CN113438920A - 间歇性监测 - Google Patents

间歇性监测 Download PDF

Info

Publication number
CN113438920A
CN113438920A CN201980091621.6A CN201980091621A CN113438920A CN 113438920 A CN113438920 A CN 113438920A CN 201980091621 A CN201980091621 A CN 201980091621A CN 113438920 A CN113438920 A CN 113438920A
Authority
CN
China
Prior art keywords
data
patient
glucose
sensor
information
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
CN201980091621.6A
Other languages
English (en)
Inventor
A·U·卡马斯
M·A·克劳福德
J·M·格雷
H·罕帕普拉姆
M·L·约翰逊
S·G·帕伊
S·C·桑德斯
三上纯孝
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 CN113438920A publication Critical patent/CN113438920A/zh
Pending legal-status Critical Current

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
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/67—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for remote operation
    • 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
    • A61B5/0002—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
    • A61B5/002—Monitoring the patient using a local or closed circuit, e.g. in a room or building
    • 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
    • A61B5/0022—Monitoring a patient using a global network, e.g. telephone networks, internet
    • 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
    • A61B5/02—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
    • A61B5/02055—Simultaneously evaluating both cardiovascular condition and temperature
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1118—Determining activity level
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/145—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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7221—Determining signal validity, reliability or quality
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/742—Details of notification to user or communication with user or patient ; user input means using visual displays
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M5/00—Devices for bringing media into the body in a subcutaneous, intra-vascular or intramuscular way; Accessories therefor, e.g. filling or cleaning devices, arm-rests
    • A61M5/14—Infusion devices, e.g. infusing by gravity; Blood infusion; Accessories therefor
    • A61M5/142—Pressure infusion, e.g. using pumps
    • A61M5/14244—Pressure infusion, e.g. using pumps adapted to be carried by the patient, e.g. portable on the body
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M5/00—Devices for bringing media into the body in a subcutaneous, intra-vascular or intramuscular way; Accessories therefor, e.g. filling or cleaning devices, arm-rests
    • A61M5/14—Infusion devices, e.g. infusing by gravity; Blood infusion; Accessories therefor
    • A61M5/168—Means for controlling media flow to the body or for metering media to the body, e.g. drip meters, counters ; Monitoring media flow to the body
    • A61M5/172—Means for controlling media flow to the body or for metering media to the body, e.g. drip meters, counters ; Monitoring media flow to the body electrical or electronic
    • A61M5/1723—Means for controlling media flow to the body or for metering media to the body, e.g. drip meters, counters ; Monitoring media flow to the body electrical or electronic using feedback of body parameters, e.g. blood-sugar, pressure
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
    • G06F11/08—Error detection or correction by redundancy in data representation, e.g. by using checking codes
    • G06F11/10—Adding special bits or symbols to the coded information, e.g. parity check, casting out 9's or 11's
    • G06F11/1004—Adding special bits or symbols to the coded information, e.g. parity check, casting out 9's or 11's to protect a block of data words, e.g. CRC or checksum
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/30—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to physical therapies or activities, e.g. physiotherapy, acupressure or exercising
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/60—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to nutrition control, e.g. diets
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • 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
    • A61B2560/0209—Operational features of power management adapted for power saving
    • 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
    • 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
    • A61B5/02—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
    • A61B5/024—Detecting, measuring or recording pulse rate or heart rate
    • A61B5/02438—Detecting, measuring or recording pulse rate or heart rate with portable devices, e.g. worn by the patient
    • 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
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/7475—User input or interface means, e.g. keyboard, pointing device, joystick
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M2205/00—General characteristics of the apparatus
    • A61M2205/33—Controlling, regulating or measuring
    • A61M2205/3303—Using a biosensor
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M2205/00—General characteristics of the apparatus
    • A61M2205/35—Communication
    • A61M2205/3576—Communication with non implanted data transmission devices, e.g. using external transmitter or receiver
    • A61M2205/3584—Communication with non implanted data transmission devices, e.g. using external transmitter or receiver using modem, internet or bluetooth
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M2205/00—General characteristics of the apparatus
    • A61M2205/50—General characteristics of the apparatus with microprocessors or computers
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M2205/00—General characteristics of the apparatus
    • A61M2205/50—General characteristics of the apparatus with microprocessors or computers
    • A61M2205/502—User interfaces, e.g. screens or keyboards
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M2205/00—General characteristics of the apparatus
    • A61M2205/50—General characteristics of the apparatus with microprocessors or computers
    • A61M2205/52—General characteristics of the apparatus with microprocessors or computers with memories providing a history of measured variating parameters of apparatus or patient
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M2205/00—General characteristics of the apparatus
    • A61M2205/82—Internal energy supply devices
    • A61M2205/8206—Internal energy supply devices battery-operated
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M2230/00—Measuring parameters of the user
    • A61M2230/04—Heartbeat characteristics, e.g. ECG, blood pressure modulation
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M2230/00—Measuring parameters of the user
    • A61M2230/20—Blood composition characteristics
    • A61M2230/201—Glucose concentration
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M2230/00—Measuring parameters of the user
    • A61M2230/40—Respiratory characteristics
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M2230/00—Measuring parameters of the user
    • A61M2230/62—Posture
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M2230/00—Measuring parameters of the user
    • A61M2230/63—Motion, e.g. physical activity
    • 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

Abstract

各个实例涉及用于患者监测的系统和方法。一种示例方法包括在第一时间段内从连续葡萄糖监测(CGM)系统接收患者的估计的葡萄糖浓度水平。所述方法还可以包含在所述第一时间段内接收与所述患者有关的非葡萄糖信息，以及确定所述估计的葡萄糖浓度水平和所述非葡萄糖信息之间的关系。所述方法还可以包含在第二时间段内接收与所述患者有关的非葡萄糖信息，以及基于所确定的关系和所述非葡萄糖信息确定所述第二时间段内关于所述患者的糖尿病信息。所述方法可以包含以电子方式递送关于所述糖尿病信息的通知。

Description

间歇性监测
相关申请的交叉引用
本申请要求于2018年12月19日提交的美国临时专利申请序列号62/782,291的权益。前述申请通过引用整体并入本文，并且特此明确地成为本说明书的一部分。
技术领域
本发明总体上涉及医疗装置，如分析物传感器，并且更具体地但不作为限制地涉及用于连续葡萄糖监测系统或其它监测系统的间歇性使用的系统、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存储为脂肪的激素。
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存储为脂肪。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，并避免在葡萄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。血糖水平高于正常水平的状态被称为“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、白内障和其它眼部问题、神经损伤(神经病)和肾脏损伤。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。血糖水平低于正常水平的状态被称为“低血糖症”。严重的低血糖症可能引起急性危机，进而导致癫痫发作或死亡。
糖尿病状况有时被称为“1型”和“2型”。1型糖尿病患者通常可以使用胰岛素(当存在胰岛素时)，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佩戴者(患者)提供信息，如估计的血糖水平或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，本文档讨论了用于分析物传感器(如葡萄糖传感器)中的电池管理的系统、装置和方法。
主题(例如，方法、装置或系统)的实例(例如，“实例1”)可以包含
实例1是一种监测糖尿病患者的方法。所述方法可以包含在第一时间段内接收患者的第一类型的第一数据。所述方法还可以包含在至少第二时间段内接收患者的第二类型的第二数据。所述第一时间段和所述第二时间段可以在重叠时间段内至少部分地重叠。所述方法可以包含在所述重叠时间段内确定所述第一数据和所述第二数据之间的相关性，并且在随后的时间接收第二类型的数据，并且至少部分地基于所述随后时间处的所述第二类型的数据和所确定的相关性来确定关于所述患者的糖尿病信息。
在实例2中，根据实例1所述的主题任选地包含这样的实例，其中所述第一数据包含高保真连续葡萄糖监测数据。
在实例3中，根据实例1到2中任何一项或多项所述的主题任选地包含这样的实例，其中所述第二数据包含单点葡萄糖监测、盲法CGM、来自可佩戴监测器的数据、快速葡萄糖监测或光学监测技术。
在实例4中，根据实例3所述的主题任选地包含这样的实例，其中所述第二数据包含单点葡萄糖监测。所述方法可以进一步包括基于所述第一数据计算进行单点葡萄糖测量的时间窗口。
在实例5中，根据实例1到4中任何一项或多项所述的主题任选地包含这样的实例，其中所述糖尿病信息选自由以下组成的组：所述随后时间处的所述第一类型的数据的估计值、患者的状态或患者洞察力。
在实例6中，根据实例5所述的主题任选地包含这样的实例，其中所述患者的状态或所述患者洞察力与涉及饮食、锻炼、葡萄糖水平监测或药物的生活方式改变有关。
在实例7中，根据实例6所述的主题任选地包含这样的实例，其中所述患者的状态或所述患者洞察力与进餐时间管理、锻炼管理或睡眠管理有关。
在实例8中，根据实例1到7中任何一项或多项所述的主题任选地包含这样的实例，其中所述第一数据是高保真数据并且所述第二数据是低保真数据。
在实例9中，根据实例1到8中任何一项或多项所述的主题任选地包含从传感器接收传感器信号并处理所述传感器信号以生成所述第二数据的至少一部分。
在实例10中，根据实例9所述的主题任选地包含这样的实例，其中所述感测包含通过可佩戴健身追踪器进行的活动监测。
在实例11中，根据实例10所述的主题任选地包含这样的实例，其中所述可佩戴健身追踪器包含可佩戴心率监测器、可佩戴活动监测器、智能电话、智能眼镜或智能手表。
在实例12中，根据实例1到11中任何一项或多项所述的主题任选地包含这样的实例，其中确定相关性包含在所述重叠时间段内确定在一天的相应时间和/或一周的相应天数获得的第一数据和第二数据之间的关系。
在实例13中，根据实例1到12中任何一项或多项所述的主题任选地包含这样的实例，其中所述第二数据包含用户输入数据。
在实例14中，根据实例13所述的主题任选地包含这样的实例，其中所述用户输入数据包含药物数据、膳食数据、锻炼数据、睡眠数据或其任何组合。
在实例15中，根据实例1到14中任何一项或多项所述的主题任选地包含间歇地监测所述第一类型的数据并在所述第一类型的数据不可用的时期使用所述第二数据和所述相关性确定糖尿病信息。
在实例16中，根据实例15所述的主题任选地包含这样的实例，其中所述间歇地监测所述第一类型的数据包含间歇性连续葡萄糖监测，并且所述第二类型的监测数据包含使用可佩戴加速度计监测活动数据，并且任选地包含这样的实例，其中所述可佩戴加速度计被配置成至少在未发生所述连续葡萄糖监测时监测数据。
在实例17中，根据实例1到16中任何一项或多项所述的主题任选地包含这样的实例，其中第一类型的所述第一数据包含估计的葡萄糖浓度水平并且所述第二类型的数据包含心率、氧浓度、肤色、皮肤上的水分含量、活动、活动模式、血酮、尿酮、呼吸或声学信息。
在实例18中，根据实例1到17中任何一项或多项所述的主题任选地包含在第三时间段内监测所述第一数据和所述第二数据，并且基于来自所述第三时间段的所述第一数据和所述第二数据更新所述相关性。
在实例19中，根据实例1到18中任何一项或多项所述的主题任选地包含至少部分地基于所确定的糖尿病信息施用治疗。
在实例20中，根据实例19所述的主题任选地包含这样的实例，其中所述治疗包含药物干预。
在实例21中，根据实例19到20中任何一项或多项所述的主题任选地包含在患者装置的用户界面上显示关于所述患者的糖尿病信息。
在实例22中，根据实例21所述的主题任选地包含在所述用户界面上显示推荐的饮食改变或生活方式改变。
实例23是一种方法，其可以包含在第一时间段内从连续葡萄糖监测(CGM)系统接收患者的估计的葡萄糖浓度水平，以及在所述第一时间段内接收与所述患者有关的非CGM信息。所述方法还可以包含确定所述估计的葡萄糖浓度水平与所述非CGM信息之间的关系。所述方法还可以包含在第二时间段内接收与所述患者有关的非CGM信息，在所述第二时间段内无法从所述CGM获得估计的葡萄糖浓度水平，以及基于所确定的关系和所述非CGM信息确定所述第二时间段内关于所述患者的糖尿病信息。所述方法可以进一步包含以电子方式递送关于所述糖尿病信息的通知。
在实例24中，根据实例23所述的主题任选地包含这样的实例，其中所述非CGM信息包含活动信息。
在实例25中，根据实例23到24中任何一项或多项所述的主题任选地包含这样的实例，其中所述非CGM信息包含关于所述患者的生理信息。
在实例26中，根据实例25所述的主题任选地包含这样的实例，其中所述生理信息包含以下一项或多项：心率、呼吸、氧浓度、肤色、皮肤上的水分含量、活动、活动模式、血酮、尿酮、呼吸或声学信息。
在实例27中，根据实例23到26中任何一项或多项所述的主题任选地包含这样的实例，其中所述非CGM信息包含位置信息。
在实例28中，根据实例23到27中任何一项或多项所述的主题任选地包含这样的实例，其中接收非CGM信息包含接收用户输入数据。
在实例29中，根据实例23到28中任何一项或多项所述的主题任选地包含这样的实例，其中确定关于所述患者的糖尿病信息包含确定患者状态。
在实例30中，根据实例23到29中任何一项或多项所述的主题任选地包含这样的实例，其中确定患者状态包含将所述非CGM信息应用于模型。
在实例31中，根据实例23到30中任何一项或多项所述的主题任选地包含这样的实例，其中确定糖尿病信息包含确定估计的葡萄糖浓度水平。
在实例32中，根据实例23到31中任何一项或多项所述的主题任选地包含这样的实例，其中确定糖尿病信息包含确定定性等级。
在实例33中，根据实例23到32中任何一项或多项所述的主题任选地包含这样的实例，其中确定糖尿病信息包含确定定量度量。
在实例34中，根据实例33所述的主题任选地包含这样的实例，其中所述定量度量是在指定时间段期间葡萄糖浓度水平处于范围内的时间量或时间百分比的估计。
实例35是一种系统，其包括被配置成从宿主间歇地收集主要生理信息的间歇性主要子系统和被配置成从宿主收集第二类型的辅助数据的辅助子系统。所述系统还可以包含用户界面，所述用户界面被配置成显示基于所述辅助数据和所述主要生理信息的指导。
在实例36中，根据实例35所述的主题任选地包含指导系统，所述指导系统被配置成接收所述辅助数据和所述主要生理信息并且至少部分地基于所述辅助数据和所述主要生理信息确定所述指导。
在实例37中，根据实例36所述的主题任选地包含这样的实例，其中所述指导系统确定所述辅助数据和所述主要生理信息之间的关系，并且在所述间歇性主要生理信息不可用的时间段期间，所述指导系统至少部分地基于所述辅助数据以及所述辅助数据和所述主要生理信息之间的所述关系来确定所述指导。
在实例38中，根据实例37所述的主题任选地包含这样的实例，其中所述主要子系统包含连续葡萄糖监测器(CGM)并且所述指导系统至少部分地基于所述辅助数据以及所述辅助数据和所述主要生理信息之间的所述关系来确定糖尿病管理信息。
在实例39中，根据实例38所述的主题任选地包含这样的实例，其中所述糖尿病管理信息包含估计的葡萄糖浓度水平。
在实例40中，根据实例38到39中任何一项或多项所述的主题任选地包含这样的实例，其中所述糖尿病管理信息包含定性等级。
在实例41中，根据实例38到40中任何一项或多项所述的主题任选地包含这样的实例，其中所述糖尿病管理信息包含度量。
在实例42中，根据实例41所述的主题任选地包含这样的实例，其中所述糖尿病管理信息包含范围内时间(time-in-range)度量，所述度量指示在指定时间段期间葡萄糖浓度水平处于范围内的时间量或时间百分比的估计。
在实例43中，根据实例41到42中任何一项或多项所述的主题任选地包含这样的实例，其中所述糖尿病管理信息包含统计反馈。
在实例44中，根据实例35到43中任何一项或多项所述的主题任选地包含这样的实例，其中所述辅助子系统包含传感器和存储器电路，并且所述辅助子系统根据从所述传感器接收的数据确定所述辅助数据并将所述接收到的传感器数据或所述辅助数据存储在所述存储器电路中。
在实例45中，根据实例35到44中任何一项或多项所述的主题任选地包含这样的实例，其中所述主要子系统包含连续葡萄糖监测器(CGM)、存储器电路，并且所述主要子系统接收指示宿主中葡萄糖浓度的CGM传感器信号、至少部分地基于所述CGM传感器信号确定估计的葡萄糖浓度水平并将多个估计的葡萄糖浓度水平存储在所述存储器电路中，并且其中所述主要生理信息包含或基于所述多个估计的葡萄糖浓度水平。
实例46是一种患者管理装置，其包括传感器；用户界面；通信电路；以及处理器。所述处理器可以执行指令以执行操作。所述操作可以包括使用所述通信电路将基于来自所述传感器的输入的信息传输到第二装置，以及使用所述通信电路接收至少部分地基于来自所述传感器的输入的生理状态的估计。所述操作还可以包含使用所述用户界面递送与所述生理状态的所述估计有关的信息。
在实例47中，根据实例46所述的主题任选地包含这样的实例，其中所述传感器是活动传感器。
在实例48中，根据实例46到47中任何一项或多项所述的主题任选地包含这样的实例，其中所述生理状态的所述估计是葡萄糖浓度水平。
在实例49中，根据实例46到48中任何一项或多项所述的主题任选地包含这样的实例，其中关于所述生理状态的所述估计的信息是范围内时间、葡萄糖浓度水平或葡萄糖浓度范围。
在实例50中，根据实例46到49中任何一项或多项所述的主题任选地包含这样的实例，其中所述生理状态的所述估计基于先前收集的葡萄糖浓度信息和先前收集的活动信息之间的相关性。
在实例51中，根据实例46到50中任何一项或多项所述的主题任选地包含这样的实例，其中所述装置是可佩戴的。
在实例52中，根据实例51所述的主题任选地包含这样的实例，其中所述装置是手表。
在实例53中，根据实例46到52中任何一项或多项所述的主题任选地包含这样的实例，其中所述操作进一步包括：通过由所述处理器执行的第一应用程序生成传感器消息，所述传感器消息包括所述生理学状态的所述估计，并通过所述第一应用程序将所述传感器消息发送给由所述处理器执行的第二应用程序；以及通过所述第二应用程序将装置消息发送给所述第二装置，以使用所述用户界面进行显示。
在实例54中，根据实例53所述的主题任选地包含这样的实例，其中生成所述传感器消息包括对所述生理状态的所述估计进行加密。
在实例55中，根据实例53到54中任何一项或多项所述的主题任选地包含这样的实例，其中生成所述传感器消息包括至少部分地基于所述生理状态生成错误检测代码。
实例56是一种监测患者的方法。所述方法可以包括在第一时间段内用低保真监测技术监测第一类型的患者数据并基于所监测的第一类型的患者数据评估患者参与或行为。所述方法还可以包含在第二时间段内使用监测装置用高保真监测技术监测第二类型的患者数据。在一些实例中，所述监测装置的至少一种硬件或软件功能基于在所述监测期间评估的患者参与或行为。
在实例57中，根据实例56所述的主题任选地包含这样的实例，其中所述至少一种硬件或软件功能对应于用户界面的操作。
在实例58中，根据实例56到57中任何一项或多项所述的主题任选地包含这样的实例，其中所述高保真监测技术是连续葡萄糖监测。
在实例59中，根据实例56到58中任何一项或多项所述的主题任选地包含这样的实例，其中所述低保真技术包含：单点葡萄糖监测或盲法CGM或光学监测技术。
在实例60中，根据实例56到59中任何一项或多项所述的主题任选地包含这样的实例，其中所述低保真监测技术包含通过可佩戴健身追踪器进行的活动监测。
在实例61中，根据实例60所述的主题任选地包含这样的实例，其中所述可佩戴健身追踪器是可佩戴心率监测器、活动监测器、智能电话、智能眼镜或智能手表。
在实例62中，根据实例56到61中任何一项或多项所述的主题任选地包含这样的实例，其中所述低保真监测技术包含接收用户输入数据。
在实例63中，根据实例62所述的主题任选地包含这样的实例，其中所述接收到的用户输入数据包含药物数据、膳食数据、锻炼数据、睡眠数据或其任何组合。
在实例64中，根据实例56到63中任何一项或多项所述的主题任选地包含为所述患者确定目标，并且其中所述监测装置的所述至少一种硬件或软件功能与所述目标有关。
在实例65中，根据实例64所述的主题任选地包含这样的实例，其中所述目标包含饮食目标、锻炼目标、葡萄糖水平监测目标或药物目标。
在实例66中，根据实例65所述的主题任选地包含这样的实例，其中所述监测装置的所述至少一种硬件或软件功能涉及进餐时间葡萄糖管理。
在实例67中，根据实例65到66中任何一项或多项所述的主题任选地包含这样的实例，其中所述监测装置的所述至少一种硬件或软件功能涉及睡眠管理。
在实例68中，根据实例64到67中任何一项或多项所述的主题任选地包含这样的实例，其中为所述患者确定目标在第一次监测之前确定。
在实例69中，根据实例64到68中任何一项或多项所述的主题任选地包含这样的实例，其中为所述患者确定目标是由在所述第一时间段内用所述低保真监测技术监测的第一类型的数据确定的。
在实例70中，根据实例56到69中任何一项或多项所述的主题任选地包含在所述第一时间段内监测生理类型的患者数据，并且其中所述监测装置的所述至少一种硬件或软件功能的基础进一步基于所述生理类型的患者数据。
在实例71中，根据实例56到70中任何一项或多项所述的主题任选地包含这样的实例，其中所述至少一种硬件或软件功能涉及自动化辅导例程的频率或内容。
在实例72中，根据实例56到71中任何一项或多项所述的主题任选地包含检测患者参数的变化、在所述第一时间段和所述第二时间段之间测量的变化，并且使用检测到的变化来进一步影响所述监测装置的是至少一种硬件或软件功能。
在实例73中，根据实例56到72中任何一项或多项所述的主题任选地包含在所述第一时间段内向所述患者提供辅导功能，所述辅导功能包括基于患者档案数据或所述第一类型的所述患者数据或其组合从服务器向所述监测装置传输的自动化消息。
在实例74中，根据实例56到73中任何一项或多项所述的主题任选地包含在所述第二时间段之后确定后续数据的量或频率，后续数据的所述量或频率用所述低保真监测技术或所述高保真监测技术确定，所述量或频率经计算以增加或最大化患者参数。
在实例75中，根据实例74所述的主题任选地包含这样的实例，其中所述患者参数是范围内时间。
在实例76中，根据实例75所述的主题任选地包含这样的实例，其中用所述低保真监测技术确定后续数据的所述量或频率。
在实例77中，根据实例76所述的主题任选地包含这样的实例，其中后续数据的所述量或频率由多个传感器表示。
在实例78中，根据实例74到77中任何一项或多项所述的主题任选地包含这样的实例，其中所述患者参数是A1c。
在实例79中，根据实例78所述的主题任选地包含这样的实例，其中用所述低保真监测技术确定后续数据的所述量或频率。
在实例80中，根据实例74到79中任何一项或多项所述的主题任选地包含在所述监测装置上显示增加或最大化的患者参数的指示。
在实例81中，根据实例74到80中任何一项或多项所述的主题任选地包含在所述第二时间段之后确定患者最终目标，所述患者最终目标至少部分取决于所述第一类型的患者数据或所述第二类型的患者数据，并显示经计算以导致患者状态向所述患者最终目标转变的治疗建议。
实例82是一种系统，其包括：第一系统，所述第一系统被配置成收集与患者有关的第一类型的第一组传感器数据；以及第二系统，所述第二系统被配置成收集与所述患者有关的第二类型的数据的第二组传感器数据。所述系统可以进一步包括决策系统，所述决策系统被配置成基于所述第一组传感器数据确定所述第二系统的用户参数。
在实例83中，根据实例82所述的主题任选地包含这样的实例，其中第一系统包含活动传感器。
在实例84中，根据实例82到83中任何一项或多项所述的主题任选地包含这样的实例，其中第一系统包含血糖仪。
在实例85中，根据实例82到84中任何一项或多项所述的主题任选地包含这样的实例，其中所述第二系统包含连续葡萄糖监测器。
在实例86中，根据实例82到85中任何一项或多项所述的主题任选地包含这样的实例，其中所述用户参数包含供使用所述第二系统的时间表。
在实例87中，根据实例82到86中任何一项或多项所述的主题任选地包含这样的实例，其中所述用户参数是启动所述第二系统的使用的时间。
在实例88中，根据实例82到87中任何一项或多项所述的主题任选地包含这样的实例，其中所述决策系统将所述第一组传感器数据应用于模型。
在实例89中，根据实例82到88中任何一项或多项所述的主题任选地包含第三系统，所述第三系统被配置成收集与所述患者有关的第三组传感器数据，其中所述决策系统至少部分地基于所述第一组传感器数据和所述第三组数据确定所述用户参数。
实例90是一种患者管理装置。所述患者管理装置可以包括传感器、用户界面、通信电路和处理器。所述处理器可以执行指令以使用所述通信电路接收关于受试者的信息，并使用所述用户界面基于接收到的关于所述受试者的信息和来自所述传感器的数据递送与生理状况的管理有关的信息。
在实例91中，根据实例90所述的主题任选地包含这样的实例，其中所述传感器是活动传感器。
在实例92中，根据实例90到91中任何一项或多项所述的主题任选地包含这样的实例，其中所述装置是可佩戴装置。
在实例93中，根据实例92所述的主题任选地包含这样的实例，其中所述装置是手表。
在实例94中，根据实例90到93中任何一项或多项所述的主题任选地包含这样的实例，其中所述处理器进一步执行指令以使用关于所述受试者的所述信息来确定所述用户界面的配置。
在实例95中，根据实例94所述的主题任选地包含这样的实例，其中所述装置基于先前收集的低保真数据显示一组指定度量。
在实例96中，根据实例94到95中任何一项或多项所述的主题任选地包含这样的实例，其中所述装置基于先前收集的低保真数据在指定时间递送信息。
在实例97中，根据实例94到96中任何一项或多项所述的主题任选地包含这样的实例，其中所述装置告知患者管理协助者关于生理状态的估计的可用性并使用所述用户界面呈现来自所述患者管理协助者的指导。
在实例98中，根据实例90到97中任何一项或多项所述的主题任选地包含这样的实例，其中所述生理状态的估计是葡萄糖浓度水平。
实例99是一种用于选择可能受益于间歇性高保真监测的患者的方法。所述方法可以包括对参与者池执行第一筛选算法以确定一组患有糖尿病或具有糖尿病风险因素的患者。所述方法还可以包含向所确定的组中的参与者提供第一套件，所述套件被构造和配置成使所述参与者能够使用第一监测技术在第一持续时间内对其健康进行低保真监测并获得第一结果。所述方法还可以包含对所确定的组执行第二筛选算法以确定参与间歇性高保真监测的队列，所述第二筛选算法至少部分地使用所述获得的第一结果并且随后向所确定的队列中的参与者提供第二套件，所述第二套件被构造和配置成使所确定的队列中的参与者能够使用第二监测技术在第二持续时间内对其健康进行高保真监测并获得第二结果。所述方法还可以包含向所确定的队列中的一个或多个参与者提供第三套件，所述一个或多个参与者至少部分地根据所述获得的第二结果确定。
在实例100中，根据实例99所述的主题任选地包含这样的实例，其中所述高保真监测是连续葡萄糖监测。
在实例101中，根据实例99到100中任何一项或多项所述的主题任选地包含这样的实例，其中执行所述第二筛选包含确定所述患者将从所述高保真监测中受益的估计可能性。
在实例102中，根据实例99到101中任何一项或多项所述的主题任选地包含这样的实例，其中基于所述获得的第一结果来构建和配置所述第二套件。
在实例103中，根据实例99到102中任何一项或多项所述的主题任选地包含这样的实例，其中基于所述获得的第二结果来构建和配置所述第三套件。
在实例104中，根据实例99到103中任何一项或多项所述的主题任选地包含在至少所述第一持续时间期间在服务器和所述第一套件中的装置之间执行通信，所述通信向所述患者提供指导消息。
在实例105中，根据实例99到104中任何一项或多项所述的主题任选地包含这样的实例，其中所述低保真监测包含：单点葡萄糖监测、心率监测、活动监测、盲法连续葡萄糖监测或其任何组合。
在实例106中，根据实例99到105中任何一项或多项所述的主题任选地包含向所述患者显示输出，所显示的输出涉及饮食、锻炼、葡萄糖水平监测或药物。
在实例107中，根据实例99到106中任何一项或多项所述的主题任选地包含向所述患者显示输出，所显示的输出指示所述患者应该采用高保真监测的优化的持续时间。
在实例108中，根据实例99到107中任何一项或多项所述的主题任选地包含这样的实例，其中所述算法采用选自由以下组成的组的一种或多种因素：电子健康记录、II型糖尿病诊断代码、家族史、体重、BMI、代谢病史、验血结果、A1c、空腹葡萄糖水平、口服葡萄糖耐量、处方糖尿病药物或其任何组合。
在实例109中，根据实例99到108中任何一项或多项所述的主题任选地包含这样的实例，其中所述第二筛选算法至少部分地基于在所述第一持续时间期间坚持使用所述低保真监测的因素。
实例110是一种管理与患者健康相关的参数的方法，所述方法包含间歇性高保真监测阶段。所述方法可以包括，首先，用第一监测技术在第一持续时间内监测患者并获得第一结果。所述方法还可以包括用第二监测技术在第二持续时间内监测所述患者并获得第二结果。所述方法还可以包括确定所述患者可以执行的动作，所述动作基于所述获得的第一结果和第二结果，所述动作经计算以增加满足管理条件的可能性。在一些实例中，所述第一监测技术或所述第二监测技术包含高保真监测。
在实例111中，根据实例110所述的主题任选地包含这样的实例，其中所述高保真监测包含连续葡萄糖监测。
在实例112中，根据实例110到111中任何一项或多项所述的主题任选地包含向所述患者显示输出，所显示的输出指示与饮食目标、锻炼目标、葡萄糖水平监测目标或药物目标相关的患者表现。
在实例113中，根据实例110到112中任何一项或多项所述的主题任选地包含这样的实例，其中与患者健康相关的所述参数选自由以下组成的组：范围内时间和血糖变异性。
在实例114中，根据实例110到113中任何一项或多项所述的主题任选地包含这样的实例，其中所述管理条件的所述满足包括在大于预定信心度水平的信心度下将与患者健康相关的所述参数降低大于预定量。
在实例115中，根据实例110到114中任何一项或多项所述的主题任选地包含选择患者。在一些实例中，通过从可能受益于间歇性高保真监测的患者池中确定患者来执行选择所述患者，所述可能性大于计算值。
在实例116中，根据实例110到115中任何一项或多项所述的主题任选地包含这样的实例，其中所述第一持续时间是所述第二持续时间的子集。
在实例117中，根据实例110到116中任何一项或多项所述的主题任选地包含这样的实例，其中所述第一持续时间与所述第二持续时间重叠。
在实例118中，根据实例110到117中任何一项或多项所述的主题任选地包含在所述第一持续时间或所述第二持续时间或两者期间在服务器和与患者相关联的装置之间执行通信，所述通信向所述患者提供辅导功能。
在实例119中，根据实例110到118中任何一项或多项所述的主题任选地包含向所述患者显示输出，所显示的输出指示所述患者应该采用高保真监测的优化的持续时间。
在实例120中，根据实例110到119中任何一项或多项所述的主题任选地包含这样的实例，其中所述第一监测技术是低保真监测技术并且所述第二监测技术是高保真监测。
在实例121中，根据实例120所述的主题任选地包含这样的实例，其中所述低保真监测技术包含：单点葡萄糖监测或盲法CGM。
在实例122中，根据实例120到121中任何一项或多项所述的主题任选地包含这样的实例，其中所述低保真监测技术包含通过可佩戴健身追踪器进行的活动监测。
在实例123中，根据实例122所述的主题任选地包含这样的实例，其中所述可佩戴健身追踪器是可佩戴心率监测器、活动监测器、智能电话、智能眼镜或智能手表。
在实例124中，根据实例120到123中任何一项或多项所述的主题任选地包含将所述获得的第一结果和第二结果相关联，所述相关联包含确定在一天的相应时间和/或一周的相应天数获得的第一结果和第二结果之间的关系，并且至少部分地基于给定时间的相关值和通过所述低保真监测技术获得的结果来确定所述给定时间的高保真监测技术的估计值。
在实例125中，根据实例124所述的主题任选地包含至少部分地基于群体数据确定所述估计值。
在实例126中，根据实例120到125中任何一项或多项所述的主题任选地包含这样的实例，其中所述低保真监测技术包含接收用户输入数据。
在实例127中，根据实例126所述的主题任选地包含这样的实例，其中所述接收到的用户输入数据包含药物数据、膳食数据、锻炼数据、睡眠数据或其任何组合。
在实例128中，根据实例120到127中任何一项或多项所述的主题任选地包含将所述获得的第一结果和第二结果相关联，所述相关联包含确定在一天的相应时间或一周的相应天数获得的第一结果和第二结果之间的关系，并且至少部分地基于给定时间的相关值的估计和通过所述低保真监测技术获得的结果来确定所述给定时间的高保真监测技术的估计值。
在实例129中，根据实例128所述的主题任选地包含至少部分地基于群体数据确定所述估计值。
实例130是一种用于测量与患者健康相关的参数的方法。所述方法可以包括通过分析物传感器系统检测到所述分析物传感器系统已经被应用到宿主。所述方法还可以包括：通过所述分析物传感器系统存储描述所述宿主的分析物数据；通过所述分析物传感器系统确定所述分析物传感器系统处的传感器使用已经终止；以及通过所述分析物传感器系统将存储的分析物数据上传到上传计算装置。
在实例131中，根据实例130所述的主题任选地包含：响应于确定所述分析物传感器系统处的传感器使用已经终止，通过所述分析物传感器系统传播系统识别数据；通过所述分析物传感器系统和从所述上传计算装置接收包括所述系统识别数据的通信请求；以及响应于所述通信请求，通过所述分析物传感器系统而与所述上传计算装置建立通信会话，其中所述上传将所述存储的分析物数据传输到所述上传计算装置。
在实例132中，根据实例130到131中任何一项或多项所述的主题任选地包含在确定所述分析物传感器系统处的所述传感器使用已经终止之后，通过所述分析物传感器系统从所述上传计算装置接收上传请求并通过所述分析物传感器系统传播系统识别数据；从所述上传计算装置接收认证数据。所述方法还可以包含通过所述分析物传感器系统而与所述上传计算装置建立通信会话，其中所述上传将所述存储的分析物数据传输到所述上传计算装置。
实例133是一种方法，其包括：在第一时间段内从连续葡萄糖监测(CGM)系统接收患者的估计的葡萄糖浓度水平；在所述第一时间段内接收与所述患者有关的非葡萄糖信息；确定所述估计的葡萄糖浓度水平与所述非葡萄糖信息之间的关系；在第二时间段内接收与所述患者有关的非葡萄糖信息；基于所确定的关系和所述非葡萄糖信息确定所述第二时间段内关于所述患者的糖尿病信息；以及以电子方式递送关于所述糖尿病信息的通知。
在实例134中，根据实例133所述的主题任选地包含从所述CGM系统接收来自所述第一时间段的多个估计的葡萄糖浓度水平，并且其中在所述第一时间段内接收所述非葡萄糖信息包括接收在所述第一时间段内获取的至少一个单点葡萄糖测量结果。
在实例135中，根据实例133到134中任何一项或多项所述的主题任选地包含其中估计的葡萄糖浓度水平是无法在所述第二时间段期间从所述CGM获得的。
在实例136中，根据实例133到135中任何一项或多项所述的主题任选地包含在所述第一时间段内接收与所述患者有关的第二非葡萄糖信息，其中所述第二非葡萄糖信息不同于所述非葡萄糖信息，并且其中所述关系是所述估计的葡萄糖浓度水平、所述非葡萄糖信息和所述第二非葡萄糖信息之间的关系。
在实例137中，根据实例133到136中任何一项或多项所述的主题任选地包含其中所述非葡萄糖信息包含关于所述患者的生理信息。
在实例138中，根据实例137所述的主题任选地包含其中所述生理信息包含以下至少一项：心率、呼吸、氧浓度、肤色、皮肤上的水分含量、活动、活动模式、血酮、尿酮、呼吸或声学信息。
在实例139中，根据实例133到138中任何一项或多项所述的主题任选地包含其中所述非葡萄糖信息包含位置信息。
在实例140中，根据实例133到139中任何一项或多项所述的主题任选地包含其中确定糖尿病信息包含确定估计的葡萄糖浓度水平。
在实例141中，根据实例133到140中任何一项或多项所述的主题任选地包含其中确定糖尿病信息包含确定在指定时间段期间葡萄糖浓度水平处于范围内的时间量或时间百分比的估计。
实例142是一种系统，其包括：主要子系统，所述主要子系统被配置成间歇地从宿主收集主要生理信息；辅助子系统，所述辅助子系统被配置成从宿主收集第二类型的辅助数据；指导系统，所述指导系统被配置成至少部分地基于所述主要生理信息和所述辅助数据来确定指导；以及用户界面，所述用户界面被配置成显示所述指导。
在实例143中，根据实例142所述的主题任选地包含其中所述指导系统还被配置成：确定所述辅助数据和所述主要生理信息之间的关系；以及在未收集主要生理信息的时间段期间确定所述指导，其中确定所述指导是至少部分地基于所述辅助数据以及所述辅助数据和所述主要生理信息之间的所述关系。
在实例144中，根据实例142到143中任何一项或多项所述的主题任选地包含其中所述主要子系统包含连续葡萄糖监测器(CGM)，并且其中所述指导系统被进一步配置成至少部分地基于所述辅助数据以及所述辅助数据和所述主要生理信息之间的关系来确定患者状态。
在实例145中，根据实例144所述的主题任选地包含其中所述患者状态包括估计的葡萄糖浓度水平。
在实例146中，根据实例144到145中任何一项或多项所述的主题任选地包含其中所述患者状态包括范围内时间度量，所述度量指示在指定时间段期间葡萄糖浓度水平处于范围内的时间量或时间百分比的估计。
在实例147中，根据实例142到146中任何一项或多项所述的主题任选地包含其中所述辅助子系统包含传感器和存储器电路，并且其中所述辅助子系统被进一步配置成：根据从所述传感器接收到的传感器数据确定所述辅助数据；以及将所述传感器数据或所述辅助数据存储在所述存储器电路中。
在实例148中，根据实例142到147中任何一项或多项所述的主题任选地包含其中所述主要子系统包含连续葡萄糖监测器(CGM)和存储器电路，并且其中所述主要子系统被配置成：接收指示宿主中葡萄糖浓度的CGM传感器信号；至少部分地基于所述CGM传感器信号确定估计的葡萄糖浓度水平；以及将多个估计的葡萄糖浓度水平存储在所述存储器电路中，其中所述主要生理信息包含或基于所述多个估计的葡萄糖浓度水平。
实例149是一种计算机可读介质，其上包括指令，当由至少一个处理器执行时，所述指令使所述至少一个处理器执行包括以下各项的操作：在第一时间段内从连续葡萄糖监测(CGM)系统接收患者的估计的葡萄糖浓度水平；在所述第一时间段内接收与所述患者有关的非葡萄糖信息；确定所述估计的葡萄糖浓度水平与所述非葡萄糖信息之间的关系；在第二时间段内接收与所述患者有关的非葡萄糖信息；基于所确定的关系和所述非葡萄糖信息确定所述第二时间段内关于所述患者的糖尿病信息；以及以电子方式递送关于所述糖尿病信息的通知。
在实例150中，根据实例149所述的主题任选地包含其中所述操作进一步包括从所述CGM系统接收来自所述第一时间段的多个估计的葡萄糖浓度水平，并且其中在所述第一时间段内接收所述非葡萄糖信息包括接收在所述第一时间段内获取的至少一个单点葡萄糖测量结果。
在实例151中，根据实例149到150中任何一项或多项所述的主题任选地包含进一步包括以下各项的操作：至少部分地基于所述糖尿病信息确定指导；以及在用户界面处显示所述指导。
在实例152中，根据实例149到151中任何一项或多项所述的主题任选地包含在所述第一时间段内接收与所述患者有关的第二非葡萄糖信息，其中所述第二非葡萄糖信息不同于所述非葡萄糖信息，并且其中所述关系是所述估计的葡萄糖浓度水平、所述非葡萄糖信息和所述第二非葡萄糖信息之间的关系。
实例153是一种患者管理系统，其包括：分析物传感器；以及处理器，所述处理器执行指令以执行包括以下各项的操作：通过在所述处理器处执行的第一应用程序并从所述分析物传感器接收指示用户的分析物浓度的传感器数据；通过所述第一应用程序并向在所述处理器处执行的第二应用程序传输包括所述分析物浓度的指示的传感器消息；以及通过所述第二应用程序并向可佩戴活动监测器装置递送装置消息，所述装置消息至少部分地基于所述分析物浓度。
在实例154中，根据实例153所述的主题任选地包含所述可佩戴活动监测器装置，其中所述可佩戴活动监测器装置包括运动传感器，并且其中所述可佩戴活动监测器装置被编程为生成用户界面，所述用户界面包含至少部分地基于所述装置消息的数据和至少部分地基于所述运动传感器的输出的数据。
在实例155中，根据实例153到154中任何一项或多项所述的主题任选地包含其中所述操作进一步包括生成描述所述用户的生理状态的估计的生理状态数据，所述生成至少部分地基于所述用户的所述分析物浓度。
在实例156中，根据实例155所述的主题任选地包含其中所述生理状态数据由所述第一应用程序生成，并且其中所述传感器消息包括所述生理状态数据。
在实例157中，根据实例155到156中任何一项或多项所述的主题任选地包含其中所述生理状态数据由所述第二应用程序生成，并且其中所述装置消息包括所述生理状态数据。
在实例158中，根据实例155到157中任何一项或多项所述的主题任选地包含其中所述生理状态数据包括范围内时间、葡萄糖浓度水平或葡萄糖浓度范围。
在实例159中，根据实例155到158中任何一项或多项所述的主题任选地包含其中所述生理状态数据的所述生成基于先前收集的葡萄糖浓度信息和先前收集的活动信息之间的相关性。
在实例160中，根据实例153到159中任何一项或多项所述的主题任选地包含其中所述装置消息包括用于在所述可佩戴活动监测器装置的用户界面处显示的显示数据。
在实例161中，根据实例153到160中任何一项或多项所述的主题任选地包含其中生成所述传感器消息包括对所述分析物浓度的所述指示进行加密。
在实例162中，根据实例153到161中任何一项或多项所述的主题任选地包含其中生成所述传感器消息包括至少部分地基于所述分析物浓度生成错误检测代码。
实例163是一种患者管理方法，其包括：通过在患者管理系统处执行的第一应用程序并从分析物传感器接收指示用户的分析物浓度的传感器数据；通过所述第一应用程序并向在所述患者管理系统处执行的第二应用程序传输包括所述分析物浓度的指示的传感器消息；以及通过所述第二应用程序并向可佩戴活动监测器装置递送装置消息，所述装置消息至少部分地基于所述分析物浓度。
在实例164中，根据实例163所述的主题任选地包含其中所述可佩戴活动监测器装置包括运动传感器，其进一步包括通过所述可佩戴活动监测器装置生成用户界面，所述用户界面包含至少部分地基于所述装置消息的数据和至少部分地基于所述运动传感器的输出的数据。
在实例165中，根据实例163到164中任何一项或多项所述的主题任选地包含生成描述所述用户的生理状态的估计的生理状态数据，所述生成至少部分地基于所述用户的所述分析物浓度。
在实例166中，根据实例165所述的主题任选地包含其中所述生理状态数据由所述第一应用程序生成，并且其中所述传感器消息包括所述生理状态数据。
在实例167中，根据实例165到166中任何一项或多项所述的主题任选地包含其中所述生理状态数据由所述第二应用程序生成，并且其中所述装置消息包括所述生理状态数据。
在实例168中，根据实例165到167中任何一项或多项所述的主题任选地包含其中所述生理状态数据包括范围内时间、葡萄糖浓度水平或葡萄糖浓度范围。
在实例169中，根据实例165到168中任何一项或多项所述的主题任选地包含其中所述生理状态数据的所述生成基于先前收集的葡萄糖浓度信息和先前收集的活动信息之间的相关性。
在实例170中，根据实例163到169中任何一项或多项所述的主题任选地包含其中所述装置消息包括用于在所述可佩戴活动监测器装置的用户界面处显示的显示数据。
在实例171中，根据实例163到170中任何一项或多项所述的主题任选地包含其中生成所述传感器消息包括至少部分地基于所述分析物浓度生成错误检测代码。
实例172是一种机器可读介质，其上包括指令，当由至少一个处理器执行时，所述指令使所述至少一个处理器执行包括以下各项的操作：通过在患者管理系统处执行的第一应用程序并从分析物传感器接收指示用户的分析物浓度的传感器数据；通过所述第一应用程序并向在所述患者管理系统处执行的第二应用程序传输包括所述分析物浓度的指示的传感器消息；以及通过所述第二应用程序并向可佩戴活动监测器装置递送装置消息，所述装置消息至少部分地基于所述分析物浓度。
实例173是一种监测患者的方法，其包括：在第一时间段内用低保真监测技术监测第一类型的患者数据；基于所监测的第一类型的患者数据评估患者行为；以及在第二时间段内用连续葡萄糖监测器装置监测第二类型的患者数据，其中所述连续葡萄糖监测器装置的参数基于在所述监测期间评估的所述患者行为。
在实例174中，根据实例173所述的主题任选地包含其中所述连续葡萄糖监测器装置的所述参数对应于用户界面的操作。
在实例175中，根据实例173到174中任何一项或多项所述的主题任选地包含其中所述低保真监测技术包括单点葡萄糖监测、盲法连续葡萄糖监测或光学监测技术中的至少一项。
在实例176中，根据实例173到175中任何一项或多项所述的主题任选地包含其中所述低保真监测技术包括通过可佩戴健身追踪器进行的活动监测。
在实例177中，根据实例176所述的主题任选地包含其中所述可佩戴健身追踪器包括可佩戴心率监测器、活动监测器、智能电话、智能眼镜或智能手表中的至少一项。
在实例178中，根据实例173到177中任何一项或多项所述的主题任选地包含其中所述低保真监测技术包括接收用户输入数据，所述用户输入数据包括药物数据、膳食数据、锻炼数据或睡眠数据中的至少一项。
在实例179中，根据实例173到178中任何一项或多项所述的主题任选地包含为所述患者确定目标，并且其中所述连续葡萄糖监测器装置的所述参数与所述目标有关。
在实例180中，根据实例179所述的主题任选地包含其中所述目标包含饮食目标、锻炼目标、葡萄糖水平监测目标或药物目标。
在实例181中，根据实例179到180中任何一项或多项所述的主题任选地包含其中所述为所述患者确定所述目标是至少部分地基于在所述第一时间段内用所述低保真监测技术监测的所述第一类型的所述数据。
在实例182中，根据实例173到181中任何一项或多项所述的主题任选地包含至少部分地通过确定用于自动化辅导例程的至少一个参数来确定所述连续葡萄糖监测器装置的所述参数。
在实例183中，根据实例173到182中任何一项或多项所述的主题任选地包含检测在所述第一时间段和所述第二时间段之间的患者参数的变化；以及使用检测到的所述患者参数的变化来确定所述连续葡萄糖监测器装置的所述参数。
在实例184中，根据实例173到183中任何一项或多项所述的主题任选地包含在所述第一时间段内向所述患者提供辅导功能，所述辅导功能包括从服务器向所述连续葡萄糖监测器装置传输的自动化消息，其中所述辅导功能基于患者档案数据或所述第一类型的所述患者数据或其组合。
实例185是一种系统，其包括：低保真系统，所述低保真系统被配置成在第一时间段内收集与患者有关的第一类型的第一组传感器数据；连续葡萄糖监测器装置，所述连续葡萄糖监测器装置被配置成收集与所述患者有关的第二类型的数据的第二组传感器数据；以及决策系统，所述决策系统被配置成基于所述第一组传感器数据确定所述连续葡萄糖监测器装置的参数。
在实例186中，根据实例185所述的主题任选地包含其中所述低保真系统包含活动传感器。
在实例187中，根据实例185到186中任何一项或多项所述的主题任选地包含其中所述低保真系统包含血糖仪。
在实例188中，根据实例185到187中任何一项或多项所述的主题任选地包含其中所述连续葡萄糖监测器装置包含连续葡萄糖监测器。
在实例189中，根据实例185到188中任何一项或多项所述的主题任选地包含其中所述参数包含供使用所述连续葡萄糖监测器装置的时间表。
在实例190中，根据实例185到189中任何一项或多项所述的主题任选地包含其中所述参数是启动所述连续葡萄糖监测器装置的使用的时间。
在实例191中，根据实例185到190中任何一项或多项所述的主题任选地包含第三系统，所述第三系统被配置成收集与所述患者有关的第三组传感器数据，其中所述决策系统至少部分地基于所述第一组传感器数据和所述第三组传感器数据确定所述参数。
实例192是一种机器可读介质，其上包括指令，当由至少一个处理器执行时，所述指令使所述至少一个处理器执行包括以下各项的操作：在第一时间段内用低保真监测技术监测第一类型的患者数据；基于所监测的第一类型的患者数据评估患者行为；以及在第二时间段内用连续葡萄糖监测器装置监测第二类型的患者数据，其中所述连续葡萄糖监测器装置的参数基于在所述监测期间评估的所述患者行为。
实例193是一种用于测量与患者健康相关的参数的方法，所述方法包括：通过分析物传感器系统检测到所述分析物传感器系统已经被应用到宿主；通过所述分析物传感器系统存储描述所述宿主的分析物数据；通过所述分析物传感器系统确定所述分析物传感器系统处的传感器使用已经终止；以及通过所述分析物传感器系统将存储的分析物数据上传到上传计算装置。
在实例194中，根据实例193所述的主题任选地包含：在确定所述分析物传感器系统处的所述传感器使用已经终止之后，通过所述分析物传感器系统传播系统识别数据；通过所述分析物传感器系统和从所述上传计算装置接收包括所述系统识别数据的通信请求；以及响应于所述通信请求，通过所述分析物传感器系统而与所述上传计算装置建立通信会话，其中所述上传是使用所述通信会话而执行。
在实例195中，根据实例193到194中任何一项或多项所述的主题任选地包含在确定所述分析物传感器系统处的所述传感器使用已经终止之后，通过所述分析物传感器系统从所述上传计算装置接收上传请求；以及从所述上传计算装置接收认证数据。
在实例196中，根据实例193到195中任何一项或多项所述的主题任选地包含在确定所述分析物传感器系统处的所述传感器使用已经终止之后，通过所述分析物传感器系统从所述上传计算装置接收上传请求；通过所述分析物传感器系统传播系统识别数据；从所述上传计算装置接收认证数据；以及通过所述分析物传感器系统而与所述上传计算装置建立通信会话，其中所述上传将所述存储的分析物数据传输到所述上传计算装置。
在实例197中，根据实例193到196中任何一项或多项所述的主题任选地包含其中检测到所述分析物传感器系统已经被应用到宿主包括确定所述分析物传感器系统已提供高于阈值的传感器读数。
在实例198中，根据实例193到197中任何一项或多项所述的主题任选地包含其中检测到所述分析物传感器系统已经被应用到宿主包括确定所述分析物传感器系统已提供高于阈值的传感器读数达超过阈值时间的时间。
在实例199中，根据实例193到198中任何一项或多项所述的主题任选地包含其中确定所述分析物传感器系统处的传感器使用已经终止包括确定自所述分析物传感器系统被应用到所述宿主以来已经过去了超过阈值时间的时间。
在实例200中，根据实例193到199中任何一项或多项所述的主题任选地包含通过所述上传计算装置将所述存储的分析物传感器数据上传到服务器系统。
实例201是一种用于测量与患者健康相关的参数的系统，所述系统包括：分析物传感器系统，所述分析物传感器系统被配置成执行包括以下各项的操作：检测到所述分析物传感器系统已经被应用到宿主；通过所述分析物传感器系统存储描述所述宿主的分析物数据；通过所述分析物传感器系统确定所述分析物传感器系统处的传感器使用已经终止；以及通过所述分析物传感器系统将存储的分析物数据上传到上传计算装置。
在实例202中，根据实例201所述的主题任选地包含进一步包括以下各项的操作：在确定所述分析物传感器系统处的所述传感器使用已经终止之后，通过所述分析物传感器系统传播系统识别数据；通过所述分析物传感器系统和从所述上传计算装置接收包括所述系统识别数据的通信请求；以及响应于所述通信请求，通过所述分析物传感器系统而与所述上传计算装置建立通信会话，其中所述上传是使用所述通信会话而执行。
在实例203中，根据实例201到202中任何一项或多项所述的主题任选地包含进一步包括以下各项的操作：在确定所述分析物传感器系统处的所述传感器使用已经终止之后，通过所述分析物传感器系统从所述上传计算装置接收上传请求；以及从所述上传计算装置接收认证数据。
在实例204中，根据实例201到203中任何一项或多项所述的主题任选地包含进一步包括以下各项的操作：在确定所述分析物传感器系统处的所述传感器使用已经终止之后，通过所述分析物传感器系统从所述上传计算装置接收上传请求；通过所述分析物传感器系统传播系统识别数据；从所述上传计算装置接收认证数据；以及通过所述分析物传感器系统而与所述上传计算装置建立通信会话，其中所述上传将所述存储的分析物数据传输到所述上传计算装置。
在实例205中，根据实例201到204中任何一项或多项所述的主题任选地包含其中检测到所述分析物传感器系统已经被应用到宿主包括确定所述分析物传感器系统已提供高于阈值的传感器读数。
在实例206中，根据实例201到205中任何一项或多项所述的主题任选地包含其中检测到所述分析物传感器系统已经被应用到宿主包括确定所述分析物传感器系统已提供高于阈值的传感器读数达超过阈值时间的时间。
在实例207中，根据实例201到206中任何一项或多项所述的主题任选地包含其中确定所述分析物传感器系统处的传感器使用已经终止包括确定自所述分析物传感器系统被应用到所述宿主以来已经过去了超过阈值时间的时间。
在实例208中，根据实例201到207中任何一项或多项所述的主题任选地包含所述上传计算装置，其中所述上传计算装置被配置成执行包括将所述存储的分析物传感器数据上传到服务器系统的操作。
实例209是一种机器可读介质，其上包括指令，当由至少一个处理器执行时，所述指令使所述至少一个处理器执行包括以下各项的操作：检测到所述分析物传感器系统已经被应用到宿主；存储描述所述宿主的分析物数据；确定所述分析物传感器系统处的传感器使用已经终止；以及将存储的分析物数据上传到上传计算装置。
在实例210中，根据实例209所述的主题任选地包含进一步包括以下各项的操作：在确定所述分析物传感器系统处的所述传感器使用已经终止之后，传播系统识别数据；从所述上传计算装置接收包括所述系统识别数据的通信请求；以及响应于所述通信请求，与所述上传计算装置建立通信会话，其中所述上传是使用所述通信会话而执行。
在实例211中，根据实例209到210中任何一项或多项所述的主题任选地包含进一步包括以下各项的操作：在确定所述分析物传感器系统处的所述传感器使用已经终止之后，从所述上传计算装置接收上传请求；以及从所述上传计算装置接收认证数据。
在实例212中，根据实例209到211中任何一项或多项所述的主题任选地包含进一步包括以下各项的操作：在确定所述分析物传感器系统处的所述传感器使用已经终止之后，从所述上传计算装置接收上传请求；传播系统识别数据；接收认证数据；以及与所述上传计算装置建立通信会话，其中所述上传将所述存储的分析物数据传输到所述上传计算装置。
本发明内容旨在提供对本专利申请的主题的概述。并不旨在提供对本公开的排他性或详尽的解释。包含具体实施方式以提供关于本专利申请的另外的信息。在阅读和理解以下具体实施方式并且查看形成其一部分的附图(每个附图都不应视为具有限制意义)后，本公开的其它方面对于本领域技术人员将是显而易见的。
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部件。具有不同字母后缀的相同数字可以表示类似部件的不同实例。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讨论的各个实施例。
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部件的示意性图示。
图3是示出示例患者状态、生理状况和示例治疗的表格。
图4是从低保真数据收集技术进展到高保真数据收集技术的示例方法的流程图。
图5是收集高保真数据和收集低保真数据的方法的流程图。
图6是收集低保真数据和间歇收集的高保真数据的方法的流程图。
图7是管理患者状况的方法的流程图。
图8A-8C是患者管理的示例过程的流程图。
图9是用于使用主要监测技术和辅助监测技术监测患者的过程的流程图。
图10是确定糖尿病信息并向患者通知所述糖尿病信息的示例方法1001的流程图。
图11是基于收集的传感器信息确定监测方案的示例方法的流程图。
图12A是示例用户界面的图示。
图12B是图12A中所示的用户界面的一部分的放大图。
图12C是包含目标A1C指示器的示例用户界面的图示。
图13是识别或选择可受益于增强型疾病管理计划的患者的方法的流程图。
图14是管理与患者健康相关的参数的示例方法的流程图。
图15是示例登录过程的流程图。
图16是示例用户界面的图示。
图17-20是示例聊天界面的图示。
图21是示例趋势图的图示。
图22A是其中可以实施方法、装置和子系统的示例系统的图示。
图22B是示例系统的图示，所述示例系统是图22A的系统的布置。
图22C是示出了可以在图22B的系统中执行以在活动传感器处显示CGM数据的过程的一个实例的流程图。
图23是图22A中所示的示例系统的更详细的说明。
图24示出了可以结合实施本公开的实施例使用的示例系统。
图25示出了可以与图4的实施例一起使用的自动化或半自动化辅导系统的实例。
图26A和26B是用图5的自动化或半自动化辅导系统启动患者的示例过程的流程图。
图27是启动锻炼模块的示例过程的流程图。
图28是实施跟进模块的示例过程的流程图。
图29是实施信心度评估器/增强器模块的示例过程的流程图。
图30是实施饮食模块的示例过程的流程图。
图31是实施膳食追踪模块的示例过程的流程图。
图32是实施被设计成鼓励使用图11的实施例的模块的示例过程的流程图。
图33是实施睡眠模块的示例过程的流程图。
图34是包含分析物传感器系统的示例系统的图示，所述分析物传感器系统被配置成在收集之后上传捕获的分析物数据。
图35是示出了可以由图34的分析物传感器系统执行以收集和上传分析物数据的过程的一个实例的流程图。
图36是示出了可以由传感器电子件执行以上传收集的分析物数据的过程的一个实例的流程图。
图37是示出了可以由传感器电子件执行以上传收集的分析物数据的过程的另一个实例的流程图。
具体实施方式
本发明人已经认识到，除其它外，可以有利地使用具有不同信息收集模式的技术的组合来监测或管理患者。通常，为了增强患者管理，需要更高保真度和更多数量的数据来为患者管理决策提供信息。违反直观的方法使用较少的数据或低保真数据，结合从高保真数据中获知的信息(例如，数据类型之间的相关性)来指导患者管理。例如，不同类型的收集数据之间的关系可用于在一种或多种类型的数据不可用的时间段内告知患者的管理。在一些实例中，传感器按时间表从宿主自动收集的分析物信息(“连续分析物监测”)，如葡萄糖传感器自动收集的葡萄糖信息(“连续葡萄糖监测”或“CGM”)可以与其它类型的信息(例如，由可佩戴活动传感器捕获的活动)相关，这可以允许基于相关性来估计估计的葡萄糖浓度水平(或另一分析物的水平)。在一些实例中，可以从患者收集两种或更多种类型的数据(例如，CGM数据和活动数据)，并且在收集CGM和活动数据两者的时段期间获得的数据可以用于开发或调整系统或算法，以根据第二类型的数据(例如，活动或心率)或根据第二类型的数据和辅助输入(例如，药物施用或食物消耗)推断第一类型的数据(例如，葡萄糖浓度水平)。换句话说，可以使用同时获得的CGM数据和非CGM数据将非CGM传感器系统“校准”到估计的葡萄糖值。在一些实例中，可以间歇地执行连续葡萄糖监测：在收集期间，可以按时间表(例如，每5分钟)收集葡萄糖浓度水平，但是CGM数据收集可能仅在某些时间段内发生，如当患者佩戴激活的CGM传感器时，这可能会例如每个月或每3个月持续一周或十天发生。
在一些实例中，可以基于第一类型的数据(例如，血糖仪数据或活动数据)来确定实施第二类型的数据收集(例如，间歇性CGM数据收集)或收集参数(例如，用于间歇性收集的周期性)的需要或期望。在一些实例中，间歇性收集的关系或方面可用于确定不同监测技术的收集参数。例如，CGM数据可用于确定一个或多个血糖仪测试的时间或时间表。在另一个实例中，血糖仪测试结果或活动数据可用于确定CGM监测方案(例如，间歇性CGM数据收集的时间表或将在CGM监测中使用的多个传感器)。在一些实例中，可以部分地基于CGM信息(如间歇性CGM监测)来确定(或评估或重新确定)口服药物治疗或注射胰岛素治疗(例如，基础胰岛素)。虽然CGM信息在本说明书中作为实例被引用，但所描述的实例也适用于其它类型的分析物(例如，对连续葡萄糖监测的引用通常适用于连续分析物监测)。
概述
当被及时告知关于患者的信息时，患者管理可能更有效。例如，生理信息、环境信息或行为信息可用于确定对患者的指导(例如，饮食或锻炼指导)或治疗(例如，口服药物方案)或确定对患者管理方案的改变或改进。患有血糖控制状况(如2型糖尿病)的患者可能尤其受益于使用及时信息的患者管理方案。一些监测系统或装置(如连续葡萄糖监测器)可以提供关于患者的葡萄糖控制状况(例如，高葡萄糖浓度水平、正常水平或低水平)的强信号，但由于费用(例如，CGM传感器和监测的费用)或患者的负担(例如，需要在身体上佩戴和管理CGM)，可能不希望连续使用此类系统。其它系统和装置(例如，可佩戴活动监测器、智能手表、智能手机)可能负担更轻或更便宜，但往往提供与血糖水平的直接关系更弱的信息。例如，活动往往有助于控制血糖水平，但仅根据活动信息无法轻易推断出实际的血糖浓度水平，并且活动对血糖的影响可能因患者或患者类型(例如，在群体中的亚组之间)而有很大差异。
为了平衡成本和对关于葡萄糖管理的准确信息的需要，可以在一个或多个重叠时间段内收集不同类型的患者数据，这可以允许基于不同类型的数据之间的关系来确定患者管理信息。当一种类型的数据不可用时，这种关系可用于指导患者管理。例如，可以在重叠时间段期间使用连续葡萄糖监测器和活动监测器，并且可以从CGM和活动数据中获知葡萄糖浓度水平信息和活动信息之间的关系。在一些实例中，可以指示用户连续地(例如，每天的至少一部分)佩戴活动传感器(例如，手表)，并且可以指示用户在限定的时间段内(例如，两周的试验期)或连续(例如，每三个月一次为期两周的会话)佩戴连续葡萄糖传感器(例如，手表)。数据可由系统(例如，使用移动装置和服务器)收集并分析以确定葡萄糖水平和活动之间的关系。在各个实例中，活动可以与葡萄糖浓度水平或范围相关，或者可以与对葡萄糖浓度的影响(例如，特定量的活动导致对葡萄糖的确定影响，由于在较高葡萄糖水平下较低的胰岛素敏感性(即，胰岛素抵抗)，所述影响可能会因葡萄糖水平而异)相关或可以与葡萄糖水平趋势(例如，与活动的量、强度或类型相关的葡萄糖水平的变化率)相关，其中任何一个都可以用于推断估计的葡萄糖浓度水平(例如，120mg/dL)、范围(例如，120-160mg/dL)、状态(例如，超出目标范围或在范围内)或葡萄糖水平管理的其它估计。可以将这些葡萄糖估计中的一个或多个，或基于估计的信息(例如，一天中的范围内时间)递送给患者，在各个实例中，所述递送可以实时或按需发生，或经常发生(例如，每小时、每天、每周、每天三次，或饭前或饭后)。
为了便于确定数据类型之间的关系，可以将不同类型的数据(例如，CGM数据和活动数据)与以下一项或多项相关联：时间(例如，允许将CGM数据与相应的活动数据进行匹配)、位置、日期、患者输入数据(例如，膳食或活动)或其它信息。与时间、位置、日期、患者输入数据或其它信息的相关性也可用于确定数据类型之间的关系。
在一些实例中，收集的传感器数据可以与基于群体的数据(如性别、年龄、位置、种族、工作类型、A1C、BMI、体重或其它人口统计学信息)结合使用，以确定葡萄糖控制估计(例如，估计的葡萄糖水平、范围或状态)。在一些实例中，系统可以建立由葡萄糖分布行为分割的群体队列，并且与特定队列匹配的用户可以接收统计反馈。基于这种类型的群体信息，可以使用葡萄糖估计来确定基于群体的指导，所述指导可以被递送(例如，呈现在智能装置上)给患者。例如，患者可能收到以下指导：“估计有70％的像您这样的人在这个时间点不在范围内。有没有考虑出去走走？”
在一些实例中，可以开发模型(例如，从收集的数据中获知)，并且可以在模型中反映关系。例如，可以通过向模型应用一个或多个输入(例如，活动)来确定状态，如葡萄糖状态。
虽然特定类型的患者管理信息(例如，CGM和活动数据)可能是出于解释目的的特定实例的主题，但应理解，本文中的技术和方法以及系统可以应用于其它不同类型的信息，如不同类型的监测分析物(除葡萄糖外)，或不同类型的生理信息(例如，心率、呼吸、皮肤电响应或其它皮肤质量、血酮、尿酮、氧浓度)或环境信息的类型(例如，位置、环境、温度)，并且当一种或多种类型的信息不可用时，两种或更多类型的信息之间的关系可用于确定关于患者的健康(例如，糖尿病)信息。
示例系统
图1是示例系统100的图示，所述示例系统可以包含装置的各个传感器系统。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状况或其它健康状况，数据驱动的患者管理或分析物监测对其可能是有用的。
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可以是完全可植入的，或者分析物传感器可以在身体上(例如，在身体上但是不能在皮肤下)佩戴，或者分析物传感器可以是经皮装置(例如，传感器驻留在宿主的皮服下或皮肤中)。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和传感器电子件106作为单独的部件或模块。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、用于将传感器附接到宿主的部件(例如，粘合垫)或被配置成接收另一部件的安装结构。所述系统还可以包含传感器电子封装，所述传感器电子封装可以包含图2所示的传感器电子件106中的一些或全部。传感器电子封装可以重复使用。
分析物传感器可以使用任何已知方法，包含侵入性、微创或非侵入性传感技术(例如，光激发荧光、微针、葡萄糖的透皮监测)，来提供指示宿主体内分析物浓度的数据流。所述数据流可以是原始数据信号，其可被转换成经校准和/或经过滤的用于向用户(如是患者或护理人员(例如，父母、亲属、监护人、教师、医生、护士或对宿主的健康感兴趣的任何其它个人))提供有用的分析物值(估计的血糖浓度水平)。
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、分光光度法、偏光、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，如美国专利6,001,067和美国专利公开第US-2005-0027463-A1号所描述的。在一些实例中，分析物传感器10可以是经皮葡萄糖传感器，如美国专利公开第US-2006-0020187-A1号所描述的。在一些实例中，分析物传感器10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号中所述。在一些实例中，举例来说，连续式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。在一些实例中，举例来说，分析物传感器10可以是包含皮下传感器的连续葡萄糖传感器，如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。在一些实例中，举例来说，连续式葡萄糖传感器可以包含可再填充的皮下传感器，如Colvin等人的美国专利6,512,939中所描述的。举例来说，连续式葡萄糖传感器可以包含血管内传感器，如Schulman等人的美国专利6,477,395所描述的。举例来说，连续式葡萄糖传感器可以包含血管内传感器，如Mastrototaro等人的美国专利6,424,847所描述的。
系统100还可以包含第二医疗装置108，其可以例如是或包含可佩戴监测器或药物递送装置。例如，第二医疗装置108可以是或包含药物递送装置，如胰岛素泵、胰岛素笔或类似装置。在一些实例中，医疗装置108可以是或包含传感器、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(例如用于捕捉环境声音或体内的声音，如呼吸)或其它分析物传感器。在一些实例中，医疗装置108可以是可佩戴的，例如在手表、眼镜、隐形眼镜、贴片、腕带、脚腕带或其它可佩戴物品上，或者可以被结合到手持式装置(例如，智能手机)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以下一项或多项：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)、皮肤电响应、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，分析物传感器系统可以被配置成使用通过射频(例如，蓝牙、蓝牙低能耗(LE)、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)或有线连接(例如，串行、并行等)进行通信。
系统100还可以包含可佩戴传感器130，所述可佩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)和通信电路，所述通信电路可以例如是近场通信(NFC)电路。在一些实例中，可以使用如智能电话等用户装置132从可佩戴传感器130中检索来自可佩戴传感器130的信息，所述用户装置被配置成当用户装置132放置在可佩戴传感器130附近时，通过NFC与可佩戴传感器130进行通信(例如，在传感器上滑动用户装置132使用NFC从可佩戴传感器中检索传感器数据)。NFC通信的使用可以减少可佩戴传感器造成的功耗，这可以减小可佩戴传感器中的电源(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，可佩戴传感器130可以如所示的可佩戴在上臂上。在一些实例中，可佩戴传感器134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)，这可以例如促进检测心率、呼吸或姿势。可佩戴传感器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、可佩戴装置120和另外的传感器130中的一个或多个可以通过有线或无线(例如，蓝牙、蓝牙LE、MICS、NFC或上文所讨论的其它选项中的任何选项)彼此进行通信。另外的传感器130可以是上文关于医疗装置108所讨论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出于图示和讨论的目的而提供，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、平板电脑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、可佩戴装置(如可佩戴装置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)125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。
可佩戴装置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，基于声学或电极的传感器)、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以下一项或多项：分析物传感器系统102、网络124、一个或多个服务器系统126、125、127、医疗装置108或上述外围装置中的任何外围装置。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，第一服务器系统125可以用于从分析物传感器系统102和/或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、模型或基于它们的信息传送回系统100中的装置中的一个或多个装置。所述系统可以包含一个或多个另外的服务器126、127。例如，第一服务器系统125可以处理(例如，接收或存储或发送)CGM数据，并且第二服务器系统126可以容纳一般患者信息或医疗数据(例如，保险信息)。第一服务器系统125或第二服务器系统126可以包含决策支持系统，所述决策支持系统可以例如使用本文描述的各种技术中的任何一种技术确定对患者的指导、确定估计的血糖水平(例如，基于替代数据)或可以确定其它信息(例如，与其它类型的信息的相关性)。指导、葡萄糖浓度水平或其它信息可以通过网络124传输并递送至患者或看护者装置，如手持式装置112或平板电脑114。在一些实例中，CGM信息可以递送至患者装置(如手持式装置112)并与看护者或家庭成员的装置共享。在美国专利申请号15/632,181中提供了关于分析物测量的远程监测的信息，所述专利申请作为美国公开号20170293732A1公开，并通过引用并入。
系统100还可以包含第三服务器系统127，所述第三服务器系统可以接收或存储第二类型的患者信息或来自另一来源的信息，如来自可佩戴传感器的传感器数据。在各个实例中，可以组合服务器125、126、127中的两个或更多个服务器，或者可以组合所有三个服务器，或者操作可以在服务器之间以不同的方式分布，或者可以将子任务委派给另外的服务器或其它资源。在一些实例中，如可佩戴装置120或手持式装置112等智能装置可以运行收集、处理或传输(例如，到服务器或另一智能装置)两种类型的数据(例如，高保真数据和低保真数据，或CGM数据和活动数据)的单个应用程序。在另一个实例中，智能装置可以运行两个单独的应用程序，每个应用程序收集、处理或传输一种类型的数据。在一些实例中，智能装置可以运行单独的应用程序来收集数据，并且一个应用程序可以从其它应用程序接收数据(例如，CGM应用程序可以接收由活动应用程序收集的活动信息)。关于应用程序间通信的信息描述于美国专利申请号15/474,886、美国公开号20170286194A1中，所述专利通过引用并入。
在一些实例中，一个智能装置可以从另一个智能装置收集信息，例如，手持式装置112可以从可佩戴装置120收集活动信息。在一些实例中，数据类型之间的相关性(下文进一步描述)可以由智能装置、或由服务器(例如，服务器125)、或两者或其组合来确定。
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部件的示意性图示。在一个实例中，系统可以包含传感器电子件106和基座290。尽管示出了在基座与传感器电子件之间的部件划分的具体实例，但是应当理解，一些实例可以包含在基座290中或在传感器电子件106中的另外的部件，并且传感器电子件106中所示的部件中的一些部件可以可替代地或另外地(例如，冗余地)提供在基座中。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，基座可以是可更换的，并且传感器电子件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。
传感器电子件106可以包含电子部件，所述电子部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。传感器电子件106可以例如包含与测量、处理、存储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。电子部件可以固定到印刷电路板(PCB)等，且可采用多种形式。例如，电子部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，传感器电子件106可以包含恒电位仪202，所述恒电位仪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来反复地获得分析物传感器读数，例如，通过连续或循环地跨传感器电极放置电压偏置并测量指示分析物浓度的电流。传感器电子件还可以包含处理器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，解释来自传感器的信号或补偿环境因素。处理器还可以将信息保存在数据存储存储器210中或从数据存储装置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。
传感器电子件106还可以包含传感器212，所述传感器可以耦接到处理器。传感器212可以例如是温度传感器或加速度计。传感器电子件106还可以包含如电容器或电池214等电源，其可以被集成到传感器电子件中，或者可以是可移动的，或者是单独电子封装的一部分。电池214(或其它蓄电部件，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进行充电。充电系统可以捕集能量或可以从外部源或车载源接收能量。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从可更换电池(例如，被提供有基座部件的电池)提供的电力来对可再充电电池进行再充电。
传感器电子件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，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可以例如是可佩戴装置(例如，活动监测器)，如可佩戴装置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)、平板电脑114、智能笔116或专用计算机118。
外围装置250可以包含用户界面252、存储器电路254、处理器256、无线通信电路258、传感器260、电源262(例如，电池或电容器)或其任何组合。外围装置可以不必包含图2所示的部件中的所有部件。外围装置250的用户界面252可以例如包含可以从用户接收信息(例如，葡萄糖值)或向用户递送信息(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(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界面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。无线电路通信电路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无线协议(如蓝牙、MICS或上文所讨论的其它选项中的任何选项)进行通信。传感器260可以例如包含加速度计(例如，在如手表等活动监测器中)、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、呼吸传感器或另一种生理传感器。装置可以包含多个不同类型的传感器。
外围装置250可以被配置成接收和显示可以由传感器电子件106传输的传感器信息(例如，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，“高葡萄糖水平”、“低葡萄糖水平”或“下降率警报”)可以通过用户界面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件模块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可以传输已经被处理过的数据(例如，可以通过处理原始传感器数据来确定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件106接收信息，或者可以通过网络(例如，通过从传感器电子件或从通信耦接到传感器电子件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可以包含用户界面272、存储器电路274、处理器276、无线通信电路278、传感器280、治疗电路282或其任何组合。在一些实例中，医疗装置270可能不包含图2所示的部件中的所有部件。例如，医疗装置可能不包含用户界面272，或者可能不包含治疗电路282，或者可能不包含传感器280。
用户界面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界面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)等无线协议进行通信。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、呼吸传感器或另一种生理传感器。即使在图2的实例中仅示出了一个传感器，医疗装置270可以包含两个或更多个传感器(或存储器或其它部件)。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)或任何其它生理传感器装置(例如，可佩戴装置120)、治疗装置或其组合。在各个实例中，医疗装置270可以是图1所示的医疗装置108、外围装置122、可佩戴装置120、可佩戴传感器130、可佩戴传感器134或可佩戴传感器136。在医疗装置270是胰岛素泵的实例中，泵和分析物传感器系统可以双向通信(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，分析物系统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的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追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。因为不同显示装置可以提供许多不同的用户界面，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)125中继(即，共享)给其它装置。
图3示出了表格301，所述表格示出了示例患者状态305、生理状况310和示例治疗315。所述表格被布置成反映患者从正常状态到糖尿病前期并最终进入糖尿病状态(例如，2型糖尿病)的典型进展，这可能会持续数天、数周、数月或数年发生，具体取决于情况。表格中的状态、状况和治疗的排列是出于解释的目的提供，并且可能对每个患者都不同。在一些患者中，胰岛素抵抗或胰腺β细胞产生的胰岛素不足可能会导致患者进展为糖尿病前期并最终进展为2型糖尿病。2型糖尿病和高血糖水平与心肌梗塞、中风、血管问题和死亡率的风险有关。
处于正常状态的患者可能没有需要管理的有问题的生理状况，因此可能不需要治疗。患者可能由于多种因素(如年龄、饮食、生活方式、怀孕、遗传因素或其它因素)中的一种或多种而变得胰岛素抵抗。
随着患者变得胰岛素抵抗，患者可能开始经历高于正常的胰岛素循环水平，这被称为“高胰岛素血症”。为了管理高胰岛素血症和胰岛素抵抗，患者可以开始患者管理方案，所述方案可以包含饮食和锻炼调整，如消耗更少的卡路里或更少的碳水化合物(特别是单糖和其它可能被身体迅速加工成葡萄糖的碳水化合物)和增加活动或锻炼的量。
随着患者病情恶化，患者可能会出现高于正常的血糖浓度水平，这被称为“高血糖症”。例如，患者最初可能会出现餐后高血糖症，即餐后血糖水平飙升至高于正常水平，然后随着餐后时间的推移而回落。高于正常水平但不足以触发2型糖尿病诊断的葡萄糖水平可能被称为“葡萄糖耐量受损”。对患者继续调整饮食和锻炼以解决餐后血糖或葡萄糖耐量受损，并且还可能给患者开口服药物。例如，口服药物可以刺激胰腺β细胞产生胰岛素(例如，磺脲类或美格列脲(meglitinides)类)、减少肝脏产生的葡萄糖(例如，双胍类)、改善循环性胰岛素的运作(例如，噻唑啉二酮)、重吸收肾脏中的葡萄糖(例如，SGLT2抑制剂)、阻止肠道中淀粉的分解(例如，α-葡萄糖苷酶抑制剂)或阻止降糖化合物的分解(例如，DPP-4抑制剂)。其它口服药物和互补或兼容药物的组合也是可能的治疗方法。
葡萄糖耐量受损可以进展为空腹葡萄糖受损，其中患者不仅在餐后不久而且在空腹时可能具有异常高的葡萄糖浓度水平(“空腹高血糖症”)。例如，空腹血糖水平超过100mg/dL可能被认为是糖尿病前期。可以对患者继续饮食和锻炼治疗以及口服药物治疗。也可能给患者开胰岛素，以试图降低葡萄糖水平。
关于患者的信息也可以用于帮助管理患者的状况。例如，传感器数据，如活动数据或生理数据(例如，心率或呼吸)可用于为患者制定有关其健康管理的指导。关于患者的信息可以是特定生理类型的(例如，葡萄糖信息、心率信息、呼吸信息、脉搏信息等)。
尽管努力控制葡萄糖或胰岛素水平，但一些患者的状况可能继续下降，并且这些患者可能最终发展为2型糖尿病。例如，当空腹(过夜)葡萄糖水平为126mg/dL或更高时，患者可能被认为患有2型糖尿病。一些患者可能会进一步发展为糖尿病，血糖水平持续升高，这往往会增加心血管疾病、血管问题或中风等并发症的风险。
为了帮助管理葡萄糖水平、糖尿病前期或2型糖尿病，患者可能受益于使用生理传感器(如连续葡萄糖监测器)的监测。在一些实例中，来自其它来源的信息，如来自活动传感器或血糖仪的数据或数据模式，可用于确定是否开始使用生理传感器，如连续葡萄糖监测器。
在一些实例中，连续葡萄糖监测器(或其它生理传感器)可用于试验期(例如，3天、7天、10天、14天、30天或3个月)。在一些示例中，可以从试用期获知关于葡萄糖水平管理的信息。从试验期获知的信息可以随后任选地结合其它信息，如活动、位置、心率、用户输入信息或其它葡萄糖信息(例如，单点葡萄糖数据(如血糖仪数据)、来自启用NFC的传感器的葡萄糖数据、光学葡萄糖数据或用另一种技术收集的葡萄糖信息)被应用，以更好地管理患者的状况。例如，可以在试验期间获知患者的活动或行为(根据活动、位置、心率或用户输入信息或其它信息推断)与患者葡萄糖浓度水平的关系，并且可以稍后使用所述关系来确定对患者的指导。
在一些情况下，可以间歇地使用连续葡萄糖监测器。例如，可以使用连续葡萄糖监测器按照指定的时间表(例如，每季度月或每年指定的天数、周数或一系列天数(例如，10天))从患者收集葡萄糖浓度水平。间歇性收集的CGM信息可用于主动管理葡萄糖水平(例如，实时)，或可用于更新或细化所获知的来自CGM的估计的葡萄糖水平与其它信息(如活动)之间的关系。
图4是从低保真数据收集技术进展到高保真数据收集技术的方法401的流程图。在405处，收集低保真数据。低保真数据可以提供与健康状况的管理相关的信息，如糖尿病健康(例如，葡萄糖浓度水平的控制)。在一些实例中，低保真数据可以提供与糖尿病健康间接相关的信息。例如，低保真数据可以是活动数据(例如，来自智能手表或其它可佩戴传感器)，其可以指示患者的锻炼量或运动量。活动数据在活动水平方面可能是准确的，但从葡萄糖管理或糖尿病状况管理的角度来看，活动数据无法提供关于患者状况的高度精确度，因此可能被认为是低保真度的，例如因为与高保真数据相比，低保真数据与葡萄糖控制间接相关或与葡萄糖水平的相关性相对较弱。低保真数据可以另外地或可替代地包含位置、用户输入或其它生理数据(例如，心率或呼吸)。在一些实例中，低保真数据可以是葡萄糖浓度数据，如单点葡萄糖数据(例如，血糖仪数据)、来自启用NFC的传感器的葡萄糖数据、光学葡萄糖数据或使用其它技术收集的葡萄糖信息。低保真数据还可以包含测试结果，如空腹葡萄糖水平或血红蛋白A1C。低保真数据可用于进行糖尿病健康评估或为患者提供指导以改善或控制患者的糖尿病健康状况。
还可以在低保真数据收集期间收集另外的信息。例如，系统可以收集关于使用活动追踪器、食物追踪器或血糖自我监测的信息。还可以收集患者参与，如参与度或在辅导或目标设定计划中的成功。还可以收集偏好信息，如查看和检查健康数据的优选方法(例如应用程序查看、聊天和辅导电话的类型和时机，或学习风格(例如检查模式对比实时追踪和交互)、或优选的图形风格(例如，分析用户界面屏幕视图以获取特定类型的详细信息的实例，或定性偏好对比定量查看)、或通信风格(短消息对比视频或阅读)或优选的健康度量(例如步数、锻炼记录(exercise streaks)、每日碳水化合物、当前应用程序配置)。还可以确定一个或多个目标(例如膳食选择、锻炼、基础或药物滴定或低/高血糖避免)。还可以确定患者的风险度量，例如，基于人口统计学、医疗记录、平均或空腹葡萄糖水平或餐后葡萄糖偏移特性。在一些实例中，至少部分地基于具有相似起始情况、目标或特性的先前受试者队列，为患者分配目标或风险度量。
在410处，可以收集高保真数据。在高保真数据收集期间，可能会暂停低保真数据收集，或者可以收集低保真数据和高保真数据两者。高保真数据可以提供与患者健康状况的管理高度相关的信息。例如，高保真数据可以是来自连续葡萄糖监测器的数据。与低保真数据相比，高保真数据的收集可能更昂贵、更繁重或更具侵入性，因此可能有必要确定收集高保真数据的合理性。
在一个实例中，至少部分地基于低保真数据来确定需要高保真数据收集或以其它方式证明高保真数据收集的合理性。例如，低保真信息可用于通过过渡到间歇性或连续性高保真数据收集来确定或识别可能获得健康益处的受试者。这种确定可以基于，例如，如上所述的风险度量，或糖尿病或心血管风险的另一评估，或对可受益于高分辨率信息的葡萄糖浓度模式的识别(例如，餐后葡萄糖浓度升高的高分辨率数据，以及峰值、持续时间或葡萄糖偏移，可用于了解膳食的血糖负荷和血糖负荷)，或对具有显著餐间或每日间变化的受试者的识别(例如，高保真度(例如，CGM和活动)可以将葡萄糖模式与活动或睡眠模式相关联)。参与高保真监测的决定还可以基于对即将改变药物的受试者的识别，或在辅导计划中取得进展的受试者，或来自教练或其它医疗保健提供者的推荐。
在一些实例中，机器学习技术被用于至少部分地基于低保真数据来确定是否需要高保真数据收集或证明高保真数据收集的合理性。可以使用任何合适的机器学习技术，如例如监督学习模型、无监督学习模型和/或强化学习模型。
根据监督学习技术，使用一组标记的训练数据来训练模型。在此实例中，标记的训练数据可以包含多组低保真数据和指示每一组低保真数据是否证明高保真数据收集合理性的标签。训练有素的监督学习模型可以接收低保真数据并生成输出，所述输出指示接收到的低保真数据是否表明需要高保真数据收集或证明高保真数据收集的合理性。可以使用的示例监督学习模型包含分类算法，如逻辑回归算法、朴素贝叶斯分类器、支持向量机、决策树算法、提升树算法、随机森林算法、一些神经网络、最近邻算法等。
根据无监督学习技术，使用可能未被标记的低保真训练数据生成模型。该模型识别彼此相似的低保真数据的实例。然后，该模型可以用于识别与需要高保真数据收集或证明高保真数据收集合理性的低保真数据的先前实例类似的低保真数据。可以使用的无监督学习算法的实例包含聚类算法、异常检测算法、潜在变量模型和一些神经网络。
根据强化学习技术，强化学习模型可以提供有低保真数据，并且可以确定低保真数据是否证明高保真数据收集的合理性。强化学习模型可以提供有指示所述决定是否正确的反馈，并且可以使用所述反馈来改进其性能。可以使用的示例强化学习模型包含Q-学习算法、Sarsa算法、马尔可夫决策过程算法等。
启动高保真数据的收集的决定可以至少部分地基于来自佩戴在患者身上的活动传感器的信息的收集。例如，启动高保真数据的收集的决定可以基于活动条件的满足。例如，活动条件可以包含以下证据：患者表现出超过阈值的活动，或者患者在足够频繁的基础上周期性地参与某种锻炼(例如，散步、跑步或超过指定基线的活动)。在其它实例中，启动高保真数据收集的决定可以基于血糖仪数据(例如，对血糖条件的满足，如确定平均血糖水平超过阈值，或指定数量的葡萄糖读数超过阈值)或位置(例如，经常去锻炼设施或不健康的餐厅)。所述决定还可以基于两种或更多种类型的低保真数据的组合。例如，可以组合使用活动和血糖仪数据，或者可以组合使用活动和位置，或者可以组合使用血糖仪数据和位置。在一个实例中，确定(例如通过血糖仪确定的)血糖水平对辅助因素做出响应，所述辅助因素如活动(例如，活动降低血糖水平)或位置(例如，去公园或健身房后血糖水平下降或得到更好的控制，或者在去快餐店后血糖水平上升或控制得更少)。
高保真数据收集410的特性可以至少部分地基于低保真数据收集。例如，系统可以估计高保真监测的持续时间或时间表(例如，间歇期)，并且可以根据时间表启动所需供应品(例如，CGM传感器)的运送，或确定运送数量(例如，要运送多少个CGM传感器)。在一些实例中，可以至少部分地基于低保真数据预先配置高保真系统(例如，CGM系统)，以匹配受试者的需要。例如，可以选择或排列当前一个或多个健康目标的一个或多个优选度量，或者系统可以使用优选的或指定的信息(如增强的葡萄糖度量)自动重新配置辅导系统(例如，在智能装置(如手表)上运行的聊天机器人或其它辅导应用程序)。在一些实例中，系统可以将增强的葡萄糖度量(例如膳食度量)集成到一个或多个指定的(例如，查看最多的)应用程序屏幕或装置(例如手表上的显示器)。系统可以告知患者管理协助者(如人类教练或聊天机器人)与患者管理相关的信息(如高保真数据何时可用)或指定的度量，以针对受试者突出显示。系统还可以基于关于受试者的行为学习来确定指导或其它患者管理因素，如消息传递的时机和类型，如关于餐后回顾的信息的递送(例如，葡萄糖水平控制或失控的程度或性质)、锻炼益处、药物更改的改善或依从性，或进行信息收集时段。系统还可以基于低保真数据确定目标(例如，范围内时间的目标)。在方法401中可以采用上文或下文描述的任何指导实例。
图5是收集高保真数据和收集低保真数据的方法501的流程图。在505处，可以收集高保真。高保真数据可用于糖尿病健康评估或用于改善糖尿病健康(例如，获得对葡萄糖浓度水平或模式的更好控制)或两者。高保真数据可以是CGM数据，或上文或下文描述的高保真数据的任何其它实例。
在510处，可以收集低保真数据，用于糖尿病健康评估或糖尿病健康的改善(或两者)。低保真数据可以是活动数据，或上文或下文描述的低保真数据的任何其它实例。在一些实例中，低保真数据收集可以至少部分地基于高保真数据收集。在一些实例中，来自高保真数据收集的洞察可用于告知应用程序功能、图形和电话应用程序。例如，可以确定获得低保真数据(例如，使用仪表检查葡萄糖水平)的时间，例如，以捕获高或低葡萄糖浓度值。
在一些实例中，在515处，可以向患者递送指导以改善糖尿病健康。例如，可以教育或提醒受试者(例如，患者)锻炼或饮食选择的重要性，或者可以祝贺或以其它方式认可患者的成就，如锻炼目标或血糖控制条件(例如，保持指定范围内的葡萄糖水平)。患者指导可以部分地基于高保真数据。例如，可以告知患者葡萄糖水平在一天中的特定时间趋于升高或降低(例如，葡萄糖水平可能在早晨趋于升高)或特定事件发生前后趋于升高或降低(例如，葡萄糖水平可能会在餐后的某个时间达到峰值)，或趋于升高或降低一定量。
在一些实例中，高保真数据收集阶段可以个性化与患者的生理状况(如血糖健康)的管理相关的度量、指导或其它信息。例如，基于高保真监测的洞察力可用于告知应用程序功能、图形或智能装置应用程序。在一些实例中，健康概念(例如，受试者要采取的潜在指导或行动可以针对潜在的健康影响进行排序或量化，患者管理选项的列表可以形成为受试者的个性化列表，例如，通过确定对生理结果(例如，实现葡萄糖浓度范围、目标、范围内时间或A1C)的可量化益处的一个或多个估计。例如，可以至少部分地基于高保真数据来确定产生益处(例如，更好的葡萄糖控制)的一种或多种模式(例如，饮食选择、锻炼或活动、或睡眠)。在一些实例中，可以确定葡萄糖浓度水平和一种或多种生活方式因素(例如，活动(例如，步数)、进餐时机或食物选择)之间的相关性。
指导可以基于至少部分地从高保真数据确定的相关性，如血糖健康和另一个可测量的特征或模式之间的相关性。例如，指导可以基于锻炼和活动的量和强度与血糖改善的相关性(例如，显示多少分钟或多少步数将血糖降低20mg/dL)，或基于食物和饮食选择与血糖改善的相关性(例如，哪些食物会导致大的葡萄糖尖峰)。
在一些实例中，可以根据低保真数据和先前收集的高保真数据(例如，使用低保真数据和高保真数据之间的相关性)来确定葡萄糖度量、葡萄糖偏移(例如，与期望范围的偏差)或葡萄糖分布(例如，葡萄糖浓度模式)。
所描述的高保真数据的使用可以提高测量和/或利用低保真数据的装置的性能。例如，可以单独使用低保真数据来向用户提供通用指导，例如，通过将活动水平或其它低保真数据与通用指南或标准进行比较。如本文所述，将高保真数据与低保真数据结合使用可以允许装置提供针对个人用户量身定制的用户指导，因此更有可能提供有意义的结果，如实现葡萄糖浓度范围、目标、范围内时间或A1C。
图6是收集低保真数据和间歇收集的高保真数据的方法601的流程图。在605处，收集低保真数据。低保真数据可以是活动、血糖仪数据或上文或下文标识的任何低保真实例。
在610处，收集高保真数据。在收集高保真数据期间，可以继续收集低保真数据，也可以暂停收集低保真数据。优选地，在高保真度数据收集时段的至少一部分期间继续收集低保真数据，使得在重叠时段期间收集高保真度数据和低保真度数据两者。可以根据在重叠时段期间收集的数据来确定低保真数据和高保真数据之间的关系(例如，相关性)。例如，可以使用机器学习技术(如例如本文描述的技术)找到低保真数据和高保真数据之间的关系。
在随后的低保真数据收集期间，所述方法可以返回到低保真数据收集605，在所述低保真数据收集期间，可以基于低保真数据以及高保真数据和低保真数据之间的确定关系来确定对患者的指导。在一些实例中，在确定患者指导时，低保真数据可用作高保真数据的替代。所述过程可以在605处的低保真收集时段和610处的高保真收集时段之间循环，从而间歇地收集高保真数据。间歇性高保真数据可用于细化或更新(例如，重新校准)高保真数据和低保真数据之间的确定关系。在一些实例中，所述过程可以响应于检测到的或报告的健康变化(例如，葡萄糖浓度水平、体重、活动或新诊断的变化)返回到610处的高保真收集。在一些实例中，高保真数据是周期性地收集的(例如，每季度一次、每年一次等)。在收集到一组新的高保真数据时，可以更新低保真数据和高保真数据之间的关系或相关性，并修订患者指导。
图7是管理患者状况的方法701的流程图。在705处，从患者池中识别患者以进行筛选。例如，患者池可以包含在临床实践中、或在指定的保险池或计划中、或在地理位置、或在工作场所或其任何组合中的一组患者。例如，可以识别100、10,000或100,000名患者的池。
在710处，针对糖尿病或糖尿病风险因素评估患者的状况或健康史。例如，可以评估患者的体重、体重指数、家族史、遗传标记、处方史(例如，处方药)、病史(例如，2型糖尿病或其它代谢疾病的诊断，例如可以从电子健康记录代码或其它数据中确定)测试结果(例如，A1C、空腹葡萄糖水平、口服葡萄糖耐量)、其它代谢疾病或其它因素，以识别潜在的糖尿病、糖尿病前期或可能表明易患糖尿病的风险因素。也可以应用排除标准，如1型糖尿病诊断或强化胰岛素治疗的2型诊断。在一些实例中，所述筛选可以生成简单的是/否输出。在一些实例中，池中10％的患者的子集(例如，100,000名患者中的10,000名患者)可以被识别为参加增强型糖尿病管理计划的候选者。在其它实例中，可以提供更细粒度的输出，如分类为1型糖尿病、2型糖尿病、妊娠期糖尿病，或在疾病进展或血糖控制方面的2型糖尿病分类(例如，糖尿病前期、早期2型或完全2型)，或疾病进展的量化(例如，在0(正常葡萄糖耐量)到9(持续不受控制的低血糖症或高血糖症)的范围内)。
在715处，执行登记选择，以确定患者是否将参加糖尿病管理计划。登记选择可以例如响应于登记条件的满足而发生，登记条件的满足可以基于另外的筛选输入、对当前或先前药物的附加审查、糖尿病进展、先前治疗的有效性、预测的疾病进展、依从性或参与以前的健康促进计划(例如，锻炼或药物依从性)或上述任何因素(体重、BMI、家族史等)。在一些实例中，如果患者要继续当前的糖尿病管理计划，则可以基于未来的糖尿病风险或成本来确定评分或其它预测。另外地或可替代地，可以基于计算出的潜在益处或对增强型糖尿病计划的成功的预测来确定评分或其它预测。在一些实例中，可以基于潜在的健康风险或成本(或两者)和有效益处(例如，成本节约或对患者健康的影响)的组合来确定加权评分。基于上述评分或其它信息，登记选择可以针对在725处参加增强型糖尿病患者管理计划或在720处延续当前的糖尿病管理计划确定患者分配。705处的识别、710处的评估以及715处的登记选择可以通过一个或多个决策系统执行，如在计算机系统或移动装置(如图1和2中所示的一个或多个装置)上执行算法。如果没有针对720处的增强型糖尿病管理计划选择患者，则所述方法返回到从患者池中选择患者。
在725处，患者可以被登记在增强型糖尿病管理计划中。在一个实例中，糖尿病管理系统可以将患者登记在增强型糖尿病管理计划中，例如，响应于登记条件的满足。在730处，可以执行数据驱动的患者管理过程。例如，可以使用如活动(例如，使用可佩戴装置)、血糖仪数据、用户输入数据(例如，食物或饮料选择)、位置或生理数据(例如，心率或呼吸)等数据确定对患者生理状况管理的指导。由可佩戴装置测量的活动数据可以包含例如使用与所述可佩戴装置相关联的其它运动传感器的加速度计捕获的数据。例如，该指导可以就锻炼或饮食选择教育或提醒患者，或者可以祝贺或以其它方式认可患者的成就(例如，完成锻炼，或在指定的连续天数或一段时间内的指定天数(例如每周三次或每月10次)进行锻炼)，或祝贺或以其它方式承认积极的饮食选择(例如，选择健康膳食或限制热量摄入)。在一些实例中，增强型糖尿病管理可以包含低保真和高保真数据的收集和关联，如上面文参考图4、5或6描述的以及下文参考图8B和8C描述的。
在735处，做出关于数据驱动的患者管理的决定。例如，所述决定可以基于对糖尿病管理条件的满足。例如，糖尿病管理条件可以基于以下一项或多项：血糖(例如，通过血糖仪确定的)处于目标范围(例如，70-160mg/dL)的时间的量(例如，百分比)、血液中糖化血红蛋白或血红蛋白A1c的水平(例如，A1C测试结果)、其它诊断测试、BMI、体重或身体成分的变化(例如，体脂百分比)、心血管健康、或其它因素或诊断测试。例如，所述决定可以由被配置成根据收集的数据确定是否满足糖尿病管理条件的计算机系统做出。在一些实例中，计算机系统可以将数据输入应用于模型，该模型可以基于特定患者或群体。模型输出可以包含满意状态(例如，满意或不满意)或对未来健康状态的预测(例如，患者健康可能改善，或患者健康可能稳定，或患者健康可能恶化)。
如果满足糖尿病管理条件，则所述方法可以在730处返回到数据驱动的患者管理，并且系统可以继续先前的患者管理方案，或者可以实施改进(例如，更频繁的数据收集或更多激进指导)，这可以基于735处的确定或用于做出所述确定的信息。
如果在735处不满足糖尿病管理条件，则所述过程可以在740处进行到更强的患者管理方案。例如，所述过程可以开始收集或接收连续葡萄糖监测信息。例如，来自患者上的连续葡萄糖监测器的信息可用于确定患者指导。CGM数据可以与其它数据源结合以确定指导。在一些实例中，CGM驱动的患者管理方案可以使用间歇性CGM数据。例如，可以在第一时间段期间收集CGM数据，并且可以使用在第一时间段期间收集的数据(任选地与其它非CGM数据结合)来确定第二时间段对患者的指导，在所述二时间段中，CGM数据不可用。在一些实例中，CGM驱动的患者管理可以包含间歇性CGM使用的持续循环，如在每个指定时间段(例如，每月、每季度或每年中一周或十天或两周)执行指定次数的CGM数据收集。间歇性使用CGM可以降低管理患者的成本。例如，间歇性CGM使用可能比非间歇性(例如，连续)使用CGM便宜，因为间歇性CGM数据收集需要较少的传感器，并且仅需要通过CGM服务器进行的间歇性监测服务。与不使用CGM相比，通过提供有关患者葡萄糖浓度水平管理的额外见解并减缓或阻止进展为2型糖尿病，间歇性使用CGM还可以降低管理患者的成本，这可能会降低整体医疗保健费用并改善患者的结果(例如，改善健康)。
在一些实例中，在一段时间的CGM驱动的患者管理之后，所述过程可以在730处返回到数据驱动的患者管理，此时可以停止CGM数据的收集，并且可以基于非CGM信息管理患者。在CGM驱动的患者管理740期间收集的信息可用于在CGM数据不可用的数据驱动的患者管理730期间管理患者(例如，确定对患者的指导)。例如，CGM信息和非CGM信息之间的关系(例如，相关性)可用于根据非CGM数据推断估计的葡萄糖浓度水平或范围。
在各个实例中，所述过程中的所有步骤可以由患者管理系统执行，所述患者管理系统可以收集、存储和分析关于患者的数据。在一些实例中，数据驱动的患者管理730可以包含低保真数据的收集，并且患者管理740的第二阶段可以包含高保真数据的收集。虽然提供了CGM数据作为实例，但应当理解，也可以使用其它高保真数据源，并且除了或代替管理糖尿病或糖尿病前期状况，示例方法也可以适用于管理其它疾病。
图8A是第一个患者的管理过程801的流程图。在805处，选择患者1。在810处，例如通过计算机系统应用登记算法来做出登记决定，所述计算机系统可以使用如上所述的健康数据(例如，身高、体重、身体质量指数、血糖水平)。在815处，做出维持当前患者管理计划的决定，所述当前患者管理计划例如可以包含在定期检查时的周期性测试和指导的递送，而不在检查之间进行持续的数据收集。定期检查可以是医生的办公室访问，或者可以是基于已知或周期性(例如，每半年或每年)收集的关于患者的信息的电子检查。在一些实例中，患者1的管理中的每个步骤可以由患者管理系统进行，所述患者管理系统可以接收或收集关于患者的信息并基于患者数据做出一个或多个决定(例如，应用算法或应用数据到模型)。
图8B是第二个患者的管理的示例过程803的流程图。在830处，选择患者2进行评估。在835处，例如通过计算机系统应用登记算法来做出登记决定，所述计算机系统可以使用如上所述的健康数据(例如，身高、体重、身体质量指数、血糖水平)。在840处，患者2被登记在阶段1辅导方案中，其中例如可以基于低保真数据例如通过手持式装置或手表向患者提供指导。例如，如本文所述，聊天机器人功能可用于向患者提供指导。在845处，收集低保真数据，并且至少部分地基于低保真数据确定辅导或其它指导。在850处，进行治疗选择。治疗选择850可以至少部分地基于低保真数据。例如，治疗可以包含治疗的开始，如胰岛素递送(例如，通过智能胰岛素笔)或口服药物的开始。在一些实例中，治疗选择可以包含递送特定药物团注(例如，现在考虑注射胰岛素)或参与活动(例如，散步或跑步以降低您的葡萄糖水平)的指导。在855处，继续对患者2进行低保真监测和辅导。
图8C是第三个患者的管理的示例过程805的流程图。在860处，选择患者3进行评估。在865处，例如通过计算机系统应用登记算法来做出登记决定，所述计算机系统可以使用如上所述的健康数据(例如，身高、体重、身体质量指数、血糖水平)。在870处，患者3被登记在阶段1辅导方案中，其中可以例如通过手持式装置或手表向患者提供指导。在875处，收集患者3的低保真数据，并且至少部分地基于低保真数据确定对患者3的辅导或其它指导。可以通过手持式装置112向患者3提供辅导和/或其它指导，例如，利用聊天机器人、视频、动画或其它用户界面模式。在880处，进行治疗选择。治疗选择880可以至少部分地基于低保真数据。治疗选择可以是治疗的开始，如胰岛素注射计划或口服药物。在一些情况下，治疗选择可以是使患者参与第2阶段辅导方案的决定，所述决定可以至少部分地基于收集的关于患者的高保真数据(例如，CGM数据)。例如，可以将上文参考图4描述的因素或过程步骤应用于低保真监测875或治疗选择880。
在885处，患者可以被登记在阶段2辅导计划中。在890处，可以执行高保真监测。例如，可以接收或收集CGM数据。在一些实例中，可以分析高保真数据以确定数据是否满足用于关联或识别模式或一个或多个关联的条件(例如，统计度量)。在一些实例中，可以使用机器学习技术，如本文所述。在895处，可以执行低保真监测，并且可以向患者递送辅导或其它指导(例如，通过如智能手机或手表等用户装置上的界面)。在一些实例中，在895处的指导可以至少部分地基于在高保真数据收集期间收集的高保真数据(例如，CGM数据)或基于高保真数据和低保真数据之间的关系。
图9是用于使用主要监测技术和辅助监测技术监测患者的过程的流程图。主要技术可以包含接收或收集第一类型的数据(“主要数据”或“第一数据”)，辅助技术可以包含接收或收集第二类型的数据(“辅助数据”或“第二数据”)。例如，主要监测可以包含收集或接收关于患者的高保真信息，而辅助监测可以包含收集或接收关于患者的低保真信息。在患者是糖尿病患者的实例中，主要技术可以例如包含连续葡萄糖监测。例如，辅助技术可以包含接收或收集活动信息、位置信息、用户输入信息或葡萄糖浓度信息(例如，单点葡萄糖数据(如血糖仪数据)、来自启用NFC的传感器的葡萄糖数据、光学葡萄糖数据或用另一种技术收集的葡萄糖信息)。
在902处，执行主要监测以在主要监测时段期间收集第一类型的第一数据。在一些实例中，监测可以包含从传感器系统(如连续葡萄糖监测系统)接收第一数据。在一些实例中，监测可以包含从传感器电路接收传感器信号并且处理传感器信号以生成第一数据的至少一部分。
在904处，执行辅助监测以在辅助监测时段期间收集第二类型的第二数据。在重叠的时间段中，辅助监测时段可以与主要监测时段的全部或一部分重叠。在一些实例中，监测可以包含从第二传感器系统接收第二数据。在一些实例中，辅助监测可以包含从传感器接收传感器信号并且处理传感器信号以生成第二数据的至少一部分。
在一些实例中，辅助监测可以包含使用可佩戴健身追踪器监测活动。可佩戴健身追踪器可以包含例如可佩戴心率监测器、可佩戴活动监测器、智能手机、智能眼镜或智能手表。
在一些实例中，第二数据可以包含用户输入数据。例如，用户输入数据可以包含药物数据、膳食数据、锻炼数据、睡眠数据或其任何组合。
在一些实例中，第一数据可以包含估计的葡萄糖浓度水平，并且第二类型的数据可以包含一个或多个检测到的生理信号，如心率、氧浓度、肤色、皮肤上的水分含量、活动、活动模式、血酮浓度水平、尿酮浓度水平、呼吸。
在906处，确定第一数据和第二数据之间的相关性。相关性可以是正相关，也可以是负相关。例如，可以通过确定第一数据中的多个数据点和第二数据中对应于第一数据(例如，对应于相同的时间点，或用于在第二数据中的变化或事件之后识别第一数据中的变化的时移，或用于在第一数据中的变化或事件之后识别第二数据中的变化的时移)的多个数据点之间的模式或关系来确定相关性。在各个实例中，可以例如使用处理器和从存储器电路中的存储装置检索的数据来计算相关性。在一些实例中，可以使用处理器通过从存储器检索存储的数据并使用机器学习技术基于所述存储的数据中的至少一些数据来确定相关性。在一些实例中，确定相关性可以包含在重叠时间段内确定在一天中的相应时间和/或一周中的几天处获得的第一数据和第二数据之间的关系。例如，处理器可以根据存储的数据确定葡萄糖浓度水平趋向于高(例如，在早晨时间(例如，早上7-10点或醒来后的三个小时)期间超过150mg/dL)，但在患者清晨散步的日子里，葡萄糖浓度不会趋于高或趋于不高(例如，葡萄糖浓度低于126mg/DL)。
在一些实例中，相关性基于多种类型的辅助数据。例如，可以学习模型以确定活动、心率和估计的葡萄糖浓度水平之间的关系(例如，如使用CGM系统所确定的)。
在一些实例中，所述方法可以包含，在908处，使用相关性和主要数据确定治疗或监测方案。例如，辅助数据可以包含单点血糖监测(例如，血糖仪读数)，并且所述方法可以包含至少部分地基于主要数据计算时间窗口(例如，最佳窗口或推荐的窗口)，以进行单点葡萄糖测量。在一些实例中，获得一个或多个适时的单点葡萄糖测量结果可以允许准确确定测量结果之间的一个或多个估计的葡萄糖浓度水平(例如特定水平或范围)，例如，基于以下一项或多项：插值技术、确定的相关性、附加类型的辅助数据(例如，心率或活动)或其任何组合。在一些实例中，所述方法可以包含确定用于获得或使用非葡萄糖信息(如活动信息、心率信息或用户输入)的时间窗口。所述方法还可以包含提示用户(例如，患者)获得测量结果(例如，用血糖仪检查血糖)或连接传感器(例如，放在可佩戴活动监测器上)。可以通过智能装置(如手表或手持式装置)来递送所述提示。
在910处，所述过程可以包含辅助监测的附加时段。辅助监测910可以在主要监测没有发生的时间段期间发生。辅助监测可以包含在步骤908中确定的时间处获得单点葡萄糖测量结果(或其它传感器信息或用户输入)。
在912处，所述过程可以包含使用所确定的相关性(来自步骤906)和辅助数据(来自步骤908)来确定糖尿病信息。在各个实例中，糖尿病信息可以包含随后时间处的第一类型的数据的估计值、患者的状态或患者洞察力。患者的状态或患者洞察力可以例如与涉及饮食、锻炼、葡萄糖水平监测或药物的生活方式改变有关。在一些实例中，患者的状态或患者洞察力可以与进餐时间管理、锻炼管理或睡眠管理有关。
在一个实例中，当主要数据是估计的葡萄糖浓度水平(例如，来自CGM)时，可以基于辅助数据和估计的葡萄糖浓度水平之间的确定的(例如，获知的)关系根据辅助数据确定估计的葡萄糖浓度水平。在一个实例中，辅助数据是或包含生理信息(例如，活动数据、心率数据)或两者，并且估计的葡萄糖浓度水平或范围(实时或特定时间段的平均值)是使用所述确定的关系和所述生理信息确定的。
在一些实例中，所述方法可以包含间歇地监测第一类型的数据(例如，CGM数据)并在第一类型的数据不可用的一个或多个时间段期间使用第二数据(例如，活动或单点血糖，或两者)和相关性来确定糖尿病信息。例如，第一类型的监测902数据可以包含连续葡萄糖监测，并且第二类型的监测数据904可以包含使用可佩戴加速度计监测活动数据。可佩戴加速度计可以被配置成在没有发生连续葡萄糖监测时监测数据。
在914处，所述方法可以包含递送指导或治疗。例如，所述方法可以包含在如手持式装置、手表等患者装置的用户界面上或在可佩戴眼镜上的显示器上显示关于患者的糖尿病信息。显示糖尿病信息可以包含例如在用户界面上显示推荐的饮食改变或生活方式改变。
在一些实例中，所述方法可以包含在914处至少部分地基于所确定的糖尿病信息来施用治疗。治疗可以包含例如药物干预，如口服药物或通过泵递送的药物。
在一些实例中，所述方法可以包含在916处在第三时间段期间的主要监测。
在918处，可以至少部分地基于在916处在第三时间段期间主要监测期间收集的主要数据更新相关性。在一些实例中，辅助监测步骤910可以至少部分地延伸通过在第三时段916期间进行的主要监测，并且可以基于辅助监测910和主要监测916更新相关性。
在920处，所述方法可以包含在第四时间段期间的辅助监测920。所述方法可以返回到步骤912，并且可以使用更新的相关性(来自步骤918)和来自步骤920的辅助监测数据来确定糖尿病信息。所述过程可以在914处递送指导或治疗，在916处执行主要监测，在918处更新相关性，再次执行辅助监测920，并再次返回到步骤912，从而导致随着过程循环通过方法步骤而进行的间歇性主要监测。
在各个实例中，方法901中的任何步骤可以被省略或与其它步骤组合。例如，步骤912可以省略，或者可以与步骤910结合，或者步骤910可以发生在步骤912之后。
图10是确定糖尿病信息并向患者通知所述糖尿病信息的示例方法1001的流程图。方法1001可以在系统上执行，如图1中所示的系统100。在1002处，可以在第一时间段内从连续葡萄糖监测(CGM)系统接收估计的葡萄糖浓度水平。所述方法可以任选地包含使用CGM传感器检测估计的葡萄糖浓度水平。例如，第一时间段可以是数天(例如，7天、10天或14天)或数周(例如，四周或十周)。例如，患者可以被登记在CGM研究中，以收集有关患者对各种刺激(如口服药物、锻炼或活动)的响应的信息。
在1004处，可以在第一时间段内接收与患者有关的非CGM信息。所述方法可以任选地包含使用传感器检测非CGM信息。在一些实例中，非CGM信息可以包含活动信息、位置信息或用户输入数据。在一些实例中，非CGM信息可以包含关于患者的生理信息。生理信息可以例如包含以下一项或多项：心率、呼吸、氧浓度、肤色、皮肤上的水分含量、活动、活动模式、血酮、尿酮、呼吸或声学信息。
在1006处，确定估计的葡萄糖浓度水平和非CGM信息之间的关系。例如，可以计算非CGM信息和估计的葡萄糖浓度水平之间的相关性。在一些实例中，可以从收集的CGM和非CGM数据中获知模型，从而可以通过将非CGM数据应用于模型来根据非CGM数据确定估计的葡萄糖浓度水平。
在1008处，可以接收第二时间段内与所述患者有关的非CGM信息。第二时段可以是无法从CGM获得估计的葡萄糖浓度水平的时段。在1010处，可以基于所确定的关系和非CGM信息来确定第二时间段内关于患者的糖尿病信息。确定关于患者的糖尿病信息可以包含确定患者状态。确定患者状态可以包含将非CGM信息应用于模型。在一些实例中，确定糖尿病信息可以包含确定估计的葡萄糖浓度水平。例如，算法可以根据活动信息推断估计的葡萄糖浓度水平，所述活动信息被校准为处于个体水平(例如，基于关于患者的信息)或群体水平或两者(例如，使用预测学习模型)的葡萄糖浓度水平。
在一些实例中，确定糖尿病信息可以包含确定定性等级，如绿色、黄色、红色或“良好控制”、“中等控制”、“差控制”。
在一些实例中，确定糖尿病信息可以包含确定定量度量。例如，定量度量可以是在指定时间段期间葡萄糖浓度水平处于范围内的时间量或时间百分比的估计。在一些实例中，可能无法实时获得定量度量。例如，定量度量可以包含指定时间段(例如，一天或若干小时)的范围内时间，可以在一天结束时或间歇地(如例如，每小时、每天、每周等)报告所述范围内时间。
在1012处，系统可以以电子方式向患者通知糖尿病信息。例如，系统可以在手持式装置、智能手表、眼镜或其它可佩戴电子物品的显示器上呈现通知(例如，一个或多个单词或符号)，或者系统可以在此类装置的扬声器上呈现声音通知(例如，口头消息或声音)或触觉通知(例如，振动)。在使用声音通知的实例中，声音通知可以由实施的聊天机器人提供，如本文所述。在一些实例中，通知与糖尿病信息的严重性相关。考虑一个实例，其中非CGM信息指示低血糖状况。系统可能会呈现更严重的通知以指示紧急情况。例如，系统可以呈现高频或高持续时间的声音、以增加的节奏或音量呈现的口头消息和/或高持续时间和/或振幅的触觉通知。考虑另一个实例，其中非CGM信息指示正常或有利的血糖水平。系统可以呈现不太严重的通知，如例如较低频率或较低持续时间的声音、以降低的节奏或音量呈现的口头消息和/或较短持续时间和/或振幅的触觉通知。
系统可以通过例如管理由连续葡萄糖监测引起的成本，或使葡萄糖估计能够激励用户(例如，患者)采取措施来管理葡萄糖水平来改进患者管理。例如，通过举例关于示例方法1001所描述的方式利用低频和高频数据可以以降低的成本提供高保真数据收集的益处。例如，由于系统在低保真数据收集期间的性能可能与高保真数据收集期间的性能相当，因此可能没有必要经常执行成本较高的高保真数据收集。而且，可以例如以全时高保真数据收集为代价，改善患者的血糖控制。
图11是基于收集的传感器信息确定监测方案的示例方法的流程图，所述传感器信息可以例如指示关于患者的参与或行为的质量。例如，使用CGM感测的决定、CGM感测参数(例如，CGM感测的时间表或数量)、用户界面参数(例如，指导的类型或内容)或目标(例如，葡萄糖目标范围或A1C目标)可以基于活动数据或其它收集的信息来确定。
方法1101可以包含，在1102处，监测第一传感器输入以获得第一类型的第一数据。例如，方法1101可以包含在第一时间段内用低保真监测技术监测第一类型的患者数据。在各个实例中，低保真技术可以包含接收用户输入数据，如药物数据、膳食数据、锻炼或活动数据、睡眠数据或其任何组合。
第一传感器输入的监测可以包含例如活动监测、单点血糖监测(例如，使用血糖仪信息进行监测)、光学葡萄糖监测(例如，使用具有光学传感器的手表)或“盲法CGM”(例如，连续葡萄糖监测，其中不向患者呈现估计的葡萄糖水平，例如，葡萄糖水平被传输到服务器或存储在患者本地的CGM或装置的存储器中，以供稍后分析)。在一些实例中，监测第一传感器输入可以包含通过可佩戴健身追踪器(如可佩戴心率监测器、活动监测器、智能电话、智能眼镜或智能手表)进行的活动监测。
方法1101可以进一步包含在1104处基于监测的第一类型的患者数据评估患者参与或行为。例如，远程系统(例如，服务器执行算法)或本地系统(例如，手持式装置)可以根据用户界面上可用特征的复杂性或数量来评估用户的能力或偏好。与不那么老练或参与度低的用户相比，老练或高参与度的用户可能偏好更复杂或更全特征的界面。例如，可以基于与装置(例如，手持式装置或手表)交互的频率、交互的及时性、交互的相关性(例如，对警报的响应)、对指导的依从性(例如，响应于指导而参与锻炼)或与另一个应用程序的交互(例如，基于与健身追踪器应用程序的交互)来做出这种决定。
所述方法可以包含在1106处基于对患者参与或行为的评估来确定监测方案。例如，所述方法可以包含确定装置的硬件或软件功能。例如，硬件或软件功能可以对应于用户界面的操作。在一些实例中，所确定的功能可以包含简单或轻特征的界面，所述界面可以响应于(作为评估的一部分)识别低参与度患者或可能从不太复杂的交互中受益的患者而被应用。所确定的功能还可以包含相对复杂或全特征的界面，所述界面可以响应于对高度参与的用户或可能更喜欢更复杂界面(例如，包含更多特征或提供更多配置选项(如可编程警报或更频繁的指导)的界面)的用户(例如，老练用户)的识别而被应用。在一些实例中，用户界面可以另外地或可替代地至少部分地基于用户的年龄或出生日期(例如，年份)进行调整。例如，用户界面可以针对年长的用户使用更大的字体或用户界面元件(例如，按钮)或不同的呈现方案(例如，更高的对比度或指定的配色方案)。在一些实例中，用户界面可以提供视觉挑战来确定用户是否难以区分或选择用户界面元件，或者可以提示用户关于视敏度的信息，并且用户界面可以基于对挑战或提示的响应进行调整。
在一些实例中，所确定的硬件或软件功能可以涉及自动化辅导例程的频率(例如，装置与用户通信的频率)或内容(例如，与用户通信的主题)。例如，如果用户联系过于频繁，则用户可能会变得疲劳并可能会脱离。另一方面，如果用户联系不够频繁，则用户可能无法获得足够的指导来实现期望的结果。方法1101可以包含将患者行为与不同的接触频率相关联。
在一些实例中，确定监测方案可以包含确定患者的目标。所述方法可以包含确定与目标相关或为了促进目标的监测装置(例如，手持式装置或体戴装置)的硬件或软件功能。在各个实例中，目标可以包含饮食目标、锻炼目标、葡萄糖水平监测目标或药物目标。在一些实例中，监测装置的至少一个硬件或软件功能可以涉及进餐时间葡萄糖管理(例如，管理餐前、餐中或餐后或其任何组合的葡萄糖水平的策略，例如通过餐前或餐后锻炼或在餐前递送胰岛素(“团注前”策略)。在一些实例中，监测装置的至少一个硬件或软件功能可以涉及睡眠管理(例如，在睡眠期间控制葡萄糖水平或避免或尽量减少睡眠中断以解决葡萄糖水平问题的策略)。
在一些实例中，可以至少部分地基于第一传感器输入(例如，用低保真监测技术监测的数据)来确定患者的目标。
方法1101还可以进一步包含，在1108处，确定监测的量或频率。在一些实例中，可以至少部分地基于第一传感器输入(例如，基于由低保真监测技术收集的数据)来确定后续数据(例如，第二传感器输入或高保真数据)的量或频率。数据的量或频率可以包含数据点的量，或要使用的高保真传感器的数量(例如，按顺序或间歇地使用以收集CGM数据的CGM传感器的数量)，或数据收集事件之间的周期性(一致的或不规则的时段)。后续数据的量或频率也可以至少部分地基于指定的目标或结果。例如，可以计算数据的量或频率以增加或最大化患者参数，如葡萄糖浓度水平的指定范围内的时间量或时间百分比，或患者A1c水平。
方法1101可以包含在1110处根据所确定的监测方案监测第二传感器输入。例如，所述方法可以包含使用监测装置通过高保真监测技术在第二时间段内监测第二类型的患者数据。例如，高保真监测可以包含连续葡萄糖监测。
方法1101还可以包含，在1112处，例如通过图1中所示的系统100向患者提供指导。例如，所述系统可以基于患者档案数据或第一传感器输入提供从服务器传输到监测装置的自动化消息。在一些实例中，可以使用健身追踪器应用程序、膳食追踪应用程序或专用CGM或指导应用程序来提供指导。例如，应用程序可以递送(例如，显示)CGM数据、基于CGM数据的信息(例如，范围内时间)、对受试者的指导(例如，“考虑锻炼会话”)、预测的、估计的或测量的锻炼对葡萄糖控制的益处。在一些实例中，应用程序可以教育用户关于食物选择和由此产生的餐后葡萄糖控制(例如，偏移)，或者可以教育用户或量化锻炼和锻炼的降糖效果之间的关系。例如，应用程序可以指示：用户所选择的活动被估计为使用户的葡萄糖水平达到期望的值或范围(例如，“您最近的活动应使您的葡萄糖水平达到期望范围。”)。在另一个实例中，应用程序可以指示：建议的活动可能会使用户的葡萄糖水平达到期望的值或范围(例如，“我们估计跑步一小时将使您的血糖降低15mg/dl。”)。在一些实例中，可以通过如本文所述提供的聊天机器人功能来提供指导。
方法1101可以进一步包含，在1114处，检测患者参数的变化(例如，在特定时间或特定条件下葡萄糖浓度控制的改善，或A1C的改善)。可以在收集第一传感器输入的第一时间段和收集第二传感器输入的第二时间段之间测量该变化。检测到的变化可用于进一步影响监测装置的至少一种硬件或软件功能。在一些实例中，机器学习技术可用于将监测或指导方案的特征与患者参数的变化相关联。例如，积极变化可以与监测方案或指导的特定方面相关，并且可以修改监测装置的硬件或软件功能以强调与积极变化相关的方面。这种迭代变化可以提高监测系统在指导患者取得积极临床结果或实现管理目标方面的性能。(例如，更好地控制葡萄糖水平或降低A1c测试结果)。在一些实例中，增加或最大化的患者参数的指示可以显示在监测装置上。
可以重复所述方法，以为患者提供持续的指导。例如，在步骤1114之后，所述方法可以返回到步骤1102、1106或1110。在一些实例中，可以在每次或当重复所述方法时省略所述方法的一个或多个步骤。
在一些实例中，所述方法可以包含确定患者最终目标。患者最终目标可以至少部分地基于第一类型的患者数据或第二类型的患者数据或两者。所述方法可以进一步包含显示经计算以引起患者状态向患者最终目标转变的治疗推荐(例如，显示为指导)。
图12A是示例用户界面1202的图示，其可以呈现在如用户装置132等用户装置上，或者另外地或可替代地可以呈现在手持式智能装置(例如，智能电话)112、平板电脑114、计算机118、可佩戴装置120、外围医疗装置122或远程终端128上。
用户装置1202可以包含图表1204，其可以示出相对于时间轴1234绘制的葡萄糖浓度水平1236(例如，以mg/dL为单位测量)。用户界面1202还可以示出目标范围的上限1230和下限1232。在各个实例中，目标范围可以由用户(例如患者)设置，或者装置或系统(例如，图1中所示的手持式装置112或120)确定，或者可以由教练(例如、人类教练或计算机化的“聊天机器人”教练)提供。在所示实例中，上限设置为180mg/dL，下限设置为80mg/dL。在一些实例中，范围可以(例如，通过系统或默认)设置为70-160mg/dL，并且所述范围可以扩展(例如，到70-180mg/dL)或收缩为适合于特定患者，可以例如根据CGM或低保真数据或来自用户的输入的模式来确定所述范围。图表的放大视图示出在图12B中。在各个实例中，葡萄糖浓度水平可以是估计的血糖浓度水平(例如，GCM数据或基于其它数据计算的水平)，或者绘制的葡萄糖水平可以包含来自仪表的血糖水平。示例图表1204示出了24小时时间段(从12AM到第二天12AM)，但是，在各个其它实例中，图表可以示出更短的时间段(例如，1小时、3小时、6小时、或12小时)或更长的时间段(例如，2天、3天、1周、2周、1个月或3个月)。对于更长的时间段，绘制的值可以对应于一天或一周的平均值，或者图可以示出值或平均值的范围或分布(例如，示出高和低的条形图，和示出中位数或平均值的点或线)。虽然示出了葡萄糖浓度水平，但代替葡萄糖浓度水平或除了葡萄糖浓度水平之外，可以示出其它类型的分析物水平或其它类型的传感器数据(例如，在同一图表上或在不同的图表上)。
用户界面1202可以包含多个事件指示器，其可以示出生理事件、进餐事件、活动事件、药物事件。例如，用户界面1202示出凌晨4:30左右的葡萄糖事件1206，在该点葡萄糖浓度水平达到低点51mg/dL，具有由两个向下箭头指示的急剧下降趋势。在一些实例中，特别是在已知用户是胰岛素的重度用户的情况下，事件1206可以与智能装置(例如，可佩戴装置120或用户装置132)上的警报相对应，以激发用户消耗碳水化合物，从而避免潜在的低血糖问题。用户界面示出1:30PM左右的第二葡萄糖事件指示器1214，此时葡萄糖浓度水平适中(129mg/dL)并且趋势稳定(由横向箭头指示)。葡萄糖事件1214可以例如对应于用户指定的午餐后报告，或者可以发生在系统计算的时间(例如，中午或午餐后报告)。示例用户界面1202示出晚上7:30左右的第三葡萄糖指示器1222，此时葡萄糖浓度水平高(203mg/dL)并且呈快速上升趋势，如本实例中由两个向上箭头所示。在一些实例中，葡萄糖指示器可以被涂上阴影、着色或以其它方式可见地标识，以指示葡萄糖浓度水平是否满足葡萄糖管理条件，例如，葡萄糖浓度水平是否在指定范围内。
用户界面1202可以包含多个膳食指示器，例如，早餐指示器1208、午餐指示器1212和晚餐指示器1220。膳食指示器1208、1212、1220可以对应于用户的膳食。可以从用户输入(如智能手机输入)中识别用户膳食，所述智能手机输入指示膳食被消耗并且可以任选地包含关于膳食的信息，如膳食内容(例如，碳水化合物、蛋白质和脂肪，或食物类型，如“一片披萨和一杯牛奶”)。在一些实例中，还从其它类型的输入中识别用户膳食，所述其它类型的输入包含例如地理定位数据、运动数据等。例如，地理定位数据可以指示用户出现在用户的厨房、餐厅或在另一个准备和/或供应食物的地点。而且，例如，运动数据可以指示与进食一致的用户运动。这种运动可以包含，例如，用户重复地将用户的手移动到用户的嘴边。
用户界面1202还可以包含活动事件，如散步事件1216。在一些实例中，散步事件1216可以由系统至少部分地基于来自活动传感器(例如，来自可佩戴装置120)的活动数据或基于生理传感器(例如，心率传感器)或其组合确定。在一些实例中，散步事件1216可以至少部分地基于用户输入(例如，通过用户装置132的输入指示发生了散步)。
用户界面可以包含药物事件1224，其可以基于用户输入(例如，通过用户装置132接收的输入)或可以基于来自装置的感测或控制事件(例如，来自胰岛素注射装置上的事件传感器或从泵接收的药物信息)。
用户界面还可以包含指导意见。例如，用户界面可以包含陈述“您在过去三天中在1PM出现尖峰”的指导气泡1210和陈述“最好在睡前服用药物”的第二指导气泡1226。在一些实例中，在早上提供指导气泡，并且数据事件指示器随着时间的流逝而出现。当前瞻性地提供指导气泡1210、1226时，指导可以提示用户采取行动，例如，修改早餐内容或进行中午散步以解决1PM的反复出现的葡萄糖尖峰。在一些实例中，可以选择指导气泡1210、1226等来启动聊天机器人功能以向用户提供指导。
在一些实例中，用户界面可以包含游戏特征(例如，奖励或徽章)以促进用户参与。例如，用户界面1202可以呈现徽章1218，其可以示出静止或动画行走的人，并且还可以呈现“餐后散步技能已解锁！”的评论，以承认患者的活动行为。在一些实例中，奖励餐后散步技能的决定可以由系统(例如，通过网络124或用户装置132中的处理器连接的远程系统)做出。用户界面还可以包含药物徽章(Rx)1228，所述药物徽章可能会显示一条消息“药物优化技能已解锁”。在一些实例中，系统可以基于递送条件的满足来确定授予药物徽章1228，所述递送条件如在睡眠前的指定时间段内递送药物(这可以由活动传感器、姿势传感器、一个或多个生理传感器或其任何组合检测)。在一些实例中，机器学习技术可用于将游戏特征与患者结果(如血糖控制的期望水平)相关联。通过这种方式，系统可以安排游戏特征以改善患者结果，从而提高系统的有效性。
在一些实例中，用户界面可以提供葡萄糖水平的绘图以及平均葡萄糖水平的指示，用于实现特定的A1C值。图12C是包含目标A1C指示器1254的示例用户界面1250的图示。用户界面1250包含血糖随时间的绘图1252。目标A1C指示器1254指示与用户期望的A1C相对应的平均血糖。在图12C的实例中，A1C指示器1254位于154mg/dl的血糖水平，这对应于7.0的A1C。在一些实例中，目标A1C指示器(如实例1254)可用于其它用户界面(如本文所述的用户界面1202)中。而且，类似于用户界面1202，用户界面1202可以呈现在如用户装置132等用户装置上，或者另外地或可替代地可以呈现在手持式智能装置(例如，智能电话)112、平板电脑114、计算机118、可佩戴装置120、外围医疗装置122或远程终端128上。
图13是识别或选择可受益于增强型疾病管理计划的患者的方法的流程图，如用于管理2型糖尿病或其它高保真监测的间歇性CGM，或与高保真(例如，CGM)信息任选相关的低保真监测(例如，活动检测)。在一些实例中，所述方法可以包含确定是否有可能通过增强型监测来满足患者改善条件。例如，所述方法可以包含确定患者将从增强型监测方案中受益的估计的可能性。估计的可能性可以是计算值或百分比，如75％、90％或95％，其可以任选地由用户(例如，患者或健康系统管理员)配置。所述方法可以包含可测量的改善作为患者将受益(或已经受益)于增强型监测的指示器，如A1c的降低、A1c目标的实现(例如，A1c低于7.0)或葡萄糖变异性的降低或其任何组合。
在1302处，如系统125、126或127等系统可以筛选第一特性。例如，系统可以对参与者(例如，患者)池的存储数据执行第一筛选算法(例如，在处理器上)，以确定患有糖尿病或具有糖尿病风险因素的一组个体。所述方法可以采用如电子健康记录、II型糖尿病诊断代码、家族史、体重、BMI、代谢疾病史、验血结果、A1c、空腹葡萄糖水平、口服葡萄糖耐量、处方糖尿病药物或任何组合等因素。
在1304处，可以应用第一监测方案来获得所确定的一组个体的附加数据。例如，方法1301可以包含向所确定的组中的参与者提供第一套件。所述套件可以被构造和配置成使所确定的组中的参与者能够使用第一监测技术在第一持续时间内对其健康进行低保真监测并获得第一结果。信息可以由系统127或由另一个系统或装置从套件中的装置接收。
在各个实例中，低保真监测可以包含单点葡萄糖监测、心率监测、活动监测、盲法连续葡萄糖监测或其任何组合。
在1306处，系统(例如，系统127或用户装置132)可以筛选第二特性。例如，系统可以对所确定的组执行第二筛选算法以确定参与间歇性高保真监测的队列。第二筛选算法可以至少部分地基于使用第一监测方案获得的结果。在一些实例中，间歇性高保真监测可以包含连续葡萄糖监测。在一些实例中，筛选可以至少部分地基于坚持使用第一方案(例如，低保真监测技术)的因素(例如，用户是否遵守监测计划)。例如，确定使用高保真监测的因素可以是患者遵守低保真监测的指令或程序的程度，如佩戴活动监测器或根据指定的时间表进行血糖仪测量。
在1308处，可以应用第二监测方案。例如，方法1301可以包含向所确定的队列中的参与者提供第二套件。第二套件可以被构造和配置成使所确定的队列中的参与者能够使用第二监测技术在第二持续时间内对其健康执行高保真监测并获得第二结果。在一些实例中，第二套件可以包含连续葡萄糖监测器。可以基于获得的第一结果来构建和配置第二套件。例如，在第二监测方案是连续葡萄糖监测的实例中，可以基于获得的第一结果确定第二套件中提供的葡萄糖传感器的数量或类型(或两者)。在一些实例中，可以做出决定以包含使用第一通信技术(例如，NFC，必须由智能装置刷卡以提取葡萄糖数据)的多个第一类型的传感器，或被设计用于与远程发射器(例如，蓝牙)一起使用的多个第二类型的传感器，所述远程发射器可以在没有人为交互的情况下向无线装置(例如智，能手机)提供葡萄糖信息，或第一类型的传感器和第二类型的传感器的混合。
在1310处，所述方法可以包含提供指导。例如，所述方法可以包含在如手持式装置(例如，智能电话)等用户装置的显示器上呈现指导。在一些实例中，可以使用聊天机器人功能来提供指导，如本文所述。在一些实例中，所述方法可以包含在服务器和第一套件中的装置之间执行通信。例如，可以在第一次监测期间提供通信。通信可以向患者或护理人员提供指导(例如，关于采取降低葡萄糖水平的步骤的辅导信息，如锻炼，或关于葡萄糖控制的反馈，如指定时间段内估计的平均葡萄糖浓度或变异性或两者)。例如，指导可以包含糖尿病管理指导，其涉及与饮食或锻炼、葡萄糖水平监测或药物治疗或其任何组合相关的生活方式改变。在一些实例中，指导可以包含用于采用高保真监测的持续时间或时间表的指示，如一周、或十天、或每月一周。
所述方法可以任选地进一步包含向所确定的队列中的一个或多个参与者提供第三套件，所述一个或多个参与者至少部分地根据获得的第二结果确定。可以基于获得的第二结果来构建和配置第三套件。例如，第三套件可以包含一定数量的连续葡萄糖监测传感器，其中至少部分地基于获得的第二结果来确定传感器的数量或类型(或两者)。
虽然上文描述了从低保真到高保真的进程，但是所述方法可以可替代地包含从高保真到低保真的进程。例如，第一监测方案可以包含高保真监测(例如，使用CGM)，在1306对第二特性的筛选可以至少部分地基于来自高保真监测的信息，并且第二次监测可以包含低保真监测，如活动监测。
方法1300可以在专用系统中实施，所述专用系统可以包含硬件部件、软件部件或两者，如图22A、22B、22C和23中所示的系统2200。例如，患者数据可以从电子存储装置中检索，使用过程进行分析，例如，以确定可以从高保真监测中受益的患者，并且可以将电子指令发送到供应系统以启动将一个或多个传感套件递送给指定的患者或患者队列。
图14是使用间歇性高保真监测来管理与患者健康相关的参数的示例方法的流程图。在1402处，选择患者。例如，选择患者可以包含从可能受益于间歇性高保真监测的患者池中确定患者，所述可能性大于计算值。例如，患者池可以代表在临床实践中、或在指定的保险池或计划中、或在地理位置、或在工作场所或其任何组合中的一组患者。
在1404处，可以使用第一监测技术在第一持续时间(例如时间段)内监测患者，所述第一监测技术可以产生第一结果(或多组结果)。第一技术可以例如包含高保真监测(例如，使用CGM)或低保真监测(例如，使用血糖仪)。
在1406处，可以使用第二监测技术在第二持续时间内监测患者，所述第二监测技术可以产生第二结果(或多组结果)。在各个实例中，第一持续时间可以是第二持续时间的子集，或者可以与第二持续时间重叠。
在一些实例中，第一技术可以包含高保真监测，并且第二技术可以包含低保真监测，这可以至少部分地由高保真监测的结果来确定。在一些实例中，第一技术可以是单点葡萄糖监测或盲法连续葡萄糖监测(例如，连续葡萄糖监测，其中患者未接收到估计的葡萄糖浓度水平中的一些或全部)。在一些实例中，第一技术可以包含使用可佩戴健身追踪器(如心率监测器、活动监测器、智能电话、智能眼镜、或智能手表或其任何组合)进行的活动监测。在一些实例中，第二次监测，低保真技术可以包含接收用户输入数据，如药物数据、膳食数据、锻炼数据、睡眠数据或其任何组合。
在其它实例中，第二技术可以包含低保真监测，并且第一技术可以包含高保真监测，这可以至少部分地由高保真监测的结果来确定。
在1408处，可以基于第一结果和第二结果确定患者可以执行的动作。可以计算动作以增加满足管理条件的可能性。例如，可以计算动作以在大于预定信心度水平的信心度下将与患者健康相关的参数增加大于预定量。例如，可以计算动作以增加范围内时间，如估计的葡萄糖浓度水平处于指定范围内的量(例如，分钟或小时的百分比或数量)。在另一个实例中，可以计算动作以将血糖变异性改变(例如，增加或减少)指定量。
在1410处，可以递送指导。例如，可以在显示器上呈现指导。在各个实例中，指导可以涉及饮食、锻炼、葡萄糖水平监测或药物治疗。在一些实例中，指导可以指示患者在满足涉及饮食、锻炼、葡萄糖水平监测或药物治疗或其它健康相关事项的条件(例如，目标)方面的表现。递送指导可以包含在服务器和与患者相关联的装置之间执行通信。在一些实例中，递送指导可以包含向与患者相关联的装置递送聊天机器人功能。通信可以发生在第一时间段期间或第二时间段期间，或两者期间，或在第二时间段之后。在一些实例中，通信可以向患者提供辅导功能。
在一些实例中，递送指导可以包含显示(或以其它方式通过装置或系统通信)患者应采用高保真监测的优化的持续时间。
在一些实例中，所述方法可以包含将获得的第一结果和第二结果相关联，例如通过确定在一天中的相应时间、一周中的几天、位置或其它相关因素处获得的第一结果和第二结果之间的关系。所述方法可以进一步包含基于由低保真监测技术获得的给定时间的相关值在给定时间处计算高保真监测技术的估计值。在一些实例中，在1410处递送的指导可以基于高保真监测技术的估计值。在各个实例中，计算高保真监测技术的估计值或确定相关性可以至少部分地基于对应于患者的群体数据，或使用传感器收集的关于患者的生理或其它数据，或关于患者的用户输入，或其任何组合。
图15示出了方法1501的一个实例，其中可以在服务器上设置患者的用户账户，使得患者能够使用其移动装置上的应用程序自动登录，同时仅输入最少量的信息。
在步骤1502中，在向患者提供套件之前，在服务器上维护的数据库中代表患者建立患者账户。除了在患者账户中提供的其它内容(如患者姓名、出生数据(DOB)等)之外，患者账户还配备有移动装置的唯一标识符，所述标识符包含在待提供给患者的套件中。例如，标识符可以是移动装置的国际移动设备标识(IMEI)。如果使用的移动装置由用户提供并且不是套件的一部分，则可以分配不同的移动装置标识符并将其用作唯一标识符。
在步骤1504中，向患者提供套件，包含移动装置。在步骤1506中，用户启动应用程序，所述应用程序与服务器建立通信并自动发送移动装置的唯一标识符。应用程序还将发送患者信息，所述患者信息也已预先设置在患者记录中，所述患者记录用于将患者与移动装置相关联。例如，此信息可以包含以下中的一项或多项：患者的电子邮件地址、DOB、电话号码等。
在步骤1508中，服务器尝试将移动装置的唯一标识符和患者信息与存储在其数据库中的患者记录相匹配。如果匹配成功，则在步骤1510中，服务器向应用程序发送登录或以其它方式访问数据库中匹配的患者记录所需的凭证。然后在步骤1512中，应用程序使用所述凭证登录，以访问患者记录。
已经针对需要为其创建用户记录的新患者说明了上述自动登录过程。所述程序也可用于现有患者。例如，如果在步骤1504中并非向新患者提供套件，而是向现有患者提供新的发射器，则在步骤1502中，将新发送器的标识符输入到患者的现有记录，而不是创建新的患者账户。因此，以这种方式，图15中所示的过程允许新患者和现有患者以最少的努力自动登录并访问其患者账户记录。
应当注意，在一些情况下，在上文讨论的自动登录过程中采用的服务器的功能可以分布在多个服务器中，这些服务器可以由同一实体控制或不由同一实体控制。例如，在一个特定实例中，一个或多个服务器可以由装置制造商控制和操作，并且一个或多个另外的服务器可以由数据库提供商控制和操作。
图16是示例用户界面1600的图示，其可以例如呈现在如手持式装置112等智能装置的显示器上或呈现在可佩戴装置120的显示器上。用户界面1600可以包含趋势图1602，其可以示出针对当前一天的一部分的时间绘制的高保真数据(例如，CGM数据)。可以通过选择用户界面上的按钮(标记为“葡萄糖”)来访问图16中所示的用户界面屏幕。用户界面1600可以包含图例1604，所述图例提供关于绘图的解释性信息。时间选择器用户界面元件1610可以允许用户控制显示数据的时间段(例如，今天、昨天、两天前或整周)。用户界面1600还可以提供范围内时间图表1606，其可以例如示出在多个时间段(例如，如图所示，一周中的几天，或一天的某些部分，如早上、下午、晚上、深夜)处于范围内的时间百分比(如图所示)或时间量(例如，分钟或小时)。界面1600可以包含输入元件1608，所述输入元件允许用户选择如图16所示的基于百分比的显示或如图19所示的基于时间的显示1902。时间选择器用户界面元件1612可以接收用户输入以用于范围内时间图表，并且可以允许用户选择，例如，示出数据的特定周，或不同大小的时间段(例如，一天中部分时间、或数周或数月的范围内时间)。在一些实例中，两个趋势图可以同时示出，或者可滚动部分1614(由虚线表示)可以在显示屏上可见，并且除了趋势图之外或作为趋势图的替代，用户界面可以接收用户输入(例如，通过触摸屏)以滚动或缩放以示出范围内时间图。
在间歇性监测实例中，可以针对高保真收集的数据(例如，CGM数据)可用的时间段(例如，天数)呈现趋势图，并且可以针对低保真收集的数据可用(有或没有高保真数据)的时间段(例如，周)提供范围内时间图表。
图17是示例聊天用户界面1700的图示，所述界面可以例如呈现在手持式装置112的显示器上或呈现在可佩戴装置120的显示器上。可以通过选择聊天用户界面元件1702来访问聊天用户界面1700，所述元件可以在聊天窗口1704中启动与人类教练或聊天机器人教练的聊天会话。聊天用户界面1700还可以包含文本字段1706。文本字段1706可以包含指导消息，可以例如响应于高保真或低保真收集的数据而提供所述指导消息。聊天界面可以呈现来自教练的信息1708和来自用户的评论或问题1710。可以通过虚拟键盘(未示出)或使用麦克风和语音识别软件来接收来自用户的输入。例如，用户可能会问“我为什么要吃蔬菜”，而教练(例如，聊天机器人)可能会回答“蔬菜往往可以帮助您将葡萄糖控制在范围内，因为与面包或糖果等食物相比，蔬菜的简单碳水化合物较少。”在一些实例中，除了图17中所示的屏幕聊天之外或作为其替代，可以使用麦克风和扬声器进行聊天会话。
图18示出了在文本字段1802中具有图表的聊天界面1800。例如，图表可以是范围内时间图表(如图所示)，如在图18的文本字段中示出的基于百分比的图表，或图19中所示的用户界面1900中所示的文本字段中的基于时间的图表，或者图表可以是或趋势，如图16和21中所示。在另一个实例中，用户界面2000可以在文本字段2002中包含文本消息。用户和教练可以在聊天字段1804、1904、2004中交互，例如以询问或回答关于图表的问题。在具有空间限制的装置中，可以有利地通过麦克风和语音识别软件接收来自用户的输入，以避免对屏幕空间的需求与聊天字段1804、键盘(未示出)和文本字段1802的冲突。例如，审核员聊天功能(例如，使用麦克风和扬声器)可以通过选择图16所示界面中的聊天按钮1620来启动。在一些实例中，聊天会话可以由感测到的数据、关于患者的信息或其它聊天触发条件触发。例如，可以响应于满足趋势条件或范围条件的趋势触发聊天会话，这可以例如使患者或用户能够采取纠正措施(例如，参与如锻炼等活动或改变饮食选择或施用药物)。例如，聊天会话可能由快速上升或下降的估计的葡萄糖浓度水平触发，或可能趋向于远远超出范围，或在葡萄糖通常处于范围内的时间或情况下超出范围，或在超过指定时间段的时间内超出范围(例如，在12小时内超出范围)，或在指定时段的超过指定时间百分比的时间内超出范围(例如，在指定的一天或一周内超过60％)。
在一些实例中，图16-20中所示的用户界面1600、1700、1800、1900、2000可以基于关于用户的信息进行调整。例如，用户界面可以基于关于用户对界面的复杂性或使用的偏好或特征进行调整。在一些实例中，用户界面可以提供更少的选项、更大的显示或更简单的信息以适应对不太复杂的交互表现出倾向或偏好的用户。在一些实例中，用户界面可以基于用户的年龄或出生时间(例如，年份)进行调整。例如，可以向满足特定年龄条件(例如，超过60、65岁或70岁)的用户呈现具有指定外观方案(例如，配色方案或高对比度)或更大按钮或更大字体的用户界面。
图21是示例用户界面2000的图示。用户界面2000可以是横向模式视图(例如，宽度大于长度，这在手持式智能装置侧放时可能是有用的)。用户界面2000可以横向滚动以在当前显示的数据的左侧(即，更早)或右侧(即，更晚)的时间段内显示数据。例如，当用户触摸屏幕并向右滑动时，数据可能向右“滑动”，以显示晚上9点之前的时间的数据，并且响应于用户向左滑动，数据可能向左滑动，例如，显示4PM之后的时间的数据。用户界面2100还可以包含用户界面元件2102(例如，“立即查看”按钮)，并且响应于用户界面元件2102的用户选择，所述用户界面可以适当地刷新或向左或向右滑动，显以示当前时间的数据。可滑动的用户界面在辅导中可能是有用的，例如，用户可以从教练接收指令以查看特定时间或事件(例如晚餐)的数据，并且随后接收选择用户界面元件2102以返回到当前数据的指令。
图22A是示例系统的图示，在所述示例系统中可以使用或应用本文描述的各个实例。系统2200可以包含连续葡萄糖监测传感器2202和活动传感器2204(例如，手表)，其可以由参与者(例如，患者)2201佩戴，以生成关于患者的葡萄糖浓度信息和活动信息。CGM传感器2202可以向用户计算装置2206(例如，智能电话或手表)提供活动信息，并且活动传感器2204可以向用户计算装置2206提供活动信息，所述用户计算装置可以例如是手持式装置(如图所示)或可佩戴装置(如手表)。虽然用户计算装置2206和活动传感器2204被示出为单独的装置，但是在一些实例中，活动传感器2204可以是用户计算装置2206的一部分(例如，智能装置可以是包含活动传感器的可佩戴装置，如手表)。
一个或多个应用程序可以在用户计算装置2206上运行，以向患者提供葡萄糖浓度信息、活动信息或指导。例如，在智能装置上运行的第一应用程序2208可以提供关于葡萄糖浓度水平的信息，并且任选地还提供与管理葡萄糖浓度水平有关的指导，并且在智能装置上运行的第二应用程序2210可以提供关于活动的信息，并且任选地还提供与活动(例如，“考虑今天下午进行一次剧烈的散步”)或葡萄糖浓度水平管理(例如，“您今天可能需要采取措施降低您的葡萄糖水平”)或两者(例如，“考虑今天下午进行一次剧烈的散步，以帮助降低您今天的葡萄糖水平。”)相关的指导。虽然示出了两个独立的应用程序，但在一些实例中，智能装置可能会运行结合上述特征的单个应用程序(即，单个应用程序可以提供有关葡萄糖浓度和活动的信息以及与其相关的指导)。
系统可以包含一个或多个网络服务系统，所述一个或多个网络服务系统可以例如包含一个或多个服务器，所述一个或多个服务器被配置成通过具有或关于用户计算装置2206、CGM传感器2202、活动传感器2204或其它装置的网络进行通信。例如，第一网络服务系统2212可以收集与连续葡萄糖管理有关的信息，并且第二网络服务系统2214可以收集活动信息并且可以任选地从第一网络服务系统2212收集CGM信息。第三网络服务系统2216可以作为辅导服务器操作，以利用通过用户计算装置2206的辅导指导或电话呼叫跟进通信促进与人工或计算机化教练的交互。在一些实例中，辅导服务器2216可以是或包含图24和25中所示并在下文中描述的辅导服务器2412或辅导服务器2512。虽然网络服务系统2212、2214和辅导服务器2216被示出为三个单独的系统，但它们也可以是单个系统的部分(例如，子系统)，或者单个系统可以执行两个或多个系统的任务。
图22B是示例系统2200A的图示，所述示例系统是图22A的系统2200的布置。在此实例中，第一数据应用程序2208被配置成与连续葡萄糖监测传感器2202建立第一通信链路。
在一些实例中，第一通信链路由用户计算装置2206管理，例如，由用户计算装置2206的操作系统管理。第一通信链路可以是无线通信链路，如例如蓝牙、蓝牙LE或其它合适的无线通信链路。连续葡萄糖监测器传感器2202可以通过第一通信链路将CGM数据传输到第一数据应用程序，所述第一通信链路包含例如描述参与者2201的估计的葡萄糖值的葡萄糖数据。在一些实例中，由连续葡萄糖监测器传感器2202提供的CGM数据还包含描述参与者2201的元数据和/或描述连续葡萄糖监测器传感器2202的性能的诊断数据。
第二数据应用程序2210可以被配置成与活动传感器2204建立第二通信链路。第二通信链路可以是无线通信链路，例如，类似于第一通信链路。活动传感器2204可以通过第二通信链路向第二数据应用程序提供描述参与者2201的活动的活动数据。例如，活动传感器2204的加速度计或其它合适的传感器可以捕获指示参与者2201的运动或其它活动的数据，并通过第二通信链路向第二数据应用程序2210提供相应的数据。在一些实例中，第二数据应用程序2210通过第二通信链路向活动传感器2204提供UI数据。例如，活动传感器2204可以包含输出装置，如例如灯、显示屏、扬声器等，以将UI数据传达给参与者2201。UI数据例如可以描述参与者2201的活动，例如，由活动传感器2204捕获。
在一些实例中，第一数据应用程序2208被配置成将CGM数据传送到第二数据应用程序2210。然后第二数据应用程序2210可以通过活动传感器2204的输出装置将CGM数据提供给活动传感器2204作为待提供给参与者的UI数据。以这种方式，活动传感器2204可以向参与者提供葡萄糖数据的指示，如参与者当前估计的葡萄糖值和/或元数据，如参与者的葡萄糖值趋势的方向、参与者2201的过去葡萄糖值等。
然而，在第一数据应用程序2208和第二数据应用程序2210之间传送CGM数据会引起数据安全问题。例如，CGM数据可能处于被在用户计算装置2206处执行的另一个应用程序(未示出)恶意拦截的风险。
为了防止CGM数据被拦截，第一数据应用程序2208和第二数据应用程序2210可以被配置成通过安全通信协议进行通信。本文关于图22C描述了安全通信协议的实例。
示例系统2200A还示出了数据应用程序2208、2210与相应的网络服务系统2212、2214以及辅导服务器2216之间的链接。例如，第一数据应用程序2208可以向网络服务系统2212提供CGM数据。网络服务系统2212可以向辅导服务器2216提供CGM数据。第二数据应用程序2210可以向网络服务系统2214提供描述参与者2201的活动的活动数据。网络服务系统2214可以向辅导器2216提供活动数据。辅导服务器2216可以向参与者2201提供指导。指导可以呈本文描述的任何形式，包含例如，如图12A、12B、12C中描述的，通过聊天机器人，如图17中所示等。在各个实例中，通过第一数据应用程序2208提供指导。例如，第一数据应用程序2208可以提供用于提供指导的用户界面，如例如，图12A、12B、12C、17的用户界面等。
图22C是示出可以在图22A的系统2200A中执行以在活动传感器2204处显示CGM数据的过程2270的一个实例的流程图。过程2270包含三列2271、2273、2275。列2271包含由第一数据应用程序2208执行的操作。列2273包含由第二数据应用程序2210执行的动作。列2275包含由活动传感器2204执行的动作。
在步骤2272处，第一数据应用程序2208从连续葡萄糖监测器传感器2202接收CGM数据。CGM数据可以包含例如葡萄糖数据，如本文描述的估计的葡萄糖值和/或元数据。在步骤2274处，第一数据应用程序2208生成CGM消息2277。生成CGM消息2277可以包含生成包含CGM数据的数据结构。第一数据应用程序2208可以使用加密密钥来加密数据结构。可以使用任何合适的加密技术。
在一些实例中，第一数据应用程序2208还向CGM数据添加错误检测代码。错误检测代码是可用于验证CGM数据的数据。第一数据应用程序2208基于待包含在CGM消息2277中的CGM数据生成错误检测代码。错误检测代码是小于第二数据应用程序2210可以使用的CGM数据的数据值，如本文此处，用于验证CGM数据是否已准确传输。一些错误检测代码技术允许第二数据应用程序2210纠正CGM数据中的传输错误。可以使用任何合适的错误检测技术。在一些实例中，使用循环冗余校验(CRC)技术。错误检测代码可以被加密也可以不被加密。
在步骤2274处，第一数据应用程序2208将CGM消息2277发送到第二数据应用程序2210。例如，第一数据应用程序2208可以向用户计算装置2206的操作系统提供CGM消息2277。操作系统可以将CGM消息2277递送到第二数据应用程序2210。在CGM数据被加密的实例中，其可能无法被操作系统和/或可以拦截第一数据应用程序2208和第二数据应用程序2210之间的CGM消息2277的任何其它应用程序读取。
第二数据应用程序2210在步骤2278处接收并处理CGM消息2277。处理CGM消息2277可以包含对包含在CGM消息2277中的CGM数据进行解密。可以使用加密密钥来执行解密。例如，第二数据应用程序2210可以访问第一数据应用程序2208用来加密CGM数据的相同加密密钥。在其它实例中，第一数据应用程序2208使用第二数据应用程序2210的公共(例如，非秘密)加密密钥来加密CGM数据。第二数据应用程序2210可以使用未共享的其私有(例如，秘密)加密密钥来对CGM数据进行解密。处理CGM消息2277还可以包含使用错误检测代码来验证CGM消息2277中的CGM数据的准确性和/或纠正检测到的错误。
在步骤2280处，第二数据应用程序2210生成装置CGM消息2279。装置CGM消息2279包含用于由活动传感器2204显示的CGM数据中的一些或全部。在一些实例中，生成装置CGM消息2279还包含加密CGM数据和/或添加纠错码。例如，第二数据应用程序2210利用用户计算装置2206的无线发射器将装置CGM消息2279发送到活动传感器2204。例如，第二数据应用程序2210可以将装置CGM消息2279直接发送到用户计算装置2206的操作系统。操作系统可以指示用户计算装置2206的无线发射器将装置CGM消息2279传输到活动传感器2204。
活动传感器2204在步骤2282处接收装置CGM消息2279。在一些实例中，活动传感器2204对包含在装置CGM消息2279中的CGM数据进行解密和/或执行错误检测或校正。在步骤2284处，活动传感器2204在活动传感器2204的输出装置处提供一些或全部CGM数据的指示，如本文所述。例如，活动传感器2204可以将一些或全部CGM数据合并到提供给参与者2201的用户界面中。
图23是图22A中所示的示例系统的更详细的说明。在一些实例中，第一应用程序2208可以提供同步数据(例如，CGM数据)2218，所述可以同步数据可以被递送(例如，通过无线或有线网络)到传感器数据子系统2220，并被传递到第一网络服务系统2212的数据服务部分2222。第一网络服务系统2221还可以包含登记子系统2224和供应子系统2226，所述供应子系统可以向资格子系统2228提供信息，所述资格子系统可以确定受试者(例如，参与者2201)接收CGM传感器系统的资格，并且可以与CGM履行子系统2230(其可以由第三方操作，例如，医疗供应服务)交互以将CGM传感器递送给参与者2201。第一系统2212的数据服务部分2222还可以从第二传感器数据子系统2232接收另一种类型的传感器数据(例如，低保真数据或盲法CGM数据)，所述第二传感器数据子系统可以提供可用于CGM传感器系统的登记、供应或配置的信息。
用户计算装置2206可以将活动数据2234(例如，通过第二应用程序2210)提供给如第二系统2214等外部系统，或者提供给网络应用程序接口(API)2258，所述网络应用程序接口可以促进与第二子系统2214的通信。第二系统2214可以从第一系统2212接收参与者信息、CGM信息或其它信息。
第二系统2214可以包含活动检测系统2236，所述活动检测系统可以接收和处理活动数据2234以识别问题状态(例如，活动不足)，并且可以与干预引擎2238通信，所述干预引擎可以启动对话服务器2240，所述对话服务器可以向辅导仪表板2242提供信息。教练2241可以与辅导仪表板2242交互，例如，以通过用户计算装置2206上的第二应用程序2210的指导部分2244或通过第一应用程序2208的指导部分2246开发用于递送给参与者2201的指导。在一些实例中，教练2241的功能是使用辅导服务器(如辅导服务器2216)和/或使用聊天机器人功能来实施的，如本文所述。例如，可以在用户计算装置2206上实施图26A-33中所示的过程(如下所述)。
辅导服务器2216可以从教练池2248(例如，由保险实体或其它实体管理)接收合格教练的标识。辅导服务器可以为特定参与者进行辅导分配、维护呼叫记录、生成每周辅导报告、促进与用户计算装置2206的通信或促进通过呼叫中心2250进行的跟进。辅导服务器2216还可以生成不良事件(如果有的话)的报告2252，用于监管、过程改进或其它目的。
第二系统2214(或辅导服务器)可以生成推送通知2254，用于通过智能装置(例如，通过第二应用程序2210)或通过活动传感器(例如，手表)2204递送给参与者。例如，推送通知2254可以指示新教练消息可用。第二系统2214还可生成第二推送通知2256，所述第二推送通知可以例如传送CGM信息，如关于葡萄糖浓度水平信息的消息或指导，或关于供应、递送、应用(例如，在参与者上应用)、更换、安排(例如，何时佩戴或佩戴多长时间)或使用CGM传感器的信息。
第二系统2214还可以包含授权系统2262，所述授权系统可以例如向第一应用程序2208、第二应用程序2210或两者提供授权，或者可以向活动传感器授权系统2260提供信息以使用API 2258(例如，“激活”系统上的活动传感器)。第二系统2214还可以包含葡萄糖水平应用程序接口(API)2266，其可以从第一系统2212接收葡萄糖信息(例如，CGM信息或传感器信息或其估计)并且可以将接收到的信息(例如，105mg/dL)传送到活动传感器2204以显示给参与者。
所述系统还可以包含群组系统2264，所述群组系统可以例如包含群组信息，如参与者的标识，所述群组信息可以在网络API 2258中使用或用于传感器实现以促进活动传感器2204递送到参与者2201。
图22A和23中所示的系统中的任一个系统可以实施为硬件系统、软件模块或应用程序或其组合。各个系统和子系统的相互作用可以改善向参与者递送的指导或传感器或两者，以改善患者管理并促进积极的临床结果。
图24示出了连续葡萄糖监测(CGM)系统2400的示例，在所述系统中，辅导人员操作辅导服务器2412以支持使用CGM系统2400的患者并向所述患者提供辅导服务。对辅导服务器2412的一些参考可能是指操作辅导服务器2412的人员。CGM系统2400可以包含连续葡萄糖监测器(CGM)2402以将葡萄糖监测数据传输到收发器2404。收发器2404可以是专用显示装置或智能手机或被配置成在CGM系统2400内发送/接收数据和通信的其它显示装置。收发器2404可以将一些或所有患者的分析物数据传输到云计算架构2410，以用于将来参考、进一步处理、记录保存或与管理或改善患者的健康相关的其它目的。
云计算架构2410可以包含一个或多个健康数据服务器，其被配置成接收患者的分析物数据。收发器2404和/或云计算架构2410能够接收患者的分析物数据并生成自引用数据结构，从中可以显示或分析更有意义的患者分析物数据。例如，CGM 2402读数可用于生成自引用数据结构，用于以有意义且易于理解的图形显示形式显示患者的分析物数据，以供操作辅导服务器2412的患者和/或辅导人员使用。显示自引用数据结构可以含有用标记的分析物传感器数据编码的表格，使得自引用数据结构可以用于根据需要独立生成各种分析物趋势显示，而无需查询多个数据库来收集生成期望的图形显示所需的数据。
在根据本公开的系统、装置和方法的一些方面，健康相关数据和非健康相关数据被聚合、结构化和/或转换以智能地产生输出，所述输出包含新的分析数据构建、显示以及对系统的装置和其它系统的装置的控制。此类健康相关信息可以包含葡萄糖和相关数据(例如，胰岛素、膳食、活动等)，而非健康相关数据可以包含位置数据、用户人口统计学数据等。根据本技术的这些方面的实施方案被认为可以改善系统的操作，例如，降低装置之间数据处理和数据传输的复杂性，减少要存储和操作的数据和处理算法的数量，从而加快如本文所述的系统的性能。此外，设想了根据本技术的这些方面的实施方案可提高用户通过连续分析物监测来管理其糖尿病或其它病症的能力。
所描述的方法和系统的一些优点可以包含以下。自引用数据结构消除了处理器从系统的各个部分搜索和调用必要信息以生成图形显示的需要。否则，例如，如果没有自引用数据结构，则每次用户请求不同的图形或请求修改所显示的图形时，处理器将不得不搜索、查询和/或调用系统的各个部分。因此，自引用数据结构通过降低系统各个部分之间数据处理和数据传输的复杂性来改进系统的操作。例如，使用自引用数据结构，系统不必存储或处理额外的算法(如模式识别算法)以产生输出，如向用户传达模式信息的显示。另外，自引用数据结构可以降低为生成图形显示而传输的数据的量和频率。要存储和操作的相关处理或图形算法也相应地减少并且系统的性能提高。
收发器2404可以运行分析物传感器应用程序2405。分析物传感器应用程序2405可以促进辅导人员2412和使用CGM系统2400的患者之间的连接以及提供与CGM系统2400相关的其它服务，如提供报警、显示、监测、存储和其它功能。当获得适当的法律和隐私许可时，辅导人员2412可以访问收发器2404或云计算架构2410上的患者数据，以更好地支持患者管理其糖尿病。分析物传感器应用程序2405可以包含辅导模块2414，所述辅导模块可处理与向患者提供自动化或半自动化辅导相关联的任务。
图25示出了示例辅导系统2500，其可以用于为CGM系统2400的用户实现自动化和半自动化辅导服务。辅导系统2500可以包含辅导模块2502。辅导模块2502可以包含在影响患者健康的一个或多个领域中为患者提供辅导帮助的子例程、程序、算法。例如，辅导模块2502可以包含：初始化器模块2504，其被设计成将患者介绍给可用的子辅导模块并且在这些模块中的一个或多个模块中启动患者；锻炼模块2506，其被设计成鼓励和辅导患者进行运动和身体活动；饮食模块2508，其被设计成帮助患者更好地了解膳食选择与血糖水平之间的关系；以及睡眠模块2510，其被设计成鼓励和辅导患者获得优质睡眠，同时监测和管理葡萄糖水平以避免糖尿病并发症。所描述的子辅导模块旨在作为实例而不意图进行限制。本领域普通技术人员可以设想辅导模块2502的其它子模块，其可以提供对有益于糖尿病的管理和改善的不同技能或活动的支持、教育、监测和辅导。辅导模块2502可以与辅导服务器2512通信，以向CGM系统2400的患者提供辅导服务。辅导服务器2512可以部分或全部由在辅导糖尿病患者方面受过训练的人员操作。
辅导模块2502及其子模块通过提出活动、通过创建执行活动的承诺(例如，通过安排时间和/或地点来执行活动)、通过设置目标(例如，通过要求患者承诺执行期望重复次数的活动，或通过几天不进行活动等)、通过监测结果(例如，通过检查一个或多个相关的葡萄糖趋势图)、通过在结果欠佳的情况下引发活动的替代方案(例如，如果PPW葡萄糖水平在散步后仍未改善，则在接近进餐时间的时候散步)以及通过重复来提供辅导。辅导模块2502提供警报、日程安排、提醒和跟进服务以持续鼓励和监测患者的进展、兴趣和参与。辅导模块2502可以在结果良好的情况下提供祝贺消息，在结果一般时提供鼓励和/或激励消息，并且在结果令人震惊或低于标准时，辅导模块可以警告辅导人员。
初始化器模块
当患者新设置有CGM系统2400时，存在机会为患者设置自动化辅导，并提供有关糖尿病以及糖尿病患者生活的技术和方法的初步一般或特定教育。图26A示出了由初始化器模块2504执行的示例过程2600A。过程2600A可以通过患者的动作在步骤2602A开始(例如，通过触摸屏或与分析物传感器应用程序2405连接的其它输入装置输入运行或参加辅导计划的愿望)。当分析物传感器应用程序2405检测到新患者时，过程2600A可以自动开始。在步骤2604A处，所述过程确定新患者是否已经设置了新的CGM装置。如果答案是否定的，则将执行图26B的过程2600B。如果答案是肯定的，则过程2600A通过显示含有关于血糖水平、其意义、其行为和辅导计划的目标的一般教育信息的消息而移至步骤2606A。辅导模块2502及其子模块可以使用口语和/或简单的会话语言来消除混淆的可能性，引起对辅导计划的更多兴趣，并在患者和辅导计划之间建立友好和放松的态度和关系。例如，在步骤2606A处，显示的信息可以包含以下：“您的血糖水平不是保持恒定的，其会发生变化。有时血糖水平会上升，甚至一路上升；有时血糖水平会下降。”
所述过程然后通过生成患者分析物数据的图形显示(例如，与过去几个小时内患者的葡萄糖水平相关的葡萄糖趋势图)而移至步骤2608A。除了患者分析物数据的图形显示外，所述过程还可以显示教育图形，从而展示分析物数据中可能被视为“尖峰”或偏移的内容。教育图形可以包含动画、文本或其它视觉指示以向患者传达信息、显示患者的葡萄糖趋势图，并且如果不可用，则向患者显示样品一般葡萄糖趋势图。当可用时，初始化器模块2504可以查询和调用与患者最近过去相关的自引用数据集，并根据自引用数据集生成分析物趋势图并将该图显示给患者。可以从收发器2404或云计算架构2410上的存储装置中调用自引用数据集。
在步骤2610A中，所述过程可以邀请患者检查她的分析物趋势图并确定是否可以观察到分析物数据中的尖峰或偏移。如果答案是否定的，则所述过程通过显示祝贺患者并鼓励患者继续监测她的血糖水平并采取健康行动的消息或图形而移至步骤2612A。所述过程然后移至图26B的过程2600B。如果在步骤2610A处，患者表示观察到分析物数据中的尖峰或不期望的偏移，则过程2600A通过询问患者她是否能回忆起尖峰或不期望的偏移发生之前的事件或情况而移至步骤2614A。因此，鼓励患者思考和回忆患者的选择、情况或环境，并了解影响她健康的因素。如果患者回忆起在尖峰之前发生了事件E，则过程移至步骤2616A，并且显示强调事件E与患者血糖水平之间的关系的消息，并鼓励患者在事件E下次发生时注意这种关系。所述过程然后移至图26B的过程2600B。如果患者不记得在分析物数据中观察到的尖峰之前发生了什么，则过程2600A移至步骤2618A。显示鼓励患者利用由辅导模块2502提供的工具和子模块来了解各种活动、环境和生活事件如何影响血糖水平的消息。所述过程然后移至图26B的过程2600B。
考虑患者正在经历清晨高葡萄糖事件的实例。辅导模块可以访问数据(例如，在云计算架构2410处，表明患者已经被开具在清晨服用的药物。过程2600A可以如上所述行进至步骤2610A，在此处检测到清晨尖峰。在步骤2614A处，辅导模块2502可以询问患者在早上的指定时间患者是否还在服用处方药。如果患者正在服用药物，则辅导模块2502可以被配置成显示鼓励消息(例如，在步骤2618A处)或进一步询问患者可能导致尖峰的其它事件的消息。如果患者没有服用药物，则辅导模块2502可以被配置成在步骤2616A处显示消息，鼓励患者恢复服药。
图26B示出了由初始化器模块504执行的示例过程2600B。所述过程从步骤2602B开始，并且通过显示关于血糖水平的安全范围的教育信息而移至步骤2604B。根据患者可能遇到的情况，可以向患者提供关于多个安全血糖水平的信息。例如，显示的教育信息可以说“安全的血糖范围因个人情况而异，但一般来说，饭后血糖应该介于70和180之间，并且饭后几小时内应该降到130以下。睡前应该介于100和140之间。”显示的有关安全范围的教育信息可以提醒患者使用自定义范围(如果自定义范围由患者的医生开出)。显示的教育信息可以进一步含有对辅导模块2502可用的工具的介绍，以支持患者将她的血糖水平保持在安全范围内。
进一步鼓励患者经常检查她的血糖水平，并且在影响血糖水平的活动之后更频繁地检查。例如，辅导患者在用餐前后、体力活动、压力时或睡前检查她的血糖读数。另一个推荐的检查血糖水平的时间是校准CGM 2402时。如果患者能够习惯于更频繁地检查自己的血糖水平，患者将有更好的机会和更多的机会观察和了解各种选择和活动对她的血糖水平的影响。通过要求患者猜测她当前的血糖水平可能是多少，所述过程可以移至步骤2606B。辅导模块2502及其子模块可以使用有趣且引人入胜的问题来鼓励患者的进一步参与。患者可以通过有趣且引人入胜的图形显示输入她当前血糖水平的估计，所述图形显示例如滑动条、滚动条、文本和箭头或被设计用于与触摸屏或语音识别技术配合使用的其它视觉效果。所述过程然后通过向患者呈现她最近的葡萄糖趋势图而移至步骤2608B，所述葡萄糖趋势图可以包含实际当前葡萄糖水平的指示。邀请患者检查趋势图并观察她当前的血糖水平及其最近的水平。
接下来，所述过程移至步骤2610B，邀请患者检查葡萄糖图以查看是否可以观察到葡萄糖数据中的任何尖峰或偏移。接下来，过程通过询问患者什么活动会影响血糖水平而移至步骤2612B。可以为患者提供多个选择，例如，“饮食、锻炼、睡眠或以上全部”。在这个实例中，所有提供的答案都是正确的，所以正确的答案是“以上全部”。如果患者的回答不是“以上全部”，则过程移至步骤2614B，显示鼓励消息，表明所有选择都会影响血糖水平并且辅导模块可以逐步辅导患者完成每项活动。所述过程然后移至步骤2618B。如果患者通过表明所有列出的活动均影响血糖来响应，则所述过程通过向患者显示选择正确答案的祝贺和鼓励消息而移至步骤2616B。显示的消息可以说明，指导模块可以通过学习和理解每个列出的因素及其对患者血糖水平的影响来辅导患者。所述过程然后移至步骤2618B，询问患者其想要首先学习哪种活动或技能。如果患者没有做出选择或表示缺乏兴趣或动机，则过程移至步骤2620B，生成辅导警报单并通过辅导服务器2512将其传输给辅导人员。然后所述过程在步骤2626B处结束。如果患者通过选择所呈现的活动或技能之一来表示兴趣，则过程通过显示祝贺患者热情的消息而移至步骤2622B。然后所述过程移至患者所选择的子模块。例如，如果选择锻炼、饮食或睡眠，则相应地，锻炼模块2506、饮食模块2508或睡眠模块2510分别被辅导模块2502调用并执行。然后过程移至步骤2624B，并且更新辅导服务器2512以反映患者选择的活动模块。在一些实施例中，操作辅导服务器2512的辅导人员可以手动分配子辅导模块并相应地更新辅导服务器2512。然后所述过程在步骤2626B处结束。
通常，辅导模块2502可以被配置成生成辅导警报单并在患者的响应和与患者的交互表明缺乏兴趣、动机或承诺时通知辅导人员。患有糖尿病可能具有挑战性。表现出缺乏兴趣和承诺的响应可能是抑郁症的指示器或表明患者可能需要心理或精神帮助来应对患糖尿病的挑战。作为生成辅导警报单的一部分，辅导模块2502或其子模块可以收集相关文本信息以帮助辅导人员有效且迅速地照顾患者。例如，根据患者表现出缺乏热情的活动，辅导模块2502可以向患者提出问题并获得与提供关于该活动的辅导和咨询相关的答案。
辅导模块可以进一步注释、标记和分类患者的文本信息，以便辅导人员可以更高效和有效地提供咨询和辅导服务。例如，如果患者启动并预测了一项健康活动，但未能实现她的预测目标，则用于构建辅导警报单的文本信息可以包含说明“已承诺但无法实现”的标签。另一方面，如果患者拒绝安排活动并且她的响应表明对提议的活动缺乏信心度，则文本信息可以包含说明“患者不相信提议的活动”的标签。操作辅导服务器2512的辅导人员可以检查文本信息标签，以便有效和及时地回顾患者的病史和她目前的问题。在一些实施例中，操作辅导服务器2512的辅导人员可以专注于向患者提供辅导和帮助的特定领域。例如，一些辅导人员可以专门为在监测饮食方面缺乏纪律的患者提供咨询和辅导，并接受过特殊培训。文本信息标签可用于将辅导警报单按特定路线发送给专门处理潜在问题的辅导人员。
告知辅导模块2502和患者之间的交互的总体主题是为了鼓励与CGM系统2400和辅导模块2502互动，例如通过使用所提供的工具并观察对与患者血糖水平相关的工具的分析和建议。这种参与可以增加患者对疾病的了解，并改善患者对其病情的直觉响应。
锻炼模块
辅导模块2502可以包含锻炼模块2506，以鼓励和辅导患者进行身体活动并观察身体活动的益处以及与改善的葡萄糖水平之间的相关性。图27示出了过程2700，所述过程可以利用专注于锻炼和身体活动的自动化或半自动化辅导系统子模块来启动患者。对糖尿病患者有益的运动和体育活动可以像饭后散步一样简单。由于餐后散步(PPW)可以是辅导的重点领域，因此将关于PPW描述图27的过程2700、图28的过程2800和图29的过程2900。本领域普通技术人员可以设想在不脱离所描述技术的精神的情况下可以使用过程2700、2800和2900来实施的其它类型的身体活动或运动。
过程2700开始于步骤2702。锻炼模块2506可以教育患者身体运动对血糖水平的有益影响，并推荐锻炼作为将血糖水平保持在安全范围内的方法。所述过程移至步骤2704，在该步骤中询问患者其在推荐的体育活动(如PPW)方面的先前经验。如果患者表示她没有尝试过PPW，则过程移至步骤2706，询问患者是否愿意在未来选择一顿饭来实践PPW。如果患者表示缺乏兴趣，则过程移至步骤2708，在该步骤中从患者或从云计算架构2410和/或收发器2404中的患者记录获得附加文本信息。在步骤2710处，生成辅导警报单并将其传输到辅导服务器2512，并通知辅导人员。所述过程在步骤2712处结束。可以重复相同的过程，如果在任何时候患者的响应表明缺乏管理或改善其健康的兴趣或动机，则生成并送辅导警报单。
如果患者表示有兴趣尝试PPW，则过程移至步骤2714，在该步骤中要求患者选择用于实践PPW的膳食和锻炼模块2506可以与患者核对结果的时间。根据患者的响应安排跟进提醒。当跟进时间到来时，过程移至步骤2716，并且询问患者是否可以按计划实践PPW以及结果如何。如果患者的响应表明在实践PPW后实践失败或出现意外结果，则所述过程可以执行步骤2708和2710以收集信息、构建并传输辅导警报单。所述过程在步骤2712处结束。如果PPW的结果是成功的，则所述过程移至步骤2720，询问患者她是否愿意通过安排更多PPW会话来重复所取得的成功。
可以通过向患者提出问题和提供多个选择选项的响应(如“你的血糖水平发生了什么？”、“上升得更慢”、“没有像预期一样高”、“没有变化”、“上升了一点”或“上升了很多”)来确定PPW会话的成功或失败。一组可能的患者的响应可以归类为成功，并且如果检测到这些响应，则可以基于成功的结果为过程2700规定路线。类似地，一些响应可以归类为失败的结果，并且如果检测到这些响应，则可以相应地为过程2700规定路线。在一些实施例中，可以通过查询云计算架构2410、收发器2404或两者中的患者记录以在预定的PPW会话之后自动确定患者的葡萄糖水平是否处于安全区域来确定PPW或其它提议的活动的成功或失败。可替代地，为了鼓励患者学着解释她的葡萄糖趋势图或其它可用的葡萄糖数据，可能会要求患者通过手动检查她的葡萄糖数据来确定PPW会话的成功或失败。CGM系统2400中存储的分析物数据可以用作辅助检查，并且如果检测到差异，则可以提示患者重新评估她的响应或存储的数据。类似地，可以通过向患者提出文本或图形问题或通过查询收发器2404(例如，对于全球定位系统GPS数据，如果收发器2404新装配有此选项的话)来确定患者是否可以实践PPW。
如果患者不表示出有兴趣安排更多的PPW会话，则所述过程可以执行步骤2708和2710以收集信息、生成并传输辅导警报单。然后所述过程在步骤2712处结束。如果患者表示有兴趣通过安排更多PPW会话来重复所取得的成功，则所述过程移至步骤2722，并基于患者期望的时间和膳食来安排未来的PPW会话。然后所述过程移至步骤2724，在该步骤中所安排的PPW会话用于执行跟进过程2800，如将关于图28所描述的。然后过程2700在步骤2726处结束。
如上所述，在过程2700的步骤2704中，询问患者她之前是否尝试过PPW？如果患者的回答是肯定的，则所述过程移至步骤2718，询问患者其先前的PPW经验的结果是什么。如果患者表示失败或出现意外的结果，则所述过程可以移至步骤2728，询问患者是否存在患者可以不同地做的任何事情以使PPW更成功。患者可以通过自由文本或通过与菜单或其它视觉界面交互来做出响应，如从下拉菜单中选择或从预先填充的响应菜单中选择单选按钮(例如，“散步更长时间”、“散步得更快”、“在离吃饭更近的时间散步”)。所述过程可以移至步骤2730，询问患者她是否愿意尝试患者刚刚指示的一种或多种替代方法。如果患者响应缺乏兴趣，则所述过程可以执行步骤2708和2710以收集信息、生成并传输辅导警报单。然后所述过程在步骤2712处结束。如果患者积极响应，则所述过程可以移至步骤2732，并基于患者期望的时间和膳食来安排未来的PPW会话。所安排的PPW会话用于执行跟进过程2800，如将关于图28所描述的。然后过程2700在步骤2734处结束。
图28示出了用于跟进已经被引入并安排进行PPW或其它有利于糖尿病管理的推荐活动的患者的进展的过程2800。过程2800开始于步骤2802。在PPW会话的预定时间已经到达之后或在计划的时间之后的预定时间之后，所述过程移至步骤2804，询问患者她是否可以按计划实践PPW。如果患者的响应是否定的，则所述过程可以执行步骤2806和2808以收集文本信息、构建并传输辅导警报单。然后所述过程在步骤2810处结束。
如果患者表示她可以按计划进行PPW，则过程移至步骤2812，询问患者在PPW会话之后她的血糖水平是否处于安全或期望的范围内。如果答案是否定的，则所述过程执行步骤2806和2808以收集信息、构建并传输辅导警报单。然后所述过程在步骤2810处结束。如果答案是肯定的，则所述过程移至步骤2814，询问患者她预测她可以实践PPW多少天。如果患者的响应小于最小阈值(例如，0天或1天)，则所述过程可以执行步骤2806和2808以收集信息、构建并传输辅导警报单。然后所述过程在步骤2810处结束。如果答案等于或大于最小阈值(例如，2天)，则所述过程可以移至步骤2816，在所述步骤中PPW活动的预测天数被保存并传输到信心度评估器/增强器过程2900，如将关于图29所描述的。然后所述过程在步骤2810处结束。
考虑患者具有可接受的A1C水平(如先前所指示的并存储在云计算架构2410处)的实例。在此实例中，患者还先前在过程2800的先前执行的步骤2806处指示受伤阻止了患者进行期望的锻炼。该数据也可以存储在云计算架构中，并用于过程2800的后续执行中。例如，在步骤2804处，除了患者是否能够进行PPW之外，还可以询问患者的伤势是否已经愈合。
图29示出了示例过程2900，其可由锻炼模块2506执行以进一步跟进、评估或增强患者对PPW实践或有益于糖尿病的其它提议的活动的信心度。所述过程开始于步骤2902。锻炼模块2506可以追踪患者实践PPW的天数。所述过程移至步骤2904，以确定患者实践PPW的天数是否等于或大于患者预测其将实践PPW的天数。如果答案是肯定的，则所述过程移至步骤2906，以预定量表(例如，以0-10的量表)询问患者对于她在接下来的7天内可以实践PPW的信心程度。如果患者的信心度水平大于预定的最小信心度数(例如，7)，则所述过程移至步骤2908，显示祝贺患者决心和承诺的消息。然后所述过程可以返回至步骤2902，并在一周或另一预定时段后重复过程2900。如果患者对其实践PPW的能力的信心度水平低于预定的信心度数(例如，小于7)，则所述过程可以移至步骤2910，并询问患者是否可以做任何事情来增加她的信心度水平，以便能够达到预定数量的PPW实践。如果答案是否定的，则所述过程执行步骤2918和2920以收集信息、构建并传输辅导警报单。所述过程在步骤2922处结束。如果答案是肯定的，则所述过程移至步骤2912，要求患者输入用于成功实践预定数量的PPW的患者计划。所述过程可以移至步骤2914，询问患者她是否相信她可以执行该计划。如果答案是肯定的，则所述过程移至步骤2916，在此步骤中每天追踪或在预定时间(例如，一周)后获得患者的PPW，然后所述过程移至步骤2902并重复过程2900。如果答案是否定的，则所述过程可以执行步骤2918和2920以收集信息、构建并传输辅导警报单。然后所述过程在步骤2922处结束。
如果在步骤2904处确定患者实践PPW的天数小于预定数量，则所述过程移至步骤2924。如果患者实践PPW的天数小于或等于预定的最小数量(例如，小于或等于2天)，则所述过程执行步骤2918和2920以收集信息、构建并传输辅导警报单。然后所述过程在步骤2922处结束。如果患者实践PPW的天数大于预定的最小数量(例如，超过2天)，则所述过程移至步骤2926，询问患者她是否相信她可以达到计划的PPW实践天数。如果答案是肯定的，则所述过程移至步骤2916，在此步骤中每天追踪或在预定时间(例如，一周)后获得患者的PPW，然后所述过程移至步骤2902并重复过程2900。如果答案是否定的，则所述过程执行步骤2918和2920以收集信息、构建并传输辅导警报单。然后所述过程在步骤2922处结束。
辅导模块2502可以包含饮食模块2508以鼓励和辅导患者理解并学习他们的饮食选择对其血糖水平和糖尿病的影响。图30示出了过程3000，所述过程可以利用专注于饮食的自动或半自动辅导系统子模块来启动患者。过程3000开始于步骤3002。在步骤3004处，询问患者她是否想了解不同的食物和饮食选择如何影响她的血糖水平。如果答案是否定的，则所述过程执行步骤3006和3008以收集信息、构建并传输辅导警报单。然后所述过程在步骤3010处结束。如果答案是肯定的，则向患者显示鼓励患者兴趣和参与的消息。所述消息可以进一步提醒患者饮食与血糖水平之间的联系和相关性。所述消息可以鼓励患者继续查看她的血糖读数，以更多地了解不同的饮食选择如何影响她的血糖读数。
所述过程移至步骤3012，要求患者选择进餐时间M以开始了解饮食对血糖水平的影响。可以存储患者所选择的进餐时间M，并安排提醒以跟进患者。所述过程移至步骤3014，询问患者她是否知道她将针对所选择的膳食吃些什么。如果答案是否定的，则所述过程移至步骤3016，显示鼓励消息并告知患者她可以使用CGM 2400系统中提供的工具追踪她所吃的食物并观察对其血糖水平的影响。在预定进餐时间M之后不久或预定时间，所述过程移至步骤3018，在该步骤中询问患者进食该餐对她的血糖水平有什么影响。患者可以输入文本或从一系列可能的场景中选择一个答案，如“一路上升并停留在那里”、“上升但很快下降”、“没有太大变化”或“下降”。患者的响应可以存储在变量S中。所述过程移至步骤3020，询问患者在计划的膳食M中吃了什么。患者可以输入自由文本或从可用选项的菜单中进行选择来描述她所吃的膳食，并且她的答案可以存储在变量F中。
所述过程移至步骤3022，通过文本框或其它图形或视觉显示显示将患者膳食M和她的血糖水平S相关联的消息。该消息可以是用存储在变量M、F和S中的值填充的句子。例如，该消息可以由句子“您在<M>时吃了<F>，并且您的血糖水平<S>”构建。如果F＝巧克力蛋糕，M＝早餐并且S＝一路上升并停留在那里，则显示的消息可以是：“您在早餐时吃了巧克力蛋糕，并且您的血糖水平一路上升并停留在那里。”可以使用各种消息格式和场景来加强患者对食物和饮食对其血糖水平的影响的理解和了解。
然后所述过程移至步骤3024，询问患者是否对结果感到惊讶。如果答案是否定的，则所述过程可以移至步骤3026，在该步骤中，祝贺患者在餐后保持了她的葡萄糖水平并邀请患者继续在餐后检查她的葡萄糖水平。所述过程然后移至步骤3028，在该步骤中，邀请患者使用膳食追踪工具来追踪更多膳食及其对患者葡萄糖水平的影响。将关于图31的过程3100描述膳食追踪工具。然后所述过程在步骤3030处结束。如果患者对她的葡萄糖读数的结果感到惊讶并且她在步骤3024中回答是，则患者可能需要关于食物和饮食类型及其对糖尿病的影响的额外或个性化辅导。所述过程可以执行步骤3006和3008以收集信息、构建并传输辅导警报单。然后所述过程在步骤3010处结束。
如果在步骤3014处，患者知道她将在计划的进餐时间M吃什么，则所述过程移至步骤3032，将患者所计划的膳食存储在变量F中。不久，或在计划的进餐时间M之后的预定时间，所述过程移至步骤3034，并询问患者在膳食M时消耗食物F对患者血糖水平有什么影响。患者的响应可以存储在变量S中。所述过程移至步骤3036，显示由变量M、F和S构建的消息。例如，该消息可以由句子“您在<M>时吃了<F>，并且您的血糖水平<S>”构建，并且变量F＝烤鱼、全麦吐司和花园沙拉，M＝午餐并且S＝下降。显示的信息可以是：“您在午餐时吃了烤鱼、全麦吐司和花园沙拉，并且您的血糖下降了。”接下来，所述过程移至步骤3024以鼓励患者使用图31的膳食追踪工具来加深她对饮食和血糖之间相关性的理解。
图31示出了示例过程3100，其可以由饮食模块2508执行以实施膳食追踪工具以鼓励和辅导患者理解他们的饮食和他们的血糖水平之间的关系。过程3100通过来自用户的指示对开始工具的操作的兴趣的输入或通过如过程3000等补充过程或工具而在步骤3102处开始。过程3100移至步骤3104，要求患者安排一餐M以进行追踪。存储患者的选择，并在计划的膳食M之后的预定时段T安排提醒。T可以是例如1到2小时。所述过程移至步骤3106，在膳食M后等待预定时间T。所述过程移至步骤3108，询问患者在计划的膳食M中吃了什么并将患者的响应存储在变量F中。接下来，所述过程移至步骤3110，在该步骤中，获取膳食M前时段和膳食M后时间段加上预定时间T的患者血糖数据。可以从患者获取相关时间段的血糖数据，其中患者检查相关时间的或从CGM系统2400的其它部分(如收发器2404或云计算架构2410)获得的葡萄糖趋势图。葡萄糖数据被呈现给患者并且所述过程移至步骤3112，询问患者是否在葡萄糖数据中观察到尖峰或不期望的偏移。在其它实施例中，饮食模块可以通过将存储的葡萄糖值与高阈值或低阈值进行比较来自动检查和扫描葡萄糖数据的偏移。如果葡萄糖数据中没有尖峰或不期望的偏移，则所述过程移至步骤3114，显示鼓励患者继续检查她的血糖水平并学习如何安全进食的消息。例如，该消息可以是：“好的，每次您在饭后检查血糖时，您都会了解更多有关如何安全进食和享受食物的信息。”
如果患者在血糖水平中观察到尖峰或偏移并且她在步骤3112中的响应为是，则所述过程移至步骤3118，询问患者她是否可以吃另一种可能对其血糖水平有更好影响的食物。如果患者表现出对可以不同地做的事情缺乏兴趣或知识，则所述过程可以执行步骤3120和3122以收集信息、构建并传输辅导警报单。然后所述过程在步骤3124处结束。如果患者的响应指示做出更好的膳食选择的能力，则所述过程移至步骤3126，询问患者更多问题以帮助确定患者的决心和兴趣。例如，在步骤3126处，可以要求患者在系统中输入患者下次可以做的不同的事情(例如，未来患者的膳食选择可能是什么)。所述过程移至步骤3128，在该步骤中确定患者所计划的选择与她之前的选择相似还是不同，从而导致血糖水平出现不期望的偏移。如果患者所计划的选择与她之前的选择相同或相似，则所述过程可以执行步骤3120和3122以收集信息、构建并传输辅导警报单。然后所述过程在步骤3124处结束。如果患者的选择不同于她先前的选择(指示旨在维持安全血糖水平的计划)，则所述过程可以移至步骤3104以安排跟进膳食追踪会话，并重复过程3100。
图32示出了示例过程3200，其可以在饮食模块2508中实施以鼓励和辅导患者通过使用关于图31描述的膳食追踪工具来增加患者在监测其饭后血糖方面的努力。过程3200可以按预定的时间间隔(例如，每周)自动运行或由患者手动运行，在步骤3202处开始。通过过程3100实施的膳食追踪工具可以被配置成追踪和存储使用工具的次数和/或在变量MT(追踪的膳食)中追踪的患者的膳食的数量。默认情况下，系统可以在变量D中指定期望的追踪膳食数量，或向患者、患者的监护人或医疗保健专业人员和/或辅导人员查询患者预期追踪的膳食数量并将该值存储在变量D中。在步骤3204处，将患者的追踪的膳食MT与要追踪的期望或预期的膳食数量D进行比较。如果追踪的膳食MT等于或超过预期追踪的膳食D，则所述过程移至步骤3206，显示祝贺消息，并且所述过程在步骤3208处结束。在步骤3210处，如果追踪的膳食MT小于预期数量D但超过预期数量D的一半，则所述过程移至步骤3212，在该步骤中饮食模块2508可以被配置成向患者发送提醒、提议和邀请以追踪膳食和检查葡萄糖数据。然后所述过程在步骤3214处结束。如果追踪的膳食MT小于或等于期望数量D的一半，则患者可能需要更多个性化辅导以增加她在追踪膳食和检查葡萄糖数据方面的努力。所述过程可以执行步骤3216和3218以收集信息、构建并传输辅导警报单。然后所述过程在步骤3220处结束。
睡眠模块
图33示出了示例过程3300，其可以由睡眠模块2510实施以鼓励和辅导患者监测他们的夜间血糖行为并更好地理解适当睡眠对其血糖水平的有益影响。过程3300开始于步骤3302。在步骤3304处，所述过程显示关于睡眠和血糖的关系的一般数据和/或患者特异性数据。例如，这种显示可以是：“您睡得越好，您就会越安全/健康。在睡眠期间将血糖保持在一定范围内(例如，100到140mg/dL)将有助于您睡得更好，并改善您处理糖尿病的方式。”所述过程然后移至步骤3306。构建存储在CGM系统2400中的自引用数据结构生成葡萄糖趋势图并呈现给患者。要求患者检查过去7个晚上的血糖趋势图，并确定在睡眠的最初几个小时内患者的血糖水平有多少个晚上处于安全范围内。在一些实施例中，睡眠模块2510可以自动确定患者的葡萄糖水平在相关时段期间是否安全。在一些实例中，如本文所述的机器学习技术可用于生成患者睡眠与血糖之间关系的模型。
在提供自动化辅导的情况下，鼓励患者检查她的葡萄糖趋势图，并且了解如何阅读和正确解释葡萄糖数据和图可能比单纯确定不安全的葡萄糖偏移更可取。CGM 2400中的其它安全和监测工具和模块可以更恰当地承担这些任务。因此，在提供自动化辅导的背景下，CGM系统自动分析患者血糖数据的能力可以作为辅助，并再次检查患者的分析和确定。可以将患者对其血糖数据的分析和解释与CGM系统2400的自动化分析相匹配，如果检测到差异，则可以通知患者、辅导人员或其它相关人员。
在步骤3308处，如果患者的血糖水平一直在安全范围内的夜数，则所述过程移至步骤3310，在该步骤中显示消息祝贺患者她的方法，并邀请她继续检查夜间时间或睡眠时间的葡萄糖水平和趋势。所述过程在步骤3312处结束。
在步骤3314处，确定患者的夜间血糖水平是否在至少5个或6个晚上安全。如果答案是否定的，则所述过程移至步骤3316以确定患者的夜间血糖水平是否在至少3个或4个晚上安全。如果答案是否定的，患者可能需要更多个性化或即时的辅导帮助，以更好地管理她在睡眠时间的血糖水平。所述过程执行步骤3318和3320以收集信息、构建并传输辅导警报单。然后所述过程在步骤3322处结束。
如果在步骤3314处，确定患者的夜间血糖水平在至少5个或6个晚上处于安全范围内，则所述过程移至步骤3324，询问患者是否在夜间不同地做了一些事情使得她的血糖保持在安全范围内。如果患者不记得或不知道，则所述过程移至步骤3326，显示一条消息，邀请患者追踪接下来7天(或根据患者的年龄、病史或其它因素可能需要的其它时段)的夜间血糖水平。所述过程移至步骤3328，询问患者她认为她的葡萄糖水平将保持在安全范围内的夜数。将患者的响应存储在变量NP(预测的夜数)中。在步骤3330处，如果预测的夜数大于或等于5夜，则所述过程移至步骤3332。显示祝贺患者参与和致力于健康的消息。
在一周的延迟之后，所述过程移至步骤3334，并且要求患者检查她过去7个晚上的血糖水平。如果患者的夜间血糖水平保持在安全范围内超过或等于预测的夜数NP，则所述过程移至步骤3336，显示祝贺消息，鼓励患者继续追踪夜间血糖水平，并且所述过程在步骤3338处结束。如果患者的夜间血糖水平保持在安全范围内的夜数小于预测的夜数NP，则所述过程移至步骤3340，在该步骤中显示鼓励消息，承认患者可能面临的挑战，并邀请患者与她的教练讨论这些挑战。所述过程执行步骤3318和3320以收集信息、构建并传输辅导警报单。然后所述过程在步骤3322处结束。
如果在步骤3330处，患者预测她的血糖水平将保持在安全范围内持续少于5个晚上，则所述过程移至步骤3342，显示一条消息，邀请患者与她的教练讨论可能会影响她维持安全夜间血糖水平的能力的可能的挑战。然后所述过程执行步骤3318和3320以收集信息、构建并传输辅导警报单。所述过程在步骤3322处结束。
如果在步骤3316处，患者的夜间血糖水平在至少3个到4个晚上处于安全范围内，则所述过程移至步骤3344。通过睡眠模块2510更密切地监测患者。例如，在步骤3344处，可以每天早晨或在患者睡觉前的某个时间提示患者她是否预测她的夜间葡萄糖水平将在当晚处于安全范围内。在一周的时段或其它期望的时段内重复所述过程，并且计算和存储预测的夜数NP。所述过程然后移至步骤3334。
如果在步骤3324处，患者知道为了维持安全的夜间血糖她发生了哪些变化，则所述过程移至步骤3346，在该步骤中询问患者是什么造成了安全夜间与其它夜间在血糖上的差异。记录患者的响应。在步骤3348处，显示祝贺患者积极主动和投入的态度的消息。所述过程移至步骤3350，询问患者她是否准备好在下周再次达到同样的成功水平(再次获得安全的夜间血糖水平)。如果患者的响应为是，则所述过程移至步骤3328。如果患者的响应为否，则患者可能对其维持安全的夜间血糖水平的能力缺乏信心度。她可能需要更多的个性化辅导来提高她的信心度水平。所述过程执行步骤3318和3320以收集信息、构建并传输辅导警报单。所述过程在步骤3322处结束。
为提供自动化或半自动化辅导而收集的信息(例如，在过程2600A、2600B、2700、2800、2900、3000、3100、3200和3300中收集的信息)可以如上所述从患者获得，或者可以从CGM系统2400中可用的其它数据获得或根据所述其它数据推断。例如，可以根据收发器2404的全球定位系统(GPS)数据或存储在收发器2404或云计算架构2410上的患者葡萄糖数据推断出患者在预定活动期间的行动。可以要求患者确认事件的自动确定是否正确。例如，辅导模块2502可以在PPW会话之后的一段时间内自动检测范围内的血糖水平。辅导模块2502可以向患者呈现相关时段的葡萄糖趋势图并请求患者确认所述时段期间的葡萄糖水平在范围内。如果获得了适当的许可，则辅导模块2502可以通过查询存储在收发器2404上的GPS数据来确定患者在为PPW活动安排的时段期间进行了散步。辅导模块可以与患者确认所述确定。
在一些实例中，分析物传感器系统可以被配置成执行高保真数据收集，其中在收集之后检索捕获的数据。这对于无法访问无线网络和/或不经常携带智能装置或其它用户计算装置的患者很有用。收集后数据检索还可以最大限度地减少或消除用户设置智能装置与分析物传感器系统的通信的需要。这可以允许临床医生以较少的培训成本为患者提供对分析物传感器的访问。
图34是包含分析物传感器系统3402的示例系统3400的图示，所述分析物传感器系统被配置成在收集之后上传捕获的分析物数据。分析物传感器系统3402可以耦接到宿主3401，类似于图1的宿主101。分析物传感器系统3402可以类似于图1的分析物传感器102。例如，分析物传感器系统3402可以包含分析物传感器3404，如葡萄糖传感器。传感器电子件3406可以类似于图1的传感器电子件106。传感器电子件3406可以包含用于存储由分析物传感器3404捕获的分析物数据的数据存储硬件。传感器电子件3406还可以被编程为在收集之后上传捕获的分析物数据，例如，如本文关于图35-37所描述的。
示例系统3400包含任选的智能装置3412，类似于手持式装置112，所述智能装置可以用于通过一个或多个无线通信信号3410与分析物传感器系统3402通信。智能装置3412可以向宿主3401提供由分析物传感器系统3402检测的分析物数据的指示，例如，在收集该数据时。在一些实例中，分析物传感器系统3402在盲法模式下操作并且可以省略智能装置3412。
示例系统3400还包含上传装置3450。上传装置3450可以是或包含被配置成通过无线通信信号3410与分析物传感器系统3402(例如，其传感器电子件3406)通信的任何合适的计算装置。在一些实例中，上传装置3450远离宿主3401，而分析物数据由分析物传感器系统3402收集。在一些实例中，在数据收集之后，将分析物传感器系统3402(或仅移除其传感器电子件3406)从宿主3401中移除，并物理运输到上传装置3450的位置。例如，上传装置3450可以位于药剂师、临床医生的办公室或其它合适的位置。上传装置3450可以耦接到传感器电子件3406并检索收集到的分析物数据。在一些实例中，上传装置3450通过网络3424向服务器系统3425、3426、3427中的一个或多个服务器系统提供下载的分析物数据。服务器系统3425、3426、3427可以类似于本文所描述的服务器系统125、126、127。
图35是示出了可以由分析物传感器系统3402(例如，其传感器电子件3406)执行以上传收集的分析物数据的过程3500的一个实例的流程图。在步骤3502处，传感器电子件3402检测到分析物传感器系统3402已被应用于宿主3401。例如，当分析物传感器3404开始提供分析物数据时，可以发生检测。在一些实例中，当分析物传感器3404在两个不同时间段内提供高于阈值的传感器读数时，传感器电子件3402检测到分析物传感器系统3402已被应用于宿主3401。考虑分析物传感器3404是葡萄糖传感器的实例，所述葡萄糖传感器被配置成每三十(30)秒捕获患者的估计的葡萄糖值。当分析物传感器3404在两个不同的三十(30)秒时段内检测到高于阈值(例如，60mg/dL)的估计的葡萄糖值时，传感器电子件3406可以检测到分析物传感器系统3402的应用。在一些实例中，当分析物传感器3404在两个连续的三十(30)秒时段内检测到高于阈值(例如，60mg/dL)的估计的葡萄糖值时，传感器电子件3406检测到分析物传感器系统3402的应用。
在一些实例中，传感器电子件3406接收分析物传感器3404的其它传感器标识符的序列号，例如，以正确校准从分析物传感器3404接收的分析物数据。传感器电子件3406可以以任何合适的方式接收传感器标识符。在一些实例中，传感器电子件3406与分析物传感器3404建立无线通信链路。分析物传感器3404通过无线链路提供传感器标识符。可以使用任何合适类型的有线或无线通信链路，如例如，蓝牙LE连接、近场通信(NFC)连接。而且，在一些实例中，分析物传感器3404包含射频识别器(RFID)电路。传感器电子件3404可以用电磁辐射照射RFID电路，这可以使RFID电路传播传感器标识符。在任选的步骤3504处，传感器电子件3406可以与智能装置3412建立无线通信会话，例如，如本文所述。在执行盲法分析物测量的实例中可以省略步骤3504。
在步骤3506处，传感器电子件3406周期性地从分析物传感器3404接收分析物数据并且将接收到的分析物数据存储在例如与传感器电子件3406通信的数据存储硬件处。分析物数据可以包含分析物值和/或描述宿主3401的元数据和/或描述分析物传感器3404性能的诊断数据。传感器电子件可以在任何合适的时段接收和存储分析物数据，例如，每三十(30)秒、每五(5)分钟，或任何其它合适的时段。在一些实例中，传感器电子件3406被编程为提示分析物传感器3404提供分析物数据。例如，这种提示可以每个时段发生一次。在传感器电子件3406与智能装置3412具有通信会话的实例中，传感器电子件3406还可以将收集到的分析物数据中的一些或全部传输到智能装置3412以用于显示(例如，显示给宿主3401)。
在步骤3508处，传感器电子件3406确定分析物传感器3404的使用是否结束。例如，如果传感器使用期已经到期，则使用可能结束。例如，分析物传感器3404可以被配置成在限定的使用时段(例如，一周、十(10)天等)期间使用。如果传感器在整个使用期内一直在使用，则传感器的使用可能会结束。在其它实例中，如果分析物传感器3404已经与宿主3401脱离或以其它方式发生故障，则传感器的使用可能结束。例如，如果分析物系统3404无法在超过阈值数量的测量中接收限定范围内的分析物数据，则传感器电子件3406可以确定所述分析物系统已经发生故障。
如果分析物传感器3404的使用没有结束，则传感器电子件3406可以在步骤3506处继续周期性地接收和存储分析物数据。如果使用结束，则传感器电子件3406可以在步骤3510处进入上传例程。本文参照图36和37描述了示例上传例程。
图36是示出了可以由传感器电子件3406执行以上传收集的分析物数据的过程3600的一个实例的流程图。过程3600是传感器电子件3406可以在过程3500的步骤3510处上传收集到的分析物数据的一种示例方式。
当传感器使用结束时，在一些实例中，分析物传感器装置3402(或在一些实例中，仅传感器电子件3406)被邮寄或以其它方式物理运输到存在上传装置3450的站点。在图36的实例中，传感器电子件3406在步骤3602处开始传播系统识别数据。系统识别数据可以识别传感器电子件3406、分析物传感器3404或两者。可以使用任何合适的有线或无线通信技术来传播系统识别数据，包含例如蓝牙、蓝牙LE、MICS、NFC等。
当传感器电子件3406在上传装置3450的范围内时，上传装置3450可以接收传输的系统识别数据并且使用系统识别数据来与传感器电子件建立通信链路(例如，无线通信链路)。在操作3604处，传感器电子件确定其是否已经接收到建立通信链路的请求，例如，与上传装置3450的通信链路。如果没有接收到这样的请求，则传感器电子件3406可以在步骤3602处继续传播系统识别数据。
如果在操作3604处接收到通信请求，则传感器电子件3406在步骤3608处建立通信链路，例如，与上传装置3450的通信链路。在一些实例中，建立通信链路包含认证上传装置3450。例如，来自上传装置3450的通信请求可以包含用于认证上传装置3450的认证数据。通信链路可以根据任何合适的有线或无线技术，包含例如蓝牙、蓝牙LE、MICS、NFC等。在建立通信链接后，传感器电子件3406可以在操作3610处开始将收集到的分析物数据上传到上传装置3450。上传装置3450可以依次将上传的分析物数据上传到服务器3425、3426、3427中的一个或多个服务器，以供进一步考虑。例如，以这种方式收集的分析物数据可以构成高保真数据，其可以例如结合低保真数据使用，如本文所述。
图37是示出了可以由传感器电子件3406执行以上传收集的分析物数据的过程3700的另一个实例的流程图。过程3700是传感器电子件3406可以在过程3500的步骤3510处上传收集到的分析物数据的另一种示例方式。如本文所述，当传感器使用结束时，分析物传感器装置3402(或在一些实例中，仅传感器电子件3406)被邮寄或以其它方式物理运输到存在上传装置的站点。
在图37的实例中，当传感器使用结束时，传感器电子件3406在3702处确定其是否已经接收到上传请求(例如，来自上传装置3450)。可以使用任何合适的有线或无线通信协议来发送上传请求。在一些实例中，使用如NFC等无线协议，但也可使用如蓝牙、蓝牙LE、MICS等其它协议。如果没有接收到上传请求，则传感器电子件3406在操作3702处继续等待上传请求。
如果在操作3702处接收到上传请求，则传感器电子件3406在步骤3704处传播系统识别数据。在步骤3704处，传感器电子件使用系统识别数据而与上传装置3450建立通信会话。例如，上传装置3450可以接收系统识别数据并使用系统识别数据检索传感器电子件3406的认证数据。上传装置3450可以使用认证数据来建立通信会话。当建立通信会话时，传感器电子件3406在步骤3708处将存储的分析物数据上传到上传装置3450。上传装置3450可以依次将上传的分析物数据上传到服务器3425、3426、3427中的一个或多个服务器，以供进一步考虑。例如，以这种方式收集的分析物数据可以构成高保真数据，其可以例如结合低保真数据使用，如本文所述。
虽然本文中经常针对估计的血糖浓度水平描述方法和系统，如由根据皮下流体的测量结果估计血糖浓度水平的CGM确定的水平，但所述方法和系统也可以应用于其它类型的浓度水平，如实际血糖浓度水平，或血液或其它体液或物质中其它分析物的水平。所述方法和系统还可以应用于出于健康或其它原因需要管理的其它生理状态或状况。
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了可以实践本发明的具体实施例。这些实施例在本文中也被称为“实例”。此类实例可以包含除了所示出或所描述的元件之外的元件。然而，诸位发明人还设想了其中仅提供所示出或所描述的那些元件的实例。此外，本发明人还设想了使用关于特定实例(或其一或多个方面)或关于本文中所示出或所描述的其它实例(或其一或多个方面)所示出或所描述的那些元件(或其一或多个方面)的任何组合或排列的实例。
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，如在专利文档中普遍的，术语“一个/种(a或an)”用于包含一个或多于一个，与“至少一个”或“一个或多个”的任何其它实例或用法无关。在本文档中，除非另外指示，否则术语“或”用于指代非排他性的或使得“A或B”包含“A但非B”、“B但非A”和“A和B”。在所附权利要求书中，术语“包含(including)”和“其中(in which)”用作对应术语“包括(comprising)”和“其中(wherein)”的通俗英文等价词。而且，在以下权利要求书中，术语“包含”和“包括”是开放式的，也就是说，包含除了在权利要求中的此类术语之后所列的那些元件之外的元件的系统、装置、物品、组合物、调配物或过程仍被认为落入所述权利要求书的范围内。此外，在以下权利要求书中，术语“第一”、“第二”和“第三”等仅用作标记并且不旨在对其对象强加数字要求。
除非上下文另外指示，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“总体上圆形”，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)的部件。
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。一些实例可以包含用指令编码的计算机可读介质或机器可读介质，所述指令可操作以配置电子装置来执行以上实例中描述的方法。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，在实例中，代码可以如在执行期间或在其它时间有形地存储在一个或多个易失性、非暂时性或非易失性有形计算机可读介质上。这些有形计算机可读介质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，压缩盘和数字视频盘)、磁带盒、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。例如，以上所描述的实例(和/或其一个或多个方面)可以彼此组合使用。可以由如所属领域的普通技术人员在查阅以上描述后使用其它实施例。摘要是遵守37C.F.R.§1.72(b)提供的，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限制权利要求书的范围或含义的理解提交所述摘要。而且，在以上具体实施方式中，可以将各种特征分组在一起以便精简本公开。这不应该被解释为意味着未要求保护的所公开的特征对于任何权利要求都是必要的。相反，本发明主题可以在于比特定所公开实施例的所有特征少。因此，以下权利要求特此并入具体实施方式中作为实例或实施例，其中每项权利要求作为单独的实施例而独立存在，并且经考虑，此类实施例可以以各种组合或排列彼此组合。本发明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 (80)

1.一种方法，其包括：
在第一时间段内从连续葡萄糖监测(CGM)系统接收患者的估计的葡萄糖浓度水平；
在所述第一时间段内接收与所述患者有关的非葡萄糖信息；
确定所述估计的葡萄糖浓度水平和所述非葡萄糖信息之间的关系；
在第二时间段内接收与所述患者有关的非葡萄糖信息；
基于所确定的关系和所述非葡萄糖信息确定所述第二时间段内关于所述患者的糖尿病信息；以及
以电子方式递送关于所述糖尿病信息的通知。
2.根据权利要求1所述的方法，其进一步包括从所述CGM系统接收来自所述第一时间段的多个估计的葡萄糖浓度水平，并且其中在所述第一时间段内接收所述非葡萄糖信息包括接收在所述第一时间段内获取的至少一个单点葡萄糖测量结果。
3.根据权利要求1或权利要求2所述的方法，其中估计的葡萄糖浓度水平是无法在所述第二时间段期间从所述CGM获得的。
4.根据权利要求1到3中任一项所述的方法，其进一步包括在所述第一时间段内接收与所述患者有关的第二非葡萄糖信息，其中所述第二非葡萄糖信息不同于所述非葡萄糖信息，并且其中所述关系是所述估计的葡萄糖浓度水平、所述非葡萄糖信息和所述第二非葡萄糖信息之间的关系。
5.根据权利要求1到4中任一项所述的方法，其中所述非葡萄糖信息包含关于所述患者的生理信息。
6.根据权利要求5所述的方法，其中所述生理信息包含以下至少一项：心率、呼吸、氧浓度、肤色、皮肤上的水分含量、活动、活动模式、血酮、尿酮、呼吸或声学信息。
7.根据权利要求1到6中任一项所述的方法，其中所述非葡萄糖信息包含位置信息。
8.根据权利要求1到7中任一项所述的方法，其中确定糖尿病信息包含确定估计的葡萄糖浓度水平。
9.根据权利要求1到8中任一项所述的方法，其中确定糖尿病信息包含确定在指定时间段期间葡萄糖浓度水平处于范围内的时间量或时间百分比的估计。
10.一种系统，其包括：
主要子系统，所述主要子系统被配置成间歇地从宿主收集主要生理信息；
辅助子系统，所述辅助子系统被配置成从宿主收集第二类型的辅助数据；
指导系统，所述指导系统被配置成至少部分地基于所述主要生理信息和所述辅助数据来确定指导；以及
用户界面，所述用户界面被配置成显示所述指导。
11.根据权利要求10所述的系统，其中所述指导系统还被配置成：
确定所述辅助数据和所述主要生理信息之间的关系；以及
在未收集主要生理信息的时间段期间确定所述指导，其中确定所述指导是至少部分地基于所述辅助数据以及所述辅助数据和所述主要生理信息之间的关系。
12.根据权利要求10或权利要求11所述的系统，其中所述主要子系统包含连续葡萄糖监测器(CGM)，并且其中所述指导系统被进一步配置成至少部分地基于所述辅助数据以及所述辅助数据和所述主要生理信息之间的关系来确定患者状态。
13.根据权利要求12所述的系统，其中所述患者状态包括估计的葡萄糖浓度水平。
14.根据权利要求12或权利要求13所述的系统，其中所述患者状态包括范围内时间度量，所述度量指示在指定时间段期间葡萄糖浓度水平处于范围内的时间量或时间百分比的估计。
15.根据权利要求10到14中任一项所述的系统，其中所述辅助子系统包含传感器和存储器电路，并且其中所述辅助子系统被进一步配置成：
根据从所述传感器接收到的传感器数据确定所述辅助数据；以及
将所述传感器数据或所述辅助数据存储在所述存储器电路中。
16.根据权利要求10到15中任一项所述的系统，其中所述主要子系统包含连续葡萄糖监测器(CGM)和存储器电路，并且其中所述主要子系统被配置成：
接收指示宿主中葡萄糖浓度的CGM传感器信号；
至少部分地基于所述CGM传感器信号确定估计的葡萄糖浓度水平；以及
将多个估计的葡萄糖浓度水平存储在所述存储器电路中，其中所述主要生理信息包含或基于所述多个估计的葡萄糖浓度水平。
17.一种计算机可读介质，其上包括指令，当由至少一个处理器执行时，所述指令使所述至少一个处理器执行包括以下各项的操作：
在第一时间段内从连续葡萄糖监测(CGM)系统接收患者的估计的葡萄糖浓度水平；
在所述第一时间段内接收与所述患者有关的非葡萄糖信息；
确定所述估计的葡萄糖浓度水平和所述非葡萄糖信息之间的关系；
在第二时间段内接收与所述患者有关的非葡萄糖信息；
基于所确定的关系和所述非葡萄糖信息确定所述第二时间段内关于所述患者的糖尿病信息；以及
以电子方式递送关于所述糖尿病信息的通知。
18.根据权利要求17所述的介质，其中所述操作进一步包括从所述CGM系统接收来自所述第一时间段的多个估计的葡萄糖浓度水平，并且其中在所述第一时间段内接收所述非葡萄糖信息包括接收在所述第一时间段内获取的至少一个单点葡萄糖测量结果。
19.根据权利要求17或权利要求18所述的介质，所述操作进一步包括：
至少部分地基于所述糖尿病信息确定指导；以及
在用户界面处显示所述指导。
20.根据权利要求17到19中任一项所述的介质，其进一步包括在所述第一时间段内接收与所述患者有关的第二非葡萄糖信息，其中所述第二非葡萄糖信息不同于所述非葡萄糖信息，并且其中所述关系是所述估计的葡萄糖浓度水平、所述非葡萄糖信息和所述第二非葡萄糖信息之间的关系。
21.一种患者管理系统，其包括：
分析物传感器；以及
处理器，所述处理器执行指令以执行包括以下各项的操作：
通过在所述处理器处执行的第一应用程序并从所述分析物传感器接收指示用户的分析物浓度的传感器数据；
通过所述第一应用程序并向在所述处理器处执行的第二应用程序传输包括所述分析物浓度的指示的传感器消息；以及
通过所述第二应用程序并向可佩戴活动监测器装置递送装置消息，所述装置消息至少部分地基于所述分析物浓度。
22.根据权利要求21所述的患者管理系统，其进一步包括所述可佩戴活动监测器装置，其中所述可佩戴活动监测器装置包括运动传感器，并且其中所述可佩戴活动监测器装置被编程为生成用户界面，所述用户界面包含至少部分地基于所述装置消息的数据和至少部分地基于所述运动传感器的输出的数据。
23.根据权利要求21或权利要求22所述的患者管理系统，其中所述操作进一步包括生成描述所述用户的生理状态的估计的生理状态数据，所述生成至少部分地基于所述用户的所述分析物浓度。
24.根据权利要求23所述的患者管理系统，其中所述生理状态数据由所述第一应用程序生成，并且其中所述传感器消息包括所述生理状态数据。
25.根据权利要求23或24所述的患者管理系统，其中所述生理状态数据由所述第二应用程序生成，并且其中所述装置消息包括所述生理状态数据。
26.根据权利要求23到25中任一项所述的患者管理系统，其中所述生理状态数据包括范围内时间、葡萄糖浓度水平或葡萄糖浓度范围。
27.根据权利要求23到26中任一项所述的患者管理系统，其中所述生理状态数据的所述生成基于先前收集的葡萄糖浓度信息和先前收集的活动信息之间的相关性。
28.根据权利要求21到27中任一项所述的患者管理系统，其中所述装置消息包括用于在所述可佩戴活动监测器装置的用户界面处显示的显示数据。
29.根据权利要求21到28中任一项所述的患者管理系统，其中生成所述传感器消息包括对所述分析物浓度的所述指示进行加密。
30.根据权利要求21到29中任一项所述的患者管理系统，其中生成所述传感器消息包括至少部分地基于所述分析物浓度生成错误检测代码。
31.一种患者管理方法，其包括：
通过在患者管理系统处执行的第一应用程序并从分析物传感器接收指示用户的分析物浓度的传感器数据；
通过所述第一应用程序并向在所述患者管理系统处执行的第二应用程序传输包括所述分析物浓度的指示的传感器消息；以及
通过所述第二应用程序并向可佩戴活动监测器装置递送装置消息，所述装置消息至少部分地基于所述分析物浓度。
32.根据权利要求31所述的患者管理方法，其中所述可佩戴活动监测器装置包括运动传感器，所述方法进一步包括通过所述可佩戴活动监测器装置生成用户界面，所述用户界面包含至少部分地基于所述装置消息的数据和至少部分地基于所述运动传感器的输出的数据。
33.根据权利要求31或权利要求32所述的患者管理方法，其进一步包括生成描述所述用户的生理状态的估计的生理状态数据，所述生成至少部分地基于所述用户的所述分析物浓度。
34.根据权利要求33所述的患者管理方法，其中所述生理状态数据由所述第一应用程序生成，并且其中所述传感器消息包括所述生理状态数据。
35.根据权利要求33或权利要求34所述的患者管理方法，其中所述生理状态数据由所述第二应用程序生成，并且其中所述装置消息包括所述生理状态数据。
36.根据权利要求33到35中任一项所述的患者管理方法，其中所述生理状态数据包括范围内时间、葡萄糖浓度水平或葡萄糖浓度范围。
37.根据权利要求33到36中任一项所述的患者管理方法，其中所述生理状态数据的所述生成基于先前收集的葡萄糖浓度信息和先前收集的活动信息之间的相关性。
38.根据权利要求31到37中任一项所述的患者管理方法，其中所述装置消息包括用于在所述可佩戴活动监测器装置的用户界面处显示的显示数据。
39.根据权利要求31到38中任一项所述的患者管理方法，其中生成所述传感器消息包括至少部分地基于所述分析物浓度生成错误检测代码。
40.一种机器可读介质，其上包括指令，当由至少一个处理器执行时，所述指令使所述至少一个处理器执行包括以下各项的操作：
通过在患者管理系统处执行的第一应用程序并从分析物传感器接收指示用户的分析物浓度的传感器数据；
通过所述第一应用程序并向在所述患者管理系统处执行的第二应用程序传输包括所述分析物浓度的指示的传感器消息；以及
通过所述第二应用程序并向可佩戴活动监测器装置递送装置消息，所述装置消息至少部分地基于所述分析物浓度。
41.一种监测患者的方法，其包括：
在第一时间段内用低保真监测技术监测第一类型的患者数据；
基于所监测的第一类型的患者数据评估患者行为；以及
在第二时间段内用连续葡萄糖监测器装置监测第二类型的患者数据，其中所述连续葡萄糖监测器装置的参数基于在所述监测期间评估的所述患者行为。
42.根据权利要求41所述的方法，其中所述连续葡萄糖监测器装置的所述参数对应于用户界面的操作。
43.根据权利要求41或权利要求42所述的方法，其中所述低保真监测技术包括单点葡萄糖监测、盲法连续葡萄糖监测或光学监测技术中的至少一项。
44.根据权利要求41到43中任一项所述的方法，其中所述低保真监测技术包括通过可佩戴健身追踪器进行的活动监测。
45.根据权利要求44所述的方法，其中所述可佩戴健身追踪器包括可佩戴心率监测器、活动监测器、智能电话、智能眼镜或智能手表中的至少一项。
46.根据权利要求41到45中任一项所述的方法，其中所述低保真监测技术包括接收用户输入数据，所述用户输入数据包括药物数据、膳食数据、锻炼数据或睡眠数据中的至少一项。
47.根据权利要求41到46中任一项所述的方法，其进一步包括为所述患者确定目标，并且其中所述连续葡萄糖监测器装置的所述参数与所述目标有关。
48.根据权利要求47所述的方法，其中所述目标包含饮食目标、锻炼目标、葡萄糖水平监测目标或药物目标。
49.根据权利要求47或权利要求48所述的方法，其中所述为所述患者确定所述目标是至少部分地基于在所述第一时间段内用所述低保真监测技术监测的所述第一类型的所述数据。
50.根据权利要求41到49中任一项所述的方法，其进一步包括至少部分地通过确定用于自动化辅导例程的至少一个参数来确定所述连续葡萄糖监测器装置的所述参数。
51.根据权利要求41到50中任一项所述的方法，其进一步包括：
检测在所述第一时间段和所述第二时间段之间的患者参数的变化；以及
使用检测到的所述患者参数的变化来确定所述连续葡萄糖监测器装置的所述参数。
52.根据权利要求41到51中任一项所述的方法，其进一步包括在所述第一时间段内向所述患者提供辅导功能，所述辅导功能包括从服务器向所述连续葡萄糖监测器装置传输的自动化消息，其中所述辅导功能基于患者档案数据或所述第一类型的所述患者数据或其组合。
53.一种系统，其包括：
低保真系统，所述低保真系统被配置成在第一时间段内收集与患者有关的第一类型的第一组传感器数据；
连续葡萄糖监测器装置，所述连续葡萄糖监测器装置被配置成收集与所述患者有关的第二类型的数据的第二组传感器数据；以及
决策系统，所述决策系统被配置成基于所述第一组传感器数据确定所述连续葡萄糖监测器装置的参数。
54.根据权利要求53所述的系统，其中低保真系统包含活动传感器。
55.根据权利要求53或权利要求54所述的系统，其中低保真系统包含血糖仪。
56.根据权利要求53到55中任一项所述的系统，其中所述连续葡萄糖监测器装置包含连续葡萄糖监测器。
57.根据权利要求53到56中任一项所述的系统，其中所述参数包含供使用所述连续葡萄糖监测器装置的时间表。
58.根据权利要求53到57中任一项所述的系统，其中所述参数是启动所述连续葡萄糖监测器装置的使用的时间。
59.根据权利要求53到58中任一项所述的系统，其进一步包括第三系统，所述第三系统被配置成收集与所述患者有关的第三组传感器数据，其中所述决策系统至少部分地基于所述第一组传感器数据和所述第三组传感器数据确定所述参数。
60.一种机器可读介质，其上包括指令，当由至少一个处理器执行时，所述指令使所述至少一个处理器执行包括以下各项的操作：
在第一时间段内用低保真监测技术监测第一类型的患者数据；
基于所监测的第一类型的患者数据评估患者行为；以及
在第二时间段内用连续葡萄糖监测器装置监测第二类型的患者数据，其中所述连续葡萄糖监测器装置的参数基于在所述监测期间评估的所述患者行为。
61.一种用于测量与患者健康相关的参数的方法，所述方法包括：
通过分析物传感器系统检测到所述分析物传感器系统已经被应用到宿主；
通过所述分析物传感器系统存储描述所述宿主的分析物数据；
通过所述分析物传感器系统确定所述分析物传感器系统处的传感器使用已经终止；以及
通过所述分析物传感器系统将存储的分析物数据上传到上传计算装置。
62.根据权利要求61所述的方法，其进一步包括：
在确定所述分析物传感器系统处的所述传感器使用已经终止之后，通过所述分析物传感器系统传播系统识别数据；
通过所述分析物传感器系统并从所述上传计算装置接收包括所述系统识别数据的通信请求；以及
响应于所述通信请求，通过所述分析物传感器系统而与所述上传计算装置建立通信会话，其中所述上传是使用所述通信会话而执行。
63.根据权利要求61或权利要求62所述的方法，其进一步包括：
在确定所述分析物传感器系统处的所述传感器使用已经终止之后，通过所述分析物传感器系统从所述上传计算装置接收上传请求；以及
从所述上传计算装置接收认证数据。
64.根据权利要求61到63中任一项所述的方法，其进一步包括：
在确定所述分析物传感器系统处的所述传感器使用已经终止之后，通过所述分析物传感器系统从所述上传计算装置接收上传请求；
通过所述分析物传感器系统传播系统识别数据；
从所述上传计算装置接收认证数据；以及
通过所述分析物传感器系统而与所述上传计算装置建立通信会话，其中所述上传将所述存储的分析物数据传输到所述上传计算装置。
65.根据权利要求61到64中任一项所述的方法，其中检测到所述分析物传感器系统已经被应用到宿主包括确定所述分析物传感器系统已提供高于阈值的传感器读数。
66.根据权利要求61到65中任一项所述的方法，其中检测到所述分析物传感器系统已经被应用到宿主包括确定所述分析物传感器系统已提供高于阈值的传感器读数达超过阈值时间的时间。
67.根据权利要求61到66中任一项所述的方法，其中确定所述分析物传感器系统处的传感器使用已经终止包括确定自所述分析物传感器系统被应用到所述宿主以来已经过去了超过阈值时间的时间。
68.根据权利要求61到67中任一项所述的方法，其进一步包括通过所述上传计算装置将所述存储的分析物传感器数据上传到服务器系统。
69.一种用于测量与患者健康相关的参数的系统，所述系统包括：
分析物传感器系统，所述分析物传感器系统被配置成执行包括以下各项的操作：
检测到所述分析物传感器系统已经被应用到宿主；
通过所述分析物传感器系统存储描述所述宿主的分析物数据；
通过所述分析物传感器系统确定所述分析物传感器系统处的传感器使用已经终止；以及
通过所述分析物传感器系统将存储的分析物数据上传到上传计算装置。
70.根据权利要求69所述的系统，所述操作进一步包括：
在确定所述分析物传感器系统处的所述传感器使用已经终止之后，通过所述分析物传感器系统传播系统识别数据；
通过所述分析物传感器系统并从所述上传计算装置接收包括所述系统识别数据的通信请求；以及
响应于所述通信请求，通过所述分析物传感器系统而与所述上传计算装置建立通信会话，其中所述上传是使用所述通信会话而执行。
71.根据权利要求69或权利要求70所述的系统，所述操作进一步包括：
在确定所述分析物传感器系统处的所述传感器使用已经终止之后，通过所述分析物传感器系统从所述上传计算装置接收上传请求；以及
从所述上传计算装置接收认证数据。
72.根据权利要求69到71中任一项所述的系统，所述操作进一步包括：
在确定所述分析物传感器系统处的所述传感器使用已经终止之后，通过所述分析物传感器系统从所述上传计算装置接收上传请求；
通过所述分析物传感器系统传播系统识别数据；
从所述上传计算装置接收认证数据；以及
通过所述分析物传感器系统而与所述上传计算装置建立通信会话，其中所述上传将所述存储的分析物数据传输到所述上传计算装置。
73.根据权利要求69到72中任一项所述的系统，其中检测到所述分析物传感器系统已经被应用到宿主包括确定所述分析物传感器系统已提供高于阈值的传感器读数。
74.根据权利要求69到73中任一项所述的系统，其中检测到所述分析物传感器系统已经被应用到宿主包括确定所述分析物传感器系统已提供高于阈值的传感器读数达超过阈值时间的时间。
75.根据权利要求69到74中任一项所述的系统，其中确定所述分析物传感器系统处的传感器使用已经终止包括确定自所述分析物传感器系统被应用到所述宿主以来已经过去了超过阈值时间的时间。
76.根据权利要求69到75中任一项所述的系统，其进一步包括所述上传计算装置，其中所述上传计算装置被配置成执行包括将所述存储的分析物传感器数据上传到服务器系统的操作。
77.一种机器可读介质，其上包括指令，当由至少一个处理器执行时，所述指令使所述至少一个处理器执行包括以下各项的操作：
检测到分析物传感器系统已经被应用到宿主；
存储描述所述宿主的分析物数据；
确定所述分析物传感器系统处的传感器使用已经终止；以及
将存储的分析物数据上传到上传计算装置。
78.根据权利要求77所述的机器可读介质，所述操作进一步包括：
在确定所述分析物传感器系统处的所述传感器使用已经终止之后，传播系统识别数据；
从所述上传计算装置接收包括所述系统识别数据的通信请求；以及
响应于所述通信请求，与所述上传计算装置建立通信会话，其中所述上传是使用所述通信会话而执行。
79.根据权利要求77或权利要求78所述的机器可读介质，所述操作进一步包括：
在确定所述分析物传感器系统处的所述传感器使用已经终止之后，从所述上传计算装置接收上传请求；以及
从所述上传计算装置接收认证数据。
80.根据权利要求77到79中任一项所述的机器可读介质，所述操作进一步包括：
在确定所述分析物传感器系统处的所述传感器使用已经终止之后，从所述上传计算装置接收上传请求；
传播系统识别数据；
接收认证数据；以及
与所述上传计算装置建立通信会话，其中所述上传将所述存储的分析物数据传输到所述上传计算装置。
CN201980091621.6A 2018-12-19 2019-12-17 间歇性监测 Pending CN113438920A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201862782291P 2018-12-19 2018-12-19
US62/782,291 2018-12-19
PCT/US2019/066958 WO2020131942A1 (en) 2018-12-19 2019-12-17 Intermittent monitoring

Publications (1)

Publication Number Publication Date
CN113438920A true CN113438920A (zh) 2021-09-24

Family

ID=71097314

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201980091621.6A Pending CN113438920A (zh) 2018-12-19 2019-12-17 间歇性监测

Country Status (7)

Country Link
US (4) US20200196922A1 (zh)
EP (1) EP3897366A4 (zh)
JP (1) JP2022514646A (zh)
CN (1) CN113438920A (zh)
AU (1) AU2019402884A1 (zh)
CA (1) CA3123212A1 (zh)
WO (1) WO2020131942A1 (zh)

Families Citing this family (46)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9858063B2 (en) 2016-02-10 2018-01-02 Vignet Incorporated Publishing customized application modules
US9848061B1 (en) 2016-10-28 2017-12-19 Vignet Incorporated System and method for rules engine that dynamically adapts application behavior
US9928230B1 (en) 2016-09-29 2018-03-27 Vignet Incorporated Variable and dynamic adjustments to electronic forms
DK180246B1 (en) 2018-03-12 2020-09-11 Apple Inc User interfaces for health monitoring
US11317833B2 (en) 2018-05-07 2022-05-03 Apple Inc. Displaying user interfaces associated with physical activities
US10775974B2 (en) 2018-08-10 2020-09-15 Vignet Incorporated User responsive dynamic architecture
US20200196922A1 (en) * 2018-12-19 2020-06-25 Dexcom, Inc. Intermittent monitoring
EP3903316A1 (en) 2018-12-28 2021-11-03 LunaPBC Community data aggregation, completion, correction, and use
KR20200111492A (ko) * 2019-03-19 2020-09-29 삼성전자주식회사 전자 장치 및 전자 장치에서의 생체 정보 알림 방법
TWI728333B (zh) * 2019-03-29 2021-05-21 華廣生技股份有限公司 感測器與電子裝置間的資料傳輸方法及其系統
DK201970532A1 (en) 2019-05-06 2021-05-03 Apple Inc Activity trends and workouts
US11152100B2 (en) 2019-06-01 2021-10-19 Apple Inc. Health application user interfaces
US11883208B2 (en) 2019-08-06 2024-01-30 Medtronic Minimed, Inc. Machine learning-based system for estimating glucose values based on blood glucose measurements and contextual activity data
US11107568B2 (en) * 2019-08-30 2021-08-31 MyFitnessPal, Inc. Versatile data structure for workout session templates and workout sessions
US20220122735A1 (en) * 2019-10-25 2022-04-21 Wise IOT Solutions System and method for processing human related data including physiological signals to make context aware decisions with distributed machine learning at edge and cloud
US20210128831A1 (en) * 2019-11-05 2021-05-06 Insulet Corporation Systems and methods for determining placement of wearable drug delivery devices
US11357426B2 (en) * 2020-01-15 2022-06-14 Bao Tran Glucose management
US20230054418A1 (en) * 2020-02-06 2023-02-23 Nippon Telegraph And Telephone Corporation Notification device and notification method
DK181037B1 (en) 2020-06-02 2022-10-10 Apple Inc User interfaces for health applications
US11698710B2 (en) 2020-08-31 2023-07-11 Apple Inc. User interfaces for logging user activities
US11284818B2 (en) 2020-08-31 2022-03-29 TT1 Products, Inc. Glucose exposure diagnostics and therapeutics related thereto
US11764488B2 (en) 2020-09-09 2023-09-19 Know Labs, Inc. Methods for determining variability of a state of a medium
US11689274B2 (en) * 2020-09-09 2023-06-27 Know Labs, Inc. Systems for determining variability in a state of a medium
US11082487B1 (en) 2020-09-22 2021-08-03 Vignet Incorporated Data sharing across decentralized clinical trials using customized data access policies
US11748354B2 (en) * 2020-09-27 2023-09-05 International Business Machines Corporation Data shape confidence
US11763919B1 (en) 2020-10-13 2023-09-19 Vignet Incorporated Platform to increase patient engagement in clinical trials through surveys presented on mobile devices
US20220157456A1 (en) * 2020-11-13 2022-05-19 SolaVieve Technologies GmbH Integrated healthcare platform
US20220265143A1 (en) * 2020-12-07 2022-08-25 Beta Bionics, Inc. Ambulatory medicament pumps with selective alarm muting
US11586524B1 (en) * 2021-04-16 2023-02-21 Vignet Incorporated Assisting researchers to identify opportunities for new sub-studies in digital health research and decentralized clinical trials
US11281553B1 (en) 2021-04-16 2022-03-22 Vignet Incorporated Digital systems for enrolling participants in health research and decentralized clinical trials
US11789837B1 (en) * 2021-02-03 2023-10-17 Vignet Incorporated Adaptive data collection in clinical trials to increase the likelihood of on-time completion of a trial
US20220296174A1 (en) * 2021-03-17 2022-09-22 Covidien Lp Detection and/or prediction of a medical condition using atrial fibrillation and glucose measurements
WO2022198058A1 (en) * 2021-03-18 2022-09-22 Alireza Ghodrati System, apparatus, and methods for health monitoring
US20220354392A1 (en) * 2021-05-05 2022-11-10 Zoe Limited Personalized glucose ranges for making healthy choices
US11915805B2 (en) 2021-06-06 2024-02-27 Apple Inc. User interfaces for shared health-related data
JP6948095B1 (ja) * 2021-07-30 2021-10-13 株式会社ＬａＶｉｅｎａ プログラム、方法、およびシステム
USD1004777S1 (en) 2021-09-01 2023-11-14 TT1 Products, Inc. Wrist reader
US20230064744A1 (en) * 2021-09-01 2023-03-02 Dexcom, Inc. Augmented Analyte Monitoring System
WO2023054896A1 (ko) * 2021-09-29 2023-04-06 삼성전자 주식회사 획득된 데이터에 기반하여 화면을 표시하기 위한 전자 장치 및 방법
US11901083B1 (en) 2021-11-30 2024-02-13 Vignet Incorporated Using genetic and phenotypic data sets for drug discovery clinical trials
US11705230B1 (en) 2021-11-30 2023-07-18 Vignet Incorporated Assessing health risks using genetic, epigenetic, and phenotypic data sources
WO2023121497A1 (ru) * 2021-12-21 2023-06-29 Аккофриск Технологии Лтд. Способ неинвазивного определения изменения содержания глюкозы в крови человека
WO2023219847A1 (en) * 2022-05-13 2023-11-16 Dexcom, Inc. Cost-effective therapy recommendations
TWI799327B (zh) * 2022-08-08 2023-04-11 英華達股份有限公司 個人化生理狀態評估模型的建立方法和建立系統，以及生理狀態評估方法
WO2024034596A1 (ja) * 2022-08-09 2024-02-15 Ｎｅｘｔ Ｉｎｎｏｖａｔｉｏｎ合同会社 取得情報出力端末、取得情報出力システム、取得情報出力端末の通信方法
US11790107B1 (en) 2022-11-03 2023-10-17 Vignet Incorporated Data sharing platform for researchers conducting clinical trials

Family Cites Families (58)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US3014603A (en) 1957-06-21 1961-12-26 Fellner & Ziegler Gmbh Charging top construction for blast furnaces
US6477150B1 (en) 2000-03-03 2002-11-05 Qualcomm, Inc. System and method for providing group communication services in an existing communication system
US7041468B2 (en) * 2001-04-02 2006-05-09 Therasense, Inc. Blood glucose tracking apparatus and methods
US20090177068A1 (en) * 2002-10-09 2009-07-09 Stivoric John M Method and apparatus for providing derived glucose information utilizing physiological and/or contextual parameters
US20050080526A1 (en) 2003-10-14 2005-04-14 Williams George P. Audible warning device for a motorcycle
US7885146B2 (en) 2005-08-31 2011-02-08 Potty Time, Inc. Adjustable count down timer
US20070190991A1 (en) 2006-02-11 2007-08-16 Cargille Frances J Method for automatically restoring the default alert setting of a cellular telephone
US20070240166A1 (en) 2006-04-05 2007-10-11 Kumar Marappan System and method of providing inter-application communications
US8225093B2 (en) 2006-12-05 2012-07-17 Qualcomm Incorporated Providing secure inter-application communication for a mobile operating environment
JP5156088B2 (ja) * 2007-03-23 2013-03-06 エルジー エレクトロニクス インコーポレイティド ビデオ信号のデコーディング／エンコーディング方法及び装置
US20080281179A1 (en) 2007-05-08 2008-11-13 Abbott Diabetes Care, Inc. Analyte monitoring system and methods
US8049611B2 (en) 2007-06-13 2011-11-01 Eingot Llc Location mechanism for mobile device
US8424007B1 (en) 2008-09-30 2013-04-16 Symantec Corporation Prioritizing tasks from virtual machines
US8269625B2 (en) 2009-07-29 2012-09-18 Innovalarm Corporation Signal processing system and methods for reliably detecting audible alarms
EP2290371A1 (de) * 2009-08-27 2011-03-02 F. Hoffmann-La Roche AG Kalibrierverfahren zur prospektiven Kalibrierung eines Messgeräts
EP4070728A1 (en) * 2009-08-31 2022-10-12 Abbott Diabetes Care, Inc. Displays for a medical device
KR101141251B1 (ko) * 2010-07-13 2012-05-04 주식회사 필로시스 만보기 기능을 가지는 혈당측정기를 이용한 혈당측정방법
WO2012010298A1 (en) * 2010-07-23 2012-01-26 Roche Diagnostics Gmbh System and method considering the effect of physical activity on the glucoregulatory system
US20120165639A1 (en) 2010-12-22 2012-06-28 Roche Diagnostics Operations, Inc. Storage of calibration data at a continuous glucose monitor
WO2012122520A1 (en) 2011-03-10 2012-09-13 Abbott Diabetes Care Inc. Multi-function analyte monitor device and methods of use
WO2013022775A1 (en) * 2011-08-05 2013-02-14 Dexcom, Inc. Systems and methods for detecting glucose level data patterns
US8948832B2 (en) * 2012-06-22 2015-02-03 Fitbit, Inc. Wearable heart rate monitor
US20140012117A1 (en) * 2012-07-09 2014-01-09 Dexcom, Inc. Systems and methods for leveraging smartphone features in continuous glucose monitoring
US9087191B2 (en) 2012-08-24 2015-07-21 Vmware, Inc. Method and system for facilitating isolated workspace for applications
US9286477B2 (en) 2012-08-29 2016-03-15 Symantec Corporation Secure app ecosystem with key and data exchange according to enterprise information control policy
US9430211B2 (en) 2012-08-31 2016-08-30 Jpmorgan Chase Bank, N.A. System and method for sharing information in a private ecosystem
US9442778B2 (en) 2012-10-01 2016-09-13 Salesforce.Com, Inc. Method and system for secured inter-application communication in mobile devices
US9119529B2 (en) * 2012-10-30 2015-09-01 Dexcom, Inc. Systems and methods for dynamically and intelligently monitoring a host's glycemic condition after an alert is triggered
US10528385B2 (en) 2012-12-13 2020-01-07 Microsoft Technology Licensing, Llc Task completion through inter-application communication
US9866382B2 (en) 2012-12-21 2018-01-09 Mobile Iron, Inc. Secure app-to-app communication
US9059974B2 (en) 2012-12-21 2015-06-16 Mobile Iron, Inc. Secure mobile app connection bus
MX353110B (es) 2012-12-21 2017-12-19 Deka Products Lp Sistema, método y aparato para la comunicación de datos.
US9730620B2 (en) 2012-12-31 2017-08-15 Dexcom, Inc. Remote monitoring of analyte measurements
US9801541B2 (en) 2012-12-31 2017-10-31 Dexcom, Inc. Remote monitoring of analyte measurements
US20140221911A1 (en) * 2013-02-01 2014-08-07 Edwards Lifesciences Corporation Clot detection based on signal-time history diagnostics
US20140364711A1 (en) 2013-03-27 2014-12-11 AkibaH Health Corporation All-in-one analyte sensor in a detachable external mobile device case
US10003545B2 (en) 2013-04-26 2018-06-19 Roche Diabetes Care, Inc. Mobile phone application for diabetes care with medical feature activation
US20160117520A1 (en) 2014-06-13 2016-04-28 John Safa Method and system for sharing content files using a computer system and data network
US8839266B1 (en) 2013-07-31 2014-09-16 Vmware, Inc. Inter-application communication on mobile platforms
ES2671640T3 (es) 2013-08-07 2018-06-07 Nokia Technologies Oy Método y aparato para configurar selectivamente alarmas antes de comenzar un modo silencioso de operación
WO2015048514A1 (en) * 2013-09-27 2015-04-02 Mayo Foundation For Medical Education And Research Analyte assessment and arrhythmia risk prediction using physiological electrical data
WO2015058286A1 (en) 2013-10-27 2015-04-30 Blacktree Fitness Technologies Inc. Portable devices and methods for measuring nutritional intake
JP6538704B2 (ja) 2013-11-07 2019-07-03 デックスコム・インコーポレーテッド 分析物値の伝送及び連続的監視のためのシステム及び方法
US20150173674A1 (en) 2013-12-20 2015-06-25 Diabetes Sentry Products Inc. Detecting and communicating health conditions
EP3128913B1 (en) * 2014-04-10 2019-05-08 Dexcom, Inc. Determining a user's urgency index associated with a physiological condition
KR101512076B1 (ko) 2014-04-29 2015-04-14 길영준 다중 생체신호를 이용한 혈당 측정 방법 및 혈당 측정 장치
US20150335272A1 (en) 2014-05-20 2015-11-26 Nicholas R. Natale Blood sugar concentration (bsc) testing and monitoring system and method
US10252002B2 (en) 2014-08-01 2019-04-09 Becton, Dickinson And Company Continuous glucose monitoring injection device
EP3244348A1 (en) * 2014-10-15 2017-11-15 Eccrine Systems, Inc. Sweat sensing device communication, security and compliance
US10945600B2 (en) 2015-02-10 2021-03-16 Dexcom, Inc. Systems and methods for distributing continuous glucose data
US11068420B2 (en) 2015-05-12 2021-07-20 Hewlett Packard Enterprise Development Lp Scalable software stack
EP3113054B1 (en) 2015-07-01 2019-09-04 Roche Diabetes Care GmbH A portable device and a method for collecting and processing continuous monitoring data indicative of an analyte in a bodily fluid, a medical system and a computer program product
AU2016291569B2 (en) 2015-07-10 2021-07-08 Abbott Diabetes Care Inc. System, device and method of dynamic glucose profile response to physiological parameters
WO2017173162A1 (en) 2016-03-31 2017-10-05 Dexcom, Inc. Systems and methods for inter-app communications
EP3455755A1 (en) * 2016-05-13 2019-03-20 Welldoc, Inc. Database management and graphical user interfaces for measurements collected by analyzing blood
US20170372017A1 (en) 2016-06-27 2017-12-28 Casey Steffen Healthcare self-management intervention system and method
US11030493B2 (en) * 2018-09-20 2021-06-08 International Business Machines Corporation Estimating sequential blood-sugar levels using images of meals
US20200196922A1 (en) * 2018-12-19 2020-06-25 Dexcom, Inc. Intermittent monitoring

Also Published As

Publication number Publication date
US11389090B2 (en) 2022-07-19
EP3897366A4 (en) 2022-09-07
US20200196865A1 (en) 2020-06-25
US20200196923A1 (en) 2020-06-25
AU2019402884A1 (en) 2021-07-01
JP2022514646A (ja) 2022-02-14
CA3123212A1 (en) 2020-06-25
US20200203012A1 (en) 2020-06-25
US20200196922A1 (en) 2020-06-25
EP3897366A1 (en) 2021-10-27
WO2020131942A1 (en) 2020-06-25

Similar Documents

Publication Publication Date Title
US11389090B2 (en) Intermittent monitoring
US20220273204A1 (en) Intermittent Monitoring
US11382507B2 (en) Structured tailoring
CN109997198B (zh) 综合疾病管理系统
JP5926517B2 (ja) 個人の健康およびウェルネスの管理のためのシステムおよび、その命令を含むコンピュータプログラムを格納した非一時的コンピュータ可読記憶媒体
CN111655128A (zh) 用于决策支持的系统和方法
US20130122476A1 (en) System and methods for providing dynamic integrated wellness assessment
RU2712395C1 (ru) Способ выдачи рекомендаций по поддержанию здорового образа жизни на основе параметров ежедневной деятельности пользователя, автоматически отслеживаемых в реальном времени, и соответствующая система (варианты)
WO2010022387A1 (en) Method and apparatus for chronic disease control
US20200388381A1 (en) Managing power of a health device
US20160147968A1 (en) Home-based health and skills development programming system
US20220246299A1 (en) Electronic patient advisor and healthcare system for remote management of chronic conditions
JP2023524473A (ja) 適合型意思決定支援システム
US20150205937A1 (en) Evidence-based personalized, diabetes self-care system and method
Lewy Wearable devices-from healthy lifestyle to active ageing
US20210343385A1 (en) Method and system for managing a participant health regimen
US11322250B1 (en) Intelligent medical care path systems and methods
WO2023219847A1 (en) Cost-effective therapy recommendations
Gualtieri Digital innovation in home care: insights from the startup global landscape
US20240013912A1 (en) Communications platform connecting users for remote monitoring and intervention based on user-designated conditions
US20220287563A1 (en) Structured Tailoring
US20220230751A1 (en) Decision support system, and method in relation thereto
Elkefi Supporting patients’ workload through wearable devices and mobile health applications, a systematic literature review
WO2015112375A1 (en) Evidenced-based personalized, diabetes self-care system and method
WO2023211986A1 (en) Systems, devices, and methods for meal-related analyte response monitoring

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