TW200813880A - Method and device for monitoring a physiological parameter - Google Patents

Method and device for monitoring a physiological parameter Download PDF

Info

Publication number
TW200813880A
TW200813880A TW096128684A TW96128684A TW200813880A TW 200813880 A TW200813880 A TW 200813880A TW 096128684 A TW096128684 A TW 096128684A TW 96128684 A TW96128684 A TW 96128684A TW 200813880 A TW200813880 A TW 200813880A
Authority
TW
Taiwan
Prior art keywords
parameter
rti
development
measurement
physiological
Prior art date
Application number
TW096128684A
Other languages
English (en)
Inventor
Evgeny Verbitskiy
Bokx Pieter Klaas De
Theodorus Jacobus Johannes Denteneer
Basum Golo Von
Begonya Otal
Adrian Muresan
Annelies Goris
Herk Johannes Johanna Van
Original Assignee
Koninkl Philips Electronics Nv
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Family has litigation
First worldwide family litigation filed litigation Critical https://patents.darts-ip.com/?family=38917728&utm_source=google_patent&utm_medium=platform_link&utm_campaign=public_patent_search&patent=TW200813880(A) "Global patent litigation dataset” by Darts-ip is licensed under a Creative Commons Attribution 4.0 International License.
Application filed by Koninkl Philips Electronics Nv filed Critical Koninkl Philips Electronics Nv
Publication of TW200813880A publication Critical patent/TW200813880A/zh

Links

Classifications

    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/72Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7271Specific aspects of physiological measurement analysis
    • A61B5/7275Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/145Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
    • A61B5/14532Measuring 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
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H20/00ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/10ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30ICT 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

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • Physics & Mathematics (AREA)
  • Animal Behavior & Ethology (AREA)
  • Primary Health Care (AREA)
  • Biophysics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Epidemiology (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Veterinary Medicine (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Emergency Medicine (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Optics & Photonics (AREA)
  • Physiology (AREA)
  • Artificial Intelligence (AREA)
  • Psychiatry (AREA)
  • Signal Processing (AREA)
  • Chemical & Material Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Medicinal Chemistry (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Investigating Or Analysing Biological Materials (AREA)
  • Electrotherapy Devices (AREA)

Description

200813880 九、發明說明: 【發明所屬之技術領域】 本發明係關於一種用來監視生理參數之裝置及方法。 【先前技術】 約有二億人患有糖尿病。糖尿病係人體不正確調節或使 2胰島素之一慢性症狀,其導致血液中的葡萄糖位準不正 吊Γ7 /過低)。而要對此等病人進行嚴格的血糖監視。近 馨來,用來觀察葡萄糖位準之方法需要(例如)指尖血液取 樣,其係進一步藉由一葡萄糖儀來處理。但是單獨的觀察 不足以進行血糖控制。任何糖尿病決策支援系統應能夠盡 可能精確地預測在30至6〇分鐘之一時程内該血糖之未來 值。因此,在所預測的時間内,病人可以採取適當的行 動,例如食物射入或胰島素注射,以使得此等行動在時間 上變得有效。 有數個問題必須藉由預測方法來解決。首先,葡萄糖 φ 肖騰島素相互作用的動態狀況相當複雜。即便連續測量血 糖’亦僅提供關於該系統狀態的實 血糖位準之波動本質上並非固定而係由諸二物及二辛 注射之類外部因素決定。第三,即便對於同一病人,給定 相同的R物攝入及騰島素注射,葡萄糖的動態狀況亦可能 因大量參數的變化而不同,例如體溫或身體活動,吾等習 知此等苓數會影響葡萄糖代謝率。 例如,在m 6 923 763 B1+,依據一包括測量所得葡萄 糖值、心率及心率可變性之複雜的動態模型建議一預測方 123249.doc 200813880 法來嘗試估計未來之血糖位準及估計低血糖之風險。該方 法係依據對葡萄糖調節之動態 Μ叙能π⑴ 猎由針對葡萄糖發展 的動恶核型進行預測之-缺點係該等模型係非線性、複雜 而且包含大量無法測量的生理參數。 【發明内容】 因此纟务明之一目的係提供_種用來藉由對該生理袁 數的!δ展之-更可靠的預測來監視_生理參數的方法。/ 以上目的係藉由一用來監顏 g.乡數,特定言之係用來 i視血糖位準的方法來實現,其包含: • 藉由重複測量來記錄該生理參數,以及 預測該生理參數之發展, 生=藉Γ參數模型來預測在一自治發展間隔期間該 生理麥數之發展。 該記錄較佳地包含測量該生 生理苓數(例如,用於葡萄糖 測置)之一非侵入式連續方法。就此意義而言’「連诗 表示在需要的情況下約每隔5至10分鐘執行測量,較二 係自動執行。 就此發明之意義而言,"自治發展間隔"表示一伴有★亥生 理參數(例如’血糖位準)之—相對較簡單發展的時„ 隔。此類間隔之主要特徵係不存在諸如食物攝入、胰島素 注射、身體鍛鍊等劇烈的外部影響。在一自治發展間隔 二’人能夠使用針對該生理參數(如葡萄糖濃度)之一參= 模型。熟習此項技術者瞭解該參數模型可以係依據對該生 理參數發展的連續跡線之統計分析而導出,可將其說=為 123249.doc 200813880 在一有限的時間間隔期間極為近似。本發明方法之一優點 係可以使用複雜性減小之有限數目的參數及模型而與基本 程序之複雜性無關。 在一自治間隔内,可以藉由以下參數模型來預測該生理 參數之發展: 其中G(t)係在時間t之生理參數位準,其係藉由在時間f Φ 亚結合參數Pl5...,Pk的值Q來預測。該參數模型係用於外推 (即預測)忒生理苓數之未來值,特定言之係血糖濃度。 對於包含複數個先前測量(在時間一“,針對卜l. m)的自 口么展門隔車乂佳的係藉由最小平方法來決定依據該參數 模型之一最佳參數集或參數向量》k l ·· 爲—〜fn办一卯“约2 y i-i 依據本發明方法之預測包含以下步驟 向°亥自/13發展間隔之先前測量添加該生理參數之一新 _ 測量, —、貫施一測試,即該新測量與該先前測量一起是否仍形 成自/α發展間隔,並依據此測試, 。L /自/〇發展間隔及/或調適該參數模型,以及 •猎由使用針對經調適的自治發展間隔之參數模型,來 預測該生理參數之發展。 新測$(tk5 G(tk))與該自治發展間隔之許多個先前測量 υ)}(其中丨係從卜直到叫一起形成一實施該測 斤針對之新間隔。熟習此項技術者瞭解,在此測試中將 123249.doc 200813880 該新測量與該生理參數之先前預測的發展相比較。接著對 該自治發展間隔作相應調適。例如,將該自治發展間隔縮 成使得該參數模型能夠預測該生理參數之發展,即預測 该新測量。熟習此項技術者還瞭解經修改的自治發展間隔 至少包含該新測量。當調適該自治發展間隔時,較佳的係 還調適該參數模型。接著將經調適的參數模型用來預測該 生理參數之未來發展。 • 制最佳參數集’藉由以下參數模型來制該未來發 展: G(tk + M) = Q(tk + 其令Δΐ係30至60分鐘之所需時程。 有利的係’本發明之參數模型在原理上並非實體模型, ㈣參數模型主要係依據對㈣糖跡線之充分說明來選擇 而不一^使用說明整個㈣糖調節系統之複雜模型。然 而,本發明不排除併入實體模型的至少部分。有益的係使 ·=體模型,因為其更簡單而且包含更少未知參數或不 ^未知參數。對於不容許—解析解決方式之-複雜的非 線性動態系統,正確估計該未知參數即便並非不可行亦合 難的多。此可以係針對1型糖尿病實行,其比2型或3型: 尿病更易於模擬。本發明# 〇 方法般可有利地適用於葡萄糖 "視及預測,而不假定一特定類型的糖尿病。 較佳的係藉由移除該自治發展間隔的複數個測量之至少 測里來调適遠自治發展間隔。熟習此項技術者瞭解 佳的係首先移除該自治發展間隔之最舊的測量。此方 123249.doc 200813880 優點係,一旦該測試係否定,則不會終止一自治發展間 隔’而會以一經修改的更小自治發展間隔來繼續預測。 在本發明之一較佳具體實施例中,再次實施該測試,現 在係測試該新測量與經調適間隔之測量一起是否形成一自 治發展間隔。此外較佳的係,重複移除至少一測量及實施 X、〗乂之步驟直至經調適的間隔係一自治發展間隔。 #獲冑自治發展間隔之—較佳方式係重複移除僅該最 舊測量而接著實施該測試’從而可以蚊盡可能最長的、 新自>口發展間隔。^曰县 ^ 2z\ y-y- ^ ,W仁疋右一直到僅留下該新測量時該複 數個測量仍未通過該測試’則益 一 〜…、/天疋任何自治發展間 隔。依據本發明方法’最早 、目! θ μ 干j Λ在下一測$後決定一新自 治發展間隔。 可以使用若干數量特徵來輝 所^ AA 汗估忒新自治發展間隔之品 貝。較仏的,係在該測試中藉 由將4新測Ϊ的生理參數與 -先則迭广預測的生理參數 叫陶—卵H)| + T开錯决· 若該錯誤不超過一預定義 . 顴疚俏炎;…“ 我㈣界值,則藉由添加-新的 觀察值來延伸該自治發展間隔。 在另一較佳具體實施例中 的參數集,其中具有該新參數集對該參數模型之-新 測量的自治發展間隔期 :數杈型對在包括該新 明。 参數之發展作出最佳說 較佳的係在該最小平方 /、产該新參數集: 123249.doc 200813880 接著,計算以下兩個向量 係藉由該新參數集來定義; 代之參數集來定義·· 之間的^一距離· 一新向量,复 一先前向量,其係藉由先前送 ί^=ϊ 、再次,若該距離不超過一預定義的臨界值,則添加該新 測量而延伸當前的自治發展間隔。
4在σ亥測忒中拒絕該測試,則調適當前的自治發展間 =更有利的,係可以向形成右側自治發展間隔之複數個 測量添加該新測量,並可以從左側移除該等最舊的測量直 至較小複數_量達到自治發展之準則。 本I月方法之一較佳具體實施例中,在該生理參數之 斤預測舍展低於或高於_危險位準之情況下警示—病人之 ν W有利的,係可以儘早警示一患有糖尿病之病人以 防止低血糖或高血糖。 代或頟外的係,提供針對該病人之一建議,建議給藥 -藥劑或一定量之一藥劑,特定言之係一定量的胰島素: 本發明系統有利地向病人提供一 &策支援。 在另一較佳具體實施财,將-概似值與該生理參數之 斤預貝k展相關聯’若該概似值低於—特定的預定義臨界 值1捨棄該生理參數發展之預測。該概似值有利地反映 對:亥預測知確度之信任。例如,I用於預測葡萄糖濃度之 自二^展間過小(過短)或者剛調適過該間㉟,則此會減 i U似值。5 _方面’若該自治發展間隔相對較長而該 最4 /數集在J數最後迭代中未顯著改變,則該概似值較 123249.doc 200813880 高。該具體實施例之一優點係在該概似值過小之情況下— 全避免預測。本發明對(例如)葡萄糖濃度之監視及預測: 主要目的係防止低血糖與高血糖事件,即葡萄糖位準變成 危險性的低位準或危險性的高位準之事件。此等事件—般 在較長自治發展間隔結束時發生。因&,依據本發明,: 類預測將具有較高的概似值。有利的’係極低或極 萄糖預測引起針對該病人之一警示並要求採取一適當行 而且防止大量錯誤警示。 吕亥預測之.重要方面參έ士要夕4* + 1 受万甶係果之%、疋性。應避免比葡萄糖 濃度之典型變化更快的所預測發展之變化。在本發明之一 較佳具體實施例中’針對經調適的自治發展間賤料少 個參數模型並以許多個參數模型的預測之—加權和來獲: 該預測,從而實施預^該生理參數發展之步驟: 于
Predictionfi -f Δ£) = £ ^Pred.Model,{i - Δί) j=:l 其中職性地選擇該等參數模型之權,較佳的係依 據在先w迭代中各參數模型的預測之—品f及/或依據已 使用各參數模型的迭代數目來選擇。例如,針對第』個參 數模型之權重%反映至此所示範的第】個模型之預測之品質 及/或已使用該模型經歷的時間週期。若—特定參數:二 之權重下降低於-特定的财義臨界值,則較佳的係捨棄 該參數模型(或將其權重設定為零)並向許多個參數模型添 加-替代的參數模型。此項具體實施例的優點之一係辦加 該預測之穩定性。機器學習理論提供用來㈣來自一^級 I23249.doc 200813880 模型r,超級專家")中的數個模型("專家,,)之預測之方法,該 ’’超級專家,,可能勝過個別"專家"中的每一者。 =佳的係調適若干臨界值,特定言之係針對該等參數模 型的權重之臨界值及/或針對該概似 〈^界值。有利的 糸,此項具體實施例適應不同人之間的可變性。此外,可 以有利地使用機器學習技術來調適該等臨界值。 旦^另^較佳具體實施例中,本發明方法包含依據習知會 & a ”亥生理參數的外部參數來 該參數模型之步驟。該等外部夫數,:、展間隔及/或 食、胰島素給藥、身體 $體活動及/或情感昼力相μ n 要:τ葡萄糖動態狀況中的自治發展間隔之此等主 二:謂該參數模型作適當調適。例如,此有 =預測發展之精確度,因為可以更早更新該等自治發展 :另-較佳具體實施例中,由病人或藉由一輔助 :動:;t該等外部參數。例如,-裳置可配備有”食物:、 隔、、、”鍛鍊"按-,其將有利地提供關於 生的變化之資訊。或者,可以使用卡路里輪入表 秸、辰物列表及/或資料庫。 等==佳具體實施例’藉由至少-感測器來偵測該 寻7卜。p茶數中的至少一 至^荼數。感測器可以係心率感測哭、 :=性感測器、姨島素栗感測器或食物攝入感測;。 广靠性得到有利提高’因為其與病人輸入的精確 而病人可能會忘記作出或錯誤地作出關於食物攝 123249.doc 200813880 八、艰蜾或胰島素注射數量之輸入。 在一較佳具體實施例中,藉由—加速計,更較佳的係藉 由加總在空間中三個方向上的加速度之-加速計,來決定 身體活動。在另一較佳具體實施例中,藉由一心率感測器 來为析-病人之-心率,從而決定該身體活動。與鍛鍊相 關,此等具體實施例有利地提供難以針對一病人而量化的 參數之相對精確讀數。 —亡發明之另一方面係一種用來監視病人的生理參數,特 疋口之係用來監視一血糖位準之監視裝置,其包含 參數測量構件與一計算構件, 測量之資料儲存器與一用來,由=具有一用來儲存 曾 ▲ 采猎由使用依據本發明之方法計 :二’里參數發展之—預測的處理單元。該監視裝置有 利地提供對該生理參數發展之可靠預測。 胃⑼㈠較佳㈣包含用來輸人外 件丄該等外部參數係習知會影響該生理參數’例如^: :食、胰島素給藥、身體活動及/或情感 二 件較佳的係包含用來+ ”亥輸入構 在此項具體實施例中數之至少,。 徒呵所預測發展之品質,田炎兮产 人提供關於在該自治、α為该病 較佳的#,r 中將發生的變化之資訊。 的m視裝置包含用 或建議訊息之輸出椹钍 闲人翰出警不訊息及/ 之翰出構件。因此,本發明 (糖尿病)決策支援系統 彳置kt、- 去口允#丄 八具有預测在30至60分鐘夕眭 転内该生理參數(特定言 刀釦之一時 力。 係该血糖位準)的未來發展之能 123249.doc -14- 200813880 特定係—種用來監視病人的生理參數, 特…係用來監視—血糖位 二數 .^ ^ 。十开構件,該計算構件具有一用央儲 存血糖測量之資料儲存哭 頁用來儲 ._ σσ人一用來計算對該生理來數展 之-預測的處理單元r Hi 以现4置係連接至一用來偵測該 ^ 身體活動的偵測器,較一 吾等習知食物攝入、胰u二二軸加速計。 塑 、 匈*攝取及鍛鍊對血糖位準的影
曰 。^監視裝置之預測之可靠性一 , 精確性決宏。*甘亡』 般由使用者輸入的 、 右/、心、'己作出或作出錯誤的關於食物攝入、 鍛鍊或騰島辛注紛盤旦 ”、數里之輸入,則該模型/裝置將作出錯 誤的預測。對於锻鍊,無論如何皆難以確定輸入之數量。 康本么月之L視裝置藉由提供包含一用來偵測該病人之 H舌動的偵測器之監視裝置來克服上述缺點。此活動 感測的感測身體之運動並隨此提供與一患有糖尿病的人的
身體活動相關之—X 連,輸入。以此方式,關於該鍛鍊位準 之輸入有利地具有可靠性。 β m較佳的係可由病人佩戴,更佳的係將該搞測器 配置於腰帶、手錶或行動電話之中或之處。由此使得容易 整日佩戴該偵測器,從而有利地提供關於該病人活動(睡 眠、休息、坐下、鍛鍊)的持續時間及強度之目的及詳細 資訊。 較佳的,係對與該偵測器組合的監視裝置作一次初始 化,以瞭解病人活動在其血糖位準上的特定反應(還與餐 w與騰島素攝入前相關)。較·佳的,係首次使用需要該模 123249.doc 200813880 型之一個別初始化。例如,該使用者將該偵測器與該監視 裝置-起佩戴並執行—組不同強度的標準化活動。在此初 始化期間個別地依據不同活動位準在該對生理參數(特定 言之係該血糖位準)上的回應來調適該生理參數發展之預 測。此資訊係用於更新該參數預測模型。可以藉由該谓測 器而延伸-現有的域位準預測裝置以&良該i糖位準發 展預測之可靠性。 x
【實施方式】 本發明將針對特定具體實施例並參考特定圖式予μ 明,但本發明並不受限於此,而僅由中請專利範圍來限 定。所說明圖式僅為示意性而非限制性。各圖式中,某些 元件之大小出於說明性目的可能加以誇大,且未按比:: 製。
當指一早數名詞時 或”一個”、”該/該等” 有明確規定。 使用不定冠詞或定冠詞,例如”一, 此包括該名詞的複數形式,除非另 此汁’在說明及申請專利 三”及類似術語,係用於區分類似的元件〜第 說明-依序或按時間先後之次序。應瞭解,在二= 下,如此使用之該等術語可互換,而本 田月况 之具體實施例能夠以除本文所說明或所解說:外的::明 序進行操作。 卜的其他順 此外’說明及申請專利範圍中 之類術語係用於說明之目的, "頂部"、”底部,,、” 而不一定係用於說 上下η 明相對位 123249.doc ~ 16 *> 200813880 置。應明白,如此使用的該等術語在適當情況下可互換, 而且本文所說明之本發明之具體實施例能夠以除本文所★兒 明或所解說外的其他方位進行操作。 應注意,本說明及申請專利範圍中所用之術語"包含 應解釋為限於下文所列之構件;其不排除其他元件或步 驟。因此,一裝置包括構件"之用辭範疇不應限制於 僅由組件組成的裝置。其意謂著針對本發明,該裝 置唯一相關的組件係A與B。 乂 對葡萄糖調節系統的基礎研究無疑顯示血糖位準i之可 志動恶發展之一較大變彳卜 》 文化圖1乾例性繪示該等可能動能 發展之―。橫座標U顯示以分鐘計之犯動心 刀楚。丁 t 日f間間隔,而縱座 =12係每1/1G公升以毫克計之血糖濃度。連續的葡萄糖跡 線丄之統計分析允許無論基本程序之複雜程度皆可以藉由
使用複雜性減小之有限盤θ A 數目的麥數及模型來說明時間受限 的葡萄糖跡線1並使发搞盔< 7 从、 桎為近似。猎由檢查葡萄糖跡線1, 可以識別伴有一相對較简留 了孕乂間早的匍萄糖發展之時間間隔2。 此類時間間隔2在此係稱為白、、二 马自,口务展間隔2。此類間隔之主 要特徵係不存在諸如食物棬Α 陆#主 物攝入、胰島素注射、身體鍛鍊等 劇烈的外部影響。在一自心 自’口兔展間隔2内,可以針對該葡 萄糖濃度使用一相對較簡單的參數模型。 圖2中,示意性繪示依摅 據本务明之方法。藉由分析多個 測量,建立一參數模型1 甘& μ 、 ,/、取*夠以足夠的精確度產生在 一自治發展間隔2期間針對兮 τ對忒生理參數之一所預測發展7。 除一新測量4及所儲存的生兑曰 存的先刖測篁20外,本發明方法無須 123249.doc 200813880 任何只體 > 數。為了提高預測7 ’該參數模型可以併入外 部參數^吾等f知此等外部參數會影響該生理參數。例 如攝艮胰島素給藥、身體活動或精神壓力對血糖位準 產生激烈影響。可以手動方式或藉由-感測器或偵測器 6(例如:針對該身體活動之一偵測器,如一心率感測器或 一加速計)自動地輪入一外部參數5 ^ 圖3中,示意性緣示本發明方法之—具體實施例,其進 步頌不本發明之監視裝置之適當部分。-測量裝置40係 用於進:新測量4,向儲存於一資料儲存器”上的複數個 量添加該新測量4。該複數個先前測量表示在一先 :測量之時的先前自治發展間隔2。該新測量4與該複數個 先前測量-起形成新的複數個測量2〇。實施一測幻 新的複數個測詈9 Ο Β π ^ , 疋否形成一自治發展間隔。對於該測試 該翏數模型3對未來發展的先前預測與該新測量4相 其係顯示為回授線23。若未達到一自治發展間隔之 〇 ’❹佳的係移除該複數個測量2G之至少_(較佳 =舊_量22,並重複該測試21。若達到一自(治= 間隔之準則,則名兩並 外 、]在而要的炀況下調適該參數模型3,並古十 异針對該生理參數的夫丈 值23 ^ 的^發展之—制7。還計算-概似 其表示所預測發展7之可靠性。若該概似值23低於 疋義径品界值,則捨棄該預測7,即步驟24。否則,葬 由-輸出構件70輸出所預測 、θ ^ 序再次開始於 、里。所有上述計算皆係藉由—處理ϋ單it 32來執 仃,该處理器單元32如同資料儲存器”係—計算構件3〇之 123249.doc 200813880 部分。 依據本發明之-具體實^ 調適該參數模型3,該外部表數5 j外。卩參數5來額外地 從一摘夠器6導屮。 乡 系從輸入構件5 0及/或 以輪入構件S 〇較 51、52、53’病人在特定活動時按下二的係配備有按紐 視裝置提供關於該自治發展間隔將要;以便向該監 例如,按紐51係用於攝食,按紐:的交化之貢訊。 ㈣係用於身體锻鍊。谓 ;;、用於胰島素給藥而按 之身體活動,^ ^ 的係自動偵測該病人 身體活動’例如稭由該病人 圖4顯示針對-24小時佩戴該 :轴加速心 !=一:式。橫座標11上顯示時間。例如,-三軸 係續-母刀知付出二個方向上的加速度之和。此等加速度 數二^縱座標上。可以將其轉換成一卡路里值,但該參 數杈型遇可以直接使用任意單元。 圖5顯示針對已消耗三頓標準餐(早餐b、中餐l及晚餐d) 之健康人之-理想化的騰島素分泌圖案。再次將時間顯 ㈣該橫座標U上。在縱座標上,從質量上顯示騰島素效 果HS‘ „己就版時間。糖尿病病人可以使用兩類騰島素: ,效胰島素或基本胰島素9與短效騰島素1〇(大丸藥)。大丸 藥類型的胰島素9大多係在開始進餐前注射。可以藉由本 發明方法及監視裝置來更精確地預測長效膜$素1〇之效 果。比正規情況下更少活動或更多活動之一日會影響胰島 素位準,從而可能導致低血糖或高血糖。用來偵測身體活 動之偵測器測量加總該加速度,將其與一正規活動曰相 123249.doc -19- 200813880 比’而該監視系統可以警告該病人其活動過多/過少而應 調適其胰島素設定擋。 狀本發明係關於—㈣來監視如血糖位準之類生理參數的 裝置及方法’其使用依據連續跡線對該生理參數的未來發 展之預測。本裝置及方法可用作一用於糖尿病病人之決策 支援系統。 【圖式簡單說明】
根據以下坪細說明’結合藉由範例解說本發明之原理的 附圖,可以明白本發明的此等 ^ hr ^ 哥汉具他特徵、特點及優點。 次月僅針對範例而提供,並 艾不限制本發明之範疇。下文引 用的茶考圖式指附圖。 圖1範例性繪示在一時間間 _ ]衲J間之一血糖發展。 圖2示意性解說依據本發明之一方法。 圖3示意性解說依據本發 施例。 Η之皿視裝置之方法及具體實 圖4範例性繪示在一年 式。 時間間隔期間的身體活動之一圖 案 1 2 3 4 圖5解說在-時間間隔期間的胰島素分 泌之一理想化圖 【主要元件符號說明】 生理翏數/葡萄糖跡線/血糖位準 自治發展間隔/時間間隔 參數模型 新測量 123249.doc -20. 200813880 5 6 7 8
9 10 11 12 20 21 22 23 30 31 32 40 50 外部參數 偵測器 預測(發展) 所偵測活動圖案 長效胰島素或基本胰島素 短效騰島素 橫座標 縱座標 所儲存的先前測量 測試 至少一測量 回授線/概似值 計算構件 資料儲存器 處理器單元 測量裝置/生理參數測量構件 輸入構件 51 按鈕 52 按鈕 53 按鈕 70 輸出構件 123249.doc -21 -

Claims (1)

  1. 200813880 十、申請專利範圍: L -種用來監視一生理參數⑴,特定言之係用來監視 糖位準的方法,其包含 一藉由重複測量(4)來記錄該生理參數(1),以及 -預測該生理參數(1)之發展, /、中可藉由一筝數模型(3)來預測該生理參數在一自仏 Λ 1隔(2)期間之该發展,該預測包含以下步驟 肖$自治發展_隔(2)之先前測量(20)添加該生理參 之一新測量(4), 少 只靶一測試(21),即新測量與該先前測量一起是否仍 形成一自治發展間隔,並依據此測試, :調適該自治發展間隔及/或調適該參數模型(3),以及 猎由使用針對該經調適的自治發展間隔之該參數模型 (3),來預測(7)該生理參數之該發展。 2·如明求項1之方法,其中藉由移除該自治發展間隔之複 • 數=測量之至少一測量(22)來調適該自治發展間隔(2)。 士明求項2之方法,其中實施該測試,即該新測量與該 丄二適間隔之該等測量—起是否形成—自治發展間隔。 1明求項3之方法,重複移除至少一測量及實施該測 忒之步驟直至該經調適間隔係一自治發展間隔。 月长項1或3中之-項之方法,其中實施該測試之步驟 包含 -藉由將該新測量的該生理參數與一先前迭代之一預測 的生理參數相比較來計算一錯誤,或者 123249.doc 200813880 疋隹t對該參數 /现市 /、T丹虿该新參 數木之該參數模型對在包括該新測量之該自治發 期間該生理參數之該發展作出最㈣明;以及計算以; 兩個向量之間的一距離:-新向量’其係藉由該:參數 集來定義;-先前向量,其係藉由一先前迭代之 集來定義。 ,数 6·如請求項〗之方法,其進一步包含 ^ • _纟該生理參數⑴之該所預測.發展⑺低於或高於一危 險位準之情況下警示一病人之步驟,及/或 輸出-建議之步驟,特定言之係建議給藥一藥劑或一 數量之-藥劑,特定言之係一數量的胰島素。 7·如二&項1之方法’其進—步將-概似值與該生理參數 之-亥所預測發展相關聯,若該概似值低於一特定的臨界 值li捨棄對該生理參數的該發展之該預測(23)。 8·如4求項1之方法’藉由以下操作來實施預測該生理參 • 數的該發展之步驟:針對該經調適的自治發展間隔使用 :午夕個翏數模型;以及’以該許多個參數模型之該等預 測,-加權*來獲得該賴,其巾調適性喊義該等參 婁:核3L之權重,較佳的係依據該等先前迭代中各參數模 里之忒預測之一品質及/或依據已使用各參數模型的迭代 之該數目。 、吻求項8之方法,其中各參數模型係在其權重下降低 ; 界值日守捨茶’而向該許多個參數模型添加一替代 的參數模型。 123249.doc 200813880 士明求項8或9中之一項之方法,其中調適若干臨界值, 特疋δ之係針對該等參數模型的該權重之該臨界值及/或 針對該概似值之該 臨界值。 士明求項1之方法,其進一步包含依據習知會影響該生 理麥數(1)的外部參數(5)來調適該自治發展間隔(2)及/或 該參數模型(3)之步驟。 ^明求項u之方法,其中該等外部參數⑺係與病人的攝 食、胰島素給藥、身體活動及/或情感壓力相關聯。 13· ^種用來監視一病人的一生理參數⑴,肖定言之係用來 視血糖位準之監視裝置,其包含一生理參數測量構 件(4〇)與一計算構件(3〇),如請求項1之方法,該計算構 2具有一用來儲存測量(4)之資料儲存器(31)與一用來計 算對該生理參數的該發展之一預測的處理單元(32)。 14·如請求項13之監視裝置,其進—步包含用來輸人外部參 數^之輸人構件(5G),該等外部參數(5)係習知會影響該
    生理參數⑴,例如該病人的攝食、胰島素給藥、身體活 動及/或情感壓力。 15.如請求項14之監視裝置,其中該輸人構件包含用來手動 輸入各外部參數之至少一按鈕(51、52、53)。 17. 16·=求項13之監視裝置,其進—步包含用來向該病人輸 出警不訊息及/或建議訊息之輸出構件(7〇)。 一種用來監視一病人的一生理參數(1), 監視一血糖位準之監視裝置,其包含一 件(40)與一計算構件(3〇),該計算構件 特定言之係用來 生理參數測量構 具有一用來儲存 123249.doc 200813880 該等測量(4)之資料儲存器(31)與一用來計算對該生理參 數的該發展之一預測的處理單元(32),該監視裝置係連 接至一用來偵測該病人之一身體活動的偵測器(6),較佳 的係一三軸加速計。 123249.doc
TW096128684A 2006-08-08 2007-08-03 Method and device for monitoring a physiological parameter TW200813880A (en)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
EP06118605 2006-08-08

Publications (1)

Publication Number Publication Date
TW200813880A true TW200813880A (en) 2008-03-16

Family

ID=38917728

Family Applications (1)

Application Number Title Priority Date Filing Date
TW096128684A TW200813880A (en) 2006-08-08 2007-08-03 Method and device for monitoring a physiological parameter

Country Status (8)

Country Link
US (1) US20090312621A1 (zh)
EP (1) EP2051620B1 (zh)
JP (1) JP5266221B2 (zh)
CN (1) CN101500475B (zh)
AT (1) ATE465674T1 (zh)
DE (1) DE602007006202D1 (zh)
TW (1) TW200813880A (zh)
WO (1) WO2008017981A2 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI807312B (zh) * 2017-12-04 2023-07-01 德商休斯微科光罩儀器股份有限公司 處理頭、處理系統以及處理基板之局部表面區域的方法

Families Citing this family (30)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2470256A4 (en) * 2009-09-01 2015-05-27 Univ Virginia Patent Found SYSTEM, METHOD AND COMPUTER PROGRAM PRODUCT FOR ADJUSTING INSULIN DELIVERY (AID) IN THE TREATMENT OF DIABETES USING OPEN LOOP NOMINAL PROFILES
US8690820B2 (en) * 2009-10-06 2014-04-08 Illinois Institute Of Technology Automatic insulin pumps using recursive multivariable models and adaptive control algorithms
JP5083297B2 (ja) * 2009-11-18 2012-11-28 セイコーエプソン株式会社 予測血糖値算出装置、予測血糖値算出方法およびプログラム
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
JP5636859B2 (ja) * 2010-10-14 2014-12-10 セイコーエプソン株式会社 血糖値予測システム
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
PL2793785T3 (pl) * 2011-12-21 2020-04-30 Essity Hygiene And Health Aktiebolag Sposób i program komputerowy do monitorowania stosowania wyrobu chłonnego
US10327714B2 (en) 2012-03-29 2019-06-25 Senseonics, Incorporated Analyte concentration alert function for analyte sensor system
JP5187450B2 (ja) * 2012-03-29 2013-04-24 セイコーエプソン株式会社 予測血糖値算出装置、予測血糖値算出方法
US10111588B2 (en) 2012-03-29 2018-10-30 Senseonics, Incorporated Analyte sensor transceiver configured to provide tactile, visual, and/or aural feedback
US9119529B2 (en) 2012-10-30 2015-09-01 Dexcom, Inc. Systems and methods for dynamically and intelligently monitoring a host's glycemic condition after an alert is triggered
TWI476715B (zh) * 2013-01-28 2015-03-11 Taipei Veterans General Hospital 健康管理系統
US10149617B2 (en) * 2013-03-15 2018-12-11 i4c Innovations Inc. Multiple sensors for monitoring health and wellness of an animal
CN103455961A (zh) * 2013-09-09 2013-12-18 丁玉兰 一种病人高危因素护理评估系统
FR3011963B1 (fr) * 2013-10-11 2015-12-11 Novacyt Procede, module et programme d'ordinateur, de depistage de maladie(s) par prelevement sur un individu
EP3068290B1 (en) * 2013-11-14 2020-08-26 The Regents of The University of California Glucose rate increase detector: a meal detection module for the health monitoring system
EP3078013A4 (en) * 2013-12-05 2017-08-09 Senseonics, Incorporated Analyte concentration alert function for analyte sensor system
JP2015142665A (ja) * 2014-01-31 2015-08-06 セイコーエプソン株式会社 血糖値測定装置及び血糖値測定方法
JP6291875B2 (ja) * 2014-01-31 2018-03-14 セイコーエプソン株式会社 血糖値計測装置及び血糖値計測方法
CN104899816A (zh) * 2015-05-23 2015-09-09 深圳市前海安测信息技术有限公司 基层医疗平台以及基于基层医疗平台的糖尿病人监控方法
US10646650B2 (en) 2015-06-02 2020-05-12 Illinois Institute Of Technology Multivariable artificial pancreas method and system
WO2017011346A1 (en) * 2015-07-10 2017-01-19 Abbott Diabetes Care Inc. System, device and method of dynamic glucose profile response to physiological parameters
CN107292079B (zh) * 2016-04-11 2021-03-12 深圳市理邦精密仪器股份有限公司 一种多病人监护方法及装置
US11229406B2 (en) 2017-03-24 2022-01-25 Medtronic Minimed, Inc. Patient-specific glucose prediction systems and methods
EP3522173B1 (de) * 2018-02-01 2024-04-03 Vorwerk & Co. Interholding GmbH System mit vitaldatensensor und auswertungseinheit
CN112826474B (zh) * 2019-11-05 2023-05-02 深圳市大富智慧健康科技有限公司 血压检测装置、血压检测系统及血压监测方法
CN111341451B (zh) * 2020-03-06 2022-09-20 南京理工大学 用于血糖控制的具有干扰补偿的无模型自适应预测控制方法
CN111383758A (zh) * 2020-03-06 2020-07-07 三七二二(北京)健康咨询有限公司 基于多维数据预测餐后血糖的方法和装置
CN113951879B (zh) * 2021-12-21 2022-04-05 苏州百孝医疗科技有限公司 血糖预测方法和装置、监测血糖水平的系统

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FI118509B (fi) * 1996-02-12 2007-12-14 Nokia Oyj Menetelmä ja laitteisto potilaan veren glukoosipitoisuuden ennustamiseksi
ATE246356T1 (de) * 1998-05-13 2003-08-15 Cygnus Therapeutic Systems Vorrichtung zum vorhersagen von physiologischen messwerten
US6157041A (en) * 1998-10-13 2000-12-05 Rio Grande Medical Technologies, Inc. Methods and apparatus for tailoring spectroscopic calibration models
US6923763B1 (en) * 1999-08-23 2005-08-02 University Of Virginia Patent Foundation Method and apparatus for predicting the risk of hypoglycemia
DE60133653T2 (de) * 2000-08-18 2009-06-04 Animas Technologies Llc Vorrichtung zum vorhersagen von hypoglyecemiefällen
US6544212B2 (en) * 2001-07-31 2003-04-08 Roche Diagnostics Corporation Diabetes management system
US7022072B2 (en) * 2001-12-27 2006-04-04 Medtronic Minimed, Inc. System for monitoring physiological characteristics
CA2481981C (en) * 2002-03-25 2012-02-07 Ken-Ichi Yamakoshi A non-invasive blood constituent measuring instrument and measuring method
JP3746729B2 (ja) * 2002-04-17 2006-02-15 東京瓦斯株式会社 機器の劣化を検出する方法
JP2005043991A (ja) * 2003-07-23 2005-02-17 Canon Inc サーバ及びサーバの制御方法、プログラム及び記憶媒体
DE102004020160A1 (de) * 2004-04-24 2005-11-10 Roche Diagnostics Gmbh Verfahren und Vorrichtung zum Überwachen einer Konzentration eines Analyten im lebenden Körper eines Menschen oder Tieres
JP2005328924A (ja) * 2004-05-18 2005-12-02 Toyama Univ 血糖値予測装置、血糖値予測モデル作成装置、およびプログラム
US7567887B2 (en) * 2004-09-10 2009-07-28 Exxonmobil Research And Engineering Company Application of abnormal event detection technology to fluidized catalytic cracking unit
JP4318221B2 (ja) * 2004-12-02 2009-08-19 富士通株式会社 医療情報分析装置、方法及びプログラム

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI807312B (zh) * 2017-12-04 2023-07-01 德商休斯微科光罩儀器股份有限公司 處理頭、處理系統以及處理基板之局部表面區域的方法

Also Published As

Publication number Publication date
WO2008017981A3 (en) 2008-04-17
ATE465674T1 (de) 2010-05-15
EP2051620A2 (en) 2009-04-29
EP2051620B1 (en) 2010-04-28
CN101500475B (zh) 2011-09-07
DE602007006202D1 (de) 2010-06-10
WO2008017981A2 (en) 2008-02-14
JP2010500078A (ja) 2010-01-07
CN101500475A (zh) 2009-08-05
JP5266221B2 (ja) 2013-08-21
US20090312621A1 (en) 2009-12-17

Similar Documents

Publication Publication Date Title
TW200813880A (en) Method and device for monitoring a physiological parameter
Heinemann et al. Benefits and limitations of MARD as a performance parameter for continuous glucose monitoring in the interstitial space
Lane et al. Continuous glucose monitors: current status and future developments
JP2020078648A5 (zh)
TW201402059A (zh) 健康狀態判定方法及健康狀態判定系統
MXPA02009487A (es) Metodo, sistema y producto de programa de computadora para la evaluacion del control glucemico en la diabetes a partir de datos de auto-monitoreo.
EP3076868B1 (en) Processor for processing skin conductance data and device for detecting at least one stage of burnout and/or chronic fatigue syndrome of a living being
Peyser et al. Hypoglycemic accuracy and improved low glucose alerts of the latest Dexcom G4 Platinum continuous glucose monitoring system
Staal et al. Kalman smoothing for objective and automatic preprocessing of glucose data
Sivananthan et al. Assessment of blood glucose predictors: the prediction-error grid analysis
US20150038816A1 (en) Diabetes treatment support apparatus, diabetes treatment support method, diabetes treatment support program
Tracy et al. Separating bedtime rest from activity using waist or wrist-worn accelerometers in youth
Kovatchev Hypoglycemia reduction and accuracy of continuous glucose monitoring
KR20200066204A (ko) 실시간으로 자동 추적되는 사용자의 일상적인 활동 파라미터 및 상응하는 시스템에 기초하여 건강한 라이프 스타일을 유지하기 위한 권장 사항을 제공하는 방법
Vettoretti et al. A model of self-monitoring blood glucose measurement error
Kesavadev et al. Glucose monitoring technologies-complementary or competitive? Role of continuous glucose monitoring versus flash glucose monitoring versus self-monitoring of blood glucose
US20240033419A1 (en) Method and means for postprandial blood glucose level prediction
Harvey et al. Clinically relevant hypoglycemia prediction metrics for event mitigation
Breton et al. Analysis of the accuracy and performance of a continuous glucose monitoring sensor prototype: an in-silico study using the UVA/PADOVA type 1 diabetes simulator
Cisuelo et al. Development of an artificial intelligence system to identify hypoglycaemia via ECG in adults with type 1 diabetes: protocol for data collection under controlled and free-living conditions
Xie et al. A data-driven personalized model of glucose dynamics taking account of the effects of physical activity for type 1 diabetes: an in silico study
Pandit Continuous glucose monitoring
Winkler et al. Patient-specific performance evaluation for insulin control systems
Alghothani et al. The effect of glycemic variability on counterregulatory hormone responses to hypoglycemia in young children and adolescents with type 1 diabetes
US10378972B2 (en) Physiological input to determine validity of data