CN106413549A - 用于分析用户的被连续地监视的生理测量值的方法和设备方法、系统和计算机程序产品 - Google Patents
用于分析用户的被连续地监视的生理测量值的方法和设备方法、系统和计算机程序产品 Download PDFInfo
- Publication number
- CN106413549A CN106413549A CN201480074372.7A CN201480074372A CN106413549A CN 106413549 A CN106413549 A CN 106413549A CN 201480074372 A CN201480074372 A CN 201480074372A CN 106413549 A CN106413549 A CN 106413549A
- Authority
- CN
- China
- Prior art keywords
- value
- data
- current
- measurement
- situation
- 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.)
- Granted
Links
Classifications
-
- 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
-
- 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
- A61B5/48—Other medical applications
- A61B5/4842—Monitoring progression or stage of a disease
-
- 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
- A61B5/7235—Details of waveform analysis
- A61B5/7246—Details of waveform analysis using correlation, e.g. template matching or determination of similarity
-
- 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
- A61B5/743—Displaying an image simultaneously with additional graphical information, e.g. symbols, charts, function plots
-
- 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
- A61B5/7475—User input or interface means, e.g. keyboard, pointing device, joystick
-
- 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
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6887—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient mounted on external non-worn devices, e.g. non-medical devices
- A61B5/6898—Portable consumer electronic devices, e.g. music players, telephones, tablet computers
-
- 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)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Pathology (AREA)
- Surgery (AREA)
- Molecular Biology (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- Heart & Thoracic Surgery (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physiology (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Emergency Medicine (AREA)
- Optics & Photonics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Investigating Or Analysing Biological Materials (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本申请涉及一种用于分析用户的被连续地监视的生理测量值方法,方法在数据处理系统中被执行并且包括:通过数据接口提供目前生理测量值的集合、确定值的共同模式是否被包含在目前生理测量值的集合和历史生理测量值的集合二者中、如果发现值的共同模式则请求用户提供针对共同模式的值中的至少目前生理测量值的情境化、接收情境化以及存储情境化数据。更进一步地,本申请涉及用于分析用户的被连续地监视的生理测量值的设备。
Description
本公开涉及用于分析用户的被连续地监视的生理测量值的方法和设备、系统和计算机程序产品。
背景技术
使用这样的方法和系统以便确定病人的被测量的血糖值的特性。目的是给予病人以及主治医务人员信息,其使得病人能够以改进且适当的方式处理其血糖值。
针对患有多尿症(diabetes)、尤其糖尿病的人,对于他们而言尤其重要的是使他们的血糖值恒定地保持在特定水平处。这个的前提是他们的血糖值的知识,所述血糖值因此使用出于该目的建立的血糖测量设备来测量。血糖测量设备在各种实施例中是已知的。
如果在测量值的基础上确定血糖值已经超过推荐水平,则服用药物,例如借助于胰岛素注射或口服二甲双胍(口服的抗糖尿病药物)。如果血糖值降到理想或推荐水平以下,则必须例如通过食物或饮料口服地摄取糖。如果超过理想水平达延长的时间段,则存在诸如失明、肾损害、必须截断肢体或神经病之类的严重的健康并发症的危险。如果超过规定血糖水平仅达短时间但是值得考虑的,则这可以造成恶心、头晕、出汗或甚至混乱的状况。因此,对于糖尿病患者而言特别重要的是一直知道其血糖值,使得其能够实现适当的措施来避免血糖值偏离理想水平。
利用其可以测量糖尿病患者的血糖值的血糖测量设备是已知的,例如从文档DE 10 2004 057 503 A1知道,并且在注册商标Accu-Chek下由申请人销售。
可以根据连续测量制度来确定病人的血糖值。这样的测量还被称作CGM测量(连续监视血糖测量)。在该过程中,在连续时间段中连续地测量血糖值,以至例如可以在整天或更长时间期间收集血糖值的过程。对被测量的血糖值的分析可以提供若干天趋势的确定。以该方式,确定依靠当日时间的血糖波动是可能的。
结合对血糖值的连续监视,在文档US 2008/0287755 A1中做出了用以执行所谓的趋势分析的提议。这可以使得能够在两个或更多血糖值测量的基础上确定改变的速率。连续监视的周期可以在5和30分钟之间。可以提供小于10分钟或多于30分钟的测量周期。在测量周期内,每秒一次或每分钟一次地执行CGM测量,由此可以提供恒定或可变的循环长度。已知的方法提出这样确定的趋势可以在显示器上被呈现为有向箭头。
进一步地,根据CGM测量可以识别模式,如在WO 2012/084723
A1中示出的那样。并且在WO 2012/076148中,知道了用于自动地显示生物监视中的模式的系统和方法。
更进一步地,已知不连续的或结构化的血糖测量,其尤其还被称作SMBG测量(自监视血糖测量)并且由如下事实表征:借助于单独的测量和/或系列测量以特定时间间隔确定血糖值。以该方式,在还被称作结构化血糖测量的这样的血糖测量的帮助下,测量例如与膳食相关的紧密接近特定事件的血糖值是可能的。如果与糖尿病患者的血糖值相关的事件发生在测量时间之间使得它们是不可检测的,则结构化血糖测量的缺点可以出现。在文档US
2009/0054753 A1中,描述一种过程,由此在不连续地测量的范围中的单独的血糖测量被用来根据某些参数确定随后进一步单独的测量的时间。参数将病人和环境状况考虑在内。
文档US 2012/0289788 A1公开了用于确定和评估测量值的方法。测量值的数据流可以被彼此比较并且与控制参数的集合相关。如果数据流偏离它的控制参数,则向情绪传感器发送查询,用于请求用户的情绪的输入。
文档US 2012/0232520 A1公开了用于检测分析物样品的方法和系统。评估所存储的测量值以便做出针对推荐的药物剂量的提议。向用户做出请求,用于询问低血糖事件是否已经发生。该信息被考虑在内用于采取推荐的剂量,但是没有被存储在系统中。
发明内容
目的是提供用于分析用户的被连续地监视的生理测量值的改进的技术。
根据本公开,提供了分别根据权利要求1和12所述的用于分析用户的被连续地监视的生理测量值的方法和系统。此外,提供了根据权利要求11所述的计算机程序产品。进一步的发展是从属权利要求的主题。
根据一个方面,提供了一种用于分析用户的被连续地监视的生理测量值、尤其被连续地监视的血糖值的方法。在数据处理系统中执行方法。可以在用于连续地收集和/或分析生理测量值用于例如血糖值的使用的设备中实现数据处理系统。作为替代,数据处理系统可以由可连接到测量设备用于数据传输的通用计算机系统提供。
在方法的过程中,通过数据接口提供在连续地执行的目前测量中收集的目前生理测量值的集合。测量值可以是针对病人或用户的被连续地测量的血糖值。值的共同模式是否被包含在目前生理测量值的集合和在连续地执行的历史测量中收集的历史生理测量值的集合二者中被确定。可以分析针对目前生理测量值的集合和历史生理测量值的集合二者确定的电子模式信息。
模式识别过程可以被用于确定根据例如目前生理测量值的生理测量值的集合中的一个确定的值的模式是否被包含在例如历史生理测量值的生理测量值的另一集合中。已知用于根据测量值的集合确定一个或多个模式并且比较像这样的模式的过程的不同实现。在该方面,参考例如WO
2012/084723 A1和WO 2012/076148 A1。在本公开的范围内,模式一般被理解成是测量值的序列。在简单情况下,针对目前数据确定的目前模式可以对应于在直到现在的例如三个或四个小时的时间段期间收集的值的集合。相应地,比较模式应当被理解成其中在比较时间间隔期间获取的测量值的序列。比较时间间隔被理解成是意味着是或可以是对生理测量值的分析感兴趣的时间间隔。
如果发现值的共同模式被包含在目前或当前生理测量值的集合和历史生理测量值的集合二者中,则请求用户经由数据处理系统的用户IO-设备(IO-输入/输出)提供针对该模式的值中的至少目前生理测量值的情境化。在一侧的历史生理测量值和另一侧的目前生理测量值中的值的模式不必相同。还可能已经判定在其他测量值中发现了根据目前或当前生理测量值的集合和历史生理测量值的集合中的一个确定的值的模式,如果目前和历史模式在某种程度上可比较(类似)的话。例如,可能存在到大约80%的程度的模式同一性。在这样的情况下,例如,生理测量值中的仅80%可能相对于测量值之间的时间差和值水平差异可比较。
经由IO-设备从用户输入接收针对属于在目前生理测量值的集合中确定的值的共同模式的至少目前生理测量值的情境化,并且将针对共同模式的值中的至少目前生理测量值的情境化数据存储在数据处理系统的存储设备中。可以接收和存储针对目前生理测量值中的全部或其部分的情境化。
根据另一方面,提供了一种用于分析用户的被连续地监视的生理测量值、尤其被连续地监视的血糖值的设备。设备包括被配置成执行如下步骤的数据处理系统:
– 通过数据接口提供在连续地执行的目前测量中收集的目前生理测量值的集合,
– 确定值的共同模式是否被包含在目前生理测量值的集合和在连续地执行的历史测量中收集的历史生理测量值的集合二者中,
– 如果发现值的共同模式被包含在目前生理测量值的集合和历史生理测量值的集合二者中,则请求用户经由数据处理系统的用户IO-设备提供针对共同模式的值中的至少目前生理测量值的情境化,
– 经由IO-设备从用户输入接收针对共同模式的值中的至少目前生理测量值的情境化,以及
– 将针对共同模式的值中的至少目前生理测量值的情境化数据存储在数据处理系统的存储设备中。
根据又一方面,提供了一种计算机程序产品,其优选地被存储在非瞬时存储介质上,并且被配置成执行用于分析用户的被连续地监视的生理测量值的方法。
除其他优点之外,通过所提出的技术确保目前或当前生理测量值被正确情境化地存储。可以以对随后数据分析有利的方式来存储通过CGM测量收集的大量测量数据。避免归因于用户错误的非正确数据收集。以较高的可靠性创建用于随后测量值分析的基础。
模式匹配被链接到其他系统功能,诸如对于例如由用户进行的附加数据输入的提示,可以使模式识别更加高效。以该方式,可以提供识别被指派的事件的自学习系统。
确定的步骤可以进一步包括:确定值的目前模式被包含在目前生理测量值的集合中、提供关于根据历史生理测量值的集合确定的值的历史模式的电子模式信息,以及如果目前模式和历史模式类似则确定共同模式的存在。在确定共同模式的存在的步骤之前,可以首先确定值的目前或历史模式。可以在进行的目前生理测量期间重复地执行确定的过程。每次值的目前模式可以是覆盖连续测量的固定的或动态地改变的时间段的测量时间窗。连续的分析步骤的测量时间窗可以重叠。连续地确保目前测量值的情境化。
请求的步骤可以进一步包括输出所提出的情境化数据的预选。情境化整体上可以是用户输入。作为替代,可以例如通过在显示设备之上输出这样的预选来向用户提供所提出的情境化数据的预选。用户可以仅确认预选而不修改所提出的情境化。并且,用户可以通过添加和/或删除情境化数据来修改所提出的情境化。
输出可以包括输出根据被确定在历史生理测量值的集合中的共同模式的值的情境化确定的所提出的情境化数据的预选。所提出的情境化的内容至少部分地可以从被指派到历史生理测量值的情境化取得。被指派到历史生理测量值的情境化可以被整体上或部分地包括在所提出的情境化数据中。在数据处理系统中,所提出的情境化数据的预选可以与关于根据历史生理测量值的集合确定的值的模式的电子模式信息一起(同时)提供。
输出的步骤可以进一步包括输出具有根据被确定在历史生理测量值的集合中的共同模式的值的情境化确定的数据格式的所提出的情境化数据的预选。从历史生理测量值导出数据格式。所确定的数据格式被用于所提出的情境化数据的预选。例如,数据格式限定所要求的情境信息的种类。可以使用相同或不同的数据格式将针对该模式的值中的至少目前生理测量值的情境化数据存储在存储设备中。
输出可以进一步包括如下步骤:针对被包含在目前生理测量值的集合和历史生理测量值的集合二者中的值的共同模式确定模式的类型,以及输出被指派到所确定的共同模式的类型的所提出的情境化的预选。可以通过一个或多个参数区分模式的类型。例如,可以通过从以下组选择的参数来区分模式的不同类型:所包括的测量值的数量、由模式覆盖的时间间隔,以及由值的模式指示的事件。取决于值的模式的类型,可以从包含表示不同预选的所提出的情境化的不同集合的数据库选择所提出的情境化的某预选。
情境化数据可以包括从以下组选择的信息:测量的时间、碳水化合物的摄取、锻炼的类型、事件的类型、疾病、药物、压力、月经和胰岛素丸药。如果针对历史生理测量值和目前生理测量值二者的情境化和值的共同模式彼此比得上(类似),则可以预测和显示将来的连续生理测量值。预测值可以表示生理值的预期趋势或过程,例如用户或病人的血糖水平(血糖水平预报)。
显示可以包括显示将来的连续生理测量值的预测的置信水平。可以在模式匹配和情境数据的基础上确定生理值水平预报的可靠性。如果确定历史生理值和目前生理值二者中的一个或多个模式之间的匹配,并且此外如果高程度的匹配还存在于情境数据之间,则预报生理值可以与指示高置信/可靠性水平的指示符一起显示。其使得能够在历史测量数据和模式识别的基础上预报生理值趋势。不同于在本领域中,这使得使用不仅像这样的生理值趋势的模式识别而且针对讨论中的模式的情境数据的匹配必需。因此,这样可能的是输出基于生理值及其情境的预报的概率/可靠性值。如果在历史和目前生理值中识别的模式的值与针对该模式的值中的至少历史和目前生理值提供的情境化数据二者相同,则向用户显示最高置信水平,例如100%指示符或某颜色(例如深绿色)的指示符。在该模式的值中的一个和情境化数据不完美匹配的情况下,例如通过浅绿色指示符来指示较低的置信水平。
数据处理系统可以被提供在配置成连续地监视用户的血糖水平的血糖控制设备中。如上面概述的那样,在本领域中已知针对像这样的血糖控制设备的不同实施例。
具体实施方式
在下文中,将通过示例的方式描述进一步实施例。在图中示出:
图1 用于执行用于分析用户的被连续地监视的生理测量值的方法的系统的示意性表示,以及
图2 用于分析用户的被连续地监视的生理测量值的方法的实施例的框图。
图1是用于分析用户的被连续地监视的生理测量值的设备或装置1的示意性表示。在示出的实施例中,被提供有数据处理系统的设备1可以被配置用于连续地测量血糖值的模式。设备1可以是移动或手持设备,诸如移动个人计算机、葡萄糖仪或移动智能电话。并且,设备1可以是台式设备,例如台式计算机。设备1被提供有处理器2,其被连接用于与显示设备3、诸如小键盘之类的输入设备4、存储器5和数据接口6的数据交换。那些元件中的某些提供IO部件(IO-输入/输出),诸如显示设备3、输入设备4和数据接口6。
在图1中示出的实施例中,设备1包括可连接到葡萄糖传感器设备8的传感器输入7。例如在设备1由连续葡萄糖仪实现的情况下,可选地提供传感器输入7和葡萄糖传感器设备8。葡萄糖传感器设备8采用产生用户的被测量到的葡萄糖水平或产生对应于用户的被测量到的葡萄糖水平的信号的传感器。葡萄糖传感器设备8将这些信号传送到设备1,所述设备1可以被设计成解释这些信号以产生针对用户的特性读数或值,即特性的测量结果。传感器信号通过传感器输入7进入设备1并且通过传感器输入7将信号传达到处理器2。如果提供这样的实施例,则处理器2可以确定和操纵传感器读数。
此外,设备1可以提供将帮助特性读数应用到的治疗制度的附加功能。例如但不限于,设备1可以跟踪影响多尿症的治疗的膳食、锻炼和其他活动。
设备1的其他部件在执行功能中支持处理器2。存储器5被用来存储由处理器2使用的数据和指令。并且,存储器5可以被用于存储历史和/或目前连续地监视的生理测量值,诸如连续地监视的血糖值。
可以包括小键盘的输入设备4被用来从用户接收直接输入,并且诸如液晶显示器(LCD)等的显示设备3被用来向用户输出信息。数据接口6可以被提供有数字输入/输出端口。
数据接口6可以被用于使设备1与诸如计算机之类的外部设备9通信。为了促进通信,设备1可以通过例如可以服务用于设备1的坞站的通信站10与外部设备9对接。在某些实施例中,特性监视装置1内的数据接口6可以被直接连接到外部设备9。通过通信链路,可以从设备1下载数据。因此,可以在没有设备1内的存储器5的计算机上执行高级分析。诸如特性设置和程序之类的数据也可以被下载到设备1。以该方式,设备1可以被方便地进行重新编程而不要求由用户进行的手动录入。尤其,连续地测量的血糖值可以由设备1接收。
接着,描述了用于结合连续地测量的血糖(CGM)值的模式的特性监视的方法的进一步方面。
在设备1中例如通过数据接口6接收CGM值数据。应利用进一步背景信息使CGM数据情境化。CGM数据将被用于每日决定中的用户的事件特定的支持。该支持可以包括针对用户的涉及当前动作和当前代谢情形的评估(“建议”)的信息和关于将来情形(“预报”)及其评估的信息以及还关于可以如何通过采取早期动作来防止负面发展的信息的自动生成。用户可以通过警报和/或提醒的方式了解最新消息。可以以合适的图表形式通过突出等和/或还通过诸如视觉和/或听觉信号之类的其他合适的响应机制来示出相关的代谢情形。
图2示出了用于分析用户的被连续地监视的生理测量值的方法的实施例的框图。可以通过使用图1中示出的设备1来实现方法。
在步骤20中,提供在连续地执行的目前测量中收集的目前或当前血糖值的集合(CGM值数据)。根据一个实施例,在步骤21中,针对目前或当前血糖值的集合来确定模式信息,即值的目前模式。在简单实施例中,目前模式的值可以类似于在直到确定共同模式的时间的过去时间段期间收集的目前血糖值的整个集合。接着,在步骤22中,借助于处理器2确定在目前生理测量值的集合和在连续地执行的历史测量中收集的历史生理测量值的集合二者中是否存在值的共同模式,针对其的电子信息也被提供到处理器。电子信息包括指示包含在历史血糖值中的值的一个或多个模式的模式信息。确定值的共同模式的存在的步骤包括模式识别,其提供在测量值的一个集合中的针对测量值的另一个集合标识的值的模式的标识。
可以在针对目前血糖值确定的目前模式之后和/或同时执行用于标识历史血糖值的集合中的一个或多个历史模式的步骤。
如果确定存在被包含在目前的集合和历史血糖值的集合二者中的值的共同模式,则在步骤23中经由显示设备3请求用户提供针对该模式的值中的至少目前生理测量值的情境化。可以在显示设备3的屏幕上向用户呈现情境化数据的预选。可以根据之前情境化的历史血糖值确定情境化数据的这样的预选。用户可以修改所呈现的情境化数据。用户可以向呈现为预选的数据添加进一步情境化数据。并且,用户可以部分或甚至完全地不顾情境化数据的预选并且提供其自己的情境化数据。
模式识别或模式匹配使得例如CGM测量数据的生理测量数据中的已知模式能够被自动地识别。特别地,其可以用于揭露尽可能接近地匹配用户的当前情形的用户的历史情形,使得可以根据该情况采取适当的措施(参见例如WO
2012/084723 A1)。类似地,在WO 2012/076148 A1中公开了通过将时间考虑在内的模式的群集的自动事件识别。
在步骤24中从用户输入接收到针对该模式的值中的至少目前血糖值的情境化之后,在步骤25中将针对该模式的值中的至少目前血糖值的情境化数据存储在存储器5中。此外或作为替代,可以经由数据接口6输出目前血糖值连同情境化数据。
在大多数情况下,参考诸如时间、日子和可能的膳食标签之类的自动或手动录入的情境化来标识测量值中的模式。不幸地,情境化常常是缺少的或不完全的,其构成对模式的解释的障碍。更进一步地,模式识别的可靠性并不总是适当的。
通过这里提出的技术,初始参考历史数据执行模式识别。在该情境中,模式识别可以不仅基于过去的血糖值而且基于与历史血糖值相关联的情境数据,如果这样的数据可用的话。如果根据目前或历史测量数据确定的模式被识别在另一血糖测量值中,则自动地提示用户使目前测量数据情境化。系统可以有利地在历史数据的基础上自动地提供可能情境的预选。相应地,所有用户可能必须做的是确认情境的录入,并且他因此被分让执行附加的数据输入步骤的任务。
不同于在本领域中,其中可以在实时葡萄糖值中的显著改变的基础上识别错失的丸药,这里提出的解决方案使得情境能够被识别。这因此使得执行自动事件识别是可能的。这还使能其中多个事件同时发生的测量数据中的复杂情形的识别。最后,系统能够学习依靠可用历史数据使至少针对定期发生的情形/事件的数据录入充分自动化。
此外,可以在模式匹配和情境数据的基础上计算血糖水平预报的可靠性。如果历史血糖值和目前血糖值中的模式之间的匹配接近并且如果高程度的匹配也存在于例如情境数据之间,则预报血糖值以高置信/可靠性水平显示。相应地,进一步方面是其使得能够在历史测量数据和模式识别的基础上预报血糖趋势。不同于在本领域中,这使得使用不仅像这样的血糖趋势的模式识别而且针对讨论中的模式的情境数据的匹配必需。
因此,这样可能的是基于葡萄糖值及其情境而输出用于预报的概率/可靠性值。例如,如果系统检测到血糖趋势中的例如60或70%的x%的匹配,并且如果血糖值的情境数据还展示高匹配百分比,则可以在血糖水平预报的可靠性中放置比如果葡萄糖数据表明高水平的匹配但非情境数据更大的置信。相应地,可以有利地在CGM系统中实现所呈现的技术,所述CGM系统显示葡萄糖趋势的预报并且同时还显示预报的可靠性。如果预报在例如“绿色区”内,则用户可以因此可选地免除进一步血糖测量。因此可设想的是,系统或设备可以将预报指派到(不确定的、可能的、非常确信的)各种类别,并且在该情况下还可以将例如用于葡萄糖值的阈值/范围、曲线梯度等的进一步准则考虑在内。
Claims (12)
1.一种用于分析用户的被连续地监视的生理测量值、尤其被连续地监视的血糖值的方法,方法在数据处理系统中被执行并且包括:
– 通过数据接口提供在连续地执行的目前测量中收集的目前生理测量值的集合,
– 确定值的共同模式是否被包含在目前生理测量值的集合和在连续地执行的历史测量中收集的历史生理测量值的集合二者中,
– 如果发现值的共同模式被包含在目前生理测量值的集合和历史生理测量值的集合二者中,则请求用户经由数据处理系统的用户IO-设备提供针对共同模式的值中的至少目前生理测量值的情境化,
– 经由IO-设备从用户输入接收针对共同模式的值中的至少目前生理测量值的情境化,以及
– 将针对共同模式的值中的至少目前生理测量值的情境化数据存储在数据处理系统的存储设备中。
2.根据权利要求1所述的方法,其中确定进一步包括
- 确定目前生理测量值的集合中的值的目前模式,
- 提供关于根据历史生理测量值的集合确定的值的历史模式的电子模式信息,以及
- 如果目前模式和历史模式类似则确定共同模式的存在。
3.根据权利要求1或2所述的方法,其中请求进一步包括输出所提出的情境化数据的预选。
4.根据前述权利要求中的一个所述的方法,其中输出包括输出根据被确定在历史生理测量值的集合中的共同模式的值的情境化确定的所提出的情境化数据的预选。
5.根据权利要求3或4所述的方法,其中输出进一步包括输出具有根据被确定在历史生理测量值的集合中的共同模式的值的情境化确定的数据格式的所提出的情境化数据的预选。
6.根据前述权利要求3至5中的一个所述的方法,其中输出进一步包括
- 针对被包含在目前生理测量值的集合和历史生理测量值的集合二者中的共同模式确定模式的类型,以及
- 输出被指派到所确定的模式的类型的所提出的情境化的预选。
7.根据前述权利要求中的一个所述的方法,其中情境化数据包括从以下组选择的信息:测量的时间、碳水化合物的摄取、锻炼的类型、事件的类型、疾病、药物、压力、月经和胰岛素丸药。
8.根据前述权利要求中的一个所述的方法,进一步包括如果针对历史生理测量值和目前生理测量值二者的情境化和值的共同模式类似,则预测和显示将来的连续生理测量值。
9.根据权利要求8所述的方法,其中显示包括显示将来的连续生理测量值的预测的置信水平。
10.根据前述权利要求中的一个所述的方法,其中数据处理系统被提供在配置成连续地监视用户的血糖水平的血糖控制设备中。
11.一种计算机程序产品,其被存储在存储介质上并且被配置成在数据处理系统的操作期间执行根据前述权利要求中的一个所述的方法。
12.一种用于分析用户的被连续地监视的生理测量值、尤其被连续地监视的血糖值的设备,包括被配置成执行如下步骤的数据处理系统:
– 通过数据接口提供在连续地执行的目前测量中收集的目前生理测量值的集合,
– 确定值的共同模式是否被包含在目前生理测量值的集合和在连续地执行的历史测量中收集的历史生理测量值的集合二者中,
– 如果发现值的共同模式被包含在目前生理测量值的集合和历史生理测量值的集合二者中,则请求用户经由数据处理系统的用户IO-设备提供针对共同模式的值中的至少目前生理测量值的情境化,
– 经由IO-设备从用户输入接收针对共同模式的值中的至少目前生理测量值的情境化,以及
– 将针对共同模式的值中的至少目前生理测量值的情境化数据存储在数据处理系统的存储设备中。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP13194952.1 | 2013-11-28 | ||
EP13194952 | 2013-11-28 | ||
PCT/EP2014/075833 WO2015078975A1 (en) | 2013-11-28 | 2014-11-27 | Method and device method for analyzing continuously monitored physiological measurement values of a user, a system, and computer program product |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106413549A true CN106413549A (zh) | 2017-02-15 |
CN106413549B CN106413549B (zh) | 2019-09-24 |
Family
ID=49709529
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201480074372.7A Active CN106413549B (zh) | 2013-11-28 | 2014-11-27 | 用于分析用户的被连续地监视的生理测量值的方法和设备方法、系统和计算机程序产品 |
Country Status (9)
Country | Link |
---|---|
US (2) | US10791993B2 (zh) |
EP (1) | EP3073918B1 (zh) |
CN (1) | CN106413549B (zh) |
DK (1) | DK3073918T3 (zh) |
ES (1) | ES2944565T3 (zh) |
FI (1) | FI3073918T3 (zh) |
HU (1) | HUE062015T2 (zh) |
PL (1) | PL3073918T3 (zh) |
WO (1) | WO2015078975A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
PL3073918T3 (pl) * | 2013-11-28 | 2023-07-10 | F. Hoffmann-La Roche Ag | Sposób i powiązane ze sposobem urządzenie do analizowania monitorowanych w sposób ciągły fizjologicznych wartości pomiarowych użytkownika, system i produkt w postaci programu komputerowego |
CA2977163A1 (en) * | 2015-05-07 | 2016-11-10 | Dexcom, Inc. | System and method for educating users, including responding to patterns |
WO2017070553A1 (en) | 2015-10-21 | 2017-04-27 | University Of Virginia Patent Foundation | System, method and computer readable medium for dynamical tracking of the risk for hypoglycemia in type 1 and type 2 diabetes |
EP3671385B1 (en) * | 2018-12-20 | 2023-08-09 | Endress+Hauser Group Services AG | Method of determining the time interval until a service action is required |
CN113951879B (zh) * | 2021-12-21 | 2022-04-05 | 苏州百孝医疗科技有限公司 | 血糖预测方法和装置、监测血糖水平的系统 |
WO2023235444A1 (en) * | 2022-06-01 | 2023-12-07 | Dexcom, Inc. | Systems and methods for optimizing treatment using physiological profiles |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003004730A (ja) * | 2001-06-27 | 2003-01-08 | Toto Ltd | 生体情報測定装置 |
CN1512173A (zh) * | 2002-12-26 | 2004-07-14 | 力捷电脑股份有限公司 | 帮助自我控制血糖值的血糖值长期观测图表建立方法 |
JP2005328924A (ja) * | 2004-05-18 | 2005-12-02 | Toyama Univ | 血糖値予測装置、血糖値予測モデル作成装置、およびプログラム |
CN101594820A (zh) * | 2007-01-29 | 2009-12-02 | 霍夫曼-拉罗奇有限公司 | 处理葡萄糖浓度信号的评估方法 |
WO2012084723A1 (en) * | 2010-12-22 | 2012-06-28 | Roche Diagnostics Gmbh | Automatic recognition of known patterns in physiological measurement data |
CN102740770A (zh) * | 2010-01-26 | 2012-10-17 | 霍夫曼-拉罗奇有限公司 | 用于处理从具有糖尿病的人测量的葡萄糖数据的方法和系统 |
CN102770868A (zh) * | 2010-02-25 | 2012-11-07 | 生命扫描苏格兰有限公司 | 具有高低血糖趋势通知的分析物测试方法和系统 |
US20120289788A1 (en) * | 2011-05-13 | 2012-11-15 | Fujitsu Limited | Triggering User Queries Based on Sensor Inputs |
US20130035871A1 (en) * | 2011-08-05 | 2013-02-07 | Dexcom, Inc. | Systems and methods for detecting glucose level data patterns |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9247901B2 (en) * | 2003-08-22 | 2016-02-02 | Dexcom, Inc. | Systems and methods for replacing signal artifacts in a glucose sensor data stream |
DE102004057503B4 (de) | 2004-11-29 | 2013-11-21 | Roche Diagnostics Gmbh | Diagnosesystem zum Ermitteln von Stoffkonzentrationen in flüssigen Proben |
US20090054753A1 (en) | 2007-08-21 | 2009-02-26 | Mark Ries Robinson | Variable Sampling Interval for Blood Analyte Determinations |
EP1918837A1 (en) * | 2006-10-31 | 2008-05-07 | F. Hoffmann-La Roche AG | Method for processing a chronological sequence of measurements of a time dependent parameter |
US20080287755A1 (en) | 2007-05-17 | 2008-11-20 | Isense Corporation | Method and apparatus for trend alert calculation and display |
US7695434B2 (en) * | 2007-10-19 | 2010-04-13 | Lifescan Scotland, Ltd. | Medical device for predicting a user's future glycemic state |
WO2010014963A2 (en) * | 2008-07-31 | 2010-02-04 | Government Of The United States As Represented By The Secretary Of The Army | Universal models for predicting glucose concentration in humans |
EP2649544A1 (en) | 2010-12-08 | 2013-10-16 | Roche Diagnostics GmbH | Systems and methods for automatically displaying patterns in biological monitoring data |
US10575791B2 (en) * | 2010-12-22 | 2020-03-03 | Roche Diabetes Care, Inc. | Automatic recognition of known patterns in physiological measurement data |
US8774889B2 (en) * | 2010-12-22 | 2014-07-08 | Roche Diagnostics Operations, Inc. | Patient monitoring system with efficient pattern matching algorithm |
WO2012122520A1 (en) * | 2011-03-10 | 2012-09-13 | Abbott Diabetes Care Inc. | Multi-function analyte monitor device and methods of use |
PL3073918T3 (pl) * | 2013-11-28 | 2023-07-10 | F. Hoffmann-La Roche Ag | Sposób i powiązane ze sposobem urządzenie do analizowania monitorowanych w sposób ciągły fizjologicznych wartości pomiarowych użytkownika, system i produkt w postaci programu komputerowego |
-
2014
- 2014-11-27 PL PL14805573.4T patent/PL3073918T3/pl unknown
- 2014-11-27 ES ES14805573T patent/ES2944565T3/es active Active
- 2014-11-27 FI FIEP14805573.4T patent/FI3073918T3/fi active
- 2014-11-27 HU HUE14805573A patent/HUE062015T2/hu unknown
- 2014-11-27 CN CN201480074372.7A patent/CN106413549B/zh active Active
- 2014-11-27 EP EP14805573.4A patent/EP3073918B1/en active Active
- 2014-11-27 DK DK14805573.4T patent/DK3073918T3/da active
- 2014-11-27 WO PCT/EP2014/075833 patent/WO2015078975A1/en active Application Filing
-
2016
- 2016-05-27 US US15/166,413 patent/US10791993B2/en active Active
-
2020
- 2020-08-26 US US17/003,027 patent/US12059272B2/en active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003004730A (ja) * | 2001-06-27 | 2003-01-08 | Toto Ltd | 生体情報測定装置 |
CN1512173A (zh) * | 2002-12-26 | 2004-07-14 | 力捷电脑股份有限公司 | 帮助自我控制血糖值的血糖值长期观测图表建立方法 |
JP2005328924A (ja) * | 2004-05-18 | 2005-12-02 | Toyama Univ | 血糖値予測装置、血糖値予測モデル作成装置、およびプログラム |
CN101594820A (zh) * | 2007-01-29 | 2009-12-02 | 霍夫曼-拉罗奇有限公司 | 处理葡萄糖浓度信号的评估方法 |
CN102740770A (zh) * | 2010-01-26 | 2012-10-17 | 霍夫曼-拉罗奇有限公司 | 用于处理从具有糖尿病的人测量的葡萄糖数据的方法和系统 |
CN102770868A (zh) * | 2010-02-25 | 2012-11-07 | 生命扫描苏格兰有限公司 | 具有高低血糖趋势通知的分析物测试方法和系统 |
WO2012084723A1 (en) * | 2010-12-22 | 2012-06-28 | Roche Diagnostics Gmbh | Automatic recognition of known patterns in physiological measurement data |
CN103384495A (zh) * | 2010-12-22 | 2013-11-06 | 霍夫曼-拉罗奇有限公司 | 生理测量数据中已知模式的自动识别 |
US20120289788A1 (en) * | 2011-05-13 | 2012-11-15 | Fujitsu Limited | Triggering User Queries Based on Sensor Inputs |
US20130035871A1 (en) * | 2011-08-05 | 2013-02-07 | Dexcom, Inc. | Systems and methods for detecting glucose level data patterns |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
Also Published As
Publication number | Publication date |
---|---|
PL3073918T3 (pl) | 2023-07-10 |
DK3073918T3 (da) | 2023-05-22 |
US20160270737A1 (en) | 2016-09-22 |
CN106413549B (zh) | 2019-09-24 |
US10791993B2 (en) | 2020-10-06 |
WO2015078975A1 (en) | 2015-06-04 |
EP3073918A1 (en) | 2016-10-05 |
FI3073918T3 (fi) | 2023-05-23 |
ES2944565T3 (es) | 2023-06-22 |
HUE062015T2 (hu) | 2023-09-28 |
US20200383645A1 (en) | 2020-12-10 |
EP3073918B1 (en) | 2023-03-22 |
US12059272B2 (en) | 2024-08-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106413549A (zh) | 用于分析用户的被连续地监视的生理测量值的方法和设备方法、系统和计算机程序产品 | |
US10667759B2 (en) | Automatic recognition of known patterns in physiological measurement data | |
US10672515B2 (en) | Hazard based assessment patterns | |
US10749775B2 (en) | Systems and methods for response calibration | |
RU2463957C2 (ru) | Способ обеспечения точных даты и времени в контрольном измерителе | |
EP3777679B1 (en) | Cloud big data-based smart real-time dynamic blood sugar monitoring system and method | |
CN101785702B (zh) | 健康信息系统、方法及对应装置、设备及试剂载体 | |
EP2654563B1 (en) | Automatic recognition of known patterns in physiological measurement data | |
CN101785701B (zh) | 信息处理的装置、方法、设备及试剂载体 | |
US20200205704A1 (en) | Safety tools for decision support recommendations made to users of continuous glucose monitoring systems | |
US20220270720A1 (en) | Adjustment method for an analytical determination of an analyte in a body fluid | |
AU2013323790A1 (en) | Systems and methods for response calibration | |
EP3355311B1 (en) | Method, system, and computer program product for dynamic analysis of a physiological parameter | |
WO2023045383A1 (zh) | 校准分析物传感组件的传感数据的方法与系统 | |
CN108335750B (zh) | 动态分析血糖值的方法、系统与计算机存储介质 | |
CN115206547A (zh) | 基于nfc标签的交互式健康管理系统及其使用方法 | |
CN116407123A (zh) | 用于识别黄昏现象的葡萄糖监测系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 1234299 Country of ref document: HK |
|
GR01 | Patent grant | ||
GR01 | Patent grant |