HUE034313T2 - Eljárások orvosi mérési görbék kiértékelésére - Google Patents

Eljárások orvosi mérési görbék kiértékelésére Download PDF

Info

Publication number
HUE034313T2
HUE034313T2 HUE13811932A HUE13811932A HUE034313T2 HU E034313 T2 HUE034313 T2 HU E034313T2 HU E13811932 A HUE13811932 A HU E13811932A HU E13811932 A HUE13811932 A HU E13811932A HU E034313 T2 HUE034313 T2 HU E034313T2
Authority
HU
Hungary
Prior art keywords
curve
value
measurement curve
optical measurement
evaluation
Prior art date
Application number
HUE13811932A
Other languages
English (en)
Inventor
Simon Aigner
Gabriele Chemnitius
Carina Horn
Bernd Limburg
Timo Ottenstein
Wolfgang Petrich
Markus Plum
Christian Ringemann
Markus Serr
Original Assignee
Hoffmann La Roche
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 Hoffmann La Roche filed Critical Hoffmann La Roche
Publication of HUE034313T2 publication Critical patent/HUE034313T2/hu

Links

Classifications

    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16BBIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B40/00ICT specially adapted for biostatistics; ICT specially adapted for bioinformatics-related machine learning or data mining, e.g. knowledge discovery or pattern finding
    • G16B40/10Signal processing, e.g. from mass spectrometry [MS] or from PCR
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/27Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands using photo-electric detection ; circuits for computing concentration
    • G01N21/274Calibration, base line adjustment, drift correction
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/75Systems in which material is subjected to a chemical reaction, the progress or the result of the reaction being investigated
    • G01N21/77Systems in which material is subjected to a chemical reaction, the progress or the result of the reaction being investigated by observing the effect on a chemical indicator
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84Systems specially adapted for particular applications
    • G01N21/8483Investigating reagent band
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/50Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
    • G01N33/66Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving blood sugars, e.g. galactose
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/50Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
    • G01N33/80Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving blood groups or blood types or red blood cells
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16BBIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B40/00ICT specially adapted for biostatistics; ICT specially adapted for bioinformatics-related machine learning or data mining, e.g. knowledge discovery or pattern finding
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16BBIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B40/00ICT specially adapted for biostatistics; ICT specially adapted for bioinformatics-related machine learning or data mining, e.g. knowledge discovery or pattern finding
    • G16B40/20Supervised data analysis
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2201/00Features of devices classified in G01N21/00
    • G01N2201/12Circuits of general importance; Signal processing
    • G01N2201/129Using chemometrical methods
    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y10TECHNICAL SUBJECTS COVERED BY FORMER USPC
    • Y10TTECHNICAL SUBJECTS COVERED BY FORMER US CLASSIFICATION
    • Y10T436/00Chemistry: analytical and immunological testing
    • Y10T436/14Heterocyclic carbon compound [i.e., O, S, N, Se, Te, as only ring hetero atom]
    • Y10T436/142222Hetero-O [e.g., ascorbic acid, etc.]
    • Y10T436/143333Saccharide [e.g., DNA, etc.]
    • Y10T436/144444Glucose

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Medical Informatics (AREA)
  • Immunology (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Biochemistry (AREA)
  • General Physics & Mathematics (AREA)
  • Pathology (AREA)
  • Analytical Chemistry (AREA)
  • Molecular Biology (AREA)
  • Biotechnology (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Hematology (AREA)
  • Public Health (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Databases & Information Systems (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Epidemiology (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Artificial Intelligence (AREA)
  • Bioethics (AREA)
  • Biophysics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Urology & Nephrology (AREA)
  • Biomedical Technology (AREA)
  • Microbiology (AREA)
  • Cell Biology (AREA)
  • Food Science & Technology (AREA)
  • Medicinal Chemistry (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Mathematical Physics (AREA)
  • Plasma & Fusion (AREA)
  • Signal Processing (AREA)

Claims (6)

  1. EUÄÄGK ORVOM MÉRÉSI GÔEBÉS. KIÉRl'ÉKELÉSÈBI Szabmlatml %á»y|p»»tok
    1, Eljárás tesiîMyadéfc mlbtfâban lévő anyag iim»tatÄ% »% 8 következő lépéseket a) legalább egy optikai mérési görbe biztosítása. ahol az optikai mérési görbe áré" rési értékek stteágál ITOteap^ amelyeket rögzítenek legalább egy olyan ml* fist érték lábbeli változásának mégigyeléséveb maely legalább égy vdzSgáktf anyag; és egy testbbyadék-mlütá észlelési reakciójának előrehaladását jelzE ahol az optikái mérési görbében lévő mérési értékekét különböző idoponierkhan (Ili) kapjak·,, aböl az észlelési reakciót ismerten állapotváltozók halmaza belblyásolja, lite egyes áíiapotvábozó a testtoly adlk-mintónak kgallbb egy állapötát és aa észlelési Mátéid álapoiát jellemzi;: h) legalább kit különböző értékelési szabály halmazának biztosítása, minden egyes értékelési szabályt arra alkalmaznak, begy jellemző értéket (138) származtassanak az optikai mérési görbéből, ezzel jeUemzö értékét származ tatva: az; optikai mérési görbghök a jellemző értékeli: (138) halmaza legalább egy első: jeileetzö értéket (IJf) tartalmaz,: amilyet az optikai mérési görbéből származtatnak az értékelési :gö|hék:báintiizábói váló legalább egy első Értékelési görbe (elhasználásával. valamint legalább egy második jellemző értéket (138), amelyet az öpikat mérést görbéből származóinak az értékelési görbék halmazából való legalább egy második értékelési görbe; felhasználásával, a második értékelési szabály különbözik az első értékelési szabály tok e) á legalább egy első jellemző érlek (131) és a legalább egy második jellemző értek (138) legalább egy többváltozós elemzésének elvégzése legalább egy előre meghatározott többváltozós értékelési algoritmus felhasználásával., a többváltozós értékelési algoritmus olyan algoritmus, amelyet legalább egy eredmlnynek kg-alább két változóból való származtatására alkalmaznak, ahol a legalább ©|y első jellemző értéket (:138} és a legalább egy második: jellemző értéket: (138) használ· jak a legalább két változóként, ezáltal legalább egy becslési értéket származtatva az hliágoiváiíozlk ieplább egy Î eélvalíozója számárat I) álépiább egy eleméendl anyag könéentráeicfának meghatározása a legalább egy Y célváltoző ielltasznállsával. % Az. előző igénypont szerinti eljárás, ahol az állapon adózókat a k vetkezőket t<irtaIm<wo csoportból választják ki.a testfolyadék-minta összetétele, előnyösen a tesilolyadék-mn.ta legalább eg> <K$/ete%o ettek tartalma. es meg előnyösebben legalább egy elemzendő anyag loneeslrâeiôja; a testibiyadik-mmtá ilégálibb egy zészeesfee* összetevőjének tartalma, előnyösen hematökdt: a tôÂlpdéMÂ bbrnlr sékieí©; a, tegtíbly^lk^íiitáí légkör páratartalma; a vizsgálati anyag tárolá si ideje; mmfê anyag, á minin vagy a minta bizonyos tulajdonságainak, a minta donorjának larmakolögiai kezelése által okozott változásai. 3> Az előző Igénypontok egyike szerinti eljsirás, ahol az első értékelési szabály nem diákit« halő át atnásodlk értékelési szabályba idő-átalakltássak
  2. 4, Az előző igénypontok egyike szerinti eljárás, ahol a második értékelési szabály legalább egy együtthatóban és/vagy legalább egy paraméterben és/vagy legalább egy olyan ősz-szetevőben különbözik az első értékelési szabálytól, amely az aigoritmusra vonatkozik.
  3. 5, Az előző igénypontok egyike szerinti eljárás, ahol harmadik értékelési szabály van biztosítva, ahol a c) lépésben a legalább egy első jel lemző érték az. első értékelési szabályból származik, és ahol a több változ.ós értékelési algoritmusban a második értékelési szabályt smgy a harmadik értékelési szabályt használják a legalább egy első jellemző értéktől. függően. í>„ Az előző Igénypontok egyike szerinti eljárás:, aboli m első jellemző értéket ( OS) m op· iikai mérési görbe elei időszaka segítségével határozzák meg, ahol a második jellemző irtlkei (138) az optikai mérési görbe második időszaka segítségével határozzák meg; ahol az optikai mérési ígörbé: első Möszaká különbözik az optikai mérési görbe második időszakától. n Az előzi igénypontok egyike szerinti eljárás, aboi a célérték különbözik a legalább egy életmgMd&amp; aöyág, konoentràciôjâtôk &amp; M eiőkő igénypontok egyike szerinti eljárás, ahol «ι legalább két értékelési szabály arra van kialakítva, hogy a jellemző énekeket (138) az optikai mérési görbe legalább két származékából szárMaztassa. 9> Az előző Igénypontok egyike szerinti eljárás, ahöl az Y eélváíioző tattálmazza a testlm lyádékmuftfáhan lévő legalább egy elentzendö anyag köneeivtráeíőiát. Ili Az előző Igénypontok egyike ezerinti eljárás, ahoi a d) lépésben a legalább egy Y eél-változón kívül legalább egy elektrokémiai értéket használnak az elemzendő anyag koncentrációjának meghatározására, ahol az elektrokémiai mérési érteket legalább egy elektrokémiai mérés segítségével határozzák meg.
  4. 11, Az előző igénypontok egyike szerinti eljárás, ahol az elektrokémiai mérési érték segítségével meghatározzák a teatfólyadék-mirttábao: lévő legalább egy elemzendő anyag koneéntráeipiának közelitő énéket, ahol az Y célértéket használják á közelítő érték helyesbítésére,
  5. 12, M előző igénypontok egyike szerinti eljárás, ahol a legalább egy többváltozós algánk mus tartalmaz egy függvényt, amely magában foglal legalább egy döntési fél {ISA lb#), ahol a döntési iá (154, 164} tartalmaz legalább egy döntési ágat, amely lehetővé teszi legalább két választható eljárás egyikének kiválasztását annak értékelése alapján, hogy egy előre meghatározott feltétéi teljesülhet-e,
  6. 13, Az. előző igénypontok egyike szerinti eljárás, ahol a két különböző értékelési szabály legalább egyikét a következőkből álló csoportból választják ki: m az optikai mérési görbe jellemző mérési értékének vagy az optikai Mérési görbe egy előre meghatározott időpontjánál, mint jellemző értéknél '(138) lévő deriváltjának segítségévei, előnyösen egy vagy több jellemző feltétel segítségével, különösen egy vagy több olyan jelemző feltétel segítségével, amelyek tariaimazhat- nak tepläib egy s?tllifelté!el;kÉonyôséhbgâ vgy slore ^gh#ik»0it<te^fe#r^ lék alatti átx'áltláia?|?:|g;:; b. a* optikai mérési görbe vagy az öp$kíÉ::tP#ré$i görbe deriváltja előre meghatáí-rozott időszakon levő középértékének használata a jellemző értékként i 138); e, az optikai mérési görbe vagy az optikai mérési görbe deriváltja jellemző pontjának használata a jellemző értékként Ü3S), előnyösen egy jellemző pont az ído·-hem émerinél a következők egyike vagy többje jelentkezik: az optikai mérést; görbe vagy az epikai mérési görbe deriváltjának maximuma; az optikai mérést görbe vagy az optikai mérési görbe deriváltjának minimuma; az optikai mérést; görbe vagy az optikai mérési görbe deriváltjának inflexiós pontja: 4 ez optikai mérési görbe vagy az optikai mérési görbe deriváltja jellemző· :ps£á“ fnétercoeL előnyösen a következők jellemző paraméterek egyikének jellem;# értékként (138) vafolaaználais: az optikai .mérési l»e vagy oz optikai mérési gör< be..deriváhjtek::m«x«piwi!| az optikái mérésisgötl^:'yáfy»óptikai mérési görbe deriváltjának minimuma; az optikai mérést görbe vagy az optikai mérési görbe deriváltjának inflexiós pontja; e. legalább egy illesztési folyamát által származtatott illesztési parameter haszná-Ipa a jellemző értékként (138), ahöl az Iteztési folyamat magában foglalja legalább egy meghatározott illesztési görbének az optikai mérési görbe vagy az optikai mérési görbe deriváltja legalább egy szakaszához való illesztését; és í. az optikai mérési görbe legalább: kétknlönhöző rendű deriváltjának íázisgörbé-jéhpl származtatott legalább egy érték haszniiata a jellemző értékként fi Mg âWî. a íazlsgörbe legalább egy íMsíérgörbéí tmtalmaz, ahol a tázisgörbéböl származtatott értéket előnyösen a következőkből álló csoportból választják ki:a fázistér-görbe kizepéaek helye; a Sstérgörbe hossza; fázistér térfogata; fázistér területe; pont a fazistérgőrbe központjától való legnagyobb távolsággal; átlagos négyzetes: távolság a fázistér eredetétől. 14« Az előző nvpemoh og\íke s vnnu eljast\. ahol a b» fopes to mima \ú az miekokss: szabályok halmazának. előállítását, az értékelési szabályok halmazának előállítása a következő aílépeseket tartalmazza: Μ) íaitttlálj métési görbék tanulási halmazának biztosítása, amelyet tanulási test-· folyadékok tanulási halmazának használatával és vizsgálati anyag is vizsgálati töstfölyadékok észlelési reakéílphák megigyelésével szereznek meg, és m: étós« lesi reakciókat agy váíasztták: ki, liogf a irrnulM kérési göibékef ÉlàpMlto· különböző bahnizaival mmák meg; bi!) jelölt értékelési szabály ok halmazának azonosítása es miéit leUemzo ettelek ( I elj imlmaaán# szltíua^mtlaa a tanulási mérési görbékianuláal halmazából ; 13) Megyés JeÄittike1||ifÄÄ^okIöz:5fal^jii#It|iIentzö4iÄek::P3;%'iä:':M' állapotváltozók közötti kormliélö mepöíámaása; b4) az értékelési szabályok halmazának kiválasztása a jelölt értékelési szabályok halmazából a b3) aüépésben meghatározott korrelációk figyelembevételével, Ili lijárás tesiolyadék métájában lévő elemzendő anyag kimutatására, amely a kővetkező lépéseket tartalmazza; i) legalább egy mérési görbe biztosítása*, aboi a mérési görbe mérési értékek sokaságát tartalmazza, amelyeket rögzítenek legalább egy olyan mérést érték Időbeli változásának meg%yáéséyék amely iegaibb egy vizsgálati anyag is egy testtő-lyádek-mmta észlelésií ;ri|á#^pttá'ke:tl%éhÉtóását|él«í*: ahol a mérési görbében lévő mérési értékeket különböző időpontokban (136) kapjuk, ahol az észlelési cm akciót ismerten állapotváltozók halmaza befolyásolja, minden egyes áliapotválío-zó a testfblyadék-mintâîiàl'IéiÂil» egy állapotéi és az észlelési reakció állapotát jellemzi; há legalább egy éilváltozó ek1 vagy legalább egy becslési érték ibégbátátózása leg-alább egy Y-hoz a mérési görbe első fi időszaka segítségével, ahol 0 < íj <x, almi az Y célérték különbözik a legalább egy elemzendő anyag; könöentrácíólától: ül) a legalább egy elemzendő anyag köneemráeipjánák meghatározása a legalább egy célérték seglslgévek Äni jellemezve, légy az eiiárás továbbá a következő lépést tartalmazza: rv) legalább két különböző értékelési szabály halmazának biztosítása* mindén egyes értékelési szabályi arra alkalmaznak, hogy jellemző értéket U38) származtassanak a mérési görbéből, ezzel X:~{X,}x...n jellemző énekét származtatva a mérést görbéből, a jellemző értékek (1.38) halmaza legalább egy első jiikmző ér- léket Π 38) tartalmaz., amelyet a mérési görbéből származtatnak az értékelési |öt" hék halmazából \aló legalább egy első értékelési görbe lelhasználásával, valamint legalább egy második jelIciíízso értekei í 138). amelyet a mérési görbéből származtatnak az éttéMéM görbék t#«iz|l||: :igy-:pfeôÂ-:É#fc^lésl .gör be MhasznaíM a második értékelés? szabály különbözik az első értékelési szabálytól, |C Áz- #l$z# igénypontok egyike szerinti: eljárás, ahol m e|äras tö^áfebá a következő lépést tartalmazza: v) a legalább egy első |éllemzö értek ( 138} és a legalább egy második jellemző értik fill)tlégaJ löbbváltozós elemzésének elvégzése legalább egy előre megbátáröZDövtöbbvállözás értékelési algorittnas íélliasználáslvái. a többváltozós: értékelési algoritmus olyan algoritmus». Mélyei legalább égy émdraénynék lég-alább két változóból való származtatására alkalmaznak ahol a legalább égy első jellemző értéket (138) és s legalább égy második jellemző értéket (li8> taznli-ják a legalább két váltözéfeénk ezáltal legalább egy becslési etséket szármasaatva m állapotváltozók legalább egy Y eélváltozója szâmÂ, írt eljárás a következő lépéseket tartalmazza: A) a tesuiüvadéionunía érintkezésbe hozása legalább egy vizsgáiai artyaggal, ezáltal kezdetiiényézve a vtzsplatt anyag és a testfolyadeknnlrttatreakeitiganak észlelési reaMőjibsgáéi'.ag. teleiig! reakéilt ismertan állapötváitozök halmaza beik lyásolja, minden egyes állapotváltozó a íesífolyadlk-fiunta legalább egy állapötlt: és az észlelési reakció egy feltételét, jellemzi; B) az észlelési reakció előrehaladását jelző legalább egy mérési érték időbeli változásának figyelése, ezáltal rögzítve egy optikai mérési görbét, amely különböző időpontokban (136) szerzett mérési értékek sokaságát tartalmazza: C) az optikai mérési görbe értékelése az élözö igénypontéi, égylke szerinti eljárás segítségévei. Μ, Számi tó gépe s progfmm azzal Jelkmezve, hogy számítógép által végrehajtható ntasrlib sokat tartalmaz 8¾ előző igénypontok egyike szedhii ellátás: végrehapéátá, »lkot 8-programot számítógépit {13¾ vagy számítógép®* WÓzmm ( 134) li^|t|ak végre, II, Miutaelemzö eszköz: (110) testtől} adék-minta jellemzésére, m eszköz a következőket tartalmazza: - legalább egy mérő egység |! táj legalább egy vlzsgálattdö aapg és legalább egy itestíőlpdékórdnta: észlelési mtdmiőjának mérésére, ahol az észlelési reakotai &amp;* mértért állapaváitözők halmáza kell, hogy befolyásolja, minden egyes állapotváb tozó a restfolyadék-nihna legalább egy állapotát és az észlelési reakció állapotát jeliem®:, a mérő egységet (pl 2) továbbá az észlelési reakció előrehaladását jelző legalább egy mérési érték Időbeli haladásÉtak figyelésére alkalmazzák, ezáltal: zögzltve: egy optikai: mérési görbét,, amely kítlöbbözo idöporrtokharr (1 lő) szerzett mérést értékek sokaságál tartalmazza; és * legalább egy értékelési eszköz (114): egy optikai mérési görbe értékelésére legalább egy testlbiyadék^mlhta elemzéséhez, m·. eszköz legalább egy értékelési: egy-séget (116) tattalmaz, azzal jellemezve, hogy az értékelést egységet (! lé) arra alkalmazzák, hogy egy mérés értékelésére vonatkozó, az előző igénypontok egyike szerin ti eljárást végr ébaj tson, Ä Az előző igénypont szerinti miittaclemző eszköz (110), amely továbbá tartalmaz leg-alább egy vizsgálati elemet (118), előnyösen legalább egy tesztcsíkot (120), ahol a vizsgálati clem (111) tartalmazza az észlelési reakció végrehajtásához alkalmazott legalább egy vizsgálati anyagot, aboi a mihtáelemző eszközt: (110) agy alkalmazzák, hogy a test-tölyaőék-mlbtá illeszthető a. vizsgálati elemhez il 1!),
HUE13811932A 2012-12-20 2013-12-19 Eljárások orvosi mérési görbék kiértékelésére HUE034313T2 (hu)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
EP12198445 2012-12-20

Publications (1)

Publication Number Publication Date
HUE034313T2 true HUE034313T2 (hu) 2018-02-28

Family

ID=47603061

Family Applications (1)

Application Number Title Priority Date Filing Date
HUE13811932A HUE034313T2 (hu) 2012-12-20 2013-12-19 Eljárások orvosi mérési görbék kiértékelésére

Country Status (9)

Country Link
US (2) US20150286778A1 (hu)
EP (1) EP2936124B1 (hu)
JP (1) JP6462585B2 (hu)
KR (1) KR101789893B1 (hu)
CN (1) CN104870982B (hu)
CA (1) CA2896152C (hu)
HU (1) HUE034313T2 (hu)
PL (1) PL2936124T3 (hu)
WO (1) WO2014096174A1 (hu)

Families Citing this family (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2910360C (en) * 2013-06-10 2018-07-10 F. Hoffmann-La Roche Ag Method and system for detecting an analyte in a body fluid
GB201507458D0 (en) * 2015-04-30 2015-06-17 Inside Biometrics Ltd System and method for measuring fitness-related parameters
IT201600094056A1 (it) * 2016-09-20 2018-03-20 Bilimetrix S R L Metodo di taratura per un dispositivo di misura della bilirubina
KR20200142541A (ko) * 2018-04-06 2020-12-22 베링거잉겔하임베트메디카게엠베하 분석물의 측정 방법 및 분석 시스템
EP3640946A1 (en) * 2018-10-15 2020-04-22 Sartorius Stedim Data Analytics AB Multivariate approach for biological cell selection
PL3650843T3 (pl) * 2018-11-07 2022-05-02 F. Hoffmann-La Roche Ag Sposoby i urządzenia do wykonywania pomiaru analitycznego
CN109682968B (zh) * 2018-11-08 2022-03-11 上海艾瑞德生物科技有限公司 一种荧光免疫试条定量检测测试信号温度矫正方法
JP2021092476A (ja) * 2019-12-11 2021-06-17 清水建設株式会社 評価装置、評価方法、学習装置、及び学習方法
JP2024507652A (ja) * 2021-01-11 2024-02-21 メソ スケール テクノロジーズ エルエルシー アッセイシステムの較正システム及び方法
US11796549B2 (en) * 2021-02-12 2023-10-24 Hach Company Real-time management of analyte recovery
WO2022221884A1 (en) * 2021-04-16 2022-10-20 Beth Israel Deaconess Medical Center, Inc. Systems and methods for non-selective stimulated echo multislice diffusion imaging
KR102717386B1 (ko) * 2022-01-27 2024-10-15 스페클립스 주식회사 의료 진단 장치 및 이의 제어 방법
WO2025162776A1 (en) 2024-02-02 2025-08-07 Roche Diabetes Care Gmbh Analytical method for detecting at least one analyte in a bodily fluid
CN120257815B (zh) * 2025-03-25 2026-03-31 南京埃德伯格智能技术有限公司 一种多目标优化下的废气净化方法

Family Cites Families (30)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE3826922A1 (de) 1988-08-09 1990-02-22 Boehringer Mannheim Gmbh Verfahren zur kolorimetrischen bestimmung eines analyten mittels enzymatischer oxidation
DE3940010A1 (de) 1989-12-02 1991-06-06 Boehringer Mannheim Gmbh Verwendung eines schwer loeslichen salzes einer heteropolysaeure zur bestimmung eines analyts, entsprechendes bestimmungsverfahren sowie hierfuer geeignetes mittel
DE4221807C2 (de) * 1992-07-03 1994-07-14 Boehringer Mannheim Gmbh Verfahren zur analytischen Bestimmung der Konzentration eines Bestandteiles einer medizinischen Probe
HU222809B1 (hu) 1997-10-03 2003-10-28 77 Elektronika Műszeripari Kft. Eljárás és készülék kémiai összetevőnek anyagmintából, különösen vér glükóztartalmának vérmintából történő meghatározásához
US20030036202A1 (en) * 2001-08-01 2003-02-20 Maria Teodorcyzk Methods and devices for use in analyte concentration determination assays
JP2005537891A (ja) 2002-09-10 2005-12-15 ユーロ−セルティーク エス.エイ. 血液成分の非侵襲的測定のための装置及び方法
US7118916B2 (en) * 2002-10-21 2006-10-10 Lifescan, Inc. Method of reducing analysis time of endpoint-type reaction profiles
JP4745959B2 (ja) * 2003-05-12 2011-08-10 リバー・ダイアグノスティクス・ビー.・ブイ. 微生物の自動特徴づけおよび分類
JP5065013B2 (ja) * 2004-05-14 2012-10-31 バイエル・ヘルスケア・エルエルシー グルコースアッセイにおいてヘマトクリットの調整を行う方法、およびそのための装置
ES2315950T3 (es) 2005-03-15 2009-04-01 F. Hoffmann-La Roche Ag Metodo y sistema para el analisis del metabolismo de la glucosa.
US20060281187A1 (en) * 2005-06-13 2006-12-14 Rosedale Medical, Inc. Analyte detection devices and methods with hematocrit/volume correction and feedback control
DE102005035461A1 (de) 2005-07-28 2007-02-15 Roche Diagnostics Gmbh Stabile NAD/NADH-Derivate
CN101915736B (zh) * 2005-10-28 2012-06-20 松下电器产业株式会社 测定仪器、测定装置和测定方法
US20070235346A1 (en) * 2006-04-11 2007-10-11 Popovich Natasha D System and methods for providing corrected analyte concentration measurements
EP1909206A1 (de) 2006-09-11 2008-04-09 Roche Diagnostics GmbH Messbereichserweiterung chromatografischer Schnellteste
US7629125B2 (en) 2006-11-16 2009-12-08 General Electric Company Sequential analysis of biological samples
EP1985996A1 (de) 2007-04-27 2008-10-29 Roche Diagnostics GmbH Analysesystem zur photometrischen Bestimmung eines Analyten in einer Körperflüssigkeit mit einem Analysegerät und einem Testträger zur Aufnahme in das Analysegerät
ES2681895T3 (es) 2007-06-18 2018-09-17 F. Hoffmann-La Roche Ag Método y sistema de control de la glucosa para monitorizar la respuesta metabólica individual y para generar una respuesta nutricional
PL2040072T3 (pl) * 2007-09-22 2013-06-28 Hoffmann La Roche System analityczny do określania koncentracji analitu w płynie ustrojowym
MX2010006392A (es) 2007-12-10 2010-07-02 Bayer Healthcare Llc Compensacion basada en la pendiente.
EP2093284A1 (de) 2008-02-19 2009-08-26 F.Hoffmann-La Roche Ag Stabilisierung von Dehydrogenasen mit stabilen Coenzymen
CN101622541A (zh) 2008-10-24 2010-01-06 韩国帕克特生物科技有限公司 糖化血红蛋白定量检测系统及使用该系统检测糖化血红蛋白含量的方法
CA2769154C (en) 2009-07-27 2015-10-27 F. Hoffmann-La Roche Ag Method and substances for preparation of n-substituted pyridinium compounds
CN102471793B (zh) 2009-07-27 2014-04-30 霍夫曼-拉罗奇有限公司 Carba-nad的酶促合成
CN102471272B (zh) 2009-07-27 2014-09-10 霍夫曼-拉罗奇有限公司 制备n-取代吡啶鎓化合物的方法和物质
US20130189702A1 (en) * 2010-04-21 2013-07-25 Siemens Healthcare Diagnostics Inc. Curve Processor Algorithm for the Quality Control of (RT-) qPCR Curves
JP5812701B2 (ja) * 2010-06-23 2015-11-17 アークレイ株式会社 血漿グルコース測定方法
NZ609363A (en) * 2010-10-18 2015-04-24 Nestec Sa Methods for determining anti-drug antibody isotypes
EP3901624B1 (en) 2010-12-22 2024-01-31 Roche Diabetes Care GmbH Methods to compensate for sources of error during electrochemical testing
JP5801590B2 (ja) * 2011-04-11 2015-10-28 シスメックス株式会社 生体成分測定方法

Also Published As

Publication number Publication date
CA2896152C (en) 2018-07-24
EP2936124A1 (en) 2015-10-28
US20150286778A1 (en) 2015-10-08
WO2014096174A1 (en) 2014-06-26
JP2016505840A (ja) 2016-02-25
EP2936124B1 (en) 2017-03-15
US10984892B2 (en) 2021-04-20
PL2936124T3 (pl) 2017-08-31
KR20150090152A (ko) 2015-08-05
CN104870982A (zh) 2015-08-26
CN104870982B (zh) 2019-02-15
CA2896152A1 (en) 2014-06-26
US20190325992A1 (en) 2019-10-24
KR101789893B1 (ko) 2017-11-20
JP6462585B2 (ja) 2019-01-30
HK1213992A1 (zh) 2016-07-15

Similar Documents

Publication Publication Date Title
US10984892B2 (en) Methods of evaluating medical measurement curves, as well as computer programs and devices therefor
Doty et al. Predicting the time of the crime: Bloodstain aging estimation for up to two years
JP6441812B2 (ja) 体液試料を分析する方法
KR20210099575A (ko) 체액의 샘플 내 피분석물의 농도를 결정하기 위한 방법 및 시스템, 및 소프트웨어-구현 모듈을 생성하는 방법 및 시스템
JP2004347385A (ja) 異常検出システム及び異常検出方法
de la Peña et al. Comparative study of net analyte signal-based methods and partial least squares for the simultaneous determination of amoxycillin and clavulanic acid by stopped-flow kinetic analysis
Imaizumi et al. Assessing transfer entropy from biochemical data
US20210254125A1 (en) Method and device for estimating number of cells
Sharma et al. Support Vector and Linear Regression Machine Learning Model on Amperometric Signals to Predict Glucose Concentration and Hematocrit Volume
Forouzangohar et al. Mid-infrared spectra predict nuclear magnetic resonance spectra of soil carbon
Abdollahi et al. Spectrophotometric study of complexation equilibria with H-point standard addition and H-point curve isolation methods
HK1213992B (zh) 用於评估医学测量曲线的方法
RU2808555C2 (ru) Способ и система для определения концентрации аналита в образце физиологической жидкости и способ и система для создания реализуемого программным обеспечением модуля
TW202546842A (zh) 檢測體液中的至少一種分析物之分析方法
Rocha¹ et al. Assessment of Performance and Uncertainty in Qualitative Analytical Chemistry: A Metrological Approach based on the Eurachem/CITAC Guide
HK1213637B (en) Method for analyzing a sample of a body fluid
LATCHOUMANE et al. One-Class Modeling for the Early Diagnosis of Septoria Tritici Blotch in Wheat Using Hyperspectral Data