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

TWI502537B - 生理資料量測管理系統及其方法 - Google Patents

生理資料量測管理系統及其方法 Download PDF

Info

Publication number
TWI502537B
TWI502537B TW102146033A TW102146033A TWI502537B TW I502537 B TWI502537 B TW I502537B TW 102146033 A TW102146033 A TW 102146033A TW 102146033 A TW102146033 A TW 102146033A TW I502537 B TWI502537 B TW I502537B
Authority
TW
Taiwan
Prior art keywords
measurement
measured value
physiological data
abnormal
point
Prior art date
Application number
TW102146033A
Other languages
English (en)
Other versions
TW201523503A (zh
Inventor
Ching Yu Huang
Szu Han Tzao
Te San Liao
Jung Ping Chen
Original Assignee
Ind Tech Res Inst
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 Ind Tech Res Inst filed Critical Ind Tech Res Inst
Priority to TW102146033A priority Critical patent/TWI502537B/zh
Priority to US14/140,401 priority patent/US20150164343A1/en
Publication of TW201523503A publication Critical patent/TW201523503A/zh
Application granted granted Critical
Publication of TWI502537B publication Critical patent/TWI502537B/zh

Links

Classifications

    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/02Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/0205Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
    • A61B5/02055Simultaneously evaluating both cardiovascular condition and temperature
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/145Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
    • A61B5/14532Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue for measuring glucose, e.g. by tissue impedance measurement
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/72Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7271Specific aspects of physiological measurement analysis
    • A61B5/7275Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H10/00ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/60ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/02Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/024Detecting, measuring or recording pulse rate or heart rate

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Cardiology (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Pathology (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Physiology (AREA)
  • Optics & Photonics (AREA)
  • Emergency Medicine (AREA)
  • Pulmonology (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Psychiatry (AREA)
  • Signal Processing (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Vascular Medicine (AREA)

Description

生理資料量測管理系統及其方法
本揭露係有關於一種可具有動態調整量測頻率與量測點能力的生理資料量測管理系統及其方法。
近年來,隨著高齡化社會及慢性疾病的比例增加,長期的養護追蹤,以便分析判斷病患的生理情況,亦愈發顯得重要。病患可透過一些生理量測裝置例如血糖機等,自行進行一醫事檢測取得一生理值量測結果如血糖值並記錄量測到的生理值量測結果,以供醫護專家進行判讀並據此決定後續的療程。以糖尿病照護為例,醫護專家必須透過於正確時機(如飯前或飯後),病患自行於規定的量測時間點及量測頻率(如每周早餐飯前或飯後量測兩次)檢測到的血糖值,以分析長期趨勢之判讀,如此才更能了解病患在血糖方面的生理狀態,對後續生活作息建議、治療用藥之掌握才能更為精確與即時。
然而,目前採用的固定量測頻率與量測時間點的血糖量測方式,並無法提供病患血糖變化的足夠訊息,可能導致醫護專家無法有效進行血糖變化之長期趨勢之分析與判讀,因而無法有效的提出後續生活作息建議與掌握治療用藥。 另外,若非必要的頻繁的進行血糖量測,可能導致量測成本的增加,也會降低病患自我管理的成效與意願。
因此,需要一種更有效的關於生理資料的量測管理系統及管理方法。
有鑑於此,本揭露提供一種生理資料量測管理方法及其系統。
本揭露一實施例提供一種生理資料量測管理方法。首先,接收一生理資料輸入。其次,依據上述生理資料輸入,得到一量測排程,其中上述量測排程包括一量測頻率與相應上述量測頻率之至少一量測點。之後,於上述量測點進行生理資料量測,得到一量測值。接著,依據上述量測值與一既定異常判斷準則,動態更新上述量測排程之上述量測頻率及/或上述量測點,並以上述更新後之量測頻率及/或更新後之量測點來進行後續量測。
本揭露實施例另提供一種生理資料量測管理系統,其包括一輸入單元、一儲存單元以及一生理資料分析單元。輸入單元用以接收一生理資料輸入。儲存單元儲存有一資料庫,用以儲存上述生理資料輸入。生理資料分析單元係耦接至上述輸入單元與上述儲存單元,用以依據上述生理資料輸入,得到一量測排程,其中上述量測排程包括一量測頻率與相應上述量測頻率之至少一量測點、於上述量測點進行生理資料量測,得到一量測值、以及依據上述量測值與上述資料庫中之一既定異常判斷準則,動態更新上述量測排程之上述量測頻率 及/或上述量測點,並以上述更新後之量測頻率及/或更新後之量測點來進行後續量測。
100‧‧‧生理資料量測管理系統
110‧‧‧輸入單元
120‧‧‧儲存單元
122‧‧‧資料庫
130‧‧‧生理資料分析單元
140‧‧‧顯示單元
S202、S204、...、S210‧‧‧步驟
S302、S304、S306、S308‧‧‧步驟
400‧‧‧風險程度評估表
500‧‧‧異常機率矩陣
600‧‧‧既定異常判斷準則記錄
第1圖係顯示本揭露一實施例之生理資料量測管理系統的示意圖。
第2圖係顯示依據本揭露一實施例之生理資料量測管理方法的流程圖。
第3圖係顯示依據本揭露另一實施例之生理資料量測管理方法的流程圖。
第4圖係顯示本揭露一實施例之風險程度評估表的示意圖。
第5圖係顯示本揭露一實施例之異常機率矩陣的示意圖。以及 第6圖係顯示本揭露一實施例之既定異常判斷準則記錄的示意圖。
為讓本揭露之上述和其他目的、特徵、和優點能更明顯易懂,下文特舉出較佳實施例,並配合所附圖式,作詳細說明如下:本揭露實施例提供一種可動態調整與排程的血糖量測系統及其量測方法,可依據個人隨時間的血糖表現統計分析結果,動態規劃使用者量測的時間點,並依照排定的時間點提醒使用者進行量測。
第1圖顯示本揭露一實施例之生理資料量測管理 系統的示意圖。生理資料量測管理系統100可適用於電子裝置,如血糖機、血壓機、個人數位助理、智慧型手機、行動電話、行動上網裝置、筆記型電腦、車用電腦、數位相機、多媒體播放器、遊戲裝置或任何類型的行動計算裝置,然而,本領域熟習技藝者應可理解本揭露並不限於此。生理資料量測管理系統100至少包括一輸入單元110、一儲存單元120以及一生理資料分析單元130。其中,輸入單元110、儲存單元120以及生理資料分析單元130可以適當的硬體方式實現或以軟體方式實現或者以軟體、硬體、韌體的組合方式加以實現。輸入單元110可用以接收一生理資料輸入。其中,生理資料輸入項目包括使用者的基本資料如年齡、性別、病史等個人資料及/或各種生理資料如血糖、血壓、脈搏、體溫、體重等等的量測結果。其中,生理資料可由使用者手動輸入,或者在生理資料量測裝置(例如:血糖機)量測後,自動將量測到的生理資料量測結果(例如:血糖值)輸出至輸入單元110。生理資料量測裝置可為外接的裝置或是內建於生理資料量測管理系統100之內,用以對特定生理資料如血糖、血壓等進行量測,得到一對應的生理資料量測結果。舉例來說,生理資料量測裝置可為一外接的血糖機,其係與生理資料量測管理系統100的輸入單元110耦接,可用以量測使用者的血糖,並得到一血糖量測值,並且會自動將量測到的血糖量測結果輸出至輸入單元110。
儲存單元120(例如:內建記憶體、硬碟或外接記憶卡等儲存裝置)用以儲存相關資料,例如:不同使用者資料與生理資料量測結果。儲存單元120可包括一資料庫122,用以儲 存多個使用者之基本資料與生理資料量測資料,並且可包括先前的生理資料與變動模式的量測記錄。另外,資料庫122也可用以儲存其他外部輔助資料,例如:飲食、運動、睡眠等資料。
生理資料量測管理系統100可更包括一顯示單元140(例如:液晶顯示裝置),其中顯示單元140可顯示相關資料,例如文字、圖形、介面及/或資訊。應理解的是,於一些實施例中,顯示單元140可為結合觸碰感應裝置(未顯示)之觸控式螢幕。觸碰感應裝置具有包括至少一維之感應器的觸摸式表面,用以偵測控制工具,如手指或觸控筆等在其表面上的接觸及移動。因此,使用者可透過顯示單元140來輸入命令或生理資料。當使用者透過顯示單元140來輸入生理資料時,生理資料分析單元130可儲存所輸入的生理資料於資料庫122中,以供後續使用。生理資料分析單元130(例如:處理器或微處理器)可用以執行本揭露之生理資料量測管理方法來動態的調整量測的頻率與量測點,其細節將詳細討論於下。具體來說,生理資料分析單元130可根據輸入單元110所接收到的生理資料量測值進行風險程度分類,並參照資料庫122中所記錄的使用者先前之生理資料與變動模式來調整生理資料量測的量測頻率與排定量測點,再依據使用者隨時間的血糖表現模式,動態規劃量測的時間點與量測頻率,並且可於排定的時間點提醒使用者進行血糖量測。其中,量測頻率可以量測週期與次數來表示,例如:量測頻率可設為”每周至少一次以上”、”每天至少一次以上”、或”每周或每天至少幾次”等等,但本揭露並不限於此。排定的量測點可包括不同的生活作息週期,例如可為「空腹」、「早餐 前」、「早餐」、「早餐後午餐前」、「午餐」、「午餐後晚餐前」、「晚餐」或「晚餐後睡前」等各式生活作息區段,或者可為小時、天、週、月等時間單位,或者可為兩者的組合。舉例來說,於一實施例中,量測頻率可為每天七次且排定的量測點可為早餐前後,午餐前後、晚餐前後與睡前共7個量測點,表示使用者必須每天於前述7個量測點進行血糖量測,但本揭露並不限於此。
第2圖顯示依據本揭露一實施例之生理資料量測管理方法的流程圖。本揭露實施例之生理資料量測管理方法可應用於如第1圖所示的生理資料量測管理系統100上。
首先,如步驟S202,生理資料分析單元130經由輸入單元110接收一生理資料輸入。舉例來說,生理資料輸入項目包括使用者的基本資料如年齡、性別、病史(例如:異常模式)等個人資料及/或各種生理資料如血糖、血壓、脈搏、體溫、體重等等的量測結果。其中,生理資料可由使用者手動輸入,或者在生理資料量測裝置(例如:血糖機)量測後,自動將量測到的生理資料量測結果(例如:血糖值)輸出至輸入單元110。
接著,如步驟S204,生理資料分析單元130依據生理資料輸入以及一初始量測頻率,產生一量測排程,其中量測排程包括對應於初始量測頻率的一或多個排定量測點。其中量測頻率可以量測週期與次數來表示,例如:量測頻率可設為”每周至少一次以上”、”每天至少一次以上”、或”每周或每天至少幾次”等等,但本揭露並不限於此。初始量測頻率係可依據生理資料的量測值與參考一風險程度評估表來決定。風險程度 評估表定義了參考指標與其對應的風險程度,用以表示使用者對該生理資料(例如:血糖)的控制程度,而生理資料分析單元130可依據每種生理資料所對應的風險程度評估表來進行風險程度評估,並據此得到對應的初始量測頻率。舉例來說,參見第4圖,係顯示本揭露一實施例之風險程度評估表的示意圖。本實施例之風險程度評估表400可事先儲存於資料庫122中,用以據此進行一風險程度評估。於本實施例中,如第4圖所示,假設風險程度評估表400為一血糖有關的醫學指引且其可分為四種不同的風險程度:”優”(Level01)、”良”(Level02)、”可”(Level03)以及”劣”(Level04),其對應的初始量測頻率則分別為”每週至少>1次”、”每次至少>1次”、”每天至少>2次”以及”每天至少3~4次”。也就是說,當所評估出的風險程度為”優”時(例如:空腹血糖值介於90至139mg/dl之間時),其初始量測頻率可設為每週一次以上,當所評估出的風險程度為”劣”時(例如:空腹血糖值大於160mg/dl時),其初始量測頻率可設為每天至少三次以上,依此類推。
排定的量測點可包括不同的生活作息週期,可為「空腹」、「早餐前」、「早餐」、「早餐後午餐前」、「午餐」、「午餐後晚餐前」、「晚餐」或「晚餐後睡前」等各式生活作息區段,或者可為小時、天、週、月等時間單位,或者可為兩者的組合。舉例來說,於一實施例中,量測頻率可為每天七次且排定的量測點可為早餐前後,午餐前後、晚餐前後與睡前共7個量測點,但本揭露並不限於此。
於本實施例中,一或多個排定量測點係依據一對 應的異常機率矩陣中所記載的各個可能量測點的統計異常機率或歷史異常機率來進行排程。其中,初始異常機率矩陣中包含每個時間周期如每天或每週內的每個可能量測點的對應異常機率,此異常機率表示生理資料的量測值於該量測點發生異常的機率。也就是說,每個排定量測點在異常機率矩陣中有一對應的異常機率。參見第5圖,係顯示本揭露一實施例之異常機率矩陣的示意圖。本實施例之異常機率矩陣500可事先儲存於資料庫122中,用以提供關於一週內各個可能量測點的對應異常機率。如第5圖所示,異常機率矩陣500包括量測點與其對應的統計異常機率,其中異常機率值P11 -P77 分別表示一週內各個量測點的異常機率。舉例來說,P11 係表示量測點為”星期日的早餐前”的異常機率,P21 係表示量測點為”星期一的早餐前”的異常機率,依此類推。於一實施例中,當資料庫中已經儲存有對應於使用者的基本資料的記錄(舊使用者)時,生理資料分析單元130可直接找到其對應的初始異常機率矩陣。於另一實施例中,當資料庫中並未儲存有對應於使用者的基本資料的記錄(新使用者)時,生理資料分析單元130可採用多元尺度法(Multidimensional Scaling)方式進行個案分析比對,依據使用者之個人基本資料,搜尋出資料庫122中複數個相似類型的群體。接著,由此群體的歷史資料,估算出一週時間內異常值發生的機率分布,作為初始量測排程規劃的依據。舉例來說,資料庫122中可事先儲存有複數使用者及其對應的異常機率矩陣,當使用者為年齡50歲的男性糖尿病一期患者時,則生理資料分析單元130可從資料庫122中找出具有相似年齡與相似病 症的N個(例如:3個)使用者記錄,再根據找出的N個使用者記錄所對應的機率矩陣中的各個量測點的異常機率經過一數學運算例如加權運算或平均運算等來算出使用者的初始異常機率矩陣。於本實施例中,生理資料分析單元130係依據初始機率矩陣,選取每天機率值最高的量測點作為排定的量測點,但本揭露不限於此。
於決定初始機率矩陣之後,如步驟S206,生理資料分析單元130於排定的量測點進行生理資料量測並取得生理資料量測值。舉例來說,當生理資料為血糖值且排定的量測點為”星期日的早餐前、後”時,生理資料分析單元130將會在星期日的早餐前與早餐後分別進行血糖量測或通知使用者進行血糖量測並取得當時對應的血糖值。
於取得生理資料量測值之後,如步驟S208,生理資料分析單元130依據生理資料量測值與一既定異常判斷準則,判斷量測值是否為異常量測值並據此更新排定量測點的異常機率。既定異常判斷準則中包括量測點與其對應的預設量測範圍,當量測點的量測值落在預設量測範圍內時,判定量測值為正常量測值,反之,則判定量測值為異常量測值。參見第6圖,係顯示本揭露一實施例之既定異常判斷準則記錄的示意圖。本實施例之既定異常判斷準則記錄600可事先儲存於資料庫122中,用以據此判斷量測值為正常或異常量測值。如第6圖所示,既定異常判斷準則記錄600包括不同量測點的預設量測值範圍,而生理資料分析單元130可根據既定異常判斷準則記錄600找出不同量測點所對應的預設量測值範圍。例如,參見 第6圖,當量測點為早餐前時,其對應的預設量測值範圍為小於或等於130mg/dl。此外,生理資料分析單元130也可進一步由既定異常判斷準則記錄600中查出異常量測值的異常模式,此異常模式可更進一步用於決定適合的量測點。可理解的是,第6圖中係以血糖量測的既定異常判斷準則記錄為例以方便說明,但本揭露並不限於此。換句話說,不同的生理量測也會有不同的既定異常判斷準則記錄,因此本揭露可支援多種生理資料的異常判斷。
於判定量測值為正常或異常量測值之後,生理資料分析單元130可更新排定量測點於異常機率矩陣中的對應異常機率。具體來說,當一第一量測點的量測值判定為正常量測值時,表示本次無異常,生理資料分析單元130將降低此量測點的異常機率。相反地,當一第二量測點的量測值判定為異常量測值時,表示第二量測點發生異常,生理資料分析單元130將增加此量測點的異常機率。關於異常量測值的判斷與異常機率的更新細節,請參見以下第3圖的說明。
於判定量測值為正常或異常量測值之後並據此更新排定量測點的異常機率之後,如步驟S210,生理資料分析單元130依據更新後的異常機率,重新調整與規劃量測頻率及量測點並依據重新調整後的量測頻率及量測點執行量測。因此,生理資料分析單元130可根據實際的異常機率來動態調整每週或每天的量測頻率以及量測點,可更能偵測出發生異常的時機,方便醫師進行判讀。
之後,生理資料分析單元130可依照排定的量測時 間點,於顯示單元140上透過文字、聲音顯示或其他方式提醒使用者應該進行生理資料量測。
第3圖顯示依據本揭露另一實施例之生理資料量測管理方法的流程圖。本揭露實施例之生理資料量測管理方法可應用於如第1圖所示的生理資料量測管理系統100上,用以依據量測值,更新機率矩陣中排定量測點的異常機率。
首先,生理資料分析單元130取得既定異常判斷準則中的相應排定量測點的一預設量測值範圍(步驟S302)。舉例來說,參見第6圖,當量測點為早餐前時,其對應的預設量測值範圍為小於或等於130mg/dl。
接著,生理資料分析單元130判斷排定量測點所量測到的量測值是否在預設量測值範圍內(步驟S304)。如前例,判斷排定量測點所量測到的量測值是否在預設量測值範圍內即為判斷量測值是否小於或等於130mg/dl。
當判定排定量測點所量測到的量測值落在預設量測值範圍內時(步驟S304的是),例如:量測值為120mg/dl,生理資料分析單元130判定排定量測點的量測值為正常量測值,於是便降低排定量測點的異常機率並更新該天異常點發生機率分布(步驟S306)。舉例來說,但不限於此,於一實施例中,假設原始異常機率為Pi,j (old)=uij /dij 時,可透過下列公式來降低排定量測點的異常機率以求得更新後的異常機率Pi,j (new): ,l為與量測頻率有關的常數
相反地,當判定排定量測點所量測到的量測值不 在預設量測值範圍內時(步驟S304的否),例如:量測值為140mg/dl,生理資料分析單元130判定排定量測點的量測值為異常量測值,於是便提高此排定量測點的異常機率(步驟S308)。舉例來說,但不限於此,於一實施例中,假設原始異常機率為Pi,j (old)=uij /dij 時,可透過下列公式來提高排定量測點的異常機率以求得更新後的異常機率Pi,j (new): ,k為與量測頻率有關的常數
舉例來說,於一實施例中,假設常數1與K均設為1且原始異常機率Pi,j (old)=1/2時,則當量測值落在預設量測值範圍內時,更新後的異常機率降低為Pi,j (new)=1/3;類似地,當量測值並未落在預設量測值範圍內時,更新後的異常機率提高為Pi,j (new)=2/3。因此,本揭露可依據新的量測值,更新機率矩陣中排定量測點的歷史異常機率,並藉此使異常點能於後續量測時容易被篩選出來進行量測。
於另一實施例中,也可透過下列公式來提高排定量測點的異常機率:當規劃之量測點取得異常量測值時,更新該天異常點發生對應的機率參數: d t -1 為時間 (t -1)的量測值與標準值的差異d t -1 =O t -1 -S ij
c 0 t -1 為時間 (t -1)為止連續測量到異常值的次數
kd t -1c 0 t -1 的函數。
當規劃之量測點取得正常量測值,可透過下列公式來降低排定量測點的異常機率並更新該天異常點發生機率分布:
c 1 t -1 為時間 (t -1)為止連續測量到正常值的次數
lO t -1c 1 t -1 的函數。
於一些實施例中,當規劃之量測點取得異常量測值時,可進一步連結其他裝置取得或直接自資料庫122中取得使用者的輔助資料如飲食、運動、睡眠資料等。
之後,生理資料分析單元130便可依據更新後的機率矩陣,重新規劃量測頻率及量測點並執行量測,並且每週動態調整量測排程規劃。
舉例來說,於一實施例中,假設一天共有早餐前後、午餐前後、晚餐前後與睡前的7個可能量測點,而七個量測點的歷史異常機率分布分別為(5/28,3/28,4/28,4/28,4/28,4/28,4/28)時,當量測頻率設為每天一次時,由於七個量測點中”早餐前”的異常機率參數較大,表示早餐前發生異常的機會最大(亦即:病患有所謂黎明現象),因此可得到量測排程為每天的早餐前執行一次量測。
於一些實施例中,當生理資料量測為血糖量測時,依據本揭露之具有動態調整功能的生理資料量測管理方法可應用於達成血糖監控與糖尿病管理。首先,生理資料分析單元130可透過輸入單元110接收包括使用者基本資料與血糖量 測值的生理資料輸入,並依據血糖量測的數值高低及資料庫122中所儲存的定期糖化血色素的檢驗值,利用已知的醫學指引,來進行血糖控制風險程度評估,用以區分血糖控制程度的優、良、可、佳等不同風險程度。
接著,生理資料分析單元130依據使用者的基本資料與風險程度評估結果,建議適當的量測頻率與排定量測點,其中,每次循環依抽樣方法及量血糖量測點可包含,例如:早餐前後,午餐前後、晚餐前後與睡前共7個量測點,但不限於此。
生理資料分析單元130將量測到的資料循環回饋運算而動態調整評估的風險程度,並依據前次循環中血糖量測值異常點的位置,以統計方法增加本次循環中該量測點的量測次數。
接著,生理資料分析單元130可提供依據個人基本資料及持續量測結果所建立之個人最佳化的血糖量測排程,其中血糖量測排程可包括建議的量測頻率與量測時間點。之後,生理資料分析單元130可依照排定的量測時間點,於顯示單元140上透過文字、聲音顯示或其他方式提醒使用者進行長期的生理資料量測。
之後,使用者可於回診時將血糖量測記錄,提供給醫師進行評估。生理資料分析單元可再依據醫師根據血糖量測值及糖化血色素的檢驗值,所評估出的血糖控制程度的不同風險程度後,重新建議適當的量測頻率與排定量測點,因此可達成有效的自我血糖監控與糖尿病管理。
因此,依據本揭露之具有動態調整功能的生理資料量測管理方法及其系統可在給定量測頻率的情況下,依據先前量測的結果分析與學習血糖表現的模式,動態調整生理資料量測的量測頻率與排定量測的時間點,以更有效率且更經濟的方式獲得有用的生理資料的變化訊息,使醫療專業人員可據此快速進行判讀後決定合適的後續處置與療程。此外,依據本揭露之具有動態調整功能的生理資料量測管理方法及其系統可依照排定的量測時間點提醒使用者進行長期的生理資料量測,可更有效的節省量測成本並且可提升使用者自我管理的成效與意願。
本揭露之方法,或特定型態或其部份,可以以程式碼的型態存在。程式碼可以包含於實體媒體,如軟碟、光碟片、硬碟、或是任何其他機器可讀取(如電腦可讀取)儲存媒體,亦或不限於外在形式之電腦程式產品,其中,當程式碼被機器,如電腦載入且執行時,此機器變成用以參與本揭露之裝置。程式碼也可透過一些傳送媒體,如電線或電纜、光纖、或是任何傳輸型態進行傳送,其中,當程式碼被機器,如電腦接收、載入且執行時,此機器變成用以參與本揭露之裝置。當在一般用途處理單元實作時,程式碼結合處理單元提供一操作類似於應用特定邏輯電路之獨特裝置。
雖然本揭露已以較佳實施例揭露如上,然其並非用以限定本揭露,任何所屬技術領域中包括通常知識者,在不脫離本揭露之精神和範圍內,當可作些許之更動與潤飾。舉例來說,本揭露實施例所述之系統以及方法可以硬體、軟體或硬 體以及軟體的組合的實體實施例加以實現。因此本揭露之保護範圍當視後附之申請專利範圍所界定者為準。
S202、S204、...、S210‧‧‧步驟

Claims (20)

  1. 一種生理資料量測管理方法,包括:接收一生理資料輸入;依據上述生理資料輸入,得到一量測排程,其中上述量測排程包括一量測頻率與相應上述量測頻率之至少一量測點;於上述量測點進行生理資料量測,得到一量測值;以及依據上述量測值與一既定異常判斷準則,動態更新上述量測排程之上述量測頻率及/或上述量測點,並以上述更新後之量測頻率及/或更新後之量測點來進行後續量測。
  2. 如申請專利範圍第1項所述之方法,其中上述生理資料輸入包括一使用者之基本資料並且上述依據上述生理資料輸入,得到上述量測排程之步驟更包括:利用上述使用者之基本資料,進行一相似性比對,自一資料庫中找出複數相似之使用者記錄,其中每一上述複數相似之使用者記錄包括一機率矩陣且上述機率矩陣包括複數第一量測點的異常機率;對上述複數相似之使用者記錄之上述機率矩陣進行一數學運算,以求得對應於上述生理資料輸入之一初始機率矩陣;以及依據上述初始機率矩陣,決定上述量測排程之上述量測點。
  3. 如申請專利範圍第2項所述之方法,其中依據初始機率矩陣,決定上述量測點之步驟更包括選取上述初始機率矩陣中一時間區段內具有最高異常機率的第一量測點為上述量測點。
  4. 如申請專利範圍第1項所述之方法,其中上述量測點包括早餐、午餐、晚餐、飯前、飯後或睡前之生活作息區段之其中一組合。
  5. 如申請專利範圍第1項所述之方法,其中上述生理資料輸入包括上述使用者之血糖、血壓、脈搏、體溫、體重資料之其中一組合。
  6. 如申請專利範圍第1項所述之方法,其中依據上述量測值與上述既定異常判斷準則,動態更新上述量測排程之上述量測頻率及/或上述量測點之步驟更包括:依據上述量測值與上述既定異常判斷準則,判斷上述量測值是否為一正常量測值或一異常量測值並據此更新上述量測點之一異常機率。
  7. 如申請專利範圍第6項所述之方法,其中依據上述量測值與上述既定異常判斷準則,判斷上述量測值是否為上述正常量測值或上述異常量測值之步驟更包括:取得上述既定異常判斷準則中相應上述量測點的一預設量測值範圍;判斷上述量測值是否落在上述預設量測值範圍內;以及當判定上述量測值係落在上述預設量測值範圍內時,判定上述量測值為上述正常量測值並降低上述量測點之上述異常機率。
  8. 如申請專利範圍第7項所述之方法,更包括:當判定上述量測值係非落在上述預設量測值範圍內時,判定上述量測值為上述異常量測值並提高上述量測點之上述異 常機率。
  9. 如申請專利範圍第1項所述之方法,更包括於判定上述量測值為上述異常量測值時,連結至至少一裝置以取得一使用者的輔助資料。
  10. 如申請專利範圍第1項所述之方法,其中以上述更新後之量測頻率及/或更新後之量測點來進行後續量測之步驟更包括:於上述更新後之量測點,以一提示訊號提示上述使用者進行上述生理資料量測。
  11. 一種生理資料量測管理系統,包括:一輸入單元,用以接收一生理資料輸入;一儲存單元,其儲存有一資料庫,用以儲存上述生理資料輸入;以及一生理資料分析單元,耦接至上述輸入單元與上述儲存單元,用以依據上述生理資料輸入,得到一量測排程,其中上述量測排程包括一量測頻率與相應上述量測頻率之至少一量測點、於上述量測點進行生理資料量測,得到一量測值、以及依據上述量測值與上述資料庫中之一既定異常判斷準則,動態更新上述量測排程之上述量測頻率及/或上述量測點,並以上述更新後之量測頻率及/或更新後之量測點來進行後續量測。
  12. 如申請專利範圍第11項所述之系統,其中上述生理資料輸入包括一使用者之基本資料並且上述生理資料分析單元更利用上述使用者之基本資料,進行一相似性比對,自上述資料庫中找出複數相似之使用者記錄,其中每一上述複數相似之 使用者記錄包括一機率矩陣且上述機率矩陣包括複數第一量測點的異常機率、對上述複數相似之使用者記錄之上述機率矩陣進行一數學運算,以求得對應於上述生理資料輸入之一初始機率矩陣、並依據上述初始機率矩陣,決定上述量測排程之上述量測點。
  13. 如申請專利範圍第12項所述之系統,其中上述生理資料分析單元更選取上述初始機率矩陣中一時間區段內具有最高異常機率的第一量測點為上述量測點。
  14. 如申請專利範圍第11項所述之系統,其中上述量測點包括早餐、午餐、晚餐、飯前、飯後與睡前之生活作息區段之其中一組合。
  15. 如申請專利範圍第11項所述之系統,其中上述生理資料量測包括上述使用者之血糖、血壓、脈搏、體溫與體重量測之其中至少一組合。
  16. 如申請專利範圍第11項所述之系統,其中上述生理資料分析單元更依據上述量測值與上述既定異常判斷準則,判斷上述量測值是否為一正常量測值或一異常量測值並據此更新上述量測點之上述異常機率。
  17. 如申請專利範圍第16項所述之系統,其中上述生理資料分析單元依據上述量測值與上述既定異常判斷準則,判斷上述量測值是否為上述正常量測值或上述異常量測值係透過取得上述既定異常判斷準則中相應上述量測點的一預設量測值範圍並判斷上述量測值是否落在上述預設量測值範圍內,以及當判定上述量測值係落在上述預設量測值範圍內時,上述生理 資料分析單元判定上述量測值為上述正常量測值並降低上述量測點之上述異常機率。
  18. 如申請專利範圍第17項所述之系統,更包括當判定上述量測值係非落在上述預設量測值範圍內時,上述生理資料分析單元判定上述量測值為上述異常量測值並提高上述量測點之上述異常機率。
  19. 如申請專利範圍第11項所述之系統,其中上述生理資料分析單元更於判定上述量測值為上述異常量測值時,連結至至少一裝置以取得一使用者的輔助資料。
  20. 如申請專利範圍第11項所述之系統,更包括一顯示單元,耦接至上述生理資料分析單元,並且上述生理資料分析單元更於上述更新後之量測點到達時,於上述顯示單元顯示一提示訊號,以提示上述使用者進行上述生理資料量測。
TW102146033A 2013-12-13 2013-12-13 生理資料量測管理系統及其方法 TWI502537B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
TW102146033A TWI502537B (zh) 2013-12-13 2013-12-13 生理資料量測管理系統及其方法
US14/140,401 US20150164343A1 (en) 2013-12-13 2013-12-24 Management systems and methods for managing physiology data measurement

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
TW102146033A TWI502537B (zh) 2013-12-13 2013-12-13 生理資料量測管理系統及其方法

Publications (2)

Publication Number Publication Date
TW201523503A TW201523503A (zh) 2015-06-16
TWI502537B true TWI502537B (zh) 2015-10-01

Family

ID=53366977

Family Applications (1)

Application Number Title Priority Date Filing Date
TW102146033A TWI502537B (zh) 2013-12-13 2013-12-13 生理資料量測管理系統及其方法

Country Status (2)

Country Link
US (1) US20150164343A1 (zh)
TW (1) TWI502537B (zh)

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106415556B (zh) * 2014-04-10 2020-09-08 德克斯康公司 血糖紧迫性评估和警告界面
US10617358B2 (en) * 2015-09-21 2020-04-14 Apple Inc. Portable electronic device as health companion
CN112933333B (zh) * 2016-01-14 2023-03-28 比格福特生物医药公司 调整胰岛素输送速率
US10441252B2 (en) * 2016-11-23 2019-10-15 Hall Labs Llc Medical toilet with user customized health metric validation system
EP3568859A1 (en) 2017-01-13 2019-11-20 Bigfoot Biomedical, Inc. Insulin delivery methods, systems and devices
EP3568860A1 (en) 2017-01-13 2019-11-20 Bigfoot Biomedical, Inc. Insulin delivery methods, systems and devices
US10500334B2 (en) 2017-01-13 2019-12-10 Bigfoot Biomedical, Inc. System and method for adjusting insulin delivery
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
WO2018132754A1 (en) 2017-01-13 2018-07-19 Mazlish Bryan System and method for adjusting insulin delivery
US20190148010A1 (en) * 2017-11-14 2019-05-16 Samsung Electronics Co., Ltd. System and method for controlling sensing device
CN114548259B (zh) * 2022-02-18 2023-10-10 东北大学 一种基于半监督Semi-KNN模型的PISA故障识别方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110245630A1 (en) * 2010-03-31 2011-10-06 St Pierre Shawn C Integrated Patient Data Management for Physiological Monitor Devices
TW201210567A (en) * 2010-09-06 2012-03-16 Eps Bio Technology Corp Physiological measure device, health management system and method for operating the health management system
US20130215042A1 (en) * 2012-02-22 2013-08-22 Robert G. Messerschmidt Obtaining physiological measurements using a portable device
TWM465638U (zh) * 2013-07-08 2013-11-11 Kuo-Yuan Chang 可辨識個人資訊之無線電子生理監測系統

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5940802A (en) * 1997-03-17 1999-08-17 The Board Of Regents Of The University Of Oklahoma Digital disease management system
US6470320B1 (en) * 1997-03-17 2002-10-22 The Board Of Regents Of The University Of Oklahoma Digital disease management system
US6549796B2 (en) * 2001-05-25 2003-04-15 Lifescan, Inc. Monitoring analyte concentration using minimally invasive devices
US20090105560A1 (en) * 2006-06-28 2009-04-23 David Solomon Lifestyle and eating advisor based on physiological and biological rhythm monitoring
US8712748B2 (en) * 2007-06-27 2014-04-29 Roche Diagnostics Operations, Inc. Medical diagnosis, therapy, and prognosis system for invoked events and methods thereof
US9913599B2 (en) * 2011-02-11 2018-03-13 Abbott Diabetes Care Inc. Software applications residing on handheld analyte determining devices
US20140058705A1 (en) * 2011-04-27 2014-02-27 Decision Makers Ltd. System and Method for Detecting Abnormal Occurrences

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110245630A1 (en) * 2010-03-31 2011-10-06 St Pierre Shawn C Integrated Patient Data Management for Physiological Monitor Devices
TW201210567A (en) * 2010-09-06 2012-03-16 Eps Bio Technology Corp Physiological measure device, health management system and method for operating the health management system
US20130215042A1 (en) * 2012-02-22 2013-08-22 Robert G. Messerschmidt Obtaining physiological measurements using a portable device
TWM465638U (zh) * 2013-07-08 2013-11-11 Kuo-Yuan Chang 可辨識個人資訊之無線電子生理監測系統

Also Published As

Publication number Publication date
US20150164343A1 (en) 2015-06-18
TW201523503A (zh) 2015-06-16

Similar Documents

Publication Publication Date Title
TWI502537B (zh) 生理資料量測管理系統及其方法
US11331051B2 (en) Analysis of glucose median, variability, and hypoglycemia risk for therapy guidance
AU2022200642B2 (en) Analysis of glucose median, variability, and hypoglycemia risk for therapy guidance
US12112854B2 (en) Software applications residing on handheld analyte determining devices
US10872696B2 (en) Method of hypoglycemia risk determination
EP2006786B1 (en) Method and glucose monitoring system for monitoring individual metabolic response and for generating nutritional feedback
EP2654564B1 (en) Calibration of a handheld diabetes managing device that receives data from a continuous glucose monitor
US9965587B2 (en) Reminder, classification, and pattern identification systems and methods for handheld diabetes management devices
CA2895538A1 (en) System and method to manage diabetes based on glucose median, glucose variability, and hypoglycemic risk
US20120165639A1 (en) Storage of calibration data at a continuous glucose monitor
Crespo et al. Clinical application of a novel automatic algorithm for actigraphy-based activity and rest period identification to accurately determine awake and asleep ambulatory blood pressure parameters and cardiovascular risk
KR20230029850A (ko) 긁음 검출 및 발적 예측을 위한 컴퓨터화된 의사결정 지원 툴 및 의료 디바이스
TWI697912B (zh) 生理狀態的風險評估系統、方法及電子裝置