CN113453619A - 为连续血糖监测系统的用户做出决策支持建议的安全工具 - Google Patents

Abstract

描述用于确定是否将会将决策支持建议呈现给用户以用于治疗糖尿病病况的系统和方法，所述方法包含：接收影响连续血糖监测器的用户的糖尿病病况的多个输入数据项，所述输入数据项充当用于确定决策支持建议的过程的输入数据；将可靠性水平分配给所述输入数据项中的每一个；基于分配给所述输入数据项中的每一个的所述可靠性水平计算可靠性度量；基于所述过程和所述输入数据确定决策支持建议；及仅在所述可靠性度量超过阈值的情况下才在用户界面上向所述用户呈现所述决策支持建议。

Description

为连续血糖监测系统的用户做出决策支持建议的安全工具

引用相关申请的并入

本申请要求2018年12月28日提交的美国临时专利申请第62/786,089号的优先权。前述申请是以全文引用的方式并入本文中，并且在此明确地成为本说明书的一部分。

技术领域

本发明的实施例涉及连续分析物监测，并且具体来说，涉及连续分析物监测系统的信号分析及结果呈现。

背景技术

糖尿病是其中胰腺不能产生足够的胰岛素(I型或胰岛素依赖型)和/或其中胰岛素不够有效(II型或非胰岛素依赖型)的病症。在糖尿病病况中，受害者遭受高血糖，高血糖可以引起一批与小血管恶化相关的生理紊乱，例如肾衰竭、皮肤溃疡或眼睛玻璃体出血。可通过无意的过剂量的胰岛素，或在正常剂量的胰岛素或血糖降低剂之后伴随大量运动或食物摄入不足来诱导低血糖反应(低血糖)。

常规地，患有糖尿病的人带有自我监测血糖(SMBG)监测器，这通常需要不舒服的手指刺破方法。由于缺乏舒适性和便利性，患有糖尿病的人通常仅每天测量其血糖水平两次到四次。不利的是，这类时间间隔可以相隔如此远以致于患有糖尿病的人可能发现高血糖或低血糖病状时为时已晚，有时招致危险的副作用。患有糖尿病的人不仅不大可能及时感知到危险病况以将其抵消，而且他/她还有可能将不能基于常规方法来知道其血糖值是否升高(较高)或降低(较低)。糖尿病患者由此可能无法做出明智的胰岛素疗法决策。

一些糖尿病患者用于监测其血糖的另一装置是连续分析物传感器，例如，连续血糖监测器(CGM)。CGM通常包含侵入性地、最低限度侵入性地或非侵入性地放置的传感器。传感器测量身体内的给定分析物(例如，葡萄糖)的浓度，且产生由与传感器相关联的电子件产生的原始信号。将原始信号转换成在显示器上显示的输出值。由原始信号的转换产生的输出值通常以向用户提供有意义信息的形式表示，且用户已习惯以所述形式进行分析，如以mg/dL为单位表示的血糖。

发明内容

在第一方面中，提供一种用于确定是否将会将决策支持建议呈现给用户以用于治疗糖尿病病况的方法，其包括：至少部分地基于血糖浓度水平来识别用户的当前糖尿病病况；接收额外数据，所述额外数据连同当前糖尿病病况充当用于确定决策支持建议的过程的输入数据；将可靠性水平分配给额外数据；使用所述过程和输入数据计算决策支持建议；及仅在额外数据的所分配可靠性水平超过阈值的情况下才在用户界面上将决策支持建议呈现给用户。

在第一方面的一实施例或其任何其它实施例中，分配可靠性水平包含至少部分地基于所获得的额外数据的来源的身份分配可靠性水平。

在第一方面的一实施例或其任何其它实施例中，额外数据包含摄入的或待在规定时间段内摄入的食物和饮料的指示。

在第一方面的一实施例或其任何其它实施例中，所述指示包含由用户手动地输入的数据。

在第一方面的一实施例或其任何其它实施例中，所述指示包含从第三方获得的关于食物或饮料的营养数据。

在第一方面的一实施例或其任何其它实施例中，营养数据通过应用程序自动输入。

在第一方面的一实施例或其任何其它实施例中，通过将营养信息扫描到应用程式中来自动输入营养数据。

在第一方面的一实施例或其任何其它实施例中，额外数据包含描述用户的过去的生理响应模式的信息。

在第一方面的一实施例或其任何其它实施例中，额外数据包含已出现或将在规定时间量内出现的用户活动水平的指示。

在第一方面的一实施例或其任何其它实施例中，分配可靠性水平包含向通过机器对机器通信获得的额外信息分配比通过手动输入对机器通信获得的额外信息高的可靠性。

在第一方面的一实施例或其任何其它实施例中，决策支持建议包含摄入食物或饮料的建议。

在第一方面的一实施例或其任何其它实施例中，决策支持建议包含注入所计算胰岛素量的建议。

在第一方面的一实施例或其任何其它实施例中，呈现决策支持建议包含至少部分地基于可靠性水平确定何时呈现决策建议。

在第一方面的一实施例或其任何其它实施例中，接收额外数据包含接收不同类型的多个额外数据项，且将可靠性水平分配给额外数据包含独立地将可靠性水平分配给额外数据项中的每一个。

在第一方面的一实施例或其任何其它实施例中，呈现决策支持建议包含仅在个别可靠性水平的加权平均值超过第一阈值的情况下且在个别可靠性水平中无一个低于第二阈值的情况下才呈现决策支持建议。

在第一方面的一实施例或其任何其它实施例中，至少部分地基于所计算的决策支持建议的类型来选择第一和/或第二阈值。

在第一方面的一实施例或其任何其它实施例中，至少部分地基于所确定的决策支持建议的类型来选择阈值。

在第一方面的一实施例或其任何其它实施例中，呈现决策支持建议包含当所分配可靠性水平是在由上限阈值和下限阈值规定的范围内时，呈现促进患者安全性的更保守的支持建议。

在第一方面的一实施例或其任何其它实施例中，作为用于确定决策支持建议的过程的部分来计算所计算胰岛素量。

在第一方面的一实施例或其任何其它实施例中，将可靠性水平分配给额外数据包含使用机器学习技术将可靠性水平分配给额外数据。

在第一方面的一实施例或其任何其它实施例中，血糖浓度水平是从连续血糖监测器中的血糖传感器获得的。

在第一方面的一实施例或其任何其它实施例中，识别用户的当前糖尿病病况包含从与连续血糖监测器相关联的血糖传感器接收传感器数据。

在第一方面的一实施例或其任何其它实施例中，用户界面并入于从血糖传感器接收传感器数据的显示装置中。

在第一方面的一实施例或其任何其它实施例中，显示装置通过无线通信链路从血糖传感器接收传感器数据。

在第一方面的一实施例或其任何其它实施例中，在用户界面上向用户呈现决策支持建议包含在显示装置的用户界面上向用户呈现决策支持建议。

在第一方面的一实施例或其任何其它实施例中，驻存在显示装置上的连续血糖传感器应用程序接收传感器数据，且使得在用户界面上向用户呈现决策支持建议。

在第二方面中，提供一种用于确定是否将计算决策支持建议的方法，其包括：至少部分地基于血糖浓度水平识别用户的当前糖尿病病况；接收额外数据，所述额外数据连同当前糖尿病病况充当用于确定决策支持建议的过程的输入数据；将可靠性水平分配给额外数据；及仅在额外数据的所分配可靠性水平超过阈值的情况下使用所述过程和输入数据计算决策支持建议。

在第二方面的一实施例或其任何其它实施例中，分配可靠性水平包含至少部分地基于所获得的额外数据的来源的身份分配可靠性水平。

在第二方面的一实施例或其任何其它实施例中，额外数据包含摄入的或待在规定时间段内摄入的食物和饮料的指示。

在第二方面的一实施例或其任何其它实施例中，所述指示包含由用户手动地输入的数据。

在第二方面的一实施例或其任何其它实施例中，所述指示包含从第三方获得的关于食物或饮料的营养数据。

在第二方面的一实施例或其任何其它实施例中，其中营养数据通过应用程序自动输入。

在第二方面的一实施例或其任何其它实施例中，通过将营养信息扫描到应用程式中来自动输入营养数据。

在第二方面的一实施例或其任何其它实施例中，额外数据包含描述用户的过去的生理响应模式的信息。

在第二方面的一实施例或其任何其它实施例中，额外数据包含已出现或将在规定时间量内出现的用户活动水平的指示。

在第二方面的一实施例或其任何其它实施例中，分配可靠性水平包含向通过机器对机器通信获得的额外信息分配比通过手动输入对机器通信获得的额外信息高的可靠性。

在第二方面的一实施例或其任何其它实施例中，决策支持建议包含摄入食物或饮料的建议。

在第二方面的一实施例或其任何其它实施例中，决策支持建议包含注入所计算胰岛素量的建议。

在第二方面的一实施例或其任何其它实施例中，接收额外数据包含接收不同类型的多个额外数据项，且将可靠性水平分配给额外数据包含独立地将可靠性水平分配给额外数据项中的每一个。

在第二方面的一实施例或其任何其它实施例中，计算决策支持建议包含仅在个别可靠性水平的加权平均值超过第一阈值的情况下且在个别可靠性水平中无一个低于第二阈值的情况下才计算决策支持建议。

在第二方面的一实施例或其任何其它实施例中，至少部分地基于所确定的决策支持建议的类型来选择阈值。

在第二方面的一实施例或其任何其它实施例中，作为用于确定决策支持建议的过程的部分来计算所计算胰岛素量。

在第三方面中，提供一种用于确定是否将会将决策支持建议呈现给用户以用于治疗糖尿病病况的方法，其包括：接收影响连续血糖监测器的用户的糖尿病病况的多个输入数据项，所述输入数据项充当用于确定决策支持建议的过程的输入数据；将可靠性水平分配给输入数据项中的每一个；基于分配给输入数据项中的每一个的可靠性水平来计算可靠性度量；基于所述过程和输入数据确定决策支持建议；及仅在可靠性度量超过阈值的情况下在用户界面上向用户呈现决策支持建议。

在第三方面的一实施例或其任何其它实施例中，计算可靠性度量包含基于输入数据项中的每一个的可靠性水平的平均值来计算可靠性度量。

在第三方面的一实施例或其任何其它实施例中，可靠性水平的平均值是加权平均值。

在第三方面的一实施例或其任何其它实施例中，多个输入数据项包含来自连续血糖监测器中的血糖传感器的传感器数据。

在第三方面的一实施例或其任何其它实施例中，分配可靠性水平包含基于选自包括以下各项的群组的一个或多个因素将可靠性水平分配给传感器数据：信号质量、传感器校准、连接性、血糖传感器寿命，及血糖传感器的预期寿命。

在第三方面的一实施例或其任何其它实施例中，确定且呈现决策支持建议包含即使可靠性度量不超过阈值仍确定决策支持建议，同时仅在可靠性度量超过阈值的情况下才在用户界面上向用户呈现决策支持建议。

在第三方面的一实施例或其任何其它实施例中，确定且呈现决策支持建议包含仅在可靠性度量超过阈值的情况下才确定决策支持建议，且仅在可靠性度量超过阈值的情况下才向用户呈现决策支持建议。

在第三方面的一实施例或其任何其它实施例中，将可靠性水平分配给输入数据项中的每一个包含基于输入数据项中的至少一个的值的准确度的不确定性来将可靠性水平分配给至少一个输入数据项。

在第三方面的一实施例或其任何其它实施例中，将可靠性水平分配给输入数据项中的每一个包含基于输入数据项中的至少一个对用户的糖尿病病况的影响的不确定性程度来将可靠性水平分配给至少一个输入数据项。

在第三方面的一实施例或其任何其它实施例中，分配可靠性水平包含至少部分地基于所获得的额外数据的来源的身份分配可靠性水平。

在第三方面的一实施例或其任何其它实施例中，额外数据包含摄入的或待在规定时间段内摄入的食物和饮料的指示。

在第三方面的一实施例或其任何其它实施例中，所述指示包含由用户手动地输入的数据。

在第三方面的一实施例或其任何其它实施例中，所述指示包含从第三方获得的关于食物或饮料的营养数据。

在第三方面的一实施例或其任何其它实施例中，营养数据通过应用程序自动输入。

在第三方面的一实施例或其任何其它实施例中，通过将营养信息扫描到应用程式中来自动输入营养数据。

在第三方面的一实施例或其任何其它实施例中，额外数据包含描述用户的过去的生理响应模式的信息。

在第三方面的一实施例或其任何其它实施例中，额外数据包含已出现或将在规定时间量内出现的用户活动水平的指示。

在第三方面的一实施例或其任何其它实施例中，分配可靠性水平包含向通过机器对机器通信获得的额外信息分配比通过手动输入对机器通信获得的额外信息高的可靠性。

在第三方面的一实施例或其任何其它实施例中，决策支持建议包含摄入食物或饮料的建议。

在第三方面的一实施例或其任何其它实施例中，决策支持建议包含注入所计算胰岛素量的建议。

在第三方面的一实施例或其任何其它实施例中，仅在额外数据的所分配可靠性超过阈值的情况下才呈现决策支持建议进一步包含至少部分地基于可靠性水平确定何时呈现决策建议。

在第三方面的一实施例或其任何其它实施例中，呈现决策支持建议包含仅在个别可靠性水平的加权平均值超过第一阈值的情况下且在个别可靠性水平中无一个低于第二阈值的情况下才呈现决策支持建议。

在第三方面的一实施例或其任何其它实施例中，至少部分地基于所计算的决策支持建议的类型来选择阈值。

在第三方面的一实施例或其任何其它实施例中，向治疗性决策支持建议分配比辅助性决策支持建议高的阈值。

在第三方面的一实施例或其任何其它实施例中，至少部分地基于所确定的决策支持建议的类型来选择阈值。

在第三方面的一实施例或其任何其它实施例中，呈现决策支持建议包含当所分配可靠性水平是在由上限阈值和下限阈值规定的范围内时，呈现促进患者安全性的更保守的支持建议。

在第三方面的一实施例或其任何其它实施例中，多个输入数据项包含摄入的或待在规定时间段内摄入的食物和饮料的指示。

在第三方面的一实施例或其任何其它实施例中，分配可靠性水平包含当食物和饮料的指示包含由相关用户手动地输入的数据时将较低可靠性水平分配给从所述指示获得的输入数据项，及当食物和饮料的指示包含从第三方获得的关于食物和饮料的营养数据或通过应用程序自动输入的营养数据时将较高可靠性水平分配给从所述指示获得的输入数据项。

在第三方面的一实施例或其任何其它实施例中，将可靠性水平分配给输入数据项包含使用机器学习技术将可靠性水平分配给输入数据项。

在第三方面的一实施例或其任何其它实施例中，血糖浓度水平是从连续血糖监测器中的血糖传感器获得的。

在第三方面的一实施例或其任何其它实施例中，用户界面并入于从血糖传感器接收传感器数据的显示装置中。

在第三方面的一实施例或其任何其它实施例中，显示装置通过无线通信链路从血糖传感器接收传感器数据。

在第三方面的一实施例或其任何其它实施例中，在用户界面上向用户呈现决策支持建议包含在显示装置的用户界面上向用户呈现决策支持建议。

在第三方面的一实施例或其任何其它实施例中，驻存在显示装置上的连续血糖传感器应用程序接收传感器数据，且使得在用户界面上向用户呈现决策支持建议。

在第四方面中，一种用于提供关于用户的糖尿病病况的决策支持建议的系统，其包括：连续血糖监测器(CGM)应用程序，其在移动装置上运行，所述CGM应用程序被配置成至少定期或不定期地从血糖传感器接收数据且显示血糖校准数据；决策支持建议应用程序，其作为CGM应用程序内的子程序或作为CGM应用程序内的并行程序在移动装置上运行且从CGM应用程序接收数据，所述决策支持建议应用程序被配置成执行第一、第二或第三方面的实施例或其任何其它实施例中所阐述的方法。

附图说明

图1是优选实施例的集成系统的框图，所述集成系统包含连续血糖血糖传感器及药剂递送装置；

图2是经配置用于与本发明的系统和方法一起使用的电子装置的前正视图；

图3是图1的电子装置的功能框图；

图4描绘图1的系统的某些组件的逻辑图。

图5描绘可用于计算决策支持建议(DSR)的参数或变量的类别；

图6A到6B是上面呈现决策支持建议提示的示范性用户界面；

图7是说明根据本发明原理的方法的流程图；且

图8是依据时间而变化的各种输入数据项的图，所述输入数据项可用于确定决策支持建议。

具体实施方式

显示当前血糖水平的连续血糖监测(CGM)系统向用户提供关于其当前代谢状态的连续信息，且因此，另外向用户提供关于血糖水平改变的趋势的连续指示符信息。此信息有助于患有糖尿病的用户需要关于食物摄入、锻炼及胰岛素递送做出的无数治疗决策。

甚至对于其疗法不包含使用胰岛素的用户，监测可帮助展示食物选择、体育活动、药品及压力管理的效果。在不同日子不同时间进行监测(而非每天在相同时间进行监测)提供关于一天的过程中血糖水平的有价值的信息。其还允许观察到血糖水平的模式，例如当天特定时间和/或与某些事件相关的高血糖水平或低血糖水平。

用户可响应于其当前血糖水平及其血糖水平的改变的趋势而通过其疗法的个性化且灵活的调适来改进代谢控制且降低急性代谢退化的风险。此信息允许用户确定例如其是否有发生低血糖事件的风险、所选择的胰岛素剂量是否适合于当前膳食以及是否需要通过例如摄入额外的碳水化合物来补偿体育活动。即，CGM系统提供即时、持续的反馈，用户可应用所述反馈来实现所要目标。

CGM系统准许大量数据的回顾性分析，从而允许用户及其医疗保健小组产生统计数据且检测模式/趋势，从而促进治疗调整。此分析允许产生多种图及统计数据，包含例如血糖平均值、标准偏差、高于目标范围、低于目标范围及在目标范围内的所花费时间的百分比、高于及低于目标范围的远足次数、详细的每日报告，及将多日的趋势数据叠加到单个图表上的模态日报告。此外，此分析允许产生警示，警告用户未决的高或低血糖水平。

除了测量血糖水平以外，回顾性分析通常还将需要直接从CGM系统中的分析物传感器获得的外部信息。外部数据可对应于例如关于用户感受如何、用户吃了什么、用户活动量等等的过去或当前的用户指示。外部数据可以是用户输入的数据、导出的数据或从其它应用或传感器或其它来源获得的数据，所述外部数据也可构成多个其它参数，如下文将描述。

对CGM系统获得的大量历史信息的分析可提供对模式的理解，所述模式允许比仅仅知道当前血糖水平及不断改变的血糖水平的趋势而可能实现的更好的代谢控制。举例来说，在用餐之后、尤其在前一到两个小时查看CGM数据可揭露餐后峰值的时间和幅度。用户和临床医生可出于膳食计划的目的来评估不同食物类型的餐后效果，从而确定进餐时间团注的最佳时间和/或对进餐时间速效胰岛素的需求。作为另一实例，分析团注后三到四小时的血糖水平可提供关于团注剂量的有用见解。此时始终高于或低于目标的血糖水平可指示需要调整膳食剂量(胰岛素与碳水化合物的比率)或校正剂量(胰岛素敏感性)。作为又另一实例，对于那些使用肠促胰岛素来调节血糖水平的患者，餐后模式的检查应指示是否服用了足够的剂量，因为血糖水平在餐后应保持相当稳定。对于那些服用速效胰岛素连同肠促胰岛素的患者，可评估胰岛素给药时间。进食后不久血糖下降，随后几个小时内升高，可能表明需要延迟或延长进餐时间胰岛素的递送。

历史信息的分析还可用于更好地理解运动或不同形式的运动对短期和长期的血糖模式的影响程度。同样地，还可分析压力和疾病对血糖控制的影响。

评估包含血糖水平及趋势以及外部数据的所有可用的分析数据，且使用其来向用户提供关于用户的日常例程的指导以改善疾病管理并及时识别对治疗性干预的需求对于临床医生来说可能是一项艰巨的任务，更不用说对于用户来说了。为了解决此问题，CGM系统可配备有决策支持功能性，其使用分析物传感器数据和/或其它数据，例如外部数据，作为算法的输入，以在显示器上提供用户提示和/或将命令提供到机械装置，例如药剂(例如，胰岛素)泵。用户提示可包含对治疗性干预的治疗建议，例如吃零食、运动或服用适当的药物。应注意，决策支持建议可包含针对CGM系统的非辅助使用提供的建议，所述建议用于不需要血糖的自我监测(SMBG)的治疗决策。

代替呈现特定的治疗建议，在一些状况下，决策支持建议可包含通用指南以促进且鼓励用户的健康行为。举例来说，一些决策支持建议可鼓励用户常常检查血糖水平或了解什么因素使得用户的血糖水平上升或下降。同样地，其它决策支持建议可鼓励用户健康饮食、参与体育活动(例如饭后步行)，或按指示服药。一些类型的决策支持建议可用作提醒，例如提醒用户碳水化合物会增加血糖水平。然而，其它类型的决策支持建议本质上可能是信息性的，例如向用户提供允许其快速地且容易地确定食物份量的信息。举例来说，此决策支持建议可指示一份肉约等于一副牌，且一份水果或蔬菜约为棒球的大小。作为另一实例，此类信息决策支持建议可以识别是高或低碳水化合物食物或高或低血糖指数食物的特定食物。

随着决策支持算法在CGM系统中越来越普遍，安全问题成为一个重要问题。重要的是，决策支持算法向用户提供的任何治疗建议仅促进改善健康及安全性，同时避免可能导致医疗并发症的任何治疗建议。在一些状况下，这可能需要提供比临床医生在给定相同分析数据的情况下通常提供的更保守或保护性的建议以确保用户安全。

可用于确定特定决策支持建议是否足够安全以通过CGM系统呈现给用户的一个因素为用于产生决策支持建议的输入数据(例如，分析物传感器数据及外部数据)的可靠性。如下文更详细地解释，可靠性评级或级别可被分配给用于产生建议的每一个别输入数据项。可靠性评级或级别可基于多种因素而确定，所述因素例如输入数据项(例如，由用户手动输入的数据与传感器数据)的来源、数据的精确度(例如，是否定性或定量地提供关于膳食或体育活动水平的营养数据)等等。

说明性连续血糖监测系统

本文中所公开的示范性实施例涉及血糖传感器的用途，所述血糖传感器测量血糖的浓度或指示另一分析物的浓度或存在的物质。在一些实施例中，血糖传感器是连续装置，例如皮下、透皮、经皮、非侵入性、眼内和/或血管内(例如，静脉内)装置。在一些实施例中，装置可分析多个间歇性血液样品。血糖传感器可使用任何血糖测量方法，包含酶促法、化学法、物理法、电化学法、光学法、光化学法、基于萤光的方法、分光光度法、光谱法(例如，光学吸收光谱学、拉曼(Raman)光谱学等)、偏振测定法、量热法、离子导入法、辐射测量法以及类似方法。

血糖传感器可使用包含侵入性、微创和非侵入性感测技术的任何已知检测方法，以提供指示主体中的分析物浓度的数据流。所述数据流通常是原始数据信号，所述原始数据信号用于将分析物的有用值提供到可使用传感器的用户，例如患者或医疗保健专业人员(例如，医生)。

虽然许多描述和实例涉及能够测量主体中的血糖浓度的血糖传感器，但实施例的系统和方法可应用于任何可测量分析物。下文描述的一些示范性实施例利用可植入血糖传感器。然而，应理解，本文中所描述的装置和方法可应用于能够检测分析物浓度且提供表示分析物浓度的输出信号的任何装置。

如所提及，在一些实施例中，分析物传感器是可植入血糖传感器，例如参考美国专利第6,001,067号和美国专利公开第US-2011-0027127-A1号所描述。在一些实施例中，分析物传感器是经皮血糖传感器，例如参考美国专利公开第US-2006-0020187-A1号所描述。在又其它实施例中，分析物传感器是双电极分析物传感器，例如参考美国专利公开第US-2009-0137887-A1号所描述。在又其它实施例中，传感器配置成植入在主体血管中或体外，例如美国专利公开第US-2007-0027385-A1号中所描述。这些专利和公开以全文引用的方式并入本文中。

下文描述和实例参照附图而描述本发明的实施例。在附图中，附图标记对本发明的本实施例的元件进行标记。在下文中，这些附图标记结合对应附图特征的论述而再现。

图1是优选实施例的集成系统的框图，所述集成系统包含连续血糖传感器及药剂递送装置。这是其中可实施本文中所描述的一些实施例的示范性环境。此处，分析物监测系统100包含连续分析物传感器系统8。连续分析物传感器系统8包含传感器电子模块12及连续分析物传感器10。系统100还可包含其它装置和/或传感器，例如药剂递送泵2及参考分析物计量器4。连续分析物传感器10可以物理方式连接到传感器电子模块12且可与连续分析物传感器10集成在一起(例如以不可释放的方式附接到连续分析物传感器10)或可以可释放方式附接到连续分析物传感器10。替代地，连续分析物传感器10可以物理方式与传感器电子模块12分离，但通过电感耦合或类似物以电子方式耦合。此外，传感器电子模块12、药剂递送泵2和/或分析物参考计量器4可与一个或多个额外装置通信，所述额外装置例如显示装置14、16、18和/或20中的任一个或全部。显示装置14、16、18和20通常包含处理器、存储器、存储装置，及足以运行包含决策支持模块的应用程序的其它组件。

在一些实施方案中，图1的系统100还可包含基于云的处理器22，其被配置成分析分析物数据、药剂递送数据和/或通过网络24直接或间接从传感器系统8、药剂递送泵2、参考分析物计量器4及显示装置14、16、18、20中的一个或多个提供的其它用户相关数据。基于所接收数据，处理器22可进一步处理数据，基于处理过的数据产生提供统计数据的报告，向与主体或主体的看护人相关联的电子装置触发通知，或将处理过的信息提供到图1的其它装置中的任一个。在一些示范性实施方案中，基于云的处理器22包括一个或多个服务器。如果基于云的处理器22包括多个服务器，那么所述服务器可以位置上是本地的或彼此分离。网络24可包含用以传输数据的任何有线及无线通信介质，包含WiFi网络、蜂窝式网络、互联网及其任何组合。

在一些示范性实施方案中，传感器电子模块12可包含与测量和处理由连续分析物传感器10产生的数据相关联的电子电路系统。此产生的连续分析物传感器数据还可包含算法，所述算法可用于处理且校准连续分析物传感器数据，但也可以其它方式例如由装置14、16、18和/或20提供这些算法。传感器电子模块12可包含硬件、固件、软件或其组合，以通过例如连续血糖传感器的连续分析物传感器提供分析物含量的测量值。

如所提及的传感器电子模块12可与例如显示装置14、16、18和20中的任一个或全部的一个或多个装置耦合(例如，无线地等等)。显示装置14、16、18和/或20可被配置成用于处理且呈现信息，例如由传感器电子模块12传输以供在显示装置处显示的传感器信息。显示装置14、16、18和20还可基于分析物传感器数据触发警示和/或提供决策支持建议。

在图1中，显示装置14是密钥卡类显示装置，显示装置16是手持式应用程序专用计算装置16(例如，DexCom G4^TM)。铂接收器可购自DexCom公司，显示装置18是通用智能手机或平板计算装置20(例如，运行可购自苹果公司的Android^TMOS、Apple^TMiPhone^TM、iPad^TM或iPodTouch^TM的手机)，且显示装置20是计算机工作站20。在一些示范性实施方案中，相对小的密钥卡类显示装置14可以是体现在腕表、腰带、项链、坠饰(pendent)、一件珠宝、粘合贴片、传呼机、密钥卡、塑料卡(例如，信用卡)、识别(ID)卡和/或类似物中的计算装置。此小型显示装置14可包含相对小的显示器(例如，小于显示装置18)，且可被配置成显示一组有限的可显示传感器信息，例如数值26和箭头28。一些系统还可包含可穿戴装置21，例如2013年11月14日提交且名为“用于连续分析物监测的装置及方法(Devices and Methods forContinuous Analyte Monitoring)”的美国临时专利申请第61/904,341号及要求其优先权的美国专利第10,004,435号中所描述，所述美国临时专利申请和所述美国专利的全部公开内容特此明确地以全文引用的方式併入。可穿戴装置21可包含穿戴式或集成到用户的视觉、衣服和/或身体中的任何装置。实例装置包含可穿戴装置、脚链、眼镜、戒指、项链、臂带、坠饰、皮带夹、发夹/领带、胸针、袖扣、纹身、贴纸、短袜、套袖、手套、服装(例如，衬衫、裤子、内衣、文胸等)、例如拉链钩的“服装首饰”、纽扣、腕表、鞋、隐形眼镜、皮下植入物、目镜、人工耳蜗、鞋垫、牙套(口腔)、支架(身体)、医用包装、运动带(腕带、头带)、帽子、绷带、织发片、指甲油、人工关节/身体部位、矫形针/装置、植入式心脏或神经装置等等。小型显示装置14和/或可穿戴装置21可包含相对小的显示器(例如，小于显示装置18)且可被配置成显示传感器信息的图形和/或数值表示，例如数值26和/或箭头28。相比之下，显示装置16、18和20可为较大显示装置，其能够显示较大的一组可显示信息，例如在手持式接收器16上描绘的除了例如数值和箭头的其它信息以外的趋势图30。

应理解，除了参考图1描述的用户设备之外或代替所述用户设备，还可使用被配置成至少呈现信息(例如，药剂递送信息、离散自监测分析物读数、心率监测器、热量摄入监测器等等)的任何其它用户设备(例如，计算装置)。

在图1的一些示范性实施方案中，连续分析物传感器10包括用于检测和/或测量分析物的传感器，且连续分析物传感器10可被配置成作为非侵入性装置、皮下装置、透皮装置和/或血管内装置连续地检测和/或测量分析物。在一些示范性实施方案中，连续分析物传感器10可分析多个间歇性血液样品，但也可以使用其它分析物。

在图1的一些示范性实施方案中，连续分析物传感器10可包括血糖传感器，其被配置成使用一个或多个测量技术测量血液中的血糖，所述测量技术例如酶促法、化学法、物理法、电化学法、荧光法、分光光度法、偏振测定法、量热法、离子导入疗法、辐射测量法、免疫化学法及类似技术。在连续分析物传感器10包含血糖传感器的实施方案中，血糖传感器可为包括任何能够测量血糖浓度的装置且可使用多种技术来测量血糖，包含侵入性、微创和非侵入性感测技术(例如，萤光监测)，以提供指示主体中血糖浓度的数据，例如数据流。数据流可以是原始数据信号，其被转换为被校准的和/或被过滤的数据流，用以将血糖值提供给主体，例如用户、患者或看护者(例如，父母、亲戚、监护人、教师、医生、护士或关注所述主体的健康的任何其它个人)。此外，连续分析物传感器10可作为以下传感器类型中的至少一种植入：在主体血管中或体外植入的可植入血糖传感器、经皮血糖传感器、皮下传感器、可再填充型皮下传感器、眼内或血管内传感器。

在图1的一些实施方案中，连续分析物传感器系统8包含Dexcom G4TM。可购自Dexcom公司或此类传感器系统处的铂血糖传感器及传输器用于不断地监测主体的血糖水平。

图2说明被配置成与本发明的系统和方法一起使用的电子装置200的一个实施例。电子装置200包含显示器202和一个或多个输入/输出(I/O)装置，例如一个或多个按钮204和/或开关206，其在被启用或点击时执行一个或多个功能。在一些实施例中，电子装置200可以是移动通信装置。举例来说，在所说明实施例中，电子装置200是智能手机，且显示器202包括触摸屏，其也充当I/O装置。在其它实施例中，电子装置200可包括除智能手机之外的装置，例如CGM系统的接收器、智能手表、平板计算机、迷你平板计算机、手持式个人数字助理(PDA)、游戏控制台、多媒体播放器、例如上文所描述的可穿戴装置的可穿戴装置、汽车或其它车辆中的屏幕等等。虽然电子装置200在诸图中被说明为智能手机，但电子装置200可以是本文中所提及的其它电子装置中的任一个和/或并有其它电子装置中的任一个或全部的功能性，包含其中功能性中的一些或全部体现在远程服务器上。

图3是图2中展示的电子装置200的框图，其说明根据一些实施例的电子装置的功能组件。电子装置200包含显示器202和一个或多个输入/输出(“I/O”)装置204、206，如上文关于图2所描述。显示器202可以是任何能够显示输出的装置，例如LCD或LED屏幕等。输入/输出(I/O)装置202、204、206可包括例如键盘(图中未示)、一个或多个按钮204、一个或多个开关206等。在包含触摸屏的实施例中，显示器202还充当I/O装置。

电子装置200进一步包含处理器208(也被称作中央处理单元(CPU))、存储器210、存储装置212、收发器214，且可包含其它组件或装置(图中未示)。存储器210通过系统总线或本地存储器总线216耦合到处理器208。处理器208可以是或可包含一个或多个可编程的通用或专用微处理器、数字信号处理器(DSP)、可编程控制器、专用集成电路(ASIC)、可编程逻辑装置(PLD)或类似物或此类基于硬件的装置的组合。

存储器210提供处理器208在执行时间对存储在存储器210中的数据和程序信息的访问。存储器210通常包含随机存取存储器(RAM)电路、只读存储器(ROM)、闪速存储器或类似物，或此类装置的组合。

存储装置212可包括一个或多个内部和/或外部大容量存储装置，其可以是或可包含用于以非易失性方式存储大量数据的任一常规的介质。举例来说，存储装置212可包含常规的磁盘、光盘、磁光(MO)存储装置、基于闪存的存储装置，或适合于存储结构化或非结构化数据的任何其它类型的非易失性存储装置。存储装置212还可包括使用所谓的云计算的“云”中的存储装置。云计算涉及在计算资源与其基本技术架构(例如，服务器、存储装置、网络)之间提供抽象的计算能力，实现对可配置计算资源的共享池的便利的按需网络访问，所述计算资源可以迅速供应并释放，并且管理努力或服务提供者相互相用极小。

电子装置200可执行各种过程，例如使数据相关、模式分析及其它过程。在一些实施例中，电子装置200可自身执行此类过程。替代地，一个或多个其它装置，例如上文所描述的一个或多个基于云的处理器22，可执行此类过程。在又另外的实施例中，电子装置200及其它装置可部分地执行这些过程。本文中参考电子装置200描述各种实例过程。应理解，这些实例过程不限于由电子装置200单独执行。此外，如本文中所使用，术语“电子装置”应理解为包含与电子装置200相互作用的其它装置，例如一个或多个基于云的处理器、服务器等。

电子装置200还可包含用于执行各种功能的其它装置/接口。举例来说，电子装置200可包含相机(图中未示)。

收发器214使得电子装置200能够通过网络与其它计算系统、存储装置和其它装置通信。虽然所说明的实施例包含收发器214，但在替代实施例中，可以用单独的传输器和单独的接收器代替收发器214。

在一些实施例中，处理器208可执行各种应用程序，例如CGM应用程序，其可通过互联网和/或蜂窝式网络下载到电子装置200，等等。用于各种应用程序的数据可在电子装置200与一个或多个其它装置/系统之间共享，且由存储装置212存储和/或存储在一个或多个其它装置/系统上。此CGM应用程序可包含决策支持模块，和/或可包含足以操作如下文所描述的决策支持评估功能和方法的处理。

在本发明的实施例中的某些实施例中，图1的连续分析物传感器系统8的传感器10插入到主体的皮肤中。接着用传感器10、传感器电子件12和电子装置200发起新的传感器会话。可以采用多种技术以用于初始化传感器10。举例来说，当传感器电子件12接合传感器10时，可以触发初始化。在另一实例中，初始化可由机械开关触发，所述机械开关例如接收传感器电子件12的卡入式基座上的开关(图中未示)。当传感器电子件12卡入到基座中时，所述开关自动跳闸。在另一实例中，初始化可以是菜单驱动的，且可通过电子装置200的显示器202上的用户界面提示用户通过在用户界面上进行选择，例如通过推动按钮或触碰显示器202(其可包括触摸屏)上的指定区域，来开始初始化。在涉及应用于穿戴者的皮肤的非侵入性传感器的另一实例中，传感器10可感测到其何时接触皮肤并自动起动。此外，分析物传感器系统8可使用以上技术中的任一个来检测新传感器10的使用，借助于系统8的用户界面上的提示来自动提示用户确认新的传感器会话，且响应于所述提示而启动对用户确认的初始化响应。初始化传感器10的额外实例可见于2013年3月12日提交且对应于美国专利第9,433,376号的美国专利申请第13/796,185号中，所述美国专利申请的全部公开内容特此以引用的方式并入本文中。

图4说明用于连续分析物监测系统100的示范性逻辑图，其尤其说明确定传感器结果且描绘基于结果及其它因素计算以及确定决策支持建议中所涉及的组件。具体来说，来自传感器10的测量值由传感器电子件12处理，且被发送到移动装置18，所述移动装置通常是智能手机。虽然此处描述智能手机，但应理解，上文所描述的各种电子装置中的任一个可用于接收且显示传感器或其它数据及输出结果，以及基于其的警告及警示。此外，智能手机(或具有类似智能手机能力的装置)可例如通过BluetoothTM将所显示的通知、结果、建议、警告及警示传输到与该智能手机耦合的各种装置。此类装置包含如Google GlassTM的头戴式显示器、腕表等等。

移动装置18基于从传感器电子件12接收到的信号运行CGM应用程序209，所述CGM应用程序提供各种监测及显示功能。作为此CGM应用程序的部分，提供也可以是处理器模块的决策支持模块211，以执行此处所描述的决策支持功能。虽然描述了决策支持模块，但应理解，此可由适当功能性替代以执行此处所描述的方法。在一些状况下，决策支持建议模块211的功能性可实施为作为CGM应用程序内的子程序运行或作为CGM应用程序内的并行程序运行的应用程序。

移动装置18包含用于显示通知、结果、建议及警告/警示的显示器202。虽然显示器202被描绘为显示屏幕，且因此通常在视觉上呈现结果，但应理解，通知、输出、结果以及在较紧急状况下的警告/警示也可以使用其它方式，例如有声地，传达。以上各者可作为所显示的文本或数字的音频版本来传达。替代地，音调或其它声音，甚至歌曲或铃声，可作为用户的血糖水平的离散指示呈现给用户。

移动装置18可进一步包含存储器210或存储装置212，以撷取和使用包含用户输入的数据的历史数据，如将在下文较详细地描述。由于移动装置18可与各种服务器进行网络通信，因此也可以从网络服务器222检索历史数据。除历史数据之外，服务器(或其它网络源)可进一步提供其它外部数据，所述其它外部数据可参与引起呈现于显示器202上的通知的确定。

显示器202自身可提供供用户输入数据的界面，例如使用触摸屏界面，且也可分别通过按钮204和开关206来输入数据。在一些智能手机中且在许多其它计算装置中，可出于相同目的使用单独的键盘。

可使用传感器电子件12、使用移动装置18或使用两者的组合来进行信号处理。也可以在云中，例如在服务器222或其它网络源上，执行信号处理。然而，在许多状况下，原始传感器信号的初始处理，例如校准、平滑化或滤波，是由传感器电子件12执行，且移动装置18上的应用程序将从传感器电子件12接收到的信号变换成接着在显示器202上指示的值。

到决策支持模块的输入

图5说明所测量的血糖水平如何可与其它参数或变量组合以产生计算过的或以其它方式确定的决策支持建议值252，所述决策支持建议值接着呈现于移动装置的显示屏幕上。所述计算或确定通常由移动装置18上的决策支持模块211执行，但也可以由服务器222完全或部分地确定，或甚至在一些状况下由传感器电子件12确定。应理解，并非所有参数和变量都将参与确定决策支持建议值252的所有实施方案中。

将描述各种参数和变量，接着描述各种参数及变量可如何组合以产生决策支持建议的实例。无意以任何方式限制布置的范围，相信特别适用的组合将包含当前血糖值或血糖值与血糖值相对于时间的一阶导数的组合。然而，如所属领域的技术人员将鉴于此教示所理解，多个组合为适用的，且因此本发明的范围不受特定实例限制。

在图5中，决策支持建议252被说明为至少基于对应于血糖的当前所测量值的数据254和/或对应于血糖的历史所测量值的数据256和/或不与血糖的所测量值直接相关的数据258，且因此被称为“外部数据”。数据254通常是血糖的当前所测量值，例如，如以mg/dL为单位所测量。数据256对应于血糖的历史所测量值，且所述数据可划分成被称为“最近的历史”所测量血糖数据的数据262和被称为“早期的历史”所测量血糖数据的数据264。最近的历史数据262可以是在当前所测量血糖数据254之前历经若干分钟或小时所测量的数据，且因此可特别适用于当前趋势分析。早期的历史数据264可以是在当前测量之前历经数天、数周、数月或甚至数年测量的数据，且因此可特别适用于计算或确定总体模式或趋势(数据262也可以用于此确定中)。

当前所测量血糖数据254和最近的历史所测量血糖数据262可用于基于当前趋势来计算其它类型的数据266。举例来说，当前所测量血糖数据和最近的历史所测量血糖数据可用于计算对应于血糖数据的时间变化率的数据268，例如，相对于时间的一阶导数、相对于时间的二阶导数等等。

数据258可对应于例如用户感受如何、用户吃了什么等等的过去或当前的用户指示。因此，数据258可能与血糖水平具有间接相关性，但在功能意义上，所述数据并不直接基于所测量血糖值。数据258还可构成多个其它变量，如下文将描述。

下文描述基于以上类型的数据的各种参数和变量。再次，应注意，特定实施方案中的决策支持建议的确定无需包含所描述的所有各种类型的数据，且在许多状况下，将仅包含两种或三种类型的数据。此外，由于以下描述仅为示范性的，因此也可采用除下文描述的数据类型之外的数据类型。具体来说，决策支持建议的计算可由例如如上文所描述的移动装置上的算法执行，且所述算法可在其确定决策支持建议中考虑若干或多个变量。虽然将在同一时间或接近同一时间以算法方式评估这些变量，但以下描述部分地论述所述变量依序对彼此及对所确定的决策支持建议的影响。结合例如智能手机的电子装置的用户界面，所计算的决策支持建议产生呈现于移动装置的用户界面上的通知，且所计算的决策支持建议在一些状况下可进一步产生显示给用户且建议执行一个或多个动作的“可行性警告”(或警示)。在一些实施方案中，用户看到的通知可以仅仅是用户状态的指示，其指示用户处于正常状态且无需采取措施。在其它状况下，所述呈现可具有警告或警示状况。通过解锁移动装置、执行“滑动”动作或以其它方式“深入”到构成存在警告或警示条件的基础的数据，用户可以查看到要执行的明确动作。

可采用的第一类型的数据和大多数实施方案中所涉及的数据是血糖的所测量值。此第一类型的数据可呈数值形式，其单位为mg/dL或其它，或可被处理或变换以导出大体与血糖值相关的另一种类型的数据。在一些状况下，也可以采用呈原始形式的第一类型的数据，如从传感器电子件接收且未经过显著处理和/或未由传感器电子件处理。视需要，接着可在运行决策支持模块或相关应用程序以确定决策支持建议的移动装置(或其它装置)上执行处理。第一类型的数据可进一步从中间模块或变换接收，例如可从在智能手机上运行的另一应用程序接收。通常，此第一类型的数据可经过处理，例如，对表示数据的信号进行校准、平滑化、滤波或以其它方式“清理”。

虽然通常采用血糖的当前所测量值，但应理解，第一类型的数据还可包含血糖的一个或多个过去值，或甚至如通过预测算法确定的血糖的未来值。下文论述预测算法的额外细节。

在决策支持建议确定中，在所有其它因素相同的情况下，高血糖水平倾向于指示高血糖状态。在此状况下，决策支持建议可向用户呈现多种建议中的任一个，例如建议患者保湿、锻炼或服用合适的药物。相反地，低血糖水平指示低血糖状态。在此状况下，决策支持建议可例如建议患者吃零食。当然，鉴于此教示，还将理解且可采用多个其它方案。

其它类型的数据可基于此第一类型的数据，例如，血糖值相对于时间的一阶导数可用以确定血糖值的时间变化率，即，血糖值的“速度”，即，血糖值是否在增加或减小，以及出现此类变化的速度。因此，表示一阶导数的数据值可用于预测未来血糖值的初始估计中，且还可用于决策支持建议的确定中。另外，一阶导数的方向和幅度可用于确定决策支持建议的确定中的相同信息的权重。

图6A和6B说明可呈现于移动装置的用户界面730上的决策支持建议的实例，所述实例使用作为输入数据的血糖水平及其一阶导数。在这些实例中，呈现用户状态的当前情形666。另外，对于每一情形，呈现一个或多个建议668。在图6A及6B的实例中，针对每一情形666呈现三个建议668。在一些实施例中，可基于最安全到最激进来对建议进行排序。

血糖值尤其相对于时间的一阶导数以及高阶导数需要存储一定量的历史数据并用于计算中。此类数据通常基于最近的历史数据，但应理解，还可使用早期的历史数据，且早期的历史数据还可提供关于用户模式的适用信息，如下文将描述，其中可抽象地或相对于例如当日时间来分析此类用户模式。

可基于血糖值且就此而言基于一阶导数的另一种类型的数据是血糖值相对于时间的二阶导数，即，加速度。这提供了关于血糖水平发生变化的速度的信息，且可常常有利地用于确定到哪种程度血糖水平的变化将稳定化或到哪种程度将导致从所要值偏移。

在一些实施方案中，决策支持建议的确定可至少部分地基于所测量血糖值和所测量血糖值相对于时间的一阶导数或二阶导数或两者。在一些实施方案中，决策支持建议的计算可基于以上因素结合下文所描述的其它因素。举例来说，可结合(下文所论述的)持续时间数据采用血糖值以及基于血糖值的例如时间导数的另一种类型的数据，以确定已经到达应将DSR提供给用户的状态。以相同方式，可结合食物摄入数据采用血糖值和/或时间导数以确定是否应做出决策支持建议。

返回到基于血糖值的数据的类型，这可进一步包含相对于时间的高阶导数、在一时间段内的血糖轨迹图、最后一个显著血糖值偏移的水平和持续时间，例如，最后一个血糖峰值的水平，等等。

所测量的血糖水平占据预定范围的持续时间是可用于计算中的又一类型的数据，且所述持续时间可通过分析血糖值且尤其分析随时间推移的值来确定。所述预定范围可以是任意定义的，但通常可指示特定状态，例如高或低的高血糖、高或低的低血糖，或血糖正常。

更详细地说，用户在对应于特定状态的范围中花费的时间可提供到决策支持模块的重要输入，因为所述时间可指示治疗性干预是必要的，尤其在病况是低血糖症或高血糖症的情况下。举例来说，如果用户具有低血糖水平，但相对较低低血糖情况的持续时间相当长，那么吃零食的决策支持建议可基于持续时间得以呈现，因为进一步向下偏移变得更有可能。在使用持续时间作为因素时，决策支持模块可使用持续时间自身或特定状态已超过阈值持续时间的时间或其它相关参数作为输入。通常可通过分析随时间推移的所存储的血糖值来获得此类数据。

可用于计算或确定决策支持建议的另一种类型的数据对应于最近或历史事件，且尤其对应于与血糖水平的预期或基线值的较大偏移。具体来说，具有最近的显著偏移的用户通常更有可能具有显著的当前或未来偏移。为了解决此问题，决策支持模块可在决策支持建议的确定中考虑此类先前历史事件。举例来说，最后一个血糖峰值的水平或其持续时间(如在阈值水平内或在一范围内作为时间段测量)或类似物可用于此类确定中。血糖值远离基线(或另外预期的值)的最后一个显著偏移或偏差的水平和/或持续时间可用于确定中，因为所述水平和/或持续时间常常指示用户的血糖偏移的当前风险，且尤其是未来偏移或偏差的较大可能性的指示符。作为此数据类型的子集，“最后一个低血糖/高血糖事件”，包含其水平和持续时间，可用于确定中。在任何情况下，通常可通过分析所存储的血糖值来获得此类数据。

可用于决策支持建议确定中的另一类型的数据采用早期的历史所测量血糖值。在一种状况下，且如上文所提及，可确定血糖值的模式且所述模式用于告知例如测量偏移所依据的基线，所述偏移可构成与基线的显著偏差。模式数据可部分地基于时间或基于当日时间，但未必如此。具体来说，用户常常基于饮食、睡眠、锻炼或可影响血糖水平的其它活动来遵循非常规律的模式，此类活动在当天的特定时间进行。这可有利地用于确定是否预期超出正常水平的偏移。如果当日时间确认了一种模式，那么所确定的决策支持建议可更具预测性、可靠性，且可提供较适用的反馈。通常可通过分析所存储的血糖值来获得此类模式数据。

举例来说，用户在早晨的血糖值通常可低于在下午的血糖值。决策支持模块可适应于此模式，且在早晨预期读数较低并且在下午预期读数较高。类似地，用户通常可在早晨食用燕麦片，且因此使得其血糖值出现峰值。决策支持模块可确定每天早晨大约在同一时间的此膳食构成一种模式，且可仅被考虑并且因此不需要决策支持建议。考虑基线的模式值因此将使得峰值的分析完全不被标记为峰值。当然，其它因素会影响决策支持建议的计算，且其作为组合可确定应做出决策支持建议。

如果用户的睡眠模式是已知的或可通过决策支持模块确定，那么建议可呈现给用户，例如建议可在睡眠之前或在晚饭与睡眠之间食用的食物类型。虽然已经在本文中别处公开了饮食和睡眠，但应理解，可辨识或产生模式，且可将所述模式用于针对例如会议、工作、锻炼等等的其它事件的决策支持建议确定中。当日时间信息可从例如来自服务器或来自移动装置或传感器电子件的任一时钟电路或应用程序捕获。模式可基于例如在一天、一周或一个月期间以任一类别的周期性发生的检测到的事件。通常可通过分析所存储的血糖值获得此类数据，且可有利地采用各种模式辨识软件应用程序。在一些状况下，可检测到一模式，且可提示用户确定所述模式是否存在特定原因，所述模式例如共同进餐时间、在平常时间进行的锻炼课程等等。当决策支持模块正使用机器学习以确定给定用户的日常或其它周期性模式或行为时，可尤其使用此类提示。

以此相同方式，所辨识模式之外的偏差可产生类似用户提示。举例来说，偏差可使得决策支持模块询问用户“你做了什么不同的事情？”。这可允许对例如错过的团注与不充足的团注的进行分析和消除歧义。

此类模式数据甚至可提供预期建议。举例来说，可使用模式数据以基于过去的历史数据向用户建议其血糖水平的走向，且因此可做出决策支持建议。举例来说，决策支持模块可发送警告，例如“现在快下午2点了，我们知道下午2点您血糖常常较低。”。你应该检查X且采取可能的动作Y，其中X是用户可以理解的变量，例如血糖水平，且Y是鉴于当前确定的决策支持建议要采取的适当动作。

还应理解，可采用其它类型的数据，其同与正常血糖模式的偏差相关但未必基于时间。这可包含锻炼(通过例如运动或心跳速率检测到)通常与血糖水平的降低相关联的情况。可使用已知图案辨识算法针对特定用户习得“正常血糖模式”。接着可定义与此类正常模式的偏差，且所述偏差可作为输入用于决策支持建议的确定中。在一些状况下，超出正常范围的血糖事件可以是至少部分地由于所述事件的未预期性质而造成的较高危险病况的预测因子，其可向用户指示不同类型的输出，即，在移动装置的显示器上呈现或输出到胰岛素递送装置，即泵，的不同类型的建议。以此方式，可有效地解决处理非基于时间的模式的问题。

还将理解基于血糖值或如随时间推移所测量的血糖值的其它类型的数据。举例来说，最近的时间段，例如六小时，内的血糖轨迹可用于告知当前决策支持建议计算或确定。

其它类型的数据可用于决策支持建议的确定中，且不基于血糖值。此类数据的第一类别的类型是基于来自其它传感器或来源或由用户输入的数据的类型。举例来说，数据可属于包含人体测量数据的类型，所述人体测量数据例如对应于例如BMI或重量的身体测量值。人体测量数据对于II型糖尿病患者可尤其重要，但对于I型也可具有一些影响。具体来说，对于II型糖尿病患者，人体测量学的改变可对决策支持建议确定具有显著影响。举例来说，II型患者的BMI的改进应转换为平均而言较佳的决策支持建议，所有其它方面相同。可例如通过连接的重量和身高计来半自动捕获人体测量数据测量值，或用于此类BMI计算的值可由用户例如在移动装置的用户界面中手动地输入。测量值也可以从其它系统导入，包含从云导入。以此方式，可有效地解决以相同方式治疗所有用户的问题，而不管其人体测量数据如何。

可用于决策支持建议的确定中的另一种类型的数据是用户活动水平，尤其是关于活动量、活动类型和活动的持续时间(或这些的组合)的数据。具体来说，用户活动水平的量化通常可提供对血糖值趋势的较佳理解。活动信息可用于决策支持建议的确定中，且也可适用于向希望接收关于为什么做出特定决策支持建议的额外信息的用户呈现。所述活动信息也可用于确定可询问何种问题来辅助用户管理其糖尿病。

活动水平的测量可通过加速计、GPS数据或甚至指示位置的WiFi数据进行。许多移动装置能够例如对步骤进行计数，且更一般地，能够确定移动装置用户是静止的、在行走、在跑步、在开车，还是其它。应理解，也可手动地输入此类数据，例如跑步、步行或骑自行车的英里数。

相关类型的数据是关于锻炼的信息，锻炼通常有利于糖尿病患者，且可帮助预防高血糖症和低血糖症，且辅助管理胰岛素递送。然而，锻炼有时会对糖尿病具有长期影响，且可能在数小时后在某些用户中引起严重的低血糖症。因此，由于此长时间滞后，偶尔难以将锻炼确定为低血糖症的原因。如果可例如通过使用上文所提及的测量装置准确检测到锻炼，那么预测分析可用于预测锻炼何时可能影响血糖值且因此预测可能需要治疗性干预的相关联的危险病况，所述治疗性干预可由决策支持模块建议。举例来说，决策支持模块可建议用户在锻炼时段之前或在锻炼时段不久之后吃零食，尤其在所述时段期间的运动水平特别高的情况下。替代地或另外，可呈现在下一个若干小时内减少胰岛素的摄入的建议，这是由于锻炼可改变胰岛素敏感性。可使用用于监测活动的大体相同类型的装置来监测锻炼，且所述锻炼可包含例如锻炼的持续时间、锻炼的类型、燃烧的卡路里的量等等的参数。应理解，也可手动地输入此类数据。

另一相关类型的数据对应于睡眠信息。具体来说，已知糖尿病用户更可能在睡眠时发生未检测到的低血糖情况。运动或缺乏运动以及其它因素可用于检测睡眠且相应地评估风险。其它因素可包含例如心跳速率、用户输入等等。监测装置，例如运行决策支持模块的移动装置，可配备有可由用户实例化的“夜间模式”特征或模块，其可用于辅助检测睡眠。可例如通过使用穿戴在身体上的加速计如上文所提及执行用于此类目的的运动检测。举例来说，CGM传感器或传输器可并有此加速计或其它运动检测电路。邻近用户置放的手机或其它运动检测器可检测用户移动的频率，从而再次指示睡眠。在一些状况下，警示系统的运动检测器可用于提供此类信息和数据。心率监测器可测量用户的心跳速率的改变。移动装置的用户界面也可用于辅助检测睡眠状态。举例来说，如果用户完全不与移动装置交互，如由按钮按压、滑动或其它相似交互所确定，那么这可与睡眠状态相关联或一致，或这可通过与此状态相关联的决策支持模块而知晓。相反地，如果用户正与其移动装置交互，那么可假设用户不在睡觉。如果运行决策支持模块的移动装置配备有“睡眠模式”功能，那么用户可启用此睡眠模式，在此状况下，不需要关于睡眠或睡眠检测的假设。

在某些实施方案中，此“睡眠模式”、“夜间模式”或睡眠检测功能性可提供多个优点。具体来说，相较于白天期间，通过将较高危险病况分配给夜间期间的血糖事件，所述系统会理解到，用户更有可能不知道其糖尿病危险病况，且因此应以不同方式处置血糖事件。以此方式，可有效地解决用户在睡眠期间注意力不集中或在睡眠期间遇到的血糖值偏移的问题。

可用于决策支持建议确定中的数据类型的另一类别对应于生理数据。一种此类生理数据类型包含水合信息。具体来说，脱水常常与高血糖水平相关联。因此，这可用于进一步告知决策支持建议确定。水合信息可从例如Tanita BC-1000身体成分监测器结合GarminTM连接系统接收。应理解，至少在定性水平上，也可手动地输入此类数据。

另一此类生理数据类型包含心跳速率信息。心跳速率可指示锻炼或指示例如压力的其它因素。在心跳速率或其改变是由于锻炼或其它活动引起的情况下，上文所提及的活动监测器可用于量化心跳速率或其改变。替代地，可从心率监测器或其它应用程序无线地传达心跳速率。在另一实施方案中，可由用户使用例如“高心跳速率”、“正常心跳速率”等等的指示或在用户可测量定量值的情况下使用定量值手动地输入心跳速率或其改变。

另一此类生理数据类型包含血压信息。具体来说，糖尿病对血管的影响往往会增加患高血压的风险。因此，监测糖尿病可为有用的，且可被考虑到决策支持建议的确定中。各种体戴式血压监测器为可用的，且其可以有线或无线方式将血压数据传达到运行决策支持模块的装置。替代地，用户可测量其自身血压且手动地将其输入到装置中。

另一生理数据类型包含体温。体温常常是疾病的指示符，其又可影响糖尿病危险病况，且因此影响决策支持建议。举例来说，体温和/或潜在疾病可使得对各种输入或疗法的血糖响应不同于在其它用户中预期的情形，或不同于历史上从同一用户预期的情形。

可通过将温度传感器引入到传感器贴片中或通过使用其它此类温度计来捕获体温数据类型。此及其它类型的体温监测器可见于名为“用以补偿温度对可植入传感器的影响的装置、系统和方法(DEVICES,SYSTEMS,AND METHODS TO COMPENSATE FOR EFFECTS OFTEMPERATURE ON IMPLANTABLE SENSOR)”的2013年1月23日提交且作为US2014/0005508A1公布的美国专利申请第13/747,746号中，所述美国专利申请由本申请的受让人所拥有且以全文引用的方式并入本文中。温度信息也可手动地定性或定量地输入。

可用于决策支持建议确定中的另一种类型的数据是情境和行为信息。具体来说，此类信息可对应于患者使用其移动装置的方式，且因此为由所述装置确定的某些数据提供情境。行为输入信息可通过所述系统获得，且可包含交互量、血糖警告/警示状态、传感器数据、屏幕点击次数、警示分析、事件(例如，与用户响应相关联的特性、响应时间、与所述响应相关联的血糖控制、与警示相关联的用户反馈、在X分钟内不确认警告/警示、确认警告/警示的时间、警告状态的时间等等)、糖尿病管理数据(例如，CGM数据、胰岛素泵数据、胰岛素敏感性、模式、活动数据、热量数据)、关于脂肪酸的数据、锻炼期间的心跳速率、IgG抗麦胶蛋白、来自皮肤贴片传感器的压力水平(汗液/出汗)、游离氨基酸、肌钙蛋白、酮类、脂联素、出汗、体温等等。所述输入可由与监测装置数据通信的传感器提供。在一些实施方案中，可通过例如远端数据存储装置的中间方获得信息。

可作为输入提供的用于确定决策支持建议的情境信息包含人的生物学、位置、感测环境(例如，光、声级)、环境数据(例如，天气、温度、湿度、气压)。所述输入可通过点对点或网状网络通过机器对机器通信来接收。情境信息可包含从日历应用程序获得的日常例程信息(其尤其可从工作日到周末改变)。情境信息可包含基于装置的所感测运动触碰或抓握监测装置，甚至不与其交互，的频率。

照片可提供情境信息。举例来说，以下中的一个或多个的照片可用于提供情境信息：血糖仪读数、胰岛素笔或泵JOB、位置(例如，健身房、公园、房屋、意大利餐馆)，或膳食。可处理照片以识别例如照片中所展示的膳食的热量摄入。所使用的胰岛素类型也可作为对决策支持建议确定的有用输入而被提供到监测系统。情境也可由提供到监测装置或由所述监测装置确定的基础或团注设定来提供。

构成情境/行为数据的到决策支持建议确定的其它输入可包含在非情境/行为输入中的别处引用的数据类型，例如来自健身骑车或类似物的锻炼信息、来自血糖(BG)仪或CGM的血糖传感器信息、来自胰岛素递送装置的胰岛素递送量、装置的胰岛素机载计算，及其它装置提供或计算的信息。到决策支持建议确定的其它情境/行为数据输入可包含：水合程度、心跳速率、目标心跳速率、内部温度、外部温度、外部湿度、身体中的分析物、水合输入、功率输出(循环)、出汗速率、步调、及肾上腺素水平、压力、恶心/疾病、代谢/热量燃烧速率、脂肪分解速率、当前重量、BMI、期望重量、每天的目标热量(消耗掉)、每天的目标热量(扩增)、位置、最爱的食物，及运动水平。

对于以上所引用行为或情境输入中的任一个，所述系统可被配置成基于输入接收和/或产生分析度量。举例来说，可基于用户的血糖水平、温度和数据产生的索引值的时间而产生复合值。接着可在决策支持建议的确定中考虑复合值。

可从装置内或外部的各种传感器以及包含睡眠周期应用程序的第三方跟踪应用程序收集此信息，所述传感器例如加速计、GPS、相机数据等等。举例来说，此类跟踪应用程序可使用地理位置来确定情境和行为。此外，也可通过使用关于用户的可用的社交网络信息来确定情境和行为，其中与用户相关联的社交网络馈源被布置成将数据源提供到决策支持模块和/或用于将输出提供到所述决策支持模块。

可用于决策支持建议确定中的其它类型的数据包含关于所摄入的食物和饮料以及胰岛素的信息。涉及这些数据类型的变量或参数可包含关于其数量、其类型和接收其的时间和持续时间的信息。

在膳食中所摄入的食物和饮料的状况下，可以多种方式捕获所述变量或参数，例如，通过用户手动地将食物和饮料信息输入到装置中，例如输入到电子表格上、使用移动装置上的相机来捕获膳食的照片，或通过输入来自第三方食物应用程序的数据，其可允许在消耗例如给定餐馆(已经在应用程序中输入数据)的食品时“核对”所述食品并使其参与确定。在一些状况下，例如，如果装置检测到血糖水平中的峰值，那么可向用户提示此类信息。甚至可通过使用指示用户在已知最爱的餐馆附近或已经在所述餐馆“签到”的GPS或社交网络数据来假设膳食数据(通过用户确认)。可提示用户确认其已经点了其“通常膳食”，用户接着可用所述膳食的参数自动填充食物数据，或替代地所述提示可提供在用户偏离了其通常选项的情况下输入其它食物选择的机会。通常，膳食数据可具备细节，例如所摄入量、摄入时间及其它膳食数据，其允许决策支持建议的临床上的明显确定。使用此类信息，可有效地解决当前在糖尿病护理中遇到的基于缺乏所述细节(及其它因素)的问题。

在一些状况下，到决策支持建议确定的输入，例如所摄入的食物和饮料，可通过自动汇总来自第三方应用程序的数据而获得，且无需由用户手动地输入输入数据。举例来说，如果用户使用他或她的显示装置上的第三方应用程序或网页浏览器来例如去餐馆签到、订购外带的食物，或点击在Instagram上发布的食物的照片，那么此信息可被提供到显示装置上的CGM应用程序。此输入数据可由决策支持建议算法使用以向用户提供相关情境信息和见解。举例来说，当用户在先前去过的餐馆签到且此数据自动被提供到CGM应用程序时，此数据可与其它可用数据相关，以通知用户例如他们上次在此家餐馆用餐时，其平均血糖水平是189mg/dl。以此方式，可从用户的现有应用程序使用获得信息而不会通过要求他或她将相同信息输入到CGM应用程序中而给用户带来任何额外负担。此类应用程序间通信还可发生在CGM应用程序与第三方应用程序之间，所述第三方应用程序与例如智能手表或健身跟踪器的其它装置相关联。

可被考虑到决策支持建议确定中的另一变量或参数是胰岛素水平。可从集成胰岛素泵或从云中的EMR直接提供数据。此类数据可包含关于机载胰岛素量、胰岛素敏感性及过去、现在及未来规划的基础以及团注水平的信息。可通过传感器数据或其它以电子方式传达的数据获得数据，或所述数据可由用户输入提供。可从此数据获得的一种类型的信息包含胰岛素团注与膳食峰值之间的时间，所述胰岛素团注及膳食峰值可使用胰岛素信息和血糖信息来确定。

可用于决策支持建议确定中的另一类型的数据对应于压力水平。具体来说，已知压力会影响糖尿病且因此影响用户的危险病况。在一些状况下，可通过传感器提供此类数据，但在其它状况下，通过要求用户从各种表情符或其它情绪指示进行选择来捕获此类数据。这也可以通过分析用户日历上的事件或其它定期安排的活动，例如，工作、锻炼、家庭时间或类似物，而从其它来源推断出来。压力数据可包含关于压力量、压力类型及压力持续时间的信息。

可用于决策支持建议确定中的数据的相关类型对应于当前健康状况，其可与当前情绪状态重叠。此类测量值可通过装置手动地捕获，包含通过使用上文提及的关于压力的相同类别的表情符，或此类测量值可从云中的信息导入。已知当前健康及情绪尤其对II型血糖控制及胰岛素抗性具有显著影响，类似于人体测量数据。健康数据可包含关于当前疾病、疾病的严重程度、用户罹患疾病的时间等等的信息。

也可以采用人口统计数据，例如年龄或性别。具体来说，人口统计数据可从线上商店、网络或云来源收集，或手动地被输入到装置中，且这可以在决策支持建议的确定中提供有用信息。举例来说，众所周知，儿科用户更容易出现较快且较高的血糖波动。作为另一实例，相信，用户、特别是早期用户且尤其是患有II型糖尿病的用户的危险病况相较于具有相同血糖偏移的较年轻的用户，某些血糖偏移的危险病况可更高。

可用于决策支持建议确定中的另一因素是传感器选址。具体来说，在一些状况下，CGM传感器的位点或位置可能导致关于此类位置的血糖水平的所维持区别。这些区别可被考虑到决策支持建议的确定中。此类数据通常由用户手动地输入，但可使用历史数据以避免此类用户输入，如果这是有规律的话且如果可做出明确确定的话。关于传感器选址的使用的额外细节可见于2013年11月14日提交的名为“用于将传感器插入在连续分析物监测系统中的指示器和分析学以及相关方法(INDICATOR AND ANALYTICS FOR SENSOR INSERTIONIN ACONTINUOUS ANALYTE MONITORING SYSTEM AND RELATED METHODS)”的美国专利申请第61/904,396号及要求其优先权的美国专利第9,480,401号中，所述美国专利申请和所述美国专利由本申请的受让人拥有且以全文引用的方式并入本文中。

可能影响决策支持建议确定的另一因素是血糖水平上升或下降的原因，如果已知的话。就此而言，应注意，血糖水平的一些改变是由压力引起的，且其它改变是由食物摄入引起的。此类数据可在输入到决策支持模块中之前被预处理或预相关联，或可在所述决策支持模块中相关联。举例来说，可结合血糖水平处理食物数据以确定血糖上升是由食物引起还是由例如压力的另一原因引起。使用此类数据，可有效地解决过去因为缺乏考虑此类原因和影响而造成的问题。

可基于信号质量、置信度水平等等由决策支持模块对血糖值(和导数数据)进行加权。这通常将由电子装置基于对来自传感器电子件的信号数据的分析而自动执行。然而，以上变量或参数中的任一个可以加权方式参与决策支持建议计算，其中例如通过来自例如加速计、体重计等的底层传感器的信号分析或通过使用例如由医师或患者手动输入的数据而自动执行加权。

以下表I中提供所描述的数据类型的总结。应注意，某些参数和变量出现在多于一个数据类别中。

表1

图7展示说明上文所论述的参数和变量的一般使用的流程图40。在第一步骤中，接收与例如糖尿病的疾病相关联的多个输入，所述输入对应于变量或参数，所述变量或参数可被测量，可由用户输入，或以其它方式获得，例如，通过云或其它来源(步骤272)。接着基于所接收的输入计算决策支持建议(步骤274)。可以多种方式确定或计算决策支持建议，如下文将描述。下一步骤将提供决策支持建议的指示(步骤276)，例如输出。可例如在运行CGM应用程序的移动装置的显示器或其它用户界面上呈现输出。替代地或组合地，也可以提供各种类型的新的输出(关于决策支持建议处理的额外处理或额外细节(例如，关于输入的信息))(步骤282)。在一些实施方案中，所确定的决策支持建议可用以驱动用于药剂的集成泵(步骤275)。

图8展示依据时间而变化的各种输入数据项的图，所述输入数据项可用于确定决策支持建议。为简单说明起见，仅呈现单个输入参数，其在此状况下是所测量的血糖水平，其由沿着x和y轴的轨迹283表示，其中x轴展示时间且y轴展示血糖水平。如所展示，额外输入经指示为沿着z轴，以说明在更复杂的实例中，轨迹283可以是考虑一系列不同输入的多维轨迹，所述不同输入可由决策支持模块使用以确定决策支持建议。上文已经论述此类输入的实例。

如在图8中可见，在区I中，用户最初处于高血糖状态，且具有低到中等范围中的GUI。在区II中，看到血糖值在时间段Δt₁内占据一系列高血糖值(例如，180-400mg/dL)293。如果时间Δt₁超过预定阈值且假设图8的状况如此，那么决策支持模块可在时间t₁向用户呈现注入胰岛素的团注以便减少高血糖事件的建议。在延迟时间段Δt₂之后，血糖浓度开始在区III中减小。区IV指示一区，其中血糖值出于一个原因或另一原因而变得有噪音，且因此低置信度水平可与信号的所述区段相关联。因此，决策支持模块在时间t₂向用户提供建议，其建议可采取以降低噪音的可能的措施，例如检查传感器的放置、传感器与移动装置之间的通信链路的质量等等。随着时间的推移，区VII指示用户正朝向轻度高血糖状态前进，且因此决策支持模块基于血糖水平的趋势以及对用户的最近的活动水平和锻炼模式的了解而在时间t₃做出建议用户要锻炼的建议。

基于到决策支持模块的输入的可靠性的安全性模块

如先前所提及，做出的任何决策支持建议，尤其在其涉及治疗性干预的情况下，必须尽可能安全且对用户造成危害的风险最小，这一点至关重要。即使所述建议严格地符合临床上建立的指南，但仍存在特定建议事实上可能不安全的风险。为此的一个可能原因是因为到决策支持模块的输入中的一个或多个可能不准确或另外不可靠，进而产生不当建议，因为用户的实际或预测状态或状况被误解。任一特定输入可能不可靠的原因将取决于输入的性质和来源以及多种其它因素而变化。将在下文呈现用于先前论述的输入的类型中的一些的这些因素的说明性实例。

根据本发明原理，可靠性水平或等级可分配给由决策支持模块使用的每一输入。所述分配可在工厂中进行预设，或可通过由决策支持模块自身采用的算法和/或通过与决策支持模块通信的基于云的处理器进行分配。如本文中所使用，在一些状况下，术语“可靠性”可涵盖精确度或准确度的任何不确定性，可已知所述不确定性与来自个别传感器等等的测量值相关联。另外或替代地，在一些状况下，术语“可靠性”可涵盖输入数据项中的任一个与用户的糖尿病病况之间的关系的任何不确定性，所述输入数据项用于确定决策支持建议。

可靠性水平可以是数值指标，其中比如1表示极不可靠的输入值且5表示高度可靠的输入值。替代地，可通过例如表示低、中等或高可靠性水平的可靠性斗进行定性分类。当然，可设想其它定量或定性可靠性指标，如所属领域的技术人员将了解。分配的可靠性水平可反映可靠性的绝对或相对水平。在一些状况下，可靠性水平可为工厂设置的。在其它状况下，各种分析框架，例如机器学习，可用于建立用于给定输入的可靠性水平或修改最初可为工厂设置的先前建立的可靠性水平。

可用于确定可靠性水平的一个因素是输入数据项的来源。举例来说，在所有其它条件相同的情况下，直接从例如分析物传感器、温度传感器等的传感器接收的输入数据相比于由用户手动地输入的输入数据可被分配较高可靠性水平。同样地，从其它装置(在CGM系统外部)或其它应用程序接收的输入数据项相比于手动地输入的输入数据项可被视为更可靠的。即，手动地输入的数据相比于通过机器对机器通信获得的数据可被视为较不可靠的。

举例来说，从运动传感器、加速计等获得的在锻炼时段期间消耗的体育活动量相比于通过用户手动地输入他或她对在锻炼时段期间使用的运动量的个体感知而获得的消耗的体育活动量可被视为更可靠的。作为另一实例，由营养数据库通过应用程序提供的营养信息相比于仅从用户对食物摄入的个体印象和估计获得的营养信息可被视为更可靠的。

尽管在许多状况下，传感器数据将被视为比输入数据的其它来源更可靠，但尽管如此，由于例如传感器的信号质量、校准、连接性和寿命的因素，数据可能存在一定程度的不确定性。举例来说，在[血糖]传感器的状况下，如果传感器信号是有噪音的，如果最近尚未校准传感器，或如果传感器仍在经历磨合期或超过了其预期寿命，那么可降低分配的可靠性水平。也可出于类似原因降低来自其它类型的传感器的输入数据的可靠性。

可能影响输入数据的可靠性的另一因素是数据是定量还是定性的。举例来说，如果用户手动地输入膳食的营养信息，那么在所有其它条件相同的情况下，食物部分大小是“小”、“中等”或“大”的指示可被视为相比于通过以例如盎司或克为单位的重量提供的部分大小较不可靠。即，在一些状况下，定量数据相比于定性数据可被视为更可靠的。

一旦可靠性水平已经分配给用于产生特定决策支持建议的个别输入数据项，那么可基于个别可靠性水平分配总可靠性度量。举例来说，总可靠性可以是个别可靠性水平的经加权或未加权的平均值。在一些状况下，如果个别可靠性水平被视为过低，那么可能在产生建议时不使用所述个别可靠性水平。即，所述数据项可被分配权重零。在一些实施例中，仅在总可靠性度量超过某一阈值的情况下，才会向用户呈现决策支持建议。在一些状况下，即使总可靠性度量超过阈值，但在特定个别输入数据项中的任一个都具有低于某些规定值的可靠性水平的情况下，决策支持建议仍不会呈现给用户。即，可基于总可靠性度量和个别可靠性水平的分析来阻止建议的呈现。当然，将理解总可靠性度量的计算的多个变化。

用于确定建议是否基于足够可靠的输入数据的阈值无需为固定值。相反，在一些状况下，所述阈值可取决于例如决策支持建议的性质而变化。举例来说，被分类为更保守且更安全的具有较少潜在风险的建议相比于被分类为风险可能较大的建议可以较低阈值来呈现。可使用任何合适的指南来预先确定将决策支持建议分类为较保守或较不保守。此外，某些类型的建议相比于其它类型的建议本质上可被视为更保守。举例来说，在一些状况下，治疗建议相比于辅助建议可被分类为较不保守。

如上文所论述，在一些实施例中，仅在总可靠性度量超过某一阈值的情况下，才会向用户呈现决策支持建议。然而，在其它实施例中，除非总可靠性度量超过某一阈值，否则将不计算决策支持建议。在一些状况下，即使总可靠性度量超过阈值，但在特定个别输入数据项中的任一个都具有低于某些规定值的可靠性水平的情况下，将仍不计算决策支持建议。即，可基于总可靠性度量和个别可靠性水平的分析来阻止计算决策支持建议。

多种数学框架中的任一个可用于确定决策支持建议和用于产生那些建议的输入数据的可靠性水平两者、总可靠性指标，和用于确定是否及何时计算或向用户呈现决策支持建议的阈值。举例来说，如先前所提及，在一些状况下，可采用机器学习技术。此类技术可用于从现场使用收集的人口数据，以获得安全性模块的性能的周期性、迭代改进。这对于识别偶尔发生的可靠性的误差和不确定性的某些来源尤其有利，且因此将难以通过临床试验识别。

可采用的其它数学框架包含用以随时间推移学习用户的方面的适应性学习、用以基于先前输入数据量化当前输入数据的可靠性的贝叶斯分析，及用以确定事件发生的可能性的决策融合方法。另外，启发式技术可应用于分析框架以基于过去的经验产生建议。在此类启发式解决方案的发展中，可采用相关技术，例如：MPC、若则逻辑、专家系统、逻辑回归、神经网络、模糊逻辑、加权函数，以及使用回归模型。

在一些实施例中，驻存在显示装置上的连续血糖应用程序(例如，图4中的连续血糖应用程序209)可定期提示用户验证应用程序和显示装置(其硬件、软件和/或固件)在正确地操作。这是重要的，因为显示装置可能是用户供应的，且通常将不符合医疗装置标准和规范。举例来说，显示装置的组件，例如其电源、显示器、罩壳和软件通常将不会是医疗级的。由应用程序提供到用户的提示可用作反馈以确认显示装置在操作上是完好的。举例来说，在一些状况下，可通过向用户呈现各种屏幕来测试显示装置的操作的某些方面，所述屏幕例如样品预设趋势屏幕、样品警告屏幕、样品决策支持建议屏幕、样品校准屏幕和/或患者记录屏幕。接着可在显示装置上使用CGM应用程序之前，提示用户回答关于屏幕和其中的数据的质量和准确度的问题。

已经公开的是用于确定可呈现给用户的决策支持建议的系统和方法，所述用户监测其糖尿病病况以降低其由于其糖尿病病况而产生并发症的风险且改进其代谢控制。还公开用于确定个别输入数据项的可靠性的系统和方法，所述个别输入数据项用于确定给定决策支持建议和输入数据项的总可靠性并且基于可靠性水平来确定是否应将给定决策支持建议呈现给用户。已经公开用于确定决策支持建议和输入数据项的可靠性的多种方法。

图中所展示的元件之间的连接说明示范性通信路径。可包含直接或通过中间方的额外通信路径以进一步促进元件之间的信息交换。所述通信路径可以是双向通信路径，其允许元件交换信息。

如本文中所使用，术语“确定”涵盖各种动作。举例来说，“确定”可包含演算、计算、处理、导出、研究、查找(例如，在表、数据库或另一数据结构中查找)、确认等等。并且，“确定”可包含接收(例如，接收信息)、存取(例如，存取存储器中的数据)等等。并且，“确定”可包含分辨、选择、选择、建立等。

如本文中所使用，术语“消息”涵盖用于传输信息的多种格式。消息可包含例如XML文件、固定字段消息、逗号分隔的消息或类似物的信息的机器可读集合。在一些实施方案中，消息可包含用以传输信息的一个或多个表示的信号。虽然以单数形式叙述，但应理解，消息可在多个部分中组合/传输/存储/接收/等。

上文所描述的方法的各种操作可由能够执行所述操作的任何适合的装置来执行，所述装置例如各种硬件和/或软件组件、电路和/或模块。通常，附图所示的任何操作可以由能够执行操作的相应功能装置来执行。

可使用通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列信号(FPGA)或其它可编程逻辑装置(PLD)、离散门或晶体管逻辑、离散硬件组件或其经设计以执行本文中所描述的功能的任何组合来实施或执行结合本公开而描述的各种说明性逻辑块、模块和电路。通用处理器可以是微处理器，但在替代方案中，处理器可以是任何市售处理器、控制器、微控制器或状态机。处理器还可被实施为计算装置的组合，例如，DSP与微处理器的组合、多个微处理器、结合DSP核心的一个或多个微处理器，或任何其它此配置。

在一个或多个方面中，所描述的功能可在硬件、软件、固件或其任何组合中实施。如果实施为软件，则这些功能可以作为计算机可读介质上的一个或多个指令或代码存储或发射。计算机可读介质包含计算机存储介质和通信介质两者，通信介质包含促进将计算机程序从一处传送到另一处的任何介质。存储介质可以是可以由计算机访问的任何可用介质。作为实例而非限制，此类计算机可读介质可包括RAM、ROM、EEPROM、CD-ROM或其它光盘存储装置、磁盘存储装置或其它磁性存储装置，或可用于携载或存储呈指令或数据结构形式的所要程序代码且可由计算机存取的任何其它介质。并且，任何连接都适当地称为计算机可读介质。举例来说，如果使用同轴电缆、光纤电缆、双绞线、数字订户线(DSL)或例如红外线、无线电及微波等无线技术从网站、服务器或其它远程源传输软件，那么所述同轴电缆、光纤电缆、双绞线、DSL或例如红外线、无线电及微波等无线技术包含于介质的定义中。如本文中所使用的磁盘及光盘包含压缩光盘(CD)、激光光盘、光学光盘、数字多功能光盘(DVD)、软磁盘及Blu-ray^TM光盘，其中磁盘通常是以磁性方式再现数据，而光盘是用激光以光学方式再现数据。因此，在一些方面中，计算机可读介质可以包括非暂时性计算机可读介质(例如，有形介质)。此外，在一些方面中，计算机可读介质可以包括暂时性计算机可读介质(例如，信号)。上述各项的组合也应包含在计算机可读介质的范围内。

本文所公开的方法包括用于实现所描述的方法的一个或多个步骤或动作。方法步骤和/或动作可以彼此互换，而不脱离权利要求的范围。换句话说，除非指定了步骤或动作的具体次序，否则可以修改具体步骤和/或动作的次序和/或使用，而不脱离权利要求的范围。

某些方面可以包括用于执行本文所呈现的操作的计算机程序产品。例如，这类计算机程序产品可以包括具有存储(和/或编码)有指令的计算机可读介质，所述指令可由一个或多个处理器执行，以执行本文描述的操作。对于某些方面，计算机程序产品可以包含包装材料。

软件或指令还可以在传输介质上传输。例如，如果使用同轴电缆、光纤缆线、双绞线、数字用户线(DSL)或无线技术(如红外、无线电和微波)从网站、服务器或其它远程源传输软件，则传输介质的定义中包含同轴电缆、光纤缆线、双绞线、DSL或无线技术(如红外、无线电和微波)。

此外，应了解，用于执行本文所述的方法和技术的模块和/或其它适当装置可以在适用时由用户终端和/或基站下载和/或以其它方式获得。例如，这类设备可以耦接到服务器以促进传送用于执行本文所述的方法的装置。可替代地，可以通过存储装置(例如，RAM、ROM、如压缩光盘(CD)或软盘等物理存储介质)提供本文所述的各种方法，使得用户终端和/或基站可以在将存储装置耦接或提供到所述装置时获得各种方法。此外，可以利用用于将本文所述的方法和技术提供给装置的任何其它适当技术。

应理解，权利要求不限于上文说明的精确配置和组件。可以对上述方法和设备的布置、操作和细节进行各种修改、改变和变化，而不脱离权利要求的范围。

除非另外定义，否则所有术语(包含技术和科学术语)应具有对于本领域普通技术人员来说普通和惯用的含义，并且除非本文中明确地定义，否则不限于特殊或定制的含义。应注意，当描述本公开的某些特征或方面时，特定术语的使用不应视为暗示所述术语在本文中重新定义以限于包含与所述术语相关联的本公开的特征或方面的任何特殊特性。除非另外明确陈述，否则在本申请中(尤其在所附权利要求书中)所使用的术语和短语和其变化形式应理解为开放式的，与限制性相反。作为前述内容的实例，术语‘包含’应理解为意指‘包含但不限于(including,without limitation/including but not limited to)’或类似术语；如本文中所使用的术语‘包括’与‘包含’、‘含有’或‘其特征在于’同义且是包含性或开放式的且不排除额外的未列出的要素或方法步骤；术语‘具有’应解释为‘至少具有’；术语‘包含’应解释为‘包含但不限于’；术语‘实例’用于提供所论述的项目的示范性情况，不是其穷尽性或限制性列表；如‘已知’、‘普通’、‘标准’和具有类似含义的术语等形容词不应理解为将所描述的项目限制在给定时间周期或给定时间可获得的项目，而实际上应理解为涵盖现在或在将来任何时间可以是可获得的或已知的已知、普通或标准技术；以及如‘优选地’、‘优选的’、‘所需’或‘合乎需要的’以及具有类似含义的词等术语的使用不应理解为暗示某些特征是本发明的结构或功能所关键、必需或甚至至关重要的，而实际上应理解为仅仅打算突出在本发明的特定实施例中可采用或可不采用的替代或额外特征。同样地，除非另外明确陈述，否则用连接词“和”连在一起的一组项目不应被理解为要求那些项目中的每个项目都存在于所述分组中，而是应被理解为‘和/或’。类似地，除非另外明确规定，否则用连接词‘或’连在一起的一组项目不应理解为在那一组中需要互斥性，而实际上应理解为‘和/或’。

当提供值的范围时，应理解所述范围的上限和下限以及上限与下限之间的每个中间值都涵盖在实施例内。

关于本文中基本上任何复数和/或单数术语的使用，本领域技术人员可以在适于上下文和/或应用的情况下将复数转换成单数和/或将单数转换成复数。为了清楚起见，本文中可明确地阐述各种单数/复数置换。不定冠词“一(a/an)”并不排除多个。单个处理器或其它单元可满足权利要求书中叙述的若干项目的功能。在彼此不同的附属权利要求项中叙述某些措施这一单纯事实并不指示不能使用这些措施的组合来获得优势。权利要求书中的任何附图标记不应解释为限制范围。

本领域内的人员另外应理解，如果希望特定数目的所引入权利要求陈述，那么将在所述权利要求中明确陈述这一意图，且在不存在这类陈述的情况下，不存在这种意图。举例来说，为辅助理解，以下所附权利要求书可含有介绍性短语“至少一个”和“一个或多个”的使用，以介绍权利要求叙述。然而，此类短语的使用不应被理解为暗示由不定冠词“一”(a/an)对权利要求叙述的介绍将含有此所介绍权利要求叙述的任何特定权利要求限于仅含有一个此叙述的实施例，即使当同一权利要求包含介绍性短语“一个或多个”或“至少一个”以及例如“一”(a/an)的不定冠词时也是如此(例如，“一”(a/an)通常应被解释为意味着“至少一个”或“一个或多个”)；对于用于介绍权利要求叙述的定冠词的使用，情况也是如此。另外，即使明确叙述特定数目的所介绍权利要求叙述，本领域的技术人员将认识到这类叙述通常应被解释为至少意味着所叙述数目(例如无其它修饰语的明确叙述“两种叙述”通常意味着至少两种叙述或两种或多于两种叙述)。此外，在使用类似于“A、B和C等中的至少一个”的惯例的那些情况下，一般来说，打算这类句法结构是在本领域技术人员应了解的惯例的意义上，例如，包含所列出的项目的任何组合、包含单个成员(例如，“具有A、B和C中的至少一个的系统”将包含但不限于具有仅A、仅B、仅C、A和B一起、A和C一起、B和C一起和/或A、B和C一起的系统等等)。在使用类似于“A、B或C等中的至少一个”的惯例的那些情况下，一般来说，打算这类句法结构是在本领域技术人员应了解的惯例的意义上(例如，“具有A、B或C中的至少一个的系统”将包含但不限于具有仅A、仅B、仅C、A和B一起、A和C一起、B和C一起和/或A、B和C一起的系统等等)。本领域内的技术人员将进一步了解，几乎任何表示两个或更多个替代性术语的转折性词语和/或短语，无论是在描述内容、权利要求书还是图式中，都应理解为涵盖包含所述术语中的一个、所述术语中的任一个或两个术语的可能性。举例来说，短语“A或B”将理解为包含“A”或“B”或“A和B”的可能性。

说明书中所使用的所有表示成分数量、反应条件等等的数字都应理解为在所有情况下被术语‘约’修饰。因此，除非相反地指示，否则本文中所阐述的数字参数都是可取决于致力于获得的所要属性而变化的近似值。至少并且不是试图限制等效物原则对要求对本申请的优先权的任何申请中的任何权利要求范围的适用，每一数字参数都应根据有效数字数目和普通舍入方法来理解。

本文中所引用的所有参考文献都以全文引用的方式并入本文中。在通过引用的方式并入的公开和专利或专利申请与本说明书中所包含的公开内容相抵触的情况下，本说明书意欲替代和/或优先于任何这类矛盾材料。

本文包含标题以供参考并辅助定位各个部分。这些标题无意于限制相对于此描述的概念的范围。这类概念在整个说明书中可能具有适用性。

此外，虽然出于清晰和理解的目的已借助于说明和实例相当详细地描述了上述内容，但本领域技术人员清楚可以进行某些改变和修改。因此，说明书和实例不应理解为将本发明的范围限制在本文中所描述的特定实施例和实例，而是实际上还涵盖属于本发明的真正范围和精神内的所有修改和替代方案。

Claims (80)

1.一种用于确定是否将会将决策支持建议呈现给用户以用于治疗糖尿病病况的方法，其包括：

至少部分地基于血糖浓度水平来识别用户的当前糖尿病病况；

接收额外数据，所述额外数据连同所述当前糖尿病病况充当用于确定决策支持建议的过程的输入数据；

将可靠性水平分配给所述额外数据；

使用所述过程和所述输入数据来计算所述决策支持建议；及

仅在所述额外数据的所分配的可靠性水平超过阈值的情况下，才在用户界面上向所述用户呈现所述决策支持建议。

2.根据权利要求1所述的方法，其中分配所述可靠性水平包含至少部分地基于所获得的所述额外数据的来源的身份来分配可靠性水平。

3.根据权利要求1、2所述的方法，其中所述额外数据包含摄入的或待在规定时间段内摄入的食物和饮料的指示。

4.根据权利要求3所述的方法，其中所述指示包含由所述用户手动地输入的数据。

5.根据权利要求3、4所述的方法，其中所述指示包含从第三方获得的关于所述食物或饮料的营养数据。

6.根据权利要求5所述的方法，其中所述营养数据通过应用程序自动输入。

7.根据权利要求5所述的方法，其中所述营养数据是通过将营养信息扫描到所述应用程序中而自动输入。

8.根据权利要求1至7所述的方法，其中所述额外数据包含描述所述用户的过去生理响应模式的信息。

9.根据权利要求1至8所述的方法，其中所述额外数据包含已出现或将在规定时间量内出现的用户活动水平的指示。

10.根据权利要求1至9所述的方法，其中分配可靠性水平包含向通过机器对机器通信获得的额外信息分配比通过手动输入对机器通信获得的额外信息高的可靠性。

11.根据权利要求1至10所述的方法，其中所述决策支持建议包含摄入食物或饮料的建议。

12.根据权利要求1至10所述的方法，其中所述决策支持建议包含注入所计算胰岛素量的建议。

13.根据权利要求1至12所述的方法，其中仅在所述额外数据的所分配的可靠性超过阈值的情况下才呈现所述决策支持建议进一步包含至少部分地基于所述可靠性水平确定何时来呈现所述决策建议。

14.根据权利要求1至13所述的方法，其中接收额外数据包含接收不同类型的多个额外数据项，且将可靠性水平分配给所述额外数据包含独立地将可靠性水平分配给所述额外数据项中的每一个。

15.根据权利要求14所述的方法，其中呈现所述决策支持建议包含仅在个别可靠性水平的加权平均值超过第一阈值的情况下且在所述个别可靠性水平中无一个低于第二阈值的情况下才呈现所述决策支持建议。

16.根据权利要求1至15所述的方法，其中至少部分地基于所计算的决策支持建议的类型选择所述阈值。

17.根据权利要求16所述的方法，其进一步包括向治疗性决策支持建议分配比辅助性决策支持建议高的阈值。

18.根据权利要求1至16所述的方法，其中至少部分地基于所确定的决策支持建议的类型选择所述阈值。

19.根据权利要求1至18所述的方法，其中呈现所述决策支持建议包含当所述所分配的可靠性水平是在由上限阈值和下限阈值规定的范围内时，呈现促进患者安全性的更保守的支持建议。

20.根据权利要求12至19所述的方法，其中作为用于确定所述决策支持建议的所述过程的部分，计算所述所计算胰岛素量。

21.根据权利要求2、4至20所述的方法，其中所述额外数据包含摄入的或待在规定时间段内摄入的食物和饮料的指示。

22.根据权利要求3至21所述的方法，其中分配可靠性水平包含当食物和饮料的所述指示包含由所述相关用户手动地输入的数据时将较低可靠性水平分配给从所述指示获得的所述额外数据，及当食物和饮料的所述指示包含从第三方获得的关于所述食物和饮料的营养数据或通过应用程序自动输入的营养数据时将较高可靠性水平分配给从所述指示获得的所述额外数据。

23.根据权利要求1至22所述的方法，其中将可靠性水平分配给所述额外数据包含使用机器学习技术将可靠性水平分配给所述额外数据。

24.根据权利要求1至23所述的方法，其中所述血糖浓度水平是从连续血糖监测器中的血糖传感器获得的。

25.根据权利要求1至24所述的方法，其中识别所述用户的所述当前糖尿病病况包含从与连续血糖监测器相关联的血糖传感器接收传感器数据。

26.根据权利要求25所述的方法，其中所述用户界面并入于从所述血糖传感器接收所述传感器数据的显示装置中。

27.根据权利要求26所述的方法，其中所述显示装置通过无线通信链路从所述血糖传感器接收所述传感器数据。

28.根据权利要求27所述的方法，其中在用户界面上向所述用户呈现所述决策支持建议包含在所述显示装置的所述用户界面上向所述用户呈现所述决策支持建议。

29.根据权利要求28所述的方法，其中驻存在所述显示装置上的连续血糖传感器应用程序接收所述传感器数据且使得在所述用户界面上向所述用户呈现所述决策支持建议。

30.一种用于确定是否将计算决策支持建议的方法，其包括：

至少部分地基于血糖浓度水平来识别用户的当前糖尿病病况；

接收额外数据，所述额外数据连同所述当前糖尿病病况充当用于确定决策支持建议的过程的输入数据；

将可靠性水平分配给所述额外数据；及

仅在所述额外数据的所分配的可靠性水平超过阈值的情况下才使用所述过程和所述输入数据计算所述决策支持建议。

31.根据权利要求30所述的方法，其中分配所述可靠性水平包含至少部分地基于所获得的所述额外数据的来源的身份来分配可靠性水平。

32.根据权利要求30、31所述的方法，其中所述额外数据包含摄入的或待在规定时间段内摄入的食物和饮料的指示。

33.根据权利要求32所述的方法，其中所述指示包含由所述用户手动地输入的数据。

34.根据权利要求32、33所述的方法，其中所述指示包含从第三方获得的关于所述食物或饮料的营养数据。

35.根据权利要求34所述的方法，其中所述营养数据通过应用程序自动输入。

36.根据权利要求34所述的方法，其中所述营养数据是通过将营养信息扫描到所述应用程序中而自动输入。

37.根据权利要求30至36所述的方法，其中所述额外数据包含描述所述用户的过去生理响应模式的信息。

38.根据权利要求30至37所述的方法，其中所述额外数据包含已出现或将在规定时间量内出现的用户活动水平的指示。

39.根据权利要求30至38所述的方法，其中分配可靠性水平包含向通过机器对机器通信获得的额外信息分配比通过手动输入对机器通信获得的额外信息高的可靠性。

40.根据权利要求30至39所述的方法，其中所述决策支持建议包含摄入食物或饮料的建议。

41.根据权利要求30至40所述的方法，其中所述决策支持建议包含注入所计算胰岛素量的建议。

42.根据权利要求30至40所述的方法，其中接收额外数据包含接收不同类型的多个额外数据项，且将可靠性水平分配给所述额外数据包含独立地将可靠性水平分配给所述额外数据项中的每一个。

43.根据权利要求42所述的方法，其中计算所述决策支持建议包含仅在个别可靠性水平的加权平均值超过第一阈值的情况下且在所述个别可靠性水平中无一个低于第二阈值的情况下才计算所述决策支持建议。

44.根据权利要求30至43所述的方法，其中至少部分地基于所确定的决策支持建议的类型选择所述阈值。

45.根据权利要求41至44所述的方法，其中作为用于确定所述决策支持建议的所述过程的部分，计算所述所计算胰岛素量。

46.一种用于确定是否将会将决策支持建议呈现给用户以用于治疗糖尿病病况的方法，其包括：

接收影响连续血糖监测器的用户的糖尿病病况的多个输入数据项，所述输入数据项充当用于确定决策支持建议的过程的输入数据；

将可靠性水平分配给所述输入数据项中的每一个；

基于分配给所述输入数据项中的每一个的所述可靠性水平来计算可靠性度量；

基于所述过程和所述输入数据确定决策支持建议，且仅在所述可靠性度量超过阈值的情况下才在用户界面上向所述用户呈现所述决策支持建议。

47.根据权利要求46所述的方法，其中计算所述可靠性度量包含基于所述输入数据项中的所述每一个的所述可靠性水平的平均值计算所述可靠性度量。

48.根据权利要求46、47所述的方法，其中所述可靠性水平的所述平均值是加权平均值。

49.根据权利要求46至48所述的方法，其中所述多个输入数据项包含来自所述连续血糖监测器中的血糖传感器的传感器数据。

50.根据权利要求49所述的方法，其中分配可靠性水平包含基于选自包括以下各项的群组的一个或多个因素来将可靠性水平分配给所述传感器数据：信号质量、传感器校准、连接性、血糖传感器寿命及所述血糖传感器的预期寿命。

51.根据权利要求46至50所述的方法，其中确定且呈现所述决策支持建议包含即使所述可靠性度量不超过所述阈值仍确定所述决策支持建议，同时仅在所述可靠性度量超过所述阈值的情况下才在所述用户界面上向所述用户呈现所述决策支持建议。

52.根据权利要求46至50所述的方法，其中确定且呈现所述决策支持建议包含仅在所述可靠性度量超过所述阈值的情况下才确定所述决策支持建议且仅在所述可靠性度量超过所述阈值的情况下才向所述用户呈现所述决策支持建议。

53.根据权利要求46至52所述的方法，其中将可靠性水平分配给所述输入数据项中的每一个包含基于所述输入数据项中的至少一个的值的准确度的不确定性而将可靠性水平分配给所述至少一个输入数据项。

54.根据权利要求46至53所述的方法，其中将可靠性水平分配给所述输入数据项中的每一个包含基于所述输入数据项中的至少一个对所述用户的所述糖尿病病况的影响的不确定性程度来将可靠性水平分配给所述至少一个输入数据项。

55.根据权利要求46至54所述的方法，其中分配所述可靠性水平包含至少部分地基于所获得的额外数据的来源的身份来分配可靠性水平。

56.根据权利要求46至55所述的方法，其中所述多个输入数据项包含摄入的或待在规定时间段内摄入的食物和饮料的指示。

57.根据权利要求56所述的方法，其中所述指示包含由所述用户手动地输入的数据。

58.根据权利要求56所述的方法，其中所述指示包含从第三方获得的关于所述食物或饮料的营养数据。

59.根据权利要求58所述的方法，其中所述营养数据通过应用程序自动输入。

60.根据权利要求58所述的方法，其中所述营养数据是通过将营养信息扫描到所述应用程序中而自动输入。

61.根据权利要求46至60所述的方法，其中所述输入数据项包含描述所述用户的过去生理响应模式的信息。

62.根据权利要求46至61所述的方法，其中所述输入数据项包含已出现或将在规定时间量内出现的用户活动水平的指示。

63.根据权利要求46至62所述的方法，其中分配可靠性水平包含向通过机器对机器通信获得的额外信息分配比通过手动输入对机器通信获得的额外信息高的可靠性。

64.根据权利要求46至63所述的方法，其中所述决策支持建议包含摄入食物或饮料的建议。

65.根据权利要求46至64所述的方法，其中所述决策支持建议包含注入所计算胰岛素量的建议。

66.根据权利要求46至65所述的方法，其中仅在所述额外数据的所分配的可靠性超过阈值的情况下才呈现所述决策支持建议进一步包含至少部分地基于所述可靠性水平确定何时来呈现所述决策建议。

67.根据权利要求46至65所述的方法，其中呈现所述决策支持建议包含仅在个别可靠性水平的加权平均值超过第一阈值的情况下且在所述个别可靠性水平中无一个低于第二阈值的情况下才呈现所述决策支持建议。

68.根据权利要求46至67所述的方法，其中至少部分地基于所计算的决策支持建议的类型选择所述阈值。

69.根据权利要求68所述的方法，其进一步包括向治疗性决策支持建议分配比辅助性决策支持建议高的阈值。

70.根据权利要求46至69所述的方法，其中至少部分地基于所确定的决策支持建议的类型选择所述阈值。

71.根据权利要求46至70所述的方法，其中呈现所述决策支持建议包含当所分配的可靠性水平是在由上限阈值和下限阈值规定的范围内时，呈现促进患者安全性的更保守的支持建议。

72.根据权利要求61至71所述的方法，其中所述多个输入数据项包含摄入的或待在规定时间段内摄入的食物和饮料的指示。

73.根据权利要求46至72所述的方法，其中分配可靠性水平包含当食物和饮料的所述指示包含由所述相关用户手动地输入的数据时将较低可靠性水平分配给从所述指示获得的所述输入数据项，及当食物和饮料的所述指示包含从第三方获得的关于所述食物和饮料的营养数据或通过应用程序自动输入的营养数据时将较高可靠性水平分配给从所述指示获得的所述输入数据项。

74.根据权利要求46至73所述的方法，其中将可靠性水平分配给所述输入数据项包含使用机器学习技术将可靠性水平分配给所述输入数据项。

75.根据权利要求46至74所述的方法，其中血糖浓度水平是从连续血糖监测器中的血糖传感器获得的。

76.根据权利要求75所述的方法，其中所述用户界面并入于从所述血糖传感器接收所述传感器数据的显示装置中。

77.根据权利要求76所述的方法，其中所述显示装置通过无线通信链路从所述血糖传感器接收所述传感器数据。

78.根据权利要求77所述的方法，其中在用户界面上向所述用户呈现所述决策支持建议包含在所述显示装置的所述用户界面上向所述用户呈现所述决策支持建议。

79.根据权利要求78所述的方法，其中驻存在所述显示装置上的连续血糖传感器应用程序接收所述传感器数据且使得在所述用户界面上向所述用户呈现所述决策支持建议。

80.一种用于提供关于用户的糖尿病病况的决策支持建议的系统，其包括：

连续血糖监测器(CGM)应用程序，其在移动装置上运行，所述CGM应用程序被配置成至少定期或不定期地从血糖传感器接收数据且显示血糖校准数据；

决策支持建议应用程序，其作为所述CGM应用程序内的子程序或作为所述CGM应用程序内的并行程序在所述移动装置上运行且从所述CGM应用程序接收数据，所述决策支持建议应用程序被配置成执行根据权利要求30所述的方法。

Images