MXPA02009487A - Metodo, sistema y producto de programa de computadora para la evaluacion del control glucemico en la diabetes a partir de datos de auto-monitoreo. - Google Patents
Metodo, sistema y producto de programa de computadora para la evaluacion del control glucemico en la diabetes a partir de datos de auto-monitoreo.Info
- Publication number
- MXPA02009487A MXPA02009487A MXPA02009487A MXPA02009487A MXPA02009487A MX PA02009487 A MXPA02009487 A MX PA02009487A MX PA02009487 A MXPA02009487 A MX PA02009487A MX PA02009487 A MXPA02009487 A MX PA02009487A MX PA02009487 A MXPA02009487 A MX PA02009487A
- Authority
- MX
- Mexico
- Prior art keywords
- approximately
- hba
- estimated
- episodes
- category
- Prior art date
Links
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
- G16H40/67—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for remote operation
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
- A61B5/14532—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue for measuring glucose, e.g. by tissue impedance measurement
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/40—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for data related to laboratory analysis, e.g. patient specimen analysis
-
- 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
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- Medical Informatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Pathology (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Physics & Mathematics (AREA)
- Surgery (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- General Business, Economics & Management (AREA)
- Animal Behavior & Ethology (AREA)
- Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Veterinary Medicine (AREA)
- Computer Networks & Wireless Communication (AREA)
- Emergency Medicine (AREA)
- Optics & Photonics (AREA)
- Investigating Or Analysing Biological Materials (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
Un metodo, sistema (710) y programa de computadora predice el riesgo a largo plazo de hiperglucemia y los riesgos a largo plazo y corto plazo de hipoglucemia severa en diabeticos, en base a las lecturas de glucosa en sangre recolectadas por un dispositivo de auto-monitoreo de la glucosa en sangre (728). El medidor d e la glucosa (728) obtiene datos del paciente (712) y los transfiere a una PC o PDA (740) a traves del modem (732) u otro enlace de comunicacion (714). Despues del procesamiento, la informacion puede obtenerse de la PC (740) mediante la computadora del profesional de la salud (738) a traves del enlace (736). El metodo, sistema (710) y el programa de computadora mejoran los dispositivos caseros existentes que monitorean la glucosa en sangre, al introducir un componente inteligente de interpretacion de datos capaz de predecir tanto HbAlc como los periodos de riesgo incrementado de hipoglucemia. El metodo y el programa de computadora mejoran los dispositivos de emergencia de monitoreo continuo mediante caracteristicas similares. Con estas predicciones el diabetico puede tomar medidas para evitar las consecuencias adversas asociadas con la hiperglucemia y la hipoglucemia.
Description
MÉTODO, SISTEMA Y PRODUCTO DE PROGRAMA DE COMPUTADORA
PARA LA EVALUACIÓN DEL CONTROL GLUCÉMICO EN LA DIABETES A
PARTIR DE DATOS DE AUTO-MONITOREO
REFERENCIAS CRUZADAS A SOLICITUDES RELACIONADAS La presente invención reivindica la prioridad de la Solicitud Provisional de Patente de los E.U. Serie No. 60/193,037 presentada en Marzo 29, 2000, titulada " Algoritmo para la Evaluación del Control Glucémico en Diabetes a partir de Datos de Auto-Monitoreo" ("Algorithm for the Evaluation of Glycemic Control in Diabetes From Self-Monitoring Data") cuya descripción completa se incorpora en la presente para referencia. DERECHOS DEL GOBIERNO DE LOS E.U. Esta invención fue realizada con el apoyo del Gobierno de los Estados Unidos bajo las Concesiones Nos. NIH/NIDDK: RO1 DK 28288 y NIH/NIDDK: RO1 DK 51562, ambas otorgadas por el National Institutes of Health. El Gobierno de los Estados Unidos tiene ciertos derechos en la invención. CAMPO DE LA INVENCIÓN El presente sistema se refiere en general al Control Glucémico de individuos con diabetes y más particularmente a un sistema y método en base a computadora para la evaluación de la predicción de hemoglobina glucosilada (HbA-|C y HbA ) y el riesgo de incurrir en hipoglucemia. ANTECEDENTES DE LA INVENCIÓN Extensos estudios, incluyendo el Estudio del Control y Complicaciones de la Diabetes (Diabetes Control and Complications Trial) (DCCT) (Ver DCCT Research Group: El Efecto del Tratamiento Intensivo de la Diabetes en el Desarrollo y Progresión de las Complicaciones a Largo Plazo de la Diabetes Mellitus Dependiente de Insulina (The Effect of Intensive Treatment of Diabetes on the Development and Progression of Long-Term Complications of Insulin-Dependent Diabetes Mellitus). New England Journal of Medicine, 329:978-986, 1993), el Estudio de Intervención de Diabetes en Estocolmo (Stockholm Diabetes
Intervention Study) (Ver Reichard P., Phil M: Efectos Laterales de Mortalidad y Tratamiento Durante el Tratamiento de Insulina Convencional Intensificado a Largo Plazo en el Estudio de Intervención de la Diabetes en Estocolmo (Mortality and Treatment Side Effects During Long-Term Intensified Conventional Insulin Treatment in the Stockholm Diabetes Intervention Study), Diabetes, 43:313-317, 1994) y el Estudio de Diabetes Prospectiva del Reino Unido (United Kingdom Prospective Diabetes Study) (Ver UK Prospective Diabetes Study Group: Efecto del Control Intensivo de la Glucosa en Sangre con Metformina en Complicaciones en Pacientes con Diabetes Tipo 2 (Effect of Intensive Blood Glucose Control With Metformin On Complications in Patients with Type 2 Diabetes) (UKPDS 34), Lancet, 352:837-853, 1998), han demostrado repetidamente que la forma más efectiva para prevenir las complicaciones a largo plazo de la diabetes es manteniendo los niveles de glucosa en la sangre estrictamente dentro de un rango normal utilizando terapia intensiva de insulina. Sin embargo, los mismos estudios también han documentado algunos efectos adversos de la terapia intensiva de insulina, de los cuales el más agudo es el riesgo incrementado de frecuente hipoglucemia severa (SH), una condición definida como un episodio de neuroglucopenia que impide el auto-tratamiento y requiere de ayuda externa para su recuperación (Ver DCCT Research Group: Epidemiología de Hipoglucemia Severa en el Estudio del Control y Complicaciones de la Diabetes (Epidemiology of Severe Hypoglycemia in the Diabetes Control and Complications Trial). American Journal of Medicine, 90:450-459, 1991 y DCCT Research Group: Hipoglucemia en el Estudio del Control y Complicaciones de la Diabetes (Hypoglycemia in the Diabetes Control and Complicat?ons Trial). Diabetes, 46:271 -286, 1997). Dado que la SH puede dar como resultado accidentes, coma e incluso muerte, los pacientes y los profesionales de la salud se desalientan para seguir la terapia intensiva. En consecuencia, la hipoglucemia se ha identificado como una gran barrera para el control glucémico mejorado (Cryer PE: Hipoglucemia es el Factor Limitante en el Manejo de la Diabetes (Hypoglycemia is the Limiting Factor ¡n the Management of
Diabetes). Diabetes Metab. Res. Rev., 15:42-46, 1999). Así, los pacientes con diabetes enfrentan un problema de optimización de por vida para mantener un estricto control glucémico sin aumentar su riesgo a la hipoglucemia. Un reto mayor relacionado con este problema es la creación de métodos simples y confiables que sean capaces de evaluar ambos, el control glucémico de los pacientes y su riesgo de hipoglucemia y que puedan aplicarse en sus ambientes cotidianos. Durante más de veinte años se ha sabido bien que la hemoglobina glucosilada es un indicador para el control glucémico de individuos con Diabetes Mellitus (Tipo I o Tipo II). Numerosos investigadores han investigado esta relación y han encontrado que la hemoglobina glucosilada refleja generalmente el promedio de los niveles de BG de un paciente a través de los dos meses previos. Debido a que en la mayoría de los pacientes con diabetes los niveles de BG fluctúan considerablemente a través del tiempo, se sugirió que la relación real entre el control de glucosa integrado y el HbA-?c se observaron solo en pacientes que se saben estables en el control de glucosa a través de un largo periodo de tiempo. Estudios recientes de tales pacientes produjeron una relación casi determinante entre el nivel promedio de BG en las 5 semanas precedentes y el HbA-ic y esta asociación curvilínea produjo un coeficiente de correlación de 0.98 (ver Aaby Svendsen P, Lauritzen T, Soegard U, Nerup J (1982). Hemoglobina Glucosilada y Equilibrio significa Concentración de Glucosa en Sangre en la Diabetes Tipo I (Dependiente de Insulina) (Glycosylated Hemoglobin and Steady-State Mean Blood Glucose Concentration ¡n Type I) (Insulin-Dependent) Diabetes, Diabetoloqía, 23, 403-405). En 1993 el DCCT concluyó que el HbA1c era el nominado lógico para el análisis de la hemoglobina glucosilada en un estándar de excelencia y el DCCT estableció una relación lineal entre la media de BG y HbA-?c precedente (Ver Santiago JV (1993), Lecciones Provenientes del Estudio del Control y Complicaciones de la Diabates (Lessons from the Diabetes Control and Complications Trial), Diabetes, 42, 1549-1554).
Se desarrollaron los lineamientos indicando que un HbA1c de 7% corresponde a una media de BG de 8.3 mM (150 mg/dl), un HbA-|C de 9% corresponde a una media de BG de 11.7 mM (210 mg/dl) y un incremento del 1 % en el HbA?c corresponde a un incremento en la media de BG de 1.7 mM (30 mg/dl, 2). El DCCT sugirió también que debido a que la medición directa de la media de BG no es práctica, podría valorarse el control glucémico de un paciente con un único análisis simple, es decir, HbA?c. Sin embargo, los estudios demuestran claramente que el HbA1c no es sensible a la hipoglucemia. En realidad, no existe un predictor confiable del riesgo inmediato de SH de un paciente a partir de ningún dato. El DCCT concluyó que solo aproximadamente el 8% de SH futuro podría predecirse a partir de variables conocidas tales como la historia de SH, HbA-?c bajo y el desconocimiento de hipoglucemia. Una revisión reciente detalla el estado clínico actual de este problema y proporciona opciones para prevenir la SH que se encuentran disponibles para pacientes y sus profesionales de la salud (Ver Bolli, GB: Como Mejorar el Problema de la Hipoglucemia en el Tratamiento Intensivo Así como No intensivo de la Diabetes Tipo I (How to Ameliorate the Probiem of Hypoglycemia in Intensive as Well as Nonintensive Treatment of Type I) Diabetes, Diabetes Care, 22, Suplemento 2: B43-B52, 1999). Los monitores caseros contemporáneos para BG proporcionan los medios para mediciones frecuentes de BG a través del Auto-Monitoreo de BG (SMBG). Sin embargo, el problema con el SMBG es que existe un enlace perdido entre los datos recolectados por los monitores de BG y el HbA?c y la hipoglucemia. En otras palabras, actualmente no existen métodos confiables para evaluar el H A?c y reconocer la inminente hipoglucemia en base a las lecturas del SMBG (ver Bremer T y Gough DA: ¿Es predecible la Glucosa en Sangre a Partir de Valores previos? Un requerimiento de datos (Is blood glucose predictable from previous valúes? A solicitation for data). Diabetes 48:445-451 , 1999). Así, un objetivo de esta invención es proporcionar este enlace perdido proponiendo tres algoritmos distintos, pero compatibles para evaluar el
HbA1c y el riesgo de hipoglucemia a partir de los datos del SMBG a utilizarse para predecir los riesgos de hipoglucemia a corto plazo y a largo plazo y el riesgo a largo plazo de hipergiucemia. Los inventores han reportado previamente que una razón para un enlace perdido entre los datos rutinariamente disponibles del SMBG y la evaluación del HbA?c y el riesgo de hipoglucemia, es que los métodos sofisticados de recolección de datos y de valoración clínica utilizados en la investigación de la diabetes se encuentran infrecuentemente apoyados por procedimientos estadísticos específicos para la diabetes y matemáticamente sofisticados. Respondiendo a la necesidad de análisis estadísticos que tomen en cuenta la distribución específica de los datos de BG, los inventores desarrollaron una transformación de simetrización de la escala de medición de glucosa en sangre (Ver Kovatchev BP, Cox DJ, Gonder-Frederick LA y WL Clarke (1997). Simetrización de la Escala de Medición de Glucosa en Sangre y sus Aplicaciones (Symmetízation of the Blood Glucose Measurement Scale and its Applications), Diabetes Care, 20, 1655-1658) que funciona como sigue. Los niveles de BG se miden en mg/dl en los Estados Unidos y en mmol/L (o mM) en la mayoría de los otros países. Las dos escalas se relacionan directamente por 18 mg/dl = 1 mM. El rango total de BG se da en la mayoría de las referencias como 1.1 a 33.3 mM y se considera que éste cubre prácticamente todos los valores observados. De acuerdo a las recomendaciones del DCCT (Ver DCCT Research Group (1993) El Efecto del Tratamiento Intensivo de la Diabetes Sobre el Desarrollo y Progresión de las Complicaciones a Largo Plazo de la Diabetes Mellitus Dependiente de Insulina (The Effect of Intensive treatment of Diabetes on the Development and Progression of Long-Term Complications of Insulin-Dependent Diabetes Mellitus). New England Journal of Medicine, 329, pag. 978-986) el rango de referencia de BG - también conocido como el rango euglucémico - para una persona con diabetes es de 3.9 a 10 mM, la hipoglucemia ocurre cuando el BG cae por debajo de 3.9 mM y la hipergiucemia es cuando el BG se eleva por encima de 10 mM. Desafortunadamente, esta escala es numéricamente asimétrica - el rango
hiperglucémico (de 10 a 33.3 mM) es más amplio que el rango hipoglucémico (de 1.1 a 3.9 mM) y el rango euglucémico (de 3.9 a 10 mM) no está centrado dentro de la escala. Los inventores corrigen esta asimetrización introduciendo una transformación, /(BG), que es una función continua definida sobre el rango de BG [1 J , 33.3] que tiene la forma analítica de dos parámetros: ABG, , ) = [(ln (BG)) - ], , > 0 y que satisface los supuestos: M: /(33.3, , ) = -/(1.1, , ) y A2 f(10.0, , ) = -/(3.9, , ) A continuación, /(.) se multiplica por un tercer parámetro de escala para fijar los valores mínimo y máximo del rango de BG transformado a -JÍO y io respectivamente. Estos valores son convenientes dado que una variable aleatoria con una distribución normal estándar tiene el 99.8% de sus valores dentro del intervalo [-J?0 y - ?0 ]. Si el BG se mide en mmol/l, al resolver numéricamente con respecto a los supuestos A1 y A2, los parámetros de la función /(BG, , ) son = 1.026, = 1.861 y el parámetro de escala es = 1.794. Si de otro modo el BG se mide en mg/dl, los parámetros se computan para ser = 1.084, = 5.381 y = 1.509. De este modo, cuando BG se mide en mmol/l, la transformación de simetrización es /(BG) = 1.794[(ln (BG))1 026 - 1.861] y cuando BG se mide en mg/dl la transformación de simetrización es /(BG) = 1.509[ln (BG))1 °84 - 5.381]. En base a la transformación de simetrización /(.) los inventores introdujeron el índice de Bajo BG - una nueva medida para valorar el riesgo de hipoglucemia a partir de las lecturas del SMBG (Ver Cox DJ, Kovatchev BP, Julián DM, Gonder-Frederick LA, Polonsky WH, Schlundt DG, Clarke WL: La Frecuencia de la Hipoglucemia Severa en IDDM Puede Predecirse a Partir de los Datos de Auto-mon ¡toreo de la Glucosa en Sangre (Frecuency of Severe Hipoglycemia in ÍDDM Can be Predicted from Self-Monitoring Blood Glucose Data). Journal of Ciinical Endocrinology and Metabolism, 79:1659-1662, 1994 y Kovatchev BP, Cox
DJ, Gonder-Frederick LA young-Hyman D, Schlundt D, Clarke WL, Valoración del Riesgo de Hipoglucemia Severa entre Adultos con IDDM: Validación del índice Bajo de Glucosa en Sangre, (Assessment of Risk for Severe Hypoglycemia Among Adults wíth IDDM: Validatíon of the Low Blood Glucose Index), Diabetes Care 21 :1870-1875, 1998). Dada una serie de datos del SMBG se computa el índice de Bajo BG como el promedio de 10./(SGJ2 tomando para ios valores de /(BG) < O y 0 de otro modo. También se sugirió un índice de Alto BG, computado en una manera simétrica al índice de Bajo BG, sin embargo, este índice no encontró su aplicación práctica. AI utilizar el índice de Bajo BG en un modelo de regresión, los inventores fueron capaces de explicar el 40% de la variación de los episodios de SH en los 6 meses subsecuentes en base a la historia de SH y a los datos del SMBG y más tarde mejorar esta predicción al 46% (Ver Kovatchev BP, Straume M, Farhy LS, Cox DJ: Estimación de la Velocidad de las Transiciones de Glucosa en Sangre y su Relación con la Hipoglucemia Severa (Estimating the Speed of Blood Glucose Transitions and ¡ts Relationship with Severe Hypoglycemia). Diabetes, 48:Suplemento 1 , A363, 1999). Además, los inventores desarrollaron algunos datos en relación con HbA-ic y SMBG (Ver Kovatchev BP, Cox DJ, Straume M, Farhy LS: Asociación de Perfiles de Auto-mon ¡toreo de Glucosa en Sangre con la Hemoglobina Glicosilada (Association of Self-monitoring Blood Glucose Profiles with Glycosylated Hemoglobin). En: Methods in Enzymoloqy, vol. 321 : Numerical Computer Methods, Part C, Michael Johnson and Ludvig Brand, Eds. Academic Press, NY, 2000). Estos desarrollos se convirtieron en parte de los antecedentes teóricos de esta invención. A fin de llevar esta teoría a la práctica, se agregaron varios componentes teóricos clave, entre otras cosas, como se describe en las siguientes secciones. En particular, se desarrollaron tres métodos para emplear la evaluación del riesgo de HbA?c a largo plazo y a corto plazo para la hipoglucemia. El desarrollo de estos métodos se basó en, pero no se limita a, el
análisis detallado de los datos para 867 individuos con diabetes que incluyeron más de 300,000 lecturas de SMBG, registros de hipoglucemia severa y determinaciones de HbA-?c. Por lo tanto los inventores han buscado mejorar en las limitaciones antes mencionadas asociadas con los métodos convencionales y proporcionar por tanto métodos simples y confiables que sean capaces de evaluar tanto, el control glucémico del paciente como el riesgo de hipoglucemia y que puedan aplicarse en sus ambientes cotidianos. SUMARIO DE LA INVENCIÓN . La invención incluye un método de análisis de datos y un sistema en base a computadora para la evaluación simultánea, a partir de datos de SMBG recolectados rutinariamente, de los dos componentes de mayor importancia del control glucémico en la diabetes: el HbA-?c y el riesgo de hipoglucemia. Para los propósitos de este documento, el Auto-Mon ¡toreo de BG (SMBG) se define como cualquier método para la determinación de glucosa en sangre en el ambiente natural de los pacientes diabéticos e incluye los métodos utilizados por los dispositivos de SMBG contemporáneos que comúnmente almacenan 200-250 lecturas de BG, así como los métodos utilizados por las tecnologías de monitoreo continuo que surgen. Dada esta amplia definición del SMBG, esta invención pertenece directamente a la mejora de los dispositivos domésticos de monitoreo de glucosa en sangre existentes introduciendo un componente inteligente de interpretación de datos capaz de predecir ambos, el HbA1c y los periodos de riesgo incrementado de hipoglucemia, así como a mejorar los dispositivos de monitoreo continuo futuros mediante las mismas características. Un aspecto de la invención incluye un método, sistema y producto de programa de computadora para evaluar el HbA?c a partir de un periodo predeterminado de datos recolectados del SMBG, por ejemplo 4-6 semanas. En una modalidad, la invención proporciona un método y sistema de computadora para evaluar el HbA?c de un paciente en base a los datos de BG recolectados a través de una duración predeterminada. El método incluye computar la
desviación ponderada hacia la glucosa en sangre alta (WR) y la proporción estimada del cambio de la glucosa en sangre (Dr) en base a los datos de BG recolectados; estimar el HbA1c utilizando una fórmula matemática predeterminada en base a la WR y Dr computadas; y proporcionar un ¡ntervalo de confianza predeterminado para la clasificación de dicho valor estimado del HbA-?c. Otro aspecto de la invención incluye un método, sistema y producto de programa de computadora para estimar la probabilidad a largo plazo de hipoglucemia severa (SH). Este método utiliza las lecturas de SMBG de un periodo predeterminado, por ejemplo 4-6 semanas y predice el riesgo de SH dentro de los siguientes 6 meses. En una modalidad, la invención proporciona un método y sistema de computadora para evaluar la probabilidad a largo plazo de hipoglucemia severa (SH) de un paciente en base a los datos de BG recolectados a través de una duración predeterminada. El método incluye: computar la desviación ponderada hacia la glucosa en sangre baja (WL) y la proporción estimada de caída de la glucosa en sangre en el rango de bajo BG (DrDn) en base a los datos de BG recolectados; estimar el número de episodios futuros de SH utilizando una fórmula matemática predeterminada en base a la WL y DrDn computadas; y definir una probabilidad de incurrir en un número selecto de episodios de SH respectivos a dichos episodios de SH estimados. Aún otro aspecto de la invención incluye un método, sistema y producto de programa de computadora para identificar periodos de 24 horas (u otros periodos seleccionados) de riesgo incrementado de hipoglucemia. Esto se logra a través del computo del riesgo a corto plazo de hipoglucemia utilizando las lecturas de SMBG recolectadas a través de las 24 horas previas. En una modalidad, la invención proporciona un método y sistema de computadora para evaluar el riesgo a corto plazo de hipoglucemia severa (SH) de un paciente en base a los datos de BG recolectados a través una duración predeterminada. El método incluye: computar la desviación ponderada hacia la glucosa en sangre baja (WL); determinar Max(wl) calculando el valor máximo de wl(BG;2); determinar el valor de riesgo tomando la media geométrica de WL y Max(wl) a
través de la duración predeterminada; proporcionar un valor de umbral de riesgo predeterminado; y comparar el valor de riesgo determinado con el valor de umbral de riesgo. Estos tres aspectos de la invención pueden integrarse conjuntamente para proporcionar información continua acerca del control glucémico de un individuo con diabetes y el monitoreo mejorado del riesgo de hipoglucemia. Estos y otros objetivos, junto con las ventajas y características de la invención aquí descrita, serán más aparentes a partir de la descripción, dibujos y reivindicaciones siguientes. BREVE DESCRIPCIÓN DE LOS DIBUJOS Lo anterior y otros objetivos, características y ventajas de la presente invención, así como la invención en sí, se entenderán más completamente a partir de la siguiente descripción de las modalidades preferidas, al leerse junto con los dibujos acompañantes en los cuales: La Figura 1 es un diagrama de flujo que ilustra el método para calcular el HbA?c estimado y los intervalos de confianza de HbA-?C predichos de acuerdo con la presente invención. La Figura 2 es un diagrama de flujo que ¡lustra el método para calcular el número estimado de futuros episodios de SH y su probabilidad asociada de acuerdo con la presente invención. La Figura 3 es un diagrama de flujo que ¡lustra el método para calcular el riesgo estimado a corto plazo de incurrir en una inminente SH de acuerdo con la presente invención. La Figura 4 es una representación gráfica de las alteraciones típicas de BG observadas antes y después de un episodio de hipoglucemia severa. La Figura 5 ilustra la acción del método para predecir SH a corto plazo presentando 10 semanas de datos para el Sujeto A (panel superior) y el Sujeto B (panel inferior). Los episodios de SH están marcados por un triángulo; una línea negra presenta el valor de riesgo. Cuando se cruza el umbral de riesgo,
el método indica un periodo subsecuente de alto riesgo (barra gris). La Figura 6 es un diagrama de bloques funcional para un sistema de computadora para la implementación de la presente invención. Las Figuras 7-9 son diagramas esquemáticos en bloques de variaciones alternativas de la presente invención, relacionados a procesadores, enlaces de comunicación y sistemas. DESCRIPCIÓN DETALLADA DE LA INVENCIÓN La invención hace posible, pero sin limitarse a la misma, la creación de métodos precisos para la evaluación del control glucémico de la diabetes, e incluyen código de firmware y software a utilizarse para computar los componentes clave del método. Los métodos inventivos para evaluar el HbA?c, la probabilidad a largo plazo de SH y el riesgo a corto plazo de hipoglucemia, se validan también en base a los extensos datos recolectados, como se tratará más adelante en este documento. Finalmente, los aspectos de estos métodos pueden combinarse en una presentación visual o matriz estructurada. Mediciones Fijas de la desviación de BG De acuerdo a la teoría de los inventores de la simetrización de BG (Ver Kovatchev BP, Straume M, Cox DJ, Farhi LS. Datos de Análisis de Riesgo de la Glucosa en Sangre: Un Procedimiento Cuantitativo para Optimizar el Control de la Diabetes Dependiente de Insulina (Rísk Analysis of Blood Glucose Data: A Quantitative Approach to Optimizing the Control of Insulin Dependent Diabetes). J. Of Theoretical Medicine, 3:1-10, 2001) el centro clínico natural de la escala de medición de BG se encuentra en un nivel de BG de 1 12.5 mg/dl (6.25 mmol/l) -un valor euglucémico seguro para un paciente diabético. Dado este centro clínico de la escala de BG, se computan las desviaciones ponderadas hacia la izquierda (hacia la hipoglucemia) o hacia la derecha (hacia la hipergiucemia). El grado de ponderaciones de estas desviaciones se representará por los parámetros a y b respectivamente como sigue: wl(BG;a) = 10/(BG si /(BG)<0 y 0 de otra manera y
wr(BG;b) = 10/(BG)b si /(BG)> O y O de otra manera, en donde /(BG) es la función de simetrización de BG presentada en la sección de antecedentes. El parámetro de ponderación a y b podría ser diferente o el mismo para las desviaciones izquierda y derecha. Los análisis de datos de los inventores demostraron que lo óptimo para los valores del parámetro de aplicación práctica son a - 2 (que es el valor de parámetro utilizado para la computación del índice de Bajo BG) y b = 1. Dada la serie de lecturas de BG, x?, x2....xn, las desviaciones ponderadas promedio hacia la izquierda y hacia la derecha del centro clínico de la escala de BG se definen como: 1 " 1 " WL = - w¡(.xí ;2) y WR = - ^ ..r (?-, ;U respectivamente n ,=, ; = / Estas dos medidas de desviación de BG no dependen de la sincronización de las lecturas de BG y en consecuencia son fijas. A fin de capturar las dinámicas del cambio de BG, las medidas de la proporción de cambio de BG se introducen como se proporcionan a continuación. Computación de la tasa de cambio del riesgo de BG Dejar Í, X2...xn, ser n lecturas del SMBG de un sujeto registradas en los puntos de tiempo t1t t2,...tn. Estos datos se transforman en seguida al calcular los números A??)> A?2),---A?n) y se traza una ranura cúbica S(t) que pasa a través de los puntos ( /(x?)), (t2/(x2)),...,(tn/(xn)). De este modo, la función S(t) es una función continua definida sobre el intervalo completo [ , tn] y de modo que s(tj = AxJ, para y = 1,...n. También se encuentra calculado el conjunto de números Sk = 10.S(k + ti)2 para k = 0, 1,...,tn-t, consiguiendo así valores interpolados a incrementos de una hora. A continuación, considérense todos los pares de números Sk con índices consecutivos: o = (S0, Si), CÍ = (S-i, S2), C2 = (S2, S3),.....'.y denótese por Mar„ba el conjunto de todos los pares Ck, de modo que Sk > Sk + 1 y por Ma ,aj0 el conjunto de todos los pares Ck, de modo que Sk < Sk + 1. Finalmente, dejar DrDn ser el promedio de los números Sk + 1 - Sk,
con la condición de que Ck e Mabaj0 y Dr ser el promedio de los números Sk + 1 -Sk, con la condición de que Ck e Mamba + Mabaj0. Los números DrDn y Dr proporcionan una medida para la tasa de cambio de BG en un "espacio de riesgo", e.g., la tasa de cambio del riesgo asociada con cualquier cambio en el nivel de BG. Además, DrDn mide la tasa de cambio de BG solo cuando BG desciende, i.e., DrDn evalúa qué tan rápido podría incrementarse el riesgo cuando desciende BG, mientras que Dr es una medida de la vulnerabilidad total de BG a las fluctuaciones. Se afirma además que DrDn se asociará con el riesgo de hipoglucemia (si la glucosa en sangre de alguno pudiera descender rápidamente, su riesgo de hipoglucemia sería más alto), mientras que Dr se asociará con la estabilidad total de BG. Código de Software (presentado en lenguaje de control SPSS) El primero es para cuando las lecturas de BG se encuentran en mmol/L y en este caso la variable es BGMM. El segundo es para cuando las lecturas de BG están en mg/dl y en este caso la variable es BGMG. Si BG se mide en mmol/L, cada lectura de BG se transforma primero como sigue: SCALE1 = (ln(BGMM)))**1 .026 - 1 .861 RISK1 = 32.185*SCALE1*SCALE1 Si BG se mide en mg/dl, cada lectura de BG se transforma primero como sigue: SCALE2 = (In (BGMG))**1 .08405 - 5.381 RISK2 = 22.765*SCALE2*SCALE2 Además, las desviaciones izquierda y derecha ponderadas se computan como sigue: WL = 0WL = 0 Si (SCALE1 1 e 0.0) WL = RISK1 WR = 0 Si (SCALE1 gt 0.0) WR = sqrt(RISKI ) Con la condición de que las lecturas de BG se encuentren
igualmente separadas en tiempo o estén interpoladas a incrementos de una hora, la tasa de cambio de BG se computa como: Dr = RISK1 (BG) - RISK1 (BG-1 ) DrDn = 0 Si (SCALE 1 e 0.0 y Dr gt 0) DrDn = Dr Finalmente, una agregación que pasa a través de todas las lecturas de BG para un sujeto producirá: WL = media (WL) WR = media (WH) Dr = media (Dr) y DrDn = media (DrDn) Método para la Evaluación de HbAin Una modalidad preferida del método de evaluación de HbA-?c 100 de acuerdo a la invención se ilustra en la Figura 1. En una primera etapa 102, los datos de SMBG se recolectan a través de un periodo de tiempo predeterminado. Por ejemplo, los datos de SMBG se recolectan a través de 4-6 semanas con una frecuencia de 3-5 mediciones de BG al día, los cuales se transforman mediante el código o fórmulas presentadas en la sección previa. Se utilizan diferentes fórmulas si las mediciones de BG se almacenan en mg/dl o en mmol/l. El experto en la técnica apreciará que pueden emplearse varios niveles, duraciones y frecuencias. En una etapa 104, la desviación ponderada hacia la alta glucosa en sangre (WR) y la tasa estimada de cambio en la glucosa en sangre (Dr) se computan utilizando la fórmula/código antes tratado. En una etapa 106, se computa un estimado del HbA c a partir de datos Auto-Monitoreados utilizando la función lineal: EstHBAI c = 0.9008*WR-0.8207*DR + 6.7489. Debe notarse que los coeficientes de esta función se derivan de los datos de 867 individuos con diabetes y se reconoce que la acumulación de datos adicionales puede actualizar estos coeficientes. En la etapa 108 las categorías de HbA1c estimadas que representan un rango de valores para el HbA?c estimado se definen de acuerdo a la Tabla 1. Tabla 1 : Definición de categorías en base a EstHBAIc:
En la etapa 1 10 los intervalos de confianza predichos para los HbA1c correspondientes se derivan de acuerdo a la Tabla 2. Tabla 2: Intervalos de confianza predichos del 95% para la clasificación de HbA?c:
En la etapa 1 12, el HbA1c estimado de la etapa 106 se asigna en una de las categorías proporcionadas en la Tabla 1 y/o la Tabla 2. Validación Empírica de la Evaluación de HbAi Los intervalos para HbA?c en la Tabla 2 se basan en la investigación extensiva. Para validar estos intervalos analizamos los datos de SMBG y HbA-?c de 867 sujetos con diabetes. Todos los sujetos fueron instruidos para utilizar las medidas de la memoria BG durante seis meses y para medir su BG de dos a cuatro veces al día. Durante el mismo periodo se llevaron a cabo de 5 a 8 análisis de HbA-?c para cada sujeto. Los datos de medida de memoria se descargaron electrónicamente y se almacenaron en una computadora para análisis posterior. Este procedimiento produjo una base de datos conteniendo más de 300,000 lecturas de SMBG y 4J 80 análisis de HbA?c tomados durante seis meses. El análisis de variación se condujo para comparar el HbA-?c en las siete categorías identificadas en la Tabla 1. Las cinco categorías fueron significativamente altamente diferentes, con F=91 y p<0.00001. Además, el HbA?c promedio fue significativamente diferente para cada par de categorías como se demostró mediante los rangos de Duncan, con p<0.01. También se computó el 95% de los intervalos de confianza para el valor medio de HbA1c en cada una de las siete categorías. Estos intervalos de confianza se utilizaron como base para computar los intervalos de HbA?c presentados en la Tabla 2. El análisis post-hoc del poder de clasificación de este método demostró que el método estaba bien protegido contra errores extremos tales como la clasificación incorrecta de HbA?c en la categoría 1 , 2 o 3 en base al
SMBG mientras que el HbA c real era mayor que 9.5% o la clasificación del HbA-?c en la categoría 5, 6 o 7 mientras que el HbA1 c real estaba por debajo del 9.0%. En resumen, después de un inicial de 4-6 semanas de lecturas de SMBG el método computarizado computa un intervalo estimado para el valor de HbA1c que puede utilizarse para rastrear los cambios del paciente en el control glucémico en el rango alto de BG. Método para la Evaluación de la Probabilidad a Largo Plazo de Hipoqlucemia Severa (SH) Una modalidad preferida de un método de evaluación de la probabilidad a largo plazo de SH 200 de acuerdo a la invención se ilustra en la Figura 2.' En una primera etapa 202, los datos de SMBG se recolectan durante un periodo de tiempo predeterminado. Por ejemplo, los datos del SMBG se recolectan durante 4-6 semanas con una frecuencia de 3-5 mediciones de BG por día, que se transforman por medio del código o fórmula presentada inmediatamente arriba. Se utilizan diferentes fórmulas si las mediciones de BG están almacenadas en mg/dl o en mmol/l. El experto en la técnica apreciará que pueden emplearse varios niveles, duraciones y frecuencias. En una etapa 204, WL y DrDn se computan utilizando la fórmula/código como se trató anteriormente. En la etapa 206, se computa un estimado del número de futuros episodios de SH utilizando la función lineal: Est SH = 3.3613*WL - 4.3427*DrDn - 1 .2716. Debe notarse que los coeficientes de esta función se derivan de datos de 181 individuos con diabetes y se apreciará que la acumulación de datos adicionales puede actualizar estos coeficientes. Debe notarse además que esta fórmula proporciona un solo valor estimado para el número de futuros episodios de SH y que a través de metodologías adicionales, como se trata a continuación, se proporcionan categorías con rangos y niveles de confianza para aplicaciones clínicas mejoradas. En la etapa 208, se define un número estimado de categorías de episodios de SH (estNSH) que representan un rango de valores para estNSH de acuerdo a la Tabla 3.
Tabla 3: Clasificación de EstNSH:
En la etapa 210, respectiva a las categorías del estNSH, la probabilidad de incurrir en 0, 1-2 o más de 2 episodios de SH en los siguientes seis meses se deriva, como se representa en la Tabla 4. Tabla 4: Probabilidad de 0, 1-2 o más episodios de SH en los 6 meses subsecuentes:
En la etapa 212, el EstNSH de la etapa 206 se asigna en una de las categorías proporcionadas en la Tabla 3 y/o Tabla 4.
Validación Empírica de la Evaluación de la Probabilidad a Largo Plazo de SH Ciento ochenta y un adultos con diabetes Tipo I (media de edad 37 años, duración de la diabetes 18 años) utilizaron medidores de memoria para recolectar más de 34,000 SMBG durante un mes. Después por los seis meses siguientes registraron en diarios cualquier presentación de SH. Los datos de SMBG se transformaron matemáticamente y se utilizó un modelo de regresión lineal para predecir futura hipoglucemia severa dando como resultado un modelo altamente significativo (F=36.3, p<0.0001) y R múltiple de 55%. Todos los sujetos se clasificaron en 4 categorías utilizando el presente método de SH a largo plazo. El número promedio de futuros episodios de SH en las categorías 1 , 2, 3 y 4 fue de 0.3, 2.0, 5.0 y 9.75 respectivamente. El análisis de variación demostró diferencias altamente significativas entre estas categorías, F = 19.0, p?.0001. En resumen, una combinación lineal del índice de Bajo BG y la tasa de descenso de BG calculada en el "espacio de riesgo" proporcionan una
valoración veraz del riesgo a largo plazo de SH. Debido a que se basa en los registros de SMBG que se almacenan automáticamente mediante muchos medidores de reflectancia, éste es un indicador efectivo y clínicamente útil del control glucémico de los pacientes en el rango de bajo BG. Método para la Evaluación del Riesgo a Corto Plazo (dentro de 24 horas) de Hipoqlucemia Una modalidad preferida de un método de evaluación a corto plazo de SH 300 de acuerdo a la invención se ilustra en la Figura 3. En una primera etapa, los datos de SMBG se recolectan durante un corto periodo de tiempo predeterminado. Por ejemplo, los datos de SMBG se recolectan durante un periodo de 24 horas, con una frecuencia de 3-5 mediciones de BG al día - 4 o más lecturas, como un nivel nominal de acuerdo al análisis de datos. El experto en la técnica apreciará que pueden emplearse varios niveles, periodos (duraciones) y frecuencias. En una etapa 304 se computan WL(24) y Max(wl) a partir de todas las lecturas recolectadas dentro de las 24 horas precedentes, en donde el valor máximo de wl(BG;2) es Max(wl). En la etapa 306, el valor de riesgo se encuentra tomando la media geométrica de WL y Max(wl) durante el periodo de 24 horas, en donde dicho valor de riesgo se define matemáticamente como: Riesgo(24) = JWL(24)» Max(w?; En la etapa 308 se determina un valor de umbral de riesgo. En la etapa 310 el valor de riesgo estimado se compara con el valor de umbral de riesgo. Por ejemplo, si el valor de umbral de riesgo se establece a 17, entonces si Riesgo(24)>17, entonces — en base a los datos de SMBG recolectados durante las 24 horas previas — la indicación resultante es un alto riesgo de que el paciente incurra en hipoglucemia inminente. En otras palabras, ésta es una norma de toma de decisiones que considera un periodo de 24 horas de los datos de SMBG y juzga si es probable que este periodo preceda un inminente episodio de hipoglucemia. El valor de umbral de 17 se deriva de un extenso conjunto de datos, sin embargo, se reconoce que es posible que este valor pueda ajustarse
con la acumulación adicional de datos o para objetivos adicionales. Validación Empírica de la Evaluación del Riesgo a Corto Plazo de Hipoglucemia
Se reclutaron ochenta y cinco individuos a través de boletines, clínicas de diabetes y a través de referencias directas. El criterio de inclusión fue: 1) edad de 21-60 años; 2) diabetes tipo I con al menos dos años de duración y uso de insulina desde el momento del diagnóstico; 3) al menos 2 episodios de SH documentados en el año anterior; y 4) uso rutinario de dispositivos de SMBG para ei monitoreo de la diabetes. Se instruyó a los participantes en el uso del medidor de 3-5 veces al día y para registrar en diarios mensuales cualquier episodio de SH, incluyendo las fechas exactas y los tiempos de su presentación. La SH se definió como neuroglucopenia severa que resulta en estupor o inconsciencia e impide el auto-tratamiento. Para cada sujeto el estudio continuó 6-8 meses y cada mes el medidor del sujeto se descargó y se recolectó el diario de SH. La capacidad de memoria de los medidores fue suficiente y la descarga fue con frecuencia suficiente, de modo que no se perdió ningún dato. No se hicieron cambios en la rutina de manejo de la diabetes de los participantes, ni se administraron tratamientos adicionales durante el estudio. Durante el estudio se descargaron un total de 75,495 lecturas de SMBG (en promedio de 4.0+1.5 por sujeto al día) de los medidores de memoria de los participantes y se registraron 399 (4.7J6.0 por sujeto) episodios de SH en sus diarios. Un hallazgo importante, entre otras cosas, fue que los episodios de hipoglucemia moderada o severa están precedidos y seguidos de disturbios de BG medibles. En el periodo de 24 horas anterior a un episodio de SH el índice de Bajo BG (e.g.,WL) se elevó (p?.001 ), el BG porcentual fue menor (p=0.001 ) y la variación de BG aumentó (p=0.001 ). En las 24 horas siguientes al episodio de SH, el índice de Bajo BG y la variación de BG permanecieron elevados (p<0.001 ), pero el BG porcentual regresó a su línea de base. Para este fin, la Figura 4 es una representación gráfica de un típico disturbio de BG observado antes y después de un episodio de hipoglucemia severa. En el periodo de 48 a 24 horas anterior al episodio de SH, el nivel
promedio de BG disminuyó y la variación de BG aumentó. En el periodo de 24 horas inmediatamente precedente al episodio de SH, el nivel promedio de BG descendió adicionalmente y la variación de BG continuó en aumento. En el periodo de 24 horas siguiente al episodio de SH, el nivel promedio de BG se normalizó, pero la variación de BG permaneció grandemente aumentada. Ambos, el BG promedio y su variación regresaron a sus niveles de base dentro de las 48 horas posteriores al episodio de SH. Como tal, como parte de la invención, las alteraciones presentadas en la Figura 4 se cuantifican a partir de los datos de SMBG para permitir la evaluación del riesgo a corto plazo de hipoglucemia. El valor de corte de Riesgo(24)=17 se deriva de una optimización conjuntamente con las siguientes restricciones: 1) el método tuvo que predecir un porcentaje máximo de episodios de SH, i.e., identificar como riesgoso un porcentaje máximo de periodos de 24 horas precedentes a SH y 2) evitar la sobre-estimación del riesgo, el método tuvo que identificar como riesgo no más del 15% del tiempo total del estudio (un día a la semana en promedio). El valor de corte del riesgo de 17 se mantuvo constante para todos los sujetos. La razón para elegir el valor del 15% fue para evitar que los pacientes se irritaran con una sobre-abundancia de "falsas alarmas" y después ignorar las "alarmas verdaderas". En la práctica, el médico de un paciente puede seleccionar un valor alterno dependiendo de la severidad de la diabetes del paciente y los objetivos particulares. El siguiente ejemplo ilustra la acción del algoritmo en los datos de SMBG de dos participantes del estudio. La Figura 5 presenta diez semanas de datos para el Sujeto A (panel superior) y el Sujeto B (panel inferior). Los episodios de SH están marcados por triángulos; una curva negra presenta el valor de riesgo. Cuando se cruza el umbral de riesgo (la línea horizontal en Riesgo=17), el algoritmo indica un periodo subsecuente de alto riesgo (barra gris). Para el Sujeto A, se predicen 7 de 9 episodios de SH y existen 5 falsas alarmas, e.g., periodos de alto riesgo que no dieron como resultado SH; para el Sujeto B existen 3 falsas alarmas y se predice el único episodio de SH. Es obvio que los
valores de riesgo del Sujeto B al compararse con los valores de riesgo del Sujeto A, incluyen más y más altas desviaciones. Para ambos sujetos, todos los episodios de SH se acompañaron de valores de riesgo supercríticos y aproximadamente la mitad de todas las grandes desviaciones se acompañaron de uno o más episodios de SH. A través de todos los participantes del estudio, se pronosticó el 44% de todos los episodios de SH registrados, dentro de 24 horas, por medio de un periodo de alto riesgo y el 50% estuvieron precedidos, dentro de 48 horas, por un periodo de alto riesgo. Si se consideraran solo los periodos ya sea con al menos 3 o al menos 4 mediciones de SMBG, la exactitud del último pronóstico aumentaría a 53% y 57%, respectivamente. El análisis post-hoc de los niveles de BG que se presentan durante o inmediatamente después, de los periodos de alto riesgo a los que no siguió un episodio de SH, i.e., durante o inmediatamente después de falsas alarmas, demostró que el promedio mínimo por sujeto de tales niveles de BG fue de 2.3+0.2 mmol/1 versus 5.9+1.7 mmol/1 (t=19.5, p<0.0001 ) para todos los periodos de no-riesgo, incluyendo todos los episodios de SH que permanecieron sin contar. Esto indica que, aunque la SH sintomática no se presentó, los niveles de BG siguientes a los periodos de riesgo fueron notablemente bajos. En resumen, los inventores estimularon la acción del método de riesgo a corto plazo a través de una serie de 6 meses de lecturas de SMBG para 85 individuos con diabetes Tipo I. Con cuatro o más lecturas de SMBG al día, al menos el 50% del total de episodios de SH pudieron anticiparse. Incluso cuando la SH sintomática no se presentó, el algoritmo pronosticó episodios de hipoglucemia moderada. Integración de los Tres Métodos Los tres métodos de esta invención, como se trató anteriormente y se ilustró en la Figura 3, 1-3, utilizan las mismas series de datos de SMBG. En consecuencia, a partir de un punto de vista del dispositivo de SMBG, puede producirse una imagen o matriz unificada de los resultados de estos tres métodos
similar a la salida de rejilla presentada a continuación:
De este modo, por ejemplo, la salida para el sujeto 1 (Ss 1 ) mostrada en la rejilla superior indica que esta persona está propensa a tener un HbA-ic de entre 9 y 9.5% y tiene una oportunidad del 90% de no experimentar hipoglucemia severa en los 6 meses subsecuentes. La salida para el sujeto 2 (Ss 2) indica que esta persona está propensa a tener un HbA c menor que 8% y tiene una oportunidad mayor que el 80% de experimentar al menos 3 episodios de SH en los 6 meses subsecuentes. Además de esta salida de rejilla, el método de riesgo a corto plazo proporciona un rastreo continuo del riesgo de hipoglucemia inminente y puede utilizarse para hacer sonar una alarma cuando este riesgo se vuelve alto. El método de la invención puede ¡mplementarse utilizando hardware, software o una combinación de los mismos y puede implementarse en uno o más sistemas de computadora u otros sistemas de procesamiento, tales como asistentes digitales personales (PDAs). En una modalidad ejemplificativa, la invención se implemento en software funcionando en una computadora para propósitos generales 900 como se ilustra en la Figura 6. El sistema de computadora 600 incluye uno o más procesadores, tal como el procesador 604. El procesador 604 está conectado a una infraestructura de comunicación 606 (e.g., un bus de comunicaciones, barra de cruce o red). El sistema de computadora 600 incluye una interfaz de imagen 602 que envía gráficas, texto y otros datos desde la infraestructura de comunicación 606 (o desde un búfer de vídeo no mostrado) para desplegar a través de la unidad de imagen 630. El sistema de computadora 600 incluye también una memoria
principal 608, de preferencia una memoria de acceso aleatorio (RAM) y puede incluir también una memoria secundaria 610. La memoria secundaria 610 puede incluir, por ejemplo, una unidad de disco duro 612 y/o una unidad removible de almacenamiento 614, que representa un impulsor de disco flexible, una unidad de cinta magnética, una unidad de disco óptico, etc. La unidad removible de almacenamiento 614 lee y/o escribe desde o hacia una unidad removible de almacenamiento 618 de una manera bien conocida. La unidad removible de almacenamiento 618, representa un disco flexible, una cinta magnética, un disco óptico, etc., que se lee y se escribe por medio de la unidad removible de almacenamiento 614. Como se apreciará, la unidad removible de almacenamiento 618 incluye un medio de almacenamiento utilizable en computadora que tiene software y/o datos almacenados en la misma. En modalidades alternativas, la memoria secundaria 610 puede incluir otros medios para permitir que se carguen programas de computadora u otras instrucciones dentro del sistema de computadora 600. Tales medios pueden incluir, por ejemplo, una unidad removible de almacenamiento 622 y una interfaz 620. Los ejemplos de tales unidades removibles de almacenamiento/interfazs incluyen un cartucho de programa y un cartucho de ¡nterfaz (tales como los que se encuentran en dispositivos para juegos de vídeo), un chip removible de memoria (tal como ROM, PROM, EPROM o EEPROM) y el conector asociado y otras unidades removibles de almacenamiento 622 e interfazs 620 que permiten que el software y los datos se transfieran desde la unidad removible de almacenamiento 622 hasta el sistema de computadora 600. El sistema de computadora 600 puede incluir también una ¡nterfaz de comunicaciones 624. La interfaz de comunicaciones 624 permite que el software y los datos se transfieran entre el sistema de computadora 600 y los dispositivos externos. Los ejemplos de interfaz de comunicaciones 624 pueden incluir un módem, una ¡nterfaz de red (tal como una tarjeta Ethernet), un puerto de comunicaciones, una ranura y tarjeta PCMCIA, etc. El software y los datos transferidos via la interfaz de comunicaciones 624 se encuentran en forma de
señales 628 que pueden ser electrónicas, electromagnéticas, ópticas u otras señales capaces de ser recibidas por la interfaz de comunicaciones 624. Las señales 628 se proveen a la interfaz de comunicaciones 624 via una ruta de comunicaciones (i.e., canal) 626. El canal 626 porta las señales 628 y puede implementarse utilizando alambre o cable, fibra óptica, una línea telefónica, un enlace de telefonía celular, un enlace RF y otros canales de comunicaciones. En este documento, los términos "medio de programa de computadora" y "medio utilizable en computadora" se utilizan para referirse en general a los medios tales como una unidad removible de almacenamiento 914, un disco duro instalado en una unidad de disco duro 612 y las señales 628. Estos productos de programa de computadora son medios para proporcionar software al sistema de computadora 600. La invención incluye tales productos de programa de computadora. Los programas de computadora (llamados también lógica de control por computadora) se almacenan en la memoria principal 608 y/o en la memoria secundaria 610. Los programas de computadora pueden ser recibidos también via la interfaz de comunicaciones 624. Tales programas de computadora, al ejecutarse, permiten que el sistema de computadora 600 lleve a cabo las características de la presente invención como se trató aquí. En particular, los programas de computadora, al ejecutarse, permiten que el procesador 604 lleve a cabo las funciones de la presente invención. De acuerdo a esto, tales programas de computadora representan los controladores del sistema de computadora 600. En una modalidad en donde se implementa la invención utilizando software, el software puede almacenarse en un producto de programa de computadora y cargarse dentro del sistema de computadora 600 utilizando la unidad removible de almacenamiento 614, el disco duro 612 o la ¡nterfaz de comunicaciones 624. La lógica de control (software), al ejecutarse por medio del procesador 604 ocasiona que el procesador 604 realice las funciones de la invención como aquí se describe. En otra modalidad, la invención se implementa principalmente en
hardware utilizando, por ejemplo, componentes de hardware tales como Jos circuitos de aplicación específica integrados (ASICs). La implementación de la máquina en estado de hardware para llevar a cabo las funciones aquí descritas será aparente para las personas expertas en la(s) técnica(s) relevante(s). Aún en otra modalidad, la invención se implementa utilizando una combinación de ambos, hardware y sofware. En una modalidad ejemplificativa de software de la invención, los métodos antes descritos se implementaron en lenguaje de control SPSS, pero pueden implementarse en otros programas tales como, pero sin limitarse a, lenguaje de programación C + +. Las Figuras 7-9 muestran una representación diagramática en bloque de las modalidades alternativas de la invención. Con referencia a la Figura 7, se muestra una representación díagramática en bloque del sistema 710 que comprende esencialmente el medidor de glucosa 728 utilizado por un paciente 712 para registrar, inter alia, las lecturas de dosis de insulina y los niveles medidos de glucosa en sangre ("BG"). Los datos obtenidos por el medidor de glucosa 728 se transfieren de preferencia a través de enlaces de comunicación apropiados 714 o de un módem de datos 732 hacia una estación o chip de procesamiento, tal como una computadora personal 740, PDA o teléfono celular. Por ejemplo, los datos almacenados pueden almacenarse dentro del medidor de glucosa 728 y pueden descargarse directamente dentro de la computadora personal 740 a través de un cable de interfaz apropiado. Un ejemplo es el sistema de monitoreo o medidor ONE TOUCH (DE UN TOQUE) de LifeScan, Inc., que es compatible con el software IN TOUCH (EN EL TOQUE) que incluye un cable de interfaz para descargar los datos hacia una computadora personal. El medidor de glucosa es común en la industria e incluye esencialmente cualquier dispositivo que pueda funcionar como un mecanismo de adquisición de BG. El medidor de BG o mecanismo de adquisición, dispositivo, herramienta o sistema incluye varios métodos convencionales dirigidos hacia la extracción de una muestra de sangre (e.g., mediante punción en un dedo) para
cada análisis y una determinación del nivel de glucosa utilizando un instrumento que lee las concentraciones de glucosa por medio de métodos electromecánicos o calorimétricos. Recientemente, se han desarrollado varios métodos para determinar la concentración de analitos sanguíneos sin extraer sangre. Por ejemplo, la Patente de los E.U. No. 5,267,152 de Yang et al., describe una técnica no-invasíva para medir la concentración de glucosa en sangre utilizando espectroscopia láser de radiación cercana IR de reflección difusa. Se describen también dispositivos espectrométricos de cercana IR similares en la Patente de E.U. No. 5,086,229 de Rosenthal et al. y en la Patente de E.U. No. 4,975,581 de Robinson et al. La Patente de E.U. No. 5,139,023 de Stanley describe un aparato transdérmico para el monitoreo de la glucosa en sangre que se basa en un mejorador de permeabilidad (e.g., una sal biliar) para facilitar el movimiento transdérmico de la glucosa a lo largo de un gradiente de concentración establecido entre el fluido intersticial y un medio receptor. La Patente de E.U. No. 5,036,861 de Sembrowich describe un monitor pasivo de glucosa que recolecta la transpiración a través de un parche en la piel, en donde se utiliza un agente colinérgico para estimular la secreción de la transpiración de una glándula sudorípara ecrina. Se describen dispositivos de recolección de transpiración similares en la Patente de E.U. No. 5,076,273 de Schoendorfer y en la Patente de E.U. No. 5,140,985 de Schroeder. Además, la Patente de E.U. No. 5,279,543 de Glikfeld describe el uso de ¡ontoforesis para tomar una muestra de manera no-invasiva de una sustancia a través de la piel dentro de un receptáculo en la superficie de la piel. Glikfeld muestra que este procedimiento de toma de muestra puede acoplarse con un biodetector glucosa-específico o electrodos glucosa-específicos a fin de monitorear la glucosa en sangre. Además, la Publicación Internacional No. WO 96/00110 de Jamada describe un aparato iontoforético para el monitoreo transdermal de la sustancia de referencia, en donde se utiliza un electrodo iontoforético para mover un analito dentro de un depósito de recolección y se
utiliza un biodetector para detectar el analito de referencia presente en el depósito. Finalmente, la Patente de E.U. No. 6,144,869 de Berner describe un sistema de toma de muestra para medir la concentración de un analito presente. Aún adicionalmente, el medidor de BG o mecanismo de adquisición puede incluir catéteres internos y toma de muestra de fluido de tejido subcutáneo. La computadora o PDA 740 incluye el software y hardware necesarios para procesar, analizar e interpretar los datos auto-registrados de la diabetes del paciente de acuerdo con secuencias de flujo predefinidas (como se describió en detalle en lo anterior) y para generar una salida apropiada de interpretación de datos. De preferencia, los resultados del análisis e interpretación de datos realizados en base a los datos del paciente almacenados por la computadora 740 se despliegan en forma de un reporte en papel generado a través de una impresora asociada con la computadora personal 740. Alternativamente, los resultados del procedimiento de interpretación de datos pueden desplegarse directamente en una unidad de imagen de vídeo asociada con la computadora 740. La Figura 8 muestra una representación diagramática en bloque de una modalidad alternativa que tiene un sistema para el manejo de la diabetes que es un aparato operado por el paciente 810 que tiene un alojamiento de preferencia suficientemente compacto para permitir que el aparato 810 se sostenga por la mano y se porte por el paciente. Una tira de guía para recibir una tira de análisis de la glucosa en sangre (no mostrada) se localiza a través de una superficie del alojamiento 816. La tira de análisis es para recibir una muestra de sangre del paciente 812. El aparato incluye un microprocesador 822 y una memoria 824 conectada al microprocesador 822. El microprocesador 822 está diseñado para ejecutar un programa de computadora almacenado en la memoria 824 para llevar a cabo los diversos cálculos y funciones de control como se trató en mayor detalle anteriormente. Un teclado 816 está conectado al microprocesador 822 a través de un decodificador de teclado estándar 826. La pantalla 814 está conectada al microprocesador 822 a través de una unidad de
pantalla 830. El microprocesador 822 se comunica con la unidad de pantalla 830 via una interfaz y la unidad de pantalla 830 actualiza y renueva la imagen 814 bajo el control del microprocesador 822. La bocina 854 y un reloj 856 se encuentran conectados también al microprocesador 822. La bocina 854 opera bajo el control del microprocesador 822 para emitir tonos audibles que alertan al paciente de una posible hipoglucemia futura. El reloj 856 suministra la fecha y hora actuales al microprocesador 822. La memoria 824 almacena también los valores de glucosa en sangre del paciente 812, los valores de dosis de insulina, los tipos de insulina y los valores de parámetro utilizados por el microprocesador 822 para calcular los valores futuros de glucosa en sangre, las dosis de insulina suplementales y los suplementos de carbohidratos. Cada valor de glucosa en sangre y el valor de dosis de insulina se almacenan en la memoria 824 con una fecha y hora correspondiente. La memoria 824 es de preferencia una memoria no-volátil, tal como una memoria sólo de lectura eléctricamente borrable (EEPROM). El aparato 810 incluye también un medidor de glucosa en sangre 828 conectado al microprocesador 822. El medidor de glucosa 828 está diseñado para medir las muestras de sangre recibidas a través de las tiras de análisis de glucosa en sangre y para producir valores de glucosa en sangre a partir de las mediciones de las muestras de sangre. Como se mencionó previamente, tales medidores de glucosa son bien conocidos en la técnica. El medidor de glucosa 828 es de preferencia del tipo que produce valores digitales que salen directamente al microprocesador 822. Alternativamente el medidor de glucosa en sangre 828 puede ser del tipo que produce valores análogos. En esta modalidad alternativa, el medidor de glucosa en sangre 828 se encuentra conectado al microprocesador 822 a través de un convertidor de análogo a digital (no mostrado). El aparato 810 incluye además un puerto de entrada/salida 834, de preferencia un puerto serial, que está conectado al microprocesador 822. El puerto 834 está conectado a un módem 832 mediante una interfaz, de preferencia
una interfaz RS232 estándar. El módem 832 es para establecer un enlace de comunicación entre el aparato 810 y una computadora personal 840 o una computadora del profesional de la salud 838 a través de una red de comunicación 836. Las técnicas específicas para conectar dispositivos electrónicos a través de cables de conexión son bien conocidas en la técnica. Otro ejemplo alternativo es la comunicación de tecnología "bluetooth". Alternativamente, la Figura 9 muestra una representación diagramática en bloque de una modalidad alternativa que tiene un sistema para el manejo de la diabetes que es un aparato operado por el paciente 910, similar al mostrado en la Figura 8, que tiene un alojamiento de preferencia suficientemente compacto para permitir que el aparato 910 se sostenga por la mano y se porte por el paciente. Sin embargo, ia presente modalidad incluye un medidor de glucosa separado o desmontable o mecanismo de adquisición de BG 928. De acuerdo a esto, las modalidades aquí descritas son capaces de ser implementadas a través de redes de comunicación de datos tales como la internet, lo que hace accesibles las evaluaciones, estimados e información para cualquier procesador o computadora en cualquier ubicación remota, como se ilustra en las Figuras 6-9 y/o la Patente de E.U. No. 5,851 ,186 de Wood, que se incorpora aquí como referencia. Alternativamente, los pacientes localizados en ubicaciones remotas pueden transmitir los datos de BG a un profesional de la salud o residencia o a una ubicación remota diferente. En resumen, la invención propone un método y sistema de computadora de análisis de datos para la evaluación simultánea de los dos componentes de mayor importancia del control glucémico en individuos con diabetes: HbA?c y el riesgo de hipoglucemia. El método, mientras utilice solo datos de rutina de SMBG, proporciona, entre otras cosas, tres conjuntos de salida. El potencial de implementación del método, sistema y producto de programa de computadora de la invención es que proporciona las siguientes ventajas, pero no se limita a las mismas. Primera, la invención mejora los
dispositivos domésticos de control de BG existentes produciendo y visualizando: 1 ) las categorías estimadas para HbA-?C, 2) la probabilidad estimada de SH en los seis meses subsecuentes y 3) el riesgo de hipoglucemía estimado a corto plazo (i.e., para las siguientes 24 horas). La última puede incluir alertas, tales como una alarma, que índica los inminentes episodios de hipoglucemia. Estos tres componentes pueden integrarse también para proporcionar información continua acerca del control glucémico de los individuos con diabetes y para mejorar el monitoreo de su riesgo de hipoglucemia. Como una segunda ventaja, la invención mejora el software o hardware existentes que recuperan los datos de SMBG. Tal software y hardware se producen virtualmente por todo fabricante de dispositivos domésticos que monitorean BG y se utilizan comúnmente por pacientes y profesionales de la salud para interpretar los datos de SMBG. Los métodos y el sistema de la invención pueden incorporarse directamente en los monitores domésticos para glucosa en sangre existentes o utilizarse para mejorar el software que recupera los datos de SMBG, introduciendo un componente de interpretación de datos capaz de predecir ambos el HbA c y los periodos de aumento de riesgo de hipoglucemia. Aún como otra ventaja, la invención evalúa la exactitud de los dispositivos domésticos de monitoreo de BG, tanto en bajo como en alto rango de BG y a través de la escala completa de BG. Además, como otra ventaja, la invención evalúa la efectividad de los varios tratamientos para la diabetes. Aún adicionalmente, dado que los pacientes con diabetes enfrentan un problema de optimización de por vida para mantener un estricto control glucémico sin aumentar el riesgo de hipoglucemia, la presente invención alivia este problema relacionado por medio del uso de sus simples y confiables métodos, i.e., la invención es capaz de evaluar ambos, el control glucémico del paciente y el riesgo de hipoglucemia y al mismo tiempo aplicarlos en sus ambientes cotidianos.
Adicionalmente, la invención proporciona el enlace faltante proponiendo tres algoritmos distintos, pero compatibles, para la evaluación del HbA1c y del riesgo de hipoglucemia a partir de los datos de SMBG, a utilizarse para predecir los riesgos de hipoglucemia a corto plazo y a largo plazo y el riesgo a largo plazo de hipergiucemia. Finalmente, como otra ventaja, la invención evalúa la efectividad de nuevos dispositivos de insulina o de suministro de insulina. Cualquier fabricante o investigador de dispositivos de insulina o de suministro de insulina puede utilizar las modalidades de la invención para probar el éxito relativo de los diseños de suministro propuestos o probados de tipos o dispositivos de insulina. La invención puede incorporarse en otras formas específicas sin apartarse de su espíritu o características esenciales. Las modalidades anteriores deben considerarse en consecuencia, en todo aspecto ilustrativas en vez de limitantes de la invención aquí descrita. El alcance de la invención se indica así por medio de las reivindicaciones anexas y no por la descripción anterior y en consecuencia se pretende abarcar aquí todos los cambios dentro del significado y rango de equivalencia de las reivindicaciones.
Claims (58)
- REIVINDICACIONES 1. Un método computarizado para evaluar el HbA1c de un paciente en base a datos de BG recolectados a través una duración predeterminada, dicho método comprende: computar la desviación ponderada hacia la alta glucosa en sangre (WR) y la tasa estimada del cambio de la glucosa en sangre (Dr) en base a dichos datos de BG recolectados; y estimar el HbA1c utilizando una fórmula matemática predeterminada en base a dichos WR y Dr computados. 2. El método de la reivindicación 1 , en donde: dicho WR computado se define matemáticamente a partir de una serie de lecturas de BG x^ x ,...xn tomadas en los puntos de tiempo ti, t2,....tn como:
- WR = Y wr ( x_ ;\ ) en donde: wr(BG;b) = 10./(BG)b si /(BG)>0 y 0 de otra manera, b = 1, representando un parámetro de ponderación y dicho DR computado se define matemáticamente como: Dr = promedio de Sk+1-Sk en donde: Sk = 10.S(k+ )2 para k = 0, 1,...,t„ - , S(ty =/(xj). paraj = 1,...,n.
- 3. El método de la reivindicación 1 , en donde dicho HbA?c estimado a partir de dichos datos de control de BG se define matemáticamente como: HbA1c estimado = 0.9008(WR) - 0.8207(DR) + 6.7489.
- 4. El método de la reivindicación 1 , que comprende además: definir las categorías predeterminadas para el estimado de HbA-?c. cada una de dichas categorías estimadas de HbA-?c representa un rango de valores para el HbA-?C estimado; y asignar dicho HbA-¡c estimado a al menos una de dichas categorías estimadas de HbAlc.
- 5. El método de la reivindicación 4. en donde dichas categorías estimadas de HbA-?c se definen como sigue: categoría clasificada 1 , en donde dicho HbA c estimado es menor que aproximadamente 7.8; categoría clasificada 2, en donde dicho HbA-|C estimado se encuentra entre aproximadamente 7.8 y aproximadamente 8.5; categoría clasificada 3, en donde dicho HbA?c estimado se encuentra entre aproximadamente 8.5 y aproximadamente 9.0; categoría clasificada 4, en donde dicho HbA1c estimado se encuentra entre aproximadamente 9.0 y aproximadamente 9.6; categoría clasificada 5, en donde dicho HbA1c estimado se encuentra entre aproximadamente 9.6 y aproximadamente 10.3; categoría clasificada 6, en donde dicho HbA?c estimado se encuentra entre aproximadamente 10.3 y aproximadamente 1 1.0; y categoría clasificada 7, en donde dicho HbA1c estimado se encuentra por encima de aproximadamente 11.0.
- 6. El método de la reivindicación 5, que comprende además: definir intervalos de confianza predichos para corresponder con dichas categorías estimadas de HbA?c, en donde dichos intervalos de confianza predíchos se definen como sigue: dicha categoría clasificada 1 corresponde con un HbA?c predicho menor que aproximadamente 8.0; dicha categoría clasificada 2 corresponde con un HbA-?c predicho de entre aproximadamente 8.0 y aproximadamente 8.5; dicha categoría clasificada 3 corresponde con un HbA-?c predicho de entre aproximadamente 8.5 y aproximadamente 9.0; dicha categoría clasificada 4 corresponde con un HbA1c predicho de entre aproximadamente 9.0 y aproximadamente 9.5; dicha categoría clasificada 5 corresponde con un HbA1c predicho de entre aproximadamente 9.5 y aproximadamente 10J ; dicha categoría clasificada 6 corresponde con un HbA?c predicho de entre aproximadamente 10J y aproximadamente 1 1 .0; y dicha categoría clasificada 7 corresponde con un HbA-?c predicho por encima de aproximadamente 1 1.0.
- 7. El método de la reivindicación 4, que comprende además: definir los intervalos de confianza predichos para corresponder con dicho HbA-ic, cada uno de dichos intervalos de confianza predichos representa un rango de valores de HbA?c.
- 8. El método de la reivindicación 7, en donde dichos intervalos de confianza de HbA?c predichos tienen aproximadamente un nivel de seguridad del 95%.
- 9. Un método computarizado para evaluar el HbA-?c de un paciente en base a los datos de BG recolectados a través una duración predeterminada, dicho método comprende: computar la desviación ponderada hacia la alta glucosa en sangre (WR) y la tasa estimada de cambio de la glucosa en sangre (Dr) en base a dichos datos de BG recolectados; estimar el HbA?c utilizando una fórmula matemática predeterminada en base a dichos WR y Dr computados; y proporcionar un intervalo de confianza predeterminado para la clasificación de dicho valor estimado de HbA?c.
- 10. El método de la reivindicación 9, en donde: dicho intervalo de confianza se encuentra entre aproximadamente el 85% hasta aproximadamente 95%.
- 11. Un sistema para evaluar el HbA1c de un paciente en base a datos de BG recolectados a través una duración predeterminada, dicho sistema comprende: un componente de base de datos operativo para mantener una base de datos que identifica dichos datos de BG; un procesador programado para: computar la desviación ponderada hacia la alta glucosa en sangre (WR) y la tasa estimada de cambio de la glucosa en sangre (Dr) en base a dichos datos de BG recolectados; y estimar el HbA?c utilizando una fórmula matemática predeterminada en base a dichos WR y Dr computados.
- 12. El sistema de la reivindicación 11 , en donde: dicho WR computado se define matemáticamente a partir de una serie de lecturas de BG x-i, x2,...xp tomadas en los puntos de tiempo ti, t2,....tn como: 1 WR = -? wr (Xí ;l) n ~T, en donde: wr(BG;b) = 10./(BG)b si /(BG)>0 y 0 de otra manera, b = 1, representando un parámetro de ponderación y dicho DR computado se define matemáticamente como: Dr = promedio de Sk+1-Sk en donde: Sk = 10.S(k+t1)2 para k = 0, 1,...,tn - t., S(tj) =/( i)> P^raj = 1,...,n.
- 13. El sistema de la reivindicación 11 , en donde dicho HbA-|C estimado a partir de dichos datos de control de BG se define matemáticamente como: HbA1c estimado = 0.9008(WR) - 0.8207(DR) + 6.7489.
- 14. El sistema de la reivindicación 11 , en donde dicho procesador se programa además para: definir las categorías predeterminadas para el HbA?c estimado, cada una de dichas categorías estimadas de HbA?c representa un rango de valores para el HbA?c estimado; y asignar dicho HbA-?c estimado a al menos una de dichas categorías estimadas de HbA-?c.
- 15. El sistema de la reivindicación 14, en donde dichas categorías estimadas de HbA-|C se definen como sigue: categoría clasificada 1 , en donde dicho HbA?c estimado es menor que aproximadamente 7.8; categoría clasificada 2, en donde dicho HbA?c estimado se encuentra entre aproximadamente 7.8 y aproximadamente 8.5; categoría clasificada 3, en donde dicho HbA-?C estimado se encuentra entre aproximadamente 8.5 y aproximadamente 9.0; categoría clasificada 4, en donde dicho HbA-¡c estimado se encuentra entre aproximadamente 9.0 y aproximadamente 9.6; categoría clasificada 5, en donde dicho HbA-?c estimado se encuentra entre aproximadamente 9.6 y aproximadamente 10.3; categoría clasificada 6, en donde dicho HbA?c estimado se encuentra entre aproximadamente 10.3 y aproximadamente 11.0; y categoría clasificada 7, en donde dicho HbA?c estimado se encuentra por encima de aproximadamente 1 1.0.
- 16. El sistema de la reivindicación 15. en donde dicho procesador se programa además para: definir intervalos de confianza predichos para corresponder con dichas categorías estimadas de HbA?c. en donde dichos intervalos de confianza predichos se definen como sigue: dicha categoría clasificada 1 corresponde con un HbA1c predicho menor que aproximadamente 8.0; dicha categoría clasificada 2 corresponde con un HbA1c predicho de entre aproximadamente 8.0 y aproximadamente 8.5; dicha categoría clasificada 3 corresponde con un HbA1c predicho de entre aproximadamente 8.5 y aproximadamente 9.0; dicha categoría clasificada 4 corresponde con un HbA-?C predicho de entre aproximadamente 9.0 y aproximadamente 9.5; dicha categoría clasificada 5 corresponde con un HbA?c predicho de entre aproximadamente 9.5 y aproximadamente 10J ; dicha categoría clasificada 6 corresponde con un HbA?c predicho de entre aproximadamente 10J y aproximadamente 1 1 .0; y dicha categoría clasificada 7 corresponde con un HbA?c predicho por encima de aproximadamente 1 1.0.
- 17. El sistema de la reivindicación 14, en donde dicho procesador se programa además para: definir los intervalos de confianza predichos para corresponder con dicho HbA-ic, cada uno de dichos intervalos de confianza predichos representa un rango de valores de HbA1c.
- 18. El sistema de la reivindicación 17, en donde dichos intervalos de confianza de HbA?c predichos tienen aproximadamente un nivel de seguridad del 95%.
- 19. Un sistema de control glucémico para evaluar el HbA1c de un paciente, dicho sistema comprende: un mecanismo de adquisición de BG, dicho mecanismo de adquisición está configurado para adquirir los datos de BG del paciente; un componente de base de datos operativo para mantener una base de datos que identifica dichos datos de BG; un procesador programado para: computar la desviación ponderada hacia la alta glucosa en sangre (WR) y la tasa estimada de cambio de glucosa en sangre (Dr) en base a dichos datos de BG recolectados; y estimar el HbA?c utilizando una fórmula matemática predeterminada en base a dichos WR y Dr computados.
- 20. Un producto de programa de computadora que comprende un medio utilizable en computadora que tiene una lógica de programa de computadora para permitir que al menos un procesador en un sistema de computadora evalúe el HbA1c de un paciente en base a los datos de BG, dicha lógica de programa de computadora comprende: computar la desviación ponderada hacia la alta glucosa en sangre (WR) y la tasa estimada de cambio de glucosa en sangre (Dr) en base a dichos datos de BG recolectados; y estimar el HbA-?C utilizando una fórmula matemática predeterminada en base a dichos WR y Dr computados.
- 21. El producto de programa de computadora de la reivindicación 20, en donde dicha lógica de programa de computadora comprende además: proporcionar un intervalo de confianza predeterminado para la clasificación de dicho valor estimado de HbA1c, en donde dicho intervalo de confianza es un valor único o un rango de valores.
- 22. Un método computarizado para evaluar la probabilidad a largo plazo de hipoglucemia severa (SH) de un paciente en base a los datos de BG recolectados a través una duración predeterminada, dicho método comprende: computar la desviación ponderada hacia la baja glucosa en sangre (WL) y la tasa estimada de descenso de la glucosa en sangre en el rango de bajo BG (DrDn) en base a dichos datos de BG recolectados; y estimar el número de futuros episodios de SH utilizando una fórmula matemática predeterminada en base a dichos WL y DrDn computados.
- 23. El método de la reivindicación 22, en donde: dicho WL computado se define matemáticamente a partir de una serie de lecturas de BG xi, x2,...xn tomadas en los puntos de tiempo , t2,....tn como: WR = l Y wr ( x, ;\ ) en donde: wr(BG;a) = 10./(BG si /(BG)>0 y 0 de otra manera, a = 2, representando un parámetro de ponderación y dicho DR computado se define matemáticamente como: Dr - promedio de Sk+1~Sk en donde: Sk = 10.S(k+ )2 para k = 0, 1,...,tn - , S(tj) =/(xj). paraj = 1,...,n.
- 24. El método de la reivindicación 22, en donde dicho número estimado de futuros episodios de SH (EstNSH) se define matemáticamente como: EstNSH = 3,3613(WL) - 4.3427 (DrDn) - 1.2716.
- 25. El método de la reivindicación 22. que comprende además: definir categorías predeterminadas de EstNSH, cada una de dichas categorías de EstNSH representa un rango de valores para EstNSH; y asignar dicho EstNSH a al menos una de dichas categorías de EstNSH.
- 26. El método de la reivindicación 25, en donde las categorías de EstNSH se definen como sigue: categoría 1 , en donde dicha categoría de EstNSH es menor que aproximadamente 0.775; categoría 2, en donde dicha categoría de EstNSH se encuentra entre aproximadamente 0.775 y aproximadamente 3.750; categoría 3, en donde dicha categoría de EstNSH se encuentra entre aproximadamente 3.750 y aproximadamente 7.000; y categoría 4, en donde dicha categoría de EstNSH se encuentra por encima de aproximadamente 7.0.
- 27. El método de la reivindicación 26, que comprende además: definir una probabilidad de incurrir en un número seleccionado de episodios de SH respectivamente para cada una de dichas categorías de EstNSH asignadas, en donde dicha probabilidad y dicho respectivo número seleccionado de SH se definen como: dicha categoría clasificada 1 corresponde con aproximadamente un 90% de probabilidades de incurrir en aproximadamente 0 episodios de SH y aproximadamente un 10% de probabilidades de incurrir en aproximadamente 1 o más episodios de SH a través de la duración predeterminada; dicha categoría clasificada 2 corresponde con aproximadamente un 50% de probabilidades de incurrir en aproximadamente 0 episodios de SH, 25% de probabilidades de incurrir en aproximadamente 1 hasta aproximadamente 2 episodios de SH y un 25% de probabilidades de incurrir en más de 2 episodios de SH a través de la duración predeterminada; dicha categoría clasificada 3 corresponde con aproximadamente un 25% de probabilidades de incurrir en aproximadamente 0 episodios de SH, 25% de probabilidades de incurrir en aproximadamente 1 hasta aproximadamente 2 episodios de SH y un 50% de probabilidades de incurrir en más de 2 episodios de SH a través de la duración predeterminada; y dicha categoría clasificada 4, corresponde con aproximadamente un 20% de probabilidades de incurrir en aproximadamente 0 hasta aproximadamente 2 episodios de SH y aproximadamente un 80% de probabilidades de incurrir en más de 2 episodios de SH a través de la duración predeterminada.
- 28. El método de la reivindicación 25, que comprende además: definir una probabilidad de incurrir en un número seleccionado de episodios de SH respectivamente para cada una de dichas categorías de EstNSH asignadas y proporcionar al menos una probabilidad de incurrir en un número seleccionado de episodios de SH de acuerdo a dicha categoría de EstNSH a la cual se asigna dicho EstNSH.
- 29. Un método computarizado para evaluar la probabilidad a largo plazo de hipoglucemia severa (SH) de un paciente en base a los datos de BG recolectados a través una duración predeterminada, dicho método comprende: computar la desviación ponderada hacia la baja glucosa en sangre (WL) y la tasa estimada de descenso de glucosa en sangre en el rango de bajo BG (DrDn) en base a dichos datos de BG recolectados; estimar el número de futuros episodios de SH utilizando una fórmula matemática predeterminada en base a dichos WL y DrDn computados; y definir una probabilidad de incurrir en un número seleccionado de episodios de SH respectivo a dichos episodios de SH estimados.
- 30. Un sistema para evaluar la probabilidad a largo plazo de hipoglucemia severa (SH) de un paciente en base a los datos de BG recolectados a través una duración predeterminada, dicho sistema comprende: un componente de base de datos operativo para mantener una base de datos que identifica dichos datos de BG; un procesador programado para: computar la desviación ponderada hacia la baja glucosa en sangre (WL) y la tasa estimada de descenso de la glucosa en sangre en el rango de bajo BG (DrDn) en base a dichos datos de BG recolectados; y estimar el número de futuros episodios de SH utilizando una fórmula matemática predeterminada en base a dichos WL y DrDn computados.
- 31. El sistema de la reivindicación 30, en donde: dicho WL computado se define matemáticamente a partir de una serie de lecturas de BG xi, x2,...xn tomadas en los puntos de tiempo ti, t2,....tn como: WR = l ¿ wr f *, ;! ,) /=/ en donde: wr(BG;a) = 10./(BG si /(BG)>0 y 0 de otra manera, a - 2, representando un parámetro de ponderación y dicho DR computado se define matemáticamente como: Dr = promedio d? Sk+1-Sk en donde: Sk = 10.S(k+ti)2 para k = 0, 1,...,tn - , S(tj) =/( J, para ] = 1,...,n.
- 32. El sistema de la reivindicación 30, en donde dicho número estimado de futuros episodios de SH (EstNSH) se define matemáticamente como: EstNSH = 3,3613(WL) - 4.3427(DrDn) - 1 .2716
- 33. El sistema de la reivindicación 30, en donde dicho procesador está programado además para: definir las categorías de EstNSH predeterminadas, cada una de dichas categorías de EstNSH representa un rango de valores para EstNSH; y asignar dicho EstNSH a al menos una de dichas categorías de EstNSH.
- 34. El sistema de la reivindicación 33, en donde dichas categorías de EstNSH se definen como sigue: categoría 1 , en donde dicha categoría de EstNSH es menor que aproximadamente 0.775; categoría 2, en donde dicha categoría de EstNSH se encuentra entre aproximadamente 0.775 y aproximadamente 3.750; categoría 3, en donde dicha categoría de EstNSH se encuentra entre aproximadamente 3.750 y aproximadamente 7.000; y categoría 4, en donde dicha categoría de EstNSH se encuentra por encima de aproximadamente 7.0.
- 35. El método de la reivindicación 34, en donde dicho procesador está programado además para: definir una probabilidad de incurrir en un número seleccionado de episodios de SH respectivamente para cada una de dichas categorías de EstNSH asignadas, en donde dicha probabilidad y dicho número seleccionado respectivo de SH se definen como: dicha categoría clasificada 1 corresponde con aproximadamente un 90% de probabilidades de incurrir en aproximadamente 0 episodios de SH y aproximadamente un 10% de probabilidades de incurrir en aproximadamente 1 o más episodios de SH a través de la duración predeterminada; dicha categoría clasificada 2 corresponde con aproximadamente un 50% de probabilidades de incurrir en aproximadamente 0 episodios de SH, 25% de probabilidades de incurrir en aproximadamente 1 hasta aproximadamente 2 episodios de SH y un 25% de probabilidades de incurrir en más de 2 episodios de SH a través de la duración predeterminada; dicha categoría clasificada 3 corresponde con aproximadamente un 25% de probabilidades de incurrir en aproximadamente 0 episodios de SH, 25% de probabilidades de incurrir en aproximadamente 1 hasta aproximadamente 2 episodios de SH y un 50% de probabilidades de incurrir en más de 2 episodios de SH a través de la duración predeterminada; y dicha categoría clasificada 4, corresponde con aproximadamente un 20% de probabilidades de incurrir en aproximadamente 0 hasta aproximadamente 2 episodios de SH y aproximadamente un 80% de probabilidades de incurrir en más de 2 episodios de SH a través de la duración predeterminada.
- 36. El sistema de la reivindicación 33, en donde dicho procesador se programa además para: definir una probabilidad de incurrir en un número seleccionado de episodios de SH respectivamente para cada una de dichas categorías de EstNSH asignadas y proporcionar al menos una probabilidad de incurrir en un número seleccionado de episodios de SH de acuerdo a dicha categoría de EstNSH a la cual se asigna dicho EstNSH.
- 37. Un sistema de control glucémico para evaluar la probabilidad a largo plazo de hipoglucemia severa (SH) de un paciente, dicho sistema comprende: un mecanismo de adquisición de BG, dicho mecanismo de adquisición está configurado para adquirir los datos de BG del paciente; un componente de base de datos operativo para mantener una base de datos que identifica dichos datos de BG; un procesador programado para: computar la desviación ponderada hacia la baja glucosa en sangre (WL) y la tasa estimada de descenso de glucosa en sangre en el rango bajo de BG (DrDn) en base a dichos datos de BG recolectados; y estimar el número de futuros episodios de SH utilizando una fórmula matemática predeterminada en base a dichos WL y DrDn computados.
- 38. Un producto de programa de computadora que comprende un medio utilizable en computadora que tiene una lógica de programa de computadora para permitir que al menos un procesador en un sistema de computadora evalúe la probabilidad a largo plazo de hipoglucemia severa (SH) de un paciente en base a los datos de BG, dicha lógica de programa de computadora comprende: computar la desviación ponderada hacia la baja glucosa en sangre (WL) y la tasa estimada de descenso de glucosa en sangre en el rango bajo de BG (DrDn) en base a dichos datos de BG recolectados; y estimar el número de futuros episodios de SH utilizando una fórmula matemática predeterminada en base a dichos WL y DrDn computados.
- 39. El producto de programa de computadora de la reivindicación 38, en donde dicha lógica de programa de computadora comprende además: definir una probabilidad de incurrir en un número seleccionado de episodios de SH respectivo a dichos episodios de SH estimados.
- 40. Un método computarizado para evaluar el riesgo a corto plazo de hipoglucemia severa (SH) de un paciente en base a los datos de BG recolectados a través una duración predeterminada, dicho método comprende: computar la desviación ponderada hacia la baja glucosa en sangre (WL); determinar Max(wl) calculando el valor máximo de wl(BG;2); y determinar el valor de riesgo tomando la media geométrica de WL y Max(wl) a través de dicha duración predeterminada, dicho valor de riesgo se define matemáticamente como: Valor de Riesgo = ¡WL • Ma?{wl).
- 41. El método de la reivindicación 40, en donde: dicho WL computado se define matemáticamente a partir de una serie de lecturas de BG Xi, x ,...xn tomadas a través de la duración predeterminada como: 1 " WR = Y wr ( x_ ;\ ) en donde: wr(BG;a) = 10./(BG)a si /(BG)>0 y 0 de otra manera, a = 2, representando un parámetro de ponderación
- 42. El método de la reivindicación 40, que comprende además: proporcionar un valor de umbral de riesgo predeterminado; y comparar dicho valor de riesgo determinado con dicho valor de umbral de riesgo.
- 43. El método de la reivindicación 42, en donde: si dicho valor de riesgo determinado es mayor que dicho valor de umbral entonces el riesgo a corto plazo de incurrir en un episodio de hipoglucemia es alto; y si dicho valor de riesgo determinado es menor que dicho valor de umbral entonces el riesgo a corto plazo de incurrir en un episodio hipoglucémico es bajo.
- 44. El método de la reivindicación 43, en donde dicho corto plazo es aproximadamente un periodo de 24 horas.
- 45. El método de la reivindicación 43, en donde dicho corto plazo varía desde un periodo de aproximadamente 12 hasta aproximadamente 72 horas.
- 46. El método de la reivindicación 43, en donde dicho valor de umbral es aproximadamente 17.
- 47. El método de la reivindicación 43, en donde dicho valor de umbral se encuentra entre aproximadamente 12 a 25.
- 48. Un sistema para evaluar el riesgo a corto plazo de hipoglucemia severa (SH) de un paciente en base a ios datos de BG recolectados a través una duración predeterminada, dicho sistema comprende: un componente de base de datos operativo para mantener una base de datos que identifica dichos datos de BG; un procesador programado para: computar la desviación ponderada hacia la baja glucosa en sangre (WL); determinar Max(wl) calculando el valor máximo de wl(BG;2); y determinar el valor de riesgo tomando la media geométrica de WL y Max(wl) a través de dicha duración predeterminada, dicho valor de riesgo se define matemáticamente como: Valor de Riesgo = -JWL • Max(wl).
- 49. El sistema de la reivindicación 48, en donde: dicho WL computado se define matemáticamente a partir de una serie de lecturas de BG ^, x ,...xn tomadas a través de la duración predeterminada como: WR = l Y \vr (x, ;\ ) en donde: wr(BG;a) = 10./(BG)a si /(BG)>0 y 0 de otra manera, a = 2, representando un parámetro de ponderación
- 50. El sistema de la reivindicación 48, en donde dicho procesador está programado además para: proporcionar un valor de umbral de riesgo predeterminado; y comparar dicho valor de riesgo determinado con dicho valor de umbral de riesgo.
- 51. El sistema de la reivindicación 50, en donde: si dicho valor de riesgo determinado es mayor que dicho valor de umbral entonces el riesgo a corto plazo de incurrir en un episodio de hipoglucemia es alto; y si dicho valor de riesgo determinado es menor que dicho valor de umbral entonces el riesgo a corto plazo de incurrir en un episodio hipoglucémico es bajo.
- 52. El sistema de la reivindicación 51 , en donde dicho corto plazo es aproximadamente un periodo de 24 horas.
- 53. El método de la reivindicación 51 , en donde dicho corto plazo varía desde un periodo de aproximadamente 12 hasta aproximadamente 72 horas.
- 54. El sistema de la reivindicación 51 , en donde dicho valor de umbral es aproximadamente 17.
- 55. El método de la reivindicación 51 , en donde dicho valor de umbral se encuentra entre aproximadamente 12 a 25.
- 56. Un sistema para evaluar el riesgo a corto plazo de hipoglucemia severa (SH) de un paciente, dicho sistema comprende: un mecanismo de adquisición de BG, dicho mecanismo de adquisición está configurado para adquirir datos de BG del paciente, un componente de base de datos operativo para mantener una base de datos que identifica dichos datos de BG; un procesador programado para: computar la desviación ponderada hacia la baja glucosa en sangre (WL); determinar Max(wl) calculando el valor máximo de wl(BG;2); y determinar el valor de riesgo tomando la media geométrica de WL y Max(wl) a través de dicha duración predeterminada, dicho valor de riesgo se define matemáticamente como: Valor de Riesgo = -¡WL • Max(wl).
- 57. Un producto de programa de computadora que comprende un medio utilízable en computadora que tiene una lógica de programa de computadora para permitir que al menos un procesador en un sistema de computadora evalúe el riesgo a corto plazo de hipoglucemia severa (SH) de un paciente en base a los datos de BG, recolectados a través de una duración predeterminada, dicha lógica de programa de computadora comprende: computar la desviación ponderada hacia la baja glucosa en sangre (WL); determinar Max(wl) calculando el valor máximo de wl(BG;2); y determinar el valor de riesgo tomando la media geométrica de WL y Max(wl) a través de dicha duración predeterminada, dicho valor de riesgo se define matemáticamente como: Valor de Riesgo = ¡WL • Max{wl).
- 58. El producto de programa de computadora de la reivindicación 57, en donde dicha lógica de programa de computadora comprende además: proporcionar un valor de umbral de riesgo predeterminado; y comparar dicho valor de riesgo determinado con dicho valor de umbral de riesgo.
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US19303700P | 2000-03-29 | 2000-03-29 | |
PCT/US2001/009884 WO2001072208A2 (en) | 2000-03-29 | 2001-03-29 | Method, system, and computer program product for the evaluation of glycemic control in diabetes from self-monitoring data |
Publications (1)
Publication Number | Publication Date |
---|---|
MXPA02009487A true MXPA02009487A (es) | 2003-03-10 |
Family
ID=22712035
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
MXPA02009487A MXPA02009487A (es) | 2000-03-29 | 2001-03-29 | Metodo, sistema y producto de programa de computadora para la evaluacion del control glucemico en la diabetes a partir de datos de auto-monitoreo. |
Country Status (13)
Country | Link |
---|---|
US (3) | US7025425B2 (es) |
EP (1) | EP1267708A4 (es) |
JP (1) | JP4891511B2 (es) |
KR (1) | KR100776070B1 (es) |
CN (1) | CN100448392C (es) |
AU (2) | AU2001251046B2 (es) |
CA (1) | CA2404262C (es) |
DZ (1) | DZ3338A1 (es) |
IL (3) | IL151720A0 (es) |
MX (1) | MXPA02009487A (es) |
PL (1) | PL198154B1 (es) |
RU (1) | RU2283495C2 (es) |
WO (1) | WO2001072208A2 (es) |
Families Citing this family (351)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6036924A (en) | 1997-12-04 | 2000-03-14 | Hewlett-Packard Company | Cassette of lancet cartridges for sampling blood |
US6391005B1 (en) | 1998-03-30 | 2002-05-21 | Agilent Technologies, Inc. | Apparatus and method for penetration with shaft having a sensor for sensing penetration depth |
US9066695B2 (en) | 1998-04-30 | 2015-06-30 | Abbott Diabetes Care Inc. | Analyte monitoring device and methods of use |
US8974386B2 (en) | 1998-04-30 | 2015-03-10 | Abbott Diabetes Care Inc. | Analyte monitoring device and methods of use |
US8688188B2 (en) | 1998-04-30 | 2014-04-01 | Abbott Diabetes Care Inc. | Analyte monitoring device and methods of use |
US6949816B2 (en) | 2003-04-21 | 2005-09-27 | Motorola, Inc. | Semiconductor component having first surface area for electrically coupling to a semiconductor chip and second surface area for electrically coupling to a substrate, and method of manufacturing same |
US6175752B1 (en) | 1998-04-30 | 2001-01-16 | Therasense, Inc. | Analyte monitoring device and methods of use |
US8346337B2 (en) | 1998-04-30 | 2013-01-01 | Abbott Diabetes Care Inc. | Analyte monitoring device and methods of use |
US8480580B2 (en) | 1998-04-30 | 2013-07-09 | Abbott Diabetes Care Inc. | Analyte monitoring device and methods of use |
US8465425B2 (en) | 1998-04-30 | 2013-06-18 | Abbott Diabetes Care Inc. | Analyte monitoring device and methods of use |
WO2000032258A1 (en) * | 1998-11-30 | 2000-06-08 | Novo Nordisk A/S | A method and a system for assisting a user in a medical self treatment, said self treatment comprising a plurality of actions |
US8641644B2 (en) | 2000-11-21 | 2014-02-04 | Sanofi-Aventis Deutschland Gmbh | Blood testing apparatus having a rotatable cartridge with multiple lancing elements and testing means |
US6560471B1 (en) | 2001-01-02 | 2003-05-06 | Therasense, Inc. | Analyte monitoring device and methods of use |
JP4498636B2 (ja) | 2001-04-27 | 2010-07-07 | 日本サーモスタット株式会社 | サーモスタット装置 |
US9226699B2 (en) | 2002-04-19 | 2016-01-05 | Sanofi-Aventis Deutschland Gmbh | Body fluid sampling module with a continuous compression tissue interface surface |
US9795747B2 (en) | 2010-06-02 | 2017-10-24 | Sanofi-Aventis Deutschland Gmbh | Methods and apparatus for lancet actuation |
DE60238119D1 (de) | 2001-06-12 | 2010-12-09 | Pelikan Technologies Inc | Elektrisches betätigungselement für eine lanzette |
US7344507B2 (en) | 2002-04-19 | 2008-03-18 | Pelikan Technologies, Inc. | Method and apparatus for lancet actuation |
US7981056B2 (en) | 2002-04-19 | 2011-07-19 | Pelikan Technologies, Inc. | Methods and apparatus for lancet actuation |
US7025774B2 (en) | 2001-06-12 | 2006-04-11 | Pelikan Technologies, Inc. | Tissue penetration device |
WO2002100252A2 (en) | 2001-06-12 | 2002-12-19 | Pelikan Technologies, Inc. | Blood sampling apparatus and method |
US8337419B2 (en) | 2002-04-19 | 2012-12-25 | Sanofi-Aventis Deutschland Gmbh | Tissue penetration device |
AU2002315177A1 (en) | 2001-06-12 | 2002-12-23 | Pelikan Technologies, Inc. | Self optimizing lancing device with adaptation means to temporal variations in cutaneous properties |
US9427532B2 (en) | 2001-06-12 | 2016-08-30 | Sanofi-Aventis Deutschland Gmbh | Tissue penetration device |
WO2002100461A2 (en) | 2001-06-12 | 2002-12-19 | Pelikan Technologies, Inc. | Method and apparatus for improving success rate of blood yield from a fingerstick |
EP1404235A4 (en) | 2001-06-12 | 2008-08-20 | Pelikan Technologies Inc | METHOD AND DEVICE FOR A LANZETTING DEVICE INTEGRATED ON A BLOOD CARTRIDGE CARTRIDGE |
JP2004538078A (ja) * | 2001-08-20 | 2004-12-24 | インバネス・メディカル・リミテッド | 無線糖尿病管理装置および無線糖尿病管理装置の使用方法 |
ATE319378T1 (de) | 2001-12-03 | 2006-03-15 | Ekos Corp | Katheter mit mehreren ultraschall-abstrahlenden teilen |
US20030216628A1 (en) * | 2002-01-28 | 2003-11-20 | Bortz Jonathan David | Methods and systems for assessing glycemic control using predetermined pattern label analysis of blood glucose readings |
US9247901B2 (en) | 2003-08-22 | 2016-02-02 | Dexcom, Inc. | Systems and methods for replacing signal artifacts in a glucose sensor data stream |
US8010174B2 (en) | 2003-08-22 | 2011-08-30 | Dexcom, Inc. | Systems and methods for replacing signal artifacts in a glucose sensor data stream |
US8260393B2 (en) | 2003-07-25 | 2012-09-04 | Dexcom, Inc. | Systems and methods for replacing signal data artifacts in a glucose sensor data stream |
US9282925B2 (en) | 2002-02-12 | 2016-03-15 | Dexcom, Inc. | Systems and methods for replacing signal artifacts in a glucose sensor data stream |
US7371247B2 (en) | 2002-04-19 | 2008-05-13 | Pelikan Technologies, Inc | Method and apparatus for penetrating tissue |
US8221334B2 (en) | 2002-04-19 | 2012-07-17 | Sanofi-Aventis Deutschland Gmbh | Method and apparatus for penetrating tissue |
US8702624B2 (en) | 2006-09-29 | 2014-04-22 | Sanofi-Aventis Deutschland Gmbh | Analyte measurement device with a single shot actuator |
US7976476B2 (en) | 2002-04-19 | 2011-07-12 | Pelikan Technologies, Inc. | Device and method for variable speed lancet |
US7297122B2 (en) | 2002-04-19 | 2007-11-20 | Pelikan Technologies, Inc. | Method and apparatus for penetrating tissue |
US8784335B2 (en) | 2002-04-19 | 2014-07-22 | Sanofi-Aventis Deutschland Gmbh | Body fluid sampling device with a capacitive sensor |
US7648468B2 (en) | 2002-04-19 | 2010-01-19 | Pelikon Technologies, Inc. | Method and apparatus for penetrating tissue |
US7717863B2 (en) | 2002-04-19 | 2010-05-18 | Pelikan Technologies, Inc. | Method and apparatus for penetrating tissue |
US7232451B2 (en) | 2002-04-19 | 2007-06-19 | Pelikan Technologies, Inc. | Method and apparatus for penetrating tissue |
US7291117B2 (en) | 2002-04-19 | 2007-11-06 | Pelikan Technologies, Inc. | Method and apparatus for penetrating tissue |
US7331931B2 (en) | 2002-04-19 | 2008-02-19 | Pelikan Technologies, Inc. | Method and apparatus for penetrating tissue |
US7674232B2 (en) | 2002-04-19 | 2010-03-09 | Pelikan Technologies, Inc. | Method and apparatus for penetrating tissue |
US7892183B2 (en) | 2002-04-19 | 2011-02-22 | Pelikan Technologies, Inc. | Method and apparatus for body fluid sampling and analyte sensing |
US9795334B2 (en) | 2002-04-19 | 2017-10-24 | Sanofi-Aventis Deutschland Gmbh | Method and apparatus for penetrating tissue |
US9314194B2 (en) | 2002-04-19 | 2016-04-19 | Sanofi-Aventis Deutschland Gmbh | Tissue penetration device |
US9248267B2 (en) | 2002-04-19 | 2016-02-02 | Sanofi-Aventis Deustchland Gmbh | Tissue penetration device |
US7547287B2 (en) | 2002-04-19 | 2009-06-16 | Pelikan Technologies, Inc. | Method and apparatus for penetrating tissue |
US7226461B2 (en) | 2002-04-19 | 2007-06-05 | Pelikan Technologies, Inc. | Method and apparatus for a multi-use body fluid sampling device with sterility barrier release |
US8267870B2 (en) | 2002-04-19 | 2012-09-18 | Sanofi-Aventis Deutschland Gmbh | Method and apparatus for body fluid sampling with hybrid actuation |
US7901362B2 (en) | 2002-04-19 | 2011-03-08 | Pelikan Technologies, Inc. | Method and apparatus for penetrating tissue |
US8579831B2 (en) | 2002-04-19 | 2013-11-12 | Sanofi-Aventis Deutschland Gmbh | Method and apparatus for penetrating tissue |
US7909778B2 (en) | 2002-04-19 | 2011-03-22 | Pelikan Technologies, Inc. | Method and apparatus for penetrating tissue |
US7229458B2 (en) | 2002-04-19 | 2007-06-12 | Pelikan Technologies, Inc. | Method and apparatus for penetrating tissue |
US7491178B2 (en) | 2002-04-19 | 2009-02-17 | Pelikan Technologies, Inc. | Method and apparatus for penetrating tissue |
CA2495648C (en) | 2002-08-13 | 2014-07-22 | University Of Virginia Patent Foundation | Method, system, and computer program product for processing of self-monitoring blood glucose (smbg) data to enhance diabetic self-management |
EP1416417A3 (en) * | 2002-10-08 | 2007-03-07 | Bayer HealthCare LLC | Mehtod and systems for data management in patient diagnoses and treatment |
JP4289869B2 (ja) * | 2002-11-06 | 2009-07-01 | シスメックス株式会社 | 糖尿病診断支援システム |
US8574895B2 (en) | 2002-12-30 | 2013-11-05 | Sanofi-Aventis Deutschland Gmbh | Method and apparatus using optical techniques to measure analyte levels |
EP1578262A4 (en) | 2002-12-31 | 2007-12-05 | Therasense Inc | CONTINUOUS BLOOD SUGAR MONITORING SYSTEM AND USE METHOD |
US7266400B2 (en) | 2003-05-06 | 2007-09-04 | Orsense Ltd. | Glucose level control method and system |
US7850621B2 (en) | 2003-06-06 | 2010-12-14 | Pelikan Technologies, Inc. | Method and apparatus for body fluid sampling and analyte sensing |
US8066639B2 (en) | 2003-06-10 | 2011-11-29 | Abbott Diabetes Care Inc. | Glucose measuring device for use in personal area network |
WO2006001797A1 (en) | 2004-06-14 | 2006-01-05 | Pelikan Technologies, Inc. | Low pain penetrating |
US8423113B2 (en) | 2003-07-25 | 2013-04-16 | Dexcom, Inc. | Systems and methods for processing sensor data |
US8845536B2 (en) | 2003-08-01 | 2014-09-30 | Dexcom, Inc. | Transcutaneous analyte sensor |
US8160669B2 (en) | 2003-08-01 | 2012-04-17 | Dexcom, Inc. | Transcutaneous analyte sensor |
US7925321B2 (en) | 2003-08-01 | 2011-04-12 | Dexcom, Inc. | System and methods for processing analyte sensor data |
US20190357827A1 (en) | 2003-08-01 | 2019-11-28 | Dexcom, Inc. | Analyte sensor |
US9135402B2 (en) * | 2007-12-17 | 2015-09-15 | Dexcom, Inc. | Systems and methods for processing sensor data |
US7591801B2 (en) | 2004-02-26 | 2009-09-22 | Dexcom, Inc. | Integrated delivery device for continuous glucose sensor |
US8369919B2 (en) | 2003-08-01 | 2013-02-05 | Dexcom, Inc. | Systems and methods for processing sensor data |
US8622905B2 (en) | 2003-08-01 | 2014-01-07 | Dexcom, Inc. | System and methods for processing analyte sensor data |
US8275437B2 (en) | 2003-08-01 | 2012-09-25 | Dexcom, Inc. | Transcutaneous analyte sensor |
US20070208245A1 (en) * | 2003-08-01 | 2007-09-06 | Brauker James H | Transcutaneous analyte sensor |
US7778680B2 (en) | 2003-08-01 | 2010-08-17 | Dexcom, Inc. | System and methods for processing analyte sensor data |
US7774145B2 (en) | 2003-08-01 | 2010-08-10 | Dexcom, Inc. | Transcutaneous analyte sensor |
US8761856B2 (en) | 2003-08-01 | 2014-06-24 | Dexcom, Inc. | System and methods for processing analyte sensor data |
US7920906B2 (en) | 2005-03-10 | 2011-04-05 | Dexcom, Inc. | System and methods for processing analyte sensor data for sensor calibration |
US8233959B2 (en) | 2003-08-22 | 2012-07-31 | Dexcom, Inc. | Systems and methods for processing analyte sensor data |
US20140121989A1 (en) | 2003-08-22 | 2014-05-01 | Dexcom, Inc. | Systems and methods for processing analyte sensor data |
EP1671096A4 (en) | 2003-09-29 | 2009-09-16 | Pelikan Technologies Inc | METHOD AND APPARATUS FOR PROVIDING IMPROVED SAMPLE CAPTURING DEVICE |
DK1677668T3 (da) | 2003-10-13 | 2010-10-25 | Novo Nordisk As | Apparat og fremgangsmåde til bestemmelse af en fysiologisk tilstand |
EP1680014A4 (en) | 2003-10-14 | 2009-01-21 | Pelikan Technologies Inc | METHOD AND APPARATUS PROVIDING A VARIABLE USER INTERFACE |
JP2007512588A (ja) * | 2003-10-29 | 2007-05-17 | ノボ・ノルデイスク・エー/エス | 医療助言システム |
US7299082B2 (en) | 2003-10-31 | 2007-11-20 | Abbott Diabetes Care, Inc. | Method of calibrating an analyte-measurement device, and associated methods, devices and systems |
WO2005051170A2 (en) | 2003-11-19 | 2005-06-09 | Dexcom, Inc. | Integrated receiver for continuous analyte sensor |
US9247900B2 (en) | 2004-07-13 | 2016-02-02 | Dexcom, Inc. | Analyte sensor |
US8423114B2 (en) | 2006-10-04 | 2013-04-16 | Dexcom, Inc. | Dual electrode system for a continuous analyte sensor |
US11633133B2 (en) | 2003-12-05 | 2023-04-25 | Dexcom, Inc. | Dual electrode system for a continuous analyte sensor |
EP2256493B1 (en) | 2003-12-05 | 2014-02-26 | DexCom, Inc. | Calibration techniques for a continuous analyte sensor |
US8364231B2 (en) | 2006-10-04 | 2013-01-29 | Dexcom, Inc. | Analyte sensor |
US8287453B2 (en) | 2003-12-05 | 2012-10-16 | Dexcom, Inc. | Analyte sensor |
US8532730B2 (en) | 2006-10-04 | 2013-09-10 | Dexcom, Inc. | Analyte sensor |
EP3263032B1 (en) | 2003-12-09 | 2024-01-24 | Dexcom, Inc. | Signal processing for continuous analyte sensor |
US7822454B1 (en) | 2005-01-03 | 2010-10-26 | Pelikan Technologies, Inc. | Fluid sampling device with improved analyte detecting member configuration |
EP1706026B1 (en) | 2003-12-31 | 2017-03-01 | Sanofi-Aventis Deutschland GmbH | Method and apparatus for improving fluidic flow and sample capture |
EP1718198A4 (en) | 2004-02-17 | 2008-06-04 | Therasense Inc | METHOD AND SYSTEM FOR PROVIDING DATA COMMUNICATION IN A CONTINUOUS BLOOD SUGAR MONITORING AND MANAGEMENT SYSTEM |
SE0400456D0 (sv) * | 2004-02-26 | 2004-02-26 | Lars Liljeryd | Multiparameter metabolic monitoring, a method and device for the improvement of management and control in borderline or manifest type 2-diabetes |
US8808228B2 (en) | 2004-02-26 | 2014-08-19 | Dexcom, Inc. | Integrated medicament delivery device for use with continuous analyte sensor |
JP4547173B2 (ja) | 2004-03-17 | 2010-09-22 | シスメックス株式会社 | 糖尿病診療支援システム |
US7815569B2 (en) * | 2004-04-21 | 2010-10-19 | University Of Virginia Patent Foundation | Method, system and computer program product for evaluating the accuracy of blood glucose monitoring sensors/devices |
EP1751546A2 (en) | 2004-05-20 | 2007-02-14 | Albatros Technologies GmbH & Co. KG | Printable hydrogel for biosensors |
WO2005120365A1 (en) | 2004-06-03 | 2005-12-22 | Pelikan Technologies, Inc. | Method and apparatus for a fluid sampling device |
US7640048B2 (en) | 2004-07-13 | 2009-12-29 | Dexcom, Inc. | Analyte sensor |
US7905833B2 (en) | 2004-07-13 | 2011-03-15 | Dexcom, Inc. | Transcutaneous analyte sensor |
US20070045902A1 (en) | 2004-07-13 | 2007-03-01 | Brauker James H | Analyte sensor |
US8170803B2 (en) | 2004-07-13 | 2012-05-01 | Dexcom, Inc. | Transcutaneous analyte sensor |
US8452368B2 (en) | 2004-07-13 | 2013-05-28 | Dexcom, Inc. | Transcutaneous analyte sensor |
US8565848B2 (en) * | 2004-07-13 | 2013-10-22 | Dexcom, Inc. | Transcutaneous analyte sensor |
US9501949B2 (en) | 2004-10-07 | 2016-11-22 | Novo Nordisk A/S | Method and system for self-management of a disease |
JP2008519623A (ja) * | 2004-11-15 | 2008-06-12 | ノボ・ノルデイスク・エー/エス | 治療の長期的及び短期的効果をモニタリングする方法及び装置 |
US8029441B2 (en) | 2006-02-28 | 2011-10-04 | Abbott Diabetes Care Inc. | Analyte sensor transmitter unit configuration for a data monitoring and management system |
US9636450B2 (en) | 2007-02-19 | 2017-05-02 | Udo Hoss | Pump system modular components for delivering medication and analyte sensing at seperate insertion sites |
US8652831B2 (en) | 2004-12-30 | 2014-02-18 | Sanofi-Aventis Deutschland Gmbh | Method and apparatus for analyte measurement test time |
ITBO20050002A1 (it) * | 2005-01-04 | 2006-07-05 | Giacomo Vespasiani | Metodo e sistema per la gestione interattiva di dati relativi ad una terapia insulinica in autocontrollo per un paziente diabetico |
US7798961B1 (en) | 2005-01-11 | 2010-09-21 | BeWell Mobile Technology Inc. | Acquisition and management of time dependent health information |
US20090312620A1 (en) * | 2005-04-27 | 2009-12-17 | Hou-Mei Henry Chang | Diabetes monitor |
US8112240B2 (en) | 2005-04-29 | 2012-02-07 | Abbott Diabetes Care Inc. | Method and apparatus for providing leak detection in data monitoring and management systems |
WO2006133435A2 (en) * | 2005-06-08 | 2006-12-14 | Agamatrix, Inc | Data collection system and interface |
US8251904B2 (en) | 2005-06-09 | 2012-08-28 | Roche Diagnostics Operations, Inc. | Device and method for insulin dosing |
US7737581B2 (en) | 2005-08-16 | 2010-06-15 | Medtronic Minimed, Inc. | Method and apparatus for predicting end of battery life |
US20090227855A1 (en) | 2005-08-16 | 2009-09-10 | Medtronic Minimed, Inc. | Controller device for an infusion pump |
JP2009507224A (ja) | 2005-08-31 | 2009-02-19 | ユニヴァーシティー オブ ヴァージニア パテント ファンデーション | 連続グルコースセンサの精度の改善 |
US8880138B2 (en) | 2005-09-30 | 2014-11-04 | Abbott Diabetes Care Inc. | Device for channeling fluid and methods of use |
US9521968B2 (en) | 2005-09-30 | 2016-12-20 | Abbott Diabetes Care Inc. | Analyte sensor retention mechanism and methods of use |
US7766829B2 (en) | 2005-11-04 | 2010-08-03 | Abbott Diabetes Care Inc. | Method and system for providing basal profile modification in analyte monitoring and management systems |
EP3064236B1 (en) | 2005-11-08 | 2020-02-05 | Bigfoot Biomedical, Inc. | Method and system for manual and autonomous control of an infusion pump |
BRPI0706415A2 (pt) | 2006-01-05 | 2011-03-29 | Univ Virginia | método, sistema e produto de programa de computador para avaliação de variabilidade de glicose no sangue em diabetes de dados de automonitoramento |
US7826879B2 (en) | 2006-02-28 | 2010-11-02 | Abbott Diabetes Care Inc. | Analyte sensors and methods of use |
US7885698B2 (en) | 2006-02-28 | 2011-02-08 | Abbott Diabetes Care Inc. | Method and system for providing continuous calibration of implantable analyte sensors |
EP1839566A1 (de) * | 2006-03-29 | 2007-10-03 | F. Hoffmann-La Roche AG | Verfahren und Anordnung zur Überwachung eines medizinischen Gerätes |
US8473022B2 (en) | 2008-01-31 | 2013-06-25 | Abbott Diabetes Care Inc. | Analyte sensor with time lag compensation |
US9392969B2 (en) | 2008-08-31 | 2016-07-19 | Abbott Diabetes Care Inc. | Closed loop control and signal attenuation detection |
US8219173B2 (en) | 2008-09-30 | 2012-07-10 | Abbott Diabetes Care Inc. | Optimizing analyte sensor calibration |
US7618369B2 (en) | 2006-10-02 | 2009-11-17 | Abbott Diabetes Care Inc. | Method and system for dynamically updating calibration parameters for an analyte sensor |
US8374668B1 (en) | 2007-10-23 | 2013-02-12 | Abbott Diabetes Care Inc. | Analyte sensor with lag compensation |
US9339217B2 (en) | 2011-11-25 | 2016-05-17 | Abbott Diabetes Care Inc. | Analyte monitoring system and methods of use |
US8224415B2 (en) | 2009-01-29 | 2012-07-17 | Abbott Diabetes Care Inc. | Method and device for providing offset model based calibration for analyte sensor |
US7620438B2 (en) | 2006-03-31 | 2009-11-17 | Abbott Diabetes Care Inc. | Method and system for powering an electronic device |
US8583205B2 (en) | 2008-03-28 | 2013-11-12 | Abbott Diabetes Care Inc. | Analyte sensor calibration management |
US7653425B2 (en) | 2006-08-09 | 2010-01-26 | Abbott Diabetes Care Inc. | Method and system for providing calibration of an analyte sensor in an analyte monitoring system |
US8140312B2 (en) | 2007-05-14 | 2012-03-20 | Abbott Diabetes Care Inc. | Method and system for determining analyte levels |
US9675290B2 (en) | 2012-10-30 | 2017-06-13 | Abbott Diabetes Care Inc. | Sensitivity calibration of in vivo sensors used to measure analyte concentration |
US7824333B2 (en) * | 2006-03-31 | 2010-11-02 | Lifescan, Inc. | Diabetes management methods and systems |
US8226891B2 (en) | 2006-03-31 | 2012-07-24 | Abbott Diabetes Care Inc. | Analyte monitoring devices and methods therefor |
US8346335B2 (en) | 2008-03-28 | 2013-01-01 | Abbott Diabetes Care Inc. | Analyte sensor calibration management |
US7630748B2 (en) | 2006-10-25 | 2009-12-08 | Abbott Diabetes Care Inc. | Method and system for providing analyte monitoring |
JP5121822B2 (ja) * | 2006-05-08 | 2013-01-16 | バイエル・ヘルスケア・エルエルシー | バイオセンサ用異常出力検出システム |
US7920907B2 (en) | 2006-06-07 | 2011-04-05 | Abbott Diabetes Care Inc. | Analyte monitoring system and method |
RU2472427C2 (ru) * | 2006-07-19 | 2013-01-20 | Кросс Текнолоджи Солюшнз Аб | Мобильное устройство, способ и система для обработки факторов, влияющих на уровень сахара в крови |
BRPI0718119A2 (pt) | 2006-10-26 | 2014-07-08 | Abbott Diabetes Care Inc | Métodos, sistemas e programas de computador para a detecção em tempo real do declínio de sensibilidade em sensores de analito |
US8439837B2 (en) * | 2006-10-31 | 2013-05-14 | Lifescan, Inc. | Systems and methods for detecting hypoglycemic events having a reduced incidence of false alarms |
US20080306353A1 (en) * | 2006-11-03 | 2008-12-11 | Douglas Joel S | Calculation device for metabolic control of critically ill and/or diabetic patients |
US8079955B2 (en) * | 2006-11-28 | 2011-12-20 | Isense Corporation | Method and apparatus for managing glucose control |
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 |
US10182833B2 (en) | 2007-01-08 | 2019-01-22 | Ekos Corporation | Power parameters for ultrasonic catheter |
US8121857B2 (en) | 2007-02-15 | 2012-02-21 | Abbott Diabetes Care Inc. | Device and method for automatic data acquisition and/or detection |
US20080199894A1 (en) | 2007-02-15 | 2008-08-21 | Abbott Diabetes Care, Inc. | Device and method for automatic data acquisition and/or detection |
US8732188B2 (en) | 2007-02-18 | 2014-05-20 | Abbott Diabetes Care Inc. | Method and system for providing contextual based medication dosage determination |
US8930203B2 (en) | 2007-02-18 | 2015-01-06 | Abbott Diabetes Care Inc. | Multi-function analyte test device and methods therefor |
US8123686B2 (en) | 2007-03-01 | 2012-02-28 | Abbott Diabetes Care Inc. | Method and apparatus for providing rolling data in communication systems |
US9615780B2 (en) | 2007-04-14 | 2017-04-11 | Abbott Diabetes Care Inc. | Method and apparatus for providing data processing and control in medical communication system |
EP2146623B1 (en) | 2007-04-14 | 2014-01-08 | Abbott Diabetes Care Inc. | Method and apparatus for providing data processing and control in medical communication system |
EP2146625B1 (en) | 2007-04-14 | 2019-08-14 | Abbott Diabetes Care Inc. | Method and apparatus for providing data processing and control in medical communication system |
WO2008130895A2 (en) | 2007-04-14 | 2008-10-30 | Abbott Diabetes Care, Inc. | Method and apparatus for providing dynamic multi-stage signal amplification in a medical device |
CA2683930A1 (en) | 2007-04-14 | 2008-10-23 | Abbott Diabetes Care Inc. | Method and apparatus for providing data processing and control in medical communication system |
EP3741291A1 (en) | 2007-04-14 | 2020-11-25 | Abbott Diabetes Care, Inc. | Method and apparatus for providing data processing and control in medical communication system |
US8456301B2 (en) | 2007-05-08 | 2013-06-04 | Abbott Diabetes Care Inc. | Analyte monitoring system and methods |
US8461985B2 (en) | 2007-05-08 | 2013-06-11 | Abbott Diabetes Care Inc. | Analyte monitoring system and methods |
US7928850B2 (en) | 2007-05-08 | 2011-04-19 | Abbott Diabetes Care Inc. | Analyte monitoring system and methods |
US8665091B2 (en) | 2007-05-08 | 2014-03-04 | Abbott Diabetes Care Inc. | Method and device for determining elapsed sensor life |
US8260558B2 (en) | 2007-05-14 | 2012-09-04 | Abbott Diabetes Care Inc. | Method and apparatus for providing data processing and control in a medical communication system |
US10002233B2 (en) | 2007-05-14 | 2018-06-19 | Abbott Diabetes Care Inc. | Method and apparatus for providing data processing and control in a medical communication system |
US8103471B2 (en) | 2007-05-14 | 2012-01-24 | Abbott Diabetes Care Inc. | Method and apparatus for providing data processing and control in a medical communication system |
US8600681B2 (en) | 2007-05-14 | 2013-12-03 | Abbott Diabetes Care Inc. | Method and apparatus for providing data processing and control in a medical communication system |
US9125548B2 (en) | 2007-05-14 | 2015-09-08 | Abbott Diabetes Care Inc. | Method and apparatus for providing data processing and control in a medical communication system |
US8560038B2 (en) | 2007-05-14 | 2013-10-15 | Abbott Diabetes Care Inc. | Method and apparatus for providing data processing and control in a medical communication system |
US8444560B2 (en) | 2007-05-14 | 2013-05-21 | Abbott Diabetes Care Inc. | Method and apparatus for providing data processing and control in a medical communication system |
US7996158B2 (en) | 2007-05-14 | 2011-08-09 | Abbott Diabetes Care Inc. | Method and apparatus for providing data processing and control in a medical communication system |
US8239166B2 (en) | 2007-05-14 | 2012-08-07 | Abbott Diabetes Care Inc. | Method and apparatus for providing data processing and control in a medical communication system |
US8026382B2 (en) * | 2007-05-18 | 2011-09-27 | Heidi Kay | Lipid raft, caveolin protein, and caveolar function modulation compounds and associated synthetic and therapeutic methods |
US8597190B2 (en) | 2007-05-18 | 2013-12-03 | Optiscan Biomedical Corporation | Monitoring systems and methods with fast initialization |
US20080306434A1 (en) | 2007-06-08 | 2008-12-11 | Dexcom, Inc. | Integrated medicament delivery device for use with continuous analyte sensor |
US20080311968A1 (en) * | 2007-06-13 | 2008-12-18 | Hunter Thomas C | Method for improving self-management of a disease |
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 |
CA2690742C (en) | 2007-06-21 | 2018-05-15 | Abbott Diabetes Care Inc. | Health management devices and methods |
EP3473167A1 (en) | 2007-06-21 | 2019-04-24 | Abbott Diabetes Care, Inc. | Health monitor |
PL2170181T3 (pl) | 2007-06-22 | 2014-08-29 | Ekos Corp | Sposób i aparat do leczenia wylewów wewnątrzczaszkowych |
US7768386B2 (en) | 2007-07-31 | 2010-08-03 | Abbott Diabetes Care Inc. | Method and apparatus for providing data processing and control in a medical communication system |
US8834366B2 (en) | 2007-07-31 | 2014-09-16 | Abbott Diabetes Care Inc. | Method and apparatus for providing analyte sensor calibration |
US20090143725A1 (en) * | 2007-08-31 | 2009-06-04 | Abbott Diabetes Care, Inc. | Method of Optimizing Efficacy of Therapeutic Agent |
EP4159114B1 (en) | 2007-10-09 | 2024-04-10 | DexCom, Inc. | Integrated insulin delivery system with continuous glucose sensor |
US7731659B2 (en) * | 2007-10-18 | 2010-06-08 | Lifescan Scotland Limited | Method for predicting a user's future glycemic state |
US7695434B2 (en) * | 2007-10-19 | 2010-04-13 | Lifescan Scotland, Ltd. | Medical device for predicting a user's future glycemic state |
US8216138B1 (en) | 2007-10-23 | 2012-07-10 | Abbott Diabetes Care Inc. | Correlation of alternative site blood and interstitial fluid glucose concentrations to venous glucose concentration |
US8377031B2 (en) | 2007-10-23 | 2013-02-19 | Abbott Diabetes Care Inc. | Closed loop control system with safety parameters and methods |
US8409093B2 (en) | 2007-10-23 | 2013-04-02 | Abbott Diabetes Care Inc. | Assessing measures of glycemic variability |
US8417312B2 (en) | 2007-10-25 | 2013-04-09 | Dexcom, Inc. | Systems and methods for processing sensor data |
US8290559B2 (en) | 2007-12-17 | 2012-10-16 | Dexcom, Inc. | Systems and methods for processing sensor data |
US20090164239A1 (en) | 2007-12-19 | 2009-06-25 | Abbott Diabetes Care, Inc. | Dynamic Display Of Glucose Information |
US20100198021A1 (en) * | 2008-02-12 | 2010-08-05 | Alferness Clifton A | Computer-implemented method for providing a tunable personalized tool for estimating glycated hemoglobin |
US20100137786A1 (en) * | 2008-02-12 | 2010-06-03 | Alferness Clifton A | System and method for actively managing type 1 diabetes mellitus on a personalized basis |
US20100145725A1 (en) * | 2008-02-12 | 2010-06-10 | Alferness Clifton A | System and method for managing type 1 diabetes mellitus through a personal predictive management tool |
US20110077930A1 (en) * | 2008-02-12 | 2011-03-31 | Alferness Clifton A | Computer-implemented method for providing a personalized tool for estimating 1,5-anhydroglucitol |
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 |
US20100138203A1 (en) * | 2008-02-12 | 2010-06-03 | Alferness Clifton A | System and method for actively managing type 2 diabetes mellitus on a personalized basis |
US20100145174A1 (en) * | 2008-02-12 | 2010-06-10 | Alferness Clifton A | System And Method For Providing A Personalized Tool For Estimating Glycated Hemoglobin |
US20100145173A1 (en) * | 2008-02-12 | 2010-06-10 | Alferness Clifton A | System and method for creating a personalized tool predicting a time course of blood glucose affect in diabetes mellitus |
US20100138453A1 (en) * | 2008-02-12 | 2010-06-03 | Alferness Clifton A | System and method for generating a personalized diabetes management tool for diabetes mellitus |
US20100198020A1 (en) * | 2008-02-12 | 2010-08-05 | Alferness Clifton A | System And Method For Computer-Implemented Method For Actively Managing Increased Insulin Resistance In Type 2 Diabetes Mellitus |
CA2715628A1 (en) | 2008-02-21 | 2009-08-27 | Dexcom, Inc. | Systems and methods for processing, transmitting and displaying sensor data |
US8396528B2 (en) | 2008-03-25 | 2013-03-12 | Dexcom, Inc. | Analyte sensor |
US9220456B2 (en) | 2008-04-04 | 2015-12-29 | Hygieia, Inc. | Systems, methods and devices for achieving glycemic balance |
US10624577B2 (en) | 2008-04-04 | 2020-04-21 | Hygieia, Inc. | Systems, devices, and methods for alleviating glucotoxicity and restoring pancreatic beta-cell function in advanced diabetes mellitus |
EP2260462B1 (en) | 2008-04-04 | 2018-12-19 | Hygieia, Inc. | System for optimizing a patient's insulin dosage regimen |
WO2009126900A1 (en) | 2008-04-11 | 2009-10-15 | Pelikan Technologies, Inc. | Method and apparatus for analyte detecting device |
CN101261276B (zh) * | 2008-04-17 | 2012-04-18 | 北京软测科技有限公司 | 糖尿病监测及诊治装置 |
US8924159B2 (en) | 2008-05-30 | 2014-12-30 | Abbott Diabetes Care Inc. | Method and apparatus for providing glycemic control |
US7826382B2 (en) | 2008-05-30 | 2010-11-02 | Abbott Diabetes Care Inc. | Close proximity communication device and methods |
WO2010009172A1 (en) | 2008-07-14 | 2010-01-21 | Abbott Diabetes Care Inc. | Closed loop control system interface and methods |
WO2010019919A1 (en) | 2008-08-14 | 2010-02-18 | University Of Toledo | Multifunctional neural network system and uses thereof for glycemic forecasting |
US20100057040A1 (en) | 2008-08-31 | 2010-03-04 | Abbott Diabetes Care, Inc. | Robust Closed Loop Control And Methods |
US8734422B2 (en) | 2008-08-31 | 2014-05-27 | Abbott Diabetes Care Inc. | Closed loop control with improved alarm functions |
US8622988B2 (en) * | 2008-08-31 | 2014-01-07 | Abbott Diabetes Care Inc. | Variable rate closed loop control and methods |
US9943644B2 (en) | 2008-08-31 | 2018-04-17 | Abbott Diabetes Care Inc. | Closed loop control with reference measurement and methods thereof |
US8986208B2 (en) | 2008-09-30 | 2015-03-24 | Abbott Diabetes Care Inc. | Analyte sensor sensitivity attenuation mitigation |
US9326707B2 (en) | 2008-11-10 | 2016-05-03 | Abbott Diabetes Care Inc. | Alarm characterization for analyte monitoring devices and systems |
WO2010056718A2 (en) | 2008-11-11 | 2010-05-20 | Hygieia, Inc. | Apparatus and system for diabetes management |
US20100168539A1 (en) * | 2008-12-31 | 2010-07-01 | Palerm Cesar C | Method and/or system for estimating glycation of hemoglobin |
US8103456B2 (en) | 2009-01-29 | 2012-01-24 | Abbott Diabetes Care Inc. | Method and device for early signal attenuation detection using blood glucose measurements |
US9375169B2 (en) | 2009-01-30 | 2016-06-28 | Sanofi-Aventis Deutschland Gmbh | Cam drive for managing disposable penetrating member actions with a single motor and motor and control system |
US20100198034A1 (en) | 2009-02-03 | 2010-08-05 | Abbott Diabetes Care Inc. | Compact On-Body Physiological Monitoring Devices and Methods Thereof |
EP3703066A1 (en) | 2009-02-25 | 2020-09-02 | The 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 |
US8882678B2 (en) | 2009-03-13 | 2014-11-11 | Atrium Medical Corporation | Pleural drainage system and method of use |
WO2010111660A1 (en) | 2009-03-27 | 2010-09-30 | Dexcom, Inc. | Methods and systems for promoting glucose management |
WO2010121084A1 (en) | 2009-04-15 | 2010-10-21 | Abbott Diabetes Care Inc. | Analyte monitoring system having an alert |
WO2010127050A1 (en) | 2009-04-28 | 2010-11-04 | Abbott Diabetes Care Inc. | Error detection in critical repeating data in a wireless sensor system |
EP2424426B1 (en) | 2009-04-29 | 2020-01-08 | Abbott Diabetes Care, Inc. | Method and system for providing data communication in continuous glucose monitoring and management system |
WO2010127051A1 (en) | 2009-04-29 | 2010-11-04 | Abbott Diabetes Care Inc. | Method and system for providing real time analyte sensor calibration with retrospective backfill |
US8168396B2 (en) | 2009-05-11 | 2012-05-01 | Diabetomics, Llc | Methods for detecting pre-diabetes and diabetes using differential protein glycosylation |
WO2010138856A1 (en) | 2009-05-29 | 2010-12-02 | Abbott Diabetes Care Inc. | Medical device antenna systems having external antenna configurations |
US10420489B2 (en) | 2009-05-29 | 2019-09-24 | University Of Virginia Patent Foundation | System coordinator and modular architecture for open-loop and closed-loop control of diabetes |
US20100330598A1 (en) * | 2009-06-26 | 2010-12-30 | Roche Diagnostics Operations, Inc. | METHOD, SYSTEM, AND COMPUTER PROGRAM PRODUCT FOR PROVIDING BOTH AN ESTIMATED TRUE MEAN BLOOD GLUCOSE VALUE AND ESTIMATED GLYCATED HEMOGLOBIN (HbA1C) VALUE FROM STRUCTURED SPOT MEASUREMENTS OF BLOOD GLUCOSE |
EP2455875A3 (en) * | 2009-06-30 | 2013-01-16 | Lifescan Scotland Limited | System and method for diabetes management |
EP3689237B1 (en) | 2009-07-23 | 2021-05-19 | Abbott Diabetes Care, Inc. | Method of manufacturing and system for continuous analyte measurement |
US8798934B2 (en) | 2009-07-23 | 2014-08-05 | Abbott Diabetes Care Inc. | Real time management of data relating to physiological control of glucose levels |
WO2011014851A1 (en) | 2009-07-31 | 2011-02-03 | Abbott Diabetes Care Inc. | Method and apparatus for providing analyte monitoring system calibration accuracy |
JP5658252B2 (ja) | 2009-08-10 | 2015-01-21 | ディアベテス トールス スウェーデン アーべーDiabetes Tools Sweden Ab | 血糖データを処理する装置および方法 |
US8993331B2 (en) | 2009-08-31 | 2015-03-31 | Abbott Diabetes Care Inc. | Analyte monitoring system and methods for managing power and noise |
WO2011026147A1 (en) | 2009-08-31 | 2011-03-03 | Abbott Diabetes Care Inc. | Analyte signal processing device and methods |
DK4070729T3 (da) | 2009-08-31 | 2024-05-21 | Abbott Diabetes Care Inc | Visningsindretninger til en medicinsk indretning |
EP2473963A4 (en) | 2009-08-31 | 2014-01-08 | Abbott Diabetes Care Inc | MEDICAL DEVICES AND METHOD |
EP2473845A4 (en) | 2009-09-02 | 2014-04-30 | Univ Virginia Patent Found | PERSECUTION OF THE PROBABILITY OF THREATENING HYPOGLYCEMIA IN DIABETES THROUGH BLOOD SUGAR SELF-MONITORING DATA |
WO2011041469A1 (en) | 2009-09-29 | 2011-04-07 | Abbott Diabetes Care Inc. | Method and apparatus for providing notification function in analyte monitoring systems |
US20110092788A1 (en) * | 2009-10-15 | 2011-04-21 | Roche Diagnostics Operations, Inc. | Systems And Methods For Providing Guidance In Administration Of A Medicine |
US8185181B2 (en) | 2009-10-30 | 2012-05-22 | Abbott Diabetes Care Inc. | Method and apparatus for detecting false hypoglycemic conditions |
US20110163880A1 (en) * | 2010-01-07 | 2011-07-07 | Lisa Halff | System and method responsive to an alarm event detected at an insulin delivery device |
US8803688B2 (en) * | 2010-01-07 | 2014-08-12 | Lisa Halff | System and method responsive to an event detected at a glucose monitoring device |
WO2011091336A1 (en) * | 2010-01-22 | 2011-07-28 | Abbott Diabetes Care Inc. | Method and apparatus for providing notification in analyte monitoring systems |
WO2011112753A1 (en) | 2010-03-10 | 2011-09-15 | Abbott Diabetes Care Inc. | Systems, devices and methods for managing glucose levels |
CA2792758C (en) | 2010-03-11 | 2020-12-15 | University Of Virginia Patent Foundation | Method and system for the safety, analysis, and supervision of insulin pu action and other modes of insulin delivery in diabetes |
KR101100987B1 (ko) * | 2010-03-23 | 2011-12-30 | 삼성모바일디스플레이주식회사 | 터치 스크린 패널 |
EP4183326A1 (en) | 2010-03-26 | 2023-05-24 | University Of Virginia Patent Foundation | Method, system, and computer program product for improving the accuracy of glucose sensors using insulin delivery observation in diabetes |
US8965476B2 (en) | 2010-04-16 | 2015-02-24 | Sanofi-Aventis Deutschland Gmbh | Tissue penetration device |
US8635046B2 (en) | 2010-06-23 | 2014-01-21 | Abbott Diabetes Care Inc. | Method and system for evaluating analyte sensor response characteristics |
US10092229B2 (en) | 2010-06-29 | 2018-10-09 | Abbott Diabetes Care Inc. | Calibration of analyte measurement system |
JP6291253B2 (ja) | 2010-08-27 | 2018-03-14 | イーコス・コーポレイシヨン | 超音波カテーテル |
US11213226B2 (en) | 2010-10-07 | 2022-01-04 | Abbott Diabetes Care Inc. | Analyte monitoring devices and methods |
EP2491859A1 (en) * | 2011-02-23 | 2012-08-29 | F. Hoffmann-La Roche AG | Method and system for determining blood glucose characteristics from a discontinuous mode of measurement and computer program product |
CN107019515B (zh) | 2011-02-28 | 2021-02-26 | 雅培糖尿病护理公司 | 显示传感器读数的方法与分析物监测装置及其操作方法 |
KR20120116581A (ko) * | 2011-04-13 | 2012-10-23 | 주식회사 필로시스 | 만보기 기능을 가지는 혈당측정기를 이용한 운동량 제어방법 |
US9848809B2 (en) | 2011-04-15 | 2017-12-26 | Dexcom, Inc. | Advanced analyte sensor calibration and error detection |
EP2700031A2 (en) | 2011-04-20 | 2014-02-26 | Novo Nordisk A/S | Glucose predictor based on regularization networks with adaptively chosen kernels and regularization parameters |
JP5997453B2 (ja) | 2011-04-25 | 2016-09-28 | アークレイ株式会社 | 情報処理装置およびユーザ端末 |
EP2723229B1 (en) | 2011-06-23 | 2018-09-26 | University Of Virginia Patent Foundation | Unified platform for monitoring and control of blood glucose levels in diabetic patients |
WO2013022775A1 (en) * | 2011-08-05 | 2013-02-14 | Dexcom, Inc. | Systems and methods for detecting glucose level data patterns |
EP3799073A1 (en) | 2011-08-26 | 2021-03-31 | The University of Virginia Patent Foundation | Method, system and computer readable medium for adaptive advisory control of diabetes |
US10434325B2 (en) * | 2011-09-08 | 2019-10-08 | Johnson & Johnson Consumer Inc. | Light therapy platform mobile device applications |
US9069536B2 (en) | 2011-10-31 | 2015-06-30 | Abbott Diabetes Care Inc. | Electronic devices having integrated reset systems and methods thereof |
US9622691B2 (en) | 2011-10-31 | 2017-04-18 | Abbott Diabetes Care Inc. | Model based variable risk false glucose threshold alarm prevention mechanism |
US9980669B2 (en) | 2011-11-07 | 2018-05-29 | Abbott Diabetes Care Inc. | Analyte monitoring device and methods |
WO2013073983A1 (ru) * | 2011-11-16 | 2013-05-23 | Vengerov Yury Yuzefovitch | Устройство для чтения результатов анализов, выполненных с помощью тест-полосок |
US8710993B2 (en) | 2011-11-23 | 2014-04-29 | Abbott Diabetes Care Inc. | Mitigating single point failure of devices in an analyte monitoring system and methods thereof |
US9317656B2 (en) | 2011-11-23 | 2016-04-19 | Abbott Diabetes Care Inc. | Compatibility mechanisms for devices in a continuous analyte monitoring system and methods thereof |
WO2013138369A1 (en) | 2012-03-16 | 2013-09-19 | Dexcom, Inc. | Systems and methods for processing analyte sensor data |
US20140024907A1 (en) * | 2012-07-19 | 2014-01-23 | Lifescan, Inc. | Method and system to indicate hyperglycemia or hypoglycemia for people with diabetes |
US8744828B2 (en) | 2012-07-26 | 2014-06-03 | Rimidi Diabetes, Inc. | Computer-implemented system and method for improving glucose management through modeling of circadian profiles |
US8756043B2 (en) | 2012-07-26 | 2014-06-17 | Rimidi Diabetes, Inc. | Blood glucose meter and computer-implemented method for improving glucose management through modeling of circadian profiles |
US8768673B2 (en) | 2012-07-26 | 2014-07-01 | Rimidi Diabetes, Inc. | Computer-implemented system and method for improving glucose management through cloud-based modeling of circadian profiles |
US20140030748A1 (en) * | 2012-07-27 | 2014-01-30 | Lifescan, Inc. | Method and system to manage diabetes using multiple risk indicators for a person with diabetes |
WO2014035732A1 (en) | 2012-08-30 | 2014-03-06 | Abbot Diabetes Care Inc. | Dropout detection in continuous analyte monitoring data during data excursions |
US9968306B2 (en) | 2012-09-17 | 2018-05-15 | Abbott Diabetes Care Inc. | Methods and apparatuses for providing adverse condition notification with enhanced wireless communication range in analyte monitoring systems |
USD942767S1 (en) | 2012-09-20 | 2022-02-08 | Steelcase Inc. | Chair assembly |
USD697726S1 (en) | 2012-09-20 | 2014-01-21 | Steelcase Inc. | Chair |
USD694537S1 (en) | 2012-09-20 | 2013-12-03 | Steelcase Inc. | Chair |
USD688907S1 (en) | 2012-09-20 | 2013-09-03 | Steelcase Inc. | Arm assembly |
USD699061S1 (en) | 2012-09-20 | 2014-02-11 | Steelcase Inc. | Arm assembly |
USD697729S1 (en) | 2012-09-20 | 2014-01-21 | Steelcase Inc. | Chair |
US11229294B2 (en) | 2012-09-20 | 2022-01-25 | Steelcase Inc. | Chair assembly with upholstery covering |
US11304528B2 (en) | 2012-09-20 | 2022-04-19 | Steelcase Inc. | Chair assembly with upholstery covering |
USD694539S1 (en) | 2012-09-20 | 2013-12-03 | Steelcase Inc. | Chair |
USD694538S1 (en) | 2012-09-20 | 2013-12-03 | Steelcase Inc. | Chair |
USD683151S1 (en) | 2012-09-20 | 2013-05-28 | Steelcase Inc. | Chair |
USD697727S1 (en) | 2012-09-20 | 2014-01-21 | Steeelcase Inc. | Chair |
US8998339B2 (en) | 2012-09-20 | 2015-04-07 | Steelcase Inc. | Chair assembly with upholstery covering |
EP2901153A4 (en) | 2012-09-26 | 2016-04-27 | Abbott Diabetes Care Inc | METHOD AND DEVICE FOR IMPROVING DELAY CORRECTION FUNCTION DURING IN VIVO MEASUREMENT OF ANALYZ CONCENTRATION WITH ANALYZ CONCENTRATION VARIABILITY AND RANGE DATA |
US11081234B2 (en) | 2012-10-04 | 2021-08-03 | Analytic Diabetic Systems, Inc. | Clinical support systems and methods |
US10463282B2 (en) | 2012-10-04 | 2019-11-05 | Roche Diabetes Care, Inc. | System and method for assessing risk associated with a glucose state |
JP5511033B1 (ja) | 2012-12-04 | 2014-06-04 | Necシステムテクノロジー株式会社 | 血糖値予測装置、測定装置、血糖値予測方法、及びプログラム |
WO2014130841A1 (en) | 2013-02-21 | 2014-08-28 | University Of Virginia Patent Foundation | Tracking changes in average glycemia in diabetics |
US10335075B2 (en) * | 2013-03-14 | 2019-07-02 | Dexcom, Inc. | Advanced calibration for analyte sensors |
SG10201702432YA (en) | 2013-03-14 | 2017-05-30 | Ekos Corp | Method and apparatus for drug delivery to a target site |
US9474475B1 (en) | 2013-03-15 | 2016-10-25 | Abbott Diabetes Care Inc. | Multi-rate analyte sensor data collection with sample rate configurable signal processing |
WO2014152034A1 (en) | 2013-03-15 | 2014-09-25 | Abbott Diabetes Care Inc. | Sensor fault detection using analyte sensor data pattern comparison |
US10433773B1 (en) | 2013-03-15 | 2019-10-08 | Abbott Diabetes Care Inc. | Noise rejection methods and apparatus for sparsely sampled analyte sensor data |
US20150095042A1 (en) * | 2013-09-27 | 2015-04-02 | Roche Diagnostics Operations, Inc. | High/low blood glucose risk assessment systems and methods |
AU2014374361B9 (en) | 2013-12-31 | 2019-07-04 | Abbott Diabetes Care Inc. | Self-powered analyte sensor and devices using the same |
US9233204B2 (en) | 2014-01-31 | 2016-01-12 | Aseko, Inc. | Insulin management |
US9486580B2 (en) | 2014-01-31 | 2016-11-08 | Aseko, Inc. | Insulin management |
WO2015153482A1 (en) | 2014-03-30 | 2015-10-08 | Abbott Diabetes Care Inc. | Method and apparatus for determining meal start and peak events in analyte monitoring systems |
AU2015301454A1 (en) | 2014-08-14 | 2017-03-09 | University Of Virginia Patent Foundation | Improved accuracy continuous glucose monitoring method, system, and device |
US11081226B2 (en) | 2014-10-27 | 2021-08-03 | Aseko, Inc. | Method and controller for administering recommended insulin dosages to a patient |
WO2016069475A1 (en) | 2014-10-27 | 2016-05-06 | Aseko, Inc. | Subcutaneous outpatient management |
WO2016093684A1 (es) * | 2014-12-09 | 2016-06-16 | Instituto Superior Autónomo De Occidente A.C. | Aparato electrónico portátil que emite sugerencias sobre actividades o eventos, que interfieren en un estado de interés para un individuo |
US11311665B2 (en) | 2015-06-09 | 2022-04-26 | University Of Virginia Patent Foundation | Insulin monitoring and delivery system and method for CGM based fault detection and mitigation via metabolic state tracking |
EP3307388B1 (en) | 2015-06-10 | 2022-06-22 | Ekos Corporation | Ultrasound catheter |
WO2017011346A1 (en) | 2015-07-10 | 2017-01-19 | Abbott Diabetes Care Inc. | System, device and method of dynamic glucose profile response to physiological parameters |
US11464456B2 (en) | 2015-08-07 | 2022-10-11 | Aptima, Inc. | Systems and methods to support medical therapy decisions |
US9886556B2 (en) | 2015-08-20 | 2018-02-06 | Aseko, Inc. | Diabetes management therapy advisor |
US10463789B2 (en) | 2015-09-02 | 2019-11-05 | University Of Virginia Patent Foundation | System, method, and computer readable medium for dynamic insulin sensitivity in diabetic pump users |
US10575790B2 (en) * | 2016-03-02 | 2020-03-03 | Roche Diabetes Care, Inc. | Patient diabetes monitoring system with clustering of unsupervised daily CGM profiles (or insulin profiles) and method thereof |
EP3223181B1 (en) | 2016-03-24 | 2019-12-18 | Sofradim Production | System and method of generating a model and simulating an effect on a surgical repair site |
CA3017255C (en) | 2016-05-02 | 2023-10-24 | Dexcom, Inc. | System and method for providing alerts optimized for a user |
CA3029272A1 (en) | 2016-09-09 | 2018-03-15 | Dexcom, Inc. | Systems and methods for cgm-based bolus calculator for display and for provision to medicament delivery devices |
US10783801B1 (en) | 2016-12-21 | 2020-09-22 | Aptima, Inc. | Simulation based training system for measurement of team cognitive load to automatically customize simulation content |
WO2018175489A1 (en) | 2017-03-21 | 2018-09-27 | Abbott Diabetes Care Inc. | Methods, devices and system for providing diabetic condition diagnosis and therapy |
WO2018232487A1 (en) * | 2017-06-20 | 2018-12-27 | Chan Sidney Soong Ling | METHOD AND SYSTEM FOR MONITORING A DIABETES TREATMENT PLAN |
WO2019005686A1 (en) | 2017-06-26 | 2019-01-03 | Abbott Diabetes Care Inc. | INTEGRATED CGM ARCHITECTURES AND DESIGNS FOR ARTIFICIAL PANCREAS |
US20190117131A1 (en) | 2017-10-24 | 2019-04-25 | Dexcom, Inc. | Pre-connected analyte sensors |
US11331022B2 (en) | 2017-10-24 | 2022-05-17 | Dexcom, Inc. | Pre-connected analyte sensors |
US11076531B2 (en) | 2018-01-23 | 2021-08-03 | Deere & Company | State machine for multiple input-multiple output harvester control |
US11723560B2 (en) | 2018-02-09 | 2023-08-15 | Dexcom, Inc. | System and method for decision support |
KR102035644B1 (ko) * | 2018-07-09 | 2019-10-23 | 주식회사 필로시스 | 혈당 단위를 자동으로 결정하는 혈당 측정 장치 및 방법 |
RU2707064C1 (ru) * | 2019-02-12 | 2019-11-21 | Общество с ограниченной ответственностью "Гардлайнер" | Система для сравнения гликемических профилей у больных сахарным диабетом |
CN114901127A (zh) * | 2019-12-18 | 2022-08-12 | 德克斯康公司 | 治疗区域评估器 |
RU2746830C1 (ru) * | 2020-06-01 | 2021-04-21 | Федеральное государственное бюджетное научное учреждение Федеральный исследовательский центр "Институт цитологии и генетики Сибирского отделения Российской академии наук" (ИЦиГ СО РАН) | Способ оценки вариабельности гликемии для определения эффективности проводимой сахароснижающей терапии у пациентов с MODY2 диабетом |
CN112233780B (zh) * | 2020-09-25 | 2022-08-05 | 福州康为网络技术有限公司 | 一种糖尿病管理系统 |
DE102021202767A1 (de) * | 2021-03-22 | 2022-09-22 | Eyesense Gmbh | Verfahren zum Bestimmen eines aktuellen Glukosewerts in einem Transportfluid |
Family Cites Families (109)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB8413830D0 (en) * | 1984-05-31 | 1984-07-04 | Seltronix Ltd | Blood glucose monitor |
JPS6125525A (ja) | 1984-07-13 | 1986-02-04 | 住友電気工業株式会社 | 患者監視装置 |
US4695954A (en) | 1984-10-31 | 1987-09-22 | Rose Robert J | Modular medication dispensing system and apparatus utilizing portable memory device |
US5206144A (en) | 1985-03-29 | 1993-04-27 | Novo Industri A/S | Determination of glycated (glycosylated) hemoglobin in blood |
US4731726A (en) | 1986-05-19 | 1988-03-15 | Healthware Corporation | Patient-operated glucose monitor and diabetes management system |
US5216597A (en) | 1987-05-01 | 1993-06-01 | Diva Medical Systems Bv | Diabetes therapy management system, apparatus and method |
EP0290683A3 (en) | 1987-05-01 | 1988-12-14 | Diva Medical Systems B.V. | Diabetes management system and apparatus |
US4817044A (en) | 1987-06-01 | 1989-03-28 | Ogren David A | Collection and reporting system for medical appliances |
CA1338348C (en) | 1987-11-30 | 1996-05-28 | Kazutoshi Yamazaki | Eliminating agent for glycosylated hemoglobin |
US5025374A (en) | 1987-12-09 | 1991-06-18 | Arch Development Corp. | Portable system for choosing pre-operative patient test |
WO1989006989A1 (en) | 1988-01-29 | 1989-08-10 | The Regents Of The University Of California | Iontophoretic non-invasive sampling or delivery device |
US5128015A (en) | 1988-03-15 | 1992-07-07 | Tall Oak Ventures | Method and apparatus for amperometric diagnostic analysis |
US5108564A (en) | 1988-03-15 | 1992-04-28 | Tall Oak Ventures | Method and apparatus for amperometric diagnostic analysis |
US5076273A (en) | 1988-09-08 | 1991-12-31 | Sudor Partners | Method and apparatus for determination of chemical species in body fluid |
US5086229A (en) | 1989-01-19 | 1992-02-04 | Futrex, Inc. | Non-invasive measurement of blood glucose |
US5139023A (en) | 1989-06-02 | 1992-08-18 | Theratech Inc. | Apparatus and method for noninvasive blood glucose monitoring |
US4975581A (en) | 1989-06-21 | 1990-12-04 | University Of New Mexico | Method of and apparatus for determining the similarity of a biological analyte from a model constructed from known biological fluids |
CA2028261C (en) | 1989-10-28 | 1995-01-17 | Won Suck Yang | Non-invasive method and apparatus for measuring blood glucose concentration |
US5140985A (en) | 1989-12-11 | 1992-08-25 | Schroeder Jon M | Noninvasive blood glucose measuring device |
US5036861A (en) | 1990-01-11 | 1991-08-06 | Sembrowich Walter L | Method and apparatus for non-invasively monitoring plasma glucose levels |
IL98203A (en) | 1990-06-20 | 1996-06-18 | Bayer Ag | A moving electronic log and a method for storing and viewing data |
ATE175068T1 (de) | 1990-08-31 | 1999-01-15 | Gen Hospital Corp | System zum verwalten mehrerer geräte, zum beispiel von tragbaren patientenüberwachungsgeräten in einem netz |
US5251126A (en) * | 1990-10-29 | 1993-10-05 | Miles Inc. | Diabetes data analysis and interpretation method |
US5376070A (en) | 1992-09-29 | 1994-12-27 | Minimed Inc. | Data transfer system for an infusion pump |
US5956501A (en) | 1997-01-10 | 1999-09-21 | Health Hero Network, Inc. | Disease simulation system and method |
US5997476A (en) | 1997-03-28 | 1999-12-07 | Health Hero Network, Inc. | Networked system for interactive communication and remote monitoring of individuals |
US5307263A (en) | 1992-11-17 | 1994-04-26 | Raya Systems, Inc. | Modular microprocessor-based health monitoring system |
US5960403A (en) | 1992-11-17 | 1999-09-28 | Health Hero Network | Health management process control system |
US5590648A (en) | 1992-11-30 | 1997-01-07 | Tremont Medical | Personal health care system |
AU2984892A (en) * | 1992-12-02 | 1994-06-16 | Japanic Corporation | Raw sewage disposal apparatus |
FI95427C (fi) | 1992-12-23 | 1996-01-25 | Instrumentarium Oy | Tiedonsiirtojärjestelmä |
US5558638A (en) | 1993-04-30 | 1996-09-24 | Healthdyne, Inc. | Patient monitor and support system |
US6206829B1 (en) | 1996-07-12 | 2001-03-27 | First Opinion Corporation | Computerized medical diagnostic and treatment advice system including network access |
US6022315A (en) | 1993-12-29 | 2000-02-08 | First Opinion Corporation | Computerized medical diagnostic and treatment advice system including network access |
US5553615A (en) * | 1994-01-31 | 1996-09-10 | Minnesota Mining And Manufacturing Company | Method and apparatus for noninvasive prediction of hematocrit |
KR0142483B1 (ko) | 1994-02-28 | 1998-08-17 | 고지마 게이지 | 시계열 데이타의 단기 예측을 실행하기 위한 방법 및 장치 |
US5536249A (en) | 1994-03-09 | 1996-07-16 | Visionary Medical Products, Inc. | Pen-type injector with a microprocessor and blood characteristic monitor |
US5704366A (en) | 1994-05-23 | 1998-01-06 | Enact Health Management Systems | System for monitoring and reporting medical measurements |
EP1016433A1 (en) | 1994-06-24 | 2000-07-05 | Cygnus, Inc. | Iontophoteric sampling device and method |
US5431793A (en) | 1994-07-29 | 1995-07-11 | Beckman Instruments, Inc. | Quantitative analysis of glycosylated hemoglobin by immunocappillary electrophoresis |
JP3150857B2 (ja) * | 1994-10-19 | 2001-03-26 | 富士写真フイルム株式会社 | グリコヘモグロビン含有比測定用分析要素及び分析方法 |
US5946659A (en) | 1995-02-28 | 1999-08-31 | Clinicomp International, Inc. | System and method for notification and access of patient care information being simultaneously entered |
US5713856A (en) | 1995-03-13 | 1998-02-03 | Alaris Medical Systems, Inc. | Modular patient care system |
WO1996030848A1 (en) | 1995-03-31 | 1996-10-03 | Levin Richard I | System and method of generating prognosis reports for coronary health management |
US5695949A (en) | 1995-04-07 | 1997-12-09 | Lxn Corp. | Combined assay for current glucose level and intermediate or long-term glycemic control |
US6671563B1 (en) | 1995-05-15 | 2003-12-30 | Alaris Medical Systems, Inc. | System and method for collecting data and managing patient care |
US5989409A (en) | 1995-09-11 | 1999-11-23 | Cygnus, Inc. | Method for glucose sensing |
US5741211A (en) | 1995-10-26 | 1998-04-21 | Medtronic, Inc. | System and method for continuous monitoring of diabetes-related blood constituents |
FI960636A (fi) | 1996-02-12 | 1997-08-13 | Nokia Mobile Phones Ltd | Menetelmä potilaan terveydentilan valvomiseksi |
FI118509B (fi) | 1996-02-12 | 2007-12-14 | Nokia Oyj | Menetelmä ja laitteisto potilaan veren glukoosipitoisuuden ennustamiseksi |
US5974389A (en) | 1996-03-01 | 1999-10-26 | Clark; Melanie Ann | Medical record management system and process with improved workflow features |
US5801057A (en) | 1996-03-22 | 1998-09-01 | Smart; Wilson H. | Microsampling device and method of construction |
US5878384A (en) | 1996-03-29 | 1999-03-02 | At&T Corp | System and method for monitoring information flow and performing data collection |
US5822935A (en) | 1996-12-19 | 1998-10-20 | Steelcase Inc. | Solid-core wall system |
US5959529A (en) | 1997-03-07 | 1999-09-28 | Kail, Iv; Karl A. | Reprogrammable remote sensor monitoring system |
US6234964B1 (en) | 1997-03-13 | 2001-05-22 | First Opinion Corporation | Disease management system and method |
US6270455B1 (en) | 1997-03-28 | 2001-08-07 | Health Hero Network, Inc. | Networked system for interactive communications and remote monitoring of drug delivery |
FI112545B (fi) * | 1997-05-30 | 2003-12-15 | Nokia Corp | Menetelmä ja järjestelmä potilaan veren glykosyloidun hemoglobiinikomponentin tason ennustamiseksi |
US6558351B1 (en) | 1999-06-03 | 2003-05-06 | Medtronic Minimed, Inc. | Closed loop system for controlling insulin infusion |
US5997475A (en) | 1997-08-18 | 1999-12-07 | Solefound, Inc. | Device for diabetes management |
US6054039A (en) | 1997-08-18 | 2000-04-25 | Shieh; Paul | Determination of glycoprotein and glycosylated hemoglobin in blood |
EP0910023A2 (de) | 1997-10-17 | 1999-04-21 | Siemens Aktiengesellschaft | Verfahren und Anordnung zur neuronalen Modellierung eines dynamischen Systems mit nichtlinearem stochastischem Verhalten |
US6144922A (en) | 1997-10-31 | 2000-11-07 | Mercury Diagnostics, Incorporated | Analyte concentration information collection and communication system |
EP1025530A2 (en) | 1997-10-31 | 2000-08-09 | Amira Medical | Analyte concentration information collection and communication s ystem |
US6049764A (en) | 1997-11-12 | 2000-04-11 | City Of Hope | Method and system for real-time control of analytical and diagnostic instruments |
US6579690B1 (en) | 1997-12-05 | 2003-06-17 | Therasense, Inc. | Blood analyte monitoring through subcutaneous measurement |
US6024699A (en) | 1998-03-13 | 2000-02-15 | Healthware Corporation | Systems, methods and computer program products for monitoring, diagnosing and treating medical conditions of remotely located patients |
US6579231B1 (en) | 1998-03-27 | 2003-06-17 | Mci Communications Corporation | Personal medical monitoring unit and system |
JP2002510817A (ja) | 1998-04-03 | 2002-04-09 | トライアングル・ファーマシューティカルズ,インコーポレイテッド | 治療処方計画の選択をガイドするためのシステム、方法及びコンピュータ・プログラム製品 |
JPH11296598A (ja) * | 1998-04-07 | 1999-10-29 | Seizaburo Arita | 血糖値の予測システム及び予測方法並びにこの方法を記録した記録媒体 |
US8974386B2 (en) | 1998-04-30 | 2015-03-10 | Abbott Diabetes Care Inc. | Analyte monitoring device and methods of use |
US6175752B1 (en) | 1998-04-30 | 2001-01-16 | Therasense, Inc. | Analyte monitoring device and methods of use |
PT1077634E (pt) | 1998-05-13 | 2003-12-31 | Cygnus Therapeutic Systems | Monitorizacao de substancias fisiologicas a analisar |
ATE258028T1 (de) | 1998-05-13 | 2004-02-15 | Cygnus Therapeutic Systems | Signalverarbeitung zur messung von physiologischen analyten |
GB9812432D0 (en) * | 1998-06-09 | 1998-08-05 | Queen Mary & Westfield College | Predictive test |
US7384396B2 (en) * | 1998-07-21 | 2008-06-10 | Spectrx Inc. | System and method for continuous analyte monitoring |
US6338713B1 (en) | 1998-08-18 | 2002-01-15 | Aspect Medical Systems, Inc. | System and method for facilitating clinical decision making |
US6554798B1 (en) | 1998-08-18 | 2003-04-29 | Medtronic Minimed, Inc. | External infusion device with remote programming, bolus estimator and/or vibration alarm capabilities |
JP2000060803A (ja) * | 1998-08-21 | 2000-02-29 | Terumo Corp | 血糖値情報処理システム |
CA2346055C (en) | 1998-09-30 | 2004-06-29 | Cygnus, Inc. | Method and device for predicting physiological values |
US6201980B1 (en) | 1998-10-05 | 2001-03-13 | The Regents Of The University Of California | Implantable medical sensor system |
US6540672B1 (en) | 1998-12-09 | 2003-04-01 | Novo Nordisk A/S | Medical system and a method of controlling the system for use by a patient for medical self treatment |
WO2000032258A1 (en) | 1998-11-30 | 2000-06-08 | Novo Nordisk A/S | A method and a system for assisting a user in a medical self treatment, said self treatment comprising a plurality of actions |
US6422061B1 (en) | 1999-03-03 | 2002-07-23 | Cyrano Sciences, Inc. | Apparatus, systems and methods for detecting and transmitting sensory data over a computer network |
ATE394989T1 (de) | 1999-03-29 | 2008-05-15 | Beckman Coulter Inc | Messgerät mit integrierter datenbank und vereinfachter telemedizinfähigkeit |
US6336900B1 (en) | 1999-04-12 | 2002-01-08 | Agilent Technologies, Inc. | Home hub for reporting patient health parameters |
US6277071B1 (en) | 1999-06-25 | 2001-08-21 | Delphi Health Systems, Inc. | Chronic disease monitor |
US6804558B2 (en) | 1999-07-07 | 2004-10-12 | Medtronic, Inc. | System and method of communicating between an implantable medical device and a remote computer system or health care provider |
US6611846B1 (en) | 1999-10-30 | 2003-08-26 | Medtamic Holdings | Method and system for medical patient data analysis |
US6406426B1 (en) | 1999-11-03 | 2002-06-18 | Criticare Systems | Medical monitoring and alert system for use with therapeutic devices |
US6418346B1 (en) | 1999-12-14 | 2002-07-09 | Medtronic, Inc. | Apparatus and method for remote therapy and diagnosis in medical devices via interface systems |
US6692436B1 (en) | 2000-04-14 | 2004-02-17 | Computerized Screening, Inc. | Health care information system |
ES2362414T3 (es) | 2000-05-19 | 2011-07-05 | Welch Allyn Protocol Inc | Sistema de monitorización de pacientes. |
US6604050B2 (en) | 2000-06-16 | 2003-08-05 | Bayer Corporation | System, method and biosensor apparatus for data communications with a personal data assistant |
LV12612B (lv) | 2000-08-21 | 2001-03-20 | Jehezkelis FINKELŠTEINS | Medicīniski-bioloģiskas informācijas vākšanas un apstrādes metode un sistēma |
US6450956B1 (en) | 2000-11-06 | 2002-09-17 | Siemens Corporate Research, Inc. | System and method for treatment and outcome measurement analysis |
US6524240B1 (en) | 2000-11-22 | 2003-02-25 | Medwave, Inc. | Docking station for portable medical devices |
US6645142B2 (en) | 2000-12-01 | 2003-11-11 | Optiscan Biomedical Corporation | Glucose monitoring instrument having network connectivity |
US6799149B2 (en) | 2000-12-29 | 2004-09-28 | Medtronic, Inc. | Therapy management techniques for an implantable medical device |
US6551243B2 (en) | 2001-01-24 | 2003-04-22 | Siemens Medical Solutions Health Services Corporation | System and user interface for use in providing medical information and health care delivery support |
US20060106644A1 (en) | 2001-05-30 | 2006-05-18 | Koo Charles C | Patient referral and physician-to-physician marketing method and system |
US6544212B2 (en) | 2001-07-31 | 2003-04-08 | Roche Diagnostics Corporation | Diabetes management system |
US6781522B2 (en) | 2001-08-22 | 2004-08-24 | Kivalo, Inc. | Portable storage case for housing a medical monitoring device and an associated method for communicating therewith |
US20030216628A1 (en) | 2002-01-28 | 2003-11-20 | Bortz Jonathan David | Methods and systems for assessing glycemic control using predetermined pattern label analysis of blood glucose readings |
US20050187789A1 (en) | 2004-02-25 | 2005-08-25 | Cardiac Pacemakers, Inc. | Advanced patient and medication therapy management system and method |
US20050267780A1 (en) | 2004-06-01 | 2005-12-01 | Pinaki Ray | Methods and systems of automating medical device data management |
US20060010098A1 (en) | 2004-06-04 | 2006-01-12 | Goodnow Timothy T | Diabetes care host-client architecture and data management system |
US20060173260A1 (en) | 2005-01-31 | 2006-08-03 | Gmms Ltd | System, device and method for diabetes treatment and monitoring |
US20070033074A1 (en) | 2005-06-03 | 2007-02-08 | Medtronic Minimed, Inc. | Therapy management system |
-
2001
- 2001-03-29 RU RU2002128925/15A patent/RU2283495C2/ru not_active IP Right Cessation
- 2001-03-29 PL PL357511A patent/PL198154B1/pl not_active IP Right Cessation
- 2001-03-29 CA CA002404262A patent/CA2404262C/en not_active Expired - Lifetime
- 2001-03-29 WO PCT/US2001/009884 patent/WO2001072208A2/en active Application Filing
- 2001-03-29 IL IL15172001A patent/IL151720A0/xx active IP Right Grant
- 2001-03-29 AU AU2001251046A patent/AU2001251046B2/en not_active Expired
- 2001-03-29 KR KR1020027012856A patent/KR100776070B1/ko not_active IP Right Cessation
- 2001-03-29 AU AU5104601A patent/AU5104601A/xx active Pending
- 2001-03-29 EP EP01924388A patent/EP1267708A4/en not_active Withdrawn
- 2001-03-29 JP JP2001570172A patent/JP4891511B2/ja not_active Expired - Fee Related
- 2001-03-29 CN CNB018075541A patent/CN100448392C/zh not_active Expired - Lifetime
- 2001-03-29 MX MXPA02009487A patent/MXPA02009487A/es active IP Right Grant
- 2001-03-29 US US10/240,228 patent/US7025425B2/en not_active Expired - Lifetime
- 2001-03-29 DZ DZ013338A patent/DZ3338A1/fr active
-
2002
- 2002-09-12 IL IL151720A patent/IL151720A/en not_active IP Right Cessation
-
2005
- 2005-12-19 US US11/305,946 patent/US7874985B2/en active Active
-
2007
- 2007-05-17 IL IL183273A patent/IL183273A0/en unknown
-
2010
- 2010-12-22 US US12/975,580 patent/US20120004512A1/en not_active Abandoned
Also Published As
Publication number | Publication date |
---|---|
WO2001072208A2 (en) | 2001-10-04 |
US20030212317A1 (en) | 2003-11-13 |
JP4891511B2 (ja) | 2012-03-07 |
IL151720A0 (en) | 2003-04-10 |
CN1422136A (zh) | 2003-06-04 |
DZ3338A1 (fr) | 2001-10-04 |
CA2404262C (en) | 2009-03-24 |
CA2404262A1 (en) | 2001-10-04 |
IL151720A (en) | 2007-10-31 |
AU5104601A (en) | 2001-10-08 |
EP1267708A2 (en) | 2003-01-02 |
AU2001251046B2 (en) | 2006-08-03 |
US20060094947A1 (en) | 2006-05-04 |
IL183273A0 (en) | 2007-09-20 |
US7025425B2 (en) | 2006-04-11 |
KR100776070B1 (ko) | 2007-11-16 |
EP1267708A4 (en) | 2006-04-12 |
PL198154B1 (pl) | 2008-05-30 |
CN100448392C (zh) | 2009-01-07 |
US7874985B2 (en) | 2011-01-25 |
JP2003528330A (ja) | 2003-09-24 |
RU2283495C2 (ru) | 2006-09-10 |
US20120004512A1 (en) | 2012-01-05 |
KR20020092405A (ko) | 2002-12-11 |
WO2001072208A3 (en) | 2002-03-07 |
PL357511A1 (en) | 2004-07-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
AU2001251046B2 (en) | Method, system, and computer program product for the evaluation of glycemic control in diabetes from self-monitoring data | |
US20210100515A1 (en) | Analysis of glucose median, variability, and hypoglycemia risk for therapy guidance | |
AU2001251046A1 (en) | Method, system, and computer program product for the evaluation of glycemic control in diabetes from self-monitoring data | |
US10019554B2 (en) | Glycemic risk determination based on variability of glucose | |
US7824333B2 (en) | Diabetes management methods and systems | |
US11355238B2 (en) | Method, system and computer program product for evaluation of blood glucose variability in diabetes from self-monitoring data | |
US9317657B2 (en) | Method, system, and computer program product for tracking of blood glucose variability in diabetes | |
CA2615575C (en) | Systems, methods and computer program products for recognition of patterns of hyperglycemia in a user | |
JP5830466B2 (ja) | 所定の将来の期間内における患者の低血糖現象の発生の可能性を観測するための方法、そのためのシステム及びそのためのコンピュータで実行させるためのプログラム | |
EP3642789A1 (en) | Method and system for monitoring a diabetes treatment plan |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
FG | Grant or registration |