CN108352193A - 血糖值预测装置、血糖值预测方法及计算机能够读取的记录介质 - Google Patents

血糖值预测装置、血糖值预测方法及计算机能够读取的记录介质 Download PDF

Info

Publication number
CN108352193A
CN108352193A CN201680063221.0A CN201680063221A CN108352193A CN 108352193 A CN108352193 A CN 108352193A CN 201680063221 A CN201680063221 A CN 201680063221A CN 108352193 A CN108352193 A CN 108352193A
Authority
CN
China
Prior art keywords
blood glucose
glucose value
user
value
empty stomach
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
CN201680063221.0A
Other languages
English (en)
Inventor
上村平
上村一平
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.)
Japan Electrical Scheme Innovation Corp
Original Assignee
Japan Electrical Scheme Innovation 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 Japan Electrical Scheme Innovation Corp filed Critical Japan Electrical Scheme Innovation Corp
Publication of CN108352193A publication Critical patent/CN108352193A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B10/00—Other methods or instruments for diagnosis, e.g. instruments for taking a cell sample, for biopsy, for vaccination diagnosis; Sex determination; Ovulation-period determination; Throat striking implements

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Pathology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Surgery (AREA)
  • Molecular Biology (AREA)
  • Veterinary Medicine (AREA)
  • Physics & Mathematics (AREA)
  • Biophysics (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Investigating Or Analysing Biological Materials (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

本发明提供能够高精度地预测使用者的将来的血糖值的血糖值预测装置。血糖值预测装置(1)具备：取得部(11)，取得使用者的血糖值的测定值、使用者的HbA1c的测定值及所述使用者的健康诊断的结果；层级判别部(12)，基于所述血糖值的测定值、所述HbA1c的测定值及所述健康诊断结果，来判别所述使用者为正常型、临界型及糖尿病型中的哪一个；及预测部(13)，使用所述判别的结果和所述使用者的过去的时间点的空腹时血糖值的测定值，来预测所述使用者的今后的空腹时血糖值。

Description

血糖值预测装置、血糖值预测方法及计算机能够读取的记录 介质
技术领域
本发明涉及用于预测使用者的将来的血糖值的血糖值预测装置、血糖值预测方法及记录有用于实现它们的程序的计算机能够读取的记录介质。
背景技术
近年来，由于日本人的饮食生活的变化而糖尿病患者不断增加。通常，糖尿病患者成为血液中的葡萄糖的浓度超过了一定的基准的状态。因此，糖尿病患者具有口渴、大量的尿的排泄、甚至意识障碍、昏睡等重大的症状。由此，在糖尿病发病或糖尿病重症化之前，需要进行饮食或运动等的生活改善，并根据需要进行服药等适当的治疗。
糖尿病的发病的有无基于人体的血液中的葡萄糖的浓度即血糖值来判定。例如，专利文献1公开了根据血糖值来进行临界型糖尿病及糖尿病的判定这一点。
然而，血糖值在饭后增加之后减少等，像这样在一天之中发生变化。因此，为了掌握准确的血糖值，在一天之中，需要多次测定血糖值。因此，糖尿病患者通过便携型的血糖值计来测定自身的血糖值，由此进行血糖值的管理。
这样的血糖值的管理不仅是对于糖尿病的治疗，对于预防糖尿病的发病或糖尿病的重症化也非常重要。例如，血糖值的管理在对于糖尿病患者决定胰岛素的给药量时是重要的，并且对于饮食或运动等的生活改善也起作用。然而，多次进行血糖值测定的情况对于被测定者而言成为大的负担。
相对于此，为了减轻血糖值测定时的使用者(被测定者)的负担而考虑了预测血糖值的方法。例如专利文献2公开了基于使用者的空腹时血糖值，从预先设定的血糖值的时序变化的模式之中选择1个模式，使用通过光学测定而得到的多个测定值对该模式进行校正的血糖值预测装置。而且，例如专利文献3公开了在口服糖耐量试验中在各时间点测定血糖值及胰岛素值，将其测定结果表示在血糖值及胰岛素值的坐标图中，判定属于正常型、临界型及糖尿病型的区域中的哪个区域的糖尿病检查装置。
在先技术文献
专利文献
专利文献1：国际公开第2014/168125号
专利文献2：日本特开2014-109984号公报
专利文献3：日本特开平4-256744号公报
发明内容
发明的概要
发明要解决的课题
如上所述，可考虑测定或预测血糖值的各种方法。然而，血糖值不仅根据时间发生变化，而且根据个人的生活习惯或年龄等也发生变化。因此，在以往那样的血糖值的测定方法或预测方法中，难以高精度地判定是否为糖尿病。尤其是在饭后血糖值大幅上升的糖尿病前期(临界型)的人不会像糖尿病患者那样空腹时血糖值升高。因此，糖尿病前期的人与健康者的鉴别困难。
另一方面，为了防止糖尿病的发病或重症化，优选高精度地预测使用者的将来的血糖值而实施适当的对策。然而，如上所述血糖值也根据时间以外的原因发生变化，因此根据使用者的当前的血糖值来推测将来的血糖值更加困难。
本发明的目的在于得到一种能够高精度地预测使用者的将来的血糖值的血糖值预测装置。
用于解决课题的方案
为了实现上述目的，本发明的一方面的血糖值预测装置是用于预测使用者的血糖值的血糖值预测装置。该血糖值预测装置具备：取得部，取得所述使用者的血糖值的测定值、所述使用者的HbA1c的测定值及所述使用者的健康诊断的结果；层级判别部，基于所述血糖值的测定值、所述HbA1c的测定值及所述健康诊断结果，来判别所述使用者为正常型、临界型及糖尿病型中的哪一个；及预测部，使用所述判别的结果和所述使用者的过去的时间点的空腹时血糖值的测定值，来预测所述使用者的今后的空腹时血糖值。
另外，为了实现上述目的，本发明的一方面的血糖值预测方法是用于预测使用者的血糖值的血糖值预测方法。该血糖值预测方法包括：取得步骤，取得所述使用者的血糖值的测定值、所述使用者的HbA1c的测定值及所述使用者的健康诊断的结果；层级判别步骤，基于所述血糖值的测定值、所述HbA1c的测定值及所述健康诊断结果，来判别所述使用者为正常型、临界型及糖尿病型中的哪一个；及预测步骤，使用所述判别的结果和所述使用者的过去的时间点的空腹时血糖值的测定值，来预测所述使用者的今后的空腹时血糖值。
此外，为了实现上述目的，本发明的一方面的计算机能够读取的记录介质是用于执行用于预测使用者的血糖值的血糖值预测方法的计算机能够读取的记录介质。该计算机能够读取的记录介质包括使计算机执行如下步骤的指令：取得步骤，取得所述使用者的血糖值的测定值、所述使用者的HbA1c的测定值及所述使用者的健康诊断的结果；层级判别步骤，基于所述血糖值的测定值、所述HbA1c的测定值及所述健康诊断结果，来判别所述使用者为正常型、临界型及糖尿病型中的哪一个；及预测步骤，使用所述判别的结果和所述使用者的过去的时间点的空腹时血糖值的测定值，来预测所述使用者的今后的空腹时血糖值。
发明效果
如以上所述，根据本发明的一方面的血糖值预测装置，能得到能够高精度地预测使用者的将来的血糖值的血糖值预测装置。
附图说明
图1是表示血糖值预测装置的概略结构的图。
图2是表示发病风险预测装置的详细结构的框图。
图3是表示按使用者的年龄的空腹时血糖值的统计平均值的计算所使用的统计数据的一例的坐标图。
图4是表示预测发病风险时使用的标准正态分布的一例的图。
图5是表示发病风险预测装置的动作的一例的流程。
图6是表示层级判别的动作的一例的流程。
图7是表示计算机的结构的一例的图。
具体实施方式
以下，关于本发明的实施方式的血糖值预测装置、血糖值测定方法及程序，参照图1至图7进行说明。
图1是表示本发明的实施方式的血糖值预测装置1的概略结构的图。该血糖值预测装置1使用与使用者的糖尿病相关的判别结果、过去的空腹时血糖值、该空腹时血糖值的计测时间点的按使用者的年龄的空腹时血糖值的统计平均值，来预测使用者的今后的空腹时血糖值。
详细而言，血糖值预测装置1基于使用者的血糖值的测定值、使用者的HbA1c的测定值、使用者的健康诊断的结果，来判别使用者为正常型、临界型及糖尿病型中的哪一个。并且，血糖值预测装置1求出使用者过去测定的空腹时血糖值与该空腹时血糖值的测定时间点的按使用者的年龄的空腹时血糖值的平均值的差量，使用该差量和上述的判别结果，来预测使用者的将来的空腹时血糖值。
具体而言，血糖值预测装置1具备取得部11、层级判别部12、预测部13。取得部11从数据库等取得进行血糖值的预测的使用者的健康诊断的结果。而且，取得部11从血糖值测定装置或数据库等取得使用者的血糖值的测定结果及使用者的HbA1c的测定结果。取得部11取得空腹时血糖值的测定值、从饭后起1小时后的血糖值(以下，称为饭后1h的血糖值)的测定值、及从饭后起2小时后的血糖值(以下，称为饭后2h的血糖值)的测定值作为使用者的血糖值的测定结果。而且，取得部11取得的空腹时血糖值的测定值不仅包含最新的测定结果，还包含过去的测定结果。
需要说明的是，血糖值测定装置可以是采集血液而测定血糖值的以往那样的结构的血糖值测定装置、或使用光来测定血糖值的光学式的血糖值测定装置等任意的测定装置。
层级判别部12使用通过取得部11取得的使用者的健康诊断结果、使用者的血糖值的测定结果、使用者的HbA1c的测定值，来判别使用者为正常型、临界型及糖尿病型中的哪一个。空腹时血糖值的测定值、饭后1h的血糖值的测定值、及饭后2h的血糖值的测定值作为使用者的血糖值的测定结果向层级判别部12输入。
预测部13求出使用者的过去的空腹时血糖值的测定值与测定了该空腹时血糖值的时间点的按使用者的年龄的空腹时血糖值的统计平均值的差量。而且，预测部13算出该差量的时序变化，并基于层级判别部12的判别结果对于算出的差量的时序变化进行校正。预测部13使用该校正结果，求出使用者的今后的空腹时血糖值。
需要说明的是，按使用者的年龄的空腹时血糖值的统计平均值是指按使用者的年龄的平均空腹时血糖值，使用从图3所示那样的统计数据(例如通过健康诊断而得到的性别及按年龄区分的统计值)得到的平均值。图3所示的统计数据是一例，也可以使用其他的统计数据来求出按使用者的年龄的平均空腹时血糖值。
通过以上那样的血糖值预测装置1的结构，能够高精度地预测使用者的将来的空腹时血糖值。即，血糖值预测装置1使用过去的空腹时血糖值的时序变化，来预测使用者的将来的空腹时血糖值，因此能够对各使用者更准确地算出将来的空腹时血糖值。这样，通过血糖值预测装置1高精度地预测使用者的将来的空腹时血糖值，由此能够高精度地判定使用者的将来的糖尿病的罹患可能性。
接下来，使用图2，详细地说明血糖值预测装置1的更具体的结构。图2是表示包含本发明的实施方式的血糖值预测装置1的发病风险预测装置10的详细结构的框图。
发病风险预测装置10使用由血糖值预测装置1预测到的使用者的将来的血糖值，来预测使用者的糖尿病的发病风险。发病风险预测装置10由连接于网络的服务器等计算机装置构成。需要说明的是，也可以通过与发病风险预测装置10的其他的结构不同的计算机装置来构成血糖值预测装置1。
发病风险预测装置10具备血糖值预测装置1、层级判别预测部2、风险预测部3。首先，关于血糖值预测装置1，以下进行说明。
血糖值预测装置1具备取得部11、层级判别部12、预测部13。取得部11将存储于数据服务器5的使用者的健康诊断结果及血糖值测定结果的数据向发病风险预测装置10取入。在该实施方式中，存储使用者的健康诊断结果及血糖值测定结果的数据服务器5通过与发病风险预测装置10不同的计算机装置构成。因此，取得部11经由互联网从数据服务器5取得数据。
需要说明的是，在本实施方式中，在数据服务器5中存储使用者的健康诊断结果及血糖值测定结果，但是并不局限于此，也可以在发病风险预测装置10设置存储部，在该存储部中存储健康诊断结果及血糖值测定结果。
取得部11取得例如使用者的BMI或年龄等作为健康诊断结果。取得部11取得例如空腹时血糖值的测定值、饭后1h的血糖值的测定值、及饭后2h的血糖值的测定值作为使用者的血糖值的测定结果。取得部11取得的空腹时血糖值的测定值不仅包含最新的测定结果，还包含过去的测定结果。过去的测定结果在通过后述的预测部13来预测使用者的将来的空腹时血糖值之际使用。需要说明的是，由于从诊断为糖尿病的5年以上之前能看出血糖值的上升等的征兆，因此在预测使用者的将来的空腹时血糖值之际使用的过去的测定结果优选为过去5年以内的结果。
层级判别部12使用通过取得部11从数据服务器5取得的使用者的健康诊断结果及血糖值测定结果，来判别使用者为正常型、临界型及糖尿病型中的哪一个。详细而言，层级判别部12使用空腹时血糖值、饭后1h的血糖值、饭后2h的血糖值及HbA1c的各测定值、通过健康诊断得到的BMI及年龄，来判别使用者为正常型、临界型及糖尿病型中的哪一个。具体的流程如图6所示。
如图6所示，如果空腹时血糖值、饭后2h的血糖值及饭后1h的血糖值这各测定值分别小于规定值，则层级判别部12将使用者判定为正常型。而且，在空腹时血糖值及Hba1c这各测定值分别大于阈值且BMI及年龄满足规定的条件的情况下，层级判别部12将使用者判定为糖尿病型。图6所示的流程的详细说明在后文叙述。
预测部13使用层级判别部12的层级判别结果，来预测使用者的将来的空腹时血糖值。在本实施方式中，预测部13预测从当前至5年后的使用者的空腹时血糖值。需要说明的是，预测部13只要能够预测使用者的将来的空腹时血糖值即可，也可以预测1～4年后、6年后以后的空腹时血糖值。
预测部13具备差量计算部21、血糖值计算部22。差量计算部21算出使用者的过去5年的空腹时血糖值的测定值与计测该空腹时血糖值的时间点的按使用者的各年龄的平均空腹时血糖值的差量。即，差量计算部21使用以下的(1)～(5)这各式，算出差量ΔYi-n。在以下的各式中，Yi-n(i为使用者的年龄，n为1～5年)表示使用者的过去5年的空腹时血糖值，Xi-n表示过去5年的按使用者的各年龄的平均空腹时血糖值。
ΔYi-5＝Yi-5-Xi-5 (1)
ΔYi-4＝Yi-4-Xi-4 (2)
ΔYi-3＝Yi-3-Xi-3 (3)
ΔYi-2＝Yi-2-Xi-2 (4)
ΔYi-1＝Yi-1-Xi-1 (5)
ΔYi＝Yi-Xi
差量计算部21使用如上所述算出的ΔYi-n，求出过去5年的平均值ΔY，并使用该ΔY，设定以下的(6)式那样的使用者的空腹时血糖值的推定模型Zi。
Zi＝ΔY×i×α+Xi (6)
在此，α在通过层级判别部12将使用者判定为正常型时设定为α＝1，在通过层级判别部12将使用者判定为临界型时设定为α＝1.2。
差量计算部21使用上式(6)，算出至5年后为止的各年的使用者的空腹时血糖值的推定值Zi+m(m为1～5年)。
通过以上那样的血糖值预测装置1的结构，使用使用者的过去5年的空腹时血糖值，能够预测使用者的今后5年的空腹时血糖值。由此，能够高精度地求出使用者的将来的空腹时血糖值。而且，血糖值预测装置1使用层级判别部12的判别结果对空腹时血糖值的推定值进行校正，因此能够根据使用者为正常型、临界型及糖尿病型中的哪个层级来高精度地求出将来的空腹时血糖值。
层级判别预测部2使用通过血糖值预测装置1预测到的使用者的将来的空腹时血糖值，来预测使用者将来成为正常型、临界型及糖尿病型中的哪一个。具体而言，如果预测的空腹时血糖值为126mg/dl以上，则层级判别预测部2在该时间点将使用者预测为糖尿病型。而且，在预测的空腹时血糖值为110mg/dl以上且小于126mg/dl时，层级判别预测部2在该时间点预测为使用者是临界型。在预测的空腹时血糖值小于110mg/dl时，层级判别预测部2在该时间点预测为使用者是正常型。
风险预测部3使用规定期间内的空腹时血糖值的变化的偏差来作成标准正态分布，根据判定为糖尿病的阈值即空腹时血糖值126mg/dl的值定位于所述标准正态分布中的95％可靠区间内的哪个位置来进行糖尿病的风险判定。
具体而言，如图4所示，风险预测部3考虑使用者的规定期间内的空腹时血糖值的变化的偏差来作成标准正态分布。风险预测部3对于图4所示的标准正态分布的95％可靠区间，将判定为糖尿病的阈值(空腹时血糖值126mg/dl)作为分割线P。风险预测部3通过将由该分割线P分割的95％可靠区间的面积比率乘以95％来算出糖尿病的患病风险。
例如图4所示，在通过分割线P将95％可靠区间分割为区域A和区域B的情况下，区域A相对于通过标准正态分布的曲线得到的95％可靠区间内的面积(图4的斜线所示的范围)的面积比率S乘以95％的值、即95％×S成为使用者的糖尿病的患病风险。
通过以上那样的发病风险预测装置10的结构，使用通过血糖值预测装置1高精度地预测的使用者的将来的空腹时血糖值，能够预测使用者的糖尿病的患病风险。而且，发病风险预测装置10考虑使用者的将来的空腹时血糖值的偏差来算出糖尿病的患病风险，因此能够高精度地求出该患病风险。
接下来，关于本发明的实施方式的发病风险预测装置10的动作，使用图5及图6进行说明。图5是表示发病风险预测装置10的动作的流程图。图6是表示发病风险预测装置10包含的血糖值预测装置1的层级判别的动作的流程图。在以下的说明中，适当地参考图1至图4。在本实施方式中，通过使发病风险预测装置10内的血糖值预测装置1动作，实施血糖值预测方法。由此，可将本实施方式的血糖值预测方法的说明替代为以下的血糖值预测装置1的动作说明。
图5所示的流程开始时(开始)，首先，在发病风险预测装置10中，血糖值预测装置1的取得部11从数据服务器5取得使用者的健康诊断结果(步骤S1)。取得部11取得例如使用者的BMI或年龄等作为健康诊断结果。
接下来，取得部11从数据服务器5取得使用者的血糖值测定结果(步骤S2)。取得部11取得例如空腹时血糖值的测定值、饭后1h的血糖值的测定值、及饭后2h的血糖值的测定值作为使用者的血糖值的测定结果。取得部11取得的空腹时血糖值的测定值不仅包含最新的测定结果，还包含过去的测定结果。过去的测定结果使用于步骤S4中的ΔY的计算。
层级判别部12使用取得部11取得的健康诊断结果及血糖值测定结果，来判别使用者为正常型、临界型及糖尿病型中的哪一个(步骤S3)。层级判别部12的层级判别的流程如图6所示。关于图6所示的流程的详细的说明在后文叙述。
在进行了图6所示的流程的使用者的层级判别之后，在步骤S4中，差量计算部21使用过去的空腹时血糖值和测定了该空腹时血糖值之际的按使用者的各年龄的统计上的平均空腹时血糖值来算出ΔY。具体而言，差量计算部21在求出了过去5年的空腹时血糖值的测定值Yi-n与过去5年的按使用者的年龄的统计上的平均空腹时血糖值Xi-n的差量ΔYi-n之后，使用算出的ΔYi-n来求出过去5年的平均值ΔY。
接下来，血糖值计算部22在步骤S5中，求出空腹时血糖值推定模型Z。具体而言，血糖值计算部22使用通过步骤S4求出的ΔY和通过步骤S3求出的判别结果，来求出上述的(6)式。需要说明的是，在步骤S3中判定为使用者是正常型的情况下，在上述的(6)式中设为α＝1，在步骤S3中判定为使用者是临界型的情况下，在上述的(6)式中设为α＝1.2。
接下来，在步骤S6中，血糖值计算部22使用通过步骤S5求出的空腹时血糖值推定模型Z(上述的(6)式)，按照每一年来求出至规定期间后(例如5年后)为止的空腹时血糖值。
并且，层级判别预测部2使用在步骤S6中求出的至所述规定期间后为止的空腹时血糖值的推定值，来判别将来的使用者为正常型、临界型及糖尿病型中的哪一个(步骤S7)。即，在空腹时血糖值的推定值小于例如100mg/dl的情况下，层级判别预测部2将使用者判别为正常型。而且，在空腹时血糖值的推定值为例如100mg/dl以上且小于126mg/dl的情况下，层级判别预测部2将使用者判别为临界型。在空腹时血糖值的推定值为例如126mg/dl以上的情况下，层级判别预测部2将使用者判别为糖尿病型。
接下来，在步骤S8中，风险预测部3使用通过步骤S6求出的至规定期间后为止的空腹时血糖值来求出图4所示的标准正态分布。而且，风险预测部3在标准正态分布的95％可靠区间中，求出了通过判定为糖尿病的阈值(空腹时血糖值126mg/dl)分割的区域A的面积比之后，将该面积比乘以95％，由此来算出患病风险。
然后，结束该流程(结束)。
<层级判别>
接下来，使用图6来说明通过图5所示的流程的步骤S3执行的层级判别的流程。
如图6所示，当层级判别部12的层级判别流程开始时(开始)，首先，层级判别部12在判定为使用者的空腹时血糖值小于100mg/dl且HbA1c小于6.0％的情况下(在步骤SA1中为“是”的情况下)，进入步骤SA2，判定饭后2h的血糖值是否小于140mg/dl。
另一方面，层级判别部12在使用者的空腹时血糖值为100mg/dl以上或HbA1c为6.0％以上的情况下(在步骤SA1中为“否”的情况下)，进入步骤SA4及以后，判定使用者的空腹时血糖值是否为100mg/dl以上且126mg/dl以下。
层级判别部12在步骤SA2中判定为饭后2h的血糖值小于140mg/dl的情况下(在步骤SA2中为“是”的情况下)，进入步骤SA3，判定饭后1h的血糖值是否小于140mg/dl。
另一方面，层级判别部12在步骤SA2中判定为饭后2h的血糖值为140mg/dl以上的情况下(在步骤SA2中为“否”的情况下)，进入步骤SA9，判定为使用者是临界型。即，即使在空腹时血糖值小于100mg/dl且HbA1c小于6.0％的情况下，在饭后2h的血糖值为140mg/dl以上时，也将使用者判定为临界型。
层级判别部12在步骤SA3中判定为饭后1h的血糖值小于140mg/dl的情况下(在步骤SA3中为“是”的情况下)，进入步骤SA10，判定为使用者是正常型。即，在空腹时血糖值小于100mg/dl且HbA1c小于6.0％的情况下，在饭后2h的血糖值及饭后1h的血糖值分别小于140mg/dl时，将使用者判定为正常型。
另一方面，层级判别部12在步骤SA3中判定为饭后1h的血糖值为140mg/dl以上的情况下(在步骤SA3中为“否”的情况下)，进入步骤SA7，判定饭后1h的血糖值是否大于200mg/dl。
在步骤SA7中，层级判别部12在判定为饭后1h的血糖值大于200mg/dl的情况下(在步骤SA7中为“是”的情况下)，进入步骤SA8，判定为使用者是糖尿病型。即，当空腹时血糖值小于100mg/dl且HbA1c小于6.0％时，即使在饭后2h的血糖值小于140mg/dl的情况下，当饭后1h的血糖值大于200mg/dl时，也将使用者判定为糖尿病型。
另一方面，在步骤SA7中，层级判别部12在判定为饭后1h的血糖值为200mg/dl以下的情况下(在步骤SA7中为“否”的情况下)，进入步骤SA9，判定为使用者是临界型。即，当空腹时血糖值小于100mg/dl且HbA1c小于6.0％时，即使在饭后2h的血糖值小于140mg/dl的情况下，当饭后1h的血糖值为140mg/dl以上且200mg/dl以下时，也将使用者判定为临界型。
在上述的步骤SA4中，层级判别部12在判定为空腹时血糖值为100mg/dl以上且126mg/dl以下时(在步骤SA4中为“是”的情况下)，进入步骤SA9，判定为使用者是临界型。即，即使在HbA1c为6.0％以上的情况下，当空腹时血糖值为100mg/dl以上且126mg/dl以下时，也将使用者判定为临界型。
另一方面，在上述的步骤SA4中，层级判别部12在判定为空腹时血糖值大于126mg/dl的情况下(在步骤SA4中为“否”的情况下)，进入步骤SA5，判定HbA1c是否为6.5％以下。在该步骤SA5中，层级判别部12在判定为HbA1c为6.5％以下的情况下(在步骤SA5中为“是”的情况下)，进入步骤SA9，判定为使用者是临界型。即，即使在空腹时血糖值大于126mg/dl的情况下，当HbA1c为6.5％以下时，也将使用者判定为临界型。
另一方面，在步骤SA5中，层级判别部12在判定为HbA1c大于6.5％的情况下(在步骤SA5中为“否”的情况下)，进入步骤SA6，根据健康诊断结果来判定是否使用者的BMI为24.5以上且年龄大于40岁。在该步骤SA6中，层级判别部12在判定为BMI为24.5以上且年龄大于40岁的情况下(步骤SA6中为“是”的情况下)，进入步骤SA9，判定为使用者是临界型。即，即使在空腹时血糖值大于126mg/dl且HbA1c大于6.5的情况下，当BMI为24.5以上且年龄大于40岁时，也将使用者判定为临界型。
另一方面，在步骤SA6中，层级判别部12在判定为使用者的BMI小于24.5或年龄为40岁以下的情况下(在步骤SA6中为“否”的情况下)，进入步骤SA8，判定为使用者是糖尿病型。即，在空腹时血糖值大于126mg/dl且HbA1c大于6.5％的情况下，且BMI小于24.5或年龄为40岁以下的情况下，将使用者判定为糖尿型。
如以上所述，根据本实施方式，使用使用者的过去的空腹时血糖值的测定值来预测将来的空腹时血糖值，因此能够对应于各使用者而高精度地预测将来的空腹时血糖值。
而且，使用使用者的血糖值的测定值、HbA1c的测定值及健康诊断的结果来判定使用者为正常型、临界型及糖尿病型中的哪一个，因此能够高精度地判定使用者的当前的状态。即，不仅使用以往那样的血糖值及HbA1c的测定值，还使用健康诊断结果，来判定使用者的当前的状态，由此能够进行也考虑了使用者的常规的健康状态的判定。而且，在使用使用者的过去的空腹时血糖值的测定值来预测将来的空腹时血糖值之际，也使用所述判定结果，由此能够更高精度地预测将来的空腹时血糖值。
本发明的实施方式中的程序只要是使计算机执行图5及图6所示的步骤S1～S8、SA1～SA10的程序即可。将该程序安装于计算机并执行，由此能够实现本实施方式中的血糖值预测装置1及血糖值预测方法。这种情况下，计算机的CPU(Central Processing Unit)作为取得部11、层级判别部12及预测部13发挥功能，进行处理。
在此，关于通过执行本实施方式中的程序而实现血糖值预测装置1的计算机，使用图7进行说明。图7是表示实现本发明的实施方式的血糖值预测装置1的计算机的一例的框图。
如图7所示，计算机110具备CPU111、主存储器112、存储装置113、输入接口114、显示控制器115、数据读写器116、通信接口117。上述的各部经由总线121而相互能够进行数据通信地连接。
CPU111将存储于存储装置113的本实施方式的程序(代码)在主存储器112中展开，将它们按照规定顺序执行，由此实施各种运算。主存储器112典型地是DRAM(DynamicRandom Access Memory)等易失性的存储装置。而且，本实施方式的程序以存储于计算机能够读取的记录介质120中的状态提供。需要说明的是，本实施方式的程序可以是在经由通信接口117而连接的互联网上流通的程序。
另外，作为存储装置113的具体例，除了硬盘驱动器之外，可列举闪存等半导体存储装置。输入接口114对于CPU111与键盘及鼠标这样的输入设备118之间的数据传送进行中继。显示控制器115与显示器装置119连接，控制显示器装置119中的显示。
数据读写器116对CPU111与记录介质120之间的数据传送进行中继，执行从记录介质120的程序的读出、及计算机110中的处理结果的向记录介质120的写入。通信接口117对CPU111与其他的计算机之间的数据传送进行中继。
另外，作为记录介质120的具体例，可列举CF(Compact Flash(注册商标))及SD(Secure Digital)等通用的半导体存储器件、软盘(Flexible Disk)等磁存储介质、或CD-ROM(Compact Disk Read Only Memory)等光学存储介质。
(其他的实施方式)
以上，说明了本发明的实施方式，但是上述的实施方式只不过是用于实施本发明的例示。因此，没有限定为上述的实施方式，在不脱离其主旨的范围内可以对上述的实施方式进行适当变形来实施。
在所述实施方式中，风险预测部3使用标准正态分布进行糖尿病的患病风险的预测。然而，只要是能够进行风险预测的方法即可，也可以使用其他的方法来进行糖尿病的患病风险的预测。
在所述实施方式中，层级判别预测部2基于通过血糖值预测装置1预测到的空腹时血糖值而预测了使用者相当于正常型、临界型及糖尿病型中的哪一个之后，风险预测部3预测使用者的糖尿病的患病风险。然而，使用者也可以不预测将来相当于正常型、临界型及糖尿病型中的哪一个，而预测基于风险预测部3的糖尿病的患病风险。而且，也可以不进行糖尿病的患病风险的预测。
在所述实施方式中，血糖值预测装置1的取得部11从数据服务器5取得血糖值的测定结果。然而，取得部11也可以从血糖值测定装置取得血糖值的测定结果。而且，也可以将血糖值测定部与血糖值预测装置1一体设置，并且取得部11从该血糖值测定部取得血糖值的测定结果。
在所述实施方式中，血糖值预测装置1在进行使用者的层级判别时，使用饭后1h的血糖值及饭后2h的血糖值的各测定值。然而，只要是从饭后起经过了规定时间的血糖值，血糖值预测装置1也可以使用经过了1小时及2小时以外的时间后的血糖值的测定值来进行使用者的层级判别。
上述的实施方式的一部分或全部可以通过以下记载的(附记1)～(附记15)来表现，但是没有限定为以下的记载。
(附记1)
一种血糖值预测装置，用于预测使用者的血糖值，具备：
取得部，取得所述使用者的血糖值的测定值、所述使用者的HbA1c的测定值及所述使用者的健康诊断的结果；
层级判别部，基于所述血糖值的测定值、所述HbA1c的测定值及所述健康诊断结果，来判别所述使用者为正常型、临界型及糖尿病型中的哪一个；及
预测部，使用所述判别的结果和所述使用者的过去的时间点的空腹时血糖值的测定值，来预测所述使用者的今后的空腹时血糖值。
(附记2)
根据附记1记载的血糖值预测装置，其中，
所述层级判别部使用空腹时血糖值及从饭后起经过规定时间后的血糖值的各个测定值作为所述血糖值的测定值。
(附记3)
根据附记1或2记载的血糖值预测装置，其中，
所述预测部具有：
差量计算部，求出所述使用者的过去的时间点的空腹时血糖值的测定值与该过去的时间点的按所述使用者的年龄的空腹时血糖值的统计平均值的差量；及
血糖值计算部，使用通过所述差量计算部算出的差量和所述层级判别部的判别的结果来算出所述使用者的今后的空腹时血糖值。
(附记4)
根据附记3记载的血糖值预测装置，其中，
所述差量计算部使用过去的多个时间点的空腹时血糖值作为所述使用者的过去的空腹时血糖值，并求出所述过去的多个时间点的空腹时血糖值的测定值与该多个时间点的按所述使用者的年龄的空腹时血糖值的统计平均值的差量的时序变化作为所述差量，
所述血糖值计算部使用通过所述差量计算部求出的差量的时序变化和所述层级判别部的判别的结果来算出所述使用者的今后的空腹时血糖值。
(附记5)
根据附记1～4中任一项记载的血糖值预测装置，其中，
所述健康诊断结果是BMI及年龄。
(附记6)
一种血糖值预测方法，用于预测使用者的血糖值，包括：
取得步骤，取得所述使用者的血糖值的测定值、所述使用者的HbA1c的测定值及所述使用者的健康诊断的结果；
层级判别步骤，基于所述血糖值的测定值、所述HbA1c的测定值及所述健康诊断结果，来判别所述使用者为正常型、临界型及糖尿病型中的哪一个；及
预测步骤，使用所述判别的结果和所述使用者的过去的时间点的空腹时血糖值的测定值，来预测所述使用者的今后的空腹时血糖值。
(附记7)
根据附记6记载的血糖值预测方法，其中，
所述层级判别步骤使用空腹时血糖值及从饭后起经过规定时间后的血糖值的各个测定值作为所述血糖值的测定值。
(附记8)
根据附记6或7记载的血糖值预测方法，其中，
所述预测步骤包括：
差量计算步骤，求出所述使用者的过去的时间点的空腹时血糖值的测定值与该过去的时间点的按所述使用者的年龄的空腹时血糖值的统计平均值的差量；及
血糖值计算步骤，使用通过所述差量计算步骤算出的差量和所述层级判别步骤的判别的结果来算出所述使用者的今后的空腹时血糖值。
(附记9)
根据附记8记载的血糖值预测方法，其中，
所述差量计算步骤使用过去的多个时间点的空腹时血糖值作为所述使用者的过去的空腹时血糖值，并求出所述过去的多个时间点的空腹时血糖值的测定值与该多个时间点的按所述使用者的年龄的空腹时血糖值的统计平均值的差量的时序变化作为所述差量，
所述血糖值计算步骤使用通过所述差量计算步骤求出的差量的时序变化和所述层级判别步骤的判别的结果来算出所述使用者的今后的空腹时血糖值。
(附记10)
根据附记6～9中任一项记载的血糖值预测方法，其中，
所述健康诊断结果是BMI及年龄。
(附记11)
一种计算机能够读取的记录介质，记录有用于执行用于预测使用者的血糖值的血糖值预测方法的程序，其中，
所述计算机能够读取的记录介质包括使计算机执行如下步骤的指令：
取得步骤，取得所述使用者的血糖值的测定值、所述使用者的HbA1c的测定值及所述使用者的健康诊断的结果；
层级判别步骤，基于所述血糖值的测定值、所述HbA1c的测定值及所述健康诊断结果，来判别所述使用者为正常型、临界型及糖尿病型中的哪一个；及
预测步骤，使用所述判别的结果和所述使用者的过去的时间点的空腹时血糖值的测定值，来预测所述使用者的今后的空腹时血糖值。
(附记12)
根据附记11记载的计算机能够读取的记录介质，其中，
所述层级判别步骤使用空腹时血糖值及从饭后起经过规定时间后的血糖值的各个测定值作为所述血糖值的测定值。
(附记13)
根据附记11或12记载的计算机能够读取的记录介质，其中，
所述预测步骤包括：
差量计算步骤，求出所述使用者的过去的时间点的空腹时血糖值的测定值与该过去的时间点的按所述使用者的年龄的空腹时血糖值的统计平均值的差量；及
血糖值计算步骤，使用通过所述差量计算步骤算出的差量和所述层级判别步骤的判别的结果来算出所述使用者的今后的空腹时血糖值。
(附记14)
根据附记13记载的计算机能够读取的记录介质，其中，
所述差量计算步骤使用过去的多个时间点的空腹时血糖值作为所述使用者的过去的空腹时血糖值，并求出所述过去的多个时间点的空腹时血糖值的测定值与该多个时间点的按所述使用者的年龄的空腹时血糖值的统计平均值的差量的时序变化作为所述差量，
所述血糖值计算步骤使用通过所述差量计算步骤求出的差量的时序变化和所述层级判别步骤的判别的结果来算出所述使用者的今后的空腹时血糖值。
(附记15)
根据附记11～14中任一项记载的计算机能够读取的记录介质，其中，
所述健康诊断结果是BMI及年龄。
以上，参照实施方式而说明了本申请发明，但是本申请发明没有限定为上述实施方式。对于本申请发明的结构或详情，在本申请发明的范围内可以进行本领域技术人员可理解的各种变更。
该申请主张以在2015年10月30日提出申请的日本申请特愿2015-215061为基础的优先权，并将其公开的全部援引于此。
产业上的可利用性
本发明能够在用于预测使用者的将来的血糖值的血糖值预测装置中利用。
标号说明
1 血糖值预测装置
2 层级判别预测部
3 风险预测部
10 发病风险预测装置
11 取得部
12 层级判别部
13 预测部
21 差量计算部
22 血糖值计算部

Claims (15)

1.一种血糖值预测装置，用于预测使用者的血糖值，具备：
取得部，取得所述使用者的血糖值的测定值、所述使用者的HbA1c的测定值及所述使用者的健康诊断的结果；
层级判别部，基于所述血糖值的测定值、所述HbA1c的测定值及所述健康诊断结果，来判别所述使用者为正常型、临界型及糖尿病型中的哪一个；及
预测部，使用所述判别的结果和所述使用者的过去的时间点的空腹时血糖值的测定值，来预测所述使用者的今后的空腹时血糖值。
2.根据权利要求1所述的血糖值预测装置，其中，
所述层级判别部使用空腹时血糖值及从饭后起经过规定时间后的血糖值的各个测定值作为所述血糖值的测定值。
3.根据权利要求1或2所述的血糖值预测装置，其中，
所述预测部具有：
差量计算部，求出所述使用者的过去的时间点的空腹时血糖值的测定值与该过去的时间点的按所述使用者的年龄的空腹时血糖值的统计平均值的差量；及
血糖值计算部，使用通过所述差量计算部算出的差量和所述层级判别部的判别的结果来算出所述使用者的今后的空腹时血糖值。
4.根据权利要求3所述的血糖值预测装置，其中，
所述差量计算部使用过去的多个时间点的空腹时血糖值作为所述使用者的过去的空腹时血糖值，并求出所述过去的多个时间点的空腹时血糖值的测定值与该多个时间点的按所述使用者的年龄的空腹时血糖值的统计平均值的差量的时序变化作为所述差量，
所述血糖值计算部使用通过所述差量计算部求出的差量的时序变化和所述层级判别部的判别的结果来算出所述使用者的今后的空腹时血糖值。
5.根据权利要求1～4中任一项所述的血糖值预测装置，其中，
所述健康诊断结果是BMI及年龄。
6.一种血糖值预测方法，用于预测使用者的血糖值，包括：
取得步骤，取得所述使用者的血糖值的测定值、所述使用者的HbA1c的测定值及所述使用者的健康诊断的结果；
层级判别步骤，基于所述血糖值的测定值、所述HbA1c的测定值及所述健康诊断结果，来判别所述使用者为正常型、临界型及糖尿病型中的哪一个；及
预测步骤，使用所述判别的结果和所述使用者的过去的时间点的空腹时血糖值的测定值，来预测所述使用者的今后的空腹时血糖值。
7.根据权利要求6所述的血糖值预测方法，其中，
所述层级判别步骤使用空腹时血糖值及从饭后起经过规定时间后的血糖值的各个测定值作为所述血糖值的测定值。
8.根据权利要求6或7所述的血糖值预测方法，其中，
所述预测步骤包括：
差量计算步骤，求出所述使用者的过去的时间点的空腹时血糖值的测定值与该过去的时间点的按所述使用者的年龄的空腹时血糖值的统计平均值的差量；及
血糖值计算步骤，使用通过所述差量计算步骤算出的差量和所述层级判别步骤的判别的结果来算出所述使用者的今后的空腹时血糖值。
9.根据权利要求8所述的血糖值预测方法，其中，
所述差量计算步骤使用过去的多个时间点的空腹时血糖值作为所述使用者的过去的空腹时血糖值，并求出所述过去的多个时间点的空腹时血糖值的测定值与该多个时间点的按所述使用者的年龄的空腹时血糖值的统计平均值的差量的时序变化作为所述差量，
所述血糖值计算步骤使用通过所述差量计算步骤求出的差量的时序变化和所述层级判别步骤的判别的结果来算出所述使用者的今后的空腹时血糖值。
10.根据权利要求6～9中任一项所述的血糖值预测方法，其中，
所述健康诊断结果是BMI及年龄。
11.一种计算机能够读取的记录介质，记录有用于执行用于预测使用者的血糖值的血糖值预测方法的程序，其中，
所述计算机能够读取的记录介质包括使计算机执行如下步骤的指令：
取得步骤，取得所述使用者的血糖值的测定值、所述使用者的HbA1c的测定值及所述使用者的健康诊断的结果；
层级判别步骤，基于所述血糖值的测定值、所述HbA1c的测定值及所述健康诊断结果，来判别所述使用者为正常型、临界型及糖尿病型中的哪一个；及
预测步骤，使用所述判别的结果和所述使用者的过去的时间点的空腹时血糖值的测定值，来预测所述使用者的今后的空腹时血糖值。
12.根据权利要求11所述的计算机能够读取的记录介质，其中，
所述层级判别步骤使用空腹时血糖值及从饭后起经过规定时间后的血糖值的各个测定值作为所述血糖值的测定值。
13.根据权利要求11或12所述的计算机能够读取的记录介质，其中，
所述预测步骤包括：
差量计算步骤，求出所述使用者的过去的时间点的空腹时血糖值的测定值与该过去的时间点的按所述使用者的年龄的空腹时血糖值的统计平均值的差量；及
血糖值计算步骤，使用通过所述差量计算步骤算出的差量和所述层级判别步骤的判别的结果来算出所述使用者的今后的空腹时血糖值。
14.根据权利要求13所述的计算机能够读取的记录介质，其中，
所述差量计算步骤使用过去的多个时间点的空腹时血糖值作为所述使用者的过去的空腹时血糖值，并求出所述过去的多个时间点的空腹时血糖值的测定值与该多个时间点的按所述使用者的年龄的空腹时血糖值的统计平均值的差量的时序变化作为所述差量，
所述血糖值计算步骤使用通过所述差量计算步骤求出的差量的时序变化和所述层级判别步骤的判别的结果来算出所述使用者的今后的空腹时血糖值。
15.根据权利要求11～14中任一项所述的计算机能够读取的记录介质，其中，
所述健康诊断结果是BMI及年龄。
CN201680063221.0A 2015-10-30 2016-10-28 血糖值预测装置、血糖值预测方法及计算机能够读取的记录介质 Pending CN108352193A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2015-215061 2015-10-30
JP2015215061 2015-10-30
PCT/JP2016/082017 WO2017073713A1 (ja) 2015-10-30 2016-10-28 血糖値予測装置、血糖値予測方法及びコンピュータ読み取り可能な記録媒体

Publications (1)

Publication Number Publication Date
CN108352193A true CN108352193A (zh) 2018-07-31

Family

ID=58630577

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201680063221.0A Pending CN108352193A (zh) 2015-10-30 2016-10-28 血糖值预测装置、血糖值预测方法及计算机能够读取的记录介质

Country Status (3)

Country Link
JP (1) JP6659049B2 (zh)
CN (1) CN108352193A (zh)
WO (1) WO2017073713A1 (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110974158A (zh) * 2019-10-23 2020-04-10 重庆特斯联智慧科技股份有限公司 一种基于深度学习的社区病患识别、呼救方法和系统方法及系统
CN112370053A (zh) * 2020-10-16 2021-02-19 湖州美奇医疗器械有限公司 血糖数据通信的监护方法及应用方法
CN114166977A (zh) * 2022-01-24 2022-03-11 杭州凯莱谱精准医疗检测技术有限公司 预测妊娠个体血糖值的系统
US11923082B2 (en) 2022-01-24 2024-03-05 Hangzhou Calibra Diagnostics Co., Ltd. Method and system for rapid prediction offast blood glucose level in pregnant subjects

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2022500797A (ja) * 2018-09-07 2022-01-04 インフォームド データ システムズ インコーポレイテッド ディー／ビー／エー ワン ドロップ 血糖濃度の予測
KR102418339B1 (ko) * 2021-08-13 2022-07-08 주식회사 유투메드텍 연속혈당 데이터를 이용한 혈당 수치 추출 장치 및 그 방법
KR102418340B1 (ko) * 2021-08-13 2022-07-08 주식회사 유투메드텍 표준음식의 혈당 변화 패턴을 이용한 당 대사능력 장애 예측 장치 및 그 방법
CN114093518B (zh) * 2022-01-24 2022-04-26 北京健康有益科技有限公司 一种基于肥胖度的糖尿病风险评估系统及评估方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007265347A (ja) * 2006-03-30 2007-10-11 Hitachi Software Eng Co Ltd 健康指導支援装置、システム、及びプログラム
CN102063568A (zh) * 2010-12-29 2011-05-18 中国疾病预防控制中心慢性非传染性疾病预防控制中心 个体水平糖尿病预测模型
JP2013050387A (ja) * 2011-08-31 2013-03-14 Sysmex Corp 糖尿病診療支援装置及び糖尿病診療支援方法
WO2014175542A1 (ko) * 2013-04-22 2014-10-30 주식회사 바이오에이지 생체 나이 예측 장치 및 방법

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3127379B2 (ja) * 1991-02-12 2001-01-22 清三郎 有田 糖尿病検査装置および方法，糖負荷試験結果出力方法，糖尿病診断用シートならびに糖尿病検査用紙
JP5511033B1 (ja) * 2012-12-04 2014-06-04 Ｎｅｃシステムテクノロジー株式会社 血糖値予測装置、測定装置、血糖値予測方法、及びプログラム

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007265347A (ja) * 2006-03-30 2007-10-11 Hitachi Software Eng Co Ltd 健康指導支援装置、システム、及びプログラム
CN102063568A (zh) * 2010-12-29 2011-05-18 中国疾病预防控制中心慢性非传染性疾病预防控制中心 个体水平糖尿病预测模型
JP2013050387A (ja) * 2011-08-31 2013-03-14 Sysmex Corp 糖尿病診療支援装置及び糖尿病診療支援方法
WO2014175542A1 (ko) * 2013-04-22 2014-10-30 주식회사 바이오에이지 생체 나이 예측 장치 및 방법

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110974158A (zh) * 2019-10-23 2020-04-10 重庆特斯联智慧科技股份有限公司 一种基于深度学习的社区病患识别、呼救方法和系统方法及系统
CN112370053A (zh) * 2020-10-16 2021-02-19 湖州美奇医疗器械有限公司 血糖数据通信的监护方法及应用方法
CN114166977A (zh) * 2022-01-24 2022-03-11 杭州凯莱谱精准医疗检测技术有限公司 预测妊娠个体血糖值的系统
CN114166977B (zh) * 2022-01-24 2022-06-21 杭州凯莱谱精准医疗检测技术有限公司 预测妊娠个体血糖值的系统
US11923082B2 (en) 2022-01-24 2024-03-05 Hangzhou Calibra Diagnostics Co., Ltd. Method and system for rapid prediction offast blood glucose level in pregnant subjects

Also Published As

Publication number Publication date
WO2017073713A1 (ja) 2017-05-04
JPWO2017073713A1 (ja) 2018-08-09
JP6659049B2 (ja) 2020-03-04

Similar Documents

Publication Publication Date Title
CN108352193A (zh) 血糖值预测装置、血糖值预测方法及计算机能够读取的记录介质
US11963801B2 (en) Systems and methods for use of insulin information for meal indication
Thiruganasambandamoorthy et al. Development of the Canadian Syncope Risk Score to predict serious adverse events after emergency department assessment of syncope
EP3125761B1 (en) Method and apparatus for determining meal start and peak events in analyte monitoring systems
Matthews et al. Best practices for using physical activity monitors in population-based research
Kobelt et al. Economic consequences of the progression of rheumatoid arthritis in Sweden
RU2662895C2 (ru) Система и способ клинической поддержки
EP1582146A2 (en) Vital sign processing apparatus and method
DK2654564T3 (en) CALIBRATION OF A PORTABLE DIABETES-control device which receives data from a continuous glucose monitor
Hagar et al. Survival analysis with electronic health record data: Experiments with chronic kidney disease
KR102535394B1 (ko) 연속혈당측정시스템에서 혈당값을 교정하는 방법
Pandey et al. Anthropometric indicators as predictor of pre-diabetes in Indian adolescents
WO2016057399A1 (en) Devices and methods for managing risk profiles
CN104838415B (zh) 血糖水平预测设备、测量设备、血糖水平预测方法和计算机可读存储介质
US20180003547A1 (en) Apparatus and method for monitoring changes in user weight
JP2005319283A (ja) 生体情報活用システム
JP2005305134A (ja) 生体情報処理装置、生体情報処理システム
Pressler et al. Validity of cardiac implantable electronic devices in assessing daily physical activity
US20090227883A1 (en) Automated heart function classification to standardized classes
Bright et al. When is a positive test for pediatric growth hormone deficiency a true-positive test?
WO2020195682A1 (ja) 生活習慣改善提案装置、生活習慣改善提案方法、及び生活習慣改善提案プログラム
JP5187450B2 (ja) 予測血糖値算出装置、予測血糖値算出方法
KR20200066322A (ko) 신생아에서 빌리루빈 수준을 예측하기 위한 방법 및 컴퓨터 프로그램
Parker et al. Potential misclassification of blood pressure status in children and adolescents with short or tall stature
Yasui et al. Familial relative risk estimates for use in epidemiologic analyses

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
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20180731