CN109791807B - 基于风险的范围控制方法及装置 - Google Patents
基于风险的范围控制方法及装置 Download PDFInfo
- Publication number
- CN109791807B CN109791807B CN201780048242.XA CN201780048242A CN109791807B CN 109791807 B CN109791807 B CN 109791807B CN 201780048242 A CN201780048242 A CN 201780048242A CN 109791807 B CN109791807 B CN 109791807B
- Authority
- CN
- China
- Prior art keywords
- glucose
- risk
- value
- state
- rate
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 56
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 claims abstract description 407
- 239000008103 glucose Substances 0.000 claims abstract description 407
- NOESYZHRGYRDHS-UHFFFAOYSA-N insulin Chemical compound N1C(=O)C(NC(=O)C(CCC(N)=O)NC(=O)C(CCC(O)=O)NC(=O)C(C(C)C)NC(=O)C(NC(=O)CN)C(C)CC)CSSCC(C(NC(CO)C(=O)NC(CC(C)C)C(=O)NC(CC=2C=CC(O)=CC=2)C(=O)NC(CCC(N)=O)C(=O)NC(CC(C)C)C(=O)NC(CCC(O)=O)C(=O)NC(CC(N)=O)C(=O)NC(CC=2C=CC(O)=CC=2)C(=O)NC(CSSCC(NC(=O)C(C(C)C)NC(=O)C(CC(C)C)NC(=O)C(CC=2C=CC(O)=CC=2)NC(=O)C(CC(C)C)NC(=O)C(C)NC(=O)C(CCC(O)=O)NC(=O)C(C(C)C)NC(=O)C(CC(C)C)NC(=O)C(CC=2NC=NC=2)NC(=O)C(CO)NC(=O)CNC2=O)C(=O)NCC(=O)NC(CCC(O)=O)C(=O)NC(CCCNC(N)=N)C(=O)NCC(=O)NC(CC=3C=CC=CC=3)C(=O)NC(CC=3C=CC=CC=3)C(=O)NC(CC=3C=CC(O)=CC=3)C(=O)NC(C(C)O)C(=O)N3C(CCC3)C(=O)NC(CCCCN)C(=O)NC(C)C(O)=O)C(=O)NC(CC(N)=O)C(O)=O)=O)NC(=O)C(C(C)CC)NC(=O)C(CO)NC(=O)C(C(C)O)NC(=O)C1CSSCC2NC(=O)C(CC(C)C)NC(=O)C(NC(=O)C(CCC(N)=O)NC(=O)C(CC(N)=O)NC(=O)C(NC(=O)C(N)CC=1C=CC=CC=1)C(C)C)CC1=CN=CN1 NOESYZHRGYRDHS-UHFFFAOYSA-N 0.000 claims abstract description 156
- 102000004877 Insulin Human genes 0.000 claims abstract description 78
- 108090001061 Insulin Proteins 0.000 claims abstract description 78
- 229940125396 insulin Drugs 0.000 claims abstract description 78
- 230000001186 cumulative effect Effects 0.000 claims abstract description 34
- 238000009826 distribution Methods 0.000 claims abstract description 27
- 206010012601 diabetes mellitus Diseases 0.000 claims abstract description 19
- 238000005259 measurement Methods 0.000 claims abstract description 19
- 238000002560 therapeutic procedure Methods 0.000 claims abstract description 15
- 230000008859 change Effects 0.000 claims description 44
- 230000002218 hypoglycaemic effect Effects 0.000 claims description 38
- 238000007726 management method Methods 0.000 claims description 37
- 239000008280 blood Substances 0.000 claims description 36
- 210000004369 blood Anatomy 0.000 claims description 36
- 230000006870 function Effects 0.000 claims description 34
- 230000001133 acceleration Effects 0.000 claims description 20
- 201000001421 hyperglycemia Diseases 0.000 claims description 19
- 208000013016 Hypoglycemia Diseases 0.000 claims description 18
- 238000012545 processing Methods 0.000 claims description 12
- 230000003345 hyperglycaemic effect Effects 0.000 claims description 10
- 206010022489 Insulin Resistance Diseases 0.000 claims description 9
- 238000012937 correction Methods 0.000 claims description 9
- 230000007704 transition Effects 0.000 claims description 5
- 238000013507 mapping Methods 0.000 claims description 2
- 230000008569 process Effects 0.000 claims description 2
- 230000009467 reduction Effects 0.000 claims description 2
- 238000001514 detection method Methods 0.000 claims 1
- 235000012054 meals Nutrition 0.000 description 29
- 238000004891 communication Methods 0.000 description 16
- 150000001720 carbohydrates Chemical class 0.000 description 13
- 235000014633 carbohydrates Nutrition 0.000 description 13
- 102000051325 Glucagon Human genes 0.000 description 9
- 108060003199 Glucagon Proteins 0.000 description 9
- MASNOZXLGMXCHN-ZLPAWPGGSA-N glucagon Chemical compound C([C@@H](C(=O)N[C@H](C(=O)N[C@@H](CCC(N)=O)C(=O)N[C@@H](CC=1C2=CC=CC=C2NC=1)C(=O)N[C@@H](CC(C)C)C(=O)N[C@@H](CCSC)C(=O)N[C@@H](CC(N)=O)C(=O)N[C@@H]([C@@H](C)O)C(O)=O)C(C)C)NC(=O)[C@H](CC(O)=O)NC(=O)[C@H](CCC(N)=O)NC(=O)[C@H](C)NC(=O)[C@H](CCCNC(N)=N)NC(=O)[C@H](CCCNC(N)=N)NC(=O)[C@H](CO)NC(=O)[C@H](CC(O)=O)NC(=O)[C@H](CC(C)C)NC(=O)[C@H](CC=1C=CC(O)=CC=1)NC(=O)[C@H](CCCCN)NC(=O)[C@H](CO)NC(=O)[C@H](CC=1C=CC(O)=CC=1)NC(=O)[C@H](CC(O)=O)NC(=O)[C@H](CO)NC(=O)[C@@H](NC(=O)[C@H](CC=1C=CC=CC=1)NC(=O)[C@@H](NC(=O)CNC(=O)[C@H](CCC(N)=O)NC(=O)[C@H](CO)NC(=O)[C@@H](N)CC=1NC=NC=1)[C@@H](C)O)[C@@H](C)O)C1=CC=CC=C1 MASNOZXLGMXCHN-ZLPAWPGGSA-N 0.000 description 9
- 229960004666 glucagon Drugs 0.000 description 9
- 230000004044 response Effects 0.000 description 7
- 230000009471 action Effects 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 6
- 238000001802 infusion Methods 0.000 description 6
- 238000012544 monitoring process Methods 0.000 description 5
- 238000012502 risk assessment Methods 0.000 description 5
- 239000000523 sample Substances 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 229940079593 drug Drugs 0.000 description 4
- 239000003814 drug Substances 0.000 description 4
- 230000000737 periodic effect Effects 0.000 description 4
- 238000003860 storage Methods 0.000 description 4
- 238000013459 approach Methods 0.000 description 3
- 230000007423 decrease Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000036541 health Effects 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 210000001015 abdomen Anatomy 0.000 description 2
- 230000002411 adverse Effects 0.000 description 2
- 210000003722 extracellular fluid Anatomy 0.000 description 2
- 229940088597 hormone Drugs 0.000 description 2
- 239000005556 hormone Substances 0.000 description 2
- 238000002347 injection Methods 0.000 description 2
- 239000007924 injection Substances 0.000 description 2
- 230000007257 malfunction Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 210000000496 pancreas Anatomy 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 239000000243 solution Substances 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000004584 weight gain Effects 0.000 description 2
- 235000019786 weight gain Nutrition 0.000 description 2
- 206010067584 Type 1 diabetes mellitus Diseases 0.000 description 1
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000000090 biomarker Substances 0.000 description 1
- 210000001124 body fluid Anatomy 0.000 description 1
- 235000021074 carbohydrate intake Nutrition 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 235000005911 diet Nutrition 0.000 description 1
- 230000037213 diet Effects 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- -1 for example Chemical compound 0.000 description 1
- 229940048956 glucagon injection Drugs 0.000 description 1
- 229940090044 injection Drugs 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000002483 medication Methods 0.000 description 1
- 230000003278 mimic effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 230000003534 oscillatory effect Effects 0.000 description 1
- 230000004962 physiological condition Effects 0.000 description 1
- 230000035790 physiological processes and functions Effects 0.000 description 1
- 238000005086 pumping Methods 0.000 description 1
- 230000003938 response to stress Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000007920 subcutaneous administration Methods 0.000 description 1
- 210000003813 thumb Anatomy 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 208000001072 type 2 diabetes mellitus Diseases 0.000 description 1
- 230000004580 weight loss Effects 0.000 description 1
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
- 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
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M5/00—Devices for bringing media into the body in a subcutaneous, intra-vascular or intramuscular way; Accessories therefor, e.g. filling or cleaning devices, arm-rests
- A61M5/14—Infusion devices, e.g. infusing by gravity; Blood infusion; Accessories therefor
- A61M5/142—Pressure infusion, e.g. using pumps
- A61M5/14244—Pressure infusion, e.g. using pumps adapted to be carried by the patient, e.g. portable on the body
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M5/00—Devices for bringing media into the body in a subcutaneous, intra-vascular or intramuscular way; Accessories therefor, e.g. filling or cleaning devices, arm-rests
- A61M5/14—Infusion devices, e.g. infusing by gravity; Blood infusion; Accessories therefor
- A61M5/168—Means for controlling media flow to the body or for metering media to the body, e.g. drip meters, counters ; Monitoring media flow to the body
- A61M5/172—Means for controlling media flow to the body or for metering media to the body, e.g. drip meters, counters ; Monitoring media flow to the body electrical or electronic
- A61M5/1723—Means for controlling media flow to the body or for metering media to the body, e.g. drip meters, counters ; Monitoring media flow to the body electrical or electronic using feedback of body parameters, e.g. blood-sugar, pressure
-
- 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
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/40—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for data related to laboratory analysis, e.g. patient specimen analysis
-
- 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
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/10—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients
- G16H20/17—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients delivered via infusion or injection
-
- 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
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M5/00—Devices for bringing media into the body in a subcutaneous, intra-vascular or intramuscular way; Accessories therefor, e.g. filling or cleaning devices, arm-rests
- A61M5/14—Infusion devices, e.g. infusing by gravity; Blood infusion; Accessories therefor
- A61M5/142—Pressure infusion, e.g. using pumps
- A61M2005/14208—Pressure infusion, e.g. using pumps with a programmable infusion control system, characterised by the infusion program
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M2205/00—General characteristics of the apparatus
- A61M2205/35—Communication
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M2205/00—General characteristics of the apparatus
- A61M2205/35—Communication
- A61M2205/3546—Range
- A61M2205/3569—Range sublocal, e.g. between console and disposable
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M2205/00—General characteristics of the apparatus
- A61M2205/35—Communication
- A61M2205/3576—Communication with non implanted data transmission devices, e.g. using external transmitter or receiver
- A61M2205/3584—Communication with non implanted data transmission devices, e.g. using external transmitter or receiver using modem, internet or bluetooth
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M2205/00—General characteristics of the apparatus
- A61M2205/50—General characteristics of the apparatus with microprocessors or computers
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M2205/00—General characteristics of the apparatus
- A61M2205/50—General characteristics of the apparatus with microprocessors or computers
- A61M2205/502—User interfaces, e.g. screens or keyboards
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M2205/00—General characteristics of the apparatus
- A61M2205/50—General characteristics of the apparatus with microprocessors or computers
- A61M2205/52—General characteristics of the apparatus with microprocessors or computers with memories providing a history of measured variating parameters of apparatus or patient
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M2230/00—Measuring parameters of the user
- A61M2230/20—Blood composition characteristics
- A61M2230/201—Glucose concentration
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Biomedical Technology (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Veterinary Medicine (AREA)
- Heart & Thoracic Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Pathology (AREA)
- Hematology (AREA)
- Anesthesiology (AREA)
- Vascular Medicine (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- Diabetes (AREA)
- Chemical & Material Sciences (AREA)
- Medicinal Chemistry (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Emergency Medicine (AREA)
- Optics & Photonics (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Infusion, Injection, And Reservoir Apparatuses (AREA)
Abstract
公开了用于基于与患有糖尿病的人的葡萄糖状态相关联的风险来确定胰岛素的基础率调整的方法和系统。一种方法可以包括基于接收的葡萄糖测量信号检测人的葡萄糖状态以及确定与检测到的葡萄糖状态相关联的当前风险度量。该方法可以包括基于从检测到的葡萄糖状态周围的葡萄糖状态分布生成的返回路径的累积危险值的加权平均值来确定与检测到的葡萄糖状态相关联的当前风险度量。该方法可以包括基于与检测到的葡萄糖状态相关联的当前风险度量和与参考葡萄糖水平相关联的参考风险度量来计算对治疗递送装置的基础率的调整。
Description
相关申请的交叉引用
本申请要求2016年6月1日提交的并且名称为“RISK-BASED CONTROL-TO-RANGE”的美国发明专利申请序列号15/170468的优先权，该专利申请的全部内容通过引用并入本文。
技术领域
本发明一般地涉及处理从患有糖尿病的人测量的葡萄糖数据，并且具体地，涉及基于与患有糖尿病的人的葡萄糖状态相关联的风险来控制临时基础率的调整。
背景技术
许多人患有I型或II型糖尿病，在这些糖尿病中身体没有正确地调节血糖水平。连续葡萄糖监测（CGM）允许持续（诸如每隔几分钟）测量患有糖尿病的患者的间质葡萄糖水平。施用于患者的胰岛素的定时和剂量可以基于由CGM装置记录的测量结果来确定。来自CGM装置的葡萄糖读数显示给患者，并且患者可以注射胰岛素或消耗膳食以帮助控制葡萄糖水平。胰岛素泵可以按照可编程的时间表提供精确的胰岛素剂量，所述时间表可以由患者或健康护理提供者调整。
可以从葡萄糖数据得出危险度量，用于基于检测到的葡萄糖水平评估对糖尿病人的危险。例如，已知的危险度量包括以下文章中提出的危险函数：Kovatchev， B. P.等人，Symmetrization of the blood glucose measurement scale and its applications，Diabetes Care，1997，20，1655-1658。Kovatchev危险函数由等式定义，其中g是血糖浓度（以毫克/分升或mg/dl计）并且h(g)是对应的惩罚值。Kovatchev函数提供静态惩罚（即危险）值，因为惩罚仅取决于葡萄糖水平。最小（零）危险发生在112.5mg/dl。葡萄糖水平接近低血糖症的危险上升得显著快于葡萄糖水平接近高血糖症的危险。
Kovatchev危险函数未能计及葡萄糖水平的变化率以及与所测量的葡萄糖水平相关联的不确定性。例如，与100mg/dl和快速下降的血糖水平相关联的患者的危险可能大于与具有恒定葡萄糖变化率的100mg/dl相关联的患者的危险。此外，由于传感器噪声、传感器故障或传感器的脱离，所测量的葡萄糖结果可能是不准确的。
已经形成了各种方法来基于CGM葡萄糖数据控制糖尿病人的葡萄糖水平。用于限制低血糖症状况发生的一种方法包括胰岛素泵关闭算法，如果CGM葡萄糖水平下降至低于低葡萄糖阈值（诸如50至70mg/dl），则胰岛素泵关闭算法完全关闭基础胰岛素，并且之后在几小时之后恢复基础胰岛素。然而，这种开/关方法不利地要求在采取行动之前发生穿过低葡萄糖阈值的不利状况。此外，该方法没有计及葡萄糖穿过阈值的速度，这对于具有高葡萄糖变化率的患者（例如，儿童、活跃个体等）可能是有问题的。
另一种方法是提醒患者所预测的低血糖症，并且然后患者消耗一定量的碳水化合物并等待预定时间段。如果系统仍然预测低血糖症，则患者重复该循环，直到系统不再预测低血糖症。然而，该方法假设患者在被提醒所预测的低血糖症时能够立即消耗碳水化合物。此外，患者可能通过消耗过多碳水化合物而过度校正，可能导致体重增加或使葡萄糖水平趋于高血糖症。
因此，本公开的一些实施例提供了一种预测方法，用于通过将估计的葡萄糖状态的风险映射到基础率的调整来基于返回路径的累积危险值调整治疗基础率，所述返回路径根据估计的葡萄糖状态周围的葡萄糖状态分布生成。与葡萄糖状态相关联的风险基于血糖水平、血糖水平的变化率以及血糖水平和变化率的标准偏差。此外，一些实施例提供响应于膳食加量、胰岛素加量和/或其他事件（例如运动、胰高血糖素可用性和可能影响低血糖症或高血糖症的风险的应激反应）而调整针对葡萄糖状态的所计算的风险。
发明内容
在一个实施例中，提供了一种基于与患有糖尿病的人的葡萄糖状态相关联的风险来确定胰岛素的基础率调整的方法。该方法包括由至少一个计算装置接收表示至少一个葡萄糖测量结果的信号。该方法还包括由所述至少一个计算装置基于所述信号检测所述人的葡萄糖状态，检测到的葡萄糖状态包括所述人的葡萄糖水平和所述葡萄糖水平的变化率。此外，该方法包括由所述至少一个计算装置基于目标葡萄糖状态确定与检测到的葡萄糖状态相关联的当前风险度量，目标葡萄糖状态被存储在可由所述至少一个计算装置访问的存储器中，当前风险度量指示所述人的低血糖症状况和高血糖症状况中至少一个的风险。基于从当前葡萄糖状态到目标葡萄糖状态的转变确定返回路径，所述返回路径包括与到目标葡萄糖状态的返回相关联的至少一个中间葡萄糖值。此外，确定返回路径的累积危险值，累积危险值包括返回路径上的至少一个葡萄糖值的危险值的总和，每个危险值指示与对应的中间葡萄糖值相关联的危险。另外，基于返回路径的累积危险值的加权平均值来确定当前风险度量，所述返回路径根据检测到的葡萄糖状态周围的葡萄糖状态分布生成。该方法还包括由所述至少一个计算装置识别参考葡萄糖状态和与参考葡萄糖状态相关联的参考风险度量；以及由所述至少一个计算装置基于与检测到的葡萄糖状态相关联的当前风险度量和与参考葡萄糖水平相关联的参考风险度量来计算对治疗递送装置的基础率的调整。
在另一个实施例中，提供了血糖管理装置，血糖管理装置被配置为基于与患有糖尿病的人的葡萄糖状态相关联的风险来确定基础率调整。该装置包括存储可执行指令的非临时性计算机可读介质；以及至少一个处理装置，被配置为执行所述可执行指令，使得，当由所述至少一个处理装置执行时，所述可执行指令使所述至少一个处理装置接收表示至少一个葡萄糖测量结果的信号。所述可执行指令还使所述至少一个处理装置基于所述信号检测所述人的葡萄糖状态，检测到的葡萄糖状态包括所述人的葡萄糖水平和葡萄糖水平的变化率。另外，所述可执行指令使所述至少一个处理装置基于目标葡萄糖状态确定与检测到的葡萄糖状态相关联的当前风险度量，目标葡萄糖状态存储在可由所述至少一个计算装置访问的存储器中，当前风险度量指示所述人的低血糖症状况和高血糖症状况中的至少一个的风险。基于从当前葡萄糖状态到目标葡萄糖状态的转变确定返回路径，所述返回路径包括与到目标葡萄糖状态的返回相关联的至少一个中间葡萄糖值。确定所述返回路径的累积危险值，所述累积危险值包括返回路径上的所述至少一个葡萄糖值的危险值的总和，每个危险值指示与对应的中间葡萄糖值相关联的危险。基于返回路径的累积危险值的加权平均值来确定当前风险度量，所述返回路径根据检测到的葡萄糖状态周围的葡萄糖状态分布生成。可执行指令还使得所述至少一个处理装置识别参考葡萄糖状态和与参考葡萄糖状态相关联的参考风险度量。最后，所述可执行指令还使所述至少一个处理装置基于与检测到的葡萄糖状态相关联的当前风险度量和与参考葡萄糖水平相关联的参考风险度量来计算对治疗递送装置的基础率的调整。
附图说明
附图中阐述的实施例本质上是说明性和示例性的，并不旨在限制由权利要求限定的发明。当结合以下附图阅读时，可以理解说明性实施例的以下详细描述，其中相似的结构用相似的附图标记指示，并且其中：
图1图示了根据本文所示和所描述的一个或多个实施例的连续葡萄糖监测（CGM）系统；
图2图示了图2的CGM系统的示例性血糖管理装置、治疗递送装置和葡萄糖传感器，血糖管理装置包括加量计算器模块、范围控制逻辑、危险分析逻辑、递归滤波器和基础率调整逻辑；
图3图示了绘制示例性CGM迹线和膳食事件之后的经调整的最大允许葡萄糖的图形；
图4图示了绘制基础率的周期性更新的图形；
图5图示了绘制具有示例性高血糖症攻击性和高血糖症移位调整的危险函数的图形；
图6图示了绘制由运动或胰高血糖素的可用性引起的低血糖症移位的危险函数的图形；
图7图示了绘制去往目标葡萄糖水平的示例性返回路径的图形；
图8A图示了低血糖症风险表面，其具有对应于葡萄糖状态分布的样本位置阵列；
图8B图示了针对图8A的突出显示的葡萄糖状态的示例性返回路径；
图9图示了提供连续基础乘数和递增的基础乘数的图形；
图10A图示了基础率调整绘图；
图10B图示了图10A的基础率调整绘图，具有由近期膳食或校正加量导致的高血糖症移位；和。
具体实施方式
本文描述的实施例一般地涉及用于在患有糖尿病的人的连续葡萄糖监测系统中确定胰岛素的基础率调整的方法和系统，并且具体地，涉及用于基于与患有糖尿病的人的葡萄糖状态相关联的风险确定胰岛素的基础率调整的方法和系统。出于定义本公开的目的，“测量的葡萄糖结果”是由葡萄糖传感器测量的人的葡萄糖水平；“实际葡萄糖水平”或“真实葡萄糖测量结果”是人的实际葡萄糖水平。
参见图1，图示了用于监测患有糖尿病的人（PWD）11的葡萄糖水平的示例性连续葡萄糖监测（CGM）系统10。具体地，CGM系统10可操作为按照预定的可调整间隔（诸如每一分钟、五分钟或按照其他合适的间隔）收集测量的葡萄糖值。CGM系统10说明性地包括葡萄糖传感器16，葡萄糖传感器16具有插入人的皮肤12下方的针头或探针18。针头18的末端定位在间质液14（诸如血液或另一种体液）中，使得由葡萄糖传感器16取得的测量结果基于间质液14中的葡萄糖水平。葡萄糖传感器16被定位成邻近人的腹部或在另一个合适的位置。此外，可以周期性地校准葡萄糖传感器16以提高其准确度。由于传感器降级和传感器插入部位的生理状况的变化，这种周期性校准可以帮助校正传感器漂移。葡萄糖传感器16也可包括其他组件，包括但不限于无线发射器20和天线22。葡萄糖传感器16可以替代地使用其他合适的装置（诸如例如非侵入式装置（例如，红外光传感器））来取得测量结果。在进行测量时，葡萄糖传感器16经由通信链路24将测量的葡萄糖值传送到计算装置26，说明性地是血糖（bG）管理装置26。bG管理装置26还可以被配置为在存储器39中存储在一时间段内从葡萄糖传感器16接收的多个测量的葡萄糖结果。
CGM系统10还包括治疗递送装置31，说明性地是胰岛素输注泵31，用于向人递送治疗（例如，胰岛素）。胰岛素泵31经由通信链路35与管理装置26通信，并且管理装置26能够将加量和基础率信息传送到胰岛素泵31。胰岛素泵31包括具有针头的导管33，所述针头插入人11的皮肤12中用于注射胰岛素。胰岛素泵31说明性地被定位成邻近人的腹部或处于另一个合适的位置。类似于葡萄糖传感器16，输注泵31也包括无线发射器和天线用于与管理装置26通信。胰岛素泵31可操作为递送基础胰岛素（例如，按照基础率连续或重复释放的小剂量胰岛素）和加量胰岛素（例如，突增剂量的胰岛素，诸如例如在膳食事件周围）。可以响应于用户触发的用户输入或者响应于来自管理装置26的命令来递送加量胰岛素。类似地，基础胰岛素的基础率基于用户输入或响应于来自管理装置26的命令来设置。输注泵31可包括用于显示泵数据的显示器和提供用户控制的用户接口。在替代实施例中，胰岛素泵31和葡萄糖传感器16可以被提供作为患者佩戴的单个装置，并且由处理器或微控制器提供的逻辑的至少一部分可以驻留在该单个装置上。加量胰岛素也可以通过其他方式注射，诸如由使用者经由针头手动注射。
在一个实施例中，这种CGM系统10被称为人造胰腺系统，其向患者提供闭环或半闭环治疗以接近或模仿健康胰腺的自然功能。在这种系统中，基于来自葡萄糖传感器16的CGM读数计算胰岛素剂量，并基于CGM读数自动向患者递送该胰岛素剂量。例如，如果CGM指示用户具有高血糖水平或患有高血糖症，则系统可以计算将用户的血糖水平降低到阈值水平以下或降低到目标水平所需的胰岛素剂量并自动递送该剂量。替代地，系统可以自动建议治疗的变化，诸如增加胰岛素基础率或加量递送，但是可以要求在递送之前用户接受所建议的变化。如果CGM数据指示用户具有低血糖水平或患有低血糖症，则系统可以例如单独或按照任何期望的组合或顺序自动降低基础率，建议用户降低基础率，自动递送一定量的物质（诸如例如激素（胰高血糖素））或建议用户发起一定量的物质（诸如例如激素（胰高血糖素））的递送以提高血液中葡萄糖的浓度，建议用户例如摄取碳水化合物和/或自动采取其他行动和/或提出可能适合于解决低血糖症状况的其他建议。在一些实施例中，多种药物可以用于这样的系统中，诸如降低血糖水平的第一药物，例如胰岛素，和提高血糖水平的第二种药物，例如胰高血糖素。
通信链路24、35说明性地是无线的，诸如射频（“RF”）或其他合适的无线频率，其中数据和控制经由电磁波在传感器16、治疗递送装置31和管理装置26之间传送。Bluetooth®是一种示例性类型的无线RF通信系统，其使用近似2.4千兆赫兹（GHz）的频率。另一种示例性类型的无线通信方案使用红外光，诸如由Infrared Data Association®（IrDA®）所支持的系统。可以提供其他合适类型的无线通信。此外，每个通信链路24、35均可以促进多个装置之间的通信，诸如葡萄糖传感器16、计算装置26、胰岛素泵31和其他合适的装置或系统之间的通信。替代地，可以在系统10的各装置之间提供有线链路，诸如例如有线以太网链路。可以使用其他合适的公共或专有有线或无线链路。
图2图示了图2的CGM系统10的示例性管理装置26。管理装置26包括至少一个微处理器或微控制器32，该微处理器或微控制器32执行存储在管理装置26的存储器39中的软件和/或固件代码。软件/固件代码包含指令，当由管理装置26的微控制器32执行时，该指令使管理装置26执行本文所述的功能。管理装置26可以替代地包括一个或多个专用集成电路（ASIC）、现场可编程门阵列（FPGA）、数字信号处理器（DSP）、硬连线逻辑或上述各项的组合。虽然管理装置26说明性地是葡萄糖监测器26，但是可以提供其他合适的管理装置26，诸如例如台式计算机、膝上型计算机、计算机服务器、个人数据助理（“PDA”）、智能电话、蜂窝装置、平板计算机、输注泵、包括葡萄糖测量引擎和PDA或移动电话的集成装置等。尽管管理装置26被图示为单个管理装置26，但是可以一起使用多个计算装置来执行本文描述的管理装置26的功能。
存储器39是可由微控制器32访问的任何合适的计算机可读介质。存储器39可以是单个存储装置或多个存储装置，可以位于管理装置26的内部或外部，并且可以包括易失性和非易失性介质二者。此外，存储器39可以包括可移动和不可移动介质中的一者或二者。示例性存储器39包括随机存取存储器（RAM）、只读存储器（ROM）、电可擦除可编程ROM（EEPROM）、闪存、CD-ROM、数字多功能盘（DVD）或其他光盘存储装置、磁存储装置或被配置为存储数据并且可由管理装置26访问的任何其他合适的介质。
微控制器32还可以包括附加编程，以允许微控制器32学习用户偏好和/或用户特性和/或用户历史数据。该信息可用于实现用途的变化、基于检测到的趋势（诸如体重增加或减少）的建议。微控制器32还可以包括允许装置26生成报告（诸如基于用户历史、合规性、趋势和/或其他此类数据的报告）的编程。另外，本公开的胰岛素输注泵31的实施例可以包括“断电”或“暂停”功能，用于暂停装置26的一个或多个功能，诸如，暂停递送协议，和/或用于使装置26或者装置26的递送机构断电。对于一些实施例，两个或更多个微控制器32可以用于胰岛素输注泵31的控制器功能，包括高功率控制器和低功率控制器，用于在低功率模式下维持编程和泵送功能，以便节省电池寿命。
管理装置26还包括可操作地耦合到微控制器32的通信装置41。通信装置41包括可操作为通过通信链路24、35在装置26和葡萄糖传感器16以及胰岛素泵31之间传送和接收数据和控制的任何合适的无线和/或有线通信模块。在一个实施例中，通信装置41包括用于通过通信链路24、35无线地接收和/或传送数据的天线30（图1）。管理装置26在存储器39中存储经由通信装置41从葡萄糖传感器16和/或胰岛素泵31接收的测量的葡萄糖结果和其他数据。
管理装置26包括用于接收用户输入的一个或多个用户输入装置34。（一个或多个）输入装置34可以包括按钮、开关、鼠标指针、键盘、触摸屏或任何其他合适的输入装置。显示器28可操作地耦合到微控制器32，并且可包括被配置为将微控制器32提供的信息显示给用户的任何合适的显示器或监视器技术（例如，液晶显示器等）。微控制器32被配置为向显示器28传送与检测到的人的葡萄糖状态有关的信息、与葡萄糖状态相关联的风险以及基础率和加量信息。葡萄糖状态可以包括估计的葡萄糖水平和估计的葡萄糖水平的变化率，以及估计的葡萄糖水平的质量或不确定性的估计。此外，所显示的信息可以包括关于以下内容的警告、提醒等：估计或预测的人的葡萄糖水平是低血糖症还是高血糖症。例如，如果人的葡萄糖水平下降到低于（或预测下降到低于）预定低血糖症阈值，诸如每分升血液50至70毫克葡萄糖（mg/dl），则可以发出警告。管理装置26还可以被配置为以触觉方式向人传送信息或警告，诸如例如通过振动。
在一个实施例中，管理装置26与远程计算装置（未示出）通信，远程计算装置诸如在护理人员的设施或护理人员可访问的位置，并且数据（例如，葡萄糖数据或其他生理信息）在他们之间传输。在该实施例中，管理装置26和远程装置被配置为通过数据连接（诸如例如，经由因特网、蜂窝通信或存储器装置（诸如软磁盘、USB密钥、压缩盘或其他便携式存储器装置）的物理传输）传输生理信息。
微控制器32还包括范围控制逻辑44。范围控制系统通过仅在PWD11的葡萄糖水平接近低或高葡萄糖阈值时调整胰岛素剂量来降低低血糖症事件或高血糖症事件的可能性。
微控制器32包括危险分析逻辑40，危险分析逻辑40基于累积危险值计算从多个初始葡萄糖状态到目标葡萄糖状态的目标返回路径。目标葡萄糖状态说明性地是最佳或理想葡萄糖状态，该最佳或理想葡萄糖状态没有相关联的危险或风险，诸如葡萄糖水平为112.5mg/dl并且葡萄糖变化率为零，但是可以识别任何合适的目标葡萄糖状态。每个目标返回路径包括多个中间葡萄糖状态，在从初始葡萄糖状态转变到目标葡萄糖状态期间将遇到所述多个中间葡萄糖状态。与目标返回路径相关联的累积惩罚值存储在可以用作查找表的存储器76中。下面讨论累积惩罚值的计算。
在一些实施例中，不准确的葡萄糖测量结果可能由与葡萄糖传感器24相关联的故障和/或噪声引起。因此，危险分析逻辑40还分析利用葡萄糖传感器24提供的检测到的葡萄糖状态准确的概率。危险分析逻辑40可以使用任何合适的概率分析工具来确定测量的葡萄糖结果准确的概率，诸如隐马尔可夫模型。基于所确定的准确的概率，危险分析逻辑40使用递归滤波器42估计人的葡萄糖水平和葡萄糖变化率。具体地，递归滤波器42（诸如例如卡尔曼滤波器）利用所确定的葡萄糖传感器准确的概率对检测到的葡萄糖状态（包括葡萄糖水平和变化率）进行加权。基于葡萄糖传感器准确的概率，递归滤波器42计算估计的葡萄糖状态的不确定性度量。不确定性度量指示估计的葡萄糖状态的质量。对于一系列检测到的葡萄糖状态，每种状态的不确定性可能不同。
图2的微控制器32还包括加量计算器模块48，加量计算器模块48计算加量推荐和用户的最大允许葡萄糖水平，该最大允许葡萄糖水平可以经由显示器28显示给用户。管理装置26在存储器39中保持随时间累积直到当前时间之前的用户的历史数据的记录。历史数据包括血糖历史、处方数据、先前加量推荐、先前施用的加量、先前的基础率、针对用户对胰岛素和碳水化合物的敏感性的葡萄糖敏感性因子、对先前加量和膳食事件的血糖响应、其他用户健康和医疗数据、以及每个事件和数据记录的时间戳。历史数据包括经由用户输入34输入的患者记录的信息，诸如膳食事件、消耗的碳水化合物量、加量递送确认、药物、运动事件、应激反应时段、生理事件、手动胰岛素注射和其他健康事件。加量计算器模块48使用历史数据来更准确和高效地确定推荐的胰岛素加量和/或碳水化合物量。
加量计算器模块48基于当前葡萄糖状态、历史数据和用户输入来确定特定于用户的推荐加量，诸如胰岛素校正加量或膳食加量。建议的膳食加量（例如，碳水化合物量）可以响应于检测到的或预测的低血糖症状况。建议的胰岛素校正加量可以响应于检测到的葡萄糖超过最大可允许葡萄糖水平。所消耗的碳水化合物的实际量和施用的实际胰岛素量可以作为经由用户输入34输入的信息由用户确认并且与其他历史数据一起记录在存储器39中。推荐的加量可以显示在显示器28上。
参见图3，图示了示例性CGM迹线100，其中x轴表示以分钟为单位的时间，y轴表示以mg/dl为单位的葡萄糖。CGM迹线100包括在一时段内测量的一系列检测到的葡萄糖水平。在所示实施例中，CGM迹线100表示经滤波的葡萄糖水平，即基于用传感器准确的概率加权的所测量的葡萄糖水平估计的葡萄糖水平。最近估计的葡萄糖水平110具有用箭头112指示的相关联的负变化率。加量计算器模块48确定目标葡萄糖水平102和用上葡萄糖限制104和下葡萄糖限制106指示的葡萄糖水平的目标范围。出于说明性目的，目标葡萄糖水平102是110mg/dl，上葡萄糖限制104是140mg/dl，并且下葡萄糖限制106是80mg/dl，但是可以提供其他合适的值。加量计算器模块48可以至少部分地基于本文描述的用户历史数据来确定目标葡萄糖水平102和限制104、106。管理装置26使用CGM迹线100的趋势葡萄糖数据来推荐校正行动以使血糖朝向目标葡萄糖水平102移动。图3的目标葡萄糖水平102对应于时间t1之前和时间t2之后（即，当没有任何近期的膳食或校正加量时）的最大允许葡萄糖。在时间t1和t2之间，基于膳食事件114或其他合适的事件调整最大允许葡萄糖。
在时间t1，当用户消耗膳食并将指示与膳食一起消耗的碳水化合物的量的碳水化合物数据输入到管理装置26中时，发生膳食事件114。在一些情况下，在大约膳食事件114的时间施用胰岛素加量以抵消由膳食引起的葡萄糖水平的预期增加。加量计算器模块48基于消耗的碳水化合物、胰岛素校正加量（如果施用的话）以及与膳食和胰岛素注射后的葡萄糖波动相关的用户历史数据来确定预测的葡萄糖水平上升和葡萄糖上升的持续时间。基于预测的葡萄糖上升，加量计算器模块48确定允许上升值124、抵消时间值126和作用时间值122。允许上升值124可以基于其他事件，诸如例如胰高血糖素注射、运动、睡觉、开车或一天中的时间。
允许上升值124是作为碳水化合物摄入和胰岛素加量的结果而可以允许用户的葡萄糖水平相对于目标葡萄糖水平102增加的量。在一些实施例中，允许上升值124是由胰岛素加量导致的校正Δ葡萄糖值130和由膳食事件114导致的膳食上升值132的组合。校正Δ葡萄糖值130是在胰岛素加量的时间的当前葡萄糖水平与目标葡萄糖水平102之间的差值，用于使葡萄糖水平有时间跟随胰岛素下降。如所图示的，允许上升值124在膳食和胰岛素施用后的第一预定时间量（即，抵消时间126）内是恒定的（参见线118），然后在抵消时间126之后线性地减小（参见斜坡120）。膳食和胰岛素剂量对患者的bG水平有影响的总时间是作用时间122。图3图示了计及了胰岛素剂量和膳食事件的影响的允许上升值124的梯形图形116。
最大允许葡萄糖基于允许上升值124增加并且遵循图3的绘图116。因此，加量计算器模块48根据绘图116扩展在膳食事件之后在作用时间122的持续时间内的可允许葡萄糖水平的范围。允许上升值124说明性地具有50mg/dl的初始高度，但是基于膳食大小、胰岛素和来自历史数据的用户对加量的典型反应，允许上升值124可以有其他合适的高度。在一些实施例中，对于高于碳水化合物的阈值量的膳食事件，膳食上升值132是固定的。作为一个示例，取决于用户、膳食大小和胰岛素加量，抵消时间126约为2小时，并且作用时间122约为3至5小时。
再次参考图2，管理装置26还包括基础率调整逻辑50，基础率调整逻辑50可操作为基于当前葡萄糖状态和与当前葡萄糖状态相关联的风险来计算和调整基础率。管理装置26经由通信链路35在控制信号中将对基础率的调整传送到胰岛素泵31，并且胰岛素泵31基于该调整来调整当前胰岛素基础率。替代地，可以向用户显示经调整的基础率，并且用户手动调整胰岛素泵31的基础率。在一个或多个实施例中，调整是基于高血糖症的风险的初始、未调整的或标称基础率的百分比减少，或基于低血糖症状况的风险的对初始、未调整的或标称基础率的百分比增加。
基础率调整逻辑50确定是否要调整基础率。如果经调整的基础率是适当的，则基础率调整逻辑50计算经调整的基础率，并且管理装置26将控制信号传送到胰岛素泵31以使胰岛素泵31按照经调整的基础率递送胰岛素。替代地，管理装置26可以向用户显示经调整的基础率以提示用户手动调整胰岛素泵31。在一些实施例中，用户手动控制胰岛素泵31可以优先于经调整的基础率的实现。
根据葡萄糖测量结果确定基础率乘数调整。在一个或多个实施例中，基础率乘数以固定间隔（例如15分钟）被改变。当计算新的基础率乘数时，葡萄糖值和葡萄糖变化率用于预测下一个固定间隔的中点处的葡萄糖值。图4示出了具有长度d的固定间隔的示例，因此在时间t1，处于的葡萄糖值和趋势用于预测时间处的值。然后使用值来计算将在时间t1和t2之间使用的基础率乘数。
确定要实现的基础率乘数开始于估计当前葡萄糖状态。完整葡萄糖状态包括葡萄糖水平、葡萄糖变化率和指示葡萄糖水平和葡萄糖变化率的扩散的协方差矩阵。这些值由递归滤波器42提供。如果传感器的噪声接近恒定，则葡萄糖状态可以简化为仅葡萄糖和变化率。
在确定对基础率的调整时，假设CGM控制器每分钟（或其他周期性时段）接收测量结果，但以更低的频率与胰岛素泵通信。一旦将一时段内的临时基础率（TBR）传送到泵，该算法在另一个TBR命令被发送之前等待至少d分钟。在至少一个实施例中，d等于15分钟，使得TBR在周期性的15分钟基础上被更新。在进一步的实施例中，d等于例如10分钟、5分钟、2分钟或1分钟。将理解的是，可以基于PwD的个体需要来调整d。
如前所述，微控制器32包括危险分析逻辑40，危险分析逻辑40基于累积危险值计算从多个初始葡萄糖状态到目标葡萄糖状态的目标返回路径。图5和6图示了用于计算给定葡萄糖水平的危险值的示例性危险函数80，该危险值最终用于确定累积危险值。危险函数80由以下等式定义：
（2）
（3）
其中是x轴上示出的血糖值（mg/dl），是y轴上示出的对应危险值，是高血糖症移位，是低血糖症移位，hMAX是最大危险，hMIN是最小危险，αhyper是高血糖症控制攻击性，并且α、β和c是过程变量。在所示实施例中，变量α、β和c定义如下：α=1.509，β=5.381，并且c =1.084。是一葡萄糖值，在该葡萄糖值之上不会计算出高于hMAX的其它增量危险，并且类似地，一葡萄糖值，在该葡萄糖值之下不会计算出高于hMIN的其它增量危险。生成针对高血糖症范围（）和低血糖症范围（）的危险函数的测试用例。函数确定应将hMAX、hMIN、还是实现为针对测试的血糖值的最终危险值。
在确定hMAX和hMIN时实现和分别防止针对极端血糖值的过度正或负危险值。在一个或多个实施例中，设置为600mg/dl，并且hMAX是与相关联的。类似地，在一个或多个实施例中，设置为10mg/dl，并且hMIN是与相关联的。因此，如果超过或下降到低于，则防止与血糖值相关联的危险值超过由hMAX和hMIN定义的范围。
患有糖尿病的患者表现出不同程度的胰岛素敏感性。因此，参数αhyper提供如下功能：调整高血糖症危险函数（）的攻击性以计及不同的胰岛素敏感性。参考图5，示出了标称危险函数80以及具有减小的αhyper的危险函数82。
参考图5，将高血糖症区域中的危险函数80（正危险值）移位以计及近期的膳食或校正加量。超移位危险函数84图示了在先前膳食或校正加量之后危险函数的移位。
参考图6，将危险函数移位以计及例如近期的运动、胰高血糖素的可用性或过度校正加量。为了安全，与胰岛素增加相关联的高血糖症危险区域永远不会向左移位。当存在胰高血糖素时，低血糖症危险区域向左移位86，因为胰高血糖素计及部分低血糖症危险。在这种情况下，高血糖症危险不会移位，因为不应该由于胰高血糖素而增加胰岛素施用。例如，在运动的情况下，低血糖症危险增加，并且曲线向右移位88。在这种情况下，整个危险曲线移位。
通过将当前葡萄糖状态和目标葡萄糖状态之间的路径上的葡萄糖值的危险值相加来计算从当前葡萄糖状态到目标葡萄糖状态的返回路径的累积危险值。通过限制最大允许葡萄糖加速度来约束该路径。另外，假设目标具有零变化率，因为一旦达到目标葡萄糖状态，就期望保持在目标葡萄糖状态并且不在目标葡萄糖状态之上和之下振荡。
葡萄糖状态和目标之间的最小风险的返回路径是最快路径。该返回路径使用最大允许葡萄糖加速度（正和负葡萄糖加速度二者）来返回到目标葡萄糖状态。针对返回路径生成的封闭形式解决方案由一时间段组成，该时间段具有允许的葡萄糖加速度的一个极端，然后是相反的极端。
如果正在使用正低血糖症移位，那么必须将低血糖症移位添加到目标葡萄糖以获得经移位的葡萄糖目标。这对于正确地移位低血糖症风险是必要的，因为葡萄糖目标表示危险从正（高血糖症）移位到负（低血糖症）所处的血糖水平。将目标葡萄糖调整至经移位的葡萄糖目标由以下等式定义：
（4）
其中是经移位的葡萄糖目标，是标称葡萄糖目标，并且是低血糖症移位。等式4中的最大函数防止负低血糖症移位被添加到目标葡萄糖，并且替代地使用零低血糖症移位从而导致和相等。
作为初始问题，必须确定返回路径的一般形式。返回路径可以具有初始正葡萄糖加速度，接着是负葡萄糖加速度，或者可以具有初始负葡萄糖加速度，然后是正葡萄糖加速度。返回路径的一般形式可以通过求解下面给出的等式5和等式6中的哪一个返回实数解来确定。
（5）
（6）
其中
， （7）
（8）
（9）
（10）
是葡萄糖水平的变化率，是最大正葡萄糖加速度，是最大负葡萄糖加速度，并且是来自等式4的经移位的葡萄糖目标。如果等式5返回实数，并且和都大于或等于零，则返回路径首先利用正加速度，并且然后利用负加速度。相反，如果等式6返回实数并且和都大于或等于零，则返回路径首先利用负加速度，并且然后利用正加速度。
一旦确定了返回路径的一般形式，就可以计算返回路径的累积危险值。当返回路径首先利用正加速度时，累积危险值由以下等式定义：
（11）
并且当返回路径首先利用负加速度时，累积危险值由以下等式定义：
（12）。
应当理解，遇到更多极端葡萄糖值的返回路径将倾向于具有更高的累积危险值，因为每个时间点的危险值更高，如图5和图6中所示。例如，在相同的葡萄糖变化率下，225mg/dl的血糖值将比120mg/dl的血糖值具有更高的危险值。而且，花费较长时间返回到目标葡萄糖状态的路径将倾向于具有更高的危险值。由于初始葡萄糖变化率或极端葡萄糖值，路径可能需要更长时间返回到目标葡萄糖状态。参考图7，提供了针对初始变化率为零的宽范围初始葡萄糖值的示例性返回路径。图7中到目标葡萄糖状态的时间的范围从大约20分钟到几乎180分钟。这放大了针对各初始葡萄糖状态的累积危险值的差异。计算累积危险值允许将葡萄糖状态与不同的葡萄糖值和变化率进行比较。如果葡萄糖变化率更极端，则通常更接近目标葡萄糖值的葡萄糖值比更远的葡萄糖值具有更高的危险值。
累积危险值提供针对从当前葡萄糖状态到目标葡萄糖状态的特定返回路径的危险。然而，来自葡萄糖传感器16的CGM血糖测量结果中存在不确定性。因此，真实血糖测量结果可能与由葡萄糖传感器16确定的血糖不同，并且具体计算的累积危险值可能关于实际返回路径不准确。为了计及真实返回路径的可变性，确定当前风险度量，当前风险度量计及CGM血糖测量结果的变化。
为了计算当前风险度量，首先确定CTR周期的中间点处的预测的葡萄糖状态。在各个实施例中，CTR周期的中间点是真实中点（CTR周期的1/2），CTR周期的1/4，CTR周期的1/3，CTR周期的2/3或CTR周期的3/4。在实施例中，CTR通常每15分钟更新一次，导致中点是15分钟采样间隔中的7.5分钟。对于短时间范围，线性预测表现得与更复杂的模型一样好或更好，因此为简单起见使用线性预测。在确定15分钟采样间隔的中点处的预测的血糖水平时，假定葡萄糖水平的变化率在7.5分钟窗口内保持恒定。因此，预测的葡萄糖水平由以下等式定义：
（13）
其中是初始测量的血糖水平，是葡萄糖水平的初始变化率，并且是从CTR周期的开始测量的预测时间。因此预测的葡萄糖状态是。
随后，确定预测的葡萄糖状态周围的葡萄糖状态分布。类似地，还可以确定当前葡萄糖状态周围的葡萄糖状态分布。基于和方向上的分布的标准偏差来选择针对葡萄糖状态分布的样本。葡萄糖状态分布样本的生成由以下等式定义：
其中是葡萄糖值的分布，是葡萄糖变化率的分布，是针对当前风险度量的葡萄糖值，是针对当前风险度量的葡萄糖水平的变化率，是的标准偏差，是的标准偏差，k是的除数，并且n是的除数。将理解的是，如果期望分别针对当前葡萄糖状态或预测的葡萄糖状态的葡萄糖状态分布，则可以表示当前葡萄糖水平或预测的葡萄糖水平。等式14和等式15提供了范围在和的两个标准偏差内的样本分布。在至少一个实施例中，通过将由两个标准偏差界定的范围除以10来选择针对的采样值，并且通过将由两个标准偏差界定的范围除以8来选择针对的采样值，分别使得k= 10并且n = 8。也可以使用其他采样范围和频率，诸如3个标准偏差。
基于从每个采样的葡萄糖状态生成的返回路径的累积危险值的加权平均值来确定当前风险度量。具体地，通过确定和中每个点组合处的累积危险值的加权平均值并且通过多变量指数函数对它们进行加权来计算风险。当前风险度量由以下等式定义：
（16）
其中是当前风险度量，
（17）
是葡萄糖值的分布，并且是根据检测到的葡萄糖状态周围的葡萄糖状态分布确定的葡萄糖变化率的分布，是每个葡萄糖状态处的返回路径的累积危险值。是针对当前风险度量的葡萄糖值，是针对当前风险度量的葡萄糖水平的变化率，
（18）
是的标准偏差，并且是的标准偏差。累积危险值的加权导致最接近测量的葡萄糖状态的样本在最终当前风险度量计算中接收最大权重。
参考图8A和8B，以视觉方式显示当前风险度量的确定。图8A图示了当k= 10且n =8时在11×9矩阵中生成的99个葡萄糖状态覆盖到低血糖症风险表面上。针对来自图8A的9个突出显示的样本的返回路径在图8B中也被突出显示。针对99个葡萄糖状态的整个分组的返回路径的累积危险值的加权平均值提供当前风险度量。
利用当前风险度量确定每个CTR周期的最终基础乘数。首先将当前风险度量转换为处于0和TBRMAX之间的基础乘数值。TBRMAX是针对临时基础率（TBR）的最大百分比。在至少一个实施例中，TBRMAX默认为250％。在进一步的实施例中，TBRMAX低于或高于250％并且被调整以调节对低不利个体的控制和确定。基础乘数值由以下等式定义：
（19）
其中是基础乘数值，r是当前风险度量，并且是参考风险度量。在一个或多个实施例中，参考风险度量是与完全基础关闭相关联的葡萄糖状态。例如，完全基础关闭可以在70mg/dl处发生，使得当血糖水平低于70mg/dl时，不提供基础胰岛素。在当前风险度量变化时，基础乘数值可以作为连续函数被提供。然而，在将经调整的基础率提供给治疗递送装置31之前，它被转换为最接近的TBR增量（TBRinc）以提供增量基础率乘数（BMinc）。增量基础率乘数由以下等式定义：
（20）
参考图9，图示了示例性连续基础乘数值和在TBRinc为10％以及实现的下取整函数情况下的增量基础率乘数。
在另一实施例中，大于阈值的基础乘数（BMbolus）作为单次加量被递送。阈值可以是100％、110％或130％。在这些情况下，将在d分钟的下一个时段内递送的额外胰岛素（ITBR）使用该时段内的预期基础率（IBasalRate）和该时段的持续时间（d）来计算。然后将该额外胰岛素作为单次加量递送，并将基础率乘数设置为阈值（BMbolus）
（21）。
如前所述，如果PwD已经经历最近膳食或校正加量，则对危险函数80的高血糖症侧施加移位。这降低了计算的高血糖症风险，因为皮下层中存在胰岛素计及部分高血糖症风险。参考图10A和10B，图示了从施加到危险函数80的高血糖症侧的初始移位引起的基础率调整的移位。图10A提供了示例性基础率调整分布，其中穿过近似115mg/dl的葡萄糖和0mg/dl/分钟的变化率的曲线将基础率划分为高于和低于100％；下面的曲线是低于100％的基础率，并且上面的曲线是高于100％的基础率。类似地，图10B提供了添加有高血糖症移位的示例性基础率调整分布。穿过近似140mg/dl的葡萄糖和0mg/dl/分钟的变化率的单个曲线将基础率划分为高于和低于100％。
对于一些PwD，最大允许TBR（TBRMAX）应设置为低于250％的值或TBRMAX的默认设置。这些个体通过具有其基础率的大的葡萄糖校正当量（Gbr）来表征。这是通过将每小时基础率（BR）乘以胰岛素敏感性（IS）来计算的。例如，标称基础率为0.9IU/hr且胰岛素敏感性为50mg/dl/IU的个体将具有45mg/dl的葡萄糖校正当量。Gbr高于阈值（GbrT）的PwD可以受益于降低的TBRMAX。在一个或多个实施例中，GbrT被设置为150mg/dl。将理解的是，GbrT可以视特定PwD情况需要而被设置为高于或低于150mg/dl的值。用于提供降低的TBRMAX的临时基础率限制（TBRlimit）由以下等式定义：
（22）。
与增量基础率乘数类似，临时基础率限制可以递增到最接近的TBR增量。TBRlimit递增到最接近的TBR增量，如以下等式所定义的：
（23）。
针对30个模拟PwD计算葡萄糖校正当量。当编号为21和24的模拟受试者的胰岛素敏感性增加时，编号为21和24的模拟受试者示出振荡行为。在这种情况下，对于24号受试者，基础率增加到1.5倍而引起低血糖症，并且开启CTR算法以减轻该影响。用范围为从125％至250％的最大允许TBR值的不同值重复模拟。最大允许TBR值的较低值具有较低的振荡量值，这证明了针对具有高于GbrT的Gbr的PwD实现TBRlimit的益处。
对于用于确定基础率调整的进一步和替代描述，参见2015年3月28日提交的标题为“System and Method for Adjusting Therapy Based on Risk Associated with aGlucose State”的美国专利申请序列号14/229016，其全部公开内容通过引用合并到本文中。对于计算目标返回路径和计算风险度量的进一步描述，参见2012年10月4日提交的标题为“System and Method for Assessing Risk Associated with aGlucose State”的美国专利申请序列号13/645198，其全部公开内容通过引用合并到本文中。对于概率分析工具、递归滤波器、不确定性计算以及计算装置66的其他概率和风险分析功能的进一步描述，参见2010年1月26日提交的标题为“Methods and Systems for Processing Glucose DataMeasured from a Person Having Diabetes” 美国专利申请序列号12/693701以及2010年6月18日提交的标题为“Insulin Optimization Systems and Testing MethodswithAdjusted Exit Criterion Accounting for System Noise Associated withBiomarkers”的美国专利申请序列号12/818795，其全部公开内容通过引用合并到本文中。对于加量计算器模块88的进一步描述，参见2012年8月24日提交的标题为“HandheldDiabetes Management Device with Bolus Calculator”的美国专利申请序列号13/593557以及2012年8月24日提交的标题为“Insulin Pump andMethods for Operating theInsulin Pump”的美国专利申请序列号13/593575，其全部公开内容通过引用合并到本文中。
现在应该理解，本文所述的方法和系统可用于估计患有糖尿病的人的葡萄糖水平，并利用范围控制算法来调整患有糖尿病的人的葡萄糖水平。此外，本文描述的方法和系统还可用于确定对施用到PwD的胰岛素的基础率的调整。本文描述的方法可以存储在计算机可读介质上，该计算机可读介质具有用于执行该方法的计算机可执行指令。这样的计算机可读介质可以包括压缩盘、硬盘驱动器、拇指驱动器、随机存取存储器、动态随机存取存储器、闪存等。
应注意，本文中对本公开的组件以特定方式“配置”，“配置”为体现特定属性或以特定方式起作用的叙述是结构性叙述，与预期用途的叙述相对。更具体地，本文中对组件被“配置”的方式的提及表示该组件的现有物理状况，并且因此，将被视为组件的结构特性的明确叙述。
虽然本文已经图示和描述了本发明的特定实施例和方面，但是在不脱离本发明的精神和范围的情况下可以进行各种其他变化和修改。此外，尽管本文已经描述了各种发明方面，但是这些方面不一定组合使用。因此，意图是，所附权利要求覆盖在本发明范围内的所有这些变化和修改。
Claims (20)
1.一种基于与患有糖尿病的人的葡萄糖状态相关联的风险确定胰岛素的基础率调整的方法，所述方法包括：
由至少一个计算装置接收表示至少一个葡萄糖测量结果的信号；
由所述至少一个计算装置基于所述信号检测所述人的葡萄糖状态，检测到的葡萄糖状态包括所述人的葡萄糖水平和所述葡萄糖水平的变化率；
由所述至少一个计算装置基于目标葡萄糖状态确定与检测到的葡萄糖状态相关联的当前风险度量，所述目标葡萄糖状态存储在能够由所述至少一个计算装置访问的存储器中，所述当前风险度量指示所述人的低血糖症状况和高血糖症状况中至少一个的风险，
其中，基于从当前葡萄糖状态到目标葡萄糖状态的转变确定返回路径，所述返回路径包括与到目标葡萄糖状态的返回相关联的至少一个中间葡萄糖值，
其中确定返回路径的累积危险值，所述累积危险值包括返回路径上的所述至少一个葡萄糖值的危险值的总和，每个危险值指示与对应的中间葡萄糖值相关联的危险，
其中，当前风险度量是通过以下方式计算的：确定在检测到的葡萄糖状态周围的葡萄糖状态分布GS和中每个点组合处生成并且通过使用多变量指数函数进行加权的返回路径的累积危险值的加权平均值，其中GS是葡萄糖值的分布，并且是葡萄糖变化率的分布，并且其中gS是检测到的葡萄糖状态的葡萄糖水平，并且是检测到的葡萄糖状态的葡萄糖水平的变化率；
由所述至少一个计算装置识别参考葡萄糖状态和与参考葡萄糖状态相关联的参考风险度量；和
由所述至少一个计算装置基于与检测到的葡萄糖状态相关联的当前风险度量和与参考葡萄糖水平相关联的参考风险度量来计算对治疗递送装置的基础率的调整。
2.根据权利要求1所述的方法，其中，所述计算包括基于所述参考风险度量将所述当前风险度量映射到所述基础率的百分比减少。
3.根据权利要求2所述的方法，其中所述参考葡萄糖状态包括对应于低血糖症状况的葡萄糖水平。
4.根据权利要求1所述的方法，还包括：在图形用户界面上向用户显示图形数据，所述图形数据表示所计算的对基础率的调整。
5.根据权利要求1所述的方法，还包括：传送控制信号以指令所述治疗递送装置基于所计算的调整来调整所述基础率。
6.根据权利要求5所述的方法，其中所述治疗递送装置包括胰岛素泵，所述胰岛素泵用于向患有糖尿病的人递送胰岛素，并且所述治疗递送装置与所述至少一个计算装置通信以接收所计算的基础率的调整。
7.根据权利要求1所述的方法，其中由所述至少一个计算装置根据以下等式确定针对所述返回路径上所述至少一个葡萄糖值的每个危险值的危险值，
h(g)hyper＝max(αhyper·α(log(max(g-Δghyper-max(Δghypo，0)，1))c-β)，0)，h(g)hypo＝min(α(log(max(g-Δghypo，1))c-β)，0)，以及
其中g是针对当前风险度量的葡萄糖值，Δghyper是高血糖症移位，Δghypo是低血糖症移位，hMAX是最大危险，gMAX是在该值以上不会计算出高于hMAX的其它增量危险的葡萄糖值，hMIN是最小危险，gMIN是在该值以下不会计算出高于hMIN的其它增量危险的葡萄糖值，αhyper是高血糖症控制攻击性，α、β和c是过程变量。
8.根据权利要求7所述的方法，还包括：在确定所述返回路径的累积危险值之前，由所述至少一个计算装置根据以下等式识别所述人的经移位的葡萄糖目标以计及正移位的低血糖症风险，同
其中是经移位的葡萄糖目标，gt是标称葡萄糖目标，并且Δghypo是低血糖症移位。
9.根据权利要求8所述的方法，其中，如果是实数，则所述返回路径的累积危险值由所述至少一个计算装置根据以下等式确定：
其中
是针对当前风险度量的葡萄糖水平的变化率，是最大正葡萄糖加速度，t是所述返回路径的时间，并且是最大负葡萄糖加速度。
10.根据权利要求8所述的方法，其中，如果是实数，则所述返回路径的累积危险值由所述至少一个计算装置根据以下等式确定：
其中
是针对当前风险度量的葡萄糖水平的变化率，是最大正葡萄糖加速度，t是所述返回路径的时间，并且是最大负葡萄糖加速度。
11.根据权利要求1所述的方法，其中所述葡萄糖状态分布由所述至少一个计算装置根据以下等式确定：
和
其中GS是葡萄糖值的分布，是葡萄糖变化率的分布，g是针对当前风险度量的葡萄糖值，是针对当前风险度量的葡萄糖水平的变化率，σg是g的标准偏差，是的标准偏差，k是GS的除数，n是的除数。
12.根据权利要求11所述的方法，其中k＝10且n＝8。
13.根据权利要求1所述的方法，其中，所述当前风险度量由所述至少一个计算装置根据以下等式确定：
其中r是当前风险度量，多变量指数函数其中GS是葡萄糖值的分布，并且是根据检测到的葡萄糖状态周围的葡萄糖状态分布确定的葡萄糖变化率的分布，是每个葡萄糖状态下的返回路径的累积危险值，g是针对当前风险度量的葡萄糖值，是针对当前风险度量的葡萄糖水平的变化率，其中σg是g的标准偏差，并且是的标准偏差。
14.根据权利要求2所述的方法，其中，基础乘数值由所述至少一个计算装置根据以下等式确定：
其中BM(r)是基础乘数值，r是当前风险度量，并且r0％是参考风险度量。
15.根据权利要求14所述的方法，其中r0％是与完全基础关闭相关联的葡萄糖状态下的风险度量。
16.根据权利要求15所述的方法，其中确定用于传送到所述治疗递送装置的临时基础率由所述至少一个计算装置根据以下等式确定：
其中TBRinc是临时基础率乘数调整增量的大小，并且TBRMAX是最大临时基础率乘数。
17.根据权利要求16所述的方法，其中，由所述至少一个计算装置根据以下等式确定计及所述人的胰岛素敏感性的临时基础率乘数限制：
其中TBRlimit是临时基础率乘数限制，GbrT是葡萄糖校正等效阈值，BR是标称基础率，并且IS是所述人的胰岛素敏感性。
18.根据权利要求17所述的方法，其中所述TBRMAX为250％且GbrT为150mg/dl。
19.根据权利要求7所述的方法，其中，基于过校正加量的检测来调整Δghyper和Δghypo。
20.一种血糖管理装置，被配置为基于与患有糖尿病的人的葡萄糖状态相关联的风险来确定基础率调整，所述装置包括：存储可执行指令的非临时性计算机可读介质；和至少一个处理装置，被配置为执行所述可执行指令，使得当由所述至少一个处理装置执行时，所述可执行指令使所述至少一个处理装置：
接收表示至少一个葡萄糖测量结果的信号；
基于所述信号检测所述人的葡萄糖状态，检测到的葡萄糖状态包括所述人的葡萄糖水平和所述葡萄糖水平的变化率；
基于目标葡萄糖状态确定与检测到的葡萄糖状态相关联的当前风险度量，所述目标葡萄糖状态存储在能够由所述至少一个计算装置访问的存储器中，所述当前风险度量指示所述人的低血糖症状况和高血糖症状况中至少一个的风险，
其中，基于从当前葡萄糖状态到目标葡萄糖状态的转变确定返回路径，所述返回路径包括与到目标葡萄糖状态的返回相关联的至少一个中间葡萄糖值，
其中确定返回路径的累积危险值，所述累积危险值包括返回路径上的所述至少一个葡萄糖值的危险值的总和，每个危险值指示与对应的中间葡萄糖值相关联的危险，
其中，当前风险度量是基于以下内容确定的：在检测到的葡萄糖状态周围的葡萄糖状态分布中的每个点组合处生成并且通过使用多变量指数函数进行加权的返回路径的累积危险值的加权平均值；
识别参考葡萄糖状态和与参考葡萄糖状态相关联的参考风险度量；和
基于与检测到的葡萄糖状态相关联的当前风险度量和与参考葡萄糖水平相关联的参考风险度量来计算对治疗递送装置的基础率的调整。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US15/170,468 US10297350B2 (en) | 2016-06-01 | 2016-06-01 | Risk-based control-to-range |
| US15/170468 | 2016-06-01 | ||
| PCT/US2017/031663 WO2017209904A1 (en) | 2016-06-01 | 2017-05-09 | Risk-based control-to-range |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109791807A CN109791807A (zh) | 2019-05-21 |
| CN109791807B true CN109791807B (zh) | 2023-10-03 |
Family
ID=58745388
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201780048242.XA Active CN109791807B (zh) | 2016-06-01 | 2017-05-09 | 基于风险的范围控制方法及装置 |
Country Status (7)
| Country | Link |
|---|---|
| US (2) | US10297350B2 (zh) |
| EP (1) | EP3465492B1 (zh) |
| CN (1) | CN109791807B (zh) |
| CA (1) | CA3025874A1 (zh) |
| ES (1) | ES2877477T3 (zh) |
| HU (1) | HUE054320T2 (zh) |
| WO (1) | WO2017209904A1 (zh) |
Families Citing this family (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9465917B2 (en) * | 2014-05-30 | 2016-10-11 | Roche Diabetes Care, Inc. | Hazard based assessment patterns |
| EP3518763B1 (en) * | 2016-09-27 | 2024-01-24 | Bigfoot Biomedical, Inc. | Personalizing preset meal sizes in insulin delivery system |
| US11096624B2 (en) | 2016-12-12 | 2021-08-24 | Bigfoot Biomedical, Inc. | Alarms and alerts for medication delivery devices and systems |
| US11497851B2 (en) * | 2017-03-31 | 2022-11-15 | Lifescan Ip Holdings, Llc | Maintaining maximum dosing limits for closed loop insulin management systems |
| EP4290320A3 (en) | 2017-05-05 | 2024-02-21 | Ypsomed AG | Closed loop control of physiological glucose |
| EP3438858A1 (en) | 2017-08-02 | 2019-02-06 | Diabeloop | Closed-loop blood glucose control systems and methods |
| US11901060B2 (en) | 2017-12-21 | 2024-02-13 | Ypsomed Ag | Closed loop control of physiological glucose |
| USD928199S1 (en) | 2018-04-02 | 2021-08-17 | Bigfoot Biomedical, Inc. | Medication delivery device with icons |
| US12020797B2 (en) | 2018-06-22 | 2024-06-25 | Ypsomed Ag | Insulin and pramlintide delivery systems, methods, and devices |
| US20200077960A1 (en) * | 2018-09-12 | 2020-03-12 | Medtronic Minimed, Inc. | Systems and methods for alerting a user to detected effects of a recent therapy adjustment |
| US11969576B2 (en) * | 2019-07-03 | 2024-04-30 | Tandem Diabetes Care, Inc. | Methods of incorporating CGM data into diabetes therapy |
| US20220088305A1 (en) * | 2020-09-21 | 2022-03-24 | Icu Medical, Inc. | Infusion pump with patient weight check |
| CN117957029A (zh) * | 2021-09-24 | 2024-04-30 | 赛诺菲 | 被提供用于药物递送装置或药物递送附加装置的具有电池寿命优化的电子装置 |
| CN113936803B (zh) * | 2021-12-17 | 2022-04-15 | 北京因数健康科技有限公司 | 胰岛素抵抗指数的确定方法、装置、存储介质及电子设备 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102334113A (zh) * | 2009-02-25 | 2012-01-25 | 弗吉尼亚大学专利基金会 | 通过低血糖风险评估和平滑降低胰岛素递送的基于cgm的低血糖预防 |
| CA3076075A1 (en) * | 2012-10-04 | 2014-04-10 | F. Hoffmann-La Roche Ag | System and method for assessing risk associated with a glucose state |
Family Cites Families (36)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7395158B2 (en) | 2000-05-30 | 2008-07-01 | Sensys Medical, Inc. | Method of screening for disorders of glucose metabolism |
| CA2408338C (en) | 2000-08-18 | 2009-09-08 | Cygnus, Inc. | Methods and devices for prediction of hypoglycemic events |
| WO2002024065A1 (en) | 2000-09-22 | 2002-03-28 | Knobbe, Lim & Buckingham | Method and apparatus for real-time estimation and control of pysiological parameters |
| US9247901B2 (en) | 2003-08-22 | 2016-02-02 | Dexcom, Inc. | Systems and methods for replacing signal artifacts in a glucose sensor data stream |
| US7278983B2 (en) | 2002-07-24 | 2007-10-09 | Medtronic Minimed, Inc. | Physiological monitoring device for controlling a medication infusion device |
| US7291107B2 (en) | 2004-08-26 | 2007-11-06 | Roche Diagnostics Operations, Inc. | Insulin bolus recommendation system |
| US8684922B2 (en) | 2006-05-12 | 2014-04-01 | Bao Tran | Health monitoring system |
| US20080269714A1 (en) | 2007-04-25 | 2008-10-30 | Medtronic Minimed, Inc. | Closed loop/semi-closed loop therapy modification system |
| GB0719969D0 (en) | 2007-10-12 | 2007-11-21 | Cambridge Entpr Ltd | Substance monitoring and control in human or animal bodies |
| US7731659B2 (en) | 2007-10-18 | 2010-06-08 | Lifescan Scotland Limited | Method for predicting a user's future glycemic state |
| US20100262434A1 (en) | 2007-12-13 | 2010-10-14 | Shaya Steven A | Method and apparatus to calculate diabetic sensitivity factors affecting blood glucose |
| US8734422B2 (en) | 2008-08-31 | 2014-05-27 | Abbott Diabetes Care Inc. | Closed loop control with improved alarm functions |
| GB2466183A (en) | 2008-12-09 | 2010-06-16 | Cambridge Entpr Ltd | Closed loop diabetes management system |
| JP4790870B2 (ja) | 2009-02-27 | 2011-10-12 | Ａ・Ｔコミュニケーションズ株式会社 | 二次元コード表示装置、二次元コード表示方法、及びプログラム |
| WO2010135654A2 (en) | 2009-05-22 | 2010-11-25 | Abbott Diabetes Care Inc. | Safety features for integrated insulin delivery system |
| US20110071464A1 (en) | 2009-09-23 | 2011-03-24 | Medtronic Minimed, Inc. | Semi-closed loop insulin delivery |
| US8843321B2 (en) | 2010-01-26 | 2014-09-23 | Roche Diagnostics Operations, Inc. | Methods and systems for processing glucose data measured from a person having diabetes |
| US8579879B2 (en) | 2010-02-19 | 2013-11-12 | Medtronic Minimed, Inc. | Closed-loop glucose control startup |
| US8532933B2 (en) | 2010-06-18 | 2013-09-10 | Roche Diagnostics Operations, Inc. | Insulin optimization systems and testing methods with adjusted exit criterion accounting for system noise associated with biomarkers |
| US8589106B2 (en) | 2010-12-22 | 2013-11-19 | Roche Diagnostics Operations, Inc. | Calibration of a handheld diabetes managing device that receives data from a continuous glucose monitor |
| US8774889B2 (en) | 2010-12-22 | 2014-07-08 | Roche Diagnostics Operations, Inc. | Patient monitoring system with efficient pattern matching algorithm |
| US20140088392A1 (en) | 2011-02-11 | 2014-03-27 | Abbott Diabetes Care Inc. | Feedback from Cloud or HCP to Payer or Patient via Meter or Cell Phone |
| CN103907116A (zh) | 2011-08-26 | 2014-07-02 | 弗吉尼亚大学专利基金会 | 用于糖尿病的自适应咨询控制的方法、系统以及计算机可读介质 |
| US10881339B2 (en) | 2012-06-29 | 2021-01-05 | Dexcom, Inc. | Use of sensor redundancy to detect sensor failures |
| US9623179B2 (en) | 2012-08-30 | 2017-04-18 | Medtronic Minimed, Inc. | Safeguarding techniques for a closed-loop insulin infusion system |
| US20140066884A1 (en) | 2012-08-30 | 2014-03-06 | Medtronic Minimed, Inc. | Sensor model supervisor for a closed-loop insulin infusion system |
| US9504412B2 (en) | 2012-09-17 | 2016-11-29 | Lifescan, Inc. | Method and system to derive glycemic patterns from clustering of glucose data |
| US9592002B2 (en) | 2012-09-21 | 2017-03-14 | Lifescan, Inc. | Method and system to derive multiple glycemic patterns from glucose measurements during time of the day |
| US9119528B2 (en) | 2012-10-30 | 2015-09-01 | Dexcom, Inc. | Systems and methods for providing sensitive and specific alarms |
| US10383580B2 (en) | 2012-12-31 | 2019-08-20 | Abbott Diabetes Care Inc. | Analysis of glucose median, variability, and hypoglycemia risk for therapy guidance |
| US9351670B2 (en) | 2012-12-31 | 2016-05-31 | Abbott Diabetes Care Inc. | Glycemic risk determination based on variability of glucose levels |
| US9227014B2 (en) | 2013-02-07 | 2016-01-05 | The Board Of Trustees Of The Laland Stanford Junior University | Kalman filter based on-off switch for insulin pump |
| CN105899127B (zh) | 2013-11-14 | 2019-09-24 | 加州大学董事会 | 血糖率上升检测器：用于健康监测系统的膳食检测模块 |
| US10722650B2 (en) | 2014-03-28 | 2020-07-28 | Roche Diabetes Care, Inc. | System and method for adjusting therapy based on risk associated with a glucose state |
| US9465917B2 (en) | 2014-05-30 | 2016-10-11 | Roche Diabetes Care, Inc. | Hazard based assessment patterns |
| US10332633B2 (en) * | 2016-06-01 | 2019-06-25 | Roche Diabetes Care, Inc. | Control-to-range aggressiveness |
-
2016
- 2016-06-01 US US15/170,468 patent/US10297350B2/en active Active
-
2017
- 2017-05-09 WO PCT/US2017/031663 patent/WO2017209904A1/en unknown
- 2017-05-09 HU HUE17725004A patent/HUE054320T2/hu unknown
- 2017-05-09 CN CN201780048242.XA patent/CN109791807B/zh active Active
- 2017-05-09 EP EP17725004.0A patent/EP3465492B1/en active Active
- 2017-05-09 CA CA3025874A patent/CA3025874A1/en active Pending
- 2017-05-09 ES ES17725004T patent/ES2877477T3/es active Active
-
2019
- 2019-05-20 US US16/416,787 patent/US11605461B2/en active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102334113A (zh) * | 2009-02-25 | 2012-01-25 | 弗吉尼亚大学专利基金会 | 通过低血糖风险评估和平滑降低胰岛素递送的基于cgm的低血糖预防 |
| CA3076075A1 (en) * | 2012-10-04 | 2014-04-10 | F. Hoffmann-La Roche Ag | System and method for assessing risk associated with a glucose state |
| CN104684474A (zh) * | 2012-10-04 | 2015-06-03 | 霍夫曼-拉罗奇有限公司 | 用于评估与葡萄糖状态相关联的风险的系统和方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| US20190272923A1 (en) | 2019-09-05 |
| CA3025874A1 (en) | 2017-12-07 |
| CN109791807A (zh) | 2019-05-21 |
| US10297350B2 (en) | 2019-05-21 |
| EP3465492A1 (en) | 2019-04-10 |
| US20170348484A1 (en) | 2017-12-07 |
| WO2017209904A1 (en) | 2017-12-07 |
| EP3465492B1 (en) | 2021-03-31 |
| HUE054320T2 (hu) | 2021-08-30 |
| ES2877477T3 (es) | 2021-11-16 |
| US11605461B2 (en) | 2023-03-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109791807B (zh) | 基于风险的范围控制方法及装置 | |
| AU2017275393B2 (en) | Control-to-range failsafes | |
| CN109564774B (zh) | 控制到范围积极性 | |
| CN106456063B (zh) | 用于基于与葡萄糖状态相关联的风险调节治疗的系统和方法 | |
| AU2017272095B2 (en) | Insulin delivery system and methods with risk based set points | |
| US10617363B2 (en) | Methods and systems for analyzing glucose data measured from a person having diabetes | |
| BR112018074903B1 (pt) | Étodo para a determinação de um ajuste da taxa basal de insulina em um sistema contínuo de monitoramento de glicose de uma pessoa com diabetes e dispositivo de gerenciamento de glicose no sangue |
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 | ||
| REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40008528 Country of ref document: HK |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TG01 | Patent term adjustment |