專利名稱：用于從自監控數據估計糖尿病中血糖控制的方法,系統,和計算機程序產品的制作方法
技術領域：
本系統一般地涉及患有糖尿病的個體的血糖控制，尤其涉及一種基于計算機的系統和方法，其用于估計預測的糖基化血紅蛋白(HbA1c和HbA1)以及招致低血糖的危險。
背景技術：
廣泛的研究，包括糖尿病控制和并發癥試驗(DCCT)(見DCCT研究小組糖尿病強化治療對依賴胰島素的糖尿病的長期并發癥的發展和進步的影響。新英格蘭醫學雜志，329978-986，1993)，斯德哥爾摩糖尿病介入研究(見Reichard P，Phil M在斯德哥爾摩糖尿病介入研究中的長期強化傳統胰島素治療過程中的死亡率和治療副作用。糖尿病，43313-317，1994)，以及大不列顛聯合王國遠景糖尿病研究(見大不列顛聯合王國遠景糖尿病研究小組用降糖片強化血糖控制對患有II型糖尿病病人中并發癥的影響(UKPDS 34)。手術刀，352837-853，1998)，已經再三表明預防糖尿病長期并發癥的最有效方法是通過使用強化胰島素療法嚴格維持血糖(BG)水平于正常范圍內。
但是，相同的研究也證明強化胰島素治療的一些不良影響，其中最尖銳的是頻繁的嚴重低血糖(SH)危險增加，嚴重低血糖定義為神經性低血糖發作，其排除自治療并且需要用于恢復的外部幫助(見DCCT研究小組在糖尿病控制和并發癥試驗中的嚴重低血糖的流行病學。美國醫學雜志，90450-459，1991，以及DCCT研究小組在糖尿病控制和并發癥試驗中的低血糖。糖尿病，46271-286，1997)。因為SH可以導致意外，昏迷，甚至死亡，所以對病人和健康管理提供者不鼓勵繼續強化治療。從而，低血糖已經被確定為增進血糖控制的主要障礙(Cryer PE低血糖是糖尿病處理中的限制因素。糖尿病Metab Res Rev，1542-46，1999)。
這樣，患有糖尿病的病人面臨維持嚴格血糖控制而不增加他們低血糖危險的終身優化問題。涉及這一問題的主要任務是創建簡單而可靠的方法，其能夠估計病人的血糖控制和他們的低血糖危險，并且能夠應用于他們的日常環境中。
二十多年來已經眾所周知，糖基化血紅蛋白是患有糖尿病(I型或II型)的個體血糖控制的標記。許多研究者已經研究這一關系，并且已經發現糖基化血紅蛋白通常反映病人在以前的兩個月上的平均BG水平。因為在大部分患有糖尿病的病人中BG水平在時間上顯著波動，所以建議完整的血糖控制和HbA1c之間的真正聯系應當只在已知長的時間段上處于穩定血糖控制的病人中觀察。
這些病人的早期研究提出先前5周的平均BG水平和HbA1c之間幾乎確定性的關系，并且這一曲線聯系產生0.98的相關系數(見AabySvendsen P，Lauritzen T，Soegard U，Nerup J(1982)。糖基化血紅蛋白和I型(依賴胰島素的)糖尿病中的穩態平均血糖濃度。糖尿病學，23，403-405)。在1993年，DCCT斷定HbA1c是用于金標準(gold-standard)糖基化血紅蛋白定量分析的“邏輯被提名者”，并且DCCT建立先前平均BG和HbA1c之間的線性關系(參見圣地亞哥JV(1993)。來自糖尿病控制和并發癥試驗的教訓，糖尿病，42，1549-1554)。
開發的指導方針表明7％的HbA1c對應于8.3mM(150mg/dl)的平均BG，9％的HbA1c對應于11.7mM(210mg/dl)的平均BG，并且HbA1c中1％的增長對應于平均BG中1.7mM(30mg/dl，2)的增長。DCCT也提出，因為直接測量平均BG不實際，應該用單一的簡單的測試，即HbA1c，來估計病人的血糖控制。但是，研究清楚地表明HbA1c對低血糖是不敏感的。
實際上，沒有來自任何數據的病人即時SH危險的可靠預測。DCCT斷定只有大約8％的將來SH可以從已知變量例如SH歷史紀錄，低HbA1c，和低血糖不察覺來預測。一個最近的回顧詳述這一問題當前的臨床狀況，并且提供用于預防SH的選擇，其對病人和他們的健康管理提供者是可用的(見Bolli，GB如何改善I型糖尿病的增強以及非增強治療中的低血糖問題。糖尿病照料，22，增刊2B43-B52，1999)。
當代家用BG監控器提供通過BG自監控(SMBG)用于頻繁BG測量的裝置。但是SMBG的問題是在由BG監控器收集的數據與HbA1c和低血糖之間有缺少環節。換句話說，當前沒有用于基于SMBG讀數來估計HbA1c和識別將臨低血糖的可靠方法(參見Bremer T和GoughDA從以前的值可以預測血糖嗎？對數據的請求。糖尿病48445-451，1999)。
因而，本發明的一個目的在于通過提出用于從SMBG數據估計HbA1c和低血糖危險的三種截然不同的，但相互兼容的算法來提供這一缺少環節，其用來預測低血糖短期和長期危險，以及高血糖的長期危險。
本發明者以前已報告，在常規可獲得的SMBG數據與HbA1c和低血糖危險估計之間缺少環節的原因是，糖尿病研究中使用的數據收集和臨床估計的復雜方法很少被糖尿病特定的和數學上復雜的統計程序支持。
響應考慮BG數據特定分布的統計分析的需求，發明者研究出一種血糖測量范圍的對稱變換(見Kovatchev BP，Cox DJ，Gonder-Frederick LA和WL Clarke(1997)血糖測量范圍的對稱化及它的應用，糖尿病照料，20，1655-1658)，其操作如下。BG水平在美國以mg/dl度量，在大多數其它國家以mmol/L(或者mM)度量。這兩個標度通過18mg/dl＝1mM直接相關。整個BG范圍在大多數參考文獻中給定為1.1-33.3mM，這被認為實際上覆蓋所有觀測值。根據DCCT的推薦(見DCCT研究小組(1993)糖尿病強化治療對依賴胰島素的糖尿病的長期并發癥的發展和進步的影響。新英格蘭醫學雜志，329，pp978-986)，對糖尿病患者的目標BG范圍-也就是通常所說的良好血糖范圍-是3.9-10mM，當BG降至低于3.9mM時低血糖出現，并且當BG升至超過10mM時是高血糖。遺憾地，這一范圍是數字上非對稱的-高血糖范圍(10-33.3mM)寬于低血糖范圍(1.1-3.9mM)，并且良好血糖范圍(3.9-10mM)不在范圍的中心。本發明者通過引入變換f(BG)來矯正這一非對稱，f(BG)是定義在BG范圍[1.1，33.3]上的連續函數，其具有兩參數的解析式f(BG，α，β)＝[(ln(BG))α-β]，α，β＞0并且其滿足假設A1f(33.3，α，β)＝-f(1.1，α，β)和 A2f(10.0，α，β)＝-f(3.9，α，β)其次，f(.)乘以第三縮放比例參數將變換后的BG范圍的最小值和最大值分別定于 和 這些值是方便的，因為具有標準正態分布的隨機變量，它的值的99.8％在區間 中。如果BG以mmol/l度量，當考慮假設A1和A2而數值求解時，函數f(BG，α，β)的參數是α＝1.026，β＝1.861，并且縮放比例參數是γ＝1.794。如果BG代替以mg/dl度量，參數計算得α＝1.084，β＝5.381，及γ＝1.509。
從而，當BG以mmol/l度量，對稱變換是f(BG)＝1.794[(ln(BG))1.026-1.861]。而當BG以mg/dl度量，對稱變換是f(BG)＝1.509[(ln(BG))1.084-5.381]。
基于對稱變換f(.)，本發明者引入低BG指數——用于從SMBG讀數估計低血糖危險的新量度(見Cox DJ，Kovatchev BP，JulianDM，Gonder-Frederick LA，Polonsky WH，Schlundt DG，Clarke WLIDDM中嚴重低血糖頻率可以從自監控血糖數據來預測。臨床內分泌學和新陳代謝雜志，791659-1662，1994，以及Kovatchev BP，Cox DJ，Gonder-Frederick LA Young-HymanD，Schlundt D，Clarke WL。患有IDDM的成年人中嚴重低血糖危險的估計低血糖指數的驗證，糖尿病照料211870-1875，1998)。給定一系列SMBG數據，對f(BG)＜0取10.f(BG)2，否則取0，低BG指數計算為所取這些數的平均值。也提出高BG指數，在以對稱于低BG指數方式計算，但是這一指數沒有找到它的實際應用。
在回歸模型中使用低BG指數，本發明者能夠基于SH歷史紀錄和SMBG數據估計在隨后6個月中SH發作變化的40％，并且以后將這一預測提高到46％(見Kovatchev BP，Straume M，Farhi LS，CoxDJ估計血糖變化速度及它與嚴重低血糖的關系。糖尿病，48增刊1，A363，1999)。
另外，本發明者發展了一些有關HbA1c和SMBG的數據(見Kovatchev BP，Cox DJ，Straume M，Farhy LS。自監控血糖分布圖與糖基化血紅蛋白的聯系。酶學中的方法，vol.321數值計算機方法，部分C，Michael Johnson和Ludvig Brand，Eds.，學術出版社，紐約；2000)。
這些發展成為本發明理論背景的一部分。為了實行這一理論，尤其增加若干關鍵的理論組成部分，這在下面部分描述。特別地，三種方法被發展用來使用HbA1c，低血糖長期和短期危險的估計。這些方法的發展基于867個患有糖尿病的個體的數據的詳細分析，但不局限于此，其包括多于300,000個SMBG讀數，嚴重低血糖的記錄以及HbA1c測定。
因此，本發明設法在前述的與傳統方法相關的局限上改進，從而提供能夠估計病人血糖控制和他們低血糖危險，并且可以應用于他們日常環境中的簡單而可靠的方法。
發明概述本發明包括一種數據分析方法和基于計算機的系統，其用于從常規收集的SMBG數據同時估計糖尿病中血糖控制的兩個最重要的組成部分HbA1c和低血糖危險。對本文獻來說，BG自監控(SMBG)定義為用于在糖尿病病人自然環境中測定血糖的任一方法，并且包括通常存儲200-250個BG讀數的當代SMBG設備所使用的方法，以及新興的連續監控技術所使用的方法。給定SMBG這一廣泛定義，本發明通過引入一種能夠預測HbA1c和低血糖危險增加的時間段的智能數據解釋組成部分，直接適合于增強現有家用血糖監控設備，以及通過相同的功能部件增強將來的連續監控設備。
本發明的一方面包括一種方法，系統和計算機程序產品，其用于從預先確定時間段中收集的SMBG數據，例如4-6周，估計HbA1c。在一種實施方案中，本發明提供一種計算機化的方法和系統，其用于基于在預先確定時間段中收集的BG數據來估計病人的HbA1c。方法包括基于收集的BG數據來計算向高血糖的加權偏移(WR)和估計的血糖變化率(Dr)；基于計算出的WR和Dr使用預先確定的數學公式來估計HbA1c；并且為所述HbA1c估計值的分類提供預先確定的置信區間。
本發明的另一方面包括一種方法，系統和計算機程序產品，其用于估計嚴重低血糖(SH)的長期可能性。這一方法使用來自預先確定時間段的SMBG讀數，例如4-6周，并且預測接下來6個月內的SH危險。在一種實施方案中，本發明提供一種計算機化的方法和系統，其用于基于在預先確定時間段中收集的BG數據來估計病人嚴重低血糖(SH)的長期可能性。方法包括基于收集的BG數據來計算向低血糖的加權偏移(WL)和估計的在低BG范圍血糖的下降率(DrDn)；基于計算出的WL和DrDn使用預先確定的數學公式來估計將來SH發作的次數；并且定義相應于所述估計SH發作的招致選定次數SH發作的可能性。
本發明的再一方面包括一種方法，系統和計算機程序產品，其用于識別低血糖危險增加的24小時時間段(或者其他選定時間段)。這通過使用在之前24小時中收集的SMBG讀數計算低血糖短期危險來實現。在一種實施方案中，本發明提供一種計算機化的方法和系統，其用于基于在預先確定時間段中收集的BG數據來估計病人嚴重低血糖(SH)的短期危險。方法包括計算向低血糖的加權偏移(WL)；通過計算wl(BG；2)的最大值確定Max(wl)；通過取預先確定時間段中WL和Max(wl)的幾何平均來確定危險值；提供預先確定的臨界危險值；并且比較確定的危險值和臨界危險值。
本發明的這三方面可以結合在一起，提供關于患有糖尿病的個體血糖控制的連續信息，并且增強低血糖危險的監控。
這些和其他目的，連同在此公開的本發明的優點和特征，將從下面的描述，附圖和權利要求書而變得更加顯然。
附圖簡述本發明前述的和其他的目的，特征和優點，以及本發明本身，從下面優選實施方案的描述將更加完全明白，當與附圖一起閱讀時，其中
圖1是流程圖，其說明依照本發明的計算估計的HbA1c和預測的HbA1c置信區間的方法。
圖2是流程圖，其說明依照本發明的計算估計的將來SH發作次數及其相關可能性的方法。
圖3是流程圖，其說明依照本發明的計算估計的招致將臨SH短期危險的方法。
圖4是在嚴重低血糖發作之前和之后觀察的典型BG擾動的圖解表示。
圖5通過給出患者A(上面)和患者B(下面)10周的數據說明預測短期SH方法的動作。SH發作由三角形標記；黑線給出危險值。當越過危險臨界值，方法顯示隨后的高危險時間段(灰色條)。
圖6是實現本發明的計算機系統的功能框圖。
圖7-9是本發明相關處理機，通信鏈路，和系統的可選變動的示意框圖。
發明詳述本發明使估計糖尿病血糖控制的精確方法的創建成為可能，但不局限于此，并且包括用于計算該方法關鍵組成部分的固件和軟件代碼。用于估計HbA1c，SH長期可能性，和低血糖短期危險的本發明方法，基于收集的大量數據也是有效的，這將在本文獻中隨后討論。最后，這些方法的各方面可以合并于結構化的顯示或矩陣。
BG偏移的靜態測量根據本發明的BG對稱化理論(見Kovatchev BP，Straume M，Cox DJ，Farhi LS。血糖數據的危險分析優化依賴胰島素的糖尿病控制的量化方法。理論醫學雜志，31-10，2001)，BG測量范圍的自然臨床中心點是在112.5mg/dl(6.25mmol/l)的BG水平——對糖尿病病人安全良好血糖值。
給定BG范圍這一臨床中心點，計算向左邊(向低血糖)的加權偏移或者向右邊(向高血糖)的加權偏移。這些偏移的加權度將分別由參數a和b如下表示wl(BG；a)＝10.f(BG)a如果f(BG)＜0，否則為0，wr(BG；b)＝10.f(BG)b如果f(BG)＞0，否則為0，其中f(BG)是在背景部分提出的BG對稱化函數。加權參數a和b對左和右偏移可以不同，或者相同。本發明者的數據分析表明用于實際應用的最佳參數值是a＝2(這是用于計算低BG指數的參數值)和b＝1。給定一系列BG讀數x1，x2，...xn，向BG范圍臨床中心點左邊和右邊的平均加權偏移分別定義為WL=1nΣi=1nwl(xi;2)]]>和WR=1nΣi=1nwr(xi;1)]]>BG偏移的這兩個量度不依賴于BG讀數的時間選擇，因此是靜態的。為了捕捉BG變化的動態特征，引入BG變化率的量度，這在下面給出。
BG危險變化率的計算假設x1，x2，...xn是在時間點t1，t2，...tn記錄的患者的n個SMBG讀數。接下來，這一數據通過計算數值f(x1)，f(x2)，...，f(xn)而轉換，并且畫出通過點(tl，f(x1))，(t2，f(x2))，...，(tn，f(xn))的三次樣條函數S(t)。這樣，函數S(t)是定義在整個區間[t1，tn]上的連續函數，而且S(tj)＝f(xj)，對j＝1，...，n。同樣計算一組數sk＝10.S(k+t1)2，對k＝0，1，...，tn-tl，從而得到以一小時增量的內插值。
接下來，考慮具有相鄰標號的所有sk數對C0＝(s0，s1)，C1＝(s1，s2)，C2＝(s2，s3)，...，并且由Mup表示所有sk＞sk+1的數對Ck的集合，以及由Mdn表示所有sk＜sk+1的數對Ck的集合。
最后，假設DrDn是數sk+1-sk的平均，如果Ck∈Mdn，以及Dr是數sk+1-sk的平均，如果Ck∈Mup+Mdn。
數DrDn和Dr提供“危險時段”中BG變化率的量度，例如與任何BG水平改變相關的危險變化率。另外，DrDn只有當BG下降時度量BG變化率，即DrDn估計當BG下降時危險能增加多快，而Dr是BG對波動的整體脆弱性的量度。進一步斷言，DrDn將與低血糖危險相關(如果某人血糖會下降很快，那么他/她的低血糖危險變高)，而Dr將與BG的整體穩定性相關。
軟件代碼(以SPSS控制語言給出)第一個是針對當BG讀數以mmol/L度量時，并且在該情況下變量為BGMM。第二個是針對當BG讀數以mg/dl度量時，并且在該情況下變量為BGMG。
如果BG以mmol/L度量，每一BG讀數首先如下轉換SCALE1＝(ln(BGMM))**1.026-1.861RISK1＝32.185*SCALE1*SCALE1如果BG以mg/dl度量，每一BG讀數首先如下轉換SCALE2＝(ln(BGMG))**1.08405-5.381RISK2＝22.765*SCALE2*SCALE2更進一步，左和右加權偏移如下計算WL＝0IF(SCALE1 le 0.0)WL＝RISK1WR＝0IF(SCALE1 gt 0.0)WR＝sqrt(RISK1)
如果BG讀數在時間上是等間隔的，或者是以一小時增量內插值，BG變化率如下計算Dr＝RISK1(BG)-RISK1(BG-1)DrDn＝0IF(SCALE le 0.0 and Dr gt 0)DrDn＝Dr最后，通過患者所有BG讀數的總合將產生WL＝mean(WL)WR＝mean(WH)Dr＝mean(Dr)and DrDn＝mean(DrDn)用于估計HbA1c的方法根據本發明的HbA1c估計方法的一種優選實施方案100將在圖1中說明。在第一步102中，SMBG數據在預先確定的時間段上收集。例如，SMBG數據在4-6周上以每天3-5次BG測量的頻率收集，這些數據通過前面部分給出的代碼或公式轉換。不同的公式將被使用，如果BG測量以mg/dl，或者以mmol/l存儲。本領域技術人員將認識到可以使用不同的水平，持續時間，和頻率。在步驟104中，使用上面討論的公式/代碼計算向高血糖的加權偏移(WR)和估計的血糖變化率(Dr)。在步驟106中，來源于自監控數據的HbA1c估計值使用線形方程EstHBA1c＝0.9008*WR-0.8207*DR+6.7489來計算。應當注意，這一方程的系數從867個患有糖尿病的個體的數據中獲得，并且應當認識到進一步的數據積累可以更新這些系數。在步驟108中，表示估計的HbA1c值范圍的HbA1c估計值分類根據表格1定義。
表格1基于EstHBA1c定義分類
在步驟110中，對應HbA1c的預測的置信區間根據表格2得到。
表格2HbA1c分類的預測的95％置信區間
在步驟112中，來自步驟106的估計的HbA1c被指定到在表格1和/或表格2中給出的一個分類中。
HbA1c估計的經驗實證表格2中HbA1c的區間是基于廣泛研究的。為了驗證這些區間，我們分析來自867個糖尿病患者的SMBG和HbA1c數據。所有患者被指示使用BG記錄計量儀六個月，并且一天測量他們的BG二到四次。在相同的時間段內，對每位患者做5-8次HbA1c化驗。記錄計量儀數據用電子儀器下載并存儲于計算機中用于進一步分析。這一過程產生數據庫，其包含在六個月內提取多于300,000個SMBG讀數和4,180次HbA1c化驗。方差分析旨在比較表格1中確定的七個分類中的HbA1c。五種分類非常不同，具有F＝91和p＜0.00001。而且，平均HbA1c對每對分類顯著不同，這由鄧肯域表明，具有p＜0.01。
同樣，對七個分類每一個中的HbA1c平均值計算95％置信區間。這些置信區間用作計算在表格2中給出的HbA1c區間的基礎。本方法分類能力的后此分析表明本方法很好地避免極端錯誤，例如錯誤地將HbA1c歸類到基于SMBG的分類1，2或3中，而實際的HbA1c大于9.5％，或者將HbA1c歸類到分類5，6或7中，而實際的HbA1c低于9.0％。
總之，在最初4-6周SMBG讀數后，計算機化的方法計算HbA1c值的區間估計，其可以用來跟蹤病人在高BG范圍血糖控制中的變化。
用干估計嚴重低血糖(SH)長期可能性的方法根據本發明的SH長期可能性估計方法的一種優選實施方案200在圖2中說明。在第一步202中，SMBG數據在預先確定的時間段上收集。例如，SMBG數據在4-6周上以每天3-5次BG測量的頻率收集，這些數據通過上面直接給出的代碼或公式轉換。不同的公式將被使用，如果BG測量以mg/dl，或者以mmol/l存儲。本領域技術人員將認識到可以使用不同的水平，持續時間，和頻率。在步驟204中，使用上面討論的公式/代碼計算WL和DrDn。在步驟206中，使用線形方程EstNSH＝3.3613*WL-4.3427*DrDn-1.2716
計算將來SH發作次數的估計值。應當注意，這一方程的系數從181個患有糖尿病的個體的數據中獲得，并且應當認識到進一步的數據積累可以更新這些系數。更應當注意，這一公式給出將來SH發作次數的單值估計，并且通過附加的方法，這在下面討論，對分類給出用于增強的臨床應用的范圍和置信水平。在步驟208中，表示estNSH值范圍的SH發作估計次數(estNSH)的分類根據表格3定義。
表格3EstNSH分類
在步驟210中，相應于estNSH分類，獲得隨后六個月中招致0次，1-2次，或者大于2次SH發作的可能性，這在表格4中表示。
表格4隨后6個月中0次，1-2次，2次或者更多SH發作的可能性
在步驟212中，來自步驟206的EstNSH被指定到表格3和/或表格4中給出的一個分類中。
SH長期可能性估計的經驗實證181個患有I型糖尿病的成年人(平均年齡37歲，糖尿病持續時間18年)使用記錄計量儀在一個月內收集多于34,000個SMBG。然后，接下來的六個月，他們將SH的任何發作記錄在日志中。SMBG數據作算術轉換，并且使用線形回歸模型預測將來的嚴重低血糖，其導致非常重要的模型(F＝36.3，p＜0.0001)以及55％的多重R。
使用本長期SH方法，所有患者分成4類。在分類1，2，3和4中將來的SH發作的平均次數分別為0.3，2.0，5.0和9.75。方差分析表明這些分類之間極大的不同，F＝19.0，p＜0.0001。
總之，在“危險時段”中測量的低BG指數和BG下降率的線形組合提供SH長期危險的精確估計。因為它基于由許多反射計量儀自動存儲的SMBG記錄，所以這是病人在低BG范圍中血糖控制有效的且臨床上有用的指標。
用于估計低血糖短期(24小時內)危險的方法根據本發明的SH短期危險估計方法的一種優選實施方案300在圖3中說明。在第一步302中，SMBG數據在預先確定的短期時間段上收集。例如，作為根據數據分析的標準水平，SMBG數據在24小時時間段上以每天3-5次BG測量——4個或者更多讀數的頻率收集。本領域技術人員將認識到可以使用不同的水平，時間段(持續時間)，和頻率。在步驟304中，從之前24小時內收集的所有讀數計算WL(24)和Max(wl)，其中wl(BG；2)的最大值是Max(wl)。在步驟306中，危險值是通過取24小時時間段上WL和Max(wl)的幾何平均值，其中所述危險值算術定義為Risk(24)=ML(24)·Max(wl);]]>在步驟308中，確定臨界危險值。在步驟310中，將估計的危險值與臨界危險值比較。例如，如果臨界危險值設為17，那么如果Risk(24)＞17，那么——基于在之前24小時上收集的SMBG數據——結果的顯示是病人招致將臨低血糖的高危險。換句話說，這是考慮24小時時間段的SMBG數據并且判斷這一時間段是否可能在將臨低血糖發作之前的決策規則。臨界值17從廣泛的數據集獲得，但是，應該認識到，隨著進一步的數據積累或者為了另外的目的，這一值可能被調節。
低血糖短期危險估計的經驗實證通過簡報，糖尿病診所中的廣告以及通過直接轉診介紹招收85個個體。包含標準是1)年齡21-60歲；2)具有至少2年持續時間的I型糖尿病，并且從診斷起就使用胰島素；3)至少2次在過去一年中的備有證明文件的SH發作；以及4)用于糖尿病監控的SMBG設備的日常使用。參與者被指示一天使用計量儀3-5次，并且將任何SH發作記錄在每月的日志中，包括它們發作的準確日期和時間。SH定義為嚴重神經性低血糖，其導致昏迷或不省人事，并且排除自治療。對每位患者研究持續6-8個月，并且每月都下載患者的計量儀讀數并收集SH日志。計量儀的存儲容量是足夠的，并且下載也足夠頻繁，使得沒有BG數據丟失。在參與者的糖尿病處理常規中不做改變，在研究過程中也不給予任何額外的治療。
在研究過程中，從參與者的記錄計量儀下載了總共75,495個SMBG讀數(平均每位患者每天4.0±1.5個)，并且在他們的日志中記錄了399次SH發作(每位患者4.7±6.0次)。其中，一個重要的發現是中等或嚴重低血糖發作之前或之后有可測量的BG擾動。在SH發作之前的24小時時間段內，低BG指數(例如WL)上升(p＜0.001)，平均BG降低(p＝0.001)，并且BG方差增加(p＝0.001)。在SH發作之后的24小時內，低BG指數和BG方差仍然升高(p＜0.001)，但是平均BG回到它的基線。
為此目的，圖4是在嚴重低血糖發作之前和之后觀察的典型BG擾動的圖解表示。在SH發作之前的48-24小時時間段內，平均BG水平降低，并且BG方差增加。直接在SH發作之前的24小時時間段內，平均BG水平進一步降低，并且BG方差繼續增加。在SH發作之后的24小時時間段內，平均BG水平正常化，但是BG方差仍然大幅度增加。在SH發作之后的48小時內，平均BG和它的方差回到它們的基線水平。
同樣地，作為本發明的一部分，在圖4中呈現的擾動從SMBG數據量化，使得能夠估計低血糖的短期危險。邊界值Risk(24)＝17從沿循下列約束的優化獲得1)方法必須預測SH發作的最大百分率，即將SH之前24小時時間段的最大百分率確定為危險的。2)為了避免危險的估計過高，方法必須使確定為危險的時間不超過研究總時間的15％(平均一周一天)。邊界危險值17對所有患者保持恒定。選擇值15％的原因在于避免病人因“誤報警”過多而變得惱怒，于是忽略“真報警”。在實踐中，病人的醫生可以選擇替代的值，這依賴于病人糖尿病的嚴重程度以及特殊的目的。
下面的例子說明算法在研究中兩個參與者的SMBG數據上的動作。圖5給出患者A(上面)和患者B(下面)十周的數據。SH發作由三角形標記，黑色曲線給出危險值。當越過危險臨界值(Risk＝17的水平線)時，算法顯示隨后的高危險時間段(灰色條)。對患者A，9次SH發作中7次被預測到，并且有5次誤報警，例如，沒有導致SH的高危險時間段。對患者B，有三次誤報警而只有一次SH發作被預測到。顯然，與患者A的危險值比較，患者B的危險值包括更多和更高的偏差。對兩個患者，所有SH發作伴隨有超臨界的危險值，并且所有大偏差中大約一半伴隨有一次或者多次SH發作。
對研究中所有參與者，所有記錄的SH發作的44％之前24小時有高危險時間段，并且50％之前48小時有高危險時間段。如果只考慮具有至少3次或至少4次SMBG測量的時間段，那么后來的預測準確度分別提高到53％和57％。在之后沒有SH發作的高危險時間段中或者直接在其之后，也就是在誤報警中或者直接在其之后，出現的BG水平后此分析表明，這種BG水平每位患者的平均最小值是2.3±0.2mmol/l，相對于所有非危險時間段包括所有仍未記入的SH發作的5.9±1.7mmol/l(t＝19.5，p＜0.0001)。這表明，雖然有癥狀的SH沒有發生，但是在高危險時間段之后的BG水平特別低。
總之，本發明者模擬短期危險方法在85個患有I型糖尿病的個體6個月的SMBG讀數系列上的動作。以每天4個或者更多的SMBG讀數，至少所有SH發作的50％能夠被預測到。甚至當有癥狀的SH沒有發生時，算法預測中等低血糖的發作。
三種方法的綜合在上面討論的并在圖1-3中說明的本發明的三種方法使用相同的SMBG數據系列。因此，從SMBG設備的觀點，這三種方法結果的統一顯示或矩陣可做成類似于下面呈現的方格輸出
這樣，例如上面方格顯示的患者1(Ss1)的輸出表明，該患者可能具有9-9.5％之間的HbA1c，并且具有90％的概率在隨后的6個月中不會經歷嚴重低血糖。患者2(Ss2)的輸出表明，該患者可能具有低于8％的HbA1c，并且具有大于80％的概率在隨后的6個月中經歷至少3次SH發作。
除這種方格輸出之外，短期危險方法提供將臨低血糖危險的連續跟蹤，并且可以用來當這一危險變高時發聲報警。
本發明的方法可以使用硬件，軟件，或者它們的組合來實現，并且可以在一個或多個計算機系統或者其它處理系統例如個人數字助理(PDA)中實現。在一種實例實施方案中，本發明在運行于圖6中說明的通用計算機900上的軟件中實現。計算機系統600包括一個或多個處理器，例如處理器604。處理器604連接到通信基礎結構606(例如通信總線，交叉帶，或者網絡)。計算機系統600包括顯示接口602，其從通信基礎結構606(或者從幀緩沖區，沒有顯示)轉發圖形，文本，和其他數據以在顯示單元630上顯示。
計算機系統600也包括主存儲器608，優選地是隨機存取存儲器(RAM)，并且也可以包括輔助存儲器610。輔助存儲器610可以包括，例如，硬盤驅動器612和/或表示軟盤驅動器，磁帶驅動器和光盤驅動器等的可移動存儲驅動器614。可移動存儲驅動器614以眾所周知的方式從可移動存儲單元618上讀和/或向其寫數據。可移動存儲單元618表示軟盤，磁帶，光盤等，其由可移動存儲驅動器614來讀寫。應當認識到，可移動存儲單元618包括其中已經存儲計算機軟件和/或數據的計算機可用存儲介質。
在可選實施方案中，輔助存儲器610可以包括其它裝置，其用于允許計算機程序或其它指令裝載入計算機系統600中。這些裝置可以包括，例如，可移動存儲單元622和接口620。這種可移動存儲單元/接口的例子包括程序盒式磁盤機及盒式接口(例如視頻游戲設備中見到的)，可移動存儲芯片(例如ROM，PROM，EPROM或EEPROM)及相關接口，以及允許軟件及數據從可移動存儲單元622傳送到計算機系統600的其它可移動存儲單元622及接口620。
計算機系統600也可以包括通信接口624。通信接口624允許軟件和數據在計算機系統600和外部設備之間傳送。通信接口624的實例可以包括調制解調器，網絡接口(例如以太網卡)，通信端口，PCMCIA插槽和卡，等等。通過通信接口624傳送的軟件和數據是信號628的形式，其可以是電，電磁，光或能夠被通信接口624接收的其他信號。信號628通過通信路徑(即信道)626提供給通信接口624。信道626傳送信號628，并且可以使用電線或電纜，光纖，電話線，移動電話鏈路，RF鏈路及其他通信信道來實現。
在本文獻中，術語“計算機程序介質”和“計算機可用介質”用來通稱指這樣一些媒介，例如可移動存儲驅動器914，安裝在硬磁盤驅動器612中的硬盤，和信號628。這些計算機程序產品是用于向計算機系統600提供軟件的裝置。本發明包括這些計算機程序產品。
計算機程序(也稱作計算機控制邏輯)存儲于主存儲器608和/或輔助存儲器610中。計算機程序也可以通過通信接口624而接收。這些計算機程序，當執行時，使計算機系統600能夠執行在此討論的本發明的特征。特別地，計算機程序，當執行時，使處理器604能夠執行本發明的函數。因此，這種計算機程序代表計算機系統600的控制器。
在本發明使用軟件來實現的一種實施方案中，軟件可以使用可移動存儲驅動器614，硬盤驅動器612或通信接口624而存儲于計算機程序產品中，并裝載入計算機系統600。控制邏輯(軟件)，當由處理器604執行時，促使處理器604執行在此討論的本發明的函數。
在另一種實施方案中，本發明主要以硬件實現，使用例如硬件組成部分例如專用集成電路(ASIC)。實現硬件狀態機以執行在此描述的函數，對相關領域的技術人員將是顯然的。
在又另外一種實施方案中，本發明使用硬件和軟件的組合來實現。
在本發明一種實例的軟件實施方案中，在上面描述的方法以SPSS控制語言實現，但也可以以其他程序實現，例如C++編程語言，但不局限于此。
圖7-9顯示本發明可選實施方案的框圖表示。參考圖7，顯示系統710的框圖表示，基本上包括由病人712用來記錄尤其是胰島素劑量讀數和測得的血糖(“BG”)水平的血糖計量儀728。由血糖計量儀728獲得的數據優選地通過適當的通信鏈路714或數據調制解調器732傳送到處理站或芯片，例如個人計算機740，PDA，或移動電話。舉例來說，存儲的數據可以存儲于血糖計量儀728中，并且可以通過適當的接口電纜直接下載到個人計算機740中。一個例子是LifeScan股份有限公司的ONE TOUCH監控系統或計量儀，其與包括將載數據下載到個人計算機的接口電纜的IN TOUCH軟件相兼容。
血糖計量儀在本行業中是通用的，基本上包括可以起到BG獲取裝置作用的任何設備。BG計量儀或者獲取裝置，設備，工具，或系統包括指向對每一試驗抽取血樣(例如通過扎手指)的各種傳統方法，以及使用通過機電的或claorimetric的方法讀取血糖濃度的儀器確定血糖水平。最近，已經研究出用于樣確定血分析物濃度而不抽血的方法。例如，Yang等人的美國專利號5,267,152，描述一種使用近紅外輻射漫反射激光光譜學來測量血糖濃度的非侵害技術。類似的近紅外光譜測定設備也在Rosenthal等人的美國專利號5,086,229和Robinson等人的美國專利號4,975,581中描述。
Stanley的美國專利號5,139,023描述一種穿過皮膚的血糖監控裝置，其依賴透過性強化因子(例如膽汁鹽)來促進沿組織液與接收介質之間建立的濃度梯度的血糖穿過皮膚的移動。Sembrowich的美國專利號5,036,861描述一種無源血糖監控器，其通過皮膚斑貼來收集汗，其中使用膽堿能藥模擬排泄汗腺的汗分泌。類似的汗收集設備在Schoendorfer的美國專利號5,076,273和Schroeder的美國專利號5,140,985中描述。
另外，Glikfeld的美國專利號5,279,543描述使用電離子透入療法非侵害地采樣物質，其通過皮膚進入皮膚表面上的接收器中。Glikfeld講授，這一采樣過程可以與血糖特定的生物傳感器或血糖特定的電極結合以便監控血糖。此外，Tamada的國際公開號WO 96/00110描述一種電離子透入療法裝置，其用于目標物質的穿過皮膚的監控，其中電離子透入療法電極用來將分析物移入收集容器中，而生物傳感器用來檢測存在于容器中的目標分析物。最后，Berner的美國專利號6,144,869描述一種采樣系統，其用于測量給出的分析物的濃度。
更進一步，BG計量儀或獲取裝置可以包括留置導管和皮下組織液采樣。
計算機或PDA740包括依照預定義的流程(這在上面詳細描述)處理，分析和解釋自記錄的糖尿病病人數據，并且產生適當的數據解釋輸出所必須的軟件和硬件。優選地，由計算機740在存儲的病人數據上執行的數據分析和解釋，以通過與個人計算機740相連的打印機產生的紙報表形式顯示。作為選擇，數據解釋過程的結果可以直接顯示在與計算機740相連的視頻顯示單元上。
圖8顯示具有糖尿病管理系統的可選實施方案的框圖表示，糖尿病管理系統是病人操作的裝置810，其具有優選地足夠小型的外殼，使裝置810可由病人手握并攜帶。用于接收血糖試驗片條的片導向器(沒有顯示)位于外殼816的表面。試驗片條用于從病人812接收血樣。裝置包括微處理器822和連接到微處理器822的存儲器824。微處理器22用來執行存儲于存儲器824中的計算機程序以執行在上面非常詳細討論的各種計算和控制函數。鍵盤816通過標準鍵盤解碼器826連接到微處理器822。顯示器814通過顯示驅動器830連接到微處理器822。微處理器822通過接口與顯示驅動器830通信，并且顯示驅動器830在微處理器822的控制下更新和刷新顯示器814。揚聲器854和時鐘856也連接到微處理器822。揚聲器854在微處理器822的控制下工作，以發出告警病人可能的將來低血糖的可聽音。時鐘856向微處理器822提供當前的日期和時間。
存儲器824也存儲病人812的血糖值，胰島素計量值，胰島素類型，和微處理器822用來計算將來血糖值的參數值，補充的胰島素計量，和醣類補充。每一血糖值和胰島素計量值與對應的日期和時間一起存儲于存儲器824中。存儲器824優選地為非易失性存儲器，例如電可擦除只讀存儲器(EEPROM)。
裝置810也包括連接到微處理器822的血糖計量儀828。血糖計量儀828用來測量在血糖試驗片條上接收的血樣，并從血樣的測量產生血糖值。如前面提到的，這些血糖計量儀在本領域是眾所周知的。血糖計量儀828優選地是這樣一種計量儀，其產生直接輸出到微處理器822的數字值。作為選擇，血糖計量儀828可以是產生模擬值的這樣一種計量儀。在這一可選實施方案中，血糖計量儀828通過模數轉換器(沒有顯示)連接到微處理器822。
裝置810進一步包括輸入/輸出端口834，優選地為串口，其連接到微處理器822。端口834通過接口，優選地為標準RS232接口，連接到調制解調器832。調制解調器832用于通過通信網絡建立裝置810和個人計算機840或健康管理提供者計算機838之間的通信鏈路。用于通過連接卡連接電子設備的特殊技術在本領域是眾所周知的。另一個可選的實例是“藍牙”技術通信。
作為選擇，圖9顯示具有糖尿病管理系統的可選實施方案的框圖表示，它是病人操作的裝置910，與圖8中所顯示的類似，其具有優選地足夠小型的外殼使得裝置910可由病人手握并攜帶。但是，本實施方案包括獨立的或可分離的血糖計量儀或BG獲取裝置928。
因此，在此描述的實施方案能夠在數據通信網絡例如因特網上實現，使估計，預測，和信息對在任何遠程位置的任何處理器或計算機都是容易取得的，這在圖6-9和/或特在此引入作為參考的Wood的美國專利號5,851,186中描述。作為選擇，處于遠程位置的病人可以讓BG數據傳送到中心的健康管理提供者或住所，或者不同的遠程位置。
總之，本發明提出一種數據分析計算機化的方法和系統，其用于同時估計患有糖尿病的個體中血糖控制的兩個最重要組成部分HbA1c和低血糖危險。該方法，只使用常規SMBG數據，尤其提供三組輸出。
本發明方法，系統，和計算機程序產品潛在的實現是，它提供下面的優點，但不局限于此。首先，本發明通過產生并顯示1)估計的HbA1c分類，2)估計的隨后六個月中SH發作的可能性，和3)估計的低血糖短期危險(即對接下來的24小時)，來增強現有的家用BG監控設備。后者可以包括指示將臨低血糖發作的警告，例如報警器。這三個組成部分也可以結合以提供有關患有糖尿病的個體血糖控制的連續信息，并增強他們低血糖危險的監控。
作為第二個優點，本發明增強取回SMBG數據的現有的軟件或硬件。這種軟件或硬件由事實上每一家用BG監控設備的制造商生產，并通常由病人或健康管理提供者用來解釋SMBG數據。本發明的方法和系統可以通過引入能夠預測HbA1c和低血糖危險增加時間段的數據解釋組成部分，直接并入現有的家用血糖監控器中，或用于增強取回SMBG數據的軟件。
再一個優點，本發明在低和高BG范圍以及在整個BG范圍上，估計家用BG監控設備的準確度。
而且，另一個優點，本發明估計各種糖尿病治療的有效性。
更進一步，因為糖尿病病人面臨維持嚴格血糖控制而不增加他們低血糖危險的終身優化問題，本發明通過使用它的簡單而可靠的方法緩和這一相關問題，即本發明能夠估計病人的血糖控制和他們的低血糖危險，并且同時將其應用于他們日常環境中。
另外，本發明通過提出用于從SMBG數據估計HbA1c和低血糖危險的三種截然不同，但相互兼容的算法來提供缺少環節，其用來預測低血糖短期和長期危險，以及高血糖長期危險。
最后，另一個優點，本發明估計新的胰島素或胰島素輸送設備的有效性。胰島素或胰島素輸送設備的任何制造商或研究者可以使用本發明的實施方案來檢驗提出的或試驗的胰島素類型或設備輸送設計的相關成功。
本發明可以不違反其精神或基本性質的其它特定形式具體化。因此，前面的實施方案在各個方面都認為是說明性的，而不是在此描述的本發明的限制。從而，本發明的范疇由附加的權利要求書而不是由前面的描述指明，因此在權利要求書等價意義和范圍內的所有變化被認為包含于其中。
權利要求
1.一種計算機化的方法，其用于基于在預先確定時期段上收集的BG數據來估計病人的HbA1c，所述方法包括基于所述收集的BG數據計算向高血糖的加權偏移(WR)和估計的血糖變化率(Dr)；基于所述計算的WR和Dr，使用預先確定的數學公式來估計HbA1c。
2.權利要求1的方法，其中所述計算的WR從在時間點t1，t2，...tn抽取的一系列BG讀數x1，x2，...xn算術地定義為WR=1nΣi=1nwr(xi;1)]]>其中wl(BG；b)＝10.f(BG)b如果f(BG)＞0，否則取0，b＝1，表示權重參數，并且所述計算的DR算術地定義為Dr＝sk+1-sk的平均其中sk＝10.S(k+t1)2對于k＝0，1，...，tn-t1S(tj)＝f(xi) 對j＝1，...，n
3.權利要求1的方法，其中從所述BG監控數據的所述HbA1c的估計值算術地定義為估計的HbA1c＝0.9008(WR)-0.8207(DR)+6.7489。
4.權利要求1的方法，進一步包括對HbA1c估計值定義預先確定的分類，每一所述的HbA1c估計值分類表示估計的HbA1c的值范圍；將所述估計的HbA1c指定到至少一個所述的HbA1c估計值分類。
5.權利要求4的方法，其中所述的HbA1c估計值分類定義如下分類1，其中所述估計的HbA1c小于大約7.8；分類2，其中所述估計的HbA1c大約7.8-大約8.5；分類3，其中所述估計的HbA1c大約8.5-大約9.0；分類4，其中所述估計的HbA1c大約9.0-大約9.6；分類5，其中所述估計的HbA1c大約9.6-大約10.3；分類6，其中所述估計的HbA1c大約10.3-大約11.0；分類7，其中所述估計的HbA1c高于大約11.0。
6.權利要求5的方法，進一步包括對相應的所述HbA1c估計值分類，定義預測的置信區間，其中所述預測的置信區間定義如下所述分類1與預測的小于大約8.0的HbA1c相對應；所述分類2與預測的大約8.0-大約8.5的HbA1c相對應；所述分類3與預測的大約8.5-大約9.0的HbA1c相對應；所述分類4與預測的大約9.0-大約9.5的HbA1c相對應；所述分類5與預測的大約9.5-大約10.1的HbA1c相對應；所述分類6與預測的大約10.1-大約11.0的HbA1c相對應；所述分類7與預測的大于大約11.0的HbA1c相對應。
7.權利要求4的方法，進一步包括對相應的所述HbA1c定義預測的置信區間，每一所述預測的置信區間表示HbA1c的值范圍。
8.權利要求7的方法，其中所述預測的HbA1c置信區間具有大約95％的置信水平。
9.一種計算機化的方法，其用于基于在預先確定時期段上收集的BG數據來估計病人的HbA1c，所述方法包括基于所述收集的BG數據計算向高血糖的加權偏移(WR)和估計的血糖變化率(Dr)；基于所述計算的WR和Dr，使用預先確定的數學公式來估計HbA1c；為所述HbA1c估計值的分類提供預先確定的置信區間。
10.權利要求9的方法，其中所述置信區間大約85％-大約95％。
11.一種用于基于在預先確定時間段上收集的BG數據來估計病人HbA1c的系統，所述系統包括數據庫組成部分，其運轉以維護識別所述BG數據的數據庫；處理器，其程式化以基于所述收集的BG數據計算向高血糖的加權偏移(WR)和估計的血糖變化率(Dr)；基于所述計算的WR和Dr，使用預先確定的數學公式來估計HbA1c。
12.權利要求11的系統，其中所述計算的WR從在時間點t1，t2，...tn抽取的一系列BG讀數x1，x2，...xn算術地定義為WR=1nΣi=1nwr(xi;1)]]>其中wl(BG；b)＝10.f(BG)b如果f(BG)＞0，否則取0，b＝1，表示權重參數，所述計算的DR算術地定義為Dr＝sk+1-sk的平均其中sk＝10.S(k+t1)2對k＝0，1，...，tn-t1s(tj)＝f(xi) 對j＝1，...，n
13.權利要求11的系統，其中從所述BG監控數據的所述HbA1c估計值算術地定義為估計的HbA1c=0.9008(WR)-0.8207(DR)+6.7489。
14.權利要求11的系統，其中所述處理器進一步程式化以對HbA1c估計值定義預先確定的分類，每一所述的HbA1c估計值分類表示估計的HbA1c的值范圍；將所述估計的HbA1c指定到至少一個所述的HbA1c估計值分類。
15.權利要求14的系統，其中所述HbA1c估計分類定義如下分類1，其中所述估計的HbA1c小于大約7.8；分類2，其中所述估計的HbA1c大約7.8-大約8.5；分類3，其中所述估計的HbA1c大約8.5-大約9.0；分類4，其中所述估計的HbA1c大約9.0-大約9.6；分類5，其中所述估計的HbA1c大約9.6-大約10.3；分類6，其中所述估計的HbA1c大約10.3-大約11.0；分類7，其中所述估計的HbA1c高于大約11.0。
16.權利要求15的系統，其中所述處理器進一步程式化以對相應的所述HbA1c估計值分類，定義預測的置信區間，其中所述預測的置信區間定義如下所述分類1與預測的小于大約8.0的HbA1c相對應；所述分類2與預測的大約8.0-大約8.5的HbA1c相對應；所述分類3與預測的大約8.5-大約9.0的HbA1c相對應；所述分類4與預測的大約9.0-大約9.5的HbA1c相對應；所述分類5與預測的大約9.5-大約10.1的HbA1c相對應；所述分類6與預測的大約10.1-大約11.0的HbA1c相對應；所述分類7與預測的大于大約11.0的HbA1c相對應。
17.權利要求14的系統，其中所述處理器進一步程式化以對相應的所述HbA1c定義預測的置信區間，每一所述預測的置信區間表示HbA1c的值范圍。
18.權利要求17的系統，其中所述預測的HbA1c置信區間具有大約95％的置信水平。
19.一種用于估計病人HbA1c的血糖控制系統，所述系統包括BG獲取機構，配置所述獲取機構以取得病人的BG數據。數據庫組成部分，其運轉以維護識別所述BG數據的數據庫；處理器，其程式化以基于所述收集的BG數據計算向高血糖的加權偏移(WR)和估計的血糖變化率(Dr)；基于所述計算的WR和Dr，使用預先確定的數學公式來估計HbA1c。
20.一種計算機程序產品，其包括具有計算機程序邏輯的計算機可用介質，計算機程序邏輯用于使計算機系統中至少一個處理器能夠基于BG數據估計病人的HbA1c，所述計算機程序邏輯包括基于所述收集的BG數據計算向高血糖的加權偏移(WR)和估計的血糖變化率(Dr)；基于所述計算的WR和Dr，使用預先確定的數學公式來估計HbA1c。
21.權利要求20的計算機程序產品，其中所述計算機邏輯進一步包括對所述HbA1c估計值的分類提供預先確定的置信區間，其中所述置信區間是單一值或值的范圍。
22.一種計算機化的方法，其用于基于在預先確定時間段上收集的BG數據來估計病人嚴重低血糖(SH)的長期可能性，所述方法包括基于所述收集的BG數據計算向低血糖的加權偏移(WL)和估計的在低BG范圍內血糖的下降率(DrDn)；基于所述計算的wL和DrDn，使用預先確定的數學公式估計將來SH發作的次數。
23.權利要求22的方法，其中所述計算的WL從在時間點t1，t2，...tn抽取的一系列BG讀數x1，x2，...xn算術地定義為WL=1nΣi=1nwl(xi;2)]]>其中wl(BG；a)＝10.f(BG)a如果f(BG)＜0，否則取0，a＝2，表示權重參數，所述計算的DR算術地定義為DrDn＝sk+1-sk的平均，如果sk＜sk+1其中sk＝10.S(k+t1)2對k＝0，1，...，tn-t1S(tj)＝f(xj) 對j＝1，...，n
24.權利要求22的方法，其中所述估計的將來SH發作次數(EstNSH)算術地定義為EstNSH＝3.3613(WL)-4.3427(DrDn)-1.2716。
25.權利要求22的方法，進一步包括定義預先確定的EstNSH分類，每一所述EstNSH分類表示EstNSH的值范圍；將所述EstNSH指定到至少一個所述EstNSH分類。
26.權利要求25的方法，其中所述EstNSH分類定義如下分類1，其中所述EstNSH分類小于大約0.775；分類2，其中所述EstNSH分類大約0.775-大約3.750；分類3，其中所述EstNSH分類大約3.750-大約7.000；分類4，其中所述EstNSH分類高于大約7.0。
27.權利要求26的方法，進一步包括分別對每一所述指定的EstNSH分類，定義招致選定次數SH發作的可能性，其中所述可能性和所述各選定SH次數定義為所述分類1與在預先確定時間段上招致大約0次SH發作的大約90％可能性，以及招致大約1次和更多SH發作的大約10％可能性相對應。所述分類2與在預先確定時間段上招致大約0次SH發作的大約50％可能性，招致大約1次到大約2次SH發作的25％可能性，以及招致多于2次SH發作的25％可能性相對應。所述分類3與在預先確定時間段上招致大約0次SH發作的大約25％可能性，招致大約1次到大約2次SH發作的25％可能性，以及招致多于2次SH發作的50％可能性相對應。所述分類4與在預先確定時間段上招致大約0次到大約2次SH發作的大約20％可能性，以及招致多于2次SH發作的大約80％可能性相對應。
28.權利要求25的方法，進一步包括分別對每一所述指定的EstNSH分類，定義招致選定次數SH發作的可能性；根據所述EstNSH被指定到的所述EstNSH分類，提供招致選定次數SH發作的至少一個可能性。
29.一種計算機化的方法，其用于基于在預先確定時間段上收集的BG數據來估計病人嚴重低血糖(SH)的長期可能性，所述方法包括基于所述收集的BG數據計算向低血糖的加權偏移(WL)和估計的在低BG范圍內血糖的下降率(DrDn)；基于所述計算的WL和DrDn，使用預先確定的數學公式估計將來SH發作次數；定義相應于所述估計的SH發作的招致選定次數SH發作的可能性。
30.一種用于基于在預先確定時間段上收集的BG數據來估計病人嚴重低血糖(SH)長期可能性的系統，所述系統包括數據庫部分，其運轉以維護識別所述BG數據的數據庫；處理器，其程式化以基于所述收集的BG數據計算向低血糖的加權偏移(WL)和估計的在低BG范圍內血糖的下降率(DrDn)；基于所述計算的WL和DrDn，使用預先確定的數學公式估計將來SH發作次數；
31.權利要求30的系統，其中所述計算的WL從在時間點t1，t2，...tn抽取的一系列BG讀數x1，x2，...xn算術地定義為WL=1nΣi=1nwl(xi;2)]]>其中wl(BG；a)＝10.f(BG)a如果f(BG)＜0，否則取0，a＝2，表示權重參數，所述計算的DR算術地定義為DrDn＝sk+1-sk的平均，如果sk＜sk+1其中sk＝10.S(k+t1)2對k＝0，1，...，tn-t1S(tj)＝f(xj) 對j＝1，...，n
32.權利要求30的系統，其中所述估計的將來SH發作次數(EstNSH)算術地定義為EstNSH＝3.3613(WL)-4.3427(DrDn)-1.2716。
33.權利要求30的系統，其中所述處理器進一步程式化以定義預先確定的EstNSH分類，每一所述EstNSH分類表示EstNSH的值范圍；將所述EstNSH指定到至少一個所述EstNSH分類。
34.權利要求33的系統，其中所述EstNSH分類定義如下分類1，其中所述EstNSH分類小于大約0.775；分類2，其中所述EstNSH分類大約0.775-大約3.750；分類3，其中所述EstNSH分類大約3.750-大約7.000；分類4，其中所述EstNSH分類高于大約7.0。
35.權利要求34的方法，其中所述處理器進一步程式化以分別對每一所述指定的EstNSH分類，定義招致選定次數SH發作的可能性，其中所述可能性和所述各選定SH次數定義為所述分類1與在預先確定時間段上招致大約0次SH發作的大約90％可能性，以及招致大約1次和更多SH發作的大約10％可能性相對應。所述分類2與在預先確定時間段上招致大約0次SH發作的大約50％可能性，招致大約1次到大約2次SH發作的25％可能性，以及招致多于2次SH發作的25％可能性相對應。所述分類3與在預先確定時間段上招致大約0次SH發作的大約25％可能性，招致大約1次到大約2次SH發作的25％可能性，以及招致多于2次SH發作的50％可能性相對應。所述分類4與在預先確定時間段上招致大約0次到大約2次SH發作的大約20％可能性，以及招致多于2次SH發作的大約80％可能性相對應。
36.權利要求33的系統，其中所述處理器進一步程式化以分別對每一所述指定的EstNSH分類，定義招致選定次數SH發作的可能性；根據所述EstNSH被指定到的所述EstNSH分類，提供招致選定次數SH發作的至少一個可能性。
37.一種用于估計病人嚴重低血糖(SH)長期可能性的血糖控制系統，所述系統包括BG獲取機構，配置所述獲取機構以取得病人的BG數據。數據庫組成部分，其運轉以維護識別所述BG數據的數據庫；處理器，其程式化以基于所述收集的BG數據計算向低血糖的加權偏移(WL)和估計的在低BG范圍內血糖的下降率(DrDn)；基于所述計算的WL和DrDn，使用預先確定的數學公式估計將來SH發作次數。
38.一種計算機程序產品，其包括具有計算機程序邏輯的計算機可用介質，計算機程序邏輯用于使計算機系統中至少一個處理器能夠基于BG數據估計病人嚴重低血糖(SH)的長期可能性，所述計算機程序邏輯包括基于所述收集的BG數據計算向低血糖的加權偏移(WL)和估計的在低BG范圍內血糖的下降率(DrDn)；基于所述計算的WL和DrDn，使用預先確定的數學公式估計將來SH發作的次數。
39.權利要求38的計算機程序產品，其中所述計算機程序邏輯進一步包括定義相應于所述估計的SH發作的招致選定次數SH發作的可能性。
40.一種計算機化的方法，其用于基于在預先確定時間段上收集的BG數據來估計病人嚴重低血糖(SH)短期危險，所述方法包括計算向低血糖的加權偏移(WL)；通過計算wl(BG；2)的最大值確定Max(wl)；通過取所述預先確定時間段上的WL和Max(wl)的幾何平均來確定危險值，所述危險值算術地定義為
41.權利要求40的方法，其中所述計算的WL從在預先確定時間段上抽取的一系列BG讀數x1，x2，...xn算術地定義為WL=1nΣi=1nwl(xi;2)]]>其中wl(BG；a)＝10.f(BG)a如果f(BG)＜0，否則取0，a＝2，代表權重參數。
42.權利要求40的方法，進一步包括提供預先確定的臨界危險值；和將所述確定的危險值與所述臨界危險值比較。
43.權利要求42的方法，其中如果所述確定的危險值大于所述臨界值，那么招致低血糖發作的短期危險是高的；以及如果所述確定的危險值小于所述臨界值，那么招致低血糖發作的短期危險是低的。
44.權利要求43的方法，其中所述短期是大約24小時時間段。
45.權利要求43的方法，其中所述短期在從大約12小時到大約72小時時間段范圍內。
46.權利要求43的方法，其中所述臨界值大約是17。
47.權利要求43的方法，其中所述臨界值大約12-25。
48.一種用于基于在預先確定時間段上收集的BG數據來估計病人嚴重低血糖(SH)短期危險的系統，所述系統包括數據庫部分，其運轉以維護識別所述BG數據的數據庫；處理器，其程式化以計算向低血糖的加權偏移(WL)；通過計算wl(BG；2)的最大值確定Max(wl)；以及通過取所述預先確定時間段上WL和Max(wl)的幾何平均來確定危險值，所述危險值算術地定義為
49.權利要求48的系統，其中所述計算的WL從在預先確定時間段上抽取的一系列BG讀數x1，x2，...xn算術地定義為WL=1nΣi=1nwl(xi;2)]]>其中wl(BG；a)＝10.f(BG)a如果f(BG)＜0，否則取0，a＝2，表示權重參數。
50.權利要求48的系統，其中所述處理器進一步程式化以提供預先確定的臨界危險值；以及將所述確定的危險值與所述臨界危險值比較。
51.權利要求50的系統，其中如果所述確定的危險值大于所述臨界值，那么招致低血糖發作的短期危險是高的；如果所述確定的危險值小于所述臨界值，那么招致低血糖發作的短期危險是低的。
52.權利要求51的系統，其中所述短期是大約24小時時間段。
53.權利要求51的方法，其中所述短期從大約12小時到大約72小時時間段范圍內。
54.權利要求51的系統，其中所述臨界值大約是17。
55.權利要求51的方法，其中所述臨界值大約12-25之間。
56.一種用于估計病人嚴重低血糖(SH)短期危險的血糖控制系統，所述系統包括BG獲取機構，配置所述獲取機構以獲得病人的BG數據。數據庫組成部分，其運轉以維護識別所述BG數據的數據庫；處理器，其程式化以計算向低血糖的加權偏移(WL)；通過計算wl(BG；2)的最大值確定Max(wl)；和通過取所述預先確定時間段上WL和Max(wl)的幾何平均來確定危險值，所述危險值算術地定義為
57.一種計算機程序產品，其包括具有計算機程序邏輯的計算機可用介質，計算機程序邏輯用于使計算機系統中至少一個處理器能夠基于預先確定時間段上收集的BG數據來估計病人嚴重低血糖(SH)的短期危險，所述計算機程序邏輯包括計算向低血糖的加權偏移(WL)；通過計算wl(BG；2)的最大值確定Max(wl)；和通過取所述預先確定時間段上WL和Max(wl)的幾何平均來確定危險值，所述危險值算術地定義為
58.權利要求57的計算機程序產品，其中所述計算機程序邏輯進一步包括提供預先確定的臨界危險值；和將所述確定的危險值與所述臨界危險值比較。
全文摘要
一種涉及糖尿病診斷的方法，系統和計算機程序產品，其指向基于由自監控血糖設備收集的血糖讀數來預測糖尿病患者高血糖的長期危險以及嚴重低血糖的長期和短期危險。該方法，系統和計算機程序產品通過引入能夠預測HbA
文檔編號G06F19/00GK1422136SQ01807554
公開日2003年6月4日 申請日期2001年3月29日 優先權日2000年3月29日
發明者鮑里斯·P·科瓦徹夫, 丹尼爾·J·考克斯 申請人:弗吉尼亞大學專利基金會