CN103025242A - 确保关于平均餐前和餐后葡萄糖差值消息传递的统计功效的方法、系统和装置 - Google Patents

Abstract

本文提供了糖尿病管理系统和方法，其可用于通过查看在膳食前和膳食后取得的血糖测量之间的差值来分析患者的糖尿病控制水平。如果发现在餐前和餐后结果之间计算出的差值D的标准偏差与预定阈值显著不同，那么消息或图形指示可被显示给使用者。消息可向使用者提供关于更好地管理其病症以确保任何开出的糖尿病方案的依从性或指导患者管理其糖尿病的方法的建议。

Description

确保关于平均餐前和餐后葡萄糖差值消息传递的统计功效的方法、系统和装置

Stephen BLYTHE和Michael MALECHA

本申请依照35USC§§119，120或365，要求于2010年6月30日提交的美国临时专利申请61/360,137的优先权利益，该申请全文以引用方式并入本文。 

背景技术

糖尿病的发生目前在全世界爆发。据估计仅在美国就有超过4400万人患前驱糖尿病，并且未意识到他们患有该病症。糖尿病导致血糖浓度控制的丧失。通过血糖控制的丧失而由糖尿病引起的并发症并且特别是高血糖(高血糖症)可使人变得虚弱且甚至危及生命。用于治疗此类并发症的健康成本可为显著的。 

开创性研究“糖尿病控制和并发症试验”(DCCT)实施超过9年(1984-1993)，并且涉及遍及美国和加拿大患有胰岛素依赖性糖尿病的1441人，对比密集型胰岛素治疗和常规型胰岛素治疗对糖尿病并发症发展和进展的作用。糖尿病患者可能处于与微血管疾病相关联的病症的危险中，微血管疾病可导致心血管疾病、视网膜病(眼疾病)、神经病(神经损害)和肾病变(肾疾病)。与糖尿病相关联的其它病症包括循环问题、心脏病发作和中风。 

来自DCCT研究的结果显示与在常规治疗组中的那些相比较，已发现在接受密集治疗的那些患者(具有平均8.6mmol/l的血糖水平和约7％的糖化血红蛋白(HbA1c)水平的那些)中并发症的发病率最低。HbA1c是患者的平均血糖浓度的长期指示剂，或一般超过前两个月或三个月的长期升胰岛素状况。DCCT和其它相似研究已反复证实预防长期糖尿病相关的并发症的最 有效方法是严格控制血糖水平。监控血糖水平且因此监控HbA1c水平的一种技术是使用可商购获得的葡萄糖测试条来测量血糖。 

电化学葡萄糖测试条例如用于

全血测试套件(购自LifeScan，Inc.)的那些被设计成测量糖尿病患者的血样中的葡萄糖浓度。葡萄糖的测量基于葡萄糖通过葡萄糖氧化酶(GO)的特异性氧化，其中生成的电流与样本中的葡萄糖含量成比例。由于获知血液中特别是患有糖尿病的人的血液中的葡萄糖浓度可为非常重要的，因此已开发出测试仪，以使普通人能够在任何给定的时间对其血液进行采样和测试以用于确定其葡萄糖浓度。通过测试仪检测产生的电流，并且利用经由简单的数学公式将测试电流与葡萄糖浓度联系起来的算法将其转换为葡萄糖浓度读数。一般来讲，此类测试仪与一次性测试条结合使用，除了酶(例如葡萄糖氧化酶)和介质(例如铁氰化物)之外，一次性测试条通常包括样本接纳室和设置在样本接纳室内的至少两个电极。在使用中，患者戳刺其手指或其它方便的部位以引起出血，然后将血样引入样本接纳室中，从而起始化学反应。 

患有糖尿病的人通常依赖于结合来自其医生的用于管理其疾病的建议来使用血糖仪。此外，患有糖尿病的人通常使用记录本来记录其葡萄糖浓度测量。在某些情况下，以记录本格式来说明大量葡萄糖浓度测量可为困难的、复杂的且耗时的。使问题进一步复杂的是，医生通常在帮助患有糖尿病的人来说明大量葡萄糖浓度测量中具有有限的时间限制。此外，由于医生需要评估胰岛素或胰岛素类型对患者的作用以及其它生理参数或外部参数，而使得评估通常进一步复杂化。对于医生或临床医生的附加障碍是由于经营医务所的经济状况而对患者去诊所看病所设置的时间约束。据信在大多数情况下，医生或临床医生一般对于每个患者花费小于约七(7)分钟，这导致只有很少的时间或无时间对患者作出评估或指导。因此需要提供容易且快速地评估血糖数据的测量系统。 

发明内容

在一个方面，本文提供了糖尿病管理系统或方法，其可用于通过查看在膳食前和膳食后取得的血糖测量之间的差值来分析患者的糖尿病控制水平。具体地，监控患者的糖血症的方法可包括将患者的血糖数据存储在合适 的装置例如葡萄糖仪上。糖尿病管理系统或方法可被安装在例如但不限于葡萄糖仪、个人计算机、胰岛素笔和胰岛素泵上。糖尿病管理系统可监控取得的餐前和餐后血糖测量的数目，以及计算在餐前值和餐后值对之间的差值D。如果发现在餐前和餐后结果之间计算出的差值D的标准偏差与预定阈值显著不同，那么消息或图形指示可被显示给使用者。消息可向使用者提供关于更好地管理其病症以确保任何开出的糖尿病方案的依从性或指导患者管理其糖尿病的方法的建议。 

在一个方面，提供用糖尿病管理装置来警示使用者其围绕膳食事件的血糖数据已超过预定差异阈值的方法。该方法可通过以下步骤实现：用糖尿病管理装置收集关于特定膳食事件的葡萄糖浓度测量的多个餐前和餐后对(N)；用糖尿病管理装置的微处理器，基于在所收集的关于特定膳食事件的葡萄糖浓度的多个餐前和餐后对之间的差值，计算多个差异值(D)；用微处理器在所述事件中测定关于特定膳食事件的N对餐前和餐后测量的数目等于或大于计算出的样本大小(m)；用至少一种统计检验来确定是否以能够接受的确信度超过了阈值(Δ)；并且在确定以能够接受的确信度超过了该阈值时，向使用者输出：对于特定膳食，关于该数目的葡萄糖测量对的差异值D已超过该阈值(Δ)。 

在其它方面，提供用糖尿病管理装置来警示使用者其围绕膳食事件的血糖数据已超过预定差异阈值的方法。该方法可通过以下步骤实现：用糖尿病管理装置收集关于特定膳食事件的葡萄糖浓度测量的多个餐前和餐后对(N)；用糖尿病管理装置的微处理器，基于在所收集的关于特定膳食事件的葡萄糖浓度的多个餐前和餐后对之间的差值，计算多个差异值(D)；用微处理器在所述事件中测定关于特定膳食事件的N对餐前和餐后测量的数目等于或大于计算出的样本大小(m)，该测定包括用以下形式的公式计算所计算出的样本大小m： 

$m=\mathrm{trunc}\left[K{\left(\frac{s}{\mathrm{\Δ}}\right)}^2\right]+1$

其中m是具有能够接受的确信性的样本大小的值 

K是来源于下述公式的常数： 

K＝(z_β+z_α)²

其中z值相当于根据指定功效的来自统计表的正常变量的值； 

s是餐前和餐后测量的标准偏差 

Δ是预定阈值； 

用至少一种统计检验来确定是否以能够接受的确信度超过了阈值(Δ)；并且在确定以能够接受的确信度超过了该阈值时，向使用者输出：对于特定膳食，关于该数目的葡萄糖测量对的差异值D已超过该阈值(Δ)。 

在另外一个方面，提供用糖尿病管理装置来警示使用者围绕膳食事件的血糖数据已超过预定差异阈值的方法。该方法可通过以下步骤实现：用糖尿病管理装置收集关于特定膳食事件的葡萄糖浓度测量的多个餐前和餐后对(N)；用糖尿病管理装置的微处理器，基于在所收集的关于特定膳食事件的葡萄糖浓度的多个餐前和餐后对之间的差值，计算多个差异值(D)；用微处理器在所述事件中测定关于特定膳食事件的N对餐前和餐后测量的数目等于或大于计算出的样本大小(m)，该测定包括用以下形式的公式计算所计算出的样本大小m： 

$m=\mathrm{trunc}\left[K{\left(\frac{s}{\mathrm{\Δ}}\right)}^2\right]+1$

其中m是具有能够接受的确信性的样本大小的值 

K是来源于下述公式的常数： 

K＝(z_β+z_α)²

其中z值相当于根据指定功效的来自统计表的正常变量的值； 

s是餐前和餐后测量的标准偏差 

Δ是预定阈值； 

用至少一种统计检验来确定是否以能够接受的确信度超过了阈值(Δ)；并且在确定以能够接受的确信度超过了该阈值时，向使用者输出：对于特定膳食，关于该数目的葡萄糖测量对的差异值D已超过该阈值(Δ)，所述确定包括以下形式的统计检验的应用： 

$T=\frac{\stackrel{\‾}{D}-\mathrm{\Δ}}{(s/\sqrt{N})}$

其中是餐后减去餐前差值的样本均值； 

s是餐前和餐后测量的标准偏差； 

Δ是预定阈值；并且 

N是餐前和餐后测量对的样本大小。 

在另一个方面，提供用糖尿病管理装置来警示使用者其围绕膳食事件的血糖数据已超过预定差异阈值的方法。该方法可通过以下步骤实现：用糖尿病管理装置收集关于特定膳食事件的葡萄糖浓度测量的多个餐前和餐后对(N)；用糖尿病管理装置的微处理器，基于在所收集的关于特定膳食事件的葡萄糖浓度的多个餐前和餐后对之间的差值，计算多个差异值(D)；用微处理器在所述事件中测定关于特定膳食事件的N对餐前和餐后测量的数目等于或大于计算出的样本大小(m)，该测定包括用以下形式的公式计算所计算出的样本大小m： 

$m=\mathrm{trunc}\left[K{\left(\frac{s}{\mathrm{\Δ}}\right)}^2\right]+1$

其中m是具有能够接受的确信性的样本大小的值 

K是来源于下述公式的常数： 

K＝(z_β+z_α)²

其中z值相当于根据指定功效的来自统计表的正常变量的值； 

s是餐前和餐后测量的标准偏差 

Δ是预定阈值； 

用至少一种统计检验来确定是否以能够接受的确信度超过了阈值(Δ)；并且在确定以能够接受的确信度超过了该阈值时，向使用者输出：对于特定膳食，关于该数目的葡萄糖测量对的差异值D已超过该阈值(Δ)，所述确定包括计算下述相应形式的数量P和临界值Q： 

$P=\frac{\stackrel{\‾}{D}-\mathrm{\Δ}}{s}$

和 

$Q_{\mathrm{\α},N}=\frac{t_{\mathrm{\α},N-1}}{\sqrt{N}}$

其中是餐后减去餐前差值的样本均值； 

s是餐前和餐后测量的标准偏差； 

Δ是预定阈值； 

N是餐前和餐后测量对的样本大小；并且 

t_α，N-1是基于显著性水平和自由度的来自统计表的临界值。 

在又一其它方面，提供用糖尿病管理装置来警示使用者其围绕膳食事件的血糖数据已超过预定差异阈值的方法。该方法可通过以下步骤实现：用糖尿病管理装置收集关于特定膳食事件的葡萄糖浓度测量的多个餐前和餐后对(N)；用糖尿病管理装置的微处理器，基于在所收集的关于特定膳食事件的葡萄糖浓度的多个餐前和餐后对之间的差值，计算多个差异值(D)；用微处理器在所述事件中测定关于特定膳食事件的N对餐前和餐后测量的数目等于或大于计算出的样本大小(m)，该测定包括用以下形式的公式计算所计算出的样本大小m： 

$m=\mathrm{trunc}\left[K{\left(\frac{s}{\mathrm{\Δ}}\right)}^2\right]+1$

其中m是具有能够接受的确信性的样本大小的值 

K是来源于下述公式的常数： 

K＝(z_β+z_α)²

其中z值相当于根据指定功效的来自统计表的正常变量的值； 

s是餐前和餐后测量的标准偏差 

Δ是预定阈值； 

用至少一种统计检验来确定是否以能够接受的确信度超过了阈值(Δ)；并且在确定以能够接受的确信度超过了该阈值时，向使用者输出：对于特定膳食，关于该数目的葡萄糖测量对的差异值D已超过该阈值(Δ)，所述确定包括计算下述相应形式的数量P和临界值Q： 

$P=\frac{\stackrel{\‾}{D}-\mathrm{\Δ}}{s}$

和 

Q_0.05，N＝1.9182×N^-0.5312

其中

是餐后减去餐前差值的样本均值； 

s是餐前和餐后测量的标准偏差； 

Δ是预定阈值；并且 

N是餐前和餐后测量对的样本大小。 

附图说明

并入本文中并且构成本说明书一部分的附图示出了本发明目前的优选实施例，并且与上面所给出的一般描述和下面所给出的详细描述一起用于解释本发明的特征(其中相同的编号表示相同的元件)。通过参考示出其中利用本发明原理的示例性实施例的下述详细说明和附图，将获得本发明的特征和优点的详细理解，在所述附图中： 

图1A示出了糖尿病管理系统，其包括分析物测量和数据管理单元以及数据通信装置； 

图1B以简化示意图示出了糖尿病数据管理单元的示例性电路板； 

图2A示出了用于统计分析的样本大小与置信区间的比较； 

图2B显示了测定计算出的样本数目m的方法，其在进一步分析所需的数据精确度中提供足够的确信性； 

图3A显示了测定关于特定膳食的餐前和餐后葡萄糖测量的差值数目是否已超过足够为使用者提供警报的预设置阈值的方法； 

图3B显示了测定关于特定膳食的餐前和餐后葡萄糖测量的差值数目是否已超过足够为使用者提供警报的预设置阈值的可替代方法，该方法的计算较不密集； 

图4显示了针对对于临界值t_α，N-1，的简单近似值对比，关于Q_α，N的真函数的示例性曲线图；并且 

图5显示了经由便携的手持式糖尿病管理单元显示给患者的消息的示例性实施例。 

具体实施方式

应参考附图来阅读下面的详细说明，其中不同附图中的类似元件编号相同。附图未必按比例绘制，其示出了所选择的实施例且并不旨在限制本发明的范围。该详细说明以举例的方式而非限制性方式来说明本发明的原理。此说明将明确地使得本领域技术人员能够制备和使用本发明，并且描述了本发明的多个实施例、修改形式、变型形式、替代形式和用途，包括目前据信是实施本发明的最佳方式。 

本文所用的针对任何数值或范围的术语“约”或“大约”表示允许部件或多个组件的集合执行如本文所述的其指定用途的适当的尺寸公差。此外，本文所用的术语“患者”、“宿主”、“使用者”和“受试者”是指任何人或动物受试者，并不旨在将系统或方法局限于人使用，尽管本主题发明在人患者中的使用代表着优选的实施例。 

图1A示出了糖尿病管理系统，其包括分析物测量和管理单元10、治疗剂给药装置(28或48)以及数据/通信装置(68、26或70)。如本文所 述，分析物测量和管理单元10可被构造成与手持式葡萄糖-胰岛素数据管理单元或DMU例如胰岛素笔28、胰岛素泵48、移动电话68进行无线通信，或通过示例性手持式葡萄糖-胰岛素数据管理单元装置的组合与个人计算机26或网络服务器70进行通信。如本文所用，命名″DMU″可独立地表示各个单元10、28、48、68，或表示可在疾病管理系统中一起使用的所有手持式葡萄糖-胰岛素数据管理单元(28、48、68)。此外，分析物测量和管理单元或DMU 10旨在包括葡萄糖仪、仪表、分析物测量装置、胰岛素递送装置或分析物测试和药物递送装置的组合。在实施例中，分析物测量和管理单元10可利用电缆连接至个人计算机26。在替代形式中，可通过合适的无线技术例如GSM、CDMA、蓝牙、WiFi等将DMU连接至计算机26或服务器70。 

葡萄糖仪或DMU 10可包括壳体11、用户界面按钮(16、18和20)、显示器14、测试条端口连接器22以及数据端口13，如图1A所示。用户界面按钮(16、18和20)可被构造成允许数据输入、菜单导航以及命令执行。数据可包括表示分析物浓度的值和/或与个体的日常生活方式相关的信息。与日常生活方式相关的信息可包括个体摄入的食物、使用的药物、健康检查发生率和一般的健康状况以及运动水平。具体地讲，用户界面按钮(16、18和20)包括第一用户界面按钮16、第二用户界面按钮18和第三用户界面按钮20。用户界面按钮(16、18和20)分别包括第一标记17、第二标记19和第三标记21，这些标记允许使用者通过用户界面来导航。 

仪表10的电子元件可被设置在壳体11内的电路板34上。图1B示出了(以简化示意图形式)分别设置在电路板34的顶部表面(未示出)上的电子元件。在顶部表面上，电子元件包括测试条端口连接器22、运算放大器电路35、微控制器38、显示器连接器14a、非易失性存储器40、时钟42和第一无线模块46。微控制器38可电连接到测试条端口连接器22、运算放大器电路35、第一无线模块46、显示器14、非易失性存储器40、时钟42和用户界面按钮(16、18和20)。 

运算放大器电路35可包括两个或更多个运算放大器，该两个或更多个运算放大器能够提供稳压器功能和电流测量功能的一部分。稳压器功能可指将测试电压施加于测试条的至少两个电极之间。电流功能可指测量由施加的 测试电压所得的测试电流。电流测量可用电流-电压转换器来执行。微控制器38可为混合信号微处理器(MSP)的形式，例如Texas Instrument MSP430。MSP 430可被构造成也执行稳压器功能和电流测量功能的一部分。另外，MSP 430还可包括易失性和非易失性存储器。在另一个实施例中，电子元件中的多个能够以专用集成电路(ASIC)的形式与微控制器集成。 

测试条端口连接器22可被构造成与测试条形成电连接。显示器连接器14a可被构造成连接到显示器14。显示器14可为液晶显示器的形式，以用于报告测得的葡萄糖水平并用于输入与生活方式相关的信息。显示器14可包括背光源。数据端口可供接纳连接到连接引线的合适的连接器，从而允许葡萄糖仪10被连接到外部装置，例如个人计算机。数据端口可为任何允许数据传输的端口，例如串行端口、USB端口或并行端口。时钟42可被构造成保持与使用者所在地理区域相关的当前时间并且也用于测量时间。DMU可被构造成电连接到例如电池的电源。 

在一个示例性实施例中，测试条24可为电化学葡萄糖测试条的形式。测试条24可包括一个或多个工作电极和反电极。测试条24也可包括多个电接触垫，其中每一个电极都可与至少一个电接触垫电气连通。测试条端口连接器22可被构造成与电接触垫电接合，并形成与电极的电气连通。测试条24可包括设置在至少一个电极上方的试剂层。试剂层可包括酶和介质。适用于试剂层的示例性酶包括葡萄糖氧化酶、葡萄糖脱氢酶(具有吡咯喹啉醌辅因子“PQQ”)和葡萄糖脱氢酶(具有黄素腺嘌呤二核苷酸辅因子“FAD”)。适用于试剂层的示例性介质包括铁氰化物，铁氰化物在这种情况下为氧化形式。试剂层可被构造成以物理方式将葡萄糖转化成酶的副产物，并且在此过程中产生一定量的还原介质(例如铁氰化物)，还原介质的量与葡萄糖浓度成正比。然后，工作电极能够以电流的形式测量还原介质的浓度。继而，葡萄糖仪10可将电流大小转换成葡萄糖浓度。优选测试条的细节在美国专利号6179979；6193873；6284125；6413410；6475372；6716577；6749887；6863801；6890421；7045046；7291256；7498132中提供，所有这些专利以引用方式全文并入本文。 

再参见图1A，胰岛素笔28可包括外壳，优选细长的并具有足够的尺寸以便人的手可舒适地持握。装置28可设置有电子模块30以记录由使用者递 送的剂量。装置28可包括设置在壳体中的第二无线模块32，该模块不需要使用者提示而自动将信号传输给DMU 10的第一无线模块46。在示例性实施例中，无线信号可包括关于以下方面的数据：(a)递送的治疗剂的类型；(b)向使用者递送的治疗剂的量；或(c)治疗剂递送的时间和日期。 

在一个实施例中，治疗剂递送装置可为“使用者激活”治疗剂递送装置的形式，其要求装置和使用者之间进行人工交互作用(例如通过使用者按下装置上的按钮)来引发单一治疗剂递送事件，并且在不存在此类人工交互作用的情况下，不向使用者递送治疗剂。这种使用者激活的治疗剂递送装置的非限制性实例在共同未决的美国非临时申请号12/407173(暂时用代理人案卷号LFS-5180USNP标识)；12/417875(暂时用代理人案卷号LFS-5183USNP标识)以及12/540217(暂时用代理人案卷号DDI-5176USNP标识)中有所描述，该非临时申请以引用方式全文并入本文。这种使用者激活的治疗剂递送装置的另一个非限制性实例为胰岛素笔28。胰岛素笔可填充有一瓶或一管胰岛素，并且可连接到一次性针头。胰岛素笔的某些部分可重复使用，或胰岛素笔可为完全一次性的。胰岛素笔可从例如Novo Nordisk、Aventis和Eli Lilly等公司商购获得，并且可与多种胰岛素例如Novolog、Humalog、Levemir和Lantus一起使用。 

参见图1A，治疗剂给药装置也可为泵48，该泵包括壳体50、背光源按钮52、向上按钮54、管帽56、大剂量按钮58、向下按钮60、电池盖62、“确认”按钮64以及显示器66。泵48可用于分配药物，例如用于调节葡萄糖水平的胰岛素。 

由患者作出的每次个别测量可被存储在DMU 10的存储器中，并且可用相应日期和时间进行标记，并且伴随另外的标记例如餐前和餐后，因为它可用于查看经过连续几天平均起来，血糖如何围绕给定膳食时间而改变。某些时间段可被编程到仪表的软件内，以确保每次测量属于特定狭槽，例如在早餐前、在早餐后、在午餐前、在午餐后、在晚餐前或在晚餐后。本发明的一个方面是给患者提供关于其病症管理的消息传递，具体消息取决于患者的测量数据。然而，根据优选实施例，将此类消息递送给患者可取决于存在存储于装置例如葡萄糖监控仪的存储器内的足够数目的测量结果是否能够提供具有一定置信度水平的消息传递。在示例性实施例中，如与下述附图有关更 详细地描述的，所需置信度水平例如95％或99％可通过使用固定的显著性水平以及固定的统计功效水平来实现。 

如果在餐前和餐后葡萄糖浓度中的阈值差值D对于不同消息传递进行设置，则出现统计显著性和功效的问题。假阳性(在餐前和餐后均值中无差值，但消息显示有差值)和假阴性(在餐前和餐后均值之间存在差值，但消息显示无差值)对于患者可为易误解且存在潜在危险的。因此需要控制这种事件的风险。 

统计检验的功效是该检验将拒绝不成立的零假设(即，假阴性)的概率。随着功效增加，则不正确地拒绝零假设的概率降低。在数据收集前执行功效分析一般用于测定实现足够功效的合适样本大小。统计检验的功效是该检验将在样本群体之间发现显著性差值的概率。统计功效取决于该检验的显著性水平和样本大小，因此增加检验功效(即，增加当零假设是假的时，正确拒绝它的机会)的一种方法是增加或减弱显著性水平。然而，减弱显著性水平可增加当零假设事实上是真的时，获得统计意义上的显著性结果，即获得假阴性结果的风险。 

此外，当使用者随着时间推移而获得其糖尿病的控制时，他们希望检测到的在葡萄糖中的餐前/餐后均值转变的量级应减小。考虑到显著性水平(α)控制假阳性的数目，并且统计功效(1-β)控制假阴性数目，如果待使用固定的样本大小，则检验的统计功效，即使用者获得假阴性的概率会改变。给患者提供假阴性可为潜在引起危险的，因为如果提供给他们的结果或消息是不正确的，则他们会采取行动例如给他们自己注射胰岛素，这可能是采取的不适当行动。申请人的意图因此是固定显著性水平，并且改变统计检验的统计功效，所述统计检验分析测量的数据，且允许测量包括样本大小的数目用于测定提供给患者的结果。 

一般来讲，DMU 10对于每次进餐时间监控餐前和餐后葡萄糖结果一段时间，直至在每对餐前和餐后测量结果之间的差值D的标准偏差(SD)能够以合理置信度来评估。关于SD的95％置信区间通过下述提供： 

$s\sqrt{\frac{n-1}{{\mathrm{\&chi;}}_{n-1}^2\left(0.975\right)}}<\mathrm{\&sigma;}<s\sqrt{\frac{n-1}{{\mathrm{\&chi;}}_{n-1}^2\left(0.025\right)}}$

其中s是真的SD， 

n是样本大小， 

s是评估的(测量值)SD，并且 

χ值指统计分布的制表值。 

虽然对于样本大小“n”没有固定规则，但根据图2A，可以看出对于n＝20(接近由箭头102指出的区域)或更多的样本大小应提供区间中的会聚。然而，这种统计计算出的正常使用会导致相关的1型和2型误差，即给患者提供假阴性结果或假阳性结果。 

申请人因此在本公开内容中提出实现在每餐膳食的基础上检验餐前/餐后葡萄糖转变的方法，所述方法将一直维持固定的统计功效和显著性。 

根据图2B，通过患者使用DMU 10获得餐前葡萄糖浓度的测量结果(例如，在膳食前的预定时段，例如2小时)，并且随后在步骤202时存储于监控装置的存储器中。接下来，获得且同样存储相应餐后葡萄糖测量(例如，在膳食后的预定时段，例如2小时)，步骤204。随后计算且存储在餐前和餐后测量之间的差值D，步骤206。差异值D给出经过一定膳食时间例如午餐由患者经历的葡萄糖浓度中的转变的指示。糖尿病患者的葡萄糖浓度在消费食物后一般会增加，因为他们的身体不能够制备维持更稳定的血糖水平所需的胰岛素。这些高葡萄糖浓度或“峰值”的时期是高血糖症的时期，由于糖尿病相关状况例如微血管疾病的风险增加，所述高血糖症可潜在损害患者的较长期健康，所述微血管疾病可导致例如视网膜病变(眼疾病)、神经病(神经损害)和肾病变(肾疾病)、循环问题、心脏病发作和中风。 

另外，可对包括样本大小的餐前和餐后测量对结果的数目N进行统计分析，以测定样本是否含有足够数目的数据点，以允许用所需统计置信度水平95％评估差值D的标准偏差(SD)，步骤208。 

所有个别测量的结果以及在其间计算出的差值D和标准偏差“s”均可被存储在装置DMU 10的存储器内。在一个实施例中，一个阈值差异值D可被存储且用于根据任何进餐时间的测量数据的比较。在另一个实施例中，可存储超过一个阈值差异值D：由此每次个别进餐时间可具有具体的相应阈值差异值D，步骤216。 

在步骤216时的阈值D可最初在制造过程中设为在装置例如葡萄糖仪或移动电话内的缺省值，并且可为使用者或HCP可配置的以更密切地满足个别患者的个别管理方案。阈值差异值还可被配置为更密切地管理患者的血糖浓度，当它置于控制之下时。 

提供关于1侧t检验检测至少预设置的阈值D差值的显著性水平，步骤210，与统计功效1-β的水平一样，步骤212。在本发明的一个示例性实施例中，显著性水平α和统计功效(1-β)可在制造时预先确定，并且可能无法由例如使用者或HCP配置。在其它实施例中，α和(1-β)可为可配置的。 

为了用预定显著性水平(α)和统计功效(1-β)检测关于每个N对餐前和餐后测量超过至少预定阈值D的差值，那么在步骤214时，α和β对样本大小“m”的作用能够以预先计算出的常数“K”的形式实现： 

K＝(z_β+z_α)²    公式1 

其中各自的z值相当于具有合适概率的正常变量的值。此类统计方法是本领域众所周知的，并且在本文中未进一步详细描述。 

实例1

在一个示例性实施例中，指定的80％(一般足够使用的标准水平)功效的使用提供β＝1-80/100＝0.2的值，其由合适的标准统计表或函数生成z_β＝0.8416的值。此外，对于100α％单尾检验，具有α＝5％(即5％显著性)，也由统计表获得z_α/2＝1.6449。因此，根据上文对于“K”所示的公式，这个实例提供恒定值， 

K＝(0.8416+1.6449)²＝2.4865²＝6.186            公式2 

为了在指定的显著性水平时检测具有指定功效的预设置阈值D，关于统计检验的样本大小“m”因此可为至少： 

$m=K{\left(\frac{\mathrm{\&sigma;}}{\mathrm{\&Delta;}}\right)}^2\&ap;K{\left(\frac{s}{\mathrm{\&Delta;}}\right)}^2$ 公式3 

一般地，这不是整数，因此更常见的使用是步骤218： 

$m=\mathrm{trunc}\left[K{\left(\frac{s}{\mathrm{\&Delta;}}\right)}^2\right]+1$ 公式4 

继续对于目前的实例来讲，考虑到刚在步骤218中计算出的常数“K”，检测其为标准偏差(SD)一半的D阈值所需的最小样本大小“m”可如下计算： 

公式5 

当关于特定膳食事件(例如午餐)的N对餐前和餐后测量的数目等于或大于值m，那么合适的统计检验(例如单尾检验)可用于确定是否以能够接受的确信度超过了阈值，步骤220。 

图3A示出了涉及测定所需的样本大小“N”的步骤，以便能够检测至少预定阈值D的差值，同时还满足如与图2B有关描述的预定显著性水平α和统计功效(1-β)。 

首先，关于特定膳食例如午餐的配对餐前和餐后葡萄糖浓度测量是通过患者获得的，并且存储在其仪表的存储器内，步骤302和304。接下来，膳食前和膳食后测量的平均差异值

和标准偏差“s”在步骤306中计算。 

一般用于检测在两个平均值之间是否存在显著性差值的统计检验可为单尾t检验。这通常显示为可在步骤310(或图3B中的步骤308’)推断的零假设H₀，其中在一个示例性实施例中，平均餐前/餐后差值

小于或等于阈值D，和可供选择的假设H₁，其中平均差值

大于阈值D，步骤312(或图3B中的步骤309’)。为了测定是否可利用单尾检验，在步骤307时的逻辑运算符测定样本大小N和显著性水平是否是已知的。如果是真的，则逻辑从步骤307流动到步骤308。 

其后，可随后在步骤308时执行使用平均

标准偏差“s”和阈值D的单尾t检验。例如，检验数量T可如下计算： 

$T=\frac{\stackrel{\&OverBar;}{D}-\mathrm{\&Delta;}}{(s/\sqrt{N})}$ 公式6 

其中

是在步骤306时计算出的餐后减去餐前差值的样本均值。所获得的T值随后针对来源于关于t检验的合适统计表的临界值t_α，N-1进行比较。表1显示了关于t检验的合适统计表的实例。 

表1 

一般地，如果T超过通过显著性水平α和样本大小N设置的t分布的临界值t_α，N-1，那么拒绝零假设H₀，支持已超过D的可替代假设。根据本发明的示例性实施例，显著性水平α可为预定的，然而，样本数目“N”例如在制造时可能不是预定的或固定的，并且因此不是已知的，并且因此不能在计算中使用。如前所示，这个计算取决于预先知道显著性水平α和样本大小“N”，以便能够查找合适的t分布表。 

在一个示例性实施例中，假定α和N都是已知的，那么所获得的“T”值针对在步骤310时的临界值t_α，N-1进行比较，并且如果T的确超过临界值t_α，N-1，那么拒绝零假设H₀，支持可供选择的假设H₁，步骤312，并且在步骤314时，合适的消息可显示给使用者。显示给使用者的消息的实例结合图5显示且讨论。然而，如果T未超过步骤310中的临界值t_α，N-1，则在步骤316时查询，以测定之前是否已超过值D。如果在步骤316时是真的，则逻辑接受假设H1，并且在步骤320时，合适的消息传递可以显示给使用者。如果在步骤316时不是真的，即之前未超过值D，则接受零假设H₀，并且逻辑回到302。 

然而，作为另外一种选择，样本大小“N”可不为已知的或预定的。测量结果包含样本大小的数目是可变的，以确保至少阈值D的差值可以由在餐前和餐后葡萄糖测量之间的差值的标准偏差进行检测，具有所需置信区间。在此类情况下，在步骤307时的逻辑流动返回假的，这意味着这明显留下如何获得上述临界值t_α，N-1的问题。存在实现这点的许多方法，其实例在此处给出，利用问题的重述。比较T与临界值t_α，N-1等于比较数量P和如下测定的临界值Q_α，N

$P=\frac{\stackrel{\&OverBar;}{D}-\mathrm{\&Delta;}}{s}$ 公式7 

其中临界值 

$Q_{\mathrm{\&alpha;},N}=\frac{t_{\mathrm{\&alpha;},N-1}}{\sqrt{N}}$ 公式8 

在其中α＝5％的情况下，在步骤309时，评估的临界值Q_α，N通过此处在图4中所示的简单函数充分约计： 

Q_0.05，N＝1.9182×N^-0.5312       公式9， 

甚至对于N的极大值，并且函数显示于图4中。在图4中，使用公式8生成线402，其中Q_0,05，N的几个值作为t_0,05，N和N的函数进行计算。基于线402的形状，申请人选择函数Y＝a x N^-b作为关于邻近线402的经验框架。在将最小化的软件常规应用于经验函数Y＝a x N^-b后，衍生具有关于a和b的相关常数的公式10。应当指出使用P和Q_0,05，N不需要t表存储于存储器内或t表的计算，这是在手持式装置内的计算和/或记忆密集过程。因此，使用P和Q_0,05，N在计算上比使用T和t_0,05，N更简单，并且因而减少微处理能力和存储器的量。 

下文显示了用于评估t值所需的计算上密集的计算的实例。在公式10中，f_n(t)是关于斯氏t变量的概率密度函数，具有n-1的自由度。 

$f_n\left(t\right)=\frac{\mathrm{\&Gamma;}\left(\frac{N}{2}\right)}{\sqrt{(N-1)\mathrm{\&pi;}}\mathrm{\&Gamma;}\left(\frac{N-1}{2}\right){(1+\frac{t^2}{N-1})}^{\frac{N}{2}}}$ 公式10 

项

是γ函数。X可为具有显著性水平100α％的单侧显著性检验的所需临界值，那么X是积分公式

的解答。函数F_n(t)是t变量的累积分布函数，并且可使用关系式

 进行计算，其中I_x(a，b)是不完全β函数。为了参考方便，数字上评价不完全β函数的计算机代码可在http://www.fizyka.umk.pl/nrbook/c6-4.pdf处查看，举例说明t计算出的复杂度的书本“C中的数字食谱”(Numerical Recipes inC)的在线版本的部分。 

如较早参考图2B所示的，首先计算标准偏差(SD)，并且随后为最小样本大小“m”’，并且随后等待，直至已取得m对餐前和餐后度数，允许控制检验的功效。以这种方式改变样本大小“m”以便维持固定的统计功效(1-β)使得显示给患者的假阴性的概率能够降到最低。其后，参考图3A，该方法在步骤309(根据公式8-9)中计算数量P且衍生等价的临界值Q_0.05，N。 

本文描述的方法可用于控制统计功效，与个体的读数可为如何易变(SD多大)无关。当随着时间推移患者获得其状况的控制时，那么待检测的餐前/餐后平均葡萄糖转变的量级将减少，然而统计功效即假阴性的控制仍可通过修改测量结果包含样本大小“m”的数目得到维持。很可能样本大小“m”的大小可相对于待检测的预定阈值D的相对大小而改变，即更小的餐前/餐后平均葡萄糖转变可能需要更小的样本大小“N”来检测差值，同时仍满足所需置信区间。 

图4是显示针对由公式9生成的简单近似值404比较的关于Q_α，N402的真函数比较的曲线图400。 

图4显示了简单近似值404如何密切地匹配关于临界值函数402的真函数，具有5％的显著性水平α。简单近似值404经过广泛范围的样本大小 “N”密切地匹配对于真函数402获得的曲线，包括极小的样本大小以及极大的样本大小。对于本文描述的目的，假定简单近似值404等于真函数402并且因此可计算样本大小“N”的值是合理的。 

最后步骤是利用由检验支持的与图3A有关的描述中概述的那个假设，并且随后如与图5有关描述的相应选择合适的消息传递。当在310时的逻辑运算测定T大于临界值t_α，N-1时，那么在步骤312时作出结论：已超过阈值Δ(并且选择可供选择的假设H₁)，并且展示图5中的消息例如510。另一方面，如果在步骤310时T小于或等于临界值t_α，N-1，那么在步骤316时作出测定：仍未超过阈值Δ(因此选择零假设)。 

在可供选择的实施例中，当预期图3A的简化算法时，图3B的过程流程可用于经过一段时间的每个膳食事件。首先，关于特定膳食例如午餐的配对餐前和餐后葡萄糖浓度测量是通过患者获得的，并且存储在其仪表的存储器内，步骤302’和304’。接下来，膳食前和膳食后测量的平均差异值

和标准偏差“s”在步骤306’中计算。这通常显示为零假设H₀，步骤308’，其中在一个示例性实施例中，平均餐前/餐后差值

小于或等于阈值D，和可供选择的假设H₁，步骤309’，其中平均差值大于阈值D，在步骤312’时。当在308’时的逻辑运算测定平均餐前/餐后差值

小于或等于阈值D时，那么在步骤316’时作出关于之前是否已超过阈值Δ的查询。如果在步骤316’前已超过阈值，那么另外选择零假设，并且在步骤320’时展示合适的消息。另外，如果之前未超过阈值，则逻辑回到步骤302’。当步骤308’回到否时，在步骤312’时作出关于

是否大于D的测定。如果是真的，则在步骤312时作出结论：已超过阈值Δ(并且选择可供选择的假设H₁)，并且展示图5中的消息例如510。 

图3A或3B的流程图概述可在本发明的软件算法的实施例内发生的主要过程步骤。如先前所述，申请人预期使得能够改变维持在装置的存储器中的餐前/餐后测量结果的数目，即餐前/餐后差值数目的样本大小，从而使得统计检验的显著性水平和统计功效能够在制造过程中为预定的，即固定的。固定统计检验的显著性水平和功效确保在餐前/餐后差值的标准偏差和预定阈值D之间的比较能够以合理的置信度即在所需置信区间内进行检测。控 制统计功效还可使显示给使用者的假阴性结果数目降到最低，所述假阴性结果可促进他们采取关于其糖尿病管理方案的不适当行动。 

通过确保足够大的样本大小被用于给出标准偏差的稳定评估量，并且在t检验中提供足够的功效以测定在每餐膳食基础上是否已超过在餐前和餐后之间的可接受阈值平均差值D，可在DMU 10内控制与检验相关的1型(假阳性结果)和2型(假阴性结果)误差率。 

实例2 

如表2中举例说明的，经过二十天的周期，由使用者收集餐前和餐后血糖测量(以毫克/分升的单位)。在表的主要部分中的列“天”、“前”和“后”分别列出天、表格餐前和餐后测量。 

表2 

下文将描述用于测定在餐前和餐后葡萄糖测量之间的平均差值在给定日是否显著的计算。如果在餐前和餐后葡萄糖测量之间存在显著平均差值，则如图5中举例说明的，指示可展示在葡萄糖仪屏幕例如显示装置500上。 如果表2中的数据相当于具有仅一个类型的膳食类型(例如早餐、午餐或晚餐)，则表2的输出可用于生成图5的图形条(502、504或506)中的一个。 

作为计算的最初部分，将值K设为6.186，并且将Δ设为7.5mg/dL。应当指出对于具有5％显著性(α)和80％功效(β)的t检验，在表2的顶行中所示的值K用公式2进行计算。表2的第二行给出Δ的值，这是用于测定显著性差值的餐前和餐后平均水平之间的最小差值水平。列“D”包括对于每天以毫克/分升单位的在餐前和餐后测量(即“前”-“后”)之间的差值(如步骤206中所述)。列“s”包括直至特定行的天且包括其的所有D值的标准偏差(SD)。应当指出第一行没有SD值，因为需要最少2个值来计算SD。列“m”包括使用公式4连同指定的K、s和Δ对于那天的显著性检验所需的计算出的样本大小m。列“N”包括关于那天的实际样本大小N。应当指出在表2中，N与天数相关。然而，在其它情况下，每天可收集多于或少于一个餐前和餐后测量对。 

一旦N的值超过m的计算值(其首先在表2的第10天时发生)，就可用预定显著性和功效执行t检验当量。“现成的”列包括其中N小于m的“假的”，和其中N大于或等于m的“真的”。 

在确定存在足够数目的餐前和餐后测量(即其中N大于或等于m的天(即，N³m))后，表2的下述列将显示餐前和餐后测量的平均差值是否是显著的。列“Dbar”包括直至那个特定行的天且包括其的平均差值D的计算值。列“P”和“Q”分别显示如公式7和9中定义的这些数量的计算值。列“sig？”查询是否P＞Q。如果如此，则该检验已揭示平均餐前和餐后葡萄糖中的统计意义上的显著性差值(具有预定显著性和功效)。在这个实例中，平均差值从第10天往后都是显著的，因此“sig？”对于第10天直至第20天都是真的。平均差值是显著的警告指示可被显示在下文描述的显示装置500上(参见图5)。 

图5显示用合适的便携式糖尿病管理显示装置500向患者显示消息的示例性实施例。显示装置500包括经过每次进食时间测量且存储于微处理器的存储器中的餐前/餐后差值(患者的葡萄糖水平转变的量度)的图形指示。 

在图5中所示的示例性实施例中，结果可根据具体膳食时间进行分组，例如早餐前和早餐后502、午餐前和午餐后504、以及晚餐前和晚餐后506。虚线508可用于指示如图5中所示的靶或阈值餐前/餐后差异值，其中给出约75mg/dL的一个靶差异值。多于一个的靶差异值可例如根据不同膳食时间来使用。作为另外一种选择，不同颜色的使用可用于更容易且快速地指示使用者(和/或HCP)测量的结果是否接近于靶阈值，例如由其HCP限定的那种。在另一个实施例中，不同颜色的使用可用于更容易且快速地指示使用者(和/或HCP)差异值基于公式7和9是否具有统计意义上的显著性。例如，绿色可用于显示结果在阈值内，而例如红色可用于指示结果显著地不同于阈值。对于患者和/或HCP观察这类消息且获得患者控制其糖尿病的水平的了解将是非常容易的。在显示给使用者的图形输出中颜色的使用是针对限定的阈值比较测量结果和/或以计算上简单的方式指示统计显著性的一种快速且容易理解的方法。可供选择的展示信息的方式将是可能的且旨在涵盖于本文中。 

图5显示代表患者的围绕早餐502、午餐504和晚餐506的葡萄糖差值测量的示例性数据。围绕早餐和午餐的差值测量在这个实例中显示为高度可变的，并且在一个实施例中可被着色为红色，以快速且容易地向患者和/或HCP作出标志：这可能是需要一些关注的领域。代表围绕晚餐时间506测量的餐前/餐后葡萄糖差值所示的示例性数据充分低于靶值508，并且因此可例如被着色为绿色，以指示患者测量方案的这个特定组分是被良好地控制的。 

此外，显示装置500可包括给患者的建议510、512，包括但不限于例如药物、运动和/或碳水化合物摄取。在图5中，建议510指围绕早餐502和午餐504测量的数据，并且因此可作出具体提议以使患者的葡萄糖转变更接近于限定的靶值508，即使患者达到更佳控制。在这个示例性实施例中，建议512可祝贺患者做得很好。 

如上所述，微处理器可被编程为通常执行本文所述的各种处理步骤。微处理器可为特定装置的一部分，特定装置例如葡萄糖仪、胰岛素笔、胰岛素泵、服务器、移动电话、个人计算机或手持移动装置。此外，可使用本文所述的各种方法，使用现成的软件开发工具例如C、C+、C++、C-Sharp、 Visual Studio 6，0、Windows 2000Server以及SQL Server 2000来生成软件编码。然而，所述各方法可被转换成其它软件语言，这取决于用于对该方法进行编码的新软件语言的要求和可用性。另外，所述的各种方法一旦被转换成合适的软件编码，就可在任何计算机可读存储介质中具体化，在由合适的微处理器或计算机执行时，该计算机可读存储介质能够可操作地执行这些方法中所述的步骤连同任何其它必要的步骤。 

本发明的优点包括减少向患者提供假阴性结果的概率，即在患者的餐前和餐后葡萄糖浓度均值之间存在显著差值，但向患者提供的消息显示并不存在显著差值。如果他们采取由所提供的结果指导的行动，则此类结果对于患者可为误导的且存在潜在危险。本发明因此通过控制显著性值α和统计功效(1-β)使发生此类事件的风险降到最低，同时允许由统计计算考虑的餐前/餐后葡萄糖测量的数目(即样本大小)改变，以便检测与在所需置信区间内的预定阈值D的显著差值。 

虽然已经根据具体的变型和示例性附图描述了本发明，但本领域的那些普通技术人员将认识到，本发明并不限于所述变型或附图。此外，对于凡是上述的方法和步骤指示以某种次序发生某些事件的情况，本领域的普通技术人员也都将认识到，某些步骤的次序可被修改，并且这样的修改是根据本发明的变型进行的。另外，所述步骤中的某些在可能的情况下可在并行过程中同时执行，以及按如上所述按顺序进行。因此，如果存在本发明的变型并且所述变型属于权利要求书中能找到的本发明公开内容或等同内容的精神范围内，那么本专利旨在也涵盖这些变型。 

Claims (10)

1.一种用糖尿病管理装置来警示使用者其围绕膳食事件的血糖数据已超过预定差异阈值的方法，所述方法包括

用所述糖尿病管理装置收集关于特定膳食事件的葡萄糖浓度测量的多个餐前和餐后对(N)；

用所述糖尿病管理装置的微处理器，基于在所收集的关于所述特定膳食事件的葡萄糖浓度的多个餐前和餐后对之间的差值，计算多个差异值(D)；

用所述微处理器在所述事件中测定对于所述特定膳食事件的N对餐前和餐后测量的数目等于或大于计算出的样本大小(m)；

用至少一种统计检验来确定是否以能够接受的确信度超过了所述阈值(Δ)；以及

在确定以能够接受的确信度超过了所述阈值(Δ)时，向使用者输出：对于所述特定膳食，关于该数目的葡萄糖测量对的差异值D已超过所述阈值(Δ)。

2.根据权利要求1所述的方法，其中所述测定包括用如下形式的公式计算所计算出的样本大小m：

$m=\mathrm{trunc}\left[K{\left(\frac{s}{\mathrm{\&Delta;}}\right)}^2\right]+1$

其中m是具有能够接受的确信性的样本大小的值

K是来源于下述公式的常数：

K＝(z_β+z_α)²

其中z值相当于根据指定功效的来自统计表的正常变量的值；

s是餐前和餐后测量的标准偏差；并且

Δ是预定阈值。

3.根据权利要求2所述的方法，其中所述确定包括如下形式的统计检验的应用：

$T=\frac{\stackrel{\&OverBar;}{D}-\mathrm{\&Delta;}}{(s/\sqrt{N})}$

其中

是餐后减去餐前差值的样本均值；

s是餐前和餐后测量的标准偏差；

Δ是预定阈值；并且

N是餐前和餐后测量对的样本大小。

4.根据权利要求2所述的方法，其中所述确定包括计算下述相应形式的数量P和临界值Q：

$P=\frac{\stackrel{\&OverBar;}{D}-\mathrm{\&Delta;}}{s}$

和

$Q_{\mathrm{\&alpha;},N}=\frac{t_{\mathrm{\&alpha;},N-1}}{\sqrt{N}}$

其中

是餐后减去餐前差值的样本均值；

s是餐前和餐后测量的标准偏差；

Δ是预定阈值；

N是餐前和餐后测量对的样本大小；并且

t_α，N-1是基于显著性水平和自由度的来自统计表的临界值。

5.根据权利要求2所述的方法，其中所述确定包括计算下述相应形式的数量P和临界值Q：

$P=\frac{\stackrel{\&OverBar;}{D}-\mathrm{\&Delta;}}{s}$

和

Q_0.05，N＝1.9182×N^-0.5312

其中是餐后减去餐前差值的样本均值；

s是餐前和餐后测量的标准偏差；

Δ是预定阈值；并且

N是餐前和餐后测量对的样本大小。

6.一种用糖尿病管理装置来警示使用者其围绕膳食事件的血糖数据已超过预定差异阈值的方法，所述方法包括

执行多次葡萄糖浓度测量，以将流体样本中的葡萄糖以物理方式转化成酶的副产物，并且生成与所述流体样本中的葡萄糖浓度成比例的量的还原介质(例如亚铁氰化物)；

从在所述执行步骤中获得的多个葡萄糖浓度测量中，收集关于特定膳食事件的葡萄糖浓度测量的多个餐前和餐后对(N)；

基于在所收集的关于所述特定膳食事件的葡萄糖浓度的多个餐前和餐后对之间的差值，计算多个差异值(D)；

在所述事件中测定对于所述特定膳食事件的N对餐前和餐后测量的数目等于或大于计算出的样本大小(m)；

用至少一种统计检验来确定是否以能够接受的确信度超过了所述阈值(Δ)；以及

在确定以能够接受的确信度超过了所述阈值(Δ)时，向使用者输出：对于所述特定膳食，关于该数目的葡萄糖测量对的差异值D已超过所述阈值(Δ)。

7.根据权利要求6所述的方法，其中所述测定包括用如下形式的公式计算所计算出的样本大小m：

$m=\mathrm{trunc}\left[K{\left(\frac{s}{\mathrm{\&Delta;}}\right)}^2\right]+1$

其中m是具有能够接受的确信性的样本大小的值

K是来源于下述公式的常数：

K＝(z_β+z_α)²

其中z值相当于根据指定功效的来自统计表的正常变量的值；

s是餐前和餐后测量的标准偏差；并且

Δ是预定阈值。

8.根据权利要求7所述的方法，其中所述确定包括如下形式的统计检验的应用：

$T=\frac{\stackrel{\&OverBar;}{D}-\mathrm{\&Delta;}}{(s/\sqrt{N})}$

其中

是餐后减去餐前差值的样本均值；

s是餐前和餐后测量的标准偏差；

Δ是预定阈值；并且

N是餐前和餐后测量对的样本大小。

9.根据权利要求6所述的方法，其中所述确定包括计算下述相应形式的数量P和临界值Q：

$P=\frac{\stackrel{\&OverBar;}{D}-\mathrm{\&Delta;}}{s}$

和

$Q_{\mathrm{\&alpha;},N}=\frac{t_{\mathrm{\&alpha;},N-1}}{\sqrt{N}}$

其中

是餐后减去餐前差值的样本均值；

s是餐前和餐后测量的标准偏差；

Δ是预定阈值；

N是餐前和餐后测量对的样本大小；并且

t_α，N-1是基于显著性水平和自由度的来自统计表的临界值。

10.根据权利要求6所述的方法，其中所述确定包括计算下述相应形式的数量P和临界值Q：

$P=\frac{\stackrel{\&OverBar;}{D}-\mathrm{\&Delta;}}{s}$

和

Q_0.05，N＝1.9182×N^-0.5312

其中

是餐后减去餐前差值的样本均值；

s是餐前和餐后测量的标准偏差；

Δ是预定阈值；并且

N是餐前和餐后测量对的样本大小。

Images