FR3128367A1 - Procédé et système informatisés pour la détermination d’une recommandation nutritionnelle. - Google Patents
Procédé et système informatisés pour la détermination d’une recommandation nutritionnelle. Download PDFInfo
- Publication number
- FR3128367A1 FR3128367A1 FR2111382A FR2111382A FR3128367A1 FR 3128367 A1 FR3128367 A1 FR 3128367A1 FR 2111382 A FR2111382 A FR 2111382A FR 2111382 A FR2111382 A FR 2111382A FR 3128367 A1 FR3128367 A1 FR 3128367A1
- Authority
- FR
- France
- Prior art keywords
- user
- recommendation
- recommendations
- computerized
- data
- 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 18
- 235000020979 dietary recommendations Nutrition 0.000 title claims abstract description 7
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 claims abstract description 35
- 239000002207 metabolite Substances 0.000 claims abstract description 27
- 230000002123 temporal effect Effects 0.000 claims abstract description 26
- 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 14
- 239000008103 glucose Substances 0.000 claims abstract description 14
- 150000002576 ketones Chemical class 0.000 claims abstract description 12
- 235000021588 free fatty acids Nutrition 0.000 claims abstract description 10
- 210000003722 extracellular fluid Anatomy 0.000 claims abstract description 9
- 150000005830 nonesterified fatty acids Chemical class 0.000 claims abstract description 7
- 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 claims abstract description 5
- 238000012623 in vivo measurement Methods 0.000 claims abstract description 5
- 239000002131 composite material Substances 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 4
- 238000012512 characterization method Methods 0.000 claims description 2
- 235000013305 food Nutrition 0.000 claims description 2
- 235000019640 taste Nutrition 0.000 claims description 2
- 235000016709 nutrition Nutrition 0.000 description 6
- 239000008280 blood Substances 0.000 description 2
- 210000004369 blood Anatomy 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 206010012601 diabetes mellitus Diseases 0.000 description 2
- 235000014113 dietary fatty acids Nutrition 0.000 description 2
- 229930195729 fatty acid Natural products 0.000 description 2
- 239000000194 fatty acid Substances 0.000 description 2
- 150000004665 fatty acids Chemical class 0.000 description 2
- 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 2
- 230000035764 nutrition Effects 0.000 description 2
- 102000051325 Glucagon Human genes 0.000 description 1
- 108060003199 Glucagon Proteins 0.000 description 1
- 102000004877 Insulin Human genes 0.000 description 1
- 108090001061 Insulin Proteins 0.000 description 1
- 230000037213 diet Effects 0.000 description 1
- 235000005911 diet Nutrition 0.000 description 1
- MASNOZXLGMXCHN-ZLPAWPGGSA-N glucagon Chemical compound C([C@@H](C(=O)N[C@H](C(=O)N[C@@H](CCC(N)=O)C(=O)N[C@@H](CC=1C2=CC=CC=C2NC=1)C(=O)N[C@@H](CC(C)C)C(=O)N[C@@H](CCSC)C(=O)N[C@@H](CC(N)=O)C(=O)N[C@@H]([C@@H](C)O)C(O)=O)C(C)C)NC(=O)[C@H](CC(O)=O)NC(=O)[C@H](CCC(N)=O)NC(=O)[C@H](C)NC(=O)[C@H](CCCNC(N)=N)NC(=O)[C@H](CCCNC(N)=N)NC(=O)[C@H](CO)NC(=O)[C@H](CC(O)=O)NC(=O)[C@H](CC(C)C)NC(=O)[C@H](CC=1C=CC(O)=CC=1)NC(=O)[C@H](CCCCN)NC(=O)[C@H](CO)NC(=O)[C@H](CC=1C=CC(O)=CC=1)NC(=O)[C@H](CC(O)=O)NC(=O)[C@H](CO)NC(=O)[C@@H](NC(=O)[C@H](CC=1C=CC=CC=1)NC(=O)[C@@H](NC(=O)CNC(=O)[C@H](CCC(N)=O)NC(=O)[C@H](CO)NC(=O)[C@@H](N)CC=1NC=NC=1)[C@@H](C)O)[C@@H](C)O)C1=CC=CC=C1 MASNOZXLGMXCHN-ZLPAWPGGSA-N 0.000 description 1
- 229960004666 glucagon Drugs 0.000 description 1
- 229940125396 insulin Drugs 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000004060 metabolic process Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 208000019116 sleep disease Diseases 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
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/60—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to nutrition control, e.g. diets
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
- A61B5/14507—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue specially adapted for measuring characteristics of body fluids other than blood
- A61B5/1451—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue specially adapted for measuring characteristics of body fluids other than blood for interstitial fluid
- A61B5/14514—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue specially adapted for measuring characteristics of body fluids other than blood for interstitial fluid using means for aiding extraction of interstitial fluid, e.g. microneedles or suction
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
- A61B5/14546—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue for measuring analytes not otherwise provided for, e.g. ions, cytochromes
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
- A61B5/1486—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using enzyme electrodes, e.g. with immobilised oxidase
- A61B5/14865—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using enzyme electrodes, e.g. with immobilised oxidase invasive, e.g. introduced into the body by a catheter or needle or using implanted sensors
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
- A61B5/683—Means for maintaining contact with the body
- A61B5/6832—Means for maintaining contact with the body using adhesives
- A61B5/6833—Adhesive patches
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7271—Specific aspects of physiological measurement analysis
- A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
-
- 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
- G16H10/20—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for electronic clinical trials or questionnaires
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/30—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to physical therapies or activities, e.g. physiotherapy, acupressure or exercising
-
- 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
- G16H20/70—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to mental therapies, e.g. psychological therapy or autogenous training
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2203/00—Indexing scheme relating to G06F3/00 - G06F3/048
- G06F2203/01—Indexing scheme relating to G06F3/01
- G06F2203/011—Emotion or mood input determined on the basis of sensed human body parameters such as pulse, heart rate or beat, temperature of skin, facial expressions, iris, voice pitch, brain activity patterns
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Biophysics (AREA)
- Epidemiology (AREA)
- Heart & Thoracic Surgery (AREA)
- Veterinary Medicine (AREA)
- Animal Behavior & Ethology (AREA)
- Primary Health Care (AREA)
- Surgery (AREA)
- Molecular Biology (AREA)
- Optics & Photonics (AREA)
- Psychiatry (AREA)
- Hospice & Palliative Care (AREA)
- Physiology (AREA)
- Developmental Disabilities (AREA)
- Psychology (AREA)
- Social Psychology (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Child & Adolescent Psychology (AREA)
- Signal Processing (AREA)
- Physical Education & Sports Medicine (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Nutrition Science (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
Le procédé informatisé pour la détermination d’une recommandation nutritionnelle personnalisée d’un utilisateur utilise de données temporelles de concentration de métabolites de l’utilisateur obtenues par des mesures in vivo réalisées régulièrement au cours du temps dans le liquide interstitiel de l’utilisateur par au moins un capteur portable porté par l’utilisateur, y compris pour le glucose, les acides gras non estérifiés, le glycérol, et/ou les corps cétoniques. Un module informatisé de recommandation sélectionne une recommandation adaptée à l’utilisateur en fonction des données temporelles par application de règles associant les recommandations de la liste de recommandations à des données temporelles de concentration de métabolites. Figure pour l’abrégé : figure 5
Description
DOMAINE DE L’INVENTION
La présente invention se rapporte aux procédés et aux systèmes informatisés pour la détermination d’une recommandation nutritionnelle.
ARRIÈRE-PLAN TECHNOLOGIQUE
Dans le domaine de la nutrition, une personne peut consulter régulièrement un nutritionniste spécialisé pour obtenir des recommandations sur sa nutrition, dans le but d’atteindre un ou plusieurs objectifs, comme par exemple de perdre du poids, ou de ne pas gagner en masse grasse.
Il existe toutefois une difficulté en ce que le nutritionniste spécialisé n’a accès qu’à peu d’informations concernant la personne qui le consulte. Ce peu d’informations est essentiellement déclaratif, de sorte que le nutritionniste est tributaire de la bonne volonté de la personne qui lui communique les informations. Malgré cette démarche pro-active de consulter un nutritionniste spécialisé, cette personne peut, consciemment ou inconsciemment, ne pas fournir d’informations très exactes sur la réalité de sa pratique nutritionnelle.
De plus, étant donné que les rendez-vous sont espacés dans le temps, il est difficile pour le nutritionniste d’évaluer si la recommandation a effectivement été suivie par la personne, avec quel sérieux, et pendant combien de temps.
De plus, étant donné que les métabolismes nutritionnels sont très complexes, et potentiellement très différents d’une personne à l’autre, et peuvent être très dépendants de facteurs exogènes comme un stress ou un problème de sommeil par exemple, il est très difficile au nutritionniste de prodiguer des recommandations qui soient réellement adaptées à la personne.
Il a récemment été proposé des « patchs » ou « wearables » pour le suivi en temps réel de la glycémie. Une personne pose le « patch » sur sa peau, et le capteur réalise une estimation répétée, par exemple plusieurs fois par heure, du taux de glucose dans le sang. De tels capteurs ont été développés principalement pour les malades du diabète.
Pour les patients diabétiques, de tels capteurs peuvent être utilisés, et les données mesurées peuvent être traités, pour recommander une quantité d’insuline ou de glucagon à injecter. Toutefois, ce processus ne conduit pas à un changement de régime d’alimentation du patient.
Toutefois, la technologie s’est démocratisée, et de tels capteurs peuvent être désormais utilisés, avec une précision plus ou moins bonne, par tout un chacun ou sous ordonnance.
L’invention vise ainsi à proposer un coach nutritionnel qui permettent d’influer efficacement et sur le long terme sur le régime nutritionnel d’un utilisateur.
Ainsi, l’invention se rapporte à un procédé informatisé pour la détermination d’une recommandation nutritionnelle personnalisée d’un utilisateur dans lequel, disposant de données temporelles de concentration de métabolites de l’utilisateur obtenues par des mesures in vivo réalisées régulièrement au cours du temps de manière non chirurgicale dans le liquide interstitiel de l’utilisateur par au moins un capteur portable porté par l’utilisateur, comprenant au moins des données temporelles de concentration en au moins deux des métabolites de la liste suivante : {glucose, acides gras non estérifiés, glycérol, corps cétoniques} dans le liquide interstitiel de l’utilisateur, un module informatisé de recommandation sélectionne au moins une recommandation adaptée à l’utilisateur dans une liste de recommandations comprenant plusieurs recommandations, en fonction au moins desdites données temporelles de concentration de métabolites, en utilisant au moins lesdites données temporelles de concentration en métabolites, par application de règles associant les recommandations de la liste de recommandations à des données temporelles de concentration de métabolites.
Grâce à ces dispositions, on peut déterminer de manière fréquente une recommandation réellement adaptée à l’utilisateur, à partir de données nombreuses et de bonne qualité.
Selon les réalisations, on utilise au moins un groupe de métabolites de la liste suivante :
– glucose et acides gras non estérifiés,
– glucose et glycérol,
– glucose et corps cétoniques,
– acides gras non estérifiés et glycérol,
– acides gras non estérifiés et corps cétoniques,
- glycérol et corps cétoniques,
– glucose, acides gras non estérifiés et glycérol,
– glucose, acides gras non estérifiés et corps cétoniques,
– glucose, glycérol et corps cétoniques,
– acides gras non estérifiés, glycérol et corps cétoniques,
glucose, acides gras non estérifiés, glycérol et corps cétoniques.
– glucose et acides gras non estérifiés,
– glucose et glycérol,
– glucose et corps cétoniques,
– acides gras non estérifiés et glycérol,
– acides gras non estérifiés et corps cétoniques,
- glycérol et corps cétoniques,
– glucose, acides gras non estérifiés et glycérol,
– glucose, acides gras non estérifiés et corps cétoniques,
– glucose, glycérol et corps cétoniques,
– acides gras non estérifiés, glycérol et corps cétoniques,
glucose, acides gras non estérifiés, glycérol et corps cétoniques.
Selon différents aspects, il est possible de prévoir l’une et/ou l’autre des caractéristiques ci-dessous prises seules ou en combinaison.
Selon une réalisation, un module informatisé de caractérisation détermine un indice composite de l’utilisateur à partir desdites données temporelles de concentration de métabolites de l’utilisateur, et le module informatisé de recommandation sélectionne ladite au moins une recommandation adaptée à l’utilisateur en utilisant ledit indice composite, par application de règles associant les recommandations de la liste de recommandations à des indices composites.
Selon une réalisation, le module informatisé de recommandation détermine un score de pertinence d’au moins une pluralité de recommandations dans la liste de recommandations, et sélectionne ladite recommandation adaptée à l’utilisateur en fonction desdits scores de pertinence.
Selon une réalisation, le module informatisé de recommandation détermine le score de pertinence à partir en outre d’un but à atteindre défini par l’utilisateur, dans lequel lesdites règles associent les recommandations de la liste de recommandations à des données temporelles de concentration de métabolites et à des buts à atteindre.
Selon une réalisation, le module informatisé de recommandation détermine le score de pertinence d’une recommandation en déterminant une prédiction d’une valeur d’un paramètre de contrôle en simulant une absence de suivi de recommandation, et une prédiction de ladite valeur du paramètre de contrôle en simulant une mise en œuvre de ladite recommandation à partir au moins desdites données temporelles de concentration de métabolites.
Selon une réalisation, le module informatisé de recommandation sélectionne ladite au moins une recommandation adaptée à partir en outre d’un historique des recommandations pour l’utilisateur.
Selon une réalisation, le module informatisé de recommandation sélectionne la recommandation adaptée à l’utilisateur en fonction en outre au moins de données relatives à l’identité, aux goûts, et/ou aux contraintes de l’utilisateur saisies par l’utilisateur par l’intermédiaire d’une interface homme-machine.
Selon une réalisation, le module informatisé de recommandation sélectionne la recommandation adaptée à l’utilisateur en fonction en outre de données d’alimentation, de santé, d’exercice physique et/ou de sommeil, ainsi que d’instants associés à ces données, saisies par l’utilisateur par l’intermédiaire d’une interface homme-machine.
Selon une réalisation, lesdites au moins une, notamment au moins deux, recommandations adaptées sont transmises à l’utilisateur, et l’utilisateur sélectionne une recommandation parmi lesdites au moins une, notamment au moins deux, recommandations adaptées.
Selon une réalisation, le procédé informatisé comprend en outre une phase d’observation de l’usager utilisant ledit capteur portable préalable à la sélection de ladite au moins une recommandation adaptée.
Selon un autre aspect, l’invention se rapporte à un ensemble de programmes d’ordinateur comprenant des instructions adaptées pour la mise en œuvre du procédé ci-dessus, quand l’ensemble de programmes d’ordinateur est exécuté par un ou plusieurs ordinateurs,
Selon un autre aspect, l’invention se rapporte à un système informatisé pour la détermination d’une recommandation nutritionnelle personnalisée d’un utilisateur, comprenant :
. au moins un capteur portable porté par l’utilisateur et adapté pour réaliser des mesures in vivo régulièrement au cours du temps dans le liquide interstitiel de l’utilisateur pour produire de données temporelles de concentration de métabolites de l’utilisateur, comprenant au moins des données temporelles de concentration en au moins deux des métabolites de la liste suivante : {glucose, acides gras non estérifiés, glycérol, corps cétoniques} dans le liquide interstitiel de l’utilisateur,
. un module informatisé de recommandation adapté pour sélectionner au moins une recommandation adaptée à l’utilisateur dans une liste de recommandations comprenant plusieurs recommandations, en fonction au moins desdites données temporelles de concentration en métabolites, par application de règles associant les recommandations de la liste de recommandations à des données temporelles de concentration de métabolites,
. au moins un capteur portable porté par l’utilisateur et adapté pour réaliser des mesures in vivo régulièrement au cours du temps dans le liquide interstitiel de l’utilisateur pour produire de données temporelles de concentration de métabolites de l’utilisateur, comprenant au moins des données temporelles de concentration en au moins deux des métabolites de la liste suivante : {glucose, acides gras non estérifiés, glycérol, corps cétoniques} dans le liquide interstitiel de l’utilisateur,
. un module informatisé de recommandation adapté pour sélectionner au moins une recommandation adaptée à l’utilisateur dans une liste de recommandations comprenant plusieurs recommandations, en fonction au moins desdites données temporelles de concentration en métabolites, par application de règles associant les recommandations de la liste de recommandations à des données temporelles de concentration de métabolites,
Des modes de réalisation de l’invention seront décrits ci-dessous par référence aux dessins, décrits brièvement ci-dessous :
Sur les dessins, des références identiques désignent des objets identiques ou similaires.
Claims (12)
- Procédé informatisé pour la détermination d’une recommandation nutritionnelle personnalisée d’un utilisateur dans lequel :
- au moins un capteur portable porté par l’utilisateur fournit des données temporelles de concentration de métabolites de l’utilisateur obtenues par des mesures in vivo réalisées régulièrement au cours du temps de manière non chirurgicale dans le liquide interstitiel de l’utilisateur, comprenant au moins des données temporelles de concentration en au moins deux des métabolites de la liste suivante : {glucose, acides gras non estérifiés, glycérol, corps cétoniques} dans le liquide interstitiel de l’utilisateur, et
- un module informatisé de recommandation sélectionne au moins une recommandation adaptée à l’utilisateur dans une liste de recommandations comprenant plusieurs recommandations, en fonction au moins desdites données temporelles de concentration de métabolites, en utilisant au moins lesdites données temporelles de concentration en métabolites, par application de règles associant les recommandations de la liste de recommandations à des données temporelles de concentration de métabolites. - Procédé informatisé selon la revendication 1, dans lequel un module informatisé de caractérisation (26) détermine un indice composite de l’utilisateur à partir desdites données temporelles de concentration de métabolites de l’utilisateur, et dans lequel le module informatisé de recommandation sélectionne ladite au moins une recommandation adaptée à l’utilisateur en utilisant ledit indice composite, par application de règles associant les recommandations de la liste de recommandations à des indices composites.
- Procédé informatisé selon la revendication 1 ou 2, dans lequel le module informatisé de recommandation détermine un score de pertinence d’au moins une pluralité de recommandations dans la liste de recommandations, et sélectionne ladite recommandation adaptée à l’utilisateur en fonction desdits scores de pertinence.
- Procédé informatisé selon la revendication 3, dans lequel le module informatisé de recommandation détermine le score de pertinence à partir en outre d’un but à atteindre défini par l’utilisateur, dans lequel lesdites règles associent les recommandations de la liste de recommandations à des données temporelles de concentration de métabolites et à des buts à atteindre.
- Procédé informatisé selon la revendication 3 ou 4, dans lequel le module informatisé de recommandation détermine le score de pertinence d’une recommandation en déterminant une prédiction d’une valeur d’un paramètre de contrôle en simulant une absence de suivi de recommandation, et une prédiction de ladite valeur du paramètre de contrôle en simulant une mise en œuvre de ladite recommandation à partir au moins desdites données temporelles de concentration de métabolites.
- Procédé informatisé selon l’une des revendications 1 à 5, dans lequel le module informatisé de recommandation sélectionne ladite au moins une recommandation adaptée à partir en outre d’un historique des recommandations pour l’utilisateur.
- Procédé informatisé selon l’une des revendications 1 à 6, dans lequel le module informatisé de recommandation sélectionne la recommandation adaptée à l’utilisateur en fonction en outre au moins de données relatives à l’identité, aux goûts, et/ou aux contraintes de l’utilisateur saisies par l’utilisateur par l’intermédiaire d’une interface homme-machine.
- Procédé informatisé selon l’une quelconque des revendications 1 à 7, dans lequel le module informatisé de recommandation sélectionne la recommandation adaptée à l’utilisateur en fonction en outre de données d’alimentation, de santé, d’exercice physique et/ou de sommeil, ainsi que d’instants associés à ces données, saisies par l’utilisateur par l’intermédiaire d’une interface homme-machine.
- Procédé informatisé selon l’une des revendications 1 à 8, dans lequel lesdites au moins une, notamment au moins deux, recommandations adaptées sont transmises à l’utilisateur, et l’utilisateur sélectionne une recommandation parmi lesdites au moins une, notamment au moins deux, recommandations adaptées.
- Procédé informatisé selon l’une des revendications 1 à 9, comprenant en outre une phase d’observation de l’usager utilisant ledit capteur portable préalable à la sélection de ladite au moins une recommandation adaptée.
- Ensemble de programmes d’ordinateur comprenant des instructions adaptées pour la mise en œuvre du procédé selon l’une quelconque des revendications 1 à 10, quand l’ensemble de programmes d’ordinateur est exécuté par un ou plusieurs ordinateurs.
- Système informatisé pour la détermination d’une recommandation nutritionnelle personnalisée d’un utilisateur, comprenant :
. au moins un capteur portable porté par l’utilisateur et adapté pour réaliser des mesures in vivo régulièrement au cours du temps dans le liquide interstitiel de l’utilisateur pour produire de données temporelles de concentration de métabolites de l’utilisateur, comprenant au moins des données temporelles de concentration en au moins deux des métabolites de la liste suivante : {glucose, acides gras non estérifiés, glycérol, corps cétoniques} dans le liquide interstitiel de l’utilisateur,
. un module informatisé de recommandation adapté pour sélectionner au moins une recommandation adaptée à l’utilisateur dans une liste de recommandations comprenant plusieurs recommandations, en fonction au moins desdites données temporelles de concentration en métabolites, par application de règles associant les recommandations de la liste de recommandations à des données temporelles de concentration de métabolites.
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| FR2111382A FR3128367A1 (fr) | 2021-10-27 | 2021-10-27 | Procédé et système informatisés pour la détermination d’une recommandation nutritionnelle. |
| PCT/EP2022/080022 WO2023073072A1 (fr) | 2021-10-27 | 2022-10-26 | Procédé et système informatisés pour la détermination d'une recommandation nutritionnelle |
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| FR2111382A FR3128367A1 (fr) | 2021-10-27 | 2021-10-27 | Procédé et système informatisés pour la détermination d’une recommandation nutritionnelle. |
| FR2111382 | 2021-10-27 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| FR3128367A1 true FR3128367A1 (fr) | 2023-04-28 |
Family
ID=80735571
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| FR2111382A Pending FR3128367A1 (fr) | 2021-10-27 | 2021-10-27 | Procédé et système informatisés pour la détermination d’une recommandation nutritionnelle. |
Country Status (2)
| Country | Link |
|---|---|
| FR (1) | FR3128367A1 (fr) |
| WO (1) | WO2023073072A1 (fr) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20170249445A1 (en) * | 2014-09-12 | 2017-08-31 | Blacktree Fitness Technologies Inc. | Portable devices and methods for measuring nutritional intake |
| US20190295440A1 (en) * | 2018-03-23 | 2019-09-26 | Nutrino Health Ltd. | Systems and methods for food analysis, personalized recommendations and health management |
| US20200205703A1 (en) * | 2017-08-18 | 2020-07-02 | Indigo Diabetes N.V. | Personal health monitoring system, multiple user health monitoring system, and method |
| US20210000416A1 (en) * | 2017-03-08 | 2021-01-07 | Abbott Diabetes Care Inc. | Systems, devices, and methods for wellness and nutrition monitoring and management using analyte data |
| WO2021148545A1 (fr) * | 2020-01-22 | 2021-07-29 | Loewi Gmbh | Système et procédé de nutrition individualisée axée sur les données |
| US20210267506A1 (en) * | 2020-03-02 | 2021-09-02 | Dexcom, Inc. | Evaluation of data to provide decision support for a ketogenic lifestyle |
-
2021
- 2021-10-27 FR FR2111382A patent/FR3128367A1/fr active Pending
-
2022
- 2022-10-26 WO PCT/EP2022/080022 patent/WO2023073072A1/fr unknown
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20170249445A1 (en) * | 2014-09-12 | 2017-08-31 | Blacktree Fitness Technologies Inc. | Portable devices and methods for measuring nutritional intake |
| US20210000416A1 (en) * | 2017-03-08 | 2021-01-07 | Abbott Diabetes Care Inc. | Systems, devices, and methods for wellness and nutrition monitoring and management using analyte data |
| US20200205703A1 (en) * | 2017-08-18 | 2020-07-02 | Indigo Diabetes N.V. | Personal health monitoring system, multiple user health monitoring system, and method |
| US20190295440A1 (en) * | 2018-03-23 | 2019-09-26 | Nutrino Health Ltd. | Systems and methods for food analysis, personalized recommendations and health management |
| WO2021148545A1 (fr) * | 2020-01-22 | 2021-07-29 | Loewi Gmbh | Système et procédé de nutrition individualisée axée sur les données |
| US20210267506A1 (en) * | 2020-03-02 | 2021-09-02 | Dexcom, Inc. | Evaluation of data to provide decision support for a ketogenic lifestyle |
Non-Patent Citations (1)
| Title |
|---|
| PRATT ET AL.: "Mathematical modelling of hepatic lipid metabolism", MATHEMATICAL BIOSCIENCES, vol. 262, 2015, pages 167 - 181 |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2023073072A1 (fr) | 2023-05-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10019554B2 (en) | Glycemic risk determination based on variability of glucose | |
| US6835175B1 (en) | Medical devices for contemporaneous decision support in metabolic control | |
| US6368272B1 (en) | Equipment and method for contemporaneous decision supporting metabolic control | |
| EP1718196B1 (fr) | Controle metabolique et procede et appareil permettant d'indiquer un etat de sante d'un sujet | |
| Percival et al. | Modeling the effects of subcutaneous insulin administration and carbohydrate consumption on blood glucose | |
| JP2007014751A (ja) | インスリン投与量調節のために糖尿病患者の体液について一連のグルコース濃度を評価する方法と装置 | |
| Zhao et al. | Rapid model identification for online subcutaneous glucose concentration prediction for new subjects with type I diabetes | |
| Kinsley et al. | Blood glucose awareness training and epinephrine responses to hypoglycemia during intensive treatment in type 1 diabetes. | |
| Marxreiter et al. | Sensor-based gait analysis of individualized improvement during apomorphine titration in Parkinson’s disease | |
| Babakhanyan et al. | National Institutes of Health Toolbox Emotion Battery for English-and Spanish-speaking adults: normative data and factor-based summary scores | |
| WO2015146031A1 (fr) | Dispositif d'indication de mouvement, procédé d'indication de mouvement et programme d'indication de mouvement | |
| US20110070565A1 (en) | Postprandial blood glucose estimating apparatus, postprandial blood glucose estimating method, and computer program product | |
| US20140199670A1 (en) | Multimodal cognitive performance benchmarking and Testing | |
| Healy et al. | Monitoring glycemia in diabetes | |
| Bunn et al. | Assessment of step accuracy using the Consumer Technology Association standard | |
| Heinemann et al. | Critical reappraisal of the time-in-range: alternative or useful addition to glycated hemoglobin? | |
| Graupensperger et al. | The dynamic nature of injunctive drinking norms and within-person associations with college student alcohol use. | |
| Reiterer et al. | Impact of carbohydrate counting errors on glycemic control in type 1 diabetes | |
| Zanon et al. | Regularised model identification improves accuracy of multisensor systems for noninvasive continuous glucose monitoring in diabetes management | |
| FR3128367A1 (fr) | Procédé et système informatisés pour la détermination d’une recommandation nutritionnelle. | |
| Kaiser et al. | Is personalized treatment selection a promising avenue in bpd research? A meta-regression estimating treatment effect heterogeneity in RCTs of BPD. | |
| Kapil et al. | Artificial pancreas system for type 1 diabetes—challenges and advancements | |
| Fereydouneyan et al. | Using a fuzzy controller optimized by a genetic algorithm to regulate blood glucose level in type 1 diabetes | |
| Mansell et al. | Estimation of secondary effect parameters in glycaemic dynamics using accumulating data from a virtual type 1 diabetic patient | |
| US20230089697A1 (en) | Method for generating a composite nutritional index, and associated system |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PLFP | Fee payment |
Year of fee payment: 2 |
|
| PLSC | Publication of the preliminary search report |
Effective date: 20230428 |
|
| PLFP | Fee payment |
Year of fee payment: 3 |