JP2016511038A - 糖尿病患者における平均血糖の変化追跡 - Google Patents

Abstract

糖尿病患者の平均血糖の変化を追跡するための方法、システムおよびコンピュータ可読媒体は、ＳＭＢＧデータの検索への概念的な新たなアプローチに基づく。測定可能な根本的な動的システムの作用効果としてのＨｂＡ１ｃ変動性を理解することで、ＳＭＢＧは、このシステムの状態で間欠的に時折観察し、かかる測定を用い、隠れた根本的なシステムの軌図を糖尿病患者個人に対して再構成することができる。区画モデルを用いて、（ｉ）新たに導入される空腹時ＳＭＢＧデータポイントに対して更新された空腹時血糖測定値からのＨｂＡ１ｃのリアルタイムの推定値、および（ｉｉ）周期的に得られた１日のＳＭＢＧプロファイルを用いて推定されたＨｂＡ１ｃの記録の初期化および較正を含む新たな２つのステップのアルゴリズム（および関連方法、システムおよびコンピュータ可読媒体）を提供している。これらプロファイルの推定は、２つの潜在的要因のうち１日のＢＧ変動性を把握する継承モデルを含む。

Description

関連出願および優先権主張の相互参照

本出願は、２０１３年２月２１日付で出願された係属中の米国仮出願番号第６１／７６７,４５１号に対してＰＣＴ第８条４．１０規則および３５Ｕ．Ｓ．Ｃ．§１１９（ｅ）に基づく優先権を主張し、本出願はその全体が参照として本明細書に援用される。

４０年以上前に「糖尿病患者における異常ヘモグロビン」が発見されて以来、ヘモグロビンＡ１ｃ（ＨｂＡ１ｃ）は、血糖コントロール用のマーカとして従来の標準臨床測定に用いられてきた（参照文献１参照。）。ＨｂＡ１ｃは、ヘモグロビンが血液中のブドウ糖と結合してグリコシル化ヘモグロビン分子が得られるとき形成される。赤血球が再生前８〜１２週間生存するという事実に起因して、患者のＨｂＡ１ｃは過去３ヶ月間の平均血糖値を反映する。

この測定の広範囲な受容は、主に１型糖尿病（糖尿病コントロールと合併症に関する研究：ＤＣＣＴ）および２型糖尿病（英国前向き糖尿病研究：ＵＫＰＤＳ）における２つの中核的かつ大規模な研究によって行われている。比較的最近診断された糖尿病患者の標準血糖コントロールに比べ、これら前向きかつ無作為の徹底した対照研究は、血糖およびＨｂＡ１ｃによって測定される徹底したグルコースのコントロールが、糖尿病関連の合併症のリスク減少と関係することを示した（参照文献２，３参照。）。ＤＣＣＴおよびＵＫＰＤＳはまた、他の臨床研究とともにＨｂＡ１ｃと血糖との関係を説明するための仮想シナリオ構築を支持し、数学的演算モデルをテストするのに用いられている。

＜血糖−ＨｂＡ１ｃの関係の線形モデル＞
２型糖尿病（Ｔ２Ｄ）患者におけるＵＫＰＤＳに基づいて空腹時血糖（ＦＰＧ）とＨｂＡ１ｃの線形回帰関係を観察し、ＦＰＧ＝１．２８（ＨｂＡ１ｃ）−０．６６（ｒ２＝０．５９）であった（参照文献４参照。）。同様に、１型糖尿病（Ｔ１Ｄ）患者からのデータを用いて、Ｒｏｈｌｆｉｎｇらは平均血糖（ＭＰＧ）を１日に７回測定し、２６，０５６個の値を分析した（参照文献参照。）。このアプローチを用いて、彼らは血漿グルコースとＨｂＡ１ｃとの間の線形関係（ＨｂＡ１ｃ（ＭＰＧ（ｍｍｏｌ／ｌ）＝（１．９８×ＨｂＡ１ｃ）−４．２９またはＭＰＧ（ｍｇ／ｄｌ）＝（３５．６×ＨｂＡ１ｃ）−７７．３；ｒ＝０．８２）を確立した。これは、後にＨｂＡ１ｃと平均グルコースとの相関関係を説明するために糖尿病患者に対する医学的治療の米国糖尿病学会（ＡＤＡ）の標準として用いられた。しかし、直近の情報において、現在これはＤＣＣＴの主にＴ１Ｄの白人の参加者における比較的希少なデータ（ＨｂＡ１ｃの測定値に対して１日のうち７つの時間帯のプロファイル）に由来しており最適なものではないと考えられている（参照文献６参照。）。

最近、ＡＤＡＧ研究グループは、Ｔ１Ｄ，Ｔ２Ｄおよび自己血糖測定（ＳＭＢＧ）を用いた非糖尿病患者からのデータを評価した（参照文献７参照。）。ＨｂＡ１ｃと平均グルコース（ＡＧ）の数値間の関係を定義し、ＨｂＡ１ｃが発現し得るかどうかを突き止めて自己監視に用いられるものと同じユニットのＡＧとして報告する。各被験者について３ヶ月間で約２,７００のグルコース値が得られた。密接な相関関係にあるＨｂＡ１ｃとＡＧ値との間の線形回帰は、式ＡＧ（ｍｇ／ｄｌ）＝２８．７×Ａ１ｃ−４６．７；ｒ２＝０．８４；Ｐ＜０．０００１を用いたＨｂＡ１ｃ値に対して推定される平均グルコース（ｅＡＧ）の演算を可能にする。また、発明者は、線形回帰の式が、年齢、性別、糖尿病の類型、人種／民族性、または喫煙の有無に基づくサブグループに跨って著しい差異がないということを見出した。これは現在、糖尿病治療のＡＤＡ２０１１規格に基づいて使用するために、現在の推奨治療として採用されている。

また、Ｍａｋｒｉｓらは、式ＭＢＧ（ｍｇ／ｄｌ）＝（３４．７４×ＨｂＡ１ｃ）−７９．２１あるいはＭＢＧ（ｍｍｏｌ／l）＝１．９１×ＨｂＡ１ｃ−４．３６；ｒ＝０．９３を用いて、２型糖尿病患者においてＭＢＧとＨｂＡ１ｃとの間に見られる強い相関関係を有する同じデータパターンも観察した。彼らはまた、１２週が経った際のＭＢＧ対ＨｂＡ１ｃの線形回帰が統計的に重要であるということも見出したが、性別、年齢、体格指数（ＢＭＩ）および患者の状態（２型糖尿病治療の有無）に対して他の独立変数はない（参照文献８参照。）。Ｔｅｍｓｃｈらは、ＳＭＢＧとそれ以前のＨｂＡ１ｃ値に基づいてＨｂＡ１ｃ値を演算するために構築された線形数学的モデルを提起した（ＨｂＡ１ｃ＝２．６＋０．０３×Ｇ［ｍｇ／１００ｍｌ］または２．６＋０．５４×Ｇ［ｍｍｏｌ／l］）。全般的に、予想されたＨｂＡ１ｃ値は測定された値と一致し、結果は上昇範囲内のＨｂＡ１ｃの式と一致した。しかし、モデルは優れた血糖コントロールの範囲内で非常に容易であることが判明した。サブ分析は、バイアスが他の血糖系および各測定の慣行を用いて導入されてもよいことを示唆した（参照文献９参照。）。

＜血糖とＨｂＡ１ｃとの関係に影響を及ぼす要因＞
要素の範囲は、患者の年齢、体重（ＢＭＩ）、性別、民族性、行動特性（例えば、血糖測定の時期や頻度）および糖尿病罹病期間や類型、伴う疾患などといったこれらの総合的な状態であって、ＨｂＡ１ｃと血糖の関係に影響を及ぼすと仮定している（参照文献１０，１１，１２，１３参照。）。特に、この関係に重大な影響を及ぼす２つの重要な要因を確認した。
１）血糖測定の時期（空腹時（ＦＰＧ）、食後など）
２）血糖測定のタイミングおよび頻度

食前高血糖と同様に食後高血糖はＨｂＡ１ｃ値の上昇の一因となるが、ＨｂＡ１ｃ値が７％に近づくにあたってその相対的な寄与が高くなる。しかし、ＤＣＣＴおよびＵＫＰＤＳなどの主要なアウトカム研究は、食前ＳＭＢＧに圧倒的に依存している。ＤＣＣＴの分析は、午後と夕食時のそれぞれの時点の間（昼食後、食前、食後、および就寝時）のグルコース測定値が、朝の時点（朝食前、朝食後、および昼食前）よりもＨｂＡ１との高い相関関係を示し、ＨｂＡ１ｃの範囲がグルコース値未満である相関関係をよく示した（参照文献１４参照。）。

Ｙａｍａｍｏｔｏ−Ｈｏｎｄａらもまた、ＦＰＧと朝食後２時間血糖（ＰＢＢＧ）値が、血糖コントロールを予測するための良好な感度および特異性を表し、ＦＰＧと３時間ＰＢＢＧ値のみが血糖コントロールを予測するための感度および特異性を公正に表すということを示した（参照文献１５参照。）。さらに、血糖測定の頻度および年表も血糖とＨｂＡ１ｃとの関係に影響を及ぼす。任意の時点で、与えられた血液サンプルは、高血糖への曝露の水準が異なり、寿命が異なる赤血球を含む。古い赤血球は高血糖にさらに曝露されやすいが、若い赤血球はさらに多い。３０日以前の血糖値はＨｂＡ１ｃに約５０％寄与する反面、９０〜１２０日以前の血糖値はわずか約１０％寄与するだけである（参照文献１６参照。）。さらに、血糖測定のタイミングを活用してＴｒｅｖｉｎｏは、加重平均および非線形のアプローチを追求する代わりに、根本的に欠陥がある線形モデルのアプローチを試みた（参照文献１７，１８，１９参照。）。

＜血糖−ＨｂＡ１ｃの関係の非線形モデルの開発＞
血糖とＨｂＡ１ｃとの関係に影響を及ぼす主要要因をさらに説明するため、いくつかの非線形モデルが提案されている。Ｚｉｅｌｋｅらは、ＨｂＡ１ｃ値が数週間前の値よりはるかに良い直近の血清グルコース値を反映することを提案した。ヒト赤血球の寿命周期だけでなく、ＨｂＡ１ｃの形成時の化学反応を考慮した生物の数学的モデルを用いることによって、彼らはＨｂＡ１ｃの測定値の信頼度をある程度確保するために、かかる測定値があまりに差異があってはならないと判断した（参照文献２０参照。）。

また、Ｏｌｌｅｒｔｏｎらは、ヘモグロビン糖化反応の数学的モデルを用いてＨｂＡ１ｃ値に対する空腹時と食後のグルコース値の相対的な寄与を説明するためのアプローチを開発した。彼らは、ＨｂＡ１ｃの動的区間の微分方程式モデルを導出するために生理学的に妥当な仮定に基づいていることを強調した（参照文献２１参照。）。

他のグループは、ＨｂＡ１とＢＧＣとの関係をうまく説明するため、臨床研究（ＤＣＣＴを含む）および仮想シナリオからのデータを用いてＨｂＡ１ｃの形成および除去の動力学を含むモデルを提案した（参照文献２２，２３参照。）。しかし、これら多くのモデルは、おそらく理論的にはある程度妥当なもののようであるが、経時によるＨｂＡ１ｃの変化を追跡するための実際に適用可能な動的アプローチ、希少な（例えば、空腹時血糖および断続的な７つの時間帯のプロファイル）ＢＧ測定で充分な正確度を確保するＳＭＢＧ機器に活用かつ適用できるアプローチは今まで誰も提案しなかった。

＜血糖データのリスク分析＞
バージニア大学の本発明者らも、ＳＭＢＧとＨｂＡ１ｃとの関係のモデルを発展させるために幅広く研究してきた。我々は、Ｔ１Ｄ患者の初期研究において、ＳＭＢＧデータの平均が実際の平均ＢＧをどれほどうまく説明できるかを調査した（参照文献２４参照。）。線形公式ＨｂＡ１ｃ＝５．２１＋０．３９×ＢＧＭＭ（ｍｍｏｌ／ｌで示される平均ＳＭＢＧ）では、平均ＳＭＢＧとＨｂＡ１ｃの間に０．７の比が得られた。その後、更新された線形関係ＨｂＡ１ｃ＝０．４１０４６×ＢＧＭＭ＋４．０７７５が導出された。しかし、規則的ＳＭＢＧと関連する多数の要因によって実際のＢＧの変化量の約５０％のみが平均ＳＭＢＧによって説明された。このようにして、これらの研究結果は、平均ＳＭＢＧが決して実際の平均血糖の理想的な記述子ではないことを示唆した。

我々は、ＳＭＢＧサンプリングの欠陥を修正するため、ＢＧデータのリスク分析に対して我々の理論からの結果を用いたＨｂＡ１ｃのＳＭＢＧベースの推定値に非線形補正、即ち、低ＢＧ指数および高ＢＧ指数（ＬＢＧＩおよびＨＢＧＩ）を導入した（参照文献２５参照。）。これら非線形補正は、ＳＭＢＧデータからＨｂＡ１ｃ値を改善して平均絶対偏差（ＭＡＤ）および平均絶対相対偏差（ＭＡＲＤ）をＨｂＡ１ｃ推定値の正確度の尺度として導入した（参照文献２６参照。）。このサンプリング工程は、線形強度の相関関係のみを測定しているだけで推定値の可能なオフセットを測定していないため、ＨｂＡ１ｃ推定値を理解することが重要である。例えば、実際のＨｂＡ１ｃより２倍以上の値を有する推定値の方が、ＨｂＡ１ｃとの相関関係が優れている。

また、我々のリスク分析の要因に基づいて、重度または中度の低血糖症の長期的あるいは短期的リスクだけでなく、高血糖への長期曝露をＳＭＢＧ測定値から予測することで、Ｔ１型およびＴ２型糖尿病患者をコントロールするために設計された方法、システムおよびコンピュータプログラムを導入した（参照文献２７参照。）。このアプローチは、ＨＢＧＩおよびＬＢＧＩを用いて、その後に平均日常リスク範囲（ＡＤＲＲ）−規則的なＳＭＢＧデータから演算される変動性指標由来の新しいアルゴリズムを用いた。我々は、ＡＤＲＲが低血糖症および高血糖症を予測する感度のバランスに優れているということを発見した（参照文献２８参照。）。

この説明で最も重要なことは、糖尿病患者の正常な環境におけるＨｂＡ１ｃ、ＬＢＧＩ、およびＡＤＲＲのリアルタイムのＳＭＢＧベースの推定値に最も大きな影響を与える日を研究したことである。この研究において、１２０名のＴ１Ｄ型患者はそれぞれＳＭＢＧ導入時にこれらの血糖指標を提供するメーターおよびハンドヘルドコンピュータを８〜９ヶ月間使用した。その結果、平均血糖コントロールがかなり改善され、重度の低血糖症の発生率が減少し、患者らは提供されたフィードバックの有用性を高く評価した（参照文献２９参照。）。

前記研究は、低血糖症のリアルタイムのＨｂＡ１ｃ推定値およびリスクを提供することが血糖コントロールの改善に所望の効果がある、という長年の信念を裏付ける経験的証拠を提供した。まず、このメッセージによって、我々は今後特にＳＭＢＧデータから平均血糖の変化を追跡するため、新規かつ不明瞭なモデルベースのアプローチ（方法、システムおよびコンピュータ可読媒体）を提案する。これまでに導入されていたモデルとは異なり、この技術（方法、システムおよびコンピュータ可読媒体）は、以下のことを可能にする。

・２つのパラメータを有することによって個人の生理学的行動にそれぞれ同調させることができるＨｂＡ１ｃおよび平均血糖の動的「単純パラメータ化」、
・空腹時ＢＧおよび間欠的（例えば、毎月）な、７つのＳＭＢＧプロファイルの希少な読み取り時に作用することができる「強靭性推定過程」、および
・ＳＭＢＧプロファイルを用いたアルゴリズム（例えば、方法）の「較正のための固有能力」。

本発明の実施形態は、ＳＭＢＧデータの検索への概念上の新たなアプローチ（方法および技術）に基づいて、糖尿病患者の平均血糖の変化を追跡するための方法、システムおよびコンピュータ可読媒体を提供する。このアプローチの主要前提は、特に、測定可能な根本的な動的システムの作用効果としてのＨｂＡ１ｃ変動性を理解することである。ＳＭＢＧは、このシステムの状態で間欠的に時折観察し、かかる測定を用い、隠れた根本的なシステムの軌図を各個人に対して再構成することができる。

我々は、区画モデル−糖尿病の研究で確立された技術（参照文献３５参照。）を用いて、（ｉ）新たに導入される空腹時ＳＭＢＧデータポイントに対して更新された空腹時血糖測定値からのＨｂＡ１ｃのリアルタイムの推定値、および（ｉｉ）ほぼ毎月記録した１日のＳＭＢＧプロファイルを用いて推定されたＨｂＡ１ｃの記録の初期化および較正、を含む新たな２つのステップのアルゴリズム（および関連方法、システムおよびコンピュータ可読媒体）を構成した。これら７つの時間帯のプロファイルの推定は、他の革新的なステップ−２つの潜在的要因への１日のＢＧ変動性を捕捉する継承モデルを含む。

図１は、本発明によるＨｂＡ１ｃ推定手順のシステム構造の概略図である。 図２は、本発明によるヘモグロビン糖化反応の１区画モデルを示す図である。 図３は、本発明による動的ＨｂＡ１ｃの追跡過程のグラフである。 図４は、本発明による動的ＨｂＡ１ｃの追跡過程に対するＨｂＡ１ｃエラーグリッド図である。 図５は、本発明によるＨｂＡ１ｃの線形推定量に対するＨｂＡ１ｃエラーグリッド図である。 図６は、本発明によるＡ１ｃの変化率のグラフ分析であり、ここで、太棒は実験値を示し、細棒は推定値を示す。 図７は、本発明による誤ったプロファイルのｅＡ１ｃの推定性能感度に欠落した空腹時ＢＧの効果を示すグラフである。 図８は、本発明による交互部位テスティング（ＡＳＴ）に対するｅＡ１ｃ推定性能感度に混同したプロファイルタグの効果を示すグラフである。 図９は、本発明の一実施形態、または本発明の実施形態の側面における高水準の機能を示すブロック図である。 図１０Ａは、本発明に使用可能な演算機器を示すブロック図である。 図１０Ｂは、本発明の実施形態が実施され得るネットワークシステムを示す図である。 図１１は、本発明の実施形態が実施され得るインターネット連結性に関するコンピュータシステムのブロック図である。 図１２は、本発明による実施形態のシステムを示す図である。

＜アルゴリズムの概念：平均血糖の変化の動的追跡＞
概念的に、本明細書で提案する本発明の方法、システム、およびコンピュータ可読媒体の推定過程の非限定的な実施形態は以下のように機能する。

・空腹時ＳＭＢＧ測定値は、経時による平均血糖の変動性を追跡するＨｂＡ１ｃ動的モデルに従う。該モデルは、２つの個別的にコントロール可能なパラメータに依存し、このうち１つは以下に示される母集団の値に固定させ、もう１つは特定の時点で特定の者に動的ＨｂＡ１ｃを個別化（較正化）するための固有能力を提供するために用いられる。容易に説明のみするために、例示的実施における較正は、すべてのユーザに固定される。

・周期的に（例えば、月１回）、ＳＭＢＧプロファイルは、１日の間に記録されたＳＭＢＧ値の固定係数との線形結合関係である２つの主要な要因（成分）を介してヒトの１日のグルコース変動性を再構成する継承モデに従う。この実施において、我々は標準的な７つの時間帯のプロファイルを用いた。

・要因は、空腹時から食前および食後のＢＧ偏差に対するモデルを較正するために用いられる。即ち、グルコース変動の振幅（変動性）は、７つの時間帯のプロファイルを用いて捕捉し、平均血糖をさらによく反映するために動的モデルを用いる。

・最後に、低頻度（１年に１〜３回）の基準ＨｂＡ１ｃの測定は、糖化式（ＨｂＡ１ｃとグルコース曝露との関係）を較正するために用いることができる。

図１は、システムの推定過程の流れを示す。本質的に、ＳＭＢＧは２つの群、すなわち（ｉ）空腹時血糖測定（１）と、（ｉｉ）プロファイルグルコース測定（２）と、に分けられる。空腹時血糖測定値は、およそ２日に１度求め、モデルの主駆動関数であり、プロファイル測定は頻繁ではないが（例えば、毎月）、患者のグルコース変動性に対するグルコース曝露機能の較正を可能にする。最終結果は、空腹時ＳＭＢＧデータポイント（１）を導入して更新され、７つの時間帯のプロファイル（２）を導入して較正されたＨｂＡ１ｃ（４）の推定値である。ＳＭＢＧのみのシステムは、このとおり機能したり、または較正式の基準ＨｂＡ１ｃ（３）の較正によって向上することができ、基準ＨｂＡ１ｃ（３）がない場合には一定糖化式を用いる。

＜データセット：＞
トレーニングデータ、およびテストデータ・セットは、段階ＩＩｂの研究：Ｔａｒｇｅｔ Ｇｌｙｃｅｍｉｃ Ｃｏｎｔｒｏｌ ａｎｄ Ｔｈｅ Ｉｎｃｉｄｅｎｃｅ ｏｆ Ｓｙｍｐｔｏｍａｔｉｃ Ｎｏｃｔｕｒｎａｌ Ｈｙｐｏｇｌｙｃｅｍｉａ ｉｎ Ｉｎｓｕｌｉｎ Ｎａｉｖｅ Ｓｕｂｊｅｃｔｓ ｗｉｔｈ Ｔｙｐｅ ２ Ｄｉａｂｅｔｅｓ ｏｎ Ｏｒａｌ Ｈｙｐｏｇｌｙｃｅｍｉｃ Ａｇｅｎｔ(ｓ) ａｎｄ Ｔｒｅａｔｅｄ ｗｉｔｈ Ｉｎｓｕｌｉｎ Ｇｌａｒｇｉｎｅ ｏｒ ＮＰＨ ＨｕｍａｎＩｎｓｕｌｉｎ、ＨＯＥ９０１、４００２．由来のＳａｎｏｆｉ−Ｄｅｕｔｓｃｈｌａｎｄ ＧｍｂＨによって提供された。
この研究は、２０００年１月７日〜２００１年１０月２２日の間に米国とカナダの８０ヶ所の研究センターで２型ＤＭ患者に対して実施された。
ＩＴＴ研究団体の人口統計は、表１に示される。

「トレーニングデータセット」：すべての式は、Ｓａｎｏｆｉ−Ｄｅｕｔｓｃｈｌａｎｄ ＧｍｂＨによって提供されるトレーニングデータセットを用いて発展させたが、これは２型糖尿病を有する３７９名に対して１７,８６３個の空腹時ＳＭＢＧ測定値およびほぼ毎月の７つの時間帯のプロファイルが含まれる（詳細は表１参照）。
概ね、各個人は４７日間のデータに寄与した。トレーニングデータを用いてすべての式を固定した後、テストと外部との検証データセットにそのまま適用した。
Ｓａｎｏｆｉ−Ｄｅｕｔｓｃｈｌａｎｄ ＧｍｂＨによって提供される「テストデータ・セット」は、トレーニングデータを発展させた式を検証するために用いられた。テストデータ・セットは、２型糖尿病を有する３７５名に対して１７,９２５個の空腹時ＳＭＢＧ測定値およびほぼ毎月の７つの時間帯のプロファイルが含まれる（詳細は表１参照）。概ね、各個人は４８日間のデータに寄与した。

＜変数：＞
変数名はデータセット全体に統一されて以下のようになる。
・ＳＵＢＮＯ−被験者ＩＤ番号
・ＰＧＤＴ−グルコース測定時間（日）
・ＰＧ１−朝食前に毎日測定した空腹時ＢＧ
・ＰＧ２〜ＰＧ８−７つの時間帯のプロファイルを形成するＢＧ測定
〇ＰＧ２：一回目の食事前
〇ＰＧ３：一回目の食事後
〇ＰＧ４：二回目の食事前
〇ＰＧ５：二回目の食事後
〇ＰＧ６：三回目の食事前
〇ＰＧ７：三回目の食事後
〇ＰＧ８：就寝前

＜空腹時ＢＧモデリング：動的ＨｂＡ１ｃ＞
まず、ヘモグロビン糖化および除去の動的モデルは、図２に示されるように構成される。得られるアルゴリズム（方法および関連システム）の最終目標は、制限された演算力を有する携帯用機器に用いられてもよいことに留意し、我々は該モデルを１区画表示に制限する。

このモデルは、一次微分方程式に相応する。

ここで、関数f（ＳＭＢＧ_ｔ）は、経時による血糖曝露を追跡するために自己監視データを用いた関数である。

＜７つの時間帯のプロファイルのモデリング：１日のグルコース変動性の継承モデル＞
トレーニングデータを用いることによって、線形モデルがＳＭＢＧの７つの時間帯モデルを決定する主要要因から構成される。各データの代わりに、我々がこのプロファイルの要因（または主成分）を選択する理由は以下のとおりである。
・統計的に、潜在的要因は様々なデータセットに亘ってさらに安定して再現可能な傾向がある。
・プロファイル全体が２つの要因に減ることによって、欠落したデータを取り扱いやすくし、７つの時間帯のプロファイルにおいて欠落した値は階乗表現で入力しやすくなる。
これを理解することで、要因は以下のように演算される。

＜演算アルゴリズム：＞
動的モデルおよびＨｂＡ１ｃの継承モデルの実行は、経時によるＨｂＡ１ｃ変動を追跡するために、初期のＨｂＡ１ｃ推定値および追跡値の間欠的（例えば、毎月）較正を含む。ＨｂＡ１ｃの初期値および較正値は、同じ式を用いて得られる。追跡過程は、ＨｂＡ１ｃのパラメータ値をγ＝０．９９およびτ＝２０に設定した動的モデルを用いる。これら２つのパラメータは、推定過程を介して一定に維持させることができる。最終結果は、以下の式によって与えられるＨｂＡ１ｃ、ｅＡ１ｃの推定値である。

＜ステップ１（任意）−ＨｂＡ１ｃの較正＞は、先で提示した７つの時間帯のプロファイルの継承モデルに由来する。ＨｂＡ１ｃの較正値は以下の式を用いて演算される。

式中、ＣａｌＡ１ｃは直近のプロファイル由来のＨｂＡ１ｃの較正であって、θ_１およびθ_２は上記で提示した継承モデルに定義されている要因である。プロファイルが存在せず較正するとき、θ_１およびθ_２は固定される（例えば、１８０）。

＜ステップ２−平均血糖の変化の追跡および初期推定値＞
糖化関数は以下の式で示される。

式中、
・ｍＰ_０（ｔ）は過去５日間の平均空腹時血糖であって、空腹時血糖を新たに測定するたびに更新され、
・ＣａｌＡ１ｃは前記ステップで演算された較正である。
・γは糖化有効性パラメータであって（ステップ３によって修正されていない場合）、自動的に０．９９に固定される。

「初期推定値」
初期推定値（デバイスを最初に用いるとき、または再初期化が必要な場合）を演算するために（以下、データ要件の段落を参照）、追跡関数を直接用いる。

「ランタイム推定値」
ＨｂＡ１ｃは、図２に示される動的モデルを用いて更新される。例えば、糖化関数は更新されたＨｂＡ１ｃ推定値ｅＡ１ｃ（ｔ）：アルゴリズムを初期化した後の任意の時間ｔを生成するために、前記運動方程式の個別化バージョン（１日のタイムステップ）に反映することができる。

また、ｅＡ１ｃのアルゴリズムの出力が飽和している。推定値を提供する代わりに６％以下と１０％以上の値は、それぞれＬｏｗとＨｉｇｈで記録される。これは、以下の３つの理由からなされた。
（ｉ）第一に、臨床的に６％以下の値は非糖尿病患者から観察された値と同等であり任意の行動を必要としないが、１０％以上の値は正確な数に関係なく重要な臨床的行動を必要とする。
（ｉｉ）第二に、任意の推定手順はＨｂＡ１ｃの範囲の極限がより安定せず極限値を含むことによってその正確度を不要に下げることになる。これはいかなる推定値に対しても有効であり、該方法を単独で用いることはない。
（ｉｉｉ）第三に、かかるデータセットにおいて、６％以下１０％以上の値は、すべてのＨｂＡ１ｃの記録のうち、５％未満（６以下は２．８％であり、１０以上は１．４％）を含み、このようにして臨床的に関連する６〜１０％のＨｂＡ１ｃの範囲に焦点を合わせて統計的に判断する。

＜ステップ３（任意）−糖化式較正＞
式（５）は、基準ＨｂＡ１ｃの較正を用いて変形し得る。γはｅＡ１ｃ値が基準ＨｂＡ１ｃの測定値に相応するように式（５）を設定する。アルゴリズム（例えば、方法および関連システム）の作用には常にこの較正が生じ得るが、データ収集の少なくとも１ヶ月後が最も効率的である。

＜結果＞
実施例：（患者２９１０３９）：図３は、空腹時血糖および７つの時間帯のプロファイルを約１ヶ月に１回評価する（空腹時およびプロファイル）方法を正常に用いたときの平均血糖の変化を追跡する手順を示し、７つの時間帯のプロファイルを用いることができず（空腹時のデータのみ）、１つの基準ＨｂＡ１ｃの較正（空腹時および１つの較正によるプロファイル）によって向上する。

＜モデルのない線形公式と比較したモデルベースのｅＡ１ｃの正確度＞
以下の表において、ステップ３（表中１行目）を省略した前記詳細な動的方法を用いたＨｂＡ１ｃ（ｅＡ１ｃ）推定値の正確度が示されている。従来に規定された方法と比較すると、表中２行目には最後の２週間のデータに適用されたＮａｔｈａｎの線形公式（参照文献７参照。）に広く受け入れられた同じ結果を含む。我々は、相関関係以外に平均絶対偏差（ＭＡＤ）および正確度評価の標準的なアプローチとしての平均絶対相対偏差（ＭＡＲＤ）を用いる。

上記表は、アルゴリズム開発のために初期に用いられたトレーニングデータのうち、我々の動的ＨｂＡ１ｃの追跡手順の比較を示すが、以下の表はアルゴリズム開発のために用いられなかったデータセットのうち、同じ比較を示す。従って、以下の表３は、充分に確立した現代的な方法と比較して、アルゴリズムの性能の「事実性テスト」として考えられる。

任意の直接測定または知られていない分析の別の評価正確度を評価するために一般的に用いられるメートル法の前記最も重要な結果は、ＭＡＲＤであり得ると考えられる。ＭＡＲＤ１０％以下であるものは、前記方法が経時による平均血糖の変化を正確かつ精密に追跡できることを意味する。これらの結果は、本明細書に提案される動的推定過程が、最近の広く受け入れられている線形方法よりも実質的にさらに正確なＨｂＡ１ｃ推定値を生成することを示す。テスト過程に用いられたすべてのデータセットにおいてさらに正確である。

特に、別の定着している過程による動的ｅＡ１ｃを用いることは、例えば、空腹時血糖のみが断続的に７つの時間帯のプロファイルとともに利用可能であり、単純な平均にさらに偏りやすい希少データに適応する。基本モデルを有するこの特定状況（２型糖尿病では一般的である）において、モデルのない線形過程を介して堅牢性の利点を有するが、制限されたデータを用いる際、欠落したデータによって大きく影響され、偏った結果を引き起こす傾向がある。

＜ｅＡ１ｃエラーの分布および傾向＞
この段落では、ＳＭＢＧのみをベースにしたＡ１ｃ推定値にのみ焦点が当てられる（ステップ１〜２）。

＜ＨｂＡ１ｃエラーグリッド分析＞
テストデータ・セット内の推定エラーの分布を見ると（表２）、我々は以下のことを示すことができる。
・ｅＡ１ｃ値の９５％以上は、標準的な実験の基準測定値の±１７％以内であり、実験値の±１．１７ＨｂＡ１ｃ単位（％）内のｅＡ１ｃ値の９５％に相応する。
・ｅＡ１ｃ値の６１％以上は、標準的な実験の基準測定値の±７％以内であり、実験値の±０．５２ＨｂＡ１ｃ単位（％）内のｅＡ１ｃ値の６１％に相応する。
・ｅＡ１ｃ値の５３％以上は、標準的な実験の基準測定値の±６％以内であり、実験値の±０．４４ＨｂＡ１ｃ単位（％）内のｅＡ１ｃ値の５３％に相応する。

ＨｂＡ１ｃ推定値の正確度の詳細な観察は、ｅＡ１ｃ値対基準ＨｂＡ１ｃエラーグリッド型の説明を開始する以下によって示される。以下のＨｂＡ１ｃエラーグリッド表示は、ＳＭＢＧ装置の正確度を評価するために過去に提示されたグラフィックエラー分析、例えば、Ｃｌａｒｋｅ Ｅｒｒｏｒ−Ｇｒｉｄ（参照文献３０参照。）またはＰａｒｋｅｓ（Ｃｏｎｓｅｎｓｕｓとも知られている）エラーに影響を受ける。我々は、連続グルコースモニタ（参照文献３２参照。）の正確度を評価するためにＨｂＡ１ｃエラーグリッドの構成を用いて、該目的で臨床検査標準協会（ＣＬＳＩ）が推奨する連続エラーグリッドの導入を含むかかる分析とともに広範囲な専門知識のグリッド（参照文献３１参照。）の分析に依存してきたが、これに限定されない。

これらのエラーグリッド表示の慣習に基づき、我々はｅＡ１ｃの正確度について以下のようにＡゾーンを規定する。
・ｅＡ１ｃは基準ＨｂＡ１ｃ値の１０％以内、または
・基準ＨｂＡ１ｃ値とｅＡ１ｃのいずれも６％ＨｂＡ１ｃ以下か、または、
・ＨｂＡ１ｃとｅＡ１ｃのいずれも１０％ＨｂＡ１ｃ以上である。

Ｂゾーンは、基準ＨｂＡ１ｃ値の２０％以内であるｅＡ１ｃとして規定する（ＣｌａｒｋｅおよびＰａｒｋｅｓのエラーグリッドにおいて、Ａゾーンは２０％であるため、我々の分析は実質的により厳格である）。典型的に、Ａゾーンは「正確な（Ａｃｃｕｒａｔｅ）」といわれると共に、Ｂゾーンを「良性のエラー（Ｂｅｎｉｇｎ ｅｒｒｏｒｓ）」（参照文献３０，３１参照。）といわれ、これは一般的にＳＭＢＧ装置の評価に許容され、即ち、Ａ＋Ｂゾーンのデータ対の累積百分率を装置の正確度のメートル法として用いる。Ａ＋Ｂゾーン以外の対は、一般的にエラーとされる。

＜テストデータ・セットにおけるｅＡ１ｃのＨｂＡ１ｃエラーグリッド分析＞
以上のことを踏まえて、図４は、Ｓａｎｏｆｉ−Ａｖｅｎｔｉｓ（表２）が提供するテストデータ・セットに、前記式によって演算されたｅＡ１ｃのＨｂＡ１ｃエラーグリッドの表示を示す。前記データは、６％以下（グリッドの左側にある青色または中空の円形）、６〜１０％（固形または青色の円形）および１０％以上（グリッドの右側にある赤色または中空の円形）の基準ＨｂＡ１ｃ値によって階層化されている。

図４において、すべてのデータ対のうち７６．２％はグリッドのＡゾーン内に属し、９７．５％はグリッドのＡ＋Ｂゾーンに属する。報告可能なＨｂＡ１ｃの範囲（６〜１０％）に限定した場合、正確度は７８．３％のＡゾーンおよび９８．６％のＢゾーンに増加し、これは、臨床診療においてＢＧ測定に用いられるＳＭＢＧ装置の正確度に匹敵するほどである。このようにして、ＳＭＢＧ由来のＨｂＡ１ｃ推定値は、従来のＳＭＢＧ測定値（参照文献３４参照。）の正確度に匹敵するほどである。これは、モデルベースの推定過程がＳＭＢＧ入力データの固有誤差を超え、推定値にさらに偏らないことを意味する。

＜テストデータ・セットにおける線形公式のＨｂＡ１ｃエラーグリッド＞
また、モデルベースのｅＡ１ｃの性能とモデルのないＨｂＡ１ｃの線形推定値とを比較し、我々はＮａｔｈａｎら（参照文献７参照。）によって導入された線形モデルを確立するために、同じテストデータ・セットおよびＨｂＡ１ｃエラーグリッドの表示を用いる。

図５におけるグリッドは、線形公式がＨｂＡ１ｃの測定値、特にＨｂＡ１ｃを８％以上に著しく過大評価する傾向があり、６％以下のＨｂＡ１ｃ測定値として過小評価する傾向がある。前記分析が、基準ＨｂＡ１ｃが６〜１０％に限定されない場合、グリッドのＡゾーン内のすべてのデータ対の４３．８％およびグリッドのＡ＋Ｂゾーン内の７８．６％、即ち４２．５％および７８％のみを引き起こす。このようにして、線形モデルは、入力値として用いるＳＭＢＧデータよりもＨｂＡ１ｃ推定値にさらに多くのエラーを有する。この場合、線形モデルは、ＳＭＢＧの入力エラーを増幅させる傾向があるということになる。

モデルベースのｅＡ１ｃとＮａｔｈａｎの線形公式間で観察されたＡ＋Ｂゾーンの２０％の差異は、極めて実質的であるだけでなく、任意の推定段階に関する基本要件を強調する。データの固有エラー以外に、良好な推定値は、その推定段階そのものによって追加エラーが導入されることはない。

＜ＨｂＡ１ｃの変化率の分布＞
基準ＨｂＡ１ｃに動的推定値ｅＡ１ｃで観察されたＨｂＡ１ｃの１日の変化率の分布を見れば、これら２つの分布が極めて類似していることが分かる（図６の太棒の実験値）。データは、ＨｂＡ１ｃの推定値および実験値の変化率の分布に差異がないことを示している。従って、正確な傾向は、ｅＡ１を用いて矢印で表示することができる。提案された傾向システムは、ｅＡ１ｃの絶対的変化に基づいてダウン／フラット／アップの矢印を表示し、矢印表示のための条件は以下のとおりとなる。

・アップ矢印：ｅＡ１ｃは１日に０．０１％ずつ速く増加する（１ヶ月に約０．３％のｅＡ１ｃが増加する）、
・ダウン矢印：ｅＡ１ｃは１日に０．０１％ずつ速く減少する（１ヶ月に約０．３％のｅＡ１ｃが減少する）、
・フラット矢印：ｅＡ１ｃの絶対変化量は１日に０．０１％以下である。
図６は、Ａ１ｃの変化率の分析を示す棒グラフである（太棒：実験値、細棒：推定値）。

＜堅牢性の分析＞
＜参照ＨｂＡ１ｃ値による推定エラーの階層化＞
ＨｂＡ１ｃ値によるＨｂＡ１ｃ推定値の正確度を分類することで、ｅＡ１ｃ推定値がＨｂＡ１ｃの実験値によってどれほど精密に与えられるか決定することができる。我々は、基準ＨｂＡ１ｃによって設定された試験データを階層化し、推定段階が４．５％のＭＡＲＤおよびバイアスのない７％〜８％の範囲内で最も正確であることを確認し、これはＮａｔｈａｎの公式（参照文献７参照。）（−０．８１％のバイアスおよび１４．４％のＭＡＲＤ）に匹敵する。最適な範囲の両側で性能が低下する。ｅＡ１ｃのアルゴリズムが６％以下１０％以上の値（ＬｏおよびＨｉで表示）を報告しないように設計されていることに留意されたい。ｅＡ１ｃの６〜１０％のバイアスがＨｂＡ１ｃの範囲内にあると、常にＨｂＡ１ｃが１％未満になり、ＭＡＲＤが１０％以下になる。最終結果を以下の表に示す。

＜推定ＨｂＡ１ｃ値による推定エラーの階層化＞
「与えられたｅＡ１ｃの測定値を有することがどれくらい信頼できるか？」という質問に答えるために、他の類型の分析：基準ＨｂＡ１ｃではなく推定値による正確度の階層化を提供する。まず、６％以下あるいは１０％以上の値を報告するためにｅＡ１ｃを用いないことに注意されたい。かかる範囲内で、ｅＡ１ｃのアルゴリズムは極めて安定し、−０．２３％〜０．１９％の間のＨｂＡ１ｃのバイアスと６．７４％〜７．２４％の間のＭＡＲＤを引き起こす。反対に、Ｎａｔｈａｎの公式は低い値で明確な負のバイアスを示し、高い値で正のバイアスを示し、平均演算において空腹時ＢＧの量が増加しやすい。Ｎａｔｈａｎの公式のＭＡＲＤは、常にｅＡ１ｃより高く、極端に大きな値（１８．３％および２２．５％）を有する。また、Ｎａｔｈａｎの公式はしばしば、６％以下のみの４３のＨｂＡ１ｃの信頼値と比べると、低いＨｂＡ１ｃ（＜６％）：５２７のデータポイントを予測する。最終結果は以下の表に示され、図４および図５も参照する。

＜初期推定エラーの分析＞
全体的なアルゴリズムの機能と比べて、初期化がより大きな初期エラーを作り出すか否か判定するために、テストデータ・セットの各被験者の初期利用可能なＨｂＡ１ｃ／ｅＡ１ｃの対（３７４の対）のＡ１ｃの性能を以前報告した全体的なエラーと比較する。
ｅＡ１ｃの演算の初期段階における性能は、全体的な性能と極めて類似することを示す。この研究で治療が行われるため、被験者を介した一回目のＨｂＡ１ｃの実験値は、以後のＨｂＡ１ｃ値（８．４９％ｖｓ７．４２％，Ｐ＜０．０１）よりも極めて大きいという事実に注目すべきであり、これはＭＡＲＤが安定して留まっている反面、ＭＡＲＤよりは若干大きいことを説明する。

＜感度の分析＞
＜欠落した空腹時測定に対する感度＞
この分析を実行するため、無作為にデータベースから空腹時ＢＧ測定を一定比率で落とした。比率は０％〜９０％に増加した。また、「保護されていない」アルゴリズムの限界を探求するために、データ要件（以下参照）を適用していない。

実験を１０回繰り返し、ＭＡＲＤの結果を図７に示す。ｅＡ１ｃのアルゴリズムは、空腹時測定の９０％がデータベースから除去されると、わずか６．８〜７％上昇した全体のＭＡＲＤを用いて欠落データを回復させることができることを証明した。相関関係は０．７６から０．６８に急速に減少するが、依然として高い。
この分析は、ユーザが７つの時間帯のプロファイル（例えば、朝食後を空腹とみなしたり、昼食後を夕食前と混同する）のタグをうっかり混合した場合、ｅＡ１ｃの性能の劣化を評価する。

これを分析するために、混ざったプロファイルの一定の比率を無作為に選択した後、選択した各プロファイルに対して３対のＢＧ測定値（利用可能な７つのうち６つの値）を無作為に選択し、各対に対してプロファイルの測定手順を入れ替えた。混ざったプロファイルの比率は０％〜１００％増加した。

実験を１０回繰り返し、ＭＡＲＤの結果を図８に示す。また、ｅＡ１ｃのアルゴリズム（ならびに関連方法、システムおよびコンピュータ可読媒体）は、プロファイルの混同に堅牢性がある。ＭＡＲＤは、すべてのプロファイルが混ざると６．８１から７．１４％に上昇し、相関関係は０．７６から０．７４になる。該堅牢性は、前述したとおり要因（主成分）を用いてプロファイルを数量化することに起因する。

代替部位でのテスト（Ａｌｔｅｍａｔｅ ｓｉｔｅ ｔｅｓｔｉｎｇ）は、データセットをテストする際に各ＳＭＢＧ測定値にランダムノイズが追加されることでシミュレーションされる。シミュレーションしたエラーは、ゼロ平均ＳＤ＝１０％（シミュレーションした「ＡＳＴ」測定値の９５％が、従来のＳＭＢＧ値の２０％以内であることを意味する）の正規の分布である。我々は、シミュレーションを１０回繰り返し、それぞれＭＡＲＤ、ＭＡＤ、およびｅＡ１ｃとラボＨｂＡ１ｃとの相関関係を演算した。結果は、表９に示す。１０回のシミュレーションのうち一部の性能は若干低下したが（表９の右欄）、ＡＳＴを用いた全体的な性能は、通常のＳＭＢＧとほぼ同じであった。また、該堅牢性は、追跡式に要因（従来のＳＭＢＧ測定値の代わり）を用いて５日間の空腹時平均値を用いるのに起因し得て、ＳＭＢＧエラーが約２．２４倍（５の平方根）低下する。

＜データの要件＞
推定アルゴリズム（および関連方法、システムおよびコンピュータ可読媒体）は、欠落したプロファイルおよび間欠的に欠落した空腹時値に堅牢に構築されている。信頼性のあるＨｂＡ１ｃ推定値がユーザに表示されるとき、以下の最小要件および条件が決定される。

・３２日未満の間は空腹時値がない。
〇Ａ１ｃ推定値が演算または表示できない。推定値は、空腹時ＢＧの条件が再び満たされると再初期化する。
〇ユーザに空腹時血糖を測定するように通知される。
・直近の２週間の空腹時血糖値が７未満もしくは直近の５日間の空腹時血糖がない。
〇推定値が演算されるが、可能な推定値は表示されない。
〇ユーザに空腹時血糖を測定するように通知される。

・直近のプロファイル以後の時間は３０日以上または６４日を超過する。
〇推定値が演算されるが、可能な推定値は表示されない。
〇ユーザにプロファイルを提供するように通知される。
・直近のプロファイル以後の時間は６４時間以下あるいはプロファイルが全くない。
〇Ａ１ｃ推定値が演算および表示できない。推定値はプロファイルＢＧの条件が再び満たされると再初期化する。
〇ユーザにプロファイルを提供するように通知する。

・直近のプロファイル以後の時間が３２日未満で、直近の２週間の空腹時血糖値が７以上で、直近の５日間の空腹時ＢＧが少なくとも１つである。
〇Ａ１ｃ推定値が演算および表示できる。
〇ユーザの空腹時の１日のＢＧを測定するようにする。

＜要約および実施例＞
糖尿病患者が徹底した血糖コントロールのために努力することで、経時による血糖変動を大きくする。この過程は、インスリンが投与される時間および量、食物摂取、身体活動などを含む多くの外部要因によって影響を受ける。即ち、ＢＧ変動は、測定可能な複雑な動的システムの作用結果であり、多くの内部および外部要因によって影響を受ける。このシステムのマクロ（人間）−水準の最適化は、自己治療行動に依存する。従って、このような最適化は、ＳＭＢＧなどの容易に利用可能なデータを用いたフィードバックに基づくものである。

ＨｂＡ１ｃは、１型および２型糖尿病患者にとって平均血糖の至適基準のマーカとして確認されるが（参照文献２，３参照。）、ＨｂＡ１ｃの分析は一般的に臨床検査室を必要とし、数ヶ月ごとに定期的に行われる。一方、我々はＨｂＡ１ｃのリアルタイムの推定値を提供することは、患者にとっての動機付けとして糖尿病のコントロールを向上させることであることを示している（参照文献２９参照。）。従って、平均血糖の変化の追跡は、臨床検査のＨｂＡ１ｃの分析から独立している必要がある。ＳＭＢＧはこのような可能性を提供し、適切なアルゴリズム（例えば、方法、システム、およびコンピュータ可読媒体）は、ＳＭＢＧデータを検索するために採用される。

本発明の実施形態は、ＳＭＢＧデータを検索するための概念的に新しいアプローチ（方法および技術）に基づいて糖尿病患者の平均血糖の変化を追跡するための方法、システムおよびコンピュータ可読媒体を提供する。特に、このアプローチの主要前提は、測定可能な根本的な動的システムの作用効果としてＨｂＡ１ｃの変化を理解することである。ＳＭＢＧは、このシステムの状態で時折観察し、かかる測定値を用い、隠れた根本的なシステムの軌図は、それぞれに対して再構成することができる。

区画モデル、すなわち糖尿病の研究（参照文献３５参照。）で確立された技術を用いて、我々は（ｉ）新たに導入される空腹時ＳＭＢＧデータポイントに対して更新された空腹時血糖測定値からのＨｂＡ１ｃのリアルタイムの推定値、および（ｉｉ）ほぼ毎月記録した１日のＳＭＢＧプロファイルを用いて推定されたＨｂＡ１ｃの記録の初期化および較正、を含む新たな２ステップのアルゴリズム（および関連方法、システムおよびコンピュータ可読媒体）を構築した。これら７つの時間帯のプロファイルの推定はまた、他の革新的なステップ、すなわち２つの潜在要因への１日のＢＧ変動性を把握する継承モデルを含む。

我々の方法およびシステムの開発は、すべてのモデルのパラメータを推定するために設定されたトレーニングデータセットを用いた堅牢なアプローチによるものである。初期推定後、すべてのパラメータを固定し、アルゴリズムを独立したテストデータ・セットに実行させた。前記表１および表２から分かるように、提案した手順の堅牢性を確認することが結果と考えられる。

また、我々は、正確度の結果をグラフィック的に表示するようにして「正確な」測定値または「陽性」エラーを意味するＡゾーンおよびＢゾーンに正確度を分類することができるＣｌａｒｋｅ（参照文献３０参照。）またはＰａｒｋｅｓ（参照文献３１参照。）のエラーグリッドによるＨｂＡ１ｃエラーグリッド分析を導入して用いた。この分析は、Ａ＋Ｂゾーンの測定値が９８．６％−最新のＳＭＢＧ装置（参照文献３４参照。）の正確度と似た結果が得られた（図４参照）。

すべてのステップにおいて、すべての分析に従って、我々の結果が優れていることを示す、充分に確立した線形公式（Ｎａｔｈａｎら、参照文献７参照）に対して、（我々の）ＨｂＡ１ｃ推定値の正確度を比較した。ＨｂＡ１ｃエラーグリッドによって提示される正確度の比較が最も著しく（図５）、これはＡ＋ＢゾーンにおいてＮａｔｈａｎの公式によって２０％劣化した性能を示している。かかる差異が生じる理由は、空腹時血糖および間欠的な７つの時間帯のプロファイルを含むＳＭＢＧ測定値が希少で、平均は根本的な平均血糖変動を充分に示していないことを証明するデータの本質にある。その結果、平均ＳＭＢＧに基づく線形公式は極めて偏る傾向がある。

従って、（我々は）概念的に新しくかつ臨床的に実行可能な手順が自己監視データからのＨｂＡ１ｃのリアルタイムの推定のために導出されたと結論付けることができる。アルゴリズムの要件から分かるように、方法は、例えば、家庭用ＳＭＢＧ装置などの制限された処理能力を有するデバイス、システムおよびネットワークに容易に適用されるが、これらに限定されない。

本発明を実施するためのシステムの例を図９〜１２を参照して説明する。図９は、本発明の実施形態の高水準の機能ブロック図、または本発明の実施形態の態様である。
図９に示されるように、プロセッサまたはコントローラ１０２は、グルコースモニタまたは装置１０１、および場合によってインスリンデバイス１００と通信する。グルコースモニタまたは装置１０１は、被験者１０３と通信して被験者１０３の血糖値を監視する。プロセッサまたはコントローラ１０２は、必要な演算を実行するように構成される。場合によって、インスリンデバイス１００は被験者１０３と通信し、被験者１０３にインスリンを提供する。プロセッサまたはコントローラ１０２は、必要な演算を実行するように構成される。グルコースモニタ１０１およびインスリンデバイス１００は、別個の装置または単一装置として実行されてもよい。プロセッサ１０２は、グルコースモニタ１０１、インスリンデバイス１００、もしくは独立型の装置（またはグルコースモニタ、インスリンデバイス、もしくは独立型の装置のうち任意の２以上の組み合わせ）において局所的に実行することができる。プロセッサ１０２または一部のシステムは、装置が遠隔医療装置として作動できるように離れて配置することができる。

図１０Ａを参照すると、最も基本的な構成において、演算装置１４４は、通常、少なくとも１つの処理装置１５０およびメモリ１４６を含む。演算装置の種類および正確な構成によって、メモリ１４６は、揮発性（例えば、ＲＡＭ）、不揮発性（例えば、ＲＯＭ、フラッシュメモリなど）またはこの２つの組み合わせであり得る。

さらに、装置１４４は、他の特徴および／または機能を有し得る。例えば、装置は、記録可能な電気記憶媒体だけでなく、さらに、磁気または光ディスクまたはテープを含むが、これに限定されない取り外し可能なおよび／または不可能な記憶装置も含む。かかるさらなる記憶装置は、取り外し可能な記憶装置１５２および不可能な記憶装置１４８により構成される。

コンピュータ記憶媒体は、コンピュータ可読命令、データ構造、プログラムモジュールまたは別のデータなどの情報を記憶するための任意の方法または技術で実行される揮発性および不揮発性、取り外し可能なおよび不可能な媒体を含む。メモリ、取り外し可能な記憶装置あるいは不可能な記憶装置は、コンピュータ記憶媒体のすべての例である。コンピュータ記憶媒体は、ＲＡＭ、ＲＯＭ、ＥＥＰＲＯＭ、フラッシュメモリおよび別のメモリ技術のＣＤＲＯＭ、デジタル多目的ディスク（ＤＶＤ）や別の光記憶装置、磁気カセット、磁気テープ、磁気ディスク記憶装置および別の自己記憶装置、または所望の情報を記憶するために用いることができ、前記装置によって用いることができる任意の別の媒体を含むが、これらに限定されない。

かかる任意のコンピュータ記憶媒体は、装置の一部、または装置とともに用いることができる。装置は、別の装置（例えば、別の演算装置）と通信するために通信接続部１５４を１以上含有してもよい。通信接続部は、通信媒体に情報を伝達する。通信媒体は通常、搬送波または別の通信機構などの変調データ信号にコンピュータ可読命令、データ構造、プログラムモジュールまたは別のデータを含み、任意の情報配信媒体を含む。「変調データ信号」とは、信号内の情報を暗号化、実行または処理するために、かかる方法で設定または変更された特性を１以上有する信号をいう。例えば、通信媒体は有線ネットワークまたは直接有線接続などの有線媒体、およびラジオ、ＲＦ、赤外線およびその他無線媒体などの無線媒体を含み、これに限定されない。上述のように、コンピュータ可読媒体とは、記憶媒体および通信媒体双方を含む。

独立型の演算装置以外に、本発明の実施形態はまた、インフラ構造を有するネットワークまたはアドホックネットワークのようなネットワーク手段と通信する演算装置を複数含むネットワークシステムで実行することができる。ネットワークの連結は、有線または無線で接続できる。

例えば、図１０Ｂは、本発明の実施形態が実施できるネットワークを示す。この例において、ネットワークシステムは、コンピュータ１５６（例えば、ネットワークサーバ）、ネットワーク接続手段１５８（例えば、有線および／または無線接続）、コンピュータ端末機１６０、およびＰＤＡ（例えば、スマートフォン）１６２（またはその他、ハンドヘルドもしくは携帯用装置、例えば、携帯電話、ラップトップコンピュータ、タブレットコンピュータ、ＧＰＳ受信機、ＭＰ３プレーヤ、ハンドヘルドビデオゲーム機、ポケットプロジェクターなど、またはこのような特徴を組み合わせたハンドヘルド装置（もしくは非携帯用装置）を含む。実施形態において、１５６として記載のモジュールは、グルコースモニタ装置であってもよいと理解すべきである。実施形態において、１５６に記載のモジュールは、グルコースモニタ装置および／またはインスリンデバイスであってもよいと理解すべきである。

図１０Ｂに示される、または説明される任意の構成要素は複数であってもよい。本発明の実施形態は、システムの装置のいずれかで実行することができる。例えば、１５６，１６０，および１６２のいずれかである同じ演算装置で命令の実行およびその他所望の処理が行われ得る。または、本発明の実施形態は、ネットワークシステムの別の演算装置で行うことができる。例えば、特定の所望のもしくは必要な処理および実行がネットワークの演算装置（例えば、サーバ１５６および／またはグルコースモニタ装置）の１つで行うことができる一方、命令の実行および別の処理は、ネットワークシステムの別の演算装置（例えば、端末機１６０）で行うことができ、その逆も可能である。実際に、特定の処理または実行は、１つの演算装置（例えば、サーバ１５６および／またはグルコースモニタ装置）で行うことができ、命令の実行または別の処理は、ネットワーク化されていてもあるいはネットワーク化されていなくてもよい別の演算装置で行うことができる。例えば、特定の処理は、端末機１６０で行うことができるが、別の処理や命令は、命令が実行される装置１６２に伝達される。このシナリオは、例えば、ＰＤＡ１６２機器がコンピュータ端末機１６０（またはアドホックネットワーク内のアクセスポイント）を介してネットワークに接続される場合の特定値であってもよい。別の例を挙げると、本発明の実施形態を１つ以上用いて保護すべきソフトウェアを実行、暗号化または処理することができる。ソフトウェアを処理して暗号化または実行した後、顧客に分配される。分配は、記憶媒体（例えば、ディスク）あるいは電子文書の形態で行われ得る。

図１１は、実施形態が採用し得る関連インターネット１１の接続およびコンピュータシステム１４０を含むシステム１３０を示すブロック図である。かかる構成は、通常、コンピュータ（ホスト）が、インターネット１１に接続されてサーバまたはクライアント（または組み込み系）ソフトウェアを実行するために用いられる。例えば、本明細書に記載する任意のコンピュータおよびプロセッサだけでなく、ラップトップ、最終目的地であるコンピュータおよび中継サーバなどのソースコンピュータは、図１１に示されるインターネット接続およびコンピュータシステム構成を用いてもよい。システム１４０は、ノートブック／ラップトップコンピュータ、メディアプレーヤ（例えば、ＭＰ３系もしくはビデオプレーヤ）、携帯電話、個人携帯情報端末機（ＰＤＡ）、グルコースモニタ装置、インスリン送達装置、画像処理装置（例えば、デジタルカメラもしくはビデオ録画機）および／またはその他のハンドヘルド演算装置、またはこれら装置のうち任意の組み合わせなどの携帯用電気機器として用いてもよい。

図１１は、コンピュータシステムの様々な構成要素を示しているが、構成要素を相互接続する方法または任意の特定構造を示す意図はなく、詳細は、本発明と密接な関連がないということに留意されたい。ネットワークコンピュータ、ハンドヘルドコンピュータ、携帯電話およびその他のデータ処理システムの構成要素は、より少ないあるいは恐らくより多いことも理解できる。

図１１のコンピュータシステムは、例えば、アップルのマッキントッシュコンピュータ（登録商標）またはＰｏｗｅｒ Ｂｏｏｋ（登録商標）、あるいはＩＢＭの互換機種ＰＣであってもよい。コンピュータシステム１４０は、バス１３７、相互接続、または情報を通信するための通信機構およびプロセッサ１３８を含み、コンピュータ実行可能な命令を実行して情報を処理するために、一般的に集積回路の形態でバス１３７と接続される。コンピュータシステム１４０は、さらに、ランダムアクセスメモリ（ＲＡＭ）またはその他動的記憶装置などのメインメモリ１３４を含み、プロセッサ１３８を介して実行される命令および情報を記憶するために、バス１３７に接続される。

コンピュータシステム１４０は、さらに、読取専用メモリ（ＲＯＭ）１３６（もしくはその他不揮発性メモリ）またはプロセッサ１３８の静的情報および命令を記憶するため、バス１３７に連結されたその他静的記憶装置を含む。磁気ディスクまたは光ディスク、ハードディスクの読み込みを行うハードディスクドライブ、磁気ディスクの読み込みを行う磁気ディスクドライブ、および／または取り外し可能な光ディスクの読み込みを行う光ディスクドライブ（例えば、ＤＶＤ）などの記憶装置１３５は、情報および命令を記憶するためにバス１３７に連結される。ハードディスクドライブ、磁気ディスクドライブ、および光ディスクドライブは、それぞれハードディスクドライブインターフェイス、磁気ディスクドライブインターフェイス、および光ディスクドライブインターフェイスに連結されてもよい。ドライブおよびその関連コンピュータ可読媒体は、コンピュータ可読命令の不揮発性記憶装置、データ構造、プログラムモジュールおよび汎用演算装置のその他のデータを提供する。

一般的に、コンピュータシステム１４０は、コンピュータリソースを管理するために不揮発性記憶装置に記憶されているオペレーティングシステム（ＯＳ）を含み、コンピュータリソースおよびインターフェイスへのアクセスとしてアプリケーションおよびプログラムが提供される。オペレーティングシステムは通常、システムデータおよびユーザ入力を処理し、メモリを制御して割り当て、システム要請に優先順位を付けて入出力装置を制御し、ネットワーキングを容易にしてファイルを管理するなどの内部システムリソースおよびタスクを割り当てて管理することで応答する。オペレーティングシステムの例は、Ｍｉｃｒｏｓｏｆｔ Ｗｉｎｄｏｗｓ（登録商標）、Ｍａｃ ＯＳ Ｘ（登録商標）およびＬｉｎｕｘ（登録商標）であるが、これらに限定されない。

用語「プロセッサ」は、縮小命令セットコア（ＲＩＳＣ）プロセッサ、ＣＩＳＣマイクロプロセッサ、マイクロ制御装置（ＭＣＵｓ）、ＣＩＳＣベースの中央処理装置（ＣＰＵｓ）およびデジタル信号処理プロセッサ（ＤＳＰｓ）を含む少なくとも１つの命令を実行することができる電子機器（もしくは機器セット）または任意の集積回路を含む。このような装置のハードウェアは、単一基板（例えば、シリコン製「ダイ」）に集積されてもよいし、２以上の基板の間に分散されてもよい。また、プロセッサの様々な機能的態様は、単にプロセッサに関連するソフトウェアまたはファームウェアとして実行されてもよい。

コンピュータシステム１４０は、バス１３７を介してブラウン管（ＣＲＴ）、液晶ディスプレイ（ＬＣＤ）、平面モニタ、タッチスクリーンモニタまたはテキストやグラフィックデータをユーザに表示するための類似手段などのディスプレイ１３１に連結されてもよい。ディスプレイは、ディスプレイを支援するビデオアダプタを介して連結されてもよい。ディスプレイはユーザがシステムの作動に関連する情報を見る、入力する、編集することを可能にする。

入力装置１３２は、英数字およびその他のキーを含み、プロセッサ１３８に情報および選択可能な命令を伝達するためにバス１３７に連結される。ユーザ入力装置の別の形態は、マウス、トラックボール、またはプロセッサ１３８に情報および選択可能な命令を直接伝達してディスプレイ１３１にカーソル移動を制御するためのカーソル方向キーなどのカーソル制御装置１３３である。この入力装置は、一般的に装置の平面内で位置を特定することができる２つの軸、即ち第１の軸（例えば、ｘ）および第２の軸（例えば、ｙ）方向に２つの自由度を有する。

コンピュータシステム１４０は、本明細書に記載する方法および技術を実行するために用いてもよい。一実施形態によると、これら方法および技術は、メインメモリ１３４に含まれる１以上の命令の１以上の順序を実行するプロセッサ１３８に応答してコンピュータシステム１４０により行われる。このような命令は、記憶装置１３５などの別のコンピュータ可読媒体からメインメモリ１３４に入力されてもよい。メインメモリ１３４に含まれる命令の順序の実行は、プロセッサ１３８が本明細書に記載する処理ステップを行うようにする。別の実施形態において、ハードウェア回路は、構成を実行するために、ソフトウェア命令の代わりに用いても、またはソフトウェア命令と組み合わせて用いてもよい。従って、本発明の実施形態は、ハードウェア回路およびソフトウェアの任意の特定の組み合わせに限定されない。

用語「コンピュータ可読媒体」、「機械可読媒体」、または本発明で用いられている他の類似用語は、実行するためのプロセッサ（例えば、プロセッサ１３８）に命令を提供することに関与する任意の媒体もしくは任意のメモリ、または機械から読み取り可能な形態の情報を記憶または送信する任意の機械装置（例えば、コンピュータ）を広く指し示す用語である。このような媒体は、処理要素および／または制御ロジックによって実行されるコンピュータ実行可能命令、ならびに処理要素および／または制御ロジックによって処理されるデータを記憶してもよく、不揮発性媒体、揮発性媒体、および送信媒体を含む様々な形態を取ってもよいが、これに限定されない。送信媒体は、バス１３７を含むワイヤを有する同軸ケーブル、銅ワイヤおよび光ファイバを含む。送信媒体は、さらに、電波および赤外線データ、通信中に発生するような音波もしくは光波の形態、または電波信号（例えば、搬送波、赤外線信号、デジタル信号など）の異なる形態を取ってもよい。コンピュータ可読媒体の一般的な形態は、例えば、フロッピー（登録商標）ディスク、フレキシブルディスク、ハードディスク、磁気テープ、またはその他の任意の磁気媒体、ＣＤ−ＲＯＭ、その他の任意の光媒体、パンチカード、紙テープ、孔、ＲＡＭ、ＰＲＯＭ、およびＥＰＲＯＭのパターンを有するその他の任意の物理的媒体、ＦＬＡＳＨ−ＥＰＲＯＭ、その他の任意のメモリチップまたはカートリッジ、以下に述べる搬送波、またはコンピュータが読み取りできるその他の任意の媒体を含む。

コンピュータ可読媒体の様々な形態は、実行のために１以上の命令の１以上の順序をプロセッサ１３８に搬送することに関わってもよい。例えば、まずリモートコンピュータの磁気ディスクに命令を伝達してもよい。リモートコンピュータは、その動的記憶装置に命令をロードし、モデムを用いた電話線を介して命令を送信する。コンピュータシステム１４０のローカルモデムは、電話線上のデータを受信して赤外線送信機を用いてデータを赤外線信号に変換することができる。赤外線検出器は、赤外線信号で搬送されたデータを受信し、適切な回路はバス１３７上にデータを置くことができる。バス１３７は、メインメモリ１３４にデータを搬送し、プロセッサ１３８が命令を検索して実行する。プロセッサ１３８による実行の前後にメインメモリ１３４から受け取った命令を記憶装置１３５に記憶してもよい。

コンピュータシステム１４０は、さらに、バス１３７に連結された通信インターフェイス１４１を含む。通信インターフェイス１４１は、ローカルネットワーク１１１に接続されたネットワークリンク１３９に双方向データ通信を連結させる。例えば、通信インターフェイス１４１は、データ通信を電話線の相応する形態に接続させるためのサービス総合デジタル網（ＩＳＤＮ）カードまたはモデムであってもよい。別の非限定的な例として、通信インターフェイス１４１は互換性のあるＬＡＮにデータ通信を接続するためのローカルエリアネットワーク（ＬＡＮ）カードであってもよい。例えば、Ｃｉｓｃｏ Ｓｙｓｔｅｍｓ，Ｉｎｃ．の公開番号１−５８７００５−００１−３（６／９９）、「インターネットワーキング技術ハンドブック」第７章「イーサネット技術」７―１〜７−３８頁に記載されているように、ＩＥＥＥ８０２．３規格に基づくイーサネット（登録商標）接続は１０／１００ＢａｓｅＴ、１０００ＢａｓｅＴ（ギガビットイーサネット）、１０ギガビットイーサネット（ＩＥＥＥ規格８０２．３ａｅ−２００２を標準として１０ＧＥまたは１０ＧｂＥまたは１０ＧｉｇＥｄ）、４０ギガビットイーサネット（４０ＧｂＥ）、または１００ギガビットイーサネット（イーサネット規格ＩＥＥＥ Ｐ８０２．３ｂａを標準として１００ＧｂＥ）などを用いてもよく、本明細書に完全に説明しているかのようにすべての目的がその全体に援用されている。この場合、通信インターフェイス１４１は、一般的にＳｔａｎｄａｒｄ Ｍｉｃｒｏｓｙｓｔｅｍｓ Ｃｏｒｐｏｒａｔｉｏｎ（ＳＭＳＣ）のデータシート「ＬＡＮ９１Ｃ１１１ １０／１００非ＰＣＩイーサネット単一チップＭＡＣ＋ＰＨＹ」データシート、改訂１５（０２−２０−０４）に記載のＳｔａｎｄａｒｄ Ｍｉｃｒｏｓｙｓｔｅｍｓ Ｃｏｒｐｏｒａｔｉｏｎ（ＳＭＳＣ）ＬＡＮ９１Ｃ１１１ １０／１００イーサネットトランシーバーなどのＬＡＮトランシーバーまたはモデムを含み、本明細書に完全に説明しているかのようにすべての目的がその全体に援用されている。

さらに、無線接続を実行してもよい。このような実行段階を介して、通信インターフェイス１４１は、様々な類型の情報を示すデジタルデータストリームを搬送する電気信号、電磁信号または光信号を送受信する。ネットワーク接続１３９は一般的に、１以上のネットワークを介してデータ通信を別のデータ装置に提供する。例えば、ネットワーク接続１３９は、インターネットサービスプロバイダ（ＩＳＰ）１４２によって稼動されるデータ機器またはホストコンピュータにローカルネットワーク１１１を介して連結を提供する。ＩＳＰ１４２は、世界規模のパケットデータ通信ネットワークのインターネット１１を介してデータ通信サービスを提供する。ローカルネットワーク１１１およびインターネット１１は、デジタルデータストリームを搬送する電気信号、電磁信号または光信号を用いる。デジタルデータをコンピュータシステム１４０に搬送する、様々なネットワークを介した信号ならびにネットワーク接続１３９上および通信インターフェイス１４１を介した信号は、情報を送信する搬送波の例示的形態である。受信コードは、プロセッサ１３８によって受信されるとき実行されてもよく、および／または実行後に記憶装置１３５またはその他の不揮発性記憶装置に記憶されてもよい。この方法でコンピュータシステム１４０は、搬送波の形態でアプリケーションコードを得ることができる。

自己測定データからのＨｂＡ１ｃのリアルタイムの推定の概念が表されている。本明細書で言及される方法論の要件やアルゴリズムから分かるように、ＳＭＢＧ機器などの制限された処理能力を有する装置に前記手順を容易に適用することができ、関連のプロセッサ、ネットワーク、コンピュータシステム、インターネット、および構成要素を用いて実行してもよく、本明細書に記載する方式に基づいて機能してもよい。

図１２は、ネットワーク、またはネットワークの一部やコンピュータを用いて本発明の１つ以上の実施形態を実行することができるシステムを示している。しかし、本発明のグルコース装置はネットワークなしに実行されてもよい。

また、図１２は、本発明の例を実行できる例示システムを概略的に示している。実施形態において、グルコースモニタ装置は家やその他の所望の場所で被験者（または患者）に実施されてもよい。しかし、別の実施形態において、臨床環境や介護環境において実施されてもよい。例えば、図１２を参照して、関連疾病および疾患とグルコースとに関連する疾病を有する患者（例えば、１５９）を診断するために、医師（例えば、１６４）や臨床医／助手に臨床装備１５８を提供する。グルコースモニタ装置１０は、独立型の装置であって、患者のグルコース値を測定したり、テストするために用いることができる。グルコースモニタ装置１０のみが図面に示されているが、図１２によって説明される方法で本発明のシステムおよびその任意の構成要素を用いてもよいことを理解することができる。システムまたは構成要素は、所望のもしくは必要な患者と通信したり患者に取付けてもよい。例えば、グルコースモニタ装置１０（または制御装置および／またはインスリンポンプ、またはその他の任意の所望のもしくは必要な装置や構成要素などのシステムまたはその他の関連装置）を含むその構成要素の組み合わせ、またはシステムは、テープあるいは管（またはその他の医療機器もしくは部品）を介して患者に接触、通信または取付けてもよく、有線または無線接続を介して通信してもよい。このような監視および／または検査は、短期（例えば、来院）あるいは長期（例えば、入院または家族）になり得る。グルコースモニタ装置の出力は、患者にインスリン注射や食物を摂取させるなどの適切な措置あるいはその他の適切な措置やモデリングのために、医師（臨床医または助手）によって用いられる。また、グルコースモニタ装置の出力は、即時または今後の分析のためにコンピュータ端末機１６８に伝達することができる。ケーブルや無線またはその他の適当な媒体を介して伝達することができる。患者のグルコースモニタ装置の出力はまた、ＰＤＡ１６６などの携帯用機器に搬送することができる。正確度が向上したグルコースモニタ装置の出力は、処理および／または分析のためにグルコース監視センター１７２に伝達することができる。このような伝達は、有線または無線で連結できるネットワーク接続１７０などの多くの方法で達成することができる。

正確度を向上させるため、グルコースモニタ装置の出力、エラー、パラメータおよび正確度に関連する任意の情報以外にエラーを分析するためのグルコース監視センター１７２および／またはコンピュータ１６８などに通信できる。これは、グルコースセンサの重要性によってモニタリング、モデリングの正確度を集中化させてグルコースセンターの正確度を向上させる。

本発明の例は、ターゲットのグルコースモニタ装置と関連する独立型の演算装置で実行することができる。本発明の例が実施され得る例示演算装置（またはその一部）は、図１０Ａに概略的に示される。

以下および本明細書を通して記載する下記の特許出願および公報は、本明細書にその全体を参照として援用する。これらはこのセクションに含まれることで、本発明に対する先行技術として認めるわけではない。

［参照文献１] Ｒａｈｂａｒ Ｓ，Ｂｌｕｍｅｎｆｅｌｄ Ｏ，Ｒａｎｎｅｙ ＨＭ．Ｓｔｕｄｉｅｓ ｏｆ ａｎ ｕｎｕｓｕａｌ ｈｅｍｏｇｌｏｂｉｎ ｉｎ Ｐａｔｉｅｎｔｓ ｗｉｔｈ ｄｉａｂｅｔｅｓ ｍｅｌｌｉｔｕｓ．Ｂｉｏｃｈｅｍ Ｂｉｏｐｈｙｓ Ｒｅｓ Ｃｏｍｍｕｎ．１９６９；３６：８３８−４３．
［参照文献２] Ｔｈｅ Ｄｉａｂｅｔｅｓ Ｃｏｎｔｒｏｌ ａｎｄ Ｃｏｍｐｌｉｃａｔｉｏｎｓ Ｔｒｉａｌ Ｒｅｓｅａｒｃｈ Ｇｒｏｕｐ．Ｔｈｅ ｅｆｆｅｃｔ ｏｆ ｉｎｔｅｎｓｉｖｅ ｔｒｅａｔｍｅｎｔ ｏｆ ｄｉａｂｅｔｅｓ ｏｎ ｔｈｅ ｄｅｖｅｌｏｐｍｅｎｔ ａｎｄ ｐｒｏｇｒｅｓｓｉｏｎ ｏｆ ｌｏｎｇ−ｔｅｒｍ ｃｏｍｐｌｉｃａｔｉｏｎｓ ｉｎ ｉｎｓｕｌｉｎ−ｄｅｐｅｎｄｅｎｔ ｄｉａｂｅｔｅｓ ｍｅｌｌｉｔｕｓ．Ｎ Ｅｎｇｌ Ｊ Ｍｅｄ．１９９３；３２９：９７７−８６．
［参照文献３] ＵＫ Ｐｒｏｓｐｅｃｔｉｖｅ Ｄｉａｂｅｔｅｓ Ｓｔｕｄｙ（ＵＫＰＤＳ）Ｇｒｏｕｐ．Ｉｎｔｅｎｓｉｖｅ ｂｌｏｏｄ−ｇｌｕｃｏｓｅ ｃｏｎｔｒｏｌ ｗｉｔｈ ｓｕｌｐｈｏｎｙｌｕｒｅａｓ ｏｒ ｉｎｓｕｌｉｎ ｃｏｍｐａｒｅｄ ｗｉｔｈ ｃｏｎｖｅｎｔｉｏｎａｌ ｔｒｅａｔｍｅｎｔ ａｎｄ ｒｉｓｋ ｏｆ ｃｏｍｐｌｉｃａｔｉｏｎｓ ｉｎ ｐａｔｉｅｎｔｓ ｗｉｔｈ ｔｙｐｅ ２ ｄｉａｂｅｔｅｓ（ＵＫＰＤＳ ３３）．Ｔｈｅ Ｌａｎｃｅｔ．１９９８；３５２：８３
［参照文献４] Ｍａｎｌｅｙ、Ｓｕｓａｎ．Ｈａｅｍｏｇｌｏｂｉｎ Ａ１ｃ−Ａ ｍａｒｋｅｒ ｆｏｒ ｃｏｍｐｌｉｃａｔｉｏｎｓ ｏｆ ｔｙｐｅ ２ ｄｉａｂｅｔｅｓ：Ｔｈｅ ｅｘｐｅｒｉｅｎｃｅ ｆｒｏｍ ｔｈｅ ＵＫ Ｐｒｏｓｐｅｃｔｉｖｅ Ｄｉａｂｅｔｅｓ Ｓｔｕｄｙ（ＵＫＰＤＳ），Ｃｌｉｎｉｃａｌ Ｃｈｅｍｉｓｔｒｙ ａｎｄ Ｌａｂｏｒａｔｏｒｙ Ｍｅｄｉｃｉｎｅ ２００３ ４１：９（１１８２−１１９０）。
［参照文献５] Ｒｏｈｌｆｉｎｇ ＣＬ，Ｗｉｅｄｍｅｙｅｒ Ｈ，Ｌｉｔｔｌｅ ＲＲ，Ｅｎｇｌａｎｄ ＪＤ Ａｍｅｒｉｃａn Ｄｉａｂｅｔｅｓ Ａｓｓｏｃｉａｔｉｏｎ：Ｄｉａｇｎｏｓｉｓ ａｎｄ Ｃｌａｓｓｉｆｉｃａｔｉｏｎ ｏｆ Ｄｉａｂｅｔｅｓ Ｍｅｌｌｉｔｕｓ．Ｄｉａｂｅｔｅｓ Ｃａｒｅ ２０１０；３３（Ｓｕｐｐｌ．１）：Ｓ６２−Ｓ６９．
［参照文献６] ＡＤＡ Ｓｔａｎｄａｒｄｓ ｏｆ Ｃａｒｅ ２０１１；Ｄｉａｂｅｔｅｓ Ｃａｒｅ，Ｖｏｌｕｍｅ ３４，Ｓｕｐｐｌｅｍｅｎｔ １，Ｊａｎｕａｒｙ ２０１１，Ｓ１１−Ｓ６１．
［参照文献７] Ｎａｔｈａｎ，Ｄ Ｍ．，Ｋｕｅｎｅｎ，Ｊ，Ｂｏｒｇ，Ｒ，Ｚｈｅｎｇ，Ｈ，Ｓｃｈｏｅｎｆｅｌｄ，Ｄ、Ｈｅｉｎｅ，Ｒ Ｊ．，Ｆｏｒ ｔｈｅ Ａ１ｃ−Ｄｅｒｉｖｅｄ Ａｖｅｒａｇｅ Ｇｌｕｃｏｓｅ（ＡＤＡＧ）Ｓｔｕｄｙ Ｇｒｏｕｐ．Ｔｒａｎｓｌａｔｉｎｇ ｔｈｅ Ａ１Ｃ Ａｓｓａｙ Ｉｎｔｏ Ｅｓｔｉｍａｔｅｄ Ａｖｅｒａｇｅ Ｇｌｕｃｏｓｅ Ｖａｌｕｅｓ Ｄｉａｂｅｔｅｓ Ｃａｒｅ ３１：１４７３-１４７８，２００８．
［参照文献８] Ｍａｋｒｉｓ，Ｋｏｎｓｔａｎｔｉｎｏｓ；Ｓｐａｎｏｕ，Ｌ．；Ｒａｍｂａｏｕｎｉ−Ａｎｔｏｎｅｌｉ，Ａ．；Ｋｏｎｉａｒｉ，Ｋａｔｅｒｉｎａ；Ｄｒａｋｏｐｏｕｌｏｓ，Ｉｏａｎｎｉｓ；Ｒｉｚｏｓ，Ｄｅｍｅｔｒｉｏｓ Ａ．；Ｈａｌｉａｓｓｏｓ，Ａｌｅｘａｎｄｅｒ．Ｒｅｌａｔｉｏｎｓｈｉｐ ｂｅｔｗｅｅｎ ｍｅａｎ ｂｌｏｏｄ ｇｌｕｃｏｓｅ ａｎｄ ｇｌｙｃａｔｅｄ ｈｅｍｏｇｌｏｂｉｎ ｉｎ Ｔｙｐｅ ２ ｄｉａｂｅｔｉｃ ｐａｔｉｅｎｔｓ Ｄｉａｂｅｔｉｃ Ｍｅｄｉｃｉｎｅ ２００８ ２５：２（１７４−１７８）．
［参照文献９] Ｔｅｍｓｃｈ，Ｗｉｌｈｅｌｍ；Ｌｕｇｅｒ，Ａｎｔｏｎ Ｆ．；Ｒｉｅｄｌ，Ｍｉｃｈａｅｌａ．ＨｂＡ１ｃ ｖａｌｕｅｓ ｃａｌｃｕｌａｔｅｄ ｆｒｏｍ ｂｌｏｏｄ ｇｌｕｃｏｓｅ ｌｅｖｅｌｓ ｕｓｉｎｇ ｔｒｕｎｃａｔｅｄ Ｆｏｕｒｉｅｒ ｓｅｒｉｅｓ ａｎｄ ｉｍｐｌｅｍｅｎｔａｔｉｏｎ ｉｎ ｓｔａｎｄａｒｄ ＳＱＬ ｄａｔａｂａｓｅ ｌａｎｇｕａｇｅ．Ｍｅｔｈｏｄｓ ｏｆ Ｉｎｆｏｒｍａｔｉｏｎ ｉｎ Ｍｅｄｉｃｉｎｅ ２００８ ４７：４（３４６−３５５）．
［参照文献１０] Ｐｏｌｎｅａｕ，Ｓ．Ｖ．；Ｌａｓｓｅｒｒｅ，Ｖ．；Ｆｏｎｆｒｅｄｅ，Ｍ．；Ｄｅｌａｔｔｒｅ，Ｊ．；Ｂｅｎａｚｅｔｈ，Ｓ．Ａ ｄｉｆｆｅｒｅｎｔ ａｐｐｒｏａｃｈ ｔｏ ａｎａｌｙｚｉｎｇ ａｇｅ−ｒｅｌａｔｅｄ ＨｂＡ１ｃ ｖａｌｕｅｓ ｉｎ ｎｏｎ−ｄｉａｂｅｔｉｃ ｓｕｂｊｅｃｔｓ．Ｃｌｉｎｉｃａｌ Ｃｈｅｍｉｓｔｒｙ ａｎｄ Ｌａｂｏｒａｔｏｒｙ Ｍｅｄｉｃｉｎｅ ２００４ ４２：４（４２３−４２８）．
［参照文献１１] Ｎｏｗｉｃｋａ，Ｐａｕｌｉｎａ；Ｓａｎｔｏｒｏ，Ｎｉｃｏｌａ；Ｌｉｕ，Ｈａｉｂｅｉ；Ｌａｒｔａｕｄ，Ｄｅｒｅｋ；Ｓｈａｗ、Ｍｅｌｉｓｓａ Ｍ．；Ｇｏｌｄｂｅｒｇ，Ｒａｃｈｅｌ；Ｇｕａｎｄａｌｉｎｉ，Ｃｉｎｄｙ；Ｓａｖｏｙｅ，Ｍａｒｙ；Ｒｏｓｅ，Ｐａｕｌｉｎａ；Ｃａｐｒｉｏ，Ｓｏｎｉａ．Ｕｔｉｌｉｔｙ ｏｆ ｈｅｍｏｇｌｏｂｉｎ Ａ１ｃ ｆｏｒ ｄｉａｇｎｏｓｉｎｇ ｐｒｅｄｉａｂｅｔｅｓ ａｎｄ ｄｉａｂｅｔｅｓ ｉｎｏｂｅｓｅ Ｃｈｉｌｄｒｅｎ ａｎｄ ａｄｏｌｅｓｃｅｎｔｓ．Ｄｉａｂｅｔｅｓ Ｃａｒｅ ２０１１ ３４：６（１３０６−１３１１）．
［参照文献１２] Ｈａｍｒｅｎ，Ｂｅｎｇｔ；Ｂｊｏｅｒｋ，Ｅ．；Ｓｕｎｚｅｌ，Ｍ．；Ｋａｒｌｓｓｏｎ，Ｍａｔｓ Ｏ．Ｍｏｄｅｌｓ ｆｏｒ Ｐｌａｓｍａ ｇｌｕｃｏｓｅ，ＨｂＡ１ｃ，ａｎｄ ｈｅｍｏｇｌｏｂｉｎ ｉｎｔｅｒｒｅｌａｔｉｏｎｓｈｉｐｓ ｉｎ ｐａｔｉｅｎｔｓ ｗｉｔｈ ｔｙｐｅ ２ ｄｉａｂｅｔｅｓ ｆｏｌｌｏｗｉｎｇ ｔｅｓａｇｌｉｔａｚａｒ ｔｒｅａｔｍｅｎｔ．Ｃｌｉｎｉｃａｌ Ｐｈａｒｍａｃｏｌｏｇｙ ａｎｄ Ｔｈｅｒａｐｅｕｔｉｃｓ ２００８ ８４：２（２２８−２３５）．
［参照文献１３] Ｈｅｉｓｌｅｒ，Ｍｉｃｈｅｌｅ Ｍ．；Ｐｉｅｔｔｅ，Ｊｏｈｎ Ｄ．；Ｓｐｅｎｃｅｒ，Ｍｉｃｈａｅｌ Ｓ．；Ｋｉｅｆｆｅｒ，Ｅｄｉｅ；Ｖｉｊａｎ，Ｓａｎｄｅｅｐ．Ｔｈｅ ｒｅｌａｔｉｏｎｓｈｉｐ ｂｅｔｗｅｅｎ ｋｎｏｗｌｅｄｇｅ ｏｆ ｒｅｃｅｎｔ ＨｂＡ１ｃ ｖａｌｕｅｓ ａｎｄ ｄｉａｂｅｔｅｓ ｃａｒｅ ｕｎｄｅｒｓｔａｎｄｉｎｇ ａｎｄ ｓｅｌｆ−ｍａｎａｇｅｍｅｎｔ．Ｄｉａｂｅｔｅｓ Ｃａｒe ２００５ ２８：４（８１６−８２２）．
［参照文献１４] Ｌａｎｄｇｒａｆ，Ｒｕｅｄｉｇｅｒ．Ｔｈｅ ｒｅｌａｔｉｏｎｓｈｉｐ ｏｆ ｐｏｓｔｐｒａｎｄｉａｌ ｇｌｕｃｏｓｅ ｔｏ ＨｂＡ１ｃ．Ｄｉａｂｅｔｅｓ Ｍｅｔａｂ Ｒｅｓ Ｒｅｖ ２００４ ２０：ＳＵＰＰＬ ２（Ｓ９−Ｓ１２）．
［参照文献１５] Ｙａｍａｍｏｔｏ−Ｈｏｎｄａ，Ｒｉｔｓｕｋｏ；Ｋｉｔａｚａｔｏ，Ｈｉｒｏｊｉ；Ｈａｓｈｉｍｏｔｏ，Ｓｈｉｎｉｊ：Ｔａｋａｈａｓｈｉ，Ｙｏｓｈｉｈｉｋｏ；Ｙｏｓｈｉｄａ，Ｙｏｋｏ；Ｈａｓｅｇａｗａ，Ｃｈｉｙｏｋｏ；Ａｋａｎｕｍａ，Ｙａｓｕｏ；Ｎｏｄａ，Ｍｉｔｓｕｈｉｋｏ．Ｄｉｓｔｒｉｂｕｔｉｏｎ ｏｆ ｂｌｏｏｄ ｇｌｕｃｏｓｅ ａｎｄ Ｔｈｅ ｃｏｒｒｅｌａｔｉｏｎ ｂｅｔｗｅｅｎ ｂｌｏｏｄ ｇｌｕｃｏｓｅ ａｎｄ ｈｅｍｏｇｌｏｂｉｎ Ａ１ｃ ｌｅｖｅｌｓ ｉｎ ｄｉａｂｅｔｉｃ ｏｕｔｐａｔｉｅｎｔｓ．Ｅｎｄｏｃｒｉｎｅ Ｊｏｕｒｎａｌ ２００８ ５５：５（９１３−９２３）．
［参照文献１６] Ｇｏｌｄｓｔｅｉｎ ＤＥ，Ｌｉｔｔｌｅ ＲＲ，Ｌｏｒｅｎｚ ＲＡ ｅｔ ａｌ．Ｔｅｓｔｓ ｏｆ ｇｌｙｃｅｍｉａ ｉｎ ｄｉａｂｅｔｅｓ．
Ｄｉａｂｅｔｅｓ Ｃａｒｅ．２００４；２７：１７６１−７３．
［参照文献１７] Ｔｒｅｖｉｎｏ，Ｇ．Ｏｎ Ａ１ｃ ａｎｄ ｉｔｓ ｄｅｐｅｎｄｅｎｃｅ ｏｎ ＰＧ ｌｅｖｅｌ．Ｄｉａｂｅｔｅｓ Ｒｅｓｅａｒｃｈ ａｎｄ Ｃｌｉｎｉｃａｌ Ｐｒａｃｔｉｃｅ ２００６ ７３：１（１１１−１１２）．
［参照文献１８] Ｔｒｅｖｉｎｏ，Ｇ．Ｏｎ ｔｈｅ ｗｅｉｇｈｔｅｄ−Ａｖｅｒａｇｅ ｒｅｌａｔｉｏｎｓｈｉｐ ｂｅｔｗｅｅｎ ｐｌａｓｍａ ｇｌｕｃｏｓｅａｎｄ ＨｂＡ１ｃ．Ｄｉａｂｅｔｅｓ Ｃａｒｅ ２００６ １８：２（４６６−４６７）．
［参照文献１９] Ｔｒｅｖｉｎｏ，Ｇ．Ａ ｎｏｎｌｉｎｅａｒ ｒｅｌａｔｉｏｎ ｂｅｔｗｅｅｎ ｇｌｕｃｏｓｅ ａｎｄ Ａ１ｃ．Ｄｉａｂｅｔｅｓ Ｒｅｓｅａｒｃｈ ａｎｄ Ｃｌｉｎｉｃａｌ Ｐｒａｃｔｉｃｅ ２００８ ７９：３（ｅ１４）．
［参照文献２０] Ｚｉｅｌｋｅ，Ｒｏｌａｎｄ；Ｈｅｎｒｉｃｈｓ，Ｈ．Ｒ．Ｕｓｅ ｏｆ ｔｈｅ ＨｂＡ１ｃ ｄｅｔｅｒｍｉｎａｔｉｏｎ ａｓ ｌｏｎｇ−ｔｅｒｍ ｐａｒａｍｅｔｅｒ ｉｎ ｄｉａｂｅｔｅｓ ｃｏｎｔｒｏｌ．Ｋｌｉｎｉｓｃｈｅｓ Ｌａｂｏｒ １９９３ ３９：１２（９８８−９９０）．
［参照文献２１] Ｏｌｌｅｒｔｏｎ，Ｒ．Ｌ．；Ｌｕｚｉｏ，Ｓ．Ｄ．；Ｏｗｅｎｓ，Ｄ．Ｒ． Ｃｏｎｔｒｉｂｕｔｉｏｎ ｏｆ ｆａｓｔｉｎｇ ａｎｄ ｐｏｓｔｐｒａｎｄｉａｌ ｐｌａｓｍａ ｇｌｕｃｏｓｅ ｔｏ ＨｂＡ（１ｃ）Ｄｉａｂｅｔｉｃ Ｍｅｄｉｃｉｎｅ ２００５ ２２：７（９５４−９５５）．
［参照文献２２] Ｏｓｔｅｒｍａｎ−Ｇｏｌｋａｒ，Ｓ．Ｍ．；ＶｅｓＰｅｒ，Ｈ．Ｗ． Ａｓｓｅｓｓｍｅｎｔ ｏｆ ｔｈｅ ｒｅｌａｔｉｏｎｓｈｉｐ ｂｅｔｗｅｅｎ ｇｌｕｃｏｓｅ ａｎｄ Ａ１ｃ ｕｓｉｎｇ ｋｉｎｅｔｉｃ ｍｏｄｅｌｌｉｎｇ．Ｊｏｕｒｎａｌ ｏｆ Ｄｉａｂｅｔｅｓ ａｎｄ ｉｔｓ Ｃｏｍｐｌｉｃａｔｉｏｎｓ ２００６ ２０：５（２８５−２９４）．
［参照文献２３] Ｋａｈｒｏｍ、Ｍ．Ａｎ ｉｎｎｏｖａｔｉｖｅ ｍａｔｈｅｍａｔｉｃａｌ ｍｏｄｅｌ：Ａ ｋｅｙ ｔｏ ｔｈｅ ｒｉｄｄｌｅ ｏｆ ＨｂＡ１ｃ．Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｊｏｕｒｎａｌ ｏｆ Ｅｎｄｏｃｒｉｎｏｌｏｇｙ ２０１０ Ａｒｔｉｃｌｅ Ｎｕｍｂｅｒ ４８１３２６．
［参照文献２４] Ｋｏｖａｔｃｈｅｖ，Ｂ．Ｐ．；Ｃｏｘ，Ｄ．Ｊ．；Ｓｔｒａｕｍｅ，Ｍ．；Ｆａｒｈｙ、Ｌ．Ｓ．Ａｓｓｏｃｉａｔｉｏｎ ｏｆ ｓｅｌｆ−ｍｏｎｉｔｏｒｉｎｇ ｂｌｏｏｄ ｇｌｕｃｏｓｅ ｐｒｏｆｉｌｅｓ ｗｉｔｈ ｇｌｙｃｏｌｙｓａｔｅｄ ｈｅｍｏｇｌｏｂｉｎ ｉｎ ｐａｔｉｅｎｔｓ ｗｉｔｈ ｉｎｓｕｌｉｎ−ｄｅｐｅｎｄｅｎｔ ｄｉａｂｅｔｅｓ．Ｍｅｔｈｏｄｓ ｉｎ Ｅｎｚｙｍｏｌｏｇｙ ２０００ ３２１（４１０−４１７）
［参照文献２５] Ｋｏｖａｔｃｈｅｖ ＢＰ，Ｓｔｒａｕｍｅ Ｍ，Ｃｏｘ ＤＪ，Ｆａｒｈｙ ＬＳ．Ｒｉｓｋ ａｎａｌｙｓｉｓ ｏｆ ｂｌｏｏｄ ｇｌｕｃｏｓｅ ｄａｔａ：Ａ ｑｕａｎｔｉｔａｔｉｖｅ ａｐｐｒｏａｃｈ ｔｏ ｏｐｔｉｍｉｚｉｎｇ ｔｈｅ ｃｏｎｔｒｏｌ ｏｆ ｉｎｓｕｌｉｎ ｄｅｐｅｎｄｅｎｔ ｄｉａｂｅｔｅｓ．Ｊ ｏｆ Ｔｈｅｏｒｅｔｉｃａｌ Ｍｅｄｉｃｉｎｅ，３：１−１０，２００１．
［参照文献２６] Ｋｏｖａｔｃｈｅｖ ＢＰ、Ｃｏｘ ＤＪ．Ｎｕｍｅｒｉｃａｌ Ｅｓｔｉｍａｔｉｏｎ ｏｆ ＨｂＡ_１ｃ ｆｒｏｍ Ｒｏｕｔｉｎｅ Ｓｅｌｆ−Ｍｏｎｉｔｏｒｉｎｇ Ｄａｔａ ｉｎ Ｐｅｏｐｌｅ Ｗｉｔｈ Ｔｙｐｅ １ ａｎｄ Ｔｙｐｅ ２ Ｄｉａｂｅｔｅｓ Ｍｅｌｌｉｔｕｓ（２００４）．Ｉｎ：Ｍｅｔｈｏｄｓ ｉｎ Ｅｎｚｙｍｏｌｏｇｙ，３８４：Ｎｕｍｅｒｉｃａｌ Ｃｏｍｐｕｔｅｒ Ｍｅｔｈｏｄｓ，Ｐａｒｔ Ｅ：９４−１０６．Ｍ Ｊｏｈｎｓｏｎ ａｎｄ Ｌ Ｂｒａｎｄ，Ｅｄｓ．，Ａｃａｄｅｍｉｃ Ｐｒｅｓｓ，ＮＹ．ＩＳＢＮ：９７８−０−１２−１８２７８９−２．
［参照文献２７] Ｋｏｖａｔｃｈｅｖ ＢＰ，Ｃｏｘ ＤＪ，Ｋｕｍａｒ Ａ，Ｇｏｎｄｅｒ−ＦｒｅｄｅｒｉｃｋＬＡ，Ｃｌａｒｋｅ ＷＬ（２００３）．Ａｌｇｏｒｉｔｈｍｉｃ Ｅｖａｌｕａｔｉｏｎ ｏｆ Ｍｅｔａｂｏｌｉｃ Ｃｏｎｔｒｏｌ ａｎｄ Ｒｉｓｋ ｏｆ Ｓｅｖｅｒｅ Ｈｙｐｏｇｌｙｃｅｍｉａ ｉｎ Ｔｙｐｅ １ ａｎｄ Ｔｙｐｅ ２ Ｄｉａｂｅｔｅｓ Ｕｓｉｎｇ Ｓｅｌｆ−Ｍｏｎｉｔｏｒｉｎｇ Ｂｌｏｏｄ Ｇｌｕｃｏｓｅ（ＳＭＢＧ）Ｄａｔａ．Ｄｉａｂｅｔｅｓ Ｔｅｃｈｎｏｌｏｇｙ ａｎｄ Ｔｈｅｒａｐｅｕｔｉｃｓ，５（５）：８１７−８２８．
［参照文献２８] Ｋｏｖａｔｃｈｅｖ ＢＰ，Ｏｔｔｏ Ｅ，Ｃｏｘ Ｄ，Ｇｏｎｄｅｒ−Ｆｒｅｄｅｒｉｃｋ Ｌ，Ｃｌａｒｋｅ Ｗ．Ｅｖａｌｕａｔｉｏｎ ｏｆ ａ ｎｅｗ ｍｅａｓｕｒｅ ｏｆ ｂｌｏｏｄ ｇｌｕｃｏｓｅ ｖａｒｉａｂｉｌｉｔｙ ｉｎ ｄｉａｂｅｔｅｓ．Ｄｉａｂｅｔｅｓ Ｃａｒｅ．２００６ Ｎｏｖ；２９（１１）：２４３３−８．
［参照文献２９] Ｋｏｖａｔｃｈｅｖ ＢＰ，Ｍｅｎｄｏｓａ Ｐ，Ａｎｄｅｒｓｏｎ Ｓ，Ｈａｗｌｅｙ ＪＳ，Ｒｉｔｔｅｒｂａｎｄ ＬＭ，Ｇｏｎｄｅｒ−Ｆｒｅｄｅｒｉｃｋ Ｌ．Ｅｆｆｅｃｔ ｏｆ ａｕｔｏｍａｔｅｄ ｂｉｏ−ｂｅｈａｖｉｏｒａｌ ｆｅｅｄｂａｃｋ ｏｎ ｔｈｅ ｃｏｎｔｒｏｌ ｏｆ ｔｙｐｅ １ ｄｉａｂｅｔｅｓ．Ｄｉａｂｅｔｅｓ Ｃａｒｅ．２０１１ Ｆｅｂ；３４（２）：３０２−７．Ｅｐｕｂ ２０１１ Ｊａｎ ７．
［参照文献３０] Ｃｌａｒｋｅ ＷＬ，Ｃｏｘ Ｄ，Ｇｏｎｄｅｒ−Ｆｒｅｄｅｒｉｃｋ ＬＡ，Ｃａｒｔｅｒ Ｗ，Ｐｏｈｌ ＳＬ．Ｅｖａｌｕａｔｉｎｇ ｃｌｉｎｉｃａｌ ａｃｃｕｒａｃｙ ｏｆ ｓｙｓｔｅｍｓ ｆｏｒ ｓｅｌｆ−ｍｏｎｉｔｏｒｉｎｇ ｏｆ ｂｌｏｏｄ ｇｌｕｃｏｓｅ．Ｄｉａｂｅｔｅｓ Ｃａｒｅ．１９８７；１０（５）：６２２−８．
［参照文献３１］ Ｐａｒｋｅｓ ＪＬ，Ｓｌａｔｉｎ ＳＬ，Ｐａｒｄｏ Ｓ，Ｇｉｎｓｂｅｒｇ ＢＨ．Ａ ｎｅｗ ｃｏｎｓｅｎｓｕｓ ｅｒｒｏｒ ｇｒｉｄ ｔｏ ｅｖａｌｕａｔｅ ｔｈｅ ｃｌｉｎｉｃａｌ ｓｉｇｎｉｆｃａｎｃｅ ｏｆｉｎａｃｃｕｒａｃｉｅｓ ｉｎ ｔｈｅ ｍｅａｓｕｒｅｍｅｎｔ ｏｆ ｂｌｏｏｄ ｇｌｕｃｏｓｅ．Ｄｉａｂｅｔｅｓ Ｃａｒｅ．２０００；２３（８）：１１４３−８．
［参照文献３２］ Ｋｏｖａｔｃｈｅｖ ＢＰ，Ｇｏｎｄｅｒ−Ｆｒｅｄｅｒｉｃｋ ＬＡ，Ｃｏｘ ＤＪ，Ｃｌａｒｋｅ ＷＬ．Ｅｖａｌｕａｔｉｎｇ ｔｈｅ ａｃｃｕｒａｃｙ ｏｆ ｃｏｎｔｉｎｕｏｕｓ ｇｌｕｃｏｓｅ−ｍｏｎｉｔｏｒｉｎｇ ｓｅｎｓｏｒｓ：ｃｏｎｔｉｎｕｏｕｓ ｇｌｕｃｏｓｅ−ｅｒｒｏｒ ｇｒｉｄ ａｎａｌｙｓｉｓ ｉｌｌｕｓｔｒａｔｅｄ ｂｙ ＴｈｅｒａＳｅｎｓｅ Ｆｒｅｅｓｔｙｌｅ Ｎａｖｉｇａｔｏｒ ｄａｔａ．Ｄｉａｂｅｔｅｓ Ｃａｒｅ．２００４；２７：１９２２−８．
［参照文献３３］ Ｃｌｉｎｉｃａｌ ａｎｄ Ｌａｂｏｒａｔｏｒｙ Ｓｔａｎｄａｒｄｓ Ｉｎｓｔｉｔｕｔｅ（ＣＬＳＩ）．Ｐｅｒｆｏｒｍａｎｃｅ Ｍｅｔｒｉｃｓ ｆｏｒ Ｃｏｎｔｉｎｕｏｕｓ Ｉｎｔｅｒｓｔｉｔｉａｌ Ｇｌｕｃｏｓｅ Ｍｏｎｉｔｏｒｉｎｇ：Ａｐｐｒｏｖｅｄ Ｇｕｉｄｅｌｉｎｅ．ＣＬＳＩ ｄｏｃｕｍｅｎｔ，ＰＯＣＴ−Ａ，２００８．
［参照文献３４］ Ｂｏｒｅｎ ＳＡ，Ｃｌａｒｋｅ ＷＬ．Ａｎａｌｙｔｉｃａｌ ａｎｄ ｃｌｉｎｉｃａｌ ｐｅｒｆｏｒｍａｎｃｅ ｏｆ ｂｌｏｏｄ ｇｌｕｃｏｓｅ ｍｏｎｉｔｏｒｓ．Ｊ Ｄｉａｂｅｔｅｓ Ｓｃｉ ＴｅｃｈｎＯｌ ２０１０：４（１）：８４−９７．
［参照文献３５］ Ｃｏｂｅｌｌｉ Ｃ，Ｄａｌｌａ Ｍａｎ Ｃ，Ｓｐａｒａｃｉｎｏ Ｇ、Ｍａｇｎｉ Ｌ，Ｎｉｃｏｌａｏ Ｇ，ａｎｄ Ｋｏｖａｔｃｈｅｖ ＢＰ（２００９）．Ｄｉａｂｅｔｅｓ：Ｍｏｄｅｌｓ，Ｓｉｇｎａｌｓ，ａｎｄ Ｃｏｎｔｒｏｌ．ＩＥＥＥ Ｒｅｖｉｅｗｓ ｉｎ Ｂｉｏｍｅｄｉｃａｌ Ｅｎｇｉｎｅｅｒｉｎｇ，２：５４−９６．

本明細書に記載する本発明の様々な実施形態の装置、システム、コンピュータ可読媒体、アルゴリズム、モデル、および方法は、その全体が参照として援用される下記参照文献、出願、公報および特許に記載されている態様を用いてもよい（これらはこのセクションに含むことにより、本発明に対する先行技術と認められるわけではない）。

［参照文献Ａ］Ｕ．Ｓ． Ｐａｔｅｎｔ Ａｐｐｌｉｃａｔｉｏｎ Ｓｅｒｉａｌ Ｎｏ．１３／６３７，３５９，ｅｎｔｉｔｌｅｄ“Ｍｅｔｈｏｄ，Ｓｙｓｔｅｍ、ａｎｄ Ｃｏｍｐｕｔｅｒ Ｐｒｏｇｒａｍ Ｐｒｏｄｕｃｔ ｆｏｒ Ｉｍｐｒｏｖｉｎｇ ｔｈｅ Ａｃｃｕｒａｃｙ ｏｆ Ｇｌｕｃｏｓｅ Ｓｅｎｓｏｒｓ Ｕｓｉｎｇ Ｉｎｓｕｌｉｎ Ｄｅｌｉｖｅｒｙ Ｏｂｓｅｒｖａｔｉｏｎ ｉｎ Ｄｉａｂｅｔｅｓ”、ｆｉｌｅｄ Ｓｅｐｔｅｍｂｅｒ ２５，２０１２；
［参照文献Ｂ］ Ｕ．Ｓ． Ｐａｔｅｎｔ Ａｐｐｌｉｃａｔｉｏｎ Ｓｅｒｉａｌ Ｎｏ．１３／６３４，０４０，ｅｎｔｉｔｌｅｄ“Ｍｅｔｈｏｄ ａｎｄ Ｓｙｓｔｅｍ ｆｏｒ ｔｈｅ Ｓａｆｅｔｙ，Ａｎａｌｙｓｉｓ，ａｎｄ Ｓｕｐｅｒｖｉｓｉｏｎ ｏｆ Ｉｎｓｕｌｉｎ Ｐｕｍｐ Ａｃｔｉｏｎ ａｎｄ Ｏｔｈｅｒ Ｍｏｄｅｓ ｏｆ Ｉｎｓｕｌｉｎ Ｄｅｌｉｖｅｒｙ ｉｎ Ｄｉａｂｅｔｅｓ”、ｆｉｌｅｄ Ｓｅｐｔｅｍｂｅｒ １１，２０１２．
［参照文献Ｃ］Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｐａｔｅｎｔ Ａｐｐｌｉｃａｔｉｏｎ Ｓｅｒｉａｌ Ｎｏ．ＰＣＴ／ＵＳ２０１２／０５２４２２，ｅｎｔｉｔｌｅｄ“Ｍｅｔｈｏｄ，Ｓｙｓｔｅｍ ａｎｄ Ｃｏｍｐｕｔｅｒ Ｒｅａｄａｂｌｅ Ｍｅｄｉｕｍ ｆｏｒ Ａｄａｐｔｉｖｅ Ａｄｖｉｓｏｒｙ Ｃｏｎｔｒｏｌｏｆ Ｄｉａｂｅｔｅｓ”，ｆｉｌｅｄ ８／２６／２０１２；
［参照文献Ｄ］Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｐａｔｅｎｔ Ａｐｐｌｉｃａｔｉｏｎ Ｓｅｒｉａｌ Ｎｏ．ＰＣＴ／ＵＳ２０１２／０４３９１０，ｅｎｔｉｔｌｅｄ“Ｕｎｉｆｉｅｄ Ｐｌａｔｆｏｒｍ Ｆｏｒ Ｍｏｎｉｔｏｒｉｎｇ ａｎｄ Ｃｏｎｔｒｏｌ ｏｆ Ｂｌｏｏｄ Ｇｌｕｃｏｓｅ Ｌｅｖｅｌｓ ｉｎ Ｄｉａｂｅｔｉｃ Ｐａｔｉｅｎｔｓ”ｆｉｌｅd ６／２３／２０１２；
［参照文献Ｅ］Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｐａｔｅｎｔ Ａｐｐｌｉｃａｔｉｏｎ Ｓｅｒｉａｌ Ｎｏ．ＰＣＴ／ＵＳ２０１２／０４３８８３，ｅｎｔｉｔｌｅｄ“Ｍｅｔｈｏｄｓ ａｎｄ Ａｐｐａｒａｔｕｓ ｆｏｒ Ｍｏｄｕｌａｒ Ｐｏｗｅｒ Ｍａｎａｇｅｍｅｎｔ ａｎｄ Ｐｒｏｔｅｃｔｉｏｎ ｏｆ Ｃｒｉｔｉｃａｌ Ｓｅｒｖｉｃｅｓ ｉｎ Ａｍｂｕｌａｔｏｒｙ Ｍｅｄｉｃａｌ Ｄｅｖｉｃｅs”、ｆｉｌｅｄ ６／２２／２０１２；
［参照文献Ｆ］ ＵＳ Ｐａｔｅｎｔ Ａｐｐｌｉｃａｔｉｏｎ Ｎｏ．１３／３９４，０９１、ｅｎｔｉｔｌｅｄ“Ｔｒａｃｋｉｎｇ ｔｈｅ Ｐｒｏｂａｂｉｌｉｔｙ ｆｏｒ Ｉｍｍｉｎｅｎｔ Ｈｙｐｏｇｌｙｃｅｍｉａ ｉｎ Ｄｉａｂｅｔｅｓ ｆｒｏｍ Ｓｅｌｆ−Ｍｏｎｉｔｏｒｉｎｇ Ｂｌｏｏｄ Ｇｌｕｃｏｓｅ（ＳＭＢＧ）Ｄａｔａ ｆｉｌｅｄ ３／２／１２；
［参照文献Ｇ］ ＵＳ Ｐａｔｅｎｔ Ａｐｐｌｉｃａｔｉｏｎ Ｎｏ．１３／３９３，６４７ ｆｉｌｅｄ ３／１／１２，Ｎａｔｉｏｎａｌ Ｓｔａｇｅ ｏｆ ＰＣＴ／ＵＳ２０１０／０４７３８６，ｅｎｔｉｔｌｅｄ“Ｓｙｓｔｅｍ、Ｍｅｔｈｏｄ ａｎｄ Ｃｏｍｐｕｔｅｒ Ｐｒｏｇｒａｍ Ｐｒｏｄｕｃｔ ｆｏｒ Ａｄｊｕｓｔｍｅｎｔ ｏｆ Ｉｎｓｕｌｉｎ Ｄｅｌｉｖｅｒｙ（ＡＩＤ）ｉｎ Ｄｉａｂｅｔｅｓ Ｕｓｉｎｇ Ｎｏｍｉｎａｌ Ｏｐｅｎ−Ｌｏｏｐ Ｐｒｏｆｉｌｅｓ”ｆｉｌｅｄ Ａｕｇｕｓｔ ３１、２０１０；
［参照文献Ｈ］ ＵＳ Ｐａｔｅｎｔ Ａｐｐｌｉｃａｔｉｏｎ Ｎｏ．１３／３８０，８３９ ｆｉｌｅｄ Ｆｅｂｒｕａｒｙ １０，２０１２，Ｎａｔｉｏｎａｌ Ｓｔａｇｅ ｏｆ ＰＣＴ／ＵＳ２０１０／０４００９７，ｅｎｔｉｔｌｅｄ“Ｓｙｓｔｅｍ，Ｍｅｔｈｏｄ ａｎｄ Ｃｏｍｐｕｔｅｒ Ｓｔｉｍｕｌａｔｉｏｎ Ｅｎｖｉｒｏｎｍｅｎｔ ｆｏｒ Ｉｎ Ｓｉｌｉｃｏ Ｔｒｉａｌｓ ｉｎ Ｐｒｅｄｉａｂｅｔｅｓ ａｎｄ Ｔｙｐｅ ２ Ｄｉａｂｅｔｅｓ”ｆｉｌｅｄ Ｊｕｎｅ ２５，２０１０；
［参照文献Ｉ］ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｐａｔｅｎｔ Ａｐｐｌｉｃａｔｉｏｎ Ｓｅｒｉａｌ Ｎｏ．ＰＣＴ／ＵＳ２０１１／０２９７９３，ｅｎｔｉｔｌｅｄ“Ｍｅｔｈｏｄ，Ｓｙｓｔｅｍ ａｎｄ Ｃｏｍｐｕｔｅｒ Ｐｒｏｇｒａｍ Ｐｒｏｄｕｃｔ ｆｏｒ Ｉｍｐｒｏｖｉｎｇ ｔｈｅ Ａｃｃｕｒａｃｙ ｏｆ Ｃｏｎｔｉｎｕｏｕｓ Ｇｌｕｃｏｓｅ Ｓｅｎｓｏｒｓ Ｕｓｉｎｇ Ｉｎｓｕｌｉｎ Ｄｅｌｉｖｅｒｙ Ｏｂｓｅｒｖａｔｉｏｎ ｉｎ Ｄｉａｂｅｔｅｓ”ｆｉｌｅｄ Ｍａｒｃｈ ２４，２０１１；
［参照文献Ｊ］ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｐａｔｅｎｔ Ａｐｐｌｉｃａｔｉｏｎ Ｓｅｒｉａｌ Ｎｏ．ＰＣＴ／ＵＳ２０１１／０２８１６３，ｅｎｔｉｔｌｅｄ“Ｍｅｔｈｏｄ ａｎｄ Ｓｙｓｔｅｍ ｆｏｒ Ｔｈｅ Ｓａｆｅｔｙ，Ａｎａｌｙｓｉｓ，ａｎｄ Ｓｕｐｅｒｖｉｓｉｏｎ ｏｆ Ｉｎｓｕｌｉｎ Ｐｕｍ ＰＡｃｔｉｏｎ ａｎｄ Ｏｔｈｅｒ Ｍｏｄｅｓ ｏｆ Ｉｎｓｕｌｉｎ Ｄｅｌｉｖｅｒｙ ｉｎ Ｄｉａｂｅｔｅｓ”ｆｉｌｅｄ Ｍａｒｃｈ １１、２０１１；
［参照文献Ｋ］ Ｕ．Ｓ． Ｐａｔｅｎｔ Ａｐｐｌｉｃａｔｉｏｎ Ｓｅｒｉａｌ Ｎｏ．１２／９７５，５８０, ｅｎｔｉｔｌｅｄ “Ｓｙｓｔｅｍ, Ｍｅｔｈｏｄ ａｎｄ Ｃｏｍｐｕｔｅｒ Ｐｒｏｇｒａｍ Ｐｒｏｄｕｃｔ ｆｏｒ Ａｄｊｕｓｔｍｅｎｔ ｏｆ Ｉｎｓｕｌｉｎ Ｄｅｌｉｖｅｒｙ （ＡＩＤ） ｉｎ Ｄｉａｂｅｔｅｓ Ｕｓｉｎｇ Ｎｏｍｉｎａｌ Ｏｐｅｎ−Ｌｏｏｐ Ｐｒｏｆｉｌｅｓ”, ｆｉｌｅｄ Ｄｅｃｅｍｂｅｒ ２２, ２０１０；
［参照文献Ｌ］ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｐａｔｅｎｔ Ａｐｐｌｉｃａｔｉｏｎ Ｓｅｒｉａｌ Ｎｏ．ＰＣＴ／ＵＳ２０１０／０４７７１１ , ｅｎｔｉｔｌｅｄ “Ｔｒａｃｋｉｎｇ ｔｈｅ Ｐｒｏｂａｂｉｌｉｔｙ ｆｏｒ Ｈｙｐｏｇｌｙｃｅｍｉａ ｉｎ Ｄｉａｂｅｔｅｓ ｆｒｏｍ Ｓｅｌｆ−Ｍｏｎｉｔｏｒｉｎｇ Ｂｌｏｏｄ Ｇｌｕｃｏｓｅ （ＳＭＢＧ） Ｄａｔａ, ｆｉｌｅｄ Ｓｅｐｔｅｍｂｅｒ ２, ２０１０；
［参照文献Ｍ］ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｐａｔｅｎｔ Ａｐｐｌｉｃａｔｉｏｎ Ｓｅｒｉａｌ Ｎｏ．ＰＣＴ／ＵＳ２０１０／０４７３８６, ｅｎｔｉｔｌｅｄ “Ｓｙｓｔｅｍ Ｃｏｏｒｄｉｎａｔｏｒ ａｎｄ Ｍｏｄｕｌａｒ Ａｒｃｈｉｔｅｃｔｕｒｅ ｆｏｒ Ｏｐｅｎ−Ｌｏｏｐ ａｎｄ Ｃｌｏｓｅｄ−Ｌｏｏｐ Ｃｏｎｔｒｏｌ ｏｆ Ｄｉａｂｅｔｅｓ”, Ａｕｇｕｓｔ ３１, ２０１０；
［参照文献Ｎ］ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｐａｔｅｎｔ Ａｐｐｌｉｃａｔｉｏｎ Ｓｅｒｉａｌ Ｎｏ．ＰＣＴ／ＵＳ２０１０／０３６６２９, ｅｎｔｉｔｌｅｄ “Ｓｙｓｔｅｍ Ｃｏｏｒｄｉｎａｔｏｒ ａｎｄ Ｍｏｄｕｌａｒ Ａｒｃｈｉｔｅｃｔｕｒｅ ｆｏｒ Ｏｐｅｎ−Ｌｏｏｐ ａｎｄ Ｃｌｏｓｅｄ−Ｌｏｏｐ Ｃｏｎｔｒｏｌ ｏｆ Ｄｉａｂｅｔｅｓ”, ｆｉｌｅｄ Ｍａｙ ２８, ２０１０；
［参照文献Ｏ］ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｐａｔｅｎｔ Ａｐｐｌｉｃａｔｉｏｎ Ｓｅｒｉａｌ Ｎｏ．ＰＣＴ／ＵＳ２０１０／０２５４０５, ｅｎｔｉｔｌｅｄ “Ｍｅｔｈｏｄ, Ｓｙｓｔｅｍ ａｎｄ Ｃｏｍｐｕｔｅｒ Ｐｒｏｇｒａｍ Ｐｒｏｄｕｃｔ ｆｏｒ ＣＧＭ−Ｂａｓｅｄ Ｐｒｅｖｅｎｔｉｏｎ ｏｆ Ｈｙｐｏｇｌｙｃｅｍｉａ ｖｉａ Ｈｙｐｏｇｌｙｃｅｍｉａ Ｒｉｓｋ Ａｓｓｅｓｓｍｅｎｔ ａｎｄ Ｓｍｏｏｔｈ Ｒｅｄｕｃｔｉｏｎ Ｉｎｓｕｌｉｎ Ｄｅｌｉｖｅｒｙ,” ｆｉｌｅｄ Ｆｅｂｒｕａｒｙ ２５, ２０１０；
［参照文献Ｐ］ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｐａｔｅｎｔ Ａｐｐｌｉｃａｔｉｏｎ Ｓｅｒｉａｌ Ｎｏ．ＰＣＴ／ＵＳ２００９／０６５７２５, ｅｎｔｉｔｌｅｄ “Ｍｅｔｈｏｄ, Ｓｙｓｔｅｍ, ａｎｄ Ｃｏｍｐｕｔｅｒ Ｐｒｏｇｒａｍ Ｐｒｏｄｕｃｔ ｆｏｒ Ｔｒａｃｋｉｎｇ ｏｆ Ｂｌｏｏｄ Ｇｌｕｃｏｓｅ Ｖａｒｉａｂｉｌｉｔｙ ｉｎ Ｄｉａｂｅｔｅｓ ｆｒｏｍ Ｄａｔａ,” ｆｉｌｅｄ Ｎｏｖｅｍｂｅｒ ２４, ２００９；
［参照文献Ｑ］ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｐａｔｅｎｔ Ａｐｐｌｉｃａｔｉｏｎ Ｓｅｒｉａｌ Ｎｏ．ＰＣＴ／ＵＳ２００８／０８２０６３, ｅｎｔｉｔｌｅｄ “Ｍｏｄｅｌ Ｐｒｅｄｉｃｔｉｖｅ Ｃｏｎｔｒｏｌ Ｂａｓｅｄ Ｍｅｔｈｏｄ ｆｏｒ Ｃｌｏｓｅｄ−Ｌｏｏｐ Ｃｏｎｔｒｏｌ ｏｆ Ｉｎｓｕｌｉｎ Ｄｅｌｉｖｅｒｙ ｉｎ Ｄｉａｂｅｔｅｓ Ｕｓｉｎｇ Ｃｏｎｔｉｎｕｏｕｓ Ｇｌｕｃｏｓｅ Ｓｅｎｓｉｎｇ”, ｆｉｌｅｄ Ｏｃｔｏｂｅｒ ３１, ２００８；
［参照文献Ｒ］ ＰＣＴ／ＵＳ２００８／０６９４１６, ｅｎｔｉｔｌｅｄ “Ｍｅｔｈｏｄ, Ｓｙｓｔｅｍ ａｎｄ Ｃｏｍｐｕｔｅｒ Ｐｒｏｇｒａｍ Ｐｒｏｄｕｃｔ ｆｏｒ Ｅｖａｌｕａｔｉｏｎ ｏｆ Ｉｎｓｕｌｉｎ Ｓｅｎｓｉｔｉｖｉｔｙ, Ｉｎｓｕｌｉｎ／Ｃａｒｂｏｈｙｄｒａｔｅ Ｒａｔｉｏ, ａｎｄ Ｉｎｓｕｌｉｎ Ｃｏｒｒｅｃｔｉｏｎ Ｆａｃｔｏｒｓ ｉｎ Ｄｉａｂｅｔｅｓ ｆｒｏｍ Ｓｅｌｆ−Ｍｏｎｉｔｏｒｉｎｇ Ｄａｔａ”, ｆｉｌｅｄ Ｊｕｌｙ ８, ２００８；
［参照文献Ｓ］ ＰＣＴ／ＵＳ２００８／０６７７２５, ｅｎｔｉｔｌｅｄ “Ｍｅｔｈｏｄ, Ｓｙｓｔｅｍ ａｎｄ Ｃｏｍｐｕｔｅｒ Ｓｉｍｕｌａｔｉｏｎ Ｅｎｖｉｒｏｎｍｅｎｔ ｆｏｒ Ｔｅｓｔｉｎｇ ｏｆ Ｍｏｎｉｔｏｒｉｎｇ ａｎｄ Ｃｏｎｔｒｏｌ Ｓｔｒａｔｅｇｉｅｓ ｉｎ Ｄｉａｂｅｔｅｓ,” ｆｉｌｅｄ Ｊｕｎｅ ２０, ２００８；
［参照文献Ｔ］ ＰＣＴ／ＵＳ２００８／０６７７２３, ｅｎｔｉｔｌｅｄ “ＬＱＧ Ａｒｔｉｆｉｃｉａｌ Ｐａｎｃｒｅａｓ Ｃｏｎｔｒｏｌ Ｓｙｓｔｅｍ ａｎｄ Ｒｅｌａｔｅｄ Ｍｅｔｈｏｄ”, ｆｉｌｅｄ ｏｎ ６／２０／２００８；
［参照文献Ｕ］ Ｕ．Ｓ． Ｐａｔｅｎｔ Ａｐｐｌｉｃａｔｉｏｎ Ｓｅｒｉａｌ Ｎｏ．１２／５１６，０４４, ｅｎｔｉｔｌｅｄ “Ｍｅｔｈｏｄ, Ｓｙｓｔｅｍ, ａｎｄ Ｃｏｍｐｕｔｅｒ Ｐｒｏｇｒａｍ Ｐｒｏｄｕｃｔ ｆｏｒ ｔｈｅ Ｄｅｔｅｃｔｉｏｎ ｏｆ Ｐｈｙｓｉｃａｌ Ａｃｔｉｖｉｔｙ ｂｙ Ｃｈａｎｇｅｓ ｉｎ Ｈｅａｒｔ Ｒａｔｅ, Ａｓｓｅｓｓｍｅｎｔ ｏｆ Ｆａｓｔ Ｃｈａｎｇｉｎｇ Ｍｅｔａｂｏｌｉｃ Ｓｔａｔｅｓ, ａｎｄ Ａｐｐｌｉｃａｔｉｏｎｓ ｏｆ Ｃｌｏｓｅｄ ａｎｄ Ｏｐｅｎ Ｃｏｎｔｒｏｌ Ｌｏｏｐ ｉｎ Ｄｉａｂｅｔｅｓ”, ｆｉｌｅｄ Ｍａｙ ２２, ２００９；
［参照文献Ｖ］ ＰＣＴ／ＵＳ２００７／０８５５８８, ｅｎｔｉｔｌｅｄ “Ｍｅｔｈｏｄ, Ｓｙｓｔｅｍ, ａｎｄ Ｃｏｍｐｕｔｅｒ Ｐｒｏｇｒａｍ Ｐｒｏｄｕｃｔ ｆｏｒ ｔｈｅ Ｄｅｔｅｃｔｉｏｎ ｏｆ Ｐｈｙｓｉｃａｌ Ａｃｔｉｖｉｔｙ ｂｙ Ｃｈａｎｇｅｓ ｉｎ Ｈｅａｒｔ Ｒａｔｅ, Ａｓｓｅｓｓｍｅｎｔ ｏｆ Ｆａｓｔ Ｃｈａｎｇｉｎｇ Ｍｅｔａｂｏｌｉｃ Ｓｔａｔｅｓ, ａｎｄ Ａｐｐｌｉｃａｔｉｏｎｓ ｏｆ Ｃｌｏｓｅｄ ａｎｄ Ｏｐｅｎ Ｃｏｎｔｒｏｌ Ｌｏｏｐ ｉｎ Ｄｉａｂｅｔｅｓ”, ｆｉｌｅｄ Ｎｏｖｅｍｂｅｒ ２７, ２００７；
［参照文献Ｗ］ Ｕ．Ｓ． Ｓｅｒｉａｌ Ｎｏ．１１／９４３，２２６, ｅｎｔｉｔｌｅｄ “Ｓｙｓｔｅｍｓ, Ｍｅｔｈｏｄｓ ａｎｄ Ｃｏｍｐｕｔｅｒ Ｐｒｏｇｒａｍ Ｃｏｄｅｓ ｆｏｒ Ｒｅｃｏｇｎｉｔｉｏｎ ｏｆ Ｐａｔｔｅｒｎｓ ｏｆ ＨｙＰｅｒｇｌｙｃｅｍｉａ ａｎｄ Ｈｙｐｏｇｌｙｃｅｍｉａ, Ｉｎｃｒｅａｓｅｄ Ｇｌｕｃｏｓｅ Ｖａｒｉａｂｉｌｉｔｙ, ａｎｄ Ｉｎｅｆｆｅｃｔｉｖｅ Ｓｅｌｆ−Ｍｏｎｉｔｏｒｉｎｇ ｉｎ Ｄｉａｂｅｔｅｓ” ｆｉｌｅｄ Ｎｏｖｅｍｂｅｒ ２０, ２００７；
［参照文献Ｘ］ Ｕ．Ｓ． Ｐａｔｅｎｔ Ａｐｐｌｉｃａｔｉｏｎ Ｎｏ．１１／５７８，８３１ , ｅｎｔｉｔｌｅｄ “Ｍｅｔｈｏｄ, Ｓｙｓｔｅｍ ａｎｄ Ｃｏｍｐｕｔｅｒ Ｐｒｏｇｒａｍ Ｐｒｏｄｕｃｔ ｆｏｒ Ｅｖａｌｕａｔｉｎｇ ｔｈｅ Ａｃｃｕｒａｃｙ ｏｆ Ｂｌｏｏｄ Ｇｌｕｃｏｓｅ Ｍｏｎｉｔｏｒｉｎｇ Ｓｅｎｓｏｒｓ／Ｄｅｖｉｃｅｓ”,ｆｉｌｅｄ Ｏｃｔｏｂｅｒ １８, ２００６；
［参照文献Ｙ］ ＰＣＴ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ａｐｐｌｉｃａｔｉｏｎ Ｓｅｒｉａｌ Ｎｏ．ＰＣＴ／ＵＳ２００５／０１３７９２, ｅｎｔｉｔｌｅｄ “Ｍｅｔｈｏｄ, Ｓｙｓｔｅｍ, ａｎｄ Ｃｏｍｐｕｔｅｒ Ｐｒｏｇｒａｍ Ｐｒｏｄｕｃｔ ｆｏｒ Ｅｖａｌｕａｔｉｏｎ ｏｆ ｔｈｅ Ａｃｃｕｒａｃｙ ｏｆ Ｂｌｏｏｄ Ｇｌｕｃｏｓｅ Ｍｏｎｉｔｏｒｉｎｇ Ｓｅｎｓｏｒｓ／Ｄｅｖｉｃｅｓ” , ｆｉｌｅｄ Ａｐｒｉｌ ２１, ２００５；
［参照文献Ｚ］ ＰＣＴ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ａｐｐｌｉｃａｔｉｏｎ Ｓｅｒｉａｌ Ｎｏ．ＰＣＴ／ＵＳ０ １／０９８８４, ｅｎｔｉｔｌｅｄ “Ｍｅｔｈｏｄ, Ｓｙｓｔｅｍ, ａｎｄ Ｃｏｍｐｕｔｅｒ Ｐｒｏｇｒａｍ Ｐｒｏｄｕｃｔ ｆｏｒ Ｅｖａｌｕａｔｉｏｎ ｏｆ Ｇｌｙｃｅｍｉｃ Ｃｏｎｔｒｏｌ ｉｎ Ｄｉａｂｅｔｅｓ Ｓｅｌｆ−Ｍｏｎｉｔｏｒｉｎｇ Ｄａｔａ”, ｆｉｌｅｄ Ｍａｒｃｈ ２９, ２００１；
［参照文献ＡＡ］ Ｕ．Ｓ． Ｐａｔｅｎｔ Ｎｏ．７，０２５，４２５ Ｂ２ ｉｓｓｕｅｄ Ａｐｒｉｌ １１ , ２００６, ｅｎｔｉｔｌｅｄ “Ｍｅｔｈｏｄ, Ｓｙｓｔｅｍ, ａｎｄ Ｃｏｍｐｕｔｅｒ Ｐｒｏｇｒａｍ Ｐｒｏｄｕｃｔ ｆｏｒ ｔｈｅ Ｅｖａｌｕａｔｉｏｎ ｏｆ Ｇｌｙｃｅｍｉｃ Ｃｏｎｔｒｏｌ ｉｎ Ｄｉａｂｅｔｅｓ ｆｒｏｍ Ｓｅｌｆ−Ｍｏｎｉｔｏｒｉｎｇ Ｄａｔａ”；
［参照文献ＢＢ］ Ｕ．Ｓ． Ｐａｔｅｎｔ Ａｐｐｌｉｃａｔｉｏｎ Ｎｏ．１１／３０５，９４６ ｆｉｌｅｄ Ｄｅｃｅｍｂｅｒ １９, ２００５ ｅｎｔｉｔｌｅｄ “Ｍｅｔｈｏｄ, Ｓｙｓｔｅｍ, ａｎｄ Ｃｏｍｐｕｔｅｒ Ｐｒｏ ｇｒａｍ Ｐｒｏｄｕｃｔ ｆｏｒ ｔｈｅ Ｅｖａｌｕａｔｉｏｎ ｏｆ Ｇｌｙｃｅｍｉｃ Ｃｏｎｔｒｏｌ ｉｎ Ｄｉａｂｅｔｅｓ ｆｒｏｍ Ｓｅｌｆ−Ｍｏｎｉｔｏｒｉｎｇ Ｄａｔａ” （Ｐｕｂｌｉｃａｔｉｏｎ Ｎｏ．２００６／００９４９４７）；
［参照文献ＣＣ］ ＰＣＴ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ａｐｐｌｉｃａｔｉｏｎ Ｓｅｒｉａｌ Ｎｏ．ＰＣＴ／ＵＳ２００３／０２５０５３, ｆｉｌｅｄ Ａｕｇｕｓｔ ８, ２００３, ｅｎｔｉｔｌｅｄ “Ｍｅｔｈｏｄ, Ｓｙｓｔｅｍ, ａｎｄ Ｃｏｍｐｕｔｅｒ Ｐｒｏｇｒａｍ Ｐｒｏｄｕｃｔ ｆｏｒ ｔｈｅ Ｐｒｏｃｅｓｓｉｎｇ ｏｆ Ｓｅｌｆ−Ｍｏｎｉｔｏｒｉｎｇ Ｂｌｏｏｄ Ｇｌｕｃｏｓｅ （ＳＭＢＧ） Ｄａｔａ ｔｏ Ｅｎｈａｎｃｅ Ｄｉａｂｅｔｉｃ Ｓｅｌｆ−Ｍａｎａｇｅｍｅｎｔ；”
［参照文献ＤＤ］ Ｕ．Ｓ． Ｐａｔｅｎｔ Ａｐｐｌｉｃａｔｉｏｎ Ｎｏ．１０／５２４，０９４ ｆｉｌｅｄ Ｆｅｂｒｕａｒｙ ９, ２００５ ｅｎｔｉｔｌｅｄ “Ｍａｎａｇｉｎｇ ａｎｄ Ｐｒｏｃｅｓｓｉｎｇ Ｓｅｌｆ−Ｍｏｎｉｔｏｒｉｎｇ Ｂｌｏｏｄ Ｇｌｕｃｏｓｅ” （Ｐｕｂｌｉｃａｔｉｏｎ Ｎｏ．２００５／２１４８９２）；
［参照文献ＥＥ］ Ｕ．Ｓ． Ｓｅｒｉａｌ Ｎｏ．１２／０６５，２５７, ｆｉｌｅｄ Ａｕｇｕｓｔ ２９, ２００８, ｅｎｔｉｔｌｅｄ “Ａｃｃｕｒａｃｙ ｏｆ Ｃｏｎｔｉｎｕｏｕｓ Ｇｌｕｃｏｓｅ Ｓｅｎｓｏｒｓ；”
［参照文献ＦＦ］ ＰＣＴ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ａｐｐｌｉｃａｔｉｏｎ Ｓｅｒｉａｌ Ｎｏ ＰＣＴ／ＵＳ２００６／０３３７２４, ｆｉｌｅｄ Ａｕｇｕｓｔ ２９, ２００６, ｅｎｔｉｔｌｅｄ “Ｍｅｔｈｏｄ ｆｏｒ Ｉｍｐｒｏｖｉｓｉｎｇ Ａｃｃｕｒａｃｙ ｏｆ Ｃｏｎｔｉｎｕｏｕｓ Ｇｌｕｃｏｓｅ Ｓｅｎｓｏｒｓ ａｎｄ ａ Ｃｏｎｔｉｎｕｏｕｓ Ｇｌｕｃｏｓｅ Ｓｅｎｓｏｒ Ｕｓｉｎｇ ｔｈｅ Ｓａｍｅ”；
［参照文献ＧＧ］ Ｕ．Ｓ． Ｓｅｒｉａｌ Ｎｏ．１２／１５９，８９１, ｆｉｌｅｄ Ｊｕｌｙ ２, ２００８, ｅｎｔｉｔｌｅｄ “Ｍｅｔｈｏｄ, Ｓｙｓｔｅｍ ａｎｄ Ｃｏｍｐｕｔｅｒ Ｐｒｏｇｒａｍ Ｐｒｏｄｕｃｔ ｆｏｒ Ｅｖａｌｕａｔｉｏｎ ｏｆ Ｂｌｏｏｄ Ｇｌｕｃｏｓｅ Ｖａｒｉａｂｉｌｉｔｙ ｉｎ Ｄｉａｂｅｔｅｓ ｆｒｏｍ Ｓｅｌｆ−Ｍｏｎｉｔｏｒｉｎｇ Ｄａｔａ”；
［参照文献ＨＨ］ ＰＣＴ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ａｐｐｌｉｃａｔｉｏｎ Ｎｏ．ＰＣＴ／ＵＳ２００７／０００３７０, ｆｉｌｅｄ Ｊａｎｕａｒｙ ５, ２００７, ｅｎｔｉｔｌｅｄ “Ｍｅｔｈｏｄ, Ｓｙｓｔｅｍ ａｎｄ Ｃｏｍｐｕｔｅｒ Ｐｒｏｇｒａｍ Ｐｒｏｄｕｃｔ ｆｏｒ Ｅｖａｌｕａｔｉｏｎ ｏｆ Ｂｌｏｏｄ Ｇｌｕｃｏｓｅ Ｖａｒｉａｂｉｌｉｔｙ ｉｎ Ｄｉａｂｅｔｅｓ ｆｒｏｍ Ｓｅｌｆ−Ｍｏｎｉｔｏｒｉｎｇ Ｄａｔａ”；
［参照文献ＩＩ］ Ｕ．Ｓ． Ｐａｔｅｎｔ Ａｐｐｌｉｃａｔｉｏｎ Ｎｏ．１１／９２５，６８９ ａｎｄ ＰＣＴ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｐａｔｅｎｔ Ａｐｐｌｉｃａｔｉｏｎ Ｎｏ．ＰＣＴ／ＵＳ２００７／０８２７４４, ｂｏｔｈ ｆｉｌｅｄ Ｏｃｔｏｂｅｒ ２６, ２００７, ｅｎｔｉｔｌｅｄ “Ｆｏｒ Ｍｅｔｈｏｄ, Ｓｙｓｔｅｍ ａｎｄ Ｃｏｍｐｕｔｅｒ Ｐｒｏｇｒａｍ Ｐｒｏｄｕｃｔ ｆｏｒ Ｒｅａｌ−Ｔｉｍｅ Ｄｅｔｅｃｔｉｏｎ ｏｆ Ｓｅｎｓｉｔｉｖｉｔｙ Ｄｅｃｌｉｎｅ ｉｎ Ａｎａｌｙｔｅ Ｓｅｎｓｏｒｓ”；
［参照文献ＪＪ］ Ｕ．Ｓ． Ｓｅｒｉａｌ Ｎｏ．１０／０６９，６７４, ｆｉｌｅｄ Ｆｅｂｒｕａｒｙ ２２, ２００２, ｅｎｔｉｔｌｅｄ “Ｍｅｔｈｏｄ ａｎｄ Ａｐｐａｒａｔｕｓ ｆｏｒ Ｐｒｅｄｉｃｔｉｎｇ ｔｈｅ Ｒｉｓｋ ｏｆ Ｈｙｐｏｇｌｙｃｅｍｉａ”；
［参照文献ＫＫ］ ＰＣＴ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ａｐｐｌｉｃａｔｉｏｎ Ｎｏ．ＰＣＴ／ＵＳ００／２２８８６, ｆｉｌｅｄ Ａｕｇｕｓｔ ２１, ２０００, ｅｎｔｉｔｌｅｄ “Ｍｅｔｈｏｄ ａｎｄ Ａｐｐａｒａｔｕｓ ｆｏｒ Ｐｒｅｄｉｃｔｉｎｇ Ｔｈｅ Ｒｉｓｋ ｏｆ Ｈｙｐｏｇｌｙｃｅｍｉａ”； ａｎｄ
［参照文献ＬＬ］ Ｕ．Ｓ． Ｐａｔｅｎｔ Ｎｏ．６，９２３，７６３ Ｂｌ, ｉｓｓｕｅｄ Ａｕｇｕｓｔ ２, ２００５, ｅｎｔｉｔｌｅｄ “Ｍｅｔｈｏｄ ａｎｄ Ａｐｐａｒａｔｕｓ ｆｏｒ Ｐｒｅｄｉｃｔｉｎｇ ｔｈｅ Ｒｉｓｋ ｏｆ Ｈｙｐｏｇｌｙｃｅｍｉａ”．

要約すると、本発明は具体的な実施形態について述べてきたが、当業者にとっては多くの修正、変形、変更、置換、および均等物は明らかであろう。本発明は、本明細書に記載の具体的な実施形態による範囲に限定されるものではない。実際、本発明の様々な修正は、本明細書に記載のものだけでなく、上記記載および添付の図面から当業者にとって明らかであろう。従って、本発明は、あらゆる修正および均等物を含む以下の公報の思想および範囲によってのみ限定されると考えるべきである。

また、別の実施形態は、上記の詳細な説明および特定の例示実施形態の図面から当業者に明らかになるであろう。多くの変形、修正および追加の実施形態が可能であると理解されるべきであり、従って、これらすべての変形、修正および実施形態は本出願の思想および範囲内にあると考えられるべきである。例えば、本出願のいずれか一部（例えば、発明の名称、技術分野、背景技術、要約、発明の概要、図面など）の内容にかかわらず、別段の特定がない限り、本明細書の請求項または特に記載もしくは図に示される活動または要素、そのような活動の特定の順序、またはこれら要素の特定の相互関係に対して特定の優先権を主張する出願を含むための要件ではない。また、任意の活動を繰り返すことができ、任意の活動を複数の主体によって行うことができ、および／または任意の要素を重複することができる。さらに、任意の活動または要素を排除することができ、活動の順序を変更することができ、および／または要素の相互関係を変更することができる。

別段の特定がない限り、特に記載または図に示される活動もしくは要素、特定の順序、そのような活動、特定のサイズ、速度、材料、寸法もしくは頻度、またはこれら要素の特定の相互関係に関して要件はない。従って、記載および図面は、例示であり、限定ではないとみなされる。さらに、 別段の特定がない限り、本明細書に任意の数値または範囲が記載されている場合、その数値または範囲はおおよそのものである。本明細書に何らかの範囲が記載されている場合、別段の特定がない限り、その範囲は、そこに記載のあらゆる値およびあらゆるサブ範囲を含む。本明細書に参照のために援用されている任意の文献内のいずれの情報（例えば米国／外国特許、米国／外国特許出願、書籍、論文など）は、本明細書に記載の情報と他の記述および図面と矛盾が存在しない程度に参照のために援用される。本明細書に記載されている任意の請求項や優先権主張を無効とする矛盾などを含む矛盾が生じた場合には、援用する参照文献内の矛盾する情報は本明細書に参照のために援用しない。

Claims (54)

1. 自己血糖（ＳＭＢＧ）測定から患者のグリコシル化ヘモグロビン（ＨｂＡ１ｃ）のリアルタイムの推定値を提供し、経時による前記患者の平均血糖の変化を追跡するコンピュータ実行方法であって、
   前記患者からプロセッサによって空腹時ＳＭＢＧ測定値を受信するステップと、
   所定の糖化式に前記空腹時ＳＭＢＧ測定値を用いて糖化値をプロセッサによって演算するステップと、
   前記患者の平均血糖の追跡を初期化する際、初期推定値のＨｂＡ１ｃとして前記糖化値をプロセッサによって出力するステップと、
   前記所定の糖化式に前記患者からの次の空腹時ＳＭＢＧ測定値に基づいて更新されたＳＭＢＧ値を用いて前記糖化値をプロセッサによって更新するステップと、
   所定のＨｂＡ１ｃの推定式に前記更新された糖化値および前記ＨｂＡ１ｃの初期推定値を用いて、プロセッサによってＨｂＡ１ｃの更新された推定値を演算するステップと、
   前記ＨｂＡ１ｃの更新された推定値をプロセッサによってユーザに出力するステップとを含む、コンピュータ実行方法。
2. 前記ＨｂＡ１ｃの更新された推定値をプロセッサによって更新するステップをさらに含み、当該ステップが、
   さらに更新された糖化値を演算するために、前記患者からのその次の空腹時ＳＭＢＧ測定値に基づいて前記所定の糖化式に次回更新されたＳＭＢＧ値を用いるステップと、
   直近に更新されたＨｂＡ１ｃの推定値とさらに更新された糖化値とを所定のＨｂＡ１ｃの推定式を用いて、プロセッサによってＨｂＡ１ｃのさらに更新された推定値を演算するステップと、
   前記ＨｂＡ１ｃのさらに更新された推定値をプロセッサによってユーザに出力するスッテプと、による、請求項１に記載のコンピュータ実行方法。
3. 前記所定の糖化式は、以下のように与えられ、
   
   ただし、
   ｍＰ０（ｔ）は所定期間に亘る平均空腹時血糖であり、前記患者から新たな空腹時血糖測定値が得られる毎に更新され、
   ＣａｌＡ１ｃは較正オフセットであり、
   γは糖化有効性パラメータであり、
   前記ＨｂＡ１ｃの初期推定値は、以下のように与えられ、
   
   前記ＨｂＡ１ｃの更新された推定値は、以下のように与えられる、
   
   請求項２に記載のコンピュータ実行方法。
4. 前記所定期間は、５日である、請求項３に記載のコンピュータ実行方法。
5. 前記γは、０．９９に固定される、請求項３に記載のコンピュータ実行方法。
6. 前記γは、ＨｂＡ１ｃ、ｅＡ１ｃ（ｔ）の直近に更新された推定値が前記患者から得られる基準ＨｂＡ１ｃの測定値に相応するように設定される、請求項３に記載のコンピュータ実行方法。
7. 下式を満足し、
   
   θ１およびθ２は、前記患者のＳＭＢＧプロファイルにおいて、事前に定義された要素である、請求項３に記載のコンピュータ実行方法。
8. 前記ＳＭＢＧプロファイルは、多数の食事時間帯プロファイルである、請求項７に記載のコンピュータ実行方法。
9. 前記多数の食事時間帯プロファイルは、以下のＳＭＢＧ測定を含む７つの時間帯のプロファイルである、請求項８に記載のコンピュータ実行方法。
   ＰＧ２：一回目の食事前
   ＰＧ３：一回目の食事後
   ＰＧ４：二回目の食事前
   ＰＧ５：二回目の食事後
   ＰＧ６：三回目の食事前
   ＰＧ７：三回目の食事後
   ＰＧ８：就寝前
10. θ_１＝．４００６×ＰＧ２＋．４６４５×ＰＧ３＋．３７５３×ＰＧ４＋．２４１１×ＰＧ５−．１８０５×ＰＧ６−．２５２８×ＰＧ７＋．０４８１×ＰＧ８であり、
    θ_２＝−．１５５７×ＰＧ２−．２０７７×ＰＧ３．１１７７×ＰＧ４＋．０３４１×ＰＧ５＋．５２５５×ＰＧ６＋．６０１４×ＰＧ７＋．２５４３×ＰＧ８である、
    請求項９に記載のコンピュータ実行方法。
11. 前記所定の糖化式は、以下のように与えられ、
    
    ただし、
    ｍＰ０（ｔ）は所定期間に亘る平均空腹時血糖であり、前記患者から新たな空腹時血糖測定値が得られる毎に更新され、
    ＣａｌＡ１ｃは較正オフセットであり、
    γは糖化有効性パラメータであり、
    前記ＨｂＡ１ｃの初期推定値は、以下のように与えられ、
    
    前記ＨｂＡ１ｃの更新された推定値は以下のように与えられる、
    
    請求項１に記載のコンピュータ実行方法。
12. 前記所定期間は、５日である、請求項１１に記載のコンピュータ実行方法。
13. γは、０．９９に固定される、請求項１１に記載のコンピュータ実行方法。
14. γはＨｂＡ１ｃ、ｅＡ１ｃ（ｔ）の直近に更新された推定値が前記患者から得られる基準ＨｂＡ１ｃの測定値に相応するように設定される、請求項１１に記載のコンピュータ実行方法。
15. 下式を満足し、
    
    θ１およびθ２は、前記患者のＳＭＢＧプロファイルにおいて事前に定義された要素である、請求項１１に記載のコンピュータ実行方法。
16. 前記ＳＭＢＧプロファイルは、多数の食事時間帯プロファイルである、請求項１５に記載のコンピュータ実行方法。
17. 前記多数の食事時間帯プロファイルは、以下のＳＭＢＧ測定を含む７つの時間帯のプロファイルである、請求項１６に記載のコンピュータ実行方法。
    ＰＧ２：一回目の食事前
    ＰＧ３：一回目の食事後
    ＰＧ４：二回目の食事前
    ＰＧ５：二回目の食事後
    ＰＧ６：三回目の食事前
    ＰＧ７：三回目の食事後
    ＰＧ８：就寝前
18. θ_１＝．４００６×ＰＧ２＋．４６４５×ＰＧ３＋．３７５３×ＰＧ４＋．２４１１×ＰＧ５−．１８０５×ＰＧ６−．２５２８×ＰＧ７＋．０４８１×ＰＧ８であり、
    θ２＝−．１５５７×ＰＧ２−．２０７７×ＰＧ３．１１７７×ＰＧ４＋．０３４１×ＰＧ５＋．５２５５×ＰＧ６＋．６０１４×ＰＧ７＋．２５４３×ＰＧ８である、
    請求項１７に記載のコンピュータ実行方法。
19. 自己血糖（ＳＭＢＧ）測定から患者のグリコシル化ヘモグロビン（ＨｂＡ１ｃ）のリアルタイムの推定値を提供し、経時による前記患者の平均血糖の変化を追跡するシステムであって、
    プロセッサと、
    プロセッサ可読メモリとを備え、
    該プロセッサ可読メモリが、
    前記患者から空腹時ＳＭＢＧ測定値を受信するステップと、
    所定の糖化式に前記空腹時ＳＭＢＧ測定値を用いて糖化値を演算するステップと、
    前記患者の平均血糖の追跡を初期化する際、ＨｂＡ１ｃの初期推定値として前記糖化値を出力するステップと、
    前記所定の糖化式に前記患者からの次の空腹時ＳＭＢＧ測定値に基づいて更新されたＳＭＢＧ値を用いて前記糖化値を更新するステップと、
    所定のＨｂＡ１ｃの推定式に前記更新された糖化値および前記ＨｂＡ１ｃの初期推定値を用いてＨｂＡ１ｃの更新された推定値を演算するステップと、
    前記ＨｂＡ１ｃの更新された推定値をユーザに出力するステップと、に対するプロセッサ実行可能命令を含む、システム。
20. 前記メモリは、
    前記ＨｂＡ１ｃの更新された推定値を更新するステップであって
    さらに更新された糖化値を演算するため、前記患者からその次の空腹時ＳＭＢＧ測定値に基づいて前記所定の糖化式に次回更新されたＳＭＢＧ値を用いるステップと、
    所定のＨｂＡ１ｃの推定式に前記さらに更新された糖化値およびＨｂＡ１ｃの直近に更新された推定値を用いて、ＨｂＡ１ｃのさらに更新された推定値を演算するステップと、によって行われるステップと、
    前記ＨｂＡ１ｃのさらに更新された推定値をユーザに出力するステップと、
    に対するプロセッサ実行可能命令をさらに含む、請求項１９に記載のシステム。
21. 前記所定の糖化式は、以下のように与えられ、
    
    ただし、
    ｍＰ０（ｔ）は所定期間に亘る平均空腹時血糖であり、前記患者から新たな空腹時血糖測定値が得られる毎に更新され、
    ＣａｌＡ１ｃは較正オフセットであり、
    γは糖化有効性パラメータであり、
    前記ＨｂＡ１ｃの初期推定値は、以下のように与えられ、
    
    前記ＨｂＡ１ｃの更新された推定値は、以下のように与えられる、
    
    請求項２０に記載のシステム。
22. 前記所定期間は、５日である、請求項２１に記載のシステム。
23. γは、０．９９に固定される、請求項２１に記載のシステム。
24. 前記γは、ＨｂＡ１ｃ、ｅＡ１ｃ（ｔ）の直近に更新された推定値が前記患者から得られる基準ＨｂＡ１ｃの測定値に相応するように設定される、請求項２１に記載のシステム。
25. 下式を満足し、
    
    θ１およびθ２は、前記患者のＳＭＢＧプロファイルの事前に定義された要素である、請求項２１に記載のシステム。
26. 前記ＳＭＢＧプロファイルは、多数の食事時間帯プロファイルである、請求項２５に記載のシステム。
27. 前記多数の食事時間帯プロファイルは、以下のＳＭＢＧ測定を含む７つの時間帯のプロファイルである、請求項２６に記載のシステム。
    ＰＧ２：一回目の食事前
    ＰＧ３：一回目の食事後
    ＰＧ４：二回目の食事前
    ＰＧ５：二回目の食事後
    ＰＧ６：三回目の食事前
    ＰＧ７：三回目の食事後
    ＰＧ８：就寝前
28. θ１＝．４００６×ＰＧ２＋．４６４５×ＰＧ３＋．３７５３×ＰＧ４＋．２４１１×ＰＧ５−．１８０５×ＰＧ６−．２５２８×ＰＧ７＋．０４８１×ＰＧ８であり、
    θ２＝−．１５５７×ＰＧ２−．２０７７×ＰＧ３．１１７７×ＰＧ４＋．０３４１×ＰＧ５＋．５２５５×ＰＧ６＋．６０１４×ＰＧ７＋．２５４３×ＰＧ８である、
    請求項２７に記載のシステム。
29. 前記所定の糖化式は、以下のように与えられ、
    
    ただし、
    ｍＰ０（ｔ）は所定期間に亘る平均空腹時血糖であり、前記患者から新たな空腹時血糖測定値が得られる毎に更新され、
    ＣａｌＡ１ｃは較正オフセットであり、
    γは糖化有効性パラメータであり、
    前記ＨｂＡ１ｃの初期推定値は、以下のように与えられ、
    
    前記ＨｂＡ１ｃの更新された推定値は、以下のように与えられる、
    
    請求項１９に記載のシステム。
30. 前記所定期間は、５日である、請求項２９に記載のシステム。
31. γは、０．９９に固定される、請求項２９に記載のシステム。
32. γは、ＨｂＡ１ｃ、ｅＡ１ｃ（ｔ）の直近に更新された推定値が前記患者から得られる基準ＨｂＡ１ｃの測定値に相応するように設定される、請求項２９に記載のシステム。
33. 下式を満足し、
    
    θ１およびθ２は、前記患者のＳＭＢＧプロファイルにおいて事前に定義された要素である、請求項２９に記載のシステム。
34. 前記ＳＭＢＧプロファイルは、多数の食事時間帯プロファイルである、請求項３３に記載のシステム。
35. 前記多数の時間帯プロファイルは、以下のＳＭＢＧ測定を含む７つの時間帯のプロファイルである、請求項３４に記載のシステム。
    ＰＧ２：一回目の食事前
    ＰＧ３：一回目の食事後
    ＰＧ４：二回目の食事前
    ＰＧ５：二回目の食事後
    ＰＧ６：三回目の食事前
    ＰＧ７：三回目の食事後
    ＰＧ８：就寝前
36. θ１＝．４００６×ＰＧ２＋．４６４５×ＰＧ３＋．３７５３×ＰＧ４＋．２４１１×ＰＧ５−．１８０５×ＰＧ６−．２５２８×ＰＧ７＋．０４８１×ＰＧ８であり、
    θ２＝−．１５５７×ＰＧ２−．２０７７×ＰＧ３．１１７７×ＰＧ４＋．０３４１×ＰＧ５＋．５２５５×ＰＧ６＋．６０１４×ＰＧ７＋．２５４３×ＰＧ８である、
    請求項３５に記載のシステム。
37. 自己血糖（ＳＭＢＧ）測定から患者のグリコシル化ヘモグロビン（ＨｂＡ１ｃ）のリアルタイムの推定値を提供し、経時による前記患者の平均血糖の変化を追跡するコンピュータ実行可能命令に記憶されている非一時的コンピュータ可読媒体であって、
    前記命令は、
    コンピュータが前記患者から空腹時ＳＭＢＧ測定値を受信するステップと、
    所定の糖化式において、前記空腹時ＳＭＢＧ測定値を用いて糖化値を演算するステップと、
    前記患者の平均血糖の追跡を初期化する際、ＨｂＡ１ｃの初期推定値として前記糖化値を出力するステップと、
    前記所定の糖化式に前記患者からの次の空腹時ＳＭＢＧ測定値に基づいて更新されたＳＭＢＧ値を用いて前記糖化値を更新するステップと、
    所定のＨｂＡ１ｃの推定式に前記更新された糖化値および前記ＨｂＡ１ｃの初期推定値を用いてＨｂＡ１ｃの更新された推定値を演算するステップと、
    前記ＨｂＡ１ｃの更新された推定値をユーザに出力するステップと、
    を行うようにする命令を含む、非一時的コンピュータ可読媒体。
38. コンピュータが前記ＨｂＡ１ｃの更新された推定値を更新するようにする命令をさらに含み、
    前記ＨｂＡ１ｃの更新された推定値は、
    さらに更新された糖化値を演算するために、前記患者からその次の空腹時ＳＭＢＧ測定値に基づいて前記所定の糖化式に次回更新されたＳＭＢＧ値を用いるステップと、
    所定のＨｂＡ１ｃの推定式に前記さらに更新された糖化値およびＨｂＡ１ｃの直近に更新された推定値を用いてＨｂＡ１ｃのさらに更新された推定値を演算するステップと、
    前記ＨｂＡ１ｃのさらに更新された推定値をユーザに出力するステップと、による、請求項３７に記載のコンピュータ可読媒体。
39. 前記所定の糖化式は、以下のように与えられ、
    
    ただし、
    ｍＰ０（ｔ）は所定期間に亘る平均空腹時血糖であり、前記患者から新たな空腹時血糖測定値が得られる毎に更新され、
    ＣａｌＡ１ｃは較正オフセットであり、
    γは糖化有効性パラメータであり、
    前記ＨｂＡ１ｃの初期推定値は、以下のように与えられ、
    
    前記ＨｂＡ１ｃの更新された推定値は、以下に与えられる、
    
    請求項３８に記載のコンピュータ可読媒体。
40. 前記所定期間は、５日である、請求項３９に記載のコンピュータ可読媒体。
41. γは、０．９９に固定される、請求項３９に記載のコンピュータ可読媒体。
42. 前記γは、ＨｂＡ１ｃ、ｅＡ１ｃ（ｔ）の直近に更新された推定値が前記患者から得られる基準ＨｂＡ１ｃの測定値に相応するように設定される、請求項３９に記載のコンピュータ可読媒体。
43. 下式を満足し、
    
    θ１およびθ２は、前記患者のＳＭＢＧプロファイルにおいて事前に定義された要素である、請求項３９に記載のコンピュータ可読媒体。
44. 前記ＳＭＢＧプロファイルは、多数の食事時間帯プロファイルである、請求項４３に記載のコンピュータ可読媒体。
45. 前記多数の食事時間帯プロファイルは、以下のＳＭＢＧ測定を含む７つの時間帯のプロファイルである、請求項４４に記載のコンピュータ可読媒体。
    ＰＧ２：一回目の食事前
    ＰＧ３：一回目の食事後
    ＰＧ４：二回目の食事前
    ＰＧ５：二回目の食事後
    ＰＧ６：三回目の食事前
    ＰＧ７：三回目の食事後
    ＰＧ８：就寝前
46. θ１＝．４００６×ＰＧ２＋．４６４５×ＰＧ３＋．３７５３×ＰＧ４＋．２４１１×ＰＧ５−．１８０５×ＰＧ６−．２５２８×ＰＧ７＋．０４８１×ＰＧ８であり、
    θ２＝−．１５５７×ＰＧ２−．２０７７×ＰＧ３．１１７７×ＰＧ４＋．０３４１×ＰＧ５＋．５２５５×ＰＧ６＋．６０１４×ＰＧ７＋．２５４３×ＰＧ８である、
    請求項４５に記載のコンピュータ可読媒体。
47. 前記所定の糖化式は、以下のように与えられ、
    
    ただし、
    ｍＰ０（ｔ）は所定期間に亘る平均空腹時血糖であり、前記患者から新たな空腹時血糖測定値が得られる毎に更新され、
    ＣａｌＡ１ｃは較正オフセットであり、
    γは糖化有効性パラメータであり、
    前記ＨｂＡ１ｃの初期推定値は、以下のように与えられ、
    前記ＨｂＡ１ｃの更新された推定値は、以下のように与えられる、
    
    請求項３７に記載のコンピュータ可読媒体。
48. 前記所定期間は、５日である、請求項４７に記載のコンピュータ可読媒体。
49. γは、０．９９に固定される、請求項４７に記載のコンピュータ可読媒体。
50. 前記γは、ＨｂＡ１ｃ、ｅＡ１ｃ（ｔ）の直近に更新された推定値が前記患者から得られる基準ＨｂＡ１ｃの測定値に相応するように設定される、請求項４７に記載のコンピュータ可読媒体。
51. 下式を満足し、
    
    θ１およびθ２は、前記患者のＳＭＢＧプロファイルにおいて事前に定義された要素である、請求項４７に記載のコンピュータ可読媒体。
52. 前記ＳＭＢＧプロファイルは、多数の食事時間帯プロファイルである、請求項５１に記載のコンピュータ可読媒体。
53. 前記多数の食事時間帯プロファイルは、以下のＳＭＢＧ測定を含む７つの時間帯のプロファイルである、請求項５２に記載のコンピュータ可読媒体。
    ＰＧ２：一回目の食事前
    ＰＧ３：一回目の食事後
    ＰＧ４：二回目の食事前
    ＰＧ５：二回目の食事後
    ＰＧ６：三回目の食事前
    ＰＧ７：三回目の食事後
    ＰＧ８：就寝前
54. θ_１＝．４００６×ＰＧ２＋．４６４５×ＰＧ３＋．３７５３×ＰＧ４＋．２４１１×ＰＧ５−．１８０５×ＰＧ６−．２５２８×ＰＧ７＋．０４８１×ＰＧ８であり、
    θ_２＝−．１５５７×ＰＧ２−．２０７７×ＰＧ３．１１７７×ＰＧ４＋．０３４１×ＰＧ５＋．５２５５×ＰＧ６＋．６０１４×ＰＧ７＋．２５４３×ＰＧ８である、
    請求項５３に記載のコンピュータ可読媒体。