RU2012105948A - Устройство и способ генерирования индикации состояния - Google Patents
Устройство и способ генерирования индикации состояния Download PDFInfo
- Publication number
- RU2012105948A RU2012105948A RU2012105948/14A RU2012105948A RU2012105948A RU 2012105948 A RU2012105948 A RU 2012105948A RU 2012105948/14 A RU2012105948/14 A RU 2012105948/14A RU 2012105948 A RU2012105948 A RU 2012105948A RU 2012105948 A RU2012105948 A RU 2012105948A
- Authority
- RU
- Russia
- Prior art keywords
- function
- data values
- change
- values
- time
- 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
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/10—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients
-
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4836—Diagnosis combined with treatment in closed-loop systems or methods
- A61B5/4839—Diagnosis combined with treatment in closed-loop systems or methods combined with drug delivery
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7253—Details of waveform analysis characterised by using transforms
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7271—Specific aspects of physiological measurement analysis
- A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient ; user input means
- A61B5/746—Alarms related to a physiological condition, e.g. details of setting alarm thresholds or avoiding false alarms
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M5/00—Devices for bringing media into the body in a subcutaneous, intra-vascular or intramuscular way; Accessories therefor, e.g. filling or cleaning devices, arm-rests
- A61M5/14—Infusion devices, e.g. infusing by gravity; Blood infusion; Accessories therefor
- A61M5/168—Means for controlling media flow to the body or for metering media to the body, e.g. drip meters, counters ; Monitoring media flow to the body
- A61M5/172—Means for controlling media flow to the body or for metering media to the body, e.g. drip meters, counters ; Monitoring media flow to the body electrical or electronic
- A61M5/1723—Means for controlling media flow to the body or for metering media to the body, e.g. drip meters, counters ; Monitoring media flow to the body electrical or electronic using feedback of body parameters, e.g. blood-sugar, pressure
-
- 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
- G16H40/63—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 local operation
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M2230/00—Measuring parameters of the user
- A61M2230/005—Parameter used as control input for the apparatus
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M2230/00—Measuring parameters of the user
- A61M2230/20—Blood composition characteristics
- A61M2230/201—Glucose concentration
-
- 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)
- Medical Informatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Pathology (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Physics & Mathematics (AREA)
- Veterinary Medicine (AREA)
- Heart & Thoracic Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Medicinal Chemistry (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Chemical & Material Sciences (AREA)
- Physiology (AREA)
- Pharmacology & Pharmacy (AREA)
- Emergency Medicine (AREA)
- Optics & Photonics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- General Business, Economics & Management (AREA)
- Business, Economics & Management (AREA)
- Vascular Medicine (AREA)
- Diabetes (AREA)
- Anesthesiology (AREA)
- Hematology (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Investigating Or Analysing Biological Materials (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Complex Calculations (AREA)
Abstract
1. Генератор индикации состояния, использующий временную последовательность значений данных, каждое из которых представляет физиологический параметр состояния субъекта в момент времени, характеризующийся тем, что он содержит преобразователь (132) последовательных во времени значений данных в трансформированную последовательность значений данных в соответствии с алгоритмом преобразования, согласно которому определенная характеристика физиологического показателя в динамике имеет большую линейность, чем поведение соответствующей характеристики до преобразования; вычислитель (135) прогнозируемой скорости изменения трансформированной последовательности значений данных; и процессор (137) ожидаемой скорости изменения переменной, генерирующий на выходе индикацию состояния.2. Генератор по п.1, характеризующийся тем, что процессор (137) предназначен для генерирования графической, звуковой или тактильной сигнализации прогнозируемой скорости изменения переменной величины или для генерации электрического, магнитного или электромагнитного сигнала, оповещающего о прогнозируемой скорости изменения такой переменной.3. Генератор по п.1, характеризующийся тем, что он выполнен с возможностью преобразования последовательности значений данных таким образом, что преобразованная последовательность содержит трансформированное значение для текущего момента времени, при этом процессор (137) в составе устройства предусматривает возможность расчета предсказания (137d) значения данных в один из последующих моментов времени, исходя из оцененной скорости изменения переменной, при этом процессор (137) реализован с возможностью
Claims (19)
1. Генератор индикации состояния, использующий временную последовательность значений данных, каждое из которых представляет физиологический параметр состояния субъекта в момент времени, характеризующийся тем, что он содержит преобразователь (132) последовательных во времени значений данных в трансформированную последовательность значений данных в соответствии с алгоритмом преобразования, согласно которому определенная характеристика физиологического показателя в динамике имеет большую линейность, чем поведение соответствующей характеристики до преобразования; вычислитель (135) прогнозируемой скорости изменения трансформированной последовательности значений данных; и процессор (137) ожидаемой скорости изменения переменной, генерирующий на выходе индикацию состояния.
2. Генератор по п.1, характеризующийся тем, что процессор (137) предназначен для генерирования графической, звуковой или тактильной сигнализации прогнозируемой скорости изменения переменной величины или для генерации электрического, магнитного или электромагнитного сигнала, оповещающего о прогнозируемой скорости изменения такой переменной.
3. Генератор по п.1, характеризующийся тем, что он выполнен с возможностью преобразования последовательности значений данных таким образом, что преобразованная последовательность содержит трансформированное значение для текущего момента времени, при этом процессор (137) в составе устройства предусматривает возможность расчета предсказания (137d) значения данных в один из последующих моментов времени, исходя из оцененной скорости изменения переменной, при этом процессор (137) реализован с возможностью определения (137е), превышает ли предсказанное значение данных верхний порог срабатывания сигнализации, или находится ниже нижнего порога срабатывания сигнализации, и при этом процессор (137) выполнен с возможностью генерировать визуальную, аудио, тактильную, механическую, электрическую или магнитную индикацию.
4. Генератор по п.1, характеризующийся тем, что преобразователь (132) оснащен памятью (84) для хранения алгоритма преобразования в виде параметров для параметрической функции или в виде подстановочной таблицы, в которой нетрансформированным показателям соответствуют преобразованные значения данных.
5. Генератор по п.1, характеризующийся тем, что преобразователь (132) включает в себя вычислитель функции прогнозируемой вероятности для набора значений данных; и вычислитель алгоритма преобразования на основе целевой функции заданного распределения вероятности, которая отличается от функции оцененной вероятности таким образом, что вероятностная функция набора преобразованных значений данных находится ближе к функции задаваемой вероятности, чем к функции оцененной вероятности.
6. Генератор по п.5, характеризующийся тем, что в нем предусмотрен расчет функции ожидаемой вероятности, как функции распределения кумулятивных вероятностей для набора значений данных, и в котором целевая функция заданной вероятности рассчитана как интегральная функция распределения.
7. Генератор по п.6, характеризующийся тем, что целевая кумулятивная функция распределения является линейно возрастающей интегральной функцией распределения, соответствующей постоянной плотности распределения вероятности, означающей такую же вероятность для определенного значения данных в рамках определенной характеристики.
8. Генератор по п.1, характеризующийся тем, что он выполнен с возможностью представления временной последовательности значений данных в виде показателей гликемии, отражающих состояние гликемии у наблюдаемого субъекта в каждый отдельный момент времени.
9. Генератор по п.1, характеризующийся тем, что он выполнен с возможностью записи определенной характеристики в виде протокола показателей такой характеристики (фиг.13а), состоящего из перечня значений, выведенных из средних скоростей изменения такой характеристики в разных интервалах значений диапазона измерений, где каждому численному значению соответствует момент времени, и включающее в свой состав вычислитель скорости изменения переменной величины (135), находящий разность двух трансформированных значений в последовательности трансформированных значений (135а) и частное от деления такой разности на разность времени, рассчитанную (135с) между моментами времени, соответствующие указанным двум трансформированным значениям.
10. Генератор по п.3, характеризующийся тем, что процессор выполнен также с возможностью предсказания значения данных с применением линейной функции, построенной, исходя из одного из значений данных во временной последовательности значений данных и расчетной скорости изменения производной.
11. Генератор по п.10, характеризующийся тем, что в составе которого процессор (137) может вычислять, используя линейную функцию, значение данных, стоящее на заданный интервал времени позже значения данных, определяющего эту линейную функцию (137d), или в составе которого процессор (137) предусматривает возможность вычисления значения более позднего момента времени, когда линейная функции пересечет верхний или нижний порог срабатывания тревожной сигнализации, и предусматривает возможность индикации приближения состояния субъекта к уровню подачи предупреждающего сигнала, исходя из более позднего значения времени (137f).
12. Генератор по п.5, характеризующийся тем, что вычислитель функции ожидаемой вероятности (3а) предусматривает обновление ожидаемой вероятности путем усреднения - для множества областей уровней данных - величин скорости изменения производной, представленных временной последовательностью показателей данных, с целью обновления показателя средней скорости изменения переменной для каждой области значений данных, и в составе которого вычислитель алгоритма преобразования (3b) рассчитывает алгоритм нелинейного преобразования, используя обновленные средние величины скорости изменения производной для областей значений данных, где используется такая же целевая функция вероятности.
13. Генератор по п.12, характеризующийся тем, что вычислитель функции ожидаемой вероятности рассчитывает множество из к нормальных распределений для множества из к областей, где каждая область представляет диапазон значений, и где смежные области перекрывают друг друга таким образом, что для каждой области оценивается гауссово нормальное распределение вероятностей с использованием значений в соответствующих областях; и в составе которого вычислитель функции ожидаемой вероятности рассчитывает веса для каждой области таким образом, что интегральная сумма к взвешенных нормальных плотностей распределения вероятности равна единице.
14. Генератор по п.1, характеризующийся тем, что вычислитель алгоритма преобразования (3b) предназначен для расчета динамики наблюдаемой характеристики в качестве исходного ожидания или в качестве пересчета в ответ на некое событие, обусловившее пересчет, путем выбора (121) из массива измеренных данных по индивиду или по группе индивидов подмножеств данных, содержащих анализируемую характеристику, путем членения (122) всего диапазона значений на множество областей, путем вычисления (123) средней скорости изменения для каждой области, и путем построения (125) кривой динамики поведения наблюдаемой характеристики (140) по средним значениям скорости изменения в соответствующих областях, при этом изменение наблюдаемой характеристики во времени базируется на кривой динамики поведения этой характеристики.
15. Генератор по п.1, характеризующийся тем, что преобразователь (132) включает в себя вычислитель ожидаемой функции характеристики, рассчитывающий прогноз динамики выбранной характеристики (140) и вычислитель целевой функции, выполняющий расчет "эталонной" функции (141) как линейной функции, построенной по двум точкам (142а, 142b) в пределах продолжительности выбранной характеристики (140); а также вычислитель алгоритма преобразования (3b), выполняющий расчет правила трансформации, используя целевую функцию (141) и оценочную (ожидаемую) функцию (140) характеристики таким образом, что трансформированные данные приближены к целевой функции (141) больше, чем к оценочной функции характеристики (140).
16. Генератор по п.1, характеризующийся тем, что наблюдаемой характеристикой является снижение или повышение физиологического показателя.
17. Генератор по п.16, характеризующийся тем, что наблюдаемой характеристикой является повышение или понижение содержания глюкозы в крови (уровня гликемии).
18. Способ генерирования индикации состояния с использованием временной последовательности значений данных, из которых каждое значение данных отражает физиологический показатель состояния субъекта в момент времени, характеризующийся тем, что преобразуют (132) временную последовательность значений данных в трансформированную последовательность значений данных с использованием алгоритма преобразования, в соответствии с которым выбранная характеристика отражает динамику развития физиологического показателя в виде трансформированной последовательности значений данных, имеющей более линейную форму, чем динамика выбранной характеристики до начала выполнения преобразования; вычисляют (135) ожидаемую скорость изменения для трансформированной последовательности значений данных; и обрабатывают (137) оцененную ожидаемую скорость изменения переменной для генерации на выходе индикации состояния.
19. Компьютерная программа, имеющая код программы, для осуществления способа по п.18 при условии выполнения программы на компьютере или с использованием процессора.
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US23269709P | 2009-08-10 | 2009-08-10 | |
US61/232,697 | 2009-08-10 | ||
PCT/EP2010/061638 WO2011018464A1 (en) | 2009-08-10 | 2010-08-10 | Apparatus and method for generating a condition indication |
Publications (1)
Publication Number | Publication Date |
---|---|
RU2012105948A true RU2012105948A (ru) | 2013-09-20 |
Family
ID=42830374
Family Applications (3)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
RU2012105948/14A RU2012105948A (ru) | 2009-08-10 | 2010-08-10 | Устройство и способ генерирования индикации состояния |
RU2012105949/08A RU2012105949A (ru) | 2009-08-10 | 2010-08-10 | Устройство и способ обработки набора значений данных |
RU2012105952/10A RU2012105952A (ru) | 2009-08-10 | 2010-08-10 | Устройство и способ обработки данных гликемии |
Family Applications After (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
RU2012105949/08A RU2012105949A (ru) | 2009-08-10 | 2010-08-10 | Устройство и способ обработки набора значений данных |
RU2012105952/10A RU2012105952A (ru) | 2009-08-10 | 2010-08-10 | Устройство и способ обработки данных гликемии |
Country Status (7)
Country | Link |
---|---|
US (5) | US20120203166A1 (ru) |
EP (3) | EP2465060A1 (ru) |
JP (3) | JP2013501558A (ru) |
CN (3) | CN102576381A (ru) |
CA (3) | CA2770564A1 (ru) |
RU (3) | RU2012105948A (ru) |
WO (3) | WO2011018460A1 (ru) |
Families Citing this family (44)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190357827A1 (en) | 2003-08-01 | 2019-11-28 | Dexcom, Inc. | Analyte sensor |
US8224415B2 (en) | 2009-01-29 | 2012-07-17 | Abbott Diabetes Care Inc. | Method and device for providing offset model based calibration for analyte sensor |
US8219173B2 (en) | 2008-09-30 | 2012-07-10 | Abbott Diabetes Care Inc. | Optimizing analyte sensor calibration |
US7630748B2 (en) | 2006-10-25 | 2009-12-08 | Abbott Diabetes Care Inc. | Method and system for providing analyte monitoring |
US9675290B2 (en) | 2012-10-30 | 2017-06-13 | Abbott Diabetes Care Inc. | Sensitivity calibration of in vivo sensors used to measure analyte concentration |
US8160900B2 (en) | 2007-06-29 | 2012-04-17 | Abbott Diabetes Care Inc. | Analyte monitoring and management device and method to analyze the frequency of user interaction with the device |
US8924159B2 (en) | 2008-05-30 | 2014-12-30 | Abbott Diabetes Care Inc. | Method and apparatus for providing glycemic control |
US8591410B2 (en) | 2008-05-30 | 2013-11-26 | Abbott Diabetes Care Inc. | Method and apparatus for providing glycemic control |
US9801575B2 (en) | 2011-04-15 | 2017-10-31 | Dexcom, Inc. | Advanced analyte sensor calibration and error detection |
US9326707B2 (en) | 2008-11-10 | 2016-05-03 | Abbott Diabetes Care Inc. | Alarm characterization for analyte monitoring devices and systems |
WO2011053881A1 (en) | 2009-10-30 | 2011-05-05 | Abbott Diabetes Care Inc. | Method and apparatus for detecting false hypoglycemic conditions |
US10092229B2 (en) | 2010-06-29 | 2018-10-09 | Abbott Diabetes Care Inc. | Calibration of analyte measurement system |
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 |
US9622691B2 (en) | 2011-10-31 | 2017-04-18 | Abbott Diabetes Care Inc. | Model based variable risk false glucose threshold alarm prevention mechanism |
US8870783B2 (en) * | 2011-11-30 | 2014-10-28 | Covidien Lp | Pulse rate determination using Gaussian kernel smoothing of multiple inter-fiducial pulse periods |
WO2014052136A1 (en) | 2012-09-26 | 2014-04-03 | Abbott Diabetes Care Inc. | Method and apparatus for improving lag correction during in vivo measurement of analyte concentration with analyte concentration variability and range data |
EP2967453B1 (en) * | 2013-03-14 | 2020-05-13 | Becton, Dickinson and Company | Continuous glucose monitoring on-body sensor having a visual display |
US9474475B1 (en) | 2013-03-15 | 2016-10-25 | Abbott Diabetes Care Inc. | Multi-rate analyte sensor data collection with sample rate configurable signal processing |
US10433773B1 (en) | 2013-03-15 | 2019-10-08 | Abbott Diabetes Care Inc. | Noise rejection methods and apparatus for sparsely sampled analyte sensor data |
WO2014152034A1 (en) | 2013-03-15 | 2014-09-25 | Abbott Diabetes Care Inc. | Sensor fault detection using analyte sensor data pattern comparison |
CA2935945A1 (en) * | 2014-01-10 | 2015-07-16 | Ascensia Diabetes Care Holdings Ag | Methods and apparatus for representing blood glucose variation graphically |
EP3125761B1 (en) | 2014-03-30 | 2020-09-30 | Abbott Diabetes Care Inc. | Method and apparatus for determining meal start and peak events in analyte monitoring systems |
EP3210137B1 (en) * | 2014-10-22 | 2021-03-10 | Dexcom, Inc. | User interfaces for continuous glucose monitoring |
CN107408149B (zh) * | 2015-03-06 | 2020-09-15 | 心脏起搏器股份公司 | 用于显示医疗数据的系统和方法 |
US10448898B2 (en) * | 2015-07-14 | 2019-10-22 | Conduent Business Services, Llc | Methods and systems for predicting a health condition of a human subject |
JP5900912B1 (ja) * | 2015-07-24 | 2016-04-06 | メドケア株式会社 | 生体モニタ装置及び生体モニタ用プログラム |
KR101746799B1 (ko) | 2015-11-04 | 2017-06-14 | 주식회사 쏠리드 | 분산 안테나 시스템 |
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 |
US10460074B2 (en) * | 2016-04-05 | 2019-10-29 | Conduent Business Services, Llc | Methods and systems for predicting a health condition of a human subject |
US10929281B1 (en) * | 2016-05-20 | 2021-02-23 | Jpmorgan Chase Bank, N.A. | Systems and methods for testing of data transformations |
WO2018033514A1 (en) | 2016-08-17 | 2018-02-22 | Novo Nordisk A/S | Systems and methods for adjusting a basal/bolus ratio in an insulin regimen |
WO2019014594A1 (en) * | 2017-07-13 | 2019-01-17 | Desborough Lane | MULTI-SCALE DISPLAY OF GLYCEMIA INFORMATION |
EP3438858A1 (en) | 2017-08-02 | 2019-02-06 | Diabeloop | Closed-loop blood glucose control systems and methods |
US11331022B2 (en) | 2017-10-24 | 2022-05-17 | Dexcom, Inc. | Pre-connected analyte sensors |
WO2019083939A1 (en) | 2017-10-24 | 2019-05-02 | Dexcom, Inc. | PRECONNECTED ANALYTE SENSORS |
EP3520686A1 (de) * | 2018-02-01 | 2019-08-07 | Vorwerk & Co. Interholding GmbH | System mit vitaldatensensor |
EP3522173B1 (de) * | 2018-02-01 | 2024-04-03 | Vorwerk & Co. Interholding GmbH | System mit vitaldatensensor und auswertungseinheit |
US10977336B2 (en) * | 2018-06-11 | 2021-04-13 | Andre J. UNGER | System and method of pre-processing discrete datasets for use in machine learning |
US20200043606A1 (en) * | 2018-08-02 | 2020-02-06 | Cnoga Medical Ltd. | System and method for controlling blood glucose using personalized histograms |
JP7282298B2 (ja) * | 2019-07-31 | 2023-05-29 | アークレイ株式会社 | 推定方法及び平均血糖値推定システム |
CN116670774A (zh) * | 2020-10-14 | 2023-08-29 | 弗吉尼亚大学专利基金会 | 改善未通知源血糖波动后血糖反应的闭环控制方法和系统 |
US20220142521A1 (en) * | 2020-11-10 | 2022-05-12 | Ascensia Diabetes Care Holdings Ag | Methods and apparatus for predicting whether and when a hypo/hyper analyte concentration event will occur |
CN113951879B (zh) * | 2021-12-21 | 2022-04-05 | 苏州百孝医疗科技有限公司 | 血糖预测方法和装置、监测血糖水平的系统 |
WO2023249668A1 (en) * | 2022-06-22 | 2023-12-28 | Laxmi Therapeutic Devices, Inc. | System and method for processing glucose data |
Family Cites Families (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
BR9405702A (pt) | 1993-11-01 | 1995-11-28 | Ericsson Telefon Ab L M | Processos para obter um relatório sobre o estado de quadros compreendendo uma mensagem transmitida para determinar a propriedade de quadros para comunicação em um sistema de radiocomunicação e para identificar para qual estaçao móvel uma pluralidade de quadros encadeados está sendo emitida estação base e estação móvel |
US5638816A (en) | 1995-06-07 | 1997-06-17 | Masimo Corporation | Active pulse blood constituent monitoring |
US5743262A (en) | 1995-06-07 | 1998-04-28 | Masimo Corporation | Blood glucose monitoring system |
US7039446B2 (en) | 2001-01-26 | 2006-05-02 | Sensys Medical, Inc. | Indirect measurement of tissue analytes through tissue properties |
US6135966A (en) | 1998-05-01 | 2000-10-24 | Ko; Gary Kam-Yuen | Method and apparatus for non-invasive diagnosis of cardiovascular and related disorders |
US6424847B1 (en) * | 1999-02-25 | 2002-07-23 | Medtronic Minimed, Inc. | Glucose monitor calibration methods |
US6923763B1 (en) * | 1999-08-23 | 2005-08-02 | University Of Virginia Patent Foundation | Method and apparatus for predicting the risk of hypoglycemia |
DE10014348B4 (de) | 2000-03-24 | 2009-03-12 | Immobiliengesellschaft Helmut Fischer Gmbh & Co. Kg | Vorrichtung zur zerstörungsfreien Messung der Dicke dünner Schichten |
EP1267708A4 (en) | 2000-03-29 | 2006-04-12 | Univ Virginia | METHOD, SYSTEM AND COMPUTER PRODUCT IMPROVING THE EXPLOITATION OF GLYCEMIC DATA OBTAINED BY SELF-CONTROL |
JP2004501380A (ja) * | 2000-06-26 | 2004-01-15 | ボストン メディカル テクノロジーズ インコーポレイテッド | グルコース計測システム |
US6594512B2 (en) | 2000-11-21 | 2003-07-15 | Siemens Medical Solutions Usa, Inc. | Method and apparatus for estimating a physiological parameter from a physiological signal |
IL156844A0 (en) | 2001-01-26 | 2004-02-08 | Sensys Medical Inc | Noninvasive measurement of glucose through the optical properties of tissue |
US8260393B2 (en) * | 2003-07-25 | 2012-09-04 | Dexcom, Inc. | Systems and methods for replacing signal data artifacts in a glucose sensor data stream |
AU2003259741B2 (en) | 2002-08-13 | 2008-10-23 | University Of Virginia Patent Foundation | Managing and processing self-monitoring blood glucose |
CN100466965C (zh) * | 2002-08-13 | 2009-03-11 | 弗吉尼亚大学专利基金会 | 用于处理自我监测血糖(smbg)数据从而提高糖尿病患者自我管理的方法、系统和计算机程序产品 |
US8060173B2 (en) * | 2003-08-01 | 2011-11-15 | Dexcom, Inc. | System and methods for processing analyte sensor data |
EP1728468A1 (de) | 2005-06-04 | 2006-12-06 | Roche Diagnostics GmbH | Bewertung von Werten der Blutglucosekonzentration zur Einstellung der Insulindosierung |
CN100515335C (zh) * | 2005-12-23 | 2009-07-22 | 深圳迈瑞生物医疗电子股份有限公司 | 能消除运动干扰的血氧测量方法及其装置 |
CA2667639A1 (en) * | 2006-10-26 | 2008-05-02 | Abbott Diabetes Care Inc. | Method, system and computer program product for real-time detection of sensitivity decline in analyte sensors |
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 |
US7629889B2 (en) * | 2006-12-27 | 2009-12-08 | Cardiac Pacemakers, Inc. | Within-patient algorithm to predict heart failure decompensation |
EP2152895A2 (en) * | 2007-05-11 | 2010-02-17 | Sigmed, Inc. | Non-invasive characterization of a physiological parameter |
CN101488162B (zh) * | 2008-01-17 | 2012-03-21 | 复旦大学 | 一种用于脑电信号自动评估的脑电信号特征提取方法 |
-
2010
- 2010-08-10 EP EP10743103A patent/EP2465060A1/en not_active Withdrawn
- 2010-08-10 JP JP2012524224A patent/JP2013501558A/ja active Pending
- 2010-08-10 RU RU2012105948/14A patent/RU2012105948A/ru not_active Application Discontinuation
- 2010-08-10 CN CN201080045551XA patent/CN102576381A/zh active Pending
- 2010-08-10 JP JP2012524223A patent/JP5427951B2/ja not_active Expired - Fee Related
- 2010-08-10 EP EP10740672A patent/EP2465057A1/en not_active Withdrawn
- 2010-08-10 WO PCT/EP2010/061632 patent/WO2011018460A1/en active Application Filing
- 2010-08-10 CA CA2770564A patent/CA2770564A1/en not_active Abandoned
- 2010-08-10 CN CN2010800455543A patent/CN102549588A/zh active Pending
- 2010-08-10 CA CA2770581A patent/CA2770581A1/en active Pending
- 2010-08-10 WO PCT/EP2010/061638 patent/WO2011018464A1/en active Application Filing
- 2010-08-10 RU RU2012105949/08A patent/RU2012105949A/ru not_active Application Discontinuation
- 2010-08-10 CN CN201080045550.5A patent/CN102549587B/zh not_active Expired - Fee Related
- 2010-08-10 WO PCT/EP2010/061640 patent/WO2011018465A1/en active Application Filing
- 2010-08-10 EP EP10742489A patent/EP2465059A1/en not_active Withdrawn
- 2010-08-10 CA CA2770591A patent/CA2770591A1/en not_active Abandoned
- 2010-08-10 RU RU2012105952/10A patent/RU2012105952A/ru not_active Application Discontinuation
- 2010-08-10 JP JP2012524220A patent/JP5658252B2/ja not_active Expired - Fee Related
-
2012
- 2012-02-10 US US13/370,680 patent/US20120203166A1/en not_active Abandoned
- 2012-02-10 US US13/370,653 patent/US9533097B2/en not_active Expired - Fee Related
- 2012-02-10 US US13/370,699 patent/US9336355B2/en not_active Expired - Fee Related
-
2016
- 2016-03-16 US US15/071,639 patent/US20160193411A1/en not_active Abandoned
- 2016-11-16 US US15/353,708 patent/US20170128023A1/en not_active Abandoned
Also Published As
Publication number | Publication date |
---|---|
WO2011018460A1 (en) | 2011-02-17 |
EP2465059A1 (en) | 2012-06-20 |
US20170128023A1 (en) | 2017-05-11 |
US20160193411A1 (en) | 2016-07-07 |
US9533097B2 (en) | 2017-01-03 |
RU2012105952A (ru) | 2013-09-20 |
JP5658252B2 (ja) | 2015-01-21 |
JP2013501557A (ja) | 2013-01-17 |
EP2465057A1 (en) | 2012-06-20 |
EP2465060A1 (en) | 2012-06-20 |
US20120203166A1 (en) | 2012-08-09 |
US9336355B2 (en) | 2016-05-10 |
US20120209091A1 (en) | 2012-08-16 |
JP5427951B2 (ja) | 2014-02-26 |
WO2011018464A1 (en) | 2011-02-17 |
CN102549588A (zh) | 2012-07-04 |
CA2770564A1 (en) | 2011-02-17 |
WO2011018465A1 (en) | 2011-02-17 |
CA2770591A1 (en) | 2011-02-17 |
CA2770581A1 (en) | 2011-02-17 |
US20120209099A1 (en) | 2012-08-16 |
CN102549587B (zh) | 2016-08-03 |
RU2012105949A (ru) | 2013-09-20 |
JP2013501558A (ja) | 2013-01-17 |
CN102549587A (zh) | 2012-07-04 |
JP2013501989A (ja) | 2013-01-17 |
CN102576381A (zh) | 2012-07-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
RU2012105948A (ru) | Устройство и способ генерирования индикации состояния | |
Rosier et al. | The tipping points and early warning indicators for Pine Island Glacier, West Antarctica | |
US20160239592A1 (en) | Data-driven battery aging model using statistical analysis and artificial intelligence | |
Vanhoucke et al. | An evaluation of the adequacy of project network generators with systematically sampled networks | |
Petković et al. | An appraisal of wind speed distribution prediction by soft computing methodologies: a comparative study | |
Li et al. | Applications of Bayesian methods in wind energy conversion systems | |
CN109800139A (zh) | 服务器健康度分析方法,装置,存储介质及电子设备 | |
CN104950186B (zh) | 雷电预测的方法和装置 | |
Petković | Adaptive neuro-fuzzy approach for estimation of wind speed distribution | |
JP2020527786A (ja) | 感染症クラス分け予測方法および装置、コンピューター装置および可読記憶媒体 | |
JP7052429B2 (ja) | 算出プログラム、算出方法、算出装置、及び表示プログラム | |
Souza et al. | Thermal modeling of power transformers using evolving fuzzy systems | |
US20210048811A1 (en) | Model generation device for life prediction, model generation method for life prediction, and recording medium storing model generation program for life prediction | |
CN113009077A (zh) | 气体检测方法、装置、电子设备和存储介质 | |
CN112036051A (zh) | 磁悬浮系统剩余使用寿命预测方法、装置、设备及介质 | |
Moghadam et al. | Studying the performance of critical slowing down indicators in a biological system with a period-doubling route to chaos | |
Laslett et al. | The effect of aggregation on city sustainability rankings | |
KR20100136021A (ko) | 퍼지 알비에프 신경회로망 알고리즘을 이용한 저압선로의 탄화도전로 신호검출 방법 | |
Su et al. | Local prediction of chaotic time series based on polynomial coefficient autoregressive model | |
KR20220083284A (ko) | 발전소 운전 건전성을 예측하기 위한 계통별 발전량 및 잔여 유효 수명 예측 방법 및 이를 수행하는 시스템 | |
CN116777121A (zh) | 基于大数据的非法用电的稽查方法、存储介质及电子设备 | |
CN109884548B (zh) | 一种基于gasvm-aukf算法的锂电池剩余寿命预测方法 | |
Borys | Long term Hurst memory that does not die at long observation times—deterministic map to describe ion channel activity | |
CN116777281A (zh) | 一种基于arima模型的电力设备质量趋势预测方法及装置 | |
Batabyal et al. | Exploring stationarity and fractality in stock market time-series |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
FA92 | Acknowledgement of application withdrawn (lack of supplementary materials submitted) |
Effective date: 20140203 |