早鸽—汇聚行业精英
  • 联系客服
  • 帮助中心
  • 投诉举报
  • 关注微信
400-006-1351
您的问题早鸽都有答案
3000+专业顾问
搜索
咨询

用于根据血糖的结构化单点测量结果来提供估计真实平均血糖值和估计糖化血红蛋白...制作方法

  • 专利名称
    用于根据血糖的结构化单点测量结果来提供估计真实平均血糖值和估计糖化血红蛋白...制作方法
  • 发明者
    A·图克拉尔, S·魏纳特, Z·潘, I·阿曼-扎兰, M·A·施魏特策
  • 公开日
    2012年11月28日
  • 申请日期
    2010年6月28日
  • 优先权日
    2009年6月26日
  • 申请人
    霍夫曼-拉罗奇有限公司
  • 文档编号
    A61B5/00GK102802508SQ201080028471
  • 关键字
  • 权利要求
    1.一种用于根据病人的单点血糖(bG)测量结果来提供估计真实平均血糖值和估计糖化血红蛋白(HbAlC)值两者的方法,包括 在由结构化采样方案指定的日常时间和事件时收集bG测量结果和bG测量结果的关联背景两者; 基于关联背景对每个收集的bG测量结果进行加权; 根据收集的bG测量结果的加权测量结果来确定估计真实平均bG值和估计HbAlC值;以及 提供估计真实平均bG和估计HbAlC值2.根据权利要求I所述的方法,其中,由结构化采样方案指定的日常时间是膳食后时间3.根据权利要求I所述的方法,其中,由结构化采样方案指定的日常时间是三个膳食后时间和另一时间4.根据权利要求I所述的方法,其中,所述收集的bG测量结果是在3个连续日内收集的,以提供大概HbAlc水平和/或动作对病人的HbAlC具有的影响的预测5.根据权利要求I所述的方法,其中,由结构化采样方案指定的事件中的一个是相对于膳食的开始的特定时间6.根据权利要求I所述的方法,其中,由结构化采样方案指定的事件中的一个是与估计真实平均bG值有关的葡萄糖性质的方面7.根据权利要求6所述的方法,其中,该方面是bG平均至峰值8.根据权利要求I所述的方法,其中,由结构化采样方案指定的日常时间为膳食时间之后约140分钟至约240分钟9.据权利要求I所述的方法,其中,使由结构化采样方案指定的日常时间和事件适合于病人的日常生活方式模式10.根据权利要求9所述的方法,其中,依照病人的日常生活方式模式,由结构化采样方案指定的日常时间在膳食时间之后的从约140分钟至约240分钟范围内11.根据权利要求I所述的方法,其中,结构化采样方案要求在来自由结构化采样方案指定的日常时间的时间间隔内的bG测量结果的收集,以便将bG测量结果加权12.根据权利要求11所述的方法,其中,所述时间间隔为至多±50分钟13.根据权利要求I所述的方法,其中,结构化采样方案要求在该方法能够提供估计真实平均bG和估计HbAlC值之前收集按照日常时间和事件中的每一个的预定量的bG测量结果O14.根据权利要求I所述的方法,其中,结构化采样方案要求在该方法能够提供估计真实平均bG和估计HbAlC值之前收集预定时段内的bG测量结果15.根据权利要求I所述的方法,其中,结构化采样方案要求在该方法能够提供估计真实平均bG和估计HbAlC值之前在预定时段内收集按照日常时间和事件中的每一个的至少预定量的bG测量结果16.根据权利要求I所述的方法,其中,所述加权基于膳食之间的持续时间和bG测量结果的龄期两者17.根据权利要求I所述的方法,其中,所述加权基于谐波时间加权18.根据权利要求I所述的方法,其中,比120天更老的收集的bG测量结果具有零的权值19.根据权利要求I所述的方法,其中,通过对用于日常时间的平均bG值求平均来确定估计真实平均bG值(疋),每个被定义为_ ^FASTING __τBF __jLU _⑶ γευ _S{]bG^--bGFA^ma + — bG +——bG +——bG ,其中,5 是在禁食时间之 24242424bG fasting后的时间在结构化采样方案中指定的bG测量结果,疋μ是在早餐时间之后的膳食后时间在结构化采样方案中指定的bG测量结果,巧是在午餐时间之后的膳食后时间在结构化采样方案中指定的bG测量结果,反是在晚餐时间之后的膳食后时间在结构化采样方案中指定的bG测量结果,并且每个相应的T表示连续膳食事件之间的时间的持续时间20.根据权利要求I所述的方法,其中,通过对等式0.033疋+0.5702求解来确定估计HbAlC值,其中,巧是估计真实平均bG值21.根据权利要求20所述的方法,其中,通过对等式0.033^+0.5702求解来确定估计HbAlC值,其中,疋是估计真实平均bG值22.一种用于根据单点血糖(bG)测量结果来提供估计真实平均血糖值和估计糖化血红蛋白(HbAlC)值两者的系统,包括 显示器; 存储器;以及 处理器,其被编程为 在由在存储器中提供的结构化采样方案指定的日常时间和事件时收集bG测量结果和bG测量结果的关联背景两者; 基于关联背景对每个收集的bG测量结果加权; 根据收集的bG测量结果的加权测量结果来确定估计真实平均bG值和估计HbAlC值;以及 向显示器提供估计真实平均bG和估计HbAlC值23.根据权利要求22所述的系统,其中,由结构化采样方案指定的日常时间是膳食后时间24.根据权利要求22所述的系统,其中,由结构化采样方案指定的日常时间是三个膳食后时间和另一时间25.根据权利要求22所述的系统,其中,由结构化采样方案指定的日常时间是在每次膳食之前、每次膳食之后2小时和将要上床之前,并且其中,所收集的bG测量结果是在3个连续日内收集的26.根据权利要求22所述的系统,其中,由结构化采样方案指定的事件中的一个是相对于膳食的开始的特定时间27.根据权利要求22所述的系统,其中,由结构化采样方案指定的事件中的一个是与估计真实平均bG值有关的葡萄糖性质的方面28.根据权利要求27所述的系统,其中,该方面是bG平均至峰值29.根据权利要求22所述的系统,其中,由结构化采样方案指定的日常时间为膳食时间之后约140分钟至约240分钟30.根据权利要求22所述的系统,其中,使由结构化采样方案指定的日常时间和事件适合于病人的日常生活方式模式31.根据权利要求30所述的系统,其中,依照病人的日常生活方式模式,由结构化采样方案指定的日常时间在膳食时间之后的从约140分钟至约240分钟范围内32.根据权利要求22所述的系统,其中,所述处理器被进一步编程为如果bG测量结果的收集是在来自由结构化采样方案指定的日常时间的时间间隔内,则对bG测量结果加权33.根据权利要求32所述的系统,其中,所述时间间隔为至多±50分钟34.根据权利要求22所述的系统,其中,所述处理器被进一步编程为如果已经收集了按照日常时间和事件中的每一个的预定量的bG测量结果,则根据收集的bG测量结果的加权测量结果来确定估计真实平均bG值和估计HbAlC值35.根据权利要求22所述的系统,其中,所述处理器被进一步编程为如果bG测量结果的收集在预定时段内发生,则根据收集的bG测量结果的加权测量结果来确定估计真实平均bG值和估计HbAlC值36.根据权利要求22所述的系统,其中,所述处理器被进一步编程为如果已经收集了按照日常时间和事件中的每一个的预定量的bG测量结果且如果bG测量结果的收集在预定时段内发生,则根据收集的bG测量结果的加权测量结果来确定估计真实平均bG值和估计HbAlC 值37.根据权利要求22所述的系统,其中,所述加权基于膳食之间的持续时间和bG测量结果的龄期两者38.根据权利要求22所述的系统,其中,所述加权基于谐波时间加权39.根据权利要求22所述的系统,其中,比120天更老的收集的bG测量结果具有零的权值40.根据权利要求22所述的系统,其中,通过由处理器对用于日常时间的平均bG值求解并对其求平均来确定估计真实平均bG值(拓),每个是根据下式定义的41.根据权利要求22所述的系统,其中,通过处理器对等式0.033疋+0.5702求解来确定估计HbAlC值,其中,&是估计真实平均bG值42.根据权利要求40所述的系统,其中,通过处理器对等式0.033反^+0.5702求解来确定估计HbAlC值,其中,疋是估计真实平均bG值43.根据权利要求22所述的系统,其中,处理器被进一步编程为提供警报以用信号通知日常时间和事件44.根据权利要求22所述的系统,其中,所述处理器被进一步编程为提供用于输入确定由结构化采样方案指定的日常时间和事件所需的生活方式相关参数的模式45.一种用于根据单点血糖(bG)测量结果来提供估计真实平均血糖值和估计糖化血红蛋白(HbAlC)值两者的系统,包括 具有存储器和第一处理器的血糖监视仪表,所述第一处理器被编程为在由在存储器中提供的结构化采样方案指定的日常时间时收集bG测量结果和bG测量结果的关联背景两者;以及 计算机,其具有显示器、存储器和第二处理器,其被编程为 从仪表接收收集的bG测量结果和关联背景; 基于关联背景对每个收集的bG测量结果加权; 根据收集的bG测量结果的加权测量结果来确定估计真实平均bG值和估计HbAlC值;以及 向显示器提供估计真实平均bG和估计HbAlC值46.根据权利要求45所述的系统,其中,所述仪表包括调度程序,其提示由结构化采样方案指定的日常时间时的bG测量结果和关联背景47.一种计算机程序,其包括在被基于处理器的系统实施时执行权利要求I的方法的步骤的代码48.根据权利要求I所述的方法,其中,动作是锻炼、进餐、获取处方、睡眠、改变(一个或多个)习惯、(一个或多个)生理和/或心理条件的变化中的一个
  • 技术领域
    本发明涉及生理监视,并且特别地涉及用于根据血糖的结构化单点测量结果来提供估计真实平均血糖值和估计糖化血红蛋白OlbAlC)值两者的方法和系统本发明还涉及用于实现用于根据血糖的结构化单点测量结果来提供估计真实平均血糖值和估计糖化血红蛋白(ffiAlC)值两者的方法的计算机程序
  • 背景技术
  • 具体实施例方式
    应认识到本发明的实施例增强了检索和处理血糖(bG)数据的现有软件和/或硬件通过引入一种用于根据在一个实施例中具有小于5%且在优选实施例中小于3%的变化系数(CV)的血糖的结构化单点测量结果来提供估计真实平均血糖值和估计糖化血红蛋白(HbAlC)值的方法,可以将本发明的实施例直接结合到现有家庭葡萄糖监视器中,或者用于增强检索和处理bG数据的软件本发明还涉及一种用于实现用于根据血糖的结构化单点测量结果和生活方式信息来提供估计真实平均血糖值和估计糖化血红蛋白(ffiAlC)值两者的方法的计算机程序在随后的部分中,首先对用来导出用于从按照根据本发明的测量方案收集的血糖的结构化单点测量结果(即bG数据)来提供估计真实平均血糖(bG)值和估计糖化血红蛋白(HbAlC)值的等式的方法进行讨论应认识到根据本发明的测量方案假设PwD保持可重复平均性质(behavior),由此,由关于估计HbAlC值的算法来管理收集例外(即遗漏的测试时间)还应认识到跟与估计糖血症相关联的不确定性和仅基于单点监视的其变化相比,提供证明连续血糖监视的估计HbAlc值的实用性将提供PwD的糖血症总体水平的相当准确的思想另外,某些ffiAlC值已被链接到各种疾病状态,并且因此,具有基于实验室的实验值之间的良好估计ffiAlc值能够帮助早得多地识别被关联到长期并发症(诸如微血管疾病并发症)的病人的潜在风险此外,经由优质的估计HbAlC值来提供总体糖血症的评估能够准许PwD更好地管理他/她的糖尿病现在之后是用来根据按照根据本发明的测量方案收集的血糖的结构化单点测量结果(即bG数据)来提供估计真实平均血糖值和估计糖化血 红蛋白(JlbAlC)值的方法的讨论血红蛋白糖化的动力学糖化是其中葡萄糖分子与蛋白质的氨基酸基团形成化学键的非酶的化学反应在许多糖化蛋白质中,血红蛋白AlC是相当稳定的,并且是糖血红蛋白的主要形式中的一个HbAlC的合成物主要是具有血红蛋白结构的己糖的缩聚,以形成不稳定的中间席夫碱加合物,或者醛亚胺,后面是Amadori重排列以形成稳定的氨基酮加合物HbAlc可以用三个微分等式(等式(1)-(3))对将围绕葡萄糖浓度的血红蛋白糖化的动力学进行建模,所述等式由 Mortensen、H. B.的出版物 “Glycated hemoglobin. Reaction and biokineticstudies. Clinical application of hemoglobin Alc inthe assessment of metaboliccontrol in children with diabetes mellitus”,Danish medical bulletin(1985),32(6),pp. 309-328更全面的公开在本文中将根据等式(1)-(3)的模型称为Mortensen模型Mortensen 模型今二一knHbAG+IcnH _(I),d^- = kuHbAG - (k2] + k23) HbAld + k,2HbMC (2),以及
  • 专利详情
  • 全文pdf
  • 权力要求
  • 说明书
  • 法律状态
专利名称:用于根据血糖的结构化单点测量结果来提供估计真实平均血糖值和估计糖化血红蛋白 ...的制作方法为了监视糖血症,美国糖尿病协会(ADA)推荐了在下文中称为HbAlC的血红蛋白AlC测试。健康保健提供者(HCP)使用HbAlC作为代用标记来评估先前的2至3个月时段内的病人糖血症并作为通过其来治疗病人的目标参数。例如,HCP在判定或推荐对病人治疗的改变时需要被表示为糖化血红蛋白的百分比的JlbAlC值。治疗修改可以包括对胰岛素治疗、口服法、营养、体力活动或其组合的改变、添加或切换,以便调节病人的葡萄糖,其中目标是改善病人的HbAlC值。为了得到HbAlC值的高质量确定(即,变化系数(CV) < 3% ),HbAlC试验是其中通过使用实验室设备针对血红蛋白的糖化程度来测试血样的规范,所述实验室设备诸如例如为来自Bio-Rad实验室的D-IO分析仪或来自Tosoh Bioscience公司的G-7分析仪。为了糖血症的近似评估,HCP替换地使用血糖(bG)值来确定平均葡萄糖值,并且然后解释该结果以从单点监视血糖(SMBG)值导出估计HbAlC值。然而,用此类现有技术方法这样获得的估计HbAlC值通常具有低质量(即CV > 5% )。求解真实平均bG值并估计HbAlC值的其它现有技术方法已经基于在各种临床试验期间收集的SMBG数据和由此导出的关系两者。例如,许多此类现有技术方法基于统计方法使用SMBG数据来开发预测模型。其它方法考虑具有附加预测项(predictor)(诸如先前HbAlC值)的加权bG值方案以使用记录的研究关系来确定估计HbAlC值。虽然其它方法还包括变换bG值并然后使用变换的bG值来确定估计HbAlC值。然而,此类现有技术方法具有以下潜在问题模型参数通常需要重调谐,相关大体上仍是不良的(即CV > 5% ),标准误差通常是大的,并且未进行将考虑生活方式相关变化的调整,使得任何此类报告的病人特定解决方案并未具体到足以考虑生活方式相关变化。应认识到发现提供准确HbAlC预测的良好种类算法的关键限制因素中的一个是在各种条件下获得全面且详细的(频繁地采样)血糖数据方面的困难。例如,具有基于连续血糖监视的数据集的研究虽然提供密集的数据,但通常是在相对较小的全域尺寸上执行,并且具有在时间上比用SMBG数据集的研究相对较短的持续时间。用SMBG,另一方面,存在能够收集多少测量结果的实践限制。因为bG由于诸如体力活动、膳食和压力等许多因素而在日间改变,所以不可能通过仅仅几天的测量结果来获得葡萄糖漂移的准确图片。这意味着SMBG数据集(S卩,基于时间间隔的数据集)常常未能捕获具有糖尿病的病人(PwD)的真实bG变化。意味着结果得到的现有技术预测模型正常地则是非常研究特定的。此类预测模型因此能够扩展至考虑(一个或多个)研究未解决的其它变量,在替换情况下,该研究也未基于或使用所述其它变量在不需要附加临床试验的情况下进行预测以使此类模型扩展有效。最后,由于此类现有技术方法未能考虑与bG测量相关联的背景(context),或者换言之考虑诸如碳水化合物摄取、体力活动、胰岛素治疗等事件的(一个或多个)影响,此类现有技术方法通常不适合于确定用于病人特定生活方式的优质的(即CV < 3% )的估计HbAlC 值。
针对上述背景,本发明通过公开用于根据血糖的结构化单点测量结果来提供针对病人特定生活方式的优质(即变化系数优选地< 3% )的估计真实平均血糖值和估计糖化血红蛋白(ffiAlC)值两者的方法、系统和计算机程序产品来解决上文提到的现有技术中的 缺陷。在一个实施例中,公开了一种用于根据单点血糖(bG)测量结果来提供估计真实平均血糖值和估计糖化血红蛋白OlbAlC)值两者的方法。该方法包括在由结构化采样方案(schema)指定的日常时间和事件时收集bG测量结果和bG测量结果的关联背景两者;基于关联背景对每个收集的bG测量结果进行加权;根据收集的bG测量结果的加权测量结果来确定估计真实平均bG值和估计HbAlC值;以及提供估计真实平均bG和估计HbAlC值。在另一实施例中,公开了一种用于根据单点血糖(bG)测量结果来提供估计真实平均血糖值和估计糖化血红蛋白OlbAlC)值两者的系统。该系统包括显示器;存储器;以及处理器,其被编程为在由在存储器中提供的结构化采样方案指定的日常时间和事件时收集bG测量结果和bG测量结果的关联背景两者;基于关联背景对每个收集的bG测量结果进行加权;根据收集的bG测量结果的加权测量结果来确定估计真实平均bG值和估计HbAlC值;以及将估计真实平均bG和估计HbAlC值提供给显示器。在另一实施例中,公开了一种用于根据单点血糖(bG)测量结果来提供估计真实平均血糖值和估计糖化血红蛋白OlbAlC)值两者的系统。该系统包括具有存储器和第一处理器的血糖监视仪表,所述第一处理器被编程为在由在存储器中提供的结构化采样方案指定的日常时间和事件时收集bG测量结果和bG测量结果的关联背景两者。该系统还包括具有显示器、存储器和第二处理器的计算机,所述第二处理器被编程为从仪表接收所收集的bG测量结果和关联背景;基于关联背景对每个收集的bG测量结果进行加权;根据收集的bG测量结果的加权测量结果来确定估计真实平均bG值和估计HbAlC值;以及将估计真实平均bG值和估计HbAlC值提供给显示器。在另一实施例中,公开了一种计算机程序产品,其包括在被基于处理器的系统执行时实行本文公开的本发明的方法步骤的代码。通过随后的说明书、附图和权利要求,将使得本文公开的本发明的这些及其它优点和特征变得更加显而易见。图I描绘了根据本发明的来自具有简化的基于Mortensen模型的系统的模拟的表格化数据集。图2以图形方式描绘被针对平均bG值绘图的由模拟生成的HbAlC值。图3以图形方式描绘伽玛函数分布图。图4以图形方式描绘从模拟获得的结果,其示出真实平均bG与HbAlC线性地相关,由此,举例说明了正和负血糖变化两者。图5以图形方式描绘了用于模态日(modal day)的个体的正常每日生活方式模式,其由整夜时段和3餐类型早餐、午餐和晚餐组成。图6以方框图形式描绘按照膳食类型、膳食量和膳食速度分类的从血糖漂移角度 进行的膳食选择。图7以图形方式描绘了按照事件类型的葡萄糖段(segment)的分组以表征和量化各段以便帮助识别提供高相关比的参数。图8以图形方式描绘了根据本发明的在开发用于HbAlC的预测模型时考虑的4个加权方案。图9以图形方式描绘了当t > 150分钟时的HbAlC与膳食后bG测量结果之间的强线性关系。图10以图形方式描绘了用于由R均方值绘图的生活方式背景的针对窗口中心(WinCen)和窗口尺寸(WinSize)的各种值的估计HbAlC的质量。图11以图形方式描绘了用于由均方误差绘图的生活方式背景的针对窗口中心(WinCen)和窗口尺寸(WinSize)的各种值的估计HbAlC的质量。图12以图形方式描绘了日常生活方式加权和无日常生活方式加权之间的比较且不出日常生活方式加权产生较低的均方误差。图13以图形方式描绘了对于190分钟的WinCen和50分钟的WinSize的访问时段(nDays)和样本数(nSamples)的影响。图14以图形方式描绘了针对R均方值绘图的采样比。图15A-E中的每个以图形方式描绘了用于被回归且用HbAlC%绘图的采样bG数据的采样方案,并且示出用于每个线性回归的参数相互非常接近。图16A-E中的每个以图形方式描绘了被回归且用HbAlC%绘图的采样bG数据的采样方案,其中在子图中示出了预测线(中心线)和95%置信区间(Cl)边界(在曲线之上和之下)。图17以方框图形式描绘用于实现本发明的基于处理器的系统。图18是用于实现本发明的方法的一个实施例的流程图。图19是用于实现本发明的方法的另一实施例的流程图。
^JTT~^ = k23HbAld-k,2HbMC(3)。在Mortensen模型中,项Hm表示相同龄期的红血球的子库,由此,该库由变化龄期的一群红血球组成。用相应的一组等式(1)-(3)来表示每个群的性质。根据Mortensen出版物,如下已知在模型中所使用的k参数k12 = 5. 76mmol/l/min ;k21 = 0. 006/min ;k23 =0. 000852/min ;和 k32 = 0. 000102/min。接下来,为了测试Mortensen模型在帮助生成HbAlC和bG之间的基本关系方面的实用性,在此后讨论的用于膳食相关bG漂移的模拟数据上运行糖化模拟。糖化模拟设置首先使用简单的数学公式来评估膳食相关bG漂移,由此,模拟数据帮助生成HbAlC和bG之间的基本关系。应认识到红血球的糖化是连续过程。然而,红血球具有约120天的有限寿命。根据问题需要,一个人可以使用诸如大约从90 120天的范围内的其它寿命值来覆盖不同的人口群和/或生理条件。这意味着除糖化之外,红血球被连续地添加和从糖化过程去除。随着老化的红血球被替换,必须管理所有细胞的糖化状态。从模拟角度出发,作为对每个细胞使用等式(1)-(3)的替代,通过将细胞分组成一群相同地老化的细胞来完成简化。特别是对于糖化模拟设置而言,考虑n个红血球群,由此,用一组3个不同的等式(等式(1)-(3))来描述每个群。假设每个群具有n天的寿命。当达到群的最大龄期时,新的群将其替换。模拟通过使最老的群(即当群的龄期达到其120天的生命持续时间时)的3状态复位至具有未糖化血红蛋白的新鲜的一群红血球的状态来处理这一点。总之,存在在模拟中使用的n组微分等式,由此,每组等式表示相应群的状态。如图I示意性地所示的,成列地存储3n个状态,其表示来自使用上述简化的Mortensen模型系统的模拟的表格化数据集。在每个新的时刻,将用于每个状态的值作为记录集记录在下一个新的行中,由此,在任何给定时间的每个群的糖化是第3状态的值。通过根据等式(4)将用于每个群的HbAlC状态加和,可以给出百分比(%)形式的净HbAlC。


公开了一种用于根据单点血糖(bG)测量结果来提供估计真实平均血糖值和估计糖化血红蛋白(HbA1C)值两者的方法和系统。在由结构化采样方案指定的日常时间时收集bG测量结果和bG测量结果的关联背景,并基于关联背景对收集的bG测量结果加权。然后根据所收集的bG测量结果的加权测量结果来确定估计真实平均bG值和估计HbA1C值。还公开了用于实现用于根据单点血糖(bG)测量结果来提供估计真实平均血糖值和估计糖化血红蛋白(HbA1C)值两者的方法的计算机程序。



查看更多专利详情

下载专利文献

下载专利