专利名称：：糖尿病胰岛素敏感度、碳水化合物比、校正因子数据自我监测产品的制作方法相关申请本发明要求题为“Method，SystemandComputerProgramProductforEvaluationofInsulinSensitivity，Insulin/CarbohydrateRatio，andInsulinCorrectionFactorsinDiabetesfromSelf-MonitoringData；”的、2007年6月9日递交的美国临时申请序列号No.60/958,767的优先权，该美国临时申请的公开内容由此通过引用而被全部并入本文。政府支持这里描述的工作得到了NationalInstitutesofHealth授予的FederalGrantNo.NIHR01DK051562的支持。美国政府具有本发明的某些权利。
背景技术：
：糖尿病中的胰岛素抵抗和胰岛素敏感性糖尿病是多种病症(disorder)的复合，其特征在于共同的最终元素高血糖，这些病症由在生物系统组织的所有水平——从分子到人类行为上起作用的机制而引起，并且在它们的进程中通过上述所有水平上起作用的机制来确定。糖尿病具有两种主要类型由产生胰岛素的胰腺β细胞的自身免疫破坏所导致的1型(T1DM)，以及由有缺陷的胰岛素作用(胰岛素抵抗)结合胰岛素分泌的进行性丧失所导致的2型(T2DM)。在美国超过2千万人当前被糖尿病折磨，现在正在发生流行性增加。糖尿病的风险和成本(超过$1000亿/年)来自它在4个主要领域中的慢性并发症作为成人失明主要原因的视网膜病、占到所有肾衰竭中的半数的肾病、倾向于每年超过82,000例截断术的神经病，以及是没有糖尿病的人2-4倍普遍性的心血管疾病(CVD)。糖尿病中的心血管疾病还是更加病态的、更加致命的、并且较少得益于诸如旁路手术或支架(stent)之类的现代介入术(intervention)。因此，胰岛素刺激葡萄糖代谢的能力在糖尿病的发展和临床病程中具有基础的重要性(21，24，32)。已提出，与胰岛素抵抗相关联的改变的簇包括X综合征(21)，并且X综合征的所有表现都已显示能增加冠心病(coronaryheartdisease)的风险。因此，得出结论“胰岛素抵抗及其相关联的异常在糖尿病(特别是T2DM)、高血压和冠心病的发病机制方面具有极端的重要性”(32)。对术语的注释胰岛素抵抗的状态已被知晓超过55年了，其中给定量的胰岛素产生了少于预期效果的葡萄糖代谢(29)。胰岛素抵抗的综合征包括肥胖症、葡萄糖不耐受症、糖尿病、X综合征等(21，32)。胰岛素敏感度指葡萄糖清除率对血浆胰岛素变化的敏感度。几种指数已被公布；使用最多的两种是作为葡萄糖注入与胰岛素浓度的比的、由DeFronzo(18)所定义的钳夹胰岛素敏感度SI(DF)，以及由Bergman和Cobelli从葡萄糖调节的最小模型数学地导出的SI(BC)(4)。SI(DF)和SI(BC)是高度相关的；一般而言，两者之间的差别在于数据收集的方法。在本发明的非限制性和示例性的途径中，除非另有指明，我们使用SI作为胰岛素敏感度的指数，它是利用DeFronzo方法导出的。胰岛素敏感度的评估可以以几种方式来进行对胰岛素敏感度的评估，但是两种主要方案在过去的30年中一直受到青睐正常血糖高胰岛素钳夹(hyperinsulemiceuglycemicclamp)以及葡萄糖耐量测试(静脉的或口服的，IVGTT或OGTT)。第一种方法基于DeFronzo等的工作(18)，其将SI估计为在方案的过去30分钟期间的平均葡萄糖注入除以血浆胰岛素浓度(恒定的，因为被钳夹了)的比。该方法被广泛地使用，在多于2,200篇公开文献中被引用，并且一般被接受为金标准。第二种方法使用葡萄糖-胰岛素动力学，该动力学数学方面的特征在于Bergman和Cobelli的现在经典的最小模型(4)以及若干后续研究(3，6，7，11，31)。近来的计数示出，最小模型已被用在＞600篇公开文献中(12)。更新的C肽最小模型允许对β细胞功能的更精确评价(34，35，36)。进一步的研究表明口服葡萄糖耐量试验也可被使用(9，10，13，14，15)。口服模型已经在非糖尿病的人口中被广泛地验证，虽然第一批结果是有希望的，但是仍需要更多的工作以评估它们在糖尿病中的有效域(1)。最小模型(2)使得能够从口服或静脉试验来估计SI(BC)和胰岛素作用(X)。通常该模型是通过非线性最小二乘或者最大似然来数值地标识的。处置指数(DI)在前糖尿病(pre-diabetes)中，胰岛素抵抗通过来自β细胞的增加的胰岛素分泌而被补偿。接近正常的糖耐量被维持，直到此补偿失败为止。如果β细胞应答度减小，则其可能导致T2DM的发展。过去已表明，在健康状况下，胰岛素敏感度和β细胞功能之间的关系如从最小模型所估计地是双曲线的，即胰岛素敏感度Xβ细胞功能等于恒量(5，25)。图1表示了此双曲线关系，其指示了正常的糖耐量(图1中的实线)。例如，状态1表示正常的胰岛素敏感度和正常的β细胞反应，而在状态2中胰岛素抵抗增加，但是β细胞利用增加的输出来补偿。然而，如果胰岛素敏感度降低并且β细胞不再能够坚持，则双曲线关系不再被保持(图1，虚线)，即使β细胞功能是正常的(状态3)。DI已被完备地记载为T2DM的有力决定因素(19，22，23，24，39)。具体地，在具有糖尿病和受损的糖耐量(impairedglucosetolerance)的受试者(subject)中、以及在具有T2DM的人的直系亲属之中(22)，已经记载了在葡萄糖输注的头8-10分钟期间降低的急性β细胞反应(26)。重要的是注意，胰岛素敏感度(以及由此的DI)在个人之内不是固定的——这些指数随着时间并且随着各种模式的治疗而改变。(由任一公式限定的)SI特别易受身体活动的效果的影响，身体活动可在锻炼之后数个小时增加胰岛素敏感度(30，33，38)。一般地，肌肉收缩增加了到肌肉的总血流量(37)并且动员了(recruit)毛细血管(17)，从而增加了对葡萄糖的摄取。此外，胰岛素敏感度具有自然的昼夜节律的周期，例如胰岛素抵抗表现为在早晨最高，特别是在T2DM中(8，28)。因为所有的代谢参数都随时间而改变，由此得出结论对这些参数的单次测定不足以优化对有糖尿病的人的治疗方案(treatmentregiment)。这对于胰岛素敏感度而言尤其正确，因为它随着一天中的时间并且随着人的活动而快速地改变。因此，为每日地优化糖尿病控制，需要用于追踪胰岛素敏感度的改变的方法和系统。然而，基于正常血糖钳夹或者基于最小模型的SI的估计的经典方法需要侵入式的基于医院的介入术，针对胰岛素和葡萄糖而频繁地进行血液采样。因为这样的侵入式过程不能对个人频繁地执行，所以找到胰岛素敏感度和下述其他代谢参数的关联是重要的，其中其他代谢参数可从诸如自我监测血糖数据(SMBG)之类的、在个人自然环境中收集的可容易得到的数据中被导出。单次给药剂量(bolus)计算器胰岛素单次给药剂量传统地以两个阶段来计算首先，计算人所需要用于补偿进入的膳食的碳水化合物含量的胰岛素的量。这通过估计要摄取的碳水化合物的量并且乘以每个人的胰岛素/碳水化合物比来进行。第二，计算实际血糖(BG)浓度和个体目标水平之间的差距，并且算出要到达目标的胰岛素的量。这通过将(BG-目标)差乘以个体的胰岛素校正因子来进行。对每个人的碳水化合物比和校正因子的好的评估对于糖尿病的优化控制来说是关键的。在此时，基于对改变的胰岛素敏感度的个体评价的此类评估是不可获得的。此类评估的关键是从可容易得到的自我监测数据中导出的SI的被证实的估计。本发明的途径的一个方面聚焦在胰岛素敏感度(SI)上——优化的糖尿病控制所需要的最重要的因素。既在评估疾病的进行方面又在保持最优的每日方案方面，SI与T1DM和T2DM两者都相关。具体地，SI可被用作为用于确定最优胰岛素剂量和胰岛素注射的定时的基础。因此，本发明的各种实施例的一个方面提供了辅助对胰岛素/碳水化合物比和胰岛素校正因子的个体调整的两种实际地适用的方法，等等。本发明中呈现的方法、系统和计算机程序产品的一个方面可使用结合了可容易访问的个人参数的常规(routine)SMBG数据。方法和系统评估的个体SI是通过其结果针对对如下SI的基于参考医院的评估的比较来验证的该SI是利用DeFronzo的方法以及来自对具有T1DM的30个患者执行的正常血糖钳夹的数据来计算的。
发明内容本发明的各种实施例的一个方面提供但不限于提供方法、计算机方法、系统、计算机系统、计算机程序产品以及算法，以用于从常规的自我监测血糖(SMBG)数据来对胰岛素敏感度(SI)进行评价。虽然SI是糖尿病的最重要的参数之一，但是本发明的一个方面还包括应用SI来导出个人特定的两个糖尿病管理的参数的方法(i)碳水化合物比，该碳水化合物比被用来估计补偿即将来临的膳食所需要的胰岛素的量，以及(ii)校正因子，该校正因子被用来调整胰岛素量，所以目标葡萄糖水平能够被达到。相关的方法和系统可使用在2-6周(或者希望的或需要的持续时间或频率)的时段之中收集的常规SMBG数据，并且基于我们先前开发的血糖数据的风险分析的理论，具体地基于先前引进的葡萄糖变异性测量平均每日风险范围(ADRR)，参见题为“Method，SystemandComputerProgramProductforEvaluationofBloodGlucoseVariabilityinDiabetesfromSelf-MonitoringData；”的、2007年1月5日递交的PCT国际申请号No.PCT/US2007/000370，该PCT国际申请由此通过引用而被全部并入本文。出于本文档的目的，SMBG被限定为在糖尿病患者的自然环境处对血糖的暂发的(episodic)非自动化的确定(通常每日3-5次)。本发明的各种实施例的各方面可直接涉及■通过引进能够评价胰岛素敏感度(或者胰岛素抵抗，它是临床上可接受的术语，特别是在2型糖尿病中)的数据解释成分而对现有SMBG设备的增强。因为胰岛素敏感度难以测量，并且它的评估对于优化糖尿病的治疗来说是关键的，此特征可以是独立的、或者可结合下面描述的特征；■通过引进特别是利用计算餐前碳水化合物比和胰岛素校正因子来辅助对每日胰岛素需求的计算的数据解释成分而对现有SMBG设备的增强；■通过希望辅助糖尿病管理的手持设备(个人数字助理，PDA)的相同特征的增强；■通过取回SMBG数据的软件的相同特征的增强——这样的软件被家用BG监测设备的每个制造商可视地生产，并且被患者和保健提供者通常地使用以用于解释SMBG数据。该软件可驻留在患者个人计算机上，或者可经由因特网入口而被使用；■具体的应用可以是保健设置中对胰岛素敏感度(或胰岛素抵抗)的常规评估。这样的评估会包括基本的测量(重量、高度、胰岛素剂量)，结合了来自个人的存储仪的SMBG。本发明的示例性和非限制性实施例可包括1.用于利用来自预定时段、例如2-6周(或者希望或需要的其他持续时间)的SMBG读数以及基本测量(年龄、重量、高度、每日的胰岛素单位)来计算对胰岛素敏感度(SI)的估计的系统、方法和计算机程序；2.利用对SI的估计来计算个体化碳水化合物比的系统、方法和计算机程序，个体化碳水化合物比将会辅助对餐前胰岛素单次给药剂量的调整；3.利用对SI的估计来计算个体化校正因子的系统、方法和计算机程序，个体化校正因子将会辅助达到某葡萄糖目标所需要的胰岛素剂量的调整；在一个实施例中，本发明提供了计算机化的方法、计算机程序产品以及系统，它们利用运行基于预定持续时间之中收集的SMBG数据的、对个人的SI的估计，来评价胰岛素需求的改变。本发明的一个实施例的一个方面提供了一种用于从常规的自我监测血糖(SMBG)数据来对用户的胰岛素敏感度(SI)进行评价的方法。所述方法包括应用SI来导出糖尿病管理的至少一个成分。成分之一可包括碳水化合物比，该碳水化合物比被用来估计补偿即将来临的膳食所需要的胰岛素的量；校正因子，该校正因子被用来调整胰岛素量，由此可达到目标葡萄糖水平；或者碳水化合物比和校正因子两者。本发明的一个实施例的一个方面提供了一种用于从常规的自我监测血糖(SMBG)数据来对用户的胰岛素敏感度(SI)进行评价的系统。所述系统可包括获取模块，该获取模块获取多个SMBG数据点；以及处理器。该处理器可被编程用于应用SI来导出糖尿病管理的至少一个成分。至少一个成分可包括碳水化合物比，该碳水化合物比被用来估计补偿即将来临的膳食所需要的胰岛素的量，校正因子，该校正因子被用来调整胰岛素量，所以目标葡萄糖水平可被达到，或者碳水化合物比和校正因子两者。本发明的一个实施例的一个方面提供了一种计算机程序产品，该计算机程序产品包括计算机可用介质，该计算机可用介质具有计算机程序逻辑，该计算机程序逻辑用于使计算机系统中的至少一个处理器能够从常规的自我监测血糖(SMBG)数据来对用户的胰岛素敏感度(SI)进行评价。计算机程序逻辑包括应用SI来导出糖尿病管理的至少一个成分。至少一个成分可包括碳水化合物比，该碳水化合物比被用来估计补偿即将来临的膳食所需要的胰岛素的量；校正因子，该校正因子被用来调整胰岛素量，由此可达到目标葡萄糖水平；或者碳水化合物比和校正因子两者。从下面的描述和附图中将会使得本发明的这些和其他的优点和特征更加明白。本发明的上述的和其他的目的、特征和优点以及本发明自身，从对优选实施例的以下描述中、当描述与附图一起被阅读时，将会得到更充分的理解，其中图1图示出胰岛素敏感度和β细胞应答度之间的双曲线关系——处置指数。图2图示出在膳食+胰岛素单次给药剂量期间葡萄糖的出现和清除的动力学；图3图示出SI与它的估计SI1和SI2之间的关系；图4图示出从SI1和“450规则”——一种被接受的用于计算碳水化合物比的方法——计算的碳水化合物比之间的关系；图5图示出从SI1和“1800规则”——一种被接受的用于计算校正因子的方法——计算的校正因子之间的关系。图6提供了用于评价或确定用户的胰岛素敏感度(SI)的本发明的方法、系统和计算机程序产品的一个示例性实施例的一个方面的简化流程图或示意框图。图7用于实现本发明的实施例的计算机系统的功能框图；图8关于处理器、通信链路和系统的、本发明的一个实施例的替代变化的示意框图；图9关于处理器、通信链路和系统的、本发明的一个实施例的另一替代变化的示意框图；图10关于处理器、通信链路和系统的、本发明的一个实施例的第三替代变化的示意框图。具体实施例方式本发明的一个实施例的一个方面是但不限于是对从个人参数和SMBG数据导出的个体胰岛素敏感度(SI)的估计。胰岛素剂量计算器的两个成分碳水化合物比和校正因子的计算使用此估计，这使得能够将碳水化合物比和校正因子定制(tailoring)到个人的当前状态。本发明的方法或系统的一个方面是如下的理解通过胰岛素基础速率(basalrate)的改变来控制稳态葡萄糖浓度，同时用若干单次给药剂量来补偿血糖性事件(例如膳食)。数据和数据预处理例如胰岛素敏感度估计的计算的第一步骤包括取回在监测的过去2-6周(或者希望或需要的持续时间)期间所收集的所有SMBG数据点。这些数据然后如先前所描述的那样被预处理，以及时计算在此时段中的个人平均每日风险范围(averagedailyriskrange)(ADRR)(参见题为“Systems，MethodsandComputerProgramCodesforRecognitionofPatternsofHyperglycemiaandHypoglycemia，IncreasedGlucoseVariability，andIneffectiveSelf-MonitoringinDiabetes，”的、2007年11月20日递交的美国序列号No.11/943,226，以及近来发表的(27)算法，它们由此通过引用而被全部并入本文)。简而言之，对于一系列的SMBG读数x1，x2，...xN，通过下面的公式来实现ADRR的计算1.利用先前引入的公式f(BG，a，b)＝c.[(ln(BG))a-b}]来将每个BG读数变换进“风险空间(riskspace)”，其中此函数的参数取决于BG标度并且如下如果BG以mg/dl来测量，则a＝1.084，b＝5.381，c＝1.509。如果BG以mmol/l来测量，则a＝1.026，b＝1.861并且c＝1.794。2.在f(BG)＜0的情况下计算rl(BG)＝r(BG)，并且在其他情况下为0；在f(BG)＞0的情况下计算rh(BG)＝r(BG)，并且在其他情况下为0。3.让x11，x21，...xn1作为在1日取得的一系列n1SMBG读数；......让x1M，x2M，...xnM作为在M日取得的一系列nMSMBG读数。其中n1，n2，...，nM≥3并且观察的天数M在14和42之间；4.对每一日#i；i＝1，2，...M来计算LRi＝max(rl(x1i)，rl(x2i)，...，rl(xni))以及HRi＝max(rh(x1i)，rh(x2i)，...，rh(xni))。5.将平均每日风险范围计算为例如数据收集的第二步骤包括对下面的个人参数的测量1.年龄和糖尿病的持续时间(这些仅输入一次)；2.计算体重指数(BMI)的重量和高度，每几个月就重新计算；3.每日(或者希望或需要的持续时间)的通常胰岛素单位；每当方案显著改变时就重新输入。胰岛素敏感度(SI)的估计对SI的估计使用了ADRR和个人分数(SCORE)的线性组合，SCORE通过下面的计算机程序来计算SCORE＝0if(AGEgt40)SCORE＝SCORE+1if(DURATIONgt20)SCORE＝SCORE+1if(BMIlt30)SCORE＝SCORE+1if(INS_KGlt0.5)SCORE＝SCORE+1换言之，对于以下中的每一个都向基础的SCORE零增加一点年龄＞40岁，糖尿病的持续时间＞20年，BMI＜30以及每千克重量的胰岛素单位＜每日0.5。SCORE因此对每个人而言范围可在0和4之间，SCORE一般是缓慢改变的，并且可随着个人的胰岛素剂量、BMI或者随着年龄/糖尿病持续时间而改变。SI的估计然后通过ADRR和SCORE的线性组合、即通过如下公式来给出SI(EST)＝a＊ADRR+b＊SCORE+c利用不同的估计方法已导出了几个不同的公式，这些不同的估计方法就它们的SI预报能力而言一般地等效并且彼此高度相关(r＞0.99)。这些等效公式的参数a，b，c如下a＝0.464359；b＝5.431937；c＝6.613912，它们给出如下估计SI1＝0.464359＊ADRR+5.431937＊SCORE+6.613912，或者a＝0.596532；b＝6.130669；c＝0，它们给出如下估计SI2＝0.596532＊ADRR+6.130669＊SCOREa＝0.430565；b＝4.314537；c＝10.339625，它们给出如下估计SI3＝O.430565＊ADRR+4.314537＊SCORE+10.339625a＝0.645653；b＝5.477073；c＝0，它们给出如下估计SI4＝0.645653＊ADRR+5.477073＊SCORE。计算个体碳水化合物比如先前所描述的，碳水化合物比被用来估计有糖尿病的人补偿摄取的葡萄糖所需要的胰岛素的量。然而，不可能将血流中葡萄糖的出现与相等的胰岛素引起的清除精确地匹配，这即使在健康状况下也导致了在每餐之后发生的公知的餐后葡萄糖漂移。确实，如在图2中以图形示出的，在单次给药剂量之后糖尿病中胰岛素作用的动力学和餐后葡萄糖的出现率是相当不同的。因此，最佳的糖尿病控制意味着将餐后进入系统的葡萄糖的总量与由于餐前胰岛素单次给药剂量而被清除的葡萄糖的总量相匹配。这等效于使出现率和清除率的积分(integrals)相等。因为通过钳夹数据而在以上定义的胰岛素敏感度是每额外mU/L的胰岛素的额外葡萄糖清除的量(按照mg.kg-1.min-1)，并且考虑到胰岛素作用遵循很大程度上被接受的最小模型动力学，所以我们可将总胰岛素依赖的葡萄糖清除率(TIDGC)[mg.kg-1]写为TIDGC＝∫SI.(I-Ib)＝SI∫(I-Ib)其中Ib代表基础胰岛素(通过基础率单独地创建)，并且S1代表如上所定义的胰岛素敏感度。现在，考虑到所有输注的胰岛素最终到达血流以及血浆胰岛素清除率与胰岛素水平成比例，我们有其中N是胰岛素扩散的时间常数，并且V是胰岛素扩散的体积(两者中没有一个未必用在进一步的计算中)最后两个方程导致如下公式其中CL是受试者特定的参数，它取决于胰岛素清除率和胰岛素扩散体积。利用现场可测量的受试者特性来逼近CL，如下CL＝e-0.2+0.45.BSA-0.00287.年龄BSA＝0.20247.高度[m]0.725.W[kg]0.425其中BSA代表体表面积。等效地，我们可计算所摄取的每kg的葡萄糖总量(TGI)最后，我们知道TGI需要等于最佳单次给药剂量的TIDGC。因此TGI＝TIDGC考虑到SI1估计了每kg体重的葡萄糖使用在1小时之中的累积和以及浓度单位(U/L)，我们需要针对胰岛素的扩散体积和体重来调整，并且除以60(在1小时之中总计的分钟值)。然后利用下面的例程来估计碳水化合物比碳水化合物比＝60＊VI/SI1＝3/SI1(因为VI固定在作为胰岛素扩散体积的每个文献值的0.05L.kg-1。)计算个体校正因子校正因子表示出于从血流中清除某个量的葡萄糖的目的、即出于将BG从它当前的水平带到目标水平的目的的胰岛素的改变。因此问题可总结为使额外的积分的胰岛素依赖的葡萄糖清除率等于血浆葡萄糖浓度与目标葡萄糖浓度之间观测到的差和其中ΔBG＝(BG-BG目标)，并且Vol代表葡萄糖扩散体积(参见下面)这转而导致了如下公式校正因子＝0.001xVol[dl]x碳水化合物比其中葡萄糖扩散体积利用现场可访问的协变量(covariates)来确定，例如如(16)中所发表的Vol＝2.5*重量[kg]。遵循此算法，然后利用下面的例程来估计校正因子校正因子＝0.001*2.5*重量[kg]*碳水化合物比。最后，两个比都假设所有的皮下注射的胰岛素到达了中心系统，并且对葡萄糖清除起作用。此假设的有效性高度取决于所注射的胰岛素的类型。对于普通的快速起作用的胰岛素，已经表明(20)大约75％的注入的胰岛素到达了中心系统(或其他适用的到达因素)。因此碳水化合物比和校正因子需要被调整如下碳水化合物比_快速＝碳水化合物比/0.75校正因子_快速＝校正因子/0.75。一般地，在本发明中提议的方法所估计的值产生了需要针对所使用的胰岛素的类型来调整的结果。用于若干胰岛素类型和混合的调整系数在(20)中被给出，并且范围从用于快速起作用的胰岛素(例如平常的或Lispro)的0.75到用于缓慢起作用的胰岛素(例如NPH或lente)的0.3-0.4。对于胰岛素泵用户，固定的调整系数0.75应当是一般可接受的。利用参考医院数据的对SI估计的验证对于SI的基于SMBG的估计的估计通过与如下的对SI的参考测量的比较来验证，上述对SI的参考测量是利用医院设置中执行的高胰岛素钳夹研究期间所收集的数据、通过DeFronzo的方法来进行的。具有T1DM的三十个成人，平均年龄＝42.5±12岁，糖尿病持续时间＝21.6±9.4年，HbA1c＝7.4±0.8，16个男性，被送入医院，并且他们的BG被控制为～6mmol/l过夜。高胰岛素钳夹(1mU/kg/分钟)在早晨被启动，以2小时的～5.5mmol/l的正常血糖开始，后接1小时的下降进入低血糖，目标水平为2.2mmol/l。每5分钟采样BG(Beckman血糖分析仪)以测量SI。同样的受试者还执行常规的SMBG30天，4-5次/日。如上所述地从这些SMBG中计算ADRR。人口统计和其他的个人参数也被收集。表1示出了钳夹估计的SI与人口统计和SMBG导出的参数的相关性。所有的关联性都处在预期的方向上，并且一些显著的以粗体表示。表1SI和个人参数之间的关系相关性，p值年龄0.32(p＝0.08)糖尿病持续时间0.32(p＝0.08)体重指数(BMI)-0.33(p＝0.08)HbA1c-0.13(n.s.)胰岛素单位/kg/日基础胰岛素(对于泵用户，N＝22)平均BG-0.04(n.s)BG的SD0.32(p＝0.08)低BG指数(LBGI)0.40(p＝0.027)高BG指数(HBGI)0.07(n.s.)平均每日风险范围(ADRR)显然，ADRR是SI的最有意义的预报因子(predictor)，但是其他参数可用来改进这种关系。因此，我们如先前部分中所呈现的来计算SCORE。表2呈现了医院测量的SI沿SCORE水平的分布。显然，更高的SCORE一般对应于更高的胰岛素敏感度表2SI沿SCORE水平的分布平均SIScore＝020.9Score＝129.3Score＝226.9Score＝339.0Score＝446.6图3呈现了参考SI(x轴)与通过以上呈现的头两个公式计算的它的估计SI1和SI2之间的关系。SI与SI1之间的相关性是r＝0.785；SI2是r＝0.784；SI3是r＝0.784，并且SI4是r＝0.779(所有p水平＜0.001)。因此，所有四个估计都提供了对参考胰岛素敏感度的良好逼近，并且它们中的任一个都可用作基于现场数据的对胰岛素敏感度的逼近。使用来自同一现场研究的总的每日胰岛素，我们可将我们的对于碳水化合物比和校正因子的基于SI的估计与普遍接受的450规则(450rule)和1800规则(碳水化合物比＝每日的胰岛素/450，校正因子＝每日的胰岛素/1800)作比较。图4和5呈现了SMBG估计的碳水化合物比的倒数vs.450规则计算的比的倒数的散点图。我们观察到良好的相关性(两者～0.6)以及相当的范围(对于碳水化合物比～15g/i.unit，对于校正因子每胰岛素单位～60mg/dl)。因此SMBG估计可与普遍地用作胰岛素治疗的开始点的450和1800规则相比较。图6提供了用于评价或确定用户的胰岛素敏感度(SI)的本发明的方法、系统和计算机程序产品的一个示例性实施例的一个方面的简化流程图或示意框图。初始步骤或模块可包括获取来自预定时段的SMBG读数670。另一步骤或模块可包括从SMBG读数来计算对胰岛素敏感度(SI)的估计675。另一步骤或模块可包括使用对SI的估计来计算个体化碳水化合物比680。此外，另一步骤或模块可包括使用对SI的估计来计算个体化校正因子685。胰岛素剂量计算器的两个成分碳水化合物比和校正因子的计算使用了此估计，这使得能够将碳水化合物比和校正因子定制到个人的当前状态。转到图7，图7是用于实现本发明的一个示例性实施例或一个实施例的部分的计算机系统700的功能框图。例如，本发明的一个实施例的方法或系统可利用硬件、软件或它们的组合来实现，并且可在一个或多个计算机系统或其他处理系统中实现，例如配备有适当存储器和处理能力的个人数字助理(PDA)，或者直接进入配备有适当存储器和处理能力的血糖自我监测设备(例如SMBG存储仪)。在一个示例实施例中，在如图7所示的通用计算机700上运行的软件中实现了本发明。计算机系统700可包括诸如处理器704之类的一个或多个处理器。处理器704连接至通信构架706(例如通信总线、跨接开关(cross-overbar)或网络)。计算机系统700可包括显示接口702，显示接口702转发来自通信构架706(或者来自未示出的帧缓冲器)的图形、文本和/或其他数据以用于显示单元730上的显示。显示单元830可以是数字的和/或模拟的。计算机系统700还可包括主存储器708，优选地是随机存取存储器(RAM)，并且还可包括次存储器710。次存储器710可包括例如硬盘驱动712和/或可拆卸存储装置驱动714，可拆卸存储装置驱动714表示软盘驱动、磁带驱动、光盘驱动、闪存等。可拆卸存储装置驱动714以公知的方式从可拆卸存储单元718读出和/或向可拆卸存储单元718写入。可拆卸存储单元718表示由可拆卸存储装置驱动714读和写的软盘、磁带、光盘等。如将会被认识到的，可拆卸存储单元718包括计算机可用的存储介质，该存储介质具有存储于其中的计算机软件和/或数据。在一些备选实施例中，次存储器710可包括用于使计算机程序或其他指令能被载入计算机系统700的其他装置。这样的装置可包括例如可拆卸存储单元722和接口720。这样的可拆卸存储单元/接口的示例包括程序盒(programcartridge)和盒接口(例如在电子游戏设备中所找到的)、可拆卸存储芯片(例如ROM、PROM、EPROM或EEPROM)和相关联的插座、以及使软件和数据能从可拆卸存储单元722传送至计算机系统700的其他可拆卸存储单元722和接口720。计算机系统700还可包括通信接口724。通信接口724使软件和数据能在计算机系统700和外部设备之间传送。通信接口724的示例可包括调制解调器、网络接口(诸如以太网卡)、通信端口(例如串行的或并行的等)、PCMCIA槽和卡、调制解调器等。经由通信接口724传送的软件和数据处于信号728的形式，信号728可以是能够被通信接口724接收的电子的、电磁的、光学的或其他的信号。信号728经由通信路径(即信道)726而被提供至通信接口724。信道726(或者任何其他的通信装置或者这里公开的信道)承载信号728，并且可利用导线或线缆、纤维光学、蓝牙(bluetooth)、电话线、蜂窝电话链路、RF链路、红外链路、无线链路或连接以及其他的通信信道来实现。在本文档中，术语“计算机程序介质”和“计算机可用介质”被用来一般地指称一个或多个介质，例如各种软件、固件、盘、驱动、可拆卸存储装置驱动714、硬盘驱动712中安装的硬盘、以及信号728。这些计算机程序产品(“计算机程序介质”和“计算机可用介质”)是用于提供软件给计算机系统700的装置。计算机程序产品可包括其上具有计算机程序逻辑的计算机可用介质。本发明包括这样的计算机程序产品。“计算机程序产品”和“计算机可用介质”可以是其上具有计算机逻辑的任何计算机可读介质。计算机程序(也称为计算机控制逻辑或计算机程序逻辑)可存储在主存储器708和/或次存储器710中。还可经由通信接口724接收计算机程序。当被执行时，这样的计算机程序使计算机系统700能执行这里讨论的本发明的特征。具体地，当被执行时，计算机程序使处理器704能执行本发明的功能。因此，这样的计算机程序表示计算机系统700的控制器。在利用软件实现本发明的实施例中，软件可存储在计算机程序产品中，并且可利用可拆卸存储装置驱动714、硬盘驱动712或通信接口724而被载入计算机系统700。当被处理器704执行时，控制逻辑(软件或计算机程序逻辑)使处理器704执行这里所描述的本发明的功能。在另一实施例中，例如利用诸如专用集成电路(ASIC)之类的硬件组件、主要以硬件来实现本发明。执行这里描述的功能的硬件状态机的实现方式对(一个或多个)相关领域的技术人员来说将会是显而易见的。在另一实施例中，利用硬件和软件两者的组合来实现本发明。在本发明的示例软件实施例中，上述方法可以以SPSS控制语言或C++编程语言来实现，但是可以以其他各种程序、计算机仿真和计算机辅助设计、计算机仿真环境、MATLAB、或者任何其他的软件平台或程序、视窗界面或操作系统(或其他操作系统)或者对本领域的技术人员来说已知或可用的其他程序来实现。图8-10示出本发明的替代实施例的框图表示。参考图8，示出了系统810的框图表示，系统810实质包括血糖仪828，血糖仪828由患者812用于记录胰岛素剂量读数和测量的血糖(“BG”)水平等。由血糖仪828获得的数据优选地通过适当的通信链路814或数据调制解调器832传送至处理器、处理站或芯片840，例如个人计算机、PDA或蜂窝电话，或者经由适当的因特网入口来传送。例如，存储的数据可存储在血糖仪828内，并且可通过适当的接口线缆直接下载进个人计算机840，然后经由因特网发送至处理位置。一个示例是LifeScan，Inc.的ONETOUCH监测系统或仪表，它与INTOUCH软件兼容，它包括接口线缆以将数据下载到个人计算机。应当认识到，血糖仪828和任何的计算机处理模块或存储模块可整体地在单个外壳内或者被设置在分开的外壳中。血糖仪在工业中是普通的，并且实质地包括可起到BG获取机制的作用的任何设备。BG仪或获取机制、设备、工具或系统包括各种传统的方法，这些方法定向为对每个试验抽出血样(例如通过指尖取血(fingerprick))、以及利用通过机电方法读出葡萄糖浓度的仪器来确定葡萄糖水平。近来，已开发了不用抽血而确定血分析物的浓度的各种方法。例如，Yang等人的美国专利号No.5,267,152(由此通过引用而被并入)描述了利用近IR辐射漫反射激光光谱来测量血糖浓度的非侵入式技术。在Rosenthal等人的美国专利号No.5,086,229和Robinson等人的美国专利号No.4,975,581中(它们由此通过引用而被并入)也描述了类似的近IR光谱设备。Stanley的美国专利号No.5,139,023(由此通过引用而被并入)描述了一种皮肤血糖监测装置，它依靠渗透性增强剂(例如胆汁盐)来促进葡萄糖沿着间质液和接收介质之间建立的浓度梯度的通过皮肤的移动。Sembrowich的美国专利号No.5,036,861(由此通过引用而被并入)描述了一种收集通过皮肤片的排汗的被动葡萄糖监测器，其中类胆碱功能的药剂被用来刺激来自外泌汗腺的排汗分泌。在Schoendorfer的美国专利号No.5.076,273和Schroeder的美国专利号No.5,140,985中(它们由此通过引用而被并入)描述了类似的排汗收集设备。此外，Glikfeld的美国专利号No.5,279,543(由此通过引用而被并入)描述了离子电渗疗法的使用，以非侵入地采样通过皮肤进入皮肤表面上的容器的物质。Glikfeld教导说，此采样过程可与葡萄糖特定的生物传感器或葡萄糖特定的电极耦合以便监测血糖。此外，Tamada的国际公布号No.WO96/00110(由此通过引用而被并入)描述了用于通过皮肤监测目标物质的iotophoretic装置，其中iotophoretic电极用来将分析物移进收集池，并且生物传感器用来检测池中出现的目标分析物。最后，Berner的美国专利号No.6,144,869(由此通过引用而被并入)描述了用于测量当前分析物的浓度的采样系统。此外，BG仪或者获取机制可包括留置导管和皮下组织液采样。计算机、处理器或PDA840可包括必要的软件和硬件以根据预先限定的流序列来处理、分析和解释自身记录的糖尿病患者数据并且生成适当的数据解释输出。由计算机840对存储的患者数据执行的数据分析和解释的结果可以以通过与个人计算机840相关联的打印机生成的纸报告的形式来显示。备选地，数据解释过程的结果可直接显示在与计算机840相关联的视频显示单元上。结果额外地可被显示在数字或模拟显示设备上。个人计算机840可通过通信网络836向保健提供者计算机838传送数据。通过通过通信网络836传送的数据可包括自身记录的糖尿病患者数据或者数据解释过程的结果。图9示出具有糖尿病管理系统的替代实施例的框图表示，该糖尿病管理系统是患者操作的装置910，患者操作的装置910具有优选地足够紧凑的外壳以使装置910能被患者手持和携带。用于接收血糖测试条的条带导向装置(guide)(未示出)位于外壳916的表面上。测试条接收来自患者912的血样。该装置可包括微处理器922以及连接至微处理器922的存储器924。微处理器922被设计为执行存储器924中存储的计算机程序，以执行以上更详细讨论的各种计算和控制功能。键盘916可通过标准键盘解码器926连接至微处理器922。显示器914可通过显示驱动器930连接至微处理器922。显示器914可以是数字的和/或模拟的。扬声器954和时钟956也可连接至微处理器922。扬声器954在微处理器922的控制下操作以发出可听见的音调，向患者警告可能将来的低血糖或高血糖风险。时钟956供应当前的日期和时间给微处理器922。存储器924还存储患者912的血糖值、胰岛素剂量值、胰岛素类型、以及微处理器922用来计算将来的血糖值、补充的胰岛素剂量和碳水化合物补充的参数。每个血糖值和胰岛素剂量值可利用相应的日期和时间存储在存储器924中。存储器924优选地是非易失性存储器，例如电可擦只读存储器(EEPROM)。装置910还可包括连接至微处理器922的血糖仪血糖仪928。血糖仪928可被设计为测量在血糖测试条上接收的血样以及从血样的测量中产生血糖值。如先前所提及的，这样的血糖仪在本领域是公知的。血糖仪928优选地具有产生数字值的类型，数字值被直接输出至微处理器922。备选地，血糖仪928可以具有产生模拟值的类型。在此替代实施例中，血糖仪928通过模数转换器(未示出)连接至微处理器922。装置910还可包括输入/输出端口934，优选地是串行端口，输入/输出端口934连接至微处理器922。端口934可通过接口、优选地是标准RS232接口而连接至调制解调器932。调制解调器932用于通过通信网络936建立装置910与个人计算机940或保健提供者计算机938之间的通信链路。用于通过连接索连接电子设备的具体技术在本领域中是公知的。另一替代示例是“蓝牙”技术通信。备选地，图10示出具有糖尿病管理系统的替代实施例的框图表示，该糖尿病管理系统是患者操作的装置1010，类似于如图9所示的装置，患者操作的装置1010具有优选地足够紧凑的外壳以使装置1010能被患者手持和携带。例如，分离的或可拆开的血糖仪或BG获取机制/模块1028。已经存在自我监测设备，该设备能够直接计算本申请中公开的算法并且将结果显示给患者，而不用发送数据给其他的任何东西。这样的设备的示例是LifeScan，Inc.，Milpitas，CA的ULTRASMART以及Therasense，Alameda，CA的FREESTYLETRACER。因此，本文描述的实施例能够通过诸如因特网之类的数据通信网络而被实现，产生在任何远程位置处的任何处理器或计算机都可访问的评价、估计和信息，如在图7-10和/或Wood的美国专利号No.5,851,186中所描绘的，该专利由此通过引用而被并入本文。备选地，位于远程位置的患者可能具有发送给中心保健提供者或住处、或者不同的远程位置的BG数据。应当认识到，图7-10中讨论的任何组件/模块可整体地包含在一个或多个外壳内，或者可被分开和/或复制在不同的外壳中。还应当认识到，图7-10中出现的任何组件/模块可以与任何的其他组件/模块直接地或间接地通信。总而言之，本发明的各种实施例提出了数据分析的计算机化的(或非计算机化的)方法和系统，用于利用暂发的自我监测BG(SMBG)数据结合诸如年龄和体重指数(BMI)之类的可获得的个体参数来定量化胰岛素敏感度。作为额外的优点，本发明的各种实施例增强了希望辅助糖尿病管理的手持设备(例如PDA或任何适用的设备或系统)。另一优点，本发明的各种实施例增强了取回SMBG数据的软件。此软件可驻留在患者的个人计算机上，或者可经由因特网入口而被使用。此外，本发明的各种实施例可评价对糖尿病的各种治疗的有效性(例如胰岛素或变异性降低的药物，例如pramlintide和exenatide)。此外，本发明的各种实施例可评价新的胰岛素输送设备(例如胰岛素泵)或者将来的闭环糖尿病控制系统的有效性。本发明的方法和系统可与先前描述的方法相分离地、相组合地或附加到先前描述的方法上来使用，以驱动由设备传送的系统的消息给有糖尿病的个人，在此情况下在最接近患者BG测试的时间。例如，自我调节行为的理论模型断言，这样的消息会是有效的并且会导致改进的葡萄糖控制。总而言之，胰岛素敏感度(或者它的倒数，胰岛素抵抗)在糖尿病个体参数中是对于治疗最重要的参数。然而，来自广泛可得的现场数据的胰岛素敏感度的精确估计当前是不可得的——对胰岛素敏感度的估计需要对葡萄糖和胰岛素值的基于实验室的血液测试。本发明的一个实施例的一个方面包括方法、计算机方法、系统、计算机系统、设备以及计算机程序产品，用于利用常规的暂发的自我监测BG(SMBG)数据结合诸如年龄和体重指数之类的几个可容易获得的个体参数来定量化胰岛素敏感度。方法和系统部分地基于我们先前开发的BG数据的风险分析的理论；具体地基于近来被报道的对葡萄糖变异性的测量——平均每日风险范围(ADRR)。胰岛素敏感度的计算已经通过与医院设置中执行的正葡萄糖钳夹研究期间所获得的、针对具有1型糖尿病的30个患者的数据的比较而得到验证。参考实验室胰岛素敏感度与其来自现场数据的估计之间的相关性＞0.75。基于胰岛素敏感度估计，本发明的一个方面还提供了糖尿病管理的两个最重要参数的个体定制胰岛素/碳水化合物比和校正因子。由具有自我监测数据的积累的自我监测设备来进行这样的调整可能是推荐的。总而言之，对个体化胰岛素/碳水化合物比和校正因子的计算现在可以来自于从现场数据导出的个体胰岛素敏感度的估计。这些估计还具有独立的值，特别是在胰岛素抵抗是用于评估和治疗的主要因素的2型糖尿病中。血糖自我监测设备是糖尿病中的当前标准的观察实践，提供了用作主反馈的常规SMBG数据，该主反馈使患者能维持他们的葡萄糖控制。本发明的一个实施例的一个方面提供但不限于提供下面的SMBG相关的应用提供对糖尿病控制的最重要参数之一的精确评价——胰岛素敏感度(或胰岛素抵抗)——以基于常规自我监测(SMBG)数据的现场测试的方式；基于个体胰岛素敏感度提供了对个体化胰岛素/碳水化合物比和校正因子的评价；用作用于评估糖尿病中药物减小胰岛素敏感度的有效性的测量(例如二甲双胍)；并且用作对2型糖尿病中的胰岛素抵抗的现场评估。归因于本发明的方法和系统的、超过现有技术的一些非限制性和示例性优点包括(i)从可容易得到的常规自我监测数据来最终胰岛素敏感度的改变；(ii)对于随着个人胰岛素敏感度的改变随时间而改变的胰岛素/碳水化合物比和校正因子的个体化评估。应当认识到，本方法、系统、设备和计算机程序产品的实施例的各种方面可利用下面的美国专利申请、美国专利和PCT国际专利申请中所公开的下面的方法、系统、设备和计算机程序产品来实现，下面的美国专利申请、美国专利和PCT国际专利申请由此通过引用而被并入本文并且与受让人共同拥有PCT/US2008/067725，题为“Method，SystemandComputerSimulationEnvironmentforTestingofMonitoringandControlStrategiesinDiabetes，”，提交于2008年6月20日；PCT/US2007/085588，尚未公布，提交于2007年11月27日，题为“Method，System，andComputerProgramProductfortheDetectionofPhysicalActivitybyChangesinHeartRate，AssessmentofFastChangingMetabolicStates，andApplicationsofClosedandOpenControlLoopinDiabetes；”U.S.SerialNo.11/943,226，提交于2007年11月27日，题为“Systems，MethodsandComputerProgramCodesforRecognitionofPatternsofHyperglycemiaandHypoglycemia，IncreasedGlucoseVariability，andIneffectiveSelf-MonitoringinDiabetes；”PCTInternationalApplicationSerialNo.PCT/US2005/013792，提交于2005年4月21日，题为“Method，System，andComputerProgramProductforEvaluationoftheAccuracyofBloodGlucoseMonitoringSensors/Devices；”U.S.PatentApplicationNo.11/578,831，提交于2006年10月18日，题为“Method，SystemandComputerProgramProductforEvaluatingtheAccuracyofBloodGlucoseMonitoringSensors/Devices；”PCTInternationalApplicationSerialNo.PCT/US01/09884，提交于2001年3月29日，题为“Method，System，andComputerProgramProductforEvaluationofGlycemicControlinDiabetesSelf-MonitoringData；”U.S.PatentNo.7,025,425B2，公开于2006年4月11日，题为“Method，System，andComputerProgramProductfortheEvaluationofGlycemicControlinDiabetesfromSelf-MonitoringData；”U.S.PatentApplicationNo.11/305,946，提交于2005年12月19日，题为“Method，System，andComputerProgramProductfortheEvaluationofGlycemicControlinDiabetesfromSelf-MonitoringData”(PublicationNo.2006/0094947)；PCTInternationalApplicationSerialNo.PCT/US2003/025053，提交于2003年8月8日，题为“Method，System，andComputerProgramProductfortheProcessingofSelf-MonitoringBloodGlucose(SMBG)DatatoEnhanceDiabeticSelf-Management；”U.S.PatentApplicationNo.10/524,094，提交于2005年2月9日，题为“ManagingandProcessingSelf-MonitoringBloodGlucose”(PublicationNo.2005/214892)；PCTInternationalApplicationSerialNoPCT/US2006/033724，提交于2006年4月29日，题为“MethodforImprovisingAccuracyofContinuousGlucoseSensorsandaContinuousGlucoseSensorUsingtheSame；”PCTInternationalApplicationNo.PCT/US2007/000370，提交于2007年1月5日，题为“Method，SystemandComputerProgramProductforEvaluationofBloodGlucoseVariabilityinDiabetesfromSelf-MonitoringData；”U.S.PatentApplicationNo.11/925,689，提交于2007年10月26日，题为“ForMethod，SystemandComputerProgramProductforReal-TimeDetectionofSensitivityDeclineinAnalyteSensors；”PCTInternationalApplicationNo.PCT/US00/22886，提交于2000年8月21日，题为“MethodandApparatusforPredictingtheRiskofHypoglycemia；”U.S.PatentNo.6,923,763B1，公开于2005年8月2日，题为“MethodandApparatusforPredictingtheRiskofHypoglycemia；”和PCTInternationalPatentApplicationNo.PCT/US2007/082744，提交于2007年10月26日，题为“ForMethod，SystemandComputerProgramProductforReal-TimeDetectionofSensitivityDeclineinAnalyteSensors.”所引用的参考文献下面的专利、申请和发表被列在下面，并且贯穿本文档由此通过引用而被全部并入本文。此外，这里公开的本发明的各种实施例的设备、系统、组成和计算机程序产品以及方法可使用下面的美国专利、外国专利和发表中公开的各方面。1.BasuA.，DallaManC.，ToffoloG.，BasuR.，CobelliC.，RizzaA.，EffectofType2DiabetesonMealGlucoseFluxesandInsulinSecretion.Diabetes.53(suppl.2)，A579，2004.2.BasuR，BredaE，ObergAL，PowellCC，DallaManC，BasuA，VittoneJL，KleeGG，AroraP，JensenMD，ToffoloG，CobelliC，RizzaRA.Mechanismsoftheage-associateddeteriorationinglucosetolerancecontributionofalterationsininsulinsecretion，action，andclearance.Diabetes.521738-48，20033.BergmanRN，FinegoodDT，AderM.Assessmentofinsulinsensitivityinvivo.AmJPhysiol236E667-677，19854.BergmanRN，IderYZ，BowdenCR，CobelliC.Quantitativeestimationofinsulinsensitivity.AmJPhysiol.236E667-E677，19795.BergmanRN，PhillipsLS，CobelliCPhysiologicevaluationoffactorscontrollingglucosetoleranceinmanmeasurementofinsulinsensitivityandbeta-cellglucosesensitivityfromtheresponsetointravenousglucose.JClinInvest681456-1467，19816.BergmanRN.Theminimalmodelofglucoseregulationabiography.AdvancesinExperimentalMedicine&Biology5371-19，20037.BergmanRN.ZaccaroDJ.WatanabeRM.HaffnerSM.SaadMF.NorrisJM.WagenknechtLE.HokansonJE.RotterJI.RichSS.Minimalmodel-basedinsulinsensitivityhasgreaterheritabilityandadifferentgeneticbasisthanhomeostasismodelassessmentorfastinginsulin.Diabetes522168-74，20038.BodenG，ChenX，UrbainJL.EvidenceforacircadianrhythmofinsulinsensitivityinpatientswithNIDDMcausedbycyclicchangesinhepaticglucoseproduction.Diabetes451044-1050，19969.BredaE，CavaghanMK，ToffoloG，PolonskyKS，andCobelliC.Oralglucosetolerancetestminimalmodelindexesofbeta-cellfunctionandinsulinsensitivity.Diabetes50150-158，200110.CaumoA.BergmanRN.CobelliC.Insulinsensitivitvfrommealtolerancetestsinnormalsubjectsaminimalmodelindex.JournalofClinicalEndocrinology&Metabolism.854396-402，200011.ClausenJO.Borch-JohnsenK.IbsenH.BergmanRN.HougaardP.WintherK.PedersenO.Insulinsensitivityindex，acuteinsulinresponse，andglucoseeffectivenessinapopulation-basedsampleof380younghealthyCaucasians.Analysisoftheimpactofgender，bodyfat，physicalfitness，andlife-stylefactors.JournalofClinicalInvestigation981195-209，199612.CobelliC.MeasurementofInsulinSensitivityandβ-cellFunctionfromIntravenousandOralGlucoseToleranceTestsNecessityofModels.PresentationatUVADiabetesEndocrineResearchCenter，Nov07，2005.13.DallaManC，CaumoA，andCobelliC.Theoralglucoseminimalmodelestimationofinsulinsensitivityfromamealtest.IEEETransBiomedEng49419-429，200214.DallaManC，CaumoA，BasuR，RizzaR，ToffoloG，andCobelliC.Minimalmodelestimationofglucoseabsorptionandinsulinsensitivityfromoraltestvalidationwithatracermethod.AmJPhysiolEndocrinolMetab287E637-E643，200415.DallaManC，CaumoA，BasuR，RizzaR，ToffoloG，andCobelliC.Measurementofselectiveeffectofinsulinonglucosedisposalfromlabeledglucoseoraltestminimalmodel.AnJPhysiolEndocrinolMetab289E909-E914，200516.DallaManC，RizzaRA，andCobelliC.MealSimulationoftheGlucose-InsulinSystemIEEETransBiomedEng，Inpress，200617.DawsonD，VincentMA，BarrettEJ，KaulS，ClarkA，Leong-PoiH，LindnerJR.Capillaryrecruitmentinskeletalmuscleinresponsetoexerciseandhyperinsulinemiaassessedwithcontrast-enhancedultrasound.AmJPhysiolEndocrinolMetab，282E714-E720，200218.DeFronzoRA，TobinJDandAndresR.GlucoseclamptechniqueAmethodforquantifyinginsulinsecretionandresistance.AmerJPhysiol237E214-223，197919.FerranniniEInsulinresistanceversusinsulindeficiencyinnon-insulindependentdiabetesmellitusproblemsandprospects.EndocrRev19477-490，199820.FriedbergSJ，LamYWF，BlumJJ，GregermanRIInsulinabsoptionamajorfactorinapparentinsulinresistanceandthecontroloftype2diabetesmellitus.MetabClin.Exp.55614-619，200621.FlierJSSyndromesofinsulinresistance.InBeckerKL，ed.PrinciplesandPracticeofEndocrinology&Metabolism，2nded.Philadelphia，PaJBLippincottCompany；19951245-125922.GerichJEThegeneticbasisoftype2diabetesmellitusimpairedinsulinsecretionversusimpairedinsulinsensitivity.EndocrRev19491-503，199823.HanleyAJG，D’AgostinoR，WagenknechtLE，SaadMF，SavagePJ，BergmanR，HaffnerSM.IncreasedProinsulinLevelsandDecreasedAcuteInsulinResponseIndependentlyPredicttheIncidenceofType2DiabetesintheInsulinResistanceAtherosclerosisStudy.Diabetes511263-1270，200224.KahnCR.Insulinaction，diabetogenes，andthecauseoftypeIIdiabetes.Diabetes431066-1084，199425.KahnSE，PrigeonRL，McCullochDK，BoykoEJ，BergmanRN，SchwartzMW，NeifingJL，WardWK，BeardJC，PalmerJP，etal.Quantificationoftherelationshipbetweeninsulinsensitivityandβ-cellfunctioninhumansubjects.Evidenceforahyperbolicfunction.Diabetes421663-1672，1993.26.KorytkowskiMT，BergaS1，HorwitzMJComparisonoftheminimalmodelandthehyperglycemicclampformeasuringinsulinsensitivityandacuteinsulinresponsetoglucose.Metabolism441121-1125，199527.KovatchevBP，OttoE，CoxDJ，Gonder-FrederickLA，ClarkeWL(2006).EvaluationofaNewMeasureofBloodGlucoseVariabilityinDiabetes.DiabetesCare，292433-2438.28.LeeA，AderM，BrayGA，BergmanRN.Diurnalvariationinglucosetolerance.Cyclicsuppressionofinsulinactionandinsulinsecretioninnormal-weight，butnotobese，subjects.Diabetes41742-749，199229.LiefmannR.Endocrineimbalanceinrheumatoidarthritisandrheumatoidspondylitis；hyperglycemiaunresponsiveness，insulinresistance，increasedgluconeogenesisandmesenchymaltissuedegeneration；preliminaryreport.ActaMedScand.136226-32，194930.MikinesKJ，SonneB，FarrellPA，TronierB，andGalboH.Effectofphysicalexerciseonsensitivityandresponsivenesstoinsulininhumans.AmJPhysiolEndocrinolMetab254E248-E259，198831.NiTC.AderM.BergmanRN.Reassessmentofglucoseeffectivenessandinsulinsensitivityfromminimalmodelanalysisatheoreticalevaluationofthesingle-compartmentglucosedistributionassumption.Diabetes461813-21，199732.ReavenGMPathophysiologyofinsulinresistanceinhumandisease.PhysiolRev.75473-86，199533.RichterEA.Glucoseutilization.InHandbookofPhysiology，editedbyLBRowellandJTShepherd.NewYork，NYOxfordUniversityPress，1996，912-95134.ToffoloG，BredaE，CavaghanMK，EhrmannDA，PolonskyKS，andCobelliC.Quantitativeindexesofbeta-cellfunctionduringgradedup&downglucoseinfusionfromC-peptideminimalmodels.AnJPhysiolEndocrinolMetab280E2-E10，200135.ToffoloG，CefaluWT，CobelliCβ-cellfunctionduringinsulin-modifiedintravenousglucosetolerancetestsuccessfullyassessedbytheC-peptideminimalmodel.Metabolism481162-1166，199936.ToffoloG，DeGrandiF，CobelliCEstimationofβ-cellsensitivityfromintravenousglucosetolerancetestsC-peptidedata.Diabetes44845-854，199537.WahrenJ.Quantitativeaspectsofbloodflowandoxygenuptakeinthehumanforearmduringrhythmicexercise.ActaPhysiologicaScandinavica675-10.，196638.WassermanDH，GeerRJ，RiceDE，BracyD，FlakollPJ，BrownLL，HillJO，andAbumradNN.Interactionofexerciseandinsulinactioninhumans.AmJPhysiolEndocrinolMetab260E37-E45，199139.WeyerC，BogardusC，MottDM，PratleyREThenaturalhistoryofinsulinsecretorydysfunctionandinsulinresistanceinthepathogenesisoftype2diabetesmellitus.JClinInvest104787-794，1999.这里公开的本发明的各种实施例的设备、系统、计算机系统、计算机方法、设备、方法和计算机程序产品可使用下面的美国专利、外国专利和发表中公开的各方面，下面的美国专利、外国专利和发表由此通过引用而被全部并入本文DiabetesManagementSystemandMethodForControllingBloodGlucose，PCTApplicationNo.PCT/US1999/022586，Worthington，etal.，提交于1999年9月28日(PublicationWO00/18293)；SystemforDeterminingInsulinDoseUsingCarbohydratetoInsulinRatioandInsulinSensitivityFactor，U.S.PatentApplicationPub.No.2005/0192494A1，BarryH.Ginsberg，公开于2005年9月1日；SystemandMethodforMeasuringandPredictingInsulinDosingRates，U.S.PatentApplicationPublicationNo.2007/0078314，Grounsell，etal.，公开于2007年4月5日；InsulinBolusRecommendationSystem，U.S.PatentApplicationNo.2006/0047192，Hellwig，etal.，公开于2006年3月2日；DeterminationforDeterminingInsulinDrugDoseUsingCarbohydratetoInsulinRatioandInsulinSensitivityFactor，U.S.PatentApplicationPub.No.2004/0197846，Hockersmith，etal.，公开于2004年10月7日；SystemandMethodforPortablePersonalDiabeticManagement，U.S.PatentApplicationPub.No.2003/0040821，Case，Christopher，公开于2003年2月27日.DiabetesManagementSystem，U.S.PatentApplicationPub.No.2003/0028089，Galley，etal.，公开于2003年2月6日；和UseofTargetedGlycemicProfilesintheCalibrationofaNonInvasiveBloodGlucoseMonitor，PCT/US2001/047751toHockersmith，etal.，公开于2002年9月19日.(PublicationWO02/057740A2).除非明确地指明，否则不需要任何具体描述的或例示的活动或元素、任何具体的序列或这样的活动、任何具体的尺寸、速度、材料、持续时间、轮廓、维度或频率、或者这样的元素的任何具体的相互关系。此外，可重复任何活动，可由多个实体执行任何活动，并且/或者可复制任何元素。此外，可排除任何活动或元素，可变化活动的次序，并且/或者可变化元素的相互关系。应当认识到，本发明的各方面可具有所希望的或所需要的各种尺寸、轮廓、形状、组成和材料。总而言之，虽然已就具体实施例而言描述了本发明，但是很多修改、变化、变更、置换和等同物对本领域的技术人员而言将会是显而易见的。本发明将不限于这里所描述的具体实施例的范围中。确实，除了这里描述的那些修改以外，本发明的各种修改，从上述描述以及附图中对本领域的技术人员而言将会是显而易见的。因此，本发明将被认为仅通过下面的权利要求(包括所有修改和等同物)的精神和范围来限定。从阅读以上陈述的详细描述以及某示例性实施例的图中，对本领域的技术人员而言其他实施例将会容易变得显而易见。应当理解，许多的变化、修改和额外的实施例是可以的，并且因此，所有这样的变化、修改和实施例将被看作在本申请的精神和范围内。例如，不管本申请的任何部分(例如标题、领域、背景、内容、摘要、绘图等)的内容，除非明确地指定，否则不需要在这里的任何权利要求中包括或者任何具体描述的或例示的活动或元素的任何申请要求的优先权、这样的活动的任何具体次序、或者这样的元素的任何具体相互关系。此外，可重复任何活动，可由多个实体执行任何活动，并且/或者可复制任何元素。此外，可排除任何活动或元素，可变化活动的次序，并且/或者可变化元素的相互关系。除非明确地指定，否则不需要任何具体描述的或例示的活动或元素、任何具体的序列或这样的活动、任何具体的尺寸、速度、材料、维度或频率、或者这样的元素的任何具体的相互关系。因此，描述和附图将被看作本质上是例示性的，而不被看作限制性的。此外，当任何数目或范围在这里被描述时，除非以另外的方式明确陈述，否则数目或范围是近似的。当任何范围在这里被描述时，除非以另外的方式明确陈述，否则范围包括这里的所有值以及这里的所有子范围。已通过引用被并入本文的任何材料(例如美国/外国专利、美国/外国专利申请、书籍、论文等)中的任何信息，仅在这样的信息与这里阐述的其他陈述和附图之间不存在冲突的范围内通过引用而被并入。如果这样的冲突发生，包括会呈现无效这里的任何权利要求或者寻求对其的优先权的冲突，则这样的通过引用而并入的材料中的任何这样的冲突信息具体地不通过引用并入本文。权利要求1.一种用于从常规的自我监测血糖(SMBG)数据来对用户的胰岛素敏感度(SI)进行评价的方法，所述方法包括应用所述SI来导出糖尿病管理的至少一个成分。2.根据权利要求1所述的方法，其中所述至少一个成分能够包括碳水化合物比，所述碳水化合物比被用来估计补偿即将来临的膳食所需要的胰岛素的量，或者校正因子，所述校正因子被用来调整胰岛素量，由此能够达到目标葡萄糖水平，或者所述碳水化合物比和所述校正因子两者。3.根据权利要求2所述的方法，还包括获取多个血糖数据点；处理所述获取的血糖数据点以测量血糖变化性；测量所述用户的个体参数；以及组合所述测量的血糖变化性和计算的个人分数。4.根据权利要求3所述的方法，其中所述测量的血糖变化性包括计算平均每日风险范围(ADRR)。5.根据权利要求3所述的方法，其中对所述测量的血糖变化性的所述组合包括线性类型的组合。6.根据权利要求3所述的方法，其中用户的所述个人参数包括以下中的至少一个用户的年龄和糖尿病持续时间；用于计算体重指数(BMI)的用户的重量和高度，以及用户所使用的每日的典型胰岛素单位。7.根据权利要求2所述的方法，其中所述个人分数被称为SCORE，并且其中，确定所述SCORE包括下面的计算机算法其中SCORE＝0，并且如果用户的所述年龄大于40，则所述SCORE＝SCORE+1，如果所述持续时间大于20，则所述SCORE＝SCORE+1，如果所述BMI小于30，则所述SCORE＝SCORE+1，并且如果每千克的所述胰岛素单位小于0.5，则所述SCORE＝SCORE+1。8.根据权利要求2所述的方法，其中所述碳水化合物比被如下地计算将总胰岛素依赖的葡萄糖清除率(TIDGC)[mg.kg-1]确定为TIDGC＝∫SI·(I-Ib)＝SI∫(I-Ib)；其中Ib代表基础胰岛素，其中SI代表胰岛素敏感度，计算下面的其中N是胰岛素扩散的时间常数，其中V是胰岛素扩散的体积计算下面的其中CL是受试者特定的参数，该参数取决于胰岛素清除率和胰岛素扩散体积；其中利用现场可测量的受试者特性来逼近CL，如下CL＝e-0.2+0.45.BSA-0.00287.年龄BSA＝0.20247.高度[m]0.725.W[kg]0.425其中BSA代表体表面积。利用如下的公式来计算所摄取的每kg的葡萄糖总量(TGI)计算该公式，其中TGI等于最佳单次给药剂量的TIDGC，如下TGI＝TIDGC和和9.根据权利要求2所述的方法，其中所述校正因子被如下地计算，和其中ΔBG＝(BG-BG目标)，并且Vol代表葡萄糖扩散体积计算如下公式校正因子＝0.001xVol[dl]x碳水化合物比。10.根据权利要求2所述的方法，其中对于快速起作用的胰岛素的情况，所述碳水化合物比所述校正因子可被调整，由此它们被如下地计算碳水化合物比快速＝碳水化合物比/到达因子，并且校正因子快速＝校正因子/到达因子。11.根据权利要求10所述的方法，其中所述到达因子是大约0.75。12.一种用于从常规的自我监测血糖(SMBG)数据来对用户的胰岛素敏感度(SI)进行评价的系统，所述系统包括获取模块，所述获取模块获取多个SMBG数据点；以及处理器，所述处理器被编程用于应用所述SI来导出糖尿病管理的至少一个成分。13.根据权利要求12所述的系统，其中对所述至少一个成分的所述导出能够包括碳水化合物比，所述碳水化合物比被用来估计补偿即将来临的膳食所需要的胰岛素的量，或者校正因子，所述校正因子被用来调整胰岛素量，所以目标葡萄糖水平能够被达到，或者所述碳水化合物比和所述校正因子两者。14.根据权利要求13所述的系统，还包括所述获取模块，所述获取模块用于获取多个血糖数据点；处理器，所述处理器适于处理所述获取的血糖数据点以测量血糖变化性；测量所述用户的个体参数；以及组合所述测量的血糖变化性和计算的个人分数。15.根据权利要求14所述的系统，其中所述测量的血糖变化性包括计算平均每日风险范围(ADRR)。16.根据权利要求14所述的系统，其中对所述测量的血糖变化性的所述组合包括线性类型的组合。17.根据权利要求14所述的系统，其中用户的所述个人参数包括以下中的至少一个用户的年龄和糖尿病持续时间；用于计算体重指数(BMI)的用户的重量和高度，以及用户所使用的每日的典型胰岛素单位。18.根据权利要求13所述的系统，其中所述个人分数被称为SCORE，并且由此确定所述SCORE包括下面的计算机算法其中SCORE＝0，并且如果用户的所述年龄大于40，则所述SCORE＝SCORE+1，如果所述持续时间大于20，则所述SCORE＝SCORE+1，如果所述BMI小于30，则所述SCORE＝SCORE+1，并且如果每千克的所述胰岛素单位小于0.5，则所述SCORE＝SCORE+1。19.根据权利要求13所述的系统，其中所述碳水化合物比被如下地计算将总胰岛素依赖的葡萄糖清除率(TIDGC)[mg.kg-1]确定为TIDGC＝∫SI.(I-Ib)＝SI∫(I-Ib)；其中Ib代表基础胰岛素，其中SI代表胰岛素敏感度，计算下面的其中N是胰岛素扩散的时间常数，其中V是胰岛素扩散的体积，计算下面的其中CL是受试者特定的参数，该参数取决于胰岛素清除率和胰岛素扩散体积；其中利用现场可测量的受试者特性来逼近CL，如下CL＝e-0.2+0.45.BSA-0.00287.年龄BSA＝0.20247.高度[m]0.725.W[kg]0.425其中BSA代表体表面积。利用如下的公式来计算所摄取的每kg的葡萄糖总量(TGI)计算该公式，其中TGI等于最佳单次给药剂量的TIDGC，如下TGI＝TIDGC和和20.根据权利要求13所述的系统，其中所述校正因子被如下地计算和其中ΔBG＝(BG-BG目标)，并且Vol代表葡萄糖扩散体积计算如下公式校正因子＝0.001xVol[dl]x碳水化合物比。21.根据权利要求13所述的系统，其中对于快速起作用的胰岛素的情况，所述碳水化合物比所述校正因子可被调整，由此它们被如下地计算碳水化合物比快速＝碳水化合物比/到达因子，并且校正因子快速＝校正因子/到达因子。22.根据权利要求21所述的系统，其中所述到达因子是大约0.75。23.一种计算机程序产品，所述计算机程序产品包括计算机可用介质，所述计算机可用介质具有计算机程序逻辑，所述计算机程序逻辑用于使计算机系统中的至少一个处理器能够从常规的自我监测血糖(SMBG)数据来对用户的胰岛素敏感度(SI)进行评价，所述计算机程序逻辑包括应用所述SI来导出糖尿病管理的至少一个成分。24.根据权利要求23所述的计算机程序产品，其中对所述至少一个成分的所述导出能够包括碳水化合物比，所述碳水化合物比被用来估计补偿即将来临的膳食所需要的胰岛素的量，或者校正因子，所述校正因子被用来调整胰岛素量，由此能够达到目标葡萄糖水平，或者所述碳水化合物比和所述校正因子两者。全文摘要用于评价或确定用户的胰岛素敏感度(SI)的方法、系统和计算机程序产品。初始步骤或模块可包括获取来自预定时段的SMBG读数。另一步骤或模块可包括从SMBG读数来计算对胰岛素敏感度(SI)的估计。另一步骤或模块可包括使用对SI的估计来计算个体化碳水化合物比。此外，另一步骤或模块可包括使用对SI的估计来计算个体化校正因子。胰岛素剂量计算器的两个成分碳水化合物比和校正因子的计算使用了此估计，这使得能够将碳水化合物比和校正因子定制到个人的当前状态。文档编号G06F19/00GK101801262SQ200880107765公开日2010年8月11日申请日期2008年7月8日优先权日2007年7月9日发明者马克·D·布里顿,鲍里斯·P·寇瓦特克威申请人:弗吉尼亚大学专利基金会