RU2012112589A - Отслеживание вероятности приближающейся гипогликемии при диабете на основе данных самостоятельного контроля глюкозы в крови - Google Patents

Отслеживание вероятности приближающейся гипогликемии при диабете на основе данных самостоятельного контроля глюкозы в крови Download PDF

Info

Publication number
RU2012112589A
RU2012112589A RU2012112589/15A RU2012112589A RU2012112589A RU 2012112589 A RU2012112589 A RU 2012112589A RU 2012112589/15 A RU2012112589/15 A RU 2012112589/15A RU 2012112589 A RU2012112589 A RU 2012112589A RU 2012112589 A RU2012112589 A RU 2012112589A
Authority
RU
Russia
Prior art keywords
smbg
patient
specified
blood glucose
hypoglycemia
Prior art date
Application number
RU2012112589/15A
Other languages
English (en)
Inventor
Борис П. КОВАЧЕВ
Марк Д. БРЕТОН
Original Assignee
Юниверсити Оф Вирджиния Пэйтент Фаундейшн
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Юниверсити Оф Вирджиния Пэйтент Фаундейшн filed Critical Юниверсити Оф Вирджиния Пэйтент Фаундейшн
Publication of RU2012112589A publication Critical patent/RU2012112589A/ru

Links

Classifications

    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/50ICT 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
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16ZINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
    • G16Z99/00Subject matter not provided for in other main groups of this subclass
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/0002Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2800/00Detection or diagnosis of diseases
    • G01N2800/04Endocrine or metabolic disorders
    • G01N2800/042Disorders of carbohydrate metabolism, e.g. diabetes, glucose metabolism

Landscapes

  • Medical Informatics (AREA)
  • Engineering & Computer Science (AREA)
  • Public Health (AREA)
  • Health & Medical Sciences (AREA)
  • Pathology (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Biomedical Technology (AREA)
  • Epidemiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Medical Treatment And Welfare Office Work (AREA)
  • Investigating Or Analysing Biological Materials (AREA)

Abstract

1. Способ контроля вероятности возникновения случая гипогликемии у пациента с предопределенным предстоящим периодом времени, включающий в себя:создание в процессоре двумерного распределения, которое отображает вероятность предстоящей гипогликемии совместно со значениями функции измерения гипогликемической изменчивости и функции, измеряющий низкий уровень глюкозы в крови (BG), каждая из указанных функций основана на показаниях самоконтроля глюкозы в крови (SMBG), полученных от пациента;оптимизацию в указанном процессоре двумерного распределения для достижения предсказания предопределенного процента гипогликемических случаев ниже предопределенного значения BG, возникающих в предопределенный период в будущем;отслеживание в указанном процессоре оптимизированного распределения во времени с использованием рутинных показаний SMBG пациента ивывод через процессор сообщения указанному пациенту, когда указанное оптимизированное распределение указывает на определенную вероятность возникновения гипогликемического случая в течение указанного периода времени в будущем, на основе данных SMBG, полученных от указанного пациента.2. Способ по п.1, в котором функцией, измеряющей гликемическую изменчивость, является среднесуточный диапазон рисков (ADRR).3. Способ по п.2, гдегде LR=max (rl(x ),rl(x ),...,rl(x )) иHR=max (rh(x ),rh(x ),...,rh(x )) для дня № i;;x , x , ... x - это набор nпоказаний SMBG (BG), полученных в день M;rl(BG)=r(BG), если f(BG)<0, и 0 в противном случае;rh(BG)=r(BG), если f(BG)>0, и 0 в противном случае;r(BG)=10f(BG);f(BG,α,β)=[(lnBG))-β], α, β>0.4. Способ по п.1, где функцией, измеряющей низкий уровень глюкозы в крови, является индекс низкого уровня глюкозы в крови (LBGI).5. Способ

Claims (43)

1. Способ контроля вероятности возникновения случая гипогликемии у пациента с предопределенным предстоящим периодом времени, включающий в себя:
создание в процессоре двумерного распределения, которое отображает вероятность предстоящей гипогликемии совместно со значениями функции измерения гипогликемической изменчивости и функции, измеряющий низкий уровень глюкозы в крови (BG), каждая из указанных функций основана на показаниях самоконтроля глюкозы в крови (SMBG), полученных от пациента;
оптимизацию в указанном процессоре двумерного распределения для достижения предсказания предопределенного процента гипогликемических случаев ниже предопределенного значения BG, возникающих в предопределенный период в будущем;
отслеживание в указанном процессоре оптимизированного распределения во времени с использованием рутинных показаний SMBG пациента и
вывод через процессор сообщения указанному пациенту, когда указанное оптимизированное распределение указывает на определенную вероятность возникновения гипогликемического случая в течение указанного периода времени в будущем, на основе данных SMBG, полученных от указанного пациента.
2. Способ по п.1, в котором функцией, измеряющей гликемическую изменчивость, является среднесуточный диапазон рисков (ADRR).
3. Способ по п.2, где
Figure 00000001
где LR1=max (rl(x1i),rl(x2i),...,rl(xni)) и
HR1=max (rh(x1i),rh(x2i),...,rh(xni)) для дня № i; i=1,2,...M;
x1M, x2M, ... xnM - это набор nM показаний SMBG (BG), полученных в день M;
rl(BG)=r(BG), если f(BG)<0, и 0 в противном случае;
rh(BG)=r(BG), если f(BG)>0, и 0 в противном случае;
r(BG)=10f(BG)2;
f(BG,α,β)=[(lnBG))α-β], α, β>0.
4. Способ по п.1, где функцией, измеряющей низкий уровень глюкозы в крови, является индекс низкого уровня глюкозы в крови (LBGI).
5. Способ по п.4, где
Figure 00000002
где x1M, x2M, ... xnM - это набор nM показаний SMBG (BG), полученных в день M;
rl(BG)=r(BG), если f(BG)<0, и 0 в противном случае;
r(BG)=10f(BG)2;
f(BG,α,β)=[(lnBG))α-β], α,β>0.
6. Способ по п.1, где указанная оптимизация включает в себя определение пороговых значений указанных функций, которые являются эффективными для предсказания предопределенного минимального процента всех возникновений случаев гипогликемии у указанного пациента.
7. Способ по п.6, где указанный процент составляет 50%.
8. Способ по п.6, где случай гипогликемии определяют как BG≤50 мг/дл.
9. Способ по п.6, где указанный предопределенный период времени в будущем представляет собой последующий 24-часовой период времени.
10. Способ по п.3, где функцией, измеряющей низкий уровень глюкозы в крови, является индекс низкого уровня глюкозы в крови (LBGI).
11. Способ по п.10, где
Figure 00000002
где x1M, x2M, ... xnM - это набор nM показаний SMBG (BG), полученных в день M;
rl(BG)=r(BG), если f(BG)<0, и 0 в противном случае;
r(BG)=10f(BG)2;
f(BG,α,β)=[(lnBG))α-β], α,β>0.
12. Способ по п.11, где вероятность Р предстоящей гипогликемии задается формулой
Figure 00000003
Figure 00000004
Figure 00000005
13. Способ по п.12, где
α a=15,1 Диапазон: [5, 20] β a=3,13 Диапазон: [1, 5] α b=116 Диапазон: [50, 150] β b=-5,66 Диапазон: [-10, 0] αс=2,9 Диапазон: [1, 5] βс=1 Диапазон: [1, 5] δc=2,35 Диапазон: [1, 10] γc=3,76 Диапазон: [1, 5]
14. Способ по п.13, где указанное отображение основано на результатах обучающей выборки, полученной из популяции пациентов, имеющих диабет 1-го типа.
15. Способ по п.14, где указанное отображение координирует пары значений {LBGI,ADRR} с вероятностью гипогликемии, определяемой как BG≤50 мг/дл, в последующие 24 ч.
16. Способ по п.15, где LBGI вычисляют на основании показаний SMBG за предыдущие 48 ч.
17. Способ по п.16, где ADRR вычисляют на основании показаний SMBG за предыдущие 14 дней.
18. Способ по п.17, где наличие флага инициирует вывод указанного сообщения и где
ф л а г = { 1, е с л и A D R R > x и L B G I > y ; 0 в п р о т и в н о м с л у ч а е ,
Figure 00000006
где x и y - предопределенные значения.
19. Система для контроля вероятности возникновения гипогликемического события у пациента в течение предопределенного периода времени в будущем, включающая в себя:
процессор;
носитель данных;
двумерное распределение, хранящееся на указанном носителе данных, которое отображает вероятность предстоящей гипогликемии совместно со значениями функции, измеряющей гипогликемическую изменчивость, и функцию, измеряющую низкий уровень глюкозы в крови (BG), каждая из указанных функций основана на показаниях самоконтроля глюкозы крови (BG), полученных от пациента, где указанное двумерное распределение позволяет предсказать предопределенный процент случаев гипогликемии ниже предопределенного значения BG в течение предопределенного периода времени в будущем;
указанный процессор выполнен с возможностью отслеживать оптимизированное распределение во времени с использованием рутинных показаний SMBG пациента и
указанный процессор выполнен с возможностью вывода сообщения указанному пациенту, когда указанное оптимизированное распределение указывает на определенную вероятность возникновения гипогликемического случая в течение указанного предопределенного периода времени в будущем, на основе данных SMBG, полученных от указанного пациента.
20. Система по п.19, где функцией, измеряющей гликемическую изменчивость, является среднесуточный диапазон рисков (ADRR).
21. Система по п.20, где
Figure 00000001
где LR1=max(rl(x1i),rl(x2i),...,rl(xni)) и
HR1=max (rh(x1i),rh(x2i),...,rh(xni)) для дня № i; i=1,2,...M;
x1M, x2M, ... xnM - набор nM показаний SMBG (BG), полученных в день M;
rl(BG)=r(BG), если f(BG)<0, и 0 в противном случае;
rh(BG)=r(BG), если f(BG)>0, и 0 в противном случае;
r(BG)=10f(BG)2;
f(BG,α,β)=[(ln(BG))α-β], α,β>0.
22. Система по п.19, где функцией, измеряющей низкий уровень глюкозы в крови, является Индекс низкого уровня глюкозы в крови (LBGI).
23. Система по п.22, где
Figure 00000002
где x1M, x2M, ... xnM - это набор nM показаний SMBG (BG), полученных в день M;
rl(BG)=r(BG), если f(BG)<0, и 0 в противном случае;
r(BG)=10f(BG)2;
f(BG,α,β)=[(ln(BG))α-β], α,β>0.
24. Система по п.19, где указанная оптимизация включает в себя определение пороговых значений указанных функций, которые являются эффективными для предсказания предопределенного минимального процента всех возникновений случаев гипогликемии у указанного пациента.
25. Система по п.24, где указанный процент составляет 50%.
26. Система по п.24, где случай гипогликемии определяют как BG≤50 мг/дл.
27. Система по п.24, где указанный предопределенный период времени в будущем представляет собой последующий 24-часовой период времени.
28. Система по п.21, где функцией, измеряющей низкий уровень глюкозы в крови, является Индекс низкого уровня глюкозы в крови (LBGI).
29. Система по п.28, где
Figure 00000002
где x1M, x2M, ... xnM - это набор nM показаний SMBG (BG), полученных в день M;
rl(BG)=r(BG), если f(BG)<0, и 0 в противном случае;
r(BG)=10f(BG)2;
f(BG,α,β)=[(ln(BG))α-β], α,β>0.
30. Система по п.29, где вероятность Р предстоящей гипогликемии задается формулой
Figure 00000003
Figure 00000004
Figure 00000005
31. Система по п.30, где
αα=15,1 Диапазон: [5, 20] βa=3,13 Диапазон: [1, 5] αb=116 Диапазон: [50, 150] βb=-5,66 Диапазон: [-10, 0] αc=2,9 Диапазон: [1, 5] βс=1 Диапазон: [1, 5] δc=2,35 Диапазон: [1, 10] γc=3,76 Диапазон: [1, 5]
32. Система по п.31, где указанное отображение основано на результатах обучающей выборки, полученной на популяции пациентов, имеющих диабет 1-го типа.
33. Система по п.32, где указанное отображение отображает пары координат {LBGI,ADRR} на вероятность гипогликемии, определяемой как BG≤50 мг/дл, в последующие 24 ч.
34. Система по п.33, где LBGI вычисляют на основе показаний SMBG в предыдущие 48 ч.
35. Система по п.34, где ADRR вычисляют на основе показаний SMBG в предыдущие 14 дней.
36. Система по п.35, где наличие флага запускает вывод указанного сообщения, и где
ф л а г = { 1, е с л и A D R R > x и L B G I > y ; 0 в п р о т и в н о м с л у ч а е ,
Figure 00000006
где x и y - предопределенные значения.
37. Способ по п.1, в котором данные SMBG, полученные от указанного пациента, являются отдельными показаниями SMBG.
38. Способ по п.1, в котором данные SMBG, полученные от указанного пациента, являются всеми данными SMBG, собранными от пациента в предопределенном цикле.
39. Система по п.19, где данные SMBG, полученные от указанного пациента, являются отдельными показаниями SMBG.
40. Система по п.19, где данные SMBG, полученные от указанного пациента, являются всеми данными SMBG, собранными от пациента в предопределенном цикле.
41. Компьютерный программный продукт, включающий в себя неизменяемый читаемый компьютером носитель данных, содержащий выполняемые компьютером инструкции для контроля вероятности возникновения случая гипогликемии у пациента в течение предопределенного периода времени в будущем, указанные инструкции заставляют компьютер:
создавать двумерное распределение на указанном носителе данных, которое отображает вероятность предстоящей гипогликемии совместно со значениями функции, измеряющей гипогликемическую изменчивость, и функцию, измеряющую низкий уровень глюкозы в крови (BG), каждая из указанных функций основана на показаниях самоконтроля глюкозы крови (BG), полученных от пациента, где указанное двумерное распределение позволяет предсказать предопределенный процент случаев гипогликемии ниже предопределенного значения BG в течение предопределенного периода времени в будущем;
отслеживать оптимизированное распределение во времени с использованием рутинных показаний SMBG пациента и
выводить сообщение указанному пациенту, когда указанное оптимизированное распределение указывает на определенную вероятность возникновения гипогликемического случая в течение указанного периода времени в будущем, на основе данных SMBG, полученных от указанного пациента.
42. Компьютерный программный продукт по п.41, где данные SMBG, полученные от указанного пациента, являются отдельными показаниями SMBG.
43. Компьютерный программный продукт по п.41, где данными SMBG, полученными от указанного пациента, являются все данные SMBG, собранные от пациента в предопределенном цикле.
RU2012112589/15A 2009-09-02 2010-09-02 Отслеживание вероятности приближающейся гипогликемии при диабете на основе данных самостоятельного контроля глюкозы в крови RU2012112589A (ru)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US23929109P 2009-09-02 2009-09-02
US61/239,291 2009-09-02
PCT/US2010/047711 WO2011028925A1 (en) 2009-09-02 2010-09-02 Tracking the probability for imminent hypoglycemia in diabetes from self-monitoring blood glucose (smbg) data

Publications (1)

Publication Number Publication Date
RU2012112589A true RU2012112589A (ru) 2013-10-10

Family

ID=43649644

Family Applications (1)

Application Number Title Priority Date Filing Date
RU2012112589/15A RU2012112589A (ru) 2009-09-02 2010-09-02 Отслеживание вероятности приближающейся гипогликемии при диабете на основе данных самостоятельного контроля глюкозы в крови

Country Status (8)

Country Link
US (2) US10431342B2 (ru)
EP (1) EP2473845A4 (ru)
JP (1) JP5830466B2 (ru)
CN (1) CN102770761A (ru)
BR (1) BR112012004834A2 (ru)
CA (1) CA2772663A1 (ru)
RU (1) RU2012112589A (ru)
WO (1) WO2011028925A1 (ru)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2826427C2 (ru) * 2018-11-07 2024-09-10 Ф. Хоффманн-Ля Рош Аг Способ и система для определения вероятности нахождения значения глюкозы в крови для пациента в неблагоприятном диапазоне во время прогнозирования

Families Citing this family (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2636174C (en) * 2006-01-05 2022-07-05 University Of Virginia Patent Foundation Method, system and computer program product for evaluation of blood glucose variability in diabetes from self-monitoring data
US20120292367A1 (en) 2006-01-31 2012-11-22 Ethicon Endo-Surgery, Inc. Robotically-controlled end effector
CN102596307B (zh) * 2009-09-01 2015-09-09 弗吉尼亚大学专利基金会 利用名义开环特性在糖尿病中进行胰岛素输送调节(aid)的系统、方法和计算机程序产品
EP2545185B1 (en) * 2010-03-11 2022-07-06 University Of Virginia Patent Foundation Method and system for the safety, analysis and supervision of insulin pump action and other modes of insulin delivery in diabetes
US11798685B2 (en) * 2012-05-15 2023-10-24 James M. Minor Diagnostic methods and devices for controlling acute glycemia
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
US10463282B2 (en) * 2012-10-04 2019-11-05 Roche Diabetes Care, Inc. System and method for assessing risk associated with a glucose state
US9486578B2 (en) 2012-12-07 2016-11-08 Animas Corporation Method and system for tuning a closed-loop controller for an artificial pancreas
US9907909B2 (en) 2012-12-20 2018-03-06 Animas Corporation Method and system for a hybrid control-to-target and control-to-range model predictive control of an artificial pancreas
US20150095042A1 (en) * 2013-09-27 2015-04-02 Roche Diagnostics Operations, Inc. High/low blood glucose risk assessment systems and methods
JP6253934B2 (ja) * 2013-09-27 2017-12-27 テルモ株式会社 成分測定装置、成分測定システム、医療機器及びプログラム
RU2675048C9 (ru) * 2014-03-14 2019-02-25 Конинклейке Филипс Н.В. Оптимизация установочных значений сигнализации для консультаций на основе сигнализации с использованием ее обновления
AU2015301454A1 (en) 2014-08-14 2017-03-09 University Of Virginia Patent Foundation Improved accuracy continuous glucose monitoring method, system, and device
WO2016133879A1 (en) * 2015-02-16 2016-08-25 University Of Virginia Patent Foundation Method, system and computer readable medium for assessing actionable glycemic risk
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
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
US11450432B2 (en) * 2016-08-02 2022-09-20 Malecare, Inc. Predictive and interactive diagnostic system
CN109863560B (zh) * 2016-08-25 2023-11-17 诺和诺德股份有限公司 基础胰岛素滴定的起始工具包
US11195607B2 (en) 2016-11-29 2021-12-07 Novo Nordisk A/S Starter kit for basal rate titration
WO2019246511A1 (en) * 2018-06-22 2019-12-26 Sanofi Predicting rates of hypoglycemia by a machine learning system

Family Cites Families (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
US20040235950A1 (en) * 1999-05-20 2004-11-25 Voorhees John J. Compositions and methods for use against acne-induced inflammation and dermal matrix-degrading enzymes
US6923763B1 (en) * 1999-08-23 2005-08-02 University Of Virginia Patent Foundation Method and apparatus for predicting the risk of hypoglycemia
RU2283495C2 (ru) * 2000-03-29 2006-09-10 Юниверсити Оф Вирджиния Пэйтент Фаундейшн Способ, система и программный продукт для оценки контроля гликемии при диабете
ES2304394T3 (es) * 2000-08-18 2008-10-16 Animas Technologies Llc Dispositivo para la prediccion de eventos hipoglucemicos.
JP5072182B2 (ja) * 2002-08-13 2012-11-14 ユニヴァースティ オブ ヴァージニア パテント ファウンデイション 糖尿病自己管理を推進するための自己モニタリング血糖(smbg)データを処理するための方法、システムおよびコンピュータ・プログラム・プロダクト
NZ520900A (en) * 2002-08-21 2005-03-24 New Zealand Post Ltd A stand for mail sorting and other applications
US7404796B2 (en) 2004-03-01 2008-07-29 Becton Dickinson And Company System for determining insulin dose using carbohydrate to insulin ratio and insulin sensitivity factor
US7778680B2 (en) 2003-08-01 2010-08-17 Dexcom, Inc. System and methods for processing analyte sensor data
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
EP2259057B1 (en) * 2004-06-03 2016-01-27 Medtronic MiniMed, Inc. System for monitoring physiological characteristics according to the user biological state
US7502644B2 (en) 2005-01-25 2009-03-10 Pacesetter, Inc. System and method for distinguishing among cardiac ischemia, hypoglycemia and hyperglycemia using an implantable medical device
US7590443B2 (en) 2005-04-27 2009-09-15 Pacesetter, Inc System and method for detecting hypoglycemia based on a paced depolarization integral using an implantable medical device
CA2636174C (en) * 2006-01-05 2022-07-05 University Of Virginia Patent Foundation Method, system and computer program product for evaluation of blood glucose variability in diabetes from self-monitoring data
US8979753B2 (en) 2006-05-31 2015-03-17 University Of Rochester Identifying risk of a medical event
US20080000968A1 (en) * 2006-06-30 2008-01-03 Robert Thomas Cato Rotating Light Beam/Distance Meter Based Location Determining System
US20080154513A1 (en) * 2006-12-21 2008-06-26 University Of Virginia Patent Foundation Systems, Methods and Computer Program Codes for Recognition of Patterns of Hyperglycemia and Hypoglycemia, Increased Glucose Variability, and Ineffective Self-Monitoring in Diabetes
US8758245B2 (en) 2007-03-20 2014-06-24 Lifescan, Inc. Systems and methods for pattern recognition in diabetes management
US20080294024A1 (en) * 2007-05-24 2008-11-27 Cosentino Daniel L Glucose meter system and monitor
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
CA2691826A1 (en) 2007-07-09 2009-01-15 University Of Virginia Patent Foundation Method, system and computer program product for evaluation of insulin sensitivity, insulin/carbohydrate ratio, and insulin correction factors in diabetes from self-monitoring data
US8924159B2 (en) * 2008-05-30 2014-12-30 Abbott Diabetes Care Inc. Method and apparatus for providing glycemic control
WO2010114929A1 (en) * 2009-03-31 2010-10-07 Abbott Diabetes Care Inc. Overnight closed-loop insulin delivery with model predictive control and glucose measurement error model

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2826427C2 (ru) * 2018-11-07 2024-09-10 Ф. Хоффманн-Ля Рош Аг Способ и система для определения вероятности нахождения значения глюкозы в крови для пациента в неблагоприятном диапазоне во время прогнозирования

Also Published As

Publication number Publication date
US20120191361A1 (en) 2012-07-26
BR112012004834A2 (pt) 2018-03-13
EP2473845A1 (en) 2012-07-11
WO2011028925A1 (en) 2011-03-10
JP5830466B2 (ja) 2015-12-09
US20200066410A1 (en) 2020-02-27
JP2013503712A (ja) 2013-02-04
US10431342B2 (en) 2019-10-01
CN102770761A (zh) 2012-11-07
CA2772663A1 (en) 2011-03-10
EP2473845A4 (en) 2014-04-30

Similar Documents

Publication Publication Date Title
RU2012112589A (ru) Отслеживание вероятности приближающейся гипогликемии при диабете на основе данных самостоятельного контроля глюкозы в крови
US10842419B2 (en) Method, system and computer program product for CGM-based prevention of hypoglycemia via hypoglycemia risk assessment and smooth reduction insulin delivery
Yu et al. Continuous glucose monitoring effects on maternal glycemic control and pregnancy outcomes in patients with gestational diabetes mellitus: a prospective cohort study
El-Laboudi et al. Measures of glycemic variability in type 1 diabetes and the effect of real-time continuous glucose monitoring
EP2369980B1 (en) METHOD and SYSTEM FOR TRACKING OF BLOOD GLUCOSE VARIABILITY IN DIABETES
US20120004512A1 (en) Method, System, and Computer Program Product For The Evaluation of Glycemic Control in Diabetes From Self-Monitoring Data
US20150012223A1 (en) Reminder, classification, and pattern identification systems and methods for handheld diabetes management devices
Maslowsky et al. Health behaviors and prenatal health conditions in repeat vs first-time teenage mothers in the United States: 2015-2018
EP3048973A1 (en) High/low blood glucose risk assessment systems and methods
WO2024069338A1 (en) Predication of a headache
Muñoz et al. The different methods of assessing glycemic variability, quality of glycemic control and glycemic risk cannot be interpreted as equivalent in clinical practice
Ha et al. Aggression in pigtailed macaque (Macaca nemestrina) breeding groups affects pregnancy outcome
Jagła et al. Defining glycemic variability in very low-birthweight infants: Data from a continuous glucose monitoring system
US20190252055A1 (en) System and method for physical activity informed drug dosing
Rosinha et al. Hyperglycemia in hospitalized patients of a tertiary care hospital: prevalence and treatment in two cross-sectional evaluations (2011-2020)
Iino et al. Blood pressure during pregnancy is a useful predictive maker for hypertension and dyslipidemia later in life, a population-based, cross-sectional study
US20210125693A1 (en) Health management support device, method, and non-transitory recording medium storing program
Adams et al. Integrated care for pregnant women with type one diabetes using wearable technology
US20210174966A1 (en) Predicting and preventing hypoglycemia in patients having type 1 diabetes during periods of incognizance using big data analytics and decision theoretic analysis
US20210391052A1 (en) Detecting meal ingestion or missed bolus
Brailey et al. Improving the identification of bone‐specific physical activity using wrist‐worn accelerometry: A cross‐sectional study in 11–12‐year‐old Australian children
Sternad et al. Performance of intermittently scanned continuous glucose monitoring systems in people with type 1 diabetes: A pooled analysis
Ortiz-Zúñiga et al. Impact in real-world of intermittent-scanned continuous glucose monitoring with alarms on hypoglycemia and its recognition in type 1 diabetes
Rhee et al. Trends in Digital Health for Diabetes
Tyler Artificial Intelligence and Physiologic Models for the Management of Type 1 Diabetes