CN104657576B - 一种血糖变化的呈现方法和设备 - Google Patents
一种血糖变化的呈现方法和设备 Download PDFInfo
- Publication number
- CN104657576B CN104657576B CN201410510704.3A CN201410510704A CN104657576B CN 104657576 B CN104657576 B CN 104657576B CN 201410510704 A CN201410510704 A CN 201410510704A CN 104657576 B CN104657576 B CN 104657576B
- Authority
- CN
- China
- Prior art keywords
- blood glucose
- risk
- current
- value
- plane
- 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.)
- Active
Links
Abstract
本发明公开了一种血糖变化的呈现方法和设备。该方法包括:根据最近一个第一追踪周期内检测到的各个血糖值,计算当前ADRR,并根据最近一个第二追踪周期内检测到的各个血糖值,计算当前LBGI和当前HBGI;在分别以ADRR、LBGI、HBGI作为坐标轴的三维空间图像中,形成当前血糖控制斜面并呈现;其中,当前血糖控制斜面与ADRR坐标轴的交点值为当前ADRR,当前血糖控制斜面与LBGI坐标轴的交点值为当前LBGI,当前血糖控制斜面与HBGI坐标轴的交点值为当前HBGI。通过本发明提供的实施方式,使得用户能够直观地、准确地识别病人血糖情况存在的风险,从而可以更准确地制定后续血糖控制治疗手段。
Description
技术领域
本发明涉及数据处理技术领域,特别是涉及一种血糖变化的呈现方法和设备。
背景技术
糖尿病是一组以高血糖为特征的代谢性疾病。病人如果长期处于高血糖,则会导致各种组织的慢性损害及功能障碍,特别是眼、肾、心脏、血管及神经等组织器官。由于目前无根治糖尿病的方法,为避免高血糖带来的损害,就需要对病人的血糖进行控制,以使得病人的血糖水平低于高血糖。在血糖控制的治疗过程中,除了要避免高血糖,也要避免低血糖。这是因为,病人的血糖受血糖控制的治疗手段影响较大,血糖控制过度就将导致病人的血糖浓度过低,影响人体代谢的正常运行,出现低血糖症状。由此可见,为了避免病人出现高血糖风险和低血糖风险,就需要在血糖控制的治疗过程中对病人的血糖水平进行监测,从而根据病人的血糖水平来实时地调整血糖控制的治疗方式。
为了使病人和医生等用户能够更清楚地了解病人血糖水平的变化,现有技术中是将每次检测到的血糖值记录下来并在需要查看时直接呈现出来,以便用户能够了解病人血糖水平及测试环境因素,从而可以据此来确定接下来采用怎样的血糖控制治疗手段。
但是,发明人经过研究发现,实际上,要确定后续采用的血糖控制手段,需要依据的是病人血糖水平在控制过程中的整体变化趋势,而现有技术中仅仅是将不同时期检测到的血糖值呈现给用户,却并不能反映出病人血糖水平在控制过程中的整体变化趋势。这样,用户在面对现有技术的呈现内容时,由于无法直观地从呈现内容得到病人血糖水平在控制过程中的整体变化趋势,仅能通过血糖值制定后续血糖控制治疗手段,因此,用户将难以准确地识别当前病人的血糖控制情况是否存在风险,也难以准确地识别当前用户的血糖情况是处于高血糖风险还是处于低血糖风险,造成血糖控制情况的风险识别不准确,从而导致后续血糖控制治疗手段也无法准确地制定。
发明内容
本发明所要解决的技术问题是,提供一种血糖变化的呈现方法和设备,以解决按照现有技术中仅记录并呈现病人的血糖值及测试环境因素而导致的血糖控制情况的风险识别不准确、后续血糖治疗手段无法准确制定的技术问题。
为解决上述技术问题,本发明提供了一种血糖变化的呈现方法,该方法包括:
根据最近一个第一追踪周期内检测到的各个血糖值,计算当前平均每日风险值域ADRR,并根据最近一个第二追踪周期内检测到的各个血糖值,计算当前低血糖指数LBGI和当前高血糖指数HBGI;
在分别以ADRR、LBGI、HBGI作为三个坐标轴的三维空间图像中,形成当前血糖控制斜面并呈现;其中,所述当前血糖控制斜面与所述ADRR坐标轴的交点值为所述当前ADRR,所述当前血糖控制斜面与所述LBGI坐标轴的交点值为所述当前LBGI,所述当前血糖控制斜面与所述HBGI坐标轴的交点值为所述当前HBGI。
可选的,所述方法还包括:
计算所述当前血糖控制斜面的法向量方向,并在所述三维空间图像中呈现按照所述法向量方向呈现当前血糖风险向量;
其中,所述当前风险向量的起点为所述三维空间的原点,所述当前风险向量由所述原点指向所述当前血糖控制斜面。
可选的,所述方法还包括:
计算所述当前血糖风险向量与前一次计算的血糖风险向量之间的夹角,作为当前血糖风险向量变化角,并将所述当前血糖风险向量变化角与所述当前时间对应记录;
按照各个血糖风险向量变化角的记录时间的顺序,将各个血糖风险向量变化角所表示的坐标点连接成变化角波动曲线并呈现。
可选的,所述方法还包括:
从以ADRR的数值范围和LBGI的数值范围划分的血糖风险等级区域中,根据所述当前ADRR与所述当前LBGI确定当前血糖风险等级区域,并以所述当前血糖风险等级区域所表示的风险等级作为当前风险等级,呈现所述当前风险等级对应的提示信息;
其中,所述血糖风险等级区域的风险等级表示的是低血糖发生概率,所述血糖风险等级区域对应的低血糖发生概率是对所述血糖风险等级区域的ADRR和LBGI联合概率分布而计算得到的。
可选的,所述根据最近一个第一追踪周期内检测到的各个血糖值,计算当前平均每日风险值域ADRR,包括:
以最近一个第一追踪周期内检测到的各个血糖值作为各个第一血糖值,利用标度变换对所述各个所述第一血糖值进行对称化,得到各个所述第一血糖值对应的变换值;
根据各个所述第一血糖值对应的变换值,计算各个所述第一血糖值对应的低血糖风险量度及高血糖风险量度;
根据各个所述第一血糖值对应的低血糖风险量度及高血糖风险量度,计算所述最近一个第一追踪周期内每天的最大低血糖风险量度与最大高风险量度之和,作为所述最近一个第一追踪周期内每天的风险值;
对所述最近一个第一追踪周期内每天的风险值进行平均,得到所述当前ADRR。
可选的,所述根据最近一个第二追踪周期内检测到的各个血糖值,计算当前低血糖指数LBGI和当前高血糖指数HBGI,包括:
以最近一个第二追踪周期内检测到的各个血糖值作为各个第二血糖值,利用标度变换对所述各个所述第二血糖值进行对称化,得到各个所述第二血糖值对应的变换值;
根据各个所述第二血糖值对应的变换值,计算各个所述第二血糖值对应的低血糖风险量度及高血糖风险量度;
对各个所述第二血糖值对应的低血糖风险量度进行平均,得到所述当前LBGI;
对各个所述第二血糖值对应的高血糖风险量度进行平均,得到所述当前HBGI。
此外,本发明还提供了一种血糖变化的呈现设备,包括:
第一计算模块,用于根据最近一个第一追踪周期内检测到的各个血糖值,计算当前平均每日风险值域ADRR;
第二计算模块,用于根据最近一个第二追踪周期内检测到的各个血糖值,计算当前低血糖指数LBGI和当前高血糖指数HBGI;
第一呈现模块,用于在分别以ADRR、LBGI、HBGI作为三个坐标轴的三维空间图像中,形成当前血糖控制斜面并呈现;其中,所述当前血糖控制斜面与所述ADRR坐标轴的交点值为所述当前ADRR,所述当前血糖控制斜面与所述LBGI坐标轴的交点值为所述当前LBGI,所述当前血糖控制斜面与所述HBGI坐标轴的交点值为所述当前HBGI。
可选的,所述方法还包括:
第三计算模块,用于计算所述当前血糖控制斜面的法向量方向;
第二呈现模块,用于在所述三维空间图像中呈现按照所述法向量方向呈现当前血糖风险向量;
其中,所述当前风险向量的起点为所述三维空间的原点,所述当前风险向量由所述原点指向所述当前血糖控制斜面。
可选的,所述方法还包括:
第四计算模块,用于计算所述当前血糖风险向量与前一次计算的血糖风险向量之间的夹角,作为当前血糖风险向量变化角;
记录模块,用于将所述当前血糖风险向量变化角与所述当前时间对应记录;
第三呈现模块,用于按照各个血糖风险向量变化角的记录时间的顺序,将各个血糖风险向量变化角所表示的坐标点连接成变化角波动曲线并呈现。
可选的,所述方法还包括:
确定模块,用于从以ADRR的数值范围和LBGI的数值范围划分的血糖风险等级区域中,根据所述当前ADRR与所述当前LBGI确定当前血糖风险等级区域;
第四呈现模块,用于以所述当前血糖风险等级区域所表示的风险等级作为当前风险等级,呈现所述当前风险等级对应的提示信息;
其中,所述血糖风险等级区域的风险等级表示的是低血糖发生概率,所述血糖风险等级区域对应的低血糖发生概率是对所述血糖风险等级区域的ADRR和LBGI联合概率分布而计算得到的。
可选的,所述第一计算模块包括:
第一对称化子模块,用于以最近一个第一追踪周期内检测到的各个血糖值作为各个第一血糖值,利用标度变换对所述各个所述第一血糖值进行对称化,得到各个所述第一血糖值对应的变换值;
第一计算子模块,用于根据各个所述第一血糖值对应的变换值,计算各个所述第一血糖值对应的低血糖风险量度及高血糖风险量度;
第二计算子模块,用于根据各个所述第一血糖值对应的低血糖风险量度及高血糖风险量度,计算所述最近一个第一追踪周期内每天的最大低血糖风险量度与最大高风险量度之和,作为所述最近一个第一追踪周期内每天的风险值;
第一平均子模块,用于对所述最近一个第一追踪周期内每天的风险值进行平均,得到所述当前ADRR。
可选的,所述第二计算模块包括:
第二对称化子模块,用于以最近一个第二追踪周期内检测到的各个血糖值作为各个第二血糖值,利用标度变换对所述各个所述第二血糖值进行对称化,得到各个所述第二血糖值对应的变换值;
第三计算子模块,用于根据各个所述第二血糖值对应的变换值,计算各个所述第二血糖值对应的低血糖风险量度及高血糖风险量度;
第二平均子模块,用于对各个所述第二血糖值对应的低血糖风险量度进行平均,得到所述当前LBGI;
第三平均子模块,用于对各个所述第二血糖值对应的高血糖风险量度进行平均,得到所述当前HBGI。
与现有技术相比,本发明具有以下优点:
根据本发明实施例的技术方案,针对当前的血糖变化趋势,可以分别选取最近某一段时长的时间段,利用各选取时间段内检测到的血糖值分别计算当前的平均每日风险值域(the Average Daily Risk Range,简称ADRR)、当前的低血糖指数(Low Blood GlucoseIndex,简称LBGI)和当前的高血糖指数(High Blood Glucose Index,简称HBGI),然后在分别以ADRR、LBGI、HBGI作为三个坐标轴的三维空间图像中形成当前血糖控制斜面并呈现。由于当前血糖控制斜面与ADRR坐标轴、LBGI坐标轴、HBGI坐标轴的交点值分别为当前ADRR、当前LBGI、当前HBGI,一方面,当前血糖控制斜面越贴近ADRR坐标轴,表明当前ADRR越大,则当前血糖变化趋势体现出越高的血糖风险,另一方面,当前血糖控制斜面越贴近LBGI坐标轴,表明当前LBGI越大,则当前血糖变化趋势体现出越高的低血糖性,再一方面,当前血糖控制斜面越贴近HBGI坐标轴,表明当前HBGI越大,则当前血糖变化趋势体现出越高的高血糖性,因此,如果当前血糖斜面同时向ADRR坐标轴及LBGI坐标轴倾斜,则反映出病人当前处于较高的低血糖风险,而如果当前血糖斜面同时向ADRR坐标轴及LBGI坐标轴倾斜,则反映出病人当前处于较高的高血糖风险,可见,通过向用户呈现的当前血糖控制斜面,可以直观地反映出当前血糖的整体变化趋势,使得用户通过当前血糖控制斜面就可以直观地根据当前血糖控制斜面的倾斜方向来准确地识别当前病人的血糖控制情况是否存在风险以及当前病人的血糖风险是处于高血糖风险还是低血糖风险,使得用户对病人血糖控制情况的风险识别更准确,从而可以依据准确地血糖风险识别来准确地制定后续血糖控制治疗手段。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请中记载的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明中血糖变化的呈现方法一实施例的流程图;
图2为本发明实施例中计算当前ADRR一实施方式的流程图;
图3为本发明实施例中一种r(BG)随f(BG)的分布示例的示意图;
图4为本发明实施例中计算当前LBGI和当前HBGI一实施方式的流程图;
图5为本发明实施例中一种当前血糖控制斜面呈现示例的示意图;
图6为本发明实施例中另一种当前血糖控制斜面呈现示例的示意图;
图7为本发明实施例中又一种当前血糖控制斜面呈现示例的示意图;
图8为本发明实施例中一种变化角波动曲线示例的示意图;
图9为本发明实施例中一种低血糖发生概率曲面示例的示意图;
图10为本发明实施例中一种血糖风险区域划分示例的示意图;
图11为本发明实施例中一种提示信息呈现示例的示意图;
图12为本发明中血糖变化的呈现设备一实施例的结构图;
图13为本发明实施例中一应用场景所涉及的系统框架示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
发明人经过研究发现,现有技术中之所以用户无法直观地从呈现内容中准确地识别出病人的血糖控制情况存在的血糖风险,原因在于现有技术仅仅是向用户呈现不同时期采集到的血糖值及饮食情况、运动情况等测试环境因素。由于血糖的变化受到治疗手段及剂量、饮食情况、运动情况、代谢情况等多方面环境因素的影响,并且各方面因素的影响都有一定的延迟性,并且各方面因素的延迟性也并不一致,因此,仅仅通过血糖值用户难以直观地识别出病人的血糖控制情况是否存在风险以及存在怎样的风险,从而难以准确地制定后续治疗手段。而用户为了准确地制定后续治疗手段,往往还需要对呈现出的血糖值进一步分析来确定病人的血糖风险情况,而由于大部分病人难以完成复杂的血糖分析,而又无法频繁地求助于医生,使得病人的血糖控制治疗手段难以及时调整。
基于上述分析,本申请的主要思想是:为了使得用户在面对呈现内容时无需经过复杂血糖分析就能够直观地识别出病人的血糖控制情况是否存在风险以及存在怎样的风险,从而使得后续治疗手段准确制定并及时调整,可以分别选取最近某一段时长的时间段,利用各选取时间段内检测到的血糖值分别计算当前ADRR、当前LBGI、当前HBGI,然后在分别以ADRR、LBGI、HBGI作为三个坐标轴的三维空间图像中形成当前血糖控制斜面并呈现,其中,当前血糖控制斜面与ADRR坐标轴、LBGI坐标轴、HBGI坐标轴的交点值分别可以为当前ADRR、当前LBGI、当前HBGI。由于当前血糖控制斜面可以反映出血糖整体变化趋势,用户通过当前血糖斜面与ADRR坐标轴、LBGI坐标轴、HBGI坐标轴的贴近程度,可以直观地识别出当前病人的血糖控制情况是否处于风险以及当前病人的血糖风险是处于高血糖风险还是低血糖风险,而无需用户自行处理复杂的血糖分析,这不仅使得用户可以准确地制定后续血糖控制治疗手段,也使得病人无需求助于医生就可以及时地调整治疗手段。
在介绍了本发明的主要思想以后,下面结合附图,详细说明本发明的各种非限制性实施方式。
参见图1,示出了本发明中血糖变化的呈现方法一实施例的流程图。在本实施例中,例如具体可以包括如下步骤:
S101、根据最近一个第一追踪周期内检测到的各个血糖值,计算当前平均每日风险值域ADRR,并根据最近一个第二追踪周期内检测到的各个血糖值,计算当前低血糖指数LBGI和当前高血糖指数HBGI。
具体实现时,可以对病人每次采集的血糖值进行记录,在需要呈现当前血糖变化情况时,可以从当前时间向前追溯一个第一追踪周期作为最近一个第一追踪周期,利用最近一个第一追踪周期内记录的血糖值计算当前ADRR,并且,可以从当前时间向前追溯一个第二追踪周期作为最近一个第二追踪周期,利用最近一个第二追踪周期内记录的血糖值计算当前LBGI和当前HBGI。其中,第一追踪周期与第二追踪周期例如可以采用相同的时长,也即,最近一个第一追踪周期与最近一个第二追踪周期可以是相同的时间段,如两者可以都是最近5天;第二追踪周期与第二追踪周期又如可以采用具有不同的时长,也即,最近一个第一追踪周期与最近一个第二追踪周期这两个时间段中,其中一个时间段包含于另一个时间段,如最近一个第一追踪周期可以是最近14天,而最近一个第二追踪周期可以是最近2天,则最近2天的时间段包含于最近14天的时间段。可以理解的是,为了保证呈现出的当前血糖变化情况准确,第一追踪周期的时长例如可以至少为14天,即最近一个追踪周期可以至少为最近14天,第二追踪周期的时间例如可以为2天,即最近一个追踪周期可以为最近2天。此外,每天记录的血糖值例如可以至少包括3次,每天检测并记录血糖值的时间例如可以在早餐前后、午餐前后、晚餐前后和睡前。
在本实施例的一些实施方式中,考虑到血糖值所表示的血糖浓度对于低血糖、正常血糖、高血糖的分布是算术不对称的,高血糖范围(10~33.3mmol/L)比低血糖范围(1.1~3.9mmol/L)大得多,并且正常血糖范围(3.9~10mmol/L)也并不在血糖浓度分布内居中,而从算术不对称的血糖值出发呈现血糖变化情况,则由于低血糖范围较小而使得呈现出的血糖变化情况偏向于高血糖而较不准确,因此,为了避免呈现出的血糖变化情况偏向于高血糖,可以采用对算术不对称的血糖值进行对称化,从而利用血糖值对称化后的变换值来计算ADRR、LBGI和HBGI。
具体地说,对于ADRR的计算方式,如图2所示,例如具体可以包括:
S201、以最近一个第一追踪周期内检测到的各个血糖值作为各个第一血糖值,利用标度变换对所述各个所述第一血糖值进行对称化,得到各个所述第一血糖值对应的变换值。
为了使血糖值变换后能够对称,可以引入一个函数f(BG),并定义该函数在1.1~33.3之间为连续函数,即f(BG)在BG∈[1.1,33.3]为连续函数,其中BG表示血糖值,f(BG)表示与血糖值对应的变换值。考虑到血糖值属于浓度,可以选择对数变化对血糖值进行对称化,即f(BG)可以定义为公式1:
f(BG,α,β,γ)=γ·[(ln(BG))α-β],α,β>0
在利用上述公式1求解f(BG)时,一方面可以选取一个中心点,使血糖总体范围以及正常血糖范围均关于该中心点对称。例如,假设选取0点作为中心点,则f(BG)就满足两个临床假设:
假设1、血糖总体范围关于0点对称,即公式2:f(1.1,α,β)=f(33.3,α,β);
假设2、正常血糖范围关于0点对称,即公式3:f(3.9,α,β)=f(10,α,β)。
在利用上述公式1求解f(BG)时,另一方面可以为了便于定义风险空间,加入一个尺度参数γ,使血糖值变换后最大值与最小值分别为和即公式1如公式4所示:
综上公式1~4,可以解得f(BG),可以表示为公式5:
f(BG)=1.794·[(lnBG)1.026-1.861];
其中,BG表示血糖值,f(BG)表示与血糖值对应的变换值。
具体实现时,可以将公式5保存下来,当需要计算当前ADRR时,可以将最近一个第一追踪周期内检测到的各个第一血糖值输入公式5,从而得到的输出值即为与输入的第一血糖值相对应的第一变换值。
可以理解的是,经过公式5对血糖值进行变换之后,与血糖值对应的变换值的分布,其表示正常血糖中心点的临床中心与算术中心实现了重合,即正常血糖范围的中心点血糖值6.25mmol/L对应的变换值为0,血糖总体范围的最小血糖值1.1mmol/L对应的变换值为血糖总体范围的最大血糖值33.3mmol/L对应的变换值为
S202、根据各个所述第一血糖值对应的变换值,计算各个所述第一血糖值对应的低血糖风险量度及高血糖风险量度。
对于一个血糖值来说,无论其处于低血糖范围还是处于高血糖范围,其都处于风险血糖范围,也即,在计算当前ADRR时,处于低血糖范围的血糖值与处于高血糖范围的血糖值都应与计算出的ADRR成正相关,而两者不能彼此抵消。因此,可以定义一个函数r(BG),用于在由第一血糖值对称化得到第一变换值的基础上得到第一血糖值对应的风险量度,无论血糖值处于低血糖范围还是处于高血糖范围,该风险量度都可以对ADRR起到正相关作用。
具体地,r(BG)与f(BG)的关系可以表示为公式6:
r(BG)=10·f(BG)2。
可以理解的是,经过公式5和6对血糖值的分布进行变换之后,r(BG)所表示的风险量度随f(BG)所表示的变换值呈现出对称的相关关系,其中,风险量度的数值范围可以表示为r(BG)∈[0,100],其最大值100分别在血糖值总体范围的最小值1.1mmol/L处与最大值33.3mmol/L处达到,其最小值0则在正常血糖范围的中心点值6.25mmol/L处达到。具体地,r(BG)随f(BG)的分布例如可以参见图3所示,其中,横坐标为与血糖值对应的变换值f(BG),纵坐标为与血糖值对应的风险量度r(BG)。
需要说明的是,由于r(BG)所表示的风险量度不能区分低血糖风险与高血糖风险,为了呈现能够体现低血糖风险与高血糖风险区别的血糖变化情况,在r(BG)的基础上还可以为血糖值计算其对应的低血糖风险量度与高血糖风险量度。
在公式6的基础上,低血糖风险量度可以通过公式7来计算:
其中,rl(BG)表示低血糖风险量度,f(BG)表示变换值,BG表示血糖值。
在公式6的基础上,高血糖风险量度可以通过公式8来计算:
其中,rh(BG)表示低血糖风险量度,f(BG)表示变换值,BG表示血糖值。
具体实现时,可以将公式6、7、8保存下来,当需要计算当前ADRR时,可以将前述S201得到的、与各个第一血糖值对应的各个第一变换值输入公式6、7、8,从而得到的输出值即为与各个第一血糖值对应的低血糖风险量度与高血糖风险量度。
S203、根据各个所述第一血糖值对应的低血糖风险量度及高血糖风险量度,计算所述最近一个第一追踪周期内每天的最大低血糖风险量度与最大高风险量度之和,作为所述最近一个第一追踪周期内每天的风险值。
具体实现时,对于最近一个追踪周期内每天记录的血糖值,可以在与该天血糖值对应的低血糖风险量度中查找出最大的一个作为该天的最大低血糖风险量度,在与该天血糖值对应的高血糖风险量度中查找出最大的一个作为该天的最大高风险量度,并计算该天的最大低血糖风险量度与最大高血糖风险量度之和,作为该天的风险值。
具体地,假设最近一个追踪周期共有m天,每天检测并记录了n次血糖值,其第i天第j个血糖值可以表示为即最近一个追踪周期内检测到的血糖值可以表示为:
对于第i天来说,
其最大低血糖风险量度可以通过公式9来计算:
其最大高血糖风险量度可以通过公式10来计算:
其中,LRi表示第i天的最大低血糖风险量度,HRi表示第i天的最大高血糖风险量度,则第i天的风险值即可以表示为LRi+HRi。
S204、对所述最近一个第一追踪周期内每天的风险值进行平均,得到所述当前ADRR。
具体地,在前述具有m天记录且每次记录n个血糖值的最近一个第一追踪周期,其当前ADRR可以通过公式11来计算:
需要说明的是,经过研究证明,通过前述公式5~11计算出的ADRR,其能够体现病人当前的血糖情况所存在的风险高低,具体地说,ADRR<20表示的是低风险,20≤ADRR<30表示的是中低风险,30≤ADRR<40表示的是中高风险,ADRR≥40表示的是高风险。
接着返回图1。
在介绍了ADRR的示例性计算方式之后,下面对LBGI和HBGI的示例性计算方式进行介绍。
具体地,对于LBGI和HBGI的计算方式,如图4所示,例如具体可以包括:
S401、以最近一个第二追踪周期内检测到的各个血糖值作为各个第二血糖值,利用标度变换对所述各个所述第二血糖值进行对称化,得到各个所述第二血糖值对应的变换值。
S402、根据各个所述第二血糖值对应的变换值,计算各个所述第二血糖值对应的低血糖风险量度及高血糖风险量度。
可以理解的是,针对最近一个第二追踪周期内检测到的各个第二血糖值,对称化得到与第二血糖值对应的变换值以及计算得到与第二血糖值对应的低血糖风险量度和高血糖风险量度,可参照前述图2所示实施方式中针对最近一个第一追踪周期内检测到的各个第一血糖值而介绍的计算方式示例,具体地说,各个第二血糖值对应的变换值可以采用前述公式5来计算,各个第二血糖值对应的低血糖风险量度可以采用前述公式6和7来计算,各个第二血糖值对应的低血糖风险量度可以采用前述公式6和8来计算。
进一步而言,通常计算LBGI和HBGI所需采集血糖值的时长小于计算ADRR所需采集血糖值的时长,最近一个第二追踪周期通常是包含在最近一个第二追踪周期以内的,也即,在最近一个第一追踪周期内检测到的第一血糖值中包含了最近一个第二追踪周期内检测到的所有第二血糖值,此时,在计算了各个第一血糖值对应的低血糖风险量度和高血糖风险量度之后,可以直接从中选取第二血糖值对应的低血糖风险量度和高血糖风险量度,以便进入S403和S404来完成当前LBGI和当前HBGI的计算,而无需再重新基于第二血糖值计算变换值、低血糖风险量度和高血糖风险量度。
S403、对各个所述第二血糖值对应的低血糖风险量度进行平均,得到所述当前LBGI。
S404、对各个所述第二血糖值对应的高血糖风险量度进行平均,得到所述当前HBGI。
具体地,例如,前述具有m天的最近一个第一追踪周期示例的基础上,假设最近一个第二追踪周期共有2天,则最近一个第二追踪周期即为最近一个追踪周期的第m-1天和第m天,进一步假设第m-1天记录了nm-1个血糖值,则第二血糖值则可以包括以及
对于上述示例的最近一个第二追踪周期,其当前LBGI可以通过公式12来计算:
对于上述示例的最近一个第二追踪周期,其当前LBGI可以通过公式13来计算:
接着返回图1。在S101执行完成之后,可以进入S102的执行。
S102、在分别以ADRR、LBGI、HBGI作为三个坐标轴的三维空间图像中,形成当前血糖控制斜面并呈现;其中,所述当前血糖控制斜面与所述ADRR坐标轴的交点值为所述当前ADRR,所述当前血糖控制斜面与所述LBGI坐标轴的交点值为所述当前LBGI,所述当前血糖控制斜面与所述HBGI坐标轴的交点值为所述当前HBGI。
具体实现时,在三维空间图像中,当前血糖控制斜面呈现在以ADRR、LBGI和HBGI作为坐标轴的坐标系中。其中,对于当前血糖控制斜面与ADRR坐标轴的交点,该交点在ADRR坐标轴的坐标值为当前ADRR,当然,该交点在其他两个坐标轴的坐标值为0;对于当前血糖控制斜面与LBGI坐标轴的交点,该交点在LBGI坐标轴的坐标值为当前LBGI,当然,该交点在其他两个坐标轴的坐标值为0;对于当前血糖控制斜面与HBGI坐标轴的交点,该交点在HBGI坐标轴的坐标值为当前HBGI,当然,该交点在其他两个坐标轴的坐标值为0。可以理解的是,用于呈现当前血糖控制斜面的坐标系中,ADRR、LBGI、HBGI三者可以任意地定义到x、y、z坐标轴上,例如,在图5所示的当前血糖控制斜面呈现示例的示意图中,ADRR坐标轴可以为坐标系的z轴,HBGI可以为坐标系的x轴,LBGI可以为坐标系的y轴。
在呈现有当前血糖控制斜面的三维空间图像中,可以通过图像所呈现出的可视化效果直观地反映病人当前血糖整体变化情况所存在的风险高低并区分高血糖风险及低血糖风险。具体地说,当前血糖控制斜面越贴近ADRR坐标轴,体现的是当前血糖控制斜面与ADRR坐标轴的交点值越大,即当前ADRR越大,而ADRR越大则表明病人当前的血糖变化呈现出越大的风险,因此,通过当前血糖控制斜面贴近ADRR坐标轴的程度,用户可以直观地识别血糖风险的高低;当前血糖控制斜面越贴近LBGI坐标轴,体现的是当前血糖控制斜面与LBGI交点值越大,即当前LBGI越大则表明病人当前的血糖风险呈现出越大的低血糖性,而当前血糖控制斜面越贴近HBGI坐标轴,体现的是当前血糖控制斜面与HBGI交点值越大,即当前HBGI越大则表明病人当前的血糖风险呈现出越大的高血糖性,因此,通过当前血糖控制斜面贴近LBGI坐标轴与贴近HBGI坐标轴的程度,用户可以直观地区分血糖风险的属性是偏向于高血糖风险还是偏向于低血糖风险。
在一些实施方式中,不同时期计算得到的ADRR、LBGI和HBGI可以对应地记录下来,而在三维空间图像中,可以根据用户的选择操作选取不同时期记录的ADRR、LBGI和HBGI,以据此形成不同时期的血糖控制斜面并呈现。此外,在另一些实施方式中,还可以在三维空间图像中形成并呈现多个不同时期的血糖控制斜面,以便于用户直观地对不同时期血糖变化情况进行比较。例如,在图6所示的当前血糖控制斜面呈现示例的示意图中,在三维空间图像中同一坐标系上呈现了连续三周的时间中每个周的血糖控制斜面,从图6中可知,该病人的血糖整体变化趋势在第一周时存在较高的高血糖风险,在第二周时血糖风险有所缓解,而在第三周时则出现了较高的低血糖风险,可见,该病人在第三周时有可能对血糖的控制过于严格。
在本实施例的一些实施方式中,考虑到用户通过血糖控制斜面可以直观地、容易地对血糖变化情况存在的风险进行定性识别,而为了使用户也可以直观地、容易地对血糖风险进行定量分析,本实施例中还可以计算所述当前血糖控制斜面的法向量方向,并在所述三维空间图像中呈现按照所述法向量方向呈现当前血糖风险向量,其中,所述当前风险向量的起点可以为所述三维空间的原点,所述当前风险向量可以由所述原点指向所述当前血糖控制斜面。通过血糖风险向量,用户可以直观地定量分析血糖控制斜面的法向量方向,从而可以在视觉上对ADRR、LBGI及HBGI的大小进行识别,实现直观地对血糖变化情况进行定量分析。
具体实现时,可以在已知的当前血糖控制斜面以内选取两个向量,再根据这两个已知向量来计算当前血糖控制斜面的法向量法相,假设从当前血糖控制斜面选取的两个向量分别为和当前风险向量为则当前风险向量可以通过公式14所示的方程组来求解:
进一步而言,在本实施例的又一些实施方式中,考虑到病人的血糖变化处于节奏过快、幅度过大的过于剧烈程度会对病人的机体造成损伤,为了使用户能够直观地识别不同时期血糖变化的剧烈程度,本实施例在呈现当前风险向量实施方式基础上,还可以计算所述当前血糖风险向量与前一次计算的血糖风险向量之间的夹角,作为当前血糖风险向量变化角,并将所述当前血糖风险向量变化角与所述当前时间对应记录,然后可以按照各个血糖风险向量变化角的记录时间的顺序,将各个血糖风险向量变化角所表示的坐标点连接成变化角波动曲线并呈现。
具体实现时,对于两个不同时期的血糖控制斜面,两者的血糖风险向量分别为和则该两个时期之间的风险向量变化角可以通过公式15来计算:
其中,α表示的即是和之间的风险向量变化角。
例如,在图7所示的当前血糖控制斜面呈现示例的示意图中,对于所呈现的两个血糖控制斜面,所呈现的和即分别是该两个血糖控制斜面对应时期的血糖风险向量,所呈现的“α”即是该两个血糖控制斜面对应时期之间的血糖风险向量变化角。
需要说明的是,为了呈现出连续几个周期的血糖变化情况,每个时期可以将本时期与前一时期之间的血糖风险向量变化角作为本时期的当前血糖风险向量变化角,即当前血糖风险向量变化角可以为当前血糖风险向量与前一次计算的血糖风险向量之间的夹角,则该周期的当前血糖风险向量变化角可以体现该周期内血糖变化的剧烈程度,此时,再按照血糖风险向量变化角对应的时期顺序(也即血糖风险向量变化角的记录时间顺序)形成变化角波动曲线,从而用户通过变化角波动曲线就可以识别连续几个周期内血糖变化在各个时期变化的剧烈程度。
例如,在图8所示的变化角波动曲线示例的示意图中,纵坐标表示的是血糖风险向量变化角的角度大小;横坐标表示的可以是各血糖风险向量变化角的记录时间的顺序序号,如在图8所示的横坐标中“1”表示第1次的记录、“2”表示第2次的记录等等,或者,横坐标表示的也可以是各血糖风险向量变化角的记录时间,如在图8所示的横坐标中“1”表示第1天、“2”表示第2天等等。
可以理解的是,对于血糖风险向量变化角,如果其角度保持在30°以下,则可以认为其体现的是正常的血糖变化情况,即此时血糖变化属于非剧烈程度;如果其角度处于30°到90°之间,则可以认为其体现的是较为剧烈的血糖变化情况,即此时血糖变化属于剧烈程度;如果其角度处于90°以上,则可以认为其体现的是异常剧烈的血糖变化情况,即此时血糖变化属于异常剧烈程度。
在本实施例的再一些实施方式中,考虑到低血糖的危害更大,为了避免可能出现的低血糖情况,可以结合当前ADRR与当前LGBI预测未来一段时间内的低血糖发生概率,以提示用户应对病人可能出现的低血糖情况。具体地说,本实施例例如还可以包括:从以ADRR的数值范围和LBGI的数值范围划分的血糖风险等级区域中,根据所述当前ADRR与所述当前LBGI确定当前血糖风险等级区域,并以所述当前血糖风险等级区域所表示的风险等级作为当前风险等级,呈现所述当前风险等级对应的提示信息;其中,所述血糖风险等级区域的风险等级表示的是低血糖发生概率,所述血糖风险等级区域对应的低血糖发生概率是对所述血糖风险等级区域的ADRR和LBGI联合概率分布而计算得到的。
具体实现时,例如,联合ADRR和LBGI两个参数共同对低血糖风险进行相关性分析,将{LBGI,ADRR}对映射成未来24小时内发生低血糖的概率,形成联合概率分布。其中,联合概率分布例如可以采用贝叶斯概率理论来形成,具体地,可以通过公式16来表示:
在形成联合分布之后,由联合概率分布可以解得随ADRR与LBGI两个参数变化的低血糖发生概率曲面,将该曲面向ADRR-LBGI平面投影,该ADRR-LBGI平面上每个坐标点的值表示的即是该点ADRR与LBGI所对应的低血糖发生概率。其中,低血糖发生概率曲面例如可以参见图9所示的示例示意图,其z轴坐标“Probability”表示的即是低血糖发生概率。
在将低血糖发生概率投影到ADRR-LBGI平面之后,可以将ADRR-LBGI平面的投影区域按照低血糖发生概率的大小划分成多个血糖风险等级区域,其各个血糖风险等级区域的血糖风险等级大小可以表示各自区域内的低血糖发生概率大小。例如,在图10所示的血糖风险区域划分示例的示意图中,投影图形被划分成9个血糖风险等级区域,其中,血糖风险等级区域“1”的风险等级可以为1级,血糖风险等级区域“2”、“3”和“4”的风险等级可以为2级,血糖风险等级区域“5”和“6”的风险等级可以为3级,血糖风险等级区域“7”和“8”的风险等级可以为4级,血糖风险等级区域“9”的风险等级可以为5级。可以理解的是,低血糖发生概率从风险等级的1级到5级逐级增大,具体到各个血糖风险等级区域,其低血糖风险可以具有如下特性:
1、血糖风险等级区域“1”:ADRR≤20,LBGI≤2.5,低血糖风险低,血糖控制良好,风险等级为1;
2、血糖风险等级区域“2”:20≤ADRR≤40,LBGI≤2.5,低血糖中度风险,但血糖变异性较高,风险等级为2;
3、血糖风险等级区域“3”:ADRR≤20,2.5≤LBGI≤5,低血糖中度风险,风险等级为2;
4、血糖风险等级区域“4”:20≤ADRR≤40,2.5≤LBGI≤5,血糖变异中度风险,风险等级为2;
5、血糖风险等级区域“5”:40≤ADRR≤60,LBGI≤2.5,低血糖过度校正,存在高血糖风险,风险等级为3;
6、血糖风险等级区域“6”:ADRR≤20,5≤LBGI≤7.5,低血糖风险高,风险等级为3;
7、血糖风险等级区域“7”:40≤ADRR≤60,2.5≤LBGI≤5,血糖变异性风险高,风险等级为4;
8、血糖风险等级区域“8”:20≤ADRR≤40,5≤LBGI≤7.5,低血糖风险高,且血糖变异性严重,风险等级为4;
9、血糖风险等级区域“9”:40≤ADRR≤60,5≤LBGI≤7.5,血糖波动过度变异,血糖控制失败,血糖等级为5。
在ADRR-LBGI平面中划分了血糖风险等级区域之后,可以将血糖风险等级区域与其ADRR数值范围、LBGI数值范围之间的对应关系进行保存。当需要提示当前的低血糖发生概率时,可以依据当前ADRR与当前LBGI,在ADRR-LBGI平面中查找以当前ADRR与当前LBGI分别作为两坐标值的坐标点,并以该坐标点作为当前坐标点,再利用预先为血糖风险等级区域保存的对应关系,查找该当前坐标点位于哪一血糖风险等级区域,从而以该血糖风险等级区域作为当前血糖风险等级区域,将当前血糖风险等级区域对应的提示信息呈现给用户。其中,提示信息的呈现方式例如可以是,在ADRR-LBGI平面上呈现出各个不同的血糖风险等级区域,并在各个血糖风险等级区域中标识各自的风险等级,而当前血糖风险等级区域对应的提示信息,可以与当前血糖风险等级区域对应呈现。例如,在图11所示的提示信息呈现示例的示意图中,在各个血糖风险等级区域中间的数字可以表示其血糖风险等级;如果当前ADRR与当前LBGI属于右上角的血糖风险等级区域,则可以呈现其对应的提示信息“血糖风险过高,请注意管理”并可以使该提示信息指向该血糖风险等级区域;如果当前ADRR与当前LBGI属于左下角的血糖风险等级区域时,则可以呈现其对应的提示信息“血糖处于良好状态,请保持”并可以使该提示信息指向该血糖风险等级区域。
通过本实施例的技术方案,由于当前血糖控制斜面可以反映出血糖整体变化趋势,用户通过当前血糖斜面与ADRR坐标轴、LBGI坐标轴、HBGI坐标轴的贴近程度,可以直观地识别出当前病人的血糖控制情况是否处于风险以及当前病人的血糖风险是处于高血糖风险还是低血糖风险,而无需用户自行处理复杂的血糖分析,这不仅使得用户可以准确地制定后续血糖控制治疗手段,也使得病人无需求助于医生就可以及时地调整治疗手段。
在介绍了本发明示例性实施方式的方法之后,下面介绍对本发明示例性实施方式的、用于血糖变化呈现的设备。
参见图12,示出了血糖变化的呈现设备一实施例的结构图。在本实施例中,所述设备例如具体可以包括:
第一计算模块1201,用于根据最近一个第一追踪周期内检测到的各个血糖值,计算当前平均每日风险值域ADRR;
第二计算模块1202,用于根据最近一个第二追踪周期内检测到的各个血糖值,计算当前低血糖指数LBGI和当前高血糖指数HBGI;
第一呈现模块1203,用于在分别以ADRR、LBGI、HBGI作为三个坐标轴的三维空间图像中,形成当前血糖控制斜面并呈现;其中,所述当前血糖控制斜面与所述ADRR坐标轴的交点值为所述当前ADRR,所述当前血糖控制斜面与所述LBGI坐标轴的交点值为所述当前LBGI,所述当前血糖控制斜面与所述HBGI坐标轴的交点值为所述当前HBGI。
可选的,在本实施例的一些实施方式中,所述设备例如还可以包括:
第三计算模块1204,用于计算所述当前血糖控制斜面的法向量方向;
第二呈现模块1205,用于在所述三维空间图像中呈现按照所述法向量方向呈现当前血糖风险向量;
其中,所述当前风险向量的起点为所述三维空间的原点,所述当前风险向量由所述原点指向所述当前血糖控制斜面。
可选的,在本实施例的另一些实施方式中,结合包括第三计算模块1304和第二呈现模块1205的实施方式,所述设备例如还可以包括:
第四计算模块1206,用于计算所述当前血糖风险向量与前一次计算的血糖风险向量之间的夹角,作为当前血糖风险向量变化角;
记录模块1207,用于将所述当前血糖风险向量变化角与所述当前时间对应记录;
第三呈现模块1208,用于按照各个血糖风险向量变化角的记录时间的顺序,将各个血糖风险向量变化角所表示的坐标点连接成变化角波动曲线并呈现。
可选的,在本实施例的又一些实施方式中,所述设备例如还可以包括:
确定模块1209,用于从以ADRR的数值范围和LBGI的数值范围划分的血糖风险等级区域中,根据所述当前ADRR与所述当前LBGI确定当前血糖风险等级区域;
第四呈现模块1210,用于以所述当前血糖风险等级区域所表示的风险等级作为当前风险等级,呈现所述当前风险等级对应的提示信息;
其中,所述血糖风险等级区域的风险等级表示的是低血糖发生概率,所述血糖风险等级区域对应的低血糖发生概率是对所述血糖风险等级区域的ADRR和LBGI联合概率分布而计算得到的。
可选的,在本实施例的再一些实施方式中,所述第一计算模块1301例如具体可以包括:
第一对称化子模块,用于以最近一个第一追踪周期内检测到的各个血糖值作为各个第一血糖值,利用标度变换对所述各个所述第一血糖值进行对称化,得到各个所述第一血糖值对应的变换值;
第一计算子模块,用于根据各个所述第一血糖值对应的变换值,计算各个所述第一血糖值对应的低血糖风险量度及高血糖风险量度;
第二计算子模块,用于根据各个所述第一血糖值对应的低血糖风险量度及高血糖风险量度,计算所述最近一个第一追踪周期内每天的最大低血糖风险量度与最大高风险量度之和,作为所述最近一个第一追踪周期内每天的风险值;
第一平均子模块,用于对所述最近一个第一追踪周期内每天的风险值进行平均,得到所述当前ADRR。
可选的,在本实施例的又再一些实施方式中,所述第二计算模块1302例如具体可以包括:
第二对称化子模块,用于以最近一个第二追踪周期内检测到的各个血糖值作为各个第二血糖值,利用标度变换对所述各个所述第二血糖值进行对称化,得到各个所述第二血糖值对应的变换值;
第三计算子模块,用于根据各个所述第二血糖值对应的变换值,计算各个所述第二血糖值对应的低血糖风险量度及高血糖风险量度;
第二平均子模块,用于对各个所述第二血糖值对应的低血糖风险量度进行平均,得到所述当前LBGI;
第三平均子模块,用于对各个所述第二血糖值对应的高血糖风险量度进行平均,得到所述当前HBGI。
通过本实施例的技术方案,由于当前血糖控制斜面可以反映出血糖整体变化趋势,用户通过当前血糖斜面与ADRR坐标轴、LBGI坐标轴、HBGI坐标轴的贴近程度,可以直观地识别出当前病人的血糖控制情况是否处于风险以及当前病人的血糖风险是处于高血糖风险还是低血糖风险,而无需用户自行处理复杂的血糖分析,这不仅使得用户可以准确地制定后续血糖控制治疗手段,也使得病人无需求助于医生就可以及时地调整治疗手段。
需要说明的是,本发明实施方式的应用场景之一,例如可以是应用到血糖仪与智能终端组成的系统中。具体地说,如图13所示,血糖仪通过血糖检测模块对患者的血糖进行检测,在通过主控制器计算生成血糖值之后,可以将血糖值通过传输模块发送给智能终端,而智能终端可以执行本发明前述任意一种实施方式的血糖变化呈现方法,或者可以配置本发明前述任意一种实施方式的血糖变化呈现设备,从而实现直观地呈现血糖变化情况。其中,血糖仪的传输模块例如可以采用蓝牙、红外、无线和/或通信等方式与智能终端进行通信,此外,血糖仪例如还可以包括电源控制模块、扬声装置等元件。
需要注意的是,上述应用场景仅是为了便于理解本发明的精神和原理而示出,本发明的实施方式在此方面不受任何限制。相反,本发明的实施方式可以应用于适用的任何场景。
还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
对于设备实施例而言,由于其基本对应于方法实施例,所以相关之处参见方法实施例的部分说明即可。以上所描述的设备实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
以上所述仅是本申请的具体实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本申请的保护范围。
Claims (10)
1.一种血糖变化的呈现方法,其特征在于,包括:
根据最近一个第一追踪周期内检测到的各个血糖值,计算当前平均每日风险值域ADRR,并根据最近一个第二追踪周期内检测到的各个血糖值,计算当前低血糖指数LBGI和当前高血糖指数HBGI;
在分别以平均每日风险值域、低血糖指数、高血糖指数作为三个坐标轴的三维空间图像中,形成当前血糖控制斜面并呈现;其中,所述当前血糖控制斜面与所述平均每日风险值域的坐标轴的交点值为所述当前平均每日风险值域,所述当前血糖控制斜面与所述低血糖指数的坐标轴的交点值为所述当前低血糖指数,所述当前血糖控制斜面与所述高血糖指数的坐标轴的交点值为所述当前高血糖指数。
2.根据权利要求1所述的方法,其特征在于,还包括:
计算所述当前血糖控制斜面的法向量方向,并在所述三维空间图像中呈现按照所述法向量方向呈现当前血糖风险向量;
其中,所述当前血糖风险向量的起点为所述三维空间的原点,所述当前血糖风险向量由所述原点指向所述当前血糖控制斜面。
3.根据权利要求2所述的方法,其特征在于,还包括:
计算所述当前血糖风险向量与前一次计算的血糖风险向量之间的夹角,作为当前血糖风险向量变化角,并将所述当前血糖风险向量变化角与当前时间对应记录;
按照各个血糖风险向量变化角的记录时间的顺序,将各个血糖风险向量变化角所表示的坐标点连接成变化角波动曲线并呈现。
4.根据权利要求1所述的方法,其特征在于,还包括:
从以平均每日风险值域的数值范围和低血糖指数的数值范围划分的血糖风险等级区域中,根据所述当前平均每日风险值域与所述当前低血糖指数确定当前血糖风险等级区域,并以所述当前血糖风险等级区域所表示的风险等级作为当前风险等级,呈现所述当前风险等级对应的提示信息;
其中,所述血糖风险等级区域的风险等级表示的是低血糖发生概率,所述血糖风险等级区域对应的低血糖发生概率是对所述血糖风险等级区域的平均每日风险值域和低血糖指数联合概率分布而计算得到的。
5.根据权利要求1所述的方法,其特征在于,所述根据最近一个第一追踪周期内检测到的各个血糖值,计算当前平均每日风险值域ADRR,包括:
以最近一个第一追踪周期内检测到的各个血糖值作为各个第一血糖值,利用标度变换对所述各个所述第一血糖值进行对称化,得到各个所述第一血糖值对应的变换值;
根据各个所述第一血糖值对应的变换值,计算各个所述第一血糖值对应的低血糖风险量度及高血糖风险量度;
根据各个所述第一血糖值对应的低血糖风险量度及高血糖风险量度,计算所述最近一个第一追踪周期内每天的最大低血糖风险量度与最大高风险量度之和,作为所述最近一个第一追踪周期内每天的风险值;
对所述最近一个第一追踪周期内每天的风险值进行平均,得到所述当前平均每日风险值域。
6.根据权利要求1所述的方法,其特征在于,所述根据最近一个第二追踪周期内检测到的各个血糖值,计算当前低血糖指数LBGI和当前高血糖指数HBGI,包括:
以最近一个第二追踪周期内检测到的各个血糖值作为各个第二血糖值,利用标度变换对所述各个所述第二血糖值进行对称化,得到各个所述第二血糖值对应的变换值;
根据各个所述第二血糖值对应的变换值,计算各个所述第二血糖值对应的低血糖风险量度及高血糖风险量度;
对各个所述第二血糖值对应的低血糖风险量度进行平均,得到所述当前低血糖指数;
对各个所述第二血糖值对应的高血糖风险量度进行平均,得到所述当前高血糖指数。
7.一种血糖变化的呈现设备,其特征在于,包括:
第一计算模块,用于根据最近一个第一追踪周期内检测到的各个血糖值,计算当前平均每日风险值域ADRR;
第二计算模块,用于根据最近一个第二追踪周期内检测到的各个血糖值,计算当前低血糖指数LBGI和当前高血糖指数HBGI;
第一呈现模块,用于在分别以平均每日风险值域、低血糖指数、高血糖指数作为三个坐标轴的三维空间图像中,形成当前血糖控制斜面并呈现;其中,所述当前血糖控制斜面与所述平均每日风险值域的坐标轴的交点值为所述当前平均每日风险值域,所述当前血糖控制斜面与所述低血糖指数的坐标轴的交点值为所述当前低血糖指数,所述当前血糖控制斜面与所述高血糖指数的坐标轴的交点值为所述当前高血糖指数。
8.根据权利要求7所述的设备,其特征在于,还包括:
第三计算模块,用于计算所述当前血糖控制斜面的法向量方向;
第二呈现模块,用于在所述三维空间图像中呈现按照所述法向量方向呈现当前血糖风险向量;
其中,所述当前血糖风险向量的起点为所述三维空间的原点,所述当前血糖风险向量由所述原点指向所述当前血糖控制斜面。
9.根据权利要求8所述的设备,其特征在于,还包括:
第四计算模块,用于计算所述当前血糖风险向量与前一次计算的血糖风险向量之间的夹角,作为当前血糖风险向量变化角;
记录模块,用于将所述当前血糖风险向量变化角与当前时间对应记录;
第三呈现模块,用于按照各个血糖风险向量变化角的记录时间的顺序,将各个血糖风险向量变化角所表示的坐标点连接成变化角波动曲线并呈现。
10.根据权利要求7所述的设备,其特征在于,还包括:
确定模块,用于从以平均每日风险值域的数值范围和低血糖指数的数值范围划分的血糖风险等级区域中,根据所述当前平均每日风险值域与所述当前低血糖指数确定当前血糖风险等级区域;
第四呈现模块,用于以所述当前血糖风险等级区域所表示的风险等级作为当前风险等级,呈现所述当前风险等级对应的提示信息;
其中,所述血糖风险等级区域的风险等级表示的是低血糖发生概率,所述血糖风险等级区域对应的低血糖发生概率是对所述血糖风险等级区域的平均每日风险值域和低血糖指数联合概率分布而计算得到的。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410510704.3A CN104657576B (zh) | 2014-09-28 | 2014-09-28 | 一种血糖变化的呈现方法和设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410510704.3A CN104657576B (zh) | 2014-09-28 | 2014-09-28 | 一种血糖变化的呈现方法和设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104657576A CN104657576A (zh) | 2015-05-27 |
CN104657576B true CN104657576B (zh) | 2017-09-22 |
Family
ID=53248694
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410510704.3A Active CN104657576B (zh) | 2014-09-28 | 2014-09-28 | 一种血糖变化的呈现方法和设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104657576B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI574009B (zh) * | 2016-01-18 | 2017-03-11 | 醫博科技股份有限公司 | 應用於食物升糖指數評估之快速測定方法 |
CN112133398B (zh) * | 2020-09-28 | 2021-09-24 | 上海梅斯医药科技有限公司 | 血糖管控方法、系统及存储介质 |
WO2023070250A1 (en) * | 2021-10-25 | 2023-05-04 | Medtrum Technologies Inc. | Closed-loop artificial pancreas insulin infusion personalized control system |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007081853A2 (en) * | 2006-01-05 | 2007-07-19 | University Of Virginia Patent Foundation | Method, system and computer program product for evaluation of blood glucose variability in diabetes from self-monitoring data |
CN101947115A (zh) * | 2010-10-14 | 2011-01-19 | 天津大学 | 基于光纤衰减全反射的植入式人体血糖浓度连续监测系统 |
CN103270513A (zh) * | 2010-08-12 | 2013-08-28 | 哈特弗罗公司 | 用于患者特异性血流建模的方法和系统 |
CN103263257A (zh) * | 2013-05-15 | 2013-08-28 | 深圳市美的连电子科技有限公司 | 一种远程生命体征测量系统 |
CN103340635A (zh) * | 2013-05-30 | 2013-10-09 | 苏州光环科技有限公司 | 基于oct的光学参数与血糖浓度三维相关性的计算方法 |
-
2014
- 2014-09-28 CN CN201410510704.3A patent/CN104657576B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007081853A2 (en) * | 2006-01-05 | 2007-07-19 | University Of Virginia Patent Foundation | Method, system and computer program product for evaluation of blood glucose variability in diabetes from self-monitoring data |
CN103270513A (zh) * | 2010-08-12 | 2013-08-28 | 哈特弗罗公司 | 用于患者特异性血流建模的方法和系统 |
CN101947115A (zh) * | 2010-10-14 | 2011-01-19 | 天津大学 | 基于光纤衰减全反射的植入式人体血糖浓度连续监测系统 |
CN103263257A (zh) * | 2013-05-15 | 2013-08-28 | 深圳市美的连电子科技有限公司 | 一种远程生命体征测量系统 |
CN103340635A (zh) * | 2013-05-30 | 2013-10-09 | 苏州光环科技有限公司 | 基于oct的光学参数与血糖浓度三维相关性的计算方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104657576A (zh) | 2015-05-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Lopez-Jimenez et al. | Artificial intelligence in cardiology: present and future | |
Xie et al. | Integration of artificial intelligence, blockchain, and wearable technology for chronic disease management: a new paradigm in smart healthcare | |
AU2022200074A1 (en) | Computational Medical Treatment Plan Method and System with Mass Medical Analysis | |
US11081234B2 (en) | Clinical support systems and methods | |
US20150339442A1 (en) | Computational medical treatment plan method and system with mass medical analysis | |
Bergier et al. | Digital health, big data and smart technologies for the care of patients with systemic autoimmune diseases: where do we stand? | |
WO2014047528A1 (en) | Method and system for trend-based patient management | |
CN104657576B (zh) | 一种血糖变化的呈现方法和设备 | |
Bhavnani | Digital health: opportunities and challenges to develop the next-generation technology-enabled models of cardiovascular care | |
Riley et al. | Internet of Things-based Smart Healthcare Systems and Wireless Biomedical Sensing Devices in Monitoring, Detection, and Prevention of COVID-19. | |
Barnes et al. | Artificial intelligence-enabled wearable medical devices, clinical and diagnostic decision support systems, and Internet of Things-based healthcare applications in COVID-19 prevention, screening, and treatment | |
Shahrokni et al. | Toward modernization of geriatric oncology by digital health technologies | |
Pépin et al. | Reshaping sleep apnea care: time for value-based strategies | |
US10726097B2 (en) | Readmission risk scores | |
Bhagat | Artificial Intelligence in Healthcare | |
Mandzuka et al. | Mobile clinical decision support system for acid-base balance diagnosis and treatment recommendation | |
Chakraborty et al. | Mobile IoT adoption as antecedent to Care-Service Efficiency and Improvement: Empirical study in Healthcare-context | |
CN108665975A (zh) | 临床路径匹配方法和系统 | |
Smith et al. | Bias in Reinforcement Learning: A Review in Healthcare Applications | |
He et al. | A smartphone app framework for segmented cancer care coordination | |
Balasubramanian et al. | Localized glaucomatous change detection within the proper orthogonal decomposition framework | |
Turimov Mustapoevich et al. | Machine Learning Applications in Sarcopenia Detection and Management: A Comprehensive Survey | |
Fortier et al. | Development of a mobile cardiac wellness application and integrated wearable sensor suite | |
You et al. | A drug administration decision support system | |
Poli et al. | Cross-Domain Classification of Physical Activity Intensity: An EDA-Based Approach Validated by Wrist-Measured Acceleration and Physiological Data |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CP02 | Change in the address of a patent holder |
Address after: Room 2070, building 2, Lane 1800, Xinyang Road, Lingang New Area, China (Shanghai) pilot Free Trade Zone, Pudong New Area, Shanghai, 200120 Patentee after: NEUSOFT XIKANG HEALTHCARE TECHNOLOGY Co.,Ltd. Address before: 100179, No. 315-9, building 321, room 6, 8 West Wang Lu, Haidian District, Beijing Patentee before: NEUSOFT XIKANG HEALTHCARE TECHNOLOGY Co.,Ltd. |
|
CP02 | Change in the address of a patent holder |