CN115052516A - 决策支持和治疗管理系统 - Google Patents

决策支持和治疗管理系统 Download PDF

Info

Publication number
CN115052516A
CN115052516A CN202180011611.4A CN202180011611A CN115052516A CN 115052516 A CN115052516 A CN 115052516A CN 202180011611 A CN202180011611 A CN 202180011611A CN 115052516 A CN115052516 A CN 115052516A
Authority
CN
China
Prior art keywords
user
phase
menstrual cycle
insulin
therapy
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
CN202180011611.4A
Other languages
English (en)
Inventor
K·Y·斯潘
J·C·基梅尔
S·A·索科拉什
D·S·坎特
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Dexcom Inc
Original Assignee
Dexcom Inc
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Dexcom Inc filed Critical Dexcom Inc
Publication of CN115052516A publication Critical patent/CN115052516A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/67—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for remote operation
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
    • A61B5/14532—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue for measuring glucose, e.g. by tissue impedance measurement
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/43—Detecting, measuring or recording for evaluating the reproductive systems
    • A61B5/4306—Detecting, measuring or recording for evaluating the reproductive systems for evaluating the female reproductive systems, e.g. gynaecological evaluations
    • 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
    • A61B5/4836—Diagnosis combined with treatment in closed-loop systems or methods
    • 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
    • A61B5/4836—Diagnosis combined with treatment in closed-loop systems or methods
    • A61B5/4839—Diagnosis combined with treatment in closed-loop systems or methods combined with drug delivery
    • 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
    • A61B5/4842—Monitoring progression or stage of a disease
    • 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
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/10—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients
    • G16H20/17—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients delivered via infusion or injection
    • 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
    • G16H50/20—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
    • 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
    • G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B10/00—Other methods or instruments for diagnosis, e.g. instruments for taking a cell sample, for biopsy, for vaccination diagnosis; Sex determination; Ovulation-period determination; Throat striking implements
    • A61B10/0012—Ovulation-period determination
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/30—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to physical therapies or activities, e.g. physiotherapy, acupressure or exercising

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Physics & Mathematics (AREA)
  • Pathology (AREA)
  • Veterinary Medicine (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Biophysics (AREA)
  • Animal Behavior & Ethology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Chemical & Material Sciences (AREA)
  • Medicinal Chemistry (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Data Mining & Analysis (AREA)
  • Business, Economics & Management (AREA)
  • Emergency Medicine (AREA)
  • Optics & Photonics (AREA)
  • General Business, Economics & Management (AREA)
  • Databases & Information Systems (AREA)
  • Nutrition Science (AREA)
  • Pharmacology & Pharmacy (AREA)
  • Gynecology & Obstetrics (AREA)
  • Reproductive Health (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Investigating Or Analysing Biological Materials (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

提供了用于数据分析和用户指导的技术，用于基于用户处于或将处于其月经周期中的位置来确定并向用户提供一种或多种治疗。在某些实施方式中，提供了一种基于与用户的月经周期有关的信息来个性化糖尿病治疗的方法。该方法包括使用葡萄糖监测系统测量用户的血糖测量值。该方法还包括接收与用户的月经周期有关的信息。该方法还包括基于与用户关联的历史数据和与分层组关联的历史数据中的至少一个来确定用户的治疗以在用户的月经周期的子阶段或阶段期间达到目标血糖。

Description

决策支持和治疗管理系统
技术领域
本申请要求美国申请序列号62/976778，标题为“女性健康和血糖控制”的权益，该申请于2020年2月14日提交，美国申请序列号63/011175，标题为“决策支持和治疗管理系统”，该申请于2020年4月16日提交。上述临时申请以引用方式整体并入本文。
背景技术
本申请大体上涉及诸如分析物传感器之类的医疗装置，包括使用该医疗装置为患者提供治疗的系统和方法。
相关技术说明
糖尿病是一种与身体产生或使用胰岛素有关的代谢病况。胰岛素是一种激素，它允许身体使用葡萄糖作为能量，或将葡萄糖储存为脂肪。
当一个人吃一顿含有碳水化合物的食物时，食物由消化系统处理，其在人的血液中产生葡萄糖。血糖可以用作能量或储存为脂肪。身体通常将血糖水平维持在足够的能量范围内，以支持身体机能，并避免葡萄糖水平过高或过低时可能出现的问题。血糖水平的调节取决于胰岛素的产生和使用，胰岛素调节血糖进入细胞的运动。
当身体没有产生足够的胰岛素，或者身体不能有效地利用存在的胰岛素时，血糖水平会升高到正常范围之外。血糖水平高于正常水平的状态称为“高血糖”。慢性高血糖会导致许多健康问题，例如心血管疾病、白内障和其他眼部问题、神经损伤(神经病变)和肾脏损伤。高血糖症还可能导致急性问题，例如糖尿病酮症酸中毒——一种由于血糖和酮的存在而导致身体过度酸性的状态，而酮是在身体无法使用葡萄糖时产生的。血糖水平低于正常水平的状态称为“低血糖”。严重的低血糖会导致急性危机，从而导致癫痫发作或死亡。
糖尿病患者可以接受胰岛素来控制血糖水平。例如，可以通过用针头手动注射来接收胰岛素。还提供可穿戴胰岛素泵。饮食和运动也会影响血糖水平。
糖尿病病况有时被称为“1型”和“2型”。1型糖尿病患者通常能够在胰岛素存在时使用胰岛素，但由于胰腺的产生胰岛素的β细胞存在问题，身体无法产生足够量的胰岛素。2型糖尿病患者可能会产生一些胰岛素，但由于对胰岛素的敏感性降低，患者已变成“胰岛素抵抗的”。其结果是，即使体内存在胰岛素，患者的身体也没有充分利用胰岛素来有效调节血糖水平。
糖尿病的管理会给患者、临床医生和护理人员带来复杂的挑战，因为许多因素的合力会影响患者的葡萄糖糖水平和葡萄糖糖趋势。例如，女性患者的月经周期会显着影响患者的胰岛素抵抗力(insulin resistivity)，其具体取决于患者处于月经周期的哪一阶段。
更具体地说，一个月经周期通常持续21至35天，平均约为28天。在这个周期中，激素波动不仅会引发排卵和月经，还会影响身体的胰岛素抵抗力。月经周期一般包括月经、卵泡阶段、排卵和黄体阶段四个阶段。在月经周期的黄体阶段，一种被称为黄体酮的激素会释放出来，即使患者遵循相同的运动、饮食和/或胰岛素治疗方案，它也会导致胰岛素抵抗，从而导致更多的高血糖发作。因此，在患者月经周期的黄体阶段期间，由决策支持系统向女性患者建议的，帮助患者控制其葡萄糖水平的治疗可能不那么有效。
提供此背景是为了介绍以下发明内容和详细描述的简要背景。本背景不旨在帮助确定所要求保护的主题的范围，也不被视为将所要求保护的主题限制为解决上述任何或所有缺点或问题的实施方式。
发明内容
一个方面是一种系统，其包括：葡萄糖监测系统，其包括：葡萄糖传感器，其被配置为测量用户的血糖；传感器电子模块，其被配置为将与由葡萄糖传感器提供的血糖测量值相对应的传感器数据传输到处理器；储存电路；所述处理器被配置为：接收与用户月经周期有关的信息，并且基于与用户关联的历史数据和与用户的分层组关联的历史数据中的至少一项，确定用户的治疗以在月经周期子阶段或阶段实现目标血糖，其中：与用户关联的历史数据包括由葡萄糖监测系统提供的用户的血糖测量值；与用户关联的历史数据被结构化以使其指示以下至少一项：在用户的月经周期的子阶段或阶段期间用户的血糖测量值和胰岛素抵抗中的至少一项的模式，和在用户的月经周期的子阶段或阶段期间治疗对用户血糖测量值的生理影响的模式，该模式指示治疗在达到目标血糖方面的有效性；以及与用户的分层组关联的历史数据被结构化使其指示以下各项中的至少一项：在月经周期的子阶段和阶段的用户的分层组的血糖测量值和胰岛素抵抗中的至少一项的模式，和在月经周期的子阶段或阶段期间治疗对用户的分层组的葡萄糖测量值的生理影响的模式，该模式指示治疗在实现目标血糖方面的有效性。
在上述系统中，处理器被配置为提供治疗。在上述系统中，治疗包括一定剂量的胰岛素。在上述系统中，胰岛素的剂量高于用户的月经周期的非黄体子阶段或阶段施用给用户的平均胰岛素剂量。在上述系统中，处理器被配置为向药物输送装置发送信号，以将胰岛素的剂量施用于用户。
在上述系统中，处理器被配置为向用户或另一个人提供治疗建议，该治疗建议指示胰岛素的剂量。在上述系统中，处理器被配置为向用户或另一个人提供治疗建议，该治疗建议指示锻炼的量、类型、时长和强度中的至少一个。在上述系统中，处理器被配置为向用户或另一个人提供治疗建议，该治疗建议指示食物的量和类型中的至少一个。
另一方面是一种基于与用户的月经周期相关的信息来个性化糖尿病治疗的方法，该方法包括：使用葡萄糖监测系统测量用户的血糖测量值；在与葡萄糖监测系统进行数据通信的处理器中，接收与用户月经周期相关的信息；在所述处理器中，基于与用户关联的历史数据和与用户的分层组关联的历史数据中的至少一个，确定用户的治疗以在用户的月经周期的子阶段或阶段期间达到目标血糖，其中：与用户关联的历史数据包括由血糖监测系统提供的用户的血糖测量值；与用户关联的历史数据被结构化以使其指示以下至少一项：在用户月经周期的子阶段或阶段期间用户的血糖测量值和胰岛素抵抗中的至少一项的模式，和在用户月经周期的子阶段或阶段期间治疗对用户血糖测量值的生理影响的模式，该模式指示治疗在达到目标血糖方面的有效性；与用户的分层组关联的历史数据被结构化使其指示以下各项中的至少一项：在月经周期的子阶段和阶段的用户的分层组的血糖测量值和胰岛素抵抗中的至少一项的模式，和在月经周期的子阶段或阶段期间治疗对用户的分层组的葡萄糖测量值的生理影响的模式，该模式指示治疗在实现目标血糖方面的有效性。
上述方法还包括提供治疗。在上述方法中，治疗包括一定剂量的胰岛素。在上述方法中，胰岛素的剂量高于在用户在非黄体子阶段或月经周期阶段施用给用户的平均胰岛素剂量。在上述方法中，提供治疗还包括向药物输送装置发送信号，以将胰岛素的剂量施用于用户。在上述方法中，提供治疗进一步包括向用户或其他个人提供治疗建议，该治疗建议指示胰岛素的剂量。
在上述方法中，提供治疗进一步包括向用户或其他个人提供治疗建议，该治疗建议指示锻炼的量、类型、时长和强度中的至少一个。在上述方法中，提供治疗还包括向用户或其他个人提供治疗建议，该治疗建议指示食物的量和类型中的至少一个。
另一个方面是一种其上存储有指令的非暂时性计算机可读介质，当被系统执行时，该指令使得系统执行一种方法，该方法包括：使用葡萄糖监测系统测量用户的血糖测量值；在与葡萄糖监测系统进行数据通信的处理器中，接收与用户月经周期相关的信息；在所述处理器中，基于与用户关联的历史数据和与用户的分层组关联的历史数据中的至少一个，确定用户的治疗以在用户的月经周期的子阶段或阶段期间达到目标血糖，其中：与用户关联的历史数据包括由血糖监测系统提供的用户的血糖测量值；与用户关联的历史数据被结构化以使其指示以下至少一项：在用户月经周期的子阶段或阶段期间用户的血糖测量值和胰岛素抵抗中的至少一项的模式，和在用户月经周期的子阶段或阶段期间治疗对用户血糖测量值的生理影响的模式，该模式指示治疗在达到目标血糖方面的有效性；与用户的分层组关联的历史数据被结构化使其指示以下各项中的至少一项：在月经周期的子阶段和阶段的用户的分层组的血糖测量值和胰岛素抵抗中的至少一项的模式，和在月经周期的子阶段或阶段期间治疗对用户的分层组的葡萄糖测量值的生理影响的模式，该模式指示治疗在实现目标血糖方面的有效性。
在上述介质中，方法还包括提供治疗。在上述介质中，治疗包括一定剂量的胰岛素。在上述介质中，胰岛素的剂量高于在用户在非黄体子阶段或月经周期阶段给予用户的平均胰岛素剂量。
一个方面的任何特征都适用于本文确定的所有方面。此外，一个方面的任何特征可以以任何方式部分地或全部地与本文所述的其他方面独立地组合，例如，一个、两个或三个或更多个方面可以全部地或部分地组合。此外，一个方面的任何特征对于其他方面来说可以是可选的。方法的任何方面都可以包括用于基于与用户的月经周期相关的信息来个性化糖尿病治疗的系统的另一方面，并且用于基于用户的月经周期相关信息来个性化糖尿病治疗的系统的任何方面都可以被配置为执行另一个方面的方法。
附图说明
图1A根据本文公开的一些实施方式，说明了示例性决策支持和治疗管理系统(“DSTA”)。
图1B根据本文公开的一些实施方式，说明了图1A的示例性葡萄糖监测系统，更详细地，以及一些移动装置。
图2根据本文公开的一些实施方式，说明了示例性输入和基于输入计算的示例性指标，以供图1A的DSTA使用。
图3是根据本文公开的一些实施方式的由诸如图1A的DSTA的系统执行的示例性操作的流程图。
图4是根据某些实施方式的说明如何为用户确定一种或多种治疗的一个实施例的图。
图5是根据本文公开的某些实施方式，描绘被配置为执行图3所述的操作的一个或多个步骤的计算装置的框图。
具体实施方式
在某些实施方式中，一种如本文所述的应用程序提供指导和治疗，这些指导和治疗可以协助患者、护理人员、医疗服务提供者或其他用户通过应对各种挑战来改善生活方式或临床/患者结果，所述挑战诸如夜间葡萄糖控制(例如，减少低血糖事件或高血糖波动的发生率)、餐中和餐后血糖控制(例如，使用历史信息和趋势来增加血糖控制)、高血糖校正(例如，增加目标区域的时间，同时避免过度校正引起的低血糖事件)、低血糖治疗(例如，解决低血糖，同时避免“反弹性”高血糖)、锻炼和/或其他健康因素。在某些实施方式中，应用程序可以进一步被配置有优化工具，其学习患者的生理机能和行为，并计算指导，以帮助患者识别最佳或理想的治疗参数，诸如基础胰岛素要求、胰岛素与碳水化合物的比、校正因子和/或由锻炼导致的胰岛素敏感性变化。
例如，该应用程序可以通过预测低血糖或高血糖事件或趋势、提供治疗以解决正在发生或潜在的低血糖或高血糖事件或趋势，和/或实时监测患者对不同事件的血糖、生理和/或行为反应来帮助患者实时地对问题做出反应。这种类型的经过计算的指导和支持可以减轻用户的认知负担。
诸如连续葡萄糖监测器之类的生理传感器可以提供有用的数据，用户可以使用这些数据来管理葡萄糖水平，但该数据可能需要大量的处理以开发用于葡萄糖管理的有效策略。庞大的数据量，以及对数据类型、趋势、事件和结果之间相关性的认识可能远远超过人类的处理能力。当实时地做出关于治疗的决策或对生理状况的反应时，这尤其是有影响的。将实时或近期数据与历史数据和模式相结合，可以为做出有关治疗的实时决策提供有用的指导。技术工具可以处理这些信息以提供决策支持指导，这些指导经计算后在特定条件或情况下在特定时间对特定患者有用。
如上所述，取决于患者处于月经周期的哪个阶段，女性患者的月经周期可以显著影响患者的胰岛素抵抗。然而，某些现有的决策支持系统没有考虑这种用户胰岛素抵抗力的变化。例如，已经表明，在不同的阶段，患者对胰岛素的抵抗水平不同。虽然不是限制性的，一个实施例是在黄体阶段。因此，在月经周期的不同阶段，现有的决策支持系统可能会继续提供相同的指导(例如，相同的胰岛素剂量、锻炼或饮食建议)，而不考虑月经周期的阶段。结果，当几天前有效的相同治疗不再那么有效时，女性用户会感到失望。
使这个问题进一步复杂化的事实是，对于不同用户，胰岛素抵抗力波动量不同。例如，在黄体阶段，第一女性用户的胰岛素抵抗增加了20％，而第二女性用户的胰岛素抵抗增加了40％。这种差异可能是由于一个或多个因素造成的，其包括但不限于年龄、体重、种族、民族、饮食类型、用户可能患有的其他类型的疾病等。此外，帮助上述第一用户应对胰岛素抵抗增加的治疗类型和量可能与帮助在月经周期的不同阶段胰岛素抵抗增加20％的第三用户的治疗类型和量不同。此外，第一用户的胰岛素抵抗在月经周期期间变化的百分比(例如，在黄体阶段增加)可能由于多种原因而随时间变化，这些原因包括但不限于年龄、体重变化、压力、妊娠、其他类型的疾病，饮食等。
因此，本文描述的某些实施方式提供了对上述糖尿病干预管理领域中的技术问题的技术解决方案。在某些实施方式中，本文提供的技术解决方案通过配置这样的系统，以基于用户在月经周期中的阶段，并且进一步基于用户自身历史数据的记录(例如，用户的生理机能过去在用户的月经周期的相同时间/时期如何反应)以及与一个或多个其他用户关联的历史数据的记录(例如，其他类似用户(例如，基于一个或多个因素的相似性)生理机能在用户月经周期的相同时间/期间的反应)中的至少一项来提供更精准的指导和治疗，从而改进了现有的决策支持系统。本文描述的改进的DSTA系统的主要部分是葡萄糖监测系统104，其包括传感器电子模块和连续分析物传感器140(参见图1B)，其允许连续地测量用户的葡萄糖水平并实时或接近实时地将葡萄糖测量值传输到DSTA系统中的一个或多个处理器。考虑到用户的月经周期，在没有从葡萄糖监测系统104接收到连续的葡萄糖测量值的流(例如，实时或接近实时)的情况下，即使这不是可能的，那也是很难向用户提供与用户的实时葡萄糖状况相关的治疗。换言之，在不使用改进本文描述的DSTA系统的葡萄糖监测系统104的情况下，用户将受限于使用指尖采血法测量其葡萄糖水平的某些现有技术。然而，用户使用手指采血技术连续地(例如，每五分钟)测量他们的葡萄糖水平，即使这不是不可能的或不切实际的，那也是极其困难的。因此，在不使用本文所述的葡萄糖监测系统104的情况下，用户的葡萄糖测量值结果充其量将是碎片化的，从从而使本文所述的DSTA系统的操作变得困难，或者导致它们提供基于不连续和碎片化的葡萄糖测量值的潜在非精准或不相关的治疗。结果，本文所述的DSTA系统的操作通过或依赖于葡萄糖监测系统104而得到改进，该葡萄糖监测系统104能够提供连续且真实或接近实时的葡萄糖测量值的流。
在某些实施方式中，在用户的月经周期的相同时间/期间用户的生理机能如何反应的记录，除其他外，可以包括用户在先前周期中的该时间/时期内变得有多么抵抗胰岛素的记录、响应于先前提议的治疗的用户葡萄糖水平或其他指标的变化等。在某些实施方式中，其他类似用户在相同时间/期间的生理机能如何反应的记录，除其他外，可能包括有关此类用户生理机能的类似数据。精准治疗可能包括各种治疗建议以帮助用户管理他们的葡萄糖水平，例如，通过将他们的葡萄糖水平保持在期望的范围内，尽管在月经周期的各个阶段期间胰岛素抵抗存在变化。精准治疗可以包括基于上述因素计算的特定胰岛素剂量，以便帮助用户即使考虑到胰岛素抵抗存在变化(例如，增加)的情况下也将其葡萄糖水平保持在范围内。在某些实施方式中，可以以治疗建议的形式向用户提供胰岛素剂量，基于此，用户可以手动施用(例如，注射或口服摄取)胰岛素剂量。在某些实施方式中，可以将胰岛素剂量用信号发送给药物输送装置(例如，胰岛素泵或笔或其他胰岛素施用装置)，基于此，该药物输送装置自动施用推荐剂量的胰岛素(例如，在用户批准推荐剂量之后)。
精准治疗可以附加地或替代地包括让用户参加一定量和/或类型的锻炼以将她的葡萄糖水平降低回范围内的治疗建议。此外，精准治疗可以附加地或替代地包括用于食用和/或避免食用一定数量或类型的食物和/或在一定时间段内将她的葡萄糖水平降低回范围内的治疗建议。无论用户处于月经周期的哪个阶段，提供精准的治疗建议(例如，胰岛素或其他药物剂量、活动、碳水化合物摄入等)是对现有决策支持系统的改进，从而导致显著的健康改善和用户结果。
如上所述，在某些实施方式中，为了提供相关和有效的指导和治疗，应用程序利用了来自一个或多个生理传感器(诸如一个或多个分析物传感器)的输入。本文所述的分析物传感器的实施例是葡萄糖监测传感器，其测量葡萄糖和/或指示用户体内葡萄糖和/或另一种分析物的浓度或存在的物质的浓度。在一些实施方式中，葡萄糖监测传感器是一种连续葡萄糖监测装置，例如皮下、透皮、经皮、无创、眼内和/或血管内(例如，静脉内)的装置。在一些实施方式中，该装置可以分析多个间歇性血液样本。葡萄糖监测传感器可以使用任何葡萄糖测量方法，其包括酶法、化学法、物理法、电化学法、光学法、光化学法、基于荧光的方法、分光光度法、光谱法(例如，光吸收光谱法、拉曼光谱法等)、旋光法、量热法、离子电渗法、辐射测量法等。
葡萄糖监测传感器可以使用任何已知的检测方法，其包括有创、微创性和无创传感技术，以提供指示宿主中分析物浓度的数据流。上述数据流通常是一个原始数据信号，其被用于为可能正在使用传感器的患者或医疗保健专业人员(如医生、医生、护士、护理人员)提供分析物的有用价值。
在一些实施方式中，葡萄糖监测传感器是可植入式传感器，例如参考美国专利号6,001,067和美国专利公开号US-2011-0027127-Al所述描述的。在一些实施方式中，葡萄糖监测传感器是经皮传感器，例如参考美国专利公开号US-2006-0020187-Al所描述的。在还有其他实施方式中，葡萄糖监测传感器是双电极分析物传感器，例如参考美国专利公开号US-2009-0137887-Al所描述的。在又一些其他实施方式中，葡萄糖监测传感器被配置为被植入宿主血管中或体外，例如美国专利公开号US-2007-0027385-Al中描述的传感器。这些专利和出版物以全文引用的方式并入本文。
示例性系统
图1A说明了示例性DSTA 100，其在某些实施方式中包括糖尿病干预应用程序(“应用程序”)106，其向用户102(下文称为“用户”)提供决策支持指导并确定/施用一种或多种治疗。在某些实施方式中，用户可以是患者或患者的护理人员。在本文描述的实施方式中，仅为简单起见假设用户是患者，但不限于此。在某些实施方式中，DSTA 100包括用户、葡萄糖监测系统104、执行应用程序106的移动装置107、决策支持引擎112、可选的胰岛素给药装置(未示出)和用户数据库110。
在某些实施方式中，葡萄糖监测系统104包括传感器电子模块和葡萄糖传感器，其测量血糖和/或指示用户体内葡萄糖和/或另一种分析物的浓度或存在的物质的浓度。在某些实施方式中，葡萄糖传感器被配置为在连续的基础上执行测量。传感器电子模块将血糖测量值输送到移动装置107以供应用程序106使用。在一些实施方式中，传感器电子模块通过无线连接(例如，蓝牙连接)将葡萄糖测量值传输到移动装置107。在某些实施方式中，移动装置107是智能电话。然而，在某些实施方式中，移动装置107可以替代地是任何其他类型的计算装置，例如手提电脑、智能手表、平板电脑或能够执行应用程序106的任何其他计算装置。
在某些实施方式中，决策支持引擎112指的是具有一个或多个软件模块的一组软件指令，其包括数据分析模块(DAM)113。在一些实施方式中，决策支持引擎112完全地在私有或公共云端中的一个或多个计算装置上执行。在这样的实施方式中，应用程序106通过网络(例如，因特网)与决策支持引擎112通信。在一些其他实施方式中，决策支持引擎112部分地在诸如移动装置107的一个或多个本地装置上执行，并且部分地在私有或公共云中的一个或多个计算装置上执行。在一些其他实施方式中，决策支持引擎112完全地在一个或多个本地装置上执行，例如移动装置107。
在某些实施方式中，DAM 113被配置为处理从应用程序106接收的一组输入，并计算多个指标130，然后可以将其存储在用户配置文件116中。应用程序106可以使用输入127和指标130，诸如应用程序106的不同特征，以向用户提供实时指导和治疗。用户配置文件116的各种数据点在下面更详细地描述。在某些实施方式中，用户配置文件，其包括用户配置文件116，存储在用户数据库110中，其可由应用程序106以及决策支持引擎112通过一个或多个网络(未示出)访问。在一些实施方式中，用户数据库110是指可以在公共或私有云端中操作的存储服务器。
提供给用户的实时指导和治疗帮助改善用户的生理状况和/或使用户能够做出更明智的决定。为了向用户提供有效的、相关的和及时的指导和治疗，在某些实施方式中，应用程序106的特征可以将存储在用户配置文件116中的与用户有关的信息和/或存储在用户数据库110中的这些用户的用户配置文件中的与相似用户池相关的信息作为输入。在某些实施方式中，应用程序106的特征可以通过各种方式与用户交互，例如文本、电子邮件、通知(例如，推送通知)、电话和/或诸如在应用程序106的用户界面上显示内容(例如，图表、趋势、图表等)的其他形式的通信。
如上所述，在某些实施方式中，应用程序106被配置为将与用户有关的信息作为输入并将该信息存储在用户的用户配置文件116中。例如，应用程序106可以在用户配置文件116中获得和记录用户的人口统计信息118、疾病进展信息120和/或用药信息122。在某些实施方式中，人口统计信息118可以包括用户的年龄、BMI(体重指数)、种族、性别等中的一项或多项。在某些实施方式中，疾病进展信息120可以包括关于用户疾病的信息，诸如用户是否是I型、II型或糖尿病前期，或用户是否患有妊娠糖尿病。在某些实施方式中，关于用户疾病的信息还可以包括自诊断以来的时间长度、糖尿病控制的水平、对糖尿病管理治疗的依从性水平、预测的胰腺功能、其他类型的诊断(例如，心脏病、肥胖症)或健康测量(例如，心率、锻炼、压力、睡眠等)和/或类似内容。在某些实施方式中，用药方案信息122可以包括关于用户服用的胰岛素或非胰岛素糖尿病药物和/或非糖尿病药物的量和类型的信息。在某些实施方式中，应用程序106可以从用户以用户输入的形式或从其他来源获得人口统计信息118、疾病进展信息120和/或用药信息122。在某些实施方式中，随着这些信息中的一些改变，应用程序106可以从用户或其他来源接收更新。
在某些实施方式中，除了用户的人口统计信息118、疾病进展信息120和/或用药信息122之外，应用程序106还获得附加的一组输入127，该组输入也被应用程序106的各种特征利用来向用户提供指导。在某些实施方式中，这种输入127是在连续的基础上获得的。在某些实施方式中，应用程序106通过用户输入和/或多个其他来源接收输入127，所述其他来源包括葡萄糖监测系统104、在移动装置107上运行的其他应用程序，诸如月经周期管理应用程序，和/或一个或多个其他传感器和装置。在某些实施方式中，这样的传感器和装置包括以下的一个或多个：胰岛素管理装置、其他类型的分析物传感器、由移动装置107提供的传感器或装置中(例如，加速度计、照相机、全球定位系统(GPS)、心率监测器等)或其他用户配件(例如，智能手表)，或任何其他提供关于用户的相关信息的传感器或装置。
在某些实施方式中，应用程序106进一步使用输入127的至少一部分来获得多个指标，诸如指标130，这些指标也存储在用户配置文件116中。正如关于图2进一步描述的那样，在某些实施方式中，应用程序106将输入127的至少一部分传输给DAM 113进行处理，基于此，DAM 113生成指标130。在某些实施方式中，指标130然后可以被应用程序106用作用于向用户提供指导的输入。注意，在某些实施方式中，用户数据库110中的用户池的用户配置文件116和用户配置文件是动态的，因为当新的输入127被定期接收或用户配置文件中的现有信息被改变时(例如，用户的用药信息改变，等等)，用户配置文件中的信息(包括用户配置文件116)可以改变。
正如关于图2中进一步描述的那样，在某些实施方式中，至少在某些情况下，指标130可能通常指示用户当前或未来的健康状况或状态，诸如用户的生理状态(例如，葡萄糖水平、胰岛素抵抗，等等)或心理状态(例如，压力水平、幸福感，等等)，与用户健康或状态关联的趋势等的一种或多种。例如，指标130可能包括与代谢率、葡萄糖水平和趋势、用户健康或疾病等关联的指标的一种或多种。指标130可能还包括可能表明用户行为和习惯的行为指标，诸如饮食习惯、锻炼方案，等等。在某些实施方式中，指标130可能包括实时指标、过去指标和/或趋势。
尽管不限于此列表，但应用程序106的一些示例性特征可以包括报告特征、干预特征、用药提醒特征、血糖影响估计器特征、教育特征等中的一个或多个。
在某些实施方式中，报告特征可以以各种形式向用户提供报告。例如，报告特征可以被配置为隔离(isolate)血糖波动并将其报告给用户，以便使用户能够思考这种血糖波动的原因。在某些实施方式中，报告特征可以提供结合了用户的葡萄糖、胰岛素和月经周期信息的报告。例如，报告可以指示用户的葡萄糖水平和胰岛素抵抗相对于用户月经周期的不同阶段是如何改变的。在某些实施方式中，报告(例如，实时的)可以提醒用户在月经周期中的阶段，并指示用户当前正在经历的血糖波动是由于该因素。在某些实施方式中，报告可以提醒用户关于用户在她们的月经周期中的阶段，并进一步警告或通知用户，例如，她将在2天内经历血糖波动，因为用户将在2天内进入黄体阶段。
此外，如本领域普通技术人员所理解的，可以以各种形式向用户提供报告。例如，报告特征可以显示用户的血糖测量趋势的图表，其中两次血糖波动用内容为“您今天有两次高血糖事件；第一次持续了55分钟，第二次持续了30分钟。”的文本来突出显示。在一个实施例中，用户的葡萄糖测量趋势或预测的图表可以用用户的月经周期的时间线来补充，以显示例如为什么用户正在经历比平常更高的葡萄糖水平、为什么用户在未来的某些日子将会经历到比平常更高的血糖水平(例如，如果用户不摄取或不参与任何治疗)，等等。将用户的过去、当前和/或预测的生理统计数据与有关用户月经周期的信息相结合，使用户能够就DSTA 100可能提供的可用治疗方案做出明智的决定。
在一个实施例中，报告特征可以提供下午报告，该报告提供有关当天到目前为止用户血糖平均值的信息，指示跟踪用户的目标葡萄糖范围所需的当天剩余时间的平均值，并建议低血糖负荷或体育活动。在另一个实施例中，报告特征可以提供包括每日、每周和每月血糖平均值以及估计的A1c的夜间总结。例如，该总结通知用户第二天的血糖平均值必须是多少才能使用户达到他们的A1c目标。
在某些实施方式中，报告特征可以集中于为用户提供可教学时刻。在某些实施方式中，可教学时刻识别行为(例如，体育活动、饮食、用药依从性和/或睡眠)对血糖的影响。可教学时刻可以以通知的形式推送给用户和/或记录在葡萄糖监测曲线上以供用户及时查看。例如，可教学时刻可以直观的显示在曲线上，并描述行为和葡萄糖反应，以便通知用户是什么行为导致了什么葡萄糖反应。
当用户在上午10点左右吃了的会提高他们的血糖的高血糖负荷早餐时，就可以提供一个积极的教学时刻的实施例。在某些实施方式中，基于来自用户的加速度计的输入，然后报告特征可以确定用户进行了30分钟的步行，这导致用户的血糖返回到他们的目标范围。在某些实施方式中，报告特征将该事件标记为可教学时刻(例如，通过在CGM曲线上显示星号)并且可以向用户发送通知，内容为：“做得真棒，Sharon！由于您30分钟的步行，您的血糖现在又回到了您想要的水平。”
在某些实施方式中，干预特征包括用于改变用户动作的任何特征，例如通过鼓励用户参与某个动作或制止参与某个动作。作为实施例，干预特征可以被配置为向用户发送推送通知，以鼓励用户参与某个动作。干预特征还能够例如基于用户过去的动作来确定用户将要参与某个动作，并向用户发送推送通知，要求其不参与这样的动作。在一些实施方式中，向用户推送通知可以基于与用户相关的信息(例如，输入127、指标130等)和/或与用户的分层组相关的信息。
例如，一种类型的干预特征可能涉及锻炼管理。实施例包括锻炼管理特征，其根据确定用户的葡萄糖水平是高的或将变高或处于缺乏锻炼可能导致用户的葡萄糖水平增加的水平时，例如通过推送通知鼓励用户锻炼。作为实施例，基于用户在其月经周期中的阶段以及与用户相关的信息和/或与一组相似用户相关的信息，该锻炼管理特征可以建议用户在接下来的几天时间内额外锻炼2个小时，因为用正在开始进入黄体阶段。
在某些实施方式中，锻炼管理特征可以被配置为接收和分析来自加速度计、全球定位系统(GPS)、心跳监测传感器、葡萄糖监测系统104和/或其他类型的传感器和装置的数据，以便为用户提供更有效和量身定制的指导。例如，通过从这些传感器和装置中的一个或多个接收信息，锻炼管理特征可能能够确定用户是否实际参与锻炼，用户应该锻炼多长时间以确保用户的血糖恢复正常范围，用户应该走什么步行路线等。
另一种类型的干预特征可能涉及饮食管理。例如，饮食管理特征可以充当虚拟营养师，用于向用户提供关于何时吃、吃什么、吃多少等中的一个或多个的指导。在某些实施方式中，饮食管理特征可以基于用户的一个或多个实时条件(例如，实时血糖测量值)、用户身体对某些膳食的反应等提供个性化的膳食推荐。在某些实施方式中，饮食管理特征还可以帮助用户进行膳食准备和/或购物和/或允许用户输入关于用户所摄入的膳食的信息以了解营养价值等。在某些实施方式中，饮食管理特征可以进一步在餐馆提出菜单和原材料替代建议，或建议特定地理区域内的健康餐厅和食品杂货店。在某些实施方式中，基于用户在她们的月经周期中的阶段以及与用户相关的信息和/或与一组相似用户相关的信息，例如，饮食管理特征可以建议用户在接下来几天的时间里改变他们的饮食，因为用户正在开始进入黄体阶段。例如，饮食管理特征可以计算用户可以摄入并且仍然在目标葡萄糖范围内的不同类型食物(例如碳水化合物、糖果等)的部分或量。饮食管理特征还可以提醒用户克制摄入某些类型的食物或多于一定量的此类食物，因为用户在特定时期内是或将会是对胰岛素有抵抗的。
在某些实施方式中，饮食管理特征还可以基于关于用户的膳食信息的信息来提供通知。例如，如果用户已经用餐并且之后他们的血糖没有降低回目标区域(例如，下一个餐前峰值(在初始用餐相关的葡萄糖升高后2小时)超过180mg/dL)，然后可以向用户发出紧急警报以立即进行锻炼。然而，如果用户最近一餐的前餐峰值低于180mg/dL，并且餐前葡萄糖在范围内(80-130)，那么如果用户在下一餐后收到警报，饮食管理特征可能会随机化(例如，将发送警报的可能性降低33％)。请注意，上述运动和饮食管理特征仅仅是干预特征的两个实施例。
在某些实施方式中，用药管理特征可以向用户提供关于用户何时需要服药、用户应该服用什么类型的药物(例如，用于II型糖尿病患者的口服药物和用于I型糖尿病患者的胰岛素注射等)、以什么剂量或量等的通知。用药管理特征可以基于用户的特定信息提供这样的通知，诸如用户的疾病(例如，I型或II型)、当前和预测的指标130(例如，当前血液水平和指标)、用户的月经周期信息、与类似用户组相关的信息等。例如，用药管理特征可以被配置为在一定量的时间内(例如，几个月)了解用户在月经周期的某些日期的胰岛素抵抗程度如何，以及在这些日期或为这些日期做准备时，需要向用户施用多少基础胰岛素。作为更具体的实施例，用药管理特征可以确定现在是用户进入黄体阶段的前两天，并要求用户要么施用两倍量的基础胰岛素，为用户变得胰岛素抵抗做好准备，要么询问用户是否可以向用户的胰岛素泵发出信号，以自动开始施用两倍量的基础胰岛素。在另一个实施例中，用药管理特征可以检测到用户开始变得胰岛素抵抗，并且推荐施用两倍于用户通常在用户没有胰岛素抵抗的日子施用的量的基础胰岛素。
在某些实施方式中，基于用户的历史信息，用药管理特征可以确定在用户月经周期的某个阶段(例如，黄体阶段)期间施用的某个额外剂量的基础胰岛素已经成功地将用户的葡萄糖水平维持在范围内。在这样的实施例中，用药管理特征可以建议用户在由于月经周期期间激素变化导致的用户胰岛素抵抗力增加期间或预期胰岛素抵抗力增加时施用额外剂量或自动指示胰岛素泵施用额外剂量。在某些实施方式中，用药管理特征可以基于对一组类似用户的有效性，来确定应该向用户施用多少额外的胰岛素。
在某些实施方式中，在确定要施用的额外胰岛素的适当量以对抗由于用户的月经周期引起的胰岛素抗性的改变(例如增加)时所涉及的学习过程，涉及检查用户的历史信息，诸如与用户在某些日期的胰岛素抵抗程度有关的模式，通常需要多少胰岛素才能使用户的葡萄糖水平恢复到范围，用户在某些日期期间根据他们服用的胰岛素量而处于范围内的时间，以及/或与一个或多个类似用户关联的类似信息等。例如，在某些实施方式中，用药管理特征可能会学习到，在X个月，在某些周期相关日期，建议用户服用1.5倍于用户通常服用的基础胰岛素，但用户的葡萄糖水平没有恢复到范围内，或者用户在超出范围之外的时间比预期的要多。基于此，在某些实施方式中，应用程序可以重新计算剂量，并且在X+1月的相同日期期间，建议用户服用1.7倍于用户通常服用的基础胰岛素的量。基于胰岛素剂量推荐的模式和用户的生理反应(例如，范围内的时间)，根据用户所处月经周期的阶段，用药管理特征可以最终学习(例如，通过DAM 113，如下所述)向用户建议适当量的胰岛素。
在某些实施方式中，用药管理特征还可以追踪用户遵循用药时间表的情况，在用户用完药物之前自动为用户订购药物，和/或提供关于药物本身的信息(例如，教导用户有关药物的影响和功效)。例如，用药管理特征可以询问患者是否服用了药物。如果用户连续三次回答“是”，那么用药管理特征可能会随机化，并分配33％的机会在第二天询问用户。如果用户连续三次没有回答“是”，那么用药管理特征可以向用户发送提醒以提醒用户在第二天服药。
在某些实施方式中，如上所述，用药管理特征可以基于用户当前或预测的指标130自动与胰岛素给药装置(例如，泵或笔)通信，以使该装置施用正确剂量的胰岛素。例如，用药管理特征可以考虑用户当前的葡萄糖水平和指标以及用户的预测葡萄糖水平和指标，并确定要施用的精确量的长效胰岛素。在某些实施方式中，用药管理特征可以向药物施用装置发送信号以施用所述量的胰岛素。如上所述，在某些实施方式中，用药管理特征将与用户有关的信息和/或与用户的分层组有关的信息考虑在内，以计算要施用的胰岛素量。与DSTA100(包括应用程序106)如何能够设置胰岛素给药装置(也称为药物输送装置)的胰岛素速率有关的示例性细节在美国专利申请公开2019/0246973的第[0425]-[0426]段中进行了描述，其全部内容并入本文。
在某些实施方式中，血糖影响估计器特征可以使用移动装置107的相机来扫描菜单并将每个膳食项目转换成估计的血糖影响指标。在一些实施方式中，血糖影响估计器特征显示叠加在菜单项上的血糖影响指标。在一些实施方式中，血糖影响指标基于来自用户的分层组的用户配置文件的数据。在一些实施方式中，血糖影响估计器特征可以基于项目使用不同颜色的健康程度来突出显示不同的菜单项目(例如，绿色表示较健康的项目，红色表示不健康的项目)。
在某些实施方式中，教育特征教育用户关于用户的状况以及用户可以如何改善他/她的健康。在一个示例中，教育特征向用户介绍如果用户采用某种生活方式，用户可能会看到的潜在影响。在某些实施方式中，为了确定潜在影响，教育特征可以考虑分层组中采用相同生活方式的其他用户所经历的影响。例如，教育特征可能会向用户说明：“通过遵循该程序，像您这样的患者能够在黄体阶段将A1C降低5％。”在某些实施方式中，教育特征还可以教育用户关于潜在行为的原因和影响，诸如基于分层组中的用户所经历的影响。
在某些实施方式中，教育特征提供了在用户月经周期的某些时期内施用胰岛素或高于所需量的胰岛素的替代方案。例如，教育特征可以检查与用户的分层组相关的信息，并发现该组中的某些用户能够通过在黄体阶段额外锻炼一小时而不服用任何高于通常量的胰岛素来将她们的葡萄糖维持在目标范围内。在这样的实施例中，教育特征可以通知用户这一发现。请注意，基于这一发现，锻炼管理特征还可以建议用户在黄体阶段进行额外的一小时运动，并基于用户的习惯额外推荐运动的类型和强度。在另一个实施方式中，教育特征可以检查与用户的分层组相关的信息，并发现该组中的某些用户能够通过在黄体阶段食用更少的某些食物而无需服用任何高于通常量的胰岛素来将她们的葡萄糖维持在目标范围内。类似地，在这样的实施例中，教育特征可以告知用户这个发现并且饮食管理功能可以基于相同的发现具体地推荐用户可以如何改变他们的饮食、吃什么部分等等。
图1B更详细地图示了葡萄糖监测系统104。图1B还图示了多个移动装置107a、107b、107c和107d。注意图1A的移动装置107可以是移动装置107a、107b、107c或107d中的任何一个。换言之，移动装置107a、107b、107c或107d中的任何一个可以被配置为执行应用程序106。葡萄糖监测系统104可以与移动装置107a、107b、107c和/或107d通信耦合。葡萄糖监测系统104可以与胰岛素给药装置(未示出)通信耦合，该装置也可以放置在用户的身体上以将胰岛素施用于用户的身体。
通过概述和实施例的方式，葡萄糖监测系统104可以被实现为封装的微控制器，其制作传感器测量值、生成分析物数据(例如，通过计算连续葡萄糖监测数据的值)以及参与无线通信(例如，通过蓝牙和/或其他无线协议)将此类数据发送到远程装置，例如移动装置107a、107b、107c和/或107d。美国专利号2019/0336053的第[0137]-[0140]段和图3A、3B和4进一步描述了一种皮肤上传感器组件，在某些实施方式中，该组件可与葡萄糖监测系统104结合使用。美国专利号2019/0336053的第[0137]-[0140]段和图3A、3B和4通过引用并入本文。
在某些实施方式中，葡萄糖监测系统104包括分析物传感器电子模块138和与分析物传感器电子模块138关联的葡萄糖传感器140。在某些实施方式中，分析物传感器电子模块138包括与测量和处理分析物传感器数据或信息相关联的电子电路，其包括与分析物传感器数据/信息的处理和/或校准关联的算法。分析物传感器电子模块138可以物理地/机械地连接到葡萄糖传感器140，并且可以集成到(即，不可释放地附接到)或可释放地附接到葡萄糖传感器140。
分析物传感器电子模块138也可以与葡萄糖传感器140进行电耦合，使得部件可以相互电耦合。分析物传感器电子模块138可以包括硬件、固件和/或软件，它们能够通过葡萄糖传感器140(例如，可以是/包括葡萄糖传感器)测量和/或估计用户体内的分析物水平。例如，分析物传感器电子模块138可以包括一个或多个恒电位仪、用于向葡萄糖传感器140提供电力的电源、用于信号处理和数据存储的其他组件、以及用于将数据从传感器电子模块传输到一个或多个显示装置的遥测模块。电子设备可以固定在葡萄糖监测系统104或平台等内的印刷电路板(PCB)上，并且可以采用多种形式。例如，电子设备可以采用集成电路(IC)的形式，例如专用集成电路(ASIC)、微控制器、处理器和/或状态机。
分析物传感器电子模块138可以包括传感器电子设备，其被配置为处理传感器信息，例如传感器数据，并生成转换的传感器数据和可显示的传感器信息。用于处理传感器分析物数据的系统和方法的实施例在本文和美国专利号7,310,544和6,931,327和美国专利公开号2005/0043598、2007/0032706、2007/0016381、2008/0033254、2005/0203360、2005/0154271、2005/0192557、2006/0222566、2007/0203966和2007/0208245中被详细地描述，所有这些都通过引用整体并入本文。
葡萄糖传感器140被配置为测量用户102中分析物的浓度或水平。术语分析物由美国申请号2019/0336053的第[0117]段进一步定义。美国申请号2019/0336053的第[0117]段通过引用并入本文。在一些实施方式中，葡萄糖传感器140包括连续葡萄糖传感器，诸如皮下、透皮(例如，经皮)或血管内装置。在一些实施方式中，葡萄糖传感器140可以分析多个间歇血样。葡萄糖传感器140可以使用任何葡萄糖测量方法，包括酶法、化学法、物理法、电化学法、分光光度法、旋光法、量热法、离子电渗法、辐射法、免疫化学法等等。与连续葡萄糖传感器有关的额外的细节在美国申请号13/827,577的第[0072]-[0076]中提供。美国申请号13/827,577的第[0072]-[0076]通过引用并入本文。
进一步参考图1B，移动装置107a、107b、107c和/或107d可以被配置为显示(和/或警报)可由传感器电子模块138传输的可显示传感器信息(例如，根据各自的偏好传输到显示装置的定制数据包中)。移动装置107a、107b、107c和/或107d中的每一个可以分别包括诸如触摸屏显示器109a、109b、109c和/或109d的显示器，其用于显示应用程序106的图形用户界面，以向用户102呈现传感器信息和/或分析物数据和/或接收来自用户102的输入。在某些实施方式中，移动装置可以包括其他类型的用户界面，诸如代替或除了触摸屏显示器之外的语音用户界面，其用于将传感器信息传送给移动装置的用户102和/或接收用户输入。在某些实施方式中，移动装置107a、107b、107c和/或107d中的一个、一些或全部可以被配置为在传感器信息从传感器电子模块138传送时显示或以其他方式传送传感器信息(例如，在传送到相应显示设备的数据包中)，而不需要校准和/或实时显示传感器数据所需的任何额外的预期处理。
图1B中所描绘的多个移动装置107a、107b、107c和/或107d可以包括定制的或专有的显示装置，例如分析物显示装置107b，特别设计用于显示与从传感器电子模块138接收的分析物数据关联的特定类型的可显示传感器信息(例如，某些实施方式中的数值和/或箭头)。在某些实施方式中，多个移动装置107a、107b、107c和/或107d之一包括基于Android、iOS或被配置成显示连续传感器数据(例如，包括当前和/或历史数据)的图形表示的另一操作系统的智能手机，诸如移动电话107c。
图2根据某些实施方式，更详细地说明了基于输入确定的示例性输入和示例性指标。图2示出了左侧的示例性输入127、中间的应用程序106和DAM 113以及右侧的指标130。在某些实施方式中，每个指标可对应于一个或多个值，例如，离散数值、范围或定性值(高/中/低或稳定/不稳定)。应用程序106通过一个或多个通道(例如，手动用户输入、传感器、在移动装置107上执行的其他应用程序等)获得输入127。在某些实施方式中，应用程序106的特征可以使用输入127为用户提供指导和治疗(例如，其包括向胰岛素泵发出信号以施用一定剂量的胰岛素)。输入127还可以由DAM 113进一步处理，以输出多个指标，诸如指标130，应用程序106的特征可以类似地使用这些指标来向用户提供指导和治疗。
如图所示，输入127包括但不限于食物摄入信息、活动信息、患者统计数据、胰岛素信息、来自传感器的信息、血糖信息、时间、日历、用户输入、月经周期信息等。
食物摄入信息可包括关于膳食、零食和/或饮料中的一种或多种的信息，诸如大小、含量(碳水化合物、脂肪、蛋白质等)、摄入顺序和摄入时间中的一种或多种。在某些实施方式中，食物摄入信息可通过用户手动输入、通过被配置为识别食物类型和数量的应用程序提供照片，和/或通过扫描条形码或菜单来提供。在各种实施例中，膳食大小可以手动输入为卡路里、数量('三个饼干')、菜单项('皇家奶酪')和/或食物交换份(1个水果、1个乳制品)中的一项或多项。在一些实施例中，还可以输入针对该时间或环境的用户典型项目或组合的膳食(例如，工作日在家吃早餐，周末在餐厅吃早午餐)。在一些实施例中，可以通过由应用程序106提供的便捷用户界面来接收膳食信息。
在某些实施方式中，活动信息也作为输入提供。例如，活动信息可以由可穿戴装置(例如手表、健身追踪器和/或贴片(patch))上的加速度计传感器提供。在某些实施方式中，也可以通过手动用户输入来提供活动信息。
在某些实施方式中，还可以提供患者统计数据，例如年龄、身高、体重、体重指数、身体成分(例如，体脂百分比)、身高、体型或其他信息中的一项或多项。在某些实施方式中，患者统计数据通过用户界面、与诸如电子病历之类的电子源的接口和/或从测量装置提供。在某些实施方式中，在某些实施例中，测量装置包括一个或多个无线装置，例如支持蓝牙、体重秤和/或摄像头，例如，它们可以与移动装置107通信以提供患者数据。
在某些实施方式中，可以通过智能笔上的无线连接、通过用户输入和/或从胰岛素泵(一种胰岛素给药装置)接收与患者的胰岛素输送有关的输入。胰岛素输送信息可以包括胰岛素体积、输送时间等中的一项或多项。也可以接收其他参数，例如胰岛素作用时间或胰岛素作用的持续时间作为输入。
在某些实施方式中，还可以从传感器接收输入，例如生理传感器，其可以检测心率、呼吸、氧饱和度或体温中的一项或多项(例如检测疾病)。在某些实施方式中，电磁传感器还可以检测从接触或靠近该对象的对象或工具发射的低功率射频场，这可以提供关于患者活动或位置的信息。可以从传感器接收的信息的一个实施例是用户的血糖值。
在某些实施方式中，还可以例如通过葡萄糖监测系统104提供血糖信息作为输入。血糖信息可以包括本领域已知的任何葡萄糖相关测量值。在某些实施方式中，可以从一个或多个跟踪用户何时服用药物的智能药物分配器、血液酮计、实验室测量或估计的AlC、长期控制的其他测量、或使用触觉响应测量外周神经病变的传感器(例如通过使用智能手机或专业设备的触觉特征)接收血糖信息。
在某些实施方式中，还可以提供时间作为输入，例如一天中的时间，或来自实时时钟的时间。时间还包括日期、月份和年份。
通过用户界面(诸如移动装置107的用户界面)的用户输入可以包括用户可以提供给应用106的任何其他类型的输入，例如上述其他类型的输入。例如，在某些实施方式中，用户输入可以包括一种或多种类型的食物摄入量、治疗的输送(诸如使用胰高血糖素刺激肝脏释放糖原以响应低血糖)、推荐的基础率或胰岛素与碳水化合物的比率(例如，从临床医生接收)、记录的活动(例如，强度、持续时间和完成或开始的时间)等的一个或多个。在某些实施方式中，用户输入还可以指示药物摄入(例如，药物的类型和剂量以及服药时间)。
在某些实施方式中，输入127还包括关于用户月经周期的信息。如上所述，该信息可以从第三方应用程序接收，诸如周期跟踪应用程序。在某些实施方式中，第三方应用程序可以通过例如应用程序编程接口定期地与应用程序106交互。关于用户的月经周期的信息可以包括关于用户周期的不同阶段、每个阶段需要多长时间、相应的日期、用户将进入每个阶段的预测日期、用户当前处于哪个阶段，预计当前日期何时结束，等等中的一个或多个的信息。在某些实施方式中，用户可以通过用户输入来补充由第三方应用程序提供的信息。例如，用户可以提供用户的月经阶段刚刚开始等的输入。在某些实施方式中，应用程序106可以不依赖于来自第三方应用程序的任何输入，而是仅依赖于用户输入。在这样的实施方式中，例如，应用程序106可以基于用户输入和/或某些基于科学的逻辑来计算关于用户月经周期的信息。
如上所述，在某些实施方式中，DAM 113基于输入127确定或计算用户的指标130。图2中示出了指标130的示例性列表。
在某些实施方式中，代谢率是可以指示或包括基础代谢率(例如，静止时消耗的能量)和/或活动代谢(例如，诸如锻炼或发力等活动所消耗的能量)的指标。在一些实施例中，可以将基础代谢率和活动代谢作为单独的指标来跟踪。在某些实施方式中，代谢率可以由DAM 113基于输入127中的一个或多个，诸如活动信息、传感器输入、时间、用户输入等中的一个或多个来计算。
在某些实施方式中，活动水平指标可以指示用户的活动水平。在某些实施方式中，例如基于来自活动传感器或其他生理传感器的输入来确定活动水平指标。在某些实施方式中，活动水平指标可以由DAM 113基于输入127中的一个或多个，例如活动信息、传感器输入、时间、用户输入等中的一个或多个来计算。
在某些实施方式中，可以使用历史数据、实时数据或它们的组合，并且可以例如基于一个或多个输入127，诸如食物食用信息，血糖信息、胰岛素输送信息、得到的葡萄糖水平等中的一个或多个，来确定胰岛素敏感性指标。在某些实施方式中，可以使用胰岛素输送信息、和/或已知或获知(例如，从患者数据)胰岛素时间作用曲线来确定活性胰岛素(insulinon board)指标，这可以解释基础代谢率(例如，更新胰岛素以维持身体运作)和由活动或食物摄入驱动的胰岛素使用。
在某些实施方式中，进餐状态指标可以指示用户在食物进食方面所处的状态。例如，进餐状态可以指示用户是否处于禁食状态、餐前状态、进食状态、餐后响应状态或稳定状态之一。在某些实施方式中，进餐状态还可以指示活性营养(nourishment on board)，例如，摄入的膳食、零食或饮料，并且可以例如根据食物摄入信息、进餐时间信息和/或消化率信息来确定，这可以与食物类型、数量和/或顺序相关(例如，先吃哪种食物/饮料)。
在某些实施方式中，健康和疾病指标可以，例如，基于来自生理传感器(如温度)、活动传感器或其组合的一个或多个用户输入(例如，妊娠信息或已知疾病信息)来确定。在某些实施方式中，基于健康和疾病指标的值，例如，用户的状态可以被定义为健康、生病、休息或疲惫中的一种或多种。
在某些实施方式中，可以从传感器信息(例如，从葡萄糖监测系统104获得的血糖信息)确定葡萄糖水平指标。在一些实施方式中，还可以，例如，基于关于特定情况下的葡萄糖水平的历史信息来确定葡萄糖水平指标，例如，给定一种食物摄入、胰岛素和/或活动的组合。
在某些实施方式中，指标130还包括疾病阶段，诸如II型糖尿病患者。II型糖尿病患者的示例性疾病阶段可以包括前驱糖尿病阶段、口服治疗阶段和基础胰岛素治疗阶段。在某些实施方式中，血糖控制程度(未显示)也可以作为指标来确定，并且可以基于例如葡萄糖水平、葡萄糖水平的变化或胰岛素给药模式中的一种或多种。
在某些实施方式中，临床指标通常指示相对于用户的一种或多种病况(诸如糖尿病)用户所处的临床状态。例如，在糖尿病的情况下，临床指标可以根据血糖测量值来确定，包括A1c、A1c趋势、范围内时间、低于阈值水平所用的时间、高于阈值所用的时间和/或来自血糖值的其他指标的一个或多个。在某些实施方式中，临床指标还可以包括估计的A1c、血糖变异性、低血糖、和/或健康指标(超出目标区域的时间量)中的一项或多项。
在某些实施方式中，指标130还包括可以包括饮食习惯、疾病治疗依从性、用药类型和依从性、锻炼方案等的行为指标。如下文进一步描述的，在某些实施方式中，DAM113可以使用用户行为指标的历史记录开发趋势，基于这些趋势可，以预测用户的未来行为。在某些实施方式中，用餐习惯是通过基于用户用餐的内容和时间的一个或多个指标来测量的。例如，在实施例中，如果用餐习惯指标在0到1的范围内，那么用户吃的越好/健康，其用餐习惯指标的值就越高，其将为1。此外，在实施例中，用户的食物摄入越遵守特定的时间表，他们的用餐习惯指标将越接近1。在某些实施方式中，疾病治疗和依从性由一个或多个指标测量，这些指标指示用户对治疗其疾病的遵循程度。
在某些实施方式中，疾病治疗和依从性指标基于用户的饮食或食物摄入、锻炼方案、用药依从性等中的一项或多项来计算。在某些实施方式中，用药依从性是通过一个或多个指标来衡量的，这些指标表明用户对其用药方案的遵循程度。在某些实施方式中，用药依从性指标是基于用户服用药物的时间(例如，用户是否按时或按时)、药物类型(例如，用户服用正确的药物)、药物剂量(例如，用户服用的剂量是否正确)中的一项或多项来计算的。
在某些实施方式中，锻炼方案由一个或多个指标测量，这些指标指示用户参与的活动类型、活动的强度、用户参与此类活动的频率等中的一项或多项。在某些实施方式中，可以基于一个或多个活动传感器、日历输入、用户输入等来计算锻炼方案指标。
在某些实施方式中，输入127和指标130被加时间戳以创建用户的历史数据记录。基于该历史数据的记录，DAM 113能够确定不同输入127之间、不同指标130之间、和/或输入127与指标130之间的相关性。例如，基于历史数据，可以确定用户的月经周期与用户在月经周期不同阶段的血糖水平之间的相关性。如本领域普通技术人员可以理解的，可以类似地确定各种输入127和/或指标130之间的相关性。例如，可以确定施用的胰岛素剂量、血糖水平和月经周期的不同阶段之间的相关性。在某些实施方式中，基于历史数据的记录和/或确定的相关性，DAM 113然后能够预测用户在月经周期的不同阶段期间的胰岛素抵抗和血糖水平的变化，以及在月经周期的不同阶段，不同剂量的基础和推注胰岛素、运动和食物摄入对葡萄糖水平的预测影响。在某些实施方式中，基于这样的预测，应用程序106的不同特征能够推荐不同的治疗，诸如不同剂量的基础和/或推注胰岛素、某些类型和/或时长的运动、以及某些类型和/或部分的食物。
图3是说明由系统(例如，DSTA 100)执行的示例性操作300的流程图，其用于基于用户在她的月经周期中的阶段向用户提供一种或多种治疗。基于与用户有关的信息和/或与用户池有关的信息来确定一种或多种治疗，例如在一个或多个方面与用户相似用户的分层组。操作300在下面参考图1A-1B和2及其组成部分进行描述。注意，操作300的步骤可以不必以这里描述的顺序执行。此外，可以省略这里的一些步骤，和/或可以添加额外的状态。
在步骤302，操作300从测量用户的血糖开始。在某些实施方式中，步骤302由葡萄糖监测系统104执行。在某些实施方式中，葡萄糖监测系统104是连续葡萄糖监测系统，使得它能够周期性地(例如，每5分钟)测量用户的血糖水平。在某些实施方式中，由应用程序106随时间接收和记录葡萄糖测量值，从而可以创建葡萄糖测量值的记录。在某些实施方式中，记录指示所有过去的葡萄糖测量值，包括最近的葡萄糖测量值，这被认为是用户的实时葡萄糖测量值。注意，在某些实施方式中，应用程序106能够从葡萄糖监测系统104接收葡萄糖测量值，因为在使用葡萄糖监测系统104之前，用户通过应用程序106的设置过程，以确保应用程序106和葡萄糖监测系统104能够相互识别并安全地通信。在某些实施方式中，在设置过程或使用应用程序106的早期阶段，用户向应用程序106提供她的人口统计信息118、疾病进展信息120和用药信息122中的至少一个。
在一些实施方式中，在步骤304处，操作300接着接收关于用户的月经周期的信息。在某些实施方式中，步骤302由DAM 113执行。例如，作为输入127的一部分，DAM113可以接收关于用户月经周期的信息。如上所述，在某些实施方式中，该信息可以从第三方软件应用程序接收，该第三方软件应用程序实时地追踪用户在她的月经周期中的阶段并且能够确定每个阶段持续多长时间以及每个阶段何时开始，等等。这样的软件应用程序可以在移动装置107上或在通过网络与移动装置107和/或DAM 113通信的某个其他计算装置上执行。在某些实施方式中，如上所述，DAM 113可以以手动用户输入的形式接收关于用户月经周期的信息。例如，用户可以输入关于他们的月经何时开始和结束的信息以及用户可能拥有的关于她们的月经周期的任何附加信息。
在步骤306，操作300接着基于关于用户的月经周期的信息以及用户的历史数据和与相似用户的分层组关联的历史数据中的至少一个确定用户的一种或多种治疗以将用户的葡萄糖水平维持或恢复到目标范围内。在某些实施方式中，步骤306可以由DAM 113执行。
在某些实施方式中，DAM 113根据一些数据点来确定一种或多种治疗，这些数据点基于用户的历史数据和/或与类似用户的分层组关联的历史数据指示或计算(例如预测)。更具体地，在某些实施方式中，DAM 113可以根据用户目前和/或将来某个时间(例如月经周期的不同阶段)的葡萄糖水平和/或胰岛素抵抗力来确定一种或多种治疗。此外，在某些实施方式中，DAM 113可以根据过去(例如过去几天、几个月、几年)将用户的葡萄糖水平有效保持或恢复到目标范围的治疗和/或过去将分层组中一个或多个用户的葡萄糖水平有效保持或恢复到目标范围内的治疗来确定一种或多种治疗。注意，目标范围可以指或包括目标葡萄糖水平(例如，特定测量)。
例如，用户的葡萄糖水平当前可能高于目标葡萄糖水平。在这样的实施例中，DAM113可以至少根据用户的当前葡萄糖水平、当前葡萄糖水平和目标葡萄糖水平之间的差异、和/或用户的当前胰岛素抵抗力来确定一种或多种治疗。在这种情况下，用户当前的胰岛素抵抗力要么实时计算，要么基于用户自己的历史数据和/或与分层组关联的历史数据。例如，在某些实施方式中，用户当前的胰岛素抵抗力可以基于用户在她们的月经周期中的阶段和/或用户先前在用户过去的月经周期的相同时间段的胰岛素抵抗程度。
在另一实施例中，DAM 113可以确定一种或多种治疗以帮助用户在未来某个时间点维持或达到某个葡萄糖水平。在这样的实施例中，DAM 113可以至少根据用户未来的葡萄糖水平和/或胰岛素抵抗力来确定一种或多种治疗，这可以基于用户的历史数据记录和/或分层组中的一个或多个用户的历史数据记录来预测。例如，用户可能距离进入黄体阶段还有两天。在这样的实施例中，DAM 113可以预测该事件，预测用户在黄体阶段的胰岛素抵抗程度，并确定过去在帮助用户黄体阶段达到一定葡萄糖水平的一种或多种治疗。例如，在简化的情况下，DAM 113可以确定在用户进入黄体阶段前两天施用特定剂量的基础胰岛素可以有效地将用户的葡萄糖水平维持在目标范围内，例如，假设用户继续遵循相同的饮食和锻炼方案。
在某些实施方式中，当用户开始使用应用程序106时，可能没有足够的关于它们的输入127和指标130可用。因此，在某些实施方式中，不能高度自信地得出关于用户的葡萄糖水平如何波动和/或用户在月经周期不同阶段响应于用户激素变化的胰岛素抵抗程度的结论。同样，在这些实施方式中，无法高度自信地得出关于在月经周期的不同阶段，哪些治疗可以有效地保持或恢复用户的葡萄糖水平的结论。在某些实施方式中，为了能够基于用户自己的历史数据做出可靠的结论，至少几个月的输入127和指标130(例如，一个或多个月)应该可供用户使用，尽管不是必需的。因此，至少最初，DAM113可以使用用户数据库110中的一个或多个用户的历史数据，以便预测用户的葡萄糖水平如何波动和/或用户在月经周期的不同阶段的胰岛素抵抗程度，以及哪些治疗在这些阶段有效或可能有效。
在某些实施方式中，DAM 113可以利用用户数据库110中所有用户的历史数据来进行上述预测。然而，在某些其他实施方式中，DAM 113可以首先基于一个或多个相似性或分层因素对用户数据库110进行分层。在某些实施方式中，根据使用的数据模型和分析，基于类似用户的分层组的数据集所做的预测可能比基于与用户数据库110中所有用户关联的数据集的预测更准确。
用户的分层组是指用户数据库110中在一个或多个方面与用户相似用户的分层组。例如，当用户第一次开始使用应用程序106时，可以确定关于用户的某些信息。这样的信息可以包括用户的人口统计信息118、疾病进展信息120和/或用药信息122。作为输入127的一部分，应用程序106最初也可能收到有关用户月经信息的输入。如上所述，所有这些输入都可以记录在用户配置文件116中。因此，DAM 113可以从用户数据库110中检索用户配置文件116并且基于用户配置文件116与用户数据库110中的用户池的用户配置文件的信息之间的一个或多个相似性从用户数据库110中选择用户的分层组。例如，DAM 113可以使用一个或多个相似性或分层因素进行分层，该一个或多个分层因素包括用户的疾病进展信息、用药信息、人口统计信息、月经周期信息和/或任何其他信息中的至少一个用户配置文件116中可用的附加数据(例如，输入127和指标130，如果可用的话)。
多种方法和途径中的一种可以用于基于一个或多个分层因素(例如，疾病进展、用药信息、人口统计信息、目标、月经周期、输入127、指标130或其组合)对用户数据库110进行分层。在某些实施方式中，DAM 113可能会使用各种数据过滤技术之一，以根基于一个或多个分层因素过滤更广泛的用户数据库110。例如，如果用户患有I型糖尿病，则DAM 113可以过滤用户数据库110中也患有I型糖尿病的所有用户配置文件。在这种情况下，用户的分层组将包括所有此类用户。然而，在某些实施方式中，如果使用额外的分层因素进行分层，则可以执行额外的过滤以进一步缩小分层组中的用户组。例如，如果分层因素包括疾病进展和人口统计信息并且用户是患有I型糖尿病的女性，则DAM 113可以过滤用户数据库110中也患有I型糖尿病的所有女性用户的所有用户配置文件。
在某些实施方式中，DAM 113可以使用机器学习算法对用户数据库110进行分层。例如，无监督学习算法可用于对用户数据库110中的所有用户配置文件进行聚类并确定用户配置文件116属于哪个聚类。无监督学习是一种机器学习算法，用于从由没有标记响应的输入数据组成的数据集中进行推断。如本领域普通技术人员所理解的，除了专注于聚类分析的无监督学习算法之外，还可以使用其他类型的无监督学习算法。
在某些实施方式中，可以代替使用监督学习算法。监督学习是学习函数的机器学习任务，例如，该函数根据示例性输入-输出对将输入映射到输出。在某些实施方式中，使用监督学习算法，DAM 113可以被配置为基于已经使用标记数据集训练的机器学习模型，通过确定用户属于什么类别或用户的分层组来对用户配置文件116进行分类。在某些实施方式中，标记的数据已经包括基于一个或多个特征(例如疾病进展)分类的不同类别的用户。例如，在某些实施方式中，一类用户包括年龄范围为25-27岁的女性的所有用户配置文件，而另一类用户包括年龄范围为27-29岁的所有女性。在这样的实施例中，如果用户配置文件116的人口统计信息118指示用户是26岁，则DAM 113选择所述第一类作为用户的分层组(如果唯一的分层因素是年龄)。
在一些实施方式中，在选择用户的分层组时，DAM 113可以被配置为围绕每个分层因素定义范围。例如，如果用户是25岁，则可以定义四个年头的范围，以便将23-27岁范围内的所有用户包括在分层组中。
一旦从用户数据库110中选择了一组用户，无论该组对应于用户数据库110中的所有用户还是分层组中的用户，DAM 113都会使用与该组相关联的历史数据记录基于用户的月经周期(例如，在月经周期的不同阶段)来预测用户的的葡萄糖水平和/或胰岛素抵抗力。
作为实施例，当用户最初使用应用程序106时，用户配置文件116可以指示用户是25岁的高加索女性，她是I型并且注射胰岛素。用户配置文件116还可以指示关于用户月经周期的细节。在这样的实施例中，DAM 113可以根据上述一个或多个分层因素对用户数据库110进行分层。例如，DAM 113可以对用户数据库110进行分层以找到与24-26岁的年龄范围内患有I型糖尿病并注射胰岛素的所有高加索女性用户相关联的数据集。请注意，DAM 113可能会或可能不会使用用户的月经周期信息作为分层因素。
在某些实施方式中，DAM 113然后可以检查数据集，以预测用户月经周期某一点的葡萄糖水平和胰岛素抵抗力。例如，用户可能距离进入她的黄体阶段还有2天。在这样的实施例中，DAM 113基于用户的月经周期信息对此进行预料。由于关于用户在她的黄体阶段或黄体阶段的某些子阶段(或月经周期的其他阶段和/或子阶段)期间可能胰岛素抵抗变成怎样的信息可能仍然不可用，在某些实施方式中，DAM 113随后检查与用户的分层组关联的数据集，以确定分层组用户在月经周期的各个阶段和/或子阶段(例如黄体阶段)中的胰岛素抵抗程度。
在某些实施方式中，用户的黄体阶段(或月经周期中的任何其他期)可以被划分为各种子阶段，其中每个子阶段可以对应于黄体阶段的特定时间范围。作为实施例，用户的黄体阶段可以包括子阶段，诸如开始子阶段、中间子阶段和结束子阶段。在另一个实施例中，子阶段可以对应于天数，例如如果用户的黄体阶段通常是七天，那么可以定义七个子阶段。子阶段还可以对应于小时和分钟，使得例如黄体阶段的第一子期可以对应于黄体阶段的第一小时。由于胰岛素抵抗力在黄体阶段的不同时间以不同的量变化，在某些实施方式中，将黄体期划分为子阶段有助于更准确地确定分层组的胰岛素抵抗用户在特定时间段内的情况，在此基础上可以预测用户的胰岛素抵抗力和/或葡萄糖水平。
当所有用户的黄体阶段被分为子阶段时，DAM 113能够确定在用户正在或将要进入的同一子阶段，用户的分层组的胰岛素抵抗力的平均变化。例如，如果用户距离进入黄体阶段还有2天，这可能意味着用户距离进入黄体阶段的第一个子阶段还有2天，其中第一个子阶段对应于开始阶段、第一天或DAM 113可能配置有的其他约定时间。
因此，在某些实施方式中，DAM 113检查与分层组相关联的数据集，以确定此类用户在第一个黄体子阶段的胰岛素抵抗力平均水平和/或这些用户的葡萄糖水平的变化程度。基于该信息，在某些实施方式中，如果用户不包含任何额外的治疗(例如额外的锻炼、更严格的饮食、额外剂量的基础和/或推注胰岛素)，DAM 113能够预测用户在第一子阶段的胰岛素抵抗力和/或用户的葡萄糖水平将有多大变化。
注意，尽管本文中的某些实施方式描述了黄体阶段期间胰岛素抵抗的变化，但使用者的胰岛素抵抗可能在月经周期的其他阶段期间发生变化。因此，本文所述的实施方式同样适用于月经周期的其他阶段或子阶段。换言之，黄体阶段仅用作实施例。
此外，注意，在某些实施方式中，代替或除了检查与分层组关联的数据集之外，DAM113可以考虑科学数据点，这些数据点指示，在用户月经周期的某些阶段和/或子阶段，用户的胰岛素抵抗力和/或葡萄糖水平平均可能会发生多大的变化。例如，在某些实施方式中，此类科学数据点可以得到科学研究的支持，并作为数据集提供给DAM113，该数据集指示具有不同特征(例如，人口统计信息、疾病进展、用药信息、月经周期信息等)可能会在月经周期的不同子阶段和/或阶段期间经历胰岛素抵抗力和/或葡萄糖水平的变化。例如，在这种情况下，可以使用基于规则的方法，例如，如果用户是25岁，则规则可以指示，基于科学数据点，用户的胰岛素抵抗将在用户月经周期的某个阶段(例如黄体阶段)的第一子阶段增加30％，因为该年龄的女性通常会经历胰岛素抵抗的显著增加。科学数据点可以指示月经阶段的每个子阶段和/或阶段的胰岛素抵抗力的变化。例如，数据可能表明用户的胰岛素抵抗将在第二子阶段增加40％。
在某些实施方式中，预测用户的胰岛素抵抗程度和/或用户的葡萄糖水平在第一子阶段可能有多少变化，这可能有助于DAM 113预测一种或多种治疗，让用户在进入第一子阶段时将葡萄糖水平保持在目标范围内。例如，DAM 113可以配置有科学数据点，这些数据点指示可以帮助将用户的葡萄糖水平维持在特定范围内的特定类型或数量的治疗，即使在特定阶段或子阶段期间胰岛素抵抗力的变化也是如此。例如，某些科学数据点可能表明，对于25岁的用户，平均而言，在第一子阶段之前或在第一子阶段的某个时间点施用额外的20％的基础胰岛素，已显示出可以在月经周期的某个子阶段或阶段抵消30％的胰岛素抵抗力增加。在另一个实施例中，科学数据点可能表明，在月经周期的某个子阶段或阶段，每天额外1小时的锻炼已显示出可有效抵消10％的胰岛素抵抗力增加。在另一个实施例中，科学数据点可能表明，每天遵循更严格的饮食(例如更少的碳水化合物等)已显示出可以在月经周期的某个子阶段或阶段有效抵消15％的胰岛素抵抗力增加。
请注意，这些是简化的实施例，用于说明基于科学研究的数据点如何用于向用户推荐治疗。因此，这些简化实施例并不意味着限制本公开的范围。在某些实施方式中，当使用科学数据点时，DAM 113可以配置有基于规则的方法，例如，如果用户在第一子阶段期间胰岛素抵抗力的增加是20％，并且科学数据点表明由于额外剂量的胰岛素能够抵消10％的胰岛素抵抗力增加，DAM 113可以配置为向用户推荐双倍的剂量。相反，在另一个实施方式中，DAM 113可以配置为推荐相同的额外剂量以抵消10％的增加和额外1小时的日常锻炼以抵消胰岛素抵抗力的另外10％的增加等。因此，组合也可以推荐一些治疗(例如，胰岛素、饮食限制、锻炼)。
在某些实施方式中，代替或除了基于检查上述科学数据点来确定一种或多种治疗之外，DAM 113可以根据与分层组关联的数据集，预测一种或多种治疗在用户月经周期的子阶段或阶段可能有效抵消用户月经周期阶段或阶段的胰岛素抵抗力变化。注意，如上所述，在某些实施方式中，数据集可以对应于整个用户池而不是用户的分层池。换言之，可以类似地基于与所有用户相关联的数据对有效治疗做出预测；因此，没有必要对用户数据库110进行分层。本领域普通技术人员可以理解可用于基于与用户的分层组关联的数据集进行此类预测的各种方法和操作。
例如，在某些实施方式中，可以使用一种或多种数据模型、机器学习模型、回归模型、函数和算法来预测一种或多种治疗或其组合以抵消在月经周期的某个子阶段或阶段期间胰岛素抵抗力的一定量的变化。在图4中描述了一些可以使用的不同算法的实施例。
在某些实施方式中，这些数据模型、机器学习模型、回归模型、函数或算法可用于发现不同变量(例如，数据特征、如关于图4更详细描述的)。在一个实施例中，可以基于月经子阶段或阶段来定义一个变量。另一个变量可以是葡萄糖水平或其中的变化。还可以定义许多其他变量，其包括与胰岛素的施用剂量关联的变量、与运动量和/或类型关联的变量、与摄入的食物的类型和/或量关联的变量。
在某些实施方式中，基于这些相关性，DAM 113可能能够识别一致的模式，基于该模式，DAM 113可以被配置为预测对用户的有效治疗。在某些实施方式中，这些模式在不同的子阶段显示了不同类型/数量的药物(例如，胰岛素)以及用户行为(例如，锻炼、食物)的类型/数量对用户葡萄糖水平的影响/月经周期的阶段。
例如，数据集可以表明，对于24-26岁的女性用户，平均而言，额外20％的基础胰岛素(例如，在第一个子阶段之前的某个时间量或在某个在第一个子阶段的时间点)抵消了黄体阶段第一子阶段30％的胰岛素抵抗力增加。在另一个实施例中，数据集可能表明，对于患有1型糖尿病的高加索女性用户，在月经周期的某个子阶段或阶段，每天额外1小时的锻炼抵消了10％的胰岛素抵抗力增加。在又一个实施例中，数据集可以表明，对于与用户具有相同月经周期的女性用户，每天遵循更严格的饮食(例如，更少的碳水化合物等)可以在月经周期的某个子阶段或阶段抵消15％的胰岛素抵抗力增加。请注意，这些是简化的实施例，用于说明如何使用与一组用户关联的数据集向用户推荐治疗。因此，这些简化实施例并不意味着限制本公开的范围。基于这些一致的模式，DAM 113可以预测一种或多种治疗可能对用户有帮助。
在某些实施方式中，随着额外的输入127和指标130随着时间被接收并存储在用户配置文件116中，可以开发与用户自己的历史数据相关联的数据集，基于该数据集DAM 113可以确定一种或多种治疗以帮助用户根据用户在月经周期中的位置维持或达到一定的葡萄糖范围。例如，额外的输入127和指标130可以包括关于基于与用户的分层组(或用户数据库110中的整个用户组)和/或科学数据点相关联的数据集提供给用户的不同治疗的信息。额外的输入127和指标130还可以包括关于这种治疗对用户的影响的信息，例如对用户生理的影响(例如，葡萄糖水平等)。
在某些实施方式中，用户自己的历史数据可以更精准地预测用户的葡萄糖水平和/或胰岛素抵抗在月经周期的某个子阶段或阶段中是或将会是什么以及在该子阶段或阶段期间怎样的一种或多种治疗将是有效的甚至更准确的预测。本领域普通技术人员可以理解可用于基于与用户自己相关联的数据集进行此类预测的各种方法和操作。
例如，在某些实施方式中，可以使用一种或多种数据模型、机器学习模型、回归模型、函数和算法来预测一种或多种治疗或其组合以抵消在月经周期的某个子阶段或阶段期间胰岛素抵抗力的一定量的变化。在图4中描述了一些可以使用的不同算法的实施例。在某些实施方式中，这些数据模型、机器学习模型、回归模型、函数或算法可用于发现不同变量(例如，特征)之间的相关性。如上所述，变量可以包括葡萄糖水平和/或其中的变化、胰岛素抵抗和/或其中的变化、月经子阶段或阶段，以及运动和食物相关变量。
在某些实施方式中，基于这些相关性，DAM 113可能能够识别一致的模式，基于该模式，DAM 113可以被配置为确定对用户的有效治疗。在某些实施方式中，这些模式显示了不同类型/量的药物(例如，胰岛素)以及不同类型/量的用户行为(例如，锻炼、食物)在月经周期的不同阶段对用户的葡萄糖水平的影响。
例如，数据集可能表明，在过去的12个月中，平均而言，施用额外的40％的基础胰岛素抵消了用户在月经周期的某个子阶段或阶段期间30％的胰岛素抵抗力增加。在另一个实施例中，数据集可能表明每天额外1小时的锻炼不足以抵消在月经周期的某个子阶段或阶段期间10％的胰岛素抵抗力增加。类似的实施例也在本公开的范围内。基于用户自己的历史数据和其中发现的模式，DAM 113随后能够确定一种或多种治疗是有效或无效的。
在步骤306，操作300接着向用户提供一种或多种治疗。如上所述，一种或多种治疗可能已经基于与用户相关联的历史数据、与用户数据库110中的一个或多个用户相关联的历史数据和/或科学数据点来确定。
在某些实施方式中，如果一种或多种治疗包括施用特定剂量的胰岛素，则一旦DAM113确定了特定剂量的胰岛素，应用程序106的用药管理特征可能会向用户发送带有分娩剂量和/或分娩时间的治疗建议(例如通知)，以便用户可以手动施用胰岛素。或者，用药管理特征可以(例如，在接收到用户的批准后)自动与胰岛素给药装置通信以在递送时间递送确定的剂量。在某些实施方式中，当用户仅以口服药物形式摄入胰岛素时，治疗可以指示这种口服胰岛素的有效剂量。提供自动或手动施用的正确剂量的胰岛素是有利的，因为否则，用户可能(1)通过施用过量的胰岛素以抵消她的胰岛素敏感性的变化而过度补偿，或(2)施用太少胰岛素并看到她的葡萄糖水平飙升，这可能会导致用户继续注射额外的剂量。
在某些实施方式中，如果一种或多种治疗包括在某个子阶段或阶段期间进行更多和/或不同的运动，则运动管理特征向用户提供包括运动的类型和/或强度的治疗建议。例如，与用户的历史数据相关联的数据集可以显示在用户的黄体阶段跑步一小时始终有助于用户将她的葡萄糖水平维持在目标范围内。在这样的实施例中，锻炼管理特征向用户建议一小时的额外跑步或具有相似类型和/或强度的锻炼(游泳)。例如，锻炼管理特征可以计算出，如果用户要游泳而不是跑步，那么游泳45分钟就足够了。
在某些实施方式中，如果一种或多种治疗包括在某个子阶段或阶段期间改变饮食，那么饮食管理特征可以提供治疗建议，其包括用户可以相应地调整他们的饮食的不同方式和形式。例如，与用户的历史数据关联的数据集可以显示，在用户的黄体阶段摄入少于15克的糖或50克的碳水化合物始终有助于帮助用户将她的葡萄糖水平保持在目标范围内。在这样的实施例中，饮食管理特征可以向用户推荐这样的发现作为治疗，并且还推荐与过去有效的膳食和菜肴相一致的饮食。
在某些实施方式中，可以向用户推荐两种或更多种治疗的组合。例如，出于不同的原因，某些用户通常可能希望减少对胰岛素的依赖，在这种情况下，为了抵消他们的胰岛素抵抗力，应用程序106可以推荐锻炼和饮食的组合。可以基于用户自己的历史数据和/或与用户数据库110中的一个或多个用户相关联的历史数据来确定这种可以排除胰岛素给药的组合。例如，在月经周期的某个阶段，例如黄体阶段，用户可能总是只给予额外的胰岛素以抵消她的胰岛素抵抗的变化。然而，用户可以改为决定在她的黄体阶段进行额外的锻炼并遵循更严格的饮食而不是施用额外的胰岛素。在这种情况下，用户自己的历史数据可能不会强烈支持用户的葡萄糖水平如何在她的黄体阶段对更多的锻炼和/或更严格的饮食作出反应。在这样的实施例中，推断来自类似用户的历史数据，这可能表明一定的额外运动量和/或一定的饮食改变可能是有效的。
图4是根据某些实施方式的说明如何为用户确定一种或多种治疗的一个实施例的图。如图所示，在图4的实施例中，通过A、B、C三个步骤(包括步骤C1和C2)收集和准备数据。在步骤A中，应用程序106接收来自或关于用户的某些初始输入，诸如人口统计信息118、疾病进展信息120、用药信息122、输入127(其包括月经周期信息)和/或指标130。如上所述，因为最初可能没有足够的输入127和指标130被接收和/或对于用户可用，所以在图4的实施例中，在步骤C1中，DAM 113最初中基于与用户数据库110中的一个或多个用户相关联的数据集440来确定用户的一个或多个治疗。
数据集440可以对应于与用户数据库110中的所有用户或用户的分层组相关联的历史数据的记录。这些备选方案以不同类型的虚线显示。例如，在某些实施方式中，在步骤B中，如上所述，DAM 113基于一个或多个分层因素对用户数据库110进行分层，这导致用户的分层组，显示为用户组2。在这样的实施方式中，数据集440对应于与用户组2关联的历史数据的记录。在某些其他实施方式中，在步骤B中，DAM 113可能会决定不对用户数据库110进行分层，在这种情况下，数据集440对应于与用户数据库110中所有用户关联的历史数据记录。
在步骤C1中，在某些实施方式中，数据集440被用作训练数据集，其被馈送到机器学习(ML)算法470，以输出假设函数450(即，h)。如上所述，数据集440被开发和记录使得它包括多种数据特征(DF)，例如：如本领域普通技术人员所理解的，一个或多个对应于用户月经周期的时间和/或位置(例如，哪个或哪些子阶段)的DF、一个或多个对应于血糖水平和/或其中的变化的DF、一个或多个对应于胰岛素抵抗和/或其中的变化的DF、一个或多个对应于所进行的锻炼的类型和量的锻炼相关的DF，一个或多个对应于饮食限制和/或所摄入食物的类型和量的饮食相关的DF，一个或多个对应于所施用的胰岛素的类型和/或量的DF，和/或可用于该模型的额外的DF。例如，任何输入和指标(例如，输入127和指标130)可以用于定义额外的DF。注意，在机器学习和模式识别中，DF是所观察到现象的单个可测量属性或特征。在某些实施方式中，ML算法470是监督学习算法。监督学习是学习函数的机器学习任务，例如，该函数根据示例性输入-输出对将输入映射到输出。在图4的实施例中，ML算法470可以包括用于解决多变量或多变量回归问题的监督学习算法。
如上所述，将数据集440馈送到ML算法470会得到假设函数450，其将一个或多个x作为输入并将它们映射到y。假设函数450是基于数据集440中不同DF之间的相关性开发的。例如，假设函数450可能对应于下面的函数，其中Y是因变量，而X1、X2、…、Xp是各种自变量。
Y＝β0+β1X1+β2X2+β3X3+…+βpXp+∈.
在某些实施方式中，每个自变量对应于不同的DF。例如，Y可以对应于葡萄糖水平(例如，或葡萄糖水平的降低，或目标葡萄糖水平或范围)，X1可以对应于用户处于她们的月经周期的时间和/或阶段(例如，哪个子阶段或阶段)，X2可以与饮食相关，X3可以对应于所进行的锻炼的类型和/或量，X4可以对应于类型和/或施用的胰岛素量，X5可能与胰岛素抵抗有关，等等。在某些实施方式中，B0、B1、…、Bp是表示对应X和Y之间相关性的系数。请注意，选择葡萄糖水平作为Y或输出只是一种安排假设函数450的方式。为简洁起见，本文未描述假设函数450如何基于数据集440由ML算法470输出和不断调整(例如，潜在地使用成本函数、梯度下降算法等)的细节，但这对本领域普通技术人员是已知的。
使用假设450，在某些实施方式中，DAM 113能够预测用户的葡萄糖水平，给定用户月经周期期间的特定子阶段、阶段或时间点、运动的量/类型、食物的数量/类型和/或所用胰岛素的量/类型。使用假设450，DAM 113还能够为用户确定一种或多种治疗。为了举例说明这一点，用户可能距离进入黄体阶段的第一个子阶段还有2天的时间。用户可能已经表明不想进行任何额外的运动或遵循任何额外的限制性饮食。在该实施例中，DAM 113可以使用假设函数450中的目标葡萄糖范围或水平作为“Y”，并确定需要在该子阶段期间施用的胰岛素量“X4”，给定“X1”的值代表黄体阶段的第一子阶段，并为X2和X3给出相同的值(例如，代表相同锻炼和食物方案的值)。在另一个实施例中，施用的胰岛素的量可以保持不变，而DAM113确定用户在第一子阶段期间需要进行多少额外的锻炼以达到该目标葡萄糖水平。如本领域普通技术人员可以理解的，有多种方式可以布置和使用假设函数450。例如，可以基于假设函数450来确定单独的治疗或治疗的组合。在另一个实施例中，“Y”可以代表葡萄糖水平的降低。在这样的实施例中，DAM 113可以使用假设函数450来预测一种或多种治疗，其可以导致葡萄糖水平降低一定量。
请注意，尽管假设450的发展在图4的步骤C1中示出，但假设450甚至可以在用户使用应用程序106之前(例如，在步骤A之前)由DAM 113基于数据集440开发。换言之，DAM 113可以使用与不同分层组相关联的数据集来开发功能，然后当新用户开始使用应用程序106并且需要治疗建议时可以使用这些功能。例如，可以为用户组3开发不同的假设函数，使得如果新用户开始使用应用程序106并属于用户组3，那么DAM113能够利用该假设函数来预测在用户月经周期的特定子阶段、阶段或时间点中，哪些或多种治疗可能对用户有效。
使用监督学习算法来开发假设函数450等函数仅仅是DAM 113如何预测用户在月经周期的某个子阶段或阶段的葡萄糖水平和/或预测该子阶段或阶段的一个或多个有效治疗的一个实施例，以帮助用户保持或达到一定的葡萄糖水平或范围。可以替代地使用其他机器学习算法，例如神经网络算法。
输出460代表了可以向用户推荐或施用的一种或多种治疗。然后由应用程序106以输入/指标461的形式接收和记录输出460对用户(例如，显示为用户102)的生理影响。例如，输出460可以包括在用户进入黄体阶段的第一子阶段之前一天施用一定剂量的基础胰岛素。在这样的实施例中，当用户进入第一子阶段时，她的葡萄糖水平可能比期望的高。在该实施例中，用户的葡萄糖水平和其他指标然后被接收、记录和分析为输入/指标461。输入/指标461不仅记录在用户配置文件116中，其信息随后被反馈到数据集440，而且它们还用于开发专门针对用户的训练数据集472。因此，输出460和输入/指标461用于开发数据集440和数据集472。
当额外的输入和指标被反馈到数据集440中时，更新的数据集440再次被反馈到ML算法470中，从而产生反映数据集440中数据的更新的不断变化和动态的假设函数450。不断变化的动态假设函数450尤其是指一组动态系数(例如，B0、B1、…、Bp)。
一段时间后，数据集472可能会得到足够的开发，以便基于数据集472，可以高度自信地预测用户的葡萄糖水平和/或胰岛素抵抗力，以及不同治疗在用户月经周期的特定子阶段或阶段的有效性。在这样的时间点，在步骤C2中，在某些实施方式中，与基于数据集440提供的预测相比，DAM 113可以利用基于数据集472提供的预测来向用户提供治疗或至少给予这样的预测更多的权重。与数据集440类似，数据集472可用作训练数据集，可将其馈送到机器学习算法475以开发假设函数480。可以使用与数据集440类似或不同类型的机器学习算法475，如本领域技术人员或普通技术人员所理解的。例如，ML算法475可以是监督学习回归算法。因此，在某些实施方式中，基于用户自己的历史数据(数据集472)，由此产生的假设函数480用于预测用户的葡萄糖水平和/或胰岛素抵抗，以及一种或多种可能有效帮助用户在用户月经周期的某个子阶段或阶段保持或达到一定葡萄糖水平的治疗。
在某些实施方式中，假设函数480以治疗建议和/或治疗施用的形式输出的内容作为输出460提供给用户。然后以输入/指标461的形式接收和/或记录这种正在执行或管理的输出460的生理影响，以进一步开发数据集472。当额外的输入/指标461被反馈到数据集472中时，更新的数据集472再次被反馈到ML算法475中，从而产生一个不断变化的动态假设函数480，反映了数据集472中数据的动态更新。
在某些实施方式中，DAM 113可以基于由假设函数480和450提供的输出为用户确定一种或多种治疗。例如，在某些实施方式中，DAM 113可能对假设函数480提供的输出没有高度的信心。因此，在这样的实施例中，DAM 113可以用假设函数450提供的输出来补充假设函数480提供的输出。例如，DAM 113可以使用一个函数，该函数根据假设函数480提供的输出和假设函数450提供的输出分配的权重提供最终输出。
注意，使用与用户的分层组关联的历史数据和与用户相关联的历史数据的组合只是如何预测有效治疗并将其提供给用户的一个实施例。在某些其他实施方式中，DAM 113最初可以仅基于科学数据点预测并向用户提供治疗，然后在足够可用时使用用户自己的历史数据。在又一些其他实施方式中，可以仅使用用户自己的数据，因为从一开始就有足够的关于用户的信息可用。作为实施例，用户可以单独使用应用程序106和第三方周期跟踪应用程序几年。在这样的实施例中，在某些时候，用户可以通过使应用106能够与具有该记录的第三方经期跟踪应用通信来向应用程序106提供对过去几年中用户的历史月经周期信息的访问权。因此，在该实施例中，DAM 113可以将用户的月经周期信息与用户的葡萄糖和/或胰岛素抵抗趋势相对应，并创建一组带时间戳的数据，然后可以将其输入机器学习算法并创建假设函数用于预测。在又一些其他实施方式中，DAM 113可以仅依赖与用户的分层组相关联的历史数据来为用户提供有效的治疗。
图5是描绘了计算装置500的框图，该计算装置500被配置为预测用户的葡萄糖水平和/或胰岛素抵抗，以及一种或多种治疗，这些治疗可以有效地帮助用户在用户月经周期的某个子阶段或阶段期间维持或达到某个葡萄糖水平。在某些实施方式中，根据本文公开的某些实施方式，应用程序向用户提供一个或多个治疗，该应用程序在计算装置500或与计算装置500通信的另一计算装置上执行。尽管描绘为单个物理装置，但在实施方式中，计算装置500可以使用虚拟装置和/或跨多个装置(例如在云端环境中)来实现。如图所示，计算装置500包括处理器505、内存(memory)510、存储器515、网络接口525和一个或多个I/O接口520。在图示的实施方式中，处理器505检索和执行储存在内存510中的编程指令，并且存储和检索驻留在存储器515中的应用数据。处理器505通常代表单个CPU和/或GPU、多个CPU和/或GPU、具有多个处理核心的单个CPU和/或GPU等。通常包括内存510以代表随机存取内存。存储器515可以是磁盘驱动器、基于闪存的储存装置等的任何组合，并且可以包括固定和/或可移动储存装置，例如固定磁盘驱动器、可移动存储卡、高速缓存、光学存储、网络附加存储(NAS)或储存区域网络(SAN)。
在一些实施方式中，输入和输出(I/O)装置535(例如键盘、监测器、扬声器等)可以通过I/O接口520连接。此外，通过网络接口525，计算装置500可以与一个或多个其他装置和组件(例如用户数据库110)通信耦合。在某些实施方式中，计算装置500通过网络与其他装置通信耦合，所述网络可以包括互联网、本地网络等。网络可以包括有线连接、无线连接或有线连接和无线连接的组合。如图所示，处理器505、内存510、存储器515、网络界面525和I/O界面520通过一个或多个互连530通信耦合。在某些实施方式中，计算装置500代表与用户关联的移动装置107。在某些实施方式中，如上所述，移动装置107可以包括用户的笔记本电脑、计算机、智能手机等。在另一个实施方式中，计算装置500是在云端环境中执行的服务器。
在所示实施方式中，存储器515包括用户配置文件116。在某些实施方式中，存储器515还包括可用于与图3和4相关的一个或多个操作的任何数据集。在某些其他实施方式中，这样的数据集可以替代地或附加地存储在用户数据库110中。内存510包括决策支持引擎112，其本身包括DAM 113。决策支持引擎112由计算装置500执行，以执行图3中的操作300的一个或多个步骤。
这些非限制性示例中的每一个可以独立存在或可以以各种排列或组合与一个或多个其他实施例组合。上述详细描述包括对附图的引用，这些附图构成了说明书的一部分。附图通过说明的方式显示了可以实施本发明的具体实施方式。这些实施方式在本文中也称为“实施例”。这样的实施例可以包括除了那些显示或描述的元素之外的元素。然而，本发明人还考虑了仅提供那些示出或描述的元件的实施例。此外，本发明人还考虑了使用显示或描述的元素(或其一个或多个方面)的任何组合或排列示例，无论是针对特定示例(或其一个或多个方面)，还是针对此处显示或描述的其他示例(或其一个或多个方面)。
如果本文件与以引用方式并入的任何文件之间的用法不一致，则以本文件中的用法为准。
在本文件中，如专利文件中常见的那样，术语“一个(a)”或“一个(an)”用于包括一个或多个，与“至少一个”或“一个或多个”的任何其他实例或用法无关。在本文件中，术语“或”用于表示非排他性的或，因此“A或B”包括“A但不是B”、“B但不是A”和“A和B”，除非另有说明。在本文档中，术语“包括”和“其中”被用作相应术语“包括”和“其中”的简单英语等价物。此外，在以下权利要求中，术语“包括”和“包含”是开放式的，也就是说，除了在权利要求中的这样的术语之后列出的那些元素之外，还包括那些元素的系统、装置、物品、组合物、制剂或过程仍然被认为落入该权利要求的范围内。此外，在以下权利要求中，术语“第一”、“第二”和“第三”等仅用作标签，并不旨在对其对象施加数字要求。
几何术语，例如“平行”、“垂直”、“圆形”或“方形”，并非旨在要求绝对的数学精度，除非上下文另有说明。相反，这样的几何术语允许由于制造或等效功能而发生变化。例如，如果元素被描述为“圆形”或“大体圆形”，则不是精确圆形的组件(例如，略微椭圆形或多边多边形的组件)仍然包含在该描述中。
本文描述的方法实施例至少可以部分地由机器或计算机实现。一些实施例可以包括编码有指令的计算机可读介质或机器可读介质，该指令可操作以配置电子装置以执行如以上实施例中描述的方法。这种方法的实现可以包括代码，例如微代码、汇编语言代码、高级语言代码等。这样的代码可以包括用于执行各种方法的计算机可读指令。该代码可以形成计算机程序产品的一部分。此外，在实施例中，代码可以切实存储在一个或多个易失性、非过渡性或非易失性有形计算机可读媒体上，例如在执行期间或其他时间。这些有形的计算机可读介质的示例可以包括但不限于硬盘、可移动磁盘、可移动光盘(例如，光盘和数字视频磁盘)、磁带、存储卡或存储棒、随机存取存储器(RAM)、只读存储器(ROM)等。
以上描述旨在说明性，而非限制性。例如，上述实施例(或其一个或多个方面)可以彼此组合使用。可以使用其他实施方式，例如本领域普通技术人员在阅读以上描述后。提供摘要以符合37CFR§1.72(b)的要求，以使读者能够快速确定技术公开的性质。应当理解，它不是用于解释或限制权利要求的范围或含义。此外，在以上详细描述中，可以将各种特征组合在一起以简化本公开。这不应被解释为意图未要求保护的公开特征对于任何权利要求都是必不可少的。相反，发明主题可能不在于特定公开的实施方式的所有特征。因此，以下权利要求在此作为实施例或实施方式并入详细说明中，每个权利要求作为单独的实施方式独立存在，并且预期这些实施方式可以以各种组合或排列彼此组合。本发明的范围应当参照所附权利要求以及这些权利要求所享有的等同物的全部范围来确定。

Claims (20)

1.一种系统，其包括：
血糖监测系统，其包括：
葡萄糖传感器，其被配置为测量用户的血糖，
传感器电子模块，其被配置为将与由所述葡萄糖传感器提供的血糖测量值相对应的传感器数据传输到处理器；
储存电路；
所述处理器，其被配置为：
接收与所述用户的月经周期有关的信息，以及
基于与所述用户关联的历史数据和与用户的分层组关联的历史数据中的至少一个，确定所述用户在所述月经周期的子阶段或阶段期间实现目标血糖的治疗，其中：
与所述用户关联的所述历史数据包括由所述葡萄糖监测系统提供的所述用户的血糖测量值；
与所述用户关联的所述历史数据被结构化使其至少指示以下之一：
在所述用户的所述月经周期的所述子阶段或阶段期间所述用户的所述血糖测量值和胰岛素抵抗中的至少一个的模式，和
在所述用户的所述月经周期的所述子阶段或阶段期间所述治疗对用户血糖测量值的生理影响的模式，所述模式指示治疗在实现所述目标血糖方面的有效性；和
与用户的分层组关联的历史数据被结构化使其至少指示以下之一：
在所述月经周期的所述子阶段或阶段中用户的分层组的血糖测量值和胰岛素抵抗中的至少一个的模式，和
在所述月经周期的所述子阶段或阶段期间所述治疗对用户的分层组的葡萄糖测量值的生理影响模式，所述模式指示治疗在实现所述目标血糖方面的有效性。
2.根据权利要求1所述的系统，其中，所述处理器被配置为提供所述治疗。
3.根据权利要求2所述的系统，其中，所述治疗包括一定剂量的胰岛素。
4.根据权利要求3所述的系统，其中，所述剂量的胰岛素高于在所述用户的所述月经周期的非黄体子阶段或阶段期间向所述用户施用平均剂量的胰岛素。
5.根据权利要求3所述的系统，其中，所述处理器被配置为将信号传输到药物输送装置以将所述剂量的胰岛素施用于所述用户。
6.根据权利要求3所述的系统，其中，所述处理器被配置为向所述用户或另一个体提供治疗建议，所述治疗建议指示所述剂量的胰岛素。
7.根据权利要求3所述的系统，其中，所述处理器被配置为向所述用户或另一个体提供治疗推荐，所述治疗推荐指示锻炼的量、类型、时长和强度中的至少一个。
8.根据权利要求3所述的系统，其中，所述处理器被配置为向所述用户或另一个体提供治疗推荐，所述治疗推荐指示食物的量和类型中的至少一个。
9.一种基于与用户的月经周期相关的信息个性化糖尿病治疗的方法，其包括：
使用葡萄糖监测系统测量所述用户的血糖测量值；
在与所述葡萄糖监测系统进行数据通信的处理器处接收与所述用户的所述月经周期有关的信息；
基于与所述用户关联的历史数据和与用户的分层组相关的历史数据中的至少一个，在处理器处确定所述用户的治疗以在所述用户的所述月经周期的子阶段或阶段期间达到目标血糖，其中：
与所述用户关联的所述历史数据包括由所述葡萄糖监测系统提供的所述用户的所述血糖测量值；
与所述用户关联的所述历史数据被结构化使其至少指示以下之一：
在所述用户的所述月经周期的所述子阶段或阶段期间所述用户的所述血糖测量值和胰岛素抵抗中的至少一个的模式，和
在所述用户的所述月经周期的所述子阶段或阶段期间所述治疗对用户血糖测量值的生理影响的模式，所述模式指示治疗在实现所述目标血糖方面的有效性；和
与用户的分层组关联的历史数据被结构化使其至少指示以下之一：
在所述月经周期的所述子阶段或阶段中用户的分层组的血糖测量值和胰岛素抵抗中的至少一个的模式，和
在所述月经周期的所述子阶段或阶段期间所述治疗对用户的分层组的血糖测量值的生理影响模式，所述模式指示治疗在实现所述目标血糖方面的有效性。
10.根据权利要求9所述的方法，其还包括提供所述治疗。
11.根据权利要求10所述的方法，其中所述治疗包括一定剂量的胰岛素。
12.根据权利要求11所述的方法，其中，所述剂量的胰岛素量高于在所述用户的所述月经周期的非黄体子阶段或阶段期间向所述用户施用平均剂量的胰岛素。
13.根据权利要求11所述的方法，其中，提供所述治疗还包括向药物输送装置发送信号，以将所述剂量的胰岛素施用于所述用户。
14.根据权利要求11所述的方法，其中，提供所述治疗还包括向所述用户或另一个体提供治疗推荐，所述治疗推荐指示所述剂量的胰岛素。
15.根据权利要求11所述的方法，其中，提供所述治疗还包括向所述用户或另一个体提供治疗推荐，所述治疗推荐指示锻炼的量、类型、长度和强度中的至少一个。
16.根据权利要求11所述的方法，其中，提供所述治疗还包括向所述用户或另一个体提供治疗推荐，所述治疗推荐指示食物的量和类型中的至少一个。
17.一种具有存储在其上的指令的非暂时性计算机可读介质，当由系统执行时，使所述系统执行一种方法，所述方法包括：
使用葡萄糖监测系统测量所述用户的血糖测量值；
在与所述葡萄糖监测系统进行数据通信的处理器处接收与所述用户的所述月经周期有关的信息；
基于与所述用户关联的历史数据和与用户的分层组相关的历史数据中的至少一个，在处理器处确定所述用户的治疗以在所述用户的所述月经周期的子阶段或阶段期间达到目标血糖，其中：
与所述用户关联的所述历史数据包括由所述葡萄糖监测系统提供的所述用户的所述血糖测量值；
与所述用户关联的所述历史数据被结构化使其至少指示以下之一：
在所述用户的所述月经周期的所述子阶段或阶段期间所述用户的所述血糖测量值和胰岛素抵抗中的至少一个的模式，和
在所述用户的所述月经周期的所述子阶段或阶段期间所述治疗对用户血糖测量值的生理影响的模式，所述模式指示治疗在实现所述目标血糖方面的有效性；和
与用户的分层组关联的历史数据被结构化使其至少指示以下之一：
在所述月经周期的所述子阶段或阶段中用户的分层组的血糖测量值和胰岛素抵抗中的至少一个的模式，和
在所述月经周期的所述子阶段或阶段期间所述治疗对用户的分层组的血糖测量值的生理影响模式，所述模式指示治疗在实现所述目标血糖方面的有效性。
18.根据权利要求17所述的非暂时性计算机可读介质，其中，所述方法还包括提供所述治疗。
19.根据权利要求18所述的非暂时性计算机可读介质，其中，所述治疗包括一定剂量的胰岛素。
20.根据权利要求19所述的非暂时性计算机可读介质，其中，所述剂量的胰岛素量高于在所述用户的所述月经周期的非黄体子阶段或阶段期间向所述用户施用平均剂量的胰岛素。
CN202180011611.4A 2020-02-14 2021-01-21 决策支持和治疗管理系统 Pending CN115052516A (zh)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
US202062976778P 2020-02-14 2020-02-14
US62/976,778 2020-02-14
US202063011175P 2020-04-16 2020-04-16
US63/011,175 2020-04-16
PCT/US2021/014305 WO2021162837A1 (en) 2020-02-14 2021-01-21 Decision support and treatment administration systems

Publications (1)

Publication Number Publication Date
CN115052516A true CN115052516A (zh) 2022-09-13

Family

ID=77273742

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202180011611.4A Pending CN115052516A (zh) 2020-02-14 2021-01-21 决策支持和治疗管理系统

Country Status (7)

Country Link
US (2) US11990238B2 (zh)
EP (1) EP4103046A4 (zh)
JP (1) JP2023513805A (zh)
CN (1) CN115052516A (zh)
AU (1) AU2021221083A1 (zh)
CA (1) CA3165932A1 (zh)
WO (1) WO2021162837A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024054378A1 (en) * 2022-09-06 2024-03-14 Apple Inc. User interfaces for health tracking

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6368272B1 (en) * 1998-04-10 2002-04-09 Proactive Metabolics Company Equipment and method for contemporaneous decision supporting metabolic control
US20040068230A1 (en) * 2002-07-24 2004-04-08 Medtronic Minimed, Inc. System for providing blood glucose measurements to an infusion device
US20060276771A1 (en) * 2005-06-06 2006-12-07 Galley Paul J System and method providing for user intervention in a diabetes control arrangement
US10437962B2 (en) * 2008-12-23 2019-10-08 Roche Diabetes Care Inc Status reporting of a structured collection procedure
US9579456B2 (en) * 2009-05-22 2017-02-28 Abbott Diabetes Care Inc. Methods for reducing false hypoglycemia alarm occurrence
US20130338630A1 (en) 2012-06-07 2013-12-19 Medtronic Minimed, Inc. Diabetes therapy management system for recommending adjustments to an insulin infusion device
CA2885003C (en) * 2012-08-30 2021-06-22 Medtronic Minimed, Inc. Safeguarding techniques for a closed-loop insulin infusion system
US9486580B2 (en) 2014-01-31 2016-11-08 Aseko, Inc. Insulin management
ES2856903T3 (es) 2014-09-22 2021-09-28 Dexcom Inc Método de conmutación de modo
US10285591B2 (en) * 2014-10-22 2019-05-14 Dexcom, Inc. User interfaces for continuous glucose monitoring
AU2016258193A1 (en) * 2015-05-07 2017-08-17 Dexcom, Inc. System and method for educating users, including responding to patterns
WO2017136218A1 (en) 2016-02-01 2017-08-10 Dexcom, Inc. System and method for decision support using lifestyle factors
AU2017263835B2 (en) 2016-05-13 2021-06-10 WellDoc, Inc. Database management and graphical user interfaces for managing blood glucose levels
AU2019217879B2 (en) * 2018-02-09 2023-12-21 Dexcom, Inc. System and method for decision support

Also Published As

Publication number Publication date
CA3165932A1 (en) 2021-08-19
JP2023513805A (ja) 2023-04-03
US11990238B2 (en) 2024-05-21
US20210257091A1 (en) 2021-08-19
EP4103046A1 (en) 2022-12-21
EP4103046A4 (en) 2024-03-13
AU2021221083A1 (en) 2022-07-21
WO2021162837A1 (en) 2021-08-19
US20240233938A1 (en) 2024-07-11

Similar Documents

Publication Publication Date Title
JP7443235B2 (ja) 意思決定支援のシステムおよび方法
JP6461885B2 (ja) 糖尿病管理のための分析物試験方法及びデバイス
JP2022541491A (ja) 血糖制御システム
EP2170158B1 (en) Patient information input interface for a therapy system
US20180197628A1 (en) Systems, devices, and methods for experiential medication dosage calculations
US20110098548A1 (en) Methods for modeling insulin therapy requirements
JP2023524473A (ja) 適合型意思決定支援システム
US20240233938A1 (en) Decision support and treatment administration systems
WO2022256107A1 (en) Personalized food recommendations based on sensed biomarker data
Lee et al. Continuous glucose monitoring for the internist
US20230298754A1 (en) Methods and apparatus for diabetes and glycemic management having a database and handheld management system
US20240293051A1 (en) Intermittent monitoring
US20220230751A1 (en) Decision support system, and method in relation thereto
CN118613877A (zh) 高性价比的治疗建议

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