CN113544794A - 用于血糖测量的模式识别引擎 - Google Patents

用于血糖测量的模式识别引擎 Download PDF

Info

Publication number
CN113544794A
CN113544794A CN201980083483.7A CN201980083483A CN113544794A CN 113544794 A CN113544794 A CN 113544794A CN 201980083483 A CN201980083483 A CN 201980083483A CN 113544794 A CN113544794 A CN 113544794A
Authority
CN
China
Prior art keywords
blood glucose
sub
interval
glucose measurements
time
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201980083483.7A
Other languages
English (en)
Inventor
M·萨利赫
A·佩特科夫
J·西贝尔
G·维斯帕夏尼
S·吉罗拉米
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sanofi SA
Original Assignee
Sanofi SA
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Sanofi SA filed Critical Sanofi SA
Publication of CN113544794A publication Critical patent/CN113544794A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • 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
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • 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
    • G16H10/40—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for data related to laboratory analysis, e.g. patient specimen analysis
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Pathology (AREA)
  • Investigating Or Analysing Biological Materials (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

本说明书涉及用于识别血糖测量中的模式的系统、方法和设备。根据第一方面，本说明书公开了一种计算机实现的血糖分析方法，其包括：接收在多个时间框架上取得的与个体有关的多个血糖测量；标识所述多个血糖测量中的低血糖和/或高血糖血糖测量；标识所述时间框架的多个子间隔，在所述多个子间隔中存在满足阈值条件的一定数量的低血糖和/或高血糖血糖测量；推断所标识的子间隔的第一子间隔中的血糖测量与所标识的子间隔的第二子间隔中的血糖测量之间的时间关系；输出所述时间框架的所标识的一个或多个子间隔；以及针对所推断的时间关系输出建议的因果驱动因素。

Description

用于血糖测量的模式识别引擎
技术领域
本说明书涉及用于识别血糖测量中的模式的系统、方法和设备。
背景技术
自我监测血糖数据(SMBG)的检查是用于血糖、低血糖率和高血糖率的结构化评估的关键工具。它在指导治疗决定中可以起到重要作用。
医疗保健专业人员(HCP)与时间限制作斗争，并且可能没有机会系统地下载和检查SMBG数据。此外，一些分析和报告可能不是充分有用或易于理解的，从而导致不同的HCP以根本不同的方式解释相同的数据。
发明内容
根据第一方面，本说明书公开了一种计算机实现的血糖分析方法，其包括：接收在多个时间框架上取得的与个体有关的多个血糖测量；标识所述多个血糖测量中的低血糖和/或高血糖血糖测量；标识所述时间框架的多个子间隔，在所述多个子间隔中存在满足阈值条件的一定数量的低血糖和/或高血糖血糖测量；推断所标识的子间隔的第一子间隔中的血糖测量与所标识的子间隔的第二子间隔中的血糖测量之间的时间关系；输出所述时间框架的所标识的一个或多个子间隔；以及针对所推断的时间关系输出建议的因果驱动因素。
所述多个时间框架可以是连续的。
所述多个时间框架可以各自具有一天的持续时间，并且所述子间隔可以为至多三小时的时段。所述多个时间框架可以各自具有一周的持续时间，并且所述子间隔可以为至多一天。
所述方法可以进一步包括绘制来自所述多个时间框架中的每一个的血糖测量以生成血糖测量图。输出所述时间框架的所标识的一个或多个子间隔可包括输出所述血糖测量图，其中所述模态时间段的所确定的一个或多个子间隔在所述血糖测量图中被突出显示。绘制来自所述多个时间框架中的每一个的血糖测量可包括叠加来自所述多个时间框架中的每一个的血糖测量以生成模态时间段。
阈值条件可以是在子间隔内的低血糖和/或高血糖血糖测量的数量和/或密度。
推断所述第一子间隔中的血糖测量和所述第二子间隔中的血糖测量之间的时间关系可包括：确定血糖测量的匹配对，其中匹配对包括所述第一子间隔中的血糖测量和所述第二子间隔中的血糖测量；确定匹配对的总数量是否超过阈值条件；以及在肯定确定的情况下，推断包括所标识的模式的所确定的趋势之间的时间关系。
确定血糖测量的匹配对可包括：将与所述第一子间隔中的血糖测量相关联的时间戳和与所述第二子间隔中的血糖测量相关联的时间戳进行比较；如果与所述第一子间隔中的血糖测量相关联的时间戳对应于与所述第二子间隔中的血糖测量相关联的时间戳，则确定匹配对。
所述方法可以进一步包括：确定所述第一子间隔与所述第二子间隔之间的时间滞后；以及如果所述时间滞后大于阈值时间段，则指示所述第一子间隔与所述第二子间隔之间不存在时间关系。
所述方法可以进一步包括：接收在所述多个时间框架上取得的与所述个体有关的附加数据；以及至少部分地基于所述附加数据针对所述时间框架的所标识的一个或多个子间隔来确定所述建议的因果驱动因素。所述附加数据可包括以下各项中的一项或多项：胰岛素剂量数据；与用户执行的锻炼有关的数据；食物摄取数据；和/或生理测量/数据。
根据第二方面，本说明书描述了一种设备，其包括：一个或多个处理器；以及存储器，其中所述存储器包括计算机可读指令，所述计算机可读指令当由所述一个或多个处理器执行时致使所述设备执行本文所述的方法中的任一个。
根据第三方面，本说明书描述了一种计算机程序产品，其包括计算机可读代码，所述计算机可读代码当由计算机执行时致使所述计算机执行本文所述的方法中的任一个。
附图说明
现在将参考附图通过非限制性例子的方式描述示例实施方案，其中：
图1示出了用于分析血糖测量的系统的例子；
图2示出了血糖分析方法的例子的流程图；
图3示出了血糖测量的模态日的例子；
图4示出了血糖测量的模态周的例子；
图5示出了血糖测量的历史趋势图的例子；以及
图6示出了用户装置的示例电子电路。
具体实施方式
对自我监测血糖数据(SMBG)数据模式的解读可以阐明血糖控制不良的原因，并且建议可能的管理策略。令人期望的是向HCP提供通过迅速突出显示和解读否则可能保持未标识的模式来使SMBG数据的效用最大化的工具。这也将帮助维持患者定期测试他们的血糖(BG)水平的动力。
通常，自我监测血糖测量的平均频率在未用胰岛素治疗的患者中可以在每天0.5次血糖测量的区间内，并且对于用胰岛素治疗的患者可以在每天1次至2次血糖测量之间。本文所述的模式识别方法和系统可以用于分析此类稀疏数据，从而为用户(诸如，监测患者体内的血糖水平的医疗保健专业人员)提供临床上有用的信息。在常规临床实践中实施本文所述的模式识别方法和系统与模式原因提示一起可以支持治疗决策和患者教育，因此使低血糖、高血糖和过度血糖波动的风险最小化。
图1展示了用于分析血糖测量的系统100的例子。
所述系统包括用户计算装置102，所述用户计算装置被配置成接收与个体/患者有关的血糖测量。用户装置102被配置成分析血糖测量并标识给定时间段内的血糖测量中的临床上相关的血糖模式。用户装置102可以被配置成标识多组血糖测量之间的时间关系。在一些实施方案中，所述时间段可以是模态时间段。用户装置102被配置成基于接收到的血糖测量来提供对个体/患者的血糖水平的潜在因果驱动因素的建议。
用户装置102被配置成执行本文所述(例如，如关于图2所述)的方法中的任一个。所述方法可以由用户装置102上运行的一个或多个应用执行。
用户装置102可以例如是以下各项中的任一项：移动装置，诸如，移动电话或平板计算机；个人计算机；膝上型计算机；个人数字助理；“智能”装置；和/或专用血糖监测装置。以下关于图6描述此类用户装置102的例子。
在一些实施方案中，用户装置102的用户可以是医疗保健专业人员(HCP)。在其他实施方案中，用户可以是从其取得血糖测量的个体/患者。可以基于用户是否是使用系统来帮助优化患者治疗的HCP或用户是否是使用系统来自我监测其血糖测量的患者来提供不同的信息和/或建议。例如，可以为使用系统自我监测的患者提供较简单的接口，所述接口与HCP的接口相比覆盖较短的时间段(例如，一天)，其中，建议的因果驱动因素被限制于窄时间框架、更情景性和/或以更普通的水平被提供(例如，“我发现你这周已经有几次低血糖症状，在你的治疗/进餐时间/等中有所变化吗？我可能建议XXX”或“我注意到你在你的进餐之后约30分钟时注射你的胰岛素。为了最好地控制血糖，我可能建议在开始进餐时注射胰岛素”)。相比之下，可以为HCP提供在较长时间段(例如，数周或数月)内的历史趋势数据和/或与模态时间段(例如，模态日或模态周)有关的数据。提供给HCP的所建议的因果驱动因素可覆盖更宽范围的潜在因果驱动因素，并且比提供给患者的那些驱动因素更加详细。因此，可基于用户是患者还是HCP来提供相同、相似或不同的消息。
系统可以进一步包括一个或多个血糖测量装置104。血糖测量装置104可操作以测试患者的血糖水平。血糖水平可以由血糖测量装置104记录并发送到用户装置102。此血糖测量数据可以经由网络106传送到用户装置102。网络可以例如是互联网和/或局域网。替代性地或另外地，血糖测量可以例如通过图形用户界面来手动地输入到用户装置102。在一些实施方案中，血糖测量可以例如经由血糖装置104与用户装置之间的USB连接来直接从血糖测量装置104传输。血糖数据可以经由单独的“中枢”装置来传送到用户装置102。
用户装置102可以进一步被配置成接收与患者有关的附加数据。此类附加数据的例子包括：患者取用的药剂的细节；患者取用的胰岛素剂量；与患者执行的锻炼有关的数据，例如，由活动追踪器收集的数据；患者的食物摄取；和/或与患者有关的其他生理测量。附加数据可以用于细化对患者的血糖水平的潜在因果驱动因素的建议。例如，低血糖/高血糖事件可能与胰岛素剂量相关，指示患者的胰岛素剂量不正确。
图2示出了血糖分析方法的例子的流程图。所述方法可以由计算装置/系统实现，所述计算装置/系统包括一个或多个处理器以及包含计算机可读指令的存储器，所述计算机可读指令当由一个或多个处理器执行时致使计算装置/系统执行所述方法。
在操作2.1处，接收在多个时间框架上取得的与患者有关的多个血糖测量。
血糖测量可以在用户装置102处例如通过网络从血糖测量装置104接收。替代性地或另外地，血糖测量可以由用户手动地输入到用户装置102中。可以连续地接收血糖测量(即，在取得每个测量时)。替代性地，血糖测量可以作为一批血糖测量来接收。
每个血糖测量与时间戳相关联，所述时间戳指示取得血糖测量的日期和时间。每个血糖测量进一步与取得测量的相应患者相关联。
时间框架各自包括时间间隔。时间框架可以各自具有相等的持续时间。例如，时间框架的持续时间可以是一天、一周或一个月。时间框架可以是连续的时间间隔，诸如，连续序列的多天或多周。在一些实施方案中，由所述多个时间框架覆盖的总时间段为至多四周。这通常是患者可以可靠地回想起与血糖测量相关联的信息(诸如，与何时、如何和/或为什么进行血糖测量有关的情景信息)的最大时间段。这可以允许医疗保健专业人员基于所收集的血糖测量来确认关于患者的假设。
在一些实施方案中，接收在多个时间框架上取得的与患者有关的附加数据。此类附加数据的例子包括：患者取用的胰岛素剂量；与患者执行的锻炼有关的数据，例如，由活动追踪器收集或由患者手动输入的数据；患者的食物摄取；和/或与患者有关的其他生理测量。附加数据可以用于细化对患者的血糖水平的潜在因果驱动因素的建议。例如，低血糖/高血糖事件可能与胰岛素剂量相关，指示患者的胰岛素剂量不正确。
在可选的操作2.2处，绘制来自所述多个时间框架中的每一个的血糖测量以生成血糖测量图。
在一些实施方案中，绘制来自所述多个时间框架中的每一个的血糖测量可包括叠加来自所述多个时间框架中的每一个的血糖测量以生成模态时间段。
模态时间段包括重叠到相等时间段的单个副本中的一组相等时间段(即，时间框架)的所有血糖测量。它可以被认为是来自所述多个时间框架的血糖测量的堆叠。例如，模态时间段可包括在第一时间框架/时间间隔期间取得的第一组血糖测量，其被在持续时间等于第一时间框架/时间间隔的第二非重叠时间框架/时间间隔期间取得的第二组血糖测量叠加。可以将来自额外的不同时间框架的另外的血糖测量叠加在第一和第二组血糖测量上以创建模态时间段。
例如，将包括在多天内取得的血糖测量的一组血糖测量重叠以形成模态日。关于图3描述了模态日的例子。在另一个例子中，将包括在多周内取得的血糖测量的一组血糖测量重叠以形成模态周。关于图4描述了模态周的例子。
在一些实施方案中，绘制来自所述多个时间框架中的每一个的血糖测量可包括绘制连续时间段上的血糖测量以生成趋势图。
历史趋势图表包括来自按顺序排列的时间框架的血糖测量的绘图。它显示患者血糖测量的历史。图5中示出了历史趋势图表的例子。历史趋势图表示出了在一段时间范围内的血糖测量的绘图。在历史趋势图中，可以计算给定时间段(例如，三个月)内的高/低血糖事件复发的平均值。可以将具有较高复发次数的周突出显示，即，其标识低血糖事件和高血糖事件的平均数量超过周平均值的周。
在操作2.3处，标识多个血糖测量中的低血糖和/或高血糖血糖测量。
低血糖血糖测量包括降到低于低血糖阈值血糖值的血糖测量。低血糖阈值可以根据正监测其血糖的患者来选择。例如，阈值可以是在60-90mg/dl范围内的血糖值。低血糖阈值的例子是70mg/dl(3.9mmol/L)。另外的阈值将是技术人员所熟悉的。将模态时间段中的血糖测量与低血糖阈值进行比较，并且将具有低于低血糖阈值的值的任何血糖测量标识为低血糖测量。
高血糖血糖测量包括高于高血糖阈值血糖值的血糖测量。高血糖阈值可以根据正监测其血糖的患者来选择。例如，阈值可以是在160-220mg/dl范围内的血糖值。高血糖阈值的例子是180mg/dl(10mmol/L)。另外的阈值将是技术人员所熟悉的。将模态时间段中的血糖测量与高血糖阈值进行比较，并且将具有高于高血糖阈值的值的任何血糖测量标识为高血糖测量。
在操作2.4处，确定时间框架的一个或多个子间隔，在所述一个或多个子间隔中存在满足阈值条件的一定数量的低血糖和/或高血糖血糖测量。
在使用模态时间段的实施方案中，所述方法使用复发的概念来标识血糖测量中的趋势。在模态时间段的一个或多个子间隔中重复高血糖和/或低血糖血糖测量可以用于指示血糖测量中的趋势/模式。满足阈值条件的模态日的子间隔在此被称为模态时间段的“相关子间隔”。模态时间段假设在模态时间段上患者行为中存在一定“可重复性”。这就是为什么在一周的一天/多天的类似时间标识模式。
历史趋势图表旨在标识其中可能存在模式的患者血糖历史的最近几周/几月中的特定子间隔(例如，周/时段)。这些并不依赖于不暗示“可重复性”，而是医疗保健提供者与患者一起工作来标识因果驱动因素并且一起将其解决的机会——就与Rx或行为改变的适配而言。
子间隔可以是固定的时间段。例如，模态日可以使用高达三个小时的子间隔。一般而言，模态时间段可以使用任何相关长度的子间隔。固定子间隔可以用作滚动窗口来标识相关子间隔，即，满足阈值条件的子间隔。
在另外的例子中，模态周可以查看周内日，在所述周内日具有滚动时间段。滚动时间段可以是例如3小时的窗口。例如，如果模态时间段是一天，则所述时间段可以是三小时，而滚动窗口为一分钟。
血糖测量中的模式通过标识满足阈值条件的模态时间段或历史血糖测量中的子时间间隔(即，相关子间隔)来标识。阈值条件可以是给定长度的子时间间隔内的低血糖和/或高血糖血糖测量的阈值数量。
例如，当在高达三小时的模态时间段中的一段时间内标识出至少两个低血糖血糖测量时，可以标识相关子间隔。替代性地或另外地，当在高达三小时的模态时间段中的一段时间内标识出至少三个高血糖血糖测量时，可以标识相关子间隔。
阈值条件可以替代性地或另外地包括密度阈值。如果子间隔中的低血糖和/或高血糖血糖测量的密度高于阈值密度，则所述子间隔可以被标识为相关子间隔。阈值密度可以基于模态日中的低血糖和/或高血糖血糖测量的平均密度。例如，当低血糖和/或高血糖血糖测量的密度相对于相同时段中的血糖值的总和显著更高时，可以检测相关子间隔。可以基于时间段的平均密度来设置阈值密度。阈值密度可以是平均密度乘以大于一的数，例如，平均密度的150％。这可以通过每次将窗口向前移动一个观察来计算。
作为说明性例子，所述方法可以标识时间框架内具有多于两个低血糖值的三个子间隔，例如：子间隔1：5个低血糖值(2.5小时长)；子间隔2：2个值(3小时长)；以及子间隔3：4个低血糖值(3小时长)。将这些值的密度与一天的平均低血糖密度进行比较。例如，如果当天的低血糖值的总数量是20个(即，11个处于子间隔中，而9个没有)。则将确定每小时20/24低血糖事件密度。将这些与子间隔中的密度进行比较。
在这个例子中，所述三个子间隔中的密度将分别为：2、0.67和1.33。基于阈值密度(其可以由用户/HCP设置)，系统可以将子间隔1和3突出显示为模式，并且忽略子间隔2，因为其密度(0.67事件/小时)低于每日密度。
可以将因子应用于子间隔密度必须高于平均每日密度的平均密度(例如，130％、140％、150％等)，以考虑子间隔a模式；这可以是除了满足阈值数量的子间隔中的事件的绝对数量之外的事件(例如，2个低血糖事件或3个高血糖事件)。
利用时间框架在彼此的短时间段内取得的重复测量可以降低使用复发标识的趋势和模态日的相关子间隔的可靠性。在一些实施方案中，为了确定模态时间段中的存在满足阈值条件的一定数量的低血糖和/或高血糖血糖测量的子间隔的目的，将在相同时间间隔内实时在彼此的阈值时间段内取得的测量视为单个事件。例如，可以将彼此的半小时内取得的两个或更多个血糖测量视为单个事件/测量。
在一些实施方案中，需要满足血糖测量的阈值数量和阈值密度两者，以便标识相关子间隔。
可对在模态时间段/时间框架中的血糖测量执行进一步的分析以标识模式。例如，可标识所标识的子间隔之间的时间关系。这些可用于推断低血糖和/或高血糖血糖测量的模式之间的因果关系，并且建议可能的因果驱动因素。
在操作2.5处，输出模态时间段的所确定的一个或多个子间隔。可以在模态时间段的图中输出所标识的相关子间隔，其中相关子间隔被突出显示。在图3至图5中提供了此类输出的例子。低血糖和/或高血糖的相关模式基于这些事件的绝对频率和相对频率，并且可以叠加在医疗保健专业人员已经用来分析血糖测量的报告上。
在操作2.6处，输出针对时间框架的所标识的一个或多个子间隔和/或所标识模式的建议的因果驱动因素。
向HCP/患者提供关于时间框架的所标识的一个或多个子间隔和/或所标识的模式的因果驱动因素可以是什么的建议。这些可包括集中于讨论患者的区域，例如，可能导致这些血糖模式的潜在原因。可以向患者提供与所标识的一个或多个模式有关的消息以及基于所标识的模式的潜在建议。例如，可以向患者提供关于如何基于所标识的模式来调整其日常例程的建议。提供给患者的消息可以涉及例如跨越数天或数周的、一天内的某些时间框架处的个体事件、数据模式。
可以通过血糖测量的交互图(例如，模态时间段的图或历史趋势图表)来提供建议。例如，HCP可以经由用户装置102的交互式用户界面来选择图上的所标识的模式。可以出现弹出窗口，其向HCP提供与患者治疗相关的可选选项。例如，HCP可以选择仅基础、口服给药、基础联合餐时等。
基于所标识的模式/所标识的子间隔(以及由HCP输入的信息)，系统示出可能引起模式的潜在原因的列表。例如，HCP可以通过用户装置102的用户接口被提供消息。例如，消息可以是“在[4周]时段期间或前不久，是否存在任何以下各项：
-治疗变化或不规律，例如，新处方、更高的基础胰岛素剂量、变化的注射时间
-生活方式变化或不规律，例如，更多锻炼/步行、跳过进餐(尤其是晚餐)
-其他，例如，轮班工作”
对于患者，例如，所述建议将被提供为情景消息，诸如，“我注意到你在你的进餐之后约30分钟时注射你的胰岛素。为了最好地控制血糖，我可能建议在开始进餐时注射胰岛素”。情景消息可基于所提供的与患者有关的附加信息，例如，进餐时间、锻炼时间和持续时间、和/或胰岛素剂量时间和值。
可基于在血糖测量中标识的时间关系的类型来提供建议的因果驱动因素。可提供潜在的时间关系和相关联的因果驱动因素的数据库。所述数据库可以用于将所标识的时间关系与一个或多个因果驱动因素进行匹配。替代性地或另外地，可提供默认的一组因果驱动因素。在一些实施方案中，如果在数据库中没有找到匹配的时间关系，则可恢复成默认组。
所建议的因果驱动因素可以至少部分地基于所提供的任何附加数据来提供。例如，可以基于附加数据的时间戳来标识附加数据中的模式和/或将附加数据中的模式与对应的血糖测量匹配。基于附加数据的类型及其值，可以建议血糖测量的因果驱动因素。此类因果驱动因素可以例如包括：不正确的胰岛素剂量；饮食因素；进餐时间；进食过度/进食不足；锻炼过量/缺乏；和/或潜在的生理状况。
如以上关于操作2.4所提及的，可以在模态时间段中对血糖测量执行进一步的分析以标识模式。例如，可以标识模式与趋势之间的时间关系。这些可以用于推断低血糖和/或高血糖血糖测量的模式之间的因果关系。
例如，基于所标识的相关子间隔，可以在模态时间段内标识低血糖-高血糖、高血糖-低血糖、低血糖-低血糖和/或高血糖-高血糖血糖测量的模式。这些模式包括第一相关子间隔中的低血糖或高血糖事件的第一模式，接着是第二相关子间隔中的低血糖或高血糖事件的第二模式。
为了标识两个相关子间隔之间的模式，可以标识时间框架的第一子间隔中的多个低血糖或高血糖血糖测量。然后可以标识在时间框架的第二子间隔中的多个低血糖或高血糖血糖测量。将与第一子间隔中的血糖测量相关联的时间戳和与第二子间隔中的血糖测量相关联的时间戳进行比较。如果任何一对血糖测量(一个来自第一子间隔，并且一个来自第二子间隔)的时间戳相对应(例如，它们取自同一天)，则这两个测量匹配。如果匹配的总数量高于阈值，则标识模式。阈值可以例如是第一子间隔或第二子间隔中的血糖测量的总数量的分数(例如，50％)。
例如，在模态日中，系统可以标识在时段8-10am中具有4个低血糖值的第一相关子间隔。然后标识在时段11-1pm中具有5个高血糖值的第二相关子间隔。系统然后查看第一子间隔中的这些值中的多少在第二子间隔中具有对应的“匹配”。如果这个数量满足阈值条件，则在低血糖模式与高血糖模式之间存在相关性；并且系统可以推断很可能是低血糖模式引起高血糖模式。
换言之，可以处理血糖测量中所标识的相关子间隔，以便确定模式的构成是否具有因果关系，即，在第一子间隔与第二子间隔之间是否存在因果关系。例如，首先看模态时间段，模式可以表现为互相相关，但实际上，血糖测量可以是不同时间框架的一部分。
检查所标识的模式以查看第一相关子间隔和第二相关子间隔在时间上是否对应。如果第一相关子间隔中的血糖测量源自与第二相关子间隔中的血糖测量相同的时间框架，则可以在这两个子间隔之间建立因果关系/时间关系。
例如，所述方法可包括基于第二子间隔中的血糖测量是否从与第一子间隔中的测量相同的时间框架取得来尝试将第一子间隔中的血糖测量与第二子间隔中的血糖测量配对。如果形成阈值数量的对，则标识这两个子间隔之间的时间/因果关系。阈值数量可以例如是固定数量，或者可以是第一子间隔或第二子间隔中的血糖测量的数量的分数。
一旦已经标识了时间关系，就可以在模态时间段的表示中突出显示时间关系。例如，可以在模态日的图上提供轮廓。
确定两个或更多个模式之间的时间关系可以进一步包括：确定子间隔中的两个之间的时间滞后；以及如果时间滞后大于阈值时间段，则指示这两个子间隔之间不存在时间关系。例如，如果第一子间隔跨越第一时间，并且第二子间隔跨越第二时间，时间滞后可以根据第一子间隔结束时的时间与第二子间隔开始时的时间之间的差来计算，或反之亦然，这取决于子间隔的时间排序。
图3示出了血糖测量的模态日的例子。模态日被表示为图300。时间沿着x轴302来表示，而血糖测量值沿着y轴304来表示。图表300包括从一组时间框架取得的多个血糖测量。每个时间框架是持续时间中的一天。时间框架已被叠加以生成模态日。
低血糖血糖阈值306由下虚线指示。低于这条线的血糖测量被标识为低血糖血糖测量。
高血糖血糖阈值308由上虚线指示。高于这条线的血糖测量被标识为高血糖血糖测量。
通过高血糖血糖测量群周围的阴影区域310指示相关的高血糖子间隔。通过低血糖血糖测量群周围的阴影线区域312指示相关的低血糖子间隔。
这些模式突出显示了当患者具有更频繁的低血糖(例如<70mg/dl)或高血糖(例如>180mg/dl)发作时的一天的时间，这些发作可能与患者的日常例程相关联。发生是在高达4周的时段内计算的。当在高达3小时的时段中标识出至少2个低血糖或3个高血糖血糖测量和/或低血糖或高血糖血糖测量的密度高于平均值时，检测到模式。
示出了中值血糖测量线314，以及75百分位数线316和25百分位数线318。
图4示出了血糖测量的模态周的例子。模态周被表示为图400。周内日(例如，周日到周六)的时间沿着x轴402来表示，而血糖测量值沿着y轴404来表示。
针对每天来绘制模态周的血糖测量的每日平均值410，以及表示在模态周中那天的血糖测量的50％落入平均值周围的范围的条412。从所述条上下延伸的线指示血糖测量的10-90％范围。模态周还示出了中值线414。
将相关子间隔406、408突出显示，以示出当患者具有可能与患者的每周例行相关联的更频繁的低血糖或高血糖发作时的一周中的多天。模式要求低血糖或高血糖发作的发生在几周内在同一周内日是一致的，并且在同一周内日当与每周平均值相比时是显著更高的。
图5示出了血糖测量的历史趋势图表的例子。历史趋势图表被表示为图500。时间沿着x轴502来表示，而血糖测量值沿着y轴504来表示。它显示患者血糖测量的历史。在选定的时间段期间，它示出低血糖事件和高血糖事件的平均数量超过每周平均值的周。
时间轴跨越连续的时间段，诸如，一个或多个月或多个周。血糖测量如图中的点所示，其中高血糖和低血糖血糖值被突出显示。时间的相关子间隔506、508被突出显示。
图6示出了用户装置102的示例电子电路。用户装置102的电子系统600包括处理器组件202。处理器组件602和其他硬件部件可以经由系统总线(未示出)连接。每个硬件部件可以直接或经由接口连接到系统总线。电源604被布置成向电子系统提供电力。
处理器组件602控制电子系统600的其他硬件部件的操作。处理器组件602可以是任何类型的集成电路。处理器组件602可以例如是通用处理器。它可以是单核装置或多核装置。处理器组件602可以是中央处理单元(CPU)或通用处理单元(GPU)。替代性地，它可以是更专业的单元，例如RISC处理器或具有嵌入式固件的可编程硬件。可包括多个处理器。处理器组件602可以被称为处理器件。
电子系统600包括工作的或易失性存储器606。处理器组件602可以访问易失性存储器606以便处理数据并且可以控制存储器中的数据存储。易失性存储器606可以是任何类型的RAM，例如，静态RAM(SRAM)、动态RAM(DRAM)，或者它可以是闪存。可包括多个易失性存储器，但是在图中被省略掉。
电子系统包括非易失性存储器608。非易失性存储器608存储用于控制处理器组件的正常操作的一组操作指令610。非易失性存储器608可以是任何类型的存储器，诸如，只读存储器(ROM)、闪存或磁驱动存储器。可包括其他非易失性存储器，但是在图中被省略掉。
处理器组件602在操作指令610的控制下操作。操作指令610可包括与电子系统600的硬件部件有关的代码(即，驱动器),以及与用户装置的基本操作有关的代码。操作指令610还可以致使激活存储在非易失性存储器608中的一个或多个软件模块。一般而言，处理器组件602执行永久地或半永久地存储在非易失性存储器608中的操作指令610中的一个或多个指令，使用易失性存储器606来临时存储在执行操作指令期间生成的数据。操作指令可包括计算机可读指令，所述计算机可读指令当由处理器组件602执行时致使用户装置执行本文所述的方法中的任一个。
处理器组件602、易失性存储器606和非易失性存储器608可以被设置为由片外总线连接的单独集成电路芯片，或者它们可以被设置在单个集成电路芯片上。处理器组件602、易失性存储器606和非易失性存储器608可以被设置为微控制器。
电子系统600包括时钟612。时钟612可以是时钟晶体，例如，石英晶体振荡器。时钟612可以是被配置成向处理器组件602提供时钟信号的与处理器组件602分离的部件。处理器组件602可以被配置成基于来自时钟612的信号提供实时时钟。替代性地，时钟612可以是时钟晶体，其与处理器组件602一起设置在单个集成电路芯片上。
电子系统600包括一个或多个网络接口614。网络接口614促进用户装置102到一个或多个计算机网络的连接和用户装置102与网络的其他成员之间的信息的双向交换。这些网络可包括互联网、局域网、或者用户装置与数据中心和/或联系中心通信所需的任何其他网络。网络接口614包括网络接口控制器，诸如，以太网适配器、Wi-Fi适配器和/或蓝牙适配器。网络接口614与用于标识网络上的用户装置的一个或多个网络地址相关联。所述一个或多个网络地址可以是IP地址、MAC地址和/或IPX地址的形式。网络的其他成员可包括血糖测量装置104。
在一些实施方案中，用户中的处理器组件602可能不足够强大以执行本文所述的功能中的一个或多个功能。相反，处理组件602被配置成经由网络接口与附加计算机系统通信，所述附加计算机系统具有对其可用的更多计算能力。处理器组件602可以将数据从用户装置传输到附加计算机系统，其中可以使用附加计算机系统的附加计算能力来处理数据。附加计算机系统可以将此处理的结果返回到处理器组件以供进一步处理。附加计算系统可以例如是远程计算机系统、分布式计算机系统、或数据中心的一部分。
电子系统600进一步包括显示器616。显示器616可以由处理组件602经由显示器驱动器操作以将图形用户接口提供给用户。显示器616可以是LCD屏幕的形式。显示器216可以替代性地是LED屏幕的形式。显示器616向用户提供与用户装置102有关的状态信息。此类状态信息的例子包括用户装置所处的模式、电池状态、存储器状态、网络连接状态和/或外部电源是否被连接。显示器616可以提供图2的方法的结果，例如以图3至图5中的图的形式。
电子系统600可包括扬声器618。扬声器618是音频换能器的例子。扬声器618可以被操作以提供所说词语形式的音频输出，或更一般地任何声音。扬声器618可以向用户提供与用户装置102和/或血糖测量装置104的使用有关的可听反馈。这样的例子可以是血糖测量装置104的血糖测试材料不足的可听指示。在一些实施方案中，扬声器618可以向用户提供可听提醒。例如，扬声器618可以提醒用户服用预定剂量的药品或记录血糖测量。
电子系统600进一步包括一个或多个输入接口620。输入接口620允许用户将数据输入到用户装置102。输入接口的例子包括触摸屏、键盘、数字小键盘、一个或多个专用按钮和/或语音识别引擎。
本文所述的方法的实现方式可以在数字电子电路、集成电路、专门设计的ASIC(专用集成电路)、计算机硬件、固件、软件和/或其组合中实现。这些可包括计算机程序产品(诸如，存储在例如磁盘、光盘、存储器、可编程逻辑装置上的软件)，所述计算机程序产品包括计算机可读指令，所述计算机可读指令当由计算机(诸如关于图6所描述的)执行时致使所述计算机执行本文所述的方法中的一个或多个。
术语“药物”或“药剂”在本文中同义使用，并且描述了如下药学制剂，其含有一种或多种活性药物成分或其药学上可接受的盐或溶剂化物以及任选地药学上可接受的载剂。从最广义上来说，活性药学成分(“API”)是对人或动物具有生物学效应的化学结构。在药理学中，将药物或药剂用于治疗、治愈、预防或诊断疾病或者用于以其他方式增强身体或精神健康。可以将药物或药剂使用有限的持续时间，或者定期用于慢性障碍。
如下文所述，药物或药剂可包括用于治疗一种或多种疾病的在各种类型的制剂中的至少一种API或其组合。API的例子可包括小分子(具有500Da或更小的分子量)；多肽、肽和蛋白质(例如，激素、生长因子、抗体、抗体片段和酶)；碳水化合物和多糖；以及核酸、双链或单链DNA(包括裸露和cDNA)、RNA、反义核酸诸如反义DNA和RNA、小干扰RNA(siRNA)、核酶、基因和寡核苷酸。可以将核酸掺入分子递送系统(诸如载体、质粒或脂质体)中。还考虑了一种或多种药物的混合物。
可以将药物或药剂容纳在适于用于药物递送装置的初级包装或“药物容器”中。药物容器可以是例如药筒、注射筒、储器或其他坚固或柔性的器皿，其被配置成提供用于储存(例如，短期或长期储存)一种或多种药物的合适腔室。例如，在一些情况下，可以将腔室设计成将药物储存至少一天(例如，1天到至少30天)。在一些情况下，可以将腔室设计成将药物储存约1个月至约2年。可以在室温(例如，约20℃)或冷藏温度(例如，从约-4℃至约4℃)下进行储存。在一些情况下，药物容器可以是或可包括双腔室药筒，其被配置成单独储存要施用的药学制剂的两种或更多种组分(例如，API和稀释剂、或两种不同的药物)，每个腔室中存储一种。在这种情况下，双腔室药筒的两个腔室可以被配置成在分配到人体或动物体内之前和/或期间允许两种或更多种组分之间的混合。例如，两个腔室可以被配置成使得它们彼此处于流体连通(例如，通过两个腔室之间的导管)，并且允许用户在分配之前在需要时混合两种组分。替代性地或另外地，两个腔室可以被配置成允许在将组分分配到人体或动物体内时进行混合。
本文所述的药物递送装置中容纳的药物或药剂可用于治疗和/或预防许多不同类型的医学疾病。障碍的例子包括例如糖尿病或与糖尿病相关的并发症(诸如糖尿病视网膜病变)、血栓栓塞障碍(诸如深静脉或肺血栓栓塞)。障碍的另外例子是急性冠状动脉综合征(ACS)、心绞痛、心肌梗塞、癌症、黄斑变性、炎症、枯草热、动脉粥样硬化和/或类风湿性关节炎。API和药物的例子是如以下手册中所述的那些：诸如Rote Liste 2014(例如但不限于，主要组(main group)12(抗糖尿病药物)或86(肿瘤药物))和Merck Index，第15版。
用于治疗和/或预防1型或2型糖尿病或与1型或2型糖尿病相关的并发症的API的例子包括胰岛素(例如人胰岛素、或人胰岛素类似物或衍生物)；胰高血糖素样肽(GLP-1)、GLP-1类似物或GLP-1受体激动剂、或其类似物或衍生物；二肽基肽酶-4(DPP4)抑制剂、或其药学上可接受的盐或溶剂化物；或其任何混合物。如本文所用，术语“类似物”和“衍生物”是指具有如下分子结构的多肽，所述分子结构可以通过缺失和/或交换在天然存在的肽中存在的至少一个氨基酸残基和/或通过添加至少一个氨基酸残基而在形式上衍生自天然存在的肽的结构(例如人胰岛素的结构)。所添加和/或交换的氨基酸残基可以是可编码氨基酸残基或其他天然残基或纯合成氨基酸残基。胰岛素类似物还被称为“胰岛素受体配体”。特别地，术语“衍生物”是指具有如下分子结构的多肽，所述分子结构在形式上可以衍生自天然存在的肽的结构(例如人胰岛素的结构)，其中一个或多个有机取代基(例如脂肪酸)与一个或多个氨基酸结合。任选地，天然存在的肽中存在的一个或多个氨基酸可能已被缺失和/或被其他氨基酸(包括不可编码的氨基酸)替代，或者氨基酸(包括不可编码的氨基酸)已被添加到天然存在的肽中。
胰岛素类似物的例子是Gly(A21)、Arg(B31)、Arg(B32)人胰岛素(甘精胰岛素)；Lys(B3)、Glu(B29)人胰岛素(谷赖胰岛素)；Lys(B28)、Pro(B29)人胰岛素(赖脯胰岛素)；Asp(B28)人胰岛素(门冬胰岛素)；人胰岛素，其中在位置B28处的脯氨酸被Asp、Lys、Leu、Val或Ala替代并且其中在位置B29处的Lys可以被Pro替代；Ala(B26)人胰岛素；Des(B28-B30)人胰岛素；Des(B27)人胰岛素和Des(B30)人胰岛素。
胰岛素衍生物的例子是例如B29-N-肉豆蔻酰-des(B30)人胰岛素，Lys(B29)(N-十四酰)-des(B30)人胰岛素(地特胰岛素，
Figure BDA0003117729900000168
)；B29-N-棕榈酰-des(B30)人胰岛素；B29-N-肉豆蔻酰人胰岛素；B29-N-棕榈酰人胰岛素；B28-N-肉豆蔻酰LysB28ProB29人胰岛素；B28-N-棕榈酰-LysB28ProB29人胰岛素；B30-N-肉豆蔻酰-ThrB29LysB30人胰岛素；B30-N-棕榈酰-ThrB29LysB30人胰岛素；B29-N-(N-棕榈酰-γ-谷氨酰)-des(B30)人胰岛素，B29-N-ω-羧基十五酰-γ-L-谷氨酰-des(B30)人胰岛素(德谷胰岛素(insulindegludec)，
Figure BDA0003117729900000161
)；B29-N-(N-石胆酰-γ-谷氨酰)-des(B30)人胰岛素；B29-N-(ω-羧基十七酰)-des(B30)人胰岛素和B29-N-(ω-羧基十七酰)人胰岛素。
GLP-1、GLP-1类似物和GLP-1受体激动剂的例子是例如利西拉肽
Figure BDA0003117729900000162
艾塞那肽(Exendin-4，
Figure BDA0003117729900000163
由毒蜥(Gila monster)的唾液腺产生39个氨基酸的肽)、利拉鲁肽
Figure BDA0003117729900000164
索马鲁肽(Semaglutide)、他司鲁肽(Taspoglutide)、阿必鲁肽
Figure BDA0003117729900000165
杜拉鲁肽(Dulaglutide)
Figure BDA0003117729900000166
rExendin-4、CJC-1134-PC、PB-1023、TTP-054、兰格拉肽(Langlenatide)/HM-11260C、CM-3、GLP-1Eligen、ORMD-0901、NN-9924、NN-9926、NN-9927、Nodexen、Viador-GLP-1、CVX-096、ZYOG-1、ZYD-1、GSK-2374697、DA-3091、MAR-701、MAR709、ZP-2929、ZP-3022、TT-401、BHM-034、MOD-6030、CAM-2036、DA-15864、ARI-2651、ARI-2255、Exenatide-XTEN和Glucagon-Xten。
寡核苷酸的例子是例如：米泊美生钠
Figure BDA0003117729900000167
它是一种用于治疗家族性高胆固醇血症的胆固醇还原性反义治疗剂。
DPP4抑制剂的例子是维达列汀、西他列汀、地那列汀(Denagliptin)、沙格列汀、小檗碱。
激素的例子包括垂体激素或下丘脑激素或调节活性肽及其拮抗剂，诸如促性腺激素(促滤泡素、促黄体素、绒毛膜促性腺激素、促生育素)、促生长激素(Somatropine)(生长激素)、去氨加压素、特利加压素、戈那瑞林、曲普瑞林、亮丙瑞林、布舍瑞林、那法瑞林和戈舍瑞林。
多糖的例子包括葡糖胺聚糖(glucosaminoglycane)、透明质酸、肝素、低分子量肝素或超低分子量肝素或其衍生物、或硫酸化多糖(例如上述多糖的多硫酸化形式)、和/或其药学上可接受的盐。多硫酸化低分子量肝素的药学上可接受的盐的例子是依诺肝素钠。透明质酸衍生物的例子是Hylan G-F20
Figure BDA0003117729900000171
它是一种透明质酸钠。
如本文所用，术语“抗体”是指免疫球蛋白分子或其抗原结合部分。免疫球蛋白分子的抗原结合部分的例子包括F(ab)和F(ab')2片段，其保留结合抗原的能力。抗体可以是多克隆抗体、单克隆抗体、重组抗体、嵌合抗体、去免疫或人源化抗体、完全人抗体、非人(例如鼠类)抗体或单链抗体。在一些实施方案中，抗体具有效应子功能，并且可以固定补体。在一些实施方案中，抗体具有降低的或没有结合Fc受体的能力。例如，抗体可以是同种型或亚型、抗体片段或突变体，其不支持与Fc受体的结合，例如，它具有诱变的或缺失的Fc受体结合区。术语抗体还包括基于四价双特异性串联免疫球蛋白(TBTI)的抗原结合分子和/或具有交叉结合区取向(CODV)的双可变区抗体样结合蛋白。
术语“片段”或“抗体片段”是指衍生自抗体多肽分子的多肽(例如，抗体重链和/或轻链多肽)，其不包括全长抗体多肽，但仍包括能够结合抗原的全长抗体多肽的至少一部分。抗体片段可包括全长抗体多肽的切割部分，尽管所述术语不限于此类切割片段。可用于本发明的抗体片段包括例如Fab片段、F(ab')2片段，scFv(单链Fv)片段、线性抗体、单特异性或多特异性抗体片段(诸如双特异性、三特异性、四特异性和多特异性抗体(例如，双链抗体、三链抗体、四链抗体))、单价或多价抗体片段(诸如二价、三价、四价和多价抗体)、微型抗体、螯合重组抗体、三抗体或双抗体、胞内抗体、纳米抗体，小模块化免疫药物(SMIP)、结合域免疫球蛋白融合蛋白、骆驼化抗体和含有VHH的抗体。抗原结合抗体片段的另外的例子在本领域中是已知的。
术语“互补决定区”或“CDR”是指重链多肽和轻链多肽两者的可变区内的短多肽序列，其主要负责介导特异性抗原识别。术语“框架区”是指重链多肽和轻链多肽两者的可变区内的氨基酸序列，其不是CDR序列，并且主要负责维持CDR序列的正确定位以允许抗原结合。尽管框架区本身通常不直接参与抗原结合，如本领域中已知的，但是某些抗体的框架区内的某些残基可以直接参与抗原结合或可以影响CDR中的一个或多个氨基酸与抗原相互作用的能力。
抗体的例子是抗PCSK-9mAb(例如，阿利库单抗(Alirocumab))、抗IL-6mAb(例如，萨瑞鲁单抗(Sarilumab))和抗IL-4mAb(例如，度匹鲁单抗(Dupilumab))。
本文所述的任何API的药学上可接受的盐也预期用于药物递送装置中的药物或药剂。药学上可接受的盐是例如酸加成盐和碱性盐。
本文所述的任何系统特征也可以被提供作为方法特征，并且反之亦然。如本文中所使用的，方式加功能特征可以按照其相应结构替代性地表示。具体地，方法方面可以应用于系统方面，并且反之亦然。
本领域技术人员将理解，在不脱离本发明的全部范围和精神的情况下，可以对本文所述的API、制剂、设备、方法、系统和实施方案的各种组分进行修改(添加和/或去除)，本发明涵盖包括此类修改及其任何和所有等同物。
本说明书还包括以下各项：
1.一种计算机实现的血糖分析方法，其包括：
接收在多个时间框架上取得的与患者有关的多个血糖测量；
标识所述多个血糖测量中的低血糖和/或高血糖血糖测量；
标识所述时间框架的一个或多个子间隔，在所述一个或多个子间隔中存在满足阈值条件的一定数量的低血糖和/或高血糖血糖测量；以及
输出所述时间框架的所标识的一个或多个子间隔；以及
针对所述时间框架的所标识的一个或多个子间隔输出建议的因果驱动因素。
2.根据项1所述的方法，其中所述多个时间框架是连续的。
3.根据项2所述的方法，其中所述多个时间框架各自具有一天的持续时间，并且其中所述子间隔为至多三小时的时段。
4.根据项2所述的方法，其中所述多个时间框架各自具有一周的持续时间，并且其中所述子间隔为至多一天。
5.根据项1所述的方法，其中所述方法进一步包括绘制来自所述多个时间框架中的每一个的血糖测量以生成血糖测量图。
6.根据项5所述的方法，其中输出所述时间框架的所标识的一个或多个子间隔包括输出所述血糖测量图，其中所述模态时间段的所确定的一个或多个子间隔在所述血糖测量图中被突出显示。
7.根据项5所述的方法，其中绘制来自所述多个时间框架中的每一个的血糖测量包括叠加来自所述多个时间框架中的每一个的血糖测量以生成模态时间段。
8.根据项1所述的方法，其中所述阈值条件是在子间隔内的低血糖和/或高血糖血糖测量的数量和/或密度。
9.根据项1所述的方法，其进一步包括：
标识在所述时间框架的第一子间隔中的多个低血糖或高血糖血糖测量；
标识在所述时间框架的第二子间隔中的多个低血糖或高血糖血糖测量；以及
推断所述第一子间隔中的血糖测量和所述第二子间隔中的血糖测量之间的时间关系。
10.根据项9所述的方法，其中推断所述第一子间隔中的血糖测量和所述第二子间隔中的血糖测量之间的时间关系包括：
确定血糖测量的匹配对，其中匹配对包括所述第一子间隔中的血糖测量和所述第二子间隔中的血糖测量；
确定匹配对的总数量是否超过阈值条件；以及
在肯定确定的情况下，推断包括所标识的模式的所确定的趋势之间的时间关系。
11.根据项10所述的方法，其中确定血糖测量的匹配对包括：
将与所述第一子间隔中的血糖测量相关联的时间戳和与所述第二子间隔中的血糖测量相关联的时间戳进行比较；
如果与所述第一子间隔中的血糖测量相关联的时间戳对应于与所述第二子间隔中的血糖测量相关联的时间戳，则确定匹配对。
12.根据项9所述的方法，其进一步包括：
确定所述第一子间隔与所述第二子间隔之间的时间滞后；以及
如果所述时间滞后大于阈值时间段，则指示所述第一子间隔与所述第二子间隔之间不存在时间关系。
13.根据项1所述的方法，其进一步包括：
接收在所述多个时间框架上取得的与所述患者有关的附加数据；以及
至少部分地基于所述附加数据针对所述时间框架的所标识的一个或多个子间隔来确定所述建议的因果驱动因素。
14.根据项13所述的方法，其中所述附加数据包括以下各项中的一项或多项：胰岛素剂量数据；与所述患者执行的锻炼有关的数据；食物摄取数据；和/或生理测量/数据。
15.一种设备，其包括：
一个或多个处理器；以及
存储器，其中所述存储器包括计算机可读指令，所述计算机可读指令当由所述一个或多个处理器执行时致使所述设备执行方法，所述方法包括：
接收在多个时间框架上取得的与患者有关的多个血糖测量；
标识所述多个血糖测量中的低血糖和/或高血糖血糖测量；
标识所述时间框架的一个或多个子间隔，在所述一个或多个子间隔中存在满足阈值条件的一定数量的低血糖和/或高血糖血糖测量；以及
输出所述时间框架的所标识的一个或多个子间隔；以及
针对所述时间框架的所标识的一个或多个子间隔输出建议的因果驱动因素。
16.一种非暂时性计算机可读介质，其包括计算机可读代码，所述计算机可读代码当由计算机执行时致使所述计算机执行方法，所述方法包括：
接收在多个时间框架上取得的与患者有关的多个血糖测量；
标识所述多个血糖测量中的低血糖和/或高血糖血糖测量；
标识所述时间框架的一个或多个子间隔，在所述一个或多个子间隔中存在满足阈值条件的一定数量的低血糖和/或高血糖血糖测量；以及
输出所述时间框架的所标识的一个或多个子间隔；以及
针对所述时间框架的所标识的一个或多个子间隔输出建议的因果驱动因素。
17.一种系统，其包括：
血糖测量装置；
计算装置，所述计算装置被配置成经由网络从所述血糖测量装置接收血糖测量，所述计算装置包括存储器和一个或多个处理器，其中所述存储器包括计算机可读指令，所述计算机可读指令当由所述一个或多个处理器执行时致使所述计算装置执行方法，所述方法包括：
接收在多个时间框架上取得的与患者有关的多个血糖测量；
标识所述多个血糖测量中的低血糖和/或高血糖血糖测量；
标识所述时间框架的一个或多个子间隔，在所述一个或多个子间隔中存在满足阈值条件的一定数量的低血糖和/或高血糖血糖测量；以及
输出所述时间框架的所标识的一个或多个子间隔；以及
针对所述时间框架的所标识的一个或多个子间隔输出建议的因果驱动因素。

Claims (15)

1.一种计算机实现的血糖分析方法，其包括：
接收在多个时间框架上取得的与个体有关的多个血糖测量；
标识所述多个血糖测量中的低血糖和/或高血糖血糖测量；
标识所述时间框架的多个子间隔，在所述多个子间隔中存在满足阈值条件的一定数量的低血糖和/或高血糖血糖测量；
推断所标识的子间隔的第一子间隔中的血糖测量与所标识的子间隔的第二子间隔中的血糖测量之间的时间关系；
输出所述时间框架的所标识的一个或多个子间隔；以及
针对所推断的时间关系输出建议的因果驱动因素。
2.根据权利要求1所述的方法，其中所述多个时间框架是连续的。
3.根据权利要求1或2中任一项所述的方法，其中所述多个时间框架各自具有一天的持续时间，并且其中所述子间隔为至多三小时的时段。
4.根据权利要求1或2所述的方法，其中所述多个时间框架各自具有一周的持续时间，并且其中所述子间隔为至多一天。
5.根据任一前述权利要求所述的方法，其中所述方法进一步包括绘制来自所述多个时间框架中的每一个的血糖测量以生成血糖测量图。
6.根据权利要求5所述的方法，其中输出所述时间框架的所标识的一个或多个子间隔包括输出所述血糖测量图，其中所述模态时间段的所确定的一个或多个子间隔在所述血糖测量图中被突出显示。
7.根据权利要求5或6中任一项所述的方法，其中绘制来自所述多个时间框架中的每一个的血糖测量包括叠加来自所述多个时间框架中的每一个的血糖测量以生成模态时间段。
8.根据任一前述所述的方法，其中所述阈值条件是在子间隔内的低血糖和/或高血糖血糖测量的数量和/或密度。
9.根据任一前述权利要求所述的方法，其中推断所述第一子间隔中的血糖测量和所述第二子间隔中的血糖测量之间的时间关系包括：
确定血糖测量的匹配对，其中匹配对包括所述第一子间隔中的血糖测量和所述第二子间隔中的血糖测量；
确定匹配对的总数量是否超过阈值条件；以及
在肯定确定的情况下，推断包括所标识的模式的所确定的趋势之间的时间关系。
10.根据权利要求9所述的方法，其中确定血糖测量的匹配对包括：
将与所述第一子间隔中的血糖测量相关联的时间戳和与所述第二子间隔中的血糖测量相关联的时间戳进行比较；
如果与所述第一子间隔中的血糖测量相关联的时间戳对应于与所述第二子间隔中的血糖测量相关联的时间戳，则确定匹配对。
11.根据任一前述权利要求所述的方法，其进一步包括：
确定所述第一子间隔与所述第二子间隔之间的时间滞后；以及
如果所述时间滞后大于阈值时间段，则指示所述第一子间隔与所述第二子间隔之间不存在时间关系。
12.根据任一前述权利要求所述的方法，其进一步包括：
接收在所述多个时间框架上取得的与所述个体有关的附加数据；以及
至少部分地基于所述附加数据针对所述时间框架的所标识的一个或多个子间隔来确定所述建议的因果驱动因素。
13.根据权利要求12所述的方法，其中所述附加数据包括以下各项中的一项或多项：胰岛素剂量数据；与用户执行的锻炼有关的数据；食物摄取数据；和/或生理测量/数据。
14.一种设备，其包括：
一个或多个处理器；以及
存储器，其中所述存储器包括计算机可读指令，所述计算机可读指令当由所述一个或多个处理器执行时致使所述设备执行根据任一前述权利要求所述的方法。
15.一种计算机程序产品，其包括计算机可读代码，所述计算机可读代码当由计算机执行时致使所述计算机执行根据权利要求1至13中任一项所述的方法。
CN201980083483.7A 2018-12-19 2019-12-17 用于血糖测量的模式识别引擎 Pending CN113544794A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
EP18306744.6 2018-12-19
EP18306744 2018-12-19
PCT/EP2019/085476 WO2020127137A1 (en) 2018-12-19 2019-12-17 Pattern recognition engine for blood glucose measurements

Publications (1)

Publication Number Publication Date
CN113544794A true CN113544794A (zh) 2021-10-22

Family

ID=65278157

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201980083483.7A Pending CN113544794A (zh) 2018-12-19 2019-12-17 用于血糖测量的模式识别引擎

Country Status (5)

Country Link
US (1) US12094608B2 (zh)
EP (1) EP3899982A1 (zh)
JP (1) JP7471302B2 (zh)
CN (1) CN113544794A (zh)
WO (1) WO2020127137A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI778464B (zh) * 2020-12-02 2022-09-21 英屬維爾京群島商輝煌時代責任有限公司 影像顯示資訊輸入方法、生理影像資訊處理方法以及影像資訊處理設備

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1956371A2 (en) * 2006-12-21 2008-08-13 Lifescan, Inc. Systems, methods and computer program codes for recognition of patterns of hyperglycemia and hypoglycemia, increased glucose variability, and ineffective self-monitoring in diabetes
CN101290320A (zh) * 2007-03-20 2008-10-22 生命扫描有限公司 在糖尿病管理中用于模式识别的系统和方法
US20100047745A1 (en) * 2006-07-19 2010-02-25 Thomas Bergqwist Mobile Apparatus, Method And System For Processing Blood Sugar Affecting Factors
WO2013184896A1 (en) * 2012-06-07 2013-12-12 Medtronic Minimed, Inc. Diabetes therapy management system for recommending adjustments to an insulin infusion device
CN104470430A (zh) * 2012-07-19 2015-03-25 生命扫描有限公司 指示糖尿病人群高血糖或低血糖的方法和系统
CN107545928A (zh) * 2016-06-28 2018-01-05 腾讯科技（深圳）有限公司 血糖测量的数据处理方法和装置
WO2018132507A1 (en) * 2017-01-11 2018-07-19 Abbott Diabetes Care Inc. Systems, devices, and methods for episode detection and evaluation with visit guides and action plans
CN108335750A (zh) * 2017-01-20 2018-07-27 华广生技股份有限公司 动态分析血糖值的方法及其系统与电脑程序产品
WO2018178048A1 (en) * 2017-03-28 2018-10-04 Ascensia Diabetes Care Holdings Ag Diabetes management systems, methods and apparatus for user reminders, pattern recognition, and interfaces

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2007116953A1 (en) 2006-04-10 2007-10-18 Canon Kabushiki Kaisha Ingesta administration device
JP2007301347A (ja) 2006-04-10 2007-11-22 Canon Inc 摂取物投与装置及び摂取物投与方法
JP2017225602A (ja) 2016-06-22 2017-12-28 株式会社Ｌｕｆｔホールディングス 生体情報管理システム及び測定装置
SE541712C2 (en) * 2017-02-22 2019-12-03 Next Step Dynamics Ab Method and apparatus for health prediction
WO2020002428A1 (en) * 2018-06-26 2020-01-02 Novo Nordisk A/S System providing dose recommendations for basal insulin titration

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100047745A1 (en) * 2006-07-19 2010-02-25 Thomas Bergqwist Mobile Apparatus, Method And System For Processing Blood Sugar Affecting Factors
EP1956371A2 (en) * 2006-12-21 2008-08-13 Lifescan, Inc. Systems, methods and computer program codes for recognition of patterns of hyperglycemia and hypoglycemia, increased glucose variability, and ineffective self-monitoring in diabetes
CN101290320A (zh) * 2007-03-20 2008-10-22 生命扫描有限公司 在糖尿病管理中用于模式识别的系统和方法
WO2013184896A1 (en) * 2012-06-07 2013-12-12 Medtronic Minimed, Inc. Diabetes therapy management system for recommending adjustments to an insulin infusion device
CN104520862A (zh) * 2012-06-07 2015-04-15 美敦力迷你迈德公司 用于建议调整胰岛素输注设备的糖尿病治疗管理系统
CN104470430A (zh) * 2012-07-19 2015-03-25 生命扫描有限公司 指示糖尿病人群高血糖或低血糖的方法和系统
CN107545928A (zh) * 2016-06-28 2018-01-05 腾讯科技（深圳）有限公司 血糖测量的数据处理方法和装置
WO2018132507A1 (en) * 2017-01-11 2018-07-19 Abbott Diabetes Care Inc. Systems, devices, and methods for episode detection and evaluation with visit guides and action plans
CN108335750A (zh) * 2017-01-20 2018-07-27 华广生技股份有限公司 动态分析血糖值的方法及其系统与电脑程序产品
WO2018178048A1 (en) * 2017-03-28 2018-10-04 Ascensia Diabetes Care Holdings Ag Diabetes management systems, methods and apparatus for user reminders, pattern recognition, and interfaces

Also Published As

Publication number Publication date
EP3899982A1 (en) 2021-10-27
US20220051797A1 (en) 2022-02-17
JP7471302B2 (ja) 2024-04-19
WO2020127137A1 (en) 2020-06-25
JP2022514607A (ja) 2022-02-14
US12094608B2 (en) 2024-09-17

Similar Documents

Publication Publication Date Title
US20220093252A1 (en) Machine learning systems and methods to diagnose rare diseases
US20220225931A1 (en) Medical devices and methods for administering basal insulin dose and bolus insulin dose
US11504480B2 (en) Data collection from a medicament delivery device
US12094608B2 (en) Pattern recognition engine for blood glucose measurements
US20240006045A1 (en) User Device and Method for Monitoring Use of an Injection Device and for Monitoring a Disease Progression
US20220244713A1 (en) Methods for Determining a Limit of a Tolerance Interval, Method for Evaluating a Production Process and Corresponding Calculation Device
CN112739396B (zh) 调节药剂剂量的方法
US20230402184A1 (en) Monitoring Device
JP7134997B2 (ja) 健康管理を支えるためのデータ管理ユニット
US11744488B2 (en) NFC glucometer containing rechargeable battery
US20230420125A1 (en) User Device, System and Method for Tracking Use of an Injection Device
WO2024089464A1 (en) Systems and methods for medication and disease tracking
Overbeek Type 2 diabetes, its pharmacological treatment and associations with cancer:(Pharmaco) epidemiological studies based on data from the PHARMO DIAMANT cohort
WO2024100457A1 (en) Machine learning systems and methods to identify locations of potential patients and/or healthcare providers
US20200282142A1 (en) Bolus Calculator and Method for Calculating a Bolus
Maahs et al. Diabetes Technology and Therapy in the Pediatric Age Group
KR20240034818A (ko) 바살 및 볼루스 인슐린의 적정을 수행하기 위한 시스템 및 방법

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