RU2345705C2 - Метаболический контроль, способ и устройство для получения показаний об определяющем здоровье состоянии обследуемого лица - Google Patents
Метаболический контроль, способ и устройство для получения показаний об определяющем здоровье состоянии обследуемого лица Download PDFInfo
- Publication number
- RU2345705C2 RU2345705C2 RU2006134033/14A RU2006134033A RU2345705C2 RU 2345705 C2 RU2345705 C2 RU 2345705C2 RU 2006134033/14 A RU2006134033/14 A RU 2006134033/14A RU 2006134033 A RU2006134033 A RU 2006134033A RU 2345705 C2 RU2345705 C2 RU 2345705C2
- Authority
- RU
- Russia
- Prior art keywords
- sequence
- measurement
- measurements
- quantitative parameter
- change
- Prior art date
Links
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/021—Measuring pressure in heart or blood vessels
-
- 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
- A61B5/22—Ergometry; Measuring muscular strength or the force of a muscular blow
- A61B5/221—Ergometry, e.g. by using bicycle type apparatus
- A61B5/222—Ergometry, e.g. by using bicycle type apparatus combined with detection or measurement of physiological parameters, e.g. heart rate
-
- 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
- A61B5/4866—Evaluating metabolism
-
- 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
- A61B5/7225—Details of analog processing, e.g. isolation amplifier, gain or sensitivity adjustment, filtering, baseline or drift compensation
-
- 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
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
- A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
-
- 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
-
- 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
- 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
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/024—Detecting, measuring or recording pulse rate or heart rate
Abstract
Группа изобретений относится к медицинской технике и предназначено для получения показаний об определяющем здоровье состоянии обследуемого лица. Устройство содержит входной интерфейс, предиктор, фильтр, выходной интерфейс. Входной интерфейс выполнен с возможностью получения исходной последовательности замеров первого биологического количественного параметра и получения исходной последовательности замеров второго биологического количественного параметра. Предиктор предназначен для обеспечения, для некоторого момента времени, для которого не существует замера первого биологического количественного параметра, расчетного значения первого биологического количественного параметра в качестве спрогнозированного замера с использованием замеров второго биологического количественного параметра и, насколько возможно, замеров первого количественного параметра. Фильтр используется для фильтрации последовательности, содержащей замеры первого биологического количественного параметра и, по меньшей мере, один спрогнозированный замер, в результате чего получают фильтрованную последовательность, причем, фильтрованная последовательность содержит полезное изменение и бесполезное изменение, уменьшенное по сравнению с последовательностью до фильтрации; Выходной интерфейс предназначен для вывода изменений, полученных из фильтрованной последовательности в качестве тенденции изменения фильтрованной последовательности, при этом, тенденция изменения характеризует полезное изменение определяющего здоровье состояния обследуемого лица. Предлагаемое изобретение обеспечивает повышение точности интерпретации зашумленных физиологических сигналов путем применения способов низкочастотной фильтрации для извлечения полезного изменения сигнала и удаления бесполезных изменений сигнала, а также то, что данные обоих измерений коррелируют с определяющим здоровье состоянием обследуемого лица. 2 н. и 19 з.п. ф-лы, 23 ил.
Description
Область техники, к которой относится изобретение
Изобретение относится к усовершенствованной интерпретации зашумленных физиологических и биохимических сигналов с применением фильтрации, прогнозирования и анализа тенденций изменения данных пациента и обеспечивает способ и устройство и/или компьютерный программный продукт, которые предназначены для повышения мотивации, совершенствования самоконтроля и самоорганизации пациентов, страдающих диабетом 2 типа или сопутствующими диабету заболеваниями. В соответствии с изобретением контролируется потребление кислорода сердцем и, следовательно, физическое состояние и тренированность и выявляются стимулирующие средства и медикаментозный абузус и психологический и эмоциональный стресс. В соответствии с изобретением предлагается применение безболезненного неинвазивного косвенного показателя измерения глюкозы крови, а также прогнозирование глюкозы крови с редким взятием проб крови и показателя метаболической активности. В соответствии с изобретением предлагается долговременный метаболический контроль с небольшими затратами в сочетании с простотой применения и формируется интуитивное понимание пациентом функционирования метаболической системы применительно к заболеванию, при очень незначительных потребных усилиях пациента. Применение предлагаемого изобретение позволяет добиться снижения нагрузки на систему медицинского обслуживания, увеличения продолжительности жизни и повышения качества жизни пациента.
Уровень техники изобретения
Физиологические и биохимические сигналы, например, пробы крови, артериальное давление и другие контролируемые сигналы от млекопитающих могут быть очень зашумленными, со значительной дисперсией при взятии замеров с течением времени. Поэтому важно подавлять такие шумы до того, как можно будет осуществлять достоверную интерпретацию данных. Кроме того, биохимические сигналы часто являются инвазивными по характеру, и соответствующие измерения могут быть дискомфортными, дорогостоящими или сложными в применении. Целью предлагаемого изобретения является повышение интерпретации упомянутых сигналов путем применения подходящих способов фильтрации и уменьшение дискомфорта и стоимости путем применения неинвазивных косвенных показателей измерения.
По всему миру, наподобие эпидемии, происходит рост заболеваемости диабетом, и связанное с ним медицинское обслуживание требует огромных расходов. На диабет типа 1 приходится около 10% всех случаев диабета. Поэтому на диабет типа 2 приходится около 90% всех случаев диабета, и их доля постоянно возрастает. По оценочным данным, в одних только США до 7% населения может страдать диабетом. 100 миллионов человек имеют избыточный вес и, следовательно, подвергаются высокому риску заболевания диабетом типа 2. Если упомянутая тенденция будет продолжаться, то 100% взрослого населения США будут страдать ожирением в 2030 г. Общие ежегодные затраты на лечение диабета в США, включая косвенные затраты, в 1997 г. оценивались в приблизительно 100 миллиардов долл. США. В Саудовской Аравии, по оценочным данным, до 25% населения может страдать сопутствующими диабету заболеваниями. Всемирная организация здравоохранения (ВОЗ) прогнозирует увеличение больных диабетом в мире до 300 миллионов человек к 2025 г. Принимались разнообразные усилия по изменению этой глобальной тенденции в противоположном направлении, однако, до сих пор результатов не было.
Диабет типа 1 (ранее известный под названием инсулинозависимый сахарный диабет (IDDM)) диагностируется по необратимому разрушению базофильных инсулиноцитов, что обычно приводит к абсолютному дефициту гормона инсулина. Диабет типа 2 (ранее известный под названием инсулиннезависимый сахарный диабет (NIDDM)) диагностируется как разнородные расстройства, включающие в себя, по существующему мнению, как наследственные факторы, так и факторы окружающей среды. Диабет типа 2 в большой степени является заболеванием, обусловленным образом жизни, и считается, что современный сидячий образ жизни в сочетании с неправильным режимом питания является главным источником проблемы. Пациент с диабетом типа 2 обычно не нуждается в инсулинотерапии для выживания. Типичными симптомами диабета типа 2 являются: жажда, частое мочеиспускание, сонливость, утомляемость, избыточный вес, аурикулотемпоральный синдром, переменная неясность зрения, повышенные уровни сахара в крови, ацетоновый запах изо рта и сахар в моче. Обследование пациента вполне обычно выявляет сидячий образ жизни и явное предпочтение к значительному содержанию в рационе питания насыщенных жиров и чистых углеводов.
Резистентность к инсулину является обычным метаболическим расстройством, которое характеризует лиц с различными внутренними расстройствами, включая диабет типа 2 и ожирение, и проявляется в связи со многими сердечно-сосудистыми и метаболическими расстройствами, при этом, резистентность к инсулину определяют как неспособность организма адекватно реагировать на инсулин. Синдром-X или метаболический синдром, именуемый также синдромом резистентности к инсулину, представляет собой группу метаболических и физиологических факторов риска, которые прогнозируют развитие диабета типа 2 и сопутствующих сердечно-сосудистых заболеваний. Отличительными признаками упомянутого синдрома обычно являются пять основных аномалий; ожирение, гипертензия, резистентность к инсулину, непереносимость глюкозы и гиполипидемия. Преобладающая частота метаболического синдрома для западных стран составляет 25-35%. Старение обычно ассоциируется с резистентностью к инсулину и нарушением функции базофильных инсулиноцитов и ожирением с резистентностью к инсулину и гиперинсулинемия.
Диабетическая вегетативная невропатия (DAN) является серьезным и одним из наиболее распространенных осложнений диабета. Большинство больных диабетом типа 2 погибают от сердечно-сосудистых заболеваний с предшествующим распадом функций вегетативной нервной системы (ANS). Это редко выявляется на ранней стадии, что делает диабет типа 2 «незаметным» заболеванием, медленно развивающимся с годами и часто не замечается больным, пока не выявляется на поздней стадии. DAN разрушает способность осуществлять нормальную ежедневную деятельность, снижает качество жизни и повышает риск смертельного исхода. DAN влияет на системы многих органов в организме, например, например, на желудочно-кишечный тракт, мочеполовую систему и сердечно-сосудистую систему. DAN вызывается разрушением и утратой нервных волокон, обусловленных «токсическими» эффектами повышенных уровней глюкозы крови. Поэтому интенсивный гликемический контроль очень важен для предотвращения наступления и для замедления развития DAN. Связанные с ANS проблемы и DAN можно успешно выявлять оценкой результатов анализа изменчивости частоты сердечных сокращений (HRV).
Гипертензия является основной проблемой здоровья для западного населения и имеет связь с сердечно-сосудистыми заболеваниями. Потеря эластичности артериями может быть как причиной, так и следствием гипертензии, однако, последние исследования предполагают, что потеря эластичности артериями является типичным предшественником гипертензии, и что потеря эластичности артериями, вероятно, имеет наследственную основу. Большинство больных диабетом типа 2 (более 50%) страдают от гипертензии. Поэтому весьма важно регулировать артериальное давление больных диабетом. При диабете типа 2 рекомендуется поддерживать артериальное давление ниже 130/80 либо путем улучшения образа жизни, либо лекарствами, либо совместно и тем, и другим.
Резистентность к инсулину и диабет типа 2 связаны с изменениями уровней липопротеина в плазме. До 70% больных диабетом типа 2 характеризуются нарушениями липидного обмена. Ишемическая болезнь сердца является наиболее частой причиной смерти больных диабетом типа 2. Гиполипидемия в сочетании с ожирением, гипертензией и гипергликемией в значительной степени способствуют развитию ишемической болезни сердца. Даже слабая степень гиполипидемии усиливает факторы риска возникновения ишемической болезни сердца. Поскольку упомянутые факторы риска имеют аддитивный или даже мультипликативный характер, то стратегии улучшения образа жизни не должны сосредоточиваться только на гипергликемии, но также на гиполипидемии. Поскольку при диабете типа 2 частицы LDL (липопротеинов низкой плотности) обычно мельче и плотнее, что способствует развитию атеросклероза, то задача снижения холестерина должна учитывать липопротеин очень низкой плотности (VLDL) и липоротеин низкой плотности (LDL), а также снижение повышенного содержания триглицеридов (TG).
Эмоциональный стресс, повышенное артериальное давление и повышенная частота сердечных сокращений являются наиболее общими проблемами современного общества. Современная работа и образ жизни сопряжены с меньшей физической активностью там, где работа, сопряженная с высокими технологиями, часто приводит к сидячему образу жизни. Работа, сопряженная с высокой ответственностью и постоянными высокими уровнями стресса, и отрицательный фактор рабочего напряжения и поощрения могут способствовать возникновению обусловленного стрессом заболевания. Широко известно, что эмоциональный стресс может влиять на метаболизм, например, вызывать повышение уровней глюкозы в крови, а также вызывать повышение систолического артериального давления и частоты сердечных сокращений. Различные стимулирующие средства, например, кофеин, никотин, алкоголь, кокаин и амфетамин также повышают систолическое артериальное давление и частоту сердечных сокращений.
Современный вид рациона питания с высоким энергетическим наполнением и значительным содержанием жиров тесно связан с резистентностью к инсулину и сопутствующими расстройствами. Однако, точная этиология резистентности к инсулину не ясна. Как наследственная предрасположенность, так и факторы окружающей среды, включающие в себя качество и количество жиров в рационе питания, способствуют развитию неспособности удовлетворительно использовать глюкозу в плазме при нормальных уровнях инсулина в плазме. Все более популярными становятся точки быстрого питания благодаря сладкой, жирной и вкусной пище в сочетании с экономией времени. Увеличение потребления быстродействующих, высокоэнергетических углеводов приводит к периодам чрезмерного повышения сахара в крови и повышенного содержания инсулина, за которыми следуют периоды снижения сахара в крови и сонливости, когда снова требуется принять быстродействующие углеводы и т.д. Описанная циклическая обратная связь часто заставляет усиленно работать систему регулирования обмена веществ. Считается, что такое нестационарное возбуждение в долгосрочном плане должно приносить вред и способствовать резистентности к инсулину и повышению уровней инсулина, что является ранней стадией начала процесса развития диабета типа 2. Вышеописанные проблемы, связанные с образом жизни, обычно создают неслыханные в прошлом проблемы со здоровьем.
Физическая активность типа аэробной тренированности является краеугольным камнем борьбы с заболеваниями, сопутствующими диабету типа 2. Важной задачей повышения сердечно-сосудистой тренированности через посредство физической активности, которая повышает производительность и работоспособность сердца для снабжения сердечно-сосудистой системы кислородом, а также повышает чувствительность к инсулину и утилизацию кислорода мышцами. Сердце функционирует как любая мышца и поэтому допускает тренировку для повышения силы и эффективности. Снижение веса только на 10% обычно оказывает положительное влияние на уровни глюкозы крови и липидов. В частности, важно снижать массу жира живота.
Физическую активность и энергетические затраты можно оценивать разными способами, которые не ограничивают пациента во время его нормальной ежедневной деятельности. Существуют различные способы типа шагомеров, акселерометров, измерителей частоты сердечных сокращений и т.д. Одним из распространенных способов является использование шагомера для вычисления количества пройденных шагов или приблизительного количества калорий, израсходованных на это, по простой формуле. В соответствии с другими способами подсчитываются энергетические затраты на движение тела и ускорение с помощью одноосных, двухосных или трехосных акселерометров. В соответствии с еще одним способом применяют контроль пульса на основе плетизмографов (устройства, которое пропускает свет сквозь палец или мочку уха для вычисления частоты сердечных сокращений и физической активности). Еще одно популярное устройство, пульсовые часы, измеряет сигнал ЭКГ с помощью нагрудной тесьмы с электродами и передает импульсы ЭКГ в калькулятор в наручных часах специальной конструкции, который может вычислять израсходованные калории и другие параметры, связанные с физической активностью. Однако, простейшим способом количественного выражения физической активности является просто грубая оценка ежедневной деятельности, например, по шкале от одного до пяти, связанной с ежедневно выполняемой работой и интенсивностью и продолжительностью текущей физической активности. Более сложные способы вычисления и донесения включают в себя таблицы MET (метаболического эквивалента) или формулу, которая представляет точный показатель интенсивности физической активности. Современный малоактивный и сидячий образ жизни способствовал образованию большого рынка оздоровительных спортивных залов и сбыту различной оздоровительной продукции и программ физической подготовки для повышения физической тренированности. Несмотря на упомянутую положительную тенденцию, частота заболеваний, сопутствующих диабету типа 2, быстро увеличивается с угрожающей скоростью.
Создание мотивации к изменению образа жизни лицами, подвергающимися высокому риску, с избыточным весом, ведущими сидячий образ жизни и склонными к диабету, является трудной задачей. Простого информирования человека о существующих рисках для здоровья и необходимости физических тренировок и/или необходимости корректировки режима питания и/или снятия стресса часто недостаточно. Слабо тренированные люди часто не испытывают комфорта при обследовании кем-либо еще или при принуждении к физическим занятиям в спортивных залах. Люди с избыточным весом обычно стесняются своей плохой физической готовности и, чтобы избежать унижения, отказываются участвовать в программах реабилитации. Автор настоящего изобретения полагает, что единственным способом борьбы с упомянутой вредной тенденцией является обучение людей на непосредственном опыте, с использованием простых и интуитивно-понятных средств контроля за собственными метаболическим функциями, предпочтительно дома и частным порядком. Затем человек сам должен прийти к пониманию существующих проблем и получить представление о том, в какой степени и насколько сильно требуется изменить образ жизни.
Самоконтроль с использованием персонального измерителя глюкозы крови обычно необходим для больных инсулинозависимым сахарным диабетом (IDDM) типа 1, чтобы помогать самостоятельному введению инсулина. Однако контроль уровня глюкозы крови нечасто предписывают пациентам с выявленным или пограничным диабетом типа 2. Самоконтроль с использованием щупов для мочи для измерений уровней глюкозы в моче являются более или менее устаревшими к настоящему времени и редко применяются вследствие того, что порог выведения изменяется для отдельных лиц в широком диапазоне. Кроме того, упомянутый способ не способен измерять уровни глюкозы ниже порога выведения, характеризуется длительной задержкой и низкой чувствительностью, и поэтому предпочтительно применение контроля глюкозы крови.
Недавнее исследование выявило ряд преимуществ применения измерителя глюкозы крови для контроля глюкозы крови (BG) в связи с приемами пищи больным диабетом типа 2. Идея заключается в контроле уровней глюкозы до и после приема пищи для получения информации о метаболических последствиях приема пищи для пациента. Затем пациент сможет узнать из опыта, как уровень глюкозы будет повышаться после приема пищи, что дает ему обратную связь по изменению глюкозы в зависимости от разных видов приема пищи. Идея заключается в том, чтобы сбалансировать прием пищи, когда сокращение очищенных быстродействующих углеводов будет ослаблять повышение уровней глюкозы крови после приема пищи. Очевидно, что упомянутые повышения должны вызвать долговременные поражения вегетативной нервной системы и, в конечном счете, могут привести к диабету и диабетической невропатии. Описанная форма самоконтроля является обременительной и неудобной для практического осуществления, и не редко пациенты прекращают такие проверочные испытания вследствие потери мотивации из-за напряженности способа. Пациент должен носить при себе измерители глюкозы крови и инструменты в течение дня, и испытания иногда становятся общеизвестными во время питания в ресторане. Очевидно, что нельзя ожидать успешного внедрения описанных обременительных процедур в ежедневную долговременную практику. Кроме того, нельзя не принимать в расчет затраты на большое количество расходуемых щупов и большое количество ланцетов на прокалывание пальцев в течение дня. Кроме того, хотя упомянутое испытание является минимально инвазивным по характеру, оно может быть болезненным и очень неудобным для пациента. Кроме того, упомянутое испытание мало дает для логической и интуитивно-понятной интерпретации результатов, и поэтому пациенту его сложно понять и использовать для руководства, чтобы добиться терапевтической цели, что является серьезным недостатком.
Всемирная организация здравоохранения (ВОЗ) и Американская ассоциация диабета (ADA) установили диапазоны изменения и уровни глюкозы крови для различения разных стадий диабета. Ниже приведены концентрации глюкозы натощак, по которым диагностируют симптоматического пациента (Критерии ВОЗ, 1999 г.). Концентрации глюкозы в пробах натощак приведены в ммол/л:
Цельная кровь | Плазма | |||
Явный сахарный диабет | >6,1 | >6,1 | >7,0 | >7,0 |
Сниженная переносимость глюкозы (IGT) | <6,1 | <6,1 | <7,0 | <7,0 |
Сниженная концентрация глюкозы натощак (IFG) | 5,6-6,0 | 5,6-6,0 | 6,1-6,9 | 6,1-6,9 |
Нормальная | <5,5 | <5,5 | <6,0 | <6,0 |
При оценке уровней глюкозы крови в клинике, к сожалению, почти всегда не учитывают существования сильной биологической вариабельности, а также аналитической вариабельности. Существует значительная вариабельность от наблюдения к наблюдению, которая может быть неверно интерпретирована неопытным врачом с вытекающей сниженной точностью классификации и диагностики диабета.
Когда пробу крови берут в клинике, на точность результата измерения влияет много факторов, например:
1. Близкая к оптимальной калибровка прибора для клинического анализа. Смотри практический пример на фиг.1.
2. Старение пробы крови вследствие гликолиза, поскольку консерванты глюкозы не полностью предотвращают гликолиз.
3. Так называемая «гипергликемия белых воротничков», а именно повышение уровня BG из-за нервного состояния пациента, который боится уколов. См. практический пример на фиг.2.
4. Непрерывно снижающийся уровень BG натощак, обусловленный с увеличением времени дня.
5. Изменение со временем чувствительности к инсулину, то есть, различная чувствительность в разные дни.
6. Циклические гормональные изменения у женщин в связи с менструацией.
7. Возможность изменения BG из-за временных острых инфекций, травматических стрессов и даже простой простуды или гриппа.
Ввиду вышеперечисленных факторов неопределенности, автор настоящего изобретения полагает, что контроль глюкозы крови в контролируемых условиях на дому, с использованием достаточно точного измерителя глюкозы крови, в сочетании с подходящими способами постобработки и фильтрации, повысит точность диагностической классификации. Как полагает автор изобретения, упомянутое решение обеспечивает преимущества по сравнению с принятыми клиническими лабораторными измерениями и существующей практикой.
Хотя повышенные уровни инсулина (гиперинсулинемия) проявляются в кровотоке задолго до того, как, в конечном счете, обнаруживаются повышенные уровни глюкозы крови, тем не менее, высокий уровень глюкозы остается классическим классификатором симптомов диабета типа 2. Следует отметить, что уровни инсулина редко, если когда-либо вообще, применяются в качестве индикатора риска диабета или диагностического средства, кроме как с целью клинического исследования. Таким образом, низкий уровень глюкозы крови не исключает присутствие заболевания.
Контроль насыщения кислородом широко распространен на практике в неотложной терапии, а также в хирургии. До изобретения широко применяемого сейчас пульсового оксиметра (прибора, который контролирует насыщение кислородом гемоглобина крови с использованием поглощения в инфракрасной части спектра), на практике обычно вычисляли произведение частоты на давление (RPP) пациента во время хирургической операции для установления состояния сердца пациента и утилизацию кислорода. RPP (называемое также двойным произведением) представляет собой достаточно точный показатель измерения потребления кислорода сердцем и рассчитывается умножением систолического артериального давления на частоту сердечных сокращений (RPP=sBP×HR/100). После внедрения пульсового оксиметра, RPP редко применяется в настоящее время, ни иногда применяется в спортивной медицине для указания потребления кислорода сердцем во время проверок нагрузкой на испытательном стенде и т.д. Кроме того, RPP показывает нагрузку и применение стимулирующих медицинских средств.
Чтобы облегчить бремя пациента, автор изобретения заявляет, что взятие проб глюкозы натощак является единственно необходимым для точного долговременного контроля и лечения заболевания, сопутствующего диабету типа 2. Измерения даже с редким взятием проб глюкозы крови, например, один раз в неделю, могут быть достаточными применительно к варианту осуществления для точного прогнозирования ежедневной BG. Более интенсивный и обременительный контроль глюкозы крови, например, измерения глюкозы крови до и после приема пищи в течение дня полагаются необязательными, поскольку уровень глюкозы крови натощак обычно показывает относительную величину отклонений уровней глюкозы крови после приема пищи. Таким образом, более высокий уровень глюкозы крови натощак отражается в более высоком уровне глюкозы крови после приема пищи и наоборот. Это можно показать с использованием многократных тестов на толерантность к пероральной нагрузке глюкозой (OGTT) с взятием трех проб, отбираемых сразу (0 час), через 1 час и через 2 часа в период вмешательства для совершенствования образа жизни, как показано на фиг.3. Можно видеть, что, по мере того, как образ жизни совершенствуется со снижением BG натощак, значения BG после приема пищи также следуют тенденции снижения. Однако, измерения BG через 1 час после приема пищи могут, конечно, применяться в качестве альтернативы измерению BG натощак, при необходимости. Однако, описанный подход является более обременительным и поэтому менее практичным, как пояснялось выше.
В дополнительном варианте осуществления настоящего изобретения, уровень BG прогнозируется, предпочтительно, только по артериальному давлению и частоте сердечных сокращений (произведение частоты на давление), что делает необязательными болезненное прокалывание пальца или болезненные инвазивные процедуры, кроме как для первоначальной калибровки и процедуры настройки предиктора. В другом варианте осуществления изобретения, предлагается возможность менее частого обязательного болезненного прокалывания пальца.
В соответствии с предлагаемым изобретением, пациенту предлагается интуитивно-понятный способ измерения и анализа некоторых физиологических параметров, например, интенсивности физической активности, уровня глюкозы крови и частоты сердечных сокращений. Дополнительно возможны сохранение и обработка важных данных пациента, например, уровней содержания липидов, общего содержания холестерина, триглицериды, температура тела, вес, индекс массы тела и отношение окружностей талии и бедер. После таких измерений данные обрабатываются и оптимизируются с использованием подходящих алгоритмов фильтрации и затем представляются пациенту интуитивно-понятным способом для моментальной обратной связи по своему режиму, прогрессу и результатах.
Предпочтительный вариант осуществления изобретения содержит следующие этапы:
Оценивают или измеряют, предпочтительно, ежедневно уровень физической активности и, предпочтительно, собирают упомянутую информацию в базе данных.
Измеряют, более или менее часто, уровень глюкозы крови натощак и/или после приема пищи, с плотным или редким взятием проб, и, предпочтительно, собирают упомянутую информацию в базе данных.
Измеряют с большой частотой систолическое и диастолическое артериальное давление и частоту сердечных сокращений, с плотным взятием замеров, и, предпочтительно, собирают упомянутую информацию в базе данных.
Вычисляют произведение частоты на давление по систолическому артериальному давлению и частоте сердечных сокращений.
Измеряют любой другой соответствующий физиологический параметр, например, вес тела, температуру тела, содержание липидов в крови и т.п. и, предпочтительно, собирают упомянутую информацию в базе данных.
Выполняют фильтрацию фильтром низких частот, улучшение качества данных, коррекцию ошибок и интерполирование отсутствующих данных с вышеупомянутыми данными с использованием способов статистической обработки и/или обработки сигналов.
Применяют способы прогнозирования для прогнозирования значений глюкозы крови на основании, предпочтительно, произведения частоты на давление.
Объединяют и/или фильтруют полученные данные по подходящим алгоритмам для подавления шумов, распознавания и улучшения полученной таким образом информации для представления.
Представляют пациенту обработанные, улучшенные по качеству и/или спрогнозированные данные в виде тенденции интуитивно-понятным и простым для понимания способом для удобной интерпретации параметров пациента.
На основании вышеизложенного становится очевидным, что метаболический контроль сопутствующих диабету заболеваний весьма важен для оценки, по меньшей мере, текущего состояния обследуемого лица. Плотный отбор жизненно важных биологических параметров обеспечивает ряд преимуществ. Основным преимуществом является то, что обследуемое лицо непрерывно получает информацию о своем текущем состоянии, поэтому состояние его здоровья не ухудшается. Другим преимуществом является то, что обследуемое лицо непрерывно получает общее представление о любых изменениях или тенденциях своего текущего состояния, которое может быть, например, связано с недостаточной физической активностью или недостаточно хорошим питанием, в худшем случае, или достаточной физической активностью и хорошо отрегулированным рационом питания, в лучшем случае. Еще одним важным преимуществом является то, что обследуемое лицо моментально получает по обратной связи информацию о своем состоянии и может внести поправку в свой образ жизни в соответствии с тенденцией развития. Предварительным условием эффективного метаболического контроля в соответствии с изобретением является то, что обследуемое лицо контролирует жизненно важные биологические параметры. Например, уровни глюкозы крови, артериальное давление и частоту сердечных сокращений можно измерять после пробуждения утром, и физическую активность можно измерять в течение дня и т.д.
Точный контроль глюкозы крови требует инвазивных измерений, хотя прокалывание пальца можно считать минимально инвазивным. В настоящее время отсутствует другой способ, который может сравниться по точности с инвазивным измерением. Обследуемое лицо прокалывает свой палец для взятия небольшого количества крови, которую затем исследуют в аналитическом устройстве, которое выдает значение глюкозы крови. Даже минимально инвазивные способы являются дорогими и часто переносятся как дискомфортные, и, следовательно, могут оказать негативное влияние на пациента и лечение заболевания.
Цель и сущность изобретения
Целью настоящего изобретения является создание усовершенствованного принципа получения показаний об определяющем здоровье состоянии обследуемого лица, который проще для понимания, обеспечивает пониженные текущие расходы и является более комфортным и более мотивационным для использования обследуемым лицом по сравнению с традиционными способами.
Описанная цель достигается посредством устройства по п.1, способом по п.21 или компьютерным программным продуктом по п.22.
Настоящее изобретение направлено на снижение дискомфорта и расходов для пользователя внедрением новых косвенных показателей измерения и прогнозированием.
Настоящее изобретение основано на полученных данных, что высокоточный инвазивный способ измерения можно частично заменить косвенным неинвазивным способом измерения. Высокоточный инвазивный способ измерения, как правило, представлен дорогим, некомфортным и «жестоким» способом измерения, тогда как неинвазивный способ измерения является дешевым, комфортным и «дружелюбным» способом измерения в части его влияния на обследуемое лицо.
Предиктор формирует плотно взятые инвазивные данные на основании редко взятых инвазивных данных и плотно взятых неинвазивных данных. Таким образом, обследуемое лицо не должно выполнять болезненное прокалывание пальца ежедневно или так часто, как было бы необходимо в предшествующем уровне техники, а может прокалывать палец реже, например, еженедельно. Обследуемое лицо должно лишь исполнять, например, ежедневно простой и безболезненный неинвазивный способ измерения, связанный с артериальным давлением, который, по упомянутой причине, не оказывает большого влияния на обследуемое лицо.
В соответствии с другим предпочтительным вариантом осуществления, в предиктор подается, по меньшей мере, два биологических количественных параметра, которые определены по данным неинвазивных измерений.
В соответствии с настоящим изобретением, единственным предварительным условием двух измерений или биологических количественных параметров является то, что данные обоих измерений коррелируются с определяющим здоровье состоянием обследуемого лица.
Кроме того, настоящее изобретение направлено на повышение точности интерпретации зашумленных физиологических сигналов путем применения способов низкочастотной фильтрации для извлечения полезного изменения сигнала и удаления бесполезных изменений сигнала.
Краткое описание чертежей
Ниже приведено описание настоящего изобретения на пояснительных примерах, не ограничивающих объем или существо изобретения, со ссылками на прилагаемые чертежи, на которых:
На фиг.1 показаны измерения BG натощак для двух разных случаев и клиник. В каждом случае выполняется сравнение лабораторного измерения со средним значением трех измерений тремя высококачественными измерителями BG одной фирмы. (Предполагаются, что столбики 1, 2 и 4 являются точными).
На фиг.2 показано влияние «страха укола» на трех разных случаях тестирования, где значение BG существенно повышается, когда медсестра использует иглу. Данные представляют собой средние значения трех высококачественных измерителей BG одной фирмы.
На фиг.3 показаны три OGTT для трех разных случаев. Всего три пробы могут хорошо описать динамику изменения BG.
На фиг.4 показаны необработанные данные измерений BG натощак, представленные анализом конкретного случая (точки) совместно с тенденцией (сигнал после низкочастотной фильтрации). Представлены также предельные значения ВОЗ.
На фиг.5 показано, что, в соответствии с предельными значениями ВОЗ, имеет место значительная неопределенность данных типичных клинических измерений BG, поскольку диагноз пациента сильно зависит от времени испытания для случая.
На фиг.6 показана расчетная функция автокорреляции (acf) необработанных данных измерений BG натощак (на основания анализа конкретного случая). Функция acf четко показывает, что имеет место зависимость сигнала от времени.
На фиг.7 показана столбчатая диаграмма распределения необработанных данных измерений BG натощак, из которой видно, что упомянутые данные характеризуются приблизительно нормальным распределением.
На фиг.8 показаны разности между данными измерений, выполненных измерителем BG 1 и 2, 1 и 3 и 2 и 3, по анализам конкретных случаев.
На фиг.9 показана периодограмма необработанных данных измерений BG натощак (по анализам конкретных случаев). Энергия, в основном, приходится на низкочастотный диапазон. Следовательно, более высокие частоты содержат мало или не содержат полезной информации и поэтому могут быть отброшены.
На фиг.10 показана частотная характеристика низкочастотного фильтра. Следует отметить, что показанная граничная частота является типичным примером.
На фиг.11 показано, что фильтрация замеров BG натощак с граничными частотами между 0 и 1 формирует остатки или разности между необработанными замерами и фильтрованными замерами. Среднее значение квадратов остатков для каждой граничной частоты формирует кривую, показанную на фиг.11. Упомянутая кривая содержит переходную точку, показанную двумя пересекающимися прямыми линиями, указывающими на подходящую для выбора граничную частоту.
На фиг.12 показана периодограмма замеров BG натощак, обработанных низкочастотным фильтром.
На фиг.13 показаны необработанные замеры систолического артериального давления вместе с тенденцией измерения, полученной способом низкочастотной фильтрации, аналогичным вышеописанному способу.
На фиг.14 показаны демонстрирующие корреляцию тенденции изменения BG натощак и физической активности.
На фиг.15 показана корреляция между тенденциями изменения BG и RPP (пунктирная линия), полученными прямоугольным подвижным окном из 100 замеров. Значимость корреляции (сплошная линия 1-P) должна быть >0,95 для значимости.
На фиг.16 показана корреляция между тенденциями изменения производных BG и RPP (пунктирная линия), полученными прямоугольным подвижным окном из 100 замеров. Значимость корреляции (сплошная линия 1-P) должна быть >0,95 для значимости.
На фиг.17 показано, что идентифицируемую систему можно представить методом черного ящика.
На фиг.18 показан результат прогнозирования с низкочастотной фильтрацией. Фильтр с прогнозированием в упомянутом примере корректируется каждые семь дней.
На фиг.19 показаны демонстрирующие корреляцию тенденции изменения показателя метаболической активности и физической активности.
На фиг.20 показана распечатка содержимого экрана первой страницы компьютерного программного продукта.
На фиг.21 показана блок-схема устройства фильтрации/формирования тенденции.
На фиг.22a показана блок-схема устройства, показанного на фиг.21, содержащего второй процессор;
На фиг.22b показана блок-схема устройства, показанного на фиг.21, содержащего первый процессор.
На фиг.23 показана блок-схема варианта осуществления настоящего изобретения.
Подробное описание изобретения
На фиг.21 показана блок-схема устройства фильтрации/формирования тенденции, т.е. блок-схема устройства для выдачи показаний об определяющем здоровье состоянии обследуемого лица. Упомянутое устройство содержит входной интерфейс 20 для получения исходной последовательности замеров биологического количественного параметра, зависящего от состояния здоровья обследуемого лица, в котором биологический количественный параметр характеризуется полезным изменением и бесполезным изменением (стрелка 21 на фиг.21).
В зависимости от конкретного исполнения, входной интерфейс получает упомянутые замеры биологического количественного параметра, которые образуют исходную последовательность, посредством ручного ввода, например, с клавиатуры, по кабелю, радио, с помощью инфракрасного или другого средства, от аналитического устройства, которое, например, анализирует пробу крови, чтобы вывести значение глюкозы крови, артериальное давление, частоту сердечных сокращений, физическую активность или любой другой представляющий интерес биологический количественный параметр, в электронный буфер, память или аналогичное средство во входном интерфейсе 20. Таким образом, на выходе входного интерфейса 20 получают исходную последовательность замеров, которую можно ввести в устройство 22 фильтрации, как показано стрелкой 23, соединяющей блок 20 и блок 22.
В качестве альтернативы или дополнительно, исходную последовательность можно также вводить в первый процессор 24 для обработки исходной последовательности с целью получения обработанной последовательности, которая затем обрабатывается процессором 24 и фильтруется в устройстве 22 фильтрации.
Первый процессор 24 может содержать предиктор, интерполятор или любое другое средство, которое предназначено для получения обработанной последовательности с применением исходной последовательности, выданной блоком 20. В связи с этим, первый процессор может также содержать, как изложено ниже, объединитель для объединения, по меньшей мере, двух исходных последовательностей с целью получения объединенной исходной последовательности, которая может затем фильтроваться устройством 22 фильтрации.
Фильтр 22 предназначен для фильтрации исходной последовательности замеров или обработанной последовательности замеров, полученной из исходной последовательности замеров, с целью получения фильтрованной поверхности. В данном случае следует отметить, что фильтр, который предпочтительно является низкочастотным фильтром, настроен на подавление бесполезного изменения с целью получения фильтрованной последовательности, которая испытывает более сильное воздействие полезного изменения по сравнению с воздействием бесполезного изменения, которое можно даже полностью исключить.
Устройство дополнительно содержит выходной интерфейс 25 для вывода фильтрованной последовательности или модифицированной последовательности, полученной из фильтрованной последовательности, при этом, выходной интерфейс предназначен для вывода, по меньшей мере, показания повышения, показания снижения или показания отсутствия изменений в виде тенденции изменения фильтрованной последовательности или модифицированной последовательности, причем, тенденция изменения характеризует полезное изменение определяющего здоровье состояния обследуемого лица. Как видно из фиг.21, выходной интерфейс 25 обрабатывает выходную последовательность, выдаваемую непосредственно фильтром 22, как указано стрелкой 26. В качестве альтернативы, устройство по изобретению дополнительно содержит второй процессор 27 для получения модифицированной последовательности с использованием фильтрованной последовательности. В зависимости от некоторых внешних условий, второй процессор 27 может содержать объединитель, как показано на фиг.22a, или может содержать какое-либо средство формирования сигнала, например, усилитель и т.п. для модификации фильтрованной последовательности с целью получения модифицированной последовательности, которая должна представлять собой выходные данные.
Что касается выходного интерфейса 25, то в данном случае следует отметить, что показание о тенденции изменения может представлять собой, разумеется, графическое изображение, как показано на фиг.20, представляющее полностью фильтрованную или модифицированную последовательность. В качестве альтернативы, выходной интерфейс может также демонстрировать просто тенденцию изменения, указанием направленной вверх стрелкой или цветом, или другим средством индикации, когда имеет место тенденция к повышению, или указанием направленной вниз стрелкой или другим цветом, или другим средством индикации, когда имеет место тенденция к снижению, или отсутствием каких-либо указаний или указанием любым другим знаком, показывающим отсутствие изменений.
Конечно, вышеупомянутый результат можно также получить посредством сенсорного персептивного интерфейса, например, для слепых или глухих, который выводит некоторые персептивные показания для индикации повышения, снижения или ситуации отсутствия изменений. Конечно, об упомянутом показании можно сигнализировать механическим средством, например, звуком или сильной вибрацией о повышении, слабой вибрацией о снижении или очень слабой вибрацией о ситуации отсутствия изменений. В качестве альтернативы, могут быть предусмотрены различающиеся между собой частоты вибрации для каждого показания. В качестве альтернативы, отдельно от средства показания вибрацией, можно также применить любую другую механическую индикацию, например, подъем клавиши, чтобы пользователь мог ощущать приподнятую клавишу в отличие от ситуации, когда клавиша не приподнята.
На фиг.22a представлен вариант осуществления второго процессора 27, показанного на фиг.21. В данном варианте осуществления объединитель представляет собой позамерный объединитель для, например, умножения замера фильтрованной последовательности частоты сердечных сокращений на замер последовательности артериального давления для получения модифицированной последовательности, отражающей фильтрованное произведения частоты на давление.
На фиг.22b представлен вариант осуществления первого процессора 24, но для случая, когда артериальное давление и частоту сердечных сокращений, например, объединяют, т.е. позамерно умножают перед фильтрацией. Это означает, что вариант осуществления, показанный на фиг.22b, иллюстрирует формирование исходного произведения частоты на давление, которое затем фильтруется фильтром 22 для подавления бесполезных изменений исходного произведения частоты на давление.
На фиг.23 показано новое устройство в соответствии с изобретением, которое содержит предиктор 30 для выдачи для некоторого момента времени, для которого нет замера первого биологического количественного параметра, расчетного значения первого биологического количественного параметра. Измеренное значение инвазивного измерения прогнозируется предпочтительно с использованием, по меньшей мере, одного измеренного значения неинвазивного измерения, как подробно изложено в связи с фиг.17 и фиг.20. В зависимости от некоторых ситуаций, предиктор может представлять собой автономный предиктор или предиктор, который корректируется через регулярные или нерегулярные интервалы.
Настоящее изобретение основано на простом принципе, что «знание дает мотивацию» и стимулирует пациента к совершенствованию образа жизни. Изобретение предлагает пациенту возможность контроля новым способом путем использования анализа тенденций изменения на основе обоснованных и традиционных измерений пациента и представляет новые и усовершенствованные способы выдачи показаний о состоянии пациента. Такая усовершенствованная информация может быть использована пациентом и/или его врачом для планирования лечения и последующего врачебного наблюдения. Изобретение стимулирует и обучает пациента путем использования обратной связи по эффективности, поэтому пациент может добиваться прогресса в улучшении своего образа жизни.
При заболевании, сопутствующем диабету типа 2, в соответствии с существующей практикой врач информирует пациента, что необходимо изменить режим питания и образ жизни, но пациенту обычно трудно оценить и понять необходимую степень изменения. Часто трудно мотивировать пациента из-за скрытого характера заболевания. Если внесение изменений в образ жизни вносят слишком энергично, то результатом может быть утомление и потеря мотивации, и пациент может разочароваться. С другой стороны, если изменение осуществляется не достаточно серьезно, то оно не даст требуемого эффекта. Эффект предлагаемого изобретения заключается в том, что соответствующая степень изменения образа жизни четко указывается пациенту интуитивно-понятным способом и тем самым исключает расхолаживающие чрезмерные усилия.
Автор изобретения предполагает, что вышеизложенное, благодаря способу, обозначенному «как раз достаточным» уровнем усилий, является ключом к долговременной мотивации и успешному оздоровлению. Последнее обеспечивается применением новых способов многопараметрового физиологического контроля в сочетании с понятным представлением тенденций изменения, что стимулирует самоконтроль и вознаграждает пациента за хороший режим и предпринятые усилия и выдает негативные показания, когда пациент не достигает прогресса. Упомянутая мгновенная выдача показания по обратной связи по эффективности намного превосходит и резко отличается от традиционной медицинской практики, использующей очень запаздывающую «обратную связь», обеспечиваемую врачом только в виде его редких приемов.
В соответствии с настоящим изобретением предлагается новый способ и/или новое устройство, которые требуют минимального участия или минимальных усилий от пациента, при том, что некоторые параметры пациента замеряются очень часто, один раз в день или даже один раз в неделю, и другие параметры замеряются менее часто. Часто замеряемые параметры можно легко снимать у постели утром, и нет необходимости в ношении какого-либо оборудования или каких-либо средств в течение дня. Менее часто замеряемые параметры пациента можно снимать, например, в клинике.
Часто замеряемые физиологические параметры пациента, снимаемые плотно или редко, с равными или неравными интервалами, могут состоять из следующих параметров:
Глюкоза крови
Физическая активность
Артериальное давление
Частота сердечных сокращений
Температура тела
Вес тела
Показатель массы тела
Существенно реже замеряемые параметры пациента могут состоять из следующих параметров:
HbA1c
Инсулин
Липиды
Уровни альбумина
Другие представляющие интерес сопутствующие параметры
При оценке уровней глюкозы в домашних условиях, важно, чтобы аналитическая вариабельность измерительного инструмента была невелика и существенно меньше, чем биологическая вариабельность пациента. Иначе измерение не будет иметь смысла. К сожалению, некоторые персональные измерители глюкозы крови характеризуются недопустимо высокой аналитической вариабельностью, что делает их менее надежными и полезными для точных измерений глюкозы крови. Однако, как оказалось, некоторые существующие на рынке недорогие персональные измерители глюкозы крови являются достаточно точными для надежных измерений, например, уровней BG натощак, при условии соответствующего выполнения обработки данных. С другой стороны, если требуется более высокая точность, то можно выполнить, например, по меньшей мере, два последовательных измерения в течение нескольких минут, с последующим усреднением во время постобработки. Можно также использовать несколько измерителей BG параллельно для снижения вариабельности и усреднить результаты. Упомянутый подход можно использовать предпочтительно при клиническом исследовании, когда требуется высокая точность, и этим подходом воспользовались при исследовании для проверки предлагаемого изобретения.
Вследствие значительной биологической вариабельности уровня глюкозы крови в сочетании с определенной аналитической вариабельностью прибора для измерения глюкозы крови, наблюдается значительный разброс данных, что осложняет интерпретацию зашумленного сигнала. См. фиг.4, на которой представлена типичная последовательность BG натощак за, приблизительно, 10 месяцев. Следует отметить сложность точного диагностирования пациента, поскольку данные являются очень зашумленными и поэтому свидетельствуют о высокой биологической вариабельности. С течение времени данные разбросаны в широком диапазоне, и, следовательно, BG пациента охватывает диапазон от нормальных значений до значений, показывающих диабет. Если подсчитать количество дней, когда удовлетворяется каждый критерий ВОЗ для нашего конкретного рассматриваемого пациента, то получается интересный график, смотри фиг.5. Количество дней, когда пациент совершенно нормален, составляет 37% из 257 оцениваемых дней. Дни со сниженной концентрацией глюкозы натощак (IFG) у пациента составляют 57% долю. Число дней с проявлением диабета у пациента составляет 7,0%.
В соответствии с вышеописанной сильной вариабельностью BG, автор изобретения убежден, что существующие критерии диабета приводят к субоптимальному диагнозу и поэтому нуждаются в пересмотре. Для повышения точности интерпретации BG, необходима низкочастотная фильтрация многократных данных BG. Однако, важно не допустить чрезмерной фильтрации данных, поскольку при этом будут подавлены короткопериодные изменения и притупит детали изменения. Оптимальной фильтрации и исключения чрезмерной фильтрации можно добиться нижеописанным остаточным анализом.
Хотя измерения BG представляются очень зашумленными, упомянутый шум нельзя характеризовать как белый шум. Для выяснения, можно посмотреть на расчетную функцию автокорреляции (acf), которая делает зависимость очевидной (см. фиг.6, где показана расчетная acf, основанная на долговременных измерениях BG натощак, выполненных авторами изобретения). Данные измерений в таком конкретном анализируемом случае имеют приблизительно нормальное распределение (см. фиг.7). Если данные измерений характеризуются более сильными изменениями, то их распределение, в большинстве случаев, обязательно будет логнормальным.
Поскольку в стратегии измерений, предлагаемой авторами изобретения, применяются три высококачественных измерителя BG одной фирмы, возможно вычисление аналитической ошибки. Последнее выполняют сравнением двух измерителей BG в данный момент времени, что дает три случая с приблизительно нормальным распределением, со среднеквадратичным отклонением около 0,35 ммоль/л (см. фиг.8). Серии данных BG1, BG2 и BG3, формируемых тремя измерителями, не зависят друг от друга и N(m, σ). означает среднее арифметическое, выражаемое формулой
где среднеквадратичное отклонение σ является приблизительно одинаковым для каждого сравнения, число которых, (n), равно трем. Статистическое правило, что дисперсия двух серий нормально распределенных данных является аддитивной, дает
Поэтому среднеквадратичное отклонение средних значений трех измерителей, используемых в конкретном анализируемом случае, приблизительно равно 0,14 ммоль/л.
Для обеспечения понятного представления тенденции изменения зашумленных данных, необходимо обработать данные низкочастотным фильтром, что может быть выполнено методом спектрального анализа. На фиг.9 показана периодограмма, на которой можно видеть, что большая часть энергии приходится на низкочастотный диапазон. Низкочастотная фильтрация выполняется умножением в частотной области
где H означает низкочастотный фильтр с конечной импульсной характеристикой (FIR) в частотной области (см. фиг.10 для частотной характеристики для случайно выбранной граничной частоты) и BG(t) означает исходные данные измерений, которые подвергаются Фурье-преобразованию. Затем SLP подвергают обратному Фурье-преобразованию во временную область. Следовательно, можно сформировать остатки.
Для некоторой граничной частоты fd между 0 и 1 (дискретная частота). Когда fd возрастает от 0 до 1, можно вычислить среднее квадратов остатков, где N означает длину вектора невязок для каждого значения fd.
Таким образом будет построена кривая, описывающая поведение остатков для разных fd (см. фиг.11). Чтобы найти наиболее подходящую граничную частоту, следует выбрать частоту для пересечения, показанного на фиг.11. Главная цель прямых линий на фиг.11 состоит в том, чтобы уточнить положение переходной точки кривой остатков. Аналогичный остаточный анализ можно применить к данным и сигналам других биологических измерений. Когда построенный таким образом низкочастотный фильтр обрабатывает данные, нежелательные высокие частоты будут удаляться (см. фиг.12) умножением пополненных нулями Фурье-преобразований LP-фильтра (низкочастотного фильтра) и данных измерений BG.
Результат LP-фильтрации с использованием граничной частоты в частотной области и временной области показаны, соответственно, на фиг.12 и фиг.4.
В качестве альтернативы, можно выполнить аналогичную фильтрацию во временной области с использованием свертки. Специалисты в данной области техники могут также использовать низкочастотные фильтры другого типа.
Артериальное давление можно измерять на обоих плечах и затем подвергать низкочастотной фильтрации для уменьшения дисперсии. Артериальное давление можно также измерять на кисти, пальце или других местах. Для измерения артериального давления можно воспользоваться оценкой времени пробега пульсовой волны (PWTT). При этом оценку артериального давления получают измерением времени пробега пульсовой волны с момента, когда сердце выдает, например, зубец R на ЭКГ, до момента, когда пульсовая волна формирует разность светопропускания из-за изменения плотности при импульсе артериального давления, обнаруживаемую в пальце плетизмографом. Кроме того, по данным систолического и диастолического артериального давления и пульса, можно с успехом вычислить среднее артериальное давление (MAP) и пульсовое давление (PP) и представить полученные данные графически.
Аналогичным образом, данные физической активности обычно разбросаны из-за сильных изменений ежедневной активности или из-за приблизительных оценок. Поэтому такие данные удобно подвергать низкочастотной фильтрации по времени по способу, аналогичному вышеописанному, поскольку это делает данные физической активности более удобными для интерпретации. Физическую активность можно просто оценить по шкале интенсивности, при этом, упомянутая шкала может содержать следующие градации ежедневной деятельности:
Очень легкая (отдых, чтение, сидение, вождение автомобиля и т.п.)
Легкая (ходьба, подметание, игра на пианино, медленная ходьба)
Умеренная (быстрая ходьба, слабое подпрыгивание, езда на велосипеде без напряжения, катание на коньках, тренировка с легкими тяжестями)
Тяжелая (плавание, бег, интенсивное подпрыгивание, велосипедная гонка, футбол, баскетбол и т.п.)
Очень тяжелая (бокс, гребля, альпинизм, тренировка с большими тяжестями)
Для более точной оценки можно использовать MET (метаболический эквивалент). 1 MET эквивалентен расходу энергии при отдыхе, и легкая активность оценивается значением <3 MET, умеренная активность - 3-5,9 MET, тяжелая активность - 6-8,9 MET и очень тяжелая - >9 MET активности. Таблицы активности в MET существуют для упрощения вычисления сожженных калорий (ккал), которое выполняют умножением значения MET, веса и прошедшего времени. Способ оценки физической активности по критерию стоимость - эффективность заключается в использовании педометра. Данные активности, собранные на примерных графиках, построенных согласно изобретению, получены с помощью педометра, который применен в сочетании со встроенным таймером для вычисления приблизительного количества калорий, сожженных в течение дня, или осуществления физической активности. Целесообразно указывать расход энергии в виде количества сожженных калорий, поскольку это обычно принято и понятно.
Данные частоты сердечных сокращений также разбросаны из-за больших изменений изо дня в день. Поэтому эти данные удобно подвергать низкочастотной фильтрации по способу, аналогичному вышеописанному, поскольку это делает данные частоты сердечных сокращений более удобными для интерпретации.
В дополнительном варианте осуществления настоящего изобретения, систолическое и диастолическое артериальные давления и частоту сердечных сокращений измеряют предпочтительно ежедневно на обоих плечах. Затем данные с обоих плеч можно усреднить и подвергнуть низкочастотной фильтрации для ослабления вариабельности. Произведение систолического артериального давления и частоты сердечных сокращений вычисляют для получения произведения частоты на давление (RPP), чтобы оценить физическое состояние пациента. RPP=Систолическое артериальное давление (BP) × Частота сердечных сокращений/100. В дополнение к приближенному указанию потребления кислорода сердцем, RPP показывает присутствие стимулирующих средств типа кофеина, никотина, кокаина и амфетамина, а также психологического и эмоционального стресса. Таким образом, автор изобретения утверждает, что RPP совместно с BG является важным параметром для оценки с целью установления общего определяющего здоровье состояния пациента. Для обеспечения представления тенденции изменения RPP, а также его отдельных компонентов самих по себе, можно использовать аналогичный способ низкочастотной фильтрации, который формирует тенденцию изменения BQ. Такой подход может быть также полезным для оценки врачом любых различий артериального давления между левым и правым плечами, в зависимости от отдельного долгосрочного среднего значения для каждого плеча.
Аналогичным образом, данные артериального давления в домашних условиях при отдыхе разбросаны из-за больших изменений изо дня в день в дополнение к влиянию аналитической вариабельности. Представляется, что выполнение пациентом или врачом одиночных измерений артериального давления не имеет очень большого смысла из-за высокого уровня шумов, которые присутствуют также в данных BP. Поэтому необходимо подвергать эти данные низкочастотной фильтрации, поскольку тогда данные артериального давления становятся более точными и удобными для интерпретации, см. фиг.13.
Одновременное сравнение указанных данных физической активности и уровня BG, отфильтрованных вышеописанным способом, может показать, что совершенствование физической активности приводит к снижению уровня глюкозы крови, например, уровень глюкозы крови обратно пропорционален физической активности. Однако, экстремальная физическая активность фактически может давать в некоторых условиях противоположный эффект повышения уровня глюкозы крови. Таким образом, при одновременном представлении таких данных, например, в графической форме, пациенту, пациент может легко скорректировать объем своей физической активности и другие усилия, связанные с образом жизни, в соответствии с заданной целью. Теперь упомянутую цель можно достигнуть точным и интуитивно-понятным способом, без нужды в чрезмерном утяжелении прилагаемых усилий, а, вместо этого, простой своевременной ежедневной работой над достижением намеченной цели по глюкозе крови, RPP и активности, как показано прогрессом на графиках, см. фиг.14. Следует отметить, что на графиках можно также наблюдать новые, представляющие интерес случаи декорреляции, см. фиг.15. Например, когда пациент болен простудой или вирусной инфекцией, значение BG может неожиданно возрастать независимо от совершенствования физической активности. При усилении физической активности, значение BG также может возрастать, когда RPP снижается и корреляция становится отрицательной. Или, когда пациент сталкивается с напряженной ситуацией, RPP может возрастать больше, чем BG. Таким образом, в описанных условиях можно предположить событие с отрицательной корреляцией. Таким образом, вычисление взвешенного по времени коэффициента корреляции между RPP и BG и активностью и графическое представление результата предлагает новый представляющий интерес показатель состояния пациента, и опытным пользователем могут быть сделаны новые выводы относительно показаний с описанной отрицательной корреляцией.
В другом варианте осуществления изобретения представлен новый способ, основанный на том, что автор изобретения установил, что динамика изменения RPP хорошо коррелируется с динамикой изменения BG и находится в обратно-пропорциональном отношении с уровнем физической активности, и, следовательно, RPP можно применять для прогнозирования флюктуаций и динамики изменения BG, см. фиг.15 и фиг.16.
В еще одном варианте осуществления изобретения, RPP можно использовать совместно с прогнозирующим фильтром для вычисления косвенного показателя измерения для ежедневного значения BG. Предлагаемый новый способ прогнозирования BG можно с успехом применять, когда пациенту невозможно, нецелесообразно или болезненно и неудобно отбирать пробы крови. В таких обстоятельствах, измерения BG можно применять только в начале лечения или в период вмешательства для калибровки предиктора RPP по значениям BG. После выполнения такой калибровки, пациент может обратиться только к измерениям RPP и выполнять измерения BG, например, только когда посещает врача. В еще одном варианте осуществления изобретения, как описано ниже, фильтры для прогнозирования BG корректируются редко, например, один раз в неделю. Таким образом, исходная подготовка фильтра прогнозирования требует последовательности данных плотно отобранных данных измерений. Продолжительность такой подготовительной последовательности может составлять, например, от одной недели до одного месяца. Затем фильтр прогнозирования можно корректировать редко. Предложенные способы прогнозирования можно использовать для прогнозирования любого сигнала x1 из сигнала x2, если обнаружена корреляция между x1 и x2 (следует отметить, что x2 может представлять собой сочетание нескольких количественных параметров измерения).
Таким образом, как BG, так и RPP можно использовать как важные показатели для усовершенствованного самоконтроля и изменения образа жизни при заболевании, сопутствующем диабету типа 2. RPP проявляет корреляцию с BG и, в частности, на переходных стадиях изменений образа жизни, например, при переходе от сидячего образа жизни к более активному образу жизни или между периодами изменения интенсивности физической активности. Таким образом, производная BG и производная RPP характеризуются сильной корреляцией (см. фиг.16). В таких обстоятельствах тенденции изменения параметров RPP и BG изменяются аналогичным образом и показывают сильную корреляцию. В установившемся состоянии, когда человек находится в «метаболическом равновесии», корреляция между RPP и BG может быть менее заметной из-за чрезмерного шума в данных о других метаболических процессах. Таким образом, фильтр прогнозирования применяется для прогнозирования ежедневных данных BG по плотно взятым замерам данных RPP. Следует упомянуть, что получение оценки BG с использованием RPP является экономически выгодным и безболезненным способом, поскольку щупы для замера глюкозы крови или ланцеты для прокалывания пальца совсем не требуются или их требуется совсем мало. Поэтому измерение артериального давления для вычисления RPP не требует никаких расходных материалов, что требуется при взятии проб BG. Предлагаемый способ прогнозирования можно также применить к другим и будущим способам измерения BG, когда такие способы полагаются обременительными, практически нецелесообразными, неэкономическими и т.п. Упомянутые способы могут заключаться в измерении значений BG по слезной жидкости, слюне или с помощью приборов, действующих в контакте с кожей и т.п.
В соответствии с настоящим изобретением ежедневное значение BG прогнозируется по RPP с высокой точностью с использованием лишь редко взятых проб крови. Прогнозирование можно осуществляться двумя разными методами, фильтрацией ARX и FIR-Винера. Как упоминалось выше, способы прогнозирования требуют последовательности данных для подготовки. Упомянутые редко отбираемые значения BG применяются для корректировки усовершенствованного предиктора фильтра. Таким образом, для пациента, у которого возникают травмирующие ощущения при взятии крови или прокалывании пальца, число упомянутых болезненных действий можно сократить до, например, взятия одной пробы в неделю, и, при этом, по-прежнему можно прогнозировать точные ежедневные значения BG с помощью предиктора по редко замеряемым значениям BG. Система идентифицируется с использованием передаточных функций совместно с BG, входным сигналом x и белым шумом. При этом, x может быть вектором одной переменной или матрицей нескольких переменных. Примерами переменных могут быть данные измерений, например, произведение частоты на давление, систолическое артериальное давление, диастолическое артериальное давление, пульс, среднее артериальное давление, пульсовое давление или физическая активность. Такое отождествление выполнимо, поскольку предполагается, что BG и x испытывают частичное влияние на те же самые базовые данные. Среди упомянутых параметров находятся, например, физическая активность, режим питания, стресс, вирусная инфекция и избыточный вес. Поэтому систему можно представить с использованием следующего допущения,
которое является описанием линейной системы, в которой шумовая составляющая e(t) является стохастическим белым шумом, при E[e(t)]=0. В более широком смысле, систему можно описать с использованием принципов черного ящика (см. фиг.17). G и H означают передаточные функции, и Θ означает вектор, содержащий полиномиальные коэффициенты. Кроме того, q означает оператор сдвига. Предпочтительнее всего использовать произведение частоты на давление, поскольку этот параметр характеризуется самой высокой корреляцией с BG. Поэтому в нижеприведенном примере применяются данные BG и RPP.
Во время идентификации системы важной предварительной обработкой является вычитание среднего значения. Такие значения находят по формулам
где N означает количество измерений. Существует несколько способов для оценки передаточных функций G(Θ,q) и H(Θ,q), среди которых можно упомянуть модели типа ARX, ARMAX, OE и Бокса-Дженкинса. В данном случае обсуждается модель ARX, которая предлагает алгоритм непосредственного прогнозирования, называемый линейной регрессией. Самой сложной является модель Бокса-Дженкинса, а другие модели являются ее специальными случаями. Проверки показали минимальное значение разностей между подходами с разными моделями.
Модель ARX можно записать следующим образом
где полиномиальные коэффициенты можно собрать и записать как
Далее, уравнение 2 можно переписать как
где
и
nk означает задержку.
При наличии оптимальных компонентов у вектора Θ, старых значений BQ и RPP, можно прогнозировать BG. Прогнозирование осуществляется вычислением при известных Θ и векторе регрессии φ, содержащих старые значения BQ и RPP.
Следует отметить, что шумовой член e(t) не является членом φ. Кроме того, произведение Θ и φ обеспечивает прогнозирование
В примере предиктор создан как одношаговый предиктор и становится адаптивным, когда переподготавливается для каждого прогнозирования. Специалисты в данной области техники могут применить другие длины шагов предикторов и другие типы предикторов.
Для каждого вычисления Θ в момент времени t-1, будет формироваться приблизительная оценка или прогноз BG(t). Следовательно, в каждый момент времени t можно совершить ошибку прогнозирования
Для подготовительной последовательности длины N получают квадратичный критерий
Поэтому прямым решением является отбор Θ, что дает
(«argmin» означает минимизированный аргумент)
Существует ошибка прогнозирования
Следовательно, квадратичный критерий (11) можно записать как
где
и
Если RN можно инвертировать, то формулу можно переписать следующим образом
Последняя часть в (19) всегда равна нулю, если
и, поскольку RN положительно определено, тем самым обеспечивается минимум. Следовательно, оптимальное минимизированное значение VN(Θ) получается, когда выполняется уравнение (22), поскольку остальные члены не зависят от Θ. Для усовершенствования рассматриваемого предиктора можно использовать информацию в остатках, которая будет в наличии, когда берут настоящие пробы BG. Упомянутый остаток можно экспоненциально взвешивать, чтобы прибавлять к предстоящим прогнозам для усовершенствования отслеживания амплитуды.
Для примера, на фиг.18 показаны результаты, полученные предиктором, когда предиктор корректируется по настоящим пробам BG только через каждые 7 дней. В другом варианте осуществления изобретения предиктор может действовать автономно и корректироваться только вначале по короткой последовательности BG.
В другом примере прогнозирования можно реализовать фильтр FIR-Винера, который является мощным предиктором, оптимально подавляющим шум. Переменная, описывающая будущие замеры BG, может быть записана нижеследующим образом (конечно, в настоящем описании BG является только примером, и BG можно заменить некоторыми другими переменными с редко отбираемыми замерами, коррелируемыми с переменной с плотно взятыми замерами). Поэтому прогнозируемое значение BG формируют следующим образом.
Вектор, содержащий данные измерений BG и RPP, формируют следующим образом.
где t обозначает количество старых значений BG в BG, и M обозначает интервал тестирования BG. T представляет старые значения RPP, а k обозначает число прогнозируемых шагов (k<M).
Кроме того, получают оценку матрицы, содержащей функции автокорреляции и функции кросс-корреляции. Для вычисления упомянутых оценок можно воспользоваться последовательностью известных данных измерений в качестве подготовительной последовательности.
Вычисляют также оценку кросс-корреляции
После этого может быть создан фильтр в виде (по одному на каждое прогнозирование, k обозначает индекс шага прогнозирования)
Что приводит к прогнозируемому значению
Должен выполняться анализ данных временных серий на релевантность, и данные, выпадающие или выходящие за пределы порога, могут быть заменены с использованием средних значений соседних данных. Это очень важно, поскольку обычно иногда забывают производить измерения или иногда делают ошибки при ручной интерпретации измерений. Данные на длинных отрезках выпадения возможно потребуется интерполировать в ситуации, когда обследуемое лицо забыло свое устройство, или когда выезжает на выходные дни и т.д. Кроме того, линейная интерполяции является альтернативой способу линейного регрессионного прогнозирования. Например, если измерения BG выполняются один раз в неделю, то вектор известных данных BG является субдискретизированным вариантом вектора ежедневно замеряемого значения BG. Это можно описать следующим образом
для любого интерполяционного интервала из M дней (или замеров). Затем выполняется линейная интерполяция наложением прямой линии, построенной по M-1 замерам между элементами в BGM. Например, на фиг.18 показаны результаты работы интерполятора по настоящим пробам BG, отбираемым каждый 7-й день. Линейная интерполяция может также выполняться для данных, полученных через неравные интервалы с отсутствующими данными.
Кроме того, в другом варианте осуществления изобретения может быть предпочтительно автоматическое переключение между линейной интерполяцией и прогнозированием на основании последовательности пропущенных данных. Соответствующий момент времени переключения можно определять остаточным анализом предыдущих известных данных. Остатки формируются по двум случаям: Случай 1, когда линейно интерполированные данные в некоторой последовательности сравнивают с исходными данными. Случай 2, когда спрогнозированные данные в той же самой последовательности сравнивают с исходными данными. Это, конечно, выполняется в одном/ой интервале/последовательности, обеспечивающем/ей полезное сравнение между двумя случаями. Цель состоит в том, чтобы обеспечивать настолько малые остатки, насколько возможно, и поэтому точку перехода можно определить как точку, в которой средние квадратов остатков из двух случаев пересекаются.
Сумму или факторизацию BG и RPP можно использовать как показатель метаболической эффективности, названный автором изобретения показателем метаболической активности (MPI), т.е. показатель, который может охватывать ряд аномалий и заболеваний и, следовательно, понятный для стимулирования самоконтроля и изменения образа жизни при заболевании, сопутствующем диабету типа 2, см. фиг.19. Ранние показатели обнаружили, что показатель MPI можно успешно применить в таких случаях, как спортивные тренировки и т.д.
По мнению автора изобретения, устройство для метаболического контроля и получения показаний согласно предложенному изобретению будет очень ценной системой для самоорганизации пациента, а также новым средством для врача, чтобы ясно и точно оценивать состояние пациента и затем вести наблюдение за ним, и, по существу, может быть использовано как ценное средство для лечения. Экранный снимок версии программного продукта показан на фиг.20. Полагают также, что настоящее устройство для многопараметрового метаболического контроля и выдачи показаний можно использовать для контроля физического состояния и прогресса любого человека, например, спортсмена типа бегуна или пловца и т.д., и любого млекопитающего, например, скаковой лошади или беговой собаки, при этом, тренер может позитивно использовать выходные данные для руководства дальнейшей тренировкой и совершенствования показаний.
В качестве альтернативы разработке новой аппаратуры, для сбора данных можно применить стандартные проверенные технологии и массово выпускаемые потребительские медицинские контрольные приборы, в которых можно применить компьютерный программный продукт и компьютер (настольный, портативный, карманный или от интеллектуального телефона) для сбора, загрузки, анализа и представления информации практически удобным и интуитивно-понятным способом. Кроме того, можно создать интеллектуальные мониторы глюкозы крови или интеллектуальное комбинированное устройство монитора глюкозы крови и артериального давления, содержащее микропроцессор и акселерометр, для контроля физической активности и экран для отображения. Настоящее изобретение можно реализовать как в программных средствах, так и в аппаратных микросхемах и DSP (цифровых процессорах сигналов) для разных применений, для вычисления, хранения и/или передачи сигналов, аналоговых или цифровых.
Вышеописанные варианты осуществления служат только для иллюстрации принципов настоящего изобретения. Специалистам в данной области техники очевидно, что в схемы и элементы, приведенные в описании, можно вносить модификации и изменения. Поэтому изобретение ограничено только объемом нижеследующей формулы изобретения, а не конкретными элементами, представленными путем описания и объяснения представленных в настоящем описании вариантов осуществления.
Claims (21)
1. Устройство для выдачи показаний об определяющем здоровье состоянии обследуемого лица, содержащее
входной интерфейс (20), выполненный с возможностью получения исходной последовательности замеров первого биологического количественного параметра, полученных первым инвазивным способом измерения, и получения исходной последовательности замеров второго биологического количественного параметра, полученных вторым неинвазивным способом измерения, причем биологические количественные параметры характеризуются полезным изменением и бесполезным изменением; и
при этом первый биологический количественный параметр является более информативным для определяющего здоровье состояния обследуемого лица, чем второй биологический количественный параметр;
предиктор (30) для обеспечения, для некоторого момента времени, для которого не существует замера первого биологического количественного параметра, расчетного значения первого биологического количественного параметра в качестве спрогнозированного замера с использованием замеров второго биологического количественного параметра и, насколько возможно, замеров первого количественного параметра;
фильтр (22) для фильтрации последовательности, содержащей замеры первого биологического количественного параметра и, по меньшей мере, один спрогнозированный замер, в результате чего получают фильтрованную последовательность, причем фильтрованная последовательность содержит полезное изменение и бесполезное изменение, уменьшенное по сравнению с последовательностью до фильтрации; и
выходной интерфейс (25) для вывода, по меньшей мере, показания повышения, показания снижения или показания отсутствия изменений, полученных из фильтрованной последовательности в качестве тенденции изменения фильтрованной последовательности, при этом тенденция изменения характеризует полезное изменение определяющего здоровье состояния обследуемого лица.
входной интерфейс (20), выполненный с возможностью получения исходной последовательности замеров первого биологического количественного параметра, полученных первым инвазивным способом измерения, и получения исходной последовательности замеров второго биологического количественного параметра, полученных вторым неинвазивным способом измерения, причем биологические количественные параметры характеризуются полезным изменением и бесполезным изменением; и
при этом первый биологический количественный параметр является более информативным для определяющего здоровье состояния обследуемого лица, чем второй биологический количественный параметр;
предиктор (30) для обеспечения, для некоторого момента времени, для которого не существует замера первого биологического количественного параметра, расчетного значения первого биологического количественного параметра в качестве спрогнозированного замера с использованием замеров второго биологического количественного параметра и, насколько возможно, замеров первого количественного параметра;
фильтр (22) для фильтрации последовательности, содержащей замеры первого биологического количественного параметра и, по меньшей мере, один спрогнозированный замер, в результате чего получают фильтрованную последовательность, причем фильтрованная последовательность содержит полезное изменение и бесполезное изменение, уменьшенное по сравнению с последовательностью до фильтрации; и
выходной интерфейс (25) для вывода, по меньшей мере, показания повышения, показания снижения или показания отсутствия изменений, полученных из фильтрованной последовательности в качестве тенденции изменения фильтрованной последовательности, при этом тенденция изменения характеризует полезное изменение определяющего здоровье состояния обследуемого лица.
2. Устройство по п.1,
в котором первый способ измерения является измерением глюкозы крови или плазмы и
в котором второй способ измерения является измерением частоты сердечных сокращений, измерением артериального давления или способом для получения произведения частоты сердечных сокращений и артериального давления.
в котором первый способ измерения является измерением глюкозы крови или плазмы и
в котором второй способ измерения является измерением частоты сердечных сокращений, измерением артериального давления или способом для получения произведения частоты сердечных сокращений и артериального давления.
3. Устройство по п.1,
в котором входной интерфейс (20) предназначен для получения в качестве последовательности замеров второго биологического количественного параметра первой подпоследовательности замеров и второй последовательности замеров и
при этом устройство дополнительно содержит объединитель (27) для объединения первой подпоследовательности замеров и второй последовательности замеров с целью получения последовательности замеров второго биологического количественного параметра, причем объединитель предназначен для выполнения позамерного умножения.
в котором входной интерфейс (20) предназначен для получения в качестве последовательности замеров второго биологического количественного параметра первой подпоследовательности замеров и второй последовательности замеров и
при этом устройство дополнительно содержит объединитель (27) для объединения первой подпоследовательности замеров и второй последовательности замеров с целью получения последовательности замеров второго биологического количественного параметра, причем объединитель предназначен для выполнения позамерного умножения.
4. Устройство по п.1, в котором первый биологический количественный параметр является уровнем глюкозы крови, содержанием липидов в крови или уровня инсулина в крови обследуемого лица.
5. Устройство по п.1, в котором определяющее здоровье состояние представляет собой сопутствующее диабету, или связанное с глюкозой, или связанное с инсулином метаболическое расстройство.
6. Устройство по п.1, в котором первый биологический количественный параметр является уровнем глюкозы крови.
7. Устройство по п.1, в котором предиктор (30) предназначен для получения в качестве подготовительной последовательности нескольких замеров, полученных первым способом измерения, и для получения после стадии подготовки, по меньшей мере, одного замера, полученного вторым способом измерения в период работы.
8. Устройство по п.7, в котором период работы продолжается до момента времени, в который поступает замер, полученный первым способом измерения, в качестве значения для коррекции предиктора, или в котором период работы не ограничен, так что предиктор является автономным предиктором после стадии подготовки.
9. Устройство по п.1, дополнительно содержащее интерполятор данных для обеспечения интерполированного замера вместо отсутствующего замера в некоторый момент времени биологического количественного параметра с использованием, по меньшей мере, одного предшествующего замера или, по меньшей мере, одного последующего замера с целью получения обработанной последовательности, содержащей замеры исходной последовательности и интерполированный замер.
10. Устройство по п.1, в котором фильтр является фильтром низких частот.
11. Устройство по п.10,
в котором фильтр низких частот обладает граничной частотой, которую устанавливают так, чтобы энергия в низкочастотном диапазоне частот исходной последовательности или обработанной последовательности составляла заданную долю от общей энергии исходной последовательности или обработанной последовательности.
в котором фильтр низких частот обладает граничной частотой, которую устанавливают так, чтобы энергия в низкочастотном диапазоне частот исходной последовательности или обработанной последовательности составляла заданную долю от общей энергии исходной последовательности или обработанной последовательности.
12. Устройство по п.10, дополнительно содержащее вычислитель граничной частоты, предназначенный для определения граничной частоты с использованием следующих этапов:
определяют разные граничные частоты для фильтра низких частот для фильтрации замеров с целью получения фильтрованных измерительных сигналов;
для каждого фильтрованного измерительного сигнала выводят остаточные значения на основе разности исходной последовательности и фильтрованного измерительного сигнала с целью получения представления остатка;
на основании представления остатка определяют граничную частоту, индивидуально пригодную для исходной последовательности замеров.
определяют разные граничные частоты для фильтра низких частот для фильтрации замеров с целью получения фильтрованных измерительных сигналов;
для каждого фильтрованного измерительного сигнала выводят остаточные значения на основе разности исходной последовательности и фильтрованного измерительного сигнала с целью получения представления остатка;
на основании представления остатка определяют граничную частоту, индивидуально пригодную для исходной последовательности замеров.
13. Устройство по п.12, в котором вычислитель граничной частоты предназначен для определения граничной частоты путем выполнения следующих этапов:
определяют первую линию с использованием остаточных энергий для низких граничных частот;
определяют вторую линию с использованием остаточных энергий для высоких граничных частот и
находят точку пересечения первой линии и второй линии, при этом точка пересечения указывает граничную частоту.
определяют первую линию с использованием остаточных энергий для низких граничных частот;
определяют вторую линию с использованием остаточных энергий для высоких граничных частот и
находят точку пересечения первой линии и второй линии, при этом точка пересечения указывает граничную частоту.
14. Устройство по п.1, в котором выходной интерфейс (25) предназначен для выдачи показания о тенденции изменения акустическим индикатором, оптическим индикатором или механическим индикатором, так что показания повышения, показания снижения или показания отсутствия изменений различаются между собой акустически, оптически или механически.
15. Устройство по п.1, в котором выходной интерфейс (25) предназначен для получения и вывода тенденции изменения из фактического значения фильтрованной последовательности или модифицированной последовательности и предшествующего по времени значения фильтрованной последовательности или модифицированной последовательности.
16. Устройство по п.1, в котором выходной интерфейс предназначен для графического отображения фильтрованной последовательности или модифицированной последовательности.
17. Устройство по п.1, в котором выходной интерфейс (25) предназначен для графического отображения последовательности спрогнозированных значений или последовательности фильтрованных спрогнозированных значений и, кроме того, по меньшей мере, дополнительно фильтрованной или модифицированной последовательности.
18. Устройство по п.17, в котором последовательность спрогнозированных значений представляет собой последовательность значений глюкозы крови обследуемого лица и дополнительный биологический параметр является произведением частоты на давление обследуемого лица, используемым для прогнозирования значений глюкозы крови.
19. Устройство по п.1, в котором первый способ измерения является, кроме того, дорогим или биохимическим способом измерения или способом измерения, основанным на измерении жидкости, и в котором второй способ измерения является, кроме того, менее дорогим или физиологическим способом измерения или способом измерения, основанным не на измерении жидкости.
20. Устройство по п.1,
в котором предиктор (30) предназначен для исполнения регрессионного алгоритма и
в котором предиктор (30) дополнительно предназначен для получения значения для коррекции от первого способа измерения после периода работы, который содержит, по меньшей мере, тройной интервал, через который замеры вторым способом измерения поступают во входной интерфейс.
в котором предиктор (30) предназначен для исполнения регрессионного алгоритма и
в котором предиктор (30) дополнительно предназначен для получения значения для коррекции от первого способа измерения после периода работы, который содержит, по меньшей мере, тройной интервал, через который замеры вторым способом измерения поступают во входной интерфейс.
21. Способ указания определяющего здоровье состояния обследуемого лица, при этом способ содержит следующие этапы:
получают (20) исходную последовательность замеров первого биологического количественного параметра, полученных первым инвазивным способом измерения, причем первые биологические количественные параметры характеризуются полезным изменением и бесполезным изменением;
получают (20) исходную последовательность замеров второго биологического количественного параметра, полученных вторым неинвазивным способом измерения, причем вторые биологические количественные параметры характеризуются полезным изменением и бесполезным изменением;
при этом первый биологический количественный параметр является более информативным для определяющего здоровье состояния обследуемого лица, чем второй биологический количественный параметр;
обеспечивают (30) путем прогнозирования для некоторого момента времени, для которого не существует замера первого биологического количественного параметра, расчетное значение первого биологического количественного параметра в качестве спрогнозированного замера с использованием замеров второго биологического количественного параметра и, насколько возможно, замеров первого количественного параметра;
фильтруют (22) последовательность, содержащую замеры первого биологического количественного параметра и, по меньшей мере, один спрогнозированный замер, в результате чего получают фильтрованную последовательность, причем фильтрованная последовательность содержит полезное изменение и бесполезное изменение, уменьшенное по сравнению с последовательностью до фильтрации; и
выводят (25), по меньшей мере, показание повышения, показания снижения или показания отсутствия изменений, полученных из фильтрованной последовательности, в качестве тенденции изменения фильтрованной последовательности, при этом тенденция изменения характеризует полезное изменение определяющего здоровье состояния обследуемого лица.
получают (20) исходную последовательность замеров первого биологического количественного параметра, полученных первым инвазивным способом измерения, причем первые биологические количественные параметры характеризуются полезным изменением и бесполезным изменением;
получают (20) исходную последовательность замеров второго биологического количественного параметра, полученных вторым неинвазивным способом измерения, причем вторые биологические количественные параметры характеризуются полезным изменением и бесполезным изменением;
при этом первый биологический количественный параметр является более информативным для определяющего здоровье состояния обследуемого лица, чем второй биологический количественный параметр;
обеспечивают (30) путем прогнозирования для некоторого момента времени, для которого не существует замера первого биологического количественного параметра, расчетное значение первого биологического количественного параметра в качестве спрогнозированного замера с использованием замеров второго биологического количественного параметра и, насколько возможно, замеров первого количественного параметра;
фильтруют (22) последовательность, содержащую замеры первого биологического количественного параметра и, по меньшей мере, один спрогнозированный замер, в результате чего получают фильтрованную последовательность, причем фильтрованная последовательность содержит полезное изменение и бесполезное изменение, уменьшенное по сравнению с последовательностью до фильтрации; и
выводят (25), по меньшей мере, показание повышения, показания снижения или показания отсутствия изменений, полученных из фильтрованной последовательности, в качестве тенденции изменения фильтрованной последовательности, при этом тенденция изменения характеризует полезное изменение определяющего здоровье состояния обследуемого лица.
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
SE0400456A SE0400456D0 (sv) | 2004-02-26 | 2004-02-26 | Multiparameter metabolic monitoring, a method and device for the improvement of management and control in borderline or manifest type 2-diabetes |
SE0400456-0 | 2004-02-26 | ||
SE0402139-0 | 2004-09-07 | ||
SE0402139A SE0402139D0 (sv) | 2004-09-07 | 2004-09-07 | Metabolic monitoring, a method and apparatus for indicating healt-related-condition of a subject |
Publications (2)
Publication Number | Publication Date |
---|---|
RU2006134033A RU2006134033A (ru) | 2008-04-10 |
RU2345705C2 true RU2345705C2 (ru) | 2009-02-10 |
Family
ID=34914631
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
RU2006134033/14A RU2345705C2 (ru) | 2004-02-26 | 2005-02-25 | Метаболический контроль, способ и устройство для получения показаний об определяющем здоровье состоянии обследуемого лица |
Country Status (10)
Country | Link |
---|---|
US (4) | US7878975B2 (ru) |
EP (1) | EP1718196B1 (ru) |
JP (2) | JP4611372B2 (ru) |
AT (1) | ATE427695T1 (ru) |
CA (2) | CA2833776C (ru) |
DE (1) | DE602005013750D1 (ru) |
DK (1) | DK1718196T3 (ru) |
ES (1) | ES2325169T3 (ru) |
RU (1) | RU2345705C2 (ru) |
WO (1) | WO2005082233A1 (ru) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013142268A1 (en) * | 2012-03-23 | 2013-09-26 | Etiometry, Llc | Systems and methods for transitioning patient care from signal-based monitoring to risk-based monitoring |
RU2529808C2 (ru) * | 2009-03-09 | 2014-09-27 | Омрон Хэлткэа Ко., Лтд. | Устройство для контроля состояния здоровья |
RU2629797C2 (ru) * | 2012-05-18 | 2017-09-04 | Конинклейке Филипс Н.В. | Способ визуализации информации указателя индекса гемодинамической нестабильности |
US10062456B2 (en) | 2011-12-16 | 2018-08-28 | Etiometry Inc. | Systems and methods for transitioning patient care from signal based monitoring to risk based monitoring |
US11676730B2 (en) | 2011-12-16 | 2023-06-13 | Etiometry Inc. | System and methods for transitioning patient care from signal based monitoring to risk based monitoring |
Families Citing this family (139)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190357827A1 (en) | 2003-08-01 | 2019-11-28 | Dexcom, Inc. | Analyte sensor |
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 |
DE602005013750D1 (de) * | 2004-02-26 | 2009-05-20 | Diabetes Tools Sweden Ab | Stoffwechselüberwachung, verfahren und gerät zur aerson |
US9636450B2 (en) | 2007-02-19 | 2017-05-02 | Udo Hoss | Pump system modular components for delivering medication and analyte sensing at seperate insertion sites |
US20100331646A1 (en) * | 2009-06-30 | 2010-12-30 | Abbott Diabetes Care Inc. | Health Management Devices and Methods |
US7547281B2 (en) | 2005-02-01 | 2009-06-16 | Medtronic Minimed, Inc. | Algorithm sensor augmented bolus estimator for semi-closed loop infusion system |
US8956291B2 (en) * | 2005-02-22 | 2015-02-17 | Admetsys Corporation | Balanced physiological monitoring and treatment system |
CN101365374B (zh) | 2005-08-31 | 2011-11-16 | 弗吉尼亚大学专利基金委员会 | 改善连续式葡萄糖传感器的准确度 |
US8880138B2 (en) * | 2005-09-30 | 2014-11-04 | Abbott Diabetes Care Inc. | Device for channeling fluid and methods of use |
CN102908130B (zh) * | 2005-11-29 | 2015-04-22 | 风险获利有限公司 | 用于监测人体健康状态的设备 |
US7885698B2 (en) | 2006-02-28 | 2011-02-08 | Abbott Diabetes Care Inc. | Method and system for providing continuous calibration of implantable analyte sensors |
US7826879B2 (en) | 2006-02-28 | 2010-11-02 | Abbott Diabetes Care Inc. | Analyte sensors and methods of use |
US7542955B2 (en) * | 2006-03-10 | 2009-06-02 | The General Electric Company | Exercise test interpretation |
US8140312B2 (en) | 2007-05-14 | 2012-03-20 | Abbott Diabetes Care Inc. | Method and system for determining analyte levels |
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 |
US8219173B2 (en) | 2008-09-30 | 2012-07-10 | Abbott Diabetes Care Inc. | Optimizing analyte sensor calibration |
US8473022B2 (en) | 2008-01-31 | 2013-06-25 | Abbott Diabetes Care Inc. | Analyte sensor with time lag compensation |
US8374668B1 (en) | 2007-10-23 | 2013-02-12 | Abbott Diabetes Care Inc. | Analyte sensor with lag compensation |
US8478557B2 (en) | 2009-07-31 | 2013-07-02 | Abbott Diabetes Care Inc. | Method and apparatus for providing analyte monitoring system calibration accuracy |
US7618369B2 (en) | 2006-10-02 | 2009-11-17 | Abbott Diabetes Care Inc. | Method and system for dynamically updating calibration parameters for an analyte sensor |
US9675290B2 (en) | 2012-10-30 | 2017-06-13 | Abbott Diabetes Care Inc. | Sensitivity calibration of in vivo sensors used to measure analyte concentration |
US8224415B2 (en) | 2009-01-29 | 2012-07-17 | Abbott Diabetes Care Inc. | Method and device for providing offset model based calibration for analyte sensor |
US8346335B2 (en) | 2008-03-28 | 2013-01-01 | Abbott Diabetes Care Inc. | Analyte sensor calibration management |
US9392969B2 (en) | 2008-08-31 | 2016-07-19 | Abbott Diabetes Care Inc. | Closed loop control and signal attenuation detection |
US9326709B2 (en) * | 2010-03-10 | 2016-05-03 | Abbott Diabetes Care Inc. | Systems, devices and methods for managing glucose levels |
US7630748B2 (en) | 2006-10-25 | 2009-12-08 | Abbott Diabetes Care Inc. | Method and system for providing analyte monitoring |
JP4830765B2 (ja) * | 2006-09-29 | 2011-12-07 | パナソニック電工株式会社 | 活動量計測システム |
CN102772212A (zh) | 2006-10-26 | 2012-11-14 | 雅培糖尿病护理公司 | 检测被分析物传感器中的信号衰减的方法、设备和系统 |
JP5016316B2 (ja) * | 2007-01-31 | 2012-09-05 | メディアクロス株式会社 | メタボリックシンドローム血管評価システム |
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 |
CA2683962C (en) | 2007-04-14 | 2017-06-06 | Abbott Diabetes Care Inc. | Method and apparatus for providing data processing and control in medical communication system |
EP2146624B1 (en) | 2007-04-14 | 2020-03-25 | Abbott Diabetes Care Inc. | Method and apparatus for providing data processing and control in medical communication system |
CA2683953C (en) | 2007-04-14 | 2016-08-02 | Abbott Diabetes Care Inc. | Method and apparatus for providing data processing and control in medical communication system |
WO2009096992A1 (en) | 2007-04-14 | 2009-08-06 | Abbott Diabetes Care, Inc. | Method and apparatus for providing data processing and control in 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 |
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 |
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 |
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 |
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 |
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 |
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 |
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 |
WO2008144616A1 (en) * | 2007-05-18 | 2008-11-27 | Heidi Kay | Lipid raft, caveolin protein, and caveolar function modulation compounds and associated synthetic and therapeutic methods |
EP2006786B1 (en) * | 2007-06-18 | 2018-05-09 | Roche Diabetes Care GmbH | Method and glucose monitoring system for monitoring individual metabolic response and for generating nutritional feedback |
CA2687562C (en) | 2007-06-27 | 2015-11-24 | F. Hoffmann-La Roche Ag | System and method for developing patient specific therapies based on modeling of patient physiology |
EP2191405B1 (en) | 2007-06-27 | 2019-05-01 | Roche Diabetes Care GmbH | Medical diagnosis, therapy, and prognosis system for invoked events and method thereof |
US8834366B2 (en) | 2007-07-31 | 2014-09-16 | Abbott Diabetes Care Inc. | Method and apparatus for providing analyte sensor calibration |
CA2702406C (en) * | 2007-10-12 | 2018-07-24 | Patientslikeme, Inc. | Processor-implemented method and system for facilitating a user-initiated clinical study to determine the efficacy of an intervention |
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 |
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 |
US8882668B2 (en) * | 2007-11-19 | 2014-11-11 | Elizabeth S. Thompson | Method and process for body composition management |
US20090164239A1 (en) | 2007-12-19 | 2009-06-25 | Abbott Diabetes Care, Inc. | Dynamic Display Of Glucose Information |
US8066640B2 (en) * | 2008-04-22 | 2011-11-29 | EOS Health, Inc. | Cellular GPRS-communication linked glucometer—pedometer |
US8876755B2 (en) | 2008-07-14 | 2014-11-04 | Abbott Diabetes Care Inc. | Closed loop control system interface and methods |
WO2010022387A1 (en) * | 2008-08-22 | 2010-02-25 | Eastern Virginia Medical School | Method and apparatus for chronic disease control |
US20100057040A1 (en) | 2008-08-31 | 2010-03-04 | Abbott Diabetes Care, Inc. | Robust 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 |
US8622988B2 (en) * | 2008-08-31 | 2014-01-07 | Abbott Diabetes Care Inc. | Variable rate closed loop control and methods |
US8734422B2 (en) | 2008-08-31 | 2014-05-27 | Abbott Diabetes Care Inc. | Closed loop control with improved alarm functions |
US8986208B2 (en) | 2008-09-30 | 2015-03-24 | Abbott Diabetes Care Inc. | Analyte sensor sensitivity attenuation mitigation |
US8185182B1 (en) * | 2008-10-14 | 2012-05-22 | Ravi Shankar | Noninvasive glucose measurement |
ES2338624B1 (es) * | 2008-11-07 | 2011-09-13 | Sabirmedical,S.L. | Sistema y aparato para la medicion no invasiva de los niveles de glucosa en sangre. |
US9326707B2 (en) | 2008-11-10 | 2016-05-03 | Abbott Diabetes Care Inc. | Alarm characterization for analyte monitoring devices and systems |
US8103456B2 (en) | 2009-01-29 | 2012-01-24 | Abbott Diabetes Care Inc. | Method and device for early signal attenuation detection using blood glucose measurements |
US8216136B2 (en) * | 2009-03-05 | 2012-07-10 | Nellcor Puritan Bennett Llc | Systems and methods for monitoring heart rate and blood pressure correlation |
US8497777B2 (en) | 2009-04-15 | 2013-07-30 | Abbott Diabetes Care Inc. | Analyte monitoring system having an alert |
EP2419015A4 (en) | 2009-04-16 | 2014-08-20 | Abbott Diabetes Care Inc | ANALYTE SENSOR CALIBRATION MANAGEMENT |
KR101297767B1 (ko) | 2009-04-17 | 2013-08-20 | 아크레이 가부시키가이샤 | 정보 제공 시스템, 정보 제공 방법, 및 서버 장치 |
EP2425209A4 (en) | 2009-04-29 | 2013-01-09 | Abbott Diabetes Care Inc | METHOD AND SYSTEM FOR REAL-TIME CALIBRATION OF AN ANALYTICAL SENSOR WITH RETROACTIVE FILLING |
JP5501445B2 (ja) | 2009-04-30 | 2014-05-21 | ペイシェンツライクミー, インコーポレイテッド | オンラインコミュニティ内のデータ提出を促進するシステムおよび方法 |
CA2957078C (en) * | 2009-06-30 | 2019-04-30 | Lifescan, Inc | Analyte testing methods and device for calculating basal insulin therapy |
EP2449492A1 (en) * | 2009-06-30 | 2012-05-09 | Lifescan, Inc. | Analyte testing method and system |
CA2766870A1 (en) * | 2009-06-30 | 2011-01-06 | Lifescan Scotland Limited | Systems for diabetes management and methods |
LT3689237T (lt) * | 2009-07-23 | 2021-09-27 | Abbott Diabetes Care, Inc. | Nuolatinio analitės matavimo sistema ir gamybos būdas |
WO2011011739A2 (en) | 2009-07-23 | 2011-01-27 | Abbott Diabetes Care Inc. | Real time management of data relating to physiological control of glucose levels |
DK3988470T3 (da) | 2009-08-31 | 2023-08-28 | Abbott Diabetes Care Inc | Visningsindretninger til en medicinsk indretning |
WO2011041469A1 (en) | 2009-09-29 | 2011-04-07 | Abbott Diabetes Care Inc. | Method and apparatus for providing notification function in analyte monitoring systems |
WO2011041007A1 (en) * | 2009-09-29 | 2011-04-07 | Lifescan Scotland Limited | Analyte testing method and device for diabetes management |
US8185181B2 (en) | 2009-10-30 | 2012-05-22 | Abbott Diabetes Care Inc. | Method and apparatus for detecting false hypoglycemic conditions |
US20110184265A1 (en) * | 2010-01-22 | 2011-07-28 | Abbott Diabetes Care Inc. | Method and Apparatus for Providing Notification in Analyte Monitoring Systems |
CA2789630C (en) * | 2010-02-11 | 2016-12-13 | The Regents Of The University Of California | Systems, devices and methods to deliver biological factors or drugs to a subject |
KR101722417B1 (ko) * | 2010-02-25 | 2017-04-03 | 라이프스캔 스코트랜드 리미티드 | 고혈당 및 저혈당 경향 통지를 갖는 분석물 검사 방법 및 시스템 |
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 |
JP5838557B2 (ja) * | 2010-07-05 | 2016-01-06 | ソニー株式会社 | 生体情報処理方法および装置、並びに記録媒体 |
US11213226B2 (en) | 2010-10-07 | 2022-01-04 | Abbott Diabetes Care Inc. | Analyte monitoring devices and methods |
US8928671B2 (en) | 2010-11-24 | 2015-01-06 | Fujitsu Limited | Recording and analyzing data on a 3D avatar |
US20120197622A1 (en) * | 2011-01-31 | 2012-08-02 | Fujitsu Limited | Monitoring Insulin Resistance |
US20120197621A1 (en) * | 2011-01-31 | 2012-08-02 | Fujitsu Limited | Diagnosing Insulin Resistance |
DK3575796T3 (da) | 2011-04-15 | 2021-01-18 | Dexcom Inc | Avanceret analytsensorkalibrering og fejldetektion |
JP2012235869A (ja) | 2011-05-11 | 2012-12-06 | Sony Corp | 情報処理装置及び方法 |
US20130085349A1 (en) * | 2011-06-21 | 2013-04-04 | Yofimeter, Llc | Analyte testing devices |
US9622691B2 (en) | 2011-10-31 | 2017-04-18 | Abbott Diabetes Care Inc. | Model based variable risk false glucose threshold alarm prevention mechanism |
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 |
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 |
WO2013078426A2 (en) | 2011-11-25 | 2013-05-30 | Abbott Diabetes Care Inc. | Analyte monitoring system and methods of use |
US9474472B2 (en) * | 2011-12-30 | 2016-10-25 | Intel Corporation | Apparatus, method, and system for accurate estimation of total energy expenditure in daily activities |
US9254099B2 (en) | 2013-05-23 | 2016-02-09 | Medibotics Llc | Smart watch and food-imaging member for monitoring food consumption |
US9442100B2 (en) | 2013-12-18 | 2016-09-13 | Medibotics Llc | Caloric intake measuring system using spectroscopic and 3D imaging analysis |
US9042596B2 (en) | 2012-06-14 | 2015-05-26 | Medibotics Llc | Willpower watch (TM)—a wearable food consumption monitor |
US9536449B2 (en) | 2013-05-23 | 2017-01-03 | Medibotics Llc | Smart watch and food utensil for monitoring food consumption |
US10314492B2 (en) | 2013-05-23 | 2019-06-11 | Medibotics Llc | Wearable spectroscopic sensor to measure food consumption based on interaction between light and the human body |
EP2890297B1 (en) | 2012-08-30 | 2018-04-11 | Abbott Diabetes Care, Inc. | Dropout detection in continuous analyte monitoring data during data excursions |
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 |
US9119528B2 (en) | 2012-10-30 | 2015-09-01 | Dexcom, Inc. | Systems and methods for providing sensitive and specific alarms |
WO2014068743A1 (ja) * | 2012-11-01 | 2014-05-08 | テルモ株式会社 | センシング装置及びセンシング方法 |
US10076285B2 (en) | 2013-03-15 | 2018-09-18 | 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 |
US9474475B1 (en) | 2013-03-15 | 2016-10-25 | Abbott Diabetes Care Inc. | Multi-rate analyte sensor data collection with sample rate configurable signal processing |
US9529385B2 (en) | 2013-05-23 | 2016-12-27 | Medibotics Llc | Smart watch and human-to-computer interface for monitoring food consumption |
US11229382B2 (en) | 2013-12-31 | 2022-01-25 | Abbott Diabetes Care Inc. | Self-powered analyte sensor and devices using the same |
EP2921105B1 (en) * | 2014-03-20 | 2018-02-28 | Physical Enterprises, Inc. (dba Mio Global) | Health risk indicator determination |
EP3865063A1 (en) | 2014-03-30 | 2021-08-18 | Abbott Diabetes Care, Inc. | Method and apparatus for determining meal start and peak events in analyte monitoring systems |
CN113349766A (zh) | 2015-07-10 | 2021-09-07 | 雅培糖尿病护理公司 | 对于生理参数进行动态葡萄糖曲线响应的系统、装置和方法 |
CN109789264B (zh) | 2016-09-27 | 2021-06-22 | 比格福特生物医药公司 | 药物注射和疾病管理系统、设备和方法 |
USD836769S1 (en) | 2016-12-12 | 2018-12-25 | Bigfoot Biomedical, Inc. | Insulin delivery controller |
CN109922716A (zh) | 2016-12-12 | 2019-06-21 | 比格福特生物医药公司 | 药物输送设备的警报和警惕以及相关的系统和方法 |
EP3600014A4 (en) | 2017-03-21 | 2020-10-21 | Abbott Diabetes Care Inc. | METHODS, DEVICES AND SYSTEM FOR PROVIDING DIAGNOSIS AND THERAPY FOR DIABETIC CONDITION |
JP2018157876A (ja) * | 2017-03-22 | 2018-10-11 | ルネサスエレクトロニクス株式会社 | 心拍計測システム及び心拍計測方法 |
USD839294S1 (en) | 2017-06-16 | 2019-01-29 | Bigfoot Biomedical, Inc. | Display screen with graphical user interface for closed-loop medication delivery |
JP6881064B2 (ja) * | 2017-06-16 | 2021-06-02 | オムロンヘルスケア株式会社 | 血圧のNa/K比感受性を評価する装置、方法およびプログラム |
US11389088B2 (en) | 2017-07-13 | 2022-07-19 | Bigfoot Biomedical, Inc. | Multi-scale display of blood glucose information |
FI20177098A1 (fi) | 2017-08-29 | 2019-03-01 | Leppaeluoto Juhani | Menetelmiä ja laitejärjestelyitä diabeteksen, sydän- ja verisuonisairauksien, tulehdusten, dementian ja kuolleisuuden riskejä vähän liikkuvilla henkilöillä vähentävän liikunnan kynnysarvojen määrittämiseen |
KR102498120B1 (ko) | 2017-10-17 | 2023-02-09 | 삼성전자주식회사 | 생체정보 센서의 오차 보정 장치 및 방법과, 생체정보 추정 장치 및 방법 |
US11331022B2 (en) | 2017-10-24 | 2022-05-17 | Dexcom, Inc. | Pre-connected analyte sensors |
AU2018354120A1 (en) | 2017-10-24 | 2020-04-23 | Dexcom, Inc. | Pre-connected analyte sensors |
EP3724891A1 (en) | 2017-12-12 | 2020-10-21 | Bigfoot Biomedical, Inc. | Medicine injection and disease management systems, devices, and methods |
US11116899B2 (en) | 2017-12-12 | 2021-09-14 | Bigfoot Biomedical, Inc. | User interface for diabetes management systems and devices |
US11197964B2 (en) | 2017-12-12 | 2021-12-14 | Bigfoot Biomedical, Inc. | Pen cap for medication injection pen having temperature sensor |
US11464459B2 (en) | 2017-12-12 | 2022-10-11 | Bigfoot Biomedical, Inc. | User interface for diabetes management systems including flash glucose monitor |
US10987464B2 (en) | 2017-12-12 | 2021-04-27 | Bigfoot Biomedical, Inc. | Pen cap for insulin injection pens and associated methods and systems |
US11083852B2 (en) | 2017-12-12 | 2021-08-10 | Bigfoot Biomedical, Inc. | Insulin injection assistance systems, methods, and devices |
US11077243B2 (en) | 2017-12-12 | 2021-08-03 | Bigfoot Biomedical, Inc. | Devices, systems, and methods for estimating active medication from injections |
FR3079130A1 (fr) * | 2018-03-20 | 2019-09-27 | Commissariat A L'energie Atomique Et Aux Energies Alternatives | Systeme de prediction de la glycemie d'un patient |
TWI685330B (zh) * | 2018-11-22 | 2020-02-21 | 財團法人金屬工業研究發展中心 | 肌肉張力感測方法與系統 |
US11894139B1 (en) | 2018-12-03 | 2024-02-06 | Patientslikeme Llc | Disease spectrum classification |
US11426114B2 (en) | 2018-12-21 | 2022-08-30 | Metal Industries Research & Development Centre | Method and system for measuring spasticity |
Family Cites Families (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0574509B1 (en) * | 1991-03-07 | 1999-09-15 | Masimo Corporation | Signal processing apparatus and method |
DE4342105A1 (de) * | 1993-12-12 | 1995-06-14 | Cho Ok Kyung | Verfahren und Vorrichtung zur noninvasiven Bestimmung der Konzentration der Glucose in Teilen des menschlichen Körpers, inbesondere im menschlichen Blut, unter Durchführung höchstgenauer Temperaturmessungen des menschlichen Körpers |
US5823966A (en) | 1997-05-20 | 1998-10-20 | Buchert; Janusz Michal | Non-invasive continuous blood glucose monitoring |
JP2002501802A (ja) * | 1998-02-04 | 2002-01-22 | ダーマル セラピー (バルバドス) インク. | 体液中のグルコースを非侵襲的に測定するための方法及び装置 |
JP3537136B2 (ja) * | 1998-09-30 | 2004-06-14 | シグナス, インコーポレイテッド | 生理的数値を予測する方法および装置 |
US6157041A (en) * | 1998-10-13 | 2000-12-05 | Rio Grande Medical Technologies, Inc. | Methods and apparatus for tailoring spectroscopic calibration models |
US6151517A (en) * | 1999-01-22 | 2000-11-21 | Futrex Inc. | Method and apparatus for noninvasive quantitative measurement of blood analytes |
WO2001016579A1 (en) * | 1999-08-31 | 2001-03-08 | Cme Telemetrix Inc. | Method of calibrating a spectroscopic device |
US7890295B2 (en) * | 2000-02-23 | 2011-02-15 | Medtronic Minimed, Inc. | Real time self-adjusting calibration algorithm |
US6572542B1 (en) * | 2000-03-03 | 2003-06-03 | Medtronic, Inc. | System and method for monitoring and controlling the glycemic state of a patient |
EP1309271B1 (en) * | 2000-08-18 | 2008-04-16 | Animas Technologies LLC | Device for prediction of hypoglycemic events |
RU2198586C2 (ru) | 2000-11-21 | 2003-02-20 | Кабардино-Балкарский государственный университет | Способ определения концентрации глюкозы в крови |
RU2180514C1 (ru) | 2001-01-15 | 2002-03-20 | ШМЕЛЕВ Владимир Михайлович | Способ неинвазивного определения концентрации глюкозы |
AUPR343401A0 (en) * | 2001-02-28 | 2001-03-29 | Nguyen, Hung | Modelling and design for early warning systems using physiological responses |
US8010174B2 (en) * | 2003-08-22 | 2011-08-30 | Dexcom, Inc. | Systems and methods for replacing signal artifacts in a glucose sensor data stream |
DE60337038D1 (de) * | 2002-03-22 | 2011-06-16 | Animas Technologies Llc | Leistungsverbesserung einer Analytenüberwachungsvorrichtung |
US20050107710A1 (en) * | 2002-04-24 | 2005-05-19 | Ryu Nakayama | Pulse wave analyzing method, pulse wave analyzing software, and so forth |
US6931327B2 (en) * | 2003-08-01 | 2005-08-16 | Dexcom, Inc. | System and methods for processing analyte sensor data |
KR101084554B1 (ko) * | 2003-09-12 | 2011-11-17 | 보디미디어 인코퍼레이티드 | 심장 관련 파라미터를 측정하기 위한 방법 및 장치 |
WO2005057174A2 (en) * | 2003-12-08 | 2005-06-23 | Rosenthal Robert D | Method and apparatus for low blood glucose level detection |
WO2005057175A2 (en) * | 2003-12-09 | 2005-06-23 | Dexcom, Inc. | Signal processing for continuous analyte sensor |
DE602005013750D1 (de) * | 2004-02-26 | 2009-05-20 | Diabetes Tools Sweden Ab | Stoffwechselüberwachung, verfahren und gerät zur aerson |
-
2005
- 2005-02-25 DE DE602005013750T patent/DE602005013750D1/de active Active
- 2005-02-25 WO PCT/EP2005/002006 patent/WO2005082233A1/en active Application Filing
- 2005-02-25 RU RU2006134033/14A patent/RU2345705C2/ru not_active IP Right Cessation
- 2005-02-25 ES ES05715547T patent/ES2325169T3/es active Active
- 2005-02-25 CA CA2833776A patent/CA2833776C/en not_active Expired - Fee Related
- 2005-02-25 AT AT05715547T patent/ATE427695T1/de not_active IP Right Cessation
- 2005-02-25 CA CA2556592A patent/CA2556592C/en not_active Expired - Fee Related
- 2005-02-25 DK DK05715547T patent/DK1718196T3/da active
- 2005-02-25 EP EP05715547A patent/EP1718196B1/en not_active Not-in-force
- 2005-02-25 JP JP2007500167A patent/JP4611372B2/ja not_active Expired - Fee Related
-
2006
- 2006-08-25 US US11/467,476 patent/US7878975B2/en not_active Expired - Fee Related
-
2010
- 2010-02-04 JP JP2010022797A patent/JP4881448B2/ja not_active Expired - Fee Related
- 2010-07-23 US US12/842,831 patent/US8858435B2/en not_active Expired - Fee Related
-
2014
- 2014-09-30 US US14/503,008 patent/US9384324B2/en not_active Expired - Fee Related
-
2016
- 2016-05-27 US US15/167,815 patent/US20160345842A1/en not_active Abandoned
Non-Patent Citations (1)
Title |
---|
МЕДИК В.А. и др. Статистика в медицине и биологии. - М.: Медицина, Т.1, 2000, с.180-183. * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2529808C2 (ru) * | 2009-03-09 | 2014-09-27 | Омрон Хэлткэа Ко., Лтд. | Устройство для контроля состояния здоровья |
US10062456B2 (en) | 2011-12-16 | 2018-08-28 | Etiometry Inc. | Systems and methods for transitioning patient care from signal based monitoring to risk based monitoring |
US11676730B2 (en) | 2011-12-16 | 2023-06-13 | Etiometry Inc. | System and methods for transitioning patient care from signal based monitoring to risk based monitoring |
WO2013142268A1 (en) * | 2012-03-23 | 2013-09-26 | Etiometry, Llc | Systems and methods for transitioning patient care from signal-based monitoring to risk-based monitoring |
RU2629797C2 (ru) * | 2012-05-18 | 2017-09-04 | Конинклейке Филипс Н.В. | Способ визуализации информации указателя индекса гемодинамической нестабильности |
Also Published As
Publication number | Publication date |
---|---|
JP4881448B2 (ja) | 2012-02-22 |
JP2007523709A (ja) | 2007-08-23 |
CA2833776C (en) | 2017-03-28 |
EP1718196B1 (en) | 2009-04-08 |
ATE427695T1 (de) | 2009-04-15 |
US20150019139A1 (en) | 2015-01-15 |
DE602005013750D1 (de) | 2009-05-20 |
US7878975B2 (en) | 2011-02-01 |
CA2833776A1 (en) | 2005-09-09 |
JP4611372B2 (ja) | 2011-01-12 |
US8858435B2 (en) | 2014-10-14 |
US20160345842A1 (en) | 2016-12-01 |
EP1718196A1 (en) | 2006-11-08 |
CA2556592A1 (en) | 2005-09-09 |
US20070060803A1 (en) | 2007-03-15 |
US9384324B2 (en) | 2016-07-05 |
RU2006134033A (ru) | 2008-04-10 |
DK1718196T3 (da) | 2009-07-13 |
US20110166791A1 (en) | 2011-07-07 |
CA2556592C (en) | 2014-01-28 |
WO2005082233A1 (en) | 2005-09-09 |
ES2325169T3 (es) | 2009-08-27 |
JP2010148884A (ja) | 2010-07-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
RU2345705C2 (ru) | Метаболический контроль, способ и устройство для получения показаний об определяющем здоровье состоянии обследуемого лица | |
Al Osman et al. | Ubiquitous biofeedback serious game for stress management | |
JP5386516B2 (ja) | 健康管理システム | |
US5692501A (en) | Scientific wellness personal/clinical/laboratory assessments, profile and health risk managment system with insurability rankings on cross-correlated 10-point optical health/fitness/wellness scales | |
Keim et al. | America’s obesity epidemic: measuring physical activity to promote an active lifestyle | |
US20150150516A1 (en) | Biological information processing system, wearable device, server system, method for controlling biological information processing system, and information storage medium | |
Bellia et al. | Exercise individualized by TRIMPi method reduces arterial stiffness in early onset type 2 diabetic patients: a randomized controlled trial with aerobic interval training | |
JP2016131604A (ja) | 生体情報測定システム、生体情報測定装置および生体情報測定方法 | |
CN100446719C (zh) | 代谢监视,用于指示对象的健康相关条件的装置 | |
Shephard | Physical activity and optimal health: the challenge to epidemiology | |
Campbell | Methods of physical activity assessment in older adults | |
Buntoro et al. | Experimentation of Gamification for Health and Fitness Mobile Application | |
RU2725294C1 (ru) | Персонализированная система формирования рекомендаций пользователю в реализации здорового образа жизни | |
Larkin et al. | Predicting treatment outcome to progressive relaxation training in essential hypertensive patients | |
Sherman | Comparison of weekly HRV measures collected from two different recording times and their relation to performance in collegiate female rowers | |
Turki | Evaluation of a Personal Mobile Trainer System Designed for Facilitating Exercise Therapy for Traumatic Brain Injury Patients | |
Nguyen | Non-invasive detection of hyperglycaemia in type 1 diabetic patients using electrocardiographic signals | |
Bonthuys | Relationships between 24-hour diet and autonomic markers of heart rate of badminton players | |
Perry | Embodied individual differences in emotional intensity | |
JP2022008090A (ja) | 運動開始前の情報に基づき抗加齢能力に関わる指標を求める方法および装置 | |
Bradley | The physiological responses during exercise to fatigue at the respiratory compensation point | |
Falk | Predictors of ambulatory post-exercise hypotension and heart rate recovery in adolescents with elevated and normal casual blood pressure using hierarchical linear modeling | |
Howe | The influence of bout interruptions on measured and predicted physical activity during treadmill walking and running | |
Murley | A COMPARISON OF THREE MAXD1UM TREADMILL TEST PROTOCOLS AND THE INTERACTIVE EFFECTS OF RATINGS OF PERCEIVED F': r, RTION | |
Age | Box 19-1 Common Indications for Exercise Testing in Patient Populations |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
MM4A | The patent is invalid due to non-payment of fees |
Effective date: 20180226 |