CN113473911A - 血糖功能障碍的评估和可视化 - Google Patents
血糖功能障碍的评估和可视化 Download PDFInfo
- Publication number
- CN113473911A CN113473911A CN201980092533.8A CN201980092533A CN113473911A CN 113473911 A CN113473911 A CN 113473911A CN 201980092533 A CN201980092533 A CN 201980092533A CN 113473911 A CN113473911 A CN 113473911A
- Authority
- CN
- China
- Prior art keywords
- bolus
- data
- insulin
- meal
- historical
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7271—Specific aspects of physiological measurement analysis
- A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
- A61B5/14532—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue for measuring glucose, e.g. by tissue impedance measurement
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4833—Assessment of subject's compliance to treatment
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4866—Evaluating metabolism
-
- 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
- G16H20/10—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/60—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
-
- 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
- G16H70/00—ICT specially adapted for the handling or processing of medical references
- G16H70/20—ICT specially adapted for the handling or processing of medical references relating to practices or guidelines
-
- 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
-
- C—CHEMISTRY; METALLURGY
- C07—ORGANIC CHEMISTRY
- C07K—PEPTIDES
- C07K14/00—Peptides having more than 20 amino acids; Gastrins; Somatostatins; Melanotropins; Derivatives thereof
- C07K14/435—Peptides having more than 20 amino acids; Gastrins; Somatostatins; Melanotropins; Derivatives thereof from animals; from humans
- C07K14/575—Hormones
- C07K14/62—Insulins
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Physics & Mathematics (AREA)
- Veterinary Medicine (AREA)
- Animal Behavior & Ethology (AREA)
- Surgery (AREA)
- Molecular Biology (AREA)
- Heart & Thoracic Surgery (AREA)
- Biophysics (AREA)
- Databases & Information Systems (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Nutrition Science (AREA)
- Bioethics (AREA)
- Data Mining & Analysis (AREA)
- Physiology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Optics & Photonics (AREA)
- Emergency Medicine (AREA)
- Medicinal Chemistry (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Chemical & Material Sciences (AREA)
- Obesity (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Investigating Or Analysing Biological Materials (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
确定与基于重放分析的餐食团注的错误定时(例如,延迟)相关的血糖功能障碍量。对基于所述重放分析的历史或所估计的团注相较于最佳定时团注的所述功能障碍量进行定量和可视化。可以关于来自患者的输入进行关于糖尿病餐食管理的推断。
Description
通过参考相关申请并入
本申请要求于2018年12月28日提交的题为“血糖功能障碍的评估和可视化(EVALUATION AND VISUALIZATION OF GLYCEMIC DYSFUNCTION)”的美国临时专利申请第62/786,149号的优先权。上述申请以全文引用的方式并入本文中,并且特此明确地成为本说明书的一部分。
背景技术
随着CGM(连续葡萄糖监测)和连接装置的日益普及,近年来葡萄糖时间序列数据的可用性和可靠性有所提高。然而,尽管可以获得可靠的葡萄糖数据,但胰岛素和餐食数据的准确跟踪以及餐食时间胰岛素团注的经优化且有效的定时对许多患有糖尿病的人来说仍然是个问题,从而导致不良的葡萄糖控制。
发明内容
确定与基于重放分析的餐食团注的错误定时(例如,延迟)相关的血糖功能障碍量。对基于所述重放分析的历史或所估计的团注相较于最佳定时团注的所述功能障碍量进行定量和可视化。可以关于来自患者的输入进行关于糖尿病餐食管理的推断。
根据一个方面,将针对餐食的所估计的时间、用户通告的时间、经协调的所估计的时间或经协调的用户通告的时间与受试者给药胰岛素的时间进行比较。相对于最佳剂量和改变最佳餐前定时来评估胰岛素的益处(例如,风险降低)。
在一个实施方案中,提供了一种确定血糖功能障碍量的方法。所述方法包括:接收与受试者有关的连续葡萄糖监测(CGM)和胰岛素数据,其中所述CGM和胰岛素数据包括胰岛素团注量和所述胰岛素团注量的定时;对所述CGM和胰岛素数据执行重放分析;使用所述重放分析对血糖功能障碍量进行定量;以及提供代表所述血糖功能障碍量的输出。
在一个实施方案中,一种用于确定血糖功能障碍量的系统。所述系统包括:数据处理器,所述数据处理器接收与受试者有关的连续葡萄糖监测(CGM)和胰岛素数据,其中所述CGM和胰岛素数据包括胰岛素团注量和所述胰岛素团注量的定时;重放分析器,所述重放分析器使用所述CGM和胰岛素数据生成重放分析;定量器,所述定量器使用所述重放分析对血糖功能障碍量进行定量;以及输出装置,所述输出装置提供代表所述血糖功能障碍量的输出。
在一个实施方案中,提供了一种确定血糖功能障碍量的方法。所述方法包括:在重放分析器处接收历史血糖(BG)数据和历史胰岛素数据;使用所述历史BG数据和所述历史胰岛素数据对历史团注和所估计的餐食执行多个重放分析;使用所述多个重放分析中的至少一个执行至少一个体内有效胰岛素(IOB)数据分析;使用所述多个重放分析中的至少一个执行至少一个BG数据分析;使用所述至少一个IOB数据分析和所述至少一个BG数据分析执行至少一个差异分析和至少一个比较;以及提供基于所述至少一个差异分析和所述至少一个比较的输出。
在一个实施方案中,一种用于确定血糖功能障碍量的系统。所述系统包括:输入装置,所述输入装置被配置成接收血糖(BG)数据、胰岛素数据和多个函数;重放分析器,所述重放分析器被配置成接收所述BG数据、所述胰岛素数据和所述多个函数,并且使用所述BG数据、所述胰岛素数据和所述多个函数对历史团注和所估计的餐食执行多个重放分析;体内有效胰岛素(IOB)评估器,所述IOB评估器被配置成使用所述胰岛素数据或所述多个重放分析中的至少一个来执行多个IOB评估;BG风险剖析器,所述BG风险剖析器被配置成使用所述BG数据或所述多个重放分析中的至少一个来执行多个BG风险剖析;IOB剖析器,所述IOB剖析器被配置成使用所述多个IOB评估中的至少一个来执行多个IOB剖析;BG风险比较器,所述BG风险比较器被配置成使用所述BG风险剖析器的输出确定风险剖析绘图或BG风险评分中的至少一个;差异分析器,所述差异分析器被配置成使用所述IOB剖析和所述IOB评估来执行多个差异分析以确定IOB剖析绘图、IOB差异绘图或IOB迹线类似性评分中的至少一个;以及输出装置,所述输出装置被配置成输出所述风险剖析绘图、所述BG风险评分、所述IOB剖析绘图、所述IOB差异绘图或所述IOB迹线类似性评分中的至少一个。
在一个实施方案中,提供了一种基于血糖风险提供推荐的方法。所述方法包括:接收受试者的历史血糖(BG)数据或历史胰岛素数据中的至少一个,其中所述BG数据和所述胰岛素数据包括胰岛素团注量和所述胰岛素团注量的定时;基于所述历史BG数据或所述历史胰岛素数据中的所述至少一个确定所述受试者的血糖功能障碍的第一风险评分;接收所述受试者的最佳BG数据或最佳胰岛素数据中的至少一个;基于所述最佳BG数据或所述最佳胰岛素数据中的所述至少一个确定所述受试者的血糖功能障碍的第二风险评分;将所述第一风险评分与所述第二风险评分进行比较;以及基于所述第一风险评分与所述第二风险评分的所述比较输出推荐。
在一个实施方案中,提供了一种评估血糖风险的方法。所述方法包括基于历史血糖(BG)数据或历史胰岛素数据中的至少一个确定血糖功能障碍的历史风险评分,其中所述历史BG数据和所述历史胰岛素数据包括胰岛素团注量和所述胰岛素团注量的定时;基于最佳BG数据或最佳胰岛素数据中的至少一个确定血糖功能障碍的最佳风险评分;确定所述历史风险评分与所述最佳风险评分之间的差值;以及基于所述差值并基于阈值提供推荐。
在一个实施方案中,一种方法包括:计算基于实际团注记录的第一IOB迹线;计算最佳治疗的第二IOB迹线;将所述第一IOB迹线与所述第二IOB迹线进行比较以确定IOB类似性评分;以及使用所述IOB类似性评分来更改智能警报行为、用户推荐、报告特征和可视化中的至少一个。
在一个实施方案中,一种系统包括:差异分析器,所述差异分析器被配置成使用基于实际团注记录的第一IOB迹线与最佳治疗的第二IOB迹线的比较来确定IOB类似性评分;以及输出装置,所述输出装置被配置成输出所述IOB类似性评分。
提供本发明内容以便以简化的形式介绍下文在具体实施方式中进一步描述的一系列概念。本发明内容不旨在标识出所要求保护的主题的关键特征或必要特征,也不旨在用于限制所要求保护的主题的范围。
附图说明
当结合附图阅读时,可以更好地理解前述发明内容以及说明性实施例的以下详细描述。为了说明实施例的目的,附图中示出了实施例的示例结构;然而,实施例不限于所公开的具体方法和工具。在附图中:
图1是本发明的实施例的高级功能框图;
图2是用于评估和可视化血糖功能障碍的示例性环境的图示;
图3A和3B示出了用于评估和可视化血糖功能障碍的示例性系统以及相关方法的实施方案的示意性框图;
图4是根据实例的各种风险剖析绘图的图示;
图5是根据实例的风险区域的图示;
图6是根据实例的由于改变团注剂量或团注定时可能显著改善的区域的图示;
图7A和7B是根据实例的各种体内有效胰岛素(IOB)剖析绘图的图示;
图8是根据实例的在历史时间的团注的IOB差异绘图的图示;
图9是根据实例的IOB差异区域绘图的图示;
图10是根据实例的在所估计的餐食时间的最佳团注的IOB差异绘图的图示;
图11是根据实例的相对于在所估计的餐食时间的最佳团注的IOB差异误差区域绘图的图示;
图12是示例总结报告的图示;
图13是根据另一实例的各种风险剖析绘图的图示;
图14A和14B是根据另一实例的各种IOB剖析绘图的图示;
图15A和15B是根据另一实例的各种IOB差异绘图的图示;
图16是用于确定血糖功能障碍量的方法的实施方案的操作流程;
图17是用于确定血糖功能障碍量的方法的另一实施方案的操作流程;
图18是用于确定血糖功能障碍量的方法的另一实施方案的操作流程;
图19是用于确定血糖功能障碍量的方法的另一实施方案的操作流程;
图20是用于确定血糖功能障碍量的方法的另一实施方案的操作流程;并且
图21示出了其中可以实施示例实施例和方面的示例性计算环境。
具体实施方式
参考附图描述所要求保护的主题,其中相同的附图标记自始至终用于指代相同的元素。在以下描述中,出于解释的目的,阐述了许多具体细节以提供对所要求保护的主题的透彻理解。然而,将明显的是,所要求保护的主题可以在没有这些具体细节的情况下实践。在其它情况下,结构和装置以框图形式示出以便于描述所要求保护的主题。
本发明旨在用于重放使用,这意味着受试者自身历史数据中的低效或次优团注的影响可以通过相对于同一数据集中的最佳团注的血糖风险或胰岛素递送剖析来说明。确定重放团注定时效果。确定餐前团注依从性。本发明的实施方案寻求以特定方式来对关于餐食的错误信息(在定时和组成方面)的影响进行定量。关于最佳剂量以及关于改变最佳餐前定时来评估胰岛素的益处(例如,风险降低)。餐食可以是任何时间长度,具体取决于实施方案。餐食可以是具有一定时间长度的事件或跨越时间窗的事件。时间窗可以是任何持续时间或时间长度,这取决于实施方案。在一些实施方案中,时间长度或时间窗可以因餐食而异,或者可以是固定的持续时间。本领域技术人员应当理解,餐食是时间窗,并且可以以多种不同方式定义所述时间窗。
如本文进一步描述的,基于重放分析来确定与受试者的餐食团注的错误定时(例如,延迟)相关的血糖功能障碍量,并且然后对基于所述重放分析的历史或所估计的团注相较于最佳定时团注的功能障碍量进行定量,并且可以针对受试者或用户以视觉形式输出。可以使用由受试者或用户提供的输入进行关于糖尿病餐食管理的推断。使用历史和重放餐食团注协调,可以区分糖尿病管理改善的两类:错误定时团注和错过餐食团注。
本文所描述的各方面解决了标识患有糖尿病的患者(本文也称为受试者)中的低效团注剂量和错误定时团注两者的模式和血糖影响的问题。由于患者对团注效率和/或定时的适当性的感知取决于其执行所规定的胰岛素自我治疗指南的一致性,这一事实使问题变得复杂。例如,在医师的指导下,在餐食时间或就在餐食之前进行团注,当每日三餐中的仅两餐执行此策略时,患者通常可能认为其已经从胰岛素疗法中获得最大益处,实际上当针对第三餐延迟团注时,所述患者可能会以暴露于低血糖症或高血糖症的形式不成比例地导致血糖功能障碍。对“依从行为”的模糊回忆通常远不是对回顾性数据进行详尽分析的准确评估。因此,无论是患者还是患者的护理人员都无法从涉及主观回忆或部分完整数据记录的传统方法中清楚地了解低效胰岛素疗法的存在或低效疗法的影响。
本文所描述的实施方案通过以下提供了技术上重要的解决方案:(i)对血糖记录、胰岛素数据的相关记录以及可能的其它代谢相关信息进行详尽分析,(ii)与血糖和胰岛素记录比对,对来自通告或推断的餐食的一系列餐食事件(包括碳水化合物、脂肪和蛋白质含量)进行评估,(iii)推导可以在历史记录中估计替代剂量对血糖影响的机制,(iv)系统地应用此机制来确定在历史团注时间以及也在经验证的餐食事件的时间在数值上最佳的剂量对血糖的影响,包含在历史团注时间或在所估计的餐食之前的时间执行重放模拟,(v)在总体意义上对与低效胰岛素递送相关的血糖功能障碍进行定量,包含在暴露于低血糖症和高血糖症的风险的方面的影响,(vi)考虑历史团注与数值上最佳的团注之间的胰岛素递送的系统差异,包含最佳团注与胰岛素递送的历史模式之间的总体类似性评分,以及还标识一天中平均历史胰岛素递送偏离数值上最佳的胰岛素递送的时间。
提供了优于先前存在的自我评估或临床工具的优点。本文所描述的系统和方法是系统的,考虑到所有可用的血糖和胰岛素数据,这很容易压倒“纸笔”分析以及甚至“电子表格”分析与标准统计评估。系统和方法是全面的,因为其通过患者特异性数学模型的视角来标识血糖、胰岛素与餐食记录之间的复杂关系。如此,根据对这些患者特异性相互作用的统计分析会出现低效团注和血糖功能障碍的模式。本文所描述的系统和方法不受由以下引入的认知偏差的影响:(i)患者回忆胰岛素递送和/或餐食事件,或(ii)由医师提出关于患者经历的问题,导致对患者的治疗性例程的误解。
可以根据实施方案使用各种计算度量,包含例如但不限于hg_min,其是所需的历史血糖功能障碍的最低水平(可以测量为BG风险、范围内的时间、平均值等,并且可以按一天中的时间以小时、分钟或其它有用的增量分解)、gdiff_min,其是血糖结果的改善的最低水平,如通过历史与模拟葡萄糖得出的度量之间的差值测量的,以及idiff_min,其是改善结果所需的胰岛素疗法中的归一化变化的最低水平(可以基于频率和/或基于幅度)。
图1是本发明的实施例的高级功能框图100。处理器130与胰岛素装置110和葡萄糖监测器120通信。胰岛素装置110和葡萄糖监测器120与受试者140通信以分别向受试者140递送胰岛素并监测受试者140的葡萄糖水平。处理器130被配置成执行本文进一步描述的计算。胰岛素装置110和葡萄糖监测器120可以作为单独的装置或作为单个装置、在单个装置内或跨多个装置实施。处理器130可以在胰岛素装置110、葡萄糖监测器120中本地实施,或作为用虚线示出为独立装置132的独立装置(或胰岛素装置110、葡萄糖监测器120或独立装置中的两个或更多个的组合)。处理器130或系统的一部分可以远程定位,如在服务器或基于云的系统内。
胰岛素装置的实例,如胰岛素装置110,包含胰岛素注射器、外部泵和贴片泵,其将胰岛素递送到受试者,通常递送到皮下组织。胰岛素装置110还包含通过不同方式递送胰岛素的装置,如胰岛素吸入器、胰岛素喷射注射器、静脉内输注泵和植入式胰岛素泵。在一些实施例中,受试者将组合使用两种或更多种胰岛素递送装置,例如用注射器注射长效胰岛素并且在餐食之前使用吸入的胰岛素。在其它实施例中,这些装置可以递送有助于控制葡萄糖水平的其它药物,如胰高血糖素、普兰林肽或葡萄糖样肽-1(GLP 1)。
葡萄糖监测器的实例,如葡萄糖监测器120,包含连续葡萄糖监测器,其以规则的间期(例如,1分钟、5分钟或10分钟等)记录葡萄糖值。这些连续葡萄糖监测器可以使用经皮插入、完全植入或无创测量组织的例如电化学或光学传感器。葡萄糖监测器的实例,如葡萄糖监测器120,还包含周期性地抽取血液或其它流体以测量葡萄糖的装置,如静脉内血糖监测器、微灌注采样或周期性手指针刺。在一些实施例中,接近实时地提供葡萄糖读数。在其它实施例中,由葡萄糖监测器测定的葡萄糖读数可以存储在葡萄糖监测器本身上以供后续检索。
胰岛素装置110、葡萄糖监测器120和独立装置132可以使用各种计算装置来实施,如智能电话、台式计算机、膝上型计算机和平板计算机。可以支持其它类型的计算装置。合适的计算装置在图21中展示为计算装置2100和基于云的应用。
胰岛素装置110、葡萄糖监测器120和独立装置132可以通过网络进行通信。网络可以是多种网络类型,包含公共交换电话网络(PSTN)、蜂窝电话网络和分组交换网络(例如,因特网)。尽管图1中示出了仅一个胰岛素装置110、一个葡萄糖监测器120和一个处理器130(在一个独立装置132内),但是对可能支持的胰岛素装置、葡萄糖监测器、处理器和独立装置的数量没有限制。活动监测器150和/或智能电话160也可以用于从受试者140收集或收集与所述受试者有关的餐食和/或活动数据,并将餐食和/或活动数据提供给处理器130。
处理器130可以执行操作系统和一个或多个应用程序。操作系统可以控制由胰岛素装置110、葡萄糖监测器120和独立装置132执行哪些应用程序,并且控制应用程序如何与胰岛素装置110、葡萄糖监测器120和独立装置132中的一个或多个传感器、服务或其它资源交互。
在一些实施方案中,处理器130从胰岛素装置110和葡萄糖监测器120以及从受试者140接收数据,并执行重放分析,所述重放分析评估患者的当前餐食团注策略并将其与替代团注时间和胰岛素量进行比较。
更具体地,图2是用于评估和可视化血糖功能障碍的示例性环境200的图示。计算装置201包括一个或多个处理器,如处理器130,其可以实施重放分析器220、体内有效胰岛素(IOB)评估器225、血糖(BG)剖析器230、IOB剖析器235、BG风险比较器240、差异分析器245和输出装置250。计算装置201可以在图21所展示的计算装置中实施为计算装置2100,并且也可以在微控制器上实施或使用定位于胰岛素装置110、葡萄糖监测器120或其它胰岛素递送装置中的处理器来实施,或实施为独立组件(或胰岛素装置110、葡萄糖监测器120或其它胰岛素递送装置或独立组件中的两个或更多个的组合)。
计算装置201例如通过网络和/或通信接口与受试者计算装置205通信,并且被配置成通过网络和/或通信接口从一个或多个装置或处理器(如胰岛素装置110和葡萄糖监测器120)接收数据210和函数215,以及接收由医师、护理人员、医疗保健提供者、医院、诊所、大学等维护的数据或与其相关的数据。
受试者计算装置205(如活动监测器150、智能电话160或任何其它类型的计算装置,如关于图21所描述的计算装置2100)可以由受试者140用来输入关于受试者的餐食和团注(例如,定时、数量等)的数据(受试者提供的数据207)。在一些实施方案中,此数据可以被认为是不可信数据,因为其易受人为错误、偏见和/或行为不一致性或异常的影响。数据210可以包括不是受试者提供的数据207的数据,如历史血糖量、历史胰岛素剂量、餐食信息、受试者的初始(例如,餐前)状态、胰岛素给药策略等。在一些实施方案中,此数据可以被认为是可信数据,因为其是机器提供的、机器验证的、已被确定为置信度值超过预定阈值,和/或免于人为错误、偏见或行为不一致性或异常的影响、对其有抵抗力和/或不受其影响。函数215可以包括一个或多个代谢建模函数,如餐食编译器(例如,餐食编译器303)和重放编译器(例如,重放编译器304),其产生重放预测函数(例如,重放预测函数305)以及如本文进一步描述的一种或多种风险、剖析和评估函数。
如本文进一步描述的,重放分析器220使用受试者提供的数据207、数据210和函数215来执行一个或多个重放分析,如使用在历史团注时间的最佳团注的重放,以及使用在所评估的餐食时间的最佳团注的重放。根据实施方案,来自重放分析器220的输出中的一个或多个输出可以提供给IOB评估器225、BG风险剖析器230和IOB剖析器235中的一个或多个。以这种方式,在一个实施方案中,重放分析器220可以充当接收与受试者有关的CGM和胰岛素数据的数据处理器。在一些实施方案中,可替代地或另外地,重放分析器220可以充当生成与受试者有关的CGM和胰岛素数据的数据生成器。
IOB评估器225可以执行一个或多个IOB评估,如历史数据的IOB评估、在历史时间的最佳团注的IOB评估以及在所估计的餐食时间的最佳团注的IOB评估。根据实施方案,来自IOB评估器225的输出中的一个或多个输出可以提供给IOB剖析器235和差异分析器245中的一个或多个。
BG风险剖析器230可以生成一个或多个BG风险剖析,如在历史时间的最佳团注的BG风险剖析,以及在所估计的餐食时间的最佳团注的BG风险剖析。根据实施方案,来自BG风险剖析器230的输出中的一个或多个输出可以提供给BG风险比较器240和差异分析器245中的一个或多个。以这种方式,在一个实施方案中,BG风险剖析器230充当定量器,所述定量器使用重放分析对血糖功能障碍量进行定量。
IOB剖析器235可以生成一个或多个IOB剖析,如在历史时间的最佳团注的IOB剖析,以及在所估计的餐食时间的最佳团注的IOB剖析。根据实施方案,来自IOB剖析器235的输出中的一个或多个输出可以提供给差异分析器245。
BG风险比较器240执行BG风险剖析比较函数以生成风险剖析绘图和总BG风险评分,其可以由输出装置250存储、显示和/或传输。
差异分析器245可以执行一个或多个IOB差异分析并向输出装置250提供一个或多个绘图和评分以进行存储、显示和/或传输。
图3A和3B示出了用于评估和可视化血糖功能障碍的示例性系统300以及相关方法的实施方案的示意性框图。系统涉及重放分析工具,所述重放分析工具评估受试者的当前餐食团注策略并将其与替代团注时间和胰岛素量进行比较。
系统300的输出可以用于标识行为问题,例如,通过隔离关于受试者餐食的团注的定时、碳水化合物计数和碳水化合物比率的影响。重放模拟分析可以用于评估在历史团注时间在数值上最佳的(去除不准确的碳水化合物计数或不适当的碳水化合物比率)团注的影响,并评估在所估计的历史餐食时间在数值上最佳的团注的影响。
在一个实施方案中,当重放模拟器确定是时候计算数值上最佳的团注时,所述重放模拟器生成一组候选团注,模拟与每个候选团注相关联的未来血糖(BG)值,使用风险分析(如速度依赖性风险分析)对每个候选团注的模拟BG轨迹进行“评分”,并且挑选和实施最佳团注,并且继续重放模拟直到下一次团注的时间为止。除了在那些精确时间进行重放之外或作为其替代,可以在经协调的餐食时间或历史给药时间附近的目标时间窗内的某个时间重放通过重放候选团注。
系统300使用对历史数据中的餐食的定时和数量两者的准确评估。包括来自受试者计算装置205的数据210(例如,从存储器接收)和/或受试者提供的数据207的输入涉及CGM(连续葡萄糖监测)数据和胰岛素数据,包含胰岛素团注量和定时。在一个实施方案中,历史BG数据301(由{bg(t)}t=0,1,…表示)和历史胰岛素302(由{i(t)}t=0,1,…表示)是时间序列并用作输入。需要注意的是,这是原始数据。
使用CGM数据(例如,历史BG数据301)和胰岛素数据(例如,历史胰岛素数据302)以及可能还有用户对餐食的确认来估计未记录的餐食时间,以估计所有碳水化合物事件的时间和数量。可以在其它实施方案中使用的其它输入包含运动(例如,以确定如何围绕运动优化治疗)、拯救碳水化合物(例如,以确定所需的量)、其它餐食团注策略(例如,分开、延迟和延长团注)和2类治疗,包含口服药物等。此数据可以是可信的或不可信的。
在一个实施方案中,CGM数据和胰岛素数据在时间上被“离散化”(例如,捕捉到最近的5分钟样品)并适当地聚合。例如,如果在五分钟的间期内有多于一次团注,则对应样品的胰岛素值将是团注的总和(加上基础的影响)。此CGM数据和胰岛素数据形成了重放状态估计的基本输入,其进而是所述数据集构建重放模拟器的步骤。
将历史BG数据301和历史胰岛素数据302提供给餐食编译器303和重放编译器304,所述餐食编译器和所述重放编译器进而输出重放预测函数305和所估计的餐食306的所评估的序列。重放预测函数305提供从历史记录中的任何点预测可能与替代胰岛素递送(即,偏离历史胰岛素递送)相关的血糖结果的能力。具体地,其将替代胰岛素时间序列302(其可以由{ialt(t)}t=0,1,…表示)映射到血糖数据的预测时间序列(其可以由{bgalt(t)}t=0,1,…表示)。
餐食编译器303分析历史BG数据和胰岛素递送数据,以及可能的其它来源的历史数据,包含直接来自患者记录和/或回忆的餐食事件。所估计的餐食306的输出序列表示(i)可以从历史血糖与胰岛素递送数据之间的相关性检测/估计的餐食事件与(ii)从其它来源的数据推断或直接回忆的餐食事件之间的协调。从历史血糖和胰岛素数据检测/估计的餐食可以从多种机制中得出,包含去卷积或正则化去卷积(参见例如Patek S.D.等人,“隔室模型中血糖可变性的经验表示(Empirical Representation of Blood GlucoseVariability in a Compartmental Model)”,Kirchsteiger H.等人(编辑)的血糖浓度的预测方法(Prediction Methods for Blood Glucose Concentration)(《生物工程讲义(Lecture Notes in Bioengineering)》),2016)。
还可以使用代谢模型领域的技术人员已知的其它方法从相同的数据集估计餐食时间。代谢模型描述了全身和区域葡萄糖代谢(参见例如Cobelli C.等人,“人体葡萄糖代谢建模:理论与实践(Modeling Glucose Metabolism in Man:Theory and Practice)”,《激素与代谢研究(Hormone and Metabolic Research)》,增刊系列,1990,24:1-10,https://www.ncbi.nlm.nih.gov/pubmed/2272612)。这些模型描述了:葡萄糖和其它代谢物在身体的不同隔室的水平和分布、胰岛素和其它激素和药物在身体的不同隔室的水平和分布以及隔室之间描述消耗和生产的葡萄糖转运动力学。这些模型可以在通过抽取样品(例如,静脉血或间质液)和使用临床分析器来跟踪隔室输入和输出的临床环境中使用。也存在跟踪代谢物分布的示踪研究。在这些研究中,输入(例如,餐食、胰岛素和运动)和输出都经过仔细控制和测量。所得代谢模型可以提供患者特异性偏移餐食葡萄糖模型,所述模型可以与患者葡萄糖监测器进行比较以估计餐食特性。
还存在一些方法,所述方法可以根据葡萄糖监测器迹线中的模式和特征来检测餐食偏移的定时和幅度。实例包含检测CGM数据中的加速或向上变化或将餐食偏移模型(例如,最小模型)拟合到时间序列。餐食信息也可以直接从临床研究或患者记录中获得。例如,可以通过对检测到的和报告的餐食进行聚类并取餐食内容的平均值来实现检测到/所估计的餐食与不确定或不可信来源的餐食数据之间的协调。确定所估计的餐食306的所评估的顺序并将其从编译器303、304输出。
在一个实施方案中,餐食编译器303根据历史血糖测量结果(例如,CGM)、胰岛素剂量(例如,泵或笔)和任选地餐食通告来估计餐食时间和/或有效量。
重放编译器304还分析历史BG和胰岛素递送数据,以及可能的其它来源的历史数据,包含直接来自患者记录和/或回忆的餐食事件。其产生数学函数,即重放预测功能305,可以以多种方式表达(包含作为计算机算法)来提供从历史记录中的任何点预测可能与替代胰岛素递送(即,偏离历史胰岛素递送)相关的血糖结果的能力。重放预测函数305评估用于同一餐食的其它胰岛素给药策略是否具有更好的结果(例如,较低的血糖风险)。重放预测函数305将患者的初始(餐前)状态、一个或多个餐食事件和胰岛素给药策略作为输入,并且然后将其映射到所述餐食/天的所得葡萄糖偏移。可以通过将所估计的餐食的经验证的流插入到得出所述所估计的餐食的数学模型中来从血糖数据中得出重放预测函数的函数性(参见例如Patek S.D.等人,“隔室模型中血糖可变性的经验表示”,Kirchsteiger H.等人(编辑)的血糖浓度的预测方法(《生物工程讲义》),2016)。可替代地,可以将其它血糖模拟方法应用于所估计的餐食的经验证的顺序,包含从隔室模型或从数据驱动方法得出的模拟器。
还可以将历史BG 301提供给BG风险剖析器(如BG风险剖析器230)以用于确定在历史时间322的最佳团注的BG风险剖析。还可以将历史胰岛素302提供给IOB评估器(如IOB评估器225)以用于确定历史数据316的IOB评估,并且还提供给重放分析器(如重放分析器220)以用于使用在历史团注时间的最佳团注的重放312。
可以由系统300使用的其它函数包含:BG风险函数307,其用于插入到重放预测函数305中来标识在历史团注时间或在经验证餐食事件时在数值上最佳的团注;BG风险剖析函数308,其用于在历史血糖记录或重放葡萄糖记录中根据重放预测函数得出低血糖症和高血糖症暴露风险的聚合评估;以及IOB评估函数310。
IOB评估函数310是根据先前剂量跟踪体内仍然存在多少胰岛素的计算,所述计算包含注射的胰岛素在体内起作用的时程,包含胰岛素如何被吸收、所述胰岛素开始作用于葡萄糖水平以及所述胰岛素在身体中的清除作用。例如,快速作用的胰岛素可以在一小时内达到峰值作用,其中总作用持续时间为4小时。IOB函数可以采用多种数学形式来描述胰岛素达到其峰值所需的时间以及随后的衰减曲线。这些IOB函数在团注计算器(在胰岛素泵和手机应用程序上)中使用,所述团注计算器帮助糖尿病受试者估计团注胰岛素剂量(参见例如Zisser H.等人,“团注计算器:四个“智能”胰岛素泵的综述(Bolus Calculator:AReview of Four‘Smart’Insulin Pumps)”,《糖尿病技术与治疗学(Diabetes Technology&Therapeutics)》,2008年12月;10(6):441-4,doi:10.1089/dia.2007.0284,https:// www.ncbi.nlm.nih.gov/pubmed/19049372。在一些实施例中,IOB函数使用由患者、其医疗保健提供者或胰岛素制造商提供的参数。在其它实施例中,可以优化IOB评估函数以创建患者特异性胰岛素作用曲线。
在一个实施方案中,重放预测功能305以足够的准确度将原始数据(例如,餐食和胰岛素)映射到观察结果(例如,CGM),以模拟患者的生理(例如,胰岛素活性和碳水化合物敏感性)的方式将替代给药策略映射到所得葡萄糖偏移,并为问题提供可靠且可解释的解决方案,如IOB的估计是一个稳定且平稳的函数。
在一个实施方案中,已知的输入和用户通告的餐食用于生成一个函数,所述函数可以重放具有相同输入状态的替代胰岛素策略。这是一个其中函数接受输入数据,提取知识并创建新函数的构建体。
还可以使用代谢模型领域的技术人员已知的其它方法从相同的数据集构建重放预测函数305。一种示例方法是将代谢模型的参数与受试者的数据或临床研究拟合。另一种可能的方法是训练具有类似数据的神经网络来预测葡萄糖偏移。
关于元素312-342的系统300,鉴于例如错过餐食或不正确的用户输入等行为问题,系统基于CGM和胰岛素数据确定和定量与餐食相关的不适当的团注定时相关的血糖功能障碍。这可以用于标识行为问题,并隔离关于餐食的团注的定时、碳水化合物计数和碳水化合物比率关于餐食的影响,如本文例如关于图4-15B进一步描述的。
在312处,使用重放预测函数305和历史胰岛素302作为输入来执行(例如,由重放分析器220)使用在历史团注时间的最佳团注的重放。312的输出包括在历史时间的最佳团注的重放CGM和在历史时间的最佳团注的重放胰岛素。
在314处,使用重放预测函数305和所估计的餐食数据306作为输入来执行(例如,由重放分析器220)使用在所估计的餐食时间的最佳团注的重放。314的输出包括在所估计的餐食时间的最佳团注的重放CGM和在所估计的餐食时间的最佳团注的重放胰岛素。注意,312和314的输出是使用重放的模拟数据。这模拟了如果受试者在这些时间进行团注,风险、IOB、BG和相关数据和结果会如何不同。
在316处,使用历史胰岛素302作为输入来执行(例如,由IOB评估器225)对历史数据的IOB评估。可以使用用于执行IOB评估的任何已知技术。316的输出用于IOB剖析以用于在324处以及在下文进一步描述的338和342处的在历史时间的最佳团注。
在318处,使用来自312的在历史时间的最佳团注的重放胰岛素作为输入来执行(例如,由IOB评估器225)在历史时间的最佳团注的IOB评估。318的输出用于IOB剖析以用于在328处以及在下文进一步描述的338处的在历史时间的最佳团注。
在320处,使用在所估计的餐食时间的最佳团注的重放胰岛素作为输入来执行(例如,由IOB评估器225)在所估计的餐食时间的最佳团注的IOB评估。320的输出用于IOB剖析以用于在332处以及在下文进一步描述的342处的在所估计的餐食时间的最佳团注。
在322处,使用历史BG 301作为输入来执行(例如,由BG风险剖析器230)在历史时间的最佳团注的BG风险剖析。输出由下文进一步描述的BG风险剖析比较函数334使用。
如上所述,在324处,执行(例如,由IOB剖析器235)在历史时间的最佳团注的IOB剖析。324的输出在下文进一步描述的336和340处使用。
在326处,使用在312处生成的在历史时间的最佳团注的重放CGM执行(例如,由BG风险剖析器230)在历史时间的最佳团注的BG风险剖析。326的输出在下文进一步描述的334处使用。
在328处,使用在历史时间的最佳团注的IOB评估318的输出作为输入来执行(例如,由IOB剖析器235)执行在历史时间的最佳团注的IOB剖析。328的输出在下文进一步描述的336处使用。
在330处,使用在314处生成的在所估计的餐食时间的最佳团注的重放CGM执行(例如,由BG风险剖析器230)在所估计的餐食时间的最佳团注的BG风险剖析。330的输出在下文进一步描述的334处使用。
在332处,使用在所估计的餐食时间的最佳团注的IOB评估320的输出作为输入来执行(例如,由IOB剖析器235)执行在所估计的餐食时间的最佳团注的IOB剖析。332的输出在下文进一步描述的340处使用。
关于输出,可以生成、传输和/或显示图表和/或报告,以示出如果患者没有行为问题,对于受试者可以取得怎样的更好结果。在一些实施方案中,本文设想的方法和系统基于本文进一步描述的阈值确定是否显示某些推荐或某些图形推断或执行其它动作。
使用BG风险剖析比较函数334执行(例如,由BG风险比较器240)BG风险剖析比较,所述BG风险剖析比较函数接收322和326的BG风险剖析的输出作为输入以用于在历史时间的最佳团注以及接收330的BG风险剖析的输出作为输入以用于在所估计的餐食时间的最佳团注。BG风险剖析比较函数334的输出可以包括风险剖析绘图和总BG风险评分,每个都具有涉及历史信息、在历史团注时间的最佳团注信息和在所估计的餐食时间的最佳团注信息的数据和/或指示符,如本文关于例如图4-15B进一步描述的那些。
可以对比较BG风险剖析的差异进行定量以产生用于各种用途和/或反馈回路的数值输出,包含历史CGM、使用在历史团注时间在数值上最佳的团注的重放模拟CGM以及使用在所估计的餐食时间插入的在数值上最佳的团注的重放模拟CGM。
比较BG风险剖析的差异可以通过各种方式进行定量,如使用绘图和可视化,以及使用指示例如高血糖风险、低葡萄糖风险或总血糖风险的风险指数,以及指示偏移到超出范围的BG水平的数量和程度,如关于例如图4描述的那些。
在336处,执行(例如,由差异分析器245)将历史胰岛素与在历史时间的最佳团注进行比较的IOB剖析差异分析。到336的输入包括324和328的在历史时间的最佳团注的IOB剖析的输出,并且336的输出包括具有涉及历史信息和在历史团注时间的最佳团注信息的数据和/或指示符的IOB剖析绘图。
在338处,执行(例如,由差异分析器245)将历史胰岛素与在历史时间的最佳团注进行比较的IOB迹线差异分析。到338的输入包括316的历史数据的IOB评估的输出和318的在历史时间的最佳团注的IOB评估的输出。338的输出包括IOB差异绘图和IOB迹线类似性评分,其中数据和/或指示符涉及在历史团注时间的最佳团注对历史团注信息。
在340处,执行(例如,由差异分析器245)IOB剖析差异分析从而将历史胰岛素与在所估计的餐食时间的最佳团注进行比较。到340的输入包括324的在历史时间的最佳团注的IOB剖析的输出和332的在所估计的餐食时间的最佳团注的IOB剖析的输出。340的输出包括具有涉及历史信息和在所估计的餐食时间的最佳团注信息的数据和/或指示符的IOB剖析绘图。
在342处,执行(例如,由差异分析器245)将历史胰岛素与在所估计的餐食时间的最佳团注进行比较的IOB迹线差异分析。到342的输入包括316的历史数据的IOB评估的输出和320的在所估计的餐食时间的最佳团注的IOB评估的输出。342的输出包括IOB差异绘图和IOB迹线类似性评分,其中数据和/或指示符涉及在所估计的餐食时间的最佳团注对历史团注信息。
因此,重放模拟输出示出了在历史时间的血糖功能障碍。例如,图上的历史/所估计的风险剖析可以显示血糖暴露的差值。可以显示历史CGM对使用在历史团注时间的最佳团注的重放模拟CGM以及对使用在所估计的餐食时间和在历史团注时间的最佳团注的重放模拟CGM。
可以显示风险指数,如高血糖风险、低血糖风险和总血糖风险。这些风险可以用数字、颜色、定量值等在图表上显示为表示。也可以标识和指示偏移到超出范围的BG水平的数量和程度。设想可以使用数字表示来指示血糖功能/优度,如两个数字之间的比较,好与坏。
另一个输出可以是符合餐前团注要求的指示。确定受试者的理想餐前团注,并且然后确定受试者与此理想餐前团注的偏差。可以生成和输出评分,例如,在图表上以数字方式等。在此实施例中,对血糖功能障碍进行定量的步骤可以被视为对理想餐前团注定时的依从性(或偏差)进行定量。在一个实施方案中,可以生成并输出可视化(显示依从性的影响)或推荐(例如,“在未来此类型餐食前20分钟进行团注”)。
本文所描述的各种输出可以用作医疗保健专业人员的风险分层工具,以通过餐前团注依从性和疗法调整的潜在益处来标识受试者。输出可以用于突出清晰报告中最具影响力的潜在变化(例如,改变胰岛素定时对团注量或突出最佳餐食)。输出可以用于通过指导电话或聊天机器人提示触发指导评论和讨论点。
图4是根据实例的各种风险剖析绘图400的图示。在此实例中,对于受试者,总风险CGM为0.99,使用在历史团注时间的最佳团注的总风险为0.46,使用在所估计的餐食时间的最佳团注的总风险为0.39,针对在历史团注时间的最佳团注的IOB迹线类似性评分为0.69,并且针对在所估计的餐食时间的最佳团注的IOB迹线类似性评分为0.59。样品中的天数为13天。
总风险CGM是将时间段内的高血糖症和低血糖症风险两者作为单个值捕获的值。可以使用用于确定所述值的任何已知技术。在一个实施方案中,具有低值的正值表示良好的血糖控制。总风险为1或以下的是好的结果。评分为2或更高指示范围之外的较大或持续的偏移。这些实例中的CGM风险基于95到195mg/dL的目标范围,因此如果受试者始终处于这些极限中的任何一个,则会出现评分为1。此分析可以基于其它目标范围或风险函数(例如,70到180mg/dL),但这些目标与临床研究中观察到的医学问题一致。可以为此目标区域选择任何阈值。CGM风险度量因超出这些极限(例如,抛物线函数)的葡萄糖偏移而受到惩罚,这会推高评分,特别是在低血糖方面。
关于使用在历史时间的最佳团注的总风险,重放团注标识在与所记录的数据相同的团注时间(例如,泵或笔团注时间)的最佳胰岛素量。最佳团注量将CGM风险降低一半。从0.99降低到0.46表明有机会改善疗法变化/团注计算器变化。如果重放分析表明使用最佳策略可以显著降低总风险(例如,25%、50%等),则可以向受试者或用户提示疗法建议(例如,可视化或消息),即胰岛素剂量的变化可能导致降低暴露于血糖风险。范围不限于以这种方式显示结果,因为可以通过多种方式将这些潜在的风险降低集成到后续报告、分析和计算中。
关于使用在所估计的餐食时间的最佳团注的总风险,可以通过调整团注定时进一步降低和改善总风险。在此实例中,与最佳数量以上的重放相比,此受试者的风险从0.46降低到0.39。由于定时变化而导致的这种增量风险降低不如先前的步骤大,因此可能表明历史数据具有接近餐食时间的胰岛素团注。换句话说,此受试者的风险不是定时问题,而是量的问题。在一些实施例中,重放分析(将历史与餐食时间团注进行比较)可以标识可以通过比历史值更早或更晚给药来改善的受试者行为。这是所记录的胰岛素团注时间与所估计/经协调的餐食时间之间的比较。除了泵之外,连接的笔记录何时递送团注,但有时会出现关于预注的问题以及是否存在来自其它笔或注射器的偶尔/另外剂量。
关于针对在历史团注时间的最佳团注的IOB迹线类似性评分,基于实际团注的记录计算IOB迹线并且计算最佳治疗的IOB迹线。这些迹线可以比较作为单位幅度迹线之间的内积以给出范围为0到1的值,其中1指示实际剂量与最佳剂量在形状上最类似。值为1指示迹线中的模式相同,即使其整体幅度不同。在此实例中,值为0.69指示在历史团注时间的最佳团注量是与当前结果不同的IOB剖析形状。此类似性评分可以阈值化或与当前行为进行比较,并且此比较的输出可以改变智能警报行为、用户推荐、报告特征和可视化。例如,根据实施方案,信息可以作为数量和定时的定性评分、可视化或解释(例如,“差”、“好”、“极好”等)来传达。在高水平上,胰岛素给药的数量或定时用于将当前行为与最佳行为进行比较,并且这些可以转换为推荐或可视化(例如,评分排名或需求或益处的优先级)。迹线类似性着眼于受试者与理想胰岛素水平的接近程度,并且结果也可以解释为做出推荐(重放报告和/或实时)。
可以将评分与阈值进行比较以确定是否存在风险。当存在风险时,可以生成并输出警报或其它指示符,例如提供给受试者或医生。随着评分的增加,血糖功能障碍的风险增加。
历史评分与所估计的评分的比较(以及类似的风险比较)显示出通过最佳或至少更好的团注可以实现多少改善(风险降低)。
区域410示出了受试者的历史高血糖症风险剖析(在x轴上方)和低血糖症风险剖析(在x轴下方),标识了受试者一天中始终经历血糖功能障碍的时间。标识为410的高血糖症风险剖析中的峰值表明受试者在1500-1600小时之间始终经历高于范围的BG。
区域420示出了根据受试者的数据的重放计算的高血糖症和高血糖症风险剖析,其中历史胰岛素团注量被数值上最佳的团注量替代。在1500-1600(在区域410中)的历史高血糖症风险剖析中的峰值不再出现在区域420中的事实表明受试者可以通过注射/输注不同量的胰岛素,而无需选择不同的团注时间的另外的步骤来显著减少高血糖在下午的暴露。类似地,通过(i)在小时2200之前(通过在晚餐时更准确地团注)注射/输注不同量和(ii)在2300与0200之间(通过在睡前团注零食)注射/输注不同量,可能降低高血糖症风险。
区域430示出了根据患者的数据的重放计算的高血糖症和高血糖症风险剖析,其中历史胰岛素团注量被在所估计的餐食时间在数值上最佳的团注量替代。在1500-1600时间帧内(相对于区域420)的高血糖症风险进一步降低的事实表明,受试者可以通过在接近餐食的时间注射/输注胰岛素来减少高血糖症在下午的暴露,尽管基于此受试者的此数据,改善是微不足道的。在小时2300与0600之间,通过在所述时间帧内在正餐/零食附近进行最佳和更一致的团注,可以更显著改善高血糖症风险。
图5是根据实例的风险区域510、520、530、540的图示500。如所示出的,风险剖析绘图400可以被转换成一天的区域,在此实例中,这表明午餐和晚餐时剂量不足。风险区域510、520、530、540显示出可以通过在不同时间或以不同量进行团注完全消除的显著历史高血糖症风险的间期。图示可以示出跨多天的一天的时间效应。在一个实施方案中,图示500可以基于BG风险剖析比较函数334的结果由BG风险比较器240生成,并由输出装置250输出。历史高血糖(在x轴上方)和低血糖(在x轴下方)区域可以通过应用阈值来标识,所述阈值应用于322的由剖析函数产生的历史BG风险剖析。
图6是根据实例的由于改变团注剂量或团注定时可能显著改善(例如,相对于风险剖析绘图400)的区域的图示600。间期610示出了其中可以通过团注量的变化(在历史时间)改善BG结果的间期。间期620示出了其中可以通过接近餐食时间(例如,在一天中的较早时间)的团注改善BG结果的间期。类似于图示500的生成和输出,在一个实施方案中,图示600可以基于BG风险剖析比较函数334的结果由BG风险比较器240生成,并由输出装置250输出。分别针对在历史团注时间在数值上最佳的团注和在经验证的所估计的餐食时间在数值上最佳的团注的历史高血糖(在x轴上方)和低血糖(在x轴下方)区域可以通过应用阈值来标识,所述阈值应用于326和330的由剖析函数产生的历史BG风险剖析。
图7A和7B是根据实例的各种体内有效胰岛素(IOB)剖析绘图700、750的图示。图7A示出了(i)历史团注的平均IOB(线740)+/-一个标准偏差(区域720)和(ii)在历史团注时间在数值上最佳的团注的平均IOB(线730)+/-一个标准偏差(区域710)。尽管在本文的实例中使用了均值和标准偏差,但可以根据实施方案使用其它统计数据,例如中值、置信度区间、标准误差、变化系数等。
类似地,图7B示出了(i)历史团注的平均IOB(线790)+/-一个标准偏差(区域770)和(ii)在所估计的餐食时间在数值上最佳的团注的平均IOB(线780)+/-一个标准偏差(区域760)。
请注意,在两个图7A和7B中,线730、780与线740、790之间的差值对应于最近输注/注射的胰岛素的不同量。例如,图7A中的小时1200与1600之间的线730与740之间的间隙对应于以下事实:与患者施用的历史团注相比,使用数值上最佳的团注(在历史团注时间)递送了(并且“体内有效”)更多的胰岛素。可以在图7B中的线780与790之间看到类似的间隙,即使在一天中历史上IOB为零或非常低的时间,对应于在所估计的餐食时间的最佳团注与在历史团注时间的最佳团注之间的差值。
区域710示出了关于与在历史团注时间在数值上最佳的团注相关的均值(线730)的IOB的可变性(+/-一个标准偏差)。
区域720示出了关于与在所估计的餐食时间在数值上最佳的团注相关的均值(线740)的IOB的可变性(+/-一个标准偏差)。
线730示出了与在历史团注时间在数值上最佳的团注相关的均值IOB。线740示出了与在所估计的餐食时间在数值上最佳的团注相关的均值IOB。
图8是IOB差异绘图800的图示,示出了(i)与在历史团注时间在数值上最佳的团注相关的IOB和(ii)与历史团注相关的IOB之间的均值差值。线810对应于IOB差值的均值,并且820和830分别对应于+/-一个标准偏差。一天中均值为正的时间对应于与历史团注相比在数值上最佳的团注导致更高的(平均)IOB的时间。较小的标准偏差值对应于IOB相关的在数值上最佳的团注与历史团注之间更一致的差异。绘图800中的正值指示与历史给药相比,最佳给药的胰岛素通常更多。因此,提供了在历史时间的团注的误差剖析。
线810示出了与在历史团注时间在数值上最佳的团注以及历史团注本身相关的IOB之间的均值差值。
线820示出了上文的均值差值加一个标准偏差,从而提供了关于均值之间的差值的不确定度的视觉指示。注意,在一些实施方案中,可以使用置信度区间。
线830示出了上文的均值差值减一个标准偏差,从而提供了关于均值之间的差值的不确定度的视觉指示。注意,在一些实施方案中,可以使用置信度区间。
图9是IOB差异区域绘图900的图示,示出了一天中与数值上最佳的团注相关的IOB显著高于与历史团注相关的IOB的时间。在x轴上方的条对应于一天中受试者应考虑在历史团注时间服用更大团注的时间。虽然此实例未示出以下任何内容,但在x轴下方的条对应于一天中受试者应考虑在历史团注时间服用更小团注的时间。
图10是根据实例的在所估计的餐食时间的最佳团注的IOB差异绘图1000的图示。类似于图8,此绘图示出了与数值上最佳的团注和历史团注相关的IOB之间的差值的均值,以及+/-标准偏差包络,尽管此处是针对在所估计的餐食时间在数值上最佳的团注与历史团注之间的差值。一天中均值为正(负)的时间对应于与历史团注相比,在所估计的餐食时间在数值上最佳的团注导致更多(更少,分别地)的平均体内有效胰岛素的时间。此处,在小时0900时发生的负差异对应于受试者在与所估计的餐食时间不同的时间进行团注的事实。因此,提供了相对于在所估计的餐食时间的最佳团注的误差剖析。
图11是根据实例的相对于在所估计的餐食时间的最佳团注的IOB差异区域1100的图示。在x轴上方的区域是受试者可能受益于更多胰岛素的时间,通过给予比历史量更大的团注或通过给予历史上未给予的团注。此处,在0900处的x轴下方的区域对应于一天中受试者不应团注的时间,而是更倾向于更接近实际餐食时间的团注。
图12是示例总结报告1200的图示,示出了基于所确定的血糖功能的血糖风险。总结报告1200是可以生成并提供给受试者或护理人员的报告的仅一个实例,并且可以通过堆叠图5、6、9和11中的绘图和图示来生成。图1210示出了具有血糖风险的剖析的时间段。图1220标识在重放中随着团注策略的改变而具有显著较低风险的时间段。图1230标识新的团注量(在此实例中为更多胰岛素)将用于显著改变IOB的时间段(例如,餐食)。图1240标识不同的团注定时将用于显著改变IOB的时间段(例如,餐食)。这可以赋予对动作和治疗修改的优先级的感测,并标识一天中较大的团注会降低风险的时间段。在图1240上,还可以标识团注的非最佳时间,并且可以建议更好的替代方案。
图13是根据另一实例的各种风险剖析绘图1300的图示。在此实例中,对于受试者,总风险CGM为1.75,使用在历史团注时间的最佳团注的总风险为1.21,使用在所估计的餐食时间的最佳团注的总风险为0.55,针对在历史团注时间的最佳团注的IOB迹线类似性评分为0.60,并且针对在所估计的餐食时间的最佳团注的IOB迹线类似性评分为0.47。样品中的天数为79天。
区域1310示出在历史记录中在小时1200时经历低血糖症的强烈倾向性,其中更普遍地在小时1000时到1600时低血糖症风险显著,在小时2000时低血糖症风险中等。
区域1320示出在约小时2000的中等的低血糖症风险可以通过在历史团注时间进行不同的团注来解决,尽管在不改变团注时间的情况下,低血糖症在晚上的减少是以在约小时2200出现新的高血糖症风险为代价的。
区域1330示出在约小时1200的强烈的低血糖症风险可以通过在历史团注时间进行不同的团注来解决,尽管在不改变团注时间的情况下,低血糖症在白天期间的减少是以在小时1000与1800之间出现新的高血糖症风险为代价的。
区域1340示出使用在所估计的餐食时间在数值上最佳的团注,受试者可以有效地避免暴露于低血糖症和高血糖症两者。
图14A和14B分别是根据另一实例的各种IOB剖析绘图1400、1450的图示。线1410示出了与由在历史团注时间在数值上最佳的团注所产生的较小平均(和较小变量)IOB相比,在小时2100由历史团注所产生的大的平均IOB值(具有大的可变性)。
线1420示出了关于由在约小时0730在历史团注时间在数值上最佳的团注所产生的平均IOB的高度可变性。此处,由于数值上最佳的团注产生的平均IOB本身非常小,因为在一天中的所述时间没有很多历史团注。请注意,在图14B中,在一天的同一时间,与所估计的餐食时间的团注相关的平均IOB大于与历史团注相关的平均IOB,表明受试者可以始终延迟一天中的第一餐食的团注。
线1430示出了与由在历史团注时间在数值上最佳的团注所产生的较小平均(和较小变量)IOB相比,在小时1700由历史团注所产生的大的平均IOB值(具有大的可变性)。
线1440显示出由于数值上最佳的团注导致的0830处的IOB小于与历史团注记录相关的平均IOB。这在图14B中在一天的同一时间也是正确的。因此,无论早上团注的定时如何,受试者都服用了过多的胰岛素,并且这与早上出现低血糖症的强烈倾向性有关。
图15A和15B分别是根据另一实例的各种IOB差异绘图1500、1550的图示。图15A中的差异(如实线1510所指示的)在一天中为负(例如,从约0730到约2300)这一事实说明当被限制在历史团注时间的团注时,受试者应该较少团注。图15B中的平均差异(如实线1560所指示的)在正值与负值之间振荡这一事实表明受试者在一天中将具有(并将受益于)显著不同的IOB。
实线1510示出了与在历史团注时间在数值上最佳的团注以及历史团注本身相关的IOB之间的均值差值。
虚线1520示出了上文的均值差值加一个标准偏差,从而提供了关于均值之间的差值的不确定度的视觉指示。
虚线1530示出了上文的均值差值加一个标准偏差,从而提供了关于均值之间的差值的不确定度的视觉指示。
图16是用于确定血糖功能障碍量的方法1600的实施方案的操作流程。在1610处,例如在重放分析器(如重放分析器220)处接收与受试者(如受试者140)有关的CGM数据和胰岛素数据。CGM数据和胰岛素数据可以包括受试者提供的数据207、数据210和/或函数215。CGM数据和胰岛素数据可以从存储装置接收,如包括受试者140的CGM记录和胰岛素记录的数据库。可替代地或另外地,可以从受试者140(例如,通过受试者计算装置205)、从CGM和/或胰岛素装置或监测器(例如,胰岛素装置110、葡萄糖监测器120、活动监测器150和/或智能电话160)或其它设备或实体接收数据。在用于重放分析的实施方案中,可以使用历史数据。具有对历史数据中的餐食的定时和数量两者的准确估计是有用的。
在1620处,例如由重放分析器220对CGM数据和胰岛素数据执行重放分析。此分析的步骤包含(i)使用餐食估计函数(如餐食编译器303),所述餐食估计函数基于对CGM数据和胰岛素数据时间序列数据中的趋势和模式的分析,来产生对历史记录中的餐食事件(具体地碳水化合物摄入量)的估计(如所估计的餐食数据306)和(ii)使用重放预测函数305(如重放编译器304的输出),所述重放预测函数使用所估计的餐食时间序列来模拟从任何特定代谢初始条件的历史时间序列中的任何点开始的历史数据,并使历史或经优化的胰岛素团注规范。
在1630处,基于重放分析对血糖功能障碍量进行定量,例如使用IOB评估器225、BG风险剖析器230、IOB剖析器235、BG风险比较器和差异分析器245中的一个或多个,如本文进一步所描述的。分析可以包含(i)基于历史CGM数据的总体计算高血糖和低血糖风险剖析(如在322处执行的剖析),其中在24小时全天时间段内的任何点的剖析值描述了在一天中的所述时间历史上暴露于高血糖症(低血糖症,分别地)的临床意义,进行归一化使得高血糖(低血糖,分别地)风险阈值的规范标志着在白天期间显著的血糖风险的间期;(ii)使用重放预测函数来模拟(重放)整个记录,基于根据重放函数的预测响应用数值上最佳的团注替代历史团注(例如关于元素312所描述的),(iii)使用重放预测函数来模拟(重放)整个记录,取消历史团注并在所估计的餐食时间插入数值上最佳的团注(如关于元素314所描述的),(iv)使用在历史团注时间在数值上最佳的团注计算重放时间序列的高血糖和低血糖风险剖析(如关于元素326所描述的),以及(v)使用在所估计的餐食时间在数值上最佳的团注计算重放时间序列的高血糖和低血糖风险剖析(如关于元素330所描述的)。
BG风险剖析器230包含计算以将一个或多个血糖值转换为与糖尿病并发症风险或血糖控制程度一致的相对风险评分。可以将风险评分指配给单个值或在时间段内汇总,如每日平均风险评分。在一个实例中,度量是正值,其中低值表示良好的血糖控制,如处于目标区域内或接近目标值。如果目标血糖范围是95到195mg/dL,那么示例风险函数会将95mg/dL的读数映射到1.0的风险,将120mg/dL的读数映射到0.2的风险并且将195mg/dL的读数映射到1.0的风险。因此,处于目标范围内的受试者的总风险将小于1,并且严格控制的受试者的风险接近于零。
继续此实例,随着葡萄糖远离目标值,高血糖症和低血糖症区域的血糖值被赋予越来越高的风险评分。风险函数将65mg/dL的读数映射到2.5的风险,并且将225mg/dL的读数映射到2.0的风险。因此,评分为2或更高指示目标范围之外的较大或持续的偏移。在这种情况下,惩罚函数不是对称的,因为其对低血糖值施加了更大的惩罚。风险函数的形状可以基于数学函数,如二次或对数正态曲线或一组线性函数。一个已知度量是平均每日风险范围(参见例如Kovatchev B.P.等人,“糖尿病血糖可变性新度量的评估(Evaluation of aNew Measure of Blood Glucose Variability in Diabetes)”,《糖尿病护理(DiabetesCare)》,2006Nov;29(11):2433-8,https://www.ncbi.nlm.nih.gov/pubmed/17065680)。在其它情况下,其可以从受试者的历史数据中凭经验得出,或根据治疗目标进一步调整。
风险函数可以包含并强调与糖尿病风险有关的其它因素。一个实例被称为风险度量(参见例如题为“基于临床风险的低血糖症和高血糖症预防警报系统(Alert System forHypo and Hyperglycemia Prevention Based on Clinical Risk)”的美国专利第9,439,602号),其明确地将葡萄糖的变化率视为对患者的威胁因素(例如,低血糖症和高血糖症的风险水平分别在存在降低的和升高的葡萄糖趋势的情况下被放大)。
以BG风险剖析比较函数(如BG风险剖析比较函数334)评估三组风险剖析,其计算分别针对以下的总血糖评分:历史数据、使用在历史团注时间在数值上最佳的团注的重放数据以及使用在所估计的餐食时间在数值上最佳的团注的重放数据。这些相应评分之间的差值表明与在历史团注时间的次优团注和/或未在所估计的餐食时间发生的团注相关的功能障碍(对应于重放团注定时效应)。
另外,为了计算餐前团注依从性的量度,针对以下计算IOB的时间序列:(i)胰岛素递送的历史时间序列(如关于元素316所描述的),(ii)在历史团注时间在数值上最佳的团注的重放时间序列(如关于元素318所描述的),以及(iii)在所估计的餐食时间在数值上最佳的团注的重放时间序列(如关于元素320所描述的)。从这些IOB时间序列中,可以计算IOB的24小时剖析,其中在任何时间的剖析值对应于患者在一天中的任何时间的体内有效胰岛素量(例如,平均胰岛素)的一阶统计量,无论是历史上或使用在历史团注时间在数值上最佳的团注或使用在所估计的餐食时间在数值上最佳的团注。这些相应IOB剖析允许评估(i)历史团注与在历史团注时间在数值上最佳的团注(如关于元素336所描述的)和(ii)历史团注与在所估计的餐食时间在数值上最佳的团注(例如关于元素340所描述的)之间的IOB差异。另外,三组IOB时间序列允许计算(i)历史团注与在历史团注时间在数值上最佳的团注(如关于元素338所描述的)和(ii)历史团注与在所估计的餐食时间在数值上最佳的团注(例如关于元素342所描述的)之间的数值类似性度量。
在1640处,通过如输出装置250等输出装置向例如与受试者、医师或另一实体相关的计算装置提供代表血糖功能障碍量的输出。输出可以包括绘图或其它信息和推荐,如本文进一步描述的那些(例如,如图12的报告1200的总结报告)。此类输出可以提供重放团注定时效应和餐前团注依从性的指示符。一个或多个实施方案对关于餐食的错误信息(在定时和组成方面)的影响进行定量。因此,关于最佳剂量以及关于改变最佳餐前定时来评估胰岛素的益处(例如,风险降低)。
图17是用于确定血糖功能障碍量的方法1700的另一实施方案的操作流程。在1710处,在计算装置(如计算装置201)处接收输入。在一个实施方案中,输入可以包括受试者提供的数据207、数据210和/或函数215,并且可以在重放分析器220处接收。输入可以包括CGM数据和胰岛素数据,类似于关于1610所描述的数据(例如,历史BG 301和历史胰岛素302)。
在1720处,使用例如关于312和314描述的各方面,对历史团注和所估计的餐食执行重放分析(例如,由重放分析器220)。以这种方式,可以确定如果受试者在历史团注时间团注会发生什么,以及如果受试者在所估计的餐食时间团注会发生什么。
在1730处,执行IOB数据分析,如关于图3A和3B所描述的那样。在一个实施方案中,IOB数据分析可以由IOB评估器225和/或IOB剖析器235执行。在1740处,执行BG数据分析,如关于图3A和3B所描述的那样。在一个实施方案中,BG数据分析可以由BG风险剖析器230和/或BG风险比较器240执行。此类分析可以包含如上文进一步描述的各种评估和剖析。
在1750处,将差异与比较一起确定,如上文关于图3A和3B详细描述的。在一个实施方案中,差异可以由差异分析器245确定。在1760处,可以例如通过输出装置250生成和输出绘图和评分,如本文进一步描述的绘图和评分。
图18是用于确定血糖功能障碍量的方法1800的另一实施方案的操作流程。在一些实施方案中,方法可以由计算装置201执行。
在1810处,在重放分析器(如重放分析器220)处接收历史BG数据和历史胰岛素数据。由重放分析器220使用历史BG数据和历史胰岛素数据在1820处对历史团注和所估计的餐食执行多个重放分析。
在1830处,使用所述多个重放分析中的至少一个执行至少一个IOB数据分析。例如,可以使用IOB评估器225或IOB剖析器235中的一个或多个来执行IOB数据分析。在1840处,使用所述多个重放分析中的至少一个执行至少一个BG数据分析。例如,可以使用BG风险剖析器230或BG风险比较器240中的一个或多个来执行BG数据分析。
在1850处,使用所述至少一个IOB数据分析和所述至少一个BG数据分析执行至少一个差异分析和至少一个比较。例如,差异分析和/或比较可以由差异分析器245执行。
在1860处,提供输出,如本文进一步描述的那些。输出可以由输出装置250提供,并且可以基于所述至少一个差异分析和所述至少一个比较。
图19是用于确定血糖功能障碍量的方法1900的另一实施方案的操作流程。在一些实施方案中,方法可以由计算装置201执行。
在1910处,在重放分析器(如重放分析器220)处接收受试者的历史BG数据或历史胰岛素数据中的至少一个。在1920处,基于历史BG数据或历史胰岛素数据中的所述至少一个确定受试者的血糖功能障碍的第一风险评分。例如,风险评分可以由重放分析器220确定。在一个实例中,风险评分可以是来自BG风险剖析器230的值。在另一个实例中,来自BG风险剖析器230的输出被转换为具有一组阈值或区域的风险评分,如风险低于1被指配低风险评分,风险为1到2被指配为中等风险,并且风险大于2被指配为高风险。可以基于历史值或当前目标为每位患者预设或定制这些阈值和区域。风险评分还可以用于总结与一天中的不同时间、餐食和/或其它相关事件相关的BG风险剖析。
在1930处,在重放分析器(如重放分析器220)处接收受试者的最佳BG数据或最佳胰岛素数据中的至少一个。在1940处,基于最佳BG数据或最佳胰岛素数据中的所述至少一个确定受试者的血糖功能障碍的第二风险评分。例如,风险评分可以由重放分析器220确定。此风险评分可以使用与1910中计算的风险评分相同的属性,以便评估潜在的改善。例如,早餐的风险评分将在历史数据与最优数据之间进行比较。
在1950处,例如由重放分析器220将第一风险评分与第二风险评分进行比较。在一些实施方案中,可以例如由重放分析器220和/或输出装置250基于在1940处的比较在1960处生成和输出推荐。推荐可以是受试者或其它用户关于改善或维持其血糖信息的指令或其它建议的最佳BG数据或最佳胰岛素数据(例如,在一些实施方案中减少血糖功能障碍,如图12所示)。当第一风险评分接近第二风险评分时(例如,小于预定百分比差值、在评分范围或差值内、小于阈值差值等),则标识并鼓励受试者行为,因为胰岛素量和定时接近理想。当第一风险评分显著大于第二风险评分(例如,大于或等于预定百分比差值、在评分范围或差值之外、等于或大于阈值差值等)时,则存在通过调整未来类似餐食的胰岛素团注量或定时来优化治疗的机会。
在1960处输出的推荐可以以多种格式生成,以便最佳匹配受试者需求。在一个实施例中,推荐可以是定性的,如标识在早餐前更早给药将有助于避免接下来一小时的高葡萄糖值。例如,在一些实施方案中,推荐可以是屏幕上的提示或者其可以覆盖在显示葡萄糖偏移的绘图上。可替代地或另外地,推荐可以是涵盖如一周或一个月等时间段的总结报告。总结报告可以标识一天中具有高血糖风险的时间段并指配可能的原因。例如,此报告可以标识下午的低葡萄糖值是由于午餐时注射过多的胰岛素以及饭后给药造成的。
图20是用于确定血糖功能障碍量的方法2000的另一实施方案的操作流程。在一些实施方案中,方法可以由计算装置201执行。操作2010涉及基于历史血糖数据或历史胰岛素数据中的至少一个确定历史风险评分,就图3A和3B的实施方案而言,其涉及元素322(针对风险剖析的计算)和334(针对风险评分的计算)。操作2020涉及基于至少一个最佳BG数据或最佳胰岛素数据确定血糖功能障碍的最佳风险评分,就图3A和3B的实施方案而言,其涉及元素312(针对在历史团注时间在数值上最佳的团注)或314(针对所估计的餐食时间在数值上最佳的团注)、326或330(分别针对最佳风险剖析)以及334(分别针对风险评分的计算)。操作2030涉及确定历史风险评分与最佳风险评分之间的差值,就图3A和3B的涉及元素334的实施方案而言。操作2040涉及基于差值和基于阈值提供推荐。
在2010处,基于受试者的历史BG数据或历史胰岛素数据中的至少一个确定血糖功能障碍的历史风险评分,所述历史BG数据或所述历史胰岛素数据例如可以已在重放分析器220处接收。
在2020处,基于受试者的最佳BG数据或最佳胰岛素数据中的至少一个确定血糖功能障碍的最佳风险评分,所述最佳BG数据或所述最佳胰岛素数据例如可以已在重放分析器220处接收。
在2030处,例如由重放分析器220确定历史风险评分与最佳风险评分之间的差值。
在2040处,在一些实施方案中,可以例如由重放分析器220和/或输出装置250基于所确定的差值生成和输出推荐。
图21示出了其中可以实施示例实施例和方面的示例性计算环境。计算装置环境是合适的计算环境的仅一个实例,并不旨在暗示对使用范围或功能性的任何限制。
可以使用许多其它通用或专用计算装置环境或配置。可以适于使用的众所周知的计算装置、环境和/或配置的实例包含但不限于个人计算机、服务器计算机、手持或膝上型装置、多处理器系统、基于微处理器的系统、网络个人计算机(PC)、小型计算机、大型计算机、嵌入式系统、包含任何上述系统或装置的分布式计算环境等。
可以使用由计算机执行的计算机可执行指令,如程序模块。通常,程序模块包含执行特定任务或实施特定抽象数据类型的例程、程序、对象、组件、数据结构等。可以使用分布式计算环境,其中任务由通过通信网络或其它数据传输介质链接的远程处理装置执行。在分布式计算环境中,程序模块和其它数据可以定位在包含存储器存储装置的本地和远程计算机存储介质中。
参考图21,用于实施本文所描述的各方面的示例性系统包含计算装置,如计算装置2100。在其最基本的配置中,计算装置2100通常包含至少一个处理单元2102和存储器2104。取决于计算装置的确切配置和类型,存储器2104可以为易失性的(如随机存取存储器(RAM))、非易失性的(如只读存储器(ROM)、闪速存储器等)或两者的某种组合。这种最基本的配置在图21中通过虚线2106展示。
计算装置2100可以具有另外的特征/功能。例如,计算装置2100可以包含另外的存储装置(可移除和/或不可移除),包含但不限于磁盘或光盘或磁带。这种另外的存储装置在图21中通过可移除存储装置2108和不可移除存储装置2110展示。
计算装置2100通常包含各种计算机可读介质。计算机可读介质可以是可由装置2100访问的任何可用介质并且包含易失性和非易失性介质、可移除和不可移除介质。
计算机存储介质包含按照任何方法或技术实现的易失性和非易失性、可移除和非可移除介质,用于存储信息,如计算机可读指令、数据结构、程序模块或其它数据。存储器2104、可移除存储装置2108和不可移除存储装置2110都是计算机存储介质的实例。计算机存储介质包含但不限于RAM、ROM、电可擦程序只读存储器(EEPROM)、闪速存储器或其它存储器技术、CD-ROM、数字通用光盘(DVD)或其它光学存储装置、磁带盒、磁带、磁盘存储装置或其它磁存储装置或者用来存储所需信息并且可以由计算装置2100访问的任何其它介质。任何此类计算机存储介质可以是计算装置2100的一部分。
计算装置2100可以含有允许装置与其它装置通信的通信连接2112。计算装置2100还可以具有如键盘、鼠标、笔、语音输入装置、触摸输入装置等输入装置2114。如显示器、扬声器、打印机等输出装置2116也可以包含在内。所有这些装置在本领域中都是众所周知的,并且此处不需要详细讨论。
在一个实施方案中,提供了一种确定血糖功能障碍量的方法。所述方法包括:接收与受试者有关的连续葡萄糖监测(CGM)和胰岛素数据,其中所述CGM和胰岛素数据包括胰岛素团注量和所述胰岛素团注量的定时;对所述CGM和胰岛素数据执行重放分析;使用所述重放分析对血糖功能障碍量进行定量;以及提供代表所述血糖功能障碍量的输出。
实施方案可以包含以下特征中的一些或所有。估计所述CGM和胰岛素数据的第一部分,并且报告所述CGM和胰岛素数据的第二部分。所述CGM和胰岛素数据包括所述受试者的餐食的所估计的定时或所述受试者的所述餐食的所估计的组成中的至少一个。所述CGM和胰岛素数据包括关于所述受试者的餐食的定时或所述受试者的所述餐食的组成中的至少一个的错误信息。所述CGM和胰岛素数据的一部分是从所述受试者接收的。所述CGM和胰岛素数据包括所估计的呈时间序列形式的代谢状态、经协调的餐食历史和所递送的胰岛素历史。所述CGM和胰岛素数据包括所估计的代谢状态、经协调的所估计的代谢输入和已知的代谢输入。所述CGM和胰岛素数据被及时离散化。
实施方案也可以包含以下特征中的一些或所有。对所述CGM和胰岛素数据执行所述重放分析包括隔离关于餐食的所估计的团注的定时、碳水化合物计数和碳水化合物比率的影响。对所述CGM和胰岛素数据执行所述重放分析包括使用重放模拟分析通过去除不准确的碳水化合物计数和不适当的碳水化合物比率来评估在历史团注时间在数值上最佳的团注的影响。对所述CGM和胰岛素数据执行所述重放分析包括评估在所估计的历史餐食时间在数值上最佳的团注的影响。对所述CGM和胰岛素数据执行所述重放分析包括使用历史CGM和胰岛素数据、在历史团注时间在数值上最佳的团注或在所估计的餐食时间在数值上最佳的团注中的至少一个执行重放模拟。对所述CGM和胰岛素数据执行所述重放分析包括:生成一组候选团注;模拟与每个候选团注相关联的未来血糖(BG)值;使用风险分析对每个候选团注的模拟BG轨迹进行评分;基于每个候选团注的评分挑选和实施最佳团注;并且继续重放模拟直到下一次团注的时间为止。所述风险分析是速度依赖性风险分析。
实施方案也可以包含以下特征中的一些或所有。对所述血糖功能障碍量进行定量包括对所估计的团注相较于最佳定时团注的所述功能障碍量进行定量。对所述血糖功能障碍量进行定量包括对历史团注相较于最佳定时团注的所述功能障碍量进行定量。对所述血糖功能障碍量进行定量包括对患者对理想餐前团注定时的依从性进行定量。
实施方案也可以包含以下特征中的一些或所有。所述输出包括绘图或可视化中的至少一个。所述输出包括风险指数,所述风险指数包括高血糖风险、低血糖风险或总血糖风险中的至少一个。所述输出包括偏移到超出范围的血糖水平的次数和程度。所述输出示出了在历史时间的血糖功能障碍。提供输出包括提供示出以下中的至少一个的可视化:所述血糖功能障碍的行为影响、历史CGM和胰岛素数据对使用在历史团注时间的最佳团注的重放模拟CGM、或历史CGM和胰岛素数据对使用在所估计的餐食时间的最佳团注的重放模拟CGM。所述输出包括患者对理想餐前团注定时的依从性的可视化。基于所述血糖功能障碍的量向受试者提供餐食管理信息。餐食管理信息包括患者的团注前定时信息。团注前定时信息包括对患者的关于在未来某一餐食类型之前团注的推荐。
在一个实施方案中,一种用于确定血糖功能障碍量的系统。所述系统包括:数据处理器,所述数据处理器接收与受试者有关的连续葡萄糖监测(CGM)和胰岛素数据,其中所述CGM和胰岛素数据包括胰岛素团注量和所述胰岛素团注量的定时;重放分析器,所述重放分析器使用所述CGM和胰岛素数据生成重放分析;定量器,所述定量器使用所述重放分析对血糖功能障碍量进行定量;以及输出装置,所述输出装置提供代表所述血糖功能障碍量的输出。
实施方案可以包含以下特征中的一些或所有。估计所述CGM和胰岛素数据的第一部分,并且报告所述CGM和胰岛素数据的第二部分。所述CGM和胰岛素数据包括所述受试者的餐食的所估计的定时或所述受试者的所述餐食的所估计的组成中的至少一个。所述CGM和胰岛素数据包括关于所述受试者的餐食的定时或所述受试者的所述餐食的组成中的至少一个的错误信息。所述CGM和胰岛素数据的一部分是从所述受试者的计算装置接收的。所述CGM和胰岛素数据包括所估计的呈时间序列形式的代谢状态、经协调的餐食历史和所递送的胰岛素历史。所述CGM和胰岛素数据包括所估计的代谢状态、经协调的所估计的代谢输入和已知的代谢输入。所述CGM和胰岛素数据被及时离散化。
实施方案也可以包含以下特征中的一些或所有。所述重放分析器隔离关于餐食的所估计的团注的定时、碳水化合物计数和碳水化合物比率的影响。所述重放分析器使用重放模拟分析通过去除不准确的碳水化合物计数和不适当的碳水化合物比率来评估在历史团注时间在数值上最佳的团注的影响。所述重放分析器评估在所估计的历史餐食时间在数值上最佳的团注的影响。所述重放分析器使用历史CGM和胰岛素数据、在历史团注时间在数值上最佳的团注或在所估计的餐食时间在数值上最佳的团注中的至少一个执行重放模拟。所述重放分析器被配置成:生成一组候选团注;模拟与每个候选团注相关联的未来血糖(BG)值;使用风险分析(如速度依赖性风险分析)对每个候选团注的模拟BG轨迹进行评分;基于每个候选团注的评分挑选和实施最佳团注;并且继续重放模拟直到下一次团注的时间为止。
实施方案也可以包含以下特征中的一些或所有。所述定量器对所估计的团注相较于最佳定时团注的所述功能障碍量进行定量。所述定量器对历史团注相较于最佳定时团注的所述功能障碍量进行定量。所述定量器对患者对理想餐前团注定时的依从性进行定量。
实施方案也可以包含以下特征中的一些或所有。所述输出包括绘图或可视化中的至少一个。所述输出包括风险指数,所述风险指数包括高血糖风险、低血糖风险或总血糖风险中的至少一个。所述输出包括偏移到超出范围的血糖水平的次数和程度。所述输出示出了在历史时间的血糖功能障碍。所述输出装置提供示出以下中的至少一个的可视化:所述血糖功能障碍的行为影响、历史CGM和胰岛素数据对使用在历史团注时间的最佳团注的重放模拟CGM、或历史CGM和胰岛素数据对使用在所估计的餐食时间的最佳团注的重放模拟CGM。提供了依从性引擎,所述依从性引擎被配置成提供患者对理想餐前团注定时的依从性的可视化。所述输出装置基于所述血糖功能障碍量向所述受试者提供餐食管理信息。餐食管理信息包括患者的团注前定时信息。团注前定时信息包括对患者的关于在未来某一餐食类型之前团注的推荐。
在一个实施方案中,提供了一种确定血糖功能障碍量的方法。所述方法包括:在重放分析器处接收历史血糖(BG)数据和历史胰岛素数据;使用所述历史BG数据和所述历史胰岛素数据对历史团注和所估计的餐食执行多个重放分析;使用所述多个重放分析中的至少一个执行至少一个体内有效胰岛素(IOB)数据分析;使用所述多个重放分析中的至少一个执行至少一个BG数据分析;使用所述至少一个IOB数据分析和所述至少一个BG数据分析执行至少一个差异分析和至少一个比较;以及提供基于所述至少一个差异分析和所述至少一个比较的输出。
实施方案可以包含以下特征中的一些或所有。所述BG数据和所述胰岛素数据包括胰岛素团注量和所述胰岛素团注量的定时。估计所述BG数据和所述胰岛素数据的第一部分,并且报告所述BG数据和所述胰岛素数据的第二部分。所述BG数据和所述胰岛素数据包括受试者的餐食的所估计的定时或受试者的所述餐食的所估计的组成中的至少一个。所述BG数据和所述胰岛素数据包括关于受试者的餐食的定时或受试者的所述餐食的组成中的至少一个的错误信息。所述BG数据和所述胰岛素数据的一部分是从受试者接收的。所述BG数据和所述胰岛素数据包括所估计的呈时间序列形式的代谢状态、经协调的餐食历史和所递送的胰岛素历史。所述BG数据和所述胰岛素数据包括所估计的代谢状态、经协调的所估计的代谢输入和已知的代谢输入。所述BG数据和所述胰岛素数据被及时离散化。
实施方案也可以包含以下特征中的一些或所有。执行所述重放分析包括隔离关于餐食的所估计的团注的定时、碳水化合物计数和碳水化合物比率的影响。执行所述重放分析包括使用重放模拟分析通过去除不准确的碳水化合物计数和不适当的碳水化合物比率来评估在历史团注时间在数值上最佳的团注的影响。执行所述重放分析包括评估在所估计的历史餐食时间在数值上最佳的团注的影响。执行所述重放分析包括在历史团注时间或在所估计的餐食之前的时间执行重放模拟。执行所述重放分析包括使用所述BG数据和所述胰岛素数据、在历史团注时间在数值上最佳的团注或在所估计的餐食时间在数值上最佳的团注中的至少一个执行重放模拟。执行所述重放分析包括:生成一组候选团注;模拟与每个候选团注相关联的未来血糖(BG)值;使用风险分析对每个候选团注的模拟BG轨迹进行评分;基于每个候选团注的评分挑选和实施最佳团注;并且继续重放模拟直到下一次团注的时间为止。所述风险分析是速度依赖性风险分析。执行所述至少一个差异分析包括对所估计的团注相较于最佳定时团注的功能障碍量进行定量。执行所述至少一个差异分析包括对历史团注相较于最佳定时团注的功能障碍量进行定量。执行所述至少一个差异分析包括对患者对理想餐前团注定时的依从性进行定量。
实施方案也可以包含以下特征中的一些或所有。所述输出包括绘图或可视化中的至少一个。所述输出包括风险指数,所述风险指数包括高血糖风险、低血糖风险或总血糖风险中的至少一个。所述输出包括偏移到超出范围的血糖水平的次数和程度。所述输出示出了在历史时间的血糖功能障碍。提供所述输出包括提供示出以下中的至少一个的可视化:所述血糖功能障碍的行为影响、BG数据和胰岛素数据对使用在历史团注时间的最佳团注重放模拟BG数据、或BG数据和胰岛素数据对使用在所估计的餐食时间的最佳团注重放模拟BG数据。所述输出包括患者对理想餐前团注定时的依从性的可视化。基于血糖功能障碍量向所述受试者提供餐食管理信息。所述餐食管理信息包括患者的团注前定时信息。所述团注前定时信息包括对患者的关于在未来某一餐食类型之前团注的推荐。
在一个实施方案中,一种用于确定血糖功能障碍量的系统。所述系统包括:输入装置,所述输入装置被配置成接收血糖(BG)数据、胰岛素数据和多个函数;重放分析器,所述重放分析器被配置成接收所述BG数据、所述胰岛素数据和所述多个函数,并且使用所述BG数据、所述胰岛素数据和所述多个函数对历史团注和所估计的餐食执行多个重放分析;体内有效胰岛素(IOB)评估器,所述IOB评估器被配置成使用所述胰岛素数据或所述多个重放分析中的至少一个来执行多个IOB评估;BG风险剖析器,所述BG风险剖析器被配置成使用所述BG数据或所述多个重放分析中的至少一个来执行多个BG风险剖析;IOB剖析器,所述IOB剖析器被配置成使用所述多个IOB评估中的至少一个来执行多个IOB剖析;BG风险比较器,所述BG风险比较器被配置成使用所述BG风险剖析器的输出确定风险剖析绘图或BG风险评分中的至少一个;差异分析器,所述差异分析器被配置成使用所述IOB剖析和所述IOB评估来执行多个差异分析以确定IOB剖析绘图、IOB差异绘图或IOB迹线类似性评分中的至少一个;以及输出装置,所述输出装置被配置成输出所述风险剖析绘图、所述BG风险评分、所述IOB剖析绘图、所述IOB差异绘图或所述IOB迹线类似性评分中的至少一个。
实施方案可以包含以下特征中的一些或所有。所述BG数据和所述胰岛素数据包括胰岛素团注量和所述胰岛素团注量的定时。估计所述BG数据和所述胰岛素数据的第一部分,并且报告所述BG数据和所述胰岛素数据的第二部分。所述BG数据和所述胰岛素数据包括受试者的餐食的所估计的定时或受试者的所述餐食的所估计的组成中的至少一个。所述BG数据和所述胰岛素数据包括关于受试者的餐食的定时或受试者的所述餐食的组成中的至少一个的错误信息。所述BG数据和所述胰岛素数据的一部分是从受试者的计算装置接收的。所述BG数据和所述胰岛素数据包括所估计的呈时间序列形式的代谢状态、经协调的餐食历史和所递送的胰岛素历史。所述BG数据和所述胰岛素数据包括所估计的代谢状态、经协调的所估计的代谢输入和已知的代谢输入。所述BG数据和所述胰岛素数据被及时离散化。
实施方案也可以包含以下特征中的一些或所有。所述重放分析器隔离关于餐食的所估计的团注的定时、碳水化合物计数和碳水化合物比率的影响。所述重放分析器使用重放模拟分析通过去除不准确的碳水化合物计数和不适当的碳水化合物比率来评估在历史团注时间在数值上最佳的团注的影响。所述重放分析器评估在所估计的历史餐食时间在数值上最佳的团注的影响。所述重放分析器在历史团注时间或在所估计的餐食之前的时间执行重放模拟。所述重放分析器使用所述BG数据和所述胰岛素数据、在历史团注时间在数值上最佳的团注或在所估计的餐食时间在数值上最佳的团注中的至少一个执行重放模拟。所述重放分析器被配置成:生成一组候选团注;模拟与每个候选团注相关联的未来血糖(BG)值;使用风险分析对每个候选团注的模拟BG轨迹进行评分;基于每个候选团注的评分挑选和实施最佳团注;并且继续重放模拟直到下一次团注的时间为止。所述风险分析是速度依赖性风险分析。所述差异分析器对所估计的团注相较于最佳定时团注的所述功能障碍量进行定量。所述差异分析器对历史团注相较于最佳定时团注的所述功能障碍量进行定量。所述差异分析器对患者对理想餐前团注定时的依从性进行定量。
实施方案也可以包含以下特征中的一些或所有。所述输出包括绘图或可视化中的至少一个。所述输出包括风险指数,所述风险指数包括高血糖风险、低血糖风险或总血糖风险中的至少一个。所述输出包括偏移到超出范围的血糖水平的次数和程度。所述输出示出了在历史时间的血糖功能障碍。所述输出装置提供示出以下中的至少一个的可视化:所述血糖功能障碍的行为影响、BG数据和胰岛素数据对使用在历史团注时间的最佳团注重放模拟BG数据或者历史BG数据和胰岛素数据对使用在所估计的餐食时间的最佳团注重放模拟CGM。所述输出装置被配置成提供患者对理想餐前团注定时的依从性的可视化。所述输出装置基于所述血糖功能障碍量向受试者提供餐食管理信息。所述餐食管理信息包括患者的团注前定时信息。所述团注前定时信息包括对患者的关于在未来某一餐食类型之前团注的推荐。
在一个实施方案中,提供了一种基于血糖风险提供推荐的方法。所述方法包括:接收受试者的历史血糖(BG)数据或历史胰岛素数据中的至少一个,其中所述BG数据和所述胰岛素数据包括胰岛素团注量和所述胰岛素团注量的定时;基于所述历史BG数据或所述历史胰岛素数据中的所述至少一个确定所述受试者的血糖功能障碍的第一风险评分;接收所述受试者的最佳BG数据或最佳胰岛素数据中的至少一个;基于所述最佳BG数据或所述最佳胰岛素数据中的所述至少一个确定所述受试者的血糖功能障碍的第二风险评分;将所述第一风险评分与所述第二风险评分进行比较;以及基于所述第一风险评分与所述第二风险评分的所述比较输出推荐。
实施方案可以包含以下特征中的一些或所有。估计所述BG数据和所述胰岛素数据的第一部分,并且报告所述BG数据和所述胰岛素数据的第二部分。所述BG数据和所述胰岛素数据包括所述受试者的餐食的所估计的定时或所述受试者的所述餐食的所估计的组成中的至少一个。所述BG数据和所述胰岛素数据包括关于所述受试者的餐食的定时或所述受试者的所述餐食的组成中的至少一个的错误信息。所述BG数据和所述胰岛素数据的一部分是从所述受试者接收的。所述BG数据和所述胰岛素数据包括所估计的呈时间序列形式的代谢状态、经协调的餐食历史和所递送的胰岛素历史。所述BG数据和所述胰岛素数据包括所估计的代谢状态、经协调的所估计的代谢输入和已知的代谢输入。所述BG数据和所述胰岛素数据被及时离散化。
实施方案也可以包含以下特征中的一些或所有。将所述第一风险评分与所述第二风险评分进行比较包括对所估计的团注相较于最佳定时团注的功能障碍量进行定量。将所述第一风险评分与所述第二风险评分进行比较包括对历史团注相较于最佳定时团注的功能障碍量进行定量。将所述第一风险评分与所述第二风险评分进行比较包括对患者对理想餐前团注定时的依从性进行定量。
实施方案也可以包含以下特征中的一些或所有。所述推荐包括绘图或可视化中的至少一个。所述推荐包括风险指数,所述风险指数包括高血糖风险、低血糖风险或总血糖风险中的至少一个。所述推荐包括偏移到超出范围的血糖水平的次数和程度。所述推荐示出了在历史时间的血糖功能障碍。输出所述推荐包括提供示出以下中的至少一个的可视化:所述血糖功能障碍的行为影响、BG数据和胰岛素数据对使用在历史团注时间的最佳团注重放模拟BG数据、或BG数据和胰岛素数据对使用在所估计的餐食时间的最佳团注重放模拟BG数据。所述推荐包括患者对理想餐前团注定时的依从性的可视化。
实施方案也可以包含以下特征中的一些或所有。所述方法进一步包括基于所述血糖功能障碍量向所述受试者提供餐食管理信息。所述餐食管理信息包括患者的团注前定时信息。所述团注前定时信息包括对患者的关于在未来某一餐食类型之前团注的推荐。所述方法进一步包括将一个或多个血糖值转换为与糖尿病并发症风险或血糖控制程度一致的相对风险评分。将所述第一风险评分和所述第二风险评分中的每个风险评分指配给单个值或在时间段内汇总,如每日平均风险评分。所述方法进一步包括当所述第一风险评分接近所述第二风险评分时,标识受试者行为并鼓励所述受试者行为,因为胰岛素量和定时接近理想。当所述第一风险评分与所述第二风险评分的所述比较是小于预定百分比差值、在评分范围或差值内、或小于阈值差值中的至少一个时,所述方法进一步包括标识受试者行为并鼓励所述受试者行为,因为胰岛素量和定时接近理想。所述方法进一步包括当所述第一风险评分显著大于所述第二风险评分时,调整未来类似餐食的胰岛素团注量或定时。当所述第一风险评分与所述第二风险评分的所述比较是大于或等于预定百分比差值、在评分范围或差值之外、等于或大于阈值差值中的至少一个时,所述方法进一步包括调整未来类似餐食的胰岛素团注量或定时。
在一个实施方案中,提供了一种评估血糖风险的方法。所述方法包括:基于历史血糖(BG)数据或历史胰岛素数据中的至少一个确定血糖功能障碍的历史风险评分,其中所述历史BG数据和所述历史胰岛素数据包括胰岛素团注量和所述胰岛素团注量的定时;基于最佳BG数据或最佳胰岛素数据中的至少一个确定血糖功能障碍的最佳风险评分;确定所述历史风险评分与所述最佳风险评分之间的差值;以及基于所述差值并基于阈值提供推荐。
实施方案可以包含以下特征中的一些或所有。估计所述BG数据和所述胰岛素数据的第一部分,并且报告所述BG数据和所述胰岛素数据的第二部分。所述BG数据和所述胰岛素数据包括受试者的餐食的所估计的定时或受试者的所述餐食的所估计的组成中的至少一个。所述BG数据和所述胰岛素数据包括关于受试者的餐食的定时或受试者的所述餐食的组成中的至少一个的错误信息。所述BG数据和所述胰岛素数据的一部分是从受试者接收的。所述BG数据和所述胰岛素数据包括所估计的呈时间序列形式的代谢状态、经协调的餐食历史和所递送的胰岛素历史。所述BG数据和所述胰岛素数据包括所估计的代谢状态、经协调的所估计的代谢输入和已知的代谢输入。所述BG数据和所述胰岛素数据被及时离散化。确定所述历史风险评分与所述最佳风险评分之间的差值包括对所估计的团注相较于最佳定时团注的功能障碍量进行定量。确定所述历史风险评分与所述最佳风险评分之间的差值包括对历史团注相较于最佳定时团注的功能障碍量进行定量。确定所述历史风险评分与所述最佳风险评分之间的差值包括对患者对理想餐前团注定时的依从性进行定量。
实施方案也可以包含以下特征中的一些或所有。所述推荐包括绘图或可视化中的至少一个。所述推荐包括风险指数,所述风险指数包括高血糖风险、低血糖风险或总血糖风险中的至少一个。所述推荐包括偏移到超出范围的血糖水平的次数和程度。所述推荐示出了在历史时间的血糖功能障碍。提供所述推荐包括提供示出以下中的至少一个的可视化:所述血糖功能障碍的行为影响、BG数据和胰岛素数据对使用在历史团注时间的最佳团注重放模拟BG数据、或BG数据和胰岛素数据对使用在所估计的餐食时间的最佳团注重放模拟BG数据。所述推荐包括患者对理想餐前团注定时的依从性的可视化。
实施方案也可以包含以下特征中的一些或所有。所述方法进一步包括基于所述血糖功能障碍量向受试者提供餐食管理信息。所述餐食管理信息包括患者的团注前定时信息。所述团注前定时信息包括对患者的关于在未来某一餐食类型之前团注的推荐。所述方法进一步包括将一个或多个血糖值转换为与糖尿病并发症风险或血糖控制程度一致的相对风险评分。将所述历史风险评分和所述最佳风险评分中的每个风险评分指配给单个值或在时间段内汇总,如每日平均风险评分。所述方法进一步包括当所述历史风险评分接近所述最佳风险评分时,标识受试者行为并鼓励所述受试者行为,因为胰岛素量和定时接近理想。当所述历史风险评分与最佳风险评分之间的差值是小于预定百分比差值、在评分范围或差值内、或小于阈值差值中的至少一个时,所述方法进一步包括标识受试者行为并鼓励所述受试者行为,因为胰岛素量和定时接近理想。所述方法进一步包括当所述历史风险评分显著大于所述最佳风险评分时,调整未来类似餐食的胰岛素团注量或定时。当所述历史风险评分与最佳风险评分之间的差值是大于或等于预定百分比差值、在评分范围或差值之外、等于或大于阈值差值中的至少一个时,所述方法进一步包括调整未来类似餐食的胰岛素团注量或定时。
在一个实施方案中,一种方法包括:计算基于实际团注记录的第一IOB迹线;计算最佳治疗的第二IOB迹线;将所述第一IOB迹线与所述第二IOB迹线进行比较以确定IOB类似性评分;以及使用所述IOB类似性评分来更改智能警报行为、用户推荐、报告特征和可视化中的至少一个。
实施方案可以包含以下特征中的一些或所有。将所述迹线进行比较包括确定单位幅度迹线之间的内积以给出范围为0到1的值,其中1指示实际剂量与最佳剂量在形状上最类似。所述方法进一步包括将所述IOB类似性评分阈值化或将其与当前行为进行比较,并且使用所述阈值化或比较来改变智能警报行为、用户推荐、报告特征和可视化。
在一个实施方案中,一种系统包括:差异分析器,所述差异分析器被配置成使用基于实际团注记录的第一IOB迹线与最佳治疗的第二IOB迹线的比较来确定IOB类似性评分;以及输出装置,所述输出装置被配置成输出所述IOB类似性评分。
实施方案可以包含以下特征中的一些或所有。所述系统进一步包括输入装置,所述输入装置被配置成计算基于实际团注的记录的所述第一IOB迹线,并且计算最佳治疗的所述第二IOB迹线。
应当理解,本文描述的各种技术可以结合硬件组件或软件组件来实施,或者在适当的情况下,结合两者的组合来实施。可以使用的硬件组件的说明性类型包含现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑装置(CPLD)等。当前公开的主题的方法和设备,或其某些方面或部分,可以采用在有形介质(如软盘、CD-ROM、硬盘驱动器或任何其它机器可读存储介质)中的程序代码(即,指令)中实施的形式,当程序代码被加载到机器(如计算机)中并由其执行时,机器变成用于实践当前公开的主题的设备。
尽管示例性实施方案可以指在一个或多个独立计算机系统的上下文中利用当前公开的主题的各方面,但是主题不限于此,而是可以结合任何计算环境来实施,如网络或分布式计算环境。仍进一步地,当前公开的主题的各方面可以在多个处理芯片或信息中或跨所述多个处理芯片或装置实施,并且可以类似地跨多个装置实现存储。例如,此类装置可能包含个人计算机、网络服务器和手持装置。
尽管已经以特定于结构特征和/或方法动作的语言描述了主题,但是应理解的是,所附权利要求中定义的主题不必局限于上文描述的具体特征或动作。相反,上文描述的具体特征和动作被公开为实施权利要求的示例形式。
Claims (167)
1.一种确定血糖功能障碍量的方法,所述方法包括:
接收与受试者有关的连续葡萄糖监测(CGM)和胰岛素数据,其中所述CGM和胰岛素数据包括胰岛素团注量和所述胰岛素团注量的定时;
对所述CGM和胰岛素数据执行重放分析;
使用所述重放分析对血糖功能障碍量进行定量;以及
提供代表所述血糖功能障碍量的输出。
2.根据权利要求1所述的方法,其中估计所述CGM和胰岛素数据的第一部分,并且报告所述CGM和胰岛素数据的第二部分。
3.根据权利要求1或2所述的方法,其中所述CGM和胰岛素数据包括所述受试者的餐食的所估计的定时或所述受试者的所述餐食的所估计的组成中的至少一个。
4.根据权利要求1到3中任一项所述的方法,其中所述CGM和胰岛素数据包括关于所述受试者的餐食的定时或所述受试者的所述餐食的组成中的至少一个的错误信息。
5.根据权利要求1到4中任一项所述的方法,其中所述CGM和胰岛素数据的一部分是从所述受试者接收的。
6.根据权利要求1到5中任一项所述的方法,其中所述CGM和胰岛素数据包括所估计的呈时间序列形式的代谢状态、经协调的餐食历史和所递送的胰岛素历史。
7.根据权利要求1到6中任一项所述的方法,其中所述CGM和胰岛素数据包括所估计的代谢状态、经协调的所估计的代谢输入和已知的代谢输入。
8.根据权利要求1到7中任一项所述的方法,其中所述CGM和胰岛素数据被及时离散化。
9.根据权利要求1到8中任一项所述的方法,其中对所述CGM和胰岛素数据执行所述重放分析包括隔离关于餐食的所估计的团注的定时、碳水化合物计数和碳水化合物比率的影响。
10.根据权利要求1到9中任一项所述的方法,其中对所述CGM和胰岛素数据执行所述重放分析包括使用重放模拟分析通过去除不准确的碳水化合物计数和不适当的碳水化合物比率来评估在历史团注时间在数值上最佳的团注的影响。
11.根据权利要求1到10中任一项所述的方法,其中对所述CGM和胰岛素数据执行所述重放分析包括评估在所估计的历史餐食时间在数值上最佳的团注的影响。
12.根据权利要求1到11中任一项所述的方法,其中对所述CGM和胰岛素数据执行所述重放分析包括在历史团注时间或在所估计的餐食之前的时间执行重放模拟。
13.根据权利要求1到12中任一项所述的方法,其中对所述CGM和胰岛素数据执行所述重放分析包括使用历史CGM和胰岛素数据、在历史团注时间在数值上最佳的团注或在所估计的餐食时间在数值上最佳的团注中的至少一个执行重放模拟。
14.根据权利要求1到13中任一项所述的方法,其中对所述CGM和胰岛素数据执行所述重放分析包括:
生成一组候选团注;
模拟与每个候选团注相关联的未来血糖(BG)值;
使用风险分析对每个候选团注的模拟BG轨迹进行评分;
基于每个候选团注的评分挑选和实施最佳团注;并且
继续重放模拟直到下一次团注的时间为止。
15.根据权利要求14所述的方法,其中所述风险分析是速度依赖性风险分析。
16.根据权利要求1到15中任一项所述的方法,其中对所述血糖功能障碍量进行定量包括对所估计的团注相较于最佳定时团注的所述功能障碍量进行定量。
17.根据权利要求1到16中任一项所述的方法,其中对所述血糖功能障碍量进行定量包括对历史团注相较于最佳定时团注的所述功能障碍量进行定量。
18.根据权利要求1到17中任一项所述的方法,其中对所述血糖功能障碍量进行定量包括对患者对理想餐前团注定时的依从性进行定量。
19.根据权利要求1到18中任一项所述的方法,其中所述输出包括绘图或可视化中的至少一个。
20.根据权利要求1到19中任一项所述的方法,其中所述输出包括风险指数,所述风险指数包括高血糖风险、低血糖风险或总血糖风险中的至少一个。
21.根据权利要求1到20中任一项所述的方法,其中所述输出包括偏移到超出范围的血糖水平的次数和程度。
22.根据权利要求1到21中任一项所述的方法,其中所述输出示出了在历史时间的血糖功能障碍。
23.根据权利要求1到22中任一项所述的方法,其中提供输出包括提供示出以下中的至少一个的可视化:所述血糖功能障碍的行为影响、历史CGM和胰岛素数据对使用在历史团注时间的最佳团注的重放模拟CGM、或历史CGM和胰岛素数据对使用在所估计的餐食时间的最佳团注的重放模拟CGM。
24.根据权利要求1到23中任一项所述的方法,其中所述输出包括患者对理想餐前团注定时的依从性的可视化。
25.根据权利要求1到24中任一项所述的方法,其进一步包括基于所述血糖功能障碍量向所述受试者提供餐食管理信息。
26.根据权利要求25所述的方法,其中所述餐食管理信息包括患者的团注前定时信息。
27.根据权利要求26所述的方法,其中所述团注前定时信息包括对患者的关于在未来某一餐食类型之前团注的推荐。
28.一种用于确定血糖功能障碍量的系统,所述系统包括:
数据处理器,所述数据处理器接收与受试者有关的连续葡萄糖监测(CGM)和胰岛素数据,其中所述CGM和胰岛素数据包括胰岛素团注量和所述胰岛素团注量的定时;
重放分析器,所述重放分析器使用所述CGM和胰岛素数据生成重放分析;
定量器,所述定量器使用所述重放分析对血糖功能障碍量进行定量;以及
输出装置,所述输出装置提供代表所述血糖功能障碍量的输出。
29.根据权利要求28所述的系统,其中估计所述CGM和胰岛素数据的第一部分,并且报告所述CGM和胰岛素数据的第二部分。
30.根据权利要求28或29所述的系统,其中所述CGM和胰岛素数据包括所述受试者的餐食的所估计的定时或所述受试者的所述餐食的所估计的组成中的至少一个。
31.根据权利要求28到30中任一项所述的系统,其中所述CGM和胰岛素数据包括关于所述受试者的餐食的定时或所述受试者的所述餐食的组成中的至少一个的错误信息。
32.根据权利要求28到31中任一项所述的系统,其中所述CGM和胰岛素数据的一部分是从所述受试者的计算装置接收的。
33.根据权利要求28到32中任一项所述的系统,其中所述CGM和胰岛素数据包括所估计的呈时间序列形式的代谢状态、经协调的餐食历史和所递送的胰岛素历史。
34.根据权利要求28到33中任一项所述的系统,其中所述CGM和胰岛素数据包括所估计的代谢状态、经协调的所估计的代谢输入和已知的代谢输入。
35.根据权利要求28到34中任一项所述的系统,其中所述CGM和胰岛素数据被及时离散化。
36.根据权利要求28到35中任一项所述的系统,其中所述重放分析器隔离关于餐食的所估计的团注的定时、碳水化合物计数和碳水化合物比率的影响。
37.根据权利要求28到36中任一项所述的系统,其中所述重放分析器使用重放模拟分析通过去除不准确的碳水化合物计数和不适当的碳水化合物比率来评估在历史团注时间在数值上最佳的团注的影响。
38.根据权利要求28到37中任一项所述的系统,其中所述重放分析器评估在所估计的历史餐食时间在数值上最佳的团注的影响。
39.根据权利要求28到38中任一项所述的系统,其中所述重放分析器在历史团注时间或在所估计的餐食之前的时间执行重放模拟。
40.根据权利要求28到39中任一项所述的系统,其中所述重放分析器使用历史CGM和胰岛素数据、在历史团注时间在数值上最佳的团注或在所估计的餐食时间在数值上最佳的团注中的至少一个执行重放模拟。
41.根据权利要求28到40中任一项所述的系统,其中所述重放分析器被配置成:
生成一组候选团注;
模拟与每个候选团注相关联的未来血糖(BG)值;
使用风险分析对每个候选团注的模拟BG轨迹进行评分;
基于每个候选团注的评分挑选和实施最佳团注;并且
继续重放模拟直到下一次团注的时间为止。
42.根据权利要求41所述的系统,其中所述风险分析是速度依赖性风险分析。
43.根据权利要求28到42中任一项所述的系统,其中所述定量器对所估计的团注相较于最佳定时团注的所述功能障碍量进行定量。
44.根据权利要求28到43中任一项所述的系统,其中所述定量器对历史团注相较于最佳定时团注的所述功能障碍量进行定量。
45.根据权利要求28到44中任一项所述的系统,其中所述定量器对患者对理想餐前团注定时的依从性进行定量。
46.根据权利要求28到45中任一项所述的系统,其中所述输出包括绘图或可视化中的至少一个。
47.根据权利要求28到46中任一项所述的系统,其中所述输出包括风险指数,所述风险指数包括高血糖风险、低血糖风险或总血糖风险中的至少一个。
48.根据权利要求28到47中任一项所述的系统,其中所述输出包括偏移到超出范围的血糖水平的次数和程度。
49.根据权利要求28到48中任一项所述的系统,其中所述输出示出了在历史时间的血糖功能障碍。
50.根据权利要求28到49中任一项所述的系统,其中所述输出装置提供示出以下中的至少一个的可视化:所述血糖功能障碍的行为影响、历史CGM和胰岛素数据对使用在历史团注时间的最佳团注的重放模拟CGM、或历史CGM和胰岛素数据对使用在所估计的餐食时间的最佳团注的重放模拟CGM。
51.根据权利要求28到50中任一项所述的系统,其进一步包括依从性引擎,所述依从性引擎被配置成提供患者对理想餐前团注定时的依从性的可视化。
52.根据权利要求28到51中任一项所述的方法,其中所述输出装置基于所述血糖功能障碍量向所述受试者提供餐食管理信息。
53.根据权利要求52所述的系统,其中所述餐食管理信息包括患者的团注前定时信息。
54.根据权利要求53所述的系统,其中所述团注前定时信息包括对患者的关于在未来某一餐食类型之前团注的推荐。
55.一种确定血糖功能障碍量的方法,所述方法包括:
在重放分析器处接收历史血糖(BG)数据和历史胰岛素数据;
使用所述历史BG数据和所述历史胰岛素数据对历史团注和所估计的餐食执行多个重放分析;
使用所述多个重放分析中的至少一个执行至少一个体内有效胰岛素(IOB)数据分析;
使用所述多个重放分析中的至少一个执行至少一个BG数据分析;
使用所述至少一个IOB数据分析和所述至少一个BG数据分析执行至少一个差异分析和至少一个比较;以及
提供基于所述至少一个差异分析和所述至少一个比较的输出。
56.根据权利要求55所述的方法,其中所述BG数据和所述胰岛素数据包括胰岛素团注量和所述胰岛素团注量的定时。
57.根据权利要求55或56所述的方法,其中估计所述BG数据和所述胰岛素数据的第一部分,并且报告所述BG数据和所述胰岛素数据的第二部分。
58.根据权利要求55到57中任一项所述的方法,其中所述BG数据和所述胰岛素数据包括受试者的餐食的所估计的定时或受试者的所述餐食的所估计的组成中的至少一个。
59.根据权利要求55到58中任一项所述的方法,其中所述BG数据和所述胰岛素数据包括关于受试者的餐食的定时或受试者的所述餐食的组成中的至少一个的错误信息。
60.根据权利要求55到59中任一项所述的方法,其中所述BG数据和所述胰岛素数据的一部分是从受试者接收的。
61.根据权利要求55到60中任一项所述的方法,其中所述BG数据和所述胰岛素数据包括所估计的呈时间序列形式的代谢状态、经协调的餐食历史和所递送的胰岛素历史。
62.根据权利要求55到61中任一项所述的方法,其中所述BG数据和所述胰岛素数据包括所估计的代谢状态、经协调的所估计的代谢输入和已知的代谢输入。
63.根据权利要求55到62中任一项所述的方法,其中所述BG数据和所述胰岛素数据被及时离散化。
64.根据权利要求55到63中任一项所述的方法,其中执行所述重放分析包括隔离关于餐食的所估计的团注的定时、碳水化合物计数和碳水化合物比率的影响。
65.根据权利要求55到64中任一项所述的方法,其中执行所述重放分析包括使用重放模拟分析通过去除不准确的碳水化合物计数和不适当的碳水化合物比率来评估在历史团注时间在数值上最佳的团注的影响。
66.根据权利要求55到65中任一项所述的方法,其中执行所述重放分析包括评估在所估计的历史餐食时间在数值上最佳的团注的影响。
67.根据权利要求55到66中任一项所述的方法,其中执行所述重放分析包括在历史团注时间或在所估计的餐食之前的时间执行重放模拟。
68.根据权利要求55到67中任一项所述的方法,其中执行所述重放分析包括使用所述BG数据和所述胰岛素数据、在历史团注时间在数值上最佳的团注或在所估计的餐食时间在数值上最佳的团注中的至少一个执行重放模拟。
69.根据权利要求55到68中任一项所述的方法,其中执行所述重放分析包括:
生成一组候选团注;
模拟与每个候选团注相关联的未来血糖(BG)值;
使用风险分析对每个候选团注的模拟BG轨迹进行评分;
基于每个候选团注的评分挑选和实施最佳团注;并且
继续重放模拟直到下一次团注的时间为止。
70.根据权利要求69所述的方法,其中所述风险分析是速度依赖性风险分析。
71.根据权利要求55到70中任一项所述的方法,其中执行所述至少一个差异分析包括对所估计的团注相较于最佳定时团注的功能障碍量进行定量。
72.根据权利要求55到71中任一项所述的方法,其中执行所述至少一个差异分析包括对历史团注相较于最佳定时团注的功能障碍量进行定量。
73.根据权利要求55到72中任一项所述的方法,其中执行所述至少一个差异分析包括对患者对理想餐前团注定时的依从性进行定量。
74.根据权利要求55到73中任一项所述的方法,其中所述输出包括绘图或可视化中的至少一个。
75.根据权利要求55到74中任一项所述的方法,其中所述输出包括风险指数,所述风险指数包括高血糖风险、低血糖风险或总血糖风险中的至少一个。
76.根据权利要求55到75中任一项所述的方法,其中所述输出包括偏移到超出范围的血糖水平的次数和程度。
77.根据权利要求55到76中任一项所述的方法,其中所述输出示出了在历史时间的血糖功能障碍。
78.根据权利要求55到77中任一项所述的方法,其中提供所述输出包括提供示出以下中的至少一个的可视化:所述血糖功能障碍的行为影响、BG数据和胰岛素数据对使用在历史团注时间的最佳团注重放模拟BG数据、或BG数据和胰岛素数据对使用在所估计的餐食时间的最佳团注重放模拟BG数据。
79.根据权利要求55到78中任一项所述的方法,其中所述输出包括患者对理想餐前团注定时的依从性的可视化。
80.根据权利要求55到79中任一项所述的方法,其进一步包括基于血糖功能障碍量向所述受试者提供餐食管理信息。
81.根据权利要求80所述的方法,其中所述餐食管理信息包括患者的团注前定时信息。
82.根据权利要求81所述的方法,其中所述团注前定时信息包括对患者的关于在未来某一餐食类型之前团注的推荐。
83.一种用于确定血糖功能障碍量的系统,所述系统包括:
输入装置,所述输入装置被配置成接收血糖(BG)数据、胰岛素数据和多个函数;
重放分析器,所述重放分析器被配置成接收所述BG数据、所述胰岛素数据和所述多个函数,并且使用所述BG数据、所述胰岛素数据和所述多个函数对历史团注和所估计的餐食执行多个重放分析;
体内有效胰岛素(IOB)评估器,所述IOB评估器被配置成使用所述胰岛素数据或所述多个重放分析中的至少一个来执行多个IOB评估;
BG风险剖析器,所述BG风险剖析器被配置成使用所述BG数据或所述多个重放分析中的至少一个来执行多个BG风险剖析;
IOB剖析器,所述IOB剖析器被配置成使用所述多个IOB评估中的至少一个来执行多个IOB剖析;
BG风险比较器,所述BG风险比较器被配置成使用所述BG风险剖析器的输出确定风险剖析绘图或BG风险评分中的至少一个;
差异分析器,所述差异分析器被配置成使用所述IOB剖析和所述IOB评估来执行多个差异分析以确定IOB剖析绘图、IOB差异绘图或IOB迹线类似性评分中的至少一个;以及
输出装置,所述输出装置被配置成输出所述风险剖析绘图、所述BG风险评分、所述IOB剖析绘图、所述IOB差异绘图或所述IOB迹线类似性评分中的至少一个。
84.根据权利要求83所述的系统,其中所述BG数据和所述胰岛素数据包括胰岛素团注量和所述胰岛素团注量的定时。
85.根据权利要求83或84所述的系统,其中估计所述BG数据和所述胰岛素数据的第一部分,并且报告所述BG数据和所述胰岛素数据的第二部分。
86.根据权利要求83到85中任一项所述的系统,其中所述BG数据和所述胰岛素数据包括受试者的餐食的所估计的定时或受试者的所述餐食的所估计的组成中的至少一个。
87.根据权利要求83到86中任一项所述的系统,其中所述BG数据和所述胰岛素数据包括关于受试者的餐食的定时或受试者的所述餐食的组成中的至少一个的错误信息。
88.根据权利要求83到87中任一项所述的系统,其中所述BG数据和所述胰岛素数据的一部分是从受试者的计算装置接收的。
89.根据权利要求83到88中任一项所述的系统,其中所述BG数据和所述胰岛素数据包括所估计的呈时间序列形式的代谢状态、经协调的餐食历史和所递送的胰岛素历史。
90.根据权利要求83到89中任一项所述的系统,其中所述BG数据和所述胰岛素数据包括所估计的代谢状态、经协调的所估计的代谢输入和已知的代谢输入。
91.根据权利要求83到90中任一项所述的系统,其中所述BG数据和所述胰岛素数据被及时离散化。
92.根据权利要求83到91中任一项所述的系统,其中所述重放分析器隔离关于餐食的所估计的团注的定时、碳水化合物计数和碳水化合物比率的影响。
93.根据权利要求83到92中任一项所述的系统,其中所述重放分析器使用重放模拟分析通过去除不准确的碳水化合物计数和不适当的碳水化合物比率来评估在历史团注时间在数值上最佳的团注的影响。
94.根据权利要求83到93中任一项所述的系统,其中所述重放分析器评估在所估计的历史餐食时间在数值上最佳的团注的影响。
95.根据权利要求83到94中任一项所述的系统,其中所述重放分析器在历史团注时间或在所估计的餐食之前的时间执行重放模拟。
96.根据权利要求83到95中任一项所述的系统,其中所述重放分析器使用所述BG数据和所述胰岛素数据、在历史团注时间在数值上最佳的团注或在所估计的餐食时间在数值上最佳的团注中的至少一个执行重放模拟。
97.根据权利要求83到96中任一项所述的系统,其中所述重放分析器被配置成:
生成一组候选团注;
模拟与每个候选团注相关联的未来血糖(BG)值;
使用风险分析对每个候选团注的模拟BG轨迹进行评分;
基于每个候选团注的评分挑选和实施最佳团注;并且
继续重放模拟直到下一次团注的时间为止。
98.根据权利要求97所述的系统,其中所述风险分析是速度依赖性风险分析。
99.根据权利要求83到98中任一项所述的系统,其中所述差异分析器对所估计的团注相较于最佳定时团注的所述功能障碍量进行定量。
100.根据权利要求83到99中任一项所述的系统,其中所述差异分析器对历史团注相较于最佳定时团注的所述功能障碍量进行定量。
101.根据权利要求83到100中任一项所述的系统,其中所述差异分析器对患者对理想餐前团注定时的依从性进行定量。
102.根据权利要求83到101中任一项所述的系统,其中所述输出包括绘图或可视化中的至少一个。
103.根据权利要求83到102中任一项所述的系统,其中所述输出包括风险指数,所述风险指数包括高血糖风险、低血糖风险或总血糖风险中的至少一个。
104.根据权利要求83到103中任一项所述的系统,其中所述输出包括偏移到超出范围的血糖水平的次数和程度。
105.根据权利要求83到104中任一项所述的系统,其中所述输出示出了在历史时间的血糖功能障碍。
106.根据权利要求83到105中任一项所述的系统,其中所述输出装置提供示出以下中的至少一个的可视化:所述血糖功能障碍的行为影响、BG数据和胰岛素数据对使用在历史团注时间的最佳团注重放模拟BG数据、或历史BG数据和胰岛素数据对使用在所估计的餐食时间的最佳团注重放模拟CGM。
107.根据权利要求83到106中任一项所述的系统,其中所述输出装置被配置成提供患者对理想餐前团注定时的依从性的可视化。
108.根据权利要求83到107中任一项所述的方法,其中所述输出装置基于所述血糖功能障碍量向所述受试者提供餐食管理信息。
109.根据权利要求108所述的系统,其中所述餐食管理信息包括患者的团注前定时信息。
110.根据权利要求109所述的系统,其中所述团注前定时信息包括对患者的关于在未来某一餐食类型之前团注的推荐。
111.一种基于血糖风险提供推荐的方法,所述方法包括:
接收受试者的历史血糖(BG)数据或历史胰岛素数据中的至少一个,其中所述BG数据和所述胰岛素数据包括胰岛素团注量和所述胰岛素团注量的定时;
基于所述历史BG数据或所述历史胰岛素数据中的所述至少一个确定所述受试者的血糖功能障碍的第一风险评分;
接收所述受试者的最佳BG数据或最佳胰岛素数据中的至少一个;
基于所述最佳BG数据或所述最佳胰岛素数据中的所述至少一个确定所述受试者的血糖功能障碍的第二风险评分;
将所述第一风险评分与所述第二风险评分进行比较;以及
基于所述第一风险评分与所述第二风险评分的所述比较输出推荐。
112.根据权利要求111所述的方法,其中估计所述BG数据和所述胰岛素数据的第一部分,并且报告所述BG数据和所述胰岛素数据的第二部分。
113.根据权利要求111或112所述的方法,其中所述BG数据和所述胰岛素数据包括所述受试者的餐食的所估计的定时或所述受试者的所述餐食的所估计的组成中的至少一个。
114.根据权利要求111到113中任一项所述的方法,其中所述BG数据和所述胰岛素数据包括关于所述受试者的餐食的定时或所述受试者的所述餐食的组成中的至少一个的错误信息。
115.根据权利要求111到114中任一项所述的方法,其中所述BG数据和所述胰岛素数据的一部分是从所述受试者接收的。
116.根据权利要求111到115中任一项所述的方法,其中所述BG数据和所述胰岛素数据包括所估计的呈时间序列形式的代谢状态、经协调的餐食历史和所递送的胰岛素历史。
117.根据权利要求111到116中任一项所述的方法,其中所述BG数据和所述胰岛素数据包括所估计的代谢状态、经协调的所估计的代谢输入和已知的代谢输入。
118.根据权利要求111到117中任一项所述的方法,其中所述BG数据和所述胰岛素数据被及时离散化。
119.根据权利要求111到118中任一项所述的方法,其中将所述第一风险评分与所述第二风险评分进行比较包括对所估计的团注相较于最佳定时团注的功能障碍量进行定量。
120.根据权利要求111到119中任一项所述的方法,其中将所述第一风险评分与所述第二风险评分进行比较包括对历史团注相较于最佳定时团注的功能障碍量进行定量。
121.根据权利要求111到120中任一项所述的方法,其中将所述第一风险评分与所述第二风险评分进行比较包括对患者对理想餐前团注定时的依从性进行定量。
122.根据权利要求111到121中任一项所述的方法,其中所述推荐包括绘图或可视化中的至少一个。
123.根据权利要求111到122中任一项所述的方法,其中所述推荐包括风险指数,所述风险指数包括高血糖风险、低血糖风险或总血糖风险中的至少一个。
124.根据权利要求111到123中任一项所述的方法,其中所述推荐包括偏移到超出范围的血糖水平的次数和程度。
125.根据权利要求111到124中任一项所述的方法,其中所述推荐示出了在历史时间的血糖功能障碍。
126.根据权利要求111到125中任一项所述的方法,其中输出所述推荐包括提供示出以下中的至少一个的可视化:所述血糖功能障碍的行为影响、BG数据和胰岛素数据对使用在历史团注时间的最佳团注重放模拟BG数据、或BG数据和胰岛素数据对使用在所估计的餐食时间的最佳团注重放模拟BG数据。
127.根据权利要求111到126中任一项所述的方法,其中所述推荐包括患者对理想餐前团注定时的依从性的可视化。
128.根据权利要求111到127中任一项所述的方法,其进一步包括基于血糖功能障碍量向所述受试者提供餐食管理信息。
129.根据权利要求128所述的方法,其中所述餐食管理信息包括患者的团注前定时信息。
130.根据权利要求129所述的方法,其中所述团注前定时信息包括对患者的关于在未来某一餐食类型之前团注的推荐。
131.根据权利要求111到130中任一项所述的方法,其进一步包括将一个或多个血糖值转换为与糖尿病并发症风险或血糖控制程度一致的相对风险评分。
132.根据权利要求111到131中任一项所述的方法,其中将所述第一风险评分和所述第二风险评分中的每个风险评分指配给单个值或在时间段内汇总,如每日平均风险评分。
133.根据权利要求111到132中任一项所述的方法,其进一步包括当所述第一风险评分接近所述第二风险评分时,标识受试者行为并鼓励所述受试者行为,因为胰岛素量和定时接近理想。
134.根据权利要求111到133中任一项所述的方法,其中当所述第一风险评分与所述第二风险评分的所述比较是小于预定百分比差值、在评分范围或差值内、或小于阈值差值中的至少一个时,所述方法进一步包括标识受试者行为并鼓励所述受试者行为,因为胰岛素量和定时接近理想。
135.根据权利要求111到134中任一项所述的方法,其进一步包括当所述第一风险评分显著大于所述第二风险评分时,调整未来类似餐食的胰岛素团注量或定时。
136.根据权利要求111到135中任一项所述的方法,其中当所述第一风险评分与所述第二风险评分的所述比较是大于或等于预定百分比差值、在评分范围或差值之外、等于或大于阈值差值中的至少一个时,所述方法进一步包括调整未来类似餐食的胰岛素团注量或定时。
137.一种评估血糖风险的方法,所述方法包括:
基于历史血糖(BG)数据或历史胰岛素数据中的至少一个确定血糖功能障碍的历史风险评分,其中所述历史BG数据和所述历史胰岛素数据包括胰岛素团注量和所述胰岛素团注量的定时;
基于最佳BG数据或最佳胰岛素数据中的至少一个确定血糖功能障碍的最佳风险评分;
确定所述历史风险评分与所述最佳风险评分之间的差值;以及
基于所述差值并基于阈值提供推荐。
138.根据权利要求137所述的方法,其中估计所述BG数据和所述胰岛素数据的第一部分,并且报告所述BG数据和所述胰岛素数据的第二部分。
139.根据权利要求137或138所述的方法,其中所述BG数据和所述胰岛素数据包括受试者的餐食的所估计的定时或受试者的所述餐食的所估计的组成中的至少一个。
140.根据权利要求137到139中任一项所述的方法,其中所述BG数据和所述胰岛素数据包括关于受试者的餐食的定时或受试者的所述餐食的组成中的至少一个的错误信息。
141.根据权利要求137到140中任一项所述的方法,其中所述BG数据和所述胰岛素数据的一部分是从受试者接收的。
142.根据权利要求137到141中任一项所述的方法,其中所述BG数据和所述胰岛素数据包括所估计的呈时间序列形式的代谢状态、经协调的餐食历史和所递送的胰岛素历史。
143.根据权利要求137到142中任一项所述的方法,其中所述BG数据和所述胰岛素数据包括所估计的代谢状态、经协调的所估计的代谢输入和已知的代谢输入。
144.根据权利要求137到143中任一项所述的方法,其中所述BG数据和所述胰岛素数据被及时离散化。
145.根据权利要求137到144中任一项所述的方法,其中确定所述历史风险评分与所述最佳风险评分之间的差值包括对所估计的团注相较于最佳定时团注的功能障碍量进行定量。
146.根据权利要求137到145中任一项所述的方法,其中确定所述历史风险评分与所述最佳风险评分之间的差值包括对历史团注相较于最佳定时团注的功能障碍量进行定量。
147.根据权利要求137到146中任一项所述的方法,其中确定所述历史风险评分与所述最佳风险评分之间的差值包括对患者对理想餐前团注定时的依从性进行定量。
148.根据权利要求137到147中任一项所述的方法,其中所述推荐包括绘图或可视化中的至少一个。
149.根据权利要求137到148中任一项所述的方法,其中所述推荐包括风险指数,所述风险指数包括高血糖风险、低血糖风险或总血糖风险中的至少一个。
150.根据权利要求137到149中任一项所述的方法,其中所述推荐包括偏移到超出范围的血糖水平的次数和程度。
151.根据权利要求137到150中任一项所述的方法,其中所述推荐示出了在历史时间的血糖功能障碍。
152.根据权利要求137到151中任一项所述的方法,其中提供所述推荐包括提供示出以下中的至少一个的可视化:所述血糖功能障碍的行为影响、BG数据和胰岛素数据对使用在历史团注时间的最佳团注重放模拟BG数据、或BG数据和胰岛素数据对使用在所估计的餐食时间的最佳团注重放模拟BG数据。
153.根据权利要求137到152中任一项所述的方法,其中所述推荐包括患者对理想餐前团注定时的依从性的可视化。
154.根据权利要求137到153中任一项所述的方法,其进一步包括基于血糖功能障碍量向受试者提供餐食管理信息。
155.根据权利要求154所述的方法,其中所述餐食管理信息包括患者的团注前定时信息。
156.根据权利要求155所述的方法,其中所述团注前定时信息包括对患者的关于在未来某一餐食类型之前团注的推荐。
157.根据权利要求137到156中任一项所述的方法,其进一步包括将一个或多个血糖值转换为与糖尿病并发症风险或血糖控制程度一致的相对风险评分。
158.根据权利要求137到157中任一项所述的方法,其中将所述历史风险评分和所述最佳风险评分中的每个风险评分指配给单个值或在时间段内汇总,如每日平均风险评分。
159.根据权利要求137到158中任一项所述的方法,其进一步包括当所述历史风险评分接近所述最佳风险评分时,标识受试者行为并鼓励所述受试者行为,因为胰岛素量和定时接近理想。
160.根据权利要求137到159中任一项所述的方法,其中当所述历史风险评分与最佳风险评分之间的差值是小于预定百分比差值、在评分范围或差值内、或小于阈值差值中的至少一个时,所述方法进一步包括标识受试者行为并鼓励所述受试者行为,因为胰岛素量和定时接近理想。
161.根据权利要求137到160中任一项所述的方法,其进一步包括当所述历史风险评分显著大于所述最佳风险评分时,调整未来类似餐食的胰岛素团注量或定时。
162.根据权利要求137到161中任一项所述的方法,其中当所述历史风险评分与最佳风险评分之间的差值是大于或等于预定百分比差值、在评分范围或差值之外、等于或大于阈值差值中的至少一个时,所述方法进一步包括调整未来类似餐食的胰岛素团注量或定时。
163.一种方法,其包括:
计算基于实际团注记录的第一IOB迹线;
计算最佳治疗的第二IOB迹线;
将所述第一IOB迹线与所述第二IOB迹线进行比较以确定IOB类似性评分;以及
使用所述IOB类似性评分来更改智能警报行为、用户推荐、报告特征和可视化中的至少一个。
164.根据权利要求163所述的方法,其中将所述迹线进行比较包括确定单位幅度迹线之间的内积以给出范围为0到1的值,其中1指示实际剂量与最佳剂量在形状上最类似。
165.根据权利要求163或164所述的方法,其进一步包括将所述IOB类似性评分阈值化或将其与当前行为进行比较,并且使用所述阈值化或比较来改变智能警报行为、用户推荐、报告特征和可视化。
166.一种系统,其包括:
差异分析器,所述差异分析器被配置成使用基于实际团注记录的第一IOB迹线与最佳治疗的第二IOB迹线的比较来确定IOB类似性评分;以及
输出装置,所述输出装置被配置成输出所述IOB类似性评分。
167.根据权利要求166所述的系统,其进一步包括输入装置,所述输入装置被配置成计算基于实际团注的记录的所述第一IOB迹线,并且计算最佳治疗的所述第二IOB迹线。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201862786149P | 2018-12-28 | 2018-12-28 | |
US62/786,149 | 2018-12-28 | ||
PCT/US2019/067479 WO2020139699A1 (en) | 2018-12-28 | 2019-12-19 | Evaluation and visualization of glycemic dysfunction |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113473911A true CN113473911A (zh) | 2021-10-01 |
Family
ID=71121606
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201980092533.8A Pending CN113473911A (zh) | 2018-12-28 | 2019-12-19 | 血糖功能障碍的评估和可视化 |
Country Status (7)
Country | Link |
---|---|
US (5) | US20200205743A1 (zh) |
EP (1) | EP3902469A4 (zh) |
JP (1) | JP2022515627A (zh) |
CN (1) | CN113473911A (zh) |
AU (1) | AU2019417455A1 (zh) |
CA (1) | CA3125268A1 (zh) |
WO (1) | WO2020139699A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023130598A1 (zh) * | 2022-01-06 | 2023-07-13 | 苏州百孝医疗科技有限公司 | 胰岛素推荐方法和装置、监控血糖水平的系统 |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20200205743A1 (en) | 2018-12-28 | 2020-07-02 | Dexcom, Inc. | Evaluation and visualization of glycemic dysfunction |
CA3210305A1 (en) * | 2021-02-03 | 2022-08-11 | Dexcom, Inc. | Systems and methods for risk based insulin delivery conversion |
EP4075444A1 (en) * | 2021-04-14 | 2022-10-19 | Roche Diabetes Care GmbH | Method and means for postprandial blood glucose level prediction |
US20230377699A1 (en) * | 2022-05-17 | 2023-11-23 | Insulet Corporation | Techniques to determine patterns in blood glucose measurement data and a user interface for presentation thereof |
Family Cites Families (28)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6544212B2 (en) | 2001-07-31 | 2003-04-08 | Roche Diagnostics Corporation | Diabetes management system |
EP1605895A4 (en) * | 2003-03-06 | 2011-08-24 | Emisphere Tech Inc | ORAL INSULIN THERAPY AND PROTOCOL |
IL194966A0 (en) * | 2007-10-31 | 2009-08-03 | Animas Corp | User interface for insulin infusion device |
US8562587B2 (en) | 2009-02-25 | 2013-10-22 | University Of Virginia Patent Foundation | CGM-based prevention of hypoglycemia via hypoglycemia risk assessment and smooth reduction of insulin delivery |
WO2010135646A1 (en) | 2009-05-22 | 2010-11-25 | Abbott Diabetes Care Inc. | Usability features for integrated insulin delivery system |
EP3936032B1 (en) | 2009-07-23 | 2024-05-29 | Abbott Diabetes Care, Inc. | Real time management of data relating to physiological control of glucose levels |
EP2554110B1 (en) * | 2010-01-22 | 2014-07-30 | Lifescan, Inc. | Analyte testing method and system |
CA3115682A1 (en) * | 2011-02-28 | 2012-11-15 | Abbott Diabetes Care Inc. | Devices, systems, and methods associated with analyte monitoring devices and devices incorporating the same |
CA2846854C (en) | 2011-08-26 | 2022-12-13 | University Of Virginia Patent Foundation | Method, system and computer readable medium for adaptive advisory control of diabetes |
JP6058673B2 (ja) | 2011-09-13 | 2017-01-11 | ノボ・ノルデイスク・エー/エス | 経時的に薬剤投与療法を最適化するための適応システム |
US9439602B2 (en) | 2011-10-26 | 2016-09-13 | Dexcom, Inc. | Alert system for hypo and hyperglycemia prevention based on clinical risk |
US20130338629A1 (en) * | 2012-06-07 | 2013-12-19 | Medtronic Minimed, Inc. | Diabetes therapy management system for recommending basal pattern adjustments |
US9364609B2 (en) * | 2012-08-30 | 2016-06-14 | Medtronic Minimed, Inc. | Insulin on board compensation for a closed-loop insulin infusion system |
WO2014149536A2 (en) | 2013-03-15 | 2014-09-25 | Animas Corporation | Insulin time-action model |
WO2014172467A1 (en) | 2013-04-16 | 2014-10-23 | Smartloop Llc | Discretionary insulin delivery systems and methods |
WO2015103543A1 (en) | 2014-01-03 | 2015-07-09 | University Of Virginia Patent Foundation | Central data exchange node for system monitoring and control of blood glucose levels in diabetic patients |
US9465917B2 (en) | 2014-05-30 | 2016-10-11 | Roche Diabetes Care, Inc. | Hazard based assessment patterns |
WO2016133879A1 (en) * | 2015-02-16 | 2016-08-25 | University Of Virginia Patent Foundation | Method, system and computer readable medium for assessing actionable glycemic risk |
EP3298520A1 (en) | 2015-05-18 | 2018-03-28 | Dexcom, Inc. | Simulation model of type 1 diabetic patient decision-making |
US20170053552A1 (en) * | 2015-08-21 | 2017-02-23 | Medtronic Minimed, Inc. | Management and prioritization of the delivery of glycemic insight messages |
US10796596B2 (en) | 2015-08-27 | 2020-10-06 | Hrl Laboratories, Llc | Closed-loop intervention control system |
US10792423B2 (en) | 2016-04-13 | 2020-10-06 | The Trustees Of The University Of Pennsylvania | Methods, systems, and computer readable media for physiology parameter-invariant meal detection |
JP6938618B2 (ja) | 2016-08-12 | 2021-09-22 | デックスコム・インコーポレーテッド | 健康データの視覚化のためのシステム及び方法、ならびに連続的グルコースモニタリングのためのユーザ支援ツール |
CN109564784A (zh) | 2016-08-17 | 2019-04-02 | 诺和诺德股份有限公司 | 用于优化相对于用餐事件的餐时定时的系统和方法 |
EP3504645A1 (en) | 2016-08-26 | 2019-07-03 | Novo Nordisk A/S | Systems and methods for adjusting basal administration timing |
WO2018064219A1 (en) | 2016-09-27 | 2018-04-05 | Bigfoot Biomedical, Inc. | Personalizing preset meal sizes in insulin delivery system |
EP3635591A4 (en) | 2017-06-09 | 2021-03-24 | Companion Medical, Inc. | SMART DRUG DELIVERY SYSTEMS AND PROCESSES |
US20200205743A1 (en) | 2018-12-28 | 2020-07-02 | Dexcom, Inc. | Evaluation and visualization of glycemic dysfunction |
-
2019
- 2019-12-19 US US16/721,806 patent/US20200205743A1/en not_active Abandoned
- 2019-12-19 JP JP2021537863A patent/JP2022515627A/ja active Pending
- 2019-12-19 US US16/721,810 patent/US11696728B2/en active Active
- 2019-12-19 CA CA3125268A patent/CA3125268A1/en active Pending
- 2019-12-19 WO PCT/US2019/067479 patent/WO2020139699A1/en unknown
- 2019-12-19 US US16/721,679 patent/US20200205742A1/en not_active Abandoned
- 2019-12-19 EP EP19905069.1A patent/EP3902469A4/en active Pending
- 2019-12-19 AU AU2019417455A patent/AU2019417455A1/en active Pending
- 2019-12-19 CN CN201980092533.8A patent/CN113473911A/zh active Pending
-
2023
- 2023-07-10 US US18/219,845 patent/US20230346320A1/en active Pending
- 2023-09-21 US US18/371,124 patent/US20240008822A1/en active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023130598A1 (zh) * | 2022-01-06 | 2023-07-13 | 苏州百孝医疗科技有限公司 | 胰岛素推荐方法和装置、监控血糖水平的系统 |
Also Published As
Publication number | Publication date |
---|---|
JP2022515627A (ja) | 2022-02-21 |
US20230346320A1 (en) | 2023-11-02 |
CA3125268A1 (en) | 2020-07-02 |
AU2019417455A1 (en) | 2021-07-22 |
US20240008822A1 (en) | 2024-01-11 |
US11696728B2 (en) | 2023-07-11 |
US20200205744A1 (en) | 2020-07-02 |
EP3902469A1 (en) | 2021-11-03 |
WO2020139699A1 (en) | 2020-07-02 |
US20200205742A1 (en) | 2020-07-02 |
EP3902469A4 (en) | 2022-08-10 |
US20200205743A1 (en) | 2020-07-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11696728B2 (en) | Evaluation and visualization of glycemic dysfunction | |
Pesl et al. | An advanced bolus calculator for type 1 diabetes: system architecture and usability results | |
JP2010534494A (ja) | 治療システムのための患者情報入力インターフェイス | |
US11761947B2 (en) | Handheld diabetes management device with bolus calculator | |
US20230005587A1 (en) | Determining whether adjustments of insulin therapy recommendations are being taken into account | |
US20230110814A1 (en) | Systems and methods for analyzing, interpreting, and acting on continuous glucose monitoring data | |
WO2021113858A1 (en) | Determining total daily basal dose mismatch | |
US20150379229A1 (en) | Computer-Implemented System And Method For Improving Glucose Management Through Modeling Of Circadian Profiles | |
US20210151190A1 (en) | Joint state estimation prediction that evaluates differences in predicted vs. corresponding received data | |
US20150347708A1 (en) | Blood Glucose Meter And Computer-Implemented Method For Improving Glucose Management Through Modeling Of Circadian Profiles | |
US11804289B2 (en) | Therapeutic zone assessor | |
EP2888684A2 (en) | Insulin pump and methods for operating the insulin pump | |
US20220192591A1 (en) | Bolus advisor with correction boluses based on risk, carb-free bolus recommender, and meal acknowledgement | |
US20220199213A1 (en) | Bolus advisor with correction boluses based on risk, carb-free bolus recommender, and meal acknowledgement | |
Celik | Diabetes Management Via Gaussian Process Bandits |
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 |