JP2023524473A - 適合型意思決定支援システム - Google Patents

適合型意思決定支援システム Download PDF

Info

Publication number
JP2023524473A
JP2023524473A JP2022566206A JP2022566206A JP2023524473A JP 2023524473 A JP2023524473 A JP 2023524473A JP 2022566206 A JP2022566206 A JP 2022566206A JP 2022566206 A JP2022566206 A JP 2022566206A JP 2023524473 A JP2023524473 A JP 2023524473A
Authority
JP
Japan
Prior art keywords
user
application
users
goal
information
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
JP2022566206A
Other languages
English (en)
Inventor
ピーター・シー・シンプソン
マーガレット・アン・クロフォード
マシュー・ローレンス・ジョンソン
ネハ・ヴヤス
アプルヴ・ウラス・カマス
Original Assignee
デックスコム・インコーポレーテッド
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 デックスコム・インコーポレーテッド filed Critical デックスコム・インコーポレーテッド
Publication of JP2023524473A publication Critical patent/JP2023524473A/ja
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
    • A61B5/14532—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue for measuring glucose, e.g. by tissue impedance measurement
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/70—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to mental therapies, e.g. psychological therapy or autogenous training
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/67—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for remote operation
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H70/00—ICT specially adapted for the handling or processing of medical references
    • G16H70/20—ICT specially adapted for the handling or processing of medical references relating to practices or guidelines
    • Y—GENERAL 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
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Pathology (AREA)
  • Data Mining & Analysis (AREA)
  • Molecular Biology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Veterinary Medicine (AREA)
  • Animal Behavior & Ethology (AREA)
  • Surgery (AREA)
  • Bioethics (AREA)
  • Emergency Medicine (AREA)
  • Databases & Information Systems (AREA)
  • Optics & Photonics (AREA)
  • Biophysics (AREA)
  • Business, Economics & Management (AREA)
  • General Business, Economics & Management (AREA)
  • Social Psychology (AREA)
  • Child & Adolescent Psychology (AREA)
  • Psychology (AREA)
  • Psychiatry (AREA)
  • Developmental Disabilities (AREA)
  • Hospice & Palliative Care (AREA)
  • Medical Treatment And Welfare Office Work (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Cable Transmission Systems, Equalization Of Radio And Reduction Of Echo (AREA)
  • Stereophonic System (AREA)
  • Stereo-Broadcasting Methods (AREA)

Abstract

本開示の特定の態様は、１つ以上のアプリケーション機能を用いてアプリケーションを構成する方法に関する。本方法は、ユーザによる使用のためにアプリケーションを構成する要求を受信することを含む。本方法は、ユーザにとっての目標を識別することと、ユーザに関連する分類情報を識別することと、を更に含み、分類情報は、ユーザの目標、関心、能力、人口統計学的情報、疾患進行情報、又は投薬計画情報のうちの少なくとも１つを含む。本方法は、ユーザとユーザのグループとの間の１つ以上の類似性に基づいて、ユーザのグループを選択することを更に含む。本方法は、ユーザの目標及び複数のアプリケーション機能の各々と目標との相関に基づいて、１つ以上のアプリケーション機能を識別することを更に含む。本方法は、１つ以上のアプリケーション機能を用いてアプリケーションを構成することを更に含む。

Description

関連出願への参照による組み込み
本出願は、２０２０年４月２８日に出願された米国仮特許出願第６３／０１６７８４号の利益を主張するものである。前述の出願は、その全体が参照により本明細書に組み込まれ、ここで明示的に本明細書の一部を成すものとする。
本出願は、概して、分析物センサのような医療装置に関し、患者の健康を改善することを支援するために、患者、介護者、ヘルスケア提供者又は別のユーザに意思決定支援ガイダンスを提供するために該装置を使用するためのシステム及び方法を含む。
関連技術の説明
糖尿病は、身体によるインスリンの生成又は使用に関する代謝状態である。インスリンは、身体がエネルギーのためにグルコースを使用するか、又は脂肪としてグルコースを貯蔵することを可能にするホルモンである。
人が炭水化物を含む食事を食べると、食品は消化器系によって処理され、人の血液中にグルコースを生成する。血中グルコースは、エネルギーのために使用されるか、又は脂肪として貯蔵され得る。身体は通常、身体の機能を支援するのに十分なエネルギーを提供し、グルコースレベルが高すぎる又は低すぎる場合に発生し得る問題を回避する範囲内に、血中グルコースレベルを維持する。血中グルコースレベルの調整は、細胞への血中グルコースの移動を調整するインスリンの生成及び使用に依存する。
身体が十分なインスリンを生成しない場合、又は身体が存在するインスリンを効果的に使用できない場合、血糖値は正常範囲を超えて上昇し得る。正常より高い血糖値を有する状態は、「高血糖」と呼ばれる。慢性的な高血糖は、心血管疾患、白内障及びその他の眼疾患、神経障害（ニューロパチー）並びに腎臓障害のような、多くの健康問題につながり得る。高血糖はまた、糖尿病性ケトアシドーシス（血中グルコース及び身体がグルコースを利用できないときに生成されるケトン体の存在のために、身体が過剰に酸性になる状態）のような、急性の問題にもつながり得る。正常値より低い血糖値を有する状態は、「低血糖」と呼ばれる。重度の低血糖は、発作又は死亡に帰着し得る急性の危機につながり得る。
糖尿病患者は、血糖値を管理するためにインスリンを受けることができる。インスリンは、例えば、針を用いた手動の注射によって受けることができる。装着可能なインスリンポンプも利用可能である。食事及び運動もまた、血糖値に影響を与える。
糖尿病の状態は、「１型」及び「２型」と称されることもある。１型糖尿病患者は、典型的には、インスリンが存在する場合にはそれを使用することができるが、膵臓のインスリン生成ベータ細胞の問題のため、身体が十分な量のインスリンを生成することができない。２型糖尿病の患者は、いくらかのインスリンを生成することができるが、インスリンに対する低下した感受性のため、「インスリン抵抗性」になっている。その結果、インスリンが体内に存在していても、血糖値を効果的に調整するために、患者の身体によってインスリンが十分に使用されない。
糖尿病の管理は、多くの要因が重なって、患者のグルコースレベル及びグルコース傾向に影響を与え得るため、患者、臨床医及び介護者にとって複雑な課題を提示し得る。この状態をより良好に管理して患者を援助するために、様々な糖尿病介入ソフトウェアアプリケーション（以下「アプリケーション」）が、様々なプロバイダによって開発されてきた。しかしながら、これらのアプリケーションは、一般に患者のモバイル装置上で実行されるものであり、使用の初めの数日、数週間又は数ヶ月の間に非常に高い離脱率に悩まされる。かかる高い離脱率は、糖尿病介入アプリケーションに限ったことではなく、ほとんどの健康に関連するアプリケーションにも一般的に当てはまる。かかる健康に関連するアプリケーションは、様々な疾患の処置を支援するための介入アプリケーションだけでなく、減量アプリケーションのような患者の健康全般を改善することを支援するアプリケーションを含み得る。
この背景は、以下の要約及び詳細な説明のための簡潔な文脈を導入するために提供される。この背景は、請求される主題の範囲を決定する助けとなることを意図しておらず、請求される主題を、以上に提示された欠点又は問題のいずれか又は全てを解決する実装に限定するものとしてみなされるものでもない。
一態様は、システムであって、メモリ回路と、プロセッサであって、ユーザによる使用のためのアプリケーションを構成するための要求を受信することであって、アプリケーションは、ユーザに関連するグルコースモニタリングシステムによって生成されたセンサデータを管理するために、計算装置上に少なくとも部分的に常駐している、受信することと、ユーザの目標を識別することと、ユーザに関連する分類情報を識別することであって、分類情報は、ユーザの目標、関心、能力、人口統計学的情報、疾患進行情報、又は投薬計画情報のうちの少なくとも１つを含む、識別することと、ユーザのプールの中からユーザのグループを選択することであって、選択することは、ユーザとユーザのグループとの間の、識別された分類情報に関する１つ以上の類似性に基づく、選択することと、複数のアプリケーション機能から１つ以上のアプリケーション機能を識別することであって、識別することは、ユーザの目標、及びユーザのグループに関連するデータセットにおける複数のアプリケーション機能の各々と目標との相関に基づく、識別することと、１つ以上のアプリケーション機能を用いてアプリケーションを自動的に構成することと、を行うように構成されているプロセッサと、を備えるシステムである。
上記のシステムにおいて、プロセッサが目標を識別するように構成されていることは、プロセッサが、ユーザの糖尿病に関してユーザが達成しようと意図することに関するユーザ入力を受信することと、１つ以上の定義されたガイドラインに基づいて、ユーザ入力を目標に変換することと、を行うように構成されていることを含む。上記のシステムにおいて、プロセッサが、１つ以上の定義されたガイドラインに基づいて、ユーザ入力を目標に変換するように構成されていることは、プロセッサが、ガイドライン及びユーザに関連する情報に基づいて、ユーザをカテゴリにカテゴライズすることであって、ユーザに関連する情報は、分類情報を含み、ガイドラインは、カテゴリの目標を示す、カテゴライズすることと、カテゴライズに基づいて、ユーザの目標を選択することと、を行うように構成されていることを含む。
上記のシステムにおいて、プロセッサが目標を識別するように構成されていることは、プロセッサが、ユーザの糖尿病に関してユーザが達成しようと意図することに関するユーザ入力を受信することと、ユーザのグループに関連する情報に基づいて、ユーザ入力を目標に変換することと、を行うように構成されていることを含む。上記のシステムにおいて、ユーザのグループに関連する情報は、ユーザのグループの１つ以上のグルコース関連メトリクスを含む。上記のシステムにおいて、複数のアプリケーション機能の各々と目標との相関は、複数のアプリケーション機能の各々と目標の達成との相関を含む。上記のシステムにおいて、ユーザのグループを選択することは、目標に関するユーザのプールの中の各々のプログラム結果メトリクスに更に基づく。上記のシステムにおいて、選択されたユーザのグループのプログラム結果メトリクスは、目標の達成に関連する閾値プログラム結果メトリクスを上回り、目標の達成に関連する閾値プログラム結果メトリクスは、目標の達成に向けたプラスの前進の定義された最小量を示す。
上記のシステムにおいて、複数のアプリケーション機能の各々と目標との相関は、選択されたユーザのグループにおける、機能を使用したユーザの数、及び機能に関する該数のユーザの行動エンゲージメントに基づく。上記のシステムにおいて、アプリケーション機能に関する該数のユーザの各々の行動エンゲージメントは、アプリケーション機能に関する該数のユーザの各ユーザの行動エンゲージメントメトリクス（ＢＥＭ）によって示され、ＢＥＭは、該数のユーザの各ユーザと、機能とのインタラクションに基づき、インタラクションは、該数のユーザの各ユーザがアプリケーション機能とインタラクトする頻度、該数のユーザの各ユーザがアプリケーション機能によって生成されたガイダンスを無視する頻度、該数のユーザの各ユーザがアプリケーション機能とインタラクトするのに費やす平均時間量、又は該数のユーザの各ユーザの行動がアプリケーション機能によって生成されたガイダンスにどれだけ忠実であるか、のうちの少なくとも１つを含む。上記のシステムにおいて、１つ以上のアプリケーション機能の各々は、相関閾値を上回る目標との相関を有する。
上記のシステムにおいて、プロセッサは、複数の入力を受信することであって、複数の入力は、グルコースモニタリングシステムによって生成された、ユーザに関連するグルコース測定値を含む第１の入力、及び１つ以上のアプリケーション機能に関するユーザの行動を示す第２の入力を含む、受信することと、少なくとも第１の入力に基づいて、目標に関連するプログラム結果メトリクスを算出することであって、プログラム結果メトリクスは、ユーザが目標を達成した程度を示す、算出することと、第２の入力に基づいて、１つ以上のアプリケーション機能の１つ以上の行動エンゲージメントメトリクス（ＢＥＭ）を、１つ以上のアプリケーション機能の各々について別個のＢＥＭが算出されるように算出することと、選択されたユーザのグループ又はユーザのプールにおいて、算出された１つ以上のＢＥＭに類似するＢＥＭを有する１人以上のユーザを識別することと、１つ以上の機能に含まれていない新たなアプリケーション機能を、当該機能が１人以上のユーザのうちの少なくとも１人について閾値を上回るＢＥＭに関連することに基づいて、識別することと、１つ以上のＢＥＭ及びプログラム結果メトリクスのうちの少なくとも一方に基づいて、新たなアプリケーション機能を用いてアプリケーションを再構成することと、を行うように更に構成されている。
以上のシステムにおいて、１つ以上のＢＥＭの各ＢＥＭは、ユーザと、１つ以上のアプリケーション機能のうちの対応するアプリケーション機能とのインタラクションに基づいており、インタラクションは、ユーザが対応するアプリケーション機能とインタラクトする頻度、ユーザが対応するアプリケーション機能によって生成されたガイダンスを無視する頻度、ユーザが対応するアプリケーション機能とインタラクトするのに費やす平均時間量、又はユーザの行動が対応するアプリケーション機能によって生成されたガイダンスにどれだけ忠実であるか、のうちの少なくとも１つを含む。上記のシステムにおいて、プロセッサが、新たなアプリケーション機能を用いてアプリケーションを再構成するように構成されていることは、プロセッサが、閾値を下回る対応するＢＥＭを有する、１つ以上のアプリケーション機能のうちのパフォーマンスの低いアプリケーション機能を識別し、１つ以上のアプリケーション機能のうちのパフォーマンスの低いアプリケーション機能を、新たなアプリケーション機能で置き換えるように構成されていることを含む。
上記のシステムにおいて、プロセッサが、新たなアプリケーション機能を用いてアプリケーションを再構成するように構成されていることは、プロセッサが、１つ以上のアプリケーション機能のうちパフォーマンスの低いアプリケーション機能が目標に関連することを識別し、プログラム結果メトリクスが閾値を下回っていることを識別するように構成されていることを含む。上記のシステムにおいて、１つ以上のアプリケーション機能の各アプリケーション機能は、機能設定を含む。
別の態様は、１つ以上のアプリケーション機能を用いてアプリケーションを構成する方法であって、ユーザによる使用のためのアプリケーションを構成するための要求を受信することであって、アプリケーションは、ユーザに関連するグルコースモニタリングシステムによって生成されたセンサデータを管理するために、計算装置上に少なくとも部分的に常駐している、受信することと、ユーザの目標を識別することと、ユーザに関連する分類情報を識別することであって、分類情報は、ユーザの目標、関心、能力、人口統計学的情報、疾患進行情報、又は投薬計画情報のうちの少なくとも１つを含む、識別することと、ユーザのプールの中からユーザのグループを選択することであって、選択することは、ユーザとユーザのグループとの間の、識別された分類情報に関する１つ以上の類似性に基づく、選択することと、複数のアプリケーション機能から１つ以上のアプリケーション機能を識別することであって、識別することは、ユーザの目標、及びユーザのグループに関連するデータセットにおける複数のアプリケーション機能の各々と目標との相関に基づく、識別することと、１つ以上のアプリケーション機能を用いてアプリケーションを構成することと、を含む、方法である。
上記の方法において、目標を識別することは、ユーザの糖尿病に関してユーザが達成しようと意図することに関するユーザ入力を受信することと、１つ以上の定義されたガイドラインに基づいて、ユーザ入力を目標に変換することと、を更に含む。上記の方法において、変換することは、ガイドライン及びユーザに関連する情報に基づいて、ユーザをカテゴリにカテゴライズすることであって、ユーザに関連する情報は、分類情報を含み、ガイドラインは、カテゴリの目標を示す、カテゴライズすることと、カテゴライズに基づいて、ユーザの目標を選択することと、を更に含む。上記の方法において、目標を識別することは、ユーザの糖尿病に関してユーザが達成しようと意図することに関するユーザ入力を受信することと、ユーザのグループに関連する情報に基づいて、ユーザ入力を目標に変換することと、を含む。
上記の方法において、ユーザのグループに関連する情報は、ユーザのグループの１つ以上のグルコース関連メトリクスを含む。上記の方法において、複数のアプリケーション機能の各々と目標との相関は、複数のアプリケーション機能の各々と目標の達成との相関を含む。上記の方法において、ユーザのグループを選択することは、目標に関するユーザのプールの中の各々のプログラム結果メトリクスに更に基づく。上記の方法において、選択されたユーザのグループのプログラム結果メトリクスは、目標の達成に関連する閾値プログラム結果メトリクスを上回り、目標の達成に関連する閾値プログラム結果メトリクスは、目標の達成に向けたプラスの前進の定義された最小量を示す。
上記の方法において、複数のアプリケーション機能の各々と目標との相関は、選択されたユーザのグループにおける、機能を使用したユーザの数、及び機能に関する該数のユーザの行動エンゲージメントに基づく。上記の方法において、アプリケーション機能に関する該数のユーザの各々の行動エンゲージメントは、アプリケーション機能に関する該数のユーザの各ユーザの行動エンゲージメントメトリクス（ＢＥＭ）によって示され、ＢＥＭは、該数のユーザの各ユーザと、機能とのインタラクションに基づき、インタラクションは、該数のユーザの各ユーザがアプリケーション機能とインタラクトする頻度、該数のユーザの各ユーザがアプリケーション機能によって生成されたガイダンスを無視する頻度、該数のユーザの各ユーザがアプリケーション機能とインタラクトするのに費やす平均時間量、又は該数のユーザの各ユーザの行動がアプリケーション機能によって生成されたガイダンスにどれだけ忠実であるか、のうちの少なくとも１つを含む。上記の方法において、１つ以上のアプリケーション機能の各々は、相関閾値を上回る目標との相関を有する。
上記の方法は、複数の入力を受信することであって、複数の入力は、グルコースモニタリングシステムによって生成された、ユーザに関連するグルコース測定値を含む第１の入力、及び１つ以上のアプリケーション機能に関するユーザの行動を示す第２の入力を含む、受信することと、少なくとも第１の入力に基づいて、目標に関連するプログラム結果メトリクスを算出することであって、プログラム結果メトリクスは、ユーザが目標を達成した程度を示す、算出することと、第２の入力に基づいて、１つ以上のアプリケーション機能の１つ以上の行動エンゲージメントメトリクス（ＢＥＭ）を、１つ以上のアプリケーション機能の各々について別個のＢＥＭが算出されるように算出することと、選択されたユーザのグループ又はユーザのプールにおいて、算出された１つ以上のＢＥＭに類似するＢＥＭを有する１人以上のユーザを識別することと、１つ以上の機能に含まれていない新たなアプリケーション機能を、当該機能が１人以上のユーザのうちの少なくとも１人について閾値を上回るＢＥＭに関連することに基づいて、識別することと、１つ以上のＢＥＭ及びプログラム結果メトリクスのうちの少なくとも一方に基づいて、新たなアプリケーション機能を用いてアプリケーションを再構成することと、を更に含む。
上記の方法において、１つ以上のＢＥＭの各ＢＥＭは、ユーザと、１つ以上のアプリケーション機能のうちの対応するアプリケーション機能とのインタラクションに基づいており、インタラクションは、ユーザが対応するアプリケーション機能とインタラクトする頻度、ユーザが対応するアプリケーション機能によって生成されたガイダンスを無視する頻度、ユーザが対応するアプリケーション機能とインタラクトするのに費やす平均時間量、又はユーザの行動が対応するアプリケーション機能によって生成されたガイダンスにどれだけ忠実であるか、のうちの少なくとも１つを含む。上記の方法において、新たなアプリケーション機能を用いてアプリケーションを再構成することは、閾値を下回る対応するＢＥＭを有する、１つ以上のアプリケーション機能のうちのパフォーマンスの低いアプリケーション機能を識別することと、１つ以上のアプリケーション機能のうちのパフォーマンスの低いアプリケーション機能を、新たなアプリケーション機能で置き換えることと、を含む。
上記の方法において、新たなアプリケーション機能を用いてアプリケーションを再構成することは、１つ以上のアプリケーション機能のうちパフォーマンスの低いアプリケーション機能が目標に関連することを識別することと、プログラム結果メトリクスが閾値を下回っていることを識別することと、を含む。上記の方法において、１つ以上のアプリケーション機能の各アプリケーション機能は、機能設定を含む。
別の態様は、プロセッサによって実行されたときに、１つ以上のアプリケーション機能を用いてアプリケーションを構成する方法を計算システムに実行させる命令が記憶された、非一時的コンピュータ可読媒体であって、方法は、ユーザによる使用のためのアプリケーションを構成するための要求を受信することであって、アプリケーションは、ユーザに関連するグルコースモニタリングシステムによって生成されたセンサデータを管理するために、計算装置上に少なくとも部分的に常駐している、受信することと、ユーザの目標を識別することと、ユーザに関連する分類情報を識別することであって、分類情報は、ユーザの目標、関心、能力、人口統計学的情報、疾患進行情報、又は投薬計画情報のうちの少なくとも１つを含む、識別することと、ユーザのプールの中からユーザのグループを選択することであって、選択することは、ユーザとユーザのグループとの間の、識別された分類情報に関する１つ以上の類似性に基づく、選択することと、複数のアプリケーション機能から１つ以上のアプリケーション機能を識別することであって、識別することは、ユーザの目標、及びユーザのグループに関連するデータセットにおける複数のアプリケーション機能の各々と目標との相関に基づく、識別することと、１つ以上のアプリケーション機能を用いてアプリケーションを構成することと、を含む、非一時的コンピュータ可読媒体である。
上記の媒体において、目標を識別することは、ユーザの糖尿病に関してユーザが達成しようと意図することに関するユーザ入力を受信することと、１つ以上の定義されたガイドラインに基づいて、ユーザ入力を目標に変換することと、を更に含む。上記の媒体において、変換することは、ガイドライン及びユーザに関連する情報に基づいて、ユーザをカテゴリにカテゴライズすることであって、ユーザに関連する情報は、分類情報を含み、ガイドラインは、カテゴリの目標を示す、カテゴライズすることと、カテゴライズに基づいて、ユーザの目標を選択することと、を更に含む。上記の媒体において、目標を識別することは、ユーザの糖尿病に関してユーザが達成しようと意図することに関するユーザ入力を受信することと、ユーザのグループに関連する情報に基づいて、ユーザ入力を目標に変換することと、を更に含む。上記の媒体において、ユーザのグループに関連する情報は、ユーザのグループの１つ以上のグルコース関連メトリクスを含む。
上記の媒体において、複数のアプリケーション機能の各々と目標との相関は、複数のアプリケーション機能の各々と目標の達成との相関を含む。上記の媒体において、ユーザのグループを選択することは、目標に関するユーザのプールの中の各々のプログラム結果メトリクスに更に基づく。上記の媒体において、選択されたユーザのグループのプログラム結果メトリクスは、目標の達成に関連する閾値プログラム結果メトリクスを上回り、目標の達成に関連する閾値プログラム結果メトリクスは、目標の達成に向けたプラスの前進の定義された最小量を示す。
上記の媒体において、複数のアプリケーション機能の各々と目標との相関は、選択されたユーザのグループにおける、機能を使用したユーザの数、及び機能に関する該数のユーザの行動エンゲージメントに基づく。上記の媒体において、アプリケーション機能に関する該数のユーザの各々の行動エンゲージメントは、アプリケーション機能に関する該数のユーザの各ユーザの行動エンゲージメントメトリクス（ＢＥＭ）によって示され、ＢＥＭは、該数のユーザの各ユーザの機能とのインタラクションに基づき、インタラクションは、該数のユーザの各ユーザがアプリケーション機能とインタラクトする頻度、該数のユーザの各ユーザがアプリケーション機能によって生成されたガイダンスを無視する頻度、該数のユーザの各ユーザがアプリケーション機能とインタラクトするのに費やす平均時間量、又は該数のユーザの各ユーザの行動がアプリケーション機能によって生成されたガイダンスにどれだけ忠実であるか、のうちの少なくとも１つを含む。
上記の媒体において、１つ以上のアプリケーション機能の各々は、相関閾値を上回る目標との相関を有する。上記の媒体において、本方法は、複数の入力を受信することであって、複数の入力は、グルコースモニタリングシステムによって生成された、ユーザに関連するグルコース測定値を含む第１の入力、及び１つ以上のアプリケーション機能に関するユーザの行動を示す第２の入力を含む、受信することと、少なくとも第１の入力に基づいて、目標に関連するプログラム結果メトリクスを算出することであって、プログラム結果メトリクスは、ユーザが目標を達成した程度を示す、算出することと、第２の入力に基づいて、１つ以上のアプリケーション機能の１つ以上の行動エンゲージメントメトリクス（ＢＥＭ）を、１つ以上のアプリケーション機能の各々について別個のＢＥＭが算出されるように算出することと、選択されたユーザのグループ又はユーザのプールにおいて、算出された１つ以上のＢＥＭに類似するＢＥＭを有する１人以上のユーザを識別することと、１つ以上の機能に含まれていない新たなアプリケーション機能を、当該機能が１人以上のユーザのうちの少なくとも１人について閾値を上回るＢＥＭに関連することに基づいて、識別することと、１つ以上のＢＥＭ及びプログラム結果メトリクスのうちの少なくとも一方に基づいて、新たなアプリケーション機能を用いてアプリケーションを再構成することと、を更に含む。
上記の媒体において、１つ以上のＢＥＭの各ＢＥＭは、１つ以上のアプリケーション機能のうちの対応するアプリケーション機能とのユーザのインタラクションに基づいており、インタラクションは、ユーザが対応するアプリケーション機能とインタラクトする頻度、ユーザが対応するアプリケーション機能によって生成されたガイダンスを無視する頻度、ユーザが対応するアプリケーション機能とインタラクトするのに費やす平均時間量、又はユーザの行動が対応するアプリケーション機能によって生成されたガイダンスにどれだけ忠実であるか、のうちの少なくとも１つを含む。
上記の媒体において、新たなアプリケーション機能を用いてアプリケーションを再構成することは、閾値を下回る対応するＢＥＭを有する、１つ以上のアプリケーション機能のうちのパフォーマンスの低いアプリケーション機能を識別することと、１つ以上のアプリケーション機能のうちのパフォーマンスの低いアプリケーション機能を、新たなアプリケーション機能で置き換えることと、を含む。上記の媒体において、新たなアプリケーション機能を用いてアプリケーションを再構成することは、１つ以上のアプリケーション機能のうちパフォーマンスの低いアプリケーション機能が目標に関連することを識別することと、プログラム結果メトリクスが閾値を下回っていることを識別することと、を含む。上記の媒体において、１つ以上のアプリケーション機能の各アプリケーション機能は、機能設定を含む。
本明細書に開示されるいくつかの実施形態による、ユーザに意思決定支援ガイダンスを提供する糖尿病介入アプリケーションのアプリケーション構成を選択し、適合させるための例示的な意思決定支援システムを示す。 本明細書に開示されるいくつかの実施形態による、図１Ａのグルコースモニタリングシステムを、いくつかのモバイル装置とともに、より詳細に示す。 本明細書に開示されるいくつかの実施形態による、図１Ａの意思決定支援システムによる使用のための例示的な入力及び入力に基づいて算出される例示的なメトリクスを示す。 本明細書に開示されるいくつかの実施形態による、図１Ａの意思決定支援システムのようなシステムによって実行される動作を示すフロー図である。 本明細書に開示されるいくつかの実施形態による、どのようにアプリケーションのアプリケーション構成が最初に選択され、次いでデータモデルを使用して連続的に適合されるかを示す図である。 本明細書に開示されるいくつかの実施形態による、図４Ａのデータモデルの動作において使用されるいくつかのデータセットを示す。 本明細書に開示されるいくつかの実施形態による、どのようにアプリケーションのアプリケーション構成が最初に選択され、次いでデータモデルを使用して連続的に適合されるかを示す図である。 本明細書に開示されるいくつかの実施形態による、図５Ａのデータモデルの動作において使用されるいくつかのデータセットを示す。 本明細書に開示される特定の実施形態による、図３の動作を実行するように構成された計算装置を描写するブロック図である。
特定の実施形態においては、本明細書に記載されるアプリケーションは、患者、介護者、ヘルスケア提供者又はその他のユーザが、様々な課題を満たすことによってライフスタイル又は臨床／患者結果を改善することを援助し得るガイダンスを提供するものであり、該課題は、夜間のグルコース制御（例えば、低血糖イベント又は高血糖変動の発生率を低減する）、食事中及び食後のグルコース制御（例えば、血糖制御を向上させるために履歴情報及び傾向を使用する）、高血糖補正（例えば、過剰補正による低血糖イベントを回避しつつ目標ゾーン内時間を増やす）、低血糖処置（例えば、「リバウンド」の高血糖を回避しつつ低血糖に対処する）、運動、及び／又はその他の健康因子などである。特定の実施形態においては、アプリケーションは、患者の生理機能及び行動を学習し、基礎インスリン要件、炭水化物に対するインスリン比、補正係数、及び／又は運動によるインスリン感受性の変化のような、最適な又は望ましい治療パラメータを患者が識別するのを支援するガイダンスを算出する最適化ツールを有するように更に構成され得る。
アプリケーションは、例えば、低血糖若しくは高血糖のイベント若しくは傾向を予測し、発生している若しくは潜在的な低血糖若しくは高血糖のイベント若しくは傾向に対処するための処置の推奨を提供し、並びに／又は種々のイベントに対する患者の血糖の、生理的な、及び／若しくは行動的な応答をリアルタイムでモニタリングすることによって、患者がリアルタイムで問題に応答するのを支援し得る。このタイプの算出されたガイダンス及び支援は、ユーザにおける認知の負荷を軽減し得る。
連続グルコースモニタのような生理学的センサは、グルコースレベルを管理するためにユーザにより使用され得る有用なデータを提供することができるが、このデータは、グルコース管理のための効果的な戦略を構築するために、かなりの処理を必要とし得る。膨大な量のデータ、並びにデータのタイプ、傾向、イベント及び結果の間の相関の認識は、処理のための人間の能力をはるかに超え得る。このことは、治療又は生理的状態への応答についての決定がリアルタイムでなされる場合に、特に大きな影響を与える。リアルタイムの又は最近のデータを履歴データ及びパターンと統合することは、治療についてのリアルタイムの意思決定を行うのに有用なガイダンスを提供し得る。技術的なツールは、この情報を処理して、特定の時間において特定の状態又は状況にある特定の患者に有用であると算出された意思決定支援ガイダンスを提供し得る。
定期的に使用される場合、アプリケーションは患者の糖尿病状態を管理するのに非常に強力なツールとなり得る。しかしながら、アプリケーションの継続的な使用は、アプリケーションの構成が、継続的に患者の目標を達成することを支援するか否かに直接的に相関している。特定の既存のアプリケーションは、患者の特定の目標及び行動に基づいてアプリケーションの構成を調整又はパーソナライズすることができないという技術的な問題を抱えている。そのため、各患者の目標及び行動は他の患者とは異なり得るため、全ての患者に同じ機能のセットを継続的に提供する静的な構成は、かかるアプリケーションが患者によって使用される見込みを少なくするという技術的問題を呈する。この技術的問題の結果として、これらのアプリケーションは、高い離脱率を経験する。
例えば、患者は、特定の目標を達成することを意図して、患者のモバイル装置にアプリケーションをダウンロードし得る。しかしながら、数日のみの使用の後で、患者は、アプリケーションによって提示される機能が、それらの目標のいずれかを満たす上で患者を支援しないという点で、患者にあまり重要でないと判断し得る。その結果、患者は、アプリケーションに対する関心を急速に失い、その使用を全くやめてしまう。別の例においては、患者は、最初はアプリケーションを定期的に使用するが、患者の状態、目標及び行動が時間とともに変化するにつれて、アプリケーションが患者にとって重要でなく無用であると感じ始め、患者がアプリケーションに対する関心を失うことに帰着し得る。
したがって、本明細書に記載される特定の実施形態は、特定のユーザに関する情報及び／又は１つ以上の態様においてユーザと類似しているユーザの層化されたグループのようなユーザのプールに関する情報に基づいて、アプリケーションの構成を自動的に構成及び適合させるための意思決定支援システム及び方法を提供することによって、上で説明された技術的問題に対する技術的解決策を提供する。特定の実施形態においては、本明細書におけるアプリケーションの構成は、アプリケーション機能及びそれらの関連する設定のセットを指す。
特定の実施形態においては、特定のユーザに関連する情報は、ユーザの目標、関心、能力、人口統計学的情報、疾患進行、投薬情報、及び／又は以下に更に説明されるような複数の入力及びメトリクスのうちの少なくとも１つを含む。特定の実施形態においては、複数の入力及びメトリクスは、結果及び行動メトリクスを含む。特定の実施形態においては、特定のユーザに関する情報は、リアルタイム情報、履歴情報及び／又は傾向を含んでもよい。特定の実施形態においては、層化されたユーザのグループに関する情報は、ユーザの目標、関心、能力、人口統計学的情報、疾患進行情報、投薬計画情報（「投薬情報」）、かかるユーザに関連する複数の入力及びメトリクス、並びに／又はユーザのアプリケーションのアプリケーション構成のうちの少なくとも１つを含む。特定の実施形態においては、層化されたユーザのグループに関する情報は、リアルタイム情報、履歴情報及び／又は傾向を含んでもよい。
例えば、ユーザがアプリケーションをダウンロードした後、特定の実施形態においては、意思決定支援システムは最初に、ユーザについての特定の情報を識別するように動作してもよい。特定の実施形態においては、ユーザについての情報は、ユーザの疾患の進行、投薬情報、人口統計学的情報、目標、関心及び／又は能力を含む。特定の実施形態においては、意思決定支援システムは次いで、１つ以上の層化因子に基づいて、ユーザデータベース内のユーザのプールから層化されたユーザのグループを識別し得る。特定の実施形態においては、１つ以上の層化因子は、ユーザの疾患の進行、投薬情報、人口統計学的情報、目標、関心及び／又は能力を含む。層化されたグループに関連する情報は、ユーザの目標を達成する上で、どのアプリケーション構成が、最も役に立つなど、ユーザにとって役に立ち得るかを決定することを支援する指標を提供し得る。それ故、特定の実施形態においては、ユーザに関連する情報、及び／又は層化されたグループに関連する情報に基づいて、意思決定支援システムは、特定のアプリケーション構成を選択し、選択されたアプリケーション構成を用いてアプリケーションを自動的に構成してもよい。続いて、特定の実施形態においては、意思決定支援システムは、アプリケーション及びその選択されたアプリケーション構成のユーザの使用に関連する１つ以上の行動及び結果メトリクスを定期的にモニタリング及び評価し得る。特定の実施形態においては、意思決定支援システムは次いで、ユーザの行動メトリクス及び／又はユーザデータベース内の他のユーザに関する情報に基づいて、アプリケーションの構成を自動的に適合させる。特定の実施形態においては、他のユーザは、例えば、同じ目標を満たし、かつ同じアプリケーション構成の使用に関して類似する行動メトリクスを呈したユーザである。特定の実施形態においては、意思決定支援システムは、アプリケーションの構成を連続的に適合させる。
上記に説明されたように、特定の実施形態においては、重要で効果的なガイダンスを提供するために、アプリケーションは、１つ以上の分析物センサのような１つ以上の生理学的センサからの入力を利用する。本明細書に記載される分析物センサの一例は、グルコース、並びに／又はユーザの体内のグルコース及び／若しくは別の分析物の濃度若しくは存在を示す物質の濃度を測定する、グルコースモニタリングセンサである。いくつかの実施形態においては、グルコースモニタリングセンサは、例えば、皮下、経皮、非侵襲性、眼内及び／又は血管内（例えば、静脈内）装置のような、連続グルコースモニタリング装置である。いくつかの実施形態においては、装置は、複数の断続的な血液サンプルを分析することができる。グルコースモニタリングセンサは、酵素的、化学的、物理的、電気化学的、光学的、光化学的、蛍光ベース、分光光度法、分光法（例えば光吸収分光法、ラマン分光法など）、偏光法、熱量法、イオン泳動及び放射法などを含む、いずれのグルコース測定の方法も使用することができる。
グルコースモニタリングセンサは、侵襲的、低侵襲的及び非侵襲的な感知手法を含む任意の既知の検出方法を使用して、ホスト内の分析物の濃度を示すデータストリームを提供することができる。データストリームは、典型的には、センサを使用し得る患者又はヘルスケア専門家（ＨＣＰ、例えば、医師、内科医、看護師、介護者）のようなユーザに、分析物の有用な値を提供するために使用される生データ信号である。
いくつかの実施形態においては、グルコースモニタリングセンサは、米国特許第６，００１，０６７号及び米国特許公開第２０１１／００２７１２７－Ａ１号を参照して説明されるような、植え込み型センサである。いくつかの実施形態においては、グルコースモニタリングセンサは、米国特許公開第２００６／００２０１８７－Ａ１号を参照して説明されるような、経皮センサである。更に他の実施形態においては、グルコースモニタリングセンサは、米国特許公開第２００９／０１３７８８７－Ａ１号を参照して説明されるような、二重電極分析物センサである。更に他の実施形態においては、グルコースモニタリングセンサは、米国特許公開第２００７／００２７３８５－Ａ１号に記載されているセンサのような、ホストの血管内又は体外に植え込まれるように構成されている。これらの特許及び公開物は、その全体が参照により本明細書に組み込まれる。
以下の説明及び例の多くは、ホスト中のグルコースの濃度を測定することが可能なグルコースモニタリングセンサに付随しているが、本明細書に記載される実施形態のシステム及び方法は、任意の測定可能な分析物に対する任意のタイプの分析物センサと組み合わせて使用することができる。また、本明細書の特定の実施形態は、糖尿病介入アプリケーションに関連して説明されるが、本明細書に記載される実施形態のシステム及び方法は、ユーザの健康を改善するためにユーザに提供される任意の健康に関連するアプリケーションと組み合わせて使用してもよい。例えば、健康に関連するアプリケーションは、特定の疾患の処置でユーザを支援してもよいし、又は単に必ずしも疾患があると診断されていないユーザの健康を改善することを支援してもよい。
例示的なシステム
図１Ａは、特定の実施形態において、ユーザ１０２（以下「ユーザ」）に意思決定支援ガイダンスを提供する糖尿病介入アプリケーション（「アプリケーション」）１０６のアプリケーション構成を選択し、適合させるための例示的な意思決定支援システム１００（「健康モニタリングシステム」とも称される）を示す。ユーザは、特定の実施形態においては、患者又は患者の介護者であってもよい。本明細書で説明される実施形態においては、単に簡略化のみのために、ユーザは患者であると仮定するが、そのように限定されるものではない。特定の実施形態においては、システム１００は、ユーザ、グルコースモニタリングシステム１０４、アプリケーション１０６を実行するモバイル装置１０７、意思決定支援エンジン１１２、及びユーザデータベース１１０を含む。上記のシステムはグルコースモニタリングシステムに関して記載されているが、これは例示的なものであり、１つ以上の追加的な又は代替的な分析物が、本明細書に提供される実施形態に従ってモニタリング及び使用されてもよいことに留意されたい。いくつかの実施形態においては、分析物モニタリングシステム（例えば、グルコースモニタリングシステム１０４）は、アルブミン、アルカリホスファターゼ、アラニントランスアミナーゼ、アスパラギン酸アミノトランスフェラーゼ、ビリルビン、血中尿素窒素、カルシウム、二酸化炭素、塩化物、クレアチニン、グルコース、ガンマ－グルタミルトランスペプチダーゼ、ヘマトクリット、乳酸、乳酸脱水素酵素、マグネシウム、酸素、ｐＨ、リン、カリウム、ナトリウム、総タンパク、尿酸、代謝マーカー及び薬物からなる群から選択される少なくとも１つの分析物を測定するように構成される。
本明細書で使用される用語「分析物」は、幅広い用語であり、当業者にとってその通常及び慣用の意味を与えられるべきものであり（特別な又はカスタマイズされた意味に限定されるべきではない）、限定するものではないが、生体試料（例えば、血液、血清、血漿、間質液、脳脊髄液、リンパ液、眼液、唾液、口腔液、尿、排泄物又は浸出液を含む体液）中の物質又は化学的成分を指す。分析物は、天然に存在する物質、人工物質、代謝物及び／又は反応生成物を含み得る。いくつかの実施形態においては、感知領域、装置及び方法による測定のための分析物は、アルブミン、アルカリホスファターゼ、アラニントランスアミナーゼ、アスパラギン酸アミノトランスフェラーゼ、ビリルビン、血中尿素窒素、カルシウム、ＣＯ２、塩化物、クレアチニン、グルコース、ガンマ－グルタミルトランスペプチダーゼ、ヘマトクリット、乳酸、乳酸脱水素酵素、マグネシウム、酸素、ｐＨ、リン、カリウム、ナトリウム、総タンパク質、尿酸、代謝マーカー及び薬物である。しかしながら、他の分析物も同様に想定され、限定するものではないが、アセトアミノフェン、ドーパミン、エフェドリン、テルブタリン、アスコルビン酸、尿酸、酸素、ｄ－アミノ酸酸化酵素、血漿アミン酸化酵素、キサンチン酸化酵素、ＮＡＤＰＨ酸化酵素、アルコール酸化酵素、アルコール脱水素酵素、ピルビン酸脱水素酵素、ジオール、Ｒｏｓ、ＮＯ、ビリルビン、コレステロール、トリグリセリド、ゲンチジン酸、イブプロフェン、Ｌ－ドーパ、メチルドーパ、サリチル酸、テトラサイクリン、トラザミド、トルブタミド、アカルボキシプロトロンビン、アシルカルニチン；アデニンホスホリボシルトランスフェラーゼ；アデノシンデアミナーゼ；アルブミン；アルファ－フェトプロテイン；アミノ酸プロファイル（アルギニン（クレブス回路）、ヒスチジン／ウロカニン酸、ホモシステイン、フェニルアラニン／チロシン、トリプトファン）；アンドレノステンジオン；アンチピリン；アラビニトール鏡像異性体；アルギナーゼ；ベンゾイルクゴニン（コカイン）；ビオチニダーゼ；ビオプテリン；ｃ反応性タンパク質；カルニチン；カルノシナーゼ；ＣＤ４；セルロプラスミン；ケノデオキシコール酸；クロロキン；コレステロール；コリンエステラーゼ；共役１－βヒドロキシコール酸；コルチゾール；クレアチンキナーゼ；クレアチンキナーゼＭＭアイソザイム；サイクロスポリンＡ；ｄ－ペニシラミン；デエチルクロロキン；硫酸デヒドロエピアンドロステロン、ＤＮＡ（アセチレーター多型、アルコール脱水素酵素、アルファ１－抗トリプシン、嚢胞性線維症、デュシェンヌ／ベッカー筋ジストロフィー、グルコース－６－リン酸脱水素酵素、ヘモグロビンＡ、ヘモグロビンＳ、ヘモグロビンＣ、ヘモグロビンＤ、ヘモグロビンＥ、ヘモグロビンＦ、Ｄ－パンジャブ、ベータ－サラセミア、Ｂ型肝炎ウイルス、ＨＣＭＶ、ＨＩＶ－１、ＨＴＬＶ－１、レーバー遺伝性視神経症、ＭＣＡＤ、ＲＮＡ、ＰＫＵ、三日熱マラリア原虫、性分化、２１－デオキシコルチゾール）；デスブチルハロファントリン；ジヒドロテリジン還元酵素；ジフテリア／破傷風抗毒素；赤血球アルギナーゼ；赤血球プロトポルフィリン；エステラーゼＤ；脂肪酸／アシルグリシン；遊離β－ヒト絨毛性ゴナドトロピン；遊離赤血球ポルフィリン；遊離チロキシン（ＦＴ４）；遊離トリヨードチロニン（ＦＴ３）；フマリルアセトアセターゼ；ガラクトース／ガル１－リン酸；ガラクトース１－リン酸ウリジルトランスフェラーゼ；ゲンタマイシン；グルコース６－リン酸デヒドロゲナーゼ；グルタチオン；グルタチオンペリオキシダーゼ；グリコール酸；グリコシル化ヘモグロビン；ハロファントリン；ヘモグロビン変異体；ヘキソサミニダーゼＡ；ヒト赤血球炭酸脱水素酵素Ｉ；１７－アルファ－ヒドロキシプロゲステロン；ヒポキサンチンホスホリボシル転移酵素；免疫活性トリプシン；乳酸；鉛；リポタンパク質（（ａ）、Ｂ／Ａ－１、β）；リゾチーム；メフロキン；ネチルマイシン；フェノバルビトン；フェニロイン；フィタニック／プリスタニック酸；プロゲステロン；プロラクチン；プロリダーゼ；プリンヌクレオシドホスホリラーゼ；キニーネ；逆トリヨードサイロニン（ｒＴ３）；セレン；血清膵リパーゼ；シソマイシン；ソマトメジンＣ；特異抗体（アデノウイルス、抗核抗体、抗ゼータ抗体、アルボウイルス、アウエスキー病ウイルス、デング熱ウイルス、メジナ虫、単包条虫、赤痢アメーバ、腸内ウイルス、ランブル鞭毛虫、ヘリコバクターピロリ、Ｂ型肝炎ウイルス、ヘルペスウイルス、ＨＩＶ－１、ＩｇＥ（アトピー性疾患）、インフルエンザウイルス、ドノバンリーシュマニア、レプトスピラ、麻疹／おたふく風邪／風疹、らい菌、肺炎マイコプラズマ、ミオグロビン、回旋糸状虫、パラインフルエンザウイルス、熱帯熱マラリア原虫、ポリオウイルス、緑膿菌、呼吸器合胞体ウイルス、リケッチア（ツツガムシ病）、マンソン住血吸虫、トキソプラスマ原虫、梅毒トレポネーマ、クルーズ／ランゲルトリパノソーマ、水疱性口内炎ウイルス、バンクロフト糸状虫、黄熱病ウイルス）；特異抗原（Ｂ型肝炎ウイルス、ＨＩＶ－１）；サクシニルアセトン；スルファドキシン；テオフィリン；チロトロピン（ＴＳＨ）；チロキシン（Ｔ４）；チロキシン結合性グロブリン；微量元素；トランスフェリン；ＵＤＰ－ガラクトース－４－エピメラーゼ；尿素；ユーロポルフィリンゲンＩシンセラーゼ；ビタミンＡ；白血球；亜鉛プロトポルフィリンを含む。血液又は間質液中に天然に存在する塩、糖、タンパク質、脂肪、ビタミン及びホルモンも、特定の実施形態において分析物を構成し得る。分析物は、例えば、代謝産物、ホルモン、抗原及び抗体などのような生体液中に天然に存在し得る。代替としては、分析物は、例えば、撮像のための造影剤、放射性同位元素、化学剤、フルオロカーボンベースの合成血液、又は、限定するものではないが、インスリン；エタノール；大麻（マリファナ、テトラヒドロカンナビノール、ハシシ）；吸入剤（亜酸化窒素、亜硝酸アミル、亜硝酸ブチル、クロロ炭化水素、炭化水素）；コカイン（クラックコカイン）；覚醒剤（アンフェタミン、メタンフェタミン、リタリン、サイレート、プレルディン、ディドレックス、プレステート、ボラニル、サンドレックス、プレギン）；抑制剤（バルビツエートや、メタクアロンや、バリウム、リブリアム、ミルタウン、セラックス、エクアニル、トランキセンのような精神安定剤）；幻覚剤（フェンシクリジン、リゼルギン酸、メスカリン、ペヨーテ、シロシビン）；麻薬（ヘロイン、コデイン、モルヒネ、アヘン、メペリジン、パーコセット、パーコダン、タウソネックス、フェンタニル、ダーボン、タルウィン、ロモチル）；合成麻薬（フェンタニル、メペリジン、アンフェタミン、メタンフェタミン及びフェンシクリジンの類似体、例えばエクスタシー）；アナボリックステロイド；及びニコチンを含む、薬物若しくは医薬組成物のように、体内に導入され得る。薬物及び医薬組成物の代謝産物もまた、想定される分析物である。例えば、アスコルビン酸、尿酸、ドーパミン、ノルアドレナリン、３－メトキシチラミン（３ＭＴ）、３，４－ジヒドロキシチラミン、３，４－ジヒドロキシフェニル酢酸（ＤＯＰＡＣ）、ホモバニリン酸（ＨＶＡ）、５－ヒドロキシトリプタミン（５ＨＴ）、ヒスタミン、終末糖化産物（ＡＧＥ）及び５－ヒドロキシインドール酢酸（ＦＨＩＡＡ）のような、神経化学物質及びその他の体内で生成される化学物質のような分析物も分析され得る。
好ましい実施形態の一態様は、ホストの血流内の分析物濃度を測定するために、カテーテルに動作可能に結合することができる、インビボの連続的な分析物モニタリング（例えば、アルブミン、アルカリホスファターゼ、アラニントランスアミナーゼ、アスパラギン酸アミノトランスフェラーゼ、ビリルビン、血中尿素窒素、カルシウム、二酸化炭素、塩化物、クレアチニン、グルコース、ガンマ－グルタミルトランスペプチダーゼ、ヘマトクリット、乳酸、乳酸脱水素酵素、マグネシウム、酸素、ｐＨ、リン、カリウム、ナトリウム、総タンパク質、尿酸、代謝マーカー、薬物、様々なミネラル、様々な代謝物など）のための分析物モニタリングシステムを提供する。いくつかの実施形態においては、システムは、カテーテル又はホストの血流を実質的に閉塞することなく、血流の中へ短い距離だけ（例えば、カテーテルから出て）延在する分析物センサを含む。カテーテルは、生理食塩水バッグ、自動血圧モニタ、又は血液化学モニタ装置のような追加的なＩＶ及び診断装置に流体結合することができる。いくつかの実施形態においては、血液サンプルは、本明細書の他の箇所に記載されるように、センサシステムを介してホストから取り除くことができる。一実施形態においては、分析物センサはグルコースセンサであり、医療スタッフはホストのグルコースレベルをモニタリングする。本明細書の他の箇所に記載される他の実施形態においては、分析物センサは、カテーテルのインビボ部分のような、カテーテル自体の中又は上に配置される。更に他の実施形態においては、分析物センサは、本明細書の他の箇所に記載されるように、カテーテル又は他の血管アクセス装置に次いで流体的に結合される流体結合器の中及び／又は上に全体が配置される。
特定の実施形態においては、グルコースモニタリングシステム１０４は、センサ電子モジュールと、血中グルコース並びに／又はユーザの体内のグルコース及び／若しくは別の分析物の濃度若しくは存在を示す物質の濃度を測定するグルコースセンサとを含む。特定の実施形態においては、グルコースセンサは、連続的に測定を実行するように構成される。センサ電子モジュールは、アプリケーション１０６による使用のために、血中グルコース測定値をモバイル装置１０７に送信する。いくつかの実施形態においては、センサ電子モジュールは、無線接続（例えば、Ｂｌｕｅｔｏｏｔｈ接続）を通して、モバイル装置１０７にグルコース測定値を送信する。特定の実施形態においては、モバイル装置１０７はスマートフォンである。しかしながら、特定の実施形態においては、モバイル装置１０７は代わりに、ラップトップコンピュータ、スマートウォッチ、タブレット、又はアプリケーション１０６を実行することができる任意の他の計算装置のような、任意の他のタイプの計算装置であってもよい。
特定の実施形態においては、意思決定支援エンジン１１２は、適合型アプリケーション構成モジュール（ＡＡＣＭ）１１５だけでなくデータ分析モジュール（ＤＡＭ）１１３を含む１つ以上のソフトウェアモジュールを有するソフトウェア命令のセットを指す。いくつかの実施形態においては、意思決定支援エンジン１１２は、プライベート又はパブリックのクラウド内の１つ以上の計算装置上で全体が実行される。かかる実施形態においては、アプリケーション１０６は、ネットワーク（例えば、インターネット）経由で意思決定支援エンジン１１２と通信する。いくつかの他の実施形態においては、意思決定支援エンジン１１２は、モバイル装置１０７のような１つ以上のローカル装置上で部分的に実行され、プライベート又はパブリックのクラウド内の１つ以上の計算装置上で部分的に実行される。いくつかの他の実施形態においては、意思決定支援エンジン１１２は、モバイル装置１０７のような１つ以上のローカル装置上で全体が実行される。
以下に説明されるように、特定の実施形態においては、ＡＡＣＭ１１５は、ユーザプロファイル１１６に記憶されているユーザに関する情報、及び／又はユーザデータベース１１０にプロファイルが記憶され得る、層化されたユーザのグループのようなユーザのプールに関する情報を使用して、アプリケーション１０６のアプリケーション構成１０８を適合させるように構成されている。特定の実施形態においては、ＤＡＭ１１３は、アプリケーション１０６から受信された入力のセットを処理し、行動メトリクス１２８及び結果メトリクス１３０のような複数のメトリクスを計算するように構成され、これらは次いでアプリケーション１０６によってユーザプロファイル１１６に記憶され得る。行動メトリクス１２８及び結果メトリクス１３０はまた、ユーザにリアルタイムのガイダンスを提供するために、アプリケーション１０６の種々の機能によってのように、アプリケーション１０６によって使用されてもよい。行動メトリクス１２８及び結果メトリクス１３０を含むユーザプロファイル１１６の様々なデータ点は、以下で更に詳細に説明される。
特定の実施形態においては、アプリケーション１０６は、適合型アプリケーション構成１０８に基づいて、ユーザにガイダンスを提供する。特定の実施形態においては、アプリケーション構成１０８は、機能１～Ｎのセットを含むか、又はそれを参照する。特定の実施形態においては、機能のセットは、考えられ得る機能のより大きなプールから選択されてもよく、ここでＮは、アプリケーション構成１０８が任意の数の機能を有し得ることを示すことを意図されている。特定の実施形態においては、機能１～Ｎのうちの１つ以上は、より多くの情報に基づいた決定を行う際にユーザを支援するために、ある形態のガイダンスをユーザに提供するように構成されている。効果的で重要なオンタイムのガイダンスをユーザに提供するために、特定の実施形態においては、機能は、ユーザプロファイル１１６に記憶された、ユーザに関する情報、及び／又はユーザデータベース１１０内のかかるユーザのユーザプロファイルに記憶されたユーザのプールに関する情報を、入力としてとり得る。特定の実施形態においては、機能は、テキスト、電子メール、通知（例えば、プッシュ通知）、電話、及び／又はアプリケーション１０６のユーザインタフェース上にコンテンツ（例えばグラフ、傾向、チャートなど）を表示することのような他の形態の通信のような様々な方式を通して、ユーザとインタラクトしてもよい。特定の実施形態においては、機能はまた、機能の動作を定義する設定を含む。特定の実施形態においては、機能の設定を変更することは、機能がガイダンスを提供し、ユーザとインタラクトする方式のような、機能が動作する方式を変更することに帰着する。例えば、機能の設定を変更することは、数ある中でも、頻度、内容、タイミング、機能によって提供されるガイダンスの形態、ガイダンスの時間枠（例えばガイダンスはリアルタイムであってもよいし又は回顧的／反映的であってもよい）などを変更することのうち１つ以上に帰着し得る。
例えば、特定の実施形態においては、アプリケーション構成１０８の機能１～Ｎは、いくつかの異なる運動管理機能を含んでもよい。一例として、アプリケーション構成１０８の機能１、２、３及び４は、それぞれ運動管理機能１（例えば、特定の時間に運動することについてユーザに思い出させるためのリマインダ機能）、運動管理機能２（例えば、ユーザに関する情報に基づいて種々のタイプの運動を推奨する運動推奨機能）、運動管理機能３（例えば、特定の血糖値に到達するためにユーザがどれだけ長く運動すべきかを算出する機能）、及び運動管理機能４（例えば、ウォーキングのルート／ハイキングコースなどを推奨する機能）に対応し得る。
更に、特定の実施形態においては、運動管理機能は、いくつかの設定を用いて構成され得る。一例として、運動管理機能１は、５つの設定（例えば、設定Ａ、Ｂ、Ｃ、Ｄ及びＥ）のうちの１つを用いて構成されてもよく、各設定は、運動管理機能１を、頻度、内容、タイミング、形態、時間枠などのうちの異なる１つ以上を用いてユーザへのガイダンスを提供するように構成する。例えば、設定Ａは、最も挑戦的又はインタラクティブでない（例えば、より少ないリマインダ、異なる内容など）ものであってもよく、一方で設定Ｅは、最もインタラクティブなものであってもよい。このように、特定の実施形態においては、アプリケーション構成１０８は、複数の機能及び機能設定の組み合わせ（「ＦＦＳＣ」）を含んでもよく、各機能及び機能設定の組み合わせは、特定の設定（例えば、設定Ａ）を有する特定の機能（例えば、運動管理機能）に対応する。このレベルの粒度で機能を定義することは、どの運動管理機能及び設定が、ユーザが自身の目標を満たすのに有用でありどれが有用でないかを識別することを支援し得る。例えば、図３に関連して更に説明されるように、ユーザの行動メトリクス１２８は、設定Ａを有する運動管理機能１がユーザにとって有用ではないことを示し得る一方で、層化されたユーザのグループに関する情報は、設定Ａを有する運動管理機能１が有用ではないと見出した特定のユーザが、代わりに設定Ｂを有する運動管理機能１が自身の目標の達成を支援するのに非常に有用であることを見出したことを示し得る。かかる例においては、ＡＡＣＭ１１５は、設定Ａを有する運動管理機能１を、設定Ｂを有する運動管理機能１に置き換えてもよい。対照的に、単一の設定を有する単一の運動管理機能のみが定義された場合、ユーザがその機能について本当に有用だと見出すもの、及び機能のどの態様をユーザが使用したくないかを識別することが、より困難になり得る。追加的な例示的な機能は、以下に更に詳細に説明される。
上記で説明されたように、特定の実施形態においては、アプリケーション１０６は、ユーザに関する情報を入力としてとり、その情報をユーザのユーザプロファイル１１６に記憶するように構成されている。例えば、アプリケーション１０６は、ユーザの人口統計学的情報１１８、疾患進行情報１２０、及び／又は投薬情報１２２を取得し、ユーザプロファイル１１６に記録してもよい。特定の実施形態においては、人口統計学的情報１１８は、ユーザの年齢、ＢＭＩ（肥満度指数）、民族性、性別などのうちの１つ以上を含んでもよい。特定の実施形態においては、疾患進行情報１２０は、ユーザがＩ型であるか、ＩＩ型であるか、若しくは糖尿病予備軍であるか、又はユーザが妊娠糖尿病であるかなどのような、ユーザの疾患についての情報を含み得る。特定の実施形態においては、ユーザの疾患についての情報はまた、診断からの時間の長さ、糖尿病制御のレベル、糖尿病管理治療の遵守のレベル、予測される膵臓機能、他のタイプの診断（例えば、心臓病、肥満）又は健康の尺度（例えば、心拍、運動、ストレス、睡眠など）などを含んでもよい。特定の実施形態においては、投薬計画情報１２２は、ユーザにより摂取されるインスリン若しくは非インスリン糖尿病薬及び／又は非糖尿病薬の量及びタイプについての情報を含んでもよい。
特定の実施形態においては、アプリケーション１０６は、ユーザから、人口統計学的情報１１８、疾患進行情報１２０、及び／又は投薬情報１２２を、ユーザ入力の形で、又は他の情報源から、取得してもよい。特定の実施形態においては、この情報のいくつかが変更されると、アプリケーション１０６は、ユーザ又は他の情報源から更新を受信してもよい。特定の実施形態においては、ユーザプロファイル１１６を含むユーザプロファイルは、ユーザデータベース１１０に記憶され、該ユーザデータベースは、１つ以上のネットワーク（図示されていない）を通して、アプリケーション１０６及び意思決定支援エンジン１１２にアクセス可能である。ユーザデータベース１１０は、いくつかの実施形態においては、パブリックの又はプライベートのクラウドで動作し得る記憶装置サーバを指す。
特定の実施形態においては、ユーザの人口統計学的情報１１８、疾患進行情報１２０、及び／又は投薬情報１２２に加えて、アプリケーション１０６は、ユーザへのガイダンスを提供するために機能１～Ｎによっても利用される入力１２７の追加的なセットを取得する。特定の実施形態においては、かかる入力１２７は、連続的に取得される。特定の実施形態においては、アプリケーション１０８は、ユーザ入力、及び／又はグルコースモニタリングシステム１０４、モバイル装置１０７上で実行される他のアプリケーション、並びに／又は１つ以上の他のセンサ及び装置を含む複数の他の情報源を通して、入力１２７（例えば、図２の入力２１０及び２２０を含む）を受信する。特定の実施形態においては、かかるセンサ及び装置は、限定するものではないが、インスリンポンプ、他のタイプの分析物センサ、モバイル装置１０７若しくは他のユーザアクセサリ（例えば、スマートウォッチ）によって提供されるセンサ若しくは装置（例えば、加速度計、カメラ、グローバルポジショニングシステム（ＧＰＳ）、心拍計など）、又はユーザについての関連情報を提供する任意の他のセンサ若しくは装置のうちの１つ以上を含む。
特定の実施形態においては、アプリケーション１０６は更に、入力１２７の少なくとも一部を使用して、行動メトリクス１２８及び結果メトリクス１３０のような複数のメトリクスを取得する。図２に関連して更に説明されるように、いくつかの実施形態においては、アプリケーション１０６は、入力１２７の少なくとも一部を処理のためにＤＡＭ１１３に送信し、ＤＡＭ１１３は、これに基づいて複数のメトリクスを生成する。特定の実施形態においては、行動メトリクス１２８及び結果メトリクス１３０は次いで、アプリケーション１０６によって、ユーザへのガイダンスを提供するための機能１～Ｎへの入力として使用され得る。特定の実施形態においては、行動メトリクス１２８及び結果メトリクス１３０はまた、ユーザプロファイル１１６に記憶され、該ユーザプロファイルは、アプリケーション構成１０８を適合させるためにＡＡＣＭ１１５によって使用されてもよい。
特定の実施形態においては、行動メトリクス１２８は、アプリケーションに関するユーザの行動又はインタラクション、疾患の処置に関するユーザの行動、健康に関連する行動などのうちの１つ以上のような、ユーザの行動及び習慣を示し得るメトリクスのセットである。行動メトリクス１２８は、リアルタイムのメトリクス、過去のメトリクス、及び／又は傾向を含んでもよい。結果メトリクス１３０は、少なくともいくつかの場合において、ユーザの生理的又は心理的状態（例えばストレスレベル、幸福感など）、ユーザの健康又は状態に関連する傾向、ユーザの健康又は状態に基づく自身の目標を達成するまでユーザがどれだけ遠い又は近いかなどのうちの１つ以上のような、ユーザの健康又は状態を概ね示すものであり得る。特定の実施形態においては、結果メトリクス１３０は、行動メトリクス１２８と直接相関してもよく、すなわち、結果メトリクス１３０は、ユーザの行動又は行動のパターンの結果であってもよい。結果メトリクス１３０の例は、代謝率、グルコースレベル及び傾向、ユーザの健康又は病気などに関連するメトリクスのうちの１つ以上を含む。特定の実施形態においては、結果メトリクス１３０は、リアルタイムのメトリクス、過去のメトリクス、及び／又は傾向を含んでもよい。
特定の実施形態においては、ユーザプロファイル１１６はまた、ユーザの目標１３２、関心１３４及び能力１３６を含み、これらは、特定の実施形態においては、図３に関連して説明されるように、ユーザ入力の形でアプリケーション１０６によりユーザから取得されるか、又はユーザにより提供された情報に基づいてアプリケーション１０６によって生成される。特定の実施形態においては、目標１３２は、減量、食事選択、投薬リマインダ、Ａ１ｃの低下、投薬計画、睡眠、目標範囲内時間、低血糖イベントの低減などのうちの１つ以上のような、ユーザが自身の健康の改善に関して達成しようと意図するもの、並びにユーザの心理状態に関連する。特定の実施形態においては、目標１３２は動的なものであってもよく、すなわち、ユーザが時間の経過とともに目標を変更してもよい。いくつかの実施形態においては、目標１３２は、意思決定支援エンジン１１２が、結果メトリクス１３０に基づいて目標１３２が満たされているか否かを決定することが可能となるような、測定可能なメトリクスである。
更に、特定の実施形態においては、目標１３２を使用して、意思決定支援エンジン１１２は、アプリケーション構成１０８の有効性を追跡又は決定することが可能である。例えば、ユーザが目標１３２を達成しているか、又は達成に向けて前進している場合、意思決定支援エンジン１１２は、そのことを、アプリケーション構成１０８の機能が少なくともいくらかユーザを支援していることの示唆とみなし得る。対照的に、ユーザが目標１３２を達成していないか、又は目標１３２の達成に向けて前進していない場合、そのことは、アプリケーション構成１０８が改善され得ることを示し得る。特定の実施形態においては、関心１３４は、１つ以上の異なる活動、食品、睡眠の量、特定のタイプの治療及び／又は薬などへのユーザの関心のような、ユーザの関心を指す。特定の実施形態においては、能力１３６は、ガイダンスの形態でユーザに推奨され得る活動の考えられ得るプールのうちの１つ以上を実行するユーザの能力のような、ユーザの能力を指す。例には、身体的な障害、特定の食品を食べられないこと、特定のタイプの活動にエンゲージできないこと、特定の時間帯に特定の活動にエンゲージできないが他の時間帯にはできることなどのうちの１つ以上が含まれる。
特定の実施形態においては、ユーザプロファイル１１６に記憶される情報の少なくとも一部は、時間の経過とともに修正され得るものであり、及び／又はアプリケーション１０６によって新たな情報がユーザプロファイル１１６に追加され得るため、ユーザプロファイル１１６は動的である。特定の実施形態においては、ＡＡＣＭ１１５は、ユーザが目標１３２を達成するのを支援するガイダンスを提供するために、動的なユーザプロファイル１１６、及び／又はユーザデータベース１１０内のユーザのプールの動的なユーザプロファイルに基づいて、アプリケーション構成１０８を適合させるように構成される。アプリケーション構成１０８を適合させることは、機能１～Ｎのセットを変更すること（例えば、追加又は削除）、及び／又は機能１～Ｎのうちの１つ以上の設定を変更することを含んでもよい。換言すれば、特定の実施形態においては、機能の設定を適合させることができるため、各機能も適合的である。
この列記に限定されるものではないが、いくつかの例示的な機能は、目標設定及び識別機能、報酬機能、報告機能、行動介入機能、投薬リマインダ機能、血糖影響推定機能、教育機能などのうちの１つ以上を含んでもよい。
以下に更に説明されるように、特定の実施形態においては、目標設定及び識別機能は、ユーザがアプリケーション１０６からの支援により達成することを期待し得る目標のセットを定義することを通して、ユーザをガイドしてもよい。特定の実施形態においては、報酬機能は、健康的な行動を奨励するために、ユーザに報酬を提供してもよい。
特定の実施形態においては、報告機能は、様々な形でユーザに報告を提供し得る。例えば、報告機能は、血糖変動を分離して、ユーザがかかる血糖変動の原因をよく考えることが可能となるように、ユーザに血糖変動を報告するように構成されてもよい。報告は、当業者が理解するように、様々な形でユーザに提供され得る。例えば、報告機能は、「今日は２回の高グルコースイベントがあり、１回目は５５分間継続し、２回目は３０分間継続しました」というテキストとともに、２回の血糖変動が強調された、ユーザのグルコース測定値傾向のグラフを表示してもよい。一例においては、報告機能は、その日のユーザのこれまでの血中グルコース平均についての情報を提供し、ユーザの目標に向けて予定通りに維持するために必要なその日の残りの時間の平均を示し、低血糖負荷又は身体活動を推奨する、午後の報告を提供してもよい。別の例においては、報告機能は、日、週及び月の血中グルコース平均、並びに推定されるＡ１ｃを含む、夜間の要約を提供してもよい。要約は、ユーザが自身のＡ１ｃ目標を達成するために、翌日の血中グルコース平均がどうなる必要があるかをユーザに通知する。特定の実施形態においては、要約は午後８時にユーザに送信され、ユーザがまだ読んでいない場合は朝一番に再度プッシュされる。
特定の実施形態においては、報告機能は、ユーザに教える機会を提供することに重点を置いてもよい。特定の実施形態においては、教える機会は、行動（例えば、身体活動、食事、投薬遵守及び睡眠）が血糖に及ぼす影響を識別する。教える機会は、通知の形でユーザにプッシュされてもよく、及び／又はユーザによって適時にレビューされるようにグルコースモニタリング曲線上に記録されてもよい。例えば、教える機会は、曲線上に視覚的に表示されてもよく、どのような行動がどのようなグルコース反応を引き起こしたかについてユーザに通知するために、行動及びグルコース反応を記載してもよい。
肯定的な教示の機会の例は、ユーザが午前１０時頃に血糖値を上昇させる高血糖負荷の朝食を食べるときに提供されてもよい。特定の実施形態においては、ユーザの加速度計からの入力に基づいて、報告機能は次いで、ユーザが３０分の散歩に行き、このことがユーザの血中グルコースをその目標範囲に戻したと決定してもよい。特定の実施形態においては、報告機能は、このイベントを教える機会としてマークし（例えば、ＣＧＭ曲線上に星印を表示することによって）、ユーザに、「ナイスウォーキング、シャロン！３０分のウォーキングによって、あなたの血糖値は今、あなたが望む値に戻っています」と述べる通知を送信してもよい。
特定の実施形態においては、行動介入機能は、ユーザに特定の行動にエンゲージするよう又は特定の行動にエンゲージすることを控えるよう奨励することによってのように、ユーザの行動を変えるように動作する任意の機能を含む。一例として、行動機能は、ユーザに特定の行動にエンゲージすることを奨励するために、ユーザにプッシュ通知を送信するように構成されてもよい。行動機能はまた、例えば、ユーザの過去の行動に基づいて、ユーザが特定の行動にエンゲージしようとしていることを決定し、かかる行動にエンゲージしないようにユーザにプッシュ通知を送信することが可能であってもよい。いくつかの実施形態においては、ユーザへのプッシュ通知は、ユーザに関する情報（例えば、目標１３２、結果メトリクス１３０、行動メトリクス１２８など）及び／又は層化されたユーザのグループに関する情報に基づいてもよい。例えば、プッシュ通知の内容（例えば、プッシュ通知が推奨する行動のタイプ又は具体的内容）は、層化されたグループの他のユーザを同じ目標を達成することに導いた行動のタイプに関するデータに基づくものであってもよい。
例えば、あるタイプの行動介入機能は、運動管理を伴ってもよく、そのために、１つ以上の運動管理機能が提供されてもよい。一例は、ユーザのグルコースレベルが高い又は運動不足がユーザのグルコースレベルを上昇させ得るレベルにあると判断した場合に、プッシュ通知を通して、ユーザに運動するよう奨励する運動管理機能を含む。特定の実施形態においては、運動管理機能は、ユーザに対してより効果的かつ調整されたガイダンスを提供するために、加速度計、グローバルポジショニングシステム（ＧＰＳ）、心拍モニタリングセンサ、グルコースモニタリングシステム１０４、並びに／又はその他のタイプのセンサ及び装置からデータを受信し、分析するように構成されてもよい。例えば、これらのセンサ及び装置のうちの１つ以上から情報を受信することによって、運動管理機能は、ユーザの１人以上が実際に運動にエンゲージしたか否か、ユーザの血中グルコースが正常範囲に戻ることを確実にするためにはユーザがどのくらい長い時間運動するべきか、ユーザがどのようなウォーキングのルートを取るべきか、などに関する決定を行うことが可能であってもよい。
特定の実施形態においては、別のタイプの行動介入機能は、１つ以上の食事管理機能が提供され得る食事管理を伴うことができる。例えば、食事管理機能は、いつ食べるべきか、何を食べるべきか、どのくらい食べるべきかなどのうちの１つ以上についてのガイダンスをユーザに提供するための仮想的な栄養士として機能し得る。特定の実施形態においては、食事管理機能は、ユーザのリアルタイムの状態（例えば、リアルタイムの血中グルコース測定値）、特定の食事に対するユーザの身体の応答などのうちの１つ以上に基づき、パーソナライズされた食事推奨を提供してもよい。特定の実施形態においては、食事管理機能はまた、食事の下ごしらえ及び／若しくは買い物でユーザを支援し、かつ／又は栄養価などを理解するためにユーザにより消費された食事についての情報をユーザが入力することを可能にしてもよい。特定の実施形態においては、食事管理機能は、レストランでメニュー及び食材の代替提案を行うこと、又は特定の地理的領域内の健康的なレストラン及び食料品店を提案することのうちの１つ以上を更に行ってもよい。特定の実施形態においては、食事管理機能は、ユーザの食事情報についての情報に基づいて通知を提供してもよい。例えば、ユーザが食事をし、その後に血中グルコースが目標領域にまで低下しない場合（例えば、次の食前ピーク（最初の食事によるグルコース上昇の２時間後）が１８０ｍｇ／ｄＬ以上）、直ちに運動するようユーザに緊急アラートが出されてもよい。しかしながら、ユーザの最後の食事が１８０ｍｇ／ｄＬ未満の食前ピークを有し、食前グルコースが範囲内（８０～１３０）である場合、食事管理機能は、ユーザが次の食事の後にアラートを受信するか否かをランダム化してもよい（例えば、アラートを送信する可能性を３３％減少させる）。上記で説明された運動管理機能及び食事管理機能は、行動介入機能の単なる２つの例であることに留意されたい。
特定の実施形態においては、投薬管理機能は、ユーザがいつ薬を摂取する必要があるか、ユーザがどのようなタイプの薬（例えば、ＩＩ型糖尿病患者のための経口薬、及びＩ型糖尿病患者のためのインスリン注射など）を摂取するべきか、どの程度の用量又は量かなどのうちの１つ以上について、通知をユーザに提供してもよい。投薬管理機能は、ユーザの疾患（例えば、Ｉ型又はＩＩ型）、現在の結果メトリクス１１６（例えば、現在の血液レベル及びメトリクス）などのうちの１つ以上のような、ユーザの特定の情報に基づいて、かかる通知を提供してもよい。特定の実施形態においては、投薬管理機能はまた、ユーザが投薬スケジュールにどれだけ好適に従っているかを追跡すること、ユーザが薬を使い切る前にユーザのために自動的に薬を注文すること、及び／又は薬自体に関する情報を提供すること（例えば、薬の影響及び効果についてユーザを教育すること）のうちの１つ以上を行ってもよい。例えば、投薬管理機能は、患者が薬を摂取したか否かを患者に質問してもよい。ユーザが３回連続で「はい」と答えた場合、投薬管理機能は、翌日にユーザに尋ねる確率をランダム化して３３％を割り当ててもよい。ユーザが３回連続して「はい」と答えない場合、投薬管理機能は、翌日に薬を摂取するようにユーザにリマインダを送信してもよい。
特定の実施形態においては、投薬管理機能は、ポンプのようなインスリン投与装置と自動的に通信して、ユーザの現在の結果メトリクス１３０に基づいて、正しい投与量のインスリンを該装置に投与させてもよい。例えば、投薬管理機能は、ユーザの現在のグルコースレベル及びメトリクスを考慮し、投与されるべき長続きするインスリンの正確な量を決定してもよい。特定の実施形態においては、投薬管理機能は次いで、当該量のインスリンを投与するよう、投薬装置に信号送信してもよい。特定の実施形態においては、投薬管理機能は、ユーザにガイダンスを提供する際（例えば、投与されるべきインスリンの量を算出する際）に、層化されたユーザのグループに関する情報を考慮に入れる。
他の行動管理機能は、併存状態管理機能、肥満及び体重管理機能、並びに性別に特化した機能を含んでもよい。併存状態管理機能は、心血管健康管理機能（例えば、典型的な研究室固有の心肺メトリクスを置き換えることにより心血管健康のための乳酸によりガイドされる運動セッションを提供する）、肝臓健康管理機能（例えば、ユーザの空腹時乳酸レベル及び乳酸クリアランス速度に関する洞察を提供する）、及び慢性腎臓病を有するユーザのためのグルコースを管理するための機能（例えば、Ａ１Ｃが血糖状態の良好な指標ではない場合、腎臓病を有する患者はグルコース由来のメトリクスを受信することができる）を含んでもよい。
肥満及び体重管理機能は、（１）乳酸及び／又はグリセロール測定値の使用を通した体重管理／減量のための「ファットマックス」（脂肪燃焼がピークに達する点）運動ガイド付きトレーニング、（２）ケトン食療法に関心のある人のための食事に特化したガイダンス、並びに（３）１型糖尿病、２型糖尿病を有するユーザ、及び／又は健康及びウェルネスへの関心のあるユーザについての乳酸測定によってガイドされる運動後の栄養に特化したガイダンスを提供し得る。
性別に特化した機能は、（１）温度データからのセンサデータを使用して月経周期の変化に関連したグルコース管理ガイダンスを提供する機能、及び（２）最大グルコース濃度を低下させて寿命を延ばすため男性ユーザに対してグルコース管理ガイダンスを提供することを含む。
特定の実施形態においては、血糖値影響推定機能は、モバイル装置１０７のカメラを使用して、メニューをスキャンし、各食事項目を推定血糖値影響メトリクスに変換してもよい。いくつかの実施形態においては、血糖値影響推定機能は、メニュー項目の上に重畳された血糖値影響メトリクスを示す。いくつかの実施形態においては、血糖値影響メトリクスは、層化されたユーザのグループのユーザプロファイルからのデータに基づく。いくつかの実施形態においては、血糖値影響推定機能は、異なる着色（例えば、健康的な項目には緑色、不健康な項目には赤色）を使用して、項目がどの程度健康的であるかに基づいて、種々のメニュー項目を強調することができる。
特定の実施形態においては、教育機能は、ユーザの状態及びどのようにユーザが健康を改善することができるかについて、ユーザを教育する。一例においては、教育機能は、ユーザが特定のライフスタイルを採用した場合にユーザが経験し得る潜在的な影響について、ユーザを教育する。特定の実施形態においては、潜在的な影響を決定するために、教育機能は、同じライフスタイルを採用した層化されたグループ内の他のユーザが経験した影響を考慮してもよい。例えば、教育的機能は、ユーザに「このプログラムに従うことによって、あなたに似た患者が、１ヶ月当たり３ポンド減量するか又はＡ１Ｃを５％下げることができました」と述べてもよい。特定の実施形態においては、教育機能は、層化されたグループ内のユーザが経験した効果に基づいてのように、潜在的な行動の原因及び効果について、ユーザを教育してもよい。別の例においては、教育機能は、ユーザの目標１３２、関心１３４及び／又は能力１３６に基づいて選択され、調整されるトピックについて、ユーザを教育する。
図１Ｂは、グルコースモニタリングシステム１０４をより詳細に示す。図１Ｂはまた、いくつかのモバイル装置１０７ａ、１０７ｂ、１０７ｃ及び１０７ｄを示す。図１Ａのモバイル装置１０７は、モバイル装置１０７ａ、１０７ｂ、１０７ｃ又は１０７ｄのうちのいずれか１つであってもよいことに留意されたい。換言すれば、モバイル装置１０７ａ、１０７ｂ、１０７ｃ又は１０７ｄのうちの任意の１つは、アプリケーション１０６を実行するように構成されてもよい。グルコースモニタリングシステム１０４は、モバイル装置１０７ａ、１０７ｂ、１０７ｃ及び／又は１０７ｄに通信可能に結合されてもよい。
概要及び例として、グルコースモニタリングシステム１０４は、センサ測定を行い、分析物データを生成し（例えば連続グルコースモニタリングデータについての値を算出することにより）、無線通信（例えば、Ｂｌｕｅｔｏｏｔｈ及び／又はその他の無線プロトコル）に関与して、モバイル装置１０７ａ、１０７ｂ、１０７ｃ及び／又は１０７ｄのようなリモートの装置にかかるデータを送る、カプセル化されたマイクロコントローラとして実装されてもよい。米国出願第２０１９／０３３６０５３号の段落［０１３７］～［０１４０］並びに図３Ａ、３Ｂ及び４は、特定の実施形態において、グルコースモニタリングシステム１０４と接続して使用され得る皮膚上のセンサアセンブリを更に説明する。米国出願第２０１９／０３３６０５３号の段落［０１３７］～［０１４０］並びに図３Ａ、３Ｂ及び４は、参照により本明細書に組み込まれる。
特定の実施形態においては、グルコースモニタリングシステム１０４は、分析物センサ電子モジュール１３８と、分析物センサ電子モジュール１３８に関連するグルコースセンサ１４０を含む。特定の実施形態においては、分析物センサ電子モジュール１３８は、分析物センサデータ又は情報の測定及び処理に関連する電子回路を含み、分析物センサデータ／情報の処理及び／又は較正に関連するアルゴリズムを含む。分析物センサ電子モジュール１３８は、グルコースセンサ１４０に物理的／機械的に接続されてもよく、グルコースセンサ１４０と一体であるか（すなわち非着脱可能に取り付けられる）又は着脱可能に取り付け可能であり得る。
分析物センサ電子モジュール１３８はまた、構成要素が互いに電気機械的に結合され得るように、グルコースセンサ１４０に電気的に結合されてもよい。分析物センサ電子モジュール１３８は、グルコースセンサ１４０（例えば、グルコースセンサであってもよい／含んでもよい）を介してユーザにおける分析物のレベルの測定及び／又は推定を可能にするハードウェア、ファームウェア及び／又はソフトウェアを含んでもよい。例えば、分析物センサ電子モジュール１３８は、１つ以上のポテンシオスタット、グルコースセンサ１４０に電力を供給するための電源、信号処理及びデータ記憶に有用なその他の構成要素、並びにセンサ電子モジュールから１つ以上の表示装置にデータを送信するための遠隔測定モジュールを含むことができる。電子回路は、グルコースモニタリングシステム１０４内のプリント回路基板（ＰＣＢ）又はプラットフォームなどに取り付けることができ、様々な形態をとり得る。例えば、電子回路は、特定用途向け集積回路（ＡＳＩＣ）のような集積回路（ＩＣ）、マイクロコントローラ、プロセッサ、及び／又は状態機械の形態をとり得る。
分析物センサ電子モジュール１３８は、センサデータのようなセンサ情報を処理し、変換されたセンサデータ及び表示可能なセンサ情報を生成するように構成されたセンサ電子回路を含むことができる。センサ分析物データを処理するためのシステム及び方法の例は、本明細書、米国特許第７，３１０，５４４号及び同第６，９３１，３２７号、並びに米国特許公開第２００５／００４３５９８号、同第２００７／００３２７０６号、同第２００７／００１６３８１号、同第２００８／００３３２５４号、同第２００５／０２０３３６０号、同第２００５／０１５４２７１号、同第２００５／０１９２５５７号、同第２００６／０２２２５６６号、同第２００７／０２０３９６６号及び同第２００７／０２０８２４５号においてより詳細に説明されており、これらは全てその全体が参照により本明細書に組み込まれる。
グルコースセンサ１４０は、ユーザ１０２における分析物の濃度又はレベルを測定するように構成される。分析物という用語は、米国出願第２０１９／０３３６０５３号の段落［０１１７］によって更に定義されている。米国出願第２０１９／０３３６０５３号の段落［０１１７］は、参照により本明細書に組み込まれる。いくつかの実施形態においては、グルコースセンサ１４０は、皮下、経皮（例えば、皮膚を通した）又は血管内装置のような連続グルコースセンサを含む。幾つかの実施形態においては、グルコースセンサ１４０は、複数の断続的な血液サンプルを分析することができる。グルコースセンサ１４０は、酵素的、化学的、物理的、電気化学的、分光光度法、偏光法、熱量法、イオン泳動法、放射法、免疫化学的などを含む、グルコース測定の任意の方法を使用することができる。連続グルコースセンサに関連する追加的な詳細は、米国出願第１３／８２７，５７７号の段落［００７２］～［００７６］に提供されている。米国出願第１３／８２７，５７７号の段落［００７２］～［００７６］は、参照により本明細書に組み込まれる。
図１Ｂを更に参照すると、モバイル装置１０７ａ、１０７ｂ、１０７ｃ及び／又は１０７ｄは、センサ電子モジュール１３８によって（例えば、それぞれの好みに基づいて表示装置に送信されるカスタマイズされたデータパッケージで）送信され得る表示可能センサ情報を表示する（及び／又はアラームする）ように構成され得る。モバイル装置１０７ａ、１０７ｂ、１０７ｃ及び／又は１０７ｄの各々は、センサ情報及び／又は分析物データをユーザ１０２に提示するための、及び／又はユーザ１０２からの入力を受信するための、アプリケーション１０６のグラフィカルユーザインタフェースを表示するためのタッチスクリーンディスプレイ１０９ａ、１０９ｂ、１０９ｃ及び／又は１０９ｄのようなディスプレイをそれぞれ含んでもよい。特定の実施形態においては、モバイル装置は、モバイル装置のユーザ１０２にセンサ情報を通信するため及び／又はユーザ入力を受信するため、タッチスクリーンディスプレイの代わりに又はこれに加えて、音声ユーザインタフェースのような他のタイプのユーザインタフェースを含んでもよい。特定の実施形態においては、モバイル装置１０７ａ、１０７ｂ、１０７ｃ及び／又は１０７ｄのうちの１つ、いくつか又は全ては、センサ電子モジュール１３８から通信されるように（例えばそれぞれの表示装置に送信されるデータパッケージで）、センサデータの較正及び／又はリアルタイム表示のために必要な追加的な見込み処理なく、センサ情報を表示又は別様に通信するように構成されてもよい。
図１Ｂに描かれた複数のモバイル装置１０７ａ、１０７ｂ、１０７ｃ及び／又は１０７ｄは、センサ電子モジュール１３８から受信した分析物データに関連する特定のタイプの表示可能なセンサ情報（例えば特定の実施形態においては数値及び／又は矢印）を表示するために特に設計された、例えば、分析物表示装置１０７ｂのような、カスタムの又は独自の表示装置を含んでもよい。特定の実施形態においては、複数のモバイル装置１０７ａ、１０７ｂ、１０７ｃ及び／又は１０７ｄのうちの１つは、Ａｎｄｒｏｉｄ、ｉＯＳ、又は、連続センサデータ（例えば現在の及び／又は履歴データを含む）のグラフ表示を表示するように構成された別のオペレーティングシステムに基づく、携帯電話１０７ｃのようなスマートフォンを含む。
図２は、特定の実施形態による、例示的な入力及び該入力に基づいて決定される例示的なメトリクスの、より詳細な図を提供する。図２は、左側に例示的な入力２１０及び２２０、中央にアプリケーション１０６及びＤＡＭ１１３、右側に結果メトリクス１３０及び行動メトリクス１２８を示す。アプリケーション１０６は、入力１２７の一部である入力２１０及び２２０を、１つ以上のチャネル（例えば、手動ユーザ入力、センサ、モバイル装置１０７上で実行される他のアプリケーションなど）を通して取得する。特定の実施形態においては、入力２１０及び２２０は、ユーザにガイダンスを提供するため、アプリケーション１０６の機能１～Ｎによって使用され得る。入力２１０及び２２０はまた、結果メトリクス１３０及び行動メトリクス１２８のような複数のメトリクスを出力するために、ＤＡＭ１１３によって更に処理されてもよく、これらは同様に、ユーザにガイダンスを提供するため、アプリケーション１０６の機能１～Ｎによって使用されてもよい。
上記で説明されたように、特定の実施形態においては、結果メトリクス１３０及び行動メトリクス１２８は、アプリケーション構成１０８を適合させるためにＡＡＣＭ１１５によっても使用される。一例においては、入力２１０は、結果メトリクス１３０を出力するためにＤＡＭ１１３によって使用され、入力２２０は、行動メトリクス１２８を出力するために使用される。しかしながら、他の例においては、結果メトリクス１３０及び行動メトリクス１２８のいずれかを計算するために、入力２１０及び２２０のいずれが使用されてもよい。特定の実施形態においては、各メトリクスは、例えば、離散的な数値、範囲又は定性的な値（高／中／低又は安定的／不安定的）のような、１つ以上の値に対応してもよい。
特定の実施形態においては、入力２１０から始まり、食品消費情報は、サイズ、内容（炭水化物、脂肪、タンパク質など）、消費の順序、及び消費の時間のうちの１つ以上のような、食事、軽食及び／又は飲料のうちの１つ以上についての情報を含んでもよい。特定の実施形態においては、食品消費は、手動入力を通して、食品のタイプ及び量を認識するように構成されたアプリケーションを通して写真を提供することによって、及び／又はバーコード若しくはメニューをスキャンすることによって、ユーザによって提供されてもよい。様々な例において、食事のサイズは、カロリー、量（「３つのクッキー」）、メニュー項目（「チーズ入りロワイヤル」）、及び／又は食品交換（１つの果物、１つの乳製品）のうちの１つ以上として、手動で入力されてもよい。いくつかの例においては、食事は、この時間又は内容（例えば、自宅での勤務日の朝食、レストランでの週末のブランチ）についてのユーザの典型的な項目又は組み合わせとともに入力されてもよい。いくつかの例においては、食事情報は、アプリケーション１０６によって提供される便利なユーザインタフェースを介して受信されてもよい。
特定の実施形態においては、活動情報も入力として提供される。活動情報は、例えば、腕時計、フィットネストラッカ及び／又はパッチのようなウェアラブル装置上の加速度計センサによって提供されてもよい。特定の実施形態においては、活動情報はまた、手動ユーザ入力を通して提供されてもよい。
特定の実施形態においては、年齢、身長、体重、肥満度指数、身体組成（例えば、体脂肪率）、背丈、体格、又はその他の情報のうちの１つ以上のような患者統計も提供されてもよい。特定の実施形態においては、患者統計は、ユーザインタフェースを通して、電子医療記録のような電子情報源とインタフェース接続することによって、及び／又は測定装置から提供される。特定の実施形態においては、測定装置は、例えば、患者データを提供するためにモバイル装置１０７と通信し得る、例えば、Ｂｌｕｅｔｏｏｔｈ対応の無線の体重計及び／又はカメラのうちの１つ以上を含む。
特定の実施形態においては、患者のインスリン送達に関連する入力は、スマートペンにおける無線接続を介して、ユーザ入力を介して、及び／又はインスリンポンプから受信されてもよい。インスリン送達情報は、インスリン量、送達時間などのうちの１つ以上を含んでもよい。インスリン作用時間又はインスリン作用の持続時間のような他のパラメータもまた、入力として受信されてもよい。
特定の実施形態においては、入力は、心拍数、呼吸、酸素飽和度、又は体温（例えば、病気を検出するため）のうちの１つ以上を検出し得る、生理学的センサのようなセンサから受信されてもよい。特定の実施形態においては、電磁センサはまた、患者の活動又は位置についての情報を提供し得る、対象又は対象に触れるか若しくは対象の近くにあるツールから放出される低電力ＲＦ場を検出してもよい。センサから受信され得る情報の一例は、ユーザの血中グルコース値である。
特定の実施形態においては、血中グルコース情報は、例えば、グルコースモニタリングシステム１０４を通して、入力として提供されてもよい。特定の実施形態においては、血中グルコース情報は、ユーザがいつ薬を飲むかを追跡するスマートピルディスペンサ、血液ケトンメータ、研究室で測定若しくは推定されるＡ１Ｃ、長期的な制御の他の尺度、又はスマートフォン若しくは専門装置の触覚的機能を使用することによってのような触覚応答を使用した末梢神経障害を測定するセンサのうちの１つ以上から受信されてもよい。
特定の実施形態においては、時間は、時刻又はリアルタイムクロックからの時間のような入力として提供されてもよい。
モバイル装置１０７のユーザインタフェースのようなユーザインタフェースを通したユーザ入力は、上述した他のタイプの入力２１０のような、ユーザがアプリケーション１０６に提供し得る任意の他のタイプの入力を含んでもよい。例えば、特定の実施形態においては、ユーザ入力は、精神状態又はストレッサ情報、低血糖に応答して肝臓のグリコーゲン放出を刺激するグルカゴンの使用のような治療の送達、推奨される基礎率又はインスリン対炭水化物比（例えば、臨床医から受信される）、記録された活動（例えば、強度、継続時間及び完了又は開始した時間）などのうちの１つ以上を含んでもよい。特定の実施形態においては、ユーザ入力は、薬の摂取（例えば、薬のタイプ及び投与量並びに薬が摂取されるタイミング）を示してもよい。
上記で説明されたように、特定の実施形態においては、ＤＡＭ１１３は、入力２１０に基づいてユーザの結果メトリクス１３０を決定又は計算する。結果メトリクス１３０の例示的なリストが、図２に示されている。
特定の実施形態においては、代謝率は、基礎代謝率（例えば、安静時に消費されるエネルギー）、及び／又は例えば、運動若しくは激しい活動のような活動によって消費されるエネルギーのような活動代謝を示すか又は含み得るメトリクスである。いくつかの例においては、基礎代謝率及び活動代謝は、別個の結果メトリクスとして追跡されてもよい。特定の実施形態においては、代謝率は、活動情報、センサ入力、時間、ユーザ入力などのうちの１つ以上のような、入力２１０の１つ以上に基づいて、ＤＡＭ１１３によって算出され得る。
特定の実施形態においては、活動レベルメトリクスは、ユーザの活動のレベルを示し得る。特定の実施形態においては、活動レベルメトリクスは、例えば、活動センサ又はその他の生理学的センサからの入力に基づいて決定される。特定の実施形態においては、活動レベルメトリクスは、活動情報、センサ入力、時間、ユーザ入力などのうちの１つ以上のような入力２１０の１つ以上に基づいて、ＤＡＭ１１３によって算出され得る。
特定の実施形態においては、インスリン感受性メトリクスは、履歴データ、リアルタイムデータ、又はそれらの組み合わせを使用して決定されてもよく、例えば、食品消費情報、血中グルコース情報、インスリン送達情報、結果のグルコースレベルなどのうちの１つ以上のような、１つ以上の入力２１０に基づいてもよい。特定の実施形態においては、インスリンオンボードメトリクスは、基礎代謝率（例えば身体の動作を維持するためのインスリンの更新）及び活動又は食品消費によって駆動されるインスリン使用の両方を考慮し得る、インスリン送達情報及び／又は既知の若しくは学習された（例えば患者データから）インスリン時間作用プロファイルを使用して決定されてもよい。
特定の実施形態においては、食事状態メトリクスは、ユーザが食品消費に関連している状態を示し得る。例えば、食事状態は、ユーザが絶食状態、食前状態、食事状態、食後応答状態、又は安定状態のうちの１つにあるか否かを示してもよい。特定の実施形態においては、食事状態はまた、例えば、消費された食事、軽食又は飲料のようなオンボードの栄養を示してもよく、例えば、食品のタイプ、量及び／又は順序（例えばどの食品／飲料が最初に食べられたか）に相関し得る食品消費情報、食事の時間情報及び／又は消化率情報から決定されてもよい。
特定の実施形態においては、健康及び病気メトリクスは、例えば、ユーザ入力（例えば、妊娠情報又は既知の病気情報）、生理学的センサ（例えば、温度）、活動センサ又はこれらの組み合わせからの１つ以上に基づいて決定されてもよい。特定の実施形態においては、健康及び病気メトリクスの値に基づいて、例えば、ユーザの状態は、健康、病気、休息又は疲労のうちの１つ以上として定義されてもよい。
特定の実施形態においては、グルコースレベルメトリクスは、センサ情報（例えば、グルコースモニタリングシステム１０４から得られる血中グルコース情報）から決定されてもよい。いくつかの例においては、グルコースレベルメトリクスはまた、例えば、所与の食品消費、インスリン及び／又は活動の組み合わせのような、例えば、特定の状況におけるグルコースレベルについての履歴情報に基づいて決定されてもよい。特定の実施形態においては、血中グルコース傾向が、特定の期間にわたるグルコースレベルに基づいて決定されてもよい。
特定の実施形態においては、結果メトリクスはまた、ＩＩ型糖尿病患者のためなどの疾患段階を含む。ＩＩ型糖尿病患者のための例示的な疾患段階は、糖尿病前段階、口腔的処置段階、及び基礎インスリン処置段階を含むことができる。特定の実施形態においては、血糖コントロールの程度（図示されていない）も結果メトリクスとして決定されてもよく、例えば、グルコースレベル、グルコースレベルの変動、又はインスリン投与パターンのうちの１つ以上に基づいてもよい。
特定の実施形態においては、臨床的メトリクスは、一般的に、糖尿病のようなユーザの１つ以上の状態に関してユーザが置かれている臨床状態を示す。例えば、糖尿病の場合、臨床メトリクスは、Ａ１ｃ、Ａ１ｃの傾向、目標範囲内時間、閾値を下回って経過した時間、閾値を上回って経過した時間、及び／又は血中グルコース値から導出される他のメトリクスのうちの１つ以上を含む血糖測定値に基づいて決定されてもよい。特定の実施形態においては、臨床メトリクスは、推定されるＡ１ｃ、血糖変動性、低血糖、及び／又は健康指標（目標領域外の時間の大きさ）のうちの１つ以上を含んでもよい。
特定の実施形態においては、プログラム結果は、以下で更に説明されるように、ユーザが自身の定義された目標を満たすことにどれだけ成功しているかを決定するために算出されるメトリクスである。例えば、ＤＡＭ１１３は、上述した任意の重要な１つ以上の結果メトリクスを入力としてとり、次いでユーザが対応する目標の達成にどれだけ遠いか又は近いかを決定してもよく、このこともまた具体的なメトリクスの見地から定義されてもよい。特定の実施形態においては、結果メトリクスが重要であるか否かは、ユーザの目標に依存する。例えば、ユーザの目標が５％のＡ１ｃを維持することである場合、ユーザがその目標を満たしているか否かを決定するために、グルコースレベル、グルコース傾向、臨床メトリクスなどのうちの１つ以上のようなメトリクスが使用され得る。特定の実施形態においては、ＤＡＭ１１３はまた、入力２１０を使用して、ユーザがその目標を満たしているか否かを決定してもよい。例えば、ユーザの目標が５ポンド減量することである場合、ユーザの体重に関連するユーザ入力は、ユーザが５ポンドを減量したか否かを示すプログラム結果メトリクスを決定するために使用され得る。一例においては、プログラム結果メトリクスは、パーセンテージを用いて定量化されてもよい。例えば、上記の例のユーザが３ポンドを減量する場合、その目標に関するユーザのプログラム結果メトリクスは６０％（３／５）であってもよい。特定の実施形態においては、ＤＡＭ１１３はまた、入力２１０及び結果メトリクス１３０に関する傾向を評価して、ユーザがまだ目標を達成していない場合であっても、目標を達成することに関して、目標の達成に向けたユーザの前進（すなわちユーザが正しい方向に進んでいるか否か）を決定してもよい。
図２はまた、入力２２０に基づいて決定される行動メトリクスを示す。特定の実施形態においては、入力２２０は、ユーザインタフェースを通した入力のような、ユーザ入力を含む。特定の実施形態においては、ユーザ入力、又はその欠如は、特定のＦＦＳＣに対するユーザの関心レベルを示し得る。ＦＦＳＣに対する関心のレベルは、ユーザが自身の目標を達成するためにＦＦＳＣがどれほど有用であるとユーザが考えているかを示し得る。例えば、ユーザがＦＦＳＣの特定のリマインダを無視する場合、ＦＦＳＣによって要求される情報を入力しない場合、ユーザがＦＦＳＣによって提供される特定の形態のガイダンス又はインタラクションを好まないことを明確に示す場合などには、特定のＦＦＳＣに対して低いユーザ関心が記録されてもよい。特定の実施形態においては、ユーザ入力はまた、薬物摂取（例えば、薬物のタイプ及び投与量、及び／又は薬物が摂取されるタイミング）を示してもよい。特定の実施形態においては、入力２２０はまた、モバイル装置１０７上で実行されるコンピュータ又はスマートフォンのカレンダーアプリケーションから受信される利用可能性又は活動情報のようなカレンダー情報を含む。特定の実施形態においては、入力２２０はまた、上記で説明されたような活動情報を含む。特定の実施形態においては、入力２２０はまた、ユーザの位置（例えば、ＧＰＳデータ）及び／又は時間（例えば、リアルタイムクロックからの）についての情報を含む。センサからの入力、及びユーザの食品消費に関する入力は、上記で説明されている。特定の実施形態においては、追加的な入力も可能である。
上記で説明されたように、特定の実施形態においては、ＤＡＭ１１３は、入力２１０に基づいて、ユーザの行動メトリクス１２８を決定又は計算する。行動メトリクス１２８の例示的なリストが、図２に示されている。行動メトリクスは、行動エンゲージメントメトリクス、及び／又は食事習慣、疾患治療遵守、投薬タイプ及び遵守、ヘルスケア利用、運動計画、行動状態などのうちの１つ以上に関連するメトリクスのうちの１つ以上を含む。
特定の実施形態においては、行動エンゲージメントメトリクス（ＢＥＭ）は、アプリケーション１０６の特定のＦＦＳＣとのユーザのインタラクションに関するエンゲージメントのレベルを示す。特定の実施形態においては、ＢＥＭは、以下で更に説明されるように、アプリケーション構成１０８における各ＦＦＳＣについて算出され得る。特定の実施形態においては、特定のＦＦＳＣに関連するＢＥＭは、入力２２０の一部として提供されるユーザ入力によって示される、その機能とのユーザのインタラクション、及び／又は時間及びカレンダーのような他の入力（例えば、インタラクションの頻度などを算出するため）に基づいて算出されてもよい。例えば、特定のＦＦＳＣについてのＢＥＭは、ユーザがＦＦＳＣとインタラクトする頻度、ユーザがＦＦＳＣによって生成されるガイダンスを無視する頻度、ユーザがＦＦＳＣとインタラクトするのに費やす平均時間などのうちの１つ以上のような情報に基づいて算出されてもよい。いくつかの実施形態においては、ユーザがＦＦＳＣとインタラクトする頻度又はその他の時間に関連するデータ点は、例えば、ユーザが機能とインタラクトする各時間、ユーザが機能とインタラクトするのに費やす時間の量などのうちの１つ以上の記録を保持する、インタラクションログに基づいて算出されてもよい。特定の実施形態においては、ＦＦＳＣについて算出されるＢＥＭはまた、ＦＦＳＣに対するユーザの行動の一貫性を考慮してもよい。特定の実施形態においては、ＦＦＳＣについて算出されるＢＥＭはまた、ＦＦＳＣに対するユーザの行動の信頼性を考慮してもよい。行動の信頼性は、ＦＦＳＣに対するユーザの行動の自信又は確信度のレベルに関連し得る。
特定の実施形態においては、ＢＥＭはまた、食事習慣、投薬順守、血中グルコースデータなどのうちの１つ以上のような、他の行動メトリクスに基づいてもよく、このことは、これらの他の行動メトリクスは、ユーザがアプリケーション１０６にどれだけエンゲージしているかを示し得るからである。一例として、食事管理に関連するＦＦＳＣに対するユーザのＢＥＭを決定するために、ユーザの食事習慣に関連するメトリクスが考慮されてもよい。例えば、ユーザが、食品消費情報に基づいて決定され得る食事管理ＦＦＳＣによって推奨されるタイプの食事を消費していない場合、食事管理ＦＦＳＣに対するユーザのＢＥＭは低下させられてもよい。特定の実施形態においては、食事管理に関連するＦＦＳＣであるＦＦＳＣＸに対するＢＥＭは、以下のように算出されてもよい：
ＢＥＭＦＦＳＣＸ＝（Ｗ１）（ユーザインタラクション）＋（Ｗ２）（ＭＨ）＋・・・
上記の式において、Ｗ１は、ユーザのＦＦＳＣＸとのインタラクションに割り当てられ得る定義された重みである。Ｗ２は、ユーザの食事習慣メトリクスに割り当てられ得る定義された重みである。ＦＦＳＣＸについてのＢＥＭメトリクスを算出するための上記の式において、追加的な及び／又は代替的なメトリクスが考慮又は包含されてもよい。他のＦＦＳＣに対するＢＥＭは、ＦＦＳＣとのユーザのインタラクションに基づくのみならず、特定の実施形態においては、他の関連する行動メトリクスにも基づいて、同様に算出されてもよい。
特定の実施形態においては、食事習慣は、ユーザの食事の内容及びタイミングに基づく１つ以上のメトリクスによって測定される。例えば、食事習慣のメトリクスが０～１のスケールである場合、一例においては、ユーザがより良い／健康的な食事をするほど、ユーザの食事習慣のメトリクスは１に向かって高くなる。また、本例においては、ユーザの食事消費が一定のタイムスケジュールに忠実であるほど、ユーザの食事習慣メトリクスは１に近づくこととなる。特定の実施形態においては、疾患処置及び遵守は、ユーザがユーザの疾患の処置に対してどれだけ専心しているかを示す１つ以上のメトリクスによって測定される。特定の実施形態においては、疾患処置及び遵守のメトリクスは、ユーザの食事又は食品消費、運動計画、投薬遵守などのうちの１つ以上に基づいて算出される。特定の実施形態においては、投薬遵守は、ユーザがその投薬計画に対してどれだけ専心しているかを示す１つ以上のメトリクスによって測定される。特定の実施形態においては、投薬遵守メトリクスは、ユーザが薬を摂取するタイミング（例えば、ユーザが時間通り又はスケジュール通りか否か）、薬の種類（例えば、ユーザが正しい種類の薬を摂取しているか）、及び薬の投薬量（例えば、ユーザが正しい投薬量を摂取しているか）のうちの１つ以上に基づいて算出される。
特定の実施形態においては、ヘルスケア利用は、ユーザがどれだけ頻繁に薬局を利用するか又は医療専門家を訪問するかを示す１つ以上のメトリクスによって測定される。特定の実施形態においては、ヘルスケア利用メトリクスは、ユーザの処方箋、薬局の訪問、医師のオフィスへの訪問などについての情報、及び位置入力、カレンダー入力などのうちの１つ以上を含む、ユーザ入力の１つ以上に基づいて算出される。特定の実施形態においては、運動計画は、ユーザがどのようなタイプの活動にエンゲージするか、活動がどの程度激しいか、どれだけ頻繁にユーザがかかる活動にエンゲージするかなどのうちの１つ以上を示す１つ以上のメトリクスによって測定される。特定の実施形態においては、運動計画メトリクスは、１つ以上の活動センサ、カレンダー入力、ユーザ入力などに基づいて計算されてもよい。特定の実施形態においては、ユーザの行動状態は、ユーザの現在の行動を測定するための１つ以上のメトリクスを指す（例えば、睡眠状態（例えば、活動センサ、カレンダー又はその他の情報から推測され得る睡眠若しくは休息又は覚醒）、食欲（例えば、食事パターンから推測され得る）など）。
図３は、アプリケーションの構成を選択し、ユーザに関する情報、及び／又は１つ以上の態様においてユーザと類似している層化されたユーザのグループのようなユーザのプールに関する情報に基づいて、それを適合させるためのシステム（例えばシステム１００）によって実行される例示的な動作３００を示すフロー図である。動作３００は、図１及び２並びにそれらの構成要素を参照しながら以下に説明される。
ステップ３０２において、動作３００は、アプリケーション１０６のユーザの目標を識別することによって開始する。ステップ３０２は、いくつかの実施形態においては、アプリケーション１０６によって実行されてもよい。一例においては、アプリケーション１０６は、ユーザが最初にアプリケーションをダウンロードしたときのような、初期設定プロセスの間に、ユーザの目標１３２を識別してもよい。別の例においては、アプリケーション１０６は、後の時点でユーザの目標１３２（「目標」）を識別してもよい。かかる例においては、ユーザは、ある期間にアプリケーション１０６を使用し、次いでいくつかの目標を設定するためにアプリケーション１０６とインタラクトすることを決定してもよい。上記で説明されたように、特定の実施形態においては、アプリケーション１０６は、ユーザとのある種のインタラクションを通してユーザの目標を識別するように構成された、目標設定及び識別機能（ＯＳＩＦ）を使用してもよい。
特定の実施形態においては、ユーザの目標を識別することによって、アプリケーション１０６は、何がユーザにとって本当に重要であるか、及びユーザが成功をどのように定義するかを決定することが可能である。いくつかの実施形態においては、ＯＳＩＦは、ユーザが自身の目標を入力することを可能にするユーザインタフェースをユーザに提供することによって、目標を識別するようにユーザに質問することができる。ユーザインタフェースは、例えば、ユーザが選択することができるいくつかの潜在的な目標を有するドロップダウンメニューを含んでもよい。例えば、ドロップダウンメニューは、ａ）「体重を減らしたい」、ｂ）「夜によく眠りたい」、ｃ）「夜の血糖値をより良好に管理したい」、ｄ）「食事の選択を改善したい」、ｅ）「投薬計画を最適化したい」、ｆ）「目標範囲内時間を改善したい」などのような選択肢を含んでもよい。当業者は理解するように、様々な他のインタラクティブなユーザインタフェースの選択肢が、ユーザの入力を取得するために使用され得る。
いくつかの実施形態においては、ＯＳＩＦは、ユーザと対話することによってユーザの目標を取得してもよい。一例においては、ＯＳＩＦは、チャットボットを使用してユーザと対話してもよい。別の例においては、ＯＳＦＩは、ユーザの目標が何であるかユーザに尋ねることによって、音声を通してユーザとインタラクトしてもよい。かかる実施形態においては、ユーザの応答は、音声認識機能を使用してテキストとして処理及び記録されてもよい。テキストは次いで、自然言語処理機能を使用して処理され、１つ以上の目標を導出してもよい。いくつかの例においては、ＯＳＩＦは、「あなたの目標を教えてください」のような、ユーザの目標を直接問う質問をユーザに投げかけてもよい。他の例においては、ＯＳＩＦは、ユーザとよりカジュアルな会話をし、ユーザの回答からユーザの目標を推測してもよい。例えば、ＯＳＩＦは、「あなたの糖尿病管理は、完璧な世界ではどのように見えるか教えてください」又は「糖尿病と付き合っていくためにあなたがしていることをどのように評価しますか？」のように述べることにより、ユーザとの会話を始めてもよい。かかる例においては、ＯＳＩＦはユーザの回答から目標を推論する。
いくつかの例においては、自身の目標に関するユーザの入力は、非常に具体的で定量化可能なものであってもよい。例として、ユーザは、「私のＡ１ｃを２ポイント下げる」という目標を定義してもよい。他の例においては、ＯＳＩＦは、目標の識別プロセスをユーザにとって容易にするために、より具体的でなくより定性的な形式でユーザが目標を定義することを可能にしてもよい。例えば、ＯＳＩＦは、「『通常の』グルコース制御に努めたい」又は「挑戦的なグルコース制御に努めたい」などのような選択肢をユーザに提供してもよい。一例においては、応答として、ユーザは、第１の選択肢を選択してもよく、この場合には、ＯＳＩＦは、「通常の」グルコース制御を具体的かつ定量化可能な目標に変換又は翻訳するようにアプリケーション１０６が構成され得る、ガイドラインのセットを検討してもよい。一例として、ユーザが妊娠しているとＯＳＩＦが決定した場合、「通常の」グルコース制御は、５％のＡ１ｃに翻訳されてもよい。別の例においては、ＯＳＩＦは、層化されたユーザのグループに関する情報を検討することにより、「通常の」グルコース制御を具体的な目標に翻訳してもよい。かかる例においては、この翻訳は、ステップ３０４において層化されたユーザのグループが選択された後に実行されてもよい。
いくつかの実施形態においては、自身の目標に関するユーザの入力は、層化されたユーザのグループと相対的なものであってもよい。例えば、ユーザは、「例えば、グルコース制御、健康、体重などに関して、仲間の上位３分の１に入りたい」と選択する又は発言することができる。かかる例においては、ＯＳＩＦは同様に、ステップ３０４で層化されたユーザのグループが選択された後、層化されたユーザのグループに関する情報を検討することに基づいて、メトリクスの形で定義される具体的かつ定量化可能な目標に、その発言を翻訳してもよい。例えば、ＯＳＩＦは、「仲間の上位３分の１であること」を、特定のメトリクスのセット（例えば、６％のＡ１ｃ、１８０ポンドの体重など）及び考えられ得る治療又は行動計画のセットに翻訳してもよい。考えられ得る治療のセットは、（ａ）炭水化物の消費を２５％減らし、週に３回、更に２０分運動をする、（ｂ）追加的な又は異なる薬を摂取する（例えば、追加的な毎日の経口薬を追加するために医師にかかる）、（ｃ）炭水化物を１日当たり特定の量よりも減らす特定の食事計画に従う、などを含んでもよい。特定の実施形態においては、ＯＳＩＦは次いて、これらのとり得る治療のセットを提示し、ユーザに治療の１つを選択させてもよく、これらは、例えば、仲間の上位３分の１に入るためにユーザに期待されることを、定量化可能なメトリクスで明確に定義する。特定の実施形態においては、ＯＳＩＦはまた、ユーザが治療を選択した後に、それを微調整することを可能にし得る。
ユーザの具体的でない入力が、層化されたユーザのグループに対して定義されないシナリオにおいても、ＯＳＩＦは同様のプロセスに従ってもよいことに留意されたい。「通常のグルコース制御」、「良好な健康」、「健康な領域」は、層化されたグループと相対的でない、具体的でないユーザ入力の例である。かかるユーザ入力を受信した後、ＯＳＩＦは、層化されたユーザのグループに関する情報を検討し、かかる具体的でないユーザ入力を特定のメトリクスのセット及び考えられ得る治療のセットに翻訳してもよい。
特定の実施形態においては、ＯＳＩＦは、ユーザに関連する入力のセット（例えば、入力１２７）に基づいて、ユーザが達成するよう努力すべき特定の目標のセット（メトリクスの形をとる）を決定してもよい。特定の実施形態においては、これらの入力は、アプリケーション１０６の設定プロセス中に既に利用可能であってもよい。かかる実施形態においては、ステップ３０２の間に設定される目標１３２は、（例えば、ＯＳＩＦを使用する前にアプリケーション１０６を使用していたユーザについての）かかる入力に基づく。特定の実施形態においては、かかる入力は、設定プロセスの間に利用可能でない場合がある。そのため、目標の初期のセットがユーザのために設定されてもよいが、ユーザのアプリケーション１０６の使用の間に、入力がユーザのために利用可能になると、ＯＳＩＦはユーザ自身の入力に基づいて初期の目標を修正してもよい。例えば、最初に、設定プロセスの間、ユーザのＡ１ＣレベルはＸ％であってもよく、ＯＳＩＦは０．９Ｘ％の目標を提案してもよい。しかしながら、ユーザがアプリケーション１０６を使用すると、ＯＳＩＦはユーザのＡ１Ｃレベルが実際には０．８５Ｘ％であると決定し、それ故目標を０．８Ｘ％に調節してもよい。別の例においては、ユーザがアプリケーション１０６を使用すると、ＯＳＩＦは、ユーザのＡ１Ｃレベルが実際には１．２Ｘ％であると決定し、それ故０．９Ｘ％はユーザにとって達成できない場合があるという決定に基づき、目標をＸ％に調節してもよい。更に別の例においては、ユーザがアプリケーション１０６を使用すると、ＯＳＩＦは、ユーザのＡ１ＣレベルはＸ％であるが、層化されたユーザのグループ内の類似するユーザは０．７Ｘ％の平均Ａ１Ｃレベルを有すると決定してもよい。かかる例においては、ＯＳＩＦは、０．９Ｘ％であるユーザの初期目標を０．８Ｘ％に調節してもよい。
いくつかの実施形態においては、目標は、短期的な目標と長期的な目標とにカテゴライズされてもよい。短期的な目標の例は、「投薬量及びコストを半分にカットすること」である。長期的な目標の例は、「薬を完全にカットすること」である。
いくつかの実施形態においては、ＯＳＩＦは、上記で説明された同じタイプのインタラクションを通して、ユーザの関心１３４及び能力１３６を更に識別する。ユーザの関心１３４及び能力１３６を識別することは、アプリケーション構成１０８がユーザの目標１３２のみならずユーザの関心１３４及び能力１３６にも基づいてＡＡＣＭ１１５によって構成及び適合され得るので、有利である。一例として、ユーザが、自身は障害者で歩くことができないことを示す場合、アプリケーション１０６の運動管理機能は、ユーザが歩く又は走ることを要求しない運動又は活動をユーザに提案するように構成されてもよい。一例においては、ＯＳＩＦは、アプリケーション１０６によって利用可能であるＦＦＳＣに基づいて、ユーザの関心及び能力についてユーザに質問してもよい。例えば、特定の実施形態においては、ユーザがチェスをすることに関心があるか否かは、アプリケーション１０６がその入力から利益を得る機能を提供しないので、重要ではない場合がある。しかしながら、ユーザが泳ぐこと又はハイキングすることが好きか否かを尋ねることは、特定の実施形態においては、アプリケーション１０６が泳ぐのが好きか否かについてのユーザの応答から利益を得る運動管理機能を実際に提供するため、より重要であり得る。
ステップ３０４において、動作３００は、ユーザに関連する情報に基づいて、ユーザデータベースから類似するユーザの層化されたグループを識別することによって継続する。ステップ３０４は、いくつかの実施形態においては、ＡＡＣＭ１１５によって実行されてもよい。例えば、ＡＡＣＭ１１５は、ユーザデータベース１１０からユーザプロファイル１１６を取得し、ユーザプロファイル１１６内の情報に基づいてユーザデータベース１１０から層化されたユーザのグループを選択してもよい。特定の実施形態においては、ＡＡＣＭ１１５は、ユーザプロファイル１１６内の情報とユーザデータベース１１０内のユーザのプールのユーザプロファイルとの間の１つ以上の類似性に基づいて、層化されたユーザのグループを選択する。例えば、ＡＡＣＭ１１５は、層化のために１つ以上の類似性又は層化因子を使用してもよく、１つ以上の層化因子は、ユーザの疾患進行情報、投薬情報、人口統計学的情報、目標、対応する目標の達成、関心、能力、行動メトリクス、結果メトリクス、又はこれらの組み合わせのうちの少なくとも１つを含む。ただし、アプリケーション１０６を使い始めたばかりのユーザにとっては、行動メトリクス及び結果メトリクスはまだ利用できない場合もある。
特定の実施形態においては、追加的な層化因子もまた可能である。例えば、層化は、設定プロセスの間（例えば、目標設定プロセスの間）のアプリケーション１０６とのユーザのインタラクションに基づいて実行されてもよい。例えば、層化は、身体的活動、アプリケーション１０６との全体的なインタラクションなどのうちの１つ以上に焦点を当てるユーザの可能性に基づいて実行されてもよい。一例においては、アプリケーション１０６は、否定的、受動的オープン、及び積極的オープンの３つのカテゴリに基づいて、ユーザをカテゴライズしてもよい。否定的なユーザは、自分が糖尿病であることを受け入れることを拒否し、それについて聞きたくない、又はそれについて行動したくないユーザであり得る。受動的オープンのユーザは、自分が糖尿病であることを受け入れ、情報に対してオープンでありながら、健康の改善のために必要な全てのステップ及び手段をとることについて真剣でない場合のあるユーザである。積極的オープンのユーザは、自分が糖尿病であることを受け入れ、より多くの情報を得ることに熱心であり、健康を改善するために何でもすることについて勤勉であることに前向きなユーザである。特定の実施形態においては、アプリケーション１０６は、設定プロセスの間のアプリケーション１０６とユーザとのインタラクションに基づいて（例えば、ユーザがどのカテゴリに属するかを決定するように設計された質問を尋ねることによって）、ユーザをこれらのカテゴリのうちの１つにカテゴライズし得る。
特定の実施形態においては、目標の達成が層化因子として使用されてもよいことに留意されたい。特定の実施形態においては、ある目標の達成に関してユーザがどのように実行したかは、その特定の目標について算出されユーザのプロファイルに記憶される対応するプログラム結果メトリクスによって示される。特定の実施形態においては、目標の達成は、閾値によって定義されてもよい。例えば、特定の目標に関する１００％のプログラム結果メトリクスは、ユーザのプール内のユーザがその目標を完全に達成したことを示し得る一方、９０％のプログラム結果メトリクスは、ユーザが目標の少なくとも９０％（すなわち、１０ポンドではなく９ポンドの体重減少）を達成することによって目標達成に向けてプラスの前進をしたことを示し得る。層化に関して、目標の達成が層化因子として使用される実施形態においては、閾値のプログラム結果メトリクスが定義されてもよい。例えば、層化因子は、少なくとも例えば、７０％のプログラム結果メトリクスであってもよい。その場合、少なくとも７０％だけ目標達成に向けて前進したユーザは、層化されたユーザのグループに含められることになる。
層化されたグループを選択するために使用され得るユーザについての情報の例は、１）糖尿病歴３年の基礎インスリンのみの６２歳女性、２）基礎及び速効性ボーラス治療の５５歳男性、３）心臓病を有するメトフォルミンの７０歳男性、４）食事及び運動で糖尿病を積極的に管理している４０歳女性、を含む。
１つ以上の層化因子（例えば、疾患進行、投薬情報、人口統計学的情報、目標、対応する目標の達成、関心、能力、行動メトリクス、結果メトリクス、又はこれらの組み合わせ）に基づいてユーザデータベース１１０を層化するために、様々な方法及び手法のうちの１つが使用されてもよい。特定の実施形態においては、ＡＡＣＭ１１５は、様々なデータフィルタリング手法のうちの１つを使用して、１つ以上の層化因子に基づいて広範なユーザデータベース１１０をフィルタリングしてもよい。例えば、ユーザがＩ型糖尿病を有する場合、ＡＡＣＭ１１５は、ユーザデータベース１１０内の、同じくＩ型糖尿病を有する全てのユーザプロファイルをフィルタリングしてもよい。その場合、層化されたユーザのグループは、全てのかかるユーザを含むことになる。しかしながら、特定の実施形態においては、層化のために追加的な層化因子が使用される場合、層化されたグループ中のユーザのグループを更に狭めるために、追加的なフィルタリングが実行されてもよい。例えば、層化因子が疾患進行及び人口統計学的情報を含み、ユーザがＩ型糖尿病を有する男性である場合、ＡＡＣＭ１１５は、ユーザデータベース１１０内のＩ型糖尿病も有する全ての男性ユーザの全てのユーザプロファイルをフィルタリングしてもよい。
特定の実施形態においては、ＡＡＣＭ１１５は、機械学習アルゴリズムを使用して、ユーザデータベース１１０を層化してもよい。例えば、教師なし学習アルゴリズムが、ユーザデータベース１１０内の全てのユーザプロファイルをクラスタリングし、ユーザプロファイル１１６がどのクラスタに属するかを決定するために使用されてもよい。教師なし学習は、ラベル付けされた応答のない入力データからなるデータセットから推論を引き出すために使用される、機械学習アルゴリズムのタイプである。当業者は理解するように、クラスタリング分析に焦点を当てた教師なし学習アルゴリズムに加えて、他のタイプの教師なし学習アルゴリズムが使用されてもよい。
特定の実施形態においては、代わりに教師あり学習アルゴリズムが使用されてもよい。教師あり学習は、例示的な入力－出力対に基づいて入力を出力にマッピングする関数を学習する、機械学習タスクである。特定の実施形態においては、教師あり学習アルゴリズムを使用して、ＡＡＣＭ１１５は、ラベル付きデータセットを使用してトレーニングされた機械学習モデルに基づいて、ユーザがどのクラス又は層化されたグループに属するかを決定することによって、ユーザプロファイル１１６を分類するように構成されてもよい。特定の実施形態においては、ラベル付きデータは、疾患進行のような１つ以上の特性に基づいて分類されるユーザの種々のクラスを既に含む。例えば、特定の実施形態においては、ユーザの１つのクラスは、Ｉ型糖尿病を有する全てのユーザプロファイルを含み、ユーザの別のクラスは、ＩＩ型糖尿病を有する全てのユーザプロファイルを含む。かかる例においては、ユーザプロファイル１１６の疾患進行情報１２０が、ユーザが１型糖尿病であることを示す場合、ＡＡＣＭ１１５は、そのクラスを、ユーザについての層化されたユーザのグループとして選択する。
ステップ３０６において、動作３００は、ユーザの目標を含むユーザに関連する情報、及び／又は層化されたユーザのグループに関連する情報に基づいて、アプリケーションを構成する（例えば、自動的に）ことによって継続する。アプリケーションを自動的に構成することは、ユーザのアクション又は関与なしにアプリケーションを構成することを指す。例えば、アプリケーションは、ユーザ装置１０７にダウンロードされるアプリケーションバイナリファイルで利用可能な、より多くのＦＦＳＣからＡＡＣＭ１１５によって選択される特定の数のＦＦＳＣを用いて、自動的に構成されてもよい。
ステップ３０６は、いくつかの実施形態においては、ＡＡＣＭ１１５によって実行されてもよい。例えば、ＡＡＣＭ１１５は、ユーザプロファイル１１６及び／又は層化されたユーザのグループのユーザプロファイルに基づいて、アプリケーション構成１０８を用いてアプリケーション１０６を構成してもよい。特定の実施形態においては、ＡＡＣＭ１１５は、層化されたグループ内で、どの１つ以上のＦＦＳＣがユーザの目標１３２の達成との最も強い相関を有するかを分析してもよい。特定の実施形態においては、ＡＡＣＭ１１５は次いで、かかるＦＦＳＣの少なくともサブセットを用いてアプリケーション１０６を構成し、アプリケーション構成１０８に帰着する。特定の実施形態においては、サブセットは、特定の相関閾値を上回る相関スコアを有するＦＦＳＣを含んでもよい。上記で説明されたように、ＦＦＳＣは、設定３を有する運動管理機能２のような、機能及び機能設定の特定の組み合わせを指す。特定の実施形態においては、ステップ３０６は、アプリケーション１０６自体によって実行されてもよい。例えば、ＡＡＣＭ１１５は、ＦＦＳＣのサブセットをアプリケーション１０６に示してもよく、アプリケーション１０６は次いで、ＦＦＳＣのサブセットを用いてそれ自体を自動的に構成し、アプリケーション構成１０８に帰着してもよい。
一例においては、ユーザは糖尿病予備軍であり、７７歳であり得る。また、ユーザは、５ポンド減量し、より少ない炭水化物及びより多いタンパク質を食べるなどの目標を有し得る。ユーザの関心は、ハイキング、ウォーキング、水泳、赤身の肉を食べること、イタリア料理であってもよく、また魚が嫌いであることであってもよい。かかる例においては、ユーザの疾患のタイプ及び／又は年齢に基づいて、層化されたユーザのグループが選択されてもよい。ＡＡＣＭ１１５は次いで、どのＦＦＳＣが、５ポンド減量すること及びより少ない炭水化物を食べることと最も強く相関しているかを決定してもよい。例えば、ＡＡＣＭ１１５は、数ある中でも、運動管理機能、報告機能、報酬機能及び食事管理機能が、層化されたグループ内のユーザについて上記目標の達成と最も強く相関していると決定してもよい。すなわち、かかる例においては、それらの目標を達成した層化されたグループ内のユーザのプロファイルは、そのユーザの１つ以上のこれらのＦＦＳＣの使用、及びかかるＦＦＳＣに関連する高いＢＥＭを、最も頻繁に示し得る。この例においては、これらの目標の達成は、層化因子として使用されることに留意されたい。
当業者は、ユーザの目標の達成と、層化されたグループ内のユーザによって使用される、これらの目標の達成と最も強く関連又は相関するＦＦＳＣとの間の、これらの相関を見出すために使用することができる、種々のタイプの操作又はアルゴリズムを認識する。使用され得るアルゴリズムの例は、線形相関アルゴリズム（例えば、ピアソンの相関係数）、非線形相関アルゴリズム（例えば、距離相関、最大情報係数など）、及び種々のタイプの機械学習アルゴリズムのうちの１つ以上を含む。
特定の実施形態においては、線形相関アルゴリズムが、特定の目標（第２の変数）を達成することと特定のＦＦＳＣ（第１の変数）との相関を含む、２つの変数の間の相関を決定するために使用されてもよい。特定の実施形態においては、相関アルゴリズムが実行される基になるデータセットは、いく人かのユーザ（例えば、層化されたグループのユーザ）のユーザプロファイルからのデータ点を含む。データ点は、特定の実施形態においては、各ユーザが利用するＦＦＳＣ、ユーザの目標、及びユーザがそれらの目標を達成したか否かを含む。かかるデータセットを使用して、いくつかの実施形態においては、ＡＡＣＭ１１５は、複数の分析を実行してもよく、各分析は、考えられ得る数のＦＦＳＣのうちの１つとユーザの目標のうちの１つとの相関に焦点を当てる。他のタイプの分析は、ユーザの目標と複数のＦＦＳＣとの間の相関が決定され得るように実行されてもよい。上記で説明されたように、相関アルゴリズムの代わりに、特定の実施形態においては、機械学習モデルが、ユーザの目標の達成と強く相関する機能を識別する目的のために使用されてもよい。ステップ３０６を実行するために使用されるアルゴリズム又はデータモデルの種々の例は、図４Ａ～５Ｂに関して説明される。
ユーザの目標を達成することと正の相関があるＦＦＳＣのプールを決定すると、特定の実施形態において、ＡＡＣＭ１１５は次いで、アプリケーション１０６を構成するためにこれらのＦＦＳＣの全てを選択し、アプリケーション構成１０８に帰着してもよい。特定の実施形態においては、ＡＡＣＭ１１５は、例えば、相関閾値を適用することによって、ユーザの目標を達成することと非常に強く相関するＦＦＳＣのプールから、ＦＦＳＣのサブセットを選んでもよい。一例として、ＦＦＳＣのプールが最初に決定されてもよく、各ＦＦＳＣは特定の相関スコアを有し、相関スコアはＦＦＳＣとユーザの目標の達成との間の相関を示す。ＡＡＣＭ１１５は次いで、閾値を上回る相関スコアを有するＦＦＳＣを選択してもよい。選択されたＦＦＳＣを使用して、ＡＡＣＭ１１５は、アプリケーション１０６を構成し、アプリケーション構成１０８に帰着してもよい。
ステップ３０８において、動作３００は、ユーザの行動メトリクス及び／又は結果メトリクスを評価することによって継続する。いくつかの実施形態においては、ステップ３０８は、ＤＡＭ１１３によって実行される。例えば、アプリケーション１０６がアプリケーション構成１０８を用いて構成され、ユーザがアプリケーション１０６の使用を開始した後、ＤＡＭ１１３はアプリケーション１０６から入力１２７を受信してもよく、それに基づいてＤＡＭ１１３は結果メトリクス１３０及び行動メトリクス１２８を決定する。いくつかの実施形態においては、結果メトリクス１３０は、ユーザが目標を満たしているか、又は少なくとも改善しているかを評価するために決定されてもよい。例えば、プログラム結果メトリクスは、ユーザの目標の各々に関して算出されてもよい。プログラムメトリクスは、例えば、パーセンテージを使用して、ユーザがその目標を満たすことにどれだけ近いかを示してもよい。
以上に説明されたように、特定の実施形態においては、行動メトリクス１２８はＢＥＭを含み、各ＢＥＭは異なるＦＦＳＣに関するユーザのエンゲージメントを示す。特定の実施形態においては、以上に説明されたように、特定のＦＦＳＣについてのＢＥＭを算出するとき、ＤＡＭ１１３は、ＦＦＳＣに重要な他の行動メトリクスも考慮する。それ故、ＢＥＭは、ユーザが目標を達成するのを支援するのにより効果的となるようにアプリケーション構成１０８が適合される必要があるか否かを示すものであってもよい。
以上に説明されたように、特定の実施形態においては、結果メトリクス１３０及び行動メトリクス１２８は、ＤＡＭ１１３によってリアルタイムで連続的に算出され、ユーザプロファイル１１６に記憶される。これら全てのメトリクスに関連するタイミングも（例えば、タイムスタンプを使用して）記憶され得るので、傾向が時間の経過とともに算出され得る。
ステップ３１０において、動作３００は、ユーザの行動及び／又は結果メトリクスの少なくともいくつかに関する情報、及び／又はユーザデータベース内のユーザ（例えば、層化されたグループ内のユーザ）の行動及び／又は結果メトリクスの少なくともいくつかに関する情報に基づいて、アプリケーション構成を適合させることによって継続する。ステップ３１０は、ＡＡＣＭ１１５によって実行されてもよい。例えば、特定の実施形態においては、ＡＡＣＭ１１５は、アプリケーション構成１０８のＦＦＳＣの全て又は少なくともいくつかの使用に関連して、類似する行動メトリクスを呈するユーザに関する情報に基づいて、アプリケーション構成１０８を適合させてもよい。アプリケーションを自動的に再構成することは、ユーザのアクション又は関与なしにアプリケーションを再構成することを指す。例えば、アプリケーション１０６が以前に構成されたときに用いられた特定のＦＦＳＣを使用不可能にし、またアプリケーション１０６上で特定の新たなＦＦＳＣを使用可能にすることによって、アプリケーションが自動的に再構成されてもよい。いくつかの実施形態においては、ＡＡＣＭ１１５は、ステップ３０４において選択された層化されたユーザのグループに関連するデータセットを分析し、アプリケーション１０６のＦＦＳＣのいくつか又は全てを使用することに関連して類似する行動メトリクスを呈したユーザを識別する。換言すれば、ＡＡＣＭ１１５は、アプリケーション１０６のＦＦＳＣのいくつか又は全てを使用することに関連した行動メトリクスの類似性に基づいて、既に層化されているユーザのグループを更に層化する。この更なる層化は、ＡＡＣＭ１１５が、ユーザがまだ使用していないＦＦＳＣに関して、ユーザの行動がどうなるかを予測することを可能とする。その理由は、もしユーザとこの更に層化されたグループのユーザとが、ＦＦＳＣの第１のセットに関して類似する行動を示した場合、ユーザがまだ使用していないＦＦＳＣの第２のセットに対して更に層化されたグループのユーザが呈した行動と類似する行動を、ユーザが呈することとなる見込みが高いことである。
一例を用いてこれを説明すると、アプリケーション構成１０８は、設定２による運動管理機能１、設定１による運動管理機能３、設定５による睡眠管理機能２、設定３による報告機能１などを含んでもよい。かかるＦＦＳＣに関連するユーザのＢＥＭは、それぞれ、２０％、９０％、６８％及び８０％であってもよい。
ＡＡＣＭ１１５による分析は次いで、ステップ３０４において選択された層化されたグループ内のユーザが、自身の目標を満たし、かつそれらの正確なＦＦＳＣに関して同様の行動エンゲージメントメトリクスを呈したユーザが、設定５による運動管理機能１に関して９０％を上回るＢＥＭを示したことを示し得る。したがって、ＡＡＣＭ１１５は、設定２による運動管理機能１を、設定５による運動管理機能１と交換するが、残りのＦＦＳＣは変更されないようにすることを決定してもよい。
特定の実施形態においては、特定のＦＦＳＣを維持するか交換するかの決定は、ＦＦＳＣのＢＥＭが特定の閾値を下回るか否か、及び／又はユーザがそれぞれの目標を満たしているか否かに依存してもよい。上記の例においては、ユーザは、５ポンドを減量すること及び夜間に中断されずに眠ることの２つの目標を有し得る。各目標のプログラム結果メトリクスに基づいて、ＡＡＣＭ１１５は、ユーザが第１の目標を満たしていないが第２の目標を満たしていると判断し得る。そのため、設定２による運動管理機能１のＢＥＭが７０％（例えば、構成された閾値）を下回り、５ポンド減量するというそれぞれの目標を満たしていないため、特定の実施形態においては、ＡＡＣＭ１１５は、ユーザが自身の目標を満たすのを支援するために、設定２による運動管理機能１を変更する。しかしながら、特定の実施形態においては、設定５による睡眠管理機能２の行動エンゲージメントメトリクスは７０％を下回るが、ＡＡＣＭ１１５は、ユーザが目標を満たしているため、ＦＦＳＣを維持することを決定してもよい。いくつかの実施形態においては、ＡＡＣＭ１１５は、ユーザが対応する目標を満たしている場合であっても、構成された閾値を下回るＢＥＭでＦＦＳＣを置き換えるように構成されてもよい。例えば、ＡＡＣＭ１１５は、ユーザが睡眠に関連する目標を満たしているにもかかわらず、設定５による睡眠管理機能２を、７０％を下回るＢＥＭに置き換えるように構成されてもよい。
特定の実施形態においては、ステップ３０８及び３１０は、リアルタイム又はより最近の情報（例えば、行動メトリクス１２８及び結果メトリクス１３０）がユーザについて取得又は生成されるときに、頻繁に実行される。その結果、特定の実施形態においては、ＡＡＣＭ１５は、ユーザをエンゲージさせ、それによってユーザが目標を達成するのを支援する見込みがより高いＦＦＣＳを用いてアプリケーション１０６を頻繁に再構成する。特定の実施形態においては、ユーザが自身の目標を変更した場合、ＡＡＣＭ１１５は、動作３００のステップのうちの少なくともいくつかを再び実行してもよい。例えば、ＡＡＣＭ１１５は、ステップ３０４及び３０６を再び実行し、ユーザがもはや関心を持たない目標に関連するユーザの既存のＦＦＣＳのいくつかを、ユーザの新たな目標に関連する新たなＦＦＳＣと置き換えてもよい。特定の実施形態においては、どのＦＦＳＣがユーザの新たな目標と関連するかは、ステップ３０６において決定されてもよく、ここでＡＡＣＭ１５は、同じ目標を達成することができた、又は少なくとも同じ目標を持っていた、層化されたユーザのグループ内のユーザに関連する情報を評価することによって、ユーザの目標の達成と高い相関があるＦＦＣＳを識別する。
特定の実施形態においては、動作３００のステップ３０２～３１０を実行するために、様々なデータモデルのうちの１つが使用され得る。１つの例示的なデータモデルが、図４Ａ～４Ｂに関連して説明される。第２の例示的なデータモデルが、図５Ａ～５Ｂに関連して説明される。当業者は理解するように、アプリケーション構成１０８を適合させて、ユーザが目標を達成するのをより良好に支援し、アプリケーション１０６に対するユーザの行動における停滞及び退屈を回避し、それによってアプリケーションの離脱率を低下させることにおける使用のための、様々な手法がある。そのため、図４Ａ～５Ｂに関連して説明されるデータモデルは、単に例示的なものである。
図４Ａは、特定の実施形態による、アルゴリズム４５０及びモデル４５１を含むデータモデルを使用して、どのようにアプリケーション構成１０８が最初に選択され、次いで適合されるかを示す図である。図４Ａは、図４Ａのデータモデルの動作において使用されるいくつかのデータセットを示す図４Ｂを参照しながら説明される。上記で説明されたように、図３における動作３００のステップ３０２の間、ユーザの目標１３２、関心１３４及び／又は能力１３６が識別され、ユーザプロファイル１１６に記憶され、このプロファイルは既にユーザの人口統計学的情報１１８、疾患進行１２０、及び投薬情報１２２も含んでいる。図４Ａの例においては、この段階では、ユーザはアプリケーション１０６の機能をまだ使用していない新たなユーザであるため、ユーザの行動及び結果メトリクスについての情報はまだ取得されていない。また同じ理由のため、ユーザプロファイル１１６は、いかなるアプリケーション構成情報も含んでいない。すなわち、アプリケーション１０６は、この時点ではまだ、いかなるアプリケーション構成情報も利用可能となるように構成されていない。その結果、図４Ａの例においては、動作３００のステップ３０２において利用可能であり得るユーザ特有の情報の全ては、ユーザの人口統計学的情報１１８、疾患進行情報１２０、投薬情報１２２、目標１３２、関心１３４及び／又は能力１３６である。
利用可能な情報を使用して、動作３００のステップ３０４を実行することにより、ＡＡＣＭ１１５は、ユーザプロファイルのプールを含むユーザデータベース１１０を層化し、特定の態様においてユーザと類似する層化されたユーザのグループを識別する。当業者は理解するように、ユーザデータベース１１０を層化する際に、様々なデータフィルタリング手法又はアルゴリズムのうちの１つが使用され得る。図４Ａの例においては、ＡＡＣＭ１１５は、ユーザの人口統計学的情報１１８、疾患進行情報１２０、投薬情報１２２、目標１３２、関心１３４及び／又は能力１３６を含む層化因子のセットに基づいて、ユーザデータベース１１０を層化する。例えば、ユーザは、インスリン注射を打っているＩ型糖尿病を患う７７歳の男性であり得る。ユーザの目標は５ポンド減量することであり、彼の関心はランニング、水泳、及びサイクリングを含むが、週末に運動することは不可能である。ユーザは２つ以上の目標を有し得るが、簡略化のために、アルゴリズム４５０及び４５１は、本明細書では１つの目標に関して説明されることに留意されたい。
ユーザデータベース１１０を層化すると、ＡＡＣＭ１１５は、ユーザのグループ２を層化したユーザのグループとして識別し、そのユーザは全員男性で、６７～８７歳の範囲内で、Ｉ型糖尿病を患いインスリン注射を打っている。ユーザのグループ２のユーザはまた、全員が体重を減らすという目標を有しその目標を達成している。換言すれば、図４Ａ～４Ｂの例においては、ユーザのグループ２のユーザは、ユーザと同じ目標を有することのみならず、その目標を達成したか否かに基づいて選択されている。上記で説明されたようにユーザが目標を達成したか否かは、ユーザの目標に関連するプログラム結果メトリクスによって示され得る。そのため、この例においては、ユーザの目標の達成が、層化因子として使用される。議論されたように、目標の達成は、閾値プログラム結果メトリクスに対して定義されてもよい。かかる例においては、閾値プログラム結果メトリクスは、特定の閾値（例えば、７０％、８０％、１００％など）より小さいプログラム結果メトリクスを有する全てのユーザが次いで、層化されたユーザのグループから脱落させられるように、層化因子として使用されてもよい。ＡＡＣＭ１１５はまた、ユーザデータベース１１０を層化する際に、ユーザの関心１３４及び能力１３６を考慮してもよい。例えば、ユーザのグループ２のユーザは全て、そのユーザと同じ関心及び能力を有していてもよい。
いくつかの実施形態においては、層化されたユーザのグループを選択するときに、ＡＡＣＭ１１５は、層化因子の各々のまわりに範囲を定義するように構成されてもよい。例えば、ＡＡＣＭ１１５は、目標が体重を減らすこと（任意の量）であり、その目標を満たすことができた全てのユーザを含めることによって、広範なユーザのグループ２を定義するように構成されてもよい。いくつかの他の例においては、ＡＡＣＭ１１５は、５ポンドから特定の範囲内（例えば、４～６ポンド若しくは３～７ポンドの範囲の任意の量）又は正確に５ポンドだけ体重の量を減らすことを目標とし、その目標を満たすことができたユーザのみを含めることによって、より狭いユーザのグループ２を定義するように構成されてもよい。他の層化因子に関して、例えば、ユーザは７７歳であるが、特定の実施形態においては、ユーザのグループ２は、６７～８７歳の年齢範囲内の全てのユーザを含んでもよい。関心及び能力の場合、一例として、特定の実施形態においては、ＡＡＣＭ１１５はまた、関心がウォーキング及びウェイトリフティングであるユーザ、並びにいつ運動にエンゲージできるか又はできないかに関して何らかの時間制限を有するユーザを含んでもよい。
いくつかの実施形態においては、層化は、以上に議論された層化因子のうちの１つ以上に基づいて、ユーザデータベース１１０内の全てのユーザに対して利用可能なデータセットをフィルタリングすることによって実行されてもよい。ユーザデータベース１１０内の全てのユーザについての情報を含むデータセットの一例は、図４Ｂにおけるデータセット４８０として示されている。図示されるように、データセット４８０の各行は異なるユーザに属し、一方で各列はユーザのプロファイルによって提供される異なるデータ点に対応する。例えば、列は、ユーザの目標、人口統計学的情報、疾患進行、投薬情報、関心、能力及びＦＦＳＣを含む。ユーザの目標、関心及び能力に対して単一の列が使用されるが、これらの列の各々は複数の列を代表するものであってもよいことに留意されたい。例えば、データセット４８０は、複数の目標に関連する列を含んでもよく、各目標に関連する列は、ユーザが選択し得る特定の考えられ得る目標に対応する。図４Ｂの例においては、各目標について記録された値は、その目標に関連するプログラム結果メトリクスに対応し、ユーザがその目標を満たしたか否かを示している。「１」は、ユーザがその目標を満たしたことを示し、「０」は、その反対を示す。例えば、データセット４８０は、ユーザ１が自身の目標を満たしたことを示す。特定の目標に対して値が記録されていない場合は、そのユーザはその目標を自身で選択していないことを意味する。
議論されたように、プログラム結果メトリクスは、パーセンテージで定義されてもよいことに留意されたい。その結果、特定の実施形態においては、プログラム結果メトリクスを示すためのデータセットにパーセンテージが記録されてもよい。特定の他の実施形態においては、閾値のプログラム的結果メトリクスを使用することによって、簡略化のために０及び１が依然として使用されてもよい。例えば、特定の実施形態においては、特定のパーセンテージ（例えば、７０％）より大きいプログラム的結果メトリクスを有する任意のユーザに対して、「１」がデータセットに記録されてもよい。データセット４８０はまた、ＦＦＳＣのセットも含む。各ＦＦＳＣについて、そのＦＦＳＣに関連するＢＥＭが記録される。例えば、ユーザ１のＦＦＳＣ１については、９０％のＢＥＭが記録され、このことは、ユーザ１がＦＦＳＣ１に関して非常にエンゲージしていることを示す。図示されるように、ユーザ１に関するＦＦＳＣ２については値が記録されておらず、ユーザ１がまだそのＦＦＳＣを使用していないことを示す。
図４Ｂはまた、上記で説明された層化因子に基づいてデータセット４８０を層化した結果であるデータセット４４０を示す。例えば、ユーザ２及びユーザ３は、ユーザ２が自身の目標を満たすことができなかった一方で、ユーザ３がユーザ（すなわちユーザ１０２）と同じ目標を有してさえいなかったため、データセット４４０から排除されている。
特定の実施形態においては、データセット４４０が定義されると、ＡＡＣＭ１１５は次いで、データセット４４０の少なくとも一部を入力としてとり、ユーザの目標の達成に対するそれらの相関に基づいて、ＦＦＳＣのランク付けされたリストを出力する、アルゴリズム４５０を使用する。ＦＦＳＣがユーザの目標の達成とどれだけ強く相関しているかは、ＦＦＳＣを使用したユーザのグループ２内のユーザの数、及びＦＦＳＣに関するかかるユーザのエンゲージメントのレベル（例えば、対応するＢＥＭ）を含む、いくつかの因子に基づいて決定されてもよい。一例として、特定のＦＦＳＣを使用したユーザの数が多いほど、及び／又はＦＦＳＣに向けたエンゲージメントのレベルが高いほど、ユーザ（すなわちユーザ１０２）がそのＦＦＳＣによってエンゲージさせられ、それによって目標を達成する可能性が高くなる。簡略化された一例においては、ユーザの目標の達成に対する各ＦＦＳＣの相関（Ｃ）は、以下のように定義されてもよい。
Ｃ＝（Ｗ１）＊（Ｎ）＋（Ｗ２）＊（平均ＢＥＭ）
上記の式において、Ｗ１は定義された重みであり、ＮはＦＦＳＣを使用するユーザの数であり、Ｗ２は別の定義された重みであり、平均ＢＥＭは対応するＦＦＳＣについてのデータセット４４０内の全てのユーザのＢＥＭの平均である。上記の式を使用して、Ｃ１～Ｃｎが、データセット４４０内のＦＦＳＣ１～ＦＦＳＣ Ｎについて算出される。Ｃ１～Ｃｎは次いで、最も高い相関を有するＦＦＳＣが識別され得るように、高いものから低いものへの順にランク付けされる。それ故、アルゴリズム４５０は、図４Ａにおいて出力４６０として示される、ユーザの目標の達成に対する相関に基づいてランク付けされたＦＦＳＣのリストを出力する。ＡＡＣＭ１１５は次いで、アプリケーション構成１０８に含めるために、リストからいくつかのＦＦＳＣを選択してもよい。例えば、ＡＡＣＭ１１５は、リストから上位１０個の、又は任意の他の定義された数の、ＦＦＳＣを選択してもよい。
図４Ａ及び４Ｂに関して示された例においては、ユーザの目標の達成は層化因子として使用されたが、特定の他の実施形態においては、かかる手法は必須でないことに留意されたい。例えば、特定の実施形態においては、層化は、目標の達成に基づくのではなく、層化されたユーザのグループが、全員がユーザによって選択されたものと同じ目標を有するユーザを含むように、ユーザの目標に基づいて実行されてもよい。かかる実施形態においては、層化されたユーザのグループは、その目標に関して異なって振る舞ったユーザを含むこととなる。かかる実施形態においては、当業者は理解するように、相関アルゴリズムは、上記で説明されたように、閾値プログラム結果を使用して定義され得る目標の達成に対して最も高い相関を有するＦＦＳＣを見出すために、依然として使用されてもよい。更に特定の他の実施形態においては、層化は、ユーザの人口統計学的情報、疾患進行などのような、ユーザの目標とは関連しない因子に基づいて実行されてもよい。同様に、かかる実施形態においては、層化されたユーザのグループは、ユーザと同じ目標を有しさえしないユーザを含むこととなる。かかる実施形態においては、当業者は認識するように、上記で説明されたように、閾値プログラム結果を使用して定義され得る目標の達成に対して最も高い相関を有するＦＦＳＣを依然として見出すために、相関アルゴリズムが使用されてもよい。
アプリケーション１０６がアプリケーション構成１０８を用いて構成されると、ユーザは選択されたＦＦＳＣを使用し始める。時間の経過とともに、上記で説明されたように、アプリケーション１０６は、入力２１０及び２２０を含む入力１２７を受信し、ＤＡＭ１１３は、これを使用して行動メトリクス１２８及び結果メトリクス１３０を算出する。行動メトリクス１２８の一部として、アプリケーション構成１０８のＦＦＳＣの各々について、ＢＥＭが計算される。ユーザのＢＥＭに基づいて、ＡＡＣＭ１１５は、モデル４５１（モデル４５１とも称され得る）を使用してアプリケーション構成１０８を更に適合させることができる。例えば、ＡＡＣＭ１１５は、ユーザのＢＥＭデータ４９０、及びユーザのグループ２内のユーザに関連するデータセット４４０の一部であるＢＥＭデータ４４１を含む、データセット４４２を作成してもよい。特定の実施形態においては、ユーザのＢＥＭデータ４９０と他のユーザのＢＥＭデータ４４１との類似性を評価することにより、モデル４５１は、最もユーザをエンゲージさせる見込みが高く、それによりユーザが自身の目標を達成すること及び健康を改善することを支援する、ＦＦＳＣを推奨することが可能である。
図４Ａの例においては、モデル４５１は、メモリベースの、ユーザ－ユーザ型（「ユーザ間」とも読まれ又は「ユーザ－アイテム間」とも称される）の協調フィルタリングを使用する推奨モデル（例えば、機械学習モデルの一種）であり、該モデルは、ユーザの行動とデータセット内のユーザのプールの行動との間の類似性に基づいて、ユーザにアイテム（この例においてはＦＦＳＣ）を推奨するように構成される。例えば、ユーザのＢＥＭデータ４９０とデータセット４４１内の他のユーザのＢＥＭデータとの間の類似性に基づいて、モデル４５１は、ユーザがまだ使用していない、ユーザが自身の目標を達成することを支援する見込みが高い、１つ以上のＦＦＳＣを推奨してもよい。メモリベースのユーザ－ユーザ型協調フィルタリングアルゴリズムは、あるアイテム（例えば、ＦＦＳＣ１）に対して同じように行動するユーザは、別のアイテム（例えば、ＦＦＳＣ３）に対しても同様に行動するという前提のもとに構築されている。
一例として、データセット４４２において、ユーザは、ＦＦＳＣ１について９３％のＢＥＭ、ＦＦＳＣ２について１８％のＢＥＭ、及びＦＦＳＣ Ｎについて２５％のＢＥＭを有する。この例においては、モデル４５１は、ユーザが、ユーザ８に対してではなく、ユーザ１及び４に対してより類似する行動をとると決定し得る。同様に、特定の実施形態においては、モデル４５１は、ユーザ１０２によって使用される同じＦＦＳＣに関して類似する行動をとった他のユーザを識別し、次いで、ユーザをエンゲージさせそれによってユーザが自身の目標を達成することを支援する見込みが高いＦＦＳＣのセットを決定し得る。この決定されたＦＦＳＣのセットは、図４Ａにおいて出力４５５として示される。特定の実施形態においては、ＡＡＣＭ１１５は次いで、この新たなＦＦＳＣのセットを利用して、アプリケーション構成１０８を再構成し、アプリケーション構成４０８に帰着する。例えば、ＡＡＣＭ１１５は、ユーザ１０２があまりエンゲージメントを示さなかったＦＦＳＣのいくつかを削除し、それらを出力４４５からのＦＦＳＣの一部と置き換えるなどしてもよい。
アプリケーション構成１０８を適合させて、ユーザにとって役立たなかった１つ以上のＦＦＳＣをこの新しいセットの１つ以上のＦＦＳＣと置き換えることによって、ＡＡＣＭ１１５は、ユーザが自身の目標を達成する可能性を増大させることが可能である。
モデル４５１のトレーニングは、ＡＡＣＭ１１５、又は意思決定支援エンジン１１２とデータ通信している１つ以上のプロセッサ又は計算システムによって、実行されてもよい。モデル４５１は、ランダムな重み及びパラメータを用いて初期化された新たなモデルであってもよいし、又は部分的若しくは完全に事前トレーニングされていてもよい（例えば、以前のトレーニングラウンドに基づいて）。モデル４５１は、メッセージパッシングアルゴリズムのようなアルゴリズムを使用してトレーニングされてもよい。モデル４５１は、モデル４５１が出力４４５（例えば、機能推薦）を提供し続け、データセット４４２が出力４４５に対応する特定のユーザの行動メトリクス１２８及び結果メトリクス１３０で更新されるにつれて、微調整され又は再トレーニングされ続けてもよい。図４Ａの例においては、層化されたユーザのグループ２に属するデータセット４４０を取得するためにデータフィルタリングが使用されているが、様々な他の手法のうちの１つが代わりに使用されてもよいことに留意されたい。例えば、いくつかの実施形態においては、ユーザがどのユーザのクラスタに属するかを決定するために、教師なし機械学習アルゴリズムが使用されてもよい。例えば、教師なし機械学習アルゴリズムは、ユーザデータベース１１０内のユーザのプール全体に関連するデータセットによって、ある期間にわたってトレーニングされてもよい。トレーニングされた教師なし機械学習アルゴリズムは次いで、上記の全ての層化因子に関する情報を含むユーザについてのベクトルを入力としてとることによって、ユーザをクラスタリングするように構成されてもよい。この運動の結果として、ユーザのクラスタ（例えば、ユーザのグループ２）が識別され、そのクラスタ内のユーザに関する情報を含むデータセット（例えば、データセット４４０）が取得される。当業者は認識するように、層化されたユーザのグループを選択し、対応するデータセットを取得するために、他のタイプのアルゴリズムも使用され得る。
図５Ａは、機械学習モデル５５０及びモデル４５１を含むデータモデルを使用して、どのようにアプリケーション構成１０８が最初に選択され、次いで適合されるかを示す図である。図５Ａは、図５Ａのデータモデルの動作において使用されるいくつかのデータセットを示す図５Ｂを参照しながら説明される。上記で説明されたように、図３のステップ３０２の間、ユーザの目標１３２、関心１３４及び／又は能力１３６が識別され、ユーザプロファイル１１６に記憶され、このプロファイルは既にユーザの人口統計学的情報１１８、疾患進行１２０、及び投薬情報１２２も含んでいる。図４Ａと同様に、図５Ａの例においては、この段階で利用可能であり得るユーザ特有の情報の全ては、ユーザの人口統計学的情報１１８、疾患進行情報１２０、投薬情報１２２、目標１３２、関心１３４及び／又は能力１３６である。
図５Ａの実施形態においては、動作３００のステップ３０４を実行することによって、ＡＡＣＭ１１５は、ユーザの人口統計学的情報１１８、疾患進行情報１２０、及び／又は投薬情報１２２に基づいて、ユーザデータベース１１０を層化する。上記で説明されたように、様々な手法のうちの１つが、この層化のために使用され得る。層化から得られる結果は、例えば、人口統計学的情報、疾患進行情報及び投薬情報に関してユーザと類似しているユーザのプールを含む、ユーザのグループ２である。
特定の実施形態においては、層化されたグループとしてユーザのグループ２を識別した後、アプリケーション構成１０８のためのＦＦＳＣの初期セットを決定するために、ＡＡＣＭ１１５は、ユーザのグループ２に対して特にトレーニングされる機械学習モデル５５０への入力として、ユーザに関連する情報を使用する。特定の実施形態においては、機械学習モデル５５０は、様々なデータセットのうちの１つを使用してトレーニングされ得る。図５Ｂは、ユーザと同じ目標を選択しその目標を達成もした、ユーザのグループ２内の全ユーザのデータセット５４０を示す。データセット５４０は、各ユーザの関心及び能力、並びにこれらユーザがインタラクトしたＦＦＳＣに関連するこれらユーザのＢＥＭを示す。機械学習モデル５５０（すなわちＦ（Ｘ））は、各ユーザの関心及び能力についての情報（例えば、Ｘと称される各行の部分）を入力として提供し、ＦＦＳＣ１～Ｎに対するＢＥＭの予測されるセット（「ＰＢＥＭ」）（例えば、Ｙ’）を出力として取得することによって、トレーニングされる。ＢＥＭの予測されるセット（例えば、Ｙ’）は次いで、機械学習モデル５５０の誤差を決定するために、ＢＥＭのユーザの実際のセット（すなわちＹと称される各行の部分）と比較されてもよい。機械学習モデル５５０は次いで、より高い精度で予測するようモデルを構成するために、誤差に基づいてトレーニングアルゴリズムを使用して調節されてもよい。機械学習モデル５５０のトレーニングは、ＡＡＣＭ１１５、又は意思決定支援エンジン１１２とデータ通信している１つ以上のプロセッサ若しくは計算システムによって、実行されてもよい。
例えば、トレーニングプロセスの間に、ユーザ１の関心及び能力についての情報を含むベクトル５４２は、「Ｘ」として機械学習モデル５５０に供給される。機械学習モデル５５０は次いで、ベクトル５４４を「Ｙ’」として出力する。データセット５４０に示されるユーザ１の実際のＢＥＭ（すなわち「Ｙ」）は、誤差を決定するためにベクトル５４４と比較され、これに基づいて機械学習モデル５５０がトレーニングされる。
同様に、ユーザ（すなわちユーザ１０２）については、ベクトル５４６が機械学習モデル５５０に供給されてもよく、機械学習モデル５５０は次いで、ＦＦＳＣ１～Ｎに対応するＰＢＥＭのセットを含むベクトル５４８を出力する。特定の実施形態においては、ＡＡＣＭ１１５は次いで、ＰＢＥＭに基づいてベクトル５４８内のＦＦＳＣ１～Ｎのサブセットを選択してもよい。例えば、ＡＡＣＭ１１５は、各カテゴリにおいて最も高いＰＢＥＭを有するＦＦＳＣを選択してもよい。一例として、運動管理に関するベクトル５４８に１０個の異なるＦＦＳＣ（例えば、ＦＦＳＣ１～１０）がある場合、ＡＡＣＭ１１５は、最も高いＰＢＥＭを有する２つを選択してもよい。特定の実施形態においては、ＡＡＣＭ１１５は次いで、ＦＦＳＣの選択されたサブセットを含むアプリケーション構成１０８を用いて、アプリケーション１０６を構成する。
図５Ｂの例においては、データセットが、人口統計学的情報、疾患進行、投薬情報、目標、目標の達成などのような他のタイプの情報について既に層化されているため、機械学習モデル５５０への入力は、ユーザの関心及び能力についての情報のみを含むことに留意されたい。しかしながら、他の例においては、機械学習モデル５５０をトレーニングするために使用されるデータセットに、追加的な入力が含められてもよい。同様に、ＰＢＥＭのセットを取得するためにユーザ１０２に関連する情報がモデル５５０に供給されるときに、かかる追加的な入力が含められてもよい。
アプリケーション１０６がアプリケーション構成１０８を用いて構成されると、時間の経過とともにユーザは対応するＦＦＳＣを使用し始め、その間に行動メトリクス１２８及び結果メトリクス１３０が取得される。行動メトリクス１２８の一部として、アプリケーション構成１０８のＦＦＳＣの各々について、ＢＥＭが計算される。この段階において、ＡＡＣＭ１１５は、ユーザの行動に関する情報を所有しており、この情報は、ＡＡＣＭ１１５がアプリケーション構成１０８を更に適合させるために使用することが可能である。例えば、図４Ｂに関して以上に説明されたように、ＡＡＣＭ１１５は、ＡＡＣＭ１１５が推奨モデル４５１への入力として使用し得るデータセット４４２を生成してもよい。推奨モデル４５１は次いで、ユーザをエンゲージさせ、それによってユーザが自身の目標を達成するのを支援する可能性が高いＦＦＳＣのセットに対応する、出力５６０を生成する。以上に説明されたように、ＡＡＣＭ１１５は次いで、この新たなＦＦＳＣのセットを利用して、アプリケーション構成１０８を再構成し、アプリケーション構成５０８に帰着する。
図６は、本明細書に開示される特定の実施形態による、計算装置６００又は計算装置６００と通信する別の計算装置のいずれかによって実行されるアプリケーションのアプリケーション構成を選択及び連続的に適合するように構成される、計算装置６００を示すブロック図である。単一の物理的な装置として描かれているが、実施形態においては、計算装置６００は、仮想装置を使用して、及び／又はクラウド環境におけるようにいくつかの装置にわたって、実装されてもよい。図示されるように、計算装置６００は、プロセッサ６０５、メモリ６１０、記憶装置６１５、ネットワークインタフェース６２５、及び１つ以上のＩ／Ｏインタフェース６２０を含む。図示された実施形態においては、プロセッサ６０５は、メモリ６１０に記憶されたプログラミング命令を取得して実行し、更に記憶装置６１５に存在するアプリケーションデータを記憶し、取得する。プロセッサ６０５は、一般に、単一のＣＰＵ及び／又はＧＰＵ、複数のＣＰＵ及び／又はＧＰＵ、複数の処理コアを有する単一のＣＰＵ及び／又はＧＰＵなどを表す。メモリ６１０は、一般に、ランダムアクセスメモリを表すものとして含まれる。記憶装置６１５は、ディスクドライブ、フラッシュベースの記憶装置などの任意の組み合わせであってもよく、固定ディスクドライブ、着脱可能なメモリカード、キャッシュ、光記憶装置、ネットワーク接続記憶装置（ＮＡＳ）、又はストレージエリアネットワーク（ＳＡＮ）のような固定及び／又は着脱可能記憶装置を含んでもよい。
いくつかの実施形態においては、入出力（Ｉ／Ｏ）装置６３５（キーボード、モニタなどのような）は、Ｉ／Ｏインタフェース６２０を介して接続されてもよい。更に、ネットワークインタフェース６２５を介して、計算装置６００は、ユーザデータベース１１０のような１つ以上の他の装置及び構成要素と通信可能に結合されてもよい。特定の実施形態においては、計算装置６００は、インターネット及びローカルネットワークなどを含んでもよいネットワークを介して、他の装置と通信可能に結合される。ネットワークは、有線接続、無線接続、又は有線接続と無線接続との組み合わせを含んでもよい。図示されるように、プロセッサ６０５、メモリ６１０、記憶装置６１５、ネットワークインタフェース６２５、及びＩ／Ｏインタフェース６２０は、１つ以上の相互接続６３０によって通信可能に結合される。特定の実施形態においては、計算装置６００は、ユーザに関連するモバイル装置１０７を表す。特定の実施形態においては、以上に議論されたように、モバイル装置１０７は、ユーザのラップトップ、コンピュータ及びスマートフォンなどを含み得る。別の実施形態においては、計算装置６００は、クラウド環境において実行されるサーバである。
図示された実施形態においては、記憶装置６１５は、ユーザプロファイル１１６を含む。メモリ６１０は、それ自体がＡＡＣＭ１１５及びＤＡＭ１１３を含む意思決定支援エンジン１１２を含む。意思決定支援エンジン１１２は、図３における動作３００の動作３０４～３１０を実行するため、計算装置６００によって実行される。ＡＡＣＭ１１５は、図４Ａ～５Ｂに関連して説明されたデータモデルの動作に必要な任意のアルゴリズム（例えば、アルゴリズム４５０及び４５１）を用いて構成されるか又はかかるアルゴリズムを含む。
したがって、本明細書に記載される特定の実施形態は、ユーザの健康を改善する又は疾患を管理することを支援するために、糖尿病又は健康に関連するソフトウェアアプリケーション（例えば、モバイルアプリケーション）の構成のパーソナライズ又は適合という技術分野における技術的問題に対する技術的な解決策を提供するものである。ユーザ自身の情報、及び１つ以上の態様においてユーザと類似する特定のユーザのセットに関連する情報に基づいて、機能及び機能設定のセットを変更する（例えば、いくつかを利用可能にし、他を利用不可能にする）ことによってアプリケーションを自動的に再構成することは、（１）健康に関連するソフトウェアアプリケーションがどのように動作するか、並びに（２）グルコースモニタリングシステム及び健康に関連するソフトウェアアプリケーションを含む健康モニタリングシステムがどのように動作するかに対する、技術的な改善である。例えば、以上に説明されたように、特定の実施形態においては、ＦＦＳＣのセットを有するアプリケーション構成は、ユーザ自身の情報（例えば、目標、関心、能力、人口統計学的情報、疾患の進行、投薬情報など）、及び／又は１つ以上の態様においてユーザと類似するユーザの特定のセットに関連する情報に基づいて、ユーザについて初期選択されてもよい。特定の実施形態においては、このユーザの特定のセットは、ユーザと同じ目標を有する／有していた、及び／又は目標を満たしたユーザである。特定の実施形態においては、このユーザの特定のセットに関連する情報は、ユーザによって使用されるＦＦＳＣに関連するユーザの行動情報、及び／又はユーザが同じ目標を達成することができたか否かを含む。更に、特定の実施形態においては、初期アプリケーション構成は、（１）ユーザ自身の行動情報、及びユーザの健康及び／又はユーザの目標に対するパフォーマンスに関連する情報、並びに（２）それらの同じ目標に対する同様の行動及び／又は同じ目標に対する健康に関連するパフォーマンスを示したユーザに基づいて、頻繁に再設定されてもよい。
特定の実施形態においては、以上に説明された情報を使用して、初期構成でアプリケーションを構成し、以上に説明された追加的な情報、及び本明細書に記載された手法に基づいてアプリケーションを頻繁に再構成することにより、糖尿病又は健康関連のソフトウェアアプリケーションの構成のパーソナライズ又は適合の技術分野を改善する。本明細書に記載された実施形態に基づいて構成されたアプリケーションは、ユーザをエンゲージさせ、それによってユーザの健康を改善することを支援する見込みが高い。健康に関連する、特に疾患管理アプリケーションに関して、本明細書に記載された情報及び手法／アルゴリズムに基づいてアプリケーションをパーソナライズすることは、いくつかの場合においてアプリケーションのガイダンスがユーザの生命を救うのを支援し得る程度に、ユーザの生活及び健康に大きな違いをもたらし得ることに留意されたい。したがって、パーソナライズされていない又は効果的にパーソナライズされていないアプリケーションと、本明細書に記載される実施形態に基づいてパーソナライズされたアプリケーションとの差は、エンゲージせずにアプリケーションを使用することをやめ、それによりことによるとユーザの健康の悪化に帰着するユーザと、アプリケーションにエンゲージし、ユーザに提供されるパーソナライズされたガイダンス及び機能を通して疾患を効果的に管理し、健康を改善することが可能なユーザとの差となり得る。
これらの非限定的な例の各々は、それ自体で成立することができ、又は他の例のうちの１つ以上と様々な順列又は組み合わせで組み合わせることができる。以上の詳細な説明は、詳細な説明の一部を形成する添付図面への参照を含む。図面は、例として、本発明が実施され得る特定の実施形態を示している。これらの実施形態は、本明細書において、「例」とも称される。かかる例は、図示又は説明されたものに加えて要素を含み得る。しかしながら、本発明者は、図示された又は説明された要素のみが備えられる例も想定する。更に、本発明者は、特定の例（若しくはその１つ以上の態様）に関して、又は本明細書に図示され若しくは説明される他の例（若しくはその１つ以上の態様）に関して、図示される又は説明される要素（若しくはその１つ以上の態様）の任意の組み合わせ又は順列を使用する例も想定する。
本明細書と参照により本明細書に組み込まれたいずれかの文書との間に矛盾した用法がある場合には、本明細書における用法が優先される。
本明細書では、特許文書で一般的であるように、用語「１つの（ａ又はａｎ）」は、「少なくとも１つ」又は「１つ以上」の任意の他の例又は用法とは独立して、１つ又は１つより多いものを含むよう使用される。本明細書においては、用語「又は」は、特に断らない限り、「Ａ又はＢ」が「ＡはあるがＢはない」、「ＢはあるがＡはない」及び「Ａ及びＢ」を含むように、非排他的な又はを指すよう使用される。本明細書においては、用語「含む（ｉｎｃｌｕｄｉｎｇ）」及び「ここで（ｉｎ ｗｈｉｃｈ）」は、それぞれ用語「含む（ｃｏｍｐｒｉｓｉｎｇ）」及び「ここで（ｗｈｅｒｅｉｎ）」の平易な英語の等価語として使用される。また、以下の請求項において、用語「含む（ｉｎｃｌｕｄｉｎｇ）」及び「含む（ｃｏｍｐｒｉｓｉｎｇ）」はオープンエンドであり、すなわち、請求項におけるかかる用語の後に記載された要素に加えて要素を含むシステム、装置、物品、組成、製剤又はプロセスが、依然として当該請求項の範囲内であるとみなされる。更に、以下の請求項において、用語「第１」、「第２」及び「第３」などは、単にラベルとして使用されており、その対象に数値的な要件を課すことを意図されたものではない。
「平行」、「垂直」、「丸い」又は「四角い」のような幾何学的用語は、文脈がそうでないことを示さない限り、絶対的な数学的精度を要求することを意図されていない。その代わりに、かかる幾何学的な用語は、製造上のばらつき又は同等の機能を許容する。例えば、ある要素が「丸い」又は「概して丸い」と記載される場合、正確に円形でない構成要素（例えば、わずかに長円形である又は多辺形であるもの）も依然としてこの記載によって包含される。
本明細書に記載される方法の例は、少なくとも部分的に機械又はコンピュータ実装することができる。いくつかの例は、以上の例において説明されたような方法を実行するように電子装置を構成するよう動作可能な命令でコード化されたコンピュータ可読媒体又は機械可読媒体を含んでもよい。かかる方法の実装は、マイクロコード、アセンブリ言語コード又は高級言語コードなどのようなコードを含んでもよい。かかるコードは、様々な方法を実行するためのコンピュータ可読命令を含んでもよい。コードは、コンピュータプログラム製品の一部を形成してもよい。更に、一例においては、コードは、例えば、実行の間又はその他の時間に、１つ以上の揮発性、非一時的又は不揮発性の有形のコンピュータ可読媒体に有形に記憶されてもよい。これらの有形のコンピュータ可読媒体の例は、限定するものではないが、ハードディスク、取り外し可能な磁気ディスク、取り外し可能な光ディスク（例えば、コンパクトディスク及びディジタルビデオディスク）、磁気カセット、メモリカード又はスティック、ランダムアクセスメモリ（ＲＡＭ）、及び読み取り専用メモリ（ＲＯＭ）などを含み得る。
上記の説明は、例示的なものであり、限定するものではないことが意図されている。例えば、上記で説明された例（又はその１つ以上の態様）は、互いと組み合わせて使用され得る。他の実施形態は、上記の説明を検討する際に当業者によって使用されるなどして、使用され得る。要約は、３７ Ｃ．Ｆ．Ｒ．§１．７２（ｂ）に準拠し、読者が技術的開示の性質を迅速に確認することを可能とするために提供されるものである。要約は、請求の範囲又は意味を解釈又は限定するためには使用されないことを理解した上で提出される。また、以上の詳細な説明においては、開示を簡素化するために、様々な機能がグループ化され得る。このことは、請求されていない開示された機能が、任意の請求項に必須であることを意図するものとして解釈されるべきではない。むしろ、本発明の主題は、特定の開示された実施形態の全ての機能にない場合がある。したがって、以下の請求項は、ここで例又は実施形態として本明細書に組み込まれ、各請求項は、それ自体で別個の実施形態として成立し、かかる実施形態は、様々な組み合わせ又は順列で互いと組み合わせられると想定される。本発明の範囲は、添付される請求項を参照して、かかる請求項が権利を与えられるものに対する等価物の全範囲とともに、決定されるべきである。

Claims (48)

  1. システムであって、
    メモリ回路と、
    プロセッサであって、
    ユーザによる使用のためのアプリケーションを構成するための要求を受信することであって、前記アプリケーションは、前記ユーザに関連するグルコースモニタリングシステムによって生成されたセンサデータを管理するために、計算装置上に少なくとも部分的に常駐している、受信することと、
    前記ユーザの目標を識別することと、
    前記ユーザに関連する分類情報を識別することであって、前記分類情報は、前記ユーザの前記目標、関心、能力、人口統計学的情報、疾患進行情報、又は投薬計画情報のうちの少なくとも１つを含む、識別することと、
    ユーザのプールの中からユーザのグループを選択することであって、前記選択することは、前記ユーザと前記ユーザのグループとの間の、前記識別された分類情報に関する１つ以上の類似性に基づく、選択することと、
    複数のアプリケーション機能から１つ以上のアプリケーション機能を識別することであって、前記識別することは、前記ユーザの前記目標、及び前記ユーザのグループに関連するデータセットにおける前記複数のアプリケーション機能の各々と前記目標との相関に基づく、識別することと、
    前記１つ以上のアプリケーション機能を用いて前記アプリケーションを自動的に構成することと、を行うように構成されている、プロセッサと、を備える、システム。
  2. 前記プロセッサが前記目標を識別するように構成されていることは、前記プロセッサが、
    前記ユーザの糖尿病に関して前記ユーザが達成しようと意図することに関するユーザ入力を受信し、
    １つ以上の定義されたガイドラインに基づいて、前記ユーザ入力を前記目標に変換するように構成されていることを含む、請求項１に記載のシステム。
  3. 前記プロセッサが、前記１つ以上の定義されたガイドラインに基づいて、前記ユーザ入力を前記目標に変換するように構成されていることは、前記プロセッサが、
    前記ガイドライン及び前記ユーザに関連する情報に基づいて、前記ユーザをカテゴリにカテゴライズすることであって、
    前記ユーザに関連する前記情報は、前記分類情報を含み、
    前記ガイドラインは、前記カテゴリの目標を示す、カテゴライズすることと、
    前記カテゴライズに基づいて、前記ユーザの前記目標を選択することと、を行うように構成されていることを含む、請求項２に記載のシステム。
  4. 前記プロセッサが前記目標を識別するように構成されていることは、前記プロセッサが、
    前記ユーザの糖尿病に関して前記ユーザが達成しようと意図することに関するユーザ入力を受信することと、
    前記ユーザのグループに関連する情報に基づいて、前記ユーザ入力を前記目標に変換することと、を行うように構成されていることを含む、請求項１に記載のシステム。
  5. 前記ユーザのグループに関連する前記情報は、前記ユーザのグループの１つ以上のグルコース関連メトリクスを含む、請求項４に記載のシステム。
  6. 前記複数のアプリケーション機能の各々と前記目標との前記相関は、前記複数のアプリケーション機能の各々と前記目標の達成との相関を含む、請求項１に記載のシステム。
  7. 前記ユーザのグループを選択することは、前記目標に関する前記ユーザのプールの中の各々のプログラム結果メトリクスに更に基づく、請求項１に記載のシステム。
  8. 前記選択されたユーザのグループのプログラム結果メトリクスは、前記目標の達成に関連する閾値プログラム結果メトリクスを上回り、
    前記目標の達成に関連する前記閾値プログラム結果メトリクスは、前記目標の達成に向けたプラスの前進の定義された最小量を示す、請求項７に記載のシステム。
  9. 前記複数のアプリケーション機能の各々と前記目標との前記相関は、前記選択されたユーザのグループにおける、前記機能を使用したユーザの数、及び前記機能に関する前記数のユーザの行動エンゲージメントに基づく、請求項１に記載のシステム。
  10. 前記アプリケーション機能に関する前記数のユーザの各々の行動エンゲージメントは、前記アプリケーション機能に関する前記数のユーザの各ユーザの行動エンゲージメントメトリクス（ＢＥＭ）によって示され、前記ＢＥＭは、前記数のユーザの各ユーザと、前記機能とのインタラクションに基づき、前記インタラクションは、
    前記数のユーザの各ユーザが前記アプリケーション機能とインタラクトする頻度、
    前記数のユーザの各ユーザが前記アプリケーション機能によって生成されたガイダンスを無視する頻度、
    前記数のユーザの各ユーザが前記アプリケーション機能とインタラクトするのに費やす平均時間量、又は
    前記数のユーザの各ユーザの行動が前記アプリケーション機能によって生成された前記ガイダンスにどれだけ忠実であるか、のうちの少なくとも１つを含む、請求項９に記載のシステム。
  11. 前記１つ以上のアプリケーション機能の各々は、相関閾値を上回る前記目標との相関を有する、請求項１に記載のシステム。
  12. 前記プロセッサは、
    複数の入力を受信することであって、前記複数の入力は、
    前記グルコースモニタリングシステムによって生成された、前記ユーザに関連するグルコース測定値を含む第１の入力、及び
    前記１つ以上のアプリケーション機能に関する前記ユーザの行動を示す第２の入力を含む、受信することと、
    少なくとも前記第１の入力に基づいて、前記目標に関連するプログラム結果メトリクスを算出することであって、前記プログラム結果メトリクスは、前記ユーザが前記目標を達成した程度を示す、算出することと、
    前記第２の入力に基づいて、前記１つ以上のアプリケーション機能の１つ以上の行動エンゲージメントメトリクス（ＢＥＭ）を、前記１つ以上のアプリケーション機能の各々について別個のＢＥＭが算出されるように算出することと、
    前記選択されたユーザのグループ又は前記ユーザのプールにおいて、前記算出された１つ以上のＢＥＭに類似するＢＥＭを有する１人以上のユーザを識別することと、
    前記１つ以上の機能に含まれていない新たなアプリケーション機能を、前記機能が前記１人以上のユーザのうちの少なくとも１人について閾値を上回るＢＥＭに関連することに基づいて、識別することと、
    前記１つ以上のＢＥＭ及び前記プログラム結果メトリクスのうちの少なくとも一方に基づいて、前記新たなアプリケーション機能を用いて前記アプリケーションを再構成することと、を行うように更に構成されている、請求項１に記載のシステム。
  13. 前記１つ以上のＢＥＭの各ＢＥＭは、前記ユーザと、前記１つ以上のアプリケーション機能のうちの対応するアプリケーション機能とのインタラクションに基づいており、前記インタラクションは、
    前記ユーザが前記対応するアプリケーション機能とインタラクトする頻度、
    前記ユーザが前記対応するアプリケーション機能によって生成されたガイダンスを無視する頻度、
    前記ユーザが前記対応するアプリケーション機能とインタラクトするのに費やす平均時間量、又は
    前記ユーザの行動が前記対応するアプリケーション機能によって生成された前記ガイダンスにどれだけ忠実であるか、のうちの少なくとも１つを含む、請求項１２に記載のシステム。
  14. 前記プロセッサが、前記新たなアプリケーション機能を用いて前記アプリケーションを再構成するように構成されていることは、前記プロセッサが、
    閾値を下回る対応するＢＥＭを有する、前記１つ以上のアプリケーション機能のうちのパフォーマンスの低いアプリケーション機能を識別することと、
    前記１つ以上のアプリケーション機能のうちの前記パフォーマンスの低いアプリケーション機能を、前記新たなアプリケーション機能で置き換えることと、を行うように構成されていることを含む、請求項１２に記載のシステム。
  15. 前記プロセッサが、前記新たなアプリケーション機能を用いて前記アプリケーションを再構成するように構成されていることは、前記プロセッサが、
    前記１つ以上のアプリケーション機能のうちの前記パフォーマンスの低いアプリケーション機能が前記目標に関連することを識別することと、
    前記プログラム結果メトリクスが閾値を下回っていることを識別することと、を行うように構成されていることを含む、請求項１４に記載のシステム。
  16. 前記１つ以上のアプリケーション機能の各アプリケーション機能は、機能設定を含む、請求項１に記載のシステム。
  17. １つ以上のアプリケーション機能を用いてアプリケーションを構成する方法であって、
    ユーザによる使用のための前記アプリケーションを構成するための要求を受信することであって、前記アプリケーションは、前記ユーザに関連するグルコースモニタリングシステムによって生成されたセンサデータを管理するために、計算装置上に少なくとも部分的に常駐している、受信することと、
    前記ユーザの目標を識別することと、
    前記ユーザに関連する分類情報を識別することであって、前記分類情報は、前記ユーザの前記目標、関心、能力、人口統計学的情報、疾患進行情報、又は投薬計画情報のうちの少なくとも１つを含む、識別することと、
    ユーザのプールの中からユーザのグループを選択することであって、前記選択することは、前記ユーザと前記ユーザのグループとの間の、前記識別された分類情報に関する１つ以上の類似性に基づく、選択することと、
    複数のアプリケーション機能から１つ以上のアプリケーション機能を識別することであって、前記識別することは、前記ユーザの前記目標、及び前記ユーザのグループに関連するデータセットにおける前記複数のアプリケーション機能の各々と前記目標との相関に基づく、識別することと、
    前記１つ以上のアプリケーション機能を用いて前記アプリケーションを構成することと、を含む、方法。
  18. 前記目標を識別することは、
    前記ユーザの糖尿病に関して前記ユーザが達成しようと意図することに関するユーザ入力を受信することと、
    １つ以上の定義されたガイドラインに基づいて、前記ユーザ入力を前記目標に変換することと、を更に含む、請求項１７に記載の方法。
  19. 前記変換することは、
    前記ガイドライン及び前記ユーザに関連する情報に基づいて、前記ユーザをカテゴリにカテゴライズすることであって、
    前記ユーザに関連する前記情報は、分類情報を含み、
    前記ガイドラインは、前記カテゴリの目標を示す、カテゴライズすることと、
    前記カテゴライズに基づいて、前記ユーザの前記目標を選択することと、を更に含む、請求項１８に記載の方法。
  20. 前記目標を識別することは、
    前記ユーザの糖尿病に関して前記ユーザが達成しようと意図することに関するユーザ入力を受信することと、
    前記ユーザのグループに関連する情報に基づいて、前記ユーザ入力を前記目標に変換することと、を含む、請求項１７に記載の方法。
  21. 前記ユーザのグループに関連する前記情報は、前記ユーザのグループの１つ以上のグルコース関連メトリクスを含む、請求項２０に記載の方法。
  22. 前記複数のアプリケーション機能の各々と前記目標との前記相関は、前記複数のアプリケーション機能の各々と前記目標の達成との相関を含む、請求項１７に記載の方法。
  23. 前記ユーザのグループを選択することは、前記目標に関する前記ユーザのプールの中の各々のプログラム結果メトリクスに更に基づく、請求項１７に記載の方法。
  24. 前記選択されたユーザのグループのプログラム結果メトリクスは、前記目標の達成に関連する閾値プログラム結果メトリクスを上回り、
    前記目標の達成に関連する前記閾値プログラム結果メトリクスは、前記目標の達成に向けたプラスの前進の定義された最小量を示す、請求項２３に記載の方法。
  25. 前記複数のアプリケーション機能の各々と前記目標との前記相関は、前記選択されたユーザのグループにおける、前記機能を使用したユーザの数、及び前記機能に関する前記数のユーザの行動エンゲージメントに基づく、請求項１７に記載の方法。
  26. 前記アプリケーション機能に関する前記数のユーザの各々の行動エンゲージメントは、前記アプリケーション機能に関する前記数のユーザの各ユーザの行動エンゲージメントメトリクス（ＢＥＭ）によって示され、前記ＢＥＭは、前記数のユーザの各ユーザと、前記機能とのインタラクションに基づき、前記インタラクションは、
    前記数のユーザの各ユーザが前記アプリケーション機能とインタラクトする頻度、
    前記数のユーザの各ユーザが前記アプリケーション機能によって生成されたガイダンスを無視する頻度、
    前記数のユーザの各ユーザが前記アプリケーション機能とインタラクトするのに費やす平均時間量、又は
    前記数のユーザの各ユーザの行動が前記アプリケーション機能によって生成されたガイダンスにどれだけ忠実であるか、のうちの少なくとも１つを含む、請求項２５に記載の方法。
  27. 前記１つ以上のアプリケーション機能の各々は、相関閾値を上回る前記目標との相関を有する、請求項１７に記載の方法。
  28. 複数の入力を受信することであって、前記複数の入力は、
    前記グルコースモニタリングシステムによって生成された、前記ユーザに関連するグルコース測定値を含む第１の入力、及び
    前記１つ以上のアプリケーション機能に関する前記ユーザの行動を示す第２の入力を含む、受信することと、
    少なくとも前記第１の入力に基づいて、前記目標に関連するプログラム結果メトリクスを算出することであって、前記プログラム結果メトリクスは、前記ユーザが前記目標を達成した程度を示す、算出することと、
    前記第２の入力に基づいて、前記１つ以上のアプリケーション機能の１つ以上の行動エンゲージメントメトリクス（ＢＥＭ）を、前記１つ以上のアプリケーション機能の各々について別個のＢＥＭが算出されるように算出することと、
    前記選択されたユーザのグループ又は前記ユーザのプールにおいて、前記算出された１つ以上のＢＥＭに類似するＢＥＭを有する１人以上のユーザを識別することと、
    前記１つ以上の機能に含まれていない新たなアプリケーション機能を、前記機能が前記１人以上のユーザのうちの少なくとも１人について閾値を上回るＢＥＭに関連することに基づいて、識別することと、
    前記１つ以上のＢＥＭ及び前記プログラム結果メトリクスのうちの少なくとも一方に基づいて、前記新たなアプリケーション機能を用いて前記アプリケーションを再構成することと、を更に含む、請求項１７に記載の方法。
  29. 前記１つ以上のＢＥＭの各ＢＥＭは、前記ユーザと、前記１つ以上のアプリケーション機能のうちの対応するアプリケーション機能とのインタラクションに基づいており、前記インタラクションは、
    前記ユーザが前記対応するアプリケーション機能とインタラクトする頻度、
    前記ユーザが前記対応するアプリケーション機能によって生成されたガイダンスを無視する頻度、
    前記ユーザが前記対応するアプリケーション機能とインタラクトするのに費やす平均時間量、又は
    前記ユーザの行動が前記対応するアプリケーション機能によって生成された前記ガイダンスにどれだけ忠実であるか、のうちの少なくとも１つを含む、請求項２８に記載の方法。
  30. 前記新たなアプリケーション機能を用いて前記アプリケーションを再構成することは、
    閾値を下回る対応するＢＥＭを有する、前記１つ以上のアプリケーション機能のうちのパフォーマンスの低いアプリケーション機能を識別することと、
    前記１つ以上のアプリケーション機能のうちの前記パフォーマンスの低いアプリケーション機能を、前記新たなアプリケーション機能で置き換えることと、を含む、請求項２８に記載の方法。
  31. 前記新たなアプリケーション機能を用いて前記アプリケーションを再構成することは、
    前記１つ以上のアプリケーション機能のうち前記パフォーマンスの低いアプリケーション機能が前記目標に関連することを識別することと、
    前記プログラム結果メトリクスが閾値を下回っていることを識別することと、を含む、請求項３０に記載の方法。
  32. 前記１つ以上のアプリケーション機能の各アプリケーション機能は、機能設定を含む、請求項１７に記載の方法。
  33. プロセッサによって実行されたときに、１つ以上のアプリケーション機能を用いてアプリケーションを構成する方法を計算システムに実行させる命令が記憶された、非一時的コンピュータ可読媒体であって、前記方法は、
    ユーザによる使用のための前記アプリケーションを構成するための要求を受信することであって、前記アプリケーションは、前記ユーザに関連するグルコースモニタリングシステムによって生成されたセンサデータを管理するために、計算装置上に少なくとも部分的に常駐している、受信することと、
    前記ユーザの目標を識別することと、
    前記ユーザに関連する分類情報を識別することであって、前記分類情報は、前記ユーザの前記目標、関心、能力、人口統計学的情報、疾患進行情報、又は投薬計画情報のうちの少なくとも１つを含む、識別することと、
    ユーザのプールの中からユーザのグループを選択することであって、前記選択することは、前記ユーザと前記ユーザのグループとの間の、前記識別された分類情報に関する１つ以上の類似性に基づく、選択することと、
    複数のアプリケーション機能から１つ以上のアプリケーション機能を識別することであって、前記識別することは、前記ユーザの前記目標、及び前記ユーザのグループに関連するデータセットにおける前記複数のアプリケーション機能の各々と前記目標との相関に基づく、識別することと、
    前記１つ以上のアプリケーション機能を用いて前記アプリケーションを構成することと、を含む、非一時的コンピュータ可読媒体。
  34. 前記目標を識別することは、
    前記ユーザの糖尿病に関して前記ユーザが達成しようと意図することに関するユーザ入力を受信することと、
    １つ以上の定義されたガイドラインに基づいて、前記ユーザ入力を前記目標に変換することと、を更に含む、請求項３３に記載の非一時的コンピュータ可読媒体。
  35. 前記変換することは、
    前記ガイドライン及び前記ユーザに関連する情報に基づいて、前記ユーザをカテゴリにカテゴライズすることであって、
    前記ユーザに関連する前記情報は、分類情報を含み、
    前記ガイドラインは、前記カテゴリの目標を示す、カテゴライズすることと、
    前記カテゴライズに基づいて、前記ユーザの前記目標を選択することと、を更に含む、請求項３４に記載の非一時的コンピュータ可読媒体。
  36. 前記目標を識別することは、
    前記ユーザの糖尿病に関して前記ユーザが達成しようと意図することに関するユーザ入力を受信することと、
    前記ユーザのグループに関連する情報に基づいて、前記ユーザ入力を前記目標に変換することと、を更に含む、請求項３３に記載の非一時的コンピュータ可読媒体。
  37. 前記ユーザのグループに関連する前記情報は、前記ユーザのグループの１つ以上のグルコース関連メトリクスを含む、請求項３６に記載の非一時的コンピュータ可読媒体。
  38. 前記複数のアプリケーション機能の各々と前記目標との相関は、前記複数のアプリケーション機能の各々と前記目標の達成との相関を含む、請求項３３に記載の非一時的コンピュータ可読媒体。
  39. 前記ユーザのグループを選択することは、前記目標に関する前記ユーザのプールの中の各々のプログラム結果メトリクスに更に基づく、請求項３３に記載の非一時的コンピュータ可読媒体。
  40. 前記選択されたユーザのグループのプログラム結果メトリクスは、前記目標の達成に関連する閾値プログラム結果メトリクスを上回り、
    前記目標の達成に関連する前記閾値プログラム結果メトリクスは、前記目標の達成に向けたプラスの前進の定義された最小量を示す、請求項３９に記載の非一時的コンピュータ可読媒体。
  41. 前記複数のアプリケーション機能の各々と前記目標との相関は、前記選択されたユーザのグループにおける、前記機能を使用したユーザの数、及び前記機能に関する前記数のユーザの行動エンゲージメントに基づく、請求項３３に記載の非一時的コンピュータ可読媒体。
  42. 前記アプリケーション機能に関する前記数のユーザの各々の行動エンゲージメントは、前記アプリケーション機能に関する前記数のユーザの各ユーザの行動エンゲージメントメトリクス（ＢＥＭ）によって示され、前記ＢＥＭは、前記数のユーザの各ユーザと、前記機能とのインタラクションに基づき、前記インタラクションは、
    前記数のユーザの各ユーザが前記アプリケーション機能とインタラクトする頻度、
    前記数のユーザの各ユーザが前記アプリケーション機能によって生成されたガイダンスを無視する頻度、
    前記数のユーザの各ユーザが前記アプリケーション機能とインタラクトするのに費やす平均時間量、又は
    前記数のユーザの各ユーザの行動が前記アプリケーション機能によって生成されたガイダンスにどれだけ忠実であるか、のうちの少なくとも１つを含む、請求項４１に記載の非一時的コンピュータ可読媒体。
  43. 前記１つ以上のアプリケーション機能の各々は、相関閾値を上回る前記目標との相関を有する、請求項３３に記載の非一時的コンピュータ可読媒体。
  44. 前記方法は、
    複数の入力を受信することであって、前記複数の入力は、
    前記グルコースモニタリングシステムによって生成された、前記ユーザに関連するグルコース測定値を含む第１の入力、及び
    前記１つ以上のアプリケーション機能に関する前記ユーザの行動を示す第２の入力を含む、受信することと、
    少なくとも前記第１の入力に基づいて、前記目標に関連するプログラム結果メトリクスを算出することであって、前記プログラム結果メトリクスは、前記ユーザが前記目標を達成した程度を示す、算出することと、
    前記第２の入力に基づいて、前記１つ以上のアプリケーション機能の１つ以上の行動エンゲージメントメトリクス（ＢＥＭ）を、前記１つ以上のアプリケーション機能の各々について別個のＢＥＭが算出されるように算出することと、
    前記選択されたユーザのグループ又は前記ユーザのプールにおいて、前記算出された１つ以上のＢＥＭに類似するＢＥＭを有する１人以上のユーザを識別することと、
    前記１つ以上の機能に含まれていない新たなアプリケーション機能を、前記機能が前記１人以上のユーザのうちの少なくとも１人について閾値を上回るＢＥＭに関連することに基づいて、識別することと、
    前記１つ以上のＢＥＭ及び前記プログラム結果メトリクスのうちの少なくとも一方に基づいて、前記新たなアプリケーション機能を用いて前記アプリケーションを再構成することと、を更に含む、請求項３３に記載の非一時的コンピュータ可読媒体。
  45. 前記１つ以上のＢＥＭの各ＢＥＭは、前記ユーザと、前記１つ以上のアプリケーション機能のうちの対応するアプリケーション機能とのインタラクションに基づいており、前記インタラクションは、
    前記ユーザが前記対応するアプリケーション機能とインタラクトする頻度、
    前記ユーザが前記対応するアプリケーション機能によって生成されたガイダンスを無視する頻度、
    前記ユーザが前記対応するアプリケーション機能とインタラクトするのに費やす平均時間量、又は
    前記ユーザの行動が前記対応するアプリケーション機能によって生成された前記ガイダンスにどれだけ忠実であるか、のうちの少なくとも１つを含む、請求項４４に記載の非一時的コンピュータ可読媒体。
  46. 前記新たなアプリケーション機能を用いて前記アプリケーションを再構成することは、
    閾値を下回る対応するＢＥＭを有する、前記１つ以上のアプリケーション機能のうちのパフォーマンスの低いアプリケーション機能を識別することと、
    前記１つ以上のアプリケーション機能のうちの前記パフォーマンスの低いアプリケーション機能を、前記新たなアプリケーション機能で置き換えることと、を含む、請求項４４に記載の非一時的コンピュータ可読媒体。
  47. 前記新たなアプリケーション機能を用いて前記アプリケーションを再構成することは、
    前記１つ以上のアプリケーション機能のうち前記パフォーマンスの低いアプリケーション機能が前記目標に関連することを識別することと、
    前記プログラム結果メトリクスが閾値を下回っていることを識別することと、を含む、請求項４６に記載の非一時的コンピュータ可読媒体。
  48. 前記１つ以上のアプリケーション機能の各アプリケーション機能は、機能設定を含む、請求項３３に記載の非一時的コンピュータ可読媒体。
JP2022566206A 2020-04-28 2021-04-27 適合型意思決定支援システム Pending JP2023524473A (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US202063016784P 2020-04-28 2020-04-28
US63/016,784 2020-04-28
PCT/US2021/029440 WO2021222282A1 (en) 2020-04-28 2021-04-27 Adaptive decision support systems

Publications (1)

Publication Number Publication Date
JP2023524473A true JP2023524473A (ja) 2023-06-12

Family

ID=78222770

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2022566206A Pending JP2023524473A (ja) 2020-04-28 2021-04-27 適合型意思決定支援システム

Country Status (7)

Country Link
US (1) US20210335499A1 (ja)
EP (1) EP4143751A4 (ja)
JP (1) JP2023524473A (ja)
CN (1) CN115605882A (ja)
AU (1) AU2021262765A1 (ja)
CA (1) CA3174125A1 (ja)
WO (1) WO2021222282A1 (ja)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2021168049A (ja) * 2020-04-10 2021-10-21 富士フイルムビジネスイノベーション株式会社 情報処理装置、及びプログラム
USD1013544S1 (en) 2022-04-29 2024-02-06 Biolinq Incorporated Wearable sensor
US20230178212A1 (en) * 2021-12-03 2023-06-08 Skoopin Inc. Method and system for foodservice with iot-based dietary tracking
USD1012744S1 (en) 2022-05-16 2024-01-30 Biolinq Incorporated Wearable sensor with illuminated display
WO2024123490A1 (en) * 2022-12-07 2024-06-13 Dexcom, Inc. Determining user-specific hyperparameters for decision support models
USD1035004S1 (en) 2023-02-28 2024-07-09 Biolinq Incorporated Wearable sensor

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10806404B2 (en) * 2004-03-05 2020-10-20 Health Outcomes Sciences, Inc. Systems and methods for utilizing wireless physiological sensors
JP6855244B2 (ja) * 2013-10-31 2021-04-07 デックスコム・インコーポレーテッド 連続的監視デバイスのための適応型インターフェース
CA3129254A1 (en) * 2016-02-01 2017-08-10 Dexcom, Inc. System and method for decision support using lifestyle factors
US10748658B2 (en) * 2016-05-13 2020-08-18 WellDoc, Inc. Database management and graphical user interfaces for measurements collected by analyzing blood
US10068494B2 (en) * 2016-10-14 2018-09-04 Invoy Holdings, Llc Artificial intelligence based health coaching based on ketone levels of participants
US20180272066A1 (en) * 2017-03-24 2018-09-27 Medtronic Minimed, Inc. Patient management systems and adherence recommendation methods
CA3089642A1 (en) * 2018-02-09 2019-08-15 Dexcom, Inc. System and method for decision support
US12032342B2 (en) * 2018-10-19 2024-07-09 Husqvarna Ab Personalized control of an outdoor power equipment tool

Also Published As

Publication number Publication date
CA3174125A1 (en) 2021-11-04
EP4143751A1 (en) 2023-03-08
CN115605882A (zh) 2023-01-13
AU2021262765A1 (en) 2022-10-06
EP4143751A4 (en) 2024-05-22
US20210335499A1 (en) 2021-10-28
WO2021222282A1 (en) 2021-11-04

Similar Documents

Publication Publication Date Title
US12016685B2 (en) Intermittent monitoring
AU2019202044B2 (en) System and method for educating users, including responding to patterns
JP2023524473A (ja) 適合型意思決定支援システム
US20220273204A1 (en) Intermittent Monitoring
US20220068453A1 (en) System and method for monitoring a therapeutic treatment
US20220384007A1 (en) System and method for monitoring compliance with an insulin regimen prescribed for a diabetic patient
US20240233938A1 (en) Decision support and treatment administration systems
CN118175960A (zh) 用于使用连续监测的分析物数据提供糖尿病决策支持的感测系统和方法
US12048533B2 (en) Evaluation of data to provide decision support for a ketogenic lifestyle
US20210267506A1 (en) Evaluation of data to provide decision support for a ketogenic lifestyle
CN118120021A (zh) 用于数据开发和提供用户交互策略的机器学习模型
WO2023219847A1 (en) Cost-effective therapy recommendations

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20240327