CN117558435B - 一种基于bcm设备的远程透析指导系统 - Google Patents
一种基于bcm设备的远程透析指导系统 Download PDFInfo
- Publication number
- CN117558435B CN117558435B CN202410038749.9A CN202410038749A CN117558435B CN 117558435 B CN117558435 B CN 117558435B CN 202410038749 A CN202410038749 A CN 202410038749A CN 117558435 B CN117558435 B CN 117558435B
- Authority
- CN
- China
- Prior art keywords
- dialysis
- blood glucose
- time
- mhd
- bcm
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000502 dialysis Methods 0.000 title claims abstract description 151
- 239000008280 blood Substances 0.000 claims abstract description 153
- 210000004369 blood Anatomy 0.000 claims abstract description 153
- 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 abstract description 121
- 239000008103 glucose Substances 0.000 claims abstract description 121
- 238000000108 ultra-filtration Methods 0.000 claims abstract description 40
- 238000004458 analytical method Methods 0.000 claims abstract description 39
- 238000012545 processing Methods 0.000 claims abstract description 25
- 230000002218 hypoglycaemic effect Effects 0.000 claims abstract description 18
- 238000012806 monitoring device Methods 0.000 claims abstract description 16
- 208000001953 Hypotension Diseases 0.000 claims abstract description 13
- 210000001124 body fluid Anatomy 0.000 claims abstract description 13
- 239000010839 body fluid Substances 0.000 claims abstract description 13
- 230000036543 hypotension Effects 0.000 claims abstract description 12
- 239000000203 mixture Substances 0.000 claims abstract description 10
- 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 claims description 92
- 102000004877 Insulin Human genes 0.000 claims description 46
- 108090001061 Insulin Proteins 0.000 claims description 46
- 229940125396 insulin Drugs 0.000 claims description 46
- 238000013178 mathematical model Methods 0.000 claims description 41
- 229940079593 drug Drugs 0.000 claims description 20
- 239000003814 drug Substances 0.000 claims description 20
- 230000000694 effects Effects 0.000 claims description 19
- 238000012544 monitoring process Methods 0.000 claims description 19
- 230000003111 delayed effect Effects 0.000 claims description 18
- 235000013305 food Nutrition 0.000 claims description 18
- 238000000034 method Methods 0.000 claims description 17
- 235000018823 dietary intake Nutrition 0.000 claims description 14
- 230000008569 process Effects 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 9
- 230000037406 food intake Effects 0.000 claims description 9
- 235000012631 food intake Nutrition 0.000 claims description 9
- 235000012054 meals Nutrition 0.000 claims description 6
- 235000016709 nutrition Nutrition 0.000 claims description 6
- 230000035764 nutrition Effects 0.000 claims description 6
- 235000005911 diet Nutrition 0.000 claims description 5
- 230000037213 diet Effects 0.000 claims description 4
- 238000010521 absorption reaction Methods 0.000 claims description 3
- 230000036772 blood pressure Effects 0.000 claims description 3
- 230000008859 change Effects 0.000 claims description 3
- 201000010099 disease Diseases 0.000 claims description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 3
- 210000003722 extracellular fluid Anatomy 0.000 claims description 3
- 230000003834 intracellular effect Effects 0.000 claims description 3
- 210000002977 intracellular fluid Anatomy 0.000 claims description 3
- 206010033675 panniculitis Diseases 0.000 claims description 3
- 230000035515 penetration Effects 0.000 claims description 3
- 210000004304 subcutaneous tissue Anatomy 0.000 claims description 3
- 208000013016 Hypoglycemia Diseases 0.000 abstract description 6
- 239000000470 constituent Substances 0.000 abstract description 4
- 230000001105 regulatory effect Effects 0.000 abstract description 3
- 239000000243 solution Substances 0.000 description 18
- 239000000385 dialysis solution Substances 0.000 description 6
- 230000036541 health Effects 0.000 description 5
- 230000002641 glycemic effect Effects 0.000 description 3
- 238000001631 haemodialysis Methods 0.000 description 3
- 230000000322 hemodialysis Effects 0.000 description 3
- 206010067484 Adverse reaction Diseases 0.000 description 2
- 208000017667 Chronic Disease Diseases 0.000 description 2
- 208000001647 Renal Insufficiency Diseases 0.000 description 2
- 230000004913 activation Effects 0.000 description 2
- 230000006838 adverse reaction Effects 0.000 description 2
- 230000033228 biological regulation Effects 0.000 description 2
- 206010012601 diabetes mellitus Diseases 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000005764 inhibitory process Effects 0.000 description 2
- 201000006370 kidney failure Diseases 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000000378 dietary effect Effects 0.000 description 1
- 208000016097 disease of metabolism Diseases 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 208000021822 hypotensive Diseases 0.000 description 1
- 230000001077 hypotensive effect Effects 0.000 description 1
- 230000003907 kidney function Effects 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 208000030159 metabolic disease Diseases 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000001225 therapeutic effect Effects 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
- 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
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/10—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/40—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to mechanical, radiation or invasive therapies, e.g. surgery, laser therapy, dialysis or acupuncture
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- General Business, Economics & Management (AREA)
- Surgery (AREA)
- Urology & Nephrology (AREA)
- Business, Economics & Management (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Chemical & Material Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Medicinal Chemistry (AREA)
- External Artificial Organs (AREA)
Abstract
本发明提供了一种基于BCM设备的远程透析指导系统,涉及数字医疗技术领域。本发明通过MHD患者随身安装动态血糖监测装置来采集CGMS数据并根据血糖趋势发现低血糖事件,通过人体成分分析装置设置对应超滤量以减少透析中的低血压风险并采集CGMS数据;将这些数据上传至云端数据处理系统,再通过分析MHD患者的体液状态、人体成分、血糖趋势和透析中的低血压风险,并根据分析结果提供对应的管控建议;MHD患者通过执行管控建议从而在不需要直接干预透析液的成分含量的情况下,将MHD患者的血糖水平调整至满足透析需求,从而减少透析中的低血糖风险。
Description
技术领域
本发明涉及数字医疗技术领域,尤其涉及一种基于BCM设备的远程透析指导系统。
背景技术
糖尿病患者在严重时会引发肾功能衰竭,维持性血液透析(MHD)是一种常见的治疗肾脏功能衰竭的方法;然而,MHD患者常常面临在透析过程中发生低血压事件的风险;此外,由于伴随有糖尿病等血糖代谢类疾病,在透析过程中存在发生低血糖事件的风险;这些并发症的发生会对MHD患者的治疗效果和生活质量产生负面影响,需要我们及时预防、发现并处理。
然而,传统技术在进行透析治疗时,往往只能通过医师进行现场调控,存在局限性和主观性的问题;为此,现有技术(申请号为:CN201810193947.7)提供了一种用于监测透析液中葡萄糖浓度的自动化装置,该申请通过计算透析液中葡萄糖浓度控制参数P,并基于透析液中葡萄糖浓度参数P,确定透析液中葡萄糖浓度状况,将透析液中葡萄糖浓度状况发送给用户终端,以科学地确定了透析液的糖含量,避免对于患者产生损害。
但是,该申请直接干预透析液的成分含量, 需要在透析液内人为添加葡萄糖,在增加操作步骤的同时还存在一定的风险(剂量错误、添加错误、操作错误等),这些风险发生时会导致严重的不良反应,甚至是危及患者的健康。
因此,需要一种基于BCM设备的远程透析指导系统来管理MHD患者的慢性病,并通过非直接干预手段降低并发症风险。
发明内容
为解决上述技术问题,本发明提供的一种基于BCM设备的远程透析指导系统,所述系统包括:
动态血糖监测装置,用于监测透析前、透析中和透析后的血糖趋势变化,并得到患者的CGMS数据,其中,MHD患者随身安装动态血糖监测装置,持续采集CGMS数据并根据血糖趋势发现低血糖事件;
人体成分分析装置,用于评估患者的体液状态、人体成分、水分含量以及超滤量的设置,并得到BCM数据;其中,人体成分分析装置用于使用多频生物电阻测量身体组分的细胞内外液,并设置对应超滤量以减少透析中的低血压风险;
云端数据处理系统,接收MHD患者的BCM数据、CGMS数据和透析计划列表,整合建立MHD患者的云端数据档案,分析MHD患者的体液状态、人体成分、血糖趋势和透析中的低血压风险,并根据分析结果提供对应的管控建议。
作为更进一步的解决方案,所述云端数据处理系统通过如下步骤管理MHD患者的云端数据档案:
步骤A:收集MHD患者的基础相关信息并建立云端数据档案;其中,基础相关信息包括性别、年龄、透析龄、BMI、干体重、透前血压、基础疾病以及相关实验室检查结果;
步骤B:将MHD患者随身的动态血糖监测装置与云端数据档案建立匹配,持续采集CGMS数据并归档至云端数据档案中;
步骤C:每次透析前、透析中和透析后,通过人体成分分析装置得到MHD患者的BCM数据,并将BCM数据、目标超滤量和实际超滤量归档至云端数据档案中;
步骤D:使用透析计划列表对云端数据档案进行归档整理,将每次透析事件的BCM数据和CGMS数据按时间线进行编排;
步骤E:通过云端数据档案中的历史数据拟合数学模型,直至数学模型达到预测精度并将数学模型参数归档至云端数据档案中;
步骤F:重复步骤A至步骤E,并对云端数据档案中的基础相关信息、BCM数据、CGMS数据、实际超滤量、透析计划列表和数学模型参数进行持续更新。
作为更进一步的解决方案,所述云端数据处理系统使用数学模型和混合方程来分析BCM数据和CGMS数据,并根据透析计划列表分别制定MHD患者透析前、透析中和透析后的管控建议;其中,云端数据处理系统在进行管控建议时,调用MHD患者云端数据档案中的数学模型参数,并导入至数学模型进行血糖动态预测计算;管控建议包括透析进食建议、透析时间建议和析后用药建议。
作为更进一步的解决方案,所述云端数据处理系统通过如下步骤进行透析进食建议:
获取MHD患者的目标血糖水平区间和当前时间点的当前血糖水平;
获取透析时间点和当前时间点,计算时间间隔得到预测时间;
将预测时间和当前血糖水平代入数学模型,并进行血糖动态预测计算,得到透析时间点的预测血糖水平;
判断是否需要进行进食;若预测血糖水平低于目标血糖水平区间,则需要进行进食并进行下一步;否则,不需要进行进食并返回进食建议;
调整数学模型中的饮食摄入葡萄糖量,直至调整后的预测血糖水平达到目标血糖水平区间;
获取饮食摄入葡萄糖量调整值,并调取数据库中的食物营养成分,换算为对应食物的饮食摄入量并返回进食建议。
作为更进一步的解决方案,所述云端数据处理系统通过如下步骤进行透析时间建议:
获取预测血糖水平和目标血糖水平区间,当预测血糖水平低于目标血糖水平区间,则判断饮食摄入量是否合理,当预测血糖水平高于目标血糖水平区间,则计算血糖回归延迟;当预测血糖水平位于目标血糖水平区间,则无需进行透析时间调整;
判断饮食摄入量是否合理:获取MHD患者的基础相关信息,并计算该患者对应的单位时间食物的最大摄入量;获取食物的饮食摄入量和时间间隔,并计算单位时间内MHD患者食物的预测摄入量,判定预测摄入量是否低于最大摄入量,若低于则饮食摄入量合理;若不低于则调整透析时间点延后以增大时间间隔,直至预测摄入量低于最大摄入量;
计算血糖回归延迟:调整增加数学模型中的预测时间,直至将预测血糖水平调整至目标血糖水平区间,输出调整后预测时间的增量并作为血糖回归延迟;将透析时间点延后血糖回归延迟。
作为更进一步的解决方案,所述云端数据处理系统通过如下步骤进行析后用药建议:
获取MHD患者的透析时间点和用药时间点;
通过CGMS数据监测MHD患者的血糖趋势变化;
在到达透析时间点后,启动析中血糖监测,在MHD患者析中血糖水平低于低血糖事件判定值时报警,并保持用药时间点延后;
在完成透析全过程后,启动析后血糖监测,在MHD患者析后血糖水平低于低血糖事件判定值时报警,并保持用药时间点延后;
在达到用药时间点后,判断析后血糖水平是否需要进行用药;若需要,则调整析后胰岛素用药量;若不需要,则保持用药时间点延后;
其中,调整析后胰岛素用药量时,通过混合方程计算超滤量对胰岛素效应的影响,并修正胰岛素用药量刚好维持至析前的胰岛素效应。
作为更进一步的解决方案,血糖动态通过如下数学模型进行描述:
ΔBG(t) = [GLU_in - BG(t)]/ τ + [I(t) - EG(t)];
其中,ΔBG(t) 表示t时刻血糖水平的变化率,BG(t) 表示t时刻的血糖水平,GLU_in 表示通过饮食摄入葡萄糖量,τ 表示胰岛素的时间常数,I(t) 表示t时刻的胰岛素用药量,EG(t) 表示t时刻的胰岛素效应,与胰岛素用药的时间延迟和吸收速率有关。
作为更进一步的解决方案,胰岛素效应使用以下混合方程来描述:
EG(t) = K1 * I(t - δ) - K2 * BG(t) + K3*DUR (t) ;
其中:EG(t) 表示胰岛素的效应,K1 表示胰岛素的激活速率,δ 表示胰岛素的时间延迟,K2 表示血糖对胰岛素效应的抑制速率,K3表示超滤量对胰岛素效应的促进速率,DUR (t)表示t时刻透析的实际超滤量。
作为更进一步的解决方案,所述目标超滤量为医师根据BCM数据进行设置,所述实际超滤量通过如下公式计算:
DUR(t) = (UF_target / T)*t;
其中,DUR(t)表示t时刻透析的实际超滤量,UF_target 表示目标超滤量,T表示透析过程总时长,透析过程视为匀速透析。
作为更进一步的解决方案,所述动态血糖监测装置包括微小电极传感器,所述微小电极传感器埋入MHD患者皮下组织以持续监测葡萄糖的浓度;其中,所述微小电极传感器通过无线射频将葡萄糖数据传输到监测及显示设备上并进行实时监测显示。
与相关技术相比较,本发明提供的一种基于BCM设备的远程透析指导系统具有如下有益效果:
通过MHD患者随身安装动态血糖监测装置来采集CGMS数据并根据血糖趋势发现低血糖事件,通过人体成分分析装置设置对应超滤量以减少透析中的低血压风险并采集CGMS数据;将这些数据上传至云端数据处理系统,再通过分析MHD患者的体液状态、人体成分、血糖趋势和透析中的低血压风险,并根据分析结果提供对应的管控建议;MHD患者通过执行管控建议从而在不需要直接干预透析液的成分含量的情况下,将MHD患者的血糖水平调整至满足透析需求,从而减少透析中的低血糖风险。
附图说明
图1为本发明提供的一种基于BCM设备的远程透析指导系统示意图;
图2为本发明提供的一种基于BCM设备的远程透析指导步骤示意图。
具体实施方式
下面结合附图和实施方式对本发明作进一步说明。
如图1所示,一种基于BCM设备的远程透析指导系统,所述系统包括:
动态血糖监测装置,用于监测透析前、透析中和透析后的血糖趋势变化,并得到患者的CGMS数据,其中,MHD患者随身安装动态血糖监测装置,持续采集CGMS数据并根据血糖趋势发现低血糖事件;
人体成分分析装置,用于评估患者的体液状态、人体成分、水分含量以及超滤量的设置,并得到BCM数据;其中,人体成分分析装置用于使用多频生物电阻测量身体组分的细胞内外液,并设置对应超滤量以减少透析中的低血压风险;
云端数据处理系统,接收MHD患者的BCM数据、CGMS数据和透析计划列表,整合建立MHD患者的云端数据档案,分析MHD患者的体液状态、人体成分、血糖趋势和透析中的低血压风险,并根据分析结果提供对应的管控建议。
需要说明的是:低血糖是很常见的透析并发症,传统的防范透析过程中出现低血糖事件的方法,是先设置好透析超滤量,再在透析液中添加对应量的葡萄糖,从而降低MHD患者的流失;但是该方法需要直接干预透析液的成分含量,存在一定的风险(剂量错误、添加错误、操作错误等),这些风险发生时会导致严重的不良反应,甚至是危及患者的健康。
为此,本实施例通过MHD患者随身安装动态血糖监测装置来采集CGMS数据并根据血糖趋势发现低血糖事件,通过人体成分分析装置设置对应超滤量以减少透析中的低血压风险并采集CGMS数据;将这些数据上传至云端数据处理系统,再通过分析MHD患者的体液状态、人体成分、血糖趋势和透析中的低血压风险,并根据分析结果提供对应的管控建议;MHD患者通过执行管控建议从而在不需要直接干预透析液的成分含量的情况下,将MHD患者的血糖水平调整至满足透析需求,从而减少透析中的低血糖风险。
如图2所示,作为更进一步的解决方案,所述云端数据处理系统通过如下步骤管理MHD患者的云端数据档案:
步骤A:收集MHD患者的基础相关信息并建立云端数据档案;其中,基础相关信息包括性别、年龄、透析龄、BMI、干体重、透前血压、基础疾病以及相关实验室检查结果;
步骤B:将MHD患者随身的动态血糖监测装置与云端数据档案建立匹配,持续采集CGMS数据并归档至云端数据档案中;
步骤C:每次透析前、透析中和透析后,通过人体成分分析装置得到MHD患者的BCM数据,并将BCM数据、目标超滤量和实际超滤量归档至云端数据档案中;
步骤D:使用透析计划列表对云端数据档案进行归档整理,将每次透析事件的BCM数据和CGMS数据按时间线进行编排;
步骤E:通过云端数据档案中的历史数据拟合数学模型,直至数学模型达到预测精度并将数学模型参数归档至云端数据档案中;
步骤F:重复步骤A至步骤E,并对云端数据档案中的基础相关信息、BCM数据、CGMS数据、实际超滤量、透析计划列表和数学模型参数进行持续更新。
需要说明的是:在云端建立云端数据档案主要是为了收集MHD患者的个人数据,从而分析得到MHD患者的血糖趋势特征,在此基础上通过数学模型对血糖趋势进行拟合,从而得到MHD患者的数学模型参数,通过数学模型参数便能反映血糖趋势特征,从而为预测血糖水平提供个人数据支持。
作为更进一步的解决方案,所述云端数据处理系统使用数学模型和混合方程来分析BCM数据和CGMS数据,并根据透析计划列表分别制定MHD患者透析前、透析中和透析后的管控建议;其中,云端数据处理系统在进行管控建议时,调用MHD患者云端数据档案中的数学模型参数,并导入至数学模型进行血糖动态预测计算;管控建议包括透析进食建议、透析时间建议和析后用药建议。
需要说明的是:管控建议通过透析进食建议、透析时间建议和析后用药建议三个方面进行,从而确保MHD患者透析前、透析中和透析后都能保持健康状态,全过程避免发生低血糖事件,通过数学模型进行血糖动态预测计算,变得得到具备MHD患者个人特质的血糖水平预测值,从而使建议更具针对性,并且全程均为生活指导,避免直接干预患者体液导致的风险问题。
作为更进一步的解决方案,所述云端数据处理系统通过如下步骤进行透析进食建议:
获取MHD患者的目标血糖水平区间和当前时间点的当前血糖水平;
获取透析时间点和当前时间点,计算时间间隔得到预测时间;
将预测时间和当前血糖水平代入数学模型,并进行血糖动态预测计算,得到透析时间点的预测血糖水平;
判断是否需要进行进食;若预测血糖水平低于目标血糖水平区间,则需要进行进食并进行下一步;否则,不需要进行进食并返回进食建议;
调整数学模型中的饮食摄入葡萄糖量,直至调整后的预测血糖水平达到目标血糖水平区间;
获取饮食摄入葡萄糖量调整值,并调取数据库中的食物营养成分,换算为对应食物的饮食摄入量并返回进食建议。
需要说明的是:为了避免直接干预透析液中的葡萄糖含量,本实施例通过数学模型进行血糖动态预测计算,从的得到透析时间点的预测血糖水平,再据此进行饮食摄入葡萄糖量的调节,从而指导病人在透析前通过饮食调节将血糖水平调节至最佳状态。
作为更进一步的解决方案,所述云端数据处理系统通过如下步骤进行透析时间建议:
获取预测血糖水平和目标血糖水平区间,当预测血糖水平低于目标血糖水平区间,则判断饮食摄入量是否合理,当预测血糖水平高于目标血糖水平区间,则计算血糖回归延迟;当预测血糖水平位于目标血糖水平区间,则无需进行透析时间调整;
判断饮食摄入量是否合理:获取MHD患者的基础相关信息,并计算该患者对应的单位时间食物的最大摄入量;获取食物的饮食摄入量和时间间隔,并计算单位时间内MHD患者食物的预测摄入量,判定预测摄入量是否低于最大摄入量,若低于则饮食摄入量合理;若不低于则调整透析时间点延后以增大时间间隔,直至预测摄入量低于最大摄入量;
计算血糖回归延迟:调整增加数学模型中的预测时间,直至将预测血糖水平调整至目标血糖水平区间,输出调整后预测时间的增量并作为血糖回归延迟;将透析时间点延后血糖回归延迟。
需要说明的是:为了使透析时的血糖水平最佳,因此,在调节饮食的基础上,还需要对透析时间进行控制调节,从而保证MHD患者能在最佳状态下开始透析治疗。
作为更进一步的解决方案,所述云端数据处理系统通过如下步骤进行析后用药建议:
获取MHD患者的透析时间点和用药时间点;
通过CGMS数据监测MHD患者的血糖趋势变化;
在到达透析时间点后,启动析中血糖监测,在MHD患者析中血糖水平低于低血糖事件判定值时报警,并保持用药时间点延后;
在完成透析全过程后,启动析后血糖监测,在MHD患者析后血糖水平低于低血糖事件判定值时报警,并保持用药时间点延后;
在达到用药时间点后,判断析后血糖水平是否需要进行用药;若需要,则调整析后胰岛素用药量;若不需要,则保持用药时间点延后;
其中,调整析后胰岛素用药量时,通过混合方程计算超滤量对胰岛素效应的影响,并修正胰岛素用药量刚好维持至析前的胰岛素效应。
需要说明的是:由于透析会导致体液的流失、对肾脏功能的改变和体液成分的变化,会使得MHD患者的对胰岛素效应也相应发生变化,但是这些变化患者自己是很难进行衡量察觉的,大多数患者都是在固定时间固定剂量注射胰岛素制剂,所以我们需要针对这些变化,指导MHD患者对用药时间点和胰岛素用药量进行调节,以避免低血糖事件的发生。
作为更进一步的解决方案,血糖动态通过如下数学模型进行描述:
ΔBG(t) = [GLU_in - BG(t)]/ τ + [I(t) - EG(t)];
其中,ΔBG(t) 表示t时刻血糖水平的变化率,BG(t) 表示t时刻的血糖水平,GLU_in 表示通过饮食摄入葡萄糖量,τ 表示胰岛素的时间常数,I(t) 表示t时刻的胰岛素用药量,EG(t) 表示t时刻的胰岛素效应,与胰岛素用药的时间延迟和吸收速率有关。
作为更进一步的解决方案,胰岛素效应使用以下混合方程来描述:
EG(t) = K1 * I(t - δ) - K2 * BG(t) + K3*DUR (t) ;
其中:EG(t) 表示胰岛素的效应,K1 表示胰岛素的激活速率,δ 表示胰岛素的时间延迟,K2 表示血糖对胰岛素效应的抑制速率,K3表示超滤量对胰岛素效应的促进速率,DUR (t)表示t时刻透析的实际超滤量。
作为更进一步的解决方案,所述目标超滤量为医师根据BCM数据进行设置,所述实际超滤量通过如下公式计算:
DUR(t) = (UF_target / T)*t;
其中,DUR(t)表示t时刻透析的实际超滤量,UF_target 表示目标超滤量,T表示透析过程总时长,透析过程视为匀速透析。
作为更进一步的解决方案,所述动态血糖监测装置包括微小电极传感器,所述微小电极传感器埋入MHD患者皮下组织以持续监测葡萄糖的浓度;其中,所述微小电极传感器通过无线射频将葡萄糖数据传输到监测及显示设备上并进行实时监测显示。
需要说明的是:本实施例系统的管理建议不仅限于超滤量和血糖控制,还包括了关于饮食摄入、时间安排和药物治疗的个性化建议。这些建议旨在改善透析患者的整体健康状况,促进他们的康复和生活质量。本实施例创新性方法综合考虑了患者的整体健康,使系统能够更好地满足患者的需求,提高他们的生活质量,并且避免直接干预患者体液成分带来的潜在风险。
在一个具体的实施例中,本申请方案通过某市科技局重大科技应用示范项目在某区人民医院进行试点内测,建立了穿戴式远程实时血糖监测管理系统,医联体内慢病管理队列及指导系统(云端数据处理分析建议),通过医联体单位医生端及三级医院医生端的多终端显示患者动态血糖,实现院内外多级诊疗机构(社区、二级和三级医院)数据共享、上下联动血糖管理;通过对MHD患者监测透析前、中、后血糖变化,进一步分析血糖与透析中并发症之间的关系,同时便于及早发现低血糖,目前已经纳入管理50余例患者。
其中,上述各实施例所使用的英文缩写意义分别为:BMI表示Body Mass Index的缩写,即身体质量指数;BCM表示Body Composition Monitor的缩写,即人体成分分析装置;CGMS表示对Continuous Glucose Monitoring System的缩写,即动态血糖监测装置;MHD表示Maintenance Hemodialysis的缩写,即血液透析。
以上仅为本发明的实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其它相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (7)
1.一种基于BCM设备的远程透析指导系统,其特征在于,所述系统包括:
动态血糖监测装置,用于监测透析前、透析中和透析后的血糖趋势变化,并得到患者的CGMS数据,其中,MHD患者随身安装动态血糖监测装置,持续采集CGMS数据并根据血糖趋势发现低血糖事件;
人体成分分析装置,用于评估患者的体液状态、人体成分、水分含量以及超滤量的设置,并得到BCM数据;其中,人体成分分析装置用于使用多频生物电阻测量身体组分的细胞内外液,并设置对应超滤量以减少透析中的低血压风险;
云端数据处理系统,接收MHD患者的BCM数据、CGMS数据和透析计划列表,整合建立MHD患者的云端数据档案,分析MHD患者的体液状态、人体成分、血糖趋势和透析中的低血压风险,并根据分析结果提供对应的管控建议,其中,所述云端数据处理系统通过如下步骤管理MHD患者的云端数据档案:
步骤A:收集MHD患者的基础相关信息并建立云端数据档案;其中,基础相关信息包括性别、年龄、透析龄、BMI、干体重、透前血压、基础疾病以及相关实验室检查结果;
步骤B:将MHD患者随身的动态血糖监测装置与云端数据档案建立匹配,持续采集CGMS数据并归档至云端数据档案中;
步骤C:每次透析前、透析中和透析后,通过人体成分分析装置得到MHD患者的BCM数据,并将BCM数据、目标超滤量和实际超滤量归档至云端数据档案中;
步骤D:使用透析计划列表对云端数据档案进行归档整理,将每次透析事件的BCM数据和CGMS数据按时间线进行编排;
步骤E:通过云端数据档案中的历史数据拟合数学模型,直至数学模型达到预测精度并将数学模型参数归档至云端数据档案中,其中,所述云端数据处理系统使用数学模型和混合方程来分析BCM数据和CGMS数据,并根据透析计划列表分别制定MHD患者透析前、透析中和透析后的管控建议;其中,云端数据处理系统在进行管控建议时,调用MHD患者云端数据档案中的数学模型参数,并导入至数学模型进行血糖动态预测计算;管控建议包括透析进食建议、透析时间建议和析后用药建议;所述云端数据处理系统通过如下步骤进行透析进食建议:
获取MHD患者的目标血糖水平区间和当前时间点的当前血糖水平;
获取透析时间点和当前时间点,计算时间间隔得到预测时间;
将预测时间和当前血糖水平代入数学模型,并进行血糖动态预测计算,得到透析时间点的预测血糖水平;
判断是否需要进行进食;若预测血糖水平低于目标血糖水平区间,则需要进行进食并进行下一步;否则,不需要进行进食并返回进食建议;
调整数学模型中的饮食摄入葡萄糖量,直至调整后的预测血糖水平达到目标血糖水平区间;
获取饮食摄入葡萄糖量调整值,并调取数据库中的食物营养成分,换算为对应食物的饮食摄入量并返回进食建议;
步骤F:重复步骤A至步骤E,并对云端数据档案中的基础相关信息、BCM数据、CGMS数据、实际超滤量、透析计划列表和数学模型参数进行持续更新。
2.根据权利要求1所述的一种基于BCM设备的远程透析指导系统,其特征在于,所述云端数据处理系统通过如下步骤进行透析时间建议:
获取预测血糖水平和目标血糖水平区间,当预测血糖水平低于目标血糖水平区间,则判断饮食摄入量是否合理,当预测血糖水平高于目标血糖水平区间,则计算血糖回归延迟;当预测血糖水平位于目标血糖水平区间,则无需进行透析时间调整;
判断饮食摄入量是否合理:获取MHD患者的基础相关信息,并计算该患者对应的单位时间食物的最大摄入量;获取食物的饮食摄入量和时间间隔,并计算单位时间内MHD患者食物的预测摄入量,判定预测摄入量是否低于最大摄入量,若低于则饮食摄入量合理;若不低于则调整透析时间点延后以增大时间间隔,直至预测摄入量低于最大摄入量;
计算血糖回归延迟:调整增加数学模型中的预测时间,直至将预测血糖水平调整至目标血糖水平区间,输出调整后预测时间的增量并作为血糖回归延迟;将透析时间点延后血糖回归延迟。
3.根据权利要求2所述的一种基于BCM设备的远程透析指导系统,其特征在于,所述云端数据处理系统通过如下步骤进行析后用药建议:
获取MHD患者的透析时间点和用药时间点;
通过CGMS数据监测MHD患者的血糖趋势变化;
在到达透析时间点后,启动析中血糖监测,在MHD患者析中血糖水平低于低血糖事件判定值时报警,并保持用药时间点延后;
在完成透析全过程后,启动析后血糖监测,在MHD患者析后血糖水平低于低血糖事件判定值时报警,并保持用药时间点延后;
在达到用药时间点后,判断析后血糖水平是否需要进行用药;若需要,则调整析后胰岛素用药量;若不需要,则保持用药时间点延后;
其中,调整析后胰岛素用药量时,通过混合方程计算超滤量对胰岛素效应的影响,并修正胰岛素用药量刚好维持至析前的胰岛素效应。
4.根据权利要求1所述的一种基于BCM设备的远程透析指导系统,其特征在于,血糖动态通过如下数学模型进行描述:
ΔBG(t) = [GLU_in - BG(t)]/ τ + [I(t) - EG(t)];
其中,ΔBG(t) 表示t时刻血糖水平的变化率,BG(t) 表示t时刻的血糖水平,GLU_in表示通过饮食摄入葡萄糖量,τ 表示胰岛素的时间常数,I(t) 表示t时刻的胰岛素用药量,EG(t) 表示t时刻的胰岛素效应,与胰岛素用药的时间延迟和吸收速率有关。
5.根据权利要求4所述的一种基于BCM设备的远程透析指导系统,其特征在于,胰岛素效应使用以下混合方程来描述:
EG(t) = K1 * I(t - δ) - K2 * BG(t) + K3*DUR (t) ;
其中:EG(t) 表示胰岛超滤量。
6.根据权利要求5所述的一种基于BCM设备的远程透析指导系统,其特征在于,所述目标超滤量为医师根据BCM数据进行设置,所述实际超滤量通过如下公式计算:
DUR(t) = (UF_target / T)*t;
其中,DUR(t)表示t时刻透析的实际超滤量,UF_target表示目标超滤量,T表示透析过程总时长,透析过程视为匀速透析。
7.根据权利要求1所述的一种基于BCM设备的远程透析指导系统,其特征在于,所述动态血糖监测装置包括微小电极传感器,所述微小电极传感器埋入MHD患者皮下组织以持续监测葡萄糖的浓度;其中,所述微小电极传感器通过无线射频将葡萄糖数据传输到监测及显示设备上并进行实时监测显示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410038749.9A CN117558435B (zh) | 2024-01-11 | 2024-01-11 | 一种基于bcm设备的远程透析指导系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410038749.9A CN117558435B (zh) | 2024-01-11 | 2024-01-11 | 一种基于bcm设备的远程透析指导系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117558435A CN117558435A (zh) | 2024-02-13 |
CN117558435B true CN117558435B (zh) | 2024-03-19 |
Family
ID=89818914
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410038749.9A Active CN117558435B (zh) | 2024-01-11 | 2024-01-11 | 一种基于bcm设备的远程透析指导系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117558435B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104769597A (zh) * | 2012-11-08 | 2015-07-08 | 弗雷森纽斯医疗护理德国有限责任公司 | 用于监视病人的治疗的设备和方法 |
CN105160199A (zh) * | 2015-09-30 | 2015-12-16 | 刘毅 | 基于持续血糖监测并具有干预信息的糖尿病管理信息处理和展示方法 |
CN105559071A (zh) * | 2016-01-12 | 2016-05-11 | 刘保惠 | 一种适用于肾病的特殊医学用途配方食品及其制备方法 |
WO2017035024A1 (en) * | 2015-08-21 | 2017-03-02 | Medtronic Minimed, Inc. | Data analytics and insight delivery for the management and control of diabetes |
CN207199314U (zh) * | 2017-09-21 | 2018-04-06 | 北京极简时代软件科技有限公司 | 远程随诊检测系统 |
CN110354255A (zh) * | 2013-04-03 | 2019-10-22 | 赛诺菲 | 通过长效胰岛素制剂治疗糖尿病 |
CN110718302A (zh) * | 2019-10-22 | 2020-01-21 | 江苏健康无忧网络科技有限公司 | 一种基于大数据的糖尿病管理路径的系统 |
CN113454731A (zh) * | 2019-02-11 | 2021-09-28 | 费森尤斯医疗护理德国有限责任公司 | 在治疗机器上实现的治疗共享方法 |
CN114616004A (zh) * | 2019-10-25 | 2022-06-10 | 费森尤斯医疗护理德国有限责任公司 | 具有连续的葡萄糖监控的透析系统 |
CN115662617A (zh) * | 2022-10-24 | 2023-01-31 | 重庆联芯致康生物科技有限公司 | 基于cgm的结果病情预测系统及其预测方法 |
CN116453652A (zh) * | 2023-04-13 | 2023-07-18 | 北京大学深圳医院(北京大学深圳临床医学院) | 糖尿病患者饮食量控制方法、装置、计算机设备及其存储介质 |
CN117219293A (zh) * | 2023-09-25 | 2023-12-12 | 西安市第五医院(西安市风湿病研究所、西安市中西医结合研究所) | 一种类风湿糖尿病胰岛素抵抗监测与干预方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2389945A1 (en) * | 2010-05-28 | 2011-11-30 | Sanofi-Aventis Deutschland GmbH | Pharmaceutical composition comprising AVE0010 and insulin glargine |
US20230263434A1 (en) * | 2022-02-23 | 2023-08-24 | Dexcom, Inc. | Sensing systems and methods for providing decision support around kidney health and/or diabetes |
-
2024
- 2024-01-11 CN CN202410038749.9A patent/CN117558435B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104769597A (zh) * | 2012-11-08 | 2015-07-08 | 弗雷森纽斯医疗护理德国有限责任公司 | 用于监视病人的治疗的设备和方法 |
CN110354255A (zh) * | 2013-04-03 | 2019-10-22 | 赛诺菲 | 通过长效胰岛素制剂治疗糖尿病 |
WO2017035024A1 (en) * | 2015-08-21 | 2017-03-02 | Medtronic Minimed, Inc. | Data analytics and insight delivery for the management and control of diabetes |
CN105160199A (zh) * | 2015-09-30 | 2015-12-16 | 刘毅 | 基于持续血糖监测并具有干预信息的糖尿病管理信息处理和展示方法 |
CN105559071A (zh) * | 2016-01-12 | 2016-05-11 | 刘保惠 | 一种适用于肾病的特殊医学用途配方食品及其制备方法 |
CN207199314U (zh) * | 2017-09-21 | 2018-04-06 | 北京极简时代软件科技有限公司 | 远程随诊检测系统 |
CN113454731A (zh) * | 2019-02-11 | 2021-09-28 | 费森尤斯医疗护理德国有限责任公司 | 在治疗机器上实现的治疗共享方法 |
CN110718302A (zh) * | 2019-10-22 | 2020-01-21 | 江苏健康无忧网络科技有限公司 | 一种基于大数据的糖尿病管理路径的系统 |
CN114616004A (zh) * | 2019-10-25 | 2022-06-10 | 费森尤斯医疗护理德国有限责任公司 | 具有连续的葡萄糖监控的透析系统 |
CN115662617A (zh) * | 2022-10-24 | 2023-01-31 | 重庆联芯致康生物科技有限公司 | 基于cgm的结果病情预测系统及其预测方法 |
CN116453652A (zh) * | 2023-04-13 | 2023-07-18 | 北京大学深圳医院(北京大学深圳临床医学院) | 糖尿病患者饮食量控制方法、装置、计算机设备及其存储介质 |
CN117219293A (zh) * | 2023-09-25 | 2023-12-12 | 西安市第五医院(西安市风湿病研究所、西安市中西医结合研究所) | 一种类风湿糖尿病胰岛素抵抗监测与干预方法 |
Non-Patent Citations (5)
Title |
---|
持续葡萄糖监测系统联合胰岛素泵对2型糖尿病患者血糖控制的效果观察;房宇;大医生;20231205;第8卷(第23期);131-133 * |
糖尿病肾病透析患者低血糖发生原因及护理干预措施;康秀梅;;临床医学研究与实践;20170130(第03期);152-153 * |
系统控制理论在医学领域中的应用;阿部裕, 井上通敏, 黄秉宪;机器人;19800918(05);51-58 * |
维持性血液透析患者透析中低血压事件高危因素的临床分析;邓菲;洪大情;冯静;蒲蕾;王蔚;王莉;淮海医药;20160720;第34卷(第4期);416-418 * |
透析过程中低血压的防控与研究进展;邓菲;何强;王莉;淮海医药;20160920;第34卷(第5期);623-626 * |
Also Published As
Publication number | Publication date |
---|---|
CN117558435A (zh) | 2024-02-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Christiansen et al. | Accuracy of a fourth-generation subcutaneous continuous glucose sensor | |
RU2672121C2 (ru) | Способ и система контроля коэффициента настройки в связи с заменой датчика для контроллера с обратной связью при искусственной поджелудочной железе | |
RU2641976C2 (ru) | Способ и система обработки ручного болюсного введения или введения в соответствии с приемом пищи в контроллерах с обратной связью | |
RU2524121C2 (ru) | Система для введения пациенту медикаментов на основе показателей мочи и способ | |
US10188796B2 (en) | Method and system for management of diabetes with a glucose monitor and infusion pump to provide feedback on bolus dosing | |
US20180043095A1 (en) | Method and system for closed-loop control of an artificial pancreas | |
EP2516671B1 (en) | Systems for managing drug delivery devices | |
JP6312696B2 (ja) | 人工膵臓の閉ループコントローラ調整のための方法及びシステム | |
EP2399205B1 (en) | Cgm-based prevention of hypoglycemia via hypoglycemia risk assessment and smooth reduction insulin delivery | |
CN107715230A (zh) | 基于云端大数据的胰岛素泵个体化配置优化系统和方法 | |
JP2010519537A (ja) | 頻繁な血中グルコースの入力を使用する炭水化物比率検査 | |
TR201807154T4 (tr) | Bir hastanın insülin dozaj rejiminin optimize edilmesi için aparat. | |
CN110289094B (zh) | 一种基于专家规则的胰岛素精准给药决策方法 | |
CA2802271A1 (en) | Method and/or system for determining blood glucose reference sample times | |
US20110276341A1 (en) | System and method for automatic drug prescription | |
CN117558435B (zh) | 一种基于bcm设备的远程透析指导系统 | |
Cescon et al. | Linear modeling and prediction in diabetes physiology | |
US10803983B2 (en) | System and method for auto-regulating drug administration for achieving artificial homeostasis | |
Cescon et al. | Subspace-based model identification of diabetic blood glucose dynamics | |
Zisser et al. | Restoring euglycemia in the basal state using continuous glucose monitoring in subjects with type 1 diabetes mellitus | |
Spanakis et al. | Diabetes management: Devices, ICT technologies and future perspectives | |
Pozhar et al. | Control methods in automated glycemia maintaining system | |
Podchasov | Development of Failure Model for Reliability Increment of Automated Mechatronical Insulin Pumps | |
CN115868977A (zh) | 用于血糖控制的信息的生成方法、第一用户端 | |
Elena et al. | ABOUT USING MODERN TECHNOLOGIES AIDED MONITORING OF GLYCEMIC CONTROL IN THE TYPE I DIABETES IN UKRAINE |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |