CN107771056A - 经皮分析物传感器和监视器、其校准以及相关联方法 - Google Patents

经皮分析物传感器和监视器、其校准以及相关联方法 Download PDF

Info

Publication number
CN107771056A
CN107771056A CN201680036303.6A CN201680036303A CN107771056A CN 107771056 A CN107771056 A CN 107771056A CN 201680036303 A CN201680036303 A CN 201680036303A CN 107771056 A CN107771056 A CN 107771056A
Authority
CN
China
Prior art keywords
value
sensor
calibration
analyte concentration
analyte
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
Application number
CN201680036303.6A
Other languages
English (en)
Other versions
CN107771056B (zh
Inventor
A·加西亚
P·C·辛普森
A·U·卡马斯
N·C·巴瓦拉朱
S·J·范斯利克
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Dexcom Inc
Original Assignee
Dexcom Inc
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Dexcom Inc filed Critical Dexcom Inc
Priority to CN202111270188.8A priority Critical patent/CN113974619A/zh
Publication of CN107771056A publication Critical patent/CN107771056A/zh
Application granted granted Critical
Publication of CN107771056B publication Critical patent/CN107771056B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/145—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
    • A61B5/1495—Calibrating or testing of in-vivo probes
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
    • A61B5/0031—Implanted circuitry
    • 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
    • A61B5/1486—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 using enzyme electrodes, e.g. with immobilised oxidase
    • A61B5/14865—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 using enzyme electrodes, e.g. with immobilised oxidase invasive, e.g. introduced into the body by a catheter or needle or using implanted sensors
    • 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
    • A61B2560/00—Constructional details of operational features of apparatus; Accessories for medical measuring apparatus
    • A61B2560/02—Operational features
    • A61B2560/0223—Operational features of calibration, e.g. protocols for calibrating sensors
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2560/00—Constructional details of operational features of apparatus; Accessories for medical measuring apparatus
    • A61B2560/02—Operational features
    • A61B2560/0223—Operational features of calibration, e.g. protocols for calibrating sensors
    • A61B2560/0228—Operational features of calibration, e.g. protocols for calibrating sensors using calibration standards
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1118—Determining activity level
    • 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
    • A61B5/14503—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 invasive, e.g. introduced into the body by a catheter or needle or using implanted sensors
    • 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
    • A61B5/72—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

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Pathology (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Optics & Photonics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Emergency Medicine (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physiology (AREA)
  • Psychiatry (AREA)
  • Signal Processing (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本公开提供一般仅使用来自生物系统内的分析物浓度传感器的信号校准所述分析物浓度传感器的系统和方法。举例来说，在稳态下，所述生物系统内的分析物浓度值是已知的，且所述值可以提供校准源。类似技术可以与缓慢移动平均值一起采用。公开了若干变化。

Description

经皮分析物传感器和监视器、其校准以及相关联方法
技术领域
用于处理来自连续分析物传感器的传感器数据以及用于传感器的校准的系统和方法。
背景技术
糖尿病是胰腺无法产生足够的胰岛素(类型I或胰岛素相依性)和/或胰岛素并不有效(类型2或非胰岛素相依性)的一种失调。在糖尿病状态下，患者经受高血糖，这会造成与小血管的恶化相关联的大量生理紊乱，例如肾衰竭、皮肤溃疡或眼玻璃体出血。低血糖反应(低血糖)可由胰岛素的无意中过量引起，或者在由过量锻炼或不足的食物摄取所伴随的正常剂量的胰岛素或葡萄糖降低试剂之后引起。
常规上，患有糖尿病的人携带自监视血糖(SMBG)监视器，其通常需要不舒适的手指刺戳方法。由于缺乏舒适和方便，患有糖尿病的人通常每天仅测量他或她的葡萄糖水平两到四次。不幸地，这些时间间隔散布得太远离，使得患有糖尿病的人可能太晚发现高血糖或低血糖病状，有时招致危险的副作用。替代地可以通过包含皮肤上传感器组合件的传感器系统来连续监视葡萄糖水平。所述传感器系统可以具有无线发射器，其将测量数据发射到接收器，接收器可基于测量而处理和显示信息。
迄今，已经开发多种葡萄糖传感器用于连续测量葡萄糖值。许多可植入的葡萄糖传感器遭受在身体内的难题，且仅提供血糖的短期且较不准确的感测。类似地，经皮传感器关于在延长的时间周期中连续准确地感测和报告回葡萄糖值已经遇到问题。已经做出一些努力来从可植入装置获得血糖数据且追溯性地确定血糖趋势以用于分析；然而，这些努力并未帮助糖尿病患者确定实时血糖信息。还已经做出一些努力来从经皮装置获得血糖数据以用于前瞻性数据分析，然而已发生类似的问题。
在连续葡萄糖监视器(CGM)中，在植入传感器之后，对其进行校准，在此之后其将大体上连续的传感器数据提供到传感器电子器件。传感器电子器件转换传感器数据以使得估计的分析物值可连续地提供给用户。如本文使用，术语“大体上连续”、“连续地”等可以指代在时间隔开的间隔处取得的个别测量的数据流，所述间隔的范围可以从几分之几秒直到例如1、2或5分钟或更久。在传感器电子器件持续接收传感器数据时，传感器可以偶尔地经重新校准以考虑传感器灵敏度和/或基线的可能改变(漂移)。传感器灵敏度可以指代在传感器中由预定量的所测量分析物产生的电流量。
传感器基线指代当未检测到分析物时由传感器输出的信号。随着时间过去，灵敏度和基线由于多种因素而改变，包含细胞对传感器的细胞攻击或迁移，这可影响分析物到达传感器的能力。
提供此背景技术以介绍随后的发明内容和具体实施方式的简要上下文。不希望此背景技术帮助确定所要求标的物的范围，也不视为将所要求标的物限于解决上文呈现的缺点或问题中的任一者或全部的实施方案。
发明内容
在不限制如由所附权利要求书表达的本发明实施例的范围的情况下，将简要论述根据本发明原理的系统和方法的突出特征。在考虑此论述之后，且尤其在阅读标题为“具体实施方式”的章节之后，将理解本发明实施例的特征如何提供本文描述的优点。
在第一方面中，提供一种仅使用来自生物系统内的分析物浓度传感器的信号校准所述分析物浓度传感器的方法，其中在可重复事件的发生下，所述生物系统内的分析物浓度值是已知的，所述方法包含：在监视装置上，检测如由留置于生物系统中的分析物浓度传感器测得的分析物浓度值何时构成第一可重复事件；以及在所述监视装置上或者在以操作方式耦合到所述监视装置的装置或服务器上，使当所述生物系统处于所述所检测第一可重复事件时的所述分析物浓度值的测量相关于所述已知分析物浓度值。
实施例和方面的实施方案可以包含以下各项中的一个或多个。所述相关可以包含确定传感器读数与所述已知分析物浓度值之间的函数关系。所述函数关系可以包含乘常数。所述检测可以包含在所述监视装置上进入例如进餐或锻炼等事件后等待预定时间。所述方法可以进一步包含：在所述相关后，检测第二可重复事件的发生，所述第二可重复事件不同于所述第一可重复事件；以及通过使当所述生物系统处于所述所检测第二可重复事件时的传感器读数相关于所述已知分析物浓度值而重新校准所述分析物浓度传感器。所述传感器读数可以具有在初始校准处的第一原始值以及在重新校准处的第二原始值，其中所述第一和第二原始值是不同的。所述方法可以进一步包含：在所述相关后，显示曲线图或表，所述曲线图或表指示如至少部分地基于所述相关而校准的所述分析物浓度的当前测得及历史值；以及，在所述重新校准后，根据所述重新校准更新指示所述分析物浓度的当前测得及历史值的所述曲线图或表的所述显示。所述更新可以改变所述分析物浓度的所述历史值的所述显示。所述方法可以进一步包含：确定所述第一与第二原始值之间的差；将基于所述差的量与预定准则进行比较，且基于所述比较而确定所述传感器校准是否已经漂移。所述方法可以进一步包含确定所述传感器校准已经漂移的量化量。所述方法可以进一步包含基于所述所确定量化量而调整所述传感器校准。所述量可以是所述第一与第二原始值之间的斜率。所述方法可以进一步包含如果所述斜率超过预定阈值，那么禁止基于稳态的进一步校准直到所述斜率不再超过预定阈值为止。所述方法可以进一步包含提示用户输入测得值。所述传感器可以是葡萄糖传感器。所述方法可以进一步包含：在所述相关后，从所述传感器接收信号；以及显示对应于所述所接收信号的值，所述所显示值是基于所述所接收信号以及所述已知分析物浓度值。所述方法可以进一步包含通过提示所述用户输入测得值而确定所述已知分析物浓度值的步骤。所述方法可以进一步包含通过存取群体平均值而确定所述已知分析物浓度值的步骤。重新校准可以被配置成在当传感器读数大体上稳定的时间发生，或者在阈值时间周期的读数的预定范围内，由此减少读数中的未预期跳跃的发生，且在这些时间的这些重新校准可以被致使或配置成在所描述的实施例或方面中的任一者中发生。
在第二方面中，提供一种仅使用来自分析物浓度传感器的信号补偿生物系统内的分析物浓度传感器中的漂移的方法，其包含：使用留置的分析物浓度传感器测量分析物的值；确定在第一时间周期中所述分析物的所述测得值的第一缓慢移动平均值，且使所述传感器的校准至少部分地基于所述第一缓慢移动平均值；在所述第一确定后，确定在第二时间周期中所述分析物的所述测得值的第二缓慢移动平均值；以及至少部分地基于所述第一缓慢移动平均值与所述第二缓慢移动平均值之间的差而调整所述传感器的所述校准。
方面和实施例的实施方案可以包含以下各项中的一个或多个。所述第一时间周期的持续时间可以大于约12小时或大于约24小时。所述第一时间周期的持续时间可以与所述第二时间周期的持续时间相同。所述方法可以进一步包含：在所述使所述传感器的所述校准至少部分地基于所述第一缓慢移动平均值后，显示曲线图或表，所述曲线图或表指示如至少部分地基于所述第一缓慢移动平均值而校准的所述分析物浓度的至少历史值；以及在所述调整后，根据所述经调整校准更新指示所述分析物浓度的至少历史值的所述曲线图或表的所述显示。所述更新可以改变所述分析物浓度的所述历史值的所述显示。所述所显示曲线图或表可以进一步指示所述分析物浓度的当前测得值。所述使所述传感器的校准至少部分地基于所述第一缓慢移动平均值可以进一步包含使所述校准基于种子值，例如从群体平均值或从先前会话接收的种子值。所述方法可以进一步包含在所述调整后，至少部分地基于所述调整而改变所述种子值。所述方法可以进一步包含基于所述第一缓慢移动平均值与所述第二缓慢移动平均值之间的所述差而改变所述种子值。
在第三方面中，提供一种仅使用来自分析物浓度传感器的信号补偿生物系统内的分析物浓度传感器中的漂移的方法，其包含：使用留置的分析物浓度传感器测量分析物的值；确定在第一时间周期中所述分析物的所述测得值的第一缓慢移动平均值，且使所述传感器的第一表观灵敏度至少部分地基于所述第一缓慢移动平均值；在所述第一确定后，确定在第二时间周期中所述分析物的所述测得值的第二缓慢移动平均值，且使所述传感器的第二表观灵敏度至少部分地基于所述第二缓慢移动平均值；确定所述第一表观灵敏度与所述第二表观灵敏度之间所述传感器的表观灵敏度改变是否匹配于预定准则；如果所述表观灵敏度改变匹配于预定准则，那么基于所述第一与第二表观灵敏度之间的差将所述传感器的实际灵敏度调整为所调整值；如果所述表观灵敏度改变未能匹配于预定准则，那么提示用户输入数据，由此可以确定所述表观灵敏度改变的原因。
方面和实施例的实施方案可以包含以下各项中的一个或多个。所述确定可以包含确定所述表观灵敏度改变是由于灵敏度漂移还是所述缓慢移动平均值的改变。如果所述表观灵敏度改变是由于所述缓慢移动平均值的改变，那么所述方法可以进一步包含提示所述用户输入关于所述改变的数据。所述预定准则可以包含传感器的随着时间的灵敏度改变的已知表现。灵敏度改变的所述已知表现可以构成相对于时间的可接受灵敏度改变的包络。所述所调整值可以至少部分地基于所述第二缓慢移动平均值。所述预定准则可以进一步包含生理上可行的分析物改变的已知值。所述提示所述用户可以包含提示所述用户输入校准值。所述提示所述用户可以包含提示所述用户输入进餐或锻炼信息。在从所述用户接收到所述校准值或者所述进餐或锻炼信息后，所述方法可以进一步包含确定所述表观灵敏度改变是由于灵敏度漂移还是所述缓慢移动平均值的改变。所述方法可以进一步包含基于所述所接收校准值或者进餐或锻炼信息而调整所述传感器的所述实际灵敏度。
在第四方面中，提供一种仅使用来自分析物浓度传感器的信号检查生物系统内的分析物浓度传感器系统的校准的方法，其包含：在初始校准之后，使用留置的分析物浓度传感器测量随着时间的分析物的值；基于所述测得值和所述初始校准而计算分析物浓度的临床值；将所述初始校准调整为经更新校准，所述调整仅基于随着时间的所述分析物的所述测得值或其子集；基于测得值和所述经更新校准而计算所述分析物浓度的临床值。
方面和实施例的实施方案可以包含以下各项中的一个或多个。所述初始校准可以基于群体平均值或由用户输入的数据。所述调整可以基于随着时间的所述分析物的所述测得值的缓慢移动平均值。所述调整可以基于所述分析物的稳态值。所述初始校准可以基于在与所述留置的分析物浓度传感器相关联的会话之前确定的数据。所述数据可以先验地、在工作台上或在体外确定。
在第五方面中，提供一种使用来自生物系统内的分析物浓度传感器的信号校准所述分析物浓度传感器的方法，其中在稳态下，所述生物系统内的分析物浓度值是已知的，所述方法包含：在监视装置上，接收校准参数的种子值；在所述监视装置上，检测如由留置于生物系统中的分析物浓度传感器测得的分析物浓度值何时处于稳态；以及在所述监视装置上或者在以操作方式耦合到所述监视装置的装置或服务器上，使当所述生物系统处于所述所检测稳态时的所述分析物浓度值的测量相关于所述已知分析物浓度值；在所述相关后，从所述传感器接收信号；以及计算以及显示对应于所述所接收信号的值，所述所计算值是基于所述所接收信号、所述已知分析物浓度值以及所述种子值。
方面和实施例的实施方案可以包含以下各项中的一个或多个。所述所接收种子值可以从包含工厂校准信息的源接收。所述方法可以进一步包含：检测所述所接收信号在预规定参数之外的表现；以及提示用户输入外部校准信息。所述所显示值可以进一步基于所述外部校准信息。所述外部校准信息可以从SMBG或手指针刺校准接收。所述方法可以进一步包含将所述已知校准值复位到新的已知校准值，所述复位至少部分地基于所述外部校准信息。所述方法可以进一步包含将所述种子值复位到新的种子值，所述复位至少部分地基于所述外部校准信息。所述方法可以进一步包含基于所述值的所确定准确性而更改所述显示。所述更改所述显示可以包含显示范围而不是值，或显示值而不是范围。校准参数的所述所接收种子值可以是疾病状态的用户输入的表征。疾病状态的所述用户输入的表征可以包含类型I糖尿病、类型II糖尿病、非糖尿病或糖尿病前期的指示。校准参数的所述所接收种子值可以是基于一个或多个用户输入的血糖值的值。对应于所述所接收信号的值的所述显示可以包含显示指示所述分析物浓度的当前测得及历史值的曲线图或表，且所述方法进一步包含：检测校准改变已发生；根据所述校准改变调整所述分析物浓度传感器的一个或多个校准参数；以及在所述调整后，根据所述经调整校准参数更新指示所述分析物浓度的当前测得及历史值的所述曲线图或表的所述显示。所述检测校准改变已发生可以包含：检测缓慢移动平均值的改变；或检测所述稳态值的改变。
在第六方面中，提供一种校准分析物浓度传感器的方法，其中在患者内的传感器插入后，仅采用基于传感器信号或可从所述传感器信号导出的参数，所述方法包含：接收分析物浓度的至少初始值以及传感器灵敏度的初始值或初始值分布；在分析物浓度传感器的插入后，监视在一持续时间中来自所述传感器的信号；在所述持续时间中，基于所述所监视传感器信号以及所述传感器灵敏度的所述初始值或值分布而计算多个分析物浓度值；确定在所述持续时间中所述所监视信号的值分布；优化所述传感器灵敏度的所述初始值或所述值分布以及所述多个分析物浓度值以匹配于所述所监视信号的所述值分布；以及基于所述优化而确定经更新灵敏度。
方面和实施例的实施方案可以包含以下各项中的一个或多个。所述接收可以是接收传感器灵敏度的初始值分布，且所述计算多个分析物浓度值可以基于所述所监视传感器信号以及来自所述传感器灵敏度的所述初始值分布的代表性值。所述代表性值可以选自平均值或中点或中值。所述确定经更新灵敏度可以进一步包含：将所述代表性值除以所述分析物浓度的所述初始值；以及将所述灵敏度的所述值更新为等于所述除法的结果。分析物群体的所述初始值可以是群体平均值，可以由用户输入，或者从先前会话传送。所述优化可以包含优化所述传感器灵敏度的所述初始值或值分布与所述多个分析物浓度值的乘积。所述优化乘积可以包含优化所述乘积以匹配于所述所监视信号的所述值分布，同时调整所述传感器灵敏度的所述值分布和所述多个分析物浓度值的参数以最接近地匹配于相应群体平均值。所述接收可以进一步包含接收基线的初始值分布，且所述优化可以进一步包含优化所述基线的所述值分布连同所述传感器灵敏度的所述值分布和所述多个分析物浓度值以匹配于所述所监视信号的所述值分布。基线的所述初始值分布可以遵循正态分布。所述分析物浓度的至少所述初始值可以用作对缓慢移动平均值滤波器的种子值输入的部分。传感器灵敏度的所述初始值分布可以通过正态分布界定。所述所监视信号的所述所确定值分布可以遵循对数正态分布。所述持续时间可以是一天。所述方法可以进一步包含继续基于先前经更新灵敏度以及所接收分析物浓度值而确定经更新灵敏度。所述方法可以进一步包含检测所述所监视分析物浓度值的缓慢移动平均值。如果在预定时间单位中所述缓慢移动平均值的改变的绝对值大于预定阈值，那么所述方法可以包含提示用户输入数据。如果在预定时间单位中所述缓慢移动平均值的改变的绝对值大于预定阈值，那么所述方法可以包含确定所述改变是由于系统误差还是由于所述传感器的实际灵敏度改变。所述确定所述改变是由于系统误差还是由于所述传感器的实际灵敏度改变可以包含确定所述灵敏度的后续表现是否与已知灵敏度分布一致，包含与灵敏度曲线的包络一致。如果所述缓慢移动平均值的改变的所述绝对值被确定为是由于所述传感器的实际灵敏度改变，那么所述方法可以包含至少部分地基于所述缓慢移动平均值的所述改变的所述值而更新所述灵敏度。所述确定所述改变是由于系统误差还是由于所述传感器的实际灵敏度改变可以包含确定所述分析物浓度值的后续表现是否与生理可行性的已知包络一致。如果所述缓慢移动平均值的改变的所述绝对值被确定为是由于系统误差，那么所述方法可以包含提示所述用户输入数据。
在第七方面中，提供一种使用来自生物系统内的分析物浓度传感器的信号校准所述分析物浓度传感器的方法，其包含：接收或确定与分析物浓度传感器相关的校准参数的种子值；使用所述种子值来至少部分地确定所述分析物浓度传感器的校准；以及使用所述分析物浓度传感器，测量分析物浓度的值；以及显示如至少部分地使用所述种子值校准的所述测得值。
方面和实施例的实施方案可以包含以下各项中的一个或多个。所述接收或确定可以在与所述分析物浓度传感器成操作信号通信的监视装置上执行。所述显示可以在所述监视装置上或在与所述监视装置成信号通信的移动装置上执行。所述显示所述测得值可以包含显示指示所述分析物浓度的至少历史值的曲线图或表，且所述方法可以进一步包含：检测校准改变已发生；根据所述所检测校准改变调整所述分析物浓度传感器的一个或多个校准参数；以及在所述调整后，根据所述经调整校准参数更新指示所述分析物浓度的至少历史值的所述曲线图或表的所述显示。所述更新可以改变所述分析物浓度的所述历史值的所述显示。所述种子值可以至少部分地基于代码。所述代码可以由用户输入到监视装置中。监视装置可以被配置成接收所述代码而不需要所述用户的实质参与。所述种子值可以至少部分地基于阻抗测量。所述种子值可以至少部分地基于与所述传感器的制造批次相关联的信息。所述种子值可以至少部分地基于群体平均值。所述种子值可以至少部分地基于所述用户的刚刚过去的分析物值。
在第八方面中，提供一种仅使用来自生物系统内的留置分析物浓度传感器的信号校准和补偿所述分析物浓度传感器中的漂移的方法，其中在稳态下，所述生物系统内的分析物浓度值是已知的，所述方法包含：在监视装置上，检测如由留置于生物系统中的分析物浓度传感器测得的分析物浓度值何时处于稳态；在所述监视装置上或者在以操作方式耦合到所述监视装置的装置或服务器上，使当所述生物系统处于所述所检测稳态时的所述分析物浓度值的测量相关于所述已知分析物浓度值；确定在第一时间周期中分析物的所述测得值的第一缓慢移动平均值，且使所述传感器的校准至少部分地基于所述第一缓慢移动平均值且基于所述已知分析物浓度值；在所述第一确定后，确定在第二时间周期中所述分析物的所述测得值的第二缓慢移动平均值；以及至少部分地基于所述第一缓慢移动平均值与所述第二缓慢移动平均值之间的差而调整所述传感器的所述校准。
在第九方面中，提供一种校准一批传感器的第一部分的方法，其中第二部分已经经受使用，所述方法包含：从所述第二部分的传感器中的一些接收校准数据；以及基于所述所接收数据更新所述第一部分的一个或多个校准参数。
方面和实施例的实施方案可以包含以下各项中的一个或多个。所述更新可以在所述第一部分安装于用户体内之前执行。所述更新可以在所述第一部分已安装于用户体内之后执行。所述更新可以通过将新的或经更新校准参数经由网络发射到监视装置或与所述传感器相关联的传感器电子器件模块而执行。所述第二部分的传感器可以被配置成使用先验校准来校准。所述第二部分的传感器可以被配置成使用用户数据来校准。所述第二部分的传感器可以被配置成使用活体外工作台校准来校准。所述第二部分的传感器可以被配置成使用血液测量来校准。
在第十方面中，提供一种仅使用来自分析物浓度传感器的信号补偿生物系统内的分析物浓度传感器中的漂移的方法，其包含：使用留置的分析物浓度传感器测量分析物的随时间而变的值；使用双指数平滑滤波器对所述测得值进行滤波；以及在所述滤波后，对照时间显示所述经滤波测得值。
方面和实施例的实施方案可以包含以下各项中的一个或多个。所述双指数平滑滤波器可以由本文描述的等式管控。随着时间而变的后续葡萄糖信号可以由本文描述的等式提供。
在第十一方面中，提供一种仅使用来自生物系统内的分析物浓度传感器的信号校准所述分析物浓度传感器的方法，其中在可重复事件处或期间，所述生物系统内的分析物浓度值是已知的，所述方法包括：在监视装置上，检测如由留置于生物系统中的分析物浓度传感器测得的一组分析物浓度值何时构成可重复事件；以及在所述监视装置上或者在以操作方式耦合到所述监视装置的装置或服务器上，使处于所述可重复事件的所述组分析物浓度值相关于所述已知分析物浓度值。
实施方案可以包含所述可重复事件选自由以下各项组成的群组：稳态、餐后上升、每日高-低葡萄糖扩展、衰减速率，或改变速率。
在第十二方面中，提供一种仅使用来自分析物浓度传感器的信号补偿生物系统内的分析物浓度传感器中的漂移的方法，其包括：使用留置的分析物浓度传感器测量分析物的值；确定在第一组时间周期中所述分析物的所述测得值的第一缓慢移动平均值，其中所述第一组包含基于事件的时间周期，且使所述传感器的校准至少部分地基于所述第一缓慢移动平均值；在所述第一确定后，确定在第二组时间周期中所述分析物的所述测得值的第二缓慢移动平均值，其中所述第二组包含基于事件的时间周期；以及至少部分地基于所述第一缓慢移动平均值与所述第二缓慢移动平均值之间的差而调整所述传感器的所述校准。
实施方案可包含以下各项中的一个或多个。所述第一和第二基于事件的时间周期可以选自由以下各项组成的群组：餐后时间周期、睡觉时间周期，以及早餐后时间周期。
在第十三方面中，提供一种校准生物系统内的分析物浓度传感器的方法，其包括：对于一类型的一组传感器，确定灵敏度分布对时间；对于所述类型的个别传感器，测量灵敏度分布；测量发射器的电特性；以及读取所述传感器的识别符且接收对应于所述传感器的灵敏度的数据，以及将所述识别符和所述所接收数据存储在所述发射器上。
实施方案可包含以下各项中的一个或多个。一类型的所述组传感器可以对应于一批次内的一组传感器。所述方法可以进一步包含将所述发射器中的个别传感器封装为套件。所述方法可以进一步包含将所述发射器耦合到运行监视应用程序的移动装置。所述方法可以进一步包含使用所述监视应用程序校准所述发射器和所述传感器。所述校准可以相对于所述发射器的所述测得电特性。所述监视应用程序可以被配置成在来自发射器的信号后开始传感器会话，所述信号检测所述发射器耦合到传感器。所述发射器可以被配置成当所述发射器检测到与传感器的耦合时开始传感器会话。所述方法可以进一步包含将所述发射器耦合到运行监视应用程序的移动装置。所述方法可以进一步包含接收一组代表性测得分析物值。所述方法可以进一步包含使用所述所接收一组代表性测得分析物值或其子集来确定用于正向滤波器、反向滤波器或两者的种子参数。所述种子值可以使用中值信号值、漂移值或两者来确定。可以采用正向滤波器和反向滤波器两者，且所述方法可以进一步包含优化种子值以使所述两个信号滤波器之间的均方误差最小。所述方法可以进一步包含根据基于信号的校准算法调整所述传感器的灵敏度和基线，所述基于信号的校准算法使用来自所述正向和反向滤波器的信号的平均值连同原始传感器信号。所述方法可以进一步包含基于一个或多个准则而调整所述灵敏度和所述基线。所述准则可以包含平均葡萄糖值应当与预期糖尿病均值一致。所述准则可以包含CGM葡萄糖可变性应当与平均葡萄糖水平一致。所述方法可以进一步包含：检测传感器改变量；确定所述传感器改变量高于阈值准则；以及防止读数的显示，从而不会向用户显示可能不准确的读数。
在第十四方面中，提供一种仅使用来自分析物浓度传感器的信号补偿生物系统内的分析物浓度传感器中的漂移的方法，其包括：使用留置的分析物浓度传感器测量分析物的值；确定在第一时间周期中所述分析物的所述测得值的第一缓慢移动平均值，且使所述传感器的校准至少部分地基于所述第一缓慢移动平均值；在所述第一确定后，确定在第二时间周期中所述分析物的所述测得值的第二缓慢移动平均值；以及至少部分地基于种子值且基于所述第一缓慢移动平均值与所述第二缓慢移动平均值之间的差而调整所述传感器的所述校准。
实施方案可包含以下各项中的一个或多个。所述种子值可以使用中值信号值、漂移值或两者来确定。可以采用正向滤波器和反向滤波器两者，且所述方法可以进一步包含优化种子值以使所述两个信号滤波器之间的均方误差最小。所述方法可以进一步包含根据基于信号的校准算法调整所述传感器的灵敏度和基线，所述基于信号的校准算法使用来自所述正向和反向滤波器的信号的平均值连同原始传感器信号。所述方法可以进一步包含基于一个或多个准则而调整所述灵敏度和所述基线。所述准则可以包含平均葡萄糖值应当与预期糖尿病均值一致。所述准则可以包含CGM葡萄糖可变性应当与平均葡萄糖水平一致。
在进一步方面和实施例中，各种方面的以上方法特征是在如在各种方面中被配置成实行所述方法特征的系统方面来制定。任何方面的实施例的任何特征，包含但不限于上文提及的第一到第十四方面中的任一者的任何实施例，均适用于本文指出的所有其它方面和实施例，包含但不限于上文提及的第一到第十四方面中的任一者的任何实施例。而且，各种方面的实施例的任何特征，包含但不限于上文提及的第一到第十四方面中的任一者的任何实施例，可以任何方式与本文描述的其它实施例部分或完全地独立组合，例如一个、两个或三个或更多实施例可以完全或部分地组合。此外，各种方面的实施例的任何特征，包含但不限于上文提及的第一到第十四方面中的任一者的任何实施例，可以对其它方面或实施例是任选的。方法的任何方面或实施例可由另一方面或实施例的系统或设备执行，且系统或设备的任何方面或实施例可被配置成执行另一方面或实施例的方法，包含但不限于上文提及的第一到第十四方面中的任一者的任何实施例。
提供此发明内容以用简化形式介绍一系列概念。所述概念在具体实施方式章节中进一步描述。除了此发明内容中描述的那些以外的元件或步骤是可能的，且没有元件或步骤是一定需要的。此发明内容既定不识别所要求标的物的关键特征或本质特征，也既定不用来辅助确定所要求标的物的范围。所要求标的物不限于解决本公开的任何部分中提到的任何或全部缺点的实施方案。
附图说明
现在将以突出有利特征的强调来详细论述本发明实施例。这些实施例描绘附图中示出的新颖且非显而易见的传感器信号处理及校准系统和方法，所述附图是仅用于图示目的且未按比例绘制，实际上强调本公开的原理。这些图式包含以下的图，其中相似标号指示相似部分：
图1是附接到主体且与多个实例性装置通信的连续分析物传感器系统的示意图；
图2是图示与图1的传感器系统相关联的电子器件的框图；
图3描绘了图示测得传感器计数与分析物浓度之间的线性关系的曲线图。
图4图示了随着时间的灵敏度的示例性改变。
图5图示了将关于传感器的工厂信息提供到发射器电子器件的各种方式。
图6图示了用于将关于传感器的工厂信息提供到传感器电子器件的“无代码”选项。
图7图示了用于将关于传感器的工厂信息提供到传感器电子器件而不需要明确用户输入的选项。
图8图示了用于以用户输入将关于传感器的工厂信息提供到传感器电子器件的选项。
图9和10图示了使用已经获得现场数据的一批传感器的一个部分来校准一批传感器的另一部分的步骤。
图11是图示了根据本发明原理的示例性方法且尤其是用于执行根据图9和10的方法的流程图。
图12是与接收器和/或智能电话通信的在主体内的传感器和发射器的示意性描绘。
图13是图示了根据本发明原理的另一示例性方法的流程图。
图14和15是描绘在灵敏度改变之前(14)和之后(15)随着时间的分析物浓度的曲线图。
图16是根据本发明原理的分析物浓度测量系统的模块化描绘。
图17是图示了根据本发明原理的另一示例性方法的流程图。
图18是图示了根据本发明原理的采用稳态来执行校准的另一示例性方法的流程图。
图19是图示了在漂移已经发生之前和之后的两条校准线的曲线图。
图20和21图示了随着时间的传感器计数的缓慢移动平均值。
图22是图示了根据本发明原理的采用缓慢移动平均值的另一示例性方法的流程图。
图23A是图示了根据本发明原理的说明历史值的更新的另一示例性方法的流程图。
图23B是示出了在延伸的传感器会话中的灵敏度数据的图表，示出了特性漂移。
图23C是示出了在延伸的传感器会话中的灵敏度数据的图表，示出了特性漂移连同失败模式。
图24是图示了根据本发明原理的另一示例性方法的流程图。
图25是图示了根据本发明原理的另一示例性方法的流程图。
图26是图示了根据本发明原理的另一示例性方法的流程图。
图27是图示了根据本发明原理的另一示例性方法的流程图。
图28是图示了灵敏度分布的曲线图。
图29是图示了基线分布的曲线图。
图30是图示了葡萄糖值分布(例如，长期葡萄糖值)的曲线图。
图31是图示了最可能灵敏度(斜率)值的曲线图，给出示例性参数。
图32是图示了最可能基线值的曲线图，给出示例性参数。
图33是图示了最可能葡萄糖值的曲线图，给出示例性参数。
图34和35图示了示例性葡萄糖轨迹。图35还图示了对葡萄糖轨迹操作的双指数滤波器的作用。
图36图示了在确定图34和35中采用的传感器的估计漂移曲线。
图37到39是其中图示了根据以上原理的漂移校正的额外图表。
图40图示了信号变化系数与葡萄糖浓度值标准偏差之间的测得关系。
图41图示了在一时间周期中的测得葡萄糖浓度信号。
图42图示了信号变化系数与葡萄糖浓度标准偏差之间的线性关系，其中标记了示例性值。
图43示出了测得的标准偏差与预期标准偏差之间的差的分布。
图44示出了平均葡萄糖与葡萄糖标准偏差之间的关系。
图45示出了如在患者群体(即，非糖尿病、类型I糖尿病和类型II糖尿病)之间的葡萄糖标准偏差之间的区别。
图46示出了由时间滞后分离的数据点，其中Δ表示两个邻近点之间的个别改变速率。
图47是图示了根据本发明原理的方法的另一实施方案的流程图。
具体实施方式
以下描述和实例详细说明所公开的发明的一些实例实施例。本领域的技术人员将认识到本发明存在由其范围涵盖的众多变化和修改。因此，某一实例实施例的描述不应视为限制本发明的范围。
定义
为了促进对优选实施例的理解，下文定义若干术语。
如本文使用的术语“分析物”是广义术语且将对本领域的普通技术人员给出其普通和惯例的意义(且不限于特殊或定制的意义)，且此外指代(不限于)可分析的生物流体(例如，血液、间质液、脑脊髓液、淋巴液或尿)中的物质或化学组成物。分析物可包含自然发生的物质、人工物质、代谢产物和/或反应产物。在一些实施例中，用于由传感器头部、装置和方法测量的分析物是葡萄糖。然而，其它分析物也是预期的，包含(但不限于)：羧基凝血酶原；酰基肉碱；腺嘌呤磷酸核糖转移酶；腺苷脱氨酶；白蛋白；甲胎蛋白；氨基酸谱(精氨酸(克雷布斯循环)、组氨酸/尿刊酸、同型半胱氨酸、苯丙氨酸/酪氨酸、色氨酸)；雄烯二酮；安替比林；阿拉伯糖醇对映体；精氨酸酶；苯甲酰爱康宁(可卡因)；生物素酶；生物蝶呤；c-反应蛋白；肉碱；肌肽酶；CD4；血浆铜蓝蛋白；鹅去氧胆酸；氯喹；胆固醇；胆碱酯酶；共轭1-β羟基胆酸；皮质醇；肌酸激酶；肌酸激酶MM同工酶；环孢菌素A；d-青霉胺；de-乙基氯喹；硫酸脱氢表雄酮；DNA(乙酰化多态性、醇脱氢酶、α1-抗胰蛋白酶、囊性纤维化、Duchenne/Becker肌肉萎缩症、分析物-6-磷酸脱氢酶、血红蛋白A、血红蛋白S、血红蛋白C、血红蛋白D、血红蛋白E、血红蛋白F、D-Punjab、β-地中海贫血、乙型肝炎病毒、HCMV、HIV-1、HTLV-1、Leber遗传性视神经病变、MCAD、RNA、PKU、间日疟原虫、性分化、21-脱氧皮质醇)；去丁基卤泛曲林；二氢蝶啶还原酶；白喉/破伤风抗毒素；红细胞精氨酸酶；红细胞原卟啉；酯酶D；脂肪酸/酰基甘氨酸；自由β-人绒毛膜促性腺激素；游离红细胞卟啉；游离甲状腺素(FT4)；游离三碘化甲状腺氨酸(FT3)；延胡索酰乙酰乙酸酶；半乳糖/gal-1-磷酸盐；半乳糖-1-磷酸尿苷酰转移酶；庆大霉素；分析物-6-磷酸脱氢酶；谷胱甘肽；谷胱甘肽过氧化物酶；甘氨胆酸；糖化血红蛋白；卤泛曲林；血红蛋白变异体；氨基己糖苷酶A；人红细胞碳酸酐酶I；17-α-羟孕酮；次黄嘌呤磷酸核糖转移酶；免疫反应性胰蛋白酶；乳酸；铅；脂蛋白((a)、B/A-1、β)；溶菌酶；甲氟喹；奈替米星；苯巴比妥；苯妥英；植烷/降植烷酸；孕酮；催乳素；脯氨酸肽酶；嘌呤核苷磷酸化酶；奎宁；反向三碘化甲状腺氨酸(rT3)；硒；血清胰脂肪酶；西索米星；生长调节素C；特异性抗体(腺病毒、抗核抗体、抗zeta抗体、虫媒病毒、伪狂犬病病毒、登革病毒、麦地那龙线虫、细粒棘球绦虫、痢疾变形虫、肠道病毒、十二指肠贾第鞭毛虫、幽门螺杆菌、乙型肝炎病毒、疱疹病毒、HIV-1、IgE(特应性疾病)、流感病毒、杜氏利什曼原虫、钩端螺旋体、麻疹/腮腺炎/风疹、麻风分枝杆菌、肺炎支原体、肌红蛋白、盘尾丝虫、副流感病毒、恶性疟原虫、脊髓灰质炎病毒、绿脓杆菌、呼吸道合胞病毒、立克次氏体(恙虫病)、曼氏血吸虫、刚地弓形虫、梅毒螺旋体、克氏锥虫/争氏锥虫、水泡性口炎病毒、班氏丝虫、黄热病病毒)；特异性抗原(乙型肝炎病毒、HIV-1)；琥珀酰丙酮；磺胺多辛；茶碱；促甲状腺激素(TSH)；甲状腺素(T4)；甲状腺素结合球蛋白；微量元素；转铁蛋白；UDP-半乳糖-4-差向异构酶；尿素；尿卟啉原I合酶；维生素A；白血细胞；以及锌原卟啉。在血液或间质液中自然发生的盐、糖、蛋白质、脂肪、维生素以及激素在某些实施例中也可构成分析物。分析物可自然存在于生物流体中，例如代谢产物、激素、抗原、抗体和类似物。替代地，可将分析物引入到身体中，例如用于成像的造影剂、放射性同位素、化学试剂、氟碳基人造血液，或者药品或药物组合物，包含(但不限于)：胰岛素；乙醇；大麻(大麻烟、四氢大麻酚、大麻树脂)；吸入剂(一氧化二氮、亚硝酸戊酯、亚硝酸丁酯、氯代烃、烃)；可卡因(霹雳可卡因)；兴奋剂(安非他明、甲基苯丙胺、利他林、匹莫林、苯甲吗啉、盐酸苄甲苯丙胺、PreState、盐酸邻氯苯丁胺、Sandrex、苯双甲吗啉)；镇静剂(巴比妥类、安眠酮、安定药，例如安定片、利眠宁、眠尔通、舒宁、甲丁双脲、赛诺菲)；迷幻剂(苯环己哌啶、麦角酸、墨斯卡灵、佩奥特掌、裸头草碱)；麻醉剂(海洛因、可待因、吗啡、鸦片、哌替啶、扑热息痛、复方羟可酮、氢可酮镇咳药、芬太尼、达尔丰、镇痛新、复方苯乙哌啶片)；化合致幻药(芬太尼类似物、哌替啶、安非他明、甲基苯丙胺以及苯环己哌啶，例如摇头丸)；合成代谢类固醇；以及尼古丁。药品和药物组合物的代谢产物也是预期的分析物。也可分析在身体内产生的例如神经化学物和其它化学物等分析物，例如抗坏血酸、尿酸、多巴胺、去甲肾上腺素、3-甲氧酪胺(3MT)、3，4-二羟基苯乙酸(DOPAC)、高香草酸(HVA)、5-羟色胺(5HT)以及5-羟吲哚乙酸(FHIAA)。
如本文使用的术语“微处理器”和“处理器”是广义术语且将对本领域的普通技术人员给出其普通和惯例的意义(且不限于特殊或定制的意义)，且此外指代(不限于)使用逻辑电路执行算术和逻辑运算的计算机系统、状态机和类似物，所述逻辑电路响应于且处理驱动计算机的基本指令。
如本文使用的术语“原始数据流”和“数据流”是广义术语且将对本领域的普通技术人员给出其普通和惯例的意义(且不限于特殊或定制的意义)，且此外指代(不限于)与来自葡萄糖传感器的测得葡萄糖直接相关的模拟或数字信号。在一个实例中，原始数据流是由A/D转换器从模拟信号(例如，电压或电流)转换的以“计数”计的数字数据，且包含表示葡萄糖浓度的一个或多个数据点。所述术语广义地涵盖来自大体上连续葡萄糖传感器的多个时间间隔的数据点，其包括在范围从几分之几秒直到例如1、2或5分钟或更久的时间间隔取得的个别测量值。在另一实例中，原始数据流包含整合数字值，其中所述数据包含表示在一时间周期中平均化的葡萄糖传感器信号的一个或多个数据点。
如本文使用的术语“校准”是广义术语且将对本领域的普通技术人员给出其普通和惯例的意义(且不限于特殊或定制的意义)，且此外指代(不限于)确定传感器数据与对应参考数据之间的关系的过程，其可用以在实时利用或不实时利用参考数据的情况下将传感器数据转换为大体上等效于参考数据的有意义的值。在一些实施例中，即在连续分析物传感器中，校准可随着时间更新或重新校准(在工厂、实时和/或追溯性地)，因为传感器数据与参考数据之间的关系的改变例如由于灵敏度、基线、运输、新陈代谢和类似者的改变而发生。也可以通过一个或多个信号特性或特征的分析自动估计传感器信号参数(自动校准)来实现校准。
如本文使用的术语“经校准数据”和“经校准数据流”是广义术语且将对本领域的普通技术人员给出其普通和惯例的意义(且不限于特殊或定制的意义)，且此外指代(不限于)已经使用函数(例如转换函数，包含使用灵敏度)从其原始状态变换为另一状态以向用户提供有意义的值的数据。
如本文使用的术语“经平滑数据”和“经滤波数据”是广义术语且将对本领域的普通技术人员给出其普通和惯例的意义(且不限于特殊或定制的意义)，且此外指代(不限于)已经被修改以使得其更平滑且更连续和/或移除或削减特异点的数据，例如通过执行原始数据流的移动平均值，包含缓慢移动平均值。数据滤波器的实例包含FIR(有限脉冲响应)、IIR(无限脉冲响应)、移动平均滤波器和类似滤波器。
如本文使用的术语“平滑”和“滤波”是广义术语且将对本领域的普通技术人员给出其普通和惯例的意义(且不限于特殊或定制的意义)，且此外指代(不限于)修改数据集以使得其更平滑且更连续或移除或削减特异点，例如通过执行原始数据流的移动平均值。
如本文使用的术语“算法”是广义术语且将对本领域的普通技术人员给出其普通和惯例的意义(且不限于特殊或定制的意义)，且此外指代(不限于)在将信息从一个状态变换为另一状态中涉及的计算过程(例如，程序)，例如通过使用计算机处理。
如本文使用的术语“计数”是广义术语且将对本领域的普通技术人员给出其普通和惯例的意义(且不限于特殊或定制的意义)，且此外指代(不限于)数据信号的测量单位。在一个实例中，以计数测量的原始数据流与电压直接相关(例如，由A/D转换器转换)，所述电压与来自工作电极的电流直接相关。
如本文使用的术语“传感器”是广义术语且将对本领域的普通技术人员给出其普通和惯例的意义(且不限于特殊或定制的意义)，且此外指代(不限于)装置的可用来量化分析物的组件或区。
如本文使用的术语“葡萄糖传感器”和“用于确定生物样本中的葡萄糖量的部件”是广义术语且将对本领域的普通技术人员给出其普通和惯例的意义(且不限于特殊或定制的意义)，且此外指代(不限于)可用来量化葡萄糖的任何机构(例如，酶的或非酶的)。举例来说，一些实施例利用含有葡萄糖氧化酶的薄膜，所述葡萄糖氧化酶催化氧气和葡萄糖向过氧化氢和葡萄糖酸盐的转换，如以下化学反应说明：
葡萄糖+O2→葡萄糖酸盐+H2O2
因为对于代谢的每一葡萄糖分子，存在共反应物O2和产物H2O2的成比例改变，所以可使用电极来监视共反应物或产物中的电流改变以确定葡萄糖浓度。
如本文使用的术语“可操作地连接”和“可操作地链接”是广义术语且将对本领域的普通技术人员给出其普通和惯例的意义(且不限于特殊或定制的意义)，且此外指代(不限于)一个或多个组件以允许组件之间的信号发射的方式链接到另一(另外多个)组件。举例来说，可使用一个或多个电极检测样本中的葡萄糖量，且将所述信息转换为信号，例如电或电磁信号；接着可将所述信号发射到电子电路。在此情况下，电极“可操作地链接”到电子电路。这些术语足够广义以包含无线连接性。
术语“确定”涵盖广泛多种动作。举例来说，“确定”可包含运算、计算、处理、推导、调查、查找(例如，在表、数据库或另一数据结构中查找)、确认和类似动作。而且，“确定”可包含接收(例如，接收信息)、存取(例如，存取存储器中的数据)和类似动作。而且，“确定”可包含解析、选择、挑选、计算、推导、建立和/或类似动作。确定还可以包含确认参数匹配于预定准则，包含已经满足、经过、超过阈值等等。
如本文使用的术语“大体上”是广义术语且将对本领域的普通技术人员给出其普通和惯例的意义(且不限于特殊或定制的意义)，且此外指代(不限于)所指定内容的较大程度但不一定全部。
如本文使用的术语“主体”是广义术语且将对本领域的普通技术人员给出其普通和惯例的意义(且不限于特殊或定制的意义)，且此外指代(不限于)哺乳动物，尤其是人类。
如本文使用的术语“连续分析物(或葡萄糖)传感器”是广义术语且将对本领域的普通技术人员给出其普通和惯例的意义(且不限于特殊或定制的意义)，且此外指代(不限于)连续或持续测量分析物的浓度的装置，例如以范围从几分之几秒直到例如1、2或5分钟或更久的时间间隔。在一个示例性实施例中，连续分析物传感器是例如第6，001，067号美国专利中描述的葡萄糖传感器，所述美国专利以全文引用的方式并入本文。
如本文使用的术语“连续分析物(或葡萄糖)感测”是广义术语且将对本领域的普通技术人员给出其普通和惯例的意义(且不限于特殊或定制的意义)，且此外指代(不限于)其中连续或持续执行分析物的监视的周期，例如以范围从几分之几秒直到例如1、2或5分钟或更久的时间间隔。
如本文使用的术语“参考分析物监视器”、“参考分析物计”以及“参考分析物传感器”是广义术语且将对本领域的普通技术人员给出其普通和惯例的意义(且不限于特殊或定制的意义)，且此外指代(不限于)测量分析物的浓度且可用作用于连续分析物传感器的参考的装置，例如自监视血糖计(SMBG)可用作用于连续葡萄糖传感器的参考以用于比较、校准和类似操作。
如本文使用的术语“感测薄膜”是广义术语且将对本领域的普通技术人员给出其普通和惯例的意义(且不限于特殊或定制的意义)，且此外指代(不限于)可渗透或半可渗透薄膜，其可包括两个或更多个域且通常由几微米厚度或更厚的材料构造，所述材料对氧气可渗透且可以或可以不对葡萄糖可渗透。在一个实例中，感测薄膜包括固定化的葡萄糖氧化酶，其使得电化学反应能够发生以测量葡萄糖的浓度。
如本文使用的术语“生理上可行”是广义术语且将对本领域的普通技术人员给出其普通和惯例的意义(且不限于特殊或定制的意义)，且此外指代(不限于)从对人类和/或动物的葡萄糖数据的连续研究获得的生理参数。举例来说，约4到5mg/dL/min的人类的葡萄糖改变的最大持续速率以及约0.1到0.2mg/dL/min/min的改变速率的最大加速度被视为生理上可行的极限。这些极限之外的值将被视为非生理的，且可能是例如信号错误的结果。作为另一实例，葡萄糖改变速率在每日葡萄糖范围的最大值和最小值处最低，所述最大值和最小值是患者治疗中的最大风险区域，因此可基于葡萄糖数据的连续研究将生理上可行的改变速率设定于最大值和最小值处。作为进一步实例，已经观察到在某一时间周期(例如，约20到30分钟)中沿着葡萄糖信号数据流的任何点处的曲线的形状的最佳解决方案是直线，其可用以设定生理极限。
如本文使用的术语“频率含量”是广义术语且将对本领域的普通技术人员给出其普通和惯例的意义(且不限于特殊或定制的意义)，且此外指代(不限于)谱密度，包含信号及其功率内含有的频率。
如本文使用的术语“线性回归”是广义术语且将对本领域的普通技术人员给出其普通和惯例的意义(且不限于特殊或定制的意义)，且此外指代(不限于)找到一条线，数据集具有从所述线的最小测量偏差或分离。此算法的副产物包含斜率、y截距以及R平方值，其决定测量数据与线拟合的良好程度。在某些情况下，也可以采用稳健回归技术来处置回归中的离群值。
如本文使用的术语“非线性回归”是广义术语且将对本领域的普通技术人员给出其普通和惯例的意义(且不限于特殊或定制的意义)，且此外指代(不限于)以非线性型式拟合数据集以描述响应变量与一个或多个阐释性变量之间的关系。
如本文使用的术语“均值”是广义术语且将对本领域的普通技术人员给出其普通和惯例的意义(且不限于特殊或定制的意义)，且此外指代(不限于)观测值的总和除以观测值的数目。
如本文使用的术语“非递归滤波器”是广义术语且将对本领域的普通技术人员给出其普通和惯例的意义(且不限于特殊或定制的意义)，且此外指代(不限于)使用移动平均值作为输入和输出的方程式。
如本文使用的术语“递归滤波器”和“自动回归算法”是广义术语且将对本领域的普通技术人员给出其普通和惯例的意义(且不限于特殊或定制的意义)，且此外指代(不限于)其中先前平均值是下一经滤波输出的部分的方程式。更特定来说，一系列观测、由此每一观测的值的产生部分地取决于紧邻于其之前的那些观测的值。一个实例是回归结构，其中滞后响应值起到独立变量的作用。
如本文使用的术语“变化”是广义术语且将对本领域的普通技术人员给出其普通和惯例的意义(且不限于特殊或定制的意义)，且此外指代(不限于)从点、线或数据集的发散或改变量。在一个实施例中，估计分析物值可具有变化，其包含在估计分析物值之外的基于例如已知生理样式表示可能性范围的值范围。
如本文使用的术语“生理参数”和“生理边界”是广义术语且将对本领域的普通技术人员给出其普通和惯例的意义(且不限于特殊或定制的意义)，且此外指代(不限于)从对人类和/或动物的生理数据的连续研究获得的参数。举例来说，约6到8mg/dL/min的人类的葡萄糖改变的最大持续速率以及约0.1到0.2mg/dL/min2的改变速率的最大加速度被视为生理上可行的极限；这些极限之外的值将被视为非生理的。作为另一实例，葡萄糖改变速率在每日葡萄糖范围的最大值和最小值处最低，所述最大值和最小值是患者治疗中的最大风险区域，因此可基于葡萄糖数据的连续研究将生理上可行的改变速率设定于最大值和最小值处。作为进一步实例，已经观察到在某一时间周期(例如，约20到30分钟)中沿着葡萄糖信号数据流的任何点处的曲线的形状的最佳解决方案是直线，其可用以设定生理极限。这些术语足够广义以包含用于任何分析物的生理参数。
如本文使用的术语“测得的分析物值”是广义术语且将对本领域的普通技术人员给出其普通和惯例的意义(且不限于特殊或定制的意义)，且此外指代(不限于)在分析物传感器已经测量分析物数据的时间周期中的分析物值或分析物值集合。所述术语足够广义以包含在传感器和/或接收器中的数据处理(例如，数据平滑、校准和类似处理)之前或之后来自分析物传感器的数据。
如本文使用的术语“估计的分析物值”是广义术语且将对本领域的普通技术人员给出其普通和惯例的意义(且不限于特殊或定制的意义)，且此外指代(不限于)已经从测得的分析物值在算法上外推的分析物值或分析物值集合。
如本文使用的术语“传感器数据”是广义术语且将对本领域的普通技术人员给出其普通和惯例的意义(且不限于特殊或定制的意义)，且此外指代(不限于)与例如连续分析物传感器等传感器相关联的任何数据。传感器数据包含与来自分析物传感器的测得分析物直接相关的模拟或数字信号(或从另一传感器接收的其它信号)的原始数据流或简称数据流，以及经校准和/或经滤波的原始数据。在一个实例中，传感器数据包括由A/D转换器从模拟信号(例如，电压或电流)转换的以“计数”计的数字数据，且包含表示葡萄糖浓度的一个或多个数据点。因此，术语“传感器数据点”和“数据点”一般指代在特定时间的传感器数据的数字表示。所述术语广义地涵盖来自传感器、例如来自大体上连续葡萄糖传感器的多个时间间隔的数据点，其包括在范围从几分之几秒直到例如1、2或5分钟或更久的时间间隔取得的个别测量值。在另一实例中，传感器数据包含整合数字值，其表示在一时间周期中平均化的一个或多个数据点。传感器数据可以包含经校准数据、经平滑数据、经滤波数据、经变换数据和/或与传感器相关联的任何其它数据。
如本文使用的术语“匹配的数据对”或“数据对”是广义术语且将对本领域的普通技术人员给出其普通和惯例的意义(且不限于特殊或定制的意义)，且此外指代(不限于)与大体上时间对应的传感器数据(例如，一个或多个传感器数据点)匹配的参考数据(例如，一个或多个参考分析物数据点)。
如本文使用的术语“传感器电子器件”是广义术语且将对本领域的普通技术人员给出其普通和惯例的意义(且不限于特殊或定制的意义)，且指代(不限于)被配置成处理数据的装置的组件(例如，硬件和/或软件)。
如本文使用的术语“校准集合”是广义术语且将对本领域的普通技术人员给出其普通和惯例的意义(且不限于特殊或定制的意义)，且指代(不限于)包括有用于校准的信息的数据集。在一些实施例中，校准集合是从一个或多个匹配的数据对形成，所述数据对用以确定参考数据与传感器数据之间的关系；然而也可以使用其它在外部或内部数据导出的预植入。作为另一实例，也可以从主体用户的先前传感器会话采用数据。
如本文使用的术语“灵敏度”或“传感器灵敏度”是广义术语且将对本领域的普通技术人员给出其普通和惯例的意义(且不限于特殊或定制的意义)，且指代(不限于)通过测得分析物或与测得分析物(例如，葡萄糖)相关联的测得物质(例如，H2O2)的某一浓度产生的信号量。举例来说，在一个实施例中，传感器对于每1mg/dL的葡萄糖分析物具有从约1到约300微微安培的电流的灵敏度。
如本文使用的术语“灵敏度分布”或“灵敏度曲线”是广义术语且将对本领域的普通技术人员给出其普通和惯例的意义(且不限于特殊或定制的意义)，且指代(不限于)随着时间的灵敏度改变的表示。
将在下文的描述内且在一些情况下从术语使用的上下文提供其它定义。
如本文采用，以下缩写适用：Eq和Eqs(当量)；mEq(毫当量)；M(摩尔)；mM(毫摩尔)；μM(微摩尔)；N(正常)；mol(克分子)；mmol(毫克分子)；μmol(微克分子)；nmol(毫微克分子)；g(克)；mg(毫克)；μg(微克)；Kg(千克)；L(升)；mL(毫升)；dL(分升)；μL(微升)；cm(厘米)；mm(毫米)；μm(微米)；nm(纳米)；h和hr(小时)；min.(分钟)；s和sec.(秒)；℃(摄氏度)。
系统的概述/一般描述
常规的活体内连续分析物感测技术通常依赖于在传感器会话期间执行的参考测量值以用于连续分析物传感器的校准。将参考测量值与大体上时间对应的传感器数据匹配以创建匹配的数据对。接着对匹配的数据对执行回归(例如，通过使用最小二乘回归)以产生转换函数，其界定传感器信号与估计葡萄糖浓度之间的关系。
在重症监护病房中，经常通过使用具有已知浓度的分析物的校准溶液作为参考来执行连续分析物传感器的校准。此校准程序可为繁琐的，因为通常使用与IV(静脉注射)袋分离(以及添加)的校准袋。在门诊病房中，连续分析物传感器的校准传统上已经通过毛细血管血糖测量(例如，手指针刺葡萄糖测试)来执行，由此获得参考数据且输入到连续分析物传感器系统中。此校准程序通常涉及频繁的手指针刺测量，这会是不方便且疼痛的。
迄今，用于由制造商对连续分析物传感器的体外校准(例如，工厂校准)而不依赖于周期性重新校准的系统和方法大部分已经不足以用于血糖管理所需的高水平的传感器准确性。此部分可归因于会在传感器使用期间发生的传感器性质(例如，传感器灵敏度)的改变。因此，连续分析物传感器的校准通常已经涉及参考数据的周期性输入，无论其是与校准溶液还是与手指针刺测量值相关联。这在每日生活中对于用户以及对于门诊病房的患者或重症监护病房的医务人员可为非常麻烦的。
以下描述和实例参考附图描述本发明实施例。在附图中，参考标号标记本发明实施例的元件。这些参考标号在下文结合对应附图特征的论述而再现。
本文描述用于校准能够实现高水平准确性的连续分析物传感器而不依赖(或减少依赖)于来自参考分析物监视器(例如，来自血糖计)的参考数据的系统和方法。
传感器系统
图1描绘根据一些实例实施方案的实例系统100。系统100包含连续分析物传感器系统8，其包含传感器电子器件12和连续分析物传感器10。系统100可以包含其它装置和/或传感器，例如药物递送泵2和葡萄糖计4。连续分析物传感器10可以物理上连接到传感器电子器件12，且可以与连续分析物传感器10成一体(例如，不可释放地附接)或可以可释放地附接到连续分析物传感器10。传感器电子器件12、药物递送泵2和/或葡萄糖计4可以与例如显示装置14、16、18和/或20等一个或多个装置耦合。
在一些实例实施方案中，系统100可以包含基于云的分析物处理器490，其被配置成分析经由网络406(例如，经由有线、无线或其组合)从传感器系统8和其它装置(例如显示装置14到20和类似物)提供的与主体(也称为患者)相关联的分析物数据(和/或其它患者相关数据)，且产生提供在某一时间范围内关于测得分析物的高水平信息(例如统计数据)的报告。使用基于云的分析物处理系统的完整论述可以在标题为《分析物数据的基于云的处理(Cloud-Based Processing of Analyte Data)》且在2013年3月7日提交的第13/788,375号美国专利申请中找到，所述美国专利申请以全文引用的方式并入本文。
在一些实例实施方案中，传感器电子器件12可以包含与测量和处理由连续分析物传感器10产生的数据相关联的电子电路。此产生的连续分析物传感器数据还可以包含算法，其可用以处理和校准连续分析物传感器数据，但这些算法也可以其它方式提供。传感器电子器件12可以包含硬件、固件、软件或其组合，以经由连续分析物传感器(例如连续葡萄糖传感器)提供分析物的水平的测量。下文关于图2进一步描述传感器电子器件12的实例实施方案。
如所述的传感器电子器件12可与例如显示装置14、16、18和/或20等一个或多个装置耦合(例如，无线和类似方式)。显示装置14、16、18和/或20可以被配置成用于呈现例如由传感器电子器件12发射的传感器信息等信息(和/或警报)以用于在显示装置14、16、18和/或20处显示。
显示装置可以包含相对小的钥匙坠状显示装置14、相对大的手持式显示装置16、蜂窝式电话18(例如，智能电话、平板计算机和类似物)、计算机20和/或被配置成至少呈现信息(例如，药物递送信息、离散自监视葡萄糖读数、心率监视器、热量摄入监视器和类似物)的任何其它用户设备。
在一些实例实施方案中，相对小的钥匙坠状显示装置14可以包括腕表、皮带、项链、挂件、一件珠宝、贴片、寻呼机、钥匙坠、塑料卡(例如，信用卡)、识别(ID)卡和/或类似物。此小的显示装置14可以包含相对小的显示器(例如，比大的显示装置16小)，且可以被配置成显示某些类型的可显示传感器信息，例如数字值以及箭头或色码。
在一些实例实施方案中，相对大的手持式显示装置16可以包括手持式接收器装置、掌上型计算机和/或类似物。此大的显示装置可以包含相对较大显示器(例如，比小的显示装置14大)，且可以被配置成显示信息，例如包含由传感器系统8输出的当前和历史传感器数据的连续传感器数据的图形表示。
在一些实例实施方案中，连续分析物传感器10包括用于检测和/或测量分析物的传感器，且连续分析物传感器10可以被配置成作为非侵入装置、皮下装置、经皮装置和/或血管内装置而连续检测和/或测量分析物。在一些实例实施方案中，连续分析物传感器10可以分析多个间歇的血液样本，但也可以使用其它分析物。
在一些实例实施方案中，连续分析物传感器10可以包括葡萄糖传感器，其被配置成使用一种或多种测量技术测量血液或间质液中的葡萄糖，所述技术例如酶、化学、物理、电化学、分光光度法、极化、量热法、电离子透入疗法、辐射测量、免疫化学和类似技术。在其中连续分析物传感器10包含葡萄糖传感器的实施方案中，葡萄糖传感器包括能够测量葡萄糖浓度的任何装置，且可以使用多种技术来测量葡萄糖，包含侵入式、微创以及非侵入式感测技术(例如，荧光监视)，以提供指示主体中的葡萄糖浓度的数据，例如数据流。所述数据流可以是传感器数据(原始和/或经滤波)，其可以转换为经校准数据流，用以将葡萄糖值提供给主体，例如用户、患者或看护者(例如，父母、亲属、监护人、教师、医生、护士或关注于主体的健康的任何其它个人)。此外，连续分析物传感器10可以作为以下类型传感器中的至少一者而植入：可植入葡萄糖传感器、经皮葡萄糖传感器、在主体血管中或在身体外植入、皮下传感器、可再填充皮下传感器、血管内传感器。
虽然本文的公开内容涉及包含包括葡萄糖传感器的连续分析物传感器10的一些实施方案，但连续分析物传感器10也可以包括其它类型的分析物传感器。而且，虽然一些实施方案涉及葡萄糖传感器作为可植入葡萄糖传感器，但也可以使用能够检测葡萄糖浓度且提供表示葡萄糖浓度的输出信号的其它类型的装置。此外，虽然本文的描述涉及葡萄糖作为正测量、处理和其它操作的分析物，但也可以使用其它分析物，包含例如酮体(例如，丙酮、乙酰乙酸和β-羟丁酸、乳酸等)、胰高血糖素、乙酰辅酶A、甘油三酸酯、脂肪酸、柠檬酸循环中的间质、胆碱、胰岛素、皮质醇、睾酮和类似物。
图2描绘根据一些实例实施方案的传感器电子器件12的实例。传感器电子器件12可以包含被配置成处理例如传感器数据等传感器信息且例如经由处理器模块产生经变换传感器数据和可显示传感器信息的传感器电子器件。举例来说，所述处理器模块可以将传感器数据变换为以下各项中的一者或多者：经滤波传感器数据(例如，一个或多个经滤波分析物浓度值)、原始传感器数据、经校准传感器数据(例如，一个或多个经校准分析物浓度值)、改变速率信息、趋势信息、加速/减速速率信息、传感器诊断信息、位置信息、警报/警示信息、校准信息、传感器数据的平滑和/或滤波算法，和/或类似数据。
在一些实施例中，处理器模块214被配置成实现数据处理的大部分(如果不是全部)。处理器模块214可以与传感器电子器件12成一体和/或可以远程定位，例如在装置14、16、18和/或20和/或云490中的一者或多者中。在一些实施例中，处理器模块214可以包括多个较小的子组件或子模块。举例来说，处理器模块214可以包含警示模块(未图示)或预测模块(未图示)，或可用以有效地处理数据的任何其它合适的模块。当处理器模块214由多个子模块构成时，所述子模块可以位于处理器模块214内，包含位于传感器电子器件12或其它相关联装置(例如，14、16、18、20和/或490)内。举例来说，在一些实施例中，处理器模块214可以至少部分地位于基于云的分析物处理器490内或网络406中的别处。
在一些实例实施方案中，处理器模块214可以被配置成校准传感器数据，且数据存储存储器220可以存储经校准传感器数据点作为经变换传感器数据。而且，在一些实例实施方案中，处理器模块214可以被配置成从例如装置14、16、18和/或20等显示装置无线地接收校准信息，以实现来自传感器12的传感器数据的校准。此外，处理器模块214可以被配置成对传感器数据(例如，经校准和/或经滤波数据和/或其它传感器信息)执行额外算法处理，且数据存储存储器220可以被配置成存储与算法相关联的经变换传感器数据和/或传感器诊断信息。
在一些实例实施方案中，传感器电子器件12可以包括耦合到用户接口222的专用集成电路(ASIC)205。ASIC 205可以进一步包含恒电位仪210、用于将数据从传感器电子器件12发射到一个或多个装置(例如装置14、16、18和/或20)的遥测模块232，和/或用于信号处理和数据存储的其它组件(例如，处理器模块214和数据存储存储器220)。虽然图2描绘ASIC 205，但也可以使用其它类型的电路，包含现场可编程门阵列(FPGA)、被配置成提供由传感器电子器件12执行的处理中的一些(如果不是全部)的一个或多个微处理器、模拟电路、数字电路或其组合。
在图2中描绘的实例中，恒电位仪210耦合到例如葡萄糖传感器等连续分析物传感器10以从分析物产生传感器数据。恒电位仪210还可以经由数据线212将电压提供到连续分析物传感器10以偏置传感器，用于指示主体(也称为传感器的模拟部分)中的分析物浓度的值(例如，电流和类似物)的测量。取决于连续分析物传感器10处的工作电极的数目，恒电位仪210可以具有一个或多个通道。
在一些实例实施方案中，恒电位仪210可以包含电阻器，其将来自传感器10的电流值转译为电压值，而在一些实例实施方案中，电流到频率转换器(未图示)也可以被配置成使用例如电荷计数装置连续地积分来自传感器10的测得电流值。在一些实例实施方案中，模拟到数字转换器(未图示)可以将来自传感器10的模拟信号数字化为所谓的“计数”以允许处理器模块214的处理。所得计数可以与由恒电位仪210测得的电流直接相关，所述电流可以与主体中的例如葡萄糖水平等分析物水平直接相关。
遥测模块232可以可操作地连接到处理器模块214，且可以提供实现传感器电子器件12与一个或多个其它装置(例如显示装置、处理器、网络接入装置和类似装置)之间的无线通信的硬件、固件和/或软件。在遥测模块232中可实施的多种无线无线电技术包含蓝牙、低能量蓝牙、ANT、ANT+、ZigBee、IEEE 802.11、IEEE 802.16、蜂窝式无线电接入技术、射频(RF)、红外(IR)、寻呼网络通信、磁感应、卫星数据通信、扩展频谱通信、跳频通信、近场通信和/或类似技术。在一些实例实施方案中，遥测模块232包括蓝牙芯片，但也可以在遥测模块232和处理器模块214的组合中实施蓝牙技术。
处理器模块214可以控制由传感器电子器件12执行的处理。举例来说，处理器模块214可以被配置成处理来自传感器的数据(例如，计数)，对数据进行滤波，校准数据，执行自动防故障检查，和/或类似操作。
在一些实例实施方案中，处理器模块214可以包括数字滤波器，例如无限脉冲响应(IIR)或有限脉冲响应(FIR)滤波器。此数字滤波器可以使从传感器10接收的原始数据流平滑。大体上，数字滤波器被编程以对在预定时间间隔(也称为样本速率)取样的数据进行滤波。在一些实例实施方案中，例如当恒电位仪210被配置成在离散时间间隔测量分析物(例如，葡萄糖和/或类似物)时，这些时间间隔决定了数字滤波器的取样速率。在一些实例实施方案中，恒电位仪210可以被配置成例如使用电流到频率转换器连续地测量分析物。在这些电流到频率转换器实施方案中，处理器模块214可以被编程以在预定时间间隔(采集时间)向电流到频率转换器的积分器请求数字值。由处理器模块214从积分器获得的这些数字值由于电流测量的连续性而可以在采集时间内平均化。由此，采集时间可以通过数字滤波器的取样速率而确定。下文更详细描述FIR滤波器的其它使用。
处理器模块214可以进一步包含数据产生器(未图示)，其被配置成产生用于发射到例如显示装置14、16、18和/或20等装置的数据包。此外，处理器模块214可以产生数据封包以用于经由遥测模块232发射到这些外部源。在一些实例实施方案中，数据包如所述可以针对每一显示装置定制，和/或可以包含任何可用数据，例如时戳、可显示传感器信息、经变换传感器数据、用于传感器和/或传感器电子器件12的识别符代码、原始数据、经滤波数据、经校准数据、改变速率信息、趋势信息、错误检测或校正和/或类似数据。
处理器模块214还可以包含程序存储器216和其它存储器218。处理器模块214可以耦合到例如通信端口238等通信接口以及例如电池234等电力源。而且，电池234可以进一步耦合到电池充电器和/或调节器236以对传感器电子器件12提供电力和/或对电池234充电。
程序存储器216可以实施为半静态存储器，用于存储例如耦合的传感器10的识别符(例如，传感器识别符(ID))等数据以及用于存储代码(也称为程序代码)以配置ASIC205以执行本文描述的操作/功能中的一者或多者。举例来说，所述程序代码可以配置处理器模块214以处理数据流或计数，进行滤波，执行下文描述的校准方法，执行自动防故障检查和类似操作。
存储器218也可用以存储信息。举例来说，包含存储器218的处理器模块214可以用作系统的高速缓冲存储器，其中为从传感器接收的最近传感器数据提供临时存储。在一些实例实施方案中，存储器可以包括存储器存储组件，例如只读存储器(ROM)、随机存取存储器(RAM)、动态RAM、静态RAM、非静态RAM、容易可擦除可编程只读存储器(EEPROM)、可重写ROM、快闪存储器和类似物。
数据存储存储器220可以耦合到处理器模块214，且可以被配置成存储多种传感器信息。在一些实例实施方案中，数据存储存储器220存储一天或多天的连续分析物传感器数据。举例来说，数据存储存储器可以存储从传感器10接收的1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、20和/或30(或更多天)的连续分析物传感器数据。存储的传感器信息可以包含以下各项中的一者或多者：时戳、原始传感器数据(一个或多个原始分析物浓度值)、经校准数据、经滤波数据、经变换传感器数据和/或任何其它可显示传感器信息、校准信息(例如，参考BG值和/或先前校准信息)、传感器诊断信息和类似信息。
用户接口222可以包含多种接口，例如一个或多个按钮224、液晶显示器(LCD)226、振动器228、音频换能器(例如，扬声器)230、背光灯(未图示)和/或类似物。包括用户接口222的组件可以提供控制以与用户(例如，主体)交互。一个或多个按钮224可以允许例如双态触发、菜单选择、选项选择、状态选择、对屏幕上问题的是/否响应、“断开”功能(例如，对于警报)、“确认”功能(例如，对于警报)、复位和/或类似功能。LCD 226可以为用户提供例如视觉数据输出。音频换能器230(例如，扬声器)可以响应于某些警示的触发而提供可听信号，例如当前和/或预测高血糖和低血糖病状。在一些实例实施方案中，可听信号可以通过音调、音量、工作循环、样式、持续时间和/或类似物来区分。在一些实例实施方案中，可听信号可以被配置成通过按下传感器电子器件12上的一个或多个按钮224和/或通过使用显示装置(例如，钥匙坠、手机和/或类似物)上的按钮或选择用信号通知传感器电子器件12而静默(例如，确认或断开)。
虽然关于图2描述音频和振动警报，但也可以使用其它报警机构。举例来说，在一些实例实施方案中，提供触觉警报，包含被配置成响应于一个或多个警报状况而“刺戳”或物理上接触患者的刺戳机构。
电池234可以操作性地连接到处理器模块214(以及可能传感器电子器件12的其它组件)且为传感器电子器件12提供必要电力。在一些实例实施方案中，电池是锂锰二氧化物电池，然而可使用任何适当大小和电力的电池(例如，AAA、镍镉、锌碳、碱性、锂、镍金属氢化物、锂离子、锌空气、锌汞氧化物、银锌或气密密封电池)。在一些实例实施方案中，电池是可再充电的。在一些实例实施方案中，可使用多个电池对系统供电。在又其它实施方案中，接收器可经由例如感应耦合而以经皮方式被供电。
电池充电器和/或调节器236可以被配置成从内部和/或外部充电器接收能量。在一些实例实施方案中，电池调节器(或平衡器)236通过排出过量充电电流以允许传感器电子器件12中的所有单元或电池完全充电而不会对其它单元或电池过充电，来调节再充电过程。在一些实例实施方案中，电池234(或多个电池)被配置成经由感应和/或无线充电垫而充电，但是也可以使用任何其它充电和/或电力机构。
可以提供也称为外部连接器的一个或多个通信端口238以允许与其它装置的通信，例如可提供PC通信(com)端口以实现同与传感器电子器件12分离或与其成一体的系统的通信。通信端口例如可以包括串行(例如，通用串行总线或“USB”)通信端口，且允许与另一计算机系统(例如，PC、个人数字助理或“PDA”、服务器或类似物)的通信。在一些实例实施方案中，传感器电子器件12能够将历史数据发射到PC或其它计算装置(例如，如本文公开的分析物处理器)以用于患者和/或医师的追溯性分析。作为数据发射的另一实例，也可以从传感器或从云数据源将工厂信息发送到算法。
在一些连续分析物传感器系统中，传感器电子器件的皮肤上部分可以被简化以使皮肤上电子器件的复杂性和/或大小最小化，例如仅将原始、经校准和/或经滤波数据提供到显示装置，所述显示装置被配置成运行显示传感器数据所需的校准和其它算法。然而，传感器电子器件12(例如，经由处理器模块214)可以实施以执行用以产生经变换传感器数据和/或可显示传感器信息的前瞻性算法，包含例如以下算法：评估参考和/或传感器数据的临床可接受性，基于包含准则而评估用于最佳校准的校准数据，评估校准的质量，比较估计分析物值与时间对应的测得分析物值，分析估计分析物值的变化，评估传感器和/或传感器数据的稳定性，检测信号假象(噪声)，替换信号假象，确定传感器数据的改变速率和/或趋势，执行动态和智能分析物值估计，对传感器和/或传感器数据执行诊断，设定操作模式，评估数据是否有异常，和/或类似算法。
虽然图2中示出了单独的数据存储和程序存储器，但也可以使用多种配置。举例来说，可以使用一个或多个存储器以提供存储空间以支持传感器电子器件12处的数据处理和存储要求。
校准
虽然一些连续葡萄糖传感器依赖于(且采用其准确性)BG值和/或工厂导出的信息用于校准，但公开的实施例利用实时信息(例如，在一些实施方案中恰包含传感器数据自身)来确定校准的方面以及基于其进行校准。
在一些情况下，分析物传感器的校准可以使用先验校准分布信息。举例来说，在一些实施例中，先验校准分布信息或代码可作为来自先前校准和/或传感器会话的信息(例如，同一传感器系统，内部存储)而接收，存储在存储器中，在工厂被写码(例如，作为工厂设定的部分)，在封装的条码上，从云或远程服务器网络发送，由看护提供者或用户写码，从另一传感器系统或电子装置接收，基于来自实验室测试的结果，和/或类似情况。
如本文使用，先验信息包含在特定校准之前获得的信息。举例来说，从特定传感器会话的先前校准(例如，来自先前校准的反馈)、在传感器插入之前获得的信息(例如，来自体外测试的工厂信息或者从先前植入的分析物浓度传感器获得的数据，例如同一制造批次的传感器中的传感器和/或来自一个或多个不同批次的传感器中的传感器)、同一主体上的类似传感器的先前活体内测试，和/或不同主体上的类似传感器的先前活体内测试。校准信息包含有用于校准连续葡萄糖传感器的信息，例如但不限于：灵敏度(m)；灵敏度改变(Δdm/dt)，其也可以涉及灵敏度飘移；灵敏度的改变速率(ddm/ddt)；基线/截距(b)；基线改变(Δdb/dt)；基线的改变速率(ddb/ddt)；与传感器相关联的基线和/或灵敏度分布(即，在一时间周期中的改变)；线性度；响应时间；传感器的性质之间的关系(例如，灵敏度与基线之间的关系)；或特定刺激信号输出(例如，指示传感器的阻抗、电容或者其它电或化学性质的输出)与传感器灵敏度或温度之间的关系(例如，从先前活体内和/或活体外研究确定)，例如美国专利公开案2012-0265035-A1中描述，其以全文引用的方式并入本文；从先前植入的分析物浓度传感器获得的传感器数据；与正在校准的传感器相关联的校准代码；传感器与灵敏度、基线、漂移、阻抗、阻抗/温度关系之间的患者特定关系(例如，从患者或与患者具有共同特性的其它患者的先前研究确定)；传感器植入的位点(腹部、手臂等)；和/或特定关系(不同位点可以具有不同血管密度)。分布信息包含范围、分布函数、分布参数(均值、标准偏差、偏斜度等)、广义函数、统计分布、分布或类似物，其表示校准信息的多个可能值。先验校准分布信息一起包含在有用于传感器(例如，传感器数据)的校准的特定校准过程之前提供的值的范围或分布(例如，描述其相关联概率、概率密度函数、似然性或者发生频率)。
举例来说，在一些实施例中，先验校准分布信息包含基于例如传感器类型的灵敏度(m)或灵敏度相关信息以及基线(b)或基线相关信息的概率分布。如上文所述，灵敏度和/或基线的先前分布可以是工厂导出的(例如，从代表性传感器的体外或活体内测试)或从先前校准导出。
如上所述，分析物传感器一般包含电极以监视共反应物或产物中的电流改变以确定分析物浓度，例如葡萄糖浓度。在一个实例中，传感器数据包括由A/D转换器从模拟信号(例如，电压或电流)转换的以“计数”计的数字数据。校准是确定以计数计的测得传感器信号与以临床单位计的分析物浓度之间的关系的过程。举例来说，校准允许以计数计的给定传感器测量值与例如以毫克/分升计的测得分析物浓度值相关联。参看图3的曲线图10，此关系一般为具有形式y＝mx+b的线性关系，其中‘y’是以计数计的传感器信号(y轴12)，‘x’是分析物浓度的临床值(轴线14)，且‘m’是具有[计数/(mg/dL)]的单位的传感器灵敏度。图示了线16，其斜率称为传感器灵敏度。‘b’(参见线段15)是基线传感器信号，其可被考虑，或者对于高级传感器可一般减少到零或接近零；在任何事件中，在许多情况下，基线可以假定为小的或能够以可预测方式被补偿。在一些实施方案中，见到恒定背景信号，且这通过y＝m(x+c)而建模，其中c是传感器位点与血糖之间的葡萄糖偏移。
一旦已经确定线16，系统就可将测得的计数数目(或如上文所述的安培，例如微微安培)转换为分析物浓度的临床值。
然而，m和b的值在传感器之间变化且需要确定。另外，斜率值m并不总是恒定。举例来说且参看图4，可见在会话内的时间过程中，值m从初始灵敏度值m0改变为最终灵敏度值mF。见到其改变速率在使用的前些天最大，且此改变速率称为mR。
所述斜率出于若干原因随着活体内时间而变。特定来说对于校准中的初始改变，这经常是由于传感器薄膜“迁入”且实现与活体内环境的平衡。传感器一般在体外或在工作台上校准，且做出努力以使体外环境尽可能接近于活体内环境，但差异仍是明显的，且活体内环境自身在用户之间改变。另外，传感器可能由于消毒或保质期/存储条件的差异而变化。在会话中较晚发生的校准改变经常是由于包围传感器的组织中的改变，例如传感器上的生物膜的积累。
无论是什么原因，已经测量且确定可变性的某些影响。举例来说，已知最终灵敏度mF的可变性是对总体传感器不准确性的最大贡献因素。类似地，已知初始灵敏度m0的可变性和生理学是对第一天的传感器的不准确性的最大贡献因素。
由于上述可变性，初始校准步骤包含确定和使用用于一个或多个校准参数的种子值，直到获得额外数据来将种子值调整到更准确的值。
一旦实现校准，便可以采用传感器和分析物浓度测量系统来准确地确定用户体内的分析物浓度的临床值。接着这可以导致其它传感器表现的区分，包含灵敏度的误差和漂移的确定，如下文更详细描述。
最常见的当前校准方法是使用外部血糖计。这通常称为“手指针刺校准”且对于许多糖尿病患者是生活的众所周知且常见的部分。此技术具有的优点是不需要大量的工厂信息，且进一步提供离群值的低风险。缺点在于需要大量的用户参与，以及需要知道对于适当校准所需的某些其它工厂校准信息。由于来自这些计的测量值是受信任的，因此一旦所述计自身被校准，便可使用来自所述计的值来校准置留的分析物浓度计。即使如图4中所见传感器灵敏度随着时间改变，改变的灵敏度在用户希望执行众多外部校准的情况下也是不重要的。
然而，用户一般不希望执行众多此类校准，且在许多情况下，例如类型II糖尿病、糖尿病前期或甚至非糖尿病的患者，并不严格需要由此类校准提供的额外准确性。举例来说，用户知道他们所处的范围而不是确切的分析物浓度值可能是足够的。在另一实施方案中，可以与数据一起提供相关联置信区间，以让用户知道多少置信度置于所显示数据中。
因此已经做出努力减少校准的次数。然而，许多当前CGM系统仍需要血糖值用于至少初始校准，且当定量给药时也经常需要血糖值。根据本发明原理的本发明系统和方法部分地是针对减少或消除此类所需校准的方式。
提供某种水平的校准的一个简单且方便的方式是使用关于相关传感器的校准信息。即使校准信息是近似的，这也仍可以足以由某些群组的患者使用。举例来说且参看图5的流程图18，如果已知关于一制造批次内的一个或多个传感器的工厂校准，那么可以将此信息提供到所述制造批次中尚未在患者体内使用的其它传感器(步骤20)。此步骤经常称为将“代码”提供到发射器，因为代码经常用以作为CGM系统的部分在传感器插入于患者体内期间耦合在一起时识别传感器的制造批次(以及因此细节)。发射器接着可以从代码识别制造批次，且根据查找表或其它技术应用适当的校准参数。然而应理解，代码可以不仅提供到发射器，而且提供到其中计数可以转换为临床单位的任何装置，例如专用接收器、可用以接收和显示分析物浓度的现成装置，例如智能电话、平板计算机或类似物。另外，所述代码可以不是典型意义上的代码，但可以简单地将任何识别符提供到需要代码用于校准目的的任何装置。
再次参看图5，描述实现将关于传感器的工厂信息提供到发射器或其它电子器件的步骤(步骤20)的方式。这些方式中的一些构成用于在不使用代码的情况下提供校准信息的选项(步骤22)。其它包含使用用户数据输入的步骤提供代码的方式(步骤28)。在一些情况下，可以在无用户输入的情况下输入代码(步骤24)。可以使用提供代码的再其它方式(步骤26)，且下文也描述这些额外方式。现在描述这些方法的细节。
参看图6的流程图30，描述在无代码的情况下提供工厂校准信息的实例(步骤22)。第一方式是使用制造批次的代表性值(例如，平均值或中值)或其它量度(例如，范围)(步骤34)。也就是说，如果已知制造批次的平均值，或即使已知使用相同技术制造的不同制造批次的平均值，则可以假定传感器校准参数将是类似的，且因此可以用作新传感器的校准的部分。替代地，也可以采用可预测关系来内插传感器校准参数，例如对传感器批次加括号。
作为另一实例，在校准参数的确定中可以采用阻抗测量值(步骤40)。
校准也可以使用关于先前校准的信息而发生(步骤38)。举例来说，如果用户恰关闭经校准且测量用户的葡萄糖浓度处于例如120mg/dL的传感器，那么可以假定新插入的传感器的恰当测量应当使得用户的葡萄糖值再次为120mg/dL。在一些情况下，如果已经确定预测葡萄糖值，那么所述预测值可以用于新插入的传感器。即使在旧传感器的最后读取与新传感器读取之间已经过去短时间周期，生理上可行的葡萄糖改变的辨识也将导致新测量值可以是什么的界限，且因此新传感器的校准参数可以是什么的界限。
在又一变化中，可以采用各种自校准算法(步骤36)以便自校准CGM系统。在此意义上，CGM系统可以称为变成“自感知”。举例来说，CGM系统可以例如来自先前会话的平均葡萄糖值(如果已知)作为种子，包含使用先前会话稳态值或先前会话缓慢移动平均值，如下文将更详细描述。CGM系统也可以用A1C值(如果可用)作为种子。如果适当那么也可以做出各种假设。种子平均值可通过分布来表示，下文也将更详细描述其技术。
图7描述其中可以将代码从传感器提供到发射器而无用户输入步骤(步骤24)的系统。再次应注意，虽然此处使用关于将代码提供到发射器的语言，但将理解，代码也可以提供到与发射器成信号通信的各种装置，包含专用接收器、智能电话、平板计算机、跟随器装置或其它计算环境。
在图7的图42的实施方案中，将代码或类似物提供到发射器而无大量用户参与。举例来说，可以通过将一制造批次的传感器发送到不同市场来实现一程度的编码(步骤46)。在一个实施方案中，可以将具有相似代码的传感器发送到不同地理位置(步骤48)。举例来说，发送到特定地理区的传感器可以来自类似或相同制造批次，且当传感器插入且与网络做出初始接触时，可以将对于所述批次已知的校准参数提供到发射器，因此基于地理位置提供立即程度的校准。可以采用地理位置来识别位置，且所述位置接着可用以识别或分类传感器。
以相同方式，相似批次的传感器可以按产品分组，因此不同代码则与不同产品相关联(步骤54)。举例来说，第一产品可以具有与其相关联的第一代码，且用于所述产品的所有传感器可以用相同或类似方式制造，从而导致与特定产品相关联的传感器之间的极少制造可变性。在此情况下，一旦识别出产品，便可以唯一地确定相关联传感器校准参数，至少作为平均值。
在另一实施方案中，不特定关于地理位置或产品的情况下，可以用与相应用户发射器特定相关联的代码装运具有特定代码的某一群组的传感器(步骤56)。在此情况下，一旦对于所发送群组的一个成员已知校准参数，且这在发送群组之前长时间可为已知的，那么用于群组的其余部分的校准参数也是已知的。
也可以使用RFID技术来识别传感器的制造批次(步骤58)。举例来说，小型RFID芯片可以位于传感器的基底上，且当传感器和发射器耦合时可以由发射器读取(步骤60)。在另一实施方案中，RFID可以由接收器读取(步骤62)，或替代地由智能电话或其它装置读取。替代地，RFID装置可以位于施加器上，且当使用施加器在患者体内安装传感器时发射器可以再次读取识别信息(且因此校准信息)。
在又一实施方案中，可以在封装上或系统的任何其它组件上采用近场通信(NFC)(步骤66)以传达识别信息。
可以采用其它类型的通信方案以将信息从传感器传达到发射器。举例来说，发射器上的机械传感器可以允许代码信息的传达(步骤72)，例如凸块、垂直销、感测发射器到基底的定向的机械系统，或可由发射器读取的其它机械元件。可以采用磁性传感器用于相同目的(步骤78)，且以相同方式，可以采用发射器上的光学读取器(步骤74)来读取例如条码或QR代码以及其它识别标记或颜色。也可以采用电阻式传感器(步骤76)，或检测连接状态的其它传感器。举例来说，可以提供具有相应不同长度的不同代码的传感器。可以与传感器一起提供多个接触垫，传感器对准到所述接触垫。不同代码的传感器可以具备不同电阻，且所述电阻的测量可以确定代码。
图8图示了图80，其示出了采用用户数据输入的代码通信的方式(步骤28)。也许以最简单方式，可以在购买时将代码提供给用户，且代码简单地手动输入(步骤84)到具有允许数据输入的UI的接收器、智能电话或其它装置中。举例来说，用户可以输入文本、数字、颜色或类似物。传感器也可以装有卡，例如SIM卡，且SIM卡可以插入到接收器中(步骤90)以允许传达校准信息而不需要用户输入手动代码。发射器可以具备开关系统(步骤88)，且用户可以根据接收传感器上的指令调整发射器上的开关的位置。举例来说，发射器开关可以是四位置开关或DIP开关，且通过适当调整，用户可以将与传感器相关联的代码提供到发射器。也可以启用接收器或智能电话以经由一体式相机或条码读取器扫描与传感器相关联的标签，以允许用所述型式传达信息。所述扫描可以对条形标签、QR代码或类似物进行。
下文关于图9到11描述一种变化。此实施方案采用来自现场的人类数据以改善或实现工厂校准。更详细来说，经常使用人类数据最佳地识别工厂校准参数(例如，随着时间的灵敏度和基线)。虽然工作台数据与人类数据相关，但相关不是很完美，且在相关中经常存在偏移。存取由在制造期间生产的每一批次传感器产生的人类数据将一般是产生工厂校准信息的最佳数据集合。工厂校准参数可在批次之间改变，且因此表征每一批次可为有利的，因为做出了改进。
图9到11示出了使用一批次传感器的部分而使用在人类中收集的数据以产生或调整用于所述批次的其余部分的工厂校准数字的方法。此方法存在若干布置。
在一个布置中，将经校准传感器发送到市场供患者使用。由于这些传感器是例如经由血糖校准技术或其它校准技术在连接的系统中校准，包含仅使用CGM信号自身的那些技术，因此可以通过云或其它基于因特网的网络将校准信息返回到制造商。所述信息可用以针对传感器制造批次的未发出到市场的其余部分产生工厂校准设定，且接着可以装运所述传感器。
在另一实施方案中，存在随产品装运的初始工厂校准设定。再次可以监视云或网络信息，且可以关于实际参数与初始工厂校准设定匹配的接近程度作出确定。接着可以基于此确定的接近度而对未装运的传感器的工厂校准设定做出调整。在此实施方案中且在先前实施方案中，传感器产品的发布可以是交错的，使得后续的装运具有改善的准确性。即使已经装运所有传感器也可以进一步执行此实施方案，因为可以通过网络或通过云执行调整。
更详细来说且参看图9，图示了工厂148，其具有制造批次或批量的传感器150，所述制造批次或批量一般在相同(或极类似)制造过程中产生。批次或批量150可以划分为第一部分154和第二部分156。第一部分154可以临时停留在工厂148，而第二部分156可以发送到一群组的用户158。
接下来参看图10，来自第二部分156的数据可以在工厂148使用以告知第一部分154的工厂校准，从而将其变换为经校准的第一部分154′。如果第一部分154已经装运，那么在用户群组158内，第一部分可以在插入之前或之后校准指示为第一部分154″。在装运后的第一部分的校准可以如上所述通过关于工厂校准信息接入网络或云资源而发生，尤其是在已经在现场用来自传感器的数据更新所述第一部分的情况下。
图11是图示了上述方法的流程图160。首先，在工厂在已知且可再现的条件下制造一制造批次或批量的传感器(步骤162)。将所述批次或批量划分为至少两个部分(步骤164)。此处为了方便描述两个部分，但将理解，制造批次可以为了交错发布而划分为任何数目的部分。
在此实例中，将第二部分发送给用户(步骤166)。接着校准第二部分(步骤168)，且校准可以已知型式发生，例如使用先验信息、工作台校准值、用户数据、手指针刺校准或类似型式。校准也可以使用此处公开的技术发生。
接着可以将来自第二部分的校准信息发送到工厂(步骤170)。接着可以基于来自第二部分的数据而产生或调整传感器的第一部分的校准(步骤172)。即，如果对于第一部分已经产生工厂校准，那么如果需要则可以调整所述工厂校准。如果尚未产生工厂校准，那么可以使用来自第二部分的所接收数据来告知第一部分的校准，例如来自现场的确定灵敏度的平均值等等。所述调整或产生可以在工厂发生(步骤174)，或者其可以在装运后在插入于患者中之前或之后发生(步骤176)，其中发射器、接收器或其它监视装置(例如，智能电话)与由工厂148操作的服务器或其它网络资源成网络通信。
一旦传感器插入用户且初始校准完成，则从那时起的任何校准称为“进行中”或“持续”校准。图12的图102中示意性图示了此情况。用户、患者或主体112具有留置传感器114，其连接到发射器115。在许多情况下，发射器对于不同传感器多次使用。在其它情况下，发射器可以制作为一次性的。
发射器115允许由传感器114测得的信号传达到例如接收器或专用装置104或智能电话108等装置。接收器104图示为具有显示器106，且智能电话108图示为具有显示器110。显示器106或110可用以向用户指示分析物浓度的临床值，例如葡萄糖浓度。在这样做时它们依赖于上述关系，测得的电流或计数通过具有表示灵敏度的斜率的线性关系与分析物浓度的临床值相关。
根据本发明原理的系统和方法描述了大部分或唯一地基于传感器信号自身的特性的此线性关系的形成或确定，且在一些实施方案中并不像先前系统那样依赖于外部数据。另外，采用“自”或“自动”校准的这些“自感知”系统可不仅用以更准确地测量后续分析物浓度，而且用以追溯性地修改先前测量的结果。以此方式，当这在例如显示器106或显示器110等显示器上显示时，这可以更准确地传达测得的数据。换句话说，可以采用追溯性处理以校正或修改先前校准，且甚至更新从其测得的数据。以此方式，如果显示器指示历史数据以及当前数据，那么至少历史数据将被更新，即此显示将改变，以反映较好地已知或以比先前校准大的置信度已知的校准参数。
图13的流程图116图示了此方法，其中第一步骤是种子值的接收或确定(步骤118)，例如可以使用上述初始校准程序接收或确定。接着可以采用种子值确定校准(步骤120)。举例来说，如果接收的校准参数是斜率或灵敏度m的特定值，那么其可用以使测得的计数相关于分析物浓度的临床值，且可用以立即开始通知用户其测得的分析物浓度，例如葡萄糖测量值。即，可以用传感器测量分析物(步骤122)，且可以至少部分地基于在步骤118中接收的种子值向用户显示测得的值(步骤124)。
在一些情况下，校准的改变将发生(步骤126)，且其可以各种方式来检测，包含下文描述的方式。接着可以调整校准，且特定来说包含灵敏度和基线的校准参数(步骤128)。在校准参数的更新后，可以更新显示(步骤130)。
如上所述，显示的更新可以不仅涉及调整分析物浓度的当前测得值，而且涉及基于经调整校准而重新计算且因此改变历史值的显示。举例来说，灵敏度可以通过初始值“作为种子”，但在数据的接收后可以被确定为实际比初始种子值低10％。在此情况下，不仅将调整进行中显示的分析物值，而且在一个实施方案中可以调整历史值以反映经更新灵敏度。此实例说明其中以测得值更新种子值的情形。在一些情况下，可以用较晚确定的值更新先前确定的值(通过种子或测量确定)。例如当传感器校准参数“漂移”时可出现此情形。举例来说，如果传感器的校准被确定为已经漂移，那么可以对校准参数做出改变以使得接收器、智能电话或其它监视装置继续显示分析物浓度的准确值。在一个实施方案中，如果可确定漂移何时发生，那么在显示器中可以更新某些历史值，即在漂移后测得的那些值，而其它历史值不需要更新，例如在漂移前测得的那些值。
在一个实施方案中，如果确定的种子值和初始种子值接近，例如在10％内，那么可以简单地相应调整初始种子值(或其它校准参数)。然而，如果所述值更远离，那么可以例如通过任选的手指针刺来提示用户进行干预。
图14和15是描绘在灵敏度改变之前(14)和之后(15)随着时间的分析物浓度的曲线图。特定来说，图14图示了曲线图132，其中示出随着时间的分析物浓度的绘图138。轴线134表示分析物浓度的值，且轴线136表示时间。在灵敏度改变后，曲线图变为曲线图140，具有经变换历史分析物值146。取决于实施方案，灵敏度改变可以视为经更新灵敏度或经更新种子值。可以采用使用传感器信号特性调整校准的多种其它方式，包含(但不限于)均值传感器信号、标准偏差或CV(变化系数)或传感器信号的四分位距或者其它较高阶或排序统计数据。
更详细来说，且与先前努力对比，优选实施例描述了用于以经处理数据周期性或大体上连续后处理(例如，更新)葡萄糖数据的大体上实时图形表示(例如，表示在先前若干分钟或小时中葡萄糖浓度的趋势曲线图)的系统和方法，其中所述数据已经响应于校准的更新而处理，例如作为传感器漂移、系统误差或类似物的结果。
参看图16中描绘的分析物浓度测量系统135，且特定来说在框137处，传感器数据接收模块(也称为传感器数据模块)或处理器模块接收传感器数据(例如，数据流)，包含一个或多个时间间隔的传感器数据点。在一些实施例中，数据流存储在传感器中用于额外处理；在一些替代实施例中，传感器将数据流周期性地发射到接收器或其它监视装置，例如智能电话，其可与传感器成有线或无线通信。在一些实施例中，原始和/或经滤波数据存储在传感器中和/或发射且存储在接收器中。
在框139处，处理器模块被配置成以各种方式处理传感器数据。也可以采用处理器模块与校准模块143组合来确定校准改变是否已经发生，例如上文和下文更详细描述。更详细来说，在框143处，校准模块使用数据流中的数据检测校准改变以及更特定来说灵敏度改变。
在框141处，输出模块经由用户接口(未图示)将输出提供给用户。所述输出表示通过将传感器数据转换为有意义的临床葡萄糖值而确定的估计葡萄糖值。用户输出可例如呈以下形式：数值估计葡萄糖值，葡萄糖浓度的方向趋势的指示，和/或在一时间周期中的估计葡萄糖数据的图形表示。估计葡萄糖值的其它表示也是可能的，例如音频和触觉。在一些实施例中，输出模块显示“实时”葡萄糖值(例如，表示最近测量葡萄糖浓度的数字)和经处理和/或后处理传感器数据的图形表示。
在一个实施例中，估计葡萄糖值由数字值表示。在其它示例性实施例中，用户接口以图形方式表示在预定时间周期(例如，分别一个、三个和九个小时)中的估计葡萄糖数据趋势。在替代实施例中，可表示其它时间周期。在替代实施例中，可选择性显示图片、动画、图表、曲线图、值范围以及数字数据。
处理器模块可以进一步被配置成执行后处理步骤，例如可以被配置成根据所接收数据(例如，最近接收的数据)而周期性或大体上连续地后处理(例如，更新)对应于所述时间周期的数据的所显示图形表示。举例来说，可更新葡萄糖趋势信息(例如，先前1、3或9小时趋势曲线图)以考虑新确定的校准值而更好地表示实际葡萄糖值。在一些实施例中，后处理模块每几秒、几分钟、几小时、几天或其间的任何时间和/或当用户请求时(例如，响应于例如3小时趋势曲线图的显示请求等按钮激活)后处理数据片段(例如，1、3或9小时趋势曲线图数据)。
一般来说，后处理包含由处理器模块(例如，在手持式接收器单元内)在其对传感器数据的初始显示之后且在现有技术中一般称为“追溯性分析”(例如，与间歇性、周期性或连续对比，通常在一个时间对整个数据集合追溯性地实现的分析，例如用于医师分析的传感器数据的显示)的分析之前对“最近”传感器数据(例如，包含过去几分钟到几小时内的时间点的数据)执行的处理。后处理可包含编程，其被执行以重新校准传感器数据(例如，更好地匹配于参考值)，填充数据间隙(例如，由于噪声或其它问题而消除的数据)，平滑(滤波)传感器数据，补偿传感器数据中的时间滞后，和类似操作。优选地，经后处理的数据在个人手持式单元上(例如，在接收器或智能电话的1、3和9小时趋势曲线图上)“实时”显示(例如，包含在过去几分钟或几小时内的最近数据)，且可当新的或额外信息可用时(例如，新参考数据、新传感器数据等)自动地(例如，周期性、间歇性或连续)或选择性(例如，响应于请求)更新(后处理)。在一些替代实施例中，可以取决于校准时期改变的持续时间而触发后处理；例如，与延伸经过约30分钟的校准事件的改变相关联的数据可以与在校准时期改变的初始30分钟期间的数据以不同方式处理和/或显示。
在一个示例性实施例中，处理器模块对数据流进行滤波以重新计算先前时间周期的数据，且周期性或大体上连续显示所述时间周期的重新计算的数据的图形表示(例如，趋势曲线图)。在另一示例性实施例中，处理器模块针对从前一时间周期的数据的时间滞后调整数据(例如，移除由实时滤波引起的时间滞后)，且显示所述时间周期的经时间滞后调整数据的图形表示(例如，趋势曲线图)。在另一示例性实施例中，处理器模块针对前一时间周期的数据以算法方式在移动窗口上平滑一个或多个传感器数据点(例如，包含在所述一个或多个传感器数据点之前和之后的时间点)，且显示所述时间周期的经更新、经平均或经平滑数据的图形表示(例如，趋势曲线图)。
在一些实施例中，处理器模块被配置成对传感器数据进行滤波且响应于校准事件改变的开始的确定而显示经滤波传感器数据的图形表示。在一些实施例中，处理器模块被配置成响应于校准事件改变的结束的确定而显示未经滤波数据(例如，原始数据)的图形表示。在一些实施例中，处理器模块被配置成除了当确定校准事件的改变时以外显示未经滤波数据的图形表示。已经发现如本文描述的自适应滤波，包含在校准事件的改变期间的选择性滤波，与常规传感器相比增加了所显示数据的准确性，减少了噪声数据的显示，和/或减少了数据间隙和/或早期截止。
校准例程
如上所述，希望为用户提供更方便的校准例程，且尤其是类型II用户或使用系统用于减肥优化和/或运动和健身优化的那些用户。
减少对基于用户的校准的需要的一种方式是采用较为增强的工厂校准，且关于与工厂校准相关联的方法的某些细节可以参见2013年3月14日提交的作为US 2014-0278189-A1公布的USSN 13/827,119以及2014年9月22日提交的USSN 62/053,733，这两者由本申请的受让人所有且以全文引用的方式并入本文。
也可以采用其它技术来方便校准要求。举例来说，参看图17的流程图145，如果先前传感器会话示出了一般可靠的结果(步骤147)，那么相同校准参数可以简单地从先前会话用于新传感器会话中(步骤149)。特定来说，来自旧传感器会话的校准参数可以若干方式发射到新传感器会话，例如在校准参数存储于传感器电子器件上的情况下通过采用葡萄糖信号发射器技术，或者在校准参数存储于监视装置(例如，智能电话)中的情况下通过将校准状态变量传递到新会话。如果传感器以某种方式相关，例如来自同一批量、同一封装、具有同一类型或类似方式，那么此技术可以是特别有用的。
此技术不一定仅限于单个先前传感器会话的使用，例如返回恰好一个会话。举例来说，通过对若干先前传感器会话的分析可以了解重复样式，例如历史样式。举例来说，系统可以了解用户习惯于在星期五吃披萨，且在上七个会话中已经这样做，且算法因此可以了解不将这些事件处理为离群值。也可以了解患者习惯，例如患者喜欢吃许多小餐对比仅少数大餐。也可以了解失败模式，例如患者趋势是否由于安装和/或使用其装置的特定方式而朝向特定失败模式。如下文结合图18论述，构成可重复事件的某些葡萄糖轨迹特性可以从先前传感器会话有利地了解，且在许多情况下多个先前传感器会话对于区别常见事件与离群值是必要的。另外，在其它事件数据可用的情况下，例如进餐或锻炼数据，可以了解这些可重复事件与输入的进餐或锻炼数据之间的相关。
接下来，参看图18，示出用于另一校准方法的流程图178。特定来说，已知某些葡萄糖轨迹特性指示在已知且可重复葡萄糖值处重新发生的可重复事件(如果其重新发生)。作为实例，稳态值、包含某些斜率的某些趋势值等等趋于对于给定患者可再现。这些可重复事件趋于带来可重复且可检测的特性葡萄糖轨迹标志和/或样式。举例来说，许多生物系统的特性是分析物值(如果不快速改变，即处于稳态)是高度可再现的。换句话说，如果分析物值在第一时间中处于稳态，且随后在第二时间周期中处于稳态，那么分析物的值(例如，浓度)在每一个稳态时间周期中大体上处于同一值或同一值附近。可采用此概念来校准分析物传感器。
举例来说，如果用户处于关于分析物的稳态，那么可测量且存储分析物的值。当用户再次处于稳态时，很可能其分析物值与先前测量的值相同，且因此可校准读取分析物浓度值的传感器。
不同分析物可以各种方式实现不同的稳态。举例来说，尿酸浓度在典型的整天中极少改变。如果用户几小时未锻炼且未吃东西，那么其葡萄糖值可以处于稳态。如果用户几小时未锻炼，那么其乳酸值可以处于稳态。一般来说，如果生物系统在一时间周期中未显著改变状态，那么包含葡萄糖的许多分析物值将实现稳态。如所述，稳态值是可再现的，尤其对于糖尿病前期患者或非糖尿病患者，以及对于使用系统主要用于减肥优化或运动优化的那些人。因此，每当在分析物值中检测到稳态，那么可校准测量分析物的传感器。
在一些情况下，系统可以提示用户禁食或禁锻炼以便实现稳态，接着可测量且随后采用稳态以用于这些校准。而且，系统可以检测稳态，但例如通过询问用户“您禁食了吗？”而提示用户进行检验。
在一些情况下，可以基于用户的人口统计而确定稳态值，因此根本不需要任何测量。举例来说，对于非糖尿病患者，典型葡萄糖值可以在约80与100mg/dL之间。在许多情况下，如果一个人非糖尿病，那么其值可为约80，而如果他们逐渐朝向糖尿病前期发展，那么其值可能接近100。因此仅为系统提供关于用户的某些信息可以允许执行某一程度的校准，尤其对于某些应用，包含用户不需要具有被确定为精确值的准确度，而是仅达到特定范围的准确度便足够的情况，例如低血糖、高血糖或正常血糖。
除了稳态外，可采用的其它可重复事件包含斜率、在典型或类似进餐之后的响应，例如在用户每天吃同一种早餐的情况下在早餐之后的响应。其它可重复事件包含例如基于每日基础的低测量值到高测量值的范围，即每日高到低范围，某些类型的游离、某些类型的瞬态样式、衰减速率和斜率、改变速率和类似情况。
作为特定实例，如果用户吃过特性早餐，且特性早餐导致特性餐后葡萄糖趋势，那么如果趋势的改变发生，则可以假定至少在某种程度上传感器的灵敏度改变已经发生且传感器需要重新校准。
也可以采用额外数据来帮助校准。举例来说，如果用户是糖尿病患者且一天以任何方式测量其血糖若干次，那么这些值可以用作校准值。如果其血糖值显著变化则情况尤其如此。在此情况下，如果系统检测到局部稳态，那么系统可提示用户测量且输入血糖值以便使值与稳态相关。
在一些情况下可以采用历史数据来确定稳态校准值，例如来自血液记录的先前数据、来自先前会话的数据、来自例如跟踪长期葡萄糖平均值的A1C等测量的估计，或类似数据。
在一些情况下，不必关注于特定值。用户在一值范围内的确定对于类型II用户可为足够的。所述范围可以确定且用于为用户提供关于是否满足目标的信息，或关于他们所处的计划的其它信息。
稳态假设的使用不仅可用于初始校准，而且可用于更新校准。也就是说，每当见到系统处于后续稳态时，在后续稳态期间测得的值便可假定为对于用户原始确定的值。也可以采用其它计算，包含使用加权平均值、缓慢移动平均值(参见下文)和类似者。
参看图18，流程图178的方法允许使用直接从装置产生的信息(即，分析物浓度信号自身)校准葡萄糖浓度或其它分析物值。
因此，参看流程图178，根据这些原理的校准例程中的第一步骤是检测系统处于稳态(步骤180)，例如第一已知稳态。
通常可以在用户根本不需要任何动作的情况下检测稳态(步骤182)。然而在一些情况下，可以通过在事件之后等待预定时间周期而提示稳态以允许实现稳态(步骤184)，例如通过在进餐或锻炼例程后等待预定时间周期(步骤186)。系统或例程可以询问或提示需要用户信息，例如关于禁食，例如提示用户输入自从其最后进餐起的持续时间或相关参数。在葡萄糖的情况下，例程可以被配置成寻找低改变速率或低于预定值的改变速率，例如小于每分钟0.25mg/dL。在校准尚未发生的一些情况下，改变速率可以基于计数或微安培或其它“原始”信号值。改变速率可以通过导数的计算而确定。
一旦已经检测到稳态，便可以基于稳态下的计数(或接通电流)的测得数目以及已知稳态葡萄糖值(可为已知或假定的)而确定例如灵敏度等校准参数(步骤188)。随后，可以检测另一稳态(步骤192)，且在漂移已发生的情况下，第二稳态将与不同数目的计数相关联。所述不同数目的计数可用以确定漂移程度，且可以使用在新(第二)稳态下测得的新(第二)数目的计数连同先前已知的稳态葡萄糖值重新校准系统(步骤194)。
在改变是实质的(例如，超过预定阈值)的一些情况下，可以提示用户需要额外数据(步骤196)，例如手指针刺、关于锻炼或进餐的数据等等。也可以采用差异来确定漂移的原因(步骤198)。
现在描述特定实例。连续葡萄糖监视器可以用于无糖尿病的患者。在无糖尿病的患者中，其葡萄糖值通常在70到90mg/dL范围内。其葡萄糖水平仅在进餐之后或在极端锻炼期间偏离此范围，且在一些情况下这些偏离可以通过传感器信号的改变或经由使用心率监视器和加速度计的辅助测量而检测。在这些葡萄糖游离期间，由传感器测得的电流将快速改变，其可容易由监视装置检测。可使用例如FIR滤波器在最后20分钟的葡萄糖值上计算改变速率，但可延伸到简单改变速率，如被定义为在一时间周期的开始和结束时的两个葡萄糖值之间的差除以所述时间周期的持续时间。在快速改变速率期间，根据本发明原理的系统和方法如果使用稳态发生作为用于校准的可重复事件，则可避免在校准中使用此快速改变的数据，而是可以等待直到值稳定，然后执行校准事件(如所述，某些校准方法可以利用此情况，例如如上所述，在一些情况下，可用于校准的可重复事件可以包含瞬态噪声事件或样式，即，高变化区域或峰的某些方面可以有用于非稳态可重复事件校准，且在许多情况下，包含分析物浓度值的快速或缓慢改变速率的瞬态事件可以形成信号特性，从中可以推断样式且用作可重复事件)。在一个实例中，绝对改变速率阈值可以在最后25分钟的葡萄糖数据上设定于0.25或0.5mg/dL/分钟。如上所述，也可以采用未经校准的单位。因此，如果超过绝对改变速率阈值，那么可以禁止校准。在其它实施方案中，可以使用不同校准值，且其也可以被配置成取决于改变速率的方向，或者所使用的校准值可以随改变速率自身而变。
参看图19，且如关于图18的步骤194所述，稳态可用以更新校准值以及确定初始校准值。而且，即使在校准参数改变时也可以采用系统，例如在传感器酶层随着使用时间而更改时，或者在其它漂移发生时。举例来说，参看图19的曲线图202，分析物的值可以与在时间t0(轴线206)的经校准值或未经校准值相关联，且此稳态值可以假定为每当用户在所述分析物值中处于稳态时可再现。此知识可导致初始校准线208，在轴线204具有计数单位的情况下所述线的斜率是传感器灵敏度。在也假定为处于稳态的后续时间t1，即使测得计数的数目不同，同一稳态值的知识也允许绘制后续校准线210且因此可重新校准系统。所需重新校准的程度可以高度有用于确定漂移的原因和处理。
根据本发明原理的系统和方法可以当基线或背景信号足够稳定且可预测(或通过高级薄膜或传感器技术消除)时最有效。当传感器启动时，产生电流。如果基线足够小或以足够准确性进行估计，那么剩余电流将来自所关注的分析物。算法可以测量在设定时间周期中的电流，且如果电流稳定，例如在规定极限内，那么算法可以假定葡萄糖(或其它分析物)不改变且在窄范围内。算法可以接着使用大约例如80mg/dL(或被确定为用户的典型值的任何值)的葡萄糖值且使其相关于在稳定的葡萄糖的情况下在所述时间期间产生的电流来自动校准装置。在一个实施方案中，葡萄糖值设定于100mg/dL(应重申这可取决于若干因素而改变，例如改变速率、佩戴持续时间、日时、用户的特性，例如朝向糖尿病的进展状态等等)。系统和方法可以采用回归模型来用两点计算斜率和基线。第一点是在稳定葡萄糖(以及无糖尿病的用户的近似葡萄糖水平)期间产生的电流，且第二点是零葡萄糖(使用背景信号的估计值)。所述线的斜率可以使用例如回归斜率(计数/假定为BG)和先前斜率估计的加权平均值来确定。在校准后，可以将葡萄糖数据呈现给用户。此实施方案的基线假定为零，然而，可以使用不同的非零基线值。取决于实施方案，校准也可以周期性地更新，例如每几分钟或每几小时。
以上技术可以与在装置的制造期间产生的工厂校准信息组合采用，或者其也可以与外部产生的葡萄糖信息一起使用，且可以进一步考虑通过并入有预规定的漂移曲线或其它漂移补偿技术而随着时间改变灵敏度，如2012年4月13日提交且作为US 2012-0265035-A1公布的美国专利申请USSN 13/446,848中更详细描述，所述美国专利申请由本申请的受让人所有且以全文引用的方式并入本文。
根据本发明原理的系统和方法可以进一步用以使用关于一个传感器的校准信息来校准另一传感器，例如邻近传感器，例如在同一薄膜下的传感器。此校准可以作为漂移参数执行，如果由薄膜引起，则可以假定为对于两个传感器是相同的。举例来说，如果两个传感器在同一薄膜层下，例如葡萄糖传感器和乳酸传感器，且如果在活体外确定一个或多个校准参数，那么校准参数可以假定为带有活体内的类似关系，且因此一个传感器的测量可用以确定另一传感器的测量。举例来说，如果乳酸传感器在校准中具有如在活体外测得的从葡萄糖传感器的已知偏移(或者其它关系或按比例缩放或相关因数)，那么在活体内，可以采用所述葡萄糖传感器的校准的确定来校准乳酸传感器。举例来说，如果见到葡萄糖传感器的校准漂移50％，那么乳酸传感器的校准可以假定为已经漂移50％。因此，一个传感器的一个或多个校准参数的更新可导致另一传感器的一个或多个校准参数的更新。
这些方面的额外细节可以参见2010年4月29日提交的作为US一2011/0004085-A1公布的美国专利申请USSN 12/770,618；以及2010年7月1日提交的作为US-2011/0024307-A1公布的USSN 12/829,264以及[545PR]，以上申请全部由本申请的受让人所有且以全文引用的方式并入本文。
另外，根据本发明原理的系统和方法可以使用工厂校准信息来开始，且接着随着时间而并入有自动校准技术以得到更准确的葡萄糖信息。如果信号不遵循预规定的参数或者在预规定的参数之外，那么系统可以使用已知技术请求校准值，例如SMBG或手指针刺校准。系统和方法可以接着将此葡萄糖信息并入到原始参数中以将设定点从例如100mg/dL调整到更适当且准确的值。也就是说，虽然既定在某些应用中使用的以上技术可以一般被配置成避免手指针刺校准的需要，但如果这是可用的，那么根据本发明原理的系统和方法可以有利地同样适用以用于校准目的和其它目的。
根据本发明原理的系统和方法可以被配置成确定置信度水平或范围，且在数据的分辨率或准确性改变时，置信度水平或范围可改变。更详细来说，显示器可以产生值和趋势曲线图，或这可以示出范围或其它UI元素。所述范围可以随着时间改变，且在准确性的置信度改变时收缩或扩张。举例来说，在初始热身期间，可以利用工厂校准值。然而，其准确性可能不像具有额外信息的情况那样精确。在此时间期间，显示器可以示出范围而不是值。
根据本发明原理的系统和方法的又一特征是它们可以在用户被设置于系统内时请求信息，且取决于信息而调整将使用的技术。举例来说，系统可以提示用户输入他们是有类型I糖尿病、类型II糖尿病还是非糖尿病，且可以取决于回答而选择不同技术。根据本发明原理的系统和方法可以进一步询问用户是否关注于减肥优化、运动和健身优化或其它类似的优化例程，且可以相应地调整算法。装置还可以例如在“盲目”模式中使用达延长的时间周期，例如14天，且仅接受血糖值。这些血糖值可用以了解患者的休息血糖是多少，这可以较好地导引自动校准稳态血糖值的假设。在所述延长的时间周期之后，用户可以接着在自动校准模式中使用装置。
除了使用分析物的稳态值的性质来收集额外信息外，也可以采用“缓慢移动平均值”，即在例如1到3天中取得的平均值，因为这些缓慢移动平均值也一般是恒定的，尤其是在传感器会话的使用中。因此，所述缓慢移动平均值的变化可以定性且定量地用以检测且量化漂移。举例来说，葡萄糖浓度的缓慢移动平均值的值由图20中的曲线图220以及图21中的较示意性曲线图212示出，其中在轴线214上示出传感器计数而轴线216上示出时间。如可见，在时间t1测得的缓慢移动平均值G1可以减小到时间t2的缓慢移动平均值G2。缓慢移动平均值可用以量化漂移，因为高级传感器的对葡萄糖的选择性是高的，因此，对缓慢移动平均值的改变的仅有贡献者是灵敏度。
虽然下文详细描述缓慢移动平均值的使用细节，但此处应注意，这不需要是相连的时间周期。举例来说，可以通过在若干天的常见时间周期的取样来取得缓慢移动平均值。举例来说，可以取得夜间时间周期的缓慢移动平均值，且这可以接着仅考虑例如晚上11点到早上7点的时间周期。缓慢移动平均值接着将构成仅在此时间周期期间但是在若干天的过程中取得的数据的平均值。其中可以取得此离散或非相连缓慢移动平均值的其它示例性时间周期可以包含例如餐后时间周期等等。这些事件可以是基于时间的，其中用户具有这些事件的极一致定时，或者是基于事件的，例如其中事件是由一个或多个传感器标记或跟踪。举例来说，锻炼事件可以由加速度计标记，进餐事件可以通过检测葡萄糖尖峰来标记，等等。
更详细来说，替代于每日平均值的使用，可以采用时间周期，其中取得特定针对定性或定量类型的时间周期的平均值，所述时间周期对用户是特定且重要的，例如使取得所述平均值所观察的时间窗为特定的。举例来说，时间窗可以视为“在进餐之后四小时”。时间周期数据可如在若干天中测得而使用，但仅观察所述特定时间周期，且因此仅测量在所述特定集合的时间周期期间从葡萄糖响应的平均值的变化。换句话说，可以通过将在若干天的过程中来自个别时间周期的所有葡萄糖值拼接在一起且求平均来确定所述平均值。以此方式，如果检测到漂移，那么其可以相对于通过在这些类似时间周期中取得平均值所获得的平均值来界定。举例来说，患者的每日平均值可以是100，但其夜间平均值可能是85，且其“规则”醒着的日间平均值是120。漂移的测量值可以相对于此界定的“局部化”平均值而取得。示例性时间周期可以包含例如在晚餐之后、早上9点到中午、睡觉时等等。
可以对经校准或甚至未经校准的值取得缓慢移动平均值，但缓慢移动平均值自身可能需要额外数据来执行初始校准。为此原因，实施方案可以包含使用其它方法确定初始葡萄糖值，以及获得例如一天的有价值的数据，由此可以确定初始缓慢移动平均值且接着与随后测得的缓慢移动平均值进行比较以确定例如灵敏度漂移校正和类似物。这些系统和方法可以是特别有益的，因为与先前系统相比可以非常频繁地检查缓慢移动平均值，例如每5分钟，这与SMBG校准形成对比，SMBG校准仅可按照用户希望取得读数时那样的频率来完成。
图22的流程图222图示了缓慢移动平均值的使用的一个实施方案。在第一步骤中，使用传感器测量分析物值(步骤224)。接着可以确定第一缓慢移动平均值(步骤226)。接着可以继续测量分析物值(步骤228)，且这可以形成分析物浓度的所显示值的基础(步骤232)，其中所显示值是基于灵敏度的初始(或后续)值。可以确定第二和后续缓慢移动平均值(步骤230)，其中缓慢移动平均值的周期一般大于1/2天，例如1到3天。可以按照所需的频率取得缓慢移动平均值，例如每5分钟、每小时等等。在一些实施方案中，可以改变滤波器的时间常数，例如如果用户具有实际高值，且因此影响(用户的高分析物浓度)并不表示滤波器的灵敏度的实际漂移或改变。缓慢移动平均值的使用也可以由其它形式的滤波代替，例如顺序统计滤波或时域滤波。
如果缓慢移动平均值的第一和第二值(或者第二或后续值，或实际上任何值集合)变化，那么在一个实施方案中，可以假定漂移已发生，且可以基于漂移(例如，缓慢移动平均值之间的差)调整校准(步骤234)。下文描述的实施方案论述缓慢移动平均值的变化的其它潜在原因。可以基于经重新校准的传感器(至少部分地基于测得的漂移而重新校准)而更新显示(步骤236)。在一些情况下，也可以修改种子值(或用以作为显示基础的其它值)(步骤238)以反映(和补偿)漂移。
参看图23A的流程图240，基于从缓慢移动平均值的改变收集的数据的重新校准(或其它重新校准)也可以在后处理中使用以基于重新校准更新历史(此处界定为“已经显示”)值的显示。在第一步骤中，可以通过传感器测量分析物浓度的值(步骤242)。测得的值可以显示为基于校准的临床值，例如基于灵敏度的先前确定的值(步骤244)。灵敏度可以基于传感器信号信息而改变(步骤246)，包含排他性地基于，例如基于缓慢移动平均值或稳态值的改变。接着可以基于所述改变而更新显示(步骤248)，且特定来说可以基于重新校准而再显示历史已经显示的值，使得更准确地表示历史值。使用信号特性(或特征)检测灵敏度改变(或漂移)的其它形式包含CV(变化系数)、标准偏差或信号的四分位距范围及其关系对应的葡萄糖参数。
一旦已经检测到改变，便可以对其进行分析或‘区分’以确定所述改变的原因和/或量值。通常找到由于漂移所致的灵敏度改变，但这也可能具有其它原因，包含泵问题，例如堵塞的管，或者其它问题，例如薄膜破裂或类似情况。且进一步希望区分这些改变与由于葡萄糖值的实际改变所致的那些改变。至少作为此后一种确定中的第一步骤，可将葡萄糖值的测得改变与生理上可行的用于这些改变的阈值进行比较。如果改变不是生理上可行的，那么所述改变可以视为至少部分地由于漂移或系统故障所致。
区分信号漂移表现的另一方式是通过将信号漂移曲线与已知信号漂移曲线进行此较，且特定来说与多个这些曲线或这些曲线的包络进行此较。图4图示了一个此类曲线，但对于给定类型的传感器，这些曲线的包络存在，即存在灵敏度如何改变的样式。如果灵敏度正在改变的方式遵循这些曲线中的一者，那么可以推断改变是由于灵敏度漂移而不是实际葡萄糖值改变或系统故障。关于灵敏度分布曲线的额外细节在例如2013年9月19日提交的标题为《用于处理分析物传感器数据的系统和方法(Systems And Methods ForProcessing Analyte Sensor Data)》的第13/796,185号美国专利申请中描述，所述美国专利申请由本申请的受让人所有且以全文引用的方式并入本文。
如果灵敏度通过移位到已知灵敏度曲线中的另一者而改变，那么用于所述曲线的已知校准参数可以在后续数据分析和显示中采用。如果灵敏度在已知灵敏度曲线的界限之外改变，那么可以推断改变是由于如上所述的系统问题或故障，例如错误或假象。然而在某些实施方案中，某一传感器可以具有已知在一带内的灵敏度曲线。已知失败模式可以造成灵敏度移位到所述带内的另一曲线或移位到另一带，即灵敏度可以在已知失败模式中移位到已知单独离散带的曲线中的一者。
关于此应注意，一般来说，给定类型的传感器将起作用以满足直到某一容限的所需目标。举例来说，一批次中的80％的传感器可以按需要工作(参见图23B)。另一方面其余20％(参见图23C)可能不遵循预期灵敏度曲线。这些其余传感器中的较大百分比(例如，75％)可以遵循已知失败模式，这导致其遵循已知的替代灵敏度曲线、曲线群组或曲线带。通过识别这些传感器中的哪些遵循替代灵敏度曲线，以及相应地调整传感器的校准，可以大部分补救传感器的“失败”。举例来说，如果失败模式使得所述75％全部具有趋于以相同方式减小的信号值，那么在失败模式的确定后，可以通过“向上”调整传感器读数来补救“失败”。这些方面可能尤其重要，因为传感器会话变得越来越长，例如从7个会话到14天会话。在图23C中图示的失败模式中，灵敏度减小在大约第八天开始。检测且补救这些失败模式的能力是尤其重要的，因为即使会话传感器失败模式的开始变得越来越好地被表征，但尤其具有较长会话的会话传感器失败模式的结束仍难以量化。
在一些实施方案中，可以采用葡萄糖信号可变性与缓慢移动平均值组合的考虑来区分葡萄糖信号变化与传感器灵敏度波动。举例来说，如果缓慢移动平均值减小但可变性保持相同，或保持在预定义范围或带内，那么缓慢移动平均值减小的原因可能是灵敏度改变。替代地，如果缓慢移动平均值减小但可变性也减小，那么所述减小的原因可能是葡萄糖浓度的真实且实际改变。
非生理上可行的改变、变化、误差、假象和其它信号表现可能是系统的各种补救动作的原因，且这些动作中的一些已经在上文提到。举例来说，可以执行重新校准，且结果可以往回传播到历史数据。可以提示用户提供手指针刺校准。补救动作算法的部分可以是确定是否经由重新校准进行校正或者是否提示手指针刺或其它校准点。举例来说，如果接收到在生理上可行的边界之外的信号，那么可提示用户进行额外校准点，例如手指针刺。替代地，可以提示用户提供其它种类的额外信息，例如输入对应于最近锻炼或进餐或者用户行为的其它最近改变的数据。作为特定实例，如果用户的葡萄糖浓度的缓慢移动平均值在会话的前三天是100mg/dL，但在第四天其突然变为200，那么根据本发明原理的系统和方法可以提示手指针刺校准。如果第四天缓慢移动平均值是105mg/dL，那么系统可以相应地按比例缩放或调整灵敏度，例如将值向下带回到100mg/dL。
在执行手指针刺校准的情况下，将手指针刺校准数据用于哪些用途可以取决于装置的使用而变化。举例来说，如果装置附加地使用，即非治疗地使用(是对于许多类型II用户的情况)，如果手指针刺指示漂移，那么仍可能在漂移并不显著的情况下使用传感器。在许多情况下，此处描述的技术可用以补救漂移的影响，且仍允许准确读数的显示。如果装置非附加地使用，例如对于胰岛素使用类型I患者，则如果手指针刺指示漂移，那么可以更激进地进行补救或调整，例如重新校准，且如果无法进行此做法，或者如果即使在重新校准后也无法返回准确传感器读数，那么可以向用户显示停止使用传感器的指示。
可以执行样式分析以确定改变或变化是否为已知类型，例如是已知灵敏度改变的特性。样式分析可以确定改变或变化是否满足对于某些表现已知的准则，例如超过某些阈值。如上所述，可以采用一天的表现来确定缓慢移动平均值。如果在分析之后该天的数据由系统确定为不可信，那么可以使用另一天的数据。可以在若干范围或带中或者以置信度区间或其它指示来显示数据，而不是作为高精度数值。在采用缓慢移动平均值的情况下，可以调整缓慢移动滤波器的时间常数以便包含或排除较短期变化。
图24的流程图250中概括了这些方面。
首先参看图24，可以通过传感器测量分析物浓度的值(步骤252)。这些值一般作为电流而测量，例如作为安培(微微安培)，以及等效地作为计数而测量。可以通过测量在一长时间周期中的计数来界定缓慢移动平均值，例如在若干小时、半天、24小时或2到3天中。由于传感器在单元之间变化，因此缓慢移动平均值将一般仅在一旦初始周期(例如，24小时)已经过后有意义。因此，下一步骤是确定在第一时间周期中的第一缓慢移动平均值(步骤254)。
在一个实施方案中，可如以上文所述的方式经由种子值来假定第一表观灵敏度的初始使用的值。接着可以基于第一缓慢移动平均值而确定第一表观灵敏度(步骤256)。特定来说，如果假定第一缓慢移动平均值，那么第一表观灵敏度可以基于假定的第一缓慢移动平均值与测得的平均值之间的关系。
随后，可以确定第二时间周期中的第二缓慢移动平均值(步骤258)。且再次，任选地，第二表观灵敏度可以基于第二缓慢移动平均值(步骤260)。
如果发现缓慢移动平均值或表观灵敏度在第一与第二时间周期之间改变，那么可以要求补救动作。因此，下一步骤是确定改变是否匹配于预定准则(步骤262)。预定准则可以包含若干元素(步骤270)，例如已知的随着时间的灵敏度改变、灵敏度分布曲线的包络、生理上可行的改变、与例如泵故障等错误相关联的改变或类似者。举例来说，此步骤可以要求关于改变是否匹配于与灵敏度漂移、故障或平均葡萄糖浓度值的实际改变相关联的准则的确定(步骤264)。如果与漂移一致，例如如果通过与已知灵敏度分布曲线的比较而确定灵敏度已经漂移，那么可以自动进行校正。在任何情况下，可以至少部分地基于两个缓慢移动平均值之间的差而调整灵敏度(步骤268)，因为所述差提供传感器已经受的改变或漂移的程度的量化指示。
如果改变不与漂移一致，那么可以确定改变是否与预定准则存在的其它原因一致。如果改变不与已知表现一致，例如不匹配于预定准则，那么可以提示用户输入信息以解释改变(步骤266)，例如进餐或锻炼信息、手指针刺校准值、来自其它外部源的数据或类似信息。在一些情况下，在重新校准例程中可以采用用户输入的数据连同缓慢移动平均值或灵敏度的量化差，以例如确定新的或更新的灵敏度。
图25图示了采用缓慢移动平均值或稳态值的示例性方法的另一流程图286。在第一步骤中，在初始校准之后，继续以传感器监视分析物浓度值(步骤288)。初始校准可以基于若干因素(步骤290)，包含群体平均值、来自先前会话的数据、工作台数据、体外数据或其它先验数据。
基于测量值且基于初始值，计算和/或显示分析物浓度的临床值。接着可以仅基于测量值，例如仅基于来自传感器的信号而计算更新的校准(步骤294)。所述调整可以基于缓慢移动平均值的改变、稳态值的改变或其它基础。
在更新的校准后，可以基于更新的校准而计算和/或重新计算临床值(步骤298)，且接着可以更新显示(步骤300)，包含基于更新的校准而更新先前显示的(历史)值为更新的值。
图26的流程图302图示了本发明原理的又一实施方案。第一步骤是在监视装置上接收校准参数的种子值(步骤304)，例如灵敏度。种子值可以基于若干因素(步骤306)，包含疾病状态的用户自表征、群体平均值、来自先前会话的数据、工作台数据、体外数据或其它先验数据。
监视装置接着继续接收传感器数据，且可以检测何时分析物浓度值处于稳态(步骤308)。举例来说，这可以当在预定时间周期中的一组接收信号处于值的预定范围或带内时发生。测得的信号值(例如，以电流或计数)与已知或假定的稳态值的相关可接着发生(步骤310)。
在相关步骤后，监视装置继续从传感器接收信号(步骤312)。基于所接收信号、已知或假定的稳态值(即使主体不再处于稳态)以及种子值而计算和显示分析物浓度的临床值(步骤314)。
可以检测在预规定参数之外的表现，如上文结合图24所述，且可以提示用户输入外部数据，例如手指针刺校准值(步骤316)。可以基于所接收信号、外部数据以及任选地种子值而计算重新校准和/或重新计算 然后是后续显示(步骤318)。在一些实施方案中，可以基于执行的计算而复位已知稳态值和/或种子值(步骤320)，且重新计算和重新显示历史值。
图27到33图示了用于使用概率方法确定校准参数(例如，灵敏度和基线)的详细方法。概率方法的某些方面在2013年3月14日提交的标题为《用于分析物传感器的高级校准(Advanced Calibration For Analyte Sensors)》的第13/827,119号美国专利申请中描述，所述美国专利申请由本申请的受让人所有且以全文引用的方式并入本文。在包含此处称为“基于信号的校准算法”的内容的以引用方式并入的此申请中，以实时输入修改先验校准分布信息且转换为后验校准分布信息，由此确定经校准数据点。以此方式，可以避免校准误差，其中例如回归由于关于参考数据的不恰当的假设而导致错误的灵敏度和/或基线值。除了上文以引用方式并入的申请中描述的方式外，也可以采用确定例如灵敏度和基线等校准参数的其它方式。这些方式包含使得工厂校准在传感器会话等的寿命期间可用的技术。
在图27到33中，再次采用用于例如灵敏度和基线等校准参数的分布，但其基于随后已知的数据而优化，例如在传感器会话的前24小时使用中获得的传感器计数分布。首先参看图27的流程图322，第一步骤是从传感器接收分析物浓度的初始值，以及接收灵敏度以及任选地基线的初始值或分布(步骤324)。在一些情况下，基线的影响可以减少到基本上为零，从而简化计算。灵敏度的初始值可来自上文所述的源(步骤326)，例如由用户输入、从群体平均值得出、从先前会话传送，或种子值的其它源。初始值也可以用作缓慢移动平均滤波器的基础或计算的部分。在灵敏度或基线的初始值是这些值的分布的情况下，那么其可以至少最初从群体统计的考虑中形成。
接着监视来自传感器的分析物信号(步骤328)。接着基于监视的信号和灵敏度的初始值或分布(步骤330)或替代地基于平均葡萄糖的初始值而计算和显示多个临床值。为了简单，基线假定为零或可忽略。假设灵敏度的初始值或分布以使得可为用户提供显示的分析物浓度值，即使所述值在此初始时间周期期间不如其在后续时间收集到额外数据时那样准确。
接着可以确定所监视信号的值分布(步骤332)。可以计算所监视信号的值分布的代表性值(步骤334)，例如平均值、中值、均值等等。作为初始灵敏度，基于初始假设的灵敏度，可以将代表性值除以分析物浓度的初始值(步骤338)。
接着可以优化灵敏度的初始值或值分布和/或多个浓度值以匹配于所监视信号的值分布(步骤336)。更详细来说，传感器计数是灵敏度与分析物浓度的乘积，且因此浓度等于传感器计数除以灵敏度。可以确定中值传感器计数，例如在获得1天的数据之后，且可以执行搜索，在给定来自灵敏度参数空间和基线参数空间的分布或样本时，所述搜索优化或提供传感器计数的分布的最佳拟合。举例来说，如果用户在一天的长期葡萄糖值范围是从100到200，那么可推断关于灵敏度和基线可为多少的某些限制。因此可以选择在分布内的灵敏度和长期葡萄糖值，使得其乘积最佳地优化传感器计数的测得代表性值。另外，可以选择灵敏度和长期葡萄糖值(步骤340)以使得其值是‘最可能的’，其中‘最可能’意味着其值最接近于其相应分布的中心。可以监视缓慢移动平均值(步骤342)，且如上所述检测和分析其中的改变(步骤344)。
换句话说，在第一天后，关于假设的初始平均葡萄糖值或灵敏度以及传感器计数的分布的数据存在。从所述分布，可以获得中值传感器计数。
传感器计数SC＝fSC(SC)，其具有正态分布。
灵敏度等式具有如下形式：
y＝mx+b
如果假定b＝0且等式进一步指定为平均值，那么：
中值传感器计数＝m*平均葡萄糖值
且将传感器计数和灵敏度均视为正态分布：
fSC(SC)＝m*GV
而且，已知m是由于漂移带来的缓慢移动时间函数，且因此：
fSC(SC)＝m(t)*GV
且因此显然，传感器计数和葡萄糖值通过乘法“常数”而连接，所述常数实际上是缓慢移动时间函数。
传感器计数的分布也可揭示灵敏度的潜在分布的方面，即潜在初始灵敏度m，且特定来说：
平均GV＝(中值SC/mmedian)
且因此：
mmedian＝中值SC/平均GV
举例来说，如果中值SC是131,000且平均GV是131，那么m是1000计数/(mg/dL)。且可以检查m的分布以确定此值是合理还是不可能。且在‘b’不可忽略的情况下可以针对其做出类似确定。
所监视信号(传感器计数)的值的代表性值可以转换为长期葡萄糖的估计：
长期葡萄糖＝(长期传感器计数)/(经取样灵敏度)-经取样基线，以mg/dL计
图28的曲线图346图示了样本灵敏度的示例性分布，来自图29的曲线图348图示了样本基线的示例性分布，且图30的曲线图350图示了经取样长期葡萄糖值的示例性分布。作为一个实例，如果传感器计数的代表性值是113,536，那么给定上述三个分布的约束，最佳斜率是890计数/(mg/dL)，长期葡萄糖的最佳估计是153.5685，且最佳基线是-26mg/dL。这些点在图31、32和33上再现的同一组曲线图346、348和350上分别在点354、358和362处图示。
在变化中，可以使分布更加‘颗粒化’，使得可以针对不同人口统计群体或群组提供不同分布。还将理解其它变化。
如上所述，缓慢移动平均滤波器可以用作漂移量化的部分，因为高级传感器的对葡萄糖的选择性是高的，因此，对缓慢移动平均值的改变的主要贡献因素是灵敏度。为了最初为缓慢移动平均滤波器做种子，平均葡萄糖浓度的初始种子值可以乘以平均灵敏度以得到初始计数数目。随后：
St＝αFiltertα*St-1+(1-α)S TXtsensort
在一时间周期(例如，1天)之后，可以接收足够数据以使得其可被修正为实际平均值，且其用于漂移的确定。接着可以重复以上步骤以确定按上述方式的斜率、基线和葡萄糖的后续最佳组合将给出最佳原始计数以匹配于从例如第一天数据确定的原始计数的估计。
在一些实施方案中，在获得更多数据时根据测得数据来修改分布。以此方式可以获得更好的校准。在开始时，仅采用假设的分布。随后，实际测得数据可用且可以采用。可以用中值或其它代表性传感器计数为滤波器重新做种子，且分布将一般收敛于实际测得数据。如果手指针刺数据可用，那么其可以用于甚至更快的收敛。
可以若干方式执行做种子或重新做种子，且进行定制以基于滤波器种子参数实现漂移曲线的更快速收敛。举例来说，滤波器的初始种子值可基于如从预期平均葡萄糖水平和传感器灵敏度估计的预期信号电平。葡萄糖的初始种子值也可基于主体人口统计，例如用户的年龄及其糖尿病持续时间。初始种子值也可基于例如医疗记录信息或实验室测试等数据，例如禁食葡萄糖水平、糖化血红素(A1C)测试、当前糖尿病治疗(例如，口服药物、基础胰岛素使用或强化胰岛素疗法)或者下载的自监视血糖值。
在另一实施方案中，初始种子值可首先用以开始在正向方向上运行的滤波器。在已经收集一组代表性传感器读数之后，例如在24小时的传感器读数之后，则第二滤波器可在反向方向上运行。当一组代表性传感器读数可用时，则可以典型信号值为正向或反向滤波器做种子，例如中值传感器读数，或者可以针对预期漂移调整的典型信号值为滤波器做种子，例如以0.9*中值开始正向滤波器且以1.1*中值开始反向滤波器。这些技术具有的益处是当使用两个或更多个滤波器时，例如正向滤波器和反向滤波器，则其种子值可被进一步优化以使两个滤波器输出之间的差最小。举例来说，一种示例性方式是使两个滤波器输出之间的均方误差最小。
在如上文所述的根据本发明原理的系统和方法中，重新界定每天的种子值有助于使信号域中的平均绝对误差最小。在一个实施方案中，在每天，使用例如从第一天的信号轨迹的大致估计，含噪声滤波器输出的平滑趋势可产生第二天的漂移的轨迹。可以从两种或多种不同方法此较漂移速率估计，且可将两者之间的差或误差馈送到算法中，例如基于信号的校准算法，例如上文以引用方式并入的专利申请(第13/827,119号)中所公开，所述算法尤其关于确定性区间确定灵敏度分布。同样以此方式，可提取信号特征，包含对应于噪声、电平、漂移模型、功率、能量等等的特征。以此方式，可确定漂移校正是否在恰当轨迹上。举例来说，如果漂移斜率与工厂校准模型所表明的情形相当不同，例如相差超过预定阈值百分比，那么可提示用户进行反馈或可提示用户提供手指针刺校准。
在一些实施方案中，可采用平滑滤波器以实时补偿信号漂移。在一个情况下，使用双指数平滑滤波器。此滤波器可以假定无季节性的乘法衰减趋势；然而，可以假定加法或乘法季节性以改善性能。双指数滤波器操作以恢复传感器信号中随着时间而变的潜在改变，即漂移。存在管控双指数平滑滤波器的三个主要潜在等式：
等式中的参数的表可参见以下表I：
表I
在以上等式中，且在此设定中，α和β可以视为小的。α是小的，因为希望使滤波器不受葡萄糖游离的影响。β是小的，因为正恢复的潜在趋势本质上在缓慢移动。使用以下参数产生一组示例性结果(表II(假定五分钟取样速率))：
表II
在以上等式中，斜率可为算法计算的初始灵敏度或者从另一方法或使用用于确定上述灵敏度值的方法中的任一者确定的值。以上等式中的平均葡萄糖可为来自先前会话或例如基于由用户报告的A1C值的历史葡萄糖值的均值。在一个实施方案中，使用来自一群测试主体的2小时校准和自报告A1C数字，使用由算法估计的初始灵敏度产生数据。
漂移校正曲线是使用以下等式估计：
接着使用以下等式对传感器信号进行漂移校正：
接着使用以下等式计算葡萄糖值：
在以上等式中，在初始校准和基线处由算法估计的斜率是斜率乘以1mg/dL。
为了示出双指数滤波器的功效，图34和35图示了示例性葡萄糖轨迹。图34示出了CGM轨迹364连同参考和校准值。图35示出了原始传感器信号366连同来自双指数滤波器的输出367。在此情况下，使用由用户输入的两个起始值校准传感器一次。
以上传感器的估计漂移曲线通过图36中的曲线368可见。如可见，在向上和向下方向上容易见到漂移曲线，且如由双指数滤波器检测和量化的漂移的知识允许漂移的校正。此实施方案的一个优点在于，不需要依赖于任何已知曲线形状来校正漂移。
图37到39是其中图示了根据以上原理的漂移校正的额外图表。
除了双指数滤波器的使用外，也可以使用其它滤波器。举例来说，可以采用卡尔曼滤波器，其包含过程噪声(也称为模型噪声)以及测量噪声估计。也可以使用高斯滤波器以及经典巴特沃斯低通滤波器、移动中值滤波器、移动平均滤波器等等，只要滤波器有助于揭示潜在趋势即可。可以使用滤波器组或滤波器系列，其组合多个滤波器以便获得潜在信号中的平均或组合趋势。在使用多个滤波器的情况下，可以在单个组内采用不同类型的滤波器，且滤波器设定可以在滤波器之间变化。通过使用多个滤波器，可以在后续时间周期的结束时改善信号校正，例如在第二天有价值数据的结束时、在第三天有价值数据的结束时等等。在不希望受限于理论的情况下，在这些滤波器的使用中假定每日的平均葡萄糖测量的可变性与斜率改变或潜在信号改变相比是微不足道的。
在其它变化中，可以在漂移估计滤波之前预处理信号以移除数据间隙和离群值。另外，可以一方式自动更新校准以减少CGM读数中的未预期跳跃的发生。这些方式包含当信号稳定时做出改变，例如在午夜更改校准设定，或在一时间周期(例如，一小时或更久)中将校准改变缓慢地混合为当前设定。
可与滤波一起采用的其它有用技术包含各种分解技术。举例来说，可采用经验模式分解以将信号分解为随着时间的一系列本征模式函数。可以采用其它基于时间和频率的分解，包含傅立叶变换和小波变换。
在另一变化中，在校准中可确定和使用其它基于信号的参数。举例来说，参看图40，可见传感器信号的变化系数(CV)与信号中的葡萄糖变化具有强相关，例如与葡萄糖标准偏差具有强相关。因此，在确定校准参数中，可以采用此相关来选择满足信号CV-葡萄糖标准偏差误差模型的校准参数。
更详细来说，如已经描述的先验信息可用于工厂校准中，且这包含在特定校准之前获得的信息。举例来说，此信息包含来自先前校准的信息、在传感器插入之前获得的信息等等。校准信息包含有用于校准连续葡萄糖传感器的信息，例如但不限于：灵敏度(m)、灵敏度改变(dm/dt)，以及如上文已经描述的其它信号和时间导数方面。还重要的是，先验信息包含分布信息，例如范围、分布函数以及包含平均和标准偏差的分布参数。
特定关于葡萄糖值的分布的标准偏差，其可以有利地用于例如确定可能葡萄糖值的边界以及灵敏度与基线的可能组合。标准偏差也可以用于从先验校准分布信息确定确定性水平，例如在所述信息为来自先前校准的后验校准分布信息的反馈的情况下(在分布的紧密度或松散度水平由标准偏差量化的情况下)。以相同方式，确定性水平可以从后验校准分布信息确定，例如基于分布的紧密度或松散度水平，其再次可以由标准偏差量化。
作为特定实例，图41示出了在10天的过程中的葡萄糖信号。从此可以计算信号标准偏差和信号均值。接着可以如下确定信号变化系数：
信号CV＝信号标准偏差/信号均值
在图41的情况下，信号CV计算为0.4230。
如果已经确定信号CV与葡萄糖标准偏差之间的关系，例如参见图42中的线，那么上文确定的所计算信号CV可用以确定预期葡萄糖标准偏差，其可接着用于上述计算以及其它计算中。举例来说，可以使用此相关以及在以引用方式并入上文的第13/827,119号美国专利申请内在校准中使用的误差模型来建置误差模型。
图43示出了测得的标准偏差与预期标准偏差之间的差的示例性分布。
也可以采用其它关系。举例来说，参看图44，可以见到平均葡萄糖值与葡萄糖标准偏差之间的关系。特定来说，可见具有较高标准偏差的用户趋于具有较高平均葡萄糖。此关系可以用于确定、设定、推断或以其它方式选择校准值。作为另一实例，且参看图45，另一有用指示符是患者类型。特定来说，图45图示了非糖尿病、类型I糖尿病与类型II糖尿病患者之间的葡萄糖标准偏差的清楚区别。因此，基于患者类型，为患者群体选择的模型可以基于群体类型而改变，例如标准偏差可以在CV误差模型上收紧，均值可以移位等等。
如上所述，系统可以针对从前一时间周期的数据的时间滞后调整数据(例如，移除由实时滤波引起的时间滞后)，且可以显示所述时间周期的经时间滞后调整数据的图形表示(例如，趋势曲线图)。系统也可以补偿时间滞后。举例来说，图46示出了由时间滞后分离的数据点，其中Δ表示两个邻近点之间的个别改变速率。通过使用例如以下或类似的等式，可以补偿这些时间滞后：
Glucose(t)＝[DriftCorrectedSensor(t)+5*ROC(t)]/m-b(mg/dL)
举例来说，如果当前点处于轻度噪声，那么可以采用所有经滤波传感器计数。
实例
现在描述示例性校准例程，在图47的流程图400中可见其步骤。在第一步骤中，以工作台测试表征灵敏度分布对时间，其在一天或多天中测量葡萄糖溶液中的传感器响应(步骤402)。由于这通常是破坏性测试，因此其可以在来自一制造批次或制造线的一组代表性传感器上运行。此测试可以周期性地或当过程改变时重复，例如当原始材料或设备中存在改变时。接着可以非破坏性工作台测试来测量每一传感器的灵敏度(步骤404)。步骤402和404的结果用以估计每一传感器的活体内初始和最终灵敏度(步骤406)。
此处应注意，破坏性测试测量一群组的传感器的长期漂移，例如确定传感器在前两天漂移10％。非破坏性工作台测试提供每一传感器在日志中的开始点，例如主体传感器可以具有20的开始灵敏度。组合两个测试可确定，例如主体传感器在20处开始且预期漂移10％，例如达到22。
因此，此步骤以函数映射或变换工作台值为活体内值，所述函数是在如临床试验等良好表征的活体内数据上训练或优化。作为另一实例，主体传感器可以在24处开始且在活体内漂移到26。
在制造期间校准发射器的电特性(例如增益和偏移)(步骤408)且将这些校准因数存储在发射器上(步骤412)以使得可针对电子器件中的部分到部分差异而校正原始传感器信号，然后运行算法。
接着与单次使用发射器一起封装传感器(步骤414)。传感器的识别符(例如，识别号)是借助光学条码来读取且其估计活体内灵敏度是从制造数据库检索且使用例如无线(NFC或)通信写入到发射器(步骤416)。
当发射器首先检测到其连接到起作用的传感器时，开始会话定时器且算法开始(步骤418)。算法开始使用CGM模型将传感器信号转换为葡萄糖(步骤420)，其中模型参数设定为关于在步骤416中记录的传感器灵敏度的先前信息。
当一组代表性信号数据(例如，24小时)可用时，可以使用中值信号值和假定的漂移量来设定用于正向和反向滤波器的种子参数(步骤422)。接着进一步优化这些种子值以使两个信号滤波器之间的均方误差最小(步骤424)。
基于信号的校准算法使用正向和反向滤波器信号以及还有原始传感器信号的平均值，且在这样做时调整模型参数，例如灵敏度和基线，以满足若干准则(步骤426)。在这样做时，采用基于时间的输入数据来更新算法。示例性基于信号的校准算法是在上文以引用方式并入的专利申请(第13/827,119号)且特定来说在[0188](即，实例4)公开的算法，其说明用于漂移估计和校正的贝叶斯学习方法。
在图47的实施方案中，调整模型以满足平均葡萄糖值与预期糖尿病均值一致的准则，且可以进一步调整模型以满足CGM葡萄糖可变性与平均葡萄糖水平一致的另一准则。为了计算这些度量，算法在平均葡萄糖与葡萄糖可变性之间具有假定关系。举例来说，非糖尿病者可具有85mg/dL的平均葡萄糖水平以及15mg/dL的标准偏差。糖尿病患者可具有170mg/dL的平均葡萄糖以及65mg/dL的标准偏差。
CGM模型使用经优化模型参数以将后续传感器读数转换为葡萄糖值(步骤428)，其接着被显示。
当新的一组信号数据可用时重复步骤424到428。
可以使用类似方法来检测不可接受量的传感器改变(通常为从第7天往后的灵敏度损失)且停止显示可能不准确的读数。
在一个优选实施例中，分析物传感器是可植入葡萄糖传感器，例如参考美国专利6,001,067和第US-2005-0027463-A1号美国专利公开案所述。在另一优选实施例中，分析物传感器是经皮葡萄糖传感器，例如参考第US-2006-0020187-A1号美国专利公开案所述。在再其它实施例中，传感器被配置成在主体血管中或在体外植入，例如第US-2007-0027385-A1号美国专利公开案、2006年10月4日提交的第11/543,396号共同待决美国专利申请、2007年3月26日提交的第11/691,426号共同待决美国专利申请以及2007年2月14日提交的第11/675,063号共同待决美国专利申请中所述。在一个替代实施例中，连续葡萄糖传感器包括例如Say等人的美国专利6,565,509中描述的经皮传感器。在另一替代实施例中，连续葡萄糖传感器包括例如参考Bonnecaze等人的美国专利6,579,690或Say等人的美国专利6,484,046描述的皮下传感器。在另一替代实施例中，连续葡萄糖传感器包括例如参考Colvin等人的美国专利6,512,939描述的可再填充皮下传感器。在另一替代实施例中，连续葡萄糖传感器包括例如参考Schulman等人的美国专利6,477,395描述的血管内传感器。在另一替代实施例中，连续葡萄糖传感器包括例如参考Mastrototaro等人的美国专利6,424,847描述的血管内传感器。
图式中所示的元件之间的连接说明示例性通信路径。可以包含直接或经由中介物的额外通信路径以进一步促进元件之间的信息交换。通信路径可以是双向通信路径，从而允许元件交换信息。
上文描述的方法的各种操作可以由能够执行所述操作的任何合适的构件执行，例如各种硬件和/或软件组件、电路和/或模块。一般来说，图式中说明的任何操作可以由能够执行所述操作的对应功能构件执行。
结合本公开描述的各种说明性逻辑块、模块和电路(例如图2和4的块)可以通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列信号(FPGA)或其它可编程逻辑装置(PLD)、离散门或晶体管逻辑、离散硬件组件或其经设计以执行本文描述的功能的任何组合来实施或执行。通用处理器可为微处理器，但在替代例中，处理器可为任何市售处理器、控制器、微控制器或状态机。处理器也可实施为计算装置的组合，例如DSP与微处理器的组合、多个微处理器、结合DSP核心的一个或多个微处理器，或任何其它此类配置。
在一个或多个方面中，所描述功能可以硬件、软件、固件或其任何组合实施。如果以软件来实施，那么功能可作为一个或多个指令或代码存储于计算机可读媒介上或经由计算机可读媒介传输。计算机可读媒介包含计算机存储媒介和通信媒介两者，所述通信媒介包含促进计算机程序从一处转移到另一处的任何媒介。存储媒介可为可由计算机存取的任何可用媒介。举例来说且并非限制，此计算机可读媒介可包括各种类型的RAM、ROM、CD-ROM或其它光盘存储装置、磁盘存储装置或其它磁性存储装置，或可用以载运或存储呈指令或数据结构的形式的所需程序代码且可由计算机存取的任何其它媒介。而且，将任何连接恰当地称为计算机可读媒介。举例来说，如果使用同轴电缆、光纤电缆、双绞线、数字订户线(DSL)或例如红外线、无线电和微波等无线技术从网站、服务器或其它远程源传输软件，那么同轴电缆、光纤电缆、双绞线、DSL或例如红外线、无线电和微波等无线技术包含于媒介的定义中。如本文所使用，磁盘和光盘包含压缩光盘(CD)、激光光盘、光学光盘、数字多功能光盘(DVD)、软磁盘和光盘，其中磁盘通常以磁性方式再生数据，而光盘用激光以光学方式再生数据。因此，在一些方面中，计算机可读媒介可以包括非暂时性计算机可读媒介(例如，有形媒介)。另外，在一些方面中，计算机可读媒介可以包括暂时性计算机可读媒介(例如，信号)。以上各项的组合也应包含在计算机可读媒介的范围内。
本文揭示的方法包括用于实现所描述方法的一个或多个步骤或动作。在不脱离权利要求书的范围的情况下，所述方法步骤和/或动作可彼此互换。换句话说，除非指定步骤或动作的特定次序，否则可在不脱离权利要求书的范围的情况下修改特定步骤和/或动作的次序和/或使用。
某些方面可以包括用于执行本文呈现的操作的计算机程序产品。举例来说，此计算机程序产品可以包括具有存储(和/或编码)于其上的指令的计算机可读媒介，所述指令可由一个或多个处理器执行以执行本文描述的操作。对于某些方面，计算机程序产品可以包含封装材料。
软件或指合也可以经由传输媒介传输。举例来说，如果使用同轴电缆、光纤电缆、双绞线、数字订户线(DSL)或例如红外线、无线电和微波等无线技术从网站、服务器或其它远程源传输软件，那么同轴电缆、光纤电缆、双绞线、DSL或例如红外线、无线电和微波等无线技术包含于传输媒介的定义中。
此外应了解，用于执行本文描述的方法和技术的模块和/或其它适当构件可在适用时由用户终端和/或基站下载和/或以其它方式获得。举例来说，此装置可耦合到服务器以促进用于执行本文描述的方法的构件的传送。替代地，本文描述的各种方法可经由存储构件(例如，RAM、ROM、例如压缩光盘(CD)或软磁盘等物理存储媒介等等)提供，使得用户终端和/或基站可在将存储构件耦合或提供到装置后获得各种方法。而且，可利用用于将本文描述的方法和技术提供到装置的任何其它合适技术。
应理解，权利要求书不限于上文说明的精确配置和组件。在不脱离权利要求书的范围的情况下，可在上文描述的方法和设备的布置、操作和细节上做出各种修改、改变和变化。
除非另外定义，否则所有术语(包含技术和科学术语)将被给予其对本领域的普通技术人员普通且惯例的意义，且不限于特殊或定制的意义，除非本文明确地如此定义。应注意，当描述本公开的某些特征或方面时特定术语的使用不应当暗示所述术语在本文中重新定义为限于包含所述术语所关联的本公开的特征或方面的任何特定特性。本申请中使用的术语和短语及其尤其在所附权利要求书中的变化应当解释为开放式的而不是限制性的，除非另外明确陈述。作为前述内容的实例，术语‘包含’应当理解为意味着‘包含而无限制’、‘包含但不限于’或类似意义；如本文使用的术语‘包括’与‘包含’、‘含有’或‘特征在于’同义，且为包含性或开放式的，且并不排除额外、未陈述的元件或方法步骤；术语‘具有’应当解译为‘至少具有’；术语‘包含’应当解译为‘包含但不限于’；术语‘实例’用以提供讨论中的项目的示例性实例，而不是其详尽或限制性列表；例如‘已知’、‘正常’、‘标准’及类似意义的术语等形容词不应解释为将所描述项目限于给定时间周期或限于关于给定时间可用的项目，而是应当理解为涵盖可在现在或在未来的任何时间可用或已知的已知、正常或标准技术；且如‘优选地’、‘优选’、‘所需’或‘合意’及类似意义的词等术语的使用不应理解为暗示某些特征对于本发明的结构或功能是关键的、基本的或甚至重要的，而是仅希望突出在本发明的特定实施例中可以或可以不利用的替代或额外特征。同样，与连词‘和’关联的一群组的项目不应理解为要求那些项目中的每一和每个存在于群组中，而是应理解为‘和/或’，除非另外明确陈述。类似地，与连词‘或’关联的一群组的项目不应理解为要求所述群组当中的互斥性，而是应理解为‘和/或’，除非另外明确陈述。
在提供值范围的情况下，应理解实施例内涵盖所述范围的上限和下限以及在上限与下限之间的每一介入值。
关于本文中大体上任何复数和/或单数术语的使用，本领域的技术人员可在上下文和/或应用适当时从复数转译为单数和/或从单数转译为复数。为了清楚起见，本文可以明确陈述各种单数/复数排列。不定冠词“一”并不排除多个。单个处理器或其它单元可以满足权利要求中陈述的若干项目的功能。在相互不同的附属权利要求中陈述某些量度的仅有事实并不指示这些量度的组合无法有利地使用。权利要求中的任何参考符号不应解释为限制范围。
本领域的技术人员将进一步理解，如果引入的权利要求陈述的具体数目是既定的，那么此意图将在权利要求中明确地陈述，且在没有此陈述的情况下不存在此意图。举例来说，作为对理解的辅助，随后所附的权利要求书可以含有使用引导性短语“至少一个”和“一个或多个”来引入权利要求陈述。然而，使用这些短语不应当解释为暗示通过不定冠词“一”引入权利要求陈述将含有此引入的权利要求陈述的任何特定权利要求限制于含有仅一个此类陈述的实施例，甚至当同一权利要求包含引导性短语“一个或多个”或“至少一个”和例如“一”等不定冠词(例如，“一”应当通常解译为意味着“至少一个”或“一个或多个”)时也是如此；用以引入权利要求陈述的定冠词的使用也是同理。另外，即使明确陈述引入的权利要求陈述的具体数目，本领域的技术人员也将认识到，此陈述应当通常解译为意味着至少所陈述的数目(例如，“两个陈述”而无其它修饰词的仅有陈述通常意味着至少两个陈述，或者两个或更多个陈述)。此外，在其中使用类似于“A、B和C中的至少一者等”的惯例的那些实例中，一般此构造希望是本领域的技术人员将理解所述惯例的意义，例如，包含所列项目的任何组合，包含单个成员(例如，“具有A、B和C中的至少一者的系统”将包含但不限于单独具有A、单独具有B、单独具有C、具有A和B一起、具有A和C一起、具有B和C一起和/或具有A、B和C一起等的系统)。在其中使用类似于“A、B或C中的至少一者等”的惯例的那些实例中，一般此构造希望是本领域的技术人员将理解所述惯例的意义(例如，“具有A、B或C中的至少一者的系统”将包含但不限于单独具有A、单独具有B、单独具有C、具有A和B一起、具有A和C一起、具有B和C一起和/或具有A、B和C一起等的系统)。本领域的技术人员将进一步理解，呈现两个或更多个替代项的实际上任何分离性词和/或短语无论在描述中、权利要求书中还是附图中都应理解为预期包含所述项中的一者、所述项中的任一者或两个项的可能性。举例来说，短语“A或B”将理解为包含“A”或“B”或“A和B”的可能性。
在说明书中使用的表达成分的量、反应条件等等的所有数字应理解为在所有实例中由术语“约”做出修饰。因此，除非相反地指示，否则本文陈述的数值参数是可以取决于寻求获得的所需性质而变化的近似值。至少且并不尝试将等效物教义的应用限于要求本申请的优先权的任何申请中的任何权利要求的范围，每一数值参数应当鉴于有效数位的数目以及普通舍入方法来解释。
本文引用的所有参考文献以全文引用的方式并入本文。在以引用方式并入的公开案和专利或专利申请与说明书中含有的公开内容矛盾的程度上，说明书既定取代和/或优先于任何此类矛盾的内容。
本文包含标题是为了参考以及帮助定位各个章节。这些标题不希望限制关于其所描述的概念的范围。这些概念可以贯穿整个说明书具有适用性。
此外，虽然为了清楚和理解已经借助于图示和实例以某些细节描述了前述内容，但本领域的技术人员显而易见，可以实践某些改变和修改。因此，描述和实例不应解释为将本发明的范围限于本文描述的特定实施例和实例，而是还涵盖伴随本发明的真实范围和精神的所有修改和替代例。

Claims (129)

1.一种仅使用来自生物系统内的分析物浓度传感器的信号校准所述分析物浓度传感器的方法，其中在稳态下，所述生物系统内的分析物浓度值是已知的，所述方法包括：
a.在监视装置上，检测如由留置于生物系统中的分析物浓度传感器测得的分析物浓度值何时构成第一可重复事件；以及
b.在所述监视装置上或者在以操作方式耦合到所述监视装置的装置或服务器上，使当所述生物系统处于所述所检测第一可重复事件时的所述分析物浓度值的测量相关于所述已知分析物浓度值。
2.根据权利要求1所述的方法，其中所述相关包含确定传感器读数与所述已知分析物浓度值之间的函数关系。
3.根据权利要求2所述的方法，其中所述函数关系包含乘常数。
4.根据权利要求1到3中任一权利要求所述的方法，其中所述检测包含在所述监视装置上进入事件后等待预定时间。
5.根据权利要求4所述的方法，其中所述事件是进餐或锻炼。
6.根据权利要求1到5中任一权利要求所述的方法，其进一步包括：
a.在所述相关后，检测第二可重复事件的发生，所述第二可重复事件不同于所述第一可重复事件；以及
b.通过使当所述生物系统处于所述所检测第二可重复事件时的传感器读数相关于所述已知分析物浓度值而重新校准所述分析物浓度传感器。
7.根据权利要求6所述的方法，其中所述传感器读数具有在初始校准处的第一原始值以及在重新校准处的第二原始值，且其中所述第一和第二原始值是不同的。
8.根据权利要求6所述的方法，其中所述重新校准被配置成在当传感器读数大体上稳定的时间发生，或者在阈值时间周期的读数的预定范围内，由此减少读数中的未预期跳跃的发生。
9.根据权利要求7所述的方法，其进一步包括：
a.在所述相关后，显示曲线图或表，所述曲线图或表指示如至少部分地基于所述相关而校准的所述分析物浓度的当前测得及历史值；以及
b.在所述重新校准后，根据所述重新校准更新指示所述分析物浓度的当前测得及历史值的所述曲线图或表的显示。
10.根据权利要求9所述的方法，其中所述更新改变所述分析物浓度的所述历史值的所述显示。
11.根据权利要求7所述的方法，其进一步包括：
a.确定所述第一与第二原始值之间的差；
b.将基于所述差的量与预定准则进行比较，且基于所述比较而确定所述传感器校准是否已经漂移。
12.根据权利要求11所述的方法，其进一步包括确定所述传感器校准已经漂移的量化量。
13.根据权利要求12所述的方法，其进一步包括基于所述所确定量化量而调整所述传感器校准。
14.根据权利要求11所述的方法，其中所述量是所述第一与第二原始值之间的斜率。
15.根据权利要求14所述的方法，其中如果所述斜率超过预定阈值，那么禁止进一步校准直到所述斜率不再超过预定阈值为止。
16.根据权利要求15所述的方法，其进一步包括提示用户输入测得值。
17.根据权利要求1到11中任一权利要求所述的方法，其中所述传感器是葡萄糖传感器。
18.根据权利要求1到17中任一权利要求所述的方法，其进一步包括：
a.在所述相关后，从所述传感器接收信号；以及
b.显示对应于所述所接收信号的值，所述所显示值是基于所述所接收信号以及所述已知分析物浓度值。
19.根据权利要求1到18中任一权利要求所述的方法，其进一步包括通过提示所述用户输入测得值而确定所述已知分析物浓度值的步骤。
20.根据权利要求1到19中任一权利要求所述的方法，其进一步包括通过存取群体平均值而确定所述已知分析物浓度值的步骤。
21.根据权利要求1到20中任一权利要求所述的方法，其中所述可重复事件选自由以下各项组成的群组：稳态、餐后上升、每日高-低葡萄糖扩展、衰减速率，或改变速率。
22.一种仅使用来自分析物浓度传感器的信号补偿生物系统内的分析物浓度传感器中的漂移的方法，其包括：
a.使用留置的分析物浓度传感器测量分析物的值；
b.确定在第一时间周期中所述分析物的所述测得值的第一缓慢移动平均值，且使所述传感器的校准至少部分地基于所述第一缓慢移动平均值；
c.在所述第一确定后，确定在第二时间周期中所述分析物的所述测得值的第二缓慢移动平均值；以及
d.至少部分地基于所述第一缓慢移动平均值与所述第二缓慢移动平均值之间的差而调整所述传感器的所述校准。
23.根据权利要求22所述的方法，其中所述第一时间周期的持续时间大于约12小时。
24.根据权利要求23所述的方法，其中所述第一时间周期的持续时间大于约24小时。
25.根据权利要求22到24中任一权利要求所述的方法，其中所述第一时间周期的持续时间与所述第二时间周期的持续时间相同。
26.根据权利要求22到25中任一权利要求所述的方法，其进一步包括：
a.在所述使所述传感器的所述校准至少部分地基于所述第一缓慢移动平均值后，显示曲线图或表，所述曲线图或表指示如至少部分地基于所述第一缓慢移动平均值而校准的所述分析物浓度的至少历史值；
b.在所述调整后，根据所述经调整校准更新指示所述分析物浓度的至少历史值的所述曲线图或表的显示。
27.根据权利要求26所述的方法，其中所述更新改变所述分析物浓度的所述历史值的所述显示。
28.根据权利要求26所述的方法，其中所述所显示曲线图或表进一步指示所述分析物浓度的当前测得值。
29.根据权利要求22到27中任一权利要求所述的方法，其中所述使所述传感器的校准至少部分地基于所述第一缓慢移动平均值进一步包括使所述校准基于种子值。
30.根据权利要求29所述的方法，其中所述种子值是从群体平均值或从先前会话接收的值。
31.根据权利要求30所述的方法，其进一步包括在所述调整后，至少部分地基于所述调整而改变所述种子值。
32.根据权利要求31所述的方法，其进一步包括基于所述第一缓慢移动平均值与所述第二缓慢移动平均值之间的所述差而改变所述种子值。
33.根据权利要求22到32中任一权利要求所述的方法，其中所述调整所述校准被配置成在当传感器读数大体上稳定的时间发生，或者在阈值时间周期的读数的预定范围内，由此减少读数中的未预期跳跃的发生。
34.一种仅使用来自分析物浓度传感器的信号补偿生物系统内的分析物浓度传感器中的漂移的方法，其包括：
a.使用留置的分析物浓度传感器测量分析物的值；
b.确定在第一组时间周期中所述分析物的所述测得值的第一缓慢移动平均值，其中所述第一组包含基于事件的时间周期，且使所述传感器的校准至少部分地基于所述第一缓慢移动平均值；
c.在所述第一确定后，确定在第二组时间周期中所述分析物的所述测得值的第二缓慢移动平均值，其中所述第二组包含基于事件的时间周期；以及
d.至少部分地基于所述第一缓慢移动平均值与所述第二缓慢移动平均值之间的差而调整所述传感器的所述校准。
35.根据权利要求34所述的方法，其中所述第一和第二基于事件的时间周期选自由以下各项组成的群组：餐后时间周期、睡觉时间周期，以及早餐后时间周期。
36.根据权利要求34所述的方法，其中所述调整所述校准被配置成在当传感器读数大体上稳定的时间发生，或者在阈值时间周期的读数的预定范围内，由此减少读数中的未预期跳跃的发生。
37.一种仅使用来自分析物浓度传感器的信号补偿生物系统内的分析物浓度传感器中的漂移的方法，其包括：
a.使用留置的分析物浓度传感器测量分析物的值；
b.确定在第一时间周期中所述分析物的所述测得值的第一缓慢移动平均值，且使所述传感器的第一表观灵敏度至少部分地基于所述第一缓慢移动平均值；
c.在所述第一确定后，确定在第二时间周期中所述分析物的所述测得值的第二缓慢移动平均值，且使所述传感器的第二表观灵敏度至少部分地基于所述第二缓慢移动平均值；
d.确定所述第一表观灵敏度与所述第二表观灵敏度之间所述传感器的表观灵敏度改变是否匹配于预定准则；
e.如果所述表观灵敏度改变匹配于预定准则，那么基于所述第一与第二表观灵敏度之间的差将所述传感器的实际灵敏度调整为所调整值；
f.如果所述表观灵敏度改变未能匹配于预定准则，那么提示用户输入数据，由此可以确定所述表观灵敏度改变的原因。
38.根据权利要求37所述的方法，其中所述确定包含确定所述表观灵敏度改变是由于灵敏度漂移还是所述缓慢移动平均值的改变。
39.根据权利要求38所述的方法，其中如果所述表观灵敏度改变是由于所述缓慢移动平均值的改变，那么所述方法进一步包括提示所述用户输入关于所述改变的数据。
40.根据权利要求37所述的方法，其中所述预定准则包含传感器的随着时间的灵敏度改变的已知表现。
41.根据权利要求40所述的方法，其中灵敏度改变的所述已知表现构成相对于时间的可接受灵敏度改变的包络。
42.根据权利要求37所述的方法，其中所述所调整值是至少部分地基于所述第二缓慢移动平均值。
43.根据权利要求40所述的方法，其中所述预定准则进一步包含生理上可行的分析物改变的已知值。
44.根据权利要求37所述的方法，其中所述提示所述用户包含提示所述用户输入校准值。
45.根据权利要求37所述的方法，其中所述提示所述用户包含提示所述用户输入进餐或锻炼信息。
46.根据权利要求44或45中任一权利要求所述的方法，其中在从所述用户接收到所述校准值或者所述进餐或锻炼信息后，所述方法进一步包括确定所述表观灵敏度改变是由于灵敏度漂移还是所述缓慢移动平均值的改变。
47.根据权利要求46所述的方法，其进一步包括基于所述所接收校准值或者进餐或锻炼信息而调整所述传感器的所述实际灵敏度。
48.根据权利要求37到47中任一权利要求所述的方法，其中所述调整所述传感器的所述实际灵敏度被配置成在当传感器读数大体上稳定的时间发生，或者在阈值时间周期的读数的预定范围内，由此减少读数中的未预期跳跃的发生。
49.一种仅使用来自分析物浓度传感器的信号检查生物系统内的分析物浓度传感器的校准的方法，其包括：
a.在初始校准之后，使用留置的分析物浓度传感器测量随着时间的分析物的值；
b.基于所述测得值和所述初始校准而计算分析物浓度的临床值；
c.将所述初始校准调整为经更新校准，所述调整仅基于随着时间的所述分析物的所述测得值或其子集；
d.基于测得值和所述经更新校准而计算所述分析物浓度的临床值。
50.根据权利要求49所述的方法，其中所述初始校准是基于群体平均值或由用户输入的数据。
51.根据权利要求49到50中任一权利要求所述的方法，其中所述调整是基于随着时间的所述分析物的所述测得值的缓慢移动平均值。
52.根据权利要求49到51中任一权利要求所述的方法，其中所述调整是基于所述分析物的稳态值。
53.根据权利要求49到52中任一权利要求所述的方法，其中所述初始校准是基于在与所述留置的分析物浓度传感器相关联的会话之前确定的数据。
54.根据权利要求53所述的方法，其中所述数据是先验地、在工作台上或在体外确定的。
55.根据权利要求49到54中任一权利要求所述的方法，其中所述调整被配置成在当传感器读数大体上稳定的时间发生，或者在阈值时间周期的读数的预定范围内，由此减少读数中的未预期跳跃的发生。
56.一种使用来自生物系统内的分析物浓度传感器的信号校准所述分析物浓度传感器的方法，其中在稳态下，所述生物系统内的分析物浓度值是已知的，所述方法包括：
a.在监视装置上，接收校准参数的种子值；
b.在所述监视装置上，检测如由留置于生物系统中的分析物浓度传感器测得的分析物浓度值何时处于稳态；以及
c.在所述监视装置上或者在以操作方式耦合到所述监视装置的装置或服务器上，使当所述生物系统处于所述所检测稳态时的所述分析物浓度值的测量相关于所述已知分析物浓度值；
d.在所述相关后，从所述传感器接收信号；以及
e.计算以及显示对应于所述所接收信号的值，所述所计算值是基于所述所接收信号、所述已知分析物浓度值以及所述种子值。
57.根据权利要求56所述的方法，其中所述所接收种子值是从包含工厂校准信息的源接收。
58.根据权利要求56到57中任一权利要求所述的方法，其进一步包括：
a.检测所述所接收信号在预规定参数之外的表现；以及
b.提示用户输入外部校准信息。
59.根据权利要求58所述的方法，其中所述所显示值进一步基于所述外部校准信息。
60.根据权利要求58所述的方法，其中所述外部校准信息是从SMBG或手指针刺校准接收。
61.根据权利要求58到60中任一权利要求所述的方法，其进一步包括将所述已知校准值复位到新的已知校准值，所述复位至少部分地基于所述外部校准信息。
62.根据权利要求58到60中任一权利要求所述的方法，其进一步包括将所述种子值复位到新的种子值，所述复位至少部分地基于所述外部校准信息。
63.根据权利要求56到61中任一权利要求所述的方法，其进一步包括基于所述值的所确定准确性而更改所述显示。
64.根据权利要求63所述的方法，其中所述更改所述显示包含显示范围而不是值，或显示值而不是范围。
65.根据权利要求56到64中任一权利要求所述的方法，其中校准参数的所述所接收种子值是疾病状态的用户输入的表征。
66.根据权利要求65所述的方法，其中疾病状态的所述用户输入的表征包含类型I糖尿病、类型II糖尿病、非糖尿病或糖尿病前期的指示。
67.根据权利要求56到66中任一权利要求所述的方法，其中校准参数的所述所接收种子值是基于一个或多个用户输入的血糖值的值。
68.根据权利要求56到67中任一权利要求所述的方法，其中对应于所述所接收信号的值的所述显示包含显示指示所述分析物浓度的当前测得及历史值的曲线图或表，且所述方法进一步包括：
a.检测校准改变已发生；
b.根据所述校准改变调整所述分析物浓度传感器的一个或多个校准参数；以及
c.在所述调整后，根据所述经调整校准参数更新指示所述分析物浓度的当前测得及历史值的所述曲线图或表的所述显示。
69.根据权利要求68所述的方法，其中所述检测校准改变已发生包含：
a.检测缓慢移动平均值的改变；或
b.检测所述稳态值的改变。
70.根据权利要求56到69中任一权利要求所述的方法，其中所述调整被配置成在当传感器读数大体上稳定的时间发生，或者在阈值时间周期的读数的预定范围内，由此减少读数中的未预期跳跃的发生。
71.一种校准分析物浓度传感器的方法，其中在患者内的传感器插入后，仅采用基于传感器信号或可从所述传感器信号导出的参数，所述方法包括：
a.接收分析物浓度的至少初始值以及传感器灵敏度的初始值或初始值分布；
b.在分析物浓度传感器的插入后，监视在一持续时间中来自所述传感器的信号；
c.在所述持续时间中，基于所述所监视传感器信号以及所述传感器灵敏度的所述初始值或值分布而计算多个分析物浓度值；
d.确定在所述持续时间中所述所监视信号的值分布；
e.优化所述传感器灵敏度的所述初始值或所述值分布以及所述多个分析物浓度值以匹配于所述所监视信号的所述值分布；以及
f.基于所述优化而确定经更新灵敏度。
72.根据权利要求71所述的方法，其中所述接收是接收传感器灵敏度的初始值分布，且其中所述计算多个分析物浓度值是基于所述所监视传感器信号以及来自所述传感器灵敏度的所述初始值分布的代表性值。
73.根据权利要求72所述的方法，其中所述代表性值是选自平均值或中点或中值。
74.根据权利要求73所述的方法，其中所述确定经更新灵敏度进一步包括：
a.将所述代表性值除以所述分析物浓度的所述初始值；以及
b.将所述灵敏度的所述值更新为等于所述除法的结果。
75.根据权利要求71到74中任一权利要求所述的方法，其中分析物群体的所述初始值是群体平均值。
76.根据权利要求71到75中任一权利要求所述的方法，其中分析物群体的所述初始值是由所述用户输入。
77.根据权利要求71到76中任一权利要求所述的方法，其中分析物群体的所述初始值是从先前会话传送。
78.根据权利要求71到77中任一权利要求所述的方法，其中所述优化包含优化所述传感器灵敏度的所述初始值或值分布与所述多个分析物浓度值的乘积。
79.根据权利要求78所述的方法，其中所述优化乘积包含优化所述乘积以匹配于所述所监视信号的所述值分布，同时调整所述传感器灵敏度的所述值分布和所述多个分析物浓度值的参数以最接近地匹配于相应群体平均值。
80.根据权利要求63到79中任一权利要求所述的方法，其中所述接收进一步包括接收基线的初始值分布，且其中所述优化进一步包括优化所述基线的所述值分布连同所述传感器灵敏度的所述值分布和所述多个分析物浓度值以匹配于所述所监视信号的所述值分布。
81.根据权利要求80所述的方法，其中基线的所述初始值分布遵循正态分布。
82.根据权利要求63到81中任一权利要求所述的方法，其中所述分析物浓度的至少所述初始值用作对缓慢移动平均值滤波器的种子值输入的部分。
83.根据权利要求71到82中任一权利要求所述的方法，其中传感器灵敏度的所述初始值分布是通过正态分布界定。
84.根据权利要求71到83中任一权利要求所述的方法，其中所述所监视信号的所述所确定值分布遵循对数正态分布。
85.根据权利要求63到84中任一权利要求所述的方法，其中所述持续时间是一天。
86.根据权利要求63到85中任一权利要求所述的方法，其进一步包括继续基于先前经更新灵敏度以及所接收分析物浓度值而确定经更新灵敏度。
87.根据权利要求82所述的方法，其进一步包括检测所述所监视分析物浓度值的缓慢移动平均值。
88.根据权利要求87所述的方法，其中如果在预定时间单位中所述缓慢移动平均值的改变的绝对值大于预定阈值，那么提示用户输入数据。
89.根据权利要求87所述的方法，其中如果在预定时间单位中所述缓慢移动平均值的改变的绝对值大于预定阈值，那么确定所述改变是由于系统误差还是由于所述传感器的实际灵敏度改变。
90.根据权利要求89所述的方法，其中所述确定所述改变是由于系统误差还是由于所述传感器的实际灵敏度改变包含确定所述灵敏度的后续表现是否与已知灵敏度分布一致。
91.根据权利要求90所述的方法，其中所述已知灵敏度分布是灵敏度曲线的包络。
92.根据权利要求91所述的方法，其中如果所述缓慢移动平均值的改变的所述绝对值被确定为是由于所述传感器的实际灵敏度改变，那么至少部分地基于所述缓慢移动平均值的所述改变的所述值而更新所述灵敏度。
93.根据权利要求89所述的方法，其中所述确定所述改变是由于系统误差还是由于所述传感器的实际灵敏度改变包含确定所述分析物浓度值的后续表现是否与生理可行性的已知包络一致。
94.根据权利要求91所述的方法，其中如果所述缓慢移动平均值的改变的所述绝对值被确定为是由于系统误差，那么提示所述用户输入数据。
95.一种使用来自生物系统内的分析物浓度传感器的信号校准所述分析物浓度传感器的方法，其包括：
a.接收或确定与分析物浓度传感器相关的校准参数的种子值；
b.使用所述种子值来至少部分地确定所述分析物浓度传感器的校准；以及
c.使用所述分析物浓度传感器，测量分析物浓度的值；以及
d.显示如至少部分地使用所述种子值校准的所述测得值。
96.根据权利要求95所述的方法，其中所述接收或确定是在与所述分析物浓度传感器成操作信号通信的监视装置上执行。
97.根据权利要求96所述的方法，其中所述显示是在所述监视装置上或在与所述监视装置成信号通信的移动装置上执行。
98.根据权利要求95到97中任一权利要求所述的方法，其中所述显示所述测得值包含显示指示所述分析物浓度的至少历史值的曲线图或表，且所述方法进一步包括：
a.检测校准改变已发生；
b.根据所述所检测校准改变调整所述分析物浓度传感器的一个或多个校准参数；以及
c.在所述调整后，根据所述经调整校准参数更新指示所述分析物浓度的至少历史值的所述曲线图或表的所述显示。
99.根据权利要求98所述的方法，其中所述调整所述校准被配置成在当传感器读数大体上稳定的时间发生，或者在阈值时间周期的读数的预定范围内，由此减少读数中的未预期跳跃的发生。
100.根据权利要求98所述的方法，其中所述更新改变所述分析物浓度的所述历史值的所述显示。
101.根据权利要求95到100中任一权利要求所述的方法，其中所述种子值至少部分地基于代码。
102.根据权利要求101所述的方法，其中所述代码由用户输入到监视装置中。
103.根据权利要求101所述的方法，其中监视装置被配置成接收所述代码而不需要所述用户的实质参与。
104.根据权利要求95到100中任一权利要求所述的方法，其中所述种子值至少部分地基于阻抗测量。
105.根据权利要求95到100中任一权利要求所述的方法，其中所述种子值至少部分地基于与所述传感器的制造批次相关联的信息。
106.根据权利要求95到100中任一权利要求所述的方法，其中所述种子值至少部分地基于群体平均值。
107.根据权利要求95到100中任一权利要求所述的方法，其中所述种子值至少部分地基于所述用户的刚刚过去的分析物值。
108.一种仅使用来自生物系统内的留置分析物浓度传感器的信号校准和补偿所述分析物浓度传感器中的漂移的方法，其中在稳态下，所述生物系统内的分析物浓度值是已知的，所述方法包括：
a.在监视装置上，检测如由留置于生物系统中的分析物浓度传感器测得的分析物浓度值何时处于稳态；
b.在所述监视装置上或者在以操作方式耦合到所述监视装置的装置或服务器上，使当所述生物系统处于所述所检测稳态时的所述分析物浓度值的测量相关于所述已知分析物浓度值；
c.确定在第一时间周期中分析物的所述测得值的第一缓慢移动平均值，且使所述传感器的校准至少部分地基于所述第一缓慢移动平均值且基于所述已知分析物浓度值；
d.在所述第一确定后，确定在第二时间周期中所述分析物的所述测得值的第二缓慢移动平均值；以及
e.至少部分地基于所述第一缓慢移动平均值与所述第二缓慢移动平均值之间的差而调整所述传感器的所述校准。
109.根据权利要求108所述的方法，其中所述调整所述校准被配置成在当传感器读数大体上稳定的时间发生，或者在阈值时间周期的读数的预定范围内，由此减少读数中的未预期跳跃的发生。
110.一种校准一批传感器的第一部分的方法，其中第二部分已经经受使用，所述方法包括：
a.从所述第二部分的传感器中的一些接收校准数据；以及
b.基于所述所接收数据更新所述第一部分的一个或多个校准参数。
111.根据权利要求110所述的方法，其中所述更新是在所述第一部分安装于用户体内之前执行。
112.根据权利要求110所述的方法，其中所述更新是在所述第一部分已安装于用户体内之后执行。
113.根据权利要求112所述的方法，其中所述更新是通过将新的或经更新校准参数经由网络发射到监视装置或与所述传感器相关联的传感器电子器件模块而执行。
114.根据权利要求110到113中任一权利要求所述的方法，其中所述第二部分的传感器被配置成使用先验校准来校准。
115.根据权利要求110到114中任一权利要求所述的方法，其中所述第二部分的传感器被配置成使用用户数据来校准。
116.根据权利要求110到115中任一权利要求所述的方法，其中所述第二部分的传感器被配置成使用活体外工作台校准来校准。
117.根据权利要求110到116中任一权利要求所述的方法，其中所述第二部分的传感器被配置成使用血液测量来校准。
118.一种仅使用来自分析物浓度传感器的信号补偿生物系统内的分析物浓度传感器中的漂移的方法，其包括：
a.使用留置的分析物浓度传感器测量分析物的随时间而变的值；
b.使用双指数平滑滤波器对所述测得值进行滤波；以及
c.在所述滤波后，对照时间显示所述经滤波测得值。
119.根据权利要求118所述的方法，其中所述双指数平滑滤波器由以下管控：
其中：
且其中：
120.根据权利要求119所述的方法，其中随着时间而变的葡萄糖信号由以下给定：
其中
且其中
<mrow> <msub> <mi>Drift</mi> <mi>t</mi> </msub> <mo>=</mo> <mfrac> <mrow> <msub> <mover> <mi>y</mi> <mo>^</mo> </mover> <mi>t</mi> </msub> <mo>-</mo> <msub> <mover> <mi>y</mi> <mo>^</mo> </mover> <mn>0</mn> </msub> </mrow> <msub> <mover> <mi>y</mi> <mo>^</mo> </mover> <mn>0</mn> </msub> </mfrac> <mo>.</mo> </mrow>
121.一种仅使用来自生物系统内的分析物浓度传感器的信号校准所述分析物浓度传感器的方法，其包括：
a.接收在一时间周期中对应于分析物浓度值的数据；
b.确定所述所接收数据的变化系数；
c.至少部分地基于所述所确定变化系数而确定所述分析物浓度值的标准偏差；以及
d.在校准参数的计算中使用所述所确定标准偏差，所述校准参数与所述分析物浓度值相关联。
122.根据权利要求121所述的方法，其中所述确定所述所接收数据的变化系数包含将所述所接收数据的标准偏差除以所述所接收数据的均值。
123.一种仅使用来自分析物浓度传感器的信号补偿生物系统内的分析物浓度传感器中的漂移的方法，其包括：
a.使用留置的分析物浓度传感器测量分析物的值；
b.确定在第一时间周期中所述分析物的所述测得值的第一缓慢移动平均值，且使所述传感器的校准至少部分地基于所述第一缓慢移动平均值；
c.在所述第一确定后，确定在第二时间周期中所述分析物的所述测得值的第二缓慢移动平均值；以及
d.至少部分地基于种子值且基于所述第一缓慢移动平均值与所述第二缓慢移动平均值之间的差而调整所述传感器的所述校准。
124.根据权利要求122所述的方法，其中所述种子值是使用中值信号值、漂移值或两者来确定。
125.根据权利要求122到124中任一权利要求所述的方法，其中采用正向滤波器和反向滤波器两者，且所述方法进一步包括优化种子值以使所述两个信号滤波器之间的均方误差最小。
126.根据权利要求125所述的方法，其进一步包括根据基于信号的校准算法调整所述传感器的灵敏度和基线，所述基于信号的校准算法使用来自所述正向和反向滤波器的信号的平均值连同原始传感器信号。
127.根据权利要求126所述的方法，其进一步包括基于一个或多个准则而调整所述灵敏度和所述基线。
128.根据权利要求127所述的方法，其中所述准则包含平均葡萄糖值应当与预期糖尿病均值一致。
129.根据权利要求127所述的方法，其中所述准则包含CGM葡萄糖可变性应当与平均葡萄糖水平一致。
CN201680036303.6A 2015-09-10 2016-09-08 经皮分析物传感器和监视器、其校准以及相关联方法 Active CN107771056B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111270188.8A CN113974619A (zh) 2015-09-10 2016-09-08 经皮分析物传感器和监视器、其校准以及相关联方法

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201562216926P 2015-09-10 2015-09-10
US62/216,926 2015-09-10
PCT/US2016/050814 WO2017044654A1 (en) 2015-09-10 2016-09-08 Transcutaneous analyte sensors and monitors, calibration thereof, and associated methods

Related Child Applications (1)

Application Number Title Priority Date Filing Date
CN202111270188.8A Division CN113974619A (zh) 2015-09-10 2016-09-08 经皮分析物传感器和监视器、其校准以及相关联方法

Publications (2)

Publication Number Publication Date
CN107771056A true CN107771056A (zh) 2018-03-06
CN107771056B CN107771056B (zh) 2021-11-16

Family

ID=56979660

Family Applications (2)

Application Number Title Priority Date Filing Date
CN202111270188.8A Pending CN113974619A (zh) 2015-09-10 2016-09-08 经皮分析物传感器和监视器、其校准以及相关联方法
CN201680036303.6A Active CN107771056B (zh) 2015-09-10 2016-09-08 经皮分析物传感器和监视器、其校准以及相关联方法

Family Applications Before (1)

Application Number Title Priority Date Filing Date
CN202111270188.8A Pending CN113974619A (zh) 2015-09-10 2016-09-08 经皮分析物传感器和监视器、其校准以及相关联方法

Country Status (7)

Country Link
US (2) US11883126B2 (zh)
EP (1) EP3346906A1 (zh)
JP (2) JP7488023B2 (zh)
CN (2) CN113974619A (zh)
AU (4) AU2016321249B2 (zh)
CA (1) CA2990843A1 (zh)
WO (1) WO2017044654A1 (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110865531A (zh) * 2019-11-20 2020-03-06 北京无线电计量测试研究所 基于非线性回归的时间间隔测量方法及系统
CN113317783A (zh) * 2021-04-20 2021-08-31 港湾之星健康生物(深圳)有限公司 多模个性化纵横校准的方法
CN114126477A (zh) * 2019-05-09 2022-03-01 威孚姆技术公司 用于生物传感器交叉校准的系统和方法
CN114631018A (zh) * 2019-10-22 2022-06-14 内华达纳米技术系统公司 操作和校准气体传感器的方法及相关的气体传感器
WO2022222197A1 (zh) * 2021-04-20 2022-10-27 港湾之星健康生物(深圳)有限公司 多模个性化监测的方法
US11724985B2 (en) 2020-05-19 2023-08-15 Cybin Irl Limited Deuterated tryptamine derivatives and methods of use
CN117726193A (zh) * 2024-02-01 2024-03-19 创意信息技术股份有限公司 城市管理事件干预控制方法、装置、设备及存储介质

Families Citing this family (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170071512A1 (en) 2015-09-10 2017-03-16 Dexcom, Inc. Transcutaneous analyte sensors and monitors, calibration thereof, and associated methods
CA2990843A1 (en) 2015-09-10 2017-03-16 Dexcom, Inc. Transcutaneous analyte sensors and monitors, calibration thereof, and associated methods
CA3002482C (en) * 2015-12-30 2021-06-08 Dexcom, Inc. System and method for factory calibration or reduced calibration of an indwelling sensor based on sensitivity profile and baseline model of sensors
CN110868928B (zh) * 2017-05-03 2022-11-08 雅培糖尿病护理公司 具有传感器数据的基于持续期的调整的系统、装置以及方法
US10993646B2 (en) 2017-08-18 2021-05-04 Abbott Diabetes Care Inc. Systems, devices, and methods related to the individualized calibration and/or manufacturing of medical devices
US11035825B2 (en) * 2017-11-15 2021-06-15 Infineon Technologies Ag Sensing systems and methods for the estimation of analyte concentration
US11717232B1 (en) * 2020-03-25 2023-08-08 Tula Health, Inc. Devices, systems, and methods for predictive analytics for chronic health condition management
US11540752B1 (en) 2020-03-25 2023-01-03 Tula Health, Inc. Devices, systems, and methods for individualized chronic health condition management
US11412962B1 (en) 2020-03-25 2022-08-16 Tula Health, Inc. Devices, systems, and methods for identifying improving health for chronic health condition management
US11540751B1 (en) 2020-03-25 2023-01-03 Tula Health, Inc. Device networks for chronic health condition management
US11766221B1 (en) 2020-03-25 2023-09-26 Tula Health, Inc. Devices, systems, and methods for measurement validation for chronic health condition management
CN111568382B (zh) * 2020-05-21 2023-04-07 中国计量科学研究院 一种涉及甲状腺内照射碘测量的智能测量系统
FR3111064B1 (fr) * 2020-06-08 2022-09-09 Panoramic Digital Health procédé de traitement de mesures effectuées par un capteur porté par une personne
US20230263439A1 (en) * 2022-02-22 2023-08-24 Dexcom, Inc. Systems and methods for multi-analyte sensing
EP4279905A1 (en) 2022-05-20 2023-11-22 F. Hoffmann-La Roche AG Method of individualizing analyte value ranges used to categorize a concentration of an analyte

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1154718A1 (en) * 1999-02-25 2001-11-21 MiniMed Inc. Glucose monitor calibration methods
US20050027177A1 (en) * 2000-02-23 2005-02-03 Medtronic Minimed, Inc. Real time self-adjusting calibration algorithm
US20050143636A1 (en) * 2003-12-30 2005-06-30 Medtronic Minimed, Inc. System and method for sensor recalibration
WO2008114224A2 (en) * 2007-03-19 2008-09-25 Insuline Medical Ltd. Method and device for substance measurement
US20090137887A1 (en) * 2006-10-04 2009-05-28 Dexcom, Inc. Analyte sensor
US20090178459A1 (en) * 2003-08-01 2009-07-16 Dexcom, Inc. Analyte sensor
CN101547633A (zh) * 2006-10-04 2009-09-30 戴克斯卡姆公司 分析物传感器
US20100268477A1 (en) * 2007-10-31 2010-10-21 Medtronic Minimed, Inc. Systems and Methods for Calibrating Physiological Characteristic Sensors
CN102006821A (zh) * 2008-02-27 2011-04-06 Mon4D有限公司 用于模块化分析物监测的设备、系统和方法
CN102313815A (zh) * 2010-06-23 2012-01-11 爱科来株式会社 血浆葡萄糖测定方法

Family Cites Families (33)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH1085198A (ja) * 1996-09-13 1998-04-07 Omron Corp 生理状態検出装置、生理状態検出方法及び生理状態検出プログラム記憶媒体
US6001067A (en) 1997-03-04 1999-12-14 Shults; Mark C. Device and method for determining analyte levels
US6081736A (en) 1997-10-20 2000-06-27 Alfred E. Mann Foundation Implantable enzyme-based monitoring systems adapted for long term use
US6119028A (en) 1997-10-20 2000-09-12 Alfred E. Mann Foundation Implantable enzyme-based monitoring systems having improved longevity due to improved exterior surfaces
US6579690B1 (en) 1997-12-05 2003-06-17 Therasense, Inc. Blood analyte monitoring through subcutaneous measurement
US6134461A (en) 1998-03-04 2000-10-17 E. Heller & Company Electrochemical analyte
US6175752B1 (en) 1998-04-30 2001-01-16 Therasense, Inc. Analyte monitoring device and methods of use
US6558320B1 (en) 2000-01-20 2003-05-06 Medtronic Minimed, Inc. Handheld personal data assistant (PDA) with a medical device and method of using the same
US7460898B2 (en) 2003-12-05 2008-12-02 Dexcom, Inc. Dual electrode system for a continuous analyte sensor
US7778680B2 (en) 2003-08-01 2010-08-17 Dexcom, Inc. System and methods for processing analyte sensor data
US8425416B2 (en) 2006-10-04 2013-04-23 Dexcom, Inc. Analyte sensor
DE602004029092D1 (de) 2003-12-05 2010-10-21 Dexcom Inc Kalibrationsmethoden für einen kontinuierlich arbeitenden analytsensor
DE102004004031B4 (de) 2004-01-27 2019-03-28 Disetronic Licensing Ag Abgleich von Sensoren oder Messsystemen
US7713574B2 (en) 2004-07-13 2010-05-11 Dexcom, Inc. Transcutaneous analyte sensor
US8538393B1 (en) 2004-09-21 2013-09-17 Advanced Ground Information Systems, Inc. Method to provide ad hoc and password protected digital and voice networks
WO2006047182A2 (en) * 2004-10-21 2006-05-04 Optiscan Biomedical Corporation Method and apparatus for determining an analyte concentration in a sample having interferents
US7653425B2 (en) 2006-08-09 2010-01-26 Abbott Diabetes Care Inc. Method and system for providing calibration of an analyte sensor in an analyte monitoring system
US9675290B2 (en) * 2012-10-30 2017-06-13 Abbott Diabetes Care Inc. Sensitivity calibration of in vivo sensors used to measure analyte concentration
US20140066736A1 (en) 2006-03-31 2014-03-06 Abbott Diabetes Care Inc. Analyte Sensor Calibration Management
EP4252639A3 (en) 2009-02-26 2024-01-03 Abbott Diabetes Care Inc. Method of calibrating an analyte sensor
EP4374790A2 (en) 2009-04-30 2024-05-29 DexCom, Inc. Performance reports associated with continuous sensor data from multiple analysis time periods
US20110024043A1 (en) 2009-07-02 2011-02-03 Dexcom, Inc. Continuous analyte sensors and methods of making same
US9033878B2 (en) 2010-10-28 2015-05-19 Medtronic Minimed, Inc. Glucose sensor signal reliability analysis
US8803731B2 (en) 2011-03-30 2014-08-12 Raytheon Company Target-tracking radar and method for responding to fluctuations in target SNR
EP2697650B1 (en) 2011-04-15 2020-09-30 Dexcom, Inc. Advanced analyte sensor calibration and error detection
US9700253B2 (en) * 2012-03-16 2017-07-11 Dexcom, Inc. Systems and methods for processing analyte sensor data
US20140188402A1 (en) 2013-01-03 2014-07-03 Dexcom, Inc. Outlier detection for analyte sensors
US10335075B2 (en) 2013-03-14 2019-07-02 Dexcom, Inc. Advanced calibration for analyte sensors
US9649058B2 (en) * 2013-12-16 2017-05-16 Medtronic Minimed, Inc. Methods and systems for improving the reliability of orthogonally redundant sensors
CN106662559B (zh) * 2014-02-19 2019-09-27 马林克罗特医疗产品知识产权公司 用于补偿暴露于一氧化氮的电化学气体传感器的长期灵敏度漂移的方法
US10152049B2 (en) 2014-05-19 2018-12-11 Medtronic Minimed, Inc. Glucose sensor health monitoring and related methods and systems
CA2990843A1 (en) 2015-09-10 2017-03-16 Dexcom, Inc. Transcutaneous analyte sensors and monitors, calibration thereof, and associated methods
US20170071512A1 (en) 2015-09-10 2017-03-16 Dexcom, Inc. Transcutaneous analyte sensors and monitors, calibration thereof, and associated methods

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1154718A1 (en) * 1999-02-25 2001-11-21 MiniMed Inc. Glucose monitor calibration methods
US20050027177A1 (en) * 2000-02-23 2005-02-03 Medtronic Minimed, Inc. Real time self-adjusting calibration algorithm
US20090178459A1 (en) * 2003-08-01 2009-07-16 Dexcom, Inc. Analyte sensor
US20050143636A1 (en) * 2003-12-30 2005-06-30 Medtronic Minimed, Inc. System and method for sensor recalibration
US20090137887A1 (en) * 2006-10-04 2009-05-28 Dexcom, Inc. Analyte sensor
CN101547633A (zh) * 2006-10-04 2009-09-30 戴克斯卡姆公司 分析物传感器
WO2008114224A2 (en) * 2007-03-19 2008-09-25 Insuline Medical Ltd. Method and device for substance measurement
US20100268477A1 (en) * 2007-10-31 2010-10-21 Medtronic Minimed, Inc. Systems and Methods for Calibrating Physiological Characteristic Sensors
CN102006821A (zh) * 2008-02-27 2011-04-06 Mon4D有限公司 用于模块化分析物监测的设备、系统和方法
CN102313815A (zh) * 2010-06-23 2012-01-11 爱科来株式会社 血浆葡萄糖测定方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
SINGAL, P等: "Simple modeling allows prediction of steady-state glucose disposal rate from early data in hyperinsulinemic glucose clamps", 《AMERICAN JOURNAL OF PHYSIOLOGY-ENDOCRINOLOGY AND METABOLISM》 *

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114126477A (zh) * 2019-05-09 2022-03-01 威孚姆技术公司 用于生物传感器交叉校准的系统和方法
CN114631018A (zh) * 2019-10-22 2022-06-14 内华达纳米技术系统公司 操作和校准气体传感器的方法及相关的气体传感器
CN110865531A (zh) * 2019-11-20 2020-03-06 北京无线电计量测试研究所 基于非线性回归的时间间隔测量方法及系统
US11834410B2 (en) 2020-05-19 2023-12-05 Cybin Irl Limited Deuterated tryptamine derivatives and methods of use
US11724985B2 (en) 2020-05-19 2023-08-15 Cybin Irl Limited Deuterated tryptamine derivatives and methods of use
US11746088B2 (en) 2020-05-19 2023-09-05 Cybin Irl Limited Deuterated tryptamine derivatives and methods of use
US11958807B2 (en) 2020-05-19 2024-04-16 Cybin Irl Limited Deuterated tryptamine derivatives and methods of use
CN113317783B (zh) * 2021-04-20 2022-02-01 港湾之星健康生物(深圳)有限公司 多模个性化纵横校准的方法
WO2022222197A1 (zh) * 2021-04-20 2022-10-27 港湾之星健康生物(深圳)有限公司 多模个性化监测的方法
WO2022222198A1 (zh) * 2021-04-20 2022-10-27 港湾之星健康生物(深圳)有限公司 多模个性化纵横校准的方法
CN113317783A (zh) * 2021-04-20 2021-08-31 港湾之星健康生物(深圳)有限公司 多模个性化纵横校准的方法
CN117726193A (zh) * 2024-02-01 2024-03-19 创意信息技术股份有限公司 城市管理事件干预控制方法、装置、设备及存储介质
CN117726193B (zh) * 2024-02-01 2024-05-14 创意信息技术股份有限公司 城市管理事件干预控制方法、装置、设备及存储介质

Also Published As

Publication number Publication date
US20240180425A1 (en) 2024-06-06
JP2018532440A (ja) 2018-11-08
JP7488023B2 (ja) 2024-05-21
AU2016321249A1 (en) 2018-02-22
WO2017044654A8 (en) 2018-02-08
AU2024201184A1 (en) 2024-03-14
US20230140651A1 (en) 2023-05-04
AU2022200905B2 (en) 2023-11-30
EP3346906A1 (en) 2018-07-18
AU2022200905A1 (en) 2022-03-03
AU2020202553B2 (en) 2021-11-18
WO2017044654A1 (en) 2017-03-16
JP2022188264A (ja) 2022-12-20
AU2016321249B2 (en) 2020-01-16
AU2020202553A1 (en) 2020-05-07
CN107771056B (zh) 2021-11-16
CA2990843A1 (en) 2017-03-16
US11883126B2 (en) 2024-01-30
CN113974619A (zh) 2022-01-28

Similar Documents

Publication Publication Date Title
CN107771056A (zh) 经皮分析物传感器和监视器、其校准以及相关联方法
US11504004B2 (en) Transcutaneous analyte sensors and monitors, calibration thereof, and associated methods
JP7350812B2 (ja) 感度プロファイルに基づく留置センサの工場校正または不完全校正のためのシステム及び方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant