CN109964281A - 用于自动分析指示体液中葡萄糖水平的连续葡萄糖监测数据的系统和方法 - Google Patents

用于自动分析指示体液中葡萄糖水平的连续葡萄糖监测数据的系统和方法 Download PDF

Info

Publication number
CN109964281A
CN109964281A CN201780072929.7A CN201780072929A CN109964281A CN 109964281 A CN109964281 A CN 109964281A CN 201780072929 A CN201780072929 A CN 201780072929A CN 109964281 A CN109964281 A CN 109964281A
Authority
CN
China
Prior art keywords
glucose
data
behavioral parameters
curve
phylogenetic group
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
CN201780072929.7A
Other languages
English (en)
Inventor
C.林格曼
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.)
F Hoffmann La Roche AG
Roche Diabetes Care GmbH
Original Assignee
F Hoffmann La Roche AG
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 F Hoffmann La Roche AG filed Critical F Hoffmann La Roche AG
Priority to CN202410554642.XA priority Critical patent/CN118471529A/zh
Publication of CN109964281A publication Critical patent/CN109964281A/zh
Pending legal-status Critical Current

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
    • A61B5/14532—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
    • 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
    • G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1118—Determining activity level
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/742—Details of notification to user or communication with user or patient ; user input means using visual displays
    • 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
    • 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
    • G16H20/13—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 from dispensers
    • 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
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/60—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to nutrition control, e.g. diets
    • 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
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/63—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for local operation
    • 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
    • A61B5/0093—Detecting, measuring or recording by applying one single type of energy and measuring its conversion into another type of energy
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1112—Global tracking of patients, e.g. by using GPS
    • 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
    • A61B5/14546—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 analytes not otherwise provided for, e.g. ions, cytochromes
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4836—Diagnosis combined with treatment in closed-loop systems or methods
    • A61B5/4839—Diagnosis combined with treatment in closed-loop systems or methods combined with drug delivery
    • 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
    • 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
    • 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
    • G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
    • 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

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Pathology (AREA)
  • Physics & Mathematics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Data Mining & Analysis (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Physiology (AREA)
  • Databases & Information Systems (AREA)
  • Medicinal Chemistry (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Chemical & Material Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Cardiology (AREA)
  • Nutrition Science (AREA)
  • Business, Economics & Management (AREA)
  • General Business, Economics & Management (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Dentistry (AREA)
  • Optics & Photonics (AREA)
  • Hematology (AREA)
  • Anesthesiology (AREA)
  • Emergency Medicine (AREA)
  • Vascular Medicine (AREA)
  • Diabetes (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Physics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Psychiatry (AREA)

Abstract

本公开涉及用于自动分析指示体液中葡萄糖水平的连续葡萄糖监测数据的系统，所述系统包括输入装置(3)，数据处理装置(1)，输出装置(4)，和由数据处理装置(1)执行的机器可读指令，其中所述机器可读指令使数据处理装置(1)经由输入装置(3)接收连续葡萄糖监测数据，接收个人行为数据，所述个人行为数据代表一个或多个行为参数，以及对于所述一个或多个行为参数，指示随时间对个人取样的传感器信号；从连续葡萄糖监测数据确定多个葡萄糖曲线；将多个葡萄糖曲线聚类成聚类组；将所选行为参数或来自一个或多个行为参数的所选行为参数模式分配给第一聚类组中的每个葡萄糖曲线，并将分析数据提供给输出装置。此外，还公开了方法和计算机程序产品。

Description

用于自动分析指示体液中葡萄糖水平的连续葡萄糖监测数据 的系统和方法
本公开涉及用于自动分析指示体液中葡萄糖水平的连续葡萄糖监测数据的系统和方法。
背景
葡萄糖监测帮助糖尿病患者管控疾病并避免其相关问题。个人可以使用葡萄糖监测的结果来做出关于食物、身体活动和药物的决定。检查葡萄糖水平的常见方式是进行不连续监测。这种检查通常包括用自动采血装置刺破指尖以获得血液样品，且随后使用血糖仪测量血液样品的葡萄糖水平。这种监测也可称为现场监测。
作为替代或额外地，可以应用连续葡萄糖监测(CGM)。用于CGM的系统可以使用插入在皮肤下方的身体传感器来检查葡萄糖水平。传感器原位保持几天到几周，且随后必须更换。发送器将关于葡萄糖水平的信息(例如，经由无线数据传输)从传感器发送到监测器装置。用户可以用血糖仪检查血液样品以校准所述装置。
可以确定动态葡萄糖曲线(AGP) (Matthaei: "Assessing the value of theAmbulatory Glucose Profile in clinical practice", The British Journal ofDiabetes and Vascular Disease；Mazze 等人：Ambulatory Glucose Profilerepresentation of verified self-monitored glucose data. Diabetes Care 1987,10: 111-117；Bergenstal等人："Recommendation for standardizing glucosereporting and analysis to optimize clinical decision making in diabetes: TheAmbulatory Glucose Profile (AGP)", Diabetes Technol Ther 2013; 15: 198-211)。AGP以标准化的方式组合来自多天收集的CGM数据的输入，并将其整理成单个24小时的时段。AGP可以使血糖模式更容易识别。
在AGP葡萄糖监测中，将经多天(例如两周)收集的展示数据拆分，并根据时间(不考虑日期)绘图，如同它们发生在24小时内，开始和结束于半夜12点(参见例如，Bergenstal等人)。可以在称为AGP的(24-h)展示中绘制代表中位数(第50)，第25和第75 (IQR - 四分位距范围)，以及第10和第90的频率百分位数的平滑曲线。可以立即观察到，一天中葡萄糖值最为一贯地低或高时，以及发生最大可变性时(第25到第75百分位数的宽度(读数的50％)，或第10到第90的频率(读数的80％))的时间。这是临床医生可以在几分钟内与患者一起做的活动。例如，不依赖于数字、公式或推导的指数，临床医生和患者可以快速熟练地识别低血糖的风险。
例如，这样的AGP展示公开在WO2014/116701A2中。
文件US2014/0365136A1公开了用于自动显示生物监测数据中的模式的系统和方法。提供了用于自动显示葡萄糖数据中的模式的收集系统。
文件WO2012/123765A1公开了用于连接到身体的自我监测装置，其并入了身体活动以及可以通过身体活动调节的代谢的生理分析物(例如葡萄糖)的实时和相关测量。目的是基于当前和先前的葡萄糖和活动水平向佩戴者提供实时指令和反馈，以采取立即行动以更好地维持葡萄糖控制并减少在高血糖中度过的时间。除了通过连接到身体的加速度计的基本运动检测，还描述了各种可用技术：GPS，心率监测陀螺仪，具有响应运动的动态特性的可穿戴织物，光学测量和相机。
文件WO2012076148A1公开了用于自动显示生物数据中的模式的系统和方法，其可以包括一个或多个处理器和机器可读指令。所述机器可读指令可以使所述一个或多个处理器将生物数据划分为感兴趣的区段。所述一个或多个处理器可以根据数学算法自动地将每个感兴趣的区段变换为特征的组。所述一个或多个处理器可以根据聚类算法自动地将感兴趣的区段聚类成聚类区段的组。可以至少部分地基于特征的组将感兴趣的区段分组在聚类区段的组中。聚类中心可以与聚类区段的组之一相关联。所述一个或多个处理器可以自动地将聚类中心呈现在人机界面上。
文件WO2004043230A2涉及筛选葡萄糖代谢病变(例如葡萄糖耐量受损和糖尿病)的方法，其允许预防或早期检测和治疗糖尿病并发症，例如心血管疾病，视网膜病变和主要器官和系统的其他病变。数学算法评估受试者的葡萄糖曲线的形状，并将所述曲线分类到多个预定义的聚类之一，每个聚类对应于正常状况或多个异常状况之一。使用包括侵入性，微创或非侵入性类型的任何葡萄糖分析仪测量构成葡萄糖耐量曲线的一系列血液葡萄糖值。
文件WO2010075350A1公开了糖尿病分析的方法。接收并分析用户的多个葡萄糖水平读数以生成报告，所述报告包括沿着24小时时间线的第一图表和具有对应于第一图表的24小时时间线的输注装置设定和活性胰岛素水平中的至少一种的第二图表。
文件EP2345893A1公开了血糖水平测量装置，其具有血糖水平传感器和用于测量与人体活动相关的运动信息的加速传感器。CPU根据测量的运行信息控制是否可以执行血糖测量电路的测量操作。在显示单元上，显示测量的血糖水平和运动信息。提供了胰岛素输注装置，测量方法，用于控制胰岛素输注装置的方法和程序。
概述
本公开的目的是提供用于自动分析指示体液中葡萄糖水平的连续葡萄糖监测数据的改进技术。
为了达到所述目的，分别提供了根据独立权利要求1和11的用于自动分析指示葡萄糖水平的连续葡萄糖监测数据的系统和方法。进一步地，提供了根据权利要求12的计算机程序产品。替代实施方案公开在从属权利要求中。
根据一个方面，提供了用于自动分析指示体液中葡萄糖水平的连续葡萄糖监测数据的系统。所述系统包括输入装置，数据处理装置，输出装置和由所述数据处理装置执行的机器可读指令。所述机器可读指令使所述数据处理装置：经由输入装置接收连续葡萄糖监测数据，所述连续葡萄糖监测数据指示在连续葡萄糖水平测量中随时间对个人取样的葡萄糖水平；接收个人行为数据，所述个人行为数据代表一个或多个行为参数，以及对于所述一个或多个行为参数，指示由一个或多个活动传感器随时间对个人取样的传感器信号；从连续葡萄糖监测数据确定多个葡萄糖曲线；根据一个或多个聚类参数将多个葡萄糖曲线聚类成一个或多个葡萄糖曲线的聚类组；将所选行为参数或来自一个或多个行为参数的所选行为参数模式分配给第一聚类组中的每个葡萄糖曲线，但不分配给不同于第一聚类组的第二聚类组中的所有葡萄糖曲线或不分配给不同于第一聚类组的第二聚类组中的任何葡萄糖曲线；并且向输出装置提供分析数据，所述分析数据指示所选行为参数或来自一个或多个行为参数的所选行为参数模式和第一聚类组。
根据另一方面，提供了用于在系统中自动分析指示体液中的葡萄糖水平的连续葡萄糖监测数据的方法。所述系统包括数据处理装置，输入装置和输出装置。所述方法包括：经由输入装置接收连续葡萄糖监测数据，所述连续葡萄糖监测数据指示在连续葡萄糖水平测量中随时间对个人取样的葡萄糖水平；接收个人行为数据，所述个人行为数据代表一个或多个行为参数，以及对于所述一个或多个行为参数，指示由一个或多个传感器随时间对个人取样的传感器信号；从连续葡萄糖监测数据确定多个葡萄糖曲线；根据一个或多个聚类参数将多个葡萄糖曲线聚类成一个或多个葡萄糖曲线的聚类组；将所选行为参数或来自一个或多个行为参数的所选行为参数模式分配给第一聚类组中的每个葡萄糖曲线，但不分配给不同于第一聚类组的第二聚类组中的所有葡萄糖曲线或不分配给不同于第一聚类组的第二聚类组中的任何葡萄糖曲线；并且向输出装置提供分析数据，所述分析数据指示所选行为参数或来自一个或多个行为参数的所选行为参数模式和第一聚类组。
此外，将计算机程序产品(优选存储在存储介质上)配置为在系统上操作期间执行用于分析指示葡萄糖水平的葡萄糖监测数据的方法，所述系统用于自动分析指示体液中葡萄糖水平的连续葡萄糖监测数据，所述系统包括数据处理装置，输入装置和输出装置。
可以向多个葡萄糖曲线中的一部分(多个葡萄糖曲线的亚组)或每一个分配一个或多个行为参数。
由机器可读指令引起并由处理装置执行的步骤的顺序在各个实施方案中可以是不同的。例如，可以在分配一个或多个行为参数之前和/或之后执行用于聚类多个葡萄糖曲线的措施。
连续葡萄糖监测数据是在连续葡萄糖水平测量中，经测量时间段，在多个样品时间对个人或患者收集或取样的数据流。取样时间是指示在测量时间段期间，在连续葡萄糖水平测量中何时检测到相应葡萄糖值的参数。在一个实施方案中，葡萄糖曲线(也可以称为葡萄糖迹线)包括分配给葡萄糖曲线的对多个样品时间中的每一个的葡萄糖值。葡萄糖曲线包括经亚测量时间段收集的数据流的亚组。例如，这种测量时间段可以是例如24小时。通常，亚测量时间段将短于测量时间段。
所选行为参数或所选行为参数模式区分第一聚类组中的葡萄糖曲线与第二聚类组中的葡萄糖曲线，其中对于所选行为参数或所选行为参数模式，确定将其分配给第一聚类组中的每个葡萄糖曲线。指示这种差异的分析数据为系统的用户提供了改进的支持，以用于理解葡萄糖曲线与用户活动(行为数据)之间的潜在联系或关联。分配给第一聚类组中的每个葡萄糖曲线的所选行为参数或所选行为参数模式可能没有被分配给第二聚类组中的任何葡萄糖曲线。作为替代方案，可以将分配给第一聚类组中的每个葡萄糖曲线的所选行为参数或所选行为参数模式分配给第二聚类组中的小于50%，或小于20%，或小于10％的葡萄糖曲线。
指示行为参数的传感器信号可以由一个或多个传感器装置收集。
机器可读指令可以使数据处理装置根据相似性聚类参数聚类多个葡萄糖曲线，所述相似性聚类参数定义葡萄糖曲线之间的相似性水平。例如，如果待比较的葡萄糖曲线中提供的超过70％的葡萄糖值是相等的，则葡萄糖曲线可以被认为是相似的。如果两个值之间的偏差小于20％，则可以认为两个葡萄糖值是相等的。
机器可读指令可以使数据处理装置根据临床模式聚类参数聚类多个葡萄糖曲线，所述临床模式聚类参数定义一个或多个临床相关的参数。
一个或多个临床相关的参数可以选自以下组：指示低血糖，夜间低血糖，高血糖，低血糖后高血糖和葡萄糖变异性之一的参数。
机器可读指令可以使数据处理装置根据行为聚类参数聚类多个葡萄糖曲线，并且其中所述行为聚类参数由一个或多个行为参数中的至少一个来定义。
个人行为数据可以选自以下组：心率数据，身体运动数据，呼吸率数据，呼吸频率数据，GPS数据，血压数据和体温数据。例如，可以在活动跟踪器中提供被配置为检测此类个人行为参数中的至少一个的一个或多个传感器，所述活动跟踪器可以由连续监测其葡萄糖水平的个人携带。此类传感器也可以称为活动传感器。作为替代或额外地，可以响应于接收用户输入来提供传感器信号。例如，用户可以输入表征个人行为参数的数据。在这个实施方案中，如根据本公开所理解的，接收用户输入数据的输入装置充当传感器。作为替代或额外地，可以响应于接收装置输入来提供传感器信号。例如，可以从被配置为检测个人行为数据的某些设备接收由个人行为数据指示的传感器信号。在一个实施方案中，从胰岛素泵接收信号，所述信号指示例如胰岛素药物治疗。关于通过泵或手动的胰岛素药物治疗，可以通过信号指示不同的特征，例如胰岛素药物治疗的时间和/或胰岛素推注的量。
机器可读指令可以使数据处理装置确定来自第一和第二聚类组中的至少一个的一个或多个葡萄糖曲线的动态葡萄糖曲线(AGP)。在一个实施方案中，确定第一和第二聚类组的AGP，并任选将其并置。
机器可读指令可以进一步使数据处理装置向葡萄糖曲线的一部分或葡萄糖曲线的每一个分配一个或多个行为参数之一；并且确定将所选行为参数或来自一个或多个行为参数的所选行为参数模式分配给第一聚类组中的每个葡萄糖曲线，但不分配给不同于第一聚类组的第二聚类组中的所有葡萄糖曲线或不分配给不同于第一聚类组的第二聚类组中的任何葡萄糖曲线。
机器可读指令可以使数据处理装置通过输出装置向用户提供推荐输出。
机器可读指令可以使数据处理装置提供推荐输出，所述推荐输出源自将行为参数分配给第一聚类组和/或第二聚类组中的一部分或每个葡萄糖曲线的结果的分析，和/或源自对来自第一和第二聚类组中的至少一个的一个或多个葡萄糖曲线的动态葡萄糖曲线的分析。推荐输出可以源自将行为参数分配给第一聚类组和/或第二聚类组中的一部分或每个葡萄糖曲线的结果的分析。额外地或作为替代，可以分析对于聚类组确定的AGP，以得出对用户/患者的推荐。例如，输出装置提供的输出可以推荐进食和/或施加胰岛素推注。推荐输出可以指示胰岛素推注和/或推荐给用户/患者的动作的时间。
关于葡萄糖测量或监测，葡萄糖水平或值可以经由完全或部分植入的传感器，通过连续葡萄糖监测(CGM)来确定。通常，在CGM的背景下，可以确定体液中的葡萄糖值或水平。分析物值可以例如在间质液中皮下测量。CGM可以作为几乎实时的监测程序实施，其频繁地或自动地提供/更新分析物值而无需用户交互。
以上关于系统描述的替代实施方案也可以应用于用于自动分析指示葡萄糖水平的连续葡萄糖监测数据的方法。
其他实施方案的描述
下文参考附图描述进一步的实施方案。在所述附图中，显示：
图1：用于自动分析和显示指示葡萄糖水平的连续葡萄糖监测数据的系统的示意图，
图2：用于操作系统以自动分析和显示指示葡萄糖水平的连续葡萄糖监测数据的方法的示意性框图，和
图3：经一天时间的活动参数的数据点的图示，每个数据点代表葡萄糖曲线。
图1总体描绘了用于自动分析和显示指示体液中葡萄糖水平的连续葡萄糖监测数据的系统的实施方案。在一个实施方案中，所述系统可以被配置为自动分析和显示指示血液葡萄糖水平的连续血液葡萄糖监测数据。所述系统通常包括提供有一个或多个处理器1a、1b的处理装置1。此外，处理装置1包括用于存储机器可读指令的存储器2。处理装置1连接到被配置为接收电子数据的输入装置3和被配置为输出电子数据的输出装置4。输入装置3和输出装置4可以与处理装置1集成地实现。
人机界面5可以与输出装置4通信耦合，并且任选地或替代地，与输入装置3通信耦合。
提供机器可读指令，其由处理装置1执行以自动分析指示葡萄糖水平的连续葡萄糖监测数据。本文将更详细地描述用于自动分析指示葡萄糖水平的连续葡萄糖监测数据的系统和方法的各个实施方案。
一个或多个处理器1a、1b可以是控制器，集成电路，微芯片，计算机或能够执行机器可读指令的任何其他计算装置。存储器2可以是RAM，ROM，闪存，硬盘驱动器或能够存储机器可读指令的任何装置。
在本文所述的实施方案中，所述一个或多个处理器1a、1b可以与系统的单个组件集成。然而，应注意，所述一个或多个处理器1a、1b可以分开地位于离散的组件内，所述组件例如，如血糖仪，药物递送装置，移动电话，便携式数字助理(PDA)，移动计算装置，例如笔记本电脑，平板电脑或智能电话，台式计算机或服务器，例如经由基于云或网络的技术并且彼此通信耦合。应理解，在对本文公开的一个或多个实施方案有用的移动计算装置的至少一个实施方案中，此类装置可以包括触摸屏和计算能力，以运行计算算法和/或过程(例如本文公开的那些)，以及应用程序，诸如电子邮件程序，用于提供日历的日历程序，以及提供蜂窝，无线和/或有线连接以及血糖仪，数字媒体播放器，数码相机，摄像机，GPS导航单元和可以访问并正确显示网页的网络浏览器的功能中的一种或多种。因此，所述系统可以包括多个组件，每个组件具有一个或多个处理器1a、1b，其与一个或多个其他组件通信耦合。因此，所述系统可以利用分布式计算布局来执行本文所述的任何或机器可读指令。
所述系统还包括与处理装置1通信耦合的人机界面5，其用于从输出装置4接收信号并呈现图形、文本和/或听觉信息。人机界面5可以包括电子显示器，例如，如液晶显示器，薄膜晶体管显示器，发光二极管显示器，触摸屏，或能够将来自处理器的信号转换成光输出，或机械输出的任何其他装置，例如，如扬声器，用于在介质上显示信息的打印机等。
本公开的实施方案还包括机器可读指令，其包括用编程语言编写的逻辑或算法，所述编程语言例如，如可以由处理器直接执行的机器语言，或汇编语言，面向对象编程(OOP)，脚本语言，微代码等，其可以编译或汇编成机器可读指令并存储在机器可读介质上。或者，逻辑或算法可以用硬件描述语言(HDL)编写，例如经由现场可编程门阵列(FPGA)配置或专用集成电路(ASIC)及其等同方式实现。因此，机器可读指令可以以任何传统的计算机编程语言，作为预编程的硬件元件或硬件和软件组件的组合来实现。此外，机器可读指令可以分布于通信耦合的各种组件，例如，如经由线路，经由广域网，经由局域网，经由个人区域网络等通信耦合的各种组件。因此，系统的任何组件都可以通过因特网或万维网传输信号。
仍参考图1，系统可任选地包括与处理装置1通信耦合的身体传感器6，其用于提供指示分析物的性质的生物数据。在一个实施方案中，身体传感器6是葡萄糖传感器，其配置为当放置在患者皮肤正下方时检测葡萄糖水平(例如，葡萄糖浓度)。例如，身体传感器6可以是一次性葡萄糖传感器，其在皮肤下穿戴几天直到需要更换。如上所述，身体传感器6可以与处理装置通信耦合，所述处理装置可以位于各种离散组件内。因此，在葡萄糖传感器的情况下，身体传感器6可以与例如智能血糖仪或药物递送装置通信耦合，并且可以提供CGM数据，即在传感器的整个寿命期间连续采样的葡萄糖数据。
根据本文描述的实施方案，处理装置1的一个或多个处理器1a、1b可以执行机器可读指令，以自动分析指示葡萄糖水平的连续葡萄糖监测数据。
参考图2，描述了用于自动分析指示葡萄糖水平的连续葡萄糖监测数据的方法。在步骤20中，在数据处理装置1中经由输入装置3接收连续葡萄糖监测数据，或者在替代实施方案中，直接从身体传感器6接收连续葡萄糖监测数据。所述连续葡萄糖监测数据指示在连续葡萄糖水平测量中随时间对个人检测到的葡萄糖水平。通过测量，提供所谓的CGM数据(CGM-连续葡萄糖监测)。
在步骤21中，由处理装置1接收个人行为数据。个人行为数据代表个人的一个或多个行为参数。个人行为数据指示由一个或多个传感器(未显示)，随时间对个人的一个或多个行为参数取样的传感器信号。这种取样可以至少部分地与CGM数据检测适时地重叠。一个或多个传感器可以被配置为检测一个或多个个人行为参数。个人行为数据可以选自以下组：心率，身体运动，呼吸率，呼吸频率，GPS数据(GPS-全球定位系统)，血压数据和体温数据。
在步骤22中，根据连续葡萄糖监测数据确定多个葡萄糖曲线。如此从连续葡萄糖监测数据确定葡萄糖曲线在不同的实施方案中是已知的。
随后，在步骤23中，向多个葡萄糖曲线中的一部分或每个，分配一个或多个行为参数中的至少一个。通过这种分配，澄清了哪些葡萄糖曲线与个人行为参数的一个或多个相关联。例如，可以在针对葡萄糖曲线收集葡萄糖水平信号期间，进行诸如体育锻炼，如慢跑或步行的活动。因此，将指示这种慢跑或步行的活动参数(例如，心率，呼吸率和GPS数据中的至少一个)分配给相应的葡萄糖曲线。
在步骤24中，根据一个或多个聚类参数，将多个葡萄糖曲线聚类成一个或多个葡萄糖曲线的聚类组。例如，可以基于个人行为参数来完成聚类。被分配特定GPS数据参数的所有葡萄糖曲线可以聚类成一个聚类组。作为替代方案，可以根据临床模式聚类参数聚类多个葡萄糖曲线，所述临床模式聚类参数定义一个或多个临床相关的参数。所述一个或多个临床相关的参数可以选自以下组：指示低血糖，夜间低血糖，高血糖，低血糖后高血糖和葡萄糖变异性之一的参数。
此外，在替代实施方案中，可以根据相似性聚类参数聚类多个葡萄糖曲线，所述相似性聚类参数定义聚类在一个组中的葡萄糖曲线之间的相似性水平。如果根据一个或多个相似性聚类参数，确定多个葡萄糖曲线是相似的，则此类葡萄糖曲线可以聚类在单个聚类组中。
关于一些上述实施方案，可以在聚类多个葡萄糖曲线之前，完成一个或多个行为参数中的至少一个向多个葡萄糖曲线中的一部分或全部的分配。在替代实施方案中，聚类在至少一个行为参数的分配之后完成。
在步骤25中，确定将所选行为参数或来自一个或多个行为参数的所选行为参数模式分配给第一聚类组中的每个葡萄糖曲线，但不分配给不同于第一聚类组的第二聚类组中的所有葡萄糖曲线或不分配给不同于第一聚类组的第二聚类组中的任何葡萄糖曲线。通过分析所选行为参数或所选行为参数模式向葡萄糖曲线的分配的细节，可以识别第一组和第二组。由此，可以得出关于葡萄糖曲线的第一聚类组与所述一个或多个所选行为参数之间的某些联系的结论。
最后，根据图2，在步骤26中，将分析数据提供给输出装置4。分析数据指示所选行为参数或所选行为参数模式以及葡萄糖曲线的第一聚类组。基于分析数据，可以在人机界面5上提供代表分析数据的图示，向人机界面5提供例如显示器。
任选地，对于葡萄糖曲线的每个聚类组，可以所已知那样确定动态葡萄糖曲线(AGP)。可以生成信号数据，并例如通过呈现AGP的图示而来通过显示器输出。
图3涉及描绘葡萄糖曲线的图示的实施方案。在图3中，数据点30代表例如24小时连续葡萄糖监测数据，向其分配特定临床相关模式作为聚类参数。对于这种分析，例如，可以应用支持向量机(SVM)。作为已知如此用于对象分类的工具，SVM也可以作为分类算法应用于其他情况中。另外的数据点31代表没有这种特定临床相关模式的24小时连续葡萄糖监测数据。从图3中的图示得出结论，与特定临床相关模式相关联的24小时连续葡萄糖监测数据与行为参数“夜时的低活动”相关。
可以对于分别由数据点30和另外的数据点31 (各自提供一个聚类)代表的24小时连续葡萄糖监测数据中的每一个，确定AGP。对于两个AGP，将参数(夜间的)“低活动”分配给两个AGP之一(关于数据点30)，但不分配给另一个AGP，即根据一天中的特定时间的活动区分AGP。
通常，对于连续葡萄糖监测数据和个人行为数据的组合分析，可以寻求不同的实施方案。在一个实施方案中，首先根据使用特定聚类算法的自相似性聚类葡萄糖曲线。随后，确定分配给具有自相似性的葡萄糖曲线的一个或多个行为参数(来自非葡萄糖传感器的信息)对于此类具有自相似性的葡萄糖曲线是否是典型的。分配给确定了自相似性的葡萄糖曲线的一个或多个行为参数没有分配给未发现自相似性的葡萄糖曲线，此类不具有自相似性的葡萄糖曲线可以提供在一个或多个其他聚类中。
在替代实施方案中，根据预定义的临床相关模式(例如运动后葡萄糖值过高，葡萄糖值过低超过5分钟)，对葡萄糖曲线进行分类或聚类。随后，确定分配给一个或多个聚类(各自通过一个或多个预定义的临床相关模式定义)的葡萄糖曲线的一个或多个行为参数或模式(来自没有用于初始分类的传感器的信息)是否是那些聚类典型的。分配给一个或多个聚类中的葡萄糖曲线的一个或多个行为参数没有被分配给未应用一个或多个预定义的临床相关模式的其他葡萄糖曲线。临床相关模式可以是已经预定义的，或者可以由医生在线编写。
在另一替代实施方案中，使用可以从第三方设备(fitbits，活动跟踪器，…)接收代表的一个或多个行为参数的聚类参数，用于将葡萄糖曲线聚类在不同的组中。基于这样的分析，对于聚类的曲线，为不同的组(聚类)创建AGP。然后，可以比较AGP以识别由第三方设备的数据反映的行为参数模式的影响。
无论使用何种方法，都可以获得AGP，其根据所选行为参数或所选行为参数模式进行分类。

Claims (12)

1.用于自动分析指示体液中葡萄糖水平的连续葡萄糖监测数据的系统，所述系统包括：
- 输入装置(3)，
- 数据处理装置(1)，
- 输出装置(4)，和
- 由数据处理装置(1)执行的机器可读指令，其中所述机器可读指令使数据处理装置(1)：
- 经由输入装置(3)接收连续葡萄糖监测数据，所述连续葡萄糖监测数据指示在连续葡萄糖水平测量中随时间对个人取样的葡萄糖水平；
- 接收个人行为数据，所述个人行为数据代表一个或多个行为参数，以及对于所述一个或多个行为参数，指示由一个或多个传感器随时间对个人取样的传感器信号；
- 从所述连续葡萄糖监测数据确定多个葡萄糖曲线；
- 根据一个或多个聚类参数将多个葡萄糖曲线聚类成一个或多个葡萄糖曲线的聚类组；
- 将所选行为参数或来自一个或多个行为参数的所选行为参数模式分配给第一聚类组中的每个葡萄糖曲线，但不分配给不同于第一聚类组的第二聚类组中的所有葡萄糖曲线或不分配给不同于第一聚类组的第二聚类组中的任何葡萄糖曲线；和
- 向输出装置(4)提供分析数据，所述分析数据指示所选行为参数或来自一个或多个行为参数的所选行为参数模式和第一聚类组。
2.根据权利要求1的系统，其中所述机器可读指令使所述数据处理装置根据相似性聚类参数聚类多个葡萄糖曲线，所述相似性聚类参数定义葡萄糖曲线之间的相似性水平。
3.根据权利要求1或2的系统，其中所述机器可读指令使所述数据处理装置根据临床模式聚类参数聚类多个葡萄糖曲线，所述临床模式聚类参数定义一个或多个临床相关的参数。
4.根据权利要求3的系统，其中所述一个或多个临床相关的参数选自以下组：指示低血糖，夜间低血糖，高血糖，低血糖后高血糖和葡萄糖变异性之一的参数。
5.根据前述权利要求中至少一项的系统，其中所述机器可读指令使所述数据处理装置根据行为聚类参数聚类多个葡萄糖曲线，并且其中所述行为聚类参数由所述一个或多个行为参数中的至少一个来定义。
6.根据前述权利要求中至少一项的系统，其中个人行为数据选自以下组：心率数据，身体运动数据，呼吸率数据，呼吸频率数据，GPS数据，血压数据和体温数据。
7.根据前述权利要求中至少一项的系统，其中所述机器可读指令使所述数据处理装置确定来自第一和第二聚类组中的至少一个的一个或多个葡萄糖曲线的动态葡萄糖曲线。
8.根据前述权利要求中至少一项的系统，其中所述机器可读指令进一步使数据处理装置(1)：
- 向所述葡萄糖曲线的一部分或所述葡萄糖曲线的每一个分配所述一个或多个行为参数之一；和
- 确定将所选行为参数或来自一个或多个行为参数的所选行为参数模式分配给第一聚类组中的每个葡萄糖曲线，但不分配给不同于第一聚类组的第二聚类组中的所有葡萄糖曲线或不分配给不同于第一聚类组的第二聚类组中的任何葡萄糖曲线。
9.根据前述权利要求中至少一项的系统，其中所述机器可读指令使所述数据处理装置通过输出装置(4)向用户提供推荐输出。
10.根据权利要求9的系统，其中所述机器可读指令使所述数据处理装置提供推荐输出，所述推荐输出源自将行为参数分配给第一聚类组和/或第二聚类组中的一部分或每个葡萄糖曲线的结果的分析，和/或源自对来自第一和第二聚类组中的至少一个的一个或多个葡萄糖曲线的动态葡萄糖曲线的分析。
11.用于在系统中自动分析指示体液中的葡萄糖水平的连续葡萄糖监测数据的方法，所述系统包括数据处理装置(1)，输入装置(3)和输出装置(4)，所述方法包括：
- 经由输入装置(3)接收连续葡萄糖监测数据，所述连续葡萄糖监测数据指示在连续葡萄糖水平测量中随时间对个人取样的葡萄糖水平；
- 接收个人行为数据，所述个人行为数据代表一个或多个行为参数，以及对于所述一个或多个行为参数，指示由一个或多个传感器随时间对个人取样的传感器信号；
- 从连续葡萄糖监测数据确定多个葡萄糖曲线；
- 根据一个或多个聚类参数将多个葡萄糖曲线聚类成一个或多个葡萄糖曲线的聚类组；
- 将所选行为参数或来自一个或多个行为参数的所选行为参数模式分配给第一聚类组中的每个葡萄糖曲线，但不分配给不同于第一聚类组的第二聚类组中的所有葡萄糖曲线或不分配给不同于第一聚类组的第二聚类组中的任何葡萄糖曲线；和
- 向输出装置(4)提供分析数据，所述分析数据指示所选行为参数或来自一个或多个行为参数的所选行为参数模式和第一聚类组。
12.计算机程序产品，其被配置为在用于自动分析指示体液中葡萄糖水平的连续葡萄糖监测数据的系统上操作期间执行根据权利要求11的方法，所述系统包括数据处理装置(1)，输入装置(3)和输出装置(4)。
CN201780072929.7A 2016-11-25 2017-11-20 用于自动分析指示体液中葡萄糖水平的连续葡萄糖监测数据的系统和方法 Pending CN109964281A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202410554642.XA CN118471529A (zh) 2016-11-25 2017-11-20 用于自动分析连续葡萄糖监测数据的系统和方法

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
EP16200766.0A EP3327598A1 (en) 2016-11-25 2016-11-25 A system and a method for automatically analyzing continuous glucose monitoring data indicative of glucose level in a bodily fluid
EP16200766.0 2016-11-25
PCT/EP2017/079777 WO2018095864A1 (en) 2016-11-25 2017-11-20 A system and a method for automatically analyzing continuous glucose monitoring data indicative of glucose level in a bodily fluid

Related Child Applications (1)

Application Number Title Priority Date Filing Date
CN202410554642.XA Division CN118471529A (zh) 2016-11-25 2017-11-20 用于自动分析连续葡萄糖监测数据的系统和方法

Publications (1)

Publication Number Publication Date
CN109964281A true CN109964281A (zh) 2019-07-02

Family

ID=57442481

Family Applications (2)

Application Number Title Priority Date Filing Date
CN202410554642.XA Pending CN118471529A (zh) 2016-11-25 2017-11-20 用于自动分析连续葡萄糖监测数据的系统和方法
CN201780072929.7A Pending CN109964281A (zh) 2016-11-25 2017-11-20 用于自动分析指示体液中葡萄糖水平的连续葡萄糖监测数据的系统和方法

Family Applications Before (1)

Application Number Title Priority Date Filing Date
CN202410554642.XA Pending CN118471529A (zh) 2016-11-25 2017-11-20 用于自动分析连续葡萄糖监测数据的系统和方法

Country Status (5)

Country Link
US (1) US11998321B2 (zh)
EP (1) EP3327598A1 (zh)
CN (2) CN118471529A (zh)
CA (1) CA3042776A1 (zh)
WO (1) WO2018095864A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115804595A (zh) * 2021-09-15 2023-03-17 深圳硅基仿生科技股份有限公司 针对睡眠前后的葡萄糖浓度水平的葡萄糖监测系统

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11540750B2 (en) * 2018-12-19 2023-01-03 Medtronic Minimed, Inc Systems and methods for physiological characteristic monitoring
USD1013544S1 (en) 2022-04-29 2024-02-06 Biolinq Incorporated Wearable sensor
USD1012744S1 (en) 2022-05-16 2024-01-30 Biolinq Incorporated Wearable sensor with illuminated display
USD1035004S1 (en) 2023-02-28 2024-07-09 Biolinq Incorporated Wearable sensor

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102395310A (zh) * 2009-02-26 2012-03-28 莫尔研究应用有限公司 用于自动监控糖尿病相关治疗的方法以及系统
WO2012076148A1 (en) * 2010-12-08 2012-06-14 Roche Diagnostics Gmbh Systems and methods for automatically displaying patterns in biological monitoring data
US20140081103A1 (en) * 2012-09-17 2014-03-20 Lifescan, Inc. Method and system to derive glycemic patterns from clustering of glucose data
CN106021852A (zh) * 2016-05-06 2016-10-12 鼎泰生物科技（海南）有限公司 基于密度聚类算法的血糖数据异常值计算方法和装置

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040162678A1 (en) * 2001-08-13 2004-08-19 Donald Hetzel Method of screening for disorders of glucose metabolism
US9247900B2 (en) * 2004-07-13 2016-02-02 Dexcom, Inc. Analyte sensor
EP3315958B1 (en) * 2008-11-04 2021-09-15 PHC Holdings Corporation Measurement device
US20100174553A1 (en) * 2008-12-24 2010-07-08 Medtronic Minimed, Inc. Diabetes Therapy Management System
DK2685895T3 (en) 2011-03-17 2019-01-21 Univ Newcastle System for self-monitoring and regulation of blood glucose
US20140206970A1 (en) 2013-01-22 2014-07-24 Park Nicollet Institute Evaluation and display of glucose data
US20140365136A1 (en) 2013-06-07 2014-12-11 Roche Diagnostics Operations, Inc. Systems and Methods for Automatically Displaying Patterns in Biological Monitoring Data
CA2953582C (en) * 2014-10-06 2023-10-24 Dexcom, Inc. System and method for data analytics and visualization
US20160328990A1 (en) * 2015-05-07 2016-11-10 Dexcom, Inc. System and method for educating users, including responding to patterns
CA2991716A1 (en) * 2015-07-10 2017-01-19 Abbott Diabetes Care Inc. System, device and method of dynamic glucose profile response to physiological parameters

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102395310A (zh) * 2009-02-26 2012-03-28 莫尔研究应用有限公司 用于自动监控糖尿病相关治疗的方法以及系统
WO2012076148A1 (en) * 2010-12-08 2012-06-14 Roche Diagnostics Gmbh Systems and methods for automatically displaying patterns in biological monitoring data
US20140081103A1 (en) * 2012-09-17 2014-03-20 Lifescan, Inc. Method and system to derive glycemic patterns from clustering of glucose data
CN106021852A (zh) * 2016-05-06 2016-10-12 鼎泰生物科技（海南）有限公司 基于密度聚类算法的血糖数据异常值计算方法和装置

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115804595A (zh) * 2021-09-15 2023-03-17 深圳硅基仿生科技股份有限公司 针对睡眠前后的葡萄糖浓度水平的葡萄糖监测系统

Also Published As

Publication number Publication date
US11998321B2 (en) 2024-06-04
WO2018095864A1 (en) 2018-05-31
US20190274603A1 (en) 2019-09-12
CA3042776A1 (en) 2018-05-31
CN118471529A (zh) 2024-08-09
EP3327598A1 (en) 2018-05-30

Similar Documents

Publication Publication Date Title
US12102454B2 (en) Analysis of glucose median, variability, and hypoglycemia risk for therapy guidance
Porumb et al. Precision medicine and artificial intelligence: a pilot study on deep learning for hypoglycemic events detection based on ECG
US10019554B2 (en) Glycemic risk determination based on variability of glucose
Ali et al. Continuous blood glucose level prediction of type 1 diabetes based on artificial neural network
US12053297B2 (en) Method and apparatus for determining health status
CN109964281A (zh) 用于自动分析指示体液中葡萄糖水平的连续葡萄糖监测数据的系统和方法
Zarkogianni et al. A review of emerging technologies for the management of diabetes mellitus
RU2749187C2 (ru) Компьютерно-реализуемый способ и портативный прибор для анализа данных контроля глюкозы, показывающих уровень глюкозы в физиологической жидкости
JP5657559B2 (ja) 糖尿病における血糖変動を追跡記録するための方法、システム及びコンピュータ・プログラム
US11925462B2 (en) System and method for analyzing glucose monitoring data indicative of a glucose level, and a computer program product
US20200205704A1 (en) Safety tools for decision support recommendations made to users of continuous glucose monitoring systems
EP3567594A1 (en) Diabetes management system with dynamic selection of prediction logic
CN109416936A (zh) 具有无监督的日常cgm图谱（或胰岛素图谱）的聚类的患者糖尿病监测系统以及其方法
JP2023518762A (ja) 持続血糖モニタリングデータを分析し、解釈し、対処するためのシステム及び方法
Calvo Córdoba et al. Automatic Video-Oculography System for Detection of Minimal Hepatic Encephalopathy Using Machine Learning Tools
US20240242833A1 (en) Methods and systems for the classification of subjects into glucose homeostasis phenotypes
MEDIANI et al. Non-Invasiveglucosemonitoringsystemforearlydetectiondiabetesbasedonmachinelearningapproaches
KR20240121882A (ko) 사이토카인 방출 증후군을 감지하기 위한 웨어러블 컴패니언
KR20240124401A (ko) 암 환자를 위한 cdk 억제제 약물을 위한 디지털 의료 컴패니언
Calibrations Diabetes Technology Meeting November 10-12, 2016

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: 40011081

Country of ref document: HK

RJ01 Rejection of invention patent application after publication

Application publication date: 20190702

RJ01 Rejection of invention patent application after publication