FR3141325A1 - Diabetic Patient Remote Monitoring System - Google Patents

Diabetic Patient Remote Monitoring System Download PDF

Info

Publication number
FR3141325A1
FR3141325A1 FR2211407A FR2211407A FR3141325A1 FR 3141325 A1 FR3141325 A1 FR 3141325A1 FR 2211407 A FR2211407 A FR 2211407A FR 2211407 A FR2211407 A FR 2211407A FR 3141325 A1 FR3141325 A1 FR 3141325A1
Authority
FR
France
Prior art keywords
threshold
patient
blood sugar
time
monitoring system
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
FR2211407A
Other languages
French (fr)
Inventor
Mehdi RAHIM
Habiboulaye Amadou-Boubacar
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Air Liquide SA
LAir Liquide SA pour lEtude et lExploitation des Procedes Georges Claude
Original Assignee
Air Liquide SA
LAir Liquide SA pour lEtude et lExploitation des Procedes Georges Claude
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 Air Liquide SA, LAir Liquide SA pour lEtude et lExploitation des Procedes Georges Claude filed Critical Air Liquide SA
Priority to FR2211407A priority Critical patent/FR3141325A1/en
Publication of FR3141325A1 publication Critical patent/FR3141325A1/en
Pending legal-status Critical Current

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/742—Details of notification to user or communication with user or patient ; user input means using visual displays
    • 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
    • A61B5/0015—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by features of the telemetry system
    • A61B5/0022—Monitoring a patient using a global network, e.g. telephone networks, internet
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
    • A61B5/14532—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue for measuring glucose, e.g. by tissue impedance measurement
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
    • 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

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Veterinary Medicine (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • Biophysics (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Psychiatry (AREA)
  • Emergency Medicine (AREA)
  • Evolutionary Computation (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Physiology (AREA)
  • Optics & Photonics (AREA)
  • Signal Processing (AREA)
  • Nutrition Science (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

Titre de l’invention Système de suivi à distance de patient diabétique L’invention concerne un système de suivi (1), de préférence à distance, d’un patient (P) diabétique comprenant un dispositif de mesure en continu de glycémie (2) ou CGM configuré pour opérer des mesures de glycémie reflétant la glycémie du patient (P) pendant une période de temps longue (T) de plusieurs jours, et des moyens de traitement de données (3) à microprocesseur pour traiter les mesures de glycémie opérées et commander ensuite des moyens d’affichage (4) pour opérer un affichage d’une représentation graphique (RG) montrant les variations de la glycémie du patient, de plusieurs zones (Z1, Z2, Z3, … Zi) représentant une prise de repas par le patient, d’un premier seuil (S1) correspondant à un seuil d’hypoglycémie et d’un second seuil (S2) correspondant à un seuil d’hyperglycémie. Figure de l’abrégé : Fig. 1 Title of the invention Diabetic Patient Remote Monitoring System The invention relates to a monitoring system (1), preferably remotely, of a diabetic patient (P) comprising: a continuous blood glucose measuring device (2) or CGM configured to carry out blood glucose measurements reflecting the blood sugar of the patient (P) for a long period of time (T) of several days, and microprocessor data processing means (3) for processing the blood sugar measurements taken and then controlling display means (4) to operate a display of a graphic representation (RG) showing the variations in the patient's blood sugar, of several zones (Z1, Z2, Z3, ... Zi) representing a meal taken by the patient, of a first threshold (S1) corresponding to a hypoglycemia threshold and a second threshold (S2) corresponding to a hyperglycemia threshold. Abstract figure: Fig. 1

Description

Système de suivi à distance de patient diabétiqueDiabetic Patient Remote Monitoring System

L’invention concerne un système de (télé)suivi d’un patient diabétique, de préférence de suivi à distance, comprenant des moyens d’affichage pour afficher non seulement les variations de la glycémie du patient au fil du temps mais aussi ses prises de repas, ainsi que des seuils d’hypoglycémie et d’hyperglycémieThe invention relates to a system for (tele) monitoring of a diabetic patient, preferably remote monitoring, comprising display means for displaying not only the variations in the patient's blood sugar levels over time but also their measurements. meals, as well as hypoglycemia and hyperglycemia thresholds

Les patients diabétiques sont couramment traités par injection d’insuline qui est un médicament servant à favoriser l’entrée du glucose dans les cellules et donc sa métabolisation par le corps.Diabetic patients are commonly treated with insulin injection, which is a medication used to promote the entry of glucose into cells and therefore its metabolism by the body.

L’insuline joue donc un rôle de régulateur de la glycémie, en particulier lors et après la prise d’un repas par le patient diabétique. Toutefois, il est aussi primordial que la dose d’insuline administrée corresponde aux besoins du patient, c'est-à-dire ni trop élevée, ni trop faible de sorte qu’elle n’induise ni hypo-, ni hyperglycémie.Insulin therefore plays a role in regulating blood sugar levels, particularly during and after a meal by diabetic patients. However, it is also essential that the dose of insulin administered corresponds to the patient's needs, that is to say neither too high nor too low so that it does not induce hypo- or hyperglycemia.

L’analyse de la prise de repas, i.e. ingestion d’aliments, chez un patient diabétique est donc un élément clé pour assurer une bonne prise en charge du diabète de ce patient, notamment pour définir ou ajuster la quantité d’insuline à lui administrer. Cependant, l’information de prise de repas est difficile à acquérir car elle nécessite une prise de notes systématique par le patient à chaque repas, qui sont destinées au praticien traitant le patient considéré, i.e. médecin, infirmière ou analogue.The analysis of meal intake, i.e. food ingestion, in a diabetic patient is therefore a key element to ensure good management of this patient's diabetes, in particular to define or adjust the quantity of insulin to be administered. . However, meal information is difficult to acquire because it requires systematic note-taking by the patient at each meal, which are intended for the practitioner treating the patient in question, i.e. doctor, nurse or the like.

Or, il est important pour le praticien de savoir quand le patient a pris un repas et de pouvoir connaître l’impact de ce repas ou de ce type de repas sur sa glycémie, en particulier si le patient se trouve en risque d’hypo- ou d’hyperglycémie, sachant que les pics de glycémie peuvent aussi être engendrés par d’autres causes, notamment un stress important.However, it is important for the practitioner to know when the patient has had a meal and to be able to know the impact of this meal or this type of meal on their blood sugar, particularly if the patient is at risk of hypo- or hyperglycemia, knowing that blood sugar peaks can also be caused by other causes, in particular significant stress.

Toutefois, en pratique, beaucoup de patients ne prennent pas de notes, de manière régulière ou précise, voire pas de notes du tout, car ils oublient de le faire ou pour d’autres raisons, tel qu’un manque de rigueur, de motivation ou de discipline.However, in practice, many patients do not take notes regularly or precisely, or even not at all, because they forget to do so or for other reasons, such as a lack of rigor or motivation. or discipline.

Le problème est dès lors de proposer un système de suivi, de préférence à distance, de patient(s) diabétique(s) permettant à un praticien de savoir facilement si un patient a pris un/des repas sur une période de temps donnée et à quel(s) moment(s) précisément de manière à connaître l’impact de ces repas successifs sur sa glycémie et par ailleurs de pouvoir vérifier si le traitement appliqué à ce patient est adapté ou doit être réajusté.The problem is therefore to propose a monitoring system, preferably remotely, of diabetic patient(s) allowing a practitioner to easily know if a patient has taken one or more meals over a given period of time and to which moment(s) precisely so as to know the impact of these successive meals on his blood sugar levels and also to be able to check whether the treatment applied to this patient is suitable or must be readjusted.

Pour y répondre, l’invention propose un système de suivi permettant de détecter automatiquement les prises de repas par un patient à partir des données de la glycémie de ce patient et de fournir ces informations à un praticien, tel un médecin ou autre, de sorte que ce dernier puisse en prendre connaissance, évaluer l’impact de ces repas sur la glycémie de son patient et vérifier si le traitement appliqué à ce dernier est adapté ou doit être réajusté.To respond to this, the invention proposes a monitoring system making it possible to automatically detect meal intake by a patient based on this patient's blood sugar data and to provide this information to a practitioner, such as a doctor or other, so as to that the latter can read them, assess the impact of these meals on their patient's blood sugar and check whether the treatment applied to the latter is suitable or needs to be readjusted.

Plus précisément, la solution de l’invention concerne un système de suivi d’un patient diabétique, de préférence de suivi à distance ou télé-suivi, comprenant :

  • un dispositif de mesure en continu de glycémie ou CGM configuré pour opérer des mesures de glycémie reflétant la glycémie d’un patient pendant une période de temps longue (T) donnée de plusieurs jours,
  • des moyens de traitement de données à microprocesseur configurés pour :
More specifically, the solution of the invention relates to a system for monitoring a diabetic patient, preferably remote monitoring or tele-monitoring, comprising:
  • a continuous blood glucose measuring device or CGM configured to take blood glucose measurements reflecting the blood sugar of a patient over a given long period of time (T) of several days,
  • microprocessor data processing means configured to:

a) traiter les mesures de glycémie pour déterminer des périodes de temps courtes (dt) correspondant à des prises de repas durant la période de temps longue (T) eta) process the blood glucose measurements to determine short periods of time (dt) corresponding to meals taken during the long period of time (T) and

b) commander des moyens d’affichage pour opérer un affichage :

  • d’une représentation graphique montrant les variations de la glycémie du patient pendant la période de temps longue (T),
  • de plusieurs zones espacées les unes des autres sur ladite représentation graphique, chaque zone représentant une prise de repas par le patient,
  • d’un premier seuil correspondant à un seuil d’hypoglycémie et
  • d’un second seuil correspondant à un seuil d’hyperglycémie,
b) control display means to operate a display:
  • a graphical representation showing the variations in the patient's blood sugar levels over the long period of time (T),
  • several zones spaced from each other on said graphic representation, each zone representing a meal taken by the patient,
  • a first threshold corresponding to a hypoglycemia threshold and
  • a second threshold corresponding to a hyperglycemia threshold,

et dans lequel les moyens d’affichage sont configurés pour afficher la représentation graphique des variations de glycémie, les zones de prise de repas et les premier et second seuils.and in which the display means are configured to display the graphical representation of blood sugar variations, the meal intake zones and the first and second thresholds.

Dans le cadre de l’invention :In the context of the invention:

- par « repas », on entend un ou plusieurs aliments ingérés par le patient et susceptibles d’influer sur sa glycémie, c'est-à-dire son taux de glucose. Par exemple, ça peut être un repas complet ou simplement une partie d‘un repas, ou encore un en-cas, une boisson ou tout autre aliment ingéré, sous forme solide, liquide ou autre.- by “meal”, we mean one or more foods ingested by the patient and likely to influence their blood sugar, that is to say their glucose level. For example, it can be a complete meal or simply part of a meal, or even a snack, a drink or any other food ingested, in solid, liquid or other form.

- par « diabète », on entend un diabète de type 1 ou de type 2.- by “diabetes”, we mean type 1 or type 2 diabetes.

Selon le mode de réalisation considéré, le système de l'invention peut comprendre l'une ou plusieurs des caractéristiques suivantes :

  • le dispositif de mesure en continu de glycémie ou CGM est configuré pour opérer des mesures de glycémie toutes les 2 à 10 minutes, par exemple toutes les 5 minutes.
  • le dispositif de mesure en continu de glycémie (CGM) est configuré pour opérer des mesures du taux (i.e. concentration ou niveau) de glucose interstitiel.
  • le dispositif de mesure en continu de glycémie (CGM) est configuré pour être implanté sur le corps du patient, par exemple collé sur sa peau.
  • la période de temps longue (T) est d’au moins 5 jours, de préférence d’au moins 7 jours. Plus la durée T est longue, plus les mesures opérées reflètent les habitudes alimentaires du patient et sa physiologie, c'est-à-dire la réponse postprandiale (i.e. diffusion glycémique).
  • les moyens de traitement de données comprennent un ou plusieurs microprocesseurs.
  • les moyens de traitement de données comprennent un serveur, en particulier un serveur distant, c'est-à-dire éloigné de plusieurs centaines de mètres ou de plusieurs km du lieu où s’opèrent les mesures (e.g. à domicile, à l’hôpital, en EHPAD ou dans tout autre établissement recevant un ou des patients diabétiques).
  • les moyens de traitement de données sont configurés pour opérer une identification ou détection des zones de prise de repas par mise en œuvre d’un apprentissage artificiel ou apprentissage machine, i.e.machine learningen anglais.
  • le dispositif de mesure en continu de glycémie (CGM) est configuré pour transmettre ou fournir les mesures de glycémie aux moyens de traitement de données, de préférence de télétransmettre ces mesures.
  • le dispositif de mesure en continu de glycémie (CGM) comprend des moyens de (télé)communication pour (télé)transmettre les mesures.
  • les moyens de communication sont configurés pour transmettre les mesures par GSM (3G/4G/5G), wifi, BluetoothTM, internet ou autre.
  • les périodes de temps courtes (dt) ont une durée d’au moins 30 min et inférieure à 4h, typiquement de 1 h à 3.5 h. Cette durée dépend du patient considéré, notamment de son métabolisme. Avantageusement, selon l’invention, la durée est de préférence de l’ordre de 2h à 3h.
  • les périodes de temps courtes (dt) comprennent le temps d’ingestion du repas (i.e. aliments) et le temps pendant lequel ce repas influe sur la glycémie du patient, c'est-à-dire la réponse postprandiale.
  • la représentation graphique montrant les variations de la glycémie du patient comprend une courbe.
  • le premier seuil correspond à un seuil d’hypoglycémie compris entre 65 mg/dL et 75 mg/dL environ, de préférence égal à environ 70 mg/dL (i.e. 0,70 g/L) ou environ 3,9 mmol/dL.
  • le second seuil correspond à un seuil d’hyperglycémie compris entre 170 mg/dL et 200 mg/dL environ, de préférence égal à environ 180 mg/dL (i.e. 1,80 g/L) ou environ 10 mmol/dL.
  • le premier seuil est affiché sous forme d’une première droite horizontale.
  • le second seuil est affiché sous forme d’une seconde droite horizontale.
  • la première droite et la seconde droite sont parallèles.
  • la première droite et la seconde droite sont affichées sur les moyens d’affichage.
  • les moyens d’affichage sont configurés pour afficher simultanément la première droite et la seconde droite, la représentation graphique montrant les variations de la glycémie et les zones représentant les prises de repas.
  • les moyens d’affichage comprennent un écran, de préférence en couleurs.
  • l’écran est un écran d’ordinateur fixe ou portable, de tablette numérique, de téléphone multifonction (i.e.smartphoneen anglais) ou autre.
  • les moyens d’affichage sont configurés pour afficher la représentation graphique montrant les variations de glycémie et les zones représentant les prises de repas dans des couleurs différentes, par exemple la représentation graphique montrant les variations de glycémie est affichée en bleu ou noir, et les zones représentant les prises de repas sont affichées en rouge ou orange.
  • le serveur comprend des moyens de mémorisation configurés pour mémoriser le modèle d’apprentissage artificiel et le premier et le second seuil.
  • il est configuré pour identifier sur la représentation graphique montrant les variations de glycémie, une ou des zones d’alerte, de préférence toutes les zones d’alerte, correspondant à des dépassements du premier ou du second seuil, par exemple une identification en une couleur différente ou par grossissement (zoom) de ces zones.
  • les moyens de (télé)communication sont configurés pour (télé)transmettre les mesures en continu, périodiquement ou ponctuellement, de préférence de manière ponctuelle en une seule fois à l’issue de la période de temps longue T considérée.
Depending on the embodiment considered, the system of the invention may comprise one or more of the following characteristics:
  • the continuous blood glucose measuring device or CGM is configured to take blood glucose measurements every 2 to 10 minutes, for example every 5 minutes.
  • the continuous glucose measuring device (CGM) is configured to carry out measurements of the rate (ie concentration or level) of interstitial glucose.
  • the continuous blood glucose measurement (CGM) device is configured to be implanted on the patient's body, for example stuck to their skin.
  • the long period of time (T) is at least 5 days, preferably at least 7 days. The longer the duration T, the more the measurements taken reflect the patient's eating habits and his physiology, that is to say the postprandial response (ie glycemic diffusion).
  • the data processing means comprise one or more microprocessors.
  • the data processing means include a server, in particular a remote server, that is to say located several hundred meters or several km from the place where the measurements are carried out (eg at home, in the hospital , in EHPAD or in any other establishment receiving one or more diabetic patients).
  • the data processing means are configured to carry out identification or detection of meal-eating zones by implementing artificial learning or machine learning, ie machine learning in English.
  • the continuous blood glucose measurement (CGM) device is configured to transmit or provide the blood glucose measurements to the data processing means, preferably to teletransmit these measurements.
  • the continuous blood glucose measuring device (CGM) comprises (tele)communication means for (tele)transmitting the measurements.
  • the means of communication are configured to transmit measurements by GSM (3G/4G/5G), wifi, Bluetooth TM , internet or other.
  • short time periods (dt) have a duration of at least 30 min and less than 4 hours, typically from 1 hour to 3.5 hours. This duration depends on the patient in question, in particular on their metabolism. Advantageously, according to the invention, the duration is preferably of the order of 2 hours to 3 hours.
  • short time periods (dt) include the time of ingestion of the meal (ie food) and the time during which this meal influences the patient's blood sugar, i.e. the postprandial response.
  • the graphical representation showing the variations in the patient's blood sugar level includes a curve.
  • the first threshold corresponds to a hypoglycemia threshold of between approximately 65 mg/dL and 75 mg/dL, preferably equal to approximately 70 mg/dL (ie 0.70 g/L) or approximately 3.9 mmol/dL.
  • the second threshold corresponds to a hyperglycemia threshold of between approximately 170 mg/dL and 200 mg/dL, preferably equal to approximately 180 mg/dL (ie 1.80 g/L) or approximately 10 mmol/dL.
  • the first threshold is displayed in the form of a first horizontal straight line.
  • the second threshold is displayed in the form of a second horizontal line.
  • the first line and the second line are parallel.
  • the first line and the second line are displayed on the display means.
  • the display means are configured to simultaneously display the first line and the second line, the graphic representation showing the variations in blood sugar and the zones representing meal intake.
  • the display means comprise a screen, preferably in color.
  • the screen is a screen of a fixed or portable computer, a digital tablet, a multifunction telephone (i.e. smartphone in English) or other.
  • the display means are configured to display the graphic representation showing the blood sugar variations and the zones representing meal intake in different colors, for example the graphic representation showing the blood sugar variations is displayed in blue or black, and the zones representing meal intakes are displayed in red or orange.
  • the server comprises storage means configured to store the artificial learning model and the first and second threshold.
  • it is configured to identify on the graphic representation showing the blood sugar variations, one or more alert zones, preferably all the alert zones, corresponding to exceedances of the first or second threshold, for example an identification in one color different or by magnification (zoom) of these areas.
  • the (tele)communication means are configured to (tele)transmit the measurements continuously, periodically or punctually, preferably punctually in one go at the end of the long period of time T considered.

L’invention va maintenant être mieux comprise grâce à la description détaillée suivante, faite à titre illustratif mais non limitatif, en référence aux figures annexées parmi lesquelles :The invention will now be better understood thanks to the following detailed description, given by way of illustration but not limitation, with reference to the appended figures among which:

schématise un mode de réalisation d’un système de télé-suivi de patient diabétique selon l’invention ; schematizes an embodiment of a diabetic patient remote monitoring system according to the invention;

illustre un exemple de la chaîne de traitement des mesures au sein du serveur de ; et illustrates an example of the measurement processing chain within the server ; And

illustre un exemple d’affichage sur les moyens d’affichage du système de télé-suivi de . illustrates an example of display on the display means of the remote monitoring system of .

schématise un mode de réalisation d’un système de télé-suivi 1 d’un patient diabétique P (diabète de type 1 ou 2) selon l’invention comprenant un dispositif de mesure en continu de glycémie, ou dispositif CGM 2 (pourContinuous Glucose Monitoringen anglais), permettant d’opérer des mesures de glycémie reflétant la glycémie du patient P, c'est-à-dire de son taux de glucose interstitiel, pendant une période de temps longue T donnée de plusieurs jours, typiquement au moins 5 jours, préférentiellement au moins 7 jours ou plus. schematizes an embodiment of a remote monitoring system 1 of a diabetic patient P (type 1 or 2 diabetes) according to the invention comprising a continuous blood glucose measuring device, or CGM device 2 (for Continuous Glucose Monitoring in English), making it possible to take blood glucose measurements reflecting the patient's blood sugar P, that is to say his interstitial glucose level, for a given long period of time T of several days, typically at least 5 days, preferably at least 7 days or more.

Sur , l’axe des abscisses donne le temps (ici en minutes), typiquement période de temps longue T, et l’axe des ordonnées donne la concentration en glucose (ici en mg/dL).On , the x-axis gives the time (here in minutes), typically a long time period T, and the y-axis gives the glucose concentration (here in mg/dL).

En général, un dispositif CGM 2 est implanté sur le corps du patient, par exemple collé sur sa peau, de manière à opérer les mesures en quasi-continu sur toute la période de temps longue T considérée, par exemple toutes les 2 à 10 minutes, typiquement toutes les 5 minutes.In general, a CGM 2 device is implanted on the patient's body, for example glued to his skin, so as to carry out measurements almost continuously over the entire long period of time T considered, for example every 2 to 10 minutes. , typically every 5 minutes.

Une fois les mesures faites, le dispositif CGM 2 les télétransmet à des moyens de traitement de données 3 à microprocesseur(s), tel un serveur distant situé à plusieurs centaines de mètres, en général à plusieurs kilomètres ou dizaines de kilomètres, voire même à plus longue distance, du lieu où s’opèrent les mesures, à savoir au domicile du patient ou à l’hôpital, en EHPAD ou dans tout autre établissement recevant un ou des patients diabétiques.Once the measurements have been made, the CGM device 2 transmits them to data processing means 3 with microprocessor(s), such as a remote server located several hundred meters away, generally several kilometers or tens of kilometers away, or even at longer distance, from the place where the measurements are taken, namely at the patient's home or at the hospital, in a nursing home or in any other establishment receiving one or more diabetic patients.

Pour ce faire, le dispositif CGM 2 est équipé de moyens de télécommunication 2-1 permettant de télétransmettre les mesures via un protocole de télécommunication de type GSM (3G/4G/5G), wifi, BluetoothTM, internet ou autre. De tels moyens de télécommunication sont classiques et ne sont pas détaillés ici ; ils peuvent par exemple comprendre un modem, une antenne, un module émetteur/récepteur…To do this, the CGM 2 device is equipped with telecommunications means 2-1 allowing the measurements to be transmitted via a telecommunications protocol such as GSM (3G/4G/5G), wifi, Bluetooth TM , internet or other. Such means of telecommunications are conventional and are not detailed here; they can for example include a modem, an antenna, a transmitter/receiver module, etc.

Selon le mode de réalisation, la télétransmission des mesures peut se faire :

  • soit en continu, c'est-à-dire dès qu’une mesure est effectuée,
  • soit périodiquement, c'est-à-dire de manière répétitive mais espacée dans le temps, par exemple 1 ou 2 fois par jour,
  • soit ponctuellement, c'est-à-dire de manière unique, par exemple en une fois à l’issue de la période de temps longue T considérée, typiquement après 7 jours.
Depending on the embodiment, the remote transmission of measurements can be done:
  • either continuously, that is to say as soon as a measurement is carried out,
  • either periodically, that is to say repetitively but spaced out over time, for example 1 or 2 times a day,
  • or punctually, that is to say in a single manner, for example once at the end of the long period of time T considered, typically after 7 days.

Selon l’invention, les moyens de traitement de données 3 à microprocesseur(s), tel un serveur distant, sont configurés, par exemple programmés, pour recevoir les mesures de glycémie, puis les traiter pour déterminer toutes les périodes de temps courtes (dt) qui correspondent à des prises de repas durant la période de temps longue (T). Ces périodes de temps courtes (dt) ont généralement une durée d’au moins 30 min mais inférieure à 4h. Cette durée dépend bien entendu du patient considéré, en particulier de son métabolisme. Plus précisément, les périodes de temps courtes (dt) comprennent non seulement le temps d’ingestion du repas proprement dit, c'est-à-dire des aliments pris par le patient P, qu’ils soient sous forme liquide, solide ou autre, mais aussi le temps pendant lequel ce repas influe sur la glycémie du patient P, c'est-à-dire la réponse postprandiale résultant de la prise du repas considéré. Avantageusement, selon l’invention, la durée est de préférence de l’ordre de 2h à 3h.According to the invention, the data processing means 3 with microprocessor(s), such as a remote server, are configured, for example programmed, to receive the blood sugar measurements, then process them to determine all the short periods of time (dt ) which correspond to meals taken during the long period of time (T). These short periods of time (dt) generally last at least 30 minutes but less than 4 hours. This duration obviously depends on the patient considered, in particular on their metabolism. More precisely, the short periods of time (dt) include not only the time of ingestion of the meal itself, that is to say the food taken by the patient P, whether in liquid, solid or other form , but also the time during which this meal influences the blood sugar levels of patient P, that is to say the postprandial response resulting from taking the meal in question. Advantageously, according to the invention, the duration is preferably of the order of 2 hours to 3 hours.

Une fois collectées et traitées par un modèle d’apprentissage, comme expliqué ci-après en rapport avec , les mesures sont affichées sur des moyens d’affichage 4, tel un écran d’affichage d’ordinateur fixe ou portable, de tablette numérique, de téléphone multifonction ou autre.Once collected and processed by a learning model, as explained below in relation to , the measurements are displayed on display means 4, such as a display screen of a desktop or portable computer, digital tablet, multifunction telephone or other.

Autrement dit, les moyens de traitement de données 3 permettent d’opérer une identification ou détection des zones Z1, Z2, Z3, … Zide prise de repas par mise en œuvre d’un apprentissage artificiel ou apprentissage machine (machine learning), comme détaillé ci-dessous.In other words, the data processing means 3 make it possible to carry out an identification or detection of the zones Z 1 , Z 2 , Z 3 , ... Z i of taking meals by implementing artificial learning or machine learning ( machine learning ), as detailed below.

Ensuite, comme illustré sur , les moyens de traitement de données 3, ici un serveur informatique distant, commandent les moyens d’affichage 4 pour opérer un affichage, de préférence en couleurs, sur un écran de visualisation d’informations utilisé par un personnel soignant, tel un médecin M ou analogue, de :

  • une représentation graphique RG, telle une courbe, montrant les variations de la glycémie du patient P, pendant la période de temps longue T,
  • plusieurs (i) zones Z1, Z2, Z3, … Ziespacées les unes des autres sur la représentation graphique, chaque zone Zireprésentant une prise de repas par le patient P,
  • un premier seuil S1correspondant à un seuil d’hypoglycémie, à savoir ici un premier seuil S1égal à environ 70 mg/dL (i.e. 3,9 mmol/dL) ; et
  • un second seuil S2correspondant à un seuil d’hyperglycémie, à savoir ici un second seuil S2égal à environ 180 mg/dL (i.e.10 mmol/dL).
Then, as shown in , the data processing means 3, here a remote computer server, controls the display means 4 to operate a display, preferably in color, on an information display screen used by a nursing staff, such as a doctor M or the like, of:
  • a graphic representation RG, such as a curve, showing the variations in the blood sugar of patient P, during the long period of time T,
  • several (i) zones Z 1 , Z 2 , Z 3 , … Z i spaced from each other on the graphic representation, each zone Z i representing a meal taken by the patient P,
  • a first threshold S 1 corresponding to a hypoglycemia threshold, namely here a first threshold S 1 equal to approximately 70 mg/dL (ie 3.9 mmol/dL); And
  • a second threshold S 2 corresponding to a hyperglycemia threshold, namely here a second threshold S 2 equal to approximately 180 mg/dL (ie 10 mmol/dL).

Sur , le premier seuil S1et le second seuil S2sont affichés par les moyens d’affichage 4 sous forme de droites horizontales parallèles.On , the first threshold S 1 and the second threshold S 2 are displayed by the display means 4 in the form of parallel horizontal straight lines.

Par ailleurs, le serveur 3 peut comprendre des moyens de mémorisation pour mémoriser le modèle d’apprentissage artificiel utilisé et le premier et le second seuil S1, S2ou d’autres informations, données ou autres.Furthermore, the server 3 may include storage means for storing the artificial learning model used and the first and second threshold S 1 , S 2 or other information, data or others.

Préférentiellement, la représentation graphique RG montrant les variations de glycémie et les zones Z1, Z2, Z3, … Zireprésentant les prises de repas sont affichées dans des couleurs différentes, par exemple la courbe des variations de glycémie est affichée en bleu ou noir, alors que les zones représentant les prises de repas sont affichées en rouge ou orange afin d’améliorer leur visibilité par le médecin M ou analogue.Preferably, the graphic representation RG showing the blood sugar variations and the zones Z 1 , Z 2 , Z 3 , ... Z i representing the meal intake are displayed in different colors, for example the blood sugar variations curve is displayed in blue or black, while the areas representing meal intake are displayed in red or orange in order to improve their visibility by the doctor M or the like.

Avantageusement, les moyens de traitement de données 3, i.e. un serveur distant, sont configurés pour identifier sur la représentation graphique RG, c'est-à-dire ici la courbe, montrant les variations de glycémie, la ou les zones d’alerte ZA qui correspondent à des dépassements du premier ou du second seuil S1, S2, par exemple une identification en une couleur différente ou par grossissement (zoom) de ces zones ZA, ou autre.Advantageously, the data processing means 3, ie a remote server, are configured to identify on the graphic representation RG, that is to say here the curve, showing the blood sugar variations, the alert zone(s) ZA which correspond to exceeding the first or second threshold S 1 , S 2 , for example an identification in a different color or by magnification (zoom) of these zones ZA, or other.

D’une façon générale, le système 1 de l’invention permet de détecter automatiquement les prises de repas par le patient P considéré à partir des données de la glycémie de ce patient P et ensuite de fournir ces informations à un praticien, tel un médecin M ou autre, sous forme d’une représentation visuelle facile à lire et à interpréter de sorte que ce dernier puisse en prendre connaissance, évaluer l’impact des repas pris par le patient P sur sa glycémie et aussi vérifier si le traitement appliqué à ce dernier, telle une administration d’insuline, est adapté ou doit être réajusté.Generally speaking, the system 1 of the invention makes it possible to automatically detect meals taken by the patient P considered from the blood sugar data of this patient P and then to provide this information to a practitioner, such as a doctor. M or other, in the form of a visual representation easy to read and interpret so that the latter can read it, evaluate the impact of the meals taken by patient P on his blood sugar and also check whether the treatment applied to this latter, such as insulin administration, is adapted or must be readjusted.

Autrement dit, grâce au système 1 de l’invention, le médecin M ou analogue dispose de l’historique de la glycémie d’un patient P sur une durée longue T de plusieurs jours et d’une visualisation aisée et rapide non seulement de ses prises de repas et de leur effet sur la glycémie, voire aussi d’une identification de zones d’alertes correspondant à des hypo ou hyperglycémies excessives.In other words, thanks to the system 1 of the invention, the doctor M or the like has the blood sugar history of a patient P over a long period T of several days and an easy and rapid visualization not only of his meal intake and their effect on blood sugar levels, or also the identification of alert zones corresponding to excessive hypo or hyperglycemia.

Toutes ces informations sont d’importance majeure car elles permettent de confirmer ou ajuster le traitement du patient diabétique P et donc d’aboutir à un meilleur suivi du patient en améliorant l’équilibre entre ses habitudes alimentaires et son traitement par injection d’insuline ou autre.All this information is of major importance because it makes it possible to confirm or adjust the treatment of the diabetic patient P and therefore to achieve better monitoring of the patient by improving the balance between his eating habits and his treatment by insulin injection or other.

illustre un exemple de la chaîne de traitement des mesures au sein du serveur 3 de . illustrates an example of the measurement processing chain within server 3 of .

Comme on le voit, la chaîne de traitement des mesures de glycémie opérées chez un patient P donné comprend d’abord, c'est-à-dire en entrée, un traitement de la série temporelle 20 de mesures de glycémie fournies par le dispositif CGM 2, appelée série G.As can be seen, the processing chain of blood glucose measurements carried out in a given patient P first comprises, that is to say as input, a processing of the time series 20 of blood glucose measurements provided by the CGM device 2, called the G series.

Cette série G comprend une séquence d’index (G_1, G_2, ..., G_N) de longueur N correspondant aux N mesures prises par le dispositif CGM 2 durant une période de temps donnée T, par exemple 7 jours, chaque index G_i étant associée à un marqueur temporel (date et heure) et à une valeur de glycémie.This series G comprises a sequence of indexes (G_1, G_2, ..., G_N) of length N corresponding to the N measurements taken by the CGM device 2 during a given period of time T, for example 7 days, each index G_i being associated with a time marker (date and time) and a blood glucose value.

Un exemple de série G est donné dans le [Tableau 1] suivant.An example of series G is given in the following [Table 1].

IndexIndex G_iG_i Marqueur temporelTime marker
(Date – Heure)(Date hour) Valeur de la glycémie (G)Blood sugar value (G) G_1G_1 10/01/2021 19:2001/10/2021 7:20 p.m. 120120 G_2G_2 10/01/2021 19:2701/10/2021 7:27 p.m. 123123 G_3G_3 10/01/2021 19:3201/10/2021 7:32 p.m. 125125 …… …… ……

Durant la première étape de traitement, le serveur est configuré pour effectuer une suite de prétraitements 21 sur la série temporelle G.During the first processing step, the server is configured to perform a series of preprocessing 21 on the time series G.

Un premier prétraitement peut consister à retirer de la série G toute valeur aberrante. Par exemple, une valeur G_i est considérée comme aberrante si G_i < 30 ou G_i > 400 ou si une variation | G_i+1 - G_i | > 50 .A first preprocessing may consist of removing any outlier values from the G series. For example, a value G_i is considered an outlier if G_i < 30 or G_i > 400 or if a variation | G_i+1 - G_i | >50.

Un second prétraitement peut consister à ré-échantillonner la série temporelle G et à remplacer les valeurs manquantes. Le ré-échantillonnage permet d’obtenir uniformément des mesures espacées de plusieurs minutes, par exemple de 5 minutes. Pour ce faire, une interpolation linéaire est effectuée entre des mesures voisines. Par exemple, l’interpolation linéaire entre G_1 (t_1 = 19:20) et G_2 (t_2 = 19:27) permet d’approximer une valeur G_2p (t_2p = 19:25) selon la formule suivante : G_2p = G_1 + (G_2 - G_1) / (t_2 - t_1)A second preprocessing may consist of resampling the time series G and replacing the missing values. Re-sampling makes it possible to uniformly obtain measurements spaced several minutes apart, for example 5 minutes. To do this, a linear interpolation is carried out between neighboring measurements. For example, linear interpolation between G_1 (t_1 = 19:20) and G_2 (t_2 = 19:27) makes it possible to approximate a value G_2p (t_2p = 19:25) according to the following formula: G_2p = G_1 + (G_2 - G_1) / (t_2 - t_1)

Lorsqu’il existe moins de 5 valeurs consécutives manquantes, soit une période inférieure à 30 minutes, les valeurs sont estimées également par interpolation linéaire.When there are less than 5 consecutive missing values, i.e. a period of less than 30 minutes, the values are also estimated by linear interpolation.

Ensuite, une deuxième étape 22 de la chaîne de traitement peut comprendre une segmentation de la série temporelle prétraitée durant la première étape, c'est-à-dire une préparation de segments.Then, a second step 22 of the processing chain may include a segmentation of the time series preprocessed during the first step, that is to say a preparation of segments.

La segmentation consiste à sélectionner des périodes de temps de plusieurs heures données, par exemple des périodes de 3 heures, au sein de la série temporelle Gp. Cette étape est répétée par pas de 1 heure. L’empilement de ces segments permet d’obtenir une matrice X à deux dimensions où chaque ligne représente un segment de 3 heures, comme illustré en [Tableau 2].Segmentation consists of selecting time periods of several given hours, for example periods of 3 hours, within the time series Gp. This step is repeated in 1 hour increments. Stacking these segments makes it possible to obtain a two-dimensional matrix X where each line represents a 3-hour segment, as illustrated in [Table 2].

Marqueur temporelTime marker
(Segment de 3h)(3h segment) Valeur de la glycémieBlood sugar value 10/01/2021 19:25 -> 10/01/2021 22:2501/10/2021 7:25 p.m. -> 01/10/2021 10:25 p.m. 123, 125, …123, 125, … 10/01/2021 22:30 -> 11/01/2021 01:3010/01/2021 22:30 -> 11/01/2021 01:30 102, 98, …102, 98, …

La troisième étape dite ‘d’inférence’ 23 comprend un calcul de la probabilité qu’un segment de 3 heures corresponde à une phase de prise de repas.The third step, called ‘inference’ 23, includes a calculation of the probability that a 3-hour segment corresponds to a meal-eating phase.

Pour cela, un modèle de classification automatique est préalablement entraîné de type LSTM ou “mémoire à court et long terme”. Le modèle LSTM est décrit par le document suivant auquel on peut se reporter pour plus de détail:To do this, an automatic classification model is previously trained, such as LSTM or “short and long term memory”. The LSTM model is described by the following document which can be referred to for more detail:

Long Short Term Memory ; S. Hochreiter & J. Schmidhuber;Long Short Term Memory; S. Hochreiter & J. Schmidhuber; Neural ComputationNeural Computation ;; Volume 9Volume 9 ;; Issue 8Issue 8 ;; November 15, 1997 ; p. 1735–1780November 15, 1997; p. 1735–1780

En résumé, le modèle LSTM comprend un ensemble de coefficients W qui permettent de calculer (en 24) un score représentatif de la probabilité (entre 0 et 1, 1 correspond à une prise de repas) qu’un segment de 3 heures X_i corresponde à une phase de prise de repas y_i.In summary, the LSTM model includes a set of coefficients W which make it possible to calculate (in 24) a score representative of the probability (between 0 and 1, 1 corresponds to eating a meal) that a 3-hour segment X_i corresponds to a meal-eating phase y_i.

Ceci se traduit par : LSTM(X_i, W) = y_iThis translates to: LSTM(X_i, W) = y_i

Préalablement, pour que le modèle LSTM fonctionne correctement, une étape d’estimation des coefficients W optimaux est nécessaire. Cette étape dite d'entraînement du modèle est un processus capable d’extraire des corrélations dans un historique de données de mesure de glycémies de plusieurs patients associés à des évènements de prise de repas, données préalablement mémorisées au sein du serveur ou analogue.Previously, for the LSTM model to work correctly, a step of estimating the optimal W coefficients is necessary. This so-called model training step is a process capable of extracting correlations in a history of blood sugar measurement data from several patients associated with meal-eating events, data previously stored within the server or the like.

Enfin, la dernière étape (en 25) consiste à déterminer si un segment X_i correspond à une phase de prise de repas ou non.Finally, the last step (at 25) consists of determining whether a segment X_i corresponds to a meal-eating phase or not.

Pour cela, le score représentatif de la probabilité y_i est comparé à un seuil sp (par exemple sp=0.5).To do this, the score representative of the probability y_i is compared to a threshold sp (for example sp=0.5).

Une prise de repas est identifiée lorsque y_i >= sp.A meal intake is identified when y_i >= sp.

Alternativement, lorsque y_i < sp, le segment ne constitue pas une phase de prise de repas.Alternatively, when y_i < sp, the segment does not constitute a meal-eating phase.

Le modèle LTSM est ainsi capable de déterminer les zones correspondant aux prises de repas en générant des scores sur chaque segment de la courbe de glycémie et par détection dépassement de seuil sp. Le seuil sp optimal est préalablement fixé à partir d’expérimentations en trouvant le meilleur compromis entre fausses détections et non détections.The LTSM model is thus capable of determining the zones corresponding to meal intake by generating scores on each segment of the blood sugar curve and by detecting sp threshold exceedance. The optimal sp threshold is previously fixed based on experiments by finding the best compromise between false detections and non-detections.

Les hypoglycémies et hyperglycémies sont alors détectées à chaque fois qu’une zone Zi de prise repas dépasse respectivement le premier ou le second seuil (S1, S2)Hypoglycemia and hyperglycemia are then detected each time a meal intake zone Zi exceeds the first or second threshold respectively (S1, S2)

Grâce aux moyens d’affichage permettant d’afficher la représentation graphique (RG) des variations de glycémie, les zones (Z1, Z2, Z3, … Zi) de prise de repas, le premier seuil (S1) correspondant à un seuil d’hypoglycémie et le second seuil (S2) correspondant à un seuil d’hyperglycémie, le personnel de santé peut alors prendre les meilleures décisions et actions pour un suivi efficace du patient diabetique.Thanks to the display means making it possible to display the graphic representation (RG) of the variations in blood sugar, the zones (Z1, Z2, Z3, ... Zi) for taking meals, the first threshold (S1) corresponding to a threshold of hypoglycemia and the second threshold (S2) corresponding to a hyperglycemia threshold, health personnel can then take the best decisions and actions for effective monitoring of the diabetic patient.

Claims (10)

Système de suivi (1), de préférence à distance, d’un patient (P) diabétique comprenant :
  • un dispositif de mesure en continu de glycémie (2) configuré pour opérer des mesures de glycémie reflétant la glycémie du patient (P) pendant une période de temps longue (T) donnée de plusieurs jours,
  • des moyens de traitement de données (3) à microprocesseur configurés pour:
a) traiter les mesures de glycémie pour déterminer des périodes de temps courtes (dt) correspondant à des prises de repas durant la période de temps longue (T) et
b) commander des moyens d’affichage (4) pour opérer un affichage :
  • d’une représentation graphique (RG) montrant les variations de la glycémie du patient pendant la période de temps longue (T),
  • de plusieurs zones (Z1, Z2, Z3, … Zi) espacées les unes des autres sur ladite représentation graphique, chaque zone (Zi) représentant une prise de repas par le patient,
  • d’un premier seuil (S1) correspondant à un seuil d’hypoglycémie et
  • d’un second seuil (S2) correspondant à un seuil d’hyperglycémie,
et dans lequel les moyens d’affichage (4) sont configurés pour afficher la représentation graphique (RG) des variations de glycémie, les zones de prise de repas (Z1, Z2, Z3, … Zi) et les premier et second seuils (S1, S2).Monitoring system (1), preferably remotely, of a diabetic patient (P) comprising:
  • a continuous blood sugar measuring device (2) configured to carry out blood sugar measurements reflecting the blood sugar of the patient (P) over a given long period of time (T) of several days,
  • microprocessor data processing means (3) configured to:
a) process the blood glucose measurements to determine short periods of time (dt) corresponding to meals taken during the long period of time (T) and
b) control display means (4) to operate a display:
  • a graphic representation (RG) showing the variations in the patient's blood sugar levels over the long period of time (T),
  • of several zones (Z 1 , Z 2 , Z 3 , … Z i ) spaced from each other on said graphic representation, each zone (Z i ) representing a meal taken by the patient,
  • a first threshold (S 1 ) corresponding to a hypoglycemia threshold and
  • a second threshold (S 2 ) corresponding to a hyperglycemia threshold,
and in which the display means (4) are configured to display the graphic representation (RG) of blood sugar variations, the meal-taking zones (Z1, Z2,Z3, … Zi) and the first and second thresholds (S1,S2). Système de suivi selon la revendication 1, caractérisé en ce que le dispositif de mesure en continu de glycémie (2) est configuré pour opérer des mesures de glycémie toutes les 2 à 10 minutes.Monitoring system according to claim 1, characterized in that the continuous blood glucose measuring device (2) is configured to carry out blood glucose measurements every 2 to 10 minutes. Système de suivi selon la revendication 1, caractérisé en ce que la période de temps longue (T) est d’au moins 5 jours.Tracking system according to claim 1, characterized in that the long period of time (T) is at least 5 days. Système de suivi selon la revendication 1, caractérisé en ce que les périodes de temps courtes (dt) ont une durée d’au moins 30 min et inférieure à 4h.Tracking system according to claim 1, characterized in that the short time periods (dt) have a duration of at least 30 min and less than 4 hours. Système de suivi selon la revendication 1, caractérisé en ce que la représentation graphique (RG) montrant les variations de la glycémie du patient comprend une courbe.Monitoring system according to claim 1, characterized in that the graphic representation (RG) showing the variations in the patient's blood sugar comprises a curve. Système de suivi selon la revendication 1, caractérisé en ce que :
- le premier seuil (S1) correspond à un seuil d’hypoglycémie compris entre 65 mg/dL et 75 mg/dL et
- le second seuil (S2) correspond à un seuil d’hyperglycémie compris entre 170 mg/dL et 200 mg/dL.Tracking system according to claim 1, characterized in that:
- the first threshold (S 1 ) corresponds to a hypoglycemia threshold of between 65 mg/dL and 75 mg/dL and
- the second threshold (S 2 ) corresponds to a hyperglycemia threshold of between 170 mg/dL and 200 mg/dL. Système de suivi selon l'une des revendications 1 ou 6, caractérisé en ce que le premier seuil (S1) est affiché sous forme d’une première droite horizontale.
le second seuil (S2) est affiché sous forme d’une seconde droite horizontale, la première droite et la seconde droite étant affichées sur les moyens d’affichage (4).Tracking system according to one of claims 1 or 6, characterized in that the first threshold (S 1 ) is displayed in the form of a first horizontal straight line.
the second threshold (S 2 ) is displayed in the form of a second horizontal straight line, the first straight line and the second straight line being displayed on the display means (4). Système de suivi selon les revendications 1 et 7, caractérisé en ce que les moyens d’affichage sont configurés pour afficher simultanément la première droite et la seconde droite, la représentation graphique montrant les variations de la glycémie et les zones (Z1, Z2, Z3, … Zi) représentant les prises de repas.Monitoring system according to claims 1 and 7, characterized in that the display means are configured to simultaneously display the first line and the second line, the graphic representation showing the variations in blood sugar and the zones (Z 1 , Z 2 , Z 3 , … Z i ) representing meal intake. Système de suivi selon la revendication 1, caractérisé en ce qu’il est configuré pour identifier sur la représentation graphique (RG) montrant les variations de glycémie, une ou des zones d’alerte (ZA) correspondant à des dépassements du premier ou du second seuil (S1, S2).Monitoring system according to claim 1, characterized in that it is configured to identify on the graphic representation (RG) showing the blood sugar variations, one or more alert zones (ZA) corresponding to exceedances of the first or second threshold (S 1 , S 2 ). Système de suivi selon la revendication 1, caractérisé en ce que les moyens d’affichage (4) comprennent un écran d’ordinateur fixe ou portable, de tablette numérique ou de téléphone multifonction.Tracking system according to claim 1, characterized in that the display means (4) comprise a screen of a fixed or portable computer, digital tablet or multifunction telephone.
FR2211407A 2022-11-02 2022-11-02 Diabetic Patient Remote Monitoring System Pending FR3141325A1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
FR2211407A FR3141325A1 (en) 2022-11-02 2022-11-02 Diabetic Patient Remote Monitoring System

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
FR2211407 2022-11-02
FR2211407A FR3141325A1 (en) 2022-11-02 2022-11-02 Diabetic Patient Remote Monitoring System

Publications (1)

Publication Number Publication Date
FR3141325A1 true FR3141325A1 (en) 2024-05-03

Family

ID=84569357

Family Applications (1)

Application Number Title Priority Date Filing Date
FR2211407A Pending FR3141325A1 (en) 2022-11-02 2022-11-02 Diabetic Patient Remote Monitoring System

Country Status (1)

Country Link
FR (1) FR3141325A1 (en)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11166670B1 (en) * 2019-04-30 2021-11-09 Verily Life Sciences Llc Managing meal excursions in blood glucose data
US20220000399A1 (en) * 2020-07-01 2022-01-06 Abbott Diabetes Care Inc. Systems, devices, and methods for meal information collection, meal assessment, and analyte data correlation

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11166670B1 (en) * 2019-04-30 2021-11-09 Verily Life Sciences Llc Managing meal excursions in blood glucose data
US20220000399A1 (en) * 2020-07-01 2022-01-06 Abbott Diabetes Care Inc. Systems, devices, and methods for meal information collection, meal assessment, and analyte data correlation

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
S. HOCHREITERJ. SCHMIDHUBER: "Long Short Term Memory", NEURAL COMPUTATION, vol. 9, 15 November 1997 (1997-11-15), pages 1735 - 1780

Similar Documents

Publication Publication Date Title
Agiostratidou et al. Standardizing clinically meaningful outcome measures beyond HbA1c for type 1 diabetes: a consensus report of the American Association of Clinical Endocrinologists, the American Association of Diabetes Educators, the American Diabetes Association, the Endocrine Society, JDRF international, the Leona M. and Harry B. Helmsley Charitable Trust, the pediatric Endocrine Society, and the T1D exchange
Leelarathna et al. Intermittently scanned continuous glucose monitoring for type 1 diabetes
Miller Using continuous glucose monitoring in clinical practice
Weinstein et al. Accuracy of the 5-day FreeStyle Navigator Continuous Glucose Monitoring System: comparison with frequent laboratory reference measurements
Willis et al. Medical resource use, disturbance of daily life and burden of hypoglycemia in insulin-treated patients with diabetes: results from a European online survey
Bastawrous et al. The incidence of diabetes mellitus and diabetic retinopathy in a population-based cohort study of people age 50 years and over in Nakuru, Kenya
Bâ et al. Hypertension and associated factors in rural and urban areas Mali: Data from the step 2013 survey
Ly et al. A cost-effectiveness analysis of sensor-augmented insulin pump therapy and automated insulin suspension versus standard pump therapy for hypoglycemic unaware patients with type 1 diabetes
EP1193637A1 (en) Medical information system
Lempiäinen et al. Non-dipping blood pressure pattern and new-onset diabetes in a 21-year follow-up
Vallis et al. How continuous glucose monitoring can motivate self-management: can motivation follow behaviour?
US20170112452A1 (en) Systems, Devices, and/or Methods for Identifying Risk of Severe Hypoglycemia in the Next 24 Hours
Dadlani et al. Continuous glucose monitoring to assess glycemic control in the first 6 weeks after pancreas transplantation
FR2880113A1 (en) Body composition measuring apparatus comprises measuring plate supported by weight sensor, electrodes, liquid crystal display located in the front of the plate and digital and luminous graphic display devices for displaying results
Chakraborty et al. Quantifying vehicle control from physiology in type 1 diabetes
Sehgal et al. Study protocol: Safety and efficacy of smart watch integrated do-it-yourself continuous glucose monitoring in adults with Type 1 diabetes, a randomised controlled trial
Shimbre et al. Survival and predictors of mortality from multidrug resistant tuberculosis (MDR-TB) among patients treated at MDR-TB Referal Hospitals in Ethiopia: A retrospective cohort study
Maran et al. Continuous glucose monitoring in conditions other than diabetes
FR3141325A1 (en) Diabetic Patient Remote Monitoring System
Milne et al. The diabetes review: A guide to the basics. Updated December 2020
WO2020002582A1 (en) Process for managing or assisting in the monitoring of a physiological parameter of an individual, in particular the blood sugar level
Shah et al. The long‐term impact of glucose monitoring with the freestyle libre on glycaemic control and hypoglycaemia awareness in people with type 1 diabetes: insights from the Association of British Clinical Diabetologists national audit
Maia et al. Accuracy, utility and complications of continuous glucose monitoring system (CGMS) in pediatric patients with type 1 diabetes
US20210335460A1 (en) Gateway 2Health (G2H) Remote Monitoring for Managing Type 1 Diabetes ( T1D)
Maia et al. Efficacy of continuous glucose monitoring system to detect unrecognized hypoglycemia in children and adolescents with type 1 diabetes

Legal Events

Date Code Title Description
PLFP Fee payment

Year of fee payment: 2

PLSC Publication of the preliminary search report

Effective date: 20240503