CN113039607A - 个性化治疗工具 - Google Patents
个性化治疗工具 Download PDFInfo
- Publication number
- CN113039607A CN113039607A CN201980071152.1A CN201980071152A CN113039607A CN 113039607 A CN113039607 A CN 113039607A CN 201980071152 A CN201980071152 A CN 201980071152A CN 113039607 A CN113039607 A CN 113039607A
- Authority
- CN
- China
- Prior art keywords
- diabetes
- glucose
- drug
- drugs
- individual
- 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
Links
Images
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
- 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
-
- 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
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7271—Specific aspects of physiological measurement analysis
- A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
-
- 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
- G16H20/70—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to mental therapies, e.g. psychological therapy or autogenous training
-
- 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
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4848—Monitoring or testing the effects of treatment, e.g. of medication
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7271—Specific aspects of physiological measurement analysis
- A61B5/7282—Event detection, e.g. detecting unique waveforms indicative of a medical condition
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Biomedical Technology (AREA)
- Medicinal Chemistry (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Chemical & Material Sciences (AREA)
- Pathology (AREA)
- Psychiatry (AREA)
- Surgery (AREA)
- Heart & Thoracic Surgery (AREA)
- Veterinary Medicine (AREA)
- Animal Behavior & Ethology (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Physics & Mathematics (AREA)
- Child & Adolescent Psychology (AREA)
- Psychology (AREA)
- Hospice & Palliative Care (AREA)
- Developmental Disabilities (AREA)
- Social Psychology (AREA)
- Artificial Intelligence (AREA)
- Signal Processing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physiology (AREA)
- Pharmacology & Pharmacy (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Medicines That Contain Protein Lipid Enzymes And Other Medicines (AREA)
- Investigating Or Analysing Biological Materials (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明涉及一种用于辅助指导患有糖尿病的个体的糖尿病药物疗法的计算机实现的方法。所述方法基于在处理单元处接收的来自所述个体的葡萄糖数据,其中所述葡萄糖数据包括来自所述个体的至少三个空腹葡萄糖测量值,和/或来自所述个体的至少三个匹配的餐前葡萄糖测量值和同一餐餐后葡萄糖测量值。本发明还设想了一种用于辅助指导患有糖尿病的个体的糖尿病药物疗法的装置,所述装置包括处理单元以及含有计算机可执行指令的计算机程序,其中所述指令在由所述处理单元执行时,将使所述处理单元执行本发明的所述计算机实现的方法。
Description
技术领域
本发明涉及葡萄糖水平评估和疗法管理领域。更具体地讲,本发明涉及用于辅助指导患有糖尿病的个体的糖尿病药物疗法的计算机实现的方法。所述方法基于在处理单元处接收的来自所述个体的葡萄糖数据,其中所述葡萄糖数据包括来自所述个体的至少三个空腹葡萄糖测量值,和/或来自所述个体的至少三个匹配的餐前葡萄糖测量值和餐后葡萄糖测量值。本发明还设想了一种用于辅助指导患有糖尿病的个体的糖尿病药物疗法的装置,所述装置包括处理单元以及含有计算机可执行指令的计算机程序,其中所述指令在由所述处理单元执行时,将使所述处理单元执行本发明的所述计算机实现的方法。
背景技术
现代医学的目的是提供个性化或个体化的治疗方案。这些是考虑到患者的个体需求和风险的治疗方案。一个特别重大的风险是存在糖尿病及其并存病。
糖尿病患者的人数已从1980年的1.08亿增加到2014年的4.22亿。2015年,估计160万人的死亡直接由糖尿病引起。2012年,另有220万人死于高血糖。世界上最常见的糖尿病原因(类型)(约90%)是由具有多因素发病机制的2型糖尿病引起的。它是失明、肾衰竭、心脏病发作、中风和下肢截肢的主要原因。
患有糖尿病的个体需要获得系统性的和有组织的医疗护理。糖尿病的结局可以通过涉及药物治疗、生活方式改变和持续随访的基本干预措施而显著改善。许多患有糖尿病的个体在很大程度上由全科医师治疗。显然,需要一些手段和方法来辅助全科医师以及糖尿病专科医师治疗这些个体并且支持糖尿病疗法方面的决策。
Karlsburg糖尿病管理系统KADIS®使用来自患者的基线数据(诸如年龄、性别、糖尿病类型、BMI、食物摄入量和体育锻炼),以及血糖数据、胰岛素和其他抗糖尿病药物的剂量,并且由此计算理论性葡萄糖分布(参见Salzsieder等人,Kadis-Programm, Diabetesaktuell 2012; 10{4):183-187,或Salzsieder等人,J Diabetes Sci Technol 2007;1(4):511-521)。将其与患者测得的CGM分布(实验性葡萄糖分布)进行比较。然后,经验丰富的糖尿病医师对可用数据进行弱点分析,寻找可以解释理论性葡萄糖分布与实验性葡萄糖分布之间的差异的原因。然后,通过改变和调节个体代谢数据,生成在很大程度上处于正常血糖范围内的葡萄糖曲线。报告中总结了必要的变化,例如,胰岛素或其他抗糖尿病药物的剂量中的必要变化。因此,Kadis系统的使用在相当大的程度上依赖于用来提供治疗指导的人类因素。
Simonson等人(Diabetes Management (2011) 1(2), 175-189)和Nathan等人(Diabetes Care,第29卷,第8期,2006年8月,1963-72)描述了用于管理2型糖尿病的算法。这些用来提供治疗意见的算法主要基于血红蛋白A1C数据。没有对结构化SMBG(自我监测血糖)数据进行定量分析,也没有对患者数据与汇总药物作用的数据库进行比较。
WO 2010/072386建议将疗法优化(疗法的类型、单一疗法、口服联合疗法等)作为结构化测试方法的使用案例。还描述了GLP-1受体激动剂(GLP-1 RA)结构化测试规程,该规程提出在一餐或多餐之后的一段时间期间对血糖(bG)值进行密集测量。这使得可以借助于观察到降低的餐后bG值来显示疗法功效。基于这些观察到的值,可以确定GLP-1 RA药物的推荐剂量和/或特定GLP-1 RA对于患者是否是完全正确的药物。然而,没有更具体地描述用于提出疗法建议的算法。
因此,对用于辅助指导患有糖尿病的个体的糖尿病药物疗法的手段和方法存在明确的长期需求。此外,这些手段和方法应当允许可靠地辅助指导糖尿病药物疗法。具体地讲,它们应当允许由全科医师而不仅仅是专门的糖尿病医师对疗法进行指导。
因此,作为本发明的基础的技术问题必须被看作是提供用于满足前述需要的手段和方法。这些手段和方法同时应当避免前文提到的现有技术的缺点。
该技术问题通过权利要求书和下文中表征的实施方案来解决。
相应地,本发明涉及用于辅助指导患有糖尿病的个体的糖尿病药物疗法的计算机实现的方法,所述方法包括以下步骤
(a) 在处理单元处接收所述个体的葡萄糖数据,其中所述葡萄糖数据包括优选地来自所述个体的样本的至少三个空腹葡萄糖测量值,和/或优选地来自所述个体的样本的至少三个匹配的餐前葡萄糖测量值和餐后葡萄糖测量值,
(b) 从存储器建立以下中的一者或多者
(b1) 空腹葡萄糖阈值,
(b2) 餐后葡萄糖阈值,
(b3) 低血糖阈值,以及
(b4) 要耐受的低血糖事件的最大数量,
(c) 由处理单元实施对个体的葡萄糖测量值的分析,所述分析包括以下中的一者或多者:
(c1) 确定指示至少三个空腹葡萄糖测量值与空腹葡萄糖阈值之间的偏差的第一统计参数,
(c2) 确定指示至少三个餐后葡萄糖测量值与餐后葡萄糖阈值之间的偏差的第二统计参数,
(c3) 确定高血糖患病指数(HPI)或由其导出的值,其中HPI是步骤 (c1) 中确定的第一统计参数与步骤 (c2) 中确定的第二统计参数的比,
(c4) 通过将个体的空腹葡萄糖测量值、餐前葡萄糖测量值和餐后葡萄糖测量值与低血糖阈值进行比较,来确定低血糖事件的数量,以及
(d) 辅助指导所述个体的糖尿病药物疗法,其中所述辅助由处理器单元实施,并且基于在步骤c) 中实施的分析的结果以及以下中的一者或多者
(d1) 至少十种不同的糖尿病药物对空腹葡萄糖的作用,
(d2) 至少十种不同的糖尿病药物对餐后葡萄糖的作用,
(d3) 至少十种药物的高血糖功效指数,其中药物的高血糖功效指数(HEI)是所述药物对空腹葡萄糖的作用与所述药物对餐后葡萄糖的作用的比,
(d4) 至少十种糖尿病药物引起低血糖的风险,
其中 (d1)、(d2) 下的作用,(d3) 下的指数和 (d4) 下的风险是从来自存储器的所述至少十种糖尿病药物的数据库建立的。
在一个实施方案中,本发明涉及如上所述的方法,其中步骤 (c1) 和/或步骤(c2) 中的第一统计参数和/或第二统计参数大于第一统计参数和/或第二统计参数的从存储器建立的指示要耐受的偏差的相应预定义最大值则指示需要在所述个体中纠正高血糖,
其中在步骤 (c4) 中确定的低血糖事件的数量大于从存储器建立的要由个体耐受的低血糖事件的预定义最大数量则指示需要避免低血糖,并且
其中该辅助指导包括:如果步骤c) 中的分析指示需要在所述个体中避免低血糖和/或纠正高血糖,则推荐改变当前的糖尿病药物疗法,
其中当前的糖尿病药物是至少十种不同的糖尿病药物之一,处理单元进一步实施从存储器的数据库建立的当前的糖尿病药物的高血糖功效指数(HEI)与其余药物的HEI值的比较,并且用于替换的推荐替代性药物具有与当前施用的药物最相似的HEI值;或者
其中该辅助指导包括:如果步骤c) 中的分析指示需要纠正高血糖,则推荐向疗法中添加另外的糖尿病药物,其中推荐添加所述至少十种糖尿病药物中的具有与在步骤(c3) 中确定的个体的HPI值或由其导出的值差异最小的HEI值的糖尿病药物。
本发明的方法是计算机实现的方法。通常,本发明的计算机实现的方法的所有步骤由计算机或计算机网络的一个或多个处理单元执行。
本发明的计算机实现的方法应当辅助指导患有糖尿病的个体的糖尿病药物疗法。如本文所用的术语“指导糖尿病药物疗法”优选地意味着建议或决定是否改变患有糖尿病(诸如2型糖尿病)的个体的糖尿病药物疗法。因此,该术语是指针对明确适用于个体的治疗措施提出建议,即,是改变还是继续进行当前的疗法。在一个实施方案中,术语“指导糖尿病药物疗法”不涵盖推荐的治疗剂或患者健康管理措施的实际应用。通过实施本发明的计算机实现的方法,可以识别需要或不需要改变糖尿病药物疗法的个体。因此,本发明涉及识别需要或不需要改变糖尿病药物疗法的个体的方法。通常,需要改变所述疗法的个体将受益于所述改变。受益于所述改变的个体通常将具有降低的低血糖风险和/或改善的血糖控制。
如本领域的技术人员将理解的,通过本发明的方法进行的评估通常并非旨在对应当指导其疗法的100%的个体都是正确的。该术语通常要求评估对于个体的统计上显著的部分(例如,队列研究中的队列)是正确的。本领域的技术人员可以使用各种众所周知的统计评估工具(例如,确定置信区间、确定p值、学生t检验、曼-惠特尼检验等)毫不费力地确定一部分是否为统计上显著的。详细信息请参见Dowdy和Wearden,Statistics for Research,John Wiley & Sons, New York 1983。优选的置信区间为至少90%、至少95%、至少97%、至少98%或至少99%。p值优选地为0.1、0.05、0.01、0.005或0.0001。
本发明的计算机实现的方法应当允许辅助指导糖尿病药物疗法。其应当建议对测试个体进行合适的治疗。治疗建议可以包括替代性疗法建议,诸如用另一种药物替换当前药物、增加当前施用的药物的剂量,或者将药物添加到当前施用的一种或多种药物中。另外,可以提供可以被添加到当前药物中或可以替换当前药物的替代性药物的列表。关于治疗的最终决策可以由主治医师(即由治疗该个体的医师)作出。因此,本发明的方法应当辅助主治医师指导测试个体的疗法。
如本文在前述方法的语境中所用的术语“受试者”和“个体”涉及动物,诸如哺乳动物。在本发明的一个实施方案中,个体是人。应当对其药物疗法进行指导的个体应当患有糖尿病。在一个实施方案中,术语“糖尿病”是指1型糖尿病。在另一个实施方案中,术语“糖尿病”是指2型糖尿病。术语“1型糖尿病”和“2型糖尿病”在本领域中是众所周知的。在2型糖尿病中,胰岛素分泌不足。胰岛素水平通常很高,尤其是在疾病早期,但外周胰岛素抵抗和肝脏葡萄糖产量增加使得胰岛素水平不足以使血浆葡萄糖水平正常化。然后胰岛素产量下降,使高血糖进一步恶化。
如本文所用的术语“糖尿病药物疗法”通常是指糖尿病(诸如2型糖尿病)的基于药物的治疗。在一个实施方案中,该药物是口服施用或皮下施用的糖尿病药物。通常,该药物选自以下类别的糖尿病药物中的一种或多种:双胍类、磺酰脲类、α-葡糖苷酶抑制剂、格列奈类、二肽基肽酶-4(DPP-4)抑制剂、SGLT-2抑制剂、GLP-1 RA和噻唑烷二酮类。在一个实施方案中,如本文所用的术语“糖尿病药物”,还涵盖具有延长(基础)活性或即刻(餐食)活性的胰岛素或胰岛素类似物。
属于以上类别的典型药物是:
• 双胍类:二甲双胍;
• 磺酰脲类(SU):格列美脲、格列齐特;
• 格列奈类:瑞格列奈;
• α-葡糖苷酶抑制剂:阿卡波糖;
• 二肽基肽酶-4(DPP-4)抑制剂:西他列汀、阿格列汀、维格列汀、沙格列汀、利格列汀;
• SGLT-2抑制剂:依帕列净、卡格列净、达格列净;
• GLP-1受体激动剂(GLP-1 RA):利拉鲁肽、艾塞那肽BID、艾塞那肽LAR、杜拉鲁肽、利西那肽;
• 噻唑烷二酮类:吡格列酮。
应当理解,术语“糖尿病药物疗法”不限于以上药物或药物类别。术语“糖尿病药物”应当涵盖旨在治疗糖尿病的任何药物或药物组合。
通常,测试个体在测试时已经服用了上述药物中的一种或两种(本文称为“当前药物”)。替代性地,测试个体可以是未使用过药物的个体,即先前没有接受过糖尿病药物疗法的个体。
本发明的方法的步骤a) 包括在处理单元处接收来自个体样本的葡萄糖数据。
在一个实施方案中,所述葡萄糖数据包括来自个体样本的至少三个(即三个或更多个)空腹葡萄糖测量值,以及来自个体样本的至少三个(即三个或更多个)匹配的餐前葡萄糖测量值和餐后葡萄糖测量值。在本发明的研究中已经证实,三个空腹葡萄糖测量值和三个匹配的餐前葡萄糖测量值和餐后葡萄糖测量值允许充分地辅助指导糖尿病药物疗法。少于三个空腹葡萄糖测量值和少于三个匹配值可能导致指导不足。
在本发明的方法的另一个实施方案中,所述葡萄糖数据包括来自个体样本的四至六个空腹葡萄糖测量值,以及来自个体样本的四至六个匹配的餐前葡萄糖测量值和餐后葡萄糖测量值。该数量的值允许良好地指导糖尿病疗法。
在另一个实施方案中,所述葡萄糖数据包括来自个体样本的多于六个空腹葡萄糖测量值,以及来自个体样本的多于六个匹配的餐前葡萄糖测量值和餐后葡萄糖测量值。该数量的值允许很好地指导糖尿病疗法。
葡萄糖数据应当基于已在一定时间段内从测试个体获得的样本中的测量值。在一个实施方案中,所述样本已在至少三天的时段内从个体获得。在另一个实施方案中,所述样本已在约30天或约45天的时段内获得。
空腹葡萄糖测量值通常是空腹血液样本中的葡萄糖浓度的值,即空腹血糖(FBG)浓度的值。匹配的餐前葡萄糖测量值和餐后葡萄糖测量值优选地为至少三个匹配的餐前血液样本和餐后血液样本中的葡萄糖浓度的值。因此,在本发明的方法的步骤a) 中接收到的数据通常包括在来自所述个体的至少三个空腹血液样本以及至少三个匹配的餐前血液样本和餐后血液样本中测得的葡萄糖浓度值。血液样本可以是例如毛细管全血样本或静脉血样本。
然而,本发明不限于血液样本。原则上,样本也可以是另一种体液样本,诸如皮下脂肪组织中的间质液、血浆或血清。
如上所述,葡萄糖数据包括空腹葡萄糖测量值,即在空腹样本(诸如空腹血液样本)中测得的值。空腹样本通常是已从在获得待测试样本之前避免食用除水之外的食物和饮料的个体获得的样本。例如,在获得用于空腹葡萄糖测量值的样本之前,个体避免食用除水之外的食物和饮料至少八个小时。另外,样本可以是已在禁食过夜后从个体获得的样本。
葡萄糖数据还包括至少三个匹配的餐前葡萄糖测量值和餐后葡萄糖测量值。该语境中的术语“匹配”在本领域中是众所周知的。匹配值是从同一餐获得的值,即餐前值是在餐前获得的样本中测得的值,而餐后值是在所述这一餐之后(通常在两个小时之后)的样本中测得的值。这一餐可以是任何一餐。
通常,本发明的方法不涵盖测量葡萄糖值。因此,表述“接收葡萄糖数据”不涵盖测定样本中的葡萄糖量,尤其不包括提取样本。然而,应当理解,测量一个或多个样本中的生物标记葡萄糖的量是实施本发明的方法的前提条件。在一个实施方案中,葡萄糖数据可以从存储介质接收或由个体提供。
这些值应当已经通过众所周知的方法以及使用众所周知的装置测得。在本发明的方法的一个实施方案中,这些值已经通过使用允许测量葡萄糖、尤其是血糖的装置(诸如血糖仪)测得。在一个实施方案中,该装置是由测试个体用来记录葡萄糖数据(步骤a所需)的自我监测血糖(SMBG)装置,例如血糖仪。葡萄糖数据通常将通过将该数据从装置上传或发送到处理单元来由处理单元接收。替代性地,葡萄糖数据可以通过经由用户界面输入该数据来由处理单元接收。
在本发明的一个实施方案中,本发明的方法还包括步骤a1),其评估在步骤a) 中接收到的葡萄糖数据是否足以辅助指导。所述步骤应当由处理单元实施。如果葡萄糖测量值的数量不足,则处理单元应当在显示器上提供测量值的数量不足的警报消息。替代性地,如果测量值的数量不足,则处理器可以经由指示器提供声音警报。如上所述,在作为本发明的基础的研究中已经证实,三个空腹葡萄糖测量值和三个匹配的餐前葡萄糖测量值和餐后葡萄糖测量值允许充分地辅助指导糖尿病药物疗法。少于三个空腹葡萄糖测量值和少于三个匹配值通常不足以进行指导。
在本发明的方法的步骤b) 中,从存储器建立以下参数中的一者或多者:
(b1) 空腹葡萄糖阈值
(b2) 餐后葡萄糖阈值
(b3) 个体的低血糖阈值,以及
(b4) 个体要耐受的低血糖事件的最大数量。
因此,处理单元从存储器检索以上参数中的一者或多者。在一个实施方案中,所有四个参数都被建立,即从存储器中检索。
如b1) 下所述的空腹葡萄糖阈值通常是空腹葡萄糖值的正常范围的上限,即健康、非糖尿病的个体的空腹样本中的葡萄糖值。该值通常是所有测试个体的默认值。在一个实施方案中,该值为约100 mg/dl的葡萄糖浓度。
如b2) 下所述的餐后葡萄糖阈值通常是餐后葡萄糖值的正常范围的上限,即来自健康、非糖尿病的个体的餐后样本中的葡萄糖值。该值通常是所有测试个体的默认值。在一个实施方案中,该值为约140 mg/dl的葡萄糖浓度。
如b3) 下所述的个体的低血糖阈值是(葡萄糖的)参考浓度值,其允许诊断所述个体中的低血糖事件。如果在以上方法的步骤a) 中接收的来自个体的葡萄糖测量值低于该个体的低血糖阈值,则该个体遭受过临床相关的低血糖事件。如果在步骤a) 中接收的值中有两个值低于所述阈值,则该个体遭受过两个临床相关的低血糖事件。该阈值可以取决于个体因素或个体的病史。然而,该值也可以是所有测试个体的默认阈值。在一个实施方案中,该阈值为低于70 mg/dl的葡萄糖浓度。在另一个实施方案中,该阈值为约70 mg/dl的葡萄糖浓度。
如b4) 下所述的个体要耐受的低血糖事件的最大数量是在预定义时段(诸如约30天或约45天的时段)内测试受试者中可能发生的事件的最大数量。该数量可以取决于个体因素或个体的病史。例如,年轻个体对低血糖发作的耐受性要优于年长个体。然而,该数量也可以是所有测试个体的默认数量。在一个实施方案中,该最大数量为0(零),即不允许低血糖事件。在另一个实施方案中,该最大数量为1。
在步骤b) 中建立的所有的值、阈值或数量都可以针对个体单独设置,或者可以针对所有测试受试者设置(默认情况)。按照本发明的方法,它们也可以从个体的医疗记录中导出。
在本发明的方法的一个实施方案中,步骤b) 可以还包括从存储器建立关于以下中的一者或多者的信息:
• 个体的当前糖尿病药物疗法,优选地关于正在使用的药物和所述药物的剂量;
• 个体的姓名、年龄、性别和/或种族;
• 个体的体重(Kg)和/或肥胖症;
• 个体的身高(cm);
• 个体的肌酸酐水平和/或估计的肾小球滤过率;
• 个体的心血管疾病史;
• 个体的肾病史;
• 个体的最后记录的HbA1c值;
• 个体的目标HbA1c。
应当理解,该进一步信息也可以影响具体药物的选择,特别是对于患有肥胖症(即,BMI >30)、患有心血管疾病和/或糖尿病性肾病、大于75岁和/或患有肾功能不全(即,eGFR <60)的个体。
此外,可以从存储器建立关于至少十种药物的费用的信息。
在本发明的方法的步骤 (c) 中,对在步骤a) 中接收到的个体的葡萄糖测量值实施分析。所述分析可以包括一个或多个以下步骤,通常是所有的以下步骤:
(c1) 确定指示至少三个空腹葡萄糖测量值与空腹葡萄糖阈值之间的偏差的第一统计参数,
(c2) 确定指示至少三个餐后葡萄糖测量值与餐后葡萄糖阈值之间的偏差的第二统计参数,
(c3) 确定高血糖患病指数(HPI),或在一个实施方案中确定由其导出的值,其中HPI是步骤 (c1) 中确定的第一统计参数与步骤 (c2) 中确定的第二统计参数的比,
(c4) 通过将个体的空腹葡萄糖测量值和餐后葡萄糖测量值与个体的低血糖阈值进行比较,来确定低血糖事件的数量。
步骤 (c1) 包括确定指示至少三个空腹葡萄糖测量值与空腹葡萄糖阈值之间的偏差的第一统计参数。在一个实施方案中,所述统计参数是至少三个空腹葡萄糖测量值的中值。在一个实施方案中,由处理单元计算至少三个空腹葡萄糖测量值的中值与空腹葡萄糖阈值之间的差值。因此,该步骤可以还包括确定(即,计算)至少三个空腹葡萄糖测量值的中值。在另一个实施方案中,统计参数可以是至少三个葡萄糖测量值中的每一个与空腹葡萄糖阈值之间的偏差的中值。因此,该步骤可以包括首先计算这些偏差,随后确定所述偏差的中值。
一般来讲,代替本文提到的中值,也可以使用平均值或者由其导出的任何参数或值。
步骤 (c2) 包括确定指示至少三个餐后葡萄糖测量值与餐后葡萄糖阈值之间的偏差的第二统计参数。在一个实施方案中,所述第二统计参数是至少三个餐后葡萄糖测量值的中值。在一个实施方案中,由处理单元计算至少三个餐后葡萄糖测量值的中值与餐后葡萄糖值的上阈值之间的差值。因此,该步骤可以还包括确定(即,计算)至少三个餐后葡萄糖测量值的中值。在另一个实施方案中,统计参数可以是至少三个餐后葡萄糖测量值中的每一个与餐后葡萄糖阈值之间的偏差的中值。因此,该步骤可以包括首先计算这些偏差,随后确定所述偏差的中值。
步骤 (c3) 包括确定高血糖患病指数(HPI),其中HPI是步骤 (c1) 中确定的第一统计参数与步骤 (c2) 中确定的第二统计参数的比。一般来讲,如本文所用的比是指第一统计参数与第二统计参数之间的指示这些参数彼此之间的比例的任何数学关系,例如,该比可以是商、比率、比例或者由其导出的任何参数或值。在一个实施方案中,由HPI导出的值是通过将HPI与换算系数相乘而获得的值。换算系数在一个实施方案中小于1,在一个实施方案中为从0.5至0.9,在另一个实施方案中为从0.6至0.8,在另一个实施方案中为约0.7,在另一个实施方案中为0.7。如技术人员理解的,在一个实施方案中,换算HPI的效果也可以通过技术人员已知的其他标准数学运算来实现,例如,通过用换算系数的倒数来换算在步骤 (c1) 中确定的第一统计参数或换算在步骤 (c2) 中确定的第二统计参数。此外,在一个实施方案中,代替换算HPI,可以采取等效的措施,例如,在与HPI比较之前,对数据库中的HEI值进行换算。
步骤 (c4) 包括通过将个体的空腹葡萄糖测量值、餐前葡萄糖测量值和餐后葡萄糖测量值与个体的低血糖阈值进行比较,来确定低血糖事件的数量。因此,将至少三个空腹葡萄糖测量值中的每一个以及至少三个餐前葡萄糖测量值和餐后葡萄糖测量值中的每一个与个体的低血糖阈值进行比较。低于所述阈值的值的数量由处理单元确定,即计算。低于所述阈值的每个值指示低血糖事件。
步骤d) 包括辅助指导所述个体的糖尿病药物疗法,其中所述辅助由处理器单元实施,并且基于在步骤c) 中实施的分析的结果以及以下中的一者或多者
(d1) 至少十种不同的糖尿病药物对空腹葡萄糖的作用,
(d2) 至少十种不同的糖尿病药物对餐后葡萄糖的作用,
(d3) 至少十种药物的高血糖功效指数,其中药物的高血糖功效指数(HEI)是所述药物对空腹葡萄糖的作用与所述药物对餐后葡萄糖的作用的比,
(d4) 至少十种糖尿病药物引起低血糖的风险,
其中 (d1)、(d2) 下的作用和 (d3) 下的风险是从来自存储器的所述至少十种糖尿病药物的数据库建立的。
所用的术语“作用”是指由至少十种不同的药物中的任一种引起的如上文所指定的葡萄糖值的统计上显著的变化(例如,在疗法开始之后的24周至26周的时间窗内)。
术语“数据库”是技术人员众所周知的。如本文所用,该术语是指有组织的数据集合。根据本发明要使用的数据库应当包括关于至少十种不同的糖尿病药物的信息。在一个实施方案中,数据库包括如 (d1)、(d2) 和 (d3) 下所指定的信息,即至少十种不同的糖尿病药物对空腹葡萄糖值的作用、至少十种不同的糖尿病药物对餐后葡萄糖值的作用,以及至少十种糖尿病药物引起低血糖的风险。如在别处更详细地描述的,数据库可以还包括关于 (d4) 至少十种药物的高血糖功效指数的信息。
优选的糖尿病药物在本文中的别处公开。
在本发明的方法的一个实施方案中,至少十种不同的糖尿病药物属于至少五种不同的药物类别。在一个实施方案中,五种不同的药物类别选自以下八种药物类别:双胍类、磺酰脲类、α-葡糖苷酶抑制剂、格列奈类、二肽基肽酶-4(DPP-4)抑制剂、SGLT-2抑制剂、GLP-1 RA和噻唑烷二酮类。
在本发明的方法的另一个实施方案中,数据库包含关于 (d1)、(d2) 下的作用,(d4) 下的风险以及任选地 (d3) 下的至少15种不同的糖尿病药物的高血糖功效指数的信息。所述药物可以属于前一段落中列出的八种药物类别。
在本发明的方法的另一个实施方案中,数据库包含关于 (d1)、(d2) 下的作用,(d4) 下的风险以及任选地 (d3) 下的属于上文列出的八种药物类别的至少19种不同的糖尿病药物的高血糖功效指数的信息。
在本发明的方法的一个实施方案中,已经基于分析III期随机对照试验,即通过分析至少十种不同药物的III期随机对照试验的结果,建立了数据库。此类结果可以例如经由公开试验结果的科学出版物或规范性文件来评估。描述用于个别药物的此类试验的合适科学出版物可以例如经由PubMed来识别。在一个实施方案中,这些试验已评估了大队列的糖尿病患者(诸如2型糖尿病患者),并且报告了在空腹状态、餐前状态和餐后状态下测定的7点或8点自我监测血糖数据。在一个实施方案中,这些试验仅包括没有严重并存病的2型糖尿病患者。
为了建立数据库,应当考虑已公布的有关 (d1)、(d2) 下的作用和 (d4) 下的风险的信息。(d3) 下的指数可以基于所分析试验的已公布信息确定。
所分析试验可以包含单一疗法的信息,即仅涉及施用单一糖尿病药物。然而,还设想了它们包含使用至少十种药物中的两种或三种药物的联合疗法的信息。因此,设想要在步骤d) 中使用的数据库包含关于以下方面的信息:(d1)、(d2) 下的作用,(d4) 下的风险以及任选地 (d3) 下的至少十种药物的单一疗法的高血糖功效指数和使用至少十种药物中的两种或三种药物的联合疗法的高血糖功效指数。
所分析试验可以包含关于 (d1)、(d2) 下的作用和 (d4) 下的风险的剂量特定信息。因此,设想要在步骤d) 中使用的数据库包含关于 (d1)、(d2) 下的作用和 (d4) 下的风险的剂量特定信息。
如上所述,本发明的计算机实现的方法允许评估是否应当改变患有糖尿病的个体的当前糖尿病药物疗法(即,是否可以继续所述受试者的当前疗法)。
是否应当改变该疗法的评估优选地基于本发明的方法的步骤c) 中进行的分析的结果。
通常,如果步骤c) 中的分析指示需要在所述个体中避免低血糖和/或如果步骤c)中的分析指示需要仅包括在所述个体中纠正高血糖的机会,则推荐改变(当前的)糖尿病药物疗法。
另外,如果步骤c) 中的分析指示不需要在所述个体中避免低血糖并且不需要在所述个体中纠正高血糖,则不需要改变(当前的)糖尿病药物疗法。因此,推荐继续进行当前的疗法。
需要避免低血糖
关于是否需要避免低血糖的评估通常基于如本发明的方法的步骤c4) 中所述的确定。根据本发明,如果步骤 (c4) 中确定的低血糖事件的数量大于要由个体耐受的低血糖事件的最大数量,则需要避免低血糖。如上所述,有关个体要耐受的低血糖事件的最大数量的信息应当从存储器建立(参见b4)。
如果个体已被识别为需要避免低血糖,则由该方法推荐的改变指示医师:
a) 减少当前药物(即当前施用的用来治疗糖尿病的药物)的剂量,或者
b) 用替代性药物替换当前药物。
应当替换当前药物的替代性药物通常与相比于当前药物更低的低血糖风险相关联。因此,施用所述替代性药物具有比施用当前药物更低的低血糖风险。
替代性药物是否具有比当前药物低的低血糖风险可以由处理单元基于数据库中的信息来评估。如上所述,要在本发明的方法中使用的数据库包含关于至少十种糖尿病药物中的每一种引起低血糖的风险的信息。在一个实施方案中,数据库包含至少十种药物的排序,其中所述排序基于至少十种糖尿病药物引起低血糖的风险。该排序通常是从较低风险到较高风险的排序。
风险也可以表示为分数,其中低分数与低风险相关联,中等分数与中风险相关联,而高分数与高风险相关联。基于这些分数,可以建立低血糖风险指数。
排序、分数或低血糖风险指数可以显示在显示器上。基于该排序,推荐与较低风险相关联的替代性药物。在一个实施方案中,替代性药物具有与当前药物相同或基本上相同的高血糖功效指数(如本文中的别处所述)。
如果由处理单元在步骤c) 中实施的确定指示不需要避免低血糖,即,如果低血糖事件的数量等于或低于要由个体耐受的低血糖事件的最大数量,则不需要减少当前药物的剂量并且不需要用与相比于当前药物更低的低血糖风险相关联的替代性药物替换当前药物。然而,处理单元将评估是否需要在个体中纠正高血糖。
在一个实施方案中,替代性药物(即被推荐用于替换当前药物的药物)具有与当前施用的药物相同或基本上相同的高血糖功效指数(HEI)。因此,该推荐还可以考虑HEI,如本文中的别处更详细地描述的。
需要纠正高血糖
关于是否需要纠正高血糖的评估通常基于在本发明的方法的步骤c1) 和c2) 中实施的确定。如果在步骤c1) 和步骤c2) 中实施的确定的结果指示需要仅包括纠正高血糖的机会,则推荐改变糖尿病药物疗法。推荐对糖尿病疗法进行哪种改变可能取决于另外的因素,并且可能需要另外的步骤(例如步骤c3) 和步骤c5),如下文所述)。
在一个实施方案中,如果根据以下步骤中的分析,出现了以下结果,则需要仅包括纠正高血糖的机会:
• 在步骤c1) 中,至少三个空腹葡萄糖测量值的中值大于空腹葡萄糖参考值,和/或
• 在步骤c2) 中,至少三个餐后葡萄糖测量值的中值大于餐后葡萄糖参考值。
在另一个实施方案中,如果根据以下步骤中的分析,出现了以下结果,则需要纠正高血糖:
• 在步骤c1) 中,至少三个空腹葡萄糖测量值的中值与空腹葡萄糖阈值之间的偏差(即差值)大于阈值(对于c1中的偏差),和/或
• 在步骤c2中,至少三个餐后葡萄糖测量值的中值与餐后葡萄糖阈值之间的偏差(即差值)大于阈值(对于c2中的偏差)。
指示步骤c1) 中的偏差的第一统计参数通常通过从至少三个空腹葡萄糖测量值的中值减去空腹葡萄糖阈值来计算(即通过实施以下计算:“至少三个空腹葡萄糖测量值的中值”减去“空腹葡萄糖阈值”)。如上所述,空腹葡萄糖阈值应当从存储器建立。
因此,在步骤c1) 中计算出的偏差是过量的空腹葡萄糖值。如果所述值大于阈值,则需要仅包括纠正高血糖的机会。
指示步骤c2) 中的偏差的第二统计参数通常通过从至少三个餐后葡萄糖测量值的中值减去餐后葡萄糖阈值来计算(即通过实施以下计算:“至少三个餐后葡萄糖测量值的中值”减去“餐后葡萄糖阈值”)。如上所述,餐后葡萄糖阈值应当从存储器建立。
因此,在步骤c2) 中计算出的偏差是过量的餐后葡萄糖值。如果所述值大于阈值,则需要仅包括纠正高血糖的机会。
要在步骤c1) 和步骤c2) 中应用的阈值可以是预定阈值。这些阈值的值通常也从数据库建立。
在一个实施方案中,在步骤c1) 中应用的阈值对于空腹葡萄糖中值与空腹葡萄糖阈值之间的差值为至少25 mg/dl。根据临床实践确定该阈值(对于空腹葡萄糖值为25 mg/dl)对开始一些疗法改变具有临床意义。
例如,空腹葡萄糖阈值 (b1) 为100 mg/dl。至少三个空腹葡萄糖测量值的中值为130 mg/dl。步骤c1) 中的偏差的预定阈值为25 mg/dl。因此,在步骤c1) 中确定的差值为30 mg/dl(130 mg/dl减去100 mg/dl)。由于该差值大于步骤c1) 中的偏差的阈值,所以需要仅包括纠正空腹高血糖的机会。
在一个实施方案中,步骤c2) 中的偏差的阈值对于餐后葡萄糖测量值中值与餐后葡萄糖阈值之间的差值为至少20 mg/dl。餐后葡萄糖值的该阈值(20 mg/dl)根据临床实践确定,并且对开始一些疗法改变评估具有临床意义。为此,在所有情况下,如果餐后葡萄糖中值减去140的结果小于20 mg/dl,则将该值设置为20 mg/dl用于随后的计算。
例如,餐后葡萄糖阈值 (b2) 为140 mg/dl。至少三个餐后葡萄糖测量值的中值为165 mg/dl。步骤c2) 中的偏差的预定阈值为20 mg/dl。因此,在步骤c2) 中确定的差值为25 mg/dl(165 mg/ml减去140 mg/ml)。由于该差值大于步骤c2) 中的偏差的阈值,所以需要仅包括纠正高血糖的机会。
如果个体已通过本发明的方法识别为需要纠正高血糖,则由该方法推荐的糖尿病药物疗法的改变优选地为以下中的一者或多者:
(a) 增加当前的糖尿病药物的剂量,
(b) 向个体的疗法中添加另外的糖尿病药物,
(c) 用一种或多种替代性药物替换一种或多种当前施用的药物。
另外,推荐改变可以是:
(d) 向个体的疗法中添加餐食胰岛素或基础胰岛素,或者基础胰岛素和GLP-1RA的固定比组合。
主治医师可以作出是推荐 (a)、(b) 或 (c),还是推荐 (a)、(b)、(c) 或 (d) 的最终决策。因此,可以显示所有选项。对于剂量改变,医师可以通过改变已经显示的数字来直接修改剂量。对于替换药物或添加药物,可以显示推荐药物的列表。根据该列表,可以作出关于药物的决策。在一个实施方案中,推荐药物的列表中省略了“使用中的药物、禁止的药物联用,和/或根据患者的eGFR禁忌使用的药物”。
在步骤d) 中推荐哪种具体的药物通常基于由处理单元实施的进一步确定。因此,考虑了另外的因素来指导该疗法。
如上所述,步骤c3) 包括确定高血糖患病指数(HPI),或者在一个实施方案中,确定由其导出的值,其中HPI是步骤 (c1) 中确定的偏差(特别是过量的空腹葡萄糖值)与步骤 (c2) 中确定的偏差(特别是过量的餐后葡萄糖值)的比。HPI是患有糖尿病的个体受试者中的高血糖患病率的指征。
因此,计算出比。下面给出一个示例:
• 空腹葡萄糖中值:160 mg/dl
• 餐后葡萄糖中值:210 mg/dl
高血糖患病指数 = ( FBG中值 – 100)/(PPB中值 – 140) = 60/70 = 0.857,在一个实施方案中,可以使用PPBG平均值来代替PPBG中值,和/或可以使用FBG平均值来代替FBG中值。另外,在一个实施方案中,可以将HPI乘以换算系数,例如0.7。
因此,计算的比(即HPI)为0.857。
如下文所述,在步骤c3) 中实施的确定并非对于已被识别为需要纠正高血糖的所有个体都是必需的。然而,如果考虑到该步骤,则在该步骤中计算出的比被用于本发明的方法的步骤d) 中的指导。特别地,推荐改变疗法基于HPI,或者在一个实施方案中基于由其导出的值,以及数据库中的至少十种药物的高血糖功效指数。除此之外:
(d1) 至少十种不同的糖尿病药物对空腹葡萄糖值的作用,
(d2) 至少十种不同的糖尿病药物对餐后葡萄糖值的作用,以及
(d4) 至少十种糖尿病药物引起低血糖的风险,
该数据库可以还包括关于以下的信息:
(d3) 至少十种药物的高血糖功效指数。
优选地,(d1)、(d2) 下的作用,(d4) 下的风险和 (d3) 下的高血糖功效指数是从来自存储器的所述至少十种糖尿病药物的数据库建立的。
为了评估推荐对糖尿病药物疗法进行哪种改变(在步骤c1) 和/或步骤c2) 中实施的确定的结果指示需要纠正高血糖的情况下),通常实施以下的附加步骤:
• 步骤 (c5),确定平均餐时葡萄糖波动值,其中平均餐时葡萄糖波动值是餐后测量值和餐前血液测量值与同一餐的至少三个匹配的餐前测量值和餐后测量值之间的差值的平均值,以及确定平均餐时葡萄糖波动值与葡萄糖波动阈值之间的偏差。
要应用的葡萄糖波动阈值通常从存储器建立。因此,本发明的方法的步骤b) 可以还包括从存储器建立 (b5) 葡萄糖波动阈值。
如b5) 下所述的葡萄糖波动阈值是参考值,其允许诊断过度的葡萄糖波动。术语“葡萄糖波动”是指同一餐的餐后葡萄糖值与餐前葡萄糖值(例如个体的血糖值)之间的差值。进餐后过度的葡萄糖波动需要对治疗进行纠正。葡萄糖波动阈值通常是最大耐受葡萄糖波动。如果在步骤c5) 中确定的平均餐时葡萄糖波动值大于阈值b5),则存在过量的葡萄糖波动。如果在步骤c5) 中确定的平均餐时葡萄糖波动值低于阈值b5),则不存在过量的葡萄糖波动。该阈值可以取决于个体因素或个体的病史。然而,该值也可以是所有测试个体的默认阈值。在一个实施方案中,个体的葡萄糖波动阈值为50 mg/dl的葡萄糖值。在另一个实施方案中,该阈值为约60 mg/dl的葡萄糖值。
例如,葡萄糖波动阈值b5) 为60 mg/dl。在一个实施方案中,葡萄糖波动阈值b5)为50 mg/dl。在步骤c5) 中确定的平均餐时葡萄糖波动值为70 mg/dl。因此,处理单元将评估存在过量的葡萄糖波动,因为平均餐时葡萄糖波动值大于阈值。
在一个实施方案中,药物的高血糖功效指数(HEI)是所述药物对空腹葡萄糖的作用与所述药物对餐后葡萄糖的作用(即 (d1) 下的作用与 (d2) 下的作用)的比。在一个实施方案中,属于相同药物类别的药物具有相同的HEI。
在一个实施方案中,步骤d) 中推荐的疗法的改变基于个体的高血糖患病指数(HPI)或在一个实施方案中如在步骤c3) 中确定的由其导出的值与药物或药物类别的高血糖功效指数(HEI)的比较。如上所述,药物或药物类别的HEI中的信息存在于要在步骤d) 中使用的数据库中。
在添加药物的情况下,对要添加的药物的推荐通常基于个体的高血糖患病指数(HPI)或在一个实施方案中由其导出的值与数据库中的药物的高血糖功效指数之间的差值。优选地,要添加的推荐药物的HEI对应于步骤c3) 中确定的个体的HPI。因此,推荐其HEI与个体的HPI或在一个实施方案中由HPI导出的值具有最小差值的药物。另外,可以提供要添加的替代性药物的列表。在一个实施方案中,该列表被显示在显示器上。在该列表中,药物通常基于药物的HEI与个体的HPI或在一个实施方案中由HPI导出的值的差值来排序。在一个实施方案中,药物从最小差值到最大差值来排序。主治医师可以作出要添加的药物的最终决策。还可以显示药物的低血糖风险指数。
在替换药物的情况下,对应当替换当前药物的药物的推荐通常基于当前药物的HEI与数据库中的药物或药物类别的HEI的比较。因此,本发明的方法可以包括将当前药物的HEI与数据库中的药物或药物类别的HEI进行比较的步骤。在一个实施方案中,推荐其HEI与当前药物的HEI具有最小差值的替换药物。另外,可以提供用于替换当前药物的替代性药物的列表。在一个实施方案中,该列表被显示在显示器上。在该列表中,药物通常基于列出的药物的HEI与当前药物的HEI的差值来排序。在一个实施方案中,列出的药物从最小差值到最大差值来排序。主治医师可以作出应当替换当前药物的药物的最终决策。还可以显示药物的低血糖风险指数。
在下文中,提供了向已被识别(基于步骤 (c1) 和/或步骤 (c2))为需要纠正高血糖的个体推荐疗法的实施例。通常,该推荐基于在步骤 (c3) 和/或步骤 (c4) 中实施的计算。
实施例A) 如果根据步骤c5),存在过度的葡萄糖波动(例如大于50 mg/dl),并且如果根据步骤c1),在至少三个空腹葡萄糖测量值的中值与空腹葡萄糖阈值之间存在中等偏差,不管步骤c2) 中计算的偏差有多大都是如此,则推荐选自利西那肽、艾塞那肽和二肽基肽酶-4抑制剂的糖尿病药物。这种情况也不需要在本发明的方法的步骤c3) 中描述的确定。
在一个实施方案中,至少三个空腹葡萄糖测量值的中值与空腹葡萄糖阈值之间的中等偏差优选地为小于约35 mg/dl、小于约45 mg/dl的偏差,即过量的空腹葡萄糖值低于约35 mg/dl或低于45 mg/dl。在另一个实施方案中,中等偏差是小于约40 mg/dl的偏差。
实施例B),如果根据步骤c5),存在过度的葡萄糖波动(例如,大于60 mg/dl),并且如果根据步骤c1),在至少三个空腹葡萄糖测量值的中值与空腹葡萄糖阈值之间存在高偏差,则推荐基于步骤c3) 中所述的确定。因此,确定了高血糖患病指数。本节 (B) 中描述的推荐。
在一个实施方案中,至少三个空腹葡萄糖测量值的中值与空腹葡萄糖阈值之间的高偏差优选地为大于约35 mg/dl或大于45 mg/dl的偏差,即过量的空腹葡萄糖值大于约35mg/dl或大于45 mg/dl。在另一个实施方案中,高偏差是大于约40 mg/dl的偏差。
对要添加的药物的推荐通常基于个体的HPI或在一个实施方案中由其导出的值与如上所述的药物和药物类别的HEI的比较。
替代性地,可以替换当前的药物。在这种情况下,不需要确定个体的HPI。对应当替换当前药物的药物的推荐通常基于当前药物的HEI与如上所述的药物和药物类别的HEI的比较。
在一个实施方案中,辅助指导本发明的方法(根据步骤d)经由被配置用于呈现该辅助指导的显示器来提供。在这里,可以示出推荐的治疗,例如疗法是应当继续还是改变。如本文中的别处所述,可以推荐各种替代性治疗和/或替代性药物。在这种情况下,替代性治疗选项可以显示在显示器上。如果推荐替代性药物,则可以示出关于药物的可以支持主治医师对治疗作出决策的另外的信息,诸如药物的HEI或低血糖风险指数。另外,可以提供药物的排序。
在本发明的方法的一个实施方案中,该方法可以还包括以下步骤:将关于在本发明的方法的步骤d) 中作出的指导的信息转移到个体的电子医疗记录。
另外,如果推荐改变个体的糖尿病药物疗法,则该方法可以包括以电子方式开具处方的步骤。该处方可以由打印机打印。
在本发明的方法的一个实施方案中,已被识别为需要改变的糖尿病药物疗法的个体基于推荐的疗法来治疗。因此,开始了推荐的疗法。
因此,本发明还涉及治疗患有糖尿病的个体的方法,该方法包括实施本发明的计算机实现的方法的步骤a) 至步骤d),从而识别需要改变糖尿病药物疗法的个体,并且开始改变的糖尿病药物疗法。该方法可以还包括将所选择的药物施用于所述个体。
本发明还涉及包括计算机可执行指令的计算机程序,当该程序在计算机或计算机网络上执行时,这些计算机可执行指令用于执行根据本发明的辅助指导糖尿病药物疗法的计算机实现的方法的步骤。通常,计算机程序具体地可以包含用于执行如本文所公开的方法的步骤的计算机可执行指令。具体地讲,计算机程序可以存储在计算机可读数据载体上。
本发明还涉及具有存储在机器可读载体上的程序代码工具的计算机程序产品,以便当该程序在计算机或计算机网络上执行时,执行根据本发明的方法,诸如在计算机程序的语境中讨论的上面提及的步骤中的一个或多个步骤。如本文所用,计算机程序产品是指作为可交易产品的程序。该产品通常能够以任意格式(诸如以纸质格式)存在,或在计算机可读数据载体上存在。具体地讲,计算机程序产品可以分布在数据网络上。
本发明还涉及包括至少一个处理单元的计算机或计算机网络,其中该处理单元适于执行根据本发明的方法的所有步骤,特别是步骤a)、b)、c) 和d)。
然而,本发明还设想了:
- 计算机或计算机网络,该计算机或计算机网络包括至少一个处理单元,其中所述处理单元适于执行根据本说明书中所述的实施方案之一的方法,
- 计算机可加载数据结构,该计算机可加载数据结构适于当在计算机上执行该数据结构时,执行根据本说明书中所述的实施方案之一的方法,
- 计算机脚本,其中该计算机程序适于当在计算机上执行该程序时,执行根据本说明书中所述的实施方案之一的方法,
- 计算机程序,该计算机程序包括程序工具,这些程序工具用于当在计算机上或在计算机网络上执行该计算机程序时,执行根据本说明书中所述的实施方案之一的方法,
- 计算机程序,该计算机程序包括根据前述实施方案的程序装置,其中这些程序装置存储在计算机可读的存储介质上,
- 存储介质,其中数据结构存储在该存储介质上并且其中该数据结构适于在被加载到计算机或计算机网络的主存储装置和/或工作存储装置之后,执行根据本说明书中所述的实施方案之一的方法,
- 计算机程序产品,该计算机程序产品具有程序代码工具,其中这些程序代码工具可以存储或被存储在存储介质上,以用于在计算机上或在计算机网络上执行这些程序代码工具的情况下,执行根据本说明书中所述的实施方案之一的方法,
- 数据流信号,该数据流信号通常是加密的,包括如上文所指定的从个体获得的葡萄糖数据测量值,以及
- 数据流信号,该数据流信号通常是加密的,包括如通过本发明的方法获得的提供对所述个体的糖尿病药物疗法的辅助指导的信息。
本发明还涉及用于辅助指导患有糖尿病的个体的糖尿病药物疗法的装置,所述装置包括处理单元以及含有计算机可执行指令的计算机程序,其中所述指令在由处理单元执行时,将使该处理单元执行根据本发明的计算机实现的方法,即执行所述方法的步骤。在一个实施方案中,本发明的方法的步骤a) 至d) 由处理单元执行。该装置可以还包括用户界面和显示器,其中处理单元耦接到用户界面和显示器。通常,该装置提供关于糖尿病药物疗法的指导作为输出。在一个实施方案中,该指导在显示器上提供。
在下文中,指定了具体实施方案:
实施方案1:一种用于辅助指导患有糖尿病的个体的糖尿病药物疗法的计算机实现的方法,所述方法包括以下步骤
(a) 在处理单元处接收所述个体的葡萄糖数据,其中所述葡萄糖数据包括优选地来自所述个体的样本的至少三个空腹葡萄糖测量值,和/或优选地来自所述个体的样本的至少三个匹配的餐前葡萄糖测量值和餐后葡萄糖测量值,
(b) 从存储器建立以下中的一者或多者
(b1) 空腹葡萄糖阈值,
(b2) 餐后葡萄糖阈值,
(b3) 低血糖阈值,以及
(b4) 要耐受的低血糖事件的最大数量,
(c) 由处理单元实施对个体的葡萄糖测量值的分析,所述分析包括以下中的一者或多者:
(c1) 确定指示至少三个空腹葡萄糖测量值与空腹葡萄糖阈值之间的偏差的第一统计参数,
(c2) 确定指示至少三个餐后葡萄糖测量值与餐后葡萄糖阈值之间的偏差的第二统计参数,
(c3) 确定高血糖患病指数(HPI),或在一个实施方案中确定由其导出的值,其中HPI是步骤 (c1) 中确定的第一统计参数与步骤 (c2) 中确定的第二统计参数的比,
(c4) 通过将个体的空腹葡萄糖测量值、餐前葡萄糖测量值和餐后葡萄糖测量值与低血糖阈值进行比较,来确定低血糖事件的数量,以及
(d) 辅助指导所述个体的糖尿病药物疗法,其中所述辅助由处理器单元实施,并且基于在步骤c) 中实施的分析的结果以及以下中的一者或多者
(d1) 至少十种不同的糖尿病药物对空腹葡萄糖的作用,
(d2) 至少十种不同的糖尿病药物对餐后葡萄糖的作用,
(d3) 至少十种药物的高血糖功效指数,其中药物的高血糖功效指数(HEI)是所述药物对空腹葡萄糖的作用与所述药物对餐后葡萄糖的作用的比,
(d4) 至少十种糖尿病药物引起低血糖的风险,
其中 (d1)、(d2) 下的作用,(d3) 下的指数和/或 (d4) 下的风险是从来自存储器的所述至少十种糖尿病药物的数据库建立的。
实施方案2:实施方案1的方法,其中在步骤 (b) 中,从存储器建立目标空腹葡萄糖阈值、餐后葡萄糖阈值、低血糖阈值以及要由个体耐受的低血糖事件的最大数量,并且其中步骤 (c) 中的分析包括步骤 (c1)、(c2) 和 (c3)。
实施方案3:实施方案1或2的方法,其中辅助指导经由被配置用于呈现该辅助指导的显示器来提供。
实施方案4:实施方案1至3中任一项的方法,其中辅助指导包括推荐改变当前的糖尿病药物疗法或继续进行当前的疗法。
实施方案5:实施方案1至4中任一项的方法,其中如果步骤c) 中的分析指示不需要在所述个体中避免低血糖并且不需要在所述个体中纠正高血糖,则推荐继续采用当前的糖尿病药物疗法。
实施方案6:实施方案1至4中任一项的方法,其中如果i) 步骤c) 中的分析指示需要在所述个体中避免低血糖,或者如果ii) 步骤c) 中的分析指示需要在所述个体中纠正高血糖,则推荐改变当前的糖尿病药物疗法。
实施方案7:实施方案1至6中任一项的方法,其中在权利要求1的步骤 (c4) 中确定的低血糖事件的数量大于从存储器建立的要由个体耐受的低血糖事件的预定义最大数量则指示需要避免低血糖。
实施方案8:实施方案4至权利要求7中任一项的方法,其中针对已经被识别为需要避免低血糖的个体的疗法的推荐改变包括:
(a) 减少当前的糖尿病药物的剂量,或
(b) 用替代性的糖尿病药物替换当前的糖尿病药物。
实施方案9:实施方案1至8中任一项的方法,其中当前的糖尿病药物是至少十种不同的糖尿病药物之一,处理单元进一步实施从存储器的数据库建立的当前的糖尿病药物引起低血糖的风险与其余药物引起低血糖的风险的比较,并且用于替换当前药物的推荐替代性药物与相比于当前的糖尿病药物较低的低血糖风险相关联,并且其中任选地由处理器单元实施的辅助包括:基于对用于替换当前的糖尿病药物的多于一种替代性糖尿病药物引起低血糖的风险,对所述多于一种替代性糖尿病药物进行汇集和排序。
实施方案10:实施方案1至9中任一项的方法,其中当前的糖尿病药物是至少十种不同的糖尿病药物之一,处理单元进一步实施从存储器的数据库建立的当前的糖尿病药物的高血糖功效指数(HEI)与其余药物的HEI的比较,并且用于替换的推荐替代性药物具有与当前施用的药物最相似的高血糖功效指数(HEI),并且其中任选地由处理器单元实施的辅助包括:基于对用于替换当前的糖尿病药物的多于一种替代性糖尿病药物的HEI与当前的糖尿病药物的HEI的相似性,对所述多于一种替代性糖尿病药物进行汇集和排序。
实施方案11:实施方案1至10中任一项的方法,其中步骤 (c1) 和/或步骤 (c2)中的第一统计参数和/或第二统计参数大于第一统计参数和/或第二统计参数的从存储器建立的指示要耐受的偏差的相应预定义最大值则指示需要在所述个体中纠正高血糖,特别地,其中
(i) 在步骤c1) 中确定的第一统计参数大于空腹葡萄糖阈值,和/或
(ii) 在步骤c2) 中确定的第二统计参数大于餐后葡萄糖阈值,
则指示需要在个体中纠正高血糖。
实施方案12:实施方案11的方法,其中针对已经被识别为需要纠正高血糖的个体的疗法的推荐改变包括以下中的一者或多者
(i) 增加当前的糖尿病药物的剂量,
(ii) 向当前的糖尿病药物中添加另外的糖尿病药物,
(iii) 用一种或多种替代性糖尿病药物替换当前的糖尿病药物,
(iv) 向当前的糖尿病药物中添加餐食胰岛素或基础胰岛素,或者基础胰岛素与GLP-1RA的固定比组合。
实施方案13:实施方案11和12的方法,其中本发明的方法的步骤 (b) 还包括从存储器建立 (b5) 葡萄糖波动阈值,并且其中步骤 (c) 还包括 (c5) 确定葡萄糖波动值,其中该葡萄糖波动值是餐后测量值和餐前血液测量值与同一餐的至少三个匹配的餐前测量值和餐后测量值之间的差值的平均值,以及确定平均餐时葡萄糖波动值与葡萄糖波动阈值之间的偏差。
实施方案14:实施方案1至13中任一项的方法,其中由处理器单元在步骤 (c) 中进行的分析还包括确定个体的高血糖患病指数(HPI),或在一个实施方案中由其导出的值,其中HPI是步骤 (c1) 中确定的第一统计参数与步骤 (c2) 中确定的第二统计参数的比,并且其中指导基于该分析步骤 (d3) 的结果。
实施方案15:实施方案14的方法,其中处理单元对个体的HPI或在一个实施方案中由其导出的值与从数据库建立的至少十种药物的高血糖功效指数实施比较,其中,任选地,排除与当前的糖尿病药物的HEI的比较。
实施方案16:实施方案15的方法,其中推荐添加所述至少十种糖尿病药物中的具有与个体的HPI值或在一个实施方案中由其导出的值差异最小的HEI值的糖尿病药物。
实施方案17:实施方案1至16中任一项的方法,其中在步骤 (a) 中接收的葡萄糖数据包括来自所述个体的至少六个空腹葡萄糖测量值,和/或来自所述个体的至少六个匹配的餐前葡萄糖测量值和餐后葡萄糖测量值。
实施方案18:实施方案1至17中任一项的方法,其中该方法还包括步骤a1) 由处理单元实施对是否在步骤a) 中接收到充足的葡萄糖数据的分析,并且其中如果接收到的数据不充足,则用于辅助指导糖尿病药物疗法的方法自动终止,而不提供对糖尿病药物疗法的指导。
实施方案19:实施方案18的方法,其中如果测量值的数量不充足,则发出警报。
实施方案20:实施方案1至19中任一项的方法,其中该方法还包括从存储器建立关于以下中的一者或多者的信息:
• 个体的当前糖尿病药物疗法,优选地关于正在使用的药物和所述药物的剂量;
• 个体的姓名、年龄、性别和/或种族;
• 个体的体重(Kg)和/或肥胖症;
• 个体的身高(cm);
• 个体的肌酸酐水平和/或估计的肾小球滤过率;
• 个体的心血管疾病史和/或糖尿病性肾病史;
• 个体的最后记录的HbA1c值;
• 个体的目标HbA1c。
实施方案21:实施方案1至20中任一项的方法,其中步骤d) 中使用的数据库包含关于 (d4) 下的风险,以及任选地 (d3) 下的至少15种不同的糖尿病药物的高血糖功效指数的信息,所述药物属于至少八种不同的药物类别。
实施方案22:实施方案21的方法,其中八个不同的药物类别为双胍类、磺酰脲类、α-葡糖苷酶抑制剂、格列奈类、二肽基肽酶-4(DPP-4)抑制剂、SGLT-2抑制剂、GLP-1 RA和噻唑烷二酮类。
实施方案23:实施方案1至22中任一项的方法,其中步骤d) 中使用的数据库已基于对至少十种不同药物的III期随机对照试验的分析而建立。
实施方案24:实施方案1至23中任一项的方法,其中步骤d) 中使用的数据库包含关于以下方面的信息:(d4) 下的至少十种药物的风险、(d1) 下的至少十种药物的作用中的至少一种作用、(d2) 下的至少十种药物的作用,以及 (d3) 下的至少十种药物的高血糖功效指数。
实施方案25:实施方案1至24中任一项的方法,其中数据库包含关于以下中的一者或多者的剂量特定信息:(d1)、(d2) 下的作用,(d3) 下的高血糖功效指数,以及 (d4) 下的风险。
实施方案26:实施方案1至25中任一项的方法,其中个体当前用至少十种药物中的至少一种进行治疗。
实施方案27:实施方案1至26中任一项的方法,其中该方法还包括从存储器建立关于至少十种糖尿病药物的费用的信息,并且其中辅助指导糖尿病药物疗法还基于至少十种糖尿病药物的费用。
实施方案28:实施方案1至27中任一项的方法,其中该方法还包括由处理单元预测推荐疗法(如果选择的话)将达到个体的目标HbA1c的概率。
实施方案29:实施方案28的方法,其中预测的概率被显示在显示器上。
实施方案30:实施方案1至29中任一项的方法,其中数据库包括关于至少十种糖尿病药物对所治疗的受试者的体重的影响的信息,并且其中指导还基于该信息和个体的当前体重状态。
实施方案31:实施方案30的方法,其中体重状态是基于个体的已经从存储器建立的体重和身高来确定的。
实施方案32:实施方案1至31中任一项的方法,其中关于在步骤d) 中做出的指导的信息被自动传送到个体的电子医疗记录。
实施方案33:实施方案1至32中任一项的方法,其中如果推荐改变个体的糖尿病药物疗法,则自动地以电子方式开具处方。
实施方案34:实施方案33的方法,其中处方被打印。
实施方案35:前述实施方案中任一项的方法,其中步骤 (c1) 和/或步骤 (c2) 中的第一统计参数和/或第二统计参数大于第一统计参数和/或第二统计参数的从存储器建立的指示要耐受的偏差的相应预定义最大值则指示需要在所述个体中纠正高血糖,
其中在步骤 (c4) 中确定的低血糖事件的数量大于从存储器建立的要由个体耐受的低血糖事件的预定义最大数量则指示需要避免低血糖,并且
其中该辅助指导包括:如果步骤c) 中的分析指示需要在所述个体中避免低血糖和/或纠正高血糖,则推荐改变当前的糖尿病药物疗法,
其中当前的糖尿病药物是至少十种不同的糖尿病药物之一,处理单元进一步实施从存储器的数据库建立的当前的糖尿病药物的高血糖功效指数(HEI)与其余药物的HEI值的比较,并且用于替换的推荐替代性药物具有与当前施用的药物最相似的HEI值;或者
其中该辅助指导包括:如果步骤c) 中的分析指示需要纠正高血糖,则推荐向疗法中添加另外的糖尿病药物,其中推荐添加所述至少十种糖尿病药物中的具有与在步骤(c3) 中确定的个体的HPI值或由其导出的值差异最小的HEI值的糖尿病药物。
实施方案36:一种计算机程序产品,其存储在存储介质上并且被配置为在处理单元上的操作期间执行根据实施方案1至35中任一项的方法。
实施方案37:一种用于辅助指导患有糖尿病的个体的糖尿病药物疗法的装置,所述装置包括处理单元以及含有计算机可执行指令的计算机程序,其中所述指令在由处理单元执行时,将使该处理单元执行实施方案1至35中任一项的计算机实现的方法。
实施方案38:根据实施方案37的装置,其中该装置还包括用户界面和显示器,它们耦接到该装置的处理单元。
实施方案39:实施方案37或38的装置,其中该装置提供关于糖尿病药物疗法的指导作为输出。
在整个说明书中引用的所有参考文献均全文并且相对于具体提及的公开内容以引用方式并入本文。
附图说明
图1示出了PPT的计算机实现的版本。示出的窗口代表允许选择个别病例的主菜单。
图2示出了允许输入个人数据以及健康参数(诸如肌酸酐HbA1c等)的窗口。
图3示出了允许输入餐前时间段和餐后时间段以及当前的药物疗法的窗口。
图4示出了允许输入一天中的进餐的窗口。
图5示出了允许显示一周内的SMBG频率和模式的窗口。
图6示出了允许输入餐时葡萄糖阈值、低血糖阈值和耐受的低血糖事件的窗口。
图7示出了上传信息窗口。
图8示出了允许输入餐前时间段和餐后时间段的窗口。该窗口还显示了测量次数和正确测量的百分比。
图9示出了显示SMBG数据评估的窗口。指示的是平均FBG、上阈值FBG、平均PPBG、上阈值PPGB、低血糖事件的数量以及耐受的低血糖事件的最大数量,并且计算的是这些比。
图10示出了类似于图9的窗口。然而,该窗口还显示了对诊断的辅助,即由PPT提供的结果(评估结果)。
图11示出了指示对治疗措施的建议的窗口。
图12示出了建议临床医生可以考虑的具体药物及其剂量的窗口。
实施例
以下实施例应当仅对本发明进行举例说明,但无论如何不应当被解释为限制本发明的范围。
实施例1:个性化治疗工具
1.个性化治疗工具(PTT)的功能和前提条件
PPT基于以下功能:
A. 它利用了关于具体的糖尿病药物对空腹葡萄糖(FBG)水平和餐后葡萄糖(PPG)水平的功效的知识,并且考虑了与这些药物相关联的低血糖风险。
B. 它具有基于从结构化自我监测血糖(SMBG)曲线导出的结果识别患有2型糖尿病的个体患者中葡萄糖水平的异常(与高血糖和低血糖这两者都有关系)的能力;这在那些未得到充分控制(即未达到HbA1c目标)的患者(但又不限于这些患者)中特别有用。
C. 它已经实施了下述算法:该算法可以针对在患有2型糖尿病的个体患者中发现的特定葡萄糖异常,关于口服药物和/或基础胰岛素疗法建议最有效和最安全的糖尿病药物。
将使用与以下19种分子有关的糖尿病药物数据库:
• 双胍类:二甲双胍;磺酰脲类
• (SU):格列美脲、格列齐特;
• 格列奈类:瑞格列奈;
• α-葡糖苷酶抑制剂:阿卡波糖;
• 二肽基肽酶-4(DPP-4)抑制剂:西他列汀、阿格列汀、维格列汀、沙格列汀、利格列汀;
• SGLT-2抑制剂:依帕列净、卡格列净、达格列净;
• GLP-1受体激动剂(GLP-1 RA):利拉鲁肽、艾塞那肽BID、艾塞那肽LAR、杜拉鲁肽、利西那肽;
• 噻唑烷二酮类:吡格列酮。
除此之外,该算法将考虑使用基础胰岛素和餐食胰岛素。随着用于治疗高血糖的新药物问世,这些药物应当被纳入数据库。
PTT利用了软件,该软件可以分析结构化SMBG数据(即,与空腹或餐前阶段和餐后2小时的时间点相关的SMBG数据)、确定低血糖发作的频率并且确定高血糖的模式,方式为:
(i.) 评估测得的FBG中值与最佳FBG之间的差值,在一个实施方案中,评估测得的FBG平均值与最佳FBG之间的差值,
(ii.) 评估测得的PPG中值与最佳PPG之间的差值,在一个实施方案中,评估测得的PPG平均值与最佳PPG之间的差值
(iii.) 计算葡萄糖波动(即,同一餐的餐后2小时葡萄糖水平与餐前葡萄糖水平之间的差值)。
2. 通过操作PPT实施的任务
(1) 第一步,输入和设置数据,建立如下:
• 个人数据 - 姓名、年龄、性别、种族
• 体重(Kg)
• 身高(cm)
• 肌酸酐(mg/dl和mmol/l)
• 心血管疾病(是/否)
• 当前的糖尿病疗法(药物,剂量)
• 最后记录的HbA1c值(%和mmol/mol)
• 个体患者的目标HbA1c(%和mmol/mol) – 需单独设置
• SMBG的频率和模式 – 可以对提供的表进行编辑
• 在过去的30天(在一个实施方案中为45天)中收集的结构化SMBG数据 – 从其他软件上传;药物建议的强度将取决于在该时段中记录的值的数量
• 餐时葡萄糖波动阈值 – 最大耐受葡萄糖波动(餐前/餐后)需单独设置;默认值为60 mg/dl,在一个实施方案中为50 mg/dl
• 低血糖阈值 – 需单独设置;默认值为70 mg/dl
• 要在4周内耐受的低血糖事件的数量 - 需单独设置;默认值为0
(2) 随后,软件分析过去30天(在一个实施方案中为45天)的时段中的SMBG数据,并且突出显示葡萄糖水平的异常(将表示为值和范围)。特别地,将进行以下计算:
• 计算平均FBG(在一个实施方案中为中值FBG)与阈值FBG(100 mg/dl)之间的差值,以提供有关过量的空腹葡萄糖的信息
• 计算中值PPG与阈值PPG(140 mg/dl)之间的差值,以提供有关过量的餐后葡萄糖的信息
• 测量过量的低血糖事件的数量对耐受的低血糖事件的数量
• 基于所有SMBG数据计算平均葡萄糖值
在所有情况下,如果FBG中值 – 100 < 25 mg/dl,在一个实施方案中FBG平均值 –100 < 25 mg/dl,则将该值设置为25 mg/dl用于随后的计算;并且如果PPG中值 – 140 <20 mg/dl,在一个实施方案中PPG平均值 – 140 < 20 mg/dl,则将该值设置为20 mg/dl用于随后的计算。
(3) 软件分析了过去30天(在一个实施方案中为45天)的时段中的SMBG数据,并且突出显示葡萄糖水平的异常(将表示为警报):
• 检测到低血糖 – 如果测得的低血糖事件的数量 > 耐受的低血糖事件的数量→“需要避免低血糖”
• 检测到高血糖 – 如果FBG中值与FBG阈值(100 mg/dl)之间的差值 > 25 mg/dl,在一个实施方案中FBG平均值与FBG阈值(100 mg/dl)之间的差值 > 25 mg/dl,和/或PPG中值与PPG阈值(140 mg/dl)之间的差值 > 20 mg/dl,在一个实施方案中PPG平均值与PPG阈值(140 mg/dl)之间的差值 > 20 mg/dl →“潜在纠正高血糖”
• 在一个实施方案中,当过量的FBG < 30 mg/dL时,将该值设置为30 mg/dl以用于后续计算;当过量的PPBG < 20 mg/dL时,将该值设置为20 mg/dL以用于后续计算。
(4) 该软件在对科学文献(III期研究包含有关7点或8点SMBG的信息;将定期更新)进行回顾的基础上,利用了糖尿病药物的特性:
• 对FBG的作用(作为单一疗法,作为对其他降糖药物的补充)
• 对PPG的作用(作为单一疗法,作为对其他降糖药物的补充)
• 对FBG的作用与对PPG(高血糖功效指数)的作用的中值比 – 来自同一类别的药物将具有相同的HEI,并且在一个实施方案中,具有相同的低血糖风险指数
• 低血糖风险(低血糖风险指数)
(5) 该软件提出有关糖尿病药物疗法的建议:
a) 如果存在“需要避免低血糖”→则软件验证当前使用的药物是否可以促进低血糖并且建议 a1) 用低血糖风险指数较低的另一种替代性药物替换该药物
a2) 减少当前药物的剂量
建议药物的列表基于低血糖风险指数排序,显示具有较低到较高低血糖风险指数的药物(将显示多个潜在选项),但排除使用中的药物;排序还基于高血糖功效指数,以便首先考虑那些与使用中的药物具有最相似的高血糖功效指数的药物。在一个实施方案中,软件将省略列出:使用中的药物、禁止的药物联用、根据患者的eGFR禁忌使用的那些药物。
b) 如果存在“潜在纠正高血糖”→则软件验证当前使用的药物的剂量是否最大并且建议
b1) 适当时增加当前使用的药物的剂量
b2) 添加一种或多种对检测到的高血糖模式有特定作用的药物
b3) 考虑替换一种或多种药物
b4) 适当时考虑添加餐食胰岛素或基础胰岛素,或者基础胰岛素与GLP-1RA的固定比组合。
建议药物的列表基于药物的高血糖患病指数(高血糖患病率通过将过量的空腹葡萄糖水平除以过量的餐后葡萄糖水平来计算)与高血糖功效指数之间的比较:
• 在添加药物的情况下,建议药物的列表基于高血糖患病指数(HPI)与高血糖功效指数之间的差值,从最小到最大排列;低血糖风险指数也被突出显示(将显示多个潜在选项的排序)
• 在替换药物的情况下,建议药物的列表基于高血糖功效指数,首先考虑与使用中的药物具有最相似的高血糖功效指数的那些药物(将显示多个潜在选项的排序);低血糖风险指数也被突出显示(将显示多个潜在选项的排序)。
• 如果测得的餐后葡萄糖波动大于在存在餐后高血糖的情况下的参考值(即,FBG过量 < 30 mg/dL并且任何PPG过量 ≥ 20 mg/dL),则在一个实施方案中,对餐后葡萄糖波动具有最高功效的药物(即,短效GLP1-RA和DPP-4i)将显示在列表的顶部。
• 在一个实施方案中,基础胰岛素制剂和/或餐食胰岛素制剂作为默认设置显示在药物列表的末尾,因为没有提供胰岛素的HEI。
• 在一个实施方案中,软件将省略列出:使用中的药物、禁止的药物联用、根据患者的eGFR禁忌使用的那些药物。
• 在一个实施方案中,如果动脉粥样硬化性心血管疾病和/或心力衰竭和/或糖尿病性肾病和/或BMI是相关的(输入设置),则软件将在适当时突出显示具有经证实的心血管益处、肾益处和/或体重益处的药物类别。
适当时,软件在其他药物的列表的末尾列出基础胰岛素、餐食胰岛素或双相胰岛素。
c) 在一个实施方案中,如果存在“需要避免低血糖”以及“潜在纠正高血糖”→则软件询问医师优先事项是以下哪一项:
- “需要避免低血糖”→软件如a) 中那样工作
- “潜在纠正高血糖”→软件如b) 中那样工作
- “需要避免低血糖”,并且同时“潜在纠正高血糖”→软件的工作方式如下:
• 在替换药物的情况下,建议药物的列表基于HRI,其中HRI从较低到较高(将显示多个潜在选项)。
• 该排序还考虑了HEI,列出了与首先使用的药物具有最相似的HEI的那些药物。
• 在添加药物的情况下,建议药物的列表基于HPI与HEI之间的差值,从最小到最大排序;HRI也被突出显示(将显示多个潜在选项的排序)。
• 如果测得的餐后葡萄糖波动大于在存在餐后高血糖的情况下的参考值(即,FBG过量 < 30 mg/dL并且任何PPG过量 ≥ 20 mg/dL),则对餐后葡萄糖波动具有最高功效的药物(即,短效GLP1-RA和DPP-4i)将显示在列表的顶部。
• 基础胰岛素制剂和/或餐食胰岛素制剂作为默认设置显示在药物列表的末尾,因为没有提供胰岛素的HEI。
• 软件将省略列出:使用中的药物、禁止的药物联用、根据患者的eGFR禁忌使用的那些药物。
• 如果动脉粥样硬化性心血管疾病和/或心力衰竭和/或糖尿病性肾病和/或BMI是相关的(输入设置),则软件将在适当时突出显示具有经证实的心血管益处、肾益处和/或体重益处的药物类别。
(6) 软件利用输入数据来突出显示以下情形(将表示为警报),以支持针对特定患者选择最适当的药物:
a) 收集SMBG数据
• 不足 – 如果测得的葡萄糖值没有充分地结构化或者如果它们的数量少于所需的最小值(少于3个FBG值、少于3对来自任何一餐(只要来自同一餐即可)的餐前葡萄糖值和餐后葡萄糖值,这些值是在过去的30天(在一个实施方案中为45天)中收集的)
• 足够 – 如果测得的葡萄糖值的数量与所需的最小值一样多(3个FBG值、3对来自任何一餐(只要来自同一餐即可)的餐前葡萄糖值和餐后葡萄糖值,这些值是在过去的30天(在一个实施方案中为45天)中收集的)
• 品质良好 – 如果测得的葡萄糖值包括4至6个FBG值、4至6对来自任何一餐(只要来自同一餐即可)的餐前葡萄糖值和餐后葡萄糖值,这些值是在过去的30天(在一个实施方案中为45天)中收集的
• 品质极好 – 如果测得的葡萄糖值包括多于6个FBG值、多于6对来自任何一餐(只要来自同一餐即可)的餐前葡萄糖值和餐后葡萄糖值,这些值是在过去的30天(在一个实施方案中为45天)中收集的。
b) HbA1c
• 最后记录的HbA1c值
• 目标HbA1c
c) 平均SMBG值
• 基于最后测得的HbA1c估计的平均葡萄糖值
• 基于所有SMBG数据计算的平均葡萄糖值
d) 餐时葡萄糖波动
• 计算的平均葡萄糖波动
• 目标葡萄糖波动(即,< 60 mg/dl,在一个实施方案中< 50 mg/dl)
e) eGFR - 根据MDRD公式和CKD-EPI公式自动计算
f) CVD,在一个实施方案中为动脉粥样硬化性心血管疾病 – 是或否
g) BMI自动计算并表示为
• 体重不足 – 低于18.5
• 正常 – 从18.5至24.9
• 超重 – 从25至29.9
• 肥胖 – 超过30
h) 年龄 – 如果 > 75岁
i) 在一个实施方案中,除此之外,可以利用以下输入数据:心力衰竭 - 是或否;糖尿病性肾病 - 是或否。
实施例2:PPT工具算法对临床病例的模拟
1. 要耐受的低血糖事件的数量低于阈值→算法验证是否需要纠正高血糖或葡萄糖波动(参见下文)
2. 要耐受的低血糖事件的数量高于阈值→第一动作是纠正低血糖,因此算法建议
2a.减少当前使用的药物的剂量
2b.改变一种或多种使用中的药物 – 建议药物的列表基于低血糖风险指数排序,其中排序从最低到最高(将显示多个潜在选项)
A. 在存在FBG中值 – 100 mg/dl < 40 mg/dl,在一个实施方案中FBG平均值 –100 mg/dl < 40 mg/dl,并且任何PPG中值 – 140 mg/dl,在一个实施方案中任何PPG平均值 – 140 mg/dl的情况下,葡萄糖波动 > 60 mg/dl→算法首先建议
√ 利西那肽
√ 艾塞那肽
√ DPP-4i
B. 在存在FBG中值 – 100 mg/dl ≥ 40 mg/dl,在一个实施方案中FBG平均值 –100 mg/dl < 40 mg/dl,并且任何PPG中值 – 140 mg/dl,在一个实施方案中任何PPG平均值 – 140 mg/dl的情况下,葡萄糖波动 > 60 mg/dl→算法计算高血糖患病指数(HPI)并且建议根据药物的高血糖功效指数(HEI)将其添加到当前疗法中:
1号病例:
FBG:160 mg/dl
PPG:210 mg/dl
餐前葡萄糖:145 mg/dl,PPG:210 mg/dl → 葡萄糖波动:65 mg/dl
高血糖患病指数 = ( FBG中值 – 100)/( PPG中值 – 140) = 60/70 = 0.857
算法用基于高血糖患病指数(HPI)与高血糖功效指数之间的差值的排序建议药物;低血糖风险指数也被突出显示:
√ 长效GLP-1 RA 艾塞那肽LAR(2 mg) HEI 0.76 HRI 1 – 低
√ 长效GLP-1 RA 利拉鲁肽(1,2 mg) HRI 1 – 低
√ 长效GLP-1 RA 利拉鲁肽(1,8 mg) HRI 1 – 低
√ 长效GLP-1 RA 杜拉鲁肽(0,75 mg) HRI 1 – 低
√ 长效GLP-1 RA 杜拉鲁肽(1,5 mg) HRI 1 – 低
√ 磺酰脲类 格列美脲(1 mg至8 mg) HEI 0.69 HRI 2 – 中等
√ 磺酰脲类 格列齐特(80 mg至320 mg) HRI 2 – 中等
√ 磺酰脲类 格列齐特MR(60 mg至90 mg) HRI 2 – 中等
√ 双胍类 二甲双胍(≥1000 mg) HEI 0.59 HRI 1 - 低
√ SGLT-2i 依帕列净(10 mg) HEI 0.56 HRI 1 - 低
√ SGLT-2i 依帕列净(25 mg) HRI 1 - 低
√ SGLT-2i 卡格列净(100 mg) HRI 1 - 低
√ SGLT-2i 卡格列净(300 mg) HRI 1 - 低
√ SGLT-2i 达格列净(10 mg) HRI 1 - 低
√ α-糖苷酶抑制剂 阿卡波糖(300 mg) HEI 0.54 HRI 1 - 低
√ …
2号病例(主要高血糖指标为PPG):
FBG:140 mg/dl
PPG:210 mg/dl
餐前葡萄糖:135 mg/dl,PPG:210 mg/dl → 葡萄糖波动:75 mg/dl
高血糖患病指数 = ( FBG中值 – 100)/( PPG中值 – 140) = 40/70 = 0.571
算法用基于高血糖患病指数(HPI)与高血糖功效指数(HEI)之间的比较的排序建议药物;低血糖风险指数(HRI)也被突出显示:
√ SGLT-2i 依帕列净(10 mg) HEI 0.56 HRI 1 - 低
√ SGLT-2i 依帕列净(25 mg) HRI 1 - 低
√ SGLT-2i 卡格列净(100 mg) HRI 1 - 低
√ SGLT-2i 卡格列净(300 mg) HRI 1 - 低
√ SGLT-2i 达格列净(10 mg) HRI 1 - 低
√ 双胍类 二甲双胍(≥1000 mg) HEI 0.59 HRI 1 - 低
√ 格列奈 瑞格列奈(1,5 mg至12 mg) HEI 0.62 HRI 2 – 中等
√ …
C. 在存在FBG中值 – 100 ≥ 25 mg/dl并且PPG中值 – 140 ≥ 20 mg/dl的情况下,葡萄糖波动 < 60 mg/dl→算法如B中那样计算高血糖患病指数并且建议根据药物的高血糖功效指数(HEI)将其添加到当前疗法中。
3号病例(主要高血糖指标为FBG)
FBG:180 mg/dl
PPG:210 mg/dl
HPI = ( FBG中值 – 100)/( PPG中值 – 140) = 80/70 = 1.14
餐前葡萄糖:170 mg/dl,PPG:210 mg/dl → 葡萄糖波动:30 mg/dl
算法用基于高血糖患病指数(HPI)与高血糖功效指数(HEI)之间的比较的排序建议药物;低血糖风险指数(HRI)也被突出显示:
√ 格列酮 吡格列酮(30 mg) HEI 1.14 HRI 1 - 低
√ 格列酮 吡格列酮(45 mg) HRI 1 - 低
√ 磺酰脲类 格列美脲(1 mg至8 mg) HEI 0.69 HRI 2 – 中等
√ 磺酰脲类 格列齐特(80 mg至320 mg) HRI 2 – 中等
√ 磺酰脲类 格列齐特MR(60 mg至90 mg) HRI 2 – 中等
√ α-糖苷酶抑制剂 阿卡波糖(300 mg) HEI 0.54 HRI 1 – 低
√ …
D. 在存在PPG中值 – 140 > 50 mg/dl,在一个实施方案中PPG平均值 – 140 >50 mg/dl的情况下,葡萄糖波动 > 50 mg/dl→算法如B中那样工作,而且还建议将餐食胰岛素添加到要考虑的其他药物中。软件在其他药物的列表的末尾列出餐食胰岛素或双相胰岛素。
E.FBG中值 – 100 ≥ 50 mg/dl,在一个实施方案中FBG平均值 – 100 ≥ 50 mg/dl→算法如B中那样工作,而且还建议将基础胰岛素添加到要考虑的其他药物中。软件在其他药物的列表的末尾列出基础胰岛素或双相胰岛素。
F. 在存在FBG中值 – 100 < 25 mg/dl,在一个实施方案中FBG平均值 – 100 <25 mg/dl,并且PPG中值 – 140 < 20 mg/dl,在一个实施方案中PPG平均值 – 140 < 20mg/dl的情况下,葡萄糖波动 > 60 mg/dl = 这种情形不应当在现实生活中发生!
Claims (15)
1.一种用于辅助指导患有糖尿病的个体的糖尿病药物疗法的计算机实现的方法,所述方法包括以下步骤:
(a) 在处理单元处接收所述个体的葡萄糖数据,其中所述葡萄糖数据包括来自所述个体的至少三个空腹葡萄糖测量值,和/或来自所述个体的至少三个匹配的餐前葡萄糖测量值和餐后葡萄糖测量值,
(b) 从存储器建立以下中的一者或多者
(b1) 空腹葡萄糖阈值,
(b2) 餐后葡萄糖阈值,
(b3) 低血糖阈值,以及
(b4) 要耐受的低血糖事件的最大数量,
(c) 由所述处理单元实施对所述个体的葡萄糖测量值的分析,所述分析包括以下中的一者或多者:
(c1) 确定指示所述至少三个空腹葡萄糖测量值与所述空腹葡萄糖阈值之间的偏差的第一统计参数,
(c2) 确定指示所述至少三个餐后葡萄糖测量值与所述餐后葡萄糖阈值之间的偏差的第二统计参数,
(c3) 确定高血糖患病指数(HPI)或由其导出的值,其中所述HPI是步骤 (c1) 中确定的所述第一统计参数与步骤 (c2) 中确定的所述第二统计参数的比,
(c4) 通过将所述个体的空腹葡萄糖测量值、餐前葡萄糖测量值和餐后葡萄糖测量值与所述低血糖阈值进行比较,来确定低血糖事件的数量,以及
(d) 辅助指导所述个体的糖尿病药物疗法,其中所述辅助由所述处理器单元实施,并且基于在步骤c) 中实施的所述分析的结果以及以下中的一者或多者
(d1) 至少十种不同的糖尿病药物对空腹葡萄糖的作用,
(d2) 所述至少十种不同的糖尿病药物对餐后葡萄糖的作用,
(d3) 所述至少十种药物的高血糖功效指数,其中药物的所述高血糖功效指数(HEI)是所述药物对空腹葡萄糖的作用与所述药物对所述餐后葡萄糖的作用的比,
(d4) 所述至少十种糖尿病药物引起低血糖的风险,
其中 (d1)、(d2) 下的所述作用、(d3) 下的所述指数和 (d4) 下的所述风险是从来自存储器的所述至少十种糖尿病药物的数据库建立的,
其中步骤 (c1) 和/或步骤 (c2) 中的所述第一统计参数和/或所述第二统计参数大于所述第一统计参数和/或所述第二统计参数的从所述存储器建立的指示要耐受的偏差的相应预定义最大值则指示需要在所述个体中纠正高血糖,
其中在步骤 (c4) 中确定的低血糖事件的数量大于从所述存储器建立的要由所述个体耐受的低血糖事件的预定义最大数量则指示需要避免低血糖,并且
其中所述辅助指导包括:如果步骤c) 中的所述分析指示需要在所述个体中避免低血糖和/或纠正高血糖,则推荐改变当前的糖尿病药物疗法,其中所述当前的糖尿病药物是所述至少十种不同的糖尿病药物之一,所述处理单元进一步实施从所述存储器的所述数据库建立的所述当前的糖尿病药物的所述高血糖功效指数(HEI)与其余药物的所述HEI值的比较,并且用于替换的推荐替代性药物具有与当前施用的药物最相似的HEI值;或者
其中所述辅助指导包括:如果步骤c) 中的所述分析指示需要纠正高血糖,则推荐向所述疗法中添加另外的糖尿病药物,其中推荐添加所述至少十种糖尿病药物中的具有与在步骤 (c3) 中确定的所述个体的HPI的值或由其导出的值差异最小的HEI值的糖尿病药物。
2.根据权利要求1所述的方法,其中所述辅助指导经由被配置用于呈现所述辅助指导的显示器来提供。
3.根据权利要求1或2所述的方法,其中由所述处理器单元实施的所述辅助包括:基于对用于替换所述当前的糖尿病药物的多于一种替代性糖尿病药物的HEI与所述当前的糖尿病药物的所述HEI的相似性,对所述多于一种替代性糖尿病药物进行汇集和排序。
4.根据权利要求1至3中任一项所述的方法,其中所述当前的糖尿病药物是所述至少十种不同的糖尿病药物之一,所述处理单元进一步实施从所述存储器的所述数据库建立的所述当前的糖尿病药物引起低血糖的所述风险与其余药物引起低血糖的所述风险的比较,并且与所述当前的糖尿病药物相比,用于替换所述当前药物的推荐的替代性药物与较低的低血糖的风险相关联。
5.根据权利要求1至4中任一项所述的方法,其中
(i) 在步骤c1) 中确定的第一统计参数大于所述空腹葡萄糖阈值,和/或
(ii) 在步骤c2) 中确定的第二统计参数大于所述餐后葡萄糖阈值,
则指示需要在所述个体中纠正高血糖。
6.根据权利要求1至5中任一项所述的方法,其中所述处理单元实施所述个体的HPI或由其导出的值与从所述数据库建立的所述至少十种药物的所述高血糖功效指数的比较。
7.根据权利要求1至6中任一项所述的方法,其中所述辅助指导包括:如果步骤c) 中的所述分析指示不需要避免低血糖并且不需要在所述个体中纠正高血糖,则推荐不改变所述当前的糖尿病药物疗法。
8.根据权利要求1至7中任一项所述的方法,其中所述方法还包括步骤a1) 由所述处理单元实施对在步骤a) 中是否接收到充足的葡萄糖数据的分析,并且其中如果接收到的数据不充足,则所述用于辅助指导糖尿病药物疗法的方法自动终止,而不提供对糖尿病药物疗法的指导。
9.根据权利要求1至8中任一项所述的方法,其中步骤d) 中使用的所述数据库包含关于以下方面的信息:(d4) 下的所述至少十种药物的所述风险、以及(d1) 下的所述至少十种药物的所述作用中的至少一种作用、(d2) 下的所述至少十种药物的所述作用、以及(d3) 下的所述至少十种药物的所述高血糖功效指数。
10.根据权利要求1至9中任一项所述的方法,其中所述数据库包含关于以下中的一者或多者的剂量特定信息:(d1)、(d2) 下的所述作用,(d3) 下的所述高血糖功效指数,以及(d4) 下的所述风险。
11.根据权利要求1至10中任一项所述的方法,其中所述方法还包括从存储器建立关于所述至少十种糖尿病药物的费用的信息,并且其中所述辅助指导所述糖尿病药物疗法还基于所述至少十种糖尿病药物的所述费用。
12.根据权利要求1至11中任一项所述的方法,其中关于在步骤d) 中做出的所述指导的信息被自动传送到所述个体的电子医疗记录。
13.根据权利要求1至12中任一项所述的方法,其中步骤 (c3) 是确定高血糖患病指数(HPI),并且其中推荐添加所述至少十种糖尿病药物中的具有与在步骤 (c3) 中确定的所述个体的HPI的值差异最小的HEI值的糖尿病药物。
14.一种计算机程序产品,其存储在存储介质上并且被配置为在处理单元上的操作期间执行根据权利要求1至13中任一项所述的方法。
15.一种用于辅助指导患有糖尿病的个体的药物糖尿病疗法的装置,所述装置包括处理单元以及含有计算机可执行指令的计算机程序,其中所述指令在由所述处理单元执行时,使所述处理单元执行根据权利要求1至13中任一项所述的计算机实现的方法。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP18199132 | 2018-10-08 | ||
EP18199132.4 | 2018-10-08 | ||
PCT/EP2019/077201 WO2020074500A1 (en) | 2018-10-08 | 2019-10-08 | Personalized treatment tool |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113039607A true CN113039607A (zh) | 2021-06-25 |
Family
ID=63794389
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201980071152.1A Pending CN113039607A (zh) | 2018-10-08 | 2019-10-08 | 个性化治疗工具 |
Country Status (9)
Country | Link |
---|---|
US (1) | US20220101973A1 (zh) |
EP (1) | EP3864662B1 (zh) |
JP (1) | JP7502282B2 (zh) |
CN (1) | CN113039607A (zh) |
AU (1) | AU2019356127A1 (zh) |
BR (1) | BR112021006610A2 (zh) |
CA (1) | CA3114507A1 (zh) |
MX (1) | MX2021004044A (zh) |
WO (1) | WO2020074500A1 (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU2022382954A1 (en) * | 2021-11-05 | 2024-05-23 | Abbott Diabetes Care Inc. | Methods, devices, and systems for adjusting laboratory hba1c values |
FR3129071A1 (fr) * | 2021-11-18 | 2023-05-19 | DiappyMed | Dispositif de détermination dynamique de dose d’insuline basale à injecter |
WO2023233898A1 (ja) * | 2022-06-03 | 2023-12-07 | 株式会社レナサイエンス | 糖尿病治療薬の投与量の予測を支援する方法、予測支援装置、予測支援システム、及び予測支援プログラム |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4273036B2 (ja) * | 2004-05-12 | 2009-06-03 | 中 奥村 | 投薬支援プログラム、投薬支援装置、投薬支援プログラムを記録した記録媒体及び投薬支援システム |
EP2171630A1 (en) * | 2007-06-27 | 2010-04-07 | F. Hoffmann-Roche AG | System and method for developing patient specific therapies based on modeling of patient physiology |
JP5657559B2 (ja) * | 2008-11-26 | 2015-01-21 | ユニバーシティ オブ ヴァージニア パテント ファウンデーション | 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 |
CA2747309C (en) | 2008-12-23 | 2023-09-26 | F. Hoffmann-La Roche Ag | Structured testing method for diagnostic or therapy support of a patient with a chronic disease and devices thereof |
US20110208027A1 (en) * | 2010-02-23 | 2011-08-25 | Roche Diagnostics Operations, Inc. | Methods And Systems For Providing Therapeutic Guidelines To A Person Having Diabetes |
DK3409201T3 (da) * | 2013-03-15 | 2024-07-15 | Abbott Diabetes Care Inc | System og fremgangsmåde til håndtering af diabetes baseret på glucosemedian, glucosevariabilitet og hypoglykæmisk risiko |
-
2019
- 2019-10-08 EP EP19783034.2A patent/EP3864662B1/en active Active
- 2019-10-08 CN CN201980071152.1A patent/CN113039607A/zh active Pending
- 2019-10-08 WO PCT/EP2019/077201 patent/WO2020074500A1/en active Application Filing
- 2019-10-08 MX MX2021004044A patent/MX2021004044A/es unknown
- 2019-10-08 AU AU2019356127A patent/AU2019356127A1/en active Pending
- 2019-10-08 US US17/281,094 patent/US20220101973A1/en active Pending
- 2019-10-08 CA CA3114507A patent/CA3114507A1/en active Pending
- 2019-10-08 JP JP2021519664A patent/JP7502282B2/ja active Active
- 2019-10-08 BR BR112021006610A patent/BR112021006610A2/pt unknown
Also Published As
Publication number | Publication date |
---|---|
EP3864662B1 (en) | 2024-08-28 |
AU2019356127A1 (en) | 2021-04-29 |
US20220101973A1 (en) | 2022-03-31 |
CA3114507A1 (en) | 2020-04-16 |
BR112021006610A2 (pt) | 2021-07-06 |
JP7502282B2 (ja) | 2024-06-18 |
MX2021004044A (es) | 2021-06-04 |
WO2020074500A1 (en) | 2020-04-16 |
JP2022504583A (ja) | 2022-01-13 |
EP3864662A1 (en) | 2021-08-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Beck et al. | Effect of continuous glucose monitoring on glycemic control in adults with type 1 diabetes using insulin injections: the DIAMOND randomized clinical trial | |
American Diabetes Association | 6. Glycemic targets: standards of medical care in diabetes—2020 | |
Onady et al. | Insulin and oral agents for managing cystic fibrosis‐related diabetes | |
JP4289869B2 (ja) | 糖尿病診断支援システム | |
US9990581B2 (en) | Insulin dosage assessment and recommendation system | |
CA2615575C (en) | Systems, methods and computer program products for recognition of patterns of hyperglycemia in a user | |
CN113039607A (zh) | 个性化治疗工具 | |
Tamir et al. | Quality of life and patient-perceived difficulties in the treatment of type 2 diabetes | |
Shang et al. | Not only diabetes but also prediabetes leads to functional decline and disability in older adults | |
Gubitosi-Klug et al. | Continuous glucose monitoring in adults with type 1 diabetes with 35 years duration from the DCCT/EDIC study | |
Onady et al. | Drug treatments for managing cystic fibrosis‐related diabetes | |
Segar et al. | Association of visit-to-visit variability in kidney function and serum electrolyte indexes with risk of adverse clinical outcomes among patients with heart failure with preserved ejection fraction | |
US11793471B2 (en) | Method and system for monitoring a diabetes treatment plan | |
Sherr et al. | Severe hypoglycemia and impaired awareness of hypoglycemia persist in people with type 1 diabetes despite use of diabetes technology: results from a cross-sectional survey | |
Kim et al. | Three-day continuous glucose monitoring for rapid assessment of hypoglycemic events and glycemic variability in type 1 diabetic patients | |
Huang et al. | The comparative epidemiology and outcomes of hospitalized patients treated with SGLT2 or DPP4 inhibitors | |
Matejko et al. | Predictors of the maximal oxygen consumption in adult patients with type 1 diabetes treated with personal insulin pumps | |
Singleton et al. | Effect of intensive glycemic and blood pressure control on QT prolongation in diabetes: the ACCORD trial | |
RU2823201C2 (ru) | Способ и устройство для оказания помощи в управлении лекарственной терапией диабета | |
Alameri et al. | Incidence and rate of progression of prediabetes to type 2 diabetes: a 10-year retrospective study from uae | |
Tomaszewski | Skin Intrinsic Fluorescence in the Epidemiology of Diabetes and Complications Study: Predictors and Association with all-cause Mortality | |
Wenell | The effect on HbA1c in patients with type 2diabetes who start with FreeStyle Libre–a retrospective study of medical records in Region Örebro County, 2019 | |
Zhang et al. | Association between the stress hyperglycemia ratio and all-cause mortality in critically ill patients with Acute Ischemic Stroke: a retrospective cohort study | |
Kamiński et al. | Nighttime Hypoglycemia in Children with Type 1 Diabetes after one Day of Football Tournament | |
Cho et al. | Diabetes Care Publish Ahead of Print, published online June 21, 2019 |
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 |