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 PDFInfo
- 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
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
- G16Z—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
- G16Z99/00—Subject matter not provided for in other main groups of this subclass
-
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2800/00—Detection or diagnosis of diseases
- G01N2800/04—Endocrine or metabolic disorders
- G01N2800/042—Disorders 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
где LR1=max (rl(x1 i),rl(x2 i),...,rl(xn i)) и
HR1=max (rh(x1 i),rh(x2 i),...,rh(xn i)) для дня № i; i=1,2,...M;
x1 M, x2 M, ... xn M - 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).
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).
13. Способ по п.12, где
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.
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
где LR1=max(rl(x1 i),rl(x2 i),...,rl(xn i)) и
HR1=max (rh(x1 i),rh(x2 i),...,rh(xn i)) для дня № i; i=1,2,...M;
x1 M, x2 M, ... xn M - 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).
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).
31. Система по п.30, где
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.
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.
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)
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)
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)
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 |
-
2010
- 2010-09-02 CA CA2772663A patent/CA2772663A1/en not_active Abandoned
- 2010-09-02 CN CN2010800497315A patent/CN102770761A/zh active Pending
- 2010-09-02 RU RU2012112589/15A patent/RU2012112589A/ru unknown
- 2010-09-02 JP JP2012528055A patent/JP5830466B2/ja active Active
- 2010-09-02 BR BR112012004834A patent/BR112012004834A2/pt not_active IP Right Cessation
- 2010-09-02 US US13/394,091 patent/US10431342B2/en active Active
- 2010-09-02 WO PCT/US2010/047711 patent/WO2011028925A1/en active Application Filing
- 2010-09-02 EP EP10814507.9A patent/EP2473845A4/en not_active Withdrawn
-
2019
- 2019-09-30 US US16/588,881 patent/US20200066410A1/en active Pending
Cited By (1)
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 |