CN114166913B - 自动校准方法和装置、监测分析物浓度水平的系统 - Google Patents
自动校准方法和装置、监测分析物浓度水平的系统 Download PDFInfo
- Publication number
- CN114166913B CN114166913B CN202210123120.5A CN202210123120A CN114166913B CN 114166913 B CN114166913 B CN 114166913B CN 202210123120 A CN202210123120 A CN 202210123120A CN 114166913 B CN114166913 B CN 114166913B
- Authority
- CN
- China
- Prior art keywords
- time
- data
- reference data
- analyte concentration
- user
- 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.)
- Active
Links
- 239000012491 analyte Substances 0.000 title claims abstract description 115
- 238000000034 method Methods 0.000 title claims abstract description 81
- 238000012544 monitoring process Methods 0.000 title claims abstract description 23
- 230000035945 sensitivity Effects 0.000 claims abstract description 87
- 238000005259 measurement Methods 0.000 claims abstract description 44
- 230000005540 biological transmission Effects 0.000 claims description 138
- 238000004891 communication Methods 0.000 claims description 67
- 230000006870 function Effects 0.000 claims description 39
- 238000012423 maintenance Methods 0.000 claims description 13
- 238000012216 screening Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 9
- 238000003908 quality control method Methods 0.000 claims description 8
- 238000012800 visualization Methods 0.000 claims description 5
- 238000003487 electrochemical reaction Methods 0.000 claims description 4
- 230000000737 periodic effect Effects 0.000 claims description 4
- 239000008280 blood Substances 0.000 description 193
- 210000004369 blood Anatomy 0.000 description 193
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 description 188
- 239000008103 glucose Substances 0.000 description 188
- 238000012360 testing method Methods 0.000 description 15
- 230000002159 abnormal effect Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 9
- 238000012545 processing Methods 0.000 description 9
- 239000013074 reference sample Substances 0.000 description 5
- 238000001514 detection method Methods 0.000 description 4
- NOESYZHRGYRDHS-UHFFFAOYSA-N insulin Chemical compound N1C(=O)C(NC(=O)C(CCC(N)=O)NC(=O)C(CCC(O)=O)NC(=O)C(C(C)C)NC(=O)C(NC(=O)CN)C(C)CC)CSSCC(C(NC(CO)C(=O)NC(CC(C)C)C(=O)NC(CC=2C=CC(O)=CC=2)C(=O)NC(CCC(N)=O)C(=O)NC(CC(C)C)C(=O)NC(CCC(O)=O)C(=O)NC(CC(N)=O)C(=O)NC(CC=2C=CC(O)=CC=2)C(=O)NC(CSSCC(NC(=O)C(C(C)C)NC(=O)C(CC(C)C)NC(=O)C(CC=2C=CC(O)=CC=2)NC(=O)C(CC(C)C)NC(=O)C(C)NC(=O)C(CCC(O)=O)NC(=O)C(C(C)C)NC(=O)C(CC(C)C)NC(=O)C(CC=2NC=NC=2)NC(=O)C(CO)NC(=O)CNC2=O)C(=O)NCC(=O)NC(CCC(O)=O)C(=O)NC(CCCNC(N)=N)C(=O)NCC(=O)NC(CC=3C=CC=CC=3)C(=O)NC(CC=3C=CC=CC=3)C(=O)NC(CC=3C=CC(O)=CC=3)C(=O)NC(C(C)O)C(=O)N3C(CCC3)C(=O)NC(CCCCN)C(=O)NC(C)C(O)=O)C(=O)NC(CC(N)=O)C(O)=O)=O)NC(=O)C(C(C)CC)NC(=O)C(CO)NC(=O)C(C(C)O)NC(=O)C1CSSCC2NC(=O)C(CC(C)C)NC(=O)C(NC(=O)C(CCC(N)=O)NC(=O)C(CC(N)=O)NC(=O)C(NC(=O)C(N)CC=1C=CC=CC=1)C(C)C)CC1=CN=CN1 NOESYZHRGYRDHS-UHFFFAOYSA-N 0.000 description 4
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 206010012601 diabetes mellitus Diseases 0.000 description 3
- 241000251468 Actinopterygii Species 0.000 description 2
- 102000004877 Insulin Human genes 0.000 description 2
- 108090001061 Insulin Proteins 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000004140 cleaning Methods 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- DDRJAANPRJIHGJ-UHFFFAOYSA-N creatinine Chemical compound CN1CC(=O)NC1=N DDRJAANPRJIHGJ-UHFFFAOYSA-N 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 229940125396 insulin Drugs 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- JVTAAEKCZFNVCJ-UHFFFAOYSA-N lactic acid Chemical compound CC(O)C(O)=O JVTAAEKCZFNVCJ-UHFFFAOYSA-N 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 208000011731 Abnormal blood glucose concentration Diseases 0.000 description 1
- 201000004569 Blindness Diseases 0.000 description 1
- 108010074051 C-Reactive Protein Proteins 0.000 description 1
- 102100032752 C-reactive protein Human genes 0.000 description 1
- 230000005526 G1 to G0 transition Effects 0.000 description 1
- 206010019280 Heart failures Diseases 0.000 description 1
- 102000004889 Interleukin-6 Human genes 0.000 description 1
- 108090001005 Interleukin-6 Proteins 0.000 description 1
- 108010048233 Procalcitonin Proteins 0.000 description 1
- 102000054727 Serum Amyloid A Human genes 0.000 description 1
- 108700028909 Serum Amyloid A Proteins 0.000 description 1
- 206010067584 Type 1 diabetes mellitus Diseases 0.000 description 1
- LEHOTFFKMJEONL-UHFFFAOYSA-N Uric Acid Chemical compound N1C(=O)NC(=O)C2=C1NC(=O)N2 LEHOTFFKMJEONL-UHFFFAOYSA-N 0.000 description 1
- TVWHNULVHGKJHS-UHFFFAOYSA-N Uric acid Natural products N1C(=O)NC(=O)C2NC(=O)NC21 TVWHNULVHGKJHS-UHFFFAOYSA-N 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000010241 blood sampling Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 229940109239 creatinine Drugs 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 210000003722 extracellular fluid Anatomy 0.000 description 1
- 208000015181 infectious disease Diseases 0.000 description 1
- 230000002458 infectious effect Effects 0.000 description 1
- 238000001802 infusion Methods 0.000 description 1
- 230000003914 insulin secretion Effects 0.000 description 1
- 229940100601 interleukin-6 Drugs 0.000 description 1
- 230000009545 invasion Effects 0.000 description 1
- 150000002576 ketones Chemical class 0.000 description 1
- 230000003907 kidney function Effects 0.000 description 1
- 235000014655 lactic acid Nutrition 0.000 description 1
- 239000004310 lactic acid Substances 0.000 description 1
- 238000002483 medication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 210000000496 pancreas Anatomy 0.000 description 1
- CWCXERYKLSEGEZ-KDKHKZEGSA-N procalcitonin Chemical compound C([C@@H](C(=O)N1CCC[C@H]1C(=O)N[C@@H](CCC(N)=O)C(=O)N[C@H](C(=O)N[C@@H](C)C(=O)N[C@@H]([C@@H](C)CC)C(=O)NCC(=O)N[C@@H](C(C)C)C(=O)NCC(=O)N[C@@H](C)C(=O)N1[C@@H](CCC1)C(=O)NCC(O)=O)[C@@H](C)O)NC(=O)[C@@H](NC(=O)[C@H](CC=1NC=NC=1)NC(=O)[C@H](CC=1C=CC=CC=1)NC(=O)[C@H](CCCCN)NC(=O)[C@H](CC(N)=O)NC(=O)[C@H](CC=1C=CC=CC=1)NC(=O)[C@H](CC(O)=O)NC(=O)[C@H](CCC(N)=O)NC(=O)[C@@H](NC(=O)[C@H](CC=1C=CC(O)=CC=1)NC(=O)[C@@H](NC(=O)CNC(=O)[C@H](CC(C)C)NC(=O)[C@H](CCSC)NC(=O)[C@H]1NC(=O)[C@H]([C@@H](C)O)NC(=O)[C@H](CO)NC(=O)[C@H](CC(C)C)NC(=O)[C@H](CC(N)=O)NC(=O)CNC(=O)[C@@H](N)CSSC1)[C@@H](C)O)[C@@H](C)O)[C@@H](C)O)C1=CC=CC=C1 CWCXERYKLSEGEZ-KDKHKZEGSA-N 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 230000009885 systemic effect Effects 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 208000001072 type 2 diabetes mellitus Diseases 0.000 description 1
- 229940116269 uric acid Drugs 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
- G01N27/26—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating electrochemical variables; by using electrolysis or electrophoresis
- G01N27/416—Systems
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
- G01N27/26—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating electrochemical variables; by using electrolysis or electrophoresis
- G01N27/416—Systems
- G01N27/4163—Systems checking the operation of, or calibrating, the measuring apparatus
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
- G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
- G01N33/66—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving blood sugars, e.g. galactose
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/38—Services specially adapted for particular environments, situations or purposes for collecting sensor information
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Molecular Biology (AREA)
- Pathology (AREA)
- Biochemistry (AREA)
- Hematology (AREA)
- Analytical Chemistry (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Electrochemistry (AREA)
- Computer Networks & Wireless Communication (AREA)
- Urology & Nephrology (AREA)
- Signal Processing (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Biomedical Technology (AREA)
- Cell Biology (AREA)
- Medicinal Chemistry (AREA)
- Food Science & Technology (AREA)
- Microbiology (AREA)
- Computing Systems (AREA)
- Medical Informatics (AREA)
- Biotechnology (AREA)
- Diabetes (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明涉及分析物浓度数据校准领域，提供一种自动校准方法和装置、监测分析物浓度水平的系统，其中所述方法包括：在第一时刻接收用户的至少一组参考数据，至少一组参考数据是由至少一种第一设备获取的，每一组参考数据包括第一分析物浓度数据及其对应的第二时刻；基于至少一组参考数据，选取用于校准的第一数据组，选取的方式是基于用户所处于的实时场景进行选取；基于第一数据组和第二设备在第三时刻所采集的原始数值，生成第一灵敏度；基于第一灵敏度，对第一时间段的第二分析物浓度数据集进行自动校准，第一时间段由第二时刻延续至第四时刻。本发明生成的第一灵敏度，使第二设备生成更精准的数据集，实现了第二设备的高灵敏度、高测量精准度。
Description
技术领域
本发明涉及分析物浓度数据校准领域，尤其涉及一种自动校准方法和装置、监测分析物浓度水平的系统。
背景技术
一些疾病需要对分析物浓度进行连续监测，例如糖尿病是由于胰腺不能产生胰岛素而引起血糖浓度数据异常的疾病（1型糖尿病）或胰岛素分泌和作用效率低下（2型糖尿病）。受糖尿病影响的用户需要全天监测血糖（BG）水平，以控制血糖并采取对策，以使其尽可能保持在正常范围内。糖尿病用户被迫服用外源性胰岛素输注或药物,其时间表和剂量是根据BG测量值确定得出的。
根据当前的测量标准，可通过两种主要方式收集BG测量值:i)在日常生活中通过毛细血管扎指头、以取出指血，并用试纸测量，即每天最多4-5次自我监测血糖；ii)在住院临床试验中，通过指血关联的血糖仪进行测量。这两个BG监视系统都相当准确。但是，无法连续、动态地监测用于的血糖浓度变化水平，只能偶尔进行血液采样,用户的葡萄糖浓度快速波动可能会导致看不见。
在过去的数十年中，已经引入了连续葡萄糖监测（Continuous Blood Glucosemonitoring，CGM）系统。与BG测量系统不同，这些CGM设备可测量组织间液中的血糖，从而降低了扎指头侵入人体的频率，并允许连续多天每1-5分钟可视化实时血糖浓度值。CGM系统提供了更完整的葡萄糖波动图，证明了使用BG系统无法检测到的关键事件。但是，CGM系统仍然存在一些不准确性。实际上，与BG测试的结果相比，CGM测试的结果有时会出现瞬时或系统的低估/高估。CGM的时间分辨率（每1-5分钟显示）比BG高得多，但有时会表现出对真实血糖浓度的系统性低估/高估。显然，CGM的准确性不足会损害其临床应用，目前，在研究界已认识到CGM的准确性对临床实际应用时存在的瓶颈。
发明人在实现本发明实施例的过程中，发现背景技术中至少存在以下缺陷：在通过利用少量、稀疏但准确的参考样本（例如，可以是通过血糖仪获得的BG值）对频繁、连续的分析物浓度测量的数据进行校准时，未考虑到以下因素：i)未对少量、稀疏但准确的参考样本进行筛选，尤其是当存在多个参考样本时，在筛选用于校准的数据时，未考虑到用户所处于的实时场景，未对数据来源进行考量、筛选后再用于校准，可能会导致在不适当或不必要的实时场景下校准，或导致用于校准的数据的可信任度不高，并不一定能够体现用户的真实分析物浓度水平。ii)未考虑到因测量或数据传输均需要一定时间，或一些远程操作或医护中心场景下的操作、排队、等待、查询结果等过程都需要时间，或在医护中心测量后需要回病房或回家等待结果时也需要消耗一定的时间，少量、稀疏但准确的参考样本未必（甚至必然不会）在实测时刻就能够传输到连续的分析物浓度测量设备处，必然的，导致连续的分析物浓度测量设备接收到用于校准的参考样本的时刻与参考样本实际测量时刻之间或多或少地存在一定的时间差，如果无法消除该时间差，尤其是在分析物浓度数据处于非平稳阶段时，用于校准的数据（例如，实际测量时刻的BG值）可能被用于在接收到用于校准的参考样本的时刻进行校准，可能会出现因校准数据与用户校准时的分析物浓度水平差别较大、导致校准后的连续的分析物浓度测量设备更不准确。
发明内容
本发明提供一种自动校准方法和装置、监测分析物浓度水平的系统，用以解决现有技术中存在的技术缺陷。
本发明提供一种自动校准方法，包括：
在第一时刻接收用户的至少一组参考数据，所述至少一组参考数据是由至少一种第一设备获取的，每一组所述参考数据包括第一分析物浓度数据及其对应的第二时刻；
基于所述至少一组参考数据，选取用于校准的第一数据组，所述选取的方式是基于所述用户所处于的实时场景进行选取，所述实时场景的确定方式至少包括：所述实时场景是基于与第二设备所采集的第二分析物浓度数据集的状态确定的；其中，所述用户与所述第二设备是预先相关联的，每一组所述参考数据的第一可信任度大于所述第二分析物浓度数据集的第二可信任度；
基于所述第一数据组和所述第二设备在第三时刻所采集的原始数值，生成第一灵敏度；
基于所述第一灵敏度，对所述第一时间段的第二分析物浓度数据集进行自动校准；所述第一时间段由所述第二时刻开始延续至第四时刻。
优选的是，所述的自动校准方法，其中，所述第二时刻位于所述第一时刻之前，所述第二时刻为所述参考数据的实测时刻。
优选的是，所述的自动校准方法，其中，所述第一时刻与第二时刻之间的第一时间差不小于一个显示周期，所述显示周期为第二设备对所述第二分析物浓度数据集进行显示的周期。
优选的是，所述的自动校准方法，其中，所述显示周期不小于1分钟。
优选的是，所述的自动校准方法，其中，所述第三时刻位于所述第二时刻之前，且所述第二时刻和第三时刻之间的第二时间差小于一个所述显示周期。
优选的是，所述的自动校准方法，其中，所述原始数值包括所述第二设备采集的用于确定所述第二分析物浓度数据集的数据。
优选的是，所述的自动校准方法，其中，所述原始数值包括用于确定所述第二分析物浓度数据集的电流值，所述电流值为所述第二设备中的传感器与特定溶液之间产生电化学反应后所获得的；所述特定溶液为所述传感器所处于的溶液。
优选的是，所述的自动校准方法，其中，所述基于所述第一数据组和所述第二设备在第三时刻所采集的原始数值，生成第一灵敏度，包括：基于所述第二时刻的第一分析物浓度数据和第三时刻所采集的原始数值之间的比例关系，生成第一灵敏度。
优选的是，所述的自动校准方法，其中，所述第一灵敏度是利用比例关系确定的，所述比例关系为所述第三时刻所采集的原始数值与所述第一数据组中的第一分析物浓度数据之间的比例，即，所述第一灵敏度是利用以下公式确定的：
其中，S表示第一灵敏度，I表示第三时刻所采集的原始数值，G表示所述第一数据组中的第一分析物浓度数据。
优选的是，所述的自动校准方法，其中，所述第四时刻位于所述第二时刻之后。
优选的是，所述的自动校准方法，其中，所述参考数据是基于预设规则进行预先筛选后得到的。
优选的是，所述的自动校准方法，其中，所述预设规则包括：当同一种第一设备在所述显示周期内存在多组数据，筛选出最接近所述第一时刻的一组数据作为参考数据。
优选的是，所述的自动校准方法，其中，所述每一组所述参考数据还包括数据来源，所述实时场景的确定方式至少还包括：所述实时场景是基于所述数据来源确定的。
优选的是，所述的自动校准方法，其中，所述每一组所述参考数据的第一可信任度大于所述第二分析物浓度数据集的第二可信任度是基于所述第一设备的定期质控维护记录确定的。
优选的是，所述的自动校准方法，其中，所述第二设备包括接收设备和电子设备，当所述第二设备无法与第一设备近距离通信时，所述在第一时刻接收至少一组用户的参考数据包括：
利用所述接收设备，在第一时刻接收由至少一服务器基于第一网络传输的至少一组用户的参考数据；
利用所述电子设备，接收由所述接收设备基于第二网络传输的至少一组用户的参考数据；
其中，所述第一网络为至少具有长距离通信功能的网络；
所述第二网络为至少具有近距离通信功能的网络。
优选的是，所述的自动校准方法，其中，所述利用所述接收设备，在第一时刻接收由至少一服务器基于第一网络传输的至少一组用户的参考数据，包括：
利用至少一中间传输设备，接收由至少一服务器基于第一网络传输的至少一组用户的参考数据；
利用所述接收设备，在第一时刻接收由所述至少一中间传输设备基于第三网络传输的至少一组用户的参考数据；
其中，所述第三网络为具有长距离通信功能或短距离通信功能的网络。
优选的是，所述的自动校准方法，其中，所述利用至少一中间传输设备，接收由至少一服务器基于第一网络传输的至少一组用户的参考数据之前，包括：
配置所述中间传输设备，所述配置的方式包括：与至少一个所述接收设备之间预先建立通信连接关系。
优选的是，所述的自动校准方法，其中，所述配置的方式包括：获取和/或控制所述中间传输设备与所述接收设备的通信状态。
优选的是，所述的自动校准方法，其中，所述控制所述中间传输设备与所述接收设备的通信状态，包括：控制所述中间传输设备与所述接收设备的通信连接关系，所述通信连接关系包括所述接收设备对所述中间传输设备的连接状态关系、连接选择关系或连接优先级关系。
优选的是，所述的自动校准方法，其中，所述方法还包括：
利用至少一显示模块实现所述第二分析物浓度数据集的可视化；
和/或，利用至少一采集模块获取所述用户的数据。
本发明还提供了一种自动校准装置，包括：
参考数据接收模块，用于在第一时刻接收用户的至少一组参考数据，所述至少一组参考数据是由至少一种第一设备获取的，每一组所述参考数据包括第一分析物浓度数据及其对应的第二时刻；
第一数据组选取模块，用于基于所述至少一组参考数据，选取用于校准的第一数据组，所述选取的方式是基于所述用户所处于的实时场景进行选取，所述实时场景的确定方式至少包括：所述实时场景是基于与第二设备所采集的第二分析物浓度数据集的状态确定的；其中，所述用户与所述第二设备是预先相关联的，每一组所述参考数据的第一可信任度大于所述第二分析物浓度数据集的第二可信任度；
第一灵敏度生成模块，用于基于所述第一数据组和所述第二设备在第三时刻所采集的原始数值，生成第一灵敏度；
自动校准模块，用于基于所述第一灵敏度，对所述第一时间段的第二分析物浓度数据集进行自动校准；所述第一时间段由所述第二时刻开始延续至第四时刻。
本发明还提供了一种用于监测分析物浓度水平的系统，包括：
传感器，其被配置成获取第二分析物浓度数据集；
无线发射器，其用以发射所述第二分析物浓度数据集；
以及
移动计算装置，其包括：
接收设备，其被配置成接收至少一组用户的参考数据和所述第二分析物浓度数据集；
存储器，其用以存储包含所述第二分析物浓度数据集和至少一组用户的参考数据的数据；
处理器，其用以处理所述数据，以及软件应用程序，其包含存储于所述存储器中的指令，所述指令当由所述处理器执行时在第一时刻接收用户的至少一组参考数据，所述至少一组参考数据是由至少一种第一设备获取的，每一组所述参考数据包括第一分析物浓度数据及其对应的第二时刻；
基于所述至少一组参考数据，选取用于校准的第一数据组，所述选取的方式是基于所述用户所处于的实时场景进行选取，所述实时场景的确定方式至少包括：所述实时场景是基于与第二设备所采集的第二分析物浓度数据集的状态确定的；其中，所述用户与所述第二设备是预先相关联的，每一组所述参考数据的第一可信任度大于所述第二分析物浓度数据集的第二可信任度；
基于所述第一数据组和所述第二设备在第三时刻所采集的原始数值，生成第一灵敏度；
基于所述第一灵敏度，对所述第一时间段的第二分析物浓度数据集进行自动校准；所述第一时间段由所述第二时刻开始延续至第四时刻。
本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述自动校准方法的步骤。
本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述自动校准方法的步骤。
本发明基于用户所处于的实时场景，对第一时刻所接收的用户的至少一组参考数据进行选取，选取出用于校准的第一数据组，其中，每一组所述参考数据包括第一分析物浓度数据及其对应的第二时刻，第一数据组的第一可信任度大于所述第二分析物浓度数据集的第二可信任度，并基于所述第一数据组和所述第二设备在第三时刻所采集的原始数值，生成用于自动校准第一时间段的第二分析物浓度数据集的第一灵敏度，该自动校准方式充分考虑了用于校准的数据的可信任度、以及用户所处于的实时场景，同时充分考虑了用于校准的数据的实际产生时刻，将第二设备与第一设备的数据先对应到同样的时刻，再更新实际产生时刻及其之后的第一灵敏度，避免了时间差引起的误差，尤其是避免了在分析物浓度数据处于非平稳阶段时时间差引起的误差，因此，经过该自动校准后的第一灵敏度，可以在第一时间段使得第二设备生成更精准的第二分析物浓度数据集，实现了第二设备的高灵敏度、高测量精准度。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明各个实施例所涉及的一种实施环境的结构示意图。
图2是本发明提供的自动校准方法的流程示意图。
图3是本发明提供的自动校准方法中具体实施中的实施场景的示意图。
图4是本发明提供的自动校准方法中通过服务器连接血糖仪和接收设备的示意图。
图5是本发明提供的自动校准方法中血糖仪直接连接接收设备的示意图。
图6是本发明提供的自动校准方法实施后与未实施自动校准的血糖浓度对比示意图。
图7是本发明提供的自动校准装置的结构示意图。
图8是本发明提供的电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明中的分析物可以是血糖、血酮，乙醇，乳酸，肌酐（与肾功能相关的分析物），尿酸，引起心衰（BNP）的分析物，各种感染源分析物（如C 反应蛋白、降钙素原、血清淀粉样蛋白 A、白介素 6等），等等，每种分析物都可以具有连续测浓度的设备，以及更精准的非连续测浓度的设备，以下实施例中，以血糖浓度作为示例进一步进行说明，其他分析物的校准、监测方式同血糖。
请参考图1，其示出了本发明各个实施例所涉及的其中一种实施环境的结构示意图。该实施环境包括：第一设备100和第二设备200，和/或服务器300。
第一设备100可以是一种具备血糖测试能力的设备，如通过采集指血的方式测试血糖浓度数据的血糖仪、血糖计、血糖监测设备、血糖测试设备等。
第二设备200可以是连续动态血糖监测（CGM）系统，CGM系统被配置为连续监测人的血糖。CGM系统可以配置有CGM传感器,例如,该CGM传感器,其皮下插入人的皮肤并检测指示人的血糖的分析物。CGM系统可以连续地基于检测到的分析物产生葡萄糖测量。如本文所用,术语“连续”是接近连续的,使得连续葡萄糖监测以CGM系统的资源(例如,电池寿命,处理能力,通信能力等)支持的时间间隔产生测量，连续监测的血糖浓度数据不需要手动交互,例如扎手指并采集指血来获得。通过连续监测葡萄糖水平,CGM系统不仅允许用户对其治疗做出更好的知情决策,而且还继续监测葡萄糖水平,同时允许他们利用扎手指并采集指血的方式对CGM系统进行校准。CGM系统可以包含具备数据处理能力的接收设备，接收设备可以如手机、平板电脑、电子书阅读器、MP3播放器(Moving Picture Experts GroupAudio Layer III，动态影像专家压缩标准音频层面3)、MP4(Moving Picture ExpertsGroup Audio Layer IV，动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。接收设备中可以安装有应用程序客户端，或者安装有浏览器，通过浏览器访问应用程序的网页客户端。本发明实施例将应用程序客户端和网页客户端统称为客户端，下文不再特别声明。
服务器300可以是一台近端或远端服务器，或者由若干台服务器组成的服务器集群，或者是一个云计算服务中心。当第二设备200和服务器300同时处理本发明相关业务时，服务器300可用于与第二设备200交互提供本发明相关业务。服务器300是与客户端对应的服务器，两者可以结合实现客户端提供的各项功能，通常由互联网服务商来设立。
第二设备200与第一设备100之间可以通过无线网络或者有线网络相连实现数据传输；第二设备200与第一设备100之间也可以通过分别与服务器300通过无线网络或者有线网络相连实现数据传输。
下面结合图2描述本发明的一种自动校准方法，该方法包括：S1、在第一时刻接收用户的至少一组参考数据，所述至少一组参考数据是由至少一种第一设备100获取的，每一组所述参考数据包括第一分析物浓度数据及其对应的第二时刻。
第一设备100可能只有一种设备，也可能是多种不同的品牌或同一品牌的不同型号的设备，每一组参考数据对应于一种品牌或一种型号，或，每一组参考数据是同一种品牌或一种型号在不同时刻采集的数据，每一组所述参考数据包括第一血糖浓度数据及其对应的第二时刻，第一时刻为接收用户的至少一组参考数据的时刻，第二时刻是第一血糖浓度数据的实际测量的时刻，第二时刻可能是多个时刻的集合，第二时刻不同于第一时刻，且存在一定的时间差。
S2、基于所述至少一组参考数据，选取用于校准的第一数据组，所述选取的方式是基于所述用户所处于的实时场景进行选取，所述实时场景的确定方式至少包括：所述实时场景是基于与第二设备200所采集的第二分析物浓度数据集的状态确定的；其中，所述用户与所述第二设备200是预先相关联的，每一组所述参考数据的第一可信任度大于所述第二分析物浓度数据集的第二可信任度。
所述用户与所述第二设备200是预先相关联的，第一设备100用于校准的数据与第二设备200是对应于同一个用户的。第一设备100可以关联多个用户，相应的，将每个用户的数据分别传输给每一个用户所预先相关联的第二设备200。
在至少一组参考数据中，选取用于校准的第一数据组。在选取之前，经过确认的是，每一组所述参考数据的第一可信任度大于所述第二血糖浓度数据集的第二可信任度，可以限定第一设备100是通过采集指血的方式测试血糖浓度数据的。一种情况下的实时场景可以是第二时刻、或所述第二时刻所处于的显示周期所对应的场景，该实时场景是基于第二设备200所采集的第二血糖浓度数据集的状态确定的，优选的，是基于第二时刻附近的时间段或第二时刻所处于的显示周期的第二血糖浓度数据集的状态确定的，该状态能够表示第二时刻附近的时间段或第二时刻所处于的显示周期的第二血糖浓度数据集是否异常。进一步的，如果状态为异常，此时暂停校准，在状态为正常情况下，继续校准。即，由于状态为异常时，可以认为此时校准是没有意义的，第二设备200应处于正常工作状态，则进行校准。
S3、基于所述第一数据组和所述第二设备200在第三时刻所采集的原始数值，生成第一灵敏度；
用于校准的第一数据组包含了第二时刻这个时间值，以及第二时刻的第一血糖浓度数据，也就是带有时间戳的第一血糖浓度数据，该第一血糖浓度数据是在至少一组参考数据中选取出的，可用于校准的数据。所述第二设备200在第三时刻所采集的原始数值可以是第三时刻的电流值，第三时刻接近第二时刻。利用原始数值和第一血糖浓度数据，可以重新确定出第二时刻及以后的第一灵敏度。
S4、基于所述第一灵敏度，对所述第一时间段的第二分析物浓度数据集进行自动校准；所述第一时间段由所述第二时刻开始延续至第四时刻。
第一灵敏度是对应于第一时间段的，利用第一灵敏度，对所述第一时间段的第二血糖浓度数据集进行自动校准，也就是基于第一灵敏度，利用第一时间段的原始数值，重新生成新的第一时间段的第二血糖浓度数据集。
在一种情况下，本发明的执行主体是第二设备200或服务器300等其他具有数据处理能力的设备。本发明基于用户所处于的实时场景，对第一时刻所接收的用户的至少一组参考数据进行选取，选取出用于校准的第一数据组，其中，每一组所述参考数据包括第一血糖浓度数据及其对应的第二时刻，第一数据组的第一可信任度大于所述第二血糖浓度数据集的第二可信任度，并基于所述第一数据组和所述第二设备在第三时刻所采集的原始数值，生成用于自动校准第一时间段的第二血糖浓度数据集的第一灵敏度，该自动校准方式充分考虑了用于校准的数据的可信任度、以及用户所处于的实时场景，同时充分考虑了用于校准的数据的实际产生时刻，将第二设备200与第一设备100的数据先对应到同样的时刻，再更新实际产生时刻及其之后的第一灵敏度，避免了时间差引起的误差，尤其是避免了在血糖浓度数据处于非平稳阶段（比如正常波动、快速波动等情况）时的时间差引起的误差，因此，经过该自动校准后的第一灵敏度，可以在第一时间段使得第二设备200生成更精准（也就是更接近用户真实的血糖水平）的第二血糖浓度数据集，实现了第二设备200的高灵敏度、高测量精准度。当然，本发明的校准方法也同样适用于平稳阶段，在一种情况下，血糖浓度数据越不平稳，本发明的校准方法越被需要、效果越好。
在一个优选实施例中，所述第二时刻位于所述第一时刻之前，所述第二时刻为所述参考数据的实测时刻。
该实施例中，限定了第二时刻位于所述第一时刻之前，由于测量或数据传输均需要一定时间，或一些医护中心等操作、排队、等待、查询结果等过程都需要时间，或在医护中心测量后需要回病房或回家等待结果时也需要消耗一定的时间，数据未必在实测时刻就能够传输到第二设备200处，必然的，导致第一时刻与第二时刻之间或多或少地存在一定的时间差。基于此，本发明实施例中，将用于校准的第二时刻的参考数据前置到对应的实测时刻的第二血糖浓度数据集去校准，而不是将接收参考数据的时刻直接用于对当前时刻的第二血糖浓度数据集，可以消除上述原因导致的一定的时间差，采用实测时刻的第一血糖浓度数据用于校准第二设备200在第二时刻开始的第一灵敏度。采用这种方式，可以消除由于时间差引起的第一血糖浓度数据不能够反映实测时刻真实数据导致的误差，可以更真实的还原实测时刻的真实情况，由此生成的第一灵敏度非常贴近实测时刻的真实灵敏度，可以使得第一时间段的第一灵敏度更精准，进而使得第一时间段的第二血糖浓度数据集更精准。
在一个优选实施例中，所述第一时刻与第二时刻之间的第一时间差不小于一个显示周期，所述显示周期为第二设备200对所述第二血糖浓度数据集进行显示的周期。
显示周期是指第二设备200对所述第二血糖浓度数据集进行显示的周期，第一时刻与第二时刻之间的第一时间差不小于一个显示周期，也就是，在第一时间差更大的情况下，越是能够体现出本发明能够消除时间差的优势。当然，第一时间差小于一个显示周期的场景下，本发明的校准方法也是同样适用的。
在一个优选实施例中，所述显示周期不小于1分钟。
显示周期优选为2-3分钟，一般地，CGM系统对数据显示的时间间隔，也就是显示周期是2-3分钟。
在一个优选实施例中，所述第三时刻位于所述第二时刻之前，且所述第二时刻和第三时刻之间的第二时间差小于一个所述显示周期。
第三时刻所采集的原始数值，是用于与所述第一数据组共同生成第一灵敏度的，因此第三时刻需要尽可能的接近第二时刻，优选的，可以限定第三时刻位于所述第二时刻之前，并限定第二时间差小于一个显示周期，这样确保，第二时刻的第一血糖浓度数据与第三时刻的原始数值在时间差上尽可能小，也就是第二时刻的第一血糖浓度数据更能够关联第三时刻的原始数值。
在一个优选实施例中，所述原始数值包括所述第二设备200采集的用于确定所述第二血糖浓度数据集的数据。一般的，所述原始数值包括用于确定所述第二血糖浓度数据集的电流值，所述电流值为所述第二设备200中的传感器与特定溶液（比如，用户体内的血液、组织间液或其他的溶液等）之间产生电化学反应后所获得的；所述特定溶液为所述传感器所处于的溶液。
在一个优选实施例中，所述基于所述第一数据组和所述第二设备200在第三时刻所采集的原始数值，生成第一灵敏度，包括：基于所述第二时刻的第一分析物浓度数据和第三时刻所采集的原始数值之间的比例关系，生成第一灵敏度。
更为具体的，所述第一灵敏度是利用比例关系确定的，所述比例关系为所述第三时刻所采集的原始数值与所述第一数据组中的第一分析物浓度数据之间的比例，即，所述第一灵敏度是利用以下公式确定的：
其中，S表示第一灵敏度，I表示第三时刻所采集的原始数值，G表示所述第一数据组中的第一分析物浓度数据。
在一个优选实施例中，所述第四时刻位于所述第二时刻之后。
用于确定第一时间段末端的第四时刻一定是在第二时刻之后的，也就是说，将第二时刻及其附近的数据用于校准第二时刻及第二时刻之后的一段时间的数据。
在一种情况下，所述第四时刻位于所述第二时刻之后，且位于所述第一时刻之前，所述第一时刻为接收用户的至少一组参考数据的当前时刻，相应的，所述对所述第一时间段的第二血糖浓度数据进行自动校准包括：对第二时刻至位于当前时刻之间的第四时刻的第二血糖浓度数据进行自动校准。
在另一种情况下，所述第四时刻位于所述第一时刻之后，所述第一时刻为接收用户的至少一组参考数据的当前时刻，相应的，所述对所述第一时间段（可以分为以下第二时间段和第三时间段）的第二血糖浓度数据进行自动校准包括：
对第二时间段（第二时刻至当前时刻）的第二血糖浓度数据进行自动校准；
和/或，对第三时间段（当前时刻至第四时刻，可以包含当前时刻）的第二血糖浓度数据进行自动校准；以上的第二时间段由第二时刻延续至第一时刻（即当前时刻），所述第三时间段由第一时刻延续至第三时刻。以上融合了当前时刻之前以及当前时刻（可以包含当前时刻）之后的校准。
在另一种情况下，所述第四时刻至少位于利用第二数据组进行校准之前，所述第二数据组是基于与第五时刻对应的至少一组用户的参考数据得到的，所述第五时刻至少位于所述第二时刻之后。也就是，本次校准的灵敏度限定用于在下一次校准之前。此种情况下，可能第四时刻也有一组参考数据，如4：00有一组用于校准的数据，4：20有一组用于校准的数据，4：30将两组用于校准的数据同时输入，则4：00至4：20的为第一时间段，利用4：00的数据进行校准，此处为第二时间段的校准；利用4：20的数据进行校准，校准的逻辑同上，此时是校准4：20至下一组用于校准的数据输入时，也就是晚于第一时刻4：30的第五时刻。
在一个优选实施例中，所述参考数据是基于预设规则进行预先筛选后得到的。预设规则可以是基于过往的经验、用户的过往血糖浓度数据、预测的血糖浓度数据或者在第二设备200获取的血糖浓度数据的一定的置信区间内的数据，进行数据清洗或预处理，剔除掉一些异常值或坏数据，不过一般情况下，可以确定的是，第一设备100一定是更值得信任的设备。
在一个优选实施例中，所述预设规则包括：当同一种第一设备100在所述显示周期内存在多组数据，筛选出最接近所述第一时刻的一组数据作为参考数据。
同一种第一设备可以是指同一个品牌的血糖仪，也可以指的是同一种型号的血糖仪，此时若是在所述显示周期内存在多组数据(因第二时刻可能是多个时刻的集合，多组数据可能是不同时刻的数据)，则筛选出最接近所述当前时刻的一组数据作为参考数据，越是接近当前时刻，参考价值越高。
在一个优选实施例中，所述每一组所述参考数据还包括数据来源，所述实时场景的确定方式至少还包括：所述实时场景是基于所述数据来源确定的。
数据来源可以指多种不同的品牌或同一品牌的不同型号的设备，可以是罗氏、鱼跃或其他品牌。在一种情况下，当使用的是不同品牌的血糖仪，优选该用户历史使用的血糖仪所获取的数据作为参考数据，例如，同一个用户在血糖监测过程中，每一次校准用的参考数据的来源应可以是同一种第一设备100；在多种可信任数据来源时，选一种特定的来源，也可以减小误差。
在一个优选实施例中，所述每一组所述参考数据的第一可信任度大于所述第二分析物浓度数据集的第二可信任度是基于所述第一设备100的定期质控维护记录确定的。
在一种情况下，血糖仪一般是需要定期校准质控维护的，且保留有维护记录，维护记录上可以有一些测试精准度等数据，可以基于维护记录来确认第一可信任度。如果长时间未做校准质控维护，未查到校准质控维护记录的设备的第一可信任度较低，则不采用，一般采用的血糖仪的第一可信任度是大于第二可信任度的。
在一个优选实施例中，所述第二设备200包括接收设备（通常是指安装有应用程序客户端的设备、即CGM中用于数据的显示和/或处理的设备）和电子设备（通常是指CGM中用于收发数据的发射器），当所述第二设备200无法与第一设备100近距离通信时，所述在第一时刻接收至少一组用户的参考数据包括：
利用所述接收设备，在第一时刻接收由至少一服务器基于第一网络传输的至少一组用户的参考数据；
利用所述电子设备，接收由所述接收设备基于第二网络传输的至少一组用户的参考数据；
其中，所述第一网络为至少具有长距离通信功能的网络；第一网络可以是无线的Wi-Fi、有线的以太网等。
所述第二网络为至少具有近距离通信功能的网络。近距离通信功能的网络可以包括蓝牙、红外等。
在一种场景下，所述第二设备200无法与第一设备100近距离通信的场景，例如，第一设备100位于医护中心、血糖仪所在的检测中心处，第二设备200处于医护中心病房场景、门诊场景、门诊后回家场景、或距离检测中心一定距离的任何场景下，上述场景下，可以采用至少一服务器作为中间数据传输或处理的设备，利用所述接收设备，在第一时刻接收由至少一服务器基于第一网络传输的至少一组用户的参考数据；利用所述电子设备，接收由所述接收设备基于第二网络传输的至少一组用户的参考数据。
当第一设备100位于医护中心血糖仪所在的检测中心处，第二设备200处于医护中心病房场景或门诊场景时，在消除时间差的同时，还可以解决用户需要在检测中心处排队等候检测结果的问题，且第一设备100采集的数据可以传输至第二设备200处，并用于校准第二设备200。用户在检测中心测试结束可以直接回到病房，极大的方便了用户，提升了用户体验感。
当第一设备100位于医护中心血糖仪所在的检测中心处，第二设备200处于门诊后回家场景、或距离检测中心一定距离的场景下，在消除时间差的同时，还可以解决用户需要在医护中心或检测中心等固定场地排队等候检测结果的问题，同样可以居家接收第一设备100采集的数据并将数据用于校准第二设备200。用户在医护中心测试结束可以直接回家，极大的方便了用户，提升了用户体验感。
在另一种场景下，所述第二设备200可以与第一设备100近距离通信，当所述第二设备200与第一设备100处于可近程接触的场景，例如居家场景，采用毛细血管扎指头、以取出指血用血糖仪测量时，或医护中心场景下的第一设备100、第二设备200均位于医护中心血糖仪所在的检测中心处时，可利用第二网络，使第二设备200与第一设备100直接近程通信，在第一时刻接收至少一组用户的参考数据。当然，也可以使用至少一服务器作为中间数据传输或处理的设备，来实现数据的传输。至少一服务器可以包括血糖仪对应的服务器、CGM系统对应的服务器或其他中继服务器；血糖仪对应的服务器和CGM系统对应的服务器也可以是同一个服务器。
在一个优选实施例中，所述利用所述接收设备，在第一时刻接收由至少一服务器基于第一网络传输的至少一组用户的参考数据，包括：利用至少一中间传输设备，接收由至少一服务器基于第一网络传输的至少一组用户的参考数据。
利用所述接收设备，在第一时刻接收由所述至少一中间传输设备基于第三网络传输的至少一组用户的参考数据。
其中，所述第三网络为具有长距离通信功能或短距离通信功能的网络。第三网络可以是无线的Wi-Fi、有线的以太网等。
在一种情况下，至少一服务器的作用主要是中间传输、筛选、存储或处理数据，可以是一个服务器，也可以是两个或两个以上，存在两个或两个以上服务器时，各个服务器之间是通过有线或无线网络连接，以达到相互传输数据的功能。
在一个优选实施例中，所述利用至少一中间传输设备，接收由至少一服务器基于第一网络传输的至少一组用户的参考数据之前，包括：
配置所述中间传输设备，所述配置的方式包括：与至少一所述接收设备之间预先建立通信连接关系。
在一个实施例中，每个病房中设置一中间传输设备，每个中间传输设备与至少一所述接收设备之间预先建立通信连接关系，每个中间传输设备可以对应与多个接收设备之间预先建立通信连接关系。
在一个优选实施例中，所述配置的方式包括：获取和/或控制所述中间传输设备与所述接收设备的通信状态。
应用程序可以被配置为包括管理服务器、控制中间传输设备工作状态、分析与展示血糖浓度数据的功能。
服务器包含的中心计算模块被配置为：存储中间传输设备所接收的血糖浓度数据和应用程序生成的用户信息。
中间传输设备和中心计算模块被配置为接收和执行所述应用程序发送的指令。
作为本申请的一方面，应用程序通过主动（接入医护中心信息系统）或被动（人为输入）的方式获得用户信息，并被动地将用户与发射器匹配，此时发射器与用户形成对应关系。应用程序获取中间传输设备与发射器的通信状态，若无中间传输设备与发射器进行通信，则发送指令让全部中间传输设备进行扫描，并控制某些中间传输设备通过第一路径与发射器进行通信，或某些中间传输设备不与发射器进行通信。中心计算模块通过第二路径与中间传输设备进行通信，并存储中间传输设备通过第一路径接收发射器持续发送的对应于用户的血糖浓度数据。应用程序可对中心计算模块所储存的血糖浓度数据进行各种分析、逻辑运算及结果的展示。
在一个优选实施例中，所述控制所述中间传输设备与所述接收设备的通信状态，包括：控制所述中间传输设备与所述接收设备的通信连接关系，所述通信连接关系包括所述接收设备对所述中间传输设备的连接状态关系、连接选择关系或连接优先级关系。
作为本申请另一优选的方案，医护人员可以通过应用程序控制发射器和中间传输设备的连接状态。具体的，当用户结束治疗可以离开医疗中心的时候，护士将用户从住院列表中移除，应用程序相应地发送指令让中间传输设备与发射器断开通信并让所有的中间传输设备停止再与发射器进行通信。
作为本申请的一优选方案，可以包含多个中间传输设备，多个中间传输设备依据最佳覆盖范围设置在医护中心的不同位置，比如不同的病房、护士站、医生办公室、走廊等用户可能涉及到的地方。
作为本申请的另一优选方案，一个中间传输设备可以连接多个发射器，一个发射器也可以连接多个中间传输设备。具体的，发射器位于医护中心的不同位置时，为保证血糖浓度数据发送的实时性和持续性，该发射器与前一中间传输设备断开通信后需要立刻与另一中间传输设备建立通信。更具体的，当发射器位置发生变化导致与前一中间接收模块连接断开后，应用程序指定全部中间传输设备扫描该发射器，扫描成功后立即建立新的通信，以保证血糖浓度数据发送、接收的实时性。
作为本申请另一优选的方案，为避免中心计算模块存储血糖浓度数据重复，一个发射器同一时间至多只能连接一个中间传输设备。
作为本申请另一优选的方案，应用程序还包括辨别中间传输设备与发射器之间通信信号的强度功能，由于信号强度主要与距离和障碍物有关，可根据通信信号的强度大致判断用户所处的位置。
作为本申请另一优选的方案，在中间传输设备可连接的发射器数量有限的情况下，连接过程中设置了中间传输设备与发射器之间连接的选择关系，和/或优先级关系。更具体的，中间传输设备可分为专用中间传输设备和公用中间传输设备。对于专用中间传输设备，其固定的优先连接某几个指定的发射器（比如设置在某一病房的中间传输设备优先与该病房所入住用户的发射器通信），当还有空余的连接资源的情况下，才可以连接信号强度最大即距离最近的模块。当指定的发射器被专用中间传输设备搜索到后，无论信号强度如何都连接指定的专用中间传输设备。当指定的发射器离开专用中间传输设备连接范围后，由周围的公用中间传输设备或有剩余资源的其他专用中间传输设备进行扫描，应用程序指定该发射器与信号强度最大的中间传输设备进行连接。对于公用中间传输设备，不设置优先级，只需根据应用程序的指令（如选择与信号强度最大的中间传输设备）进行连接。
作为本申请另一优选的方案，为避免因各种原因导致的发送中断，发射器还带有数据储存功能，以便在该发射器与中间传输设备建立新的通信之前储存未发送的数据。
作为本申请另一优选的方案，发射器可接收和/或执行应用程序发送的获取发射器储存血糖浓度数据指令。具体的，在发射器与中间传输设备建立新的通信后，应用程序比较发射器中储存的血糖浓度数据与中心计算模块中对应该发射器所存储的血糖浓度数据，若发射器中储存的血糖浓度数据不全部包含在中心计算模块中，则应用程序控制发射器将不包含在内的数据发送给中间传输设备。
作为本申请另一优选的方案，所述发射器可接收和/或执行应用程序发送的指令。具体的，为了某一目的，可以实现控制发射器的运行和停止、向发射器发送校准指令、向发射器发送运算所需参数、向发射器发送标准时间的功能中的至少一种。
作为本申请另一优选的方案，中间传输设备与发射器更安全地通信，发射器将血糖浓度数据通过加密的方式对外发送。
应用程序还包含提示功能、用户信息管理、医护中心信息设置功能、医护人员信息统计功能、设备与耗材统计功能、校准功能等。
提示功能:系统可以监控发射器或中间传输设备的状态，包括连接状态、电量、运行状态等。当状态突然改变、状态异常或电量低时给予相应的提示。同时，在一些需要校准的分析物浓度监测中，系统还可以按照设定的时间提示用户进行校准操作。
用户信息管理:可以从用户信息系统中获取或手动输入用户的个人信息和住院信息。同时可以为每一位用户设置单独的上述报警功能中阈值。
医护中心信息设置功能:可以设置医护中心的基本信息和管理上述报警功能中的医护中心的统一阈值。
医护人员信息统计功能:可以为医护人员分发登录系统的账号并设置医护人员的权限。
设备与耗材统计功能:在应用程序中查看当前医疗中心的发射器、中间传输设备、相关耗材的数量或有效期。
校准功能:在一些需要校准的分析物浓度监测中，应用程序可以通过指令进行校准。
作为本申请另一优选的方案，根据应用程序的指令全部中间传输设备均扫描不到某一发射器，则应用程序给出无法通信或断开通信的提示。具体的，当用户外出暂时离开医护中心后，应用程序获取到中间传输设备无法与发射器进行通信的信息、且无法再次建立新的通信时，应用程序给出相应的提示。
上述实施里中，通过发射器、中间传输设备和中心计算模块三者的通信，可以让医护人员在不离开办公区域的情况下通过应用程序(如网页端、客户端)远程发送命令至指定的发射器并实现远程实时、持续数据监测。用户不需要随身携带接收设备，医护人员同样可以对用户进行实时、持续数据监测并校准。
在一个优选实施例中，所述方法还包括：
利用至少一显示模块实现所述第二血糖浓度数据集的可视化；
和/或，利用至少一采集模块获取所述用户的数据。
优选的，采集模块可以配置为获取用户的血糖浓度数据，尤其是第二血糖浓度数据集。
为了进一步说明本发明的自动校准方法，结合不同的实施场景，提供以下具体实施例。
如图3所示，在医护中心的环境下，用户位于病房①的病床上，护士在病房测量血糖，一段时间后回到护士站由血糖仪将用户的血糖通过无线通信（Wifi）网络上传至服务器中，服务器将该用户的血糖浓度数据（参考数据）和血糖的实际测量时间通过中间传输设备①，中间传输设备通过蓝牙（BLE）网络将参考数据及时间发送至用户佩戴的电子设备。
如图4所示，在一种情况下，血糖仪测量结束后通过网络自动上传至服务器，由服务器将参考数据及实际测量时间根据用户的编号通过指定的中间传输设备①传输至位于病房内的用户身上的电子设备中。
一种情况下，用户使用血糖仪测量结束后离开医护中心，参考数据无法传输至用户的电子设备。需要等待回到医护中心后，与中间传输设备建立连接并将参考数据和测量的时间传输至用户的电子设备中。
图4-5中，血糖仪作为参考数据的来源，经过定期质控的血糖仪在临床应用中测量血糖的结果的可信任度高于连续血糖监测设备。血糖仪在第二时间点测量血糖后，结果记录在血糖仪中，通过第一网络发送至血糖仪配套的服务器中。血糖测存储包含该血糖点的数值、该血糖点对应的第二时间、该血糖仪的设备编号和被测试者编号。
一种情况下，医护中心中使用多台血糖仪为同一个用户检测血糖，为保证准确性应当对血糖仪的型号或编号进行限制，保证每一个连续血糖监测周期内使用同一个或同一种血糖仪。
服务器经过筛选后将参考数据发送到有相同测试者编号的正在使用的连续血糖监测系统的接收设备中。一种情况下，接收设备可以显示该参考数据用于人为确认。
接收设备通过第二网络将参考数据及第二时间发送到电子设备中，由电子设备中的中心计算设备进行计算后将计算后的血糖浓度数据发送至接收设备中。
一种情况下，校准的计算可以在接收设备或服务器中完成。
如图5所示，一种情况下，血糖仪可以通过第一网络或第二网络直接与接收设备通信。
如图6所示，电子设备获得参考数据和测量时间10:52，电子设备获得参考数据的时间为11:22。星号代表为10:52时刻的参考数据，电子设备重新确定10:52对应的灵敏度，并将灵敏度用于10:52之后的血糖确定，其中10:52至11:22的第二血糖浓度数据需要进行校准，得到校准的第二血糖浓度数据。图6中，在确定第一灵敏度时，基于所述第二时刻的第一血糖浓度数据和第三时刻所采集的原始数值之间的比例关系，得到第一灵敏度，校准后的曲线是经过参考数据的。可以确定的是，校准后的第二血糖浓度数据相较于未校准第二血糖浓度数据更能接近用户的真实葡萄糖水平。
参见图7，下面对本发明提供的自动校准装置进行描述，下文描述的自动校准装置与上文描述的自动校准方法可相互对应参照，所述自动校准装置包括：参考数据接收模块10，用于在第一时刻接收用户的至少一组参考数据，所述至少一组参考数据是由至少一种第一设备100获取的，每一组所述参考数据包括第一分析物浓度数据及其对应的第二时刻。
第一设备100可能只有一种设备，也可能是多种不同的品牌或同一品牌的不同型号的设备，每一组参考数据对应于一种品牌或一种型号，或，每一组参考数据是同一种品牌或一种型号在不同时刻采集的数据，每一组所述参考数据包括第一血糖浓度数据及其对应的第二时刻，第一时刻为接收用户的至少一组参考数据的时刻，第二时刻是第一血糖浓度数据的实际测量的时刻，第二时刻可能是多个时刻的集合，第二时刻不同于第一时刻，且存在一定的时间差。
第一数据组选取模块20，用于基于所述至少一组参考数据，选取用于校准的第一数据组，所述选取的方式是基于所述用户所处于的实时场景进行选取，所述实时场景的确定方式至少包括：所述实时场景是基于与第二设备200所采集的第二分析物浓度数据集的状态确定的；其中，所述用户与所述第二设备200是预先相关联的，每一组所述参考数据的第一可信任度大于所述第二分析物浓度数据集的第二可信任度。
所述用户与所述第二设备200是预先相关联的，第一设备100用于校准的数据与第二设备200是对应于同一个用户的。第一设备100可以关联多个用户，相应的，将每个用户的数据分别传输给每一个用户所预先相关联的第二设备200。第二血糖浓度数据集包含了第二血糖浓度数据及其时间戳等数据。
在至少一组参考数据中，选取用于校准的第一数据组。在选取之前，经过确认的是，每一组所述参考数据的第一可信任度大于所述第二血糖浓度数据集的第二可信任度，可以限定第一设备100是通过采集指血的方式测试血糖浓度数据的。一种情况下的实时场景可以是第二时刻、或所述第二时刻所处于的显示周期所对应的场景，该实时场景是基于第二设备200所采集的第二血糖浓度数据集的状态确定的，优选的，是基于第二时刻附近的时间段或第二时刻所处于的显示周期的第二血糖浓度数据集的状态确定的，该状态能够表示第二时刻附近的时间段或第二时刻所处于的显示周期的第二血糖浓度数据集是否异常。进一步的，如果状态为异常，此时暂停校准，在状态为正常情况下，继续校准。即，由于状态为异常时，可以认为此时校准是没有意义的，第二设备200应处于正常工作状态，则进行校准。
第一灵敏度生成模块30，用于基于所述第一数据组和所述第二设备200在第三时刻所采集的原始数值，生成第一灵敏度。
用于校准的第一数据组包含了第二时刻这个时间值，以及第二时刻的第一血糖浓度数据，也就是带有时间戳的第一血糖浓度数据，该第一血糖浓度数据是在至少一组参考数据中选取出的，可用于校准的数据。所述第二设备200在第三时刻所采集的原始数值可以是第三时刻的电流值，第三时刻接近第二时刻。利用原始数值和第一血糖浓度数据，可以重新确定出第二时刻及以后的第一灵敏度。
自动校准模块40，用于基于所述第一灵敏度，对所述第一时间段的第二分析物浓度数据集进行自动校准；所述第一时间段由所述第二时刻开始延续至第四时刻。
第一灵敏度是对应于第一时间段的，利用第一灵敏度，对所述第一时间段的第二血糖浓度数据集进行自动校准，也就是基于第一灵敏度，利用第一时间段的原始数值，重新生成新的第一时间段的第二血糖浓度数据集。
本发明基于用户所处于的实时场景，对第一时刻所接收的用户的至少一组参考数据进行选取，选取出用于校准的第一数据组，其中，每一组所述参考数据包括第一血糖浓度数据及其对应的第二时刻，第一数据组的第一可信任度大于所述第二血糖浓度数据集的第二可信任度，并基于所述第一数据组和所述第二设备在第三时刻所采集的原始数值，生成用于自动校准第一时间段的第二血糖浓度数据集的第一灵敏度，该自动校准方式充分考虑了用于校准的数据的可信任度、以及用户所处于的实时场景，同时充分考虑了用于校准的数据的实际产生时刻，将第二设备200与第一设备100的数据先对应到同样的时刻，再更新实际产生时刻及其之后的第一灵敏度，避免了时间差引起的误差，因此，经过该自动校准后的第一灵敏度，可以在第一时间段使得第二设备200生成更精准（也就是更接近用户真实的血糖水平）的第二血糖浓度数据集，实现了第二设备200的高灵敏度、高测量精准度。
在一个优选实施例中，所述第二时刻位于所述第一时刻之前，所述第二时刻为所述参考数据的实测时刻。
该实施例中，限定了第二时刻位于所述第一时刻之前，由于测量或数据传输均需要一定时间，或一些医护中心等操作、排队、等待、查询结果等过程都需要时间，或在医护中心测量后需要回病房或回家等待结果时也需要消耗一定的时间，数据未必在实测时刻就能够传输到第二设备200处，必然的，导致第一时刻与第二时刻之间或多或少地存在一定的时间差。基于此，本发明实施例中，将用于校准的第二时刻的参考数据前置到对应的实测时刻的第二血糖浓度数据集去校准，而不是将接收参考数据的时刻直接用于对当前时刻的第二血糖浓度数据集，可以消除上述原因导致的一定的时间差，采用实测时刻的第一血糖浓度数据用于校准第二设备200在第二时刻开始的第一灵敏度。采用这种方式，可以消除由于时间差引起的第一血糖浓度数据不能够反映实测时刻真实数据导致的误差，可以更真实的还原实测时刻的真实情况，由此生成的第一灵敏度非常贴近实测时刻的真实灵敏度，可以使得第一时间段的第一灵敏度更精准，进而使得第一时间段的第二血糖浓度数据集更精准。
在一个优选实施例中，所述第一时刻与第二时刻之间的第一时间差不小于一个显示周期，所述显示周期为第二设备200对所述第二血糖浓度数据集进行显示的周期。
显示周期是指第二设备200对所述第二血糖浓度数据集进行显示的周期，第一时刻与第二时刻之间的第一时间差不小于一个显示周期，也就是，在第一时间差更大的情况下，越是能够体现出本发明能够消除时间差的优势。当然，第一时间差小于一个显示周期的场景下，本发明的校准方法也是同样适用的。
在一个优选实施例中，所述显示周期不小于1分钟。
显示周期优选为2-3分钟，一般地，CGM系统对数据显示的时间间隔，也就是显示周期是2-3分钟。
在一个优选实施例中，所述第三时刻位于所述第二时刻之前，且所述第二时刻和第三时刻之间的第二时间差小于一个所述显示周期。
第三时刻所采集的原始数值，是用于与所述第一数据组共同生成第一灵敏度的，因此第三时刻需要尽可能的接近第二时刻，优选的，可以限定第三时刻位于所述第二时刻之前，并限定第二时间差小于一个显示周期，这样确保，第二时刻的第一血糖浓度数据与第三时刻的原始数值在时间差上尽可能小，也就是第二时刻的第一血糖浓度数据更能够关联第三时刻的原始数值。
在一个优选实施例中，所述原始数值包括所述第二设备200采集的用于确定所述第二血糖浓度数据集的数据。一般的，所述原始数值包括用于确定所述第二血糖浓度数据集的电流值，所述电流值为所述第二设备200中的传感器与特定溶液（比如，用户体内的血液、组织间液或其他的溶液等）之间产生电化学反应后所获得的；所述特定溶液为所述传感器所处于的溶液。
在一个优选实施例中，所述第一灵敏度生成模块30具体用于：基于所述第二时刻的第一分析物浓度数据和第三时刻所采集的原始数值之间的比例关系，生成第一灵敏度。
更为具体的，所述第一灵敏度是利用比例关系确定的，所述比例关系为所述第三时刻所采集的原始数值与所述第一数据组中的第一分析物浓度数据之间的比例，即，所述第一灵敏度是利用以下公式确定的：
其中，S表示第一灵敏度，I表示第三时刻所采集的原始数值，G表示所述第一数据组中的第一分析物浓度数据。
在一个优选实施例中，所述第四时刻位于所述第二时刻之后。
用于确定第一时间段末端的第四时刻一定是在第二时刻之后的，也就是说，将第二时刻及其附近的数据用于校准第二时刻及第二时刻之后的一段时间的数据。
在一种情况下，所述第四时刻位于所述第二时刻之后，且位于所述第一时刻之前，所述第一时刻为接收用户的至少一组参考数据的当前时刻，相应的，所述对所述第一时间段的第二血糖浓度数据进行自动校准包括：对第二时刻至位于当前时刻之间的第四时刻的第二血糖浓度数据进行自动校准。
在另一种情况下，所述第四时刻位于所述第一时刻之后，所述第一时刻为接收用户的至少一组参考数据的当前时刻，相应的，所述对所述第一时间段（可以分为以下第二时间段和第三时间段）的第二血糖浓度数据进行自动校准包括：
对第二时间段（第二时刻至当前时刻）的第二血糖浓度数据进行自动校准；
和/或，对第三时间段（当前时刻至第四时刻，可以包含当前时刻）的第二血糖浓度数据进行自动校准；以上的第二时间段由第二时刻延续至第一时刻（即当前时刻），所述第三时间段由第一时刻延续至第三时刻。以上融合了当前时刻之前以及当前时刻（可以包含当前时刻）之后的校准。
在另一种情况下，所述第四时刻至少位于利用第二数据组进行校准之前，所述第二数据组是基于与第五时刻对应的至少一组用户的参考数据得到的，所述第五时刻至少位于所述第二时刻之后。也就是，本次校准的灵敏度限定用于在下一次校准之前。
在一个优选实施例中，所述参考数据是基于预设规则进行预先筛选后得到的。预设规则可以是基于过往的经验、用户的过往血糖浓度数据、预测的血糖浓度数据或者在第二设备200获取的血糖浓度数据的一定的置信区间内的数据，进行数据清洗或预处理，剔除掉一些异常值或坏数据，不过一般情况下，可以确定的是，第一设备100一定是更值得信任的设备。
在一个优选实施例中，所述预设规则包括：当同一种第一设备100在所述显示周期内存在多组数据，筛选出最接近所述第一时刻的一组数据作为参考数据。
同一种第一设备可以是指同一个品牌的血糖仪，也可以指的是同一种型号的血糖仪，此时若是在所述显示周期内存在多组数据(因第二时刻可能是多个时刻的集合，多组数据可能是不同时刻的数据)，则筛选出最接近所述当前时刻的一组数据作为参考数据，越是接近当前时刻，参考价值越高。
在一个优选实施例中，所述每一组所述参考数据还包括数据来源，所述实时场景的确定方式至少还包括：所述实时场景是基于所述数据来源确定的。
数据来源可以指多种不同的品牌或同一品牌的不同型号的设备，可以是罗氏、鱼跃或其他品牌。在一种情况下，当使用的是不同品牌的血糖仪，优选该用户历史使用的血糖仪所获取的数据作为参考数据，例如，同一个用户在血糖监测过程中，每一次校准用的参考数据的来源应可以是同一种第一设备100；在多种可信任数据来源时，选一种特定的来源，也可以减小误差。
在一个优选实施例中，所述每一组所述参考数据的第一可信任度大于所述第二分析物浓度数据集的第二可信任度是基于所述第一设备100的定期质控维护记录确定的。
在一种情况下，血糖仪一般是需要定期校准质控维护的，且保留有维护记录，维护记录上可以有一些测试精准度等数据，可以基于维护记录来确认第一可信任度。如果长时间未做校准质控维护，未查到校准质控维护记录的设备的第一可信任度较低，则不采用，一般采用的血糖仪的第一可信任度是大于第二可信任度的。
在一个优选实施例中，所述第二设备200包括接收设备和电子设备，当所述第二设备200无法与第一设备100近距离通信时，所述在第一时刻接收至少一组用户的参考数据包括：
利用所述接收设备，在第一时刻接收由至少一服务器基于第一网络传输的至少一组用户的参考数据；
利用所述电子设备，接收由所述接收设备基于第二网络传输的至少一组用户的参考数据；
其中，所述第一网络为至少具有长距离通信功能的网络；第一网络可以是无线的Wi-Fi、有线的以太网等。
所述第二网络为至少具有近距离通信功能的网络。近距离通信功能的网络可以包括蓝牙、红外等。
在一种场景下，所述第二设备200无法与第一设备100近距离通信的场景，例如，第一设备100位于医护中心血糖仪所在的检测中心处，第二设备200处于医护中心病房场景、门诊场景、门诊后回家场景、或距离检测中心一定距离的任何场景下，上述场景下，可以采用至少一服务器作为中间数据传输或处理的设备，利用所述接收设备，在第一时刻接收由至少一服务器基于第一网络传输的至少一组用户的参考数据；利用所述电子设备，接收由所述接收设备基于第二网络传输的至少一组用户的参考数据。
当第一设备100位于医护中心血糖仪所在的检测中心处，第二设备200处于医护中心病房场景或门诊场景时，在消除时间差的同时，还可以解决用户需要在检测中心处排队等候检测结果的问题，且第一设备100采集的数据可以传输至第二设备200处，并用于校准第二设备200。用户在检测中心测试结束可以直接回到病房，极大的方便了用户，提升了用户体验感。
当第一设备100位于医护中心血糖仪所在的检测中心处，第二设备200处于门诊后回家场景、或距离检测中心一定距离的场景下，在消除时间差的同时，还可以解决用户需要在医护中心或检测中心等固定场地排队等候检测结果的问题，同样可以居家接收第一设备100采集的数据并将数据用于校准第二设备200。用户在医护中心测试结束可以直接回家，极大的方便了用户，提升了用户体验感。
在另一种场景下，所述第二设备200可以与第一设备100近距离通信，当所述第二设备200与第一设备100处于可近程接触的场景，例如居家场景，采用毛细血管扎指头、以取出指血用血糖仪测量时，或医护中心场景下的第一设备100、第二设备200均位于医护中心血糖仪所在的检测中心处时，可利用第二网络，使第二设备200与第一设备100直接近程通信，在第一时刻接收至少一组用户的参考数据。当然，也可以使用至少一服务器作为中间数据传输或处理的设备，来实现数据的传输。至少一服务器可以包括血糖仪对应的服务器、CGM系统对应的服务器或其他中继服务器；血糖仪对应的服务器和CGM系统对应的服务器也可以是同一个服务器。
在一个优选实施例中，所述参考数据接收模块10用于：利用至少一中间传输设备，接收由至少一服务器基于第一网络传输的至少一组用户的参考数据。
利用所述接收设备，在第一时刻接收由所述至少一中间传输设备基于第三网络传输的至少一组用户的参考数据。第三网络可以是无线的Wi-Fi、有线的以太网等。
其中，所述第三网络为具有长距离通信功能或短距离通信功能的网络。在这种情况下，至少一服务器的作用主要是中间传输、筛选、存储或处理数据，可以是一个服务器，也可以是两个或两个以上，存在两个或两个以上服务器时，各个服务器之间是通过有线或无线网络连接，以达到相互传输数据的功能。
在一个优选实施例中，所述装置还包括网络配置模块，所述网络配置模块用于：
配置所述中间传输设备，所述配置的方式包括：与至少一所述接收设备之间预先建立通信连接关系。
在一个实施例中，每个病房中设置一中间传输设备，每个中间传输设备与至少一所述接收设备之间预先建立通信连接关系，每个中间传输设备可以对应与多个接收设备之间预先建立通信连接关系。
在一个优选实施例中，所述配置的方式包括：获取和/或控制所述中间传输设备与所述接收设备的通信状态。
应用程序可以被配置为包括管理服务器、控制中间传输设备工作状态、分析与展示血糖浓度数据的功能。
服务器包含的中心计算模块被配置为：存储中间传输设备所接收的血糖浓度数据和应用程序生成的用户信息。
中间传输设备和中心计算模块被配置为接收和执行所述应用程序发送的指令。
作为本申请的一方面，应用程序通过主动（接入医护中心信息系统）或被动（人为输入）的方式获得用户信息，并被动地将用户与发射器匹配，此时发射器与用户形成对应关系。应用程序获取中间传输设备与发射器的通信状态，若无中间传输设备与发射器进行通信，则发送指令让全部中间传输设备进行扫描，并控制某些中间传输设备通过第一路径与发射器进行通信，或某些中间传输设备不与发射器进行通信。中心计算模块通过第二路径与中间传输设备进行通信，并存储中间传输设备通过第一路径接收发射器持续发送的对应于用户的血糖浓度数据。应用程序可对中心计算模块所储存的血糖浓度数据进行各种分析、逻辑运算及结果的展示。
在一个优选实施例中，所述控制所述中间传输设备与所述接收设备的通信状态，包括：控制所述中间传输设备与所述接收设备的通信连接关系，所述通信连接关系包括所述接收设备对所述中间传输设备的连接状态关系、连接选择关系或连接优先级关系。
作为本申请另一优选的方案，医护人员可以通过应用程序控制发射器和中间传输设备的连接状态。具体的，当用户结束治疗可以离开医疗中心的时候，护士将用户从住院列表中移除，应用程序相应地发送指令让中间传输设备与发射器断开通信并让所有的中间传输设备停止再与发射器进行通信。
作为本申请的一优选方案，可以包含多个中间传输设备，其多个中间传输设备依据最佳覆盖范围设置在医护中心的不同位置，比如不同的病房、护士站、医生办公室、走廊等用户可能涉及到的地方。
作为本申请的另一优选方案，一个中间传输设备可以连接多个发射器，一个发射器可以连接多个中间传输设备。具体的，发射器位于医护中心的不同位置时，为保证血糖浓度数据发送的实时性和持续性，该发射器与前一中间传输设备断开通信后需要立刻与另一中间传输设备建立通信。更具体的，当发射器位置发生变化导致与前一中间接收模块连接断开后，应用程序指定全部中间传输设备扫描该发射器，扫描成功后立即建立新的通信，以保证血糖浓度数据发送、接收的实时性。
作为本申请另一优选的方案，为避免中心计算模块存储血糖浓度数据重复，一个发射器同一时间至多只能连接一个中间传输设备。
作为本申请另一优选的方案，应用程序还包括辨别中间传输设备与发射器之间通信信号的强度功能，由于信号强度主要与距离和障碍物有关，可根据通信信号的强度大致判断用户所处的位置。
作为本申请另一优选的方案，在中间传输设备可连接的发射器数量有限的情况下，连接过程中设置了中间传输设备与发射器之间连接的选择关系，和/或优先级关系。更具体的，中间传输设备可分为专用中间传输设备和公用中间传输设备。对于专用中间传输设备，其固定的优先连接某几个指定的发射器（比如设置在某一病房的中间传输设备优先与该病房所入住用户的发射器通信），当还有空余的连接资源的情况下，才可以连接信号强度最大即距离最近的模块。当指定的发射器被专用中间传输设备搜索到后，无论信号强度如何都连接指定的专用中间传输设备。当指定的发射器离开专用中间传输设备连接范围后，由周围的公用中间传输设备或有剩余资源的其他专用中间传输设备进行扫描，应用程序指定该发射器与信号强度最大的中间传输设备进行连接。对于公用中间传输设备，不设置优先级，只需根据应用程序的指令（如选择与信号强度最大的中间传输设备）进行连接。
在医护中心场景下，尤其是住院场景下，本发明的校准方法结合上述各种通信方式，无论在何种实时场景下，均可以实时的将校准后的、更精准的数据用于临床，能够更便捷的服务用户和医护人员，使用起来更灵活、方便。同时，应用程序也可以将血糖浓度数据转化为丰富的具有医学意义的图或表，与非连续或非实时的血糖测量相比可以提供更多的、更精准、更具有参考价值的信息。
在一个优选实施例中，所述装置还包括：
至少一显示模块，被配置为用于实现所述第二血糖浓度数据集的可视化；
和/或，至少一采集模块，被配置为用于获取所述用户的数据。
优选的，采集模块可以配置为获取用户的血糖浓度数据，尤其是第二血糖浓度数据集。
本发明还提供了一种用于监测分析物浓度水平的系统，包括：
传感器，其被配置成获取第二分析物浓度数据集。
无线发射器，其用以发射所述第二分析物浓度数据集。
以及
移动计算装置，其包括。
接收设备，其被配置成接收至少一组用户的参考数据和所述第二分析物浓度数据集。
存储器，其用以存储包含所述第二分析物浓度数据集和至少一组用户的参考数据的数据。
处理器，其用以处理所述数据，以及软件应用程序，其包含存储于所述存储器中的指令，所述指令当由所述处理器执行时在第一时刻接收用户的至少一组参考数据，所述至少一组参考数据是由至少一种第一设备100获取的，每一组所述参考数据包括第一分析物浓度数据及其对应的第二时刻。
基于所述至少一组参考数据，选取用于校准的第一数据组，所述选取的方式是基于所述用户所处于的实时场景进行选取，所述实时场景的确定方式至少包括：所述实时场景是基于与第二设备200所采集的第二分析物浓度数据集的状态确定的；其中，所述用户与所述第二设备200是预先相关联的，每一组所述参考数据的第一可信任度大于所述第二分析物浓度数据集的第二可信任度。
基于所述第一数据组和所述第二设备200在第三时刻所采集的原始数值，生成第一灵敏度。
基于所述第一灵敏度，对所述第一时间段的第二分析物浓度数据集进行自动校准；所述第一时间段由所述第二时刻开始延续至第四时刻。
图8示例了一种电子设备的实体结构示意图，该电子设备可以包括：处理器(processor)810、通信接口(Communications Interface)820、存储器(memory)830和通信总线840，其中，处理器810，通信接口820，存储器830通过通信总线840完成相互间的通信。处理器810可以调用存储器830中的逻辑指令，以执行自动校准方法，该方法包括：S1、在第一时刻接收用户的至少一组参考数据，所述至少一组参考数据是由至少一种第一设备100获取的，每一组所述参考数据包括第一分析物浓度数据及其对应的第二时刻。
S2、基于所述至少一组参考数据，选取用于校准的第一数据组，所述选取的方式是基于所述用户所处于的实时场景进行选取，所述实时场景的确定方式至少包括：所述实时场景是基于与第二设备200所采集的第二分析物浓度数据集的状态确定的；其中，所述用户与所述第二设备200是预先相关联的，每一组所述参考数据的第一可信任度大于所述第二分析物浓度数据集的第二可信任度。
S3、基于所述第一数据组和所述第二设备200在第三时刻所采集的原始数值，生成第一灵敏度；
S4、基于所述第一灵敏度，对所述第一时间段的第二分析物浓度数据集进行自动校准；所述第一时间段由所述第二时刻开始延续至第四时刻。
此外，上述的存储器830中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法所提供的自动校准方法，该方法包括：S1、在第一时刻接收用户的至少一组参考数据，所述至少一组参考数据是由至少一种第一设备100获取的，每一组所述参考数据包括第一分析物浓度数据及其对应的第二时刻。
S2、基于所述至少一组参考数据，选取用于校准的第一数据组，所述选取的方式是基于所述用户所处于的实时场景进行选取，所述实时场景的确定方式至少包括：所述实时场景是基于与第二设备200所采集的第二分析物浓度数据集的状态确定的；其中，所述用户与所述第二设备200是预先相关联的，每一组所述参考数据的第一可信任度大于所述第二分析物浓度数据集的第二可信任度。
S3、基于所述第一数据组和所述第二设备200在第三时刻所采集的原始数值，生成第一灵敏度；
S4、基于所述第一灵敏度，对所述第一时间段的第二分析物浓度数据集进行自动校准；所述第一时间段由所述第二时刻开始延续至第四时刻。
又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各方法所提供的自动校准方法，该方法包括：S1、在第一时刻接收用户的至少一组参考数据，所述至少一组参考数据是由至少一种第一设备100获取的，每一组所述参考数据包括第一分析物浓度数据及其对应的第二时刻。
S2、基于所述至少一组参考数据，选取用于校准的第一数据组，所述选取的方式是基于所述用户所处于的实时场景进行选取，所述实时场景的确定方式至少包括：所述实时场景是基于与第二设备200所采集的第二分析物浓度数据集的状态确定的；其中，所述用户与所述第二设备200是预先相关联的，每一组所述参考数据的第一可信任度大于所述第二分析物浓度数据集的第二可信任度。
S3、基于所述第一数据组和所述第二设备200在第三时刻所采集的原始数值，生成第一灵敏度；
S4、基于所述第一灵敏度，对所述第一时间段的第二分析物浓度数据集进行自动校准；所述第一时间段由所述第二时刻开始延续至第四时刻。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (22)
1.一种自动校准方法，其特征在于，包括：
在第一时刻接收用户的至少一组参考数据，所述至少一组参考数据是由至少一种第一设备获取的，每一组所述参考数据包括第一分析物浓度数据及其对应的第二时刻；所述第二时刻位于所述第一时刻之前，所述第二时刻为所述参考数据的实测时刻；
基于所述至少一组参考数据，选取用于校准的第一数据组，所述选取的方式是基于所述用户所处于的实时场景进行选取，所述实时场景的确定方式至少包括：所述实时场景是基于第二设备所采集的、第二时刻附近的时间段或第二时刻所处于的显示周期的第二分析物浓度数据集的状态确定的；其中，所述用户与所述第二设备是预先相关联的，每一组所述参考数据的第一可信任度大于所述第二分析物浓度数据集的第二可信任度；
基于所述第一数据组和所述第二设备在第三时刻所采集的原始数值，生成第一灵敏度；所述第三时刻位于所述第二时刻之前，且所述第二时刻和第三时刻之间的第二时间差小于一个所述显示周期；
基于所述第一灵敏度，对第一时间段的第二分析物浓度数据集进行自动校准；所述第一时间段由所述第二时刻开始延续至第四时刻。
2.根据权利要求1所述的自动校准方法，其特征在于，所述第一时刻与第二时刻之间的第一时间差不小于一个显示周期，所述显示周期为第二设备对所述第二分析物浓度数据集进行显示的周期。
3.根据权利要求2所述的自动校准方法，其特征在于，所述显示周期不小于1分钟。
4.根据权利要求1所述的自动校准方法，其特征在于，所述原始数值包括所述第二设备采集的用于确定所述第二分析物浓度数据集的数据。
5.根据权利要求4所述的自动校准方法，其特征在于，所述原始数值包括用于确定所述第二分析物浓度数据集的电流值，所述电流值为所述第二设备中的传感器与特定溶液之间产生电化学反应后所获得的；所述特定溶液为所述传感器所处于的溶液。
6.根据权利要求1所述的自动校准方法，其特征在于，所述基于所述第一数据组和所述第二设备在第三时刻所采集的原始数值，生成第一灵敏度，包括：基于所述第二时刻的第一分析物浓度数据和第三时刻所采集的原始数值之间的比例关系，生成第一灵敏度。
7.根据权利要求6所述的自动校准方法，其特征在于，所述第一灵敏度是利用比例关系确定的，所述比例关系为所述第三时刻所采集的原始数值与所述第一数据组中的第一分析物浓度数据之间的比例，即，所述第一灵敏度是利用以下公式确定的：
其中，S表示第一灵敏度，I表示第三时刻所采集的原始数值，G表示所述第一数据组中的第一分析物浓度数据。
8.根据权利要求1所述的自动校准方法，其特征在于，所述第四时刻位于所述第二时刻之后。
9.根据权利要求2所述的自动校准方法，其特征在于，所述参考数据是基于预设规则进行预先筛选后得到的。
10.根据权利要求9所述的自动校准方法，其特征在于，所述预设规则包括：当同一种第一设备在所述显示周期内存在多组数据，筛选出最接近所述第一时刻的一组数据作为参考数据。
11.根据权利要求1所述的自动校准方法，其特征在于，所述每一组所述参考数据还包括数据来源，所述实时场景的确定方式至少还包括：所述实时场景是基于所述数据来源确定的。
12.根据权利要求1所述的自动校准方法，其特征在于，所述每一组所述参考数据的第一可信任度大于所述第二分析物浓度数据集的第二可信任度是基于所述第一设备的定期质控维护记录确定的。
13.根据权利要求1所述的自动校准方法，其特征在于，所述第二设备包括接收设备和电子设备，当所述第二设备无法与第一设备近距离通信时，所述在第一时刻接收至少一组用户的参考数据包括：
利用所述接收设备，在第一时刻接收由至少一服务器基于第一网络传输的至少一组用户的参考数据；
利用所述电子设备，接收由所述接收设备基于第二网络传输的至少一组用户的参考数据；
其中，所述第一网络为至少具有长距离通信功能的网络；
所述第二网络为至少具有近距离通信功能的网络。
14.根据权利要求13所述的自动校准方法，其特征在于，所述利用所述接收设备，在第一时刻接收由至少一服务器基于第一网络传输的至少一组用户的参考数据，包括：
利用至少一中间传输设备，接收由至少一服务器基于第一网络传输的至少一组用户的参考数据；
利用所述接收设备，在第一时刻接收由所述至少一中间传输设备基于第三网络传输的至少一组用户的参考数据；
其中，所述第三网络为具有长距离通信功能或短距离通信功能的网络。
15.根据权利要求14所述的自动校准方法，其特征在于，所述利用至少一中间传输设备，接收由至少一服务器基于第一网络传输的至少一组用户的参考数据之前，包括：
配置所述中间传输设备，所述配置的方式包括：与至少一所述接收设备之间预先建立通信连接关系。
16.根据权利要求15所述的自动校准方法，其特征在于，所述配置的方式包括：获取和/或控制所述中间传输设备与所述接收设备的通信状态。
17.根据权利要求16所述的自动校准方法，其特征在于，所述控制所述中间传输设备与所述接收设备的通信状态，包括：控制所述中间传输设备与所述接收设备的通信连接关系，所述通信连接关系包括所述接收设备对所述中间传输设备的连接状态关系、连接选择关系或连接优先级关系。
18.根据权利要求1所述的自动校准方法，其特征在于，所述方法还包括：
利用至少一显示模块实现所述第二分析物浓度数据集的可视化；
和/或，利用至少一采集模块获取所述用户的数据。
19.一种自动校准装置，其特征在于，包括：
参考数据接收模块，用于在第一时刻接收用户的至少一组参考数据，所述至少一组参考数据是由至少一种第一设备获取的，每一组所述参考数据包括第一分析物浓度数据及其对应的第二时刻；所述第二时刻位于所述第一时刻之前，所述第二时刻为所述参考数据的实测时刻；
第一数据组选取模块，用于基于所述至少一组参考数据，选取用于校准的第一数据组，所述选取的方式是基于所述用户所处于的实时场景进行选取，所述实时场景的确定方式至少包括：所述实时场景是基于第二设备所采集的、第二时刻附近的时间段或第二时刻所处于的显示周期的第二分析物浓度数据集的状态确定的；其中，所述用户与所述第二设备是预先相关联的，每一组所述参考数据的第一可信任度大于所述第二分析物浓度数据集的第二可信任度；
第一灵敏度生成模块，用于基于所述第一数据组和所述第二设备在第三时刻所采集的原始数值，生成第一灵敏度；所述第三时刻位于所述第二时刻之前，且所述第二时刻和第三时刻之间的第二时间差小于一个所述显示周期；
自动校准模块，用于基于所述第一灵敏度，对第一时间段的第二分析物浓度数据集进行自动校准；所述第一时间段由所述第二时刻开始延续至第四时刻。
20.一种用于监测分析物浓度水平的系统，其特征在于，包括：
传感器，其被配置成获取第二分析物浓度数据集；
无线发射器，其用以发射所述第二分析物浓度数据集；
以及
移动计算装置，其包括：
接收设备，其被配置成接收至少一组用户的参考数据和所述第二分析物浓度数据集；
存储器，其用以存储包含所述第二分析物浓度数据集和至少一组用户的参考数据的数据；
处理器，其用以处理所述数据，以及软件应用程序，其包含存储于所述存储器中的指令，所述指令当由所述处理器执行时在第一时刻接收用户的至少一组参考数据，所述至少一组参考数据是由至少一种第一设备获取的，每一组所述参考数据包括第一分析物浓度数据及其对应的第二时刻；所述第二时刻位于所述第一时刻之前，所述第二时刻为所述参考数据的实测时刻；
基于所述至少一组参考数据，选取用于校准的第一数据组，所述选取的方式是基于所述用户所处于的实时场景进行选取，所述实时场景的确定方式至少包括：所述实时场景是基于第二设备所采集的、第二时刻附近的时间段或第二时刻所处于的显示周期的第二分析物浓度数据集的状态确定的；其中，所述用户与所述第二设备是预先相关联的，每一组所述参考数据的第一可信任度大于所述第二分析物浓度数据集的第二可信任度；
基于所述第一数据组和所述第二设备在第三时刻所采集的原始数值，生成第一灵敏度；所述第三时刻位于所述第二时刻之前，且所述第二时刻和第三时刻之间的第二时间差小于一个所述显示周期；
基于所述第一灵敏度，对第一时间段的第二分析物浓度数据集进行自动校准；所述第一时间段由所述第二时刻开始延续至第四时刻。
21.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至18任一项所述的自动校准方法的步骤。
22.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至18任一项所述的自动校准方法的步骤。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210123120.5A CN114166913B (zh) | 2022-02-10 | 2022-02-10 | 自动校准方法和装置、监测分析物浓度水平的系统 |
| PCT/CN2022/100102 WO2023151212A1 (zh) | 2022-02-10 | 2022-06-21 | 自动校准方法和装置、监测分析物浓度水平的系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210123120.5A CN114166913B (zh) | 2022-02-10 | 2022-02-10 | 自动校准方法和装置、监测分析物浓度水平的系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114166913A CN114166913A (zh) | 2022-03-11 |
| CN114166913B true CN114166913B (zh) | 2022-05-27 |
Family
ID=80489651
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210123120.5A Active CN114166913B (zh) | 2022-02-10 | 2022-02-10 | 自动校准方法和装置、监测分析物浓度水平的系统 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN114166913B (zh) |
| WO (1) | WO2023151212A1 (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114166913B (zh) * | 2022-02-10 | 2022-05-27 | 苏州百孝医疗科技有限公司 | 自动校准方法和装置、监测分析物浓度水平的系统 |
| CN117373586A (zh) * | 2023-08-28 | 2024-01-09 | 北京华益精点生物技术有限公司 | 血糖数据比对方法及相关设备 |
Family Cites Families (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9675290B2 (en) * | 2012-10-30 | 2017-06-13 | Abbott Diabetes Care Inc. | Sensitivity calibration of in vivo sensors used to measure analyte concentration |
| DK2073135T3 (da) * | 2007-12-21 | 2019-01-02 | Hoffmann La Roche | Blodglukosesystem med tidssynkronisering |
| WO2011014851A1 (en) * | 2009-07-31 | 2011-02-03 | Abbott Diabetes Care Inc. | Method and apparatus for providing analyte monitoring system calibration accuracy |
| WO2012155032A2 (en) * | 2011-05-11 | 2012-11-15 | Bayer Healthcare Llc | Back calibration of sensor data |
| CN102178518A (zh) * | 2011-05-31 | 2011-09-14 | 北京新兴阳升科技有限公司 | 用于用脉搏波连续测量估算动脉血压的个体化校正方法及装置 |
| US9585563B2 (en) * | 2012-12-31 | 2017-03-07 | Dexcom, Inc. | Remote monitoring of analyte measurements |
| US20170181672A1 (en) * | 2015-12-28 | 2017-06-29 | Medtronic Minimed, Inc. | Sensor systems, devices, and methods for continuous glucose monitoring |
| CN108209936A (zh) * | 2017-12-25 | 2018-06-29 | 重庆大学 | 一种皮下植入式血糖仪的自适应校准算法 |
| US20200000386A1 (en) * | 2018-06-27 | 2020-01-02 | Glysens Incorporated | Apparatus and methods for analyte sensor spatial mismatch mitigation and correction |
| FR3090881B1 (fr) * | 2018-12-19 | 2023-10-20 | Elichens | Procédé de calibration d'un capteur de gaz |
| US20200245910A1 (en) * | 2019-02-01 | 2020-08-06 | Medtronic Minimed, Inc | Methods, systems, and devices for continuous glucose monitoring |
| RU2707064C1 (ru) * | 2019-02-12 | 2019-11-21 | Общество с ограниченной ответственностью "Гардлайнер" | Система для сравнения гликемических профилей у больных сахарным диабетом |
| CN112438704B (zh) * | 2019-08-31 | 2024-02-23 | 深圳硅基传感科技有限公司 | 生理参数监测仪的校准系统 |
| CN113380411B (zh) * | 2021-07-19 | 2024-03-01 | 苏州百孝医疗科技有限公司 | 一种提高动物体分析物浓度连续监测过程中浓度变化实时趋势准确率的方法 |
| CN114166913B (zh) * | 2022-02-10 | 2022-05-27 | 苏州百孝医疗科技有限公司 | 自动校准方法和装置、监测分析物浓度水平的系统 |
-
2022
- 2022-02-10 CN CN202210123120.5A patent/CN114166913B/zh active Active
- 2022-06-21 WO PCT/CN2022/100102 patent/WO2023151212A1/zh unknown
Also Published As
| Publication number | Publication date |
|---|---|
| CN114166913A (zh) | 2022-03-11 |
| WO2023151212A1 (zh) | 2023-08-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11109757B2 (en) | Remote monitoring of analyte measurements | |
| US11115456B2 (en) | Analyte data retriever | |
| CN114166913B (zh) | 自动校准方法和装置、监测分析物浓度水平的系统 | |
| CN114145738A (zh) | 分析物浓度数据生成方法和装置、监测分析物水平的系统 | |
| CN110501504B (zh) | 血液含量检测方法和系统 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |