CN107708548A - 用于吸烟行为的量化和预测的系统和方法 - Google Patents

Abstract

描述了用于监测生物特征和情境变量以帮助筛查吸烟行为、对吸烟行为量化和预测以及用于帮助停止吸烟的系统和方法。

Description

用于吸烟行为的量化和预测的系统和方法

相关申请

本申请是2015年4月7日提交的美国临时申请号为62/143,924的非临时申请，其全部内容通过引用并入。

发明领域

本公开涉及用于监测生物特征和情境变量以帮助筛查停止吸烟的系统和方法。系统和方法可以非侵入式地检测患者的吸烟行为。系统和方法可以量化和/或预测患者的吸烟行为。系统和方法可能有助于停止吸烟。在一些实施例中，系统和方法提供用于在医疗和牙科就诊以及其他合适的健康相关预约期间筛查普通人群。在一些实施例中，系统和方法为吸烟患者提供启动和设置戒烟项目。在一些实施例中，系统和方法在患者成功戒烟之后提供后续项目。

背景

与吸烟相关联的健康问题是众所周知的。香烟烟雾含有尼古丁以及许多其他化合物和添加剂。烟草烟雾使个体暴露于一氧化碳以及这些其他化合物，其中许多化合物对吸烟者和吸烟者周围的人都是致癌和有毒的。吸烟者呼出气中的一氧化碳的存在和水平可以提供用于识别该个体的总体吸烟行为的标记，并且为其对其它有毒化合物的总体暴露提供标记。

由于与吸烟相关联的健康风险和问题，除了吸烟对暴露的非吸烟者的影响外，还存在帮助个体停止吸烟或至少减少每天吸烟量的许多项目。

停止吸烟项目和产品通常会尝试减少患者的吸烟，而没有充分了解患者之间可能会有所不同的吸烟行为。此外，考虑到吸烟行为的自我报告依赖于严格遵守报告吸烟活动，因此可能难以了解患者的吸烟行为。而且在许多情况下，由于与跟踪和评估吸烟相关联的羞愧、粗心和/或人为错误，个体可能不会严格遵守报告此类活动。

仍然存在对于通过首先了解个体的吸烟行为来解决个体的吸烟以及然后基于这种了解使个体参与用于减少和终止吸烟的有效手段的需要。

发明概述

本文描述的系统和方法允许使吸烟的个体参与且量化其吸烟行为以更好地帮助个体最终实现停止吸烟的目标的多阶段方法。本文所述的方法和系统允许甚至在个体被给出试图戒烟的苦难任务之前对吸烟者行为的改进的测量和量化。例如，本文描述的系统和方法可用于使用客观标准从较大群体内识别吸烟者群体。一旦个体吸烟者被识别出，相同的方法和系统就允许其中个体的特定吸烟行为可被追踪和量化的学习和探索阶段。方法和系统还允许跟踪个体的行为数据，以识别吸烟的潜在触发因素，或仅仅是针对其吸烟的程度教育个体。方法和系统还允许对已决定参与“戒烟”项目的个体进行更积极的监测，其中这种监测允许个体进行自我监测以及通过同伴、教练或咨询师进行监测。最后，本文公开的方法和系统可用于监测成功戒烟的个体，以确保吸烟行为不再发生。

本文描述了用于评估个体的吸烟行为的系统和方法。该系统可以允许通过测量生物特征数据和评估归因于香烟烟雾的因素以及评估与吸烟或个体的普通活动相关联的行为数据来量化个体的吸烟行为。

系统和方法可以非侵入式地基于测量患者的生物特征数据中的一个或更多个(诸如，CO水平或呼出的CO水平)来检测和量化患者的吸烟行为。但是，也可以使用其他生物特征数据。这些数据包括碳氧血红蛋白(SpCO)、氧合血红蛋白(SpO2)、心率、呼吸频率、血压、体温、出汗、心率变异性、电节律、脉搏速度、皮肤电反应、瞳孔大小、地理位置、环境、环境温度、压力源、生活事件和其他合适的参数。这样的测量或数据收集可以使用便携式测量单元或固定测量单元，其中任一个与一个或更多个电子设备通信以用于执行量化分析。可选地，可以在便携式/固定单元中执行分析。例如，便携式单元可以被耦合到钥匙扣、个体的点烟器、手机或将会经常与个体在一起的其他物品。可选地，便携式单元可以是独立单元，或者可以由个体佩戴。

在一个变型中，本文描述的方法允许通过以下动作来量化个体的吸烟行为：在一时间段内从个体获得呼出气的多个样本并记录与呼出气的每个样本相关联的收集时间；测量对于呼出气的样本中的每个样本的呼出一氧化碳量；编制包括对于呼出气的每个样本的呼出一氧化碳量和收集时间的数据集；量化在该一时间段内的时间间隔上呼出的一氧化碳的暴露，并使用该数据集将呼出的一氧化碳负荷指定到该时间间隔；以及显示呼出的一氧化碳负荷。显示量化结果可以发生在一个或更多个位置处，以向个体、看护者或与了解和/或减少个体的吸烟行为有关的任何其他个体提供反馈。

在另外的变型中，在一时间段内获得来自个体的多个(the plurality of)呼出气的样本并记录呼出气的每个样本的收集时间包括依次获得多个呼出气的样本。

量化呼出一氧化碳的暴露可以包括使用数据集在所述一时间段内关联呼出一氧化碳相对于时间的函数。可选地，量化可以包括在时间间隔上的CO水平和时间的数学乘积。这样的量化允许改进对吸烟行为的观察，因为它允许在给定的时间间隔内观察身体对CO的总体暴露。

在另外的变型中，该方法还包括在时间间隔内根据由函数定义的曲线获得呼出一氧化碳和时间的面积。

方法和系统还可以包括例如使用利用个体定位的便携式设备生成信号以提醒个体提供呼出气的至少一个样本。在另外的变型中，该方法可以包括在重复的基础上警告个体以在一时间段内提供呼出气的样本。

以上方法还可以包括接收来自个体的输入数据并记录输入的时间。这样的数据可以包括诸如由个体吸食的一部分香烟的计数的行为数据。可选地，数据可以包括关于位置(经由GPS单元)、饮食、活动(例如，驾驶、看电视、进餐、工作、社交等)的信息。

该方法可以包括可视地显示输入数据中的任一个。包括由个体吸食的部分香烟的计数的总和。这样的数据也可以允许显示所计算的信息。例如，当直接生物测量也可能错误地测量来自尼古丁贴片或尼古丁口香糖的尼古丁时，可以使用香烟计数来确定个体的来自香烟的尼古丁暴露。另外，香烟数据可以用于估计与由个体吸食的香烟数量相关联的花销并显示这种香烟花销。

该方法还可以包括提供在一时间段内与视觉显示时间间隔相关联的呼出一氧化碳负荷的视觉显示。另外，该方法可以包括提供多个呼出气样本的数量的计数的视觉显示。

该方法还可以包括对于在一时间段内的一系列的时间间隔确定一系列的呼出一氧化碳负荷。除了本文讨论的信息之外，还可以显示这些值。

该方法还可以包括将与呼出气的每个样本相关联的收集时间和呼出一氧化碳的量从便携式传感器传输到电子设备。

量化个体的吸烟行为的另一种变型可以包括在一时间段内从个体获得多个一氧化碳的样本并且记录与一氧化碳的每个样本相关联的收集时间；编制包括对于一氧化碳的每个样本的收集时间和一氧化碳的量的数据集；量化在该一时间段内的一氧化碳在时间间隔内的暴露，并使用数据集将一氧化碳负荷指定到时间间隔；以及显示一氧化碳负荷。在这种情况下，一氧化碳的量根据识别身体中的一氧化碳水平的任何类型的测量来确定。

该方法还可以包括获得多个一氧化碳的样本，其包括随时间获得来自个体的多个呼出气的样本，并测量对于呼出气的样本中的每个样本的呼出一氧化碳的量，并且其中记录与一氧化碳的每个样本相关联的收集时间包括记录与呼出气的每个样本相关联的收集时间。

本公开还包括用于获得数据以量化个体的吸烟行为的设备。这种设备可以协助或执行本文所述的功能。

在一个示例中，该设备包括便携式呼吸单元，其被配置为在一时间段内从个体接收多个呼出气的样本，并被配置为记录与呼出气的每个样本相关联的收集时间；传感器，其位于该单元内并被配置为测量对于呼出气的样本中的每个样本的呼出一氧化碳的量；至少一个输入开关，其被配置为记录来自个体的输入数据；存储单元，其被配置为至少存储呼出一氧化碳的量和收集时间；发射机，其被配置为将呼出一氧化碳的量、收集时间和输入数据传送到外部电子设备；以及警报单元，其被配置为向用户提供警报以提交多个呼出气的样本。

本文所述的方法还可以包括用于制定帮助吸烟的患者停止吸烟的项目的方法。例如，该方法可以包括测量确定患者是否吸烟的至少一个生物学指标；捕获多个患者数据，其中患者数据包括在时间上与在患者吸烟时相关的信息；组合多个患者数据中的至少一个和至少一个生物学指标以在第一测试时段期间确定患者的吸烟行为模型；评估吸烟行为模型以评估对于戒烟项目所需的干预程度；以及提供吸烟行为模型和干预程度的总结报告。

在另一个变型中，本公开包括用于阻止患者吸烟的系统。例如，该系统可以包括传感器，其用于测量确定患者是否吸烟的至少一个生物学指标；数据收集设备，其被配置为捕获多个患者数据，其中患者数据包括在时间上与在患者吸烟时相关的信息；处理器，其与传感器和数据收集设备通信，该处理器被配置为编译多个患者数据和至少一个生物学指标以在第一测试时段内确定患者的吸烟行为模型；该处理器被配置为在第二测试时段之前生成至少一个扰动信号，并且其中该处理器分析在第二测试时段内捕获的患者数据中的至少一个以确定测试的吸烟行为；并且其中该处理器将测试的吸烟行为与模型吸烟行为进行比较以确定患者是否被阻止吸烟。

本公开还包括用于阻止患者吸烟的方法。例如，这样的方法可以包括测量确定患者是否吸烟的至少一个生物学指标；收集多个患者数据，其中患者数据包括在时间上与患者吸烟时相关的信息；编译多个患者数据与至少一个生物学指标以确定患者的吸烟行为模型；在第二测试时段之前生成至少一个扰动信号，其中至少一个扰动信号影响患者；分析在第二测试时段内捕获的患者数据中的至少一个以确定测试的吸烟行为；以及将测试的吸烟行为与模型吸烟行为进行比较以确定从吸烟行为模型的变化，从而确定患者是否被阻止吸烟。

在另一个变型中，用于阻止患者吸烟的系统可以包括：数据库，其包含患者的吸烟行为模型，其中吸烟行为模型包括在时间上与在患者吸烟时相关的多个历史患者数据；传感器，其用于测量确定患者是否吸烟的至少一个生物学指标；处理器，其被配置成在分析吸烟行为模型时确定预期的吸烟事件，并且在确定预期的吸烟事件之后，处理器在测试时段之前生成至少一个扰动信号；该处理器被配置为在测试时段期间检查至少一个生物学指标，以确定在测试时段期间患者是否被阻止吸烟；并且其中在确定在测试时段期间患者是否被阻止吸烟之后，处理器更新包含吸烟行为模型的数据库。

用于阻止吸烟的方法的另一个变型可以包括：访问包含患者的吸烟行为模型的数据库，其中吸烟行为模型包括在时间上与在患者吸烟时相关的多个历史患者数据；在分析吸烟行为模型时估计预期的吸烟事件；在处理器确定预期的吸烟事件之后，在测试时段之前生成至少一个扰动信号；测量确定在测试时段期间患者是否吸烟的至少一个生物学指标；在测试时段期间检查至少一个生物学指标以确定在测试时段期间患者是否被阻止吸烟；以及在确定在测试时段期间患者是否被阻止吸烟之后，更新包含吸烟行为模型的数据库。

以上是对量化吸烟行为的一些方法和系统以及用于有效停止吸烟的项目的简要描述。本发明的其他特征、优点和实施例对于本领域技术人员来说从下面的描述和附图中将变得明显，其中仅出于说明的目的，详细阐述本发明的具体形式。本文描述的接入设备和过程的变型包括各种实施例的特征的组合或实施例本身的组合(在可能的情况下)。

虽然本公开在各种示例中讨论了香烟，但是本文公开的方法、系统和改进可以应用于任何类型的烟草烟雾或其它吸入型烟雾。在这种情况下，本公开考虑用适当类型的烟草或烟雾生成产品(包括但不限于雪茄、烟斗等)替换“香烟”。

附图简述

图1描绘了根据本公开的一些实施例的包括可穿戴设备、移动设备和与可穿戴设备和移动设备通信的远程服务器的说明性系统；

图2描绘了根据本公开的一些实施例的包括可穿戴设备和与可穿戴设备通信的远程服务器的另一说明性系统；

图3描绘了根据本公开的一些实施例的关于各种类型的血红蛋白的说明性光吸收曲线，其允许使用光电体积描记(PPG)传感器测量碳氧血红蛋白(SpCO)和氧合血红蛋白(SpO2)的水平；

图4描绘了根据本公开的一些实施例的对于在开始停止吸烟项目之前的典型的五天监测时段的患者的不同SpCO水平的图表；

图5描绘了根据本公开的一些实施例的在开始停止吸烟项目之前的典型的一天内患者的SpCO水平和吸烟触发因素的趋势图；

图6描绘了根据本公开的一些实施例的用于存储在典型的一天内患者的SpCO水平和吸烟触发因素的数据结构；

图7描绘了根据本公开的一些实施例的用于检测患者的吸烟行为的说明性流程图；

图8描绘了根据本公开的一些实施例的在对患者进行五天评估之后的样本报告；

图9描绘了根据本公开的一些实施例的在磨合(run-in)和戒烟项目期间的患者SpCO水平的说明性图表；

图10描绘了根据本公开的一些实施例的说明性智能电话应用屏幕，其显示诸如SpCO、SpO2、心率、呼吸频率、血压和体温的测量值；

图11描绘了根据本公开的一些实施例的用于接收患者输入的数据的说明性智能电话应用屏幕；

图12描绘了根据本公开的一些实施例的实现吸烟预防方案的说明性智能电话应用屏幕；

图13描绘了根据本公开的一些实施例的用于将戒烟过程呈现为对于患者的游戏的说明性智能电话应用屏幕；

图14描绘了根据本公开的一些实施例的用于预测和预防预期的吸烟事件的说明性流程图；

图15描绘了根据本公开的一些实施例的图14中的用于确定预防方案是否成功的步骤1414的说明性流程图；

图16描绘了根据本公开的一些实施例的使用PPG传感器对患者的SpCO水平的一次测量的说明性流程图；

图17描绘了根据本公开的一些实施例的用于检测吸烟事件的说明性流程图；以及

图18描绘了根据本公开的一些实施例的用于将一个或更多个扰动应用于患者的吸烟行为的模型的说明性流程图。

图19示出了用于使用本文所描述的多个方面影响个体的吸烟行为以及进一步量化个体对香烟烟雾的暴露的系统和/或方法的另一变型。

图20A示出了可以利用图19中所示的系统的变型来收集的数据的视觉表示。

图20B示出了可以利用图19中所示的系统的变型来收集的数据的视觉表示。

图21示出了用于确定在一时间段内eCO曲线的数据集的示例，其中可以在各种时间间隔内对可归因于个体的吸烟行为的eCO进行量化以确定对于每个间隔的eCO负担或eCO负荷。

图22示出了显示生物特征数据以及用于评估个体的吸烟行为的各种其它信息的示例。

图23显示了显示与图22中所示的信息类似的信息的仪表板的另一变型。

图24A至图24C示出了数据集的另一变型，该数据集包括呼出一氧化碳、收集时间和香烟数据，其被量化和显示以有益于试图理解其吸烟行为的个体。

发明的详细描述

描述了用于利用交互式筛查进行戒烟的系统和方法。系统和方法基于测量患者的一氧化碳水平、呼出一氧化碳的水平(eCO)、碳氧血红蛋白(SpCO)、氧合血红蛋白(SpO2)、心率、呼吸频率、血压、体温、出汗、心率变异性、电节律、脉搏速度、皮肤电反应、瞳孔大小、地理位置、环境、环境温度、压力源、生活事件和其他合适的参数中的一个或更多个来非侵入式地检测并量化患者的吸烟行为。值得注意的是，SpCO和eCO是测量患者血液中CO水平的两种途径。

在一些实施例中，本文所述的系统和方法提供用于在医疗和牙科就诊以及其他合适的健康相关预约期间筛查一般群体。可穿戴设备可以在例如他们的年度就诊期间应用于患者，以检测最近的吸烟行为，并且如果是肯定的话，推荐吸烟者进行进一步测试并最终进行戒烟项目。在一些实施例中，可穿戴设备被应用作为一次性现场测量。在一些实施例中，患者被提供有可穿戴设备，以作为门诊患者穿戴一时间段，例如一天、一周或另一适当的时间段。较长的穿戴时间可能会在检测吸烟行为时提供更高的灵敏度，并在量化与吸烟行为有关的变量时提供更高的精确度。

当在适当的时间段(例如五天)穿戴可穿戴设备时，可以实时或接近实时地测量多个参数。这些参数可以包括但不限于CO、eCO、SpCO、SpO2、心率、呼吸频率、血压、体温、出汗、心率变异性、电节律、脉搏速度、皮肤电反应、瞳孔大小、地理位置、环境、环境温度、压力源、生活事件和其他合适的参数。来自可穿戴设备的数据可以实时地、接近实时地、每天结束时或根据另一合适的时间间隔发送到智能电话或云服务器或另一合适的设备。可穿戴设备或智能电话可以测量参数，包括但不限于移动、位置、一天中的时间、患者输入的数据和其他合适的参数。患者输入的数据可能包括压力源、生活事件、位置、日常事件、尼古丁贴片或其他尼古丁配方的施用、其他戒烟药物的施用以及其他合适的患者输入的数据。例如，患者输入的数据中的一些可以包括关于电话呼叫、运动、工作、体育运动、压力、性别、饮酒、吸烟和其他合适的患者输入的数据的信息。接收到的数据可能被编译、进行趋势分析，并且实时地或者在一时间段完成之后相关联。

根据上面测量的参数，关于吸烟的信息可以经由位于可穿戴设备、智能电话、云服务器或另一合适设备中的处理器得到。例如，处理器可以分析信息以确定CO、eCO、SpCO趋势、平均值、峰值、变化、特定曲线特征、变化的斜率和其他类型的变化，并且确定在一天期间与其他生物特征和情境变量趋势的关联，以及这些变量在吸烟之前、期间和之后如何变化。处理器可以分析CO、eCO、SpCO趋势以确定参数，诸如吸烟总数、每天吸烟的平均数、每天吸烟的最大数、吸的每支香烟的强度、吸的每支香烟的量(quantity)、吸每支香烟的时间、一天中的时间、一周的一天、相关联的压力源、地理、位置和运动。例如，在给定日子中的峰值的总数可以指示吸烟的数量，而每个峰值的形状和大小以及其它特性可以指示吸的每支香烟的强度和量。处理器可以分析心率和/或脉搏率数据以确定在趋势、平均值和峰值与患者吸烟行为之间的相关性。例如，处理器可以将可预测患者将何时吸烟的吸烟事件之前或期间发生的心率变化(诸如心动过速或心率变异性)相关联。该信息可用于在戒烟项目期间预先制止吸烟事件。例如，如果预测吸烟事件将在接下来的10分钟内发生，则可以通知患者通过许多机制中的任一种来递送一定剂量的尼古丁，诸如经由经皮贴片的递送或从储存在可穿戴设备中的尼古丁的储存库的经皮转移的递送。

在一些实施例中，本文所述的系统和方法提供用于在两个测试时段内评估患者的吸烟行为。在第一测试时段期间，患者表现为他平时那样。位于可穿戴设备、智能电话、云服务器或其他合适设备中的处理器接收与患者的吸烟行为有关的患者数据。由于测试时段的目的是观察患者的吸烟模式，因此患者几乎不参与。在第二测试时段之前，处理器确定患者如何吸烟的模型。

在第二测试时段期间，处理器对模型施加一系列扰动以查看吸烟行为是否改变。扰动可以使用机器学习过程被施加到模型。机器学习过程递送扰动、测试结果，并相应地调整扰动。处理器通过经由机器学习过程尝试选项来确定实现识别的行为变化的最有效的方式。

可能存在几种类型的扰动，每种都有几个维度(dimension)。例如，扰动可能是在吸烟事件之前或期间发送文本消息是否导致吸烟事件被避免或缩短。扰动内的维度可能是对于文本消息的不同的发送者、不同的定时和/或不同的内容。在另一个示例中，扰动可以是在一天的某个时间或在吸烟事件之前或期间的电话呼叫是否导致吸烟事件被避免或缩短。扰动内的维度可能是对于电话呼叫的不同的呼叫者、不同的定时和/或不同的内容。在又一个示例中，扰动可能是警告患者在一天中的几个点处检查他们的吸烟行为在此之后的一时间段内是否避免吸烟。维度可能包括确定是否以及何时消除该避免。在其他示例中，扰动可以是奖励、团队行动或其他合适的触发物以避免或缩短患者的吸烟事件。

在一些实施例中，本文所述的系统和方法为患者提供用于启动和设置戒烟项目。在患者在佩戴可穿戴设备时完成了五天的评估之后，完整的数据集由系统编译和分析，并交付给患者或医生以用于戒烟项目。例如，样本报告可能表明，从10月1日至10月6日，琼斯先生共吸烟175支香烟，平均每天吸烟35支，并且在一天中吸烟的最大数量是45支。琼斯先生的CO水平平均为5.5％，最高为20.7％，并且对于在五天评估期期间的60％持续高于4％。琼斯先生的触发物包括工作、家庭压力源和通勤。鉴于琼斯先生的吸烟习惯，报告建议高剂量和频繁的尼古丁水平预测以用于开始尼古丁替代治疗。如果治疗方案从一开始就按照患者的需要进行定制，这可能在戒烟项目中实现患者依从性的更高可能性。

在一些实施例中，在患者按照惯例吸烟时且在戒烟项目之前的五天评估期间收集的数据用于建立患者生命体征的基线，例如CO、eCO、SpCO水平。系统可以基于收集的数据中CO、eCO、SpCO水平的差异生成对于患者的生命体征的基线曲线。基线曲线可作为用于与患者的CO、eCO、SpCO水平的未来测量值进行比较的参考。

在一些实施例中，患者与他们的医生或咨询师一起工作以开始进入戒烟项目的过程。在医生和患者面前拥有客观数据可有助于戒烟项目的设置和制定药物和咨询计划。在一些实施例中，系统基于来自评估期的数据自动设置戒烟项目。收集的数据可能通过协助进行药物选择和配药，紧接在他们进入该项目之前影响患者的戒烟项目启动和设置。例如，较高且频繁吸烟的指征可能会提示开始较高的尼古丁替代治疗剂量或多种药物(例如，添加用于治疗尼古丁成瘾的药物，如伐尼克兰)。

收集的数据可能通过确定对于患者所需咨询的频率、类型和持续时间来影响戒烟项目的启动和设置。数据可能导致吸烟者需求的分层。例如，具有最高使用的最高风险的吸烟者可能会得到更多的干预，而较低风险的吸烟者可能会得到较少的干预。干预可以包括在患者很可能吸烟的一天中的特定时间处来自患者的配偶、朋友、医生或另一合适的利益相关者的文本消息、电话呼叫、社交网络消息或另一适合的事件。

收集的数据可能会通过将吸烟行为与所有以上变量(诸如，促使吸烟的压力源、一天中的时间以及用于预先咨询患者以意识到这些触发物的其他适当变量)来影响戒烟项目的启动和设置。咨询干预可能针对这些压力源。干预可以在一天中的那些时间针对患者，诸如在一天中的那些时间处的文本消息或电话呼叫。收集的数据可能会通过基于吸烟行为分配同伴团体来影响戒烟项目的启动和设置。收集的数据可用于预测和/或避免吸烟事件。例如，如果在大多数吸烟事件之前出现心动过速或心率变异性，则这可以发出警报，并且患者可以服用一定剂量的药物，或者能够接收到来自同伴团体、医生或咨询师的电话呼叫从而避免吸烟事件。

在一些实施例中，本文所述的系统和方法提供用于维持患者对戒烟项目的参与。一旦处于戒烟项目中，患者可能会继续穿戴可穿戴设备以用于进行监测。系统可以采用分析工具，诸如设置CO、eCO、SpCO基线和对照该基线跟踪进度。例如，趋势可能会下降到零，并停留在那里(指示不再吸烟)。趋势可能会以峰值和谷值缓慢下降(指示吸烟减少)。趋势可能会下降到零，然后再次出现尖峰(指示复发)。

系统可以将患者的进度作为游戏来呈现，并提高进度的可见性。例如，系统可以向患者提供小的奖励，以换取在某一时间段内戒除吸烟。在一些实施例中，系统可以实时地将数据传输到医疗保健提供者以进行远程监测并允许提供者有效地监测和调整患者护理，而不必使患者每天出现在办公室中。

在一些实施例中，本文所述的系统和方法在患者成功戒烟后提供后续项目。在通过系统验证的成功戒烟之后，患者在延长的时间段例如几个月至两年内佩戴可穿戴设备，作为对于复发的早期检测系统。系统可以收集数据并采用如上所述的用于戒烟项目的咨询策略。

在一些实施例中，本文所述的系统和方法提供了包括一个或更多个移动设备和与移动设备通信的服务器的系统。图1示出了用于包括设备102、设备104以及与设备102和设备104通信的服务器106的这种系统的示例性实施例100。设备102协助检测患者的吸烟行为。设备102包括处理器、存储器和用于从设备104和/或服务器106发送和接收数据的通信链路。设备102包括一个或更多个传感器，以基于测量患者的CO、eCO、SpCO、SpO2、心率、呼吸频率、血压、体温、出汗、心率变异性、电节律、脉搏速度、皮肤电反应、瞳孔大小、地理位置、环境、环境温度、压力源、生活事件和其他合适的参数中的一个或更多个来测量患者的吸烟行为。例如，设备102可以包括用于测量CO、eCO、SpCO和SpO2的基于PPG的传感器、用于测量心率和血压的基于心电图的传感器、用于测量呼吸频率的基于声学信号处理的传感器、用于测量体温的可穿戴温度传感器、用于测量皮肤电传导、脑电图的基于皮肤电活动的传感器、放置在皮肤、脂肪或肌肉中的测量CO和其他变量的植入式传感器、口内CO传感器、环境CO传感器以及其他合适的传感器。这些传感器可以在身体上或身体内具有各种位置以用于最佳监测。

设备102可以是可携带的或可穿戴的。例如，设备102可以以类似于腕表的方式可穿戴。在另一示例中，设备102可以是可携带的或可穿戴的并且附接到手指尖、耳垂、耳廓、脚趾、胸部、脚踝、手臂、皮肤褶皱或另一适当的身体部位。设备102可以经由夹子、条带、带子、粘性施加的传感器垫或其它合适的介质附接到合适的身体部分。例如，设备102可以经由手指夹附接到手指尖。在另一示例中，设备102可以经由耳夹附接到耳垂或耳廓。在又一示例中，设备102可以经由趾夹附接到脚趾。在又一示例中，设备102可以经由胸带附接到胸部。在又一示例中，设备102可以经由踝带附接到脚踝。在又一示例中，设备102可以经由二头肌或三头肌带附接到手臂。在再一示例中，设备102可以经由传感器垫附接到皮肤褶皱。

设备102可以为了样本提示患者或者设备(如果被穿戴)可以进行采样而无需患者意愿。采样可以是不定时的、连续的、接近连续的、周期性的或基于任何其他合适的间隔。在一些实施例中，每当传感器能够进行测量时，采样被连续地执行。在一些实施例中，在设定的时间间隔(诸如五分钟或十五分钟)或另一合适的时间间隔之后连续执行采样。

在一些实施例中，设备102包括使用诸如PPG的经皮方法来监测SpCO的一个或更多个传感器。经皮监测可采用透射式或反射方法。设备104可以是智能电话或另一适合的移动设备。设备104包括处理器、存储器和用于从设备102和/或服务器106发送和接收数据的通信链路。设备104可以接收来自设备102的数据。设备104可以包括加速度计、基于全球定位系统的传感器、陀螺仪传感器和用于跟踪所描述参数的其它合适的传感器。设备104可以测量特定参数，包括但不限于移动、位置、一天中的时间、患者输入的数据和其他合适的参数。

由设备104接收的患者输入的数据可包括压力源、生活事件、地理位置、日常事件、尼古丁贴片或其他配方的施用、用于戒烟的其它药物的施用以及其他合适的患者输入的数据。例如，患者输入的数据中的一些可以包括关于电话呼叫、运动、工作、体育运动、压力、性别、饮酒、吸烟和其他合适的患者输入的数据的信息。患者的智能电话进行发短信、呼叫、网上冲浪、玩游戏的患者使用和其他合适的使用也可能与吸烟行为关联，并且这些关联用于预测行为和改变行为。设备104或服务器106(在接收到数据之后)可以实时地或者在指定的时间段完成之后编译数据、对数据进行趋势分析、并且关联数据。服务器106包括处理器、存储器和用于从设备102和/或设备104发送和接收数据的通信链路。服务器106可以位于例如医疗保健提供者站点或另一合适位置处远离设备102和104的位置。

图2示出了对于包括设备202以及与设备202通信的服务器204的系统的示例性实施例200。设备202协助检测患者的吸烟行为。设备202包括处理器、存储器和用于从服务器204发送和接收数据的通信链路。设备202可以是可携带的或可穿戴的。例如，设备202可以以类似于腕表的方式可穿戴。设备202包括一个或更多个传感器206，以基于测量患者的CO、eCO、SpCO、SpO2、心率、呼吸频率、血压、体温、出汗、心率变异性、电节律、脉搏速度、皮肤电反应、瞳孔大小、地理位置、环境、环境温度、压力源、生活事件和其他合适的参数中的一个或更多个来测量患者的吸烟行为。

设备202可以包括一个或更多个传感器208，以测量特定参数，包括但不限于移动、位置、一天中的时间、患者输入的数据和其他合适的参数。患者输入的数据可包括压力源、生活事件、位置、日常事件、尼古丁贴片或其他配方的施用、其他戒烟药物的施用以及其他合适的患者输入的数据。患者输入的数据可以响应于对患者的提示在例如移动设备(诸如设备104)上被接收，或者根据患者意愿在没有提示的情况下被输入。例如，患者输入的数据中的一些可以包括关于电话呼叫、运动、工作、体育运动、压力、性别、饮酒、吸烟和其他合适的患者输入的数据的信息。设备202或服务器204(在接收到数据之后)可以实时地或者在指定的时间段完成之后编译数据、分析数据以获得趋势、并且关联数据。服务器204包括处理器、存储器和用于从设备202发送和接收数据的通信链路。服务器204可以位于例如医疗保健提供者站点或另一合适位置处远离设备202的位置。

在一些实施例中，设备102或202包括检测器单元和通信单元。设备102或202可以包括适合用于其特定功能的用户界面。用户界面可以经由触摸屏、键盘或另一合适的输入机构来接收输入。检测器单元包括至少一个测试元件，其能够使用来自患者的生物参数的输入来检测指示吸烟行为的物质。检测器单元分析来自患者的生物输入，诸如来自肺的呼出气体、唾液或被引导通过组织或通过组织反射的光的波长。在一些实施例中，检测器单元使用PPG监测患者的SpCO。检测器单元可以可选地测量多个其他变量，包括但不限于SpO2、心率、呼吸频率、血压、体温、出汗、心率变异性、电节律、脉搏速度、皮肤电反应、瞳孔大小、地理位置、环境、环境温度、压力源、生活事件和其他合适的参数。对于基于呼吸的传感器，患者输入可以包括吹气到作为检测器单元的一部分的管中。对于唾液或其它基于体液的传感器，患者输入可以包括将流体样本放置在设置在检测器单元中的测试室中。

对于基于光的传感器(诸如PPG)，患者输入可以包括将发射器-检测器放置在手指或暴露皮肤的其它区域上。检测器单元记录日期和一天中的时间，量化目标物质的存在，并存储数据以用于未来分析和/或将数据发送到另一个位置以用于分析，例如设备104或服务器106。通信单元包括用于建立经由有线或无线连接与另一设备(例如，设备104)的通信链路的适当电路。无线连接可以使用WI-FI、蓝牙、射频或其他合适的方案来建立。

图3描绘了用于使用基于光的传感器来分析SpO2和SpCO的合适波长的说明性实施例300。可以通过利用合适的传感器间歇地测试患者的呼出呼气来测量患者的SpCO。在另一个示例中，对于患者的SpCO可以使用诸如光电体积描记法(PPG)的经皮方法来测量。通过使光穿过患者组织(例如，耳垂、耳廓、手指尖、脚趾、皮肤褶皱或另一适当的身体部位)并分析各种波长的衰减来检测SpCO。通常使用两个波长(例如，302(660nm)和306(940nm)来测量SpO2。可以使用三个波长(例如，302(660nm)、304(810nm)和306(940nm))或多达七个或更多个波长(例如，500-1000nm的范围)来测量SpCO。这样的PPG传感器可以经由手指夹、条带、粘性施加的传感器垫或另一合适的介质来实现。PPG传感器可以是透射的，诸如在许多脉搏血氧计中所使用的。在透射的PPG传感器中，光的两个或更多个波形被透射穿过患者组织(例如手指)，并且目标另一侧上的传感器/接收器分析接收到的波形以确定SpCO。可选地，PPG传感器可以是反射性的。在反射PPG传感器中，光照射到目标(例如手指)上，并且接收器/传感器拾取反射光以确定SpCO的测量值。以下提供了更多细节。

经皮或穿粘膜传感器能够基于对穿过组织的光信号的衰减的分析来非侵入性地确定血液CO水平和其他参数。透射式传感器通常抵靠着薄的身体部位，诸如耳垂、耳廓、手指尖、脚趾、皮肤褶皱或另一适当的身体部位。光从组织的一侧照射并在另一侧被检测。一侧上的发光二极管被调谐到特定的一组波长。另一侧上的接收器或检测器检测哪些波形被透射以及它们衰减了多少。该信息用于确定O2和/或CO与血红蛋白分子的结合百分比，即SpO2和/或SpCO。

反射传感器可用于较厚的身体部位，诸如腕部。在表面处照射的光并不在另一侧被测量，而是以从表面反射的光的形式在同一侧被测量。反射光的波长和衰减用于确定SpO2和/或SpCO。在一些实施例中，使用加速度计校正由于患者腕部的运动引起的问题。例如，来自加速度计的信息用于校正由于运动引起的SpO2和SpCO值中的错误。这种传感器的示例在题为“Noninvasive Multi-Parameter Patient Monitor”的美国专利号8,224,411中公开。适合的传感器的另一示例在题为“Reflectance and/or Transmissive PulseOximeter”的美国专利号8,311,601中公开。这两个美国专利通过引用以其整体并入本文，包括通过引用并入其中的所有材料。

在一些实施例中，设备102或202被配置为识别患者的独特特征，诸如指纹、视网膜扫描、语音标签或其他生物特征标识符，以防止具有对信令和测试提示的代理响应从而使系统失效。为此，患者识别子单元可以被包括在设备102或202中。本领域普通技术人员可以根据需要配置识别子单元，以包括本领域已知的指纹扫描仪、视网膜扫描仪、语音分析器或面部识别中的一个或更多个。适合的识别子单元的示例在例如题为“Flash-interfacedFingerprint Sensor”的美国专利号7,716,383和题为“Multimodal Authentication”的美国专利申请公开号2007/0005988中公开，其中每个都通过引用以其整体并入本文。

识别子单元可以包括内置的静止照相机或摄像机，以用于在向测试元件提供生物输入时自动记录患者的图片或视频。不管所使用的标识方案的类型如何，设备102或202可以例如通过时间参考将标识与特定的生物输入相关联，并且可以将该信息连同与关于该特定生物输入的其他信息一起存储以供以后分析。

患者还可能尝试例如在测试呼出呼气时用泵、囊状物、鼓起物(billow)或其它设备向检测器吹气而使检测器失效。在唾液测试的实施例中，患者可能尝试代替诸如水的清洁液体。对于基于光的传感器，患者可能会要求朋友代替他或她。使这些尝试失效的手段可以结合到系统中。例如，设备102或202可以包括在真实和模拟的呼气递送之间辨别的能力。这个功能可以通过配置检测器单元以感测氧气和二氧化碳以及目标物质(例如，一氧化碳)来被并入。以这种方式，检测器单元可以确认被分析的气体来自具有比环境空气更低的氧气和更高二氧化碳的呼出呼气。在另一个示例中，检测器单元可以被配置为检测天然存在于唾液中的酶，以便区分唾液和其它液体。在又一个示例中，基于光的传感器可以用于测量除CO水平之外的血液化学参数，并且由此可以将结果与表示患者的血液化学的已知样本进行比较。

在一些实施例中，设备104(例如，智能电话)根据适当的间隔周期性地、实时地或接近实时地接收来自设备102(例如，可穿戴设备)的测量值。设备104可以提供用于提示患者某些输入的用户界面。设备104可以提供用于显示所收集的数据的某些输出的用户界面。设备104可以允许患者输入患者认为与他或她的状况相关的信息，而不提示或响应于提示。这样的信息可以包括关于患者的心理状态的信息，诸如感到压力或焦虑。这样的未受提示的信息可以基于预定算法与生物输入相关联，诸如与未受提示的输入在时间上最接近的生物输入相关联，或者与在未受提示的输入之后发生的第一个生物输入相关联。服务器106(例如，医疗保健数据库服务器)可以接收来自设备102和104中的一个或两个的这样的数据。在一些实施例中，数据可以存储在设备102、104和106中的一个或更多个的组合上。数据可以被报告给各种利益相关者，诸如患者、患者的医生、同伴团体、家庭、顾问、雇主和其他合适的利益相关者。

在一些实施例中，例如设备102或202的可穿戴设备可以在例如患者通常的年度就诊期间应用于患者，以检测吸烟行为以及然后将吸烟者推荐给戒烟项目。患者被设置有可穿戴设备以作为门诊患者穿戴一时间段，例如一天、一周或另一个合适的时间段。较长的穿戴时间可能会在检测吸烟行为时提供更高的灵敏度，并在量化与吸烟行为有关的变量时提供更高的精确度。图7在以下提供了用于检测吸烟行为的说明性流程图，并且将在下面更详细地进行描述。

在一些实施例中，雇主要求员工自愿穿戴可穿戴设备一时间段，诸如一天、一周或另一个合适的时间段。激励计划可以类似于用于生物特征筛查肥胖、高血脂症、糖尿病、高血压和其他合适的健康状况的项目。在一些实施例中，医疗保险公司要求其订购者在适当的时间段内佩戴可穿戴设备以检测吸烟行为。基于被量化的吸烟行为，这些患者可被推荐到如本公开所描述的戒烟项目。

当穿戴可穿戴设备一适当的时间段(例如五天)时，可以实时或接近实时地测量多个参数。这些参数可以包括但不限于CO、eCO、SpCO、SpO2、心率、呼吸频率、血压、体温、出汗、心率变异性、电节律、脉搏速度、皮肤电反应、瞳孔大小、地理位置、环境、环境温度、压力源、生活事件和其他合适的参数。图4示出了对于在典型的五天监测周期中患者的变化的SpCO水平的说明性图表400。数据点402和404指示高的CO水平，其又很可能指示高吸烟事件。数据点406和408指示低的CO水平，很可能是因为患者睡着了或忙于其他事情。一个或更多个算法可以应用于曲线上的粒度数据点，以足够的灵敏度和特异性检测吸烟事件。例如，算法可以分析SpCO曲线的形状、起点、上行、斜率、峰值、增量、下坡、上坡、变化的时间、曲线下的面积以及其他适当因素中的一个或更多个，以检测吸烟事件。

来自可穿戴设备的数据可以实时地、在每天结束时或根据另一合适的时间间隔发送到智能电话(例如设备104)或云服务器(例如服务器106或204)。智能电话可以测量参数，包括但不限于移动、位置、一天中的时间、患者输入的数据和其他合适的参数。患者输入的数据可包括压力源、生活事件、位置、日常事件、尼古丁贴片或其他配方的施用、其他戒烟药物的施用以及其他合适的患者输入的数据。例如，患者输入的数据中的一些可以包括关于电话呼叫、运动、工作、体育运动、压力、性别、饮酒、吸烟和其他合适的患者输入的数据的信息。接收到的数据可能被编译、进行趋势分析，并且实时地或者在一时间段完成之后相关联。

根据上面测量的参数，关于吸烟的信息可以经由位于例如设备102、104、或202或服务器106或204中的处理器得到。例如，处理器可以分析信息以确定一天之中的CO趋势、平均值、峰值和关联、其他生命体征趋势，以及这些重要器官在吸烟之前、期间和之后如何变化。图5示出了对于分析的信息的说明图示500。患者可以通过对图4中的给定一天进行放大而得到图5。数据点502指示当患者睡着时的SpCO水平。数据点504显示出当患者醒来时SpCO水平最低。数据点506、508和510指示高的SpCO水平与诸如工作休息、午餐和通勤的触发物相关联。处理器可以分析图5中的SpCO趋势以确定参数，诸如吸烟总数、每天吸烟的平均数、每天吸烟的最大数、吸的每支香烟的强度、吸的每支香烟的量、该患者的吸烟事件在曲线上看起来像什么以随后用于戒烟项目、一天中的时间、一周的一天、相关联的压力源、地理、位置和运动。例如，在给定日子中的峰值的总数可以指示吸烟的数量，而每个峰值的梯度可以指示吸的每支香烟的强度。

图6描绘了用于存储患者数据的说明性数据结构。在该实施例中，数据结构600示出了与图5中的数据点(例如，数据点508)相关联的患者数据602。患者数据602包括对于患者的标识信息，诸如患者姓名604和患者年龄606。患者数据602包括对应于图5中的曲线的曲线数据608。例如，曲线数据608包括对应于数据点508的曲线标识符610。对应于数据点508的数据可以由设备102、104或202，和/或服务器106或204或其组合来收集。与曲线标识符610相关联的数据包括日期、时间和位置信息612。数据包括患者生命体征，诸如CO和O2水平614。数据包括患者输入的数据，诸如触发物616。患者输入的数据可以响应于在例如设备104上对患者的提示而输入，或者根据患者的意愿在没有提示的情况下来输入。曲线数据608包括对于图5中的附加数据点的曲线标识符618。数据结构600可以酌情调整以用于存储患者数据。

图7描绘了用于在合适的评估期内检测患者的吸烟行为的说明性流程图700。当患者在适当的时间段(例如五天)内佩戴可穿戴设备时，可以实时地、接近实时地、在每天结束时或根据另一合适的时间间隔测量多个参数。这些参数可以包括但不限于CO、eCO、SpCO、SpO2、心率、呼吸频率、血压、体温、出汗、心率变异性、电节律、脉搏速度、皮肤电反应、瞳孔大小、地理位置、环境、环境温度、压力源、生活事件和其他合适的参数。可穿戴设备或另一适合设备可以测量参数，包括但不限于移动、位置、一天中的时间和其他合适的参数。

在步骤702处，智能电话(例如，设备104)中的处理器或云服务器(例如，服务器106或204)接收所描述的患者数据。在步骤704处，处理器接收响应于在例如智能电话上向患者显示的提示的患者输入的数据和/或根据患者的意愿在没有提示的情况下输入的患者数据。患者输入的数据可包括压力源、生活事件、位置、日常事件、尼古丁贴片或其他配方的施用、其他戒烟药物的施用以及其他合适的患者输入的数据。在步骤706处，处理器发送指令以用接收到的数据更新患者数据库。例如，处理器可以将患者数据传送到托管患者数据库的医疗保健提供者服务器或云服务器。

在步骤708处，处理器分析患者数据以确定吸烟事件。处理器可以实时地或者在评估期完成之后编译数据、对数据进行趋势分析、并且关联数据。例如，处理器可以分析信息以确定一天之中的CO趋势、平均值、峰值、曲线形状和关联、其他生命体征趋势，以及这些重要器官在吸烟之前、期间和之后如何变化。处理器可以分析SpCO趋势以确定参数，诸如吸烟总数、每天吸烟的平均数、每天吸烟的最大数、吸的每支香烟的强度、一天中的时间、一周的一天、相关联的压力源、地理、位置和运动。例如，在给定日子中的峰值的总数可以指示吸烟的数量，而每个峰值的梯度可以指示吸的每支香烟的强度。

在步骤710处，处理器将确定的吸烟事件和相关分析传送到患者数据库以进行存储。在步骤712处，处理器确定评估期是否已经结束。例如，评估期可以是五天或另一个合适的时间段。如果评估期尚未结束，则处理器返回到步骤702以接收额外的患者数据、分析数据并相应地更新患者数据库。如果评估期已经结束，则在步骤714处，处理器结束数据收集和分析。例如，处理器可以在评估期结束时评估所有收集的数据，以准备如以下关于图8描述的报告。

可以设想，图7的步骤或描述可以与本公开的任何其他实施例一起使用。另外，关于图7描述的步骤和描述可以以替换的顺序或并行地进行以促进本公开的目的。例如，这些步骤中的每一个可以酌情以任意顺序或并行地或基本上同时地来执行，以降低延迟或提高系统或方法的速度。此外，应当注意，关于图1(例如，设备102、104或106)或图2(例如，设备202或204)所讨论的设备或装备中的任一个可以用于执行图7中的步骤的一个或更多个。

在一些实施例中，本文所述的系统和方法为患者提供用于启动和设置戒烟项目。在患者在佩戴可穿戴设备(例如，设备102或202)时完成了五天的评估之后，完整的数据集由系统编译和分析，并交付给患者或医生以用于戒烟项目。图8示出了来自分析的样本报告的说明性实施例800。例如，报告指示，从10月1日至10月6日，琼斯先生共吸烟175支香烟，平均每天吸烟35支，并且在一天中吸烟的最大数量是45支。琼斯先生的CO水平平均为5.5％，最高为20.7％，并且对于在五天评估期期间的60％持续高于4％。琼斯先生的触发物包括工作、家庭压力源和通勤。鉴于琼斯先生的吸烟习惯，报告建议高剂量和频繁的尼古丁水平预测以用于开始尼古丁替代治疗。

在一些实施例中，患者与他们的医生或咨询师一起工作以开始进入戒烟项目的过程。在一些实施例中，系统基于来自评估期的数据自动设置戒烟项目。图8中的样本报告是测量SpCO并产生关于CO暴露、相关联的压力源的报告以及预测起始尼古丁剂量需求的一个示例。例如，大量和高强度的吸烟者在戒烟项目进入时可能更依赖于尼古丁，处理器可以基于五天行为来估计，并且戒烟项目将使患者以更高的尼古丁替代治疗剂量开始。这可能会避免许多患者由于戒断症状而在戒烟项目早期失败。基于包括吸烟的平均量和最大数量、SpCO水平、触发物的报告数据，处理器可以确定用于向患者施用的尼古丁的剂量。例如，处理器可以对于平均每天吸烟超过香烟的阈值数量的患者确定高剂量的尼古丁。当报告数据更新时，处理器也可以更新尼古丁的剂量。

收集的数据可通过协助进行药物选择和配药，紧接在他们进入该项目之前影响患者的戒烟项目启动和设置。例如，较高吸烟的指征可能会提示开始较高的尼古丁替代治疗剂量或多种药物(例如，添加用于治疗尼古丁成瘾的药物，如伐尼克兰)。收集的数据可通过确定对于患者所需咨询的频率、类型和持续时间来影响戒烟项目的启动和设置。数据可能导致吸烟者需求的分层。例如，具有最高使用的最高风险的吸烟者可能会得到更多的干预，而较低风险的吸烟者可能会得到较少的干预。例如，干预可以包括在患者很可能吸烟的特定时刻来自患者的配偶、朋友、医生或另一合适的利益相关者的文本消息、电话呼叫、社交网络消息或另一适合的事件。

收集的数据可能会通过将吸烟行为与所有以上变量(诸如，促使吸烟的压力源、一天中的时间以及用于预先咨询患者以意识到这些触发物的其他适当变量)相关联来影响戒烟项目的启动和设置。咨询干预可以针对这些压力源，并且在一天中的那些时间可以存在针对患者的干预，诸如在一天中的那些时间处的文本消息或呼叫。收集的数据可能会通过基于吸烟行为分配同伴团体来影响戒烟项目的启动和设置。收集的数据可用于预测和/或避免吸烟事件。例如，如果在大多数吸烟事件之前出现心动过速或心率变异性或适当的一组变量，则这将发出警报，并且患者可以服用一定剂量的药物，或者能够接收到来自同伴团体、医生或咨询师的呼叫。图12示出了预先制止吸烟事件的说明性实施例，并且将在下面更详细地讨论。图14和图15示出了用于预测和预防预期吸烟事件的说明性流程图，并且将在下面更详细地讨论。

在一些实施例中，本文所述的系统和方法提供用于维持患者对戒烟项目的参与。一旦处于戒烟项目中，患者可能会继续穿戴可穿戴设备(例如，设备102或202)以用于进行监测。系统可以采用分析工具，诸如设置SpCO基线和对照该基线跟踪进度。趋势可能会下降到零，并停留在那里(指示不再吸烟)。趋势可能会以峰值和谷值缓慢下降(指示吸烟减少)。趋势可能会下降到零，然后再次出现尖峰(指示复发)。

系统可以采用通过对于团体或个体进步提供小的罕见的奖励以使患者参与的患者参与策略。系统可以提供雇主的奖励、付款人、配偶或同伴团体以使患者参与。系统可以将患者的进度作为游戏来呈现，并提高进度的可见性。图13提供了这种用户界面的说明性实施例，并且将在下面更详细地讨论。在一些实施例中，系统可以实时地将数据传输到医疗保健提供者以进行远程监测并允许提供者有效地监测和调整患者护理，而不必使他们每天在办公室中。例如，提供者可以向系统发送指令以调整药物类型和剂量、改变咨询、呼叫和发短信的强度以用于积极地鼓励进展，或者如果患者不能抑制吸烟则触发干预。这可能取代了昂贵的雇佣人员的戒烟电话线路，并且可以有效地使该过程自动化。系统可以采用增加的强度和频率来改善患者的成果。系统可以通过来自配偶、雇主、医疗保健提供者、同伴、朋友和其他适当方的经由预定的电话呼叫、文本消息或其他合适的通信的支持来鼓励患者。

图9示出了用于跟踪对于达到并且然后进入戒烟项目的患者的平均每日SpCO趋势的说明图900。平均趋势随着其改善而每天追踪。医生或咨询师可以放大特定的一天(现在或过去)以查看CO的粒度细节和CO与测量的其他参数和相关联的压力源910的关联。在戒烟项目中随着时间改变的CO的趋势的可见性可能会防止患者中途退出、防止吸烟复发、滴定药物和咨询，并改善成果。例如，数据点902指示患者进入戒烟项目之前的CO水平。数据点904和906指示在尼古丁替代疗法和伐尼克兰疗法在戒烟项目期间被施用时的CO水平。数据点908指示患者已成功戒烟。在此时，系统可以推荐患者进入再犯预防项目以防止复发。

在一些实施例中，本文所述的系统和方法在患者成功戒烟后提供后续项目。在通过系统验证的成功戒烟之后，患者将在延长的时间段例如几个月至两年穿戴可穿戴设备(例如，设备102或202)，作为复发的早期检测系统。系统可以收集数据并采用如上所述的用于戒烟项目的咨询策略。

在一些实施例中，患者接收可穿戴设备(例如设备102或202)以及用于他们的智能电话(例如设备104)的应用，其允许他们通过跟踪几个不同的参数来远程且私下地评估健康。患者可根据需要每天几次提交呼气样本或将他们的手指放在可穿戴设备上的传感器之中或之上。他们可以穿戴可穿戴设备以获得更频繁或甚至连续的测量。在测试期例如五到七天或另一个合适的时间段结束时，智能电话中的处理器可以计算其CO暴露和相关参数。图10示出了示例性应用屏幕1000，其示出了诸如SpCO 1002、SpO2 1004、心率1006、呼吸频率1008、血压1010和体温1012的测量值。可以提供警告指示器1014和1016用于非典型测量值，可能指示吸烟对身体的影响。当警告指示器1014或1016被激活时，系统可以利用警报提示患者。

系统可以推荐患者进入戒烟项目并为这些项目提供选项。患者可能在看到吸烟的这种客观证据后同意进入戒烟项目。系统可以与患者的配偶、他们的医生或参与患者的戒烟项目的另一个合适的利益相关者分享这个数据。例如，系统可以与利益相关者的移动设备的应用共享数据，或者经由电子邮件、电话、社交网络或另一合适的媒体发送包括数据的消息。使患者加入戒烟项目的触发物可包括配偶建议、雇主激励、同伴压力、个人选择、疾病或另一合适的触发物。患者可以自行启动戒烟项目或将数据提供给医生，以接收对于加入戒烟项目的协助。

当患者在戒烟项目中启动时，可穿戴设备(例如，设备102或202)可以继续监测患者的健康参数(诸如吸烟行为之前的心率、运动、位置)，并将数据传送到患者和/或他的医生以改善治疗。例如在设备104上的智能电话应用可以接收患者输入的数据，包括但不限于压力源、生活事件、位置、日常事件、尼古丁贴片或其他配方的施用、其他用于戒烟的药物的施用以及其他合适的患者输入的数据。

图11示出了用于接收患者输入的数据的应用屏幕1100的说明性实施例。当智能电话应用接收到吸烟事件的指示(例如，由于患者的CO水平的尖峰)时，可以显示应用屏幕1100。应用屏幕1100提示用户输入对于吸烟事件的触发物。例如，患者可以从作为触发吸烟事件的选项1102、1104、1106和1108中的一个中选择或选择选项1110并提供关于触发物的进一步信息。对于吸烟事件的其他触发物可包括电话呼叫、竞技体育、体育运动、压力、性别和其他合适的患者输入的数据。患者还可以自愿地调用应用屏幕1100以输入对于吸烟事件的触发信息。在一些实施例中，用于接收患者数据的应用屏幕1100在五天评估期期间被显示给患者，以在患者进入戒烟项目之前收集关于吸烟行为的信息。

在一些实施例中，收集的数据由智能电话应用使用来避免吸烟事件。运行应用的处理器或另一设备(诸如，设备102或202或服务器106或204)中的处理器可以分析关于在吸烟事件之前的时段内对于心率和其他生命体征发生了什么的信息。处理器可以关联心率的变化(诸如心动过速)，其可以预测患者何时将吸烟。该信息可以用于启动用于停止吸烟事件的预防方案。例如，预防方案可以包括递送尼古丁的丸剂。尼古丁可以经由经皮贴片或从储存在可穿戴设备(例如设备102或202)中的尼古丁的储存库的经皮转移来被递送。在另一个示例中，预防方案可以包括呼叫患者的医生、同伴团体或另一个合适的利益相关者。处理器可以向例如驻留在服务器106或204处的自动呼叫系统发送指令以发起呼叫。图14和图15提供了用于基于患者生命体征来预测吸烟事件的流程图，并且将在下面更详细地描述。

图12示出了实现这样的预防方案的应用屏幕1200的说明性实施例。例如，如果患者趋向于在每根香烟之前二十分钟就变得心动过速，则处理器可以检测出心动过速，并提示患者经由选项1202施用尼古丁。患者可以经由选项1204改变尼古丁剂量。在一些实施例中，尼古丁被自动施用。该量可以基于患者的当前SpCO水平或另一合适的参数来确定。患者可以接收经由选项1206来自同伴团体的呼叫、经由1208来自医生或另一个合适的利益相关者的呼叫。呼叫者可以提供患者鼓励以戒绝吸烟，并建议寻找其他活动来转移患者的注意力。

在一些实施例中，智能电话应用将患者的过程呈现为游戏以提高进度的可见性。应用可以采用通过对于团体或个体进步提供小的常见的或罕见的奖励以使患者参与的患者参与策略。应用可以提供雇主的奖励、付款人、配偶或同伴团体以使患者参与。图13示出了对于这样的实施例的说明性应用屏幕1300。应用屏幕1300为患者提供对于戒绝吸烟十五天的奖励。提示1302挑战患者以进一步戒绝另外十五天。患者可以选择选项1304来接受奖励，并在他保持不吸烟的同时继续监测进度。然而，患者可能难以戒绝，并且可以选择与同伴团体、咨询师、家庭成员、医生或另一适当方联系的选项1306。

在一些实施例中，患者是他们的团体中其他人的同伴和支持者。团体可以跟踪彼此的进度并给予支持。例如，团体成员可能是社交网络的一部分，其允许他们查看彼此的统计数据并提供鼓励以戒绝吸烟。在另一个示例中，当检测到患者正在吸烟时，可以向患者的社交网络的团体成员(例如，追随者)发送消息(例如，推文)。消息可以通知团体成员患者需要帮助。团体可以以各种方式连接到患者以提供帮助。这种交互可以使患者能够在该天进一步戒绝吸烟。

在一些实施例中，在初级护理访问时，患者提供样本并被询问他们是否吸烟。例如，可穿戴设备(例如，设备102或202)被应用于患者并且接收样本以用于对患者的SpCO水平进行一次现场测量。SpCO水平可能会超过某一阈值，其暗示患者吸烟。图16提供了用于对患者的SpCO水平进行一次测量的流程图。患者可以被设置有可穿戴设备以作为门诊患者穿戴一时间段，例如一天、一周或另一个合适的时间段。较长的穿戴时间可能会在检测吸烟行为时提供更高的灵敏度，并在量化与吸烟行为有关的变量时提供更高的精确度。

例如设备102或202的可穿戴设备和例如设备104上的智能电话应用可以实时地或接近实时地继续监测患者的健康参数(诸如SpCO水平)，并且处理数据以通过患者、医生或任何其他合适方来观察。智能电话应用还可以以易理解的形式提供数据以由患者和/或医生每天或每周使用。例如，智能电话应用可以生成类似于图9的显示，其显示每日进度，具有放大特定日期以用于观察进一步细节的选项。医生可以将患者记录存储在例如与运行智能电话应用的移动设备通信的服务器106或204处的医疗保健数据库中，并且继续经由互联网或另一适当的通信链路接收来自智能电话应用的数据。智能电话应用可以经由与运行应用的移动设备的有线连接或经由无线连接(诸如，WI-FI、蓝牙、射频)或另一适当的通信链路接收来自传感器的数据。

患者和医生可以设定未来的戒烟日期，并在没有任何药物或在有药物以帮助患者戒烟的情况下将患者送回家中。患者可以朝着约定的戒烟日期开始努力。来自可穿戴设备和/或智能电话应用的反馈可以帮助患者在戒烟日期处更好的做准备来实际戒烟，以及在戒烟日期处比在他们开始时的起始处吸烟更少。一旦患者开始戒烟项目，他们可能会从他们的配偶、医生、护士、咨询师、同伴、朋友或任何其他合适方获得每日或每周的反馈。

药物治疗(如果开处方的话)可以基于医生或可以基于患者表现自动调整。例如，医生可以基于患者的CO、eCO、SpCO水平远程增加或减少尼古丁剂量给药。在另一示例中，可穿戴设备(例如，设备102或202)、智能电话(例如，设备104)或远程服务器(例如，服务器106或204)中的处理器可以基于来自患者的过去测量值的CO趋势来增加或减少尼古丁剂量给药。类似地，药物治疗可以根据收集的数据来缩短或延长持续时间。

图14描绘了用于基于患者的CO、eCO、SpCO测量值和其他合适因素来预测吸烟事件的说明性流程图1400。患者可以被给予可穿戴设备(例如，设备102或202)以及用于其移动电话(例如，设备104)的智能电话应用。可穿戴设备可以包括用于测量患者的SpCO水平的PPG传感器。在步骤1402处，可穿戴设备或患者的移动电话中的处理器接收对于患者的SpCO水平的PPG测量值和相关联的时间和位置。处理器还可以在预测吸烟事件时接收诸如心率、呼吸速率和其他合适因素的其它信息。

在步骤1404处，处理器利用所接收的患者数据更新在本地或在远程位置存储的患者数据库(诸如服务器106中的医疗保健数据库)。在步骤1406处，处理器分析患者参数的当前和先前测量值，并确定是否预期到吸烟事件。例如，SpCO趋势可能处于局部最小值，这表明用户可能会吸烟以提高其SpCO水平。处理器可以应用梯度下降算法来确定局部最小值。在步骤1408处，处理器确定SpCO趋势是否指示预期的吸烟事件。如果处理器确定吸烟事件不被预期，则在步骤1410处，处理器确定时间和/或位置是否指示预期的吸烟事件。例如，处理器可以确定当患者在早晨7点左右醒来时，患者通常会吸烟。在另一个示例中，处理器可以确定患者在他们到达工作单位后通常很快就会吸烟。在又一个示例中，处理器可以确定每当在晚上患者访问特定餐厅或酒吧时，他们通常会吸烟。

如果处理器从步骤1408或1410确定预期吸烟事件，则在步骤1412处，处理器启动用于患者的预防方案以预防吸烟事件。关于预防方案的信息可以存储在设备102、104或202或服务器106或204或其组合的存储器中。用于预防方案的信息可以包括关于一个或更多个干预选项的在患者即将吸烟时发起的指令。例如，处理器可以启动在患者的移动电话中的警报器并显示类似于图12的应用屏幕。应用屏幕可以向患者提供施用尼古丁或接收来自同伴团体、医生或另一合适方的呼叫的选项。可选地，预防方案可以包括从存储在患者的可穿戴设备中的尼古丁的储存库中自动地向患者施用尼古丁的丸剂。在另一个示例中，应用屏幕可以指示当检测到患者戒绝吸烟失败时将向患者的社交网络的团体成员(例如，追随者)发送消息(例如，推文)。患者可以抑制吸烟以阻止指示其失败的消息被发送出去。

在一些实施例中，步骤1408和1410被组合成一个步骤，或者包括用于处理器确定吸烟事件是否被预期的两个或更多个步骤。例如，处理器可以基于SpCO趋势、患者的位置和/或当前时间的组合来确定吸烟事件是否被预期。在另一示例中，处理器可以基于用于分析患者的SpCO、SpO2、心率、呼吸频率、血压、体温、出汗、心率变异性、电节律、脉搏速度、皮肤电反应、瞳孔大小、地理位置、环境、环境温度、压力源、生活事件和其他合适的参数中的一个或更多个的一系列步骤来确定吸烟事件是否被预期。

在步骤1414处，处理器确定预防方案是否成功。如果发生吸烟事件，则在步骤1418处，处理器更新患者数据库以指示预防方案未成功。如果没有发生吸烟事件，则在步骤1416处，处理器更新患者数据库以指示预防方案成功。处理器返回到步骤1402以继续接收患者的SpCO水平的PPG测量值和相关联数据。处理器可以连续监测患者的生命体征，以确保患者不会再次复发吸烟事件。

可以设想，图14的步骤或描述可以与本公开的任何其他实施例一起使用。另外，关于图14描述的步骤和描述可以以替换的顺序或并行地进行以促进本公开的目的。例如，这些步骤中的每一个可以酌情以任意顺序或并行地或基本上同时地来执行，以降低延迟或提高系统或方法的速度。此外，应当注意，关于图1所讨论的(例如，设备102、104或106)或图2所讨论的(例如，设备202或204)设备或装备中的任一个可以用于执行图14中的步骤的一个或更多个。

图15描绘了关于图14中的步骤1414的用于确定预防方案是否成功的说明性流程图1500。在步骤1502处，处理器接收患者数据以用于确定是否发生吸烟事件。在步骤1504处，处理器分析当前接收到的患者数据和先前接收到的患者数据。在步骤1506处，处理器基于分析来确定是否发生吸烟事件。例如，如果没有施用尼古丁，但患者的SpCO水平当前高于先前的SpCO水平，则处理器可以确定患者复发并吸烟。在这种情况下，在步骤1508处，处理器返回指示预防方案未成功的消息。在另一个示例中，如果患者的生命体征指示SpCO水平没有上升或下降，则处理器可以确定没有发生吸烟事件。在这种情况下，在步骤1510处，处理器返回指示预防方案已成功的消息。

可以设想，图15的步骤或描述可以与本公开的任何其他实施例一起使用。另外，关于图15描述的步骤和描述可以以替换的顺序或并行地进行以促进本公开的目的。例如，这些步骤中的每一个可以酌情以任意顺序或并行地或基本上同时地来执行，以降低延迟或提高系统或方法的速度。此外，应当注意，关于图1所讨论的(例如，设备102、104或106)或图2所讨论的(例如，设备202或204)设备或装备中的任一个可以用于执行图15中的步骤的一个或更多个。

图16描绘了对于使用PPG传感器对患者的SpCO水平的一次测量的说明性流程图1600。例如，可穿戴设备(例如，设备102或202)被应用到患者并且接收用于对患者的SpCO水平的一次测量的样本。在步骤1602处，可穿戴设备中的处理器接收对于患者的SpCO水平的PPG测量值和任何其他合适的数据，诸如时间、位置、SpO2、心率、呼吸频率、血压、体温、出汗、心率变异性、电节律、脉搏速度、皮肤电反应、瞳孔大小、地理位置、环境、环境温度、压力源、生活事件和其他合适的参数。在步骤1604处，处理器分析所接收的数据以确定最近的吸烟事件。例如，超过某个阈值的升高的SpCO水平可能表明患者最近吸烟了。

在步骤1606处，处理器确定患者SpCO水平是否指示已经发生吸烟事件。例如，超过指定阈值的SpCO水平可能指示吸烟事件。在另一个示例中，SpCO曲线的形状、起点、上行、斜率、峰值、增量、下坡、上坡、变化的时间、曲线下的面积以及其他适当因素中的一个或更多个可以指示吸烟事件。这些因素中的一个或更多个可协助吸烟事件的量化。例如，在给定日子中的峰值的总数可以指示吸烟的数量，而每个峰的梯度形状和大小以及其它特性可以指示吸的每支香烟的强度和量。如果处理器确定SpCO水平指示没有发生吸烟事件，则在步骤1608处，处理器返回指示患者没有最近吸烟事件的否认消息。患者的医生可能会发现这个信息对于评估患者的吸烟行为是有用的。如果处理器确定SpCO水平指示已经发生吸烟事件，则在步骤1610处，处理器返回指示患者确实具有最近吸烟事件的确认消息。在这种情况下，如上所述，收集的数据可以用于为患者设置戒烟项目。

在步骤1608或1610之后，在步骤1612处，处理器更新患者数据库以记录该信息。在步骤1614处，处理器终止对于患者的SpCO水平评估。患者可以被设置有可穿戴设备以作为门诊患者穿戴一时间段，例如一天、一周或另一个合适的时间段。较长的穿戴时间可能会在检测吸烟行为时提供更高的灵敏度，并在量化与吸烟行为有关的变量时提供更高的精确度。

可以设想，图16的步骤或描述可以与本公开的任何其他实施例一起使用。另外，关于图16描述的步骤和描述可以以替换的顺序或并行地进行以促进本公开的目的。例如，这些步骤中的每一个可以酌情以任意顺序或并行地或基本上同时地来执行，以降低延迟或提高系统或方法的速度。此外，应当注意，关于图1所讨论的设备或装备(例如，设备102、104或106)或图2所讨论的设备或装备(例如，设备202或204)中的任一个可以用于执行图16中的步骤的一个或更多个。

在一些实施例中，来自与患者相关联的诸如设备102和104或设备202的一个或更多个设备的数据在诸如服务器106或204的中央位置处被接收。患者设备实时或近实时地记录多个生物特征和情境变量。例如，生物特征变量可以包括CO、eCO、SpCO、SpO2、心率、呼吸频率、血压、体温、出汗、心率变异性、电节奏、脉搏速度、皮肤电反应、瞳孔大小和其他合适的生物特征变量。例如，情境变量可以包括GPS位置、患者活动(例如，体育运动、健身、购物或另一合适的患者活动)、患者环境(例如，在工作中、在家中、在汽车中、在酒吧或另一合适的患者环境中)、压力源、生活事件和其他合适的情境变量。收集的数据还可以包括对患者的吸烟行为的亲自观察。配偶或朋友或伙伴可能能够输入他们的患者吸烟的数据，将该数据与SpCO读数相关联以确定准确性。

服务器106包括用于在一时间段内接收对于多个患者的数据的处理器，并且针对在实际吸烟事件的时间附近出现的趋势分析数据。基于趋势，处理器确定对于吸烟事件的诊断和/或检测测试。测试可以包括由处理器确定的应用于数据的一种或更多种算法。例如，处理器可以分析患者的CO水平的尖峰。检测尖峰可以包括确定CO水平高于某一指定水平。检测尖峰可以包括根据先前测量的基线检测患者的CO水平中的相对增加。处理器可以在一时间段内将尖峰检测为患者的CO趋势的斜率的变化。例如，从负斜率移动到正斜率的CO趋势可以指示CO水平的尖峰。在另一示例中，处理器可以对心率变化、增加的心率变异性、血压变化或其他合适数据的变化应用一种或更多种算法，以便检测吸烟事件。

图17描绘了如上所述的用于检测吸烟事件的说明性流程图1700。处理器(例如，在服务器106或204中)可以根据流程图1700确定用于吸烟事件的诊断和/或检测测试。在步骤1702处，处理器接收当前患者数据。在步骤1704处，处理器从数据库(例如，存储在服务器106或204处的患者数据库)中获取先前存储的患者数据。在步骤1706处，处理器比较当前和之前的患者数据以检测吸烟事件。例如，处理器可以分析患者的CO水平的尖峰。检测尖峰可以包括根据先前测量的基线检测患者的CO水平中的相对增加。处理器可以将尖峰检测为患者的CO趋势的斜率在一时间段内的变化。例如，从负斜率移动到正斜率的CO趋势可以指示吸烟行为。在另一示例中，处理器可以对心率变化、增加的心率变异性、血压变化或其他合适数据的变化应用一种或更多种算法，以便检测吸烟事件。在步骤1708处，处理器确定吸烟事件是否如所述的基于例如患者的CO水平中的尖峰而发生。如果没有检测到吸烟事件，则在步骤1710处，处理器返回指示没有发生吸烟事件的消息。如果检测到吸烟事件，则在步骤1712处，处理器返回指示发生吸烟事件的消息。在步骤1714处，处理器利用来自步骤1710或1712的结果更新患者数据库。

可以设想，图17的步骤或描述可以与本公开的任何其他实施例一起使用。另外，关于图17描述的步骤和描述可以以替换的顺序或并行地进行以促进本公开的目的。例如，这些步骤中的每一个可以酌情以任意顺序或并行地或基本上同时地来执行，以降低延迟或提高系统或方法的速度。此外，应当注意，关于图1所讨论的设备或装备(例如，设备102、104或106)或图2所讨论的设备或装备(例如，设备202或204)中的任一个可以用于执行图17中的步骤的一个或更多个。

在一些实施例中，处理器分析初始接收到的数据以测量何时人们吸烟并将算法与触发用于诊断和/或检测吸烟事件的算法的变量相关联。当接收到额外的患者数据时，处理器继续分析其他变量。处理器可以确定当患者吸烟时改变的另一个变量，并且反而使用该变量来触发算法。例如，处理器可以选择使用另一个变量，因为它比初始选择的变量更少侵入性或更容易测量。

在一些实施例中，用于检测吸烟事件的算法具有高灵敏度。灵敏度被定义为由传感器和算法检测到的实际吸烟事件数的百分比。例如，如果患者在一天中吸烟20次，并且算法识别到每个吸烟事件，则其是100％灵敏。

在一些实施例中，用于检测吸烟事件的算法具有高特异性。特异性被定义为测试不能对吸烟事件进行误报(false positive)呼叫的能力(即，无吸烟事件存在的阳性测试)。如果传感器和算法在一天内没有进行任何误报呼叫，则其具有100％的特异性。

在另一个示例中，如果患者吸烟20次，并且算法识别了20个实际吸烟事件中的18个，并且指示了20个其他假的吸烟事件，则其具有90％的灵敏度(即，检测到90％的吸烟事件)和50％的特异性(即，将吸烟事件的数量估计为超过了2倍)。

在一些实施例中，在处理器确定一个或更多个算法并且应用于SpCO测量来以足够的灵敏度和特异性检测吸烟事件之后，处理器确定是否存在其他生物特征变量或情境变量与SpCO结果的关联，其可以被独立地(在没有SpCO的情况下)使用以检测吸烟事件。处理器可以确定当患者吸烟时改变的另一个变量，并且反而使用该变量来触发算法。例如，处理器可以选择使用另一个变量，因为它比初始选择的变量更少侵入性或更容易测量或更可靠。

在一些实施例中，处理器分析所接收的患者数据以在吸烟事件发生之前预测吸烟事件的可能性。处理器可以在吸烟事件之前的一时间段内(例如，五分钟、10分钟、15分钟、20分钟或另一合适的时间间隔)分析所接收的患者数据，以确定一个或更多个触发物。例如，一些吸烟事件可以在情境触发物(例如，在酒吧、在进食之前、之中或之后、在性行为之前、期间或之后或另一种合适的情境触发物)之前。在另一个示例中，一些吸烟事件可以在生物特征变量例如心率或另一合适的生物特征变量的改变之前。确定的变量可能与选择用于诊断和检测的变量重叠，因此也可以用于预测。可选地，确定的变量可能不与选择用于诊断的变量重叠。

处理器可以向患者通知吸烟事件的可能性并触发(例如，如关于图14和图15所讨论的)预防方案以防止吸烟变化行为。处理器检测在例如戒烟项目中输入的对于患者的吸烟事件，并跟踪和分析接收到的患者数据的趋势。处理器可以确定患者的目标，并且当他达到设定的目标时(例如，如关于图13所讨论的)奖励他们。处理器可以预测患者何时将会吸烟，并通过建议对同伴团体或医师的呼叫或通过施用尼古丁丸剂(例如，如关于图12所讨论的)来及时干预。

在一个示例中，处理器在诊断期间基于其前面是心率加快(或者另一变量的适合改变)的患者的吸烟事件的75％来预测患者的吸烟事件。在戒烟项目期间，处理器可以将一个或更多个算法应用于接收到的患者数据以预测吸烟事件并启动预防方案。例如，预防方案可以通过使病人与诸如医生、咨询师、同伴、队员、护士、配偶、朋友、机器人的支持者或另一适合支持者接触来及时使患者参与。在一些实施例中，处理器基于其五天的磨合诊断期对每个患者应用算法来调整设置，诸如基线、阈值、灵敏度和其他合适的设置。然后，处理器可以使用这些定制的算法用于特定患者的戒烟项目。所描述的改变患者吸烟行为的技术组合可被称为数字药物。

在一些实施例中，处理器以二进制方式用正或负指示来检测吸烟。处理器最初使用来自患者的观察研究和SpCO测量值来检测吸烟行为。例如，处理器从患者的吸烟行为的观察数据中接收关于对于吸烟事件的真肯定(true positive)的数据。处理器确定基于SpCO测量的检测是否与吸烟事件的真肯定相匹配。如果存在匹配，则处理器将算法应用于其他接收到的患者数据，包括患者的SpCO、SpO2、心率、呼吸频率、血压、体温、出汗、心率变异性、电节律、脉搏速度、皮肤电反应、瞳孔大小、地理位置、环境、环境温度、压力源、生活事件和其他合适的参数。处理器确定非SpCO变量数据中的任何模式是否也指示吸烟事件。这些变量可用于对于非SpCO设备(诸如可穿戴智能手表或心率监测带或其他设备)的算法，以检测吸烟事件。

当基于接收到的患者数据检测到吸烟行为时，处理器可以量化吸烟行为。例如，处理器分析SpCO数据趋势，以指示患者吸每支香烟的强度、患者一天中吸多少根香烟、每支香烟吸多少和/或每支香烟吸多长时间。处理器也可以使用其他生物特征或情境变量用于指示。处理器使用所接收的患者数据来预测在不久的将来例如在接下来的10分钟内发生吸烟事件的可能性。处理器可以在吸烟事件之前的先前时间段内(例如，五分钟、10分钟、15分钟、20分钟或另一合适的时间间隔)分析所接收的患者数据，以确定一个或更多个触发物。

在一些实施例中，本文所述的系统和方法提供用于评估患者的吸烟行为。在五天的测试期期间，患者表现为他平时那样。设备102、104和/或106或设备202和/或服务器204接收与患者的吸烟行为有关的患者数据。由于测试期的目的是观察患者的吸烟模式，因此患者几乎不参与。如果需要，测试期可延长至第二个五天时段。可选地，第一和第二时段可以更短(例如，两天或三天)或更长(例如一周或更长)。在第二测试期之前，处理器确定患者如何吸烟的模型。

在第二测试阶段中，处理器对模型施加一系列扰动以查看吸烟行为是否改变。可能存在几种类型的扰动，每种都有几个维度。例如，扰动可能是在吸烟事件之前或期间发送文本消息是否导致吸烟事件被避免或缩短。扰动内的维度可能是对于文本消息的不同的发送者、不同的定时，和/或不同的内容。在另一个示例中，扰动可以是在一天的某个时间处或在吸烟事件之前或期间的电话呼叫是否导致吸烟事件被避免或缩短。扰动内的维度可能是对于电话呼叫的不同的呼叫者、不同的定时，和/或不同的内容。在又一个示例中，扰动可能是警告患者以检查他们在一天中的几个点处的吸烟行为是否在此之后的一时间段内避免吸烟。维度可包括确定是否以及何时消除该避免。在其他示例中，扰动可以是奖励、团队行动或其他合适的触发物以避免或缩短患者的吸烟事件。

在一些实施例中，处理器使用机器学习过程向患者的吸烟模型递送扰动。机器学习过程传递扰动、测试结果，并相应地调整扰动。处理器通过经由机器学习过程尝试选项来确定实现识别的行为变化的最有效的方式。机器学习过程可以在第二测试阶段期间被应用作为轻微扰动。机器学习过程也可以在患者的戒烟阶段期间以显著的扰动被应用，以增加尝试使患者戒烟或继续戒绝吸烟的努力。

图18描绘了用于在第二测试阶段中将一个或更多个扰动施加于患者的吸烟模型的说明性流程图1800。在步骤1802处，可穿戴设备102或202、移动设备104或服务器106或204中的处理器在第一测试阶段中接收与患者的吸烟行为有关的患者数据。在步骤1804处，处理器分析所接收的患者数据以确定对于患者的吸烟行为的模型。在步骤1806处，处理器对模型施加一个或更多个扰动以查看吸烟行为是否改变。扰动可以使用机器学习过程向模型施加。可能存在几种类型的扰动，每种都有几个维度。例如，扰动可能是在吸烟事件之前或期间发送文本消息是否导致吸烟事件被避免或缩短。扰动内的维度可能是对于文本消息的不同的发送者、不同的定时，和/或不同的内容。

在步骤1808处，处理器确定扰动是否改变了患者的吸烟行为。例如，处理器确定在吸烟事件之前或期间接收文本消息是否使患者戒绝或缩短其吸烟。如果扰动使患者的吸烟行为发生变化，则在步骤1810处，处理器更新患者的吸烟行为的模型以反映所施加的扰动的积极结果。处理器然后进行到步骤1812。否则，处理器从步骤1808直接进行到步骤1812，并且确定是否施加另外的扰动或当前的扰动的维度的变化。处理器可以使用机器学习过程来确定是否对模型施加额外的扰动。如果不需要施加更多的扰动，则在步骤1814处，处理器结束施加扰动的过程。

如果需要施加更多的扰动，则在步骤1816处，处理器确定施加到模型的另一扰动。例如，处理器可以调整当前的扰动，以在不同的时间处或以不同的内容向患者发送文本消息。在另一示例中，处理器可以通过在吸烟事件之前或期间发起对患者的电话呼叫来施加不同的扰动。处理器返回到步骤1806以将扰动施加到模型。处理器可以使用机器学习过程来传递扰动、测试结果并且相应地调整扰动或选定的另一个扰动。以这种方式，处理器通过经由机器学习过程尝试不同选项来确定实现对于患者的识别的行为变化的最有效的方式。

可以设想，图18的步骤或描述可以与本公开的任何其他实施例一起使用。另外，关于图18描述的步骤和描述可以以替换的顺序或并行地进行以促进本公开的目的。例如，这些步骤中的每一个可以酌情以任意顺序或并行地或基本上同时地来执行，以降低延迟或提高系统或方法的速度。此外，应当注意，关于图1讨论的设备或装备(例如，设备102、104或106)或图2所讨论的设备或装备(例如，设备202或204)中的任一个可以用于执行图18中的步骤的一个或更多个。

在说明性示例中，52岁的男性患者受到他的雇主的激励来筛查吸烟行为。患者于2015年6月1日进入评估项目。病人报告每天吸烟20支。项目协调员(诸如医师或咨询师)将应用加载到患者的智能电话(例如，移动设备104)并向患者提供连接的传感器(例如，可穿戴设备102或202)。协调员通知患者在五天的测试期内正常吸烟和表现，并在提示出现时对来自应用的提示做出响应。五天期结束后，协调员使患者进入补充测试期，其中应用会更频繁地提示(例如，以施加扰动)。协调员通知患者，在该时刻由他决定是否作出响应，尽管他希望患者响应。协调员建立2015年6月10日的目标日期以包括10天的测试。

在五天的测试期后，协调员接收报告(例如，关于图8讨论的五天报告卡)。报告指出，与基于患者的估计的100例吸烟事件进行比较的使用CO检测的150例吸烟事件。报告指出，相关联的情境变量包括酒精、位置、压力和其他合适的数据。报告指出，相关联的生物特征变量包括在没有锻炼的情况下的心率增加，如50％的吸烟事件的前面发生的一样。报告指出，对于压力水平的提示显示在吸烟事件的20％中的压力增加。

在补充的五天测试期期间，移动设备(例如，设备104)、可穿戴设备(例如设备102或202)或远程服务器(例如，服务器106或204)中的处理器经由机器学习过程来施加扰动。例如，移动设备利用包括吸烟数量、吸烟强度和一天中的时间的显示一天四次提示患者。随着一天的进展，提示使患者在更长时间段内减少吸烟。有效效果在于，与上半天相比，患者在下半天吸更少的烟。在另一个示例中，移动设备利用包括前一天吸烟的数量的显示来在每天上午10点提示患者。研究关于提示如何影响患者在一天的余下时间的吸烟行为的有效效果。机器学习过程可以根据需要调整显示的时间和内容以改变扰动维度。

在另一示例中，处理器经由机器学习过程施加以在吸烟事件期间发送给患者的文本消息的形式的扰动。机器学习过程通过具有不同的发送者、不同的定时、在吸烟之前或期间的发送、消息的不同内容、消息中的不同图像和/或用于戒绝的不同奖励来改变扰动的维度。在另一示例中，处理器经由机器学习过程施加以在吸烟事件期间电话呼叫的形式的扰动。机器学习过程通过具有不同的呼叫者、不同的定时、在吸烟之前或期间的呼叫、不同呼叫内容、呼叫中的不同音调和/或用于戒绝的不同奖励来改变扰动的维度。

在另一示例中，处理器经由机器学习过程施加以患者的移动设备上的对特定活动的提示的形式的扰动。提示指示患者正在吸烟，但应考虑仅吸半支香烟然后外出。在香烟事件之间的长时间期间，或者在事件被预测到时，机器学习过程施加扰动来试图完全避免吸烟事件。例如，移动设备显示通知患者他们处于高风险区域并且应该考虑替代活动或位置或给朋友打电话的提示。

在测试期之后，协调员使患者进入戒烟项目。在戒烟期期间，处理器接收患者数据，并将算法应用于所述数据。处理器使用来自第一和第二测试期的所有数据来定制算法并针对特定患者启动方案和戒烟项目干预。诊断和检测算法可以使用患者的一个或更多个生物特征变量(诸如SpCO)来检测吸烟行为。戒烟项目包括从第一天开始作为尼古丁替代疗法的一部分的尼古丁方案。尼古丁可以经由经皮贴片或从储存在提供给患者的可穿戴设备中的尼古丁的储存库的经皮转移来被递送。处理器对所接收的患者数据应用算法以确定最有效的干预。处理器应用干预，并根据需要进一步调整它们。处理器可以设置目标事件计数，并确定哪种方法对于改变患者的吸烟行为最有效。处理器可以经由机器学习过程调用来自利益相关者的多个个性化干预来作为扰动，并测试哪种对于改变患者的吸烟行为最有效。对患者的吸烟模型影响最大的扰动可能会被保留，而影响较小或没有影响的扰动可能不会被进一步使用。

虽然以上描述的系统和方法的示例性实施例集中于吸烟行为，但其示例包括但不限于经由香烟、烟斗、雪茄和水烟筒的烟草吸食，以及吸食非法产品(诸如大麻、可卡因、海洛因)和酒精相关行为，对于本领域技术人员将明显的是，本发明的教导同样适用于任何数量的其它不期望的行为。这些其他示例包括：口服放置某些物质，具体示例包括但不限于将咀嚼烟草和鼻烟放在口腔中、经皮吸收某些物质，具体示例包括但不限于在皮肤上涂敷某些霜剂、软膏、凝胶、贴片或其他含有滥用药物的产品(诸如，麻醉剂和LSD)，以及鼻嗅药物或滥用物质，其包括但不限于鼻嗅可卡因。

通常，设备102和104或设备202的基本配置以及本文公开的相关步骤和方法将在解决的不同行为之间类似。设备在设计上可能有所不同，以考虑用于测试所需的不同目标物质或由与特定不期望行为相关联的不同标记必需的不同测试方法。

本领域普通技术人员还将认识到，参与正式戒烟项目的患者可以利用本文公开的系统和方法作为戒烟项目的辅助。同样将认识到，患者可以独立地自我激励，且因此在正式戒烟项目之外有利地使用用于单方面地戒除不期望的行为的系统和方法。

在另外的示例性实施例中，本文公开的系统和方法可以容易地适应于数据收集，并且特别是收集用于与本发明非常适合于测试的不期望行为有关的研究的可靠且可验证的数据。这样的研究可以在对于底层设备或方法没有实质上修改的情况下完成，除了其中不包括治疗的情况，对于基于用户输入来更新测试方案或治疗方案的需要将不必要。

图19示出了用于使用本文所描述的多个方面影响个体的吸烟行为以及进一步量化个体对香烟烟雾的暴露的系统和/或方法的另一变型。在所示示例中，多个生物特征数据的样本从个体获得并被分析以量化个体对香烟烟雾的暴露，使得量化的信息可以转发给个体、医疗照护者和/或与个体的健康利害攸关的其他方。下面讨论的示例采用便携式设备1900，其从个体获得多个呼出气的样本，具有测量呼出气的样本内的一氧化碳的量(也称为呼出一氧化碳或ECO)的普遍可用的传感器。然而，量化和信息传递不限于基于呼出气的烟雾的暴露。如上所述，存在用于获得个体的吸烟暴露的许多采样装置。本示例中描述的方法和设备可以在可能的情况下与这样的采样装置组合或利用其补充，同时仍然保持本发明的范围。此外，虽然本示例讨论了便携式采样单元的使用，但是本文描述的方法和过程可以与专用或非便携式采样单元一起使用。

已知呼出CO水平的测量用作评估个体的吸烟状况的即时非侵入式的方法。参见例如，S.Erhan Devecia等人于2003年在土耳其的埃拉泽的Firat大学医学院公共卫生系发表的The Measurement of Exhaled Carbon Monoxide in Healthy Smokers and Non-smokers以及M.J.Jarvis等人于1987年11月在American Journal of Public Health第77卷No.11上发表的Comparison of Tests Used to Distinguish Smokers fromNonsmokers。这些文章讨论了对于非吸烟者的呼出CO(“eCO”)水平可以在3.61ppm和5.6ppm之间。在一个示例中，对于eCO的截止水平高于8-10ppm以识别吸烟者。

返回图19，如图所示，便携式或个人采样单元1900与个人电子设备110或计算机112通信。个人电子设备110包括但不限于专门设计用于从个人采样单元1900接收数据的智能电话、普通电话、蜂窝电话或其他个人传输设备。同样，计算机112旨在包括个人计算机、本地服务器或远程服务器。来自个人采样单元1900的数据传输114可以对个人电子设备110和/或计算机112的两者或任何一个发生。此外，个人电子设备110和计算机112之间的同步116是可选的。如本文所述，个人电子设备110、计算机112和/或个人采样单元1900中的任一个可以将数据传送到远程服务器以用于数据分析。可选地，可以在本地设备(诸如计算机或个人电子设备)中完全或部分地进行数据分析。在任何情况下，个人电子设备100和/或计算机112可以向个体、看管人或其他个人提供信息，如图19所示。

在图19的描绘示例中，个人采样单元1900经由收集管1902接收来自个体的呼出气的样本108。个人采样单元1900内的硬件包括检测呼气样本内的一氧化碳(CO)气体的任何市售的电化学气体传感器、传输数据114(例如，经由蓝牙、蜂窝或其他提供数据传输的无线电波)的市售的传输硬件。然后将所传输的数据和相关联的测量值和量化显示在计算机显示器112或个人电子设备110的任一个(或两者)上。可选地或组合地，任何信息都能够选择性地显示在便携式采样单元1900上。

个人采样单元(或个人呼吸单元)也可以采用标准端口来允许与相应设备110和112的直接连线通信。在某些变型中，个人采样单元1900还可以包括可拆卸或内置的存储器储存器，这样的存储器允许数据的记录和数据的单独传输。可选地，个人采样单元可以允许同时储存和传输数据。设备1900的另外变型不需要存储装置。另外，单元1900可以采用任何数量的GPS部件、惯性传感器(以跟踪运动)和/或提供关于患者的行为的附加信息的其它传感器。

个人采样单元1900还可以包括任何数量的输入触发器(诸如开关或传感器)1904、1906。如下所述，输入触发器1904、1906允许个体事先准备好设备1900以用于递送呼气样本108或记录关于香烟的其它信息(诸如，吸烟的量、强度等)。另外，个人采样单元1900的变型还将任何输入的时间戳关联到设备1900。例如，个人采样单元1900可以关联提供样本的时间并且在传送数据114时提供测量或输入的数据以及测量时间。可选地，个人采样设备1900可以使用替代装置来识别获得样本的时间。例如，考虑一系列样本，而不是记录对于每个样本的时间戳，可以记录该系列中每个样本之间的时间段。因此，任何一个样本的时间戳的识别允许确定对于该系列中的每个样本的时间戳。

在某些变型中，个人采样单元1900被设计成使得其具有最小剖面并且能够容易地由个体以最小努力携带。因此，输入触发器1904可以包括低剖面触觉开关、光学开关、电容式触摸开关或任何常用的开关或传感器。便携式采样单元1900还可以使用任何数量的公知技术向用户提供反馈或信息。例如，如图所示，便携式采样单元1900可以包括显示如下所讨论的选择信息的屏幕1908。可选地或另外，反馈可以采用振动元件、可听元件和可视元件(例如，一种或更多种颜色的照明源)的形式。反馈部件中的任一个可被配置为向个体提供警报，这可以用作提供样本和/或提供与吸烟行为的测量相关的反馈的提醒。此外，反馈部件可以在重复的基础上向个体提供警报，以努力提醒个体提供呼出气的周期性样本，以延长系统捕获生物特征(诸如，eCO、CO水平等)和其他行为数据(诸如，手动或经由耦合到单元的GPS部件输入的位置、香烟数量或其他触发物)的时间段。在某些情况下，可以在初始项目或数据捕获期间以更高的频率触发提醒。一旦获得足够的数据，可以减少提醒频率。

图20A示出了可以利用图19中所示的系统的变型来收集的数据的视觉表示。如上所讨论，个体使用便携式采样单元提供呼气样本。根据治疗或干预项目的性质，可以定期或以随机间隔提醒个体。每个样本由便携式采样单元内的一个或更多个传感器进行评估，以测量CO的量。CO测量值通常对应于图20A的曲线图上的拐点410。每个CO测量值410对应于如水平轴所示的时间戳。经由便携式采样单元累积的数据允许收集至少包括样本的CO测量值和时间的数据集，其可以被绘制以获得eCO曲线，该eCO曲线指示可归因于个体在该时间段的进程内的吸烟行为的CO的量。

如本文所述，个体可以进一步跟踪诸如香烟的吸食的附加信息。香烟的吸食可以与如柱414所示的其自己的时间戳相关联。在本公开下的方法和系统的一个变型中，个体可以使用便携式采样单元上的输入触发器来输入吸烟的数量或其一部分。例如，输入触发器的每次致动可以与小数量的香烟(例如，1/2、1/3、1/4等)相关联。

图20B示出了如上所述收集的数据的图形表示的一部分。然而，在这种变型中，个体的吸烟行为的量化可以使用行为数据来更好地近似eCO读数之间的CO值。例如，在一些变型中，可以使用两点之间的线性近似来近似任何两个点410之间的eCO测量值。然而，已知的是，在没有暴露于新的CO的情况下，CO水平在血流内衰减。可以使用标准速率、基于患者的生物特征信息(体重、心跳、活动等)的速率来近似该衰减。如图20B所示，当患者在香烟414之间时，所计算的CO水平可以遵循衰减速率440。一旦个体记录香烟414，则CO增加442可以通过使用标准速率或使用如上所讨论的生物特征数据计算的值，或基于吸烟的强度、持续时间和量来再次近似。因此，本文描述的方法和系统可以可选地使用利用上述讨论的行为数据的改进(或近似)的eCO曲线438。这种改进的eCO率也可用于在个体睡眠时确定改进的eCO曲线438。然后，这种改进的eCO曲线可以提供如本文所述的改进的eCO负荷。用于确定衰减率的生物特征信息可以由便携式采样设备或通过与系统通信的外部生物特征测量设备来测量。

这个近似的或改进的eCO曲线438可以向个体(或向第三方)显示，作为帮助改变行为的手段，因为个体可以查看实时近似的CO水平(即，在不吸烟时的降低比率以及在吸烟时的增加比率)。也可以显示附加信息，例如，系统还可以基于其起始CO值计算每根香烟的CO增加量。

图21示出了用于在一段时间内确定eCO曲线412的数据集的示例，其中可以在不同的时间间隔内对可归因于个体的吸烟行为的eCO进行量化以确定对于每个间隔的eCO负担或eCO负荷。如图所示，该时间段沿着水平轴延伸并且包括由便携式采样单元捕获/传送的历史和正在进行的数据。为了向个体提供关于其吸烟行为的更有效的反馈，可以量化在特定时间间隔期间的eCO曲线412。在所示示例中，时间416和418之间的时间间隔包括24小时的时间的间隔。随后的24小时间隔定义在时间418和420之间。时间的间隔或时间间隔可以包括由数据集跨越的时间段内的两点之间的任何时间。在大多数情况下，时间间隔将与具有相同持续时间的其他时间间隔进行比较(即，每个间隔可以包括M分钟、H小时、D天等)。

在时间间隔上量化eCO负担/负荷的一种方法是使用数据集在给定的时间间隔(例如，416至418、418至420等)之间获得通过eCO曲线412或在其之下限定的面积，如图21的曲线图所示。在所示示例中，对于第一间隔(416至418)的eCO负担/负荷422包括41(以COppm*t测量)，而第二间隔(418至420)的eCO负担422包括37。如上所述，连同eCO负担/负荷422，数据集可以包括吸烟的数量414连同每支香烟的时间戳。对于任何给定的时间间隔，这个香烟数据也可以与eCO负担/负荷422一起总结为426。在所示示例中，eCO负担/负荷是每日负荷，其允许个体追踪其CO暴露。与仅对香烟计数相比，确定CO负荷是对总的烟雾暴露的更准确的反映，因为吸烟者吸烟情况不同。一个吸烟者可以完全且深入且强烈地吸食整个香烟，而另一个吸烟者则不那么深入和强烈地吸烟。虽然两个个体每天可能都会吸一包烟，但由于吸入烟雾的强度，前者将会具有高得多的每日CO负荷。当个体在戒烟项目中成为患者时，CO负荷也是重要的。在这种情况下，量化允许照看者或咨询师在患者减少其吸烟活动时追踪患者。例如，患者可以从每天20支烟减少到18到16支，以此类推。然而，在每天10支烟时，患者可能仍然有未被降低的每日CO负荷，这是因为他们正在对吸入减少数量的香烟时进行补偿(即，患者吸烟更猛烈且更深且更强烈地)。患者的减少吸烟暴露仅在其CO负荷降低时发生。

图21中所示的数据仅用于说明目的，并且对于给定数据集的时间段的持续时间取决于个体使用便携式采样单元捕获生物特征和行为数据的时间量。量化呼出一氧化碳的暴露包括使用数据集在一时间段内关联呼出一氧化碳相对于时间的函数以及获得在eCO曲线412下的面积。在方法和系统的变型中，可以计算或近似eCO曲线。

图22示出了显示生物特征数据以及在评估个体的吸烟行为时用于用户、照看者或其他方的利益的各种其它信息的示例。图22中所示的数据是为了说明的目的，并且可以显示在便携式电子设备上(例如，参见图19中的110)或一个或更多个计算机上。此外，可以在便携式采样单元1900上显示生物特征数据或其他数据中的任一个。

图22示出了个体的吸烟行为数据的“仪表板”视图118，其包括在一时间段内的eCO曲线412的图形输出120以及在该时间段内对于任何给定时间间隔的香烟计数。图形输出120还可以提供测量或计算的尼古丁趋势424。这种尼古丁趋势424可以根据吸烟的数量426来确定，而不是根据尼古丁的直接测量值。

图22还示出了在替代时间段上的eCO曲线412的第二图形输出显示122。在该示例中，第一图形显示器120显示在7天内的eCO曲线412，而第二显示器122显示3天内的数据。仪表板视图118还可以包括附加信息，其包括最新的eCO负担/负荷124(或来自最新样本的最新eCO读数)、在诸如当天的限定时段内的香烟的数量126以及尼古丁的量128。此外，仪表板118还可以包括在限定时段内由个体提供的样本数量130的计数(诸如，每天到每月计数)。

仪表板118还可以显示可帮助个体减少或停止吸烟的信息。例如，图22还示出了使用由个体126或426吸入的香烟的部分的计数的香烟的花销132。仪表板还可以显示社交联系146、142、140以帮助停止吸烟。例如，仪表板可以显示可以直接发消息的医生或咨询师140。另外，信息也可以对社交熟人142显示，其也在尝试减少他们自己的吸烟行为。

如上所述，仪表板118还可以显示关于吸烟触发物134的信息，以对个体作为提醒从而避免触发物。仪表板还可以向用户提供额外的行为信息，包括但不限于个体先前与他/她的医生或咨询师完成的行为问卷136的结果。

仪表板118还可以基于对个体的分析来选择性地显示本文讨论的任何信息。例如，可以表征个体的吸烟行为，并将这样的行为与某些在帮助个体减少或停止吸烟有效的手段相关联。在这些情况下，个体的行为允许在一个或更多个表型中分类(个体的可观察品质允许在一个或更多个团体内进行分类)。仪表板可以显示被发现对于该特定表型有效的信息。此外，用户可以选择性地调整仪表板上的信息，以允许个体发现作为非吸烟激励因素有效的定制。

图23显示了显示与图22所示的类似信息的仪表板118的另一变型。如上所述，显示的信息是可定制的。例如，这个变型说明了图形显示中显示历史数据(昨天的负荷)、当前eCO负担或负荷以及对于非吸烟者的负荷的目标水平的eCO负荷140。如图22和图23所示，可以显示个体在戒烟时的先前尝试138。此外，eCO趋势412的图形表示120可以用(相应样本的)个体eCO读数来显示，其中可显示关于吸烟时间426的信息以及示出吸烟的时间或持续时间的图示(如通过不同直径的圆所示)。如上所述，这样的信息可以由便携式采样单元输入，并以附加形式显示，如126和127所示，其分别示出了关于吸烟的次数和吸的整支香烟的数量的历史和当前数据。

图24A至图24C示出了数据集的另一变型，该数据集包括呼出一氧化碳、收集时间和香烟数据，其被量化并显示以有益于试图理解其吸烟行为的个体。图24A示出了其中患者在多天的过程中收集呼气样本的示例。图24A至图24C所示的示例数据表明了21天内显示的数据，但是任何时间范围都在本文描述的系统和方法的范围内。

如图24A所示，沿着水平轴示出时间段432，其中时间间隔是在该时间段内的每一天。虽然没有示出，但是在样本收集的早期阶段期间，时间段本身可以包括一天或更多天，其中时间间隔是小时或分钟的倍数。明显地，时间段越长，项目在该时间段内选择有意义的时间间隔的能力就越大。

图24A示出了仪表板118的变型，其中吸烟数据(包括香烟的总数量428和相关联的曲线430)叠加在示出eCO曲线412的图上。如上所述，个体以定期地或随机的方式提供呼气样本。在某些变型中，便携式采样单元(不显示)提示个体提供用于测量CO的样本。便携式采样单元允许样本与时间戳相关联，并且如上所讨论的传送其他用户生成的数据。然后对CO数据进行量化，以提供在时间间隔上(例如，如图24A所示的每天)的CO(呼出CO的eCO)的暴露值。

图24A还表明了与现有数据同时显示历史数据的能力。例如，CO负荷数据140示出前一天的CO负荷以及最高的CO读数、最低的CO读数和平均CO读数。示出了关于香烟数据以及戒烟问卷调查结果136的类似的历史。

图24B和图24C示出了在个体减少他/她的吸烟行为时的以图形形式的数据集。如图24C所示，随着个体继续提供用于测量CO的样本，数据集的图形表示显示了个体的吸烟较少的自我报告，这通过CO负荷124的减小的值来进行验证。

本文所述的系统和方法(即，吸烟行为以及其他行为数据的量化和显示)为医疗保健专业人员可以利用被设计为减少香烟烟雾影响的有效项目提供基础。例如，本文描述的系统和方法可用于仅从普通群体中识别吸烟者群体。一旦确定了这个群体，就可以在尝试将个体登记在戒烟项目之前对该个体特定的吸烟行为建立数据集。如上所述，对吸烟负担(或CO负担)连同吸烟活动的时间数据的量化可以与其他行为数据组合以识别对该个体独特的吸烟触发物。因此，在选择戒烟项目之前，医护健康专业人员可以很好地理解个体的吸烟行为。此外，本文所述的系统和方法容易适用于一旦个体进入戒烟项目就检测该个体的行为，并且一旦他们停止吸烟就可以监测个体，以确保戒烟项目保持有效，并且个体抑制吸烟。

此外，上述关于吸烟行为量化的系统和方法可用于构建、更新和改进以上讨论的吸烟行为的模型，并且提供扰动以帮助最终减少个体的吸烟行为。

本发明的许多实施例已经被描述。不过，将理解，在没有偏离本发明的精神和范围的情况下，可以进行各种更改。以上所讨论的变型的方面的组合以及变型本身的组合意图在本公开的范围内。

在不脱离本发明的真实精神和范围的情况下，可以对所描述的本发明做出各种改变，并且对等同物(为了简洁起见，不论本文是否记载或未被包括)进行替换。此外，本发明的变型的任何可选特征可独立地阐述和主张，或与本文所描述的特征的任一个或更多个特征进行组合。因此，在可能的情况下，本发明考虑了实施例的各个方面的组合或实施例本身的组合。对单个项目的引用包括存在相同项目的复数的可能性。更具体地，如在本文中和所附权利要求中所使用的，除非上下文另有明确规定，否则单数形式“一个(a)”、“一个(and)”、“所述(said)”和“该(the)”包括复数参考。

Claims (30)

1.一种量化个体的吸烟行为的方法，所述方法包括：

在一时间段内从所述个体获得多个呼出气的样本并记录与呼出气的每个样本相关联的收集时间；

测量对于所述呼出气的样本中的每个样本的呼出一氧化碳的量；

编制包括对于呼出气的每个样本的所述呼出一氧化碳的量和所述收集时间的数据集；

量化在所述一时间段内的时间间隔上的呼出一氧化碳的暴露，并使用所述数据集将呼出一氧化碳负荷指定到所述时间间隔；以及

显示所述呼出一氧化碳负荷。

2.根据权利要求1所述的方法，其中，在一时间段内从所述个体获得多个呼出气的样本并记录呼出气的每个样本的收集时间包括依次获得所述多个呼出气的样本。

3.根据权利要求1所述的方法，其中，量化呼出一氧化碳的暴露包括使用所述数据集在所述一时间段内关联呼出一氧化碳相对于时间的函数。

4.根据权利要求3所述的方法，还包括获得在所述时间间隔内在由所述函数限定的曲线下的呼出一氧化碳和时间的面积。

5.根据权利要求1所述的方法，还包括向所述个体生成信号以提供呼出气的至少一个样本。

6.根据权利要求1所述的方法，还包括在重复的基础上警告所述个体以在所述一时间段内提供所述呼出气的样本。

7.根据权利要求1所述的方法，还包括接收来自所述个体的输入数据并记录输入的时间。

8.根据权利要求7所述的方法，其中，所述输入数据至少包括由所述个体吸食的香烟的一部分的计数。

9.根据权利要求8所述的方法，还包括在视觉上显示由所述个体吸食的香烟的部分的所述计数的总和。

10.根据权利要求8所述的方法，还包括使用由所述个体吸食的香烟的部分的所述计数来确定香烟花销并显示所述香烟花销。

11.根据权利要求8所述的方法，还包括使用由所述个体吸食的香烟的部分的所述计数来确定尼古丁估计并显示所述尼古丁估计。

12.根据权利要求7所述的方法，其中，所述输入数据包括所述个体的行为信息。

13.根据权利要求1所述的方法，还包括提供在所述一时间段内与视觉显示时间间隔相关联的所述呼出一氧化碳负荷的视觉显示。

14.根据权利要求1所述的方法，还包括提供所述多个呼出气的样本的数量的计数的视觉显示。

15.根据权利要求1所述的方法，还包括确定对于在所述一时间段内的一系列的时间间隔上的一系列的呼出一氧化碳负荷。

16.根据权利要求15所述的方法，还包括显示对于所述一系列的时间间隔的所述一系列的呼出一氧化碳负荷。

17.根据权利要求1所述的方法，其中，测量所述呼出一氧化碳的量包括使用便携式传感器。

18.根据权利要求1所述的方法，还包括将与呼出气的每个样本相关联的所述呼出一氧化碳的量和所述收集时间从所述便携式传感器传送到电子设备。

19.根据权利要求1所述的方法，还包括当获得所述多个呼出气的样本中的至少一个时获得所述个体的位置。

20.根据权利要求1所述的方法，还包括获得来自所述个体的对行为问卷的结果并且显示所述行为问卷的结果与所述呼出一氧化碳负荷。

21.根据权利要求1所述的方法，其中，量化在所述一时间段内的时间间隔上的呼出一氧化碳的暴露包括估计一氧化碳的衰减速率。

22.根据权利要求1所述的方法，其中，量化在所述一时间段内的时间间隔上的呼出一氧化碳的暴露包括估计在所述个体吸食香烟时一氧化碳的速率的提高。

23.一种量化个体的吸烟行为的方法，所述方法包括：

在一时间段内从所述个体获得多个一氧化碳的样本并且记录与一氧化碳的每个样本相关联的收集时间；

编制包括对于一氧化碳的每个样本的所述收集时间和一氧化碳的量的数据集；

量化在所述一时间段内的时间间隔上的一氧化碳的暴露，并使用所述数据集将一氧化碳负荷指定到所述时间间隔；以及

显示所述一氧化碳负荷。

24.根据权利要求23所述的方法，其中，获得所述多个一氧化碳的样本包括随时间获得来自所述个体的多个呼出气的样本，并测量对于所述呼出气的样本中的每个样本的呼出一氧化碳的量，并且其中记录与一氧化碳的每个样本相关联的收集时间包括记录与呼出气的每个样本相关联的收集时间。

25.一种用于获得数据以量化个体的吸烟行为的设备，所述设备包括：

便携式呼吸单元，所述便携式呼吸单元被配置为在一时间段内接收来自所述个体的多个呼出气的样本，并被配置为记录与呼出气的每个样本相关联的收集时间；

传感器，所述传感器位于所述单元内并被配置为测量对于所述呼出气的样本中的每个样本的呼出一氧化碳的量；

至少一个输入开关，所述至少一个输入开关被配置为记录来自所述个体的输入数据；

储存单元，所述储存单元被配置为至少存储所述呼出一氧化碳的量和所述收集时间；

发射机，所述发射机被配置为将所述呼出一氧化碳的量、所述收集时间和输入数据传送到外部电子设备；以及

警报单元，所述警报单元被配置为向用户提供警报以提交所述多个呼出气的样本。

26.一种为吸烟的患者制定戒烟项目的方法，所述方法包括：

测量确定所述患者是否吸烟的至少一个生物学指标；

捕获多个患者数据，其中所述患者数据包括在时间上与在所述患者吸烟时相关的信息；

组合所述多个患者数据中的至少一个和至少一个生物学指标以在第一测试时段期间确定所述患者的吸烟行为模型；

评估所述吸烟行为模型以评估对于戒烟项目所需的干预程度；以及

提供所述吸烟行为模型和所述干预程度的总结报告。

27.一种用于阻止患者吸烟的系统，所述系统包括：

传感器，所述传感器用于测量确定所述患者是否吸烟的至少一个生物学指标；

数据收集设备，所述数据收集设备被配置为捕获多个患者数据，其中所述患者数据包括在时间上与在所述患者吸烟时相关的信息；

处理器，所述处理器与所述传感器和数据收集设备通信，所述处理器被配置为编译第一测试时段内的所述多个患者数据和至少一个生物学指标以确定所述患者的吸烟行为模型；

所述处理器被配置为在第二测试时段之前生成至少一个扰动信号，并且其中所述处理器分析在所述第二测试时段内捕获的所述患者数据中的至少一个以确定测试的吸烟行为；以及

其中所述处理器将所述测试的吸烟行为与模型吸烟行为进行比较以确定所述患者是否被阻止吸烟。

28.一种用于阻止患者吸烟的方法，所述方法包括：

测量确定所述患者是否吸烟的至少一个生物学指标；

收集多个患者数据，其中所述患者数据包括在时间上与在所述患者吸烟时相关的信息；

编译所述多个患者数据与所述至少一个生物学指标以确定所述患者的吸烟行为模型；

在第二测试时段之前生成至少一个扰动信号，其中所述至少一个扰动信号影响所述患者；

分析在所述第二测试时段内捕获的所述患者数据中的至少一个以确定测试的吸烟行为；以及

将所述测试的吸烟行为与模型吸烟行为进行比较，以确定从所述吸烟行为模型的变化，从而确定所述患者是否被阻止吸烟。

29.一种用于阻止患者吸烟的系统，所述系统包括：

数据库，所述数据库包含所述患者的吸烟行为模型，其中所述吸烟行为模型包括在时间上与在所述患者吸烟时相关的多个历史患者数据；

传感器，所述传感器用于测量确定所述患者是否吸烟的至少一个生物学指标；

处理器，所述处理器被配置成在分析所述吸烟行为模型时确定预期的吸烟事件，并且在确定所述预期的吸烟事件之后，所述处理器在测试时段之前生成至少一个扰动信号；

所述处理器被配置为在所述测试时段期间检查所述至少一个生物学指标，以确定在所述测试时段期间所述患者是否被阻止吸烟；以及

其中在确定在所述测试时段期间所述患者是否被阻止吸烟之后，所述处理器更新包含所述吸烟行为模型的所述数据库。

30.一种用于阻止患者吸烟的方法，所述方法包括：

访问包含所述患者的吸烟行为模型的数据库，其中所述吸烟行为模型包括在时间上与在所述患者吸烟时相关的多个历史患者数据；

在分析所述吸烟行为模型时估计预期的吸烟事件；

在所述处理器确定所述预期的吸烟事件之后，在测试时段之前生成至少一个扰动信号；

在所述测试时段期间测量确定所述患者是否吸烟的至少一个生物学指标；

在所述测试时段期间检查所述至少一个生物学指标以确定在所述测试时段期间所述患者是否被阻止吸烟；以及

在确定在所述测试时段期间所述患者是否被阻止吸烟之后，更新包含所述吸烟行为模型的数据库。