在或不存在提供了防故障的基础。当知道化学成分受损害时，通过测量每个分析物 测量的QDI特征，能够保护用户免于正与试剂反应的抗坏血酸盐或其它干扰物，而不是通 过计算分析物浓度（如bG值）。能够以多种方式在数学方面执行该氧化还原介体检查，该 多种方式包括模式识别、判别式分析和使用来自电流响应的选定值的简单启发式比较。
[0114] 通过SRBP应用电位测试序列的应用来使检测QDI特征的能力成为可能。以上示例 决不意图将本发明限于具有三角SRBP波形的测试序列的使用。还能够利用很多其它SRBP 波形，如梯形、余弦或正弦波形，这分别在图6A和7A中示出。像图4A中示出的三角SRBP 波形那样，这些激励电位使用线性的或由余弦函数定义的慢斜坡在+450mV和-450mV之间 循环。图6B和7B中所示的曲线图示出了在向具有550mg/dL葡萄糖和42%Hct的血液样 本应用这些可替换的SRBP波形之后每个抗坏血酸盐水平处的电流响应。类似于三角SRBP 波形，对于每个+450mV和-450mV循环，梯形和余弦SRBP波形两者均产生QDI和PDA特征。 如图6B和7B中所示，QDI特征定性地追踪掺标抗坏血酸盐水平，从而允许对测试样本抗坏 血酸盐的量化。
[0115] 除以上内容外，可替换地，测量方法可以使用混合测试序列来增强总体SMBG系统 性能和能力。示例性混合测试序列包括三个块并整合：（1)多个频率处的针对Hct和温度补 偿的低振幅AC块；（2)第一DC块，具有脉冲式激励和恢复电位以改进性能并补偿膜厚度和 过程变化，来自脉冲式DC激励的恢复脉冲信息用于进一步改善的使用；和（3)第二DC块， 具有SRBP波形，用于检测并量化干扰物，如抗氧化剂（例如，抗坏血酸盐）。利用图3A-B中 所示的第一DC块实现前三个功能，并且通过第二DC块实现第四个功能。
[0116] 图8A-B示出了示例性混合测试序列，包括：块1，其为AC块；块2,其为第一DC块； 和块3,其为第二DC块。图8B的测试序列是使用多通道、研究级恒电位仪来测试的，但还可 以被适配以结合SMBG设备、装置、系统或甚至临床系统使用。
[0117] 在图8B中，AC块包括三⑶个不同频率处的低振幅AC激励的四⑷个片段。第 一DC块包括三（3)个+450mVDC激励脉冲和三（3)个闭路OmVDC恢复脉冲。来自这些脉 冲的激励和恢复电流响应信息能够用于确定bG浓度。第二DC块包括SRBP，其可以是被设 计为检测并量化抗氧化剂（如抗坏血酸盐）的三角波形。该混合测试序列整合如上描述的 所有四个期望方面。
[0118] 图9示出了图8B的第一DC块和第二DC块（即，SRBP波形）的更详细视图。针对 混合测试序列应用的电位以浅灰示出。被称为块1的第一DC块包含仅正+450mV激励脉冲 和约OmV恢复脉冲。被称为块2的第二DC块包括SRBP波形，其还包括最终恢复周期。图 9中的电流响应分别对应于含有抗坏血酸盐水平0、10、30和60mg/dL的四个血液样本（在 标称葡萄糖、Hct水平和温度处）。针对块1的电流响应被用于定量地测量葡萄糖。然而， 要注意到，即使这四个样本含有相同量的葡萄糖，来自正激励脉冲的电流响应的幅度也作 为抗坏血酸盐的函数而增加。该增加是由于观察到的电流直接与存在的PDA的量成比例。 通过比较的方式，块2中的QDI特征作为抗坏血酸盐的函数而减小，而与块1响应类似的有 关PDA的特征增加。该示例说明块2含有块1中不存在的新的且不同的信息，并且该信息 提供了检测并量化抗氧化剂（如抗坏血酸盐）的基础。
[0119] 图8A-B和9中所示的混合测试序列并非意图限制不同DC测试块的数目、针对每 个块应用的DC电位的形状或形式、块之间的连接点处应用的DC电位、或不同DC块相对于 彼此的放置和顺序。尽管这些示例示出了DC块是连接的（即，在一个块的最后应用电压和 后续块的第一应用电压之间不存在可辨认的间断），但还可能的是，每个DC块可以被独立 执行，被所应用的电压中的间断分离。这些示例还假定对DC块的电流响应连续地后跟闭 路；然而，针对每个测试块的电流响应之间的开路周期也可以被使用。
[0120] 执行了附加工作以创建、表征和选择优化的混合测试序列，该混合测试序列包括 对任何SRBP的斜坡速率的优化。较慢的斜坡速率产生具有较低电流响应的较宽QDI和PDA 特征。相比而言，较快的斜坡速率产生具有较高电流响应的较窄QDI和PDA特征。直观来 看，应当存在优化检测（宽度）和定量信息（高度）的容易程度的最优速率（或速率的集 合），从而提供对抗坏血酸盐的最佳定量预测。
[0121] 创建并评估了各种混合测试序列。一组混合测试序列包含了多个斜坡；然而，所 有斜坡具有了相同速率。第二组混合测试序列包含了具有多至三（3)个不同速率的多个斜 坡，该不同速率范围从约3mV/毫秒至约9mV/毫秒。
[0122] 基于使用偏最小二乘法（PLS)建模对抗坏血酸盐含量进行定量模型的能力创建 了示例性优化混合测试序列，这在下文中更详细描述。图10A-F示出了产生了良好抗坏血 酸盐预测模型的六（6)个混合测试序列的示例。在所有混合测试序列中，如AC块那样，激 励和恢复脉冲的第一DC块是相同的，为了图示清楚，AC块未被示出。与图8A-B和9中所 示的混合测试序列不同，图10中的混合测试序列从第一DC块中的最后激励脉冲的结尾而 不是从恢复脉冲开始第二DC块，其为SRBP波形。这最大化了第一DC块中激励脉冲的数目 (针对葡萄糖检测，并且同时，为了最小化所有DC检测（DC块1和DC块2(SRBP块））的时 间）。
[0123] 基于定量抗坏血酸盐预测模型，图10中的左下曲线图中所示的混合测试序列被 选择为目前优选的混合测试序列，并将在本文中被称作序列A。序列A包含分别处于约7mV/ 毫秒和约5mV/毫秒的两个不同斜坡速率。DC块2以半斜坡（5mV/ms)结束回到OmV，后跟 短恢复周期。该示例并非意图限制DC块2中斜坡的数目或斜坡的速率。
[0124] 使用序列A，本文描述的发明概念是通过确立它们可以被实施在手持SMBG仪表 上而被进一步简化到实践的。为了方便起见，使用了具有可变数模转换器（DAC)速率（约 4000Hz的最小值）的新仪表，因为该功能使得可以执行任何混合测试序列。以DAC频率约 6100Hz执行了序列A。以模数转换器（ADC)速率约900Hz采样了电流响应，对应于每1. 11 毫秒一数据点。使用了快速采样来完全表征DC块1和2的电流响应的形状并使得能够及 时地从PDA特征解析QDI特征。然后，将所得的电流响应进行数字滤波以去除50Hz和60Hz 电力线噪声。
[0125] 图11A-B示出了对于DC块2的经滤波的电流响应的若干示例。在图11A中，仅来 自DC块2的信息被用于检测和量化抗坏血酸盐；因此，未示出对应的AC和DC块1电流响 应。图11A的两个曲线图示出了针对含有40mg/dL葡萄糖（上）和160mg/dL葡萄糖（下） 的掺标血样样本的电流响应。这两个样本均具有42%的Hct水平并在室温下加以测量。每 个起始样本（具有〇mg/dL抗坏血酸盐）被分别以4、10、20和40mg/dL抗坏血酸盐掺标，且 这些样本中的每一个被使用新仪表上的不同SMBG生物传感器而测量八（8)次。所得的电 流响应用抗坏血酸盐水平进行着色。图11B的两个曲线图演示了在4mg/dL(上）和40mg/ dL(下）的两个固定抗坏血酸盐水平处变化葡萄糖水平的影响。相同的起始血液样本被掺 标到40、80、120和160mg/dL葡萄糖。然后，这些样本中的每一个被分别以4mg/dL或40mg/ dL抗坏血酸盐掺标。所有样本被使用新仪表上的不同SMBG生物传感器而测量八（8)次，并 且所得的电流响应用变化的葡萄糖水平进行着色。因此，图11A-B提供了下述清楚图示：DC 块2电流响应包含用于量化抗坏血酸盐并创建防故障的充足信息。
[0126] 为了演示原理的证明，使用血液样本创建了两个不同数据集，且葡萄糖和抗坏血 酸盐水平是共同变化的。所有样本包含了 42%Hct，且是使用新仪表和序列A在室温下测 量的。数据是使用PLS回归来分析的，PLS回归是也被已知为向潜在结构的投影的多变量 技术。PLS回归考虑解释性（独立）变量（本文称为X-变量）的组与一个或多个响应（相 关）变量（本文称为Y-变量）之间的协方差。不像多线性回归，当每次观察存在大量X-变 量时、当存在比观察更多的X-变量时、和/或当X-变量被进行相关时，能够使用PLS。简单 解释，PLS过程形成新变量或者因子，其为原始X-变量的线性组合且针对Y变量的预测器而 使用它们。该因子被选择以描述还与Y-变量中的变化相关的X-矩阵中的最大可变化性。 在该工作中，使用来自Umetrics，Inc. (Kinnelon，NJ)的Simca_P+软件包执行了PLS回归。 使用来自DC块2电流响应的DC电流值作为X-变量构造了PLS模型；响应或Y-变量是掺 标抗坏血酸盐水平。具有仅一个Y-变量的PLS模型通常称为PLS1模型。在分析前，通过 减去均值来使所有X和Y变量独立地居中。
[0127] 这里，数据集1包括了分别被掺标到40、120和450mg/dL葡萄糖水平的血液样本。 这些样本中的每一个然后分别被掺标到2、4、6、8和10mg/dL抗坏血酸盐水平。最后的数据 集包含了 862个观察，其被用于构造PLS模型1。该模型包含了 ：1173个X-变量，其由DC 块2中的所有测量值（单位为nA)构成；和一个Y-变量，其为抗坏血酸盐水平（单位为mg/ dL)。PLS模型1包含了：七（7)个有效因子，其能够描述98. 5% (R2Y)的抗坏血酸盐水平 可变化性。Y-残差的标准差是〇.413mg/dL，并且模型的估计均方根误差（RMSEE)(精度的 度量）是〇.415mg/dL。实际Y-值相对于所预测的Y-值的曲线图在图12中示出。根据目 标葡萄糖水平对观察进行着色，示出PLS模型1跨宽范围的葡萄糖水平提供对抗坏血酸盐 水平的极好预测。
[0128] 使用更宽范围的抗坏血酸盐水平，将数据集2设计为更精密地查看170mg/dL以下 的葡萄糖范围。参考Parkes的一致性误差网格，由高抗坏血酸盐导致的该范围中的错误升 高的bG读数可以更可能产生不适当的医学响应。数据集2包含了分别被掺标到葡萄糖水 平40、80、120和160mg/dL的血液样本。这些样本中的每一个然后分别被掺标到抗坏血酸 盐水平4、10、20和40mg/dL。最终数据集包含了 313个观察，其被用于构造PLS模型2。如 前面的模型中那样，存在了 ：1173个X-变量，其由DC块2中的所有测量值（单位为nA)构 成；和一个Y-变量，其为抗坏血酸盐水平（单位为mg/dL)。PLS模型2包含了：三（3)个有 效因子，其能够描述99.3% (R2Y)的抗坏血酸盐水平可变化性。模型的Y-残差的标准差和 RMSEE是1. 2lmg/dL。实际Y-值相对于所预测的Y-值的曲线图在图13中示出。根据目标 葡萄糖水平对观察进行着色。像前面的模型那样，PLS模型2也跨所测量的葡萄糖范围提 供对抗坏血酸盐水平的极好预测--但跨宽得多的抗坏血酸盐范围。
[0129] 附加工作已经演示，可以创建还跨变化的Hct水平和温度条件提供准确预测的定 量抗坏血酸盐模型。该方法也对具有掺标抗坏血酸盐水平的液体样本起作用，只要它们是 测试或质量控制所感兴趣的。还应当注意到，很多不同类型的数学技术可以用于构建定量 模型，且不同类型的模型可能针对最优性能而需要不同数目的X-变量。以上提出的示例并 非意图将本发明限于使用PLS回归和/或使用所有DC块2电流值来构造用于预测抗坏血 酸盐水平的功能模型。
[0130] 除抗坏血酸盐外，还执行了实验以对另一抗氧化剂一一谷胱甘肽进行类似检测和 量化。图14A-B示出了针对谷胱甘肽以及葡萄糖的定量模型，其是专门从如以上在三（3) 个葡萄糖浓度（55、135和350mg/dL)和四（4)个谷胱甘肽浓度（0、6、12和24mg/dL)处的 DC块2数据（S卩，对SRBP的响应）构建的。使用如上描述的3-块测试序列收集了数据。 实际γ-值相对于所预测的γ-值的曲线图在图14A-C中示出。用于同时预测谷胱甘肽（图 14Α)和葡萄糖（图14Β)的最佳MVAPLS2模型使用了仅块2DC变量（无AC变量）和中心 缩放。相比而言，用于定量地单独预测谷胱甘肽（图14C)的最佳MVAPLS1模型使用了块 2DC和所有AC变量，连同佩瑞多（Pareto)缩放。
[0131] 图15A-B示出了针对DC块2的经滤波的电流响应的若干示例。图15A的曲线图 示出了用葡萄糖进行着色的电流响应，而图15B的曲线图示出了用谷胱甘肽进行着色的相 同组的电流响应。这两个曲线图演示了在4mg/dL(上）和40mg/dL(下）两个固定抗坏血 酸盐水平处变化葡萄糖水平的影响。因此，图15A-B提供了下述清楚图示：DC块2电流响 应包含用于量化谷胱甘肽和甚至葡萄糖的充足信息。
[0132]图16示出了对于在其中目标葡萄糖浓度为55mg/dL的所有观察的DC块2数据的 曲线图。QDI峰值/特征用箭头标注，并且PDA峰值/特征用星形标注。如针对抗坏血酸盐 而观察的那样，谷胱甘肽的增加的浓度引起QDI特征的幅度的减小。
[0133] 然而，不像产生PDA特征的对应增加（从而导致错误升高的葡萄糖浓度）的抗坏 血酸盐，谷胱甘肽产生非常小但仍可辨认的PDA特征减小。应当相信，这种差别可以归因于 与QDI的单电子谷胱甘肽反应，其不同于抗坏血酸盐和QDI的双电子反应。如此，看起来好 像QDI被防止形成附加PDA。
[0134] 这些结果说明：并非所有抗氧化剂都产生对所报告的葡萄糖浓度的相同水平的风 险。由于仅使用PDA信息确定葡萄糖浓度，且由于谷胱甘肽未导致PDA的显著变化，因此当 抗氧化剂为谷胱甘肽时，对所报告的葡萄糖浓度存在极少影响。相信更高水平的谷胱甘肽 (例如，50、100或200mg/dL)不会表现得有任何不同。
[0135] 由于抗坏血酸盐和谷胱甘肽未导致相同的变化，因此可以从模式识别角度对这两 者进行区分。
[0136] 如上述示例所演示，基于含有SRBP的混合测试序列来量化抗氧化剂水平（如抗坏 血酸盐水平）的能力能够被以两种不同方式使用：（1)在报告前对所计算的bG值提供补偿 或校正；和（2)构造能够用于在抗坏血酸盐水平处于预定水平以上的情况下防止不准确bG 值的报告的防故障。量化抗坏血酸盐的能力还能够与定性地检测抗坏血酸盐（或者还原 QDI的其它干扰物质）的能力进行逻辑上的组合；这是较早描述的"化学健康"防故障。下 面括号中指示的这些不同能力可被如何组合在手持SMBG仪表中的一个实用示例依照以下 过程：
[0137]a.确定是否存在期望QDI特征，如果否，则停止测试并发送错误代码（化学健康防 故障）；
[0138] b.通过使用考虑DC块1信息和/或来自DC块2的附加信息的葡萄糖专用算法来 预测存在的葡萄糖的量；
[0139]c.使用基于DC块2(量化抗氧化剂的能力）的抗氧化剂专用算法来预测存在的抗 氧化剂的量。如果抗氧化剂的量处于预定阈值以上，则不报告葡萄糖读数并发送错误代码 (BP，抗氧化剂防故障）；和
[0140]d.可选地使用所报告的抗氧化剂水平来调整或校正在步骤2中计算出的葡萄糖 值。这将需要构造使所预测的bG中的错误与所预测的抗氧化剂水平相关的附加模型。然 后，该模型将提供能够用于在来自步骤2的所计算出的bG值被报告之前调整该bG值的校 正因子。可替换地，使用来自AC和DC电流响应中任何地方的信息同时对葡萄糖和抗氧化 剂两者进行建模的多变量方法能够用于产生第二校正bG值，该值将被报告，而不是在步骤 2中计算出的值。
[0141] 应当理解的是，事件的该逻辑流程是作为示例而呈现的，而并非意图限制或规定 用于使用本发明的实际方面的方法。本公开已经描述了检测和量化抗氧化剂或甚至还原剂 的独特能力，该独特能力能够被容易地并入到手持SMBG仪表中并能够用于防止向患有糖 尿病且经历各种类型的抗氧化剂治疗的个体报告不准确bG值。本文公开的测量方法能够 与使用至少一个DC块的安培计量SMBG系统一起使用，其中，所应用的电压以使得可以区分 与氧化还原介体相关联的电化学签名的速率而斜坡变化。斜坡电压可以是线性的或遵循其 它函数形式，如正弦或余弦波。用于检测抗坏血酸盐的方法适用于含有被抗氧化剂或其它 还原剂还原且具有与酶的电压-电流签名不同的独特电压-电流签名的介体的任何电化学 系统。
[0142] 尽管以上描述的实施例利用DC块1和DC块2电流响应信息两者来提供葡萄糖 (或另一种分析物）和抗氧化剂浓度确定，但在其它实施例中，葡萄糖和抗坏血酸盐两者均 能够从单独DC块2加以预测。
[0143] 本文所记载的所有专利、专利申请、专利申请公开和其它公开物特此通过引用而 并入，如同以其全部内容阐述。
[0144] 已经结合目前被视为最实际和优选的实施例的内容描述了本发明概念。