相关申请的交叉引用
本申请要求保护2015年4月2日提交的美国专利申请no.14/677,148的权益，通过引用将其整体合并于此。
本公开总体上涉及处理从患有糖尿病的人测得的葡萄糖数据，并且特别地用于如果需要胰岛素的概率超过阈值水平则向人发送警报。
背景技术：
作为背景技术，患有类型i或类型ii糖尿病的人的血液中的糖类水平不会被身体适当调节。这些人中的许多可使用连续葡萄糖监测(cgm)来以持续的基础监测他们的葡萄糖水平。为了执行cgm，葡萄糖传感器可被放置在皮肤下，这能够测量间质液中人的葡萄糖水平。葡萄糖传感器可以以已知的时间间隔(诸如每一分钟)定期测量人的葡萄糖水平，并且将葡萄糖测量的结果传送给胰岛素泵、血糖计、智能电话或其他电子监测器。
技术实现要素：
在本公开内容的至少一个实施例中，描述一种用于分析患有糖尿病的人的葡萄糖水平的方法和系统。
在用于分析患有糖尿病的人的葡萄糖水平的方法的至少一个实施例中，该方法包括：
将来自耦合至患有糖尿病的人的连续葡萄糖监测系统的多个测得的葡萄糖值接收到计算设备中；
利用计算设备上的概率分析工具来分析该多个测得的葡萄糖值以确定葡萄糖阈值
利用计算设备将边界葡萄糖值(gρ)与葡萄糖阈值
在本公开内容的至少一个实施例中，公开一种用于分析患有糖尿病的人的葡萄糖水平的系统。该系统包括：
控制器，其包括具有用于执行包括以下各项的方法的计算机可执行指令的计算机可读介质：将来自耦合至患有糖尿病的人的葡萄糖传感器的多个测得的葡萄糖值接收到计算设备中；
利用计算设备上的概率分析工具来分析该多个测得的葡萄糖值以确定患有糖尿病的人需要至少预定胰岛素剂量的概率(pid)；以及
利用计算设备将该概率(pid)与阈值概率(pt)进行比较，其中如果该概率(pid)大于阈值概率(pt)则计算设备执行警报；
与该控制器通信的剂量(bolus)计算器，该剂量计算器能够基于多个测得的葡萄糖值来确定胰岛素剂量。
在本公开内容的至少一个实施例中，该方法进一步包括确定最大安全胰岛素剂量。可选地，该方法还可包括如果手工(manual)剂量要求超过最大安全胰岛素剂量则在用户接口上产生警告。
在本公开内容的至少一个实施例中，通过下面的等式来确定边界葡萄糖值(gρ)
其中
ρ是患有糖尿病的人需要至少预定胰岛素剂量的概率阈值，以及
g是来自多个测得的葡萄糖值的葡萄糖结果。
在本公开内容的至少一个实施例中，通过下面的等式来确定葡萄糖阈值
其中，
gm是最大可允许葡萄糖，
c是校正因子，以及
i0是最小胰岛素剂量。
在本公开内容的至少一个实施例中，该预定胰岛素剂量是1个单位。
在本公开内容的至少一个实施例中，该葡萄糖阈值取决于当天的时间。此外，在至少一个实施例中，一天被分成多个时间块，该多个时间块中的至少一个具有与剩余时间块不同的葡萄糖阈值。
在本公开内容的至少一个实施例中，从由99％、98％、90％、75％和50％组成的组中选择该概率阈值。
在本公开内容的至少一个实施例中，该预定胰岛素剂量在睡觉时段期间比清醒时段的更高。
在本公开内容的至少一个实施例中，该多个测得的葡萄糖值包括在大约每一分钟得到的定期葡萄糖测量结果。
在本公开内容的至少一个实施例中，最大可允许葡萄糖、最小胰岛素剂量和校正因子中的至少一个是由剂量计算器供应的。
在本公开内容的至少一个实施例中，该警报可以是显示、声音、振动或其任何组合。可选地，该警报还可指示应该进行葡萄糖测量。
在本公开内容的至少一个实施例中，所生成的警报和/或警告可在进餐、校正剂量或bg测量之后被暂时关闭达一段时间。在至少一个实施例中，该段时间可以是如由剂量计算器限定的偏置时间的长度，诸如15分钟、30分钟、45分钟、1小时或2小时。
在本公开内容的至少一个实施例中，该方法可进一步包括如果葡萄糖测量没有被执行并且没有给予校正剂量则向患有糖尿病的人给予预定安全胰岛素剂量。可选地，该葡萄糖测量可以是自监测血糖测量或由连续葡萄糖监测系统进行并由用户触发的附加测量。
在本公开内容的至少一个实施例中，该方法可进一步包括利用计算设备来使用葡萄糖测量结果确定胰岛素单次剂量。
在本公开内容的至少一个实施例中，胰岛素单次剂量的确定使用多个测得的葡萄糖值的测量结果的变化速率、多个测得的葡萄糖值中的趋势和多个测得的葡萄糖值中的模式中的至少一个。
在本公开内容的至少一个实施例中，胰岛素单次剂量的确定使用多个测得的葡萄糖值的至少一个测量结果变化速率，和预测的葡萄糖值，其中校正剂量是
其中
c是校正因子，
g是来自多个测得的葡萄糖值的葡萄糖结果，
τ是预测时间，以及
gt是在时间t的预测葡萄糖水平。
在本公开内容的至少一个实施例中，时间t是约20分钟到约60分钟。
在本公开内容的至少一个实施例中，在控制器上执行的方法进一步包括确定最大安全胰岛素剂量。
在本公开内容的至少一个实施例中，控制器被配置成如果输入用户接口中的手工剂量要求超过最大安全胰岛素剂量则在用户接口上产生警告。
在本公开内容的至少一个实施例中，由计算机可执行指令执行的方法进一步包括确定多个测得的葡萄糖值的葡萄糖变化速率，该葡萄糖变化速率被剂量计算器用来修改胰岛素剂量。
在本公开内容的至少一个实施例中，该控制器进一步包括用户接口，其中该方法进一步包括在用户接口上显示经过修改的胰岛素剂量。
在本公开内容的至少一个实施例中，该变化速率可被用来预测在未来时间用于被剂量计算器使用的葡萄糖水平。
附图说明
在图中阐述的实施例本质上是说明性且示例性的并且不意图用来限制由权利要求限定的发明。当结合下面的图来阅读时可以理解说明性实施例的以下详细描述，在这里利用相似的参数数字来指示相似的结构，并且在其中：
图1描绘示出根据本公开内容的至少一个实施例的分析患有糖尿病的人的葡萄糖水平的方法的流程图；
图2描绘示出根据本公开内容的至少一个实施例的分析患有糖尿病的人的葡萄糖水平的方法的流程图；
图3描绘根据本公开内容的至少一个实施例的用于分析患有糖尿病的人的葡萄糖水平的系统；
图4描绘根据本公开内容的至少一个实施例的连续葡萄糖监测(cgm)系统；
图5描绘根据本公开内容的至少一个实施例的葡萄糖监测器；
图6描绘根据本公开内容的至少一个实施例的人的测得的葡萄糖值和实际葡萄糖水平的图表；
图7描绘根据本公开内容的至少一个实施例的概率分析工具和递归滤波器；
图8描绘根据本公开内容的至少一个实施例的对于隐马尔可夫模型的状态过渡；
图9描绘根据本公开内容的至少一个实施例的隐马尔可夫模型和卡尔曼滤波器的操作；
图10描绘根据本公开内容的至少一个实施例的预测算法的操作；
图11描绘根据本公开内容的至少一个实施例的使用概率分析工具和递归滤波器来预测人的葡萄糖水平的方法；
图12是本公开内容的胰岛素剂量推荐系统的至少一个说明性实施例的框图；
图13是图示胰岛素剂量给予相对于当前和下一邻近时间间隔的许多示例的血糖与时间的关系的图；
图14是可由图12的系统执行的用于确定和推荐本公开内容的胰岛素剂量的量的胰岛素剂量推荐软件算法的至少一个实施例的流程图；
图15-18示出本公开内容的方法的至少一个实施例的cgm数据和结果得到的响应的示例；以及
图19示出本公开内容的方法的至少一个实施例的cgm数据和结果得到的响应的一个示例。
具体实施方式
本文中描述的实施例总体上涉及用于处理从患有糖尿病的人测得的葡萄糖数据的方法和系统，并且特别地涉及用于在他们需要胰岛素剂量的概率超过定义的阈值时向患有糖尿病的人发出警报的方法和系统。为了本公开内容的目的，“测得的葡萄糖值”是如由葡萄糖传感器测得的人的葡萄糖水平；“实际葡萄糖水平”是人的实际葡萄糖水平；以及“估计的葡萄糖水平”是人的估计的葡萄糖水平，其可能基于测得的葡萄糖结果。
在图1中，公开了根据至少一个实施例的用于分析患有糖尿病的人的葡萄糖水平的方法100。示例性方法100包括将来自耦合至患有糖尿病的人的连续葡萄糖监测系统的多个测得的葡萄糖值接收到计算设备中(示例性接收步骤110)，利用计算设备上的概率分析工具来分析该多个测得的葡萄糖值以确定葡萄糖阈值
在本公开内容的至少一个实施例中，方法100的计算设备可包括血糖计、胰岛素泵、耦合至连续葡萄糖监测系统的微处理器、微控制器、蜂窝电话、智能电话、个人数字助理、个人计算机、或计算机服务器。在一些实施例中，该计算设备在这里也可被称为“葡萄糖监测器”。
在至少一个实施例中，方法100的连续葡萄糖监测系统被物理耦合至患有糖尿病的人并且被配置成自动测量人的葡萄糖水平。来自连续葡萄糖监测系统的葡萄糖测量可以以常规间隔发生，诸如每分钟、每2分钟、每3分钟、每4分钟、每5分钟、每10分钟、或每15分钟。
在示例性接收步骤110中，计算设备可被供应有用来在分析步骤120中的葡萄糖阈值和/或边界葡萄糖值的确定中使用的附加数据源。例如，附加数据可包括最大可允许葡萄糖、最小胰岛素剂量，并且校正因子可被用在葡萄糖阈值的确定中。附加数据源的至少一些可由剂量计算器来供应。
根据至少一个实施例，最大可允许葡萄糖是由剂量计算器提供的那个。该示例性值是限定葡萄糖目标范围的上目标和下目标的平均值，或者其是遵循重要干扰(诸如进餐或校正胰岛素剂量)的梯形的上边界。可将高bg测量结果之后的校正剂量校正到最大可允许胰岛素值。该校正剂量还可以是超出该剂量将不推荐进一步校正的剂量。在至少一个实施例中，剂量计算器还包含胰岛素敏感度因子或校正因子。
进一步地，在至少一个实施例中，递归滤波器可向计算设备供应状态向量，其包括葡萄糖值、葡萄糖变化速率和葡萄糖加速度。此外，在接收步骤110中递归滤波器可向计算设备供应协方差矩阵。该协方差矩阵包含状态向量的准确性的测量。
可使用等式[1]来计算分析步骤120的至少一个实施例中的葡萄糖阈值
其中,
gm是最大可允许葡萄糖，
c是校正因子，以及
i0是最小胰岛素剂量。
在至少一个实施例中最小胰岛素剂量可被指定成具体量的胰岛素(诸如0.5、1、2、3、4或5个单位)，或者可被指定为患有糖尿病的人的日总剂量的百分比(诸如1％、2％、3％、4％、5％、6％、7％、8％、9％、或10％)。
可使用等式[2]来计算分析步骤120的至少一个实施例中的边界葡萄糖值(gρ)。
其中
ρ是患有糖尿病的人需要至少预定胰岛素剂量的概率阈值，以及
g是来自多个测得的葡萄糖值的葡萄糖结果。
在本公开内容的至少一个实施例中，患有糖尿病的人需要至少预定胰岛素剂量的概率阈值可以是99％、98％、95％、90％、75％或50％。
在本公开内容的至少一个实施例中，该预定胰岛素剂量可取决于当天的时间。例如，一天可被分成多个时间块，在这里该多个时间块中的至少一个具有与剩余时间块的至少一个不同的葡萄糖阈值。此外，该预定胰岛素剂量可在睡觉时段期间比清醒时段的更高。在至少一个实施例中，该预定胰岛素剂量可以是0.5、1、2、3、4或5个单位。
在比较步骤130的至少一个实施例中，警报可以是显示、声音、振动、其任何组合、或适合于触发用户来执行任务的任何刺激。进一步地，在至少一个实施例中该警报可指示用户应该进行葡萄糖测量。此类葡萄糖测量可以是自监测血糖测量或由连续葡萄糖监测系统进行的附加测量。通过连续葡萄糖监测系统的附加测量可由系统自动进行，或者由用户手工发起。
胰岛素的给药也可能受到被称为“胰岛素累积”的情况的影响，在这里个体在不考虑他们的剩余有效胰岛素或当前血糖水平的情况下按剂量服用胰岛素。本公开内容的至少一个实施例提供一种用于将cgm用来确定最大安全胰岛素剂量的方式。如果针对大于最大安全剂量的量给出手工剂量请求，则通知个体并且向其呈现一组选项。这阻碍基于cgm值确定剂量的实践并降低了胰岛素累积的风险。
在步骤125的至少一个实施例中，由手工剂量来发起用于胰岛素累积警告的算法。在选择剂量的量时，控制器接收由剂量计算器提供的对于最大可允许葡萄糖的值。该值是限定葡萄糖目标范围的上目标和下目标的平均值，或者其是遵循进餐和校正胰岛素剂量的梯形的上边界。将高bg测量结果之后的校正剂量校正到最大可允许胰岛素值。剂量计算器还包含胰岛素敏感度因子或校正因子。
gm最大可允许葡萄糖
c校正因子或isf(即.30mg/dl/ui)。
在步骤135的至少一个实施例中，该警告可由两个参数来限定。第一个是必须被跨过以便来警告的概率阈值。这是由测得的值将低于阈值的概率给出的。第二个是最大安全胰岛素剂量。这是用于进行警告的阈值，并且是基于概率阈值计算的。
ρl下概率阈值(即5％)
ρu上概率阈值(即95％)
gl对于下概率阈值的葡萄糖水平
gu对于上概率阈值的葡萄糖水平
is最大安全胰岛素剂量
iu上或非安全胰岛素剂量。这是多于葡萄糖不确定范围的上界95％的剂量。
为了确定是否应该给出警告，计算对于下ρ分位数的边界。
从葡萄糖不确定分布的该下百分位来计算最大安全胰岛素剂量。
如果(i＞is)，则手工剂量大于最大安全胰岛素剂量。当这发生时，通知pwd并且给pwd一组选项。这些可包括以下各项中的至少一个：
·进行smbg并且运行剂量计算器
·将手工剂量降低到最大安全胰岛素剂量
·取消剂量
·输入碳水化合物的量以与剂量相关联
·在没有输入碳水化合物的量的情况下将剂量标记为餐食前
·无视警告并给予剂量。
根据葡萄糖不确定分布的上百分位来计算非安全的安全胰岛素剂量，
如果(i＞iu)，则手工剂量处在对于胰岛素剂量的非安全区中。当这发生时，通知pwd并且给pwd一组选项。这些可包括以下各项中的至少一个：
·进行smbg并且运行剂量计算器
·将手工剂量降低到最大安全胰岛素剂量
·取消剂量
·输入碳水化合物的量以与剂量相关联
·在没有输入碳水化合物的量的情况下将剂量标记为餐食前。
在至少一个实施例中，方法100可附加地包括如果血糖测量没有被执行且没有给予校正剂量则向患有糖尿病的人给予安全胰岛素剂量的步骤(示例性给予步骤140)。在示例性实施例中，可由计算设备使用边界葡萄糖值来确定安全剂量。
在至少一个实施例中，该方法100可进一步包括利用计算设备使用血糖测量结果来确定胰岛素单次剂量的步骤(示例性确定步骤150)。在至少一个实施例中，该计算设备可包括如本文中所述的胰岛素剂量计算器的实施例。在至少一个实施例中，该计算设备可确定餐前胰岛素剂量。确定胰岛素单次剂量的步骤150可使用多个测得的葡萄糖值的测量结果的变化速率、多个测得的葡萄糖值中的趋势和多个测得的葡萄糖值中的模式中的至少一个。
在胰岛素剂量的确定的步骤150的示例性实施例中，该步骤可使用多个测得的葡萄糖值的至少一个测量结果变化速率，和预测的葡萄糖值，在这里使用等式[3]来计算校正剂量，
其中
c是校正因子，
g是来自多个测得的葡萄糖值的葡萄糖结果，
τ是预测时间，以及
gt是在时间t的预测葡萄糖水平。
在至少一个实施例中，如在示例性步骤150中所使用的时间t可以是约20分钟、约30分钟、约40分钟、约50分钟或约60分钟。
在确定胰岛素剂量的步骤150的至少一个实施例中，该步骤可使用风险面。该实施例用来计算对最大允许葡萄糖的调整。在至少该实施例中，步骤150使用风险面来限定该风险面为零的曲线。对于风险面，低血糖风险指示负的风险面并且高血糖风险指示正的风险面。在变化速率为零的情况下确定最佳葡萄糖值(g0opt)。针对当前变化速率，确定最佳葡萄糖值(g1opt)。如果g1opt≤g0opt，则设置使最大允许葡萄糖到零的调整。如果g1opt>g0opt，则将差(g1opt-g0opt)添加到最大允许葡萄糖。然后使用经过调整的最大允许葡萄糖来计算葡萄糖阈值。
在本公开内容的至少一个实施例中，公开了具有用于执行用来分析人的葡萄糖水平的方法的计算机可执行指令的计算机可读介质。用于分析人的葡萄糖水平的方法可以是如本文中公开的方法100的任何实施例。
转向图2，示出可由计算机可执行指令执行的方法200的示例性实施例。示例性方法200包括以下步骤：将来自耦合至患有糖尿病的人的连续葡萄糖监测系统的多个测得的葡萄糖值接收到计算设备中(示例性接收步骤210)，利用计算设备上的概率分析工具来分析该多个测得的葡萄糖值以确定在患有糖尿病的人需要至少预定胰岛素剂量的情况下处于概率阈值处的边界葡萄糖值(gρ)，以及葡萄糖阈值
在方法100或200的至少一个实施例中，在步骤130/230中生成的警报和/或在步骤135/235中生成的警告可在进餐、校正剂量或bg测量之后被暂时关闭达一段时间。在至少一个实施例中，该时间段可以是如由剂量计算器限定的偏置时间的长度，诸如15分钟、30分钟、45分钟、1小时或2小时。
在本公开内容的至少一个实施例中，在图3中示出用于分析患有糖尿病的人的葡萄糖水平的系统300。示例性系统300包括：控制器310，其包括具有用于执行本公开内容的实施例的计算机可执行指令的计算机可读介质320。在至少一个实施例中，该方法可由计算机可执行指令来命令，该方法包括将来自耦合至患有糖尿病的人的葡萄糖传感器的多个测得的葡萄糖值接收到计算设备中，利用计算设备上的概率分析工具来分析该多个测得的葡萄糖值以确定患有糖尿病的人需要至少预定胰岛素剂量的概率(pid)，以及利用计算设备将该概率(pid)与阈值概率(pt)进行比较，其中如果该概率(pid)大于阈值概率(pt)则计算设备执行警报。
示例性系统300可进一步包括与控制器通信的剂量计算器330，在这里该剂量计算器330能够基于多个测得的葡萄糖值来确定胰岛素剂量。
在本公开内容的至少一个实施例中由计算机可执行指令320执行的方法进一步包括确定多个测得的葡萄糖值的葡萄糖变化速率，在这里该葡萄糖变化速率被剂量计算器用来修改胰岛素剂量。
在至少一个实施例中，该控制器310进一步包括与控制器310通信的用户接口340。由系统300执行的方法还可包括在用户接口上显示经过修改的胰岛素剂量的步骤。另外，多个葡萄糖结果的变化速率可被用来预测在未来时间用于被剂量计算器使用的葡萄糖水平。
连续葡萄糖检测器。
图4描绘如在本文中描述的方法和系统的至少一个实施例中使用的连续葡萄糖监测(cgm)系统的一个实施例。示例性系统410可包括具有可被插入患有糖尿病的人的皮肤412下面的针状物418的葡萄糖传感器416。该针状物418的末端可位于间质液414中，以使得葡萄糖传感器416所采取的测量基于间质液414中的葡萄糖水平。该葡萄糖传感器416可被放置在人的腹部或其他适当位置并且可利用胶带或黏合剂(未被示出)来固定。此外，葡萄糖传感器416可被定期校准以便改进其准确性。该定期校准可帮助校正归因于传感器降级和传感器插入部位的生理状况中的变化的传感器漂移。葡萄糖传感器416也可包括其他部件，包括但不限于无线传送器420和天线422。尽管图4中被描绘为具有矩形形状，但是设想葡萄糖传感器416也可呈现其他几何形状。尽管葡萄糖传感器416可使用针状物418来获取人的血液，但是也可使用其他适当的设备来获取人的血液或其他流体以便进行葡萄糖测量(包括尚未被发现的那些)。
在进行测量时，葡萄糖传感器416可经由通信链路424将测得的葡萄糖值传送至葡萄糖检测器426。该通信链路424可以是无线的(诸如射频或“rf”)，在其中经由电磁波来传送测得的葡萄糖值。例如，“蓝牙
图5图示葡萄糖监测器426的至少一个实施例，其可包括显示器528、微控制器532和输入设备534。葡萄糖监测器426的示例包括但不限于血糖计、胰岛素泵、蜂窝电话、智能电话、个人数字助理、个人计算机或计算机服务器。该微控制器532可被电气耦合至输入设备534，其可被配置成从耦合至人的葡萄糖传感器接收多个测得的葡萄糖值。该微控制器532可被配置成从输入设备534接收多个测得的葡萄糖值。该葡萄糖监测器426也可被配置成将从葡萄糖传感器416接收的多个测得的葡萄糖值存储在存储器(未被示出)中达一段时间。该微控制器532可被进一步配置成利用被配置成为葡萄糖传感器确定故障的概率的概率分析工具来分析多个测得的葡萄糖值。此外，该微控制器532可被配置成使用被配置成利用葡萄糖传感器准确性的概率对多个测得的葡萄糖值加权重的递归滤波器来估计人的葡萄糖水平。最后，微控制器532可被电气耦合至显示器528以使得该微控制器被配置成将与估计的人的葡萄糖水平有关的信息传送至显示器528。如本文中所讨论的，所显示的信息可包括在未来某一时间的人的估计葡萄糖水平和/或人的预测葡萄糖水平。此外，显示器还可包括估计的葡萄糖水平的质量或不确定性的估计。此外，所显示的信息可包括关于估计或预测的人的葡萄糖水平是否是低血糖的或将在未来某一时间变成低血糖的告警、警报、等等。例如如果人的葡萄糖水平降至(或预测要降至)预定低血糖阈值(诸如每分升血液50毫克葡萄糖(mg/dl))以下，则这可能发生。进一步地，显示器538可进一步包括在人需要预定剂量的胰岛素的概率降至定义的阈值以上的情况下的警报的实施例。
该微控制器532可以是8位设备、16位设备、或任何其他适当的设备，并且可具有促进其操作的芯片上外围设备。例如，该微控制器532可具有用于存储计算机程序的内部存储器、用于数据存储的内部存储器、以及用于由微控制器在其操作期间使用的参数的非易失性存储的内部存储器。此外，该微控制器532可具有计时器、串行通信端口、中断控制器、等等。该微控制器532也可以是包括促进葡萄糖监测器426的操作的其他电路的专用集成电路(asic)的一部分。该输入设备534可以是被配置成从葡萄糖传感器无线接收测得的葡萄糖值的无线通信模块(如图4中所示)。照此，天线530可被用来改进无线连接的鲁棒性。备选地，该输入设备534可以是通过有线连接(诸如例如经由以太网或类似协议)接收测得的葡萄糖值的有线通信模块。显示器528可包括液晶显示器(lcd)或其他适当技术。显示器528还可被配置成将信息以触觉的形式传达给人，诸如例如通过振动。
图6描绘来自耦合至患有糖尿病的人的葡萄糖传感器的测得的葡萄糖值640的二维图的一个示例。水平轴表示以小时计的时间，而垂直轴表示以每分升血液的葡萄糖毫克(mg/dl)计的人的测得的和实际的葡萄糖水平。测量可由葡萄糖传感器以预定速率(诸如每一分钟)来自动进行。测得的葡萄糖值640通常可对人的实际葡萄糖水平642作出响应。然而，葡萄糖传感器可能偶尔发生故障，诸如在图6中的时间段644期间所示的。该故障可能归因于由葡萄糖传感器的针状物附近的生理问题引起的传感器脱落，或者它可能归因于葡萄糖传感器本身所具有的电气问题。在故障时间段644期间，测得的葡萄糖值640可能显著低于人的实际葡萄糖水平642。在故障时间段644结束时，测得的葡萄糖值640可恢复以使得它们再次与人的实际葡萄糖水平642相对应。
仍参考图6，葡萄糖传感器偶尔也可显露噪声，如在时间段646期间所示的。该噪声可归因于葡萄糖传感器的针状物相对于皮肤的物理移动或者可归因于葡萄糖传感器自身所固有的电气噪声。在噪声时间段646期间，测得的葡萄糖值640可波动，以使得一些结果高于实际葡萄糖水平642并且一些结果低于实际葡萄糖水平642。该噪声可能甚至看起来关于实际葡萄糖水平642振荡。在噪声时间段646的结束时，测得的葡萄糖值640可恢复以使得它们再次与人的实际葡萄糖水平642紧密对应。尽管被示出为在不同时间发生，但是故障和噪声可同时以及连续地发生。此外，故障和/或噪声的持续时间可能比如图6中描绘的更短或更长。
与上述背景不一样的是，提供根据本公开内容的实施例，其在存在传感器噪声和/或传感器故障的情况下估计人的实际葡萄糖水平。图7描绘被配置成估计人的葡萄糖水平的系统750。系统750可从会被耦合至患有糖尿病的人(未被示出)的葡萄糖传感器416接收测得的葡萄糖值640。该葡萄糖传感器416可如本文中先前所述的那样或以任何适当方式耦合至人。该葡萄糖传感器416可被配置成定期测量人的葡萄糖水平(诸如例如每一分钟)，并且将测得的葡萄糖值640传送至系统750(例如经由如本文中之前所述的通信链路)。
用于估计患有糖尿病的人的葡萄糖水平的系统750可包括概率分析工具754和递归滤波器752。该概率分析工具754可被配置成接收测得的葡萄糖值640并且计算葡萄糖传感器准确性的概率pa758，即葡萄糖传感器416正常运行(即没有发生故障)的概率。葡萄糖传感器准确性的概率pa758可仅仅基于可观测的数据，诸如测得的葡萄糖值640和/或其变化。因此，该概率分析工具754可被用来区分传感器噪声(其可能具有正态分布)和传感器故障(其可能不是正态分布的)。归因于它们的不确定性分布中的差异，每种类型的不确定性都可被不同地处理。
概率分析工具754可包括能够分析测得的葡萄糖值640和/或其变化并且计算葡萄糖传感器准确性的概率pa758的任何数目的数学算法。该概率分析工具754也可被配置成接收葡萄糖传感器准确性的概率pa758可基于的其他类型的数据，诸如当人进餐时、当人锻炼时、以及当胰岛素被递送给人时。此外，pa758可基于来自耦合至人且被配置成测量人中的阻抗的阻抗测量设备的一个或多个测量结果。此类阻抗测量设备可指示葡萄糖传感器416是否被适当耦合至人，并且因此来自葡萄糖传感器416的测得的葡萄糖值640是否是准确的。也可使用其他类型的数据。
该概率分析工具754可采用许多不同形式，诸如状态机、贝叶斯模型或其他算法。在一个实施例中，该概率分析工具754可采用简单的状态机的形式，在其中葡萄糖传感器准确性的概率pa总是在集合{0,1}中(即取决于状态机的状态，pa758是0％或100％)。在该示例中，如果δcg(即根据先前测得的葡萄糖值的当前测得的葡萄糖值中的变化)小于某一负阈值τ1，该系统将转移至传感器不准确的状态ta→i，并且如果δcg大于某一正阈值τ2，或者如果传感器cg值(即当前测得的葡萄糖值)在生理上可能的葡萄糖值(g0和gmax)内并且自从到传感器不准确的状态的过渡起已过去某一时间量δta→i＞τ3，则转移回到传感器准确的状态ti→a。这可在数学上被表示为：
如果δcg＜τ1，则ta→i
如果δcg＜τ2或(g0＜cg＜gmax且δta→i＞τ3)，则ti→a，
如果这些转移条件中无一个满足，则状态机可保持在其当前状态。这仅仅是概率分析工具754采用状态机的形式的一个示例。该概率分析工具754也可采用其他形式。
在另一实施例中，概率分析工具754可包括具有对于葡萄糖传感器的两个状态的隐马尔可夫模型：1)在其中葡萄糖传感器是准确的状态，用“sa”来表示，以及2)在其中葡萄糖传感器是不准确的状态，用“si”来表示。该隐马尔可夫模型可提供限定从状态sa过渡到状态si的概率的状态过渡函数，诸如下面的函数：
在这里“cg”是当前测得的葡萄糖值，“δcg”是从先前测得的葡萄糖值到当前测得的葡萄糖值的变化，并且α1到α4是取决于葡萄糖传感器的特性的常数。对于该函数的输出值的范围是0到1，在这里0表示传感器准确性的0％概率并且1表示传感器准确性的100％概率。“最小”函数采用数学表达式的最小值以及数字1(即100％)。该过渡函数可基于当前cg和δcg值。此外，该过渡函数可以是s形的(sigmoid)，其中参数α1和α3控制s形过渡的位置，并且参数α2和α4控制s形的斜率。对于特定患者和/或传感器批次这些参数可被调谐。
继续隐马尔可夫模型的示例，仍处在状态si的概率(当当前状态是si时)可以是：
并且这仅是δcg值以及处在或过渡到状态si的先前概率
取决于当前状态是sa或si，过渡到si的当前概率pi是pa→i或pi→i。葡萄糖传感器为不准确(即是si)的当前概率pi可以是(sa×pa→i)+(si×pi→i)。要指出，当处在该状态中时状态(sa或si)是“1”，并且否则是“0”。这包括过渡到si的概率(pa→i)给出处在sa的概率，以及仍在si的概率乘以当前处在si的概率。pi→i的值等于1-pi→a，并且传感器是准确的概率简单的是pa＝1-pi。因此，对于该示例，葡萄糖传感器准确性的概率可以是：
pa＝1-[(sa×pa→i)+(si×pi→i)]。
图8描绘两个过渡函数pa→i和pi→a在δcg的直方图上的图形表示(即1-pi→a，当当前状态是si时从si过渡到sa的概率)。该直方图包括以零为中心的具有与过渡到传感器故障和离开传感器故障相关联的两个尾部的高斯形分量868。该两个过渡函数被绘制在直方图上以示出它们可被调谐以在直方图的尾部上触发。高斯形分量868可表示可在葡萄糖传感器的正常操作期间发生的δcg值的范围。例如，位于高斯形分量868内部的δcg值可归因于传感器噪声。位于高斯形分量868外部且位于其左侧的δcg值可归因于传感器从sa过渡到si。该分布的形状可被用来表征在生产之后的一批葡萄糖传感器并且被用来对传感器编码。也就是说，过渡函数(pa→i和pi→a)可被调整成(通过调整α1到α6参数)与对于一批特定葡萄糖传感器的高斯形分量868相对应。因此，隐马尔可夫模型可被用来仅仅基于测得的葡萄糖值以及其变化来确定传感器是准确的概率pa。
图9图示了示出在葡萄糖传感器故障期间以及在存在葡萄糖传感器噪声的情况下隐马尔可夫模型的操作的一个示例的图形。该图形包括测得的葡萄糖值640和葡萄糖传感器准确性的概率pa758。在时间段970期间，葡萄糖传感器可能发生故障，因此促使测得的葡萄糖值640变得不准确；同时在时间段974期间(如通过隐马尔可夫模型确定的)pa758可从大约100％(在时间段970之前)减小到0％附近。这可能归因于在时间段970的开始测得的葡萄糖值640的值迅速下降(即当故障首次发生时)的隐马尔可夫模型的检测。在时间段974结束时，葡萄糖传感器可能开始正常操作(即测得的葡萄糖值640再次变得准确)，并且pa758可再次增加回到大约100％。如以前，这可能归因于在时间段974结束时测得的葡萄糖值640的值迅速增加(即当葡萄糖传感器返回到正常操作时)的隐马尔可夫模型的检测。pa758从0％附近到大约100％的变化速率可能取决于葡萄糖传感器如何迅速地从发生故障(不准确)过渡到正常(准确)操作。如果过渡相对快速，则pa758可从100％附近迅速过渡到大约0％。然而，如果葡萄糖传感器从发生故障缓慢地过渡到正常操作，则pa758也可从0％附近缓慢地过渡到大约100％。如果从cg和δcg值到仍在si中存在很少证据或没有证据，则(在pi→i等式中找到的)衰减项γ可允许pa758逐渐过渡回到sa。
仍参考图9，被示出为在时间段976期间发生的葡萄糖传感器噪声也可促使pa758减小，这取决于噪声的严重性和水平。如图9中所描绘的，在时间段976期间葡萄糖传感器噪声可促使pa758稍稍减小。当然，葡萄糖传感器故障和传感器噪声二者可具有振幅和/或持续时间的变化水平。此外，葡萄糖传感器故障和传感器噪声可能暂时重叠，或者部分或者完全重叠。隐马尔可夫模型可被配置成在这些条件的任一个下确定pa758。如将下文中所讨论的，pa758可被用在递归滤波器中以便最小化葡萄糖传感器故障的影响，以便在存在葡萄糖传感器故障和/或传感器噪声的情况下提供人的实际葡萄糖水平的准确估计。
再次参考图7，用于估计患有糖尿病的人的葡萄糖水平的系统750可包括递归滤波器752，其可被用来基于利用葡萄糖传感器准确性的概率pa758加权的多个测得的葡萄糖值来估计人的葡萄糖水平。可被使用的递归滤波器的示例包括卡尔曼滤波器和扩展的卡尔曼滤波器(ekf)。当然，也可使用许多其他类型的递归滤波器。
在一个实施例中，该递归滤波器752可以是卡尔曼滤波器(在下文中对“卡尔曼滤波器”的参考也适用于“扩展的卡尔曼滤波器”)，其被配置成在二阶线性系统中处理测得的葡萄糖值640(即原始葡萄糖传感器数据)，如下面在等式中所体现的。卡尔曼滤波器可尤其包括状态向量，其表示被估计的变量的估计的状态，在该示例中其是人的葡萄糖水平。卡尔曼滤波器可包括预测步骤(在其中预测先验状态和协方差)、以及测量步骤(在其中更新后验卡尔曼增益(kk)、状态向量、和协方差)。可在每次接收到新的输入时都更新状态向量(即递归地)。在该公开内容中，状态向量x中的变量可表示基于测得的葡萄糖值640的人的实际葡萄糖水平的估计。估计的葡萄糖水平向量x可表示人的估计的葡萄糖水平g；其一阶导数
ck-i＝cgk-i-hxk-i，以及
矩阵a中的参数β1和β2可被设置成稍稍小于1，以使得当传感器故障发生时抑制估计的葡萄糖水平。矩阵q可表示过程噪声协方差，而kk可再次表示卡尔曼滤波器增益。可如本领域中已知的那样确定对于这些参数的初始估计。
在扩展的卡尔曼滤波器(ekf)中，可利用非线性模型
在预测步骤之后，可在校正步骤中使用当前葡萄糖传感器测量结果cgk。该校正步骤也可包括先前计算的葡萄糖传感器准确性的概率pa758(来自概率分析工具)。卡尔曼滤波器可被配置成利用葡萄糖传感器准确性的概率对当前测得的葡萄糖值加权。例如当pa758为低时，当前测得的葡萄糖值对卡尔曼滤波器的影响可能接近零；相反地，当pa758为高时，当前测得的葡萄糖值的影响可能更高。
区别传感器故障和传感器噪声可促进估计人的葡萄糖水平，以及照此卡尔曼滤波器可有差别地处理这些情况。对于正常分布的传感器噪声，卡尔曼滤波器可被配置成求出这些噪声的平均值。这可能归因于传感器噪声可能是针对每个类型和/或批次的葡萄糖传感器而具有特征的事实，包括但不限于噪声的频率范围以及测得的葡萄糖值中的振幅变化的对应范围。这些噪声特性可在卡尔曼滤波器的参数中的一些或所有中体现(例如在
来自卡尔曼滤波器的协方差矩阵表示信号不确定性，但是不包括由校准引起的不确定性。归因于校准的不确定性应该以高开始并且基于葡萄糖测量的次数以及葡萄糖值和经过校准的cgm对之间的差异而减小。为了解释该不确定性，葡萄糖和gcm之间的差应该考虑卡尔曼滤波器协方差。利用该修改，信号中的误差在大多数情况下将不会影响分配给校准的不确定性。因此，在至少一个实施例中，可使用葡萄糖的变化速率以及基于校准的风险来调整剂量计算器。
图9中示出卡尔曼滤波器的操作的一个示例，其描绘人的测得的葡萄糖值970和估计的葡萄糖水平978。如先前所使用的，还示出葡萄糖传感器准确性的概率pa758。正常地，人的估计的葡萄糖水平978通常可遵循测得的葡萄糖值970。然而，在时间段974期间，传感器可能发生故障；同时，pa758可能减小至0％附近(如由概率分析工具的操作所确定的)以便指示葡萄糖传感器准确性的低概率。因此，卡尔曼滤波器可以考虑pa758以便减轻测得的葡萄糖值在估计人在传感器故障的时间段974期间的葡萄糖水平中的重要性。
继续参考图9，测得的葡萄糖值970可包含在时间段976期间的噪声。卡尔曼滤波器可过滤该噪声以便产生在该时间段976期间相对平滑的估计的葡萄糖水平978。尽管测得的葡萄糖值可包含在该时间段976期间的噪声，但在该时间期间pa758可仍相对较高(例如在100％附近)，因为概率分析工具可能能够区分传感器噪声和传感器故障。照此，卡尔曼滤波器可继续将相对高的重要性置于在时间段972期间测得的葡萄糖值(如由pa758在时间段972期间相对较高所证明的)。
葡萄糖传感器测量不确定性rk通常不是常数。当前它可被估计为最近传感器测量结果z；葡萄糖传感器准确性的概率pa；测量结果的最大不确定性
如由递归滤波器确定的人的估计的葡萄糖水平可被用来预测人在未来某一时间的葡萄糖水平。这些估计也可被用来分析人的行为和葡萄糖模式。返回参考图7，预测算法762可被用来预测人是否和/或在何时变成低血糖的并且可提供相关联的警告或告警。该预测算法762可从递归滤波器752接收人的估计的葡萄糖水平760并且还可接收估计的葡萄糖水平的不确定性。然而，可利用其它输入数据(包括进餐时间、碳水化合物、药物、锻炼、胰岛素剂量、等等)来增强该预测算法762。该预测算法762也可进一步从其它数据源(诸如测得的葡萄糖值(即原始葡萄糖传感器数据)或经过处理的葡萄糖传感器数据)来接收信息。该预测算法762可使用高斯过程回归来学习由图7中的训练模型764所指示的患者特定的预测模型。该预测算法762也可估计预测的不确定性，其可允许警告阈值因为敏感度而被调整。也可基于患者的当前活动来调整警告阈值；例如，当患者正睡觉时该敏感度可能被增加。
举例来说，可以使用卡尔曼滤波器或扩展的或卡尔曼滤波器的系统模型来完成低血糖症的预测。在预测步骤的该示例中，
在另一示例中，如由递归滤波器估计的所估计的葡萄糖值g和葡萄糖值的变化速率
举例来说，所使用的具体输入向量可包括在时间t＝0、-15和-30分钟取得的估计的葡萄糖水平(cg)的三个样本、估计的葡萄糖水平的当前导数和在t＝-15分钟的导数、以及自最后的餐食起的时间。餐食信息tmeal和剂量信息b是可选的并且也可以包括其他数据。这可在数学上被表述为
xcg＝[cgt＝0cgt＝-15cgt＝-30δcgt＝0...-15δcgt＝-15...-30]t
xmeal＝[cgt＝0cgt＝-15cgt＝-30δcgt＝0...-15δcgt＝-15...-30min(tmeal，tmax)b]t。
高斯过程回归可使用下面的方程来基于由(x，y)表示的训练数据和测试点(x*，y*)来预测人的未来葡萄糖水平：
y*＝k(x*，x)(k(x，x)+μi)-1y，
在这里k(x，x)是协方差函数。高斯协方差函数可被用来生成结果，但是在这里也可以使用其他函数。可被使用的高斯协方差函数是：
图10描绘预测算法的操作。来自葡萄糖传感器的测得的葡萄糖值1080、以及估计的人的葡萄糖水平1082(即卡尔曼滤波器的输出)被示出在左侧(从时间t＝-40到0)。当前时间是t＝0。预测算法可确定在未来某一时间(即大于t＝0的任何时间)人的预测的葡萄糖水平1080。此外，预测算法可被用来预测人的葡萄糖水平是否和/或在何时可变成低血糖的或高血糖的。可为人建立低血糖阈值1086，以使得实际葡萄糖水平低于该阈值意味着人已经变成低血糖的。对于每个人可唯一地确定低血糖阈值1086。对于平均人该阈值可以是约50mg/ml。而且，针对每个人低血糖阈值1086可改变，以使得该阈值基于时间、事件或其组合。举例来说，对于一个人的低血糖阈值1086可取决于当天的时间、人是否服用药物、葡萄糖传感器是否处于脱落状态和/或处于脱落状态多长时间等等。在图10中，预测算法可预测人将在t＝45(即从当前时间的45分钟)变成低血糖的。当然，随着时间推移，预测算法可继续使用最近的估计的葡萄糖水平(来自卡尔曼滤波器)并相应地调整预测的葡萄糖水平。
除了能够预测人的葡萄糖水平的未来值之外，该预测算法可进一步被配置成确定预测是准确的的概率。例如，仅未来一或两分钟的预测可能是高度准确的，而未来60或70分钟的预测可能是相对不准确的。当然，预测是准确的概率可能是一个连续统一体，在对于近期未来的100％附近开始并且随着预测进一步到达未来衰减到0％附近。该信息可被用于结合实际预测本身来为人提供低血糖告警系统。如图10中所示的，当预测的葡萄糖水平1082足够高于低血糖阈值1086时，该告警系统可能不提供警告1088,；当预测的葡萄糖水平1082接近低葡萄糖阈值1086的预定范围内时它可能建议注意1090；并且当预测的葡萄糖水平1082下降到葡萄糖阈值1086以下时它可能通知危险1092。
如先前所讨论的，该预测算法可包括学习人的具体特性的训练函数。该训练函数可以产生可在预测算法中使用并且可基于它们对生成预测的影响而加权的训练数据。训练数据的影响水平可由在高斯过程回归量内使用的协方差函数k(x,x)。
可利用训练示例或非训练示例的生成集来初始化预测算法。当新的数据被测量时，它们可被合并到预测算法和/或训练函数中。存在用于包括新数据的许多可能算法。这些包括当1)预定的时间段已过去，2)对具体数据的预测失败，3)输入数据没有被表示在训练集中，或4)如果适当的话患者或保健提供者手工计入数据(包括所有新数据)时，将数据添加到训练集。
当被添加到训练集时，新数据可以被包括为新向量，或通过对现有的训练向量重新加权。第二方法包括保持恒定存储器需要的好处。在添加附加数据之后，预测算法可在设备上被立即更新、在个人计算机上被回顾性地更新、或在诊所处被回顾性地更新。
参考图11，示出用于估计患有糖尿病的人的葡萄糖水平的方法1100。该方法可包括许多动作，它们可以以任何适当的顺序被执行。在动作1102处，该方法1100可将来自耦合至人的葡萄糖传感器的多个测得的葡萄糖值接收到计算设备中。在动作1104处，该方法1100可使用计算设备来利用被配置成基于多个葡萄糖测量结果来确定葡萄糖传感器准确性的概率的概率分析工具来分析该多个测得的葡萄糖值。在动作1106处，该方法1100可使用计算设备来使用被配置成利用葡萄糖传感器准确概率对多个测得的葡萄糖值加权的递归滤波器来估计人的葡萄糖水平。可以如在上文中所述的那样建立概率分析工具和递归滤波器。
胰岛素剂量计算器。
现在参考图12，示出胰岛素剂量推荐系统1210的一个说明性实施例的框图。在所图示的实施例中，该胰岛素剂量推荐系统1210包括剂量推荐单元1212，其至少具有电气连接至虚拟显示单元1216并且还电气连接至数据录入单元1218的控制电路1214。该控制电路1214可说明性地是能够执行一个或多个软件算法的常规、基于微处理器的控制计算机，尽管该控制电路14可备选地是能够如下文中所述的那样操作的任何单个一个电子电路或电子电路的集合。在一些实施例中，该控制电路1214可以被电气连接至如在虚线框(phantom)中所示的常规的存储器单元1220。虚拟显示单元1216可以是或包括任何常规显示屏，包括但不限于阴极射线管(crt)显示器、液晶显示器(lcd)、等离子体显示器、单色或多色监测器、触摸敏感数据录入屏、或诸如此类的。该数据录入单元1218可以是或包括任何常规数据输入设备，包括但不限于键盘或小键盘、鼠标或类似点击式设备、与显示单元1216相关联的一个或多个编码或非编码的触摸敏感开关、语音激活数据输入设备、或诸如此类的。
在一些实施例中，该胰岛素剂量推荐系统1210可进一步包括如在图12中的虚线框中示出的附加剂量推荐单元1230。该单元1230可包括电气连接至虚拟显示单元1234并且还电气连接至数据录入单元1236的控制电路1232，其中可以以上文中关于剂量推荐单元1212所述的形式中的任一个来提供该控制电路1232、显示单元1234和数据录入单元1236。该控制电路1232可进一步被电气连接至常规存储器单元1238。在该实施例中，该剂量推荐单元1212和剂量推荐单元1230中的每一个都可被配置成经由包括物理连接两个单元的一个或多个信号路径的有线连接1240、经由无线信号路径1242(诸如无线电信号或蜂窝电话链路)、和/或经由万维网(www)1244来共享信息，它们中的每一个都使用常规技术。
该胰岛素剂量推荐系统1210被配置成根据在系统1210中体现为一个或多个可执行软件算法的胰岛素剂量推荐协议来确定并推荐进入系统1210的用户的血流中的一个或多个具体胰岛素剂量的量的给予。用于执行此类软件算法且用于在系统1210和用户之间传达有用信息的胰岛素剂量推荐系统1210的物理结构可采用各种形式。在一个说明性实施例中，例如，该剂量推荐系统1210仅包括被体现为常规个人计算机(pc)、膝上型电脑或笔记本计算机、个人数字助理(pda)等等，或被体现为手持式、膝上型电脑或桌上型电脑专用剂量推荐单元的剂量推荐单元1212。在这些情况中的任一个中，该剂量推荐单元1212包括具有存储在其中的许多可执行软件算法的存储器单元1220，并且控制电路1214可操作用来执行这些软件算法来根据如将在下文中详细描述的胰岛素剂量推荐协议确定并推荐进入用户的血流中的具体胰岛素剂量的量的一个或多个注射。在该实施例中，该显示单元1216可在软件算法的指示下被控制电路1214控制来将信息传达给用户并且向用户提示用户可经由数据录入单元1218输入的信息。
在另一说明性实施例中，该胰岛素剂量推荐系统1210包括剂量推荐单元1212和剂量推荐单元1230。作为该实施例的一个示例，该剂量推荐单元1212可以是如上文中所述的pda或专用剂量推荐单元，并且剂量推荐单元1230可以是pc、膝上型电脑或笔记本计算机。在该实施例中，该单元1212可经由无线接口1242或者经由有线接口1240与单元1230通信，该有线接口1240可被电气连接至被配置成容纳单元1212并电气连接与单元1230数据通信的单元1212的pda或专用剂量推荐单元支架。在该示例中，单元1212和1230的存储器单元1220和1238中的每一个分别可具有存储在其中的许多软件算法，并且用户可使用剂量推荐单元1212作为移动胰岛素剂量推荐单元和/或使用剂量推荐单元1230作为固定胰岛素剂量推荐单元。在这种情况下，用户将通过分别经由有线或无线接口1240或1242使两个单元1212和1230的数据库定期同步来保持每个单元1212和1230当前的数据库。
作为包括剂量推荐单元1212和剂量推荐单元30的胰岛素剂量推荐系统1210的实施例的另一示例，剂量推荐单元1212可以是pda、pc、膝上型电脑或笔记本计算机、蜂窝电话或能够访问www1244的任何其他单元或设备。在该示例中，剂量推荐单元1212不需要具有存储在存储器单元1220中的许多软件算法，并且根本不需要包括存储器单元1220。在该示例中，该剂量推荐单元1230可以是也被配置成访问www1244并具有存储在存储器单元1238中的许多软件算法的远程计算机或常规网络服务器。在该示例中，该远程计算机或网络服务器1230的控制电路1232可操作用来基于由用户经由剂量推荐单元1212通过www1244提供的信息来执行许多软件算法。在该特定实施例中，用户和/或健康保健提供者可访问由剂量推荐单元1230控制的网页或网站并且向控制电路1232提供用于胰岛素剂量推荐协议的初始操作参数和/或限制。然后并且此后用户可访问网页或网站并且输入当前血糖信息，并且控制电路1232可然后根据将在下文中详细描述的胰岛素剂量推荐协议基于当前血糖信息来经由网页或网站确定并推荐进入用户血流的具体胰岛素剂量的量的一个或多个注射。
在该特定实施例中，该胰岛素剂量推荐软件算法因此驻留在远程计算机或网络服务器1230中，并且在这点上该剂量推荐单元1212仅需要包括足够的硬件以便能够向网页或网站提供当前血糖信息并且通过远程计算机或网络服务器1230查看在网页或网站上产生的推荐结果。作为一个实际问题，虽然在该实施例中可进一步期望提供具有存储器单元1220的剂量推荐单元1212并且将许多剂量推荐软件算法存储在其中以使得当剂量推荐单元1212可能不可能或切实可行地访问www1244和/或适当网页或网站时它可独立执行这些软件算法。在此类实施例中将进一步可期望的是提供远程和/或基于网络的数据库与存储在剂量推荐单元1212的存储器单元1220中的数据库的同步。
将会认识到，胰岛素剂量推荐系统1210可被配置成与葡萄糖计或其他自动血糖确定单元和/或胰岛素泵或其他自动胰岛素剂量给药单元或给予单元协作。在葡萄糖计或其他自动血糖确定单元包括有胰岛素剂量推荐系统1210的实施例中，控制计算机1214可被配置成使用常规技术提示此类单元来如将在下文中详细描述的自动产生系统1210然后可使用的当前血糖信息，以确定并推荐给予一个多个胰岛素剂量的量。在胰岛素泵或其他自动胰岛素给药单元包括胰岛素剂量推荐系统1210的实施例中，该控制计算机1214可被配置成使用常规技术提示此类单元来自动向用户给予推荐的胰岛素剂量的量。
如上文中所述的，图12中图示的胰岛素剂量推荐系统1210可操作来执行用于根据胰岛素剂量推荐协议来确定并推荐进入用户的血流中的具体胰岛素剂量的量的一个或多个的给予的许多软件算法。如涉及本公开内容的胰岛素剂量协议提供延长的时间段(例如一天或多天)到许多邻近时间间隔的划分。利用任何此类时间间隔，可限定具体目标葡萄糖水平和具体胰岛素敏感度值。用于任何时间间隔的目标葡萄糖水平对应于用户将想要保持的该时间间隔内的一个恒定葡萄糖值。一个示例目标葡萄糖水平可以是120mg/dl，尽管在许多时间间隔中限定的各种目标葡萄糖水平可采用其他值。用于任何时间间隔的胰岛素敏感度值对应于例如以输注的胰岛素的每单位mg/dl来计的葡萄糖减小量。一个示例胰岛素敏感度值可以是30mg/dl/u，尽管备选地可使用其他胰岛素敏感度值。在美国专利申请序列号10/927,614中描述了与适合于由系统1210执行来实施此类胰岛素剂量协议的示例软件算法有关的细节，该专利申请被转让给该主题发明的受让人，并且通过引用将其公开内容合并于此。然而，应该理解，系统1210可备选或另外被编程为执行用于实施此类胰岛素剂量协议的其他常规软件算法。
现在参考图13，示出图示根据上述胰岛素剂量协议的两个时间间隔的血糖与时间的关系的图。当前时间间隔在“开始当前间隔”时间tbci处开始并且在后续“结束当前间隔”时间teci处结束。在当前间隔期间限定的目标血糖1350被命名为bgtci，并且在当前间隔期间限定的胰岛素敏感度被命名为isci。下一邻近时间间隔在与“结束当前间隔”时间teci重合的“开始下一间隔”时间tbni处开始，并且在后续“结束下一间隔”时间teni处结束。在下一邻近间隔期间限定的目标血糖1352被命名为bgtni，并且在下一邻近间隔期间限定的胰岛素敏感度被命名为isni。
系统1210的用户可在任何时间经由一个或多个常规技术来获得用户的葡萄糖水平的测量结果。如果用户的葡萄糖水平的当前测量结果超过目标血糖水平达当前间隔bgtci，则常规剂量推荐系统通常可操作用来根据下面的等式来计算推荐的校正胰岛素剂量cb：
cb＝(bgm-bgtci)/isci(4)
在这里bgm是在当前时间tc测得的血糖水平。用户然后在时间tc附近给予推荐的校正胰岛素剂量，并且给予的胰岛素剂量以已知方式起作用来在时间段tm内降低葡萄糖水平，在这里为了该文档的目的tm被限定为给予胰岛素剂量的葡萄糖降低活动的持续时间。
再次参考图13，在当前间隔中图示上述场景，在这里在当前时间tc测量血糖值1354。利用被计算为刚刚描述的在tc附近给予的校正剂量cb，在该示例中随着时间血糖减小1356到目标葡萄糖值1350，其对应于对于当前间隔的目标血糖值bgtci并且保持在bgtci达持续时间tm。使用一个数例，假设对应于点1354的测得的血糖值bgm是200mg/dl，在当前间隔期间的目标血糖值bgtci是120mg/dl，且在当前间隔期间的胰岛素敏感度isci是30mg/dl/u。将这些数字带入到上述常规校正剂量等式中产生(200mg/dl-120mg/dl)/30mg/dl/u＝2.667，或大约2.7个单元。因此，在当前间隔期间，它用了大约2.7个胰岛素单位将用户的葡萄糖水平从200mg/dl降低到目标120mg/dl。
如在刚刚给出的示例中所说明的，只要在当前时间间隔中足够早得给予校正剂量以使得所给予的胰岛素剂量的葡萄糖降低活动的持续时间tm被限制到当前间隔，常规的校正剂量等式就会做得很好。然而，使用常规校正剂量等式作为用于在当前时间tc(其发生在当前时间间隔中的后面)计算和给予校正剂量的基础，以使得所给予的剂量的葡萄糖降低活动的持续时间tm跨过当前和下一邻近时间间隔可能会产生不期望的结果。例如，考虑在当前时间间隔的结束teci(其对应于下一邻近时间间隔的开始时间tbni)附近的现在当前时间tc测量血糖值58的情况。利用使用上述常规等式计算的且在tc附近给予的校正剂量cb，在该示例中血糖在进入下一邻近时间间隔的时间1360内减小并且减小到可能明显低于下一邻近时间间隔的目标葡萄糖值1352的葡萄糖水平1362。使用另一数例，假设对应于点1358的测得的血糖值bgm再次是200mg/dl，在当前间隔期间的目标血糖值bgtci再次是120mg/dl，在当前间隔期间的胰岛素敏感度isci再次是30mg/dl/u，在下一邻近时间间隔期间的目标血糖值bgtni是150mg/dl并且在下一邻近时间间隔期间的胰岛素敏感度isni是40mg/dl/u。因为tc仍在当前时间间隔中，所以上述常规校正剂量等式再次产生(200mg/dl-20mg/dl)/30mg/dl/u＝2.667，或大约2.7个单位。然而，假如在该示例中tc在tbni的一分钟内。如果用户已等待另一分钟来进行血糖测量，以使得下一邻近时间间隔现在是当前时间间隔，则上述常规校正剂量等式将产生(200mg/dl-150mg/dl)/40mg/dl/u＝1.25，或大约1.3个单位。在该示例中在tc或tc附近给予2.7mg/dl胰岛素剂量，因此导致1.4个单位的量的不需要的胰岛素，这在40mg/dl/u的胰岛素敏感度isni处导致低于血糖目标1352的(40mg/dl/u*1.4u)＝56mg/dl的血糖下冲1362，对应于从点1358处的200mg/dl到1362处的94mg/dl的最终葡萄糖降低。
在所给予的胰岛素剂量的葡萄糖降低行动的持续时间tm跨过当前和下一时间间隔的情况下用于改进校正剂量确定的准确性的一种有效技术是考虑目标葡萄糖水平和胰岛素敏感度的与时间有关的性质。例如，如果h(τ)是在τ＝0处针对给予的(给定类型的)胰岛素的剂量而用掉的胰岛素行动的相对量。则在τ≥tm处，h(τ)＝1。于是，如果is(t)是作为时间的函数的胰岛素敏感度，则在当前时间t＝tc，胰岛素的单位剂量具有下面的脉冲响应：
在这里，h(τ)是h(τ)的时间导数。
如果d(t)是与时间有关的胰岛素剂量输注速率函数，则在相对于bg-∞＝bg(t→-∞)的给定时间处葡萄糖下降产生：
为了计算在时间t＝tbni处将在未来发生的由已经给予的过去的胰岛素剂量(boli)引起的血糖下降δbgpb，使用下面的等式：
为了计算要在具有对于tm来说微不足道的剂量输注持续时间的时间t＝tc+∈处给出的校正剂量的量cb，使用下面的等式：
因此必须基于在t＝tbni+tm处的目标血糖值或bgtni来计算所需的bg下降δbgneeded。结合(4)、(5)和(8)的结果，当时间持续时间跨过当前和下一时间间隔时用于计算校正剂量的量cb的等式由此由下式给出：
针对积分求解(9)产生等式：
cb＝(bgm-bgtni)/{[isci*(h(tbni-tc)-h(0))]+[isni*(h(tm)-h(tbni-tc))]}(10)，
其中量(h(tbni-tc)-h(0))对应于在t＝tc处或t＝tc附近给出的将被消耗或用于降低在当前时间间隔期间测得的血糖值bgm的剂量的胰岛素行动的分数或百分比，并且量(h(tm)-h(tbni-tc))对应于在t＝tc处或t＝tc附近给出的将被消耗或用于降低在下一邻近时间间隔期间测得的血糖值bgm的剂量的胰岛素行动的分数或百分比。
再次参考图13，另一数例将被用于说明等式(10)对血糖测量值1358的影响。假设对应于点1358的测得的血糖值bgm再次是200mg/dl，在当前间隔期间的目标血糖值bgtci再次是120mg/dl，在当前间隔期间的胰岛素敏感度isci再次是30mg/dl/u，在下一邻近时间间隔期间的目标血糖值bgtni是150mg/dl并且在下一邻近时间间隔期间的胰岛素敏感度isni是40mg/dl/u。还假设，在t＝tbni处，在t＝tc(对应于点1358)处或t＝tc附近给出的胰岛素剂量的胰岛素行动的40％将已经被消耗以降低在当前时间间隔期间的葡萄糖水平。这留下在t＝tc处或t＝tc附近给出的要被消耗来降低在下一邻近时间间隔期间的葡萄糖水平的胰岛素剂量的胰岛素行动的1-0.4＝60％。于是根据等式(10)，应该在tc(对应于点1358)处或tc附近给予的校正剂量cb是cb＝(200mg/dl-50mg/dl)/[(30mg/dl/u*0.4)+(40mg/dl/u*0.6)]＝1.388u，或大约1.4u。在下一邻近时间间隔期间的40mg/dl/u的胰岛素敏感度的情况下，在t＝tc(对应于点1358)处给予1.4u的胰岛素导致血糖的(40mg/dl/u)*1.4u＝56mg/dl的减小1364，对应于血糖从点58处的200mg/dl到大约144mg/dl的最终葡萄糖水平1366的减小，这比由使用常规校正剂量等式(4)的使用产生的94mg/dl更靠近下一邻近时间间隔中的150mg/dl的目标血糖。
现在参考图14，示出用于在由上述示例呈现的各种条件下确定推荐的胰岛素剂量的量的软件算法1400的一个说明性实施例的流程图。图14的胰岛素剂量推荐软件算法1400将被描述为利用胰岛素剂量推荐单元1212来实施并且通过控制电路1214来执行，其中胰岛素剂量推荐单元1212以常规pda或手持、专用胰岛素剂量推荐单元的形式来提供，尽管本领域普通技术人员将会认识到可备选地利用在上文中描述的以任何一种或多种物理形式提供的剂量推荐单元1212和/或剂量推荐单元1230来实施该算法1400。
在所图示的实施例中，算法1400在步骤1402处开始，在步骤1402处控制电路1214可操作用来确定新的测得的葡萄糖值bgm是否是可用的。在示例性实施例中，该算法1400假定在任何当前时间tc取得的葡萄糖测量结果将在时间tc处或时间tc附近被输入系统1210或以其他方式被系统1210获得。控制电路1214将继续循环返回到步骤1402的开始直到接收到新的葡萄糖值bgm为止。否则当新的葡萄糖测量结果bgm变得可用时，算法执行前进到步骤1404，在步骤1404控制电路可操作用来获得与当前和下一邻近时间间隔有关的必要参数。在一个实施例中，该必要参数被存储在存储器单元20中和/或控制电路1214的可执行存储器内，并且控制电路1214可操作用来通过从存储器单元1220和/或从控制电路1214的可执行存储器检索这些参数来执行步骤1404。备选地，可使用上文中关于图12描述的部件中的任何一个或多个来将该必要参数输入到系统1210中或以其他方式提供给系统1210。在任一情况中，在示例性实施例中在步骤1404处获得的必要参数包括当前时间值tc、下一邻近时间间隔的开始时间值tbni、可能在tc或tc附近给予的胰岛素剂量的葡萄糖降低活动的时间持续时间tm、葡萄糖测量值bgm、当前时间间隔的葡萄糖目标bgtci、下一邻近时间间隔的葡萄糖目标bgtni、当前时间间隔的胰岛素敏感度isci、以及下一邻近时间间隔的胰岛素敏感度isni。
在步骤1404之后，控制电路1214在步骤1406处可操作用来将测得的葡萄糖值bgm与当前时间间隔的葡萄糖目标值bgtci相比较。如果bgm不超过bgtci，则算法1400的执行循环返回到步骤1402的开始，否则算法执行前进到步骤1408。因此，算法1400不会前进到过去的步骤1406，除非并且直到新的葡萄糖测量结果bgm可用且bgm超过bgtci为止。将会理解，算法1400可被合并到可操作用来执行步骤1402和1406的另一胰岛素剂量推荐算法中。在此类情况下，可通过省略步骤1402和1406来将算法1400修改成被此类胰岛素剂量推荐算法适应。
在步骤1408处，控制电路1214可操作用来将tc、tm和恒定时间值tk的总和与下一邻近时间间隔的开始时间tbni相比较。如果该和大于tbni，则算法执行前进到步骤1410。否则，如果该和小于或等于tbni，算法执行前进到步骤1412。在一个实施例中，tk是零，并且tc和tm的总和表示相对于当前和下一邻近时间间隔的时间值，如果在当前时间tc给予则剂量的胰岛素行动将是完整的。因此，如果tc和tm的总和小于或等于tbni，则这指示tc在当前时间间隔中足够早，在时间tc给予的胰岛素剂量的葡萄糖降低活动的时间持续时间tm被限制到当前时间间隔。在这种情况下，可使用常规等式(4)来完成校正剂量cb准确值的计算。在另一方面，如果tc和tm的总和超过tbni，则这指示tc在当前时间间隔中足够晚，在时间tc给予的胰岛素剂量的葡萄糖降低活动的时间持续时间tm跨过当前和下一邻近时间间隔。在这种情况下，必须使用如上文中所述的校正剂量等式(10)来完成校正剂量cb的准确值的计算。设想算法1400的实施例，在其中控制电路1214可操作用来只有当要在时间tc给予的校正剂量的葡萄糖降低活动的时间持续时间tm延长到下一邻近时间间隔中达预定义的时间量的情况下才根据等式(10)来计算校正剂量cb。在此类实施例中，时间常数tk将不会是零，但是作为代替其将是确保步骤1408的不等式不会带到步骤1410的某一正的时间值，除非tm延长到下一邻近时间间隔中达预定义的时间量。作为一个具体示例，预定义的时间量可以是tm的30％，尽管将会理解可使用其他值的预定义的时间量。
在任一种情况下，如果在步骤1408处控制电路1214确定要在时间tc给予的校正剂量的葡萄糖降低活动的时间持续时间tm足以延长到下一邻近时间间隔中，则算法执行前进到步骤1410，在步骤1410处控制电路可操作用来将bgtci和bgtni之间的差的绝对值与常数k1相比较，并且将isci和isni之间的差的绝对值与另一常数k2相比较。在一个实施例中，k1和k2二者是零并且只有当目标葡萄糖和胰岛素敏感度值在当前和下一邻近时间间隔之间不改变的情况下该差的绝对值才产生零。在这种情况下，可使用常规等式(4)来完成校正剂量cb的准确值的计算。在另一方面，如果目标葡萄糖或胰岛素敏感性值中的任一个或二者在当前和下一邻近时间间隔之间变化，则必须使用如上文中所述的校正剂量等式(10)来完成校正剂量cb的准确值的计算。设想算法1400的实施例，在其中恒定常数k1和k2被设置在某一正的常数值以由此需要在根据等式(10)计算校正剂量cb之前使目标葡萄糖和/或胰岛素敏感度值改变多于预定义的量。作为一个具体示例，k1和k2二者可以是5，尽管将会理解可使用其他值的k1和k2，其中k1可以等于或可以不等于k2。
在任一种情况下，如果要在时间tc给予的胰岛素剂量的葡萄糖降低活动的时间持续时间tm将被限制到当前时间间隔或至少不会足以延长到下一邻近时间间隔中，并且葡萄糖目标值和胰岛素敏感度值都不会在当前和下一邻近时间间隔之间显著变化，则控制电路1214在步骤1412处可操作用来根据等式(4)计算校正剂量cb，以使得cb＝(bgm-bgtci)/isci。在另一方面，如果时间持续时间tm足以延长到下一可用时间间隔，或者葡萄糖目标值和胰岛素敏感性值中的任一个或二者在当前和下一可用时间间隔之间显著改变，则控制电路1214在步骤1414处可操作用来确定将被使用或消耗来降低当前时间间隔中的葡萄糖水平的剂量胰岛素行动的分数或百分比pu。
在所说明的实施例中，控制电路1214可操作用来确定作为当前时间tc、下一邻近时间间隔的开始时间tbni、和将在tc处或tc附近给予的校正剂量的葡萄糖降低活动的时间持续时间tm的函数的该分数或百分比。可以以一个或多个表格、图形、图表、等式等等的形式将该函数存储在存储器单元1220中，并且在一个具体实施例中以二维查找表的形式将该函数存储在存储器单元1220中。在该实施例中，该查找表具有作为对应于tbni值和tc值之间的差的一个表轴时间值和另一表轴时间持续时间值tm。在该实施例中，该表被填充有作为tm值和对应于tbni-tc的时间差值的函数的对应于将被使用或消耗来降低当前时间间隔中的葡萄糖水平的剂量胰岛素行动的百分比的百分比值。此后在步骤1416处，该控制电路可操作用来通过从100％减去在步骤1414处确定的关于当前时间间隔的百分比来确定将被使用或消耗来降低下一邻近时间间隔中的葡萄糖水平的剂量胰岛素行动的分数或百分比pr。
本领域技术人员将会认识到，步骤1414和1416可备选地被修改以使得控制电路1214可操作用来使用上文中关于步骤1414描述的技术中的任一个来计算将被使用或消耗来根据tc、tbni和tm的函数来降低下一邻近时间间隔中的葡萄糖水平的剂量胰岛素行动的分数或百分比pr，并且用来然后通过从100％减去在步骤1414处确定的关于下一邻近时间间隔的百分比来确定将被使用或消耗来降低当前时间间隔中的葡萄糖水平的剂量胰岛素行动的分数或百分比pu。
在任一种情况下，算法执行从步骤1416前进到步骤1418，在步骤1418处控制电路1214可操作用来根据等式(10)计算校正剂量的量以使得cb＝(bgm-bgtni)/[(isci*pu)+(isni*pr)]。算法执行从步骤1412或1418中的任一个循环返回到步骤1402的开始。
在剂量计算器的一个实施例中，该计算器可基于葡萄糖变化速率来提供胰岛素剂量中的减小。如果葡萄糖正在减少，则预测的葡萄糖值可被用在剂量计算器中。该预测的葡萄糖值可使用线性预测或利用另一模型来计算。该模型可以是生理模型。通常剂量计算的校正剂量基于当前葡萄糖值和葡萄糖目标之间的偏差。在一个实施例中，可利用下面的等式来确定校正剂量(ic)：
在这样的等式中，c是校正因子，g是葡萄糖水平，并且gt是在时间t预测的葡萄糖水平。
在变化速率已知且为负的情况下，则可以将该计算变成使用预测值。在下面情况下线性模型被用来确定预测的葡萄糖值。
在这种情况下，τ是预测时间并且可根据pwd的个人厌恶和低血糖的意识来设置。在至少一个实施例中，约20分钟到约60分钟的范围可被用于预测时间。
在使用风险方法的情况下，则校正剂量使用下面的等式，在这里gadj是对最大允许葡萄糖的调整：
如果推荐的负校正剂量大于餐食剂量以使得两个的总和为负，则系统可推荐pwd增加餐食中的碳水化合物的量以考虑该差。备选地，该系统还可降低基础率以考虑该差。
示例。
图15-18示出在本公开内容的方法的至少一个实施例的情况下评估cgm葡萄糖数据的本公开内容的实施例的示例。在图15中，餐后cgm数据集被评估并且导致给出警报。如在图15-18的至少一些中所示的，标记包括：餐食摄入1500、cgm迹线1501、cmbg测量结果1502、导致校正剂量的smbg1502b、最大可允许葡萄糖的餐后梯形1503、因校正剂量而提高的最大可允许葡萄糖1503b、cgm值11504、与cgm值1相关联的不确定性1505、cgm值21506、与cgm值2相关联的不确定性1507、上目标1508、下目标1509、目标1510、cgm值1511、与对应的cgm值相关联的不确定性1512、海波(hypo)预测1513、基于模型的预测的葡萄糖值1514、在餐食时间具有零变化速率的cgm迹线1515、在餐食时间具有负变化速率的cgm迹线1516、基于预测的葡萄糖值而修改的校正剂量1517、和预测时间1518。
在图15中，cgm信号在与餐食上升相关联的餐后梯形之后仍然为高。如果针对i0的值被设置成0，则将在cgm值1(1504)处注册警告。然而，如果最小胰岛素剂量被设置成n，则系统将不会警告直到cgm值2(1506)为止。
在图16中，餐后cgm数据不会导致警报，因为如果进行smbg测量则给予校正剂量的概率决不会超过必要的阈值。在图15和16二者中，系统将不会发出警报，因为需要至少i0的校正剂量的概率不会超过所需的阈值。
在图17中，警报在校正剂量之后产生。具体来说，图17中的示例与图15中的相同，除了梯形是校正剂量的结果而不是餐食。
在图18中，当变化速率为负时安全降低被包括在餐食剂量中。
在图19中，示出对于胰岛素累积警告的三个场景。下面是对于图19中发现的标记的描述：
·1900-由剂量计算器基于smbg(1902b)计算的剂量
·1901-cgm迹线
·1902b-被剂量计算器使用的smbg测量结果
·1903b-由剂量计算器确定的最大可允许血糖
·1904a-针对场景a的对手工剂量的请求
·1906a-针对场景a的cgm值
·1907a-针对场景a用于gρ的值
·1908a-因为由于gρ＜gm用于is的值将为负所以针对场景a给出警告。所以在没有smbg测量结果或相关联的碳水化合物的情况下，该剂量请求将可能导致胰岛素累积
·1904b-针对场景b对手工剂量的请求
·1905b-最大安全剂量is，以及被选择用于场景b的剂量值
·1906b-针对场景b的cgm值
·1907b-针对场景b用于gρ的值
·1908b-因为用于is的值小于用于i的值所以针对场景b给出警告。在这种情况下，pwd选择将剂量的量降低到最大安全剂量(1905b)的选项
·1904c-针对场景c对手工剂量的请求
·1905c-请求的剂量(如果有的话)，因为它小于针对场景c的最大安全剂量is
·1906c-针对场景c的cgm值
·1907c-针对场景c的用于gρ的值
·1908c-因为所请求的剂量的量小于最大安全剂量所以不存在针对场景c的警告
·1909-下目标范围
·1910-目标值
·1911-上目标范围。
用来解决胰岛素累积的算法的至少一个实施例的使用可能涉及一些单独的示例。
示例1：当存在控制器且与泵通信时手工剂量被输入到泵上。泵向控制器发送剂量请求。如果警告应该被发送则控制器计算。控制器将警告状态发送回到泵。如果警告是必须的，则泵向pwd发出警报并且提供一组选项。
示例2：当不存在控制器或者控制器不与泵通信时手工剂量被输入到泵上。泵不可以与cgm直接通信。在此类示例中，该系统不可以实施该算法。
选项1：接受所有手工剂量。
选项2：建议pwd应该运行剂量计算器并且然后接受手工剂量。
示例3：当不存在控制器或者控制器不与泵通信时手工剂量被输入到泵上。泵可以与cgm直接通信。泵请求最近的cgm值和不确定性。泵基于剂量历史和cgm数据来计算最大安全剂量。如果警告是必须的，则泵向pwd发出警报并且提供一组选项。
现在应该理解，本文中所述的方法和系统可被用来估计患有糖尿病的人的葡萄糖水平并且在达到需要胰岛素剂量的限定概率时向患有糖尿病的人发出警报。本文中所述的方法可被存储在具有用于执行方法的计算机可执行指令的计算机可读介质上。此类计算机可读介质可包括致密盘、硬盘驱动器、拇指驱动器、随机存取存储器、动态随机存取存储器、闪速存储器、等等。
要指出，如与预期用途的详述相对的，以特定方式“被配置”的、“被配置”成体现特定性质、或以特定方式起作用的本公开内容的部件的在本文中的详述是结构上的详述。更具体地，本文中对部件“被配置”的方式的参考表示部件的现有物理状况，并且照此要被采用作为部件的结构特性的明确详述。
尽管已经在本文中说明并描述了本发明的特定实施例和方面，但是可在不偏离本发明的精神和范围的情况下做出各种其他改变和修改。此外，尽管已经在本文中描述了各种有创造性的方面，但是不需要将此类方面组合利用。因此意图使所附权利要求覆盖在本发明的范围内的所有此类改变和修改。