CN117396973A - 生理参数分析和相关图形用户界面的系统、设备和方法 - Google Patents
生理参数分析和相关图形用户界面的系统、设备和方法 Download PDFInfo
- Publication number
- CN117396973A CN117396973A CN202280039859.6A CN202280039859A CN117396973A CN 117396973 A CN117396973 A CN 117396973A CN 202280039859 A CN202280039859 A CN 202280039859A CN 117396973 A CN117396973 A CN 117396973A
- Authority
- CN
- China
- Prior art keywords
- glucose
- data
- personalized
- user
- analyte
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 150
- 238000004458 analytical method Methods 0.000 title description 65
- 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 claims description 653
- 239000008103 glucose Substances 0.000 claims description 653
- 239000012491 analyte Substances 0.000 claims description 500
- 238000012544 monitoring process Methods 0.000 claims description 185
- 210000003743 erythrocyte Anatomy 0.000 claims description 92
- 102000017011 Glycated Hemoglobin A Human genes 0.000 claims description 57
- 108010014663 Glycated Hemoglobin A Proteins 0.000 claims description 57
- 230000006854 communication Effects 0.000 claims description 56
- 238000004891 communication Methods 0.000 claims description 56
- 230000036252 glycation Effects 0.000 claims description 20
- 230000004190 glucose uptake Effects 0.000 claims description 17
- 238000012360 testing method Methods 0.000 claims description 16
- 230000000007 visual effect Effects 0.000 claims description 16
- 230000008030 elimination Effects 0.000 claims description 14
- 238000003379 elimination reaction Methods 0.000 claims description 14
- 230000010437 erythropoiesis Effects 0.000 claims description 13
- 125000002791 glucosyl group Chemical group C1([C@H](O)[C@@H](O)[C@H](O)[C@H](O1)CO)* 0.000 claims description 3
- 238000005259 measurement Methods 0.000 description 104
- 239000011159 matrix material Substances 0.000 description 81
- 230000036541 health Effects 0.000 description 57
- 238000011282 treatment Methods 0.000 description 43
- 230000008569 process Effects 0.000 description 33
- 206010012601 diabetes mellitus Diseases 0.000 description 31
- 238000012545 processing Methods 0.000 description 30
- 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 24
- 238000007726 management method Methods 0.000 description 22
- 238000012806 monitoring device Methods 0.000 description 17
- 238000004364 calculation method Methods 0.000 description 16
- 238000001727 in vivo Methods 0.000 description 16
- 210000001995 reticulocyte Anatomy 0.000 description 16
- 230000008901 benefit Effects 0.000 description 14
- 230000006870 function Effects 0.000 description 14
- 230000010354 integration Effects 0.000 description 14
- 230000004044 response Effects 0.000 description 14
- 230000008859 change Effects 0.000 description 13
- 230000003993 interaction Effects 0.000 description 13
- 102000004877 Insulin Human genes 0.000 description 12
- 108090001061 Insulin Proteins 0.000 description 12
- 239000003814 drug Substances 0.000 description 12
- 229940125396 insulin Drugs 0.000 description 12
- 102000001554 Hemoglobins Human genes 0.000 description 11
- 108010054147 Hemoglobins Proteins 0.000 description 11
- 238000013475 authorization Methods 0.000 description 11
- 210000004369 blood Anatomy 0.000 description 11
- 239000008280 blood Substances 0.000 description 11
- 229940079593 drug Drugs 0.000 description 11
- 230000003834 intracellular effect Effects 0.000 description 11
- 238000003860 storage Methods 0.000 description 11
- 230000007175 bidirectional communication Effects 0.000 description 10
- 238000000338 in vitro Methods 0.000 description 10
- 230000002452 interceptive effect Effects 0.000 description 9
- 239000003550 marker Substances 0.000 description 9
- 230000007246 mechanism Effects 0.000 description 9
- 210000001124 body fluid Anatomy 0.000 description 8
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 8
- 230000000694 effects Effects 0.000 description 8
- 208000002249 Diabetes Complications Diseases 0.000 description 7
- 210000004027 cell Anatomy 0.000 description 7
- 238000006243 chemical reaction Methods 0.000 description 7
- 238000005534 hematocrit Methods 0.000 description 7
- 230000035800 maturation Effects 0.000 description 7
- 238000012552 review Methods 0.000 description 7
- 239000000523 sample Substances 0.000 description 7
- 238000002560 therapeutic procedure Methods 0.000 description 7
- 206010012655 Diabetic complications Diseases 0.000 description 6
- 230000002159 abnormal effect Effects 0.000 description 6
- 230000009286 beneficial effect Effects 0.000 description 6
- 230000006872 improvement Effects 0.000 description 6
- 210000000056 organ Anatomy 0.000 description 6
- 230000004962 physiological condition Effects 0.000 description 6
- 230000001052 transient effect Effects 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 5
- 239000010839 body fluid Substances 0.000 description 5
- 238000012937 correction Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 235000005911 diet Nutrition 0.000 description 5
- 230000037213 diet Effects 0.000 description 5
- 210000003722 extracellular fluid Anatomy 0.000 description 5
- 230000000670 limiting effect Effects 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000002035 prolonged effect Effects 0.000 description 5
- 238000012546 transfer Methods 0.000 description 5
- HVYWMOMLDIMFJA-DPAQBDIFSA-N cholesterol Chemical compound C1C=C2C[C@@H](O)CC[C@]2(C)[C@@H]2[C@@H]1[C@@H]1CC[C@H]([C@H](C)CCCC(C)C)[C@@]1(C)CC2 HVYWMOMLDIMFJA-DPAQBDIFSA-N 0.000 description 4
- 201000010099 disease Diseases 0.000 description 4
- 208000035475 disorder Diseases 0.000 description 4
- 150000002303 glucose derivatives Chemical class 0.000 description 4
- 201000001421 hyperglycemia Diseases 0.000 description 4
- 230000007774 longterm Effects 0.000 description 4
- 238000013507 mapping Methods 0.000 description 4
- 235000012054 meals Nutrition 0.000 description 4
- 230000002829 reductive effect Effects 0.000 description 4
- 208000024172 Cardiovascular disease Diseases 0.000 description 3
- 206010018429 Glucose tolerance impaired Diseases 0.000 description 3
- 108091006296 SLC2A1 Proteins 0.000 description 3
- 230000002411 adverse Effects 0.000 description 3
- 235000021074 carbohydrate intake Nutrition 0.000 description 3
- 150000001720 carbohydrates Chemical class 0.000 description 3
- 235000014633 carbohydrates Nutrition 0.000 description 3
- 230000001413 cellular effect Effects 0.000 description 3
- 238000013144 data compression Methods 0.000 description 3
- 238000003780 insertion Methods 0.000 description 3
- 230000037431 insertion Effects 0.000 description 3
- 238000009533 lab test Methods 0.000 description 3
- 230000006855 networking Effects 0.000 description 3
- 239000013610 patient sample Substances 0.000 description 3
- 230000035790 physiological processes and functions Effects 0.000 description 3
- 238000009877 rendering Methods 0.000 description 3
- 238000010200 validation analysis Methods 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 230000003442 weekly effect Effects 0.000 description 3
- BPYKTIZUTYGOLE-IFADSCNNSA-N Bilirubin Chemical compound N1C(=O)C(C)=C(C=C)\C1=C\C1=C(C)C(CCC(O)=O)=C(CC2=C(C(C)=C(\C=C/3C(=C(C=C)C(=O)N\3)C)N2)CCC(O)=O)N1 BPYKTIZUTYGOLE-IFADSCNNSA-N 0.000 description 2
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- JVTAAEKCZFNVCJ-UHFFFAOYSA-M Lactate Chemical compound CC(O)C([O-])=O JVTAAEKCZFNVCJ-UHFFFAOYSA-M 0.000 description 2
- 238000003556 assay Methods 0.000 description 2
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 2
- WQZGKKKJIJFFOK-VFUOTHLCSA-N beta-D-glucose Chemical compound OC[C@H]1O[C@@H](O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-VFUOTHLCSA-N 0.000 description 2
- 239000013060 biological fluid Substances 0.000 description 2
- 239000012472 biological sample Substances 0.000 description 2
- 230000008727 cellular glucose uptake Effects 0.000 description 2
- 230000001276 controlling effect Effects 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- DDRJAANPRJIHGJ-UHFFFAOYSA-N creatinine Chemical compound CN1CC(=O)NC1=N DDRJAANPRJIHGJ-UHFFFAOYSA-N 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000012530 fluid Substances 0.000 description 2
- 150000004676 glycans Chemical class 0.000 description 2
- 210000002216 heart Anatomy 0.000 description 2
- 238000003018 immunoassay Methods 0.000 description 2
- 210000003734 kidney Anatomy 0.000 description 2
- 238000011545 laboratory measurement Methods 0.000 description 2
- 238000012417 linear regression Methods 0.000 description 2
- 230000002503 metabolic effect Effects 0.000 description 2
- 238000003058 natural language processing Methods 0.000 description 2
- 229910052760 oxygen Inorganic materials 0.000 description 2
- 239000001301 oxygen Substances 0.000 description 2
- 230000002085 persistent effect Effects 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000007920 subcutaneous administration Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 230000000153 supplemental effect Effects 0.000 description 2
- 230000001225 therapeutic effect Effects 0.000 description 2
- 238000011269 treatment regimen Methods 0.000 description 2
- 102100036475 Alanine aminotransferase 1 Human genes 0.000 description 1
- 108010082126 Alanine transaminase Proteins 0.000 description 1
- 108010088751 Albumins Proteins 0.000 description 1
- 102000009027 Albumins Human genes 0.000 description 1
- 102000002260 Alkaline Phosphatase Human genes 0.000 description 1
- 108020004774 Alkaline Phosphatase Proteins 0.000 description 1
- 108010003415 Aspartate Aminotransferases Proteins 0.000 description 1
- 102000004625 Aspartate Aminotransferases Human genes 0.000 description 1
- 208000023275 Autoimmune disease Diseases 0.000 description 1
- OYPRJOBELJOOCE-UHFFFAOYSA-N Calcium Chemical compound [Ca] OYPRJOBELJOOCE-UHFFFAOYSA-N 0.000 description 1
- VEXZGXHMUGYJMC-UHFFFAOYSA-M Chloride anion Chemical compound [Cl-] VEXZGXHMUGYJMC-UHFFFAOYSA-M 0.000 description 1
- 206010011878 Deafness Diseases 0.000 description 1
- 108090000790 Enzymes Proteins 0.000 description 1
- 102000004190 Enzymes Human genes 0.000 description 1
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 1
- 102000058063 Glucose Transporter Type 1 Human genes 0.000 description 1
- 101150052743 Hba1 gene Proteins 0.000 description 1
- DGAQECJNVWCQMB-PUAWFVPOSA-M Ilexoside XXIX Chemical compound C[C@@H]1CC[C@@]2(CC[C@@]3(C(=CC[C@H]4[C@]3(CC[C@@H]5[C@@]4(CC[C@@H](C5(C)C)OS(=O)(=O)[O-])C)C)[C@@H]2[C@]1(C)O)C)C(=O)O[C@H]6[C@@H]([C@H]([C@@H]([C@H](O6)CO)O)O)O.[Na+] DGAQECJNVWCQMB-PUAWFVPOSA-M 0.000 description 1
- 208000026350 Inborn Genetic disease Diseases 0.000 description 1
- FYYHWMGAXLPEAU-UHFFFAOYSA-N Magnesium Chemical compound [Mg] FYYHWMGAXLPEAU-UHFFFAOYSA-N 0.000 description 1
- 206010028980 Neoplasm Diseases 0.000 description 1
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 1
- ZLMJMSJWJFRBEC-UHFFFAOYSA-N Potassium Chemical compound [K] ZLMJMSJWJFRBEC-UHFFFAOYSA-N 0.000 description 1
- 208000017442 Retinal disease Diseases 0.000 description 1
- 206010038923 Retinopathy Diseases 0.000 description 1
- 206010067584 Type 1 diabetes mellitus Diseases 0.000 description 1
- 208000003443 Unconsciousness 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
- PNNCWTXUWKENPE-UHFFFAOYSA-N [N].NC(N)=O Chemical compound [N].NC(N)=O PNNCWTXUWKENPE-UHFFFAOYSA-N 0.000 description 1
- 210000002506 abnormal erythrocyte Anatomy 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000003213 activating effect Effects 0.000 description 1
- 239000008186 active pharmaceutical agent Substances 0.000 description 1
- 230000001154 acute effect Effects 0.000 description 1
- 239000000853 adhesive Substances 0.000 description 1
- 230000001070 adhesive effect Effects 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 208000007502 anemia Diseases 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000013474 audit trail Methods 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 239000000090 biomarker Substances 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 210000000601 blood cell Anatomy 0.000 description 1
- 230000036765 blood level Effects 0.000 description 1
- 230000036772 blood pressure Effects 0.000 description 1
- 230000036760 body temperature Effects 0.000 description 1
- 208000015322 bone marrow disease Diseases 0.000 description 1
- 239000011575 calcium Substances 0.000 description 1
- 229910052791 calcium Inorganic materials 0.000 description 1
- 201000011510 cancer Diseases 0.000 description 1
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 238000005266 casting Methods 0.000 description 1
- 235000012000 cholesterol Nutrition 0.000 description 1
- 238000004587 chromatography analysis Methods 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 229940109239 creatinine Drugs 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000013479 data entry Methods 0.000 description 1
- 230000006837 decompression Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000009365 direct transmission Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 208000002173 dizziness Diseases 0.000 description 1
- 238000004836 empirical method Methods 0.000 description 1
- 230000002255 enzymatic effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 210000001508 eye Anatomy 0.000 description 1
- 208000016361 genetic disease Diseases 0.000 description 1
- 230000006377 glucose transport Effects 0.000 description 1
- 230000002641 glycemic effect Effects 0.000 description 1
- 125000003630 glycyl group Chemical group [H]N([H])C([H])([H])C(*)=O 0.000 description 1
- 230000005802 health problem Effects 0.000 description 1
- 210000003709 heart valve Anatomy 0.000 description 1
- -1 hematocrit Chemical compound 0.000 description 1
- 208000014951 hematologic disease Diseases 0.000 description 1
- 230000003054 hormonal effect Effects 0.000 description 1
- 235000003642 hunger Nutrition 0.000 description 1
- 230000002218 hypoglycaemic effect Effects 0.000 description 1
- 208000026278 immune system disease Diseases 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 150000002576 ketones Chemical class 0.000 description 1
- 208000017169 kidney disease Diseases 0.000 description 1
- 230000002045 lasting effect Effects 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 210000004185 liver Anatomy 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000011777 magnesium Substances 0.000 description 1
- 229910052749 magnesium Inorganic materials 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 230000004060 metabolic process Effects 0.000 description 1
- 230000008450 motivation Effects 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 201000001119 neuropathy Diseases 0.000 description 1
- 230000007823 neuropathy Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011369 optimal treatment Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 208000033808 peripheral neuropathy Diseases 0.000 description 1
- 229910052698 phosphorus Inorganic materials 0.000 description 1
- 239000011574 phosphorus Substances 0.000 description 1
- 239000011591 potassium Substances 0.000 description 1
- 229910052700 potassium Inorganic materials 0.000 description 1
- 235000018102 proteins Nutrition 0.000 description 1
- 102000004169 proteins and genes Human genes 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 210000003296 saliva Anatomy 0.000 description 1
- 229910052708 sodium Inorganic materials 0.000 description 1
- 239000011734 sodium Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 210000004243 sweat Anatomy 0.000 description 1
- 230000009885 systemic effect Effects 0.000 description 1
- 210000001138 tear Anatomy 0.000 description 1
- 210000001685 thyroid gland Anatomy 0.000 description 1
- 210000001519 tissue Anatomy 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 230000032258 transport Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 230000007306 turnover Effects 0.000 description 1
- 208000001072 type 2 diabetes mellitus Diseases 0.000 description 1
- 229940116269 uric acid Drugs 0.000 description 1
- 210000002700 urine Anatomy 0.000 description 1
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
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
- G16H10/65—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records stored on portable record carriers, e.g. on smartcards, RFID tags or CD
-
- 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
- G16H15/00—ICT specially adapted for medical reports, e.g. generation or transmission thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/62—Protecting access to data via a platform, e.g. using keys or access control rules
- G06F21/6218—Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database
-
- 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
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- 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
Abstract
一种方法可以包括:使用一个或多个处理器从第一数据库接收包括与个人身份相关联的第一数据的第一记录;使用一个或多个处理器从第二数据库接收包括与用户身份相关联的第二数据的第二记录;使用一个或多个处理器基于包含在第一记录和所述第二记录中的共享数据项来配对第一数据和第二数据;以及使用一个或多个处理器显示基于第一数据和第二数据的报告。
Description
相关申请的交叉引用
本申请要求于2021年6月3日提交的美国临时专利申请第63/196,677号,于2021年11月12日提交的美国临时专利申请第63/279,015号,于2021年11月15日提交的美国临时专利申请第63/279,509号,于2022年4月6日提交的美国临时专利申请第63/328,078号的权益,在此将其全文引入作为参考。
技术领域
本文描述的主题总体上涉及改进的分析物监测系统,以及与其相关的方法和设备。
背景技术
诸如葡萄糖、酮、乳酸盐、氧、血红蛋白A1C、白蛋白、酒精、碱性磷酸酶、丙氨酸转氨酶、天冬氨酸转氨酶、胆红素、血尿素氮、钙、二氧化碳、氯化物、肌酸酐、血细胞比容、乳酸盐、镁、氧、pH、磷、钾、钠、总蛋白、尿酸等的分析物水平的检测和/或监测对于患有糖尿病的人的健康可能是重要的。患有糖尿病的患者可出现并发症,包括意识丧失、心血管疾病、视网膜病变、神经病变和肾病。糖尿病患者通常需要监测他们的葡萄糖水平以确保他们保持在临床安全范围内,并且也可以使用该信息来确定是否和/或何时需要胰岛素来降低他们体内的葡萄糖水平,或者何时需要额外的葡萄糖来提高他们体内的葡萄糖水平。
不断增长的临床数据证明了葡萄糖监测频率和葡萄糖控制之间的强相关性。然而,尽管有这样的相关性,但是许多被诊断为糖尿病的人由于包括方便性、测试自行裁量、与葡萄糖测试相关的疼痛和成本的因素的组合而没有如他们应该那样频繁地监测他们的葡萄糖水平。
为了增加患者对频繁葡萄糖监测计划的坚持,可以利用体内分析物监测系统,其中传感器控制设备可以佩戴在需要分析物监测的人的身体上。为了增加人的舒适性和方便性,传感器控制设备可以具有小的形状因数,并且可以由人利用传感器施加器进行施加。施加过程包括使用施加器或插入机构插入传感器的至少一部分,其感测位于人体的层中的体液中的用户分析物水平,使得传感器与体液接触。传感器控制设备还可以被配置为将分析物数据传输到另一个设备,个人、她的健康护理提供者(“HCP”)或护理者可以从该另一个设备查看数据并做出治疗决定。
然而,尽管它们具有优点,但是由于各种原因,包括所呈现的数据的复杂性和体积,与用于分析物监测系统的软件和用户界面相关联的学习曲线,以及所呈现的可操作信息的总体缺乏,一些人不愿使用分析物监测系统。
因此,存在对用于分析物监测系统的改进的数字和图形用户界面以及与其相关的方法和设备的需要,该数字和图形用户界面是稳健的、用户友好的,并且提供及时且可操作的响应。
另外,某些患者信息,特别是当其涉及实验室测试结果时,当前驻留在各种医疗保健组织(HCO)的本地计算机网络(例如,电子病例/健康记录)。使用每个HCO独有的患者识别将此类信息记录并存储在EMR系统中。类似地,分析物监测系统通常使用用户身份(例如,用户名、电子邮件地址等)在中央数据库上存储分析物测量。
因此,需要用于双向通信的系统和方法,使得来自HCO的患者数据可以与来自分析物测量系统的数据配对。
发明内容
所公开的主题的目的和优点将在以下描述中阐述并从其显而易见,以及将通过所公开的主题的实践而了解。所公开的主题的附加优点将通过在书面描述及其权利要求中以及从附图中特别指出的方法和系统来实现和获得。
实现这些和其他优点并且根据所公开的主题的目的,如所体现和广泛描述的,所公开的主题涉及监测葡萄糖的系统。根据一个实施方式,用于监测葡萄糖的系统可以包括传感器控制设备和读取器设备。传感器控制设备可以包括与传感器电子器件耦接的分析物传感器,并且可以被配置为传输指示受试者的分析物水平的数据。该读取器设备可以包括:无线通信电路,该无线通信电路被配置成接收指示该受试者的分析物水平和糖化血红蛋白水平的数据;非瞬态存储器;至少一个处理器,该至少一个处理器通信地耦接到该非瞬态存储器和该分析物传感器并且被配置成使用至少一个生理参数和所接收的指示该分析物水平或所接收的糖化血红蛋白水平的数据中的至少一个来计算该受试者的多个个性化葡萄糖度量,并且在所述读取器设备的显示器上显示包括多个界面的报告,所述多个界面包括指示所述分析物水平、所接收的糖化血红蛋白水平或所计算的多个个性化葡萄糖度量的所接收的数据中的至少两个或更多个,其中包括所述报告的所述多个界面基于用户类型。
如本文所体现的,多个个性化葡萄糖度量可包括经调整的A1c或个性化A1c、所计算的A1c、经调整的所计算的A1c、个性化葡萄糖、个性化平均葡萄糖或个性化范围内时间中的一个或多个。此外,所述至少一个处理器可被配置以计算与所计算的多个个性化葡萄糖度量对应的多个个性化葡萄糖目标。多个界面还可包括多个个性化葡萄糖目标。另外,多个个性化葡萄糖目标可以包括目标葡萄糖范围或目标平均葡萄糖中的一个或多个。如本文所体现的,个性化目标葡萄糖范围可包括个性化葡萄糖下限。或者,个性化目标葡萄糖范围可包括个性化葡萄糖上限。
如在此体现的,该至少一个生理参数可以选自下组,该组由以下各项组成:红细胞葡萄糖摄取、红细胞寿命、红细胞糖化速率常数、红细胞生成速率常数、红细胞消除常数和表观糖化常数。此外,多个界面可以包括用户的至少一个生理参数。
如此处所体现的,用户类型可以包括健康护理专业人员。此外,多个界面可以包括葡萄糖监测数据界面、糖化血红蛋白界面、个性化A1c界面、个性化葡萄糖界面、个性化平均葡萄糖和个性化范围内时间界面。
如这里所体现的,用户类型可以包括用户。此外,多个界面可以包括葡萄糖监测数据界面、糖化血红蛋白界面、均值葡萄糖界面和范围内时间界面。
如这里所体现的,包括报告的多个界面可以基于用户类型预先确定。
如处所体现的,包括报告的多个界面可由用户选择。
如在此体现的,该至少一个处理器可以进一步被配置成如果该多个个性化葡萄糖度量中的至少一个处于或高于对应的多个个性化葡萄糖目标则输出通知。如这里所体现的,通知可以是视觉通知。可替换地,通知可以是听觉通知。通知也可以是警报。如这里所体现的,通知可以是提示。
如此处所体现的,读取器设备可以从电子病例系统无线接收受试者的糖化血红蛋白水平。
如此处所体现的,读取器设备可以从基于云的数据库无线接收受试者的糖化血红蛋白水平。
如此处所体现的,读取器设备可以从QR码无线接收受试者的糖化血红蛋白水平。
如本文所体现的,读取器设备可从家用测试试剂盒无线接收受试者的糖化血红蛋白水平。
实现这些和其他优点并且根据所公开的主题的目的,如所体现和广泛描述的,所公开的主题还涉及一种用于监测葡萄糖的方法。根据一个实施方式,一种用于监测葡萄糖的方法可以包括使用一个或多个处理器从第一数据库接收包括与个人身份相关联的第一数据的第一记录,以及从第二数据库接收包括与用户身份相关联的第二数据的第二记录。该方法还可以包括:基于包含在第一记录和第二记录中的共享数据项,使用一个或多个处理器来配对第一数据和第二数据;以及基于第一数据和第二数据,使用一个或多个处理器来显示报告。
如此处所体现的,第一数据库可以是电子病例系统,并且第一数据可以是实验室测量的HbA1c。第二数据库可以包括分析物监测系统数据服务,并且第二数据可以包括由分析物监测系统测量的葡萄糖水平。
如此处所体现的,共享数据项可以包括电子邮件地址。
如这里所体现的,该方法可以包括使用一个或多个处理器来基于与第二数据配对的第一数据生成通知。在一些实施方式中,该方法可以包括使用该一个或多个处理器,使用至少一个生理参数以及该第一记录或该第二记录中的至少一个来计算多个个性化葡萄糖度量,其中该第一记录可以是实验室测量的HbA1c并且该第二记录可以是指示用户的分析物水平的葡萄糖水平数据,该报告可以包括多个界面,这些界面包括以下各项中的两项或更多项:第一记录、第二记录、或计算出的多个个性化葡萄糖度量,以及包括报告的可以基于用户类型的多个界面。
在一些实施方式中,多个个性化葡萄糖度量可包括经调整的A1c、所计算的A1c、经调整的所计算的A1c、个性化葡萄糖、个性化平均葡萄糖或个性化范围内时间中的一个或多个。
在一些实施方式中,该方法可以包括计算与所计算的多个个性化葡萄糖度量对应的多个个性化葡萄糖目标。
在一些实施方式中,多个界面可包括多个个性化葡萄糖目标。此外,多个个性化葡萄糖目标可以包括目标葡萄糖范围或目标平均葡萄糖中的一个或多个。在其他实施方式中,个性化目标葡萄糖范围可以包括个性化葡萄糖下限。在又一实施方式中,个性化目标葡萄糖范围可包括个性化葡萄糖上限。
在一些实施方式中,该至少一个生理参数可以选自下组,该组由以下各项组成:红细胞葡萄糖摄取、红细胞寿命、红细胞糖化速率常数、红细胞生成速率常数、红细胞消除常数和表观糖化常数。
在一些实施方式中,多个界面可以包括用于用户的至少一个生理参数。
在一些实施方式中,用户类型可以包括健康护理专业人员。在其它实施方式中,用户类型可以是用户。在一些实施方式中,可以基于用户类型预先确定包括报告的多个界面。此外,包括报告的多个界面可由用户选择。
在一些实施方式中,多个界面可以包括葡萄糖监测数据界面、糖化血红蛋白界面、个性化A1c界面、个性化葡萄糖界面、个性化平均葡萄糖和个性化范围内时间界面。在其他实施方式中,多个界面可以包括葡萄糖监测数据界面、糖化血红蛋白界面、均值葡萄糖界面和范围内时间界面。
在一些实施方式中,该方法还可以包括:如果多个个性化葡萄糖度量中的至少一个处于或高于对应的多个个性化葡萄糖目标,则输出通知。在一些实施方式中,通知可以包括视觉通知。在其它实施方式中,通知可以包括听觉通知。此外,通知可以是警报。在一些实施方式中,通知可以是提示。
在一些实施方式中,该方法可以包括在读取器设备处从电子病例系统接收用户的糖化血红蛋白水平。在其他实施方式中,该方法可以包括在读取器设备处从基于云的数据库接收用户的糖化血红蛋白水平。此外,该方法可以包括在读取器设备处从QR码接收用户的糖化血红蛋白水平。
在一些实施方式中,该方法可以包括在读取器设备处从家中的测试试剂盒接收用户的糖化血红蛋白水平。
附图说明
通过研究附图,在此阐述的主题的关于其结构和操作的细节可以是显而易见的,在附图中附图标记表示相同的部件。附图中的部件不一定是按比例的,重点在于说明本主题的原理。此外,所有图示都旨在传达概念,其中相对大小、形状和其他详细属性可以被示意性地图示而不是字面或精确地图示。
图1是分析物监测系统的系统概述,所述分析物监测系统包括传感器施加器、传感器控制设备、读取器设备、网络、受信计算机系统和本地计算机系统。
图2A是描绘读取器设备的示例实施方式的框图。
图2B和图2C是描绘传感器控制设备的示例实施方式的框图。
图3示出了示例时间线100,该时间线100示出了时间段内至少一个HbAlc值和多个葡萄糖水平的收集。
图4示出了根据本公开的一些实施方式的用于提供生理参数分析的生理参数分析系统的示例。
图5示出了根据本公开的一些实施方式的用于提供生理参数分析的生理参数分析系统的示例。
图6示出了可以由根据本公开的一些实施方式的生理参数分析系统生成作为输出的所计算的HbAlc(eHbAlc)报告的示例。
图7A示出了根据本公开的一些实施方式的确定个性化目标葡萄糖范围的方法的示例。
图7B示出了根据本公开的一些实施方式的可以作为生理参数分析系统的输出而生成的个性化目标葡萄糖范围报告的示例。
图8示出了根据本公开的一些实施方式的可以作为生理参数分析系统的输出而生成的个性化目标平均葡萄糖报告的示例。
图9A至图9C示出了在第200天(±5天)的实验室HbAlc水平相对于两种不同模型(18A和18B)的估计HbAlc(eHbAlc)值和本公开的动力学模型(18C)的所计算的HbAlc(cHbAlc)值之间的比较。
图10用测量的葡萄糖水平(实线)、实验室HbAlc读数(空心圆)、cHbAlc模型值(长虚线)和14天eHbAlc模型值(虚线)说明研究受试者的数据示例。
图11示出了稳态葡萄糖和平衡HbAlc之间的关系(1),如使用HbAlc到估计的平均葡萄糖的标准转化所确定的(具有误差条的虚线)和(2)如对于90名参与者所测量的(实线)。
图12示出了使用本公开的动力学模型改变HbAlc目标值的K(dL/mg)和均值葡萄糖水平目标(mg/dL)之间的关系。
图13是均值葡萄糖和实验室A1c的图示。
图14提供了本公开的报告的示例实施方式。
图15A至图15C是用于患者数据的双向通信的系统的示例实施方式。
图16示出了用于分析物监测系统的示例环境和数据流。
图17示出了用于分析物监测系统的示例数据流。
图18示出了根据某些实施方式执行的应用程序的示例用户界面。
图19示出根据某些实施方式的另一设备的示例用户界面。
图20示出了根据某些实施方式的用于基于经由矩阵条形码提供的分析物数据来请求和生成报告的方法。
图21示出了根据某些实施方式的用于基于经由矩阵条形码提供的分析物数据来请求和生成报告的方法。
图22示出了根据某些实施方式执行的应用程序的示例界面。
图23示出了根据某些实施方式执行的应用程序的示例界面。
图24示出了根据某些实施方式的分析物监测系统的部件之间的示例数据流。
图25示出了执行某些实施方式的应用程序的示例界面。
图26示出了根据某些实施方式执行的应用程序的示例界面。
图27示出了执行某些实施方式的应用程序的示例界面。
图28示出了执行某些实施方式的应用程序的示例界面。
图29A至图29F是包括传感器结果界面的GUI的示例实施方式。
图29G至图29I是包括葡萄糖监测数据界面和计算的A1c界面的GUI的示例实施方式。
图30A至图30F是包括范围内时间界面的GUI的示例实施方式。
图31A至图31O是包括分析物水平和趋势警告界面的GUI的示例实施方式。
图32A和图32B是包括传感器使用界面的GUI的示例实施方式。
图32C至图32F是包括传感器使用信息的报告GUI的示例实施方式。
图33至图38提供了本公开的报告的示例实施方式。
具体实施方式
在详细描述本主题之前,应当理解,本公开不限于所描述的特定实施方式,因为这样当然可以改变。还应理解,本文所用的术语仅出于描述特定实施方式的目的,且不希望为限制性的,因为本发明的范围将仅由所附权利要求书限制。
如本文和所附权利要求中使用的,单数形式“一个”、“一种”和“该”包括复数指示物,除非上下文另外清楚地指明。
提供本文讨论的出版物仅仅是为了它们在本申请的申请日之前的公开内容。本文中的任何内容均不应解释为承认本公开由于先前公开而无权先于此类公开。此外,所提供的出版日期可能与实际出版日期不同,实际出版日期可能需要独立确认。
总体上,本公开的实施方式包括用于分析物监测系统的GUI和数字界面,以及与其相关的方法和设备。因此,许多实施方式包括体内分析物传感器,这些传感器在结构上被配置成使得该传感器的至少一部分被或可以被定位在用户的身体中以获得关于身体的至少一种分析物的信息。然而,应当注意,本文所公开的实施方式可以与结合了体外能力的体内分析物监测系统以及纯体外或离体分析物监测系统(包括完全无创的系统)一起使用。
此外,对于在此公开的方法的每个实施方式,能够执行这些实施方式中的每一个的系统和设备被涵盖在本公开的范围内。例如,公开了传感器控制设备、读取器设备、本地计算机系统和受信计算机系统的实施方式,并且这些设备和系统可以具有一个或多个传感器、分析物监测电路(例如,模拟电路)、存储器(例如,用于存储指令)、电源、通信电路、发送器、接收器、处理器和/或控制器(例如,用于执行指令),其可以执行任何和所有方法步骤或促进任何和所有方法步骤的执行。
如前所述,在此描述的多个实施方式提供了用于分析物监测系统的改进的GUI,其中GUI是高度直观的、用户友好的,并且提供了对用户的生理信息的快速访问。根据一些实施方式,提供了分析物监测系统的范围内时间GUI,其中范围内时间GUI包括多个条或条部分,其中每个条或条部分指示用户的分析物水平处于与所述条或条部分相关的预定分析物范围内的时间量。根据另一个实施方式,提供了分析物监测系统的分析物水平/趋势警告GUI,其中所述分析物水平/趋势警告GUI包括视觉通知(例如,提示、警告、警报、弹出窗口、横幅通知等),并且其中所述视觉通知包括警报状况,与所述警报状况相关联的分析物水平测量,以及与所述警报状况相关联的趋势指示符。总之,这些实施方式提供了一种稳健的、用户友好的界面,其可以增加用户参与分析物监测系统,并且提供了用户及时和可操作的响应,仅举几个优点。
此外,在此描述的多个实施方式提供了用于分析物监测系统的改进的数字界面。根据一些实施方式,提供了改进的方法以及与其相关的系统和设备,用于数据回填,用于无线通信链路的断开和重新连接事件的聚集,过期或失败的传感器传输,合并来自多个设备的数据,将先前激活的传感器过渡到新的读取器设备,生成传感器插入失败系统警报,以及生成传感器终止系统警报。共同地和单独地,这些数字界面改善了由分析物监测系统收集的分析物数据的准确性和完整性,通过允许用户在不同读取器设备之间过渡而改善了分析物监测系统的灵活性,以及通过在某些不利条件期间提供更稳健的设备间通信而改善了分析物监测系统的警报能力,仅举几个例子。还提供了其它改进和优点。通过仅作为示例的实施方式来详细描述这些设备的各种配置。
然而,在详细描述实施方式的这些方面之前,期望首先描述可存在于例如体内分析物监测系统内的设备的示例,以及它们的操作的示例,所有这些可与本文所述的实施方式一起使用。
存在各种类型的体内分析物监测系统。例如,“持续分析物监测”系统(或“持续葡萄糖监测”系统)可以在没有提示的情况下(例如根据时间表自动地)将数据从传感器控制设备连续地传输到读取器设备。作为另一示例,“瞬感分析物监测”系统(或“瞬感葡萄糖监测”系统或简称为“瞬感”系统)可响应于读取器设备对数据的扫描或请求而从传感器控制设备传送数据,例如使用近场通信(NFC)或射频识别(RFID)协议。体内分析物监测系统也可以在不需要手指针刺校准的情况下操作。
体内分析物监测系统可以区别于“体外”系统,该“体外”系统接触体外(或“离体”)的生物样本,并且通常包括具有用于接收携带用户体液的分析物测试条的端口的计量设备,该分析物测试条可以被分析以确定用户的血糖水平。
体内监测系统可包括传感器,该传感器在定位在体内时与用户的体液接触并感测包含在其中的分析物水平。传感器可以是位于用户身体上的传感器控制设备的一部分,并且包含能够实现和控制分析物感测的电子器件和电源。传感器控制设备及其变体也可称为“传感器控制单元”、“身体上的电子设备”设备或单元、“身体上的”设备或单元,或“传感器数据通信”设备或单元等。
体内监测系统还可以包括从传感器控制设备接收感测的分析物数据并以任何形式处理和/或向用户显示感测的分析物数据的设备。该设备及其变体可以被称为“手持读取器设备”、“读取器设备”(或简称为“读取器”)、“手持电子设备”(或简称为“手持”)、“便携式数据处理”设备或单元、“数据接收器”、“接收器”设备或单元(或简称为“接收器”),或“远程”设备或单元等。诸如个人计算机的其它设备也已经与体内和体外监测系统一起使用或结合到体内和体外监测系统中。
体内分析物监测系统的示例实施方式
图1是描绘分析物监测系统100的示例实施方式的概念图,所述分析物监测系统100包括传感器施加器150、传感器控制设备102和读取器设备120。这里,传感器施加器150可用于将传感器控制设备102输送到用户皮肤上的监测位置,在该监测位置处,传感器104通过粘合贴片105保持在适当位置一段时间。在图2B和图2C中进一步描述了传感器控制设备102,并且可以使用有线或无线技术经由通信路径140与读取器设备120通信。示例性无线协议包括蓝牙、蓝牙低能量(BLE、BTLE、蓝牙SMART等)、近场通信(NFC)等。用户可以使用屏幕122(其在许多实施方式中可以包括触摸屏)和输入121来查看和使用安装在读取器设备120上的存储器中的应用。读取器设备120的设备电池可以使用电源端口123再充电。虽然仅示出了一个读取器设备120,但是传感器控制设备102可以与多个读取器设备120通信。每个读取器设备120可以彼此通信和共享数据。关于读取器设备120的更多细节在下文中关于图2A进行阐述。读取器设备120可以使用有线或无线通信协议经由通信路径141与本地计算机系统170通信。本地计算机系统170可以包括膝上型计算机、台式计算机、平板计算机、平板手机、智能电话、机顶盒、视频游戏控制台或其它计算设备中的一个或多个,并且无线通信可以包括多种可应用的无线联网协议中的任何一种,包括蓝牙、蓝牙低能量(BTLE)、Wi-Fi或其它协议。本地计算机系统170可以通过通信路径143与网络190通信,类似于读取器设备120可以通过通信路径142与网络190通信的方式,通过如前所述的有线或无线通信协议进行通信。网络190可以是多种网络中的任何一种,例如私有网络和公共网络、局域网或广域网等。受信计算机系统180可以包括基于云的平台或服务器,并且可以提供认证服务、安全数据存储(例如,存储从读取器设备接收的分析物测量数据)、报告生成,并且可以通过有线或无线技术经由通信路径144与网络190通信。此外,尽管图1示出了与单个传感器控制设备102和单个读取器设备120通信的受信计算机系统180和本地计算机系统170,但本领域技术人员将认识到,本地计算机系统170和/或受信计算机系统180各自能够与多个读取器设备和传感器控制设备进行有线或无线通信。尽管参考了读取器设备120,但是分析物监测系统可以附加地或替换地包括多用途数据接收设备130和用户设备140,例如下面描述的那些,包括通用计算设备。
合适的分析物监测设备、系统、方法、部件及其操作的附加细节以及相关特征在Taub等人的美国专利第9,913,600号、Rao等人的国际公开第WO2018/136898号、Thomas等人的国际公开第WO2019/236850号国际公开和Rao等人的美国专利公开第2020/0196919号,其每一个通过引用的方式全部并入本文。
读取器设备的示例实施方式
图2A是描绘读取器设备120的示例实施方式的框图,在一些实施方式中,读取器设备120可以包括智能电话或智能手表。这里,读取器设备120可以包括显示器122、输入组件121和处理核心206,处理核心206包括与存储器223耦接的通信处理器222和与存储器225耦接的应用处理器224。还可以包括单独的存储器230、具有天线229的RF收发器228,以及具有电源管理模块238的电源226。此外,读取器设备120还可以包括多功能收发器232,其可以包括无线通信电路,并且其可以被配置为通过Wi-Fi、NFC、蓝牙、BTLE和GPS利用一个或多个天线234通信。如本领域技术人员所理解的,这些组件以制造功能设备的方式电耦接和通信耦接。
传感器控制设备的示例实施方式
图2B和图2C是描绘具有分析物传感器104和传感器电子器件160(包括分析物监测电路)的传感器控制设备102的示例实施方式的框图,其可具有用于呈现适于显示给用户的最终结果数据的大部分处理能力。在图2B中,示出了可以是定制专用集成电路(ASIC)的单个半导体芯片161。ASIC 161内示出的是某些高级功能单元,包括模拟前端(AFE)162、功率管理(或控制)电路164、处理器166和通信电路168(其可被实现为发射器、接收器、收发器、无源电路或根据通信协议的其它电路)。在该实施方式中,AFE 162和处理器166都用作分析物监测电路,但是在其它实施方式中,任一电路都可以执行分析物监测功能。处理器166可以包括一个或多个处理器、微处理器、控制器和/或微控制器,每个处理器、微处理器、控制器和/或微控制器可以是分立芯片或分布在多个不同芯片之间(以及一部分)。
存储器163也包括在ASIC 161内,并且可以由ASIC 161内存在的各种功能单元共享,或者可以分布在它们中的两个或更多个中。存储器163也可以是单独的芯片。存储器163可以是易失性和/或非易失性存储器。在该实施方式中,ASIC 161与电源170耦接,电源170可以是纽扣电池等。AFE 162与体内分析物传感器104接口,并从其接收测量数据,并以数字形式将数据输出到处理器166,处理器166又处理数据以得到最终结果葡萄糖离散值和趋势值等。然后,该数据可被提供到通信电路168,用于通过天线171发送到读取器设备120(未示出),例如,其中驻留软件应用程序需要最少的进一步处理来显示数据。根据一些实施方式,例如,可以每分钟将当前葡萄糖值从传感器控制设备102传输到读取器设备120,并且可以每五分钟将历史葡萄糖值从传感器控制设备102传输到读取器设备120。
在一些实施方式中,为了节省传感器控制设备102上的电力和处理资源,可将从AFE 162接收的数字数据发送到读取器设备120(未图示),其中处理最少或不处理。在其他实施方式中,处理器166可以被配置为生成某些预定数据类型(例如,当前葡萄糖值、历史葡萄糖值)以存储在存储器163中或传输到读取器设备120(未示出),并且查明某些警报状况(例如,传感器故障状况),而其他处理和警报功能(例如,高/低葡萄糖阈值警报)可以在读取器设备120上执行。本领域技术人员将理解,这里描述的方法、功能和界面可以全部或部分地由传感器控制设备102、读取器设备120、本地计算机系统170或受信计算机系统180上的处理电路来执行。
图2C类似于图2B,但包括两个分立的半导体芯片162和174,它们可以封装在一起或分开。这里,AFE 162驻留在ASIC 161上。处理器166与功率管理电路164和通信电路168集成在芯片174上。AFE 162可以包括存储器163,芯片174包括存储器165,存储器165可以被隔离或分布在其中。在一个示例实施方式中,AFE 162与功率管理电路164和处理器166组合在一个芯片上,而通信电路168在单独的芯片上。在另一示例实施方式中,AFE 162和通信电路168都在一个芯片上,而处理器166和功率管理电路164在另一芯片上。应当注意,其它芯片组合也是可能的,包括三个或更多芯片,每个芯片负责所描述的单独功能,或者共享一个或多个功能用于故障安全冗余。
用于分析物监测系统的图形用户界面的示例实施方式
本文描述了用于分析物监测系统的GUI的示例实施方式。作为初始事项,本领域技术人员将理解,本文描述的GUI包括存储在读取器设备120、本地计算机系统170、受信计算机系统180和/或作为分析物监测系统100的一部分或与分析物监测系统100通信的任何其他设备或系统的存储器中的指令。当由读取器设备120、本地计算机系统170、受信计算机系统180或分析物监测系统100的其它设备或系统的一个或多个处理器执行时,这些指令使所述一个或多个处理器执行本文所述的方法步骤和/或输出GUI。本领域技术人员还将认识到,这里描述的GUI可以作为指令存储在单个集中式设备的存储器中,或者可替换地,可以分布在地理上分散的位置中的多个分立设备上。
用于个性化葡萄糖相关度量的模型的示例实施方式
本文描述了用于个性化葡萄糖相关度量的模型的示例实施方式的示例实施方式。本公开总体上描述了用于确定与受试者体内的红细胞糖化、消除和生成以及网织红细胞成熟的动力学相关的生理参数的方法、设备和系统。这样的生理参数可以用于例如计算更可靠的计算的HbA1c(cHbA1c)、调整的或个性化的HbA1c(aHbA1c)、调整的计算的HbA1c(acHbA1c),和/或个性化的目标葡萄糖范围,尤其用于受试者个性化的诊断、治疗,和/或监测协议。
本文中,术语“HbAlc水平”、“HbAlc值”和“HbAlc”可互换使用。本文中,术语“个性化A1c”、“个性化HbA1c”、“aHbAlc水平”、“aHbAlc值”和“aHbAlc”可互换使用。本文中,术语“cHbAlc水平”、“cHbAlc值”、“cHbAlc”和“GD-Alc”可互换使用和/或个性化目标葡萄糖范围等。本文中,术语“acHbAlc水平”、“acHbAlc值”和“acHbAlc”可互换使用。
动力学模型
在特定器官(特别是眼、肾和神经)中的高血糖暴露是糖尿病并发症发生的关键因素。实验室HbAlc(在本领域中也称为测量的HbAlc)常规地用于评估葡萄糖控制,但研究报告了在一些人中该葡萄糖标记与糖尿病并发症之间的断开。实验室HbAlc未能预测糖尿病并发症的确切机制通常不清楚,但在一些情况下可能与受影响器官中细胞内葡萄糖暴露的不准确估计有关。
等式1说明了红细胞血红蛋白糖化(或本文简称为红细胞糖化)、红细胞消除和红细胞生成的动力学,其中“G”是游离葡萄糖,“R”是非糖化的红细胞,“GR”是糖化的红细胞血红蛋白。糖化红细胞血红蛋白(GR)形成的速率在本文中称为红细胞血红蛋白糖化速率常数(kgly通常具有dl_*mg_1*天!的单位)。
随着时间的推移,包括糖化红细胞的红细胞被连续地从受试者的循环系统中清除,并且生成新的红细胞,通常以大约每秒2百万个细胞的速率生成。与消除和生成相关的速率在本文中分别称为红细胞消除常数(kage通常具有天-1的单位)和红细胞生成速率常数(kgen通常具有M2/天的单位)。由于体内红细胞的量大部分时间都维持在稳定水平,因此kage和kgen的比率应该是个体常数,即红细胞浓度的平方。
相对于糖化,等式2更详细地说明了葡萄糖转运蛋白1(GLUT1)促进葡萄糖(G)转运到红细胞中的机制。然后,细胞内葡萄糖(GI)与血红蛋白(Hb)交互以生成糖化血红蛋白(HbG),其中血红蛋白糖化反应速率常数由kg表示(通常具有dl_*mg_1*天!的单位)。典型的实验测量的kg值为1.2×103db/mg/天。血红蛋白糖化反应是多步骤的非酶化学反应,因此kg应该是通用常数。将葡萄糖转运到红细胞中并将Hb糖化为HbG的速率常数是kgly。然后,kage描述红细胞消除(随着血红蛋白),此处也描述为红细胞更新率。
虽然升高的细胞内葡萄糖是糖尿病并发症的原因,但细胞外高葡萄糖选择性地损害具有有限的有效调节跨膜葡萄糖转运的能力的细胞。由于两个主要原因,HbA1c已被用作糖尿病相关的细胞内高血糖症的生物标志物。首先,糖化反应发生在红细胞(RBC)内,因此HbAlc受到细胞内葡萄糖水平的调节。第二,RBC不具有调节葡萄糖转运蛋白GLUT1水平的能力,因此不能改变跨膜葡萄糖摄取,其表现类似于被细胞外高葡萄糖选择性损伤的细胞。因此,在固定的RBC寿命和跨膜葡萄糖摄取的条件下,HbAlc反映受糖尿病并发症影响的器官中的细胞内葡萄糖接触。然而,考虑到跨膜葡萄糖摄取和RBC寿命的个体间的变化性,实验室HbAlc可能不总是反映细胞内葡萄糖暴露。尽管RBC跨膜葡萄糖摄取的变化可能与估计易感器官中糖尿病并发症的风险有关,但红细胞寿命是RBC所特有的,因此与其它组织中的并发症风险无关。这解释了在患有以异常RBC更新为特征的血液学病症的患者中临床上不能依赖实验室HbAlc,并且代表了在一些患有糖尿病的人中实验室HbAlc和并发症发展之间明显“断开”的可能解释(图1)。
为了克服实验室HbAlc的限制,已经开发了个性化HbAlc的测量,其考虑了RBC更新和细胞葡萄糖摄取的人差异。当前的工作旨在通过调整100天的标准RBC寿命(相当于每天1%的RBC更新率,或50天的均值RBC年龄)来扩展该模型,以建立新的临床标志物,我们将其称为经调整的HbAlc(aHbAlc)。我们建议aHbAlc是用于估计器官暴露于高血糖症和未来糖尿病相关并发症风险的最相关葡萄糖标志物。
如前所述,HbAlc是指示红细胞中发现的糖化血红蛋白部分的常用分析物。因此,例如,可以使用动力学模型来至少基于对受试者测量的葡萄糖水平导出计算的HbAlc。然而,动力学模型也可以应用于HbAl。为简单起见,本文统一使用HbAlc,但HbAl可代替,除非在使用特定HbAlc值的情况下(例如,参见等式15和16)。在这种情况下,可以使用特定的HbAl值来导出类似的等式。
通常,在对生理过程进行动力学建模时,假设将重点放在影响生理过程最多的因素上并简化一些数学。
本公开仅使用以下假设集在动力学上对等式1所示的生理过程建模。首先,葡萄糖浓度高到足以不受红细胞糖化反应的影响。第二,不存在会影响HbAlc测量的异常红细胞,因此血细胞比容在感兴趣的时间段内是恒定的。做出该假设以排除通常不存在并且可能不利地影响模型精度的极端条件或生命事件。第三,糖化过程对红细胞和葡萄糖浓度具有一级依赖性。第四,新生成的红细胞具有可忽略量的糖化血红蛋白,基于先前的网织红细胞血红蛋白含量非常低且几乎检测不到的报道。第五,红细胞生成与总细胞浓度成反比,而消除是一级过程。
利用上述用于该动力学模型的五个假设,可以通过微分等式1和2建模糖化和非糖化红细胞的变化率。
d[GR∨dt=kgly[G][R]-kage[GR] 等式1
(d[R])/dt=kgen/C-kage[R]-kgly[G][R] 等式2
C是红细胞的整个群体,其中C=[ff]+[GR](等式2a)。C通常具有M(mol/L)的单位,[R]和[GR]通常具有M的单位,并且[G]通常具有mg/dl的单位。
假设稳态,其中葡萄糖水平是恒定的并且糖化和非糖化红细胞浓度保持稳定(d[GR]/dt=(d[R])/dt=0),可以导出以下两个等式。等式3将表观糖化常数K(通常单位为dL/mg)定义为kgly和kage的比率,而等式4建立了红细胞生成和消除速率之间的依赖性。
K=kgly/kage=[GR]/[G][R]等式3
kgen/kage=C2等式4
为简单起见,下文使用kage来描述本发明的方法、设备和系统。除非另有说明,否则kgen可以替换kage。为了用kgen替换kage,等式4将重新排列为kgen-kage*C。
HbAlc是糖化血红蛋白的分数,如等式5所示。
Hbalc=[GR]/C=(C-[R])/C 等式5
在假设状态下,当人无限地保持相同的葡萄糖水平时,等式5中的HbAlc可被定义为“平衡HbAlc”(EA)(通常报告为a%(例如,6.5%),但在计算中以十进制形式(例如,0.065)使用)。对于给定的葡萄糖水平,可从等式2a、3和5导出EA(等式6)。
EA=(kgly[G])/(kage+kgly[G])=[G]/(K-1+[G]) 等式6
EA是基于长期恒定葡萄糖浓度[G]的HbAlc估计值。该关系有效地近似了具有稳定的每日葡萄糖分布的人的平均葡萄糖和HbAlc。EA取决于K,K的值是每个受试者的特征。等式6表明稳态葡萄糖与EA不是线性相关的。稳定的葡萄糖和EA可以用在葡萄糖水平的特定范围内的线性函数来近似,但不在HbAlc的全部典型临床范围内。此外,在葡萄糖水平连续波动的现实生活中,人的实验室HbAlc和平均葡萄糖之间没有可靠的线性关系。
其他人也总结了这一点,并生成了将测得的HbAlc值与平均葡萄糖水平相关联的动力学模型。例如,美国糖尿病协会具有用于将HbAlc值转换成估计的平均葡萄糖水平的在线计算器。然而,该模型基于kage和kgly在受试者之间没有显著变化的假设,这在下面的实施方式1中说明为假。因此,美国糖尿病协会目前采用的模型将kage和kgly视为常数,而不因受试者而变化。
Higgens等人(《科学转化医学期刊》8,359ral30,2016)开发了更近的模型,删除了红细胞寿命不变的假设。然而,更近的模型仍然假设kgly在受试者之间基本上没有变化。
相反,kage和kgly是本文所述动力学模型的变量。此外,在一些实施方式中,受试者的kgly用于导出与受试者的糖尿病状况和治疗相关的个性化参数(例如,药物剂量、补充剂量、锻炼计划、饮食/膳食计划等)。
继续本公开的动力学模型,给定起始HbAlc(HbAlco)并假定时间段期间恒定的葡萄糖水平[G],时间段t结束时的HbAlc值(HbAlct)(等式7)可从等式1导出。
/>
为了适应随时间变化的葡萄糖水平,将每个人的葡萄糖历史近似为具有相应平均葡萄糖水平[G1]的一系列时间间隔t。递归地应用等式7,时间间隔tz结束时的HbAlCz可以由用于数值计算的等式8表示。
其中衰减项Dt=e(y[G;]+/cage)t£ (等式8a)。
当使用等式6、7或8求解kage和kgly时,kage和kgly可以被限制到合理的生理极限,作为非限制性示例,5.0*106dl_*mg^天-1<kgly<8.0*106dl_*mg^天1以及0.006天1<kage<0.024天-1。另外地或可选地,使用Broyden-Fletcher-Goldfarb-Shanno算法的经验方法可以与kgly和kage的估计初始值一起使用(例如,kgly=4.4*10-6dl_*mg^天1以及kage=0.0092天x)。葡萄糖水平数据点和测量的HbAlc数据点越多,这里描述的生理参数就越精确。
时间间隔t的值可基于可在各实施方式之间变化的多个因素来选择(例如,由用户或开发者,或由在一个或多个处理器上执行的软件指令),并且同样地,时间间隔t的值可变化。一个这样的因素是在个体的葡萄糖历史内从一个葡萄糖数据值(例如,葡萄糖数据值(例如,在离散时间测量的葡萄糖水平,代表多个离散时间上的特定时间段的葡萄糖水平的值,或其它)到另一个的持续时间。葡萄糖数据值之间的持续时间可以被称为时间间隔tg。时间间隔tg可以在人的葡萄糖历史上变化,使得单个葡萄糖历史对于时间间隔tg可以具有多个不同的值。这里描述了导致时间间隔tg的不同值的多个示例实施方式。在葡萄糖监测系统的一些实施方式中,在固定时间间隔tg(例如,每分钟、每十分钟、每十五分钟等)之后确定葡萄糖数据点,并且所得到的葡萄糖历史是一系列葡萄糖数据点,其中每个点表示在固定时间间隔tg期满时或在固定时间间隔tg内的葡萄糖(例如,以一分钟间隔的一系列葡萄糖数据点等)。在其它实施方式中,在多个不同的固定时间间隔tg获取或确定葡萄糖数据点。例如,在一些瞬感分析物监测系统(在此进一步详细描述)中,用户可以请求来自设备(例如,传感器控制设备)的葡萄糖数据,该设备存储在最近的时间段(例如,最近的十五分钟、最近的一小时等)内以第一相对较短的时间间隔tg(例如,每分钟、每两分钟)葡萄糖数据和存储在该最近时间段之外以第二相对较长的时间间隔tg(例如,每10分钟、每15分钟、每20分钟等)所有其他数据(在一些情况下,最多8小时、12小时、24小时)。在第二相对较长的时间间隔处存储的数据可以从最初在相对较短的时间间隔tg处取得的数据(例如,平均值、中值,或其他算法确定的值)来确定。在这样的例子中,所得到的葡萄糖历史取决于用户请求葡萄糖数据的频率,并且可以是在第一时间间隔tg的一些葡萄糖数据点和在第二时间间隔tg的其它葡萄糖数据点的组合。当然,对于例如三个或更多个时间间隔tg,更复杂的变化也是可能的。在一些实施方式中,还可以存在用特别的附加测量(例如,手指针刺和测试条)收集的葡萄糖数据,这可以导致时间间隔tg的甚至更多的变化。
对受试者(约400)样本的葡萄糖历史进行的示例性分析(其中葡萄糖数据点通常以1至15分钟的时间间隔tg存在)表明,可以选择在3小时(或约3小时)至24小时(或约24小时)范围内的时间间隔t的值而没有显著的准确度损失。通常,较短的时间间隔t比较长的时间间隔t具有更高的精确度,并且接近3小时的时间间隔t值是最精确的。由于数值舍入误差,小于三小时的时间间隔t的值可能开始表现出精度损失。以处理负荷和计算时间为代价,通过使用较长的数字串可以减少这些舍入误差。应当注意,在3到24小时范围之外的时间间隔t的其它值可能是合适的,这取决于期望的准确度水平和其它因素,诸如葡萄糖数据点之间的平均时间间隔tg。
选择时间间隔t的另一个因素是人的葡萄糖历史中存在间隙或缺失数据,其中间隙比最长时间间隔tg更长或显著更长。一个或多个这种间隙的存在可能导致结果偏差。例如,这些间隙可能是由于不能在某个时间段上收集葡萄糖数据(例如,用户没有佩戴传感器、用户忘记扫描传感器以获得数据、发生故障等)而导致的。在选择时间间隔t时应该考虑间隙的存在及其持续时间。通常,间隙的数量和持续时间应该尽可能地最小化(或消除)。但是由于这种类型的间隙通常难以消除,在这种间隙存在的程度上,在许多实施方式中,时间间隔t的选择应当是葡萄糖数据点之间的最大(最大,maximum)间隙的持续时间的至少两倍。例如,如果时间间隔t被选择为3小时,则最大间隙应当不长于90分钟,如果时间间隔t被选择为24小时,则最大间隙应当不长于12小时,等等。
值HbAlcz是本动力学模型的估计HbAlc,其在本文中被称为cHbAlc(计算的HbAlc)以区别于本文所述的其他eHbAlc。
如先前所描述且在等式8中所说明,EA及D均受葡萄糖水平[G]、kgly及kage影响。此外,D取决于时间间隔t的长度。等式8是等式7的递归形式。等式7和等式8描述了HbAlc、葡萄糖水平和个体红细胞动力学常数kgly和kage之间的关系。
可以通过昂贵和费力的方法直接测量kage。在本文中,将动力学模型扩展到引入网织红细胞成熟作为估计kage的方法。
网织红细胞是未成熟的红细胞,通常占总红细胞的约1%。网织红细胞成熟为成熟红细胞的速率为kmat(通常具有天-1的单位)。正常网织红细胞的成熟半衰期为约4.8小时,其提供等式9。
kmat=ln2/(4.8hours)=3.47day-1 等式9
动力学模型作出两个假设:(1)所有红细胞在时间0时都是网织红细胞,(2)网织红细胞未被消除(即,网织红细胞成熟为成熟红细胞,且未死亡)。网织红细胞年龄的概率密度(PRET)可由等式10表示。
其中t是细胞年龄。
网织红细胞生产指数(RPI),也称为校正的网织红细胞计数(CRC),是作为网织红细胞的总红细胞的百分比。因此,RPI是PRET相对于细胞年龄的积分,如等式11所示,其中RPI是报告的RPI的十进制形式(例如,在等式11中在2%报告的RPI为0.02)。
假设典型的kmat是3.47天-1,可以从测量的RPI估计kage。RPI可以通过常规方法测定。例如,RPI可以通过测量血细胞比容百分比(HMm),测量RNA染色的血液涂片中网织红细胞的百分比(RP),从测量的血细胞比容百分比确定成熟校正(MC),并基于等式12计算RPI来确定,其中RP和HMm用作百分比值而不是十进制形式(即,在等式中报告为3%的RP不是0.03)。
假设典型的kmat是3.47天1,可以从测量的RPI估计kage。RPI可以通过常规方法测定。例如,RPI可以通过测量血细胞比容百分比(HMm),测量RNA染色的血液涂片中网织红细胞的百分比(RP),从测量的血细胞比容百分比确定成熟校正(MC),并基于等式12计算RPI来确定,其中RP和HMm用作百分比值而不是十进制形式(即,在等式中报告为3%的RP不是0.03)。
RPI=(RP*HMm/HMn)/MC等式12其中HMn是正常血细胞比容值(通常为45)。
除非另有说明,否则所描述的典型单位与其各自的值相关联。本领域技术人员将认识到其它单位和适当的转化。例如,[G]通常以mg/dL测量,但可以使用葡萄糖的摩尔质量转化成M。如果[G]用在M中或任何其它变量与不同单位一起使用,则本文中的等式应被调整以考虑单位中的差异。
从动力学模型计算生理参数
本公开的实施方式提供了受试者体内红细胞糖化、消除和生成以及网织红细胞成熟的动力学模型。
生理参数kage可以根据一个或多个RPI测量来估计。虽然可以使用上述等式11从单个RPI测量来估计kage,但是两个或更多个RPI测量可以增加RPI值的准确度。此外,RPI可响应于治疗和响应于疾病状态的改善或恶化而随时间变化。因此,虽然可以以任何期望的时间间隔(例如,每周至每年)测量RPI,但优选每3至6个月测量一次RPI。
一旦计算了kage,就可以从在此描述的等式中估计生理参数kgly和/或K,给定至少一个测量的HbAlc值(也称为HbAlc水平测量)和在紧接HbAlc测量之前的时间段的多个葡萄糖水平(也称为葡萄糖水平测量)。
图3示出了示例时间线100,该示例时间线100示出了在时间段106和108内至少一个测得的HbAlc值12102a、12102b、12102c,多个葡萄糖水平12104a和12104b以及至少一个测得的RPI值110a、110b、110c的集合。
计算kgly和/或K所需的测量HbAlc值12102a、12102b、12102c的数量取决于多个葡萄糖水平的频率和持续时间。计算kage所需的测量RPI值110a、110b、110c的数量取决于个体kmat的稳定性及其与典型kmat的偏差(3.47天-1)。优选地,RPI每三至六个月测量一次,但如果需要,可每月或每周测量。
在第一实施方式中,可以使用一个测量的RPI值110b来计算kage,并且可以使用一个测量的HbAlc 12102b连同计算的kage和时间段106上的多个葡萄糖测量来计算kgly和/或K。这样的实施方式适用于长期106(例如,超过约200天)具有稳定的每日葡萄糖测量的受试者。K可以在时间点101用等式6通过用测量的HbAlc值12102b代替E并且用时间段106内的每日平均葡萄糖代替[G]来计算。然后可以从等式3计算kgly。因此,在该实施方式中,不一定需要初始HbAlc水平测量12102a。
因为没有测量第一HbAlc值,所以具有频繁测量的初始葡萄糖水平测量的时间间隔106可能需要很长,以获得平均葡萄糖的准确表示并减少误差。对于该方法使用超过100天的稳定葡萄糖模式可以减少误差。如200天或更多或300天或更多的附加长度进一步减少了误差。
可以使用一个测量的HbAlc值12102b的实施方式包括约100天至约300天(或更长)的时间段106,其中每天至少约72次(例如约每20分钟)至每天约96次(例如约每15分钟)或更频繁地测量葡萄糖水平。此外,在这样的实施方式中,葡萄糖水平测量之间的时间可以稍微一致,其中两个葡萄糖水平测量之间的间隔不应超过大约一小时。当仅使用一个测量的HbAlc值时,一些缺失的数据葡萄糖测量是可容忍的。丢失数据的增加可能导致更多误差。
或者,在使用一个测得的HbAlc值12102b的一些情况下,如果受试者具有稳定、一致的葡萄糖分布的现有葡萄糖水平监测历史,则可以缩短时间段106。例如,对于已经长时间(例如,6个月或更长)进行测试但可能在较不频繁或有规律的时间进行测试的受试者,可以使用现有的葡萄糖水平测量来确定和分析葡萄糖分布。然后,如果在时间段106(例如,在约14天或更长时间内每天约72次至约96次或更多次)内进行更频繁和有规律的葡萄糖监测,然后测量HbAlc 12102b和RPI 110b,则可以使用组合的四组数据来计算时间点101处的一个或多个生理参数(kgly、kage和/或K)。
可替代地,在一些实施方式中,可以使用一个或多个测量的RPI值110a、110b,两个测量的HbAlc值(在时间段106开始时的第一测量的HbAlc值12102a和在时间段106结束时的第二测量的HbAlc值12102b),以及在时间段106期间测量的多个葡萄糖水平12104a来计算在时间点101处的一个或多个生理参数(kgly、kage和/或K)。在这些实施方式中,等式11可用于计算kage,并且等式8可用于计算时间点101处的kgly和/或K。在这样的实施方式中,多个葡萄糖水平12104a可以测量约10天至约30天或更长,其中测量平均为每天约4次(例如,约每6小时)至每天约24次(例如,约每1小时)或更频繁。
在前述实施方式中,RPI值可以在不同于所示的时间测量,因为测量的RPI值随时间相对稳定。因此,RPI值可以在时间段106期间的任何时间测量,并且适用于这些实施方式。
上述实施方式不限于所提供的示例性葡萄糖水平测量时间段和频率范围。葡萄糖水平可以在约几天至约300天或更长时间(例如,约一周或更长时间、约10天或更长时间、约14天或更长时间、约30天或更长时间、约60天或更长时间、约90天或更长时间、约120天或更长时间等)的时间段内测量。在一些实施方式中,所述时间段为7天或更长,优选1至10个月,并且小于一年。这样的葡萄糖水平的频率可以平均为每天约14400次(例如,约每6秒的时间间隔tg)(或更经常地)至每天约3次(例如,约每8小时的时间间隔tg)(例如,每天1440次(例如,约每分钟的时间间隔tg)),每天约288次(例如,约每5分钟的时间间隔tg),每天约144次(例如,约每10分钟的时间间隔tg),每天约96次(例如,约每15分钟的时间间隔tg),每天约72次(例如,约每20分钟的时间间隔tg),每天约48次(例如,约每30分钟的时间间隔tg),每天约24次(例如,约每1小时的时间间隔tg),每天约12次(例如,约每2小时的时间间隔tg),每天约8次(例如,约每3小时的时间间隔tg),每天约6次(例如,约每4小时的时间间隔tg),每天约4次(例如,约每6小时的时间间隔tg)等。在一些情况下,可使用较不频繁的监测(如每天一次或两次),其中每天在大约相同的时间(在约30分钟内)进行葡萄糖测量,以具有每天葡萄糖水平的更直接比较并减少后续分析中的误差。
前述实施方式还可以包括计算与一个或多个生理参数相关联的误差或不确定性。在一些实施方式中,该误差可以用于确定是否应当在时间点101附近测量另一个HbAlc值(未示出),是否应当测量一个或多个葡萄糖水平12104b(例如,在时间点101附近),是否应当延长监测和分析(例如,从时间点101到时间点12103延长时间段108,包括在时间段108期间测量葡萄糖水平12104b和在时间点12103测量HbAlc值12102c),和/或是否在延长的时间段108中葡萄糖水平测量12104b的频率应该相对于在时间段106中葡萄糖水平测量12104a的频率增加。在一些实施方式中,当与kgly、kage和/或K相关的误差等于或大于约15%、优选地等于或大于约10%、优选地等于或大于约7%,并且优选地等于或大于约5%时,可以采取前述动作中的一个或多个。当受试者具有现有的疾病状况(例如,心血管疾病)时,可优选较低的误差以具有更严格的监测和本文所述的分析中较小的误差。
可替代地或当误差是可接受时,在一些实施方式中,可以使用时间点101处的一个或多个生理参数(kgly、kage和/或K)来确定受试者的个性化糖尿病管理的一个或多个参数或特征(例如,在时间段108结束时的cHbAlc、个性化目标葡萄糖范围,和/或受试者在不久的将来的治疗或治疗变化),每个参数或特征在本文中进一步更详细地描述。在一些情况下,除了前述实施方式之外,可以在时间点12103测量HbAlc值,并且重新计算一个或多个生理参数并将其应用于未来时间段(未示出)。
可替代地或另外地,可以使用等式8和等式11来估计kage的两个值。这两个值的比较可用于确定是否应在时间点101附近测量另一个HbAlc值(未示出),是否应测量一个或多个葡萄糖水平12104b(例如,在时间点101附近),是否应延长监测和分析(例如,以延长从时间点101到时间点12103的时间段108,包括在时间点12103测量葡萄糖水平12104b和测量HbAlc值12102c),和/或是否在延长的时间段108中葡萄糖水平测量12104b的频率应该相对于在时间段106中葡萄糖水平测量12104a的频率增加。例如,如果两个kage值相差超过10%(例如,基于高值,低值不在高值的10%内),则人的kmat可以不同于典型的kmat(3.47天-1)。如果观察到大的差异(例如,大于20%的差异),则可以确定人的kmat。如果人的kmat在一段时间(例如,3至6个月)内是稳定的,则在本文所述的方法,系统和设备中应使用所确定的人的kmat来代替等式11中的典型kmat。kmat波动可能提示其他健康问题。
可以测量和/或计算受试者的个性化糖尿病管理的一个或多个生理参数和/或一个或多个参数或特征两次或更多次(例如,时间点101和时间点12103)并进行比较。例如,可以比较时间点101和时间点12103的kgly。在另一个例子中,可以比较时间点12103和将来时间的cHbAlc。本文进一步描述的一些实施方式可以使用这样的比较来(1)监测受试者的个性化糖尿病管理的进展和/或有效性,并且任选地改变受试者的个性化糖尿病管理,(2)鉴定异常或患病的生理状况,和/或(3)鉴定服用影响红细胞生成和/或影响代谢的补充剂和/或药物的受试者。
本文描述的示例性方法、设备和系统中的每一个都可以利用一个或多个生理参数(kgly、kage和K)并执行一个或多个相关分析(例如,个性化目标葡萄糖范围、个性化目标平均葡萄糖、cHbAlc等)。一个或多个生理参数(kgly、kage和K)和相关分析可以周期(例如,大约每3个月到每年)更新。更新的频率尤其可以取决于受试者的葡萄糖水平和糖尿病历史(例如,受试者停留在规定阈值内的程度)、其他医学状况等。
其他因素
在这里描述的应用一个或多个生理参数(kgly、kage和/或K)的实施方式中,除了一个或多个生理参数之外,还可以使用一个或多个其他受试者特定参数。受试者特异参数的示例可包括但不限于生命信息(例如,心率、体温、血压或任何其它生命信息)、身体化学信息(例如,药物浓度、血液水平、肌钙蛋白水平、胆固醇水平或任何其它身体化学信息)、膳食数据/信息(例如,碳水化合物量、糖量或关于膳食的任何其它信息)、活动信息(例如,睡眠和/或锻炼的发生和/或持续时间)、现有医学病况(例如,心血管疾病、心脏瓣膜置换、癌症和全身性病症,例如自身免疫疾病、激素病症,和血细胞病症)、医学病状的家族史、当前治疗、年龄、种族、性别、地理位置(例如,受试者成长的地方或受试者当前生活的地方)、糖尿病类型、糖尿病诊断的持续时间等,以及其任何组合。
系统
在一些实施方式中,确定受试者的一个或多个生理参数(kgly、kage和/或K)可以使用生理参数分析系统来执行。
图4示出了根据本公开的一些实施方式的用于提供生理参数分析的生理参数分析系统211的示例。生理参数分析系统211包括一个或多个处理器212和一个或多个机器可读存储介质214。一个或多个机器可读存储介质214包含由一个或多个处理器212执行的用于执行生理参数分析例程的一组指令。
在一些实施方式中,该指令包括接收输入216(例如,一个或多个RPI值、一个或多个葡萄糖水平、一个或多个HbAlc水平、一个或多个先前确定的生理参数(kgly、kage和/或K),或多个其他受试者特定参数,和/或与前述任一项相关联的一个或多个次数),确定输出218(例如,一个或多个生理参数(kgly、kage和/或K)、与一个或多个生理参数相关联的误差、用于受试者的个性化糖尿病管理的一个或多个参数或特性(例如,cHbA1c、个性化目标葡萄糖范围、平均目标葡萄糖水平、补充或药物剂量,以及其他参数或特征)、参与者的匹配组等),并且通信输出218。在一些实施方式中,输入216的通信可以经由例如用户界面(其可以是显示器的一部分)、数据网络、服务器/云、另一设备、计算机或其任何组合。在一些实施方式中,输出218的通信可以是例如到显示器(其可以是用户界面的一部分)、数据网络、服务器/云、另一设备、计算机或其任何组合。
这里使用的术语“机器可读介质”包括能够以机器可访问的形式存储信息的任何机制(机器可以是例如计算机、网络设备、蜂窝电话、个人数字助理(PDA)、制造工具、具有一个或多个处理器的任何设备等)。例如,机器可访问介质包括可记录/不可记录介质(例如,只读存储器(ROM)、随机存取存储器(RAM)、磁盘存储介质、光存储介质、闪存设备等)。
在一些情况下,一个或多个处理器212和一个或多个机器可读存储介质214可以在单个设备(例如,计算机、网络设备、蜂窝电话、PDA、分析物监测器等)中。
在一些实施方式中,生理参数分析系统可以包括其他部件。图5示出了根据本公开的一些实施方式的用于提供生理参数分析的生理参数分析系统311的另一示例。
生理参数分析系统311包括具有受试者界面14320A和分析模块14320B的健康监测设备14320。健康监测设备14320操作地耦接到或可操作地耦接到数据网络14322。还在生理参数分析系统311中提供葡萄糖监测器324(例如,体内和/或体外(离体)设备或系统)和数据处理终端/个人计算机(PC)326,其各自可操作地耦接到健康监测设备14320和/或数据网络14322。图5中进一步示出了可操作地耦接到数据网络14322的服务器/云328,用于与健康监测设备14320、数据处理终端/PC 326和葡萄糖监测器324中的一个或多个进行双向数据通信。在本公开的范围内的生理参数分析系统311可以排除服务器/云328、数据处理终端/PC 326和/或数据网络14322中的一个或多个。
在某些实施方式中,分析模块14320B被编程或配置成执行生理参数分析以及可选地执行其他分析(例如,cHbAlc、个性化目标葡萄糖范围,以及在此描述的其他分析)。如图所示,分析模块14320B是健康监测设备14320的一部分(例如,由其中的处理器执行)。然而,分析模块14320B可以可替代地与服务器/云328、葡萄糖监测器324和/或数据处理终端/PC326中的一个或多个相关联。举例来说,服务器/云328、葡萄糖监测器324和/或数据处理终端/PC 326中的一者或多者可包含具有致使一个以上处理器执行对应于分析模块14320B的指令集的指令集的机器可读存储介质(或多个介质)。
虽然健康监测设备14320、数据处理终端/PC 326和葡萄糖监测器324被示为各自可操作地耦接到数据网络14322以用于去往/来自服务器/云328的通信,但健康监测设备14320、数据处理终端/PC 326和葡萄糖监测器324中的一者以上可经编程或配置以绕过数据网络14322直接与服务器/云328通信。健康监测设备14320、数据处理终端/PC 326、葡萄糖监测器324和数据网络14322之间的通信模式包括一个或多个无线通信、有线通信、RF通信、通信、WiFi数据通信、支持射频识别(RFID)的通信、/>通信或任何其他合适的数据通信协议,并且可选地支持数据加密/解密、数据压缩、数据解压缩等。
如下面进一步详细描述的,生理参数分析可以由健康监测设备14320、数据处理终端/PC 326、葡萄糖监测器324和服务器/云328中的一个或多个来执行,得到的分析输出在生理参数分析系统311中共享。
另外,虽然葡萄糖监测器324、健康监测设备14320和数据处理终端/PC 326被示为各自经由通信链路可操作地彼此耦接,但是它们可以是一个集成设备内的模块(例如,具有用于发送/接收和处理数据的通信接口和处理器的传感器)内的模块。
测量葡萄糖和HbAlc水平
可以使用用于测量体液(例如血液、间质液(ISF)、皮下流体、皮肤流体、汗液、泪液、唾液或其他生物流体)中的至少一种分析物(例如葡萄糖)的体内和/或体外(离体)方法、设备或系统来完成在本文所述的各个时间段内的多个葡萄糖水平的测量。在一些情况下,体内和体外方法、设备或系统可以组合使用。
体内方法、设备或系统的示例测量血液或ISF中的葡萄糖水平和可选的其它分析物,其中传感器和/或传感器控制设备的至少一部分位于或可位于受试者身体中(例如,在受试者的皮肤表面下方)。设备的示例包括但不限于持续分析物监测设备和瞬感分析物监测设备。具体的设备或系统在本文中进一步描述,并且可以在美国专利第6,175,752号和美国专利申请公开第2011/0213225号中找到,其每一个的全部公开内容出于所有目的通过引用并入本文。体外方法、设备或系统(包括完全无创的那些)包括接触体外体液以测量葡萄糖水平的传感器。例如,体外系统可以使用具有用于接收携带受试者体液的分析物测试条的端口的计量设备,分析物测试条可以被分析以确定受试者的体液中的葡萄糖水平。下面进一步描述另外的设备和系统。
如上所述,测量葡萄糖水平的频率和持续时间可以分别从平均每天约3次(例如,约每8小时)到每天约14400次(例如,约每10秒)(或更频繁地)和从约几天到超过约300天变化。
一旦测量了葡萄糖水平,葡萄糖水平可以用于确定一个或多个生理参数(kgly、kage和/或K),并且在一些情况下,其他分析(例如,cHbAlc、个性化目标葡萄糖范围,以及本文描述的其他)。在一些情况下,可以用生理参数分析系统执行这种分析。例如,返回参考图5,在一些实施方式中,葡萄糖监测器324可以包括耦接到电子器件的葡萄糖传感器,用于(1)处理来自葡萄糖传感器的信号和(2)将经处理的葡萄糖信号传送到健康监测设备14320、服务器/云328和数据处理终端/PC 326中的一个或多个。
可以根据任何合适的方法在本文所述的多个时间测量一种或多种血红蛋白水平。通常,在实验室中使用来自受试者的血液样本测量HbAlc水平。实验室测试的示例包括但不限于基于色谱法的测定、基于抗体的免疫测定和基于酶的免疫测定。也可以使用电化学生物传感器测量HbAlc水平。
HbAlc水平测量的频率可以从平均每月变化到每年(或者如果受试者的平均葡萄糖水平稳定则频率较低)。
计算的HbAlc(cHbAlc)
再次参考图5,在一些实施方式中,可以用实验室测试来测量HbAlc水平,其中将结果输入到服务器/云328、受试者界面14320A和/或来自测试实体、医学专业人员、受试者或其他用户的显示器。然后,可以由健康监测设备14320、服务器/云328和数据处理终端/PC326中的一个或多个接收HbAlc水平,以通过本文描述的一种或多种方法进行分析。
在计算了一个或多个生理参数(kgly、kage和/或K)之后,可以在随后的时间段内进行多个葡萄糖测量,并用于在随后的时间段期间和/或结束时计算HbAlc。例如,返回参考图3,可以在时间点101基于一个或多个测量的RPI值110a、110b,在时间段106内多个葡萄糖水平的测量值12104a,在时间段106结束时测量的HbAlc水平12102b,以及可选地在时间段106开始时测量的HbAlc水平12102a来计算一个或多个生理参数(kgly、kage/和/或K)。然后,对于随后的时间段108,可以测量多个葡萄糖水平12104b。然后,在时间段108期间和/或在时间段108结束时,等式8可用于确定cHbAlc值(等式8的HbAlcz),其中HbAlco是在时间段106结束时(其为时间段108的开始)测量的HbAlc水平12102b,[G,]是在时间段108期间(或时间段108的其中在时间段108期间确定cHbAlc的部分)的葡萄糖水平或平均葡萄糖水平,以及所提供的对应于时间点101的一个或多个生理参数(kgly、kage和/或K)被使用。
可以基于用最近测量的HbAlc水平、最近测量的RPI值和葡萄糖水平的干预测量确定的一个或多个生理参数(kgly、kage和/或K)在几个连续的时间段内确定受试者的cHbAlc。RPI值可以被定期测量(例如,每6个月至一年)以重新计算kage。最近的RPI值或两个或更多个RPI值的平均值可用于计算。可以周期性地(例如,每6个月至一年)测量HbAlc以重新计算一个或多个生理参数。重新测量RPI值和测量的HbAlc之间的时间可取决于(1)葡萄糖水平的测量的一致性,(2)葡萄糖水平的测量的频率,(3)受试者和对应家族的糖尿病史,(4)受试者已被诊断为糖尿病的时间长度,(5)受试者的个性化糖尿病管理的变化(例如,药物/剂量的变化、饮食的变化、锻炼的变化等),(6)影响kmat的疾病或病症(例如,贫血、骨髓疾病、遗传病症、免疫系统病症及其组合)的存在。例如,具有葡萄糖水平的一致测量(例如,具有小于5%变化的[G])和葡萄糖水平的频繁测量(例如,持续葡萄糖监测)的受试者可以比最近(例如,在最近6个月内)改变糖化药物的剂量的受试者更不频繁地测量HbAlc水平,即使具有葡萄糖水平的一致和频繁测量。
参照图4,图6示出了可由本公开的生理参数分析系统211生成作为输出218的cHbAlc报告的示例。图示的示例报告包括平均葡萄糖水平随时间变化的曲线图。报告中还包括由生理参数分析系统211计算的最近测量的RPI值(空心圆),最近测量的HbAlc水平(十字)和cHbAlc水平(星号)。虽然最近测量的RPI值和最近测量的HbAlc水平被示为在不同天测量,但是这两个测量可以在对健康护理提供者的相同访问中进行。
示出了两个cHbAlc水平,但是可以在报告上显示一个或多个cHbAlc级别,包括持续跟踪cHbAlc的线。或者,生理参数分析系统211的输出218可以包括用于当前或最近计算的cHbA1c的单个数字,对应于图6的数据的表,或向受试者、医疗保健提供者等提供至少一个cHbAlc水平的任何其他报告。
在一些情况下,可以将cHbAlc与先前的cHbAlc和/或先前测量的HbAlc水平进行比较,以监测受试者的个性化糖尿病管理的功效。例如,如果饮食和/或锻炼计划作为实现为受试者的个性化糖尿病管理的一部分,并且所有其他因素(例如,药物和其他疾病)相等,则与先前的cHbAlc和/或先前测量的HbAlc水平相比,cHbAlc的变化可以指示饮食和/或锻炼计划是有效的、无效的还是其间的分级。
在一些情况下,可以将cHbAlc与先前的cHbAlc和/或先前测量的HbAlc水平进行比较,以确定是否应当进行另一次HbAlc测量。例如,在没有显著的葡萄糖分布变化的情况下,如果与先前的cHbAlc和/或先前测量的HbAlc水平相比,cHbAlc变化0.5百分比单位或更多(例如,从7.0%变化至6.5%或从7.5%变化至6.8%),则可以测试另一个测量的HbAlc水平。
在一些情况下,cHbAlc与先前的cHbAlc和/或先前测量的HbAlc水平的比较可以指示是否存在异常或患病的生理状况。例如,如果受试者已经将cHbA1c和/或测量的HbAlc水平维持延长的时间段,则如果识别出cHbA1c的变化没有其他明显的原因,则受试者可能具有新的异常或患病的生理状况。可以从一个或多个生理参数(kgly、kage和/或K)收集新的异常或患病生理状况的指示。在此进一步讨论与一个或多个生理参数相关的异常或患病生理状况的细节。
个性化目标葡萄糖范围
通常,糖尿病患者的葡萄糖水平优选保持在54mg/dL和180mg/dl之间。然而,本文所述的动力学模型(参见等式6)说明细胞内葡萄糖水平取决于生理参数kgly、kage和K。因此,测量的葡萄糖水平可能不对应于受试者中的实际生理状况。例如,具有高于正常K的受试者可以更容易地糖化葡萄糖。因此,180mg/dl测量的葡萄糖水平对于受试者来说可能太高,并且从长远来看,可能恶化受试者糖尿病的影响。在另一个示例中,具有低于正常kgly的受试者可以较低程度地糖化葡萄糖。因此,在54mg/dL的葡萄糖水平下,受试者的细胞内葡萄糖水平可能低得多,使得受试者感觉虚弱,并且长期而言,导致受试者低血糖。
使用可接受的正常葡萄糖下限(LGL)和可接受的正常葡萄糖上限(AU),个性化葡萄糖下限(GL)(等式13)和个性化葡萄糖上限(GU)(等式14)的等式可从等式6导出。
GL=(LGL*3/4J)//c 3/4? 等式13
其中kre t^是正常人的kgly,kjffi是受试者的kgly。
GU=AU/(K(l-AU)) 等式14
等式13基于kgly,因为葡萄糖范围的下限基于等效的细胞内葡萄糖水平。等式14基于K,因为葡萄糖范围的上限基于等效的细胞外葡萄糖水平(例如,可接受的正常HbAlc上限)。
前述的当前接受的值是LGL=54mg/dL,kg e^=6.2*10-6dL*mg-1*天-1,和AU=0.08(即,8%)。使用当前接受的值,可以导出等式15和16。
GL=3.35*10-4天-1/k 等式15
GU =0.087/K 等式16
图7A示出了确定个性化目标葡萄糖范围16530的方法的示例。具有下限16534和上限16536的期望的细胞内葡萄糖范围16532(例如,当前接受的葡萄糖范围)可以分别使用等式13和等式14使用一个或多个确定的生理参数(kgly、kage/和/或K)16538来个性化。这导致个性化葡萄糖下限(GL)16540(等式13±7%)和个性化葡萄糖上限(GU)16542(等式14±7%),其定义个性化目标葡萄糖范围16530。在计算一个或多个生理参数(kgly、kage和/或K)之后,可以确定个性化目标葡萄糖范围,其中可以根据等式13(或等式15)±7%改变葡萄糖下限和/或可以根据等式14(或等式16)±7%改变葡萄糖上限。相对于每个前述计算值的±7%允许使用基本上接近于计算值的不同值,从而保持个性化目标葡萄糖范围16530的个性化性质。或者,±7%可以是±10%、±5%或±3%。
例如,K为4.5*10-4dL/mg且kgly为7.0*106dL*mg-1*天1的受试者可具有约48±3.4mg/dl至约193±13.5mg/dl的个性化目标葡萄糖范围。因此,受试者可以具有比当前实践的葡萄糖范围更宽的可接受的葡萄糖水平范围。
参照图4,图7B示出了可以由本公开的生理参数分析系统211作为输出218生成的个性化目标葡萄糖范围报告的示例。图示的示例性报告包括一天中葡萄糖水平相对于前述个性化目标葡萄糖范围(虚线之间的区域)的图。或者,其它报告可包括但不限于动态葡萄糖曲线(AGP)图,具有最近葡萄糖水平测量的个性化目标葡萄糖范围的数字显示等,及其任何组合。
在另一个示例中,K为6.5*10-4dL/mg且kgly为6.0*106dL*mg-1*天1的受试者可具有约56±3.5mg/dL至约134±10mg/dL的个性化目标葡萄糖范围。在葡萄糖水平上限大大降低的情况下,受试者的个性化糖尿病管理可包括更频繁的葡萄糖水平测量和/或药物治疗以基本上保持在个性化目标葡萄糖范围内。
在又一个示例中,K为5.0*10-4dL/mg且kgly为5.0*10-6dL*mg-1*天的受试者可具有约67±4.5mg/dL至约174±12mg/dL的个性化目标葡萄糖范围。如果使用当前实施的葡萄糖范围(54mg/dL和180mg/dL),则该受试者对较低的葡萄糖水平更敏感,并且可能更经常地感到虚弱、饥饿、头晕等。
虽然上述示例都包括个性化葡萄糖下限和个性化葡萄糖上限,但是个性化目标葡萄糖范围可以替代地仅包括个性化葡萄糖下限或个性化葡萄糖上限,并且使用当前实践的葡萄糖下限或上限作为个性化目标葡萄糖范围中的其他值。
可以在生理参数分析系统中确定和/或实现个性化目标葡萄糖范围。例如,与确定治疗(例如,胰岛素剂量)的葡萄糖监测器和/或健康监测设备相关联的一组指令或程序可以在这种分析中使用个性化目标葡萄糖范围。在一些情况下,显示器或具有显示器的受试者界面可显示个性化目标葡萄糖范围。
当重新计算一个或多个生理参数时,可以随时间更新个性化目标葡萄糖范围。
个性化目标平均葡萄糖
在一些情况下,受试者的个性化糖尿病管理可以包括具有针对未来时间点的HbAlc值目标。例如,参考图3,受试者可以具有时间点101的测量的RPI值110b和测量的HbAlc值12102b以及在时间段106中在其之前的多个葡萄糖水平测量。受试者的个性化糖尿病管理可以包括时间点12103的目标HbAlc值(AT),其将与受试者的改善的健康相关。等式17可用于计算下一个时间段108的个性化目标平均葡萄糖水平(GT),并且基于在时间点101计算的目标HbAlc值(AT)和受试者的K。
GT=AT/(K(l—AT)) 等式17
在一些实施方式中,生理参数分析系统可以确定在时间段108期间受试者的平均葡萄糖水平,并且在一些情况下,显示平均葡萄糖水平和/或目标平均葡萄糖水平。受试者可以使用当前平均葡萄糖水平和目标平均葡萄糖水平来自我监测它们在时间段108上的进展。在一些情况下,可以使用用于监测和/或分析的生理参数分析系统将当前平均葡萄糖水平(周期性地或有规律地)传输到健康护理提供者。
参考图4,图8示出了可以由本公开的生理参数分析系统211作为输出218生成的个性化目标平均葡萄糖报告的示例。图示的示例性报告包括受试者的平均葡萄糖(实线)随时间变化的图和个性化目标平均葡萄糖(以150mg/dL图示,虚线)。可替代地,其他报告可以包括但不限于在给定的时间帧(例如,最后12小时)上具有受试者的平均葡萄糖水平的个性化目标平均葡萄糖的数字显示等,以及其任何组合。
当重新计算一个或多个生理参数时,可以随时间更新个性化目标平均葡萄糖。
示例
分析了148例2型和139例1型受试者的数据,这些受试者入组了两项具有6个月持续葡萄糖监测的既往临床研究。只有90名受试者具有足够的数据以满足上述动力学模型假设,其数据没有间隔12小时或更长持续的葡萄糖数据。研究参与者在第1天、第100天(±5天)和第200天(±5天)进行三次HbAlc测量,并在整个分析时间段内进行频繁的皮下葡萄糖监测,这允许每个参与者分析两个独立的数据部分(第1-100天和第101-200天)。
第一数据部分(第1-100天)用于数值估计个体kgly和kage,这允许预期计算第二数据部分(第101-200天)的结尾cHbAlc。该结尾cHbAlc可以与观察到的结尾HbAlc比较以验证本文所述的动力学模型。为了比较,基于(1)14天均值和(2)14天加权平均葡萄糖,计算第二数据部分的估计HbAl,所述14天加权平均葡萄糖由来自Ale衍生的平均葡萄糖(ADAG)研究的可接受的回归模型转换,其均假定kgly为常数,如先前所论述,其为当前可接受的使HbAlc与葡萄糖测量相关的方法。
图9A至图9C示出了在200天(±5天)的实验室HbA1c水平相对于估计的HbA1c值之间的比较,其中18A曲线图中的eHbA1c值使用14天均值模型计算,18B曲线图中的eHbA1c值使用14天加权平均模型计算,并且18C曲线图中的cHbA1c值使用本文所述的动力学模型计算(等式8)。所有图中的实线示出了对应模型的比较HbAlc值的线性回归。虚线是一对一的线,其中实线线性回归越接近其,模型越好。显然,本文所述的动力学模型更好地建模数据,这说明kage和kgly是个体化的,这是一种将HbAlc与葡萄糖测量相关联的新方法。
图10用测量的葡萄糖水平(实线)、实验室HbAlc读数(空心圆)、cHbAlc模型值(长虚线)和14天eHbAlc模型值(虚线)说明研究受试者的数据示例。使用生理参数(kage和kgly)计算图19中的cHbAlc模型值。基于前两个实验室HbAlc读数和前两个实验室HbAlc读数之间测量的葡萄糖水平计算生理参数。14天eHbAlc值是研究期间葡萄糖水平的14天运行平均值。
图10示例显示葡萄糖与cHbAlc和葡萄糖与eHbAlc关系的动态性质。针对1型和2型糖尿病研究参与者和2型糖尿病研究参与者的其他示例:cHbAlc方法的第25、50和75百分位数。在这些实施方式中,cHbAlc与14天平均葡萄糖之间的不一致表明在简单的14天方法中固有的夸大的变化幅度。
图11示出了稳态葡萄糖和平衡HbAlc之间的关系(1),如使用HbAlc到估计的平均葡萄糖的标准转化所确定的(具有误差条的虚线)和(2),如对于90名参与者所测量的(实线)。这些单独的曲线(实线)表示在它们的平均葡萄糖水平稳定数天至数周的条件下平均葡萄糖与实验室测量值HbAlc的一致性。该模型表明葡萄糖与HbA1c的关系不是恒定的,随着HbA1c标记物水平的增加,需要更大的葡萄糖变化来实现相同的HbA1c变化。与糖化指数的先前评估相反,本公开的动力学模型表明人的糖化指数在HbA1c的所有水平上将不是恒定的。与eHbA1c不同,cHbA1c的关键优点是其能够解释糖化中的个体差异。具有较低K的个体是“低糖调节物”,并且对于给定的HbA1c水平具有较高的平均葡萄糖水平,对于具有高K值的那些则相反。
使用本公开的动力学模型,K(dL/mg)和均值葡萄糖水平目标(mg/dL)之间的关系在图12中示出,其针对变化的HbAlc目标值绘制。即,如果受试者以特定的HbA1c值(例如,用于随后的HbA1c测量或cHbA1c估计)为目标并且具有已知的K值(例如,基于多个测量的葡萄糖水平和至少一个测量的HbA1c),则可以在受试者以HbA1c值为目标的时间段内为受试者导出和/或识别均值葡萄糖目标。
在Dunn等人的美国专利公开第2018/0235524号、Xu的国际公开第WO2020/086934号、Xu的国际公开第WO2021/108419号、Xu的国际公开第WO2021/108431号、美国临时专利申请第62/939,970号、美国临时专利申请第63/015,044号、美国临时专利申请第63/081,599号、美国临时专利申请第62/939,956号中阐述了用于确定与受试者体内的红细胞糖化、消除和生成的动力学相关的生理参数的方法、设备和系统的其他细节,其每一者以全文引用的方式并入本文中。例如,这些生理参数可以用于计算个性化的葡萄糖度量或个性化的分析物测量:更可靠的计算HbAlc(cHbAlc)或葡萄糖衍生的A1c(GD-A1c)、调整的HbAlc(aHbAlc或个性化的A1c)、调整的cA1c(或由Kage调整的cHbA1c)和/或个性化的目标葡萄糖范围等,用于受试者个性化的诊断、治疗和/或监测协议。
出于说明而非限制的目的,读取器设备中的处理器被配置以运行本文所述的模型以计算生理参数和个性化葡萄糖度量。如在此体现的,计算生理参数和个性化葡萄糖度量所需的实验室A1c测量可以由读取器设备接收,例如但不限于,通过使用相机(例如但不限于,诸如内置到读取器设备中的相机)来扫描包括相关实验室A1c数据的QR码。如这里所体现的,实验室A1c测量可以由读取器设备从基于云的数据库接收或检索。如本文所体现的,家用测试试剂盒可用于测量血液样本中的HbA1c,并且可由用户输入到读取器设备中,而不是实验室A1c测量。
A1c-葡萄糖不一致性混淆并对受试者护理生成不良影响。例如,如下表1所示,受试者A、B和C具有相同的实验室测量的A1c水平,但具有不同的均值葡萄糖水平(分别为125mg/dL、154mg/dL和188mg/dL)。类似地,受试者B、D和E具有相同的154mg/dL的均值葡萄糖水平,但实验室测量的A1c不同(分别为7.0%、6.0%和8.0%)。该信息在图13中用图形表示。
表1
本文所述的模型允许定量去除红细胞伪影,从而改善高血糖风险评估。例如,为了说明而非限制,考虑具有以下特征的受试者A至E:
表2
如表2所示,受试者A、B和C具有不同的RBC寿命(或以天测量(分别为123、87和110)),但相同实验室测量的A1c为7.0%。基于不同的RBC寿命,如通过以上公开的模型测量的,受试者A、B和C的个性化A1c或调整的A1c分别是6、8.4和6.7。由于三个受试者的实验室测量的A1c是相同的,他们各自的医疗提供者可以将所有三个视为糖尿病患者,并基于这些值规定相同的治疗方案。然而,由于它们不同的RBC寿命,它们的葡萄糖控制实际上是非常不同的,如它们明显不同的个性化A1c所证明的。实际上,基于它们各自的个性化A1c,受试者A是糖尿病前期患者(基于6.0的个性化A1c),受试者B明显是糖尿病(基于8.4的个性化A1c),并且受试者C也是糖尿病(基于6.7的个性化A1c)。因此,受试者A、B和C实际上可能需要不同的治疗方案。类似地,尽管基于实验室A1c为6.0,受试者D可被视为糖尿病前期患者,但基于个性化A1c为7.1,他们将被视为糖尿病。此外,基于实验室A1c为8.0,受试者E被认为是糖尿病患者,但基于个性化A1c为6.9,受试者E被认为是糖尿病前期患者。
图21至图27提供了示例性案例研究,说明了本文所述模型的应用。例如,如图21所示,示例性受试者J17、J33和J5的测得均值葡萄糖分别为148mg/dL、149mg/dL和153mg/dL,实验室A1c为7.7%、6.8%和8.1%。然而,如使用本文所述的模型所确定的,其个性化均值葡萄糖和个性化A1c显著不同。具体地,J17、J33和J5分别具有141mg/dL、250mg/dL和130mg/dL的个性化均值葡萄糖,以及6.7%、9.5%和6.8%的实验室A1c。值得注意的是,J33的实验室测量的葡萄糖度量明显不同于其个性化的葡萄糖度量。图21提供这些度量的图形表示。图21中所示的这些和其他度量也可以在图22至图27中看到。
与电子健康/医疗记录集成的数据的示例实施方式
本文描述了用于患者数据(例如但不限于实验室HbA1c、葡萄糖浓度数据、持续葡萄糖监测数据、生理参数等)的双向通信的系统和方法的示例实施方式。根据实施方式的一个方面,如图15A所示,用于患者数据的双向通信的系统5000a可以包括数据库(例如,医院保健组织(HCO))5020、另一数据库5002A和数据服务5003(例如,在一些实施方式中,分析物监测系统数据服务)。
分析物监测系统数据服务5003可以是如上所述的受信计算机系统180,并且可以包括基于云的服务器或网络,所述基于云的服务器或网络包括提供服务的软件,所述服务包括例如但不限于认证和用户简档管理、安全数据传输和存储,以及分析物数据报告生成。分析物监测软件5004可以是诸如上述那些的用户界面应用(例如,软件),并且可以是读取器设备120。根据实施方式,数据服务5003可以存储由与数据服务5003通信的多个读取器设备和传感器控制设备生成和传输的分析物测量值。关于由数据服务5003接收分析物测量的其它细节在下面公开。根据实施方式,数据服务5003通过将所存储的分析物测量与适当的用户ID相关联来维护所存储的分析物测量的记录。例如但不限于,用户ID可以包括电子邮件地址、出生日期、名、姓、地址、患者的地理位置、社会保障号、电话号码等或其任何组合。
根据实施方式,如可以在图15A中看到的,医院5020可以包括与临床实验室5021通信的电子病例/健康记录组件5006。临床实验室5021可以包括实验室信息系统或LIS系统5007、实验室仪器管理器5008,以及一个或多个实验室诊断机器5009A、5009B(示出了两个)。在某些实施方式中,LIS系统5007可以包含在EMR/EHR 5006内(例如但不限于作为模块)。另外地或可选地,LIS系统5007可以包括实验室仪器管理器5008的功能。根据实施方式,一个或多个实验室诊断机器5009A、5009B可以使用数据链路与数据系统5001通信,该数据链路可以包括有线或无线技术。一个或多个实验室诊断机器5009A、5009B被配置为分别接收患者样本5010A、5010B,并对接收到的样本执行实验室分析。在操作中,电子病例/健康记录组件5006生成并向LIS系统5007发送命令,以对特定患者执行实验室分析。LIS系统5007将命令发送到实验室仪器管理器5008,实验室仪器管理器5008将命令发送到适当的实验室诊断机器5009A、5009B。一旦实验室诊断机器5009A、5009B接收到患者样本,就执行实验室分析,并将来自实验室分析的结果发送到实验室仪器管理器5008,实验室仪器管理器5008将结果发送到LIS系统5007,LIS系统5007又将结果发送到电子病例/健康记录5006。
根据实施方式,患者样本5010A、5010B可以包括但不限于本领域普通技术人员已知的任何其他生物流体或样本,诸如血液、尿液等。根据实施方式,实验室分析可以包括但不限于分析诸如肾脏、肝脏、甲状腺、心脏等的器官工作得如何。例如,非限制性地,实验室分析的结果可以包括患者的HbA1c、胆固醇、脂质组、CBC、医学相关性的任何其他测定等。
根据实施方式,电子病例/健康记录(EMR)5006生成对应于患者的个人身份的患者ID。此后,将患者ID与所生成的测试命令一起发送到LIS系统5007,LIS系统5007生成对应于测试命令的样本ID。这样,样本ID保持专用于LIS系统5007,并且样本ID单独与临床实验室5021环境内的命令相关联。一旦实验室分析完成并且来自实验室分析的结果被发送到LIS系统5007,LIS系统5007将与结果相关联的样本ID与适当的患者ID配对。因此,来自实验室分析的结果的记录可以与患者ID相关联。例如但不限于,患者ID可以包括电子邮件地址、出生日期、名、姓、地址、患者的地理位置、社会保障号、电话号码等或其任何组合。患者ID表示HCO处每个患者的唯一识别度量。在一些实施方式中,患者ID特定于每个医院。因此,同一患者在不同HCO上可能不具有相同的患者ID。换句话说,同一患者可以在不同的HCO处具有不同的患者ID。
如可以在图15A中看到的,数据库5002A可以是在与数据服务5003和电子病例/健康记录5006通信的远程云服务器上维护的数据库,并且可以包括一个或多个处理器(未示出)。数据库5002A可以接收来自实验室分析的结果的记录以及来自EMR 5006的相关联的患者ID和分析物测量的记录以及来自数据服务5003的相关联的用户ID。此后,一个或多个处理器可以基于包含在记录中的共享数据项将来自实验室分析的结果与分析物测量值配对。例如,非限制性地,如果患者ID与用户ID匹配,则与患者ID相关联的实验室结果可以和与用户ID相关联的分析物测量配对。例如但不限于,共享数据项可包括电子邮件地址、出生日期、名、姓、地址、患者的地理位置、社会保障号、电话号码等或其任何组合。一个或多个处理器还可以接收对读取、写入、编辑或删除第一或第二数据库中的资源数据的请求,其中根据定义明确的协议(例如但不限于快速保健互操作性资源(FHIR)标准和体现保健提供者目录(HPD)标准的FHIR扩展或HL7)来格式化该请求。
根据实施方式,数据库5002A的一个或多个处理器可以基于实验室结果和分析物测量来执行计算。可替代地或另外地,分析物监测系统数据库服务5003或分析物监测软件5004的一个或多个处理器可以基于实验室结果和分析物测量执行计算。例如,非限制性地,在实验室结果包括HbA1c并且分析物测量包括葡萄糖测量的情况下,一个或多个处理器可以执行葡萄糖衍生的A1c的计算或用于确定A1c的动力学模型。在Dunn等人的美国专利公开号2018/0235524,Xu的国际公开号WO 2020/086934、美国临时专利申请号62/939,970、美国临时专利申请号62/939,956、美国临时专利申请号63/015,044和美国临时专利申请号63/081,599中阐述了计算葡萄糖衍生的A1c或用于确定A1c的动力学模型的其它细节,在此将其全部引入作为参考。
根据实施方式,数据库5002A可以根据定义明确的协议与电子病例/健康记录5006通信,所述协议例如但不限于快速健康护理互操作性资源(FHIR)标准,诸如在美国专利公开号2017/0270532中公开的那些,所述美国专利公开号2017/0270532整体并入本文。在一些实施方式中,数据库5002A可以使用FHIR上的SMART与电子病例/健康记录5006通信。根据实施方式,数据库5002A可以根据定义明确的协议(例如但不限于超文本传输协议安全(HTTPS)或代表性状态传输(REST)协议)与数据服务5003通信。
根据实施方式,如可以在图15B中看到的,数据库5002B类似于数据库5002A,因为数据库5002B与数据服务5003和电子病例/健康记录5006通信,并且可以包括一个或多个处理器(未示出)。数据库5002B在所有方面类似于数据库5002A,除了数据库5002B可以位于医院5020而不是位于远程云服务器上,并且数据库5002B可以使用保健集成API(如图所示)而不是HTTPS或REST与数据服务5003通信。因此,因为数据库5002B驻留在医院5020处的场所,所以数据库5002B可以与EMR 5006通信,EMR 5006可能不具有与位于远程云服务器上的数据库通信的能力(例如但不限于由于网络防火墙、网络策略配置和/或缺乏VPN能力)。另外,由一个或多个处理器接收的所有记录现在驻留在医院5020的场所,因此减轻了隐私和数据集成问题,因为与患者ID相关联的记录不会被发送到医院5020之外。
根据实施方式,如可以在图15B中看到的,数据服务5003可以直接与EMR 5006、LIS系统5007或实验室仪器管理器5008通信,从而消除对数据库5002a和5002b的需要(如图15A至图15B所示)。在该配置中,EMR 5006、LIS 5007和实验室仪器管理器5008中的一个或多个可以位于云或室内。这样,数据服务5003可以包括执行与上述数据库5002a上的一个或多个处理器相同功能的一个或多个处理器。另外,数据服务5003可以根据定义明确的协议与电子病例/健康记录5006通信,所述协议例如但不限于快速健康护理互操作性资源(FHIR)标准,诸如在美国专利公开第20017/0270532号中公开的那些,在此将其全文并入。在一些实施方式中,数据库5002A可以使用FHIR上的SMART与电子病例/健康记录5006通信。根据实施方式,数据服务5003可以与EMR 5006、LIS系统5007或实验室仪器管理器5008通信,使得可以使用区块链技术接收来自EMR 5006、LIS系统5007或实验室仪器管理器5008的记录。根据实施方式,在Luthra等人的美国专利第10,991,158号中阐述了合适的数字通行证和相应的验证系统和方法的细节,该专利的全部内容结合于此。
根据所公开的主题,提供了一种用于管理患者健康、安康等的系统,该系统包括传感器,该传感器被配置成至少部分地定位成与用户身体中的间质液接触。在一个实施方式中,系统可以管理糖尿病并使用葡萄糖传感器104。该系统还包括传感器电子器件160,其被配置成耦接到葡萄糖传感器并处理指示来自葡萄糖传感器的多个被监测葡萄糖水平的数据。该系统还包括网络190,该网络190包括一个或多个服务器和至少一个处理器,该至少一个处理器被配置成接收经处理的数据并将经处理的数据接收或存储在诸如5002A或5002B的数据库中,其中经处理的数据与用户相关联。数据库5002A和5002B可以在服务器、多个服务器上,或在诸如包括一个或多个云服务器的网络190的分布式服务器网络上。该系统还包括读取器设备120,其被配置为从传感器电子设备接收处理后的数据,并且服务器180从读取器设备接收处理后的数据。该系统还包括一个或多个处理器,所述一个或多个处理器被配置为创建区块链,在所述区块链上记录所述第一记录,所述第一记录包括所述第一数据和相关联的个人身份。所述一个或多个处理器还被配置成在所述区块链上记录所述第二记录,所述第二记录包括所述第二数据和相关联的个人身份。所述一个或多个处理器还被配置成基于包含在所述第一记录和所述第二记录中的共享数据项来访问所述第一区块链上所记录的第一记录,所述第一数据和所述第二数据在所述区块链上配对。
根据所公开的主题,提供了一种使用区块链进行患者数据的双向通信的系统,其包括具有第一记录的第一数据库和具有第二记录的第二数据库,所述第一记录包括与患者的个人身份相关联的第一数据,所述第二记录包括与患者的用户身份相关联的第二数据。该系统还包括一个或多个处理器,所述一个或多个处理器被配置为创建区块链,在所述区块链上记录所述第一记录,所述第一记录包括所述第一数据和相关联的个人身份。一个或多个区块链可在服务器、多个服务器或诸如包括一个或多个云服务器的网络190的分布式服务器网络上实现。一个或多个处理器还被配置成在所述区块链上记录所述第二记录,所述第二记录包括所述第二数据和相关联的个人身份。一个或多个处理器还被配置成基于包含在第一记录和第二记录中的共享数据项来访问第一区块链上所记录的第一记录,第一数据和第二数据在区块链上配对。
根据所公开的主题,提供了一种用于患者数据的双向通信的方法,包括:使用一个或多个处理器从诊断系统接收第一数据;使用一个或多个处理器从用户接收与所述第一数据相关联的个人身份;使用所述一个或多个处理器创建区块链;使用所述一个或多个处理器在所述区块链上记录第一记录,所述第一记录包括所述第一数据和与所述第一数据相关联的所述个人身份;使用所述一个或多个处理器访问在所述区块链上所记录的第一记录;使用所述一个或多个处理器从所述第二数据库接收包括与用户身份相关联的第二数据的第二记录;使用所述一个或多个处理器基于包含在所述第一记录和所述第二记录中的共享数据项来对所述区块链的区块上的所述第一数据和所述第二数据进行配对;以及使用一个或多个处理器显示所述第一数据和所述第二数据的组合。
通过以这种方式使用区块链,将改善患者数据的双向通信。在区块链上,两个数据记录基于包含在第一记录和第二记录中的共享数据项而配对。共享数据项是电子邮件地址、姓名和出生日期、公共密钥或任何其它唯一标识信息。进一步根据所公开的主题,该系统可以包括作为电子病例系统的第一数据库,以及作为实验室测量的HbA1c的第一数据。该系统还可以包括作为分析物监测系统数据服务的第二数据库,以及作为由分析物监测系统测量的葡萄糖水平的第二数据。该系统还可以基于与第二数据配对的第一数据生成通知,其中该通知被显示为第一数据与第二数据的组合。因为该系统允许使用FHIR标准,包括体现健康护理提供者目录(HPD)标准或H7的FHIR扩展,所以该系统允许可链接到一个或多个数据集的可编程钩。该系统可以进一步允许使用SMART应用对这些钩进行编程以插入到提供者的EMR或EHR 5006系统中,包括通过EMR或EHR 5006系统提供。该系统还可以基于与第二数据配对的第一数据执行计算,其中该计算包括葡萄糖衍生的A1c或个性化HbA1c。
进一步根据所公开的主题,该方法可以包括第一数据库,第一数据库是电子病例系统,以及第一数据是实验室测量的HbA1c。该方法还可以包括作为分析物监测系统数据服务的第二数据库,以及作为由分析物监测系统测量的葡萄糖水平的第二数据。该方法还可以包括基于与第二数据配对的第一数据生成通知。该方法还可以基于与第二数据配对的第一数据执行计算,其可以包括葡萄糖衍生的A1c或个性化HbA1c。在另一实施方式中,可将通知导向具有对所报告的结果测量的请求的用户,例如以识别可与第一数据和第二数据匹配的任何先前活动或其它因素,以提供对所监测患者的健康的进一步了解。在另一个实施方式中,通过将其它类型的患者记录信息与分析物监测事件相关联来增强区块链。例如,如果识别出的葡萄糖衍生的A1c在预期范围之外,则可以触发通知以利用要求患者如何做的响应来指导患者,从而提供额外的上下文以帮助医师改善需要更多患者指导的管理的管理问题。
这里为了说明的目的描述了关于区块链技术的进一步描述。基于区块链的数据库允许使用公钥和私钥来存储记录,其中私钥对于用户是唯一的。区块链数据库的优点包括一旦在区块链上更新了事物记录,不可变的特性。区块链数据库包括存储可由数据库5002A或5002B访问的信息的分布式事务分类帐。由于分散分类账的性质,区块链事物是不可变的。区块链的确认事务使用密码术来确保分类帐的完整性可由网络上的任何特定节点来验证。区块链上的区块可以包括区块ID和数据内容。
如上所述,数据库5002A可以接收来自实验室分析的结果的记录以及相关联的患者ID。如上所述,每个医院可以为患者的结果生成一不同的患者ID。另外,来自数据服务的分析物测量使用相关联的用户ID,但是多个分析物测量系统可以具有不同的用户ID。这些用户ID可能彼此不相关联。在区块链处,每个用户的记录将每个用户ID、患者ID与用户相关联。因此,区块链处的用户记录将具有每个相关联的用户ID和患者ID的完整列表。区块链记录将用于链接来自EMR 5006的每个患者ID和来自数据服务5003的每个用户ID的结果。这将允许整合不同医院和分析物测量服务或系统的记录。为了允许患者ID链接到特定用户,可以向医院的用户提出请求以寻求同意与区块链数据库共享患者标识信息。在另一个实施方式中,任何提供商系统可以向患者发出授权或共享患者生成的健康数据的请求。在医院作出的请求是如何作出患者请求以共享患者生成的健康数据的非限制性示例。
非有形令牌(NFT)是可以在区块链上使用的唯一识别码。NFT被记录在具有区别每个NFT的唯一标识符的区块链上。NFT可以关联与患者数据相关的一个或多个属性,包括例如患者ID或用户ID。附加地或替换地,机器学习技术和神经网络可用于关联与患者数据相关的一个或多个属性。为患者生成将与患者数据相关的一个或多个属性相关联的NFT。如上所述,区块链上的每个用户的记录将每个用户ID、患者ID与用户相关联。NFT可用于执行关联。NFT铸造(在区块链上生成和分配NFT的过程)和分配给特定用户的记录包含用户唯一的信息。这种信息还可以包括来自实验室或EMR或EHR 5006系统的结果的记录。
如以上和以下进一步讨论的,读取器设备120的共享数据功能使用QR码来生成和显示特别配置的矩阵条形码。当使用区块链而不是生成QR码时,可以为共享数据功能生成NFT。NFT包括定义与报告生成系统1860相关联的web服务器的互联网位置的URL,报告生成系统1860可以发起请求以基于随请求提供的分析物数据来生成报告。NFT还可以包括相关联的患者ID或用户ID。
本文公开的实施方式包括:
A.一种用于患者数据的双向通信的系统,包括:第一数据库,其具有包括与患者的个人身份相关联的第一数据的第一记录;第二数据库,其具有包括与所述患者的用户身份相关联的第二数据的第二记录;以及一个或多个处理器,其被配置为:基于包含在第一记录和第二记录中的共享数据项对第一数据和第二数据进行配对,并显示与第二数据配对的第一数据的组合。
B.一种患者数据的双向通信方法,包括:使用一个或多个处理器从第一数据库接收与个人身份相关联的第一数据;使用所述一个或多个处理器从第二数据库接收与用户身份相关联的第二数据;使用所述一个或多个处理器基于包含在所述第一记录和所述第二记录中的共享数据项来对所述第一数据和所述第二数据进行配对;以及使用一个或多个处理器显示第一数据和第二数据的组合。
C.一种用于管理糖尿病的系统,包括:葡萄糖传感器,其被配置成至少部分地定位成与用户身体中的间质液接触;传感器电子器件,其被配置成耦接到所述葡萄糖传感器并处理指示来自所述葡萄糖传感器的多个所监测葡萄糖水平的数据;一个或多个处理器,其被配置成接收经处理的数据并将经处理的数据存储在健康记录数据库中,所述经处理的数据与所述用户相关联;具有第一记录的第一数据库,所述第一记录包括与患者的个人身份相关联的第一数据,其中所述一个或多个处理器被配置成:创建区块链,在所述区块链上记录所述第一记录,所述第一记录包括所述第一数据和相关联的个人身份,在所述区块链上记录第二记录,所述第二记录包括第二数据和相关联的个人身份,访问在所述第一区块链上记录的所述第一记录,并且基于包含在所述第一记录和所述第二记录中的共享数据项,在所述区块链的区块上配对所述第一数据和所述第二数据。
D.一种用于患者数据的双向通信的系统,包括:第一数据库,其具有包括与患者的个人身份相关联的第一数据的第一记录;第二数据库,其具有包括与所述患者的用户身份相关联的第二数据的第二记录;以及一个或多个处理器,其被配置为创建区块链,在所述区块链上记录所述第一记录,所述第一记录包括所述第一数据和相关联的个人身份,在所述区块链上记录第二记录,第二记录包括第二数据和相关联的个人身份,访问第一区块链上记录的第一记录,并基于第一记录和第二记录中包含的共享数据项在区块链的区块上对第一数据和第二数据进行配对。
E.一种方法,包括:使用一个或多个处理器从第一数据库接收包括与个人身份相关联的第一数据的第一记录;使用所述一个或多个处理器从第二数据库接收包括与用户身份相关联的第二数据的第二记录;使用所述一个或多个处理器基于包含在所述第一记录和所述第二记录中的共享数据项来对所述第一数据和所述第二数据进行配对;以及使用一个或多个处理器显示基于第一数据和第二数据的报告。
实施方式A、B、C、D和E中的每一个可以任何组合具有以下附加元素中的一个或多个:元素1:其中所述第一数据库是电子病历系统。元素2:其中第一数据是实验室测量的HbA1c。元素3:其中该第二数据库包括分析物监测系统数据服务。元素4:其中所述第二数据包括由分析物监测系统测量的葡萄糖水平。元素5:其中所述共享数据项包括电子邮件地址。元素6:其中所述一个或多个处理器还被配置成接收对所述第一或第二数据库中的资源数据进行读取、写入、编辑或删除的请求,其中所述请求根据快速保健互操作性资源(FHIR)标准和体现保健提供者目录(HPD)标准的FHIR扩展或H7来格式化。元素7:其中所述一个或一个以上处理器进一步被配置以基于与所述第二数据配对的所述第一数据生成通知。元素8:其中所述通知被显示为与所述第二数据配对的所述第一数据的组合。元素9:其中,所述一个或多个处理器还被配置为基于与所述第二数据配对的所述第一数据来执行计算。元素10:其中所述计算包括葡萄糖衍生的Alc的计算。元素11:其中所述计算包括个性化HbA1c的计算。元素12:还包括读取器设备,所述读取器设备被配置成从所述传感器电子设备接收经处理的数据,并且其中所述服务器从所述读取器设备接收所述经处理的数据。元素13:其中所述共享数据项包括公钥。元素14:还包括服务器,所述服务器包括所述一个或多个处理器。元素15:还包括分布式服务器网络,所述分布式服务器网络包括所述一个或多个处理器。
元素16:还包括使用所述一个或多个处理器基于与所述第二数据配对的所述第一数据生成通知。元素17:进一步包括使用该一个或多个处理器,使用至少一个生理参数以及该第一记录或该第二记录中的至少一个来计算多个个性化葡萄糖度量,其中该第一记录是实验室测量的HbA1c并且该第二记录是指示用户的分析物水平的葡萄糖水平数据,其中该报告包括多个界面,这些界面包括以下各项中的两项或更多项:所述第一记录、所述第二记录或所计算出的多个个性化葡萄糖度量,并且其中包括所述报告的所述多个界面基于用户类型。元素18:其中,所述多个个性化葡萄糖度量包括经调整的A1c、所计算的A1c、经调整的所计算的A1c、个性化葡萄糖、个性化平均葡萄糖或个性化范围内时间中的一个或多个。元素19:进一步包括计算对应于所计算的多个个性化葡萄糖度量的多个个性化葡萄糖目标。元素20:其中所述多个界面进一步包括所述多个个性化葡萄糖目标。元素21:其中所述多个个性化葡萄糖目标包括目标葡萄糖范围或目标平均葡萄糖中的一个或多个。元素22:其中所述个性化目标葡萄糖范围包括个性化葡萄糖下限。元素23:其中所述个性化目标葡萄糖范围包括个性化葡萄糖上限。元素24:其中该至少一个生理参数选自下组,该组由以下各项组成:红细胞葡萄糖摄取、红细胞寿命、红细胞糖化速率常数、红细胞生成速率常数、红细胞消除常数和表观糖化常数。元素25:其中,所述多个界面还包括所述用户的所述至少一个生理参数。元素26:其中所述用户类型包括健康护理专业人员。元素27:其中所述多个界面包括葡萄糖监测数据界面、糖化血红蛋白界面、个性化a1c界面、个性化葡萄糖界面、个性化平均葡萄糖和个性化范围内时间界面。元素28:其中所述用户类型包括所述用户。元素29:其中所述多个界面包括葡萄糖监测数据界面、糖化血红蛋白界面、均值葡萄糖界面和范围内时间界面。元素30:其中,包括所述报告的所述多个界面是基于所述用户类型预先确定的。元素31:其中包括所述报告的所述多个界面可由所述用户选择。元素32:进一步包括:如果所述多个个性化葡萄糖度量中的至少一个处于或高于对应的多个个性化葡萄糖目标,则输出通知。元素33:其中所述通知包括视觉通知。元素34:其中所述通知包括听觉通知。元素35:其中所述通知是警报。元素36:其中所述通知是提示。元素37:其中所述读取器设备从电子病例系统无线接收所述用户的糖化血红蛋白水平。元素38:其中所述读取器设备从基于云的数据库无线接收所述用户的糖化血红蛋白水平。元素39:其中所述读取器设备从QR码无线接收所述用户的糖化血红蛋白水平。元素40:读取器设备从家庭测试试剂盒无线接收用户的糖化血红蛋白水平。
如这里所讨论的,读取器设备120通常被有意地设计为限制其成本和互操作性。读取器设备120通常限制处理器功率和其中包括的无线通信硬件的类型。特别地,读取器设备120通常不被配置为在广域网上通信,因此缺乏WiFi兼容的硬件。相反,读取器设备120被配置为仅与传感器控制设备102无线通信以保持安全性。虽然多用途数据接收设备130(例如,智能电话、平板电脑、智能手表等)作为次要选项越来越流行,但大部分佩戴分析物传感器的患者使用读取器设备120。
为了将数据传送到其他用户设备140或传送到应用服务器155(或先前称为数据服务5003),在读取器设备120和用户设备140之间建立物理有线(例如,USB)连接。然后,用户设备140可以可选地将相关信息中继到应用服务器155。在用户设备140或应用服务器155上执行的软件可以解释所接收的数据,并且例如基于其中包括的分析物数据生成可动作报告。
分析物报告可以由或代表患者或HCP从在HCP的用户设备140(例如,他们办公室中的计算机终端)上执行的软件或经由远程的、基于web的应用来生成。对于基于来自读取器设备120的最新信息生成的报告,患者必须通过有线连接周期性地将读取器设备120连接到互联网连接的设备。然而,如本文所述,在读取器设备120与用户设备140之间提供有线连接可能是麻烦且不方便的。用户设备140必须具有数据接口软件驱动器,其可以从读取器设备120检索数据并将其传送到报告软件。当更新与读取器设备120或用户设备140相关联的驱动器时,必须在建立安全连接之前获取驱动器,这进一步延迟了报告生成步骤。由于缺乏兴趣或知识,许多患者不会费力地创建基于web的报告软件的账号或经由因特网连接的设备上传其最新数据的问题。类似地,许多HCP在报告生成软件中不创建或创建HCP账号。随后,对于使用分析物传感器的许多患者,HCP不能基于来自用户的传感器控制设备102的最新信息做出有效、最佳的治疗决定。
对于没有定期地将读取器设备120连接到其用户设备140的用户来说,这个问题尤其严重。这可以使驱动器导致读取器设备120和用户设备140之间的安全连接过期。例如,非专业HCP可能希望审阅其患者的分析物水平的总体趋势,但不经常看到使用读取器设备120的患者。当某些患者访问时,非专业HCP只能使用用户设备140来审阅来自读取器设备120的数据。作为另一个示例,某些患者通常可以满意地使用读取器设备120来审阅来自传感器控制设备102的日常信息,并且因此仅在HCP请求时将他们的读取器设备120连接到用户设备140。
HCP,特别是非专科HCP在访问其患者的分析物数据,特别是基于分析物数据生成的报告方面面临多种挑战。这些挑战是利用持续分析物监测器(例如持续葡萄糖监测器)来告知患者的治疗决策的主要障碍。许多分析物报告工具需要患者和HCP每个注册账号,每个注册账号需要用户名和密码,应用服务器155与报告工具相关联。然后,患者必须输入账号凭证,以便将来自他们的读取器设备120的数据上传到应用服务器155进行处理。患者还必须向HCP提供将其患者记录与HCP账号链接的许可。这要求双方记住他们的账号凭证。
为了解决这些障碍,本文公开了用于使得能够传送信息以辅助来自读取器设备120的报告生成的技术,该技术不需要与读取器设备120的物理数据连接或用于来自应用服务器155的报告生成软件的账号(用于HCP或患者)。针对从读取器设备120检索分析物数据的替代方法的技术进一步简单地为初级保健提供者(PCP)和其它HCP审阅分析物数据并基于分析物数据进行分析,而不需要PCP创建单独的账号,记住用户名和密码,或请求患者使用额外的通信信道来提供数据。本文描述了用于使HCP能够容易地访问其患者的分析物报告的各种系统和技术。特别有益的是,这里描述的系统和技术不需要管理新的或唯一的账号和数据存储需求的额外开销。这允许这些技术与特定的临床应用或电子病历(EMR)系统一起使用并适合于特定的临床应用或电子病历(EMR)系统。这些技术可以扩展到配置EMR系统以访问分析物数据的应用,其中存在类似的挑战,例如要求患者记住并提供访问凭证以允许EMR在一次性或重复访问患者的数据。
图16示出了用于被配置成提供可访问的分析物数据报告和跨系统集成的分析物监测系统1800的示例环境和数据流。如本文所述配置的传感器控制设备102测量患者的一种或多种感兴趣分析物的水平,并将分析物水平(或可从中导出分析物水平的信号)提供给读取器设备120。在某些实施方式中,传感器控制设备102可以附加地或替代地向多用途数据接收设备130提供分析物水平。
读取器设备120是被配置为与传感器控制设备102通信并提供关于患者健康的基本报告功能的低成本专有计算设备。读取器设备120通常不能与其它通用设备进行无线通信。读取器设备120可以通过有线连接或某些有限功能的通信机制连接到多用途数据接收设备130或用户设备140。
多用途数据接收设备130和用户设备140包括通用计算设备。计算设备执行软件应用程序或其它可执行编程代码束,其被配置成使计算设备能够与分析物监测系统1800内的设备通信。多用途数据接收设备130和用户设备140通常可执行分析物数据的某些处理以生成某些形式的报告或推荐。多用途数据接收设备130和用户设备140还可以将(处理过的或原始的)数据从传感器控制设备102中继到各种远程系统。
远程系统例如且非限制包括与分析物监测系统1800相关联的远程应用服务器155、与分析物监测系统1860相关联的报告生成系统1860,以及可选地,可与分析物监测系统1860集成的EMR系统1865(或先前称为EMR/EHR 500)。远程应用服务器155可以基于个体患者数据或来自较大群体的患者数据提供高级数据处理。报告生成系统1860可以基于所提供的分析物数据生成报告。基于请求生成报告的用户的偏好和数据的质量,报告可以是患者标识的、半匿名的或完全匿名的。EMR系统1865通常是由HCP管理或代表HCP管理的医疗记录系统。根据在此描述的实施方式,EMR系统1865可以与分析物监测系统1800集成,使得它可以自动接收患者分析物数据和报告以便于HCP的治疗和疗法决定。
如本文所述,多用途数据接收设备130可包括用户的智能电话或具有广域联网能力的其它设备。多用途数据接收设备130上可安装有与分析物监测系统100相关联的应用程序,该应用程序使多用途数据接收设备130能够与分析物监测系统100内的其它设备(包括传感器控制设备102和远程应用服务器155)通信。本申请可以提供各种附加特征。
根据某些实施方式,应用程序可提供便于共享对多用途数据接收设备130已上传到远程应用服务器155的分析物数据和基于分析物数据生成的报告的访问的特征。在应用的用户界面中,该特征可以被标记为“共享报告”特征。当用户激活该特征时,唯一访问码与访问URL一起显示。
在某些实施方式中,可以根据需要并响应于用户的请求随机生成唯一访问码。在某些实施方式中,应用程序生成访问码,然而在其它实施方式中,访问码由例如远程应用服务器155或报告生成系统1860生成并提供给应用程序。当应用程序生成访问码时,多用途数据接收设备130将具有访问码的加密消息发送到报告生成系统1860。在某些实施方式中,加密消息可包括附加信息,例如由多用途数据接收设备130存储并从传感器控制设备102接收的分析物数据。或者,多用途数据接收设备130可包括识别与多用途数据接收设备130相关联的患者的信息。报告生成系统1860可以使用识别信息来从应用服务器155检索最近的分析物数据。报告生成系统1860与分析物数据或任何预先生成的报告相关联地存储访问码。
图17示出了被配置为生成和提供可访问报告的分析物监测系统1900的部件之间的示例数据流。在1910处,传感器控制设备102向多用途数据接收设备130提供分析物数据。如本文所述,当传感器控制设备102和多用途数据接收设备130之间的连接可用时,传感器控制设备102可持续、实时或接近实时地提供数据。附加地或替换地,传感器控制设备102可以按需提供来自多用途数据接收设备130的数据。
在1920,多用途数据接收设备130基于分析物数据发起与报告生成系统1860共享报告的请求。该请求可以包括来自传感器控制设备102的最新分析物数据,包括预定的在前时间段(例如,14天)。所包括的数据量可以由用户设置,例如由患者或他们的HCP设置。在特定实施方式中,该请求可以附加地或替换地包括对存储在另一系统(诸如分析物监测系统1800的远程应用服务器155)中的分析物数据的参考。
基于从多用途数据接收设备130接收或在多用途数据接收设备130的请求下从远程应用服务器155检索的分析物数据,报告生成系统1860可为用户生成报告。该报告可包括诸如基于分析物数据的趋势、在类似患者或一般人群中观察到的趋势、治疗修改建议以及多种其它信息的信息。在1930处,报告生成系统1860可以将报告发送到多用途数据接收设备130以供多用途数据接收设备130的用户查看。附加地或替换地,报告生成系统可以提供唯一访问码和访问URL,其可以由另一用户设备140的另一用户使用以查看报告。在某些实施方式中,多用途数据接收设备130可生成访问码且在1920期间或在额外传输期间将访问码提供到报告生成系统1860。
在1940处,用户设备140发起查看与来自传感器控制设备102的分析物数据相关联的报告的请求。用户设备140可使用web浏览器或其它合适的应用程序导航到访问URL。用户设备140的用户可以向网站输入访问码,该网站可以由报告生成系统1860、其子系统或相关网站服务器来服务。报告生成系统1860可以使用访问码来识别来自传感器控制设备102的分析物数据或基于分析物数据的预先生成的报告(如果可用的话)。报告生成系统1860可以搜索与有效访问码相关联地存储分析物数据的数据库。在定位有效记录之后,在1950,报告生成系统1860将报告提供给用户设备140以供审阅。
图18示出了根据某些实施方式执行的应用程序的示例用户界面。具体地,图18示出了在多用途数据接收设备130上执行的应用程序的用户界面。界面2000包括用于访问由多用途数据接收设备130从传感器控制设备102收集的数据和本地报告的多个选项。选项中包括标记为“共享报告”的交互式元件2005(例如,界面按钮)。当用户选择交互式元件2005时,多用途数据接收设备执行上述用于收集与先前时间段相关联的分析物数据并将最新分析物数据发送到报告生成系统1860的例程。多用途数据接收设备130还生成或接收与其报告相关联的访问码。界面2010包括用于访问码的显示元件2015,在这种情况下为“12YZ”。界面2010还包括指示查看者访问特定网站以便查看相关联的报告的显示元件2017。
如本文所述,在替代实施方式中,多用途数据接收设备130可具有到远程应用服务器155或报告生成系统1860的恒定连接。当用户与交互式元件2005交互时,多用途数据接收设备130可请求使相关时间段的数据可用。时间段可以是用户选择的,例如基于与共享报告的请求一起包括的信息,或者可以是自动确定的,例如基于关于用户的可用数据的时间跨度。另外,在替换实施方式中,远程应用服务器155或报告生成系统1860可以生成访问码并将访问码发送到多用途数据接收设备130以确认报告可用。
稍后,报告生成系统1860从用户设备140接收对基于患者数据的报告的请求。该请求包括访问码。报告生成系统1860搜索其患者数据的记录和/或报告,并基于访问码识别相应的信息。然后,报告生成系统1860可以向请求了报告的用户设备140提供相应的报告。
图19示出根据某些实施方式的另一设备的示例用户界面。具体地,图19示出了在用户设备140上执行的应用程序或web浏览器的用户界面,其可由诸如HCP的另一用户使用。界面2100包括在用户设备140上执行的web浏览器。如地址栏2105所示,用户设备140的用户(例如HCP)已经导航到界面2010中提供的网站。网站包括用户输入提示2107,请求用户输入审阅相应报告的码。在输入码(例如,界面2010中所示的码)之后,报告生成系统1860接收该码并且在相关联的数据库中搜索对应的分析物数据或预先生成的报告。如果对于相应的分析物数据没有预先生成的报告,则可以基于相应的分析物数据按需生成报告。界面2110示出了针对多用途数据接收设备130的用户的报告2117的示例呈现。如本文所述,报告可包括各种信息且可基于用户偏好和用户设备140的能力和特征以各种形式呈现。如果没有对应于用户输入的码的报告,或者如果码不再有效,则界面2117可以改为显示指示没有数据可用或者码已经过期的错误。
如本文所述,访问码可在使用次数、使用时间或其它上下文信息方面受到限制。例如,可以将访问码设置为仅可使用15分钟,在该时间点之后,访问码将期满。作为另一示例,当用户请求共享其报告时,访问码可被设置为仅可由特定地理区域内或多用途数据接收设备130的指定距离内的设备使用。当另一用户设备140提交包括访问码的请求时,可以确定用户设备的大致位置并将其包括在该请求中。使用在此描述的技术,对何时和多久可以检索报告的合理限制提高了患者数据的安全性。
在替代实施方式中,在多用途数据接收设备130上执行的应用程序具有与远程应用程序服务器155或报告生成系统1860的正在进行的连接。通过这种连接,多用途数据接收设备130持续上传从用户佩戴的传感器控制设备102接收的数据。数据被存储在用户的一个或多个数据库中。在特定实施方式中,数据库可将分析物数据存储在患者登记的账号中或与患者登记的账号相关联。例如,患者可以注册用户名或用户身份符和密码,同时可以要求访问数据。作为另一个示例,用户可以使用匿名账号以去识别的方式存储分析物数据。在这样的实施方式中,远程应用服务器155或报告生成系统1860可以识别多用途数据接收设备130的标识符(例如,序列号、IMEI、MAC地址等)或在多用途数据接收设备130上执行的应用的应用示例的标识符。远程应用服务器155可以在数据库中将来自相同的所识别的标识符的分析物数据关联。在该实施方式中,当患者请求共享报告时,生成访问码,在多用途数据接收设备130和报告生成系统1860之间共享,并显示该访问码。分析物数据不按需从多用途数据接收设备发送到报告生成系统1860。
如本文所述,可以向分析物监测系统100中的用户提供专有读取器设备120。读取器设备120通常在功能上是有限的,包括与传感器控制设备120通信的硬件和程序,但通常缺乏使用广域网进行通信的能力。相反,为了将分析物数据上传到应用服务器155用于附加的存储和处理,读取器设备120可以通过有线连接连接到用户设备140。用户设备140可以存储读取器设备120的数据,并且还可以将分析物数据上传到远程应用服务器155。虽然读取器设备120的低成本可以使它们便于提供给用户,但是不能根据需要容易地将存储在读取器设备120上的数据传送给另一用户,例如HCP,这限制了HCP在做出治疗决定时所查看的分析物数据的有用性。因此,提供在没有直接有线或无线连接的情况下将分析物数据和其他信息从读取器设备120传送到用户设备140(例如临床环境中的HCP的用户设备)的简化过程将是有益的。尤其有益的是,使HCP能够查看基于分析物数据的稳健报告,类似于通过多用途数据接收设备130提供的上述“共享报告”特征可用的报告。
根据这里描述的技术,可以修改在读取器设备120上执行的软件以提供例如可以从设置菜单访问的“共享数据”功能。当被患者选择时,共享数据功能使得读取器设备120生成并显示特别配置的矩阵条形码(例如,QR码),而不是将数据上传到远程服务器(因为读取器设备120不能与远程服务器连接)。生成该矩阵条形码以包括定义与报告生成系统1860相关联的web服务器的互联网位置的URL,其可以发起请求以基于随请求提供的分析物数据生成报告。矩阵条形码还可以包括编码的分析物数据值的序列,其可以作为与URL一起传递的参数来提供。
在此描述的特殊编码使得大量数据能够被包括在矩阵条形码中,这平衡了用户与矩阵条形码交互和使用矩阵条形码的能力,同时仍然提供足够的数据以在被转换成报告时提供有用的信息。例如,分析物值读数可以表示14天时间内每15分钟的值。
一旦读取器设备120生成矩阵条形码,另一个用户可以使用多用途数据接收设备130来扫描矩阵条形码。例如,许多现代智能电话包括能够自动识别和解码简单矩阵条形码的相机。患者或HCP用户可以使用他们的智能电话或用户设备140中固有的相机特征来扫描矩阵条形码。智能电话或用户设备140可以将web浏览器引导到由编码的URL标识的网站服务器1860。网站服务器1860包括对编码的分析物数据进行解码并基于这些数据生成分析物报告的报告生成功能。网站服务器1860将报告发送回web浏览器以在多用途数据接收设备130或用户设备140上显示。在某些实施方式中,在该矩阵条形码内没有编码识别信息,这意味着分析物水平报告安全性是不可识别的并且通过要求对该矩阵条形码的物理访问是可动作的而受到保护。
如果HCP希望在诸如用户设备140的另一设备上查看报告,则报告生成系统1855可以生成访问码,在数据库中将该访问码与分析物数据相关联,并将该访问码连同URL一起显示在多用途数据接收设备130上,HCP可以通过该URL访问相应的报告。如在先前描述的实施方式中,使用用户设备140,HCP访问报告查看网站,提供由多用途数据接收设备130显示并从报告生成系统1860接收报告的访问码。
在某些实施方式中,为了增加安全性,网站服务器1860可以生成访问代码,并将其与标识另一网站的另一URL一起包括在显示在多用途数据接收设备130上的葡萄糖报告中。访问码可以是例如随机字母数字码。HCP可以通过将URL输入到浏览器URL字段中而从其互联网连接的用户设备140或任何其它互联网连接的设备上的web浏览器访问该第二网站。第二网站也可以由与第一网站相同的提供商提供。第二网站可以通过使码输入字段显示在用户设备140的web浏览器上来请求HCP输入访问码。在输入码并指示提交时,第二网站将接收访问码并生成具有患者数据的分析物报告,用于在HCP的用户设备140网络浏览器上显示。
在一些实施方式中,报告生成系统1860可以生成第一和第二网站的访问码。在一些实施方式中,访问码可以由读取器设备120生成,例如作为用于生成矩阵条形码的过程的一部分。访问码可以与报告(如果在接收分析物数据时生成)或用于按需生成报告的分析物数据相关联。读取器设备120的用户可以永久或半永久地使用访问码,以便于数据的一致共享。或者,访问码可以临时与报告或分析物数据相关联。可以在预定或用户提供的时间量期满之后,在已经访问报告指定次数之后(例如,以便于与多个其他用户共享同一报告),或者在读取器设备120的用户或已经访问报告的用户的请求时移除关联。码可以采取任何形式,例如字母数字序列,诸如“AB12”,或者可以包括其他符号或象形图(例如,表情符号(emojis)。
图20和图21示出了用于基于经由矩阵条形码提供的分析物数据来请求和生成报告的第一方法2200和第二方法2300。该过程开始于2201,此时读取器设备120从传感器控制设备102收集分析物数据。
在2202处,读取器设备120接收共享或卸载分析物数据的请求。例如,可以通过读取器设备120的用户选择在读取器设备120的用户界面上提供的交互式元件来做出请求。
在2203处,读取器设备120检索与感兴趣的特定时间段相关联的分析物数据。读取器设备120可以被配置为自动识别预定时间段(例如,最近14天、7天、24小时等)的数据。在特定实施方式中,在2202处接收的请求可以指定感兴趣的时间段。
在2204处,读取器设备120对所检索的数据进行编码。在生成与分析物数据相关联的矩阵条形码之前,可以对分析物数据进行编码。编码的分析物数据可以通过将数据格式化为与提供给报告生成系统1860的参数兼容来实现,使得报告生成系统1860可以生成报告。例如,编码数据可以由与分析物数据相关的每个分析物数据值相关的日期戳和/或时间戳组成。编码数据可包括单个日期戳和/或时间戳,之后是一系列分析物数据值,其被解释为以规则的间隔(例如,每5分钟、15分钟、30分钟等)提供。这种编码减少了在不需要时包括每个分析物数据值的明确定时信息的需要。
当生成矩阵条形码时,条形码的复杂度与包括在矩阵条形码中的数据的密度成比例。信息越多,特别是字节数越多,试图包括在矩阵条形码中,条形码变得越复杂。可以增加矩阵条形码的尺寸以实现更多信息,但是在某一点,限制是基于显示矩阵条形码的设备(例如,读取器设备120)的显示分辨率和用于扫描矩阵条形码的相机的保真度。因此,可以使用附加编码来改善条形码中信息密度的平衡。
减少信息密度的一种方法是减少被包括在矩阵条形码中的分析物数据覆盖的时间段。降低信息密度的另一种方法是降低系列中分析物数据的频率(例如,对应于每30分钟而不是每15分钟的分析物数据值)。这些解决方案简单并且不需要额外的计算能力或时间来使用。然而,它们还减少了提供给查看随后报告的用户(例如HCP)的有用数据量。
为了降低信息密度但保持参数,例如包括的数据的持续时间和频率,可以使用不同形式的数据压缩。作为一个示例,分析物数据值的动态范围(例如,精度)可以以上下文感知的方式减小。一种这样的数据压缩方法可以是舍入分析物数据值。例如,分析物数据值可以由数据接收设备以高达0.1mg/dL的精度存储。在将数据值编码为矩阵条形码之前,可以将数据舍入或截短至高达1mg/dL的精度。作为另一个示例,分析物数据值可以舍入到最接近的5mg/dL(或10mg/dL或其它合适的值)。
在特定实施方式中,可执行舍入以基于分析物数据值本身的原始值来舍入不同精度水平。具体地,对于高于阈值的值被认为比低于阈值的值更重要的分析物,高于阈值的分析物数据值可以舍入为更精确的值。当较低的值被认为对监测更重要时,对于分析物数据值可以是相反的。可以使用多个阈值和多级舍入精度来相应地缩放舍入精度。另外,阈值可以是预编程的,或者可以由读取器设备120的用户或基于个体用户的需要或偏好查看报告的用户(例如HCP)来设置。
例如,当分析物是葡萄糖值或与葡萄糖值相关时,与较高的葡萄糖值相比,较低的葡萄糖值优选具有更多的分辨葡萄糖值。当解码葡萄糖系列时,通过在系列上使用样条技术并将所得葡萄糖值舍入到最接近的1mg/dL,可以部分恢复到1mg/dL的近似分辨率。
多阈值舍入方案的示例如下:
对于40-100的葡萄糖值:舍入至最接近的2mg/dL
对于101-180的葡萄糖值:舍入至最接近的3mg/dL
对于181-280的葡萄糖值:舍入至最接近的4mg/dL
对于281-400的葡萄糖值:舍入至最接近的5mg/dL
当舍入在由报告生成系统1860计算的矩阵条形码度量中使用的分析物数据时,使用舍入的数据来计算包括在报告中。包括在使用具有较高精度的分析物值计算的报告中的度量值可以不同于使用具有舍入精度的分析物值计算的度量值。因此,报告中示出的度量值可以与读取器设备120上呈现的值略有不同。这可能导致用户或HCP质疑数据的准确性,被差异分心,或甚至基于较不准确的数据改变治疗建议。为了解决这个问题,矩阵条形码的输入数据可以进一步包括基于原始分析物数据(例如,具有全分辨率)计算的度量,以在随后生成的报告中使用。报告生成系统1860可以使用这些度量而不是从舍入的葡萄糖数据重新计算它们。这具有允许报告生成系统1860更有效地执行的附加优点,因为它不需要在可以生成报告之前计算度量。
接收基于编码数据的web请求的报告生成系统1860将在必要时解释该数据。在特定实施方式中,web请求(以及因此矩阵条形码)可以包括用于编码的标识符。例如,标识符可以是允许报告生成系统1860基于版本号选择适当的解码过程的版本号。包括标识符为读取器设备120编程提供了附加的灵活性,将允许同时使用多种类型的编码,并且即使读取器设备120的用户没有更新在其上执行的软件或固件,也将允许使用该过程。还可以基于分析物数据的类型,包括在请求中的数据的密度或用户偏好来选择编码的类型。
返回到图20的方法2200,当读取器设备120生成矩阵条形码时,方法2200在2205处继续。可以使用可用的算法或方法(例如,快速响应(QR)码)来生成矩阵条形码,或者可以通过分析物监测系统1800所使用的专有算法来生成矩阵条形码。虽然可以使用专有算法来提高过程的安全性,并且可以实现具有矩阵条形码的附加特征(例如,包括更多的数据),但是它还将限制互操作性,并且通过使用更常见的方法来提供便利性。
在2206处,读取器设备120显示矩阵条形码。读取器设备120还可以显示使用矩阵条形码来请求和检索报告的指令。
在2211,扫描矩阵条形码。例如,多用途设备130可以扫描矩阵条形码。也可以使用具有合适的硬件(例如相机)和软件以解码矩阵条形码的另一用户设备140。现代智能手机的许多相机应用包括容易识别和扫描矩阵条形码的能力。
在2212,矩阵条形码被解码以获得URL和将与URL一起使用的参数。与扫描矩阵条形码一样,许多现代智能电话包括解码和解释通用矩阵条形码的能力。如果使用专有算法来生成矩阵条形码,则可以向多用途数据接收设备130提供用于下载或执行编程码以对矩阵条形码进行解码的指令。例如,可以在多用途数据接收设备上下载和执行与分析物监测系统1800相关的应用程序。一般而言,解码矩阵条形码包括识别在矩阵条形码内编码的数据。例如,在矩阵条形码包括访问URL和分析物数据的情况下,对矩阵条形码进行解码涉及在多用途数据接收设备130确定如何处理数据时将该信息转换成适于由多用途数据接收设备130解释的明文或另一格式。
在2213,URL和参数用于生成和发送web请求。例如,可以使用在读取器设备120上执行的web浏览器。在解码了矩阵条形码之后,访问URL和要作为web请求的参数提供以生成报告的分析物数据可用于多用途数据接收设备130。多用途数据接收设备130可以使用标准机制来构造web请求。多用途数据接收设备130向报告生成系统1860发起请求。
在2221,报告生成系统1860接收基于URL和参数的web请求。在2222,报告生成系统1860生成报告。如这里所讨论的,报告生成系统1860可以解释由多用途设备130传递的参数,以辨别将在报告中使用的分析物值。报告可以采取多种形式,包括显示个体分析物数据值、趋势信息(例如,短期和长期极值、目标范围内时间、变化趋势的速率等)、治疗总结、治疗建议和其它合适的信息。报告的内容基于报告生成系统1860可用的数据。在数据通常是低质量或匿名的情况下,报告将必然比当数据是高质量的并且对患者个性化时更受限制。然后,报告生成系统1860可以将报告发送回多用途设备130。作为示例,报告可被提供为格式化网页或可传输文档(例如,PDF)。
在2214,由多用途数据接收设备130显示报告。
图21示出了用于经由矩阵条形码基于提供的分析物数据来请求和生成报告的相关方法2300。具体地,操作2321是图20所示的操作2221的替换版本。图20中的操作2201至2206和2211至2213可以在图21之前类似地执行,并且仅为了提供方法2300的简明解释而被排除。
在2321,报告生成系统1860接收基于URL和参数的web请求。web请求包括允许对附加用户设备140的有限访问的请求。在2322,报告生成系统1860基于接收到的参数生成报告。报告生成系统1860使用本文描述的过程来基于可用的分析物数据生成报告。
在2223,报告生成系统1860生成报告的访问码。如本文所述,访问码可与分析物数据或报告(一旦生成)相关联,以将对报告的访问限制为具有访问码的个人。另外,报告可用于与用户和系统共享报告和分析物数据,而不需要在多用途数据接收设备130和其它系统之间直接连接。相反,报告生成系统1860使用访问码来验证对报告的访问并代表患者向其他系统提供报告。
在2224,报告生成系统1860将访问码与报告相关联。例如,报告生成系统1860可以将访问码与报告一起存储在数据库中。在根据需要生成报告以进行显示的实施方式中,数据库可替代地与访问码相关联地存储作为参数传递到报告生成系统1860的分析物数据。如上所述,访问码可以是在诸如使用次数、经过指定时间量等的某些条件已经发生之后删除的临时访问码。
在报告生成系统1860生成访问码之后,报告生成系统1860可以将访问码发送到在2213发起web请求的多用途设备130。例如,访问码可以被呈现为对web请求的响应。
在2315,访问码可以由多用途设备130显示。另外,多用途设备130可以显示有访问URL,通过该访问URL可以访问报告。注意,在某些实施方式中,多用途数据接收设备130本身可生成访问码且将访问码包括在生成发布到报告生成系统1860的针对生成报告的请求中。
在2331,另一用户设备140可以使用web浏览器来访问该访问URL。可以显示请求用户设备140的用户输入访问码的网页。访问URL可以是公开可用的,并且可以使用任何web浏览器来访问该访问URL,因为没有访问码,访问URL的访问者不能检索患者数据。另外,在通过本文描述的机制共享报告中包括的数据仅包括匿名或去识别的数据的实施方式中,个体患者信息不处于风险中。如果患者已经允许包括个人信息,则可以通过密码或限制对报告的访问的其他上下文信息来进一步保护报告。这可以降低暴力方法猜测访问码和检索患者信息的功效。
在2232处,用户设备140可以接收该访问码作为对于网页的输入。用户设备140可以利用访问码向报告生成系统1860(或另一相关服务器)发送另一web请求。
在2225处,报告生成系统1860可以基于访问码来检索报告。在接收到访问码之后,报告生成系统1860可以使用访问码来搜索相关联的数据库,并且可以相应地识别报告。如果访问码不能被定位或已经过期,则报告生成系统1860可以向用户设备140发送指示已发生错误的消息,并标识错误的源。如果访问码被定位并且有效,则报告生成系统1860可以向用户设备140发送报告。
在2333,用户设备显示报告。在web浏览器中或者使用被配置为显示报告的应用可以显示报告。在一些实施方式中,可以使用与分析物监测系统1800相关联的专用应用程序来充分地查看报告,该专用应用程序可以安装在用户设备140上。
尽管已经在读取器设备120的上下文中描述了上述示例,但是类似的技术可以用于被配置为接收和处理来自第二控制设备102的数据的多用途设备130。即使多用途设备130可以包括连接到广域网(包括因特网)的硬件,用户也可能没有时间或动机来确保在访问HCP之前远程应用服务器155具有最新信息。类似地,用户不能通过远程应用服务器155建立账号,或者不能与HCP共享分析物数据。另外,当访问HCP时,多用途设备130不能访问广域网(例如,不具有蜂窝服务)上传最新信息。在此描述的实施方式排除了患者和/或HCP利用报告生成软件发起和维护账号或者维护到远程应用服务器155或报告生成系统1860的一致连接的需要。
图22示出了根据某些实施方式执行的应用程序的示例用户界面。具体地,图22示出了在没有广域联网能力的读取器设备120上执行的应用程序的用户界面。界面2400包括用于访问由读取器设备120从传感器控制设备102收集的数据和本地报告的多个选项。选项中包括标记为“共享报告”的交互式元件2405(例如,界面按钮)。当用户选择交互式元件2405时,读取器设备120执行包括本文所述的例程,用于收集和编码与先前时间段相关联的分析物数据。读取器设备120还生成包括编码的分析物数据和URL的矩阵条形码,以使多用途读取器设备120将编码的分析物数据上传到报告生成系统1860。读取器设备120然后在诸如界面2410的界面中显示矩阵条形码,该界面提供如何发起上传的指令。
图23示出了根据某些实施方式执行的应用程序的示例界面。具体地,图23示出了在多用途数据接收设备130上执行的应用程序的用户界面。界面2500对应于多用途数据接收设备130的相机应用。用户已经定位多用途数据接收设备130,使得读取器设备120在展示界面2410时处于多用途数据接收设备130的相机的视野内。使用交互式元件2507,多用途数据接收设备130的用户扫描取景器中所示的矩阵条形码。在多用途数据接收设备130扫描矩阵条形码之后,多用途数据接收设备130解码矩阵条形码以解释其中编码的分析物数据和URL。然后,多用途数据接收设备130基于URL发起web请求,以将分析物数据上传到报告生成系统1860。报告生成系统1860将分析物数据存储在数据库中,并生成与分析物数据相关联的访问码。报告生成系统1860向多用途数据接收设备130提供访问码和访问URL。界面2510示出了在用户已经成功上传了分析物数据之后显示的界面。界面2510包括具有由报告生成系统1860提供的访问码2515的显示元件和具有访问URL的显示元件。如果用户访问该访问URL并提供访问码,则用于访问访问URL的用户设备140可提供诸如图19所示的界面。
许多HCP使用电子病历(EMR)系统。EMR系统(例如,EMR系统1865)存储关于患者和患者与HCP的交互的数据。在特定实施方式中,并入用于生成关于患者的分析物数据的报告的系统和技术(包括本文中所描述的那些)将是有益的。特别地,简化HCP和EMR系统1865本身访问患者的分析物数据所使用的过程将是有益的。例如,本文所述的分析物报告应用可被包括作为EMR系统的一部分。分析物报告应用程序可以是在HCP计算机上建立的或在HCP可访问的服务器上建立的任何软件程序,并且在某些实施方式中不一定是EMR。
在许多系统中,患者数据仅可由EMR系统1865访问,在患者明确许可的情况下进行存储和处理。患者必须登录远程应用服务器155的其账号,识别需要查看其分析物数据的正确HCP,并确保提供的数据是最新的。在某些情况下,HCP还必须登录远程应用程序的账号,识别正确的患者,并在患者能够授权共享数据之前发出请求。HCP还需要提醒患者批准共享请求。这一过程缓慢且容易出错——无论用户是忘记了他们的账号凭据、识别了不正确的患者或HCP,还是犯下了其他错误——而且当HCP考虑患者的医疗记录和治疗选项时,通常会低效地使用时间。已经尝试使该过程的一些步骤自动化。例如,EMR系统1865和远程应用服务器155可以尝试匹配诸如患者姓名、唯一标识符或联系信息的信息以生成授权数据共享的请求。然而,这需要患者确保提供给他们的HCP和远程应用服务器155的信息是相同的,任何拼写错误或例如可替换的联系信息可以使患者返回到完全手动的过程。即使匹配成功,患者仍必须登录远程应用服务器155的账号以授权共享请求。此外,先前的使数据共享自动化的尝试不能考虑不具有远程应用服务器155的账号的患者。
图24示出了被配置为便于远程应用服务器155和EMR系统1865之间的持久连接的分析物监测系统2600的组件之间的示例数据流。所示的数据流开始于2601,其中使用用户设备140的HCP基于或使用来自远程应用服务器155的患者的分析物数据从EMR系统1865请求报告。HCP还可以发起审阅患者的最新分析物数据的请求,或者以其他方式创建请求EMR系统1865和远程应用服务器155之间的界面的请求。
一旦接收到该请求,EMR系统1865确定它不能访问存储在远程应用服务器155上的患者的分析物数据。该请求可以包括患者的唯一标识符(例如,患者标识号或其他唯一表示)。在某些实施方式中,EMR系统1865可以使用患者的唯一标识符来查询与EMR系统1865相关联的数据库,以及关于已经将来自远程应用服务器155的数据与EMR系统1865集成的患者的存储数据。在某些实施方式中,EMR系统1865可以用对与患者标识符相关联的数据和报告的请求来查询远程应用服务器155。当远程应用服务器155和EMR系统1865之间的集成尚未针对特定患者完成时,EMR系统1865将接收对访问数据和报告的请求的拒绝。
当针对特定患者确定EMR系统1865没有与远程应用服务器数据集成时,在2602,EMR系统1865响应HCP没有访问患者的请求信息。用户设备140可以显示错误消息,该错误消息指示尚未准许HCP和/或EMR系统1865访问。在某些实施方式中,EMR系统1865可以使用户设备140向HCP显示如何请求访问和/或集成EMR系统1865和远程应用服务器155的指令。作为示例,用户设备140可以通过EMR系统应用显示针对HCP输入与患者数据相关联的访问码的提示。
图25示出了执行与EMR系统1865相关联的应用程序的用户设备140的示例界面,其示出了关于如何请求访问特定患者的分析物数据的指令。该界面包括用户输入字段2705,HCP可以通过用户输入字段2705输入由患者提供的访问码。
返回到图24中的数据流,在2603,EMR系统1865发起请求以接收与HCP标识的患者相关联的患者数据。该请求可以包括唯一患者标识符和其它信息用于远程应用服务器155以识别HCP关注的患者。远程应用服务器155可以对该请求执行验证和完整性检查,以减少对于恶意用户从患者垃圾邮件授权的机会。
在2604,在接收到来自EMR系统1865的请求时,远程应用服务器155可以请求报告生成系统1860代表EMR系统1865初始化集成过程。如此处所描述的,集成过程包括生成访问码,经由患者的多用途数据接收设备130提供访问码,以及允许用户设备140向报告生成系统1860提供访问码。因此,报告生成系统1860可以生成对多用途数据接收设备130的请求。该请求可以包括HCP已经请求访问与多用途数据接收设备130相关联的患者的分析物数据的指示。如果可用,例如如果由EMR系统1865提供,则请求可以标识HCP。该请求还可以包括由报告生成系统1860生成的访问码。在2605,EMR系统1865向多用途数据接收设备130提供请求。
当从报告生成系统1860接收到请求时,多用途数据接收设备130可显示访问码。与远程应用服务器155相关联的应用可以启动到多用途数据接收设备130的前台执行,并且向多用途数据接收设备130的用户(例如,患者)通知HCP已经请求访问他们的分析物数据。应用程序可显示访问码,并为患者提供向其HCP显示访问码的指示。在某些实施方式中,多用途数据接收设备130在显示访问码之前可以首先确认患者希望与HCP共享他们的分析物数据和报告。在某些实施方式中,多用途数据接收设备130本身可生成访问码,在此情况下,多用途数据接收设备130还在未图示的步骤中向报告生成系统1860提供访问码。
在替代实施方式中,患者发起生成访问码的过程,而不是由报告生成系统1860代表HCP发起该过程。如这里所讨论的,患者可以使用“共享报告”特征来生成在多用途数据接收设备130和报告生成系统1860之间共享的访问码。如下所述,报告生成系统1860可以使用访问码来识别患者的记录。
患者向HCP提供访问码。HCP将访问码输入到在用户设备140上执行并与用户EMR系统1865相关联的应用程序上提供的用户输入中。在2606,用户设备140向EMR系统1865提供输入的访问码。
在2607,EMR系统1865向报告生成系统1860提供访问码。为了简洁起见,这被示出为EMR系统1865和报告生成系统1860之间的直接传输,但是应当理解,访问码可以由EMR系统1865经由远程应用服务器155提供给报告生成系统1860。类似地,在某些实施方式中,用户设备140可以具有或建立到报告生成系统1860的连接,并且用户设备可以通过所述连接向报告生成系统1860提供访问码。作为示例,除了显示访问码之外,多用途数据接收设备130还可显示与报告生成系统1860相关联的访问URL。HCP可以使用用户设备140来导航到经由访问URL可访问的网站,并通过该网站向报告生成系统1860提供访问码。
在接收到访问码时,报告生成系统使用由报告生成系统1860生成(或由多用途数据接收设备130生成并提供给报告生成系统1860)的访问码来验证和核实来自用户设备140的访问码。验证访问码可以包括确定访问码没有过期并且没有限制访问码的可用性以允许分析物数据集成的其它限制。如果访问码无效,则报告生成系统1860可以可选地通知用户设备140(例如,通过远程应用服务器155或作为中间系统的EMR系统1865)已经提供的访问码无效或已经发生一些其它错误。报告生成系统1860还可以向多用途数据接收设备130通知错误。
如果访问码有效,则报告生成系统1860可以执行关于多用途数据接收设备130的附加访问验证。在某些实施方式中,数据流2600中所示的过程可用于创建患者的分析物数据与EMR系统1865的持续或永久集成。因为这可以包括高度敏感的信息,所以即使在HCP已经提供访问码之后,分析物监控系统1800也可以请求患者验证该请求。这作为认证对患者数据的访问的第二因素。在2608,报告生成系统1860将验证请求发送到多用途数据接收设备130。
多用途数据接收设备130接收验证请求并向患者显示该请求。例如,验证请求可以在多用途数据接收设备130上显示为弹出或推送通知。该通知可以包括具有提示的用户界面,该提示要求用户验证由HCP做出的访问请求。该通知可以包括当EMR系统1865向报告生成系统1860提供访问码时与所提供的HCP和EMR系统1865相关联的信息。在2609,多用途数据接收设备130向报告生成系统1860提供患者对提示的响应。
如果患者通过提示拒绝访问,则报告生成系统1860可以拒绝对EMR系统1865的访问。报告生成系统1860可以通知EMR系统1865对患者的分析物数据的访问未被准许。在特定实施方式中,报告生成系统1860可以测量特定患者或由特定EMR系统1865或HCP在一段时间内作出的访问请求的数量,并且如果怀疑滥用该系统,则确定阻止进一步的访问请求。
如果患者肯定地响应了验证请求,则在2610,报告生成系统1860通知远程应用服务器155访问已被授权。报告生成系统1860可以通知与分析物监测系统1800相关联的远程应用服务器155已经接收到有效的访问并且多用途数据接收设备130已经核实该请求。
在2611处,远程应用服务器155准许访问所请求的患者分析物数据和报告,并将所请求的数据和报告提供给EMR系统1865。如上所述,数据的集成能够使HCP使用HMR系统1865检索患者的最新可用分析物数据。例如,当患者佩戴的传感器控制设备102向多用途数据接收设备130提供数据并且该数据被上传到远程应用服务器155时,HCP可以通过EMR系统1865共享或访问该数据。患者可以控制共享哪些数据,例如仅允许一次性共享数据或在特定时间范围内或特定时间段内共享数据。特别有益的是,该系统可以在不需要任何用户(例如,患者或HCP)记住所使用的任何系统的访问凭证的情况下继续进行。此外,在整个过程中,患者和HCP的身份被相互核实多次,这有助于确保关于正确患者的正确数据被共享给正确的HCP。
图26示出了根据在此公开的实施方式的可以在多用途数据接收设备上显示的用户界面。具体地,图26示出了用户界面2800至2820的详细视图,用户界面2800至2820可用于便于集成来自与EMR系统1865共享的远程应用服务器155的分析物数据。用户界面2800包括来自在多用途数据接收设备130上执行的与分析物监测系统1800相关联的应用程序的通知2805,该通知指示HCP已请求访问患者的分析物数据。通知2805包括将由HCP使用的访问码,如上所述。界面2810示出了来自在多用途数据接收设备130上执行的与分析物监测系统1800相关联的应用程序的通知2813,该通知指示特定HCP已输入访问码。通知2813包括批准或授权访问的交互式元件2815、拒绝访问的交互式元件2817。界面2820示出了确认准许访问的通知。
一旦建立了EMR系统1865和远程应用服务器155之间的连接,由HCP例如基于来自报告生成系统1860的报告输入的信息可以被适当地共享回远程应用服务器155。例如,HCP可以通过EMR系统1865进行治疗修改或请求进一步监测表现。这在HCP使用由分析物监控系统1800提供的本地应用不舒适或者为了方便而优选它们自己的EMR系统1865的情况下尤其有益。来自HCP的其它信息也可以通过它们自己对远程应用服务器155或与分析物监测系统1800相关联的其它应用的访问而与患者共享。另外,因为与患者相关联的分析物数据由远程应用服务器155集中,但可经由各种路径(例如,通过读取器设备120、多用途数据接收设备130或用户设备140)来自传感器控制设备102,所以可与EMR系统1865共享数据,而不管来源如何。患者无需记住执行额外步骤,以确保向其HCP提供最新数据,以帮助其健康监测。
在某些实施方式中,远程应用服务器155和EMR系统1865之间的集成可以基于系统设置或用户偏好来限制。例如,当准许访问时,患者可以指定仅特定类型或特定时间段的分析物数据将与EMR系统1865共享。访问由远程应用服务器155存储的数据并超过授权的请求可以由远程应用服务器155代表患者拒绝,或者可以被转换成代表HCP的附加访问请求。
某些实施方式可以便于患者和EMR系统1865之间的数据共享,即使当患者没有远程应用服务器155的账号时。例如,当患者请求“共享报告”时,远程应用服务器155可以生成与和远程应用服务器155相关联的应用的应用示例相关联的受限使用账号。一旦授权过程完成,远程应用服务器155可以共享与受限使用账号相关联的数据。可以向患者提供创建完整账号以维持与EMR系统1865的连接的选项。患者还可以使账号被删除,在这种情况下,数据共享是一次性操作。
注意,尽管远程应用服务器155和报告生成系统1860被描述为分离的实体,但这仅仅是为了提供对各种组件的功能的清楚说明。在各种实施方式中,远程应用服务器155和报告生成系统1860可以是同一整体系统的功能。
在可替换的实施方式中,可以使用矩阵条形码来促进远程应用服务器155和EMR系统1865之间的连接,而不需要在用户设备140处输入访问码。在该实施方式中,当从EMR系统1865接收到HCP还没有访问请求患者数据的确认时,用户设备140显示矩阵条形码。矩阵条形码可被配置为发起web请求,以使得特定用户或系统(例如,HCP和EMR系统1865)能够访问由远程应用服务器存储的患者分析物数据。
患者可以使用他们的多用途数据接收设备130的相机来扫描显示在用户设备140上的矩阵条形码。矩阵条形码可以包括允许授权EMR系统1865经由远程应用服务器155接收对患者的分析物数据的访问的指令。当扫描矩阵条形码时,多用途数据接收设备130可以提取关于在矩阵条形码内编码的授权请求的细节,并且使用该信息来开始授权过程,例如在此描述的过程。在某些实施方式中,矩阵条形码扫描功能捆绑到在多用途数据接收设备130上执行的与分析物监测系统1800相关联的应用中(例如,使得多用途数据接收设备130能够与传感器控制设备102通信)。扫描矩阵条形码可引起允许访问的提示在应用程序内显示,该提示具有关于将被准许的访问类型、谁和什么系统正在请求访问,以及控制访问的机制的信息。在患者的肯定响应时,准许EMR系统1865访问,这可以由远程应用服务器155通知。
如本文所论述,如果患者例如通过激活在多用途数据接收设备130上执行的应用程序的“共享报告”特征来肯定地发起生成访问码的请求,那么界面2800可仅确认已将最近分析物数据提供到报告生成系统1860并提供访问码。
如本文所述,读取器设备120是用于患者与分析物监测系统1800交互的低成本机构。读取器设备120可以与传感器控制设备120通信,但是不能直接与远程应用服务器150通信。相反,读取器设备120通过有线连接连接到用户设备140,并且分析物数据由用户设备140上传到远程应用服务器。对于许多患者,数据接收设备是每天监测其分析物水平的主要方法。
在特定实施方式中,甚至读取器设备120可用于准许访问以允许EMR系统1865访问由读取器设备120存储或持续上传到远程应用服务器150的分析物数据。上面描述的过程,例如,至少关于图28,可以被修改为使用数据接收设备。
作为示例,当HCP使用用户设备140来访问患者的分析物数据时(例如,在2600处),EMR系统1865可以使应用界面显示在用户设备140上,从而提供使能访问的指令。应用界面还可以包括用户输入字段以输入访问码(例如在图25的界面2700中)。这些指令可以指示HCP要求患者使用他们的读取器设备120来激活“共享报告”特征。此共享报告特征可类似于使用上文论述的读取器设备120的共享报告特征(例如,关于图20至图21)。共享报告特征使读取器设备120生成用URL以及针对该URL的经编码分析物数据作为参数来编码的矩阵条形码。这些指令可以进一步指示HCP或患者使用合适的应用(例如,在智能电话或其他多用途读取器设备120上执行的相机应用)来扫描矩阵条形码。矩阵条形码还可以用访问凭证和其它用户身份信息来编码,以便于EMR系统1855和远程应用服务器155之间的持久连接。
在扫描矩阵条形码时,编码的分析物数据被提供给报告生成系统1860(其生成访问码和访问URL)。报告生成系统1860向扫描矩阵条形码的设备提供访问码和访问URL(例如,如图23所示)。HCP可以向与EMR系统1865相关联的应用程序中呈现的用户输入字段输入访问码。EMR系统1865然后将访问码中继到报告生成系统1860(例如,如在步骤2607中)。在验证访问码后,远程应用服务器155可以授权对由多用途数据接收设备130提供给报告生成系统1860的分析物数据中的一些或全部的访问。这种访问可限于一次性访问或按照患者的系统设置或用户偏好的持续访问。当患者上传额外的分析物数据时,该数据也可以与本文所述的EMR系统1865共享,而不必在每次发生时验证访问。
图27示出了根据本文实施方式的用于准许访问的示例用户界面。具体地,图27示出了示例用户界面2900,其可以由与EMR系统1865相关联的并且在请求访问患者的分析物数据的HCP的用户设备上执行的应用程序使用。用户界面2900包括用于HCP输入由患者提供的访问码的用户输入字段2905。用户界面2900还包括当患者使用读取器设备120时HCP随后生成访问码的指令。如上所述,指令要求HCP使用诸如智能电话的另一设备来扫描由读取器设备120生成的矩阵条形码,并输入将在用户输入字段2905中显示的访问码。
可以进一步修改该过程以最小化批准授权所需的手动用户输入量。在该实施方式中,在HCP或患者扫描矩阵条形码之后,URL使得访问要在扫描矩阵条形码的设备上显示的web应用。该web应用包括相机功能并为用户提供扫描授权矩阵条形码的指令。授权矩阵条形码在与EMR系统1865相关联并在HCP请求访问之后在用户设备上执行的应用程序所显示的指令中提供。授权矩阵条形码包括在其它设备上执行的web应用程序向报告生成系统1860或远程应用服务器155发送分析物数据、报告或数据访问凭证以便于访问所需的信息。
图28示出了根据本文实施方式的用于准许访问的示例用户界面。具体地,图28示出了示例用户界面3000,其可以由与EMR系统1865相关联的并且在请求访问患者的分析物数据的HCP的用户设备上执行的应用程序使用。用户界面3000包括当患者使用读取器设备120时HCP随后生成访问码的指令。如上所述,指令要求HCP使用诸如智能电话的另一设备来扫描由读取器设备120生成的矩阵条形码,然后扫描在用户设备3000中提供的第二矩阵条形码3005。
HCP可以在基于web或基于服务器的应用中访问从传感器控制设备102检索的并基于传感器控制设备102的数据。例如,患者可以将数据从传感器控制设备102传送到读取器设备120或多用途设备130。然后可以将数据中继到远程应用服务器155以进行处理。除了提供基于分析物数据的标准化报告之外,在远程应用服务器155上执行的或由远程应用服务器155提供的应用可以提供数据的引导解释。例如,当感兴趣的分析物包括或衍生自葡萄糖水平时,在远程应用服务器155上执行的应用可以通过识别需要注意的葡萄糖模式或区域来提供诸如动态葡萄糖分布(AGP)的度量的解释。引导解释可以包括诸如治疗和生活方式引导的细节。
治疗和生活方式指导可包括评估患者的当前治疗对其健康目标(例如其血糖控制)的影响。然而,该指导需要知道患者的当前治疗,这对于远程应用服务器155并不总是容易获得的。例如,远程应用服务器155可以由分析物监测系统100的提供者操作,而关于患者当前治疗的信息可以由第三方(例如HCP系统)容纳。将诸如患者的当前治疗的信息集成在由远程应用服务器155提供的工具内将是有益的,以向HCP和向患者提供更有效的治疗和生活方式指导,并提供患者健康和健康管理的综合视图。
HCP可以将治疗信息直接输入到在远程应用服务器155上执行的应用中。例如,可以要求HCP输入诸如药物名称、剂量、频率和时间表的信息。再次以葡萄糖管理作为一个示例,如果治疗包括胰岛素,则可以要求HCP输入胰岛素方案的上下文特定信息,其可以包括剂量、时间表、胰岛素与碳水化合物的比率、校正因子和目标葡萄糖。如果患者正在接受胰岛素泵治疗,则HCP可输入基础率和时间表。
在另一实施方式中,HCP可以将治疗信息输入到其电子病例(EMR)系统1865中。治疗信息可以从EMR系统1865中检索并输入到远程应用服务器155中,或者可以由远程应用服务器155根据需要访问。具体地,远程应用服务器155的各方面可以与EMR系统1865集成。
在一些实施方式中,由EMR系统1865存储的治疗信息可以以结构良好的格式存储。作为示例,治疗信息可以存储在具有标记的报头和一致的使用和条目执行规定的数据库或表中。在这样的实施方式中,在EMR系统1865数据库的字段和远程应用服务器155之间的映射之后,可以从EMR系统1865提取治疗信息。
在一些实施方式中,能够以结构自由数据或自由文本注释的形式包括由EMR系统1865存储的治疗信息。因为没有直接映射可用,所以可能需要对治疗信息的附加处理来识别相关信息并确定如何在远程应用服务器155的上下文中使用治疗信息。作为示例,可以使用关键字关联、自然语言处理或模式匹配技术来解释自由文本,以提取用于添加到远程应用服务器155的相关信息。
为了鼓励使用结构良好的格式,远程应用服务器155可以提供结构化数据条目界面。例如,远程应用服务器155可以提供具有剂量、时间表、胰岛素与碳水化合物的比率、校正因子和目标葡萄糖的胰岛素方案表,或输入胰岛素泵治疗参数的表。可以为其它感兴趣的分析物提供类似的界面选项。一旦数据被输入到远程应用服务器155中,远程应用服务器155可以使用其与EMR系统1865的集成来将数据转换成可由EMR系统1865使用的格式。例如,可以确定到EMR系统1865的反向映射。或者,可以将来自远程应用服务器155的结构化数据转换成可以添加到由EMR系统1865提供的自由文本字段中的格式。这将鼓励数据以结构化格式保存,即使是在EMR系统1865的自由文本字段中,从而在随后的导入期间可以容易地提取数据。
本文公开的实施方式包括:
F.一种分析物监测系统,包括:一个或多个处理器;以及与所述一个或多个处理器通信地耦接的存储器,所述存储器包括指令,所述指令在由所述一个或多个处理器执行时被配置成使所述一个或多个处理器执行以下操作:从所述分析物监测系统的用户接收将与所述用户相关联的分析物数据传送到另一计算设备的请求;对所述分析物数据进行编码;生成包括统一资源定位符(URL)和经编码的分析物数据的矩阵条形码;其中该分析物数据被格式化为有待通过web浏览器与该URL一起传递的参数,并且使该矩阵条形码呈现在该分析物监测系统的显示器上。
G.一种分析物监测系统,包括:一个或多个处理器;以及与所述一个或多个处理器通信地耦接的存储器,所述存储器包括指令,所述指令在由所述一个或多个处理器执行时被配置成使所述一个或多个处理器执行操作,所述操作包括:使矩阵条形码经由通信地耦接到所述分析物监测系统的相机进行扫描;对所述矩阵条形码进行解码以获得统一资源定位符(URL)和一个或多个参数,其中所述一个或多个参数至少包括分析物数据;使用所述URL和所述一个或多个参数,向与所述URL相关联的服务器呈现web请求,由所述分析物监测系统从与所述URL相关联的服务器接收基于包括在所述参数中的分析物数据的报告,其中所述报告由所述服务器基于与所述URL一起呈现的所述参数生成,并且使得所述报告经由显示器输出。
H.一种分析物监测系统的服务器计算设备,包括:一个或多个处理器;以及与所述一个或多个处理器通信地耦接的存储器,所述存储器包括指令,所述指令在由所述一个或多个处理器执行时被配置成使所述一个或多个处理器执行以下操作:接收包括一个或多个参数的第一web请求,其中所述一个或多个参数包括与所述分析物监测系统的用户相关联的分析物数据;基于所接收的分析物数据生成报告;将访问码与所述报告相关联;接收包括一个或多个参数的第二web请求,其中所述一个或多个参数包括所述访问码,基于所述访问码检索所述报告,以及使所述报告在显示器上输出。
I.一种分析物监测系统,包括:一个或多个处理器;以及与所述一个或多个处理器通信地耦接的存储器,所述存储器包括指令,所述指令在由所述一个或多个处理器执行时被配置成使所述一个或多个处理器执行以下操作,包括:在所述分析物监测系统与电子病例(EMR)系统之间建立通信会话;识别与用户相关联并存储在所述EMR系统中的治疗信息;使与所述用户相关联的所述治疗信息从所述EMR系统传输到所述应用服务器,转换所述治疗信息以供所述分析物监测系统使用,将所转换的治疗信息存储在所述分析物监测系统可访问的数据库中,使得所述治疗信息被显示给所述分析物监测系统的用户。
J.一种分析物监测系统,包括:一个或多个处理器;以及与所述一个或多个处理器通信地耦接的存储器,所述存储器包括指令,所述指令在由所述一个或多个处理器执行时被配置成使所述一个或多个处理器执行以下操作,包括:在所述分析物监测系统与电子病例(EMR)系统之间建立通信会话;从用户设备接收对所述EMR系统的请求,以访问与患者相关联并存储在所述分析物监测系统可访问的数据库中的分析物数据;使与所述分析物监测系统和所述患者相关联的数据接收设备显示与和所述患者相关联的所述分析物数据相关联的访问码,从所述用户设备接收第二访问码,比较由所述数据接收设备显示的所述访问码和所述第二访问码,并且响应于确定由所述数据接收设备显示的所述访问码和所述第二访问码是等同的,授权访问EMR系统以访问与患者相关的分析物数据。
每个实施方式F、G、H、I和J可以任何组合具有一个或多个以下附加元素:元素1:其中所述指令还被配置成使所述一个或多个处理器执行进一步的操作,所述进一步的操作包括基于对应于预定范围内时间的分析物数据选择用于编码的分析物数据。元素2:其中编码所述分析物数据的所述指令进一步被配置以使一个以上处理器执行进一步操作,所述进一步操作包含从所述分析物数据计算一个以上导数值,以及用所述分析物数据编码所述导数值。元素3:其中对所述分析物数据进行编码包括降低与所述分析物数据相关联的精度水平,其中所述精度水平是基于所述分析物数据的实际值来选择的。元素4:其中所述第一web请求是从第一计算设备接收的,并且所述第二web请求是从第二计算设备接收的。元素5:其中在扫描矩阵条形码之后由第一计算设备生成web请求和参数。元素6:其中所述治疗信息以第一结构格式存储;并且其中转换所述治疗信息包括将所述第一结构格式映射到与分析物监测系统相关联的第二结构格式。元素7:其中治疗信息以自由文本格式存储;并且其中转换所述治疗信息包括使用自然语言处理来解释所述治疗信息,并且以与所述分析物监测系统相关联的结构化格式存储所述信息。元素8:其中,所述指令还被配置为使所述一个或多个处理器执行进一步的操作,所述进一步的操作包括:通过结构化格式输入接收附加治疗信息,转换所述附加治疗信息以供所述EMR系统使用,以及将所转换的附加治疗信息传送到所述EMR系统以供存储。元素9:其中该访问码是由该数据接收设备生成的并且该分析物监测系统从该数据接收设备接收该访问码。元素10:其中该访问码是由该分析物监测系统生成的并且该数据接收设备从该分析物监测系统接收该访问码。元素11:其中,所述指令还被配置为使所述一个或多个处理器执行进一步的操作,所述进一步的操作包括使所述数据接收设备显示授权请求,其中,响应于对所述授权请求的肯定响应,授权所述EMR系统访问。元素12:其中所述访问码和所述第二访问码中的一个或多个包括矩阵条形码。
传感器结果界面的示例实施方式
图29A至图29F描绘了用于分析物监测系统的传感器结果界面或GUI的示例实施方式。根据所公开的主题,本文描述的传感器结果GUI被配置为通过安装在诸如智能电话或接收器的读取器设备上的用户界面应用(例如,软件)来显示分析物数据和其他健康信息,如关于图2B所描述的那些。本领域技术人员还将理解,具有传感器结果界面的用户界面应用或GUI也可以在本地计算机系统或其他计算设备(例如,可穿戴计算设备、智能手表、平板计算机等)上实现。
首先参考图29A,传感器结果GUI 235描绘了包括第一部分236的界面,第一部分236可以包括当前分析物浓度值(例如,当前葡萄糖值)的数字表示,指示分析物趋势方向的方向箭头,以及提供诸如例如用户的分析物水平是否在范围内(例如,“范围内的葡萄糖”)的上下文信息的文本描述。根据实施方式,第一部分236可以包括个性化分析物浓度值(例如,个性化葡萄糖值)的数值表示,如使用如在此以下公开的动力学模型所确定的。第一部分236还可以包括指示分析物浓度或趋势的颜色或阴影。例如,如图29A所示,第一部分236是绿色阴影,指示用户的分析物水平(例如但不限于当前或个性化葡萄糖水平)在目标范围内。根据一些实施方式,例如,红色阴影可以指示分析物水平低于低分析物水平阈值,橙色阴影可以指示分析物水平高于高分析物水平阈值,并且黄色阴影可以指示分析物水平在目标范围之外。根据实施方式,该目标范围可以是使用如在此以下公开的动力学模型确定的个性化目标葡萄糖范围。
此外,根据一些实施方式,传感器结果GUI 235还包括第二部分237,其包括分析物数据的图形表示。特别地,第二部分237包括反映在预定时间段内(如x轴所示)分析物浓度(如y轴所示)的分析物趋势图。根据实施方式,第二部分237可以包括个人化分析物趋势图,该个人化分析物趋势图反映了在预定时间段内(如x轴所示)个人化分析物浓度(如y轴所示),该个人化分析物浓度是使用如在此以下公开的动力学模型确定的。在一些实施方式中,预定时间段可以以5分钟的增量示出,总共12小时的数据。然而,所属领域的技术人员将了解,可利用分析物数据的其它时间增量和持续时间,且其完全在本公开的范围内。第二部分237还可以包括分析物趋势图上指示当前分析物浓度值的点239,指示目标分析物范围的阴影绿色区域240,以及分别指示高分析物阈值和低分析物阈值的两条虚线238a和238b。根据实施方式,个性化分析物趋势图上的点239可以指示当前个性化浓度值,阴影绿色区域240指示个性化目标分析物范围,和/或两条虚线238a和238b分别指示个性化高分析物阈值和个性化低分析物阈值。根据一些实施方式,GUI 235还可以包括第三部分241,其包括图形指示符和表示传感器寿命的剩余量的文本信息。
接下来参考图29B,描绘传感器结果GUI 245的另一示例实施方式。根据所公开的主题,第一部分236以黄色阴影示出以指示用户的当前分析物浓度不在目标范围内。根据实施方式,当前分析物浓度可以包括当前个性化分析物浓度,和/或目标范围可以是个性化目标范围,如使用本文所述的动力学模型所确定的。此外,第二部分237包括:分析物趋势线241,其可以反映随时间的历史分析物水平,并且当前分析物数据点239指示当前分析物浓度值(以黄色示出以指示当前值在目标范围之外)。根据实施方式,分析物趋势线241可包括随时间的历史个性化分析物水平,当前分析物数据点239可指示个性化分析物浓度值。
根据实施方式的另一方面,根据更新间隔(例如,每秒、每分钟、每5分钟等)自动更新或刷新传感器结果GUI 245上的数据。例如,根据许多实施方式,当读取器设备接收到分析物数据时,传感器结果GUI 245将更新:(1)在第一部分236中示出的当前分析物浓度值,并且(2)在第二部分237中示出的分析物趋势线241和当前分析物数据点239。此外,在一些实施方式中,自动更新分析物数据可致使较旧的历史分析物数据(例如,在分析物趋势线241的左侧部分中)不再被显示。根据实施方式,当前分析物浓度值可以包括当前个性化当前值,分析物趋势线241可以包括个性化分析物趋势线241,并且当前分析物数据点239可以包括当前个性化分析物数据点239。
图29C是传感器结果GUI 250的另一示例实施方式。根据所描绘的实施方式,传感器结果GUI 250包括以橙色阴影示出的第一部分236,以指示用户的分析物水平高于高葡萄糖阈值(例如,大于250mg/dL)。根据实施方式,所示出的用户的分析物水平可以包括当前个性化分析物浓度,并且高葡萄糖阈值可以包括个性化高葡萄糖阈值。传感器结果GUI 250还描绘健康信息图标251,例如锻炼图标或苹果图标,以反映指示用户已锻炼或吃饭的时间的用户记录条目。
图29D是传感器结果GUI 255的另一示例实施方式。根据所描绘的实施方式,传感器结果GUI 255包括第一部分236,其也以橙色阴影示出以指示用户的分析物水平高于高葡萄糖阈值。如上所述,根据实施方式,所示的用户分析物水平可以包括当前个性化分析物浓度,并且高葡萄糖阈值可以包括个性化高葡萄糖阈值。如可以在图29D中看到的,第一部分236不报告数字值,而是显示文本“高”以指示当前分析物浓度值在葡萄糖报告范围上限之外。尽管未在图29D中示出,本领域技术人员将理解,相反,低于葡萄糖报告范围下限的分析物浓度将导致第一部分236不显示数值,而是显示文本“低”。根据实施方式,第一部分236可以显示文本“高”以指示个性化分析物浓度值在个性化葡萄糖报告范围上限之外,并且相反地,当个性化分析物浓度低于葡萄糖报告范围下限时,第一部分236将显示“低”。
图29E是传感器结果GUI 260的另一示例实施方式。根据所描述的实施方式,传感器结果GUI 260包括以绿色阴影示出的第一部分236,以指示用户的当前分析物水平在目标范围内。根据实施方式,用户的当前分析物水平可以包括当前个性化分析物水平,并且目标范围可以包括个性化目标范围。另外,根据所描绘的实施方式,GUI 260的第一部分236包括文本“葡萄糖下降”,其可向用户指示他或她的分析物浓度值被预测为在预定时间量内下降到预测的低分析物水平阈值以下(例如,预测的葡萄糖将在15分钟内下降到75mg/dL以下)。本领域技术人员将理解,如果预测用户的分析物水平在预定时间量内上升到高于预测的高分析物水平阈值,则传感器结果GUI 260可显示“葡萄糖上升”消息。根据实施方式,分析物浓度值可以包括个性化分析物浓度值,并且预测的低分析物水平和预测的高分析物水平可以分别包括预测的个性化低分析物水平和预测的高分析物水平。
图29F是传感器结果GUI 265的另一示例实施方式。根据所描绘的实施方式,当存在传感器错误时,传感器结果GUI 265描绘第一部分236。根据所公开的主题,第一部分236包括代替当前分析物浓度值的三条虚线266,以指示当前分析物值不可用。根据实施方式,当前分析物浓度值可以包括当前个性化分析物浓度值。在一些实施方式中,三条虚线266可以指示一个或多个错误情况,例如(1)无信号情况;(2)信号丢失情况;(3)传感器过热/冷情况;或(4)葡萄糖水平不可用情况。此外,如图29F所示,第一部分236包括灰色阴影(而不是绿色、黄色、橙色或红色)以指示没有可用的当前分析物数据(或当前个性化分析物数据)。此外,根据实施方式的另一个方面,第二部分237可以被配置为在分析物趋势图中显示历史分析物数据,即使存在阻止在第一部分236中显示当前分析物浓度的数值的错误情况。根据实施方式,历史分析物数据可以包括历史个性化分析物数据。然而,如图29F所示,在第二部分237的分析物趋势图上没有显示当前分析物浓度值数据点。
图29G是葡萄糖监测数据界面,其包括持续200天的葡萄糖监测数据(右y轴)的图形表示,其叠加有三个实验室HbAlc值(左y轴)和基于14天eHbAlc模型的估计HbAlc值(左y轴),如在Xu的国际公布号WO2021/108419和Xu的WO2020/086934中所公开的,其全部内容通过引用并入本文。如图所示,从14天HbAlc模型导出的估计HbAlc随时间具有非常显著的变化。然而,HbAlc不太可能快速改变。
图29H是葡萄糖监测数据界面,其包括图29G的图形表示,该图形表示与根据Xu的国际公开号WO2021/108419和WO2020/086934中描述的方法使用kgly和kage确定的前100天的计算HbAlc(左y轴)叠加,该国际公开以引用的方式全部并入本文。
图29I是葡萄糖监测数据界面,其包括图29H的图形表示,该图形表示与使用根据Xu的国际公开号WO2021/108419和WO2020/086934中描述的方法相对于图29H确定的kgly和kage计算的接下来的100天HbAlc(从第100天延伸到第200天,左y轴)叠加,其全部内容通过引用并入本文。在该方法中不考虑第三HbAlc值,但是所描述的模型预测了第三HbAlc值的测量值,这说明在此描述的模型与实际非常一致。
范围内时间界面的示例实施方式
图30A至图30F描述了用于分析物监测系统的GUI的示例实施方式。具体地,图30A至图30F描绘了范围内时间(也称为Time-in-Range和/或Time-in-Target)GUI,每个GUI包括多个条或条部分,其中每个条或条部分指示用户的分析物水平在与条或条部分相关的预定分析物范围内的时间量。例如,在一些实施方式中,时间量可以表示为预定时间量的百分比。根据实施方式,如下所述,图30A至图30F还可以描绘个性化的范围内时间(也称为个性化的目标内时间)GUI,每个GUI包括多个条或条部分,其中每个条或条部分指示用户的个性化分析物水平在与条或条部分相关的预定个性化分析物范围内的时间量。
转到图30A和图30B,示出了范围内时间GUI 305的示例实施方式,其中范围内时间GUI 305包括“自定义”范围内时间视图305A和“标准”范围内时间视图305,其中可滑动元件310允许用户在两个视图之间进行选择。根据所公开的主题,可滑动元素范围内时间视图305A、305B可以各自包括多个条,其中每个条指示用户的分析物水平在与该条相关的预定分析物范围内的时间量。根据实施方式,用户分析物水平可以包括个性化分析物水平。在一些实施方式中,可滑动元素范围内时间视图305A、305B还包括日期范围指示符308和数据可用性指示符314,日期范围指示符308示出与所显示的多个条相关联的相关日期,数据可用性指示符314示出分析物数据可用于所显示的分析物数据的时间段(例如,“可用于7天中的7天的数据”)。
参考图30A,“定制”可滑动元素范围内时间视图305A包括六个条,其包括(从上到下):第一条指示用户的葡萄糖范围在预定时间量的10%内高于250mg/dL,第二条指示用户的葡萄糖范围在预定时间量的24%内介于141mg/dL与250mg/dL之间,第三条指示用户的葡萄糖范围在预定时间量的54%内介于100mg/dL与140mg/dL之间,第四条指示用户的葡萄糖范围在预定时间量的9%内在70mg/dL和99mg/dL之间,第五条指示用户的葡萄糖范围在预定时间量的2%内在54mg/dL和69mg/dL之间,第六条指示用户的葡萄糖范围在预定时间量的1%内小于54mg/dL。本领域技术人员将认识到,与每个条相关联的葡萄糖范围和时间百分比可以根据由用户定义的范围和用户的可用分析物数据而变化,并且用户的葡萄糖范围可以包括用户的个性化葡萄糖范围。此外,尽管30A和3B示出了等于七天的预定时间量314,本领域技术人员将理解,可以利用其他预定时间量(例如,一天、三天、十四天、三十天、九十天等),并且完全在本公开的范围内。
根据实施方式的另一方面,“自定义”范围内时间视图305A还包括用户可定义的自定义目标范围312,其包括允许用户定义和/或改变自定义目标范围的可动作“编辑”链接。如“自定义”范围内时间视图305A所示,自定义目标范围312已被定义为100mg/dL和140mg/dL之间的葡萄糖范围,并且对应于多个条中的第三条316。所属领域的技术人员还将了解,在其它实施方式中,用户可调整多于一个范围,且此类实施方式完全在本发明的范围内。根据实施方式,自定义目标范围312可以包括自定义个性化目标范围。
参考图30B,“标准”范围内时间视图305B包括五个条,包括(从上到下):第一条指示用户的葡萄糖范围在预定时间量的10%内高于250mg/dL,第二条指示用户的葡萄糖范围在预定时间量的24%内介于181mg/dL和250mg/dL之间,第三条指示用户的葡萄糖范围在预定时间量的54%内介于70mg/dL和180mg/dL之间,第四条指示在10%的预定时间量内用户的葡萄糖范围在54mg/dL和69mg/dL之间,第五条指示在2%的预定时间量内用户的葡萄糖范围小于54mg/dL。如同“自定义”范围内时间视图305A一样,本领域技术人员将认识到,与每个条相关联的时间百分比可以根据用户的可用分析物数据而变化。另外,根据实施方式,用户的葡萄糖范围可以包括用户的个性化葡萄糖范围,并且可以针对用户的个性化葡萄糖范围来调整与五个条相关联的数字葡萄糖范围。例如,非限制性地,可以使用下文公开的模型来计算五个条中的每一个的个性化葡萄糖范围。然而,与“自定义”范围内时间视图305A不同,“标准”视图305B中所示的葡萄糖范围不能由用户调整。
图30C和图30D描绘了具有多个视图320A和图320B的范围内时间GUI 320的另一示例实施方式,这些视图分别类似于图30A和图30B中所示的视图。根据一些实施方式,范围内时间GUI 320还可包括一个或多个可选图标322(例如,单选按钮、复选框、滑块、开关等),其允许用户选择预定时间量,在该预定时间量上,用户的分析物数据将在范围内时间GUI 320中示出。例如,如图30C和图30D所示,可选图标322可用于选择7天、14天、30天或90天的预定时间量。所属领域的技术人员将了解,可利用其它预定时间量,且其完全在本公开的范围内。
图30E描绘了目标时间GUI 330的示例实施方式,该目标时间GUI 330可以被视觉地输出到读取器设备(例如,专用读取器设备、仪表设备等)的显示器。根据所公开的主题,目标时间GUI 330包括三条,包括(从上到下):第一条指示用户的葡萄糖范围在预定时间量的34%内高于预定目标范围,第二条指示用户的葡萄糖范围在预定时间量的54%内处于预定目标范围内,且第三条指示用户的葡萄糖范围在预定时间量的12%内低于预定目标范围。本领域技术人员将认识到,与每个条相关联的时间百分比可以根据用户的可用分析物数据而变化,用户的葡萄糖范围可以包括用户的个性化葡萄糖范围。此外,尽管图30E示出了等于最近七天的预定时间量332和80mg/dL至140mg/dL的预定目标范围334,本领域技术人员将理解,可以利用其他预定时间量(例如,一天、三天、十四天、三十天、九十天等)和/或预定目标范围(例如,70mg/dL至180mg/dL),并且完全在本公开的范围内。根据实施方式,预定目标范围可以是使用如本文所公开的动力学模型确定的预定个性化目标范围。
图30F描绘了范围内时间GUI 340的另一示例实施方式,其包括包含五个条部分的单个条,包括(从上到下):指示用户的葡萄糖范围在预定时间量的1%(14分钟)内为“非常高”或高于250mg/dL的第一条部分,指示用户的葡萄糖范围在预定时间量的18%(4小时19分钟)内为“高”或在180mg/dL和250mg/dL之间的第二条部分,指示用户的葡萄糖范围在预定时间量的78%(18小时43分钟)内处于“目标范围”内或在70mg/dL与180mg/dL之间的第三条部分,指示用户的葡萄糖范围在预定时间量的3%(43分钟)内处于“低”或在54mg/dL与69mg/dL之间的第四条部分,指示用户的葡萄糖范围为“非常低”或小于54mg/dL达预定时间量的0%(0分钟)的第五条部分。如图30F所示,根据一些实施方式,范围内时间GUI 340可以显示与每个条部分相邻的指示实际时间量(例如,以小时和/或分钟为单位)的文本。根据实施方式,可以针对用户的个性化葡萄糖目标范围来调整与五个条相关联的数值。
根据图30F中所示的实施方式的一个方面,范围内时间GUI 340的每个条部分可以包括不同的颜色。在一些实施方式中,条部分可以由虚线或点划线342分开和/或与数字标记344交叉以指示由相邻条部分反映的范围。在一些实施方式中,由条部分反映的范围内时间可进一步表示为百分比、实际时间量(例如,4小时19分钟),或者如图30F所示,两者都表示。此外,本领域技术人员将认识到,与每个条部分相关的时间百分比可以根据用户的分析物数据而变化。在范围内时间GUI 340的一些实施方式中,目标范围可以由用户配置。在其它实施方式中,范围内时间GUI 340的目标范围不可由用户修改。
分析物水平和趋势警告界面的示例实施方式
图31A至图31O描绘了用于分析物监测系统的分析物水平/趋势警告GUI的示例实施方式。根据所公开的主题,分析物水平/趋势警告GUI包括听觉或视觉通知(例如,提示、警告、警报、弹出窗口、横幅通知等),其中视觉通知包括警报状况、与警报状况相关联的分析物水平测量,以及与警报状况相关联的趋势指示符。根据实施方式,至少一个处理器被配置为如果多个个性化葡萄糖度量中的至少一个处于或高于相应的多个个性化葡萄糖目标,则输出通知。通知可以包括听觉或视觉通知(例如,提示、警告、警报、弹出窗口、横幅通知等)。
转到图31A至图31C,分别描绘高葡萄糖警报410、低葡萄糖警报420和严重低葡萄糖警报430的示例实施方式,其中每一警报包含含有警报状况文本404(例如,“低葡萄糖警报”),与警报状况相关联的分析物水平测量值406(例如,67mg/dL的当前葡萄糖水平)和与警报状况相关联的趋势指示符408(例如,趋势箭头或方向箭头)的弹出窗口402。在一些实施方式中,警报图标412可以与警报状况文本404相邻。根据实施方式,分析物水平测量406可以包括个性化分析物水平测量(例如,67mg/dL的当前个性化葡萄糖水平)。
接下来参考图31D至图31G,分别描绘了低葡萄糖警报440、445、严重低葡萄糖警报450和高葡萄糖警报455的附加示例实施方式。如图30D所示,低葡萄糖警报440类似于图31B的低葡萄糖警报(例如,包括弹出窗口,该弹出窗口包含警报状况文本、与警报状况相关联的分析物水平测量,以及与警报状况相关联的趋势指示符),但还包括警报图标442,以指示警报已被配置为警告(例如,即使设备被锁定或设备的“请勿打扰”设置已被启用,仍将显示、播放声音、振动)。关于图31E,低葡萄糖警报445也类似于图31B的低葡萄糖警报,但不包括趋势箭头,日志葡萄糖警报445包括文本趋势指示符447。根据一些实施方式的一个方面,可以通过设备的可访问性设置来启用文本趋势指示符447,使得设备将经由设备的文本到语音特征(例如,用于iOS的“旁白模式”(Voiceover)或用于Android的“选择到语音”)向用户“读取”文本趋势指示符447。
接下来参考图31F,低葡萄糖警报450类似于图31D的低葡萄糖警报(包括警告图标),但不显示与警报状况相关联的分析物水平测量和与警报状况相关联的趋势指示符,低葡萄糖警报450显示超出范围指示符452以指示当前葡萄糖水平高于或低于预定可报告分析物水平范围(例如,“高”或“低”)。根据实施方式,当前葡萄糖水平可以包括当前个性化葡萄糖水平,并且预定可报告分析物水平范围可以包括预定可报告个性化分析物水平范围。关于图31G,高葡萄糖警报455类似于图31A的高葡萄糖警报(例如,包括弹出窗口、与警报状况相关联的分析物水平测量,以及与警报状况相关联的趋势指示符的弹出窗口),但还包括对用户457的指示。在一些实施方式中,例如,该指令可以是用户“检查血糖”的提示。本领域技术人员将将了解,可实施其它指令或提示(例如,施用校正剂量、吃饭等)。
此外,尽管图31A至图31G描述了在具有iOS操作系统的智能电话上显示的分析物水平/趋势警告GUI的示例实施方式,本领域技术人员还将理解,分析物水平/趋势警告GUI可以在其他设备上实现,包括例如具有其他操作系统的智能电话、智能手表、可穿戴物、读取器设备、平板计算设备、血糖仪、膝上型计算机、台式计算机和工作站等。例如,图31H至图31J描述了用于具有安卓操作系统的智能电话的高葡萄糖警报、低葡萄糖警报和严重低葡萄糖警报的示例实施方式。类似地,图31K至图31O分别描述了用于读取器设备的严重低葡萄糖警报、低葡萄糖警报、高葡萄糖警报、严重低葡萄糖警报(具有检查血糖图标)和高葡萄糖警报(具有超范围指示器)的示例实施方式。
传感器使用界面的示例实施方式
图32A至图32F描述了与分析物监测系统的GUI相关的传感器使用界面的示例实施方式。根据所公开的主题,传感器使用界面提供技术改进,包括量化和促进用户参与分析物监测系统的能力。例如,用户可以受益于细微的行为修改,因为传感器使用界面鼓励与设备的更频繁的交互以及结果的预期改善。用户还可以受益于增加的频繁交互,这导致许多代谢参数的改善,如下面进一步详细讨论的。
在一些实施方式中,HCP可以接收用户的交互频率的报告和患者的记录的代谢参数的历史(例如,估计的HbA1c水平,在70-180mg/dL范围内的时间等)。如果HCP在他们的实践中看到某些患者的参与程度低于其他患者的参与程度,则HCP可以将他们的努力集中在改善参与程度低于其他患者的用户/患者的参与程度上。HCP可以受益于更多的累积统计(例如每天的平均葡萄糖视图、餐前/餐后的平均葡萄糖视图、“受控”对“不受控”天或一天时间上的平均葡萄糖视图),这些统计可以从用户与分析物监测系统的交互频率的记录中获得,并且可以用于理解为什么患者不能实现来自分析物监测系统的期望增益。如果HCP认为患者没有如预期的那样受益于分析物监测系统,则他们可以推荐增加的交互水平(例如,增加交互目标水平)。因此,HCP可以改变预定的目标交互水平。
在一些实施方式中,护理者可以接收用户交互频率的报告。进而,护理者能够推动用户以改善与分析物监测系统的交互。护理者能够使用该数据来更好地理解和提高他们与用户的分析物监测系统的参与程度或改变治疗决定。
根据一些实施方式,例如,传感器使用界面可以包括一个或多个“查看”度量的视觉显示,这些度量中的每一个可以指示用户与分析物监测系统的参与或交互的度量。“查看”可包括例如传感器结果界面被渲染或带入前景中的示例(例如,在某些实施方式中,以查看本文所述的任何GUI)。在一些实施方式中,如上所述的更新间隔,传感器结果GUI 245上的数据根据更新间隔(例如,每秒、每分钟、每5分钟等)自动更新或刷新。这样,“查看”可以包括每个更新间隔一个示例,在该示例中,传感器结果界面被呈现或带入前景中。例如,如果更新间隔是每分钟,则在该分钟内渲染或进入前景传感器结果GUI 245若干次将仅包括一个“查看”。类似地,如果传感器结果GUI 245被渲染或带入前景持续20分钟,则传感器结果GUI 245上的数据将被更新20次(即,每分钟一次)。然而,这将仅构成20个“查看”(即,每个更新间隔一个“查看”)。类似地,如果更新间隔是每五分钟,在那五分钟内渲染或进入前景传感器结果GUI 245若干次将仅包括一个“查看”。如果持续20分钟将传感器结果界面渲染或带入前景中,那么这将构成4个“视图”(即,四个5分钟间隔中的每一者各有一个“查看”)。根据其他实施方式,“查看”可以被定义为当用户在传感器寿命计数中第一次查看具有有效传感器读数的传感器结果界面时的示例。根据所公开的实施方式,用户可以接收如下所述的通知,该通知指示何时将传感器结果GUI渲染或带入到前景中的示例不被看作“查看”。例如,用户可接收指示诸如“结果未更新”或“查看未计数”或“请再次检查葡萄糖水平”的视觉通知。在一些实施方式中,用户可以接收作为“查看”计数的每个示例的登记,如下面更详细描述的。
根据所公开的实施方式,所述一个或多个处理器可以被配置为在定义的时间段期间记录所述读取器设备的用户操作的不多于一个示例。例如但不限于,定义的时间段可以包括小时。本领域普通技术人员将理解,限定的时间段包括任何合适的时间段,例如1小时、2小时、3小时、30分钟、15分钟等。
根据一些实施方式,“查看”可以包括例如视觉通知(例如,提示、警告、警报、弹出窗口、横幅通知等)。在一些实施方式中,视觉通知可以包括警报状况,与警报状况相关联的分析物水平测量,以及与警报状况相关联的趋势指示符。例如,分析物水平/趋势警告GUI,例如图31A至图31O中描述的那些实施方式,可以构成“查看”
在一些实施方式中,传感器用户界面可包括指示用户与分析物监测系统的参与或交互的另一度量的“扫描”度量的视觉显示。“扫描”可包括例如用户使用读取器设备(例如,智能电话、专用读取器等)来扫描传感器控制设备(例如,在瞬感分析物监测系统中)的情况。如以上结合“查看”所描述的,在用户使用读取器设备来扫描传感器控制设备中,“扫描”可以包括每个更新间隔一个示例。
图32A和图32B分别描述了传感器使用界面500和510的示例实施方式。根据所公开的主题,传感器使用界面500和510可以例如由驻留在读取器设备120的非瞬态存储器中的移动app或软件来渲染和显示,诸如关于图1和图2A所描述的那些。在一些实施方式中,对于“查看”或“扫描”的每个示例,软件可以记录用户与系统交互的日期和时间。在一些实施方式中,对于“查看”或“扫描”的每个示例,软件可以记录当前葡萄糖值。参考图32A,传感器用户界面500可以包括:表示在其期间测量查看度量的时间段(例如,日期范围)的预定时间段间隔508,表示在预定时间段508上的查看总数的总查看度量502;每日查看度量504,其指示在预定时间段508内每日查看的平均数量;以及百分比时间传感器活动度量506,其指示预定时间段508中的读取器设备120与传感器控制设备102通信的百分比,诸如关于图1、图2B和图2C描述的那些。参考图32B,传感器用户界面510可以包括每日查看度量504和百分比时间传感器活动度量508,每个度量都是针对预定时间段508测量的。
根据实施方式的另一方面,虽然预定时间段508被示为一周,但是本领域技术人员将认识到,可以利用其他预定时间段(例如,3天、14天、30天)。此外,预定时间段508可以是离散的时间段(具有开始日期和结束日期),如图32A的传感器使用界面500所示,或可以是相对于当前日或时间的时间段(例如,“最近7天”、“最近14天”等),如图32B的传感器使用界面510所示。
图32C描绘了传感器使用界面525的示例实施方式,作为分析物监测系统报告GUI515的一部分。根据所公开的主题,GUI 515是覆盖预定时间段516(例如,14天)的快照报告,并且包括单个报告GUI上的多个报告部分,包括:传感器使用界面部分525、葡萄糖趋势界面517,其可包括葡萄糖趋势图、低葡萄糖事件图和其它相关葡萄糖度量(例如,葡萄糖管理指示符);健康信息界面518,其可以包括由用户记录的关于用户的平均每日碳水化合物摄入和药物剂量(例如,胰岛素剂量)的信息;以及注释界面519,其可以包括以叙述格式呈现的关于用户的分析物和药物模式的附加信息。根据实施方式,健康信息界面518可以包括相对于前述目标葡萄糖范围(以80和180mg/dL的水平线示出)的一天内的平均葡萄糖水平的图形表示。根据实施方式,健康信息界面518可以包括个性化目标葡萄糖范围报告,诸如在Xu的国际公布号WO2020/086934中公开的那些,该国际公布通过引用整体并入本文。根据实施方式,个性化目标葡萄糖范围报告可以包括相对于前述个性化目标葡萄糖范围的一天内的葡萄糖水平的图形表示。根据实施方式的另一方面,传感器使用界面525可以包括百分比时间传感器活动度量526、平均扫描/查看度量527(例如,指示扫描次数和查看次数的平均和),以及百分比时间传感器活动图528。如可以在图32C中看到的,百分比时间传感器活动图的轴可以与一个或多个其他图(例如,平均葡萄糖趋势图、低葡萄糖事件图)的对应轴对齐,使得用户可以通过来自对齐轴的公共单位(例如,一天中的时间)在视觉上关联来自报告GUI的两个或更多个部分的多个图之间的数据。
图32D描绘了包括传感器使用信息的另一分析物监测系统报告GUI 530的示例实施方式。根据所公开的主题,GUI 530是包括第一部分的月度概要报告,该第一部分包括图例531,其中图例531包括多个图形图标,每个图形图标与描述性文本相邻。如图30D所示,图例531包括用于“平均葡萄糖”的图标和描述性文本,用于“扫描/查看”的图标和描述性文本,以及用于“低葡萄糖事件”的图标和描述性文本。GUI 530还包括包含日历界面532的第二部分。例如,如图32D所示,GUI 530包括月历界面,其中月的每一天可以包括平均葡萄糖度量、低葡萄糖事件图标和传感器使用度量532中的一个或多个。在一些实施方式中,例如图32D中所示,传感器使用度量(“扫描/查看”)表示每天的扫描次数和查看次数的总和。根据实施方式,平均葡萄糖度量可以包括个性化平均葡萄糖度量。
图32E描绘了包括传感器使用信息的另一分析物监测系统报告GUI 540的示例实施方式。根据所公开的主题,GUI 540是包括多个报告部分的每周概要报告,其中每个报告部分表示一周中的不同天,并且其中每个报告部分包括葡萄糖趋势图541和健康信息界面543,葡萄糖趋势图541可以包括在24小时时段内用户测量的葡萄糖水平,健康信息界面543可以包括关于用户的平均每日葡萄糖、碳水化合物摄入和/或胰岛素剂量的信息。在一些实施方式中,葡萄糖趋势图541可以包括传感器使用标记542,以指示在24小时期间的特定时间发生了扫描、查看或同时发生两者。根据实施方式,葡萄糖趋势图541可以包括在24小时时间段上用户的个性化葡萄糖水平。根据实施方式,葡萄糖趋势图541可以包括个性化目标平均葡萄糖报告,其可以包括受试者随时间的平均葡萄糖(例如但不限于,由实线示出)和个性化目标平均葡萄糖的图形表示。根据实施方式,健康信息界面543可以包括关于用户的个性化平均每日葡萄糖的信息。
图32F描绘了包括传感器使用信息的另一分析物监测系统报告GUI 550的示例实施方式。根据所公开的主题,GUI 550是包括葡萄糖趋势图551的每日日志报告,其可以包括用户在24小时时段内的葡萄糖水平。根据实施方式,葡萄糖趋势图541可以包括在24小时时间段上用户的个性化葡萄糖水平。在一些实施方式中,葡萄糖趋势图551可以包括传感器使用标记552,以指示在24小时期间的特定时间发生了扫描、查看或同时发生两者。葡萄糖趋势图551还可以包括记录的事件标记,诸如记录的碳水化合物摄入标记553和记录的胰岛素剂量标记554,以及葡萄糖事件标记,诸如低葡萄糖事件标记555。
根据实施方式,图32A至图32F还可以包括实验室测量的HbA1c(“Lab A1c”)。
用于分析物监测系统的数字界面的示例实施方式
本文描述了用于分析物监测系统的数字界面的示例实施方式。根据所公开的主题,数字界面可以包括由分析物监测系统中的一个或多个设备的一个或多个处理器执行的一系列指令、例程、子例程和/或算法,诸如存储在非瞬态存储器中的软件和/或固件,其中所述指令、例程、子例程或算法被配置为启用某些功能和设备间通信。作为初始事项,本领域技术人员将理解,本文描述的数字界面可包括存储在传感器控制设备102、读取器设备120、本地计算机系统170、受信计算机系统180和/或作为分析物监测系统100的一部分或与分析物监测系统100通信的任何其他设备或系统的非瞬态存储器中的指令,如关于图1、图2A和图2B所述。当由传感器控制设备102、读取器设备120、本地计算机系统170、受信计算机系统180或分析物监测系统100的其它设备或系统的一个或多个处理器执行时,这些指令使所述一个或多个处理器执行本文所述的方法步骤。本领域技术人员还将认识到,这里描述的数字界面可以作为指令存储在单个集中式设备的存储器中,或者可替换地,可以分布在地理上分散的位置中的多个分立设备上。
包括多个界面的报告的示例实施方式
现在将描述包括多个设备的报告的示例实施方式。根据实施方式,HCP、护理人员和/或分析物监测系统用户可以接收来自分析物监测系统的组合数据和来自EMR的实验室结果的报告。根据所公开的主题,可以向用户呈现包括本文所公开的多个界面的报告。根据所公开的主题,界面可以包括基于当前或测量的分析物值的测量界面,基于本文公开的生理参数的生理参数界面,以及基于本文公开的个性化葡萄糖度量的个性化界面的任何组合。
鉴于上述内容并且根据所公开的主题,提供了一种葡萄糖监测系统,其包括传感器控制设备和读取器设备,所述传感器控制设备包括分析物传感器,所述分析物传感器与传感器电子器件耦接并且被配置为发送指示受试者的分析物水平的数据。所公开的主题的读取器设备包括:无线通信电路,其被配置为接收指示受试者的分析物水平和糖化血红蛋白水平的数据;非瞬态存储器;以及至少一个处理器。所述处理器通信地耦接到所述非瞬态存储器和所述分析物传感器,并且被配置为使用至少一个生理参数和所接收的指示所述分析物水平或所接收的糖化血红蛋白水平的数据中的至少一个来计算所述受试者的多个个性化葡萄糖度量,并且在所述读取器设备的显示器上显示报告,所述报告包括多个界面,所述多个界面包括所接收的指示所述分析物水平的数据、所接收的糖化血红蛋白水平,或所计算的多个个性化葡萄糖度量中的至少两个或更多个,其中包括所述报告的所述多个界面基于用户类型。根据实施方式,该至少一个生理参数选自下组,该组由以下各项组成:红细胞葡萄糖摄取、红细胞寿命、红细胞糖化速率常数、红细胞生成速率常数、红细胞消除常数和表观糖化常数。例如但不限于,在进一步的实施方式中,多个界面包括受试者的至少一个生理参数。
根据实施方式,报告的内容可以基于不同的用户类型(例如但不限于,受试者、医疗保健提供者、看护人等)而变化。如这里所体现的,包括报告的多个界面是基于用户类型预先确定的或者可以由用户选择。根据实施方式,所述用户类型包括健康护理专业人员。例如但不限于,在另一个实施方式中,多个界面包括葡萄糖监测数据界面、糖化血红蛋白界面、个性化A1c界面、个性化葡萄糖界面、个性化平均葡萄糖和个性化范围内时间界面。根据实施方式,所述用户类型包括所述受试者。例如,但不限于,在另一个实施方式中,多个界面是葡萄糖监测数据界面、糖化血红蛋白界面、均值葡萄糖界面和范围内时间界面。
根据实施方式,使用分析物监测系统的受试者只能查看显示测量的分析物测量值或个性化分析物测量值的图形界面,而不能查看两者。例如,通过显示具有稍微不同的数据(例如在测量和个性化之间)的图形界面来最小化混淆,这可能是有益的。如本文所体现的,可包括在报告中的界面的选择取决于个性化葡萄糖度量是否已由适当的监管机构批准或指定用于研究目的或临床目的。
根据实施方式,个性化葡萄糖度量可以包括个性化A1c或经调整的A1c、葡萄糖确定的A1c或计算的A1c、个性化葡萄糖、个性化平均葡萄糖和个性化范围内时间中的一个或多个。根据实施方式,至少一个处理器被配置成计算对应于所计算的多个个性化葡萄糖度量的多个个性化葡萄糖目标。根据实施方式,所述多个界面还包括所述多个个性化葡萄糖目标。根据实施方式,个性化葡萄糖目标可以包括个性化葡萄糖目标范围和个性化目标平均葡萄糖中的一个或多个。根据实施方式,个性化葡萄糖目标范围可以包括个性化葡萄糖下限和/或个性化葡萄糖上限。
图33示出了包括与示例性受试者J17相关联的四个不同测量界面的示例性报告1400:葡萄糖监测数据界面2401,其包括在预定时间段内从分析物监测设备测量的葡萄糖测量值的图形表示;HbA1c界面2402,其包括在预定时间段内HbA1c测量值(显示为点1402a)的图形表示和计算的A1c(“cA1c”)或葡萄糖衍生的A1c的图形表示,均值葡萄糖界面1403,其包括在预定时间段内测量的14天均值葡萄糖(148mg/dL)的图形表示,以及范围内时间界面1404,其包括在预定时间段上测量的范围内时间度量(75%超过180mg/dL且2%低于70mg/dL,如图所示)的图形表示。如本文所体现的,HbA1c测量可以包括实验室A1c测量。在进一步的实施方式中,例如但不限于,读取器设备从电子病例系统、基于云的数据库、从来自QR码的受试者、从使用家庭测试试剂盒的受试者无线接收受试者的糖化血红蛋白水平,其可以任选地寄到实验室用于分析。如本文所体现的,图33可以包括本文所公开的任何界面。
如本文所体现的,如图33所示,葡萄糖监测数据界面2401可以包括前景中的目标葡萄糖范围2401b、2401c的图形表示(如虚线所示)。目标葡萄糖范围2401b、2401c可以包括个性化目标葡萄糖范围,如本文所述。如本文所体现的,如图33所示,HbA1c界面2402可以包括目标HbA1c2402b(例如但不限于6.5%)的图形表示(示为实线)。如本文所体现的,如图33所示,均值葡萄糖界面1403可以包括目标平均葡萄糖1403a的图形表示(如实线所示)。
如在此体现的,如可以在图33中看到的,预定时间段可以是45天。如这里所体现的,预定时间段可以以5分钟为增量,总共12小时的数据。然而,本领域的技术人员将了解,可利用分析物数据的其它时间增量(例如,30天)和持续时间,且其完全在本发明的范围内。图35和图37类似地分别为示例性受试者J33和J5提供界面。
图34示出了包括与示例性受试者J17相关联的八个不同界面的示例性报告1500。如图34所示,报告1500可以包括测量界面、生理参数界面和个性化界面。如本文所体现的,图34可以包括本文所公开的任何界面。
根据在此公开的实施方式,测量界面可以包括,例如但不限于,葡萄糖监测数据界面2401和HbA1c界面2402,如图34所示。如本文所体现的,HbA1c界面2402可以包括通过HbA1c测量值拟合的计算的HbA1c(cA1c或GD-A1c)曲线,如本文和Xu的WO2021/108419和WO2020/086934中所描述的,其通过引用整体并入本文。
根据本文公开的实施方式,生理参数界面可以包括例如但不限于红细胞葡萄糖摄取界面2501和红细胞寿命界面2502,如图34所示。如本文所体现的,红细胞葡萄糖摄取界面2501可以包括在预定时间段内受试者的红细胞葡萄糖摄取(实线)2501a和参考红细胞葡萄糖摄取(虚线)2501b的图形表示。如本文所体现的,红细胞寿命界面2502可包括在预定时间段内受试者的红细胞寿命(实线)2502a和参考红细胞寿命(虚线)2502b的图形表示。如图14和图34所示,受试者J17的红细胞葡萄糖摄取为96%,红细胞寿命为121天。受试者的红细胞葡萄糖摄取和红细胞寿命可以使用本文和Xu的WO2021/108419和WO2020/086934中描述的模型来计算,其通过引用整体并入本文。如在此所体现的,生理参数界面可以包括如在此以及在Xu的WO2021/108419和WO2020/086934中所描述的任何其他生理参数,通过引用将其全文结合在此。
根据在此公开的实施方式,个性化界面可以包括,例如但不限于,个性化葡萄糖界面2503、个性化A1c界面2504、个性化14天均值葡萄糖界面2505和个性化范围内时间界面2506,如图34所示。如本文所体现的,图34可以包括本文所公开的任何个性化界面。个性化葡萄糖界面2503可以包括使用在此以及在Xu的WO2021/108419和WO2020/086934中描述的模型个性化的受试者的葡萄糖监测数据界面的图形表示,在此通过引用将其全文并入。如本文所体现的,如图34所示,个性化葡萄糖界面2503可以包括前景中的目标葡萄糖范围2401b、2401c。目标葡萄糖范围2401b、2401c可以包括个性化目标葡萄糖范围,如本文所述。
根据在此公开的实施方式,个性化A1c界面2504可以包括使用在此以及在Xu的WO2021/108419和WO2020/086934中描述的模型计算的受试者的经调整的或个性化的A1c(示为点2504a)和经调整的cHbA1c(示为曲线拟合2504c)的图形表示,在此通过引用将其全文并入。如本文所体现的,个性化A1c界面2504可以包括目标HbA1c 2504b(例如但不限于6.5%)的图形表示(示为实线)。
根据在此公开的实施方式,个性化14天均值葡萄糖界面2505可以包括均值葡萄糖界面1403,均值葡萄糖界面1403包括在预定时间段上个性化14天均值葡萄糖(如所示的141mg/dL)的图形表示。如本文所体现的,如图34所示,个性化均值葡萄糖界面2503可以包括目标平均葡萄糖1403a的图形表示(如实线所示)。
根据在此公开的实施方式,个性化范围内时间界面2506可以包括在预定时间段上的个性化范围内时间度量(78%在180mg/dL之上,3%在70mg/dL之下,如图所示)的图形表示。
如在此体现的,如可以在图34中看到的,预定时间段可以是45天。如这里所体现的,预定时间段可以以5分钟为增量,总共12小时的数据。然而,所属领域的技术人员将了解,可利用分析物数据的其它时间增量和持续时间,且其完全在本公开的范围内。图36和38类似地分别提供了J33和J5的四种不同葡萄糖度量的图示。
根据这里公开的实施方式,报告1400或1500可以包括各种基于用户类型的测量界面、生理参数界面或个性化界面。例如,健康护理提供者(HCP)和看护人可以从看到测量的界面和个性化的界面的比较中受益,例如,以评估两者相差多少并相应地评估诊断和治疗选项。这样,在实施方式中,HCP的报告的内容可以包括一组预定的测量界面、生理参数界面和个性化界面,例如但不限于,如报告1500所示。根据实施方式,HCP可以具有对信息的最大访问,所述信息包括测量的分析物测量、个性化的分析物测量和生理参数(例如但不限于,RBC葡萄糖摄取和RBC寿命,如图34、36、38所示,或作为如上所述的第二报告),如使用本文所述的模型确定的。如这里所体现的,在实施方式中,受试者的报告的内容可以包括一组预定的测量界面、生理参数界面和/或个性化界面。例如但不限于,为用户生成的报告可以包括测量的界面,如报告1400所示。如本文所体现的,用户类型可以包括,例如但不限于,受试者、医疗保健提供者、照顾者、保险提供者等。
如本文所体现的,用户(例如,受试者、HCP、照顾者、保险提供者等)可以选择哪些界面包括报告。例如但不限于,用户可以选择这里公开的测量界面、个性化界面和生理参数界面的任何组合。
根据一个实施方式,用户可以选择是否查看本文所公开的传感器结果界面,该界面显示在预定时间段内测量的分析物测量(例如但不限于,如图33、35和27中所示),或在相同的预定时间段内个性化测量(例如但不限于,如图34、36和38中所示),或显示两者。如在此实施的,用户可以在查看具有在预定时间段上测量的分析物测量值的传感器结果界面与查看具有在相同预定时间段上个性化的分析物测量值的相同传感器界面之间转换或切换。例如,非限制性地,用户可以在包括45的平均葡萄糖水平的图形表示(例如但不限于,如图33所示)的均值葡萄糖界面1403与包括相同预定时间段内个性化平均葡萄糖水平的图形表示(例如但不限于,如图33所示)的个性化均值葡萄糖界面2505之间切换。根据实施方式,用户可以类似地在图33、35、37所示的任何其他测量界面和图34、36、38所示的个性化界面之间切换(例如但不限于A1c界面、葡萄糖界面、14天均值葡萄糖界面和范围内时间界面等)。然而,所属领域的技术人员将了解,可利用分析物数据的其它时间增量和持续时间,且其完全在本公开的范围内。根据实施方式,如本文所述的传感器结果界面、分析物水平和趋势警告界面、范围内时间界面和/或传感器使用界面可类似地由用户选择以显示在预定时间段上测量的分析物测量值,和/或显示在预定时间段上个性化分析物测量值。
根据实施方式,利用基于SMART-FHIR的应用,提供者还可以通过EMR系统直接访问报告或具有报告的仪表板。根据实施方式,HCP可以从护理者和/或用户接收不同的报告或“仪表板”。例如但不限于,HCP可以接收示出组合数据的详细报告。详细报告的示例可以包括一段时间内分析物测量的图形表示,覆盖有实验室测量(例如,在某些实施方式中,为HbA1c),具有表示不同实验室结果的各种图标的图形表示。根据实施方式,时间段可以由HCP选择,并且可以包括但不限于1天、5天、7天、14天、2周、1个月、3个月,或可以是临床相关的任何其他时间段。HCP可使用组合数据向患者提供目标,例如但不限于“您下次访视时HbA1c水平为6.4%”。
根据实施方式,用户可以基于组合数据接收洞察力或鼓励。例如但不限于,用户可以接收通知。通知可包括但不限于“根据您的实验室结果和分析物测量结果,我们预测您的HbA1c为X”。根据实施方式,该通知可以另外说明“如果你锻炼/改变饮食/等等,你的HbA1c水平可以降低到Y”。
根据实施方式,组合数据可以与上述任何图形用户界面结合使用。根据实施方式,用户可以个性化以上描述的任何图形界面,替代地或附加地显示从EMR 5006接收的数据。
本文公开的实施方式包括:
K.一种葡萄糖监测系统,包括:传感器控制设备,该传感器控制设备包括与传感器电子器件耦接的分析物传感器,该传感器控制设备被配置成用于传输指示受试者的分析物水平的数据;以及读取器设备,该读取器设备包括:无线通信电路,其被配置成接收指示所述受试者的分析物水平和糖化血红蛋白水平的数据;非瞬态存储器;至少一个处理器,其通信地耦接到所述非瞬态存储器和所述分析物传感器并且被配置成:使用至少一个生理参数和所接收到的指示所述分析物水平或所接收到的糖化血红蛋白水平的数据中的至少一个来计算所述受试者的多个个性化葡萄糖度量,并且在所述读取器设备的显示器上显示报告,所述报告包括多个界面,所述多个界面包括所接收到的指示所述分析物水平、所接收到的糖化血红蛋白水平或所计算出的多个个性化葡萄糖度量中的至少两个或更多个,其中,包括所述报告的所述多个界面基于用户类型。
实施方式K可以具有任何组合的一个或多个以下附加元素:元素1:其中,所述多个个性化葡萄糖度量包括经调整的A1c、所计算的A1c、经调整的所计算的A1c、个性化葡萄糖、个性化平均葡萄糖或个性化范围内时间中的一个或多个。元素2:其中所述至少一个处理器进一步被配置以计算对应于所述所计算的多个个性化葡萄糖度量的多个个性化葡萄糖目标。元素3:其中所述多个界面进一步包括所述多个个性化葡萄糖目标。元素4:其中所述多个个性化葡萄糖目标包括目标葡萄糖范围或目标平均葡萄糖中的一个或多个。元素5:其中所述个性化目标葡萄糖范围包括个性化葡萄糖下限。元素6:其中所述个性化目标葡萄糖范围包括个性化葡萄糖上限。元素7:其中该至少一个生理参数选自下组,该组由以下各项组成:红细胞葡萄糖摄取、红细胞寿命、红细胞糖化速率常数、红细胞生成速率常数、红细胞消除常数和表观糖化常数。元素8:其中,所述多个还包括所述受试者的所述至少一个生理参数。元素9:其中所述用户类型包括健康护理专业人员。元素10:其中所述多个界面包括葡萄糖监测数据界面、糖化血红蛋白界面、个性化a1c界面、个性化葡萄糖界面、个性化平均葡萄糖和个性化范围内时间界面。元素11:其中所述用户类型包括所述受试者。元素12:其中所述多个界面包括葡萄糖监测数据界面、糖化血红蛋白界面、均值葡萄糖界面和范围内时间界面。元素13:其中,包括所述报告的所述多个界面是基于所述用户类型预先确定的。元素14:其中包括所述报告的所述多个界面可由所述用户选择。元素15:其中所述至少一个处理器进一步被配置以:如果所述多个个性化葡萄糖度量中的至少一者是处于对应的多个个性化葡萄糖目标处或高于所述对应的多个个性化葡萄糖目标时,输出通知。元素16:其中所述通知包括视觉通知。元素17:其中所述通知包括听觉通知。元素18:其中所述通知是警报。元素19:其中所述通知是提示。元素20:其中所述读取器设备从电子病例系统无线接收所述受试者的糖化血红蛋白水平。元素21:其中所述读取器设备从基于云的数据库无线接收所述受试者的糖化血红蛋白水平。元素22:其中所述读取器设备从QR码无线接收所述受试者的糖化血红蛋白水平。元素23:读取器设备从家庭测试试剂盒无线接收受试者的糖化血红蛋白水平。
虽然本文根据某些说明和示例来描述所揭示的主题,但所属领域的技术人员将认识到,可在不脱离本发明的范围的情况下对所揭示的标的物作出各种修改和改进。此外,虽然所公开的主题的一个实施方式的各个特征可以在本文中讨论或在一个实施方式的附图中示出而不在其他实施方式中,但是应当清楚的是,一个实施方式的各个特征可以与另一个实施方式的一个或多个特征或来自多个实施方式的特征组合。
除了以下要求保护的具体实施方式之外,所公开的主题还涉及具有以下要求保护的从属特征和以上公开的那些从属特征的任何其他可能组合的其他实施方式。同样地,在从属权利要求中呈现的以及以上公开的特定特征可以在所公开的主题的范围内以其他方式彼此组合,使得所公开的主题应当被认为还具体针对具有任何其他可能组合的其他实施方式。因此,已出于说明和描述的目的呈现所揭示主题的特定实施方式的前述描述。其并非旨在穷举或将所公开的主题限于所公开的那些实施方式。
本文的描述仅说明所揭示主题的原理。鉴于本文的教导,对所描述的实施方式的各种修改和变更对于本领域技术人员而言是显而易见的。因此,本文的公开旨在说明而非限制所公开的主题的范围。
Claims (53)
1.一种方法,包括:
使用一个或多个处理器从第一数据库接收第一记录,所述第一记录包括与个人身份相关联的第一数据;
使用所述一个或多个处理器从第二数据库接收第二记录,所述第二记录包括与用户身份相关联的第二数据;
使用所述一个或多个处理器基于包含在所述第一记录和所述第二记录中的共享数据项来配对所述第一数据和所述第二数据;以及
使用一个或多个处理器显示基于所述第一数据和所述第二数据的报告。
2.根据权利要求1所述的方法,其中,所述第一数据库是电子病例系统,所述第一数据是实验室测量的HbA1c。
3.根据权利要求1所述的方法,其中,所述第二数据库包括分析物监测系统数据服务,所述第二数据包括由分析物监测系统测量的葡萄糖水平。
4.根据权利要求1所述的方法,其中,所述共享数据项包括电子邮件地址。
5.根据权利要求1所述的方法,还包括:使用所述一个或多个处理器基于所述第一数据与所述第二数据配对来生成通知。
6.根据权利要求1所述的方法,还包括:使用所述一个或多个处理器,使用所述第一记录或所述第二记录中的至少一者和至少一个生理参数来计算多个个性化葡萄糖度量,
其中,所述第一记录是实验室测量的HbA1c,所述第二记录是指示用户的分析物水平的葡萄糖水平数据,
其中,所述报告包括多个界面,所述多个界面包括以下各项中的两项或更多项:所述第一记录、所述第二记录、所计算的多个个性化葡萄糖度量,以及
其中,包括所述报告的所述多个界面基于用户类型。
7.根据权利要求6所述的方法,其中,所述多个个性化葡萄糖度量包括以下各项中的一项或多项:经调整的A1c、所计算的A1c、经调整的所计算的A1c、个性化葡萄糖、个性化平均葡萄糖、个性化范围内时间。
8.根据权利要求7所述的方法,还包括:计算与所计算的多个个性化葡萄糖度量对应的多个个性化葡萄糖目标。
9.根据权利要求8所述的方法,其中,所述多个界面进一步包括所述多个个性化葡萄糖目标。
10.根据权利要求8所述的方法,其中,所述多个个性化葡萄糖目标包括目标葡萄糖范围或目标平均葡萄糖中的一者或多者。
11.根据权利要求10所述的方法,其中,所述个性化目标葡萄糖范围包括个性化葡萄糖下限。
12.根据权利要求10所述的方法,其中,所述个性化目标葡萄糖范围包括个性化葡萄糖上限。
13.根据权利要求6所述的方法,其中,所述至少一个生理参数选自以下各项组成的组:红细胞葡萄糖摄取、红细胞寿命、红细胞糖化速率常数、红细胞生成速率常数、红细胞消除常数、表观糖化常数。
14.根据权利要求13所述的方法,其中,所述多个界面还包括用户的所述至少一个生理参数。
15.根据权利要求6所述的方法,其中,所述用户类型包括健康护理专业人员。
16.根据权利要求15所述的方法,其中,所述多个界面包括:葡萄糖监测数据界面、糖化血红蛋白界面、个性化a1c界面、个性化葡萄糖界面、个性化平均葡萄糖、个性化范围内时间界面。
17.根据权利要求6所述的方法,其中,所述用户类型包括用户。
18.根据权利要求17所述的方法,其中,所述多个界面包括:葡萄糖监测数据界面、糖化血红蛋白界面、均值葡萄糖界面、范围内时间界面。
19.根据权利要求6所述的方法,其中,包括所述报告的所述多个界面是基于用户类型预先确定的。
20.根据权利要求6所述的方法,其中,包括所述报告的所述多个界面能够由用户选择。
21.根据权利要求9所述的方法,还包括:如果所述多个个性化葡萄糖度量中的至少一者处于对应的多个个性化葡萄糖目标或高于对应的多个个性化葡萄糖目标,则输出通知。
22.根据权利要求21所述的方法,其中,所述通知包括视觉通知。
23.根据权利要求21所述的方法,其中,所述通知包括听觉通知。
24.根据权利要求21所述的方法,其中,所述通知是警报。
25.根据权利要求21所述的方法,其中,所述通知是提示。
26.根据权利要求6所述的方法,其中,读取器设备从电子病例系统无线地接收用户的糖化血红蛋白水平。
27.根据权利要求6所述的方法,其中,读取器设备从基于云的数据库无线地接收用户的糖化血红蛋白水平。
28.根据权利要求6所述的方法,其中,读取器设备从QR码无线地接收用户的糖化血红蛋白水平。
29.根据权利要求6所述的方法,读取器设备从家用测试试剂盒无线接收用户的糖化血红蛋白水平。
30.一种葡萄糖监测系统,包括:
传感器控制设备,包括与传感器电子器件耦接的分析物传感器,所述传感器控制设备被配置成发送指示用户的分析物水平的数据;以及
读取器设备,包括:
无线通信电路,被配置为接收指示所述用户的所述分析物水平和糖化血红蛋白水平的数据;
非瞬态存储器;
至少一个处理器,通信地耦接到所述非瞬态存储器和所述分析物传感器,并且所述至少一个处理器被配置为:
使用至少一个生理参数和所接收的指示所述分析物水平或所接收的糖化血红蛋白水平的数据中的至少一者来计算所述用户的多个个性化葡萄糖度量;以及
在所述读取器设备的显示器上显示报告,所述报告包括多个界面,所述多个界面包括所接收的指示所述分析物水平、所接收的糖化血红蛋白水平的数据或所计算的多个个性化葡萄糖度量中的至少两者或更多者,
其中,包括所述报告的所述多个界面基于用户类型。
31.根据权利要求30所述的系统,其中,所述多个个性化葡萄糖度量包括以下各项中的一项或多项:经调整的A1c、所计算的A1c、经调整的所计算的A1c、个性化葡萄糖、个性化平均葡萄糖、个性化范围内时间。
32.根据权利要求31所述的系统,其中,所述至少一个处理器进一步被配置为:计算与所计算的多个个性化葡萄糖度量对应的多个个性化葡萄糖目标。
33.根据权利要求32所述的系统,其中,所述多个界面进一步包括所述多个个性化葡萄糖目标。
34.根据权利要求32所述的系统,其中,所述多个个性化葡萄糖目标包括目标葡萄糖范围或目标平均葡萄糖中的一者或多者。
35.根据权利要求34所述的系统,其中,所述个性化目标葡萄糖范围包括个性化葡萄糖下限。
36.根据权利要求34所述的系统,其中,所述个性化目标葡萄糖范围包括个性化葡萄糖上限。
37.根据权利要求30所述的系统,其中,所述至少一个生理参数选自以下各项组成的组:红细胞葡萄糖摄取、红细胞寿命、红细胞糖化速率常数、红细胞生成速率常数、红细胞消除常数、表观糖化常数。
38.根据权利要求37所述的系统,其中,所述多个界面还包括所述用户的所述至少一个生理参数。
39.根据权利要求30所述的系统,其中,所述用户类型包括健康护理专业人员。
40.根据权利要求39所述的系统,其中,所述多个界面包括:葡萄糖监测数据界面、糖化血红蛋白界面、个性化a1c界面、个性化葡萄糖界面、个性化平均葡萄糖、个性化范围内时间界面。
41.根据权利要求30所述的系统,其中,所述用户类型包括所述用户。
42.根据权利要求41所述的系统,其中,所述多个界面包括:葡萄糖监测数据界面、糖化血红蛋白界面、均值葡萄糖界面、范围内时间界面。
43.根据权利要求30所述的系统,其中,包括所述报告的所述多个界面是基于用户类型预先确定的。
44.根据权利要求30所述的系统,其中,包括所述报告的所述多个界面能够由用户选择。
45.根据权利要求33所述的系统,其中,所述至少一个处理器进一步被配置为:如果所述多个个性化葡萄糖度量中的至少一者处于对应的多个个性化葡萄糖目标或高于对应的多个个性化葡萄糖目标,则输出通知。
46.根据权利要求38所述的系统,其中,所述通知包括视觉通知。
47.根据权利要求38所述的系统,其中,所述通知包括听觉通知。
48.根据权利要求38所述的系统,其中,所述通知是警报。
49.根据权利要求38所述的系统,其中,所述通知是提示。
50.根据权利要求30所述的系统,其中,所述读取器设备从电子病例系统无线地接收所述用户的糖化血红蛋白水平。
51.根据权利要求30所述的系统,其中,所述读取器设备从基于云的数据库无线地接收所述用户的糖化血红蛋白水平。
52.根据权利要求30所述的系统,其中,所述读取器设备从QR码无线地接收所述用户的糖化血红蛋白水平。
53.根据权利要求30所述的系统,所述读取器设备从家用测试试剂盒无线地接收所述用户的糖化血红蛋白水平。
Applications Claiming Priority (6)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US63/196,677 | 2021-06-03 | ||
US63/279,015 | 2021-11-12 | ||
US63/279,509 | 2021-11-15 | ||
US202263328078P | 2022-04-06 | 2022-04-06 | |
US63/328,078 | 2022-04-06 | ||
PCT/US2022/032262 WO2022256712A1 (en) | 2021-06-03 | 2022-06-03 | Systems, devices, and methods for physiological parameter analysis and related graphical user interfaces |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117396973A true CN117396973A (zh) | 2024-01-12 |
Family
ID=86272583
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202280039859.6A Pending CN117396973A (zh) | 2021-06-03 | 2022-06-03 | 生理参数分析和相关图形用户界面的系统、设备和方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20230326565A1 (zh) |
CN (1) | CN117396973A (zh) |
WO (1) | WO2023196498A2 (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2024017502A (ja) * | 2022-07-28 | 2024-02-08 | キヤノン株式会社 | ネットワークシステム、及び方法 |
Family Cites Families (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8428968B2 (en) * | 2004-05-10 | 2013-04-23 | Epic Systems Corporation | Interactive system for patient access to electronic medical records |
US7905417B2 (en) * | 2005-01-24 | 2011-03-15 | Shepherd Medical Solutions Llc | Blinded electronic medical records |
US8037052B2 (en) * | 2006-11-22 | 2011-10-11 | General Electric Company | Systems and methods for free text searching of electronic medical record data |
EP4252639A3 (en) | 2009-02-26 | 2024-01-03 | Abbott Diabetes Care Inc. | Method of calibrating an analyte sensor |
US8640225B2 (en) * | 2010-09-24 | 2014-01-28 | Nokia Corporation | Method and apparatus for validating resource identifier |
US8296477B1 (en) * | 2011-04-22 | 2012-10-23 | Symantec Corporation | Secure data transfer using legitimate QR codes wherein a warning message is given to the user if data transfer is malicious |
FI4056105T3 (fi) | 2011-12-11 | 2023-12-28 | Abbott Diabetes Care Inc | Analyyttisensorilaitteita |
US8595206B1 (en) * | 2012-01-20 | 2013-11-26 | Walgreen Co. | Methods and systems of correlating electronic pharmacy data and electronic medical records |
US8798380B1 (en) * | 2012-08-08 | 2014-08-05 | Google Inc. | Techniques for generating customized two-dimensional barcodes |
US9083531B2 (en) * | 2012-10-16 | 2015-07-14 | Symantec Corporation | Performing client authentication using certificate store on mobile device |
EP3735896B1 (en) | 2012-12-18 | 2024-01-17 | Abbott Diabetes Care, Inc. | Dermal layer analyte sensing devices and methods |
US9203824B1 (en) * | 2013-02-12 | 2015-12-01 | Future Research Corporation | System and method for authenticating a computer session on a mobile device using a two dimensional barcode |
US10213139B2 (en) | 2015-05-14 | 2019-02-26 | Abbott Diabetes Care Inc. | Systems, devices, and methods for assembling an applicator and sensor control device |
CA3050721A1 (en) | 2017-01-23 | 2018-07-26 | Abbott Diabetes Care Inc. | Systems, devices and methods for analyte sensor insertion |
DK3668400T3 (da) | 2017-08-18 | 2023-09-18 | Abbott Diabetes Care Inc | Fremgangsmåde til individualiseret kalibrering af analytsensorer |
US11424020B2 (en) * | 2017-12-08 | 2022-08-23 | Actual Healthcare Solutions | Cloud-based interactive digital medical imaging and patient health information exchange platform |
MX2020013196A (es) | 2018-06-07 | 2021-05-12 | Abbott Diabetes Care Inc | Esterilizacion focalizada y submontajes esterilizados para sistemas de monitoreo de analitos. |
CA3102945A1 (en) | 2018-06-07 | 2019-12-12 | Abbott Diabetes Care Inc. | Focused sterilization and sterilized sub-assemblies for analyte monitoring systems |
WO2020131159A1 (en) | 2018-12-21 | 2020-06-25 | Abbott Diabetes Care Inc. | Systems, devices, and methods for analyte sensor insertion |
-
2022
- 2022-06-03 CN CN202280039859.6A patent/CN117396973A/zh active Pending
-
2023
- 2023-04-06 US US18/296,673 patent/US20230326565A1/en active Pending
- 2023-04-06 WO PCT/US2023/017731 patent/WO2023196498A2/en unknown
Also Published As
Publication number | Publication date |
---|---|
WO2023196498A2 (en) | 2023-10-12 |
US20230326565A1 (en) | 2023-10-12 |
WO2023196498A3 (en) | 2023-11-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6977016B2 (ja) | 検体測定の遠隔監視 | |
US20230024262A1 (en) | Methods, devices, and systems for physiological parameter analysis | |
KR20190051899A (ko) | 약물 전달 기기에의 디스플레이 및 제공을 위한 cgm-기반 볼러스 계산기에 대한 시스템 및 방법 | |
US20120059673A1 (en) | Flexible glucose analysis using varying time report deltas and configurable glucose target ranges | |
US20070033074A1 (en) | Therapy management system | |
US20220400986A1 (en) | Systems, devices, and methods for physiological parameter analysis and related graphical user interfaces | |
AU2019368318B2 (en) | Methods, devices, and systems for physiological parameter analysis | |
US20210378601A1 (en) | Analyte monitoring systems and methods | |
CN117396973A (zh) | 生理参数分析和相关图形用户界面的系统、设备和方法 | |
US20210361199A1 (en) | Systems, devices, and methods of analyte monitoring | |
CN115023764A (zh) | 用于调整实验室hba1c值的方法、设备和系统 | |
EP3906562A1 (en) | Systems, devices, and methods for improved meal and therapy interfaces in analyte monitoring systems | |
WO2023086632A1 (en) | Systems, devices, and methods for analyte monitoring | |
WO2023086270A1 (en) | Systems, devices, and methods of using blockchain for tracking patient identification | |
Vashist et al. | Diabetes management software and smart applications |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication |