴性结果。
在使用高血糖模式200的模式识别规则来分析所述多个葡萄糖浓度测量之后，可以实行变化模式300的模式识别规则。也就是，在实行随餐高血糖发生子程序240之后，该方法移至步骤301，来确定是否多于约14个葡萄糖浓度测量被收集。如果多于约14个葡萄糖浓度测量被收集，则该方法移至葡萄糖变化范围子程序310，低血糖症矫正过度子程序320，和移至高血糖症矫正过度子程序330。如果没有多于14个葡萄糖浓度测量被收集，那么该方法移至低血糖症矫正过度子程序320，还移至高血糖症矫正过度子程序330。可以选择样本量为14或更多来确保临床上显著的模式的出现。基于统计，样本量为4足以确定统计学显著性差异，但作为保守手段会选择更大的样本量来增加确定临床上显著模式的可能性。
除了上述的方法之外，如将在此处进一步的讨论的，血糖变化可以相关于一天中特定时间段、一天中多个时间段、一周中特定天、一周中的特定多天、一天中在特定时间段有餐前测试的葡萄糖测试频率、一周中特定多天对于餐前测试的葡萄糖测量(即测试)的频率、一天中在特定时间段有餐后测试的葡萄糖测试频率、一周中特定多天对于餐后测试的葡萄糖测量(即测试)的频率。
测试剂量模式400的模式识别规则可以在遇到下述两种情况中的一种后实行，所述情况是1)高血糖症矫正过度子程序330的完成或2)高血糖发生百分率Ph或低血糖发生百分率Pl等于约100％，如步骤21和步骤111中各自所示的。如果遇到上述两种情况中的一种，那么该方法会因而实行以下的处理或子程序例如，比如，葡萄糖测试频率子程序410，餐前测试充分性子程序420，和餐后测试充分性子程序430。
完成测试剂量模式400的模式识别规则之后，实行比较模式500的模式识别规则。在比较模式500中的第一步，该方法会确定具有餐前标记A的血糖浓度测量的数目和具有餐后标记B的血糖浓度测量的数目是否都大于约9，如步骤501中所示。
如果具有餐前标记A的血糖浓度测量的数目和具有餐后标记B的血糖浓度测量的数目都大于约9个，那么该方法会实行餐前餐后葡萄糖浓度比较子程序510，日间和夜间葡萄糖浓度比较子程序520，以前和当前低血糖发生比较子程序530，以及以前和当前高血糖发生比较子程序540。选择样本量为9个或更多来确保临床上显著模式的出现。基于统计，样本量为4足以确定统计学显著性差异，但作为保守手段选择更大的样本量来增加确定临床上显著模式的可能性。
如果具有餐前标记A的血糖浓度测量的数目或者具有餐后标记B的血糖浓度测量的数目小于约9个，如步骤501中所示，那么该方法会实行日间和夜间葡萄糖浓度比较子程序520，以前和当前低血糖发生比较子程序530，以及以前和当前高血糖发生比较子程序540。
在实行以前和当前高血糖发生比较子程序540之后，该方法可以结束。以下将描述一个前述处理或子程序(110，120，130，140，210，220，230，240，310，320，330，410，420，430，510，520，530，和540)的更具体的说明。
图4A示出了低血糖发生子程序110的流程图，其包括获得在一个总的时间段内的血糖浓度测量的数目，如步骤113中所示。接下来，子程序110可以通过求和实质上低血糖的血糖浓度测量的数目除以总时间段内收集的血糖浓度测量的数目，来计算该总时间段内的低血糖发生百分率Pl，如步骤114中所示。该总时间段可以是任意选择的持续时间例如，举个例子，一天中的几个小时，一天，一周，一月，三个月，六个月或者看医生或治疗疗法之间。方程式1表示了一个如何计算低血糖发生百分率Pl的例子
Pl = Σ i = 1 n L i Σ i = 1 n N i * 100 - - - Eq . 1
方程式1中，i代表特定的重复时间间隔；n是重复时间间隔的总数；和Li是在时间间隔i中发生的实质上低血糖的浓度测量的数目；Ni代表在时间间隔i中所进行的血糖浓度测量的总数。
Figure A20081012587200152
代表对于所有的重复时间间隔i来说的实质上低血糖的浓度测量的数目。
Figure A20081012587200153
代表对于所有的重复时间间隔i来说的所有的血糖浓度测量的总数。
在步骤115中，低血糖发生百分率Pl可以与预先确定的阈值相比较。如果低血糖发生百分率Pl大于预先确定的阈值，则可以显示消息来指示高的低血糖症发生率，如在步骤116中所示的。如果低血糖发生百分率Pl不大于预先确定的阈值，则子程序110可以移至随餐低血糖症发生子程序140。在一个实施例中，预先确定的阈值可以是约3％至约15％。在一个优选的实施例中，该阈值是约5％。或者，该阈值可以是被临床医生或内科医生所选的任何值。在步骤116中显示警告消息之后，子程序可以移至步骤111。
特别的，随时段低血糖模式子程序120可以用来确定是否在特定的重复时段i有高的低血糖发生率。在一个实施例中，该时间间隔可以每日重复出现且等于约一天的八分之一。这八个每日时段可以包括早餐前，早餐后，午餐前，午餐后，晚餐前，晚餐后，就寝时间，夜间，其可以被默认管理设定(defaultmanagement settings)预先限定或由用户定制。需要注意的是，重复的时间间隔也可以被称为时段。
图4B列出了随时段低血糖模式子程序120的流程图，其可以包括在步骤121获得在总的时间段内的血糖浓度测量的数目和在步骤122中确定每个时段内的低血糖发生的数目。接下来，子程序120通过使用统计检验例如，比如，卡方测试，如步骤123中所示的，确定在至少一个时段内低血糖发生的次数是否有差异。在步骤124中，计算的卡方值与合适的表中的卡方值相比较，如此处图4C模板中的卡方表。应该注意的是，为了说明书简短，图4C表中的变量的术语与以下的统计分析技术中的术语是相同的。
参考回至图4B，如果计算的卡方不大于表中(其模板示于图4C中)的卡方值，那么子程序120移至步骤128。如果计算的卡方大于表中(其模板示于图4C)的卡方值，那么子程序120移至对每个时段进行Z检验，如步骤125中所示。在一个实施例中，Z检验可以是两侧(two-sided)的Z检验。在步骤126中，计算的Zi值与约2的值相比较。如果计算的Zi大于约2，那么指示在特定时段发生高的低血糖症发生率的消息会被显示，如步骤127中所示。显示该消息之后，子程序120移至步骤128。如果计算的Zi不大于约2，那么子程序120移至步骤128。
在一个具体实施方式中，卡方测试可用来确定是否有任何时段彼此之间在统计学上显著性差异。卡方测试可以使用范围从约95％至约99％的置信水平。方程式2列出了如何计算卡方χ2的例子。
χ 2 = Σ i = 1 n ( L i - L i , pre ) 2 L i . pre + Σ i = 1 n ( L i ′ - L i , pre ′ ) 2 L i . pre ′ - - - Eq . 2
在方程式2中，L′i是在时间间隔i中出现的非低葡萄糖浓度测量的数目。Li，pre是在时间间隔i中将出现的实质上低血糖葡萄糖浓度测量的预测数目。L′i，pre是在时间间隔i中将出现的非低血糖葡萄糖浓度测量的预测数目。在使用方程式2确定χ2后，计算的χ2值基于每个时间间隔i的自由度数目与表中的χ2相比较。如果计算的χ2大于表中的χ2值，那么至少一个时间间隔是统计学显著差异的。
Li，pre可以使用方程式3a来计算。
L i , pre = Σ i = 1 n L i Σ i = 1 n N i * N i - - - Eq . 3 a
L′i，pre可以使用方程式3b计算。
L i , pre ′ = Σ i = 1 n L i ′ Σ i = 1 n N i * N i - - - Eq . 3 b
Figure A20081012587200171
代表了基于所有的重复时间间隔相结合观察到低血糖事件的可能性的分数。
实行随时段低血糖模式子程序120的方法可以进一步包括：如果卡方测试确定至少一个时间间隔是统计学显著差异的，则使用Z检验确定哪一个重复时间间隔i是统计学显著性不同的。方程式4给出Z检验的例子。
Z i = ( L i - L i , pre ) SE i - - - Eq . 4
Zi表示在特定时间间隔i的Z值和SEi表示特定时间间隔i的标准误差。SEi可以使用方程式5计算。
SE i = 1 N i * L i , pre * ( N i - L i , pre ) - - - Eq . 5
Zi值可以对每个重复时间间隔i来计算并与表中Z值相比较。如果一个重复时间间隔的Zi值大于表中的Z值(例如，约2)，那么该特定的重复时间间隔i是统计学显著差异的。
按周中的天的低血糖模式子程序130可以以与按时段低血糖模式子程序120相类似的方式来实行。在按周中的天的低血糖模式子程序130中，时间间隔每周重复出现，其中有七个时段代表周中每天。
图5表示了周中各天低血糖模式130的流程图，其可以包括在步骤131中获得总的时间段内的血糖测量的数目，和在步骤132中确定每天低血糖症出现的次数。接下来，使用统计学测试例如，比如，卡方测试(如图4C模板中所示)，子程序130确定至少其中一天的低血糖出现次数是否是不同的，如步骤133中所示。计算的卡方值与表中的卡方值相比较，如步骤134中所示。如果计算的卡方值不大于表中的卡方值(其模板示于图4C中)，那么子程序130移至下一个子程序140。如果计算的卡方值大于表中的卡方值(其模板示于图4C中)，那么子程序130移至对周中每天实行Z检验，如步骤135中所示。在步骤136中，计算的Zi值与约2的值相比较。如果计算的Zi大于约2，那么会显示这样的消息，其指示在该周中特定天发生高的低血糖症发生率，如步骤137中所示。显示该消息之后，子程序130移至下一个子程序140。如果计算的Zi不大于约2，那么子程序120移至下一个子程序140。
图6表示了随餐低血糖子程序140的流程图，其可以用于确定在餐前或餐后时间间隔是否发生高的低血糖症发生率。随餐低血糖症发生子程序140可以包括获得在总的时段内的血糖浓度测量的数目，如步骤141中所示。可以计算有餐前标记A和餐后标记B的血糖浓度测量的数目，分别表示饭前和饭后的血糖测量的数目，如步骤142中所示。可以计算有餐前标记LA和餐后标记LB的实质上低血糖的血糖浓度测量的数目，如步骤143中所示。可以计算具有餐前标记PlA和餐后标记PlB的低血糖发生百分率，如步骤144中所示。通过将具有餐前标记LA的实质上低血糖的血糖浓度测量的数目除以具有餐前标记A的血糖浓度测量的数目可以确定出PlA。类似地，通过将具有餐前标记LB的实质上低血糖的血糖浓度测量的数目除以具有餐前标记B的血糖浓度测量的数目，可以确定出PlB。
方程式6和7表示了如何确定具有餐前标记PlA和餐后标记PlB的低血糖发生百分率的数学实施例。
Pl A = L A A * 100 - - - Eq . 6
Pl B = L B B * 100 - - - Eq . 7
具有餐前标记PlA和餐后标记PlB的低血糖发生百分率可以与预先确定的阈值相比较，如步骤145中所示的。如果PlA或PlB大于预先确定的阈值，则可以显示消息来指示在餐前时间和/或餐后时间发生高的低血糖发生率，如步骤146中所示。如果PlA和PlB不大于预先确定的阈值，那么子程序140可以移至高血糖症发生子程序210。在步骤146中显示该消息之后，子程序140可以移至高血糖出现子程序210。在一个实施例中，预定的阈值范围可以从约10％至约25％。
图7A表示了高血糖症发生子程序210的流程图，其可以包括获得在总时间段的血糖浓度测量的数目，如步骤213中所示。该总时间段可以是任意选择的持续时间例如，比如，一天中几个小时，一天，一周，一个月，三个月，六个月，门诊之间的时间，等等。接下来，在合适的计算机上实行的子程序210，通过在总时间段求和实质上高血糖的血糖浓度测量的数目除以所收集的血糖浓度测量的数目，可以计算对于该总时间段的高血糖发生百分率Ph，如步骤214中所示。方程式8表示了如何计算高血糖发生百分率Ph的一个例子
Ph = Σ i = 1 n H i Σ i = 1 n N i * 100 - - - Eq . 8
i代表特定的重复时间间隔；n是重复时间间隔的总数；Hi是在时间间隔i中发生的实质上高血糖的葡萄糖浓度测量的数目；Ni代表在时间间隔i中所进行的葡萄糖浓度测量的总数。代表对于所有的重复时间间隔i来说实际上高血糖的葡萄糖浓度测量的总数。
Figure A20081012587200193
代表对于所有的重复时间间隔i来说所有的葡萄糖浓度测量的数目。
在步骤215中，高血糖发生百分率Ph可以与预先确定的阈值相比较。如果高血糖发生百分率Ph大于预先确定的阈值，可以显示消息来指示高的高血糖发生率，如在步骤216中所示的。如果高血糖发生百分率Ph不大于预先确定的阈值，则子程序110可以移至随餐高血糖发生子程序240。在一个实施例中，预先确定的阈值可以是约15％至约50％。在步骤216中显示警告消息之后，子程序可以移至步骤211。
按时段高血糖模式子程序220可以用来确定是否在特定的重复时段i中有高的高血糖发生率。图7A列出了按时段高血糖模式子程序220的流程图，其可以包括在步骤221中获得总的时间段内的血糖测量的数目和在步骤222中确定每个时段内高血糖发生的数目。接下来，子程序220通过使用统计检验例如，比如，卡方测试(如在图4C模板中所示)，如步骤223中所示，确定在至少一个时段内高血糖发生的数目是否有差异。在步骤224中，计算的卡方值与表中的卡方值相比较。如果计算的卡方值不大于表中(其模板示于图4C中)的卡方值，那么子程序20移至步骤228。如果计算的卡方值大于表中(其模板示于图4C中)的卡方值，那么子程序220移至对每个时段进行Z检验，如步骤225中所示。在一个实施例中，Z检验可以是两侧(two-sided)Z检验。在步骤226中，计算的Zi值与约2的值相比较。如果计算的Zi大于约2，那么在特定时段发生高的高血糖发生率的消息会被显示，如步骤227中所示。显示消息之后，子程序220移至步骤228。如果计算的Zi不大于约2，那么子程序220移至步骤228。
在一个实施例中，卡方测试可用来确定是否有任何时段在统计学上是显著差异的。卡方测试可以使用范围从约95％至约99％的置信水平。方程式9列出了如何计算卡方χ2的例子。
χ 2 = Σ i = 1 n ( H i - H i , pre ) 2 H i , pre + Σ i = 1 n ( H i ′ - H i , pre ′ ) 2 H i , pre ′ - - - Eq . 9
在方程式9中，H′i是在时间间隔i中出现的非高血糖葡萄糖浓度测量的数目。Hi，pre是在时间间隔i中将出现的实质上高血糖的葡萄糖浓度测量的预测数目。H′i，pre是在时间间隔i中将出现的实质上非高血糖的葡萄糖浓度测量结果的预测数目。在使用方程式9确定χ2后，基于每个时间间隔i的自由度数目将计算的χ2值与表中的χ2相比较。如果计算的χ2大于表中的χ2值，那么至少一个时间间隔是统计学显著差异的。
Hi，pre可以使用方程式10a来计算。
H i , pre = Σ i = 1 n H i Σ i = 1 n N i * N i - - - Eq . 10 a
H′i，pre可以使用方程式10b计算。
H i , pre ′ = Σ i = 1 n H i ′ Σ i = 1 n N i * N i - - - Eq . 10 b
代表了估计基于组合的所有重复时间间隔的观察到高血糖事件的可能性的分数。
图7B中实行按时段高血糖模式子程序220的方法可以进一步包括：如果卡方测试确定至少一个时间间隔是统计学显著差异的，则使用Z检验确定哪一个重复时间间隔i是统计学显著性差异的。方程式11表示Z检验的例子。
Z i = ( H i - H i , pre ) SE i - - - Eq . 11
方程式11中，Zi表示在特定时间间隔i中的Z值和SEi表示特定时间间隔i的标准误差。SEi可以使用方程式12计算。
SE i = 1 N i * H i , pre * ( N i - H i , pre ) - - - Eq , 12
Zi值可以对每个重复时间间隔i来计算并与表中Z值相比较。如果一个重复时间间隔的Zi值大于表中的Z值(例如，约2)，那么该特定的重复时间间隔i是统计学显著差异的。
周中的天的高血糖模式子程序230可以以与按时段高血糖模式子程序220相类似的方式来实行。在周中的天的高血糖模式子程序230中，时间间隔每周重复出现，其中有七个时段代表周中每天。
图8表示了周中的天的高血糖模式230的流程图，其可以包括在步骤231中获得在总的时间段内的血糖测量的数目，和在步骤232中确定每天的高血糖发生的数目。接下来，在合适的计算装置上实行的子程序230，使用统计学测试例如，比如，卡方测试(如图4C模板中所示)，确定至少其中一天内高血糖发生的次数是否是不同的，如步骤233中所示。计算的卡方值与表中的卡方值相比较，如步骤234中所示。如果计算的卡方值不大于表(图4C中示出其模板)中的卡方值，那么子程序230移至下一个子程序240。如果计算的卡方值大于表(图4C中示出其模板)中的卡方值，那么子程序230移至对周中的天实行Z检验，如步骤235中所示。在步骤236中，计算的Zi值与约2的值相比较。如果计算的Zi大于约2，那么会显示这样的消息，其指示在周中特定天出现高的高血糖发生率，如步骤237中所示。显示该消息之后，子程序230移至下一个子程序240。如果计算的Zi不大于约2，那么子程序220移至下一个子程序240。
图9表示了随餐高血糖子程序240的流程图，其可以用于确定在餐前或餐后时间间隔是否存在高的高血糖症发生率。随餐高血糖发生子程序240可以包括获得在总的时间段内的血糖浓度测量的数目，如步骤241中所示。可以计算出有餐前标记A和餐后标记B的血糖浓度测量的数目，分别表示饭前和饭后进行的血糖测量的数目，如步骤242中所示。可以计算有餐前标记HA和餐后标记HB的实质上高血糖的血糖浓度测量的数目，如步骤243中所示。可以计算具有餐前标记PhA和餐后标记PhB的高血糖发生百分率，如步骤244中所示。通过将具有餐前标记HA的实质上高血糖的血糖浓度测量的数目除以具有餐前标记A的血糖浓度测量的数目，可以确定出PhA。类似的，通过将具有餐前标记HB的实质上高血糖的血糖浓度测量的数目除以具有餐前标记B的血糖浓度测量的数目，可以确定出PhB。
方程式13和14表示了如何确定具有餐前标记PhA和餐后标记PhB的高血糖发生百分率的数学具体实施方式。
Ph A = H A A * 100 - - - Eq . 13
Ph B = H B B * 100 - - - Eq . 14
具有餐前标记PhA和餐后标记PhB的高血糖发生百分率可以与预先确定的阈值相比较，如步骤245中所示的。如果PhA或PhB大于预先确定的阈值，则可以显示消息来指示在餐前时间和/或餐后时间发生高的高血糖发生率，如步骤246中所示。如果PhA和PhB都不大于预先确定的阈值，那么子程序240可以移至步骤301，其是变化模式规则300中的第一步。在步骤246中显示该消息之后，子程序240可以移至步骤301。在一个实施例中，预先确定的阈值可以从约15％至约50％。
参考图4-8，提供了一种方法，包括：存储患者的数据，该数据包括血糖浓度测量；一旦按照天中的时间(by time of day)、周中的天(by day of a week)、天中的时间和周中的天、或在不同时间间隔指示低血糖、高血糖或过度血糖变化的情况，就从患者的数据产生出合适的具有预定情况(例如，时间或天)和结果(低血糖，高血糖或其它情况)的表格；利用表中数据计算标准误差(SE)和Z检验；和当Z检验值大于预先确定值时显示消息，指示糖血模式在至少该模式的预先确定的范围之外。在一个优选的实施例中，Z检验的阈值是约2。
血糖变化范围子程序310可以用于向用户指示，是否他们的血糖浓度有大的血糖变化范围，如图10中所示。血糖变化范围子程序310可以包括在步骤311中获得在总的时间段内的血糖测量数目，和在步骤312中按照血糖测量的大小对所有这些血糖测量分等级。接下来，在步骤313中可以确定包括高等级和低等级的四分位数间距(inter quartile range)。高等级可以与较高的葡萄糖浓度相关，低等级可以与较低的葡萄糖浓度相关。此处所选的四分位数间距可以是在75th和25th百分点的葡萄糖测量。然而，其它合适的间距(range)也可以使用，例如，比如，80th和20th百分点或90th和10th百分点。在步骤314中，从低的葡萄糖浓度减去高的葡萄糖浓度来计算差值或者，例如，四分位数间距。如果该差值大于预先确定的阈值，则显示消息来指示高的血糖变化的出现，如在步骤315中所示。如果该差值不大于预先确定的阈值，则子程序310可以移至低血糖矫正过度子程序320。在步骤315中显示该消息之后，子程序310可以移至低血糖矫正过度子程序320。在一个实施例中，只有在如果有统计学显著数量的血糖测量被血糖仪收集(例如，比如，约大于约14个血糖测量)时，显示该消息，如图3A中步骤301所示。血糖变化范围子程序310的预先确定的阈值的一个例子可为约30mg/dL至约90mg/dL，优选约50mg/dL。
变化可以与天中特定时间的低血糖或高血糖发生率以图表形式相联系，或与用餐间隔相联系。血糖变化的其它联系可以为与特定日期、周中的天、用餐时机或胰岛素注射之间的联系。特别的，系统通过如下步骤实行血糖变化模式的产生：确定(a)一个暂时时间段内的葡萄糖浓度值的中值和(b)该时间段内的测试次数的中值；和使(a)葡萄糖浓度值的中值和(b)测试次数的中值相关，以在有葡萄糖值和测试次数的二维坐标图中定义数据点。合适的范围(例如，四分位数(interquartile)，10th和90th百分点或20th和80th百分点)可以在每个中值数据点附近画出。如在图18的一个例子中所示的，该暂时时间段被选为一段从上午3:00到上午8:00的时间段TP，其中在该时间段期间葡萄糖浓度值的中值用MGV表示，约为325mg/dL，而测试测量结果MT的数目的中值约为上午4:00，MGV和MT都可以用于显示区D4中在葡萄糖值和时间的二维图中定义中值数据点。MGV和MT的葡萄糖变化联系可以针对其它的指标来确定，所述指标是比如，例如，按天中的时间段或按周或月中的天的餐前或餐后葡萄糖浓度水平，低血糖症，高血糖症，周中的天，周中几天，或用户、患者、内科医生或临床医生认为合适的任何与时间相关的特定指标。此后，合适的变化指标(比如，例如，定义为75th和25th百分点之间的差的四分位数间距)可以在每个中值数据附近确定。在图18所示的例子中，在中值定义曲线710附近，定义75th百分点的数据值可以被连接成平滑曲线700，25th百分点值定义曲线720。曲线700和720用来以图表表示与特定指标(例如，血糖，胰岛素或其它生理指标)相联系的中值周围的血糖变化。
在优选的具体实施方式中，中值是血糖数据在一些值周围集中的趋势(即，集中趋势)的优选指标。中值也优于其它指标(例如，举个例子，算术平均值)，这是因为观察到从血糖仪得到的测量结果数据不遵从正态分布或高斯分布(即不对称的而不是对称的分布)，对于其它的指标，也是如此。进一步的，优选使用中值是因为：(a)中值对异常(outlier)数据不敏感，和(b)中值基本上不受血糖仪测量结果范围以外的值影响。相信中值的值与平均值高度相关，且中值血糖水平与HbAlc值之间的关联与平均血糖浓度和HbAlc之间的关联非常接近。然而，出于精确，相信与平均值相比较，中值需要更多采样数据。
参考回至图18，各曲线700，710和720可以由合适的插值法产生，即“曲线平滑化”例如，比如，多项式插值法，三次-Bezier样条，三次基本样条，Fritsch-Carlson单调保留(preserving)三次插值，Akima三次样条插值，有理数三次样条，或指数插值。在优选的实施例中，使用张力(tension)为1经由基本样条通过特定的点结构的阵列，产生曲线平滑。
在此之前，可以提供评价患者糖血的方法来提供胰岛素摄入和血糖以及任何其它生理参数的图表比较。该方法的实现是通过如下步骤：收集与患者糖血相关的数据，包括血糖测量值和胰岛素摄入值；在预定的暂时时间段内对于每个血糖值测量结果，确定作为血糖值中值和时间段中值的函数的葡萄糖和时间的联合中值；和以图表形式显示血糖和时间的联合中值。该收集可以包括收集患者在多个暂时时间段内的数据。该确定可以包括确定所述多个暂时时间段中每个的葡萄糖和时间的联合中值。特别的，该显示可以包括为每个确定和建立产生出图表，其中所述表具有基本上相同的暂时时间段。
一旦葡萄糖和时间的联合中值被确定，通过合适的技术可以产生血糖变化，例如，比如，使用四分位数间距。为了表示趋势或模式，可以得到每个葡萄糖和时间的联合中值在所述多个暂时时间段的血糖变化。并且如此处所使用的，暂时时间段可以是任意单位的时间指标，例如，举个例子，每4小时，每8小时，每24小时，周中天或多天，特定日期，每周或每月等等。
该系统可以用于通过共同的指定指标(例如，天中的时间，周中的天及其它)使葡萄糖浓度变化和胰岛素摄入相联系，来评价胰岛素的效果，胰岛素类型，或胰岛素摄入频率。特别的，通过确定(基于暂时时间段TP的共同指标)以下内容，该系统进行血糖变化模式的产生：(i)在以上选择的暂时时间段中患者摄入的胰岛素剂量的中值MI和(ii)在该时间段中给药次数中值MIT，并且其将(i)胰岛素剂量的中值MI和(ii)胰岛素摄入次数值的中值MIT相关联，来定义具有胰岛素剂量和给药次数分别作为其纵坐标和横坐标的二维坐标图中的数据点。特别的，可以实施以上方法，建立在预先确定的暂时时间段内作为(i)胰岛素摄入的中值和(ii)每次胰岛素摄入的时间段的中值这二者的函数的胰岛素摄入和时间的联合中值；和以图表形式显示胰岛素摄入和时间的联合中值，以使得临床医生，患者或糖尿病专家能大致评价胰岛素摄入效果和血糖。此种胰岛素剂量中值和给药时间的相关可以在显示区D5中的示例性的二维图表中以图表形式画出，然后其可以用于通过“天中的时间”的共同指定的指标，来表示显示区D4中的图表中的葡萄糖变化和D5显示区中胰岛素的联系。应该注意的是，D4或D5显示区中的图表不限于二维图表，且其它类型的图表也可以应用，例如，举个例子，三维图表或使用多于4个不同变量数据输入的图表表示的图表。
尽管与血糖值的四分位数间距和中值相关地一般性描述了血糖变化，其它的技术也可以使用，例如，比如：
“标准偏差”或SD，
“变异系数(coefficient of variation)”CV，
“平均每日血糖”，
“N70+N180”，其中使用低于70mg/dL的血糖数和高于180mg/dL的数，
“M值”，作为根据血糖数据的糖血控制的复合度量(composite measure)得到，如J.Schlichtkrull等，The M-Value，an Index of Blood-Sugar Control in Diabetics，Acta Medica Scandinavia，第177卷，fasc.1，1965，第95-93页中所述，
“血糖偏移的平均振幅(Mean-Amplitude-Of-Glycemic-Excursion)”，如F.JohnService等，在Mean Amplitude of Glycemic Excursions，a Measure of DiabeticInstability，Diabetes，第19卷，第9期，第644-655页，1970年9月中所述，
“不稳定性指数(Lability Index)”，如Kovatchev BP等.，在Methods forQuantifying Self-monitoring Blood Glucose Profile Exemplified by an Examination ofBlood Glucose Pattern in Patients with Type 1 and Type 2 Diabetes，DiabetesTechnology and Therapeutics，4：295-303，2002中所述，
“绝对的血糖变化率(Absolute-Blood-Glucose-Rate-Of-Change)”，用于分开不到4小时的读数；如Ryan EA et al.，在Assessment of the Severity ofHypoglycemia and Glycemic Lability in Type 1 Diabetic Subjects Undergoing IsletTransplantation，Diabetes 53：955-962，2004中所述，
“品质因数(Figure of Merit)”，如Rodbard，D.(2005)，Improved Methods forCalculating a“Figure of Merit”for Blood Glucose Monitoring Data，DiabetesTechnology Meeting，San Francisco，CA，2005年11月中所述，
“J-指数”如Wojcicki，J.(1995)，J-index，A New Proposition of The Assessment ofCurrent Glucose Control In Diabetic Patients，Horm Metab Res.，27，41-42中所述，和
“平均每日风险范围(Average-Daily-Risk-Range)”如Otto等，在Diabetes Care，第29卷，第11期，第2433-2438页(2006年11月)中所述。
有关血糖值变化所带来的潜在伤害的其它文献被描述于Hirsch IB.，Glycemic Variablity：It’s Not Just About AIC Anymore！Diabetes Technol Ther.2005；7；780-783；Brownless M，Hirsch，I.B.Glycemic variability：A HemoglobinAlc-Independent Risk Factor For Diabetic Complications.JAMA2006；295(14)：1707-1708；和Monnier L，Mas E，Ginet C，等，Activation Of OxidativeStress By Acute Glucose Gluctuations Compared With Sustained ChronicHyperglycemia In Patients With Type 2 Diabetes，JAMA.2006；295；1681-1687中。上述提到的文献在此申请中全文引为参考。
低血糖矫正过度子程序320，如图11中所示，可以用于确定是否用户摄取了碳水化合物大丸剂从而导致用户的血糖浓度从低血糖状态转变至高血糖状态。理想的，用户会希望摄取碳水化合物大丸剂从而使低血糖状态转换至血糖正常状态。
低血糖矫正过度子程序320可以包括获得在总时间段内的血糖测量的数目，如步骤321中所示，和测量小于第一预定的阈值的第一个血糖浓度，如步骤322中所示。第一预定的阈值可以是约70mg/dL，其中小于第一预定阈值的血糖浓度是低血糖的。第一血糖浓度表示用户处于低血糖状态。在步骤323中，在第一血糖浓度测量之后约30分钟至约240分钟进行的所有的血糖测量被用于评价高血糖症。如果发现血糖浓度中的一个大于约第二预定的阈值，那么会显示消息来指示可能存在低血糖矫正过度，如步骤324中所示。第二预定阈值可以是约180mg/dL。如果没有血糖浓度被发现大于约第二预定的阈值，那么子程序320可以移至低血糖矫正过度子程序330。在步骤324中显示该消息之后，子程序320可以移至高血糖矫正过度子程序330。
高血糖矫正过度子程序330，如图12中所示，可以用于确定是否用户摄入胰岛素大丸剂从而导致用户的葡萄糖浓度从高血糖状态降低至低血糖状态。理想的，用户会希望胰岛素大丸剂导致高血糖状态转至血糖正常状态。
高血糖矫正过度子程序330可以包括在总时间段内获得血糖测量数目，如步骤331中所示，和测量大于第二预定的阈值的第一个血糖浓度，如步骤332中所示。第二预定的阈值可以是约180mg/dL，其中大于第二预定阈值的血糖浓度是高血糖的。在步骤333中，在第一血糖浓度测量之后约30分钟至约240分钟进行的所有的血糖测量被用于评价低血糖症。如果发现血糖浓度中的一个小于约第一预定的阈值，那么会显示消息来指示可能存在高血糖矫正过度，如步骤334中所示。第一预定阈值可以是约70mg/dL。如果没有血糖浓度被发现小于约第一预定的阈值，那么子程序330可以移至血糖测试频率子程序410。在步骤334中显示消息之后，子程序330可以移至血糖测试频率子程序410。
图13表示了血糖测试频率子程序410的流程图，其可以包括获得在总时间段内的血糖测量的数目，如步骤411中所示。接下来，可以计算每天或每周血糖浓度测量的平均数目，如步骤412中所示。在步骤413中，每单位时间的血糖浓度测量的平均数目的平均数目与预定的阈值相比较。如果每单位时间血糖浓度测量的平均数目小于预定的阈值，可以显示消息来指示每单位时间的血糖浓度测量的平均数目不够，如步骤414中所示。如果每单位时间血糖浓度测量的平均数目不小于预定的阈值，子程序410可以移至餐前测试充分性子程序420。在步骤414中显示消息之后，子程序410可以移至餐前测试充分性子程序420。在一个实施例中，预定的阈值可以是每周约3次测量至每周约15次测量。
图14A显示了餐前测试充分性子程序420的流程图，其可包括获得在总时间段内的血糖测量的数目，如步骤421中所示。接下来，如果血糖浓度测量是在餐前进行的，则该血糖浓度测量可以被标记为餐前，如步骤422中所示。可以确定被标记为餐前的每周血糖浓度测量的数目，如步骤423中所示。在步骤424中，每周被标记为餐前的血糖浓度测量的数目与预定的阈值相比较。如果被标记为餐前的每周血糖浓度测量的数目少于预定的阈值，则显示警告消息，如步骤425中所示。在一个实施例中，预定的阈值范围可以是每周约3个餐前标记至每周约7个餐前标记。然而，应该注意的是，合适阈值的设定是考虑每天或每周平均测试数目，所使用的测试模式，和内科医生推荐的测试模式等由内科医生或自动或半自动地凭借合适的算法得出的。如果被标记为餐前的每周血糖浓度测量的数目不少于预定的阈值，那么子程序420可以移至餐后测试充分性子程序430。在步骤425中显示消息后，子程序420可以移至餐后测试充分性子程序430。在其它的情况中，患者是2型糖尿病且经常餐前测试，则消息425可以完全不使用。然而在一个可替换的实施例中，步骤425可以包括这样的消息，其请用户或患者在将来在指定或确定的时间段期间(与任何可比的在先时间段相比较)更频繁地测试或检测他们的血糖水平。
图14B表示了餐后测试充分性子程序430的流程图，其可包括获得在总时间段内的血糖测量的数目，如步骤431中所示。接下来，如果血糖浓度测量是在餐后进行的，则血糖浓度测量可以被标记为餐后，如步骤432中所示。被标记为餐后的每周血糖浓度测量的数目可以被确定，如步骤433中所示。在步骤434中，每周被标记为餐后的血糖浓度测量的数目与预定的阈值相比较。如果被标记为餐后的每周血糖浓度测量的数目少于预定的阈值，则可以显示警告消息，如步骤435中所示。然而，应该注意的是，合适阈值的设定是考虑每天或每周平均测试数目，所使用的测试模式，和内科医生推荐的测试模式等，由内科医生或自动或半自动地凭借合适的算法得出的。在一个实施例中，预定的阈值可以从每周约3个餐后标记至每周约7个餐后标记。如果被标记为餐后的每周血糖浓度测量的数目不少于预定的阈值，那么子程序430可以移至步骤501，其中A表示餐前测试频率和B表示餐后测试频率。在步骤43 5中显示消息后，子程序430可以移至步骤501。
在一个可替换的实施例中，血糖测试充分性子程序440可以在餐后测试充分性子程序430之后运行。图14C显示了血糖测试充分性子程序440的流程图，其帮助内科医生确定用户是否实行了充分数目的血糖测量。血糖测试充分性子程序440可以包括输入多个用于多个时间间隔的目标测试频率，如步骤441中所示。时间间隔可以包括早餐前，早餐后，午餐前，午餐后，晚餐前，晚餐后，就寝时间和夜间。在一个实施例中，内科医生可以为所有时间间隔输入目标测试频率，以提供给用户目标。接下来，多个血糖测量可以以不同的时间间隔实行，如步骤442中所示。每个时间间隔的实际测试频率可以被计算出，如步骤443中所述。在步骤444中，实际测试频率与目标测试频率相比较。如果实际测试频率小于目标测试频率，会显示警告消息，如步骤445中所示。如果实际测试频率不小于目标测试频率，那么消息指示用户遵从目标测试频率，如步骤446中所述。在步骤445或步骤446中显示消息之后，子程序440可以移至步骤501。
在另一个可以替代的实施例中，测试/剂量模式400可以包括用于识别指示餐前或餐后血糖测量的模式的子程序。基于过去的血糖测量，可以显示消息警告用户最近进行的血糖测量是餐前或餐后。然后可以给用户提供用适当的标记来标记血糖测量的选择。
图15显示了餐前和餐后血糖浓度比较子程序510的流程图，其可以用于确定在用户进食后是否有显著的血糖浓度增加。餐前和餐后血糖浓度比较子程序510可以包括获得血糖浓度测量数目，如步骤511中所示。接下来，可以计算中值餐前血糖浓度和中值餐后血糖浓度，如步骤512和513中各自所示的。餐前和餐后血糖浓度可以分别定义为标记为餐前和餐后的血糖浓度测量。在步骤514中，从中值餐后血糖浓度减去中值餐前血糖浓度，产生差值。根据进食的种类，所述差值可以是临床显著的，统计学显著的，或者临床和统计学都显著的值。如果所述差值大于预定的阈值，则警告消息指示高的餐后偏移，如步骤515中所示。如果所述差值不大于预定的阈值，则子程序510可移至日间和夜间葡萄糖浓度比较子程序520。在步骤512中显示消息之后，子程序510可以移至日间和夜间葡萄糖浓度比较子程序520。在一个实施例中，预定的阈值可以是约50mg/dL。实施例可以包括这样的前提，其中除非有大于约9个被标记为餐前的测量和大于约9个被标记为餐后的测量，才显示警告消息。
图16表示了日间和夜间葡萄糖浓度比较子程序520，其可以用于确定日间和夜间葡萄糖浓度是否有显著差异。日间和夜间葡萄糖浓度比较子程序520可以包括在总的时间段内获得血糖测量数目，如步骤521中所示。接下来，可以计算中值日间葡萄糖浓度和中值夜间葡萄糖浓度，如在步骤522和523中分别所示。日间可以是从约上午6:00至约下午4:59的时间段，夜间可以是从约下午5:00至约上午5:59的时间段。然而，日间或夜间可以是任何预定的时间段，由内科医生或临床医生选择。接下来，可以使用统计检验来确定日间中值与夜间中值是否有统计学显著差异，如步骤524中所示。如果有统计学显著差异，则显示消息来指示日间中值和夜间中值的差异，如步骤525中所示。如果没有统计学显著差异，子程序520可以移至以前和当前低血糖发生比较子程序530。在步骤525中显示消息之后，子程序520可以移至以前和当前低血糖发生比较子程序530。
在一个具体实施方式中，统计学检验是非参数的统计学检验。非参数统计学检验可以是Wilcoxon测试或Rank Sum测试。非参数测试可以包括组合在日间时段和夜间时段所进行的多个葡萄糖浓度测量，来形成葡萄糖浓度测量的集合。接下来，葡萄糖浓度测量的集合可以以序数顺序排列，标准化秩和(rank sum)Wstd可以用方程式15来计算。
W std = W d - [ M d * ( N d + N n + 1 ) 2 ] N d * N n * ( N d + N n + 1 ) 12 - - - Eq . 15
在方程式15中，Wstd代表标准秩和，Wd代表在日间段进行的所述多个葡萄糖浓度测量的秩和，Nd是日间时段葡萄糖浓度测量的个数，Nn是夜间时段葡萄糖浓度测量的个数。如果标准秩和大于约2，则显示警告消息来指示日间中值和夜间中值的统计学显著差异。在一个实施例中，如果在日间进行的所述多个葡萄糖浓度测量包括多于约9个，则显示警告消息。在另一个实施例中，如果夜间进行的所述多个葡萄糖浓度测量包括多于约9个，则显示警告消息。
在另一个具体实施方式中，如果两个或多个血糖浓度持平(即，有相同的值)，非参数测试可以使用微分等式来实行。当两个或多个血糖浓度持平时，标准秩和Wstd可以使用方程式16来计算。
W std = W d - [ N d * ( N d + N n + 1 ) 2 ] [ N d * N n * ( N d + N n + 1 ) 12 ] - { N d * N n 12 * ( N d + N n ) * ( N d + N n - 1 ) * Σ j = 1 g ( h j - 1 ) * h j * ( h j + 1 ) } - - - Eq . 16
在方程式16中，hj代表葡萄糖浓度值持平的数目，j代表与每组持平的葡萄糖浓度相关的索引值，g是持平的总数。例如，如果血糖浓度值是93，93，100，100，100，104，104，104，104mg/dL，那么h1＝2，h2＝3，h3＝4，和g＝3。如果标准秩和大于约2，则显示警告消息来指示日间中值和夜间中值之间的统计学显著差异。
图17A显示了以前和当前低血糖发生比较子程序530，其可以指示从当前报告期间和以前报告期间的统计学变化。报告期间可以定义为针对给定用户的两个连续装置下载之间的间隔。注意的是所述装置从下载到下载不必相同。
以前和当前低血糖发生比较子程序530可以包括获得在总时间段内的血糖测量的数目，如步骤531中所示。接下来，第一低血糖发生百分率Pl1可以在第一时间段内计算，如步骤532中所示。第二低血糖发生百分率Pl2可以在第二时间段内计算，如步骤533中所示。第一时间段可以是当前时间段，第二时间段可以是以前的时间段。
在步骤534中，可以实行计算来确定是否实现下述两个条件：是否第一低血糖发生百分率Pl1大于预定的阈值；和是否第二低血糖发生百分率Pl2小于预定的阈值。如果在步骤534中满足上述两个条件，那么子程序530可以显示警告消息来指示第一低血糖发生百分率Pl1和第二低血糖发生百分率Pl2之间的差异，如步骤538中所示。如果步骤534中至少上述两个条件之一不满足，那么子程序可以移至步骤535。
在步骤535中，可以实行计算来确定是否实现下述两个条件：是否第一低血糖发生百分率Pl1小于预定的阈值；和是否第二低血糖发生百分率Pl2大于预定的阈值。如果在步骤535中上述两个条件都满足，那么子程序530可以显示警告消息来指示第一低血糖发生百分率Pl1和第二低血糖发生百分率Pl2之间的差异，如步骤538中所示。如果步骤535中至少上述两个条件之一未满足，那么子程序可以移至步骤536。
在步骤536中，可以实行计算来确定是否第一低血糖发生百分率Pl1和第二低血糖发生百分率Pl2大于预定的阈值。如果在步骤536中满足上述条件，那么子程序530可以运行计算来确定是否第一低血糖发生百分率Pl1相比于第二低血糖发生百分率Pl2是统计学显著差异的，如步骤537中所示。如果在步骤536中不满足上述条件，那么子程序530可以移至以前和当前高血糖发生比较子程序540。
可以实行运算来确定是否第一低血糖发生百分率Pl1相比于第二低血糖发生百分率Pl2是统计学显著差异的，如步骤537中所示。如果在第一和第二低血糖发生百分率间发现统计学显著差异，则显示警告消息指示该差异，如步骤538中所示。如果在第一和第二低血糖发生百分率间没有发现统计学显著差异，则子程序530可以移至以前和当前高血糖发生比较子程序540。在步骤538中显示消息之后，子程序530可以移至以前和当前高血糖发生比较子程序540。在以前和当前低血糖发生比较子程序530的一个实施例中，阈值可以是约5％或更大。
在一个具体实施方式中，Z检验可以用于确定是否第一低血糖发生百分率相比于第二低血糖发生百分率是统计学显著差异的。Z检验可以使用方程式17进行。
Z = Pl 1 - Pl 2 [ Pl 1 * ( 1 - Pl 1 ) Nl 1 ] + [ Pl 2 * ( 1 - Pl 2 ) Nl 2 ] - - - Eq . 17
在方程式17中，Pl1是第一低血糖发生百分率，Pl2是第二低血糖发生百分率，Nl1是在第一时间段内发生的实质上低血糖的血糖浓度测量的数目，和Nl2是在第二时间段内发生的实质上低血糖的血糖浓度测量的数目。如果Z是大于约2的值，则显示警告信息来指示在第一和第二低血糖发生百分率之间的统计学显著差异。在一个实施例中，如果在第一或第二时间段内发生的实质上低血糖的血糖浓度测量的数目大于约27，则可以显示警告消息。
图17B显示了以前和当前高血糖发生比较子程序540，其可以指示从当前报告期间和以前报告期间的统计学变化。报告期间可以定义为对于给定用户在两个连续装置下载之间的期间。注意的是所述装置从下载到下载不必相同。
以前和当前高血糖发生比较子程序540可以包括获得总时间段内的血糖测量的数目，如步骤541中所示。接下来，第一高血糖发生百分率Ph1可以在第一时间段内计算，如步骤542中所示。第二高血糖发生百分率Ph2可以在第二时间段内计算，如步骤543中所示。第一时间段可以是当前时间段和第二时间段可以是以前的时间段。
在步骤544中，可以实行计算来确定是否满足如下两个条件：是否第一高血糖发生百分率Ph1大于预定的阈值；和是否第二高血糖发生百分率Ph2小于预定的阈值。如果在步骤544中上述两个条件都满足，那么子程序540可以显示警告消息以指示第一高血糖发生百分率Ph1和第二高血糖发生百分率Ph2之间的差异，如步骤548中所示。如果步骤544中上述两个条件中的至少一个没有满足，那么子程序可以移至步骤545。
在步骤545中，可以实行计算来确定是否满足如下两个条件：是否第一高血糖发生百分率Ph1小于预定的阈值；和是否第二高血糖发生百分率Ph2大于预定的阈值。如果在步骤545中上述两个条件都满足，那么子程序540可以显示警告消息以指示第一高血糖发生百分率Ph1和第二高血糖发生百分率Ph2之间的差异，如步骤548中所示。如果步骤545中上述两个条件中的至少一个情况没有满足，那么子程序可以移至步骤546。
在步骤546中，可以实行计算来确定是否第一高血糖发生百分率Ph1和第二高血糖发生百分率Ph2大于预定的阈值。如果在步骤546中满足上述条件，那么子程序540可以实行计算来确定是否第一高血糖发生百分率Ph1相比于第二高血糖发生百分率Ph2是统计学显著差异的，如步骤547中所示。如果上述条件在546中没有满足，那么子程序540可以移至结束。
可以实行运算来确定是否第一高血糖发生百分率Ph1相比于第二高血糖发生百分率Ph2是统计学显著差异的，如步骤547中所示。如果在第一和第二高血糖发生百分率间发现统计学显著差异，则可以显示警告消息指示该差异，如步骤548中所示。如果在第一和第二高血糖发生百分率之间没有发现统计学显著差异，则子程序540可以移至结束。在步骤548中显示消息之后，子程序540可以移至结束。在以前和当前高血糖发生比较子程序540的实施例中，阈值可以是约50％或更大。
在一个实施例中，Z检验可以用于确定是否第一高血糖发生百分率相比于第二高血糖发生百分率是统计学显著差异的。Z检验可以使用方程式18进行。
Z = Ph 1 - Ph 2 [ Ph 1 * ( 1 - Ph 1 ) N h 1 ] + [ Ph 2 * ( 1 - Ph 2 ) Nh 2 ] - - - Eq . 18
在方程式18中，Ph1是第一高血糖发生百分率，Ph2是第二高血糖发生百分率，Nh1是在第一时间段内发生的实质上高血糖的血糖浓度测量的数目，和Nh2是在第二时间段内发生的实质上高血糖的血糖浓度测量的数目。如果Z是大于约2的值，则显示警告消息来指示在第一和第二高血糖发生百分率之间的统计学显著差异。在一个实施例中，如果在第一或第二时间段内发生的实质上高血糖的血糖浓度测量的数目大于约27，则可以显示警告消息。
此处应注意的是，尽管对于不同的示例性实施例而言患者葡萄糖浓度优选是由患者的血液获得的，患者其它的生理流体也可用于确定葡萄糖水平，例如，比如，组织间隙液。因此，预期术语“葡萄糖”(无论此处单独使用或与词“血”联合使用，如“血糖”或“葡萄糖”)定义的不仅是在血液中的葡萄糖浓度或值，还有在其它生物流体中的葡萄糖例如，比如，组织间隙液中的葡萄糖浓度。
根据此处所提供的公开和阐释，本申请人提供了帮助糖尿病管理的通信介质。通信介质，如图18中所示，包括在第一显示区中具有第二显示区D2，第三显示区D3，第四显示区D4和第五显示区D5的第一显示区D1。第二显示区D2中有患者的身份信息，然而第三显示区D3有多个文本消息，和第四显示区D4包括表示患者在预定时间段内的葡萄糖浓度变化的图表，和图表或文本形式的其它合适信息。第五显示区D5有患者随时间的胰岛素摄入单位的图表。在一个示例性的实施例中，第一显示区D1包括选自下述中任意一种或其组合的显示：视频显示监测器，光投影仪，纸张，全息图，患者变化趋势的音频表示(例如，对患者陈述的在上午3点和上午9点之间的数小时的“高变化”的自动语音响应)。
第三显示区D3包括显示如下方面(但不限于此)中至少一种的信息：(a)低血糖症发生率(b)高血糖症发生率(c)血糖变化，(d)矫正过度，(e)夜间葡萄糖浓度与日间葡萄糖浓度之间的差异，和(f)对一段时间或在不同的时间段的患者糖血状态的比较分析。特别的，低血糖症发生率包括(i)按时间段的低血糖症发生率，(ii)按周中的天的低血糖症发生率，(iii)餐前低血糖症发生率，和(iv)餐后低血糖症发生率。换句话说，第三显示区有多个文本消息表示患者的糖血状态，包括，低血糖症，高血糖症，或过量的血糖变化。
进一步的，低血糖症发生率包括：低血糖发生的文本指示，其包括在预定时间段中计算的低血糖事件百分率，只要计算得到的百分率大于约5％就提供；或者所有葡萄糖读数是低血糖的文本指示，只要计算的百分率是100％就提供；在其它情况下不提供低血糖发生的文本指示。只要确定时段和低血糖事件之间的统计学关联并且存在低血糖发生的指示，就提供特定时间段中较高的低血糖症的指示的文本显示。只要确定周中的天和低血糖事件之间的统计学关联，并且存在低血糖发生的文本指示，就提供周中特定天的较高的低血糖症的文本显示。只要在预定时间段中有超过约5％的餐前葡萄糖读数标记为餐前葡萄糖读数，就提供餐前低血糖事件的文本显示。相反的，只要在预定时间段中有超过5％的葡萄糖读数标记为餐后葡萄糖读数，就提供餐后低血糖事件的文本显示。
第四显示区D4包括按照至少如下之一在中值血糖值周围的血糖变化的图表模式：天中的时间、周中的天、天中的时间和周中的天、或在不同的预定时间间隔。尽管与特定天相联系的图表的血糖变化模式被表示于图18中，所述特定天跨24小时从上午约12点至上午约12点，但是其它的联系也可以看到，如前面所描述的，与周中的天、时间和周中的天、周或月中特定日期、或在预定时间间隔(例如看医生门诊之间或不同的指定治疗方案之间)的联系。
通信介质还有提供信息的能力，所述信息涉及高血糖症发生率，包括但不限于(i)按时间段的高血糖症发生率，(ii)按周中的天的高血糖症发生率，(iii)餐前高血糖症发生率，和(iv)餐后高血糖症发生率。具体而言，高血糖症发生率包括：高血糖发生的文本指示，其包括在预定时间段中计算的高血糖事件百分率，只要计算得到的百分率大于约15％就提供；或者所有葡萄糖读数是高血糖的文本指示，只要计算的百分率是100％就提供；在其它情况下不提供高血糖发生的文本指示。只要确定时段和高血糖事件的统计学关联，并且存在高血糖发生的文本指示，就提供特定时间段中较高的高血糖症的文本显示。只要确定周中的天和高血糖事件之间的统计学关联，并且存在高血糖发生的文本指示，就提供在周中特定天中的较高的高血糖症的的指示的文本显示。只要在预定时间段中有超过大约5％的葡萄糖读数标记为餐后葡萄糖读数，就提供餐前高血糖事件的文本显示。只要在预定时间段中有超过大约5％的葡萄糖读数标记为餐前葡萄糖读数，就提供餐后高血糖事件的文本显示。尽管5％被选为阈值，其它值也可以使用，取决于内科医生所开出的治疗疗法，例如，比如，10％或15％。
通信介质还有提供信息的能力，所述信息与葡萄糖变化相关，包括但不限于(i)葡萄糖变化范围，(ii)从低血糖至高血糖的可能的反弹，(iii)从高血糖至低血糖的可能的矫正过度的发生，或(iv)与特定指标相联系的血糖变化，例如，比如，天中的特定时间段，天中的多个时间段，周中的特定天，周中的多个特定天，天中特定时间段内的餐前测试，周中特定天的餐前测试的葡萄糖测量的频率(即，测试)，周中几个特定天的餐前测试的葡萄糖测量的频率(即，测试)，天中特定时间段中有餐后测试的葡萄糖测试频率，周中特定天的餐后测试的葡萄糖测量的频率(即，测试)，或周中几个特定天的餐后测试的葡萄糖测量的频率(即，测试)。只要在预定时间段中计算的患者血糖变化约为或大于约选定的值，例如，举个例子，从约30mg/dL至约90mg/dL的任何值，就提供表示高血糖变化的文本显示。只要在小于约4小时的预定时间段中有从高血糖事件至低血糖事件的变化，就提供指示从低血糖症至高血糖症反弹的可能性的文本显示。只要在小于约4小时的预定时间段中有从低血糖事件至高血糖事件的变化，就提供指示从高血糖症至低血糖症反弹的文本显示。
另外，通信介质还可以提供信息，所述信息涉及餐前和餐后数据的差异。特别的，当计算的差异大于约选定的值时，所述选定的值是例如，举个例子，从约30mg/dL至约90mg/dL的任何值，优选约50mg/dL，则提供报告时期内餐前和餐后中值间的计算的差异的文本指示。
进一步的，通信介质还可以基于两个或更多个时间段的低血糖测量结果的数目以及所有时间段的葡萄糖测量的总数(如上所述)，提供涉及低血糖或高血糖趋势的信息，包括向上的低血糖趋势或向下的低血糖趋势中的一个的文本指示。相反地，向上的高血糖趋势或向下的高血糖趋势中的一个的文本指示，基于两个或更多个时间段的低血糖测量的数目和所有时间段的葡萄糖测量总数。如此处所使用的，术语“文本”意思是覆盖不仅文本类型的表示，还有数字值，符号(活动的或静止的)，图表，全息图，曲线图，或它们的结合。
本申请，根据此处提供的说明和阐释，还提供了计算机系统，所述计算机系统对用户提供了糖尿病管理信息，所述用户可以包括临床医生或糖尿病患者。该计算机系统包括用户界面，业务对象模块，和糖尿病管理规则引擎，如前面所述和在图1中所示。糖尿病规则管理引擎基于与患者血糖相关的多个数据输入产生多个文本模式识别消息，包括指示在患者预定时间段内的葡萄糖浓度的血糖变化的图表。
该多个文本消息可以包括至少下述(但不限于下述)之一的信息：(a)低血糖症发生率(b)高血糖症发生率(c)血糖变化，(d)矫正过度，(e)夜间葡萄糖浓度与日间葡萄糖浓度之间的差异，和(f)低血糖或高血糖趋势的比较分析。特别的，低血糖症发生率包括(i)按时间段的低血糖症发生率，(ii)按周中的天的低血糖症发生率，(iii)餐前低血糖症发生率，和(iv)餐后低血糖症发生率。进一步的，低血糖症发生率包括：只要计算得到的百分率大于约5％就提供低血糖发生的文本指示，其包括在预定时间段中计算的低血糖事件百分率；或者只要计算的百分率是100％就提供所有葡萄糖读数是低血糖的文本指示；在其它情况下不提供低血糖发生的文本指示。只要确定时段和低血糖事件的统计学关联并且存在低血糖发生的指示，就提供在特定时间段中的较高的低血糖症的指示的文本显示。只要确定周中的天和低血糖事件的统计学关联并且存在这种低血糖发生的指示，就提供周中特定天的较高的低血糖症的文本显示。只要在预定时间段中有超过大约5％的葡萄糖读数的标记为餐前葡萄糖读数，就提供餐前低血糖事件的文本显示。相反的，只要在预定时间段中有超过大约5％的葡萄糖读数标记为餐后葡萄糖读数，就提供餐后低血糖事件的文本显示。
该计算机系统还有提供信息的能力，所述信息涉及高血糖症发生率，所述高血糖症发生率包括但不限于(i)按时间段的高血糖症发生率，(ii)按周中的天的高血糖症发生率，(iii)餐前高血糖症发生率，和(iv)餐后高血糖症发生率。具体而言，高血糖症发生率包括：高血糖症发生的文本指示，其包括在预定时间段中计算的高血糖事件百分率，只要计算得到的百分率大于约15％就提供；或者所有葡萄糖读数是高血糖的文本指示，只要计算的百分率是100％就提供；在其它情况下不提供高血糖发生的文本指示。只要确定时段和高血糖事件的统计学关联并且存在高血糖症发生的指示，就提供在特定时间段中的较高的高血糖症的指示的文本显示。类似的，只要确定周中的天和高血糖事件的统计学关联并且存在高血糖症发生的指示，就提供在周中特定天的较高的高血糖症的指示的文本显示。额外的，只要在预定时间段中有超过大约5％的葡萄糖读数标记为餐前葡萄糖读数，就提供餐前高血糖事件的文本显示。只要在预定时间段中有超过大约5％的葡萄糖读数标记为餐后葡萄糖读数，就提供餐后高血糖事件的文本显示。
该计算机系统还有提供信息的能力，所述信息涉及葡萄糖变化，包括但不限于(i)血糖变化范围，(ii)从低血糖症至高血糖症反弹的可能性，(iii)从高血糖症至低血糖症的可能的矫正过度的发生率，和(iv)与特定指标相联系的血糖变化，所述指标例如，比如，天中的特定时间段，天中的多个时间段，周中特定天，周中多个特定天，在天中特定时间段内的餐前测试，周中特定天的餐前测试的葡萄糖测量的频率(即，测试)，周中几个特定天的餐前测试的葡萄糖测量的频率(即，测试)，在天中特定时间段有餐后测试的葡萄糖测试频率，周中特定天的餐后测试的葡萄糖测量的频率(即，测试)，或周中几个特定天的餐后测试的葡萄糖测量的频率(即，测试)。只要在预定时间段中计算的患者血糖变化约为或大于约90mg/dL(毫克/分升)，就提供指示高血糖变化的文本显示。只要在小于约4小时的预定时间段中有从高血糖事件向低血糖事件的变化，就提供表示从低血糖症至高血糖症反弹的可能性的文本显示。类似的，只要在小于约4小时的预定时间段中有从低血糖事件向高血糖事件的变化，就提供表示从高血糖症至低血糖症反弹的文本显示。
另外，该计算机系统还可以提供信息，所述信息涉及餐前和餐后数据的差异。特别的，当计算的差异大于约预定的值(例如，举个例子，从约30mg/dL至约90mg/dL的任何值，优选约50mg/dL葡萄糖)时，提供在报告时期内餐前和餐后中值之间的计算的差异的文本指示。
进一步的，该计算机系统还可以基于两个或更多个时间段的低血糖测量的数目以及所有时间段的葡萄糖测量的总数(如上所述)，提供涉及低血糖或高血糖趋势的信息，包括向上的低血糖趋势或向下的低血糖趋势中的一个的文本指示。相反地，向上的高血糖趋势或向下的高血糖趋势中的一个的文本指示，基于两个或更多个时间段的低血糖测量的数目和所有时间段的葡萄糖测量总数。以下表1中的例子示出了在管理糖尿病时可以提供给临床医生或用户的不同模式识别文本消息。
表1-示例性的模式识别消息
  消息编号   模式识别消息
  01   每周葡萄糖测试的平均数是______。
  02   标记为餐前的每周葡萄糖测试平均数是______。
  03   标记为餐后的每周葡萄糖测试平均数是______。
  04   ______％的值是低血糖。
  05   对于______呈现较高的低血糖症发生率。
  06   _______％的餐前值是低血糖的。
  07   _______％的餐后值是低血糖的。
  08   所有葡萄糖读数是高血糖的。
  09   _______％的值是高血糖的。
  10   对于_______呈现较高的高血糖症发生率。
  11   对于_______呈现较高的高血糖症发生率。
  12   _______％的餐前值是高血糖的。
  13   _______％的餐后值是高血糖的。
  14   高变化呈现。
  15   从低至高的反弹。
  16   从高至低的矫正过度。
  17   餐前和餐后中值之间的差异是：_______。
  18   日间和夜间葡萄糖读数的差别是显著的。
  19   低血糖值百分率的向下趋势。
  20   高血糖值百分率的向下趋势。
  21   注意在一些时段中没有发现葡萄糖测试。
  22   注意在一些天中没有发现葡萄糖测试。
  23   夜间读数低于日间读数。
  24   日间读数低于夜间读数。
  25   与以前报告时间段相比低血糖事件的向上趋势。
  26   与以前报告时间段相比低血糖事件的向下趋势。
  27   与以前报告时间段相比高血糖事件的向上趋势。
  28   与以前报告时间段相比高血糖事件的向下趋势。
  29   ________％的值是低血糖的。
  30   对于______呈现较高的低血糖症发生率。注意在一些时段中没有发现葡萄糖测试。
  31   对于______呈现较高的低血糖症发生率。注意在一些天中没有发现葡萄糖测试。
  32   ______％的餐前值是低血糖的。
  33   ______％的餐后值是低血糖的。
  34   ______％的值是高血糖的。
  35   对于______呈现较高的高血糖症发生率。注意在一些时段中没有发现葡萄糖测试。
  36   对于______呈现较高的高血糖症发生率。注意在一些天中没有发现葡萄糖测试。
  37   ______％的餐前值是高血糖的。
  38   ______％的餐后值是高血糖的。
该计算机系统还通过糖尿病管理规则引擎使(a)在暂时时间段中的葡萄糖浓度值中值和(b)在该时间段中的测试次数中值相关，来定义有葡萄糖值和测试次数的曲线图中的数据点。进一步的，该计算机系统还通过糖尿病管理规则引擎使(i)在暂时时间段中的胰岛素剂量中值和(ii)在该时间段中的胰岛素剂量次数的中值相关，来定义有胰岛素剂量和剂量次数的曲线图中的数据点。如此处所使用的，所述时间段包括但不限于下述之一：天中的特定时间段、天中的多个时间段、周中特定天、或周中多个特定天中。特别的，该时间段也可包括至少下述之一：在天中的特定时间段中的有餐前测试的葡萄糖测试频率或测试发生率，周中特定天的餐前测试的葡萄糖测量的频率(即，测试(testing))，周中几个特定天的餐前测试的葡萄糖测量的频率(即，测试)，在天中特定时间段有餐后测试的测试发生率，周中特定天的餐后测试的葡萄糖测量的频率(即，测试)，或周中几个特定天的餐后测试的葡萄糖测量的频率(即，测试)。
相信不同实施例的一个优势是该过程(其中包括处理、机器、系统或方法)转换患者数据(例如，血糖水平，胰岛素注射或胰岛素类型，碳水化合物摄入等)以提供有用的、具体的和切实的结果的能力，所述结果例如，比如，在管理糖尿病时统计学或临床上显著的模式。例如，系统使用统计分析将患者血糖数据转换为文本模式，来提供各种模式的简单和直接的解释，而不是其复杂的图表和曲线图。参考图18，可以看到不同的“数据模式”以清楚和简练的信息形式提供给忙碌的内科医生或用户，而没有提供复杂的图或表的必要，所述数据模式比如，例如，落于低血糖或高血糖状态的数据的百分率，血糖变化，矫正过度，和昼夜葡萄糖值差异。其它数据可以以曲线图表式呈现，给临床医生提供了趋势，比如，例如，餐前测试时间，餐后测试时间，葡萄糖值的总的目标和中值。餐前测试时间可以是在吃饭前进行的葡萄糖测量的时间和餐后测试时间可以是在吃饭后进行的血糖测量的时间。尽管血糖变化信息可以以简单的文本形式提供，如在此处显示区域D3中所示，但有时更有益的是使用曲线图表式来传达血糖变化趋势，如在此处显示区域D4中所示。同样的，也提供了随时间的曲线图图表来表示，随时间的关于中值血糖曲线的第1和第4的四分位数间距的血糖变化。可以提供相同时间段(例如，“TP”，天中的时间，周中的天，在设定时间段内的餐前或餐后)内的血糖值中值(区域D4)和胰岛素注射中值(区域D5)的相关性给临床医生，所述临床医生有兴趣看到胰岛素或胰岛素类型对血糖值的总体效果。
参考图19A和19B，示例性的系统还提供备选显示形式D1’，供患者在看完内科医生或临床医生后使用。特别的，如图19A中所示，显示区域D2’和D3’提供与图18中的显示区域D1相同的患者信息。然而，显示区域D4’提供的信息相信更容易被糖尿病患者所理解。例如，显示区域D4’表示具有葡萄糖测量总体数目的血糖平均值。系统进一步在表D4A中将数据分类成目标(其被内科医生设定)之上、低于目标和低血糖的测试次数。系统进一步提供图表730以百分率来给患者展示表D4A中的数据。在优选的实施例中，图表730是饼图，显示了目标之上的(在预定的时间段中的测试总数的)百分率740；在目标中的百分率750；低于目标的百分率；低血糖百分率。内科医生或临床医生推荐的测试被提供于区域D6中。其它的信息例如目的(goals)或目标(targets)被提供于显示区域D7中。
尽管本发明根据特定的变化和说明性的附图进行了描述，本领域技术人员可以认识到本发明不限于所描述的变化或附图。另外，当上述方法或步骤显示以一定顺序发生的一些事件，本领域技术人员会意识到事件步骤的顺序可以被调整，并且这些调整也是与本发明一致的。额外的，一些步骤如果可能可以以平行的处理同时进行，和顺序进行。因此，就本发明的变化程度来说，其在公开的实质范围之内或等价于本发明的权利要求，本专利也意图覆盖这些变化。

Claims (25)

1、一种给用户提供糖尿病管理信息的计算机系统，该计算机系统包括：
用户界面；
数据库模块，其中有多种和患者血糖相关的数据输入；
与数据库模块通讯的业务对象模块；和
糖尿病管理规则引擎，其基于数据库模块和业务对象模块产生多个文本消息至用户界面，文本消息包括从患者数据得来的能提示在天中的时间、周中的天、天中的时间和周中的天、或不同时间间隔内至少一个的至少过量变化的统计学显著模式。
2、权利要求1的计算机系统，其中文本消息包含显示下列至少一种：(a)低血糖症发生率(b)高血糖症发生率(c)矫正过度，(d)夜间血糖浓度与日间血糖浓度之间的差异，和(e)患者低血糖或高血糖趋势的比较分析。
3、权利要求2的计算机系统，其中低血糖症发生率包括(i)随时间段的低血糖症发生率，(ii)随周中的天的低血糖症发生率，(iii)餐前低血糖症发生率，和(iv)餐后低血糖症发生率。
4、权利要求2的计算机系统，其中低血糖症发生率包含包括在预定时间段中计算的低血糖事件百分率的低血糖发生的文本提示，只要计算百分率大于约5％就提供；或者所有血糖读数是低血糖的文本提示，只要计算的百分率是100％就提供，否则不提供低血糖发生的文本提示。
5、权利要求4的计算机系统，其中只要确定特定时段和低血糖事件的统计学关联，就提供包括指示在特定时间段中较高的低血糖症的显示的文本消息，并且有低血糖发生的文本提示。
6、权利要求4的计算机系统，只要确定周中的天和低血糖事件的统计学关联，就提供包括指示在周中的特定天中较高的低血糖症的显示的文本消息，并且有低血糖发生的文本提示。
7、权利要求2的计算机系统，其中文本消息包括显示餐前低血糖事件的发生率或频率，只要在预定时间段内有超过约5％的血糖读数是低血糖的且被标记为餐前血糖读数就提供。
8、权利要求2的计算机系统，其中文本消息包括显示餐后低血糖事件，只要在预定时间段内有超过约5％的血糖读数是低血糖的且被标记为餐后血糖读数就提供。
9、权利要求2的计算机系统，其中高血糖症发生率包括(i)随时间段的高血糖症发生率，(ii)随周中的天的高血糖症发生率，(iii)餐前高血糖症发生率，和(iv)餐后高血糖症发生率。
10、权利要求9的计算机系统，其中高血糖症发生率包含包括在预定时间段中计算的高血糖事件百分率的高血糖发生的文本提示，只要计算百分率大于约15％就提供；或者所有血糖读数是高血糖的文本提示，只要计算的百分率是100％就提供，否则不提供高血糖发生的文本提示。
11、权利要求10的计算机系统，其中只要确定特定时段和高血糖事件的统计学显著性，就提供包括指示在特定时间段中较高的高血糖症的显示的文本消息，并且有高血糖发生的文本提示。
12、权利要求10的计算机系统，其中只要确定周中的天和高血糖事件的统计学显著性，就提供包括指示在周中的特定天中较高的高血糖症的显示的文本消息，并且有高血糖发生的文本提示。
13、权利要求9的计算机系统，其中文本消息包括显示餐前高血糖事件的发生率，只要在预定时间段中有超过约5％的血糖读数被标记为餐前血糖读数就提供。
14、权利要求9的计算机系统，其中文本消息包括显示餐后高血糖事件的发生率，只要在预定时间段中有超过约5％的血糖读数被标记为餐后血糖读数就提供。
15、权利要求2中的计算机系统，其中血糖变化包含(i)总的变化，(ii)低血糖症至高血糖症的反弹，和(iii)高血糖症至低血糖症的发生率。
16、权利要求15的计算机系统，其中文本消息包括显示高的变化的提示，只要患者在预定的时间段中的计算的血糖变化是约或大于约90mg/dL就提供。
17、权利要求15的计算机系统，其中文本消息包含显示从低血糖症至高血糖症反弹的提示，只要在小于约4小时的预定时间段中有从高血糖事件向低血糖事件的变化就提供。
18、权利要求15的计算机系统，其中文本消息包含显示从高血糖症至低血糖症反弹的提示，只要在小于约4小时的预定时间段中有从低血糖事件向高血糖事件的变化就提供。
19、权利要求2的计算机系统，其中差异包含当计算的差异大于约50mg/dL，提供能提示在报道时期内餐前和餐后中值间的计算差异的文本提示。
20、权利要求2的计算机系统，其中比较分析低血糖趋势包含对两个或多个时间段而言的基于低血糖测量数目的向上的低血糖趋势或向下的低血糖趋势中的一个的文本提示，和对所有时间段而言的血糖测量总数。
21、权利要求2的计算机系统，其中比较分析高血糖趋势包含对两个或多个时间段而言的基于低血糖测量数目的向上的低血糖趋势或向下的低血糖趋势中的一个的文本提示，和对所有时间段而言的血糖测量总数。
22、权利要求1的计算机系统，其中糖尿病管理规则引擎使(a)在暂时时间段中的血糖浓度值中值和(b)在暂时时间段中的测试发生率中值相关，来定义有血糖值和测试次数的二维坐标图中的数据点。
23、权利要求22的计算机系统，其中糖尿病管理规则引擎使(i)在暂时时间段中的胰岛素注射量中值和(ii)在暂时时间段中的注射发生率中值相关，来定义有胰岛素注射量和注射次数的二维坐标图形中的数据点。
24、权利要求23的计算机系统，其中暂时时间段包含天中的特定的时间段、天中的多个时间段、周中的特定天、或周中多个特定天中的至少一个。
25、权利要求24的计算机系统，其中暂时时间段包含对天中的特定时间段中的有餐前测试的测试发生率、对周中特定天中的有餐前测试的测试发生率、对周中多个天中的有餐前测试的测试发生率、在天中特定时间段有餐后测试的测试发生率，对周中特定天的有餐后测试的测试发生率，或对周中多个天的有餐后测试的测试发生率中的至少一个。
CNA2008101258725A 2007-03-20 2008-03-20 用于糖尿病管理的计算机系统 Pending CN101308528A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US11/688743 2007-03-20
US11/688,743 US20080234943A1 (en) 2007-03-20 2007-03-20 Computer program for diabetes management

Publications (1)

Publication Number Publication Date
CN101308528A true CN101308528A (zh) 2008-11-19

Family

ID=39534913

Family Applications (1)

Application Number Title Priority Date Filing Date
CNA2008101258725A Pending CN101308528A (zh) 2007-03-20 2008-03-20 用于糖尿病管理的计算机系统

Country Status (5)

Country Link
US (1) US20080234943A1 (zh)
EP (1) EP1988482A3 (zh)
JP (1) JP5179906B2 (zh)
CN (1) CN101308528A (zh)
CA (1) CA2627385A1 (zh)

Cited By (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101789229A (zh) * 2009-01-23 2010-07-28 李秀 健康信息显示控制的装置、方法及对应设备和试剂载体
CN102483775A (zh) * 2009-06-30 2012-05-30 生命扫描有限公司 被分析物测试方法和系统
CN102481100A (zh) * 2009-09-18 2012-05-30 伟伦公司 支持多个工作流程的生理参数测量平台装置
CN102763109A (zh) * 2010-02-23 2012-10-31 霍夫曼-拉罗奇有限公司 用于将治疗指南提供给患有糖尿病的人的方法和系统
CN103188993A (zh) * 2010-11-05 2013-07-03 自由医疗科技公司 非侵入性检测影响生物组织结构性质的疾病的设备和方法
CN103443798A (zh) * 2011-03-30 2013-12-11 诺沃—诺迪斯克有限公司 用于优化一段时间内的患者的药物给药方案的系统
CN103533889A (zh) * 2011-05-13 2014-01-22 霍夫曼-拉罗奇有限公司 用于在糖尿病护理中使用的用户定义的结构化测试
CN105050539A (zh) * 2013-01-14 2015-11-11 加利福尼亚大学董事会 用于1型糖尿病应用的人造胰腺的模型预测控制问题中的每日周期性目标区间调节
CN105452866A (zh) * 2013-03-14 2016-03-30 豪夫迈·罗氏有限公司 分析血糖数据并量化胰岛素疗法成功对于失败的系统和方法
CN106618593A (zh) * 2016-11-11 2017-05-10 深圳市元征软件开发有限公司 一种无创血糖设备自报警方法及无创血糖设备
WO2017166292A1 (zh) * 2016-04-01 2017-10-05 创新精密仪器有限公司 一种可携式药物管理装置
CN108292525A (zh) * 2015-08-21 2018-07-17 美敦力迷你迈德公司 用于糖尿病管理和控制的数据分析和认知递送
CN108335750A (zh) * 2017-01-20 2018-07-27 华广生技股份有限公司 动态分析血糖值的方法及其系统与电脑程序产品
CN109564784A (zh) * 2016-08-17 2019-04-02 诺和诺德股份有限公司 用于优化相对于用餐事件的餐时定时的系统和方法
CN110249390A (zh) * 2017-02-14 2019-09-17 豪夫迈·罗氏有限公司 用于分析指示体液中的葡萄糖水平的葡萄糖监测数据的计算机实现的方法和便携式设备，以及计算机程序产品
CN111406294A (zh) * 2017-10-26 2020-07-10 拜克门寇尔特公司 自动生成用于实验室仪器的规则
CN111816294A (zh) * 2012-07-09 2020-10-23 德克斯康公司 在连续葡萄糖监测中利用智能手机特征的系统和方法
CN112582072A (zh) * 2020-12-23 2021-03-30 中南大学湘雅医院 一种住院患者血糖管理质量分析平台

Families Citing this family (147)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AU2003303597A1 (en) 2002-12-31 2004-07-29 Therasense, Inc. Continuous glucose monitoring system and methods of use
US8771183B2 (en) 2004-02-17 2014-07-08 Abbott Diabetes Care Inc. Method and system for providing data communication in continuous glucose monitoring and management system
US8066639B2 (en) 2003-06-10 2011-11-29 Abbott Diabetes Care Inc. Glucose measuring device for use in personal area network
US20190357827A1 (en) 2003-08-01 2019-11-28 Dexcom, Inc. Analyte sensor
US7697967B2 (en) 2005-12-28 2010-04-13 Abbott Diabetes Care Inc. Method and apparatus for providing analyte sensor insertion
WO2007027691A1 (en) 2005-08-31 2007-03-08 University Of Virginia Patent Foundation Improving the accuracy of continuous glucose sensors
US7766829B2 (en) 2005-11-04 2010-08-03 Abbott Diabetes Care Inc. Method and system for providing basal profile modification in analyte monitoring and management systems
US11298058B2 (en) 2005-12-28 2022-04-12 Abbott Diabetes Care Inc. Method and apparatus for providing analyte sensor insertion
US7736310B2 (en) 2006-01-30 2010-06-15 Abbott Diabetes Care Inc. On-body medical device securement
US7885698B2 (en) 2006-02-28 2011-02-08 Abbott Diabetes Care Inc. Method and system for providing continuous calibration of implantable analyte sensors
US7981034B2 (en) 2006-02-28 2011-07-19 Abbott Diabetes Care Inc. Smart messages and alerts for an infusion delivery and management system
US8473022B2 (en) 2008-01-31 2013-06-25 Abbott Diabetes Care Inc. Analyte sensor with time lag compensation
US8140312B2 (en) 2007-05-14 2012-03-20 Abbott Diabetes Care Inc. Method and system for determining analyte levels
US9339217B2 (en) 2011-11-25 2016-05-17 Abbott Diabetes Care Inc. Analyte monitoring system and methods of use
US7618369B2 (en) 2006-10-02 2009-11-17 Abbott Diabetes Care Inc. Method and system for dynamically updating calibration parameters for an analyte sensor
US7630748B2 (en) 2006-10-25 2009-12-08 Abbott Diabetes Care Inc. Method and system for providing analyte monitoring
US8374668B1 (en) 2007-10-23 2013-02-12 Abbott Diabetes Care Inc. Analyte sensor with lag compensation
US8346335B2 (en) 2008-03-28 2013-01-01 Abbott Diabetes Care Inc. Analyte sensor calibration management
US7620438B2 (en) 2006-03-31 2009-11-17 Abbott Diabetes Care Inc. Method and system for powering an electronic device
US8478557B2 (en) 2009-07-31 2013-07-02 Abbott Diabetes Care Inc. Method and apparatus for providing analyte monitoring system calibration accuracy
US8224415B2 (en) 2009-01-29 2012-07-17 Abbott Diabetes Care Inc. Method and device for providing offset model based calibration for analyte sensor
US9392969B2 (en) 2008-08-31 2016-07-19 Abbott Diabetes Care Inc. Closed loop control and signal attenuation detection
US8226891B2 (en) 2006-03-31 2012-07-24 Abbott Diabetes Care Inc. Analyte monitoring devices and methods therefor
US7653425B2 (en) 2006-08-09 2010-01-26 Abbott Diabetes Care Inc. Method and system for providing calibration of an analyte sensor in an analyte monitoring system
US9326709B2 (en) 2010-03-10 2016-05-03 Abbott Diabetes Care Inc. Systems, devices and methods for managing glucose levels
US9675290B2 (en) 2012-10-30 2017-06-13 Abbott Diabetes Care Inc. Sensitivity calibration of in vivo sensors used to measure analyte concentration
US8219173B2 (en) 2008-09-30 2012-07-10 Abbott Diabetes Care Inc. Optimizing analyte sensor calibration
US8932216B2 (en) 2006-08-07 2015-01-13 Abbott Diabetes Care Inc. Method and system for providing data management in integrated analyte monitoring and infusion system
US8206296B2 (en) 2006-08-07 2012-06-26 Abbott Diabetes Care Inc. Method and system for providing integrated analyte monitoring and infusion system therapy management
US8135548B2 (en) 2006-10-26 2012-03-13 Abbott Diabetes Care Inc. Method, system and computer program product for real-time detection of sensitivity decline in analyte sensors
US20080199894A1 (en) 2007-02-15 2008-08-21 Abbott Diabetes Care, Inc. Device and method for automatic data acquisition and/or detection
US8930203B2 (en) 2007-02-18 2015-01-06 Abbott Diabetes Care Inc. Multi-function analyte test device and methods therefor
US8732188B2 (en) 2007-02-18 2014-05-20 Abbott Diabetes Care Inc. Method and system for providing contextual based medication dosage determination
US8123686B2 (en) 2007-03-01 2012-02-28 Abbott Diabetes Care Inc. Method and apparatus for providing rolling data in communication systems
US8758245B2 (en) * 2007-03-20 2014-06-24 Lifescan, Inc. Systems and methods for pattern recognition in diabetes management
US20080235053A1 (en) * 2007-03-20 2008-09-25 Pinaki Ray Communication medium for diabetes management
CA2683721C (en) 2007-04-14 2017-05-23 Abbott Diabetes Care Inc. Method and apparatus for providing dynamic multi-stage signal amplification in a medical device
ES2784736T3 (es) 2007-04-14 2020-09-30 Abbott Diabetes Care Inc Procedimiento y aparato para proporcionar el procesamiento y control de datos en un sistema de comunicación médica
US9204827B2 (en) 2007-04-14 2015-12-08 Abbott Diabetes Care Inc. Method and apparatus for providing data processing and control in medical communication system
WO2009096992A1 (en) 2007-04-14 2009-08-06 Abbott Diabetes Care, Inc. Method and apparatus for providing data processing and control in medical communication system
US9008743B2 (en) 2007-04-14 2015-04-14 Abbott Diabetes Care Inc. Method and apparatus for providing data processing and control in medical communication system
US8665091B2 (en) 2007-05-08 2014-03-04 Abbott Diabetes Care Inc. Method and device for determining elapsed sensor life
US8461985B2 (en) 2007-05-08 2013-06-11 Abbott Diabetes Care Inc. Analyte monitoring system and methods
US8456301B2 (en) 2007-05-08 2013-06-04 Abbott Diabetes Care Inc. Analyte monitoring system and methods
US7928850B2 (en) 2007-05-08 2011-04-19 Abbott Diabetes Care Inc. Analyte monitoring system and methods
US8260558B2 (en) 2007-05-14 2012-09-04 Abbott Diabetes Care Inc. Method and apparatus for providing data processing and control in a medical communication system
US9125548B2 (en) 2007-05-14 2015-09-08 Abbott Diabetes Care Inc. Method and apparatus for providing data processing and control in a medical communication system
US8600681B2 (en) 2007-05-14 2013-12-03 Abbott Diabetes Care Inc. Method and apparatus for providing data processing and control in a medical communication system
US8560038B2 (en) 2007-05-14 2013-10-15 Abbott Diabetes Care Inc. Method and apparatus for providing data processing and control in a medical communication system
US8239166B2 (en) 2007-05-14 2012-08-07 Abbott Diabetes Care Inc. Method and apparatus for providing data processing and control in a medical communication system
US8444560B2 (en) 2007-05-14 2013-05-21 Abbott Diabetes Care Inc. Method and apparatus for providing data processing and control in a medical communication system
US8103471B2 (en) 2007-05-14 2012-01-24 Abbott Diabetes Care Inc. Method and apparatus for providing data processing and control in a medical communication system
US10002233B2 (en) 2007-05-14 2018-06-19 Abbott Diabetes Care Inc. Method and apparatus for providing data processing and control in a medical communication system
ES2693097T3 (es) * 2007-05-30 2018-12-07 Ascensia Diabetes Care Holdings Ag Sistema y método para gestionar datos de salud
US8160900B2 (en) 2007-06-29 2012-04-17 Abbott Diabetes Care Inc. Analyte monitoring and management device and method to analyze the frequency of user interaction with the device
US8834366B2 (en) 2007-07-31 2014-09-16 Abbott Diabetes Care Inc. Method and apparatus for providing analyte sensor calibration
US20090143725A1 (en) * 2007-08-31 2009-06-04 Abbott Diabetes Care, Inc. Method of Optimizing Efficacy of Therapeutic Agent
US7998069B2 (en) * 2007-09-11 2011-08-16 Roche Diagnostics Operations, Inc. Mask algorithms for health management systems
US8409093B2 (en) 2007-10-23 2013-04-02 Abbott Diabetes Care Inc. Assessing measures of glycemic variability
US8377031B2 (en) 2007-10-23 2013-02-19 Abbott Diabetes Care Inc. Closed loop control system with safety parameters and methods
US20090164239A1 (en) 2007-12-19 2009-06-25 Abbott Diabetes Care, Inc. Dynamic Display Of Glucose Information
US9220456B2 (en) 2008-04-04 2015-12-29 Hygieia, Inc. Systems, methods and devices for achieving glycemic balance
US10624577B2 (en) 2008-04-04 2020-04-21 Hygieia, Inc. Systems, devices, and methods for alleviating glucotoxicity and restoring pancreatic beta-cell function in advanced diabetes mellitus
ES2719305T3 (es) * 2008-04-04 2019-07-09 Hygieia Inc Sistema para optimizar un régimen de dosificación de insulina para un paciente
US20090281519A1 (en) * 2008-05-12 2009-11-12 Rao R Harsha Automated system and method for diabetes control
US8924159B2 (en) 2008-05-30 2014-12-30 Abbott Diabetes Care Inc. Method and apparatus for providing glycemic control
US8591410B2 (en) 2008-05-30 2013-11-26 Abbott Diabetes Care Inc. Method and apparatus for providing glycemic control
US8734422B2 (en) 2008-08-31 2014-05-27 Abbott Diabetes Care Inc. Closed loop control with improved alarm functions
US20100057040A1 (en) 2008-08-31 2010-03-04 Abbott Diabetes Care, Inc. Robust Closed Loop Control And Methods
US9943644B2 (en) 2008-08-31 2018-04-17 Abbott Diabetes Care Inc. Closed loop control with reference measurement and methods thereof
US8986208B2 (en) 2008-09-30 2015-03-24 Abbott Diabetes Care Inc. Analyte sensor sensitivity attenuation mitigation
US9326707B2 (en) 2008-11-10 2016-05-03 Abbott Diabetes Care Inc. Alarm characterization for analyte monitoring devices and systems
US8992464B2 (en) 2008-11-11 2015-03-31 Hygieia, Inc. Apparatus and system for diabetes management
US8849458B2 (en) 2008-12-23 2014-09-30 Roche Diagnostics Operations, Inc. Collection device with selective display of test results, method and computer program product thereof
US9117015B2 (en) 2008-12-23 2015-08-25 Roche Diagnostics Operations, Inc. Management method and system for implementation, execution, data collection, and data analysis of a structured collection procedure which runs on a collection device
US9918635B2 (en) 2008-12-23 2018-03-20 Roche Diabetes Care, Inc. Systems and methods for optimizing insulin dosage
US20120011125A1 (en) 2008-12-23 2012-01-12 Roche Diagnostics Operations, Inc. Management method and system for implementation, execution, data collection, and data analysis of a structured collection procedure which runs on a collection device
US10437962B2 (en) 2008-12-23 2019-10-08 Roche Diabetes Care Inc Status reporting of a structured collection procedure
US10456036B2 (en) 2008-12-23 2019-10-29 Roche Diabetes Care, Inc. Structured tailoring
CA2747332C (en) 2008-12-23 2015-01-27 F. Hoffmann-La Roche Ag Management method and system for implementation, execution, data collection, and data analysis of a structured collection procedure which runs on a collection device
US9330237B2 (en) * 2008-12-24 2016-05-03 Medtronic Minimed, Inc. Pattern recognition and filtering in a therapy management system
US20100174553A1 (en) * 2008-12-24 2010-07-08 Medtronic Minimed, Inc. Diabetes Therapy Management System
US20100160740A1 (en) * 2008-12-24 2010-06-24 Gary Cohen Use of Patterns in a Therapy Management System
US8103456B2 (en) 2009-01-29 2012-01-24 Abbott Diabetes Care Inc. Method and device for early signal attenuation detection using blood glucose measurements
ES2654592T3 (es) 2009-03-30 2018-02-14 F. Hoffmann-La Roche Ag Procedimiento y sistema para la determinación de la diferencia entre valores de glucemia preprandiales y posprandiales
US8497777B2 (en) 2009-04-15 2013-07-30 Abbott Diabetes Care Inc. Analyte monitoring system having an alert
WO2010127050A1 (en) 2009-04-28 2010-11-04 Abbott Diabetes Care Inc. Error detection in critical repeating data in a wireless sensor system
EP2425209A4 (en) 2009-04-29 2013-01-09 Abbott Diabetes Care Inc METHOD AND SYSTEM FOR REAL-TIME CALIBRATION OF AN ANALYTICAL SENSOR WITH RETROACTIVE FILLING
US9184490B2 (en) 2009-05-29 2015-11-10 Abbott Diabetes Care Inc. Medical device antenna systems having external antenna configurations
FI20095791A0 (fi) 2009-07-15 2009-07-15 Ihq Medical Inc Menetelmä ja järjestely mittauksen kontrolloimiseksi
CN104799866A (zh) 2009-07-23 2015-07-29 雅培糖尿病护理公司 分析物监测装置
DK3936032T3 (da) * 2009-07-23 2024-07-29 Abbott Diabetes Care Inc Realtidshåndtering af data relateret til fysiologisk styring af glukoseniveauer
US9314195B2 (en) 2009-08-31 2016-04-19 Abbott Diabetes Care Inc. Analyte signal processing device and methods
DK3988470T3 (da) 2009-08-31 2023-08-28 Abbott Diabetes Care Inc Visningsindretninger til en medicinsk indretning
WO2011026148A1 (en) 2009-08-31 2011-03-03 Abbott Diabetes Care Inc. Analyte monitoring system and methods for managing power and noise
KR101632308B1 (ko) 2009-09-23 2016-06-21 삼성전자주식회사 혈당 관리 정보를 제공하는 방법 및 장치
WO2011041469A1 (en) 2009-09-29 2011-04-07 Abbott Diabetes Care Inc. Method and apparatus for providing notification function in analyte monitoring systems
WO2011053881A1 (en) 2009-10-30 2011-05-05 Abbott Diabetes Care Inc. Method and apparatus for detecting false hypoglycemic conditions
CA2728831A1 (en) * 2010-01-22 2011-07-22 Lifescan, Inc. Diabetes management unit, method, and system
KR101722417B1 (ko) 2010-02-25 2017-04-03 라이프스캔 스코트랜드 리미티드 고혈당 및 저혈당 경향 통지를 갖는 분석물 검사 방법 및 시스템
US8532933B2 (en) 2010-06-18 2013-09-10 Roche Diagnostics Operations, Inc. Insulin optimization systems and testing methods with adjusted exit criterion accounting for system noise associated with biomarkers
US10092229B2 (en) 2010-06-29 2018-10-09 Abbott Diabetes Care Inc. Calibration of analyte measurement system
CA2803678A1 (en) * 2010-06-30 2012-01-05 Lifescan Scotland Limited Method, system and device to ensure statistical power for average pre and post-prandial glucose difference messaging
US20120173151A1 (en) 2010-12-29 2012-07-05 Roche Diagnostics Operations, Inc. Methods of assessing diabetes treatment protocols based on protocol complexity levels and patient proficiency levels
US10136845B2 (en) 2011-02-28 2018-11-27 Abbott Diabetes Care Inc. Devices, systems, and methods associated with analyte monitoring devices and devices incorporating the same
WO2012142502A2 (en) 2011-04-15 2012-10-18 Dexcom Inc. Advanced analyte sensor calibration and error detection
US8766803B2 (en) 2011-05-13 2014-07-01 Roche Diagnostics Operations, Inc. Dynamic data collection
US8755938B2 (en) 2011-05-13 2014-06-17 Roche Diagnostics Operations, Inc. Systems and methods for handling unacceptable values in structured collection protocols
US20130085349A1 (en) 2011-06-21 2013-04-04 Yofimeter, Llc Analyte testing devices
US9622691B2 (en) 2011-10-31 2017-04-18 Abbott Diabetes Care Inc. Model based variable risk false glucose threshold alarm prevention mechanism
US9317656B2 (en) 2011-11-23 2016-04-19 Abbott Diabetes Care Inc. Compatibility mechanisms for devices in a continuous analyte monitoring system and methods thereof
US8710993B2 (en) 2011-11-23 2014-04-29 Abbott Diabetes Care Inc. Mitigating single point failure of devices in an analyte monitoring system and methods thereof
US9259190B2 (en) 2011-12-29 2016-02-16 Roche Diabetes Care, Inc. Reminder management for manual entry diabetes application
US20130172688A1 (en) * 2011-12-29 2013-07-04 Roche Diagnostics Operations, Inc. Diabetes management application for mobile phone
US10132793B2 (en) 2012-08-30 2018-11-20 Abbott Diabetes Care Inc. Dropout detection in continuous analyte monitoring data during data excursions
US9504412B2 (en) 2012-09-17 2016-11-29 Lifescan, Inc. Method and system to derive glycemic patterns from clustering of glucose data
US9968306B2 (en) 2012-09-17 2018-05-15 Abbott Diabetes Care Inc. Methods and apparatuses for providing adverse condition notification with enhanced wireless communication range in analyte monitoring systems
WO2014052136A1 (en) 2012-09-26 2014-04-03 Abbott Diabetes Care Inc. Method and apparatus for improving lag correction during in vivo measurement of analyte concentration with analyte concentration variability and range data
US9736210B2 (en) * 2012-10-01 2017-08-15 Dexcom, Inc. Analyte data retriever
US10383580B2 (en) 2012-12-31 2019-08-20 Abbott Diabetes Care Inc. Analysis of glucose median, variability, and hypoglycemia risk for therapy guidance
US9351670B2 (en) 2012-12-31 2016-05-31 Abbott Diabetes Care Inc. Glycemic risk determination based on variability of glucose levels
US9474475B1 (en) 2013-03-15 2016-10-25 Abbott Diabetes Care Inc. Multi-rate analyte sensor data collection with sample rate configurable signal processing
US10433773B1 (en) 2013-03-15 2019-10-08 Abbott Diabetes Care Inc. Noise rejection methods and apparatus for sparsely sampled analyte sensor data
CA2895538A1 (en) 2013-03-15 2014-09-18 Abbott Diabetes Care Inc. System and method to manage diabetes based on glucose median, glucose variability, and hypoglycemic risk
US10076285B2 (en) 2013-03-15 2018-09-18 Abbott Diabetes Care Inc. Sensor fault detection using analyte sensor data pattern comparison
US9965587B2 (en) 2013-07-08 2018-05-08 Roche Diabetes Care, Inc. Reminder, classification, and pattern identification systems and methods for handheld diabetes management devices
WO2015102745A1 (en) 2013-12-31 2015-07-09 Abbott Diabetes Care Inc. Self-powered analyte sensor and devices using the same
US9898585B2 (en) 2014-01-31 2018-02-20 Aseko, Inc. Method and system for insulin management
US9486580B2 (en) 2014-01-31 2016-11-08 Aseko, Inc. Insulin management
WO2015153482A1 (en) 2014-03-30 2015-10-08 Abbott Diabetes Care Inc. Method and apparatus for determining meal start and peak events in analyte monitoring systems
US11081226B2 (en) 2014-10-27 2021-08-03 Aseko, Inc. Method and controller for administering recommended insulin dosages to a patient
WO2016069475A1 (en) 2014-10-27 2016-05-06 Aseko, Inc. Subcutaneous outpatient management
CN113349766A (zh) 2015-07-10 2021-09-07 雅培糖尿病护理公司 对于生理参数进行动态葡萄糖曲线响应的系统、装置和方法
JP6858751B2 (ja) 2015-08-20 2021-04-14 アセコー インコーポレイテッド 糖尿病管理療法アドバイザ
EP3411109A4 (en) * 2016-02-05 2019-07-10 Animas Corporation VISUALIZATION AND ANALYSIS TOOL FOR A DRUG DELIVERY SYSTEM
US11062798B2 (en) * 2016-06-07 2021-07-13 Aseko, Inc. Managing insulin administration
WO2018033514A1 (en) 2016-08-17 2018-02-22 Novo Nordisk A/S Systems and methods for adjusting a basal/bolus ratio in an insulin regimen
EP3600014A4 (en) 2017-03-21 2020-10-21 Abbott Diabetes Care Inc. METHODS, DEVICES AND SYSTEM FOR PROVIDING DIAGNOSIS AND THERAPY FOR DIABETIC CONDITION
USD853583S1 (en) 2017-03-29 2019-07-09 Becton, Dickinson And Company Hand-held device housing
EP3687400B1 (en) * 2017-09-26 2023-10-04 Senseonics, Incorporated Methods and systems for updating lag parameters
US11331022B2 (en) 2017-10-24 2022-05-17 Dexcom, Inc. Pre-connected analyte sensors
US11943876B2 (en) 2017-10-24 2024-03-26 Dexcom, Inc. Pre-connected analyte sensors
JP6923426B2 (ja) * 2017-11-30 2021-08-18 パラマウントベッド株式会社 異常判定装置及びそれに用いるプログラム
CA3113079A1 (en) * 2018-10-15 2020-04-23 Podimetrics, Inc. Ipsilateral ulcer and pre-ulcer detection method and apparatus
WO2020111109A1 (ja) * 2018-11-27 2020-06-04 国立研究開発法人理化学研究所 状態可視化装置、状態可視化方法および状態可視化プログラム
US11823783B2 (en) * 2019-06-19 2023-11-21 Dexcom, Inc. Dynamic equivalent on board estimator
EP4444175A1 (en) 2021-12-06 2024-10-16 Podimetrics, Inc. Apparatus and method of measuring blood flow in the foot

Family Cites Families (74)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS6125525A (ja) * 1984-07-13 1986-02-04 住友電気工業株式会社 患者監視装置
US4695954A (en) * 1984-10-31 1987-09-22 Rose Robert J Modular medication dispensing system and apparatus utilizing portable memory device
US4731726A (en) * 1986-05-19 1988-03-15 Healthware Corporation Patient-operated glucose monitor and diabetes management system
US5216597A (en) * 1987-05-01 1993-06-01 Diva Medical Systems Bv Diabetes therapy management system, apparatus and method
EP0290683A3 (en) * 1987-05-01 1988-12-14 Diva Medical Systems B.V. Diabetes management system and apparatus
US4817044A (en) * 1987-06-01 1989-03-28 Ogren David A Collection and reporting system for medical appliances
US5025374A (en) * 1987-12-09 1991-06-18 Arch Development Corp. Portable system for choosing pre-operative patient test
CA2090608C (en) * 1990-08-31 2000-01-11 James P. Welch Network for portable patient monitoring devices
US5251126A (en) * 1990-10-29 1993-10-05 Miles Inc. Diabetes data analysis and interpretation method
US5376070A (en) * 1992-09-29 1994-12-27 Minimed Inc. Data transfer system for an infusion pump
US5307263A (en) * 1992-11-17 1994-04-26 Raya Systems, Inc. Modular microprocessor-based health monitoring system
US5956501A (en) * 1997-01-10 1999-09-21 Health Hero Network, Inc. Disease simulation system and method
US5997476A (en) * 1997-03-28 1999-12-07 Health Hero Network, Inc. Networked system for interactive communication and remote monitoring of individuals
US5590648A (en) * 1992-11-30 1997-01-07 Tremont Medical Personal health care system
FI95427C (fi) * 1992-12-23 1996-01-25 Instrumentarium Oy Tiedonsiirtojärjestelmä
US6022315A (en) * 1993-12-29 2000-02-08 First Opinion Corporation Computerized medical diagnostic and treatment advice system including network access
US6206829B1 (en) * 1996-07-12 2001-03-27 First Opinion Corporation Computerized medical diagnostic and treatment advice system including network access
US5536249A (en) * 1994-03-09 1996-07-16 Visionary Medical Products, Inc. Pen-type injector with a microprocessor and blood characteristic monitor
US5704366A (en) * 1994-05-23 1998-01-06 Enact Health Management Systems System for monitoring and reporting medical measurements
US5946659A (en) * 1995-02-28 1999-08-31 Clinicomp International, Inc. System and method for notification and access of patient care information being simultaneously entered
US5713856A (en) * 1995-03-13 1998-02-03 Alaris Medical Systems, Inc. Modular patient care system
US6671563B1 (en) * 1995-05-15 2003-12-30 Alaris Medical Systems, Inc. System and method for collecting data and managing patient care
US5974389A (en) * 1996-03-01 1999-10-26 Clark; Melanie Ann Medical record management system and process with improved workflow features
US5878384A (en) * 1996-03-29 1999-03-02 At&T Corp System and method for monitoring information flow and performing data collection
US5959529A (en) * 1997-03-07 1999-09-28 Kail, Iv; Karl A. Reprogrammable remote sensor monitoring system
CA2284168A1 (en) * 1997-03-13 1998-09-17 First Opinion Corporation Disease management system
US6270455B1 (en) * 1997-03-28 2001-08-07 Health Hero Network, Inc. Networked system for interactive communications and remote monitoring of drug delivery
US6558351B1 (en) * 1999-06-03 2003-05-06 Medtronic Minimed, Inc. Closed loop system for controlling insulin infusion
US5997475A (en) * 1997-08-18 1999-12-07 Solefound, Inc. Device for diabetes management
WO1999023597A2 (en) * 1997-10-31 1999-05-14 Amira Medical Analyte concentration information collection and communication s ystem
US6144922A (en) * 1997-10-31 2000-11-07 Mercury Diagnostics, Incorporated Analyte concentration information collection and communication system
US6049764A (en) * 1997-11-12 2000-04-11 City Of Hope Method and system for real-time control of analytical and diagnostic instruments
US6579231B1 (en) * 1998-03-27 2003-06-17 Mci Communications Corporation Personal medical monitoring unit and system
US6081786A (en) * 1998-04-03 2000-06-27 Triangle Pharmaceuticals, Inc. Systems, methods and computer program products for guiding the selection of therapeutic treatment regimens
US8974386B2 (en) * 1998-04-30 2015-03-10 Abbott Diabetes Care Inc. Analyte monitoring device and methods of use
AU5218599A (en) * 1998-07-20 2000-02-07 Smithkline Beecham Corporation Method and system for identifying at risk patients diagnosed with diabetes
US6554798B1 (en) * 1998-08-18 2003-04-29 Medtronic Minimed, Inc. External infusion device with remote programming, bolus estimator and/or vibration alarm capabilities
US6338713B1 (en) * 1998-08-18 2002-01-15 Aspect Medical Systems, Inc. System and method for facilitating clinical decision making
US6540672B1 (en) * 1998-12-09 2003-04-01 Novo Nordisk A/S Medical system and a method of controlling the system for use by a patient for medical self treatment
JP2002531884A (ja) * 1998-11-30 2002-09-24 ノボ ノルディスク アクティーゼルスカブ 複数の動作を含む自己治療においてユーザを支援するための方法及びシステム
JP2002538457A (ja) * 1999-03-03 2002-11-12 サイラノ・サイエンスィズ・インコーポレーテッド 知覚データを検出しコンピュータネットワークで伝送する装置、システム、および方法
AU3632800A (en) * 1999-03-29 2000-10-16 Avocet Medical, Inc. Meter with integrated database and simplified telemedicine capability
US6336900B1 (en) * 1999-04-12 2002-01-08 Agilent Technologies, Inc. Home hub for reporting patient health parameters
US6390986B1 (en) * 1999-05-27 2002-05-21 Rutgers, The State University Of New Jersey Classification of heart rate variability patterns in diabetics using cepstral analysis
US6277071B1 (en) * 1999-06-25 2001-08-21 Delphi Health Systems, Inc. Chronic disease monitor
US6406426B1 (en) * 1999-11-03 2002-06-18 Criticare Systems Medical monitoring and alert system for use with therapeutic devices
US6418346B1 (en) * 1999-12-14 2002-07-09 Medtronic, Inc. Apparatus and method for remote therapy and diagnosis in medical devices via interface systems
US20010039503A1 (en) * 2000-04-28 2001-11-08 Chan Bryan K. Method and system for managing chronic disease and wellness online
ATE502567T1 (de) * 2000-05-19 2011-04-15 Welch Allyn Protocol Inc Vorrichtung zur überwachung von patienten
US6604050B2 (en) * 2000-06-16 2003-08-05 Bayer Corporation System, method and biosensor apparatus for data communications with a personal data assistant
LV12612B (lv) * 2000-08-21 2001-03-20 Jehezkelis FINKELŠTEINS Medicīniski-bioloģiskas informācijas vākšanas un apstrādes metode un sistēma
BR8002322U (pt) * 2000-10-16 2002-05-28 Filtrona Brasileira Ind E Com Recipiente armazenador e aplicador de desodorante lìquido
US6450956B1 (en) * 2000-11-06 2002-09-17 Siemens Corporate Research, Inc. System and method for treatment and outcome measurement analysis
US6524240B1 (en) * 2000-11-22 2003-02-25 Medwave, Inc. Docking station for portable medical devices
US6645142B2 (en) * 2000-12-01 2003-11-11 Optiscan Biomedical Corporation Glucose monitoring instrument having network connectivity
US6799149B2 (en) * 2000-12-29 2004-09-28 Medtronic, Inc. Therapy management techniques for an implantable medical device
US6544212B2 (en) * 2001-07-31 2003-04-08 Roche Diagnostics Corporation Diabetes management system
US6781522B2 (en) * 2001-08-22 2004-08-24 Kivalo, Inc. Portable storage case for housing a medical monitoring device and an associated method for communicating therewith
US20030216628A1 (en) * 2002-01-28 2003-11-20 Bortz Jonathan David Methods and systems for assessing glycemic control using predetermined pattern label analysis of blood glucose readings
GB2418258B (en) * 2002-06-05 2006-08-23 Diabetes Diagnostics Inc Analyte testing device
JP2004024699A (ja) * 2002-06-27 2004-01-29 Asahi Medical Co Ltd 血糖管理システム、血糖管理プログラム、装着システムおよび血糖管理方法
JP4289869B2 (ja) * 2002-11-06 2009-07-01 シスメックス株式会社 糖尿病診断支援システム
US20050159656A1 (en) * 2003-03-07 2005-07-21 Hockersmith Linda J. Method and apparatus for presentation of noninvasive glucose concentration information
US20050187789A1 (en) * 2004-02-25 2005-08-25 Cardiac Pacemakers, Inc. Advanced patient and medication therapy management system and method
EP1735729A2 (en) * 2004-03-26 2006-12-27 Novo Nordisk A/S Device for displaying data relevant for a diabetic patient
US20050267780A1 (en) 2004-06-01 2005-12-01 Pinaki Ray Methods and systems of automating medical device data management
CA3090413C (en) * 2004-06-04 2023-10-10 Abbott Diabetes Care Inc. Glucose monitoring and graphical representations in a data management system
US20060173260A1 (en) * 2005-01-31 2006-08-03 Gmms Ltd System, device and method for diabetes treatment and monitoring
US7509156B2 (en) * 2005-05-18 2009-03-24 Clarian Health Partners, Inc. System for managing glucose levels in patients with diabetes or hyperglycemia
US20070033074A1 (en) * 2005-06-03 2007-02-08 Medtronic Minimed, Inc. Therapy management system
US20080071580A1 (en) * 2005-06-03 2008-03-20 Marcus Alan O System and method for medical evaluation and monitoring
US20070016449A1 (en) * 2005-06-29 2007-01-18 Gary Cohen Flexible glucose analysis using varying time report deltas and configurable glucose target ranges
US20080235053A1 (en) * 2007-03-20 2008-09-25 Pinaki Ray Communication medium for diabetes management
US8758245B2 (en) * 2007-03-20 2014-06-24 Lifescan, Inc. Systems and methods for pattern recognition in diabetes management

Cited By (27)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101789229A (zh) * 2009-01-23 2010-07-28 李秀 健康信息显示控制的装置、方法及对应设备和试剂载体
CN102483775A (zh) * 2009-06-30 2012-05-30 生命扫描有限公司 被分析物测试方法和系统
CN102481100A (zh) * 2009-09-18 2012-05-30 伟伦公司 支持多个工作流程的生理参数测量平台装置
CN102763109A (zh) * 2010-02-23 2012-10-31 霍夫曼-拉罗奇有限公司 用于将治疗指南提供给患有糖尿病的人的方法和系统
CN102763109B (zh) * 2010-02-23 2018-06-26 霍夫曼-拉罗奇有限公司 用于监测血糖bG水平并向患有糖尿病的人报告bG水平的不良事件的方法和设备
CN103188993A (zh) * 2010-11-05 2013-07-03 自由医疗科技公司 非侵入性检测影响生物组织结构性质的疾病的设备和方法
US9619625B2 (en) 2011-03-30 2017-04-11 Novo Nordisk A/S System for optimizing a patient's drug dosage regimen over time
CN103443798B (zh) * 2011-03-30 2017-05-10 诺沃—诺迪斯克有限公司 用于优化一段时间内的患者的药物给药方案的系统
CN103443798A (zh) * 2011-03-30 2013-12-11 诺沃—诺迪斯克有限公司 用于优化一段时间内的患者的药物给药方案的系统
CN103533889A (zh) * 2011-05-13 2014-01-22 霍夫曼-拉罗奇有限公司 用于在糖尿病护理中使用的用户定义的结构化测试
US11864888B2 (en) 2011-05-13 2024-01-09 Roche Diabetes Care, Inc. User-defined structured testing for use in diabetes care
US10448869B2 (en) 2011-05-13 2019-10-22 Roche Diabetes Care, Inc. User-defined structured testing for use in diabetes care
CN111816294A (zh) * 2012-07-09 2020-10-23 德克斯康公司 在连续葡萄糖监测中利用智能手机特征的系统和方法
CN105050539A (zh) * 2013-01-14 2015-11-11 加利福尼亚大学董事会 用于1型糖尿病应用的人造胰腺的模型预测控制问题中的每日周期性目标区间调节
CN105050539B (zh) * 2013-01-14 2018-05-18 加利福尼亚大学董事会 用于1型糖尿病应用的人造胰腺的模型预测控制问题中的每日周期性目标区间调节
CN105452866A (zh) * 2013-03-14 2016-03-30 豪夫迈·罗氏有限公司 分析血糖数据并量化胰岛素疗法成功对于失败的系统和方法
CN105452866B (zh) * 2013-03-14 2018-05-22 豪夫迈·罗氏有限公司 分析血糖数据并量化胰岛素疗法成功对于失败的系统和方法
CN108292525A (zh) * 2015-08-21 2018-07-17 美敦力迷你迈德公司 用于糖尿病管理和控制的数据分析和认知递送
WO2017166292A1 (zh) * 2016-04-01 2017-10-05 创新精密仪器有限公司 一种可携式药物管理装置
CN109564784A (zh) * 2016-08-17 2019-04-02 诺和诺德股份有限公司 用于优化相对于用餐事件的餐时定时的系统和方法
US11631486B2 (en) 2016-08-17 2023-04-18 Novo Nordisk A/S Systems and methods for optimization of bolus timing relative to meal events
CN106618593A (zh) * 2016-11-11 2017-05-10 深圳市元征软件开发有限公司 一种无创血糖设备自报警方法及无创血糖设备
CN108335750A (zh) * 2017-01-20 2018-07-27 华广生技股份有限公司 动态分析血糖值的方法及其系统与电脑程序产品
CN110249390A (zh) * 2017-02-14 2019-09-17 豪夫迈·罗氏有限公司 用于分析指示体液中的葡萄糖水平的葡萄糖监测数据的计算机实现的方法和便携式设备，以及计算机程序产品
CN111406294A (zh) * 2017-10-26 2020-07-10 拜克门寇尔特公司 自动生成用于实验室仪器的规则
CN111406294B (zh) * 2017-10-26 2024-02-13 拜克门寇尔特公司 自动生成用于实验室仪器的规则
CN112582072A (zh) * 2020-12-23 2021-03-30 中南大学湘雅医院 一种住院患者血糖管理质量分析平台

Also Published As

Publication number Publication date
CA2627385A1 (en) 2008-09-20
EP1988482A2 (en) 2008-11-05
JP2009037588A (ja) 2009-02-19
US20080234943A1 (en) 2008-09-25
JP5179906B2 (ja) 2013-04-10
EP1988482A3 (en) 2009-03-18

Similar Documents

Publication Publication Date Title
CN101308528A (zh) 用于糖尿病管理的计算机系统
CN101290320A (zh) 在糖尿病管理中用于模式识别的系统和方法
CN101288593A (zh) 用于糖尿病管理的通讯媒介
US20210090737A1 (en) Method of hypoglycemia risk determination
JP6882227B2 (ja) 分析物データの処理およびレポートを生成するためのシステムおよび方法
US9317657B2 (en) Method, system, and computer program product for tracking of blood glucose variability in diabetes
US10019554B2 (en) Glycemic risk determination based on variability of glucose
CN107847140B (zh) 用于症状发作检测和评估的系统、装置和方法
US20090240127A1 (en) Methods of determining pre or post meal time slots or intervals in diabetes management
EP1536729B1 (en) Monitoring blood glucose including convenient display of measurement values and averages
CA2404262C (en) Method, system, and computer program product for the evaluation of glycemic control in diabetes from self-monitoring data
KR101722417B1 (ko) 고혈당 및 저혈당 경향 통지를 갖는 분석물 검사 방법 및 시스템
Given et al. Comparing patient‐generated blood glucose diary records with meter memory in diabetes: a systematic review
CN103260514A (zh) 从连续葡萄糖监测器接收数据的手持糖尿病管理设备的校准
WO2013050309A1 (en) Memory card usage with blood glucose devices
Yu et al. Self-monitoring method for improving health-related quality of life: data acquisition, monitoring, and analysis of vital signs and diet
KR20140147849A (ko) 이전의 생리적 측정치의 분석에 기초한 사용자에 대한 긍정적 강화 메시지
Rizvi et al. Assessment and monitoring of glycemic control in primary diabetes care: monitoring techniques, record keeping, meter downloads, tests of average glycemia, and point-of-care evaluation
El‐Abd et al. The accuracy of capillary blood glucose testing versus real time and intermittently scanned continuous glucose monitoring
CN105590033A (zh) 一种血糖信息采集处理方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C12 Rejection of a patent application after its publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20081119