[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

CN104520862A - 用于建议调整胰岛素输注设备的糖尿病治疗管理系统 - Google Patents

用于建议调整胰岛素输注设备的糖尿病治疗管理系统 Download PDF

Info

Publication number
CN104520862A
CN104520862A CN201380041996.4A CN201380041996A CN104520862A CN 104520862 A CN104520862 A CN 104520862A CN 201380041996 A CN201380041996 A CN 201380041996A CN 104520862 A CN104520862 A CN 104520862A
Authority
CN
China
Prior art keywords
event
suggestion
user
glucose
data
Prior art date
Legal status (The legal status 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 status listed.)
Pending
Application number
CN201380041996.4A
Other languages
English (en)
Inventor
普拉蒂克·阿格拉沃尔
布赖恩·T·坎纳尔德
弗朗辛·R·考夫曼
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Medtronic Minimed Inc
Original Assignee
Medtronic Minimed Inc
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Medtronic Minimed Inc filed Critical Medtronic Minimed Inc
Publication of CN104520862A publication Critical patent/CN104520862A/zh
Pending legal-status Critical Current

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M5/00—Devices for bringing media into the body in a subcutaneous, intra-vascular or intramuscular way; Accessories therefor, e.g. filling or cleaning devices, arm-rests
    • A61M5/14—Infusion devices, e.g. infusing by gravity; Blood infusion; Accessories therefor
    • A61M5/168—Means for controlling media flow to the body or for metering media to the body, e.g. drip meters, counters ; Monitoring media flow to the body
    • A61M5/172—Means for controlling media flow to the body or for metering media to the body, e.g. drip meters, counters ; Monitoring media flow to the body electrical or electronic
    • A61M5/1723—Means for controlling media flow to the body or for metering media to the body, e.g. drip meters, counters ; Monitoring media flow to the body electrical or electronic using feedback of body parameters, e.g. blood-sugar, pressure
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
    • A61B5/14532—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue for measuring glucose, e.g. by tissue impedance measurement
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4836—Diagnosis combined with treatment in closed-loop systems or methods
    • A61B5/4839—Diagnosis combined with treatment in closed-loop systems or methods combined with drug delivery
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7271—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
    • A61B5/742—Details of notification to user or communication with user or patient ; user input means using visual displays
    • A61B5/743—Displaying an image simultaneously with additional graphical information, e.g. symbols, charts, function plots
    • 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
    • G16H15/00—ICT specially adapted for medical reports, e.g. generation or transmission thereof
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/10—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients
    • G16H20/17—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients delivered via infusion or injection
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/63—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for local operation
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Public Health (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Medical Informatics (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Pathology (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Veterinary Medicine (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Physics & Mathematics (AREA)
  • Surgery (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Medicinal Chemistry (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Chemical & Material Sciences (AREA)
  • Anesthesiology (AREA)
  • Vascular Medicine (AREA)
  • Hematology (AREA)
  • Diabetes (AREA)
  • Optics & Photonics (AREA)
  • Emergency Medicine (AREA)
  • Signal Processing (AREA)
  • Physiology (AREA)
  • Psychiatry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Radiology & Medical Imaging (AREA)
  • Pharmacology & Pharmacy (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • General Business, Economics & Management (AREA)
  • Business, Economics & Management (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Infusion, Injection, And Reservoir Apparatuses (AREA)

Abstract

本发明提供一种胰岛素输注设备的使用管理方法。所述方法接收输注设备用户的葡萄糖数据，其中，所述葡萄糖数据表示用户在胰岛素输注设备对用户的胰岛素的递送进行调节的时间段中的血糖水平。所接收的葡萄糖数据被接收用于检测一些事件发生，所述事件发生表示胰岛素输注设备的可校正的基础率设置和/或表示胰岛素输注设备的推注计算器设置中用户特定设置的潜在失调。所述方法输出根据需要调整基础率设置和/或推注计算器设置的建议，从而处理所检测到的事件发生。

Description

用于建议调整胰岛素输注设备的糖尿病治疗管理系统
相关申请的交叉引用
本申请要求2012年6月7日提交的美国临时专利申请第61/656,765号(该美国临时申请的全部内容通过引用并入本文)的权益，2013年6月5日提交的美国专利申请第13/910,758号的权益，2013年6月5日提交的美国专利申请第13/910,766号的权益以及2013年6月5日提交的美国专利申请第13/910,773号的权益。
技术领域
本发明的实施方式涉及用于糖尿病治疗管理的系统和方法。具体而言，本发明的实施方式涉及用于分析患者信息以生成有助于糖尿病治疗管理的报告的系统和方法。
背景技术
正常健康人的胰腺响应升高的血糖水平而生成胰岛素并将胰岛素释放到血流中。根据需要，存在于胰腺中的β细胞生成胰岛素并将胰岛素分泌到血流中。如果β细胞能力丧失或者β细胞死亡(称作I型糖尿病的病症)(或者在一些情况下，如果β细胞生成的胰岛素的量不足(II型糖尿病))，那么必须通过另一来源向人体提供胰岛素。仅在美国，糖尿病影响总人口的大约百分之八。
由于胰岛素不能口服利用，因此，一般用注射器注射胰岛素。最近，输注泵疗法的使用日渐增加，尤其是用于向糖尿病患者递送胰岛素的输注泵疗法的使用日渐增加。例如，将外部输注泵穿戴在腰带上、放在口袋里等等，其通过带有经皮针头的输注管或放置在皮下组织中的套管将胰岛素递送至体内。
自1995年起，美国不到5％的I型糖尿病患者使用输注泵疗法。目前，美国多于150万I型糖尿病患者中的大约10％正在使用输注泵疗法。使用输注泵的I型糖尿病患者的百分数每年正以超过2％的绝对速率增加。并且I型糖尿病患者的数量每年正以3％或多于3％的速度增加。此外，越来越多使用胰岛素的II型糖尿病患者也开始使用输注泵。医师们已经意识到连续输注使糖尿病患者的病症得以更好地控制，并且他们也越来越多地对病人开出这样的处方。虽然输注泵疗法提供更好地控制，但是泵疗法可能出现几种使传统外部输注泵的使用对于患者而言较不理想的并发症。
发明内容
本发明的实施方式涉及糖尿病分析的系统和方法。接收用户的多个葡萄糖水平读数。确定在葡萄糖水平读数中的至少两个中的普通事件发生。分析在一段时间段中在时间上推进的普通事件发生中的至少两个葡萄糖水平读数。确定由至少两个具有相似形状的葡萄糖水平读数形成的葡萄糖水平模式。分析具有所述相似形状且不符合所述葡萄糖水平模式的至少一个异常葡萄糖水平读数。调整所述至少一个异常葡萄糖水平读数以适应所述模式从而形成调整的葡萄糖水平模式。基于调整的葡萄糖水平模式计算从普通事件发生开始的时间段的胰岛素剂量。本发明的实施方式可在计算机或任何其它合适的系统上实施这些步骤。
在具体实施方式中，葡萄糖水平读数为24小时时间段的至少一部分。可通过调整的葡萄糖水平模式计算平均葡萄糖水平读数，并且可基于平均葡萄糖水平读数计算胰岛素剂量。例如，普通事件发生可为早餐、午餐、晚餐、膳食推注、校正推注或睡觉时间(以分析过夜时间段)。多个葡萄糖水平读数可表示随时间变化的葡萄糖水平。所述胰岛素剂量可用于基础胰岛素剂量。具有相似形状的至少一个异常葡萄糖水平读数可具有：比形成所述葡萄糖水平模式的至少两个葡萄糖水平读数更大或更小的数量级，以及比形成所述葡萄糖水平模式的至少两个葡萄糖水平读数更高或更低的基础葡萄糖水平中的至少一个。与形成所述葡萄糖水平模式的至少两个葡萄糖水平读数相比，具有相似形状的至少一个异常葡萄糖水平读数可在时间上进行压缩或拉伸。具有相似形状的至少一个异常葡萄糖水平读数可以不同于形成所述葡萄糖水平模式的至少两个葡萄糖水平读数的普通事件发生的方式发生。并且，所述葡萄糖水平读数可排除来自最近的数日，尤其是当用户正在学习新的习惯时的那些葡萄糖水平读数。葡萄糖水平读数可由于用户生活中的短暂事件从分析中被自动或手动除去。此外，可以只选择那些选自用户具有周期性症状或短暂的症状(例如，月经期、疾病、感冒、正在进行特定的药物治疗、紧张和焦虑，等等)的天数中的葡萄糖水平读数用于分析。
本发明的实施方式涉及糖尿病分析的系统和方法。确定持续数日的时间段内的平均葡萄糖水平信息。确定当前事件发生。确定对应于当前事件发生的时间段内平均葡萄糖水平信息中的事件发生，其中，与该事件发生相比，所述当前事件发生处于一天中的不同时间。分析在所述时间段内从事件发生的时间开始的平均葡萄糖水平信息。确定在所述时间段内从事件发生的时间开始的平均葡萄糖水平信息中的通知事件。基于从所述事件发生到所述平均葡萄糖水平信息中的通知事件的时间跨度从时间上预测所述当前事件发生中的当前通知事件。在预测的当前通知事件之前开始运行。本发明的实施方式可在计算机或任何其它合适的系统上实施这些步骤。
在具体实施方式中，所述当前事件发生和事件发生可以是，例如，早餐、午餐或晚餐。所述通知事件可包括，例如，高血糖症、低血糖症、葡萄糖水平急剧上升、或者葡萄糖水平急剧下降。所述运行可包括通知用户预测的当前通知事件(其可采用听觉的、视觉的或振动的警报)、向用户推荐推注剂量、自动递送推注的胰岛素以及自动暂停胰岛素递送中的至少一种。所述当前事件发生可以早于或晚于平均葡萄糖水平信息中的事件发生。
本发明的实施方式涉及向糖尿病患者提供推注剂量建议的方法。向用户呈现多种代表性食物。接收评估所述多种代表性食物中的每一种的碳水化合物值的用户反应。接收表示待食用的食物以及评估的待食用食物的碳水化合物值的来自用户的输入。基于来自用户的输入和评估所述多种代表性食物中的至少一种的碳水化合物值的用户反应计算推注剂量建议。本发明的实施方式可以在计算机或任何其它合适的系统上实施这些步骤。
在特定的实施方式中，如果评估对应于待食用的食物的所述多种代表性食物中的至少一种的碳水化合物值的用户反应低于对应于待食用的食物的所述多种代表性食物中的至少一种的真正的碳水化合物值，那么所述推注剂量建议增加，并且如果评估对应于待食用的食物的所述多种代表性食物中的至少一种的碳水化合物值的用户反应高于对应于待食用的食物的所述多种代表性食物中的至少一种的真正的碳水化合物值，那么所述推注剂量建议减少。所述多种代表性食物可包括多种食物类型，并且所述多种食物类型可包括：谷物、蔬菜、水果、奶制品和肉类。
本发明的实施方式涉及糖尿病分析的方法。接收用户的多个葡萄糖水平读数。分析多个血糖水平读数以生成报告。该报告包括显示所述多个葡萄糖水平读数的沿24小时时间轴的第一图表，以及具有对应于第一图表中的24小时时间轴的输注设备设置和活性胰岛素水平中的至少一种的第二图表。
在具体的实施方式中，所述多个葡萄糖水平读数可为从血糖仪中得到的血糖水平读数。所述多个葡萄糖水平读数可为从连续葡萄糖监测传感器中接收的连续血糖水平读数。所述第二图表可进一步包括说明报告。所述输注设备设置可包括基础率、胰岛素敏感度和碳水化合物比例中的至少一种。所述第二图表可进一步包括对应于第一图表中的24小时时间轴的基础率信息。
本发明的实施方式涉及含有糖尿病分析的代码的制品，该制品包括计算机可用介质，所述计算机可用介质包括至少一种能够使至少一台计算机对用户的多个葡萄糖水平读数进行接收、并且能够分析多个血糖水平读数以生成报告的嵌入式计算机程序。所述报告包括显示多个葡萄糖水平读数的沿24小时时间轴的第一图表，以及具有对应于第一图表中的24小时时间轴的输注设备设置和活性胰岛素水平中的至少一个的第二图表。
在具体的实施方式中，所述多个葡萄糖水平读数可为从血糖仪中得到的血糖水平读数。所述多个葡萄糖水平读数可为从连续葡萄糖监测传感器中接收的连续血糖水平读数。所述第二图表可进一步包括说明报告。所述输注设备设置可包括基础率、胰岛素敏感度和碳水化合物比例中的至少一种。所述第二图表可进一步包括对应于第一图表中的24小时时间轴的基础率信息。
本发明还公开了电子计算设备的一种示例性实施方式。所述设备包括处理器设备和至少一种与所述处理器设备相关的存储元件。所述存储元件储存处理器可执行的指令，当处理器设备执行所述指令时，所述指令实施胰岛素输注设备的使用管理方法。所述方法接收胰岛素输注设备的用户的葡萄糖数据，所述葡萄糖数据表示用户在一段特定时间段中的血糖水平，在所述特定时间段中，所述胰岛素输注设备调节对用户的胰岛素递送。所述方法继续分析所接收的葡萄糖数据以提供表示胰岛素输注设备的可校正的基础率设置的多个事件发生中的任意一个，并且检测所述多个事件发生中的至少一个。所述方法继续输出调整胰岛素输注设备的基础率设置的建议，其中，所述建议与一个或多于一个检测到的事件发生相关联。
本发明还提供具有处理器可执行的指令的有形且永久的电子存储介质，当处理器设备执行所述指令时，所述指令实施胰岛素输注设备的使用管理方法。所述方法分析胰岛素输注设备的用户的葡萄糖数据以提供表示胰岛素输注设备的可校正的基础率设置的多个事件发生中的任意一个。所述葡萄糖数据表示用户在一段特定时间段中的血糖水平，在所述特定时间段中，所述胰岛素输注设备调节对用户的胰岛素递送。所述方法继续检测所述多个事件发生中的至少一个，并且输出调整胰岛素输注设备的基础率设置的建议，其中，所述建议的内容基于一个或多于一个检测到的事件发生。
本发明还提供电子计算设备的另一实施方式。所述电子计算设备包括接收胰岛素输注设备用户的传感器数据的设备通信层。所述传感器数据表示用户在特定时间段和数日内的血糖水平。所述电子计算设备还包括处理器设备，所述处理器设备分析所接收的传感器数据以检测表示胰岛素输注设备的可校正的基础率设置的事件发生。所述电子计算设备还包括报告层，所述报告层生成包括所接收的传感器数据的图像表示和调整胰岛素输注设备的基础率设置的建议的报告。所述建议意在处理所检测到的事件发生。
本发明还提供电子计算设备的另一实施方式。所述电子计算设备包括处理器设备和至少一种与所述处理器设备相关的存储元件。所述存储元件储存处理器可执行的指令，当处理器设备执行所述指令时，所述指令实施胰岛素输注设备的使用管理方法。所述方法由接收胰岛素输注设备用户的葡萄糖数据开始，所述葡萄糖数据表示用户在胰岛素输注设备对用户的胰岛素递送进行调节的时间段中的血糖水平。所述方法继续检查所接收的葡萄糖数据以识别对应于胰岛素输注设备的推注计算器的使用的推注计算器事件数据，其中，所述推注计算器基于各个用户输入的碳水化合物消耗值、各个用户输入的当前血糖值和用户特定的推注计算器设置计算每一推注剂量建议。所述方法继续分析识别出的推注计算器事件数据以检测表示用户特定的推注计算器设置的潜在失调的多个事件发生中的一个，并输出调整所述胰岛素输注设备的用户特定的推注计算器设置的建议，其中，所述建议与检测到的事件发生相关联。
本文还公开了具有处理器可执行的指令的有形且永久的电子存储介质，所述指令当被处理器设备执行时实施胰岛素输注设备的使用管理方法的示例性实施方式。所述方法由从胰岛素输注设备用户的葡萄糖数据中识别推注计算器事件数据开始，所识别的推注计算器事件数据对应于胰岛素输注设备中推注计算器的使用，其中，所述推注计算器基于各个用户输入的碳水化合物消耗值、各个用户输入的当前血糖值和用户特定的推注计算器设置计算每一推注剂量建议。所述方法继续分析所识别的推注计算器事件数据以检测表示用户特定的推注计算器设置的潜在失调的事件发生，并输出调整所述胰岛素输注设备的用户特定的推注计算器设置的建议，其中，所述建议与检测到的事件发生相关联。
本发明还公开了胰岛素输注设备的使用管理方法的示例性实施方式。所述方法从胰岛素输注设备用户的葡萄糖数据中识别推注计算器事件数据，其中，所识别的推注计算器事件数据对应于胰岛素输注设备中推注计算器的使用，并且其中，所述推注计算器基于各个用户输入的碳水化合物消耗值、各个用户输入的当前血糖值、用户特定的碳水化合物比例值和用户特定的胰岛素敏感度值计算每一推注剂量建议。所述方法继续筛选识别出的推注计算器事件数据以除去与推注剂量建议的重写、活性胰岛素情况或自发自收式推注情况相关的葡萄糖数据。分析筛选后的推注计算器事件数据以检测表示用户特定的碳水化合物比例值或用户特定的胰岛素敏感度值的潜在失调的事件发生。基于检测到的事件发生的特征，所述方法继续输出调整用户特定的碳水化合物比例值或用户特定的胰岛素敏感度值的建议。
本发明还提供胰岛素输注设备的使用管理方法的另一实施方式。所述方法接收所述胰岛素输注设备用户的葡萄糖数据，所述葡萄糖数据表示用户在胰岛素输注设备对所述用户的胰岛素的递送进行调节的特定的时间段中的血糖水平。所述方法继续分析所接收的葡萄糖数据以提供表示所述胰岛素输注设备的可校正的基础率设置的多个事件发生中的任意一个，并且检测所述多个事件发生中的至少一个。所述方法继续输出调整所述胰岛素输注设备的基础率设置的建议，其中，所述建议与一个或多于一个检测到的事件发生相关联。
本发明还提供基于处理器的计算机系统的实施方式。所述系统包括接收胰岛素输注设备用户的葡萄糖数据的设备通信层。所述葡萄糖数据表示用户在胰岛素输注设备对用户的胰岛素递送进行调节的特定时间段中的血糖水平。所述系统还包括分析所接收的葡萄糖数据以提供表示所述胰岛素输注设备的可校正的基础率设置的多个事件发生中的任意一个的处理器设备。所述处理器设备响应所述分析检测所述多个事件发生中的至少一个，以确定一个或多于一个检测到的事件发生。所述系统还包括输出调整所述胰岛素输注设备的基础率设置的建议的报告层，其中，所述建议与所述一个或多于一个检测到的事件发生相关联。
本发明还公开了胰岛素输注设备的使用管理方法的示例性实施方式。所述方法包括接收所述胰岛素输注设备用户的葡萄糖数据，所述葡萄糖数据表示用户在胰岛素输注设备对所述用户的胰岛素的递送进行调节的时间段中的血糖水平。所述方法继续检查所接收的葡萄糖数据以识别对应于所述胰岛素输注设备的推注计算器的使用的推注计算器事件数据，其中，所述推注计算器基于各个用户输入的碳水化合物消耗值、各个用户输入的当前血糖值和用户特定的推注计算器设置计算每一推注剂量建议。所述方法继续分析识别出的推注计算器事件数据以检测表示用户特定的推注计算器设置的潜在失调的多个事件发生中的一个，并输出调整所述胰岛素输注设备的用户特定的推注计算器设置的建议，其中，所述建议与检测到的事件发生相关联。
本发明还提供基于处理器的计算机系统的另一实施方式。所述系统包括配置为接收胰岛素输注设备用户的葡萄糖数据的设备通信层，所述葡萄糖数据表示用户在胰岛素输注设备对所述用户的胰岛素的递送进行调节的时间段中的血糖水平。所述系统还包括检查所接收的葡萄糖数据以识别对应于所述胰岛素输注设备的推注计算器的使用的推注计算器事件数据的处理器设备，其中，所述推注计算器基于各个用户输入的碳水化合物消耗值、各个用户输入的当前血糖值和用户特定的推注计算器设置计算每一推注剂量建议。所述处理器设备分析识别出的推注计算器事件数据以检测表示用户特定的推注计算器设置的潜在失调的多个事件发生中的一个。所述系统还包括输出调整所述胰岛素输注设备的用户特定的推注计算器设置的建议的报告层，其中，所述建议与所检测到的事件发生相关联。
附图说明
图1举例说明根据本发明的实施方式的包括装有糖尿病数据管理系统的显示器的计算设备；
图2A举例说明根据本发明的实施方式的显示传感器读数的样本报告；
图2B举例说明根据本发明的实施方式的显示传感器读数的样本报告；
图2C举例说明根据本发明的实施方式的显示图2B中的传感器读数的经过调整的时移样本报告；
图2D举例说明根据本发明的实施方式的显示传感器读数的样本报告；
图2E举例说明根据本发明的实施方式的显示图2D中的传感器读数的经过调整的葡萄糖水平被压缩的样本报告；
图2F举例说明根据本发明的实施方式的显示传感器读数的样本报告；
图2G举例说明根据本发明的实施方式的显示图2F中的传感器读数的经过调整的时间拉伸的样本报告；
图2H举例说明根据本发明的实施方式的显示传感器读数的样本报告；
图2I举例说明根据本发明的实施方式的显示图2H中的传感器读数的经过调整的葡萄糖水平被移动的样本报告；
图2J举例说明根据本发明的实施方式的采用相对时间轴显示图2C中的传感器读数的经过调整的时移样本报告；
图2K举例说明根据本发明的实施方式的显示经过调整的图2C的时移样本报告中的平均葡萄糖水平读数、标准差和高-低位线的报告；
图3举例说明根据本发明的实施方式的将模式识别和筛选算法用于糖尿病分析的流程图；
图4举例说明根据本发明的实施方式的糖尿病分析的流程图；
图5举例说明根据本发明的实施方式的用于向糖尿病患者提供推注剂量建议的流程图；
图6A和6B举例说明根据本发明的实施方式的说明报告；
图7A举例说明根据本发明的实施方式的治疗管理控制面板(dashboard)；
图7B举例说明根据本发明的实施方式的症状发作总结(EpisodeSummary)；
图8举例说明可根据本发明的实施方式生成的基础率总结报告；
图9为举例说明基础模式管理过程的流程图；
图10描述葡萄糖数据和与高葡萄糖波动事件有关的相应建议；
图11描述葡萄糖数据和与降低的葡萄糖事件有关的相应建议；
图12描述葡萄糖数据和与升高的葡萄糖事件有关的相应建议；
图13描述葡萄糖数据和与持续的低血糖事件有关的相应建议；
图14描述葡萄糖数据和与持续的高血糖事件有关的相应建议；
图15举例说明可根据本发明的实施方式生成的食物推注事件的推注计算器总结报告样本；
图16举例说明可根据本发明的实施方式生成的校正推注事件的推注计算器总结报告样本；
图17为举例说明推注计算器设置管理过程的实施方式的流程图；
图18描述校正推注事件的葡萄糖数据和与低血糖情况有关的相应建议；
图19描述校正推注事件的葡萄糖数据和与血糖波动情况有关的相应建议；
图20描述校正推注事件的葡萄糖数据和与高血糖情况有关的相应建议；
图21描述校正推注事件的葡萄糖数据和与葡萄糖急剧降低情况有关的相应建议；
图22描述校正推注事件的葡萄糖数据和与血糖波动情况有关的相应建议；
图23描述校正推注事件的葡萄糖数据和与升高的葡萄糖情况有关的相应建议；
图24描述食物推注事件的葡萄糖数据和与低血糖情况有关的相应建议；
图25描述食物推注事件的葡萄糖数据和与血糖波动情况有关的相应建议；
图26描述食物推注事件的葡萄糖数据和与高血糖情况有关的相应建议；
图27描述食物推注事件的葡萄糖数据和与有限的葡萄糖升高情况有关的相应建议；
图28描述食物推注事件的葡萄糖数据和与早期血糖波动情况有关的相应建议；
图29描述食物推注事件的葡萄糖数据和与葡萄糖大幅度升高情况有关的相应建议；
图30描述食物推注事件的葡萄糖数据和与负高变化率情况有关的相应建议；
图31描述食物推注事件的葡萄糖数据和与正高变化率情况的相应建议；
图32举例说明可根据本发明的实施方式生成的葡萄糖趋势总结报告样本；
图33更加详细地说明葡萄糖趋势总结报告的一部分；以及
图34举例说明可在葡萄糖趋势总结报告中发现的类型的每周血糖波动报告。
具体实施方式
下文参考方法、装置和计算机程序产品的流程图和菜单说明对本发明的实施方式进行描述。应当理解的是，流程说明中的每一区块以及流程说明中的区块的组合可通过计算机程序指令实施(如可通过附图中描述的任何菜单屏幕实施)。这些计算机程序指令可被加载到计算机上或其它可编程的数据处理装置上以生成工作体系，从而在计算机(或其它可编程的数据处理仪器)上执行的指令生成用于实施流程区块中指定功能的指令。这些计算机程序指令还可被存储在可指导计算机(或其它可编程的数据处理仪器)以特定方式运行的计算机可读的存储器中，由此存储在计算机可读的存储器中的指令生成包括实施流程图区块中的指定功能的指令的制品。计算机程序指令还可加载到计算机或其它可编程的数据处理装置上以使一系列操作步骤得以在计算机或其它可编程的装置上进行，从而生成计算机实施的过程，由此，在计算机或其它可编程的装置上执行的指令提供用于实施流程图区块和/或其中的菜单中的指定功能的步骤。
图1举例说明根据本发明的实施方式的包括装有糖尿病数据管理系统的显示器的计算设备。在本发明的一些实施方式中，所述糖尿病数据管理系统(DDMS)可称作Medtronic MiniMed CARELINKTM系统或称作医疗数据管理系统(MDMS)。DDMS可装在用户或健康护理专业人员可通过通信网络经因特网或万维网(World Wide Web)访问的服务器或多个服务器上。称为MDMS的DDMS的这种模型在2006年2月9日公布的Cohen等人的题为“医疗数据管理系统和方法(Medical Data Management System and Process)”的美国专利申请公开第2006/0031094号中描述，该专利申请公开的全部内容通过引用并入本文。
虽然下文从监测糖尿病患者的医学或生物学状况方面对本发明的实施方式进行描述，但是下文中的系统和方法还适用于监测心脏病患者、癌症患者、HIV患者、患有其它疾病、感染或可控制的疾病或者它们的各种组合的患者的医学或生物学状况。
在本发明的实施方式中，DDMS可被安装在健康护理人员办公室(例如医生办公室、护士办公室、诊所、急诊室、急救办公室)的计算设备中。健康护理人员可能不愿意使用将他们保密的患者数据存储在诸如因特网的服务器之类的计算设备中的系统。
DDMS可被安装在计算设备100上。计算设备100可与显示器33连接。在本发明的实施方式中，计算设备100可为与显示器分离的物理设备(例如个人计算机、微型计算机等)。在本发明的实施方式中，计算设备100可为单一物理外壳或具有显示器33的设备，例如显示器33整合在计算设备中的笔记本电脑。在本发明的实施方式中，装有DDMS的计算设备100可为台式计算机、笔记本电脑、服务器、网络计算机、掌上电脑(PDA)、包括计算机功能的便携式电话、具有较大可视显示屏的寻呼机、包括显示器的胰岛素泵、包括显示器的葡萄糖传感器、包括显示器的葡萄糖检测仪，和/或具有显示器的胰岛素泵/葡萄糖传感器组合，但不限于此。所述计算设备还可以是与显示器连接的胰岛素泵、与显示器连接的葡萄糖检测仪，或者与显示器连接的葡萄糖传感器。计算设备100还可以是位于可通过安装在笔记本电脑、台式计算机、网络计算机或PDA上的浏览器访问的因特网上的服务器。计算设备100还可以是位于可通过安装在便携式计算设备上的浏览器访问的医生办公室中的服务器，所述便携式计算设备例如笔记本电脑、PDA、网络计算机、便携式电话，所述便携式计算设备具有无线功能并且可通过诸如蓝牙和IEEE 802.11协议之类的无线通信方案中的一种进行通信。
在图1所示的实施方式中，数据管理系统16包括一组专门执行不同任务的相互联系的软件模块或层。该系统软件包括设备通信层24、数据解析层26、数据库层28、数据库存储设备29、报告层30、图像显示层31和用户界面层32。糖尿病数据管理系统可与多个受治者支持设备12通信，图1中举例说明多个受治者支持设备12中的两个。虽然不同的附图标记表示多个层(例如，设备通信层、数据解析层、数据库层)，但是每一层可包括单个软件模块或多个软件模块。例如，设备通信层24可包括多个交互的软件模块、库等。在本发明的实施方式中，数据管理系统16可被安装在计算设备100的非易失性存储区域(诸如闪存存储器、硬盘、移动硬盘、DVD-RW、CD-RW之类的存储器)上。如果选择或启动数据管理系统16，那么系统16可加载于用于执行的易失性存储器(诸如DRAM、SRAM、RAM、DDRAM之类的存储器)中。
设备通信层24负责与多个不同类型的受治者支持设备12中的至少一个联系，并且，在其它实施方式中，设备通信层24负责与多个不同类型的受治者支持设备12联系，受治者支持设备12例如血糖仪、葡萄糖传感器/监测器，或输注泵。在一种实施方式中，设备通信层24可配置为与单一类型的受治者支持设备12通信。然而，在更加广泛的实施方式中，设备通信层24配置为与多种不同类型的受治者支持设备12通信，多种不同类型的受治者支持设备12例如由多个不同厂商生成的设备、来自特定厂商的多个不同模型和/或提供不同功能(例如输注功能、检测功能、测量功能、通信功能、用户界面功能或者它们的组合)的多个不同设备。如下文中更加详细地描述，通过提供与多个不同类型的受治者支持设备12联系的能力，糖尿病数据管理系统16可从明显更多的离散来源中收集数据。该实施方式可通过在统计学分析或其他形式的分析中包括更大数目的受治者和受治者群体来提供扩充的改善的数据分析能力，所述统计学分析或其他形式的分析可获益于较大量的样本数据和/或更大样本数据多样性，由此，提高确定合适的治疗参数、诊断等的能力。
设备通信层24使DDMS 16接收来自系统16中的每一受治者支持设备12的信息，并且设备通信层24使DDMS 16将信息传输至系统16中的每一受治者支持设备12或者传输来自系统16中的每一受治者支持设备12的信息。根据使用的实施方式和内容，可在系统16和设备12之间通信的信息的类型可包括，但不限于，数据、程序、更新的软件、教育材料、报警信息、通知、设备设置、治疗参数等。设备通信层24可包括检测与系统16通信的受治者支持设备12的类型并且对该类型的设备12实施合适的通信协议的合适程序。可选地或者此外，受治者支持设备12可以数据包或其它数据编排形式传达信息，其中，所述通信包括前文或其它部分，所述前文或其它部分包括识别受治者支持设备的类型的设备识别信息。可选地，或者此外，受治者支持设备12可包括使用户得以输入信息(例如通过选择可选图表或文字或其它设备标识符输入信息)的合适的用户可操作界面，所述信息与该用户所使用的受治者支持设备的类型相对应。该信息可通过网络连接传达至系统16。在又一实施方式中，系统16可以上述方式检测与其通信的受治者支持设备12的类型，并且随后可发送需要用户验证系统16适当地检测了用户正在使用的受治者支持设备的类型的消息。对于能够与多个不同类型的受治者支持设备12通信的系统16来说，设备通信层24可能够实施多个不同的通信协议并选择适合所检测到的受治者支持设备类型的协议。
数据解析层26负责确认所接收的设备数据的完整性并负责将其正确地输入到数据库29中。可采用用于检验所接收的数据的完整性的循环冗余校验CRC过程。可选地，或者此外，数据可以数据包或其它数据编排形式接收，其中数据的前文或其它部分包括设备类型识别信息。所接收的数据的前文或其它部分可进一步包括设备序列号或可用于确认所接收的信息的真实性的其它识别信息。在这种实施方式中，系统16可比较所接收的识别信息和预存的信息以评估所接收的信息是否来自有效来源。
数据库层28可包括负责以用于稍后访问和检索的组织形式入库和归档所存储的数据的中央数据储存库。数据库层28与一个或多于一个适合以本文所述的方式存储和提供数据访问的数据存储设备29一起运行。该数据存储设备29可包括，例如，一个或多于一个硬盘、光盘、磁带、数字库或其它合适的数字存储介质或类似存储介质以及相关的驱动设备、驱动阵列等。
根据使用的实施方式和环境，可存储和归档数据以用于各种不同的目的。如下所述，可存储和归档关于特定受治者和患者支持设备的信息，并使这些特定的受治者、其授权的健康护理人员和/或授权的健康护理支付单位能够获得所述信息以分析受治者的病症。并且，可使健康护理人员、受治者、管理系统16的单位或其它单位的员工能够更加普遍地获得关于受治者群体或受治者群体支持设备的一些信息，以分析群体数据或其它形式的综合(conglomerate)数据。
数据库层28和系统16的其它组分的实施方式可采用用于保护受治者的个人医疗信息的合适的数据安全措施，同时还可使非个人的医疗信息得以更加普遍地用于分析。实施方式可设置成遵守合适的政府规定、工业标准、政策等，包括，但不限于1996年的健康保险流通与责任法案(HIPAA)。
数据库层28可设置为限制每一用户访问对该用户预先授权的信息的类型。例如，可允许受治者(通过个体标识符)访问由数据库层28存储的其个人医疗信息，但不允许受治者(通过个体标识符)访问其它受治者的个人医疗信息。类似地，可允许受治者的经授权的健康护理人员或支付单位(通过个体标识符)访问由数据库层28存储的该受治者的一些或全部个人医疗信息，但不允许其访问另一个体的个人信息。并且，根据操作者或管理员发挥的作用，可允许操作者或管理员-用户(在与计算设备100通信的单独的计算机上)访问一些受治者信息或所有受治者信息。另一方面，可授权受治者、健康护理人员、操作者、管理员或其它单位访问由数据库层28存储在数据存储设备29中的未识别的个体、群体或集合(不具有个体标识符)的一般信息。
在本发明的实施方式中，数据库层28可存储私人档案(preference profile)。例如，在数据库层28中，每一用户可存储与对应于该用户的特定参数有关的信息。例如，这些参数可包括目标血糖水平或传感器葡萄糖水平、用户使用的哪种类型的设备(胰岛素泵、葡萄糖传感器、血糖仪等)并且这些参数可被存储在数据层中的数据存储设备20中的记录、文件或存储单元中。例如，这些参数还可包括每一膳食事件的分析时间。
DDMS16可测量、分析并跟踪用户的血糖(BG)读数或传感器葡萄糖(SG)读数。在本发明的实施方式中，医疗数据管理系统可测量、跟踪或分析用户的BG读数和SG读数这两者。因此，虽然一些报告可能仅仅提及或说明BG或SG，但是该报告还可监测并显示葡萄糖读数中的另一种的结果或两种葡萄糖读数的结果。
报告层30可包括从数据库28中的所选位置提取数据并通过感兴趣的理想参数生成报告信息的报告向导程序。报告层30可配置成生成多种不同类型的报告，每一报告具有不同信息和/或以不同格式(编排或类型)显示信息，其中，报告的类型可由用户进行选择。报告的多种预设类型(具有预先定义的内容和格式类型)可被用户使用并选择。报告的预设类型中的至少一些可以是许多健康护理人员应当熟悉的普通的、工业标准报告类型。
在本发明的实施方式中，数据库层28可计算将在报告层30生成的报告上显示的各种不同的医疗信息的值。例如，数据库层28可计算特定时间段的平均血糖读数或平均传感器葡萄糖读数。在本发明的实施方式中，报告层30可计算将在报告上显示的医疗信息或身体信息的值。例如，用户可选择随后由报告层30用以生成医疗信息值的参数，所述医疗信息值对应于所选参数。在本发明的其它实施方式中，用户可选择先前存在于数据库层28中的参数文件。
可选地，或此外，报告向导可使用户得以设计自定义类型的报告。例如，报告向导可使用户得以定义并输入参数(例如指定内容数据的类型、该数据的时间段、报告的格式等的参数)并且报告向导可基于用户定义的参数从数据库中选择数据并以可打印或可显示的设置编排数据。在其它实施方式中，报告向导可与用户可使用的其它程序交互或向所述其它程序的应用提供数据，所述其它程序例如普通的报告生成、格式化或统计分析程序，所述统计分析程序例如，但不限于，EXCELTM等。这样，用户可将系统16中的数据导入用户熟悉的其它报告工具中。报告层30能够以可显示的形式生成报告以允许用户在标准显示设备上查看报告，以可打印的形式生成报告以允许用户在标准打印机上打印报告，或者以用于用户访问的其它合适的形式生成报告。本发明的实施方式可通过用于简化存储、打印和传输功能的传统文件格式方案操作，包括，但不限于PDF、JPEG等。例如，用户可选择报告类型和用于报告的参数并且报告层30可生成PDF格式的报告。可启动PDF插件以帮助生成报告并允许用户查看报告。在这些操作条件下，用户可使用PDF插件打印报告。例如，在一些应用安全措施以符合限制受治者个人信息的通信的政府规定、工业标准或政策的实施方式中，一些报告或所有报告可以禁止打印或电子传送(例如不可打印格式和/或不支持格式)的形式(或通过合适的软件控制)生成。在其它实施方式中，系统16可允许生成报告的用户将报告指定为不可打印和/或不可传送的，由此使系统16可以禁止打印和/或电子传送的形式提供报告。
报告层30可将所选的报告传送至图像显示层31。图像显示层31接收与所选报告有关的信息并将数据转换成可在显示器33上显示或展示的格式。
在本发明的实施方式中，报告层30可存储许多用户参数。例如，报告层30可存储碳水化合物单位的类型、血糖活动或传感器葡萄糖读数、碳水化合物换算因子和特定类型报告的时间段。这些实例意在举例说明而非限定本发明。
数据分析和所报告的信息的展示可用于产生并支持诊断和治疗参数。当报告上的信息与个体受治者有关时，诊断和治疗参数可用于评估该受治者的健康状况和相关的健康程度、评估受治者对治疗的依从性，并可用于研究或改良对受治者的治疗以及评估影响受治者的治疗的受治者的行为。当报告上的信息与受治者群体或数据集合有关时，诊断和治疗参数可用于评估具有相似医疗情况的受治者群体的健康状况和相关健康程度，所述具有相似医疗情况的受治者群体例如，但不限于，糖尿病患者、心脏病患者、具有特定类型的糖尿病或心脏病症状的糖尿病患者、特定年龄、性别或其它人口统计群体的受治者、具有影响治疗决定的症状的受治者，所述影响治疗决定的症状例如但不限于妊娠、肥胖、低血糖性意识障碍、学习障碍、照顾自己能力有限、各种不同水平的胰岛素抗性、它们的组合，等等。
用户界面层32支持与终端用户的交互作用，例如，用户登录和数据访问、软件导航、数据输入、用户选择理想的报告类型和所选信息的显示的交互作用。用户还可通过用户界面层32输入将用于所选报告中的参数。根据系统正提供的服务且根据本发明的实施方式，用户的实例包括但不限于：健康护理人员、健康护理支付单位、系统操作者或管理员、研究人员、企业单位、健康护理机构和组织等等。更广泛的实施方式能够与上述类型的用户中的一些或全部进行交互，其中，不同类型的用户访问不同的服务或数据或者访问不同水平的服务或数据。
在示例性实施方式中，用户界面层32提供一个或多于一个用户在因特网上可访问的网站。用户界面层可包括至少一个(或多个)合适的网络服务器或通过至少一个(或多个)合适的网络服务器运行以提供因特网中的网站并允许使用标准因特网浏览器软件访问全世界的因特网连接的计算机。所述网站可被各种不同类型的用户访问，所述用户包括但不限于受治者、健康护理人员、研究人员、企业单位、健康护理机构和组织、支付单位、制药合作伙伴或其它药物或医疗设备来源，和/或所述网站根据应用实施方式支持个人或其它个人运行系统16。
在另一示例性实施方式中，当DDMS 16位于一个计算设备100上时，用户界面层32向用户提供许多菜单以通过DDMS导航。这些菜单可使用任何菜单格式创建，包括但不限于HTML、XML或动态服务器网页。用户可访问DDMS 16以实施各种不同任务中的一个或多于一个任务，例如访问所有受治者或受治者群体可在网站上获得的一般信息。DDMS 16的用户界面层32可允许用户访问特定信息或生成关于该受治者医疗情况或该受治者的医疗设备12的报告、将来自受治者支持设备12的数据或其它信息传输至系统16、将来自系统16的数据、程序、程序更新或其它信息传输至受治者支持设备12、将信息人工输入至系统16中、与健康护理人员进行远程咨询交流，或者修改受治者的支持设备中和/或受治者的DDMS/MDMS数据文件中的自定义设置。
系统16可向不同用户以及不同类型的用户或不同用户群体提供对不同的可选资源或活动的访问(包括访问不同的信息项和服务)，从而使各用户可具有定制体验和/或使各类型的用户或各用户群体(例如，所有用户、糖尿病用户、心脏病用户、健康护理人员-用户或支付者-用户等等)可具有一组不同的信息项或具有可在系统上获得的服务。根据预先限定的授权计划，系统16可包括或使用一个或多于一个合适的资源配置程序或用于向各用户或各类型的用户分配合适资源的系统。已知资源配置系统与办公环境中电子办公资源(电子邮件、许可的软件程序、敏感数据等)的配置有关，所述办公环境例如，在办公室、公司或企业的局域网LAN中。在一种示例性的实施方式中，基于用户的类型和/或用户标识，将这种资源配置系统调整为控制对DDMS 16上的医疗信息和服务的访问。
在进入用户标识信息和密码的成功验证后，可允许用户访问存储在DDMS16上的安全的个人信息。例如，可允许用户访问DDMS 16中已分配给受治者的安全的个人位置。所述个人位置可以是指个人屏幕、主屏幕、主菜单、个人页面等。个人位置可向受治者提供个人主屏幕，包括可选图标或用于选择可选活动的菜单项，所述可选活动包括，例如，将来自受治者支持设备12的设备数据传输至系统16的选项、将其它数据人工输入系统16的选项、改变受治者的个性化设置的选项和/或查看并打印报告的选项。报告可包括受治者的病症的特定数据，包括但不限于，从受治者的受治者支持设备12中获得的数据，人工输入的数据、来自医疗库或其它网络连接的治疗管理系统的数据、来自受治者或受治者群体的数据等等。当报告包括受治者特定信息和受治者标识信息时，报告可由存储于数据库层28使用的安全存储区域(例如，存储设备29)中的一些或所有受治者数据生成。
用户可选择选项以将设备数据传输(发送)至医疗数据管理系统16。如果系统16接收用户将设备数据传输至系统的请求，则系统16可向用户提供如何传输来自受治者的支持设备12的数据的逐步指示。例如，DDMS 16可具有多个用于指示用户如何下载不同类型的受治者支持设备中的数据的不同的存储的指令集，其中，各指令集与特定类型的受治者支持设备(例如，泵、传感器、测量仪等)、某一类受治者支持设备的特定厂商版本等有关。在注册过程中所接收的来自用户的注册信息可包括关于受治者使用的受治者支持设备12的类型的信息。系统16使用该信息选择所存储的与用于向用户显示的特定受治者支持设备12相关的指令集。
用户可在系统16上使用的其它活动或资源可包括向DDMS/MDMS16人工输入信息的选项。例如，用户可从用户的个人菜单或个人位置选择将其它信息人工输入系统16的选项。
用户可在DDMS 16上使用其它可选的活动或资源。例如，用户可在受治者的支持设备12上从用户的个人菜单中选择接收来自系统16的数据、软件、软件更新、治疗建议或其它信息的选项。如果系统16接收用户接收数据、软件、软件更新、治疗建议或其它信息的请求，则系统16可向用户提供多个表示可获得的数据、软件、软件更新或用户可用的其它信息的可选图标或其它标记的列表或其它编排。
用户还可在医疗出具处理系统16上使用其它可选的活动或资源，包括，例如，用户自定义或进一步个性化用户的个人位置或菜单的选项。具体而言，用户可从用户的个性化位置选择自定义用户的参数的选项。此外，用户可创建可自定义的参数的文件。当系统16接收来自用户的这种请求时，系统16可向用户提供多个表示可改成适应用户偏好的参数的可选图标或其它标记的列表或其它编排。当用户选择所述图标或其它标记中的一个或多于一个图标或其它标记时，系统16可接收用户的请求并做出所请求的修改。
DDMS/MDMS的其它描述可在2007年2月8日公布的Nitzan等人的题目为“治疗管理系统(Therapy Management System)”的美国专利申请公开第2007/0033074中找到，该美国专利申请公开的全部内容通过引用并入本文。
图2A举例说明根据本发明实施方式的显示传感器读数的报告。图2A中举例说明的报告为24小时葡萄糖叠加报告200，该报告可由例如图1的DDMS/MDMS 16或任何其它合适的系统生成。合适的系统的一个特定实例为执行Medtronic MiniMed’s CARELINKTM治疗管理软件的计算机，该软件可在carelink.minimed.com获得。样本叠加报告200举例说明读数的叠加并计算出28天时间段的用户的葡萄糖值的平均数。在可选的实施方式中，可通过选择提供感兴趣的有用时间段的数据集使用更长或更短的时间段，例如，但不限于三天、一周、两周、三周、一个月、两个月、一个季度、六个月、一年或者患者的一生。报告200还可一次显示少于24小时的读数和平均值。
因为许多人有规律的作息安排，所以模式可基于该规律的作息安排产生，在所述规律的作息安排中，诸如早餐、午餐、晚餐、午休、喝茶时间、咖啡时间、观看早间或晚间TV新闻、夜间休息(睡觉)等的事件发生每天发生并且一般大约在每天(或在工作周的每一天、只在工作日、只在周末、只在周日、只在锻炼日)的相同时间发生。此外，还可仅仅基于周期事件/状况和短暂的事件/状况分析模式，所述周期事件/状况例如但不限于，月经期、非工作/学习日、什么时候进行周期性治疗、锻炼等；所述短暂的事件/情况例如但不限于，暂时的疾病、感冒、正在进行特定的药物治疗、紧张和焦虑、身体劳累、假期、休息日等。
通过分析平均葡萄糖水平模式，可绘制用户的涉及其生活中的特定事件(例如，早餐、午餐、晚餐、观看晚间新闻等)发生的趋势。例如，参见图2A的报告200，我们观察到就该代表性的28天时间段而言，当用户在轴210处显示的中午时间吃午餐时，该用户通常易于在轴220处(午餐开始后三小时)显示的3PM左右经历葡萄糖水平峰值升高。根据本发明的实施方式，虽然结合图2A使用平均葡萄糖水平值，但是还可使用诸如时间段(数天、数周、数月、数个季度、数年等)或周期性时间块(例如，每隔四周、四周工作日、五个周末、非工作日等)的标准差、高位值、低位值等的其它计算和数据集。应当注意的是，在月经期葡萄糖模式经常改变，并且工作日的模式往往与非工作日的模式不同。
基于上述平均模式和趋势，该信息可传送至医生或用户，和/或传送至DDMS/MDMS、输注泵、控制器/编程器，或者任何其它合适的设备，所述设备例如，如果葡萄糖水平开始升高(例如午餐后1小时)，可在轴220处显示的该周期性升高和峰值之前的建议和/或自动递送推注的胰岛素中采取主动措施(例如，用户应当意识到和/或采取适当行动的通知事件)的设备。例如，如果用户一般在中午吃午餐但是有一天遇到持续较长时间的会议，该用户在1PM吃午餐，则输注泵(或任何其它合适的设备)可基于衍生自图2A的报告200的平均葡萄糖水平模式和一小时后的模式的时移做出关于即将到来的在轴220处显示的升高和峰值的预测，从而其可预测4PM而不是3PM处的升高和峰值，并在其开始注意到在1PM吃午餐后1小时葡萄糖水平升高时，在该预测的升高和峰值之前的建议和/或递送剂量中采取主动措施。可选地，可暂时地提高胰岛素递送的基础率以匹配在1PM吃午餐后的这种升高和峰值(比平时晚一小时，例如，“午餐时间”基础率模式、“晚餐时间”基础率模式等)。能够递送具有时移的基础胰岛素的胰岛素输注设备的其它描述可在2007年5月17日公布的题为“External Infusion Device with Programmable Capabilities toTime-Shift Basal Insulin and Method of Using the Same”的美国专利申请公开第2007/0112298中找到，该美国专利申请公开的全部内容通过引用并入本文。
通过预测通知事件(例如，升高和/或峰值)的发生，可实现更准确的胰岛素治疗和递送以更好地使用户的葡萄糖水平保持在优选的葡萄糖水平范围内，但是此外，可使严重的不良事件(SAE)的发生最少。通常，特定模式只在SAE发生之前发生，并且如果DDMS/MDMS、输注泵或其它合适的设备识别出产生的预-SAE模式，可警告用户潜在的SAE正在发生并且根据本发明的实施方式，必要的话，甚至可自动地无需用户输入地采取预防性措施来使SAE的发生降到最低或消除SAE的发生。
虽然可使用24小时时间段的平均葡萄糖水平模式，但可将24小时模式分割成多个用于时移的在作为参考点的触发事件(事件发生)周围嵌入的模式，例如，早餐到午餐的模式(上午模式)、从午餐到晚餐的模式(下午模式)以及从晚餐到早餐的模式(夜晚模式)。膳食时间和膳食推注(包括校正推注)可用作良好的触发事件，但是任何其它合适的事件发生(特别是每天相同时间在用户的生活中规律发生的那些事件)也可用于建立用于模式的时移的一般参考点的目的。例如，通常在报警之后发生推注事件，葡萄糖高水平报警也可用作触发事件发生。根据本发明的实施方式，也可只在工作日、只在周末、只在特定日子(只在周三)、只在生病的日子、只在运动日/锻炼日等对模式进行分类。
根据本发明的实施方式，用户可通知DDMS/MDMS、输注泵、控制器/编程器，或者任何其它合适的设备，他/她即将吃午餐，并且例如，输注泵可告知收到并记录该触发事件的发生以在必要时进行模式的任何时移。可选地，DDMS/MDMS、输注泵、控制器/编程器，或者任何其它合适的设备可基于用户启动的推注递送及其发生的时间推断即将在何时食用膳食(例如，早餐在7AM左右，或者午餐大在中午左右)。知道对于一餐饭递送多少胰岛素可与知道所食用的膳食的类型有关，所述膳食的类型例如，早餐、午餐或晚餐。并且，由用户选择和管理的推注类型(例如，一般型、方波型、双波型、校正推注型等)以及在那时消化的食物类型还可允许DDMS/MDMS、输注泵、控制器/编程器，或者任何其它合适的设备推断用户可能对特定食物(例如，油腻的食物)存在一些问题。
通过识别和实施模式的时移，可对糖尿病患者的葡萄糖水平做出更好的预测并使医生得以采取主动措施以提供更加准确的治疗从而保持更加稳定的理想范围内的葡萄糖水平。严重的不良事件(SAE)可通过识别以往导致SAE的预-SAE模式而减少到最少或消除。使用A1c测试可进一步帮助确定葡萄糖水平是否已经在理想范围内持续较长的时间段(例如，大约三个月)。根据本发明的实施方式，可在输注泵上建立警报来匹配典型的用户SAE模式，并且当观察到这种SAE模式时，该警报可发出声音。
为了使模式更加准确，可从组成该模式的数据点中除去或筛选异常数据(“剪辑”)，因为所述异常数据可能不代表个人的典型一天。例如，参考图2A的报告200，如果用户在几天中他/她的作息安排对于规律的工作日而言完全不规律(也许是出差飞到国外)，可排除这些非常规的天数的葡萄糖水平读数，因为这些读数不是“规律的”工作日的典型特征(可能用户在出差过程中吃一餐或两餐饭，但是，这些进食可能并不发生在用户一般进食的相同时间，和/或这些膳食可能与用户一般食用的膳食类型、份量等不同)。换言之，稀少事件和异常数据通常不会表示基于模式的治疗方向。根据本发明的实施方式，还可通过一周中的特定一天(例如，除去所有周三的数据)、每月中的一天(例如，除去所有15号的数据)、日子类型(例如，除去所有运动日/锻炼日的数据)，通过一天中的特定时间(例如，除去所有从12AM到3AM的数据)，通过特定周、月等或它们的任意组合筛选数据。
相反，存在以下情形：研究无关事件/异常事件能够帮助确定可对治疗过程产生影响的行为问题，并且确定无关事件发生的原因可有助于减少可能对治疗不利的这些异常的发生。根据本发明的实施方式，还可筛选数据集从而除去属于一种或多于一种模式的所有葡萄糖水平读数，只留下用于分析的异常数据。
图2B至图2K中举例说明的报告/图表可表示在执行例如，MedtronicMiniMed’s CARELINKTM治疗管理软件或任何其它合适的软件的DDMS/MDMS(如上文结合图1所描述的)上显示的抓拍屏幕，以帮助医生计划治疗过程(在一些情况下，用户也可访问)。虽然图2B至图2I和图2K中举例说明的图表显示从11AM到9PM的葡萄糖读数，但是根据本发明的实施方式可显示更长或更短的时间段。如本发明举例说明的，图2B至图2I和图2K中图表可为图2A中举例说明的24小时报告的一部分。例如，在其它实施方式中，可使用一天24小时的报告中的1小时部分、2小时部分、3小时部分、4小时部分、5小时部分、6小时部分、7小时部分、8小时部分、9小时部分、10小时部分、11小时部分或12小时部分，并且还可使用2天报告、3天报告、4天报告、5天报告、6天报告、1周报告、2周报告、3周报告、4周报告、1月报告、1季报告等。
虽然图2B至图2J中的每一个中仅举例说明了四条代表性的葡萄糖读数线，但是医生查看的实际图表通常显示更多条线(10至30条，或者更多)，并且根据本发明的实施方式，虽然就举例说明的目的而言，图2B至图2J中只显示四条线以简化图表并使图表更容易读取，但可在图表上叠加任何数目的线条。图2B中的线条252、254、256和258(图2C至图2J中对应的线条类似)可分别代表一天的原始葡萄糖水平读数、一天、几天、几周、几个月的筛选后的读数、平滑的读数等，或者它们的任意组合。例如，如图2K中举例说明的并在下文更详细地讨论的，还可生成包括原始葡萄糖水平读数的平均值、标准差(一旦平均值被确定)、高-低位线等在内的图表。
根据本发明的实施方式，图2B至图2K的图表中还可显示其它数据，例如，基础胰岛素曲线和推注递送图像。此外，医生或用户可选择DDMS/MDMS在图表上显示的读数中的任何一个来获得与所选读数相关的其它数据(例如，高位/低位值、平均值、标准差、测量仪读数的数目、胰岛素总量、推注次数、基本量、暂时基线的时间、暂停时间等)，所述其它数据可在独立的屏幕上显示。可由DDMS/MDMS在屏幕上显示的数据的其它描述可在2002年12月19日公布的Malave等人的题为“Communication Station and Software forInterfacing with an Infusion Pump,Analyte Monitor,Analyte Meter,or the Like”的美国专利申请公开第2002/0193679中找到，该美国专利申请公开的全部内容通过引用并入本文。
一般而言，医生可利用的数据越多，可为用户设计越准确越好的治疗。然而，在屏幕上一次显示的数据越多(例如，三个月时间段的每天24小时葡萄糖传感器读数将在图表中具有超过90条上下移动的线条)，则医生或其它查看人员越难读取和理解，尤其当数据不容易看出表示任何医生可用作治疗过程基础的趋势或模式时。具有越多可利用的数据还增加会将更多“噪音”数据引入总数据集中的机会。具体而言，使用显示葡萄糖读数叠加报告(例如，如图2A中)的DDMS/MDMS的医生可具有单一患者的跨越数天、数周、数月和/或数年的时间段的数据。在不进行一些筛选和组织的条件下，在屏幕上一次全部显示这些数量的数据是令人难以应对的、混乱的并且难以读取和理解。在不进一步分析的情况下，这种原始数据表面上不是特别有用。基于看起来彼此没有关系的大量葡萄糖读数的图表(例如图2A所显示的图表)可能制定出没有意义的治疗计划。如果所显示的大量的葡萄糖水平读数可例如，通过相似的模式存储和/或在特定事件发生(例如，早餐、午餐或晚餐)附近存储，则医生会具有从中可发现一些葡萄糖水平模式的更有意义的图表，通过所述葡萄糖水平模式他/她可研究出治疗过程。
如上所述，许多人具有规律的作息安排，其中，诸如早餐、午餐、晚餐、午休、喝茶时间、咖啡时间、观看早间或晚间TV新闻、休息/睡觉、起床等的事件发生趋于每天发生并且一般大约在一天(或在工作周的每一天、只在工作日、只在周末、只在周日、只在锻炼日等)的相同的时间发生。知道这些事件什么时候发生在分析原始数据中特别有用。使用这些事件(例如，早餐、午餐、晚餐、观看晚间新闻等)作为标记和参考/在时间上的锚定点(例如，起始点、中间点、结束点)以在所有读数中相对于每一普通事件发生调整或筛选葡萄糖水平读数将得到从中可发现趋势和模式的分析。在根据本发明的实施方式的一个代表性的实例中，可从用户启动午餐时间膳食推注、校正推注、特定推注类型(例如，一般型、方波型、双波型)等开始排列葡萄糖水平读数，并且DDMS/MDMS可分析从膳食推注开始(例如，直到下一普通事件发生开始，所述下一普通事件发生例如晚餐事件膳食推注)的葡萄糖水平读数以确定模式是否存在、取平均读数等。还可基于任何合适的事件发生排列葡萄糖水平读数，所述合适的事件发生包括但不限于膳食推注、校正推注、用餐时间、睡觉时间、锻炼、服药等。可在现有的时间量程上移动并排列读数(例如，如图2C中举例说明的)，或者根据本发明的实施方式，使用将特定事件发生开始归零的相对时间量程移动并排列读数(例如，如图2J中举例说明的以及在下文详细讨论的)。
DDMS/MDMS可通过锚定在特定事件发生附近的葡萄糖水平读数生成多种模式。可进一步分析或筛选出并丢弃看起来不属于任何特定模式的葡萄糖水平读数(例如，异常读数)。可选地，可仅仅显示异常读数。合适的模式识别算法(例如，用于防御/武器系统、天文学、计算机科学等)可修改成用于分析用户的多个葡萄糖水平读数，并且根据本发明的实施方式，用于分析所有或大多数读数中每一普通事件发生之后的读数以确定是否存在任何模式或趋势。
模式识别算法可识别符合由特定事件发生附近的许多其它葡萄糖水平读数形成的特定模式或形状(例如，由用户每天进食午餐时开始的读数形成的模式)的看起来“异常的”葡萄糖水平读数。这种异常读数表现出，例如：(1)在特定模式前几个小时或后几个小时偏斜，(2)比特定模式具有更大正量级和/或负量级，(3)与特定模式相比，在时间上被压缩或拉伸，(4)从特定模式的基础葡萄糖水平向上或向下偏斜，或者它们的任意组合。通过识别由其它葡萄糖水平读数形成的特定模式中潜在的落在“模式外”的葡萄糖水平读数，并通过对模式外的葡萄糖水平读数进行调整可将这种模式外的读数调整成与形成所述模式的葡萄糖水平读数的剩余部分相符，由此保存该葡萄糖水平读数用于分析。
可选地，可在其自身的价值方面对模式外的葡萄糖水平读数进行分析以确定这种模式外读数潜在的发生原因以及与其相关的任何其它潜在的问题，这可有助于了解用户的行为并在必要时对他/她的治疗做出任何调整从而将其它模式外读数减少到最少。此外，所述模式可在其自身中通过形成模式的读数类型进一步分类并筛选，例如，“只在工作日”模式(仅由工作日读数形成)、“只在周末”模式(仅由周末读数形成)、“周三”模式(仅由周三读数形成)等。
虽然作为葡萄糖水平读数标记的事件发生的存在有助于为模式识别软件建立参考点以对模式进行分析，但是事件发生并不总是模式识别软件所必需的并且就每一葡萄糖水平读数而言事件发生可以不总是可用的。例如，膳食/校正推注事件发生不被输注设备或控制器/编程器记录是可能的，因为用户由针头和注射器通过手动注射自己管理推注。第二，在用户运动过后，用户可能已经忘记输入运动事件发生标记。第三，用户可能恰好错过管理输注，导致没有管理输注的事件发生标记，或者可能已经管理了推注，但是没有记录该推注。所管理的推注可能是错误类型、可能太多、可能太少等，这样其使得与所管理的推注对应的事件发生标记对分析目的没有帮助。
即使葡萄糖水平读数中缺少事件发生标记，模式识别软件仍可例如通过确定读数上升/下降的斜率、读数的总体形状、读数的总体大小/量级等是否与形成特定模式的其它葡萄糖水平读数(具有或不具有事件发生标记)匹配分析葡萄糖水平读数。
如在图2B的简化的代表性葡萄糖叠加图中举例说明的，显示了四条代表性葡萄糖水平读数线252、254、256、258。通过分析图2B的图表中的数据，DDMS/MDMS可确定就线条252、254、256、258而言，存在葡萄糖水平在两个小的连续下降后跟随一个较大的上升的模式。这种特定的下降和上升模式仅仅是用于举例说明的实例，根据本发明的实施方式，可分析任何其它模式和模式类型。线条258看上去不规则，其中跟随有上升的两个小的连续下降比线条252、254、256晚几个小时发生，但是线条258的形状与线条252、254、256形成的模式相似。
为了尽可能多地使用可利用的数据，DDMS/MDMS可尝试调整异常数据使其适应现有的模式或者将异常数据“拟合”至现有模式中。通过识别由线条252、254、256形成的一般模式以及异常的线条258的模式，DDMS/MDMS可通过在时间上将异常线条258回移两小时(以匹配用户一般进食午餐时获得的数据)确定所识别的模式，如图2C中举例说明的，线条258的读数通常与由线条252、254、256建立的模式一致，尤其是从中午到7PM的时间段中的读数。例如，当取线条258的读数时，如果知道用户比他/她平时在中午进食午餐的时间晚两个小时在2PM进食午餐，那么可进行时移(下文详细讨论)。通过对线条258进行时移，可用一系列其它数据进行分析。医生可观察到用户的葡萄糖水平在3PM左右上升并达到峰值，治疗过程可针对该趋势制定并尝试降低该峰值，使葡萄糖水平更加稳定并保持在的理想范围内。
DDMS/MDMS可自动尝试使数据集(例如，每一葡萄糖水平读数)符合整个24小时时间段，或其一部分，例如，生成“上午”模式、“下午”模式、“晚间”模式等等。如果可利用的数据更多，那么所述模式更加稳固，通过使异常数据符合模式现有的数据集，治疗可更加准确。在理想情况下(但不大可能)，在通过DDMS/MDMS对葡萄糖水平读数进行或不进行调整的条件下，每一葡萄糖读数均落入至少一种模式中。具有所识别所有或大多数数据的模式的图表在很大程度上帮助医生观察趋势并为用户准备最好的治疗过程。然而，如果异常数据不能被适当调整，即，其看起来不符合任何所述模式中的任何一种，那么可筛出该异常数据并在分析中不使用该异常数据。例如，图2C的图表中的调整后的经过时移的模式可用于生成平均“下午”模式以便医生分析从而帮助用户保持稳定的葡萄糖水平并将葡萄糖水平保持在理想范围内。此外，一般趋势或理想模式可叠加在现有的报告上以显示用户有多接近这种理想水平或群体平均水平，并突出用户可能想做出影响他/她的葡萄糖水平的改变的区域。
并且，根据本发明的实施方式，医生或用户可选择筛选和分析葡萄糖水平读数的标准和参数。医生或用户还可选择是否应当在分析中包括或排除特定模式。根据上文讨论的本发明的实施方式，医生或用户可点击葡萄糖水平读数(例如，图2B中的线条252、254、256、258)中的任何一个获得与该选择的读数有关的其它数据，并输入可被DDMS/MDMS存储的关于该选择的读数的注意事项或建议(例如，说明未标记的事件、解释特定行为等)。可选地，医生或用户可选择/点击所显示的线条中的一个或多于一个线条并将其删除从而在分析中不包括所选的线条(例如，以生成平均值、标准差等)。例如，临床医生可认识到由于患者生活中的不寻常的环境而在一些天数中产生很不寻常的数据，例如，由于车祸引起的紧张、情感事件、不寻常的体力消耗、由庆祝或旅行带来的不寻常的膳食等。通过消除这些不寻常的数据集，保留平常的数据集，临床医生可使用所述平常的数据集分析并设计治疗过程。
如果通过用户直接输入(例如，设定“午餐”事件发生标记)或从用户行动推测(例如，在下午进行膳食推注来进食午餐)知道用户在读取线252、254、256那天(周、月等)的中午进食午餐，并且知道就线条258而言，用户在中午后几小时在大约2PM进食午餐，那么葡萄糖水平分析可被进一步提高。此外，DDMS/MDMS可识别出线条258符合属于“午餐时间”模式范围的特定模式和/或形状，并且还可基于根据本发明实施方式的模式识别算法推测和计算该特定线条258上用户进食午餐时的开始时间。在生成锚定在用户进食午餐的时间周围的“下午”模式方面，这类信息可进一步加强由DDMS/MDMS进行的模式识别和筛选方案。例如，可通过理解或分析来减少用户在下午进食后大约两小时发生的上升和峰值，不管上升和峰值通常在中午或在另一时间出现，例如，通过设置在进食午餐时使用的暂时基础率以减少所观察到的升高和峰值。
图2J举例说明根据本发明的使用相对时间轴显示图2C中的传感器读数的调整的经过时移的样本报告。例如，在诸如膳食推注、午餐开始(轴210)等的事件发生处固定的相对时间轴图表可由DDMS/MDMS生成以便医生分析。在事件发生中的时间跨度后发生的通知事件和异常现象更容易通过使用如图2J中的相对时间轴图表辨别。也可使用不同于一小时的任何时间增量(例如，2小时、分钟、天、周、月、季度、年等)以及用于时间方面的任何时间段的任何时间增量。根据本发明的实施方式，图2J中的相对时间轴图表可同样适用于图2A至2I和图2K中举例说明的图表中的任何一个。
图2K举例说明根据本发明实施方式的显示调整后的经过时移的图2C的报告的平均葡萄糖水平读数、标准差和高-低位线的报告。DDMS/MDMS可基于调整后的图2C的葡萄糖水平读数252、254、256、258生成显示平均葡萄糖读数292的图表。根据本发明实施方式，一旦平均值被确定，如图2K所示，DDMS/MDMS还可显示标准差线294、296。此外，还可生成图2C的线条252、254、256、258的调整后的葡萄糖水平读数的高-低位线298。不同于上述那些数据计算的任何其它类型的数据计算可由DDMS/MDMS进行并被显示以便医生或用户查看。根据本发明的实施方式，如图2K中的平均葡萄糖水平读数、标准差和高-低位线的显示可独立地同样适用于图2A至2J所示的图表中的任何一个，或者结合有其它数据计算的所述显示或所述显示与其它数据计算一起可同样适用于图2A至2J所示的图表中的任何一个。例如，可计算一组线的平均值，随后可计算每一条线相对于该平均值的误差。一种计算方法包括使用除了一条线以外的所有线计算平均值线，随后计算平均值和所排除的线之间的误差；对所有组的线条重复该过程，随后可确定误差最大的线条。如果特定线条或特定的线条组与平均值相比具有明显较大的误差，则可省略与平均值相比具有较大误差的这些线条重新计算平均值。具有较大误差的这些线条可自动从分析中除去，或者可突出具有较大误差的这些线条从而使临床医生得以做出选择以在分析中排除或除去它们。还可只对具有较大误差的线条进行分析。
图2D举例说明根据本发明实施方式的显示传感器读数的样本报告。与上述图2B的图表相似，图2D的图表显示形成一般模式的三条代表性的线条262、264、266，以及显示3PM左右有极高的上升和峰值以及朝8PM下落的异常线条268。通过分析图2D的图表中的数据，DDMS/MDMS可确定异常线条268显示的模式与由262、264、266形成的模式相似，除了线条268的葡萄糖水平读数更加准确并在葡萄糖水平的上升和下降的幅度方面更加剧烈。读取线条268的读数的特定一天(周、月等)的任何一组事件可导致用户对所消化的食物特别敏感，用户采用不同的膳食推注剂量等，并引起线条268的异常读数。可选地，线条268的异常读数可由硬件原因引起，例如，由偏差或过度敏感的传感器引起，或者由放大读数的用户的不当操作引起，或者由用户错误地校准传感器引起。例如，如果在传感器放置于用户上时获得的一组读数全部显示相似的增加幅度，或者如果通过特定的传感器批号已知敏感度，那么硬件问题可以被识别。
确定传感器是否可能过度敏感或是否可能出现校准问题的一种方法是分析从传感器中接收的原始的电流信号值(Isig)(一般而言，Isig值越高，所检测到的葡萄糖水平越高)。例如，这些值可由DDMS/MDMS存储或者由任何其它合适的系统存储。例如，如果从中得出线条268的异常读数的Isig值与线条262、264、266的Isig值的范围一致或匹配，那么错误校准的传感器是问题所在。但是如果异常线条268的Isig值与线条262、264、266的Isig值不一致，例如，如果线条268的Isig值相对于线条262、264、266的Isig值具有像线条268那样增加的幅度，那么传感器硬件可能有偏差或者传感器硬件可能过度敏感。
通过识别由线条262、264、266形成的一般模式以及由异常线条268形成的模式，DDMS/MDMS可确定通过朝向理想葡萄糖水平的中心目标范围(70mg/dL至140mg/dL)压缩异常线条268(如图2E所示)，线条268的读数一般符合由线条262、264、266形成的模式，特别是从中午时间段到7PM的模式。例如，如果确定了用于获得线条268的异常读数的传感器过度敏感并且，该传感器正提供量级放大的读数，那么压缩异常线条268可将该读数标准化成使用敏感度正常的传感器可获得的读数。通过朝向理想的葡萄糖水平范围向中心双向压缩线条268，可将先前认为异常且可能被筛出并排除的另外一组数据包括在内以用于分析。
如上结合图2B和图2C所讨论的，如果通过用户直接输入(例如，设置“午餐”事件发生标记)或由用户行动推测(例如，在下午进行膳食推注以进食午餐)知道用户在读取线条262、264、266、268的那些天(周、月等)的中午进食午餐，那么可进一步使分析完善。在生成调整的葡萄糖水平被压缩的图2D的图表方面，本发明实例中，在知道线条268的读数在时间上与用户一般进食晚餐的时间一致并且该情况中的时移可能不是必需的(参见，例如图2D，知道当线条268的读数被读取时，用户可能恰好对所消化的食物特别敏感，用户可能低估了膳食所需的胰岛素剂量、延迟了胰岛素推注直至葡萄糖水平已经增加，或者知道使用了过度敏感、操作不当或错误校准的传感器)的情况下，这类信息可进一步加强由DDMS/MDMS的模式识别和筛选方案。
图2F举例说明根据本发明实施方式的显示传感器读数的样本报告。与上述图2B和图2D的图表相似，图2F的图表显示形成一般模式的三条代表性线条272、274、276，和显示在大约一小时的时间内的上升和峰值(与线条272、274、276中的大约两小时相反)的异常线条278。通过分析图2F的图表中的数据，DDMS/MDMS可确定异常线条278显示的模式与由线条272、274、276形成的模式相似，除了线条278的读数中的葡萄糖水平看起来以更快的速度上升和下降。读取线条278的读数的特定日子(周、月等)的任何一组事件导致用户在下午经历更快的葡萄糖水平上升和下降(例如，在平时的四分之一时间内进食午餐、进食不同份量和/或不同类型的食物等)，在下午经历更快的葡萄糖水平上升和下降引起线条278的异常读数。
通过识别由线条272、274、276形成的一般模式和由异常线条278形成的模式，DDMS/MDMS可确定通过在时间上拉伸异常线条278(如图2G所示)，线条278的读数一般符合由线条272、274、276形成的模式，特别是从中午时间段到7PM的模式。根据本发明的实施方式，本发明感兴趣的是分析本发明实例中“典型的”午餐模式，线条278的时间拉伸可将线条278的读数标准化成进食典型午餐可获得的读数。可选地，可对异常线条278进行独立分析，或者可结合其它读数对异常线条278进行独立分析。通过对线条278进行时间拉伸，可将先前认为异常且可能被筛出并排除的另外一组数据包括在内用于分析。
图2H举例说明根据本发明实施方式的显示传感器读数的样本报告。与图2B、图2D和图2F的图表相似，图2H的图表显示形成一般模式的三条代表性线条282、284、286，和具有大致偏斜的高葡萄糖水平的异常线条288。通过分析图2H的图表中的数据，DDMS/MDMS可确定异常线条288显示的模式与由线条282、284、286形成的模式相似，除了线条288的读数在图2H中所示的整个时间段中大多在理想葡萄糖水平上方。读取线条288的读数的特定日子(周、月等)的任何一组事件导致用户具有引起线条288的异常读数的高葡萄糖基线水平。例如，用户可具设置较低的基础胰岛素速率/模式，这使所有葡萄糖水平读数在较高端点处向上偏斜，因为用户使基础胰岛素速率/模式发生改变。
可选地，根据本发明的实施方式，DDMS/MDMS可检测出葡萄糖水平读数在过去几天已在高侧发生偏斜，其可推测出传感器可能存在问题(例如，传感器可能过度敏感、操作不当、被错误地校准等)，并且可警告用户检查传感器以确保其适当地运行。可使用判断可能过度敏感或操作不当的传感器，或者识别错误校准的任何合适的技术，所述合适的技术包括上文结合图2D和图2E讨论的分析Isig值。
通过使用模式识别算法确定由线条282、284、286形成的一般模式和由异常线条288形成的模式，DDMS/MDMS可确定通过朝理想的葡萄糖水平的中心目标范围向下移动异常线条288(如由生病或紧张，或者可能由过渡敏感、操作不当或错误校准的传感器，或者降低的基础胰岛素速率等导致用户“情绪高涨”)，如图2I所示，线条288的读数大致符合由线条282、284、286形成的模式，特别是从中午时间段到7PM的模式。通过向下移动线条288，可将先前认为异常且可能被筛出并排除的另外的数据集包括在内用于分析。
根据本发明的实施方式，虽然分别在图2B和图2C、图2D和图2E、图2F和图2G、图2H和图2I中显示的异常线条258、268、278、288通过DDMS/MDMS对异常线条258、268、278、288的单一调整(即，时移、葡萄糖水平压缩、时间拉伸、葡萄糖水平移动)进行了调整，但是DDMS/MDMS可进行的调整不只是单一调整(例如，进行时移并进行葡萄糖水平压缩、进行时间拉伸并进行葡萄糖水平移动等，或者它们的任意组合)，和/或DDMS/MDMS可对所述线条中的一条或多于一条线条适当进行与上述那些调整不同的其它类型的调整。此外，如图2B至2I和图2K所示，还可在不同于11AM至9PM的任何其它时间段对葡萄糖水平读数做出这些调整。没有经DDMS/MDMS调整为适合一定模式的异常读数可从分析中筛出并排除，或者被单独地或与其它读数一起独立分析。
图3举例说明根据本发明的实施方式使用用于糖尿病分析的模式算法和筛选算法的流程图。根据本发明的实施方式，糖尿病分析的方法包括，在步骤310，接收用户的多个葡萄糖水平读数。如上文结合图1所讨论的，葡萄糖水平读数(例如，如图2A所示，每天24小时葡萄糖水平读数持续多天)可经由DDMS/MDMS系统获得，或者通过任何其它合适的方法和方式获得。根据本发明的实施方式，用于分析的数据可排除来自最近几天的数据。例如，如果用户正在学习新的行为，则最近几天可能不会生成与之前相同的模式，并且来自用户生活中更一致的时间的数据可生成对分析更有用的模式和治疗计划。在步骤320，确定葡萄糖读数中的至少两个中的普通事件发生。这些普通事件发生可用作时间上的参考/锚定点(例如，起始点、中间点、结束点)以相对于各普通事件发生分析所有读数中的葡萄糖水平读数，并且趋势和模式可被认为是关于用户生活中的这些特定事件发生(例如，早餐。午餐、晚餐、观看晚间新闻、递送膳食或校正推注等)的用户中可发生的一定趋势。
在步骤330，分析来自一个时间段内随时间推进的普通事件发生的至少两个葡萄糖读数以在步骤340确定是否存在由具有相似形状的至少两个葡萄糖水平读数形成的至少一个葡萄糖水平模式。例如，通过分析图2B至2K所示的代表性图表中的数据，DDMS/MDMS可确定使多个葡萄糖水平读数中存在相似形状的两个小的葡萄糖水平连续下降跟随一个大的葡萄糖水平上升的模式。这种特定的下降和上升模式仅仅是举例说明的实例，并且根据本发明的实施方式，可分析任何其它模式或模式类型。
在步骤350，分析具有与葡萄糖水平模式相似的形状且不符合葡萄糖水平模式的至少一个异常葡萄糖水平读数。例如，参见图2B至2J，葡萄糖水平读数线条258、268、278、288看上去是异常的，由此它们大致显示与其各自所在的图表中的剩余葡萄糖水平读数相似的形状和斜率，但是这些异常线条并不符合由其各自所在的图表中的其它葡萄糖水平读数形成的模式。在步骤360，可由DDMS/MDMS调整所述至少一个异常葡萄糖水平读数使其适合所述模式，从而形成调整的葡萄糖水平模式，例如，如图2C、2E、2G、2I所示。根据本发明的实施方式，在步骤370，从普通事件发生开始的时间段中的胰岛素剂量可基于调整的葡萄糖水平模式计算。
图4举例说明根据本发明的实施方式的糖尿病信息分析的流程图。根据本发明的实施方式，使用平均葡萄糖水平信息的经过时移的模式的分析方法包括，在步骤410，获得经过多天的时间段内的平均葡萄糖水平信息。例如，可使用像图2A那样的图表，叠加数天时间段(例如，图2A中28天)的葡萄糖水平信息以获得24小时时间段的平均葡萄糖水平信息。接下来，在步骤420，确定当前事件发生(例如，早餐、午餐或晚餐、观看早间/晚间TV新闻、喝下午茶等)。
假设用户即将进食午餐(当前事件发生)，在步骤430，确定与所选的当前事件发生(即，立刻吃午餐)对应的时间段内的平均葡萄糖水平信息中的事件发生(即，在图2A中线条210处所示的中午吃午餐)。与该事件发生相比，当前事件发生(立刻吃午餐)处于一天中的不同时间。例如，在图2A的28天报告中，用户在每天中午进食午餐，图2A中的平均葡萄糖水平信息反映出用户在该28天时间段中的每一天中午进食午餐。然而，在本发明的实例中，用户开了一个很长的商务会议，且该用户现在比平时晚一小时，在1PM进食午餐。如果当前事件发生在平均葡萄糖水平信息中的事件发生之前发生(例如，用户在11:30AM而不是中午进食午餐)，那么本发明的实施方式也是适用的。
在步骤440，分析所述时间段内在时间上从所述事件发生(即，在图2A中的线条210处显示的中午吃午餐)开始的平均葡萄糖水平信息。即，分析来自推进的事件发生的平均葡萄糖水平信息模式以在步骤450确定所述时间段内在时间上从所述事件发生开始的平均葡萄糖水平信息中是否有通知事件。例如，分析图2A中的平均葡萄糖水平信息以观察是否有通知事件(即，明显的、警报或可引起用户、医疗专业人员、研究人员等的兴趣的任何其它事件)。可注意到图2A中所示的实例中有如下模式：所述模式中，在线条210所示的中午开始午餐后大约三小时在线条220处用户的平均葡萄糖水平趋向升高和达到峰值，由此构成该实例中的通知事件。
基于根据本发明的实施方式的经过时移的模式，在步骤460，基于事件发生(图2A的报告中在线条210上述的中午吃午餐)的时间跨度和来自图2A中平均葡萄糖水平信息的通知事件(图2A中在线条220处所示的上升和峰值)预测在时间上来自当前事件发生(即，在1PM立刻吃午餐)的当前通知事件。在该实例中，用户在1PM而不是平常的中午午餐时间进食午餐，根据本发明的实施方式，考虑到图2A中的28天平均葡萄糖水平模式显示在线条210处显示的中午开始午餐后三小时发生的线条220处的上升和峰值，在线条210处显示的中午的午餐开始向前的这种模式可随后被时移1小时以预测午餐开始后三小时的相似的上升和峰值的当前通知事件可大约在4PM。通过该预测，在步骤470，可在所预测的当前通知事件之前开始运行，所述当前通知事件被预见到在4PM左右发生，在1PM开始午餐后三小时。
相应地，图2A所示的该实例中，平均葡萄糖水平模式显示在1PM(在线条210所示的中午开始午餐后1小时)处开始的上升。因此，如果用户在这种情况下在1PM(比平常晚1小时)开始午餐，那么可采取行动警告用户所预测的上升将在大约2PM(进食午餐后1小时)开始。可指导用户暂时增加接下来几小时的基础速率或者进行推注以将通过经过时移的平均葡萄糖水平模式(例如，“下午”模式)所预测的上升和峰值降到最小，或者如果这样设置，从而在该预测的上升和峰值时间段内自动增加胰岛素递送速率(基本速率或暂时速率)或进行推注，由此尽可能地保持用户的葡萄糖水平稳定并保持用户的葡萄糖水平在理想的葡萄糖水平范围内。
可被时移的模式可构成平均葡萄糖水平的整个24小时时间段(如图2A所示)或其任何一部分。例如，就时移的目的而言，24小时时间段可被分成三种模式，对应于每天主要的三餐饭(早餐、午餐和晚餐)，每一模式在事件发生(早餐、午餐和晚餐)的开始处开始并刚好在下一事件发生开始前结束。参见图2A，如果知道用户通常在线条240所示的6AM进食早餐，那么一种模式可构成从6AM到中午的平均葡萄糖水平(早餐/上午模式)，第二模式则可构成从中午(线条210所示的午餐事件)到7PM的平均葡萄糖水平(午餐/下午模式)，最后，第三模式可构成从7PM(线条230所示的晚餐事件)到第二天6AM的平均葡萄糖水平(晚餐/晚间模式)。这三种模式中的每一种可用于时移目的以预测潜在的通知事件；根据本发明的实施方式，可使用对应于任何合适的时间发生被分成任何数目种模式的单一的24小时模式或其任何一部分。例如，可在胰岛素泵中或任何其它合适的设备中使胰岛素剂量/递送模式程序化，以匹配上述生成的代表性模式，从而使用户能够在适当时间选择，例如，“早餐”、“午餐”或“晚餐”胰岛素递送模式或事件来递送胰岛素以尽可能地保持用户的葡萄糖水平稳定并保持用户的葡萄糖水平在理想范围内。
模式和时间线条通常有助于将原因和结果联系起来。变化率(例如，在需要进行校正之前可达到的最高点)通常有助于确定重要事件或触发事件。例如，不合适的报警设置可导致会对治疗有害的行为。用户可忽视不合适的报警设置，随后当真正关键的报警事件发生时，用户也可忽视该重要的报警事件(即，“狼来了”)。因此，确保数据准确在减少可使用户养成“不好的”行为的不合适的虚假警报发生中非常重要。
可影响用于生成治疗计划的数据质量的因素可包括：使用手指穿刺确定葡萄糖水平、使用葡萄糖传感器、使用准确的碳水化合物估计计数、使用适当设置的诸如膳食、活动、药物处理、压力等的标记和准确的胰岛素递送。这些因素中的大多数通常是可靠的。可影响数据质量和用户对治疗计划的依从性的其它因素可包括：输注设置多久改变、各种不同的医疗设备多久进行校准、常见问题(例如，过量预注输注泵)、推注计算器建议的质量以及用户应用的重写。如果用户不遵守推注计算器的建议，那么医生可推测推注计算器的设置不准确和/或没有用，并且可提示医生重新设置推注计算器以使其变得更加准确。
各种不同的效果或情况可由不同的处理行动或原因引起，包括高血糖和低血糖(这两者均可影响模式强度和模式严格程度)，以及升高和降低葡萄糖水平，包括急剧升高的峰值和下降(可由“未标记的”膳食引起)。用于治疗中的引起这些不同的情况或效果的行动或原因包括：基础(模式)和推注(脉冲)设置(其进而受推注脉冲影响)、使用碳水化合物比例、个人的胰岛素敏感度、已经给药至个人的活性胰岛素、一天中的时间(例如，傍晚、晚间等)以及个人是活泼的还是生病的、有压力的等等。由推注计算器建议引起的推注的递送、胰岛素递送的暂停或者设置暂时基础率也可对个人的葡萄糖水平产生影响。还可尝试对各种不同事件的发生进行报警。
如果可使用“推注类型＝效果”信息的数据库，可做出一些预测从而当个人遇到特定事件或模式时，根据所述数据库的信息并识别所述事件或模式发生，可基于来自用户或多个用户的过去的数据建议可避免不理想的事件或模式的特定推注类型。此外，如果用户表现出符合特定事件或活动的特定葡萄糖水平模式，那么可基于所观察到的在用户进行特定活动(例如，做三套引体向上，每套15个，以6.5MPH的速度在跑步机上跑一英里等)之前的模式调整用户的基础率(尤其当知道用户当前的机载胰岛素和葡萄糖水平时)，从而尽可能地保持用户的葡萄糖水平稳定并将用户的葡萄糖水平保持在理想范围内，所述特定事件或活动例如，膳食、20分钟午睡、特定类型的运动等。
管理治疗的其它方法可包括“虚拟患者”的使用。虚拟患者是真实的人类患者在电脑上的数字模型以模拟不同方式的糖尿病或任何其它医学病症影响人体以及各种不同的治疗如何潜在地影响虚拟患者。虚拟患者可有助于减少新治疗计划的发展和测试的时间和花费。例如，通过知道患者的胰岛素敏感度(每位患者具有不同的胰岛素敏感度，例如，就I型糖尿病而言，他们通常在傍晚更加敏感)，可做出一些预测并且可识别并测试来自虚拟患者的模式来观察它们是否接近真实生命。虚拟患者软件系统的更多描述可在2006年12月7日公布的Stocker等人的名为“Virtual Patient Software System for Educatingand Treating Individuals with Diabetes”的美国专利申请公开第2006/0272652中找到，该美国专利申请公开的全部内容通过引用并入本文。
医生通常访问多个患者的数据。通过比较医生的患者库中的多个患者的数据，可生成群组模式，所述群组模式可在治疗特定患者方面有用。多个患者中的相似模式可帮助医生设计可帮助具有相似模式的另一患者的治疗过程。伴随作为参考点的“虚拟患者”模型的产生，来自医生护理的多个患者的数据还可用于虚拟患者的模拟。
群组模式可通过性别、年龄、妊娠状况、运动类型、身体类型、糖尿病类型(I型糖尿病、II型糖尿病、妊娠期糖尿病)、治疗类型(使用泵、使用胰岛素类型、口服药物治疗)等进行筛选。另一群组可包括“惊慌的”用户，所述“惊慌的”用户是易于在触发事件或通知事件后过度递送推注剂量的那些用户。相应地，输注泵、控制器/编程器或任何其它合适的设备可配置成当其识别过去导致过用户过度递送胰岛素的葡萄糖水平模式发生时，输注泵可在该触发事件之前警告用户不要过度递送推注剂量。此外，在已经递送合适剂量之后，输注泵、控制器/编程器或DDMS/MDMS可自动禁用其自身持续较短时间段以防止惊慌的用户进行过度递送。群组模式在评价和识别患者的“类型”方面也可以是有用的，在新患者的起始点的建立方面尤其有用。
“思想不集中的”用户可能由于跳过推注、吃高糖食物、在在运动过程中暂停胰岛素递送后忘记打开胰岛素泵、或者忘记在睡觉前校准传感器(可导致用户在夜间醒来进行校准)而忘记对糖尿病进行治疗。模式可用于快速识别被错过的推注或者高糖饮料的食用并提醒用户在葡萄糖水平达到严重的高血糖之前递送推注的胰岛素。同样地，模式可用于提早识别已经停止的运动并且泵的推注递送必须重新开始。相似地，模式可用于识别依从性方面的习惯性失误并提醒用户当用户醒着时以及在方便时执行任务。
当设计治疗过程时还应当考虑用户的运动计划。例如，输注泵或控制器/编程器可包括加速计、心率监测器、呼吸监测器等以推断用户什么时候可能在运动。有时用户可在进行运动之前除去泵，或者在运动之前设置暂时基础率以防止葡萄糖水平的下降。在糖尿病治疗中使用加速计的其它描述可在2008年5月29日公布的Moberg等人的名为“Methods and Apparatuses forDetecting Medical Device Acceleration,Temperature,and Humidity Conditions”的美国专利申请公开第2008/0125701中找到，该美国专利申请公开的全部内容通过引用并入本文。
与葡萄糖水平的模式一样，胰岛素递送的模式(例如，基础模式)也可对应于葡萄糖模式建立从而将葡萄糖水平全天保持在理想范围内。还可对全天中的不同时间建议多种模式。例如，可存在“早餐后”模式、“午餐后”模式、“晚餐后”/过夜模式等。一种模式可比另一模式对用户更加有用，并且如果医生看到用户正在使用一种模式而不是另一种模式，那么医生可推断另一种未被使用的模式没有被正确配置并且可进一步调整该模式以使其对用户更加有效。
根据本发明的实施方式，晚餐后/过夜模式可用于评估用户是否必须在睡觉前采取行动。例如，如果用户在一天的早些时候运动，那么在睡觉的过程中他/她的身体可能需要营养来恢复，并且用户的葡萄糖水平可在夜间下降至低血糖水平。可以观察睡觉前和夜间的葡萄糖水平模式，如果在睡觉之前识别低血糖模式，那么用户可采取行动来防止低葡萄糖水平，例如在睡觉前吃零食、吃高脂肪零食以延缓消化，降低基础胰岛素量，改变基础胰岛素曲线，设定闹钟稍后进食零食等。
用户对他/她的碳水化合物的摄入做出的评估越准确，保持用户的葡萄糖水平稳定并将用户的葡萄糖水平保持在理想范围内所需的正确量的胰岛素的递送就越准确。例如，Medtronic MiniMed BOLUS WIZARDTM计算器是基于用户对待食用的膳食中的碳水化合物的量的评估帮助用户提供建议的对于膳食的胰岛素推注剂量的推注估测器/计算器。推注计算器的其它描述可在2003年4月29日公布的Mann等人的题为“External Infusion Device with RemoteProgramming,Bolus Estimator and/or Vibrational Alarm Capabilities”的美国专利第6,554,798号，以及2007年4月17日公布的To Estes等人的题为“MedicationDelivery System and Monitor”的美国专利第7,204,823中找到，上述美国专利的全部内容通过引用并入本文。相比于其它食物或食物类型，一些人可更加准确地评估特定食物或食物类型中的碳水化合物的量。例如，相比于碳水化合物含量低的食物(例如，蛋类)，一些人更善于评估一般碳水化合物含量高的食物(例如，土豆)中的碳水化合物量。
根据本发明的实施方式，推注计算器提前被用户校准以得知用户对某些(或者全部)食物(例如，苹果、橙汁、腊肠披萨、烤三文鱼、蒸米饭等)和食物类型(例如，谷物、蔬菜、水果、乳制品、肉类等)的评估是高或低的偏好和倾向，随后基于用户的偏好和倾向(若有的话)调整建议的胰岛素推注剂量。例如，可使用计算机校准推注计算器，所述计算机例如上文结合图1讨论的DDMS/MDMS等，所述计算机可显示具有已知的真实碳水化合物含量的多种不同份量的食物并要求用户提供他/她自己对所显示的食物(及其份量/量)的碳水化合物含量的评估。通过比较用户对多种不同食物、食物类型、食物子类等评估的碳水化合物含量与多种不同食物、食物类型、食物子类等的已知的真实碳水化合物含量，可进行校准以帮助提供更加准确的胰岛素推注剂量建议。
例如，可确定的是一般而言，用户对披萨的碳水化合物含量的评估高于披萨的真实碳水化合物含量，虽然用户一般对肉类和面食提供准确的评估，但是用户一般低估了寿司和水果的碳水化合物含量。基于这种校准，推注计算器可调整胰岛素剂量建议以补偿用户对特定食物和食物类型的评估高或低的偏好，并且当已知用户对其它食物或食物类型做出准确评估时做出很小的调整或不做调整。因此，如果在校准过程中，用户对评估与待食用的食物对应的代表性食物的碳水化合物值的响应低于所述代表性食物的真实碳水化合物值，那么推注剂量建议增加。同样地，如果在校准过程中，用户对评估与待食用的食物对应的代表性食物的碳水化合物值的响应高于所述代表性食物的真实碳水化合物值，那么推注剂量建议降低。任何特定的食物、食物类型和食物子类(例如，谷物—面食、米制食品等)适用于校准用户准确评估用户期望食用的各种不同的食物、食物类型和食物子类的碳水化合物含量的能力。
根据本发明的实施方式，推注计算器可允许用户通过喜欢的食物或用户一般食用的那些食物进行选择并校准从而获得最准确的以及最有用的推注剂量建议。例如，如果用户讨厌虾制食品或者对虾制食品严重过敏，那么则不需要通过虾制食品来校准。推注计算器还可允许用户指定食物的来源并相应地进行校准，例如，校准来自California Pizza Kitchen的披萨vs.来自Domino’s的披萨vs.来自Costco的冷冻披萨。推注计算器甚至可允许用户校准特定的食物，例如，腊肠和青椒披萨(来自Domino’s)vs.香肠和蘑菇披萨(来自Costco)。食物、食物类型、食物子类、特定食物及其来源、品牌等的任意组合可并入推注计算器中以基于用户准确评估碳水化合物含量的能力校准推注计算器并基于那些评估调整推注剂量建议。
图5举例说明了根据本发明的实施方式在糖尿病治疗中提供推注剂量建议的流程图。根据本发明的实施方式，糖尿病治疗中的校准和提供推注剂量建议的方法包括，在步骤510，向用户显示多种代表性食物。选择代表性食物谱(尤其是用户可能食用的那些食物)并向用户显示所述代表性食物谱反映了用户的典型饮食。例如，这些食物可显示在计算机的显示器上或者其它合适的设备上，包括但不限于上文结合图1描述的DDMS/MDMS。随后提示用户评估向用户显示的多种代表性食物中的每一种的碳水化合物值。当评估碳水化合物值的时候，用户可说明向用户显示的代表性食物的份量(大份、小份、两份vs.三份煎蛋卷等)。可选地，用户可通过“N/A”、“SKIP”、“REMOVE”等来对向用户显示的用户通常不吃或不喜欢、对其过敏、在用户生活的地方不易获得等等的那些代表性食物进行响应。
在步骤520，来自用户的响应被计算机或其它合适的设备接收并存储。随后这些响应用于校准推注计算器以确定相对于所述特定食物、食物类型、食物子类等的真实碳水化合物值，用户是否倾向或偏好对所述特定食物、食物类型、食物子类等评估高或低。基于校准过程中所接收的来自用户的评估，推注计算器可在提供推注剂量建议方面进行任何调整或校正。
当用户即将食用一种食品时，用户向推注计算器提供信息说明待食用的食物和用户评估的该待食用的食物的碳水化合物值。在步骤530接收与待食用的食物有关的信息的推注计算器可为校准过程中使用的计算机、独立的设备(例如，PDA、便携式计算机、移动电话等)，或者甚至可整合到输注泵或控制器/编程器(所述输注泵或控制器/编程器可从用于进行推注计算器的校准的计算机中接收校准信息)中。在步骤540推注计算器基于在步骤510和520的校准过程中所接收的来自用户的与待食用的食物有关的输入(例如，食物、食物类型、食物子类、所评估的碳水化合物含量、份量、来源、品牌等)和用户对评估多种代表性食物中的至少一种的碳水化合物值的响应计算推注剂量建议。
图6A和图6B举例说明根据本发明的实施方式的说明报告。参见图6A中的说明报告610，在强调膳食事件(例如，早餐、午餐、晚餐)的24小时图表(根据本发明的实施方式任何合适的时间段都是可接受的)中显示关于血糖读数和平均值的七天的信息(但是根据本发明的实施方式可显示任何天数)，所述血糖读数和平均值例如从血糖仪中读取的血糖读数和平均值。还在主要的图表下方提供了沿24小时时间轴的基础率、胰岛素敏感度和碳水化合物比例信息的相应的输注设备设置(可根据本发明的实施方式提供更多或更少设置)。在该报告610中信息的下方是过夜时间段，以及早餐、午餐和晚餐的膳食时间段的特写图表(但是根据本发明的实施方式，还可分析任何其它合适时间段的特写图表)。
基于获自这些图表的血糖信息，根据本发明的实施方式的系统和方法分析数据(像医生会做的那样)，在容易读取的表格中提供对原始数据的“说明”，参见，例如，在说明报告610的右上角的“说明”。快速扫视说明表格向医疗专业人员提供对患者治疗中的重要统计数据的良好的简单印象。从原始数据中提取的基本信息可包括，例如，平均葡萄糖水平和评估的HbA1c值。根据本发明的实施方式，可对原始数据进行说明以报告患者体内低血糖事件的情况(发生的时间段)、高血糖模式的情况(发生的时间段)和高波动的情况。患者的输注设备使用的主要指标(例如，每日胰岛素总剂量(TDD)、基础剂量速率、位点/储库变化频率、基础持续时间、所做的推注以及食物和校正胰岛素)和每天读取的血糖读数的数目也可被包括在说明表格中。根据本发明的实施方式，基于所分析的原始数据的其它建议可由说明报告610在临床计划部分下方(参见报告610的右下部)提供。报告610的说明表格中提供的统计数据仅仅是代表性的实例，根据本发明的实施方式可提供更多或更少的统计数据。
根据本发明的实施方式，图6B的说明报告610包括替代如图6A所述的过夜时间段和膳食时间段的特写图表的饼图部分620。这些饼图620举例说明在各不同的时间段中患者的时间百分数“高于”目标血糖水平、在目标血糖水平“范围内”、“低于”目标血糖水平时的发生，所述不同的时间段例如醒来、早餐、午餐、晚餐、过夜(但是可以饼图形式分析不同于图6B中的代表性时间段的任何合适的时间段)。图6A和图6B的说明报告自动分析与患者的治疗有关的原始数据从而以医疗专业人员、患者等容易读取的格式生成信息并显示信息。
图7A举例说明根据本发明的实施方式的治疗管理控制面板，图7B举例说明根据本发明的实施方式的症状发作总结。图7A中的治疗管理控制面板710在上方图表中举例说明一位代表性患者从2009年5月2日到2009年5月29日的24小时连续葡萄糖传感器读数。可以使用不同于24小时的任何合适的时间段以及任何天数。这些读数的下方是第二图表，所述第二图表提供与上方24小时葡萄糖传感器读数图表中的时间段对应的基础率和活性胰岛素有关的信息。所述信息下方是与图6A中的那些特写图表相似的睡觉时间至醒来的时间段，以及早餐、午餐和晚餐的膳食时间段的特写图表(但是还可以对任何其它合适的时间段的特写图表进行分析)。还可包括位于控制面板710的右手侧的关于治疗统计数据的信息(例如，平均血糖水平、所评估的HbA1c水平、每天读取的血糖读数的数目、每天输入的碳水化合物的数目)、低血糖模式(发生的时间段)、高血糖模式(发生的时间段)、输注设备的使用(例如，每日胰岛素总剂量(TDD)、基础/推注速率、手动推注单位、Bolus Wizard(BZW)的使用、泵暂停持续时间、低暂停事件和持续时间以及储库/设置变化)和传感器的使用(例如，传感器血糖水平、穿戴持续时间、检测的低葡萄糖警报发生和检测的高葡萄糖警报发生)。根据本发明的实施方式可提供多于或少于图7A中所示的那些统计数据的任何合适的统计数据。
图7B举例说明根据本发明的实施方式的图7A中的控制面板710中的患者信息的症状发作总结720。症状发作总结720通过先前事件提供与低血糖和高血糖发作有关的信息、就每一发作而言最频繁的事件和分别详细描述在低血糖事件和高血糖事件中结束的事件的饼图。图7B中症状发作总结720的顶部的条形图显示在诸如进行手动推注、进行多次手动推注、夜间、高血糖和较大的基础率增加之类的事件之后的低血糖的发作频率；并显示在诸如延迟的位点改变、过度校正低传感器葡萄糖读数、黎明现象和较大基础率下降之类的事件之后的高血糖的发作频率。紧接着症状发作总结720中的条形图下方提供与这些对于低血糖和高血糖而言最常发生的事件有关的建议(其可包括总事件的百分数)。
可提供饼图以分别从视觉上分解低血糖事件和高血糖事件的数目，所述低血糖事件和高血糖事件在总体上基于先前事件的总数发生。最后，症状发作总结720的底部提供与患者的治疗有关的一些总的观察结果以及改进治疗的一些建议(例如，不使用Bolus Wizard、输注位点使用不当、传感器穿戴频率和测量仪读数频率)。
上述特征、功能和实施方式可在一种或多于一种生成报告、图表和/或其它可被护理者查看和考虑的信息的软件应用环境中实现。在一些实施方式中，软件应用生成格式化为在电子显示监控器(例如，计算机监控器)上显示的截屏。根据上述技术和方法，可利用决策支持软件应用来揭示可能与血糖漂移相关的重要的患者行为。
诊断应用表示可用于通过优化胰岛素泵治疗参数提高胰岛素泵用户的血糖控制的智能分析工具。特定的决策支持算法提供对行为改变的反馈和对胰岛素泵疗法的改进并降低与葡萄糖和胰岛素输注数据相关的数据疲劳。决策支持软件还可包括分析胰岛素治疗参数的应用，所述胰岛素治疗参数使医师能够微调胰岛素输注设备的一些设置以改善患者的血糖结果。并且，所述软件可用于通过向用户提供实时反馈对事件特异性的患者行为改变进行寻址。
糖尿病管理通过监测血糖、膳食、活动和胰岛素输注信息生成大量数据。现代胰岛素输注设备的用户可将他们的设备和事件数据上传至合适的系统，例如网络数据库。该数据库(包括从2004年起用户自愿上传的数据)包含大量糖尿病管理相关的变量，所述变量包括连续葡萄糖传感器值、葡萄糖测量仪读数、事件标记、警报、基础率、推注单位和泵设置。理解大量数据并确定其中隐藏的简单趋势可能是有困难的且耗时的。医师访问时间通常不足以检测数据中的趋势；花在检测模式上的时间比讨论治疗方法的时间多。研发检测历史数据中的模式的自动工具可帮助医师容易观察数据中的趋势、花更少的时间在解释说明上并花更多时间在解决方案上。
对胰岛素治疗数据的评估揭示与产生成功的血糖结果的胰岛素泵设置的使用相关的趋势。例如，可通过胰岛素治疗数据产生胰岛素治疗参数的规则的起始设置，所述胰岛素治疗数据例如，基础率、胰岛素敏感度、碳水化合物与胰岛素的比例、碳水化合物含量和胰岛素输注时间。这些规则可用于微调胰岛素施用参数以获得成功的血糖结果。
除了胰岛素治疗的优化，可通过向用户提供实时决策支持反馈、分析实时用户事件并提供对行为改变的反馈来改善葡萄糖控制。就实时用户行为改变而言，可研发出可移动的智能电话应用。该电话应用可记录包括膳食和运动的用户事件；接收来自个人数据库的糖尿病数据；分析与所述事件相关的趋势；并基于对与所述事件相关的葡萄糖数据的回顾分析提供即时反馈。
相应地，本文所述的决策支持软件使用户能够有效分析糖尿病数据并基于历史趋势做出指导性的治疗调整。使检测相关葡萄糖数据模式的过程自动化让医师得以集中于提供解决方案并使得血糖结果的改善更容易更快。如下文更加详细描述的，血糖控制的改善可通过优化胰岛素泵疗法和与膳食和治疗有关的行为改变实现。对导致血糖漂移的事件的分析可用于提供对行为改变的反馈并防止与正推进的事件相关的漂移。对与推注事件和基础率相关的葡萄糖数据的分析可用于微调胰岛素泵设置从而更好地通过使用胰岛素泵实现葡萄糖结果。
胰岛素输注设备的用户可使用基础率递送胰岛素以支持正常的身体活动，并在一天内进行多次推注以支持高血糖的膳食和校正。如上所述，胰岛素输注设备还可包括推注计算器特征，所述推注计算器特征为基于碳水化合物的食用和当前葡萄糖水平计算推注剂量。研究了与理想的血糖结果相关的胰岛素治疗方案以比较趋势并向用户提供反馈。下文总结了在过夜的基础率和推注计算器值中观察到的趋势。
用户的最佳基础率设置产生稳定的正常血糖值。根据一项研究，在具有有利的葡萄糖结果的用户中分析夜间葡萄糖的变化率(ROC)的趋势。该研究揭示了这些用户在三十分钟的时间段中具有少于0.5mg/dL/min的平均绝对ROC。因此，检测出在数天内的同一时间具有大于0.5mg/dL/min的ROC的用户可受益于在所述时间之前提高基础率以校正葡萄糖值的升高。当然，ROC值的阈值可根据需要进行调整。
推注计算器评估受食物组分和校正组分影响。在一些实施方式中，所述食物组分被定义为：其中，碳水化合物与胰岛素的比例是可由用户调整的用户特定的设置。校正组分被定义为校正胰岛素－活性胰岛素，其中，可基于相对于推注时间的传感器葡萄糖(就食物推注而言)或者目标BG(就校正推注而言)的胰岛素作用时间的传感器葡萄糖分布评估推注计算器算法的有效性。得到成功的葡萄糖结果的用户可能并未在胰岛素作用时间实现目标。一贯偏离目标的用户可基于所检测到的趋势通过微调碳水化合物比例和/或胰岛素敏感度设置改善推注的血糖结果。
本文所述的技术和方法的延伸涉及登记用户事件、评估趋势和向用户提供反馈以防止漂移的智能电话应用。膳食、碳水化合物的摄入、运动、推注量和药物治疗是与葡萄糖控制相关的一些用户行为。评估与理想的血糖控制相关的趋势以及向用户提供反馈可避免漂移并改善葡萄糖结果。移动应用从数据库(例如数据库)中读取葡萄糖数据或从胰岛素输注设备本身中读取葡萄糖数据。用户将事件登记到应用中以查看与该事件相关的葡萄糖模式。例如，如果用户计划早餐食用煎饼，那么所述应用可读取来自用户的输入，评估并显示与早餐食用煎饼相关的葡萄糖趋势的反馈。
本文的以下部分涉及可在决策支持软件中实现的其它特征、功能和方法。下文显示的至少一些特征分析患者葡萄糖数据以检测可表示胰岛素输注设备的潜在的可校正的设置的情况。作为对这些情况的检测的响应，软件生成一个或多于一个被患者、护理者等考虑的建议。所述建议可包括关于如何最好地调整胰岛素输注设备的一个或多于一个可配置的设置以防止血糖漂移并实现更好的血糖状况的建议。如下文详细描述的，决策支持软件可被适当地写成和执行成：(1)监测并建议对用户的基础率模式进行调整；(2)检查并建议对推注计算器设置进行调整；以及(3)处理并提供以方便和容易说明的格式显示的葡萄糖数据。
参见图1，电子计算设备100(例如，基于处理器的台式机、笔记本电脑、平板电脑或掌上电脑、智能电话设备、特殊配置的医疗设备等)可用作主机平台，所述主机平台实施本文描述的各种不同的决策支持属性和功能。计算设备100可包括至少一个处理器设备和与所述处理器设备关联的至少一个存储元件。所述至少一个存储元件可用于存储处理器可执行的指令，所述处理器可执行的指令当被至少一个处理器设备执行时，其实施本文详细描述的方法、功能和过程(例如各种不同的患者的胰岛素输注设备的使用管理方法)。例如，在不对本发明进行限定的条件下，计算设备100可包括有形且永久的电子存储介质或者计算设备100可与有形且永久的电子存储介质协作，所述有形且永久的电子存储介质包括处理器可执行的指令，所述处理器可执行的指令进而负责实施本文详细描述的方法和过程。
主计算设备100被适当地配置成生成各种不同的报告、图表、图像、显示截屏和其它输出格式，所述输出格式传达被医师、患者、护理者等考虑的信息。虽然不总是被需要，但是计算设备100一般会生成适当格式化的报告以在连接至计算设备100或整合至计算设备100中的显示元件上显示。可选地或者此外，该报告可被生成为可从主计算设备100传输或者传达到用于表示、显示、展示、回放、打印等的目标设备的电子文件。本文描述的各种不同的报告的特定的格式、配置、内容编排和其它方面可随系统的不同而不同，可随用户偏好的不同而不同，并且可根据传达内容的不同类型而不同。值得注意的是，由计算设备100生成的报告可包括一个或多于一个调整患者的胰岛素输注设备的一些设置、改变患者的膳食推注时间等的建议或意见。
基础模式管理
优选地，本文描述的决策支持软件应用包括与患者的基础模式的管理有关的属性。虽然本文描述的技术和方法可用于在任何时间段(或连续地)管理基础模式，但在一些实施方式中，所述特征特别适合管理患者的过夜基础模式。由于没有膳食，过夜基础模式可更易于管理。
图8描述了基础率总结报告800的样本，其可生成为输出显示截屏、打印页面或任何期望的格式。基础率总结报告800一般包括，但不限于：传感器葡萄糖部分802；推注趋势部分804；基础率部分806；血糖波动分布部分808；基础统计部分810；以及观察部分812。在一些实施方式中，所有这些部分一同显示在基础率总结报告800上。
传感器葡萄糖部分802包括指定时间段(就该特定实例而言，8:00PM至8:00AM)的传感器葡萄糖叠加报告。传感器葡萄糖部分802中包含的传感器葡萄糖叠加报告与上文结合图2A描述的叠加报告200相似。相应地，传感器葡萄糖部分802提供所接收的胰岛素输注设备用户的传感器葡萄糖数据的可视化显示，其中，所接收的传感器葡萄糖数据表示在多个不同天数中的指定时间段的用户血糖水平。每条单一曲线代表一个时间段的传感器葡萄糖数据。在实践中，传感器葡萄糖部分802能够以可视的方式传达任何天数的传感器葡萄糖数据。然而，根据一些实施方式，建议基于对所收集的至少最少天数(例如，至少五天)的传感器葡萄糖数据的考虑做出从而确保建议基于实际观察到的趋势而不是异常数据点做出。
传感器葡萄糖部分802包括一些可有助于数据的说明的图像元件。例如，传感器葡萄糖部分802包括代表所接收的传感器葡萄糖数据的统计平均值的曲线814(绘制为虚线)。并且，传感器葡萄糖部分802的区域可用颜色编码以表示高血糖漂移(例如，黄色区域)、低血糖漂移(例如，红色区域)和/或患者的血糖范围内的葡萄糖读数(例如，灰色或蓝色区域)。
在一些情况下，传感器葡萄糖部分802会显示具有一些“丢失的”传感器葡萄糖数据的“截短的”曲线。例如，图8中的曲线816具有对应于除去的传感器葡萄糖数据的不连续段818。该不连续段818是除去与监测时间段中的推注递送、暂时基线或暂停事件相关的葡萄糖数据的筛选结果。如下文详细说明的，就基础模式分析的目的而言，忽略推注事件。就该特定实例而言，传感器葡萄糖部分802显示排除了75个推注事件的传感器葡萄糖数据。
推注趋势部分804包括“除去的”推注事件数据中的至少一些的传感器葡萄糖叠加报告。推注趋势部分804相对于推注递送的时间(即，0:00时)对推注相关的传感器葡萄糖数据进行标准化。图8所示的实例显示示例性的从推注递送前一小时(即，﹣1:00时)到推注递送后五小时(即，5:00时)的时间窗口。推注趋势部分804实际采用的时间标度可使用任何期望的时间窗口界定，并且图8所示的范围无意以任何方式限定或限制本发明。推注趋势部分804可包括代表相应的传感器葡萄糖读数的平均值的曲线820，且推注趋势部分804可用颜色编码(如上文对传感器葡萄糖部分802的说明)。
基础率部分806包括表示患者的基础率(单位/小时)设置的基础模式曲线822。在一些实施方式中，基础模式曲线822的分辨率追踪胰岛素输注设备的基础率设置的时间分辨率。例如，如果胰岛素输注设备允许用户在按小时计算的基础上指定基础率设置，那么基础模式曲线822应当容纳以小时计的片段。如另一实例，如果患者的基础率可以半小时的增量设置，那么基础模式曲线822应当具有30分钟的最小分辨率。如下文详细说明的，基础模式管理方案提供与胰岛素输注设备的基础率设置有关的建议。因此，在胰岛素输注设备支持的时间分辨率下，可对基础模式曲线822的任何部分进行调整。
血糖波动分布部分808包括由一些时间间隔分解的接收的传感器葡萄糖数据的图像表示。该实例考虑了时间段的按小时计的间隔，但是如果需要的话，也可考虑其它时间间隔。对应于每小时的区域用颜色编码以表示落入一些指定分类(例如，高血糖、低血糖、正常等)范围内的接收的传感器葡萄糖读数的百分数。因此，血糖波动分布部分808使护理者得以快速确定跨过多个不同时间段的在按小时计算的基础上的血糖趋势。血糖波动分布部分808的特征和特性在下文结合图33更加详细地描述。
基础统计部分810包括一个或多于一个与患者的基础模式、葡萄糖趋势、推注事件、漂移事件等有关的信息区。虽然不总需要，但是基础统计部分810可将所显示的信息分为各种不同的类别，例如(但不限于)：一般统计；血糖统计；传感器葡萄糖统计；高血糖发作；低血糖发作；暂停数据；以及推注数据。基础统计部分810可包括但不限于下列信息、数据或区中的任何一种或者全部：主动的模式指定；最大基础率；分析持续时间；每晚平均总基础剂量；平均血糖读数；小于低阈值(例如，80mg/dL)的葡萄糖读数的数目、计数或百分数；大于高阈值(例如，140mg/dL)的葡萄糖读数的数目、计数或百分数；平均传感器葡萄糖读数；平均低血糖测量值；平均高血糖测量值；与高血糖发作有关的统计；与低血糖发作有关的统计；暂停持续时间段信息；和推注信息。基础统计部分810中包括的区的数目、数据量、信息的编排和格式化和/或基础统计部分810的其它特征和特性可不同于图8所示的基础统计部分810中包括的区的数目、数据量、信息的编排和格式化和/或基础统计部分810的其它特征和特性。并且，图8所示的区和信息不意于限制或限定本文描述的主题的范围或本文描述的主题的申请。
观察部分812包括一个或多于一个总结与基础模式管理有关的分析和建议的区。例如，观察部分812可包括对潜在的有问题的事件(高血糖或低血糖)、检测到的血糖趋势、推注相关事件等的描述。并且，观察部分812用于提供可能有助于处理所检测到的情况中的一种或多于一种情况的建议。在观察部分812中出现的建议可包括，但不限于：调整(提高或降低)一个或多于一个时间片段的胰岛素输注设备的过夜基础率设置的建议；调整膳食推注事件的推注剂量的建议；调整推注剂量的建议；调整推注时间的建议等等。观察部分812的内容可被认为是决策支持软件的输出，其中，所述输出可被医师、患者或护理者查看并考虑以调整胰岛素输注设备的一种或多于一种设置和/或改善胰岛素治疗计划。
在观察部分812中出现的输出随患者的不同而不同，且在观察部分812中出现的输出每天不同。并且，观察部分812的内容可应用户的要求提供和/或根据一些用户特定的偏好或设置提供。对应于所收集的传感器葡萄糖数据的分析和处理生成并提供观察结果和建议。就这一点而言，图9是举例说明基础模式管理程序900的实施方式的流程图，其可由执行决策支持软件的计算设备实施。
举例说明的程序900的实施方式接收胰岛素输注设备的用户葡萄糖数据(任务902)。所述葡萄糖数据可为来自连续葡萄糖传感器的传感器葡萄糖(SG)数据、来自葡萄糖测量仪的血糖(BG)数据或者表示用户在一段时间段的血糖水平的葡萄糖信息的另一形式，在所述时间段中，胰岛素输注设备正对用户的胰岛素递送进行调节。就本文描述的实施方式而言，所述葡萄糖数据是来自适当配置的葡萄糖传感器的SG数据，并且所述葡萄糖数据包括在数天内收集的过夜数据(例如，一个月的SG数据)。根据指定的数据传输安排，SG数据可应需求以分批的格式等被实时接收或下载或者基本实时地接收或下载。
在任务902中接收的SG数据可被认为是未筛选的且未改变的原始SG数据，其中，这种原始SG数据可根据需要被分析和处理以支持本文描述的特征和功能中的任何一种。例如，程序900筛选或处理接收的SG数据以除去与指定时间段中发生的推注递送、暂时基线和暂停事件相关的SG数据中的任何一个数据(任务904)。随后可在没有“噪声”或干扰出现的条件下分析筛选后的SG数据中与患者的基础率有关的趋势，所述“噪声”或干扰可由推注、暂时基线和暂停事件引起。任务904可通过在接收的SG数据中寻找标志、元数据、代码或标记基础率输注中的变化的任何类型的标识符完成。例如，所接收的SG数据可包括表示与每一推注递送事件对应的时间的时间戳记。随后基于时间戳记信息，任务904的筛选可除去推注事件周围的合适的SG数据“窗口”。例如，参见图8，界定从推注递送前一小时的时间到所述递送后五小时的时间中每一被除去的推注事件。
还可筛选SG数据以除去可表示未登记的膳食、传感器伪像(sensorartifact)、数据传输误差等的数据。例如，可筛选SG数据以除去表示超出阈值(2.0mg/dL/min)的SG变化率的数据。
程序900继续分析剩余SG数据中的至少一些以提供多个事件发生中的任何一个(任务906)。所述事件发生中的至少一些表示胰岛素输注设备的可校正的基础率设置，而其它事件发生表示可校正的推注剂量。任务906可利用经验数据、临床研究的结果和/或历史数据来检测SG数据的一些可检测的模式、趋势或特征。因此，在实践中，决策支持软件可被写成任务906比较SG数据和任何数目的预先定义的情况，所述预先定义的情况进而对应于次优的、可疑的或有潜在问题的基础模式。虽然程序900和决策支持软件可检查任何数目的情况的出现，但本文提供了许多非限定性实例以便于理解。
根据一些实施方式，程序900检查在接近推注的时间发生的高葡萄糖波动事件(询问任务908)。本文中的“接近推注”或“靠近推注”可指与先前推注有关的任何指定的时间段，例如第一个5小时至6小时。询问任务908分析该时间框架中的SG数据以确定SG读数随天数的改变有多大。例如，如果分析的天数为十天并且SG数据表示五天中的早期过夜高血糖以及另外五天中的早期过夜低血糖，那么程序900可表明不能准确控制基础率以补偿该波动。如另一实例，如果患者始终在过夜时间段开始后两小时血糖过低，那么程序900会建议调整患者的晚餐推注来尝试改善过夜基础率模式。
形成在询问任务908中做出的决定的基础的具体方法可随实施方式的不同而不同。根据一些实施方式，分析过夜时间段的前两小时中的SG数据以获得与第三四分位数对应的值和与第一四分位数对应的值。随后将这两个百分位数之间的差异与预先确定的阈值(例如，60mg/dL)进行比较；当差异超出该阈值时表示高波动。
就本发明的描述而言，且不考虑具体分析的内容或目标，SG数据的处理可以任何合适的方式进行以检查一些预先定义的事件发生的出现。在一些情况下，简单分析平均SG曲线、中值SG曲线等的特征是合适且方便的。在其它情况下，可基于单个SG曲线的统计学评价做出决定。例如，所述决定可基于相关决策标准是否适于简单多数SG曲线(例如，在规定的超过28天时间段中高血糖发生在多于50％的SG曲线中)。如另一实例，就分析SG数据的目的而言，可考虑标准偏差。可选地，所述决定可基于有关的决策标准是否适于至少临界数目的SG曲线(例如，高血糖必须发生在多于75％的SG曲线中)。在一些情况下，丢弃一些“边界”SG曲线从而使决策不基于异常数据是理想的。这些和/或其它数目的数据处理技术可用于基础模式管理程序900、推注计算器设置管理程序1200(图17)和本文描述的其它程序的环境中。
图10显示葡萄糖数据1000和与高葡萄糖波动事件有关的相应建议1002。图10显示8:00PM至10:00PM的葡萄糖数据1000如何表现高波动及沿纵轴的“扩展”，尽管患者的基础率模式1004在早期的两个小时时间段中发生了变化。就该具体实例而言，早期波动的量超出指定的阈值并且因此，决策支持软件将该情况检测为为了输出相关建议1002的事件发生。图10所示的观察部分1006包括对检测到的事件发生的描述，并伴随有相关建议：“患者在夜晚开始时经历高葡萄糖波动。考虑优化与晚餐相关的推注以减小葡萄糖波动。”
参见图9，如果程序900检测到发生在推注附近的高葡萄糖波动(询问任务908的“是”分支)，那么实施任务910以生成并输出建议，所述建议包括调整在葡萄糖波动之前的膳食推注(一般为晚餐推注)的推注剂量的建议(任务910)。所述建议还可说明增加或减少膳食推注是否可行。在一些实施方式中，所述建议还可建议调整膳食推注的量。
不论早期葡萄糖波动是否在询问任务908处被检测到，程序900还检查SG数据中高事件变化率的出现(询问任务912)。询问任务912可检查与未校正的血糖水平降低对应的负变化率趋势和/或与未校正的血糖水平升高对应的正变化率趋势。可选地或者此外，询问任务912可检查在预先定义的时间窗口(例如两小时)中SG读数的较大升高/降低。应当理解的是，就在询问任务912中做出决定的目的而言，决策支持软件可使用任何期望的公式或算法来定义“高变化率”或“较大SG升高”或“较大SG降低”。并且，形成在询问任务912处做出的决定的具体方法可随实施方式的不同而不同。
图11显示过夜葡萄糖数据1012和与葡萄糖降低事件有关的相应建议1014。过夜葡萄糖数据1012的平均曲线1016以可视的方式表示约1:30AM至约5:30AM的过夜葡萄糖数据1012如何表现出相对高的负变化率，尽管患者的基础率模式1018在该时间段发生变化。就该具体实例而言，负变化率的量和多个具有负变化率的事件超出了指定阈值，因此，就输出建议1014的目的而言，决策支持软件将该情况检测为触发事件发生。图11所示的观察部分1020包括对检测到的事件发生的描述，伴随相关建议：“在10个(56％)夜晚的1:30AM至5:30AM患者经历葡萄糖下降。考虑降低11:30PM至3:30AM的基础率。”
图12显示过夜葡萄糖数据1026和与葡萄糖升高事件有关的相应建议1028。过夜葡萄糖数据1026的平均曲线1030以可视的方式说明约11:30PM至约12:30AM的葡萄糖数据1026如何表现出相对高的正变化率，尽管患者的基础率模式1032在过夜时间段中发生改变。就该具体实例而言，该时间段中正变化率的量和多个具有正变化率的事件超出指定阈值，因此，就输出建议1028的目的而言，决策支持软件将该情况检测为触发事件。图12所示的观察部分1034包括对检测到的事件发生的描述，伴随相关建议：“在8个(67％)的夜晚11:30PM至12:30AM患者经历葡萄糖的升高。考虑提高9:30PM至10:30PM的基础率。”
参见图9，如果程序900在一时间段内的时间窗口中检测到较高负变化率(询问任务912的“是”分支)，那么执行任务914以生成并输出建议，所述建议包括降低在所检测到的事件变化率的时间间隔(时间窗口)之前开始的时间间隔的患者的基础率设置的建议。相反地，如果程序900在所述时间段内的时间窗口中检测到较高正变化率(询问任务912的“是”分支)，那么执行任务914以生成并输出建议，所述建议包括升高在所检测到的事件变化率的时间间隔(时间窗口)之前开始的时间间隔的患者的基础率设置的建议。在任务914中提供的建议还可建议提高或降低给定时间片段的基础率的量，或者建议可考虑的一系列调整的值。例如，所述建议可建议较低地升高/降低整个过夜基础模式中1个半小时片段的基础率、较缓和地升高/降低接下来三个半小时片段的基础率，以及较高地升高/降低最后两个半小时片段的基础率。
不论高事件变化率发生是否在询问任务912中被检测到，程序900还检查SG数据中未校正的持续漂移事件的出现(询问任务916)。询问任务916可检查在过夜时间段中发生的固定的低血糖时间段或固定的高血糖时间段。应当理解的是，就在询问任务916中做出决定的目的而言，决策支持软件可使用任何期望的公式或算法来定义“持续的高血糖”或“持续的低血糖”。例如，所述决定可基于SG数据的平均值做出，或者所述决定可基于在过夜时间段中超出临界时间长度的时间中是否大多数SG数据表示高血糖趋势或低血糖趋势做出。并且，形成在询问任务916中做出的决定的基础的具体方法可随实施方式的不同而不同。
图13显示葡萄糖数据1040和与持续的低血糖事件有关的相应建议1042。注意，尽管过夜葡萄糖数据1040的平均曲线1044看起来相对稳定，但是在约10:30PM至约1:00AM有若干个单独的低血糖发生。尽管在该时间段患者的基础率模式1046发生改变，但这些低血糖漂移仍然发生了。就该具体实例而言，至少最少数目的SG曲线在相同的时间段(10:30PM至1:00AM)内表现出低血糖漂移。相应地，就输出建议1042的目的而言，决策支持软件将该情况检测为触发事件发生。图13所示的观察部分1048包括对所检测到的事件发生的描述，伴随相关的建议：“在4个(25％)夜晚的10:30PM至1:00AM患者经历低血糖。考虑降低8:30PM至11:00PM的基础率。”
图14显示葡萄糖数据1050和与持续的高血糖事件有关的相应建议1052。葡萄糖数据1050的平均曲线1054以可视的方式说明葡萄糖数据1050如何在整个过夜时间段平均保留在高血糖范围内，尽管患者的基础率模式1056在过夜时间段中发生改变。注意，大多数单个SG数据曲线表示约10:00PM至约3:00AM的高血糖。就该具体实例而言，至少最少数目的SG曲线在相同时间段中(10:00PM至3:00AM)表现出高血糖漂移。相应地，就输出建议1052的目的而言，决策支持软件将该情况检测为触发事件发生。图14所示的观察部分1058包括对检测到的事件发生的描述，伴随相关的建议：“患者在23(85％)个夜晚的10:00PM至3:00AM经历高血糖。考虑提高8:00PM至约1:00AM的基础率。”
参见图9，如果程序900在一时间段中检测到未校正的持续低血糖事件(询问任务916的“是”分支)，那么实施任务918以生成并输出建议，所述建议包括降低在持续的低血糖事件的检测到的时间间隔(时间窗口)之前开始的时间间隔(一个或多于一个定义的时间片段)的患者的基础率设置的建议。相反地，如果程序900在所述时间段中检测到未校正的持续高血糖事件(询问任务916的“是”分支)，那么实施任务918以生成并输出建议，所述建议包括升高在持续的高血糖事件的检测到的时间间隔(时间窗口)之前开始的时间间隔的患者的基础率设置的建议。在任务918提供的建议还可建议升高或降低给定时间片段的基础率的量，或者建议所考虑的调整的值的范围。
如上文参考推注趋势部分804(图8)和参考任务904所提及的，筛选接收的SG数据以分离与所述时间段内的推注递送事件相关的数据。根据一些实施方式，处理并分析与推注递送事件相关的除去的葡萄糖数据(即，推注事件数据)中的至少一些以提供可校正的推注结果(任务920)。例如，可在晚间推注后检查推注事件数据中的低血糖或高血糖，和/或可检查推注事件数据中的其它异常现象、可疑趋势或可能表示可校正的推注结果的其它特征。因此，如果程序900检测到推注递送事件的潜在的可校正的结果的出现(询问任务922的“是”分支)，那么实施任务924以生成并输出推注建议，所述推注建议包括调整与各推注递送事件对应的推注剂量的建议。所述建议还可说明提高或降低过夜推注剂量是否可行。在一些实施方式中，所述建议还可建议调整推注的量。
上文概述的方法可用于检测一个或多于一个事件发生，所述事件发生进而影响向决策支持软件的用户显示的建议(或多个建议)的内容。无论哪种事件发生(若有的话)被检测到，程序900均可继续生成输出，所述输出包括、传达或反映建议(任务926)。就这一点而言，所述建议受所检测到的事件发生影响，并与所检测到的事件发生相关联。所述输出可为适于显示、打印和/或传输到目标设备的报告(参见图8)，其中，报告上包括的建议意于处理所检测到的事件发生。在一些实施方式中，程序900生成并发送一个或多于一个指令以开始根据所述建议对胰岛素输注设备的基础率设置进行调整。换言之，程序900可使护理者得以查看并考虑建议的调整方法，并随后实际开始将在胰岛素输注设备处自动实施的调整。
应当理解的是，程序900可被设计成用于监测任何数目的预先定义的不同事件发生，并且具体的检测算法、公式和关系式可随实施方式的不同而不同。总而言之，可监测下列事件发生和情况中的一些或全部：在大多数夜晚观察到的低血糖或高血糖；葡萄糖水平的较高四分位数间距和较低四分位数间距之间的较大差异；葡萄糖水平的高负变化率；较短时间段(例如，两小时)的葡萄糖水平的较大降低；葡萄糖水平的高正变化率；较短时间段(例如，两小时)的葡萄糖水平的较大升高；一些过夜时间段中观察到的低血糖(并且其中，在任何过夜时间段中没有检测到严重的高血糖)；大多数过夜时间段中观察到的高血糖(并且其中，在任何过夜时间段中没有检测到低血糖)；在夜晚的推注事件后观察到的低血糖；在夜晚的大多数推注事件后观察到的高血糖。
并且，不同检测标准可用于目标时间段中的不同时槽(time slot)。例如，检查接近过夜时间段开始时的高血糖波动可基于一种方法，而检测接近过夜时间段结束时的高血糖波动可基于另一方法。本发明考虑了这些不同和其它不同。
推注计算器管理
本文所述的决策支持软件还包括与患者的推注计算器设置的管理有关的属性。如上文所述，胰岛素输注设备可包括推注计算器，所述推注计算器起到根据下列关系式评估并计算推注剂量建议的作用：
推注总量＝食物胰岛素+(校正胰岛素－活性胰岛素)  (式1)
    (式2)
    (式3)
在此，Carbs是指用户输入的碳水化合物消耗值，其由待食用的食物的量和类型表示。当前BG为用户输入的血糖值，其一般通过使用血糖仪(例如手指穿刺设备)得到。Carb比例值是用户特定的可调整的推注计算器设置，用每单位胰岛素的碳水化合物的克数(g/U)表示。胰岛素敏感度值是另一用户特定的可调整的推注计算器设置，用每单位胰岛素的葡萄糖浓度(mg/dL/U)表示。相应地，推注计算器输出可受食物组分和/或校正组分影响。上述关系式的检验揭示对仅具有食物组分的推注计算器事件的分析可用于调整碳水化合物比例设置的目的。相反地，对仅具有校正组分的推注计算器事件的分析可用于调整胰岛素敏感度设置的目的。对这些推注计算器设置的调整在提高推注评估的准确性并防止可能与计算错误的推注相关的葡萄糖漂移方面是理想的。
图15举例说明食物推注事件的推注计算器总结报告1100的样本，推注计算器总结报告1100可作为输出显示截屏、打印页面或任何期望的格式生成。由于空间限制，图15跨过两个附图页；报告1100的顶部显示为图15A，该报告的底部显示为图15B。在一些实施方式中，推注计算器总结报告1100总结了与推注计算器事件的子集有关的信息。更具体地，推注计算器总结报告1100总结了其中假定所计算的每一推注剂量仅包含食物组分(和最少的校正组分(若有的话))的推注计算器事件。
图15所示的推注计算器总结报告1100包括四个输入(以水平排列方式显示)，但决策支持软件可提供任何数目的输入，所述输入可跨过任何数目的截屏或页面。所述四个输入对应于早餐膳食、午餐膳食和晚餐膳食以及一个过夜食物推注事件。可生成其它输入以追踪其它膳食、零食等。推注计算器总结报告1100的每一输入一般包括，但不限于：葡萄糖数据部分1102；四分位数间距部分1104；统计部分1106；和观察部分1108。在一些实施方式中，所有这些部分一同出现在推注计算器总结报告1100上。
每一葡萄糖数据部分1102包括各食物推注事件的传感器葡萄糖叠加报告。葡萄糖数据部分1102与上文结合图8所述的推注趋势部分804共享一些特征并显示这些特征。就这一点而言，每一葡萄糖数据部分1102所示的叠加数据相对于输注递送的时间(即，0:00时)，并沿着跨过0:00时前一小时和0:00时后五小时的水平标尺被标准化(但可使用任何期望的时间范围)。每一葡萄糖数据部分1102还包括代表相应的传感器葡萄糖读数的平均值的平均曲线(以虚线显示)。并且，葡萄糖数据部分1102可用颜色编码(如上文对传感器葡萄糖部分802的说明)。
每一四分位数间距部分1104包括至少三条曲线：中位数曲线1110；第三四分位数曲线1112；和第一四分位数曲线1114(如图15对早餐推注输入的描述)。这些曲线可用颜色编码或者使用可从视觉上区分的特征生成以使其容易检测并容易与另一曲线区分开。第三四分位数曲线1112可表示从接收的SG数据中取得的实际的SG数据曲线(其中，所述曲线相对于所考虑的其它曲线在第三四分位数处或接近第三四分位数)，或者第三四分位数曲线1112可表示通过所接收的作为实际第三四分位数的SG数据计算的曲线。类似地，第一四分位数曲线1114可表示从接收的SG数据中取得的实际的SG数据曲线(其中，所述曲线相对于所考虑的其它曲线在第一四分位数处或接近第一四分位数)，或者第一四分位数曲线1114可表示通过所接收的作为实际第一四分位数的SG数据计算的曲线。虽然不总是需要，但是每一四分位数间距部分1104可包括可从视觉上区分的与图像显示的时间段的患者的目标葡萄糖区域对应的目标区域1116。
每一统计部分1106包括一个或多于一个与各食物推注有关的信息区。每一统计部分1106可包括但不限于下列信息、数据或区中的任何一种或全部：评估时间的时间段；未评估时间的时间段；碳水化合物比例值；输入的carbs值；平均食物推注值；推注的时间的葡萄糖变化率值；推注的时间的平均SG值；推注后两小时的平均SG值；推注后四小时的平均SG值；大于高阈值(例如，200mg/dL)的SG读数的数目、计数或百分数；以及小于低阈值(例如，70mg/dL)的SG读数的数目、计数或百分数。统计部分1106中包括的区的数目、数据的量、信息的编排和格式化和/或统计部分1106的其它特征和特性可与图15所描述的不同。并且，图15所示的区和信息并不意在限制或限定本文描述的主题的范围或本文描述的主题的申请。
每一推注输入的观察部分1108包括一个或多于一个总结与推注计算器管理有关的分析和建议的区。例如，观察部分1108可包括对潜在的有问题的事件(高血糖或低血糖)、检测到的葡萄糖趋势等的描述。并且，每一观察部分1108用于提供可有助于处理所检测到的情况中的一种或多于一种情况的建议。观察部分1108中出现的建议可包括，但不限于：调整(升高或降低)患者的碳水化合物比例设置的建议；调整膳食推注事件的推注剂量的建议；调整推注的时间的建议；关于碳水化合物含量、膳食时间和/或其它饮食习惯劝告患者的建议等。就调整胰岛素输注设备的一种或多于一种设置(具体而言，推注计算器设置)的目的而言，和/或就从其它方面改善胰岛素治疗计划的目的而言，每一观察部分1108的内容可被认为是决策支持软件的输出，其中，所述输出可被医师、患者或护理者查看并考虑。
图16举例说明校正推注事件的推注计算器总结报告1140的样本，推注计算器总结报告1140可作为输出显示截屏、打印页面或任何期望的格式生成。由于空间限制，图16跨过两个附图页；报告1140的顶部显示为图16A，报告1140的底部显示为图16B。在一些实施方式中，推注计算器总结报告1140总结了与推注计算器事件的子集有关的信息。更具体地，推注计算器总结报告1140总结了其中假定所计算的每一推注剂量仅包含校正组分(和最少的食物组分(若有的话))的推注计算器事件。
推注计算器总结报告1140可包括任何数目的输入(以水平排列方式描述)，所述输入可跨过任何数目的截屏或页面。四个输入对应于上午推注事件、中午推注事件、夜晚推注事件和夜间推注事件。推注计算器总结报告1140的每一输入一般包括，但不限于：葡萄糖数据部分1142；四分位数间距部分1144；统计部分1146；和观察部分1148。在一些实施方式中，所有这些部分一同出现在推注计算器总结报告1140上。图16所示的推注计算器总结报告1140与推注计算器总结报告1110(图15)在编排、内容和配置上相似。因此，简洁起见，推注计算器总结报告1140的相似或等同的特征将不会在此赘述。
每一统计部分1146包括一个或多于一个与各校正推注有关的信息区。每一统计部分1146可包括但不限于下列信息、数据或区中的任何一种或全部：评估了时间的时间段；未评估时间的时间段；胰岛素敏感度值；所输入的平均血糖值；平均校正推注值；推注时间的葡萄糖变化率值；推注时间的平均SG值；推注后两小时的平均SG值；推注后四小时的平均SG值；大于高阈值(例如，200mg/dL)的SG读数的数目、计数或百分数；以及小于低阈值(例如，70mg/dL)的SG读数的数目、计数或百分数。统计部分1146中包括的区的数目、数据的量、信息的编排和格式化和/或统计部分1146的其它特征和特性可与图16所描述的不同。并且，图16所示的区和信息并无意限制或限定本文描述的主题的范围或本文描述的主题的申请。
每一推注输入的观察部分1148包括一个或多于一个总结与推注计算器管理有关的分析和建议的区。例如，观察部分1148可包括对潜在的有问题的事件(高血糖、低血糖、葡萄糖波动)、检测到的葡萄糖趋势等的描述。并且，每一观察部分1148用于提供可有助于处理所检测到的情况中的一种或多于一种情况的建议。观察部分1148中出现的建议可包括，但不限于：调整(升高或降低)患者的胰岛素敏感度设置的建议；调整膳食推注事件的推注剂量的建议；调整校正推注的时间的建议；就血糖仪、葡萄糖传感器和/或胰岛素输注设备的适当使用劝告患者的建议等。就调整胰岛素输注设备的一种或多于一种设置(具体而言，推注计算器设置)的目的而言，和/或就从其它方面改善胰岛素治疗计划的目的而言，每一观察部分1148的内容可被认为是决策支持软件的输出，其中，所述输出可被医师、患者或护理者查看并考虑。
在观察部分1108、1148中出现的输出随患者的不同而不同，且每天不同。并且，观察部分1108、1148的内容可应用户的要求而提供和/或根据一些用户特定的偏好或设置而提供。响应所收集的传感器葡萄糖数据的分析和处理生成并提供观察结果和建议。就这一点而言，图17是举例说明推注计算器设置管理程序1200的实施方式的流程图，所述实施方式可由执行决策支持软件的计算设备实施。
如上文对基础模式管理程序900的任务902的描述，举例说明的程序1200的实施方式接收胰岛素输注设备的用户葡萄糖数据(任务1202)。在任务1202中接收的SG数据可被认为是未筛选的且未改变的原始SG数据，其中，这种原始SG数据可根据需要被分析和处理以支持本文描述的特征和功能中的任何一种。这就是说，程序1200查看所接收的SG数据以识别对应于胰岛素输注设备的推注计算器的使用的推注计算器事件数据(任务1204)。此外，程序1200筛选或处理所述推注计算器事件数据(或所接收的SG数据)以除去或忽略与一些情况相关的推注计算器事件和/或除去或忽略满足一些标准的推注计算器事件(任务1206)。就这一点而言，可筛选所述推注计算器事件数据以除去与以下的任何一种情况相关的葡萄糖数据，但不限于此：由推注计算器提供的推注剂量建议的重写；活性胰岛素情况；或自发自收式推注情况。当然，就任务1206的筛选目的而言，可考虑其它带有标记的或可观察的情况或标准。随后可在没有“噪声”或干扰出现的条件下分析筛选后的推注计算器事件数据中与患者的推注计算器设置有关的趋势，所述“噪声”或干扰可由一些情况或事件引起。
任务1204、1206可通过在接收的SG数据中寻找标志、元数据、代码或标记推注计算器事件或任何类型的标识符完成，所述标识符标记推注计算器事件或包括可用于确定是否符合筛选标准的信息。例如，所接收的SG数据可包括表示推注计算器用于生成建议的推注剂量的每一时间的时间戳记或元数据。SG数据还可包括元数据或其它表示每一建议的推注实际被施用、忽略或在递送前被改变的信息(其中，忽略建议的推注或改变所计算的推注剂量被认为是“重写”状况)。在活性胰岛素代表评估的或预测的量的当前从先前的推注中保留下来的胰岛素的情况下，接收的数据还可表明任何活性胰岛素是否存在于患者体内。程序1200忽略包括作为一个因素的活性胰岛素的推注计算器事件，因此胰岛素敏感度设置可以独立的方式被准确分析(参见上文所述的式1至式3)。任务1206还可忽略引起自发自收式推注情况的推注计算器事件。例如，如果在递送由推注计算器计算的推注剂量之后在指定时间段中(例如，两小时)施用其它推注，那么起始推注剂量的推注计算器事件被忽略。除去这种自发自收式推注事件确保程序1200在没有潜在的“重叠的”推注时间段的条件下，在个体化的基础上准确分析推注计算器事件。
推注计算器设置管理程序1200分析与仅具有食物胰岛素组分的推注计算器事件分开的仅具有校正胰岛素组分的推注计算器事件。相应地，图17显示程序1200的两个平行分支，所述两个平行分支可被并行地、按顺序地、同时地执行等。参见“校正组分”分支(在左侧出现)，程序1200筛选或处理剩余的推注计算器事件数据以分离不含食物推注组分或含有最少的食物推注组分的校正推注事件(任务1208)。当carbs＝0，式2被简化为食物胰岛素＝0并且，因此，式1被简化为推注总量＝校正胰岛素－活性胰岛素。同样，当食物胰岛素基本小于校正胰岛素时，式1被简化为推注总量＝校正胰岛素－活性胰岛素。然而，此时程序1200假设没有活性胰岛素存在。相应地，
这使程序1200得以分析分离的校正推注事件从而检测患者的胰岛素敏感度值的潜在失调(任务1210)，所述胰岛素敏感度值是可调整的用户特定的推注计算器设置中的一种。
任务1210分析分离的校正推注事件中至少一些的SG数据以提供表示潜在的可校正的胰岛素敏感度设置的多个事件发生中的任何一个。任务1210可利用经验数据、临床研究结果和/或历史数据来发现SG数据的一些可检测的模式、趋势或特征。因此，具体而言，决策支持软件可被写成任务1210将相关的SG数据与任何数目的预先定义的情况进行比较，所述预先定义的情况进而对应于次优的、可疑的或可能有问题的胰岛素敏感度设置。
响应一个或多于一个相关事件发生的检测，程序1200生成并输出合适的建议(任务1212)。所述建议包括以适当的方式调整胰岛素敏感度设置以处理所检测到的情况的建议或说明。更具体地，任务1212提供提高或降低胰岛素敏感度值的建议。在一些实施方式中，任务1212还可建议提高或降低胰岛素敏感度的量，或者建议可考虑的一系列调整的值。虽然程序1200和决策支持软件可检查任何数目的情况的出现并且提供多种不同的调整建议，但是本文提供了许多非限定性实例以便于理解。
根据一些实施方式，程序1200的任务1210检查在校正推注事件之后发生的长期低血糖事件或情况。本文中的“长期”可指涉及施用校正推注剂量的时间(例如，0:00时)的任何指定的时间和/或时间段。本文使用“长期”来说明胰岛素作用时间的终点。就这一点而言，大多数商售的快速作用的胰岛素类似物具有三小时至五小时的作用时间。在胰岛素作用时间的终点，用户应当观察到合适的葡萄糖的校正。当所有胰岛素在体内起作用时，过量的剂量可导致低血糖，而剂量不足可导致高血糖。
图18显示校正推注事件的葡萄糖数据1302和与长期低血糖情况有关的相应建议1304。图18显示3:00时至5:00时(推注后)的葡萄糖数据1302如何表示低血糖，例如，SG水平低于70mg/dL。就该具体实例而言，检测到的低血糖的量、严重程度和/或频率符合指定的报告标准并且，因此，决策支持软件将该情况检测为用于输出相关建议1304的目的的事件发生。图18所示的观察部分1306包括对所检测到的事件发生的描述，伴随相关建议：“患者在推注后的3至5小时经历低血糖。考虑提高胰岛素敏感度设置。”相应地，当任务1210检测到在校正推注事件之后发生的长期低血糖事件时，任务1212的建议包括提高患者的胰岛素敏感度值的建议。
程序1200的任务1210还可检查在校正推注事件后(例如，递送校正推注后三至五小时)发生的长期血糖波动。血糖波动是指在分析中的时间段的SG读数或接近分析中的时间段的SG读数的广泛分布。血糖波动的确定可基于最大SG读数与最小SG读数之间的差异、四分位数间距之间的差异等。确定血糖波动的具体方式可随实施方式的不同而不同。
图19显示校正推注事件的葡萄糖数据1312和与长期血糖波动情况有关的相应建议1314。图19显示3:00时至5:00时(推注后)的葡萄糖数据1312如何以明显的变化量(margin)改变。就该具体实例而言，检测到在三至五小时的时间窗口中的SG读数的变化或SG读数的分布符合指定的报告标准，因此，决策支持软件将该情况检测为用于输出相关建议1314的目的的事件发生。图19所示的观察部分1316包括对所检测到的事件发生的描述，伴随相关建议：“患者在推注后的大约3至5小时经历血糖波动。考虑劝告患者校正测量仪、传感器等的使用。”相应地，当任务1210检测到在校正推注事件之后发生的长期血糖波动时，任务1212的建议包括以与血糖仪、葡萄糖传感器、胰岛素输注设备等的使用相关的适当方式劝告、教导或训练患者的建议。
程序1200的任务1210还可检查在校正推注事件后(例如，校正推注后三至五小时)发生的长期高血糖事件或情况。就这一点而言，图20显示校正推注事件的葡萄糖数据1322和与长期高血糖情况有关的相应建议1324。图20显示3:00时至5:00时(推注后)的葡萄糖数据1322如何表示高血糖，例如，SG水平高于200mg/dL。就该具体实例而言，检测到的高血糖的量、严重程度和/或频率符合指定的报告标准并且，因此，决策支持软件将该情况检测为用于输出相关建议1324的目的的事件发生。图20所示的观察部分1326包括对所检测到的事件发生的描述，伴随相关建议：“患者在推注后的3至5小时经历高血糖。考虑降低胰岛素敏感度设置。”相应地，当任务1210检测到在校正推注事件之后发生的长期高血糖事件时，任务1212的建议包括降低患者的胰岛素敏感度值的建议。
程序1200的任务1210还可检查在校正推注事件之后在短时间内发生的血糖水平的快速降低。本文使用的“短时间”是指胰岛素作用时间的典型峰值。商售的快速作用的胰岛素一般具有约90分钟至三小时的峰值作用时间。在该时间内，患者的血糖水平应当非常接近其目标血糖水平的一半。在本文中，程序1200可分析指定时间或接近指定时间(例如，推注后两小时，在包括推注后两小时的三十分钟窗口中等等)的一些特征或趋势。可选地或者此外，程序1200可分析指定时间之前的一些特征或趋势。
图21显示校正推注时间的葡萄糖数据1332和与快速降低的葡萄糖情况有关的相应建议1334。图21显示在即将到达2:00时(推注后)的葡萄糖数据1332如何表现出接近患者的目标葡萄糖范围的急剧下降。就该具体实例而言，检测到的朝向2:00时标记的SG读数的急剧降低符合指定的报告标准，因此，决策支持软件将该情况检测为用于输出相关建议1334的目的的事件发生。图21所示的观察部分1336包括对所检测到的事件发生的描述，伴随相关建议：“发现2小时处的SG接近BG目标。当前胰岛素敏感度设置可在3至5小时处导致低血糖。考虑提高胰岛素敏感度设置。”相应地，当任务1210检测到表示在指定的“短时间”标记处或接近指定的“短时间”标记的血糖水平的快速减低的事件发生时，任务1212的建议包括提高推注计算器的胰岛素敏感度值的建议。在实践中，决策支持软件可被设计成检查SG数据的快速下降趋势，并被设计成检查指定时间(例如，两小时标记)的SG读数从而确定SG读数是否接近BG目标。
程序1200的任务1210还可检查在校正推注事件之后(例如，递送校正推注后两小时或接近递送校正推注后两小时)发生的短期血糖波动。短期血糖波动的确定可基于最大SG读数和最小SG读数之间的差异、四分位数间距之间的差异等。确定短期血糖波动的具体方式可随实施方式的不同而不同。
图22显示推注递送事件的葡萄糖数据1342和与短期血糖波动情况有关的相应建议1344。图22显示2:00时标记处或接近2:00时标记处(推注后)的葡萄糖数据1342如何以明显的变化量变化。就该具体实例而言，检测到的在推注后两小时处的SG读数的变化或分布符合指定的报告标准，因此，决策支持软件将该情况检测为用于输出相关建议1344的事件发生。图22所示的观察部分1346包括对检测到的事件发生的描述，伴随相关建议：“患者在推注后2小时处经历血糖波动。考虑在carb含量、膳食时间等方面劝告患者。”相应地，当任务1210检测到在校正推注事件后发生的短期血糖波动时，任务1212的建议包括以关于膳食/推注时间、饮食习惯、准确评估的碳水化合物消耗等的适当方式劝告、教导或训练患者的建议。
程序1200的任务1210还可检查在校正推注事件后的短时间(例如两小时(推注后)时间)发生的血糖水平的有限降低。就这一点而言，图23显示校正推注事件的葡萄糖数据1352和关于与葡萄糖水平的有限降低相关的情况的相应建议1354。图23显示就在2:00(推注后)之前的葡萄糖数据1352如何保持接近0:00时标记处的水平。换言之，看上去好像校正推注在2:00时标记处的影响极小，甚至没有影响。就该特定实例而言，检测到的2:00时标记处的SG读数的有限降低(相对于0:00时标记)符合指定的报告标准，因此，决策支持软件将该情况检测为用于输出相关建议1354的目的的事件发生。图23所示的观察部分1356包括对检测到的事件发生的描述，伴随相关建议：“发现2小时处的SG比BG目标高得多。考虑降低胰岛素敏感度设置。”相应地，当任务1210检测到表示指定的“短时间”标记处或接近指定的“短时间”标记处的血糖水平有限降低的事件发生时，任务1212的建议包括降低推注计算器的胰岛素敏感度值的建议。在一些实施方式中，决策支持软件被设计成检查并比较零小时标记和两小时标记处的SG值，并将两小时标记处的SG读数与BG目标进行比较。例如，决策支持软件可将两小时标记处的SG读数与作为目标BG的一半的值进行比较。如果SG读数超过60mg/dL在中点以上，则提供建议。
任务1210可用于检测一个或多于一个事件发生，所述事件发生进而可影响任务1212生成的建议的内容。不论检测到何种事件发生(若有的话)，程序1200均可继续生成包括、传达或反映建议的输出(任务1224)。就这一点而言，所述建议受所检测到的事件发生影响或者与所检测到的事件发生相关联。所述输出可为适于显示、打印和/或传输至目标设备的报告(参见图16)，其中，所述报告上包括的建议意于处理所检测到的事件发生。在一些实施方式中，程序1200生成并发送一个或多于一个指令以根据建议开始调整推注计算器的胰岛素敏感度设置。换言之，程序1200可使护理者得以查看并考虑建议的调整方法并随后实际开始将在胰岛素输注设备自动实施的调整。
应当理解的是，程序1200可被设计成检测任何数目的与校正推注的递送相关的不同的预先定义的事件发生，并可被设计成具体的检测算法、公式和关系式可随实施方式的不同而不同。本发明考虑了这种不同。
如先前所提及的，程序1200还分析只具有食物胰岛素组分的推注计算器事件。程序1200的“食物组分”分支在图17的右侧显示。就这一点而言，决策支持软件筛选并处理推注计算器事件数据以分离具有最小的校正推注组分(若有的话)的食物推注事件(任务1214)。在实践中，程序1200可通过识别推注计算器事件执行任务1214，在所述推注计算器事件中，输入零值(或其等同值)以进行当前血糖测量或者患者的血糖测量值非常接近目标(式3中的当前BG值)。当当前BG＝0或当前BG≌高BG目标时，程序1200忽略校正胰岛素过程(式3)。相应地，式1归纳为推注总量＝食物胰岛素。并且，此时程序1200假设没有活性胰岛素存在。相应地，这使程序1200得以分析分离的食物推注事件从而检测患者的碳水化合物比例值的潜在失调(任务1216)，所述碳水化合物比例值是可调整的用户特定的推注计算器设置中的一种。
任务1216分析与分离的食物推注事件中的至少一些对应的SG数据以检测表示潜在的可校正的碳水化合物比例设置的多个事件发生中的任何一个的出现。任务1216可利用经验数据、临床研究结果和/或历史数据来发现SG数据的一些可检测的模式、趋势或特征。因此，在实践中，决策支持软件可被写成任务1216将相关的SG数据与任何数目的预先定义的情况进行比较，所述预先定义的情况进而对应于次优的、可疑的或可能有问题的碳水化合物比例设置。
响应一个或多于一个相关事件发生的检测，程序1200生成并输出合适的建议(任务1218)。所述建议包括以适当的方式调整碳水化合物比例设置以处理所检测到的情况的建议或说明。更具体地，任务1218提供提高或降低碳水化合物比例值的建议。在一些实施方式中，任务1218还可建议提高或降低碳水化合物比例值的量，或者建议可考虑的调整的值的范围。虽然程序1200和决策支持软件可检查任何数目的情况的出现并且提供多种不同的调整建议，但是本文提供了许多非限定性实例以便于理解。
根据一些实施方式，程序1200的任务1216检查在食物推注事件之后(例如，食物推注递送后三至五小时)发生的长期低血糖事件或情况。就这一点而言，图24显示食物推注事件的葡萄糖数据1362和与长期低血糖情况有关的相应建议1364。图24举例说明3:00时至5:00时(推注后)的葡萄糖数据1362如何表现出低血糖，例如，SG水平低于70mg/dL。就该具体实例而言，检测到的低血糖的量、严重程度和/或频率符合指定的报告标准并且，因此，决策支持软件将该情况检测为用于输出相关建议1364的目的的事件发生。图24所示的观察部分1366包括对所检测到的事件发生的描述，伴随相关建议：“患者在推注后的3至5小时经历低血糖。考虑劝告患者提高每单位胰岛素的carb的量。”相应地，当任务1216检测到在食物推注事件之后发生的长期低血糖事件时，任务1218的建议包括提高患者的碳水化合物比例值的建议。
程序1200的任务1216还可检查在食物推注事件后(例如，递送食物推注后三至五小时)发生的长期血糖波动。在本文中，图25显示食物推注事件的葡萄糖数据1368和与刚好在食物推注事件后检测到的血糖波动情况有关的相应建议1370。图25显示3:00时至5:00时(推注后)的葡萄糖数据1368如何以明显的变化量改变。就该具体实例而言，检测到的在三至五小时的时间窗口中的SG读数的变化或SG读数的分布符合指定的报告标准，因此，决策支持软件将该情况检测为用于输出相关建议1370的目的的事件发生。图25所示的观察部分1372包括对所检测到的事件发生的描述，伴随相关建议：“患者在推注后的大约3至5小时经历血糖波动。考虑在carb含量、膳食时间等方面劝告患者。”相应地，当任务1216检测到在食物推注事件之后发生的长期血糖波动时，任务1218的建议包括以与膳食/推注时间、饮食习惯、准确评估的碳水化合物消耗相关的适当方式劝告、教导或训练患者的建议。
程序1200的任务1216还可检查在食物推注事件后(例如，食物推注后三至五小时)发生的长期高血糖事件或情况。就这一点而言，图26显示食物推注事件的葡萄糖数据1374和与长期高血糖情况有关的相应建议1376。图26显示3:00时至5:00时(推注后)的葡萄糖数据1374如何表示高血糖，例如，SG水平高于200mg/dL。就该具体实例而言，检测到的高血糖的量、严重程度和/或频率符合指定的报告标准并且，因此，决策支持软件将该情况检测为用于输出相关建议1376的目的的事件发生。图26所示的观察部分1378包括对所检测到的事件发生的描述，伴随相关建议：“患者在推注后的3至5小时经历高血糖。考虑劝告患者降低每单位胰岛素的carb的量。”相应地，当任务1216检测到在食物推注事件之后发生的长期高血糖事件时，任务1218的建议包括降低患者的碳水化合物比例的值的建议。
程序1200的任务1216还可检查在食物推注事件之后(例如两时间(推注后)时间)在短时间内发生的有限的血糖水平升高或血糖水平不升高。就这一点而言，图27显示食物推注事件的葡萄糖数据1380和与葡萄糖水平的有限升高的相关情况有关的相应建议1382。图27显示在2:00时标记(推注后)处或接近2:00时标记(推注后)的葡萄糖读数如何接近0:00时标记处的水平。换言之，看起来好像食物在2:00时标记处的影响极小，甚至没有影响。就该具体实例而言，相对于0:00时标记，检测到的在2:00时标记处的葡萄糖数据1380的有限的升高符合指定的报告标准，因此，决策支持软件将该情况检测为用于输出相关建议1382的目的的事件发生。图27所示的观察部分1384包括对所检测到的事件发生的描述，伴随相关建议：“发现2小时处的SG少于推注处的30mg/dL SG。考虑劝告患者提高每单位胰岛素的carb的量。”该实例考虑了不同阈值30mg/dL。然而，在其它实施方式中，不同阈值可多于或少于30mg/dL，并且阈值可随不同因素而不同，所述因素例如一天中的某一时间、一月、一季中的某一天等。不考虑所使用的标准，当任务1216检测到表示在指定的“短时间”标记处或接近指定的“短时间”标记处发生的血糖水平的有限升高的事件发生时，任务1218的建议包括提高推注计算器的碳水化合物比例的值的建议。
程序1200的任务1216还可检查在食物推注事件后(例如，在递送食物推注后两小时处或接近递送食物推注后两小时处)发生的短期血糖波动。就这一点而言，图28显示食物推注事件的葡萄糖数据1386和与短期血糖波动有关的相应建议1388。图28显示在2:00时标记(推注后)处或接近2:00时标记(推注后)处的葡萄糖如何以明显的变化量发生改变。就该具体实例而言，检测到的推注后两小时处的SG读数的变化或分布符合指定的报告标准，因此，决策支持软件将该情况检测为用于输出相关建议1388的事件发生。图28所示的观察部分1390包括对检测到的事件发生的描述，伴随相关建议：“患者在推注后2小时经历血糖波动。考虑在carb的含量、膳食时间等方面劝告患者。”相应地，当任务1216检测到食物推注事件之后发生的短期血糖波动时，任务1218的建议包括以关于膳食/推注时间、饮食习惯、准确评估碳水化合物消耗等的适当方式劝告、教导或训练患者的建议。
程序1200的任务1216还可检查食物推注事件之后短时间(例如，在2:00时(推注后)时间处或接近2:00时(推注后)时间处)发生的血糖水平的高增长。在本文中，图29显示食物推注事件的葡萄糖数据1392和与葡萄糖高增长情况有关的相应建议1394。图29显示在2:00时标记(推注后)处或接近2:00时标记(推注后)处的葡萄糖读数如何大大高于0:00时处的葡萄糖读数。就该具体实例而言，相对于0:00时标记，在2:00时标记处的葡萄糖数据1392的较大增长符合指定的报告标准，因此，决策支持软件将该情况检测为用于输出相关建议1394的目的的事件发生。图29所示的观察部分1396包括对检测到的事件发生的描述，伴随相关建议：“发现2小时处的SG多于推注处的60mg/dL SG。考虑劝告患者降低每单位胰岛素的carb的量。”该实例考虑了不同阈值60mg/dL。然而，在其它实施方式中，不同阈值可多于或少于60mg/dL，并且阈值可随不同因素而不同，所述因素例如一天中的某一时间、一月、一季中的某一天等。不考虑所使用的标准，当任务1216检测到表示在指定的“短时间”标记处或接近指定的“短时间”标记处发生的血糖水平基本升高或快速升高的事件发生时，任务1218的建议包括降低推注计算器的碳水化合物比例的值的建议。
程序1200的“食物组分”分支还可分析分离的食物推注事件以检测潜在的膳食/推注时间问题(任务1220)并且，如果这样的话，从而生成一个或多于一个相对于膳食食用次数的调整食物推注时间的建议(任务1222)。在一些实施方式中，任务1220检查紧接着食物推注的时间段的漂移和/或高葡萄糖变化率趋势。
作为一个实例，任务1220检查：(1)从0:00时标记(对应于食物推注的时间)到此后的某一指定时间(例如2:00时标记)的葡萄糖水平的有限升高和/或低血糖；以及(2)在0:00标记处的高负变化率。就这一点而言，图30显示食物推注事件的葡萄糖数据1402和与这两种情况的组合有关的相应建议1404。图30显示在2:00时标记(推注后)处或接近2:00时标记(推注后)处的葡萄糖读数如何相对于0:00时处的葡萄糖读数没有升高。事实上，从0:00时到2:00时葡萄糖水平略有下降。相应地，上述两种情况中的第一种会被检测到。并且，葡萄糖数据1402在0:00时标记处(即，在患者的膳食时间处或者接近患者的膳食时间处)表现出较高的负变化率。因此，上述两种情况中的第二种也会被检测到，因而，决策支持软件考虑用于输出相关建议1404的目的的相应的事件发生。图30所示的观察部分1406包括对检测到的事件发生的描述，伴随相关建议：“患者表现出在膳食处的高负葡萄糖变化率。考虑劝告患者比相对于膳食的当前时间晚15至30分钟进行推注。”
用于确定是否存在葡萄糖水平“有限的升高”的阈值和用于确定负变化率是否高得足以触发建议的阈值可随实施方式的不同而不同。并且，这两种阈值中的一种或两种可随各种不同因素而发生改变，所述因素例如一天中的某一时间，一月、一季中的某一天等。不考虑所使用的标准，当任务1220检测到表示短期葡萄糖水平的有限升高和在食物推注时的高负变化率这两者的事件发生时，任务1222的建议包括在时间上稍后进行食物推注的建议。
作为另一实例，任务1220可检查：(1)从0:00时标记到此后的某一指定时间(例如2:00时标记)的葡萄糖水平的显著升高；和(2)在0:00标记处的高正变化率。就这一点而言，图31显示食物推注事件的葡萄糖数据1412和与这两种情况的组合有关的相应建议1414。图31显示在2:00时标记(推注后)处或接近2:00时标记(推注后)处的葡萄糖读数如何相对于0:00时处的葡萄糖读数以明显的变化量升高。相应地，上述两种情况中的第一种会被检测到。并且，葡萄糖数据1412在0:00时标记处表现出较高的正变化率，即，葡萄糖数据1412在0:00时处趋于向上。因此，上述两种情况中的第二种也会被检测到，因而，就输出相关建议1414的目的而言，决策支持软件标记该相应的事件发生。图31所示的观察部分1416包括对检测到的事件发生的描述，伴随相关建议：“患者表现出在膳食处的高正葡萄糖变化率。考虑劝告患者比相对于膳食的当前时间早15至30分钟进行推注。”
用于确定是否存在葡萄糖水平“基本升高”的阈值和用于确定正变化率是否高得足以触发建议的阈值可随实施方式的不同而不同。并且，这两种阈值中的一种或两种可随各种不同因素而发生改变，所述因素例如一天中的某一时间，一月、一季中的某一天等。不考虑所使用的标准，当任务1220检测到表示短期葡萄糖水平的较大增长和在食物推注时的高正变化率这两者的事件发生时，任务1222的建议包括在时间上提前进行食物推注的建议。
如上所述，任务1216、1220可用于检测一个或多于一个事件发生，所述事件发生进而可影响任务1222生成的建议的内容。不论哪种事件发生(若有的话)被检测到，程序1200均可继续进行到任务1224以生成合适的传达建议的输出。所述输出可以是适于显示、打印和/或传输到目标设备的报告(参见图15)，其中，在所述报告上包括的建议意于处理检测到的事件发生。在一些实施方式中，程序1200生成并发送一个或多于一个指令以开始根据所述建议调整推注计算器的碳水化合物比例设置。换言之，程序1200可使护理者得以查看并考虑建议的调整方法并随后启动待在胰岛素输注设备处自动实施的调整。
在实践中，程序1200可使用优选方案和/或“冲突解决”方法以确保不提供相反的建议。例如，决策支持软件不应当同时生成升高胰岛素敏感度值的第一建议和降低胰岛素敏感度值的第二建议。在一些实施方式中，决策支持软件使用有序的分析方案处理可能相冲突的食物推注指令。更具体地，程序1200以预定顺序检查一些事件发生并且一次只生成一个建议。换言之，如果程序1200确定需要生成建议，那么不需要继续检查其它事件发生(至少在下一分析时间段之前)。
就该具体实例而言，有序的分析如下：(1)检查长期低血糖(3:00时至5:00时推注后时间段)；(2)检查短期低血糖(在2:00时推注后或接近2:00时推注后发生)；(3)检查长期高血糖波动；(4)检查短期高血糖波动；(5)检查长期高血糖；和(6)检查短期高血糖。因此，如果检测到长期低血糖，那么生成作为输出的合适的调整建议，并且不进行其它检查。作为另一实例，假定完成前三个检查而没有触发任何建议。此后，检测到短期高血糖波动。在那时，生成作为输出的合适的调整建议，并且不进行剩余的两个检查。检查的顺序可基于检测到的低血糖情况或高血糖情况的强度调整或改变。此外，膳食时间意见可与上述建议中的任何一种一同提供。上述顺序仅仅是示例性的，其并无意于限制本文描述的主题的范围或本文描述的主题的申请。
应当理解的是，程序1200可被设计成监测任何数目的与递送食物推注有关的不同的预先定义的事件发生，并且具体的检测算法、公式和关系式可随实施方式的不同而不同。本发明考虑了这种不同和选择。
葡萄糖趋势总结报告
本文描述的决策支持软件还支持与呈现收集的葡萄糖数据有关的多种报告特征和显示特征。这些报告特征和显示特征中的一些在图8、图15和图16中显示。此外，图32举例说明葡萄糖趋势总结报告1500的样本，其可响应合适的用户要求或指令由决策支持软件生成。葡萄糖趋势总结报告1500可生成为输出显示截屏、打印页面或任何期望的格式。葡萄糖趋势总结报告1500以不同的图像格式显示接收的葡萄糖数据。葡萄糖趋势总结报告1500的这种具体实施方式一般包括，但不限于：传感器葡萄糖叠加报告1502；血糖波动分布报告1504；每周血糖波动报告1506；以及观察报告1508。在一些实施方式中，如图32所示，所有这些报告一同出现在同一页面或同一显示截屏上。
传感器葡萄糖叠加报告1502和血糖波动分布报告1504分别在图33中显示，并且在下文更加详细地描述。每周血糖波动报告1506的特征和特性在下文中参考图34进行讨论，图34举例说明可在葡萄糖趋势总结报告1500中发现的类型的另一每周血糖波动报告。观察报告1508包括对一些事件发生、检测到的趋势、检测到的情况等的一种或多于一种的描述。在本文中，观察报告1508向用户提供其它指导，并使用户集中于突出可涉及患者的治疗计划的重要的、关键的或紧急的问题。
参见图33，传感器葡萄糖叠加报告1502与对应于上文参考图8描述的过夜传感器葡萄糖部分802的叠加报告相似，并且与上文参考图2A描述的叠加报告200相似。报告1502表示24小时传感器葡萄糖数据曲线的汇总(例如，28天、一个月、一周或任何数目的24小时时间段的传感器葡萄糖数据曲线)。报告1502包括叠合在实际的传感器葡萄糖数据曲线之上的平均葡萄糖曲线1520(以虚线显示)。报告1502可包括可从视觉上区分的(阴影、颜色编码或高亮的)目标葡萄糖区域1522，目标葡萄糖区域1522表示在患者的目标范围内的传感器葡萄糖值。就该实例而言，目标葡萄糖区域1522被定义在70mg/dL至140mg/dL之间。报告1502还可通过可从视觉上区分的特征来表示以将落入目标葡萄糖区域1522的传感器葡萄糖值与低血糖和高血糖值区分开。例如，以其曲线为边界的高血糖传感器葡萄糖值和/或区域可为黄色，并且以其曲线为边界的低血糖传感器葡萄糖值和/或区域可为红色。
参见图33，血糖波动分布报告1504将24小时时间段分成一小时的片段，所述片断沿水平轴显示。每一片断表示为可区分的部分或区域，例如，垂直方向的条形。垂直轴表示落入定义的值的范围的传感器葡萄糖读数的百分数(各自一小时片断的葡萄糖读数的百分数)。不同范围由颜色编码、阴影或其它可从视觉上区分的方法表示。该实例使用下列颜色编码方法以从视觉上表示五个不同的范围：深红(表示严重的低血糖值SG≤50mg/dL)；粉红(表示低血糖值，其中SG≤70mg/dL)；绿色(表示目标区域或正常值，其中70mg/dL＜SG＜140mg/dL)；浅黄(表示高血糖值，其中SG≥140mg/dL)；以及深黄(表示严重高血糖值，其中SG≥240mg/dL)。图33使用不同的阴影和剖面线表示这些颜色。血糖波动分布报告1504包括附图标记1524或者与附图标记1524相关，附图标记1524识别这种具体的颜色编码方法。应当理解的是，多于五个或少于五个不同范围可用于生成血糖波动分布报告1504，并且用于定义范围阈值的具体的SG值可不同于上述SG值。
在任何给定的一小时片断中，每个显示的颜色的高度、尺寸和面积对应于各SG值的分布百分数。例如，12:00AM至1:00AM片断1526包括三个颜色编码的区域：绿色区域1528；叠加在绿色区域1528上的浅黄色区域1530；以及叠加在浅黄色区域1530上的深黄色区域1532。绿色区域1528的尺寸表示12:00AM至1:00AM收集的SG数据中的大约20％落入患者的目标葡萄糖范围内。深黄色区域1532的尺寸表示12:00AM至1:00AM收集的SG数据中的大约20％落入患者的严重高血糖范围内。浅黄色区域1530的尺寸表示12:00AM至1:00AM收集的SG数据中的大约60％落入患者的高血糖范围内。相应地，决策支持软件的用户可查看血糖波动分布报告1504以快速确定患者一般不会在12:00AM至1:00AM出现低血糖。
参见10:00PM至11:00PM片段1534，SG数据显示值的较宽分布。就这一点而言，片段1534包括对应于所有五个可能的血糖范围的区域。明显地，不同的颜色编码的区域优先以对应于范围值的直观的方式排列。因此，深红(严重低血糖范围)在片段1534的底部显示，深黄(严重高血糖范围)在片段1534的顶部显示，其它有颜色的区域类似地从片段1534的底部排到顶部。
图34举例说明可在葡萄糖趋势总结报告1500(图32)中找到的类型的每周血糖波动报告1550的样本。每周血糖波动报告1550根据一周中的七天分解接收的SG数据。相应地，报告1550包括对应于一周中各天的七行。报告1550被分成四个时间段，所述四个时间段被排列为下列各栏：过夜(12:00AM至6:00AM)；上午(6:00AM至12:00PM)；下午(12:00PM至6:00PM)和夜晚(6:00PM至12:00AM)。应当理解的是，给定的每周血糖波动报告可包括多于四个或少于四个的时间段。并且，虽然报告1550中的每一时间段跨越6小时，但是如果需要的话，给定的每周血糖波动报告可使用不等的时间段。就该实例而言，每一时间段栏被分成两个子栏：低血糖百分数栏；和高血糖百分数栏。相应地，所说明的实例中一周中的每天包括八个子栏，由此在报告1550上一共可有56个“百分数方格”。
每周血糖波动报告1550使用颜色编码(或者一些其它从视觉上可区分的方法)来表示天数和时间段的各组合的传感器葡萄糖读数的百分数。与用于血糖波动分布报告1504的颜色编码(其中，不同颜色表示SG值的不同范围)相比，每周血糖波动报告1550使用的颜色编码方法表示不同的百分数阈值。例如，报告1550可使用六个(或任何期望数目)不同颜色强度水平来表示与低血糖SG数据值有关的增加的百分数，并且可使用六个(或任何期望数目)不同的颜色强度水平来表示与高血糖SG数据值有关的增加的百分数。就这一点而言，报告1550可使用下列颜色强度方案来表示低血糖值的百分数：白色(表示低百分数)；粉红；深粉；浅红；红色；和深红(表示高百分数)。类似地，报告1550可使用下列颜色强度方案来表示高血糖值的百分数：白色(表示低百分数)；淡黄；浅黄；黄色；亮黄；和深黄(表示高百分数)。
虽然具体的百分数阈值可随实施方式的不同而不同，但是本文所述的实例使用下列低血糖SG水平阈值：6％、10％、14％、18％、22％和26％，其中，较高的百分数使用逐渐增高的“红色”阴影强度水平表示。并且，本文描述的实例使用下列高血糖SG水平阈值：45％、50％、55％、60％、65％和70％，其中，较高的百分数使用逐渐增高的“黄色”阴影强度水平表示。
参见图34，SG数据表示患者很少在周六的过夜时间段中发生低血糖。相应地，方格1552使用指定为低血糖情况的最低强度的颜色(例如，白色)表示。相比之下，SG数据还表示患者在周一的过夜时间段的20％的时间中发生低血糖。因此，方格1554使用指定为低血糖情况的较高强度的颜色之一(例如，红色)表示。如另一实例，SG数据表示患者在周二的上午时间段的51％的时间中发生高血糖。相应地，方格1556使用指定为高血糖情况的较低强度的颜色之一(例如：淡黄)表示。如又一实例，SG数据表示患者仅在周日的下午时间段的25％的时间中发生高血糖。因此，方格1558使用指定为高血糖情况的最低强度的颜色(例如，白色)表示。
参见图32，葡萄糖趋势总结报告1500的不同组分提供对收集的SG数据的不同视图，从而使用户可快速将患者的血糖曲线形象化并检测任何潜在的问题。虽然SG数据来源相同，但是报告1500的组分以不同格式表示SG数据以提供容易说明的直观的图像视图。
以上的详细描述实质上仅仅举例说明并不意于限制主题或申请的实施方式以及这些实施方式的使用。本文使用的词语“示例性的”是指“作为实例、例子或举例说明发挥作用。”本文描述的示例性的任何实施方式不需要理解为优选的或比其它实施方式更优。此外，本发明不受在之前的技术领域、背景技术、发明内容或之后的详细描述所表达的或隐含的任何理论束缚。
技术和方法可根据功能性组分和/或逻辑单元组分，以及参考可由各种不同的计算组分或设备执行的操作、处理任务和功能的符号表示在本文描述。这些操作、任务和功能有时是指被计算机执行的、电脑化的、软件实施的或计算机实施的操作、任务和功能。应当理解的是，附图中显示的各种不同的单元组分可由配置为执行特定功能的任何数目的硬件、软件和/或固件组分实现。当在软件或固件中实施时，本文描述的各种不同的系统元件基本为执行各种不同任务的代码段或指令。程序或代码段可存储于处理器可读的介质中，所述处理器可读的介质可包括可存储或传输信息的任何介质。处理器可读的介质的实例包括电子电路、半导体存储设备、ROM、闪速存储器、可擦除ROM(EROM)、软盘、CD-ROM、光盘、硬盘等等。
结合本文描述的过程执行的各种不同的任务可由软件、硬件、固件或它们的任意组合执行。应当理解的是，本文描述的过程可包括任何数目的其它任务或可选任务，附图中显示的任务不需要以举例说明的顺序执行，并且所描述的过程可并入具有本文没有详细描述的其它功能的更加全面的程序或过程中。并且，只要预期的整体功能仍然完整，则可在所描述的过程的实施方式中忽略附图中显示的任务中的一个或多于一个任务。
虽然至少一种示例性实施方式已经在之前的详细描述中描述，但是应当理解的是，还存在大量的变形。应当理解的是，示例性的实施方式或本文描述的实施方式不意于以任何方式限制所要求保护的主题的范围、适用性或结构。相反，之前的详细描述会向本领域技术人员提供便于实施所描述的实施方式的路线图。应当理解的是，可在要素的功能和排列方面做出各种不同的变化而不背离权利要求限定的范围，所述权利要求限定的范围包括提交该专利申请时已知的等同范围和可预见的等同范围。

Claims (43)

1.一种胰岛素输注设备的使用管理方法，所述方法包括：
接收所述胰岛素输注设备用户的葡萄糖数据，所述葡萄糖数据表示用户在特定的时间段的血糖水平，在所述特定的时间段中，所述胰岛素输注设备对所述用户的胰岛素的递送进行调节；
分析所接收的葡萄糖数据以提供表示所述胰岛素输注设备的可校正的基础率设置的多个事件发生中的任意一个；
响应所述分析，检测所述多个事件发生中的至少一个，产生一个或多于一个检测到的事件发生；以及
输出调整所述胰岛素输注设备的基础率设置的建议，其中，所述建议与所述一个或多于一个检测到的事件发生相关联。
2.如权利要求1所述的方法，其中，所接收的葡萄糖数据表示所述用户在多日内的特定时间段的血糖水平。
3.如权利要求1所述的方法，其中，所接收的葡萄糖数据包括从连续葡萄糖监测传感器中获得的传感器葡萄糖数据。
4.如权利要求1所述的方法，其中，所述输出包括：
生成包括所述建议的报告。
5.如权利要求1所述的方法，其中：
所述一个或多于一个检测到的事件发生包括表示所述特定时间段内未校正的血糖水平升高的事件变化率；并且
所述建议包括提高在所检测到的事件变化率的时间间隔之前开始的时间间隔的基础率设置的建议。
6.如权利要求1所述的方法，其中：
所述一个或多于一个检测到的事件发生包括表示所述特定时间段内未校正的血糖水平降低的事件变化率；并且
所述建议包括降低在所检测到的事件变化率的时间间隔之前开始的时间间隔的基础率设置的建议。
7.如权利要求1所述的方法，其中：
所述一个或多于一个检测到的事件发生包括所述特定时间段内未校正的持续低血糖事件；并且
所述建议包括降低在所检测到的未校正的持续低血糖事件的时间间隔之前开始的时间间隔的基础率设置的建议。
8.如权利要求1所述的方法，其中：
所述一个或多于一个检测到的事件发生包括所述特定时间段内未校正的持续高血糖事件；并且
所述建议包括提高在所检测到的未校正的持续高血糖事件的时间间隔之前开始的时间间隔的基础率设置的建议。
9.如权利要求1所述的方法，其中：
所述一个或多于一个检测到的事件发生包括在接近推注事件的指定时间发生的高血糖波动事件；并且
所述建议包括调整所述高血糖波动事件之前的膳食推注事件的推注剂量的建议。
10.如权利要求1所述的方法，所述方法进一步包括：
筛选所接收的葡萄糖数据以除去与所述特定时间段内的一些事件相关的葡萄糖数据，产生筛选后的葡萄糖数据，其中，所述分析步骤对所述筛选后的葡萄糖数据进行分析；
处理与推注递送事件相关的被除去的葡萄糖数据；
响应所述被除去的葡萄糖数据的处理，检测推注递送事件的可校正的结果；以及
输出对应于所述推注递送事件的调整推注剂量的推注建议。
11.如权利要求1所述的方法，所述方法进一步包括：
根据所述建议生成开始调整胰岛素输注设备的基础率设置的指令。
12.一种基于处理器的计算机系统，所述计算机系统包括：
设备通信层，所述设备通信层接收胰岛素输注设备用户的葡萄糖数据，所述葡萄糖数据表示用户在特定时间段的血糖水平，在所述特定时间段中，所述胰岛素输注设备对用户的胰岛素的递送进行调节；
处理器设备，所述处理器设备分析所接收的葡萄糖数据以提供表示胰岛素输注设备的可校正的基础率设置的多个事件发生中的任意一个，并且所述处理器设备配置为响应所述分析，检测所述多个事件发生中的至少一个，以确定一个或多于一个检测到的事件发生；以及
报告层，所述报告层输出调整所述胰岛素输注设备的基础率设置的建议，其中，所述建议与所述一个或多于一个检测到的事件发生相关联。
13.如权利要求12所述的计算机系统，其中：
所述一个或多于一个检测到的事件发生包括表示所述特定时间段内未校正的血糖水平升高的事件变化率；并且
所述建议包括提高在所检测到的事件变化率的时间间隔之前开始的时间间隔的基础率设置的建议。
14.如权利要求12所述的计算机系统，其中：
所述一个或多于一个检测到的事件发生包括表示所述特定时间段内未校正的血糖水平降低的事件变化率；并且
所述建议包括降低在所检测到的事件变化率的时间间隔之前开始的时间间隔的基础率设置的建议。
15.如权利要求12所述的计算机系统，其中：
所述一个或多于一个检测到的事件发生包括所述特定时间段内未校正的持续低血糖事件；并且
所述建议包括降低在所检测到的未校正的持续低血糖事件的时间间隔之前开始的时间间隔的基础率设置的建议。
16.如权利要求12所述的计算机系统，其中：
所述一个或多于一个检测到的事件发生包括所述特定时间段内未校正的持续高血糖事件；并且
所述建议包括提高在所检测到的未校正的持续高血糖事件的时间间隔之前开始的时间间隔的基础率设置的建议。
17.如权利要求12所述的计算机系统，其中：
所述一个或多于一个检测到的事件发生包括在接近推注事件的指定时间发生的高血糖波动事件；并且
所述建议包括调整在所述高血糖波动事件之前的膳食推注事件的推注剂量的建议。
18.如权利要求12所述的计算机系统，其中，所述设备通信层进一步配置为根据所述建议生成开始调整所述胰岛素输注设备的基础率设置的指令。
19.一种胰岛素输注设备的使用管理方法，所述方法包括：
接收所述胰岛素输注设备的用户的葡萄糖数据，所述葡萄糖数据表示用户在胰岛素输注设备对所述用户的胰岛素的递送进行调节的时间段的血糖水平；
检查所接收的葡萄糖数据以识别对应于所述胰岛素输注设备的推注计算器的使用的推注计算器事件数据，其中，所述推注计算器基于各个用户输入的碳水化合物消耗值、各个用户输入的当前血糖值和用户特定的推注计算器设置计算每一推注剂量建议；
分析识别出的推注计算器事件数据以检测表示用户特定的推注计算器设置的潜在失调的多个事件发生中的一个，生成检测到的事件发生；以及
输出调整所述胰岛素输注设备的用户特定的推注计算器设置的建议，其中，所述建议与检测到的事件发生相关联。
20.如权利要求19所述的方法，其中，所接收的葡萄糖数据表示用户在数日的时间段内的血糖水平。
21.如权利要求19所述的方法，其中，所接收的葡萄糖数据包括从连续葡萄糖监测传感器中获得的传感器葡萄糖数据。
22.如权利要求19所述的方法，所述方法进一步包括：
筛选识别出的推注计算器事件数据以除去与推注剂量建议的重写、活性胰岛素情况或自发自收式推注情况相关的葡萄糖数据，生成筛选后的推注计算器事件数据；
其中，所述分析步骤对筛选后的推注计算器事件数据进行分析。
23.如权利要求19所述的方法，所述方法进一步包括：
筛选识别出的推注计算器事件数据以分离不含食物推注组分的校正推注事件；其中：
所述用户特定的推注计算器设置包括用户的胰岛素敏感度值；并且
所述建议包括调整所述胰岛素敏感度值的建议。
24.如权利要求19所述的方法，所述方法进一步包括：
筛选识别出的推注计算器事件数据以分离不含校正推注组分的食物推注事件；其中
所述用户特定的推注计算器设置包括用户的碳水化合物比例值；并且
所述建议包括调整所述碳水化合物比例值的建议。
25.如权利要求19所述的方法，其中：
所述检测到的事件发生包括在食物推注事件之后发生的长期低血糖事件；
所述用户特定的推注计算器设置包括用户的碳水化合物比例值；并且
所述建议包括提高所述碳水化合物比例值的建议。
26.如权利要求19所述的方法，其中：
所述检测到的事件发生包括在食物推注事件后发生的长期高血糖事件；
所述用户特定的推注计算器设置包括用户的碳水化合物比例值；并且
所述建议包括降低所述碳水化合物比例值的建议。
27.如权利要求19所述的方法，其中：
所述检测到的事件发生包括在食物推注事件后的指定时间发生的血糖水平的有限升高或降低；
所述用户特定的推注计算器设置包括用户的碳水化合物比例值，并且
所述建议包括提高所述碳水化合物比例值的建议。
28.如权利要求19所述的方法，其中：
所述检测到的事件发生包括在食物推注事件后的指定时间发生的血糖水平的大幅度升高；
所述用户特定的推注计算器设置包括用户的碳水化合物比例值，并且
所述建议包括降低所述碳水化合物比例值的建议。
29.如权利要求19所述的方法，其中：
所述检测到的事件发生包括在食物推注事件后发生的高血糖波动事件；并且
所述建议包括与用户的饮食习惯有关的建议。
30.如权利要求19所述的方法，其中：
所述检测到的事件发生包括在校正推注事件后发生的长期低血糖事件；
所述用户特定的推注计算器设置包括用户的胰岛素敏感度值；并且
所述建议包括提高所述胰岛素敏感度值的建议。
31.如权利要求19所述的方法，其中：
所述检测到的事件发生包括在校正推注事件后发生的长期高血糖事件；
所述用户特定的推注计算器设置包括用户的胰岛素敏感度值；并且
所述建议包括降低所述胰岛素敏感度值的建议。
32.如权利要求19所述的方法，其中：
所述检测到的事件发生包括在校正推注事件后的指定时间发生的血糖水平快速降低；
所述用户特定的推注计算器设置包括用户的胰岛素敏感度值；并且
所述建议包括提高所述胰岛素敏感度值的建议。
33.如权利要求19所述的方法，其中：
所述检测到的事件发生包括在校正推注事件后的指定时间发生的血糖水平的有限降低或升高；
所述用户特定的推注计算器设置包括用户的胰岛素敏感度值；并且
所述建议包括降低所述胰岛素敏感度值的建议。
34.如权利要求19所述的方法，其中：
所述检测到的事件发生包括在食物推注事件后发生的长期高血糖波动事件；并且
所述建议包括与用户的饮食习惯有关的建议。
35.如权利要求19所述的方法，其中：
所述检测到的事件发生包括在食物推注事件后的指定时间发生的高血糖波动事件；并且
所述建议包括与用户的饮食习惯有关的建议。
36.如权利要求19所述的方法，其中：
所述检测到的事件发生包括在食物推注事件处发生的负高事件变化率；并且
所述建议包括早于推注时间进食的建议。
37.如权利要求19所述的方法，其中：
所述检测到的事件发生包括在食物推注事件处发生的正高事件变化率；并且
所述建议包括晚于推注时间进食的建议。
38.如权利要求19所述的方法，其中：
所述检测到的事件发生包括在校正推注时间后发生的长期高血糖波动事件；并且
所述建议包括与葡萄糖测量仪和葡萄糖传感器的使用有关的建议。
39.一种基于处理器的计算机系统，所述计算机系统包括：
设备通信层，所述设备通信层配置为接收胰岛素输注设备的用户的葡萄糖数据，所述葡萄糖数据表示用户在胰岛素输注设备对用户的胰岛素的递送进行调节的时间段中的血糖水平；
处理器设备，所述处理器设备检查所接收的葡萄糖数据以识别对应于所述胰岛素输注设备的推注计算器的使用的推注计算器事件数据，其中，所述推注计算器基于各个用户输入的碳水化合物消耗值、各个用户输入的当前血糖值和用户特定的推注计算器设置计算每一推注剂量建议；并且所述处理器设备分析识别出的推注计算器事件数据以检测表示用户特定的推注计算器设置的潜在失调的多个事件发生中的一个，生成检测到的事件发生；以及
报告层，所述报告层输出调整所述胰岛素输注设备的用户特定的输注计算器设置的建议，其中，所述建议与检测到的事件发生相关联。
40.如权利要求39所述的计算机系统，其中：
所述处理器设备筛选识别出的推注计算器事件数据以除去与推注剂量建议的重写、活性胰岛素情况或自发自收式推注情况相关的葡萄糖数据，生成筛选后的推注计算器事件数据；并且
由所述处理器设备进行的分析对所述筛选后的推注计算器事件数据进行分析。
41.如权利要求39所述的计算机系统，其中：
所述处理器设备筛选识别出的推注计算器事件数据以分离含有极少食物推注组分甚至不含食物推注组分的校正推注事件；
所述用户特定的推注计算器设置包括用户的胰岛素敏感度值；并且
所述建议包括调整所述胰岛素敏感度值的建议。
42.如权利要求39所述的计算机系统，其中：
所述处理器设备筛选识别出的推注计算器事件数据以分离含有极少校正推注组分甚至不含校正推注组分的食物推注事件；
所述用户特定的推注计算器设置包括用户的碳水化合物比例值；并且
所述建议包括调整所述碳水化合物比例值的建议。
43.如权利要求39所述的计算机系统，其中，所述设备通信层根据所述建议生成开始调整胰岛素输注设备的用户特定的输注计算器设置的指令。
CN201380041996.4A 2012-06-07 2013-06-06 用于建议调整胰岛素输注设备的糖尿病治疗管理系统 Pending CN104520862A (zh)

Applications Claiming Priority (9)

Application Number Priority Date Filing Date Title
US201261656765P 2012-06-07 2012-06-07
US61/656,765 2012-06-07
US13/910,766 2013-06-05
US13/910,773 2013-06-05
US13/910,758 2013-06-05
US13/910,766 US10391242B2 (en) 2012-06-07 2013-06-05 Diabetes therapy management system for recommending bolus calculator adjustments
US13/910,773 US20130338630A1 (en) 2012-06-07 2013-06-05 Diabetes therapy management system for recommending adjustments to an insulin infusion device
US13/910,758 US20130338629A1 (en) 2012-06-07 2013-06-05 Diabetes therapy management system for recommending basal pattern adjustments
PCT/US2013/044482 WO2013184896A1 (en) 2012-06-07 2013-06-06 Diabetes therapy management system for recommending adjustments to an insulin infusion device

Publications (1)

Publication Number Publication Date
CN104520862A true CN104520862A (zh) 2015-04-15

Family

ID=49756561

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201380041996.4A Pending CN104520862A (zh) 2012-06-07 2013-06-06 用于建议调整胰岛素输注设备的糖尿病治疗管理系统

Country Status (5)

Country Link
US (3) US20130338629A1 (zh)
EP (1) EP2859480B1 (zh)
CN (1) CN104520862A (zh)
CA (1) CA2874746A1 (zh)
WO (1) WO2013184896A1 (zh)

Cited By (24)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017013518A1 (en) * 2015-07-23 2017-01-26 International Business Machines Corporation Identifying errors in medical data
CN107209800A (zh) * 2014-12-04 2017-09-26 美敦力迷你迈德公司 用于运行模式转换的方法以及相关输注设备和系统
CN107787232A (zh) * 2015-05-20 2018-03-09 美敦力迷你迈德公司 用于治疗建议的输注设备
CN107949883A (zh) * 2015-08-21 2018-04-20 美敦力迷你迈德公司 个性化参数建模方法及相关设备和系统
CN108028076A (zh) * 2015-08-21 2018-05-11 美敦力迷你迈德公司 个性化事件检测方法以及相关的设备和系统
CN108136114A (zh) * 2015-09-29 2018-06-08 美敦力迷你迈德公司 输注设备和相关的急救检测方法
CN108882893A (zh) * 2016-03-29 2018-11-23 豪夫迈·罗氏有限公司 操作用于接收分析物数据的接收器的方法，接收器和计算机程序产品
CN108885896A (zh) * 2016-01-22 2018-11-23 豪夫迈·罗氏有限公司 用于由医疗保健提供者配置糖尿病管理设备的方法
CN109564774A (zh) * 2016-06-01 2019-04-02 豪夫迈·罗氏有限公司 控制到范围积极性
CN109564784A (zh) * 2016-08-17 2019-04-02 诺和诺德股份有限公司 用于优化相对于用餐事件的餐时定时的系统和方法
CN109788911A (zh) * 2016-09-30 2019-05-21 豪夫迈·罗氏有限公司 用于从指示葡萄糖水平的葡萄糖监测数据确定碳水化合物摄入事件的方法和系统以及非暂时性计算机可读介质
CN109804434A (zh) * 2016-10-06 2019-05-24 美敦力泌力美公司 用于自动缓解运动影响的输注系统和方法
CN110352460A (zh) * 2016-10-13 2019-10-18 法国国家科学研究中心 人工胰腺
CN110650683A (zh) * 2017-03-24 2020-01-03 美敦力泌力美公司 患者专用的葡萄糖预测系统和方法
CN112005310A (zh) * 2018-04-23 2020-11-27 美敦力泌力美公司 利用患者的数字孪生的个性化闭环药物输送系统
CN112771621A (zh) * 2018-08-28 2021-05-07 皇家飞利浦有限公司 为患者选择处置
US20210187195A1 (en) * 2017-10-12 2021-06-24 Microtech Medical (Hangzhou) Co.,Ltd. Cloud big data-based system and method for insulin pump individualized configuration optimization
US20210228804A1 (en) * 2020-01-23 2021-07-29 Insulet Corporation Meal insulin determination for improved post prandial response
CN113366578A (zh) * 2019-02-12 2021-09-07 美敦力泌力美公司 输注系统和相关个性化团注方法
CN113544794A (zh) * 2018-12-19 2021-10-22 赛诺菲 用于血糖测量的模式识别引擎
CN113811951A (zh) * 2019-02-21 2021-12-17 康帕宁医疗公司 用于药物剂量计算器的方法、系统和装置
CN114732402A (zh) * 2022-05-11 2022-07-12 李益非 一种基于大数据的糖尿病数字化健康管理系统
CN116705230B (zh) * 2023-06-15 2023-12-19 北京理工大学 具有胰岛素灵敏度自适应估计的mdi决策系统及方法
US11986629B2 (en) 2019-06-11 2024-05-21 Medtronic Minimed, Inc. Personalized closed loop optimization systems and methods

Families Citing this family (108)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080228056A1 (en) 2007-03-13 2008-09-18 Michael Blomquist Basal rate testing using frequent blood glucose input
US7751907B2 (en) 2007-05-24 2010-07-06 Smiths Medical Asd, Inc. Expert system for insulin pump therapy
US8221345B2 (en) 2007-05-30 2012-07-17 Smiths Medical Asd, Inc. Insulin pump based expert system
US20090177147A1 (en) 2008-01-07 2009-07-09 Michael Blomquist Insulin pump with insulin therapy coaching
US20090177142A1 (en) 2008-01-09 2009-07-09 Smiths Medical Md, Inc Insulin pump with add-on modules
US7959598B2 (en) 2008-08-20 2011-06-14 Asante Solutions, Inc. Infusion pump systems and methods
US8882701B2 (en) 2009-12-04 2014-11-11 Smiths Medical Asd, Inc. Advanced step therapy delivery for an ambulatory infusion pump and system
US10136845B2 (en) * 2011-02-28 2018-11-27 Abbott Diabetes Care Inc. Devices, systems, and methods associated with analyte monitoring devices and devices incorporating the same
JP5961960B2 (ja) * 2011-09-27 2016-08-03 ソニー株式会社 端末装置と外部装置と情報処理方法とプログラムおよび情報処理システム
US9238100B2 (en) 2012-06-07 2016-01-19 Tandem Diabetes Care, Inc. Device and method for training users of ambulatory medical devices
US9381297B2 (en) 2012-06-07 2016-07-05 Tandem Diabetes Care, Inc. Sealed infusion device with electrical connector port
US9171343B1 (en) * 2012-09-11 2015-10-27 Aseko, Inc. Means and method for improved glycemic control for diabetic patients
US9940441B2 (en) 2013-03-13 2018-04-10 Tandem Diabetes Care, Inc. System and method for maximum insulin pump bolus override
US10201656B2 (en) 2013-03-13 2019-02-12 Tandem Diabetes Care, Inc. Simplified insulin pump for type II diabetics
US10357606B2 (en) 2013-03-13 2019-07-23 Tandem Diabetes Care, Inc. System and method for integration of insulin pumps and continuous glucose monitoring
EP4420603A2 (en) * 2013-03-15 2024-08-28 Abbott Diabetes Care, Inc. System and method to manage diabetes based on glucose median, glucose variability, and hypoglycemic risk
US10016561B2 (en) 2013-03-15 2018-07-10 Tandem Diabetes Care, Inc. Clinical variable determination
US9867953B2 (en) 2013-06-21 2018-01-16 Tandem Diabetes Care, Inc. System and method for infusion set dislodgement detection
US11361857B2 (en) * 2013-06-26 2022-06-14 WellDoc, Inc. Systems and methods for creating and selecting models for predicting medical conditions
US9561324B2 (en) 2013-07-19 2017-02-07 Bigfoot Biomedical, Inc. Infusion pump system and method
US10569015B2 (en) 2013-12-02 2020-02-25 Bigfoot Biomedical, Inc. Infusion pump system and method
EP3086828B1 (en) 2013-12-26 2023-08-09 Tandem Diabetes Care, Inc. Integration of infusion pump with remote electronic device
US9486571B2 (en) 2013-12-26 2016-11-08 Tandem Diabetes Care, Inc. Safety processor for wireless control of a drug delivery device
EP3100189A1 (fr) * 2014-01-28 2016-12-07 Debiotech S.A. Dispositif de commande avec recommandation
JP6364792B2 (ja) * 2014-01-31 2018-08-01 セイコーエプソン株式会社 生体情報処理方法、生体情報処理装置、コンピューターシステム、及びウェアラブル機器
JP2017515520A (ja) * 2014-04-10 2017-06-15 デックスコム・インコーポレーテッド 血糖緊急度評価及び警告インターフェース
DE102014105916A1 (de) * 2014-04-28 2015-10-29 B. Braun Avitum Ag Datenverarbeitungs- und Kommunikationseinrichtung zur Aufnahme von Patientendaten in therapiefreier Zeit
US9669160B2 (en) 2014-07-30 2017-06-06 Tandem Diabetes Care, Inc. Temporary suspension for closed-loop medicament therapy
US10137246B2 (en) * 2014-08-06 2018-11-27 Bigfoot Biomedical, Inc. Infusion pump assembly and method
US11035818B2 (en) * 2014-08-15 2021-06-15 Roche Diabetes Care, Inc. Blood glucose meter with low cost user interface having programmed graphic indicators
US20160070871A1 (en) * 2014-09-04 2016-03-10 Quattro Folia Oy System and method for recommending optimum insulin bolus dosage
EP3204880B1 (en) * 2014-10-06 2024-06-05 Dexcom, Inc. System and method for data analytics and visualization
US11081226B2 (en) * 2014-10-27 2021-08-03 Aseko, Inc. Method and controller for administering recommended insulin dosages to a patient
CA2927335C (en) 2014-10-27 2023-05-02 Aseko, Inc. Subcutaneous outpatient management
US10456090B2 (en) * 2014-11-22 2019-10-29 Bigfoot Biomedical, Inc. Method to determine individualized insulin sensitivity and optimal insulin dose by linear regression, and related systems
US9878097B2 (en) 2015-04-29 2018-01-30 Bigfoot Biomedical, Inc. Operating an infusion pump system
US10410538B2 (en) * 2015-05-07 2019-09-10 Dexcom, Inc. System and method for educating users, including responding to patterns
US11311665B2 (en) * 2015-06-09 2022-04-26 University Of Virginia Patent Foundation Insulin monitoring and delivery system and method for CGM based fault detection and mitigation via metabolic state tracking
CN108024765B (zh) * 2015-07-10 2021-06-11 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
JP6858751B2 (ja) * 2015-08-20 2021-04-14 アセコー インコーポレイテッド 糖尿病管理療法アドバイザ
US10201657B2 (en) 2015-08-21 2019-02-12 Medtronic Minimed, Inc. Methods for providing sensor site rotation feedback and related infusion devices and systems
WO2017035022A1 (en) 2015-08-21 2017-03-02 Medtronic Minimed, Inc. Personalized parameter modeling methods and related devices and systems
US11501867B2 (en) * 2015-10-19 2022-11-15 Medtronic Minimed, Inc. Medical devices and related event pattern presentation methods
US20170364660A1 (en) * 2015-10-19 2017-12-21 Medtronic Minimed, Inc. Medical devices and related event pattern treatment recommendation methods
US20170106144A1 (en) * 2015-10-19 2017-04-20 Medtronic Minimed, Inc. Medical devices and related event pattern presentation methods
US11666702B2 (en) * 2015-10-19 2023-06-06 Medtronic Minimed, Inc. Medical devices and related event pattern treatment recommendation methods
US20180374561A1 (en) * 2015-12-07 2018-12-27 Shenghuo Technology Limited System for automatically obtaining treatment record
US10569016B2 (en) 2015-12-29 2020-02-25 Tandem Diabetes Care, Inc. System and method for switching between closed loop and open loop control of an ambulatory infusion pump
WO2017120026A1 (en) 2016-01-05 2017-07-13 Bigfoot Biomedical, Inc. Operating multi-modal medicine delivery systems
US10449294B1 (en) 2016-01-05 2019-10-22 Bigfoot Biomedical, Inc. Operating an infusion pump system
WO2017123703A2 (en) 2016-01-14 2017-07-20 Bigfoot Biomedical, Inc. Occlusion resolution in medication delivery devices, systems, and methods
US10307538B2 (en) 2016-01-14 2019-06-04 Bigfoot Biomedical, Inc. Adjusting insulin delivery rates
CA3012444C (en) 2016-02-05 2022-06-14 Animas Corporation Visualization and analysis tool for a drug delivery system
US10541987B2 (en) 2016-02-26 2020-01-21 Tandem Diabetes Care, Inc. Web browser-based device communication workflow
MA45579A (fr) * 2016-07-08 2019-05-15 Novo Nordisk As Systèmes et procédés de détermination de la sensibilité à l'insuline
JP6756030B2 (ja) 2016-07-08 2020-09-16 ノボ・ノルデイスク・エー／エス 適応的目標グルコース値による基礎滴定
GB201614676D0 (en) * 2016-08-30 2016-10-12 Imp Innovations Automatic closed-loop glucose control with an adaptive meal bolus calculator
EP4120151A1 (en) * 2016-09-09 2023-01-18 Dexcom, Inc. Method for enabling health care provider set up of a bolus calculator
CA3036266A1 (en) * 2016-09-27 2018-04-05 Bigfoot Biomedical, Inc. Medicine injection and disease management systems, devices, and methods
US10664247B1 (en) 2016-11-14 2020-05-26 Wells Fargo Bank, N.A. User interface
US10956821B2 (en) * 2016-11-29 2021-03-23 International Business Machines Corporation Accurate temporal event predictive modeling
US10854324B2 (en) 2016-12-21 2020-12-01 Medtronic Minimed, Inc. Infusion systems and methods for prospective closed-loop adjustments
US10623932B2 (en) 2016-12-23 2020-04-14 Accenture Global Solutions Limited Detecting trigger conditions to dynamically update a model based on sensor data in a fog computing environment
EP3339810B1 (en) * 2016-12-23 2021-07-14 Accenture Global Solutions Limited Detecting trigger conditions to dynamically update a model based on sensor data in a fog computing environment
US10500334B2 (en) 2017-01-13 2019-12-10 Bigfoot Biomedical, Inc. System and method for adjusting insulin delivery
EP3568859A1 (en) 2017-01-13 2019-11-20 Bigfoot Biomedical, Inc. Insulin delivery methods, systems and devices
EP3568862A1 (en) 2017-01-13 2019-11-20 Bigfoot Biomedical, Inc. System and method for adjusting insulin delivery
WO2018132723A1 (en) 2017-01-13 2018-07-19 Mazlish Bryan Insulin delivery methods, systems and devices
US10758675B2 (en) 2017-01-13 2020-09-01 Bigfoot Biomedical, Inc. System and method for adjusting insulin delivery
US10583250B2 (en) 2017-01-13 2020-03-10 Bigfoot Biomedical, Inc. System and method for adjusting insulin delivery
US10925547B2 (en) * 2017-01-16 2021-02-23 Bionime Corporation System for monitoring physiological condition
US20180286507A1 (en) * 2017-03-28 2018-10-04 Ascensia Diabetes Care Holdings Ag Diabetes management systems, methods and apparatus for user reminders, pattern recognition, and interfaces
USD853583S1 (en) 2017-03-29 2019-07-09 Becton, Dickinson And Company Hand-held device housing
WO2018184012A1 (en) 2017-03-31 2018-10-04 Capillary Biomedical, Inc. Helical insertion infusion device
US11147920B2 (en) 2017-04-18 2021-10-19 Lifescan Ip Holdings, Llc Diabetes management system with automatic basal and manual bolus insulin control
ES2903174T3 (es) 2017-05-05 2022-03-31 Lilly Co Eli Control de bucle cerrado de glucosa fisiológica
US11110221B2 (en) * 2017-08-14 2021-09-07 Robert Kronenberger System and method for managing administration of insulin to a user
USD896818S1 (en) 2017-08-31 2020-09-22 Wells Fargo Bank, N.A. Display screen with graphical user interface
JP7438938B2 (ja) 2017-10-19 2024-02-27 サノフイ ボーラスを計算するためのボーラス計算機および方法
AU2018388898A1 (en) 2017-12-21 2020-06-11 Ypsomed Ag Closed loop control of physiological glucose
JP2021522034A (ja) * 2018-04-17 2021-08-30 ウォルトマン, スティーヴン, ビー.WALTMAN, Steven, B. 異化マーカーの監視
US11147919B2 (en) 2018-04-23 2021-10-19 Medtronic Minimed, Inc. Methodology to recommend and implement adjustments to a fluid infusion device of a medication delivery system
CA3103479A1 (en) 2018-06-22 2019-12-26 Eli Lilly And Company Insulin and pramlintide delivery systems, methods, and devices
EP3598453A1 (en) * 2018-07-15 2020-01-22 mySugr GmbH Method for detecting issues in the basal rate in insulin treated diabetes patients
US11534067B2 (en) 2018-08-20 2022-12-27 Biosense Webster (Israel) Ltd. Learned monitoring device correction
WO2020060568A1 (en) 2018-09-20 2020-03-26 Medtronic Minimed, Inc. Patient monitoring systems and related recommendation methods
US11547799B2 (en) 2018-09-20 2023-01-10 Medtronic Minimed, Inc. Patient day planning systems and methods
EP3902469B1 (en) * 2018-12-28 2024-07-03 Dexcom, Inc. Evaluation and visualization of glycemic dysfunction
US20200246537A1 (en) 2019-02-01 2020-08-06 Medtronic Minimed, Inc. Methods and devices for occlusion detection using actuator sensors
US11389587B2 (en) 2019-02-06 2022-07-19 Medtronic Minimed, Inc. Patient monitoring systems and related presentation methods
US11464908B2 (en) 2019-02-18 2022-10-11 Tandem Diabetes Care, Inc. Methods and apparatus for monitoring infusion sites for ambulatory infusion pumps
EP3731233A1 (en) 2019-04-24 2020-10-28 Digital Diabetes Analytics Sweden AB Decision support system, and method in relation thereto
WO2020252496A1 (en) * 2019-06-10 2020-12-17 Bigfoot Biomedical, Inc. Missed-bolus dose detection and related systems, methods and devices
US11654235B2 (en) 2019-09-12 2023-05-23 Medtronic Minimed, Inc. Sensor calibration using fabrication measurements
US11565044B2 (en) 2019-09-12 2023-01-31 Medtronic Minimed, Inc. Manufacturing controls for sensor calibration using fabrication measurements
US11241537B2 (en) 2019-09-20 2022-02-08 Medtronic Minimed, Inc. Contextual personalized closed-loop adjustment methods and systems
US11213623B2 (en) 2019-09-20 2022-01-04 Medtronic Minimed, Inc. Infusion systems and related personalized bolusing methods
US11496083B2 (en) 2019-11-15 2022-11-08 Medtronic Minimed, Inc. Devices and methods for controlling electromechanical actuators
US12119119B2 (en) 2019-12-09 2024-10-15 Medtronic Minimed, Inc. Methods and systems for real-time sensor measurement simulation
JP2023507622A (ja) 2019-12-18 2023-02-24 デックスコム・インコーポレーテッド 治療ゾーン鑑定器
US11990238B2 (en) 2020-02-14 2024-05-21 Dexcom, Inc. Decision support and treatment administration systems
WO2021188942A1 (en) * 2020-03-20 2021-09-23 WellDoc, Inc. Systems and methods for analyzing, interpreting, and acting on continuous glucose monitoring data
US11596359B2 (en) 2020-04-09 2023-03-07 Medtronic Minimed, Inc. Methods and systems for mitigating sensor error propagation
WO2021209436A1 (en) 2020-04-16 2021-10-21 F. Hoffmann-La Roche Ag Drug prediction using a machine learning model
US20220104761A1 (en) * 2020-10-02 2022-04-07 Medtronic Minimed, Inc. Automatic disabling of alerts for diabetic conditions
WO2022235714A1 (en) * 2021-05-04 2022-11-10 Beta Bionics, Inc. Glucose level control systems and methods
US20230034408A1 (en) * 2021-08-02 2023-02-02 Tandem Diabetes Care, Inc. Systems and methods for processing continuous glucose monitor values in automated insulin delivery
FR3129071A1 (fr) 2021-11-18 2023-05-19 DiappyMed Dispositif de détermination dynamique de dose d’insuline basale à injecter

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101052930A (zh) * 2004-05-28 2007-10-10 施曼信医疗Md公司 能够学习进药时间模式和提供进药警告的医疗输注泵
CN101290320A (zh) * 2007-03-20 2008-10-22 生命扫描有限公司 在糖尿病管理中用于模式识别的系统和方法
WO2011011739A2 (en) * 2009-07-23 2011-01-27 Abbott Diabetes Care Inc. Real time management of data relating to physiological control of glucose levels
CN102000372A (zh) * 2010-12-09 2011-04-06 江苏华阳电器有限公司 一种智能胰岛素泵系统
CN102395310A (zh) * 2009-02-26 2012-03-28 莫尔研究应用有限公司 用于自动监控糖尿病相关治疗的方法以及系统

Family Cites Families (233)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5935099A (en) 1992-09-09 1999-08-10 Sims Deltec, Inc. Drug pump systems and methods
US5338157B1 (en) 1992-09-09 1999-11-02 Sims Deltec Inc Systems and methods for communicating with ambulat
US3631847A (en) 1966-03-04 1972-01-04 James C Hobbs Method and apparatus for injecting fluid into the vascular system
FR2385406A1 (fr) 1977-03-28 1978-10-27 Akzo Nv Rein artificiel
DE2758467C2 (de) 1977-12-28 1985-04-04 Siemens AG, 1000 Berlin und 8000 München Vorrichtung zur vorprogrammierbaren Infusion von Flüssigkeiten
DE2758368C2 (de) 1977-12-28 1985-10-17 Siemens AG, 1000 Berlin und 8000 München Vorrichtung zur vorprogrammierbaren Infusion von Flüssigkeiten
US4559037A (en) 1977-12-28 1985-12-17 Siemens Aktiengesellschaft Device for the pre-programmable infusion of liquids
FR2444064A1 (fr) 1978-12-15 1980-07-11 Sodip Sa Melange de polymere du chlorure de vinyle et de polyetherurethane a groupe amine tertiaire et/ou ammonium, notamment pour objet conforme a usage medical
US4731051A (en) 1979-04-27 1988-03-15 The Johns Hopkins University Programmable control means for providing safe and controlled medication infusion
US4373527B1 (en) 1979-04-27 1995-06-27 Univ Johns Hopkins Implantable programmable medication infusion system
DE3035670A1 (de) 1980-09-22 1982-04-29 Siemens AG, 1000 Berlin und 8000 München Vorrichtung zur infusion von fluessigkeiten in den menschlichen oder tierischen koerper
US4494950A (en) 1982-01-19 1985-01-22 The Johns Hopkins University Plural module medication delivery system
US4443218A (en) 1982-09-09 1984-04-17 Infusaid Corporation Programmable implantable infusate pump
US4826810A (en) 1983-12-16 1989-05-02 Aoki Thomas T System and method for treating animal body tissues to improve the dietary fuel processing capabilities thereof
US4685903A (en) 1984-01-06 1987-08-11 Pacesetter Infusion, Ltd. External infusion pump apparatus
US4678408A (en) 1984-01-06 1987-07-07 Pacesetter Infusion, Ltd. Solenoid drive apparatus for an external infusion pump
US4562751A (en) 1984-01-06 1986-01-07 Nason Clyde K Solenoid drive apparatus for an external infusion pump
US5100380A (en) 1984-02-08 1992-03-31 Abbott Laboratories Remotely programmable infusion system
US4550731A (en) 1984-03-07 1985-11-05 Cordis Corporation Acquisition circuit for cardiac pacer
US4542532A (en) 1984-03-09 1985-09-17 Medtronic, Inc. Dual-antenna transceiver
CA1254091A (en) 1984-09-28 1989-05-16 Vladimir Feingold Implantable medication infusion system
US4781798A (en) 1985-04-19 1988-11-01 The Regents Of The University Of California Transparent multi-oxygen sensor array and method of using same
US4671288A (en) 1985-06-13 1987-06-09 The Regents Of The University Of California Electrochemical cell sensor for continuous short-term use in tissues and blood
US5003298A (en) 1986-01-15 1991-03-26 Karel Havel Variable color digital display for emphasizing position of decimal point
US4731726A (en) 1986-05-19 1988-03-15 Healthware Corporation Patient-operated glucose monitor and diabetes management system
US4803625A (en) 1986-06-30 1989-02-07 Buddy Systems, Inc. Personal health monitor
EP0290683A3 (en) 1987-05-01 1988-12-14 Diva Medical Systems B.V. Diabetes management system and apparatus
US5011468A (en) 1987-05-29 1991-04-30 Retroperfusion Systems, Inc. Retroperfusion and retroinfusion control apparatus, system and method
US4809697A (en) 1987-10-14 1989-03-07 Siemens-Pacesetter, Inc. Interactive programming and diagnostic system for use with implantable pacemaker
US5041086A (en) 1987-12-04 1991-08-20 Pacesetter Infusion, Ltd. Clinical configuration of multimode medication infusion system
US5025374A (en) 1987-12-09 1991-06-18 Arch Development Corp. Portable system for choosing pre-operative patient test
US4898578A (en) 1988-01-26 1990-02-06 Baxter International Inc. Drug infusion system with calculator
GB2218831A (en) 1988-05-17 1989-11-22 Mark John Newland Personal medical apparatus
US5153827A (en) 1989-01-30 1992-10-06 Omni-Flow, Inc. An infusion management and pumping system having an alarm handling system
US5262035A (en) 1989-08-02 1993-11-16 E. Heller And Company Enzyme electrodes
US5320725A (en) 1989-08-02 1994-06-14 E. Heller & Company Electrode and method for the detection of hydrogen peroxide
US5264104A (en) 1989-08-02 1993-11-23 Gregg Brian A Enzyme electrodes
US5264105A (en) 1989-08-02 1993-11-23 Gregg Brian A Enzyme electrodes
US5101814A (en) 1989-08-11 1992-04-07 Palti Yoram Prof System for monitoring and controlling blood glucose
US5050612A (en) 1989-09-12 1991-09-24 Matsumura Kenneth N Device for computer-assisted monitoring of the body
US5108819A (en) 1990-02-14 1992-04-28 Eli Lilly And Company Thin film electrical component
US5080653A (en) 1990-04-16 1992-01-14 Pacesetter Infusion, Ltd. Infusion pump with dual position syringe locator
US5097122A (en) 1990-04-16 1992-03-17 Pacesetter Infusion, Ltd. Medication infusion system having optical motion sensor to detect drive mechanism malfunction
US5165407A (en) 1990-04-19 1992-11-24 The University Of Kansas Implantable glucose sensor
US5078683A (en) 1990-05-04 1992-01-07 Block Medical, Inc. Programmable infusion system
US5593852A (en) 1993-12-02 1997-01-14 Heller; Adam Subcutaneous glucose electrode
US5262305A (en) 1991-03-04 1993-11-16 E. Heller & Company Interferant eliminating biosensors
JPH04278450A (ja) 1991-03-04 1992-10-05 Adam Heller バイオセンサー及び分析物を分析する方法
US5247434A (en) 1991-04-19 1993-09-21 Althin Medical, Inc. Method and apparatus for kidney dialysis
US5322063A (en) 1991-10-04 1994-06-21 Eli Lilly And Company Hydrophilic polyurethane membranes for electrochemical glucose sensors
US5284140A (en) 1992-02-11 1994-02-08 Eli Lilly And Company Acrylic copolymer membranes for biosensors
JPH08275927A (ja) 1992-02-13 1996-10-22 Seta:Kk 在宅医療システム及びこのシステムに用いる医療装置
US5788669A (en) 1995-11-22 1998-08-04 Sims Deltec, Inc. Pump tracking system
US5376070A (en) 1992-09-29 1994-12-27 Minimed Inc. Data transfer system for an infusion pump
US5940801A (en) 1994-04-26 1999-08-17 Health Hero Network, Inc. Modular microprocessor-based diagnostic measurement apparatus and method for psychological conditions
US5933136A (en) 1996-12-23 1999-08-03 Health Hero Network, Inc. Network media access control system for encouraging patient compliance with a treatment plan
US5879163A (en) 1996-06-24 1999-03-09 Health Hero Network, Inc. On-line health education and feedback system using motivational driver profile coding and automated content fulfillment
US5997476A (en) 1997-03-28 1999-12-07 Health Hero Network, Inc. Networked system for interactive communication and remote monitoring of individuals
US5832448A (en) 1996-10-16 1998-11-03 Health Hero Network Multiple patient monitoring system for proactive health management
US5913310A (en) 1994-05-23 1999-06-22 Health Hero Network, Inc. Method for diagnosis and treatment of psychological and emotional disorders using a microprocessor-based video game
US5899855A (en) 1992-11-17 1999-05-04 Health Hero Network, Inc. Modular microprocessor-based health monitoring system
US5918603A (en) 1994-05-23 1999-07-06 Health Hero Network, Inc. Method for treating medical conditions using a microprocessor-based video game
US5307263A (en) 1992-11-17 1994-04-26 Raya Systems, Inc. Modular microprocessor-based health monitoring system
US5956501A (en) 1997-01-10 1999-09-21 Health Hero Network, Inc. Disease simulation system and method
US5897493A (en) 1997-03-28 1999-04-27 Health Hero Network, Inc. Monitoring system for remotely querying individuals
US6101478A (en) 1997-04-30 2000-08-08 Health Hero Network Multi-user remote health monitoring system
US5960403A (en) 1992-11-17 1999-09-28 Health Hero Network Health management process control system
US5371687A (en) 1992-11-20 1994-12-06 Boehringer Mannheim Corporation Glucose test data acquisition and management system
ZA938555B (en) 1992-11-23 1994-08-02 Lilly Co Eli Technique to improve the performance of electrochemical sensors
US5299571A (en) 1993-01-22 1994-04-05 Eli Lilly And Company Apparatus and method for implantation of sensors
US5357427A (en) 1993-03-15 1994-10-18 Digital Equipment Corporation Remote monitoring of high-risk patients using artificial intelligence
US5350411A (en) 1993-06-28 1994-09-27 Medtronic, Inc. Pacemaker telemetry system
US5368562A (en) 1993-07-30 1994-11-29 Pharmacia Deltec, Inc. Systems and methods for operating ambulatory medical devices such as drug delivery devices
DE4329229A1 (de) 1993-08-25 1995-03-09 Meditech Medizintechnik Gmbh Adaptive kontrollierte Pumpensteuerung, insbesondere zur Adaptiven Patientenkontrollierten Analgesie (APCA)
US5791344A (en) 1993-11-19 1998-08-11 Alfred E. Mann Foundation For Scientific Research Patient monitoring system
US5497772A (en) 1993-11-19 1996-03-12 Alfred E. Mann Foundation For Scientific Research Glucose monitoring system
US5594638A (en) 1993-12-29 1997-01-14 First Opinion Corporation Computerized medical diagnostic system including re-enter function and sensitivity factors
US5660176A (en) 1993-12-29 1997-08-26 First Opinion Corporation Computerized medical diagnostic and treatment advice system
FR2716286A1 (fr) 1994-02-16 1995-08-18 Debiotech Sa Installation de surveillance à distance d'équipements commandables.
US5543326A (en) 1994-03-04 1996-08-06 Heller; Adam Biosensor including chemically modified enzymes
US5630710A (en) 1994-03-09 1997-05-20 Baxter International Inc. Ambulatory infusion pump
US5536249A (en) 1994-03-09 1996-07-16 Visionary Medical Products, Inc. Pen-type injector with a microprocessor and blood characteristic monitor
US5390671A (en) 1994-03-15 1995-02-21 Minimed Inc. Transcutaneous sensor insertion set
US5391250A (en) 1994-03-15 1995-02-21 Minimed Inc. Method of fabricating thin film sensors
US5569186A (en) 1994-04-25 1996-10-29 Minimed Inc. Closed loop infusion pump system with removable glucose sensor
US5370622A (en) 1994-04-28 1994-12-06 Minimed Inc. Proctective case for a medication infusion pump
US5482473A (en) 1994-05-09 1996-01-09 Minimed Inc. Flex circuit connector
US5704366A (en) 1994-05-23 1998-01-06 Enact Health Management Systems System for monitoring and reporting medical measurements
US5582593A (en) 1994-07-21 1996-12-10 Hultman; Barry W. Ambulatory medication delivery system
US5569187A (en) 1994-08-16 1996-10-29 Texas Instruments Incorporated Method and apparatus for wireless chemical supplying
US5505709A (en) 1994-09-15 1996-04-09 Minimed, Inc., A Delaware Corporation Mated infusion pump and syringe
US5687734A (en) 1994-10-20 1997-11-18 Hewlett-Packard Company Flexible patient monitoring system featuring a multiport transmitter
IE72524B1 (en) 1994-11-04 1997-04-23 Elan Med Tech Analyte-controlled liquid delivery device and analyte monitor
US5573506A (en) 1994-11-25 1996-11-12 Block Medical, Inc. Remotely programmable infusion system
US6749586B2 (en) 1994-11-25 2004-06-15 I-Flow Corporation Remotely programmable infusion system
US5685844A (en) 1995-01-06 1997-11-11 Abbott Laboratories Medicinal fluid pump having multiple stored protocols
US5586553A (en) 1995-02-16 1996-12-24 Minimed Inc. Transcutaneous sensor insertion set
US5814015A (en) 1995-02-24 1998-09-29 Harvard Clinical Technology, Inc. Infusion pump for at least one syringe
US5609060A (en) 1995-04-28 1997-03-11 Dentsleeve Pty Limited Multiple channel perfused manometry apparatus and a method of operation of such a device
US5772635A (en) 1995-05-15 1998-06-30 Alaris Medical Systems, Inc. Automated infusion system with dose rate calculator
US5665065A (en) 1995-05-26 1997-09-09 Minimed Inc. Medication infusion device with blood glucose data input
US6018289A (en) 1995-06-15 2000-01-25 Sekura; Ronald D. Prescription compliance device and method of using device
US5750926A (en) 1995-08-16 1998-05-12 Alfred E. Mann Foundation For Scientific Research Hermetically sealed electrical feedthrough for use with implantable electronic devices
US5754111A (en) 1995-09-20 1998-05-19 Garcia; Alfredo Medical alerting system
US6689265B2 (en) 1995-10-11 2004-02-10 Therasense, Inc. Electrochemical analyte sensors using thermostable soybean peroxidase
US5972199A (en) 1995-10-11 1999-10-26 E. Heller & Company Electrochemical analyte sensors using thermostable peroxidase
US5665222A (en) 1995-10-11 1997-09-09 E. Heller & Company Soybean peroxidase electrochemical sensor
AUPN707195A0 (en) 1995-12-12 1996-01-11 University Of Melbourne, The Field programmable intravenous infusion system
FI118509B (fi) 1996-02-12 2007-12-14 Nokia Oyj Menetelmä ja laitteisto potilaan veren glukoosipitoisuuden ennustamiseksi
FR2748588B1 (fr) 1996-05-07 1998-08-07 Soc Et Tech Set Dispositif comportant au moins un reseau de neurones pour determiner la quantite d'une substance a administrer a un patient, notamment de l'insuline
US5861018A (en) 1996-05-28 1999-01-19 Telecom Medical Inc. Ultrasound transdermal communication system and method
US5807336A (en) 1996-08-02 1998-09-15 Sabratek Corporation Apparatus for monitoring and/or controlling a medical device
US5885245A (en) 1996-08-02 1999-03-23 Sabratek Corporation Medical apparatus with remote virtual input device
AU5252998A (en) 1996-11-08 1998-05-29 Linda L. Roman System for providing comprehensive health care and support
WO1998024358A2 (en) 1996-12-04 1998-06-11 Enact Health Management Systems System for downloading and reporting medical information
US6043437A (en) 1996-12-20 2000-03-28 Alfred E. Mann Foundation Alumina insulation for coating implantable components and other microminiature devices
US6032119A (en) 1997-01-16 2000-02-29 Health Hero Network, Inc. Personalized display of health information
US5978236A (en) 1997-01-31 1999-11-02 Silverline Power Conversion Llc Uninterruptible power supply with direction of DC electrical energy depending on predetermined ratio
AU6157898A (en) 1997-02-06 1998-08-26 E. Heller & Company Small volume (in vitro) analyte sensor
US6009339A (en) 1997-02-27 1999-12-28 Terumo Cardiovascular Systems Corporation Blood parameter measurement device
US6325756B1 (en) 1997-03-27 2001-12-04 Medtronic, Inc. Concepts to implement medconnect
US5960085A (en) 1997-04-14 1999-09-28 De La Huerga; Carlos Security badge for automated access control and secure data gathering
US5779665A (en) 1997-05-08 1998-07-14 Minimed Inc. Transdermal introducer assembly
TW357517B (en) 1997-05-29 1999-05-01 Koji Akai Monitoring system
US7267665B2 (en) * 1999-06-03 2007-09-11 Medtronic Minimed, Inc. Closed loop system for controlling insulin infusion
US6558351B1 (en) 1999-06-03 2003-05-06 Medtronic Minimed, Inc. Closed loop system for controlling insulin infusion
WO1998059487A1 (en) 1997-06-23 1998-12-30 Enact Health Management Systems Improved system for downloading and reporting medical information
US6130620A (en) 1997-08-11 2000-10-10 Electronic Monitoring Systems, Inc. Remote monitoring system
AU8826498A (en) 1997-08-22 1999-03-16 Apex Inc. Remote computer control system
US5999849A (en) 1997-09-12 1999-12-07 Alfred E. Mann Foundation Low power rectifier circuit for implantable medical device
US5917346A (en) 1997-09-12 1999-06-29 Alfred E. Mann Foundation Low power current to frequency converter circuit for use in implantable sensors
US5999848A (en) 1997-09-12 1999-12-07 Alfred E. Mann Foundation Daisy chainable sensors and stimulators for implantation in living tissue
US6071391A (en) 1997-09-12 2000-06-06 Nok Corporation Enzyme electrode structure
US6259937B1 (en) 1997-09-12 2001-07-10 Alfred E. Mann Foundation Implantable substrate sensor
WO1999017819A1 (en) 1997-10-02 1999-04-15 Micromed Technology, Inc. Implantable pump system
US6119028A (en) 1997-10-20 2000-09-12 Alfred E. Mann Foundation Implantable enzyme-based monitoring systems having improved longevity due to improved exterior surfaces
US6088608A (en) 1997-10-20 2000-07-11 Alfred E. Mann Foundation Electrochemical sensor and integrity tests therefor
US6081736A (en) 1997-10-20 2000-06-27 Alfred E. Mann Foundation Implantable enzyme-based monitoring systems adapted for long term use
FI107080B (fi) 1997-10-27 2001-05-31 Nokia Mobile Phones Ltd Mittauslaite
US6579690B1 (en) 1997-12-05 2003-06-17 Therasense, Inc. Blood analyte monitoring through subcutaneous measurement
US6103033A (en) 1998-03-04 2000-08-15 Therasense, Inc. Process for producing an electrochemical biosensor
US6134461A (en) 1998-03-04 2000-10-17 E. Heller & Company Electrochemical analyte
WO1999047190A1 (en) 1998-03-16 1999-09-23 Medtronic, Inc. Hemostatic system and components for extracorporeal circuit
US5904708A (en) 1998-03-19 1999-05-18 Medtronic, Inc. System and method for deriving relative physiologic signals
US7647237B2 (en) 1998-04-29 2010-01-12 Minimed, Inc. Communication station and software for interfacing with an infusion pump, analyte monitor, analyte meter, or the like
US6175752B1 (en) 1998-04-30 2001-01-16 Therasense, Inc. Analyte monitoring device and methods of use
US6294281B1 (en) 1998-06-17 2001-09-25 Therasense, Inc. Biological fuel cell and method
US6558320B1 (en) 2000-01-20 2003-05-06 Medtronic Minimed, Inc. Handheld personal data assistant (PDA) with a medical device and method of using the same
US6554798B1 (en) 1998-08-18 2003-04-29 Medtronic Minimed, Inc. External infusion device with remote programming, bolus estimator and/or vibration alarm capabilities
EP1413245B1 (en) 1998-10-08 2011-06-29 Medtronic MiniMed, Inc. Telemetered characteristic monitor system
US6591125B1 (en) 2000-06-27 2003-07-08 Therasense, Inc. Small volume in vitro analyte sensor with diffusible or non-leachable redox mediator
US6338790B1 (en) 1998-10-08 2002-01-15 Therasense, Inc. Small volume in vitro analyte sensor with diffusible or non-leachable redox mediator
US20040158193A1 (en) 1999-02-10 2004-08-12 Baxter International Inc. Medical apparatus using selective graphical interface
JP2002536103A (ja) 1999-02-12 2002-10-29 シグナス， インコーポレイテッド 生物学的系に存在する分析物の頻繁な測定のためのデバイスおよび方法
US6560741B1 (en) 1999-02-24 2003-05-06 Datastrip (Iom) Limited Two-dimensional printed code for storing biometric information and integrated off-line apparatus for reading same
US6424847B1 (en) 1999-02-25 2002-07-23 Medtronic Minimed, Inc. Glucose monitor calibration methods
US6360888B1 (en) 1999-02-25 2002-03-26 Minimed Inc. Glucose sensor package system
US6418332B1 (en) 1999-02-25 2002-07-09 Minimed Test plug and cable for a glucose monitor
US6752787B1 (en) 1999-06-08 2004-06-22 Medtronic Minimed, Inc., Cost-sensitive application infusion device
JP4801301B2 (ja) 1999-06-18 2011-10-26 アボット ダイアベティス ケア インコーポレイテッド 物質移動が制限された生体内分析物センサー
US7247138B2 (en) 1999-07-01 2007-07-24 Medtronic Minimed, Inc. Reusable analyte sensor site and method of using the same
US6804558B2 (en) 1999-07-07 2004-10-12 Medtronic, Inc. System and method of communicating between an implantable medical device and a remote computer system or health care provider
US6553263B1 (en) 1999-07-30 2003-04-22 Advanced Bionics Corporation Implantable pulse generators using rechargeable zero-volt technology lithium-ion batteries
US6616819B1 (en) 1999-11-04 2003-09-09 Therasense, Inc. Small volume in vitro analyte sensor and methods
ATE268336T1 (de) 1999-11-15 2004-06-15 Therasense Inc Übergangsmetall-komplexverbindungen mit einer bidentaten ligande mit einem imidazol-ring
US6484045B1 (en) 2000-02-10 2002-11-19 Medtronic Minimed, Inc. Analyte sensor and method of making the same
US20030060765A1 (en) 2000-02-16 2003-03-27 Arthur Campbell Infusion device menu structure and method of using the same
US6895263B2 (en) 2000-02-23 2005-05-17 Medtronic Minimed, Inc. Real time self-adjusting calibration algorithm
US6485465B2 (en) 2000-03-29 2002-11-26 Medtronic Minimed, Inc. Methods, apparatuses, and uses for infusion pump fluid pressure and force detection
US6623501B2 (en) 2000-04-05 2003-09-23 Therasense, Inc. Reusable ceramic skin-piercing device
AU2001263022A1 (en) 2000-05-12 2001-11-26 Therasense, Inc. Electrodes with multilayer membranes and methods of using and making the electrodes
CA2409131C (en) 2000-05-18 2015-12-15 Alaris Medical Systems, Inc. Distributed remote asset and medication management drug delivery system
ATE502567T1 (de) 2000-05-19 2011-04-15 Welch Allyn Protocol Inc Vorrichtung zur überwachung von patienten
US6659947B1 (en) 2000-07-13 2003-12-09 Ge Medical Systems Information Technologies, Inc. Wireless LAN architecture for integrated time-critical and non-time-critical services within medical facilities
US20020055857A1 (en) 2000-10-31 2002-05-09 Mault James R. Method of assisting individuals in lifestyle control programs conducive to good health
US6560471B1 (en) 2001-01-02 2003-05-06 Therasense, Inc. Analyte monitoring device and methods of use
US7041468B2 (en) 2001-04-02 2006-05-09 Therasense, Inc. Blood glucose tracking apparatus and methods
US6748250B1 (en) 2001-04-27 2004-06-08 Medoptix, Inc. Method and system of monitoring a patient
US6676816B2 (en) 2001-05-11 2004-01-13 Therasense, Inc. Transition metal complexes with (pyridyl)imidazole ligands and sensors using said complexes
US6932894B2 (en) 2001-05-15 2005-08-23 Therasense, Inc. Biosensor membranes composed of polymers containing heterocyclic nitrogens
CA2450199C (en) 2001-06-20 2009-10-13 Power Medical Interventions, Inc. A method and system for integrated medical tracking
US20030208113A1 (en) 2001-07-18 2003-11-06 Mault James R Closed loop glycemic index system
US6747556B2 (en) 2001-07-31 2004-06-08 Medtronic Physio-Control Corp. Method and system for locating a portable medical device
US7025760B2 (en) 2001-09-07 2006-04-11 Medtronic Minimed, Inc. Method and system for non-vascular sensor implantation
US6671554B2 (en) 2001-09-07 2003-12-30 Medtronic Minimed, Inc. Electronic lead for a medical implant device, method of making same, and method and apparatus for inserting same
US6728576B2 (en) 2001-10-31 2004-04-27 Medtronic, Inc. Non-contact EKG
US7204823B2 (en) 2001-12-19 2007-04-17 Medtronic Minimed, Inc. Medication delivery system and monitor
US20050027182A1 (en) 2001-12-27 2005-02-03 Uzair Siddiqui System for monitoring physiological characteristics
US20030212379A1 (en) 2002-02-26 2003-11-13 Bylund Adam David Systems and methods for remotely controlling medication infusion and analyte monitoring
US8504179B2 (en) * 2002-02-28 2013-08-06 Smiths Medical Asd, Inc. Programmable medical infusion pump
GB0206792D0 (en) * 2002-03-22 2002-05-01 Leuven K U Res & Dev Normoglycemia
WO2003088830A1 (en) 2002-04-16 2003-10-30 Carematix, Inc. Method and apparatus for remotely monitoring the condition of a patient
US20040167465A1 (en) 2002-04-30 2004-08-26 Mihai Dan M. System and method for medical device authentication
CA2484977C (en) 2002-04-30 2013-03-12 Baxter International Inc. System and method for identifying data streams associated with medical equipment
US20040061232A1 (en) 2002-09-27 2004-04-01 Medtronic Minimed, Inc. Multilayer substrate
US7736309B2 (en) 2002-09-27 2010-06-15 Medtronic Minimed, Inc. Implantable sensor method and system
US7162289B2 (en) 2002-09-27 2007-01-09 Medtronic Minimed, Inc. Method and apparatus for enhancing the integrity of an implantable sensor device
US7138330B2 (en) 2002-09-27 2006-11-21 Medtronic Minimed, Inc. High reliability multilayer circuit substrates and methods for their formation
EP2383470A1 (en) 2002-10-09 2011-11-02 Abbott Diabetes Care Inc. Plunger pump actuated by a shape memory element
US20040074785A1 (en) 2002-10-18 2004-04-22 Holker James D. Analyte sensors and methods for making them
US6931328B2 (en) 2002-11-08 2005-08-16 Optiscan Biomedical Corp. Analyte detection system with software download capabilities
US20050038680A1 (en) 2002-12-19 2005-02-17 Mcmahon Kevin Lee System and method for glucose monitoring
US20040122353A1 (en) 2002-12-19 2004-06-24 Medtronic Minimed, Inc. Relay device for transferring information between a sensor system and a fluid delivery system
US6932584B2 (en) 2002-12-26 2005-08-23 Medtronic Minimed, Inc. Infusion device and driving mechanism and process for same with actuator for multiple infusion uses
US7396330B2 (en) 2003-01-07 2008-07-08 Triage Data Networks Wireless, internet-based medical-diagnostic system
EP1606758B1 (en) 2003-03-21 2015-11-18 Welch Allyn, Inc. Personal status physiologic monitor system
WO2004090661A2 (en) 2003-04-08 2004-10-21 Medic4All A.G A portable wireless gateway for remote medical examination
US7591801B2 (en) 2004-02-26 2009-09-22 Dexcom, Inc. Integrated delivery device for continuous glucose sensor
US7519408B2 (en) 2003-11-19 2009-04-14 Dexcom, Inc. Integrated receiver for continuous analyte sensor
US20050038331A1 (en) 2003-08-14 2005-02-17 Grayson Silaski Insertable sensor assembly having a coupled inductor communicative system
US20080154503A1 (en) 2004-02-19 2008-06-26 Koninklijke Philips Electronics N.V. Method and Associated System for Wireless Medical Monitoring and Patient Monitoring Device
WO2005113036A1 (en) * 2004-05-13 2005-12-01 The Regents Of The University Of California Method and apparatus for glucose control and insulin dosing for diabetics
US8313433B2 (en) 2004-08-06 2012-11-20 Medtronic Minimed, Inc. Medical data management system and process
JP2006065690A (ja) 2004-08-27 2006-03-09 Ntt Docomo Inc デバイス認証装置、サービス制御装置、サービス要求装置、デバイス認証方法、サービス制御方法及びサービス要求方法
US7777622B2 (en) 2004-11-12 2010-08-17 Koninklijke Philips Electronics N.V. Message integrity for secure communication of wireless medical devices
EP1815372A1 (en) 2004-11-16 2007-08-08 Koninklijke Philips Electronics N.V. Time synchronization in wireless ad hoc networks of medical devices and sensors
US20060272652A1 (en) 2005-06-03 2006-12-07 Medtronic Minimed, Inc. Virtual patient software system for educating and treating individuals with diabetes
US20070033074A1 (en) 2005-06-03 2007-02-08 Medtronic Minimed, Inc. Therapy management system
US20060293571A1 (en) 2005-06-23 2006-12-28 Skanda Systems Distributed architecture for remote patient monitoring and caring
US7704226B2 (en) 2005-11-17 2010-04-27 Medtronic Minimed, Inc. External infusion device with programmable capabilities to time-shift basal insulin and method of using the same
WO2007070855A2 (en) 2005-12-14 2007-06-21 Welch Allyn, Inc. Medical device wireless adapter
US20080022805A1 (en) * 2006-07-28 2008-01-31 Brian Douglas Howe Shift lever locking mechanism
US9056165B2 (en) * 2006-09-06 2015-06-16 Medtronic Minimed, Inc. Intelligent therapy recommendation algorithm and method of using the same
US7704227B2 (en) 2006-11-29 2010-04-27 Medtronic Minimed, Inc. Methods and apparatuses for detecting medical device acceleration, temperature, and humidity conditions
JP4956171B2 (ja) * 2006-12-15 2012-06-20 日立建機株式会社 作業車両の制御装置
US20080228056A1 (en) * 2007-03-13 2008-09-18 Michael Blomquist Basal rate testing using frequent blood glucose input
KR101475736B1 (ko) * 2007-06-29 2014-12-24 삼성전자 주식회사 필기 가능한 전자 책
US8512553B2 (en) * 2007-07-05 2013-08-20 Baxter International Inc. Extracorporeal dialysis ready peritoneal dialysis machine
WO2009095908A2 (en) * 2008-01-28 2009-08-06 Medingo Ltd. Bolus dose determination for a therapeutic fluid dispensing system
JP4355354B2 (ja) * 2008-03-18 2009-10-28 株式会社神戸製鋼所 二軸混練押出機
US20100174553A1 (en) 2008-12-24 2010-07-08 Medtronic Minimed, Inc. Diabetes Therapy Management System
US9330237B2 (en) * 2008-12-24 2016-05-03 Medtronic Minimed, Inc. Pattern recognition and filtering in a therapy management system
US20100249530A1 (en) * 2009-03-24 2010-09-30 Medtronic Minimed, Inc. Bolus Estimator with Image Capture Device

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101052930A (zh) * 2004-05-28 2007-10-10 施曼信医疗Md公司 能够学习进药时间模式和提供进药警告的医疗输注泵
CN101290320A (zh) * 2007-03-20 2008-10-22 生命扫描有限公司 在糖尿病管理中用于模式识别的系统和方法
CN102395310A (zh) * 2009-02-26 2012-03-28 莫尔研究应用有限公司 用于自动监控糖尿病相关治疗的方法以及系统
WO2011011739A2 (en) * 2009-07-23 2011-01-27 Abbott Diabetes Care Inc. Real time management of data relating to physiological control of glucose levels
CN102000372A (zh) * 2010-12-09 2011-04-06 江苏华阳电器有限公司 一种智能胰岛素泵系统

Cited By (42)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107209800A (zh) * 2014-12-04 2017-09-26 美敦力迷你迈德公司 用于运行模式转换的方法以及相关输注设备和系统
CN107209800B (zh) * 2014-12-04 2021-01-01 美敦力迷你迈德公司 用于运行模式转换的方法以及相关输注设备和系统
CN107787232A (zh) * 2015-05-20 2018-03-09 美敦力迷你迈德公司 用于治疗建议的输注设备
GB2559055A (en) * 2015-07-23 2018-07-25 Ibm Identifying errors in medical data
US9754076B2 (en) 2015-07-23 2017-09-05 International Business Machines Corporation Identifying errors in medical data
US9858385B2 (en) 2015-07-23 2018-01-02 International Business Machines Corporation Identifying errors in medical data
WO2017013518A1 (en) * 2015-07-23 2017-01-26 International Business Machines Corporation Identifying errors in medical data
CN108028076A (zh) * 2015-08-21 2018-05-11 美敦力迷你迈德公司 个性化事件检测方法以及相关的设备和系统
US11484651B2 (en) 2015-08-21 2022-11-01 Medtronic Minimed, Inc. Personalized parameter modeling methods and related devices and systems
US12057214B2 (en) 2015-08-21 2024-08-06 Medtronic Minimed, Inc. Personalized event detection
CN107949883A (zh) * 2015-08-21 2018-04-20 美敦力迷你迈德公司 个性化参数建模方法及相关设备和系统
US11857765B2 (en) 2015-08-21 2024-01-02 Medtronic Minimed, Inc. Personalized parameter modeling methods and related devices and systems
CN108136114A (zh) * 2015-09-29 2018-06-08 美敦力迷你迈德公司 输注设备和相关的急救检测方法
CN108885896A (zh) * 2016-01-22 2018-11-23 豪夫迈·罗氏有限公司 用于由医疗保健提供者配置糖尿病管理设备的方法
US11369319B2 (en) 2016-03-29 2022-06-28 Roche Diabetes Care, Inc. Method of operating a receiver for receiving analyte data, receiver and computer program product
CN108882893A (zh) * 2016-03-29 2018-11-23 豪夫迈·罗氏有限公司 操作用于接收分析物数据的接收器的方法，接收器和计算机程序产品
CN109564774B (zh) * 2016-06-01 2024-05-24 豪夫迈·罗氏有限公司 控制到范围积极性
CN109564774A (zh) * 2016-06-01 2019-04-02 豪夫迈·罗氏有限公司 控制到范围积极性
CN109564784A (zh) * 2016-08-17 2019-04-02 诺和诺德股份有限公司 用于优化相对于用餐事件的餐时定时的系统和方法
US11631486B2 (en) 2016-08-17 2023-04-18 Novo Nordisk A/S Systems and methods for optimization of bolus timing relative to meal events
CN109788911A (zh) * 2016-09-30 2019-05-21 豪夫迈·罗氏有限公司 用于从指示葡萄糖水平的葡萄糖监测数据确定碳水化合物摄入事件的方法和系统以及非暂时性计算机可读介质
US11877869B2 (en) 2016-09-30 2024-01-23 Roche Diabetes Care, Inc. Method and system for determining a carbohydrate intake event from glucose monitoring data indicative of a glucose level, and a non-transitory computer readable medium
CN109804434B (zh) * 2016-10-06 2022-11-29 美敦力迷你迈德公司 用于自动缓解运动影响的输注系统和方法
CN109804434A (zh) * 2016-10-06 2019-05-24 美敦力泌力美公司 用于自动缓解运动影响的输注系统和方法
CN110352460A (zh) * 2016-10-13 2019-10-18 法国国家科学研究中心 人工胰腺
CN110650683A (zh) * 2017-03-24 2020-01-03 美敦力泌力美公司 患者专用的葡萄糖预测系统和方法
CN110650683B (zh) * 2017-03-24 2022-07-12 美敦力泌力美公司 患者专用的葡萄糖预测系统和方法
US20210187195A1 (en) * 2017-10-12 2021-06-24 Microtech Medical (Hangzhou) Co.,Ltd. Cloud big data-based system and method for insulin pump individualized configuration optimization
US11786656B2 (en) * 2017-10-12 2023-10-17 Microtech Medical (Hangzhou) Co., Ltd. Cloud big data-based system and method for insulin pump individualized configuration optimization
CN112005310A (zh) * 2018-04-23 2020-11-27 美敦力泌力美公司 利用患者的数字孪生的个性化闭环药物输送系统
CN112005310B (zh) * 2018-04-23 2024-03-12 美敦力迷你迈德公司 利用患者的数字孪生的个性化闭环药物输送系统
US12073932B2 (en) 2018-04-23 2024-08-27 Medtronic Minimed, Inc. Determination of adjustments to fluid delivery settings
CN112771621A (zh) * 2018-08-28 2021-05-07 皇家飞利浦有限公司 为患者选择处置
CN113544794A (zh) * 2018-12-19 2021-10-22 赛诺菲 用于血糖测量的模式识别引擎
US12094608B2 (en) 2018-12-19 2024-09-17 Sanofi Pattern recognition engine for blood glucose measurements
CN113366578A (zh) * 2019-02-12 2021-09-07 美敦力泌力美公司 输注系统和相关个性化团注方法
CN113811951A (zh) * 2019-02-21 2021-12-17 康帕宁医疗公司 用于药物剂量计算器的方法、系统和装置
US11986629B2 (en) 2019-06-11 2024-05-21 Medtronic Minimed, Inc. Personalized closed loop optimization systems and methods
US20210228804A1 (en) * 2020-01-23 2021-07-29 Insulet Corporation Meal insulin determination for improved post prandial response
CN114732402B (zh) * 2022-05-11 2022-10-25 中食安泓(广东)健康产业有限公司 一种基于大数据的糖尿病数字化健康管理系统
CN114732402A (zh) * 2022-05-11 2022-07-12 李益非 一种基于大数据的糖尿病数字化健康管理系统
CN116705230B (zh) * 2023-06-15 2023-12-19 北京理工大学 具有胰岛素灵敏度自适应估计的mdi决策系统及方法

Also Published As

Publication number Publication date
EP2859480A1 (en) 2015-04-15
US20130345663A1 (en) 2013-12-26
CA2874746A1 (en) 2013-12-12
EP2859480B1 (en) 2020-05-06
US20130338629A1 (en) 2013-12-19
US20130338630A1 (en) 2013-12-19
US10391242B2 (en) 2019-08-27
WO2013184896A1 (en) 2013-12-12

Similar Documents

Publication Publication Date Title
CN104520862A (zh) 用于建议调整胰岛素输注设备的糖尿病治疗管理系统
US9330237B2 (en) Pattern recognition and filtering in a therapy management system
CA2745169C (en) Diabetes therapy management system
US10664569B2 (en) Data analytics and generation of recommendations for controlling glycemic outcomes associated with tracked events
US20100160740A1 (en) Use of Patterns in a Therapy Management System
US20100161346A1 (en) Systems and Methods for Providing Bolus Dosage Recommendations
JP6651356B2 (ja) 分析物データの処理およびレポートを生成するためのシステムおよび方法
JP2023071914A (ja) エピソードの検出及び評価のためのシステム、装置、及び方法
CN114207737A (zh) 用于生物监测和血糖预测的系统及相关联方法
EP3936032B1 (en) Real time management of data relating to physiological control of glucose levels
WO2014197741A2 (en) System and method for managing behavior change applications for mobile users
JP2010507138A (ja) 治療管理システム
WO2013173747A1 (en) System and method for priority-based management of patient health for a patient population
US11676734B2 (en) Patient therapy management system that leverages aggregated patient population data
WO2017035024A1 (en) Data analytics and insight delivery for the management and control of diabetes
CA3171017A1 (en) Systems and methods for analyzing, interpreting, and acting on continuous glucose monitoring data
JP2024505285A (ja) 薬剤用量ガイダンスに関連するシステム、デバイスおよび方法
CA2938541C (en) Diabetes therapy management system
IL278675B1 (en) Method and system for automatic monitoring of diabetes treatments based on insulin injections

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20150415

WD01 Invention patent application deemed withdrawn after publication