CN113261065A - 用于改进分析物监测系统中膳食和治疗接口的系统、装置和方法 - Google Patents
用于改进分析物监测系统中膳食和治疗接口的系统、装置和方法 Download PDFInfo
- Publication number
- CN113261065A CN113261065A CN202080007972.7A CN202080007972A CN113261065A CN 113261065 A CN113261065 A CN 113261065A CN 202080007972 A CN202080007972 A CN 202080007972A CN 113261065 A CN113261065 A CN 113261065A
- Authority
- CN
- China
- Prior art keywords
- meal
- user
- analyte
- electronic system
- candidates
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/60—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to nutrition control, e.g. diets
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
- A61B5/14532—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue for measuring glucose, e.g. by tissue impedance measurement
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/10—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/10—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients
- G16H20/17—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients delivered via infusion or injection
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61J—CONTAINERS SPECIALLY ADAPTED FOR MEDICAL OR PHARMACEUTICAL PURPOSES; DEVICES OR METHODS SPECIALLY ADAPTED FOR BRINGING PHARMACEUTICAL PRODUCTS INTO PARTICULAR PHYSICAL OR ADMINISTERING FORMS; DEVICES FOR ADMINISTERING FOOD OR MEDICINES ORALLY; BABY COMFORTERS; DEVICES FOR RECEIVING SPITTLE
- A61J2200/00—General characteristics or adaptations
- A61J2200/30—Compliance analysis for taking medication
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61J—CONTAINERS SPECIALLY ADAPTED FOR MEDICAL OR PHARMACEUTICAL PURPOSES; DEVICES OR METHODS SPECIALLY ADAPTED FOR BRINGING PHARMACEUTICAL PRODUCTS INTO PARTICULAR PHYSICAL OR ADMINISTERING FORMS; DEVICES FOR ADMINISTERING FOOD OR MEDICINES ORALLY; BABY COMFORTERS; DEVICES FOR RECEIVING SPITTLE
- A61J2200/00—General characteristics or adaptations
- A61J2200/70—Device provided with specific sensor or indicating means
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61J—CONTAINERS SPECIALLY ADAPTED FOR MEDICAL OR PHARMACEUTICAL PURPOSES; DEVICES OR METHODS SPECIALLY ADAPTED FOR BRINGING PHARMACEUTICAL PRODUCTS INTO PARTICULAR PHYSICAL OR ADMINISTERING FORMS; DEVICES FOR ADMINISTERING FOOD OR MEDICINES ORALLY; BABY COMFORTERS; DEVICES FOR RECEIVING SPITTLE
- A61J2205/00—General identification or selection means
- A61J2205/70—Audible labels, e.g. for pre-recorded info or messages
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61J—CONTAINERS SPECIALLY ADAPTED FOR MEDICAL OR PHARMACEUTICAL PURPOSES; DEVICES OR METHODS SPECIALLY ADAPTED FOR BRINGING PHARMACEUTICAL PRODUCTS INTO PARTICULAR PHYSICAL OR ADMINISTERING FORMS; DEVICES FOR ADMINISTERING FOOD OR MEDICINES ORALLY; BABY COMFORTERS; DEVICES FOR RECEIVING SPITTLE
- A61J7/00—Devices for administering medicines orally, e.g. spoons; Pill counting devices; Arrangements for time indication or reminder for taking medicine
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Nutrition Science (AREA)
- Medicinal Chemistry (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Biomedical Technology (AREA)
- Optics & Photonics (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Emergency Medicine (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
公开了用于改进分析物监测系统中膳食和治疗接口的系统、装置和方法的各种实施方式。这些实施方式可以确定针对用餐施用的药物剂量,识别膳食开始和膳食峰值响应候选,并且推荐用户发起的分析物检查。
Description
技术领域
本文描述的主题总体上涉及用于改进分析物监测系统中膳食和治疗接口的系统、装置和方法。具体地,提供了用于确定针对进餐施用的药物剂量、识别膳食开始和膳食峰值响应候选以及推荐用户发起的分析物检查的实施方式。
背景技术
在过去的几十年中,2型糖尿病和代谢综合征患病率的增加可以归因于饮食和活动水平的改变。例如,食用更易获得的高血糖指数食物会引起餐后血糖和胰岛素水平快速升高,这与体重增加和肥胖呈正相关。这些情况可以进一步追溯到发生这些疾病和其他疾病的风险增加。
大多数人通常都了解饮食的重要性。然而,在实践中,许多人很难将这种普遍的意识转化为他们具体的食物选择。这些问题的存在主要是因为人们不能直接看到他们的选择的影响。这可导致对食物份量的误解,对哪些食物相对健康的误解,以及对保持身体健康所需的活动持续时间和强度的普遍缺乏认识。这些问题由于广告、习惯、同龄人的压力、食物偏好和基于过度概括的推荐而进一步加剧。
为了解决这些问题,分析物监测系统可以跟踪和更好地了解个人的生理反应。由于高葡萄糖水平主要是由食物的食用引起的,餐后葡萄糖水平可以与个人食用的碳水化合物和其他膳食成分的量有关,以及与个人对膳食的生理反应有关。然而,分析这些涌入的数据所面临的挑战是如何以有意义的方式来表示数据,以便能够采用有效的行动。与膳食选择有关的数据和随后的影响应在临床基础上了解,以及个人、膳食管理人员和/或医疗专业人员的个人基础上了解,以了解和调节葡萄糖波动,例如高血糖发作。
先前的将个人分析物数据与膳食消耗以及餐前和餐后反应相关联的解决方案存在许多缺陷。例如,一些系统要求个人执行许多不方便和不舒服的离散血糖测量(例如,指尖血糖测试)。这些解决方案还可能存在数据点数量不足的问题,无法充分确定对膳食的血糖反应。例如,个人可能在个人的血糖反应峰值之前或之后的时间执行离散血糖测量,使得难以精确地确定血糖反应,并且难以基于血糖反应对膳食进行有意义地比较。数据点的不足也会使人难以在个人分析物数据中自动检测出膳食事件的开始。
此外,一些先前和现有的系统严重依赖个人手动记录膳食,这可能是不可靠的。例如,确定餐前和餐后膳食反应的另一种方法涉及收集一天中预定时间窗口内的密集葡萄糖测量,其中假定窗口内的葡萄糖值代表早餐前和/或早餐后时间。然而,对于这种方法,估计的可靠性将在很大程度上取决于患者的膳食时间安排的一致性,这也可能是不可靠的。
其它现有系统试图仅仅基于葡萄糖水平上升的存在来检测膳食事件,例如美国公开No.2003/0208113中描述的那些。然而,这些系统可能是不充分的,因为它们没有考虑到个人以前的膳食历史,并且可能高估了个人已经进食的数量。
一个相关的挑战涉及确定糖尿病患者的药物剂量(例如,胰岛素剂量),以补偿进食后发生的预期血糖升高。这一剂量通常被称为餐前团注。确定要施用的胰岛素的适当量可能是困难的,并且通常需要使用现有技术的团注(bolus)计算器,该计算器依赖于诸如个人的胰岛素敏感性、个人的胰岛素携带量和膳食中碳水化合物的量等参数。例如,家常菜的碳水化合物含量可能难以确定,因为它通常基于食谱中每种单独成分的量,并且可能需要用户基于膳食的各部分的重量做出估计。其还需要对膳食的每一部分进行碳水化合物确定。例如,在包括肉、砂锅和蔬菜的晚餐的情况下,必须分别确定每种成分的碳水化合物含量,然后将其加在一起,以便输入团注计算器。进行这样的计算所需的时间和精力对糖尿病患者来说可能尤其沉重,并且常常导致糖尿病患者猜测碳水化合物含量。
由于这些原因和其他原因,需要改进分析物监测系统的膳食和治疗接口。
发明内容
本文描述了用于改进体内分析物监测系统中使用的膳食和治疗接口的系统、装置和方法的示例实施方式。这些实施方式可以提供用于确定针对用餐施用的药物剂量、识别膳食开始和膳食峰值响应候选,以及推荐用户发起的分析物检查的系统、装置和方法。
根据一个实施方式,例如,一种用于确定针对用餐施用的药物剂量的计算机实施的方法包括以下步骤:接收与膳食相关联的用户输入的条目;参考第一数据库以确定与膳食相关联的一个或多个营养素参数;基于营养素参数在第二数据库中识别最接近的匹配膳食;以及确定与最接近的匹配膳食相关联的药物剂量。
根据另一实施方式,一种用于识别膳食开始候选和膳食峰值响应候选集的计算机实施的方法包括以下步骤:确定与监测的分析物水平相对应的数据点的时间导数;通过基于时间导数确定加速度的最优值,来创建膳食开始候选和膳食峰值响应候选集;检索多个用户发起的检查并将该检查分组为时间簇;为每个时间簇确定时间簇开始点、时间簇结束点和时间簇中心趋势点;以及从所述集中移除膳食开始候选的子集;其中,该子集包括不在时间簇开始点或时间簇结束点的预定时间范围内一个或多个膳食开始候选。
根据又一实施方式,一种用于推荐用户发起的分析物检查的计算机实施的方法包括以下步骤:接收用户记录动作;评估历史日志以确定记录动作是否对应于与血糖风险相关联的历史用户动作;响应于确定记录动作对应于与血糖风险相关联的历史用户动作,计算直到达到与血糖风险相关联的可操作时间段的经过时间;以及在经过时间之后,向用户输出通知,以执行用户发起的分析物检查。
提供了用于执行这些检测机制中的一个或两个的组合和/或变化的算法和方法的众多示例,以及用于执行相同的系统和装置的示例实施方式。
通过检查以下附图和详细描述,本文描述的主题的其他系统、装置、方法、特征和优点对于本领域技术人员将是显而易见的。旨在将所有这样的附加系统、方法、特征和优点包括在本说明书中,在本文描述的主题的范围内,并由所附权利要求书保护。在没有明确说明权利要求中的那些特征的情况下,示例实施方式的特征绝不应解释为限制所附权利要求。
附图说明
通过研究附图,本文阐述的主题的结构和操作方面的细节将变得显而易见,其中,相同的附图标记指代相同的部分。附图中的组件不一定按比例绘制,而是将重点放在说明主题的原理上。而且,所有图示旨在传达概念,其中相对尺寸、形状和其他详细属性可被示意性地而不是从字面上或精确地示出。
图1是描绘体内分析物监测系统的示例实施方式的说明图。
图2是读取器装置的示例实施方式的框图。
图3是传感器控制装置的示例实施方式的框图。
图4是系统架构的示例实施方式的框图,该系统架构被配置为确定针对用餐施用的药物剂量。
图5是示出了用于确定针对用餐施用的药物剂量的方法的示例实施方式的流程图。
图6A至图6C是描绘用户发起的分析物检查的分布的曲线图。
图7A和图7B是描绘各种分析物测量及其特征的曲线图。
图8是描绘用于确定膳食开始和膳食峰值响应候选集的方法的示例实施方式的流程图。
图9A至图9C是描绘用于确定膳食开始和膳食峰值响应候选集的方法的另一示例实施方式的流程图。
图10是描绘用于推荐用户发起的分析物检查的方法的示例实施方式的流程图。
图11是描绘用于推荐用户发起的分析物检查的方法的另一示例实施方式的流程图。
具体实施方式
在详细描述本主题之前,应理解,本公开内容不限于描述的具体实施方式,因为这样当然可变化。还应理解,本文中使用的术语仅出于描述具体实施方式的目的,而无意于限制本发明,因为本公开的范围将仅由所附权利要求书限制。
本文所讨论的出版物仅出于其在本申请的提交日期之前的公开内容而提供。本文中的任何内容均不应解释为承认本公开无权凭借先前公开而早于此类出版物。此外,提供的发布日期可能与实际发布日期有所不同,实际发布日期可能需要独立确认。
通常,本公开的实施方式与用于检测体液(例如,组织液(“ISF”)或血液中的皮下或真皮层的真皮液,或其他方面)中的至少一种分析物(例如葡萄糖)的系统、装置和方法一起使用。因此,许多实施方式包括体内分析物传感器,该体内分析物传感器在结构上被配置为使得传感器的至少一部分被定位或可被定位在用户的身体中以获得关于身体的至少一种分析物的信息。然而,本文所公开的实施方式与结合体外能力的体内分析物监测系统一起使用,以及纯体外或体外分析物监测系统,包括那些完全非侵入性的系统。
此外,对于本文公开的方法的每个实施方式,能够执行那些实施方式中的每个的系统和装置被覆盖在本公开的范围内。例如,公开了电子装置的实施方式,并且这些电子装置可以包括非暂时性存储器(例如,用于存储指令)、处理电路(例如,用于执行指令)、电源、通信电路、发射器、接收器和/或控制器,它们可执行任何和所有方法步骤,或有助于执行任何和所有方法步骤。
本公开的多个实施方式被设计为改进分析物监测系统关于膳食和治疗接口的计算机实施能力。在一些实施方式中,例如,可以通过基于某些营养素参数在数据库中识别最接近的匹配膳食来确定针对用餐施用的药物剂量。这些实施方式可以改进剂量确定软件的准确性,例如,通过参考个人自身的历史血糖反应和药物剂量,而不是依赖个人对膳食营养含量的猜测。
根据其它实施方式,从分析物传感器接收指示监测的分析物水平分析物的数据,并且处理电路可以使用该数据识别膳食开始和膳食峰值响应候选集。这些实施方式可以改进用于确定膳食开始时间和膳食峰值响应时间的软件的准确性,而不必依赖于用户估计或严格遵守每日膳食例程。此外,这些实施方式可以经由图形界面呈现有限并且更准确的膳食开始和膳食峰值响应候选集,其允许用户更有效地导航由分析物监测系统收集的分析物数据。
根据其他实施方式,如果确定用户当前记录动作具有相关联的血糖风险,则可以在经过时间后向用户输出执行用户发起的分析物检查(例如,传感器扫描)的推荐。这些实施方式评估用户过去动作和相关的血糖风险的历史日志,以确定未来用户发起的分析物检查是否被保证。在这方面,与具有被动界面的已知系统相比,这些实施方式通过交互式用户界面增加和/或维持系统的用户参与来改进分析物监测系统。
因此,本文描述的实施方式在许多方面反映了对现有分析物监测系统及其相应用户界面的各种计算机实施的改进。具体地,这些实施方式改进了分析物监测系统关于药物剂量确定、膳食开始和膳食峰值响应检测以及血糖风险确定的准确性。此外,本文描述的实施方式以非常规方式利用特定类型的数据(例如,用户发起的分析物检查信息)。下面进一步讨论所公开的实施方式的其他特征和优点。
然而,在详细描述实施方式之前,首先需要描述可存在于,例如,体内分析物监测系统中的装置的示例,以及其操作的示例,所有这些都可与本文所述的实施方式一起使用。
分析物监测系统的示例实施方式
存在各种类型的分析物监测系统。例如,“连续分析物监测”系统(或“连续葡萄糖监测”系统)是体内系统,其可重复地或连续地将数据从传感器控制装置发送到读取器装置而无需例如根据时间表自动提示。作为另一个示例,“闪存分析物监测”系统(或“闪存葡萄糖监测”系统或简称为“闪存”系统)是可响应于读取器装置对扫描或数据的请求而从传感器控制装置传输数据的体内系统,例如使用近场通信(NFC)或射频识别(RFID)协议。体内分析物监测系统也可进行操作,而无需进行指尖校准。
体内监测系统可包括传感器,该传感器在体内定位时与用户的体液接触并感测其中包含的一种或多种分析物水平。传感器可以是驻留在用户身体上的传感器控制装置的一部分,并包含启用和控制分析物感测的电子器件和电源。传感器控制装置及其变型也可称为“传感器控制单元”,“体上电子器件”装置或单元,“体上”装置或单元或“传感器数据通信”装置或单元,仅举几例。如本文所使用的,这些术语不限于具有分析物传感器的装置,而是包括具有其他类型的传感器的装置,无论是生物测量的还是非生物测量的。术语“体上”是指直接位于身体上或紧邻身体的任何装置,例如可穿戴装置(例如眼镜、手表、腕带或手镯、颈带或项链等)。
体内监测系统还可包括一个或多个读取器装置,该读取器装置从传感器控制装置接收感测到的分析物数据。这些读取器装置可以以任何数量的形式向用户处理和/或显示感测到的分析物数据或传感器数据。这些这种及其变体可称为“手持式读取器装置”、“读取器装置”(或简称为“读取器”)、“手持式电子器件”(或手持式设备)、“便携式数据处理”装置或单元、“数据接收器”、“接收器”装置或单元(或简称为接收器)、“中继”装置或单元或“远程”装置或单元,仅举几例。诸如个人计算机之类的其他装置也已经与体内和体外监测系统一起使用或并入其中。
体内分析物监测系统可与“体外”系统区分开,所述“体外”系统接触身体外部的生物样品(或者更确切地说是“离体”),并且通常包括仪表装置,该仪表装置具有一个端口,用于接收携带用户的体液的分析物测试条,可对其进行分析以确定用户的分析物水平。如上所述,本文所述的实施方式可与体内系统、体外系统及其组合一起使用。
本文描述的实施方式可用于监测和/或处理关于任何数量的一种或多种不同分析物的信息。可监测的分析物包括但不限于乙酰胆碱、淀粉酶、胆红素、胆固醇、绒毛膜促性腺激素、糖基化血红蛋白(HbAlc)、肌酸激酶(例如CK-MB)、肌酸、肌酐、DNA、果糖胺、葡萄糖、葡萄糖衍生物、谷氨酰胺、生长激素、激素、酮、酮体、乳酸、过氧化物、前列腺特异抗原、凝血酶原、RNA、甲状腺刺激激素和肌钙蛋白。也可监测药物的浓度,例如抗生素(例如庆大霉素、万古霉素等)、洋地黄毒苷、地高辛、滥用药物、茶碱和华法林。在监测一种以上分析物的实施方式中,可在相同或不同时间监测分析物。
图1是描绘体内分析物监测系统100的示例实施方式的说明图,系统100具有传感器控制装置102和读取器装置120,其通过本地通信路径(或链路)140(可以是有线或无线的,并且可以是单向或双向的)彼此通信。根据一些实施方式,体内监测系统100还可以包括可穿戴电子装置120B,例如智能手表,其可以通过通信路径(或链路)144与传感器控制装置102和/或通过通信路径(或链路)145与读取器装置120通信。通信路径144和145可以是有线的或无线的,以及单向的或双向的。在路径140、144、145是无线的实施方式中,可以使用近场通信(NFC)协议、RFID协议、蓝牙或蓝牙低能量协议、Wi-Fi协议、专有协议等,包括截至本申请日存在的那些通信协议或其随后开发的变体。
读取器装置120还能够通过通信路径(或链路)141与计算机系统170(例如,本地或远程计算机系统)以及通过通信路径(或链路)142与网络190(例如,互联网或云)进行有线、无线或组合通信。与网络190的通信可涉及与网络190内的可信计算机系统180的通信,或者通过网络190经由通信链路(或路径)143与计算机系统170的通信。通信路径141、142和143可以是无线的、有线的或两者兼而有之,可以是单向或双向的,并且可以是电信网络,例如Wi-Fi网络、局域网(LAN)、广域网(WAN)、互联网或其他数据网络。在某些情况下,通信路径141和142可以是相同的路径。可加密路径140、141和142上的所有通信,并且传感器控制装置102、读取器装置120、计算机系统170和可信计算机系统180可分别配置为加密和解密发送和接收的那些通信。
在美国专利申请公开号2011/0213225('225出版物)中描述了装置102和120的变体,以及适于与本文阐述的系统、装置和方法实施方式一起使用的基于体内的分析物监测系统的其他组件,其出于所有目的通过引用整体并入本文。
传感器控制装置102可包括壳体103,壳体103包含体内分析物监测电路和电源。在该实施方式中,体内分析物监测电路与分析物传感器104电耦合,该分析物传感器104延伸穿过粘合剂贴片105并且远离壳体103突出。粘合剂贴片105包含用于附着至用户身体的皮肤表面的粘合剂层(未示出)。除了粘合剂之外或代替粘合剂,可使用与身体附接的其他形式的附接。
传感器104适于至少部分地插入用户的身体中,在该处它可与用户的体液(例如,皮下(皮下)液、真皮液或血液)进行流体接触,并且可与体内分析物监测电路一起使用,以测量用户的分析物相关数据。传感器104和任何伴随的传感器控制电子器件可以以任何期望的方式施加于身体。例如,插入装置(未示出)可用于通过用户皮肤的外表面定位分析物传感器104的全部或一部分,并使其与用户的体液接触。在这种情况下,插入装置还可将带有粘合剂贴片105的传感器控制装置102定位在皮肤上。在其他实施方式中,插入装置可首先定位传感器104,然后可随后将伴随的传感器控制电子器件手动或借助机械装置与传感器104耦合。插入装置的示例在美国专利公开号2008/0009692、2011/0319729、2015/0018639、2015/0025345和2015/0173661中进行了描述,所有这些出于所有目的通过引用整体并入本文。
在从用户的身体收集原始数据之后,传感器控制装置102可将模拟信号调节应用于数据并将该数据转换为调节后的原始数据的数字形式。在一些实施方式中,然后,传感器控制装置102可通过算法将数字原始数据处理成代表用户的所测量的生物特征(例如,分析物水平)和/或基于其的一个或多个分析物度量的形式。例如,传感器控制装置102可以包括处理电路,以计算分析物度量并在算法上执行本文描述的任何方法步骤。然后,传感器控制装置102可对计算出的分析物度量、处理的传感器数据、通知、或任何其他数据无线进行编码并将其无线通信至读取器装置120和/或可穿戴电子装置120B,这又可格式化或以图形方式处理接收到的数据以数字显示给用户。在其他实施方式中,此外,或替代的,将传感器数据无线通信到另一装置(例如,读取器装置120和/或可穿戴电子装置120B),传感器控制装置102可对数据的最终形式进行图形处理,以使其准备好显示,并在传感器控制装置102的显示器上显示该数据。在一些实施方式中,系统使用生物测定数据的最终形式(在图形处理之前)(例如,合并到糖尿病监测方案中)而不进行处理以显示给用户。
在其他实施方式中,该调节后的原始数字数据可被编码以传输到另一装置,例如读取器装置120和/或可穿戴电子装置120B,其然后通过算法将该数字原始数据处理成代表用户测量的生物特征的形式(例如易于制成适合向用户显示的形式)和/或以此为基础的一种或多种分析物度量。读取器装置120和/或可穿戴电子装置120B可以包括处理电路,以计算分析物度量并在算法上执行本文描述的任何方法步骤。然后,可对该算法处理后的数据进行格式化或图形处理,以数字显示给用户。
在一些实施方式中,传感器控制装置102和读取器装置120将数字原始数据传输到另一计算机系统以进行算法处理和显示。
读取器装置120可以包括向用户输出信息和/或接受来自用户的输入的显示器122,以及可选的输入组件121(或更多),例如按钮、执行器、触敏开关、电容开关、压敏开关、滚轮等,以输入数据、命令或以其他方式控制读取器装置120的操作。在某些实施方式中,显示器122和输入组件121可集成到单个组件中,例如,其中显示器可诸如通过触摸屏用户界面来检测显示器上的物理接触的存在和位置。在某些实施方式中,读取器装置120的输入组件121可包括麦克风,并且读取器装置120可包括被配置为分析从麦克风接收的音频输入的软件,使得读取器装置120的功能和操作可由语音命令控制。在某些实施方式中,读取器装置120的输出组件包括扬声器(未示出),用于将信息输出为可听信号。传感器控制装置102中可包括类似的语音响应组件,例如扬声器、麦克风和软件例程,用于生成、处理和存储语音驱动信号。根据一些实施方式,可穿戴电子装置120B可以包括部件,包括显示器122B(其可以具有触摸屏用户界面)和可选地输入组件121B,其以类似于读取器装置120的类似部件的方式起作用。
读取器装置120还可以包括一个或多个数据通信端口123,用于与诸如计算机系统170或传感器控制装置102的外部装置进行有线数据通信。示例数据通信端口包括USB端口、mini USB端口、USB Type-C端口、USB micro-A和/或micro-B端口、RS-232端口、以太网端口、Firewire端口或配置为连接到兼容数据电缆的其他类似数据通信端口。读取器装置120还可以包括集成的或可附接的体外葡萄糖计,包括体外测试条端口(未示出)以接收用于执行体外血糖测量的体外葡萄糖测试条。
读取器装置120和/或可穿戴电子装置120B可以显示从传感器控制装置102无线接收的测量的生物测定数据,并且还可以被配置为输出警报、警报通知、葡萄糖值等,其可以是视觉的、听觉的、触觉的或它们的任何组合。进一步的细节和其它显示实施方式可以在例如美国公开No.2011/0193704中找到,其出于所有目的通过引用整体并入本文。
读取器装置120可以用作数据管道,以将测量数据和/或分析物度量从传感器控制装置102传输到计算机系统170或可信计算机系统180。在某些实施方式中,从传感器控制装置102接收的数据可以在上传到系统170、180或网络190之前存储(永久或临时)在读取器装置120的一个或多个存储器中。
计算机系统170可以是个人计算机、服务器终端、膝上型计算机、平板电脑或其它合适的数据处理装置。计算机系统170可以是(或包括)用于数据管理和分析以及与分析物监测系统100中的部件通信的软件。用户或医学专业人员可以使用计算机系统170来显示和/或分析由传感器控制装置102测量的生物测定数据。在一些实施方式中,传感器控制装置102可以直接将生物测定数据传输到计算机系统170,而不需要中介(例如读取器装置120),或者间接使用互联网连接(也可选地不首先发送到读取器装置120)。计算机系统170的操作和使用在并入本文的'225出版物中进一步描述。分析物监测系统100还可以被配置为与数据处理模块(未示出)一起操作,也如并入的'225出版物中描述。
可信计算机系统180可以在传感器控制装置102的制造商或分销商的范围内,物理地或虚拟地通过安全连接,并且可以用于执行传感器控制装置102的认证,用于用户的生物测定数据的安全存储,和/或作为服务于数据分析程序(例如,可经由web浏览器访问)的服务器,用于对用户的测量数据执行分析。
读取器装置的示例性实施方式
读取器装置120可以是移动通信装置,例如专用读取器装置(配置为与传感器控制装置102通信,并且可选地与计算机系统170通信,但不具有移动电话通信能力)或移动电话,包括但不限于具有Wi-Fi或互联网功能的智能手机、平板电脑或个人数字助理(PDA)。智能手机的示例可以包括那些基于操作系统、AndroidTM操作系统、操作系统、WebOSTM、操作系统或操作系统的移动电话,这些移动电话具有用于通过互联网连接和/或局域网(LAN)进行数据通信的数据网络连接功能。
读取器装置120还可以被配置为移动智能可穿戴电子组件,诸如佩戴在用户眼睛上方或附近的光学组件(例如,智能眼镜或智能眼镜,诸如谷歌眼镜,其是移动通信装置)。该光学组件可以具有透明显示器,其向用户显示关于用户的分析物水平(如本文所述)的信息,同时允许用户通过显示器看到,使得用户的整体视觉受到最小程度的阻碍。光学组件可以能够进行类似于智能手机的无线通信。可穿戴电子装置的其他示例包括围绕用户的手腕(例如,手表等)、颈部(例如,项链等)、头部(例如,头带、帽子等)、胸部等或其附近佩戴的装置。根据一些实施方式,例如,可穿戴电子装置可以包括智能手表120B,如图1所示,智能手表120B能够通过通信路径144直接从传感器控制装置102和/或通过通信路径145直接从读取器装置120发送和接收数据。此外,在一些实施方式中,可穿戴电子装置120B可以包括耦合到存储器的处理电路,用于存储指令,当可穿戴电子装置120B的处理电路执行指令时,使得处理电路执行用于生成输出的程序,例如在可穿戴电子装置的显示器122B上的用户界面上显示指示感测到的分析物水平的数据,或者输出听觉或振动警报。在一些实施方式中,指示感测到的分析物水平的数据可以由可穿戴电子装置120从传感器控制装置102或读取器装置120中的任一个或两者接收。
图2是被配置为智能手机的读取器装置120的示例实施方式的框图。这里,读取器装置120包括输入组件121、显示器122和处理电路206,其可包括一个或多个处理器、微处理器、控制器和/或微控制器,每个可以是分立的芯片或分布在多个不同芯片中(或是多个不同芯片的一部分)。这里,处理电路206包括具有板上存储器203的通信处理器202和具有板上存储器205的应用处理器204。读取器装置120进一步包括与RF天线209耦合的RF通信电路208、存储器210、具有一个或多个相关联天线214的多功能电路212、电源216、电源管理电路218和时钟219。图2是驻留在智能手机内的典型硬件和功能的简略表示,并且本领域普通技术人员将容易地认识到,还可以包括其它硬件和功能(例如,编解码器、驱动器、胶合逻辑)。
通信处理器202可以与RF通信电路208接口,并且执行模数转换、编码和解码、数字信号处理以及有助于将语音、视频和数据信号转换成适于提供给RF通信电路208的格式(例如,同相和正交)的其他功能,然后RF通信电路208可以无线传输信号。通信处理器202还可以与RF通信电路208接口,以执行接收无线传输并将其转换为数字数据、语音和视频所需的相反功能。RF通信电路208可以包括发射器和接收器(例如,集成为收发器)以及相关联的编码器逻辑。
应用程序处理器204可以适于执行操作系统和驻留在读取器装置120上的任何软件应用程序,处理视频和图形,并执行与处理通过RF天线209发送和接收的通信无关的那些其他功能。智能手机操作系统将与读取器装置120上的多个应用程序结合操作。任何数量的应用程序(也称为“用户界面应用程序”)可以在任何时间在读取器装置120上运行,并且除了与糖尿病监测机制无关的其他常用应用程序(例如电子邮件、日历、天气、体育、游戏等)之外,还可以包括与糖尿病监测机制相关的一个或多个应用程序。例如,指示读取器装置接收到的感测分析物水平和体外血液分析物测量的数据可以安全地传输到驻留在读取器装置120的存储器210中的用户界面应用程序。例如,可以通过使用移动应用容器化或包装技术来安全地执行这样的通信。此外,根据一些实施方式,读取器装置120还可以包括用于与可穿戴电子装置120B传输指示感测到的分析物水平的数据的应用程序。
存储器210可由读取器装置120中存在的各种功能单元中的一个或多个共享,或者可在它们中的两个或多个之中分布(例如,作为存在于不同芯片中的单独的存储器)。存储器210也可以是其自己的单独芯片。存储器203、205和210是非暂时性的,并且可以是易失性的(例如,RAM等)和/或非易失性存储器(例如,ROM、闪存、F-RAM等)。
多功能电路212可以被实施为一个或多个芯片和/或部件(例如,发射器、接收器、收发器和/或其他通信电路),其执行其他功能,例如,在适当协议(例如,Wi-Fi、蓝牙、蓝牙低功耗、近场通信(NFC)、射频识别(RFID)、专有协议等)下与传感器控制装置102进行本地无线通信,并且确定读取器装置120的地理位置(例如,全球定位系统(GPS)硬件)。一个或多个其它天线214根据需要与功能电路212相关联,以与各种协议和电路一起操作。
电源216可以包括一个或多个电池,该电池可以是可充电的或一次性使用的一次性电池。电源管理电路218可以调节电池充电和电源监测、升压、执行DC转换等。
读取器装置120还可以包括药物(例如,胰岛素等)输送装置或与其集成,例如,使得它们共享公共壳体。这种药物输送装置的示例可以包括具有保持在体内以允许在多小时或多天期间进行输注的套管的药物泵(例如,用于输送基础胰岛素和团注胰岛素的可穿戴泵)。当与药物泵组合时,读取器装置120可以包括用于存储药物的储存器、可连接到传输管的泵和输注套管。泵可以迫使药物从储存器中通过管道并通过插在其中的套管进入糖尿病患者的身体。可以与读取器装置120包括在一起(或与读取器装置120集成在一起)的药物输送装置的其它示例包括便携式注射装置,其仅在每次输送时刺穿皮肤并且随后被移除(例如,胰岛素笔)。当与便携式注射装置组合时,读取器装置120可以包括注射针头、用于携带药物的药筒、用于控制要输送的药物量的接口、以及导致注射发生的致动器。该装置可以重复使用,直到药物耗尽为止,此时可以丢弃组合装置,或将药筒更换为新的,此时可以重复使用组合装置。每次注射后可以更换针头。
组合装置可以作为闭环系统(例如,不需要用户干预来操作的人工胰腺系统)或半闭环系统(例如,很少需要用户干预来操作的胰岛素环系统,例如确认剂量的变化)的一部分起作用。例如,可以通过传感器控制装置102以重复的自动方式监测糖尿病患者的分析物水平,传感器控制装置102然后可以将监测到的分析物水平传输到读取器装置120,并且可以自动确定控制糖尿病患者的分析物水平的适当药物剂量,并且随后将其输送到糖尿病患者的身体。用于控制泵和输送的胰岛素量的软件指令可以存储在读取器装置120的存储器中并由读取器装置的处理电路执行。这些指令还可以导致基于直接或间接从传感器控制装置102获得的分析物水平测量来计算药物输送量和持续时间(例如,团注输注和/或基础输注分布)。在一些实施方式中,传感器控制装置102可以确定药物剂量并将其传输给读取器装置120。
传感器控制装置的示例实施方式
图3是描绘具有分析物传感器104和传感器电子器件250(包括分析物监测电路)的传感器控制装置102的示例实施方式的框图,该传感器控制装置102可以具有用于呈现适用于显示给用户的最终结果数据的大部分处理能力。在图3中,描绘了单个半导体芯片251,单个半导体芯片251可以是定制专用集成电路(ASIC)。在ASIC 251中示出了某些高级功能单元,包括模拟前端(AFE)252、电源管理(或控制)电路254、处理电路256和通信电路258(其可以实施为发射器、接收器、收发器、无源电路或根据通信协议的其他方式)。在该实施方式中,AFE 252和处理电路256都用作分析物监测电路,但在其它实施方式中,任一电路都可以执行分析物监测功能。处理电路256可以包括一个或多个处理器、微处理器、控制器和/或微控制器,每个可以是分立的芯片或分布在多个不同芯片中(或是多个不同芯片的一部分)。
存储器253也包括在ASIC 251内,并且可以由存在于ASIC 251内的各种功能单元共享,或者可以分布在它们中的两个或多个之间。存储器253也可以是单独芯片。存储器253是非暂时性的并且可以是易失性和/或非易失性存储器。在该实施方式中,ASIC 251与电源260耦合,电源170可以是纽扣电池等。AFE 252与体内分析物传感器104接口并从中接收测量数据,并将该数据以数字形式输出到处理电路256,在一些实施方式中,处理电路256又可以以本文别处描述的任何方式进行处理。然后,例如,可将该数据提供给通信电路258以通过天线261发送给读取器装置120(未示出),例如其中驻留软件应用需要最小限度的进一步处理来显示数据。天线261可以根据应用和通信协议的需要来配置。例如,天线261可以是印刷电路板(PCB)迹线天线、陶瓷天线或离散金属天线。天线261可以被配置为单极天线、偶极天线、F型天线、环形天线等。
可以在传感器控制装置102或读取器装置120的发起下将信息从传感器控制装置102传输到第二装置(例如,读取器装置120)。例如,当分析物信息可用时,或者根据时间表(例如,大约每1分钟、大约每5分钟、大约每10分钟等),传感器控制装置102可以自动地和/或重复地(例如,连续地)传输信息,在这种情况下,可以将信息存储或记录在传感器控制装置102的存储器中以用于稍后的传输。响应于第二装置接收到请求,可以从传感器控制装置102发送信息。该请求可以是自动请求,例如,由第二装置根据调度传输的请求,或者可以是在用户发起下生成的请求(例如,临时或手动请求,或“用户发起的分析物检查”)。在一些实施方式中,对数据的手动请求被称为传感器控制装置102的“扫描”或来自装置102的“按需”数据传输。在一些实施方式中,第二装置可以将轮询信号或数据分组传输到传感器控制装置102,并且装置102可以将每个轮询(或以特定时间间隔发生的轮询)视为对数据的请求,并且如果数据可用,则可以将这样的数据传输到第二装置。在许多实施方式中,传感器控制装置102和第二装置之间的通信是安全的(例如,加密的和/或经认证的装置之间),但是在一些实施方式中,数据可以以不安全的方式(例如,作为广播)从传感器控制装置102传输到范围内的所有监听装置。
不同类型和/或形式和/或数量的信息可以作为每个通信的一部分发送,包括但不限于一个或多个当前传感器测量(例如,在时间上与读取发起的时间相对应的最近获得的分析物水平信息)、在预定时间周期上测量的度量的变化率、度量的变化率的速率(变化率中的加速度)、或与在给定读取之前获得并存储在传感器控制装置102的存储器中的度量信息相对应的历史度量信息。
可以在给定的通信或传输中向读取器装置120发送实时、历史、变化率、变化率的速率(例如加速度或减速度)信息中的一些或全部。在某些实施方式中,发送到读取器装置120的信息的类型和/或形式和/或数量可以是预编程的和/或不可改变的(例如,在制造时预设),或者可以不是预编程的和/或不可改变的,使得其可以在现场可选择和/或可改变一次或多次(例如,通过激活系统的开关等)。因此,在某些实施方式中,读取器装置120可以输出当前(实时)传感器导出的分析物值(例如,以数字格式)、分析物变化的当前速率(例如,以分析物速率指示符的形式,例如指向指示当前速率的方向的箭头)、以及基于传感器控制装置102的存储器中获取并存储的传感器读数的分析物趋势历史数据(例如,以图形迹线的形式)。此外,皮肤上或传感器温度读数或测量可以由可选地温度传感器257收集。这些读数或测量可以(单独地或作为随时间的聚集测量)从传感器控制装置102传输到另一装置(例如,读取器120)。然而,温度读数或测量可以与读取器装置120执行的软件例程结合使用,以校正或补偿向用户输出的分析物测量值,作为实际向用户显示温度测量的替代或补充。
用于确定随膳食施用的药物剂量的示例实施方式
现在将描述用于确定针对用餐施用的药物剂量的系统、装置和方法的示例实施方式。如前所述,某些个人,例如糖尿病患者,需要通过服用药物(例如胰岛素)来补偿在进食后发生的预期血糖升高。药物剂量常被称为膳食团注,因为其是以补偿膳食为目的的药物的输注。
一些现有的用于确定针对用餐施用的药物剂量的系统和方法需要个人手动计数或估计碳水化合物。因为个人很难准确估计食物中碳水化合物和其他营养成分的数量,这些系统可能导致不准确和不一致的药物剂量。此外,对营养素的血糖反应因个人而异,因为不同个人对相同营养素的反应不太可能是相同的。
其它系统和方法已经尝试通过在数据库中记录膳食消耗的重复实例以及膳食和相关联的药物剂量的描述来解决这一挑战。来自分析物监测系统(例如体内分析物监测系统)的相应分析物数据(例如,餐后葡萄糖数据)也可以基于对应于进食的时间段与数据库中的记录相关联。将膳食与来自施用药物剂量的先前实例的分析物数据相关联可以使个人或健康护理提供者(HCP)容易地识别有益的药物滴定以改善未来的血糖反应。这些系统和方法在美国专利申请No.15/863,279(现为美国公开)中进一步描述。No.2018/0197628,其全部内容并出于所有目的通过引用结合于此。
这里描述的实施方式反映了对前述系统和方法的改进。例如,本文所描述的实施方式可以确定随着个人之前未食用的进食而施用的药物剂量。在一般水平上,示例实施方式允许个人将膳食信息输入到界面中,并且基于与膳食相关联的各种营养参数,确定用于膳食的适当推进团注量。更具体地,本文描述的示例实施方式方法包括以下步骤:接收与新膳食相关联的用户输入的条目;参考第一数据库以确定新膳食的营养含量;基于营养含量将新膳食与第二数据库中最接近的匹配膳食匹配;以及确定与最接近的匹配膳食相关联的药物剂量。
因为实施方式部分地基于个人的典型经验,所以它们在本文中被称为“经验”工具。为了便于讨论,将在胰岛素团注确定的上下文中描述示例实施方式,并且通常将被称为“经验团注辅助”,或简称“EBA”。然而,需要强调的是,这些示例实施方式可以与所有类型的胰岛素(例如,长效胰岛素、中效胰岛素、短效胰岛素等)和除胰岛素以外的其他类型的糖尿病药物一起使用。除了团注剂量之外,示例实施方式还可以用于确定剂量类型,例如基础剂量或基础时变剂量分布等。
在详细描述实施方式之前,本领域技术人员将理解,本文所描述的示例性方法的任何一个或多个步骤可以作为软件指令存储在读取器装置、远程计算装置或可信计算机系统的非暂时性存储器中,例如关于图1所描述的那些,或药物输送装置。所存储的指令在执行时可使相关联的装置或计算系统的处理电路执行本文所述的示例方法的任何一个或多个步骤。在一些实施方式中,存储的指令可以被实施为读取器装置(诸如移动电话或智能手机)上的一个或多个可下载软件应用程序(“APP”),软件可以从该读取器装置与远程服务器(例如,基于云的服务器)通信,远程服务器可以提供个人在同一或第二计算装置上可访问的更全面和稳健的分析。存储的指令可以被实施为在读取器装置或计算系统上可通过标准web浏览器访问的web界面。
当与分析物监测系统100一起使用时,这些实施方式可以捕获、分类和索引对膳食和膳食时间胰岛素剂量(为补偿膳食而施用)的葡萄糖反应,并且因此向用户提供附加数据,用户的胰岛素剂量可以从附加数据中得到完善或“微调”。此外,随着时间的推移,示例实施方式可以提供关于每顿膳食的团注量的滴定的推荐。
图4是描绘了系统100的示例实施方式的框图,该系统100被配置为以模块化形式与EBA一起操作。这里,EBA 402是已下载(例如,通过“应用商店”或等同物)并安装在智能手机120上的可下载应用程序的形式。根据一些实施方式,第二应用程序404也可以被下载并安装在智能手机120上,其中第二应用程序404负责与传感器控制装置102(未示出)接口,处理从其接收的分析物数据,以及配置该数据以显示给用户。根据一些实施方式的一个方面,应用程序404可以使商用智能手机能够用作读取器装置120。虽然应用程序402和404在图4中被描绘为单独的应用程序,但它们也可以组合成具有读取器装置120上的单个访问图标的单个可下载应用程序(或模块)。
根据实施方式的另一方面,EBA 402通过驻留应用程序编程接口(API)向应用程序404发送最近从用户收集的葡萄糖数据的请求。如图4所示的循环中所示,应用程序404处理请求并将查询的数据提供回EBA 402。EBA402可以及时地将葡萄糖数据与最近食用的膳食的描述相关联,并且可选地,通过网络190将膳食和葡萄糖数据上传到可信计算机系统180,这里表示为基于云的中央数据库。药物剂量和/或餐后葡萄糖数据也可以上传到可信计算机系统180。葡萄糖、膳食和药物剂量数据可以被分类、索引并作为历史记录长期存储在中央云系统180的数据库中,和/或下载并长期存储在读取器装置120或计算系统170上。还可以在基于云的中央数据库180中为每个历史记录存储与膳食相关联的营养素参数。
例如,如图4所示,用户可以使用在智能手机120上操作的web浏览器或经由诸如个人计算机系统170的单独计算装置访问该数据。根据一些实施方式,中央云系统180还可以经由用户的web界面406提供数据分析工具,用户可以使用该数据分析工具输入用户特定信息、调整EBA的设置、分析对所食用的膳食的葡萄糖响应、以及做出关于胰岛素剂量调整和/或校正的知情决策。此外,用户的HCP可以在访问期间单独或以与用户协作的方式直接访问该数据,以调查用户的胰岛素治疗的功效并对其进行调整。在一些实施方式中,计算装置170还可以用于由用户输入膳食信息。总体而言,分析工具406可以帮助用户进行长期糖尿病管理以及与其他治疗决策或用户参与系统的集成。
仍然参考图4,中央云系统180可以访问营养数据库系统185,根据实施方式的一个方面,营养数据库系统185包括与各种膳食和膳食成分相关联的营养参数。中央云系统180和营养数据库系统185可以通过网络190进行通信,网络190可以通过局域网、广域网、因特网或任何类似的通信网络进行通信。根据实施方式的一个方面,中央云系统180和营养数据库系统185可以托管在相同的地理位置(即,其中两个系统可以由相同的实体管理),或者在不同的地理位置(即,其中营养数据库系统185由第三方管理)。本领域技术人员还将理解,中央云系统180和营养数据库系统185也可以被实施为单独的物理服务器或同一物理服务器上的虚拟机的单独实例。此外,尽管图4描绘了网络190内的营养数据库系统185,但根据一些实施方式,营养数据库系统185可以驻留在可信计算机系统170上,并且可选地,应用程序402和404可以直接与可信计算机系统170通信,以进行通信、传输和接收更新、数据和报告。
根据实施方式的一个方面,营养数据库系统185可以包括接口,通过该接口接收膳食信息作为输入,并且从该接口输出与输入的膳食信息相关联的营养参数。在一些实施方式中,营养参数可以包括碳水化合物参数、脂肪参数和/或蛋白质参数,其中每个营养参数与输入的膳食的营养含量相关联。本领域技术人员将认识到,可以利用其他营养参数,并且完全在本公开的范围内。
图5是示出用于确定针对用餐施用的药物剂量的方法的示例实施方式的流程图,其中,例如,该方法可以经由图4的系统100来实施。从步骤505开始,系统100接收与膳食相关联的用户输入的条目。根据一些实施方式,可以通过读取器装置120(例如,智能手机)上的应用程序402或web界面(例如,经由web浏览器)输入膳食条目。在其他实施方式中,可以通过计算装置170(例如,个人桌面或膝上型计算机)输入膳食条目。根据一些实施方式,用户输入的条目可以是文本条目,例如,以“自然语言”格式提供,其可以描述正在食用的膳食。仍在其他实施方式中,用户输入的条目可以是正在食用的膳食的照片的形式。本领域技术人员将理解,可以利用其他类似的用户输入方法(例如,下拉菜单、可选字段、复选框、单选按钮、语音输入等),并且在本公开的范围内。
在步骤510,参考第一数据库,以基于用户输入的膳食条目确定与膳食相关联的多个营养素参数。根据实施方式的一个方面,第一数据库可以是营养数据库系统185(如图4所示),并且多个营养参数可以包括,例如,与用户输入的条目相关联的膳食的碳水化合物参数、脂肪参数和/或蛋白质参数。此外,在一些实施方式中,在参考第一数据库之前,用户输入的条目可以从读取器装置120或计算装置170传输到中央云系统180。然后,中央云系统180可以参考第一数据库185,使用用户输入的条目,以接收相关联的营养素参数。在其他实施方式中,用户输入的条目可以由读取器装置120或计算装置170直接传输到第一数据库185,并且随后,第一数据库185可以将相关联的营养物参数传输到中央云系统180。可选地,可以包括与用户输入的膳食条目相关联的营养素参数的第一数据库的至少一部分可以被下载到中央云系统180、读取器装置120和/或计算装置170中的任何一个,并且与用户输入的膳食条目相关联地存储在中央云系统180、读取器装置120和/或计算装置170上。仍在其他实施方式中,第一数据库185可以驻留在可信计算装置170上,并且用户输入的条目可以从读取器装置120传输到可信计算装置170,或者直接输入到相同的可信计算装置170(第一数据库185驻留在其上),而在此步骤不与中央云系统180通信。
仍然参考图5,在步骤515,在第二数据库中,使用与膳食相关联的营养素参数识别最接近的匹配膳食。在许多实施方式中,第二数据库可以托管在中央云系统180上。在其它实施方式中,第二数据库可以位于读取器装置120和/或计算装置170上。
根据实施方式的一个方面,最接近的匹配膳食可以是第二数据库中的历史膳食记录,该历史膳食记录具有与用户输入的膳食相关联的营养素参数最接近的相关联的营养素参数集。例如,这可以通过计算每个历史膳食记录的营养素参数与用户输入的膳食条目的营养素参数之间的加权差集,并选择最低总差的历史膳食记录来确定。为了说明,在一个示例实施方式中,可以通过计算由以下等式产生的最低总差来确定最佳匹配膳食:0.5*(碳水化合物的绝对百分比差)+0.25*(脂肪的绝对百分比差)+0.25*(蛋白质的绝对百分比差),其中“绝对百分比差”可以是历史膳食记录的营养素参数与用户输入的膳食条目的营养素参数之间百分比差的绝对值。本领域技术人员将认识到,其它加权因子可以用于每个营养素参数。同样,也可以在不使用任何加权因子的情况下计算最低总差。在一些实施方式中,在第二数据库中识别出最接近的匹配膳食之后,可以在第二数据库中为用户输入的膳食条目创建新的历史膳食记录,并且随后链接到最接近的匹配膳食。
在步骤520,确定与第二数据库中最接近的匹配膳食相关联的药物剂量。例如,在一些实施方式中,药物剂量可以是最接近的匹配膳食(其记录在第二数据库中)的食用时施用的最新胰岛素剂量。在其它实施方式中,药物剂量可以是对于所有或预定数量的食用最接近的匹配膳食的过去实例施用的先前胰岛素剂量的平均值。仍在其他实施方式中,药物剂量可以是胰岛素剂量,其在第二数据库中标记为最接近的匹配膳食的最佳药物剂量。可选地,所确定的药物剂量和/或相关营养素参数可以与与用户输入的膳食条目相关联的历史记录一起存储在第二数据库中。最后,在步骤525,例如,所确定的药物剂量可以被可视地输出到读取器装置120的显示器和/或计算装置170的显示器。
用于识别膳食开始候选和膳食峰值响应候选集的示例实施方式
用户发起的分析物检查的特征示例
本文公开的一些实施方式利用来自分析物监测系统的分析物数据,例如关于图1所述的分析物监测系统,结合与用户发起的分析物检查相关的信息,以确定膳食开始候选和膳食峰值响应候选集。如前所述,分析物监测系统面临的挑战之一是能够准确地将个人的分析物数据与个人的膳食消耗以及个人的餐前和餐后反应相关联。这种相关性可以在许多应用中有用,例如,用于药物剂量滴定的指导。与现有系统不同,本文所述的实施方式不完全依赖于手动血糖测量或个人对膳食的手动记录,这两者对于个人来说都可能是不现实的并且难以维持。然而,在详细描述实施方式之前,需要描述与用户发起的分析物检查和膳食开始时间相关的某些方面,所有这些都与本文描述的实施方式相关。
图6A是描绘一种类型的用户发起的分析物检查的一天时间(TOD)分布的曲线图600。具体地,曲线图600描绘了来自使用患者的胰岛素的传感器研究的各个亚群的自我监测血糖(SMBG)测量。这里,SMBG测量包括指尖血糖测试。根据曲线图600的一个方面,SMBG测量的分布可以通过两个数据簇610、620来表征。第一簇610由包括早餐前和午餐前SMBG测量的两个弱模式组成。此外,第二簇620由两个稍微不同的模式组成,这两个模式包括晚餐前和就寝前测量。从这些数据中,可以得出合理的推断,即膳食开始时间对应于大多数SMBG实例。
图6B和图6C分别是曲线图630和650,两者都描绘了另一种类型的用户发起的分析物检查的分布。具体地,曲线图630和650描绘了来自分析物读取器装置的传感器扫描实例的分布,用于分析物读取器装置用户的大型的、未识别的群体数据库。根据曲线图630和650的一个方面,传感器扫描实例的分布被绘制为每日时间和每日平均扫描的函数。与图6A的SMBG分布类似,图6B和图6C中的传感器扫描实例分布示出,在较低的平均每日扫描范围处,传感器扫描实例分布的特征在于与图6A的SMBG测量分布的峰值相似的峰值。即,膳食开始时间也对应于大多数传感器扫描实例。
尽管图6A至图6C描绘了特定类型的用户发起的分析物检查的分布,但本领域技术人员可以合理地推断类似分布发生在其他类型的用户发起的分析物检查中,例如智能手机上的传感器查看器使用实例或连续葡萄糖监测(CGM)系统中的接收器显示激活实例。
用于确定时间导数和加速度特征的示例
根据本文描述的实施方式,还希望描述分析物监测系统的分析物数据的某些特征,其可以由所述实施方式利用来识别膳食开始候选和膳食峰值响应候选集。
图7A描绘了三个曲线图700、710和720,其中每一个曲线图都示出了与来自分析物监测系统的分析物数据的样本集(例如,血糖浓度数据)相关的某些特征。首先参考上曲线图700,如y轴所示,数据点702(白色圆圈)对应于几天的时间段内的分析物浓度,例如血糖浓度,如x轴所示。数据点702可以是从分析物传感器接收的原始数据,其可以包括不规则间隔的数据点和/或可疑读数。在某些实施方式中,在从分析物传感器接收数据点702之后,可以对数据点702进行调节以移除可疑读数并平滑数据,从而产生调节的数据点704(黑圆圈)。调节的数据点704可以由规则间隔的葡萄糖值来表征。根据一些实施方式,数据调节可以包括确定采样的葡萄糖数据与时间上接近的其他采样的葡萄糖数据相比是否可能是异常值。关于执行数据调节和恢复的进一步细节描述于2014年3月13日提交的题为“NoiseRejection Methods and Apparatus for Sparsely Sampled Analyte Sensor Data”的美国专利申请No.14/210,312中,其公开内容出于所有目的通过引用并入本文。
仍然参考图7A,中间和下曲线图710和720分别描绘了曲线图700的分析物数据的附加特征。更具体地,中间曲线图710描绘了来自曲线图700的分析物数据的时间导数或斜率的多条线图。根据实施方式的一个方面,对于每个时间实例k,可以计算与膳食峰值响应候选相关联的时间导数对,并且类似地,可以计算与膳食开始候选相关联的时间导数对。具体地,可以通过计算前向时间窗口中的分析物数据的变化率和后向时间窗口中的分析物数据的变化率来计算时间导数对。例如,如在上曲线图700中可以看到的,如果带圆圈的数据点706出现在时间实例k处,则前向时间窗口由数据点706右侧的双面箭头指示,后向时间窗口由数据点706左侧的双面箭头指示。前向时间窗口可以是从在实例k处的当前测量到其最近的未来时间实例,例如2至3小时之后。类似地,后向时间窗口包括在后向时间窗口中使用采样的葡萄糖数据,即,从实例k处的当前测量到其最近的过去的时间实例,例如1至2小时之前。根据一些实施方式,然后可以通过使用最小二乘误差拟合方法拟合通过每个相应时间窗口内的分析物测量的直线来确定时间导数或斜率。
根据实施方式的一个方面,与膳食开始候选相关联的前向时间窗口不必具有与与膳食峰值响应候选相关联的前向时间窗口相同的宽度。类似地,与膳食开始候选相关联的后向时间窗口不必具有与与膳食峰值响应候选相关联的后向时间窗口相同的宽度。
返回参考图7A的曲线图710,示出了包括时间导数的多条线图,其中每条线图都可以根据上述方法计算。具体地,与膳食峰值响应候选相关联的前向变化率的时间导数图显示为v_peak_fwd(k)。与膳食峰值响应候选相关的后向变化率的时间导数图显示为v_peak_bck(k)。类似地,与膳食开始候选相关联的前向变化率的时间导数图显示为v_start_fwd(k)。与膳食开始候选相关联的后向变化率的时间导数图显示为v_start_bck(k)。
仍然参考图7A,下曲线图720描绘了从中间曲线图710中所示的时间导数导出的加速度的多条线图。具体地,下曲线图720示出了与膳食峰值响应候选a_peak(k)相关联的加速度,其中a_peak(k)计算为(v_peak_fwd(k)-v_peak_bck(k))/T_peak,并且其中T_peak是相关联的膳食峰值响应候选的预定采样周期缩放因子(例如,1至3小时)。类似地,下曲线图720描绘了与膳食开始候选相关联的加速度a_start(k),其中a_start(k)计算为(v_start_fwd(k)-v_start_bck(k))/T_start,并且其中T_start是相关联的膳食开始候选的预定采样周期缩放因子(例如,1至3小时)。
仍然参考图7A的下曲线图720,可以通过从加速度线图确定加速度的局部最优值来识别膳食开始候选和膳食峰值响应候选的初始集。根据实施方式,可以基于信号分析来识别加速度的局部最优值,以识别极端弯曲点。例如,在每个时间实例k处,除了在时间实例k处的值a_peak(k)之外,识别落在前向时间窗口或后向时间窗口内的任何a_peak值。如果a_peak(k)的值小于或等于上述两个时间窗口中的最小a_peak值,则当前时间实例k被确定为膳食峰值响应候选。类似地,在每个时间实例k处,除了在时间实例k处的值a_start(k)之外,识别落在前向时间窗口或后向时间窗口内的任何a_start值。如果a_start(k)的值大于或等于上述两个时间窗口中的最大a_start值,则当前时间实例k被确定为膳食开始候选。
根据实施方式的另一方面,如果时间实例k先前已被识别为膳食峰值响应候选,并且还被识别为膳食开始候选,则将膳食开始候选标签移动到下一实例k+1。曲线图720示出了局部加速度最优的识别,即,膳食开始候选和膳食峰值响应候选,如分别由“向上”三角形722和“向下”三角形724所指示的。
关于上述计算的进一步细节,包括时间导数的确定和加速度的局部最优值在美国公告No.2017/0185748A1(“'748公告”)中进行了描述,其公开内容出于所有目的通过引用并入本文。
利用分析物数据和用户发起的分析物检查来识别膳食开始候选和膳食峰值响应候选的示例实施方式
现在将描述用于基于用户发起的分析物检查和来自分析物监测系统的分析物数据来确定膳食开始候选和膳食峰值响应候选集的系统、装置和方法的示例实施方式。
本领域技术人员将理解,本文所描述的示例性方法的任何一个或多个步骤可以作为软件指令存储在传感器控制装置、读取器装置、远程计算机或受信任的计算机系统的非暂时性存储器中,例如关于图1所描述的那些。所存储的指令在执行时可使相关联的装置或计算系统的处理电路执行本文所述的示例方法的任何一个或多个步骤。本领域技术人员还将理解,在许多实施方式中,可以使用实时或近实时传感器数据来执行本文描述的任何一个或多个方法步骤,包括时间导数、加速度或其局部最优值的计算。在其它实施方式中,可以相对于存储的传感器数据追溯地执行任何一个或多个方法步骤。在一些实施方式中,本文描述的方法步骤可以根据预定的时间表周期性地执行,分批追溯过程周期性地执行。
本领域技术人员还将理解,指令可以存储在单个装置(例如,传感器控制装置或读取器装置)上的非暂时性存储器中,或者可替代地,可以分布在多个离散装置上,这些装置可以位于地理上分散的位置(例如,云平台)。同样,本领域技术人员将认识到,本文公开的实施方式中的计算装置的表示(诸如图1所示的表示)旨在涵盖物理装置和虚拟装置(或“虚拟机”)。
图8是描绘用于识别膳食峰值响应候选和膳食开始候选集的方法800的示例实施方式的流程图。从步骤805开始,接收与监测的分析物水平相对应的多个数据点。根据一些实施方式,监测的分析物水平可以是监测的血糖浓度。然而,本领域技术人员将认识到,其他分析物,例如乙酰胆碱、淀粉酶、胆红素、胆固醇、绒毛膜促性腺激素、HbAlc、肌酸激酶(例如,CK-MB)、肌酸、肌酐、DNA、果糖胺、葡萄糖衍生物、谷氨酰胺、生长激素、激素、酮、酮体、乳酸盐、过氧化物、前列腺特异性抗原、凝血酶原、RNA、促甲状腺激素和肌钙蛋白,以及药物,例如抗生素(例如庆大霉素、万古霉素等)、洋地黄毒苷、地高辛、滥用药物、茶碱和华法林,也可以被监测,并且完全在本公开的范围内。根据一些实施方式,如上所述,可以在接收到多个数据点之前或之后对多个数据点进行调节,以移除可疑读数,平滑多个数据点,和/或创建规则间隔的分析物值。
接下来,在步骤810,确定与监测的分析物水平相对应的多个数据点的时间导数。多个数据点的时间导数可以根据先前关于图7A的曲线图700和710描述的计算来确定。随后,在步骤815,通过基于在步骤810确定的时间导数确定多个数据点的加速度的局部最优值,来创建膳食开始候选和膳食峰值响应候选的初始集。加速度的局部最优值可以根据先前关于图7A的曲线图720描述的计算来确定。
在步骤820,检索多个用户发起的分析物检查,并且将其分组为多个时间簇。用户发起的分析物检查可以包括指尖血糖测试、来自分析物读取器装置的传感器扫描实例、智能手机上的传感器查看器使用实例或连续葡萄糖监测(CGM)系统中的接收器显示激活实例中的一个或多个。根据一些实施方式,多个时间簇可以包括在预定的分钟周期内的用户发起的分析物检查的子集。
在步骤825,对于每个时间簇,确定时间簇开始点、时间簇结束点和时间簇中心趋势点。在一些实施方式中,时间簇中心趋势点可以是均值、中值或众数。
在步骤830,从初始集的膳食开始候选和膳食峰值响应候选中移除膳食开始候选的子集。根据实施方式的一个方面,膳食开始候选的子集可以包括不在时间簇开始点或时间簇结束点的预定时间范围内的一个或多个膳食开始候选。
在步骤835,将膳食开始候选和膳食峰值响应候选的修改集输出给个人用户。在一些实施方式中,输出可以是诸如智能手机的读取器装置的显示器上的图形用户界面的形式。在其它实施方式中,输出可以是输出到传感器控制装置、读取器装置、本地计算机或可信计算机系统的听觉或振动信号。
本领域技术人员将理解,尽管方法800示出了在步骤820和825处用户发起的分析物检查的检索、分组和时间簇分析,但这些步骤可以在方法800的任何其他步骤之前或与这些步骤同时执行。
图9A、图9B和图9C是描述用于识别膳食峰值响应候选和膳食开始候选集的方法900的另一示例实施方式的流程图。与先前的方法800类似,方法900也基于用户发起的分析物检查和来自分析物监测系统的分析物数据,但进一步包括从该集合中移除膳食开始候选和膳食峰值响应候选的多个子集,以及进一步细化该集合的附加步骤。关于移除膳食开始候选和膳食峰值响应候选的多个子集的这些附加步骤的进一步细节描述在'748出版物中,其公开内容出于所有目的通过引用并入本文。
首先参考图9A,方法900的步骤905至925与方法800的步骤805至825相同,并且包括接收多个数据点、确定时间导数、通过确定加速度的局部最优值来创建膳食开始候选和膳食峰值响应候选的初始集、检索多个用户发起的分析物检查并将其分组为时间簇,以及为每个时间簇确定时间簇开始点、结束点和中心趋势点。
转到图9B,在步骤930,从初始集中移除膳食开始候选和膳食峰值响应候选的子集,其中该子集包括与相同类型的候选相邻膳食开始候选和/或膳食峰值响应候选中的一个或多个。由于膳食开始事件在时间上不能与另一开始事件相邻,并且类似地,膳食峰值响应事件在时间上不能与另一峰值响应事件相邻,因此识别相同类型的相邻候选并将其从考虑的集中移除。
根据一些实施方式,例如,基于以下标准从初始集中移除膳食峰值响应候选:(1)该集中的下一个实例也是膳食峰值响应候选;(2)该集中的下一个实例的分析物值大于当前实例;以及(3)来自当前实例的前向峰值计算的速率大于非负本底噪声v_min_rise(例如,0.5mg/dl/min)。绝对数接近于零的计算变化率往往包含大量噪声。此外,在某些实施方式中,如果集中的前一实例也是膳食峰值响应候选,并且集中的前一实例具有比当前实例更大的分析物值,则膳食峰值响应候选也被移除。
类似地,在某些实施方式中,由于相邻膳食开始候选的前一实例具有较小的分析物值,所以膳食开始候选被移除。即,基于以下标准移除膳食开始候选:(1)该集中的前一实例也是膳食开始候选;(2)该集中前一实例的分析物值比当前实例小;和(3)值a_start(m-l)小于a_start(m),其中m是当前实例。此外,在某些实施方式中,如果集中的下一实例也是膳食开始候选,并且下一实例具有等于或小于当前实例的分析物值的分析物值,则膳食开始候选也被移除。
再次参考图9B,方法900的步骤935与方法800的步骤830相同,并且包括从集中移除膳食开始候选的子集,其中该子集包括不在时间簇开始点或时间簇结束点的预定时间范围内的一个或多个膳食开始候选。
在步骤940,从该集中移除膳食开始候选和膳食峰值响应候选的另一子集,其中该子集包括膳食开始候选和膳食峰值响应候选对,并且其中每一对具有不超过预定水平的幅度差。更具体地,在某些实施方式中,分析该集中的膳食峰值响应候选,以确定分析物值从将是膳食开始候选的前一实例到当前膳食峰值响应候选的变化是否足够大。换言之,当满足以下标准时,从集中移除当前膳食峰值响应候选:(1)该集中的前一实例m-1是膳食开始候选;(2)当前实例m是膳食峰值响应候选;和(3)m的幅度和m-1的幅度之间的差小于或等于预定的最小幅度。此外,在某些实施方式中,当在这些条件下移除膳食峰值响应候选时,相应的膳食开始候选m-1也被移除。
在步骤945,从该集中移除膳食开始候选和膳食峰值响应候选的另一子集,其中该子集包括膳食开始候选和膳食峰值响应候选对,并且其中每一对不超过接近阈值和分析物水平下降阈值。即,在某些实施方式中,从集中移除在时间上与先前膳食峰值响应候选过于接近并且其值不显著低于其先前膳食峰值响应候选的值的膳食开始候选。更具体地,在某些实施方式中,当满足以下标准时,移除实例m处的膳食开始候选:(1)前一实例m-1是膳食峰值响应候选;(2)当前实例m是膳食开始候选;(3)下一个实例m+1是膳食峰值响应候选;(4)v_start_bck(m)和v_peak_fwd(m-l)的平均值大于餐后最大恢复下降率v_max_descent(例如,1/4mg/dl/min);和(5)当前实例m和前一实例m-1的值之间的差小于或等于从前一峰值所需的最小下降g_min_drop(例如,5-10mg/dL)。此外,当满足这些标准并且移除膳食开始候选时,也移除在前一实例m-1处的膳食峰值响应候选。
转到图9C,在步骤950,从该集中移除膳食开始候选和膳食峰值响应候选的另一子集,其中该子集包括未配对的膳食开始候选或膳食峰值响应候选,或被错误地识别为膳食开始候选或膳食峰值响应候选的信号伪影。根据实施方式的一个方面,例如,如果数据调节没有完全移除所有伪影,则可能发生幸存的尖峰伪影。在某些实施方式中,从集中移除被错误地识别为膳食开始和膳食峰值响应候选对的幸存的尖峰伪像。更具体地,在某些实施方式中,从该集中移除实例m处的当前膳食开始候选,如果:(1)当前实例m是膳食开始候选;(2)下一个实例m+1是膳食峰值响应候选;和(3)由g(m+L)-g(m)除以两个实例之间的时间间隔m+1和m计算的总变化率大于最大允许的初始餐后变化率v_max_initial_Spike(例如,6mg/dL/min,这是两个候选点之间可能不可持续的变化率)。
在步骤955处,可以进一步细化所得到的膳食开始候选和膳食峰值响应候选集。偶尔,由于用于计算时间导数的前向和后向时间窗口的幅度和不对称性质,并且由于一些餐后响应可能在没有足够的时间使原始餐后响应恢复到基线的情况下紧接着随后的餐后响应,因此在可能的实例之前或之后,对膳食开始候选和膳食峰值响应候选的识别可能略有偏差。在移除上述子集之后,可以执行该集的进一步细化以解决这些情况。
根据实施方式的一个方面,对于在实例k,g(k)处的每个采样的分析物数据,识别尽可能接近k之前30分钟的可用样品g_prev(k)。此外,对于实例k,g(k)处的每个采样分析物数据,识别尽可能接近k之后30分钟的可用样品g_after(k)。然后,通过取差g_after(k)-g(k),并除以它们的时间间隔(例如,30分钟)来确定向前斜率和向后斜率v_fwd(k)和v_bck(k)。同样,通过取差g(k)-g_prev(k),并除以它们的时间间隔来计算后向斜率v_bck(k)。通过取差v_fwd(k)-v_bck(k)来确定斜率的差dv(k)。本领域技术人员将认识到,可以使用30分钟以外的不同时间持续时间的分析物数据样本(例如,15分钟、60分钟、90分钟等),并且完全在本公开的范围内。
随后,根据以下步骤分析来自该集的膳食开始和膳食峰值响应候选对。对于每个开始和峰值对,分析物时间序列g_array_start,在开始候选之前最多90分钟和开始候选之后最多60分钟被定义。定义的分析物时间序列g_array_start,包括膳食开始候选。类似地,葡萄糖时间序列g_array_peak,在峰值候选之前最多60分钟和峰值候选之后最多180分钟被定义。分析物时间序列g_array_peak,包括峰值候选。接下来,对时间戳与下一对的开始时间重叠的任何采样分析物数据的g_array_peak进行“修整”。对于g_array_start和g_array peak中的每个值,确定斜率值的对应差dv,并定义这些值的数组dv_array_start和dv_array_peak。本领域技术人员将认识到,可以利用g_array_start和g_array peak的其它时间持续时间(例如,30分钟之前、30分钟之后、45分钟之前、45分钟之后等),并且完全在本公开的范围内。
此后,在某些实施方式中,确定时间实例的子集,使得(1)在这些实例处测量的分析物值大于或等于g_array_peak的第75个百分位,以及(2)在这些实例处的dv值小于或等于dv_array_peak的第25个百分位。如果这样的子集包含数据,则存储该子集中的最高分析物值g_max及其对应实例。类似地,确定时间实例的另一子集,使得(1)在这些实例处测量的分析物值小于或等于g_array_start的第25个百分位,以及(2)在这些实例处的dv值大于或等于dv_array_start的第75个百分位。如果这样的子集包含数据,则存储该子集中的最低葡萄糖值g_min及其对应实例。根据实施方式,如果满足以下标准,则该对的对应峰值候选和开始候选分别由g_max和g_min替换:(1)g_min和g_max存在并且是有限的;(2)g_min出现在g_max之前;(3)g_min小于g_max。本领域技术人员还将理解,分别用于确定g_max和g_min的第75和第25个百分位并不意味着是限制性的,并且其他百分位(例如,第80个百分位、第20个百分位)完全在本公开的范围内。
膳食开始候选集和膳食峰值响应候选集的细化的进一步细节描述在'748出版物中,其公开内容出于所有目的通过引用并入本文。
再次参考图9C,在细化了膳食开始候选和膳食峰值响应候选集之后,然后在步骤960,可以用膳食开始候选和最近的时间簇开始点的平均值替换集中的每个膳食开始候选。在步骤965,将膳食开始候选和膳食峰值响应候选的修改集输出给用户。在一些实施方式中,输出可以是诸如智能手机的读取器装置的显示器上的图形用户界面的形式。在其它实施方式中,输出可以是输出到传感器控制装置、读取器装置、本地计算机或可信计算机系统的听觉或振动信号。
尽管图9A至图9C描绘了关于膳食开始候选和膳食峰值响应候选的初始集执行的离散步骤,但本领域技术人员将理解,方法900可以排除一个或多个步骤。在一些实施方式中,例如,方法900可以排除步骤965。换言之,在步骤955执行细化步骤之后,在步骤965向用户输出膳食开始候选和膳食峰值响应候选集。在其他实施方式中,方法900可以排除步骤935,其中在步骤930移除相邻候选的子集之后,执行的下一步骤是移除具有不超过预定水平的幅度差的候选的子集。本领域技术人员还将认识到,方法900可以以任何顺序或组合包括所述步骤中的任何步骤,并且步骤的任何这样的组合或排列完全在本公开的范围内。同样,尽管方法900示出了在步骤920和925处用户发起的分析物检查的检索、分组和时间簇分析,但本领域技术人员将理解,这些步骤可以在方法900的任何其他步骤之前或与这些步骤同时执行。
用于推荐用户发起的分析物检查的示例实施方式
如果记录动作对应于与血糖风险相关联的历史用户动作,则本文描述的一些实施方式可以基于当前记录动作在将来推荐用户发起的分析物检查。如前所述,分析物监测系统可以提供更可靠、更方便的方式来跟踪个人的生理反应。例如,分析物监测系统可以包括佩戴在个人身体上的传感器控制装置,并且其可响应于读取器装置的扫描(例如通过使用近场通信(NFC)或射频识别(RFID)协议)连续收集分析物测量结果并传输数据。然而,分析物监测系统的一个挑战是,数据流入的增加可能导致用户不参与,最终导致个人患者使用频率降低。这里描述的实施方式可以通过建议有用的实例来执行用户发起的分析物检查(例如,扫描)来增加个人的参与。以这种方式,该实施方式可帮助减轻某些血糖风险,例如低血糖或高血糖。
在描述实施方式之前,与前面的许多实施方式一样,本领域技术人员将理解,本文所描述的示例性方法的任何一个或多个步骤可以作为软件指令存储在传感器控制装置、读取器装置、远程计算机或受信任的计算机系统的非暂时性存储器中,例如关于图1所描述的那些。所存储的指令在执行时可使相关联的装置或计算系统的处理电路执行本文所述的示例方法的任何一个或多个步骤。本领域技术人员还将理解,在许多实施方式中,可以使用实时或近实时传感器数据来执行本文描述的任何一个或多个方法步骤。在其它实施方式中,可以相对于存储的传感器数据追溯地执行任何一个或多个方法步骤。在一些实施方式中,本文描述的方法步骤可以根据预定的时间表周期性地执行,分批追溯过程周期性地执行。
本领域技术人员还将理解,指令可以存储在单个装置(例如,读取器装置)上的非暂时性存储器中,或者可替代地,可以分布在多个离散装置上,这些装置可以位于地理上分散的位置(例如,云平台)。同样,本领域技术人员将认识到,本文公开的实施方式中的计算装置的表示(诸如图1所示的表示)旨在涵盖物理装置和虚拟装置(或“虚拟机”)。
图10是描绘用于推荐用户发起的分析物检查的方法1000的示例实施方式的流程图。根据实施方式的一个方面,用户发起的分析物检查可以是指尖血糖测试、来自读取器装置的传感器扫描实例、智能手机上的传感器查看器使用实例或连续葡萄糖监测(CGM)系统中的接收器显示激活实例中的一个或多个。从步骤1005开始,接收用户的记录动作。根据一些实施方式,用户的记录动作可以是碳水化合物输入量、药物的应用或团注计算器的使用,例如,将葡萄糖校正为目标葡萄糖值。在步骤1010,评估历史日志以确定当前记录动作是否对应于与血糖风险(例如,低血糖风险或高血糖风险)相关联的历史用户动作。根据一些实施方式,例如,评估历史日志可以包括将记录动作的一天时间与血糖风险相关联的历史用户动作的一天时间进行比较。在其它实施方式中,历史日志的评估可以包括从过去记录中评估来自一天中类似时间的类似输入,以及评估类似的过去输入的血糖影响。
作为说明,记录动作可以是用户利用读取器装置上的团注计算器,例如,将他或她的血糖水平校正为目标葡萄糖值或范围,其中胰岛素敏感性因子存储在读取器装置的存储器中。如果患者应用的当前胰岛素团注目标校正与先前在一天中相同的膳食时段(例如,午餐)中使用的胰岛素敏感性因子相比,相当于显著升高或降低,则确定低血糖或高血糖的风险较高。
作为另一说明,在一些实施方式中,趋势不确定性估计可以用于确定基于趋势的胰岛素校正推荐是否具有导致低血糖或高血糖的显著机会。如果趋势估计不确定性超过预定阈值,或者如果基于趋势不确定性的风险计算超过预定阈值,则确定血糖风险,并且可以在未来的某个适当时间生成执行用户发起的分析物检查的提醒。风险计算通常可以取决于一个或多个葡萄糖读数,并且可以不明确地依赖于趋势估计。
作为又一示例,另一记录动作可以是用户输入异常大的碳水化合物量。在这些情况下,患者可能正在调整碳水化合物的量,以考虑额外的大量营养素(例如,蛋白质和/或脂肪),或考虑比平时多的膳食。由于餐后葡萄糖波动可能与平时不同,因此可以确定更高的血糖风险。作为另一个示例,另一个记录动作可以是用户在一天中与过去日志显著不同的时间将团注胰岛素信息或膳食信息输入到团注计算器或膳食/药物日志应用程序中。例如,由于不可预见的情况,患者午餐吃得晚了,或者吃得早了但较少。在这些情况下,膳食或胰岛素的时间可能会导致更高的血糖风险的确定。
应当注意,并且对于本领域技术人员来说是显而易见的,上面的评估历史日志以确定记录动作是否对应于与血糖风险相关联的历史用户动作的示例仅仅是说明性的,并不旨在以任何方式限制实施方式的范围。
更具体地,在一些实施方式中,历史日志的评估可以包括检索存储在存储器中的胰岛素敏感性因子、确定分析物趋势不确定性估计是否超过预定的分析物趋势阈值、或者确定血糖风险的程度是否超过预定风险阈值。
在步骤1015,如果确定记录动作不对应于与血糖风险相关联的用户动作,则方法1000返回到步骤1005。然而,如果记录动作对应于与血糖风险相关联的用户动作,则在步骤1020,计算直到达到与血糖风险相关联的可操作时间段的可能经过时间。根据实施方式的一个方面,经过时间可以是近期的单个实例(例如,从现在起65分钟),或者是实例集(例如,从现在起65分钟、90分钟和100分钟)。在一些实施方式中,在计算经过时间之后,可以提示用户在经过时间之后确认输出通知。
仍然参考图10,在步骤1025,在经过时间之后向用户输出通知以执行用户发起的分析物检查。根据一些实施方式,向用户输出通知以执行用户发起的分析物检查可以包括以预定间隔多次输出通知。在其它实施方式中,通知可以在单个实例中输出给用户。另外,在一些实施方式中,输出可以是诸如智能手机的读取器装置的显示器上的图形用户界面的形式,以提醒用户扫描传感器控制单元。在其它实施方式中,输出可以是输出到传感器控制装置、读取器装置、本地计算机或可信计算机系统的听觉或振动信号。
图11是描绘用于推荐用户发起的分析物检查的方法1100的另一示例实施方式的流程图。在几个方面,方法1100类似于方法1000。例如,方法1100的第一部分(例如,步骤1105、1110、1115和1120)可以与先前描述的方法1000的第一部分(例如,步骤1005、1010、1015和1125)相同。此外,关于图11的方法1100,在计算直到达到与血糖风险相关联的可操作时间段为止的经过时间之后,在步骤1125,方法1100在经过时间之前监测用户发起的分析物检查的指示。如果没有接收到指示,则方法1100前进到步骤1140,并且在经过时间之后向用户输出执行用户发起的分析物检查的通知。类似于方法1000(图10)的步骤1025,在一些实施方式中,输出可以是读取器装置的显示器上的图形用户界面的形式,以提醒用户扫描传感器控制单元。在其它实施方式中,输出可以是输出到传感器控制装置、读取器装置、本地计算机或可信计算机系统的听觉或振动信号。
如果在经过时间之前接收到用户发起的分析物检查(例如,传感器扫描)的指示,则在步骤1130,评估与用户发起的分析物检查相关联的数据以确定是否仍然存在血糖风险。根据实施方式的一个方面,与用户发起的分析物检查相关联的数据可以是指示监测的分析物水平(例如,血糖水平)的数据。
如果血糖风险不再存在,则方法1100返回到开始,或步骤1105。另一方面,如果在步骤1130确定血糖风险仍然存在,则在步骤1135,如果必要,更新直到达到可操作时间段的经过时间。在一些实施方式中,例如,可以计算直到达到与血糖风险相关联的第二可操作时间段的第二经过时间。在达到经过时间(或第二经过时间)之后,然后,在步骤1140,向用户输出通知以执行用户发起的分析物检查(或第二用户发起的分析物检查)。与前面描述的实施方式一样,向用户输出通知以执行用户发起的分析物检查可以包括以预定间隔多次输出通知,或者在单个实例中输出通知。在一些实施方式中,输出可以是诸如智能手机的读取器装置的显示器上的图形用户界面的形式,以提醒用户扫描传感器控制单元。在其它实施方式中,输出可以是输出到传感器控制装置、读取器装置、本地计算机或可信计算机系统的听觉或振动信号。
尽管根据监测的葡萄糖水平和血糖风险来描述实施方式,本领域技术人员将认识到,这些实施方式可用于其它分析物,例如乙酰胆碱、淀粉酶、胆红素、胆固醇、绒毛膜促性腺激素、HbAlc、肌酸激酶(例如,CK-MB)、肌酸、肌酐、DNA、果糖胺、葡萄糖衍生物、谷氨酰胺、生长激素、激素、酮、酮体、乳酸盐、过氧化物、前列腺特异性抗原、凝血酶原、RNA、促甲状腺激素和肌钙蛋白,以及药物,例如抗生素(例如庆大霉素、万古霉素等)、洋地黄毒苷、地高辛、滥用药物、茶碱和华法林,也可以被监测,并且完全在本公开的范围内。
对于本文公开的方法的每个实施方式,能够执行那些实施方式中的每个的系统和装置被覆盖在本公开的范围内。例如,公开了传感器控制装置的实施方式,并且这些装置可具有一个或多个分析物传感器、分析物监测电路(例如,模拟电路)、存储器(例如,用于存储指令)、电源、通信电路、发射器、接收器、时钟、计数器、时间、温度传感器、处理器(例如,用于执行指令),它们可执行任何和所有方法步骤,或有助于执行任何和所有方法步骤。这些传感器控制装置实施方式可以被使用并且能够用于实施由传感器控制装置根据本文所述的任何方法和所有方法执行的那些步骤。类似地,公开了读取器装置的实施方式,并且这些装置可具有一个或多个存储器(例如,用于存储指令)、电源、通信电路、发射器、接收器、时钟、计数器、时间和处理器(例如,用于执行指令),它们可执行任何和所有方法步骤,或有助于执行任何和所有方法步骤。这些读取器装置实施方式可以被使用并且能够用于实施由读取器装置根据本文所述的任何方法和所有方法执行的那些步骤。公开了计算机装置和服务器的实施方式,并且这些装置可具有一个或多个存储器(例如,用于存储指令)、电源、通信电路、发射器、接收器、时钟、计数器、时间和处理器(例如,用于执行指令),它们可执行任何和所有方法步骤,或有助于执行任何和所有方法步骤。这些读取器装置实施方式可以被使用并且能够用于实施由读取器装置根据本文所述的任何方法和所有方法执行的那些步骤。
根据所描述的主题进行操作的计算机程序指令可以以一种或多种编程语言的任何组合来编写,包括面向对象的编程语言,诸如Java、JavaScript、Smalltalk、C++、C#、Transact-SQL、XML、PHP等和常规过程编程语言,例如“C”编程语言或类似编程语言。程序指令可以完全在用户的计算装置上执行、部分在用户的计算装置上作为独立软件包执行、部分在用户的计算装置上部分在远程计算装置上执行、或者完全在远程计算装置或服务器上执行。在后一种情形中,远程计算装置可以通过包括局域网(LAN)或广域网(WAN)的任何类型的网络连接到用户的计算装置,或者可以连接到外部计算机(例如,通过使用因特网服务提供商的因特网)。
应当注意,相对于本文提供的任何实施方式描述的所有特征、元件、组件、功能和步骤旨在与任何其他实施方式的自由组合和替代。如果仅关于一个实施方式描述了某个特征、元件、组件、功能或步骤,则应当理解,除非明确地另外说明,否则该特征、元件、组件、功能或步骤可与本文描述的每个其他实施方式一起使用。因此,该段落可随时作为权利要求书引入的前提基础和书面支持,其将不同实施方式中的特征、元件、组件、功能和步骤组合在一起,或者用另一实施方式中的那些替换该将实施方式中的特征、元件、组件、功能和步骤,即使以上描述没有明确指出,在特定情况下,这样的组合或替换也是可能的。明确承认,对每种可能的组合和替代的明确叙述是非常繁重的,特别是考虑到每种这种组合和替代的容许性将被本领域普通技术人员容易地认识到。
就本文公开的实施方式包括存储器、存储装置和/或计算机可读介质或与存储器、存储装置和/或计算机可读介质相关联地操作得程度而言,则该存储器、存储装置和/或计算机可读介质是非暂时性的。因此,就存储器、存储装置和/或计算机可读介质被一个或多个权利要求覆盖的程度而言,则存储器、存储装置和/或计算机可读介质仅是非暂时性的。
如本文和所附权利要求书所用,除非上下文另有明确规定,否则单数形式“一”、“一个”和“所述”包括复数指代。
尽管实施方式易于进行各种修改和替代形式,但是其具体实例已经在附图中示出并且在本文中被详细描述。然而,应理解,这些实施方式不限于所公开的特定形式,相反,这些实施方式将覆盖落入本公开的精神内的所有修改、等同形式和替代形式。此外,实施方式的任何特征、功能、步骤或元件可在权利要求中陈述或添加到权利要求中,以及可通过不在权利要求范围之内的特征、功能、步骤或元件来限定权利要求的发明范围的负面限制。
Claims (96)
1.一种用于针对用餐确定施用的药物剂量的计算机实施的方法,所述方法包括:
通过电子装置,接收与膳食相关联的用户输入的条目;
通过处理电路参考第一数据库,以基于所述用户输入的条目确定与所述膳食相关联的多个营养素参数;
通过所述处理电路,在第二数据库中,基于与所述膳食相关联的所述多个营养素参数识别最接近的匹配膳食;
通过所述处理电路,确定与所述第二数据库中所述最接近的匹配膳食相关联的药物剂量;以及
将所述药物剂量输出到所述电子装置。
2.根据权利要求1所述的方法,进一步包括将所述用户输入的条目和所确定的药物剂量存储在所述第二数据库中。
3.根据权利要求1所述的方法,其中,所述多个营养素参数包括碳水化合物参数、脂肪参数和蛋白质参数。
4.根据权利要求1所述的方法,其中,所述第二数据库包括多个历史膳食记录,其中,每个历史膳食记录包括多个存储的营养素参数和存储的药物剂量。
5.根据权利要求4所述的方法,其中,识别所述最接近的匹配膳食包括,确定每个历史膳食记录的所述多个存储的营养素参数和与所述膳食相关联的所述多个营养素参数之间的最低总差。
6.根据权利要求5所述的方法,其中,确定所述最低总差包括,对于每个历史膳食记录,计算所述多个存储的营养素参数中的每个和与所述膳食相关联的所述多个营养素参数中的每个之间的绝对百分比差。
7.根据权利要求6所述的方法,其中,确定所述最低总差进一步包括,将一个或多个加权因子应用于所述绝对百分比差。
8.根据权利要求7所述的方法,其中,所述多个营养素参数包括碳水化合物参数、脂肪参数和蛋白质参数,并且其中,所述碳水化合物参数的加权因子大于或等于所述脂肪参数的加权因子和所述蛋白质参数的加权因子中的每一个。
9.根据权利要求1所述的方法,进一步包括通过网络界面输入与所述膳食相关联的所述用户输入的条目。
10.根据权利要求1所述的方法,进一步包括通过移动应用程序界面输入与所述膳食相关联的所述用户输入的条目。
11.根据权利要求10所述的方法,其中,所述电子装置是智能手机。
12.根据权利要求1所述的方法,进一步包括将所述第一数据库的至少一部分下载到所述电子装置。
13.根据权利要求1所述的方法,其中,所述第二数据库存储在所述电子装置上。
14.根据权利要求1所述的方法,其中,所述第二数据库存储在与位置无关的服务器上。
15.根据权利要求1所述的方法,进一步包括,通过所述处理电路,在所述第二数据库中创建所述最接近的匹配膳食和所述用户输入的条目之间的链接。
16.根据权利要求1所述的方法,其中,所述药物剂量包括胰岛素剂量。
17.一种电子系统,被配置为确定针对用餐施用的药物剂量,所述电子系统包括:
处理电路;以及
非暂时性存储器,包括多个指令,当执行这些指令时,使所述处理电路:
接收与膳食相关联的用户输入的条目;
参考第一数据库,以基于所述用户输入的条目确定与所述膳食相关联的多个营养素参数;
基于与所述膳食相关联的所述多个营养素参数,在第二数据库中识别最接近的匹配膳食;
确定与所述第二数据库中所述最接近的匹配膳食相关联的药物剂量;以及
输出所述药物剂量。
18.根据权利要求17所述的电子系统,其中,当执行所述多个指令时,所述多个指令还使得所述处理电路将所述用户输入的条目和所确定的药物剂量存储在所述第二数据库中。
19.根据权利要求17所述的电子系统,其中,所述多个营养素参数包括碳水化合物参数、脂肪参数和蛋白质参数。
20.根据权利要求17所述的电子系统,其中,所述第二数据库包括多个历史膳食记录,其中,每个历史膳食记录包括多个存储的营养素参数和存储的药物剂量。
21.根据权利要求20所述的电子系统,其中,当执行所述多个指令时,所述多个指令还使得所述处理电路确定每个历史膳食记录的所述多个存储的营养素参数和与所述膳食相关联的所述多个营养素参数之间的最低总差。
22.根据权利要求21所述的电子系统,其中,当执行所述多个指令时,所述多个指令还使得所述处理电路对于每个历史记录,计算所述多个存储的营养素参数中的每个和与所述膳食相关联的所述多个营养素参数中的每个之间的绝对百分比差。
23.根据权利要求22所述的电子系统,其中,当执行所述多个指令时,所述多个指令还使得所述处理电路将一个或多个加权因子应用于所述绝对百分比差。
24.根据权利要求23所述的电子系统,其中,所述多个营养素参数包括碳水化合物参数、脂肪参数和蛋白质参数,并且其中,所述碳水化合物参数的加权因子大于或等于所述脂肪参数的加权因子和所述蛋白质参数的加权因子中的每一个。
25.根据权利要求17所述的电子系统,进一步包括网络界面,所述网络界面被配置为接收与所述膳食相关联的所述用户输入的条目。
26.根据权利要求17所述的电子系统,进一步包括移动应用程序界面,所述移动应用程序界面被配置为接收与所述膳食相关联的所述用户输入的条目。
27.根据权利要求26所述的电子系统,进一步包括智能手机。
28.根据权利要求17所述的电子系统,其中,当执行所述多个指令时,所述多个指令还使得所述处理电路将所述第一数据库的至少一部分下载到所述非暂时性存储器。
29.根据权利要求17所述的电子系统,其中,所述第二数据库存储在所述非暂时性存储器中。
30.根据权利要求17所述的电子系统,其中,所述第二数据库存储在与位置无关的服务器上。
31.根据权利要求17所述的电子系统,其中,当执行所述多个指令时,所述多个指令还使得所述处理电路在所述第二数据库中创建所述最接近的匹配膳食和所述用户输入的条目之间的链接。
32.根据权利要求17所述的电子系统,其中,所述药物剂量包括胰岛素剂量。
33.一种用于识别膳食开始候选和膳食峰值响应候选集的计算机实施的方法,所述方法包括:
确定与监测的分析物水平相对应的多个数据点的时间导数;
通过基于所述时间导数确定所述多个数据点的加速度的最优值,来创建所述膳食开始候选和膳食峰值响应候选集;
检索多个用户发起的分析物检查,并且将用户发起的分析物检查分组为多个时间簇;
对于每个时间簇,确定时间簇开始点、时间簇结束点和时间簇中心趋势点;以及
从所述集中移除膳食开始候选的第一子集,其中,所述第一子集包括不在时间簇开始点或时间簇结束点的预定时间范围内的一个或多个膳食开始候选。
34.根据权利要求33所述的方法,进一步包括从所述集中移除膳食开始候选和膳食峰值响应候选的第二子集,其中,所述第二子集包括与相同类型的候选相邻的膳食开始候选或膳食峰值响应候选中的一个或多个。
35.根据权利要求34所述的方法,其中,在从所述集中移除所述第一子集之前,从所述集中移除所述第二子集。
36.根据权利要求34所述的方法,进一步包括从所述集中移除膳食开始候选和膳食峰值响应候选的第三子集,其中,所述第三子集包括膳食开始候选和膳食峰值响应候选对的第一组,其中,所述第一组的每一对具有不超过预定水平的幅度差。
37.根据权利要求36所述的方法,进一步包括从所述集中移除膳食开始候选和膳食峰值响应候选的第四子集,其中,所述第四子集包括膳食开始候选和膳食峰值响应候选对的第二组,其中,所述第二组的每一对不超过接近阈值和分析物水平下降阈值。
38.根据权利要求37所述的方法,进一步包括从所述集中移除膳食开始候选和膳食峰值响应候选的第五子集,其中,所述第五子集包括一个或多个未配对的膳食开始候选或一个或多个被错误地识别为膳食开始候选或膳食峰值响应候选的信号伪影。
39.根据权利要求38所述的方法,进一步包括,在从所述集中已经移除膳食开始候选和膳食峰值响应候选的一个或多个子集之后,基于对应于所述监测的分析物水平的所述多个数据点的新的多个时间导数来细化所述集。
40.根据权利要求39所述的方法,进一步包括用所述膳食开始候选和最近的时间簇开始点的平均值替换所述集中的每个膳食开始候选。
41.根据权利要求40所述的方法,其中,替换所述集中的每个膳食开始候选的步骤发生在细化所述集之后。
42.根据权利要求33所述的方法,进一步包括调节对应于所述监测的分析物水平的所述多个数据点。
43.根据权利要求42所述的方法,其中,调节所述多个数据点包括对所述多个数据点执行样本数据分析以移除可疑数据,以及平滑所述多个数据点。
44.根据权利要求33所述的方法,其中,所述用户发起的分析物检查包括指尖血糖测试。
45.根据权利要求33所述的方法,进一步包括输出所述膳食开始候选和膳食峰值响应候选集。
46.根据权利要求33所述的方法,其中,将所述用户发起的分析物检查分组为多个时间簇包括在预定的分钟周期内识别用户发起的分析物检查的子集。
47.根据权利要求33所述的方法,其中,所述用户发起的分析物检查包括来自分析物读取器装置的传感器扫描实例。
48.根据权利要求33所述的方法,其中,所述用户发起的分析物检查包括智能手机上的一个或多个传感器查看器使用实例或连续葡萄糖监测(CGM)系统中的接收器显示激活实例。
49.一种电子系统,被配置为识别膳食开始候选和膳食峰值响应候选集,所述系统包括:
处理电路;以及
非暂时性存储器,包括多个指令,当执行这些指令时,使所述处理电路:
确定与监测的分析物水平相对应的多个数据点的时间导数;
通过基于所述时间导数确定所述多个数据点的加速度的最优值,来创建所述膳食开始候选和膳食峰值响应候选集;
检索多个用户发起的分析物检查,并且将用户发起的分析物检查分组为多个时间簇;
对于每个时间簇,确定时间簇开始点、时间簇结束点和时间簇中心趋势点;以及
从所述集中移除膳食开始候选的第一子集,其中,所述第一子集包括不在时间簇开始点或时间簇结束点的预定时间范围内的一个或多个膳食开始候选。
50.根据权利要求49所述的电子系统,其中,当执行所述多个指令时,所述多个指令还使得所述处理电路从所述集中移除膳食开始候选和膳食峰值响应候选的第二子集,其中,所述第二子集包括与相同类型的候选相邻的膳食开始候选或膳食峰值响应候选中的一个或多个。
51.根据权利要求50所述的电子系统,其中,当执行所述多个指令时,所述多个指令还使得所述处理电路在从所述集中移除所述第一子集之前,从所述集中移除所述第二子集。
52.根据权利要求50所述的电子系统,其中,当执行所述多个指令时,所述多个指令还使得所述处理电路从所述集中移除膳食开始候选和膳食峰值响应候选的第三子集,其中,所述第三子集包括膳食开始候选和膳食峰值响应候选对的第一组,其中,所述第一组的每一对具有不超过预定水平的幅度差。
53.根据权利要求52所述的电子系统,其中,当执行所述多个指令时,所述多个指令还使得所述处理电路从所述集中移除膳食开始候选和膳食峰值响应候选的第四子集,其中,所述第四子集包括膳食开始候选和膳食峰值响应候选对的第二组,其中,所述第二组的每一对不超过接近阈值和分析物水平下降阈值。
54.根据权利要求53所述的电子系统,其中,当执行所述多个指令时,所述多个指令还使得所述处理电路从所述集中移除膳食开始候选和膳食峰值响应候选的第五子集,其中,所述第五子集包括一个或多个未配对的膳食开始候选或一个或多个被错误地识别为膳食开始候选或膳食峰值响应候选的信号伪影。
55.根据权利要求54所述的电子系统,其中,当执行所述多个指令时,所述多个指令还使得所述处理电路在从所述集中已经移除膳食开始候选和膳食峰值响应候选的一个或多个子集之后,基于对应于所述监测的分析物水平的所述多个数据点的新的多个时间导数来细化所述集。
56.根据权利要求55所述的电子系统,其中,当执行所述多个指令时,所述多个指令还使得所述处理电路用所述膳食开始候选和最近的时间簇开始点的平均值替换所述集中的每个膳食开始候选。
57.根据权利要求56所述的电子系统,其中,当执行所述多个指令时,所述多个指令还使得所述处理电路在细化所述集之后替换所述集中的每个膳食开始候选。
58.根据权利要求49所述的电子系统,其中,当执行所述多个指令时,所述多个指令还使得所述处理电路调节对应于所述监测的分析物水平的所述多个数据点。
59.根据权利要求58所述的电子系统,其中,当执行所述多个指令时,所述多个指令还使得所述处理电路对所述多个数据点执行样本数据分析以移除可疑数据,以及平滑所述多个数据点。
60.根据权利要求49所述的电子系统,其中,所述用户发起的分析物检查包括指尖血糖测试。
61.根据权利要求49所述的电子系统,其中,当执行所述多个指令时,所述多个指令还使得所述处理电路输出所述膳食开始候选和膳食峰值响应候选集。
62.根据权利要求49所述的电子系统,其中,当执行所述多个指令时,所述多个指令还使得所述处理电路在预定的分钟周期内识别用户发起的分析物检查的子集。
63.根据权利要求49所述的电子系统,其中,所述用户发起的分析物检查包括来自分析物读取器装置的传感器扫描实例。
64.根据权利要求49所述的电子系统,其中,所述用户发起的分析物检查包括智能手机上的一个或多个传感器查看器使用实例或连续葡萄糖监测(CGM)系统中的接收器显示激活实例。
65.一种用于推荐用户发起的分析物检查的计算机实施的方法,所述方法包括:
接收用户的记录动作;
评估历史日志以确定所述记录动作是否对应于与血糖风险相关联的历史用户动作;
响应于确定所述记录动作对应于与所述血糖风险相关联的所述历史用户动作,计算直到达到与所述血糖风险相关联的可操作时间段的经过时间;以及
在所述经过时间之后,向所述用户输出通知,以执行所述用户发起的分析物检查。
66.根据权利要求65所述的方法,进一步包括:
响应于确定所述记录动作对应于与所述血糖风险相关联的所述历史用户动作,提示所述用户在所述经过时间之后确认输出所述通知。
67.根据权利要求65所述的方法,其中,所述血糖风险是低血糖状况或高血糖状况。
68.根据权利要求65所述的方法,进一步包括:
接收所述用户在所述经过时间之前已经执行了所述用户发起的分析物检查的指示;以及
评估与所述用户发起的分析物检查相关联的数据,以确定所述血糖风险是否仍然存在。
69.根据权利要求68所述的方法,进一步包括:
响应于确定所述血糖风险仍然存在,必要时更新所述经过时间。
70.根据权利要求65所述的方法,其中,向所述用户输出所述通知以执行所述用户发起的分析物检查进一步包括以预定间隔多次输出所述通知。
71.根据权利要求65所述的方法,其中,所述用户发起的分析物检查包括使用读取器装置扫描传感器控制单元。
72.根据权利要求65所述的方法,其中,所述用户发起的分析物检查包括指尖血糖测试。
73.根据权利要求65所述的方法,其中,所述用户的所述记录动作包括团注计算、药物的应用或碳水化合物摄入量的输入。
74.根据权利要求65所述的方法,其中,评估所述历史日志以确定所述记录动作是否对应于与血糖风险相关联的历史用户动作进一步包括将所述记录动作的一天时间与所述血糖风险相关联的所述历史用户动作的一天时间进行比较。
75.根据权利要求65所述的方法,其中,评估所述历史日志以确定所述记录动作是否对应于与血糖风险相关联的历史用户动作进一步包括检索存储在存储器中的胰岛素敏感性因子。
76.根据权利要求65所述的方法,其中,评估所述历史日志以确定所述记录动作是否对应于与血糖风险相关联的历史用户动作进一步包括确定分析物趋势不确定性估计是否超过预定的分析物趋势阈值。
77.根据权利要求65所述的方法,其中,评估所述历史日志以确定所述记录动作是否对应于与血糖风险相关联的历史用户动作进一步包括确定血糖风险的程度是否超过预定风险阈值。
78.根据权利要求65所述的方法,进一步包括:
接收所述用户在所述经过时间之后已经执行了所述用户发起的分析物检查的指示;
评估与所述用户发起的分析物检查相关联的数据,以确定所述血糖风险是否仍然存在;以及
响应于确定所述血糖风险仍然存在,计算直到达到与所述血糖风险相关联的第二可操作时间段的第二经过时间,并且在所述第二经过时间之后向所述用户输出通知,以执行第二用户发起的分析物检查。
79.根据权利要求78所述的方法,其中,与所述用户发起的分析物检查相关联的所述数据包括指示监测的分析物水平的数据。
80.根据权利要求79所述的方法,其中,所述监测的分析物水平是血糖水平。
81.一种电子系统,被配置为推荐用户发起的分析物检查,所述电子系统包括:
处理电路;以及
非暂时性存储器,包括多个指令,当执行这些指令时,使所述处理电路:
接收用户的记录动作;
评估历史日志以确定所述记录动作是否对应于与血糖风险相关联的历史用户动作;
响应于确定所述记录动作对应于与所述血糖风险相关联的所述历史用户动作,计算直到达到与所述血糖风险相关联的可操作时间段的经过时间;以及
在所述经过时间之后,向所述用户输出通知,以执行所述用户发起的分析物检查。
82.根据权利要求81所述的电子系统,其中,当执行所述多个指令时,所述多个指令还使得所述处理电路响应于确定所述记录动作对应于与所述血糖风险相关联的所述历史用户动作,提示所述用户在所述经过时间之后确认输出所述通知。
83.根据权利要求81所述的电子系统,其中,所述血糖风险是低血糖状况或高血糖状况。
84.根据权利要求81所述的电子系统,其中,当执行所述多个指令时,所述多个指令还使得所述处理电路:
接收所述用户在所述经过时间之前已经执行了所述用户发起的分析物检查的指示;以及
评估与所述用户发起的分析物检查相关联的数据,以确定所述血糖风险是否仍然存在。
85.根据权利要求84所述的电子系统,其中,当执行所述多个指令时,所述多个指令还使得所述处理电路:
响应于确定所述血糖风险仍然存在,必要时更新所述经过时间。
86.根据权利要求81所述的电子系统,其中,当执行所述多个指令时,所述多个指令还使得所述处理电路以预定间隔多次输出所述通知。
87.根据权利要求81所述的电子系统,其中,所述用户发起的分析物检查包括使用读取器装置扫描传感器控制单元。
88.根据权利要求81所述的电子系统,其中,所述用户发起的分析物检查包括指尖血糖测试。
89.根据权利要求81所述的电子系统,其中,所述用户的所述记录动作包括团注计算、药物的应用或碳水化合物摄入量的输入。
90.根据权利要求81所述的电子系统,其中,当执行所述多个指令时,所述多个指令还使得所述处理电路将所述记录动作的一天时间与所述血糖风险相关联的所述历史用户动作的一天时间进行比较。
91.根据权利要求81所述的电子系统,其中,当执行所述多个指令时,所述多个指令还使得所述处理电路检索存储在存储器中的胰岛素敏感性因子。
92.根据权利要求81所述的电子系统,其中,当执行所述多个指令时,所述多个指令还使得所述处理电路确定分析物趋势不确定性估计是否超过预定的分析物趋势阈值。
93.根据权利要求81所述的电子系统,其中,当执行所述多个指令时,所述多个指令还使得所述处理电路确定血糖风险的程度是否超过预定风险阈值。
94.根据权利要求81所述的电子系统,其中,当执行所述多个指令时,所述多个指令还使得所述处理电路:
接收所述用户在所述经过时间之后已经执行了所述用户发起的分析物检查的指示;
评估与所述用户发起的分析物检查相关联的数据,以确定所述血糖风险是否仍然存在;以及
响应于确定所述血糖风险仍然存在,计算直到达到与所述血糖风险相关联的第二可操作时间段的第二经过时间,并且在所述第二经过时间之后向所述用户输出通知,以执行第二用户发起的分析物检查。
95.根据权利要求94所述的电子系统,其中,与所述用户发起的分析物检查相关联的所述数据包括指示监测的分析物水平的数据。
96.根据权利要求95所述的电子系统,其中,所述监测的分析物水平是血糖水平。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201962788310P | 2019-01-04 | 2019-01-04 | |
US62/788,310 | 2019-01-04 | ||
PCT/US2020/012134 WO2020142655A1 (en) | 2019-01-04 | 2020-01-03 | Systems, devices, and methods for improved meal and therapy interfaces in analyte monitoring systems |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113261065A true CN113261065A (zh) | 2021-08-13 |
Family
ID=71406969
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202080007972.7A Pending CN113261065A (zh) | 2019-01-04 | 2020-01-03 | 用于改进分析物监测系统中膳食和治疗接口的系统、装置和方法 |
Country Status (7)
Country | Link |
---|---|
US (1) | US20220059215A1 (zh) |
EP (1) | EP3906562A4 (zh) |
JP (1) | JP2022518109A (zh) |
CN (1) | CN113261065A (zh) |
AU (1) | AU2020205079A1 (zh) |
CA (1) | CA3123936A1 (zh) |
WO (1) | WO2020142655A1 (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP4170326A1 (en) * | 2021-10-22 | 2023-04-26 | F. Hoffmann-La Roche AG | System and method for automated optical analyte measurements via wearable smart devices |
US20230402149A1 (en) * | 2022-05-19 | 2023-12-14 | Insulet Corporation | Switching and customization of glucose prediction models in medicament delivery devices |
WO2024151537A1 (en) | 2023-01-10 | 2024-07-18 | Abbott Diabetes Care Inc. | Systems, devices, and methods for wellness monitoring with physiological sensors |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050150897A1 (en) * | 2002-03-07 | 2005-07-14 | Fabricius Paul E. | Medical dispenser, a blister card for use in the dispenser and a method of dispensing medical doses |
US20130157232A1 (en) * | 2011-12-09 | 2013-06-20 | Joel Ehrenkranz | System and methods for monitoring food consumption |
AU2012362155A1 (en) * | 2011-12-30 | 2014-01-23 | Abbott Diabetes Care Inc. | Method and apparatus for determining medication dose information |
US9659225B2 (en) * | 2014-02-12 | 2017-05-23 | Microsoft Technology Licensing, Llc | Restaurant-specific food logging from images |
EP3865063A1 (en) | 2014-03-30 | 2021-08-18 | Abbott Diabetes Care, Inc. | Method and apparatus for determining meal start and peak events in analyte monitoring systems |
WO2018132315A1 (en) * | 2017-01-11 | 2018-07-19 | Abbott Diabetes Care Inc. | Systems, devices, and methods for experiential medication dosage calculations |
-
2020
- 2020-01-03 CN CN202080007972.7A patent/CN113261065A/zh active Pending
- 2020-01-03 EP EP20735860.7A patent/EP3906562A4/en active Pending
- 2020-01-03 WO PCT/US2020/012134 patent/WO2020142655A1/en unknown
- 2020-01-03 JP JP2021532232A patent/JP2022518109A/ja active Pending
- 2020-01-03 AU AU2020205079A patent/AU2020205079A1/en active Pending
- 2020-01-03 CA CA3123936A patent/CA3123936A1/en active Pending
-
2021
- 2021-06-30 US US17/363,935 patent/US20220059215A1/en active Pending
Also Published As
Publication number | Publication date |
---|---|
WO2020142655A1 (en) | 2020-07-09 |
CA3123936A1 (en) | 2020-07-09 |
JP2022518109A (ja) | 2022-03-14 |
US20220059215A1 (en) | 2022-02-24 |
EP3906562A1 (en) | 2021-11-10 |
AU2020205079A1 (en) | 2021-06-24 |
EP3906562A4 (en) | 2022-10-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11633126B2 (en) | Methods, devices, and systems related to analyte monitoring | |
US20210093251A1 (en) | Systems, devices, and methods for meal information collection, meal assessment, and analyte data correlation | |
US20220059215A1 (en) | Systems, devices and methods for improved meal and therapy interfaces in analyte monitoring systems | |
US20210282672A1 (en) | Graphical user interfaces for analyte monitoring systems | |
US20210378601A1 (en) | Analyte monitoring systems and methods | |
US20230046040A1 (en) | Devices, systems, and methods for analyte monitoring having a selectable or variable response rate | |
US20140060145A1 (en) | Analyte Monitoring Methods, Devices and Systems for Recommending Confirmation Tests | |
US20220369926A1 (en) | Systems, devices, and methods for sensor communications | |
US20230225615A1 (en) | Systems, devices, and methods for improved analyte sensor accuracy and fault detection | |
US20210219879A1 (en) | Systems, devices, and methods for sensor fault detection | |
US20240099612A1 (en) | Systems, devices, and methods for dual analyte sensor |
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 |