CN105160199A - 基于持续血糖监测并具有干预信息的糖尿病管理信息处理和展示方法 - Google Patents
基于持续血糖监测并具有干预信息的糖尿病管理信息处理和展示方法 Download PDFInfo
- Publication number
- CN105160199A CN105160199A CN201510638286.0A CN201510638286A CN105160199A CN 105160199 A CN105160199 A CN 105160199A CN 201510638286 A CN201510638286 A CN 201510638286A CN 105160199 A CN105160199 A CN 105160199A
- Authority
- CN
- China
- Prior art keywords
- blood sugar
- information
- module
- patient
- analysis
- 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
Links
Landscapes
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
本发明公开了基于持续血糖监测并具有干预信息的糖尿病管理信息处理和展示方法，包括信息处理步骤和信息展示步骤，信息处理的血糖变化信息由基于光学监测的无创血糖监测技术进行全天候持续采集；信息展示步骤将持续血糖监测所产生的血糖监测结果，映射到二维图形上进行展示，形成血糖随时间变化而变化的曲线图。本发明的有益效果是：基于光学检测的无创血糖监测技术，提供了一种将药物治疗、饮食与运动等生活干预信息与血糖变化相关联的展示方法,帮助患者了解药物、运动和饮食对其血糖变化的积极作用，为患者提供直观认识，促进其积极进行干预和管理。
Description
技术领域
本发明涉及血糖监测技术领域，具体涉及基于持续血糖监测并具有干预信息的糖尿病管理信息处理和展示方法。
背景技术
糖尿病是当前威胁全球人类健康的最重要的NCD之一。随着经济高速发展和工业化进程的加速，生活方式的改变和老龄化进程的加速，使我国糖尿病的患病率正呈快速上升的趋势，成为继心脑血管疾病、肿瘤之后另一个严重危害人民健康的重要慢性非传染性疾病。我国糖尿病患者在2013年已达1.14亿，并有1.5亿的糖尿病前期高危人群。
糖尿病是一种终身性疾病，一经诊断即要开始复杂的、持续终身的自我管理和照顾。无论是对于糖尿病患者还是高危人群，糖尿病自我管理都是糖尿病有效控制的一个关键组成部分。糖尿病自我管理中具有行为干预的“五架马车”方法论："教育是核心、饮食是基础、运动是手段、药物是武器、监测是保障"。其中饮食、运动、药物三个环节形成了完整的治疗干预信息，构成了一套自我管理和治疗方案，而检测则是验证治疗的效果如何，然后再进行调整，直到形成稳定的血糖控制。
糖尿病是由于体内胰岛素分泌不足或作用无效引起的糖、脂肪和蛋白质代谢紊乱，临床表现为多喝多吃多尿，体重不断减少。糖尿病是一种非传染性慢性疾病，大多数糖尿病患者平日里饮食、用药不规范，导致病情极不稳定，反反复复的发作，提高了并发症的发生概率。由于病情的反复，导致患者的心情很糟，时常处于一种难以控制的抑郁之中，形成心理障碍，极不利于病情的治疗。糖尿病护理中行为干预的目的就是为了帮患者养成良好、健康的行为方式，建立积极的治疗心态，通过患者的自我行为有效的控制血糖和糖化血红蛋白的水平，提高患者掌握糖尿病的自我管理能力。
虽然血糖仪已经经历了无数次改进，但是目前侵入式的有创血糖仪还是整个血糖检测市场的绝对主力：患者每次监测时需要刺破手指取血，而有效的血糖管理需要每日进行7次到8次（三餐前后、半夜、凌晨各采血一次）的测量才能满足需求。由于惧怕疼痛，以及由此引发的心理恐惧，导致极大一部分糖尿病患者减少或抗拒测试，监测次数少甚至干脆放弃血糖检测，无法有效进行糖尿病管理。近年来在全国大中城市二级以上医院进行的一项调查，其结果表明糖尿病患者的控制达标率仅26%，也有力的支持了这一并不理想的现实。
另一方面，即使达到目前有创监测次数的要求，这种监测仍然无法满足糖尿病患者自我管理的需要。其主要原因在于：人体的血糖是随时随刻保持不断变化的，任何生活的因素，例如饮食、水果，以及运动等等，都会直接引起血糖水平的变化；而有创监测的方式，不同的监测点之间存在几个小时的空白区，以点带面的评估方式，很难反映实际的血糖变化情况。因此，饮食以及运动到底对血糖变化具有什么样的影响，是很难进行评估的。此外，对需要药物来进行血糖控制的患者，由于患者个体情况不同，具有不同的抗药性和抗胰岛素特征，由于缺乏药物治疗后对血糖变化的准确把握，因而无法对药物的疗效进行评估，进而影响治疗方案的调整和改善，大炮打蚊子的治疗方法比比皆是。
基于目前侵入式的有创血糖监测的糖尿病管理目前存在以下的突出问题：
1)饮食控制是糖尿病综合治疗的基础并贯穿于整个糖尿病的治疗过程。没有正确的饮食方案，再多的药物治疗，血糖控制都不会满意。但现有的糖尿病管理软件中，无法将患者饮食情况与血糖变化情况进行关联展示。
2)运动是防治糖尿病的重要手段，可增加胰岛素敏感性，有助于控制血糖。但是，只有适当的运动方式才能给糖尿病患者带来获益：不适当的运动反而会带来更多的危险。实际上，很多糖尿病患者对缺乏对运动治疗有效性和安全性的评估。现有的糖尿病管理无法将患者运动情况与血糖变化情况进行关联展示，导致患者无法评估其运动对血糖改善的有效性和安全性。
3)药物治疗是控制病情发展的根本，由于个体病情差异性，糖尿病类型不同、血糖水平不同、药物的种类和剂量不同、胰岛功能和胰岛素抵抗程度不同，都会导致治疗结果的千差万，这就带来药物依从性的问题。现有的糖尿病管理，无法将患者药物治疗与血糖变化情况进行关联展示，使患者无法监测药物治疗后血糖变化情况，无法对治疗效果进行评估以及改善。
4)教育是核心，是指糖尿病人应该掌握相应的疾病知识和管理知识，以便对病情具有了解和做好心理准备，积极的进行管理和治疗。现有的糖尿病管理，基本依靠社区的交流与讨论来获取知识，无法将自己的实际病情和知识进行紧密的结合，似是而非，无法提高自我管理的技能和知识，甚至引发不必要的恐慌。
5)糖尿病的各种并发症是导致糖尿病人致死致残的关键因素。因此糖尿病管理的核心功能之一，是对糖尿病的病程发展以及并发症发生的风险进行预测，以便协助患者延缓和控制并发症，提高患者生存质量和降低医疗费用。现有的糖尿病管理，由于缺乏足够的监测样本数据，无法对并发症的发生风险进行预测。
伴随科技的进步，目前基于光学监测的无创血糖监测技术已经获得突破。这种无创监测方式可以实现每5分钟一次，每一天288次血糖水平采集，实现了血糖的持续监测。血糖监测方式的革命性变化，给糖尿病患者密切关注其血糖变化，进行更为先进的糖尿病管理成为现实。
发明内容
本发明所要解决的技术问题是提供基于持续血糖监测并具有干预信息的糖尿病管理信息处理和展示方法，解决现有技术无法持续监测、无法关联饮食、药物和运动信息的问题。
本发明的通过下述技术方案实现：
基于持续血糖监测并具有干预信息的糖尿病管理信息处理和展示方法，包括信息处理步骤和信息展示步骤，所述的信息处理步骤包括以下子步骤：
A1、由患者或患者的监测设备获得如下信息：血糖变化信息（时间、血糖值）、食物摄入信息（时间、食物种类、食物量）、运动和活动信息（时间、运动时长、运动类型）以及药物使用信息（时间、药品种类、药品名称、使用剂量等，包括口服药和胰岛素）；所述的血糖变化信息由进行全天候持续采集，如基于光学监测的无创血糖监测技术，优选的，采集血糖值的时间间隔为3min-10min，根据需求的不同，时间间隔可以大于10min，优选5min的整数倍。
A2、血糖变化信息由通信处理模块接收血糖数据后，送到分析模块进行分析，具体包括以下子步骤；
A21、分析模块对接收到的数据信息包进行处理，从数据包中提取出血糖测量值、日期、时间的信息；
A22将上述血糖测量值、测量时间的信息，添加到当天的血糖测量信息队列中，形成按时间排序的血糖测量值队列；
A23、户需要对历史（当天以前）血糖变化进行展示时，数据处理模块将从存储设备中读取血糖变化历史数据（日期、时间、血糖测量值），形成按日期排列的血糖变化历史信息队列；
A24、根据血糖数值是否超出高低血糖告警线产生预测告警事件；
A25、根据血糖连续变化的趋势预测用户是否会出现过低血糖，如果低于则产生告警事件；
A26、根据每个个体个性化的达标控制线确定目前血糖的达标率；
A27、对于长期血糖数据计算血糖变异性参数，并保存到数据库中。
A3、短期血糖分析模块对日内的血糖管理达标情况进行统计，对短期血糖走势进行分析预测，对日内的血糖变异性进行分析，并产生相应的告警和提示送交告警模块。
A4、长期并发症风险评估模块负责分析日间的血糖变异性，并对长期的并发症风险进行预测。
血糖变异性（BloodGlucoseVariability）是血糖水平在峰值和谷值之间震荡的非稳定状态。近期国际上的研究结果显示，血糖变异性与危重症患者的死亡密切相关，是一个能独立预测危重症患者死亡的重要预后因子，其贡献可能超过了高血糖水平的作用：危重症患者因血糖水平受应激反应、进餐、药物等多种因素的影响，血糖变异性常明显增加。随着血糖变异性研究的不断深入，降低血糖变异性已成为提高危重症患者生存率的一个治疗新靶点，强调应着重分析血糖的波动规律和趋势，尽量查找造成血糖异常波动的可能原因以指导调整血糖控制方案，控制并发症。
在传统的有创血糖监测方式下，血糖监测的三个重要指标为空腹血糖（FPG）、餐后血糖（PPG）和糖化血红蛋白(HbA1C)。
糖化血红蛋白更是反映血糖控制的金标准。然而糖化血红蛋白也有其局限性，如在患有异常血红蛋白疾病，慢性肾功能不全，妊娠等影响红细胞寿命的情况下，测定HbA1C就不能正确反映患者的血糖控制状态。此外，HbA1C也不能反映近期的血糖波动，并存在很高的测量要求，因此在我国2013版的标准中并不推荐糖化血红蛋白(HbA1C)作为主要的指标。
在传统的有创血糖监测方式下血糖波动的主要评估指标包括：空腹血糖变异系数(CV-FPG)、餐后血糖波动幅度(PPGE)和平均日风险范围(ADRR)，平均血糖(EAG)。
由于传统的监测方式得到的测量样本值比较少（一般为每天不超过7次），上述的指标计算受到样本值很大的影响，容易发生较大的偏差，所以导致多年来临床上并不关注血糖变异性指标。
动态血糖监测中血糖波动的评估指标。
动态血糖监测方式可以动态、连续监测危重症患24h血糖，获得数百个血糖测量值以全面了解血糖的变化情况，帮助鉴别和预防低血糖和高血糖事件。
在动态血糖监测中，血糖波动的评估指标可以分为以下几类：
日内血糖波动的评估参数（评估一天之内的血糖变异）：血糖平均血糖波动幅度(MAGE)及其标准差(BGSD)，血糖曲线下面积、日内最大和最小血糖值之差(LAGE)、平均血糖水平(MBG)、空腹血糖变异值(CV-FPG)等；
日间血糖波动的评估参数（评估不同日期之间的血糖变异）：日间血糖平均绝对差(MODD)。
本发明专门引入特别为动态血糖监测开发的盘中测试血糖变异性评估指标，以便更紧密结合生活干预事件，实现小时级别的血糖变异性评估：连续重叠净血糖作用指标CONGA(continuousoverallnetglycemicaction)，以计算当前观察和当前观察之前N小时(CONGA-N)的累加标准差来衡量血糖在短时间的变化和对比。由于CONGA并不需要任意血糖临界值或任意定义的暴涨暴跌，与MAGE相比较是一种更客观的方式来定义和精确反映患者实际的血糖变异。依据N小时的定义不同，可以计算CONGA-1，CONGA-2，和CONGA-4等指标进行优选。
风险评估分数（R-评分）：引入风险评分机制，确定风险的高低。利用以上CGM血糖变异性的主要评价指标，综合计算其风险分数，并定义分类群归类为“低”，“中等”和“高”等分线的分数，以便警示患者。
短期血糖分析模块对日内的血糖管理达标情况进行统计，对短期血糖走势进行分析预测，对日内的血糖变异性进行分析，并产生相应的告警和提示，包括以下子步骤：
A31、依据当前的血糖测量值和测量时间，结合之前半小时到一小时的历史数据，采用基于时间序列的离散数据预测分析方法，例如隐形马尔科夫统计模型(HiddenMarkovModel，HMM)、指数平滑模型、统计学习理论等短时预测技术，预测血糖在今后半小时的变化情况，得到一个预测值；
A32、利用最近的饮食、运动、药物等生活干预的信息和个人历史依从性的学习，进一步利用模型对该预测值进行修正；
A33、一旦修正后的预测值在半小时以后可能低于低血糖标准，将预测值传递到告警模块触发告警，提醒用户采取新的干预措施补充食物和糖分，避免陷入低血糖事件中产生危险。
A5、食物摄入信息经过热量转化进行计算以后，进行以下处理：
A51、将食物摄入信息与血糖数据一起进行饮食-血糖相关性分析处理，具体包括：
A511、每一种食物都有其热量成分。因此，云计算平台，即远端服务器，将建立一个食物-热量系数，以及营养成分的数据库，为每种食物的热量和营养成分建立模型；模型的参考因素包括但不限于有食物种类、热量系数等因素；
A512、食物的摄入信息将送到后台数据库中进行对比和查找，并按照食物的类别查找到热量系数和营养成分信息，反馈到食物依从性分析模块；
A513、利用食物热量系数以及食物的数量，计算食物包含的总热量；
A514、利用营养成分信息以及食物的数量，计算食物包含的各类营养成分总量；
A515、利用上述的总热量和各类各类营养成分总量，结合餐后数小时血糖的变化情况，分析和学习饮食-血糖的依从性关系，送往专家系统模块进行进一步的处理；
A516、上述的饮食-血糖的依从性关系具有自学习的功能，能够依据个人长期的数据，不断校准，送往专家系统模块进行进一步的处理。
A52、食物摄入信息送到热量平衡模块分析热量平衡，以便控制体重和改善营养。
A6、运动信息经过运动耗能计算处理以后，进行以下处理：
A61、将运动信息与血糖数据一起进行运动-血糖相关性分析处理，具体包括：
A611、人体的热量消耗具有基础热量消耗和运动热量消耗两种类型。糖尿病患者的热量消耗监测是为了对其血糖进行管理和对血糖变异性进行控制。不同于现在的运动管理，本发明更注重糖尿病患者日常的活动耗能对血糖的影响关系，以便提高患者的日常血糖管理和控制。因此，本发明利用现有的运动传感器技术，采集人体活动带来的加速度传感器数据，并建立相应的模型，将其分析和归结为静卧、静坐、缓慢活动、中等活动以及剧烈运动等五种不同的活动姿态；
A612、每一种不同的活动姿态类型都有不同的热量消耗，因此，云计算平台将建立一个活动姿态类型-热量消耗系数的模型进行热量消耗计算，模型的参考因素包括但不限于活动类型、热量消耗系数等因素；
A613、活动姿态信息（活动类型、活动起止时间以及活动持续时间）将送到后台数据库中进行对比查找，并按照活动姿态的类别查找到相关的热量系数，反馈到活动依从性分析模块；
A614、利用热量消耗系数以及个性化的年龄段、性别、病程、病史等因素，按活动姿态的时段计算活动消耗的总热量；
A615、在每一天将统计糖尿病患者总的热量消耗，并依据五种不同的活动类型，对每种活动类型的时间长度、热量消耗等进行统计，送往专家系统模块进行进一步的处理；
A616、上述的活动姿态-血糖的依从性关系具有自学习的功能，能够依据个人长期的数据，不断校准；
A62、将运动信息送到热量平衡模块分析热量平衡，以便控制体重和改善营养；
热量平衡模块分析热量平衡的步骤包括：
a、依据摄入热量的计算结果，得到每天的摄入热量总量；
b、依据活动耗能的计算结果，得到每天的热量消耗总量；
c、将每天的摄入热量总量减去每天的热量消耗总量，得到每天的热量平衡结果；
d、每天的热量平衡结果送往专家系统模块进行进一步的处理。
A7、药物信息经过分析处理以后，与血糖数据一起进行药物依从性分析；
虽然依从性的重要性已越来越成为人们的共识，但研究表明，在目前的医疗实践中依从性难以令人满意，依从性仅为28.2％～37.3％。药物方案的低依从性十分普遍，从而导致疾病的大量恶化，患者的死亡以及不断增加的医疗保健费用。
糖尿病患者的服药依从性是患者按医嘱服药的程度，不依从性表现为拒服或漏服、自行增减药物剂量、自行选择用药时间和顺序，其后果是血糖控制不佳，药物副作用增加，病情加重，降低生活质量，甚至危及生命。
在持续血糖监测方式下，每天获得的数百个测量结果可以帮助实现较短时间间隔观察血糖变化，进而为药物依从性分析提供可能。本发明的药物依从性分析是依据糖尿病患者使用药物（包括各种口服药、胰岛素注射剂等）治疗后，在药效时间内其血糖水平因为药物作用而随时间不断产生的变化情况，从而对治疗效果进行评估，为治疗方案的改善提供直接的依据，具体包括：
A71、在药物使用前，将记录药物种类、商品药名、使用剂量、使用方法等药物使用信息；
A72、在药物使用后，在一定时间内（尤其是在药效时间内）对血糖的变化情况进行监测和记录，以便详细记录和描述使用药物后血糖随时间的变化曲线；
A73、依据药物使用后血糖变化曲线，对药物的作用时间、作用时长、作用程度和最后的疗效等信息进行分析和评估，并建立个性化的分析模型，实现个人的药物依从性分析。
本发明的药物依从性分析也能够监测患者的用药时间、剂量、种类等等，以改善患者的药物使用习惯；在大数据样本下，可以对各种药物对不同性别、不同病程、不同并发症等因素的治疗效果进行分析，从而优选出不同治疗方案的最佳药物；药物依从性分析结果将送往专家系统模块进行进一步处理。
A8、所有原始数据，以及处理结果分别存入相应的存储。
A9、食物依从性、药物依从性和运动依从性的分析结果，将输出到专家系统模块进行进一步的综合分析，并得出改善的建议和意见，输出到显示和交互模块；
优选的，所述的步骤A9中的建议和意见同时反馈到患者的管理工具模块，对管理的目标进行调整和建议。
进一步的，这些建议包括：
1)根据患者对各类营养成分总量的摄入，依据国家和行业的相关营养标准和保健膳食建议，对患者的食物改善提出建议，送往显示和交互模块进行显示；
2)根据患者的热量平衡结果，对患者的饮食摄入和活动提出改善建议，促进患者的管理和干预，保持良好的体重，送往显示和交互模块进行显示；
3)根据患者的药物依从性结果，对患者的用药种类、用药数量和用药时间提出改善建议，促进患者的管理和干预以便达到良好的药物治疗血糖控制作用，输出到显示和交互模块并反馈到患者的管理工具模块；
4）医生通过专家系统可以提取步骤A3-步骤A8的各项分析结果和历史数据进行综合分析，输入相关治疗意见和建议（例如下一阶段的血糖控制目标和调整用药计划），反馈给用户并进行存储。
A10、所有处理结果送往显示和交互模块进行处理和通信，以展示给用户；显示和交互模块的主要功能为上述信息的现实、声、光、振动等告警的触发、与用户的交互处理，以及网络的通信功能。
所述的信息展示步骤包括以下步骤：
B1、将持续血糖监测所产生的血糖监测结果，映射到二维图形上进行展示，以时间为横轴、以血糖值为纵轴，形成血糖随时间变化而变化的曲线图；
由于持续血糖监测能够随时随刻的反映出血糖变化细节，因此，具有生活干预信息的糖尿病管理将能够实现连续的信息展示，包括纸质打印和电子显示方法。
持续血糖监测所产生的血糖监测结果，将映射到二维图形上进行展示，每天可以获得的测量结果为数百个，形成血糖随时间变化而变化的曲线。本方法将展示图形的横轴设置为24小时（即从0点到24点的时间轴），并可按照需求设置时间刻度以4小时、1小时、30分钟为间隔单位。
方法将展示图形的纵轴设置为血糖值，其计量单位可以采用国际流行的毫克/分升（mg/dl）或者我国采用的毫摩尔/每升（mmol/l）两种标准计量单位，并可以实现两种计量单位的转换和选择；血糖值的间隔刻度单位可以自动依据患者的血糖测量结果进行现实刻度的上限调整（以下提到的血糖参考单位均为我国使用的毫摩尔/每升（mmol/l））。
B2、在曲线图上设置警示线；
可选的，可依据《中国2型糖尿病防治指南(2013年版)》的相关建议，设置以下的警示线，不同的警示线可以采用不同颜色或线型；
1)在血糖值=3.8的刻度上设置低血糖警示线，以红色虚线进行标示
2)在血糖值=7.0的刻度上设置空腹血糖受损（IFG）警示线，以红色虚线进行标示；
3)在血糖值=11.1的刻度上设置空糖负荷后2h小时（2hPG）高血糖警示线，以红色虚线标示；
4)设置患者自我管理的血糖控制目标线（刻度>=11.1），以黄色虚线进行标示；该目标线可以依据不同阶段的管理需求进行设置和调整，可以由医生在通过治疗方案改善模块进行远程设置，或者利用通信机制通知患者由其依据建议进行设置。
B3、将干预信息导入到每日血糖图中，构成血糖-干预信息关系图；
通过该图形，可以直观了解每日血糖水平在饮食、运动、药物治疗等干预活动后在时间上变化的具体情况，可以使饮食、运动、药物治疗对血糖控制与改善的作用具有非常直观和清楚的认识和了解，并借此机会评估其相应的作用。上述饮食、运动、药物信息可以依据患者的设置，单独或多个组合与血糖变化图形一起进行显示。
例如，依据患者记录的口服或注射药物类型、药物化学名称、药物商品名称、药物剂量等信息，将其按照时间采用颜色点、图标图形，或者文字显示在上述图形中，构成药物治疗依从性关系图；
同样的原理，实现饮食信息的输入和分析处理，实现饮食治疗依从性关系图；对运动信息的输入和分析处理，实现运动治疗依从性关系图。
上述三种治疗依从性关系图，可以单独与血糖变化进行显示，也可以两两组合和全部组合进行显示。以下为药物治疗依从性关系图示例，显示了详细的药物使用信息。
B4、血糖统计信息显示：将每日血糖信息的重要参考值进行显示，重要参考值包括：最低血糖值、最高血糖值、平均血糖值、模拟糖化值、平均血糖标准差和平均血糖飘移度。
B5、血糖控制目标达成度，采用如下的四个时间比例帮助其了解每一天，或者一个阶段的血糖控制目标达成度：
1)偏高是指其血糖水平高于管理目标的比例，
2)偏低是指低于低血糖警示线的比例，
3)达标是指到达控制目标的比例，
4)而未知是由于患者数据缺乏，无法判断的比例；
血糖管理的一个主要目的是要实现血糖的控制。每一个糖尿病患者因为病情、体质、药物敏感程度等多种因素并不相同，因此会有个性化的和阶段性的血糖控制目标，以便实现自我管理并不断的改善干预与治疗，使其达到目标。因此，血糖控制目标达成度成为糖尿病患者了解其血糖管理目标达成的重要信息。
B6、多日血糖图显示；
B61、叠加显示：将多日的血糖图投射到同一条0点到24点的时间轴上进行显示；
利用这样的显示方法，对糖尿病患者带来以下的好处：
i.血糖变化规律的查找：与人体的生物规律性类似，人体血糖水平以天为时间单位反复进行变化，将多天的血糖图叠加显示，可以从中寻找血糖水平变化的规律，提高干预和治疗的措施；
ii.对一些原因未查明、具有隐匿因素的糖尿病，很难查清其具体的原因，而将多日的血糖图叠加显示，可以依据血糖的变化规律，从时间点上找出疑似的片段，再进行深入调查。
B62、连续显示：将多天的血糖变化依据日期-时间的连续显示，可以直观了解血糖的变化趋势和变化情况，对实现血糖控制和干预改善具有重要的意义。
B7、提示信息显示，包括告警提示信息、因患者制定的管理计划产生的提示信息及未严格管理形成的执行缺失产生的提示信息。
告警提示信息：经过图一中计算分析以后产生的告警，除了进行各种声音、闪光、震动告警形式意外，还有文字信息告警，以方便了解告警的具体内容；
此外由于自我管理的需要，患者能够制定其用药、饮食、运动的管理计划，以便对血糖管理进行干预，其定制的计划列表，以及因未严格管理形成的执行缺失产生的提示信息，当计划的执行时间来临之前，可以设置各种声、光、震动和消息提醒。
B8、血糖变异性显示，显示对血糖变异性分析的关键指标，包括MEAN+SD、MODD、MAGE和CONGA。
糖尿病管理的重要功能之一是对并发症风险进行预测，以便采取必要的干预和治疗等，延缓和控制并发症的发展，从而提高患者生存治疗和降低经济负担。而血糖变异性正是描述血糖水平波动剧烈程度的参数，对糖尿病患者的并发症风险评估和预测具有重要的意义。持续血糖监测技术每天可以获得数百个个监测数据，在时间上对每一天中的血糖变化进行了密度达到3分钟/次～10分钟/次的密切监测，提供了比传统有创监测每天7个监测数据（监测密度达到3小时左右，而血糖的波动是10分钟级别）更丰富的血糖变化信息，使得糖尿病的血糖变异性分析具有充足的数据而成为可能。
B9、专家系统模块的各种建议和意见，输出到显示和交互模块进行展示。
本发明与现有技术相比，具有如下的优点和有益效果：
基于光学检测的无创血糖监测技术，提供了一种将药物治疗、饮食与运动等生活干预信息与血糖变化相关联的展示方法。
利用数百个/天的持续血糖监测数据，将患者在日常生活中的药物治疗、运动、饮食情况等信息与每一天的血糖动态变化一起进行显示，从而为患者提供药物治疗、运动情况、饮食等事件对其实际血糖变化的直接影响，帮助患者了解药物、运动和饮食对其血糖变化的积极作用，为患者提供直观认识，促进其积极进行干预和管理。
依据血糖的动态变化，采用相应的血糖变化预测算法，预测低血糖事件发生的风险并及时进行警告提示，避免糖尿病患者发生昏迷甚至导致死亡。
将血糖变化水平与患者日常的饮食情况、运动情况等进行密切关联，揭示其血糖变化与这些生活事件之间的内在联系，从而协助糖尿病患者理解生活干预的因果性和重要性，促使其提高糖尿病自我管理水平实现“七分养”，使得患者具备真正的糖尿病管理能力。
将使用药物的种类、计量等信息与药物治疗以后的血糖变化进行抗药性和治疗效果的药物依从性分析，可以帮助医生对治疗方案进行评估和及时调整，实现“三分治”的个性化医疗。
利用持续血糖监测的大量数据，进行血糖变异性分析，反映患者的血糖波动情况，可以预测并改善治疗方案，延缓和控制并发症的发生风险。
将患者饮食情况与血糖变化情况进行关联展示，可以提供给患者饮食与血糖之间的动态直观信息，帮组其控制和改善饮食情况，改善糖尿病的饮食治疗。将患者运动情况与血糖变化情况进行关联展示，可以揭示其运动对血糖改善的有益帮助，评估其运动对血糖改善的有效性和安全性，改善糖尿病的运动治疗；将患者药物治疗与血糖变化情况进行关联展示，使患者监测所进行的药物治疗对血糖控制和改善的情况，进而帮助患者和医生对治疗结果进行评估，并改善治疗方案；饮食与运动情况的组合，可以利用数字或图形，显示患者每天的热量摄入与热量消耗情况，提供每天热量平衡的动态结果和最终结果帮助患者控制体重，改善自我管理；糖尿病患者对自己的血糖控制目标达成情况具有直观的了解，以便改善措施；糖尿病患者可以依据医生的建议，设置个性化的高血糖控制目标线以便帮助进行血糖控制；实现对血糖变异性的分析，进而可以实现对并发症风险的预测；对患者的具体管理计划在执行中具有提醒与监督作用。本方法也适用于传统的有创采血测量的血糖水平显示。
与传统的“7点监测”方式相比较，本发明的关键点是利用持续血糖监测技术的高密度血糖监测和每天多达数百个监测数据的特点，将糖尿病治疗五架马车中的药物治疗和生活干预信息（饮食、运动）与患者每天的血糖动态变化水平进行了关联的展示，可以给患者提供一个将血糖变化与药物治疗、运动、饮食等结合在一起进行精确展示和直观比较的实现方法以及显示方法，以便帮助糖尿病患者、高危人群和医生了解详细的生活信息、运动信息和治疗情况以及其对每日的血糖水平改善的相互作用和详细信息，并能对大量高密度监测数据进行血糖变异性分析以实现糖尿病并发症的风险预测，进而采取措施进行延缓和控制，革命性的提高了糖尿病管理的信息、方法和措施，并可以利用这些信息改善和调整治疗方案与措施，实现糖尿病患者的个性化治疗。
附图说明
此处所说明的附图用来提供对本发明实施例的进一步理解，构成本申请的一部分，并不构成对本发明实施例的限定。在附图中：
图1为本发明原理结构示意图。
图2为每日的血糖信息图示例。
图3为具体一个血糖测量值的测量结果和测量时间信息示例。
图4为具有生活干预信息的血糖图示例。
图5为血糖变化-药物治疗依从性关系图示例。
图6为每日血糖信息的重要参考值显示示例。
图7为血糖控制目标达成显示示例。
图8为多天持续血糖监测叠加显示的示例。
图9为多天持续血糖监测连续显示的示例。
图10为文字信息告警示例。
图11为制定的计划任务信息示例。
图12为任务执行缺失信息示例。
图13为血糖变异性指标MEAN+SD的显示示例。
图14为血糖变异性指标MODD、MAGE的显示示例。
图15为血糖变异性指标CONGA的显示示例。
图16为患者5天的持续血糖变化图。
图17为5天的血糖变异性计算结果。
图18为5天的血糖变异性指标MODD计算结果。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施例和附图，对本发明作进一步的详细说明，本发明的示意性实施方式及其说明仅用于解释本发明，并不作为对本发明的限定。
实施例
如图1所示，基于持续血糖监测并具有干预信息的糖尿病管理信息处理和展示方法，包括信息处理步骤和信息展示步骤，所述的信息处理步骤包括以下子步骤：
A1、由患者或患者的监测设备获得如下信息：血糖变化信息（时间、血糖值）、食物摄入信息（时间、食物种类、食物量）、运动和活动信息（时间、运动时长、运动类型）以及药物使用信息（时间、药品种类、药品名称、使用剂量等，包括口服药和胰岛素）；所述的血糖变化信息由进行全天候持续采集，如基于光学监测的无创血糖监测技术，采集血糖值的时间间隔为3min-10min，根据需求的不同，时间间隔可以大于10min，优选5min的整数倍。
A2、血糖变化信息由通信处理模块接收血糖数据后，送到分析模块进行分析，具体包括以下子步骤：
A21、分析模块对接收到的数据信息包进行处理，从数据包中提取出血糖测量值、日期、时间的信息；
A22将上述血糖测量值、测量时间的信息，添加到当天的血糖测量信息队列中，形成按时间排序的血糖测量值队列；
A23、户需要对历史（当天以前）血糖变化进行展示时，数据处理模块将从存储设备中读取血糖变化历史数据（日期、时间、血糖测量值），形成按日期排列的血糖变化历史信息队列；
A24、根据血糖数值是否超出高低血糖告警线产生预测告警事件；
A25、根据血糖连续变化的趋势预测用户是否会出现过低血糖，如果低于则产生告警事件；
A26、根据每个个体个性化的达标控制线确定目前血糖的达标率；
A27、对于长期血糖数据计算血糖变异性参数，并保存到数据库中。
A3、短期血糖分析模块对日内的血糖管理达标情况进行统计，对短期血糖走势进行分析预测，对日内的血糖变异性进行分析，并产生相应的告警和提示送交告警模块。
A4、长期并发症风险评估模块负责分析日间的血糖变异性，并对长期的并发症风险进行预测。
血糖变异性（BloodGlucoseVariability）是血糖水平在峰值和谷值之间震荡的非稳定状态。近期国际上的研究结果显示，血糖变异性与危重症患者的死亡密切相关，是一个能独立预测危重症患者死亡的重要预后因子，其贡献可能超过了高血糖水平的作用：危重症患者因血糖水平受应激反应、进餐、药物等多种因素的影响，血糖变异性常明显增加。随着血糖变异性研究的不断深入，降低血糖变异性已成为提高危重症患者生存率的一个治疗新靶点，强调应着重分析血糖的波动规律和趋势，尽量查找造成血糖异常波动的可能原因以指导调整血糖控制方案，控制并发症。
在传统的有创血糖监测方式下，血糖监测的三个重要指标为空腹血糖（FPG）、餐后血糖（PPG）和糖化血红蛋白(HbA1C)。
糖化血红蛋白更是反映血糖控制的金标准。然而糖化血红蛋白也有其局限性，如在患有异常血红蛋白疾病，慢性肾功能不全，妊娠等影响红细胞寿命的情况下，测定HbA1C就不能正确反映患者的血糖控制状态。此外，HbA1C也不能反映近期的血糖波动，并存在很高的测量要求，因此在我国2013版的标准中并不推荐糖化血红蛋白(HbA1C)作为主要的指标。
在传统的有创血糖监测方式下血糖波动的主要评估指标包括：空腹血糖变异系数(CV-FPG)、餐后血糖波动幅度(PPGE)和平均日风险范围(ADRR)，平均血糖(EAG)。
由于传统的监测方式得到的测量样本值比较少（一般为每天不超过7次），上述的指标计算受到样本值很大的影响，容易发生较大的偏差，所以导致多年来临床上并不关注血糖变异性指标。
动态血糖监测中血糖波动的评估指标。
动态血糖监测方式可以动态、连续监测危重症患24h血糖，获得数百个血糖测量值以全面了解血糖的变化情况，帮助鉴别和预防低血糖和高血糖事件。
在动态血糖监测中，血糖波动的评估指标可以分为以下几类：
日内血糖波动的评估参数（评估一天之内的血糖变异）：血糖平均血糖波动幅度(MAGE)及其标准差(BGSD)，血糖曲线下面积、日内最大和最小血糖值之差(LAGE)、平均血糖水平(MBG)、空腹血糖变异值(CV-FPG)等；
日间血糖波动的评估参数（评估不同日期之间的血糖变异）：日间血糖平均绝对差(MODD)。
本发明专门引入特别为动态血糖监测开发的盘中测试血糖变异性评估指标，以便更紧密结合生活干预事件，实现小时级别的血糖变异性评估：连续重叠净血糖作用指标CONGA(continuousoverallnetglycemicaction)，以计算当前观察和当前观察之前N小时(CONGA-N)的累加标准差来衡量血糖在短时间的变化和对比。由于CONGA并不需要任意血糖临界值或任意定义的暴涨暴跌，与MAGE相比较是一种更客观的方式来定义和精确反映患者实际的血糖变异。依据N小时的定义不同，可以计算CONGA-1，CONGA-2，和CONGA-4等指标进行优选。
风险评估分数（R-评分）：引入风险评分机制，确定风险的高低。利用以上CGM血糖变异性的主要评价指标，综合计算其风险分数，并定义分类群归类为“低”，“中等”和“高”等分线的分数，以便警示患者。
短期血糖分析模块对日内的血糖管理达标情况进行统计，对短期血糖走势进行分析预测，对日内的血糖变异性进行分析，并产生相应的告警和提示，包括以下子步骤：
A31、依据当前的血糖测量值和测量时间，结合之前半小时到一小时的历史数据，采用基于时间序列的离散数据预测分析方法，例如隐形马尔科夫统计模型(HiddenMarkovModel，HMM)、指数平滑模型、统计学习理论等短时预测技术，预测血糖在今后半小时的变化情况，得到一个预测值；
A32、利用最近的饮食、运动、药物等生活干预的信息和个人历史依从性的学习，进一步利用模型对该预测值进行修正；
A33、一旦修正后的预测值在半小时以后可能低于低血糖标准，将预测值传递到告警模块触发告警，提醒用户采取新的干预措施补充食物和糖分，避免陷入低血糖事件中产生危险。
A5、食物摄入信息经过热量转化进行计算以后，进行以下处理：
A51、将食物摄入信息与血糖数据一起进行饮食-血糖相关性分析处理，具体包括：
A511、每一种食物都有其热量成分。因此，云计算平台，即远端服务器，将建立一个食物-热量系数，以及营养成分的数据库，为每种食物的热量和营养成分建立模型；模型的参考因素包括但不限于有食物种类、热量系数等因素；
A512、食物的摄入信息将送到后台数据库中进行对比和查找，并按照食物的类别查找到热量系数和营养成分信息，反馈到食物依从性分析模块；
A513、利用食物热量系数以及食物的数量，计算食物包含的总热量；
A514、利用营养成分信息以及食物的数量，计算食物包含的各类营养成分总量；
A515、利用上述的总热量和各类各类营养成分总量，结合餐后数小时血糖的变化情况，分析和学习饮食-血糖的依从性关系，送往专家系统模块进行进一步的处理；
A516、上述的饮食-血糖的依从性关系具有自学习的功能，能够依据个人长期的数据，不断校准，送往专家系统模块进行进一步的处理。
A52、食物摄入信息送到热量平衡模块分析热量平衡，以便控制体重和改善营养。
A6、运动信息经过运动耗能计算处理以后，进行以下处理：
A61、将运动信息与血糖数据一起进行运动-血糖相关性分析处理，具体包括：
A611、人体的热量消耗具有基础热量消耗和运动热量消耗两种类型。糖尿病患者的热量消耗监测是为了对其血糖进行管理和对血糖变异性进行控制。不同于现在的运动管理，本发明更注重糖尿病患者日常的活动耗能对血糖的影响关系，以便提高患者的日常血糖管理和控制。因此，本发明利用现有的运动传感器技术，采集人体活动带来的加速度传感器数据，并建立相应的模型，将其分析和归结为静卧、静坐、缓慢活动、中等活动以及剧烈运动等五种不同的活动姿态；
A612、每一种不同的活动姿态类型都有不同的热量消耗，因此，云计算平台将建立一个活动姿态类型-热量消耗系数的模型进行热量消耗计算，模型的参考因素包括但不限于活动类型、热量消耗系数等因素；
A613、活动姿态信息（活动类型、活动起止时间以及活动持续时间）将送到后台数据库中进行对比查找，并按照活动姿态的类别查找到相关的热量系数，反馈到活动依从性分析模块；
A614、利用热量消耗系数以及个性化的年龄段、性别、病程、病史等因素，按活动姿态的时段计算活动消耗的总热量；
A615、在每一天将统计糖尿病患者总的热量消耗，并依据五种不同的活动类型，对每种活动类型的时间长度、热量消耗等进行统计，送往专家系统模块进行进一步的处理；
A616、上述的活动姿态-血糖的依从性关系具有自学习的功能，能够依据个人长期的数据，不断校准；
A62、将运动信息送到热量平衡模块分析热量平衡，以便控制体重和改善营养；
热量平衡模块分析热量平衡的步骤包括：
a、依据摄入热量的计算结果，得到每天的摄入热量总量；
b、依据活动耗能的计算结果，得到每天的热量消耗总量；
c、将每天的摄入热量总量减去每天的热量消耗总量，得到每天的热量平衡结果；
d、每天的热量平衡结果送往专家系统模块进行进一步的处理。
A7、药物信息经过分析处理以后，与血糖数据一起进行药物依从性分析；
虽然依从性的重要性已越来越成为人们的共识，但研究表明，在目前的医疗实践中依从性难以令人满意，依从性仅为28.2％～37.3％。药物方案的低依从性十分普遍，从而导致疾病的大量恶化，患者的死亡以及不断增加的医疗保健费用。
糖尿病患者的服药依从性是患者按医嘱服药的程度，不依从性表现为拒服或漏服、自行增减药物剂量、自行选择用药时间和顺序，其后果是血糖控制不佳，药物副作用增加，病情加重，降低生活质量，甚至危及生命。
在持续血糖监测方式下，每天获得的数百个测量结果可以帮助实现较短时间间隔观察血糖变化，进而为药物依从性分析提供可能。本发明的药物依从性分析是依据糖尿病患者使用药物（包括各种口服药、胰岛素注射剂等）治疗后，在药效时间内其血糖水平因为药物作用而随时间不断产生的变化情况，从而对治疗效果进行评估，为治疗方案的改善提供直接的依据，具体包括：
A71、在药物使用前，将记录药物种类、商品药名、使用剂量、使用方法等药物使用信息；
A72、在药物使用后，在一定时间内（尤其是在药效时间内）对血糖的变化情况进行监测和记录，以便详细记录和描述使用药物后血糖随时间的变化曲线；
A73、依据药物使用后血糖变化曲线，对药物的作用时间、作用时长、作用程度和最后的疗效等信息进行分析和评估，并建立个性化的分析模型，实现个人的药物依从性分析。
本发明的药物依从性分析也能够监测患者的用药时间、剂量、种类等等，以改善患者的药物使用习惯；在大数据样本下，可以对各种药物对不同性别、不同病程、不同并发症等因素的治疗效果进行分析，从而优选出不同治疗方案的最佳药物；药物依从性分析结果将送往专家系统模块进行进一步处理。
A8、所有原始数据，以及处理结果分别存入相应的存储。
A9、食物依从性、药物依从性和运动依从性的分析结果，将输出到专家系统模块进行进一步的综合分析，并得出改善的建议和意见，输出到显示和交互模块。
优选的，所述的步骤A9中的建议和意见同时反馈到患者的管理工具模块，对管理的目标进行调整和建议。
进一步的，这些建议包括：
1)根据患者对各类营养成分总量的摄入，依据国家和行业的相关营养标准和保健膳食建议，对患者的食物改善提出建议，送往显示和交互模块进行显示；
2)根据患者的热量平衡结果，对患者的饮食摄入和活动提出改善建议，促进患者的管理和干预，保持良好的体重，送往显示和交互模块进行显示；
3)根据患者的药物依从性结果，对患者的用药种类、用药数量和用药时间提出改善建议，促进患者的管理和干预以便达到良好的药物治疗血糖控制作用，输出到显示和交互模块并反馈到患者的管理工具模块；
4）医生通过专家系统可以提取步骤A3-步骤A8的各项分析结果和历史数据进行综合分析，输入相关治疗意见和建议（例如下一阶段的血糖控制目标和调整用药计划），反馈给用户并进行存储。
A10、所有处理结果送往显示和交互模块进行处理和通信，以展示给用户；显示和交互模块的主要功能为上述信息的现实、声、光、振动等告警的触发、与用户的交互处理，以及网络的通信功能。
所述的信息展示步骤包括以下步骤：
B1、将持续血糖监测所产生的血糖监测结果，映射到二维图形上进行展示，以时间为横轴、以血糖值为纵轴，形成血糖随时间变化而变化的曲线图，如图2、图3所示。
由于持续血糖监测能够随时随刻的反映出血糖变化细节，因此，具有生活干预信息的糖尿病管理将能够实现连续的信息展示，包括纸质打印和电子显示方法。
持续血糖监测所产生的血糖监测结果，将映射到二维图形上进行展示，每天可以获得的测量结果为数百个，形成血糖随时间变化而变化的曲线。本方法将展示图形的横轴设置为24小时（即从0点到24点的时间轴），并可按照需求设置时间刻度以4小时、1小时、30分钟为间隔单位。
方法将展示图形的纵轴设置为血糖值，其计量单位可以采用国际流行的毫克/分升（mg/dl）或者我国采用的毫摩尔/每升（mmol/l）两种标准计量单位，并可以实现两种计量单位的转换和选择；血糖值的间隔刻度单位可以自动依据患者的血糖测量结果进行现实刻度的上限调整（以下提到的血糖参考单位均为我国使用的毫摩尔/每升（mmol/l））。
B2、在曲线图上设置警示线，如图2、图3所示；
可选的，可依据《中国2型糖尿病防治指南(2013年版)》的相关建议，设置以下的警示线，不同的警示线可以采用不同颜色或线型；
1)在血糖值=3.8的刻度上设置低血糖警示线，以红色虚线进行标示
2)在血糖值=7.0的刻度上设置空腹血糖受损（IFG）警示线，以红色虚线进行标示；
3)在血糖值=11.1的刻度上设置空糖负荷后2h小时（2hPG）高血糖警示线，以红色虚线标示；
4)设置患者自我管理的血糖控制目标线（刻度>=11.1），以黄色虚线进行标示；该目标线可以依据不同阶段的管理需求进行设置和调整，可以由医生在通过治疗方案改善模块进行远程设置，或者利用通信机制通知患者由其依据建议进行设置；
B3、将干预信息导入到每日血糖图中，构成血糖-干预信息关系图4所示，；
通过该图形，可以直观了解每日血糖水平在饮食、运动、药物治疗等干预活动后在时间上变化的具体情况，可以使饮食、运动、药物治疗对血糖控制与改善的作用具有非常直观和清楚的认识和了解，并借此机会评估其相应的作用。上述饮食、运动、药物信息可以依据患者的设置，单独或多个组合与血糖变化图形一起进行显示。
例如，依据患者记录的口服或注射药物类型、药物化学名称、药物商品名称、药物剂量等信息，将其按照时间采用颜色点、图标图形，或者文字显示在上述图形中，构成药物治疗依从性关系图，如图5所示。
同样的原理，实现饮食信息的输入和分析处理，实现饮食治疗依从性关系图；对运动信息的输入和分析处理，实现运动治疗依从性关系图。
上述三种治疗依从性关系图，可以单独与血糖变化进行显示，也可以两两组合和全部组合进行显示。以下为药物治疗依从性关系图示例，显示了详细的药物使用信息。
B4、血糖统计信息显示：将每日血糖信息的重要参考值进行显示，重要参考值包括：最低血糖值、最高血糖值、平均血糖值、模拟糖化值、平均血糖标准差和平均血糖飘移度，如图6所示。
B5、血糖控制目标达成度，采用如下的四个时间比例帮助其了解每一天，或者一个阶段的血糖控制目标达成度：
1)偏高是指其血糖水平高于管理目标的比例，
2)偏低是指低于低血糖警示线的比例，
3)达标是指到达控制目标的比例，
4)而未知是由于患者数据缺乏，无法判断的比例；如图7所示。
血糖管理的一个主要目的是要实现血糖的控制。每一个糖尿病患者因为病情、体质、药物敏感程度等多种因素并不相同，因此会有个性化的和阶段性的血糖控制目标，以便实现自我管理并不断的改善干预与治疗，使其达到目标。因此，血糖控制目标达成度成为糖尿病患者了解其血糖管理目标达成的重要信息。
B6、多日血糖图显示，如图8所示；
B61、叠加显示：将多日的血糖图投射到同一条0点到24点的时间轴上进行显示，如图9所示。
利用这样的显示方法，对糖尿病患者带来以下的好处：
i.血糖变化规律的查找：与人体的生物规律性类似，人体血糖水平以天为时间单位反复进行变化，将多天的血糖图叠加显示，可以从中寻找血糖水平变化的规律，提高干预和治疗的措施；
ii.对一些原因未查明、具有隐匿因素的糖尿病，很难查清其具体的原因，而将多日的血糖图叠加显示，可以依据血糖的变化规律，从时间点上找出疑似的片段，再进行深入调查。
B62、连续显示：将多天的血糖变化依据日期-时间的连续显示，可以直观了解血糖的变化趋势和变化情况，对实现血糖控制和干预改善具有重要的意义。
B7、提示信息显示，包括告警提示信息、因患者制定的管理计划产生的提示信息及未严格管理形成的执行缺失产生的提示信息。
告警提示信息：经过图一中计算分析以后产生的告警，除了进行各种声音、闪光、震动告警形式意外，还有文字信息告警，以方便了解告警的具体内容，如图10所示。
此外由于自我管理的需要，患者能够制定其用药、饮食、运动的管理计划，以便对血糖管理进行干预，其定制的计划列表，以及因未严格管理形成的执行缺失产生的提示信息，当计划的执行时间来临之前，可以设置各种声、光、震动和消息提醒，如图11、图12所示。
B8、血糖变异性显示，显示对血糖变异性分析的关键指标，包括MEAN+SD、MODD、MAGE和CONGA，如图13～图15所示。
糖尿病管理的重要功能之一是对并发症风险进行预测，以便采取必要的干预和治疗等，延缓和控制并发症的发展，从而提高患者生存治疗和降低经济负担。而血糖变异性正是描述血糖水平波动剧烈程度的参数，对糖尿病患者的并发症风险评估和预测具有重要的意义。持续血糖监测技术每天可以获得数百个个监测数据，在时间上对每一天中的血糖变化进行了密度达到3分钟/次～10分钟/次的密切监测，提供了比传统有创监测每天7个监测数据（监测密度达到3小时左右，而血糖的波动是10分钟级别）更丰富的血糖变化信息，使得糖尿病的血糖变异性分析具有充足的数据而成为可能。
B9、专家系统模块的各种建议和意见，输出到显示和交互模块进行展示。
实际上，糖尿病的最大危害在于血糖水平的剧烈波动，造成血管内壁细胞因为应激氧化作用而受到损伤，形成脱离，进而引发各种并发症，例如：心脑血管疾病（内壁脱落容易形成血栓）、糖尿病肾病（破坏肾的毛细血管）、糖尿病失明（破坏视网膜毛细血管）等，导致死亡和致残。而血糖变异性正是描述血糖水平波动剧烈程度的参数，对糖尿病患者的并发症风险评估和预测具有重要的意义。持续血糖监测技术每天可以获得数百个监测数据，在时间上对每一天中的血糖变化进行了密度达到3～10分钟/次的密切监测，提供了比传统有创监测每天7个监测数据（监测密度达到3小时左右，而血糖的波动是10分钟级别）更丰富的血糖变化信息，使得糖尿病的血糖变异性分析油料充足的数据而成为可能。举一个例子，在传统监测方法下，两个糖尿病患者具有相同的平均血糖水平，但我们无法评估那个患者具有更高的并发症风险；但是在持续监测技术下，我们可能发现其中一个患者每一天的血糖波动性会更大，因此可以评估这个患者的并发症风险更大，对其治疗的重点在于延缓并发症，而另一个患者的治疗可能以降糖为主。
如图16、图17、图18所示，为利用持续血糖监测获得的一个患者5天的血糖变化的例子。从5天血糖图中可以看到，患者第一天的血糖水平很高，且波动非常大，但经过连续治疗，到第五天血糖水平趋于正常和稳定（波动幅度小）。而对5天的血糖变异性计算结果，也支持了这一结论：以每个指标列来看，第一天到第五天是下降趋势。方框中的指标（主要的结论指标是MODD\MAGE\CONGA-1/2/4）是持续血糖监测所具备的独特指标，可以体现出血糖变异性的优势进而进行风险预测；MEAN和SD在传统方式中也可以基于7个测试值进行计算，但显然持续血糖监测所获得的近300个样本计算值更为精确。
以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (9)
1.基于持续血糖监测并具有干预信息的糖尿病管理信息处理和展示方法，其特征在于：包括信息处理步骤和信息展示步骤，所述的信息处理步骤包括以下子步骤：
A1、由患者或患者的监测设备获得如下信息：血糖变化信息、食物摄入信息、运动和活动信息以及药物使用信息；所述的血糖变化信息由无创血糖监测技术进行全天候持续采集；
A2、血糖变化信息由通信处理模块接收血糖数据后，送到分析模块进行分析；
A3、短期血糖分析模块对日内的血糖管理达标情况进行统计，对短期血糖走势进行分析预测，对日内的血糖变异性进行分析，并产生相应的告警和提示送交告警模块；
A4、长期并发症风险评估模块负责分析日间的血糖变异性，并对长期的并发症风险进行预测；
A5、食物摄入信息经过热量转化进行计算以后，进行以下处理：
A51、将食物摄入信息与血糖数据一起进行饮食-血糖相关性分析处理；
A52、食物摄入信息送到热量平衡模块分析热量平衡，以便控制体重和改善营养；
A6、运动信息经过运动耗能计算处理以后，进行以下处理：
A61、将运动信息与血糖数据一起进行运动-血糖相关性分析处理；
A62、将运动信息送到热量平衡模块分析热量平衡，以便控制体重和改善营养；
A7、药物信息经过分析处理以后，与血糖数据一起进行药物依从性分析；
A8、所有原始数据，以及处理结果分别存入相应的存储；
A9、食物依从性、药物依从性和运动依从性的分析结果，将输出到专家系统模块进行进一步的综合分析，并得出改善的建议和意见，输出到显示和交互模块；
A10、所有处理结果送往显示和交互模块进行处理和通信，以展示给用户；
B1、将持续血糖监测所产生的血糖监测结果，映射到二维图形上进行展示，以时间为横轴、以血糖值为纵轴，形成血糖随时间变化而变化的曲线图；
所述的信息展示步骤包括以下步骤：
B1、将持续血糖监测所产生的血糖监测结果，映射到二维图形上进行展示，以时间为横轴、以血糖值为纵轴，形成血糖随时间变化而变化的曲线图；
B2、在曲线图上设置警示线；
B3、将干预信息导入到每日血糖图中，构成血糖-干预信息关系图；
B4、血糖统计信息显示：将每日血糖信息的重要参考值进行显示；
B5、血糖控制目标达成度，采用如下的四个时间比例帮助其了解每一天，或者一个阶段的血糖控制目标达成度：
1)偏高是指其血糖水平高于管理目标的比例，
2)偏低是指低于低血糖警示线的比例，
3)达标是指到达控制目标的比例，
4)而未知是由于患者数据缺乏，无法判断的比例；
B6、多日血糖图显示；
B61、叠加显示：将多日的血糖图投射到同一条0点到24点的时间轴上进行显示；
B62、连续显示：将多天的血糖变化依据日期-时间的连续显示，可以直观了解血糖的变化趋势和变化情况，对实现血糖控制和干预改善具有重要的意义；
B7、提示信息显示，包括告警提示信息、因患者制定的管理计划产生的提示信息及未严格管理形成的执行缺失产生的提示信息；
B8、血糖变异性显示，显示对血糖变异性分析的关键指标；
B9、专家系统模块的各种建议和意见，输出到显示和交互模块进行展示。
2.根据权利要求1所述的基于持续血糖监测并具有干预信息的糖尿病管理信息处理和展示方法，其特征在于：所述的步骤A2包括以下子步骤：
A21、分析模块对接收到的数据信息包进行处理，从数据包中提取出血糖测量值、日期、时间的信息；
A22将上述血糖测量值、测量时间的信息，添加到当天的血糖测量信息队列中，形成按时间排序的血糖测量值队列；
A23、户需要对历史血糖变化进行展示时，数据处理模块将从存储设备中读取血糖变化历史数据，形成按日期排列的血糖变化历史信息队列；
A24、根据血糖数值是否超出高低血糖告警线产生预测告警事件；
A25、根据血糖连续变化的趋势预测用户是否会出现过低血糖，如果低于则产生告警事件；
A26、根据每个个体个性化的达标控制线确定目前血糖的达标率；
A27、对于长期血糖数据计算血糖变异性参数，并保存到数据库中。
3.根据权利要求1所述的基于持续血糖监测并具有干预信息的糖尿病管理信息处理和展示方法，其特征在于：所述的步骤A3中短期血糖分析模块对日内的血糖管理达标情况进行统计，对短期血糖走势进行分析预测，对日内的血糖变异性进行分析，并产生相应的告警和提示，包括以下子步骤：
A31、依据当前的血糖测量值和测量时间，结合之前半小时到一小时的历史数据，采用基于时间序列的离散数据预测分析方法，预测血糖在今后半小时的变化情况，得到一个预测值；
A32、利用最近的饮食、运动、药物等生活干预的信息和个人历史依从性的学习，进一步利用模型对该预测值进行修正；
A33、一旦修正后的预测值在半小时以后可能低于低血糖标准，将预测值传递到告警模块触发告警，提醒用户采取新的干预措施补充食物和糖分，避免陷入低血糖事件中产生危险。
4.根据权利要求1所述的基于持续血糖监测并具有干预信息的糖尿病管理信息处理和展示方法，其特征在于：所述的步骤A51包括以下子步骤：
A511、云计算平台建立一个食物-热量系数，以及营养成分的数据库，为每种食物的热量和营养成分建立模型；
A512、食物的摄入信息将送到后台数据库中进行对比和查找，并按照食物的类别查找到热量系数和营养成分信息，反馈到食物依从性分析模块；
A513、利用食物热量系数以及食物的数量，计算食物包含的总热量；
A514、利用营养成分信息以及食物的数量，计算食物包含的各类营养成分总量；
A515、利用上述的总热量和各类各类营养成分总量，结合餐后数小时血糖的变化情况，分析和学习饮食-血糖的依从性关系，送往专家系统模块进行进一步的处理；
A516、上述的饮食-血糖的依从性关系具有自学习的功能，能够依据个人长期的数据，不断校准，送往专家系统模块进行进一步的处理。
5.根据权利要求1所述的基于持续血糖监测并具有干预信息的糖尿病管理信息处理和展示方法，其特征在于：所述的步骤A61包括以下子步骤：
A611、利用运动传感器技术，采集人体活动带来的加速度传感器数据，并建立相应的模型，将其分析和归结为静卧、静坐、缓慢活动、中等活动以及剧烈运动等五种不同的活动姿态；
A612、云计算平台建立一个活动姿态类型-热量消耗系数的模型进行热量消耗计算；
A613、活动姿态信息将送到后台数据库中进行对比查找，并按照活动姿态的类别查找到相关的热量系数，反馈到活动依从性分析模块；
A614、利用热量消耗系数以及个性化的年龄段、性别、病程、病史等因素，按活动姿态的时段计算活动消耗的总热量；
A615、在每一天将统计糖尿病患者总的热量消耗，并依据五种不同的活动类型，对每种活动类型的时间长度、热量消耗等进行统计，送往专家系统模块进行进一步的处理；
A616、上述的活动姿态-血糖的依从性关系具有自学习的功能，能够依据个人长期的数据，不断校准。
6.根据权利要求4或5所述的基于持续血糖监测并具有干预信息的糖尿病管理信息处理和展示方法，其特征在于：热量平衡模块分析热量平衡的步骤包括：
a、依据摄入热量的计算结果，得到每天的摄入热量总量；
b、依据活动耗能的计算结果，得到每天的热量消耗总量；
c、将每天的摄入热量总量减去每天的热量消耗总量，得到每天的热量平衡结果；
d、每天的热量平衡结果送往专家系统模块进行进一步的处理。
7.根据权利要求1所述的基于持续血糖监测并具有干预信息的糖尿病管理信息处理和展示方法，其特征在于：所述的步骤A71包括以下子步骤：
A71、在药物使用前，将记录药物种类、商品药名、使用剂量、使用方法等药物使用信息；
A72、在药物使用后，在一定时间内对血糖的变化情况进行监测和记录，以便详细记录和描述使用药物后血糖随时间的变化曲线；
A73、依据药物使用后血糖变化曲线，对药物的作用时间、作用时长、作用程度和最后的疗效等信息进行分析和评估，并建立个性化的分析模型，实现个人的药物依从性分析。
8.根据权利要求1所述的基于持续血糖监测并具有干预信息的糖尿病管理信息处理和展示方法，其特征在于：所述的步骤A9中的建议和意见还反馈到患者的管理工具模块。
9.根据权利要求1或8所述的基于持续血糖监测并具有干预信息的糖尿病管理信息处理和展示方法，其特征在于：所述的步骤A9中的建议包括：
1)根据患者对各类营养成分总量的摄入，依据国家和行业的相关营养标准和保健膳食建议，对患者的食物改善提出建议，送往显示和交互模块进行显示；
2)根据患者的热量平衡结果和日内的血糖变异性分析，对患者的饮食摄入和活动提出改善建议，促进患者的管理和干预以便达到热量平衡和维持合理的体重，输出到显示和交互模块并反馈到患者的管理工具模块；
3)根据患者的药物依从性结果，对患者的用药种类、用药数量和用药时间提出改善建议，促进患者的管理和干预以便达到良好的药物治疗血糖控制作用，输出到显示和交互模块并反馈到患者的管理工具模块；
4）医生通过专家系统可以提取步骤A3-步骤A8的各项分析结果和历史数据进行综合分析，输入相关治疗意见和建议，反馈给用户并进行存储。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510638286.0A CN105160199A (zh) | 2015-09-30 | 2015-09-30 | 基于持续血糖监测并具有干预信息的糖尿病管理信息处理和展示方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510638286.0A CN105160199A (zh) | 2015-09-30 | 2015-09-30 | 基于持续血糖监测并具有干预信息的糖尿病管理信息处理和展示方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN105160199A true CN105160199A (zh) | 2015-12-16 |
Family
ID=54801055
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510638286.0A Pending CN105160199A (zh) | 2015-09-30 | 2015-09-30 | 基于持续血糖监测并具有干预信息的糖尿病管理信息处理和展示方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105160199A (zh) |
Cited By (56)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105653865A (zh) * | 2015-12-31 | 2016-06-08 | 中国科学院深圳先进技术研究院 | 血糖监测方法、装置及系统 |
| CN105956400A (zh) * | 2016-05-06 | 2016-09-21 | 南通大学 | 糖尿病患者自我管理依从性的监督与反馈系统 |
| CN106529162A (zh) * | 2016-11-04 | 2017-03-22 | 南京端云信息科技有限公司 | 一种智能糖尿病评估预测系统与算法 |
| CN107391941A (zh) * | 2017-07-26 | 2017-11-24 | 上海科瓴医疗科技有限公司 | 一种提高用药依从性的方法和系统 |
| CN107480464A (zh) * | 2017-09-27 | 2017-12-15 | 南丹县人民医院 | 一种平衡糖尿病病人运动量与饮食摄入量的系统 |
| CN108091373A (zh) * | 2016-11-21 | 2018-05-29 | 医渡云（北京）技术有限公司 | 医疗数据处理方法及装置 |
| CN108154918A (zh) * | 2017-12-29 | 2018-06-12 | 广州英丹网络科技有限公司 | 一种基于大数据分析的糖尿病患者评估及管理系统 |
| CN108231158A (zh) * | 2016-12-14 | 2018-06-29 | 中国移动通信有限公司研究院 | 一种信息分析方法、电子设备及系统 |
| CN108281182A (zh) * | 2017-12-30 | 2018-07-13 | 广州柏颐信息科技有限公司 | 一种用户健康监测数据报警方法和装置 |
| CN108496225A (zh) * | 2016-01-29 | 2018-09-04 | 株式会社I-Sens | 用于妊娠性糖尿病患者的提供用餐时间信息的方法 |
| WO2018214298A1 (zh) * | 2017-05-20 | 2018-11-29 | 深圳市前海安测信息技术有限公司 | 无创血糖检测系统及方法 |
| CN109155155A (zh) * | 2016-05-03 | 2019-01-04 | 豪夫迈·罗氏有限公司 | 用于在计算设备上提供收藏菜单的方法及计算设备 |
| CN109191800A (zh) * | 2018-10-25 | 2019-01-11 | 蚁图信息技术（上海）有限公司 | 适用于糖尿病患者服药后低血糖监测报警方法及装置 |
| CN109637676A (zh) * | 2019-01-25 | 2019-04-16 | 北京中器华康科技发展有限公司 | 一种基于血糖监测的1型糖尿病监控系统及在疾病监控系统中的应用 |
| CN109620252A (zh) * | 2018-12-29 | 2019-04-16 | 孙成林 | 一种血糖监测系统及方法 |
| CN109975551A (zh) * | 2019-04-02 | 2019-07-05 | 熊雯 | 一种糖尿病并发症风险早期检测管理系统及方法 |
| CN110021437A (zh) * | 2017-10-31 | 2019-07-16 | 东莞东阳光科研发有限公司 | 一种糖尿病的管理方法和系统 |
| CN110248634A (zh) * | 2016-09-28 | 2019-09-17 | 数据医疗技术暨艾德赫技术有限责任公司 | 药物设备 |
| CN110379488A (zh) * | 2019-07-12 | 2019-10-25 | 深圳市预防宝科技有限公司 | 一种对餐后高血糖进行预警的装置及方法 |
| CN110753970A (zh) * | 2017-05-04 | 2020-02-04 | 变健康有限公司 | 分布式用户监测系统 |
| CN110875094A (zh) * | 2018-08-31 | 2020-03-10 | 福州依影健康科技有限公司 | 糖尿病的健康生活方式激励方法和系统、及存储设备 |
| CN110970110A (zh) * | 2018-09-28 | 2020-04-07 | 西门子医疗有限公司 | 用于为患者提供剂量参考值的方法和系统 |
| CN111063435A (zh) * | 2019-10-29 | 2020-04-24 | 北京大学人民医院 | 一种糖尿病分型诊断系统 |
| CN111466921A (zh) * | 2020-04-23 | 2020-07-31 | 中国科学院上海技术物理研究所 | 基于多源信息感知及融合的无创血糖检测仪与检测方法 |
| CN111631730A (zh) * | 2020-05-15 | 2020-09-08 | 中国科学院深圳先进技术研究院 | 基于传感数据和生理信息融合的低血糖预警方法和系统 |
| CN111696666A (zh) * | 2020-06-10 | 2020-09-22 | 杭州联众医疗科技股份有限公司 | 一种基于时间编码的智能慢病管理系统 |
| CN112154513A (zh) * | 2018-06-08 | 2020-12-29 | 欧姆龙健康医疗事业株式会社 | 药剂管理装置、药剂管理方法以及用于药剂管理的程序 |
| CN112786193A (zh) * | 2021-01-20 | 2021-05-11 | 上海市第六人民医院 | 一种用于低血糖患者的监护预警系统及方法 |
| CN112967769A (zh) * | 2021-03-19 | 2021-06-15 | 上海国药医药零售有限公司 | 一种连锁药店糖尿病随访数据的数据处理和数据评估方法 |
| CN113063753A (zh) * | 2021-03-16 | 2021-07-02 | 重庆大学 | 一种基于近红外光的血糖预测模型自校正方法 |
| CN113140275A (zh) * | 2021-05-07 | 2021-07-20 | 四川大学华西医院 | 一种肝癌靶向治疗疗效的监测系统及方法 |
| CN113140285A (zh) * | 2020-01-19 | 2021-07-20 | 浙江爱多特大健康科技有限公司 | 血糖控制建议信息推送的方法、装置、设备及存储介质 |
| CN113396457A (zh) * | 2018-11-29 | 2021-09-14 | 珍纳瑞公司 | 用于生物物理建模和响应预测的系统、方法和装置 |
| CN113854982A (zh) * | 2021-09-27 | 2021-12-31 | 河南大爱科技有限公司 | 一种糖尿病动态监管系统 |
| CN114159052A (zh) * | 2020-09-11 | 2022-03-11 | 王志轩 | 具个人化饮食代谢监测、分析、预测及管理系统的血糖机 |
| CN114206296A (zh) * | 2019-03-20 | 2022-03-18 | 数据医疗技术暨艾德赫技术有限责任公司 | 用于药物管理的智能容器、传感器和方法 |
| CN114732402A (zh) * | 2022-05-11 | 2022-07-12 | 李益非 | 一种基于大数据的糖尿病数字化健康管理系统 |
| CN115363571A (zh) * | 2022-08-31 | 2022-11-22 | 重庆联芯致康生物科技有限公司 | 一种基于cgm传感器的机器学习血糖监测系统及方法 |
| CN115662617A (zh) * | 2022-10-24 | 2023-01-31 | 重庆联芯致康生物科技有限公司 | 基于cgm的结果病情预测系统及其预测方法 |
| CN115762782A (zh) * | 2022-11-22 | 2023-03-07 | 南京晶捷生物科技有限公司 | 一种基于cgm动态图谱的血糖分析方法及边缘计算装置 |
| CN115804595A (zh) * | 2021-09-15 | 2023-03-17 | 深圳硅基仿生科技股份有限公司 | 针对睡眠前后的葡萄糖浓度水平的葡萄糖监测系统 |
| CN115804593A (zh) * | 2021-09-15 | 2023-03-17 | 深圳硅基仿生科技股份有限公司 | 针对用餐前后的葡萄糖浓度水平的葡萄糖监测系统 |
| CN115804594A (zh) * | 2021-09-15 | 2023-03-17 | 深圳硅基仿生科技股份有限公司 | 针对运动前后的葡萄糖浓度水平的葡萄糖监测系统 |
| WO2023040925A1 (zh) * | 2021-09-15 | 2023-03-23 | 深圳硅基仿生科技股份有限公司 | 葡萄糖浓度水平的葡萄糖监测系统 |
| CN115868977A (zh) * | 2022-11-15 | 2023-03-31 | 爱多特大健康科技有限公司 | 用于血糖控制的信息的生成方法、第一用户端 |
| CN115910346A (zh) * | 2022-12-28 | 2023-04-04 | 张家口市第一医院 | 一种糖尿病患者的监护预警系统及方法 |
| WO2023124316A1 (zh) * | 2021-12-31 | 2023-07-06 | 深圳硅基仿生科技股份有限公司 | 葡萄糖监测系统 |
| CN116665904A (zh) * | 2023-07-31 | 2023-08-29 | 营动智能技术(山东)有限公司 | 一种基于云计算的慢性病患者健康数据跟踪分析系统 |
| WO2024027482A1 (zh) * | 2022-07-30 | 2024-02-08 | 华为技术有限公司 | 糖尿病风险检测方法、电子设备及系统 |
| CN117558435A (zh) * | 2024-01-11 | 2024-02-13 | 四川省医学科学院·四川省人民医院 | 一种基于bcm设备的远程透析指导系统 |
| CN117711571A (zh) * | 2024-02-06 | 2024-03-15 | 首都医科大学宣武医院 | 一种妊娠期糖尿病患者血糖管理检测系统 |
| CN117918832A (zh) * | 2024-01-31 | 2024-04-26 | 北京中器华康科技发展有限公司 | 一种基于皮下葡萄糖连续监测数据采集的实时血糖六角模型及螺旋桨模型评估算法 |
| CN117995430A (zh) * | 2024-01-30 | 2024-05-07 | 广州朵朵云技术研发有限公司 | 一种基于血液黏度变化的多药物治疗反应预测方法 |
| CN118248283A (zh) * | 2024-03-22 | 2024-06-25 | 东莞市人民医院 | 一种内分泌科血糖数据监测方法与系统 |
| WO2024146486A1 (zh) * | 2023-01-03 | 2024-07-11 | 华为技术有限公司 | 血糖管理方法及相关电子设备 |
| CN118645264A (zh) * | 2024-08-13 | 2024-09-13 | 北京市疾病预防控制中心 | 一种非接触非侵入无损伤的糖分监测预警干预方法 |
-
2015
- 2015-09-30 CN CN201510638286.0A patent/CN105160199A/zh active Pending
Cited By (70)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105653865B (zh) * | 2015-12-31 | 2018-06-05 | 中国科学院深圳先进技术研究院 | 血糖监测方法、装置及系统 |
| CN105653865A (zh) * | 2015-12-31 | 2016-06-08 | 中国科学院深圳先进技术研究院 | 血糖监测方法、装置及系统 |
| CN108496225A (zh) * | 2016-01-29 | 2018-09-04 | 株式会社I-Sens | 用于妊娠性糖尿病患者的提供用餐时间信息的方法 |
| CN109155155A (zh) * | 2016-05-03 | 2019-01-04 | 豪夫迈·罗氏有限公司 | 用于在计算设备上提供收藏菜单的方法及计算设备 |
| CN105956400A (zh) * | 2016-05-06 | 2016-09-21 | 南通大学 | 糖尿病患者自我管理依从性的监督与反馈系统 |
| US11865078B2 (en) | 2016-09-28 | 2024-01-09 | Digital Medical Technologies, LLC | Medication apparatus |
| CN110248634A (zh) * | 2016-09-28 | 2019-09-17 | 数据医疗技术暨艾德赫技术有限责任公司 | 药物设备 |
| CN106529162A (zh) * | 2016-11-04 | 2017-03-22 | 南京端云信息科技有限公司 | 一种智能糖尿病评估预测系统与算法 |
| CN108091373A (zh) * | 2016-11-21 | 2018-05-29 | 医渡云（北京）技术有限公司 | 医疗数据处理方法及装置 |
| CN108231158A (zh) * | 2016-12-14 | 2018-06-29 | 中国移动通信有限公司研究院 | 一种信息分析方法、电子设备及系统 |
| CN110753970A (zh) * | 2017-05-04 | 2020-02-04 | 变健康有限公司 | 分布式用户监测系统 |
| WO2018214298A1 (zh) * | 2017-05-20 | 2018-11-29 | 深圳市前海安测信息技术有限公司 | 无创血糖检测系统及方法 |
| CN107391941A (zh) * | 2017-07-26 | 2017-11-24 | 上海科瓴医疗科技有限公司 | 一种提高用药依从性的方法和系统 |
| CN107480464A (zh) * | 2017-09-27 | 2017-12-15 | 南丹县人民医院 | 一种平衡糖尿病病人运动量与饮食摄入量的系统 |
| CN110021437A (zh) * | 2017-10-31 | 2019-07-16 | 东莞东阳光科研发有限公司 | 一种糖尿病的管理方法和系统 |
| CN110021437B (zh) * | 2017-10-31 | 2024-04-26 | 东莞东阳光科研发有限公司 | 一种糖尿病的管理方法和系统 |
| CN108154918A (zh) * | 2017-12-29 | 2018-06-12 | 广州英丹网络科技有限公司 | 一种基于大数据分析的糖尿病患者评估及管理系统 |
| CN108281182A (zh) * | 2017-12-30 | 2018-07-13 | 广州柏颐信息科技有限公司 | 一种用户健康监测数据报警方法和装置 |
| CN108281182B (zh) * | 2017-12-30 | 2021-10-08 | 广州爱牵挂数字科技有限公司 | 一种用户健康监测数据报警方法和装置 |
| CN112154513A (zh) * | 2018-06-08 | 2020-12-29 | 欧姆龙健康医疗事业株式会社 | 药剂管理装置、药剂管理方法以及用于药剂管理的程序 |
| CN110875094B (zh) * | 2018-08-31 | 2024-01-30 | 福州依影健康科技有限公司 | 糖尿病的健康生活方式激励方法和系统、及存储设备 |
| CN110875094A (zh) * | 2018-08-31 | 2020-03-10 | 福州依影健康科技有限公司 | 糖尿病的健康生活方式激励方法和系统、及存储设备 |
| CN110970110A (zh) * | 2018-09-28 | 2020-04-07 | 西门子医疗有限公司 | 用于为患者提供剂量参考值的方法和系统 |
| CN109191800A (zh) * | 2018-10-25 | 2019-01-11 | 蚁图信息技术（上海）有限公司 | 适用于糖尿病患者服药后低血糖监测报警方法及装置 |
| CN113396457A (zh) * | 2018-11-29 | 2021-09-14 | 珍纳瑞公司 | 用于生物物理建模和响应预测的系统、方法和装置 |
| CN109620252A (zh) * | 2018-12-29 | 2019-04-16 | 孙成林 | 一种血糖监测系统及方法 |
| CN109637676A (zh) * | 2019-01-25 | 2019-04-16 | 北京中器华康科技发展有限公司 | 一种基于血糖监测的1型糖尿病监控系统及在疾病监控系统中的应用 |
| CN114206296A (zh) * | 2019-03-20 | 2022-03-18 | 数据医疗技术暨艾德赫技术有限责任公司 | 用于药物管理的智能容器、传感器和方法 |
| CN109975551A (zh) * | 2019-04-02 | 2019-07-05 | 熊雯 | 一种糖尿病并发症风险早期检测管理系统及方法 |
| CN110379488A (zh) * | 2019-07-12 | 2019-10-25 | 深圳市预防宝科技有限公司 | 一种对餐后高血糖进行预警的装置及方法 |
| CN111063435A (zh) * | 2019-10-29 | 2020-04-24 | 北京大学人民医院 | 一种糖尿病分型诊断系统 |
| CN111063435B (zh) * | 2019-10-29 | 2022-09-27 | 北京大学人民医院 | 一种糖尿病分型诊断系统 |
| CN113140285A (zh) * | 2020-01-19 | 2021-07-20 | 浙江爱多特大健康科技有限公司 | 血糖控制建议信息推送的方法、装置、设备及存储介质 |
| CN111466921A (zh) * | 2020-04-23 | 2020-07-31 | 中国科学院上海技术物理研究所 | 基于多源信息感知及融合的无创血糖检测仪与检测方法 |
| CN111631730B (zh) * | 2020-05-15 | 2023-06-06 | 中国科学院深圳先进技术研究院 | 基于传感数据和生理信息融合的低血糖预警方法和系统 |
| CN111631730A (zh) * | 2020-05-15 | 2020-09-08 | 中国科学院深圳先进技术研究院 | 基于传感数据和生理信息融合的低血糖预警方法和系统 |
| CN111696666A (zh) * | 2020-06-10 | 2020-09-22 | 杭州联众医疗科技股份有限公司 | 一种基于时间编码的智能慢病管理系统 |
| CN114159052A (zh) * | 2020-09-11 | 2022-03-11 | 王志轩 | 具个人化饮食代谢监测、分析、预测及管理系统的血糖机 |
| CN114159052B (zh) * | 2020-09-11 | 2023-10-31 | 王志轩 | 具个人化饮食代谢监测、分析、预测及管理系统的血糖机 |
| CN112786193A (zh) * | 2021-01-20 | 2021-05-11 | 上海市第六人民医院 | 一种用于低血糖患者的监护预警系统及方法 |
| CN113063753B (zh) * | 2021-03-16 | 2022-11-08 | 重庆大学 | 一种基于近红外光的血糖预测模型自校正方法 |
| CN113063753A (zh) * | 2021-03-16 | 2021-07-02 | 重庆大学 | 一种基于近红外光的血糖预测模型自校正方法 |
| CN112967769A (zh) * | 2021-03-19 | 2021-06-15 | 上海国药医药零售有限公司 | 一种连锁药店糖尿病随访数据的数据处理和数据评估方法 |
| CN113140275A (zh) * | 2021-05-07 | 2021-07-20 | 四川大学华西医院 | 一种肝癌靶向治疗疗效的监测系统及方法 |
| CN113140275B (zh) * | 2021-05-07 | 2023-03-24 | 四川大学华西医院 | 一种肝癌靶向治疗疗效的监测系统及方法 |
| CN115804595A (zh) * | 2021-09-15 | 2023-03-17 | 深圳硅基仿生科技股份有限公司 | 针对睡眠前后的葡萄糖浓度水平的葡萄糖监测系统 |
| CN115804593A (zh) * | 2021-09-15 | 2023-03-17 | 深圳硅基仿生科技股份有限公司 | 针对用餐前后的葡萄糖浓度水平的葡萄糖监测系统 |
| CN115804594A (zh) * | 2021-09-15 | 2023-03-17 | 深圳硅基仿生科技股份有限公司 | 针对运动前后的葡萄糖浓度水平的葡萄糖监测系统 |
| WO2023040925A1 (zh) * | 2021-09-15 | 2023-03-23 | 深圳硅基仿生科技股份有限公司 | 葡萄糖浓度水平的葡萄糖监测系统 |
| CN113854982A (zh) * | 2021-09-27 | 2021-12-31 | 河南大爱科技有限公司 | 一种糖尿病动态监管系统 |
| WO2023124316A1 (zh) * | 2021-12-31 | 2023-07-06 | 深圳硅基仿生科技股份有限公司 | 葡萄糖监测系统 |
| CN114732402A (zh) * | 2022-05-11 | 2022-07-12 | 李益非 | 一种基于大数据的糖尿病数字化健康管理系统 |
| CN114732402B (zh) * | 2022-05-11 | 2022-10-25 | 中食安泓(广东)健康产业有限公司 | 一种基于大数据的糖尿病数字化健康管理系统 |
| WO2024027482A1 (zh) * | 2022-07-30 | 2024-02-08 | 华为技术有限公司 | 糖尿病风险检测方法、电子设备及系统 |
| CN115363571A (zh) * | 2022-08-31 | 2022-11-22 | 重庆联芯致康生物科技有限公司 | 一种基于cgm传感器的机器学习血糖监测系统及方法 |
| CN115662617A (zh) * | 2022-10-24 | 2023-01-31 | 重庆联芯致康生物科技有限公司 | 基于cgm的结果病情预测系统及其预测方法 |
| CN115868977A (zh) * | 2022-11-15 | 2023-03-31 | 爱多特大健康科技有限公司 | 用于血糖控制的信息的生成方法、第一用户端 |
| CN115762782A (zh) * | 2022-11-22 | 2023-03-07 | 南京晶捷生物科技有限公司 | 一种基于cgm动态图谱的血糖分析方法及边缘计算装置 |
| CN115910346A (zh) * | 2022-12-28 | 2023-04-04 | 张家口市第一医院 | 一种糖尿病患者的监护预警系统及方法 |
| WO2024146486A1 (zh) * | 2023-01-03 | 2024-07-11 | 华为技术有限公司 | 血糖管理方法及相关电子设备 |
| CN116665904A (zh) * | 2023-07-31 | 2023-08-29 | 营动智能技术(山东)有限公司 | 一种基于云计算的慢性病患者健康数据跟踪分析系统 |
| CN116665904B (zh) * | 2023-07-31 | 2023-10-20 | 营动智能技术(山东)有限公司 | 一种基于云计算的慢性病患者健康数据跟踪分析系统 |
| CN117558435B (zh) * | 2024-01-11 | 2024-03-19 | 四川省医学科学院·四川省人民医院 | 一种基于bcm设备的远程透析指导系统 |
| CN117558435A (zh) * | 2024-01-11 | 2024-02-13 | 四川省医学科学院·四川省人民医院 | 一种基于bcm设备的远程透析指导系统 |
| CN117995430A (zh) * | 2024-01-30 | 2024-05-07 | 广州朵朵云技术研发有限公司 | 一种基于血液黏度变化的多药物治疗反应预测方法 |
| CN117918832A (zh) * | 2024-01-31 | 2024-04-26 | 北京中器华康科技发展有限公司 | 一种基于皮下葡萄糖连续监测数据采集的实时血糖六角模型及螺旋桨模型评估算法 |
| CN117711571A (zh) * | 2024-02-06 | 2024-03-15 | 首都医科大学宣武医院 | 一种妊娠期糖尿病患者血糖管理检测系统 |
| CN117711571B (zh) * | 2024-02-06 | 2024-05-14 | 首都医科大学宣武医院 | 一种妊娠期糖尿病患者血糖管理检测系统 |
| CN118248283A (zh) * | 2024-03-22 | 2024-06-25 | 东莞市人民医院 | 一种内分泌科血糖数据监测方法与系统 |
| CN118645264A (zh) * | 2024-08-13 | 2024-09-13 | 北京市疾病预防控制中心 | 一种非接触非侵入无损伤的糖分监测预警干预方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105160199A (zh) | 基于持续血糖监测并具有干预信息的糖尿病管理信息处理和展示方法 | |
| US20200152329A1 (en) | Systems for predicting hypoglycemia and methods of use thereof | |
| RU2285442C2 (ru) | Персональная система контроля состояния | |
| Berard et al. | Monitoring glycemic control | |
| Turksoy et al. | An integrated multivariable artificial pancreas control system | |
| JP5266221B2 (ja) | 生理パラメータを監視する方法および装置 | |
| DK2006786T3 (en) | Method and glucose monitoring system to monitor individual metabolic response and to generate nutrient feedback | |
| Wang et al. | A novel adaptive-weighted-average framework for blood glucose prediction | |
| Mensh et al. | Susceptibility of interstitial continuous glucose monitor performance to sleeping position | |
| KR102400740B1 (ko) | 사용자의 건강상태 모니터링 시스템 및 이의 분석 방법 | |
| Longo et al. | Glycemic control in people with type 1 diabetes using a hybrid closed loop system and followed by telemedicine during the COVID-19 pandemic in Italy | |
| CN101620647A (zh) | 一种保健管理方法和实现该方法的保健管理系统 | |
| US9965587B2 (en) | Reminder, classification, and pattern identification systems and methods for handheld diabetes management devices | |
| BRPI0614491A2 (pt) | medidor sendo dotado de alarme da hora do teste pós-refeição | |
| WO2019064299A1 (en) | COGNITIVE AND PHYSIOLOGICAL MONITORING AND CORRELATION ANALYSIS OF MANAGEMENT OF PATHOLOGICAL CONDITIONS RELATED TO COGNITIVE IMPAIRMENT | |
| US20210311070A1 (en) | Healthcare management method | |
| Kovatchev | Diabetes technology: markers, monitoring, assessment, and control of blood glucose fluctuations in diabetes | |
| JP2016134131A (ja) | 情報処理システム、プログラム及び情報処理システムの制御方法 | |
| Zarkogianni et al. | Personal health systems for diabetes management, early diagnosis and prevention | |
| Kularathne et al. | Dia-Shoe: a smart diabetic shoe to monitor and prevent diabetic foot ulcers | |
| US11705230B1 (en) | Assessing health risks using genetic, epigenetic, and phenotypic data sources | |
| US20050236004A1 (en) | Healthcare model of wellness | |
| Breton et al. | Analysis of the accuracy and performance of a continuous glucose monitoring sensor prototype: an in-silico study using the UVA/PADOVA type 1 diabetes simulator | |
| Turan | Predictors of anticipatory cortisol reactivity to subsequent stressors | |
| CN109065126A (zh) | 一种生活方式管理方法、装置及终端 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20151216 |
|
| RJ01 | Rejection of invention patent application after publication |