CN101088469A - 糖尿病管理方法和*** - Google Patents

糖尿病管理方法和*** Download PDF

Info

Publication number
CN101088469A
CN101088469A CNA200710103546XA CN200710103546A CN101088469A CN 101088469 A CN101088469 A CN 101088469A CN A200710103546X A CNA200710103546X A CN A200710103546XA CN 200710103546 A CN200710103546 A CN 200710103546A CN 101088469 A CN101088469 A CN 101088469A
Authority
CN
China
Prior art keywords
atopy
glucohemia
level
hbalc
blood glucose
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.)
Granted
Application number
CNA200710103546XA
Other languages
English (en)
Other versions
CN101088469B (zh
Inventor
E·奥托
D·霍尔维茨
K·哈蒙
M·沙马
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.)
LifeScan Inc
Original Assignee
LifeScan 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 LifeScan Inc filed Critical LifeScan Inc
Publication of CN101088469A publication Critical patent/CN101088469A/zh
Application granted granted Critical
Publication of CN101088469B publication Critical patent/CN101088469B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
    • 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
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/40—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for data related to laboratory analysis, e.g. patient specimen analysis
    • 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
    • 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
    • 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
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Databases & Information Systems (AREA)
  • Pathology (AREA)
  • Data Mining & Analysis (AREA)
  • Chemical & Material Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Medicinal Chemistry (AREA)
  • Investigating Or Analysing Biological Materials (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本发明涉及用于监视糖尿病治疗功效的方法和***。根据本发明的方法和***提供关于葡萄糖水平的可变性以及低血糖和高血糖的信息。该信息基于从仪表等获得的时间标记的血糖数据，而不需HbAlc水平的实际测量结果。

Description

糖尿病管理方法和***
技术领域
本发明涉及糖尿病管理。更具体的说，本发明涉及用于监控糖尿病治疗效果的方法和***。
背景技术
糖尿病患者具有的基本问题涉及将血液中所含的糖传送穿过细胞膜。这转而使得保持人体血液中正常的糖水平变得困难。在糖尿病治疗中，患者定期使用自测试工具包检查血糖水平。通过将自测试的结果与认为正常的血糖水平比较，患者能够估计为保持血糖水平接近正常而需要摄取的胰岛素的量。过多的血糖(例如，由于患者注射过少胰岛素)或者摄食多于规定量称作高血糖，而血糖过低(例如，由于患者注射过多胰岛素)称为低血糖。这些被认为是糖尿病的短期并发症，并且能够导致急性症状或是长期并发症发展中的一个因素。糖尿病患者还可能承受由于仅在长期中变得明显的他们的状态而产生的问题。这些问题由血液中糖水平过高导致，这在其它原因中导致了糖与蛋白结合形成糖基化蛋白质。糖基化蛋白质基本上是不溶的，并且引起静脉和动脉壁的增厚以及神经髓鞘的增厚。
糖基化蛋白质的一种具体形式是糖基化血色素。由于糖基化血色素倾向于保持在血液中，其提供了对血液中糖基化蛋白质水平以及因此患者已经遵循的治疗法的效果的极好指示，以及指示了患者以何种程度遵循该疗法。
糖基化血色素包括三种成分：名称是，HbAla、HbAlb和HbAlc。已经表明，糖尿病患者血液中HbAlc的正常水平是治疗法有效和糖尿病二级并发症风险较低的良好指示。健康人血液中HbAlc的水平在总血色素的4％和6％之间，而在糖尿病患者血液中，该水平可能更高的多(例如，大于8％)。通常尝试将糖尿病患者血液中HbAlc的水平降至6％和7％之间。HbAlc水平反映了在HbAlc测量之前的数月期间，血糖治疗的特应性(idiosyncratic)(即，患者专有)效果。HbAlc水平通常通过实验室测试而测量，以便于提供关于糖尿病治疗的长期效果的信息。
虽然HbAlc蛋白水平提供了有价值的信息，但不经常测量典型患者的HbAlc水平，并且其未给出关于与患者血糖控制相关的可变性或者低血糖或高血糖的倾向的指示。例如，患者可能具有范围在4％和7％之间的可接受HbAlc水平，但是可能具有频繁的低血糖和/或高血糖事件，因为这些事件未反映在HbAlc水平中。
由于许多理由，关于可变性的信息对于糖尿病患者或他们的临床医生可能是有用的。高可变性能够指示脆弱的糖尿病，并且还可以指示患者没有充分地补救低血压和高血压。高可变性也可以指示严重的低血压、糖尿病酮酸中毒和其他急性并发症的增加的风险，并且因此应当更严密地监视具有更高可变性的患者，而当调整治疗法时应当将该信息考虑在内。
发明内容
本发明因而提供了能够提供与葡萄糖水平可变性以及低血压和高血压历史倾向相关的信息的方法和***。根据本发明提供的信息是基于从仪表等获得的记时血糖数据，并且未获得HbAlc水平的实际测量结果。即，根据本发明确定和使用的是估计的HbAlc水平。
因此，在本发明一个方面，提供了一种管理血糖数据的方法。该方法包括这些步骤，提供在预确定的时间阶段上收集的多个血糖数据，使用具有至少一个排除标准(exclusion criteria)的第一预确定运算法则从多个血糖数据中估计特应性HbAlc水平，使用具有至少一个排除标准的第二预确定运算法则从多个血糖数据中计算糖血症的特应性可变性指数，并且比较糖血症的特应性可变性指数和特应性HbAlc水平。这种排除标准优选地包括测试的历史、每天测试的频率以及每天的数据的随机性。
在本发明的另一方面，用户能够根据需要，例如每周，在他们的个人血糖计或血糖数据管理***上存取新可变性信息。根据本发明的血糖数据管理***能够包括任何个人设备或用于存储数据的软件程序，诸如血糖监视器、PDA、便携无线电话、小型笔记本电脑、胰岛素泵、胰岛素定量给药器、因特网界面或计算机程序。涉及可变性指数和界面连接元件的信息也能够存储在数据模块或“智能芯片”中，用于在可移动设备或其他软件上升级软件。
在本发明的另一方面中，用户能够从一个或多个分析血糖工具的健康概要或状况列表中存取可变性指数。当选定时，仪表或血糖数据管理***能够计算可变性指数。优选地，如果仪表数据符合关于测试频率的某些排除标准，将不产生指数值。例如，如果对于给定周，已经产生一个指数值，仪表将优选输出该估计值。如果对于给定周未预先产生估计值，并且排除标准未允许产生估计值，那么仪表或血糖数据管理***将优选地输出关于为何未产生估计值(即，由数据组触发了何种排除标准)的信息。
在本发明的又一方面中，用户能够存取各种工具，其分析一个或多个每周动向、月图形分析、关于可变性的前后信息以及所推荐的动作和反馈的当前和历史可变性指数。关于每周动向，数据管理***能够优选地根据每周或其他需求输出HbAlc水平中的动向。这允许用户追踪由于疗法随着时间改变而在葡萄糖可变性中的改变，并且如果其渐渐松弛或改进，获得及时的反馈。也可以基于每月用户选择，显示出可变性水平的动向。数据管理***也能够优选地根据每月或者其他需求输出可变性指数的概况。这允许患者和他们的医生确定葡萄糖水平的可变性中的季节性或每月改变，以确定患者在保持水平控制方面的-年期间何时可能具有故障处。可变性指数也能够与关于如何将特应性可变性与更广泛的人群相比的前后信息一起显示，并且理解急性并发症在它们所属的葡萄糖可变性指数群中的相关风险。该显示也可以根据可变性指数或可变性指数中的动向而输出所推荐的动作或反馈。例如，当可变性基于每周、每月或其他而改变时，该***可以对患者输出确实的讯息。
附图说明
图1是根据本发明的能够提供糖血症的可变性指数和估计的HbAlc水平的典型***的示意图；
图2是根据本发明的能够产生并发送到视觉显示器并且用于管理血糖的说明性输出；以及
图3是说明根据本发明的用于管理血糖的步骤的典型序列的流程图。
具体实施方式
图1示出了根据本发明的典型***100，其包括用于计算糖血症的可变性指数和估计的HbAlc水平的程序112。***100优选地包括数据源102、通信线路104、连接到一个或多个数据输入设备108的处理站106，视觉显示器110以及输出设备114。数据源102的范例包括，但不局限于，血糖计量***，一种如在美国专利申请10/432827(2003年12月29日提交的；Docket No.DDI 12.1USNP)中所述用于检测血液或细胞间液中葡萄糖的连续计量***，出于所有目的，所述文献在此全文引入作为参考，以及一种用于检测任何体液(例如，血液、尿液、细胞间液等)中其他分析物或指示剂(例如，胆固醇或HbAlc)的计量***。数据源102优选经由通信线路104连接到处理站106。通信线路104的范例包括，但不局限于，直接序列或USB电缆、基于网络连接的TCP/IP或以太网和使用诸如802.11的协议的无线连接、红外或蓝牙。处理站106优选包括保存和存储在本发明中使用的信息的模块(例如，数据库；未示出)和使用运算法则处理来自数据源102的数据的模块(例如，中央处理单元或CPU)。处理站106的范例包括，但不局限于，个人或联网计算机、个人数字助理(PDA)、血糖计量***或移动电话。在此使用的术语“移动电话”指的是任何便携式设备，其利用无线电话通信，包括常规移动电话和复合式移动电话/个人数字助理(PDA)设备。输入设备108的范例包括，但不局限于，键盘、键区、鼠标、操纵杆和探针。视觉显示器110的范例可以包括，但不局限于，用于个人或联网计算机的显示器监视器、用于个人数字助理(PDA)的液晶显示器(LCD)、移动电话或血糖计量***。输出设备114的范例包括，但不局限于，打印机、传真机、电子邮件消息、文本消息和存储在处理站106的文件。
处理站106还优选包括根据本发明用于计算糖血症的可变性指数和估计的HbAlc水平的程序112。可通过多种方法计算可变性指数。可使用标准统计方法，并且该方法可以包括，但不局限于标准偏差、变化系数、所需范围中的百分比、变化性、范围以及四分位距。这些方法还可以包括从更好地表示临床相关波动的葡萄糖数据中获得更复杂的指数。这些指数还可以合成复杂的运算规则，其包括，但不局限于，合成高和低血糖指数、葡萄糖改变率以及其他因素的运算法则。作为范例，使用标准偏差作为可变性指数。因此，等式(1)优选用于计算标准偏差。
Figure A20071010354600081
其中：
∑＝求和
X＝各个葡萄糖值
M＝葡萄糖值的平均值；以及
n＝葡萄糖值的数量
能够以本领域所属技术人员熟知的许多方法计算估计的HbAlc水平。能够用于估算HbAlc水平的方法的实施例包括，但不局限于，在国际申请号No.PCT/US01/09884(2001年10月4日公布为WO01/72208)和PCT/US2003/025053(2004年2月19日公布为WO2004/015539)中所述的方法，出于所有目的，所述两个文献在此全文引入作为参考。
根据本发明的估算HbAlc水平的典型方法优选地包括三个步骤：1)数据的预处理；2)使用四个预定公式中的至少一个估算HbAlc，以及3)经由采样选择标准的估计的确认。该数据优选地包括在第一预定阶段时间上收集的血糖数据。第一预定阶段时间的范围优选从约45天到约90天，或者更优选地从约45天到约60天。
在第一步中，对于每个患者的数据预处理优选包括：血浆转换成全血血糖(BG)(mg/dL)；以mg/L测得的BG转换成mmol/l的单位量；以及计算低血糖指数(RLO1)和高血糖指数(RHI1)。对每个患者的数据的预处理优选包括：经由BG＝PLASBG(mg/dL)/1.12将血浆转换成全血BG mg/dL；经由BGMM＝BG/18将以mg/dL测得的BG转换成mmol/l的单位量；以及计算RLO1和RHI1。数据的预处理还优选使用定义为Scale＝[ln(BG)]1。0845-5.381的公式，其中BG以mg/dL的单位量测得；Risk1＝22.765(Scale)2，其中如果(BG小于约112.5)，则RiskLO＝Risk1，并且因此LBGI的风险存在，否则RiskLO＝0；如果(BG)大于约112.5，则RiskHI＝Risk1，并且因此HBGI的风险存在，否则RiskHI＝0；BGMM1＝每个患者的平均BGMM；RLO1＝每个患者RiskLO的平均值；RHI1＝每个患者RiskHI的平均值；L06＝夜间仅用于读数RiskLO计算机的平均值，否则如果夜间没有读数则缺省；N06、N12、N24是以时间间隔读取的SMBG的百分比；NC1＝第一预定持续时间中读取的SMBG的总数；以及NDAYS＝第一预定持续时间中具有SMBG读数的天数。N06、N12、N24分别是以约0-6:59小时时间阶段、约7-12:59小时时间阶段以及约18-23:59小时时间阶段的时间间隔读取的SMBG的百分比，或者其它所需的百分比和间隔的数量。
该方法还优选包括使用预定标准根据患者的计算机高BG指数而指定组。这种标准可以定义为：如果(RHI1≤约5.25或者如果RHI1≥约16)时，那么指定的组＝0；如果(RHI1＞约5.25并且如果RHI1＜约7.0)，那么指定的组＝1；如果(RHI1≥约7.0并且如果RHI1＜约8.5)，那么指定的组＝2；以及如果(RHI1≥约8.5并且如果RHI1＜约16)，那么指定的组＝3。
其次，该方法可以还包括使用如下定义的预定公式提供估计：E0＝0.55555*BGMM1+2.95；E1＝0.50567*BGMM1+0.074*L06+2.69；E2＝0.55555*BGMM1-0.074*L06+2.96；E3＝0.44000*BGMM1+0.035*L06+3.65；并且如果(组＝1)，那么EST2＝E1，或者如果(组＝2)，那么EST2＝E2，或者如果(组＝3)，那么EST2＝E3，否则EST2＝E0。
关于步骤2，该方法优选包括使用如下定义的预定标准提供估算值的进一步校正：如果(缺省(L06))那么EST2＝E0，如果(RLO1≤约0.5并且RHI1≤约2.0)那么EST2＝E0-0.25；如果(RLO1≤约2.5并且RHI1＞约26)那么EST2＝E0-1.5*RLO1；如果((RLO1/RHI1)≤约0.25并且L06＞约1.3)那么EST2＝EST2-0.08。
根据在第一预定持续时间上收集的BD数据而对患者的HbAlc的估计能够通过使用如下定义的四个预定公式中至少一个估算HbAlc：
HbAlc＝如上定义的或如上校正的EST2；
HbAlc＝0.809098*BGMM1+0.064540*RLO1-0.151673*RH1+1.873325，其中BGMM1是平均BG(mmol/l)，RLO1是低BG指数，RHI1是高BG指数；
HbAlc＝0.682742*HBA0+0.054377*RHI1+1.553277，其中HBA0是在估计之前第二预定阶段或持续时间获取的前参考HBAlc读数，其中RHI1是高BG指数；或者
HbAlc＝0.41046*BGMM+4.0775，其中BGMM1是平均BG(mmol/l)。该第二预定持续时间的范围优选从约2.5个月到6个月，并且更优选从约2.5个月到约3.5个月，或者根据需要。
优选地，仅当第一预定持续时间样本符合下列四个标准中至少一个，那么使用HbAlc估算的样本选择标准对估算核实得以实现：
测试频率标准，其中如果第一预定持续时间样本包含每天平均至少约1.5个测试到约2.5个测试；
备选测试频率标准，仅当该预定持续时间样本包含至少第三预定样本阶段或持续时间，其中读数的平均频率约1.8个读数/天(或其它所需平均频率)；
随机数据标准-1，其中仅当比例为(RLO1/RHI1≥约0.005)时，核实或显示HbAlc估算，其中：RLO1是低BG指数，RHI1是高BG指数；以及随机数据标准，其中仅当比例为(N06≥约3％)时，核实或显示HbAlc估算，并且其中N06是夜间读数的百分比。第三预定持续时间优选至少是35天并且优选其范围从约35天到约40天，或者从约35天到与第一预定持续时间大约相同，或者根据所需。
根据本发明，程序112优选控制处理站106以执行一个或多个步骤。程序112优选利用标准用户界面(例如，菜单和对话框)以允许用户使用该功能。出于设计选择，程序112可以以任何计算机语言编写，并且其可以存储在诸如耦合有计算机处理单元的硬盘驱动的任何计算机可读存储器设备中。
程序112优选包括分析部分和报告部分。程序112可以提供存取用于数据分类和分析的运算法则的路径以及专家***工具以帮助用户控制程序112的处理。从数据源102的输入数据合并进入程序112，然后分析单元分析输入数据以确定是否符合特定排除标准(参见表格1)。如果不符合排除标准，那么报告单元优选为患者或专业用户(例如，医生、糖尿病专家或护士)产生报告，如下将述的。如果符合排除标准，那么计算机程序112优选将文本信息发送到处理站106和/或计量***的视觉显示器110，所述文本信息指示为何未产生报告。例如，如果在特定时间阶段期间在处理站106中记录和存储了过少的血糖测试结果，将不产生报告。当不符合所有所需的排除标准时，优选产生报告，该报告包括如前所述计算的估计HbAlc水平。该估计HbAlc水平的范围可以从约4％到约12％。
表1包括患者或专业用户能够定义(左侧栏)的或者能够由厂商设置(右侧栏)的排除标准的列表。
表1：排除标准的列表
    患者或专业用户定义的排除标准 厂商定义的排除标准
    HbAlc超过10％ 测试少于平均一天两次到四次
    HbAlc超过9％ 低血糖值指数与高血糖值指数的比率非常低
    口服治疗中的2型糖尿病 全天非随机传播读数(即，读数的高百分比发生在一天模式图(modal day graph)上的同一时间)
    2型糖尿病 夜间读数非常少
    妊娠期糖尿病 一行数据中过多缺省的天
    年纪小于20岁 数据的总天数不足
    年纪在10岁到20岁之间 没有在先HbAlc值以校准HbAlc的估计值
图2是为糖血症控制产生的典型输出200，根据本发明，其可以由程序112发送到处理站106和/或计量***的视觉显示器110。如图所示，输出200包括图表形式202以及任选的列表形式204。图表形式202优选报告可变性指数208作为相应估算的HbAlc水平206的函数，如程序112所计算的。
如图所示，图表形式202包括三个区域：目标区210、警戒区212以及危险区214。图表形式202的区域可以上色而为患者或专业用户的使用提供方便。目标区210优选定义为HbAlc水平的范围从约4％到约7％，而可变性的范围从约0mg/dL到约25mg/dL。警戒区212优选定义为HbAlc水平的范围从约7％到约8％，而可变性的范围从约25mg/dL到约75mg/dL。危险区214优选定义为HbAlc水平的范围从约8％到约12％，而可变性的范围从约75mg/dL到约125mg/dL。
如果结果处于危险区214中，患者应当遵循他们医生的建议以减小可变性和HbAlc水平。如果HbAlc水平和可变性都高，患者可能需要设法首先减小可变性，因为一些降低HbAlc水平的加强程序刺激了更大的可变性。为了减小可变性，患者可以尝试确认该天的更大可变阶段并且确定此时他们的糖尿病管理行为是什么。例如，如果在练习之后他们是高度可变的，他们可能需要在此时测试更多或者改变他们进行的练习的种类。相似地，他们可能是高度可变的，因为他们正在食用他们不能正确定量碳水化合物的餐食，在该情况下，他们应当选择更易于定量的食物，从而他们能够更加容易地计算需要摄取的胰岛素量。
列表形式204优选分别为当前和在先估算的HbAlc水平216、218以及可变性指数220、222的每一个提供数字值。列表形式204可以类似于图表形式202的区域进行颜色编码，为患者或专业用户的使用提供方便。优选根据每周和/或每月计算估算的HbAlc水平和可变性指数。患者或专业用户可设定程序112计算HbAlc水平和可变性指数的专用日子。关于图2，仅出于示范目的，图表形式包括当前数据点224和列出在列表形式204中的在先数据点226。
图3是示出根据本发明的用于使用程序112的方法的步骤的典型序列的流程图。方法300包括首先提供如上关于图1和图2所述和如在步骤310中陈述的计算机***100。提供的计算机***100优选包括用于输入、处理和报告与糖尿病管理相关的信息的方法，如下将述。在方法300期间，血糖测试结果优选并入到(例如，上传或存取)到程序112中。然后程序112使用分析部分分析该信息并且使用报告部分报告结果，如下将描述。
其次，在预定阶段的时间上收集的多个血糖数据载入计算机***100中，如由步骤320所陈述的。每个血糖测试和包括日期和时间标志记录的任何血糖计量***，可用作数据源102以收集多个血糖数据并且经由通信线路104传送到包括程序112的处理站106。程序112也能够并入能够与血糖测试结果一起记录时间和日期的任何血糖计量***。
然后，程序112优选分析多个血糖数据以估算特应性HbAlc水平和提供糖血症的特应性可变性指数，如步骤330所述的。以周期性的间隔，例如，每周或每月，如患者或专业用户所设置的，程序112根据对前述阶段输入的血糖数据计算特应性HbAlc水平的估计值。程序112还优选计算如由专业用户确定的特应性可变性指数。
最后，程序112优选将可变性指数比作HbAlc水平的函数，并且任选地产生表格，如步骤340所述和图2所图示的。程序112优选将输出200发送到处理站106的视觉显示器110用于用户观察。输出200可以包括图表形式202和列表形式204。图表形式202优选包括三个区域：目标区210、警戒区212以及危险区214。图表形式202的区域可以上色而为患者或专业用户的使用提供方便。目标区210优选定义为HbAlc水平的范围从约4％到约7％，而可变性的范围从约0mg/dL到约25mg/dL。警戒区212优选定义为HbAlc水平的范围从约7％到约8％，而可变性的范围从约25mg/dL到约75mg/dL。危险区214优选定义为HbAlc水平的范围从约8％到约12％，并且可变性的范围从约75mg/dL到约125mg/dL。列表形式204优选分别为当前和在先估算的HbAlc水平216、218以及可变性指数220、222的每一个提供数字值。列表形式204可以类似于图表形式202的区域进行颜色编码，为患者或专业用户使用提供方便。优选根据每周和/或每月计算估算的HbAlc水平和可变性指数，但是能够使用任何所需时间阶段。
现在已经参考数个它的实施方案描述了本发明。在此确认的任何专利或专利申请的全部公开内容特在此引入作为参考。仅为了理解的清楚，已经给出了前述详细描述和实施例。从其中将理解必要限制。对于本领域技术人员将显而易见的是，不脱离本发明的范围，可以在所述实施方案中作出许多改变。因此，本发明的范围不应局限于在此描述的结构，而仅由权利要求的语言所述的结构以及那些结构的等效结构限制。

Claims (20)

1、一种管理血糖数据的方法，该方法包括如下步骤：
提供在预定阶段时间上收集的多个血糖数据；
使用具有至少一个排除标准的第一预定运算法则，从多个血糖数据中估算特应性HbAlc水平；
使用具有至少一个排除标准的第二预定运算法则，从多个血糖数据中计算糖血症的特应性可变性指数；以及
比较糖血症的特应性可变性指数和特应性HbAlc水平。
2、根据权利要求1的方法，其中用于第一和第二运算法则中一种或两种的至少一个排除标准包括下列中至少一个：不足测试的历史、每天测试的特定数目之外的频率，以及基于每天对数据的特定随机性的需求。
3、根据权利要求1的方法，包括当不符合用于第一和第二运算法则的一个或两个的至少一个排除标准时，报告糖血症的特应性可变性指数和特应性HbAlc水平。
4、根据权利要求3的方法，其中报告步骤包括报告涉及特应性HbAlc水平的糖血症的特应性可变性指数。
5、根据权利要求4的方法，其中报告步骤包括提供涉及基于每周的特应性HbAlc水平的糖血症的特应性可变性指数。
6、根据权利要求4的方法，其中报告步骤包括提供涉及基于每月的特应性HbAlc水平的糖血症的特应性可变性指数。
7、根据权利要求3的方法，其中报告步骤包括以列表形式提供糖血症的特应性可变性指数和特应性HbAlc水平。
8、一种管理血糖数据的方法，该方法包括如下步骤：
提供在预定阶段时间上收集的多个血糖数据；
使用具有至少一个排除标准的第一预定运算法则，从多个血糖数据中估算特应性HbAlc水平；
使用具有至少一个排除标准的第二预定运算法则，从多个血糖数据中计算糖血症的特应性可变性指数；
确定糖血症的特应性可变性指数为特应性HbAlc水平的函数；以及
在指示糖血症控制的至少一个方面的同时，提供糖血症的已报告的特应性可变性指数和特应性HbAlc水平。
9、根据权利要求8的方法，其中糖血症控制的该至少一个方面包括糖血症控制的目标、警戒和危险区域。
10、根据权利要求8的方法，其中用于第一和第二运算法则的一个或两个的该至少一个排除标准包括下列至少之一：测试的历史、每天测试的频率，以及基于每天的数据的随机性。
11、根据权利要求8的方法，其中确定步骤包括确定糖血症的特应性可变性指数为基于每周的特应性HbAlc水平的函数。
12、根据权利要求8的方法，其中确定步骤包括确定糖血症的特应性可变性指数为基于每月的特应性HbAlc水平的函数。
13、一种用于管理血糖数据的***，该***包括：
处理器，被编程以：
接收在预定阶段时间上收集的多个血糖数据；
从多个血糖数据中提供特应性HbAlc水平的估计值；
从多个血糖数据中提供糖血症的特应性可变性指数的计算值；以及
当不符合至少一个排除标准时，报告糖血症的特应性可变性指数和特应性HbAlc水平。
14、根据权利要求13的***，其中该至少一个排除标准包括：测试的历史、每天测试的频率，以及基于每天的数据的随机性。
15、根据权利要求13的***，其中处理器被编程以报告糖血症的特应性可变性指数为基于每周的特应性HbAlc水平的函数。
16、根据权利要求13的***，其中处理器被编程以报告糖血症的特应性可变性指数为基于每月的特应性HbAlc水平的函数。
17、根据权利要求13的***，其中处理器被编程以列表形式报告糖血症的特应性可变性指数和特应性HbAlc水平。
18、根据权利要求13的***，其中处理器被编程以从在先测得的HbAlc水平中估算特应性HbAlc水平。
19、根据权利要求13的***，还包括血糖测量设备。
20、根据权利要求13的***，还包括存储器设备。
CN200710103546XA 2006-03-31 2007-03-30 糖尿病管理方法和*** Active CN101088469B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US11/395024 2006-03-31
US11/395,024 US7824333B2 (en) 2006-03-31 2006-03-31 Diabetes management methods and systems

Publications (2)

Publication Number Publication Date
CN101088469A true CN101088469A (zh) 2007-12-19
CN101088469B CN101088469B (zh) 2011-07-06

Family

ID=38434848

Family Applications (1)

Application Number Title Priority Date Filing Date
CN200710103546XA Active CN101088469B (zh) 2006-03-31 2007-03-30 糖尿病管理方法和***

Country Status (5)

Country Link
US (2) US7824333B2 (zh)
EP (3) EP2535831B1 (zh)
JP (1) JP4920474B2 (zh)
CN (1) CN101088469B (zh)
ES (1) ES2732724T3 (zh)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102548467A (zh) * 2008-07-18 2012-07-04 生命扫描有限公司 分析物测量和管理装置及相关方法
CN102824180A (zh) * 2011-04-25 2012-12-19 爱科来株式会社 信息处理装置及用户终端
CN102843968A (zh) * 2010-04-14 2012-12-26 爱科来株式会社 血糖值测量设备、血糖值测量结果显示方法和血糖值测量结果显示控制程序
CN103025242A (zh) * 2010-06-30 2013-04-03 生命扫描苏格兰有限公司 确保关于平均餐前和餐后葡萄糖差值消息传递的统计功效的方法、***和装置
CN103250157A (zh) * 2010-10-15 2013-08-14 霍夫曼-拉罗奇有限公司 在手持糖尿病管理设备上的结构化血糖试验的可更新性
CN103502989A (zh) * 2011-05-13 2014-01-08 霍夫曼-拉罗奇有限公司 用于处理结构化收集协议中的不可接受数值的方法和***
CN103534703A (zh) * 2011-05-13 2014-01-22 霍夫曼-拉罗奇有限公司 动态数据收集
CN104470430A (zh) * 2012-07-19 2015-03-25 生命扫描有限公司 指示糖尿病人群高血糖或低血糖的方法和***
CN101680855B (zh) * 2008-02-07 2016-08-17 爱科来株式会社 代码读取装置及使用该代码读取装置的数据收集***
CN107003315A (zh) * 2014-12-25 2017-08-01 株式会社日立制作所 胰岛素分泌能力分析装置、具备该装置的胰岛素分泌能力分析***以及胰岛素分泌能力分析方法

Families Citing this family (55)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7885697B2 (en) 2004-07-13 2011-02-08 Dexcom, Inc. Transcutaneous analyte sensor
US8260393B2 (en) 2003-07-25 2012-09-04 Dexcom, Inc. Systems and methods for replacing signal data artifacts in a glucose sensor data stream
US8010174B2 (en) 2003-08-22 2011-08-30 Dexcom, Inc. Systems and methods for replacing signal artifacts in a glucose sensor data stream
US7715893B2 (en) 2003-12-05 2010-05-11 Dexcom, Inc. Calibration techniques for a continuous analyte sensor
US8761856B2 (en) 2003-08-01 2014-06-24 Dexcom, Inc. System and methods for processing analyte sensor data
US8060173B2 (en) 2003-08-01 2011-11-15 Dexcom, Inc. System and methods for processing analyte sensor data
US20100168543A1 (en) 2003-08-01 2010-07-01 Dexcom, Inc. System and methods for processing analyte sensor data
US7774145B2 (en) 2003-08-01 2010-08-10 Dexcom, Inc. Transcutaneous analyte sensor
US7519408B2 (en) 2003-11-19 2009-04-14 Dexcom, Inc. Integrated receiver for continuous analyte sensor
US20140121989A1 (en) 2003-08-22 2014-05-01 Dexcom, Inc. Systems and methods for processing analyte sensor data
US7920906B2 (en) 2005-03-10 2011-04-05 Dexcom, Inc. System and methods for processing analyte sensor data for sensor calibration
US9247900B2 (en) 2004-07-13 2016-02-02 Dexcom, Inc. Analyte sensor
US11633133B2 (en) 2003-12-05 2023-04-25 Dexcom, Inc. Dual electrode system for a continuous analyte sensor
US8423114B2 (en) 2006-10-04 2013-04-16 Dexcom, Inc. Dual electrode system for a continuous analyte sensor
EP2316331B1 (en) 2003-12-09 2016-06-29 Dexcom, Inc. Signal processing for continuous analyte sensor
US7824333B2 (en) * 2006-03-31 2010-11-02 Lifescan, Inc. Diabetes management methods and systems
US20070243508A1 (en) * 2006-04-17 2007-10-18 Fitzjarrald Floyd A Jr Diabetic teaching process
US8579814B2 (en) * 2007-01-05 2013-11-12 Idexx Laboratories, Inc. Method and system for representation of current and historical medical data
EP1980851A3 (en) * 2007-03-30 2014-03-12 Tanita Corporation Blood sugar condition estimation method and apparatus
US8417312B2 (en) 2007-10-25 2013-04-09 Dexcom, Inc. Systems and methods for processing sensor data
ES2680896T3 (es) * 2007-12-26 2018-09-11 F. Hoffmann-La Roche Ag Sistema para el control glucémico
US20110077930A1 (en) * 2008-02-12 2011-03-31 Alferness Clifton A Computer-implemented method for providing a personalized tool for estimating 1,5-anhydroglucitol
US20100145670A1 (en) * 2008-02-12 2010-06-10 Alferness Clifton A System and method for managing type 2 diabetes mellitus through a personal predictive management tool
US20100138453A1 (en) * 2008-02-12 2010-06-03 Alferness Clifton A System and method for generating a personalized diabetes management tool for diabetes mellitus
US20100145174A1 (en) * 2008-02-12 2010-06-10 Alferness Clifton A System And Method For Providing A Personalized Tool For Estimating Glycated Hemoglobin
US20100137786A1 (en) * 2008-02-12 2010-06-03 Alferness Clifton A System and method for actively managing type 1 diabetes mellitus on a personalized basis
US20100145725A1 (en) * 2008-02-12 2010-06-10 Alferness Clifton A System and method for managing type 1 diabetes mellitus through a personal predictive management tool
US20100198020A1 (en) * 2008-02-12 2010-08-05 Alferness Clifton A System And Method For Computer-Implemented Method For Actively Managing Increased Insulin Resistance In Type 2 Diabetes Mellitus
US20100198021A1 (en) * 2008-02-12 2010-08-05 Alferness Clifton A Computer-implemented method for providing a tunable personalized tool for estimating glycated hemoglobin
US20100138203A1 (en) * 2008-02-12 2010-06-03 Alferness Clifton A System and method for actively managing type 2 diabetes mellitus on a personalized basis
US20100145173A1 (en) * 2008-02-12 2010-06-10 Alferness Clifton A System and method for creating a personalized tool predicting a time course of blood glucose affect in diabetes mellitus
CA2720302C (en) * 2008-04-04 2016-02-16 Hygieia, Inc. System for optimizing a patient's insulin dosage regimen
US20100168539A1 (en) * 2008-12-31 2010-07-01 Palerm Cesar C Method and/or system for estimating glycation of hemoglobin
EP3925533B1 (en) * 2009-04-30 2024-04-10 DexCom, Inc. Performance reports associated with continuous sensor data from multiple analysis time periods
KR101095303B1 (ko) * 2009-07-02 2011-12-16 가톨릭대학교 산학협력단 당화혈색소 수치 추정 시스템 및 방법
US20120253840A1 (en) * 2009-12-21 2012-10-04 Stc.Unm System and methods for estimating hba1c, treatment response, and hypoglycemia risk using self-monitoring of blood glucose data
JP5668138B2 (ja) * 2011-06-17 2015-02-12 株式会社日立製作所 生体光計測装置
FI3689235T3 (fi) 2011-09-28 2024-06-19 Abbott Diabetes Care Inc Menetelmät analyytin tarkkailun hallintaan ja analyytin mittausdatan hallintaan sekä näihin liittyvät tuotteet
JP5900044B2 (ja) * 2012-03-12 2016-04-06 オムロンヘルスケア株式会社 糖尿病治療支援装置、糖尿病治療支援方法、糖尿病治療支援プログラム
US20130321425A1 (en) 2012-06-05 2013-12-05 Dexcom, Inc. Reporting modules
US8744828B2 (en) 2012-07-26 2014-06-03 Rimidi Diabetes, Inc. Computer-implemented system and method for improving glucose management through modeling of circadian profiles
US8756043B2 (en) 2012-07-26 2014-06-17 Rimidi Diabetes, Inc. Blood glucose meter and computer-implemented method for improving glucose management through modeling of circadian profiles
US8768673B2 (en) 2012-07-26 2014-07-01 Rimidi Diabetes, Inc. Computer-implemented system and method for improving glucose management through cloud-based modeling of circadian profiles
US20140030748A1 (en) * 2012-07-27 2014-01-30 Lifescan, Inc. Method and system to manage diabetes using multiple risk indicators for a person with diabetes
US9171343B1 (en) 2012-09-11 2015-10-27 Aseko, Inc. Means and method for improved glycemic control for diabetic patients
US9897565B1 (en) 2012-09-11 2018-02-20 Aseko, Inc. System and method for optimizing insulin dosages for diabetic subjects
US9898585B2 (en) 2014-01-31 2018-02-20 Aseko, Inc. Method and system for insulin management
US9486580B2 (en) 2014-01-31 2016-11-08 Aseko, Inc. Insulin management
AU2015339576B2 (en) 2014-10-27 2020-02-06 Glytec, Llc Subcutaneous outpatient management
US11081226B2 (en) 2014-10-27 2021-08-03 Aseko, Inc. Method and controller for administering recommended insulin dosages to a patient
WO2017031440A1 (en) 2015-08-20 2017-02-23 Aseko, Inc. Diabetes management therapy advisor
CN105975779A (zh) * 2016-05-09 2016-09-28 中电科软件信息服务有限公司 基于物联网的血糖管理方法
CN105912876A (zh) * 2016-05-09 2016-08-31 中电科软件信息服务有限公司 基于物联网的血压管理方法
SG11201909689TA (en) * 2017-06-20 2019-11-28 Chan Sidney Soong Ling Method and system for monitoring a diabetes treatment plan
KR102498120B1 (ko) * 2017-10-17 2023-02-09 삼성전자주식회사 생체정보 센서의 오차 보정 장치 및 방법과, 생체정보 추정 장치 및 방법

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5372709A (en) * 1988-12-13 1994-12-13 Bio-Flo Limited Fluid flow control apparatus
US5704366A (en) 1994-05-23 1998-01-06 Enact Health Management Systems System for monitoring and reporting medical measurements
FI112545B (fi) 1997-05-30 2003-12-15 Nokia Corp Menetelmä ja järjestelmä potilaan veren glykosyloidun hemoglobiinikomponentin tason ennustamiseksi
AU7063300A (en) 1999-08-23 2001-03-19 University Of Virginia Patent Foundation Method and apparatus for predicting the risk of hypoglycemia
KR100776070B1 (ko) * 2000-03-29 2007-11-16 유니버시티 오브 버지니아 페이턴트 파운데이션 셀프-모니터링 데이터로부터 당뇨병의 혈당 조절 평가 방법, 시스템, 및 컴퓨터 프로그램 제품
GB0030929D0 (en) 2000-12-19 2001-01-31 Inverness Medical Ltd Analyte measurement
US7756722B2 (en) * 2001-02-01 2010-07-13 Georgetown University Clinical management system from chronic illnesses using telecommunication
CN1311781C (zh) * 2001-08-20 2007-04-25 因弗内斯医疗有限公司 无线糖尿病管理装置及使用该装置的方法
US20030216628A1 (en) 2002-01-28 2003-11-20 Bortz Jonathan David Methods and systems for assessing glycemic control using predetermined pattern label analysis of blood glucose readings
US20030229517A1 (en) 2002-03-15 2003-12-11 Peter Meserol Medical management system and method
US8538703B2 (en) * 2002-08-13 2013-09-17 University Of Virginia Patent Foundation Method, system, and computer program product for the processing of self-monitoring blood glucose(SMBG)data to enhance diabetic self-management
EP1536729B1 (en) * 2002-09-11 2012-03-21 Becton Dickinson and Company Monitoring blood glucose including convenient display of measurement values and averages
US20040153257A1 (en) 2002-12-19 2004-08-05 Munk Jens Aage Graphical display for medical devices and methods for displaying medical information
US7266400B2 (en) 2003-05-06 2007-09-04 Orsense Ltd. Glucose level control method and system
US20070010950A1 (en) * 2004-12-03 2007-01-11 Abensour Daniel S Method to determine the degree and stability of blood glucose control in patients with diabetes mellitus via the creation and continuous update of new statistical indicators in blood glucose monitors or free standing computers
US7824333B2 (en) * 2006-03-31 2010-11-02 Lifescan, Inc. Diabetes management methods and systems

Cited By (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101680855B (zh) * 2008-02-07 2016-08-17 爱科来株式会社 代码读取装置及使用该代码读取装置的数据收集***
CN102548467A (zh) * 2008-07-18 2012-07-04 生命扫描有限公司 分析物测量和管理装置及相关方法
CN102843968B (zh) * 2010-04-14 2015-11-25 爱科来株式会社 血糖值测量设备、血糖值测量结果显示方法和血糖值测量结果显示控制程序
CN102843968A (zh) * 2010-04-14 2012-12-26 爱科来株式会社 血糖值测量设备、血糖值测量结果显示方法和血糖值测量结果显示控制程序
CN103025242A (zh) * 2010-06-30 2013-04-03 生命扫描苏格兰有限公司 确保关于平均餐前和餐后葡萄糖差值消息传递的统计功效的方法、***和装置
CN103250157A (zh) * 2010-10-15 2013-08-14 霍夫曼-拉罗奇有限公司 在手持糖尿病管理设备上的结构化血糖试验的可更新性
CN103250157B (zh) * 2010-10-15 2016-10-26 霍夫曼-拉罗奇有限公司 在手持糖尿病管理设备上的结构化血糖试验的可更新性
CN102824180B (zh) * 2011-04-25 2015-03-18 爱科来株式会社 信息处理装置及用户终端
CN102824180A (zh) * 2011-04-25 2012-12-19 爱科来株式会社 信息处理装置及用户终端
CN103502989A (zh) * 2011-05-13 2014-01-08 霍夫曼-拉罗奇有限公司 用于处理结构化收集协议中的不可接受数值的方法和***
CN103534703A (zh) * 2011-05-13 2014-01-22 霍夫曼-拉罗奇有限公司 动态数据收集
CN103534703B (zh) * 2011-05-13 2020-03-17 霍夫曼-拉罗奇有限公司 动态数据收集
CN104470430A (zh) * 2012-07-19 2015-03-25 生命扫描有限公司 指示糖尿病人群高血糖或低血糖的方法和***
CN107003315A (zh) * 2014-12-25 2017-08-01 株式会社日立制作所 胰岛素分泌能力分析装置、具备该装置的胰岛素分泌能力分析***以及胰岛素分泌能力分析方法
CN107003315B (zh) * 2014-12-25 2018-09-25 株式会社日立制作所 胰岛素分泌能力分析装置、具备该装置的胰岛素分泌能力分析***以及胰岛素分泌能力分析方法

Also Published As

Publication number Publication date
US20070232876A1 (en) 2007-10-04
JP2007304088A (ja) 2007-11-22
EP2535831A1 (en) 2012-12-19
EP1845465A3 (en) 2010-01-06
JP4920474B2 (ja) 2012-04-18
EP2535831B1 (en) 2020-08-12
EP3544017A1 (en) 2019-09-25
US7824333B2 (en) 2010-11-02
CN101088469B (zh) 2011-07-06
EP1845465A2 (en) 2007-10-17
EP1845465B1 (en) 2019-05-08
US20100324401A1 (en) 2010-12-23
ES2732724T3 (es) 2019-11-25

Similar Documents

Publication Publication Date Title
CN101088469B (zh) 糖尿病管理方法和***
AU2022200642B2 (en) Analysis of glucose median, variability, and hypoglycemia risk for therapy guidance
US7025425B2 (en) Method, system, and computer program product for the evaluation of glycemic control in diabetes from self-monitoring data
US11355238B2 (en) Method, system and computer program product for evaluation of blood glucose variability in diabetes from self-monitoring data
DK2006786T3 (en) Method and glucose monitoring system to monitor individual metabolic response and to generate nutrient feedback
US8117020B2 (en) Method to determine the degree and stability of blood glucose control in patients with diabetes mellitus via creation and continuous updating of new statistical indicators
CN102770761A (zh) 从自我监测血糖(smbg)数据追踪糖尿病中即将发生低血糖的概率
AU2001251046A1 (en) Method, system, and computer program product for the evaluation of glycemic control in diabetes from self-monitoring data
US20120253840A1 (en) System and methods for estimating hba1c, treatment response, and hypoglycemia risk using self-monitoring of blood glucose data
US11793471B2 (en) Method and system for monitoring a diabetes treatment plan
ES2962508T3 (es) Visualización de valores biológicos
Sánchez-Margalet et al. Educational intervention together with an on-line quality control program achieve recommended analytical goals for bedside blood glucose monitoring in a 1200-bed university hospital
Williams Insulin algorithms in the self-management of insulin-dependent diabetes: The interactive ‘Apple Juice’program
WO2007030457A1 (en) Test meter having time and date correction and method for correcting the same
Chen Impact of Continuous Glucose Monitoring System on Model Based Glucose Control

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant