CN113194827A - 分析物传感器与阻抗确定 - Google Patents

分析物传感器与阻抗确定 Download PDF

Info

Publication number
CN113194827A
CN113194827A CN201980084659.0A CN201980084659A CN113194827A CN 113194827 A CN113194827 A CN 113194827A CN 201980084659 A CN201980084659 A CN 201980084659A CN 113194827 A CN113194827 A CN 113194827A
Authority
CN
China
Prior art keywords
sensor
impedance
analyte sensor
current
analyte
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
CN201980084659.0A
Other languages
English (en)
Inventor
S·泊姆
A·C·哈利-朝其麦克
D·荣
R·马
W·兰
施明连
D·B·谢特
N·卡尔法斯
V·P·克拉布特里
K·特克索伊
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.)
Dexcom Inc
Original Assignee
Dexcom Inc
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 Dexcom Inc filed Critical Dexcom Inc
Publication of CN113194827A publication Critical patent/CN113194827A/zh
Pending legal-status Critical Current

Links

Images

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
    • A61B5/1495—Calibrating or testing of in-vivo probes
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/483—Physical analysis of biological material
    • G01N33/487—Physical analysis of biological material of liquid biological material
    • G01N33/48707—Physical analysis of biological material of liquid biological material by electrical means
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves 
    • A61B5/053—Measuring electrical impedance or conductance of a portion of the body
    • A61B5/0537—Measuring body composition by impedance, e.g. tissue hydration or fat content
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
    • A61B5/14532—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue for measuring glucose, e.g. by tissue impedance measurement
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
    • A61B5/14546—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
    • A61B5/145—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
    • A61B5/1468—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 using chemical or electrochemical methods, e.g. by polarographic means
    • 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
    • A61B5/1468—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 using chemical or electrochemical methods, e.g. by polarographic means
    • A61B5/1473—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 using chemical or electrochemical methods, e.g. by polarographic means invasive, e.g. introduced into the body by a catheter
    • 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
    • A61B5/1486—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 using enzyme electrodes, e.g. with immobilised oxidase
    • A61B5/14865—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 using enzyme electrodes, e.g. with immobilised oxidase invasive, e.g. introduced into the body by a catheter or needle or using implanted sensors
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A61B5/6844—Monitoring or controlling distance between sensor and tissue
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
    • G01N27/02—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance
    • G01N27/22—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance by investigating capacitance
    • G01N27/221—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance by investigating capacitance by investigating the dielectric properties
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
    • G01N27/02—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance
    • G01N27/22—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance by investigating capacitance
    • G01N27/24—Investigating the presence of flaws
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
    • G01N27/26—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating electrochemical variables; by using electrolysis or electrophoresis
    • G01N27/28—Electrolytic cell components
    • G01N27/30—Electrodes, e.g. test electrodes; Half-cells
    • G01N27/327—Biochemical electrodes, e.g. electrical or mechanical details for in vitro measurements
    • G01N27/3271—Amperometric enzyme electrodes for analytes in body fluids, e.g. glucose in blood
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2560/00—Constructional details of operational features of apparatus; Accessories for medical measuring apparatus
    • A61B2560/02—Operational features
    • A61B2560/0204—Operational features of power management
    • A61B2560/0214—Operational features of power management of power generation or supply
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2560/00—Constructional details of operational features of apparatus; Accessories for medical measuring apparatus
    • A61B2560/02—Operational features
    • A61B2560/0223—Operational features of calibration, e.g. protocols for calibrating sensors
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2560/00—Constructional details of operational features of apparatus; Accessories for medical measuring apparatus
    • A61B2560/02—Operational features
    • A61B2560/0242—Operational features adapted to measure environmental factors, e.g. temperature, pollution
    • A61B2560/0247—Operational features adapted to measure environmental factors, e.g. temperature, pollution for compensation or correction of the measured physiological value
    • A61B2560/0252—Operational features adapted to measure environmental factors, e.g. temperature, pollution for compensation or correction of the measured physiological value using ambient temperature
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2560/00—Constructional details of operational features of apparatus; Accessories for medical measuring apparatus
    • A61B2560/02—Operational features
    • A61B2560/0266—Operational features for monitoring or limiting apparatus function
    • A61B2560/0276—Determining malfunction
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2560/00—Constructional details of operational features of apparatus; Accessories for medical measuring apparatus
    • A61B2560/02—Operational features
    • A61B2560/0266—Operational features for monitoring or limiting apparatus function
    • A61B2560/028—Arrangements to prevent overuse, e.g. by counting the number of uses
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
    • A61B2562/16—Details of sensor housings or probes; Details of structural supports for sensors
    • A61B2562/168—Fluid filled sensor housings
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
    • A61B5/0004—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by the type of physiological signal transmitted
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
    • A61B5/0015—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by features of the telemetry system
    • A61B5/0024—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by features of the telemetry system for multiple sensor units attached to the patient, e.g. using a body or personal area network
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
    • A61B5/0031—Implanted circuitry
    • 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
    • A61B5/145—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
    • A61B5/1455—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 using optical sensors, e.g. spectral photometrical oximeters
    • A61B5/1459—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 using optical sensors, e.g. spectral photometrical oximeters invasive, e.g. introduced into the body by a catheter
    • 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
    • A61B5/1486—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 using enzyme electrodes, e.g. with immobilised oxidase
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A61B5/683—Means for maintaining contact with the body
    • A61B5/6832—Means for maintaining contact with the body using adhesives
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
    • G01N27/02—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
    • G01N27/02—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance
    • G01N27/026—Dielectric impedance spectroscopy

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Pathology (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Chemical & Material Sciences (AREA)
  • Veterinary Medicine (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Optics & Photonics (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Electrochemistry (AREA)
  • Hematology (AREA)
  • Emergency Medicine (AREA)
  • General Chemical & Material Sciences (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Urology & Nephrology (AREA)
  • Food Science & Technology (AREA)
  • Medicinal Chemistry (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Investigating Or Analyzing Materials By The Use Of Electric Means (AREA)

Abstract

各个实例涉及分析物传感器系统和使用分析物传感器的方法。示例分析物传感器系统包括分析物传感器和与所述分析物传感器进行通信的硬件装置。所述硬件装置可以被配置成执行包括以下的操作：向所述分析物传感器施加第一偏置电压，所述第一偏置电压小于所述分析物传感器的操作偏置电压；当施加所述第一偏置电压时，测量所述分析物传感器处的第一电流；以及向所述分析物传感器施加第二偏置电压。所述操作可以进一步包括：当施加所述第二偏置电压时，测量所述分析物传感器处的第二电流；使用所述第一电流和所述第二电流检测台阶偏置电压；确定所述台阶偏置电压小于台阶偏置电压阈值；以及在所述分析物传感器处执行响应动作。

Description

分析物传感器与阻抗确定
通过参考相关申请并入
本申请要求于2018年12月28日提交的美国临时申请序列号62/786,166、于2018年12月28日提交的美国临时申请序列号62/786,116、于2018年12月28日提交的美国临时申请序列号62/786,208的权益、于2018年12月28日提交的美国临时申请序列号62/786,127和于2018年12月28日提交的美国临时申请序列号62/786,228的权益。上述申请中的每一个通过引用整体并入本文，且各自特此明确地成为本说明书的一部分。
技术领域
本发明总体上涉及如分析物传感器等医疗装置，并且更具体地而非以限制方式涉及在连续葡萄糖监测系统中使用阻抗测量结果的系统、装置和方法。
背景技术
糖尿病是与通过身体产生或使用胰岛素相关的代谢病状。胰岛素是使得身体将葡萄糖用于能量或将葡萄糖储存为脂肪的激素。
当人进食含有碳水化合物的膳食时，食物由消化系统处理，从而在人体血液中产生葡萄糖。血糖可以用于能量或储存为脂肪。身体通常将血糖水平维持在一定范围内，所述范围提供足够的能量来支持身体机能，并避免在血糖水平过高或过低时可能出现的问题。血糖水平的调节取决于胰岛素的产生和使用，所述胰岛素调节血糖到细胞中的移动。
当身体并不产生足够胰岛素时，或当身体不能够有效地使用现有胰岛素时，血糖水平可能升高超出正常范围。具有高于正常血糖水平的状态称为“高血糖症”。慢性高血糖症可能引起多种健康问题，如心血管疾病、白内障和其它眼睛问题、神经损害(神经病变)以及肾脏损害。高血糖症还可能引起急性问题，如糖尿病酮酸中毒，一种其中身体由于当身体不能使用葡萄糖时产生的血糖和酮的存在而变得过度酸性的状态。具有低于正常血糖水平的状态称为“低血糖症”。严重低血糖症可能引起可能导致癫痫或死亡的急性危机。
糖尿病患者可以接收胰岛素以管理血糖水平。胰岛素可以例如通过用针手动注射来接收。可穿戴胰岛素泵也可用。饮食和运动也会影响血糖水平。葡萄糖传感器可以提供所估计的葡萄糖浓度水平，所述浓度水平可以被患者或护理人员用作指导。
糖尿病病状有时被称为“1型”和“2型”。1型糖尿病患者通常可以使用胰岛素，但由于胰腺中产生胰岛素的β细胞存在问题，身体无法产生足够量的胰岛素。2型糖尿病患者可以产生一些胰岛素，但由于对胰岛素的灵敏度降低，所述患者变得“抗胰岛素”。结果是，即使身体中存在胰岛素，患者的身体也无法充分使用胰岛素来有效调节血糖水平。
血糖浓度水平可以用例如连续葡萄糖监测器等分析物传感器监测。连续葡萄糖监测器可以向穿戴者(患者)提供信息，如所估计的血糖水平或所估计的血糖水平的趋势。
提供本背景技术是为了介绍以下发明内容和具体实施方式的简要上下文。本背景技术不旨在帮助确定所要求保护的主题的范围，也不旨在被视为将所要求保护的主题限制于解决以上所提出的缺点或问题中的任一个或全部缺点或问题的实施。
发明内容
除了其它方面外，本申请公开了用于在如葡萄糖传感器等分析物传感器中使用阻抗或电导测量结果或估计的系统、装置和方法。
实例1是一种方法，所述方法包括将分析物传感器与测量电路断开连接并且在累积时间段之后将分析物传感器重新连接到测量电路。实例1的主题还可以包括从分析物传感器接收信号，其中信号指示在累积时间段期间在分析物传感器上累积的电荷量。实例1的主题可以进一步包括基于接收到的信号确定所估计的分析物浓度水平。
在实例2中，实例1的主题任选地包含使用栅极电路来断开和重新连接分析物传感器。
在实例3中，实例1到2中任何一个或多个实例的主题任选地包含基于在将分析物传感器重新连接到测量电路之后接收到的分析物信号来确定膜状态。
在实例4中，实例1到3中任何一个或多个实例的主题任选地包含其中分析物传感器的断开连接和重新连接提高了分析物传感器的信号干扰比。
在实例5中，实例1到4中任何一个或多个实例的主题任选地包含在累积时间段期间测量开孔电位，并基于一个或多个开孔电位确定膜状态。
在实例6中，实例3到5中的任何一个或多个实例的主题任选地包含其中膜状态包含干扰状态。
在实例7中，实例3到6中的任何一个或多个实例的主题任选地包含其中膜状态包含损坏或缺陷状态。
在实例8中，实例7的主题任选地包含在重新连接分析物传感器之后监测电流分布，并使用电流分布来检测膜故障。
在实例9中，实例7到8中的任何一个或多个实例的主题任选地包含确定阻抗特性并响应于满足条件的阻抗特性来检测膜故障。
在实例10中，实例9的主题任选地包含其中阻抗特性是所估计的膜阻抗、阻抗的一阶导数、二阶导数阻抗或拟合曲线。
实例11是一种连续分析物传感器，所述连续分析物传感器包括分析物传感器和传感器电子器件，所述传感器电子器件可操作地耦接到分析物传感器以从分析物传感器接收指示葡萄糖浓度的信号。传感器电子器件可以包括测量电路。传感器电子器件可以将测量电路与分析物传感器断开连接，并且在累积时间段之后将分析物传感器重新连接到测量电路。在将分析物传感器重新连接到测量电路之后，测量电路可以测量来自分析物传感器的累积电荷。
在实例12中，实例11的主题任选地包含传感器电子器件，所述传感器电子器件基于对累积电荷的测量来确定所估计的分析物浓度水平。
在实例13中，实例11到12中的任何一个或多个实例的主题任选地包含传感器电子器件，所述传感器电子器件包括用于将分析物传感器与测量电路断开连接和重新连接的栅极电路。
在实例14中，实例11到13中的任何一个或多个实例的主题任选地包含传感器电子器件，所述传感器电子器件基于在将分析物传感器重新连接到测量电路之后接收到的分析物信号的分布来确定膜状态。
在实例15中，实例11到14中任何一个或多个实例的主题任选地包含分析物传感器的断开连接和重新连接提高了分析物传感器的信号干扰比。
在实例16中，实例11到15中任何一个或多个实例的主题任选地包含传感器电子器件，所述传感器电子器件在分析物传感器断开连接的一段时间期间测量开孔电位，并基于开孔电位的分布确定膜状态。
在实例17中，实例14到16中的任何一个或多个实例的主题任选地包含膜状态包含干扰状态。
在实例18中，实例14到17中的任何一个或多个实例的主题任选地包含膜状态包含损坏或缺陷状态。
在实例19中，实例18的主题任选地包含在重新连接分析物传感器之后监测从分析物传感器接收到的信号的电流分布，并使用电流分布来检测膜故障。
在实例20中，实例18到19中的任何一个或多个实例的主题任选地包含传感器电子器件确定阻抗特性并响应于满足条件的阻抗特性来检测膜故障。
实例21是一种方法，所述方法包括：将双相脉冲施加到连续分析物传感器电路，集成对双相脉冲的电流响应，以及使用集成的电流响应来确定所估计的阻抗。
在实例22中，实例1到21中的任何一个或多个实例的主题任选地包含使用所确定的阻抗补偿传感器灵敏度。
在实例23中，实例22的主题任选地包含使用在避免双层膜电容对阻抗的影响的频率下的信号来确定阻抗。
在实例24中，实例22到23中的任何一个或多个实例的主题任选地包含其中补偿基于阻抗和一个或多个另外的因素。
在实例25中，实例24的主题任选地包含所述一个或多个另外的因素，包含温度、校准曲线或两者。
在实例26中，实例25的主题任选地包含使用发射器温度进行补偿，并且使用格林函数(Greene's function)对发射器温度进行滤波。
在实例27中，实例1到26中的任何一个或多个实例的主题任选地包含使用阻抗来确定传感器环境的湿度。
在实例28中，实例27的主题任选地包含在传感器运输期间检测湿度。
在实例29中，实例27到28中的任何一个或多个实例的主题任选地包含在传感器存储期间检测湿度。
在实例30中，实例27到29中的任何一个或多个实例的主题任选地包含基于所确定的湿度补偿传感器灵敏度。
在实例31中，实例27到30中的任何一个或多个实例的主题任选地包含基于所确定的湿度声明警报。
在实例32中，实例31的主题任选地包含使用智能装置递送警报，以警告用户由于过度的湿度暴露而不应该使用传感器。
实例33是一种使用传感器电子器件评估传感器膜完整性的方法，所述方法可以包括确定分析物传感器的阻抗参数并基于阻抗参数确定分析物传感器的膜完整性状态。
在实例34中，实例33的主题任选地包含其中确定膜完整性状态包含确定是否已经满足阻抗条件。
在实例35中，实例34的主题任选地包含其中确定是否已经满足阻抗条件包含确定阻抗参数何时低于指定阈值。
在实例36中，实例34到35中的任何一个或多个实例的主题任选地包含响应于要满足的阻抗条件，警告用户更换传感器。
在实例37中，实例33到36中的任何一个或多个实例的主题任选地包含其中确定膜完整性状态包含确定膜损坏或异常的水平。
在实例38中，实例37的主题任选地包含至少部分地基于所确定的膜损坏或异常程度来补偿所估计的分析物浓度水平。
在实例39中，实例38的主题任选地包含通过基于所确定的水平来调整灵敏度值来补偿所估计的分析物浓度水平。
在实例40中，实例33到39中的任何一个或多个实例的主题任选地包含确定在指定频率下的阻抗参数。
在实例41中，实例40的主题任选地包含确定在高于100Hz的频率下的阻抗参数。
在实例42中，实例41的主题任选地包含确定在介于100Hz与10,000Hz之间的频率下的阻抗。
在实例43中，实例33到42中的任何一个或多个实例的主题任选地包含所确定的阻抗参数是水合后的分析物传感器的阻抗。
在实例44中，实例33到43中的任何一个或多个实例的主题任选地包含所确定的阻抗参数是水合后的分析物传感器的膜部分的所确定的阻抗。
在实例45中，实例33到44中的任何一个或多个实例的主题任选地包含所确定的阻抗参数基于第一频率下的阻抗与第二频率下的阻抗进行的比较。
在实例46中，实例45的主题任选地包含在第一频率下的阻抗或第二频率下的阻抗变得稳定之前，在水合之后，第一频率下的阻抗与第二频率下的阻抗之间进行的比较变得稳定。
在实例47中，实例45到46中的任何一个或多个实例的主题任选地包含第一频率和第二频率提供相对显著的阻抗差。
在实例48中，实例45到47中的任何一个或多个实例的主题任选地包含频率下的阻抗与第二频率下的阻抗之间进行的比较是第一频率下的阻抗与第二频率下的阻抗的差值。
在实例49中，实例45到48中的任何一个或多个实例的主题任选地包含其中比较包含确定双频阻抗对时间关系中的回弹的存在或回弹量。
在实例50中，实例33到49中的任何一个或多个实例的主题任选地包含基于传感器水合后指定时间的测量来确定阻抗参数。
在实例51中，实例50的主题任选地包含介于水合后5秒与600秒之间的指定时间。
在实例52中，实例66到51中的任何一个或多个实例的主题任选地包含在经测量的参数已经达到稳态条件之后，基于测量来确定阻抗参数。
在实例53中，实例66到52中的任何一个或多个实例的主题任选地包含阻抗参数，所述阻抗参数是相对于时间的阻抗的一阶导数。
在实例54中，实例53的主题任选地包含基于一阶导数对时间曲线的形状确定膜完整性状态。
在实例55中，实例66到54中的任何一个或多个实例的主题任选地包含其中阻抗参数是相对于时间的阻抗的二阶导数。
在实例56中，实例66到55中的任何一个或多个实例的主题任选地包含其中确定膜完整性状态至少部分基于使用恒定相位元件模型确定的拟合膜电阻。
在实例57中，实例66到56中的任何一个或多个实例的主题任选地包含其中确定膜完整性状态包含执行模板匹配。
在实例58中，实例57的主题任选地包含从多个模板确定最佳拟合。
在实例59中，实例58的主题任选地包含使用动态时间扭转来确定最佳拟合。
实例60是一种分析物传感器系统，所述分析物传感器系统包括大小和形状被设计成适于插入到宿主中的分析物传感器，以及耦接到分析物传感器的传感器电子器件。传感器电子器件可以确定分析物传感器的阻抗参数，并基于阻抗参数确定分析物传感器的膜完整性状态。
在实例61中，实例60的主题任选地包含阻抗参数是阻抗值，并且传感器电子器件确定阻抗值是否低于阈值，其中阻抗值低于阈值指示分析物传感器的传感器膜部分中存在损坏或异常。
在实例62中，实例60到61中的任何一个或多个实例的主题任选地包含传感器电子器件，所述传感器电子器件基于阻抗参数确定膜损坏或异常的水平，并至少部分地基于膜损坏或异常的水平来补偿所估计的分析物浓度水平。
在实例63中，实例60到62中的任何一个或多个实例的主题任选地包含传感器电子器件，所述传感器电子器件通过以指定频率施加电压信号来确定阻抗参数。
在实例64中，实例63的主题任选地包含传感器电子器件，所述传感器电子器件确定在介于100Hz与10,000Hz之间的频率下的阻抗参数。
在实例65中，实例63到64中的任何一个或多个实例的主题任选地包含传感器电子器件，所述传感器电子器件对第一频率下的阻抗与第二频率下的阻抗进行比较。
在实例66中，实例67的主题任选地包含其中阻抗参数是第一频率下的阻抗与第二频率下的阻抗的差值。
在实例67中，实例65到67中的任何一个或多个实例的主题任选地包含传感器电子器件，所述传感器电子器件确定双频阻抗对时间关系中的回弹的存在或回弹量；并基于回弹的存在或回弹量确定膜损坏的存在或膜损坏量。
在实例68中，实例61到67中的任何一个或多个实例的主题任选地包含传感器电子器件，所述传感器电子器件确定相对于时间的阻抗的一阶导数，并基于一阶导数的值或一阶导数对时间曲线的形状来确定膜完整性状态。
在实例69中，实例61到68中的任何一个或多个实例的主题任选地包含其中传感器电子器件确定相对于时间的阻抗的二阶导数，并基于二阶导数的值来确定膜完整性状态。
在实例70中，实例61到69中的任何一个或多个实例的主题任选地包含将阻抗曲线与模板匹配的传感器电子器件。
在实例71中，实例70的主题任选地包含传感器电子器件，所述传感器电子器件执行动态时间扭转以确定模板匹配。
实例72是一种操作分析物传感器的方法，所述方法包括确定分析物传感器的阻抗参数以及基于阻抗参数确定分析物传感器的插入状态。
在实例73中，实例72的主题任选地包含其中确定插入状态包含检测传感器从宿主中的插入位置的移出。
在实例74中，实例73的主题任选地包含检测传感器已经至少部分地从初始插入位置拉出。
在实例75中，实例73到74中的任何一个或多个实例的主题任选地包含基于阻抗的增加检测移出。
实例76是一种分析物传感器系统，所述分析物传感器系统包括大小和形状被设计成适于插入到宿主中的分析物传感器，以及耦接到分析物传感器的传感器电子器件。传感器电子器件将确定分析物传感器的阻抗参数，并基于阻抗参数确定分析物传感器的插入状态。
在实例77中，实例76的主题任选地包含传感器电子器件，所述传感器电子器件至少部分地基于阻抗参数的增加来检测传感器的移出。
实例78是一种操作分析物传感器系统的方法，所述方法包括：确定分析物传感器的阻抗参数；基于阻抗参数确定膜状态；以及基于膜状态补偿分析物浓度水平。
在实例79中，实例78的主题任选地包含其中阻抗参数是所估计的膜阻抗。
在实例80中，实例78到79中的任何一个或多个实例的主题任选地包含其中阻抗参数是指定频率下的阻抗。
在实例81中，实例78到80中的任何一个或多个实例的主题任选地包含其中阻抗参数是双频阻抗。
在实例82中，实例78到81中的任何一个或多个实例的主题任选地包含确定阻抗参数何时处于稳态并且基于处于稳态的阻抗参数进行补偿。
在实例83中，实例78到82中的任何一个或多个实例的主题任选地包含：确定双频阻抗对时间关系中的回弹的存在或回弹量，以及基于回弹的存在或回弹量来确定补偿量。
在实例84中，实例78到83中的任何一个或多个实例的主题任选地包含其中阻抗参数是相对于时间的阻抗的一阶导数。
在实例85中，实例78到84中的任何一个或多个实例的主题任选地包含其中阻抗参数是相对于时间的阻抗的二阶导数。
实例86是一种分析物传感器系统，所述分析物传感器系统包括大小和形状被设计成适于插入到宿主中的分析物传感器，以及耦接到分析物传感器的传感器电子器件。传感器电子器件将确定分析物传感器的阻抗参数，并基于阻抗参数补偿分析物浓度水平，以补偿膜中的损坏或异常。
在实例87中，实例86的主题任选地包含其中阻抗参数是所估计的膜阻抗。
在实例88中，实例86到87中的任何一个或多个实例的主题任选地包含其中阻抗参数是指定频率下的阻抗。
在实例89中，实例86到88中的任何一个或多个实例的主题任选地包含其中阻抗参数是双频阻抗。
在实例90中，实例86到89中的任何一个或多个实例的主题任选地包含其中阻抗参数是相对于时间的阻抗的一阶导数。
在实例91中，实例86到90中的任何一个或多个实例的主题任选地包含其中阻抗参数是相对于时间的阻抗的二阶导数。
在实例92中，实例86到91中的任何一个或多个实例的主题任选地包含其中传感器电子器件确定阻抗参数何时处于稳态，并基于稳态阻抗参数进行补偿。
在实例93中，实例86到92中的任何一个或多个实例的主题任选地包含传感器电子器件，所述传感器电子器件确定双频阻抗对时间关系中的回弹的存在或回弹量，并基于回弹的存在或回弹量来确定补偿量。
实例94是一种校准对分析物传感器群中的阻抗的损坏的方法，所述方法包括损坏第一传感器和损坏第二传感器。方法还包括使用第一过程来确定用于第一传感器的阻抗参数，以及使用第二过程来确定用于第二传感器的阻抗参数。第二过程可以不同于第一过程。方法还包括：确定用于第三传感器的阻抗参数，并至少部分地基于所确定的用于第一传感器的阻抗参数、所确定的用于第二传感器的阻抗参数以及所确定的用于第三传感器的阻抗参数来估计第三传感器的损坏状态。
在实例95中，实例94的主题任选地包含：至少部分地基于所确定的用于第一传感器的阻抗参数和所确定的用于第二传感器的阻抗参数来确定损坏曲线，并基于所确定的用于第三传感器的阻抗参数和损坏曲线估计第三传感器的损坏状态。
在实例96中，实例94到95中的任何一个或多个实例的主题任选地包含其中损坏第一传感器包括将第一传感器抵靠研磨表面刮擦指定次数，并且损坏第二传感器包括将第二传感器抵靠研磨表面刮擦指定次数。
实例97是一种使用传感器电子器件操作分析物传感器系统的方法。方法包括向分析物传感器偏置电压施加偏置电压变化，并且在施加偏置电压变化之后测量多个时间段中的每个时间段的电流值。方法还包括使用所述多个时间段的电流值确定所估计的阻抗，并使用所估计的阻抗确定分析物传感器的特性。方法进一步包括：从分析物传感器接收指示分析物浓度的信号，并使用所确定的分析物传感器的特性和接收到的信号来确定所估计的分析物浓度水平。
在实例98中，实例97的主题任选地包含其中测量电流包含在指定时间段中的每个指定时间段上集成电荷。
在实例99中，实例97到98中的任何一个或多个实例的主题任选地包含其中确定阻抗包含使用所确定的所述多个时间段的电流拟合曲线，并基于拟合曲线确定阻抗。
在实例100中，实例99的主题任选地包含其中拟合曲线包含拟合指数曲线，其中指数曲线考虑了双层电容对经测量的电流响应的影响。
在实例101中，实例97到100中的任何一个或多个实例的主题任选地包含其中确定分析物传感器的特性包含确定分析物传感器对分析物浓度的灵敏度。
在实例102中，实例101的主题任选地包含使用所确定的阻抗或所确定的灵敏度来补偿传感器漂移。
在实例103中，实例97到102中的任何一个或多个实例的主题任选地包含其中确定分析物传感器的特性包含确定传感器的损坏或缺陷的水平。
在实例104中，实例97到103中的任何一个或多个实例的主题任选地包含其中确定分析物传感器的特性包含确定对传感器进行的补偿。
在实例105中，实例97到104中的任何一个或多个实例的主题任选地包含其中向分析物传感器偏置电压施加变化包含在偏置电压中施加阶跃。
实例106是一种分析物传感器系统，所述分析物传感器系统包括：分析物，所述分析物被配置成提供指示分析物浓度水平的传感器信号；以及传感器电子器件，所述传感器电子器件耦接到分析物传感器。传感器电子器件将向分析物传感器偏置电压施加变化，在向偏置电压施加变化之后，测量多个相应时间段中的每个相应时间段的多个电流响应水平，使用所述多个电流响应水平确定所估计的阻抗，从分析物传感器接收指示分析物浓度的信号，并基于接收到的信号和所估计的阻抗确定所估计的分析物浓度水平。
在实例107中，实例106的主题任选地包含其中测量多个电流响应水平包含在所述多个相应时间段中的每个相应时间段内集成电荷。
在实例108中，实例106到107中的任何一个或多个实例的主题任选地包含其中确定所估计的阻抗包括使用经测量的电流响应水平拟合曲线，并且使用拟合曲线确定所估计的阻抗。
在实例109中，实例108的主题任选地包含其中拟合曲线包含拟合指数曲线，其中指数曲线考虑了双层电容对经测量的电流响应的影响。
在实例110中，实例106到111中的任何一个或多个实例的主题任选地包含其中传感器电子器件被配置成使用所估计的阻抗确定传感器对分析物的灵敏度，并使用传感器灵敏度确定所估计的分析物浓度水平。
在实例111中，实例110的主题任选地包含其中确定传感器灵敏度包含基于所估计的阻抗来确定传感器补偿。
在实例112中，实例106到111中的任何一个或多个实例的主题任选地包含其中使用所述多个电流响应水平来确定所估计的阻抗考虑了传感器的双层膜电容。
实例113是一种使用传感器电子器件来操作分析物传感器系统以校正来自传感器膜的双层电容的误差的方法。方法包括向分析物传感器偏置电压施加变化，以及在施加偏置电压变化之后测量多个时间段中的每个时间段的电流值。方法还包括使用所述多个时间段的电流值来确定偏置电压变化时的电流，以及使用偏置电压变化时所确定的电流来确定所估计的阻抗。方法进一步包括：使用所估计的阻抗确定分析物传感器的特性，从分析物传感器接收指示分析物浓度的信号，并使用所确定的分析物传感器的特性和接收到的信号来确定所估计的分析物浓度水平。
在实例114中，实例113的主题任选地包含：将所述多个时间段的电流值拟合为指数曲线，以及外推拟合曲线以确定偏置电压变化时的电流。
在实例115中，实例113到114中的任何一个或多个实例的主题任选地包含其中确定分析物传感器的特性包含确定传感器灵敏度。
在实例116中，实例115的主题任选地包含通过以下更新传感器灵敏度以考虑漂移：在第二时间向偏置电压施加变化来，测量第二多个时间段的电流，进行外推以确定第二时间的电流，基于第二时间的电流确定所估计的阻抗，并基于第二时间的所估计的阻抗确定传感器在第二时间的特性。
实例117是一种分析物传感器系统，所述分析物传感器系统包括：分析物传感器，所述分析物传感器的大小和形状被设计成适于插入到宿主中并且被配置成产生指示分析物浓度水平的传感器信号；以及传感器电子器件，所述传感器电子器件耦接到分析物传感器。传感器电子器件将向分析物传感器偏置电压施加变化；在向偏置电压施加变化之后，测量多个时间段中的每个时间段的电流值；使用所述多个时间段的电流值进行外推以确定偏置电压变化时的电流；使用偏置电压变化时所确定的电流来确定所估计的阻抗；使用所估计的阻抗确定分析物传感器的特性；从分析物传感器接收指示分析物浓度的信号；并使用所确定的分析物传感器的特性和接收到的信号来确定所估计的分析物浓度水平。
在实例118中，实例117的主题任选地包含传感器电子器件，所述传感器电子器件将所述多个时间段的电流值拟合为指数曲线，并外推拟合曲线以确定偏置电压变化时的电流。
在实例119中，实例117到118中的任何一个或多个实例的主题任选地包含传感器电子器件，所述传感器电子器件确定传感器灵敏度。
在实例120中，实例119的主题任选地包含传感器电子器件，所述传感器电子器件通过在第二时间向偏置电压施加变化来更新传感器灵敏度以考虑漂移，测量第二多个时间段的电流，进行外推以确定第二时间的电流，基于第二时间的电流确定所估计的阻抗，并基于第二时间的所估计的阻抗确定传感器在第二时间的特性。
实例121是一种使用传感器电子器件操作分析物传感器系统的方法。方法包括：向分析物传感器偏置电压施加变化，在施加偏置电压变化之后测量一个或多个时间段的电流，以及基于电流和双层电容值确定所估计的阻抗。方法还包括：使用所估计的阻抗确定分析物传感器的特性，从分析物传感器接收指示分析物浓度的信号，并使用所确定的分析物传感器的特性和接收到的信号来确定所估计的分析物浓度水平。
在实例122中，实例121的主题任选地包含其中双层电容是针对传感器的指定的双层电容估计。
在实例123中，实例121到122中的任何一个或多个实例的主题任选地包含：增加偏置电压并测量对增加偏置电压的电流响应，减小偏置电压并测量对减小偏置电压的电流响应，以及使用对增加偏置电压的电流响应和对减小偏置电压的电流响应来确定双层电容。
在实例124中，实例121到123中的任何一个或多个实例的主题任选地包含：在偏置电压变化之后，测量多个时间段的电流，并基于所述多个时间段的电流来确定双层电容。
实例125是一种分析物传感器系统，所述分析物传感器系统包括：分析物传感器，所述分析物传感器的大小和形状被设计成适于插入到宿主中并且被配置成产生指示分析物浓度水平的传感器信号；以及传感器电子器件，所述传感器电子器件耦接到分析物传感器。传感器电子器件将向分析物传感器偏置电压施加变化，在施加偏置电压变化之后测量一个或多个时间段的电流，以及基于电流和双层电容值确定所估计的阻抗。传感器电子器件将使用所估计的阻抗确定分析物传感器的特性，从分析物传感器接收指示分析物浓度的信号，并使用所确定的分析物传感器的特性和接收到的信号来确定所估计的分析物浓度水平。
在实例126中，实例125的主题任选地包含其中双层电容是针对传感器的指定的双层电容估计。
在实例127中，实例125到126中的任何一个或多个实例的主题任选地包含其中传感器电子器件增加偏置电压并测量对增加偏置电压的电流响应，减小偏置电压并测量对减小偏置电压的电流响应，以及使用对增加偏置电压的电流响应和对减小偏置电压的电流响应来确定双层电容。
在实例128中，实例125到127中的任何一个或多个实例的主题任选地包含其中在偏置电压变化之后，传感器电子器件测量多个时间段的电流，并基于所述多个时间段的电流来确定双层电容。
实例129是一种分析物传感器系统，所述分析物传感器系统包括具有工作电极和参考电极的分析物传感器。参考电极包括在使用分析物传感器期间耗尽的材料。分析物传感器系统还包括与分析物传感器进行通信的硬件装置。硬件装置被配置成执行包括以下的操作：向分析物传感器施加第一偏置电压；并且当施加第一偏置电压时，测量分析物传感器处的第一电流。第一偏置电压小于分析物传感器的操作偏置电压。操作进一步包括：向分析物传感器施加第二偏置电压，并且当施加第二偏置电压时，测量分析物传感器处的第二电流。操作可以进一步包括：使用第一电流和第二电流检测台阶偏置电压，确定台阶偏置电压小于台阶偏置电压阈值，以及在分析物传感器处执行响应动作。
在实例130中，实例129的主题任选地包含其中施加第一偏置电压和施加第二偏置电压包括沿着包含第一偏置电压和第二偏置电压的范围连续地扫掠分析物传感器的偏置电压。
在实例131中，实例129到129中的任何一个或多个实例的主题任选地包含其中检测台阶偏置电压包括确定第一电流小于电流阈值。
在实例132中，实例129到131中的任何一个或多个实例的主题任选地包含操作，所述操作进一步包括使用第一电流和第二电流来确定分析物传感器的电流响应，其中检测台阶偏置电压包括确定电流响应的斜率约为零的偏置电压。
在实例133中，实例129到132中的任何一个或多个实例的主题任选地包含操作，所述操作进一步包括：使用台阶偏置电压确定分析物传感器的寿命阶段数据；以及在用户接口处显示寿命阶段数据。
在实例134中，实例129到133中的任何一个或多个实例的主题任选地包含其中响应动作包括对由传感器产生的第三传感器电流施加补偿。
在实例135中，实例129到134中的任何一个或多个实例的主题任选地包含其中响应动作包括：停止向分析物传感器提供偏置电流；以及在用户接口处显示分析物传感器的传感器会话结束的指示。
实例136是一种操作分析物传感器的方法，所述方法包括向分析物传感器施加第一偏置电压，其中第一偏置电压小于分析物传感器的操作偏置电压。方法还可以包括当施加第一偏置电压时，测量分析物传感器处的第一电流。方法进一步包括：向分析物传感器施加第二偏置电压，以及当施加第二偏置电压时，测量分析物传感器处的第二电流。方法还包括：使用第一电流和第二电流检测台阶偏置电压，确定台阶偏置电压小于台阶偏置电压阈值，以及在分析物传感器处执行响应动作。
在实例137中，实例136的主题任选地包含其中施加第一偏置电压和施加第二偏置电压包括沿着包含第一偏置电压和第二偏置电压的范围连续地扫掠分析物传感器的偏置电压。
在实例138中，实例136到137中的任何一个或多个实例的主题任选地包含其中检测台阶偏置电压包括确定第一电流小于电流阈值。
在实例139中，实例136到138中的任何一个或多个实例的主题任选地包含使用第一电流和第二电流来确定分析物传感器的电流响应，其中检测台阶偏置电压包括确定电流响应的斜率约为零的偏置电压。
在实例140中，实例136到139中的任何一个或多个实例的主题任选地包含使用台阶偏置电压确定分析物传感器的寿命阶段数据；以及在用户接口处显示寿命阶段数据。
在实例141中，实例136到140中的任何一个或多个实例的主题任选地包含其中响应动作包括对由传感器产生的第三传感器电流施加补偿。
在实例142中，实例136到141中的任何一个或多个实例的主题任选地包含其中响应动作包括：停止向分析物传感器提供偏置电流，以及在用户接口处显示分析物传感器的传感器会话结束的指示。
实例143是一种对分析物传感器进行微调的方法，所述分析物传感器包括包含第一组件和第二组件的集成电流放大器。方法包括：将分析物传感器暴露于具有第一浓度的分析物的第一缓冲液，以及从集成电流放大器的第一组件中去除材料，以产生具有预定特性的输出电流。
在实例144中，实例143的主题任选地包含其中预定特性是预定偏移。
在实例145中，实例144的主题任选地包含：将分析物传感器暴露于具有第二浓度的分析物的第二缓冲液，所述第二浓度大于第一浓度，以及从集成电流放大器的第二组件中去除材料，以在第二缓冲液中产生具有第二预定特性的输出电流。
在实例146中，实例143到145中的任何一个或多个实例的主题任选地包含其中预定特性是预定增益。
实例147是一种分析物传感器系统，所述分析物传感器系统包括具有工作电极和参考电极的分析物传感器。分析物传感器系统还包括与分析物传感器进行通信的硬件装置。硬件装置被配置成执行包括以下的操作：接收由分析物传感器产生的分析物传感器电流信号，分析物传感器电流信号指示宿主中的分析物浓度；确定分析物传感器电流表现出的减小速率大于减小速率阈值；确定膜阻抗满足膜阻抗条件；以及执行压缩低响应动作。
在实例148中，实例147的主题任选地包含其中压缩低响应包括暂停报告来自分析物传感器的分析物浓度值。
在实例149中，实例147到148中的任何一个或多个实例的主题任选地包含其中压缩低响应包括施加补偿以由分析物传感器产生分析物浓度值。
在实例150中，实例147到149中的任何一个或多个实例的主题任选地包含其中确定膜阻抗满足膜阻抗条件包括确定膜阻抗小于阈值阻抗。
在实例151中，实例147到150中的任何一个或多个实例的主题任选地包含其中确定膜阻抗满足膜阻抗条件包括确定膜阻抗的减小速率大于阻抗率阈值。
实例152是一种用于使用分析物传感器监测宿主中的分析物浓度的方法。方法包括接收由分析物传感器产生的分析物传感器电流信号。分析物传感器电流信号指示宿主中的分析物浓度。方法进一步包括：确定分析物传感器电流表现出的减小速率大于减小速率阈值，确定膜阻抗满足膜阻抗条件，以及执行压缩低响应动作。
在实例153中，实例152的主题任选地包含其中压缩低响应包括暂停报告来自分析物传感器的分析物浓度值。
在实例154中，实例152到153中的任何一个或多个实例的主题任选地包含其中压缩低响应包括施加补偿以由分析物传感器产生分析物浓度值。
在实例155中，实例152到154中的任何一个或多个实例的主题任选地包含其中确定膜阻抗满足膜阻抗条件包括确定膜阻抗小于阈值阻抗。
在实例156中，实例152到155中的任何一个或多个实例的主题任选地包含其中确定膜阻抗满足膜阻抗条件包括确定膜阻抗的减小速率大于阻抗率阈值。
主题(例如，系统或设备)的实例(例如，“实例9”)可以任选地组合实例1到8的任何一个或多个实例的任何部分或任何部分的组合以包含用于执行实例1到8的功能或方法中的任何一个或多个功能或方法的任何部分的“装置”。
本发明内容旨在提供对本专利申请的主题的概述。其并不旨在提供对本公开的排它性或穷尽性解释。详细说明被包含以用于提供关于本专利申请的进一步信息。本领域的技术人员在阅读并理解以下详细描述且查看形成所述详细描述的一部分的图式后将显而易知本公开的其它方面，所述图式中的每一者均不以限制性意义采用。
附图说明
在未必按比例绘制的附图中，相同的数字可以在不同的视图中描述类似的组件。具有不同字母后缀的相同数字可以表示类似组件的不同实例。附图通常通过实例的方式而不是通过限制的方式展示了本文档中所描述的各个实施例。
图1是示例医疗装置系统的图示。
图2是可以作为图1所示的医疗装置系统的一部分的各个示例电子组件的示意性图示。
图3A是示例分析物传感器系统的图示。
图3B是图3A所示的分析物传感器系统的示例分析物传感器部分的放大视图。
图3C是图3B的分析物传感器的横截面视图。
图4是表示分析物传感器的行为的电路的示意性图示。
图5A是示出偏置电压阶跃的图。
图5B是示出对图5A所示的电压阶跃的模拟电流响应的图。
图5C是示出图5A的电压阶跃的图，其中时间轴以毫秒为单位。
图5D是示出对图5C的阶跃的电流响应的图，其中时间轴以毫秒为单位。
图5E是示出在三个不同的积分时间内相对于阻抗绘制的集成脉冲电流的图。
图5F是示出偏置电压叠加在对电压阶跃的电流响应上的图。
图6A是示出传感器的多个样品在积分时间开始时的计数值(预_计数)和积分时间结束时的计数值(脉冲_计数)的图。
图6B是示出图6A的所述多个传感器样品在积分时间开始时(预_计数)和积分时间结束时(脉冲_计数)的计数值的图。
图6C是示出图6A和6B的样品的集成电荷计数(PI)的图。
图6D是所确定的用于传感器的阻抗的直方绘图，其中电荷计数在多个一秒采样周期内取平均值。
图6E是在多个十秒采样周期内的所确定的阻抗的直方绘图。
图6F是示出相对于测量或确定电流(例如，集成电荷计数)的时间长度绘制的所确定的用于传感器的阻抗值的标准偏差的图。
图7A是示出相对于时间绘制的实验数据的图，其中从测试的传感器测量阻抗，并且通过将测试的传感器放置在葡萄糖浓度已知(例如，葡萄糖的已知的mg/dL)的溶液中并测量电流来确定灵敏度。
图7B是示出相对于电导绘制的灵敏度的图。
图8A是示出多个连续时间段内的集成电荷的图。
图8B是示出峰值(35毫微安)相同但衰减率不同的两个电流响应曲线的图。
图8C是示出衰减率不同的两个传感器的多个等效积分时间段的集成电荷的图。
图8D是示出相对于样品数量以对数刻度绘制的电荷的图。
图9是示出相对于时间绘制的所施加的具有双相脉冲的偏置电压的图。
图10A是示出使用常规电流分析法技术和门控电流分析法技术相对于葡萄糖浓度绘制的传感器的电流的图。
图10B是示出分析物传感器中的门控电流分析法的示例实施方案的图。
图10C是示出使用门控电流分析法操作的分析物传感器的示例电流响应的图。
图10D和10E是示出图10C所展示的示例电流响应的灵敏度的图。
图10F是示出图10C所展示的示例电流响应的灵敏度在第0点到第10点取平均值的图。
图10G是示出由图10C的示例电流响应在第0点到第10点取平均值得出的基线曲线的图。
图10H是示出使用如本文所描述的门控电流分析法操作的分析物传感器的跨度曲线的图。
图10I是示出在存在对乙酰氨基酚(acetaminophen)的情况下使用门控电流分析法操作的分析物传感器的跨度曲线的图。
图11是示出相对于时间绘制的经测量的阻抗值的图。
图12A是具有受损或异常部分的示例传感器的图像。
图12B和12C示出了损坏或异常的其它实例。
图12D到12H示出了传感器从未损坏到重度损坏的情况。
图13是分析物传感器的简化等效电路的示意性图示。
图14是示出受损或异常传感器以及健康(未受损)传感器的相对于频率(Hz)绘制的阻抗的图。
图15A是多个传感器的阻抗对水合时间的绘图。
图15B是相对于水合时间的平均阻抗和阻抗的标准偏差的绘图。
图16A-C是分别示出传感器在水合5分钟、10分钟和30分钟时的阻抗分布的图。
图17A和17B是示出相对于膜损坏等级绘制的阻抗的图，所述膜损坏等级用于对图12B到12H所示的传感器膜的损坏进行分类。图17A中的阻抗值基于水合后4分钟的测量结果，并且图17B中的阻抗值基于水合后10分钟的测量结果。
图18A是示出多个传感器的相对于时间绘制的阻抗的图。
图18B是相对于传感器对葡萄糖浓度的灵敏度绘制的阻抗的图。
图19A是示出相对于样品数量绘制的阻抗的图。
图19B示出了健康传感器模板、受损传感器模板以及所关注的传感器的阻抗样品。
图20是示出六个传感器的相对于频率绘制的阻抗的图。
图21是示出相对于通过传感器所暴露的砂纸进行刮擦的次数绘制的双频阻抗的图。
图22A是示出损坏程度不同的多个传感器的相对于时间绘制的1kHz下的阻抗的图。
图22B是示出如图22A所示的相同传感器的100Hz和1000Hz下的双频阻抗的图。
图23A是示出多个传感器的相对于灵敏度绘制的1000Hz下的传感器阻抗的图，其中在传感器插入后三分钟进行测量。
图23B是示出针对在浸入流体中后三分钟取得的测量结果，相对于灵敏度绘制的双频阻抗的图。
图24A是示出多个健康传感器的相对于时间绘制的双频阻抗的图。
图24B是示出多个受损传感器的相对于自浸入以来的时间绘制的双频阻抗的图。
图24C是示出图24A的健康传感器和图24B的受损传感器在浸入后72秒和浸入后180秒的双频阻抗之间的差值的图。
图25A是示出健康传感器(由虚线指示)和受损传感器(由实线指示)的相对于时间绘制的阻抗的图。
图25B是示出相对于时间绘制的阻抗的图，其中对数据施加了滤波。
图25C是示出健康传感器的相对于时间绘制的经滤波的阻抗(来自图25B)的一阶导数的图。
图25D是示出受损传感器的相对于时间绘制的经滤波的阻抗的一阶导数的图。
图25E是示出受损传感器和健康传感器的经滤波的阻抗的一阶导数的图。
图25F是示出健康传感器的相对于时间绘制的阻抗的二阶导数的图。
图25G是示出受损传感器的相对于时间绘制的阻抗的二阶导数的图。
图25H是在同一图表上组合了图25F和图25G所示的信息的图。
图25I是示出多个受损传感器以及健康传感器的经滤波的阻抗的一阶导数的平均值的图。
图25J是示出二阶导数在108秒与150秒之间的平均值的图。
图26示出了阻抗和频率数据的曲线拟合的实例。
图27是恒定相位元件(CPE)模型的示意性图示。
图28A是示出使用CPE模型所确定的八个传感器的拟合伪膜电容的图表。
图28B是示出八个传感器中的每个传感器的拟合膜电阻(也使用上述CPE模型确定)的图表。
图28C是示出八个传感器的拟合伪双层电容的图表。
图28D是示出八个传感器的拟合膜α的图表。
图28E是示出八个传感器的拟合双层α的图表。
图29是评估传感器的健康状况的方法的流程图图示。
图30A示出了各种补偿技术的平均绝对相对差(MARD)的经验累积分布函数。
图30B示出了平均相对差(MRD)的经验累积分布函数。
图30C示出了相对距离(RD)的经验累积分布函数。
图30D、30E和30F示出了p1515、p2020和p4040的经验累积分布函数。
图30G提供的数据示出通过上述各种补偿技术实现的性能改进。
图31是使用传感器电子器件评估传感器膜完整性的方法的流程图图示。
图32是操作分析物传感器的方法的流程图图示，所述方法可以包含确定分析物传感器的阻抗参数。
图33是可以由传感器电子器件执行的补偿分析物传感器系统的方法的流程图图示。
图34是校准分析物传感器群中的阻抗损坏的方法的流程图图示。
图35是使用传感器电子器件操作分析物传感器系统的方法的流程图图示。
图36是使用传感器电子器件来操作分析物传感器系统以校正来自传感器膜的双层电容的误差的方法的流程图图示。
图37是可以包含将分析物传感器与测量电路断开连接的方法的流程图图示。
图38是可以包含向连续分析物传感器电路施加双相脉冲的方法的流程图图示。
图39是示出在不同寿命阶段的分析物传感器(如图3A-3C的分析物传感器34)的电流响应的图。
图40是用于通过施加一组偏置电压来确定分析物传感器的特性的示例方法的流程图图示。
图41是包含分析物系统和微调电路的分析物传感器电路的一个实例的示意性图示。
图42是用于调谐图41的分析物传感器电路的示例方法的流程图图示。
图43是包含示出连续葡萄糖传感器中的示例压缩低的各种曲线的图。
图44是用于检测和响应分析物传感器中的压缩低的示例方法的流程图图示。
图45是示出指示了具有阻抗补偿的MARD对基于工厂校准的MARD的实验的示例结果的绘图。
图46是示出指示了具有阻抗补偿的传感器MARD对与健康基线的阻抗偏差的实验的示例结果的绘图。
图47是本文所描述的示出在插入三分钟时的传感器阻抗对葡萄糖斜率的实验的示例绘图。
具体实施方式
本发明人已经认识到，除了其它方面外，可以使用分析物传感器系统中的阻抗的测量结果或估计来改进分析物传感器系统的操作。例如，阻抗可以用于改进分析物传感器系统的性能(例如，准确度或精确度)，或用于检测传感器中的损坏或故障。在一些实例中，可以确定对膜层界面的影响(例如，有效电容)的估计。
概述
可以使用电子测量结果来确定对传感器的阻抗(例如，膜的双层阻抗)的估计。阻抗估计可以用于例如校准传感器，补偿漂移，标识受损传感器，补偿损坏或与性能标准(例如，默认灵敏度曲线)的偏离。
阻抗还可以用于减少或消除使用血糖仪(例如“手指棒”)数据进行体内传感器校准的需要。如葡萄糖传感器等分析物传感器可以在制造期间进行校准(“工厂校准”)，以提供可预测的分析物响应曲线。例如，可以在制造期间(或之后)检查传感器对分析物的存在的响应(例如，葡萄糖浓度)，以确保传感器对分析物的响应(例如，响应于已知的葡萄糖浓度而产生的电流信号)在可接受的范围内。在植入身体后，传感器的分析物灵敏度会随时间而变化，即，“漂移”。解决体内漂移的一种方法是使用来自血糖仪的信息(即，“手指”血糖测量结果)对传感器进行定期校准。然而，可以期望避免使用血糖仪数据或减少此类体内校准事件的次数或频率。出于以下详细描述的原因，确定一个或多个阻抗值(例如，针对图4所示的电路400)可以减少或消除依赖血糖仪信息的需要。在一些实例中，阻抗可以允许工厂校准，而无需进一步进行体内校准事件。
分析物传感器可以包含多个结构域或层，其可以包含扩散电阻结构域(例如，图3C所示的结构域44)。例如，在葡萄糖传感器中，电阻层中的电中性葡萄糖分子的扩散系数可以是葡萄糖灵敏度的直接相关因素或决定因素。电阻层的电化学阻抗是电阻层中带电离子迁移率的量度。尽管扩散系数和电化学阻抗是与两种不同试剂(葡萄糖对离子)相关联的两个根本不同的物理特性，但实验表明这些特性彼此相关。因此，电化学阻抗可以用作替代物来估计扩散系数，这可以允许对体内葡萄糖灵敏度的漂移进行补偿。例如，传感器补偿可以基于根据体内或植入之前进行的电路测量结果所确定的膜阻抗。
如下文进一步详细描述的，可以基于传感器电子器件或其它仪器的电测量结果来确定或估计膜的阻抗(例如，电阻层的电化学阻抗)。在各个实例中，可以使用正弦波方法、阶跃响应函数方法或脉冲响应函数方法来获得阻抗测量。正弦波方法可以包含施加RL上的偏置电压中的正弦扰动并测量正弦响应电流的振幅：可以对频带执行扫描，并且可以将电压与电流偏移之间的比率视为在特定频率下的阻抗。在阶跃响应函数方法中，可以施加并保持偏置中的平方阶跃变化，并且可以测量传感器电流中的扰动：阶跃电压的傅立叶或拉普拉斯变换与瞬态电流的傅立叶变换或拉普拉斯变换之间的比率为膜的阻抗。在脉冲响应函数方法中，可以施加偏置电压中的短方波脉冲，并且可以测量传感器电流中的扰动。阻抗可以根据电流扰动和所施加的偏置电压脉冲来确定。
传感器灵敏度(mt)与膜阻抗(ZRL,t)的倒数呈线性相关，即ZRL,t*mt＝常数。此关系可以用于利用阻抗实时估计体内灵敏度：
Figure BDA0003122388250000211
基于这种关系，可以在体内对传感器进行校准，这可以补偿在宿主中进行部署之后的漂移。
在一些实例中，传感器自插入以来的经过时间(t)和根据在经过时间时的测量结果所确定的阻抗(Rt)可以用作估计灵敏度的函数的输入，例如，可以通过函数mt＝f(t)/Rt来提供传感器的灵敏度(mt)。在一些实例中，初始校准曲线(CC)也可以用于确定所估计的传感器灵敏度，例如，mt＝f(CC,t)/Rt。
所估计的传感器灵敏度可以用于基于传感器输出(例如，使用传感器电子器件测量的来自工作电极的电流或电荷计数)和使用阻抗所估计的传感器灵敏度(mt)来确定所估计的分析物浓度(例如，所估计的葡萄糖浓度)。
已经进行了测试和实验以建立和验证用于以下的技术：改进分析物传感器系统的性能，减轻双层电容效应的影响以及检测、量化或补偿传感器膜中的损坏或异常。提供数据、图表和实例以帮助描述本主题。
传感器的阻抗特性可以用于检测或确定(例如，量化)传感器中的损坏量或制造异常(例如，膜缺陷)。即使膜可以包含可以在显微镜下可标识的微小缺陷，传感器也可以起作用。一些带有广泛损坏或主要制造异常的传感器可能提供不可接受的性能。基于对传感器的阻抗特性的理解，此类传感器的标识可以提供机会以从循环中移除传感器或补偿所估计的分析物浓度。在一些实例中，特性的组合可以用于评估传感器膜的完整性，例如，以标识具有损坏或异常的传感器，或者表征传感器异常或损坏的程度。例如，阻抗可以与双频阻抗(例如，100Hz下和1000Hz下的阻抗)组合使用，或者阻抗可以与阻抗趋势或基于时间的变量(例如，不同时间点的阻抗差)组合使用，或者不同频率下的阻抗差可以与不同时间点(例如，72秒和180秒或低点和稳定点)的阻抗差组合使用。在其它实例中，其它变量，如信号可变性(例如，感知到的噪声水平)或对电压变化的响应(例如，阻抗变化的速率)也可以与以上因素中的任何因素和组合结合使用。
在某些情况下，如意外碰撞分析物传感器，抓住物体上的传感器基座或“掩蔽”传感器附接到的粘合贴片(例如，当粘合贴片的一些部分未完全粘附到皮肤上时)，分析物传感器可能会部分地从皮肤中拉出或以其它方式移出，这可能会导致传感器读数不准确。可以基于阻抗的变化来检测此类事件。
传感器阻抗可以取决于传感器插入到宿主中的深度。如果传感器缩回很大的距离，则可以观察到传感器阻抗的阶跃变化。
在一个实例中，可以在插入之后测量阻抗，并且随后在插入之后测量阻抗。例如，阻抗可以反复进行测量，或者可以响应于检测到事件，如潜在的移出事件而进行测量，所述事件例如可以使用传感器电子器件中的加速度计来检测，或者可以根据其它传感器信息来检测。阻抗突然变化可以表示移出。例如，所确定的阻抗变化大于预定时间段内的预定阻抗变化(例如，以欧姆为单位)可以指示移出事件。在一些实例中，系统可以响应于检测到阻抗的突然变化而声明警报或发出“更换传感器”警报。
在一些实例中，可以通过将阻抗用于工厂校准来改进工厂校准。阻抗可以用于确定传感器的校准值或曲线，或验证传感器的灵敏度在可接受的限度内。在不使用阻抗的情况下，校准可以需要依次使传感器浸入分析物浓度水平变化的(例如，葡萄糖浓度变化的)的液槽中，同时施加偏置电位，这可能是复杂的、耗时的、昂贵的或难以规模化的。在一些实例中，阻抗可以用作对分析物溶液中的这种浸泡的替代(或补充)。
在一个实例中，传感器可以被预先浸泡在溶液中以促进阻抗的测量。然后可以进行阻抗测量。在一个实例中，与响应于分析物浓度的电流测量结果的典型的一小时测量过程相比，阻抗确定(例如，使用上述电流测量结果)可以花费一分钟或更短的时间。这种方法可以是期望的，例如因为过程不需要施加偏置电位，并且可以同时浸入大量传感器。在一个实例中，八通道恒电位仪可以用于同时测量单个固定装置上的八个传感器的阻抗。在一些实例中，所确定的阻抗值可以用于确定传感器灵敏度或确认传感器灵敏度或阻抗在限定的限度内，或者例如使用体内阻抗确定来预测漂移或稍后估计体内漂移，这可以与工厂阻抗值或默认值或范围进行比较。
在一些实例中，可以使用阻抗程序对传感器进行预筛选，以便可以标识受损传感器并将其从生产过程中去除，这可以提高传感器的准确度统计数据(例如，降低MARD)，或者通过减少执行常规槽校准过程的传感器数量来提高过程效率。
示例系统
图1是示例系统100的图示。系统100可以包含可以耦接到宿主101的分析物传感器系统102。宿主101可以是人类患者。例如，患者可能处于暂时性或永久性糖尿病条件或其它健康条件，对于分析物监测可能是有用的。
分析物传感器系统102可以包含分析物传感器104，其可以例如是葡萄糖传感器。葡萄糖传感器可以是能够测量葡萄糖浓度的任何装置。例如，分析物传感器104可以是完全植入式的，或者分析物传感器104可以穿戴在身体上(例如，在身体上但是不能在皮肤下方)，或者分析物传感器104可以是经皮装置(例如，其中传感器驻留在宿主的皮肤下方或皮肤中)。然而，应理解，本文中所描述的装置和方法可以应用于能够检测葡萄糖浓度且提供表示葡萄糖浓度的输出信号(例如，以分析物数据的形式)的任何装置。
分析物传感器系统102还可以包含传感器电子器件106。在一些实例中，可以提供分析物传感器104和传感器电子器件106作为集成封装体。在其它实例中，可以提供分析物传感器104和传感器电子器件106作为单独的组件或模块。例如，分析物传感器系统102可以包含一次性的(例如，一次性使用的)基座，所述基座可以包含分析物传感器104、用于将传感器104附接到宿主的组件(例如，粘合垫)或被配置成收纳另一组件的安装结构。所述系统102还可以包含传感器电子器件封装体，所述传感器电子器件封装体可以包含图2所示的传感器电子器件106中的一些或全部。传感器电子封装可以是可重复使用的。
分析物传感器104可以使用任何已知方法，包含有创、微创或无创传感技术(例如，光激发荧光、微针、葡萄糖的透皮监测)，来提供指示宿主101内的分析物浓度的数据流。数据流可以是原始数据信号，所述原始数据信号可以转换成用于向用户(如患者)或看护者(例如，父母、亲戚、监护人、教师、医生、护士或关注宿主101健康的任何其它个人)提供有用的分析物值(例如，所估计的血糖浓度水平)的经校准和/或经滤波数据流。
分析物传感器104可以例如是连续葡萄糖传感器，其可以例如包含皮下、透皮(例如，经皮)或血管内装置。在一些实施例中，此类传感器或装置可以反复地(例如，周期性地或间歇地)分析传感器数据。葡萄糖传感器可以使用任何葡萄糖测量方法，包含酶促、化学、物理、电化学、分光光度、偏振、量热、离子电渗、放射线、免疫化学等。在各个实例中，分析物传感器系统102可以是或包含可从DexComTM(例如，DexCom G5TM传感器或Dexcom G6TM传感器或其任何变型)、从AbbottTM(例如，LibreTM传感器)或从MedtronicTM(例如，EnliteTM传感器)获得的连续葡萄糖监测器传感器。
在一些实例中，分析物传感器104可以是植入式葡萄糖传感器，如参考美国专利6,001,067和美国专利公开第US-2005-0027463-A1号所描述的，所述美国专利通过引用并入。在一些实例中，分析物传感器104可以是经皮葡萄糖传感器，如参考美国专利公开第US-2006-0020187-A1号所描述的，所述美国专利通过引用并入。在一些实例中，分析物传感器104可以被配置成植入宿主血管中或体外，如在美国专利公开第US-2007-0027385-A1号、于2006年10月4日提交的共同未决美国专利公开第US-2008-0119703-A1号、于2007年3月26日提交的美国专利公开第US-2008-0108942-A1号和2007年2月14日提交的美国专利公开第US-2007-0197890-A1号中所描述的，所有所述美国专利通过引用并入。在一些实例中，连续葡萄糖传感器可以包含经皮传感器，如Say等人的美国专利6,565,509中所描述的，所述美国专利通过引用并入。在一些实例中，分析物传感器104可以是包含皮下传感器的连续葡萄糖传感器，如参考Bonnecaze等人的美国专利6,579,690或Say等人的美国专利6,484,046所描述的，所述美国专利通过引用并入。在一些实例中，连续葡萄糖传感器可以包含可再填充皮下传感器，如参考Colvin等人的美国专利6,512,939所描述的，所述美国专利通过引用并入。连续葡萄糖传感器可以包含血管内传感器，如参考Schulman等人的美国专利6,477,395所描述的，所述美国专利通过引用并入。连续葡萄糖传感器可以包含血管内传感器，如参考Mastrototaro等人的美国专利6,424,847所描述的，所述美国专利通过引用并入。
系统100还可以包含第二医疗装置108，其可以例如是药物递送装置(例如，胰岛素泵或胰岛素笔)。在一些实例中，医疗装置108可以是或包含传感器，如另一分析物传感器104、心率传感器、呼吸传感器、运动传感器(例如，加速度计)、姿势传感器(例如，3轴加速度计)、声学传感器(例如，以捕获环境声音或体内声音)。在一些实例中，医疗装置108可以是可穿戴的，例如在手表、眼镜、隐形眼镜、贴片、腕带、脚踝带或其它可穿戴物品上，或者可以并入到手持装置(例如，智能电话)中。在一些实例中，医疗装置108可以包含多传感器贴片，所述多传感器贴片可以例如检测分析物水平(例如，葡萄糖、乳酸、胰岛素或其它物质)、心率、呼吸(例如，使用阻抗)、活动(例如，使用加速度计)、姿势(例如，使用加速度计)、皮电响应、组织液水平(例如，使用阻抗或压力)。
分析物传感器系统102可以通过有线连接或通过无线通信信号110与第二医疗装置108进行通信。例如，分析物传感器系统102可以被配置成使用通过射频(例如，蓝牙、医疗植入物通信系统(MICS)、Wi-Fi、NFC、RFID、Zigbee、Z波或其它通信协议)、以光学方式(例如，红外)、以声学方式(例如，超声波)或蜂窝协议(例如，CDMA(码分多址)或GSM(全球移动系统)或通过有线连接(例如，串行、并行等)进行通信。
系统100还可以包含可穿戴传感器130，所述可穿戴传感器可以包含传感器电路(例如，被配置成检测葡萄糖浓度或其它分析物浓度的传感器电路)和可以例如是近场通信(NFC)电路的通信电路。在一些实例中，可以使用如智能电话等用户装置132从可穿戴传感器130中检索来自可穿戴传感器130的信息，所述用户装置被配置成当用户装置132放置在可穿戴传感器130附近时，通过NFC与可穿戴传感器130进行通信(例如，在传感器130上滑动用户装置132使用NFC从可穿戴传感器130中检索传感器数据)。NFC通信的使用可以减少可穿戴传感器130造成的功耗，这可以减小可穿戴传感器130中的电源(例如，电池或电容器)的尺寸或延长电源的可用寿命。在一些实例中，可穿戴传感器130可以如所示的可穿戴在上臂上。在一些实例中，可穿戴传感器130可以另外地或可替代地在患者的上躯干上(例如，在心脏上或在肺上)，这例如可以促进检测心率、呼吸或姿势。可穿戴传感器136也可以在下部身体上(例如，在腿上)。
在一些实例中，传感器的阵列或网络可以与患者相关联。例如，分析物传感器系统102、医疗装置108、可穿戴装置120(如手表)和另外的可穿戴传感器130中的一个或多个可以通过有线或无线(例如，蓝牙、MICS、NFC或以上所描述的其它选项中的任何选项)彼此进行通信。另外的可穿戴传感器130可以是以上关于医疗装置108描述的实例中的任何实例。宿主101上的分析物传感器系统102、医疗装置108和另外的传感器130出于图示和描述的目的而提供，并且不一定按比例绘制。
系统100还可以包含一个或多个外围装置，如手持式智能装置(例如，智能电话)112、平板计算机114、智能笔116(例如，具有处理和通信能力的胰岛素递送笔)、计算机118、如手表等可穿戴装置120或外围医疗装置122(可以是专有装置，如可从DexCom获得的专有用户装置)，其中的任何一个都可以通过无线通信信号110与分析物传感器系统102进行通信，并且还可以通过网络124与服务器系统(例如，远程数据中心)126或与远程终端128进行通信以促进与如技术支持人员或临床医生等远程用户(未示出)进行通信。
可穿戴装置120可以包含活动传感器、心率监测器(例如，基于光的传感器或基于电极的传感器)、呼吸传感器(例如，基于声或电极的传感器)、位置传感器(例如，GPS)或其它传感器。
系统100还可以包含无线接入点(WAP)138，所述无线接入点可以用于通信地耦接分析物传感器系统102、网络124、服务器系统126、医疗装置108或上述任何外围装置中的一个或多个。例如，WAP 138可以在系统100内提供Wi-Fi和/或蜂窝连接。在系统100的装置之间还可以使用其它通信协议(例如，近场通信(NFC)或蓝牙)。在一些实例中，服务器系统126可以用于从分析物传感器系统102和/或所述多个其它装置收集分析物数据，并且对所收集的数据执行分析，生成或应用通用或个性化葡萄糖水平模型，并将此类分析、模型或基于其的信息传送回系统100中的装置中的一个或多个装置。
图2是可以作为医疗装置系统200的一部分的各个示例电子组件的示意性图示。在一个实例中，系统200可以包含传感器电子件106和基座290。尽管示出了在基座290与传感器电子器件106之间的组件划分的具体实例，但是应当理解，一些实例可以包含在基座290或传感器电子器件106中的另外的组件，并且传感器电子器件106中所示的组件中的一些组件(例如，电池或超级电容器)可以可替代地或另外地(例如，冗余地)在基座290中提供。
在一个实例中，基座290可以包含分析物传感器104和电池292。在一些实例中，基座290可以是可更换的，并且传感器电子器件106可以包含去抖动电路(例如，具有滞后或延迟的门)，以避免例如当电池反复连接和断开连接时反复执行上电或掉电过程，或者避免处理与去除或更换电池相关联的噪声信号。
传感器电子器件106可以包含电子组件，所述电子组件被配置成处理传感器信息(如传感器数据)，并且生成经变换的传感器数据和可显示的传感器信息。传感器电子器件106可以例如包含与测量、处理、储存或传送连续分析物传感器数据相关联的电子电路系统，包含与传感器数据的处理和校准相关联的预期算法。传感器电子器件106可以包含能够通过葡萄糖传感器测量分析物水平的硬件、固件和/或软件。电子组件可以固定到印刷电路板(PCB)等，且可采用多种形式。例如，电子组件可以采取集成电路(IC)(如专用集成电路(ASIC)、微控制器和/或处理器)的形式。
如图2所示，传感器电子器件106可以包含测量电路202(例如，恒电位仪)，所述测量电路可以耦接到分析物传感器104，并被配置成使用分析物传感器104来反复地获得分析物传感器读数，例如，通过连续或循环地测量指示分析物浓度的电流。传感器电子器件106可以包含栅极电路294，所述栅极电路可以用于对测量电路202与分析物传感器104之间的连接进行门控。在一个实例中，分析物传感器104在累积时间段上累积电荷，并且栅极电路294断开，使得测量电路202可以测量累积的电荷。对分析物传感器104进行门控可以通过创建更大的信噪比或信号干扰比来改进传感器系统102的性能(例如，由于电荷是从分析物反应中累积的，但是干扰的来源(如对乙酰氨基酚在葡萄糖传感器附近的存在)不会累积或累积得少于分析物反应中的电荷)。传感器电子器件106还可以包含处理器204，所述处理器可以从存储器208检索指令206并且执行指令206以确定通过恒电位仪向分析物传感器104施加偏置电位的控制应用，解释来自传感器104的信号或补偿环境因素。处理器204还可以将信息保存在数据存储存储器210中或从数据存储存储器210中检索信息。在各个实例中，数据存储存储器210可以与存储器208集成在一起，或者可以是单独的存储器电路，如非易失性存储器电路(例如，闪速RAM)。本文和美国专利第7,310,544号和第6,931,327号中更详细地描述了用于处理传感器分析物数据的系统和方法的实例。
传感器电子器件106还可以包含传感器212，所述传感器可以耦接到处理器204。传感器212可以是温度传感器、加速度计或另一合适的传感器。传感器电子器件106还可以包含如电容器或电池214的电源，所述电源可以集成到传感器电子器件106中，或者可以是可移动的，或者是单独电子封装体的一部分。电池214(或其它储存电力组件，例如，电容器)可以任选地通过有线或无线(例如，感应或超声)再充电系统216进行可充电。再充电系统216可以收集能量或可以从外部来源或车载来源接收能量。在各个实例中，再充电电路可以包含摩擦电充电电路、压电充电电路、RF充电电路、光充电电路、超声充电电路、热充电电路、集热电路或从通信电路收集能量的电路。在一些实例中，再充电电路可以使用由可充电电池(例如，提供有基座组件的电池)供应的电力来对可充电电池进行再充电。
传感器电子器件106还可以在传感器电子器件封装体(如图所示)中或在基座290中包含一个或多个超级电容器。例如，超级电容器可以允许以高度一致的方式从电池214汲取能量以延长电池214的寿命。在超级电容器将能量递送到通信电路或处理器204之后，电池214可以对超级电容器进行充电，从而使超级电容器准备好在随后的高负荷周期期间递送能量。在一些实例中，超级电容器可以与电池214并联配置。与电池214相反，装置可以被配置成优先从超级电容器汲取能量。在一些实例中，超级电容器可以被配置成从可充电电池接收能量以进行短期存储，并且将能量转移到可充电电池以进行长期存储。
超级电容器可以通过减小高负荷周期期间的电池214上的应变来延长电池214的使用寿命。在一些实例中，在高负荷事件期间，超级电容器去除了电池的至少10％的应变。在一些实例中，在高负荷事件期间，超级电容器去除了电池的至少20％的应变。在一些实例中，在高负荷事件期间，超级电容器去除了电池的至少30％的应变。在一些实例中，在高负荷事件期间，超级电容器去除了电池的至少50％的应变。
传感器电子器件106还可以包含无线通信电路218，所述无线通信电路可以例如包含可操作地耦接到天线的无线收发器。无线通信电路218可以可操作地耦接到处理器204，并且可以被配置成与一个或多个外围装置或其它医疗装置(如胰岛素泵或智能胰岛素笔)进行无线通信。
外围装置250可以例如是可穿戴装置(例如，活动监测器)，如可穿戴装置120。在其它实例中，外围装置250可以是图1所示的手持式智能装置112(例如，智能电话或其它装置，如可从Dexcom获得的专有手持式装置)、平板计算机114、智能笔116或专用计算机118。
外围装置250可以包含用户接口252、存储器电路254、处理器256、无线通信电路258、传感器260或其任何组合。外围装置250还可以包含电源，如电池。外围装置250可以不必包含图2所示的组件中的所有组件。用户接口252可以例如包含可以从用户接收信息(例如，血糖值)或向用户递送信息(如血糖值、血糖趋势(例如，箭头、图或图表)或葡萄糖警报)的触摸屏界面、麦克风(例如，接收语音命令)或扬声器、振动电路或其任何组合。处理器256可以被配置成通过用户接口252向用户呈现信息或从用户接收输入。处理器256还可以被配置成在存储器电路254中存储和检索信息，如通信信息(例如，配对信息或数据中心访问信息)、用户信息、传感器数据或趋势或其它信息。无线通信电路258可以包含收发器和天线，所述收发器和天线被配置成通过例如蓝牙、MICS或以上的其它选项中的任何其它选项等无线协议进行通信。传感器260可以例如包含加速度计、温度传感器、位置传感器、生物计量传感器或血糖传感器、血压传感器、心率传感器、呼吸传感器或其它生理传感器。外围装置250例如可以是例如图1所示的手持式智能装置112(例如，智能电话或如可从Dexcom购得的专有手持式装置的其它装置)、平板计算机114、智能笔116、手表或其它可穿戴装置120或计算机118。
外围装置250可以被配置成接收和显示可以由传感器电子器件106传输的传感器信息(例如，所述传感器信息在基于其相应偏好传输到显示装置的定制数据包中)。传感器信息(例如，血糖浓度水平)或警报或通知(例如，“高血糖水平”、“低血糖水平”或“下降率警报”)可以通过用户接口252(例如，通过视觉显示器、声音或振动)传送。在一些实例中，外围装置250可以被配置成显示或以其它方式传送从传感器电子器件106传送来的传感器信息(例如，在传输到相应显示装置的数据包中)。例如，外围装置250可以传输已经处理的数据(例如，可以通过处理原始传感器数据来确定所估计的分析物浓度水平)，使得可以不需要接收数据的装置来进一步处理数据以确定可用信息(如所估计的分析物浓度水平)。在其它实例中，外围装置250可以处理或解释接收到的信息(例如，基于葡萄糖值或葡萄糖趋势来声明警报)。在各个实例中，外围装置250可以直接从传感器电子器件106接收信息，或者可以通过网络(例如，通过从传感器电子器件106或通信耦接到传感器电子器件106的装置接收信息的蜂窝或Wi-Fi网络)接收信息。
再次参考图2，医疗装置270可以包含用户接口272、存储器电路274、处理器276、无线通信电路278、传感器280、疗法电路282或其任何组合。用户接口272可以例如包含可以从用户接收信息(例如，葡萄糖值、警报偏好、校准编码)或向用户递送信息(如例如葡萄糖值、葡萄糖趋势(例如，箭头、图或图表)或葡萄糖警报)的触摸屏界面、麦克风或扬声器、振动电路或其任何组合。处理器276可以被配置成通过用户接口272向用户呈现信息或从用户接收输入。处理器276还可以被配置成在存储器电路274中存储和检索信息，如通信信息(例如，配对信息或数据中心访问信息)、用户信息、传感器数据或趋势或其它信息。无线电路通信电路278可以包含收发器和天线，所述收发器和天线被配置成通过如蓝牙、医疗植入物通信系统(MICS)、Wi-Fi、Zigbee或蜂窝协议(例如，CDMA(码分多址))或GSM(全球移动系统)的无线协议进行通信。传感器280可以例如包含加速度计、温度传感器、位置传感器、生物计量传感器或血糖传感器、血压传感器、心率传感器、呼吸传感器或其它生理传感器。即使在图2的实例中仅示出了一个传感器280，医疗装置270可以包含两个或更多个传感器(或存储器或其它组件)。在各个实例中，医疗装置270可以是智能手持式葡萄糖传感器(例如，血糖仪)、药物泵(例如，胰岛素泵)或其它生理传感器装置、疗法装置或其组合。在各个实例中，医疗装置270可以是图1所示的医疗装置108、外围医疗装置122、可穿戴装置120、可穿戴传感器130或可穿戴传感器136。
在外围医疗装置122或医疗装置270是胰岛素泵的实例中，泵和分析物传感器系统102可以进行双向通信(例如，因此泵可以请求对分析物传输协议进行更改，例如，请求数据点或请求更多频率调度上的数据)，或者泵和分析物传感器系统102可以使用单向通信进行通信(例如，泵可以从分析物传感器系统接收分析物浓度水平信息)。在单向通信中，可以将葡萄糖值并入广告消息中，所述广告消息可以用先前共享的密钥加密。在双向通信中，泵可以请求一个值，分析物传感器系统102可以响应于来自泵的请求共享或获得并共享所述值，并且可以使用一个或多个先前共享密钥对这些通信中的任何一个或全部进行加密。出于多种原因中的一种或多种，胰岛素泵可以使用与泵进行的单向通信来接收和跟踪从分析物传感器系统102传输的分析物(例如，葡萄糖)值。例如，胰岛素泵可以基于低于或高于阈值的葡萄糖值来暂停或激活胰岛素施用。
在一些实例中，图1中所示的系统100可以包含两个或更多个外围装置，每个外围装置直接或间接地从分析物传感器系统102接收信息。因为不同显示装置提供许多不同的用户接口，因此数据包的内容(例如，要显示的数据的数量、格式和/或类型、警告等)可以针对每个特定装置定制(例如，由制造商和/或最终用户不同地进行编程)。例如，在图1的实施例中，在传感器会话期间，多个不同的外围装置可以与传感器电子器件模块(例如，如物理连接到连续分析物传感器104的皮肤上传感器电子器件106)进行直接无线通信，以实现与可显示传感器信息相关联的多种不同类型和/或级别的显示和/或功能，或者，为了节省传感器系统102中的电池电量，一个或多个指定装置可以与分析物传感器系统102进行通信并且将信息直接或通过服务器系统(例如，网络连接的数据中心)126中继(即，共享)给其它装置。
图3A是分析物传感器系统的侧视图，展示了植入到宿主中的分析物传感器34。可以使用粘合垫8将安装单元14粘附到宿主的皮肤上。粘合垫8可以由可延展的材料形成，其可以使用粘合剂可移除地附接到皮肤。传感器电子器件106可以机械地耦接到粘合垫8。
图3B是分析物传感器34的远端部分的放大视图。分析物传感器34可以适于插入在宿主的皮肤下方，并且可以机械地耦接到安装单元14并且电耦接到传感器电子器件106。图3B所示的示例分析物传感器34包含细长导电体41。细长导电体41可以包含芯，所述芯具有定位在其上的各个层。第一层38至少部分地围绕芯并且包含工作电极(例如，定位在窗口39中)。在一些实例中，芯和第一层38由单一材料(如例如，铂)制成。在一些实例中，细长导电体41是两种导电材料的复合物，或者是至少一种导电材料和至少一种非导电材料的复合物。膜系统32定位在工作电极上方，并且可以覆盖传感器34的其它层和/或电极，如本文所描述的。
第一层38可以由导电材料形成。工作电极(在窗口39处)是第一层38的表面的暴露部分。因此，第一层38由被配置成为工作电极提供合适的电活性表面的材料形成。合适的材料的实例包含但不限于铂、铂-铱、金、钯、铱、石墨、碳、导电聚合物、合金等。
第二层40围绕第一层38的至少一部分，由此限定了工作电极的边界。在一些实例中，第二层40充当绝缘体并且由绝缘材料形成，如聚酰亚胺、聚氨酯、聚对二甲苯或任何其它合适的绝缘材料或材料。在一些实例中，第二层40被配置成使得(层38的)工作电极通过窗口39暴露。
在一些实例中，传感器34进一步包含包括导电材料的第三层43。第三层43可以包括参考电极。在一些实例中，包含参考电极的第三层43由施加到第二层40(例如，绝缘体)上的含银材料形成。含银材料可以包含各种材料，并且可以呈各种形式，例如，Ag/AgCl聚合物糊、涂料、基于聚合物的导电混合物、油墨等。
分析物传感器34可以包含两个(或更多个)电极，例如，在层38处并在窗口39处暴露的工作电极，以及至少一个另外的电极，如层43的参考电极。在图1B的示例布置中，参考电极还充当反电极，尽管其它布置可以包含单独的反电极。尽管在一些实例中分析物传感器34可以与安装单元一起使用，但是在其它实例中，分析物传感器34可以与其它类型的传感器系统一起使用。例如，分析物传感器34可以是在单个包装体中包含电池和传感器的系统的一部分，并且可以任选地包含例如近场通信(NFC)电路。
图3C是平面2-2上的穿过图3B的传感器34的展示膜系统32的横截面视图。膜系统32可以包含多个结构域(例如，层)。在一个实例中，膜系统32可以包含定位在工作电极周围的酶结构域42、扩散电阻结构域44和生物保护结构域46。在一些实例中，膜系统32中可以包含单一的扩散电阻结构域和生物保护结构域(例如，其中扩散电阻结构域和生物保护结构域两者的功能都被并入到一个结构域中)。
在一些实例中，膜系统32还包含电极层47。电极层47可以布置成在工作电极与参考电极的表面之间提供促进电极之间的电化学反应的环境。例如，电极层47可以包含在传感器34的电化学反应表面处维持水层的涂层。
在一些实例中，传感器34可以被配置成用于短期植入(例如，约1到30天)。然而，应理解，膜系统32可以被修改以用于其它装置中，例如，通过仅包含结构域中的一个或多个结构域或另外的结构域。例如，膜系统可以包含多个电阻层或多个酶层。在一些实例中，电阻结构域44可以包含多个电阻层，或者酶结构域42可以包含多个酶层。
扩散电阻结构域44可以包含控制氧气和葡萄糖到下面的酶结构域42的通量的半透膜。因此，葡萄糖测量的线性上限被扩展到比在没有扩散电阻结构域44的情况下所获得的线性上限高得多的值。
在一些实例中，膜系统32可以包含生物保护结构域46，也被称为结构域或生物界面结构域，其包括如本文其它地方更详细描述的基础聚合物。然而，一些实例的膜系统32还可以包含多个结构域或层，包含例如电极结构域、干扰结构域或细胞破坏结构域，如本文其它地方和美国专利第7,494,465号、第8,682,408号和第9,044,199号更详细地描述的，所述美国专利通过引用整体并入本文。
应当理解，例如，针对其它传感器而修改的感测膜可以包含更少或另外的层。例如，在一些实例中，膜系统32可以包括一个电极层、一个酶层和两个生物保护层，但是在其它实例中，膜系统32可以包括一个电极层、两个酶层和一个生物保护层。在一些实例中，生物保护层可以被配置成充当扩散电阻结构域44并控制分析物(例如，葡萄糖)到下面的膜层的通量。
在一些实例中，感测膜的一个或多个结构域可以由如以下等材料形成：硅酮、聚四氟乙烯、聚乙烯-共-四氟乙烯、聚烯烃、聚酯、聚碳酸酯、生物稳定的聚四氟乙烯、聚氨酯的均聚物、共聚物、三元共聚物、聚丙烯(PP)、聚氯乙烯(PVC)、聚偏二氟乙烯(PVDF)、聚对苯二甲酸丁二醇酯(PBT)、聚甲基丙烯酸甲酯(PMMA)、聚醚醚酮(PEEK)、聚氨酯、纤维素聚合物、聚(环氧乙烷)、聚(环氧丙烷)及其共聚物和共混物、聚砜及其嵌段共聚物，包含例如二嵌段共聚物、三嵌段共聚物、交替共聚物、无规共聚物和接枝共聚物。
在一些实例中，可以使用已知的薄膜或厚膜技术(例如，喷涂、电沉积、浸涂等)将感测膜沉积在电极材料的电活性表面上。定位在工作电极上方的感测膜的结构不必与定位在参考电极30上方的感测膜相同；例如，沉积在工作电极上方的酶结构域42不一定需要沉积在参考电极或反电极上。
尽管图3B-3C中展示的实例涉及周向延伸的膜系统，但是本文描述的膜可以应用于任何平面或非平面的表面，例如，Say等人的美国专利第6,565,509号的基于底物的传感器结构，所述美国专利通过引用并入。
在分析物传感器34是葡萄糖传感器的实例中，可以利用葡萄糖氧化酶检测葡萄糖分析物，所述葡萄糖氧化酶产生过氧化氢(H2O2)作为葡萄糖与葡萄糖氧化酶反应的副产物。使过氧化氢与工作电极的表面反应，产生两个质子(2H+)、两个电子(2e-)和一个氧分子(O2)，这产生可以由传感器电子器件106检测的电流。电流量是葡萄糖浓度水平的函数。可以使用校准曲线来提供基于经测量的电流的所估计的葡萄糖浓度水平。电流量也是葡萄糖穿过传感器膜的扩散率的函数。葡萄糖扩散率可以随时间变化，这可能导致传感器葡萄糖灵敏度随时间变化或“漂移”。
图4是表示分析物传感器(例如，图3A-3C中所示的传感器34)的行为的电路400的示意性图示。如上文所描述的，过氧化氢(由葡萄糖分析物与葡萄糖氧化酶之间的相互作用产生的)与工作电极(WE)404进行的相互作用在工作电极(WE)404与参考电极(RE)406之间产生电压差，所述电压差驱动可以由传感器电子器件106测量并且用于估计葡萄糖浓度水平的电流。电路400还包含双层电容(Cdl)408，其出现在工作电极(WE)404与相邻膜(未示出，参见上文的描述)之间的界面处。
在典型的体内分析物传感器中，由于存在极性相反的两层离子(例如，在工作电极404与参考电极之间施加电压期间)，在工作电极404与相邻膜之间的界面处可以出现双层电容(Cdl)。等效电路400还可以包含极化电阻(Rpol)410，所述极化电阻可以相对较大，并且可以建模为例如静态值(例如，100兆欧)或为随葡萄糖浓度水平的函数而变化的可变量。
可以基于以下因素来确定所估计的分析物浓度水平：A)当向传感器电路施加电压时流过分析物传感器膜412的经测量的电流(电荷)和B)传感器的葡萄糖灵敏度，其使检测到的电流与葡萄糖浓度水平相关。
葡萄糖扩散率随时间的变化提出了一个问题，因为系统中存在两个未知变量(膜412周围的葡萄糖浓度和膜412中的葡萄糖扩散率)。例如，频繁的血糖仪校准可以用于解决漂移，但是出于多种原因(例如，给患者带来的不便、成本、血糖仪数据不准确的可能性等)，这种对仪表校准的需求可能是不期望的。
参考等效电路400，当跨工作电极404和参考电极406施加电压时，可以认为电流(取决于极性向前或向后)流过发射器的内部电子器件(由R_Tx_内部表示)411；流过可以被设计成电阻相对低的参考电极(RE)406和工作电极(WE)404；并流过传感器膜412(Rmembr，其相对较小)。取决于电路的状态，电流也可以流过或流入相对较大的极化电阻410(其表示为固定电阻，但也可以是随身体葡萄糖水平而变化的可变电阻，其中较高的葡萄糖水平提供较小的极化电阻)，或流入双层电容408(即，以对在工作电极404处形成的双层膜电容器进行充电)，或两者兼而有之。
膜(Rmembr)412的阻抗(或电导率)与膜中的电解质迁移率有关，所述电解质迁移率进而与膜中的葡萄糖扩散率有关。随着阻抗降低(即，随着膜412中的电解质迁移率升高，电导升高)，葡萄糖灵敏度升高(即，较高的葡萄糖灵敏度意味着特定的葡萄糖浓度将以更多电流或电荷流的形式产生较大的信号)。在美国专利公开第US2012/0262298号中进一步描述了阻抗、葡萄糖扩散率和葡萄糖灵敏度，所述美国专利公开通过引用整体并入本文。
通过测量电流或电荷计数来确定阻抗。
分析物传感器电路的阻抗(或电导)与分析物扩散率(例如，葡萄糖扩散率)之间的关系可以允许基于传感器电路的所确定的阻抗值来确定准确的葡萄糖灵敏度。在传感器灵敏度不是精确已知，但是可以根据测量结果确定阻抗(例如，使用欧姆定律(Ohm's law))的情况下(例如，体内植入)，可以基于阻抗(或导电率)与葡萄糖灵敏度之间的相关性来确定预测的灵敏度。
在一些实例中，可以基于已知电压(或电压阶跃)的施加和电流的测量(例如，随时间推移集成电荷计数)来确定阻抗。在典型的分析物传感器中，将传感器偏置电压施加到传感器电路，以实现使用感测放大器进行的精确感测。图5A是示出从0.600伏阶跃到0.616伏的偏置电压502的图表。图5B示出了针对阻抗为155千欧姆的电路和阻抗为75千欧姆的电路的相应的模拟响应504、505。如图5B所示，75千欧姆电路的电流上升到超过200毫微安的峰值电流值，并且155千欧姆电路的响应电流上升到约100毫微安。然后，随着双层电容调整所施加偏置变化(例如，随着图4中的Cdl进行充电)，两个电路的响应电流都会衰减。应当注意，图5A和5B两者都展示了传感器电流响应于瞬态电压阶跃的变化。因此，显示的是在0.6V偏置下跨在已经存在的非零葡萄糖电流顶上的增量Δ电流。
在传感器系统中，可以基于电流响应的幅度将阻抗为155千欧姆的电路与阻抗为75千欧姆的电路区分开。在一些实例中，可以基于电流响应来确定阻抗，并且可以基于电路中的其它阻抗的知识(或估计)(例如，可以估计R_TX_内部)和基尔霍夫定律(Kirchoff'slaw)确定由膜引起的电阻(图4中的Rmembr 412)。
图5C是示出从0.600伏阶跃到0.616伏的偏置电压502的图表。图5D示出了相对于以毫秒为单位的时间绘制的对电压阶跃的电流响应506。如图5D所示，感测到的电流迅速上升到峰值电流值508(例如，120nA)，并且然后随着双层电容调整所施加的偏置变化(例如，随着图4中的Cdl 408进行充电)而衰减。图5D还示出了具有不同双层电容值的第二传感器的响应电流507，这将在下文描述。
在分析物传感器中，峰值电流值508可能无法直接测量，但可以通过在偏置电压阶跃后测量积分时间510(其可以例如是3.9毫秒，或介于3与5毫秒之间的值，或2与20毫秒之间的值，或2与40毫秒之间的值)上的累积电荷来确定，这等效于在图5D中所指示的区域A的电流响应曲线下求积分。
简单地将集成电流除以指定的时间段就可以得出积分时间内的平均电流，所述平均电流可以用作峰值电流的近似值，但是由于双层电容引起的电流衰减，此近似值小于实际峰值。可以通过假设双层电容(Cdl)的值(例如，经实验确定的值)来获得对峰值电流的更准确的确定，这允许基于集成电流(PI)和Cdl的假设值得出峰值。
因为膜的电容(图4中未示出)可以比双层电容(Cdl)小得多，所以极化电阻(Rpol)可以非常高(>1兆欧姆)，并且在电压阶跃之后，膜的电容电阻最初非常大，基本上所有电流都流过Rmembr 412和Cdl 408。在电压阶跃之后的短时间段(例如，5毫秒)中，总传感器电阻可以估计为膜电阻(Rmembr 412)。因此可以使用欧姆定律估计膜电阻(Rmembr 412)：Δi＝ΔV/(Rmembr+R_TX)。在确定峰值电流之后(例如，基于电压阶跃之后的短时间段的集成电荷)，可以求解此等式的膜电阻(Rmembr 412)。
可以通过在电流衰减曲线的一小部分上求积分来获得对集成脉冲电流的估计，如例如图5D中所示。在电压阶跃之后的短积分时间内的积分可以用于估计峰值电流。与对阶跃电压衰减的电流响应所需的时间相比(即，与在偏置电压中施加阶跃之后的双层电容器的电容器充电时间相比)，积分时间可以相对较少。例如，可以使用四毫秒(4ms)的积分时间来估计峰值电流。其它重要参数可以包含电压阶跃(或偏置脉冲)的上升时间、传感器电子器件的阻抗(其可以在制造中进行测量和一致地控制)、脉冲电位(例如，可以施加16mV的阶跃)以及电流积分与电压阶跃的上升沿对齐(其可以由传感器电子器件中的时钟控制，例如，电流积分的开始可以是电压阶跃开始后的一个时钟周期)以及占空比(例如，可以使用百分之五的占空比以允许传感器膜电容放电到一致的预脉冲状态)。在一些实例中，可以在每次葡萄糖测量之前或反复地(例如，在每二次或每三次、每四次或每五次葡萄糖测量之前，或每小时一次，或每天一次或两次或更多次之前)施加电压阶跃。
图5E示出了针对三个不同积分时间(10毫秒、25毫秒和125毫秒)的相对于阻抗绘制的集成脉冲电流512、514、516。对于125毫秒的积分时间，对于三个不同的阻抗值(75kOhm、110kOhm、155kOhm)，集成脉冲电流大致上相同。因为电流在所有或大部分电流衰减曲线上是平均的(即，电流在125毫秒内达到或接近零(或基线电流))，所以阻抗不同的传感器电路都会产生约30毫微安的集成脉冲电流。对于三个不同的阻抗值，集成脉冲电流中的此近似等值将阻止根据集成脉冲电流确定准确的阻抗估计。相比之下，对于三个不同的阻抗值，25毫秒的积分时间将导致集成脉冲电流的值不同。因此，在25毫秒的积分时间内集成的传感器将允许用于在阻抗值分别为75kOhm、110kOhm、155kOhm的传感器电路之间进行区分或用于基于集成脉冲电流对阻抗进行估计。对于不同的阻抗值，使用10毫秒的积分时间提供更大的集成脉冲电流变化，这将改进确定阻抗估计的性能。
尽管上文的描述在一些情况下公开了绝对电流和绝对电压，但是应当理解，还可以针对电流的变化(Δi)、电压的变化(ΔV)或阻抗的变化(ΔR)来使用所述方法。例如，在一些分析物传感器中，由于存在稳定的偏置电压，基线电流可以不为零。
在一些实例中，可以向传感器电路反复地(例如，周期性地)施加阶跃电压。如图5C所示，可以将阶跃电压维持与整个电流衰减曲线一样长或比其更长的时间段，或者如图5F所示，可以在电流衰减到稳态值之前将阶跃电压返回到基线值。图5F示出了偏置电压叠加在对电压阶跃的电流响应(“脉冲电位”)上。可以施加阶跃电压阶跃(例如，从0.600伏增加到0.616)并维持一段时间(积分时间)，并且然后可以将偏置电压返回到阶跃之前的水平(例如，返回0.600伏)。可以基于积分时间结束时的计数值(脉冲_计数)与积分时间开始时的计数值(预_计数)之间的电荷计数(例如，使用库仑计数器获得)的差值来确定积分时间的电流积分。电流积分相当于脉冲(PI)的累积电荷，可以将其存储在数据库(DB)中以与过去或将来的阻抗值进行比较，或者可以将其在补偿算法中使用以提供更准确的所估计的分析物浓度值。
当偏置电压返回到其正常基准水平时(例如，当积分时间段到期并且偏置电压从0.616伏降到0.600伏时)，电容器开始放电(回到0.6伏充电状态)，并且观察到的电流降到基线值以下(因为电容器正在供应电位中的一些电位来维持偏置电压)。最终，电流转变回其基线(稳态)值。
在一段时间到期之后，可以施加第二电压阶跃，并且可以以上述方式确定第二PI值。
在多个采样周期内对电荷计数值取平均值。
图6A和图6B示出了传感器的多个样品在积分时间开始时的计数值602(预_计数)和积分时间结束时的计数值604(脉冲_计数)的图。图6C示出了积分时间(脉冲_计数-预_计数)的集成电荷计数(PI)606。可以对采样间隔(例如，1秒、10秒、12秒或20秒)中的多个积分时间的计数取平均值以确定平均(例如，均值或中值)集成电荷计数(PI)，这可以增加电荷计数(PI)的准确度或增加从其得出的阻抗或灵敏度的准确度。图6D示出了所确定的用于传感器的阻抗的直方绘图，其中电荷计数在多个一秒采样周期内取平均值(例如，在采样周期期间以每5毫秒一个样品的速率)。图6E是在多个十秒采样周期内的所确定的阻抗的直方绘图。基于十秒采样周期的直方图提供了更紧密的分布(例如，在96kΩ附近有更多的聚类和更紧密的标准偏差)。虽然使用来自多个积分时间的平均值可以提高集成电荷计数(PI)的准确度以及从中得出的阻抗或灵敏度，但是由于在施加电压阶跃和处理所得电流时消耗的能量，获得较大的数据集可能会对电池寿命产生不利影响。图6F示出了相对于测量或确定电流(例如，集成电荷计数)的时间长度绘制的所确定的用于传感器的阻抗值608的标准偏差。在一些实例中，使用约1秒(例如，0.5到1.5秒或0.5到3秒)的平均时间，以提供标准偏差小于2欧姆的一组所确定的阻抗值。在一些实例中，约10秒或12秒(例如，5到15秒或8到12秒或10到14秒)的平均时间用于收集电流(例如，集成电荷计数)值，这可以提供标准偏差小于1欧姆的一组所确定的阻抗值。
阻抗与灵敏度之间的关系。
已经观察到所估计的阻抗(例如，DC电路中的电阻)与传感器的葡萄糖灵敏度之间的相关性。图7A示出了相对于时间绘制的实验数据，其中从测试的传感器测量阻抗702，并且通过将测试的传感器放置在具有已知葡萄糖浓度(例如，葡萄糖的已知mg/dL)的溶液中并测量测试的传感器电路中的电流(例如，使用传感器电子器件)来确定灵敏度704的电流(例如，以pA为单位)。如从图中可以看出，阻抗702随时间下降，并且葡萄糖灵敏度704上升。图7B示出了多个传感器的相对于电导(其是阻抗的倒数)绘制的灵敏度706。从图7B中的数据可以观察到灵敏度与电导之间的线性关系(例如，y＝995x-2，或灵敏度＝995(电导)-2)。灵敏度与电导之间的关系可以用于确定灵敏度未知的传感器(例如，植入的传感器)中的灵敏度以及根据传感器测量确定的电导(例如，如上所述的经测量的阻抗的倒数)。在一些实例中，可以定义关系的功能范围。例如，函数范围可以定义为电导与灵敏度之间的关系为线性或近似线性的，如图7B中的0.023到0.030。
双层电容减轻
虽然可以通过假设双层电容的默认值来确定阻抗，但是由于实际双层电容与假设的默认电容之间的差异，这种假设可能会引入误差。在一些实例中，假设的默认电容是文本单元的用于校准工作台上的分析物传感器发射器的电容。
参考图5D，电流响应506可以表示假设的(例如，默认的)双层电容(Cdl)，所述双层电容具有第一电流衰减率。随着电容器充电，电流下降。图5D中所示的第二电流响应507可以表示双层电容小于假设的双层电容的特定传感器的实际电流响应。由于与电流响应507相关联的传感器的电容较小，因此观察到的电流响应507的衰减比电流响应506的衰减更快。因此，相较于具有产生电流响应506的假设的电容的传感器，传感器的电流响应507在积分时间期间的集成电荷将较低(即，曲线下面积较小)。当传感器电子器件确定具有电流响应507的传感器的阻抗，但计算假设电流响应506时，所得所确定的阻抗将包含误差，即，推断的峰值将低于其实际值，并且相比在确定中使用了真正的双层阻抗和所得电流响应507的情况下的阻抗，则所确定的阻抗(基于错误的低峰值电流值)将更高。换句话说，如果不考虑实际的双层电容(Cdl)(因传感器而异)，将导致对膜电阻(Rmembr)的估计不准确。
在一些实例中，可以通过在电流衰减期间的多个积分时间段内的电荷(电流)的重复积分来估计电流响应506。例如，电荷可以在顺序的积分时间段内集成以构建衰减曲线。图8A示出了一个实例，其中相对于时间绘制了多个顺序的积分时间段(例如，3.9毫秒)的集成电荷802，以产生衰减曲线。理论上，电流响应i(t)由以下等式描述：i(t)＝(V阶跃)/Rmembr*e(-t/Rcoat*Cdl)。通过将曲线拟合为指数趋势(例如，y＝39.558e-24.28x)，可以提取1/Rmembr*Cdl因子(例如，在所展示的实例中，1/Rmembr*Cdl＝1/24.8＝40毫秒)。由于积分需要一段时间(例如，3.9毫秒)，因此从测量中可能无法知道施加阶跃时(即，零时)的电流水平，因此在第一时间段内测量的电流表示第一时间段的平均值。零时的电流值可以确定为拟合等式(曲线)中指数前面的因子。例如，在以上等式中，零时的电流为39.558，其表示通过将曲线外推回到曲线上的零秒点(T＝0)所获得的截距。通过重建电流响应曲线，可以估计在t＝0时的截距，从而产生更准确的R膜的值。
图8B示出了峰值(35毫微安)相同但衰减率不同的两个电流响应曲线820、830。第一曲线820可以表示在植入宿主之后的第一时间的传感器，并且第二曲线830可以表示在第二时间的同一传感器。例如，传感器膜电阻(Rmembr)可以为50千欧姆，第一曲线820可以反映100纳法的双层电容，并且第二曲线830可以表示200纳法的双层电容。零时(t＝0)的截距相同。
图8C示出了第一曲线820'和第二曲线830'的多个顺序的等效积分时间段的集成电荷(这意味着样品数量轴实际上是时间轴)。如从图8C可以看出，如果仅在第一间隔时间段内取积分(例如，参考图8B，则电荷或电流集成到第一曲线820上的点821，并且集成到第二曲线830上的点831)，曲线830'的所得集成电荷832大于曲线820'的所得集成电荷822，因为由于传感器膜的双层电容较低，曲线820'的衰减率较高。如果根据集成电荷或经测量的电流确定了阻抗(例如，如果忽略了电容和衰减率)，则集成电荷(或电流)中的这一差异将导致所确定的阻抗中存在差异。基于根据所述两条曲线确定的阻抗确定的灵敏度也将有所不同，从而反映出由电容引起的误差。
相比之下，对于两个曲线，在t＝0时采样更多点并拟合指数趋势线(如上文所描述的)会产生相同的所估计的截距(或近似相同，并且比单个积分准确得多)，例如，3e-10C)。根据此值，膜电阻(Rmembr)可以计算为：Rmembr＝积分时间*(V阶跃/集成电荷)＝0.001*0.015/3e-10＝50kOhm。
图8D示出了相对于样品数量以对数刻度绘制的集成电荷值822'、832'(由于样品以规则间隔获取，因此其与时间相关)，这在电流(或电荷)与样品数量之间产生线性关系。
下面的等式展示了另一示例方法，所述方法可以校正假设的默认电容与传感器的双层电容之间的双层电容的差值：
Figure BDA0003122388250000391
在上述等式中，PI是由发射器或与传感器相关联的其它传感器电子器件记录的脉冲电流的积分。
Figure BDA0003122388250000392
是瞬态偏移偏置电压。例如，再次参考图5A，在所展示的实例中的瞬态偏移偏置电压为16mV(例如，脉冲为600mV到616mV)。Cdl是膜的双层电容。Δt是来自传感器的电流的积分的持续时间。在双层电容已知的情况下，由以上等式指示的关系可以用于确定传感器或传感器与传感器电子器件的组合的膜阻抗。在一些实例中，由以上等指示的关系也可以用于表征体内传感器中的膜阻抗，其中膜阻抗和双层电容两者均未知。例如，传感器电子器件可以施加多个瞬态偏置脉冲，并在瞬态脉冲中的每个瞬态脉冲上测量集成脉冲电流(PI)。在双层电容也是未知的体内场景下，来自多个脉冲和多个积分的数据可以用于解决膜阻抗。
脉冲电流分析响应
在一些实例中，分析物传感器可以施加脉冲而不是电压阶跃。在一些实例中，脉冲可以是阶跃脉冲，如图5E所示，例如，在所述脉冲中，使偏置电压阶跃，并且然后在相对较长的时间段之后，最终将偏置电压返回到稳态值。在其它实例中，脉冲可以是双相脉冲，如图9所示。更复杂的脉冲形状也是可能的。
图9是示出相对于时间绘制的所施加的具有双相脉冲904的偏置电压902的图901。虽然示出了方形脉冲形状，但是其它脉冲形状，如正弦波，也是可能的。在所展示的实例中，偏置电压902具有对应于稳态(例如，0.6伏)的基线910。在脉冲904的第一部分906中，偏置电压902下降比基线910低(例如，从0.6伏到0.584伏)标记为ΔE的量，并且然后返回到基线910。在脉冲904的第二部分908中，偏置电压902上升(例如，从0.6伏到0.616伏)。脉冲904被展示为对称的，即，在第一部分906中，电压902下降了值ΔE，并且在第二部分908中，电压902上升了值ΔE，但是其它实例可以使用非对称脉冲。
图901的下部示出了以毫微安为单位的电流响应912。当偏置电压902下降时，观察到的电流响应也下降(例如，从4毫微安降到约02毫微安)。然后，随着电容器释放其存储的能量的一部分，观察到的电流响应会上升。在所示的实例中，脉冲904的第二部分908定时在电流响应达到新的稳态(例如，稍早于原始稳态，如通过欧姆定律I＝V/R确定的)时或约在此时发生。在其它实例中，脉冲的第二部分可以较早出现(即，脉冲的周期可以比所展示的实例更短)或者脉冲的第二部分可以较晚出现(即，脉冲的周期可以更长)。
可以根据响应于电压变化的电压变化和电流变化来确定阻抗。例如，对于所示的脉冲(大小相等的脉冲)，可以根据电压变化(2ΔE)和电流的集成变化(ΔI)估计膜阻抗(Imemb)。可以应用另外的信号处理技术来提高阻抗估计的准确度。例如，在双层电容被估计(如上文所描述的)或假设为指定值的情况下，阻抗的确定可以考虑双层电容。
门控电流分析检测
在一些实例中，可以反复地关断并且重新导通分析物传感器电路。在传感器关闭的时间段期间，分析物(例如，葡萄糖)继续与传感器酶进行相互作用，这产生可以被感测的信号。因为，当传感器电路关断时，葡萄糖继续与葡萄糖氧化酶反应以产生过氧化氢，所述过氧化氢会累积。当传感器电路导通时，累积的过氧化氢产生的信号比没有累积的情况下的信号强得多。重要的是，一些干扰材料(如尿酸和对乙酰氨基酚)没有表现出这种累积效应，因此提高了信噪比(或信号背景比或信号干扰比)。因此，虽然对乙酰氨基酚(或其它干扰材料)的存在可能导致葡萄糖传感器估计出现误差(因为对乙酰氨基酚会影响从传感器观察到的原始信号)，但可以通过对分析物传感器电路进行门控来降低对乙酰氨基酚的影响以增加葡萄糖信号与干扰材料之间的信噪比。在一个实例中，使用门控和非门控电流分析法的传感器进行了测试。将葡萄糖浓度为156mg/dL的溶液中的传感器暴露于对乙酰氨基酚，以测试对电流分析法进行门控的效果。在正常(非门控)电流分析法中，对乙酰氨基酚的浓度为1mg/dL时，所估计的葡萄糖浓度的误差为3.19mg/dL。在常规门控电流分析法中，对乙酰氨基酚的浓度为1mg/dL时，所估计的葡萄糖浓度的误差为2.683mg/dL，这表明门控为系统提供了更高的对乙酰氨基酚耐受性(例如，减小由于传感器膜处存在对乙酰氨基酚引起的误差)。
图10A示出了传感器的相对于葡萄糖浓度绘制的电流。使用门控电流分析法和正常(非门控)电流分析法在葡萄糖浓度范围内测量传感器的数据点。数据表明门控电流分析法的电流响应(可以由分析物传感器系统检测)比正常电流分析法的电流响应更大。正常电流分析法的数据示出了电流与葡萄糖浓度之间的线性关系，由线1002指示。门控电流分析法的数据还示出了电流与葡萄糖浓度之间的线性关系(由线1004指示)，但斜率更陡，并且门控电流分析法的值更高。较陡的斜率可以允许更有效地在葡萄糖浓度水平之间进行区分。
图10B是示出分析物传感器中的门控电流分析法的示例实施方案的图。图10B的图在水平或x轴上指示时间，并且在竖直或y轴上指示来自分析物传感器的经测量的电流。在存在恒定的分析物浓度的情况下，用分析物传感器捕获图10B所展示的数据。样品系列1006指示使用标准电流分析法测量的分析物传感器的电流响应。在所展示的实例中，以每秒2.5个样品的速率捕获所述样品系列1006。如所示的，所述样品系列1006返回恒定电流。
系列1008和1010示出了分析物传感器的根据门控电流分析法的电流响应。在此实例中，将偏置电压施加到分析物传感器持续两秒的时间段，并且然后将其去除持续八秒的时间段。例如，所述样品系列1008示出了在3231秒时施加偏置电压，并且然后在3233秒时再次去除所述偏置电压时传感器的电流响应。如所示的，系列1008的初始样品返回的高电流(约225nA)，所述电流朝向标准电流分析法系列1006的电流值衰减。类似地，所述样品系列1010包含处于高电流(约224nA)的初始样品，所述电流也朝向标准电流分析法系列1006的电流值衰减。高初始电流，例如，可以是分析物传感器在偏置电压关断时检测到由传感器处的反应产生的过氧化氢的结果。在过量的过氧化氢与现在经过偏置的传感器反应时，传感器电流朝向标准电流分析法系列1006指示的稳态值衰减。
图10C是示出使用门控电流分析法操作的分析物传感器的示例电流响应的图。图10C的图在水平或x轴上指示时间，并且在竖直或y轴上指示来自分析物传感器的经测量的电流。在图10C的实例中，使分析物传感器进入分析物浓度恒定的缓冲材料。在约2600秒时，将分析物传感器暴露于分析物浓度逐渐增加的缓冲材料中。在此样品中，将分析物传感器暴露于每种相应分析物浓度持续约200秒。
在图10C的实例中，以图10B所指示的方式使用门控电流分析法来操作分析物传感器，其中施加偏置电压持续两秒的时间段，并且然后将所述偏置电压关断持续八秒的时间段。在施加偏置电压的所述两秒时间段期间，以约10Hz(例如，1/100毫秒)采样传感器处的电流。图10C中的曲线1020、1022、1024、1026、1028示出了分析物传感器的电流响应。
曲线1020示出了第0点的响应，指示在施加偏置电压的每个时间段期间捕获的第一样品。曲线1022示出了第1点的响应，指示在施加偏置电压的每个时间段期间捕获的第二样品。曲线1024示出了第5点的响应，指示在施加偏置电压的每个时间段期间捕获的第六样品。曲线1026示出了第10点的响应，指示在施加偏置电压的每个时间段期间捕获的第十一样品。曲线1028示出了第19点的响应，指示在施加偏置电压的每个时间段期间捕获的第二十样品。如所示的，对应于早期点的电流水平较高，并且然后随着后期捕获的点而下降。图10C还示出了各个不同的点表现出对传感器上存在的分析物浓度的依赖性。
图10D和10E是示出图10C所展示的示例电流响应的灵敏度的图。图10D和10E的图在水平或x轴上指示分析物浓度(在此实例中为葡萄糖)，并且在竖直或y轴上指示来自分析物传感器的经测量的电流。曲线1030示出了第0点的灵敏度或在施加偏置电压的每个时间段期间捕获的第一样品。曲线1032示出了第1点的灵敏度或在施加偏置电压的每个时间段期间捕获的第二样品。曲线1034示出了第5点的灵敏度或在施加偏置电压的每个时间段期间捕获的第六样品。曲线1036示出了第10点的灵敏度或在施加偏置电压的每个时间段期间捕获的第十一样品。曲线1038示出了第19点的灵敏度或在施加偏置电压的每个时间段期间捕获的第二十样品。图10D和10E示出了不同比例的曲线1030、1032、1034、1036、1038。例如，在图10D中，指示电流的竖直轴的比例是零到约500nA。在图10E中，指示电流的竖直轴的比例是零到约100nA。
图10F是示出图10C所展示的示例电流响应的灵敏度在第0点到第10点取平均值的图。图10F的图在水平或x轴上指示分析物浓度(在此实例中为葡萄糖)，并且在竖直或y轴上指示来自分析物传感器的经测量的电流。曲线1040示出了第0点到第10点的平均值的灵敏度。在一些实例中，门控电流分析法可以用于在以此方式施加偏置电压的同时，使用收集的样品的平均值来测量分析物浓度。尽管此处使用第0点到第10点，但是也可以使用其它组合。
图10G是示出由图10C的示例电流响应在第0点到第10点取平均值得出的基线曲线1042的图。图10G的图在水平或x轴上指示时间，并且在竖直或y轴上指示基线分析物浓度。基线分析物浓度是与分析物传感器处的零电流水平相对应的分析物浓度(在此实例中为葡萄糖)。如曲线1042所示，本文所描述的门控电流分析方法可以在约2小时后产生相对恒定的基线浓度。
图10H是示出使用如本文所描述的门控电流分析法操作的分析物传感器的跨度曲线1044的图。图10H的图在水平或x轴上指示时间，并且在竖直或y轴上指示分析物浓度(在此实例中，为葡萄糖浓度)。如本文所描述的，跨度曲线1044指示基于第0点到第10点的平均值从分析物传感器接收的葡萄糖浓度值。在此实例中，最初将分析物传感器暴露于葡萄糖浓度为零的缓冲液。在约9小时时，将分析物传感器暴露于分析物浓度约为85ml/dL的缓冲液。如所示的，由分析物传感器提供的分析物浓度值保持大致恒定。
图10I是示出在存在对乙酰氨基酚的情况下使用门控电流分析法操作的分析物传感器的跨度曲线1046、1048的图。如本文所描述的，跨度曲线1046示出了第19点样品的响应。如本文所描述的，跨度曲线1048示出了第0点到第10点样品的响应。因为传感器电流朝向稳态电压衰减，所以第19点更接近稳态葡萄糖读数(例如，使用标准电流分析法)。在图10I的实例中，将分析物传感器暴露于葡萄糖浓度约为85ml/dL的缓冲液中直到约6.5秒，之后，将分析物传感器暴露于葡萄糖浓度约为150ml/dL的缓冲液中。如所示的，第0点到第10点的平均值的跨度曲线1048比第19点的跨度曲线1046平坦。
湿度检测
分析物传感器的湿度敏感部分的所估计的阻抗可以用于检测湿度。例如，所估计的膜阻抗(例如，如上文所描述的确定的所估计的膜阻抗)可以提供分析物传感器暴露于相对潮湿的环境(与基线相对湿度相比)的指示。湿度变化的环境可能发生在例如制造、储存、运输(例如，在制造步骤之间或在通往经销商或最终用户的途中)中，或者最终用户可能遇到所述湿度变化的环境(例如，如果传感器包装已打开但传感器在打开后的相当长的时间段内未使用)。
分析物传感器(如上文所描述的图3A-3C中所示的传感器)通常包含阳极(例如，工作电极)、阴极(例如，参考电极)和至少一个覆盖阳极、阴极或两者的膜。膜通常包含亲水性结构域，离子可以在其中驻留和移动，这使膜具有导电性。膜的导电率(或电阻率或阻抗)可以指示膜所暴露的环境的湿度(例如，因为膜吸收水蒸气，这使其更导电)。可以通过向传感器电路施加小振幅(例如，1-200毫伏)激励脉冲或AC信号来进行阻抗测量。可以根据在传感器电路中观察到的电流响应，与注入的信号或脉冲的一个或多个已知的电压特性组合来确定阻抗估计(例如，可以基于欧姆定律确定阻抗估计)。
在一些实例中，可以随时间跟踪多个阻抗估计值(或测量结果，可以根据所述测量结果确定阻抗估计)，这可以指示传感器所暴露的环境的湿度或传感器环境的相对湿度或两者。
分析物传感器的湿度暴露可能影响传感器的性能。在一些实例中，可以基于所估计的湿度暴露(例如，可以针对植入前的湿度暴露补偿传感器系统的输出)来调整传感器系统参数(例如，葡萄糖灵敏度或随时间的葡萄糖灵敏度分布)。在一些实例中，系统可以生成指示传感器已暴露于过度湿度或过度干燥的条件下的警报或警告。例如，系统可以通知用户不应使用传感器。
图11是示出相对于时间绘制的经测量的阻抗值1102的图。相对于分钟绘制阻抗值1102，但是在其它实例中，可以相对于几天或几周绘制所述阻抗值。数据来自台式实验，其中湿度受控环境为84％的相对湿度以及50％的相对湿度，但代表了传感器在实际环境中的响应。
在第一潮湿时间段(从0延伸到93分钟)开始时，分析物传感器在1千赫下的所估计的阻抗(例如，使用电压和电流测量结果以及欧姆定律得出)约为7700千欧姆(kΩ)。随着传感器吸收湿气，在第一时间段期间的阻抗有下降的趋势，直到在93分钟时达到约3800千欧姆。在第93分钟时，在第一干燥时间段(从93分钟到98分钟)期间，将分析物传感器暴露于50％的相对湿度的周围环境中。当传感器变干时(例如，在水从传感器膜中蒸发并进入相对干燥的周围环境时)，传感器的阻抗迅速回升到约7500千欧姆。在第一干燥时间段之后，将传感器重新引入到84％的相对湿度的环境中以用于第二潮湿时间段(从98分钟直到140分钟)，并且传感器阻抗回落到约4200千欧姆。在140分钟时，传感器再次暴露于50％的相对湿度的环境中，并且所估计的阻抗升到7000千欧姆以上。图11中的数据展示了可以使用阻抗来跟踪湿度暴露。湿度信息(如图10中所示的湿度信息)可以用于确定警报或警告(例如，“传感器受损”)或调整传感器的性能(例如，补偿由湿度引起的阻抗变化)。在一些实例中，植入之前的阻抗可以用于补偿分析物灵敏度(例如，葡萄糖灵敏度)。
尽管传感器在本公开中通常被称为分析物传感器，但是在其它实例中，传感器(例如，图3A-3B中的传感器34)可以用作湿度传感器。
在一些实例中，传感器可以被集成到(分析物传感器或另一装置的)“智能”包装中，并且可以感测或跟踪封装体中或封装体外部或周围的湿度。
在一些实例中，分析物传感器系统或智能包装可以包含存储器电路，所述存储器电路可以存储阻抗信息。阻抗信息可以与时间信息一起存储，所述时间信息可以提供装置或包装的湿度暴露的历史。在各个实例中，可以一分钟数次、一分钟一次、一小时数次、一小时一次、一天数次(例如，每六个小时)、一天一次、几天的间隔(例如，每两天、三天、五天或十天)、一周一次、一月数次(例如，半月)或一月一次检测和存储阻抗。湿度历史信息可以用于确定警报或警告(例如，声明产品已受损或潜在受损)或者可以在用户接口上显示以供用户评估，或者可以通过网络发送(如图1所示的网络)进行远程处理或评估。
膜完整性的评估
传感器电子器件的测量结果可以用于评估传感器膜的完整性。由于制造的可变性、损坏或两者，分析物传感器可能偏离性能标准(例如，偏离默认灵敏度曲线)。在一些实例中，可以使用所确定的用于传感器的阻抗来检测或量化这种性能差异。为了简单解释，在本申请中描述的实例中，传感器可以被称为“受损”以指示传感器膜组合物的异常，但是对“受损”传感器的提及也应解释为也适用于具有异常的传感器(例如，由于制造过程或处理传感器造成的损坏引起的异常)。
分析物传感器(如CGM传感器)通常包含一个或多个功能膜，所述功能膜可以包含异常或在传感器组装、部署或其它处理期间受损。膜损坏可以包含例如刮擦、刺穿或分层。当膜受损时，所述膜可能产生多余的通道，使分析物(如CGM传感器的葡萄糖)到达下面的电极表面，这可能会使传感器的输出信号膨胀(例如，增加对葡萄糖的灵敏度)，或者产生的信号比正常信号嘈杂或不如其一致。
可以期望检测具有受损或异常膜的传感器，使得可以拒绝(例如，在制造期间)、更换(例如，由最终用户)或补偿(例如，可以施加补偿因子来解决轻微损坏或异常情况)传感器。在各个实例中，基于电子测量结果的阻抗测量可以用于在制造过程中早期检测损坏或异常，以避免进一步处理不可用的传感器，或在制造过程中后期进行最终检查以确保传感器在处理期间或插入宿主之前或插入所述宿主的同时未受损，以避免给用户带来不便或避免对不准确的传感器输出的潜在依赖。
可以使用所估计的阻抗(如上文所描述的膜阻抗)来标识或量化传感器中的损坏或异常。设计分析物传感器上的一个或多个膜来限制分子和离子的迁移率。如果膜因刮擦、刺穿或分层而受损，则与膜内部相比，离子可以在那些区域/部分中相对自由地移动。因此，膜损坏可以对应于阻抗的降低(导纳或电导的增加)。
膜损坏或异常可以呈多种形式。例如，一个或多个传感器涂层可以比膜上的周围区域薄或不同，或者涂层可能受损或缺失，或者当传感器涂层严重损坏时，电极可能被暴露。
图12A是在膜上具有受损或异常部分1203的示例传感器1202的图像。传感器膜中的缺陷可以响应于葡萄糖浓度的变化而影响传感器1202的电行为。例如，由于穿过传感器涂层的葡萄糖扩散率增加，传感器1202可以表现出对葡萄糖的更高的灵敏度(与没有缺陷的传感器相比)。图12B和12C示出了由传感器1250、1252的制造导致的损坏或异常1251、1253的其它实例。
由于所有传感器膜的膜厚度或组成都会有一定程度的变化，因此确定膜是否健康或过度受损或异常的程度是必要的。例如，传感器涂层的损坏可以从轻微的异常(例如，传感器的一小部分中的薄层或缺失层)到暴露出工作电极的重度损坏。具有损坏轻度的涂层的传感器可以正常运行，但传感器的灵敏度可能略有增加。在一些实例中，传感器的损坏区域可以相对较大，但是损坏可以相对较浅，使得传感器的性能令人满意。在其它实例中，传感器的损坏区域可以相对较小，但是损坏可以相对较深，例如，损坏可以延伸到电极的大部分或全部路径，在这种情况下，尽管损坏影响传感器表面积的一小部分，但是可能严重损害传感器的性能。
可以根据膜损坏等级对传感器进行分类，以量化损坏的程度。例如，可以开发出数字刻度，其中0指示没有损坏(即，健康传感器)，1指示很小的损坏，4指示中度受损传感器，并且8指示重度受损传感器(这之间的数字与连续的损坏等级相关)。图12D到12H示出了传感器从未损坏到重度损坏的情况。损坏是通过在砂纸上摩擦传感器而造成的，从而产生了一系列受损传感器(轻度损坏到重度损坏)，能够测试阻抗和其它特性。图12D示出了没有损坏的健康传感器1204的显微镜图像。图12E示出了具有轻度损坏的部分1207的传感器1206。图12F示出了具有中度损坏的部分1209的传感器1208。图12G示出了具有中重度损坏的部分1211的传感器1210。图12H示出了具有重度损坏的部分1213的传感器1212。
传感器中损坏的存在或程度可以使用电测量来评估，例如，确定阻抗。图13是分析物传感器的简化等效电路1301的示意性图示。图4中所示的电路400(或其它变体)也可以用于传感器分析，但是为了简单起见，将参考图13中所示的电路1301。电阻器1302表示极化电阻(R葡萄糖，在图4中标记为Rpol)，并且电容器1304表示双层电容(Cdl)。电阻器(R)1306表示传感器电子器件中的膜(图4中的Rmembr)、电极和内部电阻(图4中的R_Tx_内部)的组合电阻。使用欧姆定律(I＝V/R)，可以测量电阻器(R)的阻抗，这可以指示膜损坏或异常的存在或程度。
可以标识过度损坏或异常(例如，如使用阻抗确定)的传感器，并在宿主中使用时，将其排除。例如，在植入宿主之后可以标识过度受损传感器，在这种情况下，可以向用户递送警报以通知用户所述损坏(例如，“检测到受损传感器。请更换传感器。”)。在一些实例中，传感器系统可以施加补偿以解决对传感器的轻度损坏。例如，尽管传感器涂层异常或损坏，也可以调整传感器的灵敏度(例如，基于所确定的阻抗)以提供准确的所估计的分析物浓度水平。
在一些实例中，通过在突出阻抗差的频率下对阻抗进行比较，可以更容易地将传感器膜中有损坏或异常的传感器与健康传感器区分开。图14是受损或异常的传感器(如传感器1202)和健康(未受损)的传感器的阻抗(Ohms)对频率(Hz)的绘图。X轴和Y轴两者均为对数刻度。从绘图中可以看出，受损传感器1404的阻抗与健康传感器1402的阻抗之间的差值随频率而变化。例如，在100Hz和100kHz下，受损传感器1404的阻抗相对接近健康传感器1402的阻抗。相比之下，在10kHz下，受损传感器1404与健康传感器1402之间的阻抗差值相对较大，如图14中的箭头所指示的。
在一个实例中，可以通过测量在一定的频率(例如，5,000Hz下或10,000Hz下，或在1000到30000Hz范围内的某个频率)下的阻抗来标识具有损坏或异常的传感器，其中受损传感器的阻抗与健康传感器的阻抗之间存在相对较大的差距。
在另一实例中，可以在一定频率范围内进行多个阻抗测量，并且可以使用阻抗谱将受损或异常的传感器与健康传感器区分开。例如，可以将受损传感器与健康传感器区分开，或者可以基于阻抗-频率曲线的属性(如形状、阻抗值、导数(斜率)或二阶导数(曲率)确定或估计损坏(或异常)的程度。在一些实例中，阻抗或所估计的损坏/异常程度可以用于补偿轻微的损坏或异常。
图15A是多个传感器在5000Hz下的阻抗对水合时间的绘图。在足够的水合时间(例如，400秒)后，受损传感器产生的阻抗1504显著小于健康传感器的阻抗1502。健康传感器对受损传感器的阻抗差可以用于标识受损或异常传感器。例如，在400秒后阻抗低于60000欧姆的传感器可以被视为异常或受损，或者可能需要补偿，这取决于损坏量或异常量，所述损坏量或异常量可以从阻抗推断。例如，第一阈值可以标识需要补偿的传感器，并且第二阈值可以标识被认为过度受损并从可用传感器群中排除的传感器。图15A展示了在水合时间500秒时将阈值设置为60千欧姆的实例，这清楚地将过度受损传感器与健康传感器区分开。
图15B是对于多个水合时间的平均阻抗(R_均值，由菱形指示)和阻抗(R_均值)的标准偏差(R_STDEV，由正方形指示)的绘图。从绘图中可以看出，标准偏差从一分钟(R_STDEV超过5000)到二分钟(R_STDEV低于2500)显著下降，并在到30分钟之前保持在3000以下。可以基于在标准偏差下降之后测量的阻抗值来进行损坏确定，例如，以便更有效地确保特定传感器相对于受损或异常而言是健康的。
图16A-C是健康传感器在25kHz下的所确定的传感器阻抗的直方绘图。图16A示出了5分钟时的阻抗分布，图16B示出了10分钟时的阻抗分布，并且图16C示出了30分钟时的阻抗分布。五分钟时的阻抗标准偏差为2.3千欧姆。三十分钟时的阻抗标准偏差为2.7千欧姆。可以期望尽早测量阻抗(例如，水化时间为五分钟或更短的时间)，因为等到30分钟点仍无法改善阻抗分布的标准偏差。在一些实例中，一千欧姆的阻抗精确度足以标识健康传感器(例如，偏离定义值(例如，均值或近似于均值的指定值)的阻抗可以被视为指示传感器有损坏或异常)。
图17A和17B示出了相对于膜损坏等级绘制的阻抗，所述膜损坏等级用于对图12B到12H所示的传感器膜的损坏进行分类。对于图17A，在水合时间四分钟时取阻抗测量结果，并且对于图17B，在水合时间10分钟时取阻抗测量结果。在25kHz下取阻抗测量结果。来自图17A和17B的健康传感器1702、1704的分布也已经覆盖在图上(其中X轴指示健康传感器分布的出现频率)。可以基于与那些严重受损传感器相关联的较低阻抗值来标识损坏等级大于五的受损传感器(例如，损坏等级为6、7和8的数据点远低于健康传感器的阻抗)。具有轻度到中度损坏的传感器的经测量的阻抗与健康传感器的阻抗重叠，但是阻抗通常倾向于低于健康传感器的阻抗范围。在一些实例中，可以使用阻抗阈值来将健康传感器与过度受损传感器区分开。例如，如图17A所示，可以在四分钟时使用67千欧姆的阈值1706来标识受损传感器(其阻抗低于67kHz)，或者如图17B所示，可以在十分钟时使用58千欧姆的阈值1708标识受损传感器。在另一实例中，阈值1710(例如，图17A中的58千欧姆)或1712(例如，图17B中的50千欧姆)可以用于标识严重受损传感器(例如，传感器的等级大于上文提及的损坏等级上的五)。在一些实例中，第一阈值1706或1708可以用于标识应当被补偿的传感器，并且第二阈值1710或1712可以用于标识其中损坏或异常严重到传感器不应被使用的传感器。
可以期望快速标识具有过度损坏或异常的传感器。例如，在将传感器植入宿主中之后，可以期望在一分钟或几分钟内进行传感器损坏评估，以便可以更换受损传感器。对于传感器的穿戴者而言，快速的传感器损坏评估可以更方便。例如，进行快速评估使得穿戴者仍处于可以需要更换传感器的位置或情况的可能性增加。长时间的评估延迟可能使得穿戴者动身去工作、上学、离开看护人陪伴或以其它方式经历环境变化的可能性增加，这使接入传感器或更换传感器更加困难。因此，可以期望基于阻抗确定来进行传感器损坏或异常评估，所述阻抗确定足够地散布在健康传感器与过度受损传感器之间以实现区分，并且还可以在传感器水合(例如，植入皮下液体中)后早期合理地进行。例如，参考图15A-B，可以使用500秒、400秒或300秒(五分钟)时或在其之前的阻抗值来将过度受损或异常的传感器与健康传感器区分开。图16A-C所示的数据还表明，约四分钟或五分钟的水合时间足以基于阻抗将传感器区分开。
可以期望更快速地将受损或异常的传感器与健康传感器区分开。图18A示出了多个传感器的相对于180秒(1.5分钟)内的时间绘制的阻抗。由于膜的水合，阻抗在第一分钟期间迅速下降，并且然后继续以较慢的速率向下漂移。受损传感器的阻抗比健康传感器的阻抗下降得快。
在一些实例中，在以足够的精确度知道水化时间的情况下(例如，在控制传感器插入或在插入发生时有捕获时间戳的方式的系统中)，可以定义阈值时间以使传感器达到特定的阻抗水平。例如，如果在插入之后的指定时间(例如，30秒)时阻抗高于阈值(例如，350千欧姆)，则传感器可以被认为是健康的。在另一个实例中，可以进行多个阻抗确定(例如，每秒一次)，并且如果传感器读数中没有一个低于阈值(例如，在植入后的前30秒内，没有一个低于350千欧姆)，则传感器可以被视为是健康的。
图18B是相对于传感器对葡萄糖浓度(以皮安/毫克/分升为单位)的灵敏度绘制的阻抗的图，所述阻抗可以例如在工厂校准阶跃期间确定，或者可以是预先定义的，或者可以基于用户校准。在一个实例中，阈值1802可以基于传感器的灵敏度而变化。例如，可以将阈值定义为与灵敏度具有线性关系，如图18B所示。在其它实例中，可以将阈值定义为与灵敏度具有不同的(例如，多项式)关系，或者可以将单个阈值(例如，图18B中所示的数据为90,000千欧姆)用于所有传感器灵敏度。
在一些情况下，传感器的实际插入时间可以未知。图19A是阻抗相对于样品数量的绘图。样品是顺序采集的，但是自插入以来的时间未知，因此样品轴(X轴)上的零点不一定对应于时间零。当将传感器植入到穿戴者中时，通常在将传感器插入到组织液中与将传感器电子器件组装到传感器上之间存在延迟，此时可以开始进行阻抗确定和时间测量。由于延迟是未知的，因此可能很难仅基于阻抗值来将健康传感器与过度受损或异常的传感器区分开，这是因为所述值可以重叠。此外，图19A所示的完整阻抗趋势可能不可用：基于传感器电子器件的连接时间或其它因素，仅可以捕获阻抗趋势的一部分。
在一些实例中，为了解决这些问题，可以将传感器的阻抗数据与一个或多个模板进行比较。例如，可以将阻抗与健康传感器模板或受损传感器模板或两者进行比较。图19B示出了健康传感器模板1902、受损传感器模板1904以及基于所关注的传感器的测量结果的阻抗样品1906。可以将阻抗样品1906与模板进行比较，以确定与阻抗样品最类似的模板序列(即，片段)(例如，确定模板曲线的哪一部分最佳拟合阻抗样品)。在一些实例中，针对每个模板标识模板序列匹配，并且确定哪个模板序列与阻抗样品更类似。例如，参考图19B，阻抗样品1906可以与健康传感器模板1902上的序列1910匹配，并且与受损传感器模板1904上的序列1912匹配。如果相比受损传感器模板1904上的序列，阻抗序列与健康传感器模板1902上的序列1910更类似，则可以将与阻抗样品1906相对应的传感器声明为健康传感器。
在一些实例中，可以使用多个参考模板。例如，可以使用多个参考模板，其中每个参考模板对应于不同的损坏级别。
动态时间扭转
可以施加动态时间扭转(DTW)以解决阻抗数据时序中的变化。例如，阻抗样品可以与模板的总体形状或图案匹配，但时间轴可能失真，例如，阻抗样品可以显示出模板的特性，表明传感器是健康的(或受损)，但是阻抗的变化率可以与模板不同。可以使用动态时间扭转技术解决此问题。在一些实例中，动态时间扭转(DTW)技术可以用于确定哪个模板与阻抗序列最类似。当阻抗序列不连续时，动态时间扭转可以特别有用。
在一个实例中，可以应用动态时间扭转来找到阻抗值的实时测量序列与参考模板之间的类似性。例如，DTW过程可以在本地转译、压缩和扩展图案，使得图案中的类似特征是匹配的。在一些实例中，DTW的应用可以以这种方式非线性地扭转两个轨迹，使得类似事件对准并且获得其之间的最小距离。缩放可以在实施DTW之前执行以提高DTW的性能。
在一个实例中，xa和xt可以分别是具有数据长度的参考轨迹和测试信号轨迹。可以应用DTW在阻抗对时间(RxT)网格上找到L个点的序列F*，例如：
F＝[f(1),f(2),...f(k),...f(L)]
max(ii,T)<L<R+T
其中f(k)＝[i(k),j(k)]是指示网格上位置的有序对，k是沿着两个轨迹之间的路径的网格点数，i和j是样品点(对于参考轨迹和测试轨迹，其分别上升到R和T)。序列F*(在所有可能的F序列中)是网格上的路径，所述路径与两个轨迹中的每个向量最佳匹配，因此其之间的归一化距离最小。DTW将所述两个轨迹的每个点之间的欧几里得距离d定义为：
d(i(k),j(k))＝[xr(i(K))-xT(J(k))]2
两个轨迹之间的总距离定义为
Figure BDA0003122388250000501
找到最佳路径和最小总距离作为以下优化问题的解决方案：
Figure BDA0003122388250000502
动态编程是解决此问题的一种很好且有效的解决方案，其可以保证找到最佳路径，而不必计算沿所有可能路径的距离：
Figure BDA0003122388250000511
关于一些本地和全球限制
Figure BDA0003122388250000512
Figure BDA0003122388250000513
i(κ+1)≥i(κ)
j(κ+1)≥j(κ)
在一个实验中(使用图19A中所示的数据)，DTW方法显示出良好的灵敏度和特异性。传感器群包含十九个健康传感器和七个受损传感器。方法将十九个健康传感器中的16个标识为健康，并且将十九个健康传感器中的三个标识为损坏的。七个受损传感器中有六个被标识为损坏的，并且七个受损传感器中有一个被标识为健康。DTW的施加可以提高传感器系统在受损传感器与健康传感器之间进行区分的性能。
在一些实例中，可以使用导数动态时间扭转。可以使用例如Savitzky-Golay滤波器来获得平滑导数。
连续阻抗测量结果
在另一实例中，如果连续阻抗测量结果可用，则可以使用以下等式完成匹配：
Figure BDA0003122388250000514
Figure BDA0003122388250000515
结果＝min(min(Vd(k))min(Vh(k)))
其中N测试、N损坏和N健康分别是实时测量的阻抗序列、参考受损模板和参考健康模板的大小。
阻抗-频率特性
在一些实例中，可以使用传感器在指定频率下或两个或更多个频率下的阻抗来确定关于传感器的信息。例如，两个不同频率下的阻抗之间的差值或阻抗-频率曲线的形状(例如，斜率)可以用于确定关于传感器的信息，如损坏状态。在更高频率(例如，1千赫兹或更高频率)下测量阻抗或传感器损坏可以提高测量结果的准确度，因为双膜电容对较高频率下的电路行为影响较小(例如，传感器电路的作用类似于高通滤波器)。
图20是六个传感器的相对于频率绘制的阻抗的图示。对于每个传感器，在一定频率范围内取了多个阻抗测量结果。为了获得一系列的损坏级别，通过将传感器抵靠砂纸进行刮擦，使传感器受到不同程度的物理损坏。刮擦涉及多次将传感器在砂纸上拖过一定距离。使用相同等级的砂纸刮擦每个传感器。第一曲线2002对应于被刮擦20次的传感器。第二曲线2004对应于被刮擦10次的传感器。第三曲线2006对应于被刮擦五次的传感器。第四曲线2008对应于被刮擦一次的传感器。第五曲线2010对应于被拖动一半的距离的传感器(即，与对应于第四曲线的传感器相比受到“半刮擦”)。第六曲线2012对应于未被刮擦(未受损)的传感器。
阻抗曲线2002、2004、2006、2008、2010、2012在低于100kHz下和高于10,000Hz下具有的相对紧密分组的阻抗值，但阻抗值散布在100Hz与10,000Hz之间。例如，在1000Hz下，第一曲线2002(对应于最严重受损传感器)的阻抗值约为100kΩ，第二曲线2004的阻抗值约为105kΩ，第三曲线2006的阻抗值约为122kΩ，第四曲线2008的阻抗值约为140kΩ，第五曲线2010的阻抗值约为155kΩ，并且第六曲线2012(对应于未受损传感器)的阻抗值约为160kΩ。
在一些实例中，在阻抗-频率曲线的存在阻抗散布的部分处测量阻抗可以允许表征传感器的损坏量。例如，可以在高于250Hz(例如，1000kHz)下确定传感器的阻抗，并将阻抗与参考值或查找表进行比较，以确定传感器的损坏状态或确定传感器对分析物(例如，葡萄糖)的灵敏度。在相对较高的频率(例如，超过250Hz或1000Hz)下确定阻抗可以避免受到双层电容的影响，因为膜的作用类似于高通滤波器。
在一些实例中，传感器的特征可以在于在两个不同频率下的阻抗值的差值。例如，1000Hz下的阻抗与100Hz下的阻抗之间的差值可以用于确定传感器膜的损坏程度。传感器在两个不同频率下的阻抗值之间的这种差值将被称为“双频阻抗”，以避免与健康传感器与受损传感器之间的阻抗差(如上文所描述的)或特定传感器在两个时间点的阻抗差(如下文所描述的)混淆。
图21是示出相对于通过传感器所暴露的砂纸进行的刮擦次数绘制的双频阻抗(在这种情况下，为100Hz下的阻抗减去1kHz下的阻抗)的图，所述刮擦次数与传感器的损坏量有关。第一曲线2102指示在传感器与溶液接触之后立即测量的双频阻抗。第二曲线2104指示在溶液中浸泡过夜后测量的双频阻抗。与浸泡过夜后相比，将传感器浸入溶液后的双频阻抗更大。这表明无需延长浸泡时间段，基于制造过程期间取得的测量结果的双频阻抗可以用于标识异常或受损传感器。这还表明，基于将传感器插入到宿主的组织液中不久之后取得的阻抗测量结果的双频阻抗可以用于评估传感器的健康(例如，快速确定传感器是否受损，使得可以对其更换)。
图22A示出了损坏程度不同的多个传感器的相对于时间绘制的1kHz下的阻抗。使用上述方法(例如，基于电流测量结果和所施加的电压)确定阻抗。时间指示插入水合溶液后经过的时间量。曲线2202对应于损坏程度相对较大的传感器。曲线2212对应于没有损坏的传感器。两者之间的曲线对应于损坏程度不同的传感器，其中受损程度更大的传感器更接近曲线2202。曲线2202对应于被刮擦20次的传感器(如上所述)。曲线2204对应于被刮擦12次的传感器。曲线2206对应于被刮擦8次的传感器。曲线2208对应于被刮擦4次的传感器。曲线2210对应于被刮擦2次的传感器。曲线2211对应于被刮擦一次的传感器。图22A表明，对于每个传感器(受损、轻微受损和未受损)，阻抗在浸入后的前100秒迅速下降，并且然后在接下来的500秒继续以较慢的速率下降。
图22B示出了如图22A所示的相同传感器在100Hz下和1000Hz下的双频阻抗(即，100Hz下的阻抗与1000Hz下的阻抗差)。例如，曲线2202'表示与图22A中的曲线2200相同的传感器的双频阻抗，并且曲线2212'表示与曲线2212相对应的未受损传感器的双频阻抗。图22B表明，对于每个传感器(受损、轻微受损和未受损)，双频阻抗在浸没后的前100秒迅速下降。未受损且轻微受损传感器(例如，如曲线2212'、2210'、2211'所表示的)在约75秒时达到双频阻抗低点，此后双频阻抗相对稳定。阻抗值在100秒后相对稳定，其中随时间推移，更多的受损传感器的双频阻抗缓慢下降。在100到600秒的时间段内，相对稳定的双频阻抗值可以允许基于阻抗值对传感器损坏进行区分或表征，其中对确切的测量时间或传感器对浸入的响应的时间变化不那么灵敏。双频阻抗值在双频阻抗谱上的位置可以用于确定损坏的存在或严重程度。例如，参考图22B，双频阻抗大于65kOhm的传感器可以被视为严重受损(或具有严重的制造异常)，双频阻抗低于55kOhm的传感器可以被视为未受损或受损很小(并且因此是可用的，有可能通过补偿使用)，并且双频阻抗介于55kOhm与65kOhm之间的传感器可以被视为中等受损(并有可能通过补偿使用)。
因为与溶液接触后双频阻抗比简单阻抗更快速地稳定，所以作为传感器损坏的量度，双频阻抗可以比阻抗更优选。例如，可以使用双频阻抗更容易地确定可预测的稳态范围，或者可以在较短的停留时间内进行测量，因为双频阻抗比阻抗更快速地稳定。
在插入宿主后，双频阻抗对于评估传感器的健康可以特别有用。当将传感器插入宿主后，如果传感器没有自己的时钟或没有传感器电子器件来跟踪时间，则可能无法知道确切的插入时间。例如，传感器电子器件可以在传感器插入之后的未知时间段内耦接到插入的传感器(即，用户可以插入传感器，但是可以不立即将传感器电子器件(例如，发射器)耦接到插入的传感器)。因此，确切的停留时间可能未知。(在插入后)停留时间可以是几秒或一分钟或几分钟或更长时间，这取决于用户的习惯或行为。当与传感器电子器件附接时，传感器阻抗数据可以最终变为可用的，但是自插入以来的时间长度可能未知，这意味着阻抗可能并不指示传感器损坏的量。例如，参考图22A，1kHz下的70kOhm的阻抗值可以对应于绘制的传感器中的任何传感器(例如，严重受损传感器曲线2202在约60秒时的值约为70kOhm，并且未受损传感器曲线2212在约450秒时的值为70kOhm)。
由于可能不知道精确的停留时间，因此可能期望在不使用精确的自插入以来的时间值作为输入的情况下检测出故障或受损传感器。例如，可以期望使用在传感器插入后的短时间内可靠地稳定的稳态参数。在一些实例中，可以优选的是基于双频阻抗(如图22B所示)而不是阻抗(如图22A所示)来确定传感器的健康，以便在短时间段后利用相对稳定的值。在一个实例中，传感器系统可以使用在将传感器连接到传感器电子器件(可以启动时钟)之后的指定时间段(例如，72秒或100秒)确定的双频阻抗值，以确保传感器在双阻抗曲线中达到稳定点。
图23A示出了多个传感器的相对于灵敏度(例如，nA/mg/dL)绘制的1000Hz下的传感器阻抗，其中在传感器插入后三分钟进行测量。损坏很小或未损坏的健康传感器由圆圈指示，并且不健康(例如，严重受损)传感器由正方形指示。健康传感器2302落在由线性函数确定的线附近。不健康传感器2304落在所述线之下。图23A所示的图表上的特定传感器阻抗的相对放置可以用于标识不健康传感器。例如，可以基于距健康传感器线的距离来标识受损传感器。
图23B示出了针对在浸入流体中后三分钟采取的测量结果，相对于灵敏度绘制的双频阻抗。从健康传感器线2306移位的传感器(例如，高于限定范围)可以被标识为受损或异常。图23B表明，基于传感器在双频阻抗对灵敏度上的位置进行的损坏评估具有良好的特异性(与健康传感器线间隔开的所有三个传感器均损坏或异常)，但是具有中等灵敏度(在六个受损传感器中标识出仅三个)。双频和阻抗以及灵敏度可以单独用于标识受损传感器，或与一种或多种其它技术组合使用，这可以标识图23B绘图中“缺失”(无法明确标识为异常)的其它三个异常传感器。
图24A示出了多个健康传感器的相对于时间绘制的双频阻抗。与先前公开的一样，双频阻抗是100Hz下的阻抗减去1000Hz下的阻抗。如参考图20所描述的，也可以使用其它频率。图24A示出，双频阻抗在前50秒内迅速下降，并且然后在达到稳态之前略有增加(“回弹”)。
图24B示出了多个受损传感器的相对于自浸入以来的时间绘制的双频阻抗。中度受损传感器(由曲线2406、2408、2410、2411指示)示出不太明显的回弹，并且严重受损传感器(由曲线2402、2404指示)示出很少甚至没有回弹。在一些实例中，可以至少部分地基于双频阻抗曲线中存在的回弹的存在或回弹量来确定传感器中的损坏的存在或损坏量。例如，可以将插入后指定时间的双频阻抗之间的差值(例如可以基于图24A和24B所示的曲线中的典型低点进行选择)与稍后时间的(或更早时间的)双频阻抗进行比较。在一些实例中，可以在两个或更多个频率下和连续时间处测量多个阻抗值，使得可以为正在评估的特定传感器标识或估计双频阻抗曲线上的低点，并且可以将稍后的双频阻抗与低点进行比较，以评估回弹量或回弹的存在，从中可以推断出损坏量或损坏的存在。
图24C示出了图24A的健康传感器和图24B的受损传感器在浸入后72秒与浸入后180秒的双频阻抗之间的差值。两组传感器(健康和受损)的双频阻抗的低点大约在浸入后72秒。在180秒时，两组的双频阻抗均已稳定。图24C中受损传感器的传感器数据点标记有参考数字，以指示图24B上的相应对应曲线。
图24C示出了低点(例如，72秒)时的双频阻抗与稳态(例如，180秒)时的双频阻抗之间的差值可以用于标识受损传感器。例如，可以定义阈值，并且对于超出阈值的指定测量时间(例如，对于所展示的数据，为72秒和180秒)，具有双频阻抗差的传感器可以被视为受损(或过度受损)。在各个实例中，双频阻抗差低于(小于)阈值的传感器可以被认为是健康的，或者可能健康的(例如，未损坏或者不会妨碍传感器的使用的轻度损坏或异常)或需要进一步评估以确定状态(例如，可以使用第二种技术来标识与未被标识为受损的曲线2410、2411相对应的传感器)。
参考图24C，阈值可以例如是负的一千欧姆(-1050Ω)。可以使用受损状态已知(例如，如通过显微镜检查或故意损坏传感器确定的)的一组传感器通过实验确定具体阻抗差阈值。阈值可以至少部分地取决于传感器的设计(例如，传感器大小)、膜(例如，膜厚度或组成)、指定的测量时间(例如，针对示例数据选择了72秒和180秒)。精确的测量时间可以不同，或者可以是一个范围，或者可以根据传感器数据确定。例如，测量时间可以是双频阻抗曲线中的所估计的低点，以及稍后的指定时间量(例如，在低点之后的108秒)。
图24C中的图表示出了用于标识受损传感器的良好特异性，并针对受损传感器提供了相当好的灵敏度(六个中标识出四个)。在一些实例中，另外的信息可以与双频阻抗组合以改进性能，例如以增加系统标识过度受损传感器的灵敏度。例如，传感器评估可以基于以下中的两个或更多个：在指定事件之后的一个或多个指定时间的传感器阻抗；两个不同时间的阻抗差；双频阻抗；两个不同时间的双频阻抗差；阻抗的一阶导数、阻抗差或双频阻抗；阻抗的二阶导数、阻抗差或频率阻抗；阻抗的高阶导数或阻抗差；或信号的可变性或信号的导数的可变性。传感器评估还基于多于两个的频率或多于两次的测量时间。
图25A示出了健康传感器(由虚线指示)和受损传感器(由实线指示)的相对于时间绘制的阻抗。图25A-25H中的数据是使用通过在沙纸上刮擦而受损传感器获得的，如上文所描述的。图25A示出了受损传感器的阻抗趋向于降低，其中在阻抗分布的外部边界处有一些重叠。在浸入液体后100秒与900秒之间，一些受损传感器的阻抗高于健康传感器中的一些健康传感器的阻抗。
图25B示出了同一组传感器的相对于时间绘制的阻抗，其中对数据施加了滤波。可以看到，例如，浸入后100秒与200秒之间的健康传感器中的若干个健康传感器的信号可变性(例如，噪声)已经去除。可以例如使用Savitzky-Golay滤波来完成滤波，施加所述滤波以产生图25B所示的绘图。
图25C示出了健康传感器的相对于时间绘制的经滤波的阻抗(来自图25B)的一阶导数。图25D示出了受损传感器的相对于时间绘制的经滤波的阻抗的一阶导数。图25E在同一图上示出了受损传感器和健康传感器的经滤波的阻抗的一阶导数(即，图25D覆盖在图25C上)。
健康传感器和受损传感器的一阶导数对时间的特征差异绘图可以用于将健康传感器与受损传感器区分开。例如，统计分析表明，在同一平均窗内，受损传感器的一阶导数值在99秒与180秒之间的平均值与健康传感器的平均值存在显著差异(p<0.05)。图25I示出了多个受损传感器以及健康传感器在此时间窗(99到180秒)内的经滤波的阻抗的一阶导数的平均值。健康传感器的平均值显著低于受损传感器的平均值。虽然使用一阶导数方法可以对受损传感器中的仅一部分(14个中的5个或6个)与健康传感器进行区分，但方法可以与其它检测方法组合使用，以提高损坏检测的成功率。
可以使用其它平均时间窗来替代上述99-180秒实例。在一些实例中，平均时间窗的端点可以被选择例如作为阻抗的低点，以及作为阻抗已经稳定的稍后的时间点(例如，根据如图24A和24B所展示的数据所确定的)。在其它实例中，平均时间窗可以根据实验数据以及阻抗的一阶导数或二阶导数或双频阻抗来确定。
一阶导数数据的其它特征也可以用于将受损传感器与健康传感器区分开。例如，一阶导数的可变性可以用作传感器健康的指标，其中较低可变性与传感器损坏相关(即，在窗口(例如，72到180秒)内具有较高可变性的传感器更可能是健康的)。
图25F和25G分别示出了健康传感器(25F)和受损传感器(25G)的相对于时间绘制的阻抗的二阶导数。图25H在同一图表上示出了这些组的二阶导数数据。
健康传感器和受损传感器的二阶导数对时间的特征差异绘图可以用于将健康传感器与损坏传感器区分开。图25J示出了二阶导数在108秒与150秒之间的平均值的图。平均值较低的传感器更可能受损。
在另一实例中，可以评估二阶导数在指定时间段(例如，108秒到150秒，或100秒到180秒)内的可变性来作为传感器损坏的指标。信号变化较大表明传感器可能健康，并且信号变化较小则表明传感器可能受损。这可以是健康传感器中膜内相互作用的结果，并且是这种相互作用在受损膜中产生的影响相对较小，由于膜损坏，在这种情况下，可能更直接接近电极。
在一些实例中，可以使用曲线拟合技术来对健康传感器与受损传感器进行区分。
在一些实例中，可以将曲线拟合技术应用于阻抗对时间、阻抗的一阶导数对时间、二阶导数阻抗对时间或双频阻抗对时间。在一些实例中，可以将拟合曲线或函数应用于模板或模型以确定传感器的健康状态(例如，基于对应于一系列损坏级别的一个或多个模板或模型，将传感器状态声明为健康或不健康，或表征损坏量)。在一些实例中，从拟合(例如，所确定的函数)提取的一个或多个参数(例如，膜电阻和伪膜电容)可以用于区分健康传感器与受损传感器。
在一些实例中，可以将曲线拟合技术应用于阻抗谱数据集(例如，多个频率下的阻抗)。图26示出了示例曲线拟合，其中点指示来自传感器测试的数据(例如，在各个频率下的所确定的阻抗值)，并且线2602、2604指示传感器数据的拟合模型。可以使用软件和模型来确定对经测量的传感器数据的拟合。
在一些实例中，可以使用恒定相位元件模型来拟合阻抗谱数据。电化学传感器系统中的电容器可能表现不理想。例如，与电容器相反，由分析物传感器的膜形成的双层电容器(如上文所描述的)可以根据恒定相位元件模型来表现。图27是恒定相位元件(CPE)模型2700的示意性图示，其中R是电阻，Yο是“伪”电容，并且α是电容器的等于1的指数。可以测试传感器以确定整个频率范围内的阻抗，可以确定拟合(例如，使用模型)，并且如果拟合参数中的一个或多个或组合满足一个或多个健康条件，则可以声明传感器健康。例如，可以基于一个或多个参数值与一个或多个相应阈值进行的比较来宣布测试的传感器为健康的。在一些实例中，可以基于条件来标识轻微受损传感器，并且所述传感器可以经批准使用，或者可以基于潜在损坏的量度(如模型参数中的一个或多个模型参数)进行补偿。
使用上文所解释的CPE模型拟合了八个传感器，其中两个传感器(表示为A和B)是健康(未受损)的，两个传感器(表示为C和D)严重受损，并且四个传感器(E、F、G和H)轻微受损。
图28A示出了使用上述CPE模型确定的八个传感器中每个传感器的拟合伪膜电容。健康传感器(传感器A和B)在所述组中的拟合伪膜电容最低，严重受损传感器(C和D)的拟合伪膜电容最高，并且轻微受损传感器(E-H)的拟合伪膜电容值介于健康传感器与严重受损传感器的值之间，这表明拟合伪膜电容可以用于区分健康传感器与受损传感器。例如，可以对传感器进行测试，并且可以基于相对于一个或多个阈值的拟合伪膜电容来确定传感器状态，所述传感器状态可以根据损坏状态已知的测试的传感器群来确定(例如，根据显微镜检查或引起损坏的协议或两者来确定)。在一个实例中，如果拟合伪膜电容低于第一阈值2802，则可以声明传感器健康，响应于拟合伪膜电容高于第二阈值2804，可以声明传感器严重受损，并且如果拟合伪膜电容介于第一阈值2802与第二阈值2804之间，则可以声明传感器轻微受损(例如，需要适当的补偿)。在各个实例中，可以使用更多或更少的阈值，并且可以另外地或可替代地将阈值应用于图28A-E中表示的其它参数中的一个或多个参数。在一些实例中，可以基于一个或多个参数值来确定传感器损坏的概率。在一些实例中，可以基于一个或多个参数值来确定传感器损坏程度或补偿量的估计。这种概率或估计可以用于确定是否使用传感器(例如，指定要从生产过程中去除传感器，或者指示用户更换传感器)，或者是否应用补偿。
图28B示出了八个传感器中的每个传感器的拟合膜电阻(也使用上述CPE模型确定)。健康传感器(传感器A和B)的拟合膜电阻显著高于严重受损传感器(C和D)的拟合膜电阻。轻微受损传感器(E、F、G、H)的平均拟合膜电阻值介于健康传感器的值与严重受损传感器的值之间。拟合膜电阻的这些关系表明，拟合膜电阻可以用于对健康传感器与受损传感器进行区分。例如，可以测试传感器以确定整个频率范围内的阻抗，可以确定拟合(例如，使用模型)，并且如果拟合膜电阻满足健康条件，则可以声明传感器健康。例如，响应于拟合膜电阻超过82千欧姆，可以声明测试的传感器健康。在一些实例中，可以基于拟合膜电阻条件(例如，两个阈值之间的R1)来标识轻微受损传感器，并且轻微受损传感器可以经批准使用或对其进行补偿(例如，基于潜在损坏的量度进行补偿，如拟合膜电阻值，或另一模型参数，或组合或参数)。
图28C示出了八个传感器的拟合伪双层电容。健康传感器(传感器A和B)的拟合伪双层电容低于严重受损传感器(C和D)的拟合伪双层电容。轻微受损传感器的拟合伪双层电容值介于健康传感器的值与严重受损传感器的值之间，这表明拟合伪双层电容可以用于对健康传感器与受损传感器进行区分。
图28D示出了八个传感器的拟合膜α。健康传感器(传感器A和B)的拟合膜α值高于严重受损传感器(C和D)的值。轻微受损传感器的拟合膜α值介于健康传感器的值与严重受损传感器的值之间，这表明拟合膜α可以用于对健康传感器与受损传感器进行区分。
图28E示出了八个传感器的拟合双层α。健康传感器(A和B)的拟合双层α值显著高于受损传感器(C和D)的拟合双层α值。轻微受损传感器的拟合双层α值通常介于健康传感器的值与严重受损传感器的值之间，其中一个传感器(传感器F)的值低于严重受损传感器的值。
在一些实例中，可以组合使用两个或更多个参数来确定传感器是否健康、受损还是严重受损。使用两个或更多个传感器可以增加特定传感器分类的置信度，或者减少分类错误的可能性。例如，图28E表明传感器F严重受损，但图28A中的图表表明传感器轻微受损。在一些实例中，在确定传感器是否受损或确定损坏程度时，可以对参数进行加权，例如，相比其它参数，可以赋予拟合伪膜电容或拟合膜电阻更高的权重。
图29是评估传感器的健康状况的方法2900的流程图图示。在操作2902处，确定传感器的阻抗值。阻抗值可以例如通过施加电压或电压变化并测量电流或电流变化并使用欧姆定律确定阻抗来确定。在一些实例中，方法可以包含以不同的频率施加多个信号，并确定不同频率下的阻抗。
在操作2904处，可以确定拟合。例如，可以确定阻抗与频率之间的关系的拟合，如参考图26所描述的。在操作2906处，针对一个或多个指定值进行比较。例如，可以针对参考值或模型或模板进行比较。在一些实例中，比较可以包含拟合参数，如拟合伪膜电容、拟合膜电阻、拟合伪双层电容、拟合膜α或拟合双层α。在一些实例中，可以对两个或更多个参数进行比较，这可以增加已经正确表征传感器的置信度。
在操作2908处，可以进行关于传感器的健康确定。例如，健康确定可以包含关于传感器是否健康或不健康(例如，过度受损)的确定。在一些实例中，可以从三个或更多个可用分类(例如，健康、轻微受损或严重受损)为传感器分配健康状态。在一些实例中，可以进行定量健康评估。例如，可以基于一个或多个拟合参数来确定传感器的损坏程度。
在操作2910处，响应于传感器不健康的确定，可以拒绝传感器。例如，可以将传感器从制造过程中去除(例如，报废)，或者可以通知用户应该更换传感器。在操作2912处，响应于传感器健康的确定，所述传感器可以经批准使用。在一些实例中，可以基于经测量或所确定的参数(如上文列出的拟合参数之一)或基于所确定的损坏程度，对经批准使用的传感器进行补偿。例如，传感器电子器件可以应用经调整的灵敏度或灵敏度曲线，以补偿传感器中检测到的损坏或异常特性。
方法2900可以由耦接到传感器(例如，图1中的传感器104或图3A-3B中的传感器34)的传感器电子器件(例如，图1和2中的传感器电子器件106)执行，以改进分析物传感器系统的性能，例如，确定传感器膜的健康状态(例如，确定损坏量或异常量)，并避免依赖来自不健康(例如，过度受损)传感器的不准确的传感器读数。
所估计的传感器灵敏度方法和MARD改进
在各个实例中，可以单独使用阻抗，或者与一个或多个其它因素组合使用阻抗，以确定传感器灵敏度(mt)。虽然阻抗可以用作灵敏度的替代，例如以考虑漂移，但是许多因素可能影响阻抗。例如，温度的波动可以在体内离子环境中引入阻抗波动。通过将另外的信息与阻抗相组合，可以提高灵敏度的确定。
本文描述的用于确定阻抗参数的技术中的任何技术可以用于获得所估计的阻抗参数。例如，可以使用脉冲响应方法测量膜阻抗来确定阻抗参数。在一个实例中，可以基于如由传感器电子器件提供的方波脉冲驱动的集成脉冲电流(PI)来确定阻抗。集成脉冲电流(PI)与膜阻抗(RRL)之间的关系是确定的。
单独使用阻抗，可以使用以下等式(表示为“IMPD”)基于集成脉冲电流确定灵敏度：
Figure BDA0003122388250000601
在上文的等式和下文的其它实例中，表示为ax(例如，a1、a2、a3等)的值可以使用许多类似的传感器通过实验确定。
通过组合使用阻抗与传感器的校准曲线(CC)(其可以例如是分析物水平与经测量的电流之间的实验确定的关系(例如，斜率))，可以基于以下等式(表示为“IMPD+CC”)确定灵敏度：
Figure BDA0003122388250000611
在由Dexcom制造的产品中，校准曲线(CC)可以是针对特定传感器或传感器群确定的Cal检查斜率。
通过组合使用阻抗和发射器温度，可以根据等式(表示为“IMPD+T”)确定灵敏度(mt)：
Figure BDA0003122388250000612
或根据等式：
Figure BDA0003122388250000613
通过组合使用阻抗、发射器温度(T)和校准斜率(CC)，可以根据等式(表示为“IMPD+T+CC”)确定灵敏度(mt)：
Figure BDA0003122388250000614
或根据等式：
Figure BDA0003122388250000615
在另一实例中，也可以在不进行关于不同物理变量之间的潜在关系的任何假设的情况下，采用经验线性关系，并且可以根据以下等式确定灵敏度(mt)：
Figure BDA0003122388250000616
在以上所有等式中，集成脉冲电流PI可以直接用RL膜电阻(以kΩ为单位)替代：
Figure BDA0003122388250000617
注意，膜电阻(1/R)的倒数是电导。灵敏度(mt)可以根据电导等式(表示为“Cdut+T+CC”)确定：
Figure BDA0003122388250000618
在一些实例中，可以根据经验优化
Figure BDA0003122388250000619
中的转换参数，并可以根据以下等式确定灵敏度(mt)：
Figure BDA00031223882500006110
在一些实例中，可以使用阻抗来确定温度。例如，在美国专利公开第2012/0262298号和美国专利申请第62/620,775号中描述了用于确定温度(例如，传感器工作电极的温度)的方法的使用，这两个专利均通过引用整体并入本文。在一些实例中，可以使用偏微分方程(PDE)模型根据非皮下温度传感器信号(例如，发射器温度)确定皮下温度(例如，分析物传感器工作电极温度的估计)。PDE温度补偿方法可以例如通过考虑以下事实而使系统更准确：外部电子器件(例如，CGM发射器)中的温度变化率高于皮下组织或流体的温度变化率。在一些实例中，完整PDE模型的格林函数(GF)可以用于线性地且因果地滤波非皮下温度(例如，发射器温度(TTx))，其中传感器工作电极温度作为输出。由于PDE模型假设了固定参数，因此可以将其视为线性时间-不变(LTI)系统，其GF也是所述LTI系统的脉冲响应函数(IRF)。可以获得两种形式的GF，一种是通过经验求解IRF的最小-平方拟合，并且第二种是通过需要仅三个参数的经验IRF进行的参数拟合。两个IRF解均导致与通过求解完整PDE预测的传感器工作电极温度相差小于0.1℃。使用格林函数可以改进传感器系统的性能(例如，降低功耗或启用另外的处理)，因为这可以避免或减少对传感器电子器件中的PDE求解器(例如，处理器和软件或固件)的需要。PDE求解器可以消耗大量功率，增加传感器电子器件的成本，或两者兼而有之。
实验结果
运行实验以证明这些方法的有效性以及改进分析物传感器系统性能的潜力。基于四十一(41)个初步数据集，对可商购获得的系统(作为基线)和四种不同的技术(如下文所描述的)执行了蒙特卡罗交叉验证程序(Monte Carlo cross-validation procedure)，以改进分析物传感器系统的性能。实验的结果示出在图30A-30F中，并且表明使用不同的物理测量结果(如阻抗、温度和校准曲线)的组合可以显著改善体内葡萄糖灵敏度的预测误差。
为了进行基线比较，在没有进行体内校准的情况下使用了标准商业工厂校准的Dexcom G6传感器系统。
第一种技术基于使用上述关系(IMPD)的仅阻抗测量的灵敏度漂移。
第二种技术基于使用上述关系(IMPD+CC)的阻抗和校准曲线两者的灵敏度漂移补偿。
第三种技术基于使用上述关系(IMPD+T)的阻抗和温度两者的灵敏度漂移补偿。
第四种技术基于使用上述关系(IMPD+CC+T)的阻抗、温度和校准曲线的灵敏度漂移补偿。
为了进行比较，还针对工厂校准方法生成了曲线，其中使用与训练其它原型算法所使用的非正式数据集相同的非正式数据集，对楔形参数进行局部优化(“FC局部”)。
图30A到30F示出了来自1000轮随机化的各种度量的累积分布函数(CDF)。
图30A示出了平均绝对相对差(MARD)的经验累积分布函数。MARD是误差的量度。因此，就传感器系统性能而言，与较高的MARD相比，更期望较低的MARD，因为传感器数据将更加准确(例如，与黄金标准相比，包含的误差较小)。Y轴上的F(x)是产生特定MARD的随机比例。
漂移补偿技术中的每种漂移补偿技术所提供的MARD均低于基线工厂校准(FC)传感器。使用阻抗、校准曲线(Cal检查)和温度的技术产生了最小MARD。
图30B示出了经验累积分布函数或平均相对差(MRD)。更期望MRD值接近零。各种改进技术产生了高度聚类的MRD值，并且每种技术都表示了对工厂校准(FC)结果的改进。
图30C示出了经验累积分布函数或相对距离(RD)。更期望RD值接近零。各种改进技术产生了高度聚类的MRD值，并且每种技术都表示了对工厂校准(FC)结果的改进。
图30D、30E和30F示出了p1515、p2020和p4040的经验累积分布函数。图表指示了随机百分比，将分别落入实际血糖值的相应百分之十五(对于图30D为±15％)、百分之二十(对于图30E为±20％)或百分之四十(对于图30F为±15％)内。值越高越好，因为这表示百分比较大的传感器将落入指定的误差范围内。四种技术中的每一种都改进了分析物传感器系统的性能。图30G提供的数据示出通过上述各种补偿技术实现的性能改进。
使用补偿技术来考虑如温度、体内环境变化和损坏等因素可以改进传感器性能(例如，降低传感器或传感器群的MARD)，或者可以提高制造产率(例如，百分比较小的传感器可能无法通过性能测试)，或两者兼而有之。
图31到38是可以由耦接到传感器(例如，图1中的传感器104或图3A-3B中的传感器34)的传感器电子器件(例如，图1和2中的传感器电子器件106)执行的流程图图示。
图31是使用传感器电子器件评估传感器膜完整性的方法3100的流程图图示。方法可以包含在操作3102处，确定分析物传感器的阻抗参数。
方法3100可以包含在操作3104处，基于阻抗参数确定分析物传感器膜的完整性状态。确定完整性状态可以包含确定膜是否有损坏或明显的异常。确定膜状态可以包含确定是否已经满足阻抗条件。例如，可以响应于低于指定阈值的阻抗参数来确定传感器膜过度受损或异常。在一些实例中，确定膜完整性状态可以包含确定膜损坏或异常的程度。
在一些实例中，所确定的阻抗参数可以是水合后的分析物传感器的阻抗，或者是水合后的分析物传感器的膜部分的所确定的阻抗，例如，使用上述方法。方法可以包含基于传感器水合后指定时间的测量来确定阻抗参数。在一些实例中，指定时间可以介于水合后5秒与600秒之间。水合可以包含例如将传感器插入槽中或将传感器插入宿主中。在一些实例中，在经测量的参数达到稳态条件之后，可以基于测量确定阻抗参数(例如，响应于检测到阻抗已稳定，这可能与膜充分水化或工作电极或插入部位处的其它过程已经充分进行的时间有关)。
在一些实例中，阻抗参数可以是相对于时间的阻抗的导数(例如，一阶导数或二阶导数)。可以例如基于一阶导数对时间曲线或二阶导数对时间曲线的形状，或基于一阶导数或二阶导数的一个或多个值来确定膜的完整性状态。
在一些实例中，可以至少部分地基于使用恒定相位元件模型确定的拟合膜电阻来确定膜完整性状态。在各个实例中，确定膜完整性状态可以包含执行模板匹配，从多个模板确定最佳拟合，或使用动态时间扭转或其任何组合。
在一些实例中，可以确定指定频率下的阻抗参数。例如，可以确定高于50Hz的频率下的阻抗参数。在一些实例中，可以确定介于50Hz下与3,000Hz之间的频率下的阻抗参数。在一些实例中，频率下的阻抗与第二频率下的阻抗之间进行的比较是第一频率下的阻抗与第二频率下的阻抗的差值。如上文所描述的，频率差被称为“双频阻抗”。第一频率和第二频率可以提供相对明显的阻抗差。例如，与选择其它相邻频率相比，可以指定频率以突出阻抗差，例如，提供相对较大的差值。在一些实例中，比较包含确定双频阻抗对时间关系中的回弹的存在或回弹量，例如，当双频阻抗达到低点并且然后上升到大于低点的通常稳定的值时，可以检测到回弹。
在一些实例中，所确定的阻抗参数可以基于第一频率下的阻抗与第二频率下的阻抗的比较(例如，差值)。第一频率下的阻抗与第二频率下的阻抗之间的比较可以在水合之后的某个时间变得稳定，所述时间早于第一频率下的阻抗或第二频率下的阻抗(或两者)变得稳定的时间，这可以允许较早评估膜的状态。例如，在插入到宿主中之后可以更快速地标识受损膜，这可以允许更早地通知用户应当更换传感器。
方法3100可以包含在操作3106处，至少部分地基于所确定的膜损坏或异常程度来补偿所估计的分析物浓度水平。例如，所估计的分析物浓度水平可以通过基于所确定的膜损坏或异常程度(如阻抗参数所指示的)调整灵敏度值来进行补偿。方法3100可以包含在操作3308处，基于膜状态来警告用户。例如，系统可以响应于提示膜有问题(例如，损坏)的膜状态而发出警报或发出“更换传感器”警告。
方法3100还可以包含在操作3110处，响应于所确定的膜状态改变疗法。例如，系统可以产生基于膜状态而改变(例如，减少)的推荐胰岛素剂量，或者胰岛素泵可以基于膜状态而改变胰岛素给药方案或计划。
方法3100可以由耦接到传感器(例如，图1中的传感器104或图3A-3B中的传感器34)的传感器电子器件(例如，图1和2中的传感器电子器件106)执行，以改进分析物传感器系统的性能，例如，确定传感器膜的状态(例如，确定损坏量或异常量)，并避免依赖来自过度受损传感器的不准确的传感器读数，或相较于常规方法，基于膜状态知识更准确地确定所估计的分析物浓度水平。
图32是操作分析物传感器的方法3200的流程图图示，所述方法可以包含在操作3202处确定分析物传感器的阻抗参数。在一些实例中，阻抗参数可以是传感器阻抗或膜阻抗，其可以使用本文描述的方法中的任何方法来确定(例如，使用经测量的电流、由传感器电子器件施加的已知电压以及欧姆定律)。
方法3200可以包含在操作3204处，基于阻抗参数确定分析物传感器的插入状态。在一些实例中，确定插入状态可以包含检测传感器从宿主中的插入位置的移出。在一些实例中，确定插入状态可以包含检测传感器已经被至少部分地拉出初始插入位置。例如，可以基于阻抗的增加来检测移出。
方法3200可以包含在操作3206处，基于插入状态来警告用户(例如，在接收器或智能装置上递送消息，例如“传感器已移出”)。
方法3200可以包含在操作3208处，响应于所确定的膜状态改变疗法。例如，系统可以产生基于膜状态而改变(例如，减少)的推荐胰岛素剂量，或者胰岛素泵可以基于膜状态而改变胰岛素给药方案或计划(例如，泵可以不依赖传感器数据，或依赖传感器取出事件之前的传感器数据)。
方法3200可以由耦接到传感器(例如，图1中的传感器104或图3A-3B中的传感器34)的传感器电子器件(例如，图1和2中的传感器电子器件106)执行，以改进分析物传感器系统的性能，例如，确定传感器的插入状态，并避免依赖来自移出的传感器的不准确的传感器读数，或相较于常规方法，基于插入状态知识更准确地确定所估计的分析物浓度水平。
图33是可以由传感器电子器件执行的补偿分析物传感器系统的方法3300的流程图图示。方法3300可以包含在操作3302处，确定分析物传感器的阻抗参数。在各个实例中，阻抗参数可以是所估计的膜阻抗、指定频率下的阻抗、双频阻抗、相对于时间的阻抗的一阶导数或相对于时间的阻抗的二阶导数。
方法3300可以包含在操作3304处，基于阻抗参数确定膜状态。例如，传感器电子器件可以确定阻抗参数，并应用逻辑，将阻抗参数与阈值或条件进行比较，或者将一个或多个阻抗参数与模型进行比较以确定膜状态。
方法3300可以包含，在操作3306处，确定阻抗参数处于稳定状态。例如，传感器电子器件可以将多个顺序的阻抗参数值进行比较或执行统计分析或其它分析以评估阻抗参数的稳定性。
方法3300可以包含在操作3308处，确定双频阻抗与时间关系中的回弹的存在或回弹量。
方法3300可以包含在操作3310处，基于膜状态补偿分析物浓度水平。例如，传感器电子器件可以使用膜状态或稳态阻抗参数来补偿传感器灵敏度，例如以解决阻抗的漂移或传感器间的阻抗变化。在一些实例中，传感器电子器件可以基于回弹的存在或回弹量来确定补偿量。
方法3300可以包含在操作3312处，基于所确定的膜状态来调整疗法。例如，系统可以产生基于膜状态而改变(例如，减少)的推荐胰岛素剂量，或者胰岛素泵可以基于膜状态而改变胰岛素给药方案或计划。
在一些实例中，系统可以响应于确定膜状态而声明警报或发出“更换传感器”警告。例如，系统可以响应于确定传感器受损而发出警报。
方法3300可以由耦接到传感器(例如，图1中的传感器104或图3A-3B中的传感器34)的传感器电子器件(例如，图1和2中的传感器电子器件106)执行，以改进分析物传感器系统的性能，例如，相较于常规方法，更准确地确定所估计的分析物浓度水平。
图34是校准分析物传感器群中的阻抗损坏的方法3400的流程图图示。方法3400可以包含在操作3402处，损坏第一传感器；并且在操作3404，损坏第二传感器。方法3400可以进一步包含在操作3406处，使用第一过程确定用于第一传感器的阻抗参数，以及在操作3408处，使用第二过程确定用于第二传感器的阻抗参数，其中第二过程不同于第一过程。在一个实例中，损坏第一传感器包含将第一传感器抵靠研磨表面刮擦指定次数，并且损坏第二传感器包含将第二传感器抵靠研磨表面刮擦指定次数。例如，可以将第一传感器刮擦三次，并且可以将第二传感器刮擦八次，并且可以从过程中推断出，第二传感器比第一传感器受损更严重。
方法3400可以进一步包含在操作3410处，确定用于第三传感器的阻抗参数。方法3400可以进一步包含在操作3412处，至少部分地基于所确定的用于第一传感器的阻抗参数、所确定的用于第二传感器的阻抗参数以及所确定的用于第三传感器的阻抗参数来估计第三传感器的损坏状态。在一些实例中，方法3400可以包含至少部分地基于所确定的用于第一传感器的阻抗参数和所确定的用于第二传感器的阻抗参数来确定损坏曲线，并基于所确定的用于第三传感器的阻抗参数和损坏曲线估计第三传感器的损坏状态。在一些实例中，可以将多个传感器(例如，五个、十个或二十个传感器)中的每个传感器刮擦不同的次数，以提供连续损坏程度，以针对所关注的传感器(例如，第三传感器)进行比较。在操作3414处，可以基于膜状态来调整疗法。例如，可以基于膜状态来调整胰岛素的递送，所述膜状态可以例如通过有线或无线通信连接从分析物传感器系统接收。
方法3400可以由耦接到传感器(例如，图1中的传感器104或图3A-3B中的传感器34)的传感器电子器件(例如，图1和2中的传感器电子器件106)执行，以改进分析物传感器系统的性能，例如，通过估计损坏状态损坏状态来标识过度受损传感器，或者相较于常规方法，更准确地确定准确的所估计的分析物浓度水平。
图35是使用传感器电子器件操作分析物传感器系统的方法3500的流程图图示。方法3500可以包含在操作3502处，向分析物传感器偏置电压施加变化。在一些实例中，施加变化可以包含在偏置电压中施加阶跃，例如，如参考图5A到5C所描述的。
方法3500可以包含在操作3504处，在施加偏置电压变化之后，测量多个时间段中的每个时间段的电流值，例如参考图5D所描述的。测量电流可以包含例如集成指定时间段中的每个指定时间段内的电荷。
方法3500可以包含在操作3506处，使用所述多个时间段的电流值确定所估计的阻抗。在一些实例中，确定阻抗可以包含使用所确定的所述多个时间段的电流来拟合曲线，以及基于拟合曲线来确定阻抗。拟合曲线可以包含拟合指数曲线，其中指数曲线考虑了双层电容对经测量的电流响应的影响。
方法3500可以包含在操作3508处，使用所估计的阻抗确定分析物传感器的特性。确定分析物传感器的特性可以包含例如确定分析物传感器对分析物浓度的灵敏度。方法3500可以包含使用所确定的阻抗或所确定的灵敏度来补偿传感器漂移。
在一些实例中，确定分析物传感器的特性可以包含确定传感器损坏或异常的程度。
在一些实例中，确定分析物传感器的特性包含确定传感器的补偿因子。
方法3500可以包含在操作3510处，从分析物传感器接收指示分析物浓度的信号。
方法3500可以包含在操作3512处，使用所确定的分析物传感器的特性和接收到的信号来确定所估计的分析物浓度水平。
方法3500可以由耦接到传感器(例如，图1中的传感器104或图3A-3B中的传感器34)的传感器电子器件(例如，图1和2中的传感器电子器件106)执行，以改进分析物传感器系统的性能，例如，相较于常规方法，通过更准确地确定阻抗并使用所确定的阻抗来确定更准确的所估计的分析物浓度水平。
图36是使用传感器电子器件来操作分析物传感器系统以校正来自传感器膜的双层电容的误差的方法3600的流程图图示。方法3600可以包含在操作3602处，向分析物传感器偏置电压施加变化，例如，如参考图5A到5C所描述的。
方法3600可以包含在操作3604处，在施加偏置电压变化之后，测量多个时间段中的每个时间段的电流值。方法3600可以包含在操作3606处，使用所述多个时间段的电流值来确定偏置电压变化时的电流。例如，可以使用在偏置电压变化之后测量的电流值来外推曲线，以确定偏置电压变化时的电流，这可以通过考虑膜电容来允许更准确地确定阻抗，如参考图8A到8D所描述的。在一些实例中，方法3600可以包含将所述多个时间段的电流值拟合为指数曲线，并外推拟合曲线以确定偏置电压变化时的电流，例如，如参考图8C和8D所描述的。
方法3600可以包含在操作3608处，使用偏置电压变化时所确定的电流来确定所估计的阻抗。方法3600可以包含在操作3610处，使用所估计的阻抗确定分析物传感器的特性。在一些实例中，确定分析物传感器的特性可以包含确定传感器灵敏度。在一些实例中，可以通过以下更新传感器灵敏度以考虑漂移：在第二时间向偏置电压施加变化来更新传感器灵敏度，测量第二多个时间段的电流，进行推断以确定第二时间的电流，基于第二时间的电流确定所估计的阻抗，并基于第二时间的所估计的阻抗确定传感器在第二时间的特性。
方法3600可以包含在操作3612处，从分析物传感器接收指示分析物浓度的信号。方法3600可以包含在操作3614处，使用所确定的分析物传感器的特性和接收到的信号来确定所估计的分析物浓度水平。
方法3600可以由耦接到传感器(例如，图1中的传感器104或图3A-3B中的传感器34)的传感器电子器件(例如，图1和2中的传感器电子器件106)执行，以改进分析物传感器系统的性能，例如，相较于常规方法，更准确地确定传感器的阻抗或特性，这可以允许更准确地确定所估计的分析物浓度方法。
图37是可以包含在操作3702处将分析物传感器与测量电路断开连接的方法3700的流程图图示。
方法3700可以包含在操作3704处，在累积时间段期间测量一个或多个开孔电位。方法3700可以包含在操作3706处，基于一个或多个开孔电位来确定膜状态。在各个实例中，膜状态可以包含干扰状态(例如，来自对乙酰氨基酚的干扰)或损坏或异常状态。例如，可以基于根据所述一个或多个开孔电位或开孔对时间曲线的形状确定的阻抗特性(例如，所估计的传感器阻抗、所估计的膜阻抗、阻抗的一阶导数、二阶导数阻抗或拟合曲线)来检测传感器膜的异常或损坏。
方法3700可以包含在操作3708处，在累积时间段之后将分析物传感器重新连接到测量电路。方法3700可以包含使用栅极电路来断开和重新连接分析物传感器。
方法3700可以包含在操作3710处，从分析物传感器接收信号，其中信号指示在累积时间段期间在分析物传感器上累积的电荷量。断开连接和重新连接(例如，门控)分析物传感器可以改进传感器系统的性能，例如，由于在累积时间段期间来自分析物反应的电荷可以增加，从而导致可检测的电流信号更大，而干扰或噪声来源(例如，对乙酰氨基酚)在累积时间段期间可以不增长。在一些实例中，分析物传感器的断开连接和重新连接改进了分析物传感器的信号干扰比，如上文标题为“门控电流分析检测”的部分中所描述的。
方法3700可以包含在操作3712处，基于在将分析物传感器重新连接到测量电路之后接收到的分析物信号来确定膜状态。在一些实例中，方法3700可以包含在重新连接分析物传感器之后监测电流分布并使用电流分布来检测膜状态(例如，膜故障)。在一些实例中，方法3700可以包含确定阻抗特性并响应于满足故障条件的阻抗特性(例如，低于阈值或类似于损坏模板曲线的阻抗特性)来检测膜故障。在各个实例中，阻抗特性可以是所估计的膜阻抗、阻抗的一阶导数、二阶导数阻抗或拟合曲线。
方法3700可以包含在操作3714处，基于接收到的信号确定所估计的分析物浓度水平。
方法3700可以由耦接到传感器(例如，图1中的传感器104或图3A-3B中的传感器34)的传感器电子器件(例如，图1和2中的传感器电子器件106)执行，以改进分析物传感器系统的性能，例如，以提高传感器系统的信噪比，或者避免依赖具有受损或异常膜的传感器的不准确的传感器读数，或者相较于常规方法，基于上述因素中的一个或多个因素，更准确地确定所估计的分析物浓度水平。
图38是可以包含在操作3802处向连续分析物传感器电路施加双相脉冲的方法3800的流程图图示。方法3800可以包含在操作3804处，集成对双相脉冲的电流响应，例如，如参考图9所描述的。方法3800可以包含在操作3806处，使用集成电流响应来确定所估计的阻抗，例如，如图9所示并且参考其所描述的。如上文各个实例所描述的，所估计的阻抗可以用于检测传感器膜状态或补偿漂移。
方法3800可以由耦接到传感器(例如，图1中的传感器104或图3A-3B中的传感器34)的传感器电子器件(例如，图1和2中的传感器电子器件106)执行，以改进分析物传感器系统的性能，例如，确定阻抗，检测传感器膜状态(例如，膜故障)，或者相较于常规方法，更准确地确定所估计的分析物浓度水平。
在一些实例中，方法3700或方法3800可以包含使用所确定的阻抗来补偿传感器灵敏度。在一些实例中，方法可以包含使用在避免双层膜电容对阻抗的影响的频率下的信号来确定阻抗。在一些实例中，补偿可以基于阻抗和一个或多个另外的因素，如温度、校准曲线(例如，工厂确定的校准曲线)或其任何组合。在一些实例中，补偿可以使用发射器温度，并且可以使用格林函数对发射器温度进行滤波。
在各个实例中，方法3700或3800可以包含至少部分地基于所确定的阻抗来确定传感器的环境的湿度。例如，方法可以包含在传感器的运输期间或在传感器的储存期间检测湿度，或两者兼而有之。在一些实例中，传感器的性能或操作可能会受到湿度环境的影响。在一些实例中，方法3700或方法3800可以包含基于所确定的湿度来补偿传感器灵敏度，并且可以任选地包含基于所确定的湿度来声明警报。例如，方法3700或3800可以包含使用智能装置递送警报，以警告用户由于过度的湿度暴露而不应该使用传感器。
分析物传感器对不同偏置电压的响应可以提供关于分析物传感器的信息，包含例如分析物传感器的寿命阶段。如本文所描述的，如图3A-3C所示的分析物传感器34等分析物传感器包含至少工作电极和参考电极。参考电极可以由在分析物传感器的使用期间耗尽的材料形成，如氯化银。随着参考电极处的氯化银或其它类似材料的耗尽，分析物传感器的电化学响应发生变化。例如，随着参考电极耗尽，其电位可以变化。这可能影响传感器电流，从而导致读数准确度下降。
在一些实例中，可以使用分析物传感器对一组偏置电压的电流响应来检测分析物传感器的寿命阶段。所述一组偏置电压可以包含小于分析物传感器的操作电压的至少一个电压。当向分析物传感器施加偏置电压时，分析物传感器产生对应的传感器电流。由传感器响应于一组偏置电压而产生的所述一组传感器电流被称为电流响应。
电流响应提供关于传感器寿命阶段的信息。例如，随着参考电极耗尽，传感器的电流响应首先在小于操作偏置电压的偏置电压处下降，并且一直增加直到传感器不再可用于偏置电压为止。电流响应停止上升并变平或达到平稳的点可以对应于传感器的寿命阶段。这示出于图39中。
图39是示出在不同寿命阶段的分析物传感器(如图3A-3C的分析物传感器34)的电流响应3902、3904、3906、3908、3910的图。图39的图包含示出施加到分析物传感器的偏置电压的水平或x轴，以及示出分析物传感器电流的竖直或y轴。
在图39的实例中，分析物传感器的操作偏置电压约为0.6V。在此实例中，为生成电流响应3902、3904、3906、3908、3910而施加的所述一组偏置电压的范围为约0.3V到约0.7V。在一些实例中，所述一组偏置电压包含可以以任何顺序施加的多个离散电压。在其它实例中，通过连续地扫掠传感器的偏置电压来施加介于低偏置电压与高偏置电压之间的所述一组偏置电压。在此实例中，低偏置电压约为0.3V，并且高偏置电压约为0.6V。
电流响应3902、3904、3906、3908、3910描述了在不同寿命阶段的分析物传感器。电流响应3902描述了当参考电极没有显著耗尽时的分析物传感器的分析物传感器寿命第一阶段。如所示的，电流响应3902在约0.3V与0.45V之间略微上升，并且然后通过0.6V的操作偏置电压达到平稳。
电流响应3904描述了处于寿命第二阶段的分析物传感器，在处于所述阶段时，参考电极比电流响应3902处的参考电极耗尽的多。电流响应3904在约0.3V与0.48V之间上升，并且然后达到稳定。电流响应3906描述了处于寿命第三阶段的分析物传感器，在处于所述阶段时，参考电极比电流响应3904处的参考电极耗尽的多。电流响应3906在约0.3V到0.5V升高，并且然后达到稳定。电流响应3908描述了处于寿命第四阶段的分析物传感器，在处于所述阶段时，参考电极比电流响应3906处的参考电极消耗的多。电流响应3908在约0.3V到0.55V升高，并且然后达到平稳。
电流响应3910描述了处于寿命第五阶段的分析物传感器，在处于所述阶段时，参考电极比电流响应3908处的参考电极消耗的多。电流响应3910在0.3V时开始上升，并且没有达到平稳。例如，电流响应3910可以指示传感器的寿命终止。
如图9所示，电流响应停止上升的点与传感器的寿命阶段有关。本文所描述的各个实例利用这种相关性来检测并响应分析物传感器的寿命阶段。
图40是用于通过施加一组偏置电压来确定分析物传感器的特性的示例方法4000的流程图图示。方法4000可以由任何合适的装置执行或在所述任何合适的装置的指导下执行，例如，传感器电子器件，如图1的传感器电子器件106。
在操作4002处，装置向分析物传感器施加一组偏置电压。所述一组偏置电压可以包含低于传感器的操作偏置电压的至少一个偏置电压。在一些实例中，所述一组偏置电压还包含高于传感器的操作偏置电压的至少一个偏置电压。可以离散地施加(例如，一次一个)和/或可以连续地施加(例如，从低到高或从高到低)所述一组偏置电压。施加所述一组偏置电压产生电流响应。例如，每个偏置电压导致当施加偏置电压时产生对应的传感器电流。可以在足够近的时间内施加所述一组偏置电压，以至于由于分析物浓度的变化，不会期望传感器电流发生变化。例如，可以在每100mV偏置电压在约一秒内施加所述一组偏置电压。
在操作4004处，装置确定针对电流响应的台阶偏置电压。台阶偏置电压可以是电流响应上升停止时的偏置电压。可以以多种不同的方式来检测台阶偏置电压。在一些实例中，通过找到分析物传感器电流高于电流阈值时的最低偏置电压来确定台阶偏置电压。例如，参考图39的实例，电流阈值可以为40nA。导致传感器电流大于40nA的最低偏置电压可以被认为是台阶电压。在一些实例中，装置至少部分地通过标识电流响应的斜率首先约为零时的偏置电压来找到台阶偏置电压。
在操作4006处，装置确定在操作4004处确定的台阶偏置电压是否大于偏置电压阈值。再次参考图39，台阶偏置电压越高，分析物传感器的寿命阶段就越晚。如果台阶偏置电压不大于阈值，则表明传感器处于寿命的早期阶段，并且可以继续进行操作。因此，装置继续到下一时间段4010，并且然后在操作4002处重新施加所述一组偏置电压。
另一方面，如果台阶偏置电压大于阈值，则表明分析物传感器处于寿命晚期阶段，以提示响应动作。可以执行各个不同类型的响应动作。在一些实例中，响应动作包含得出分析物传感器的寿命阶段并在宿主或其它用户可访问的用户接口处显示寿命阶段，如本文所描述的外围装置250的用户接口252和/或医疗装置270的用户接口272。寿命阶段可以基于台阶偏置电压。例如，较高的台阶偏置电压可以对应于寿命的晚期阶段。在一些实例中，寿命阶段由数小时、几天、几周等指示，直到传感器的寿命终止。在一些实例中，例如在传感器电子器件、外围装置、医疗装置或其它合适的装置的查找表或其它合适的数据结构处，台阶偏置电压的不同值与寿命的对应阶段相关。
在一些实例中，响应动作可以包含向传感器电流施加补偿以确定补偿的分析物补偿。响应动作还可以包含结束分析物传感器的会话。结束分析物传感器的会话可以包含例如中止向传感器提供偏置电压，中止报告来自分析物传感器的读数和/或在用户接口处指示当前会话的会话已完成。
在一些实例中，基于台阶偏置电压的值来确定所选响应动作。例如，如果台阶偏置电压大于所选阈值和/或没有检测到电流台阶，则响应动作可以包含结束传感器会话。如果台阶偏置电压低于阈值，则响应动作可以包含补偿分析物传感器和/或等待直到下一次测量。
在许多分析物传感器中，传感器制造中的过程变化可能导致传感器间的灵敏度变化。例如，制造期间的温度变化、制造期间的湿度变化、批次间的材料特性差异以及其它因素可能导致灵敏度差异。
本文描述的各个实例涉及传感器和用于制造传感器的技术，所述技术通过微调传感器组件来减少传感器间的变化。例如，传感器可以制造成具有相关联的微调电路。微调电路可以包含放大器，所述放大器包含至少一个可调整组件。例如，产生指示分析物浓度的电流的分析物传感器可以包括微调电路，所述微调电路包含通过至少一个电阻器调谐的电流放大器。在制造包含微调电路的传感器之后，对一个或多个可调整组件进行微调，以使传感器具有期望的灵敏度。
图41是分析物传感器电路4100的一个实例的示意性图示。电路4100包含分析物传感器4102。分析物传感器4102包括工作电极4104和参考电极4106。分析物传感器4102可以例如以图3的分析物传感器34的方式布置。例如，当跨分析物传感器4102的电极4104、4106之间施加偏置电压时，在电极4104、4106之间产生电流。电流与分析物传感器4102处的分析物浓度相关，例如，如本文所描述的灵敏度。
分析物传感器电路4100还包含微调电路，所述微调电路包含场效应晶体管(FET)4110以及电阻器4112和4108。FET 4110和电阻器4112、4108作为放大由分析物传感器产生的电流的电流放大器。例如，由分析物传感器4102产生的电流导致电阻器4108两端的电压降，所述电压降反映在FET 4110的栅极与源极之间。这进而使FET 4110传导的电流可以与栅极与源极之间的电压降成比例。FET 4110可以是任何合适类型的FET，如金属氧化物半导体FET(MOSFET)、结栅FET(JFET)等。
在一些实例中，集成分析物传感器电路4100的组件。例如，分析物传感器电路4100的组件可以在如半导体衬底等公共衬底上制造和/或与其连接。分析物传感器4102可以焊接或以其它方式耦接到公共衬底。
分析物传感器电路4100可以包含连接器4114、4116，所述连接器将分析物传感器电路4100连接到传感器电子器件或其它合适的硬件以用于将分析物传感器电路4100连接到传感器电子器件和/或另一合适的装置。例如，可以在连接器4114、4116两端提供偏置电压。而且，在一些实例中，在连接器4114、4116两端感测由分析物传感器4102产生的传感器电流。
在一些实例中，FET 4110的有效漏极-源极电阻(例如，当FED 4110完全导通时)大于分析物传感器4102的有效电阻，其可以为数十兆欧姆的量级。例如，FET 4110的漏极-源极电阻可以是分析物传感器4102的电阻的一倍半以上。选择漏极-源极电阻大于分析物传感器4102的有效电阻的FET 4110可以防止FET 4110的源极电流主导分析物传感器4102的电流。
在一些实例中，由于出于上述原因，FET 4110的有效漏极-源极电阻较高，因此满量程栅极电压可以不需要很大。因此，电阻器4108可以很小。电阻器4108还可以选择为足够小，以防止分析物传感器4102两端的有效偏置电压落入所需要用于驱动传感器4102的值之外。
在一些实例中，选择具有低栅极泄漏电流的FET 4110。例如，高栅极泄漏电流可能导致大部分传感器电流绕过电阻器R2，从而无法生成足够的电位来导通FET 4110。
可以对分析物传感器电路4100的电阻器4112和4108进行物理修改，以实现分析物传感器系统4100的期望的灵敏度和/或偏移。例如，修改电阻器4108的电阻可以影响FET4110的增益，修改端4114、4116处的电流以用于由分析物传感器4102生成的类似电流。这可以修改分析物传感器电路4100的有效灵敏度。类似地，对于给定的偏置电压，修改电阻器4112的电阻会改变流经电阻器4112的电流。由分析物传感器4102产生的电流可以是电阻器4112处的电流之外的电流。以此方式，修改电阻器4112的电阻改变了分析物传感器系统4100的偏移。
图42是用于调谐图41的分析物传感器电路4100的示例方法的流程图图示。在操作4202处，使分析物传感器4102暴露于具有第一分析物浓度的缓冲材料。第一分析物浓度可以是低浓度。例如，第一浓度可以处于或接近使用中的由分析物传感器电路4100感测的浓度范围中的最低浓度。在一些实例中，第一浓度处于范围的最低25％。在存在第一分析物浓度的情况下，测量由分析物传感器电路4100产生的电流。
在操作4204处，基于在操作4202处测量的电流来微调电阻器4112。微调电阻器4112可以包含应用激光微调、光刻或另一合适的方法以去除构成电阻器4112的一部分材料。可以微调电阻器4112以使得在第一浓度下的测量电流具有期望值。例如，可以微调电阻器4112以使得在第一浓度下的经测量的电流大于零。在一些实例中，在微调之后，将分析物传感器电路4100再次暴露于具有第一分析物浓度的缓冲液中，以验证已经实现了期望的电流。如果尚未达到期望的电流，则可以进一步微调电阻器4112。
在操作4206处，使分析物传感器4102暴露于具有第二分析物浓度的第二缓冲液。分析物的第二浓度大于第一浓度，并且在一些实例中，所述第二浓度处于或接近使用中的由分析物传感器电路4100要感测的浓度范围中的最高浓度。测量由分析物传感器4102在第二浓度下产生的电流。
在操作4208处，微调电阻器4108以实现分析物传感器电路4100的期望的灵敏度。微调电阻器4108可以包含应用激光微调、光刻或另一合适的方法以去除构成电阻器4108的一部分材料。例如，可以将电阻器4108微调到使由分析物传感器4102产生的电流处于预期范围的高端的电阻水平。
当将分析物传感器插入到宿主的皮肤时，宿主有时会在插入点处或插入点周围对皮肤施加压力。例如，宿主可以以导致宿主的全部或大部分重量抵靠椅子、床、地板、墙壁或其它表面压缩皮肤的方式坐着或躺下。当皮肤受压时，有时可能限制流体流向受压区域。这可以减少进出传感器的分析物的自然流量。因此，传感器提供的读数可以低于宿主的实际分析物浓度。当宿主皮肤的压缩导致分析物传感器提供不准确的低读数时，这在本文中被称为压缩低。
考虑其中分析物是葡萄糖并且分析物传感器是连续葡萄糖传感器的实例。如果宿主躺在传感器插入部位上或以其它方式向所述传感器插入部位施加压力，则连续葡萄糖传感器可以警告用户所感知的低血糖病状，尽管这种病状可能实际上不存在。这可能降低宿主对连续葡萄糖传感器的信任度。而且，如果在宿主睡眠时发生压缩低，则连续葡萄糖传感器可能会不必要地唤醒用户。
各个实例涉及检测和响应分析物传感器中的压缩低。在一些实例中，对传感器电子器件106(图1)或另一合适的装置进行编程，以监测由分析物传感器产生的分析物浓度值以及传感器膜的经测量的阻抗。压缩低可以伴随膜阻抗的减小。如果分析物浓度以大于变化率阈值的变化率下降而传感器膜的电阻也下降，则可以对装置进行编程以检测压缩低。
图43是包含示出连续葡萄糖传感器中的示例压缩低4302的各种曲线的图。尽管图43描述了连续葡萄糖传感器，但据信其它类型的分析物传感器也会表现出类似效果。曲线4308示出了传感器每五(5)分钟的间隔返回的葡萄糖浓度值。曲线4310示出了传感器每三十(30)秒的间隔返回的葡萄糖浓度值。曲线4306示出了传感器处的温度。曲线4304示出了例如使用本文参考图5A-5F描述的技术测量的膜阻抗。
在压缩低4302处，葡萄糖浓度值曲线4308和4310表现出下降。如所示的，膜阻抗曲线4304表现出对应的下降。注意，在不是由压缩引起的第二低葡萄糖事件4312处，膜阻抗曲线4304不存在对应的下降。
图44是用于检测和响应分析物传感器中的压缩低的示例方法4400的流程图图示。方法4400可以由传感器电子器件106(图1)或与分析物传感器相关联的另一合适的装置执行。在操作4402处，装置利用分析物传感器监测宿主处的分析物浓度。这可以包含例如监测由如图3A-3C的传感器34等分析物传感器产生的电流信号。在宿主处监测分析物浓度还可以包含对所产生的电流信号施加灵敏度以确定分析物浓度。在一些实例中，周期性地(例如，每30秒、每5分钟)测量分析物浓度。
在操作4404处，装置确定分析物浓度水平的减小速率是否大于阈值。例如，阈值可以指示预期在宿主中的分析物的最大减小速率。如果减小速率不大于阈值，则可以表明传感器产生的分析物浓度读数不是压缩低的结果。在操作4402处，装置可以继续监测宿主的分析物浓度。
如果分析物浓度水平的减小速率大于阈值，则装置可以在操作4406处确定传感器处的膜阻抗是否满足膜阻抗条件。传感器膜的阻抗可以例如使用本文描述的装置或方法中的任何装置或方法来确定。
在一些实例中，当膜阻抗小于阈值阻抗时，满足膜阻抗条件。而且，在一些实例中，如果膜阻抗的减小速率大于阻抗率阈值，则满足膜阻抗条件。在一些实例中，如果膜阻抗的值小于阈值阻抗并且膜阻抗的减小速率大于阻抗率阈值，则满足膜阻抗条件。在一些实例中，如果膜阻抗的值小于阈值阻抗或者如果膜阻抗的减小速率大于阻抗率阈值，则满足膜阻抗条件。
如果不满足膜阻抗条件，则可以不发生压缩低。在操作4402处，装置可以继续监测宿主的分析物浓度。如果满足膜阻抗条件，则可以发生压缩低。装置在操作4408处响应于压缩低。
装置可以以任何合适的方式响应于压缩低。在一些实例中，装置通过在用户接口(如本文所描述的用户接口252或用户接口272)处暂停报告来自传感器的分析物浓度值而响应于压缩低。在一些实例中，装置通过将校正因子应用于由传感器生成的分析物浓度值来进行响应，直到不再存在压缩低状态为止。装置可以例如通过检测分析物浓度的增加、膜阻抗的增加或两者来检测不再存在压缩低状态。
图45-47示出了另外的实验的结果，所述实验运行证明了使用阻抗补偿来补偿受损传感器的有效性。使用了具有和不具有阻抗补偿的Dexcom G6传感器系统两者。当不使用阻抗补偿而使用时，将使用标准商业工厂校准。当与阻抗补偿一起使用时，使用本文关于图30A-30G描述的技术来确定阻抗补偿，尽管据信使用任何合适的阻抗补偿技术都可以达到类似的结果。
使用一组健康传感器、一组轻微受损传感器和一组严重受损传感器运行由图45-47描述的实验。参考本文相对于图12D-12H介绍的等级，健康传感器的损坏级别为0。轻微受损传感器的损坏级别介于1与4之间。严重受损传感器的损坏级别大于5。
图45是示出指示了具有阻抗补偿的MARD对基于工厂校准的MARD的实验的示例结果的绘图。在示出基于工厂校准的MARD的水平轴上，将观察到健康传感器的传感器通常表现出的MARD小于10。轻微受损传感器通常表现出的MARD小于50，其中严重受损传感器表现出的MARD约为40及以上。竖直轴示出具有阻抗补偿的所指示的传感器的传感器MARD。如所示的，所有健康且轻微受损传感器显示出的MARD约为10或更小，所述传感器可以适于使用。
图46是示出指示了具有阻抗补偿的传感器MARD对与健康基线的阻抗偏差的实验的示例结果的绘图。与健康基线的阻抗偏差是阈值，所述阈值描述了在传感器不适于使用之前，传感器的阻抗可以比健康基线阻抗低多少。图46示出了第一阈值4602。如所示的，第一阈值4602左侧的所有健康传感器的MARD均小于10。然而，通过补偿，高于第一阈值4602的轻微受损传感器的MARD也小于10。因此，如本文所描述的，使用阻抗补偿可以通过利用通过更多传感器的较高的第二阈值4604来增加传感器产率。例如，阻抗偏差小于第二阈值4604的传感器可以表现出可接受的MARD(例如，小于10)。这允许使用可能以其它方式丢弃的轻微受损传感器，并提供合适的准确度。
图47是本文所描述的示出在插入三分钟时的传感器阻抗对葡萄糖斜率的实验的示例绘图。葡萄糖斜率指示传感器电流(以皮安为单位)与传感器处的对应的葡萄糖浓度(以mg/dL为单位)之间的关系。
图47还示出了指示用于通过传感器的阈值的健康线4702。例如，健康线4702的处于阈值距离内的传感器通过使用，而大于阈值距离的传感器未被通过并且可以被丢弃。在图47所描述的示例实验中，使用阻抗调整的灵敏度使健康线偏移17％，以生成17％线4704。在17％线的阈值以内的传感器表现出可接受的准确度，并且可以通过以使用。
在以上描述的任何部分中的这些非限制性实例中的每个实例可以独立存在，或可以以各种排列或组合的方式与其它实例中的一个或多个实例组合。
以上具体实施方式包含对附图的参考，所述附图形成具体实施方式的一部分。附图通过说明的方式示出其中可以实践本主题的具体实施例。这些实施例在本文中也称为“实例”。此类实例可以包含除了所示出或描述的那些元件以外的元件。然而，本发明人还设想其中仅提供所示出或描述的那些元件的实例。此外，本发明人还设想使用关于特定实例(或其一个或多个方面)或关于本文所示出或描述的其它实例(或其一个或多个方面)而示出或描述的那些元件的任何组合或排列的实例(或其一个或多个方面)。
如果本文档与通过引用方式并入的任何文档之间发生不一致的用途，以本文档的用途为准。
在本文档中，如专利文档中常见，使用术语“一(a/an)”以包含一个或多于一个，这与“至少一个”或“一个或多个”的任何其它实例或使用无关。在本文档中，除非另有指示，否则术语“或”用于指非排它性的或使得“A或B”包含“A但不包含B”、包含“B但不包含A”以及包含“A和B”。在本文件中，术语“包含”和“其中(in which)”用作相应术语“包括”和“其中(wherein)”的通俗等效用语。同样，在所附权利要求书中，术语“包含”和“包括”是开放的，也就是说，包含除了列在权利要求中此类术语后之外的那些元件的元件的系统、装置、物件、组合物、调配物或过程仍被认为处于所述权利要求的范围内。此外，在以下权利要求中，术语“第一”、“第二”、“第三”等仅用作标记并且不旨在对其对象强加数字要求。
除非上下文以其它方式指示，否则几何术语(如“平行”、“垂直”、“圆形”或“方形”)并不旨在要求绝对数学精度。相反，此类几何术语允许因制造所致的变化或等效功能。例如，如果将元件描述为“圆形”或“大体上圆形”，那么这一描述仍涵盖并非精确地圆形(例如，是稍呈长椭圆形或是多边的多边形的一种形状)的组件。
本文中描述的方法实例可以至少部分地由机器或计算机实施。一些实例可以包含编码有可用于配置电子装置以执行如在以上实例中描述的方法的指令的计算机可读媒体或机器可读媒体。此类方法的实施方案可以包含代码，如微码、汇编语言代码、高级语言代码等。此类代码可以包含用于执行各种方法的计算机可读指令。代码可以形成计算机程序产品的部分。进一步地，在一个实例中，代码可以如在执行期间或在其它时间处有形地存储于一个或多个易失性、非暂时性或非易失性有形计算机可读媒体上。这些有形计算机可读媒体的实例可以包含但不限于硬盘、可移动磁盘、可移动光盘(例如，光盘和数字视频光盘)、盒式磁带、存储卡或存储棒、随机存取存储器(RAM)、只读存储器(ROM)等。
以上描述旨在是说明性的而非限制性的。举例来说，上文所描述的实例(或其一个或多个方面)可以彼此结合使用。如所属领域的普通技术人员在查阅以上描述后可以使用其它实施例。提供摘要以允许读者快速确定本技术公开的性质。基于其将不被用于解释或者限制权利要求书的范围或者含义的理解提交所述摘要。同样，在以上详细描述中，可以将各种特性分组在一起以简化本公开。不应将这一情况解释为希望未要求保护的公开特性对任何权利要求来说是必需的。相反地，本发明主题可以在于比特定公开实施例的所有特征要少。因此，所附权利要求书特此作为实例或实施例并入到详细描述中，其中每个权利要求作为单独实施例单独存在，且可设想到此类实施例可以彼此组合成各种组合或排列。本主题的范围应参考所附权利要求连同此类权利要求被赋予的等效物的全部范围来确定。

Claims (28)

1.一种分析物传感器系统，其包括：
分析物传感器，所述分析物传感器包括工作电极和参考电极，所述参考电极包括在使用所述分析物传感器期间耗尽的材料；以及
硬件装置，所述硬件装置与所述分析物传感器进行通信，其中所述硬件装置被配置成执行包括以下的操作：
向所述分析物传感器施加第一偏置电压，所述第一偏置电压小于所述分析物传感器的操作偏置电压；
当施加所述第一偏置电压时，测量所述分析物传感器处的第一电流；
向所述分析物传感器施加第二偏置电压；
当施加所述第二偏置电压时，测量所述分析物传感器处的第二电流；
使用所述第一电流和所述第二电流检测台阶偏置电压；
确定所述台阶偏置电压小于台阶偏置电压阈值；以及
在所述分析物传感器处执行响应动作。
2.根据权利要求1所述的分析物传感器系统，其中施加所述第一偏置电压和施加所述第二偏置电压包括沿着包含所述第一偏置电压和所述第二偏置电压的范围连续地扫掠所述分析物传感器的所述偏置电压。
3.根据权利要求1所述的分析物传感器系统，其中检测所述台阶偏置电压包括确定所述第一电流小于电流阈值。
4.根据权利要求1所述的分析物传感器系统，所述操作进一步包括使用所述第一电流和所述第二电流来确定所述分析物传感器的电流响应，其中检测所述台阶偏置电压包括确定所述电流响应的斜率约为零的偏置电压。
5.根据权利要求1所述的分析物传感器系统，所述操作进一步包括：
使用所述台阶偏置电压确定所述分析物传感器的寿命阶段数据；以及
在用户接口处显示所述寿命阶段数据。
6.根据权利要求1所述的分析物传感器系统，其中所述响应动作包括向由所述传感器产生的第三传感器电流施加补偿。
7.根据权利要求1所述的分析物传感器系统，其中所述响应动作包括：
停止向所述分析物传感器提供偏置电流；以及
在用户接口处显示所述分析物传感器的传感器会话结束的指示。
8.一种操作分析物传感器的方法，所述方法包括：
向所述分析物传感器施加第一偏置电压，所述第一偏置电压小于所述分析物传感器的操作偏置电压；
当施加所述第一偏置电压时，测量所述分析物传感器处的第一电流；
向所述分析物传感器施加第二偏置电压；
当施加所述第二偏置电压时，测量所述分析物传感器处的第二电流；
使用所述第一电流和所述第二电流检测台阶偏置电压；
确定所述台阶偏置电压小于台阶偏置电压阈值；以及
在所述分析物传感器处执行响应动作。
9.根据权利要求8所述的方法，其中施加所述第一偏置电压和施加所述第二偏置电压包括沿着包含所述第一偏置电压和所述第二偏置电压的范围连续地扫掠所述分析物传感器的所述偏置电压。
10.根据权利要求8所述的方法，其中检测所述台阶偏置电压包括确定所述第一电流小于电流阈值。
11.根据权利要求8所述的方法，其进一步包括使用所述第一电流和所述第二电流来确定所述分析物传感器的电流响应，其中检测所述台阶偏置电压包括确定所述电流响应的斜率约为零的偏置电压。
12.根据权利要求8所述的方法，其进一步包括：
使用所述台阶偏置电压确定所述分析物传感器的寿命阶段数据；以及
在用户接口处显示所述寿命阶段数据。
13.根据权利要求8所述的方法，其中所述响应动作包括向由所述传感器产生的第三传感器电流施加补偿。
14.根据权利要求8所述的方法，其中所述响应动作包括：
停止向所述分析物传感器提供偏置电流；以及
在用户接口处显示所述分析物传感器的传感器会话结束的指示。
15.一种对分析物传感器进行微调的方法，所述分析物传感器包括包含第一组件和第二组件的集成电流放大器，所述方法包括：
将所述分析物传感器暴露于具有第一浓度的分析物的第一缓冲液；以及
从所述集成电流放大器的所述第一组件中去除材料，以产生具有预定特性的输出电流。
16.根据权利要求15所述的方法，其中所述预定特性是预定偏移。
17.根据权利要求16所述的方法，其进一步包括：
将所述分析物传感器暴露于具有第二浓度的分析物的第二缓冲液，所述第二浓度大于所述第一浓度；以及
从所述集成电流放大器的所述第二组件中去除材料，以在所述第二缓冲液中产生具有第二预定特性的输出电流。
18.根据权利要求15所述的方法，其中所述预定特性是预定增益。
19.一种分析物传感器系统，其包括：
分析物传感器，所述分析物传感器包括工作电极和参考电极；以及
硬件装置，所述硬件装置与所述分析物传感器进行通信，其中所述硬件装置被配置成执行包括以下的操作：
接收由所述分析物传感器产生的分析物传感器电流信号，所述分析物传感器电流信号指示宿主中的分析物浓度；
确定所述分析物传感器电流表现出的减小速率大于减小速率阈值；
确定膜阻抗满足膜阻抗条件；以及
执行压缩低响应动作。
20.根据权利要求19所述的分析物传感器系统，其中所述压缩低响应包括暂停报告来自所述分析物传感器的分析物浓度值。
21.根据权利要求19所述的分析物传感器系统，其中所述压缩低响应包括施加补偿以由所述分析物传感器产生分析物浓度值。
22.根据权利要求19所述的分析物传感器系统，其中确定所述膜阻抗满足所述膜阻抗条件包括确定所述膜阻抗小于阈值阻抗。
23.根据权利要求19所述的分析物传感器系统，其中确定所述膜阻抗满足所述膜阻抗条件包括确定所述膜阻抗的减小速率大于阻抗率阈值。
24.一种用于使用分析物传感器监测宿主中的分析物浓度的方法，所述方法包括：
接收由所述分析物传感器产生的分析物传感器电流信号，所述分析物传感器电流信号指示所述宿主中的所述分析物浓度；
确定所述分析物传感器电流表现出的减小速率大于减小速率阈值；
确定膜阻抗满足膜阻抗条件；以及
执行压缩低响应动作。
25.根据权利要求24所述的方法，其中所述压缩低响应包括暂停报告来自所述分析物传感器的分析物浓度值。
26.根据权利要求24所述的方法，其中所述压缩低响应包括施加补偿以由所述分析物传感器产生分析物浓度值。
27.根据权利要求24所述的方法，其中确定所述膜阻抗满足所述膜阻抗条件包括确定所述膜阻抗小于阈值阻抗。
28.根据权利要求24所述的方法，其中确定所述膜阻抗满足所述膜阻抗条件包括确定所述膜阻抗的减小速率大于阻抗率阈值。
CN201980084659.0A 2018-12-28 2019-12-27 分析物传感器与阻抗确定 Pending CN113194827A (zh)

Applications Claiming Priority (11)

Application Number Priority Date Filing Date Title
US201862786166P 2018-12-28 2018-12-28
US201862786116P 2018-12-28 2018-12-28
US201862786208P 2018-12-28 2018-12-28
US201862786127P 2018-12-28 2018-12-28
US201862786228P 2018-12-28 2018-12-28
US62/786,228 2018-12-28
US62/786,127 2018-12-28
US62/786,208 2018-12-28
US62/786,116 2018-12-28
US62/786,166 2018-12-28
PCT/US2019/068713 WO2020140018A1 (en) 2018-12-28 2019-12-27 Analyte sensor with impedance determination

Publications (1)

Publication Number Publication Date
CN113194827A true CN113194827A (zh) 2021-07-30

Family

ID=71121961

Family Applications (2)

Application Number Title Priority Date Filing Date
CN201980084659.0A Pending CN113194827A (zh) 2018-12-28 2019-12-27 分析物传感器与阻抗确定
CN201980084477.3A Pending CN113260309A (zh) 2018-12-28 2019-12-27 分析物传感器磨合期减少

Family Applications After (1)

Application Number Title Priority Date Filing Date
CN201980084477.3A Pending CN113260309A (zh) 2018-12-28 2019-12-27 分析物传感器磨合期减少

Country Status (6)

Country Link
US (5) US20200205694A1 (zh)
EP (2) EP3902468A4 (zh)
CN (2) CN113194827A (zh)
AU (2) AU2019414451A1 (zh)
CA (2) CA3125276A1 (zh)
WO (2) WO2020140017A1 (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023034934A1 (en) * 2021-09-03 2023-03-09 Dexcom, Inc. Systems and methods for technical support of continuous analyte monitoring and sensor systems
WO2020232405A1 (en) * 2019-05-16 2020-11-19 California Institute Of Technology Laser-enabled lab on skin
KR20210018702A (ko) * 2019-08-09 2021-02-18 삼성디스플레이 주식회사 센서 유닛, 그를 포함하는 표시 장치, 및 그의 수분 측정 방법
JP2023536188A (ja) 2020-08-04 2023-08-23 アセンシア・ダイアベティス・ケア・ホールディングス・アーゲー 電位変調による連続グルコースモニタリングのための分析物濃度の非定常状態判定
AU2021342648A1 (en) 2020-09-15 2023-03-02 F. Hoffmann-La Roche Ag Method for detecting a failure of at least one component of a continuous analyte monitoring system
EP4333705A1 (en) * 2021-05-03 2024-03-13 Cari Health, Inc. Electrochemical sensor for simultaneous detection and measurement of multiple pharmaceuticals
US11672965B2 (en) 2021-09-28 2023-06-13 Biolinq Incorporated Microneedle enclosure and applicator device for microneedle array based continuous analyte monitoring device

Family Cites Families (55)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB1505343A (en) * 1973-12-18 1978-03-30 Butler J Electrochemical cells
US4340457A (en) * 1980-01-28 1982-07-20 Kater John A R Ion selective electrodes
BR9206198A (pt) * 1991-06-26 1994-11-29 Ppg Industries Inc Aparelho sensor hidratado de circuito integrado
IE72524B1 (en) * 1994-11-04 1997-04-23 Elan Med Tech Analyte-controlled liquid delivery device and analyte monitor
US6001067A (en) 1997-03-04 1999-12-14 Shults; Mark C. Device and method for determining analyte levels
US6119028A (en) 1997-10-20 2000-09-12 Alfred E. Mann Foundation Implantable enzyme-based monitoring systems having improved longevity due to improved exterior surfaces
US6081736A (en) 1997-10-20 2000-06-27 Alfred E. Mann Foundation Implantable enzyme-based monitoring systems adapted for long term use
US6579690B1 (en) 1997-12-05 2003-06-17 Therasense, Inc. Blood analyte monitoring through subcutaneous measurement
US6134461A (en) 1998-03-04 2000-10-17 E. Heller & Company Electrochemical analyte
WO1999053287A2 (en) 1998-04-09 1999-10-21 California Institute Of Technology Electronic techniques for analyte detection
US6175752B1 (en) 1998-04-30 2001-01-16 Therasense, Inc. Analyte monitoring device and methods of use
US7384396B2 (en) * 1998-07-21 2008-06-10 Spectrx Inc. System and method for continuous analyte monitoring
JP2000171431A (ja) * 1998-12-04 2000-06-23 Fujikura Ltd 酸素センサ
US6424847B1 (en) 1999-02-25 2002-07-23 Medtronic Minimed, Inc. Glucose monitor calibration methods
US8010174B2 (en) 2003-08-22 2011-08-30 Dexcom, Inc. Systems and methods for replacing signal artifacts in a glucose sensor data stream
WO2004059286A2 (en) * 2002-12-20 2004-07-15 Terumo Cardiovascular Systems Corporation Miniature electrode for detecting interstitial tissue ph
US20070173709A1 (en) * 2005-04-08 2007-07-26 Petisce James R Membranes for an analyte sensor
US7460898B2 (en) 2003-12-05 2008-12-02 Dexcom, Inc. Dual electrode system for a continuous analyte sensor
US20080119703A1 (en) 2006-10-04 2008-05-22 Mark Brister Analyte sensor
US7276029B2 (en) 2003-08-01 2007-10-02 Dexcom, Inc. System and methods for processing analyte sensor data
US7905833B2 (en) 2004-07-13 2011-03-15 Dexcom, Inc. Transcutaneous analyte sensor
US8515516B2 (en) 2004-07-13 2013-08-20 Dexcom, Inc. Transcutaneous analyte sensor
US7468033B2 (en) 2004-09-08 2008-12-23 Medtronic Minimed, Inc. Blood contacting sensor
US7432069B2 (en) 2005-12-05 2008-10-07 Sontra Medical Corporation Biocompatible chemically crosslinked hydrogels for glucose sensing
US8372266B2 (en) 2005-12-16 2013-02-12 Chevron U.S.A. Inc. Systems and methods for producing a crude product
US8114269B2 (en) 2005-12-30 2012-02-14 Medtronic Minimed, Inc. System and method for determining the point of hydration and proper time to apply potential to a glucose sensor
WO2007120381A2 (en) 2006-04-14 2007-10-25 Dexcom, Inc. Analyte sensor
US20070299617A1 (en) * 2006-06-27 2007-12-27 Willis John P Biofouling self-compensating biosensor
EP2122344B8 (en) 2007-02-20 2019-08-21 Oxford Nanopore Technologies Limited Lipid bilayer sensor system
ES2432404T3 (es) * 2007-03-19 2013-12-03 Insuline Medical Ltd. Método y dispositivo para medida de sustancias
BRPI0810095A2 (pt) * 2007-04-20 2014-10-21 Gen Hospital Corp Método para a contagem de células
RU2508899C2 (ru) * 2008-02-27 2014-03-10 Мон4Д Лтд. Устройство, система и способ для модульного контроля анализируемого вещества
US8682408B2 (en) 2008-03-28 2014-03-25 Dexcom, Inc. Polymer membranes for continuous analyte sensors
US8682608B2 (en) 2009-05-27 2014-03-25 Panasonic Corporation Behavior recognition apparatus
US9237864B2 (en) 2009-07-02 2016-01-19 Dexcom, Inc. Analyte sensors and methods of manufacturing same
WO2012050926A2 (en) 2010-09-29 2012-04-19 Dexcom, Inc. Advanced continuous analyte monitoring system
US8834707B2 (en) 2010-12-10 2014-09-16 Shell Oil Company Process for treating a hydrocarbon-containing feed
US20120265036A1 (en) 2011-04-15 2012-10-18 Dexcom, Inc. Advanced analyte sensor calibration and error detection
US9008744B2 (en) 2011-05-06 2015-04-14 Medtronic Minimed, Inc. Method and apparatus for continuous analyte monitoring
JP2015509803A (ja) 2012-03-15 2015-04-02 ライトシップ メディカル リミテッド センサー
EP4218571A1 (en) * 2012-03-16 2023-08-02 Dexcom, Inc. Systems and methods for processing analyte sensor data
US10881339B2 (en) * 2012-06-29 2021-01-05 Dexcom, Inc. Use of sensor redundancy to detect sensor failures
US9481917B2 (en) 2012-12-20 2016-11-01 United Technologies Corporation Gaseous based desulfurization of alloys
US20160151010A1 (en) * 2013-07-17 2016-06-02 Glucocheck Ltd. Blood sampling device and methods
US10238323B2 (en) * 2014-06-06 2019-03-26 Dexcom, Inc. Fault discrimination and responsive processing based on data and context
US20170184527A1 (en) * 2015-12-28 2017-06-29 Medtronic Minimed, Inc. Sensor systems, devices, and methods for continuous glucose monitoring
US20170181672A1 (en) * 2015-12-28 2017-06-29 Medtronic Minimed, Inc. Sensor systems, devices, and methods for continuous glucose monitoring
EP3414702A1 (en) * 2016-02-08 2018-12-19 Spero Devices, Inc. Analog co-processor
AU2017240490B2 (en) * 2016-03-30 2019-12-05 Dexcom, Inc. Systems, devices and methods for analyte monitoring system
US10426389B2 (en) 2016-04-28 2019-10-01 Medtronic Minimed, Inc. Methods, systems, and devices for electrode capacitance calculation and application
US20180328877A1 (en) 2017-05-11 2018-11-15 Medtronic Minimed, Inc. Analyte sensors and methods for fabricating analyte sensors
CN110785656B (zh) 2017-06-22 2024-04-05 普罗比斯蒂斯 用于检测分析物的纳米级电化学界面
CA3220494A1 (en) * 2017-06-30 2019-01-03 Abbott Diabetes Care Inc. Method and apparatus for analyte detection using an electrochemical biosensor
ES2960443T3 (es) 2017-07-03 2024-03-04 Hoffmann La Roche Método y unidad electrónica para detectar propiedades in vivo de un biosensor
CN111629660A (zh) 2018-01-23 2020-09-04 德克斯康公司 补偿温度对传感器的影响的系统、设备和方法

Also Published As

Publication number Publication date
CA3125276A1 (en) 2020-07-02
WO2020140018A1 (en) 2020-07-02
US20200205705A1 (en) 2020-07-02
EP3902472A4 (en) 2022-10-05
CA3125326A1 (en) 2020-07-02
AU2019414451A1 (en) 2021-06-17
US20200209179A1 (en) 2020-07-02
US20200205694A1 (en) 2020-07-02
EP3902472A1 (en) 2021-11-03
AU2019414942A1 (en) 2021-06-24
US11963767B2 (en) 2024-04-23
EP3902468A4 (en) 2022-12-14
CN113260309A (zh) 2021-08-13
US20200205702A1 (en) 2020-07-02
US20200205701A1 (en) 2020-07-02
EP3902468A1 (en) 2021-11-03
WO2020140017A1 (en) 2020-07-02

Similar Documents

Publication Publication Date Title
CN113194827A (zh) 分析物传感器与阻抗确定
KR102291849B1 (ko) 포도당 센서 및 센서 출력의 교정 및 최적화를 위한 방법, 시스템 및 디바이스
US20230157566A1 (en) Use of electrochemical impedance spectroscopy (eis) in gross failure analysis
US20230360799A1 (en) Retrospective sensor systems, devices, and methods
US20230017510A1 (en) Sensor systems, devices, and methods for continuous glucose monitoring
KR102162766B1 (ko) 연속 포도당 모니터링을 위한 방법
US8868151B2 (en) Electrochemical impedance spectroscopy enabled continuous glucose monitoring sensor system
US20200245910A1 (en) Methods, systems, and devices for continuous glucose monitoring
KR20200097270A (ko) 연속 글루코오스 모니터링 방법 및 시스템
KR20200098514A (ko) 유사-직교 대리 기능성 글루코오스 센서, 시스템, 및 방법
US20200000381A1 (en) In-body sensor health diagnostics using vset based methods
US20230181065A1 (en) End-of-life detection for analyte sensors experiencing progressive sensor decline

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