FI112545B - Menetelmä ja järjestelmä potilaan veren glykosyloidun hemoglobiinikomponentin tason ennustamiseksi - Google Patents

Menetelmä ja järjestelmä potilaan veren glykosyloidun hemoglobiinikomponentin tason ennustamiseksi Download PDF

Info

Publication number
FI112545B
FI112545B FI972292A FI972292A FI112545B FI 112545 B FI112545 B FI 112545B FI 972292 A FI972292 A FI 972292A FI 972292 A FI972292 A FI 972292A FI 112545 B FI112545 B FI 112545B
Authority
FI
Finland
Prior art keywords
level
model
blood glucose
hemoglobin component
glycosylated hemoglobin
Prior art date
Application number
FI972292A
Other languages
English (en)
Swedish (sv)
Other versions
FI972292A (fi
FI972292A0 (fi
Inventor
Pekka Heinonen
Mikko Maekipaeae
Original Assignee
Nokia Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Nokia Corp filed Critical Nokia Corp
Priority to FI972292A priority Critical patent/FI112545B/fi
Publication of FI972292A0 publication Critical patent/FI972292A0/fi
Priority to EP98660040A priority patent/EP0881495B1/en
Priority to DK98660040T priority patent/DK0881495T3/da
Priority to DE69817446T priority patent/DE69817446T2/de
Priority to KR1019980018039A priority patent/KR100857191B1/ko
Priority to US09/082,744 priority patent/US6421633B1/en
Priority to JP14737898A priority patent/JP4523082B2/ja
Publication of FI972292A publication Critical patent/FI972292A/fi
Application granted granted Critical
Publication of FI112545B publication Critical patent/FI112545B/fi

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
    • G01N33/66—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving blood sugars, e.g. galactose
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
    • G01N33/72—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving blood pigments, e.g. haemoglobin, bilirubin or other porphyrins; involving occult blood
    • G01N33/721—Haemoglobin
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2800/00—Detection or diagnosis of diseases
    • G01N2800/52—Predicting or monitoring the response to treatment, e.g. for selection of therapy based on assay results in personalised medicine; Prognosis

Description

11254ς
Menetelmä ja järjestelmä potilaan veren glykosyloidun hemoglobiinikomponentin tason ennustamiseksi - Förfarande och system för att förutsäga nivan av en glykosylerad hemoglobinkomponent i en patients blod 5 Esillä oleva keksintö liittyy diabeteksen hallintaan, ja tarkemmin sanottuna menetelmään ja laitteeseen diabeteksen hoidon tehokkuuden valvontaan.
Diabeteksen hoidossa potilas joutuu tarkistamaan säännöllisin välein verensä glukoositason käyttäen itsetestausvälineitä. Vertaamalla itsetestin tulosta siihen 10 veren glukoositasoon jota hän pitää normaalina, potilas voi arvioida sen insuliinimäärän jota tulisi käyttää hänen verensä glukoositason palauttamiseksi kohti tuota normaalitasoa. Tähän tarkoitukseen käytetyistä Itsetestaussarjoista on nykyään tullut hyvin edistyksellisiä ja luotettavia, ja ne tarjoavat erinomaisen välineen diabeteksen valvontaan lyhyellä aikavälillä. Diabetespotilaat voivat 15 kuitenkin kärsiä sairaudestaan johtuvista ongelmista, jotka ilmenevät vasta pitkällä aikavälillä. Yksittäinen, itsetestauksella saatu veren glukoosin mittaustulos antaa vähän tai ei lainkaan viitteitä sellaisten pitkän aikavälin ongelmien ilmaantumisesta.
. , 20 Diabetespotilaiden perusongelma liittyy veren sisältämän sokerin siirtymiseen . / solukalvojen läpi. Tämä ongelma puolestaan tekee keholle vaikeaksi pitää veren , . sokeritasoja oikealla tasolla. Liika veren sokeri (esim. koska potilas on ,·, j ruiskuttanut liian vähän insuliinia), ja potilaasta tulee hyperglykeeminen, kun taas ;·, liian alhainen sokeripitoisuus (esim. koska potilas on ruiskuttanut liikaa insuliiniä) . 25 voi saada potilaan tulemaan hypoglykeemiseksi. Varsinkin liian korkeat veren sokeripitoisuudet johtavat sokerin yhtymiseen proteiiniin, tuloksena glykosyloidun proteiinin muodostuminen. Glykosyloitu proteiini on oleellisesti liukenematonta ja : ” : se aiheuttaa laskimoiden ja valtimoiden seinämien paksunemista, sekä hermojen rasvakerroksen paksunemista.
Eräs tietty glykosyloidun proteiinin muoto on glykosyloitu hemoglobiini. Koska glykosyloidulla hemoglobiinilla on taipumus säilyä veressä kauan, se tarjoaa erinomaisen veren glykosyloidun proteiinin tason ilmaisimen, ja näin ollen potilaan . , 30 2 Λ Ί ·": r ή r: ! I ,.: Ή w noudattaman hoitotavan tehokkuuden ilmaisimen, sekä luonnollisesti ilmaisee miten hyvin potilas noudattaa kyseistä hoitoa.
Glykosyloitu hemoglobiini koostuu kolmesta komponentista: nimittäin HhA^, 5 HbAiB ja HbAic. Varsinkin HbA1c-taso mitataan yleisesti laboratoriotesteissä tiedon saamiseksi diabeteshoidon tehokkuudesta pitkällä aikavälillä. HbAiC-taso kuvastaa veren glukoosin hoidon tehokkuutta HbAic-tason mittausta edeltävien 6 - 8 viikon aikana. On osoittautunut, että alhainen HbA^-taso potilaan veressä on hyvä osoitus siitä, että hoitomuoto on tehokas ja että glykosyloituun ίο hemoglobiiniin liittyvien seurannaisongelmien riski on vähäinen. Terveen henkilön veressä HbA1c-taso on välillä 4 - 6 % kokonaishemoglobiinista, kun taas diabeetikolla taso voi olla huomattavasti korkeampi (esim. yli 8 %). HbAic-tasoa diabeetikon veressä pyritään yleensä alentamaan 6 % ja 7 % välille.
15 Terveydenhoitopalvelujen usein niukoista voimavaroista johtuen, sekä mukavuus- • · • ': ja käytännön syistä, potilaan veren HbAic-taso testataan yleensä vain 3 tai 4 kuukauden välein. Kuitenkin, ottaen huomioon että HbAic-taso kuvastaa hoidon ; ; tehokkuutta edeltävien 6 - 8 viikon aikana, pitkät tehottomat hoitojaksot, ja niistä ; : johtuvat haitat potilaan terveydelle, saattavat jäädä havaitsematta nykyisiä ... 20 testausvälejä käytettäessä.
. . Artikkeli 'a Theoretical Model to Predict the Behaviour of Glycosylated
Hemoglobin Levels', jonka on kirjoittanut Kirk W. Beach, J. Theor. Biol. (1979) 81,547-561, kuvaa matemaattista mallia veren glykosyloidun hemoglobiinin tason ;;; 25 ennustamiseksi veren glukoositason perusteella. Tämä malli on kuitenkin erittäin karkea ja siinä käytetään sitä yksinkertaistusta että veren glukoositaso on joko :.: vakio ja muuttuu vain lukumäärältään vähäisin yksittäisin portain, tai vaihtelee sinimuotoisesti. Mallin soveltamiseen todellisen potilaaseen liittyy voimakas veren glukoositasojen käyttäytymisen yliyksinkertaistus.
Esillä olevan keksinnön tarkoituksena on poistaa tunnettujen diabeteksen hallintatekniikkojen haitat tai ainakin pienentää niitä.
30 3 ιν;π/<κ
Esillä olevan keksinnön tarkoituksena on edelleen tarjota menetelmä ja laite joilla saadaan oleellisesti jatkuva estimaatti glykosyloidun hemoglobiinikomponentin tasoista.
5 Esillä olevan keksinnön erään ensimmäisen muodon mukaan, esitetään menetelmä potilaan veren glykosyloidun hemoglobiinin tason ennustamiseksi käyttäen aikaisemmin mitattuja veren glukoosin ja glykosyloidun hemoglobiini-komponentin tasoja, joka menetelmä käsittää: matemaattisen mallin johtamisen glykosyloidun hemoglobiinikomponentin 10 tason käyttäytymiselle suhteessa veren glukoosin tasoon, käyttäen aikaisemmin mitattuja tasoja; mallin päivittämisen kun uusi glykosyloidun hemoglobiinikomponentin taso mitataan, käyttäen kyseistä uutta mittausta ja tuoreita uusia veren glukoosin tason mittaustuloksia; ja 15 matemaattisen mallin soveltamisen glykosyloidun hemoglobiinikomponentin ; / tason ennustamiseen kyseisten tasojen mittausten välillä, käyttäen edellisen ; , glykosyloidun hemoglobiinikomponentin tason mittauksen jälkeen saatuja uusia , ; veren glukoosin tason mittaustuloksia.
20 Veren glukoosin tason mittaukset tehdään tyypillisesti huomattavasti tiheämmin kuin glykosyloidun hemoglobiinikomponentin tason mittaukset. Esillä olevan •, ·. keksinnön mukaista menetelmää voidaan siksi käyttää ennustamaan sen hetkistä : ·. glykosyloidun hemoglobiinikomponentin tasoa potilaan veressä käyttämällä veren glukoosin tason mittaustuloksia jotka on saatu edellisen glykosyloidun '.'.'.'is hemoglobiinikomponentin tason mittauksen jälkeen. Koska malli päivitetään joka kerran kun uusi HbAurmittaus tehdään, malli pystyy jäljittämään potilaan : ] fysiologiasta sellaisia muutoksia jotka saavat HbA1c -tason muuttumaan glukoosin tasoon nähden. Myös muutokset veren glukoosin mittaustavassa, esim. ajat joina potilas suorittaa veren glukoosin mittaukset, voidaan ottaa huomioon.
Matemaattinen malli on edullisesti parametrinen tai puoliparametrinen malli, jossa malli määritetään yhdellä tai useammalla kertoimella ja mallin yhtälöllä, jotka suhteuttavat veren glukoosin tason glykosyloidun hemoglobiinikomponentin 30 4 i I ¢..,. V. 's> tasoon. Vielä edullisemmin, mallin yhtälö suhteuttaa glykosyloidun hemoglobiini-komponentin tason yhteen tai useampaan parametriin, jotka kuvaavat, ainakin osittain, veren glukoosin tason käyttäytymistä (esim. jakaumaa) edeltävän, suhteellisen lyhyen aikavälin aikana.
5
Mallin yhtälö voi olla lineaarinen yhtälö, jolloin mainitut mallin kertoimet ovat yhtälön lineaarisia kertoimia. Lineaarinen yhtälö on muotoa:
y= pA + P2ih+-+Pqhq + C
10 jossa yön ennustettu glykosyloitu hemoglobiinikomponenttitaso, p:t ovat lineaarisen mallin kertoimia , h:t ovat veren glukoositason käyttäytymistä kuvaavat parametrit, ja c on vakio.
.15 Veren glukoosin tason käyttäytymistä mainittuina lyhyinä aikaväleinä voidaan . ·’ Y edullisesti kuvata käyttäen yhtä tai useampaa Gaussin käyrää, jotka mallintavat : veren glukoosin tason mittausten jakaumaa. Mainitut yksi tai useampi parametri , ·. : (h) voidaan valita Gaussin funktion/funktioiden keskiarvoista, varianssista ja ; * ·,. amplitudista, tai voidaan johtaa niistä.
Kun kyseessä on parametrinen tai puoliparametrinen maili, mallia voidaan : Y: päivittää jokaisen glykosyloidun hemoglobiinikomponentin tason mittauksen jälkeen laskemalla uudestaan mainitut mallin kertoimet (h). Eräässä esillä olevan , .·. keksinnön vaihtoehtoisessa toteutusmuodossa parametrisen mallin kertoimet ' ’' ;25 mukautetaan jokaisen glykolisoidun hemoglobiinikomponentin tason mittauksen jälkeen käyttäen adaptiivista algoritmia. Eräs sopiva adaptiivinen algoritmi on , Y Widrow'in algoritmi. Tällaiset adaptiiviset algoritmit järjestetään pienentämään ennustetun glykolisoidun hemoglobiinitason ja mitatun glykolisoidun hemoglobiini-tason välistä virhettä.
Edellä mainitun esillä olevan keksinnön ensimmäisen toteutusmuodon mukaista menetelmää käyttäen ennustettu glykosyloitu hemoglobiinikomponentti on joku 30 5 112545 komponenteista HbAiA, HbAiB ja HbAiC. Kuitenkin ennustettu komponentti on edullisesti HbAic.
Edellä mainitun esillä olevan keksinnön ensimmäisen muodon mukainen 5 menetelmä voi käsittää: mitattujen glukoositasojen lähettämisen langattoman tiedonsiirtolinkin välityksellä potilaan käytettävissä olevalta etäasemalta tietojenkäsittelyn keskusasemalle; mainittujen vaiheiden suorittamisen, käsittäen matemaattisen mallin ίο johtamisen, mallin päivittämisen, ja glykosyloidun hemoglobiinikomponentin ennustamisen tietojenkäsittelyn keskusasemalla käyttäen lähetettyjä mittaustuloksia ja keskusasemalla tallennettuna olevia aikaisempia mittaustietoja.; ja ennustetun glykosyloidun hemoglobiinikomponentin tason lähettämisen 15 takaisin etäasemalle langattoman tiedonsiirtolinkin välityksellä.
'·' Etäasema on edullisesti matkapuhelin tai kaksisuuntainen henkilöhakulaite, jolloin langattoman tiedonsiirtolinkin muodostaa matkapuhelinverkko. Esimerkiksi, ’; : puhelinverkko voi olla GSM -verkko ja tiedot voidaan välittää lyhytsanoma- ... 20 palvelun (SMS) kautta. On ymmärrettävä että ilmaisu'matkapuhelin', niin kuin sitä tässä käytetään, tarkoittaa mitä tahansa kannettavaa laitetta, joka hyödyntää . . langatonta puhelinliikennettä, mukaan lukien perinteiset soluverkkojen , ·; . puhelimet/henkilökohtainen avustaja- (PDA-) laitteet.
;;; 25 Vaihtoehtoisesti, menetelmä voi käsittää kaikkien edellä mainitun esillä olevan keksinnön ensimmäisen muodon mukaisen menetelmän vaiheiden suorittamisen ' · .: siirrettävässä valvontalaitteessa.
On ymmärrettävä, että esillä olevan keksinnön menetelmää voidaan soveltaa 30 vereen, joka on otettu ihmis- tai eläinpotilaalta.
6 112345
Esillä olevan keksinnön erään toisen muodon mukaan esitetään menetelmä potilaan veren glykosyloidun hemoglobiinikomponentin tason ennustamiseksi, joka menetelmä käsittää vaiheet: glukoositasojen mittaustuloksen lähettämisen etäasemalta tietojenkäsittelyn 5 keskusasemalle; potilaan veren glykosyloidun hemoglobiinikomponentin tason ennustamisen keskusasemalla käyttäen mainittuja lähetettyjä mittaustuloksia ja glykosyloidun hemoglobiinikomponentin tason ja veren glukoositason suhteen matemaattista mallia; ja ίο glykosyloidun hemoglobiinikomponentin tason lähettämisen keskusasemalta etäasemalle.
Esillä olevan keksinnön erään kolmannen muodon mukaan esitetään järjestelmä potilaan veren glykosyloidun hemoglobiinikomponentin tason ennustamiseksi 15 käyttäen aikaisemmin mitattuja veren glukoosin ja glykosyloidun :, ‘ ·: hemoglobiinikomponentin tasoja, joka järjestelmä käsittää: :: välineet matemaattisen mallin johtamiseksi glykosyloidun hemoglobiini- • ” komponentin tason käyttäytymiselle suhteessa veren glukoosin tasoon käyttäen * aikaisemmin mitattuja tasoja, ja mallin päivittämiseksi kun uusi glykosyloidun ’’20 hemoglobiinikomponentin taso on mitattu käyttäen tuon uuden mittauksen ja ·' ' äskettäisen, uuden veren glukoosin tason mittaustuloksia; ja , . muistivälineet mainitun mallin ja/tai päivitetyn mallin, sekä mitattujen veren ;,; glukoosin ja glykosyloidun hemoglobiinikomponentin tasojen tallentamiseksi; välineet matemaattisen mallin soveltamiseen glykosyloidun hemoglobiini-: '25 komponentin tason ennustamiseksi kyseisen tason mittausten välisenä aikana, ;*‘ käyttäen viimeisen glykosyloidun hemoglobiinikomponentin tason mittauksen M.: jälkeen saatuja veren glukoosin tason mittaustuloksia.
Eräässä esillä olevan keksinnön edellä esitetyn kolmannen muodon mukaisen 30 järjestelmän edullisessa toteutusmuodossa mainitut johtamis- ja sovellus-, sekä muistivälineet tarjoaa keskustietokone, järjestelmä käsittää edelleen matkapuhelimen tai kaksisuuntaisen henkilöhakulaitteen mittaustietojen siirtämiseksi keskustietokoneeseen langattoman tiedonsiirtolinkin kautta.
7 i "t r t, r" ! !,:. -J :: Järjestelmä voi edelleen olla järjestetty siirtämään ennustetut glykosyloidun hemoglobiinikomponentin tasot keskusasemalta matkapuhelimeen tai kaksisuuntaiseen henkilöhakulaitteeseen.
5 Esillä olevan keksinnön paremmin ymmärtämiseksi ja sen esittämiseksi miten keksintö voidaan toteuttaa, viitataan nyt esimerkkien muodossa oheisiin piirroksiin, joista:
Kuva 1 esittää HbAic-tason mittaustuloksia sekä veren glukoosin tason ίο mittaustuloksia, jotka on saatu eräältä diabetespotilaalta 640 vuorokauden pituisena aikana;
Kuvat 2A - 2D esittävät vastaavia veren glukoosin tason mittaustulossarjoja jotka on saatu Kuvassa 1 esitetyistä mittauksista, neljää HbAiC-tason mittausta 15 edeltäviltä aikajaksoilta; I t « · •. ·' : Kuvat 3A - 3D esittävät vastaavasti ennustettuja veren glukoosin tason jakaumia : kussakin Kuvien 2A - 2D mittausikkunassa; 20 Kuva 4 on vuokaavio joka esittää HbA1c -tasojen ennustamiseen käytettyä menetelmää; ; Kuva 5 esittää Kuvan 1 mitattuja HbAic -tasoja sekä ennustettuja HbAic -tasoja; ja : :·’ 25
Kuva 6 esittää kaaviomaisesti laitetta Kuvan 5 mukaisen menetelmän toteuttamiseen.
Seuraavassa kuvattu menetelmä potilaan veren HbA1c -tasojen ennustamiseksi 30 on havainnollistettu käyttäen todellisia veren glukoosin tasoja ja HbAic -tasojen mittaustuloksia, jotka on saatu ihmispotilaalta. Kuva 1 esittää mitattuja veren glukoosin ja HbAic -tasoja aika-akselin (vuorokausia) suhteen, tulostettuina 640 vuorokauden ajalta. Kuten aiemmin mainittiin, HbA1c -mittaukset tehdään 8 1122^5 tyypillisesti suhteellisen harvoin (joka 12.-16. viikko), kun taas veren glukoosin tason mittaukset tehdään huomattavasti useammin (tyypillisesti kahdesta viiteen kertaa vuorokaudessa).
5 Kutsutaan Voiksi N:n käytettävissä olevan, Kuvan 1 esittämän HbA1c - mittaustuloksen yn sarjaa , jossa Y = {y,...yw } ja kukin mittaustulos vastaa mittausaikaa t = Tn,(n = I..N). Vastaavasti kutsutaan X:ksi käytettävissä olevaa M\n veren glukoosin mittaustuloksen xm sarjaa, joka myös on esitetty Kuvassa 1, jossa X = {xv..xm }ja kukin mittaustulos vastaa mittausaikaa t = tm,(m = X...M). ίο Veren glukoosin mittaustulosten sarja X on jaettu alisarjoihin Xn, joista jokainen alisarja liittyy vastaavaan HbAic -mittaustulokseen Yn ja sisältää ne arvot jotka on saatu aikana t > Tn - 65 vuorokautta ... TN. On huomattava, että kun peräkkäisten HbAic -mittaustulosten väliaika on vähemmän kuin 65 vuorokautta, vierekkäiset alisarjat Xn menevät limittäin. Kuvan 1 tiedoista, kahdestatoista HbA^ - ../15 mittaustuloksesta, saadaan kaksitoista alisarjaa veren glukoosin mittaustuloksia, < · · joista neljä ensimmäistä on asian havainnollistamiseksi esitetty Kuvissa 2A...2D.
t · * ·
Sopivaa puoliparametristä mallia sovelletaan kuhunkin veren glukoosin r. mittaustuloksen Xn alisarjaan mallintamaan mittaustulosten jakauma sarjan sisällä 20 (eli mallintamaan esiintymistodennäköisyysfunktiota). Malliksi valitaan sellainen, V: jossa on suhteellisen pieni määrä parametrejä. Esillä olevassa esimerkissä ! : jokaisen alisarjan jakauma mallinnetaan käyttäen Gaussin funktioparin summaa: : P(l) = kG(l |μ,,σ,2) + (1 -Ar)G?(/ |μ2,σ22) (1) ;': 25 jossa k on kerroin ja 0 < k < 1, / on veren glukoositaso, ja Gaussin funktio G saa —: muodon: ^ = <2)
Gaussin funktioiden keskiarvot (μ,,μ2) ja varianssit (σ,2,σ22), sekä kerroin k 30 saadaan käyttämällä odotusten maksimointi -algoritmia (katso Dempster A.P., 9 Λ J'i '* f. Γ
1 K'. , - ^ C
Laird N.M., ja Rubin, D.B. (1977); Maximum Likelihood from Incomplete Data via the EM Algorithm’; J Royal Statistical Soc.; B39(1); 1-38). Mallinnettu jakauma kullekin veren glukoosin mittaustulosten alisarjalle on esitetty Kuvissa 3A...3D.
Jokainen mallisarja voidaan esittää parametrivektorilla Θ„{μ„,,μ„2,σΠ|2,σ„22,/: }.
5 Parametrivektorilta Θ„ valitaan sopiva parametriyhdistelmä ja sitä käytetään muodostamaan mallivektori hn ajalla Tn. Esillä olevassa esimerkissä parametrit μ,,μ2,σι2 ja vakio 1 valitaan vastaamaan vastaavasti mallivektorin termejä /ίηι,/ιη2,/ιη3 ja hn4. Mallivektoreja hn ja mitattuja HbAic-tasoja yn käytetään muodostamaan mallin erittely-yhtälöryhmän H rivit ja vastaavasti havaintovektori z ίο , sekä muodostetaan lineaaritehtävä Hp, jossa p on taantumakerroinvektori.
Tämä tehtävä voidaan kirjoittaa täydellisempänä yhtälöryhmäksi:
Ti h\\ h\i h\4 P\ y2 ^ h2l h11 hjj h24 p2 : : : : : p3 ’ · y J^Nl ^N2 hN2 hN4 p4 ‘ · 15 Taantumakerroinvektorin p estimaatti voidaan määrittää yhtälöstä: : p = H~'z (4) , jossa K1 on yhtälöryhmän /-/käänteisarvo (tai puolikäänteisarvo siinä . tapauksessa että Hei ole neliömatriisi tai on singulaarinen) ja se voidaan saada \ 20 käyttäen yksittäisarvon hajottamistekniikkaa (Press, W.H. Teukolsky, S.A.
, -, Vetterling, W.T. Flannery, B.P. 1992, Numerical Recipes in C: The Art of Scientific Computing', 2nd ed. Cambridge University Press). Estimoitua taantumakerroinvektoria p voidaan silloin käyttää ennustamaan tulevaa HbA^ * -tasoa yn+i mallivektorista hN+i , joka on johdettu veren glukoosin mittaustulosten 25 alisarjasta Xn+i , eli:
Tw + 1 = Pl^N + \,i P2^N + \,2 + P^N +1,3 Pi^N + iA (^)
Kuva 4 on vuokaavio, joka hahmottaa tämän HbAic -tasojen ennustamismenetelmän päävaiheet.
10 . - . , ., Ί ; Γ λ γ.
Kuten edellä on esitetty, muutokset potilaan fysiologiassa todennäköisesti muuttavat HbA1c -tason käyttäytymistä suhteessa veren glukoositasoon. Siksi on tärkeää, että taantumakerroinvektorin p kertoimet päivitetään säännöllisesti.
5 Tähän päästään laskemalla vektori p uudelleen joka kerta kun uusi HbAic -mittaus tehdään. Tyypillisesti, potilaalle josta ei ole aikaisempia tietoja, taantumakerroinvektori p johdetaan tiedoista jotka on saatu joukolta muita potilaita. Joka kerta kun uusi HbA^-mittaus tehdään, uutta HbA-|C-mittaustulosta, yhdessä edellisen uusi HbAic -mittaustuloksen jälkeen saatujen ίο veren glukoosin mittaustulosten kanssa, käytetään taantumakerroinvektorin uudelleen laskemiseen. Olettaen että N\n arvo pidetään vakiona poistamalla vuorollaan varhaisemmat mittaustulokset, sen jälkeen kun N kappaletta HbAic -mittaustuloksia on saatu kohdepotilaalta, estimoitu taantumakerroinvektori johdetaan pelkästään kohdepotilaalle tehdyistä mittauksista.
. : 15 * · . / Sen tarkkuuden parantamiseksi, jolla HbAic -taso voidaan ennustaa, ja erityisesti ; sen välttämiseksi että virheelliset mittaukset vaikuttaisivat tulokseen, estimoitu . : taantumakerroinvektori p saadaan itse asiassa Neri datasarjasta, jättäen ·.. vuorollaan huomioon ottamatta kunkin tekijöistä yv..y„ edellä esitetyssä : * 20 yhtälöryhmässä yhdessä yhtälöryhmän H vastaavan rivin kanssa. Estimoitujen taantumakerroinvektorien keskiarvo saadaan tämän jälkeen kun on poistettu ylin .: ja alin 10 % vektorin komponenteista. Kuvan 1 esittämälle datasarjalle lopullinen : estimoitu taantumakerroinvektori on kahdentoista estimoidun taantumakerroin- : : vektorin p korjattu keskiarvo. Tämän lopullisen taantumakerroinvektorin .,: 25 kertoimia voidaan sen jälkeen käyttää ennustamaan vallitsevaa HbA1c -tasoa käyttäen edellä esitettyä yhtälöä (5). Kuva 5 esittää tällä menetelmällä saatua : mallia, käyttäen ennustettuja HbAic -tasoja yhdessä niiden mitattujen HbA1c - tasojen kanssa, joita käytettiin mallia muodostettaessa (ja kuten on esitetty Kuvassa 1). Kuvasta voidaan nähdä että ennustetut arvot mukailevat läheisesti 30 mitattuja arvoja.
Lisäparannuksia ennustustarkkuuteen voidaan saavuttaa kasvattamalla parametrien p lukumäärää, kasvattamalla mallivektorin hn kokoa, esim.
11 Ί Ί <·' ;'· / I ! i xl ϋ ^ " sisällyttämällä lisäksi σ2. Vaihtoehtoisesti, sarja HbAic-estimaatteja voidaan tehdä käyttäen vastaavaa parametristen mallien sarjaa, jossa kukin malli saadaan käyttämällä eri parametrisarjaa, esim. μ,,μ2,σ,2,Λ: tai μ>,μ2,σ2\&. Tarkkuutta voidaan lisätä myös sopivasti muuntamalla (esim. logaritmisesti, 5 eksponentiaalisesti) yhtä tai useampaa parametriä.
On yleisesti tunnettua että potilaalla veren glukoositasot vaihtelevat jaksottaisesti vuorokauden ajan mukaan ja vielä erityisemmin sen mukaan onko potilas juuri syönyt tai ei. Siksi saattaa olla tarkempaa mallintaa veren glukoositasoja erikseen 10 eri vuorokaudenaikoina. Tämä tekniikka vaatii kaikkien veren glukoositasojen erottamista eri sarjoihin. Sarjoja voisi olla esimerkiksi yhdeksän, eli mittaukset jotka on tehty ennen ja jälkeen aamiaisen, lounaan, päivällisen ja iltapalan.
Jokaista sarjaa j kohti saadaan sarja parametrivektoreita Θη;, jossa n = 1·••TV . Toisaalta, jokaista n:n arvoa kohti valitaan joukko sopivia parametrejä , ; 15 muodostamaan mallivektori hn. Estimoitu taantumakerroinvektori p saadaan silloin edellä esitetyllä tavalla.
« , i Kun otetaan huomioon, että taantumakerroinvektorin laskemiseen voi liittyä • '.. huomattava määrä tallennettua tietoa (esim. jopa kahden vuoden mittaustiedot), ; · 20 ja siksi tietokonelaskenta saattaa olla huomattavan monimutkaista, on suotavaa tallentaa mittaustiedot ja suorittaa tietokonelaskelmat tietojenkäsittelyn .: keskusyksiköllä, joka on monien potilaiden käytettävissä. Lisäksi tämä järjestely ; : parantaa tietoturvallisuutta ja, mikä tärkeintä, mahdollistaa sen algoritmin helpon : ja nopean päivityksen, jolla HbAic -tasot ennustetaan, jos se osoittautuu ,/ 25 tarpeelliseksi.
Kuva 6 esittää diabeteksen hallintajärjestelmää, jossa jokaisella järjestelmän potilaalla on tunnetun tyyppinen, kannettava elektroninen veren glukoosin mittausyksikkö. Tämä yksikkö on muutettu kytkemään mitatut veren glukoosin 30 tasot liitäntälaitteen 2, esimerkiksi taskutietokoneen tai PC:n, kautta matkapuhelimeen 3. Mittaustiedot lähetetään sitten matkapuhelinverkon kautta edellä kuvatun kaltaiselle tiedonkäsittelyn keskusasemalle 4. Juuri vastaanotettujen veren glukoosin mittaustulosten ja ennalta lasketun 12 .......
1 1 /:; 41 taantumakerroinvektorin perusteella tiedonkäsittelyn keskusasema 4 estimoi potilaan HbAiC-tason. Taantumakerroinvektori voidaan päivittää joka kerta kun HbAic-mittaus tehdään potilaalle käyttäen joko tiedonkäsittelyn keskusasemalle suoraan syötettyjä tietoja tai jotka on lähetetty sinne esim. lääkärin vastaanotolta.
5 Ennustettu HbAic-taso voidaan melkein välittömästi lähettää puhelinverkon kautta takaisin potilaan matkapuhelimeen 3, jossa se voidaan näyttää joko matkapuhelimessa 3 tai liitäntälaitteessa 2. Integroimalla matkapuhelimen 3, liitäntälaitteen 2 ja mittausyksikön 1 toiminnot, potilas voidaan varustaa aidosti kannettavalla HbA1c-tason valvontajärjestelmällä.
10
Alan ammattimiehelle on ilmeistä, että edellä esitettyihin toteutusmuotoihin voidaan tehdä erilaisia muutoksia poikkeamatta esillä olevan keksinnön tunnusmerkeistä. Esimerkiksi, kunkin veren glukoositasosarjan Xn esiintymistodennäköisyysfunktiota voidaan mallintaa käyttäen yhtä tai useampaa 15 gammafunktiota vaihtoehtona Gaussin funktioille.
* · * • » * * · I I · f ; » I · I · « I · > f · » · • » * ; » < » r · ' t . . |

Claims (15)

112545
1. Menetelmä potilaan veren glykosyloidun hemoglobiinikomponentin tason ennustamiseksi käyttäen aikaisemmin mitattuja veren glukoosin ja 5 glykosyloidun hemoglobiinikomponentin tasoja, joka menetelmä käsittää matemaattisen mallin johtamisen glykosyloidun hemoglobiinikomponentin tason käyttäytymiselle suhteessa veren glukoosin tasoon käyttäen aikaisemmin mitattuja tasoja; tunnettu siitä, että mallin päivittämisen kun uusi glykosyloidun ίο hemoglobiinikomponentin taso mitataan, käyttäen kyseistä uutta mittausta ja tuoreita uusia veren glukoosin tason mittaustuloksia; ja matemaattisen mallin soveltamisen glykosyloidun hemoglobiinikomponentin tason ennustamiseen kyseisten tasojen mittausten välillä, käyttäen edellisen glykosyloidun hemoglobiinikomponentin tason mittauksen jälkeen saatuja uusia 15 veren glukoosin tason mittaustuloksia.
2. Patenttivaatimuksen 1 mukainen menetelmä, tunnettu siitä, että matemaattinen malli on parametrinen malli tai puoliparametrinen malli, jossa malli määritetään yhdellä tai useammalla mallikertoimella ja mallin yhtälöllä, jotka . · 20 suhteuttavat veren glukoosin tason glykosyloidun hemoglobiinikomponentin tasoon. * , J 3. Patenttivaatimuksen 2 mukainen menetelmä, tunnettu siitä, että mallin : ’·· yhtälö suhteuttaa glykosyloidun hemoglobiinikomponentin tason yhteen tai v ; 25 useampaan parametriin, jotka kuvaavat, ainakin osittain, veren glukoosin tason käyttäytymistä edeltävän, suhteellisen lyhyen aikavälin aikana. ' ; ’ 4. Patenttivaatimuksen 3 mukainen menetelmä, tunnettu siitä, että mallin v : yhtälö on lineaarinen, muotoa: 30 y = p]hl+p2h2+...+pilhq+c : jossa y on ennustettu glykosyloidun hemoglobiinikomponentin taso, p:t ovat : lineaarisen mallin kertoimia , h:t ovat veren glukoosin tason käyttäytymistä kuvaavat parametrit, ja c on vakio. 14 . . .. , „ 11 ; - 4t
5. Patenttivaatimuksen 3 tai 4 mukainen menetelmä, tunnettu siitä, että veren glukoosin tason käyttäytymistä mainittuina lyhyinä aikaväleinä kuvataan käyttäen yhtä tai useampaa parametrifunktiota, jotka mallintavat veren glukoosin tason mittaustulosten jakaumaa ja mainitut yksi tai useampi parametri (h) valitaan tai 5 johdetaan parametreistä jotka määrittävät nämä funktiot.
6. Patenttivaatimuksen 5 mukainen menetelmä, tunnettu siitä, että kyseinen tai kukin mainituista funktioista on Gaussin funktio ja mainitut yksi tai useampi parametri (h) valitaan Gaussin funktion/funktioiden keskiarvoista, varianssista ja ίο amplitudista, tai johdetaan niistä.
7. Minkä hyvänsä patenttivaatimuksen 2 - 6 mukainen menetelmä, tunnettu siitä, että malli päivitetään glykosyloidun hemoglobiinikomponentin tason ; / mittaamisen jälkeen laskemalla uudelleen mainitut mallin kertoimet (p). f !l5 • * ; ; 8. Minkä hyvänsä patenttivaatimuksen 2 - 6 mukainen menetelmä, tunnettu ' siitä, että parametristen mallien kertoimet sovitetaan uuden glykosyloidun .... hemoglobiinikomponentin tason mittaamisen jälkeen käyttäen adaptiivista algoritmia. •.•.20 • ;·. 9. Minkä hyvänsä edellä esitetyn patenttivaatimuksen mukainen menetelmä, \ tunnettu siitä, että ennustettava glykosyloitu hemoglobiinikomponentti on HbAic. ♦ ’ · ] 10. Minkä hyvänsä edellä esitetyn patenttivaatimuksen mukainen menetelmä, ':' *25 tunnettu siitä, että menetelmä käsittää: mitattujen glukoositasojen lähettämisen langattoman tiedonsiirtolinkin välityksellä potilaan käytettävissä olevalta etäasemalta tietojenkäsittelyn keskusasemalle; mainittujen vaiheiden suorittamisen, käsittäen matemaattisen mallin 30 johtamisen, mallin päivittämisen, ja glykosyloidun hemoglobiinikomponentin ennustamisen tietojenkäsittelyn keskusasemalla käyttäen lähetettyjä mittaustuloksia ja keskusasemalla tallennettuna olevia aikaisempia mittaustietoja.; ja 11::.:: ·: : ennustettujen glykosyloidun hemoglobiinikomponentin tasojen lähettämisen takaisin etäasemalle langattoman tiedonsiirtolinkin välityksellä.
11. Patenttivaatimuksen 10 mukainen menetelmä, jossa etäasema on 5 matkapuhelin tai kaksisuuntainen henkilöhalulaite, jolloin langattoman tiedonsiirtolinkin muodostaa matkapuhelinverkko.
12. Järjestelmä potilaan veren glykosyloidun hemoglobiinikomponentin tason ennustamiseksi käyttäen aikaisemmin mitattuja veren glukoosin ja glykosyloidun ίο hemoglobiinikomponentin tasoja, joka järjestelmä käsittää välineet (4) matemaattisen mallin johtamiseksi veren glykosyloidun hemoglobiinikomponentin tason käyttäytymiselle suhteessa veren glukoosin tasoon käyttäen aikaisemmin mitattuja tasoja, tunnettu siitä, että mainitut välineet (4) on järjestetty . päivittämään mallin kun uusi glykosyloitu hemoglobiinikomponentti on mitattu • ’ * is käyttäen tuon uuden mittauksen ja äskettäisen, uuden veren glukoosin tason • · ; ‘; mittaustuloksia; järjestelmän lisäksi käsittäessä ; '· muistivälineet (4) mainitun mallin ja/tai päivitetyn mallin, sekä mitattujen ,. ” veren glukoosin ja glykosyloidun hemoglobiinikomponentin tasojen tallentamiseksi; . . 20 välineet (4) matemaattisen mallin soveltamiseen glykosyloidun hemoglobiini- ’ . ‘ komponentin tason ennustamiseksi kyseisen tason mittausten välisenä aikana, käyttäen viimeisen glykosyloidun hemoglobiinikomponentin tason mittauksen ;;; * jälkeen saatuja veren glukoosin tason mittaustuloksia. .:.: 25 13. Patenttivaatimuksen 12 mukainen järjestelmä, jossa mainitut johtamis- ja ‘ ‘ sovellus-, sekä muistivälineet tarjoaa keskustietokone (4), järjestelmä käsittää edelleen matkapuhelimen tai kaksisuuntaisen henkilöhakulaitteen (3) mittaustietojen siirtämiseksi keskustietokoneeseen langattoman tiedonsiirtolinkin kautta.
14. Patenttivaatimuksen 13 mukainen järjestelmä joka käsittää veren glukoosin mittausyksikön (1) joka on liitetty matkapuhelimeen tai kaksisuuntaiseen 30 henkilöhakulaitteeseen veren glukoosin mittaustulosten siirtämiseksi matkapuhelimeen tai kaksisuuntaiseen henkilöhakulaitteeseen (3).
15. Patenttivaatimuksen 13 tai 14 mukainen järjestelmä joka on järjestetty 5 siirtämään ennustetut glykosyloidun hemoglobiinikomponentin tasot keskusasemalta (4) matkapuhelimeen tai kaksisuuntaiseen henkilöhakulaitteeseen (3). 1 Ί'/ ~ Δ c:
17. I ,. : ..
FI972292A 1997-05-30 1997-05-30 Menetelmä ja järjestelmä potilaan veren glykosyloidun hemoglobiinikomponentin tason ennustamiseksi FI112545B (fi)

Priority Applications (7)

Application Number Priority Date Filing Date Title
FI972292A FI112545B (fi) 1997-05-30 1997-05-30 Menetelmä ja järjestelmä potilaan veren glykosyloidun hemoglobiinikomponentin tason ennustamiseksi
EP98660040A EP0881495B1 (en) 1997-05-30 1998-05-06 Diabetes management
DK98660040T DK0881495T3 (da) 1997-05-30 1998-05-06 Kontrol af diabetes
DE69817446T DE69817446T2 (de) 1997-05-30 1998-05-06 Behandlung von diabetes
KR1019980018039A KR100857191B1 (ko) 1997-05-30 1998-05-19 당뇨병 관리 방법 및 장치
US09/082,744 US6421633B1 (en) 1997-05-30 1998-05-21 Diabetes management
JP14737898A JP4523082B2 (ja) 1997-05-30 1998-05-28 糖尿病管理

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
FI972292A FI112545B (fi) 1997-05-30 1997-05-30 Menetelmä ja järjestelmä potilaan veren glykosyloidun hemoglobiinikomponentin tason ennustamiseksi
FI972292 1997-05-30

Publications (3)

Publication Number Publication Date
FI972292A0 FI972292A0 (fi) 1997-05-30
FI972292A FI972292A (fi) 1998-12-01
FI112545B true FI112545B (fi) 2003-12-15

Family

ID=8548941

Family Applications (1)

Application Number Title Priority Date Filing Date
FI972292A FI112545B (fi) 1997-05-30 1997-05-30 Menetelmä ja järjestelmä potilaan veren glykosyloidun hemoglobiinikomponentin tason ennustamiseksi

Country Status (7)

Country Link
US (1) US6421633B1 (fi)
EP (1) EP0881495B1 (fi)
JP (1) JP4523082B2 (fi)
KR (1) KR100857191B1 (fi)
DE (1) DE69817446T2 (fi)
DK (1) DK0881495T3 (fi)
FI (1) FI112545B (fi)

Families Citing this family (116)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7624028B1 (en) 1992-11-17 2009-11-24 Health Hero Network, Inc. Remote health monitoring and maintenance system
US8712790B1 (en) * 1997-03-28 2014-04-29 Robert Bosch Gmbh Multi-user remote health monitoring system with biometrics support
US20010011224A1 (en) 1995-06-07 2001-08-02 Stephen James Brown Modular microprocessor-based health monitoring system
US5307263A (en) 1992-11-17 1994-04-26 Raya Systems, Inc. Modular microprocessor-based health monitoring system
US6968375B1 (en) 1997-03-28 2005-11-22 Health Hero Network, Inc. Networked system for interactive communication and remote monitoring of individuals
US9215979B2 (en) * 1992-11-17 2015-12-22 Robert Bosch Healthcare Systems, Inc. Multi-user remote health monitoring system
WO2001037174A1 (en) 1992-11-17 2001-05-25 Health Hero Network, Inc. Method and system for improving adherence with a diet program or other medical regimen
US6036924A (en) 1997-12-04 2000-03-14 Hewlett-Packard Company Cassette of lancet cartridges for sampling blood
US6391005B1 (en) 1998-03-30 2002-05-21 Agilent Technologies, Inc. Apparatus and method for penetration with shaft having a sensor for sensing penetration depth
US6582964B1 (en) * 1999-05-12 2003-06-24 Cme Telemetrix Inc. Method and apparatus for rapid measurement of HbA1c
US20020052539A1 (en) * 1999-07-07 2002-05-02 Markus Haller System and method for emergency communication between an implantable medical device and a remote computer system or health care provider
US7449339B2 (en) 1999-11-23 2008-11-11 Nir Diagnostics Inc. Spectroscopic method and apparatus for total hemoglobin measurement
US6612984B1 (en) * 1999-12-03 2003-09-02 Kerr, Ii Robert A. System and method for collecting and transmitting medical data
WO2001072208A2 (en) * 2000-03-29 2001-10-04 University Of Virginia Patent Foundation Method, system, and computer program product for the evaluation of glycemic control in diabetes from self-monitoring data
EP1304856A4 (en) * 2000-05-31 2006-07-19 Arkray Inc REMOTE DATA CONTROL SYSTEM AND MEASUREMENT DATA MEASUREMENT PROCESS
US8641644B2 (en) 2000-11-21 2014-02-04 Sanofi-Aventis Deutschland Gmbh Blood testing apparatus having a rotatable cartridge with multiple lancing elements and testing means
US7981056B2 (en) 2002-04-19 2011-07-19 Pelikan Technologies, Inc. Methods and apparatus for lancet actuation
US7316700B2 (en) 2001-06-12 2008-01-08 Pelikan Technologies, Inc. Self optimizing lancing device with adaptation means to temporal variations in cutaneous properties
US7749174B2 (en) 2001-06-12 2010-07-06 Pelikan Technologies, Inc. Method and apparatus for lancet launching device intergrated onto a blood-sampling cartridge
EP1404232B1 (en) 2001-06-12 2009-12-02 Pelikan Technologies Inc. Blood sampling apparatus and method
US7025774B2 (en) 2001-06-12 2006-04-11 Pelikan Technologies, Inc. Tissue penetration device
US8337419B2 (en) 2002-04-19 2012-12-25 Sanofi-Aventis Deutschland Gmbh Tissue penetration device
US9226699B2 (en) 2002-04-19 2016-01-05 Sanofi-Aventis Deutschland Gmbh Body fluid sampling module with a continuous compression tissue interface surface
US9427532B2 (en) 2001-06-12 2016-08-30 Sanofi-Aventis Deutschland Gmbh Tissue penetration device
US7699791B2 (en) 2001-06-12 2010-04-20 Pelikan Technologies, Inc. Method and apparatus for improving success rate of blood yield from a fingerstick
US9795747B2 (en) 2010-06-02 2017-10-24 Sanofi-Aventis Deutschland Gmbh Methods and apparatus for lancet actuation
DE60238119D1 (de) 2001-06-12 2010-12-09 Pelikan Technologies Inc Elektrisches betätigungselement für eine lanzette
EP1403795A4 (en) * 2001-06-22 2007-08-01 Arkray Inc INFORMATION TRANSMISSION SYSTEM
US6544212B2 (en) 2001-07-31 2003-04-08 Roche Diagnostics Corporation Diabetes management system
JP2004538078A (ja) * 2001-08-20 2004-12-24 インバネス・メディカル・リミテッド 無線糖尿病管理装置および無線糖尿病管理装置の使用方法
US7331931B2 (en) 2002-04-19 2008-02-19 Pelikan Technologies, Inc. Method and apparatus for penetrating tissue
US7909778B2 (en) 2002-04-19 2011-03-22 Pelikan Technologies, Inc. Method and apparatus for penetrating tissue
US7232451B2 (en) 2002-04-19 2007-06-19 Pelikan Technologies, Inc. Method and apparatus for penetrating tissue
US7648468B2 (en) 2002-04-19 2010-01-19 Pelikon Technologies, Inc. Method and apparatus for penetrating tissue
US8784335B2 (en) 2002-04-19 2014-07-22 Sanofi-Aventis Deutschland Gmbh Body fluid sampling device with a capacitive sensor
US7976476B2 (en) 2002-04-19 2011-07-12 Pelikan Technologies, Inc. Device and method for variable speed lancet
US8702624B2 (en) 2006-09-29 2014-04-22 Sanofi-Aventis Deutschland Gmbh Analyte measurement device with a single shot actuator
US7713214B2 (en) 2002-04-19 2010-05-11 Pelikan Technologies, Inc. Method and apparatus for a multi-use body fluid sampling device with optical analyte sensing
US8579831B2 (en) 2002-04-19 2013-11-12 Sanofi-Aventis Deutschland Gmbh Method and apparatus for penetrating tissue
US8372016B2 (en) 2002-04-19 2013-02-12 Sanofi-Aventis Deutschland Gmbh Method and apparatus for body fluid sampling and analyte sensing
US7547287B2 (en) 2002-04-19 2009-06-16 Pelikan Technologies, Inc. Method and apparatus for penetrating tissue
US7901362B2 (en) 2002-04-19 2011-03-08 Pelikan Technologies, Inc. Method and apparatus for penetrating tissue
US7291117B2 (en) 2002-04-19 2007-11-06 Pelikan Technologies, Inc. Method and apparatus for penetrating tissue
US8267870B2 (en) 2002-04-19 2012-09-18 Sanofi-Aventis Deutschland Gmbh Method and apparatus for body fluid sampling with hybrid actuation
US7892183B2 (en) 2002-04-19 2011-02-22 Pelikan Technologies, Inc. Method and apparatus for body fluid sampling and analyte sensing
US8360992B2 (en) 2002-04-19 2013-01-29 Sanofi-Aventis Deutschland Gmbh Method and apparatus for penetrating tissue
US7371247B2 (en) 2002-04-19 2008-05-13 Pelikan Technologies, Inc Method and apparatus for penetrating tissue
US9795334B2 (en) 2002-04-19 2017-10-24 Sanofi-Aventis Deutschland Gmbh Method and apparatus for penetrating tissue
US9248267B2 (en) 2002-04-19 2016-02-02 Sanofi-Aventis Deustchland Gmbh Tissue penetration device
US7717863B2 (en) 2002-04-19 2010-05-18 Pelikan Technologies, Inc. Method and apparatus for penetrating tissue
US7491178B2 (en) 2002-04-19 2009-02-17 Pelikan Technologies, Inc. Method and apparatus for penetrating tissue
US8221334B2 (en) 2002-04-19 2012-07-17 Sanofi-Aventis Deutschland Gmbh Method and apparatus for penetrating tissue
US9314194B2 (en) 2002-04-19 2016-04-19 Sanofi-Aventis Deutschland Gmbh Tissue penetration device
US7175642B2 (en) 2002-04-19 2007-02-13 Pelikan Technologies, Inc. Methods and apparatus for lancet actuation
US7297122B2 (en) 2002-04-19 2007-11-20 Pelikan Technologies, Inc. Method and apparatus for penetrating tissue
US7229458B2 (en) 2002-04-19 2007-06-12 Pelikan Technologies, Inc. Method and apparatus for penetrating tissue
US7674232B2 (en) 2002-04-19 2010-03-09 Pelikan Technologies, Inc. Method and apparatus for penetrating tissue
EP2327359B1 (en) * 2002-08-13 2015-01-21 University Of Virginia Patent Foundation Method, system, and computer program product for processing of self-monitoring blood glucose (smbg) data to enhance diabetic self-management
US20040087836A1 (en) * 2002-10-31 2004-05-06 Green Michael R. Computer system and method for closed-loop support of patient self-testing
US8574895B2 (en) 2002-12-30 2013-11-05 Sanofi-Aventis Deutschland Gmbh Method and apparatus using optical techniques to measure analyte levels
US8262614B2 (en) 2003-05-30 2012-09-11 Pelikan Technologies, Inc. Method and apparatus for fluid injection
US7850621B2 (en) 2003-06-06 2010-12-14 Pelikan Technologies, Inc. Method and apparatus for body fluid sampling and analyte sensing
WO2006001797A1 (en) 2004-06-14 2006-01-05 Pelikan Technologies, Inc. Low pain penetrating
WO2005033659A2 (en) 2003-09-29 2005-04-14 Pelikan Technologies, Inc. Method and apparatus for an improved sample capture device
EP1680014A4 (en) 2003-10-14 2009-01-21 Pelikan Technologies Inc METHOD AND APPARATUS PROVIDING A VARIABLE USER INTERFACE
US7822454B1 (en) 2005-01-03 2010-10-26 Pelikan Technologies, Inc. Fluid sampling device with improved analyte detecting member configuration
US8668656B2 (en) 2003-12-31 2014-03-11 Sanofi-Aventis Deutschland Gmbh Method and apparatus for improving fluidic flow and sample capture
JP4547173B2 (ja) * 2004-03-17 2010-09-22 シスメックス株式会社 糖尿病診療支援システム
CN100533429C (zh) * 2004-05-11 2009-08-26 希森美康株式会社 葡萄糖和胰岛素浓度模拟系统及记录介质
WO2006011062A2 (en) 2004-05-20 2006-02-02 Albatros Technologies Gmbh & Co. Kg Printable hydrogel for biosensors
US9775553B2 (en) 2004-06-03 2017-10-03 Sanofi-Aventis Deutschland Gmbh Method and apparatus for a fluid sampling device
EP1765194A4 (en) 2004-06-03 2010-09-29 Pelikan Technologies Inc METHOD AND APPARATUS FOR MANUFACTURING A DEVICE FOR SAMPLING LIQUIDS
US8652831B2 (en) 2004-12-30 2014-02-18 Sanofi-Aventis Deutschland Gmbh Method and apparatus for analyte measurement test time
ITBO20050002A1 (it) * 2005-01-04 2006-07-05 Giacomo Vespasiani Metodo e sistema per la gestione interattiva di dati relativi ad una terapia insulinica in autocontrollo per un paziente diabetico
US7798961B1 (en) 2005-01-11 2010-09-21 BeWell Mobile Technology Inc. Acquisition and management of time dependent health information
JP2006313481A (ja) * 2005-05-09 2006-11-16 Sysmex Corp 生体器官の機能のシミュレーションシステム及びそのプログラム
JP4756906B2 (ja) * 2005-05-11 2011-08-24 シスメックス株式会社 生体シミュレーションシステム及びコンピュータプログラム
JP4781710B2 (ja) * 2005-05-12 2011-09-28 シスメックス株式会社 治療効果予測システム及びそのプログラム
EP1830333A1 (en) * 2006-01-27 2007-09-05 Sysmex Corporation Medical simulation system, computer system and computer program product
US7824333B2 (en) * 2006-03-31 2010-11-02 Lifescan, Inc. Diabetes management methods and systems
GB2436873A (en) * 2006-04-07 2007-10-10 Univ Cambridge Tech Blood glucose monitoring systems
US20080306353A1 (en) * 2006-11-03 2008-12-11 Douglas Joel S Calculation device for metabolic control of critically ill and/or diabetic patients
JP5429586B2 (ja) * 2007-03-30 2014-02-26 株式会社タニタ 血糖状態推定方法及び装置
JP2008293171A (ja) 2007-05-23 2008-12-04 Sysmex Corp 医療診断支援コンピュータシステム、コンピュータプログラム、及びサーバコンピュータ
US7731659B2 (en) * 2007-10-18 2010-06-08 Lifescan Scotland Limited Method for predicting a user's future glycemic state
US7695434B2 (en) * 2007-10-19 2010-04-13 Lifescan Scotland, Ltd. Medical device for predicting a user's future glycemic state
US20100280499A1 (en) * 2007-12-26 2010-11-04 Ofer Yodfat System and method for glycemic control
US20100145725A1 (en) * 2008-02-12 2010-06-10 Alferness Clifton A System and method for managing type 1 diabetes mellitus through a personal predictive management tool
US20100138203A1 (en) * 2008-02-12 2010-06-03 Alferness Clifton A System and method for actively managing type 2 diabetes mellitus on a personalized basis
US20110077930A1 (en) * 2008-02-12 2011-03-31 Alferness Clifton A Computer-implemented method for providing a personalized tool for estimating 1,5-anhydroglucitol
US20100145173A1 (en) * 2008-02-12 2010-06-10 Alferness Clifton A System and method for creating a personalized tool predicting a time course of blood glucose affect in diabetes mellitus
US20100138453A1 (en) * 2008-02-12 2010-06-03 Alferness Clifton A System and method for generating a personalized diabetes management tool for diabetes mellitus
US20100198020A1 (en) * 2008-02-12 2010-08-05 Alferness Clifton A System And Method For Computer-Implemented Method For Actively Managing Increased Insulin Resistance In Type 2 Diabetes Mellitus
US20100145174A1 (en) * 2008-02-12 2010-06-10 Alferness Clifton A System And Method For Providing A Personalized Tool For Estimating Glycated Hemoglobin
US20100145670A1 (en) * 2008-02-12 2010-06-10 Alferness Clifton A System and method for managing type 2 diabetes mellitus through a personal predictive management tool
US20100198021A1 (en) * 2008-02-12 2010-08-05 Alferness Clifton A Computer-implemented method for providing a tunable personalized tool for estimating glycated hemoglobin
US20100137786A1 (en) * 2008-02-12 2010-06-03 Alferness Clifton A System and method for actively managing type 1 diabetes mellitus on a personalized basis
EP2265324B1 (en) 2008-04-11 2015-01-28 Sanofi-Aventis Deutschland GmbH Integrated analyte measurement system
US20110160555A1 (en) * 2008-07-31 2011-06-30 Jacques Reifman Universal Models for Predicting Glucose Concentration in Humans
JP5323853B2 (ja) * 2008-10-08 2013-10-23 旭化成ファーマ株式会社 血液試料解析方法、血液試料解析装置、及びプログラム
US20100168539A1 (en) * 2008-12-31 2010-07-01 Palerm Cesar C Method and/or system for estimating glycation of hemoglobin
US9375169B2 (en) 2009-01-30 2016-06-28 Sanofi-Aventis Deutschland Gmbh Cam drive for managing disposable penetrating member actions with a single motor and motor and control system
US20100330598A1 (en) * 2009-06-26 2010-12-30 Roche Diagnostics Operations, Inc. METHOD, SYSTEM, AND COMPUTER PROGRAM PRODUCT FOR PROVIDING BOTH AN ESTIMATED TRUE MEAN BLOOD GLUCOSE VALUE AND ESTIMATED GLYCATED HEMOGLOBIN (HbA1C) VALUE FROM STRUCTURED SPOT MEASUREMENTS OF BLOOD GLUCOSE
US20110196213A1 (en) * 2009-06-26 2011-08-11 Roche Diagnostics Operations, Inc. Display For Biological Values
KR101095303B1 (ko) * 2009-07-02 2011-12-16 가톨릭대학교 산학협력단 당화혈색소 수치 추정 시스템 및 방법
LT3920471T (lt) 2009-09-08 2024-02-26 Abbott Diabetes Care, Inc. Saugos požiūriu svarbios taikomosios programos prieglobos nekontroliuojamame duomenų apdorojimo įrenginyje būdai ir priemonės
WO2011049776A1 (en) * 2009-10-22 2011-04-28 Cpex Pharmaceuticals, Inc. Therapeutically effective preparations of insulin
US8965476B2 (en) 2010-04-16 2015-02-24 Sanofi-Aventis Deutschland Gmbh Tissue penetration device
FR2970418B1 (fr) * 2011-01-14 2013-01-11 Hospices Civils Lyon Dispositif pour l'optimisation de la glycemie d'un patient
WO2012145616A2 (en) * 2011-04-20 2012-10-26 The Cleveland Clinic Foundation Predictive modeling
JP5997453B2 (ja) * 2011-04-25 2016-09-28 アークレイ株式会社 情報処理装置およびユーザ端末
US8756043B2 (en) 2012-07-26 2014-06-17 Rimidi Diabetes, Inc. Blood glucose meter and computer-implemented method for improving glucose management through modeling of circadian profiles
US8744828B2 (en) 2012-07-26 2014-06-03 Rimidi Diabetes, Inc. Computer-implemented system and method for improving glucose management through modeling of circadian profiles
US8768673B2 (en) 2012-07-26 2014-07-01 Rimidi Diabetes, Inc. Computer-implemented system and method for improving glucose management through cloud-based modeling of circadian profiles
CN107003315B (zh) * 2014-12-25 2018-09-25 株式会社日立制作所 胰岛素分泌能力分析装置、具备该装置的胰岛素分泌能力分析系统以及胰岛素分泌能力分析方法
SG11201909689TA (en) 2017-06-20 2019-11-28 Chan Sidney Soong Ling Method and system for monitoring a diabetes treatment plan

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4238196A (en) * 1979-11-01 1980-12-09 Isolab, Inc. Methods to determine a diagnostic indicator of blood sugar conditions, and, liquid chromatographic columns therefor (cyanide free)
US5415167A (en) * 1992-01-10 1995-05-16 Wilk; Peter J. Medical system and associated method for automatic diagnosis and treatment
FR2710438B1 (fr) * 1993-09-21 1995-11-24 Bretagne Radio Communications Dispositif de surveillance de personnes par rapport à un environnement donné.
US6319665B1 (en) * 1994-06-07 2001-11-20 Inverness Medical Technology, Inc. Home test kit and method with telephone verification of results
US5701904A (en) * 1996-01-11 1997-12-30 Krug International Telemedicine instrumentation pack
FI118509B (fi) * 1996-02-12 2007-12-14 Nokia Oyj Menetelmä ja laitteisto potilaan veren glukoosipitoisuuden ennustamiseksi
US5715823A (en) * 1996-02-27 1998-02-10 Atlantis Diagnostics International, L.L.C. Ultrasonic diagnostic imaging system with universal access to diagnostic information and images
US5987519A (en) * 1996-09-20 1999-11-16 Georgia Tech Research Corporation Telemedicine system using voice video and data encapsulation and de-encapsulation for communicating medical information between central monitoring stations and remote patient monitoring stations

Also Published As

Publication number Publication date
KR100857191B1 (ko) 2009-03-25
DE69817446T2 (de) 2004-07-01
FI972292A (fi) 1998-12-01
US6421633B1 (en) 2002-07-16
EP0881495B1 (en) 2003-08-27
JPH10332704A (ja) 1998-12-18
EP0881495A1 (en) 1998-12-02
DE69817446D1 (de) 2003-10-02
JP4523082B2 (ja) 2010-08-11
DK0881495T3 (da) 2003-12-08
FI972292A0 (fi) 1997-05-30
KR19980087191A (ko) 1998-12-05

Similar Documents

Publication Publication Date Title
FI112545B (fi) Menetelmä ja järjestelmä potilaan veren glykosyloidun hemoglobiinikomponentin tason ennustamiseksi
Hougaard Frailty models for survival data
CN101111186B (zh) 移动的医疗设备和医疗设备之间的通信方法
Dunnett et al. Step‐down multiple tests for comparing treatments with a control in unbalanced one‐way layouts
Ambler et al. Simplifying a prognostic model: a simulation study based on clinical data
Borri et al. Luenberger-like observers for nonlinear time-delay systems with application to the artificial pancreas: The attainment of good performance
Meira-Machado et al. Nonparametric estimation of transition probabilities in a non-Markov illness–death model
Betensky et al. Computationally simple accelerated failure time regression for interval censored data
Yau et al. ML and REML estimation in survival analysis with time dependent correlated frailty
Lu et al. Inventory planning with forecast updates: Approximate solutions and cost error bounds
WO2005055011A3 (en) Computer architecture and process of user evaluation
CN111914936B (zh) 语料数据的数据特征增强方法、装置及计算机设备
WO2005060608A3 (en) Method of diagnosing biological states through the use of a centralized, adaptive model, and remote sample processing
CN104602614B (zh) 便携移动医疗终端的数据采集运算方法及系统
Best et al. Estimation of population pharmacokinetics using the Gibbs sampler
Ritz et al. Multivariate meta-analysis for data consortia, individual patient meta-analysis, and pooling projects
Satten et al. Marginal estimation for multi‐stage models: waiting time distributions and competing risks analyses
Natarajan et al. Modeling heterogeneity in nest survival data
Bolognese A Monte Carlo comparison of three up-and-down designs for dose ranging
CN106446592A (zh) 一种医疗信息共享系统
Kendal The size distribution of human hematogenous metastases
Dingle et al. Automated customer-centric performance analysis of Generalised Stochastic Petri Nets using tagged tokens
CN112016979A (zh) 用户分群方法、装置、设备和计算机可读存储介质
Mitra et al. Analysis of interval-censored competing risks data under missing causes
Manton et al. A cohort analysis of US stomach cancer mortality 1950–1977

Legal Events

Date Code Title Description
MM Patent lapsed