JP6462585B2 - 医学的測定曲線の評価方法 - Google Patents
医学的測定曲線の評価方法 Download PDFInfo
- Publication number
- JP6462585B2 JP6462585B2 JP2015548568A JP2015548568A JP6462585B2 JP 6462585 B2 JP6462585 B2 JP 6462585B2 JP 2015548568 A JP2015548568 A JP 2015548568A JP 2015548568 A JP2015548568 A JP 2015548568A JP 6462585 B2 JP6462585 B2 JP 6462585B2
- Authority
- JP
- Japan
- Prior art keywords
- measurement curve
- value
- curve
- evaluation
- optical measurement
- 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.)
- Active
Links
- 238000005259 measurement Methods 0.000 title claims description 586
- 238000011156 evaluation Methods 0.000 title claims description 307
- 230000003287 optical effect Effects 0.000 claims description 305
- 238000000034 method Methods 0.000 claims description 298
- 210000001124 body fluid Anatomy 0.000 claims description 190
- 239000010839 body fluid Substances 0.000 claims description 176
- 239000012491 analyte Substances 0.000 claims description 162
- 238000012360 testing method Methods 0.000 claims description 150
- 238000004422 calculation algorithm Methods 0.000 claims description 133
- 238000001514 detection method Methods 0.000 claims description 128
- 238000006243 chemical reaction Methods 0.000 claims description 123
- 238000005534 hematocrit Methods 0.000 claims description 92
- 239000000126 substance Substances 0.000 claims description 90
- 238000004458 analytical method Methods 0.000 claims description 75
- 238000000491 multivariate analysis Methods 0.000 claims description 44
- 230000006870 function Effects 0.000 claims description 38
- 238000002848 electrochemical method Methods 0.000 claims description 37
- 230000008859 change Effects 0.000 claims description 32
- 238000012544 monitoring process Methods 0.000 claims description 30
- 238000003066 decision tree Methods 0.000 claims description 29
- 230000004044 response Effects 0.000 claims description 18
- 238000003860 storage Methods 0.000 claims description 18
- 230000008569 process Effects 0.000 claims description 16
- 239000000203 mixture Substances 0.000 claims description 12
- 239000002245 particle Substances 0.000 claims description 5
- 230000000977 initiatory effect Effects 0.000 claims description 4
- 230000002452 interceptive effect Effects 0.000 claims description 3
- 238000011458 pharmacological treatment Methods 0.000 claims description 3
- 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 description 162
- 239000008103 glucose Substances 0.000 description 162
- 238000012937 correction Methods 0.000 description 41
- 238000004590 computer program Methods 0.000 description 25
- 239000000306 component Substances 0.000 description 19
- 210000004369 blood Anatomy 0.000 description 17
- 239000008280 blood Substances 0.000 description 17
- 230000000694 effects Effects 0.000 description 14
- 239000007788 liquid Substances 0.000 description 13
- DGPLSUKWXXSBCU-VGXGLJSLSA-N [[(2r,3s,4r,5r)-5-(6-aminopurin-9-yl)-3,4-dihydroxyoxolan-2-yl]methoxy-hydroxyphosphoryl] [(1r,2r,3s,4r)-4-(3-carbamoylpyridin-1-ium-1-yl)-2,3-dihydroxycyclopentyl]methyl phosphate Chemical compound NC(=O)C1=CC=C[N+]([C@H]2[C@@H]([C@H](O)[C@@H](COP([O-])(=O)OP(O)(=O)OC[C@@H]3[C@H]([C@@H](O)[C@@H](O3)N3C4=NC=NC(N)=C4N=C3)O)C2)O)=C1 DGPLSUKWXXSBCU-VGXGLJSLSA-N 0.000 description 12
- 238000004364 calculation method Methods 0.000 description 11
- 238000001914 filtration Methods 0.000 description 11
- 230000002596 correlated effect Effects 0.000 description 8
- 238000010219 correlation analysis Methods 0.000 description 8
- 238000011088 calibration curve Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 108090000790 Enzymes Proteins 0.000 description 6
- 102000004190 Enzymes Human genes 0.000 description 6
- KRKNYBCHXYNGOX-UHFFFAOYSA-N citric acid Chemical compound OC(=O)CC(O)(C(O)=O)CC(O)=O KRKNYBCHXYNGOX-UHFFFAOYSA-N 0.000 description 6
- 230000000875 corresponding effect Effects 0.000 description 6
- 229940088598 enzyme Drugs 0.000 description 6
- 238000012628 principal component regression Methods 0.000 description 6
- 238000013528 artificial neural network Methods 0.000 description 5
- 210000003722 extracellular fluid Anatomy 0.000 description 5
- 239000011159 matrix material Substances 0.000 description 5
- 230000036961 partial effect Effects 0.000 description 5
- 230000002829 reductive effect Effects 0.000 description 5
- 210000003296 saliva Anatomy 0.000 description 5
- 238000012706 support-vector machine Methods 0.000 description 5
- 210000002700 urine Anatomy 0.000 description 5
- SRBFZHDQGSBBOR-IOVATXLUSA-N D-xylopyranose Chemical compound O[C@@H]1COC(O)[C@H](O)[C@H]1O SRBFZHDQGSBBOR-IOVATXLUSA-N 0.000 description 4
- 230000008901 benefit Effects 0.000 description 4
- 150000001875 compounds Chemical class 0.000 description 4
- 238000013500 data storage Methods 0.000 description 4
- 230000005284 excitation Effects 0.000 description 4
- 230000014509 gene expression Effects 0.000 description 4
- 230000002068 genetic effect Effects 0.000 description 4
- JVTAAEKCZFNVCJ-UHFFFAOYSA-N lactic acid Chemical compound CC(O)C(O)=O JVTAAEKCZFNVCJ-UHFFFAOYSA-N 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 239000003153 chemical reaction reagent Substances 0.000 description 3
- 239000005515 coenzyme Substances 0.000 description 3
- 230000001419 dependent effect Effects 0.000 description 3
- 239000000975 dye Substances 0.000 description 3
- 238000007654 immersion Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 210000002381 plasma Anatomy 0.000 description 3
- 210000002966 serum Anatomy 0.000 description 3
- 230000036962 time dependent Effects 0.000 description 3
- 238000009736 wetting Methods 0.000 description 3
- OWEGMIWEEQEYGQ-UHFFFAOYSA-N 100676-05-9 Natural products OC1C(O)C(O)C(CO)OC1OCC1C(O)C(O)C(O)C(OC2C(OC(O)C(O)C2O)CO)O1 OWEGMIWEEQEYGQ-UHFFFAOYSA-N 0.000 description 2
- CIWBSHSKHKDKBQ-JLAZNSOCSA-N Ascorbic acid Chemical compound OC[C@H](O)[C@H]1OC(=O)C(O)=C1O CIWBSHSKHKDKBQ-JLAZNSOCSA-N 0.000 description 2
- BSYNRYMUTXBXSQ-UHFFFAOYSA-N Aspirin Chemical compound CC(=O)OC1=CC=CC=C1C(O)=O BSYNRYMUTXBXSQ-UHFFFAOYSA-N 0.000 description 2
- GUBGYTABKSRVRQ-PICCSMPSSA-N Maltose Natural products O[C@@H]1[C@@H](O)[C@H](O)[C@@H](CO)O[C@@H]1O[C@@H]1[C@@H](CO)OC(O)[C@H](O)[C@H]1O GUBGYTABKSRVRQ-PICCSMPSSA-N 0.000 description 2
- BAWFJGJZGIEFAR-NNYOXOHSSA-N NAD zwitterion Chemical compound NC(=O)C1=CC=C[N+]([C@H]2[C@@H]([C@H](O)[C@@H](COP([O-])(=O)OP(O)(=O)OC[C@@H]3[C@H]([C@@H](O)[C@@H](O3)N3C4=NC=NC(N)=C4N=C3)O)O2)O)=C1 BAWFJGJZGIEFAR-NNYOXOHSSA-N 0.000 description 2
- 229960001138 acetylsalicylic acid Drugs 0.000 description 2
- PYMYPHUHKUWMLA-UHFFFAOYSA-N arabinose Natural products OCC(O)C(O)C(O)C=O PYMYPHUHKUWMLA-UHFFFAOYSA-N 0.000 description 2
- SRBFZHDQGSBBOR-UHFFFAOYSA-N beta-D-Pyranose-Lyxose Natural products OC1COC(O)C(O)C1O SRBFZHDQGSBBOR-UHFFFAOYSA-N 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 210000004027 cell Anatomy 0.000 description 2
- 239000013626 chemical specie Substances 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
- 238000003745 diagnosis Methods 0.000 description 2
- 238000002845 discoloration Methods 0.000 description 2
- 238000000840 electrochemical analysis Methods 0.000 description 2
- 238000000835 electrochemical detection Methods 0.000 description 2
- 238000000855 fermentation Methods 0.000 description 2
- 230000004151 fermentation Effects 0.000 description 2
- 150000002303 glucose derivatives Chemical class 0.000 description 2
- 239000000543 intermediate Substances 0.000 description 2
- 235000014655 lactic acid Nutrition 0.000 description 2
- 239000004310 lactic acid Substances 0.000 description 2
- 230000000670 limiting effect Effects 0.000 description 2
- 238000012067 mathematical method Methods 0.000 description 2
- 238000000691 measurement method Methods 0.000 description 2
- 230000015654 memory Effects 0.000 description 2
- 229950006238 nadide Drugs 0.000 description 2
- 229930027945 nicotinamide-adenine dinucleotide Natural products 0.000 description 2
- BOPGDPNILDQYTO-NNYOXOHSSA-N nicotinamide-adenine dinucleotide Chemical compound C1=CCC(C(=O)N)=CN1[C@H]1[C@H](O)[C@H](O)[C@@H](COP(O)(=O)OP(O)(=O)OC[C@@H]2[C@H]([C@@H](O)[C@@H](O2)N2C3=NC=NC(N)=C3N=C2)O)O1 BOPGDPNILDQYTO-NNYOXOHSSA-N 0.000 description 2
- 238000001208 nuclear magnetic resonance pulse sequence Methods 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 238000000053 physical method Methods 0.000 description 2
- 230000008092 positive effect Effects 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 150000003626 triacylglycerols Chemical class 0.000 description 2
- 238000007473 univariate analysis Methods 0.000 description 2
- 101710088194 Dehydrogenase Proteins 0.000 description 1
- 230000005526 G1 to G0 transition Effects 0.000 description 1
- 108010050375 Glucose 1-Dehydrogenase Proteins 0.000 description 1
- 108010015776 Glucose oxidase Proteins 0.000 description 1
- 239000004366 Glucose oxidase Substances 0.000 description 1
- 125000000899 L-alpha-glutamyl group Chemical group [H]N([H])[C@]([H])(C(=O)[*])C([H])([H])C([H])([H])C(O[H])=O 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 238000002835 absorbance Methods 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- GFFGJBXGBJISGV-UHFFFAOYSA-N adenyl group Chemical class N1=CN=C2N=CNC2=C1N GFFGJBXGBJISGV-UHFFFAOYSA-N 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 230000003698 anagen phase Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- -1 aromatic nitroso compound Chemical class 0.000 description 1
- 229940072107 ascorbate Drugs 0.000 description 1
- 235000010323 ascorbic acid Nutrition 0.000 description 1
- 239000011668 ascorbic acid Substances 0.000 description 1
- 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 1
- 239000013060 biological fluid Substances 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000011237 bivariate analysis Methods 0.000 description 1
- 239000012503 blood component Substances 0.000 description 1
- 239000003054 catalyst Substances 0.000 description 1
- 238000005119 centrifugation Methods 0.000 description 1
- 235000012000 cholesterol Nutrition 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000010924 continuous production Methods 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 238000007598 dipping method Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000004090 dissolution Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 238000001917 fluorescence detection Methods 0.000 description 1
- 239000012634 fragment Substances 0.000 description 1
- 230000004153 glucose metabolism Effects 0.000 description 1
- 208000018914 glucose metabolism disease Diseases 0.000 description 1
- 229940116332 glucose oxidase Drugs 0.000 description 1
- 235000019420 glucose oxidase Nutrition 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000002847 impedance measurement Methods 0.000 description 1
- 230000008595 infiltration Effects 0.000 description 1
- 238000001764 infiltration Methods 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000002503 metabolic effect Effects 0.000 description 1
- 230000004060 metabolic process Effects 0.000 description 1
- 239000002207 metabolite Substances 0.000 description 1
- 230000000116 mitigating effect Effects 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 235000016709 nutrition Nutrition 0.000 description 1
- 150000002923 oximes Chemical class 0.000 description 1
- 230000002688 persistence Effects 0.000 description 1
- 239000002243 precursor Substances 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000035484 reaction time Effects 0.000 description 1
- 238000006479 redox reaction Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000008844 regulatory mechanism Effects 0.000 description 1
- 238000011895 specific detection Methods 0.000 description 1
- 238000004611 spectroscopical analysis Methods 0.000 description 1
- 238000010561 standard procedure Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 238000011282 treatment Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
- 230000003936 working memory Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B40/00—ICT specially adapted for biostatistics; ICT specially adapted for bioinformatics-related machine learning or data mining, e.g. knowledge discovery or pattern finding
- G16B40/10—Signal processing, e.g. from mass spectrometry [MS] or from PCR
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/27—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands using photo-electric detection ; circuits for computing concentration
- G01N21/274—Calibration, base line adjustment, drift correction
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/75—Systems in which material is subjected to a chemical reaction, the progress or the result of the reaction being investigated
- G01N21/77—Systems in which material is subjected to a chemical reaction, the progress or the result of the reaction being investigated by observing the effect on a chemical indicator
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/8483—Investigating reagent band
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
- G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
- G01N33/66—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving blood sugars, e.g. galactose
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
- G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
- G01N33/80—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving blood groups or blood types or red blood cells
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B40/00—ICT specially adapted for biostatistics; ICT specially adapted for bioinformatics-related machine learning or data mining, e.g. knowledge discovery or pattern finding
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B40/00—ICT specially adapted for biostatistics; ICT specially adapted for bioinformatics-related machine learning or data mining, e.g. knowledge discovery or pattern finding
- G16B40/20—Supervised data analysis
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2201/00—Features of devices classified in G01N21/00
- G01N2201/12—Circuits of general importance; Signal processing
- G01N2201/129—Using chemometrical methods
-
- 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
- Y10—TECHNICAL SUBJECTS COVERED BY FORMER USPC
- Y10T—TECHNICAL SUBJECTS COVERED BY FORMER US CLASSIFICATION
- Y10T436/00—Chemistry: analytical and immunological testing
- Y10T436/14—Heterocyclic carbon compound [i.e., O, S, N, Se, Te, as only ring hetero atom]
- Y10T436/142222—Hetero-O [e.g., ascorbic acid, etc.]
- Y10T436/143333—Saccharide [e.g., DNA, etc.]
- Y10T436/144444—Glucose
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Medical Informatics (AREA)
- Immunology (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Biochemistry (AREA)
- Analytical Chemistry (AREA)
- General Physics & Mathematics (AREA)
- Pathology (AREA)
- Molecular Biology (AREA)
- Biotechnology (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Hematology (AREA)
- Public Health (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Epidemiology (AREA)
- Artificial Intelligence (AREA)
- Bioethics (AREA)
- Biophysics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Biomedical Technology (AREA)
- Urology & Nephrology (AREA)
- Medicinal Chemistry (AREA)
- Food Science & Technology (AREA)
- Microbiology (AREA)
- Cell Biology (AREA)
- Mathematical Physics (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Plasma & Fusion (AREA)
- Signal Processing (AREA)
Description
a)少なくとも1つの光学的測定曲線を提供し、光学的測定曲線は、少なくとも1つの試験物質及び体液試料の検出反応の進行を示す少なくとも1つの測定値の時間的経過をモニターすることにより記録される複数の測定値を含むステップ。光学的測定曲線に含まれる測定値は、様々な時点で取得される。検出反応は、一連の状態変数により影響を受けることが知られている。各状態変数は、体液試料の状態及び検出反応の条件の少なくとも1つを特徴付ける。
b)一連の少なくとも2つの異なる評価規則を提供し、各評価規則は、特徴値を光学的測定曲線から導き出すように構成されており、それにより光学的測定曲線から、一連の特徴値X={Xi}i=1...Nを導き出すステップ。一連の特徴値は、一連の評価規則の少なくとも1つの第1の評価規則を使用することにより光学的測定曲線から導き出される少なくとも1つの第1の特徴値、及び一連の評価規則の少なくとも1つの第2の評価規則を使用することにより光学的測定曲線から導き出される少なくとも1つの第2の特徴値を含む。第2の評価規則は、第1の評価規則とは異なる。
c)少なくとも1つの所定の多変量評価アルゴリズムを使用することにより、少なくとも1つの第1の特徴値及び少なくとも1つの第2の特徴値の少なくとも1つの多変量解析を実施するステップ。多変量評価アルゴリズムは、少なくとも2つの変数から少なくとも1つの結果を導き出すように構成されているアルゴリズムである。少なくとも1つの第1の特徴値及び少なくとも1つの第2の特徴値は、少なくとも2つの変数として使用され、それにより、状態変数の少なくとも1つの目的変数Yの少なくとも1つの推定値が導き出される。
d)少なくとも1つの目的変数Yを使用することにより少なくとも1つの分析物の濃度を決定するステップ。
Y=A・X (1)
Y=XT・A・X (2)
及び
Y=XT・(XT・A・X) (3)
Y=Σiai・Xi (4)
Y=Σiai・Xi+Σi,jaij・Xi・Xj (5)
Y=Σiai・Xi+Σi,jaij・Xi・Xj+Σijkai,j,k・Xi・Xj・Xk (6)
ai、aij、aijkは、所定の係数であってもよく、i、j、及びkは、相互に独立して1〜Nの整数であってもよい。
Y=f(X1,X2)={g1(X2)for cond(X1);g2(X2)for NOT cond(X1,X2)} (7)
式中、目的変数Yの推定値は、第1の特徴値Xlに依存していてもよい所定の条件cond(X)が満たされ得るか否かの判定に応じて、両方とも第2の特徴値X2に依存していてもよい第1の関数g1(X2)又は代替的な第2の関数g2(X2)のいずれかを使用することにより、数式(7)により導き出すことができる。所定の多変量評価アルゴリズムの他の例は、二次意志決定樹等の、より複雑な構造の意志決定樹を含んでいてもよく、特徴値の1つに依存していてもよい第1の所定条件が満たされ得るか否かの判定に応じて、特徴値の別の1つに更に依存していてもよい第2の所定条件を、目的変数Yの推定値が導き出され得るまで評価してもよい。
a.所定の時点における光学的測定曲線又は光学的測定曲線の導関数の特定の測定値を特徴値として使用し、好ましくは1つ又は複数の特定の基準を使用し、特に、少なくとも1つの終点値基準、より好ましくは所定の閾値未満の変化率を含んでいてもよい1つ又は複数の特定の条件を使用すること、
b.所定の期間にわたる光学的測定曲線又は光学的測定曲線の導関数の平均値を特徴値として使用すること、
c.光学的測定曲線又は光学的測定曲線の導関数の特徴時点を、好ましくは、光学的測定曲線又は光学的測定曲線の導関数の最大値、光学的測定曲線又は光学的測定曲線の導関数の最小値、光学的測定曲線又は光学的測定曲線の導関数の変曲点の1つ又は複数が生じる特徴時点を、特徴値として使用すること、
d.光学的測定曲線又は光学的測定曲線の導関数の特徴パラメータを、好ましくは、光学的測定曲線又は光学的測定曲線の導関数の最大値、光学的測定曲線又は光学的測定曲線の導関数の最小値、光学的測定曲線又は光学的測定曲線の導関数の変曲点の1つにおける特徴パラメータを、特徴値として使用すること、
e.光学的測定曲線又は光学的測定曲線の導関数の少なくとも1つの区間に対する、少なくとも1つの所定のフィッティング曲線のフィッティングを意味することができる少なくとも1つのフィッティング処理により導き出されるフィッティングパラメータを、特徴値として使用すること、及び
f.光学的測定曲線の異なる次数の少なくとも2つの導関数の位相プロットから導き出される少なくとも1つの値を特徴値として使用し、位相プロットが、少なくとも1つの位相空間曲線を含んでいてもよく、位相プロットから導き出される値が、好ましくは、位相空間曲線の中心の位置、位相空間曲線の長さ;位相空間の体積;位相空間の面積;位相空間曲線の中心から最も遠い地点;位相空間の原点からの平均二乗距離からなる群から選択することができること。
b1)学習体液の学習セットを使用し、試験物質及び試験体液の検出反応をモニターすることにより取得される学習測定曲線の学習セットを提供するサブステップ。試験体液及び検出反応は、学習測定曲線が、異なるセットの状態変数を用いて取得することができるように選択されていてもよい。
b2)一連の評価規則候補を特定し、学習測定曲線の学習セットから、一連の特徴値候補を導き出すサブステップ、
b3)各評価規則候補の特徴値候補と状態変数との相関を決定するサブステップ、
b4)サブステップb3)で決定された相関を考慮に入れることにより、一連の評価規則候補から一連の評価規則を選択するサブステップ。
i)少なくとも1つの測定曲線を提供するステップ。測定曲線は、少なくとも1つの試験物質及び体液試料の検出反応の進行を示す少なくとも1つの測定値の時間的経過をモニターすることにより記録される複数の測定値を含む。測定曲線に含まれる測定値は、異なる時点で取得される。検出反応は、一連の状態変数により影響を受けることが知られている。各状態変数は、体液試料の状態及び検出反応の条件の少なくとも1つを特徴付ける。
ii)測定曲線の第1の時間間隔t1を使用することにより、少なくとも1つの目的変数Y、及び/又は少なくとも1つの目的変数Yの少なくとも1つの推定値を決定し、0≦t1≦x・sであり、目的変数Yが、少なくとも1つの分析物の濃度とは異なるステップ、
iii)少なくとも1つの目的変数を使用することにより、少なくとも1つの分析物の濃度を決定するステップ。
iv)一連の少なくとも2つの異なる評価規則を提供するステップ。各評価規則は、測定曲線から特徴値を導き出すように構成されていてもよく、それにより測定曲線から、一連の特徴値X={Xi}i=1...Nを導き出すことができる。一連の特徴値は、一連の評価規則の少なくとも1つの第1の評価規則を使用することにより測定曲線から導き出される少なくとも1つの第1の特徴値、及び一連の評価規則の少なくとも1つの第2の評価規則を使用することにより測定曲線から導き出される少なくとも1つの第2の特徴値を含む。第2の評価規則は、第1の評価規則とは異なる。
v)少なくとも1つの所定の多変量評価アルゴリズムを使用することにより、少なくとも1つの第1の特徴値及び少なくとも1つの第2の特徴値の少なくとも1つの多変量解析を実施するステップ。多変量評価アルゴリズムは、少なくとも2つの変数から少なくとも1つの結果を導き出すように構成されているアルゴリズムである。少なくとも1つの第1の特徴値及び少なくとも1つの第2の特徴値は、少なくとも2つの変数として使用され、それにより、状態変数の少なくとも1つの目的変数Yの少なくとも1つの推定値が導き出される。
A)体液試料を少なくとも1つの試験物質と接触させ、それにより、試験物質及び体液試料の検出反応を開始させ、検出反応が、一連の状態変数により影響を受けることが知られているステップ。各状態変数は、体液試料の状態及び検出反応の条件の少なくとも1つを特徴付ける。
B)検出反応の進行を示す少なくとも1つの測定値の時間的経過をモニターし、それにより、異なる時点で取得された複数の測定値を含む光学的測定曲線を記録するステップ、
C)本発明による方法の1つを完全に又は部分的に使用することにより、光学的測定曲線を評価するステップ。
− 本明細書に記載の実施形態の1つによる方法を実施するように構成されている少なくとも1つのプロセッサを含むコンピュータ又はコンピュータネットワーク、
− データ構造がコンピュータで実行されている間、本明細書に記載の実施形態の1つによる方法を実施するように構成されているコンピュータ読み込み可能なデータ構造、
− プログラムがコンピュータで実行されている間、本明細書に記載の実施形態の1つによる方法を実施するように構成されているコンピュータプログラム、
− コンピュータプログラムがコンピュータ又はコンピュータネットワークで実行されている間、本明細書に記載の実施形態の1つによる方法を実施するためのプログラム手段を含むコンピュータプログラム、
− コンピュータ判読可能な記憶メディアに格納されている、上述のようなプログラム手段を含むコンピュータプログラム、
− コンピュータ又はコンピュータネットワークのメインメモリ及び/又は作業記憶領域に読み込まれた後、本明細書に記載の実施形態の1つによる方法を実施するように構成されているデータ構造が格納される記憶媒体、及び
− プログラムコード手段がコンピュータ又はコンピュータネットワークで実行される場合、本明細書に記載の実施形態の1つによる方法を実施するために、記憶媒体に格納することができるか又は格納されているプログラムコード手段を有するコンピュータプログラム製品。
− 少なくとも1つの試験物質及び少なくとも1つの体液試料の検出反応を測定するための少なくとも1つの測定ユニット。検出反応は、一連の状態変数により影響を受けることが知られている。各状態変数は、体液試料の状態及び検出反応の条件の少なくとも1つを特徴付ける。更に、測定ユニットは、検出反応の進行を示す少なくとも1つの測定値の時間的経過をモニタリングするように構成されており、それにより、異なる時点で取得された複数の測定値を含む光学的測定曲線を記録する。及び
− 本発明による少なくとも1つの評価デバイス。
a)少なくとも1つの光学的測定曲線を提供し、上記光学的測定曲線が、少なくとも1つの試験物質及び上記体液の試料の検出反応の進行を示す少なくとも1つの測定値の時間的経過のモニタリングすることにより記録される複数の測定値を含み、上記光学的測定曲線に含まれる上記測定値が異なる時点で取得され、上記検出反応が、一連の状態変数により影響を受けることが知られており、各状態変数が、上記体液の試料の状態及び上記検出反応の条件の少なくとも1つを特徴付けるステップ、
b)一連の少なくとも2つの異なる評価規則を提供し、各評価規則が、上記光学的測定曲線から特徴値を導き出すように構成されており、それにより、上記光学的測定曲線から一連の特徴値X={Xi}i=1...Nを導き出し、上記一連の特徴値が、上記一連の評価規則の少なくとも1つの第1の評価規則を使用することにより上記光学的測定曲線から導き出される少なくとも1つの第1の特徴値、及び上記一連の評価規則の少なくとも1つの第2の評価規則を使用することにより上記光学的測定曲線から導き出される少なくとも1つの第2の特徴値を含み、上記第2の評価規則が、上記第1の評価規則とは異なるステップ、
c)少なくとも1つの所定の多変量評価アルゴリズムを使用することにより、上記少なくとも1つの第1の特徴値及び上記少なくとも1つの第2の特徴値の少なくとも1つの多変量解析を実施し、上記多変量評価アルゴリズムが、少なくとも2つの変数から少なくとも1つの結果を導き出すように構成されているアルゴリズムであり、上記少なくとも1つの第1の特徴値及び少なくとも1つの第2の特徴値が、上記少なくとも2つの変数として使用され、それにより上記状態変数の少なくとも1つの目的変数Yの少なくとも1つの推定値を導き出すステップ、
d)上記少なくとも1つの目的変数Yを使用することにより、上記少なくとも1つの分析物の濃度を決定するステップを含む方法。
Y=A・X (1)
Y=XT・A・X (2)
及び
Y=XT・(XT・A・X) (3)
から選択される少なくとも1つの多項式アルゴリズムを含み、
式中、Aが、一次元、二次元、又は三次元の評価テンソルである、実施形態1〜15のいずれか1つに記載の方法。
Y=Σiai・Xi (4)
Y=Σiai・Xi+Σi,jaij・Xi・Xj (5)
Y=Σiai・Xi+Σi,jaij・Xi・Xj+Σi,j,kaijk・Xi・Xj・Xk (6)
から選択される少なくとも1つのアルゴリズムを含み、
式中、ai、aij、aijkが、所定の係数であり、i、j、及びkが、互いに独立して1からNまでの整数である、実施形態1〜16のいずれか1つに記載の方法。
a.所定の時点における上記光学的測定曲線の特定の測定値又は上記光学的測定曲線の導関数を上記特徴値として使用し、好ましくは1つ又は複数の特定の基準を使用し、特に、少なくとも1つの終点値基準、より好ましくは所定の閾値未満の変化率を含んでいてもよい1つ又は複数の特定の条件を使用するステップ、
b.所定期間にわたる上記光学的測定曲線又は上記光学的測定曲線の導関数の平均値を上記特徴値として使用するステップ、
c.上記光学的測定曲線又は上記光学的測定曲線の導関数の特徴時点を、好ましくは、上記光学的測定曲線又は上記光学的測定曲線の導関数の最大値、上記光学的測定曲線又は上記光学的測定曲線の導関数の最小値、上記光学的測定曲線又は上記光学的測定曲線の導関数の変曲点の1つ又は複数が生じる特徴時点を、上記特徴値として使用するステップ、
d.上記光学的測定曲線又は上記光学的測定曲線の導関数の特徴パラメータを、好ましくは、上記光学的測定曲線又は上記光学的測定曲線の導関数の最大値、上記光学的測定曲線又は上記光学的測定曲線の導関数の最小値、上記光学的測定曲線又は上記光学的測定曲線の導関数の変曲点の1つにおける特徴パラメータを、上記特徴値として使用するステップ、
e.少なくとも1つのフィッティング処理により導き出されるフィッティングパラメータを上記特徴値として使用し、上記フィッティング処理が、上記光学的測定曲線又は上記光学的測定曲線の導関数の少なくとも1つの区間に、少なくとも1つの所定のフィッティング曲線をフィッティングすることを意味するステップ、及び
f.上記光学的測定曲線の少なくとも2つの異なる次数の導関数の位相プロットから導き出される少なくとも1つの値を、上記特徴値として使用し、上記位相プロットが、少なくとも1つの位相空間曲線を含んでおり、上記位相プロットから導き出される値が、好ましくは、上記位相空間曲線の中心の位置、上記位相空間曲線の長さ;位相空間の体積;位相空間の面積;上記位相空間曲線の中心から最も遠い地点;上記位相空間の原点からの平均二乗距離からなる群から選択されるステップ、からなる群から選択される、実施形態1〜25のいずれか1つに記載の方法。
b1)学習体液の学習セットを使用し、上記試験物質及び上記試験体液の検出反応をモニタリングすることにより取得される学習測定曲線の学習セットを提供し、上記試験体液及び上記検出反応が、上記学習測定曲線が異なるセットの状態変数を用いて取得されるように選択されるサブステップ、
b2)一連の評価規則候補を特定し、上記学習測定曲線の学習セットから、一連の特徴値候補を導き出すサブステップ、
b3)各評価規則候補の上記特徴値候補と上記状態変数との相関を決定するサブステップ、
b4)サブステップb3)で決定された相関を考慮に入れることにより、上記一連の評価規則候補から上記一連の評価規則を選択するサブステップを含む、実施形態1〜27のいずれか1つに記載の方法。
i)少なくとも1つの測定曲線を提供し、上記測定曲線が、少なくとも1つの試験物質及び上記体液の試料の検出反応の進行を示す少なくとも1つの測定値の時間的経過をモニタリングすることにより記録される複数の測定値を含み、上記測定曲線に含まれる上記測定値が、異なる時点で取得され、上記検出反応が、一連の状態変数により影響を受けることが知られており、各状態変数が、上記体液の試料の状態及び上記検出反応の条件の少なくとも1つを特徴付けるステップ、
ii)上記測定曲線の第1の時間間隔t1を使用することにより、少なくとも1つの目的変数及び/又は少なくとも1つのYの少なくとも1つの推定値を決定し、0≦t1≦xであり、上記目的変数Yが、上記少なくとも1つの分析物の濃度とは異なるステップ、
iii)上記少なくとも1つの目的変数を使用することにより、上記少なくとも1つの分析物の濃度を決定するステップ、
iv)一連の少なくとも2つの異なる評価規則を提供し、各評価規則が、上記測定曲線から特徴値を導き出すように構成されており、それにより、上記測定曲線から一連の特徴値X={Xi}i=1...Nを導き出し、上記一連の特徴値が、上記一連の評価規則の少なくとも1つの第1の評価規則を使用することにより上記測定曲線から導き出される少なくとも1つの第1の特徴値、及び上記一連の評価規則の少なくとも1つの第2の評価規則を使用することにより上記測定曲線から導き出される少なくとも1つの第2の特徴値を含み、上記第2の評価規則が、上記第1の評価規則とは異なるステップを含む方法。
c)少なくとも1つの所定の多変量評価アルゴリズムを使用することにより、上記少なくとも1つの第1の特徴値及び上記少なくとも1つの第2の特徴値の少なくとも1つの多変量解析を実施し、上記多変量評価アルゴリズムが、少なくとも2つの変数から少なくとも1つの結果を導き出すように構成されているアルゴリズムであり、上記少なくとも1つの第1の特徴値及び上記少なくとも1つの第2の特徴値が、上記少なくとも2つの変数として使用され、それにより上記状態変数の少なくとも1つの目的変数Yの少なくとも1つの推定値を導き出すステップを更に含む、実施形態32に記載の方法。
A)上記体液の試料を少なくとも1つの試験物質と接触させ、それにより、上記試験物質及び上記体液の試料の検出反応を開始させ、上記検出反応が、一連の状態変数により影響を受けることが知られており、各状態変数が、上記体液の試料の状態及び上記検出反応の条件の少なくとも1つを特徴付けるステップ、
B)上記検出反応の進行を示す少なくとも1つの測定値の時間的経過をモニターし、それにより、異なる時点で取得された複数の測定値を含む光学的測定曲線を記録するステップ、
C)実施形態1〜37のいずれか1つに記載の方法を使用することにより、上記光学的測定曲線を評価するステップを含む方法。
− 少なくとも1つの試験物質及び少なくとも1つの体液の試料の検出反応を測定するための少なくとも1つの測定ユニットであり、上記検出反応が、一連の状態変数により影響を受けることが知られており、各状態変数が、上記体液の試料の状態及び上記検出反応の条件の少なくとも1つを特徴付け、更に、上記測定ユニットが、上記検出反応の進行を示す少なくとも1つの測定値の時間的経過をモニタリングするように構成されており、それにより異なる時点で取得された複数の測定値を含む光学的測定曲線を記録する測定ユニット、及び
− 実施形態40に記載の少なくとも1つの評価デバイスを備える試料分析デバイスを備えるデバイス。
i)少なくとも1つの測定曲線を提供し、測定曲線が、少なくとも1つの試験物質及び体液試料の検出反応の進行を示す少なくとも1つの測定値の時間的経過をモニタリングすることにより記録される複数の測定値を含み、測定曲線に含まれる測定値が、異なる時点136で取得され、検出反応が、一連の状態変数により影響を受けることが知られており、各状態変数が、体液試料の状態及び検出反応の条件の少なくとも1つを特徴付けるステップ、
ii)測定曲線の第1の時間間隔t1を使用することにより、少なくとも1つの目的変数及び/又は少なくとも1つのYの少なくとも1つの推定値を決定し、0≦t1≦xであり、目的変数Yが、少なくとも1つの分析物の濃度とは異なるステップ、
iii)少なくとも1つの目的変数を使用することにより、少なくとも1つの分析物の濃度を決定するステップ。
iv)一連の少なくとも2つの異なる評価規則を提供し、各評価規則が、測定曲線から特徴値138を導き出すように構成されており、それにより、好ましくはコンピュータ132を使用することにより、測定曲線から一連の特徴値X={Xi}i=1...Nを導き出し、一連の特徴値138が、一連の評価規則の少なくとも1つの第1の評価規則を使用することにより測定曲線から導き出される少なくとも1つの第1の特徴値138、及び一連の評価規則の少なくとも1つの第2の評価規則を使用することにより測定曲線から導き出される少なくとも1つの第2の特徴値138を含み、第2の評価規則が、第1の評価規則とは異なるステップ。
V)少なくとも1つの所定の多変量評価アルゴリズムを使用することにより、少なくとも1つの第1の特徴値138及び少なくとも1つの第2の特徴値138の少なくとも1つの多変量解析を実施し、多変量評価アルゴリズムが、少なくとも2つの変数から少なくとも1つの結果を導き出すように構成されているアルゴリズムであり、少なくとも1つの第1の特徴値138及び少なくとも1つの第2の特徴値138が、少なくとも2つの変数として使用され、それにより状態変数の少なくとも1つの目的変数Yの少なくとも1つの推定値を導き出すステップ。
a)少なくとも1つの光学的測定曲線を提供するステップ。光学的測定曲線は、少なくとも1つの試験物質及び体液試料の検出反応の進行を示す少なくとも1つの測定値の時間的経過をモニターすることにより記録される複数の測定値を含む。光学的測定曲線に含まれる測定値は、様々な時点136で取得される。検出反応は、一連の状態変数により影響を受けることが知られている。各状態変数は、体液試料の状態及び検出反応の条件の少なくとも1つを特徴付ける。
b)一連の少なくとも2つの異なる評価規則を提供するステップ。各評価規則は、光学的測定曲線から特徴値138を導き出すように構成されており、それにより、光学的測定曲線から、一連の特徴値X={Xi}i=1...Nを導き出す。一連の特徴値138は、一連の評価規則の少なくとも1つの第1の評価規則を使用することにより光学的測定曲線から導き出される少なくとも1つの第1の特徴値138、及び一連の評価規則の少なくとも1つの第2の評価規則を使用することにより光学的測定曲線から導き出される少なくとも1つの第2の特徴値138を含む。第2の評価規則は、第1の評価規則とは異なる。
c)少なくとも1つの所定の多変量評価アルゴリズムを使用することにより、少なくとも1つの第1の特徴値138及び少なくとも1つの第2の特徴値138の少なくとも1つの多変量解析を実施するステップ。多変量評価アルゴリズムは、少なくとも2つの変数から少なくとも1つの結果を導き出すように構成されているアルゴリズムである。少なくとも1つの第1の特徴値138及び少なくとも1つの第2の特徴値138は、少なくとも2つの変数として使用され、それにより、状態変数の少なくとも1つの目的変数Yの少なくとも1つの推定値が導き出される。
d)少なくとも1つの目的変数を使用することにより、少なくとも1つの分析物の濃度を決定するステップ。
Y=A・X (1)
Y=XT・A・X (2)及び
Y=XT・(XT・A・X) (3)
Y=Σiai・Xi (4)
Y=Σiai・Xi+Σi,jaij・Xi・Xj (5)
Y=Σiai・Xi+Σi,jaij・Xi・Xj+Σi,j,kaijk・Xi・Xj・Xk (6)
ai、aij、aijkは、所定の係数であってもよく、i、j、及びkは、相互に独立して、1〜Nの整数であってもよい。本方法は、少なくとも1つの較正ステップを含んでいてもよい。例えば、数式(5)は、二乗項の使用が既に充分であり得ることを示す場合がある。数式(6)は、特徴値138間の交差項、例えば2つの特徴値138の積が重要であり得ることを示す場合がある。部分最小二乗法(PLS)と同様に、一次結合における特徴値X、例えば入力パラメータを使用することだけでなく、それに加えて又はその代わりに、例えば、中でも入力パラメータの特徴値138の積、及び/又は例えば交差項により表される、例えば入力パラメータの特徴値138の二乗を使用することも便利であり得る。言いかえれば、数式(4)の代わりに数式(5)を使用することが有利であり得る。Yは、グルコース予測値であってもよい。
a.所定の時点における光学的測定曲線の特定の測定値又は光学的測定曲線の導関数を、特徴値138として使用すること、
b.所定の期間にわたる光学的測定曲線又は光学的測定曲線の導関数の平均値を特徴値138として使用し、好ましくは1つ又は複数の特定の基準を使用し、特に、少なくとも1つの終点値基準、より好ましくは所定の閾値未満の変化率を含んでいてもよい1つ又は複数の特定の条件を使用すること、
c.光学的測定曲線又は光学的測定曲線の導関数の特徴時点、好ましくは、光学的測定曲線又は光学的測定曲線の導関数の最大値、光学的測定曲線又は光学的測定曲線の導関数の最小値、光学的測定曲線又は光学的測定曲線の導関数の変曲点の1つ又は複数が生じる特徴時点を、特徴値138として使用すること、
d.光学的測定曲線又は光学的測定曲線の導関数の特徴パラメータを、好ましくは、光学的測定曲線又は光学的測定曲線の導関数の最大値、光学的測定曲線又は光学的測定曲線の導関数の最小値、光学的測定曲線又は光学的測定曲線の導関数の変曲点の1つにおける特徴パラメータを、特徴値138として使用すること、
e.少なくとも1つのフィッティング処理により導き出されるフィッティングパラメータを、特徴値138として使用すること。フィッティング処理は、光学的測定曲線又は光学的測定曲線の導関数の少なくとも1つの区間に対する、少なくとも1つの所定のフィッティング曲線のフィッティングを意味していてもよい。
f.例えば図6A及び/又は6Bに示されている、光学的測定曲線の少なくとも2つの異なる次数の導関数の位相プロットから導き出される少なくとも1つの値を特徴値138として使用し、位相プロットが、少なくとも1つの位相空間曲線を含んでいてもよく、位相プロットから導き出される値が、好ましくは、位相空間曲線の中心の位置、位相空間曲線の長さ、位相空間の体積、位相空間の面積、位相空間曲線の中心から最も遠い地点、位相空間の原点からの平均二乗距離からなる群から選択されてもよいこと。
b1)学習体液の学習セットを使用し、試験物質及び試験液体の検出反応をモニターすることにより取得される学習測定曲線の学習セットを提供するサブステップ。試験体液及び検出反応は、学習測定曲線が、異なるセットの状態変数を用いて取得されるように選択することができる。
b2)一連の評価規則候補を特定し、学習測定曲線の学習セットから、一連の特徴値候補138を導き出すサブステップ、
b3)各評価規則候補の特徴値候補138と状態変数との相関を決定するサブステップ、
b4)サブステップb3)で決定された相関を考慮に入れることにより、一連の評価規則候補から一連の評価規則を選択するサブステップ。
A)体液試料を少なくとも1つの試験物質と接触させ、それにより、試験物質及び体液試料の検出反応を開始させるステップ。検出反応は、一連の状態変数により影響を受けることが知られている。各状態変数は、体液試料の状態及び検出反応の条件の少なくとも1つを特徴付ける。
B)検出反応の進行を示す少なくとも1つの測定値の時間的経過をモニターし、それにより、異なる時点136で取得される複数の測定値を含む光学的測定曲線を記録するステップ、
C)本発明による体液試料中の分析物を検出するための方法を使用することにより、光学的測定曲線を評価するステップ。
Y=f(X1,X2)={g1(X2)for cond(X1);g2(X2)for NOT cond(X1)} (7)
式中、目的変数Yの推定値は、第1の特徴値Xlに依存していてもよい所定の条件cond(Xl)が満たされ得るか否かの判定に応じて、両方とも第2の特徴値X2に依存していてもよい第1の関数g1(X2)又は代替的な第2の関数g2(X2)のいずれかを使用することにより、数式(7)により導き出されてもよい。
112 測定ユニット
114 評価デバイス
116 評価ユニット
118 試験エレメント
120 試験ストリップ
122 携帯デバイス
124 モニター
126 入力パネル
128 光源
130 検出器
132 コンピュータ
134 コンピュータネットワーク
136 時点
138 特徴値
140 曲線
142 曲線
144 曲線
146 曲線
148 曲線
150 曲線
152 曲線
154 第1の意志決定樹
156 ヘマトクリット補正
158 所定のヘマトクリット範囲
160 グルコース濃度の決定
162 目的値の決定
164 第2の意志決定樹
166 終点値の決定
168 所定のグルコース濃度範囲
170 第1及び第2の閾値
172 第1及び第2の閾値
174 第3の意志決定樹
176 減衰定数の決定
178 更なる評価
180 追加の評価手順
Claims (23)
- 体液の試料中の分析物を検出するための方法であって、
a)少なくとも1つの光学的測定曲線を提供し、前記光学的測定曲線が、少なくとも1つの試験物質及び前記体液の試料の検出反応の進行を示す少なくとも1つの測定値の時間的経過をモニターすることにより記録される複数の測定値を含み、前記光学的測定曲線に含まれる前記測定値が異なる時点(136)で取得され、前記検出反応が、一連の状態変数により影響を受けることが知られており、各状態変数が、前記体液の試料の状態及び前記検出反応の条件の少なくとも1つを特徴付けるステップ、
b)一連の少なくとも2つの異なる評価規則を提供し、各評価規則が、前記光学的測定曲線から特徴値(138)を導き出すように構成されており、それにより、前記光学的測定曲線から一連の特徴値X={Xi}i=1...Nを導き出し、前記一連の特徴値(138)が、前記一連の評価規則の少なくとも1つの第1の評価規則を使用することにより前記光学的測定曲線から導き出される少なくとも1つの第1の特徴値(138)、及び前記一連の評価規則の少なくとも1つの第2の評価規則を使用することにより前記光学的測定曲線から導き出される少なくとも1つの第2の特徴値(138)を含み、前記第2の評価規則が、前記第1の評価規則とは異なるステップ、
c)少なくとも1つの所定の多変量評価アルゴリズムを使用することにより、前記少なくとも1つの第1の特徴値(138)及び前記少なくとも1つの第2の特徴値(138)の少なくとも1つの多変量解析を実施し、前記多変量評価アルゴリズムが、少なくとも2つの変数から少なくとも1つの結果を導き出すように構成されているアルゴリズムであり、前記少なくとも1つの第1の特徴値(138)及び前記少なくとも1つの第2の特徴値(138)が、前記少なくとも2つの変数として使用され、それにより前記状態変数の少なくとも1つの目的変数Yの少なくとも1つの推定値を導き出すステップ、
d)前記少なくとも1つの目的変数Yを使用することにより、前記少なくとも1つの分析物の濃度を決定するステップを含む方法。 - 前記状態変数が、前記体液の試料の組成;前記体液の試料の少なくとも1つの粒子成分の含有量;前記体液の試料の温度;前記体液の試料を取り囲む雰囲気の湿度;前記試験物質の保存時間;妨害物質;前記試料の供与体の薬理学的処置により引き起こされる前記試料又は前記試料のある特性の変化からなる群から選択される、請求項1に記載の方法。
- 前記体液の試料の組成が、前記体液の試料の少なくとも1つの成分の含有量である、請求項2に記載の方法。
- 前記体液の試料の組成が、少なくとも1つの分析物の濃度である、請求項2に記載の方法。
- 前記体液の試料の少なくとも1つの粒子成分が、ヘマトクリットである、請求項2〜4のいずれか一項に記載の方法。
- 前記第1の評価規則が、時間変換により前記第2の評価規則に変換されなくともよい、請求項1〜5のいずれか一項に記載の方法。
- 前記第2の評価規則は、前記アルゴリズムと関連する少なくとも1つの係数及び/又は少なくとも1つのパラメータ及び/又は少なくとも1つの要素が、前記第1の評価規則と異なる、請求項1〜6のいずれか一項に記載の方法。
- 第3の評価規則が提供され、ステップcでは、前記少なくとも1つの第1の特徴値が、前記第1の評価規則から導き出され、前記多変量評価アルゴリズムでは、前記第2の評価規則又は前記第3の評価規則が、前記少なくとも1つの第1の特徴値に応じて使用される、請求項1〜7のいずれか一項に記載の方法。
- 前記第1の特徴値(138)が、前記光学的測定曲線の第1の時間間隔を使用することにより決定され、前記第2の特徴値(138)が、前記光学的測定曲線の第2の時間間隔を使用することにより決定され、前記光学的測定曲線の前記第1の時間間隔が、前記光学的測定曲線の前記第2の時間間隔と異なる、請求項1〜8のいずれか一項に記載の方法。
- 前記目的変数が、前記少なくとも1つの分析物の濃度とは異なる、請求項9に記載の方法。
- 前記少なくとも2つの各評価規則が、前記光学的測定曲線の少なくとも2つの導関数のそれぞれから、前記特徴値(138)を導き出すように構成されている、請求項1〜10のいずれか一項に記載の方法。
- 前記目的変数Yが、前記体液の試料中の前記少なくとも1つの分析物の濃度を含む、請求項1〜11のいずれか一項に記載の方法。
- ステップd)では、前記少なくとも1つの目的変数Yに加えて、少なくとも1つの電気化学的測定値が、前記分析物の濃度を決定するために使用され、前記電気化学的測定値が、少なくとも1つの電気化学的測定を使用することにより決定される、請求項1〜12のいずれか一項に記載の方法。
- 前記電気化学的測定値を使用することにより、前記体液の試料中の前記少なくとも1つの分析物の濃度の近似値が決定され、前記目的変数Yが、前記近似値の補正に使用される、請求項1〜13のいずれか一項に記載の方法。
- 前記少なくとも1つの多変量評価アルゴリズムが、少なくとも1つの意志決定樹(154、164)を含む関数を含み、前記意志決定樹(154、164)が、所定の条件が満たされ得るか否かの判定に基づき、少なくとも2つの代替手順から1つを選択することを可能にする少なくとも1つの意思決定分岐を含む、請求項1〜14のいずれか一項に記載の方法。
- 前記2つの異なる評価規則の少なくとも1つが、
a.所定の時点における前記光学的測定曲線の特定の測定値又は前記光学的測定曲線の導関数を前記特徴値(138)として使用し、
b.所定期間にわたる前記光学的測定曲線又は前記光学的測定曲線の導関数の平均値を前記特徴値(138)として使用すること、
c.前記光学的測定曲線又は前記光学的測定曲線の導関数の特徴時点を、前記特徴値(138)として使用すること、
d.前記光学的測定曲線又は前記光学的測定曲線の導関数の特徴パラメータを前記特徴値(138)として使用すること、
e.少なくとも1つのフィッティング処理により導き出されるフィッティングパラメータを前記特徴値(138)として使用し、前記フィッティング処理が、前記光学的測定曲線又は前記光学的測定曲線の導関数の少なくとも1つの区間に、少なくとも1つの所定のフィッティング曲線をフィッティングすることを意味すること、及び
f.前記光学的測定曲線の少なくとも2つの異なる次数の導関数の位相プロットから導き出される少なくとも1つの値を、前記特徴値(138)として使用し、前記位相プロットが、少なくとも1つの位相空間曲線を含み、前記位相プロットから導き出される値が、前記位相空間曲線の中心の位置、前記位相空間曲線の長さ;位相空間の体積;位相空間の面積;前記位相空間曲線の中心から最も遠い地点;前記位相空間の原点からの平均二乗距離からなる群から選択される、請求項1〜15のいずれか一項に記載の方法。 - ステップb)が、前記一連の評価規則を生成することを含み、前記一連の評価規則を生成することが、
b1)学習体液の学習セットを使用し、前記試験物質及び前記体液の検出反応をモニタリングすることにより取得される学習測定曲線の学習セットを提供し、前記体液及び前記検出反応が、前記学習測定曲線が異なるセットの状態変数を用いて取得されるように選択されるサブステップ、
b2)一連の評価規則候補を特定し、前記学習測定曲線の学習セットから、一連の特徴値候補(138)を導き出すサブステップ、
b3)各評価規則候補の前記特徴値候補(138)と前記状態変数との相関を決定するサブステップ、
b4)サブステップb3)で決定された相関を考慮に入れることにより、前記一連の評価規則候補から前記一連の評価規則を選択するサブステップを含む、請求項1〜16のいずれか一項に記載の方法。 - 体液の試料中の分析物を検出するための方法であって、
i)少なくとも1つの測定曲線を提供し、前記測定曲線が、少なくとも1つの試験物質及び前記体液の試料の検出反応の進行を示す少なくとも1つの測定値の時間的経過をモニターすることにより記録される複数の測定値を含み、前記測定曲線に含まれる前記測定値が、異なる時点(136)で取得され、前記検出反応が、一連の状態変数により影響を受けることが知られており、各状態変数が、前記体液の試料の状態及び前記検出反応の条件の少なくとも1つを特徴付けるステップ、
ii)前記測定曲線の第1の時間間隔t1を使用することにより、少なくとも1つの目的変数及び/又は少なくとも1つの目的変数Yの少なくとも1つの推定値を決定し、0≦t1≦xであり、前記目的変数Yが、前記少なくとも1つの分析物の濃度とは異なるステップ、
iii)前記少なくとも1つの目的変数を使用することにより、前記少なくとも1つの分析物の濃度を決定するステップ、
iv)一連の少なくとも2つの異なる評価規則を提供し、各評価規則が、前記測定曲線から特徴値(138)を導き出すように構成されており、それにより、前記測定曲線から一連の特徴値X={Xi}i=1...Nを導き出し、前記一連の特徴値(138)が、前記一連の評価規則の少なくとも1つの第1の評価規則を使用することにより前記測定曲線から導き出される少なくとも1つの第1の特徴値(138)、及び前記一連の評価規則の少なくとも1つの第2の評価規則を使用することにより前記測定曲線から導き出される少なくとも1つの第2の特徴値(138)を含み、前記第2の評価規則が、前記第1の評価規則とは異なるステップを含む方法。 - 前記方法が、
V)少なくとも1つの所定の多変量評価アルゴリズムを使用することにより、前記少なくとも1つの第1の特徴値(138)及び前記少なくとも1つの第2の特徴値(138)の少なくとも1つの多変量解析を実施し、前記多変量評価アルゴリズムが、少なくとも2つの変数から少なくとも1つの結果を導き出すように構成されているアルゴリズムであり、前記少なくとも第1の特徴値(138)及び前記少なくとも1つの第2の特徴値(138)が、前記少なくとも2つの変数として使用され、それにより前記状態変数の少なくとも1つの目的変数Yの少なくとも1つの推定値を導き出すステップを更に含む、請求項18に記載の方法。 - 体液の試料を特徴付けるための方法であって、
A)前記体液の試料を少なくとも1つの試験物質と接触させ、それにより、前記試験物質及び前記体液の試料の検出反応を開始させ、前記検出反応が、一連の状態変数により影響を受けることが知られており、各状態変数が、前記体液の試料の状態及び前記検出反応の条件の少なくとも1つを特徴付けるステップ、
B)前記検出反応の進行を示す少なくとも1つの測定値の時間的経過をモニターし、それにより、異なる時点(136)で取得された複数の測定値を含む光学的測定曲線を記録するステップ、
C)請求項1〜19のいずれか一項に記載の方法を使用することにより、前記光学的測定曲線を評価するステップを含む方法。 - 請求項1〜20のいずれか一項に記載の方法を実施するためのコンピュータ実行可能命令を含むプログラムであって、前記プログラムがコンピュータ(132)又はコンピュータネットワーク(134)で実行されるプログラム。
- 体液の試料を特徴付けるための試料分析デバイス(110)であって、
− 少なくとも1つの試験物質及び少なくとも1つの体液の試料の検出反応を測定するための少なくとも1つの測定ユニット(112)であり、前記検出反応が、一連の状態変数により影響を受けることが知られており、各状態変数が、前記体液の試料の状態及び前記検出反応の条件の少なくとも1つを特徴付け、更に、前記測定ユニット(112)が、前記検出反応の進行を示す少なくとも1つの測定値の時間的経過をモニターするように構成されており、それにより異なる時点(136)で取得された複数の測定値を含む光学的測定曲線を記録する測定ユニット、及び
− 少なくとも1つの体液の試料を分析するために光学的測定曲線を評価するための少なくとも1つの評価デバイス(114)であって、前記デバイスが、少なくとも1つの評価ユニット(116)を備え、前記評価ユニット(116)が、測定を評価するための方法を参照する請求項1〜18のいずれか一項に記載の方法を実施するように構成されている、前記評価デバイス(114)
を備える試料分析デバイス。 - 少なくとも1つの試験エレメント(118)を更に含み、前記試験エレメント(118)が、前記検出反応を実施するように構成されている少なくとも1つの試験物質を含み、前記試料分析デバイス(110)が、前記体液の試料が前記試験エレメント(118)に塗布可能なように構成されている、請求項22に記載の試料分析デバイス(110)。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP12198445 | 2012-12-20 | ||
EP12198445.4 | 2012-12-20 | ||
PCT/EP2013/077348 WO2014096174A1 (en) | 2012-12-20 | 2013-12-19 | Method for evaluating medical measurement curves |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2016505840A JP2016505840A (ja) | 2016-02-25 |
JP2016505840A5 JP2016505840A5 (ja) | 2017-02-09 |
JP6462585B2 true JP6462585B2 (ja) | 2019-01-30 |
Family
ID=47603061
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2015548568A Active JP6462585B2 (ja) | 2012-12-20 | 2013-12-19 | 医学的測定曲線の評価方法 |
Country Status (10)
Country | Link |
---|---|
US (2) | US20150286778A1 (ja) |
EP (1) | EP2936124B1 (ja) |
JP (1) | JP6462585B2 (ja) |
KR (1) | KR101789893B1 (ja) |
CN (1) | CN104870982B (ja) |
CA (1) | CA2896152C (ja) |
HK (1) | HK1213992A1 (ja) |
HU (1) | HUE034313T2 (ja) |
PL (1) | PL2936124T3 (ja) |
WO (1) | WO2014096174A1 (ja) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20160009619A (ko) * | 2013-06-10 | 2016-01-26 | 에프. 호프만-라 로슈 아게 | 체액에서 분석물을 검출하기 위한 방법 및 시스템 |
GB201507458D0 (en) * | 2015-04-30 | 2015-06-17 | Inside Biometrics Ltd | System and method for measuring fitness-related parameters |
IT201600094056A1 (it) * | 2016-09-20 | 2018-03-20 | Bilimetrix S R L | Metodo di taratura per un dispositivo di misura della bilirubina |
US10914751B2 (en) * | 2018-04-06 | 2021-02-09 | Boehringer Ingelheim Vetmedica Gmbh | Method for determining an analyte, and analysis system |
EP3640946A1 (en) * | 2018-10-15 | 2020-04-22 | Sartorius Stedim Data Analytics AB | Multivariate approach for biological cell selection |
EP3650843B1 (en) * | 2018-11-07 | 2022-01-19 | Roche Diabetes Care GmbH | Methods and devices for performing an analytical measurement |
CN109682968B (zh) * | 2018-11-08 | 2022-03-11 | 上海艾瑞德生物科技有限公司 | 一种荧光免疫试条定量检测测试信号温度矫正方法 |
JP2021092476A (ja) * | 2019-12-11 | 2021-06-17 | 清水建設株式会社 | 評価装置、評価方法、学習装置、及び学習方法 |
US11796549B2 (en) * | 2021-02-12 | 2023-10-24 | Hach Company | Real-time management of analyte recovery |
Family Cites Families (30)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE3826922A1 (de) | 1988-08-09 | 1990-02-22 | Boehringer Mannheim Gmbh | Verfahren zur kolorimetrischen bestimmung eines analyten mittels enzymatischer oxidation |
DE3940010A1 (de) | 1989-12-02 | 1991-06-06 | Boehringer Mannheim Gmbh | Verwendung eines schwer loeslichen salzes einer heteropolysaeure zur bestimmung eines analyts, entsprechendes bestimmungsverfahren sowie hierfuer geeignetes mittel |
DE4221807C2 (de) | 1992-07-03 | 1994-07-14 | Boehringer Mannheim Gmbh | Verfahren zur analytischen Bestimmung der Konzentration eines Bestandteiles einer medizinischen Probe |
HU222809B1 (hu) | 1997-10-03 | 2003-10-28 | 77 Elektronika Műszeripari Kft. | Eljárás és készülék kémiai összetevőnek anyagmintából, különösen vér glükóztartalmának vérmintából történő meghatározásához |
US20030036202A1 (en) * | 2001-08-01 | 2003-02-20 | Maria Teodorcyzk | Methods and devices for use in analyte concentration determination assays |
EP1536730A2 (en) | 2002-09-10 | 2005-06-08 | Euro-Celtique, S.A. | Apparatus and method for non-invasive measurement of blood constituents |
US7118916B2 (en) * | 2002-10-21 | 2006-10-10 | Lifescan, Inc. | Method of reducing analysis time of endpoint-type reaction profiles |
JP4745959B2 (ja) * | 2003-05-12 | 2011-08-10 | リバー・ダイアグノスティクス・ビー.・ブイ. | 微生物の自動特徴づけおよび分類 |
TW200608019A (en) * | 2004-05-14 | 2006-03-01 | Bayer Healthcare Llc | Methods for performing hematocrit adjustment in glucose assays and devices for same |
EP1702559B1 (de) | 2005-03-15 | 2008-10-29 | Roche Diagnostics GmbH | Verfahren und System zur Untersuchung des Glucosestoffwechsels |
US20060281187A1 (en) | 2005-06-13 | 2006-12-14 | Rosedale Medical, Inc. | Analyte detection devices and methods with hematocrit/volume correction and feedback control |
DE102005035461A1 (de) | 2005-07-28 | 2007-02-15 | Roche Diagnostics Gmbh | Stabile NAD/NADH-Derivate |
WO2007049607A1 (ja) * | 2005-10-28 | 2007-05-03 | Matsushita Electric Industrial Co., Ltd. | 測定デバイス、測定装置及び測定方法 |
US20070235346A1 (en) * | 2006-04-11 | 2007-10-11 | Popovich Natasha D | System and methods for providing corrected analyte concentration measurements |
EP1909206A1 (de) | 2006-09-11 | 2008-04-09 | Roche Diagnostics GmbH | Messbereichserweiterung chromatografischer Schnellteste |
US7629125B2 (en) | 2006-11-16 | 2009-12-08 | General Electric Company | Sequential analysis of biological samples |
EP1985996A1 (de) | 2007-04-27 | 2008-10-29 | Roche Diagnostics GmbH | Analysesystem zur photometrischen Bestimmung eines Analyten in einer Körperflüssigkeit mit einem Analysegerät und einem Testträger zur Aufnahme in das Analysegerät |
DK2006786T3 (en) | 2007-06-18 | 2018-08-06 | Hoffmann La Roche | Method and glucose monitoring system to monitor individual metabolic response and to generate nutrient feedback |
PL2040072T3 (pl) * | 2007-09-22 | 2013-06-28 | Hoffmann La Roche | System analityczny do określania koncentracji analitu w płynie ustrojowym |
BRPI0820670A2 (pt) | 2007-12-10 | 2015-06-16 | Bayer Healthcare Llc | Compensação baseada em inclinação |
EP2093284A1 (de) | 2008-02-19 | 2009-08-26 | F.Hoffmann-La Roche Ag | Stabilisierung von Dehydrogenasen mit stabilen Coenzymen |
EP2350671A1 (en) * | 2008-10-24 | 2011-08-03 | Boditechmed Inc. | System for the quantitative measurement of glycohemoglobin and a method for measuring the content of glycohemoglobin using the same |
EP2459728B1 (en) | 2009-07-27 | 2013-06-05 | Roche Diagnostics GmbH | Enzymatic synthesis of carba-NAD |
JP5542931B2 (ja) | 2009-07-27 | 2014-07-09 | エフ・ホフマン−ラ・ロシュ・アクチェンゲゼルシャフト | N置換ピリジニウム化合物の調製のための方法及び物質 |
JP5544423B2 (ja) | 2009-07-27 | 2014-07-09 | エフ・ホフマン−ラ・ロシュ・アクチェンゲゼルシャフト | N置換ピリジニウム化合物の調製のための方法及び物質 |
US20130189702A1 (en) * | 2010-04-21 | 2013-07-25 | Siemens Healthcare Diagnostics Inc. | Curve Processor Algorithm for the Quality Control of (RT-) qPCR Curves |
JP5812701B2 (ja) * | 2010-06-23 | 2015-11-17 | アークレイ株式会社 | 血漿グルコース測定方法 |
SG189391A1 (en) * | 2010-10-18 | 2013-05-31 | Nestec Sa | Methods for determining anti-drug antibody isotypes |
EP3901624B1 (en) | 2010-12-22 | 2024-01-31 | Roche Diabetes Care GmbH | Methods to compensate for sources of error during electrochemical testing |
JP5801590B2 (ja) * | 2011-04-11 | 2015-10-28 | シスメックス株式会社 | 生体成分測定方法 |
-
2013
- 2013-12-19 PL PL13811932T patent/PL2936124T3/pl unknown
- 2013-12-19 JP JP2015548568A patent/JP6462585B2/ja active Active
- 2013-12-19 KR KR1020157016553A patent/KR101789893B1/ko active IP Right Grant
- 2013-12-19 EP EP13811932.6A patent/EP2936124B1/en active Active
- 2013-12-19 HU HUE13811932A patent/HUE034313T2/en unknown
- 2013-12-19 CN CN201380067159.9A patent/CN104870982B/zh active Active
- 2013-12-19 WO PCT/EP2013/077348 patent/WO2014096174A1/en active Application Filing
- 2013-12-19 CA CA2896152A patent/CA2896152C/en active Active
-
2015
- 2015-06-19 US US14/744,971 patent/US20150286778A1/en not_active Abandoned
-
2016
- 2016-02-23 HK HK16101958.0A patent/HK1213992A1/zh unknown
-
2019
- 2019-07-03 US US16/502,363 patent/US10984892B2/en active Active
Also Published As
Publication number | Publication date |
---|---|
HK1213992A1 (zh) | 2016-07-15 |
JP2016505840A (ja) | 2016-02-25 |
KR20150090152A (ko) | 2015-08-05 |
CN104870982A (zh) | 2015-08-26 |
PL2936124T3 (pl) | 2017-08-31 |
CN104870982B (zh) | 2019-02-15 |
WO2014096174A1 (en) | 2014-06-26 |
EP2936124B1 (en) | 2017-03-15 |
CA2896152C (en) | 2018-07-24 |
US10984892B2 (en) | 2021-04-20 |
KR101789893B1 (ko) | 2017-11-20 |
CA2896152A1 (en) | 2014-06-26 |
US20190325992A1 (en) | 2019-10-24 |
HUE034313T2 (en) | 2018-02-28 |
US20150286778A1 (en) | 2015-10-08 |
EP2936124A1 (en) | 2015-10-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6462585B2 (ja) | 医学的測定曲線の評価方法 | |
JP6441812B2 (ja) | 体液試料を分析する方法 | |
Doty et al. | Predicting the time of the crime: Bloodstain aging estimation for up to two years | |
US6280381B1 (en) | Intelligent system for noninvasive blood analyte prediction | |
US6441388B1 (en) | Methods and apparatus for spectroscopic calibration model transfer | |
AU754677B2 (en) | System and method for noninvasive blood analyte measurements | |
US7098037B2 (en) | Accommodating subject and instrument variations in spectroscopic determinations | |
TWI600892B (zh) | 決定樣本中待測物濃度的方法及生物感測器系統 | |
JP2004347385A (ja) | 異常検出システム及び異常検出方法 | |
CN113490843A (zh) | 采用拉曼光谱确定病毒滴度的方法 | |
US20210254125A1 (en) | Method and device for estimating number of cells | |
Lin et al. | Biological Materials | |
WO2024127396A1 (en) | System and method for generating a prediction model based on an input dataset | |
EP0762108A2 (en) | Method of and apparatus for measuring ketone concentration in organism |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20161216 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20161216 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20171030 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20171128 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20180228 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20180410 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20180620 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20180807 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20181010 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20181127 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20181227 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6462585 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |