KR20190004733A - 확률적 탄수화물 측정들을 갖는 볼러스 계산기 - Google Patents

확률적 탄수화물 측정들을 갖는 볼러스 계산기 Download PDF

Info

Publication number
KR20190004733A
KR20190004733A KR1020187034427A KR20187034427A KR20190004733A KR 20190004733 A KR20190004733 A KR 20190004733A KR 1020187034427 A KR1020187034427 A KR 1020187034427A KR 20187034427 A KR20187034427 A KR 20187034427A KR 20190004733 A KR20190004733 A KR 20190004733A
Authority
KR
South Korea
Prior art keywords
carbohydrate
user
bolus
probability
hyperglycemia
Prior art date
Application number
KR1020187034427A
Other languages
English (en)
Other versions
KR102170071B1 (ko
Inventor
데이비드 엘 듀크
Original Assignee
에프. 호프만-라 로슈 아게
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 에프. 호프만-라 로슈 아게 filed Critical 에프. 호프만-라 로슈 아게
Publication of KR20190004733A publication Critical patent/KR20190004733A/ko
Application granted granted Critical
Publication of KR102170071B1 publication Critical patent/KR102170071B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/10—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients
    • 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
    • G16H20/60—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to nutrition control, e.g. diets
    • 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
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
    • 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
    • G16H20/10—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients
    • G16H20/17—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients delivered via infusion or injection
    • 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
    • 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
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Epidemiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Biomedical Technology (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Pathology (AREA)
  • Nutrition Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Medicinal Chemistry (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Infusion, Injection, And Reservoir Apparatuses (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

방법들 및 디바이스들은 저혈당의 위험과 고혈당의 위험을 감소시키기 위해 탄수화물 추정치의 불확실성을 확인하기 위해 볼러스 계산기를 사용하는 것을 수반한다. 보다 구체적으로, 방법들 및 디바이스들은 볼러스 계산기의 프로세서에 의해 실행되는 알고리즘을 사용하고 탄수화물 추정치 및 탄수화물 추정치의 불확실성을 정의하는 측정치를 사용하여, 탄수화물 추정치가 과대평가 또는 과소평가일 경우 저혈당 및 고혈당의 확률을 결정하고 후속하여 사용자에게 권고들 및 경고들을 제공한다.

Description

확률적 탄수화물 측정들을 갖는 볼러스 계산기
관련 출원에 대한 상호참조
본 출원은 2016 년 4 월 24 일자로 출원되고 본 명세서에 전체가 참조로서 통합되는 미국 특허 출원 제 15/140,550 호의 이익을 주장한다.
본 출원은 일반적으로 저혈당의 위험과 고혈당의 위험을 감소시키기 위해 탄수화물 추정치의 불확실성을 확인하기 위해 볼러스 계산기 (bolus calculator) 를 사용하는 것을 수반하는 방법들 및 디바이스들에 관한 것이다. 보다 구체적으로는, 본 출원은 볼러스 계산기의 프로세서에 의해 실행되는 알고리즘을 사용하고 탄수화물 추정치 및 탄수화물 추정치의 불확실성을 정의하는 측정치를 사용하여 탄수화물 추정치가 각각 과대평가 또는 과소평가일 경우 저혈당 및 고혈당의 위험 (또는 확률) 을 결정하고, 후속하여 사용자에게 권고들 및 경고들을 제공하는 방법들 및 디바이스들에 관한 것이다.
당뇨병은 고혈당 및 상대적 인슐린 결핍으로 특징지어질 수 있다. 2 가지 주요 유형의 당뇨병들이 존재하며, 제 1 형 당뇨병 (인슐린 의존성 당뇨병) 과 제 2 형 당뇨병 (비-인슐린 의존성 당뇨병) 이다. 경우에 따라, 당뇨병은 또한 인슐린 저항성을 특징으로 한다.
인슐린 분비는 포도당 레벨을 최적 레벨로 유지하기 위해 혈당 레벨을 제어하는 기능을 한다. 건강 관리에는 치료 프로그램을 확립하는 것과 괴로워하는 사람의 진행 상태를 모니터링하는 것 양자가 수반될 수도 있다. 혈당 레벨들을 모니터링하는 것은 당뇨병 환자가 하루 종일 가능하면 정상에 가까운 혈당 레벨을 유지하도록 돕기 위해 사용되는 중요한 프로세스이다. 모니터링하는 것은 또한, 필요에 따라 치료를 변경하여 당뇨병을 성공적으로 치료할 수 있다. 모니터링하는 것은 당뇨병 환자가 자신의 상태를 더 면밀히 모니터링하게 하고, 또한 환자의 진행 상태를 결정하고 환자의 치료 프로그램을 변경할 필요성을 검출할 때 의료 제공자에게 가치 있는 정보를 제공할 수 있다.
환자가 사용하는 혈당 모니터링 시스템들의 2 가지 주요 유형들이 존재하며: 단일 점 (또는 비-연속) 시스템들 및 연속 시스템들이다. 비-연속 시스템들은 계측기들 및 검사지들로 구성되며, 손가락 끝이나 팔뚝 및 다리와 같은 대체 부위로부터 혈액 샘플들이 채혈되어야 한다. 비연속 시스템의 일 예는 당뇨병 환자에게 검사지의 시약 주입 영역에 혈액 샘플들을 적용하게 하고, 미리 결정된 기간 후에 검사지에서 혈액 샘플을 닦아내게 하고, 검사지의 시약 주입 영역의 컬러를 검사지 제조업체가 제공한 컬러 차트와 비교함으로써 혈액 포도당 레벨을 검사하게 할 수도 있다. 대안적으로, 많은 환자들이 연속적 포도당 모니터링 (CGM) 을 사용하여 지속적으로 포도당 레벨을 모니터링한다. CGM 을 수행하기 위해, 포도당 센서가 피부 아래에 위치될 수도 있는데, 이는 간질액 (interstitial fluid) 내의 사람의 포도당 레벨을 측정할 수 있다. 포도당 센서는 매 분과 같은 공지된 시간 간격으로 사람의 포도당 레벨을 주기적으로 측정하고, 포도당 측정 결과들을 전자 모니터에 전송할 수도 있다.
본원에 기술된 실시형태들은 탄수화물들을 카운팅하는데 어려움이 있는, 다수의 매일 주사를 맞아야 하는 개인들에게 보다 안전하고 효율적인 방법을 제공한다; 상기 실시형태들은 또한, 식사를 처리하는 것을 돕기 원하는, CGM 을 사용하는 환자들에게 유리하다. 실시형태들은 불확실성을 확인함으로써 볼러스 계산기의 정확도를 향상시키는 알고리즘을 사용하는 계산들을 상세하게 설명한다.
본원에 기술된 실시형태들은 저혈당의 위험과 고혈당의 위험을 감소시키기 위해 탄수화물 추정치의 불확실성을 확인하기 위해 볼러스 계산기를 사용하는 방법을 제공하며, 그 방법은, 활성화될 때, 저혈당의 확률 (Phypo) 을 정의하는 제 1 임계 퍼센티지; 고혈당의 확률 (Phyper) 을 정의하는 제 2 임계 퍼센티지; 저혈당 임계치 (Thypo); 및 고혈당 임계치 (Thyper) 에 대하여 미리 설정된 값들을 정의하는 알고리즘을 실행하는, 프로세서를 내부에 포함하는 상기 볼러스 계산기를 제공하는 단계; 상기 볼러스 계산기에 상기 탄수화물 추정치 및 상기 탄수화물 추정치 (c) 의 불확실성을 정의하는 측정치를 제공하는 단계; 상기 미리 설정된 값들, 상기 탄수화물 추정치 및 상기 탄수화물 추정치의 불확실성을 정의하는 상기 측정치를 사용하여, 상기 탄수화물 추정치가 탄수화물 함량을 과대평가하였고 따라서 표준 식사 인슐린 볼러스 (standard meal insulin bolus) 가 과대평가되었으며 따라서 상기 저혈당의 위험을 감소시키기 위해 조정되어야만 하는 경우, 상기 저혈당의 위험 (또는 확률) 을 결정하고: 그리고 상기 탄수화물 추정치가 상기 탄수화물 함량을 과소평가하였고 따라서 상기 표준 식사 인슐린 볼러스가 과소평가되었으며 따라서 상기 고혈당의 위험을 감소시키기 위해 조정되어야만 하는 경우, 상기 고혈당의 위험 (또는 확률) 을 결정하는 상기 알고리즘을 실행하도록 상기 프로세서를 활성화시키는 단계; 및 상기 탄수화물 추정치가 과대평가되었을 때, 대응하는 식사 인슐린 볼러스를 조정하기 위해 사용자에게 권고를 제공하고, 상기 탄수화물 추정치가 과소평가되었을 때, 상기 사용자에게 경고하여 식후 포도당 측정을 권고하는 단계를 포함한다.
본원에 설명된 추가의 실시형태들은 저혈당의 위험과 고혈당의 위험을 감소시키기 위해 탄수화물 추정치의 불확실성을 확인하기 위해 볼러스 계산기를 사용하는 방법을 제공하며, 그 방법은, 활성화될 때, 저혈당의 확률 (Phypo) 을 정의하는 제 1 임계 퍼센티지; 고혈당의 확률 (Phyper) 을 정의하는 제 2 임계 퍼센티지; 저혈당 임계치 (Thypo); 및 고혈당 임계치 (Thyper) 에 대하여 미리 설정된 값들을 정의하는 알고리즘을 실행하는, 프로세서를 내부에 포함하는 상기 볼러스 계산기를 제공하는 단계; 상기 볼러스 계산기에 상기 탄수화물 추정치 (c) 및 상기 탄수화물 추정치의 불확실성을 정의하는 표준 편차 (σc) 를 제공하는 단계; 상기 알고리즘을 실행하도록 상기 프로세서를 활성화시키는 단계; 상기 탄수화물 추정치가 탄수화물 함량을 과대평가하였고 따라서 표준 식사 인슐린 볼러스가 과대평가되었으며 따라서 저혈당의 위험을 감소시키기 위해 조정되어야만 하는 경우, 상기 탄수화물 추정치 및 사용자의 탄수화물 비율을 활용하여 표준 식사 인슐린 볼러스 (Imeal) 를 계산하는 것, 상기 탄수화물 추정치, 상기 표준 편차, 및 정규 누적 분포에 관한 파라미터를 사용하여, 상기 저혈당의 확률을 정의하는 상기 임계 퍼센티지에 대응하는 제 1 레벨 (cPhypo) 을 계산하는 것, 상기 사용자의 인슐린 감도 인자, 상기 저혈당 임계치 및 계산된 상기 제 1 레벨을 사용하여 저혈당-회피 (hypoglycemia-averse) 인슐린 볼러스 (Ihypo(x)%) 를 계산하는 것, 상기 표준 식사 인슐린 볼러스를 상기 저혈당-회피 인슐린 볼러스와 비교하는 것, 상기 표준 식사 인슐린 볼러스와 상기 저혈당-회피 인슐린 볼러스의 최소치를 선택하여 상기 저혈당의 위험을 확인하는 것에 의해, 상기 저혈당의 위험 (확률) 을 결정하는 단계; 상기 탄수화물 추정치가 상기 탄수화물 함량을 과소평가하였고 따라서 상기 표준 식사 인슐린 볼러스가 과소평가되었으며 따라서 고혈당의 위험을 감소시키기 위해 조정되어야만 하는 경우, 상기 탄수화물 추정치, 상기 표준 편차, 및 정규 누적 분포에 관한 파라미터를 사용하여, 상기 고혈당의 확률을 정의하는 상기 임계 퍼센티지에 대응하는 제 2 레벨 (cPhyper) 을 계산하는 것, 계산된 상기 제 2 레벨, 상기 사용자의 탄수화물 비율, 상기 사용자의 인슐린 감도 인자, 및 타겟 포도당 레벨을 사용하여, 식후 포도당 추정치를 나타내는 값을 계산하는 것, 상기 값을 상기 고혈당 임계치와 비교하는 것, 및 상기 값이 상기 고혈당 임계치보다 클 경우 상기 사용자가 식후 포도당 측정을 취하도록 지시하는 경고를 상기 사용자에게 제공하여 상기 고혈당의 위험을 확인하는 것 에 의해, 상기 고혈당의 위험 (확률) 을 결정하는 단계를 포함한다.
본원의 다른 추가의 실시형태들은 저혈당의 위험과 고혈당의 위험을 감소시키기 위해 탄수화물 추정치의 불확실성을 확인하기 위한 볼러스 계산기를 위한 방법을 제공하며, 상기 볼루스 계산기는, 활성화될 때, 저혈당의 확률 (Phypo) 을 정의하는 제 1 임계 퍼센티지; 고혈당의 확률 (Phyper) 을 정의하는 제 2 임계 퍼센티지; 저혈당 임계치 (Thypo); 및 고혈당 임계치 (Thyper) 에 대하여 미리 설정된 값들을 정의하는 알고리즘을 실행하도록 구성되는 프로세서를 포함하고, 상기 프로세서는, 상기 볼러스 계산기에 의한 상기 탄수화물 추정치 및 상기 탄수화물 추정치 (c) 의 불확실성을 정의하는 표준 편차 (σc) 의 수신시, 상기 탄수화물 추정치가 탄수화물 함량을 과대평가하였고 따라서 표준 식사 인슐린 볼러스가 과대평가되었으며 따라서 저혈당의 위험을 감소시키기 위해 조정되어야만 하는 경우, 상기 프로세서가, 상기 탄수화물 추정치 및 사용자의 탄수화물 비율을 활용하여 표준 식사 인슐린 볼러스 (Imeal) 를 계산하고, 상기 탄수화물 추정치, 상기 표준 편차, 및 정규 누적 분포에 관한 파라미터를 사용하여, 상기 저혈당의 확률을 정의하는 상기 임계 퍼센티지에 대응하는 제 1 레벨 (cPhypo) 을 계산하고, 상기 사용자의 인슐린 감도 인자, 상기 저혈당 임계치 및 계산된 상기 제 1 레벨을 사용하여 저혈당-회피 인슐린 볼러스 (Ihypo(x)%) 를 계산하고, 상기 표준 식사 인슐린 볼러스를 상기 저혈당-회피 인슐린 볼러스와 비교하고, 상기 표준 식사 인슐린 볼러스와 상기 저혈당-회피 인슐린 볼러스의 최소치를 선택하여 상기 저혈당의 위험을 확인하는, 상기 저혈당의 위험 (확률) 을 결정하고; 그리고 상기 탄수화물 추정치가 상기 탄수화물 함량을 과소평가하였고 따라서 상기 표준 식사 인슐린 볼러스가 과소평가되었으며 따라서 고혈당의 위험을 감소시키기 위해 조정되어야만 하는 경우, 상기 프로세서가, 상기 탄수화물 추정치, 상기 표준 편차, 및 정규 누적 분포에 관한 파라미터를 사용하여, 제 2 레벨 (cPhyper) 을 계산하고, 계산된 상기 제 2 레벨, 상기 사용자의 인슐린 감도 인자, 및 타겟 포도당 레벨을 사용하여, 식후 포도당 추정치를 나타내는 값을 계산하고, 상기 값을 상기 고혈당 임계치와 비교하며, 그리고 상기 값이 상기 고혈당 임계치보다 클 경우 상기 사용자가 식후 포도당 측정을 취하도록 지시하는 경고를 상기 사용자에게 제공하여 상기 고혈당의 위험을 확인하는, 상기 고혈당의 위험 (확률) 을 결정하도록 구성된다.
도면에 기재된 실시형태들은 본질적으로 예시적이고 전형적인 것이며 청구범위에 의해 정의된 본 발명을 제한하려는 것은 아니다. 예시적인 실시형태들에 대한 다음의 상세한 설명은 유사한 구조가 유사한 도면 부호들로 표시되는, 다음들의 도면과 함께 읽혀질 때 이해될 수 있다.
도 1 은 본원에 기재된 하나 이상의 실시형태들에 따른 연속적 포도당 모니터링 (CGM) 시스템을 도시한다.
도 2 는 도 1 의 CGM 시스템의 예시적인 혈당 관리 디바이스, 치료 전달 디바이스 및 포도당 센서를 도시하며, 혈당 관리 디바이스는 볼러스 계산기 모듈, 해저드 분석 로직, 및 기본 속도 조정 로직을 포함한다.
도 3a 는 컴퓨팅 디바이스의 예시적인 실시형태를 도시하며, 상기 컴퓨팅 디바이스는 이미지 캡처용의 카메라를 갖는 스마트 폰이다.
도 3b 는 탄수화물 추정치의 확실성에 대한 측정치를 사용자로부터 결정하기 위한 스마트 폰으로부터의 질의를 도시하는 컴퓨팅 디바이스의 스마트 폰의 디스플레이를 도시한다.
도 4 는 10 grams/IU 의 탄수화물 비율 및 30 밀리그램 대 데시리터 대 국제 단위 (mg/dL/IU) 의 인슐린 감도 인자를 갖는 개인에 대해 본원에 기술된 방법들을 사용한 식사 볼러스 어드바이스의 일 예를 도시한다.
도 5 는 본원에서 제공되는 실시형태들의 방법을 개략적으로 나타낸 흐름도를 도시한다.
본 개시물의 특정 실시형태들이 지금부터 설명될 것이다. 하지만, 본 발명은 상이한 형태들로 구현될 수도 있으며, 본원에 기술된 실시형태들로 한정되는 것으로 해석되지 않아야 한다. 오히려, 이들 실시형태들은, 본 개시물이 철저하고 완전하며, 또한 본 발명의 범위를 당업자에게 충분히 전달하게 하도록 제공된다.
달리 정의되지 않는 한, 본원에서 사용된 모든 기술적 및 과학적 용어들은, 본 발명의 실시형태들이 속하는 기술 분야의 당업자에 의해 일반적으로 이해되는 것과 동일한 의미를 갖는다. 본원에서 사용되는 용어는 특정 실시형태들을 설명하기 위한 것일 뿐이며, 본 발명을 한정하려는 것은 아니다. 명세서 및 첨부된 청구 범위에서 사용된 바와 같이, 단수 형태들 "a, "an" 및 "the" 은, 그 문맥이 분명하게 달리 표시하지 않는다면, 복수 형태들을 물론 포함하도록 의도된다.
다르게 지시되지 않는 한, 명세서 및 청구 범위에서 사용되는 것과 같이 성분들의 수량들, 속성들 예컨대, 분자량, 반응 조건 등을 나타내는 모든 숫자들은 모든 경우들에서 표시된 값의 최대 ±10% 를 의미하도록 의도된 용어 "약" 에 의해 수정되는 것으로 이해되어야 한다. 또한, 명세서 및 청구 범위의 임의의 범위들의 개시는 그 범위 자체와 또한 그 안에 포함된 임의의 것뿐만 아니라 종단점들을 포함하는 것으로 이해되어야 한다. 달리 지시되지 않는 한, 명세서 및 청구 범위에 기재된 수치적 특성들은 본 발명의 실시형태들에서 획득하고자 하는 원하는 특성들에 따라 변화할 수도 있는 근사치들이다. 본 발명의 실시형태들의 넓은 범위를 설명하는 수치 범위들 및 파라미터들이 근사치들임에도 불구하고, 특정 예들에서 설명된 수치 값들은 가능하면 정확하게 보고된다. 그러나, 임의의 수치 값들은 본질적으로 각각의 측정들에서 발견된 에러로 인해 필연적으로 발생하는 특정 에러들을 포함한다.
수학적 결정들, 계산들, 방정식들 또는 그 부분들의 컴퓨테이션들 또는 결정들을 위한 데이터의 입력과 같은 본원에 기술된 방법들의 부분들은, 하나 이상의 프로세서들뿐만 아니라 프로그램들을 운영하거나 실행하고 계산들 또는 컴퓨테이션들을 운영하기 위한 소프트웨어를 포함할 수 있는 하나 이상의 컴퓨터들 또는 컴퓨터 시스템들의 부분들 상에 수행될 수 있다.
본원에 기술된 방법들과 시스템들 및 그 부분들은 본 발명의 실시형태들을 구현하도록 결합될 수 있다. 본원에 사용된 단어들의 형태들에는 변형들이 있을 수 있다: 예를 들어 "형태" 와 같은 단어가 사용될 때, 이것은 "계산하다" 및 "계산하는" 과 같은 변형들이 이해되고 고려된 것을 의미한다.
여기에서 사용자로서, "사용자", "환자" 및 "사람" 은 CGM 시스템과 상호 작용하는 개인을 지칭하여, 본원에 설명된 개선들을 통해 개인의 건강을 향상시키는데 사용된다.
도 1 을 참조하면, 당뇨병을 가진 사람의 포도당 레벨을 모니터링하기 위한 예시적인 CGM 시스템 (1) 이 도시된다. 특히, CGM 시스템 (1) 은 매 1 분, 5 분 또는 다른 적당한 간격들과 같은 미리 결정된, 조정 가능한 간격으로 측정된 포도당 값을 수집하도록 동작한다. CGM 시스템 (1) 은 사람의 피부 (4) 아래에 삽입된 바늘 또는 프로브 (3) 를 갖는 포도당 센서 (2) 를 예시적으로 포함한다. 바늘 (3) 의 단부는 간질액 (5) 을 포함하는 영역에 위치되어, 포도당 센서 (2) 에 의해 취득된 측정들이 간질액 (5) 내의 포도당 레벨에 기초한다. 바늘은 또한, 혈액 및/또는 다른 체액이 있는 영역에 위치될 수 있다. 포도당 센서 (2) 는 사람의 복부 또는 다른 적당한 위치에 인접하여 위치된다. 포도당 센서 (2) 는 무선 송신기 (6) 및 안테나 (7) 를 포함하지만 이에 한정되지 않는 다른 컴포넌트들을 포함할 수도 있다. 포도당 센서 (2) 는 예를 들어, 비-침습성 디바이스 (예를 들어, 적외선 센서) 와 같은, 측정을 취하기 위한 다른 적절한 디바이스들을 대안적으로 사용할 수도 있다. 측정을 취할 때, 포도당 센서 (2) 는 측정된 포도당 값(들)을 통신 링크 (8) 를 통해 컴퓨팅 디바이스 (9), 예시적으로는 혈당 관리 디바이스 (9) 또는 볼러스 계산기 (9) 로 송신한다 (특정 실시형태들에서 볼러스 계산기는 본원에서 설명된 것과 같은 하우징을 가지고, 예를 들어, 볼러스 계산기 (9) 의 논리 특성들을 수행하는 볼러스 계산기 모듈 (19) 을 포함하는 프로세서(들) (14) 과 함께 작동하는 독립형 디바이스이다).
CGM 시스템 (1) 은 사람에게 치료 (예를 들어, 인슐린) 를 전달하기 위한 치료 전달 디바이스 (10), 예를 들어 인슐린 주입 펌프 (10) 를 더 포함한다. 펌프 (10) 는 단일 하우징을 가질 수 있거나 또는 일 파트가 재사용가능하고 다른 파트가 일회용인 2-파트 하우징을 가질 수 있으며, 여기서 일회용 파트는 배터리와 같은 전원을 포함할 수 있다. 인슐린 펌프 (10) 는 통신 링크 (11) 를 통해 관리 디바이스 (9) 와 통신하고, 관리 디바이스 (9) 는 인슐린 펌프 (10) 에 볼러스 및 기본 속도 정보를 통신할 수2037719
있다. 인슐린 펌프 (10) 는 사람의 피부 (4) 를 통해 삽입되어 인슐린을 주입하기 위한 바늘을 갖는 카테터 (12) 를 포함한다. 인슐린 펌프 (10) 는 예시적으로 사람의 복부 또는 다른 적합한 위치에 인접하여 위치된다. 포도당 센서 (2) 와 유사하게, 주입 펌프 (10) 는 또한, 관리 디바이스 (9) 와 통신하기 위한 무선 송신기 및 안테나를 포함한다. 인슐린 펌프 (10) 는 기초 인슐린 (예를 들어, 기본 속도로 연속적으로 또는 반복적으로 방출되는 소량의 인슐린) 및 볼러스 인슐린 (예를 들어, 식사 이벤트와 같은 서지 투여량의 인슐린) 을 전달하도록 동작한다. 볼러스 인슐린은 사용자에 의해 트리거된 사용자 입력에 응답하여, 또는 관리 디바이스 (9) 로부터의 명령에 응답하여 전달될 수도 있다. 유사하게, 기초 인슐린의 기본 속도는 사용자 입력에 기초하여, 또는 관리 디바이스 (9) 로부터의 명령에 응답하여 설정된다. 주입 펌프 (10) 는 펌프 데이터를 디스플레이하기 위한 디스플레이 (13) 및 사용자 제어들을 제공하는 사용자 인터페이스를 포함할 수도 있다. 다른 실시형태에서, 인슐린 펌프 (10) 및 포도당 센서 (2) 는 환자가 착용하는 단일 디바이스로서 제공될 수도 있고, 프로세서 (14) (도 2) 에 의해 제공된 로직의 적어도 일부는 이 단일 디바이스 상에 상주할 수도 있다. 볼러스 인슐린은 또한, 다른 수단에 의해, 예컨대 바늘을 통해 사용자에 의해 수동으로 주입될 수도 있다.
통신 링크들 (8, 11) 는 예시적으로 무선, 예컨대 무선 주파수 ("RF") 또는 다른 적절한 무선 주파수이며, 여기서 데이터 및 제어들이 센서 (2), 치료 전달 디바이스 (10) 및 관리 디바이스 (9) 사이에서 전자기파를 통해 송신된다. Bluetooth® 는 약 2.4 기가헤르쯔 (GHz) 의 주파수를 사용하는 무선 RF 통신 시스템의 일 예시적인 유형이다. 무선 통신 스킴의 다른 예시적인 유형은 Infrared Data Association® (IrDA®) 에 의해 지원되는 시스템들과 같은 적외선을 사용한다. 다른 적절한 유형의 무선 통신이 제공될 수도 있다. 또한, 각각의 통신 링크 (8, 11) 는 포도당 센서 (2), 컴퓨팅 디바이스 (9), 인슐린 펌프 (10) 및 다른 적절한 디바이스들 또는 시스템들 사이와 같은 다수의 디바이스들 사이의 통신을 용이하게 할 수도 있다. 예를 들어 유선 이더넷 링크와 같은 유선 링크들이 시스템 (1) 의 디바이스들 간에 제공될 수도 있다. 다른 적합한 공개적 또는 독점적 유선 또는 무선 링크들이 사용될 수도 있다.
도 2 는 도 1 의 CGM 시스템 (1) 의 관리 디바이스 (9) 의 예시적인 실시형태를 도시한다. 관리 디바이스 (9) 는 관리 디바이스 (9) 의 메모리 (15) 에 저장된 소프트웨어 및/또는 펌웨어 코드를 실행하는 적어도 하나의 프로세싱 디바이스 (14) 를 포함한다. 소프트웨어/펌웨어 코드는, 관리 디바이스 (9) 의 프로세서 (14) 에 의해 실행될 때, 관리 디바이스 (9) 가 본원에 설명된 기능들을 수행하게 하는 명령들을 포함한다. 관리 디바이스 (9) 는 대안적으로 하나 이상의 ASIC들 (application-specific integrated circuits), FPGA들 (field-programmable gate arrays), DSP들 (digital signal processors), 하드 와이어드 로직, 또는 이들의 조합들을 포함할 수도 있다. 관리 디바이스 (9) 는 예시적으로 포도당 모니터 (9) 이지만, 다른 적절한 관리 디바이스들 (9) 제공될 수도 있으며, 예를 들어 데스크톱 컴퓨터, 랩톱 컴퓨터, 컴퓨터 서버, 개인 휴대 정보 단말기 ("PDA"), 스마트 폰, 셀룰러 디바이스 , 태블릿 컴퓨터, 주입 펌프, 포도당 측정 엔진 및 PDA 또는 휴대폰을 포함한 통합 디바이스 등이다. 관리 디바이스 (9) 는 단일 관리 디바이스 (9) 로서 도시되어 있지만, 본원에 설명된 관리 디바이스 (9) 의 기능들을 수행하기 위해 다수의 컴퓨팅 디바이스들이 함께 사용될 수도 있다. 도 2 는 또한, 볼러스 계산기 모듈 (19), (예를 들어, 계산들에서 포도당 레벨의 변화 시간/속도를 확인하기 위한) 해저드 분석 로직 컴포넌트 (20), (예를 들어, 계산들에서 잡음을 제거하거나 포도당 센서 정확성 확률을 조정하기 위한) 순환 필터 (21), 및/또는 (예컨대, 사용자 활동들이 계산들에서의 속도들에 미치는 영향을 조정하기 위한) 기본 속도 조정 로직 컴포넌트 (22) 를 포함할 수 있다.
메모리 (15) 는 프로세서 (14) 에 의해 액세스 가능한 임의의 적합한 컴퓨터 판독 가능 매체이다. 메모리 (15) 는 단일 저장 디바이스 또는 다중 저장 디바이스들일 수도 있고, 관리 디바이스 (9) 의 내부 또는 외부에 위치될 수도 있으며, 휘발성 및 비-휘발성 매체 양자를 포함할 수도 있다. 또한, 메모리 (15) 는 착탈식 및 비-착탈식 매체 중 하나 또는 양자를 포함할 수도 있다. 예시적인 메모리 (15) 는 랜덤 액세스 메모리 (RAM), 판독 전용 메모리 (ROM), 전기적 소거가능 프로그램가능 ROM (EEPROM), 플래시 메모리, CD-ROM, 디지털 다기능 디스크 (DVD) 또는 다른 광학 디스크 스토리지, 자기 저장 디바이스, 또는 데이터를 저장하도록 구성되고 관리 디바이스 (9) 에 의해 액세스가능한 임의의 다른 적절한 매체를 포함한다.
관리 디바이스 (9) 는 프로세서 (14) 에 동작가능하게 커플링된 통신 디바이스 (16) 를 더 포함한다. 통신 디바이스 (16) 는 디바이스 (9) 와 포도당 센서 (2) 및 인슐린 펌프 (10) 사이의 통신 링크들 (8, 11) 을 통해 데이터 및 제어들을 송신 및 수신하도록 동작하는 임의의 적합한 무선 및/또는 유선 통신 모듈을 포함한다. 일 실시형태에서, 통신 디바이스 (16) 는 통신 링크들 (8,11) 을 통해 무선으로 데이터를 수신 및/또는 송신하기 위한 안테나 (17; 도 1) 를 포함한다. 관리 디바이스 (9) 는 통신 디바이스 (16) 를 통해 포도당 센서 (2) 및/또는 인슐린 펌프 (10) 로부터 수신된 측정된 포도당 결과들 및 다른 데이터를 메모리 (15) 에 저장한다.
관리 디바이스 (9) 는 사용자 입력을 수신하기 위한 하나 이상의 사용자 입력 디바이스들 (18) 을 포함한다. 입력 디바이스들 (18) 은 푸시 버튼들, 스위치들, 마우스 포인터, 키보드, 터치 스크린, 또는 임의의 다른 적절한 입력 디바이스를 포함할 수도 있다. 디스플레이 (13) 는 프로세서 (14) 에 동작가능하게 커플링된다. 디스플레이 (13) 는 프로세서 (14) 에 의해 제공되는 정보를 사용자에게 디스플레이하도록 구성된, 임의의 적합한 디스플레이 또는 모니터 기술 (예를 들어, 액정 디스플레이, 등) 을 포함할 수도 있다. 프로세서 (14) 는 사람의 검출된 포도당 상태, 포도당 상태와 관련된 위험, 및 기본 속도와 볼러스 정보와 관련된 정보를 디스플레이 (13) 에 송신하도록 구성된다. 포도당 상태는 추정된 포도당 레벨 및/또는 포도당 레벨의 추정된 변화율뿐만 아니라, 추정된 포도당 레벨의 품질 또는 불확실성의 추정치를 포함할 수도 있다. 또한, 디스플레이된 정보는, 사람의 추정 또는 예측된 포도당 레벨이 저혈당 또는 고혈당인지 여부에 관한 경고들 및/또는 알람들 등을 포함할 수도 있다. 예를 들어, 사람의 포도당 레벨이 혈액 내의 약 50 내지 약 70 mg/dL 의 포도당과 같은 미리 결정된 저혈당 임계치 아래로 떨어지면 (또는 아래로 떨어질 것으로 예측되면), 경고가 발행될 수도 있다. 관리 디바이스 (9) 는 또한, 예를 들어 진동에 의한 것과 같은 접촉 감각을 통해 사람에게 정보 또는 경고들을 통신하도록 구성될 수도 있다.
일 실시형태에서, 관리 디바이스 (9) 는 예컨대, 간병인 시설 또는 간병인이 접근가능한 위치에서 원격 컴퓨팅 디바이스와 통신하며, 데이터 (예를 들어, 포도당 데이터 또는 다른 생리학적 정보) 가 그들 사이에서 전송된다. 이 실시형태에서, 관리 디바이스 (9) 및 원격 디바이스는, 예를 들어 인터넷을 통한 셀룰러 통신들과 같은 데이터 접속, 또는 디스켓, USB 키, 콤팩트 디스크 또는 다른 휴대용 메모리 디바이스와 같은 메모리 디바이스의 물리적 전송을 통해 생리학적 정보를 전송하도록 구성된다.
본원에 기술된 바와 같은 방법들 및 디바이스들의 특정 실시형태들은 저혈당의 확률을 정의하는 임계 퍼센티지를 약 5 퍼센트로 설정하는 것 및 고혈당의 확률을 정의하는 임계 퍼센티지를 약 75 퍼센트로 설정하는 것을 포함할 수도 있다. 다른 실시형태들은 저혈당의 확률을 정의하는 임계 퍼센티지를 약 10 퍼센트와 25 퍼센트 사이로 설정하는 것, 및/또는 고혈당의 확률을 정의하는 임계 퍼센티지를 약 70 퍼센트 내지 약 80 퍼센트 사이로 설정하는 것을 수반한다.
특정 실시형태들은 볼러스 계산기를 물리적으로 분리된 메모리 또는 볼러스 계산기 내의 메모리와 커플링하여 표준 편차가 사용자의 병력으로부터 부분적으로 유도되게 하는 것을 포함한다. 메모리를 포함하는 또 다른 실시형태들에서, 표준 편차는 탄수화물을 추정하는 능력에 관한 사용자의 이전 결정들으로부터 부분적으로 유도된다. 메모리를 포함하는 다른 특정 실시양태들에서, 표준 편차는 주정한 탄수화물을 테스트하는 사용자에게 제공된 이전 테스트들로부터 부분적으로 유도된다.
특정 실시형태들은 사용자가 탄수화물 추정치를 볼러스 계산기에 제공하는 것을 포함한다. 볼러스 계산기는 사용자가 제공한 탄수화물 추정치의 확실성에 관해 사용자에게 질의할 수 있고, 선택될 수 있는 불확실성을 상세하게 설명하는 옵션들을 사용자에게 제공할 수 있다.
특정 실시형태들은 디스플레이를 통해 시각적으로, 사용자에게 식후 포도당 측정을 취하도록 지시하는 경고를 사용자에게 제공하는 것을 포함한다.
본원에 기술된 방법 및 디바이스들은 공동 소유된 미국 특허 출원 제 14/677,148 호에 개시된 방법들과 관련하여 시스템 대신에 또는 시스템과 함께 사용될 수 있으며, 그 개시는 전체적으로 본 명세서에 참조에 의해 통합된다.
본원의 특정 실시형태들은 경고를 포함한다. 보다 구체적으로, 경고는 커스터마이징 가능하며, 디스플레이되는 아이콘 또는 메시지, 또는 빛과 같은 시각 경고, 또는 경고음 또는 음악과 같은 청각 경고, 또는 진동 경고 또는 이들의 조합일 수 있다. 경고는 단일 및/또는 다중 통지 모드들을 가질 수 있다. 예를 들어, 경고는 동시에 청각, 시각 및 진동 통지를 포함할 수 있다. 이벤트가 경고 통지를 트리거할 때, 진동을 느끼거나, 가청 경고를 듣거나, 시각 경고를 보는 것에 의해 사용자에게 이벤트 또는 상태가 통지될 수도 있다.
본원의 특정 실시형태들은 경고를 포함한다. 보다 구체적으로, 경고는 커스터마이징 가능하며, 디스플레이되는 아이콘 또는 메시지, 또는 빛과 같은 시각 경고, 또는 경고음 또는 음악과 같은 청각 경고, 또는 진동 경고 또는 이들의 조합일 수 있다. 경고는 단일 및/또는 다중 통지 모드들을 가질 수 있다. 예를 들어, 경고는 동시에 청각, 시각 및 진동 통지를 포함할 수 있다. 이벤트가 경고 통지를 트리거할 때, 진동을 느끼거나, 가청 경고를 듣거나, 시각 경고를 보는 것에 의해 사용자에게 이벤트 또는 상태가 통지될 수도 있다.
일 예에서, 이벤트 또는 패턴은, 특정 이벤트가 발생할 때마다 특정 액션들을 취하도록 환자에게 경고하는데 사용될 수 있는 경고를 트리거할 수 있다. 예를 들어, 패턴은 식후 이벤트, 저혈당 이벤트, 운동, 식사 등 또는 환자의 과거 생리학적 데이터에서 발생한 다른 문제가 있는 이벤트 또는 패턴일 수 있다. 따라서, 이벤트가 실시간으로 다시 검출될 때, 시스템 (1) 은 예컨대, 디스플레이 (13) 및/또는 진동 및/또는 잡음을 통해 환자에게 그 사실을 경고할 것이다. 볼러스 계산기는 사람의 포도당 레벨이 미리 결정된 저혈당 임계치 아래로 떨어지면 (또는 아래로 떨어질 것으로 예측되면), 프로세서 (14) 또는 다수의 프로세서들 (14) (볼러스 계산기 모듈 (19) 을 포함함) 이 다양한 하드웨어 및/또는 소프트웨어와 상호작용하여 임상의에게 경고를 전송하게 할 수 있다; 경고는 또한, 불확실성 측정치가 특정 지점보다 높으면 전송될 수 있다. 볼러스 계산기는 컴퓨터가 온라인 상태가 되거나 및/또는 그렇지 않으면 턴 온되거나 활성화될 때 경고를 무선으로 송신하고 임상의의 컴퓨터에서 애플리케이션을 활성화하도록 구성될 수 있다.
실시예들
알고리즘의 활용
탄수화물 추정치는 불확실성의 측정치와 함께 제공된다. 이는 표준 편차 및/또는 분산을 포함할 수 있다. 이 방법은 프로세서 (14) 또는 다중 프로세서들 (14) (볼러스 계산기 모듈 (19) 을 포함함) 로 프로세싱되는 알고리즘의 형태로 볼러스 계산기를 사용한다. 불확실성은 테스트나 사용자의 이력으로부터 탄수화물들을 카운팅하는 사용자 능력에 대한 평가에 의해 제공될 수도 있다. 불확실성은 또한, 사용자에게 탄수화물 추정치가 얼마나 확실한지를 물어봄으로써 제공될 수 있다. 일부 경우들에서 사용자는 예를 들어, 새로운 식당에 있을 수도 있으므로 볼러스 계산기를 통해, 탄수화물 추정치와 관련하여 얼마나 확실한지에 대한 3 가지 옵션들의 세트를 제공받을 수 있다.
본원의 방법들 및 디바이스들은 각각 식후 저혈당의 확률 (Phypo) 및 식후 고혈당의 확률 (Phyper) 로서 정의될 수 있는 하나 또는 2 개의 임계 퍼센티지 값들을 사용할 수 있다. 하나의 특정 실시형태에서, 임계치들은 다음과 같이 설정될 수 있다:
Figure pct00001
알고리즘은 식후 저혈당의 확률이 임계치를 초과할 때 및/또는 식후 고혈당의 확률이 임계치를 초과할 때 조치를 취할 수 있다. 불확실성이 높으면 양자의 임계치들이 교차될 수 있다.
저혈당 임계치 (Thypo) 및 고혈당 임계치 (Thyper) 는 설정 및/또는 미리-설정될 수 있다. 하나의 특정 실시형태에서, 임계치들은 다음과 같이 설정될 수 있다:
Figure pct00002
특정 예들에서 알고리즘에는 탄수화물 추정치 (c) 와 불확실성을 정의하는 표준 편차 (c, σc) 가 제공된다. 알고리즘은 또한, 탄수화물 비율 (CR) 및 인슐린 감도를 사용하여 사용자의 IS 를 계산할 수도 있다.
특정 예들에서 저혈당의 위험을 감소시키기 위해 표준 식사 볼러스가 조정되어야만 하는지를 식별하기 위한 단계가 수행된다. 이것은 실제 탄수화물 함량이 과대평가되는 경우에 발생한다. 5% 라인과 등가인 파라미터가 아래 계산에서 사용될 수 있다:
Figure pct00003
다른 특정 실시형태들에서, (gx%) 에 대한 값은 x가 약 25 퍼센트까지 또는 30 퍼센트까지를 나타내도록 정의될 수 있다. 또 다른 실시형태들에서, x 값은 약 5 퍼센트, 약 10 퍼센트, 약 15 퍼센트, 약 20 퍼센트, 25 퍼센트, 30 퍼센트일 수 있다. 또 다른 실시형태들에서, x 값은 약 5 퍼센트 내지 약 10 퍼센트 또는 약 1 퍼센트 내지 약 10 퍼센트, 또는 약 1 퍼센트 내지 약 20 퍼센트 의 범위에서 선택될 수 있다 (또한, 저혈당의 확률 (Phypo) 을 정의하는 임계 퍼센티지 및 고혈당의 확률 (Phyper) 을 정의하는 임계 퍼센티지는 그러한 레벨들로 설정될 수 있다). 또한, 파라미터 -1.6449 가 사용될 수 있다; 그러나
Figure pct00004
계산에 사용될 수 있는 다른 파라미터들은, 연관된 퍼센티지들 (x 에 사용될 수 있음) 과 함께, 다음과 같다: 10 퍼센트에 대하여 -1.28155, 4 퍼센트에 대하여 -1.751, 2.5 퍼센트에 대하여 -1.96, 1 퍼센트에 대하여 -2.326, 및/또는 0.5 퍼센트에 대하여 -2.576. 볼러스 계산기는 프로세서를 통해, 퍼센티지들 사이에서 자동으로 선택할 수 있다. 또한, 그 퍼센티지들을 사용하여 저혈당의 확률 (Phypo) 을 정의하는 미리 설정된 임계 퍼센티지를 설정한다. 다른 계산 방법들은 상대적 오류 범위들을 사용하는 것이다.
표준 식사 인슐린 투여량 및 저혈당-회피 식사 인슐린 투여량을 계산한다. 표준 투여량은 아래 도시된 것과 같이 탄수화물 추정치를 탄수화물 비율로 나눈다:
Figure pct00005
저혈당-회피 방법은 과대평가된 탄수화물 값을 가정하고, 아래 도시된 것과 같이 계산된다:
Figure pct00006
Ihypo5% 에 대한 값이 Imeal 미만이면, Ihypo5% 이 선택될 수 있다. 표준 식사 인슐린 볼러스 및 저혈당-회피 인슐린 볼러스의 최소치를 선택하는 것은 저혈당의 위험을 확인하는데 사용될 수 있다; 최소 값은 식사 볼러스를 조정하는데 사용될 수 있거나 식사 볼러스로서 사용될 수 있다. 최소 값을 얻기 위한 계산은 아래에 도시된다:
Figure pct00007
저혈당의 위험이 확인된 후에, 고혈당 위험이 평가된다. 고혈당의 위험이 Thyper 보다 크면, 식후 측정에 대한 리마인더가 설정될 수 있다. 식후 고혈당은 탄수화물 추정치가 너무 낮을 때, 발생한다. 먼저, 아래 도시된 것과 같이, Phyper 와 연관된 탄수화물 추정치가 결정된다:
Figure pct00008
잠재적 인슐린 투여량 에러에는 인슐린 감도 인자가 곱해지고, 식후 포도당 값의 추정치를 얻기 위해 타겟에 더해진다. 이것은 아래 도시된 것과 같이 고혈당 임계치와 비교된다. 방정식의 좌변이 우변 (Thyper) 보다 큰 값을 갖는 경우, 식후 고혈당의 확률은 25 % 이다. 이 임계치는 알람들을 감소시키기 위해 조정될 수 있다.
Figure pct00009
결과들
위에 설명된 알고리즘은 특정 결과들에 대해 다양한 방법들로 사용될 수 있다. 특정 실시형태들에서, 이 알고리즘은 사용자로부터의 입력을 수반한다. 사용자가 어떻게 불확실성의 측정에 대한 입력을 제공할 수 있는지의 특정 예가 도 3a 및 도 3b 에 제공된다. 도 3a 는 컴퓨팅 디바이스 (9) 의 예시적인 실시형태를 도시하며, 상기 컴퓨팅 디바이스 (9) 는 디스플레이 (13) 를 갖는 스마트 폰 (9) 이고, 스마트 폰 (9) 은 도시된 이미지 캡처용 라인 (23) 을 갖는, 이미지 캡처용 카메라를 갖는다. 도 3b 는 탄수화물 추정치의 확실성의 측정을 사용자로부터 결정하기 위한 스마트 폰으로부터의 질의를 도시한 컴퓨팅 디바이스의 스마트 폰의 디스플레이 (13) 를 도시한다. 스마트 폰은 "탄수화물 추정치는 얼마나 확실합니까?" 를 묻는 것과 같이, 사용자에게 질의할 수 있다. 사용자는 다음과 같은 선택들의 어레이로부터 대답을 제공할 수 있다: A. 확실함 - 내 전화기에서 그것을 찾았거나 또는 내 전화기가 캡처된 이미지에 기초하여 추정치를 제공하였다, B. 상당히 확실함 - 유사한 식사들에 기초하여 합리적인 추정치를 형성한다, C. 불확실함 - 추측함. 스마트 폰은 다양한 식품들에 대한 탄수화물 레벨들을 체크하기 위한 이미지 데이터베이스를 가질 수 있으며, 추정치를 제공하기 위해 하나 이상의 식품들에 대해 여러 이미지들을 통합할 수 있다. 스마트 폰은 또한, 식사 사이즈, 중량 또는 이전 식사들을 먹었을 때와 그러한 식사들의 내용물들이 무엇이었는지와 같은 사실들에 대한 후속 질문들을 요청할 수 있다. 스마트 폰은 A 내지 C 의 각각을 갖는 제안된 퍼센티지 범위들을 제공하고 디스플레이할 수 있다: 예를 들어 A 는 75% 이상일 수 있고, B 는 50 내지 75% 일 수 있고, C 는 50% 미만일 수 있다. 불확실성이 특정 레벨 미만 (예컨대, 75% 미만, 또는 50% 또는 25% 미만) 인 경우, 디바이스가 권고들을 제공하기 위해 충분한 정보가 제공되지 않은 경우 사용자에게 경고하도록 후속 질문들 또는 알람들이 설정될 수 있다. B 가 선택된 경우에, 특정 실시형태에서 그 선택은 이전의 정확도를 결정하기 위해 사용자의 추정치들의 히스토리에 액세스하도록 프로세서를 활성화할 것이고; 이전 기간들 (예컨대, 매 3 개월 또는 매 4 개월마다) 에서 사용자가 동일 또는 유사한 식사를 몇 회 먹었는지를 결정할 수 있고; 그 인터벌들을 비교하여 사용자가 시간에 걸쳐 식사 유형에 관한 추정들에서 더 나아지고 있는지를 결정함으로써 추정들의 정확도를 결정할 수 있다 (만약 그렇다면 스마트 폰에 의해 확실성이 자동으로 조정되어 각 기간 동안의 표준 편차와 같은 인자들을 자동으로 계산할 수 있고, 3 이상의 증가하는 정확도 레벨들이 최종 3 개 주기들 동안 존재한다면, 바람직한 경우에 및/또는 그와 같이 실행하도록 미리 설정된 경우에 최신 것이 사용될 수 있다). 여기에 설명된 것과 같은 알고리즘의 결과들은 디스플레이 상에 제공될 수 있다 (디스플레이 상에 디스플레이될 수 있다).
도 4 는 10 grams/IU 의 탄수화물 비율 및 30 mg/dL/IU 의 인슐린 감도 인자를 갖는 개인에 대해 본원에 기술된 방법들을 사용한 식사 볼러스 어드바이스의 일 예를 도시한다. 탄수화물 추정치는 탄수화물 추정치 불확실성에 대하여 퍼센티지로 그래프화된다. 이 예에서 불확실성은 상대적 불확실성으로 주어진다. 불확실성이 낮으면 볼러스 어드바이스에 변화가 없다. 적당한 불확실성을 가진 식사 추정치들의 경우, 오직 저혈당 조정만이 식사 볼러스를 약간 감소시키도록 형성된다. 불확실성이 증가함에 따라, 식후 리마인더는 식후 보정 볼러스를 필요로할 가능성이 높기 때문에 설정된다. 라인들은 식후 리마인더의 레벨 (24), 및 저혈당 조정을 위한 라인 (25) 을 표시하도록 도시된다.
도 5 는 본원에서 제공되는 실시형태들의 방법을 개략적으로 나타낸 흐름도를 도시한다 (26-31). 이 특정 실시 형태에서, 단계들은 다음 중 하나 이상을 포함할 수 있다: 저혈당의 위험 및 고혈당의 위험을 감소시키기 위해 탄수화물 추정치의 불확실성을 확인하기 위해 볼러스 계산기를 사용하는 방법은: 활성화될 때, 알고리즘을 실행하는 프로세서를 내부에 포함하는 볼러스 계산기를 제공하는 단계; 탄수화물 추정치 및 상기 탄수화물 추정치 (c) 의 불확실성을 정의하는 측정치를 상기 볼러스 계산기에 제공하는 단계; 탄수화물 추정치가 과대평가되거나 과소평가되는 경우, 저혈당 및 고혈당의 위험 (확률) 을 결정하기 위해, 탄수화물 추정치 및 상기 탄수화물 추정치의 불확실성을 정의하는 측정치를 사용하여 알고리즘을 실행하도록 프로세서를 활성화시키는 단계; 탄수화물 추정치가 과대평가되었을 때, 대응하는 식사 인슐린 볼러스를 조정하기 위해 사용자에게 권고를 제공하는 단계, 및 탄수화물 추정치가 과소평가되었을 때, 사용자에게 경고하여 식후 포도당 측정을 권고하는 단계를 포함한다.
여기서 확인된 바와 같은 불확실성은: 필터, 교정 루틴, 센서의 사용일, 센서 로트 및 개인에 의해 착용된 이전 센서들 또는 이들의 조합들 중 하나 이상으로부터 비롯될 수 있다.
본원의 실시형태들은 불확실성을 확인함으로써 볼러스 계산기의 정확도를 향상시키는 알고리즘을 사용하는 계산들을 상세하게 설명한다. 사용자 추정들에 따라 패턴들이 나타나는 것보다 시스템이 시간에 따라 더 정확하고 빠르다; 예를 들어, 시스템은 추정치에서부터 디스플레이 또는 결과들 및/또는 어드바이스에 이르는 시간을 감소시키기 위해 사용자 추정치들의 사용자 정확성에 대해 기준선이 이해되면, 모든 추정치들 대신에 추정치들의 부분 (예컨대, 1/3) 에 액세스할 수 있다.
다수의 디바이스들 및 그 컴포넌트들 상기에서 상세히 논의되었지만, 논의된 디바이스들을 사용하는 컴포넌트들, 특징들, 구성들, 및 방법들은 상기 제공된 컨텍스트들에 제한되지 않는다는 것을 이해해야한다. 특히, 디바이스들 중 하나의 컨텍스트에서 설명된 컴포넌트들, 특징들, 구성들, 및 방법들은 임의의 다른 디바이스들 내로 통합될 수도 있다. 또한, 이하에서 제공되는 추가 설명에 한정되지 않고, 본 명세서의 교시들이 결합되고 상호교환될 수도 있는 다양한 방식들뿐만 아니라, 디바이스들을 사용하는 부가적이고 대안적인 적절한 컴포넌트들, 특징들, 구성들 및 방법들이 본원의 교시들의 관점에서 당업자에게 자명할 것이다.
본 개시에서 다양한 버전들을 도시하고 설명하였으므로, 본원에 기술된 방법들 및 시스템들의 추가의 적응들은 본 발명의 범위를 벗어나지 않으면서 당업자에 의한 적절한 변형들에 의해 달성될 수도 있다. 수개의 잠재적 변형들 언급되었으며, 다른 것들은 당업자에게 명백할 것이다. 예를 들어, 상술한 예들, 버전들, 지오메트릭들, 재료들, 치수들, 비율들, 단계들 등은 예시적이며 필수적인 것은 아니다. 따라서, 본 발명의 범위는 이하의 청구항들과 관련하여 고려되어야 하고, 명세서 및 도면들에 도시되고 기술된 구조 및 동작의 세부 사항들로 제한되지 않는 것이 이해되어야 한다.

Claims (20)

  1. 저혈당의 위험과 고혈당의 위험을 감소시키기 위해 탄수화물 추정치의 불확실성을 확인하기 위해 볼러스 계산기를 사용하는 방법으로서,
    프로세서를 내부에 포함하는 상기 볼러스 계산기를 제공하는 단계로서, 상기 프로세서는, 활성화될 때,
    저혈당의 확률 (Phypo) 을 정의하는 제 1 임계 퍼센티지;
    고혈당의 확률 (Phyper) 을 정의하는 제 2 임계 퍼센티지;
    저혈당 임계치 (Thypo); 및
    고혈당 임계치 (Thyper)
    에 대하여 미리 설정된 값들을 정의하는 알고리즘을 실행하는, 상기 볼러스 계산기를 제공하는 단계;
    상기 볼러스 계산기에 상기 탄수화물 추정치 및 상기 탄수화물 추정치 (c) 의 불확실성을 정의하는 측정치를 제공하는 단계;
    상기 미리 설정된 값들, 상기 탄수화물 추정치 및 상기 탄수화물 추정치의 불확실성을 정의하는 상기 측정치를 사용하여,
    상기 탄수화물 추정치가 탄수화물 함량을 과대평가하였고 따라서 표준 식사 인슐린 볼러스가 과대평가되었으며 따라서 상기 저혈당의 위험을 감소시키기 위해 조정되어야만 하는 경우, 상기 저혈당의 확률을 결정하고: 그리고
    상기 탄수화물 추정치가 상기 탄수화물 함량을 과소평가하였고 따라서 상기 표준 식사 인슐린 볼러스가 과소평가되었으며 따라서 상기 고혈당의 위험을 감소시키기 위해 조정되어야만 하는 경우, 상기 고혈당의 확률을 결정하는
    상기 알고리즘을 실행하도록 상기 프로세서를 활성화시키는 단계; 및
    상기 탄수화물 추정치가 과대평가되었을 때, 대응하는 식사 인슐린 볼러스를 조정하기 위해 사용자에게 권고를 제공하고, 상기 탄수화물 추정치가 과소평가되었을 때, 상기 사용자에게 경고하여 식후 포도당 측정을 권고하는 단계를 포함하는, 볼러스 계산기를 사용하는 방법.
  2. 제 1 항에 있어서,
    상기 저혈당의 확률을 정의하는 상기 임계 퍼센티지를 약 5 퍼센트로 설정하는 단계, 및 상기 고혈당의 확률을 정의하는 상기 임계 퍼센티지를 약 75 퍼센트로 설정하는 단계를 더 포함하는, 볼러스 계산기를 사용하는 방법.
  3. 제 1 항에 있어서,
    상기 저혈당의 확률을 정의하는 상기 임계 퍼센티지를 약 10 퍼센트와 25 퍼센트 사이로 설정하는 단계, 및 상기 고혈당의 확률을 정의하는 상기 임계 퍼센티지를 약 70 퍼센트 내지 약 80 퍼센트 사이로 설정하는 단계를 더 포함하는, 볼러스 계산기를 사용하는 방법.
  4. 저혈당의 위험과 고혈당의 위험을 감소시키기 위해 탄수화물 추정치의 불확실성을 확인하기 위해 볼러스 계산기를 사용하는 방법으로서,
    프로세서를 내부에 포함하는 상기 볼러스 계산기를 제공하는 단계로서, 상기 프로세서는, 활성화될 때,
    저혈당의 확률 (Phypo) 을 정의하는 제 1 임계 퍼센티지;
    고혈당의 확률 (Phyper) 을 정의하는 제 2 임계 퍼센티지;
    저혈당 임계치 (Thypo); 및
    고혈당 임계치 (Thyper)
    에 대하여 미리 설정된 값들을 정의하는 알고리즘을 실행하는, 상기 볼러스 계산기를 제공하는 단계;
    상기 볼러스 계산기에 상기 탄수화물 추정치 (c) 및 상기 탄수화물 추정치의 불확실성을 정의하는 표준 편차 (σc) 를 제공하는 단계;
    상기 알고리즘을 실행하도록 상기 프로세서를 활성화시키는 단계;
    상기 탄수화물 추정치가 탄수화물 함량을 과대평가하였고 따라서 표준 식사 인슐린 볼러스가 과대평가되었으며 따라서 저혈당의 위험을 감소시키기 위해 조정되어야만 하는 경우,
    상기 탄수화물 추정치 및 사용자의 탄수화물 비율을 활용하여 표준 식사 인슐린 볼러스 (Imeal) 를 계산하는 것,
    상기 탄수화물 추정치, 상기 표준 편차, 및 정규 누적 분포에 관한 파라미터를 사용하여, 상기 저혈당의 확률을 정의하는 상기 임계 퍼센티지에 대응하는 제 1 레벨 (cPhypo) 을 계산하는 것,
    상기 사용자의 인슐린 감도 인자, 상기 저혈당 임계치 및 계산된 상기 제 1 레벨을 사용하여 저혈당-회피 (hypoglycemia-averse) 인슐린 볼러스 (Ihypo(x)%) 를 계산하는 것,
    상기 표준 식사 인슐린 볼러스를 상기 저혈당-회피 인슐린 볼러스와 비교하는 것,
    상기 표준 식사 인슐린 볼러스와 상기 저혈당-회피 인슐린 볼러스의 최소치를 선택하여 상기 저혈당의 위험을 확인하는 것
    에 의해, 상기 저혈당의 확률을 결정하는 단계;
    상기 탄수화물 추정치가 상기 탄수화물 함량을 과소평가하였고 따라서 상기 표준 식사 인슐린 볼러스가 과소평가되었으며 따라서 고혈당의 위험을 감소시키기 위해 조정되어야만 하는 경우,
    상기 탄수화물 추정치, 상기 표준 편차, 및 정규 누적 분포에 관한 파라미터를 사용하여, 상기 고혈당의 확률을 정의하는 상기 임계 퍼센티지에 대응하는 제 2 레벨 (cPhyper) 을 계산하는 것,
    계산된 상기 제 2 레벨, 상기 사용자의 탄수화물 비율, 상기 사용자의 인슐린 감도 인자, 및 타겟 포도당 레벨을 사용하여, 식후 포도당 추정치를 나타내는 값을 계산하는 것,
    상기 값을 상기 고혈당 임계치와 비교하는 것, 및
    상기 값이 상기 고혈당 임계치보다 클 경우 상기 사용자가 식후 포도당 측정을 취하도록 지시하는 경고를 상기 사용자에게 제공하여 상기 고혈당의 위험을 확인하는 것
    에 의해, 상기 고혈당의 확률을 결정하는 단계를 포함하는, 볼러스 계산기를 사용하는 방법.
  5. 제 4 항에 있어서,
    상기 표준 편차가 상기 사용자의 병력으로부터 부분적으로 유도되도록, 상기 볼러스 계산기를 물리적으로 분리된 메모리와 커플링하는 단계를 더 포함하는, 볼러스 계산기를 사용하는 방법.
  6. 제 4 항에 있어서,
    상기 볼러스 계산기 내에 메모리를 더 포함하고,
    상기 표준 편차는 탄수화물을 추정하는 능력에 관한 상기 사용자의 이전 결정들로부터 부분적으로 유도되는, 볼러스 계산기를 사용하는 방법.
  7. 제 4 항에 있어서,
    메모리를 더 포함하고,
    상기 표준 편차는, 추정한 탄수화물을 테스트한 사용자에게 제공된 이전 테스트들로부터 부분적으로 유도되는, 볼러스 계산기를 사용하는 방법.
  8. 제 4 항에 있어서,
    상기 사용자가 상기 탄수화물 추정치를 상기 볼러스 계산기에 제공하는 단계를 더 포함하는, 볼러스 계산기를 사용하는 방법.
  9. 제 4 항에 있어서,
    상기 볼러스 계산기에 의해, 상기 사용자가 제공한 상기 탄수화물 추정치의 확실성에 관해 상기 사용자에게 질의하는 단계, 및 선택될 수 있는 불확실성을 상세하게 설명하는 옵션들을 상기 사용자에게 제공하는 단계를 더 포함하는, 볼러스 계산기를 사용하는 방법.
  10. 제 4 항에 있어서,
    디스플레이를 통해 시각적으로, 상기 사용자에게 상기 식후 포도당 측정을 취하도록 지시하는 상기 경고를 상기 사용자에게 제공하는 단계를 더 포함하는, 볼러스 계산기를 사용하는 방법.
  11. 제 4 항에 있어서,
    상기 저혈당의 확률을 정의하는 상기 임계 퍼센티지를 약 5 퍼센트로 설정하는 단계, 및 상기 고혈당의 확률을 정의하는 상기 임계 퍼센티지를 약 75 퍼센트로 설정하는 단계를 더 포함하는, 볼러스 계산기를 사용하는 방법.
  12. 제 4 항에 있어서,
    상기 저혈당의 확률을 정의하는 상기 임계 퍼센티지를 약 10 퍼센트와 25 퍼센트 사이로 설정하는 단계, 및 상기 고혈당의 확률을 정의하는 상기 임계 퍼센티지를 약 70 퍼센트 내지 약 80 퍼센트 사이로 설정하는 단계를 더 포함하는, 볼러스 계산기를 사용하는 방법.
  13. 저혈당의 위험과 고혈당의 위험을 감소시키기 위해 탄수화물 추정치의 불확실성을 확인하기 위한 볼러스 계산기로서,
    프로세서를 포함하며,
    상기 프로세서는, 활성화될 때,
    저혈당의 확률 (Phypo) 을 정의하는 제 1 임계 퍼센티지;
    고혈당의 확률 (Phyper) 을 정의하는 제 2 임계 퍼센티지;
    저혈당 임계치 (Thypo); 및
    고혈당 임계치 (Thyper)
    에 대하여 미리 설정된 값들을 정의하는 알고리즘을 실행하도록 구성되고,
    상기 프로세서는, 상기 볼러스 계산기에 의한 상기 탄수화물 추정치 및 상기 탄수화물 추정치 (c) 의 불확실성을 정의하는 표준 편차 (σc) 의 수신시,
    상기 탄수화물 추정치가 탄수화물 함량을 과대평가하였고 따라서 표준 식사 인슐린 볼러스가 과대평가되었으며 따라서 저혈당의 위험을 감소시키기 위해 조정되어야만 하는 경우, 상기 프로세서가,
    상기 탄수화물 추정치 및 사용자의 탄수화물 비율을 활용하여 표준 식사 인슐린 볼러스 (Imeal) 를 계산하고,
    상기 탄수화물 추정치, 상기 표준 편차, 및 정규 누적 분포에 관한 파라미터를 사용하여, 상기 저혈당의 확률을 정의하는 상기 임계 퍼센티지에 대응하는 제 1 레벨 (cPhypo) 을 계산하고,
    상기 사용자의 인슐린 감도 인자, 상기 저혈당 임계치 및 계산된 상기 제 1 레벨을 사용하여 저혈당-회피 인슐린 볼러스 (Ihypo(x)%) 를 계산하고,
    상기 표준 식사 인슐린 볼러스를 상기 저혈당-회피 인슐린 볼러스와 비교하고,
    상기 표준 식사 인슐린 볼러스와 상기 저혈당-회피 인슐린 볼러스의 최소치를 선택하여 상기 저혈당의 위험을 확인하는,
    상기 저혈당의 확률을 결정하고; 그리고
    상기 탄수화물 추정치가 상기 탄수화물 함량을 과소평가하였고 따라서 상기 표준 식사 인슐린 볼러스가 과소평가되었으며 따라서 고혈당의 위험을 감소시키기 위해 조정되어야만 하는 경우, 상기 프로세서가,
    상기 탄수화물 추정치, 상기 표준 편차, 및 정규 누적 분포에 관한 파라미터를 사용하여, 상기 고혈당의 확률을 정의하는 상기 임계 퍼센티지에 대응하는 제 2 레벨 (cPhyper) 을 계산하고,
    계산된 상기 제 2 레벨, 상기 사용자의 인슐린 감도 인자, 및 타겟 포도당 레벨을 사용하여, 식후 포도당 추정치를 나타내는 값을 계산하고,
    상기 값을 상기 고혈당 임계치와 비교하며, 그리고
    상기 값이 상기 고혈당 임계치보다 클 경우 상기 사용자가 식후 포도당 측정을 취하도록 지시하는 경고를 상기 사용자에게 제공하여 상기 고혈당의 위험을 확인하는,
    상기 고혈당의 확률을 결정하도록
    구성되는, 볼러스 계산기.
  14. 제 13 항에 있어서,
    상기 표준 편차가 메모리에 저장된 사용자의 병력으로부터 부분적으로 유도되도록, 상기 볼러스 계산기에 커플링된 물리적으로 분리된 메모리를 더 포함하는, 볼러스 계산기.
  15. 제 13 항에 있어서,
    상기 볼러스 계산기는 그 내부에 메모리를 포함하여, 상기 표준 편차가 상기 메모리에 이전에 저장된 탄수화물을 추정하는 능력에 관한 사용자의 이전 결정들로부터 부분적으로 유도되는, 볼러스 계산기.
  16. 제 13 항에 있어서,
    상기 볼러스 계산기는 메모리에 커플링되어, 상기 표준 편차가 상기 메모리에 이전에 저장된 추정한 탄수화물을 테스트하는 상기 사용자에게 제공된 이전의 테스트들로부터 부분적으로 유도되는, 볼러스 계산기.
  17. 제 13 항에 있어서,
    상기 볼러스 계산기는 상기 탄수화물 추정치를 요구하기 위해, 상기 사용자에게 질의하도록 구성되는, 볼러스 계산기.
  18. 제 13 항에 있어서,
    상기 볼러스 계산기는 상기 사용자가 제공한 상기 탄수화물 추정치의 확실성을 요구하기 위해 사용자에게 질의하고, 상기 볼러스 계산기의 디스플레이 상의 버튼들을 통해 선택될 수 있는 불확실성을 상세하게 설명하는 옵션들을 상기 사용자에게 제공하도록 구성되는, 볼러스 계산기.
  19. 제 13 항에 있어서,
    상기 프로세서는 디스플레이를 통해 시각적으로, 상기 사용자에게 상기 식후 포도당 측정을 취할 것을 지시하는 상기 경고를 상기 사용자에게 제공하도록 구성되는, 볼러스 계산기.
  20. 제 13 항에 있어서,
    상기 프로세서는 상기 저혈당의 확률을 정의하는 상기 임계 퍼센티지를 약 5 퍼센트로 설정하고, 상기 고혈당의 확률을 정의하는 상기 임계 퍼센티지를 약 75 퍼센트로 설정하도록 구성되는, 볼러스 계산기.
KR1020187034427A 2016-04-28 2017-04-24 확률적 탄수화물 측정들을 갖는 볼러스 계산기 KR102170071B1 (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US15/140,550 2016-04-28
US15/140,550 US10311976B2 (en) 2016-04-28 2016-04-28 Bolus calculator with probabilistic carbohydrate measurements
PCT/US2017/029072 WO2017189403A1 (en) 2016-04-28 2017-04-24 Bolus calculator with probabilistic carbohydrate measurements

Publications (2)

Publication Number Publication Date
KR20190004733A true KR20190004733A (ko) 2019-01-14
KR102170071B1 KR102170071B1 (ko) 2020-10-27

Family

ID=58692577

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020187034427A KR102170071B1 (ko) 2016-04-28 2017-04-24 확률적 탄수화물 측정들을 갖는 볼러스 계산기

Country Status (7)

Country Link
US (2) US10311976B2 (ko)
EP (1) EP3449401A1 (ko)
JP (1) JP6677823B2 (ko)
KR (1) KR102170071B1 (ko)
CN (1) CN109804436B (ko)
CA (1) CA3021662C (ko)
WO (1) WO2017189403A1 (ko)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9465917B2 (en) * 2014-05-30 2016-10-11 Roche Diabetes Care, Inc. Hazard based assessment patterns
EP3675712A1 (en) * 2017-08-31 2020-07-08 Roche Diabetes Care GmbH Methods, devices and systems for estimating nutritional element content in foods

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010528703A (ja) * 2007-05-30 2010-08-26 スミス メディカル エーエスディー， インコーポレイテッド エキスパートシステムに基づくインスリンポンプ
JP2012527981A (ja) * 2009-05-29 2012-11-12 ユニバーシティ オブ バージニア パテント ファウンデーション 糖尿病の開ループおよび閉ループ制御のためのシステムコーディネータおよびモジュールアーキテクチャ
JP2015511337A (ja) * 2011-12-29 2015-04-16 エフ ホフマン−ラ ロッシュ アクチェン ゲゼルシャフト 携帯型糖尿病管理装置に存在するボーラス計算機に関連するグラフィカルユーザインターフェース

Family Cites Families (41)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7395158B2 (en) 2000-05-30 2008-07-01 Sensys Medical, Inc. Method of screening for disorders of glucose metabolism
EP1309271B1 (en) 2000-08-18 2008-04-16 Animas Technologies LLC Device for prediction of hypoglycemic events
US6572545B2 (en) 2000-09-22 2003-06-03 Knobbe, Lim & Buckingham Method and apparatus for real-time control of physiological parameters
US7278983B2 (en) 2002-07-24 2007-10-09 Medtronic Minimed, Inc. Physiological monitoring device for controlling a medication infusion device
US7404796B2 (en) * 2004-03-01 2008-07-29 Becton Dickinson And Company System for determining insulin dose using carbohydrate to insulin ratio and insulin sensitivity factor
US7291107B2 (en) 2004-08-26 2007-11-06 Roche Diagnostics Operations, Inc. Insulin bolus recommendation system
DK2260757T3 (en) * 2005-09-09 2016-06-27 Hoffmann La Roche System tools, apparatus and a program for diabetes treatment
US8684922B2 (en) 2006-05-12 2014-04-01 Bao Tran Health monitoring system
US20080154513A1 (en) * 2006-12-21 2008-06-26 University Of Virginia Patent Foundation Systems, Methods and Computer Program Codes for Recognition of Patterns of Hyperglycemia and Hypoglycemia, Increased Glucose Variability, and Ineffective Self-Monitoring in Diabetes
US20080269714A1 (en) 2007-04-25 2008-10-30 Medtronic Minimed, Inc. Closed loop/semi-closed loop therapy modification system
GB0719969D0 (en) 2007-10-12 2007-11-21 Cambridge Entpr Ltd Substance monitoring and control in human or animal bodies
US7731659B2 (en) 2007-10-18 2010-06-08 Lifescan Scotland Limited Method for predicting a user's future glycemic state
WO2009075925A1 (en) 2007-12-13 2009-06-18 Shaya Steven A Method and apparatus to calculate diabetic sensitivity factors affecting blood glucose
WO2009095908A2 (en) * 2008-01-28 2009-08-06 Medingo Ltd. Bolus dose determination for a therapeutic fluid dispensing system
US20100145670A1 (en) * 2008-02-12 2010-06-10 Alferness Clifton A System and method for managing type 2 diabetes mellitus through a personal predictive management tool
US8734422B2 (en) 2008-08-31 2014-05-27 Abbott Diabetes Care Inc. Closed loop control with improved alarm functions
GB2466183A (en) 2008-12-09 2010-06-16 Cambridge Entpr Ltd Closed loop diabetes management system
EP4243032A3 (en) * 2009-02-25 2023-12-06 University Of Virginia Patent Foundation Method, system and computer program product for cgm-based prevention of hypoglycemia via hypoglycemia risk assessment and smooth reduction insulin delivery
WO2010135654A2 (en) 2009-05-22 2010-11-25 Abbott Diabetes Care Inc. Safety features for integrated insulin delivery system
US20110071464A1 (en) 2009-09-23 2011-03-24 Medtronic Minimed, Inc. Semi-closed loop insulin delivery
WO2011050337A1 (en) * 2009-10-22 2011-04-28 Abbott Diabetes Care Inc. Methods for modeling insulin therapy requirements
US8843321B2 (en) 2010-01-26 2014-09-23 Roche Diagnostics Operations, Inc. Methods and systems for processing glucose data measured from a person having diabetes
US8579879B2 (en) 2010-02-19 2013-11-12 Medtronic Minimed, Inc. Closed-loop glucose control startup
US8532933B2 (en) 2010-06-18 2013-09-10 Roche Diagnostics Operations, Inc. Insulin optimization systems and testing methods with adjusted exit criterion accounting for system noise associated with biomarkers
US8589106B2 (en) 2010-12-22 2013-11-19 Roche Diagnostics Operations, Inc. Calibration of a handheld diabetes managing device that receives data from a continuous glucose monitor
US8774889B2 (en) 2010-12-22 2014-07-08 Roche Diagnostics Operations, Inc. Patient monitoring system with efficient pattern matching algorithm
US20140088392A1 (en) 2011-02-11 2014-03-27 Abbott Diabetes Care Inc. Feedback from Cloud or HCP to Payer or Patient via Meter or Cell Phone
EP2748747B1 (en) 2011-08-26 2020-08-26 University Of Virginia Patent Foundation Method, system and computer readable medium for adaptive advisory control of diabetes
US10881339B2 (en) 2012-06-29 2021-01-05 Dexcom, Inc. Use of sensor redundancy to detect sensor failures
US9526834B2 (en) 2012-08-30 2016-12-27 Medtronic Minimed, Inc. Safeguarding measures for a closed-loop insulin infusion system
US9623179B2 (en) 2012-08-30 2017-04-18 Medtronic Minimed, Inc. Safeguarding techniques for a closed-loop insulin infusion system
US9504412B2 (en) 2012-09-17 2016-11-29 Lifescan, Inc. Method and system to derive glycemic patterns from clustering of glucose data
US9592002B2 (en) 2012-09-21 2017-03-14 Lifescan, Inc. Method and system to derive multiple glycemic patterns from glucose measurements during time of the day
US10463282B2 (en) 2012-10-04 2019-11-05 Roche Diabetes Care, Inc. System and method for assessing risk associated with a glucose state
US9119529B2 (en) 2012-10-30 2015-09-01 Dexcom, Inc. Systems and methods for dynamically and intelligently monitoring a host's glycemic condition after an alert is triggered
US9351670B2 (en) 2012-12-31 2016-05-31 Abbott Diabetes Care Inc. Glycemic risk determination based on variability of glucose levels
US10383580B2 (en) 2012-12-31 2019-08-20 Abbott Diabetes Care Inc. Analysis of glucose median, variability, and hypoglycemia risk for therapy guidance
US9227014B2 (en) 2013-02-07 2016-01-05 The Board Of Trustees Of The Laland Stanford Junior University Kalman filter based on-off switch for insulin pump
CN105899127B (zh) 2013-11-14 2019-09-24 加州大学董事会 血糖率上升检测器：用于健康监测系统的膳食检测模块
US10722650B2 (en) 2014-03-28 2020-07-28 Roche Diabetes Care, Inc. System and method for adjusting therapy based on risk associated with a glucose state
US9465917B2 (en) 2014-05-30 2016-10-11 Roche Diabetes Care, Inc. Hazard based assessment patterns

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010528703A (ja) * 2007-05-30 2010-08-26 スミス メディカル エーエスディー， インコーポレイテッド エキスパートシステムに基づくインスリンポンプ
JP2012527981A (ja) * 2009-05-29 2012-11-12 ユニバーシティ オブ バージニア パテント ファウンデーション 糖尿病の開ループおよび閉ループ制御のためのシステムコーディネータおよびモジュールアーキテクチャ
JP2015511337A (ja) * 2011-12-29 2015-04-16 エフ ホフマン−ラ ロッシュ アクチェン ゲゼルシャフト 携帯型糖尿病管理装置に存在するボーラス計算機に関連するグラフィカルユーザインターフェース

Also Published As

Publication number Publication date
CN109804436B (zh) 2024-01-02
EP3449401A1 (en) 2019-03-06
WO2017189403A1 (en) 2017-11-02
KR102170071B1 (ko) 2020-10-27
US20190244715A1 (en) 2019-08-08
JP2019522254A (ja) 2019-08-08
CN109804436A (zh) 2019-05-24
JP6677823B2 (ja) 2020-04-08
US10311976B2 (en) 2019-06-04
US20170316173A1 (en) 2017-11-02
CA3021662A1 (en) 2017-11-02
CA3021662C (en) 2021-09-21

Similar Documents

Publication Publication Date Title
US11903698B2 (en) Glycemic health metric determination and application
US10019554B2 (en) Glycemic risk determination based on variability of glucose
EP3574831B1 (en) Glycemic health metric determination and application
US20140024907A1 (en) Method and system to indicate hyperglycemia or hypoglycemia for people with diabetes
US20090164190A1 (en) Physiological condition simulation device and method
US20100298685A1 (en) Adaptive insulin delivery system
EP2972378B1 (en) System and methods for analyzing blood glucose data and quantifying the success for failure of insulin therapy
US20140074059A1 (en) Method and system to indicate glycemic impacts of insulin infusion pump commands
US20220323676A1 (en) Computer-implemented diabetes management methods
US20190244715A1 (en) Bolus calculator with probabilistic carbohydrate measurements
CA3016144C (en) Bolus calculator with probabilistic glucose measurements

Legal Events

Date Code Title Description
A201 Request for examination
E701 Decision to grant or registration of patent right
GRNT Written decision to grant