JP2008194452A - 糖尿病における、高血糖及び低血糖のパターン、グルコース変動の増大、並びに無効な自己監視の認識のためのシステム、方法及びコンピュータプログラムコード - Google Patents

Abstract

【課題】最適な糖尿病の管理を行うため、高血糖への偏倚を軽減させ、厳密な血糖コントロールを維持する。
【解決手段】最適な糖尿病の管理を維持する方法、システム、コンピュータプログラム製品であって、血中グルコース自己監視装置によって収集された血中グルコース測定値に基づいて、次の期間における、低血糖、高血糖、グルコース変動の増大、不十分または過剰な検査を予測する。本方法、システム、コンピュータプログラム製品は直接的には、使用者に、高血糖、低血糖、グルコース変動の増大、無効な検査の期間を予測して警告することができるデータ知的解釈部を導入することによる既存の家庭用血中グルコース監視装置を改善、及び同機能を導入することによる血中グルコース自己監視装置の改善に関する。予測することによって、高血糖、低血糖、グルコース変動の増大による悪影響を防止できる。
【選択図】図１

Description

本システムは、一般的にはグルコース監視の技術に関し、より具体的には低血糖及び高血糖のリスク評価に関する。

（関連出願）
本特許出願は、その全開示が、参照によりその全てが本明細書に組み込まれる、２００６年１２月２１日に出願された、発明の名称を「Ｓｙｓｔｅｍｓ， Ｍｅｔｈｏｄｓ ａｎｄ Ｃｏｍｐｕｔｅｒ Ｐｒｏｇｒａｍ Ｃｏｄｅｓ ｆｏｒ Ｒｅｃｏｇｎｉｔｉｏｎ ｏｆ Ｐａｔｔｅｒｎｓ ｏｆ Ｈｙｐｅｒｇｌｙｃｅｍｉａ ａｎｄ Ｈｙｐｏｇｌｙｃｅｍｉａ， Ｉｎｃｒｅａｓｅｄ Ｇｌｕｃｏｓｅ Ｖａｒｉａｂｉｌｉｔｙ， ａｎｄ Ｉｎｅｆｆｅｃｔｉｖｅ Ｓｅｌｆ−Ｍｏｎｉｔｏｒｉｎｇ ｉｎ Ｄｉａｂｅｔｅｓ」とする米国特許仮出願第６０／８７６，４０２号に基づく優先権を主張する。

本特許出願は、その全開示が、参照によりその全てが本明細書に組み込まれる、２００７年１月５日に出願された、発明の名称を「Ｍｅｔｈｏｄ， Ｓｙｓｔｅｍ， ａｎｄ Ｃｏｍｐｕｔｅｒ Ｐｒｏｇｒａｍ Ｐｒｏｄｕｃｔ ｆｏｒ Ｅｖａｌｕａｔｉｏｎ ｏｆ Ｂｌｏｏｄ Ｇｌｕｃｏｓｅ Ｖａｒｉａｂｉｌｉｔｙ ｉｎ Ｄｉａｂｅｔｅｓ ｆｒｏｍ Ｓｅｌｆ−Ｍｏｎｉｔｏｒｉｎｇ Ｄａｔａ」と題する国際特許出願第ＰＣＴ／ＵＳ２００７／０００３７０号に関する。

生物行動フィードバック及び糖尿病の管理に対するその決定的な重要性は、ホルモンを介した分子レベルから人間行動のレベルに至る生体系組織のあらゆるレベルで作用するメカニズムに起因し、その進行が決定される、高血糖という共通の最終要素で特徴づけられる疾患群である。血糖のレベルを正常値付近に保つための、インスリン及び経口薬による集中治療により、１型（３２、４０）及び２型の糖尿病（Ｔ１ＤＭ、Ｔ２ＤＭ、４２）の両者について、慢性合併症を大幅に軽減することができるが、生命に関わるおそれのある重度の低血糖症（ＳＨ）を引き起こすリスクがある。最先端技術ではあるが未だ不完全なインスリン補充療法によって、警告症状及び低血糖に対するホルモンによる防御が軽減され、その結果、認知障害、知覚マヒ、昏睡、又は突然死に至るおそれがある（１６、１７、３１、３９）。さらに、近年の研究は、低血糖がインスリン感受性の増大を誘発させうることを示唆している（１８、３２）。したがって、低血糖は、最適な糖尿病の管理を行う上で最大の障壁と見なされている（９、１１）。Ｔ１ＤＭ及びＴ２ＤＭに罹患している人々は、彼らの低血糖のリスクを増大させることのないように、高血糖への偏倚を軽減させ、厳密な血糖コントロールを維持するために、生涯にわたる行動制御最適化の問題に直面する。

この最適化問題の鍵となるのは、多くの場合と同様、システムの状態及び動的変化に対するフィードバックを提供し、適切に使用することである。システム生物学的観点からアプローチすると、Ｔ１ＤＭの最適化という課題のためには、種々の生体系レベルでのフィードバックループについて、（ｉ）人間行動を変化させる、患者に対する外部からのフィードバック；（ｉｉ）インスリン−グルコース相互作用、及び（ｉｉｉ）反復性の低血糖において、低血糖症状の発現から次の症状発現までの間に見られる、低血糖に関連する自律神経障害（ＨＡＡＦ、１０）を反映した、ホルモンによるフィードバックに関する研究が必要となる。図１に、これらの３つの主要なフィードバックループを示す。

フィードバックループ１（図１）、血糖及び行動の時間的パターンが、本発明の背景である。この過程は、インスリンが投与されるタイミング及び量、摂取した食料、身体活動等の多くの外的要因に影響を受ける。換言すると、糖尿病における血中グルコース（ＢＧ）の変動は、多くの内的及び外的要因の影響を受ける複雑な動的システムの作用による測定可能な結果である。このシステムのマクロ（人間）レベルでの最適化は、自己治療行動に依存する。したがって、このような最適化は、血中グルコースの自己監視（ＳＭＢＧ）、ＨｂＡ_１Ｃに関する知見、及び症状の監視及び自己監視の実施等の、この分野で得ることができるデータを用いたフィードバックに基づくものでなければならない。今や通常の診療となったＨｂＡ_１Ｃの測定、及びＳＭＢＧを用いることにより、種々の段階の進行及び臨床適応からこれらのマクロレベルの情報を得ることができる。

ＨｂＡ _１Ｃ ：平均的な血糖の状態に対するこの古典的なマーカー（１）は、糖尿病の長期的合併症と関連づけられており、Ｔ１ＤＭ及びＴ２ＤＭの両者に対して理想的な基準であることが立証されている（３６）。しかし、ＨｂＡ_１Ｃは、患者の大幅なグルコースの変動については、効果的でない評価法であることが繰り返し示されている。ＤＣＣＴ（糖尿病コントロールと合併症トライアル）より、ＨｂＡ_１Ｃ等の既知の変数からは、ＳＨの発現のうちわずか８％しか予測できないことが結論付けられ（３９）、その後、ＳＨの病歴、認識、及び自己診断症状スコアを用いた構造方程式モデルを用いることにより、この予測値は１８％まで改善された（１５）。我々の研究において、ＨｂＡ_１ＣとＳＨとの間に有意な関連は見られなかった（６、２３、２７）。

ＳＭＢＧ：近年の家庭用ＢＧ計測器は、ＳＭＢＧにより、頻繁かつ正確にＢＧを特定する簡便な手段を提供する（３、７、４１）。殆どの計測器は、数百点のＳＭＢＧの測定値を、それぞれの測定日及び時間と共に格納することができ、これらの測定値をＰＣにダウンロードするためのインターフェースを備えている。計測器には、通常、基本的なデータ解析（ＢＧの平均値の計算、過去２週間にわたるＢＧの平均、目標値に対する割合、低血糖、及び高血糖領域の評価等）、データの記録、及びグラフィック表示（ヒストグラム、円グラフ等）を行う機能を備えたソフトウェアが付属している。しかし、これらの装置は、ある時点におけるＢＧの現状に関する情報を提供するが、これらはいずれも、ＢＧの結果を提供する際に、患者の全血糖の管理、ＢＧのパターン及び傾向、又は自己治療の有効性に関する評価を提供するものではない。一連の研究において、我々は、ＳＭＢＧデータのうち、特定の分析値である低ＢＧ指数（ＬＢＧＩ）により、低血糖のリスクの増大に至る長期的な傾向の把握（２３、２４、２９）、及び低血糖のリスクの増大における２４時間周期の同定（２０）が可能であることを示した。これらの分析は、ＢＧの測定スケールの特異的な非対称性の認識、及びこの非対称性を補正するための非線形変換に基づく（２２、２５）。我々による最初の発表（６）以来、我々は、我々の方法についてさらに評価を行い、ＢＧデータのリスク解析に関する体系化した理論を発表した（２８）。この理論は、Ｔ１ＤＭにおける血糖値の管理を総合的に評価するための、ＳＭＢＧを用いた我々のアルゴリズムの基礎となった（２１、２７）。

行動の監視及び評価：行動自己治療の過程を形式的に記述するために、我々は、体内条件−症状の認知／認識−評価−自律決定のフィードバックパターンに対する数学的記述を与える、自律行動に関する確率論的モデルを構築した（２６、図２）。このモデルの背景にあるのは、低（又は高）ＢＧ症状の発現等の体内現象に続いて、一連の自律行動が起こり、それが不適切であれば、患者をＳＨ、又は極端な高血糖に至らしめ、適切であれば、これらの極端な状態を回避することができるという考え方である。体内条件（低／高ＢＧ等）−症状の認知／認識−評価−判定／自律決定という４つの連続的なステップは、区別することができる。ステップは、一連の可能な経路によって結びつけられており、すなわち、図２のステップ１からステップ２において示す、様々な低／高ＢＧの認知が可能であり、図２のステップ２からステップ３において示す、唯一の可能な認知の評価は存在せず、図２のステップ３からステップ４において示す、状態の評価に従う一意的に予め決められた決定は存在しない。モデルは統計論的であり、すなわち、あるステップから次のステップへの遷移は、一連の遷移確率によって表される（２６、３３）。自己治療行動のモデルは、本発明の開示に対する理論的根拠を提供し、個人に対する適切なフィードバックが、その個人の認知及び認識を変化させることにより、よりよい自律決定へと導き、糖尿病の管理を改善する。この仮説を、次節に記載の研究によって、実証的に検証する。

行動療法の利用：数週間にわたって、低ＢＧ状態（＜７０ｍｇ／ｄｌ）を回避することにより、症状の認識、及び無自覚性低血糖の回復が改善されることが、いくつかの研究において報告されている（８、１２、１３、１４）。このような治療は、ＳＨのリスクを軽減させる上で有望であるが、代謝調節が脅かされないようにするために、患者を厳重に監視する必要がある（２）。我々は以前、ＢＧＡＴと呼ばれる、Ｔ１ＤＭ患者のための、十分に立証された、効果的な心理行動療法を開発した。その多くの利点としては、ＢＧの検知、ＢＧプロファイル、心理状態、知識、決定における改善、並びに重度の低血糖及び高血糖等の生命に関わる症状の低減が挙げられる（４、５）。さらに、我々は、ＢＧＡＴが、完全な低血糖症状を有する患者、及び認識の低下した患者の両者について低ＢＧの検知を改善させることを示した。ジョスリン病院の研究者は、ＢＧＡＴが、集中的なインスリン治療を受けている患者において、逆調節が正常に保たれていることを見出した（１９）。

本発明の実施の形態の種々の態様は、フィードバックループ＃１（図１）−血糖及び行動の時間パターンに焦点を当てるが、これに限定されない。血糖及び自己診断の固有の時間パターンのアルゴリズム的認識を介して、行動の変化を可能にすることを前提とする。特に、高血糖及び低血糖のパターン、グルコースの変動の増大、及び自己監視が有効でないことが認識され、個人に対し、リアルタイムでメッセージが伝えられる。自己治療行動の確率論的モデル（図２）によって仮定したように、このことは、順次、一連の認識の増大、評価の改善、及びよりよい治療行動を促し、血糖管理の改善をもたらす。本発明に対して特に重要なのは、固有のフィードバックのタイミングである。本発明の種々の実施の形態の態様において、血糖及び自己診断の時間的パターンに関する患者へのフィードバックは、１日のうちメッセージが表示される期間の直前に行われる。好ましくは、患者がＢＧを測定する際にメッセージが表示され、メッセージは、以後、約２〜８時間の任意の期間に見られるパターンに関するものでなければならない。このようにすることにより、患者は、情報がもたらされる期間の直前に、全ての有害な血糖パターンの再発を防止するための是正措置を取ることが可能になる。洞察のタイミング及びそれによりもたらされる行動への動機付けが、自己管理に対する認識及び行動を高めることに強い影響を与え、最終的には患者の血糖管理を改善させることが予想される。

本発明の様々な実施の形態の一態様は、これに限定されないが、（ｉ）高血糖、（ｉｉ）低血糖、（ｉｉｉ）グルコース変動の増大、（ｉｖ）無効な自己検査のパターンを識別する４つの方法及びアルゴリズムからなる。本方法は、２〜６週間の期間にわたって収集された通常のＳＭＢＧデータを用いる。ＳＭＢＧは、自然環境の糖尿病患者から得た血中グルコースの定期的な非自動測定（通常、１日２回以上）として定義される。使用者、被験者、又は患者は、自身を監視してもよく、又は、例えば、非専門家、知人、診療医、医療専門家等、の支援を信頼してもよい。

本発明の様々な実施の形態は、特に、以下に直接関連してもよい。
・定期的なグルコースパターンを評価可能なデータ知的解釈部を導入することによる、既存のＳＭＢＧ装置の改善、及び同機能による未来のＳＭＢＧ装置の実現。
・同機能による糖尿病管理の支援を目的とする携帯可能な装置（電子手帳、ＰＤＡ、携帯電話、電子メール機器、インスリンポンプ等）の改善
・同機能によるＳＭＢＧデータを取り出すソフトウェアの改善。かかるソフトウェアは、家庭用ＢＧ監視装置の製造業者がほぼ製造し、通常、ＳＭＢＧデータを解釈するために、患者又は健康管理者が使用する。このソフトウェアは、患者のパーソナルコンピュータに常駐させる、或いは、インターネットポータルを介して利用できる。
・様々な糖尿病治療（インスリン、プラムリンタイド、エクセナタイドなどの変動低下剤）の有効性の評価。
・新しいインスリン送達装置（インスリンポンプ）又は閉ループ糖尿病管理システムの有効性の評価。

本発明の一態様は、所定の高グルコースしきい値を超えた、所定の時間を有する期間内のグルコース平均として定義した高血糖パターンを識別するシステム、方法及びコンピュータプログラム製品を含む。

本発明の他の態様は、所定の低グルコースしきい値を超えた、所定の時間を有する期間内のグルコース平均として定義した低血糖パターンを識別するシステム、方法及びコンピュータプログラム製品を含む。

本発明の他の態様は、平均日周リスク範囲 （ＡＤＲＲ）、標準偏差、又はその他の血中グルコース変動の測定値が、所定のしきい値を超えた特定の期間として定義される、グルコース変動増大のパターンを識別するシステム、方法及びコンピュータプログラム製品を含む。ＡＤＤＲの詳細は、発明の名称を「Ｍｅｔｈｏｄ，Ｓｙｓｔｅｍ，ａｎｄ Ｃｏｍｐｕｔｅｒ Ｐｒｏｇｒａｍ Ｐｒｏｄｕｃｔ ｆｏｒ Ｅｖａｌｕａｔｉｏｎ ｏｆ Ｂｌｏｏｄ Ｇｌｕｃｏｓｅ Ｖａｒｉａｂｉｌｉｔｙ ｉｎ Ｄｉａｂｅｔｅｓ ｆｒｏｍ Ｓｅｌｆ−Ｍｏｎｉｔｏｒｉｎｇ Ｄａｔａ」と題する国際特許出願第ＰＣＴ／ＵＳ２００７／０００３７０号に記載されており、最新版を参照されたい（３０）。

本発明の第４の態様は、無効な自己検査のパターンを識別するシステム、方法、システム、及びコンピュータプログラムを含む。同様のパターンについて、過去の特許出願に、ＳＭＢＧデータからのＨｂＡ１Ｃ評価用のサンプル選択基準のシステムとして説明している（２００３年８月８日出願のＰＣＴ国際特許出願第ＰＣＴ／ＵＳ２００３／０２５０５３号を参照）。

４つのパターン認識方法は、集団のしきい値と、個人の血糖の状態について調整した個人のしきい値（ｉｎｄｉｖｉｄｕａｌ ｔｈｒｅｓｈｏｌｄｓ）の両方を用いる。これら本発明の４つの態様は、高血糖のリスク、低血糖のリスク、グルコース変動増大のリスク、個人の糖尿病検査の有効性に関する情報を提供できるように統合できる。このような情報を、ＨｂＡ１ｃ、低血糖、全グルコース変動の長期的リスク及び切迫したリスクを評価する過去に開示した方法、又は患者の状態を評価するその他の方法によって取得して表示する情報に加えて、示すことができる。

本発明の実施の形態の一態様は、使用者の高血糖のパターンを特定、及び／又は予測する方法を提供する。本方法は、複数のＳＭＢＧデータポイントを取り込むステップと、所定の時間を有する期間内の複数のＳＭＧＢデータポイントを分類するステップと、期間毎にグルコース値の評価を行うステップと、評価に基づいて、続く期間について高血糖のリスクを表示するステップと、を含んでもよい。

本発明の実施の形態の一態様は、複数のＳＭＢＧデータポイントを取り込む取り込みモジュールと、プロセッサと、を含む、使用者の高血糖のパターンを特定、及び／又は予測するシステムを提供する。プロセッサは、所定の時間を有する期間内の複数のＳＭＧＢデータポイントを分類するステップと、期間毎にグルコース値の評価を行うステップと、評価に基づいて、続く期間について高血糖のリスクを表示するステップを実行するようにプログラムしてもよい。

本発明の実施の形態の一態様は、コンピュータシステムの少なくとも一つのプロセッサに、使用者の高血糖のパターンを特定、及び／又は予測することを可能にするコンピュータプログラム論理を含む、コンピュータが使用可能な媒体を備えたコンピュータプログラム製品を提供する。コンピュータプログラム論理は、複数のＳＭＢＧデータポイントを取り込むステップと、所定の時間を有する期間内の複数のＳＭＧＢデータポイントを分類するステップと、期間毎にグルコース値の評価を行うステップと、評価に基づいて、続く期間について高血糖のリスクを表示するステップ、とを含んでもよい。

本発明の実施の形態の一態様は、使用者の低血糖のパターンを特定、及び／又は予測する方法を提供する。本方法は、複数のＳＭＢＧデータポイントを取り込むステップと、所定の時間を有する期間内の複数のＳＭＧＢデータポイントを分類するステップと、期間毎にグルコース値の評価を行うステップと、評価に基づいて、続く期間について高血糖のリスクを表示するステップと、を含んでもよい。

本発明の実施の形態の一態様は、複数のＳＭＢＧデータポイントを取り込む取り込みモジュールと、プロセッサと、と含む、使用者の低血糖のパターンを特定、及び／又は予測するシステムを提供する。プロセッサは、所定の時間を有する期間内の複数のＳＭＧＢデータポイントを分類するステップと、期間毎にグルコース値の評価を行うステップと、評価に基づいて、続く期間について低血糖のリスクを表示するステップを実行するようにプログラムしてもよい。

本発明の実施の形態の一態様は、コンピュータシステムの少なくとも一つのプロセッサに、使用者の低血糖のパターンを特定、及び／又は予測することを可能にするコンピュータプログラム論理を含む、コンピュータが使用可能な媒体を備えたコンピュータプログラム製品を提供する。前記コンピュータプログラム論理は、複数のＳＭＢＧデータポイントを取り込むステップと、所定の時間を有する期間内の前記複数のＳＭＧＢデータポイントを分類するステップと、前記期間毎にグルコース値の評価を行うステップと、前記評価に基づいて、続く期間について低血糖のリスクを表示するステップ、とを含んでもよい。

本発明の実施の形態の一態様は、使用者の高いグルコース変動のパターンを特定、及び予測する方法を提供する。本方法は、複数のＳＭＢＧデータポイントを取り込むステップと、 所定の時間を有する期間内の前記複数のＳＭＧＢデータポイントを分類するステップと、前記期間毎に血中グルコース変動を評価するステップと、前記評価に基づいて、続く期間について変動増大のリスクを表示するステップと、を含んでもよい。

本発明の実施の形態の一態様は、複数のＳＭＢＧデータポイントを取り込む取り込みモジュールと、プロセッサと、を含む、使用者の高いグルコース変動のパターンを特定、及び予測するシステムを提供する。プロセッサは、所定の時間を有する期間内の前記複数のＳＭＧＢデータポイントを分類するステップと、前記期間毎に血中グルコース変動を評価するステップと、前記評価に基づいて、続く期間について変動増大のリスクを表示するステップとを実行するようにプログラムしてもよい。

本発明の実施の態様の一態様は、コンピュータシステムの少なくとも一つのプロセッサに、使用者の高いグルコース変動のパターンを特定、及び／又は予測することを可能にするコンピュータプログラム論理を含む、コンピュータが使用可能な媒体を備えたコンピュータプログラム製品を提供する。前記コンピュータプログラム論理は、複数のＳＭＢＧデータポイントを取り込むステップと、所定の時間を有する期間内の前記複数のＳＭＧＢデータポイントを分類するステップと、前記期間毎に血中グルコース変動を評価するステップと、前記評価に基づいて、続く期間について変動増大のリスクを表示するステップでもよい。

本発明の実施の形態の一態様は、使用者の検査が無効（ｉｎｅｆｆｅｃｔｉｖｅ）であるパターンを特定、及び／又は予測する方法を提供する。本方法は、複数のＳＭＢＧデータポイントを取り込むステップと、所定の時間を有する期間内の前記複数のＳＭＧＢデータポイントを分類するステップと、前記期間毎にＳＭＢＧ測定値の割合を算出するステップと、前記割合を所定のしきい値と比較するステップと、前記期間における無効な検査を表示するステップとを含む、を含んでもよい。

本発明の実施の形態の一態様は、複数のＳＭＢＧデータポイントを取り込む取り込みモジュールと、プロセッサと、を含む使用者の検査が無効であるパターンを特定、及び／又は予測するシステムを提供する。プロセッサは、所定の時間を有する期間内の前記複数のＳＭＧＢデータポイントを分類するステップと、前記期間毎にＳＭＢＧ測定値の割合を算出するステップと、前記割合を所定のしきい値と比較するステップと、前記期間における無効な検査を表示するステップとを実行するようにプログラムしてもよい。

本発明の実施の形態の一態様は、コンピュータシステムの少なくとも一つのプロセッサに、使用者の検査が無効であるパターンを特定、及び／又は予測することを可能にする、コンピュータプログラム論理を含むコンピュータが使用可能な媒体を備えたコンピュータプログラム製品を提供する。前記コンピュータプログラム論理は、複数のＳＭＢＧデータポイントを取り込むステップと、所定の時間を有する期間内の前記複数のＳＭＧＢデータポイントを分類するステップと、前記期間毎にＳＭＢＧ測定値の割合を算出するステップと、前記割合を所定のしきい値と比較するステップと、前記期間における無効な検査を表示するステップとを含んでもよい。

ここに開示する本発明のこれらの長所と特徴、およびその他の長所と特徴について、以下に続く発明の詳細説明、添付の図面、及び特許請求の範囲からより明らかになるであろう。

本明細書に組み込まれ、その一部をなす添付された図面は、本明細書の記載と共に本発明のいくつかの態様及び実施の形態を説明すると共に、本発明の原理に関する説明を行う。図面は、本発明の選択された実施の形態を説明する目的のみのために提供され、本発明を限定するものではない。

本発明の実施の形態の種々の態様は、これらに限定されないが、直近の高血糖のおそれ、低血糖のおそれ、グルコースの変動の増大、又は検査が不十分若しくは過剰となる期間に関するリアルタイムの情報を患者に提供することによって、適当な治療反応を促進することによって、糖尿病の管理を改善する。図３を参照して、この基本概念について説明する。

ＳＭＢＧを測定する毎に、ＳＭＢＧの結果を表示する前に、装置は過去の血糖のパターンを評価し、この評価に基づいて、次の期間に関する警告を発する。これらの警告としては、高血糖又は低血糖の高いリスク、グルコースの変動の増大、不十分又は過剰な検査に関するものが挙げられる（図３）。

メッセージシステムを可能にするシステム、方法及びアルゴリズムが、本発明の開示の内容である。理論的背景は、ＢＧデータのリスク評価に関する我々の理論（２７、２８、３０）によって確立されており、既に開発し、開示した技術に従う。全ての方法及びアルゴリズムは、まず、一定の時間内におけるグルコースレベル又は検査パターンの、グルコースの総平均又は個人の最適なパターンからの偏差に対する一般的な統計的評価を用いて開発した。その後、得られたアルゴリズムを、大きなデータセット（Ｎ＝３３５被験者）に適用し、アルゴリズムを評価し、アルゴリズムのパラメータの範囲を決定した。表１に、このデータセットにおける参加者の人口統計的特徴を示す。

表１：評価用データセットにおける、人口統計的特徴及びＳＭＢＧの度数

＊これらの特徴については、データの欠落により、百分率の合計が１００％に達しない場合がある。

時間：
警告メッセージによってカバーされる次の期間の所定の時間は、２〜８時間の間の任意の時間であってよく、好ましくは６時間である。１日、すなわち２４時間の期間を、所定の時間を有する時間ビンに分割してよい。説明を簡潔にするため、本開示の全体において、我々は、所定の時間を４時間、夜間は８時間を有する期間と仮定する。

警告メッセージによってカバーされる次の期間は、任意のＳＭＢＧ測定後の任意の時を始点とすることができる。説明を簡潔にするため、本開示の全体において、ＳＭＢＧ測定は午後１１時に行い、その時点で次の所定の時間の期間、例えば午後１１時〜午前７時が開始するものとする。

本発明の方法のある態様は、それぞれの期間毎のグルコース値の評価に基づいて、次の時間、すなわち引き続き訪れる期間における高血糖のリスクの表示、低血糖のリスクの表示、高いグルコースの変動のリスクの表示、及び使用者による検査が有効でないことの表示などを行うことを含む。リスク、又は検査が有効でないことの表示は、以下のステップ：複数のＳＭＢＧデータポイントを取り込むステップ、所定の時間を有する期間に含まれるＳＭＢＧデータを分類するステップ、及びそれぞれの期間毎のグルコース値を評価するステップの完了後に行うことができる。表示は、リスク又は検査が有効でないことを、次の期間の直前に使用者に伝えるメッセージの形式であってよい。表示は、以下の時間：次の期間の直前、複数のＳＭＢＧデータポイントの取り込み後２４時間以内、複数のＳＭＢＧデータポイントの取り込み後１２時間以内、複数のＳＭＢＧデータポイントの取り込み後６時間以内、直近のＳＭＢＧ検査とほぼ同時に行ってもよいが、これらに限定されず、また、同時に行ってもよい。

測定回数
ＳＭＢＧ測定を行う週は、約２週間以上、又は６週間を超えてもよいが、好ましくは約２〜６週間程度、特に好ましくは約４週間である。好ましくは、各期間毎に５回の測定を行う。ＳＭＢＧ測定の合計回数は、少なくとも３０回の測定でもよいが、６０回が好ましい。
１．ＳＭＢＧデータから高血糖又は低血糖パターンを特定するアルゴリズム

高血糖及び低血糖のリスクの増大のパターンを特定するためのアルゴリズムは、後述する複数の連続するステップにより実行する。１日２４時間毎の個人のＳＭＢＧプロファイルを、ＳＭＢＧ測定、又は他の所定の時間を始点として、所定の時間からなる一定の期間に分割する。次いで、高血糖又は低血糖側への偏移を評価するために、過去のＳＭＢＧデータに基づいて、各期間における平均グルコースを評価する。
これらの偏移は、以下の２つのレベル、即ち：
・集団のデータ、文献、及び許容される標準的治療法ガイドラインによって特定される絶対的なしきい値を上回っていること、及び
・固有のしきい値、すなわち、各個人の血糖パターンの解析によって決定される個人のしきい値を上回っていることによって評価される。

これらの２つの条件のいずれかが満たされる場合には、その期間は、高血糖又は低血糖のリスクが高い期間であると宣言する。個々の条件の判定は、以下に示す、高血糖に関する１組のパラメータ、及び低血糖に関する１組のパラメータによって支配される：

高血糖のリスクについて：
・集団レベルの高ＢＧの定義を反映したＢＧのしきい値のパラメータ（α１）。
例えば、α１＝１８０ｍｇ／ｄｌ又はα１＝２００ｍｇ／ｄｌが許容される値である。
・特定の個人において、特定の期間の間にＢＧが高くなる固有の確率を反映した、個人毎の複合確率のしきい値のパラメータ（β１）。例えば、β１＝０．４〜０．６が、許容される値である。

低血糖のリスクについて：
・集団レベルの低ＢＧの定義を反映したＢＧのしきい値のパラメータ（α２）。例えば、α２＝７０ｍｇ／ｄｌ又はα２＝７５ｍｇ／ｄｌが許容される値である。
・特定の個人において、特定の期間の間にＢＧが低くなる固有の確率を反映した、個人毎の複合確率のしきい値のパラメータ（β２）。例えば、β２＝０．０１〜０．２が、許容される値である。

高血糖及び低血糖のパターンを特定するアルゴリズムのステップ：これら２つのアルゴリズムにおいて最初の７つのステップは同一である。
（１）最近の２〜６週間の監視の間に収集されたＳＭＢＧデータを、それぞれの測定時間と共に読み出し；
（２）ＳＭＢＧ測定時に、それぞれの日の２４時間を、所定の時間（２〜８時間）を有するＭ個の時間ビンに分割する。時間ビンを、２〜６週間にわたって十分な数のＳＭＢＧ測定値を蓄積することができる、十分な長さの期間として定義する。例えば、ＳＭＢＧ測定を午後１１時に行うと仮定すると、Ｍ＝５個の時間ビンは、以下のように定義する：１〜［午後１１時〜午前７時）；２〜［午前７時〜１１時）；３〜［午前１１時〜午後３時）；４〜［午後３時〜７時）；５〜［午後７時〜１１時）。ここで、“］”は、その時間を含むことを意味する；
（３）全てのＳＭＢＧ測定値を、これらの時間ビンに分類する：ここで、Ｘ_ｋ１，Ｘ_ｋ２，…，Ｘ_ｋＮｋは、時間ビンｋに属する直近３０日間のＳＭＢＧ測定値であり、例えば、ｋ＝１，２，…，Ｍであり、ここで、Ｎ_ｋ＝ビンｋに含まれるＳＭＢＧ測定値の数であるとする。
（４）それぞれのビンｋ毎に、ＢＧの平均値及びＳＤを、下式のように計算する：

（５）全てのＳＭＢＧ測定値の統合平均及び標準偏差を、下式のように計算する：

ここで、Ｎ＝Ｎ_１＋Ｎ_２＋…＋Ｎ_Ｍは、ＳＭＢＧ測定値の総数である。
（６）それぞれの時間ビンｋ毎に、偏差コントラストを計算する：

或いは、偏差コントラストを、総平均を用いて、下式により計算することもできる。

ここで、Ｙ_ｋは、ｋ以外の４つの時間ビンにおける平均の平均値であり、ＳＤ１は、Ｘ_ｋ−Ｙ_ｋのＳＤの計算値である。
例えば、ｋ＝２について、Ｙ_２＝１／４（Ｘ_１＋Ｘ_３＋Ｘ_４＋Ｘ_５）である。

時間ビンｋにおける平均が、それより以前の時間ビンの平均以下であるという帰無仮説を仮定すると、統計値ｔ_ｋは、ｔ分布に近い分布を有し、Ｎ＞３０については、中心正規分布で近似することができる。
データセットの評価において、この近似の平均絶対偏差は０．０００９（ＳＤ＝０．００１）であったため、この正規近似は、アルゴリズムの実用的な実装上許容されるものであった。（注：ｔ分布を直接計算するのは非常に困難であり、このことが、正規近似が推奨される理由である。）
ｔ_ｋ＞０である確率の正規近似は、ｐ（ｔ_ｋ＞０）＝Φ（ｔ_ｋ）として計算することができ、ここで、Φ（ｔ_ｋ）は、中心正規分布の分布関数（平均０、及びＳＤ＝１）である。
Φ（ｔ_ｋ）は、ｚ＝ｔ_ｋとおいた下記のコードを用いて、多項式近似される：
ｓｔａｔｉｃ ｄｏｕｂｌｅ ＮｏｒｍａｌＣＤＦ（ｄｏｕｂｌｅ ｚ）
｛
ｉｆ （ｚ ＞ ６） ｒｅｔｕｒｎ １．０；
ｉｆ （ｚ ＜ −６） ｒｅｔｕｒｎ ０．０；
ｄｏｕｂｌｅ ｂ１ ＝ ０．３１９３８１５３；
ｄｏｕｂｌｅ ｂ２ ＝ −０．３５６５６３７８２；
ｄｏｕｂｌｅ ｂ３ ＝ １．７８１４７７９３７；
ｄｏｕｂｌｅ ｂ４ ＝ −１．８２１２５５９７８；
ｄｏｕｂｌｅ ｂ５ ＝ １．３３０２７４４２９；
ｄｏｕｂｌｅ ｐ ＝ ．２３１６４１９；
ｄｏｕｂｌｅ ｃ２ ＝ ０．３９８９４２３；
ｄｏｕｂｌｅ ａ ＝ Ｍａｔｈ．Ａｂｓ（ｚ）；
ｄｏｕｂｌｅ ｔ ＝ １．０ ／ （１．０ ＋ ａ ＊ ｐ）；
ｄｏｕｂｌｅ ｂ ＝ ｃ２ ＊ Ｍａｔｈ．Ｅｘｐ（−ｚ ＊ ｚ ／ ２）；
ｄｏｕｂｌｅ Φ ＝ （（（（ｂ５＊ｔ＋ｂ４） ＊ ｔ＋ｂ３） ＊ ｔ＋ｂ２） ＊ ｔ＋ｂ１） ＊ ｔ；
Φ ＝ １．０ − ｂ ＊ ＣＤＦ；
ｉｆ （ｚ ＜ ０） Φ ＝ １．０ − Φ；
ｒｅｔｕｒｎ ｎ；
｝

注：中心正規累積分布関数（ＣＤＦ）のこの近似及び他の近似は、パブリックドメインより入手可能である。

高血糖について：
ａ．ＢＧが、予め定めた所定のしきい値α１（例えば、α１＝１８０ｍｇ／ｄｌ）を下回る確率を、下式のように計算する。

ここで、

ｂ．時間ビンｋにおける平均ＢＧが、予め定めたしきい値α１（例えば、α１＝１８０ｍｇ／ｄｌ）を超え、かつ時間ビンｋにおける平均ＢＧが残りの時間ビンよりも（又は総平均よりも）大きい、それぞれの複合確率：ＣＰ_ｋ（α１）＝Ｐ_ｋ（α１）・Φ（ｔ_ｋ）を計算する。
ｃ．複合確率ＣＰ_ｋ（α１）が、所定のしきい値β１（例えば、β１＝０．５）を下回る場合、時間スロットｋを、高血糖のリスクが増大する時間帯として特定し、警告を発する。

低血糖について：
（８ｂ）ＢＧが、所定のしきい値α２（例えば、α２＝７０ｍｇ／ｄｌ）よりも低い確率を、下式のように計算する。

ここで、

（９ｂ）時間ビンｋにおける平均ＢＧが、しきい値α２（例えば、α２＝７０ｍｇ／ｄｌ）よりも低く、かつ時間ビンｋにおける平均ＢＧが残りの時間ビンよりも（又は総平均よりも）小さい、それぞれの複合確率：ＣＰ_ｋ（α２）＝Ｐ_ｋ（α２）・（１−Φ（ｔ_ｋ））を計算する。
（１０ｂ）複合確率ＣＰ_ｋ（α２）が、所定のしきい値β２（例えば、β２＝０．１）を下回る場合、時間スロットｋを、低血糖のリスクが増大する時間帯として特定し、警告を発する。

アルゴリズムのしきい値：アルゴリズムにより用いられる具体的なしきい値αｉ及びβｉ（ｉ＝１，２）は、アルゴリズムを用いる装置の製造者、アルゴリズムを用いて患者の管理を行う臨床医、又は使用者によって決定されなければならず、メッセージの頻度とメッセージの有用性との許容性に基づくものでなければならない。この節の冒頭に示したデータベースを用いて、我々は、アルゴリズムにより、高血糖に対して、種々のしきい値について発されたメッセージの頻度を示す表２、及びアルゴリズムにより低血糖に対して、種々のしきい値について発されたメッセージの頻度を示す表３をまとめた。被験者について計算を行うためには、３０日間にわたる少なくとも６０個のＳＭＢＧ測定値、及び時間ビン毎に副なくとも５個の測定値が必要とされた。

表２：上記＃２において特定された時間スロットの少なくとも１つにおける、高血圧であると特定するメッセージの頻度（メッセージを受けた被験者の割合）

表３：上記＃２において特定された時間スロットの少なくとも１つにおける、低血圧であると特定するメッセージの頻度（メッセージを受けた被験者の割合）

表２及び３における割合は、次のように計算された：それぞれの被験者及びそれぞれの時間ビンについて、我々は、メッセージが「発された」か否かについて計算した。少なくとも１つのメッセージが被験者に発されている場合、この被験者は、表内でカウントされた頻度に対して１であると計算された。

説明例：
図４〜図６は、高血糖の時間パターンを特定する計算結果を示す。図４において、夜間の期間が、高血糖のリスクが高いと特定された。図５において、午後３〜７時、及び午後７〜１１時の２つの期間が、高血糖のリスクが高いと特定された。図６において、午後１１時〜午前１１時の期間が、高血糖のリスクが高いと特定された。
２．ＳＭＢＧデータからグルコースの変動の増大のパターンを特定するアルゴリズム

グルコースの変動の増大のパターンを特定するアルゴリズムの論理は、高血糖のパターンを特定するためのアルゴリズムの論理と同様である。しかし、検査は、平均ＢＧの代わりに、それぞれの時間ビンにおける変動を測定することを含んでいる。例えば、このような測定は、ＢＧの標準偏差（ＳＤ）、又はリスク空間中に変換されたこれらの数値のリスク標準偏差（ＲＳＤ）（２８）の測定であってよい。この実装において、その測定が低血糖性及び高血糖性のグルコースの変動について等しい感度を有しているため、我々はＲＳＤを用いる。

個人の全変動は、ＡＤＲＲ（平均日周リスク範囲）を用いて計算されるが、ＳＭＢＧ測定値の全標準偏差、Ｍ値（３７）、ＭＡＧＥ（３８）、信頼性指標（３５）、又は任意の他の許容される変動の尺度（可能なものの総合リストとしては、３０の付録Ａを参照）を用いて計算してもよい。ＳＭＢＧ測定値の標準偏差を用いると、変動プロファイルは、高血糖側への偏移に対する感受性がより高くなり、低血糖側への偏移に対する感受性がより低くなる。この実装において、その変動の測定が、著しい血糖の偏移に対する感度及び予測能の点でより優れていることが示されており、明確に特定された集団のしきい値を有しているため（付録Ａ、３０）、我々はＡＤＲＲを用いる。

前節と同様、ＳＭＢＧ測定値は、午後１１時に測定され、それに続く２４時間の期間を所定の時間を有する時間ビンに分割されると仮定する。次いで、過去のＳＭＢＧデータに基づいて、それぞれの時間帯におけるグルコース値の時間ビン毎にグルコース測定値のより高い変動への偏移について評価する。これらの偏移が、個人毎の血糖パターンの解析により決定された固有のしきい値を超えているか否かについて評価される。さらに、個人の全ＡＤＲＲが、母数に関して分類される。固有の偏移及び全ＡＤＲＲを用いて、期間を、変動の増大のリスクが高い期間として宣言される。それぞれの状態の判定は、２つのパラメータによって支配される：
・集団レベルの高いグルコース変動の定義を反映した、ＡＤＲＲしきい値のパラメータ（α）。
例えば、α＝３０又はα＝４０ｍｇ／ｄｌが、許容値である。
・この所定の期間の間にこの特定の個人について、変動が高くなる固有の確率を反映した、それぞれの確率のしきい値（β）。
例えば、β＝０．６〜０．８が許容値である。

アルゴリズムのステップ：
（１）最近の２〜６週間の監視の間に収集されたＳＭＢＧデータを、それぞれの測定時と共に読み出す。
（２）ＳＭＢＧ測定時に、それぞれの日の２４時間を、所定の時間（２〜８時間）を有するＭ個の時間ビンに分割する。時間ビンは、２〜６週間にわたって適当な数のＳＭＢＧ測定値を蓄積できるようにするために定義された、適当な長さを有する期間であると定義される。例えば、測定が午後１１時に行われると仮定すると、Ｍ＝５個の時間ビンを、以下のように定義することができる：１〜［午後１１時〜午前７時）；２〜［午前７時〜１１時）；３〜［午前１１時〜午後３時）；４〜［午後３時〜７時）；５〜［午後７時〜１１時）。ここで、“］”は、その時間を含むことを意味する；
（３）全てのＳＭＢＧ測定値を、これらの時間ビンに分類する。ここで、Ｘ_ｋ１，Ｘ_ｋ２，…，Ｘ_ｋＮｋが、時間ビンｋに属する直近の３０日間のＳＭＢＧ測定値であり、例えば、ｋ＝１，２，…，Ｍであり、ここで、Ｎ_ｋ＝ビンｋに含まれるＳＭＢＧ測定値の数であるとする。
（４）それぞれのＢＧ測定値を、既に導入された式：ｆ（ＢＧ，ａ，ｂ）＝ｃ・［（ｌｎ（ＢＧ））^ａ−ｂ｝］を用いて、「リスク空間」に変換する。ここで、この関数のパラメータは、以下のとおりである。ＢＧは、ｍｇ／ｄｌ単位で測定した場合、ａ＝１．０８４、ｂ＝５．３８１、及びｃ＝１．５０９である。ＢＧがｍｍｏｌ／ｌ単位で測定した場合、ａ＝１．０２６、ｂ＝１．８６１、及びｃ＝１．７９４である（２８）。
（５）それぞれの時間ビンについて、全てのリスク標準偏差ＲＳＤを、下式のように計算する。

ここで、

（６）上式を用いて、しかし全ての時間ビンｋにわたる全てのＳＭＢＧ測定値を含めて、全ＲＳＤを計算する。
（７）それぞれの時間ビンについて、比Ｚ_ｋ＝５＊（ＲＳＤ_ｋ／ＲＳＤ−１）を計算する。
大量のデータベース（Ｎ＝２３３名の被験者）の解析により示したように、これらの比は、ほぼ中心正規分布を有しており、したがって、前節と同様の方法により、固有の偏差の検査に用いることができる。
（８）それぞれの時間ビンについて、Ｚ_ｋ＞０であるそれぞれの個人の確率をｐ（Ｚ_ｋ＞０）＝Φ（Ｚ_ｋ）として計算する。ここで、Φは、前節で示された多項式近似によって計算された中心正規分布の分布関数である。ｐ（Ｚ_ｋ＞０）は、ある時間ビンが、他の時間ビンよりも高い変動を有する個人の確率である。
（９）先に２００６年１２月１２日に開示され、最近出版された（３０）アルゴリズムを用いて、それぞれの個人のＡＤＲＲを、変動の全マーカーとして計算する。
要約すると、ＡＤＲＲの計算は、以下の式によって行われる：

それぞれのＳＭＢＧ測定値について、ｒ（ＢＧ）＝１０・ｆ（ＢＧ）^２を計算する。ここで、ｆ（ＢＧ）は、上述の（４）において定義されている。
ｆ（ＢＧ）＜０である場合には、ｒｌ（ＢＧ）＝ｒ（ＢＧ）を、それ以外の場合には０を計算し、
ｆ（ＢＧ）＞０である場合には、ｒｈ（ＢＧ）＝ｒ（ＢＧ）を、それ以外の場合には０を計算する。
第１日目に測定されたｎ^１個のＳＭＢＧ測定値の集合をｘ_１ ^１，ｘ_２ ^１，…ｘ_ｎ ^１とし；……
第Ｍ日目に測定されたｎ^Ｍ個のＳＭＢＧ測定値の集合をｘ_１ ^Ｍ，ｘ_２ ^Ｍ，…ｘ_ｎ ^Ｍとする。
ここで、ｎ^１，ｎ^２，…，ｎ^Ｍ ＞３であり、測定が行われた日数Ｍは、１４〜４２である。
第ｉ日目；ｉ＝１，２，…Ｍについて、ＬＲ^ｉ＝ｍａｘ（ｒｌ（ｘ_１ ^ｉ），ｒｌ（ｘ_２ ^ｉ），…，ｒｌ（ｘ_ｎ ^ｉ））、及びＨＲ^ｉ＝ｍａｘ（ｒｈ（ｘ_１ ^ｉ），ｒｈ（ｘ_２ ^ｉ），…，ｒｈ（ｘ_ｎ ^ｉ））である。
平均日周リスク範囲は、下式で定義される：

アルゴリズムのしきい値：アルゴリズムにより用いられる具体的なしきい値α及びβは、アルゴリズムを用いる装置の製造者によって決定されなければならず、メッセージの頻度とメッセージの有用性との許容性に基づくものでなければならない。上述のデータベースを用いて、我々は、アルゴリズムにより、種々のしきい値について発されたメッセージの頻度を示す表４をまとめた。被験者がこの計算を行うためには、３０日間にわたる少なくとも６０個のＳＭＢＧ測定値、及び時間ビン毎に副なくとも５個の測定値が必要とされた。

表４：ある時間ビンにおいてグルコースの変動が大きいと特定するメッセージの頻度（メッセージを受けた被験者の割合）

説明例：
図７は、変動の増大のパターンの計算を示し、午後３〜７時の期間が、変動の大きな期間として特定されている。ＡＤＲＲのしきい値は４０に設定され、確率のしきい値は０．６に設定されている。
３．無効なＳＭＢＧ検査のパターンを特定するアルゴリズム

上述のアルゴリズムと同様に、我々は、ＳＭＢＧ測定が午後１１時に行われ、無効な検査のパターンを特定するアルゴリズムが、１日を５つの時間ビン：１〜［午後１１時〜午前７時）；２〜［午前７時〜１１時）；３〜［午前１１時〜午後３時）；４〜［午後３時〜７時）；５〜［午後７時〜１１時）に分割すると仮定する。その後、アルゴリズムが、それぞれの時間ビンに含まれるＳＭＢＧ測定値の割合を計算する。

時間ビンに、α％未満、又はβ％を下回る、個人のＳＭＢＧ測定値が含まれる場合、この時間ビンは、それぞれ、検査が不適当である、又は過剰であると特定される。パラメータα％及びβ％は、任意の適当な値に設定することができ、例えば、α％＝５％、及びβ％＝５０％である。これらのしきい値のうち一方又は双方を下回ると、図３に示したようにメッセージが発される。メッセージは、検査の頻度がα％未満であれば、検査が有効でない旨の警告を含んでおり、検査の頻度がβ％を超えていれば、検査が過剰である旨の警告を含んでいる。

説明例：
図８に、有効でないＳＭＢＧ測定のパターンを示す。有効でない検査に対するしきい値を５％に設定した場合、被験者Ａについては、夜間にＳＭＢＧ測定値の３．２％しか測定されていないのに対し、被験者Ｂについては、午後にＳＭＢＧ測定値の４％しか測定されていない。

これらの方法の評価に用いたデータベースにおいて、β％＝５０％について、時間ビンにおける測定数がこれを上回った例は存在しなかった。全ての被験者について、全ての時間ビンにわたり最高の測定頻度は、午前中の時間ビン（午前７〜１１時）における４８．４％であった。

システムの例：
本発明の方法は、ハードウェア、ソフトウェア、又はこれらの組み合わせを用いて実装することができ、又は１若しくは複数のコンピュータシステム、又は携帯情報端末（ＰＤＡ）等の他の処理システム、又は適当なメモリ及び処理能力を有するグルコース自己診断装置（ＳＭＢＧメモリ計測器等）に直接実装することができる。実施の形態の一例において、本発明は、図９に示したように、汎用コンピュータ９００上で動作するソフトウェアに実装することができる。コンピュータシステム９００は、プロセッサ９０４等の１つ又は複数のプロセッサを含んでいてよい。プロセッサ９０４は、通信基盤９０６（通信バス、交差バー、ネットワーク等）に接続されていてもよい。コンピュータシステム９００は、通信基盤９０６（又は図示しないフレームバッファ）からの画像、テキスト、又は他のデータを表示装置９３０に伝送する表示インターフェース９０２を含んでいてもよい。表示装置９３０は、デジタル及び／又はアナログであってもよい。

コンピュータシステム９００は、好ましくはランダムアクセスメモリ（ＲＡＭ）である主メモリ９０８、及び二次メモリ９１０を含んでいてもよい。二次メモリ９１０には、例えば、ハードディスクドライブ９１２及び／又はフロッピー（登録商標）ディスクドライブ、磁気テープドライブ、光ディスクドライブ、フラッシュメモリ等を表す、着脱式記録媒体ドライブ９１４が含まれる。着脱式記録媒体ドライブ９１４は、周知の方法により、着脱式記録装置９１８からの読み出し及び／又は着脱式記録装置９１８への書き込みを行う。着脱式記録装置９１８は、着脱式記録媒体ドライブ９１４によって読み出し又は書き込みが行われる、フロッピー（登録商標）ディスク、磁気テープ、光ディスク等を表す。
認識されるように、着脱式記録装置９１８には、コンピュータソフトウェア及び／又はデータが記録された、コンピュータが使用可能な記録媒体が含まれる。

他の実施の形態において、二次メモリ９１０には、コンピュータプログラム又は他の指令がコンピュータシステム９００に読み込まれるようにするための他の手段が含まれる。
このような手段としては、例えば、着脱式記録装置９２２及びインターフェース９２０が挙げられる。このような着脱式記録装置／インターフェースの例としては、（ビデオゲーム装置において見られるもの等の）プログラムカートリッジ及びインターフェース、着脱式メモリチップ（ＲＯＭ、ＰＲＯＭ、ＥＰＲＯＭ、又はＥＥＰＲＯＭ等）及び接続ソケット、並びにソフトウェアを、着脱式記録装置９２２からコンピュータシステム９００に転送できる他の着脱式記録装置９２２及びインターフェース９２０が挙げられる。

コンピュータシステム９００は、通信インターフェース９２４を含んでいてもよい。
通信インターフェース９２４は、コンピュータシステム９００と外部装置との間でのソフトウェア及びデータの転送を可能にする。通信インターフェース９２４の例としては、モデム、ネットワークインターフェース（イーサネット（登録商標）カード等）、又は通信ポート（シリアル又はパラレルポート等）、ＰＣＭＣＩＡスロット及びカード等が挙げられる。通信インターフェース９２４を介して転送されるソフトウェア及びデータは、電気信号、電磁信号、光信号、又は他の信号であってよい、通信インターフェース９２４によって受信可能な信号９２８の形態を取ることができる。信号９２８は、通信経路（チャネル等）９２６を介して通信インターフェース９２４に供給することができる。チャネル９２６は、信号９２８を伝達し、ワイヤー又はケーブル、光ファイバー、音響カップラ、携帯電話による接続、ラジオ波による接続、赤外線による接続、及び他の通信チャネルを用いて実装することができる。

本書において、「コンピュータプログラム媒体」及び「コンピュータが使用可能な媒体」という用語は、通常、着脱式記録ドライブ９１４、ハードディスクドライブ９１２に設置されたハードディスク、及び信号９２８を指すのに用いられる。これらのコンピュータプログラム製品は、コンピュータシステム９００にプログラムを読み込ませるための手段である。本発明には、このようなコンピュータプログラム製品が含まれる。

コンピュータプログラム（コンピュータ制御論理とも呼ばれる）は、主メモリ９０８及び／又は二次メモリ９１０に格納されていてよい。コンピュータプログラムは、通信インターフェース９２４を介して受信されてもよい。このようなコンピュータプログラムが実行されると、コンピュータシステム９００に上述したような本発明の特徴を実行させることができる。具体的には、コンピュータプログラムが実行されると、プロセッサ９０４に本発明の機能を実行させることが可能になる。したがって、このようなコンピュータプログラムは、コンピュータシステム９００のコントローラに相当する。

本発明がソフトウェアを用いて実装された実施の形態において、ソフトウェアは、コンピュータソフトウェア製品に格納され、着脱式記録ドライブ９１４、ハードディスクドライブ９１２、又は通信インターフェース９２４を用いてコンピュータシステム９００に読み込まれてよい。制御理論（ソフトウェア）がプロセッサ９０４により実行されると、プロセッサ９０４が、上述したような本発明の機能を実行する。

他の実施の形態において、本発明は、例えば、特定用途向け集積回路（ＡＳＩＣ）等のハードウェアコンポーネントを用いて、主にハードウェア中に実装することができる。
本明細書に記載の機能を実行するためのハードウェア状態機械の実装は、関連する技術における当業者に自明である。

さらに他の実施の形態において、本発明は、ハードウェア及びソフトウェアの両者の組み合わせを用いて実装される。

本発明のソフトウェアの実施の形態において、上述の方法は、ＳＰＳＳ制御言語により実装することができるが、Ｃ＋＋プログラム言語又は当業者によって利用可能な他のプログラム言語等の、しかしこれらに限定されない他のプログラムにより実装することができる。

図１０〜図１２に、本発明の他の実施の形態のブロック図による表記を示す。図１０を参照すると、患者１０１２によって使用され、特にインスリン投与量の測定値及び血中グルコース（「ＢＧ」）レベルを記録するためのグルコース計測器１０２８を本質的に含んでいるシステム１０１０のブロック図が示されている。グルコース計測器１０２８によって得られるデータは、好ましくは、適当な通信リンク１０１４又はデータモデム１０３２を介して、又は適当なインターネットポータルを介して、パーソナルコンピュータ、ＰＤＡ、又は携帯電話等のプロセッサ、処理ステーション又はチップ１０４０に転送される。例えば、格納されるデータは、グルコース計測器１０２８の内部に格納されていてもよく、適当なインターフェースケーブルを介して、パーソナルコンピュータ１０４０に直接ダウンロードされ、次いでインターネットを介して処理が行われる地点に送信されてもよい。例としては、インターフェースケーブルを含み、データをパーソナルコンピュータにダウンロードするためのＩＮ ＴＯＵＣＨソフトウェアと互換性のある、ＬｉｆｅＳｃａｎ社製のＯＮＥ ＴＯＵＣＨモニタリングシステム又は計測器がある。グルコース計測器１０２８、及び任意のコンピュータ処理モジュール、又は記録媒体は、単一の筐体中に統合されていてもよく、別個の筐体で提供されてもよいことが認識されるべきである。

グルコース計測器は、業界において一般的なものであり、ＢＧ取り込み機構として作用しうる任意の装置を本質的に含んでいる。ＢＧ計測器、又は取り込み機構、装置、ツール、又はシステムは、それぞれの検査のために血液サンプルを吸引（例えば、フィンガープリックにより）し、電気力学的方法によりグルコース濃度を読み取る装置を用いてグルコースレベルを決定するための種々の通常の方法を含んでいる。近年、血液検体の濃度を、血液を吸引することなく決定するための種々の方法が開発されている。例えば、Ｙａｎらに付与された米国特許第５，２６７，１５２号明細書（参照により本明細書に組み込まれる）には、近赤外線放射拡散−反射レーザー分光を用いた、血中グルコース濃度を測定するための非侵襲的手法が記載されている。同様の近赤外線分光装置は、Ｒｏｓｅｎｔｈａｌらに付与された米国特許第５，０８６，２２９号明細書、Ｒｏｂｉｎｓｏｎらに付与された米国特許第４，９７５，５８１号明細書（参照により本明細書に組み込まれる）にも記載されている。

Ｓｔａｎｌｅｙに対して付与された米国特許第５，１３９，０２３号明細書（参照により本明細書に組み込まれる）には、間質液と受容媒体との間に確立された濃度勾配に沿った経皮移動を促進するための透過促進剤（胆汁酸塩等）による経皮血中グルコース監視装置について記載されている。Ｓｅｍｂｒｏｗｉｃｈに対して付与された米国特許第５，０３６，８６１号明細書（参照により本明細書に組み込まれる）には、エクリン汗腺からの汗の分泌を促進するためにコリン作動薬を用い、経皮パッチを介して汗を回収する受動的グルコースモニタについて記載されている。汗を回収する同様の装置は、Ｓｃｈｏｅｎｄｏｒｆｅｒに対して付与された米国特許第５，０７６，２７３号明細書、及びＳｃｈｒｏｅｄｅｒに付与された米国特許第５，１４０，９８５号明細書（参照により本明細書に組み込まれる）にも記載されている。

さらに、Ｇｌｉｋｆｅｌｄに対して付与された米国特許第５，２７９，５４３号明細書（参照により本明細書に組み込まれる）には、皮膚を通して、皮膚表面の汗に物質を非侵襲的に採取するためのイオントフォレシスの使用について記載されている。Ｇｌｉｋｆｅｌｄは、血中グルコースをモニタするために、この採取手順を、グルコースに特異的なバイオセンサ又はグルコースに特異的な電極と組み合わせることができることを教示している。さらに、玉田を出願人とする国際公開第９６／００１１０号パンフレット（参照により本明細書に組み込まれる）には、検体を回収容器中に移動させるためにイオントフォレシス電極が用いられ、容器中に存在する標的検体を検出するためにバイオセンサを用いられている、標的物質を経皮的にモニタするためのイオントフォレシス装置について記載されている。最後に、Ｂｅｒｎｅｒに対して付与された米国特許第６，１４４，８６９号明細書（参照により本明細書に組み込まれる）には、存在する検体の濃度を測定するための採取システムについて記載されている。

さらに、ＢＧ計測器又は取り込み機構は、留置カテーテル及び皮下組織液の標本を含んでいてもよい。

コンピュータ、プロセッサ、又はＰＤＡ１０４０は、糖尿病患者が自ら記録したデータを、予め定義されたフロー手順に従って処理、分析、及び解析し、適当なデータの解析結果を出力するために必要なソフトウェア及びハードウェアを含んでいてよい。コンピュータ１０４０によって、格納された患者のデータに対して行われるデータ解析及び解釈の結果は、パーソナルコンピュータ９４０に接続されたプリンタによって生成された、紙に印刷されたレポートの形式であってよい。或いは、データ解釈手順の結果は、パーソナルコンピュータ９４０に接続された画像表示装置に直接表示されてもよい。結果は、さらにデジタル又はアナログ表示装置に表示されてもよい。好ましくは、結果は、図７又は８に示された指標に従って表示されてもよい。パーソナルコンピュータ１０４０は、通信ネットワーク１０３６を介して、健康管理者用コンピュータ１０３８にデータを転送することができる。通信ネットワーク１０３６を介して転送されたデータは、糖尿病患者が自ら記録したデータ、又はデータ解釈手順の結果を含んでいてよい。

図１１に、好ましくは、装置１１１０が携帯可能で、患者により持ち運び可能であるように十分コンパクトな筐体を有する、患者が操作する装置１１１０である、糖尿病管理システムを有する他の実施の形態のブロック図を示す。グルコース検査紙（図示しない）を保持するための試験紙ガイドが、筐体１１１６の表面に位置している。試験紙は、患者１１１２から採取された血液サンプルを受ける。装置は、マイクロプロセッサ１１２２及びマイクロプロセッサ１１２２に接続されたメモリ１１２４を含んでいてよい。マイクロプロセッサ１１２２は、種々の計算、及び上で詳細に議論された制御機能を実行するために、メモリ１１２４に格納されたコンピュータプログラムを実行するように設計されている。
キーパッド１１１６が、標準的なキーパッドデコーダ１１２６を介してマイクロプロセッサ１１２２に接続されていてよい。表示装置１１１４が、表示装置ドライバ１１３０を介してマイクロプロセッサ１１２２に接続されていてよい。表示装置１１１４は、図７又は８に示された指標を表示することができる。表示装置１１１４は、デジタル及び／又はアナログであってよい。スピーカ１１５４及び時計１１５６がマイクロプロセッサ１１２２に接続されていてもよい。スピーカは、マイクロプロセッサ１１２２の制御下で動作し、患者が低血糖又は高血糖の危険を示していることを警告するための可聴音を発生する。
時計１１５６は、マイクロプロセッサ１１２２に、現在の日付及び時間を知らせる。

また、メモリ１１２４は、患者１１１２の血中グルコース値、インスリンの投与量、インスリンの種類、将来の血中グルコース値、インスリンの追加投与量、及び炭水化物の追加量の計算のためにマイクロプロセッサ１１２２が用いるパラメータを格納している。それぞれの血中グルコース値は、対応する日付及び時間と共にメモリ１１２４に格納されていてよい。メモリ１１２４は、好ましくは、電気的消去可能読み出し専用メモリ（ＥＥＰＲＯＭ）等の不揮発性メモリである。

また、装置１１１０は、マイクロプロセッサ１１２２に接続された血中グルコース計測器１１２８を含んでいてもよい。グルコース計測器１１２８は、血中グルコース検査紙上に受けた血液サンプルを測定し、血液サンプルの測定より血中グルコース値を生成するように設計されている。上述のように、このようなグルコース計測器は周知である。グルコース計測器１１２８は、好ましくは、マイクロプロセッサ１１２２に直接出力されるデジタル値を生成する。或いは、血中グルコース計測器１１２８は、アナログ値を生成するタイプのものであってもよい。このような他の実施の形態において、血中グルコース計測器１１２８は、アナログ−デジタル変換器（図示しない）を介してマイクロプロセッサ１１２２に接続されている。

装置１１１０は、マイクロプロセッサ１１２２に接続された入力／出力装置１１３４、好ましくはシリアルポートをさらに含んでいてよい。ポート１１３４は、インターフェース、好ましくは標準的なＲＳ−２３２Ｃインターフェースにより、モデム１１３２に接続されていてよい。モデム１１３２は、装置１１１０とパーソナルコンピュータ１１４０、又は健康管理者用コンピュータ１１３８との間で、通信ネットワーク１１３６を介して通信接続を確立するためのものである。接続コードを介して、電子機器を接続するための具体的な手法は当業者に周知である。他の代替例は、「ブルートゥース」手法による通信である。

或いは、図１２は、好ましくは、装置１２１０が携帯可能で、患者により持ち運び可能であるように十分コンパクトな筐体を有する、患者が操作する、図１１に示した装置と同様の装置１２１０である、糖尿病管理システムを有する他の実施の形態のブロック図を示す。例えば、分離式の、又は着脱式のグルコース計測器又はＢＧ取り込み機構／モジュール１２２８である。本出願において開示されたアルゴリズムを直接実行し、他のものにデータを転送することなく結果を患者に表示することが可能な自己監視装置は、既に存在している。このような装置の例としては、ＬｉｆｅＳｃａｎ社（米国カリフォルニア州ミルピタス）製のＵＬＴＲＡ ＳＭＡＲＴ、及びＴｈｅｒａｓｅｎｓｅ社（米国カリフォルニア州アラメダ）製のＦＲＥＥＳＴＹＬＥ ＴＲＡＣＫＥＲがある。

したがって、本明細書に記載の実施の形態は、インターネット等のデータ通信ネットワーク上に実装することができ、図９〜図１２、及び／又はＷｏｏｄに対して付与された米国特許第５，８５１，１８６号明細書（参照により本明細書に組み込まれる）に図示したように、任意の離れた場所に存在するプロセッサ又はコンピュータが、評価結果、計算結果、及び情報にアクセス可能になる。或いは、離れた場所にいる患者が、中央の健康管理者、又は自宅、又は他の遠隔地に、ＢＧデータを送信することができる。

図９〜図１２において議論した任意の部品／モジュールが、１つ又は複数の筐体中に統合された形で含まれていてもよく、又は分離され、かつ／又は異なる筐体中に重複して含まれていてもよいことは認識されるべきである。

図９〜図１２中に存在する任意の部品／モジュールが、任意の他の部品／モジュールと、直接、又は間接的に接続されていてもよいことも認識されるべきである。

要約すると、本発明の種々の実施の形態は、糖尿病に罹患した個人において血糖管理の最も重要な要素である血糖の変動を評価するための、コンピュータ化された（又はコンピュータ化されていない）データ解析方法及びシステムを提案するものである。この方法は、通常のＳＭＢＧデータのみを用いているが、特に、毎日の平均リスク範囲を提供する。

本発明の種々の実施の形態の方法、システム、及びコンピュータプログラム製品について可能な実装は、これらに限定されないが、以下のような利点をもたらす。まず第１に、本発明の種々の実施の形態は、今後、高血糖の可能性のある、低血糖の可能性のある、グルコース変動が増大する、又は検査が無効若しくは過剰である期間に関する情報を提供することにより、ＳＭＢＧ検査の有効性を評価することが可能な知的なデータ解釈の要素を導入することで、既存のＳＭＢＧ装置を改善する。これらはさらに、同様の特徴により、新たなＳＭＢＧ装置を可能にする。

他の利点として、本発明の種々の実施の形態は、糖尿病の管理を補助することを目的とする携帯型機器（ＰＤＡ又は任意の適用可能な装置若しくはシステム）の改善を可能にする。

さらに他の利点として、本発明の種々の実施の形態は、ＳＭＢＧデータを取り込むソフトウェアを改善する。このソフトウェアは、患者のパーソナルコンピュータ上に存在していてもよく、インターネットポータルを介して使用されてもよい。

さらに、本発明の種々の実施の形態により、糖尿病に対する種々の治療（インスリン、又はプラムリンタイド及びエクセナタイド等の変動低下剤）の有効性を評価することができる。

さらに、本発明の種々の実施の形態により、新規なインスリン送達装置（インスリンポンプ等）、又は将来の閉ループ糖尿病管理システムの有効性を評価することができる。

さらに、本開示の態様には、メッセージが発された直後の時間帯における、（ｉ）高血糖、（ｉｉ）低血糖、（ｉｉｉ）グルコース変動の増大、及び（ｉｖ）無効な自己検査のパターンを特定するための４つの方法及びアルゴリズムが含まれるが、これらに限定されない。これらのアルゴリズムは、２〜６週間の期間にわたって収集された通常のＳＭＢＧデータを用いており、自己監視装置、又は自己監視装置からデータを取り込むためのソフトウェアに含めることができる。全てのアルゴリズムは、特定の個人の治療パターンに対してカスタマイズされたメッセージを発し、それにより、カスタマイズされた固有の治療に対する基盤を提供する。

本方法は、糖尿病に罹患した個人に、装置によって、この場合には、患者がＢＧ検査を行う頃に送達されるメッセージのシステムを制御するために、個別に、組み合わせて、又は既述の方法と共に用いることができる。自律行動の理論的モデルは、このようなメッセージが効果的であり、血糖管理の改善をもたらすことを強く示している。

参考文献
以下の参考文献は、その全文が参照により本明細書に組み込まれる。
１． Ａａｂｙ Ｓｖｅｎｄｓｅｎ Ｐ， Ｌａｕｒｉｔｚｅｎ Ｔ， Ｓｏｅｇａｒｄ Ｕ， Ｎｅｒｕｐ Ｊ． Ｇｌｙｃｏｓｙｌａｔｅｄ Ｈａｅｍｏｇｌｏｂｉｎ ａｎｄ Ｓｔｅａｄｙ−Ｓｔａｔｅ Ｍｅａｎ Ｂｌｏｏｄ Ｇｌｕｃｏｓｅ Ｃｏｎｃｅｎｔｒａｔｉｏｎ ｉｎ Ｔｙｐｅ １ （Ｉｎｓｕｌｉｎ−Ｄｅｐｅｎｄｅｎｔ） Ｄｉａｂｅｔｅｓ． Ｄｉａｂｅｔｏｌｏｇｉａ， ２３： ４０３−４０５， １９８２．
２． Ｂｏｌｌｉ Ｇ： Ｈｏｗ ｔｏ ａｍｅｌｉｏｒａｔｅ ｔｈｅ ｐｒｏｂｌｅｍ ｏｆ ｈｙｐｏｇｌｙｃｅｍｉａ ｉｎ ｉｎｔｅｎｓｉｖｅ ａｓ ｗｅｌｌ ａｓ ｎｏｎｉｎｔｅｎｓｉｖｅ ｔｒｅａｔｍｅｎｔ ｏｆ Ｔｙｐｅ １ ｄｉａｂｅｔｅｓ． Ｄｉａｂｅｔｅｓ Ｃａｒｅ， ２２ （Ｓｕｐｐ． ２）， Ｂ４３−Ｂ５２， １９９９．
３． Ｃｌａｒｋｅ ＷＬ， Ｃｏｘ Ｄ， Ｇｏｎｄｅｒ−Ｆｒｅｄｅｒｉｃｋ ＬＡ， Ｃａｒｔｅｒ Ｗ， Ｐｏｈｌ ＳＬ． Ｅｖａｌｕａｔｉｎｇ ｔｈｅ ｃｌｉｎｉｃａｌ ａｃｃｕｒａｃｙ ｏｆ ｓｅｌｆ−ｂｌｏｏｄ ｇｌｕｃｏｓｅ ｍｏｎｉｔｏｒｉｎｇ ｓｙｓｔｅｍｓ． Ｄｉａｂｅｔｅｓ Ｃａｒｅ， １０： ６２２−６２８， １９８７．
４． Ｃｏｘ ＤＪ， Ｇｏｎｄｅｒ−Ｆｒｅｄｅｒｉｃｋ ＬＡ， Ｐｏｌｏｎｓｋｙ Ｗ， Ｓｃｈｌｕｎｄｔ Ｄ， Ｊｕｌｉａｎ Ｄ， Ｃｌａｒｋｅ ＷＬ： Ａ ｍｕｌｔｉｃｅｎｔｅｒ ｅｖａｌｕａｔｉｏｎ ｏｆ ｂｌｏｏｄ ｇｌｕｃｏｓｅ ａｗａｒｅｎｅｓｓ ｔｒａｉｎｉｎｇ−ＩＩ． Ｄｉａｂｅｔｅｓ Ｃａｒｅ， １８： ５２３−５２８， １９９５．
５． Ｃｏｘ ＤＪ， Ｇｏｎｄｅｒ−Ｆｒｅｄｅｒｉｃｋ ＬＡ， Ｐｏｌｏｎｓｋｙ Ｗ， Ｓｃｈｌｕｎｄｔ Ｄ， Ｊｕｌｉａｎ Ｄ， Ｋｏｖａｔｃｈｅｖ ＢＰ， Ｃｌａｒｋｅ ＷＬ． Ｂｌｏｏｄ Ｇｌｕｃｏｓｅ Ａｗａｒｅｎｅｓｓ Ｔｒａｉｎｉｎｇ （ＢＧＡＴ−ＩＩ）： Ｌｏｎｇ ｔｅｒｍ ｂｅｎｅｆｉｔｓ．
Ｄｉａｂｅｔｅｓ Ｃａｒｅ， ２４： ６３７−６４２， ２００１．
６． Ｃｏｘ ＤＪ， Ｋｏｖａｔｃｈｅｖ Ｂ， Ｊｕｌｉａｎ Ｄ， Ｇｏｎｄｅｒ−Ｆｒｅｄｅｒｉｃｋ ＬＡ， Ｐｏｌｏｎｓｋｙ ＷＨ， Ｓｃｈｌｕｎｄｔ ＤＧ， Ｃｌａｒｋｅ ＷＬ． Ｆｒｅｑｕｅｎｃｙ ｏｆ ｓｅｖｅｒｅ ｈｙｐｏｇｌｙｃｅｍｉａ ｉｎ ＩＤＤＭ ｃａｎ ｂｅ ｐｒｅｄｉｃｔｅｄ ｆｒｏｍ ｓｅｌｆ−ｍｏｎｉｔｏｒｉｎｇ ｂｌｏｏｄ ｇｌｕｃｏｓｅ ｄａｔａ． Ｊｏｕｒｎａｌ ｏｆ Ｃｌｉｎｉｃａｌ Ｅｎｄｏｃｒｉｎｏｌｏｇｙ ａｎｄ Ｍｅｔａｂｏｌｉｓｍ ７９： １６５９−１６６２， １９９４．
７． Ｃｏｘ ＤＪ， Ｋｏｖａｔｃｈｅｖ ＢＰ， Ｃｌａｒｋｅ ＷＬ， Ｇｏｎｄｅｒ−Ｆｒｅｄｅｒｉｃｋ ＬＡ， Ｔｒａｊａｎｏｓｋｉ Ｚ． Ａｃｃｕｒａｃｙ ｏｆ Ｈｏｍｅ Ｂｌｏｏｄ Ｇｌｕｃｏｓｅ Ｍｅｔｅｒｓ ｆｏｒ Ｐｒｅｄｉｃｔｉｏｎ ｏｆ Ｓｅｖｅｒｅ Ｈｙｐｏｇｌｙｃｅｍｉａ （ＳＨ）． Ｄｉａｂｅｔｅｓ， ４８， Ｓｕｐｐｌｅｍｅｎｔ １， Ａ１０１， １９９９．
８． Ｃｒａｎｓｔｏｎ Ｉ， Ｌｏｍａｓ Ｊ， Ｍａｒａｎ Ａ， Ｍａｃｄｏｎａｌｄ Ｉ， Ａｍｉｅｌ Ｓ． Ｒｅｓｔｏｒａｔｉｏｎ ｏｆ ｈｙｐｏｇｌｙｃｅｍｉａ ｕｎａｗａｒｅｎｅｓｓ ｉｎ ｐａｔｉｅｎｔｓ ｗｉｔｈ ｌｏｎｇ ｄｕｒａｔｉｏｎ ｉｎｓｕｌｉｎ−ｄｅｐｅｎｄｅｎｔ ｄｉａｂｅｔｅｓ ｍｅｌｌｉｔｕｓ． Ｌａｎｃｅｔ ３４４：２８３−２８７， １９９４
９． Ｃｒｙｅｒ ＰＥ． Ｈｙｐｏｇｌｙｃａｅｍｉａ： Ｔｈｅ ｌｉｍｉｔｉｎｇ ｆａｃｔｏｒ ｉｎ ｔｈｅ ｇｌｙｃａｅｍｉｃ ｍａｎａｇｅｍｅｎｔ ｏｆ ｔｙｐｅ Ｉ ａｎｄ ｔｙｐｅ ＩＩ ｄｉａｂｅｔｅｓ． Ｄｉａｂｅｔｏｌｏｇｉａ ４５： ９３７−９４８， ２００２
１０． Ｃｒｙｅｒ ＰＥ． Ｉａｔｒｏｇｅｎｉｃ ｈｙｐｏｇｌｙｃｅｍｉａ ａｓ ａ ｃａｕｓｅ ｏｆ ｈｙｐｏｇｌｙｃｅｍｉａ−ａｓｓｏｃｉａｔｅｄ ａｕｔｏｎｏｍｉｃ ｆａｉｌｕｒｅ ｉｎ ＩＤＤＭ： Ａ ｖｉｃｉｏｕｓ ｃｙｃｌｅ． Ｄｉａｂｅｔｅｓ ４１：２５５−２６０， １９９２
１１． Ｃｒｙｅｒ ＰＥ： Ｈｙｐｏｇｌｙｃｅｍｉａ： Ｔｈｅ Ｌｉｍｉｔｉｎｇ ｆａｃｔｏｒ ｉｎ ｔｈｅ ｍａｎａｇｅｍｅｎｔ ｏｆ ＩＤＤＭ． Ｄｉａｂｅｔｅｓ ４３： １３７８−１３８９， １９９４
１２． Ｄａｇｏｇｏ−Ｊａｃｋ Ｓ， Ｒａｔｔａｒａｓａｒｎ Ｃ， Ｃｒｙｅｒ ＰＥ． Ｒｅｖｅｒｓａｌ ｏｆ ｈｙｐｏｇｌｙｃｅｍｉａ ｕｎａｗａｒｅｎｅｓｓ， ｂｕｔ ｎｏｔ ｄｅｆｅｃｔｉｖｅ ｇｌｕｃｏｓｅ ｃｏｕｎｔｅｒｒｅｇｕｌａｔｉｏｎ， ｉｎ ＩＤＤＭ． Ｄｉａｂｅｔｅｓ ４３：１４２６−１４３４， １９９４
１３． Ｆａｎｅｌｌｉ Ｃ， Ｅｐｉｆａｎｏ Ｌ， Ｒａｍｂｏｔｔｉ Ａ ｅｔ ａｌ．： Ｍｅｔｉｃｕｌｏｕｓ ｐｒｅｖｅｎｔｉｏｎ ｏｆ ｈｙｐｏｇｌｙｃｅｍｉａ （ｎｅａｒ−） ｎｏｒｍａｌｉｚｅｓ ｍａｇｎｉｔｕｄｅ ａｎｄ ｇｌｙｃｅｍｉｃ ｔｈｒｅｓｈｏｌｄｓ ｏｆ ｎｅｕｒｏｅｎｄｏｃｒｉｎｅ ｒｅｓｐｏｎｓｅｓ ｔｏ， ｓｙｍｐｔｏｍｓ ｏｆ， ａｎｄ ｃｏｇｎｉｔｉｖｅ ｆｕｎｃｔｉｏｎ ｄｕｒｉｎｇ ｈｙｐｏｇｌｙｃｅｍｉａ ｉｎ ｉｎｔｅｎｓｉｖｅｌｙ ｔｒｅａｔｅｄ ｐａｔｉｅｎｔｓ ｗｉｔｈ ＩＤＤＭ ｏｆ ｓｈｏｒｔ ｄｕｒａｔｉｏｎ． Ｄｉａｂｅｔｅｓ， ４２， １６８３−１６８９， １９９３．
１４． Ｆａｎｅｌｌｉ ＣＧ， Ｐａｍｐａｎｅｌｌｉ Ｓ， Ｅｐｉｆａｎｏ Ｌ ｅｔ ａｌ． Ｌｏｎｇｔｅｒｍ ｒｅｃｏｖｅｒｙ ｆｒｏｍ ｕｎａｗａｒｅｎｅｓｓ， ｄｅｆｉｃｉｅｎｔ ｃｏｕｎｔｅｒｒｅｇｕｌａｔｉｏｎ ａｎｄ ｌａｃｋ ｏｆ ｃｏｇｎｉｔｉｖｅ ｄｙｓｆｕｎｃｔｉｏｎ ｄｕｒｉｎｇ ｈｙｐｏｇｌｙｃｅｍｉａ ｆｏｌｌｏｗｉｎｇ ｉｎｓｔｉｔｕｔｉｏｎ ｏｆ ｒａｔｉｏｎａｌ ｉｎｔｅｎｓｉｖｅ ｔｈｅｒａｐｙ ｉｎ ＩＤＤＭ． Ｄｉａｂｅｔｏｌｏｇｉａ ３７：１２６５−１２７６， １９９４
１５． Ｇｏｌｄ ＡＥ， Ｆｒｉｅｒ ＢＭ， ＭａｃＬｅｏｄ ＫＭ， Ｄｅａｒｙ ＩＪ． Ａ ｓｔｒｕｃｔｕｒａｌ ｅｑｕａｔｉｏｎ ｍｏｄｅｌ ｆｏｒ ｐｒｅｄｉｃｔｏｒｓ ｏｆ ｓｅｖｅｒｅ ｈｙｐｏｇｌｙｃａｅｍｉａ ｉｎ ｐａｔｉｅｎｔｓ ｗｉｔｈ ｉｎｓｕｌｉｎｄｅｐｅｎｄｅｎｔ ｄｉａｂｅｔｅｓ ｍｅｌｌｉｔｕｓ． Ｄｉａｂｅｔ Ｍｅｄ， １４：３０９３１５， １９９７．
１６． Ｇｏｌｄ ＡＥ， Ｄｅａｒｙ ＩＪ， Ｆｒｉｅｒ ＢＭ． Ｒｅｃｕｒｒｅｎｔ ｓｅｖｅｒｅ ｈｙｐｏｇｌｙｃａｅｍｉａ ａｎｄ ｃｏｇｎｉｔｉｖｅ ｆｕｎｃｔｉｏｎ ｉｎ ｔｙｐｅ Ｉ ｄｉａｂｅｔｅｓ． Ｄｉａｂｅｔ Ｍｅｄ １０：５０３−５０８， １９９３
１７． Ｈｅｎｄｅｒｓｏｎ ＪＮ， Ａｌｌｅｎ ＫＶ， Ｄｅａｒｙ ＩＪ， Ｆｒｉｅｒ ＢＭ． Ｈｙｐｏｇｌｙｃｅｍｉａ ｉｎ ｉｎｓｕｌｉｎ−ｔｒｅａｔｅｄ Ｔｙｐｅ ２ ｄｉａｂｅｔｅｓ： ｆｒｅｑｕｅｎｃｙ， ｓｙｍｐｔｏｍｓ ａｎｄ ｉｍｐａｉｒｅｄ ａｗａｒｅｎｅｓｓ． Ｄｉａｂｅｔ Ｍｅｄ ２０： １０１６−１０２１， ２００３
１８． Ｉｎｏｕｙｅ Ｋ， Ｓｈｕｍ Ｋ， Ｃｈａｎ Ｏ， Ｍａｔｈｏｏ ＪＭＲ， Ｍａｔｔｈｅｗｓ ＳＧ， Ｖｒａｎｉｃ Ｍ． Ｅｆｆｅｃｔｓ ｏｆ ｒｅｃｕｒｒｅｎｔ ｈｙｐｅｒｉｎｓｕｌｉｎｅｍｉａ ｗｉｔｈ ａｎｄ ｗｉｔｈｏｕｔ ｈｙｐｏｇｌｙｃｅｍｉａ ｏｎ ｃｏｕｎｔｅｒｒｅｇｕｌａｔｉｏｎ ｉｎ ｄｉａｂｅｔｉｃ ｒａｔｓ． Ａｍ Ｊ Ｐｈｙｓｉｏｌ Ｅｎｄｏｃｒｉｎｏｌ Ｍｅｔａｂ ２８２：Ｅ１３６９−Ｅ１３７９， ２００２．
１９． Ｋｉｎｓｌｅｙ ＢＴ， Ｗｅｉｎｇｅｒ Ｋ， Ｂａｊａｊ Ｍ， Ｌｅｖｙ ＣＪ， Ｓｉｍｏｎｓｏｎ ＤＣ， Ｑｕｉｇｌｅｙ Ｍ， Ｃｏｘ ＤＪ， Ｊａｃｏｂｓｏｎ ＡＭ． Ｂｌｏｏｄ ｇｌｕｃｏｓｅ ａｗａｒｅｎｅｓｓ ｔｒａｉｎｉｎｇ ａｎｄ ｅｐｉｎｅｐｈｒｉｎｅ ｒｅｓｐｏｎｓｅｓ ｔｏ ｈｙｐｏｇｌｙｃｅｍｉａ ｄｕｒｉｎｇ ｉｎｔｅｎｓｉｖｅ ｔｒｅａｔｍｅｎｔ ｉｎ ｔｙｐｅ １ ｄｉａｂｅｔｅｓ． Ｄｉａｂｅｔｅｓ Ｃａｒｅ， ２２： １０２２−１０２８， １９９９．
２０． Ｋｏｖａｔｃｈｅｖ ＢＰ， Ｃｏｘ ＤＪ， Ｆａｒｈｙ ＬＳ， Ｓｔｒａｕｍｅ Ｍ， Ｇｏｎｄｅｒ−Ｆｒｅｄｅｒｉｃｋ ＬＡ， Ｃｌａｒｋｅ， ＷＬ． Ｅｐｉｓｏｄｅｓ ｏｆ Ｓｅｖｅｒｅ Ｈｙｐｏｇｌｙｃｅｍｉａ ｉｎ Ｔｙｐｅ １ Ｄｉａｂｅｔｅｓ ａｒｅ Ｐｒｅｃｅｄｅｄ， ａｎｄ Ｆｏｌｌｏｗｅｄ， ｗｉｔｈｉｎ ４８ Ｈｏｕｒｓ ｂｙ Ｍｅａｓｕｒａｂｌｅ Ｄｉｓｔｕｒｂａｎｃｅｓ ｉｎ Ｂｌｏｏｄ Ｇｌｕｃｏｓｅ． Ｊ ｏｆ Ｃｌｉｎｉｃａｌ Ｅｎｄｏｃｒｉｎｏｌｏｇｙ ａｎｄ Ｍｅｔａｂｏｌｉｓｍ， ８５： ４２８７−４２９２， ２０００．
２１． Ｋｏｖａｔｃｈｅｖ ＢＰ， Ｃｏｘ ＤＪ， Ｇｏｎｄｅｒ−Ｆｒｅｄｅｒｉｃｋ ＬＡ ａｎｄ ＷＬ Ｃｌａｒｋｅ． Ｍｅｔｈｏｄｓ ｆｏｒ ｑｕａｎｔｉｆｙｉｎｇ ｓｅｌｆ−ｍｏｎｉｔｏｒｉｎｇ ｂｌｏｏｄ ｇｌｕｃｏｓｅ ｐｒｏｆｉｌｅｓ ｅｘｅｍｐｌｉｆｉｅｄ ｂｙ ａｎ ｅｘａｍｉｎａｔｉｏｎ ｏｆ ｂｌｏｏｄ ｇｌｕｃｏｓｅ ｐａｔｔｅｒｎｓ ｉｎ ｐａｔｉｅｎｔｓ ｗｉｔｈ Ｔｙｐｅ １ ａｎｄ Ｔｙｐｅ ２ Ｄｉａｂｅｔｅｓ． Ｄｉａｂｅｔｅｓ Ｔｅｃｈｎｏｌ Ｔｈｅｒ， ４ （３）： ２９５−３０３， ２００２．
２２． Ｋｏｖａｔｃｈｅｖ ＢＰ， Ｃｏｘ ＤＪ， Ｇｏｎｄｅｒ−Ｆｒｅｄｅｒｉｃｋ ＬＡ ａｎｄ ＷＬ Ｃｌａｒｋｅ． Ｓｙｍｍｅｔｒｉｚａｔｉｏｎ ｏｆ ｔｈｅ ｂｌｏｏｄ ｇｌｕｃｏｓｅ ｍｅａｓｕｒｅｍｅｎｔ ｓｃａｌｅ ａｎｄ ｉｔｓ ａｐｐｌｉｃａｔｉｏｎｓ． Ｄｉａｂｅｔｅｓ Ｃａｒｅ ２０： １６５５−１６５８， １９９７．
２３． Ｋｏｖａｔｃｈｅｖ ＢＰ， Ｃｏｘ ＤＪ， Ｇｏｎｄｅｒ−Ｆｒｅｄｅｒｉｃｋ ＬＡ Ｙｏｕｎｇ−Ｈｙｍａｎ Ｄ， Ｓｃｈｌｕｎｄｔ Ｄ， Ｃｌａｒｋｅ ＷＬ． Ａｓｓｅｓｓｍｅｎｔ ｏｆ ｒｉｓｋ ｆｏｒ ｓｅｖｅｒｅ ｈｙｐｏｇｌｙｃｅｍｉａ ａｍｏｎｇ ａｄｕｌｔｓ ｗｉｔｈ ＩＤＤＭ： Ｖａｌｉｄａｔｉｏｎ ｏｆ ｔｈｅ Ｌｏｗ Ｂｌｏｏｄ Ｇｌｕｃｏｓｅ Ｉｎｄｅｘ， Ｄｉａｂｅｔｅｓ Ｃａｒｅ ２１： １８７０−１８７５， １９９８．
２４． Ｋｏｖａｔｃｈｅｖ ＢＰ， Ｃｏｘ ＤＪ， Ｇｏｎｄｅｒ−Ｆｒｅｄｅｒｉｃｋ ＬＡ， Ｃｌａｒｋｅ ＷＬ． Ｌｏｗ Ｂｌｏｏｄ Ｇｌｕｃｏｓｅ Ｉｎｄｅｘ Ｐｒｅｄｉｃｔｓ Ｏｃｃｕｒｒｅｎｃｅ ｏｆ Ｓｅｖｅｒｅ Ｈｙｐｏｇｌｙｃｅｍｉａ Ａｍｏｎｇ Ａｄｕｌｔｓ ｗｉｔｈ ＩＤＤＭ． Ｄｉａｂｅｔｅｓ， ４７， Ｓｕｐｐｌｅｍｅｎｔ １， Ａ１０７， １９９８．
２５． Ｋｏｖａｔｃｈｅｖ ＢＰ， Ｃｏｘ ＤＪ， Ｇｏｎｄｅｒ−Ｆｒｅｄｅｒｉｃｋ ＬＡ， Ｃｌａｒｋｅ ＷＬ． Ｔｒａｎｓｆｏｒｍｉｎｇ ｔｈｅ Ｂｌｏｏｄ Ｇｌｕｃｏｓｅ Ｓｃａｌｅ： Ｓｔａｔｉｓｔｉｃａｌ ａｎｄ Ｃｌｉｎｉｃａｌ ｉｍｐｌｉｃａｔｉｏｎｓ． Ｄｉａｂｅｔｅｓ， ４６， Ｓｕｐｐｌｅｍｅｎｔ １， Ａ２６８， １９９７．
２６． Ｋｏｖａｔｃｈｅｖ ＢＰ， Ｃｏｘ ＤＪ， Ｇｏｎｄｅｒ−Ｆｒｅｄｅｒｉｃｋ ＬＡ， Ｓｃｈｌｕｎｄｔ Ｄ ａｎｄ ＷＬ Ｃｌａｒｋｅ． Ｓｔｏｃｈａｓｔｉｃ ｍｏｄｅｌ ｏｆ ｓｅｌｆ−ｒｅｇｕｌａｔｉｏｎ ｄｅｃｉｓｉｏｎ ｍａｋｉｎｇ ｅｘｅｍｐｌｉｆｉｅｄ ｂｙ ｄｅｃｉｓｉｏｎｓ ｃｏｎｃｅｒｎｉｎｇ ｈｙｐｏｇｌｙｃｅｍｉａ． Ｈｅａｌｔｈ Ｐｓｙｃｈｏｌｏｇｙ， １７：２７７−２８４， １９９８．
２７． Ｋｏｖａｔｃｈｅｖ ＢＰ， Ｃｏｘ ＤＪ， Ｋｕｍａｒ Ａ， Ｇｏｎｄｅｒ−Ｆｒｅｄｅｒｉｃｋ ＬＡ ａｎｄ ＷＬ Ｃｌａｒｋｅ． Ａｌｇｏｒｉｔｈｍｉｃ Ｅｖａｌｕａｔｉｏｎ ｏｆ Ｍｅｔａｂｏｌｉｃ Ｃｏｎｔｒｏｌ ａｎｄ Ｒｉｓｋ ｏｆ Ｓｅｖｅｒｅ Ｈｙｐｏｇｌｙｃｅｍｉａ ｉｎ Ｔｙｐｅ １ ａｎｄ Ｔｙｐｅ ２ Ｄｉａｂｅｔｅｓ Ｕｓｉｎｇ Ｓｅｌｆ−Ｍｏｎｉｔｏｒｉｎｇ Ｂｌｏｏｄ Ｇｌｕｃｏｓｅ （ＳＭＢＧ） Ｄａｔａ． Ｄｉａｂｅｔｅｓ Ｔｅｃｈｎｏｌｏｇｙ ａｎｄ Ｔｈｅｒａｐｅｕｔｉｃｓ， ５ （５）： ８１７−８２８， ２００３
２８． Ｋｏｖａｔｃｈｅｖ ＢＰ， Ｓｔｒａｕｍｅ Ｍ， Ｃｏｘ ＤＪ， Ｆａｒｈｙ ＬＳ． Ｒｉｓｋ ａｎａｌｙｓｉｓ ｏｆ ｂｌｏｏｄ ｇｌｕｃｏｓｅ ｄａｔａ： Ａ ｑｕａｎｔｉｔａｔｉｖｅ ａｐｐｒｏａｃｈ ｔｏ ｏｐｔｉｍｉｚｉｎｇ ｔｈｅ ｃｏｎｔｒｏｌ ｏｆ ｉｎｓｕｌｉｎ ｄｅｐｅｎｄｅｎｔ ｄｉａｂｅｔｅｓ． Ｊ ｏｆ Ｔｈｅｏｒｅｔｉｃａｌ Ｍｅｄｉｃｉｎｅ， ３：１−１０， ２００１．
２９． Ｋｏｖａｔｃｈｅｖ ＢＰ， Ｃｏｘ ＤＪ， Ｓｔｒａｕｍｅ Ｍ， Ｆａｒｈｙ ＬＳ： Ｅｓｔｉｍａｔｉｎｇ ｔｈｅ Ｓｐｅｅｄ ｏｆ Ｂｌｏｏｄ Ｇｌｕｃｏｓｅ Ｔｒａｎｓｉｔｉｏｎｓ ａｎｄ ｉｔｓ Ｒｅｌａｔｉｏｎｓｈｉｐ ｗｉｔｈ Ｓｅｖｅｒｅ Ｈｙｐｏｇｌｙｃｅｍｉａ． Ｄｉａｂｅｔｅｓ， ４８， Ｓｕｐｐｌ． １， Ａ３６３， １９９９．
３０． Ｋｏｖａｔｃｈｅｖ ＢＰ， Ｏｔｔｏ Ｅ， Ｃｏｘ ＤＪ， Ｇｏｎｄｅｒ−Ｆｒｅｄｅｒｉｃｋ ＬＡ， Ｃｌａｒｋｅ ＷＬ （２００６）． Ｅｖａｌｕａｔｉｏｎ ｏｆ ａ Ｎｅｗ Ｍｅａｓｕｒｅ ｏｆ Ｂｌｏｏｄ Ｇｌｕｃｏｓｅ Ｖａｒｉａｂｉｌｉｔｙ ｉｎ Ｄｉａｂｅｔｅｓ． Ｄｉａｂｅｔｅｓ Ｃａｒｅ， ２９： ２４３３−２４３８．
３１． Ｌｉｎｃｏｌｎ ＮＢ， Ｆａｌｅｉｒｏ ＲＭ， Ｋｅｌｌｙ Ｃ， Ｋｉｒｋ ＢＡ， Ｊｅｆｆｃｏａｔｅ ＷＪ． Ｅｆｆｅｃｔ ｏｆ ｌｏｎｇ−ｔｅｒｍ ｇｌｙｃｅｍｉｃ ｃｏｎｔｒｏｌ ｏｎ ｃｏｇｎｉｔｉｖｅ ｆｕｎｃｔｉｏｎ． Ｄｉａｂｅｔｅｓ Ｃａｒｅ １９：６５６−６５８， １９９６
３２． Ｍａｔｈｏｏ ＪＭＲ， Ｓｈｉ ＺＱ， Ｋｌｉｐ Ａ， Ｖｒａｎｉｃ Ｍ． Ｏｐｐｏｓｉｔｅ ｅｆｆｅｃｔｓ ｏｆ ａｃｕｔｅ ｈｙｐｏｇｌｙｃｅｍｉａ ａｎｄ ａｃｕｔｅ ｈｙｐｅｒｇｌｙｃｅｍｉａ ｏｎ ｇｌｕｃｏｓｅ ｔｒａｎｓｐｏｒｔ ａｎｄ ｇｌｕｃｏｓｅ ｔｒａｎｓｐｏｒｔｅｒｓ ｉｎ ｐｅｒｆｕｓｅｄ ｒａｔ ｓｋｅｌｅｔａｌ ｍｕｓｃｌｅ． Ｄｉａｂｅｔｅｓ ４８： １２８１−１２８８， １９９９
３３． ＭｃＡｕｌａｙ Ｖ， Ｄｅａｒｙ ＩＪ， Ｆｒｉｅｒ ＢＭ： Ｓｙｍｐｔｏｍｓ ｏｆ ｈｙｐｏｇｌｙｃａｅｍｉａ ｉｎ ｐｅｏｐｌｅ ｗｉｔｈ ｄｉａｂｅｔｅｓ． Ｄｉａｂｅｔ Ｍｅｄ １８：６９０−７０５， ２００１
３４． Ｒｅｉｃｈａｒｄ Ｐ， Ｐｈｉｌ Ｍ． Ｍｏｒｔａｌｉｔｙ ａｎｄ ｔｒｅａｔｍｅｎｔ ｓｉｄｅ ｅｆｆｅｃｔｓ ｄｕｒｉｎｇ ｌｏｎｇ−ｔｅｒｍ ｉｎｔｅｎｓｉｆｉｅｄ ｃｏｎｖｅｎｔｉｏｎａｌ ｉｎｓｕｌｉｎ ｔｒｅａｔｍｅｎｔ ｉｎ ｔｈｅ Ｓｔｏｃｋｈｏｌｍ Ｄｉａｂｅｔｅｓ Ｉｎｔｅｒｖｅｎｔｉｏｎ ｓｔｕｄｙ． Ｄｉａｂｅｔｅｓ ４３： ３１３−３１７， １９９４
３５． Ｒｙａｎ ＥＡ， Ｓｈａｎｄｒｏ Ｔ， Ｇｒｅｅｎ Ｋ， Ｐａｔｙ ＢＷ， Ｓｅｎｉｏｒ ＰＡ， Ｂｉｇａｍ Ｄ， Ｓｈａｐｉｒｏ ＡＭＪ， Ｖａｎｔｙｇｈｅｍ ＭＣ． Ｄｉａｂｅｔｅｓ ５３： ９５５−９６２， ２００４
３６． Ｓａｎｔｉａｇｏ ＪＶ． Ｌｅｓｓｏｎｓ ｆｒｏｍ ｔｈｅ Ｄｉａｂｅｔｅｓ Ｃｏｎｔｒｏｌ ａｎｄ Ｃｏｍｐｌｉｃａｔｉｏｎｓ Ｔｒｉａｌ， Ｄｉａｂｅｔｅｓ， ４２：１５４９−１５５４， １９９３．
３７． Ｓｃｈｌｉｃｈｔｋｒｕｌｌ Ｊ， Ｍｕｎｃｋ Ｏ， Ｊｅｒｓｉｌｄ Ｍ． Ａｃｔａ Ｍｅｄ Ｓｃａｎｄ １７７： ９５−１０２， １９６５
３８． Ｓｅｒｖｉｃｅ ＦＪ ， Ｍｏｌｎｅｒ ＧＤ， Ｒｏｓｅｖｅａｒ ＪＷ， Ａｃｋｅｒｍａｎ Ｅ， Ｇａｔｅｗｏｏｄ ＬＣ， Ｔａｙｌｏｒ ＷＦ． Ｄｉａｂｅｔｅｓ １９： ６４４−６５５， １９７０
３９． Ｔｈｅ Ｄｉａｂｅｔｅｓ Ｃｏｎｔｒｏｌ ａｎｄ Ｃｏｍｐｌｉｃａｔｉｏｎｓ Ｔｒｉａｌ Ｒｅｓｅａｒｃｈ Ｇｒｏｕｐ． Ｈｙｐｏｇｌｙｃｅｍｉａ ｉｎ ｔｈｅ Ｄｉａｂｅｔｅｓ Ｃｏｎｔｒｏｌ ａｎｄ Ｃｏｍｐｌｉｃａｔｉｏｎｓ Ｔｒｉａｌ． Ｄｉａｂｅｔｅｓ ４６： ２７１−２８６， １９９７
４０． Ｔｈｅ Ｄｉａｂｅｔｅｓ Ｃｏｎｔｒｏｌ ａｎｄ Ｃｏｍｐｌｉｃａｔｉｏｎｓ Ｔｒｉａｌ Ｒｅｓｅａｒｃｈ Ｇｒｏｕｐ． Ｔｈｅ ｅｆｆｅｃｔ ｏｆ ｉｎｔｅｎｓｉｖｅ ｔｒｅａｔｍｅｎｔ ｏｆ ｄｉａｂｅｔｅｓ ｏｎ ｔｈｅ ｄｅｖｅｌｏｐｍｅｎｔ ａｎｄ ｐｒｏｇｒｅｓｓｉｏｎ ｏｆ ｌｏｎｇ−ｔｅｒｍ ｃｏｍｐｌｉｃａｔｉｏｎｓ ｏｆ ｉｎｓｕｌｉｎ−ｄｅｐｅｎｄｅｎｔ ｄｉａｂｅｔｅｓ ｍｅｌｌｉｔｕｓ． Ｎ Ｅｎｇｌ Ｊ Ｍｅｄ ３２９： ９７８−９８６， １９９３
４１． Ｔｈｅ ｄｉａｂｅｔｅｓ ｒｅｓｅａｒｃｈ ｉｎ ｃｈｉｌｄｒｅｎ ｎｅｔｗｏｒｋ （ＤｉｒｅｃＮｅｔ） ｓｔｕｄｙ ｇｒｏｕｐ． Ａ ｍｕｌｔｉｃｅｎｔｅｒ ｓｔｕｄｙ ｏｆ ｔｈｅ ａｃｃｕｒａｃｙ ｏｆ ｔｈｅ Ｏｎｅ Ｔｏｕｃｈ^{（ｒｅｇｉｓｔｅｒｅｄ）} Ｕｌｔｒａ^{（ｒｅｇｉｓｔｅｒｅｄ）} ｈｏｍｅ ｇｌｕｃｏｓｅ ｍｅｔｅｒ ｉｎ ｃｈｉｌｄｒｅｎ ｗｉｔｈ Ｔｙｐｅ １ ｄｉａｂｅｔｅｓ．
Ｄｉａｂｅｔｅｓ Ｔｅｃｈｎｏｌ Ｔｈｅｒ， ５： ９３３−９４２， ２００３
４２． ＵＫ Ｐｒｏｓｐｅｃｔｉｖｅ Ｄｉａｂｅｔｅｓ Ｓｔｕｄｙ Ｇｒｏｕｐ （ＵＫＰＤＳ）． Ｉｎｔｅｎｓｉｖｅ ｂｌｏｏｄ−ｇｌｕｃｏｓｅ ｃｏｎｔｒｏｌ ｗｉｔｈ ｓｕｌｐｈｏｎｙｌｕｒｅａｓ ｏｒ ｉｎｓｕｌｉｎ ｃｏｍｐａｒｅｄ ｗｉｔｈ ｃｏｎｖｅｎｔｉｏｎａｌ ｔｒｅａｔｍｅｎｔ ａｎｄ ｒｉｓｋ ｏｆ ｃｏｍｐｌｉｃａｔｉｏｎｓ ｉｎ ｐａｔｉｅｎｔｓ ｗｉｔｈ ｔｙｐｅ ２ ｄｉａｂｅｔｅｓ．
Ｌａｎｃｅｔ ３５２： ８３７−８５３， １９９８
４３． Ｋｏｖａｔｃｈｅｖ ＢＰ， Ｃｏｘ ＤＪ， Ｇｏｎｄｅｒ−Ｆｒｅｄｅｒｉｃｋ ＬＡ ａｎｄ ＷＬ Ｃｌａｒｋｅ （１９９７）． Ｓｙｍｍｅｔｉｚａｔｉｏｎ ｏｆ ｔｈｅ Ｂｌｏｏｄ Ｇｌｕｃｏｓｅ Ｍｅａｓｕｒｅｍｅｎｔ Ｓｃａｌｅ ａｎｄ Ｉｔｓ Ａｐｐｌｉｃａｔｉｏｎｓ， Ｄｉａｂｅｔｅｓ Ｃａｒｅ， ２０， １６５５−１６５８．
４４． Ｋｏｖａｔｃｈｅｖ ＢＰ， Ｓｔｒａｕｍｅ Ｍ， Ｃｏｘ ＤＪ， Ｆａｒｈｉ ＬＳ （２００１） Ｒｉｓｋ Ａｎａｌｙｓｉｓ ｏｆ Ｂｌｏｏｄ Ｇｌｕｃｏｓｅ Ｄａｔａ： Ａ Ｑｕａｎｔｉｔａｔｉｖｅ Ａｐｐｒｏａｃｈ ｔｏ Ｏｐｔｉｍｉｚｉｎｇ ｔｈｅ Ｃｏｎｔｒｏｌ ｏｆ Ｉｎｓｕｌｉｎ Ｄｅｐｅｎｄｅｎｔ Ｄｉａｂｅｔｅｓ． Ｊ ｏｆ Ｔｈｅｏｒｅｔｉｃａｌ Ｍｅｄｉｃｉｎｅ， ３： １−１０．
４５． Ｋｏｖａｔｃｈｅｖ ＢＰ， Ｃｏｘ ＤＪ， Ｇｏｎｄｅｒ−Ｆｒｅｄｅｒｉｃｋ ＬＡ ａｎｄ ＷＬ Ｃｌａｒｋｅ （２００２）． Ｍｅｔｈｏｄｓ ｆｏｒ ｑｕａｎｔｉｆｙｉｎｇ ｓｅｌｆ−ｍｏｎｉｔｏｒｉｎｇ ｂｌｏｏｄ ｇｌｕｃｏｓｅ ｐｒｏｆｉｌｅｓ ｅｘｅｍｐｌｉｆｉｅｄ ｂｙ ａｎ ｅｘａｍｉｎａｔｉｏｎ ｏｆ ｂｌｏｏｄ ｇｌｕｃｏｓｅ ｐａｔｔｅｒｎｓ ｉｎ ｐａｔｉｅｎｔｓ ｗｉｔｈ Ｔｙｐｅ １ ａｎｄ Ｔｙｐｅ ２ Ｄｉａｂｅｔｅｓ． Ｄｉａｂｅｔｅｓ Ｔｅｃｈｎｏｌｏｇｙ ａｎｄ Ｔｈｅｒａｐｅｕｔｉｃｓ， ４ （３）： ２９５−３０３．
４６． Ｋｏｖａｔｃｈｅｖ ＢＰ， Ｃｏｘ ＤＪ， Ｋｕｍａｒ Ａ， Ｇｏｎｄｅｒ−Ｆｒｅｄｅｒｉｃｋ ＬＡ，Ｃｌａｒｋｅ ＷＬ （２００３）． Ａｌｇｏｒｉｔｈｍｉｃ Ｅｖａｌｕａｔｉｏｎ ｏｆ Ｍｅｔａｂｏｌｉｃ Ｃｏｎｔｒｏｌ ａｎｄ Ｒｉｓｋ ｏｆ Ｓｅｖｅｒｅ Ｈｙｐｏｇｌｙｃｅｍｉａ ｉｎ Ｔｙｐｅ １ ａｎｄ Ｔｙｐｅ ２ Ｄｉａｂｅｔｅｓ Ｕｓｉｎｇ Ｓｅｌｆ−Ｍｏｎｉｔｏｒｉｎｇ Ｂｌｏｏｄ Ｇｌｕｃｏｓｅ （ＳＭＢＧ） Ｄａｔａ． Ｄｉａｂｅｔｅｓ Ｔｅｃｈｎｏｌｏｇｙ ａｎｄ Ｔｈｅｒａｐｅｕｔｉｃｓ， ５ （５）： ８１７−８２８．
４７． Ｋｏｖａｔｃｈｅｖ ＢＰ， Ｏｔｔｏ Ｅ， Ｃｏｘ ＤＪ， Ｇｏｎｄｅｒ−Ｆｒｅｄｅｒｉｃｋ ＬＡ， Ｃｌａｒｋｅ ＷＬ （２００６）． Ｅｖａｌｕａｔｉｏｎ ｏｆ ａ Ｎｅｗ Ｍｅａｓｕｒｅ ｏｆ Ｂｌｏｏｄ Ｇｌｕｃｏｓｅ Ｖａｒｉａｂｉｌｉｔｙ ｉｎ Ｄｉａｂｅｔｅｓ． Ｄｉａｂｅｔｅｓ Ｃａｒｅ， ２９： ２４３３−２４３８．

本方法、システム、装置、及びコンピュータプログラム製品の実施の形態の種々の態様は、参照により本明細書に組み込まれ、本出願人を共願人とする以下の米国特許出願、米国特許公報、及びＰＣＴ国際特許出願に開示された以下の方法、システム、装置、及びコンピュータプログラム製品を用いて実装することができることは認識されるべきである。

２００５年４月２１日に出願され、発明の名称を「Ｍｅｔｈｏｄ， Ｓｙｓｔｅｍ， ａｎｄ Ｃｏｍｐｕｔｅｒ Ｐｒｏｇｒａｍ Ｐｒｏｄｕｃｔ ｆｏｒ Ｅｖａｌｕａｔｉｏｎ ｏｆ ｔｈｅ Ａｃｃｕｒａｃｙ ｏｆ Ｂｌｏｏｄ Ｇｌｕｃｏｓｅ Ｍｏｎｉｔｏｒｉｎｇ Ｓｅｎｓｏｒｓ／Ｄｅｖｉｃｅｓ」とする、ＰＣＴ国際特許出願第ＰＣＴ／ＵＳ２００５／０１３７９２号パンフレット、

２００６年１０月１８日に出願され、発明の名称を「Ｍｅｔｈｏｄ， Ｓｙｓｔｅｍ ａｎｄ Ｃｏｍｐｕｔｅｒ Ｐｒｏｇｒａｍ Ｐｒｏｄｕｃｔ ｆｏｒ Ｅｖａｌｕａｔｉｎｇ ｔｈｅ Ａｃｃｕｒａｃｙ ｏｆ Ｂｌｏｏｄ Ｇｌｕｃｏｓｅ Ｍｏｎｉｔｏｒｉｎｇ Ｓｅｎｓｏｒｓ／Ｄｅｖｉｃｅｓ」とする、米国特許出願第１１／５７８，８３１号明細書、

２００１年３月２９日に出願され、発明の名称を「Ｍｅｔｈｏｄ， Ｓｙｓｔｅｍ， ａｎｄ Ｃｏｍｐｕｔｅｒ Ｐｒｏｇｒａｍ Ｐｒｏｄｕｃｔ ｆｏｒ Ｅｖａｌｕａｔｉｏｎ ｏｆ Ｇｌｙｃｅｍｉｃ Ｃｏｎｔｒｏｌ ｉｎ Ｄｉａｂｅｔｅｓ Ｓｅｌｆ−Ｍｏｎｉｔｏｒｉｎｇ Ｄａｔａ」とする、ＰＣＴ国際特許出願第ＰＣＴ／ＵＳ０１／０９８８４号パンフレット、

２００６年１０月１８日に出願され、発明の名称を「Ｍｅｔｈｏｄ， Ｓｙｓｔｅｍ ａｎｄ Ｃｏｍｐｕｔｅｒ Ｐｒｏｇｒａｍ Ｐｒｏｄｕｃｔ ｆｏｒ Ｅｖａｌｕａｔｉｎｇ ｔｈｅ Ａｃｃｕｒａｃｙ ｏｆ Ｂｌｏｏｄ Ｇｌｕｃｏｓｅ Ｍｏｎｉｔｏｒｉｎｇ Ｓｅｎｓｏｒｓ／Ｄｅｖｉｃｅｓ」とする、米国特許出願番号１１／５７８，８３１明細書、

２００５年１２月１９日に出願され、発明の名称を「Ｍｅｔｈｏｄ， Ｓｙｓｔｅｍ， ａｎｄ Ｃｏｍｐｕｔｅｒ Ｐｒｏｇｒａｍ Ｐｒｏｄｕｃｔ ｆｏｒ ｔｈｅ Ｅｖａｌｕａｔｉｏｎ ｏｆ Ｇｌｙｃｅｍｉｃ Ｃｏｎｔｒｏｌ ｉｎ Ｄｉａｂｅｔｅｓ ｆｒｏｍ Ｓｅｌｆ−Ｍｏｎｉｔｏｒｉｎｇ Ｄａｔａ」とする、米国特許出願第１１／３０５，９４６号（出願公開第２００６００９４９４７号）明細書、

２００３年８月８日に出願され、発明の名称を「Ｍｅｔｈｏｄ， Ｓｙｓｔｅｍ， ａｎｄ Ｃｏｍｐｕｔｅｒ Ｐｒｏｇｒａｍ Ｐｒｏｄｕｃｔ ｆｏｒ ｔｈｅ Ｐｒｏｃｅｓｓｉｎｇ ｏｆ Ｓｅｌｆ−Ｍｏｎｉｔｏｒｉｎｇ Ｂｌｏｏｄ Ｇｌｕｃｏｓｅ （ＳＭＢＧ） Ｄａｔａ ｔｏ Ｅｎｈａｎｃｅ Ｄｉａｂｅｔｉｃ Ｓｅｌｆ−Ｍａｎａｇｅｍｅｎｔ」とする、ＰＣＴ国際特許出願第ＰＣＴ／ＵＳ２００３／０２５０５３号パンフレット、

２００５年２月９日に出願され、発明の名称を「Ｍａｎａｇｉｎｇ ａｎｄ Ｐｒｏｃｅｓｓｉｎｇ Ｓｅｌｆ−Ｍｏｎｉｔｏｒｉｎｇ Ｂｌｏｏｄ Ｇｌｕｃｏｓｅ」とする、米国特許出願第１０／５２４，０９４号（出願公開第２００５２１４８９２号）明細書、

２００６年８月２９日に出願され、発明の名称を「Ｍｅｔｈｏｄ ｆｏｒ Ｉｍｐｒｏｖｉｓｉｎｇ Ａｃｃｕｒａｃｙ ｏｆ Ｃｏｎｔｉｎｕｏｕｓ Ｇｌｕｃｏｓｅ Ｓｅｎｓｏｒｓ ａｎｄ ａ Ｃｏｎｔｉｎｕｏｕｓ Ｇｌｕｃｏｓｅ Ｓｅｎｓｏｒ Ｕｓｉｎｇ ｔｈｅ Ｓａｍｅ」とする、ＰＣＴ国際特許出願第ＰＣＴ／ＵＳ２００６／０３３７２４号明細書、

２００７年１月５日に出願され、発明の名称を「Ｍｅｔｈｏｄ， Ｓｙｓｔｅｍ ａｎｄ Ｃｏｍｐｕｔｅｒ Ｐｒｏｇｒａｍ Ｐｒｏｄｕｃｔ ｆｏｒ Ｅｖａｌｕａｔｉｏｎ ｏｆ Ｂｌｏｏｄ Ｇｌｕｃｏｓｅ Ｖａｒｉａｂｉｌｉｔｙ ｉｎ Ｄｉａｂｅｔｅｓ ｆｒｏｍ Ｓｅｌｆ−Ｍｏｎｉｔｏｒｉｎｇ Ｄａｔａ」とする、ＰＣＴ国際特許出願第ＰＣＴ／ＵＳ２００７／０００３７０号明細書、

２００７年１０月２６日に出願され、発明の名称を「Ｆｏｒ Ｍｅｔｈｏｄ， Ｓｙｓｔｅｍ ａｎｄ Ｃｏｍｐｕｔｅｒ Ｐｒｏｇｒａｍ Ｐｒｏｄｕｃｔ ｆｏｒ Ｒｅａｌ−Ｔｉｍｅ Ｄｅｔｅｃｔｉｏｎ ｏｆ Ｓｅｎｓｉｔｉｖｉｔｙ Ｄｅｃｌｉｎｅ ｉｎ Ａｎａｌｙｔｅ Ｓｅｎｓｏｒｓ」とする、米国特許出願第１１／９２５，６８９号明細書、

２０００年８月２１日に出願され、発明の名称を「Ｍｅｔｈｏｄ ａｎｄ Ａｐｐａｒａｔｕｓ ｆｏｒ Ｐｒｅｄｉｃｔｉｎｇ ｔｈｅ Ｒｉｓｋ ｏｆ Ｈｙｐｏｇｌｙｃｅｍｉａ」とする、ＰＣＴ国際特許出願第ＰＣＴ／ＵＳ００／２２８８６号明細書、

２００５年８月２日に発行され、発明の名称を「Ｍｅｔｈｏｄ ａｎｄ Ａｐｐａｒａｔｕｓ ｆｏｒ Ｐｒｅｄｉｃｔｉｎｇ ｔｈｅ Ｒｉｓｋ ｏｆ Ｈｙｐｏｇｌｙｃｅｍｉａ」とする、米国特許第６，９２３，７６３号明細書、及び

２００７年１０月２６日に出願され、発明の名称を「Ｆｏｒ Ｍｅｔｈｏｄ， Ｓｙｓｔｅｍ ａｎｄ Ｃｏｍｐｕｔｅｒ Ｐｒｏｇｒａｍ Ｐｒｏｄｕｃｔ ｆｏｒ Ｒｅａｌ−Ｔｉｍｅ Ｄｅｔｅｃｔｉｏｎ ｏｆ Ｓｅｎｓｉｔｉｖｉｔｙ Ｄｅｃｌｉｎｅ ｉｎ Ａｎａｌｙｔｅ Ｓｅｎｓｏｒｓ」とする、ＰＣＴ国際特許出願第ＰＣＴ／ＵＳ２００７／０８２７４４号明細書。

血中グルコースの自己監視装置は、患者が自身の血糖管理を維持することを可能にするための主要なフィードバックとしての役割を果たす通常のＳＭＢＧデータを提供する、糖尿病における最近の標準的な観測技法である。本発明のシステム、方法及びコンピュータプログラムコードの態様は、高血糖、低血糖、グルコース変動の増大に関するグルコースの時間的パターン、又は無効な検査を評価することが可能なデータ解釈の要素を導入することにより、既存のＳＭＢＧ装置を改善することができるが、このことに限定されない。

現代のＳＭＢＧ装置は、今のところ、ＢＧの測定値及び平均等の簡単な統計値に限定された一般的な情報しか患者に提供していない。比較に用いることができる既存のパターン認識法は存在しない。

要約すると、本発明は、具体的な実施の形態に関して記載されているが、多くの改変、変形例、変更、置換及び均等物は、当業者に自明である。本発明は、その範囲が、本明細書に記載の特定の実施の形態によって限定されるものではない。実際、本明細書に記載のものに加え、本発明の種々の改変は、上述の記載及び添付された図面より、当業者に自明である。したがって、本発明は、全ての改変及び均等物を含め、特許請求の範囲の本質及び範囲によってのみ限定されるべきである。

さらに他の実施の形態は、上で引用した詳細な記載及び特定の例示的な実施の形態に関する図面を読むことにより、当業者にとって容易に自明となる。種々の変形例、改変、及び他の実施の形態が可能であり、したがって、このような変形例、改変、及び実施の形態は全て本出願の本質及び範囲に含まれるとみなされるべきであることが理解されなければならない。例えば、本出願の任意の部分（発明の名称、技術分野、背景技術、発明の要約、要約書、図面等）の内容に関わりなく、そうでない旨が明示されない場合、具体的に記載又は説明された任意のステップ又は要素、このようなステップの特定の順序、又はこのような要素間の特定の相互関係が本出願又は本出願に基づく優先権の主張を伴う出願の任意の請求項に含まれることに対する必要条件は存在しない。さらに、任意のステップは反復されてよく、任意のステップは複数の要素によって実行されてよく、かつ／又は任意の要素は重複していてよい。さらに、任意のステップ又は要素が除外されていてもよく、ステップの順序を変更してもよく、かつ／又は要素の相互関係を変更してもよい。そうでないことが明示されていない場合、具体的に記載又は説明された任意のステップ又は要素、このようなステップの特定の順序、又はこのような要素間の特定の相互関係、任意の特定のサイズ、速度、材質、形状、又はこのような要素の具体的な相互関係について、必要条件は存在しない。したがって、記載及び図面は、事実上、説明のためのものであり、限定的なものではないと見なされるべきである。さらに、本明細書に何らかの数又は範囲が記載されている場合、特に明示されない限り、数及び範囲は、近似値である。本明細書に何らかの範囲が記載されている場合、特に明示されない限り、範囲は、この中に含まれる任意の数値及びこの中に含まれる任意の部分範囲を含んでいる。参照により本明細書に組み込まれた任意の資料（米国／外国特許、米国／外国特許出願、書籍、論文等）に含まれる任意の情報は、これらの情報と、本明細書において開示された他の記載及び図面と矛盾しない程度においてのみ、参照により組み込まれている。本出願の特許請求の範囲又は優先権を無効にしてしまうような矛盾等のこのような矛盾が生じる場合、参照により本明細書に組み込まれている資料における、このような矛盾を生じる情報は、特に、参照により本明細書に組み込まれない。

血糖管理の主なフィードバックループを示す図である。 自律行動の確率論的モデルを示す図である。 計測器による、次の期間の検査パターンの特徴の計算、及びＳＭＢＧの測定値に従い、本開示において示されたアルゴリズムのうちの１つを用いたメッセージの出力について説明した、リアルタイムで計測器にメッセージを表示するシステムの概念を示す図である。 ＢＧのしきい値のパラメータを２００ｍｇ／ｄｌに設定し、複合確率のしきい値を０．６に設定した場合において、夜間が高血糖のリスクが高い期間として特定された場合を例示した、高血糖の時間的パターンを特定するための計算結果を示す図である。 ＢＧのしきい値のパラメータを２００ｍｇ／ｄｌに設定し、複合確率のしきい値を０．６に設定した場合において、午後３時〜７時、及び午後７時〜１１時の２つの期間が高血糖のリスクが高い期間として特定された場合を例示した、高血糖の時間的パターンを特定するための計算結果を示す図である。 ＢＧのしきい値のパラメータを７０ｍｇ／ｄｌに設定し、複合確率のしきい値を０．１に設定した場合において、午後１１時〜午前１１時の期間が低血糖のリスクが高い期間として特定された場合を例示した、低血糖の時間的パターンを特定するための計算結果を示す図である。 ＡＤＲＲのしきい値のパラメータを４０に設定し、複合確率のしきい値を０．６に設定した場合において、午後３時〜７時の期間が変動の大きな期間として特定された場合を例示した、変動の増大パターンを特定するための計算結果を示す図である。 夜間［午後１１時〜午前７時）に、全てのＳＭＢＧの測定値のうちわずか３．２％しか測定されなかった被験者Ａと、午後（午後３時〜７時）に、わずか４％しか測定されなかった被験者Ｂの場合について例示した、ＳＭＢＧ検査が有効でないパターンを特定するための計算結果を示す図である。 本発明の実施の形態を実施するコンピュータシステムの機能ブロック図である。 プロセッサ、通信リンク、及びシステムに関する本発明の実施の形態の代替変形例に対する概略ブロック図である。 プロセッサ、通信リンク、及びシステムに関する本発明の実施の形態の他の代替変形例に対する概略ブロック図である。 プロセッサ、通信リンク、及びシステムに関する本発明の実施の形態の第３の代替変形例に対する概略ブロック図である。

Claims (297)

1. 複数のＳＭＢＧデータポイントを取り込むステップと、
   所定の時間を有する期間内の前記複数のＳＭＧＢデータポイントを分類するステップと、
   前記期間毎にグルコース値の評価を行うステップと、
   前記評価に基づいて、続く期間について高血糖のリスクを表示するステップと、を含む、
   使用者の高血糖のパターンを特定、及び／又は予測する方法。
2. 前記評価を行うステップは、
   前記グルコース値に基づいて、高血糖への個人の偏移を決定するステップと、
   個人の偏移及び絶対偏差に基づいて、前記期間毎の複合確率を決定するステップと、
   前記期間毎の複合確率を所定のしきい値と比較するステップとを含む、請求項１記載の方法。
3. 前記偏移を決定するステップは、前記期間毎にＳＭＢＧの平均と標準偏差を計算するステップを含む、請求項２記載の方法。
4. 前記偏移を決定するステップは、前記期間毎に偏差コントラストを計算するステップを含む、請求項２記載の方法。
5. 前記偏差コントラストを、以下の式によって算出し、
   

   

   ここで、Ｘ_ｋは、期間ｋにおける平均ＳＭＢＧ測定値を表し、
   

   

   は全ＳＭＢＧ測定値の平均を表し、
   

   

   は、全ＳＭＢＧ測定値の標準偏差を表し、
   

   

   は、期間ｋにおけるＳＭＢＧ測定値の標準偏差を表し、Ｎは、ＳＭＢＧ測定の合計回数を表し、
   

   

   は、期間ｋにおけるＳＭＢＧ測定の合計回数を表す、請求項４記載の方法。
6. 前記偏差コントラストを、以下の式によって算出し、
   

   

   ここで、Ｙ_ｋは、ｋ以外の期間における平均ＳＭＢＧ測定値の平均を表し、Ｘ_ｋは、期間ｋにおける平均ＳＭＢＧ測定値を表し、ＳＤ１は、Ｘ_ｋ−Ｙ_ｋの標準偏差の計算値を表す、請求項４記載の方法。
7. 前記複合確率が、絶対的なしきい値を超える確率と、比較的個別のしきい値を超える確率とを含む、請求項２記載の方法。
8. 前記複合確率を、以下の式によって算出し、
   ＣＰ_ｋ（α１）＝Ｐ_ｋ（α１）．Φ（ｔ_ｋ）
   ここで、Ｐ_ｋ（α１）は、前記期間毎の、平均ＳＭＢＧが所定のしきい値レベルα１を超える確率を表し、Φ（ｔ_ｋ）は、前記期間毎の前記平均ＳＭＢＧデータが、残りの期間の平均ＳＭＢＧデータを超える確率を表す、請求項２記載の方法。
9. 前記Φ（ｔ_ｋ）は、中心正規分布の分布関数である、請求項８記載の方法。
10. 前記複合確率を、以下の式によって算出し、
    ＣＰ_ｋ（α１）＝Ｐ_ｋ（α１）．Φ（ｔ_ｋ）
    ここで、Ｐ_ｋ（α１）は、前記期間毎の、平均ＳＭＢＧが所定のしきい値レベルα１を超える確率を表し、Φ（ｔ_ｋ）は、前記期間毎の前記平均ＳＭＢＧデータが、総平均を超える確率を表す、請求項２記載の方法。
11. 前記Φ（ｔ_ｋ）は、中心正規分布の分布関数である、請求項１０記載の方法。
12. 前記複合確率を決定するステップは、前記期間毎の前記平均ＳＭＢＧデータが、残りの期間の平均ＳＭＢＧデータを超える確率を計算するステップを含む、請求項２記載の方法。
13. 前記複合確率を決定するステップは、前記期間毎の前記平均ＳＭＢＧデータが総平均を超える確率を計算するステップを含む、請求項２記載の方法。
14. 前記複数のＳＭＢＧ測定値は、約２〜６週間の監視から収集したＳＭＢＧデータを測定時間と共に含む、請求項１記載の方法。
15. 前記期間は各々、所定の数のＳＭＢＧデータポイントを有する、請求項１記載の方法。
16. ＳＭＢＧデータポイントの前記所定の数が、前記期間毎に少なくとも約５である、請求項１５記載の方法。
17. 前記期間が、それぞれの日の２４時間を所定の時間を有する時間ビンに分割して構成される、請求項１記載の方法。
18. 前記所定の時間が、２〜８時間の間である、請求項１７記載の方法。
19. 前記所定の時間が、２４時間より短い、請求項１７記載の方法。
20. 前記続く期間が、次の期間を含む、請求項１記載の方法。
21. 前記高血糖のリスクを表示するステップは、続く期間の高血糖のパターンを示すメッセージを発するステップを有する、請求項１記載の方法。
22. 高血中グルコースのパターンを示すメッセージは、前記続く期間の前に直ちに使用者に受け取られる、請求項２１記載の方法。
23. 前記続く期間が、次の期間を含む、請求項２１記載の方法。
24. 前記高血糖のリスクを表示するステップは、複数のＳＭＢＧデータポイントを取り込んでから約２４時間以内に高血糖のパターンを示すメッセージを発するステップを有する、請求項１記載の方法。
25. 前記高血糖のリスクを表示するステップは、複数のＳＭＢＧデータポイントを取り込んでから約１２時間以内に高血糖のパターンを示すメッセージを発するステップを有する、請求項１記載の方法。
26. 前記高血糖のリスクを表示するステップは、複数のＳＭＢＧデータポイントを取り込んでから約６時間以内に高血糖のパターンを示すメッセージを発するステップを有する、請求項１記載の方法。
27. 前記高血糖のリスクを表示するステップは、上述のステップの完了時に高血糖のパターンを示すメッセージを発するステップを有する、請求項１記載の方法。
28. 前記高血糖のリスクを表示するステップは、直近のＳＭＢＧ検査とほぼ同時に行う、請求項１記載の方法。
29. 複数のＳＭＢＧデータポイントを取り込む取り込みモジュールと、
    所定の時間を有する期間内の前記複数のＳＭＧＢデータポイントを分類するステップと、
    前記期間毎にグルコース値の評価を行うステップと、
    前記評価に基づいて、続く期間について高血糖のリスクを表示するステップを実行するようにプログラムされたプロセッサと、を含む、使用者の高血糖のパターンを特定、及び／又は予測するシステム。
30. 前記評価を行うステップは、
    前記グルコース値に基づいて、高血糖への個人の偏移を決定するステップと、
    個人の偏移及び絶対偏差に基づいて、前記期間毎の複合確率を決定するステップと、
    前記期間毎の複合確率を所定のしきい値と比較するステップとを含む、請求項２９記載のシステム。
31. 前記偏移を決定するステップは、前記期間毎にＳＭＢＧの平均と標準偏差を計算するステップを含む、請求項３０記載のシステム。
32. 前記偏移を決定するステップは、前記期間毎に偏差コントラストを計算するステップを含む、請求項３０記載のシステム。
33. 前記偏差コントラストを、以下の式によって算出し、
    

    

    ここで、Ｘ_ｋは、期間ｋにおける平均ＳＭＢＧ測定値を表し、
    

    

    は全ＳＭＢＧ測定値の平均を表し、
    

    

    は、全ＳＭＢＧ測定値の標準偏差を表し、
    

    

    は、期間ｋにおけるＳＭＢＧ測定値の標準偏差を表し、Ｎは、ＳＭＢＧ測定の合計回数を表し、
    

    

    は、期間ｋにおけるＳＭＢＧ測定の合計回数を表す、請求項３２記載のシステム。
34. 前記偏差コントラストを、以下の式によって算出し、
    

    

    ここで、Ｙ_ｋは、ｋ以外の期間における平均ＳＭＢＧ測定値の平均を表し、Ｘ_ｋは、期間ｋにおける平均ＳＭＢＧ測定値を表し、ＳＤ１は、Ｘ_ｋ−Ｙ_ｋの標準偏差の計算値を表す、請求項３２記載のシステム。
35. 前記複合確率が、絶対的なしきい値を超える確率と、比較的個別のしきい値を超える確率とを含む、請求項３０記載のシステム。
36. 前記複合確率を、以下の式によって算出し、
    ＣＰ_ｋ（α１）＝Ｐ_ｋ（α１）．Φ（ｔ_ｋ）
    ここで、Ｐ_ｋ（α１）は、前記期間毎の、平均ＳＭＢＧが所定のしきい値レベルα１を超える確率を表し、Φ（ｔ_ｋ）は、前記期間毎の前記平均ＳＭＢＧデータが、残りの期間の平均ＳＭＢＧデータを超える確率を表す、請求項３０記載のシステム。
37. 前記Φ（ｔ_ｋ）は、中心正規分布の分布関数である、請求項３６記載のシステム。
38. 前記複合確率を、以下の式によって算出し、
    ＣＰ_ｋ（α１）＝Ｐ_ｋ（α１）．Φ（ｔ_ｋ）
    ここで、Ｐ_ｋ（α１）は、前記期間毎の、平均ＳＭＢＧが所定のしきい値レベルα１を超える確率を表し、Φ（ｔ_ｋ）は、前記期間毎の前記平均ＳＭＢＧデータが、総平均を超える確率を表す、請求項３０記載のシステム。
39. 前記Φ（ｔ_ｋ）は、中心正規分布の分布関数である、請求項３８記載のシステム。
40. 前記複合確率を決定するステップは、前記期間毎の前記平均ＳＭＢＧデータが、残りの期間の平均ＳＭＢＧデータを超える確率を計算するステップを含む、請求項３０記載のシステム。
41. 前記複合確率を決定するステップは、前記期間毎の前記平均ＳＭＢＧデータが総平均を超える確率を計算するステップを含む、請求項３０記載のシステム。
42. 前記複数のＳＭＢＧ測定値は、約２〜６週間の監視から収集したＳＭＢＧデータを測定時間と共に含む、請求項２９記載のシステム。
43. 前記期間は各々、所定の数のＳＭＢＧデータポイントを有する、請求項２９記載のシステム。
44. ＳＭＢＧデータポイントの前記所定の数が、前記期間毎に少なくとも約５である、請求項４３記載のシステム。
45. 前記期間が、それぞれの日の２４時間を所定の時間を有する時間ビンに分割して構成される、請求項２９記載のシステム。
46. 前記所定の時間が、２〜８時間の間である、請求項４５記載のシステム。
47. 前記所定の時間が、２４時間より短い、請求項４５記載のシステム。
48. 前記続く期間が、次の期間を含む、請求項２９記載のシステム。
49. 前記高血糖のリスクを表示するステップは、続く期間の高血糖のパターンを示すメッセージを発するステップを有する、請求項２９記載のシステム。
50. 高血中グルコースのパターンを示すメッセージは、前記続く期間の前に直ちに使用者に受け取られる、請求項４９記載のシステム。
51. 前記続く期間が、次の期間を含む、請求項４９記載のシステム。
52. 前記高血糖のリスクを表示するステップは、複数のＳＭＢＧデータポイントを取り込んでから約２４時間以内に高血糖のパターンを示すメッセージを発するステップを有する、請求項２９記載のシステム。
53. 前記高血糖のリスクを表示するステップは、複数のＳＭＢＧデータポイントを取り込んでから約１２時間以内に高血糖のパターンを示すメッセージを発するステップを有する、請求項２９記載のシステム。
54. 前記高血糖のリスクを表示するステップは、複数のＳＭＢＧデータポイントを取り込んでから約６時間以内に高血糖のパターンを示すメッセージを発するステップを有する、請求項２９記載のシステム。
55. 前記高血糖のリスクを表示するステップは、上述のステップの完了時に高血糖のパターンを示すメッセージを発するステップを有する、請求項２９記載のシステム。
56. 前記高血糖のリスクを表示するステップは、直近のＳＭＢＧ検査とほぼ同時に行う、請求項２９記載のシステム。
57. さらに、高血糖のリスクがある場合、使用者にメッセージを表示する表示モジュールを含む、請求項２９記載のシステム。
58. コンピュータシステムの少なくとも一つのプロセッサに、使用者の高血糖のパターンを特定、及び／又は予測することを可能にするコンピュータプログラム論理を含む、コンピュータが使用可能な媒体を備えたコンピュータプログラム製品であって、前記コンピュータプログラム論理が、
    複数のＳＭＢＧデータポイントを取り込むステップと、
    所定の時間を有する期間内の前記複数のＳＭＧＢデータポイントを分類するステップと、
    前記期間毎にグルコース値の評価を行うステップと、
    前記評価に基づいて、続く期間について高血糖のリスクを表示するステップ、とを含む、コンピュータプログラム製品。
59. 前記評価を行うステップは、
    前記グルコース値に基づいて、高血糖への個人の偏移を決定するステップと、
    個人の偏移及び絶対偏差に基づいて、前記期間毎の複合確率を決定するステップと、
    前記期間毎の複合確率を所定のしきい値と比較するステップとを含む、請求項５８記載のコンピュータプログラム製品。
60. 前記偏移を決定するステップは、前記期間毎にＳＭＢＧの平均と標準偏差を計算するステップを含む、請求項５９記載のコンピュータプログラム製品。
61. 前記偏移を決定するステップは、前記期間毎に偏差コントラストを計算するステップを含む、請求項５９記載のコンピュータプログラム製品。
62. 前記偏差コントラストを、以下の式によって算出し、
    

    

    ここで、Ｘ_ｋは、期間ｋにおける平均ＳＭＢＧ測定値を表し、
    

    

    は全ＳＭＢＧ測定値の平均を表し、
    

    

    は、全ＳＭＢＧ測定値の標準偏差を表し、
    

    

    は、期間ｋにおけるＳＭＢＧ測定値の標準偏差を表し、Ｎは、ＳＭＢＧ測定の合計回数を表し、
    

    

    は、期間ｋにおけるＳＭＢＧ測定の合計回数を表す、請求項６１記載のコンピュータプログラム製品。
63. 前記偏差コントラストを、以下の式によって算出し、
    

    

    ここで、Ｙ_ｋは、ｋ以外の期間における平均ＳＭＢＧ測定値の平均を表し、Ｘ_ｋは、期間ｋにおける平均ＳＭＢＧ測定値を表し、ＳＤ１は、Ｘ_ｋ−Ｙ_ｋの標準偏差の計算値を表す、請求項６１記載のコンピュータプログラム製品。
64. 前記複合確率が、絶対的なしきい値を超える確率と、比較的個別のしきい値を超える確率とを含む、請求項５９記載のコンピュータプログラム製品。
65. 前記複合確率を、以下の式によって算出し、
    ＣＰ_ｋ（α１）＝Ｐ_ｋ（α１）．Φ（ｔ_ｋ）
    ここで、Ｐ_ｋ（α１）は、前記期間毎の、平均ＳＭＢＧが所定のしきい値レベルα１を超える確率を表し、Φ（ｔ_ｋ）は、前記期間毎の前記平均ＳＭＢＧデータが、残りの期間の平均ＳＭＢＧデータを超える確率を表す、請求項５９記載のコンピュータプログラム製品。
66. 前記Φ（ｔ_ｋ）は、中心正規分布の分布関数である、請求項６５記載のコンピュータプログラム製品。
67. 前記複合確率を、以下の式によって算出し、
    ＣＰ_ｋ（α１）＝Ｐ_ｋ（α１）．Φ（ｔ_ｋ）
    ここで、Ｐ_ｋ（α１）は、前記期間毎の、平均ＳＭＢＧが所定のしきい値レベルα１を超える確率を表し、Φ（ｔ_ｋ）は、前記期間毎の前記平均ＳＭＢＧデータが、総平均を超える確率を表す、請求項５９記載のコンピュータプログラム製品。
68. 前記Φ（ｔ_ｋ）は、中心正規分布の分布関数である、請求項６７記載のコンピュータプログラム製品。
69. 前記複合確率を決定するステップは、前記期間毎の前記平均ＳＭＢＧデータが、残りの期間の平均ＳＭＢＧデータを超える確率を計算するステップを含む、請求項５９記載のコンピュータプログラム製品。
70. 前記複合確率を決定するステップは、前記期間毎の前記平均ＳＭＢＧデータが総平均を超える確率を計算するステップを含む、請求項５９記載のコンピュータプログラム製品。
71. 前記複数のＳＭＢＧ測定値は、約２〜６週間の監視から収集したＳＭＢＧデータを測定時間と共に含む、請求項５８記載のコンピュータプログラム製品。
72. 前記期間は各々、所定の数のＳＭＢＧデータポイントを有する、請求項５８記載のコンピュータプログラム製品。
73. ＳＭＢＧデータポイントの前記所定の数が、前記期間毎に少なくとも約５である、請求項７２記載のコンピュータプログラム製品。
74. 前記期間が、それぞれの日の２４時間を所定の時間を有する時間ビンに分割して構成される、請求項５８記載のコンピュータプログラム製品。
75. 前記所定の時間が、２〜８時間の間である、請求項７４記載のコンピュータプログラム製品。
76. 前記所定の時間が、２４時間より短い、請求項７４記載のコンピュータプログラム製品。
77. 前記続く期間が、次の期間を含む、請求項５８記載のコンピュータプログラム製品。
78. 前記高血糖のリスクを表示するステップは、続く期間の高血糖のパターンを示すメッセージを発するステップを有する、請求項５８記載のコンピュータプログラム製品。
79. 高血中グルコースのパターンを示すメッセージは、前記続く期間の前に直ちに使用者に受け取られる、請求項７８記載のコンピュータプログラム製品。
80. 前記続く期間が、次の期間を含む、請求項７８記載のコンピュータプログラム製品。
81. 前記高血糖のリスクを表示するステップは、複数のＳＭＢＧデータポイントを取り込んでから約２４時間以内に高血糖のパターンを示すメッセージを発するステップを有する、請求項５８記載のコンピュータプログラム製品。
82. 前記高血糖のリスクを表示するステップは、複数のＳＭＢＧデータポイントを取り込んでから約１２時間以内に高血糖のパターンを示すメッセージを発するステップを有する、請求項５８記載のコンピュータプログラム製品。
83. 前記高血糖のリスクを表示するステップは、複数のＳＭＢＧデータポイントを取り込んでから約６時間以内に高血糖のパターンを示すメッセージを発するステップを有する、請求項５８記載のコンピュータプログラム製品。
84. 前記高血糖のリスクを表示するステップは、上述のステップの完了時に高血糖のパターンを示すメッセージを発するステップを有する、請求項５８記載のコンピュータプログラム製品。
85. 前記高血糖のリスクを表示するステップは、直近のＳＭＢＧ検査とほぼ同時に行う、請求項５８記載のコンピュータプログラム製品。
86. さらに、前記コンピュータプログラム論理が、高血糖のリスクがある場合、使用者にメッセージを表示するステップを含む、請求項５８記載のコンピュータプログラム製品。
87. 複数のＳＭＢＧデータポイントを取り込むステップと、
    所定の時間を有する期間内の前記複数のＳＭＧＢデータポイントを分類するステップと、
    前記期間毎にグルコース値の評価を行うステップと、
    前記評価に基づいて、続く期間について低血糖のリスクを表示するステップと、を含む、
    使用者の低血糖のパターンを特定、及び／又は予測する方法。
88. 前記評価を行うステップは、
    前記グルコース値に基づいて、低血糖への個人の偏移を決定するステップと、
    個人の偏移及び絶対偏差に基づいて、前記期間毎の複合確率を決定するステップと、
    前記期間毎の複合確率を所定のしきい値と比較するステップとを含む、請求項８７記載の方法。
89. 前記偏移を決定するステップは、前記期間毎にＳＭＢＧの平均と標準偏差を計算するステップを含む、請求項８８記載の方法。
90. 前記偏移を決定するステップは、前記期間毎に偏差コントラストを計算するステップを含む、請求項８８記載の方法。
91. 前記偏差コントラストを、以下の式によって算出し、
    

    

    ここで、Ｘ_ｋは、期間ｋにおける平均ＳＭＢＧ測定値を表し、
    

    

    は全ＳＭＢＧ測定値の平均を表し、
    

    

    

    は、期間ｋにおけるＳＭＢＧ測定値の標準偏差を表し、Ｎは、ＳＭＢＧ測定の合計回数を表し、
    

    

    は、期間ｋにおけるＳＭＢＧ測定の合計回数を表す、請求項９０記載の方法。
92. 前記偏差コントラストを、以下の式によって算出し、
    

    

    ここで、Ｙ_ｋは、ｋ以外の期間における平均ＳＭＢＧ測定値の平均を表し、Ｘ_ｋは、期間ｋにおける平均ＳＭＢＧ測定値を表し、ＳＤ１は、Ｘ_ｋ−Ｙ_ｋの標準偏差の計算値を表す、請求項９０記載の方法。
93. 前記複合確率が、血中グルコースが絶対的なしきい値を下回る確率と、血中グルコースが比較的個別のしきい値を下回る確率とを含む、請求項８８記載の方法。
94. 前記複合確率を、以下の式によって算出し、
    ＣＰ_ｋ（α１）＝Ｐ_ｋ（α１）．Φ（ｔ_ｋ）
    ここで、Ｐ_ｋ（α１）は、前記期間毎の、平均ＳＭＢＧが所定のしきい値レベルα１を下回る確率を表し、Φ（ｔ_ｋ）は、前記期間毎の前記平均ＳＭＢＧデータが、残りの期間の平均ＳＭＢＧデータを下回る確率を表す、請求項８８記載の方法。
95. 前記Φ（ｔ_ｋ）は、中心正規分布の分布関数である、請求項９４記載の方法。
96. 前記複合確率を、以下の式によって算出し、
    ＣＰ_ｋ（α１）＝Ｐ_ｋ（α１）．Φ（ｔ_ｋ）
    ここで、Ｐ_ｋ（α１）は、前記期間毎の、平均ＳＭＢＧが所定のしきい値レベルα１を下回る確率を表し、Φ（ｔ_ｋ）は、前記期間毎の前記平均ＳＭＢＧデータが、総平均を下回る確率を表す、請求項８８記載の方法。
97. 前記Φ（ｔ_ｋ）は、中心正規分布の分布関数である、請求項９６記載の方法。
98. 前記複合確率を決定するステップは、前記期間毎の前記平均ＳＭＢＧデータが、残りの期間の平均ＳＭＢＧデータを下回る確率を計算するステップを含む、請求項８８記載の方法。
99. 前記複合確率を決定するステップは、前記期間毎の前記平均ＳＭＢＧデータが総平均を下回る確率を計算するステップを含む、請求項８８記載の方法。
100. 前記複数のＳＭＢＧ測定値は、約２〜６週間の監視から収集したＳＭＢＧデータを測定時間と共に含む、請求項８７記載の方法。
101. 前記期間は各々、所定の数のＳＭＢＧデータポイントを有する、請求項８７記載の方法。
102. ＳＭＢＧデータポイントの前記所定の数が、前記期間毎に少なくとも約５である、請求項１０１記載の方法。
103. 前記期間が、それぞれの日の２４時間を所定の時間を有する時間ビンに分割して構成される、請求項８７記載の方法。
104. 前記所定の時間が、２〜８時間の間である、請求項１０３記載の方法。
105. 前記所定の時間が、２４時間より短い、請求項１０３記載の方法。
106. 前記続く期間が、次の期間を含む、請求項８７記載の方法。
107. 前記低血糖のリスクを表示するステップは、続く期間の低血糖のパターンを示すメッセージを発するステップを有する、請求項８７記載の方法。
108. 低血中グルコースのパターンを示すメッセージは、前記続く期間の前に直ちに使用者に受け取られる、請求項１０７記載の方法。
109. 前記続く期間が、次の期間を含む、請求項１０７記載の方法。
110. 前記低血糖のリスクを表示するステップは、複数のＳＭＢＧデータポイントを取り込んでから約２４時間以内に低血糖のパターンを示すメッセージを発するステップを有する、請求項８７記載の方法。
111. 前記低血糖のリスクを表示するステップは、複数のＳＭＢＧデータポイントを取り込んでから約１２時間以内に低血糖のパターンを示すメッセージを発するステップを有する、請求項８７記載の方法。
112. 前記低血糖のリスクを表示するステップは、複数のＳＭＢＧデータポイントを取り込んでから約６時間以内に低血糖のパターンを示すメッセージを発するステップを有する、請求項８７記載の方法。
113. 前記低血糖のリスクを表示するステップは、上述のステップの完了時に低血糖のパターンを示すメッセージを発するステップを有する、請求項８７記載の方法。
114. 前記低血糖のリスクを表示するステップは、直近のＳＭＢＧ検査とほぼ同時に行う、請求項８７記載の方法。
115. 複数のＳＭＢＧデータポイントを取り込む取り込みモジュールと、
     所定の時間を有する期間内の前記複数のＳＭＧＢデータポイントを分類するステップと、
     前記期間毎にグルコース値の評価を行うステップと、
     前記評価に基づいて、続く期間について低血糖のリスクを表示するステップを実行するようにプログラムされたプロセッサと、を含む、使用者の低血糖のパターンを特定、及び／又は予測するシステム。
116. 前記評価を行うステップは、
     前記グルコース値に基づいて、低血糖への個人の偏移を決定するステップと、
     個人の偏移及び絶対偏差に基づいて、前記期間毎の複合確率を決定するステップと、
     前記期間毎の複合確率を所定のしきい値と比較するステップとを含む、請求項１１５記載のシステム。
117. 前記偏移を決定するステップは、前記期間毎にＳＭＢＧの平均と標準偏差を計算するステップを含む、請求項１１６記載のシステム。
118. 前記偏移を決定するステップは、前記期間毎に偏差コントラストを計算するステップを含む、請求項１１６記載のシステム。
119. 前記偏差コントラストを、以下の式によって算出し、
     

     

     ここで、Ｘ_ｋは、期間ｋにおける平均ＳＭＢＧ測定値を表し、
     

     

     は全ＳＭＢＧ測定値の平均を表し、
     

     

     は、全ＳＭＢＧ測定値の標準偏差を表し、
     

     

     は、期間ｋにおけるＳＭＢＧ測定値の標準偏差を表し、Ｎは、ＳＭＢＧ測定の合計回数を表し、
     

     

     は、期間ｋにおけるＳＭＢＧ測定の合計回数を表す、請求項１１８記載のシステム。
120. 前記偏差コントラストを、以下の式によって算出し、
     

     

     ここで、Ｙ_ｋは、ｋ以外の期間における平均ＳＭＢＧ測定値の平均を表し、Ｘ_ｋは、期間ｋにおける平均ＳＭＢＧ測定値を表し、ＳＤ１は、Ｘ_ｋ−Ｙ_ｋの標準偏差の計算値を表す、請求項１１８記載のシステム。
121. 前記複合確率が、血中グルコースが絶対的なしきい値を下回る確率と、血中グルコースが比較的個別のしきい値を下回る確率とを含む、請求項１１６記載のシステム。
122. 前記複合確率を、以下の式によって算出し、
     ＣＰ_ｋ（α１）＝Ｐ_ｋ（α１）．Φ（ｔ_ｋ）
     ここで、Ｐ_ｋ（α１）は、前記期間毎の、平均ＳＭＢＧが所定のしきい値レベルα１を下回る確率を表し、Φ（ｔ_ｋ）は、前記期間毎の前記平均ＳＭＢＧデータが、残りの期間の平均ＳＭＢＧデータを下回る確率を表す、請求項１１６記載のシステム。
123. 前記Φ（ｔ_ｋ）は、中心正規分布の分布関数である、請求項１２２記載のシステム。
124. 前記複合確率を、以下の式によって算出し、
     ＣＰ_ｋ（α１）＝Ｐ_ｋ（α１）．Φ（ｔ_ｋ）
     ここで、Ｐ_ｋ（α１）は、前記期間毎の、平均ＳＭＢＧが所定のしきい値レベルα１を下回る確率を表し、Φ（ｔ_ｋ）は、前記期間毎の前記平均ＳＭＢＧデータが、総平均を下回る確率を表す、請求項１１６記載のシステム。
125. 前記Φ（ｔ_ｋ）は、中心正規分布の分布関数である、請求項１２４記載のシステム。
126. 前記複合確率を決定するステップは、前記期間毎の前記平均ＳＭＢＧデータが、残りの期間の平均ＳＭＢＧデータを下回る確率を計算するステップを含む、請求項１１６記載のシステム。
127. 前記複合確率を決定するステップは、前記期間毎の前記平均ＳＭＢＧデータが総平均を下回る確率を計算するステップを含む、請求項１１６記載のシステム。
128. 前記複数のＳＭＢＧ測定値は、約２〜６週間の監視から収集したＳＭＢＧデータを測定時間と共に含む、請求項１１５記載のシステム。
129. 前記期間は各々、所定の数のＳＭＢＧデータポイントを有する、請求項１１５記載のシステム。
130. ＳＭＢＧデータポイントの前記所定の数が、前記期間毎に少なくとも約５である、請求項１２９記載のシステム。
131. 前記期間が、それぞれの日の２４時間を所定の時間を有する時間ビンに分割して構成される、請求項１１５記載のシステム。
132. 前記所定の時間が、２〜８時間の間である、請求項１３１記載のシステム。
133. 前記所定の時間が、２４時間より短い、請求項１３１記載のシステム。
134. 前記続く期間が、次の期間を含む、請求項１１５記載のシステム。
135. 前記低血糖のリスクを表示するステップは、続く期間の低血糖のパターンを示すメッセージを発するステップを有する、請求項１１５記載のシステム。
136. 低血中グルコースのパターンを示すメッセージは、前記続く期間の前に直ちに使用者に受け取られる、請求項１３５記載のシステム。
137. 前記続く期間が、次の期間を含む、請求項１３５記載のシステム。
138. 前記低血糖のリスクを表示するステップは、複数のＳＭＢＧデータポイントを取り込んでから約２４時間以内に低血糖のパターンを示すメッセージを発するステップを有する、請求項１１５記載のシステム。
139. 前記低血糖のリスクを表示するステップは、複数のＳＭＢＧデータポイントを取り込んでから約１２時間以内に低血糖のパターンを示すメッセージを発するステップを有する、請求項１１５記載のシステム。
140. 前記低血糖のリスクを表示するステップは、複数のＳＭＢＧデータポイントを取り込んでから約６時間以内に低血糖のパターンを示すメッセージを発するステップを有する、請求項１１５記載のシステム。
141. 前記低血糖のリスクを表示するステップは、上述のステップの完了時に低血糖のパターンを示すメッセージを発するステップを有する、請求項１１５記載のシステム。
142. 前記低血糖のリスクを表示するステップは、直近のＳＭＢＧ検査とほぼ同時に行う、請求項１１５記載のシステム。
143. さらに、低血糖のリスクがある場合、使用者にメッセージを表示する表示モジュールを含む、請求項１１５記載のシステム。
144. コンピュータシステムの少なくとも一つのプロセッサに、使用者の低血糖のパターンを特定、及び／又は予測することを可能にするコンピュータプログラム論理を含む、コンピュータが使用可能な媒体を備えたコンピュータプログラム製品であって、前記コンピュータプログラム論理が、
     複数のＳＭＢＧデータポイントを取り込むステップと、
     所定の時間を有する期間内の前記複数のＳＭＧＢデータポイントを分類するステップと、
     前記期間毎にグルコース値の評価を行うステップと、
     前記評価に基づいて、続く期間について低血糖のリスクを表示するステップ、とを含む、コンピュータプログラム製品。
145. 前記評価を行うステップは、
     前記グルコース値に基づいて、低血糖への個人の偏移を決定するステップと、
     個人の偏移及び絶対偏差に基づいて、前記期間毎の複合確率を決定するステップと、
     前記期間毎の複合確率を所定のしきい値と比較するステップとを含む、請求項１４４記載のコンピュータプログラム製品。
146. 前記偏移を決定するステップは、前記期間毎にＳＭＢＧの平均と標準偏差を計算するステップを含む、請求項１４５記載のコンピュータプログラム製品。
147. 前記偏移を決定するステップは、前記期間毎に偏差コントラストを計算するステップを含む、請求項１４５記載のコンピュータプログラム製品。
148. 前記偏差コントラストを、以下の式によって算出し、
     

     

     ここで、Ｘ_ｋは、期間ｋにおける平均ＳＭＢＧ測定値を表し、
     

     

     は全ＳＭＢＧ測定値の平均を表し、
     

     

     は、全ＳＭＢＧ測定値の標準偏差を表し、
     

     

     は、期間ｋにおけるＳＭＢＧ測定値の標準偏差を表し、Ｎは、ＳＭＢＧ測定の合計回数を表し、
     

     

     は、期間ｋにおけるＳＭＢＧ測定の合計回数を表す、請求項１４７記載のコンピュータプログラム製品。
149. 前記偏差コントラストを、以下の式によって算出し、
     

     

     ここで、Ｙ_ｋは、ｋ以外の期間における平均ＳＭＢＧ測定値の平均を表し、Ｘ_ｋは、期間ｋにおける平均ＳＭＢＧ測定値を表し、ＳＤ１は、Ｘ_ｋ−Ｙ_ｋの標準偏差の計算値を表す、請求項１４７記載のコンピュータプログラム製品。
150. 前記複合確率が、血中グルコースが絶対的なしきい値を下回る確率と、血中グルコースが比較的個別のしきい値を下回る確率とを含む、請求項１４５記載のコンピュータプログラム製品。
151. 前記複合確率を、以下の式によって算出し、
     ＣＰ_ｋ（α１）＝Ｐ_ｋ（α１）．Φ（ｔ_ｋ）
     ここで、Ｐ_ｋ（α１）は、前記期間毎の、平均ＳＭＢＧが所定のしきい値レベルα１を下回る確率を表し、Φ（ｔ_ｋ）は、前記期間毎の前記平均ＳＭＢＧデータが、残りの期間の平均ＳＭＢＧデータを下回る確率を表す、請求項１４５記載のコンピュータプログラム製品。
152. 前記Φ（ｔ_ｋ）は、中心正規分布の分布関数である、請求項１５１記載のコンピュータプログラム製品。
153. 前記複合確率を、以下の式によって算出し、
     ＣＰ_ｋ（α１）＝Ｐ_ｋ（α１）．Φ（ｔ_ｋ）
     ここで、Ｐ_ｋ（α１）は、前記期間毎の、平均ＳＭＢＧが所定のしきい値レベルα１を下回る確率を表し、Φ（ｔ_ｋ）は、前記期間毎の前記平均ＳＭＢＧデータが、総平均を下回る確率を表す、請求項１４５記載のコンピュータプログラム製品。
154. 前記Φ（ｔ_ｋ）は、中心正規分布の分布関数である、請求項１５３記載のコンピュータプログラム製品。
155. 前記複合確率を決定するステップは、前記期間毎の前記平均ＳＭＢＧデータが、残りの期間の平均ＳＭＢＧデータを下回る確率を計算するステップを含む、請求項１４５記載のコンピュータプログラム製品。
156. 前記複合確率を決定するステップは、前記期間毎の前記平均ＳＭＢＧデータが総平均を下回る確率を計算するステップを含む、請求項１４５記載のコンピュータプログラム製品。
157. 前記複数のＳＭＢＧ測定値は、約２〜６週間の監視から収集したＳＭＢＧデータを測定時間と共に含む、請求項１４４記載のコンピュータプログラム製品。
158. 前記期間は各々、所定の数のＳＭＢＧデータポイントを有する、請求項１４４記載のコンピュータプログラム製品。
159. ＳＭＢＧデータポイントの前記所定の数が、前記期間毎に少なくとも約５である、請求項１５８記載のコンピュータプログラム製品。
160. 前記期間が、それぞれの日の２４時間を所定の時間を有する時間ビンに分割して構成される、請求項１４４記載のコンピュータプログラム製品。
161. 前記所定の時間が、２〜８時間の間である、請求項１６０記載のコンピュータプログラム製品。
162. 前記所定の時間が、２４時間より短い、請求項１６０記載のコンピュータプログラム製品。
163. 前記続く期間が、次の期間を含む、請求項１４４記載のコンピュータプログラム製品。
164. 前記低血糖のリスクを表示するステップは、続く期間の低血糖のパターンを示すメッセージを発するステップを有する、請求項１４４記載のコンピュータプログラム製品。
165. 低血中グルコースのパターンを示すメッセージは、前記続く期間の前に直ちに使用者に受け取られる、請求項１６４記載のコンピュータプログラム製品。
166. 前記続く期間が、次の期間を含む、請求項１６４記載のコンピュータプログラム製品。
167. 前記低血糖のリスクを表示するステップは、複数のＳＭＢＧデータポイントを取り込んでから約２４時間以内に低血糖のパターンを示すメッセージを発するステップを有する、請求項１４４記載のコンピュータプログラム製品。
168. 前記低血糖のリスクを表示するステップは、複数のＳＭＢＧデータポイントを取り込んでから約１２時間以内に低血糖のパターンを示すメッセージを発するステップを有する、請求項１４４記載のコンピュータプログラム製品。
169. 前記低血糖のリスクを表示するステップは、複数のＳＭＢＧデータポイントを取り込んでから約６時間以内に低血糖のパターンを示すメッセージを発するステップを有する、請求項１４４記載のコンピュータプログラム製品。
170. 前記低血糖のリスクを表示するステップは、上述のステップの完了時に低血糖のパターンを示すメッセージを発するステップを有する、請求項１４４記載のコンピュータプログラム製品。
171. 前記低血糖のリスクを表示するステップは、直近のＳＭＢＧ検査とほぼ同時に行う、請求項１４４記載のコンピュータプログラム製品。
172. さらに、低血糖のリスクがある場合、使用者にメッセージを表示する表示モジュールを含む、請求項１４４記載のコンピュータプログラム製品。
173. 複数のＳＭＢＧデータポイントを取り込むステップと、
     所定の時間を有する期間内の前記複数のＳＭＧＢデータポイントを分類するステップと、
     前記期間毎に血中グルコース変動を評価するステップと、
     前記評価に基づいて、続く期間について変動増大のリスクを表示するステップと、を含む、
     使用者の高いグルコース変動のパターンを特定、及び予測する方法。
174. 前記評価するステップが、
     期間毎に、他の期間よりも高い変動を有する個人の確率を決定するステップと、
     前記ＳＭＢＧデータポイントを、変換関数に従って変換して、或いは、変換せずに、変動の全マーカーを決定するステップと、
     前記期間毎の前記個人の確率と前記変動の全マーカーとを、所定のしきい値と比較するステップと、を含む、請求項１７３記載の方法。
175. 前記変換関数を、以下の式によって、算出し、
     ｆ（ＢＧ，ａ，ｂ）＝ｃ．［（ｌｎ（ＢＧ））^ａ−ｂ｝］
     ここで、ＢＧは、ｍｇ／ｄｌ単位で測定した場合、ａ＝１．０８４、ｂ＝５．３８、及びｃ＝１．５０９であり、ＢＧは、ｍｍｏｌ／ｌ単位で測定した場合、ａ＝１．０２６、ｂ＝１．８６１、及びｃ＝１．７９４である、請求項１７４記載の方法。
176. 前記個人の確率を決定するステップは、前記変換した前記ＳＭＢＧデータポイント各々の少なくとも一部について少なくとも一つのリスク偏差を算出するステップを含む、請求項１７４記載の方法。
177. 前記リスク偏差を算出するステップは、標準リスク偏差の比を算出するステップを含む、請求項１７６記載の方法。
178. 前記標準リスク偏差は、以下の式によって算出し、
     

     

     ここで、ＲＳＤ_ｋは、期間ｋにおけるＳＭＢＧ測定値のリスク標準偏差を表し、
     

     

     は、期間ｋにおける平均ＳＭＢＧ測定値を表し、
     

     

     は、直近の３０日間のｉ日目の期間ｋにおけるＳＭＢＧ測定値を表し、Ｎは、ＳＭＢＧ測定の合計回数を表し、
     

     

     は、期間ｋにおけるＳＭＢＧ測定の回数を表す、請求項１７７記載の方法。
179. 前記比は、略中心正規分布を有し、以下の式によって算出し、
     Ｚ_ｋ＝５＊（ＲＳＤ_ｋ／ＲＳＤ−１）
     ここで、ＲＳＤ_ｋは、期間ｋにおけるＳＭＢＧ測定値のリスク標準偏差を表し、ＲＳＤは、全ＳＭＢＧ測定値のリスク標準偏差を表す、請求項１７７記載の方法。
180. 期間が、他の期間よりも高い変動を有する確率を、以下の式によって算出し、
     Ｐ（Ｚ_ｋ＞０）＝Φ（Ｚ_ｋ）
     ここで、Φが、中心正規分布の分布関数である、請求項１７４記載の方法。
181. 前記変動の全マーカーが、ＡＤＲＲを有する、請求項１７４記載の方法。
182. 前記ＡＤＲＲは、以下の式によって算出し、
     

     

     ここで、ＬＲ^ｉは、所定の期間ｉを有する期間における最大低血糖リスク値を表し、ＨＲ^ｉは、所定の期間ｉを有する期間における最大高血糖リスク値を表し、ＬＲ^ｉ＋ＨＲ^ｉは、所定の期間ｉを有する期間において算出したリスク範囲を表し、複数の血中グルコースデータポイントを所定の期間ｉ＝１，２，…，Ｍを有する期間に収集する、請求項１８１記載の方法。
183. 複数のＳＭＢＧ測定値が、約２〜６週間の監視から収集したＳＭＢＧデータを測定時間と共に含む、請求項１７３記載の方法。
184. 前記期間は各々、所定の数のＳＭＢＧデータポイントを有する、請求項１７３記載の方法。
185. ＳＭＢＧデータポイントの前記所定の数が、前記期間毎に少なくとも約５である、請求項１８４記載の方法。
186. 前記期間が、それぞれの日の２４時間を所定の時間を有する時間ビンに分割して構成される、請求項１７３記載の方法。
187. 前記所定の時間が、２〜８時間の間である、請求項１８６記載の方法。
188. 前記所定の時間が、２４時間より短い、請求項１８６記載の方法。
189. 前記続く期間が、次の期間を含む、請求項１７３記載の方法。
190. 前記変動増大のリスクを表示するステップは、続く期間について高い血中グルコース変動のパターンを示すメッセージを発するステップを有する、請求項１７３記載の方法。
191. 変動増大のリスクを表示するメッセージは、前記続く期間の前に直ちに使用者に受け取られる、請求項１７３記載の方法。
192. 前記続く期間が、次の期間を含む、請求項１９０記載の方法。
193. 前記変動増大のリスクを表示するステップは、複数のＳＭＢＧデータポイントを取り込んでから約２４時間以内に変動増大のパターンを示すメッセージを発するステップを有する、請求項１７３記載の方法。
194. 前記変動増大のリスクを表示するステップは、複数のＳＭＢＧデータポイントを取り込んでから約１２時間以内に変動増大のパターンを示すメッセージを発するステップを有する、請求項１７３記載の方法。
195. 前記変動増大のリスクを表示するステップは、複数のＳＭＢＧデータポイントを取り込んでから約６時間以内に変動増大のパターンを示すメッセージを発するステップを有する、請求項１７３記載の方法。
196. 前記変動増大のリスクを表示するステップは、上述のステップの完了時に変動増大のパターンを発するステップを有する、請求項１７３記載の方法。
197. 複数のＳＭＢＧデータポイントを取り込む取り込みモジュールと、
     所定の時間を有する期間内の前記複数のＳＭＧＢデータポイントを分類するステップと、
     前記期間毎に血中グルコース変動を評価するステップと、
     前記評価に基づいて、続く期間について変動増大のリスクを表示するステップとを実行するようにプログラムされたプロセッサと、を含む、使用者の高いグルコース変動のパターンを特定、及び予測するシステム。
198. 前記評価するステップが、
     期間毎に、他の期間よりも高い変動を有する個人の確率を決定するステップと、
     前記ＳＭＢＧデータポイントを、変換関数に従って変換して、或いは、変換せずに、変動の全マーカーを決定するステップと、
     前記期間毎の前記個人の確率と前記変動の全マーカーとを、所定のしきい値と比較するステップと、を含む、請求項１９７記載のシステム。
199. 前記変換関数を、以下の式によって、算出し、
     ｆ（ＢＧ，ａ，ｂ）＝ｃ．［（ｌｎ（ＢＧ））^ａ−ｂ｝］
     ここで、ＢＧは、ｍｇ／ｄｌ単位で測定した場合、ａ＝１．０８４、ｂ＝５．３８、及びｃ＝１．５０９であり、ＢＧは、ｍｍｏｌ／ｌ単位で測定した場合、ａ＝１．０２６、ｂ＝１．８６１、及びｃ＝１．７９４である、請求項１９８記載のシステム。
200. 前記個人の確率を決定するステップは、前記変換した前記ＳＭＢＧデータポイント各々の少なくとも一部について少なくとも一つのリスク偏差を算出するステップを含む、請求項１９８記載のシステム。
201. 前記リスク偏差を算出するステップは、標準リスク偏差の比を算出するステップを含む、請求項２００記載のシステム。
202. 前記標準リスク偏差は、以下の式によって算出し、
     

     

     ここで、ＲＳＤ_ｋは、期間ｋにおけるＳＭＢＧ測定値のリスク標準偏差を表し、
     

     

     は、期間ｋにおける平均ＳＭＢＧ測定値を表し、
     

     

     は、直近の３０日間のｉ日目の期間ｋにおけるＳＭＢＧ測定値を表し、Ｎは、ＳＭＢＧ測定の合計回数を表し、
     

     

     は、期間ｋにおけるＳＭＢＧ測定の回数を表す、請求項２０１記載のシステム。
203. 前記比は、略中心正規分布を有し、以下の式によって算出し、
     Ｚ_ｋ＝５＊（ＲＳＤ_ｋ／ＲＳＤ−１）
     ここで、ＲＳＤ_ｋは、期間ｋにおけるＳＭＢＧ測定値のリスク標準偏差を表し、ＲＳＤは、全ＳＭＢＧ測定値のリスク標準偏差を表す、請求項２０１記載のシステム。
204. 期間が、他の期間よりも高い変動を有する確率を、以下の式によって算出し、
     Ｐ（Ｚ_ｋ＞０）＝Φ（Ｚ_ｋ）
     ここで、Φが、中心正規分布の分布関数である、請求項１９８記載のシステム。
205. 前記変動の全マーカーが、ＡＤＲＲを有する、請求項１９８記載のシステム。
206. 前記ＡＤＲＲは、以下の式によって算出し、
     

     

     ここで、ＬＲ^ｉは、所定の期間ｉを有する期間における最大低血糖リスク値を表し、ＨＲ^ｉは、所定の期間ｉを有する期間における最大高血糖リスク値を表し、ＬＲ^ｉ＋ＨＲ^ｉは、所定の期間ｉを有する期間において算出したリスク範囲を表し、複数の血中グルコースデータポイントを所定の期間ｉ＝１，２，…，Ｍを有する期間に収集する、請求項２０５記載のシステム。
207. 複数のＳＭＢＧ測定値が、約２〜６週間の監視から収集したＳＭＢＧデータを測定時間と共に含む、請求項１９７記載のシステム。
208. 前記期間は各々、所定の数のＳＭＢＧデータポイントを有する、請求項１９７記載のシステム。
209. ＳＭＢＧデータポイントの前記所定の数が、前記期間毎に少なくとも約５である、請求項２０８記載のシステム。
210. 前記期間が、それぞれの日の２４時間を所定の時間を有する時間ビンに分割して構成される、請求項１９７記載のシステム。
211. 前記所定の時間が、２〜８時間の間である、請求項２１０記載のシステム。
212. 前記所定の時間が、２４時間より短い、請求項２１０記載のシステム。
213. 前記続く期間が、次の期間を含む、請求項１９７記載のシステム。
214. 前記変動増大のリスクを表示するステップは、続く期間について高い血中グルコース変動のパターンを示すメッセージを発するステップを有する、請求項１９７記載のシステム。
215. 変動増大のパターンを示すメッセージは、前記続く期間の前に直ちに使用者に受け取られる、請求項２１４記載のシステム。
216. 前記続く期間が、次の期間を含む、請求項２１４記載のシステム。
217. 前記変動増大のリスクを表示するステップは、複数のＳＭＢＧデータポイントを取り込んでから約２４時間以内に変動増大のパターンを示すメッセージを発するステップを有する、請求項１９７記載のシステム。
218. 前記変動増大のリスクを表示するステップは、複数のＳＭＢＧデータポイントを取り込んでから約１２時間以内に変動増大のパターンを示すメッセージを発するステップを有する、請求項１９７記載のシステム。
219. 前記変動増大のリスクを表示するステップは、複数のＳＭＢＧデータポイントを取り込んでから約６時間以内に変動増大のパターンを示すメッセージを発するステップを有する、請求項１９７記載のシステム。
220. 前記変動増大のリスクを表示するステップは、上述のステップの完了時に変動増大のパターンを発するステップを有する、請求項１９７記載のシステム。
221. 前記変動増大のリスクを表示するステップは、直近のＳＭＢＧ検査とほぼ同時に行う、請求項１９７記載のシステム。
222. さらに、グルコース変動のリスクが高い場合、使用者にメッセージを表示する表示モジュールを含む、請求項１９７記載のシステム。
223. コンピュータシステムの少なくとも一つのプロセッサに、使用者の高いグルコース変動のパターンを特定、及び／又は予測することを可能にするコンピュータプログラム論理を含む、コンピュータが使用可能な媒体を備えたコンピュータプログラム製品であって、前記コンピュータプログラム論理が、
     複数のＳＭＢＧデータポイントを取り込むステップと
     所定の時間を有する期間内の前記複数のＳＭＧＢデータポイントを分類するステップと、
     前記期間毎に血中グルコース変動を評価するステップと、
     前記評価に基づいて、続く期間について変動増大のリスクを表示するステップと、を含む、コンピュータプログラム製品。
224. 前記評価するステップが、
     期間毎に、他の期間よりも高い変動を有する個人の確率を決定するステップと、
     前記ＳＭＢＧデータポイントを、変換関数に従って変換して、或いは、変換せずに、変動の全マーカーを決定するステップと、
     前記期間毎の前記個人の確率と前記変動の全マーカーとを、所定のしきい値と比較するステップと、を含む、請求項２２３記載のコンピュータプログラム製品。
225. 前記変換関数を、以下の式によって、算出し、
     ｆ（ＢＧ，ａ，ｂ）＝ｃ．［（ｌｎ（ＢＧ））^ａ−ｂ｝］
     ここで、ＢＧは、ｍｇ／ｄｌ単位で測定した場合、ａ＝１．０８４、ｂ＝５．３８、及びｃ＝１．５０９であり、ＢＧは、ｍｍｏｌ／ｌ単位で測定した場合、ａ＝１．０２６、ｂ＝１．８６１、及びｃ＝１．７９４である、請求項２２４記載のコンピュータプログラム製品。
226. 前記個人の確率を決定するステップは、前記変換した前記ＳＭＢＧデータポイント各々の少なくとも一部について少なくとも一つのリスク偏差を算出するステップを含む、請求項２２４記載のコンピュータプログラム製品。
227. 前記リスク偏差を算出するステップは、標準リスク偏差の比を算出するステップを含む、請求項２２６記載のコンピュータプログラム製品。
228. 前記標準リスク偏差は、以下の式によって算出し、
     

     

     
     ここで、ＲＳＤ_ｋは、期間ｋにおけるＳＭＢＧ測定値のリスク標準偏差を表し、
     

     

     は、期間ｋにおける平均ＳＭＢＧ測定値を表し、
     

     

     は、直近の３０日間のｉ日目の期間ｋにおけるＳＭＢＧ測定値を表し、Ｎは、ＳＭＢＧ測定の合計回数を表し、
     

     

     は、期間ｋにおけるＳＭＢＧ測定の回数を表す、請求項２２７記載のコンピュータプログラム製品。
229. 前記比は、略中心正規分布を有し、以下の式によって算出し、
     Ｚ_ｋ＝５＊（ＲＳＤ_ｋ／ＲＳＤ−１）
     ここで、ＲＳＤ_ｋは、期間ｋにおけるＳＭＢＧ測定値のリスク標準偏差を表し、ＲＳＤは、全ＳＭＢＧ測定値のリスク標準偏差を表す、請求項２２７記載のコンピュータプログラム製品。
230. 期間が、他の期間よりも高い変動を有する確率を、以下の式によって算出し、
     Ｐ（Ｚ_ｋ＞０）＝Φ（Ｚ_ｋ）
     ここで、Φが、中心正規分布の分布関数である、請求項２２４記載のコンピュータプログラム製品。
231. 前記変動の全マーカーが、ＡＤＲＲを有する、請求項２２４記載のコンピュータプログラム製品。
232. 前記ＡＤＲＲは、以下の式によって算出し、
     

     

     ここで、ＬＲ^ｉは、所定の期間ｉを有する期間における最大低血糖リスク値を表し、ＨＲ^ｉは、所定の期間ｉを有する期間における最大高血糖リスク値を表し、ＬＲ^ｉ＋ＨＲ^ｉは、所定の期間ｉを有する期間において算出したリスク範囲を表し、複数の血中グルコースデータポイントを所定の期間ｉ＝１，２，…，Ｍを有する期間に収集する、請求項２３１記載のコンピュータプログラム製品。
233. 複数のＳＭＢＧ測定値が、約２〜６週間の監視から収集したＳＭＢＧデータを測定時間と共に含む、請求項２２３記載のコンピュータプログラム製品。
234. 前記期間は各々、所定の数のＳＭＢＧデータポイントを有する、請求項２２３記載のコンピュータプログラム製品。
235. ＳＭＢＧデータポイントの前記所定の数が、前記期間毎に少なくとも約５である、請求項２２４記載のコンピュータプログラム製品。
236. 前記期間が、それぞれの日の２４時間を所定の時間を有する時間ビンに分割して構成される、請求項２２３記載のコンピュータプログラム製品。
237. 前記所定の時間が、２〜８時間の間である、請求項２３６記載のコンピュータプログラム製品。
238. 前記所定の時間が、２４時間より短い、請求項２３６記載のコンピュータプログラム製品。
239. 前記続く期間が、次の期間を含む、請求項２２３記載のコンピュータプログラム製品。
240. 前記変動増大のリスクを表示するステップは、続く期間について高い血中グルコース変動のパターンを示すメッセージを発するステップを有する、請求項２２３記載のコンピュータプログラム製品。
241. 変動増大のパターンを示すメッセージは、前記続く期間の前に直ちに使用者に受け取られる、請求項２４０記載のコンピュータプログラム製品。
242. 前記続く期間が、次の期間を含む、請求項２４１記載のコンピュータプログラム製品。
243. 前記変動増大のリスクを表示するステップは、複数のＳＭＢＧデータポイントを取り込んでから約２４時間以内に変動増大のパターンを示すメッセージを発するステップを有する、請求項２２３記載のコンピュータプログラム製品。
244. 前記変動増大のリスクを表示するステップは、複数のＳＭＢＧデータポイントを取り込んでから約１２時間以内に変動増大のパターンを示すメッセージを発するステップを有する、請求項２２３記載のコンピュータプログラム製品。
245. 前記変動増大のリスクを表示するステップは、複数のＳＭＢＧデータポイントを取り込んでから約６時間以内に変動増大のパターンを示すメッセージを発するステップを有する、請求項２２３記載のコンピュータプログラム製品。
246. 前記変動増大のリスクを表示するステップは、上述のステップの完了時に変動増大のパターンを発するステップを有する、請求項２２３記載のコンピュータプログラム製品。
247. 前記変動増大のリスクを表示するステップは、直近のＳＭＢＧ検査とほぼ同時に行う、請求項２２３記載のコンピュータプログラム製品。
248. さらに、グルコース変動のリスクが高い場合、使用者にメッセージを表示する表示モジュールを含む、請求項２２３記載のコンピュータプログラム製品。
249. 複数のＳＭＢＧデータポイントを取り込むステップと、
     所定の時間を有する期間内の前記複数のＳＭＧＢデータポイントを分類するステップと、
     前記期間毎にＳＭＢＧ測定値の割合を算出するステップと、
     前記割合を所定のしきい値と比較するステップと、
     前記期間における無効（ｉｎｅｆｆｅｃｔｉｖｅ）な検査を表示するステップとを含む、を含む、
     使用者の検査が無効であるパターンを特定、及び／又は予測する方法。
250. 前記無効な検査を表示するステップは、前記期間について検査が無効であることを表示するメッセージを発するステップを含む、請求項２４９記載の方法。
251. 前記メッセージは、前記割合が所定のしきい値を下回る場合、検査が不十分であることの警告を含む、請求項２４９記載の方法。
252. 前記メッセージは、前記割合が所定のしきい値を超える場合、検査が過剰であることの警告を含む、請求項２４９記載の方法。
253. 複数のＳＭＢＧデータポイントを取り込む取り込みモジュールと、
     所定の時間を有する期間内の前記複数のＳＭＧＢデータポイントを分類するステップと、
     前記期間毎にＳＭＢＧ測定値の割合を算出するステップと、
     前記割合を所定のしきい値と比較するステップと、
     前記期間における無効な検査を表示するステップとを実行するようにプログラムされたプロセッサと、を含む、
     使用者の検査が無効であるパターンを特定、及び／又は予測するシステム。
254. 前記無効な検査を表示するステップは、前記期間について検査が無効であることを表示するメッセージを発するステップを含む、請求項２５３記載のシステム。
255. 前記メッセージは、前記割合が所定のしきい値を下回る場合、検査が不十分であることの警告を含む、請求項２５３記載のシステム。
256. 前記メッセージは、前記割合が所定のしきい値を超える場合、検査が過剰であることの警告を含む、請求項２５３記載のシステム。
257. コンピュータシステムの少なくとも一つのプロセッサに、使用者の検査が無効であるパターンを特定、及び／又は予測することを可能にする、コンピュータプログラム論理を含むコンピュータが使用可能な媒体を備えたコンピュータプログラム製品であって、前記コンピュータプログラム論理が、
     複数のＳＭＢＧデータポイントを取り込むステップと、
     所定の時間を有する期間内の前記複数のＳＭＧＢデータポイントを分類するステップと、
     前記期間毎にＳＭＢＧ測定値の割合を算出するステップと、
     前記割合を所定のしきい値と比較するステップと、
     前記期間における無効な検査を表示するステップとを含む、コンピュータプログラム製品。
258. 前記無効な検査を表示するステップは、前記期間について検査が無効であることを表示するメッセージを発するステップを含む、請求項２５７記載のコンピュータプログラム製品。
259. 前記メッセージは、前記割合が所定のしきい値を下回る場合、検査が不十分であることの警告を含む、請求項２５７記載のコンピュータプログラム製品。
260. 前記メッセージは、前記割合が所定のしきい値を超える場合、検査が過剰であることの警告を含む、請求項２５７記載のコンピュータプログラム製品。
261. 前記高血糖のリスクを表示するステップが、使用者が開始した行動、又は所定の時間とほぼ同時に、高血糖のパターンを表示するメッセージを発するステップを含む、請求項１記載の方法。
262. 前記高血糖のリスクを表示するステップが、リアルタイム、又は所定の時間に、高血糖のパターンを表示するメッセージを発するステップを含む、請求項１記載の方法。
263. 前記使用者が開始した行動は、１以上のＳＭＢＧデータポイントを取り込むことである、請求項２６１記載の方法。
264. 前記所定の時間が、前記１以上のＳＭＢＧデータポイントを取り込んでから２４時間以内である、請求項２６１又は請求項２６２記載の方法。
265. 前記高血糖のリスクを表示するステップが、使用者が開始した行動、又は所定の時間とほぼ同時に、高血糖のパターンを表示するメッセージを発するステップを含む、請求項２９記載のシステム。
266. 前記高血糖のリスクを表示するステップが、リアルタイム、又は所定の時間に、高血糖のパターンを表示するメッセージを発するステップを含む、請求項２９記載のシステム。
267. 前記使用者が開始した行動は、１以上のＳＭＢＧデータポイントを取り込むことである、請求項２６５記載のシステム。
268. 前記所定の時間が、前記１以上のＳＭＢＧデータポイントを取り込んでから２４時間以内である、請求項２６５又は請求項２６６記載のシステム。
269. 前記高血糖のリスクを表示するステップが、使用者が開始した行動、又は所定の時間とほぼ同時に、高血糖のパターンを表示するメッセージを発するステップを含む、請求項５８記載のコンピュータプログラム製品。
270. 前記高血糖のリスクを表示するステップが、リアルタイム、又は所定の時間に、高血糖のパターンを表示するメッセージを発するステップを含む、請求項５８記載のコンピュータプログラム製品。
271. 前記使用者が開始した行動は、１以上のＳＭＢＧデータポイントを取り込むことである、請求項２６９記載のコンピュータプログラム製品。
272. 前記所定の時間が、前記１以上のＳＭＢＧデータポイントを取り込んでから２４時間以内である、請求項２６９又は請求項２７０記載のコンピュータプログラム製品。
273. 前記低血糖のリスクを表示するステップが、使用者が開始した行動、又は所定の時間とほぼ同時に、低血糖のパターンを表示するメッセージを発するステップを含む、請求項８７記載の方法。
274. 前記低血糖のリスクを表示するステップが、リアルタイム、又は所定の時間に、低血糖のパターンを表示するメッセージを発するステップを含む、請求項８７記載の方法。
275. 前記使用者が開始した行動は、１以上のＳＭＢＧデータポイントを取り込むことである、請求項２７３記載の方法。
276. 前記所定の時間が、前記１以上のＳＭＢＧデータポイントを取り込んでから２４時間以内である、請求項２７３又は請求項２７４記載の方法。
277. 前記低血糖のリスクを表示するステップが、使用者が開始した行動、又は所定の時間とほぼ同時に、低血糖のパターンを表示するメッセージを発するステップを含む、請求項１１５記載のシステム。
278. 前記低血糖のリスクを表示するステップが、リアルタイム、又は所定の時間に、低血糖のパターンを表示するメッセージを発するステップを含む、請求項１１５記載のシステム。
279. 前記使用者が開始した行動は、１以上のＳＭＢＧデータポイントを取り込むことである、請求項２７７記載のシステム。
280. 前記所定の時間が、前記１以上のＳＭＢＧデータポイントを取り込んでから２４時間以内である、請求項２７７又は請求項２７８記載のシステム。
281. 前記低血糖のリスクを表示するステップが、使用者が開始した行動、又は所定の時間とほぼ同時に、低血糖のパターンを表示するメッセージを発するステップを含む、請求項１４４記載のコンピュータプログラム製品。
282. 前記低血糖のリスクを表示するステップが、リアルタイム、又は所定の時間に、低血糖のパターンを表示するメッセージを発するステップを含む、請求項１４４記載のコンピュータプログラム製品。
283. 前記使用者が開始した行動は、１以上のＳＭＢＧデータポイントを取り込むことである、請求項２８１記載のコンピュータプログラム製品。
284. 前記所定の時間が、前記１以上のＳＭＢＧデータポイントを取り込んでから２４時間以内である、請求項２８１又は請求項２８２記載のコンピュータプログラム製品。
285. 前記変動増大のリスクを表示するステップが、前記複数のＳＭＢＧデータポイントを取り込むのとほぼ同時に、高い変動のパターンを表示するメッセージを発するステップを含む、請求項１７３記載の方法。
286. 前記変動増大のリスクを表示するステップが、使用者が開始した行動、又は所定の時間とほぼ同時に、高い変動のパターンを表示するメッセージを発するステップを含む、請求項１７３記載の方法。
287. 前記変動増大のリスクを表示するステップが、リアルタイム、又は所定の時間に、高い変動のパターンを表示するメッセージを発するステップを含む、請求項１７３記載の方法。
288. 前記使用者が開始した行動は、１以上のＳＭＢＧデータポイントを取り込むことである、請求項２８６記載の方法。
289. 前記所定の時間が、前記１以上のＳＭＢＧデータポイントを取り込んでから２４時間以内である、請求項２８６又は請求項２８７記載の方法。
290. 前記変動増大のリスクを表示するステップが、使用者が開始した行動、又は所定の時間とほぼ同時に、高い変動のパターンを表示するメッセージを発するステップを含む、請求項１９７記載のシステム。
291. 前記変動増大のリスクを表示するステップが、リアルタイム、又は所定の時間に、高い変動のパターンを表示するメッセージを発するステップを含む、請求項１９７記載のシステム。
292. 前記使用者が開始した行動は、１以上のＳＭＢＧデータポイントを取り込むことである、請求項２９０記載のシステム。
293. 前記所定の時間が、前記１以上のＳＭＢＧデータポイントを取り込んでから２４時間以内である、請求項２９０又は請求項２９１記載のシステム。
294. 前記変動増大のリスクを表示するステップが、使用者が開始した行動、又は所定の時間とほぼ同時に、高い変動のパターンを表示するメッセージを発するステップを含む、請求項２２３記載のコンピュータプログラム製品。
295. 前記変動増大のリスクを表示するステップが、リアルタイム、又は所定の時間に、高い変動のパターンを表示するメッセージを発するステップを含む、請求項２２３記載のコンピュータプログラム製品。
296. 前記使用者が開始した行動は、１以上のＳＭＢＧデータポイントを取り込むことである、請求項２９４記載のコンピュータプログラム製品。
297. 前記所定の時間が、前記１以上のＳＭＢＧデータポイントを取り込んでから２４時間以内である、請求項２９４又は請求項２９５記載のコンピュータプログラム製品。

Images