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 PDFInfo
- 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
Links
- 230000003044 adaptive effect Effects 0.000 title description 4
- 230000006870 function Effects 0.000 claims abstract description 298
- 238000000034 method Methods 0.000 claims abstract description 80
- 206010061818 Disease progression Diseases 0.000 claims abstract description 30
- 230000005750 disease progression Effects 0.000 claims abstract description 30
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 claims description 154
- 239000008103 glucose Substances 0.000 claims description 154
- 230000003542 behavioural effect Effects 0.000 claims description 87
- 229940079593 drug Drugs 0.000 claims description 73
- 239000003814 drug Substances 0.000 claims description 73
- 230000006399 behavior Effects 0.000 claims description 48
- 238000012544 monitoring process Methods 0.000 claims description 45
- 230000003993 interaction Effects 0.000 claims description 40
- 206010012601 diabetes mellitus Diseases 0.000 claims description 36
- 238000005259 measurement Methods 0.000 claims description 20
- 230000009183 running Effects 0.000 claims description 9
- 230000001131 transforming effect Effects 0.000 claims description 7
- NOESYZHRGYRDHS-UHFFFAOYSA-N insulin Chemical compound N1C(=O)C(NC(=O)C(CCC(N)=O)NC(=O)C(CCC(O)=O)NC(=O)C(C(C)C)NC(=O)C(NC(=O)CN)C(C)CC)CSSCC(C(NC(CO)C(=O)NC(CC(C)C)C(=O)NC(CC=2C=CC(O)=CC=2)C(=O)NC(CCC(N)=O)C(=O)NC(CC(C)C)C(=O)NC(CCC(O)=O)C(=O)NC(CC(N)=O)C(=O)NC(CC=2C=CC(O)=CC=2)C(=O)NC(CSSCC(NC(=O)C(C(C)C)NC(=O)C(CC(C)C)NC(=O)C(CC=2C=CC(O)=CC=2)NC(=O)C(CC(C)C)NC(=O)C(C)NC(=O)C(CCC(O)=O)NC(=O)C(C(C)C)NC(=O)C(CC(C)C)NC(=O)C(CC=2NC=NC=2)NC(=O)C(CO)NC(=O)CNC2=O)C(=O)NCC(=O)NC(CCC(O)=O)C(=O)NC(CCCNC(N)=N)C(=O)NCC(=O)NC(CC=3C=CC=CC=3)C(=O)NC(CC=3C=CC=CC=3)C(=O)NC(CC=3C=CC(O)=CC=3)C(=O)NC(C(C)O)C(=O)N3C(CCC3)C(=O)NC(CCCCN)C(=O)NC(C)C(O)=O)C(=O)NC(CC(N)=O)C(O)=O)=O)NC(=O)C(C(C)CC)NC(=O)C(CO)NC(=O)C(C(C)O)NC(=O)C1CSSCC2NC(=O)C(CC(C)C)NC(=O)C(NC(=O)C(CCC(N)=O)NC(=O)C(CC(N)=O)NC(=O)C(NC(=O)C(N)CC=1C=CC=CC=1)C(C)C)CC1=CN=CN1 NOESYZHRGYRDHS-UHFFFAOYSA-N 0.000 description 92
- 238000007726 management method Methods 0.000 description 71
- 210000004369 blood Anatomy 0.000 description 56
- 239000008280 blood Substances 0.000 description 56
- 102000004877 Insulin Human genes 0.000 description 46
- 108090001061 Insulin Proteins 0.000 description 46
- 229940125396 insulin Drugs 0.000 description 46
- 230000036541 health Effects 0.000 description 41
- 230000000694 effects Effects 0.000 description 35
- 239000012491 analyte Substances 0.000 description 34
- 230000000875 corresponding effect Effects 0.000 description 31
- 238000013517 stratification Methods 0.000 description 30
- 235000012054 meals Nutrition 0.000 description 28
- 238000010801 machine learning Methods 0.000 description 23
- 235000005911 diet Nutrition 0.000 description 16
- 201000010099 disease Diseases 0.000 description 16
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 16
- 238000011282 treatment Methods 0.000 description 15
- 238000013499 data model Methods 0.000 description 14
- 230000008569 process Effects 0.000 description 14
- 230000037213 diet Effects 0.000 description 13
- 230000009471 action Effects 0.000 description 12
- 235000000346 sugar Nutrition 0.000 description 12
- 230000004044 response Effects 0.000 description 11
- 238000003860 storage Methods 0.000 description 11
- 206010067584 Type 1 diabetes mellitus Diseases 0.000 description 10
- 230000002596 correlated effect Effects 0.000 description 9
- 235000012631 food intake Nutrition 0.000 description 9
- 230000002218 hypoglycaemic effect Effects 0.000 description 9
- 238000012545 processing Methods 0.000 description 9
- 239000000126 substance Substances 0.000 description 9
- BPYKTIZUTYGOLE-IFADSCNNSA-N Bilirubin Chemical compound N1C(=O)C(C)=C(C=C)\C1=C\C1=C(C)C(CCC(O)=O)=C(CC2=C(C(C)=C(\C=C/3C(=C(C=C)C(=O)N\3)C)N2)CCC(O)=O)N1 BPYKTIZUTYGOLE-IFADSCNNSA-N 0.000 description 8
- 235000006694 eating habits Nutrition 0.000 description 8
- 235000013305 food Nutrition 0.000 description 8
- 230000002641 glycemic effect Effects 0.000 description 8
- 150000001720 carbohydrates Chemical class 0.000 description 7
- 235000014633 carbohydrates Nutrition 0.000 description 7
- 230000033001 locomotion Effects 0.000 description 7
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 6
- 208000013016 Hypoglycemia Diseases 0.000 description 6
- DDRJAANPRJIHGJ-UHFFFAOYSA-N creatinine Chemical compound CN1CC(=O)NC1=N DDRJAANPRJIHGJ-UHFFFAOYSA-N 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 239000003925 fat Substances 0.000 description 6
- 238000001914 filtration Methods 0.000 description 6
- -1 hematocrit Chemical compound 0.000 description 6
- 230000037323 metabolic rate Effects 0.000 description 6
- 235000018102 proteins Nutrition 0.000 description 6
- 102000004169 proteins and genes Human genes 0.000 description 6
- 108090000623 proteins and genes Proteins 0.000 description 6
- 238000012549 training Methods 0.000 description 6
- JVTAAEKCZFNVCJ-UHFFFAOYSA-M Lactate Chemical compound CC(O)C([O-])=O JVTAAEKCZFNVCJ-UHFFFAOYSA-M 0.000 description 5
- LEHOTFFKMJEONL-UHFFFAOYSA-N Uric Acid Chemical compound N1C(=O)NC(=O)C2=C1NC(=O)N2 LEHOTFFKMJEONL-UHFFFAOYSA-N 0.000 description 5
- TVWHNULVHGKJHS-UHFFFAOYSA-N Uric acid Natural products N1C(=O)NC(=O)C2NC(=O)NC21 TVWHNULVHGKJHS-UHFFFAOYSA-N 0.000 description 5
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 5
- 230000008859 change Effects 0.000 description 5
- ZPUCINDJVBIVPJ-LJISPDSOSA-N cocaine Chemical compound O([C@H]1C[C@@H]2CC[C@@H](N2C)[C@H]1C(=O)OC)C(=O)C1=CC=CC=C1 ZPUCINDJVBIVPJ-LJISPDSOSA-N 0.000 description 5
- 235000005686 eating Nutrition 0.000 description 5
- 201000001421 hyperglycemia Diseases 0.000 description 5
- 239000001301 oxygen Substances 0.000 description 5
- 229910052760 oxygen Inorganic materials 0.000 description 5
- 238000002560 therapeutic procedure Methods 0.000 description 5
- 229940116269 uric acid Drugs 0.000 description 5
- CFFZDZCDUFSOFZ-UHFFFAOYSA-N 3,4-Dihydroxy-phenylacetic acid Chemical compound OC(=O)CC1=CC=C(O)C(O)=C1 CFFZDZCDUFSOFZ-UHFFFAOYSA-N 0.000 description 4
- 102000009027 Albumins Human genes 0.000 description 4
- 108010088751 Albumins Proteins 0.000 description 4
- CIWBSHSKHKDKBQ-JLAZNSOCSA-N Ascorbic acid Chemical compound OC[C@H](O)[C@H]1OC(=O)C(O)=C1O CIWBSHSKHKDKBQ-JLAZNSOCSA-N 0.000 description 4
- 241000700605 Viruses Species 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- VYFYYTLLBUKUHU-UHFFFAOYSA-N dopamine Chemical compound NCCC1=CC=C(O)C(O)=C1 VYFYYTLLBUKUHU-UHFFFAOYSA-N 0.000 description 4
- 239000012530 fluid Substances 0.000 description 4
- QRMZSPFSDQBLIX-UHFFFAOYSA-N homovanillic acid Chemical compound COC1=CC(CC(O)=O)=CC=C1O QRMZSPFSDQBLIX-UHFFFAOYSA-N 0.000 description 4
- 238000002347 injection Methods 0.000 description 4
- 239000007924 injection Substances 0.000 description 4
- JVTAAEKCZFNVCJ-UHFFFAOYSA-N lactic acid Chemical compound CC(O)C(O)=O JVTAAEKCZFNVCJ-UHFFFAOYSA-N 0.000 description 4
- 230000002503 metabolic effect Effects 0.000 description 4
- 239000002207 metabolite Substances 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- QZAYGJVTTNCVMB-UHFFFAOYSA-N serotonin Chemical compound C1=C(O)C=C2C(CCN)=CNC2=C1 QZAYGJVTTNCVMB-UHFFFAOYSA-N 0.000 description 4
- 208000001072 type 2 diabetes mellitus Diseases 0.000 description 4
- 102100036475 Alanine aminotransferase 1 Human genes 0.000 description 3
- 108010082126 Alanine transaminase Proteins 0.000 description 3
- 108020004774 Alkaline Phosphatase Proteins 0.000 description 3
- 102000002260 Alkaline Phosphatase Human genes 0.000 description 3
- 108010003415 Aspartate Aminotransferases Proteins 0.000 description 3
- 102000004625 Aspartate Aminotransferases Human genes 0.000 description 3
- OYPRJOBELJOOCE-UHFFFAOYSA-N Calcium Chemical compound [Ca] OYPRJOBELJOOCE-UHFFFAOYSA-N 0.000 description 3
- VEXZGXHMUGYJMC-UHFFFAOYSA-M Chloride anion Chemical compound [Cl-] VEXZGXHMUGYJMC-UHFFFAOYSA-M 0.000 description 3
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 3
- 101710107035 Gamma-glutamyltranspeptidase Proteins 0.000 description 3
- 206010018429 Glucose tolerance impaired Diseases 0.000 description 3
- 101710173228 Glutathione hydrolase proenzyme Proteins 0.000 description 3
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 3
- 241000700721 Hepatitis B virus Species 0.000 description 3
- 241000713772 Human immunodeficiency virus 1 Species 0.000 description 3
- DGAQECJNVWCQMB-PUAWFVPOSA-M Ilexoside XXIX Chemical compound C[C@@H]1CC[C@@]2(CC[C@@]3(C(=CC[C@H]4[C@]3(CC[C@@H]5[C@@]4(CC[C@@H](C5(C)C)OS(=O)(=O)[O-])C)C)[C@@H]2[C@]1(C)O)C)C(=O)O[C@H]6[C@@H]([C@H]([C@@H]([C@H](O6)CO)O)O)O.[Na+] DGAQECJNVWCQMB-PUAWFVPOSA-M 0.000 description 3
- 102000003855 L-lactate dehydrogenase Human genes 0.000 description 3
- 108700023483 L-lactate dehydrogenases Proteins 0.000 description 3
- FYYHWMGAXLPEAU-UHFFFAOYSA-N Magnesium Chemical compound [Mg] FYYHWMGAXLPEAU-UHFFFAOYSA-N 0.000 description 3
- 208000008589 Obesity Diseases 0.000 description 3
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 3
- ZLMJMSJWJFRBEC-UHFFFAOYSA-N Potassium Chemical compound [K] ZLMJMSJWJFRBEC-UHFFFAOYSA-N 0.000 description 3
- PNNCWTXUWKENPE-UHFFFAOYSA-N [N].NC(N)=O Chemical compound [N].NC(N)=O PNNCWTXUWKENPE-UHFFFAOYSA-N 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- WQZGKKKJIJFFOK-VFUOTHLCSA-N beta-D-glucose Chemical compound OC[C@H]1O[C@@H](O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-VFUOTHLCSA-N 0.000 description 3
- 235000013361 beverage Nutrition 0.000 description 3
- 239000011575 calcium Substances 0.000 description 3
- 229910052791 calcium Inorganic materials 0.000 description 3
- 229910002092 carbon dioxide Inorganic materials 0.000 description 3
- 229940109239 creatinine Drugs 0.000 description 3
- 230000000378 dietary effect Effects 0.000 description 3
- 210000003743 erythrocyte Anatomy 0.000 description 3
- 102000006640 gamma-Glutamyltransferase Human genes 0.000 description 3
- 238000005534 hematocrit Methods 0.000 description 3
- 229940088597 hormone Drugs 0.000 description 3
- 239000005556 hormone Substances 0.000 description 3
- 230000003345 hyperglycaemic effect Effects 0.000 description 3
- 230000002452 interceptive effect Effects 0.000 description 3
- 230000007774 longterm Effects 0.000 description 3
- 239000011777 magnesium Substances 0.000 description 3
- 229910052749 magnesium Inorganic materials 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- 235000016709 nutrition Nutrition 0.000 description 3
- 235000020824 obesity Nutrition 0.000 description 3
- 239000011574 phosphorus Substances 0.000 description 3
- 229910052698 phosphorus Inorganic materials 0.000 description 3
- 230000037081 physical activity Effects 0.000 description 3
- 239000011591 potassium Substances 0.000 description 3
- 229910052700 potassium Inorganic materials 0.000 description 3
- 229910052708 sodium Inorganic materials 0.000 description 3
- 239000011734 sodium Substances 0.000 description 3
- 230000004580 weight loss Effects 0.000 description 3
- 230000037221 weight management Effects 0.000 description 3
- KWGRBVOPPLSCSI-WPRPVWTQSA-N (-)-ephedrine Chemical compound CN[C@@H](C)[C@H](O)C1=CC=CC=C1 KWGRBVOPPLSCSI-WPRPVWTQSA-N 0.000 description 2
- KWTSXDURSIMDCE-QMMMGPOBSA-N (S)-amphetamine Chemical compound C[C@H](N)CC1=CC=CC=C1 KWTSXDURSIMDCE-QMMMGPOBSA-N 0.000 description 2
- WXTMDXOMEHJXQO-UHFFFAOYSA-N 2,5-dihydroxybenzoic acid Chemical compound OC(=O)C1=CC(O)=CC=C1O WXTMDXOMEHJXQO-UHFFFAOYSA-N 0.000 description 2
- LJCNDNBULVLKSG-UHFFFAOYSA-N 2-aminoacetic acid;butane Chemical compound CCCC.CCCC.NCC(O)=O LJCNDNBULVLKSG-UHFFFAOYSA-N 0.000 description 2
- DIVQKHQLANKJQO-UHFFFAOYSA-N 3-methoxytyramine Chemical compound COC1=CC(CCN)=CC=C1O DIVQKHQLANKJQO-UHFFFAOYSA-N 0.000 description 2
- DUUGKQCEGZLZNO-UHFFFAOYSA-N 5-hydroxyindoleacetic acid Chemical compound C1=C(O)C=C2C(CC(=O)O)=CNC2=C1 DUUGKQCEGZLZNO-UHFFFAOYSA-N 0.000 description 2
- 102100031126 6-phosphogluconolactonase Human genes 0.000 description 2
- 108010029731 6-phosphogluconolactonase Proteins 0.000 description 2
- RZVAJINKPMORJF-UHFFFAOYSA-N Acetaminophen Chemical compound CC(=O)NC1=CC=C(O)C=C1 RZVAJINKPMORJF-UHFFFAOYSA-N 0.000 description 2
- 108010005094 Advanced Glycation End Products Proteins 0.000 description 2
- 102000007698 Alcohol dehydrogenase Human genes 0.000 description 2
- 108010021809 Alcohol dehydrogenase Proteins 0.000 description 2
- 102000004452 Arginase Human genes 0.000 description 2
- 108700024123 Arginases Proteins 0.000 description 2
- XUIIKFGFIJCVMT-GFCCVEGCSA-N D-thyroxine Chemical compound IC1=CC(C[C@@H](N)C(O)=O)=CC(I)=C1OC1=CC(I)=C(O)C(I)=C1 XUIIKFGFIJCVMT-GFCCVEGCSA-N 0.000 description 2
- 206010013801 Duchenne Muscular Dystrophy Diseases 0.000 description 2
- 108010018962 Glucosephosphate Dehydrogenase Proteins 0.000 description 2
- NTYJJOPFIAHURM-UHFFFAOYSA-N Histamine Chemical compound NCCC1=CN=CN1 NTYJJOPFIAHURM-UHFFFAOYSA-N 0.000 description 2
- 206010022489 Insulin Resistance Diseases 0.000 description 2
- XADCESSVHJOZHK-UHFFFAOYSA-N Meperidine Chemical compound C=1C=CC=CC=1C1(C(=O)OCC)CCN(C)CC1 XADCESSVHJOZHK-UHFFFAOYSA-N 0.000 description 2
- NPPQSCRMBWNHMW-UHFFFAOYSA-N Meprobamate Chemical compound NC(=O)OCC(C)(CCC)COC(N)=O NPPQSCRMBWNHMW-UHFFFAOYSA-N 0.000 description 2
- GQPLMRYTRLFLPF-UHFFFAOYSA-N Nitrous Oxide Chemical compound [O-][N+]#N GQPLMRYTRLFLPF-UHFFFAOYSA-N 0.000 description 2
- BRUQQQPBMZOVGD-XFKAJCMBSA-N Oxycodone Chemical compound O=C([C@@H]1O2)CC[C@@]3(O)[C@H]4CC5=CC=C(OC)C2=C5[C@@]13CCN4C BRUQQQPBMZOVGD-XFKAJCMBSA-N 0.000 description 2
- RJKFOVLPORLFTN-LEKSSAKUSA-N Progesterone Chemical compound C1CC2=CC(=O)CC[C@]2(C)[C@@H]2[C@@H]1[C@@H]1CC[C@H](C(=O)C)[C@@]1(C)CC2 RJKFOVLPORLFTN-LEKSSAKUSA-N 0.000 description 2
- LOUPRKONTZGTKE-WZBLMQSHSA-N Quinine Chemical compound C([C@H]([C@H](C1)C=C)C2)C[N@@]1[C@@H]2[C@H](O)C1=CC=NC2=CC=C(OC)C=C21 LOUPRKONTZGTKE-WZBLMQSHSA-N 0.000 description 2
- XSQUKJJJFZCRTK-UHFFFAOYSA-N Urea Chemical compound NC(N)=O XSQUKJJJFZCRTK-UHFFFAOYSA-N 0.000 description 2
- 230000001154 acute effect Effects 0.000 description 2
- 229940025084 amphetamine Drugs 0.000 description 2
- 239000000427 antigen Substances 0.000 description 2
- 102000036639 antigens Human genes 0.000 description 2
- 108091007433 antigens Proteins 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 229960005070 ascorbic acid Drugs 0.000 description 2
- 235000010323 ascorbic acid Nutrition 0.000 description 2
- 239000011668 ascorbic acid Substances 0.000 description 2
- 235000021152 breakfast Nutrition 0.000 description 2
- 239000001569 carbon dioxide Substances 0.000 description 2
- 230000036996 cardiovascular health Effects 0.000 description 2
- HVYWMOMLDIMFJA-DPAQBDIFSA-N cholesterol Chemical compound C1C=C2C[C@@H](O)CC[C@]2(C)[C@@H]2[C@@H]1[C@@H]1CC[C@H]([C@H](C)CCCC(C)C)[C@@]1(C)CC2 HVYWMOMLDIMFJA-DPAQBDIFSA-N 0.000 description 2
- 229960003920 cocaine Drugs 0.000 description 2
- OROGSEYTTFOCAN-DNJOTXNNSA-N codeine Chemical compound C([C@H]1[C@H](N(CC[C@@]112)C)C3)=C[C@H](O)[C@@H]1OC1=C2C3=CC=C1OC OROGSEYTTFOCAN-DNJOTXNNSA-N 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 229960003638 dopamine Drugs 0.000 description 2
- 230000002255 enzymatic effect Effects 0.000 description 2
- 210000003722 extracellular fluid Anatomy 0.000 description 2
- 235000019197 fats Nutrition 0.000 description 2
- PJMPHNIQZUBGLI-UHFFFAOYSA-N fentanyl Chemical compound C=1C=CC=CC=1N(C(=O)CC)C(CC1)CCN1CCC1=CC=CC=C1 PJMPHNIQZUBGLI-UHFFFAOYSA-N 0.000 description 2
- 229960002428 fentanyl Drugs 0.000 description 2
- 238000001727 in vivo Methods 0.000 description 2
- 150000002576 ketones Chemical class 0.000 description 2
- 235000014655 lactic acid Nutrition 0.000 description 2
- 239000004310 lactic acid Substances 0.000 description 2
- 230000002045 lasting effect Effects 0.000 description 2
- 240000004308 marijuana Species 0.000 description 2
- 238000002483 medication Methods 0.000 description 2
- RHCSKNNOAZULRK-UHFFFAOYSA-N mescaline Chemical compound COC1=CC(CCN)=CC(OC)=C1OC RHCSKNNOAZULRK-UHFFFAOYSA-N 0.000 description 2
- 230000004060 metabolic process Effects 0.000 description 2
- 229960001252 methamphetamine Drugs 0.000 description 2
- MYWUZJCMWCOHBA-VIFPVBQESA-N methamphetamine Chemical compound CN[C@@H](C)CC1=CC=CC=C1 MYWUZJCMWCOHBA-VIFPVBQESA-N 0.000 description 2
- BQJCRHHNABKAKU-KBQPJGBKSA-N morphine Chemical compound O([C@H]1[C@H](C=C[C@H]23)O)C4=C5[C@@]12CCN(C)[C@@H]3CC5=CC=C4O BQJCRHHNABKAKU-KBQPJGBKSA-N 0.000 description 2
- 239000004081 narcotic agent Substances 0.000 description 2
- 230000035764 nutrition Effects 0.000 description 2
- 208000033808 peripheral neuropathy Diseases 0.000 description 2
- 229960000482 pethidine Drugs 0.000 description 2
- 239000008194 pharmaceutical composition Substances 0.000 description 2
- JTJMJGYZQZDUJJ-UHFFFAOYSA-N phencyclidine Chemical compound C1CCCCN1C1(C=2C=CC=CC=2)CCCCC1 JTJMJGYZQZDUJJ-UHFFFAOYSA-N 0.000 description 2
- 210000002381 plasma Anatomy 0.000 description 2
- 230000000291 postprandial effect Effects 0.000 description 2
- PAHGJZDQXIOYTH-UHFFFAOYSA-N pristanic acid Chemical compound CC(C)CCCC(C)CCCC(C)CCCC(C)C(O)=O PAHGJZDQXIOYTH-UHFFFAOYSA-N 0.000 description 2
- YGSDEFSMJLZEOE-UHFFFAOYSA-N salicylic acid Chemical compound OC(=O)C1=CC=CC=C1O YGSDEFSMJLZEOE-UHFFFAOYSA-N 0.000 description 2
- 230000001568 sexual effect Effects 0.000 description 2
- 235000011888 snacks Nutrition 0.000 description 2
- 235000002639 sodium chloride Nutrition 0.000 description 2
- 239000000243 solution Substances 0.000 description 2
- 238000007920 subcutaneous administration Methods 0.000 description 2
- 230000009182 swimming Effects 0.000 description 2
- 230000008685 targeting Effects 0.000 description 2
- ZFXYFBGIUFBOJW-UHFFFAOYSA-N theophylline Chemical compound O=C1N(C)C(=O)N(C)C2=C1NC=N2 ZFXYFBGIUFBOJW-UHFFFAOYSA-N 0.000 description 2
- XWTYSIMOBUGWOL-UHFFFAOYSA-N (+-)-Terbutaline Chemical compound CC(C)(C)NCC(O)C1=CC(O)=CC(O)=C1 XWTYSIMOBUGWOL-UHFFFAOYSA-N 0.000 description 1
- SNICXCGAKADSCV-JTQLQIEISA-N (-)-Nicotine Chemical compound CN1CCC[C@H]1C1=CC=CN=C1 SNICXCGAKADSCV-JTQLQIEISA-N 0.000 description 1
- SFLSHLFXELFNJZ-QMMMGPOBSA-N (-)-norepinephrine Chemical compound NC[C@H](O)C1=CC=C(O)C(O)=C1 SFLSHLFXELFNJZ-QMMMGPOBSA-N 0.000 description 1
- YKFCISHFRZHKHY-NGQGLHOPSA-N (2s)-2-amino-3-(3,4-dihydroxyphenyl)-2-methylpropanoic acid;trihydrate Chemical compound O.O.O.OC(=O)[C@](N)(C)CC1=CC=C(O)C(O)=C1.OC(=O)[C@](N)(C)CC1=CC=C(O)C(O)=C1 YKFCISHFRZHKHY-NGQGLHOPSA-N 0.000 description 1
- RLCKHJSFHOZMDR-UHFFFAOYSA-N (3R, 7R, 11R)-1-Phytanoid acid Natural products CC(C)CCCC(C)CCCC(C)CCCC(C)CC(O)=O RLCKHJSFHOZMDR-UHFFFAOYSA-N 0.000 description 1
- FPIPGXGPPPQFEQ-UHFFFAOYSA-N 13-cis retinol Natural products OCC=C(C)C=CC=C(C)C=CC1=C(C)CCCC1(C)C FPIPGXGPPPQFEQ-UHFFFAOYSA-N 0.000 description 1
- DBPWSSGDRRHUNT-UHFFFAOYSA-N 17alpha-hydroxy progesterone Natural products C1CC2=CC(=O)CCC2(C)C2C1C1CCC(C(=O)C)(O)C1(C)CC2 DBPWSSGDRRHUNT-UHFFFAOYSA-N 0.000 description 1
- LCZBQMKVFQNSJR-UJPCIWJBSA-N 21-deoxycortisol Chemical compound C1CC2=CC(=O)CC[C@]2(C)[C@@H]2[C@@H]1[C@@H]1CC[C@@](C(=O)C)(O)[C@@]1(C)C[C@@H]2O LCZBQMKVFQNSJR-UJPCIWJBSA-N 0.000 description 1
- SHXWCVYOXRDMCX-UHFFFAOYSA-N 3,4-methylenedioxymethamphetamine Chemical compound CNC(C)CC1=CC=C2OCOC2=C1 SHXWCVYOXRDMCX-UHFFFAOYSA-N 0.000 description 1
- RLCKHJSFHOZMDR-PWCSWUJKSA-N 3,7R,11R,15-tetramethyl-hexadecanoic acid Chemical compound CC(C)CCC[C@@H](C)CCC[C@@H](C)CCCC(C)CC(O)=O RLCKHJSFHOZMDR-PWCSWUJKSA-N 0.000 description 1
- WYEPBHZLDUPIOD-UHFFFAOYSA-N 4,6-dioxoheptanoic acid Chemical compound CC(=O)CC(=O)CCC(O)=O WYEPBHZLDUPIOD-UHFFFAOYSA-N 0.000 description 1
- WTJBBNOVSLEOFR-UHFFFAOYSA-N 4-(2-aminoethyl)cyclohexa-3,5-diene-1,1,2-triol Chemical compound NCCC1=CC(O)C(O)(O)C=C1 WTJBBNOVSLEOFR-UHFFFAOYSA-N 0.000 description 1
- 101710169336 5'-deoxyadenosine deaminase Proteins 0.000 description 1
- RVWZUOPFHTYIEO-UHFFFAOYSA-N 5-hydroxyindoleacetic acid Natural products C1=C(O)C=C2C(C(=O)O)=CNC2=C1 RVWZUOPFHTYIEO-UHFFFAOYSA-N 0.000 description 1
- 239000003310 5-hydroxyindoleacetic acid Substances 0.000 description 1
- 208000035657 Abasia Diseases 0.000 description 1
- 241000251468 Actinopterygii Species 0.000 description 1
- 108010024223 Adenine phosphoribosyltransferase Proteins 0.000 description 1
- 102100029457 Adenine phosphoribosyltransferase Human genes 0.000 description 1
- 102100036664 Adenosine deaminase Human genes 0.000 description 1
- 108010025188 Alcohol oxidase Proteins 0.000 description 1
- RLFWWDJHLFCNIJ-UHFFFAOYSA-N Aminoantipyrine Natural products CN1C(C)=C(N)C(=O)N1C1=CC=CC=C1 RLFWWDJHLFCNIJ-UHFFFAOYSA-N 0.000 description 1
- 239000004475 Arginine Substances 0.000 description 1
- 208000012657 Atopic disease Diseases 0.000 description 1
- 201000006935 Becker muscular dystrophy Diseases 0.000 description 1
- 102100026044 Biotinidase Human genes 0.000 description 1
- 108010039206 Biotinidase Proteins 0.000 description 1
- 206010048909 Boredom Diseases 0.000 description 1
- JQJPBYFTQAANLE-UHFFFAOYSA-N Butyl nitrite Chemical compound CCCCON=O JQJPBYFTQAANLE-UHFFFAOYSA-N 0.000 description 1
- KSFOVUSSGSKXFI-GAQDCDSVSA-N CC1=C/2NC(\C=C3/N=C(/C=C4\N\C(=C/C5=N/C(=C\2)/C(C=C)=C5C)C(C=C)=C4C)C(C)=C3CCC(O)=O)=C1CCC(O)=O Chemical compound CC1=C/2NC(\C=C3/N=C(/C=C4\N\C(=C/C5=N/C(=C\2)/C(C=C)=C5C)C(C=C)=C4C)C(C)=C3CCC(O)=O)=C1CCC(O)=O KSFOVUSSGSKXFI-GAQDCDSVSA-N 0.000 description 1
- 235000012766 Cannabis sativa ssp. sativa var. sativa Nutrition 0.000 description 1
- 235000012765 Cannabis sativa ssp. sativa var. spontanea Nutrition 0.000 description 1
- 108010033547 Carbonic Anhydrase I Proteins 0.000 description 1
- 102100025518 Carbonic anhydrase 1 Human genes 0.000 description 1
- 208000024172 Cardiovascular disease Diseases 0.000 description 1
- 208000002177 Cataract Diseases 0.000 description 1
- 241000242722 Cestoda Species 0.000 description 1
- 235000001258 Cinchona calisaya Nutrition 0.000 description 1
- 206010011732 Cyst Diseases 0.000 description 1
- 102000004674 D-amino-acid oxidase Human genes 0.000 description 1
- 108010003989 D-amino-acid oxidase Proteins 0.000 description 1
- HEBKCHPVOIAQTA-QWWZWVQMSA-N D-arabinitol Chemical class OC[C@@H](O)C(O)[C@H](O)CO HEBKCHPVOIAQTA-QWWZWVQMSA-N 0.000 description 1
- VVNCNSJFMMFHPL-VKHMYHEASA-N D-penicillamine Chemical compound CC(C)(S)[C@@H](N)C(O)=O VVNCNSJFMMFHPL-VKHMYHEASA-N 0.000 description 1
- 101710088194 Dehydrogenase Proteins 0.000 description 1
- 208000001490 Dengue Diseases 0.000 description 1
- 206010012310 Dengue fever Diseases 0.000 description 1
- MCYUUUTUAAGOOT-UHFFFAOYSA-N Desethylchloroquine Chemical compound ClC1=CC=C2C(NC(C)CCCNCC)=CC=NC2=C1 MCYUUUTUAAGOOT-UHFFFAOYSA-N 0.000 description 1
- 208000001380 Diabetic Ketoacidosis Diseases 0.000 description 1
- 241001319090 Dracunculus medinensis Species 0.000 description 1
- 241000224432 Entamoeba histolytica Species 0.000 description 1
- 241000991587 Enterovirus C Species 0.000 description 1
- 206010016654 Fibrosis Diseases 0.000 description 1
- CEAZRRDELHUEMR-URQXQFDESA-N Gentamicin Chemical compound O1[C@H](C(C)NC)CC[C@@H](N)[C@H]1O[C@H]1[C@H](O)[C@@H](O[C@@H]2[C@@H]([C@@H](NC)[C@@](C)(O)CO2)O)[C@H](N)C[C@@H]1N CEAZRRDELHUEMR-URQXQFDESA-N 0.000 description 1
- 229930182566 Gentamicin Natural products 0.000 description 1
- 241000224467 Giardia intestinalis Species 0.000 description 1
- 102000051325 Glucagon Human genes 0.000 description 1
- 108060003199 Glucagon Proteins 0.000 description 1
- 229920002527 Glycogen Polymers 0.000 description 1
- 206010053240 Glycogen storage disease type VI Diseases 0.000 description 1
- 241000132456 Haplocarpha Species 0.000 description 1
- 241000590002 Helicobacter pylori Species 0.000 description 1
- 108010085682 Hemoglobin A Proteins 0.000 description 1
- 102000007513 Hemoglobin A Human genes 0.000 description 1
- 108010085686 Hemoglobin C Proteins 0.000 description 1
- 108010068323 Hemoglobin E Proteins 0.000 description 1
- 108091005880 Hemoglobin F Proteins 0.000 description 1
- 208000032087 Hereditary Leber Optic Atrophy Diseases 0.000 description 1
- GVGLGOZIDCSQPN-PVHGPHFFSA-N Heroin Chemical compound O([C@H]1[C@H](C=C[C@H]23)OC(C)=O)C4=C5[C@@]12CCN(C)[C@@H]3CC5=CC=C4OC(C)=O GVGLGOZIDCSQPN-PVHGPHFFSA-N 0.000 description 1
- 241000714260 Human T-lymphotropic virus 1 Species 0.000 description 1
- 241000701024 Human betaherpesvirus 5 Species 0.000 description 1
- DOMWKUIIPQCAJU-LJHIYBGHSA-N Hydroxyprogesterone caproate Chemical compound C1CC2=CC(=O)CC[C@]2(C)[C@@H]2[C@@H]1[C@@H]1CC[C@@](C(C)=O)(OC(=O)CCCCC)[C@@]1(C)CC2 DOMWKUIIPQCAJU-LJHIYBGHSA-N 0.000 description 1
- 108010091358 Hypoxanthine Phosphoribosyltransferase Proteins 0.000 description 1
- 102000018251 Hypoxanthine Phosphoribosyltransferase Human genes 0.000 description 1
- HEFNNWSXXWATRW-UHFFFAOYSA-N Ibuprofen Chemical compound CC(C)CC1=CC=C(C(C)C(O)=O)C=C1 HEFNNWSXXWATRW-UHFFFAOYSA-N 0.000 description 1
- ZAGRKAFMISFKIO-UHFFFAOYSA-N Isolysergic acid Natural products C1=CC(C2=CC(CN(C2C2)C)C(O)=O)=C3C2=CNC3=C1 ZAGRKAFMISFKIO-UHFFFAOYSA-N 0.000 description 1
- WTDRDQBEARUVNC-LURJTMIESA-N L-DOPA Chemical compound OC(=O)[C@@H](N)CC1=CC=C(O)C(O)=C1 WTDRDQBEARUVNC-LURJTMIESA-N 0.000 description 1
- WTDRDQBEARUVNC-UHFFFAOYSA-N L-Dopa Natural products OC(=O)C(N)CC1=CC=C(O)C(O)=C1 WTDRDQBEARUVNC-UHFFFAOYSA-N 0.000 description 1
- FFFHZYDWPBMWHY-VKHMYHEASA-N L-homocysteine Chemical compound OC(=O)[C@@H](N)CCS FFFHZYDWPBMWHY-VKHMYHEASA-N 0.000 description 1
- COLNVLDHVKWLRT-QMMMGPOBSA-N L-phenylalanine Chemical compound OC(=O)[C@@H](N)CC1=CC=CC=C1 COLNVLDHVKWLRT-QMMMGPOBSA-N 0.000 description 1
- QIVBCDIJIAJPQS-VIFPVBQESA-N L-tryptophane Chemical compound C1=CC=C2C(C[C@H](N)C(O)=O)=CNC2=C1 QIVBCDIJIAJPQS-VIFPVBQESA-N 0.000 description 1
- OUYCCCASQSFEME-QMMMGPOBSA-N L-tyrosine Chemical compound OC(=O)[C@@H](N)CC1=CC=C(O)C=C1 OUYCCCASQSFEME-QMMMGPOBSA-N 0.000 description 1
- 201000000639 Leber hereditary optic neuropathy Diseases 0.000 description 1
- 241000222722 Leishmania <genus> Species 0.000 description 1
- 241000589902 Leptospira Species 0.000 description 1
- 241000883511 Lophophora williamsii Species 0.000 description 1
- 201000005505 Measles Diseases 0.000 description 1
- 241000002163 Mesapamea fractilinea Species 0.000 description 1
- JEYCTXHKTXCGPB-UHFFFAOYSA-N Methaqualone Chemical compound CC1=CC=CC=C1N1C(=O)C2=CC=CC=C2N=C1C JEYCTXHKTXCGPB-UHFFFAOYSA-N 0.000 description 1
- 208000005647 Mumps Diseases 0.000 description 1
- 241000186362 Mycobacterium leprae Species 0.000 description 1
- 241000202934 Mycoplasma pneumoniae Species 0.000 description 1
- 102000036675 Myoglobin Human genes 0.000 description 1
- 108010062374 Myoglobin Proteins 0.000 description 1
- 102000004722 NADPH Oxidases Human genes 0.000 description 1
- 108010002998 NADPH Oxidases Proteins 0.000 description 1
- 239000008896 Opium Substances 0.000 description 1
- 102000004316 Oxidoreductases Human genes 0.000 description 1
- 108090000854 Oxidoreductases Proteins 0.000 description 1
- 229910019142 PO4 Inorganic materials 0.000 description 1
- 208000002606 Paramyxoviridae Infections Diseases 0.000 description 1
- 241000224016 Plasmodium Species 0.000 description 1
- 241000223810 Plasmodium vivax Species 0.000 description 1
- 206010062519 Poor quality sleep Diseases 0.000 description 1
- CZWCKYRVOZZJNM-UHFFFAOYSA-N Prasterone sodium sulfate Natural products C1C(OS(O)(=O)=O)CCC2(C)C3CCC(C)(C(CC4)=O)C4C3CC=C21 CZWCKYRVOZZJNM-UHFFFAOYSA-N 0.000 description 1
- 208000001280 Prediabetic State Diseases 0.000 description 1
- 101710101148 Probable 6-oxopurine nucleoside phosphorylase Proteins 0.000 description 1
- 102000003946 Prolactin Human genes 0.000 description 1
- 108010057464 Prolactin Proteins 0.000 description 1
- 241000589517 Pseudomonas aeruginosa Species 0.000 description 1
- 102000030764 Purine-nucleoside phosphorylase Human genes 0.000 description 1
- 206010037660 Pyrexia Diseases 0.000 description 1
- LCTONWCANYUPML-UHFFFAOYSA-M Pyruvate Chemical compound CC(=O)C([O-])=O LCTONWCANYUPML-UHFFFAOYSA-M 0.000 description 1
- 238000001069 Raman spectroscopy Methods 0.000 description 1
- 241000725643 Respiratory syncytial virus Species 0.000 description 1
- 241000606701 Rickettsia Species 0.000 description 1
- 241000242680 Schistosoma mansoni Species 0.000 description 1
- 108010016797 Sickle Hemoglobin Proteins 0.000 description 1
- FAPWRFPIFSIZLT-UHFFFAOYSA-M Sodium chloride Chemical compound [Na+].[Cl-] FAPWRFPIFSIZLT-UHFFFAOYSA-M 0.000 description 1
- PJSFRIWCGOHTNF-UHFFFAOYSA-N Sulphormetoxin Chemical compound COC1=NC=NC(NS(=O)(=O)C=2C=CC(N)=CC=2)=C1OC PJSFRIWCGOHTNF-UHFFFAOYSA-N 0.000 description 1
- CYQFCXCEBYINGO-UHFFFAOYSA-N THC Natural products C1=C(C)CCC2C(C)(C)OC3=CC(CCCCC)=CC(O)=C3C21 CYQFCXCEBYINGO-UHFFFAOYSA-N 0.000 description 1
- 239000004098 Tetracycline Substances 0.000 description 1
- JLRGJRBPOGGCBT-UHFFFAOYSA-N Tolbutamide Chemical compound CCCCNC(=O)NS(=O)(=O)C1=CC=C(C)C=C1 JLRGJRBPOGGCBT-UHFFFAOYSA-N 0.000 description 1
- 241000223997 Toxoplasma gondii Species 0.000 description 1
- 241000589884 Treponema pallidum Species 0.000 description 1
- 241000223259 Trichoderma Species 0.000 description 1
- 241000223109 Trypanosoma cruzi Species 0.000 description 1
- 102000004142 Trypsin Human genes 0.000 description 1
- 108090000631 Trypsin Proteins 0.000 description 1
- QIVBCDIJIAJPQS-UHFFFAOYSA-N Tryptophan Natural products C1=CC=C2C(CC(N)C(O)=O)=CNC2=C1 QIVBCDIJIAJPQS-UHFFFAOYSA-N 0.000 description 1
- 108010058532 UTP-hexose-1-phosphate uridylyltransferase Proteins 0.000 description 1
- 102000006321 UTP-hexose-1-phosphate uridylyltransferase Human genes 0.000 description 1
- 241000711975 Vesicular stomatitis virus Species 0.000 description 1
- FPIPGXGPPPQFEQ-BOOMUCAASA-N Vitamin A Natural products OC/C=C(/C)\C=C\C=C(\C)/C=C/C1=C(C)CCCC1(C)C FPIPGXGPPPQFEQ-BOOMUCAASA-N 0.000 description 1
- 102100039662 Xaa-Pro dipeptidase Human genes 0.000 description 1
- 108010093894 Xanthine oxidase Proteins 0.000 description 1
- 102100033220 Xanthine oxidase Human genes 0.000 description 1
- 241000710772 Yellow fever virus Species 0.000 description 1
- 238000004847 absorption spectroscopy Methods 0.000 description 1
- 230000002378 acidificating effect Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 210000000577 adipose tissue Anatomy 0.000 description 1
- FPIPGXGPPPQFEQ-OVSJKPMPSA-N all-trans-retinol Chemical compound OC\C=C(/C)\C=C\C=C(/C)\C=C\C1=C(C)CCCC1(C)C FPIPGXGPPPQFEQ-OVSJKPMPSA-N 0.000 description 1
- 102000015395 alpha 1-Antitrypsin Human genes 0.000 description 1
- 108010050122 alpha 1-Antitrypsin Proteins 0.000 description 1
- 229940024142 alpha 1-antitrypsin Drugs 0.000 description 1
- 102000013529 alpha-Fetoproteins Human genes 0.000 description 1
- 108010026331 alpha-Fetoproteins Proteins 0.000 description 1
- 150000001412 amines Chemical class 0.000 description 1
- 229940024606 amino acid Drugs 0.000 description 1
- 235000001014 amino acid Nutrition 0.000 description 1
- 150000001413 amino acids Chemical class 0.000 description 1
- 229960003116 amyl nitrite Drugs 0.000 description 1
- 239000003263 anabolic agent Substances 0.000 description 1
- 229940070021 anabolic steroids Drugs 0.000 description 1
- 230000003460 anti-nuclear Effects 0.000 description 1
- VEQOALNAAJBPNY-UHFFFAOYSA-N antipyrine Chemical compound CN1C(C)=CC(=O)N1C1=CC=CC=C1 VEQOALNAAJBPNY-UHFFFAOYSA-N 0.000 description 1
- 235000019789 appetite Nutrition 0.000 description 1
- 230000036528 appetite Effects 0.000 description 1
- ODKSFYDXXFIFQN-UHFFFAOYSA-N arginine Natural products OC(=O)C(N)CCCNC(N)=N ODKSFYDXXFIFQN-UHFFFAOYSA-N 0.000 description 1
- 230000000386 athletic effect Effects 0.000 description 1
- 229910052788 barium Inorganic materials 0.000 description 1
- DSAJWYNOEDNPEQ-UHFFFAOYSA-N barium atom Chemical compound [Ba] DSAJWYNOEDNPEQ-UHFFFAOYSA-N 0.000 description 1
- 210000000227 basophil cell of anterior lobe of hypophysis Anatomy 0.000 description 1
- 208000005980 beta thalassemia Diseases 0.000 description 1
- 239000013060 biological fluid Substances 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 239000012472 biological sample Substances 0.000 description 1
- 230000036765 blood level Effects 0.000 description 1
- 230000036772 blood pressure Effects 0.000 description 1
- 210000001124 body fluid Anatomy 0.000 description 1
- 230000036760 body temperature Effects 0.000 description 1
- 230000037396 body weight Effects 0.000 description 1
- 235000021162 brunch Nutrition 0.000 description 1
- 238000007707 calorimetry Methods 0.000 description 1
- 239000004202 carbamide Substances 0.000 description 1
- 235000021074 carbohydrate intake Nutrition 0.000 description 1
- 230000002612 cardiopulmonary effect Effects 0.000 description 1
- 210000004027 cell Anatomy 0.000 description 1
- 229940083181 centrally acting adntiadrenergic agent methyldopa Drugs 0.000 description 1
- 210000001175 cerebrospinal fluid Anatomy 0.000 description 1
- 235000013351 cheese Nutrition 0.000 description 1
- 239000013043 chemical agent Substances 0.000 description 1
- 239000007795 chemical reaction product Substances 0.000 description 1
- ANTSCNMPPGJYLG-UHFFFAOYSA-N chlordiazepoxide Chemical compound O=N=1CC(NC)=NC2=CC=C(Cl)C=C2C=1C1=CC=CC=C1 ANTSCNMPPGJYLG-UHFFFAOYSA-N 0.000 description 1
- 235000012000 cholesterol Nutrition 0.000 description 1
- 230000001684 chronic effect Effects 0.000 description 1
- 208000020832 chronic kidney disease Diseases 0.000 description 1
- LOUPRKONTZGTKE-UHFFFAOYSA-N cinchonine Natural products C1C(C(C2)C=C)CCN2C1C(O)C1=CC=NC2=CC=C(OC)C=C21 LOUPRKONTZGTKE-UHFFFAOYSA-N 0.000 description 1
- 229960004126 codeine Drugs 0.000 description 1
- 230000001149 cognitive effect Effects 0.000 description 1
- 238000004040 coloring Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 239000002872 contrast media Substances 0.000 description 1
- 235000014510 cooky Nutrition 0.000 description 1
- 230000001351 cycling effect Effects 0.000 description 1
- 208000031513 cyst Diseases 0.000 description 1
- KWGRBVOPPLSCSI-UHFFFAOYSA-N d-ephedrine Natural products CNC(C)C(O)C1=CC=CC=C1 KWGRBVOPPLSCSI-UHFFFAOYSA-N 0.000 description 1
- 235000013365 dairy product Nutrition 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- CZWCKYRVOZZJNM-USOAJAOKSA-N dehydroepiandrosterone sulfate Chemical compound C1[C@@H](OS(O)(=O)=O)CC[C@]2(C)[C@H]3CC[C@](C)(C(CC4)=O)[C@@H]4[C@@H]3CC=C21 CZWCKYRVOZZJNM-USOAJAOKSA-N 0.000 description 1
- CYQFCXCEBYINGO-IAGOWNOFSA-N delta1-THC Chemical compound C1=C(C)CC[C@H]2C(C)(C)OC3=CC(CCCCC)=CC(O)=C3[C@@H]21 CYQFCXCEBYINGO-IAGOWNOFSA-N 0.000 description 1
- 208000025729 dengue disease Diseases 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000002542 deteriorative effect Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 229960002069 diamorphine Drugs 0.000 description 1
- 235000014113 dietary fatty acids Nutrition 0.000 description 1
- 235000008242 dietary patterns Nutrition 0.000 description 1
- 235000020979 dietary recommendations Nutrition 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 235000019621 digestibility Nutrition 0.000 description 1
- 210000002249 digestive system Anatomy 0.000 description 1
- 150000002009 diols Chemical class 0.000 description 1
- HYPPXZBJBPSRLK-UHFFFAOYSA-N diphenoxylate Chemical compound C1CC(C(=O)OCC)(C=2C=CC=CC=2)CCN1CCC(C#N)(C=1C=CC=CC=1)C1=CC=CC=C1 HYPPXZBJBPSRLK-UHFFFAOYSA-N 0.000 description 1
- 206010013023 diphtheria Diseases 0.000 description 1
- QCHSEDTUUKDTIG-UHFFFAOYSA-L dipotassium clorazepate Chemical compound [OH-].[K+].[K+].C12=CC(Cl)=CC=C2NC(=O)C(C(=O)[O-])N=C1C1=CC=CC=C1 QCHSEDTUUKDTIG-UHFFFAOYSA-L 0.000 description 1
- 229960004242 dronabinol Drugs 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 229940007078 entamoeba histolytica Drugs 0.000 description 1
- 229960002179 ephedrine Drugs 0.000 description 1
- 230000001747 exhibiting effect Effects 0.000 description 1
- 210000000416 exudates and transudate Anatomy 0.000 description 1
- 208000030533 eye disease Diseases 0.000 description 1
- 229930195729 fatty acid Natural products 0.000 description 1
- 239000000194 fatty acid Substances 0.000 description 1
- 150000004665 fatty acids Chemical class 0.000 description 1
- 210000003608 fece Anatomy 0.000 description 1
- 230000004761 fibrosis Effects 0.000 description 1
- NBVXSUQYWXRMNV-UHFFFAOYSA-N fluoromethane Chemical compound FC NBVXSUQYWXRMNV-UHFFFAOYSA-N 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 229930182830 galactose Natural products 0.000 description 1
- 229960002518 gentamicin Drugs 0.000 description 1
- 229960005219 gentisic acid Drugs 0.000 description 1
- 208000004104 gestational diabetes Diseases 0.000 description 1
- 229940085435 giardia lamblia Drugs 0.000 description 1
- MASNOZXLGMXCHN-ZLPAWPGGSA-N glucagon Chemical compound C([C@@H](C(=O)N[C@H](C(=O)N[C@@H](CCC(N)=O)C(=O)N[C@@H](CC=1C2=CC=CC=C2NC=1)C(=O)N[C@@H](CC(C)C)C(=O)N[C@@H](CCSC)C(=O)N[C@@H](CC(N)=O)C(=O)N[C@@H]([C@@H](C)O)C(O)=O)C(C)C)NC(=O)[C@H](CC(O)=O)NC(=O)[C@H](CCC(N)=O)NC(=O)[C@H](C)NC(=O)[C@H](CCCNC(N)=N)NC(=O)[C@H](CCCNC(N)=N)NC(=O)[C@H](CO)NC(=O)[C@H](CC(O)=O)NC(=O)[C@H](CC(C)C)NC(=O)[C@H](CC=1C=CC(O)=CC=1)NC(=O)[C@H](CCCCN)NC(=O)[C@H](CO)NC(=O)[C@H](CC=1C=CC(O)=CC=1)NC(=O)[C@H](CC(O)=O)NC(=O)[C@H](CO)NC(=O)[C@@H](NC(=O)[C@H](CC=1C=CC=CC=1)NC(=O)[C@@H](NC(=O)CNC(=O)[C@H](CCC(N)=O)NC(=O)[C@H](CO)NC(=O)[C@@H](N)CC=1NC=NC=1)[C@@H](C)O)[C@@H](C)O)C1=CC=CC=C1 MASNOZXLGMXCHN-ZLPAWPGGSA-N 0.000 description 1
- 229960004666 glucagon Drugs 0.000 description 1
- 125000002791 glucosyl group Chemical group C1([C@H](O)[C@@H](O)[C@H](O)[C@H](O1)CO)* 0.000 description 1
- RWSXRVCMGQZWBV-WDSKDSINSA-N glutathione Chemical compound OC(=O)[C@@H](N)CCC(=O)N[C@@H](CS)C(=O)NCC(O)=O RWSXRVCMGQZWBV-WDSKDSINSA-N 0.000 description 1
- 229940096919 glycogen Drugs 0.000 description 1
- 230000036449 good health Effects 0.000 description 1
- 239000000380 hallucinogen Substances 0.000 description 1
- 230000007407 health benefit Effects 0.000 description 1
- 230000005802 health problem Effects 0.000 description 1
- 208000019622 heart disease Diseases 0.000 description 1
- 229940037467 helicobacter pylori Drugs 0.000 description 1
- 108010047389 hemoglobin D Proteins 0.000 description 1
- 230000002440 hepatic effect Effects 0.000 description 1
- 229960001340 histamine Drugs 0.000 description 1
- HNDVDQJCIGZPNO-UHFFFAOYSA-N histidine Natural products OC(=O)C(N)CC1=CN=CN1 HNDVDQJCIGZPNO-UHFFFAOYSA-N 0.000 description 1
- 229940084986 human chorionic gonadotropin Drugs 0.000 description 1
- 229930195733 hydrocarbon Natural products 0.000 description 1
- 150000002430 hydrocarbons Chemical class 0.000 description 1
- OROGSEYTTFOCAN-UHFFFAOYSA-N hydrocodone Natural products C1C(N(CCC234)C)C2C=CC(O)C3OC2=C4C1=CC=C2OC OROGSEYTTFOCAN-UHFFFAOYSA-N 0.000 description 1
- JUMYIBMBTDDLNG-OJERSXHUSA-N hydron;methyl (2r)-2-phenyl-2-[(2r)-piperidin-2-yl]acetate;chloride Chemical compound Cl.C([C@@H]1[C@H](C(=O)OC)C=2C=CC=CC=2)CCCN1 JUMYIBMBTDDLNG-OJERSXHUSA-N 0.000 description 1
- 229950000801 hydroxyprogesterone caproate Drugs 0.000 description 1
- 239000013315 hypercross-linked polymer Substances 0.000 description 1
- 229960001680 ibuprofen Drugs 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000000984 immunochemical effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000010348 incorporation Methods 0.000 description 1
- 239000004615 ingredient Substances 0.000 description 1
- 229910052500 inorganic mineral Inorganic materials 0.000 description 1
- 238000001990 intravenous administration Methods 0.000 description 1
- 235000020887 ketogenic diet Nutrition 0.000 description 1
- 210000003734 kidney Anatomy 0.000 description 1
- 208000017169 kidney disease Diseases 0.000 description 1
- 210000000265 leukocyte Anatomy 0.000 description 1
- 210000004185 liver Anatomy 0.000 description 1
- 229940087973 lomotil Drugs 0.000 description 1
- 230000005923 long-lasting effect Effects 0.000 description 1
- 230000001926 lymphatic effect Effects 0.000 description 1
- ZAGRKAFMISFKIO-QMTHXVAHSA-N lysergic acid Chemical compound C1=CC(C2=C[C@H](CN([C@@H]2C2)C)C(O)=O)=C3C2=CNC3=C1 ZAGRKAFMISFKIO-QMTHXVAHSA-N 0.000 description 1
- 230000006996 mental state Effects 0.000 description 1
- 229960002803 methaqualone Drugs 0.000 description 1
- 239000011707 mineral Substances 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 229960005181 morphine Drugs 0.000 description 1
- 208000010805 mumps infectious disease Diseases 0.000 description 1
- CSDTZUBPSYWZDX-UHFFFAOYSA-N n-pentyl nitrite Chemical compound CCCCCON=O CSDTZUBPSYWZDX-UHFFFAOYSA-N 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000001722 neurochemical effect Effects 0.000 description 1
- 201000001119 neuropathy Diseases 0.000 description 1
- 230000007823 neuropathy Effects 0.000 description 1
- 229960002715 nicotine Drugs 0.000 description 1
- SNICXCGAKADSCV-UHFFFAOYSA-N nicotine Natural products CN1CCCC1C1=CC=CN=C1 SNICXCGAKADSCV-UHFFFAOYSA-N 0.000 description 1
- 239000001272 nitrous oxide Substances 0.000 description 1
- 230000000422 nocturnal effect Effects 0.000 description 1
- SFLSHLFXELFNJZ-UHFFFAOYSA-N norepinephrine Natural products NCC(O)C1=CC=C(O)C(O)=C1 SFLSHLFXELFNJZ-UHFFFAOYSA-N 0.000 description 1
- 229960002748 norepinephrine Drugs 0.000 description 1
- 229960001027 opium Drugs 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 229940126701 oral medication Drugs 0.000 description 1
- 230000027758 ovulation cycle Effects 0.000 description 1
- 210000000496 pancreas Anatomy 0.000 description 1
- 230000004203 pancreatic function Effects 0.000 description 1
- FJKROLUGYXJWQN-UHFFFAOYSA-N papa-hydroxy-benzoic acid Natural products OC(=O)C1=CC=C(O)C=C1 FJKROLUGYXJWQN-UHFFFAOYSA-N 0.000 description 1
- 229960005489 paracetamol Drugs 0.000 description 1
- 229960001639 penicillamine Drugs 0.000 description 1
- 229940011043 percocet Drugs 0.000 description 1
- 229960005222 phenazone Drugs 0.000 description 1
- 229950010883 phencyclidine Drugs 0.000 description 1
- COLNVLDHVKWLRT-UHFFFAOYSA-N phenylalanine Natural products OC(=O)C(N)CC1=CC=CC=C1 COLNVLDHVKWLRT-UHFFFAOYSA-N 0.000 description 1
- 239000010452 phosphate Substances 0.000 description 1
- 230000004962 physiological condition Effects 0.000 description 1
- 230000035479 physiological effects, processes and functions Effects 0.000 description 1
- 239000006187 pill Substances 0.000 description 1
- 238000000711 polarimetry Methods 0.000 description 1
- 229950009829 prasterone sulfate Drugs 0.000 description 1
- 201000009104 prediabetes syndrome Diseases 0.000 description 1
- 230000035935 pregnancy Effects 0.000 description 1
- 239000000186 progesterone Substances 0.000 description 1
- 229960003387 progesterone Drugs 0.000 description 1
- 229940097325 prolactin Drugs 0.000 description 1
- 108010066823 proline dipeptidase Proteins 0.000 description 1
- 229950003776 protoporphyrin Drugs 0.000 description 1
- 229960000948 quinine Drugs 0.000 description 1
- 235000020989 red meat Nutrition 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 229940099204 ritalin Drugs 0.000 description 1
- 201000005404 rubella Diseases 0.000 description 1
- 108010093322 s-formylglutathione hydrolase Proteins 0.000 description 1
- 102000028528 s-formylglutathione hydrolase Human genes 0.000 description 1
- 229960004889 salicylic acid Drugs 0.000 description 1
- 210000003296 saliva Anatomy 0.000 description 1
- 150000003839 salts Chemical class 0.000 description 1
- 239000000523 sample Substances 0.000 description 1
- 206010039766 scrub typhus Diseases 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 210000002966 serum Anatomy 0.000 description 1
- 239000011780 sodium chloride Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000000021 stimulant Substances 0.000 description 1
- 150000008163 sugars Chemical class 0.000 description 1
- 229960004673 sulfadoxine Drugs 0.000 description 1
- 229960000195 terbutaline Drugs 0.000 description 1
- 229960002180 tetracycline Drugs 0.000 description 1
- 229930101283 tetracycline Natural products 0.000 description 1
- 235000019364 tetracycline Nutrition 0.000 description 1
- 150000003522 tetracyclines Chemical class 0.000 description 1
- 229960000278 theophylline Drugs 0.000 description 1
- 229940034208 thyroxine Drugs 0.000 description 1
- XUIIKFGFIJCVMT-UHFFFAOYSA-N thyroxine-binding globulin Natural products IC1=CC(CC([NH3+])C([O-])=O)=CC(I)=C1OC1=CC(I)=C(O)C(I)=C1 XUIIKFGFIJCVMT-UHFFFAOYSA-N 0.000 description 1
- OUDSBRTVNLOZBN-UHFFFAOYSA-N tolazamide Chemical compound C1=CC(C)=CC=C1S(=O)(=O)NC(=O)NN1CCCCCC1 OUDSBRTVNLOZBN-UHFFFAOYSA-N 0.000 description 1
- 229960002277 tolazamide Drugs 0.000 description 1
- 229960005371 tolbutamide Drugs 0.000 description 1
- 239000003204 tranquilizing agent Substances 0.000 description 1
- 230000002936 tranquilizing effect Effects 0.000 description 1
- LOIYMIARKYCTBW-OWOJBTEDSA-N trans-urocanic acid Chemical compound OC(=O)\C=C\C1=CNC=N1 LOIYMIARKYCTBW-OWOJBTEDSA-N 0.000 description 1
- LOIYMIARKYCTBW-UHFFFAOYSA-N trans-urocanic acid Natural products OC(=O)C=CC1=CNC=N1 LOIYMIARKYCTBW-UHFFFAOYSA-N 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 229940063648 tranxene Drugs 0.000 description 1
- 150000003626 triacylglycerols Chemical class 0.000 description 1
- 230000004102 tricarboxylic acid cycle Effects 0.000 description 1
- 239000012588 trypsin Substances 0.000 description 1
- OUYCCCASQSFEME-UHFFFAOYSA-N tyrosine Natural products OC(=O)C(N)CC1=CC=C(O)C=C1 OUYCCCASQSFEME-UHFFFAOYSA-N 0.000 description 1
- 241000701161 unidentified adenovirus Species 0.000 description 1
- 241001529453 unidentified herpesvirus Species 0.000 description 1
- 241000712461 unidentified influenza virus Species 0.000 description 1
- 210000002700 urine Anatomy 0.000 description 1
- 230000002792 vascular Effects 0.000 description 1
- 239000011782 vitamin Substances 0.000 description 1
- 235000013343 vitamin Nutrition 0.000 description 1
- 229940088594 vitamin Drugs 0.000 description 1
- 229930003231 vitamin Natural products 0.000 description 1
- 235000019155 vitamin A Nutrition 0.000 description 1
- 239000011719 vitamin A Substances 0.000 description 1
- 229940045997 vitamin a Drugs 0.000 description 1
- 230000003442 weekly effect Effects 0.000 description 1
- 230000036642 wellbeing Effects 0.000 description 1
- 108010027345 wheylin-1 peptide Proteins 0.000 description 1
- 229940051021 yellow-fever virus Drugs 0.000 description 1
- FUTVBRXUIKZACV-UHFFFAOYSA-J zinc;3-[18-(2-carboxylatoethyl)-8,13-bis(ethenyl)-3,7,12,17-tetramethylporphyrin-21,24-diid-2-yl]propanoate Chemical compound [Zn+2].[N-]1C2=C(C)C(CCC([O-])=O)=C1C=C([N-]1)C(CCC([O-])=O)=C(C)C1=CC(C(C)=C1C=C)=NC1=CC(C(C)=C1C=C)=NC1=C2 FUTVBRXUIKZACV-UHFFFAOYSA-J 0.000 description 1
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、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。
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。
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。
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)+・・・
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)
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)
- 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。 - 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。 - 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。 - 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。 - 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。
- 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。
- 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。
- 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。 - 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。
- 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。 - 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。
- 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。 - 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。 - 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。 - 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。 - 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。
- 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。 - 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。 - 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。 - 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。 - 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。
- 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。
- 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。
- 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。 - 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。
- 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。 - 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。
- 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。 - 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。 - 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。 - 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。 - 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。
- 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。 - 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。 - 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。 - 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。 - 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。
- 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。
- 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。
- 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。 - 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。
- 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。 - 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。
- 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。 - 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。 - 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。 - 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。 - 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。
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)
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)
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 |
-
2021
- 2021-04-27 US US17/241,919 patent/US20210335499A1/en active Pending
- 2021-04-27 EP EP21796189.5A patent/EP4143751A4/en active Pending
- 2021-04-27 CA CA3174125A patent/CA3174125A1/en active Pending
- 2021-04-27 WO PCT/US2021/029440 patent/WO2021222282A1/en unknown
- 2021-04-27 JP JP2022566206A patent/JP2023524473A/ja active Pending
- 2021-04-27 CN CN202180024827.4A patent/CN115605882A/zh active Pending
- 2021-04-27 AU AU2021262765A patent/AU2021262765A1/en active Pending
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 |