CN107796855A - 传感器总成、受检物质监测系统及受检物质的监测方法 - Google Patents

传感器总成、受检物质监测系统及受检物质的监测方法 Download PDF

Info

Publication number
CN107796855A
CN107796855A CN201710717557.0A CN201710717557A CN107796855A CN 107796855 A CN107796855 A CN 107796855A CN 201710717557 A CN201710717557 A CN 201710717557A CN 107796855 A CN107796855 A CN 107796855A
Authority
CN
China
Prior art keywords
tested substance
signal
value
sensor
background signal
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201710717557.0A
Other languages
English (en)
Inventor
堀信康
角中千寻
小岛顺子
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.)
Sysmex Corp
Original Assignee
Sysmex Corp
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 Sysmex Corp filed Critical Sysmex Corp
Publication of CN107796855A publication Critical patent/CN107796855A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
    • G01N27/26—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating electrochemical variables; by using electrolysis or electrophoresis
    • 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
    • A61B5/145—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
    • A61B5/14507—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 specially adapted for measuring characteristics of body fluids other than blood
    • A61B5/1451—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 specially adapted for measuring characteristics of body fluids other than blood for interstitial fluid
    • A61B5/14514—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 specially adapted for measuring characteristics of body fluids other than blood for interstitial fluid using means for aiding extraction of interstitial fluid, e.g. microneedles or suction
    • 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
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A61B5/683—Means for maintaining contact with the body
    • A61B5/6832—Means for maintaining contact with the body using adhesives
    • A61B5/6833—Adhesive patches
    • 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
    • A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
    • A61B5/7207—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal of noise induced by motion artifacts
    • A61B5/7214—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal of noise induced by motion artifacts using signal cancellation, e.g. based on input of two identical physiological sensors spaced apart, or based on two signals derived from the same sensor, for different optical wavelengths
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
    • G01N27/26—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating electrochemical variables; by using electrolysis or electrophoresis
    • G01N27/28—Electrolytic cell components
    • G01N27/30—Electrodes, e.g. test electrodes; Half-cells
    • G01N27/327—Biochemical electrodes, e.g. electrical or mechanical details for in vitro measurements
    • G01N27/3271—Amperometric enzyme electrodes for analytes in body fluids, e.g. glucose in blood
    • G01N27/3273—Devices therefor, e.g. test element readers, circuitry
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
    • G01N27/26—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating electrochemical variables; by using electrolysis or electrophoresis
    • G01N27/416—Systems
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/483—Physical analysis of biological material
    • G01N33/487—Physical analysis of biological material of liquid biological material
    • G01N33/48785—Electrical and electronic details of measuring devices for physical analysis of liquid biological material not specific to a particular test method, e.g. user interface or power supply
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/483—Physical analysis of biological material
    • G01N33/487—Physical analysis of biological material of liquid biological material
    • G01N33/48785—Electrical and electronic details of measuring devices for physical analysis of liquid biological material not specific to a particular test method, e.g. user interface or power supply
    • G01N33/48792—Data management, e.g. communication with processing unit
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/483—Physical analysis of biological material
    • G01N33/487—Physical analysis of biological material of liquid biological material
    • G01N33/49—Blood

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • General Health & Medical Sciences (AREA)
  • Pathology (AREA)
  • Molecular Biology (AREA)
  • Chemical & Material Sciences (AREA)
  • Medical Informatics (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Immunology (AREA)
  • General Physics & Mathematics (AREA)
  • Biochemistry (AREA)
  • Analytical Chemistry (AREA)
  • Hematology (AREA)
  • Optics & Photonics (AREA)
  • Medicinal Chemistry (AREA)
  • Urology & Nephrology (AREA)
  • Food Science & Technology (AREA)
  • Human Computer Interaction (AREA)
  • Signal Processing (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Electrochemistry (AREA)
  • Databases & Information Systems (AREA)
  • Emergency Medicine (AREA)
  • Ecology (AREA)
  • Physiology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Psychiatry (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Investigating Or Analysing Biological Materials (AREA)

Abstract

本发明提供一种能精确算出作为受检物质的生物内成分的量的新技术及其应用。在传感器总成（20）中配置：电化学传感器（30），其测定从生物经皮抽取的受检物质；处理器（115a），其根据电化学传感器30在测定所述受检物质前的一定时间内测定的背景信号强度的经时变化算出经过所述一定时间后所到达的所述受检物质的测定时间点的背景信号强度。以此就能获得应从包括来源于受检物质的信号在内的未处理信号减去的背景信号的强度算出值，从而能够精确算出作为受检物质的生物内成分的量。

Description

传感器总成、受检物质监测系统及受检物质的监测方法
技术领域
本发明涉及一种传感器总成、受检物质监测系统及受检物质的监测方法。
背景技术
血液等样本中所含生物内成分，例如葡萄糖，会成为糖尿病的指标。要管理生物内成分量来防止这类疾病的恶化就需要精确检出生物内成分。
第4545398号日本专利的说明书中公开了一种测定经皮采集的样本中所含葡萄糖量的监测装置。如图24所示，第4545398号日本专利说明书中记述的监测装置800含有安装在受检者手臂的二个检出装置801、802。检出装置801、802分别包括工作电极811、参比电极812和对电极813。通过一个检出装置801从受检者皮肤抽取葡萄糖并测定抽取的葡萄糖。通过检出装置801获得的信号测定值中包含来源于葡萄糖的信号和非来源于葡萄糖的背景信号。因此，在通过检出装置801测定葡萄糖的同时通过另一个检出装置802仅测定背景信号，从通过检出装置801获取的信号测定值中减去通过检出装置802获取的背景信号测定值，以此算出来源于葡萄糖的信号测定值。根据算出的信号测定值获取葡萄糖量。
发明内容
【发明要解决的技术问题】
然而，第4545398号日本专利说明书中记述的监测装置800通过不同的检出装置测定背景信号，因此，检出装置的个体差异有时会导致检出装置801和检出装置802之间出现背景信号测定值不一致的情况。因此，第4545398号专利说明书中记述的监测装置800会出现检出装置802所获得的背景信号测定值与应从检出装置801减去的背景信号测定值不同的情况。此时难以精确算出葡萄糖量。
【解决技术问题的技术方案】
本发明第一技术方案涉及的传感器总成包括：电化学传感器，其测定从生物经皮抽取的受检物质；处理器，其根据通过电化学传感器在一定时间内测定的背景信号的强度确定一定时间外的、受检物质的任意测定时间点的背景信号的强度。
电化学传感器用于通过电信号的强度变化来检出受检物质等。“背景信号”是不论受检物质存在与否都会被检出来的信号，指的是非来源于受检物质的、传感器总成所产生的信号。“背景信号”也包含来源于电化学传感器自身的信号。例如，当用水凝胶作为收集受检物质的收集件、并用酶传感器作为电化学传感器时，“背景信号”包括电化学传感器所具有的电流信号、水凝胶中的成分扩散到电极上时流动的电流信号、水凝胶中成分在电极上反应时产生的电流信号、固定在电极上的成分反应时流动的电流信号等。“一定时间”只要是进行受检物质的测定的时间以外的时间即可。“一定时间”比如可以是与受检物质的测定相临近并在其之前的时间或相临近并在其之后的时间，也可以是制造传感器总成时的时间。
通常来说，背景信号因传感器总成而互不相同。在本发明第一技术方案涉及的传感器总成中，用于测定受检物质的电化学传感器也用于单单获取背景信号，根据在一定时间内用此电化学传感器测定的背景信号强度算出一定时间外的、受检物质的测定时间点的背景信号强度。这样一来，含有如此结构的传感器总成基于用于测定受检物质的电化学传感器获得的背景信号来确定受检物质测定时间点的背景信号的强度，这样就能确定应该从测定受检物质所得到的信号强度减去的背景信号强度。因此，本发明第一技术方案涉及的传感器总成能够精确算出受检物质的量。
可以采用下述结构：一定时间是从电化学传感器通电后到该电化学传感器的测定值稳定为止的时间。一般来说，使用电化学传感器时，向电化学传感器施加电压后，在电化学传感器内流动的电流信号稳定、该电化学传感器的测定值恒定之前需要一定程度的时间。而且，在从向电化学传感器施加电压后到该电化学传感器的测定值恒定为止的时间内用电化学传感器测定受检物质的话，测定值易出现偏差。然而，本发明人发现，从对电化学传感器施加电压后到该电化学传感器的测定值恒定为止的时间内测定背景信号强度并用其结果决定受检物质的测定时间点的背景信号强度就能高效运用时间并精确算出受检物质的量。
可以采用下述结构：电化学传感器在与收集件接触的状态下测定从生物抽取到收集件的受检物质，一定时间是电化学传感器接触收集件后、受检物质抽取到收集件前的时间，电化学传感器在接触收集件的状态下在一定时间内测定背景信号的强度。如此就能一并测定来源于收集件的背景信号的强度并根据其测定值确定受检物质的测定时间点的背景信号强度，因此能更准确地确定上述应该减去的背景信号强度。
可以采用下述结构：处理器根据一定时间内测定的背景信号强度的经时变化算出测定时间点的背景信号强度。以此就能在考虑到背景信号强度的经时变化的基础上算出受检物质测定时间点的背景信号强度。
宜采用下述结构：处理器针对一定时间内背景信号强度的经时变化运用幂近似公式、指数近似公式、线性近似公式或其组合的公式来算出测定时间点的背景信号的强度。宜采用下述结构：处理器针对一定时间内背景信号强度的经时变化进行幂近似公式、指数近似公式、线性近似公式或其组合的公式的拟合，算出式中所含常数，根据所得到的公式算出测定时间点的背景信号强度。背景信号强度的经时变化是幂函数变化、指数函数变化、线性变化或其组合变化。因此，含有这种结构的传感器总成能够更精确地获得背景信号强度的算出值。
可以采用下述结构：处理器从电化学传感器在受检物质的测定时间点获取的包括来源于所述受检物质的信号在内的未处理信号强度的测定值减去在所述测定时间点的背景信号的强度值，以此得到表示来源于受检物质的信号强度的值。所谓“来源于受检物质的信号”指与受检物质的量相应地变化的信号。“包括来源于受检物质的信号在内的未处理信号”包括来源于受检物质的信号和背景信号。
可以采用下述结构：电化学传感器在传感器总成初次启动后进行的第一次测定中自动测定背景信号强度并确定所述测定时间点的背景信号强度，在传感器总成进行的第二次及其以后的测定中，测定包括来源于受检物质的信号在内的未处理信号的强度，减去在所述测定时间点的背景信号强度，以此自动获得表示来源于受检物质的信号强度的值。如此，用户不必手动切换背景测定和受检物质的测定，能够减轻用户的负担。
可以采用下述结构：处理器根据来源于受检物质的信号强度和与受检物质在生物内浓度相关的物质的生物内浓度获取表示受检物质的量的值。与受检物质在生物内浓度相关的物质的生物内浓度比如有受检物质血中浓度、与受检物质相关的其他物质的组织液中浓度、与受检物质相关的其他物质的血中浓度等，但无特别限定。与受检物质在生物内浓度相关的物质生物内浓度宜是受检物质的血中浓度。通过含有这种结构的传感器总成能够精确推断受检物质的量。
可以采用下述结构：传感器总成含有一个电化学传感器。
宜采用下述结构：传感器总成还包括存储测定时间点的背景信号强度的值的存储器。此时，用户只需使用存储在存储器中的测定时间点的背景信号强度值即可，能够在不测定背景信号强度的情况下测定包括来源于受检物质的信号在内的未处理信号强度，从而能够缩短准备测定所需时间。
可以采用下述结构：电化学传感器在一定时间外的数个测定时间点分别测定受检物质。此时，处理器能根据一定时间内测定的背景信号强度来分别确定数个测定时间点的背景信号强度。
可以采用下述结构：电化学传感器是含有基板主体、配置于基板主体上的电极、固定在电极表面上的酶的酶传感器。通过含有此种结构的传感器总成能利用酶反应精确算出受检物质的量。
可以采用下述结构：受检物质是葡萄糖。此时，酶传感器可以是含有基板主体、配置于基板主体上并用于检出过氧化氢的电极、固定在电极表面上的葡萄糖氧化酶的葡萄糖传感器。含有此种结构的传感器总成能够精确算出葡萄糖的量。
本发明第二技术方案涉及的监测系统包括能够收集从生物抽取的组织液中所含受检物质的收集件、以及上述传感器总成。
可以采用下述结构：收集件包含水凝胶。此时，一定时间也可以是水凝胶内的物质扩散并且对受检物质测定的影响达到平衡状态所需要的时间。
本发明第三技术方案涉及的受检物质监测方法是一种从生物经皮抽取受检物质来进行监测的方法。本发明第三技术方案涉及的受检物质监测方法包括以下步骤：（A1）使收集件接触电化学传感器，测定在一定时间内的背景信号的强度；（A2）根据一定时间内背景信号的强度确定一定时间外的、受检物质任意测定时间点的背景信号强度；（A3）在测定时间点通过电化学传感器测定从生物抽取到收集件的受检物质，获得包括来源于受检物质的信号在内的未处理信号的强度的测定值；（A4）从步骤（A3）测定的未处理信号强度的测定值减去在步骤（A2）获得的背景信号的强度值，算出来源于受检物质的信号强度。通过具有这种操作的受检物质监测方法能精确算出受检物质的量。
可以采用下述结构：在步骤（A1），使电化学传感器接触安装在生物的收集件，在从接触收集件的电化学传感器通电后到该电化学传感器的测定值稳定为止的一定时间内测定背景信号的强度。
可以采用下述结构：在步骤（A1），在电化学传感器接触收集件之后、受检物质收集到收集件前的一定时间内测定背景信号的强度。
可以采用下述结构：在步骤（A2），根据一定时间内的背景信号的强度分别确定在受检物质的数个测定时间点的背景信号强度。此时可以采用下述结构：在步骤（A3），在数个测定时间点分别测定受检物质，并在各测定时间点获取包括来源于受检物质的信号在内的未处理信号的强度测定值。可以采用下述结构：在步骤（A4）从在数个测定时间点分别获取的未处理信号的强度测定值减去背景信号强度值。
【发明效果】
本发明能提供一种能精确算出作为受检物质的生物内成分的量的新技术手段及其使用方法。
附图说明
图1为连续监测系统的简要说明图；
图2为传感器总成的分解示意图；
图3为传感器总成的斜视示意图；
图4为连续监测系统的功能结构框图；
图5为葡萄糖传感器的平面示意图；
图6为葡萄糖传感器的过氧化氢电极的截面示意图；
图7为收集件的截面示意图；
图8为连续监测系统的处理步骤的流程图；
图9为形成微孔后的皮肤的截面示意图；
图10为放有收集件的皮肤的截面示意图；
图11为连续监测系统的处理步骤的流程图；
图12为实施例1中血糖值经时变化的研究结果图；
图13为克拉克误差网格的示图；
图14为实施例1中通过误差网格分析对推断血糖值进行评价时的结果示图；
图15为比较例1血糖值经时变化的研究结果示图；
图16为比较例1中通过误差网格分析对推断血糖值进行评价时的结果示图；
图17为实施例2中血糖值经时变化的研究结果示图；
图18为实施例2中通过误差网格分析对推断血糖值进行评价时的结果示图；
图19为比较例2中血糖值经时变化的研究结果示图；
图20为比较例2中通过误差网格分析对推断血糖值进行评价时的结果示图；
图21为实施例3中血糖值经时变化的研究结果示图；
图22为实施例3中通过误差网格分析对推断血糖值进行评价时的结果示图；
图23为背景电流信号测定和推断背景电流信号计算的结果图；
图24为第4545398号专利说明书记述的监测装置的示意说明图。
具体实施方式
【用语说明】
在本说明书中，如“X~Y”一类用端点表述的数值范围包括各范围内所含一切数值和有理数及所记述的端点。
所谓“微创组织液抽取技术”指以微小的创伤从受检者抽取组织液的技术。微创组织液抽取技术是通过穿刺器具等在生物的皮肤上形成微孔以促进组织液的抽取。用包括凝胶等在内的收集件回收从微孔抽取的组织液。
所谓“生物内成分”指从生物，比如受检者，抽取的体液中所含成分。生物内成分例如有葡萄糖、尿酸、乳酸、半乳糖等，无特别限定。“受检物质”指生物内成分中作为检出对象的物质。体液如有组织液、血液等，无特别限定。
（连续监测系统）
以下参照附图就连续监测系统进行说明。如图1所示，连续监测系统10含有传感器总成20、收集件40和终端60。使用连续监测系统10时，装上传感器总成20并使其接触形成有微孔的受检者前臂上装的收集件40。终端60用于显示传感器总成20获取的信息。终端60比如可以是手机终端、平板电脑等，无特别限定。
（传感器总成）
如图2所示，传感器总成20包括盖21、内置有电路的上部主体22、用于收纳电化学传感器30的下部主体23。上部主体22包括无图示的电路、用于安装盖21的缺口部22a、用于收纳作为电源的电池25的收纳部件22b、使传感器总成20在开/关之间切换的开关22c、用于使电化学传感器30连接到电路的连接端子22d。盖21安装在缺口部22a并覆盖收纳有电池25的收纳部件22b。电路包括与电池25连接的连接端子、后述处理器、存储器等。下部主体23含有孔部23a，该孔部23a用于使电化学传感器30的电极一侧的表面对准受检者前臂的微孔形成部分。
如图3所示，传感器总成20的下部主体23的前臂接触面23b是一个含有与前臂曲面相应的曲面的凹部，以便能将传感器总成20安装到前臂。接触面23b的R值一般设定为40~50。
返回图2，电化学传感器30通过上部主体22的连接端子22d连接电路。连接着连接端子22d的电化学传感器30收纳于上部主体22和下部主体23之间。此时，如图3所示，电化学传感器30收纳于上部主体22和下部主体23之间并使电极位于前臂一侧。
如图4所示，传感器总成20含有电化学传感器30、通信部件113和控制部件115。传感器总成20通过通信部件113与终端60的通信部件121进行了可通信连接。
将电化学传感器30配置为与收集件40接触的状态。电化学传感器30获取的包括来源于受检物质的信号在内的未处理信号的强度测定值和背景信号的测定值输出到控制部件115。
在本实施方式，通信部件113是无线通信部件。通信部件113也可以是有线通信部件。从便于用户使用的观点来说，通信部件113宜是无线通信部件。
传感器总成20的控制部件115包括处理器115a和存储器115b。
处理器115a能够获取电化学传感器30输出的包括来源于受检物质的信号在内的未处理信号的强度测定值的信息和背景信号的测定值信息。处理器115a根据需要将获取的包括来源于受检物质的信号在内的未处理信号的强度测定值信息和背景信号的测定值的信息存储到存储器115b。处理器115a还能将幂近似公式、指数近似公式、线性近似公式或其组合公式作为推断公式应用于电化学传感器30在一定时间内获取的背景信号强度的经时变化，算出经过一定时间后的任意时间点处背景信号的强度。处理器115a还会根据需要将背景信号强度的算出值的信息存储到存储器115b。处理器115a还能从包括来源于受检物质的信号在内的未处理信号强度测定值中减去包括来源于受检物质的信号在内的未处理信号强度的测定时间点处的背景信号强度的算出值，以此算出来源于受检物质的信号强度。处理器115a还根据需要将来源于受检物质的信号强度的信息存入存储器115b。处理器115a还能根据来源于受检物质的信号强度、以及与受检物质在生物内浓度相关的物质的生物内浓度的关系算出受检物质的量。处理器115a还会根据需要将受检物质的量的信息存储到存储器115b。另外，一定时间的起点比如可以是接通传感器总成20的电源的时间点、从接通传感器总成20的电源起经过数分钟的时间点、或用户指示的时间点等。一定时间的终点例如可以是用户指示结束的时间点、背景信号低于阈值的时间点、或在传感器总成20的存储器115b等预设的时间等。
存储器115b存储作为推断公式的幂近似公式、指数近似公式、线性近似公式或其组合公式的信息、与受检物质在生物内浓度相关的物质的生物内浓度的信息、校正公式的信息等。与受检物质在生物内浓度相关的物质的生物内浓度例如有受检物质的血中浓度、与受检物质相关的其他物质的组织液中浓度、与受检物质相关的其他物质的血中浓度等，无特别限定。也可以使存储器115b临时存储通过电化学传感器30在一定时间内获取的背景信号强度的测定值的信息、经过一定时间后的任意时间点的背景信号的强度算出值的信息、来源于受检物质的信号强度的信息、受检物质的量的信息等。
另外，传感器总成20还可以与后述收集件40设为一体。此时，无需将传感器总成20装到受检者手臂即可测定背景信号。
（电化学传感器的结构）
下面以用于检出从受检者抽取的组织液中所含葡萄糖的葡萄糖传感器为例就电化学传感器进行说明。
如图5所示，电化学传感器30包括：基板31、工作电极32、对电极33、参比电极34、电极导线35、36、37。工作电极32、对电极33、参比电极34和电极导线35、36、37设置于基板31的一表面。
基板31形状可以是矩形、多角形、圆形等，无特别限定。构成基板31的材料是至少不影响工作电极32、对电极33和参比电极34的导电性的绝缘材料。构成基板31的材料比如有聚乙烯醇、聚对苯二甲酸乙二醇酯、聚对苯二甲酸丁二醇酯、聚萘二甲酸乙二醇酯、聚萘二甲酸丁二醇酯等聚酯类树脂；聚酰亚胺；玻璃环氧树脂；玻璃；陶瓷等，无特别限定。基板31的厚度可根据电化学传感器的用途等适当决定。基板31宜具有能贴合在皮肤上的柔软性。
如图5所示，工作电极32配置于基板31表面的一侧。工作电极32与电极导线35连接。电极导线35从工作电极32向基板31的另一侧延伸，具体而言，在图5中向基板31下侧延伸。
如图6所示，工作电极32包括在基板31一表面上形成的电极层131、以及含葡萄糖氧化酶的酶层132。酶层132设在电极层131表面上。
电极层131与来源于葡萄糖的过氧化氢交换电子。电极层131包括导电性材料。用于电极层131的导电性材料可列举出铂、金等金属材料等，无特别限定。电极层131的厚度只要能维持导电性即可，无特别限定。一般来说，从导电性的角度考虑，电极层131的厚度以0.01μｍ以上为宜，0.05μｍ以上更好，从制作成本的角度考虑，电极层131的厚度以0.5μｍ以下为宜，0.3μｍ以下更好。
酶层132设在电极层131表面。在本实施方式中，酶层132含有葡萄糖氧化酶。葡萄糖氧化酶是一种以葡萄糖为底物生成过氧化氢的酶。作为葡萄糖氧化酶的供应源的生物无特别限定。通常情况下，从保证葡萄糖检出灵敏度的角度来说，将酶层132中的葡萄糖氧化酶的量换算成涂布在电极层131上的溶液中的葡萄糖氧化酶的活性含量的话以0.01U/μＬ以上为宜，0.1U/μＬ以上更好。从成本考虑，其数值以100U/μＬ以下为宜，50U/μＬ以下更好。
工作电极32与体液接触。体液中含有葡萄糖时，如图6所示，在工作电极32的酶层132上的葡萄糖氧化酶氧化葡萄糖。由于葡萄糖的氧化而生成过氧化氢和葡萄糖酸。生成的过氧化氢在工作电极32的电极层131上电解。电化学传感器30能够根据随着过氧化氢电解而产生的电流信号检出体液中所含的葡萄糖。
返回图5，对电极33配置在工作电极32的外侧，具体而言，在图5中配置于基板31表面的工作电极32上侧。对电极33与电极导线36连接。电极导线36从对电极33向基板31的另一侧延伸，具体而言，在图5中向基板31下侧延伸。对电极33包括含导电性材料的电极层。导电性材料如有铂、金、银、铜、碳、钯、铬、铝、镍等金属、含上述金属中至少一者的合金、上述金属的氯化物等金属卤化物；碳纳米管膜、玻璃碳、石墨等碳材料；硅、锗等半导体材料等，无特别限定。对电极33中的电极层厚度可根据电化学传感器的用途等适当决定。
参比电极34在图5中隔着工作电极32配置在与对电极33相对的位置。参比电极34与电极导线37连接。电极导线37从参比电极34向基板31的另一侧延伸，具体而言在图5中向基板31下侧延伸。参比电极34包括含有导电性材料的电极层。用于参比电极34的电极层的导电性材料和用于对电极33的电极层的导电性材料一样。参比电极的具体示例如有银-氯化银电极等，无特别限定。参比电极34中的电极层厚度可根据电化学传感器30的用途等适当决定。电化学传感器30也可以不包括参比电极34。此时，也可以使对电极33兼作参比电极，但要考虑对电极33所使用的导电性材料的种类和对电极33的厚度等。测定较大电流时，从降低电压下降的影响和使施加于工作电极32的电压保持稳定的角度来说，电化学传感器30宜包括参比电极34。
形成工作电极32、对电极33和参比电极34的方法比如有蒸镀法、溅镀法、丝网印刷法等，无特别限定。形成工作电极32、对电极33和参比电极34的方法可根据导电性材料的种类适当选择。
电极导线35、电极导线36和电极导线37在基板31的另一侧相互并列配置，具体而言，在图5中基板31下侧部分相互并列配置。
另外，电化学传感器30也可以是葡萄糖传感器以外的酶传感器、蛋白质传感器、DNA传感器等。此时，在电化学传感器30中也可以使用其他酶、与作为受检物质的蛋白质特异性结合的物质、与作为受检物质的DNA特异性结合的物质来取代工作电极32的酶层132中所含葡萄糖氧化酶。采用葡萄糖传感器以外的电化学传感器30能检出葡萄糖以外的物质。酶例如有以乳酸氧化酶、半乳糖氧化酶和胆固醇氧化酶等为代表的经酶反应生成过氧化氢的酶；以葡糖脱氢酶等为代表的经酶反应生成过氧化氢以外物质的酶等，无特别限定。酶使用经酶反应生成过氧化氢以外物质的酶时，工作电极的导电性材料例如可使用铂、金、银、铜、碳、钯、铬、铝、镍等金属、含上述金属中至少一者的合金、上述金属的氯化物等金属卤化物；碳纳米管膜、玻璃碳、石墨等碳材料；硅、锗等半导体材料等。与蛋白质特异性结合的物质例如有针对蛋白质的抗体等，无特别限定。与DNA特异性结合的物质例如有作为受检物质的DNA的互补链DNA等，无特别限定。
电化学传感器30的电极结构可以是三电极式结构，也可以是二电极式结构。三电极式的结构如上所述是包括一个工作电极32、一个对电极33和一个参比电极34在内的三电极式结构。二电极式结构为包括一个工作电极、以及兼作对电极和参比电极的电极的二电极式结构。
（收集件）
如图7所示，收集件40用于收集通过经皮取样法从受检者皮肤抽取的组织液。收集件40含有能够收集组织液的抽取媒介41和支撑抽取媒介的支撑件42。抽取媒介如有水凝胶、纯化水、磷酸缓冲生理盐水、Tris缓冲生理盐水等，无特别限定。考虑到组织液经皮取样时受检者的动作的话，以水凝胶为宜。水凝胶只要能收集组织液或组织液中的受检物质即可。水凝胶的材料可列举出：琼脂糖为基础的水凝胶；聚二丙烯酸乙二醇酯为基础的水凝胶类；含聚二丙烯酸乙二醇酯/聚乙烯亚胺和聚二丙烯酸乙二醇酯-N-乙烯基吡咯烷酮的醋酸乙烯酯为基础的水凝胶等，无特别限定。可以形成水凝胶的聚合物可以是合成聚合物或天然聚合物。合成聚合物比如有聚乙烯醇；聚丙烯酸酯聚合物；羟丙基纤维素等纤维素衍生物；聚乙二醇等聚合物、共聚物及嵌段共聚物、以及其他具有水溶胀性或与生物相适的性质的聚合物等，无特别限定。天然聚合物如有胶原蛋白、透明质酸、明胶、白蛋白、多糖、这些物质的衍生物等，无特别限定。天然聚合物也可以是从洋车前子等各种植物性材料分离出来的化合物型的物质。水凝胶例如还可以通过以下方法等制造：a）用单体合成（交联聚合）；b）用聚合物与聚合助剂合成（接枝和交联聚合）；c）用聚合物和非聚合助剂（交联用聚合物）合成；d）有能量源存在下的聚合物（不含助剂的交联用聚合物）合成、e）用聚合物合成（通过反应性聚合物的聚合物之间的键交联）。
考虑到电化学传感器30对受检物质的应答速度，水凝胶的厚度以薄为宜。水凝胶的厚度以1~1000μｍ为宜，5~700μｍ更好，10~300μｍ更佳。水凝胶的大小只要能覆盖组织液抽取区域并能确保与电化学传感器30之间的接触即可。另外，例如受检物质为葡萄糖、乳酸等低分子化合物时，水凝胶可以含有酶。酶例如有葡萄糖氧化酶、葡糖脱氢酶、乳酸氧化酶等。将酶导入水凝胶的方法可根据水凝胶的形成方法适当决定。关于将酶导入水凝胶的方法，例如，当使聚乙烯醇通过电子束交联来制作水凝胶时，可采用将酶添加在聚乙烯溶液中并进行电子束交联的方法；将官能团导入构成水凝胶的聚合物并使酶与该官能团化学结合的方法等，无特别限定。此时，电化学传感器30的工作电极是不含酶层而含电极层的工作电极。
支撑件42含有有凹部的支撑部主体42a、在此支撑部主体42a外周侧形成的边缘部42b。支撑部主体42a的凹部内安放着抽取媒介。边缘部42b表面设有粘着层43。在使用前，用于封住凹部内安放的抽取媒介41的剥离纸44贴在粘着层43。进行测定时，剥离纸44从粘着层43剥离，露出抽取媒介41和粘着层43。收集件40能通过粘着层43粘贴并固定在该受检者皮肤上且使抽取媒介41接触受检者皮肤。
（终端）
如图4所示，终端60含有通信部件121、控制部件123和显示部件125。
终端60通过通信部件121与传感器总成20的通信部件113进行了可通信连接。通信部件121是无线通信部件。通信部件121也可以是有线通信部件。从方便用户使用的角度出发，通信部件121宜是无线通信部件。另外，终端60也可以算出表示受检物质的量的值等。
控制部件123含有处理器123a和存储器123b。
处理器123a能够通过通信部件121从传感器总成20获取包括来源于受检物质的信号在内的未处理信号的强度测定值的信息、背景信号的测定值的信息、经过一定时间后的任意时间点处的背景信号强度的算出值的信息、来源于受检物质的信号强度的信息、受检物质的量的信息等。此外，处理器123a还根据需要将包括来源于受检物质的信号在内的未处理信号的强度测定值信息、不存在受检物质的情况下的背景信号测定值的信息、经过一定时间后的任意时间点处的背景信号强度的算出值的信息、来源于受检物质的信号强度的信息、受检物质的量的信息等存储到存储器123b。处理器123a还能利用包括来源于受检物质的信号在内的未处理信号的强度的测定值信息、不存在受检物质的情况下的背景信号的测定值的信息、经过一定时间后的任意时间点处的背景信号强度的算出值信息、来源于受检物质的信号强度的信息、受检物质的量的信息等生成供显示部件125显示的图像信息。处理器123a还能向显示部件125输出生成的图像信息。
存储器123b临时存储包括来源于受检物质的信号在内的未处理信号的强度测定值的信息、不存在受检物质的情况下的背景信号测定值的信息、经过一定时间后的任意时间点处的背景信号强度的算出值的信息、来源于受检物质的信号的强度信息、受检物质的量的信息等。还可以使存储器123b存储作为推断公式的幂近似公式、指数近似公式、线性近似公式或其组合公式的信息、与受检物质在生物内浓度相关的物质的生物内浓度的信息、校正公式信息等。
显示部件125根据处理器123a输出的图像信息显示图像。例如，显示部件125上一并显示经过一定时间后的任意时间点处的信息、以及受检物质的量的信息。
（受检物质连续监测方法的处理步骤）
下面参照附图就使用连续监测系统10对受检物质连续监测的方法的处理步骤进行说明。图8为第一技术方案涉及的受检物质的连续监测方法的处理步骤的流程图。
首先，在步骤S101之前，用户对前臂皮肤进行促进组织液导出的处理。促进组织液导出的处理方法无特别限定，例如有：用含有微针的穿刺器具在皮肤上形成包括微孔在内的组织液抽取区域的方法；通过条带、摩擦、钻磨、超声波照射等对皮肤进行微创处理来形成组织液抽取区域的方法等。从减少对皮肤的损伤的角度来说，优选方法为用含有微针的穿刺器具来形成组织液抽取区域、通过钻磨或超声波来形成组织液抽取区域。当进行超声波照射时，超声波的频率以10kHz~500kHz为宜，20kHz~200kHz更好，30~150kHz更佳。以下说明用含有微针的穿刺器具形成组织液抽取区域这一方法来进行促进组织液导出的处理的情形。用户用含有微针的穿刺器具如图9所示地在前臂表皮形成包括微孔601在内的组织液抽取区域。然后，用户用条带等封住组织液抽取区域的微孔601。此后用户在此条带上贴上收集件40。再将传感器总成20装在收集件40上。
在步骤S101，用户首先启动传感器总成20。此后，在传感器总成20中，控制部件115的处理器115a让电化学传感器30进行一定时间的背景信号B1的测定。在步骤S101，测定一定时间的背景信号强度的经时变化。测定背景信号B1的方法如有计时安培分析法、循环伏安法、计时库仑法等电化学测定法等，无特别限定。
背景信号B1的测定宜在传感器总成20的电化学传感器30准备时间内进行。通常情况下，用电化学传感器进行测定时，通电后到电化学传感器内流动的电流信号稳定且测定值稳定为止需要一定时间。因此，从电化学传感器通电后到电化学传感器内流动的电流信号稳定为止的期间会进行电化学传感器的通电而不进行实际测定。本发明人发现，在电化学传感器30的准备时间内进行背景信号B1的测定的话能高效利用电化学传感器30的准备时间并精确算出受检物质的量。“准备时间”指向电化学传感器施加电压后起到测定值恒定的时间。从获得高精确度背景信号强度算出值的角度来说，背景信号B1强度的经时变化的测定时间以20分钟以上为宜，30分钟以上更好。另外，从防止受检者生活品质下降的角度来说，背景信号B1强度的经时变化的测定时间以90分钟以下为宜，60分钟以下更佳。在步骤S101，处理器115a获取通过电化学传感器30测定的背景信号B1的强度的信息。然后，处理器115a将获取的背景信号B1的强度的信息存储到存储器115b。
另外还可通过在将不含受检物质的收集件40贴在电化学传感器30的状态下向电化学传感器30施加电压来测定背景信号B1。
然后，在步骤S102，传感器总成20的控制部件115算出受检物质测定时间点处的背景信号，即推断背景信号Bt。在步骤S102，首先控制部件115的处理器115a从存储器115b获取背景信号B1的强度的信息、幂近似公式、指数近似公式、线性近似公式或其组合公式的各自的信息。然后，处理器115a将作为推断公式的幂近似公式、指数近似公式、线性近似公式即其组合公式中最合适的推断公式应用于一定时间背景信号B1的强度的经时变化。
推断公式比如可列举出以下公式，但并无限定。（1）ｙ＝ＡｘＢ（式中，A和B为常数，y是背景信号的算出值，x表示测定时间）（2）ｙ＝ＡｘＢ＋Ｃ（式中，Ａ、Ｂ和C表示常数，y是背景信号的算出值，x表示测定时间）（3）ｙ＝ＡｘＢ＋Ｃｘ＋Ｄ（式中，Ａ、Ｂ、Ｃ和D表示常数，y是背景信号的算出值，x表示测定时间）（4）ｙ＝ＡｅＢｘ（式中，Ａ和B为常数，y是背景信号的算出值，x表示测定时间）（5）ｙ＝ＡｅＢｘ＋Ｃ（式中，Ａ、Ｂ和C表示常数，y是背景信号的算出值，x表示测定时间）（6）ｙ＝ＡｅＢｘ＋Ｃｘ＋Ｄ（式中，Ａ、Ｂ、Ｃ和D表示常数，y是背景信号的算出值，x表示测定时间）
处理器115a针对背景信号强度的经时变化进行推断公式的拟合，求出推断公式中的常数。然后，处理器115a按照推断公式算出受检物质测定时间的推断背景信号Bt。处理器115a将算出的推断背景信号Bt的信息存储到存储器115b。
在接下来的步骤S103，控制部件115的处理器115a让电化学传感器30测定包括来源于受检物质的信号在内的未处理信号At。在步骤S103，用户首先除去收集件40和包括前臂的微孔601在内的组织液抽取区域之间的条带。具体而言，用户从前臂取下传感器总成20、收集件40和条带。此后，用户如图10所示将收集件40贴于组织液抽取区域，使包括前臂的微孔601在内的组织液抽取区域和抽取媒介接触。然后，用户将传感器总成20装到收集件40上。其后，在传感器总成20中，处理器115a让电化学传感器30测定包括来源于受检物质的信号在内的未处理信号At。包括来源于受检物质的信号在内的未处理信号At的测定方法如有计时安培分析法、循环伏安法、计时库仑法等电化学测定法等，无特别限定。在步骤S103，处理器115a获取通过电化学传感器30测定的包括来源于受检物质的信号在内的未处理信号At的强度的信息。然后，处理器115a将获取的包括来源于受检物质的信号在内的未处理信号At的信息存储到存储器115b。
接着，在步骤S104，控制部件115的处理器115a算出来源于受检物质的信号Ct。在步骤S104，控制部件115的处理器115a首先从存储器115b获取包括来源于受检物质的信号在内的未处理信号At的信息、推断背景信号Bt的强度的信息。然后，处理器115a从包括来源于受检物质的信号在内的未处理信号At的强度测定值减去推断背景信号Bt的强度值。以此，处理器115a算出来源于受检物质的信号Ct。处理器115a将算出的来源于受检物质的信号Ct的信息存储到存储器115b。
另外，步骤S104中算出来源于受检物质的信号Ct的作业也可以由终端60代传感器总成的处理器115a来执行。此时，在进行步骤S104之前，处理器115a向终端60输出包括来源于受检物质的信号在内的未处理信号At的信息、推断背景信号Bt的强度的信息。
接下来，在步骤S105，处理器115a校正来源于受检物质的信号Ct。在步骤S105，处理器115a首先从存储器115b获取来源于受检物质的信号Ct的信息、与受检物质在生物内浓度相关的物质的生物内浓度的信息。其后处理器115a用与受检物质在生物内浓度相关的物质的生物内浓度和校正公式等将来源于受检物质的信号Ct转换成表示受检物质的量的值Dt。
与受检物质在生物内浓度相关的物质的生物内浓度比如有受检物质的血中浓度、与受检物质相关的其他物质的组织液中浓度、与受检物质相关的其他物质的血中浓度等，但无特别限定。从提高精确度的角度来说，与受检物质的生物内浓度相关的物质的生物内浓度宜是受检物质的血中浓度。受检物质的血中浓度例如可用血糖自测装置等来进行测定。当用受检物质的血中浓度作为与受检物质在生物内浓度相关的物质的生物内浓度时，从更精确推断受检物质的量的角度来说，受检物质的血中浓度宜在背景信号B1的测定时间内测定。
校正公式只要能求出受检物质的浓度即可，无特别限定。例如，在步骤S105，可以认为用于校正的受检物质的血中浓度等同于“包括来源于受检物质的电流信号在内的未处理电流信号a1的测定值（相当于包括来源于受检物质的信号的在内的未处理信号At强度）减去推断背景电流值（相当于推断背景信号Bt的强度）所得到的值”——即来源于受检物质的电流值。此时，首先求出将包括来源于受检物质的电流信号在内的未处理电流信号a1的测定值转换为受检物质的血中浓度的比率（=受检物质的血中浓度/电流信号的测定值）。然后，处理器115a用来源于受检物质的电流值算出受检物质的量。在步骤S105，例如可以在考虑皮肤上的微孔收缩和电化学传感器的经时劣化等因素的基础上将电流值变动量作为校正公式使用，按照以下公式算出受检物质的量：[受检物质的量（算出量）]=([与受检物质在生物内浓度相关的物质的生物内浓度]×[ 来源于受检物质的电流值]）/[电流值的变动量]。在步骤S105，电流值的变动量也可以通过上述幂近似公式、指数近似公式、线性近似公式或其组合公式算出。在步骤S105，处理器115a将表示受检物质的量的值Dt的信息存储到存储器115b。
之后，在步骤S106，处理器115a将在步骤S105存储到存储器的表示受检物质的量的值Dt的信息输出到终端60。
另外，在上述第一技术方案的受检物质连续监测方法中，对前臂皮肤施以促进组织液导出的处理后，通过传感器总成20测定背景信号B1，再算出推断背景信号Bt，测定包括来源于受检物质的信号在内的未处理信号At。此外，促进组织液导出的处理也可以在通过传感器总成20测定背景信号B1且算出推断背景信号Bt后进行。此时，也可以在不将传感器总成20和收集件40装于前臂的情况下通过让传感器总成20和收集件40接触来测定背景信号B1。
此外，在第一技术方案的受检物质连续监测方法中，也可以根据一定时间内的一点的背景信号确定包括来源于受检物质的信号在内的未处理信号的测定时间点处的背景信号。比如，可以从包括来源于受检物质的信号在内的未处理信号中减去背景信号转为恒定时的背景信号。另外，背景信号的测定时机也可以不在包括来源于受检物质的信号在内的未处理信号的测定之前，而是在包括来源于受检物质的信号在内的未处理信号的测定之后。
在第一技术方案的受检物质连续监测方法中，背景信号B1的测定和推断背景信号Bt的算出均在实施受检物质的连续监测方法的过程中进行。除此之外，背景信号B1的测定和推断背景信号Bt的算出也可以提早到连续监测系统10的制造过程中进行（第二技术方案的连续监测方法）。此时，可将推断公式的信息和推断背景信号Bt的信息预先存储在传感器总成20的控制部件115的存储器115b中。此时，用户能用连续监测系统10立即实施受检物质的测定。下面说明第二技术方案的连续监测方法。
在第二技术方案的连续监测方法的步骤S201中，传感器总成20的控制部件115的处理器115a让电化学传感器30测定包括来源于受检物质的信号在内的未处理信号At。步骤S201与第一技术方案的连续监测方法中的步骤S103同样。
在接下来的步骤S202，处理器115a调出存储在存储器115b的推断背景信号Bt，获取这些信息。
在此后的步骤S203~步骤S205，处理器115a算出来源于受检物质的信号Ct、校正来源于受检物质的信号Ct、输出表示受检物质的量的值Dt。步骤S203~步骤S205与第一技术方案的连续监测方法中的步骤S104~S106相同。
【实施例】
简略用语的说明
PEN：聚萘二甲酸乙二醇酯
PBS：磷酸缓冲生理盐水
PVA：聚乙烯醇
（实施例1）
以下通过实施例1和比较例1考察了是否算出从开始测定背景电流信号起经过一定时间后的任意时间点处的推断背景电流值、是否使用推断背景电流值两者对推断血糖值精确度的影响。
（1）形成电极层
在PEN制膜的一表面上通过蒸镀法形成由铂薄膜构成的工作电极（直径9mm）和由铂薄膜构成的对电极。在PEN制膜的工作电极和对电极一侧的表面上涂布银/氯化银墨并进行干燥，由此形成由银/氯化银构成的参比电极。以此获得电极基板。
（2）形成酶层
在实施例1（1）获得的电极基板的工作电极上滴加12.7μＬ酶溶液[含0.25质量%戊二醛、42.984mg/dL牛血清白蛋白、1.5225U/mL葡萄糖氧化酶和0.5U/mL变旋酶的PBS溶液]。然后，将电极基板静置在相对湿度30%、温度25℃的环境中，使酶溶液干燥。以此在工作电极上形成酶层，获得葡萄糖传感器。
（3）制备水凝胶
向PVA水溶液A[成分：12%（w/w）PVA、2%（w/w）氯化钾和86%（w/w）水]辐射量为25kGr的电子束，由此获得PVA水凝胶（横：20mm、纵：20mm和厚：0.2mm）。
（4）形成组织液抽取区域
用乙醇消毒健康人的前臂。用含有微针的穿刺器具（希森美康（株）制）在前臂形成含微孔的直径8mm的组织液抽取区域。
（5）防止组织液渗出
在实施例1（4）形成的组织液抽取区域上贴上粘接用条带（3M（株）制），防止组织液从组织液抽取区域的微孔渗出。
（6）贴水凝胶、安装葡萄糖传感器
将在实施例1（3）获得的水凝胶贴在在实施例1（5）中贴在组织液抽取区域的粘接用条带（3M（株）制）上。接着，将葡萄糖传感器贴在组织液抽取区域上的水凝胶上，使葡萄糖传感器的工作电极、参比电极和对电极分别与组织液抽取区域上的水凝胶接触。以此将葡萄糖传感器安装到前臂。在人的前臂形成有微孔的组织液抽取区域上依次层叠着粘接用条带（3M（株）制）、水凝胶和葡萄糖传感器。
（7）测定背景电流信号
在实施例1（6）中安装在前臂的葡萄糖传感器连接到恒电位器（BAS（株）制，商品名：ALS832b）。以参比电极为基准，在葡萄糖传感器的工作电极施加0.45V电压。在2690秒内测定工作电极和对电极之间流过的背景电流信号。
（8）测定包括来源于水凝胶中葡萄糖的电流信号在内的未处理电流信号
在实施例1（7）测定背景电流信号后，取下前臂组织液抽取区域上的葡萄糖传感器、水凝胶和粘接用条带（3M（株）制）。然后立刻在组织液抽取区域上贴上水凝胶并覆盖前臂的组织液抽取区域。接着，将葡萄糖传感器贴在组织液抽取区域上的水凝胶上，使葡萄糖传感器的工作电极、参比电极和对电极分别接触组织液抽取区域上的水凝胶且组织液抽取区域的中心位置对准葡萄糖传感器工作电极的中心位置。以此将葡萄糖传感器安装到前臂。安装葡萄糖传感器的同时开始通过葡萄糖传感器测定包括来源于水凝胶中受检物质——即葡萄糖——的电流信号在内的未处理电流信号a1。葡萄糖传感器对电流信号的测定以2秒间隔进行。以此获得包括来源于葡萄糖的电流信号在内的未处理电流信号a1的测定值（以下也称“电流测定值A1”）。另外，以下也称从开始测定包括来源于葡萄糖的电流信号在内的未处理电流信号起经过时间t后所到达的测定时间点的电流测定值A1为“电流测定值A1t”。
（9）测定血糖值
从实施例1（8）中开始测定包括来源于葡萄糖的电流信号在内的未处理电流信号起经过3600秒时、经过23700秒时分别用血糖自测器[NIPRO（株）制，商品名：Freestyle]测定穿刺指头得到的血液的血糖值（以下也称“补正用血糖值G3600”和“补正用血糖值G23700”）。使用从开始测定经过3600秒时的电流值、经过23700秒时的电流值，获得算公式（Ia）。
y=-0.002×t+87.689 (Ia)
另外，在公式（Ia）中，t表示从开始测定包括来源于葡萄糖的电流信号在内的未处理电流信号起所经过的时间。
用此公式用于从实施例1（8）获得的电流测定值A1t得到推断血糖值。
此外，从实施例1（8）中开始测定包括来源于葡萄糖的电流信号在内的未处理电流信号起经过4500秒所到达的时刻起，用血糖自测器以900~1800秒间隔测定血糖值。另外，从开始测定包括来源于葡萄糖的电流信号在内的未处理电流信号起经过时间t所到达的测定时刻测得的血糖值也称为“实测血糖值Gt”。实测血糖值Gt用于与推断血糖值的比较，还用作参照血糖值。
（10）算出推断背景电流值
通过对实施例1（7）获得的背景电流值进行幂近似获得了近似曲线。根据获得的近似曲线得到从实施例1（8）中开始测定包括来源于葡萄糖的电流信号在内的未处理电流信号起经过时间t所到达的测定时间点的背景电流值（以下也称“推断背景电流值Bt”）的算式，即式（IIa）：
[推断背景电流值Bt]=625．3×t-0.399 （IIa）
（式中，t表示从开始测定包括来源于葡萄糖的电流信号在内的未处理电流信号起所经过的时间）。根据算式（IIa）得到推断背景电流值Bt。
（11）算出推断血糖值
根据公式（III），用实施例1（8）获得的电流测定值A1t和与该电流测定值A1t相应的测定时间点的推断背景电流值Bt算出来源于受检物质的电流值Ct。
[来源于受检物质的电流值Ct]=[电流测定值A1t-推断背景电流值Bt] （III）
以5分钟为间隔划分实施例1（8）中电流信号的测定时间点，算出划分出的一个时间段（5分钟）内获得的来源于受检物质的电流值Ct的平均值。
为消除血液中的血糖值反映在从组织液中的葡萄糖量推测出的血糖值时会出现的时间差，对来源于受检物质的电流值Ct的平均值进行152秒的时间校正。然后，根据公式（IVa）算出推断血糖值Dt。
[推断血糖值Dt]=[平均血糖值×i]/[-0.002×t+87.689] （IVa）
在公式（IVa）中，平均血糖值表示补正用血糖值G3600和补正用血糖值G23700的平均值，t表示从开始测定背景电流信号起经过的时间，i表示来源于受检物质的电流值Ct，[-0.002×t+87.689]与公式（Ia）所表示的直线对对应。
其后考察推断血糖值和实测血糖值的经时变化。在实施例1，图12为考察血糖值的经时变化所得到的结果。图中，白圆点表示推断血糖值的经时变化，十字表示实测血糖值的经时变化。接着，在图12，用同一时间点处的推断血糖值和实测血糖值通过误差网格分析评价了推断血糖值的精确度。
在误差网格分析中，通过对比推断血糖值和作为实测血糖值的参照血糖值来将推断血糖值的精确度分类为图13所示A~E区域来进行评价。在图13中，各区域的意义如下所示。<误差网格分析中的各区域意义>
A区域：临床上正确，能实现正确的医疗判断。即具有临床精确度。
B区域：能实现良性判断或无需处理。即精确度比A差但该精确度在临床上无问题。
C区域：对正常血糖值过度校正。即该精确度下可能会进行不必要的处理。
D区域：该精确度可能会忽略高血糖值或低血糖值。
E区域：该精确度会导致不正确的危险的处理决定。
因此，一般来说，在误差网格分析中如果推断血糖值的点包含在A和B区域则推断血糖值的精确度就是在实际使用没有问题的。
在实施例1中，通过误差网格分析评价推断血糖值所得到的结果如图14所示。在图14中，A表示误差网格分析中的A区域。
（12）结果
如图23所示，在实施例1（7）测定的背景电流信号呈现出y＝625．3×t-0.399所示曲线L1a的经时变化。在实施例1（10）算出的推断背景电流值在实施例1（7）获得的背景电流信号测定时间以后依旧呈现y＝625．3×t-0.399所示曲线L1b的经时变化。由此可知，针对测定出的背景电流值的经时变化进行幂近似公式、指数近似公式、线性近似公式或其组合公式的拟合就能算出包括来源于葡萄糖的电流信号在内的未处理电流信号测定时间点处背景信号的强度。
从图14所示结果得知，在实施例1获得的推断血糖值的14个点全部在A区域内。另外，算出推断血糖值相对于参照血糖值的偏差[平均绝对差（mean absolute relativedifference，以下也称为MARD）]，结果是MARD为6.2%。由以上结果可以看出，以测定葡萄糖用的葡萄糖传感器测定出的背景电流值为依据算出的推断背景电流值能用于获得高精确度的推断血糖值。
（比较例1）
在比较例1中，不测定背景电流值，不算出推断背景电流值，也不算出来源于受检物质的电流值Ct，直接算出推断血糖值Dt。
以5分钟为间隔划分实施例1（8）中电流信号的测定时间点，算出划分出的一段时间（5分钟）内在实施例1（8）获得的电流测定值A1t的平均值。此外，进行与实施例1（9）同样的操作，得到补正用血糖值G3600、补正用血糖值G23700和实测血糖值Gt。使用从开始测定起经过3600秒时的电流值和经过23700秒时的电流值，得到公式（Ib）。
ｙ＝－0．0026×t＋113．42 （Ib）
另外，在式（Ib）中，t表示从开始测定包括来源于葡萄糖的电流信号在内的未处理电流信号起所经过的时间。
对电流测定值A1t的平均值进行152秒的时间校正。然后，根据公式（IVb）算出推断血糖值Dt。
[推断血糖值Dt]=[平均血糖值×i]/[-0.0026×t+113.42] （IVb）
在公式（IVb）中，平均血糖值表示补正用血糖值G3600和补正用血糖值G23700的平均值，t表示从包括来源于葡萄糖的电流信号在内的未处理电流信号开始测定起经过的时间，i表示来源于受检物质的电流值Ct，[-0.0026×t+113.42]与公式（Ib）所表示的直线相对应。
其后，考察推断血糖值和实测血糖值的经时变化。在比较例1，图15为考察血糖值的经时变化所得结果。图中，白圆点表示推断血糖值的经时变化，十字表示实测血糖值的经时变化。接着，在图15，用同一时间点的推断血糖值和实测血糖值通过误差网格分析评价了推断血糖值的精确度。在比较例1中通过误差网格分析评价推断血糖值所得到的结果见图16。图16中，A表示误差网格分析中的A区域。
从图16所示结果得知，在比较例1获得的推断血糖值的14个点中13个点在A区域内。MARD为17.7%。实施例1和比较例1不同点在于：未算出从开始测定背景电流信号起经过一定时间后的任意时间点的推断背景电流值、未使用推断背景电流值。由此结果可以看出，实施例1的方法，运用在测定葡萄糖所用的葡萄糖传感器测定得到的背景电流值算出推断背景电流值并实际使用推断背景电流值，因此其能获得高精确度的推断血糖值。
（实施例2）
以下通过实施例2和比较例2考察在改变补正用血糖值和实测血糖值Gt的测定时机的情况下是否算出从背景电流信号开始测定起经过一定时间后的任意时间点的推断背景电流值、是否使用推断背景电流值对推断血糖值精确度的影响。
（1）形成电极层
进行与实施例1（1）同样的操作，获得电极基板。
（2）形成酶层
进行与实施例1（2）同样的操作，获得葡萄糖传感器。
（3）制备水凝胶
进行与实施例1（3）同样的操作，获得PVA水凝胶。
（4）形成组织液抽取区域
进行与实施例1（4）同样的操作，形成组织液抽取区域。
（5）防止组织液渗出
进行与实施例1（5）同样的操作，防止组织液从组织液抽取区域的微孔渗出。
（6）贴上水凝胶、安装葡萄糖传感器
进行与实施例1（6）同样的操作，贴上水凝胶、安装葡萄糖传感器。
（7）测定背景电流信号
除使用小型恒电位器[（株）扶桑制作所制]这一点外，进行与实施例1（7）同样的操作，测定背景电流信号。
（8）测定包括来源于水凝胶中葡萄糖的电流信号在内的未处理电流信号
进行与实施例1（8）同样的操作，获得电流测定值A1t。
（9）测定血糖值
将从实施例2（8）中开始测定包括来源于葡萄糖的电流信号在内的未处理电流信号起经过2700秒的时间点、经过29100秒的时间点作为补正用血糖值的测定时间点，除此之外，进行与实施例1（9）同样的操作，获得补正用血糖值G2700和补正用血糖值G29100。
另外，从实施例2（8）中开始测定包括来源于葡萄糖的电流信号在内的未处理电流信号起经过3600秒的时刻起使用血糖自测器以900~1800秒为间隔测定血糖值，除此之外，进行与实施例1（9）同样的操作，获得实测血糖值Gt。
（10）算出推断背景电流值
通过对实施例2（7）获得的背景电流值进行幂近似来获得近似曲线。根据获得的近似曲线获得公式（IIb）作为推断背景电流值Bt的算出公式。
[推断背景电流值Bt]=3204.9×t-0.507 （IIb）
式（IIb）中，t表示从开始测定包括来源于葡萄糖的电流信号在内的未处理电流信号起经过的时间。
根据式（IIb）获得推断背景电流值Bt。
（11）算出推断血糖值
使用在实施例2（8）获得的电流测定值A1t和与该电流测定值A1t对应的测定时间点的推断背景电流值Bt来根据公式（III）算出来源于受检物质的电流值Ct。以5分钟为间隔划分实施例1（8）中的电流信号的测定时间点，算出所划分出的一段时间（5分钟）内获得的来源于受检物质的电流值Ct的平均值。
对来源于受检物质的电流值Ct的平均值进行454秒的时间校正。然后，根据公式（IVc）算出推断血糖值Dt。
[推断血糖值Dt]=[平均血糖值×i]/[150.151×exp(-0.0027×t)-0.00143×t+138.806]
（IVc）
在公式（IVc）中，平均血糖值表示补正用血糖值G2700和补正用血糖值G29100的平均值，t表示从开始测定包括来源于葡萄糖的电流信号在内的未处理电流信号起经过的时间，i表示来源于受检物质的电流值Ct，另外，假设血糖值一定，由于微孔收缩和电化学传感器的经时劣化等因素的影响，电流测定值A1会随着时间推移而衰减，上述[150.151×exp(-0.0027×t)-0.00143×t+138.806]与根据电流测定值A1的变化算出的衰减曲线相对应。
其后，考察推断血糖值和实测血糖值的经时变化。在实施例2，图17为考察血糖值的经时变化所得到的结果。图中，白圆点表示推断血糖值的经时变化，十字表示实测血糖值的经时变化。接着，在图17，用同一时间点的推断血糖值和实测血糖值通过误差网格分析评价了推断血糖值的精确度。在实施例2中，通过误差网格分析评价推断血糖值所得到的结果见图18。图18中，A表示误差网格分析中的A区域。
（12）结果
从图18所示结果得知，在实施例2获得的推断血糖值的19个点全部在A区域内。MARD为6.7%。由此结果可以看出，即使在补正用血糖值和实测血糖值Gt的测定时机改变的情况下，用根据测定葡萄糖所用的葡萄糖传感器测定的背景电流值算出的推断背景电流值能够获得高精确度的推断血糖值。
（比较例2）
使用在实施例2（8）获得的电流测定值A1t、以从开始测定包括来源于葡萄糖的电流信号在内的未处理电流信号起经过2700秒的时刻、经过29100秒的时刻作为补正用血糖值的测定时刻、从开始测定包括来源于葡萄糖的电流信号在内的未处理电流信号起经过3600秒的时刻开始以900~1800秒为间隔进行实测血糖值Gt的测定，除此之外，进行与比较例1同样的操作，算出推断血糖值Dt。在比较例2，推断血糖值Dt的算出公式为式（IVd）所示公式。
[推断血糖值Dt]=[平均血糖值×i]/[186.5161×exp(-0.002×t)-0.00093×t+150] （IVd）
在公式（IVd）中，平均血糖值表示补正用血糖值G2700和补正用血糖值G29100的平均值，t表示从开始测定包括来源于葡萄糖的电流信号在内的未处理电流信号起经过的时间，i表示从开始测定包括来源于葡萄糖的电流信号在内的未处理电流信号起经过时间t所到达的测定时间点的电流测定值A1，另外，此处认为，假设血糖值一定，由于微孔收缩和电化学传感器的经时劣化等因素的影响，电流测定值会随着时间推移而衰减，[186.5161×exp(-0.002×t)-0.00093×t+150]与根据电流测定值的变化算出的衰减曲线相对应。
其后，考察了推断血糖值和实测血糖值的经时变化。在比较例2，图19为考察血糖值的经时变化所得到的结果。图中，白圆点表示推断血糖值的经时变化，十字表示实测血糖值的经时变化。接着，在图19用同一时间点的推断血糖值和实测血糖值通过误差网格分析评价了推断血糖值的精确度。在比较例2中，通过误差网格分析评价推断血糖值所得到的结果见图20。图20中，A表示误差网格分析中的A区域。
从图20所示结果得知，在比较例2获得的推断血糖值的19个点中17个点在A区域内。MARD为8.1%。实施例2和比较例2的不同点在于未算出从开始测定背景电流信号起经过一定时间后的任意时间点的推断背景电流值、未使用推断背景电流值。由此结果可以看出，实施例2的方法用测定葡萄糖所用的葡萄糖传感器的背景电流值算出推断背景电流值并使用推断背景电流值，因此能获得高精确度的推断血糖值。
（实施例3）
以下考察了将背景电流信号的测定时机从测定来源于葡萄糖的电流信号之前相隔不久的时刻改为测定来源于葡萄糖的电流信号前一个月的话对推断血糖值精确度有何影响。
（1）形成电极层
进行与实施例1（1）同样的操作，获得电极基板。
（2）形成酶层
进行与实施例1（2）同样的操作，获得葡萄糖传感器。
（3）制备水凝胶
进行与实施例1（3）同样的操作，获得PVA水凝胶。
（4）测定背景电流信号
让在实施例3（2）获得的葡萄糖传感器的工作电极、参比电极和对电极分别与实施例3（3）获得的水凝胶接触。然后将葡萄糖传感器连接到恒电位器（BAS（株）制，商品名：ALS832b）。以参比电极为基准向葡萄糖传感器的工作电极施加0.45V的电压。测定工作电极与对电极之间流动的背景电流信号1428秒。另外，在测定背景电流信号期间，通过在水凝胶上滴加PBS来防止水凝胶干燥。
（5）算出推断背景电流值
通过对在实施例3（4）获得的背景电流值进行幂近似来获得近似曲线。根据获得的近似曲线获得式（IIc）作为推断背景电流值Bt的算出公式。
[推断背景电流值Bt]=1295.5×t-0.528 （IIc）
式（IIc）中，t表示从开始测定包括来源于葡萄糖的电流信号在内的未处理电流信号起经过的时间。
根据式（IIc）获得推断背景电流值Bt。
（6）形成组织液抽取区域
进行与实施例1（4）同样的操作形成组织液抽取区域。
（7）防止组织液渗出
从测定背景电流信号的时刻起经过一个月后，进行与实施例1（5）同样的操作，防止组织液从组织液抽取区域的微孔渗出。
（8）测定包括来源于水凝胶中葡萄糖的电流信号在内的未处理电流信号
在组织液抽取区域上贴上实施例3（3）获得的水凝胶并覆盖人前臂的组织液抽取区域。接着，将葡萄糖传感器贴在组织液抽取区域上的水凝胶上，使在实施例3（2）获得的葡萄糖传感器的工作电极、参比电极和对电极分别接触组织液抽取区域上的水凝胶并使组织液抽取区域的中心位置对准葡萄糖传感器工作电极的中心位置。以此将葡萄糖传感器安装到了前臂。安装葡萄糖传感器的同时开始由葡萄糖传感器测定包括来源于葡萄糖的电流信号在内的未处理电流信号。葡萄糖传感器对电流信号的测定以2秒为间隔进行。以此获得电流测定值A1t。
（9）测定血糖值
从实施例3（8）中开始测定包括来源于葡萄糖的电流信号在内的未处理电流信号起经过3600秒的时间点、经过23700秒的时间点测定血液的血糖值，获得补正用血糖值G3600和补正用血糖值G23700。用开始测定起经过3600秒的时间点和经过23700秒的时间点的电流值获得公式（Ic）。
ｙ＝－0．0021×t＋94661 （Ic）
在式（Ic）中，t表示从开始测定包括来源于葡萄糖的电流信号在内的未处理电流信号起经过的时间。
用所得公式（Ic）来根据实施例3（8）获得的电流测定值A1t获得推断血糖值。
另外，从实施例3（8）中开始测定包括来源于葡萄糖的电流信号在内的未处理电流信号起经过4500秒的时刻起，用血糖自测器以900~1800秒为间隔测定血糖值，获得实测血糖值Gt。
（10）算出推断血糖值
用在实施例3（8）获得的电流测定值A1t和与该电流测定值A1t对应的测定时间点的推断背景电流值Bt根据公式（III）算出来源于受检物质的电流值Ct。以5分钟为间隔划分实施例3（8）中的电流信号的测定时间点，算出所划分出的一个时间段（5分钟）内获得的来源于受检物质的电流值Ct的平均值。
为消除血液血糖值反映在从组织液中的葡萄糖量推测出的血糖值时的时间差，对来源于受检物质的电流值Ct的平均值进行152秒的时间校正。然后，根据公式（IVd）算出推断血糖值Dt。
[推断血糖值Dt]=[平均血糖值×i]/[-0.0021×t+94.661] （IVd）
在公式（IVd）中，平均血糖值表示补正用血糖值G3600和补正用血糖值G23700的平均值，t表示从开始测定包括来源于葡萄糖的电流信号在内的未处理电流信号起经过的时间，i表示来源于受检物质的电流值Ct，[-0.0021×t+94.661]与公式（Ic）所表示的直线相对应。
其后，考察推断血糖值和实测血糖值的经时变化。在实施例3，图21是考察血糖值的经时变化所得到的结果。图中，白圆点表示推断血糖值的经时变化，十字表示实测血糖值的经时变化。接着，在图21，用同一时间点的推断血糖值和实测血糖值通过误差网格分析评价推断血糖值的精确度。在实施例3中，通过误差网格分析评价推断血糖值所得到的结果见图22。图22中，A表示误差网格分析中的A区域。
（11）结果
从图22所示结果得知，在实施例3获得的推断血糖值的14个点全部在A区域内。MARD为7.2%。由此结果可以看出，将背景电流信号的测定时机从测定来源于葡萄糖的电流信号之前相隔不久的某时间改为测定来源于葡萄糖的电流信号前一个月的情况下，通过测定葡萄糖所用的葡萄糖传感器测定出的背景电流值算出推断背景电流值并使用该推断背景电流值能够获得高精确度的推断血糖值。
（性能评价）
实施例1~3、比较例1和2获得的推断血糖值属于误差网格分析中的A区域的比率（以下也称“A区域对应率”）及MARD见表1。
【表1】
使用推断背景电流值 A区域对应率（%） MARD（%）
实施例1 有使用 100 6.3
实施例2 有使用 100 6.7
实施例3 有使用 100 7.2
比较例1 无使用 93.3 11.7
比较例2 无使用 89.4 8.1
可以看出，使用了根据测定得到的背景电流值算出的推断背景电流值的实施例1~3中，A区域对应率均为100%。此外，实施例1~3中的MARD为6.3%（实施例1）、6.7%（实施例2）和7.2%（实施例3）。从这些结果可以知道，实施例1~3中的推断血糖值精确度很高。
另一方面，未使用推断背景电流值的比较例1和2中的A区域对应率为93.3%（比较例1）和89.4%（比较例2）。此外，比较例1、2中MARD为11.7%(比较例1)、8.1%(比较例2)。从这些结果可以知道，与实施例1~3相比，比较例1和2中的推断血糖值精确度低。
另外，从实施例1和实施例3得知，无论是根据测定包括来源于葡萄糖的电流信号在内的未处理电流信号之前不久处测定的背景电流值来算出推断背景电流值并进行运用（实施例1），或者是针对葡萄糖测定所使用的葡萄糖传感器来基于预先测定的背景电流值算出推断背景电流值并进行运用（实施例3），都能获得高精确度的推断血糖值。
（实验例）
使实施例3（2）获得的葡萄糖传感器的工作电极、参比电极和对电极分别在实施例3（3）获得的水凝胶接触。然后将葡萄糖传感器连接到恒电位器[BAS（株）制，商品名：ALS832b]。以参比电极为基准对葡萄糖传感器的工作电极施加0.45V的电压。测定工作电极与对电极之间流动的背景电流信号24小时。另外，在测定背景电流信号期间，通过在水凝胶上滴加PBS来防止水凝胶干燥。
用所获得的背景电流信号波形中与开始测定背景电流信号后的10分钟这一时间段、15分钟这一时间段、20分钟这一时间段、30分钟这一时间段、40分钟这一时间段、50分钟这一时间段、60分钟这一时间段和90分钟这一时间段相应的背景电流信号的波形获得表2所示推断公式。用所获得的推断公式算出从开始测定背景电流信号起经过一定时间所到达时刻的背景电流，获得推断背景电流值。用所得到的推断背景电流值和实际测定得到的背景电流值（实测背景电流值）根据公式（V）求出误差。其结果见表2和表3。表中，“测定时间”指用于算出推断背景电流值的背景电流信号波形的时间。
[误差（%）]=100×[(实测背景电流值-推断背景电流值)的绝对值]/[实测背景电流值] （V）
【表2】
【表3】
从表2和表3所示结果得知，当测定时间段为20~90分钟则推断背景电流值和实测背景电流值之间的误差小，其中又优选30~90分钟。
编号说明
10 连续监测系统
20 传感器总成
30 电化学传感器
40 收集件
60 终端

Claims (22)

1.一种传感器总成，包括：
电化学传感器，其测定从生物经皮抽取的受检物质；
处理器，其根据通过所述电化学传感器在一定时间内测定的背景信号的强度确定所述一定时间外的、所述受检物质在任意测定时间点的背景信号的强度。
2.根据权利要求1所述的传感器总成，其特征在于：
所述一定时间是从所述电化学传感器通电后到该电化学传感器的测定值稳定为止的时间。
3.根据权利要求1所述的传感器总成，其特征在于：
所述电化学传感器在与收集件接触的状态下测定从所述生物抽取到所述收集件的受检物质，
所述一定时间是所述电化学传感器接触所述收集件后所述受检物质抽取到所述收集件前的时间，
所述电化学传感器在接触所述收集件的状态下在所述一定时间内测定背景信号的强度。
4.根据权利要求2所述的传感器总成，其特征在于：
所述处理器根据所述一定时间内测定的背景信号强度的经时变化计算出所述测定时间点的背景信号强度。
5.根据权利要求4所述的传感器总成，其特征在于：
所述处理器针对所述一定时间内背景信号强度的经时变化运用幂近似公式、指数近似公式、线性近似公式或其组合的公式来算出所述测定时间点的背景信号的强度。
6.根据权利要求5所述的传感器总成，其特征在于：
所述处理器针对所述一定时间内背景信号强度的经时变化进行幂近似公式、指数近似公式、线性近似公式或其组合的公式的拟合，算出所述公式中所含常数，根据所得到的公式算出所述测定时间点的背景信号强度。
7.根据权利要求1所述的传感器总成，还包括：
存储所述测定时间点的背景信号强度的值的存储器。
8.根据权利要求1所述的传感器总成，其特征在于：
所述电化学传感器在所述一定时间外的数个测定时间点分别测定受检物质；
所述处理器根据所述一定时间内测定的背景信号强度来分别确定所述数个测定时间点的背景信号强度。
9.根据权利要求1所述的传感器总成，其特征在于：
所述处理器从所述电化学传感器在所述测定时间点获取的包括来源于所述受检物质的信号在内的未处理信号强度的测定值减去在所述测定时间点的所述背景信号的强度值，以此得到表示来源于受检物质的信号强度的值。
10.根据权利要求9所述的传感器总成，其特征在于：
所述电化学传感器在所述传感器总成初次启动后进行的第一次测定中自动测定背景信号强度并确定所述测定时间点的背景信号强度，且在所述传感器总成进行第二次及其以后的测定时测定包括来源于所述受检物质的信号在内的未处理信号的强度，通过减去在所述测定时间点的所述背景信号强度来自动获得表示来源于所述受检物质的信号强度的值。
11.根据权利要求10所述的传感器总成，其特征在于：
所述处理器根据来源于所述受检物质的信号强度和与所述受检物质在生物内浓度相关的物质的生物内浓度获取表示所述受检物质的量的值。
12.根据权利要求11所述的传感器总成，其特征在于：
与所述受检物质在生物内浓度相关的物质的生物内浓度是所述受检物质的血中浓度。
13.根据权利要求1所述的传感器总成，其特征在于包括一个所述电化学传感器。
14.根据权利要求1所述的传感器总成，其特征在于：
所述电化学传感器是含有基板主体、配置于基板主体上的电极、固定在电极表面上的酶的酶传感器。
15.根据权利要求14所述的传感器总成，其特征在于：
所述受检物质是葡萄糖；
所述酶传感器是含有基板主体、配置于所述基板主体上并用于检出过氧化氢的电极、固定在所述电极的表面上的葡萄糖氧化酶的葡萄糖传感器。
16.根据权利要求1所述的传感器总成，其特征在于：
所述信号是电流信号。
17.一种受检物质的监测系统，包括：
能够收集从生物抽取的组织液中所含受检物质的收集件；以及
权利要求1所述的传感器总成。
18.根据权利要求17所述的监测系统，其特征在于：
所述收集件包含水凝胶；
一定时间是所述水凝胶内的物质扩散并且对受检物质测定的影响达到平衡状态所需要的时间。
19.一种受检物质的监测方法，所述方法从生物经皮抽取受检物质来进行监测，包括以下步骤：
（A1） 使收集件接触电化学传感器，测定在一定时间内的背景信号的强度；
（A2）根据所述一定时间内背景信号的强度确定所述一定时间外的、所述受检物质在任意测定时间点的背景信号强度；
（A3）在所述测定时间点通过所述电化学传感器测定从生物抽取到收集件的受检物质，获得包括来源于所述受检物质的信号在内的未处理信号的强度的测定值；
（A4）从步骤（A3）测定的所述未处理信号强度的测定值减去在步骤（A2）获得的背景信号的强度值，算出来源于受检物质的信号强度。
20.根据权利要求19所述的监测方法，其特征在于：
在步骤（A1），使所述电化学传感器接触安装在所述生物的所述收集件，在从接触所述收集件的所述电化学传感器通电后到该电化学传感器的测定值稳定为止的所述一定时间内测定背景信号的强度。
21.根据权利要求19所述的监测方法，其特征在于：
在步骤（A1），在所述电化学传感器接触所述收集件之后、所述受检物质收集到所述收集件前的所述一定时间内测定背景信号的强度。
22.根据权利要求19所述的监测方法，其特征在于：
在步骤（A2），根据所述一定时间内的背景信号的强度分别确定在受检物质的数个测定时间点的背景信号强度；
在步骤（A3），在所述数个测定时间点分别测定受检物质，并在各测定时间点获取包括来源于所述受检物质的信号在内的未处理信号的强度测定值；
在步骤（A4），从在所述数个测定时间点分别获取的所述未处理信号的强度测定值减去背景信号强度值。
CN201710717557.0A 2016-08-31 2017-08-21 传感器总成、受检物质监测系统及受检物质的监测方法 Pending CN107796855A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2016-170372 2016-08-31
JP2016170372A JP6778058B2 (ja) 2016-08-31 2016-08-31 センサアセンブリ、被検物質のモニタリングシステムおよび被検物質のモニタリング方法

Publications (1)

Publication Number Publication Date
CN107796855A true CN107796855A (zh) 2018-03-13

Family

ID=59811068

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710717557.0A Pending CN107796855A (zh) 2016-08-31 2017-08-21 传感器总成、受检物质监测系统及受检物质的监测方法

Country Status (4)

Country Link
US (1) US20180055424A1 (zh)
EP (1) EP3289976A1 (zh)
JP (1) JP6778058B2 (zh)
CN (1) CN107796855A (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102031340B1 (ko) * 2018-03-14 2019-10-11 주식회사 필로시스 혈당 측정 장치, 방법, 및 시스템
JP7220598B2 (ja) * 2019-03-15 2023-02-10 本田技研工業株式会社 生体情報測定センサ、生体情報測定装置及び生体情報測定方法
TWI803097B (zh) * 2021-12-14 2023-05-21 國立成功大學 用於直流偏置交流電動力學之生物晶片與電極單元

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1497256A (zh) * 2002-09-19 2004-05-19 王湘生 一种无创血糖监测的方法及其装置
US20050215872A1 (en) * 1998-05-13 2005-09-29 Cygnus, Inc. Monitoring of physiological analytes
CN1902479A (zh) * 2003-10-31 2007-01-24 生命扫描苏格兰有限公司 用于降低直接和间接干扰电流影响的改进的电化学测试条
CN1932500A (zh) * 1995-11-16 2007-03-21 利费斯坎公司 电化学方法
CN101365928A (zh) * 2003-09-22 2009-02-11 金炯胤 用于结构健康监测的传感器和系统
CN104034911A (zh) * 2006-09-22 2014-09-10 爱科来株式会社 血液分析装置

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5771890A (en) * 1994-06-24 1998-06-30 Cygnus, Inc. Device and method for sampling of substances using alternating polarity
CA2311487C (en) * 1998-05-13 2004-02-10 Cygnus, Inc. Signal processing for measurement of physiological analytes
ATE507766T1 (de) * 2002-03-22 2011-05-15 Animas Technologies Llc Leistungsverbesserung einer analytenüberwachungsvorrichtung
US7150975B2 (en) * 2002-08-19 2006-12-19 Animas Technologies, Llc Hydrogel composition for measuring glucose flux

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1932500A (zh) * 1995-11-16 2007-03-21 利费斯坎公司 电化学方法
US20050215872A1 (en) * 1998-05-13 2005-09-29 Cygnus, Inc. Monitoring of physiological analytes
CN1497256A (zh) * 2002-09-19 2004-05-19 王湘生 一种无创血糖监测的方法及其装置
CN101365928A (zh) * 2003-09-22 2009-02-11 金炯胤 用于结构健康监测的传感器和系统
CN1902479A (zh) * 2003-10-31 2007-01-24 生命扫描苏格兰有限公司 用于降低直接和间接干扰电流影响的改进的电化学测试条
CN104034911A (zh) * 2006-09-22 2014-09-10 爱科来株式会社 血液分析装置

Also Published As

Publication number Publication date
JP2018033756A (ja) 2018-03-08
US20180055424A1 (en) 2018-03-01
JP6778058B2 (ja) 2020-10-28
EP3289976A1 (en) 2018-03-07

Similar Documents

Publication Publication Date Title
US11701037B2 (en) Method and electronics unit for detecting in-vivo properties of a biosensor
KR101115272B1 (ko) 전기화학 분석물 센서를 동작시키는 시스템 및 방법
JP5856154B2 (ja) 二次出力シグナルを含む勾配に基づく補正
JP5695218B2 (ja) サンプリング時間オフセットが改善された電気化学的分析における静電容量検出
CN103649737B (zh) 对分析物测试条的峰值偏移校正
TW200933147A (en) Slope-based compensation
JP2013528289A5 (zh)
JP6596169B2 (ja) バイオセンサ中の干渉物質による寄与を検出する方法
CN107796855A (zh) 传感器总成、受检物质监测系统及受检物质的监测方法
JP2015516074A (ja) 改善された分析物測定技法及びシステム
JP5753720B2 (ja) バイオセンサ
WO2012134890A1 (en) System and method for measuring an analyte in a sample and correcting for interferents
CN110268256A (zh) 用于确定至少一种分析物的浓度的方法和装置
US20240049994A1 (en) One-touch fingertip sweat sensor and personalized data processing for reliable prediction of blood biomarker concentrations
TW201719161A (zh) 用於補償基於測試條的極化效應的樣本相關測量之系統及方法
CN206177872U (zh) 一种柔性生物电极
CN115704796A (zh) 导电化学层的干式电化学阻抗谱计量
JP3631740B6 (ja) バイオセンサの酵素電極とその製造方法
JP3631740B2 (ja) バイオセンサの酵素電極とその製造方法
JP5925285B2 (ja) バイオセンサ
WO2015049147A1 (en) Voltammetric sensor
KR20230048038A (ko) 연결 함수에 의한 연속적인 분석물 모니터링 센서 교정 및 측정
WO2019214496A1 (zh) 检测糖尿病生物标志物中葡萄糖浓度的生物传感器及方法
ES2690649T3 (es) Amperometría controlada por impulsos de lectura rápida
US20090022629A1 (en) Solid-state urea biosensor

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
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20180313

WD01 Invention patent application deemed withdrawn after publication