本pct申请要求2016年8月18日提交的美国专利申请序列号15/240,888的权益并且要求其优先权。本申请还要求2016年8月18日提交的美国专利申请序列号15/240,891的权益。本申请还要求2016年8月18日提交的美国专利申请序列号15/240,894的权益。本申请还要求2016年8月18日提交的美国专利申请序列号15/240,903的权益。本申请还要求2015年8月21日提交的美国临时专利申请号62/208,479的权益。本申请还要求2015年12月14日提交的美国临时专利申请号62/266,820的权益。本申请还要求2016年1月25日提交的美国临时专利申请号62/286,828的权益。本申请还要求2016年3月7日提交的美国临时专利申请号62/304,605的权益。本申请还要求2016年3月7日提交的美国临时专利申请号62/304,609的权益。本申请还要求2016年3月7日提交的美国临时专利申请号62/304,615的权益。本申请还要求2016年3月7日提交的美国临时专利申请号62/304,618的权益。本申请还要求2016年4月28日提交的美国临时专利申请号62/329,021的权益。
本文所述的主题的实施方案整体涉及用于糖尿病治疗管理的系统和方法。更具体地讲，所述的主题的实施方案涉及认知消息和血糖管理建议向由患者持有或操作的移动装置和其他装置的生成、管理和递送。
背景技术：
便携医疗装置对于患有必须基于被持续地或频繁地监控的病症的患者是有用的。例如，糖尿病人常常需要对他们的日常生活方式进行更改和监控以保持其血糖(bg)的平衡。某些患1型糖尿病的个体和某些患2型糖尿病的个体使用胰岛素来控制其bg水平。为此，糖尿病人被建议日常要保持严格的计划表，包括摄取营养餐、参加锻炼、每日监控bg水平、和相应地调整胰岛素剂量并且进行施用。
现有技术包括被设计成经由输注套件(输注套件通过终止在例如插入到患者皮肤下的插管处的小直径管来递送胰岛素)递送准确且测量的剂量的胰岛素的许多流体输注装置和胰岛素泵系统。作为对注射器的替代，患者可只是在需要时，例如，响应于该患者的高bg水平时，激活胰岛素泵来施用胰岛素推注。患者可使用bg测量仪或测量装置并且在期望时通过使用持续血糖传感器来监控bg水平。
在实践中，许多过程和行为都会导致bg水平波动。公认影响bg水平的过程和因素包括饮食、锻炼、疾病(急性或慢性)、用药(胰岛素、口服药等)、和压力以及睡眠模式等。此外，诸如一天中的时刻、对治疗的注意力、和胰岛素泵维护的行为因素和环境因素可以提供影响血糖控制的潜在因素的附加定量指示。糖尿病患者和其护理人员的当前可用报告工具不会提供可查明与某患者的特定血糖结果相关联的特定化且个人化的行为的相关性分析。此外，当前报告机制无法在最适合用户进行最全面的认知的时间上智能地提供相关分析。
因此，期望得到一种支持向使用胰岛素输注系统的糖尿病患者的经增强且更智能的报告的系统和相关的方法。此外，期望得到一种方便向糖尿病患者递送智能消息和通知的移动应用程序平台。此外，结合附图以及前述的技术领域和背景技术，从后续的具体实施方式和所附权利要求中，其他期望的特征和特性将会变得显而易见。
技术实现要素：
根据某些实施方案，一种个人化糖尿病管理辅助系统利用来自各种来源的信息来识别典型血糖结果(低血糖、高血糖、血糖波动)并且与之进行关联。该系统可实现在各种计算平台(计算机、智能电话、平板计算机、移动装置、和糖尿病管理装置(诸如胰岛素输注装置、持续血糖传感器装置、持续血糖监控系统等))上，以便基于回顾性数据来识别患者行为模式与血糖结果之间的相关性。本文所述的系统的实施方案可阻止或减少不必要的用户交互，并且基于实时数据来输入和补充对血糖趋势的预测分析。
在此公开了一种管理对糖尿病管理装置的管理使用的方法。该方法的实施方案获得关于糖尿病管理装置的用户的输入数据，并且将输入数据与为用户维护的历史事件/结果组合进行比较。事件/结果组合中的每一者包括指示血糖事件的认知事件数据和对应于认知事件数据的血糖结果。该方法继续基于该比较来确定输入数据与血糖结果之间的相关性。响应于该确定，该方法生成血糖认知消息来递送给用户。血糖认知消息包括关于输入数据中的至少一些输入数据与血糖结果之间的关系的信息。
在此公开了一种计算机实现的血糖认知系统。该系统的实施方案包括至少一个处理器装置和与至少一个处理器装置可操作地相关联的非暂态处理器可读介质。该处理器可读介质存储可被配置成使至少一个处理器装置进行如下方法的可执行指令：获得关于糖尿病管理装置的用户的输入数据，并且将输入数据与为用户维护的历史事件/结果组合进行比较。事件/结果组合中的每一者包括指示血糖事件的认知事件数据和对应于认知事件数据的血糖结果。该方法基于该比较来确定输入数据与特定血糖结果之间的相关性。响应于该确定，该方法生成血糖认知消息来递送给用户。血糖认知消息包括关于输入数据中的至少一些输入数据与血糖结果之间的关系的信息。
在此公开了一种计算机实现的血糖认知系统。该系统的实施方案包括数据库系统，用于为糖尿病管理装置的用户存储和维护历史事件/结果组合，事件/结果组合中的每一者包括指示血糖事件的认知事件数据和对应于认知事件数据的血糖结果。该系统还包括基于处理器的认知生成引擎，用于获得关于用户的输入数据、将所获得的数据与通过数据库系统为用户维护的历史事件/结果组合进行比较、确定所获得的输入数据与血糖结果之间的相关性、并且生成血糖认知消息。血糖认知消息包括关于所获得的输入数据中的至少一些输入数据与血糖结果之间的关系的信息。该系统还包括基于处理器的认知递送引擎，用于调节和调度所生成的血糖认知消息向由用户操作的用户装置的递送。
在此还公开另一种管理对糖尿病管理装置的使用的方法。该方法的实施方案获得多个血糖认知消息来递送给与糖尿病管理装置的用户相关联的用户装置，血糖认知消息中的每一者传达关于从特定于患者的历史输入数据得到的认知事件与血糖结果之间的关系的信息。该方法继续拣选多个血糖认知消息并将其优先化以识别意图要递送的认知消息群组、基于捡选和优先化使认知消息群组排队、并且将已排队的认知消息中的至少一者通信到用户装置。
在此还公开另一种计算机实现的血糖认知系统。该系统的实施方案包括至少一个处理器装置和与至少一个处理器装置可操作地相关联的非暂态处理器可读介质。该处理器可读介质存储可被配置成使至少一个处理器装置进行如下方法的可执行指令：获得多个血糖认知消息来递送给与糖尿病管理装置的用户相关联的用户装置，血糖认知消息中的每一者传达关于从特定于患者的历史输入数据得到的认知事件与血糖结果之间的关系的信息。该方法继续拣选多个血糖认知消息并将其优先化以识别意图要递送的认知消息群组、基于捡选和优先化使认知消息群组排队、并且将已排队的认知消息中的至少一者通信到用户装置。
在此还公开另一种计算机实现的血糖认知系统。该系统的实施方案包括数据库系统，用于为糖尿病管理装置的用户存储和维护历史事件/结果组合。事件/结果组合中的每一者包括指示血糖事件的认知事件数据和对应于认知事件数据的血糖结果。该方法还包括基于处理器的认知生成引擎，用于生成血糖认知消息来递送给与用户相关联的用户装置，血糖认知消息中的每一者传达关于从特定于患者的历史输入数据得到的认知事件与血糖结果之间的关系的信息。基于处理器的认知递送引擎用于拣选多个所生成的血糖认知消息并将其优先化以识别意图要递送的认知消息群组、基于捡选和优先化使认知消息群组排队、并且将已排队的认知消息中的至少一者传达到用户装置。
在此还公开一种向糖尿病管理装置的用户报告血糖信息的方法。该方法的实施方案获得关于糖尿病管理装置的用户的输入数据、基于对所获得的输入数据的分析来识别血糖反应事件、生成血糖反应事件的血糖反应的图形表示、并且将血糖反应的所生成的图形表示递送到由用户操作的用户装置。
在此还公开一种计算机实现的血糖报告系统。该报告系统的实施方案包括至少一个处理器装置和与至少一个处理器装置可操作地相关联的非暂态处理器可读介质。该处理器可读介质存储可被配置成使至少一个处理器装置进行如下方法的可执行指令：获得关于糖尿病管理装置的用户的输入数据、基于对所获得的输入数据的分析来识别血糖反应事件、生成血糖反应事件的血糖反应的图形表示、并且将血糖反应的所生成的图形表示递送到由用户操作的用户装置。
在此还公开另一种向糖尿病管理装置的用户报告血糖信息的方法。该方法的实施方案获得关于糖尿病管理装置的用户的输入数据、识别血糖反应事件、并且基于对所获得的输入数据的分析来计算一个或多个建议血糖控制参数。一个或多个血糖控制参数被计算来延长用户在血糖反应事件后保持在目标血糖范围内的时间段。该方法继续生成包括建议血糖控制参数中的至少一些参数的输出消息并且将所生成的输出消息递送到由糖尿病管理装置的用户操作的用户装置。
在此还公开另一种计算机实现的血糖报告系统。该系统的实施方案包括至少一个处理器装置和与至少一个处理器装置可操作地相关联的非暂态处理器可读介质。该处理器可读介质存储可被配置成使至少一个处理器装置进行如下方法的可执行指令：获得关于糖尿病管理装置的用户的输入数据、识别血糖反应事件、并且基于对所获得的输入数据的分析来计算一个或多个建议血糖控制参数。一个或多个血糖控制参数被计算来延长用户在血糖反应事件后保持在目标血糖范围内的时间段。该方法继续生成包括建议血糖控制参数中的至少一些参数的输出消息并且将所生成的输出消息递送到由糖尿病管理装置的用户操作的用户装置。
本发明内容被提供用于以简化的形式选择性地介绍在下文的具体实施方式中更详细地描述的概念。本发明内容不旨在标识要求保护的主题的关键特征或基本特征，也不旨在用来帮助确定要求保护的主题的范围。
附图说明
在结合附图考虑时，可通过参考具体实施方式和权利要求来得到对主题的更全面的理解，其中相似参考标号在整个附图中是指类似要素。
图1是血糖认知递送系统的示例性实施方案的简化框图表示；
图2是适合于部署在图1中示出的系统中的基于计算机或基于处理器的装置的示例性实施方案的简化框图表示；
图3是与患者的移动装置协作的血糖认知递送系统的示例性实施方案的简化框图表示；
图4是传感器血糖图，其表示了血糖认知消息的图形元素；
图5是描绘可如何在患者的血糖谱上提供血糖认知消息的示意图；
图6是使血糖认知信息与之一起呈现的地图的图形表示；
图7是使血糖认知信息与之一起呈现的日历应用程序的显示屏幕的图形表示；
图8是示出用于生成和递送血糖认知的过程的示例性实施方案的流程图；
图9是示出认知生成过程的示例性实施方案的流程图；
图10是适合与图3中示出的认知递送引擎一起使用的分层结构的示意框图；
图11是适用于解决内部冲突血糖结果的示例性查找表的第一部分；
图12是图11中描绘的示例性查找表的第二部分；
图13是适用于解决外部冲突血糖结果的示例性查找表的第一部分；
图14是图13中描绘的示例性查找表的第二部分；
图15是描绘影响认知消息递送定时的递送曲线的曲线图；
图16是关系于特定事件的叠加血糖传感器轨迹的示例性图；
图17是围绕特定事件的时间的单独血糖传感器轨迹曲线的示例性图；
图18是围绕特定事件的时间的单独血糖传感器轨迹曲线的另一个示例性图；
图19是示出血糖信息报告过程的示例性实施方案的流程图；以及
图20是示出血糖结果优化过程的示例性实施方案的流程图。
具体实施方式
在下文的详细描述在本质上仅是说明性的，而不旨在限制主题的实施方案或此类实施方案的应用和使用。如本文所用的，词语“示例性”表示“用作示例、实例或例证”。在本文描述为示例性的任何具体实施将不一定被理解为比其他具体实施优选或有利。此外，不意图受到前面技术领域、背景技术、发明内容或下文的具体实施方式中提出的任何明示或暗示的理论的束缚。
在本文中可根据功能和/或逻辑块部件、并且参照可由各种计算部件或计算装置执行的操作、处理任务和功能的符号表示来描述技巧和技术。此类操作、任务和功能有时被称为是计算机执行的、计算机化的、软件实现的或计算机实现的。应当理解，附图中示出的各种块部件可通过任何数目的被配置成进行指定功能的硬件、软件和/或固件部件来实现。例如，系统或部件的实施方案可以采用各种集成电路部件，例如，存储器元件、数字信号处理元件、逻辑元件、查找表等，此类集成电路部件可以在一个或多个微处理器或其他控制装置的控制下进行多种功能。
当以软件、固件或处理器可读指令实施时，本文所述的系统的各种元件基本是进行各种任务的代码段或指令。在某些实施方案中，程序或代码段存储在有形处理器可读介质中，该有形处理器可读介质可包括可存储或传输信息的任何介质。非暂态和处理器可读介质的示例包括电子电路、半导体存储器装置、rom，闪速存储器、可擦除rom(erom)、软盘、cd-rom、光盘、硬盘等。
以下描述涉及生成认知消息且将认知消息递送给患者的糖尿病患者支持系统。本文所公开的示例性实施方案是基于云的架构，其中大部分的处理器密集型任务是由与远程移动客户端装置(例如，智能电话)、便携胰岛素输注装置、数据来源、和可能地其他远程装置通信的一个或多个服务器系统进行。所公开的系统获得来自各种来源(包括胰岛素输注装置、持续血糖传感器装置、和移动客户端装置)的特定于患者的数据并且对其进行处理。特定于患者的数据被处理和分析，以生成可帮助患者管理其糖尿病治疗的血糖认知和血糖管理建议。
为了简洁起见，在此可不详细地描述与输注系统、胰岛素泵、输注套件、和流体贮存器有关的常规的特征和功能。用于施用胰岛素和其他药物的输注泵和/或相关泵驱动系统的示例可以属于但不限于以下美国专利申请中描述的类型：5,505,709；6,485,465；6,554,798；6,558,351；6,659,980；6,752,787；6,817,990；6,932,584；以及7,621,893；上述专利以引用的方式并入本文。
如本文所用的，“结果”是与认知事件有某种的相关性的患者相关结果。对于本文所述的示例性实施方案，“血糖结果”是与患者血糖状态、糖尿病治疗、胰岛素状态、胰岛素输注装置的状况等相关联的患者相关结果。更具体地讲，血糖结果可对应于血糖水平状态，诸如高、低、可变、在范围内等。本文所述的血糖认知递送系统考虑到了预定数目的血糖结果，并且将认知事件映射到血糖结果。
如本文所用的，“血糖认知”是通过血糖读数测量的、动作/事件(或动作/事件集合)与对应结果之间的统计学推导的关联。
如本文所用的，“血糖认知消息”是可通信给患者且传达与血糖认知相关联的信息的任何通知、显示内容、交互式gui、图形报告或其他适当地格式化的项。血糖认知消息以患者可理解和解释的方式传达至少一种血糖认知的内容。例如，血糖认知消息将包括与触发血糖事件有关的至少一些信息，以及与围绕事件的原因和结果有关的一些信息。
如本文所用的，“事件特征”是可合理地从可用数据来源中检测到的可能对所得血糖水平有影响或与之相关的任何值得注意的发生情况。换句话说，“事件特征”是可能对血糖结果有影响或与之相关的值得注意的发生情况的特性或属性。
如本文所用的，“认知事件”可以是单个事件特征、或多个事件特征的组合。在任何特定时间上，本文所述的血糖认知递送系统都考虑到预定集合或群体的相关认知事件。例如，可以关注与患者结果有某种关系的可现实的、临床上可行的、或相关的血糖事件的方式来选择认知事件集合。因此，系统无需考虑或分析所有事件特征和事件特征的所有可能组合。
如本文所用的，“事件/结果组合”是指一个认知事件与一个结果之间的关联。事件/结果组合可以包括以下项或与以下项相关联：指示血糖事件的认知事件数据；以及对应于认知事件数据的血糖结果。
如本文所用的，“触发”是指发起动作的认知事件、可检测的状态或条件、或它们的组合。就此而言，触发可以发起血糖认知消息生成、发起对所生成的认知消息的处理以便递送、发起对特定认知消息的实际递送等。
系统总览
现在转至附图，图1是血糖认知递送系统100的示例性实施方案的简化框图表示，该血糖认知递送系统被适当地配置成支持在下文更详细地描述的技术和方法。系统100支持胰岛素输注装置用户，并且进行各种技术和方法来有助于用户(患者、护理人员、保健提供方、父母等)管理对胰岛素输注装置的使用。应当理解，图1描绘了血糖认知递送系统的一种可能具体实施，并且如果期望的话，可以提供其他布置、架构和部署。系统100(为了说明的目的已经将之简化)大体包括但不限于以下部件或与之协作：基于云的血糖认知系统102；移动装置104；胰岛素输注装置106；血糖仪108；以及持续血糖传感器110。移动装置104是用户，即，糖尿病患者，拥有或操作的客户端装置。胰岛素输注装置106、血糖仪108和血糖传感器110是患者使用来治疗糖尿病的胰岛素输注系统的部件。系统100还可包括可选数据上传器部件112或与之协作。应当理解，胰岛素输注装置106在某些应用程序中(例如，对于2型糖尿病患者)可以是可选的部件。对于此类应用程序，另一个糖尿病管理装置和/或移动装置104可以等效的方式运行以支持系统100。
血糖认知系统102和移动装置104通信地耦合到网络114。在某些实施方案中，胰岛素输注装置106、血糖仪108和/或持续血糖传感器110也通信地耦合到网络114以方便将相关数据上传到血糖认知系统102。作为另外一种选择或除此之外，胰岛素输注装置106、血糖仪108和连续血糖传感器110将相关数据提供到数据上传器部件112，该数据上传器部件又经由网络114将数据上传到血糖认知系统102。
图1以简化的方式描绘了网络114。在实践中，系统100可以与由各种实体和提供方维护或操作的任何数目的无线数据通信网络和任何数目的有线数据通信网络协作且利用它们。因此，系统100的各种部件之间的通信可以涉及多个网络链路和不同数据通信协议。就此而言，网络114可以包括但不限于以下项中的任一者或与之协作：局域网；广域网；互联网；个人区域网络；蜂窝通信网络；卫星通信网络；视频服务或电视广播网络；车载网络等。该系统的部件可以被适当地配置成支持多种无线和有线数据通信协议、技术、和实现与网络114的兼容性需要的技术。
根据某些示例性实施方案，血糖认知系统102被实现为至少一个基于计算机或基于处理器的部件。为了简单且容易地说明，虽然图1将血糖认知系统102描绘为单个块，但是应当理解，可利用任何数目的不同硬件部件来实现血糖认知系统102。在下文参考图2描述了适合于实现血糖认知系统102的装置的示例性实施方案。
血糖认知系统102可以被认为是血糖认知递送系统100的“心脏”。血糖认知系统102包括支持血糖认知递送系统100的功能和操作的数据库系统116(其使用一个或多个部件来实现)或与之协作。血糖认知系统102收集关于每个患者的输入数据(输入数据可来源于各种来源，包括胰岛素输注装置和/或除胰岛素输注装置之外的来源，诸如：血糖传感器或测量仪、由该胰岛素输注装置的用户操作的移动装置、计算装置等)并且对其进行分析，在需要时生成相关且及时的血糖认知，并且管理所生成的血糖认知向患者的递送。在下文更详细地描述了血糖认知系统102和相关数据库系统116。
在某些实施方案中，血糖认知系统102的功能和处理智能的一些或全部可以驻留在移动装置104处。换句话说，虽然血糖认知递送系统100不需要依赖于基于网络或基于云的服务器布置，但是这样的部署可能是最有效且最经济的具体实施。在其他实施方案中，血糖认知系统102的功能和处理智能的一些或全部可以驻留在胰岛素输注装置106和/或与系统100兼容的其他部件或计算装置处。这些和其他替代布置是本公开设想的。为此，系统100的一些实施方案可以包括用作数据来源、数据处理单元、和/或血糖认知递送机制的附加的装置和部件。例如，系统100可以包括但不限于以下元件的任何或全部：计算机装置或系统；患者监控器；保健提供方系统；数据通信装置；等。
移动装置104可使用多种不同装置平台来实现。例如，移动装置104可实现为以下项中的任一者但不限于以下项中的任一者：蜂窝电话或智能电话；便携计算机(例如，膝上型计算机、平板计算机、或上网本计算机)；便携媒体播放器；便携视频游戏装置；便携医疗装置；导航装置，诸如全球定位系统(gps)装置；可穿戴计算装置；电子玩具或游戏；等。根据某些示例性实施方案，由系统100支持的每个移动装置104被实现为基于计算机或基于处理器的部件。为了简单且容易地说明，图1仅描绘了一个移动装置104。然而，在实践中，系统100被适当地配置成支持多个移动装置104，其中每个患者或用户拥有或操作受支持的移动装置104中的至少一者。在下文参考图2描述了适合于实现移动装置104的装置的示例性实施方案。
本说明书的其余部分假定移动装置104是特定患者使用的智能电话。为此，移动装置104的配置和一般功能可以与常规智能电话设计是基本上一致的。就此而言，适当地设计的“血糖认知”移动应用程序安装在移动装置104上，以便允许患者接收、查看由血糖认知系统102提供的认知消息和通知并且与之交互。也可利用安装在移动装置104上的移动应用程序将相关数据提供到血糖认知系统102以存储和分析。例如，移动应用程序可管理和上传以下信息但不限于以下信息：日历数据(一天中的时刻、一周中的日子、月份、季节等)；用户简档数据；指示移动装置104的地理位置的gps数据；与移动装置104的操作相关联的地图或导航数据；由用户输入的进餐量、食物内容和/或食物成分数据；由用户输入的碳水化合物数据；由用户输入的运动相关数据；由用户输入的药物相关数据；与血糖认知消息接收相关联的用户反应数据；与血糖认知消息有关的用户反馈；加速度计数据；联系人列表信息；web浏览器数据；消费者购买数据；等。
在某些实施方案中，胰岛素输注装置106是患者方便佩戴或患者方便携带的部件，被操作以经由例如输注套件将胰岛素递送到患者体内。根据某些示例性实施方案，由系统100支持的每个胰岛素输注装置106被实现为基于计算机或基于处理器的部件。为了简单且容易地说明，图1仅描绘了一个胰岛素输注装置106。然而，在实践中，系统100被适当地配置成支持多个胰岛素输注装置106，其中每个患者或用户拥有或操作胰岛素输注装置106中的至少一者。在下文参考图2描述了适合于实现胰岛素输注装置106的装置的示例性实施方案。
系统100从一个或多个来源获得输入数据，一个或多个来源可以包括各种糖尿病管理装置(胰岛素输注装置、持续血糖监控装置、血糖传感器、监控器装置等)。就此而言，胰岛素输注装置106表示系统100的输入数据的来源。在某些实施方案中，胰岛素输注装置106提供与其操作、状态、胰岛素递送事件等相关联的数据。如先前提到的，由胰岛素输注装置106生成或收集的相关数据可直接传输到血糖认知系统102或借助数据上传器部件112来间接传输到血糖认知系统102，这取决于系统100的特定具体实施。在下文更详细地描述了由胰岛素输注装置106提供的特定类型的数据。
为了简单起见，图1仅描绘了一个血糖仪108。然而，在实践中，系统100被适当地配置成支持多个血糖仪108，其中每个患者或用户拥有或操作血糖仪108中的至少一者。血糖仪108被配置成通过分析血液样本来测量用户的血糖水平。例如，血糖仪108可以包括用于接收血液样本测试条的容器。就此而言，用户将测试条插入血糖仪108中，血糖仪108分析样本并且显示对应于测试条样本的血糖水平。血糖仪108可以被配置成将测量到的血糖水平通信给胰岛素输注装置106，以便直接存储和处理到血糖认知系统102或数据上传器部件112。在某些情况下，患者负责将每个血糖测量结果输入胰岛素输注装置106中。最终，测量到的血糖数据被提供到血糖认知系统102以供分析。
为了简单起见，图1仅描绘了一个血糖传感器110。然而，在实践中，系统100被适当地配置成支持多个血糖传感器110，其中每个患者或用户拥有或操作血糖传感器110中的至少一者。血糖传感器110被适当地配置成实时测量该患者的血糖水平(间质性的)。血糖传感器110可以包括方便将传感器血糖数据传输到其他装置、诸如胰岛素输注装置106或数据上传器部件112的无线发射器。在一些具体实施中，血糖传感器110可直接地将传感器血糖数据提供到血糖认知系统102。最终，传感器血糖数据由血糖认知系统102接收以进行处理。
根据特定实施方案和应用，系统100可以包括其他装置、系统和输入数据来源或与之协作。例如，在某些实施方案中，系统100包括一个或多个情景信息或数据来源，一个或多个情况信息或数据来源可以包括但不限于：活动跟踪器装置；餐食记录装置或应用程序；情绪跟踪装置或应用程序；等。
如上文提到的，血糖认知递送系统100包括具有适当地配置的硬件和软件的基于计算机和/或基于处理器的部件或与之协作，适当地配置的硬件和软件被写入来进行支持本文所述的特征需要的功能和方法。例如，血糖认知系统102、每个移动装置104、和每个胰岛素的输注装置106可实现为基于处理器的电子部件。此外，每个血糖仪108和每个数据上传器部件112也可被实现为基于处理器的部件。就此而言，图2是适合于部署在图1中示出的系统中的基于计算机或基于处理器的装置200的示例性实施方案的简化框图表示。
装置200的所示出的实施方案旨在是一个合适平台的高级且通用的表示。就此而言，系统100的基于计算机或基于处理器的部件中的任一者都可利用装置200的架构。装置200的所示出的实施方案大体包括但不限于：至少一个处理器202；合适量的存储器204；特定于装置的硬件、软件、固件和/或特征206；用户接口208；通信模块210；以及显示元件212。当然，装置200的具体实施可以包括被配置成支持与在此描述的主题无关的各种特征的附加元件、部件、模块和功能。例如，装置200可以包括支持可能与装置200的特定具体实施和部署有关的常规功能的某些特征和元件。在实践中，装置200的元件可以经由总线或任何合适互连架构214来耦合在一起。
处理器202可利用通用处理器、内容可寻址存储器、数字信号处理器、专用集成电路、现场可编程门阵列、任何合适的可编程逻辑器件、离散门或晶体管逻辑、离散硬件部件、或被设计成进行在此描述的功能的任何组合来实现或进行。此外，处理器件202还可以实现为计算装置组合，例如，数字信号处理器和微处理器的组合、多个微处理器、与数字信号处理器核心结合的一个或多个微处理器、或任何其他此类配置。
存储器204可实现为ram存储器、闪速存储器、eprom存储器、eeprom存储器、寄存器、硬盘、可移动盘、cd-rom、或本领域已知的任何其他形式的存储介质。就此而言，存储器204可耦合到处理器202，使得处理器202可以从存储器204中读出信息和向其写入信息。在替代形式中，存储器204可整合到处理器202。举例来说，处理器202和存储器204可以驻留在asic中。存储器204的至少一部分可实现为计算机储存介质，例如，具有存储在其上的计算机可执行指令的有形计算机可读介质。计算机可执行指令在由处理器202读出和执行时使装置200进行某些任务、操作、功能、和特定于特定实施方案的进程。就此而言，存储器204可以表示此类计算机可读介质的一个合适具体实施。作为另外一种选择或除此之外，装置200可以接纳被实现为便携式或移动的部件或平台(例如，便携硬驱动器、usb闪存驱动器、光盘等)的计算机可读介质(未单独地示出)并且与之协作。
特定于装置的硬件、软件、固件和特征206在装置200的各个实施方案间可以是变化的。例如，特定于装置的硬件、软件、固件和特征206将是这样的：在装置200被实现为移动电话时，支持智能电话功能和特征；如果装置200被实现为膝上型计算机或平板计算机，那么支持常规个人电脑功能和特征；在装置200被实现为胰岛素输注装置时，支持胰岛素泵操作；等。在实践中，特定于装置的硬件、软件、固件和特征206的某些部分或方面可以实现在图2中描绘的其他块的一个或多个中。
用户接口208可以包括各种特征或与之协作以允许用户与装置200的交互。因此，用户接口208可以包括各种人机接口，例如，小键盘、按键、键盘、按钮、开关、旋钮、触控板、操纵杆、定点装置、虚拟书写平板、触摸屏幕、麦克风、或使得用户能够选择选项、输入信息或以其他方式控制装置200的操作的任何装置、部件或功能。用户接口208可以包括使得用户能够经由显示元件212操纵应用程序或以其他方式与之交互的一个或多个图形用户界面(gui)控制元件。
通信模块210有利于在装置200的操作期间，在需要时进行装置200与其他部件之间的数据通信。在本描述上下文中，可采用通信模块210来传输或流送装置相关控制数据、患者相关数据、装置相关状态或操作数据、血糖认知消息和通知等。应当理解，通信模块210的特定配置和功能可以是变化的，这取决于装置200的硬件平台和特定具体实施。因此，参考图1，血糖认知系统102的通信模块用于从各种来源获得输入数据和将血糖认知消息和通知发送到移动装置104。此外，胰岛素输注装置106的通信模块可以用于从血糖传感器110接收传感器血糖数据，并且将输入数据发送到血糖认知系统102。在实践中，装置200的实施方案可使用各种数据通信协议来支持无线数据通信和/或有线数据通信。例如，通信模块210可以支持一个或多个无线数据通信协议、技术或方法，包括但不限于：rf；irda(红外)；蓝牙；zigbee(以及ieee802.15协议的其他变体)；ieee802.11(任何变体)；ieee802.16(wimax或任何其他变体)；直接序列扩频；跳频扩频；蜂窝/无线/无绳电信协议；无线家庭网络通信协议；寻呼网络协议；磁力感应；卫星数据通信协议；无线医院或保健设施网络协议，诸如在wmts带中操作的那些；gprs；以及专有无线数据通讯协议，诸如无线usb的变体。此外，通信模块210可以支持一个或多个有线/有缆数据通信协议，包括但不限于：以太网；电源线；家庭网络通信协议；usb；ieee1394(火线(firewire))；医院网络通信协议；以及专有数据通信协议。
显示元件212适当地配置成使得装置200能够呈现和显示各种屏幕、认知消息、通知、gui、gui控制元件、下拉菜单、自动填充字段、文本输入字段、消息字段等。当然，显示元件212也可用于在装置200的操作期间显示其他信息，如熟知的那样。值得注意的是，显示元件210的特定配置、操作特性、大小、分辨率、以及功能可以是变化的，这取决于装置200的特定具体实施。例如，如果装置200是膝上型计算机，那么显示元件212可以是相对大的监控器。或者，如果装置200是蜂窝电话装置，那么显示元件212可以是相对小的集成显示屏幕，诸如触敏屏幕。
血糖认知
血糖认知递送系统100向糖尿病患者提供了有用的信息和消息，使得患者可更好地理解某些情况是如何产生可预测的结果的。许多过程和行为都会导致血糖水平波动。公认影响血糖水平的过程包括饮食、锻炼、疾病(急性或慢性)、用药(胰岛素、口服药、和其它类型)、压力和睡眠模式等。此外，诸如一天中的时刻、对治疗的注意力、以及胰岛素输注系统的适当的使用和维护的行为因素可以提供影响血糖控制的潜在因素的附加定量指示。糖尿病患者和其护理人员的当前可用报告系统和方案不会提供可查明与某患者的血糖结果相关联的特定化、个人化的行为的相关性分析。此外，当前报告机制并不总是按照试图使用户意识最大化的智能递送定时方案来提供报告和通知。
血糖认知递送系统100表示个人化的糖尿病管理辅助系统，其利用从各种来源收集的信息和数据来识别与典型血糖结果(诸如低血糖、高血糖和控制在范围内)的关联。系统100考虑到了输入数据的基于临床研究的组合或模式，其中这样的组合或模式通常是与相关血糖结果相关。如上文参考图1和图2解释的，系统100可以实现在各种计算平台(计算机、智能电话、平板计算机、和胰岛素输注装置)上，以基于回顾性数据来识别患者行为与血糖结果之间的某些相关性。系统100也可用于减少或阻止不必要的用户交互，并且基于实时数据来输入和补充对血糖预测的预测分析。在示例性实施方案中，系统100采用基于云的服务器架构和相关的处理能力来通过识别血糖结果(短期还是长期两者)与患者行为之间的趋势和关联生成血糖认知。系统100被适当地配置和操作以优化血糖认知消息向患者、护理人员和保健提供方的递送时间来提高消息将被打开或阅读、理解、并且付诸行动(如果需要的话)的可能性。除了提高消息被阅读的可能性之外，在此提出的智能认知消息递送方案也争取将对认知消息的递送定于适当时间(例如，当认知消息可付诸行动时)以增强正结果。
在实践中，系统100在其可生成智能且准确的血糖认知前针对每一患者需要最小量的输入数据。例如，收集至少一整天的输入数据可能是必要的。然而，随着时间不断推移，由于为给定患者收集和分析越来越多输入数据，由系统100生成的血糖认知将逐渐地变得更复杂和准确。本文所述的血糖结果评估技术和认知生成方法学假定输入数据来源(诸如，血糖传感器、血糖仪、生理传感器等)在可接受准确度范围内操作。
图3是与患者的移动装置302协作的血糖认知递送系统300的示例性实施方案的简化框图表示。系统300的某些方面类似于上文针对系统100(参见图1)描述的方面，并且在此将不再赘述共有的特征和功能。图3中示出的系统300的实施方案一般包括但不限于：认知生成引擎304；认知递送引擎306；以及数据库系统308(其可对应于在上文描述的数据库系统116)。认知生成引擎304和认知递送引擎306被适当地实现为被设计成进行在本文中详细地描述的各种功能和方法的基于处理器的功能模块。在新的输入数据310变得可从各种数据来源提供时，认知生成引擎304接收和处理新的输入数据。新的输入数据310可出于将来继续用作历史数据目的来在需要时在数据库系统308中进行过滤或以其他方式管理、存储和维护。出于确定是否为患者生成血糖信息目的，可以将任何量的新的输入数据310与由数据库系统308维护的历史事件/结果组合进行比较。
在某些实施方案中，认知生成引擎304也从患者的移动装置302获得某些呈移动装置数据312形式的输入数据。移动装置数据312可以包括由移动装置302生成、由移动装置302转发、在移动装置302处输入、由移动装置302检测等的任何类型的数据或信息。例如，但不限于，移动装置数据312可以包括时间戳数据、日历数据、移动应用程序数据、与移动装置302的操作有关的状态信息和/或由搭载在移动装置302上的传感器或检测器(诸如加速度计、陀螺仪，光传感器、照相机、温度计、生物扫描仪等)生成的传感器数据。认知生成引擎304可将任何或全部的移动装置数据312转发到数据库系统308来作为历史数据进行处理、索引和存储。此外，认知生成引擎304可使用任何或全部的移动装置数据312来确定是否为患者生成血糖认知。
认知递送引擎306处置所生成的认知向患者的移动装置302(或被适当地配置成接收所生成的认知并将其呈现给患者的任何系统、装置或平台)的调度和递送。因此，认知递送引擎306与认知生成引擎304协作以接收、处理和调节对血糖认知的递送。在某些实施方案中，认知递送引擎306与患者的移动装置302协作以获得关于在移动装置302处已被接收的血糖认知的用户反馈314。用户反馈314可经由加载在移动装置302上的合适移动应用程序来获得，其中移动应用程序用来生成血糖认知并将其呈现给患者。如果期望的话，移动装置数据312也可包括供认知生成引擎304使用的用户反馈信息。用户反馈314有助于影响所生成的认知优先化且继续向前递送(如果进行的话)的方式，以便增强患者体验并且增加认知对每个特定患者的价值。
数据输入
有许多因素会影响患者的血糖水平。各种因素也会影响如何以最好的方式控制和管理患者的血糖。在此提出的血糖认知方法基于数据的收集和分析，该数据不需要与bg仪测量、血糖传感器读数或胰岛素递送信息特别相关。虽然系统100、300获得此类数据并且对其进行分析，但是它也获得并考虑到附加数据，包括由驻留在患者的移动装置上的移动应用程序收集和提供的信息。系统100、300也可处理直接或间接从其他生理传感器、装置或设备接收的数据。例如，系统100、300的实施方案可被适当地配置成分析呼吸数据、心电图数据、体温数据、心率信息等。
血糖认知递送系统100、300可被适当地配置成接收来自多个来源的各种输入数据并且对其进行处理。此外，系统100、300被设计成是灵活且可扩展的，以便在需要时适应另外输入数据类型。输入数据来源数目和由系统100、300处置的数据的量在各个实施方案间可以是变化的，这取决于特定具体实施和预期应用。根据在此描述的实施方案，可出于触发血糖认知生成、使所生成的血糖认知的递送优先化、维护可付诸行动的事件/结果组合、生成血糖管理建议等的目的来使用以下输入数据的一些或全部。以下对特定输入数据类型的概述并不旨在是穷尽的或以其他方式进行限制，并且在系统100、300的实施方案中，可考虑到替代或附加的输入数据。
碳水化合物量-这是指一单位胰岛素可补偿来维持当前血糖水平的碳水化合物量。碳水化合物量通常以克或毫克表示。患者的移动装置将通常是此数据的来源。
推注信息-推注信息包括推注剂量(以单位的胰岛素计)、递送日期/时间(一天中的时刻和日历数据)、和推注类型(一般、方波或双波)。胰岛素输注装置将通常是此数据的来源。
胰岛素与碳水化合物比率-这是与患者需要多少胰岛素来补偿指定单位(例如，1克)的碳水化合物有关的特定于患者的参数。胰岛素与碳水化合物比率以克/单位表示。胰岛素输注装置将通常是此数据的来源。
胰岛素敏感因子-这是与响应于一单位胰岛素的血糖降低有关的特定于患者的参数。计算胰岛素敏感性因子的特定方式由特定泵送方案确定。胰岛素敏感因子以mg/dl/u(毫克/分升/单位)表示。胰岛素输注装置将通常是此数据的来源。
有效胰岛素量-这是指自先前推注给药起在患者体内还存在多少有效胰岛素。此数量以单位的胰岛素表示。胰岛素输注装置将通常是此数据的来源。
一天中的时刻-这是指时间戳和/或日期戳信息，其可与任何其他输入数据段相关联或附加到任何其他输入数据段以提供时间参考。
基础率-这是指示胰岛素递送的基础率的特定于患者的参数，其通常以单位/小时表示。胰岛素输注装置将通常是此数据的来源。
暂时基础使用-这是指患者在其期间暂时“超控”胰岛素的标称或惯常的基础率的发生情况。系统采用布尔(boolean)值来指示对暂时基础模式的激活，并且还指示了暂时基础率值。胰岛素输注装置将通常是此数据的来源。
持续推注-这是指在指定时段内递送的连续胰岛素推注的发生情况。系统采用布尔(boolean)值来指示持续推注的发生，并且还指示了在指定时段期间递送的总推注量。胰岛素输注装置将通常是此数据的来源。
胰岛素暂停-这是指胰岛素输注装置已经暂时暂停(胰岛素递送暂时停止)的时段。与胰岛素暂停有关的数据可以包括但不限于以下项的一些或全部：阈值设定；暂停持续时间；在暂停之前的有效胰岛素；在暂停前后的传感器变化率；在暂停前后的碳水化合物摄入；暂停时间(一周中的日子、一天中的时刻)；在暂停后如何恢复；以及用户对暂停的反应。胰岛素输注装置将通常是此数据的来源。
贮存器倒回和灌注时间-这是指与将新的胰岛素贮存器安装到胰岛素输注装置中相关联的活动。这需要倒回动作来收回贮存器致动器，这方便了对用过的贮存器的移除。在安装新贮存器后，流体流路被准备来用于胰岛素递送。胰岛素输注装置将通常是此数据的来源。
泵报警和相关联的报警时间-泵报警可出于各种原因由胰岛素输注装置生成。泵报警数据指示报警类型和对应的报警时间。胰岛素输注装置将通常是此数据的来源。
传感器警报和警报时间-传感器警报可出于各种原因由胰岛素输注装置和/或血糖传感器生成。传感器警报数据指示警报类型和对应的警报时间。胰岛素输注装置和/或血糖传感器可以是此数据的来源。
血糖读数和测量时间-血糖读数通常以mg/dl表示，并且从血糖仪获得。胰岛素输注装置、血糖仪、或患者的移动装置可以是此数据的来源。
用户人口统计信息-此数据可包括但不限于患者年龄、使用胰岛素的年数、医学诊断、糖尿病发病的年龄、性别、药物类型等。用户人口统计信息可由患者的移动装置、胰岛素输注装置、网页用户界面等提供。
用餐时间和内容-此数据涉及了进餐定时、以及食物类型和量。患者的移动装置将通常是此数据的来源。就此而言，适当地配置的移动应用程序可以包括允许患者指定用餐时间和估计每餐消耗的食物的类型和量的特征或功能。在某些情况下，此数据可直接从第三方(合作伙伴)数据库导入，而不是让患者将信息冗余地输入到移动应用程序中。
锻炼时间和内容-此数据与锻炼定时、以及由患者进行的锻炼的类型、持续时间和量有关。患者的移动装置将通常是此数据的来源。就此而言，适当地配置的移动应用程序可以包括允许患者指定锻炼时间和估计锻炼类型和量的特征或功能。在某些情况下，此数据可直接从第三方(合作伙伴)数据库导入，而不是让患者将信息冗余地输入到移动应用程序中。
用药类型、剂量和时间-此数据与患者服用药物(除胰岛素外)时的情况有关，并且数据指示用药类型、服用剂量和服药时间。患者的移动装置将通常是此数据的来源。在某些情况下，智能胰岛素笔或其他类型的智能胰岛素递送装置可以是此数据的来源。就此而言，适当地配置的移动应用程序可以包括允许患者记录与服药相关联的信息的特征或功能。
睡眠时间和质量-此数据指示了睡眠时段、以及与患者体验的睡眠质量或类型有关的信息。睡眠相关信息可由患者监控器提供，或者在某些实施方案中，睡眠相关信息由在患者的移动装置上运行的适当地配置的移动应用程序提供。在这种实施方案中，移动应用程序允许患者输入相关睡眠相关信息。根据一些实施方案，可使用加速度计数据、心率数据、环境光照度测量、血糖水平等来计算睡眠相关信息。
压力时间-此数据指示了患者承受的压力时段。压力相关信息可从生理因素和/或可测量的数据(诸如心率、血压、皮肤电导、体温等)得到。除此之外或另选地，压力相关信息可以基于用户输入。因此，患者的移动装置可以是此数据的来源。适当地配置的移动应用程序可以包括允许患者记录与压力时段相关联的信息的特征或功能。
电子病历和实验室测试数据-此数据可由保健提供方、医疗机构、保险公司等提供。在某些情况下，此数据可直接从第三方(合作伙伴)数据库导入，而不是让患者将信息冗余地输入到移动应用程序中。
用户对已递送的认知的反应-此数据表示了用户反馈，并且可能被认为是一种输入数据形式。患者的移动装置将通常是此数据的来源。就此而言，适当地配置的移动应用程序可以包括允许患者提供与递送给患者的血糖认知有关的用户反馈的特征或功能。
针对所递送的认知的用户行为变化-此数据与患者响应于由系统递送的血糖认知而采取的动作相关联。用户行为变化是通过作为血糖认知传达给用户的那些事件的发生率的改变的百分比测量的。它表明了认知信息是否对用户行为有任何影响、以及行为变化是否使结果显着改善。
该数据的数据来源包括几乎所有在之前提到的数据来源。
血糖结果
如上所述，系统100、300分析所收集的输入数据以识别认知事件的发生情况并且确定所识别的认知事件是否与特定血糖结果相关联或以其他方式与之链接。相关特定血糖结果在系统100、300的各个实施方案间、且可能地在各个患者间可以是变化的。本文所述的系统100、300的示例性实施方案利用十个经限定的血糖结果。其中五个血糖结果是独立(或直接)结果，另外五个血糖结果是“差异”结果。在此上下文中，直接血糖结果涉及患者当前的血糖值与诸如低血糖和高血糖的静态既定常用阈值之间的比较。就此而言，血糖结果可以是简单的基于阈值的结果，其在本质上是二进制的。相比之下，差异血糖结果是患者当前的血糖值与患者自身的历史的血糖值的统计之间的比较。
系统100、300的示例性实施方案采用在此列出的五个直接血糖结果：(1)低血糖，基于指定阈值诸如“低于70mg/dl”；(2)严重低血糖，基于指定阈值诸如“低于50mg/dl”；(3)高血糖，基于指定阈值诸如“高于240mg/dl”；(4)严重高血糖，基于指定阈值诸如“高于300mg/dl”；以及(5)控制良好。在上面列出的前四个血糖结果无需加以解释。“控制良好”结果指示患者已进行了满足某重定量标准的良好血糖控制或管理。例如，如果患者在最近一天中测量或感测的血糖水平在目标范围内超过20小时，那么可以指示“控制良好”结果。又如，如果患者在最近一周中测量或感测的血糖水平在至少80％的时间内在目标范围内，那么可以指示“控制良好”结果。
系统100、300的示例性实施方案采用在此列出的五种差异血糖结果：(1)时间百分比：低血糖；(2)时间百分比：严重低血糖；(3)时间百分比：高血糖；(4)时间百分比：严重高血糖；以及(5)时间百分比：控制良好。在上面列出的差异血糖结果中的每一者与限定的时间窗相关联，并且每个结果基于在限定的时间窗内的值表示了相对于对应阈值的计算的百分比。例如，如果时间窗是8:00pm到10:00pm之间的时段，并且用于患者的输入数据指示在该窗期间的30分钟内是高血糖，那么“时间百分比：高血糖”度量将是25％。相比直接血糖结果(其在本质上是二进制的)来说，每个差异血糖结果可以具有某范围的可能状态或值(即，百分比范围)，并且因此需要进一步的转换处理来将值转换成二进制状态。转换过程将差异血糖结果的值与来自相同用户的历史值诸如平均值的统计测量进行比较，并且确定结果值是高还是低。系统100、300以此方式处置差异血糖结果以消除潜在患者偏差，这方便将每个认知事件与患者基线而非固定阈值或固定标准进行比较。如在下文更详细地解释的，对差异血糖结果的处置与对患者的平均或典型结果的分析相关联，使得在所研究的认知事件与差异结果强烈相关时生成血糖认知。
被系统100、300利用的附加或另选的血糖结果可以包括但不限于以下项的任何或全部：在指定时段诸如最近一个小时、前一天、最近一周或最近一月)期间的血糖波动；传感器血糖变化率大于指定阈值的可变事件；或者在指定时段内在值的限定范围内的传感器血糖。应当理解，系统100、300可以在需要时被修改或更新以设想可能相关的不同血糖结果。
数据分析：血糖认知的生成
根据系统100、300的某些实施方案，通过查看特定情况与特定血糖模式之间的关联的历史数据，在某些时间上和/或响应于某些认知事件的发生生成血糖认知。因此，可以在一天中的指定时间上、在一周中的某些日子上等生成血糖认知。作为另外一种选择或除此之外，可响应于与胰岛素输注装置操作有关的认知事件生成血糖认知，认知事件诸如但不限于以下项的任一项：输注推注；特定传感器血糖水平；报警或警报；或者输注套件的变化。由数据库系统116、308维护的历史数据可以包括认知事件发生时的血糖信息，使得系统100、300可查看历史数据来找到与当前检测到的认知事件发生情况对应的“匹配”发生情况。在实践中，可基于相关特定认知事件和/或在评估的特定情况来限制或以其他方式调节被考虑的历史数据的量。例如，在大多数的情况下，并不需要查看非常老旧的历史数据。由系统100、300估计的特定情况和特定血糖模式基于可用于分析的完整输入数据集合。如上文提到的，可出于生成血糖认知目的而考虑一个或多个事件特征的任何组合。为此，系统100、300可利用任何数目的机器学习、模式识别、或数据分析技术和方法来确定在不同情况(认知事件)与所估计的血糖模式之间是否存在任何统计学相关性。
在实践中，系统100、300设想数百种的不同可能患者行为模式。在此描述的示例性实施方案考虑到了多于600个不同模式，其中模式可以是较低级模式、单独事件特征、或特定认知事件(诸如进食、进行推注、开始锻炼)的组合。如上文提到的，系统100、300的示例性实施方案处置十个不同结果。因此，600+模式到一个或多个结果的映射表示可通过系统100、300产生的可能血糖认知数目。系统100、300是可扩展的，因为它可在需要时引入附加事件特征、“低级”数据模式、或认知事件。
在某些具体实施中，血糖认知消息的生成可以但不限于受到以下类型认知事件中的任一者影响：胰岛素相关；时间相关；传感器血糖相关；血糖相关；(胰岛素输注装置)校准相关；报警相关；餐食或营养相关；地理相关；日历相关；职业、工作或作业相关；身体锻炼相关；睡眠相关；疾病或健康相关；精神状态或心情相关；或者就医相关。当然，系统可考虑到其他分类和类型的认知事件，并且各种血糖结果可以与一个或多个认知事件相关联。
胰岛素相关认知事件包括但不限于：推注类型；推注之间的时间间隔的异常变化；暂停泵操作；基于长期数据的总日剂量(tdd)的显着变化；基础模式的突变；平均基础率的大幅度的变化；以及有效胰岛素延迟曲线变化(从活性的胰岛素的变化率得到)。时间相关认知事件包括但不限于：一天中的时刻；一周中的日子；一月中的日期；假日、禁食或节日；以及自最近一次上传数据起的较长时段。传感器血糖相关认知事件包括但不限于：非常好的准确度；高变化率(roc)；roc中的高roc；低阈值和高阈值；对高血糖事件的响应；对低血糖事件的响应；近期血糖变化；暂时传感器血糖数据包丢失；传感器血糖伪影；以及血糖传感器年龄(例如，使用天数)。血糖认知事件包括但不限于：低阈值和高阈值；以及粘连性变化。校准相关认知事件包括但不限于：自最近一次校准起的时间量。报警相关认知事件包括但不限于：对推注计算器特征的使用；胰岛素泵倒回；无胰岛素递送；电机错误报警；低/高传感器血糖警报；传感器启动；传感器停止；以及传感器错误。餐食或营养相关认知事件包括但不限于：特定食物和患者对食物的反应(延迟吸收)；特定碳水化合物计数；错过餐食；额外餐食；一餐中多吃的食物计数；一餐中少吃的食物计数；在睡觉前吃的零食；在锻炼前吃的零食；平时吃的零食；以及禁食(长期误餐模式与短期误餐模式)。地理相关认知事件包括但不限于：出现某个餐馆中；在用户的当前位置的限定半径内没有餐馆；在家；在工作中；在休假中；靠近水体(如果输注装置并不防水，那么这很重要)；靠近医院、护理设施或药房(便于获得医疗护理)；地点的社会经济地位；对用户的习惯和爱好(户外活动等)的指示；对支持网络(例如，经常去的房屋、企业或地点)的指示；以及出现在健身或锻炼设施中。日历相关认知事件包括但不限于：电影；航班；会议；月经周期；以及用药日子。职业、工作或作业相关认知事件包括但不限于：工作类型或职位；作业日程；以及每周作业小时。身体锻炼相关认知事件包括但不限于：可使用电子健身测量装置来自动检测的锻炼开始和结束时间；异常的煅炼量；以及不寻常的锻炼定时(错过正常锻炼时间、比平常锻炼得更多等)。睡眠相关认知事件包括但不限于：开始和结束时间；以及晨晓现象。疾病或健康相关认知事件包括但不限于：急性疾病或病症诸如感冒、过敏或流感发病；以及急性疾病或病症终结。心理状态或情绪相关认知事件包括但不限于：惊吓；激动；愤怒；快乐；抑郁；绝望；希望；悲伤；等。就医相关认知事件包括但不限于：最近就医；不寻常的就医模式；以及提高的就医频率。
模式与结果之间的相关性是特定于患者的。系统100、300自身会不断地学习和训练以生成特定于患者的血糖认知。在实践中，数据模式中的许多模式将很少(如果有过的话)为给定患者进行检测。虽然如此，为了安全，系统100、300持续监控输入数据并且检查所有可能组合。注意，可能存在十个结果中的一个被考虑的情况，但是系统100、300仍没有识别出与相关联的数据模式的足够强相关性。在统计上，此情况将随着时间推移而自行解决，并且系统100、300将检测认知事件与该特定结果(如果存在的话)之间的相关性。相反，可能具有不存在导致该结果的可预测或可重复的数据模式的情况。在那种情况下，系统100、300将不生成血糖认知消息。
血糖认知可以被认为是系统100、300的输出，其中输出是响应于最当前的输入数据和在数据库系统116、308处维护的历史数据的至少一些数据而生成的。每个血糖认知消息包括使患者容易理解的信息。根据某些实施方案，每个血糖认知消息将关于至少以下项的信息提供给用户：认知的触发；与血糖结果相关联的因素；以及历史成果。因素可根据其重要性来过滤，如通过临床指导、医学研究等确定的。
根据一些实施方案，认知生成引擎304(参见图3)使用类似于对两个独特“块”(在文档中的标志的连续的子序列)进行计量的“抽块”过程的方法找到类似认知事件实例。对于给定块大小，两个事件a和b彼此相似程度可表达为它们的抽块相交和联合的数量比：
等式1
其中相似度(r)是在[01]范围内的数字，其中1指示了这两个事件是相同的。
根据一些实施方案，认知生成引擎304使用欧几里德距离方法找到类似认知事件实例。在这种方法中，欧几里德距离是欧几里德空间中两个事件之间的“普通”或“直线”距离。可使用n维欧几里德距离(以下等式2)范数来确定两个事件的类似度。
等式2
根据一些实施方案，认知生成引擎304使用基于机器学习模型的方法找到最具影响力的血糖认知触发特征(即，数据模式或包括一个或多个事件特征的认知事件)。就此而言，许多预测模型具有对预测算子重要性的内在或固有的测量。例如，多变量自适应回归样条(mars)和许多基于树的模型监控在将每个预测算子添加到模型时发生的性能的提高。诸如线性回归或逻辑回归的其他各者可基于模型系数或统计测量(诸如t统计)来使用量化。如果期望的话，系统100、300可以利用这些和类似的技术。
根据一些实施方案，认知生成引擎304使用特征重要性测量技术找到最具影响力的血糖认知触发特征。就此而言，可使用许多方法来基于简单相关统计(诸如线性回归)量化每个与结果的关系。系统100、300可利用这种技术来粗略估计输入数据与血糖结果之间的关系。对于其中相关性非线性的复杂关系，可以使用诸如局部加权回归模型的技术。此技术是基于对小的邻域中的数据进行建模的一系列多项式回归模型。认知生成引擎304还可利用基于最大信息系数或其他类似方法的方法。如果期望的话，系统100、300可利用这些和类似的技术来生成血糖认知。
根据一些实施方案，认知生成引擎304使用基于域知识的关联找到最具影响力的血糖认知触发特征。为此，可使用一些基于研究的知识来创建输入数据与血糖结果之间的静态关系，诸如缺乏睡眠和血糖控制不良。如果期望的话，系统100、300可利用这种和类似的技术来生成血糖认知。
可以使用血糖认知来描述或识别患者血糖管理模式。血糖认知中传达的信息可以包括但不限于以下项中的任一项：用餐推注量和类型与餐后血糖谱之间的关联；暂时基础使用与锻炼后血糖波动之间的关联；以及胰岛素泵暂停与反弹性高血糖之间的关联。本文所述的概念可扩展到找到食物摄入与糖尿病管理之间的相关性和因果关系。这些概念也可在决策支持算法中使用以便于临床医生来了解患者行为。
根据某些实施方案，血糖认知消息包括来自四个主要分类的内容：认知事件或时间；历史数据；特定情况；以及特定血糖模式。就此而言，通过查看historicaldata(历史数据)以了解specificsituations(特定情况)与particularglucosepatterns(特定血糖模式)之间的关联，可以在某些insighteventsortimes(认知事件或时间)上生成血糖认知。如果期望的话，系统100、300可针对关于这些主要分类中的一个或多个而利用一组预定义的可选消息内容。例如，系统100、300可以出于触发血糖认知生成目的维护相关不同认知事件或时间列表。又如，系统100、300可以维护糖尿病患者通常经历的特定血糖模式的预定义的列表。如上所述，系统100、300的示例性实施方案考虑到了十个不同血糖结果。
在下面提供了在典型患者情况的上下文中的许多血糖认知实施例。应当理解，血糖认知的特定内容、措辞、格式、图形使用、和布置可不同于在下面呈现的形式。
血糖认知实施例1
重点：推注
触发：在推注递送后不久
情况：william(一名i型糖尿病患者)正准备吃午餐。为了准备吃午餐，他给自己施用2.0单位的胰岛素推注。紧接推注递送(其由活性的胰岛素的量的增加来指示)之后，就从william的移动应用程序递送血糖认知消息。血糖认知消息包括以下信息：通常发现是“碳水化合物<20克的2.0单位的推注导致了您的病史中的低血糖模式。”另外，血糖认知消息包括遵循于2.0单位的推注和<20克的碳水化合物的聚合的历史传感器轨迹的血糖谱曲线图，其图形地描绘低血糖的情况。
结果：william现在会意识到他的低血糖的与2.0单位的推注和20克的碳水化合物相关联的共同趋势。
血糖认知实施例2
用户情况：timmy(一名8岁i型糖尿病患者)在6岁时确诊，已服用了胰岛素2年，并且是新泵用户。
认知事件：timmy进行推注之后又进行了另一次的推注。
历史数据：系统查看针对在过去七天内递送的所有推注的血糖趋势。
特定情况或血糖模式：系统发现在2个小时内又接着进行另一次推注(即，叠加推注)的推注通常导致低血糖模式。
血糖认知消息内容：“timmy，在过去7天内，通常发现推注在叠加进行时导致低血糖模式。”认知消息也可包括描绘历史数据、对应血糖结果或两者的图形元素(图表或曲线图)。
血糖认知实施例3
用户情况：steve(一名18岁i型糖尿病患者)在14岁时确诊，已服用了胰岛素4年，并且已使用了胰岛素泵1年。
认知事件：steve进行推注。
历史数据：系统查看针对在过去30天内递送的所有推注的血糖趋势。
特定情况或血糖模式：系统发现传感器血糖的变化率(roc)迅速升高的推注通常导致高血糖模式。
血糖认知消息内容：“steve，在过去30天内，通常发现传感器血糖的roc迅速升高的推注导致高血糖模式。”认知消息也可包括描绘历史数据、对应血糖结果或两者的图形元素(图表或曲线图)。
血糖认知实施例4
用户情况：joanne(一名36岁2型糖尿病患者)在30岁时确诊，已服用了胰岛素1年，并且已使用了胰岛素泵6个月。
认知事件：在星期一的早晨10:00am没有推注。
历史数据：系统查看针对在过去90天内的血糖趋势。
特定情况或血糖模式：系统发现未摄入碳水化合物的早晨出现低血糖模式。
血糖认知消息内容：“joanne，在过去90天内，通常发现未摄入碳水化合物的早晨出现低血糖模式。”认知消息也可包括描绘历史数据、对应血糖结果或两者的图形元素(图表或曲线图)。
血糖认知实施例5
用户情况：ed(一名62岁i型糖尿病的患者)在26岁时确诊，已服用了胰岛素34年，并且已使用了胰岛素泵3年。
认知事件：星期天的晚上10:00pm。
历史数据：系统查看针对在过去90天内的血糖趋势。
特定情况或血糖模式：系统发现传感器血糖的变化率迅速升高且未摄入碳水化合物的星期天的晚上通常出现高血糖模式。
血糖认知消息内容：“ed，在过去90天内，通常发现传感器血糖的roc迅速升高且未摄入碳水化合物的星期天的晚上出现高血糖模式。”认知消息也可包括描绘历史数据、对应血糖结果或两者的图形元素(图表或曲线图)。
血糖认知实施例6
用户情况：mary(一名18岁i型糖尿病的患者)在11岁时确诊，已服用了胰岛素7年，并且仅使用了胰岛素泵2周。
认知事件：mary进行推注。
历史数据：系统查看针对在过去2周内递送的所有推注的血糖趋势。
特定情况或血糖模式：系统发现碳水化合物摄入少于20g的推注通常导致低血糖模式。
血糖认知消息内容：“mary，在过去2周内，通常发现碳水化合物<20克的推注导致低血糖模式。”认知消息也可包括描绘历史数据、对应血糖结果或两者的图形元素(图表或曲线图)。
血糖认知实施例7
用户情况：maxwell(一名25岁i型糖尿病的患者)在4岁时确诊，已服用了胰岛素21年，并且已使用了胰岛素泵2年。
认知事件：maxwell进行推注。
历史数据：系统查看针对在过去七天内递送的所有推注的血糖趋势。
特定情况或血糖模式：系统发现在2个小时内又接着进行另一次推注(即，叠加推注)的推注通常导致低血糖模式。
血糖认知消息内容：“maxwell，在过去7天内，通常发现推注在叠加进行时导致低血糖模式。”认知消息也可包括描绘历史数据、对应血糖结果或两者的图形元素(图表或曲线图)。
认知递送定时
再次参考图3，认知递送引擎306负责调节已由认知生成引擎304生成的血糖认知消息的递送、排队和丢弃(如果需要的话)。认知递送引擎306控制将血糖认知消息递送给患者的时间的定时并且为每个患者将递送顺序优先化。相比之下，当前的报告机制无法在最适合用户的时间上(例如，在用户可能注意、可能阅读认知消息、可能响应于认知消息而采取适当动作等的时候)智能递送患者相关分析。认知递送引擎306的功能使得系统100、300能够以智能的方式将血糖认知消息排序并且递送以提高对患者的价值和益处。
根据推注相关实施例，当生成有关于患者在5-6单位的推注量后出现低血糖症的认知时，认知消息在第二天进行的推注的5分钟内递送，并且在事件后一周三次进行递送。此示例也可扩展到使用概率模型或机器学习技术基于用户行为或习惯在特定时间上递送认知消息。例如，基于计算用餐时间的模型，可预先用认知消息提醒通常在用餐推注后出现低血糖症的患者。认知消息可以在预计用餐时间前一小时递送。
根据与一周中的日期有关的示例，当生成有关于患者在星期五的更多时间上都处于高血糖的认知消息时，在8:00am(或在第一次输注泵动作后)并且在事件后每个星期五的8:00pm(或最近一次输注泵动作后)递送认知消息。此示例也可扩展到一天中的时刻，其中认知消息可以在有关于认知的时刻开始时进行递送，每周三次或在特定的一天进行递送，这取决于该认知消息的内容。
根据与传感器血糖的高变化率(roc)有关的示例，当生成有关于患者在45分钟内的快速血糖变化后有低血糖的认知消息时，在高roc时段结束时递送认知消息。
根据与高血糖事件有关的示例，当生成有关于患者长时间高血糖之后又出现低血糖的认知消息时，在检测到的高血糖事件的5分钟内递送认知消息。此示例也可扩展到基于对低血糖事件或高血糖事件的预测在事件前1小时递送认知消息，从而使得患者能够先应性地监控他的血糖结果。
可用于管理、调节或以其他方式控制对认知信息的递送的附加信息是营养数据和位置数据。就此而言，可使用用户的位置结合从回顾性数据收集的日常用餐时间来提供关于常去吃午餐的地点、频繁食物摄入、和其与用户血糖结果之间的关系的认知。例如，当用户在常去的餐馆或另外与进餐相关联的地点等的500英尺内时，可以在大致用餐时间前1小时递送认知消息。
认知消息也可基于对患者活动跟踪数据的考虑智能递送。例如，认知消息可以在用户完成其日常锻炼或日常步行后5分钟、在已记录下步数阈值后、响应于检测到的心率值等进行递送。又如，认知消息可以在患者长时间地保持不动或久坐(关于由久坐生活方式触发的高血糖事件)情况下进行递送。
应当理解，以上和其他实际情况都可能会影响认知消息递送定时。就此而言，系统100、300可以但不限于基于以下项中的一个或多个来控制认知消息递送定时：由静态时间触发；由认知事件触发；由血糖谱触发；由患者简档触发；或者由用户请求触发。
基于静态时间触发递送是指基于一天中的时刻、一周中的日子、周、月、年、假日等进行认知消息递送(如由系统100、300确定或限定的或如由用户配置的)。例如，关于某些一致血糖漂移的认知消息可以在特定的时间递送。又如，关于在假日期间的暴饮暴食的认知信息可以在每个相关假日诸如复活节、圣诞节、感恩节和生日的早晨提供。
基于认知事件触发递送可能涉及任何可用输入数据片段。在下面提供了多个示例。
(1)输注泵报警、传感器警报、和其他输注系统通知都会触发认知消息递送。例如，关于阈值暂停的最佳实践的认知消息可以在阈值暂停报警的生成或递送后递送。
(2)报警和触发的时间。例如，就出汗将增加对泵发射器的干扰的情况发出警告的认知消息可响应于在热天期间的“损失了传感器”报警生成进行递送。
(3)触发的地点。例如，关于针对在菜单上的某种食物的血糖结果的认知消息可以在用户进入餐馆时进行递送。
(4)地点和触发的时间。例如，关于低血糖发生情况的认知消息可以在患者晚上离开办公室而在停车场中时进行递送。
(5)触发的活动(锻炼、睡眠、用餐)。例如，有关于早睡益处的认知消息可以在患者晚睡时进行递送。
(6)活动和触发的时间。例如，具有就睡觉前吃零食可能引起晨晓现象的警告的认知消息可以在患者吃过东西后的晚上进行递送。
(7)触发的日历(会议、休假、约会、社交活动)。例如，与患者应当为计划行程而携带多少瓶胰岛素有关的认知消息可以在行程前一天递送。在某些实施方案中，可格式化并且提供此类型的认知解消息，使得它出现在患者日历应用程序或桌面用户界面上。
(8)触发的疾病(来自用户、医务人员、处方等)。例如，与某些疾病可如何影响血糖控制有关的认知消息可以在患者或护理人员识别特定疾病、病症或病痛时、或当处方被填写时进行递送。
触发认知消息递送也可能会受到患者血糖谱特征影响。在下面提供了几个示例。
(1)持续血糖谱(恶化控制、漂移事件)。例如，包括关于异常最近血糖谱的提醒的认知消息可以在检测到异常时进行递送。
(2)离散血糖谱(在测量仪bg条目之间的差异较大)。例如，如果用户平时的血糖谱在星期二的下午是120±30mg/dl，但是用户现在的记录值是400mg/dl，那么此时可以递送认知消息(讨论可能在此类突发事件之后发生的情况)。
(3)从历史的突变。例如，认知消息可响应于在过去一周、一月、一年内患者的血糖谱的好转或恶化进行递送。一旦检测到血糖谱的变化，就可以触发这样的认知消息。
触发认知消息递送也可能会受到患者用户简档影响。例如，可针对刚刚将他的简档登记到系统中的新的用户将具有类似(年龄、性别、使用胰岛素输注泵的年数等)的用户的平时的血糖谱生成为认知消息。此类型的认知信息可作为想知道他们如何与有类似情况的患者做比较的患者的基准。
触发认知消息递送也可能会受到用户请求(由患者、护理人员、保健的提供等做出的用户请求)影响。例如，患者、父母、医生或护士人员可以在需要时请求认知递送。
触发对所生成的认知消息的递送也可能会受到个人用户的优选定时的影响，其中定时可以基于检测到的趋势、用户输入、用户反馈等。在此上下文中，认知信息可以在最适合特定个人的时间上递送。例如，如果用户习惯于在每天早晨6:15在他的移动装置上浏览新闻网站，那么该系统可假定每日认知消息递送的最佳时间将是在6:15am或6:15am左右。
认知递送定时优化
如上文提到的，认知消息递送定时也可基于来自用户的反馈而逐渐地优化。该用户反馈可包括但不限于以下项的任何或全部：(1)用户将实际上在装置平台(平板计算机、电话等)上查看认知消息花费的时间量；(2)用户对认知消息(如果存在的话)的反应，诸如“喜欢”或“不喜欢”或“不再显示此条消息”；(3)用户在认知消息的递送和查看后的纠正活动；(4)用户在认知消息递送后的血糖结果；以及(5)用户的基于查看认知消息的反应和花费时间的活动。认知递送引擎306可以在需要时动态更新和配置来以增强对后续认知消息的递送定时的方式对这样的用户反馈作出反应。
认知递送方法–可视化
可以任何期望格式来生成和提供血糖认知消息，但是优选地以易于阅读、易于理解和直观的方式格式化。认知消息的特定格式、内容、外观和功能可根据传达的认知的类型、用户装置平台、用户偏好设置等而变化。例如，可调整认知消息的格式和/或字体大小以适应视力差的用户。递送认知信息的增强的方式在患者的依从性和血糖结果方面可以优于传统的基于文本的报告。在下面提出了若干示例；这些示例不意图以任何方式来穷尽和限制。
(1)重叠血糖涡动曲线-可使用多条涡动曲线来图形地呈现出患者的传感器血糖数据，其中突出显示的线指示中值或平均值，并且边带指示四分位差。因此，胰岛素输注装置的用户的一个或多个血糖谱可以与血糖认知消息相关联地呈现。一般的百分率或异常值可叠加以显示对应于不同变量的良好结果与不良结果。举例来说，图4是传感器血糖图400，其可用作血糖认知消息的图形元素。图400指示相对于胰岛素输注装置的暂停事件的时间。曲线402指示暂停off中值，并且曲线404指示与可预测低血糖管理(plgm)输出相关联的中值。由虚线界定的区406指示暂停off四分位差(iqr)，并且由实线界定的区408指示plgmiqr。对于这个实施方案，在曲线402和曲线404之间限定的带表示中值加上iqr。注意，区406的部分与区408的部分重叠。图4中示出的类型的可视化可以在需要时提供认知消息。
(2)被加注的血糖谱图-认知(例如，对认知消息的引用和/或活动链接)可以直接加注在患者的血糖谱上，以便强调某些触发事件发生的时间和位置。认知消息的上下文可能会影响到参考或链接在血糖谱上出现的位置。举例来说，图5是描绘可如何在患者的血糖谱上递送血糖认知消息的示意图420。在图5中，曲线图上出现的编号圆圈指示对应于出现在示意图420右侧的说明图例422的血糖认知。对编号圆圈的定位对应于触发或以其他方式影响认知消息的生成的认知事件。参见例如示意图420底部的血糖曲线图424，其中多个认知位于沿时间线的不同点。在某些实施方案中，编号圆圈(或任何标签、图标、或标识符图形地表示了血糖认知)是可由用户选择以显示或以其他方式呈现与选定认知有关的附加细节的活动元素。
(3)被加注的地图-认知(例如，对认知消息的引用和/或活动链接)可呈现在地理地图上、地图旁边、或以其他方式与地图相关联地生成以将某个量的地理上下文提供到认知消息。例如，餐食或食物相关血糖认知可以与特定餐馆、地点、地址等相关联，并且地图可用来识别对应于那些认知的地点。举例来说，图6是使血糖认知信息与之一起呈现的地图440的图形表示。地图440包括认知标记442(其呈现为覆盖在地图440的地理特征上面的彩色圆圈)。每个认知标记442对应于血糖认知。对于这个示例，每个认知标记442与出现在图6的左侧的附加描述性内容444相关联。描述性内容444可以包括与地理位置有关的信息，诸如“电话簿”信息、商业名称、用户评论或评级，图片等。对于这个特定实施方案，描述性内容444还包括了匹配相关联的认知标记442的颜色的颜色编码消息。例如，消息“血糖控制良好”可呈现为绿色，而消息“血糖控制不良”则可呈现为橙色。重要或关键的消息可呈现为红色或呈现为突出显示的字体等。这些颜色优选地以一致的方式用于认知标记442，使得用户可快速地识别血糖控制良好、控制不良、超出范围等的地理位置。在某些实施方案中，认知标记442和/或描述性内容444是可由用户选择以显示或以其他方式呈现与选定血糖认知有关的附加细节的活动元素。
(4)被加注的日历-认知(例如，对认知消息的引用和/或活动链接)可呈现在用户的日历应用程序中或以其他方式与之相关联地生成，以便将认知消息链接到某些日历事件。理想的是，日历链接的血糖认知消息在本质上是可预测的，并且它们出现在相关联的日历事件开始前。例如，与一周中的某个日子、去往特定城市或参加特定事件的行程、休假、体育赛事、或任何被排程的事件有关的血糖认知可显示为日历条目或作为日历条目的注解或注释。举例来说，图7是使血糖认知信息与之一起呈现的日历应用程序的显示屏幕460的图形表示。对于所示出的示例，用户的日历应用程序包括关于较长时间的出差事件的条目462。血糖认知消息464与条目462相关联地呈现，其中血糖认知消息464与条目462是上下文相关的。就此而言，认知消息464包括关于患者需要为出差而装包的医疗用品的提醒。应当理解，日历链接的认知消息的特定内容将取决于列入于日历的事件(如果存在的话)、日期或时间等发生变化。在某些实施方案中，认知消息464(或其部分)包括可由用户选择以显示或以其他方式呈现与日历链接的血糖认知有关的附加细节的一个或多个活动元素。
图8是示出用于生成和递送血糖认知的过程500的示例性实施方案的流程图，并且图9是示出认知生成过程530的示例性实施方案的流程图。结合本文所述的过程而进行的各种任务可通过软件、硬件、固件、或它们的任何组合来进行。出于说明目的，以下描述可以参考在上文结合图1-7提到的元件。在实践中，描述的过程的部分可由描述的系统的不同元件或由系统元件的处理模块进行。应当理解，本文所述的过程可以包括任何数目的附加或另选任务，附图所示的任务无需以示出的顺序进行，并且描述的过程可以结合到具有在本文中未详细描述的附加功能的更复杂的程序或过程中。此外，只要预期总体功能保持完整，附图所示的任务中的一个或多个可从该过程的实施方案省略。
在实践中，系统100、300收集多个患者的数据并且对其进行分析。实际上，系统100、300的集中式基于云的部署允许其可扩展以适应大量患者。因此，本文所述的与血糖认知消息的生成和递送有关的技术和方法可以针对不同患者在任何时间上进行。为了简洁和简单起见，仅参考一个用户/患者来描述过程500、530。应当理解，系统100、300的实施方案将以适应多个不同用户/患者的方式扩展过程500、530。
过程500开始于获得从一个或多个来源收集的相关输入数据并且对其进行处理(任务502)。如上所述，输入数据来源将通常是在用户的装置上执行的移动应用程序，以及提供与用户的胰岛素输注装置的操作有关的数据的至少一个医疗装置。此示例假定了系统100、300已经被部署了至少一基线期，在此期间已经出于进行与新接收的输入数据的智能且有意义的比较目的收集和存储了相关输入数据。换句话说，假定数据库系统116、308已经被填充了将监控的事件与结果相关联的历史条目。也就是说，如果系统没有足够的患者历史数据供用于生成个人化的血糖认知目的，那么如果在监控的事件与出现于具有的用户简档类似于被研究的患者的简档的不同患者的结果之间存在强相关联，就仍然会生成认知。
作为简单示例，假定仅有三个相关事件特征和仅有四个可能结果。还假定了认知事件可以被限定为一个或多个事件特征的任何组合。对于这个示例，存在七个认知事件(对应于一个、两个或所有三个事件特征的所有可能组合)。数据库系统116、308中的每个历史条目标识或包括认知事件中的一者、以及四个可能结果中的每一者的结果数据。概念性地，可将每个历史条目可视化为在事件/结果表中的行，其中该行标识相关特定认知事件(例如，包括每个事件特征的数据的列)、以及与不同可能结果有关的信息(例如，包含结果数据的列)。例如，历史条目可以标识包括两个事件特征的组合的认知事件、非差异结果的是/否标识符、和差异结果的特定值。随着时间推移，数据库系统116、308将填充有认知事件的发生情况、以及对应结果数据。
在某些实施方案中，任务502识别用于特定用户的当前输入数据集合，并且将用户输入数据与为特定用户维护的特定于用户的历史数据组合进行比较。特定于用户的历史数据组合中的每一者包括指示血糖事件的认知事件数据和对应于认知事件数据的血糖结果。换句话说，将由新接收的输入数据指示的认知事件与包含在数据库系统116、308中维护的历史数据中的认知事件进行比较。这允许了系统100、300将新接收的输入数据与历史数据进行比较，以便确定认知事件与一个或多个血糖结果之间是否存在显着的相关性。
过程500在需要时分析输入数据和数据组合以生成特定于患者的血糖认知(任务504)。就此而言，系统确定当前用户输入数据集合与特定血糖结果之间的相关性，并且响应于该确定，生成预期要递送给用户的血糖认知消息。血糖认知消息包括关于当前输入数据集合中的至少一些与特定血糖结果之间的关系的信息。此描述假定了过程500使所生成的认知消息在它们生成时就进行排队(任务506)。
过程500接着选择已排队的认知并且根据期望递送优先化方案(任务508)使之优先化。在实践中，系统可以接收影响某些认知消息递送决策的实时和其他数据并且对其进行处理(任务510)。如果过程500确定是时候向用户递送特定认知消息(查询任务512的“是”分支)，那么将认知消息递送到用户的移动装置(任务514)。应当理解，作为另外一种选择或除此之外，过程500可以将认知消息发送到患者的胰岛素输注装置、非移动计算装置、由非患者用户或护理人员操作的电子装置等。虽然不总是适用的，但是此示例假定了过程500获得与所递送的认知消息有关的用户反馈(任务516)。过程500响应于所获得的用户反馈来更新血糖认知递送系统的适当模块(在需要时)以试图使未来认知递送操作优化。
图9描绘了用于生成血糖认知的一个示例性方法。因此，过程530可以在过程500的任务504期间进行。过程530假定已经针对被识别的用户而获得和收集新的输入数据，使得系统可以检查是否应当响应于新的输入数据来生成任何血糖认知(任务532)。将新的输入数据与为被识别的用户维护的历史数据进行比较(任务534)。更具体地讲，将针对用户而获得的输入数据与为该用户维护的历史事件/结果组合进行比较，以便确定当前或新的输入数据是否指示匹配条件。为了使比较更容易且更有效，系统可使连续事件特征的值(即，具有可变范围的输入数据值的事件特征，诸如，传感器血糖读数)离散。就此而言，在此描述的示例性实施方案将连续事件特征的值离散成10个范围或仓，使得仓编号(仓1至10)可以用作过程500的索引。类似地，系统可以将事件特征值变换为数字形式或变换为更容易处置的任何格式。例如，可以数字形式表达事件特征“一周中的日子”，使得星期日由数字1表示，星期一由数字2表示，以此类推。
比较被进行以确定新的输入数据与血糖结果之间是否存在任何匹配或相关性。如上所述，系统可以处置差异结果和非差异(直接)结果。因此，如果被研究的结果是差异结果(查询任务536的“是”分支)，那么过程530进行结果处理(任务538)。否则，过程530继续确认认知生成标准对于被研究的结果来说是得到满足的(任务540)。此描述假定了认知生成标准是得到满足的，并且因此过程530生成适当血糖认知消息并且使其排队进行递送(任务542)。
由过程530使用的特定认知生成标准在各个实施方案间可以是变化的。根据在此呈现的示例性实施方案，过程530分析历史事件/结果组合，以便对在指定历史时间窗(例如，最近一月、最近三月、最近一年)中发生相关认知事件的次数进行计数。然后，将发生数目与预定阈值数目进行比较。如果在指定时间窗期间的总发生数没有超过阈值，那么过程530就不必为该特定认知事件生成血糖认知。阈值数目可取决于被分析的认知事件和/或可取决于被分析的结果发生变化。如果总发生数超过阈值，那么过程530继续检查针对认知事件的历史情况而记录的不同血糖结果。因此，对于此描述的实施方案，过程530确认认知生成标准仅在总数超过阈值时才得到满足，即使在附加标准可应用的情况下也是如此。如果给定结果以足够高的频率发生(针对特定认知事件)，那么过程530假定在该认知事件与给定结果之间存在强相关性，并且针对该特定事件/结果组合生成血糖认知。例如，如果特定认知事件的所记录的情况的时间的超过80％(或超过任何期望阈值百分比值)都会发生给定结果，那么满足认知生成标准。如果不是如此情况，那么过程530不必针对该特定认知事件生成血糖认知。应当理解，过程530可分析不同结果中的每一者以确定它们中的任一者是否与被研究的事件有强相关性。
过程530以略微不同的方式处置差异结果。如上所述，系统100、300的示例性实施方式设想总共10个血糖结果：5个“直接”或非差异结果和5个差异结果。非差异结果是二进制的，它将具有两种可能状态中的一者，诸如是/否、高/低、开/关、有效/无效。相比之下，差异结果是具有可变范围的结果。因此，任务538用于将可便范围从差异结果转换为二进制值(例如，差异结果“处于低血糖的百分比时间”被转换为二进制值，诸如：处于低血糖的当前百分比时间是否超过在历史中处于低血糖的平均百分比时间)。在任务538后，任务540可以与非差异的结果相同的方式而应用于转换过的结果。
任务538可使用任何期望方法、算法或方式来分析包含在历史数据中的差异结果。在此呈现的示例性实施方案计算相关认知事件的平均结果值，如在相关时间窗(例如，最近一月、最近三月或最近一周)期间记录的。也计算了标准偏差，并且将标准偏差的百分比加到计算的平均值上。对于这个示例，将标准偏差的一半加到计算的平均值上，以便获得被分析的差异结果的基线值。接着，示例性方法检查被分析的差异结果的值是否大于基线值。此检查被进行来确定被分析的差异结果是否可能是相关认知事件的结果。如果差异结果的值大于基线值，那么过程530输出“是”。如果值小于基线值，那么过程530输出“否”。然后，将所有转换过的“是”和“否”输出都递送到任务540中以与非差异结果相同的方式处置来进行与认知生成标准的比较。
在实践中，在此描述的方法可针对与相关认知事件相关联的所有差异结果值而重复。在考虑所有所记录的差异结果值后，过程530可以识别哪者(如果存在的话)与相关认知事件有强相关性。
任务538的差异结果处理旨在消除“患者偏差”，以便允许系统100、300将每个认知事件与个体患者基线特征而非任何固定阈值结果值进行比较。因此，过程530考虑患者的平均血糖结果并且仅在被分析的认知事件实际上与相对于平均患者反应看起来有点“异常”的差异结果相关时才生成相关血糖认知消息。
认知管理
如上文简要提到的，认知消息递送定时是系统100、300的重要方面。在优选具体实施中，血糖认知消息以被设计成提高患者进行的实际观察和后续动作的可能性的智能方式来递送给患者。在此节段中更详细地描述了系统100、300处置血糖认知的捡选、优先化和递送定时的方式。
由于随着时间推移会针对每个患者而生成大量认知消息，因此需要管理对血糖认知消息的递送。由于考虑到的600+个不同数据模式、以及不同可能血糖结果，因此就可能会生成冗余或类似的血糖认知消息(即，具有相同或等同内容的认知)。此外，在某些情况下，也可能会生成“冲突”血糖认知消息。例如，一条认知消息可以表明更容易经历低血糖症，而另一条认知消息则可以表明在相同时间窗期间将更可能出现高血糖症。也期望管理对认知消息的递送来适应最终用户的个人偏好，并且减少恼人的消息和通知出现。
再次参考图3，认知递送引擎306被适当地配置成管理血糖认知消息向患者的移动装置302的递送。在某些实施方案中，认知递送引擎306采用多个处理层，其中每个层处置特定功能。认知递送引擎306的层是可扩展、可定制且独立的。就此而言，图10是适合与图3中示出的认知递送引擎一起使用的分层结构600的示意框图。分层结构600大体包括触发层602、认知贮存器604和递送层606。这些元件以在下面描述的方式协作来在新的血糖认知608生成时对其进行处理。
认知贮存器
认知贮存器604在触发时获得、收集和放出血糖认知。认知贮存器604包括针对给定患者生成的所有认知消息。概念性地，认知贮存器604最初是空的，在其中不包含认知消息。然而，随着时间推移，认知贮存器604在认知消息生成时被填充有认知消息；认知贮存器604在递送前保存所生成的认知消息。认知贮存器604包括与之相关联的控制器610，并且控制器610监控和监听来自触发层602的传入触发(例如，实时触发条件)。每当接收到一束新的触发时，控制器610进行以下操作：(1)从先前递送收集新的认知608和剩余认知612；(2)移除已驻留在认知贮存器604中超过指定时段(对于示例性实施方案来说，该指定时段是1个月)的任何认知；以及(3)获取与接收到的触发条件匹配的认知；以及(4)将匹配认知发送到递送层606。图10中的垃圾桶图标614指示在上文概述的过程的步骤(2)上被移除的“失效”认知的目的地。
触发层
触发层602确定何时触发对所生成的血糖认知的递送，使得认知可以被推送给用户。触发在此上下文中表示激活对认知消息的递送、将其从认知贮存器604中移除、并且将其发送到递送层606。这对于处置与时间敏感或条件敏感因子有关的某些血糖认知消息可能是很重要的。例如，如果认知与星期一发生的高血糖趋势有关，那么该特定认知会在星期一的早晨或星期日晚上触发。又如，如果认知消息与传感器血糖的快速变化有关，那么触发层602可以在触发该特定认知消息的递送前监控这样的实时发生的快速变化。
在此描述的触发层602的实施方案利用以下项作为用于计算触发的输入信息：(a)每5分钟时间间隔的传感器血糖读数(以mg/dl计)；(b)每5分钟时间间隔的有效胰岛素测量(以单位的胰岛素计)；以及(c)当前时间。在图10中，实时信号615表示用于触发层602的输入信息，被查看来确定是否已满足了某些实时触发条件。传感器血糖读数和有效胰岛素测量可由驻留在患者的移动装置104、302上的移动应用程序提供。作为另外一种选择或除此之外，一些实时输入信息(触发数据)可由患者的胰岛素输注装置提供。触发层602的输出包括发送到认知贮存器604的触发。根据某些实施方案，触发层602包括预处理层、触发发生器和触发收集器。触发层602的这些元件会协作来响应于输入信息而生成输出触发。
可利用不同实时触发来触发对应类型的血糖认知的递送。根据某些实施方案，可考虑到下类触发中的一个或多个：推注；日期；一天中的时刻；阈值暂停；高血糖；传感器血糖roc；以及餐食(基于营养)。这些触发中的每一者可以具有与之相关联的一个或多个认知条件，并且每个认知条件与相应血糖认知消息中传达的特定内容相关联。
以下认知条件可以与推注相关触发相关联：推注量；推注类型(正波、双波、一般)已经叠加推注；已经叠加纠正推注；活性胰岛素量；从推注计算器获得的推注类型(用餐、纠正)；从推注计算器获得的碳水化合物量；从推注计算器获得的校正量；从推注计算器获得的碳水化合物比率设置；双波推注；从推注计算器获得的胰岛素敏感性设置；从推注计算器超控；从推注计算器下钻；在推注时的传感器血糖roc；在前15分钟的平均传感器血糖；自前一次推注起的时间；基础模式；一天中的时刻；以及一周中的日子(平日或周末)。
以下认知条件可以与日期相关触发相关联：自输注变化起的日子；一周中的日子(平日或周末)；假日；基础模式；在范围(前一天的低血糖或高血糖)内的时间；在一天开始时的传感器血糖(第一次输注泵动作)；在一天结束时的传感器血糖(最后一次输注泵动作)；tdd；相较于日平均值的tdd；血糖测量频率；相较于日平均值的血糖测量频率；用餐次数；相较于日平均值的用餐次数；推注次数；相较于日平均值的推注次数；食物推注次数相较于日平均值的食物推注次数；纠正推注次数；相较于日平均值的纠正推注次数；总日碳水化合物量；相较于日平均值的平均碳水化合物量；总日推注；总日基础活动水平；基础推注速率；相较于日平均值的基础推注速率；晨晓；早晨第一次推注异常早；早晨第一次推注异常晚。
以下认知条件可以与一天中的时刻相关触发相关联：时间块(早晨、早餐、午餐、晚餐、睡前)；一周中的日子(平日或周末)；基础模式；推注时间；在某个时段期间的推注计数；相较于日平均值的总推注数；在某个时段内的总碳水化合物；相较于日平均值的总日碳水化合物量；食物推注次数相较于日平均值的食物推注次数；纠正推注次数；相较于日平均值的纠正推注次数；血糖测量频率；相较于日平均值的血糖测量频率；在范围(在先前时段内的低血糖或高血糖)内的时间；以及相较于日平均值的在范围(低血糖或高血糖)内的时间；
以下认知条件可以与阈值暂停相关触发相关联：阈值暂停设置；暂停持续时间；用户反应(暂停响应时间)；有效的胰岛素；在前30分钟内的传感器血糖roc；直到第一次摄入碳水化合物为止的时间；直到第一次推注为止的时间；在手动恢复前的传感器血糖最终值；一天中的时刻；一周中的日子(平日或周末)；
以下认知条件可以与高血糖相关触发相关联：持续时间；在高血糖期间的用户动作(推注、纠正、用餐、暂时维持基础活动)峰点；一天中的时刻；以及一周中的日子。
以下认知条件可以与传感器血糖roc相关触发相关联：在前15分钟内的平均传感器血糖；自前一次推注起的时间；碳水化合物量是否是在高roc时段的[-30,0]分钟内的碳水化合物量；推注量是否是在高roc时段的[-30,0]分钟内的推注量；一天中的时刻；一周中的日子；以及持续时间。
以下认知条件可以与用餐相关触发相关联：碳水化合物量；食物类型；营养量；推注量；推注类型(方波、一般)一天中的时刻；以及一周中的日子。
触发层602的预处理层清理时间序列。就此而言，输入信息的常见问题包括但不限于：超出范围值；数据伪影；重叠数据；以及不准确的数据。预处理层可以用作提高触发层602的质量和准确度的过滤器。
触发层602的触发生成器基于来自预处理层的预处理信号来生成触发。对于在此描述的实施方案，每个触发生成器是独立的，其中每个触发生成器的操作不取决于由其他触发生成器中的任一者进行的操作或处理。被触发层602利用的触发发生器的数目是灵活且可扩展的；不限制系统100、300使用的触发发生器的量。触发生成器是可定制的，其中它们可被修改来考虑到附加输入信息，例如用户动作。
触发层602的触发收集器捆绑所有所生成的触发并且根据内部调度器将它们发送出去。调度器控制触发被发送到认知贮存器604的频率。调度器可以在需要时利用静态调度或动态调度。根据静态计划表，触发收集器以固定的时间间隔(例如，每15分钟)将触发发送出去。根据动态计划表，触发收集器使用可变定时方案(例如，在白天的时间间隔较短而在晚上的时间间隔较长)将触发发送出去。
递送层
递送层606清理、组织、拣选触发的认知并将其优先化，然后将它们推送给用户。递送层606可以适当的方式过滤或以其他方式调节触发的认知消息的数目以识别预期要递送给用户装置的较小的认知消息组。递送层606被布置为具有多个子层的分层结构。子层起过滤子层的作用，其中在将组的至少一些传递到下一个最低的子层前，上层可以在需要时过滤一组候选认知消息。对于在此呈现的示例性实施方案，子层中的每一者通过进行以下操作中的一者来处理候选血糖认知消息：将候选血糖认知消息传递到分层递送层结构中的较低层；将候选血糖认知消息发送回认知贮存器604；或者丢弃候选血糖认知消息。递送层606的子层可如下分类或组织：减少层；用户相关层；基于权重的层；以及以分层顺序布置的累加器层618，其中减少层在分层结构的顶部而累加器层618在分层结构的底部。对于此特定示例：减少层包括唯一校验层620、父母和同胞层622、和冲突结果检查层624；用户相关层包括用户反馈层626和用户疲劳层628；并且基于权重的层包括定制认知层630、高级认知层632和基于结果的层634。
递送层606中的每一层使用来自前一层(上层)的输出作为输入并且将其分类为三个组中的一个组：用作下一个最下层的输入的下游认知；未准备好或不适合于在当前处理迭代期间递送且被发送回认知贮存器604以用于下一次迭代的剩余认知；或者不再有用的被抛弃(丢弃)的认知。图10中的垃圾桶图标640代表这些被抛弃的认知的目的地。递送层606的最上层(即，此示例中的唯一校验层620)使用认知贮存器的输出作为其输入。
减少层将所触发的认知消息集合彼此进行比较并且起作用来移除冗余且冲突的血糖认知，使得它们不会“阻塞”向用户的认知递送馈送。例如，唯一验校层620查看当前一批血糖认知以识别相同认知。如果唯一验校层620找到相同认知的重复实例，那么其确定重复认知中的哪一者表示最新版本(最近生成的认知)。将认知的最近生成的实例提供到下一层，并且将冗余实例作为“被抛弃的认知”而丢弃。
父母和同胞层622处置与其他血糖认知具有的某种形式的分层关系(即，亲子关系或同胞关系)的血糖认知，其中具有此分层关系的认知可被同时触发。例如，以下血糖认知是出于父母和同胞层622目的而彼此相关；“在星期六，患者更多时间是低于范围的”；以及“在星期六，在51-62单位的总日胰岛素量下，患者更多时间是低于范围的。”父母和同胞层622根据某些层级确定哪些认知被优先化。例如，具有以下结构的认知可由父母和同胞层622识别为子认知：类型+特征a+特征b+结果。对于具有此结构的每个认知，父母和同胞层622检查具有以下结构的父认知：类型+特征a+结果；或者类型+特征b+结果。父母认知被发送到递送层606中的下一层，并且子认知被发送回认知贮存器604。如果子认知没有对应的父认知，那么该子认知就发送到堆栈中的下一层。
冲突结果检查层624处置具有冲突结果的认知的存在。冲突结果检查层624可检查内部冲突和/或外部冲突。内部冲突只能发生于驻留在当前层中的认知之间；外部冲突只能发生于在当前层中的认知与已递送认知之间。对于内部冲突，冲突结果检查层624通过将第一认知(n1)与所有剩余认知逐一比较来过滤掉有冲突结果的认知。如果相比较的两个认知的结果时程重叠超过指定的时间量(诸如两个小时)，那么将采取适当动作来解决潜在冲突。如果情况不是如此，那么不会宣称存在冲突并且传递候选认知消息。如果动作需要n1被发送到认知贮存器604，那么停止与n1的进一步的比较并且将下一认知(n2)与其他认知进行比较，如上所述。在所有比较全都进行后，“非冲突”认知就发送到堆栈中的下一层。
对于本文呈现的实施方案而言，冲突结果检查层624根据预定方法解决内部冲突。就此而言，图11和图12一起形成是适用于解决内部冲突血糖结果的示例性查找表644。查找表644汇总了解决内部冲突的方式。查找表644包括三列，它们被标记为矛项、盾项和动作。“矛项”列中列出的项表示要与剩余认知消息进行比较的选定认知消息，(选定认知消息在此上下文中是“矛项”)。相比之下，“盾项”列中列出的项表示矛项要与之进行比较的剩余认知消息。“动作”列中列出的每个项表示在面对特定矛项/盾项组合时由冲突结果检查层624采取的动作。例如，“患严重高血糖”和“患严重低血糖”(参见图11中的条目646)的组合导致以下动作：“将矛项发送到剩余认知”。又如，“控制得较好时”和“控制在高于80的范围内”(参见图12中的条目648)的组合导致以下动作：“两者并存”。注意，查找表644包括所有可能组合列表；如果矛项与盾项相同，那么就不存在冲突。
对于外部冲突，冲突结果检查层624通过获取在最近6个小时内(或任何期望的时间窗)内递送的所有认知来过滤掉在重叠的窗内有冲突的认知。就此而言，可从已递送认知数据库654(参见图10)获取认知。将来自前一层的每个认知与所获取的认知进行比较。如果相比较的两个认知的结果时程重叠超过指定的时间量(诸如两个小时)，那么将采取适当动作来解决潜在冲突。如果情况不是如此，那么不会宣称存在冲突并且传递候选认知消息。
对于本文呈现的实施方案而言，冲突结果检查层624根据预定方法解决外部冲突。就此而言，图13和图14一起形成是适用于解决外部冲突血糖结果的示例性查找表658。查找表658汇总了解决外部冲突的方式。查找表658包括三列，它们被标记为矛项、已递送项和动作。“矛项”列中列出的项表示要与已递送的认知消息进行比较的选定认知消息，(选定认知消息在此上下文中是“矛项”)。相比之下，“已递送项”列中列出的项表示矛项要与之进行比较的认知消息。“动作”列中列出的每个项表示在面对特定矛项/已递送项组合时由冲突结果检查层624采取的动作。例如，“患高血糖”和“患低血糖”(参见图13中的条目660)的组合导致以下动作：“将矛项发送到剩余认知”。例如，“高血糖加重时”和“患严重高血糖”(参见图14中的条目662)的组合导致以下动作：“将矛项发送到下一层”。注意，查找表658包括所有可能组合列表；如果矛项与已递送的认知消息相同，那么就不存在冲突。
如上文提到的，递送层606的用户相关层包括用户反馈层626和用户疲劳层628。用户相关层与用户交互和对先前递送的认知消息的用户反馈的收集相关联。例如，用户反馈层626允许认知递送引擎适应用户偏好。用户反馈层626基于从用户获得的历史反馈来调整或以其他方式影响认知递送。如图10所示，用户反馈数据库666从用户装置670(例如，患者的移动装置)获得用户反馈数据668。从递送层606的角度看，用户反馈数据库666被认为是外部来源。用户反馈层626会考虑到认知类型、认知事件组合、和结果，并且在用户反馈数据库666中找到匹配认知类型。接着，用户反馈层626获取“偏好”字段中的最后三个值(即，用户是喜欢还是不喜欢认知)并且采取适当的动作。例如，如果所有三个偏好值都是“不喜欢”，那么丢弃被查看的认知，否则将认知发送到下一层。
用户反馈数据库666维护多个表，其中每个表对应于一种认知类型。表在每次用户提供关于递送的认知的反馈时都进行更新。用户反馈数据库666中的每个表具有三个主要字段：时间戳；偏好；以及递送曲线。时间戳字段指示用户提供反馈的时间。偏好字段指示反馈内容，例如“喜欢”或“不喜欢”。递送曲线字段指示由偏好数据确定的动态状态(对于此特定实施方案而言是a、b或c)。在用户提供反馈时，针对给定认知的递送曲线状态可动态地变化。在此描述的示例性实施方案根据以下更新逻辑更新递送曲线状态：(1)如果当前递送曲线是a，那么来自用户的新的“不喜欢”将递送曲线改变为b；(2)如果当前递送曲线是a，那么来自用户的新的“喜欢”不会导致递送曲线发生变化；(3)如果当前递送曲线是b，那么来自用户的新的“不喜欢”将递送曲线改变为c；(4)如果当前递送曲线是b，那么来自用户的新的“喜欢”将递送曲线改变为a；(5)如果当前递送曲线是c，那么来自用户的新的“不喜欢”不会导致递送曲线发生变化；(6)如果当前递送曲线是c，那么来自用户的新的“喜欢”将递送曲线改变为b；
用户疲劳层628设想潜在用户疲劳，其中如果用户经常接收相同认知消息，那么用户可能会疲倦或疏忽。用户疲劳层628调节对某些认知消息的递送，使得它们不会太频繁地重复递送。更具体地讲，用户疲劳层628查询用户反馈数据库666以获得关于认知消息的适用递送曲线，并且使用当前时间计算自患者开始使用系统起的天数(例如，患者已经使用该患者的用户装置670上的移动应用程序多久)。递送曲线和天数用于确定对认知消息的递送的时间间隔。接着，查询已递送认知数据库654以获得最近一次递送时间(ta)，其用于计算自最近一次递送认知消息起经过的时间。更具体地讲，经过时间被计算为当前时间与最近一次递送时间(ta)之间的差值。如果经过时间大于或等于递送的确定时间间隔，那么将认知消息发送到下一层，否则其就被指定为剩余认知612并发送到认知贮存器604。简而言之，用户疲劳层628确保在已经过了足够长的时间后才会再次重新发送相同认知消息。
已递送认知数据库654跟踪已发送给用户的所有认知消息。数据库654在每次认知消息被递送给用户时进行更新。在某些实施方案中，可通过唯一标识符、代码或字符串来标识已递送的每个认知消息。已递送认知数据库654还可记录每个已递送的认知的时间戳，并且记录全局认知索引。
如上文提到的，递送层606采用影响认知消息递送定时的三条递送曲线。递送曲线a是用户开始使用系统时使用的默认活动递送曲线。每次在用户提供对认知消息的反馈时，系统都会以上文更详细描述的方式来检查是否改变活动递送曲线。虽然用于每个递送曲线的特定公式在各个实施方案间可以是变化的，但是在此处描述的示例性实施方案中使用以下递送曲线：
递送曲线a：
递送曲线b：
递送曲线c：
图15是描绘影响认知消息递送定时的递送曲线的曲线图674。y轴对应于认知消息的递送的时间间隔，并且x轴对应于用户已使用系统的天数(例如，使用移动应用程序)。图674包括对应于输送曲线a的曲线676、对应于递送曲线b的曲线678和对应于递送曲线c的曲线680。图674中的竖直箭头示出系统如何在递送曲线之间变换，这取决于用户是否提供对已递送的认知消息的“喜欢”或“不喜欢”反馈。
如上文提到的，基于权重的层包括定制认知层630、高级认知层632和基于结果的层634。这些基于权重的层基于某些限定偏好、标准和因素来将认知消息优先化(例如，一些认知消息被认为是比其他认知消息更重要，因此，被相应地“加权”或优先化)。因此，具有严重低血糖和严重高血糖结果的认知消息绕过此组层被特别优先处理。旁通路径682示意性地示出在默认情况下如何以优先化的方式递送这些特殊类型的认知消息。其他认知消息(从上一层/前一层获得的)是以期望标准优先化，并且然后以受限于在累加器层618中设定的阈值的方式递送给用户。对于在此呈现的实施方案而言，阈值是对应于每24小时三个认知消息(不包括严重低血糖和严重高血糖认知)。因此，累加器层618保持对递送的认知的数目的计数。如果已经累加超过三个，那么可以将多余认知移回到贮存器604以供用于下一次迭代。
定制认知层630支持应用于某些分类的血糖认知的优先化方案中的用户输入变化。换句话说，可利用定制认知层630来根据用户偏好将认知消息递送优先化。在实践中，定制认知层630使用变量来标识每个认知消息的类型、分类或类别(例如，标识符、代码、字符串标签等)。定制认知层630查询应用程序设置数据库684以获得优先化的认知消息的用户的优选或定制的列表。如果在用户的列表中找到相关认知消息的标识变量，那么定制认知层630将递送队列中的认知消息优先化。否则，认知消息照常处置并传递到堆栈中的下一层。
高级认知层632被部署来处置与用户行为关联的某些类型的认知。例如，如果给定用户经常改变她的胰岛素泵设置，那么高级认知层632会设想该行为来影响认知消息递送。换句话说，可利用高级认知层632来根据用户行为将认知消息递送优先化。例如，如果患者最近改变了基础率，那么系统假定患者将对与基础率相关的血糖认知消息感兴趣并且调整此类认知消息的优先级。在实践中，高级认知层632使用变量(例如，标识符、代码，字符串标签等)。高级认知层632也考虑到对某些输注装置设置的变化，诸如：基础设置；碳水化合物比率(cr)设置；以及阈值暂停设置，其涉及到在观察到低血糖时暂停基础胰岛素递送(阈值暂停设置是指用于暂停递送的血糖阈值和时段的被编程值)。
对于此特定示例而言，有四种类型的高级标签(全都是字符串)：基础设置；cr设置；isf设置；以及阈值暂停(ts)设置。如果认知消息可以与上述的任一者相关联，那么这样的高级标签字符串中的一者将分配给该特定认知消息的高级标签变量。例如，如果存在有关于阈值暂停事件的认知消息，那么系统就会知道它可以链接到ts泵设置，因此“ts设置”作为高级标签分配。在实践中，有大量的认知消息可能无法与这四种类型的高级标签设置中的任一者相关联；这些认知消息不会被标记为“高级”认知消息。系统出于确定优先化目的而持续地实时检查用户行为。因此，如果系统确定用户经常改变基础设置，那么该系统可在高级认知层632中使具有相当于“基础设置”的高级标签的认知消息优先化。
基于结果的层634用于使与低血糖结果有关的认知消息优先于高于与高血糖结果有关的认知消息。因此，该系统可根据这些认知消息的相应血糖结果将它们优先化。对于此特定示例而言，基于结果的层634根据反映相关联的结果的典型重要性水平的预定序列或顺序使某些认知消息优先化。特定优先化方案在各个实施方案间可以是变化的。也就是说，该示例性实施方案利用以下优先化方案：患低血糖>低血糖加重时>高血糖加重时>控制得较好时>控制在高于80％的范围内>患高血糖。根据此方案，结果“患低血糖”具有最高的相对优先级，而结果“患高血糖”具有最低的相对优先级。具有优先化方案未设想到的结果的认知消息将不受到基于结果的层634影响。
累加器层618表示递送层606的堆栈中的最后一层。累加器层618对在指定时段(诸如最近24小时)内递送的认知消息的总数有上限。对于在此呈现的示例性实施方案，累积器层618将认知消息递送限制为在任何24小时时段内最多三次。累加器层618基于来自先前层的队列向用户装置670发送认知消息并且累加在最近24小时内递送的认知消息的数目。一旦总数达到限值(对于此示例而言仅三次)，队列中的任何其他认知消息就会被指定为剩余认知612，并且被发送回认知贮存器604。
血糖认知-附加的特征和功能
关于对血糖控制的最频繁且有影响的治疗行为的个人化的信息的量化和递送可不仅仅被应用于注重于患者的移动应用程序或基于web的平台。例如，除血糖控制外，量化过程可扩展到治疗行为对生活质量、或其他医疗的并发症等的影响。换句话说，系统100、300所考虑的“结果”可扩展到在通常与糖尿病相关联的那些之外的结果，例如，患者情绪状态；患者能量水平；神经病症；心脏病症；或者肾脏病症。又如，通过机器学习技术来确定的优化认知消息递送时间也可以扩展到确定传达消息以带给患者最大益处的最佳方式(传讯措辞、消息样式、对消息内容的布置等)。又如，递送平台可扩展到受到调控以改善治疗相关行为诸如胰岛素泵或其他药物依从性应用的医疗装置。虽然本文所述的示例性实施方案集中在认知消息向患者的递送上，但是也可在需要时将认知消息提供给保健提供方、临床医生、陪护人员和其他接收者，以便优化患者护理团队内的通信。此外，还可使用来自匿名血糖认知的综合分析来适应未来血糖认知模型并且研究递送、最终用户选择、递送平台等的优化。
患者参与度和健康度的回顾性认知
管理患糖尿病的患者的糖尿病可能是涵盖各个方面的活动，其主要目标是提高生活质量、减少并发症、和改善血糖控制。智能地生成的认知消息(如上所述)以可预测或可回顾的方式使行为与血糖结果相关。其他形式的分析和传讯可以改善患者参与度、对疾病状态的指导、和疾病管理的最佳实践(依从性措施)，尤其在通过移动应用程序或基于web的服务平台来递送给患者时。
常规报告机制并不是总是在最适合用户进行最全面的认知的时间上智能地递送通知和消息。因此，某些实施方案采用个人化糖尿病管理辅助系统，个人化糖尿病管理辅助系统利用来自各种来源的信息来识别与典型糖尿病管理行为和情绪的关联以改善患者参与度和健康度。此系统可实现在各种计算平台(计算机、智能电话、平板计算机等)上。目标是通过以下方式来优化在糖尿病管理期间的患者参与度、积极性和健康度：识别和奖励与最佳疾病管理实践相关联的模式、提供正强化、并且提供有帮助的指导提示和提醒等，同时不增加日常管理负担。
在上文描述的基线方法可用来生成和递送旨在鼓励、奖励、激励或祝贺患者的认知消息，或以及时且有意义的方式另外提供正强化。此类型的认知消息可以包括但不限于：激励性认知消息；依从性认知信息；以及提醒认知消息。
激励性认知消息可由某些条件触发，诸如：在患者目标血糖范围内的时段较长；低血糖的时段较短；高血糖的时段较短；低血糖症发作较少；或者高血糖症发作较少。适当的激励性认知消息的示例包括但不限于以下项：
“平均而言，您上一月每天有15小时在目标血糖范围内。“在最近七天内，您每天有18小时在目标血糖范围内。做得好！”
“做得好！您这一周未出现低血糖症！”
“继续保持！与上一月相比，您这一月在高血糖状态的时间减少了10％。”
“平均而言，您每晚有50分钟在低血糖范围内。不过，您这一周每晚仅10分钟在低血糖范围内。加油！”
“非常好！您这一周在午餐后未出现低血糖症！”
“恭喜！与上一月相比，您这一月接收到的高血糖警报减少了10％。”
依从性认知消息可由某些条件、状态或要求触发。例如，依从性认知消息可以但不限于与以下项中的任一者相关联：输注套件更换；血糖仪读数的频率；血糖传感器使用；推注计算器使用；或者双波推注使用。适当的依从性认知消息的示例包括但不限于以下项：
“平均而言，在过去30天内，输注部位每五天就发生变化。可考虑更频繁地发生变化以符合标记目标。”
“在上一星期内，我们发现每天仅有两次血糖测量。可考虑更频繁地检查血糖以增加血糖认知。”
“在过去30天内，检测到血糖传感器仅穿戴12天。可考虑穿戴传感器更多天以增加血糖认知。”
“在过去30天内，25％的检测到的推注都没有使用推注计算器。可考虑更多地使用推注计算器来优化推注剂量。”
提醒认知消息可由某些条件、状态或要求触发。例如，提醒认知消息可以但不限于与以下项中的任一者相关联：输注套件更换；餐点；血糖仪读数；或者血糖传感器使用。适当的提醒认知消息的示例包括但不限于以下项：
“提醒：自最近一次输注套件更换起已过去了四天。”
“提醒：您将要进行推注了。早餐要吃什么？”
“提醒：自最近一次血糖测量起已过去了六个小时。计划不久进行新的测量。”
“在过去30天内，没有使用双波推注。可针对高脂肪含量的餐食来考虑使用双波推注。”
激励性、依从性和提醒认知消息被触发、生成、排队和递送的方式可以与上文更详细地描述的一致。因此，相关联的触发机制、输入数据类型、认知生成方法、和认知递送方法将不在此赘述。
自动患者治疗提醒
糖尿病治疗管理需要患者考虑餐食内容、日常锻炼、疾病、压力和用药方案。此外，患者必须要遵循多个指导方针来优化他们依靠于胰岛素泵的治疗。就此而言，存在患者和保健提供方在调整或改变胰岛素输注泵设置前可评估的多个建议行为检查和治疗检查。行为检查可以包括但不限于以下项中的任一者：
每天是否有三次或更多次的推注？
每天是否有四次或更多次的血糖测量？
是否使用机载推注计算器特征？
输注套件是否每两到三天就进行更换？
泵是否每天都暂停不到1个小时？
患者是否使用暂时基础率进行锻炼？
患者是否在用餐前发起推注？
患者是否被适当地断开连接？
治疗检查可以包括但不限于以下项中的任一者：
检验泵设置
检验基础百分比小于总日剂量(tdd)的50％
估计过夜控制(基础)
估计餐前控制(基础)
估计餐后控制(碳水化合物比率)
患者是否经历显著漂移？
为了使不断记住在上文列出的建议和/或其他建议的负担减轻，可以在适当的时间生成认知消息(如上所述)并将其递送给患者的移动装置。例如，递送到智能电话、计算机、平板计算机或其他装置的易访问的消息可以提供涉及到以下内容的适当的基于时间或基于结果的通知：依从性措施和泵送方案；患者、保健提供方和护理提供方提醒；以及在历史上导致血糖控制不良的依从性措施。
在上文描述的基线方法可用来及时生成和递送认知信息来提醒患者现在是时候进行糖尿病治疗管理的最佳实践的行为。此类提醒消息可以在自最近一次自动检测到的相关行为起的倒计时后、或遵循于自最近一次自动检测到的相关行为起的不良血糖结果的发生率和相关联的时间触发。在某些实施方案中，可以预定秒表倒计时、或在泵送方案最佳实践的指导下与血糖不良结果智能地相关联时，将提醒递送给患者。提醒指导可从保健提供方、学术医学文献、或其他可信医疗信息来源获得。
举例来说，可生成提醒消息并将其递送到患者的移动装置来让患者知道是时候更换输注套件了，其中提醒消息在最近一次自动检测到的泵倒回动作(其指示了对新的胰岛素贮存器的安装)后倒计时三天后触发。又如，可生成提醒消息并将其递送到患者的移动装置来让患者知道是时候更换输注套件了，其中提醒消息遵循于在最近三天内的高血糖发生率和泵倒回的缺乏而触发。
这些提醒认知消息被触发、生成、排队和递送的方式可以与上文更详细地描述的一致。因此，相关联的触发机制、输入数据类型、认知生成方法、和认知递送方法将不在此赘述。
依从性报告
根据某些实施方案，可使用特定于患者的数据来生成个人化依从性报告，其可作为一种认知消息类型生成并递送到患者的智能电话、计算机、平板计算机、或移动装置。示例性依从性报告可以包含提醒、建议和检查，如标题为“自动患者治疗提醒”的前一节段所述。为了使不断记住与胰岛素治疗和输注系统使用有关的建议的负担减轻，依从性报告可记录有针对患者依从性的相关指导方针(并且提供与指导建议的活动链接)。依从性报告也可包括如捕获和分析的个人数据反映的患者行为与建议行为范围的比较。依从性报告可如患者选择的那样和/或如认知递送方法确定的那样以及时的方式递送来允许患者可方便地检查建议行为和他们的个人状况。依从性报告可作为静态页面或通知、或作为可动态搜索的图形用户界面来递送给患者，可动态搜索的图形用户界面具有交互式菜单，交互式菜单具有指向与依从性建议相关联的指导材料的链接。
依从性报告可指示由泵送方案提供的建议行为的某些范围。依从性报告的内容也可被扩展为包括来自保健提供方的定制依从性建议、被认同的医学文献、和/或用于糖尿病治疗管理的其他既定指导方针。
此外，依从性提醒/报告可根据需要来调控或定制以得到更严格的指导方针。例如，通常向怀孕患者和妊娠糖尿病人建议更严格的指导方针。依从性提醒/报告也可被调控或定制来设想到出院后时段，其中恢复方式可包括宽松的指导方针。
血糖辅助系统
再次参考图1，系统100还可被适当地配置成支持用于向患者提供和报告血糖相关信息的智能且增强方法。就此而言，可利用支持血糖认知消息的递送的相同移动应用程序(其驻留在患者的移动装置104上)来支持在下面更详细地描述的示例性血糖辅助系统。在上文的系统100、300的上下文中描述的输入数据的一些或全部也可被在此呈现的血糖辅助系统利用。血糖辅助系统使用对潜在地影响到患者血糖水平的事件的血糖反应来处理大部分相同的输入数据，以便提供决策支持。与血糖信息递送系统相比，血糖辅助系统侧重于传感器血糖数据、餐食和营养信息、以及可能地可影响患者血糖水平的其他输入数据。
血糖辅助系统概述
许多过程和行为都会影响血糖水平。公认影响血糖水平的过程包括饮食、锻炼、疾病(急性或慢性)、用药(胰岛素、口服药等)、压力模式、睡眠模式等。此外，诸如一天中的时刻、对治疗的注意力、购买模式、和其他患者行为的行为因素可以提供影响血糖控制的潜在因素的附加定量指示。当前可用于糖尿病患者和其护理人员的报告不会提供被聚合的相关事件的综合结果。血糖辅助系统的一个期望目标是向患者提供关于血糖控制的更好、更相关且更实用的信息和指导。血糖辅助系统可提供附加信息而不是简单信息片段诸如“您的血糖在接下来的三个小时内将变低(或高)”，从而将血糖数据与其他事件发生情况、附加数据、以及由系统收集的各种输入关联。作为一个特定示例，血糖辅助系统可通过设想各种特定于事件和特定于患者的数据来预测在患者吃过芝士汉堡、进行推注、和进行锻炼后该患者的血糖反应。根据某些情况，血糖辅助系统可以生成动画输出，诸如按照基于优化设置在对事件的回顾性反应之后进行向未来轨迹中投影的顺序而动画化的动画化的血糖轨迹。
如本文所用的，“血糖反应曲线”是指在特定事件(参见以下潜在相关事件(诸如用餐时间、瑜珈锻炼和二甲双胍摄取)列表)后的指定时段内的持续血糖传感器输出。此反应曲线也可扩展为包括来自血糖仪(例如，手指刺针测量装置)的血糖值。该事件反应分离的结果的目标是以个人化的决策支持的形式优化用药和治疗方案。血糖辅助系统提供针对每一结果的最佳和次佳的治疗变化的方法和权重。
血糖辅助系统的功能可以被实现为在各种计算和电子装置平台(计算机、智能电话、平板计算机、便携医疗装置、智能可穿戴装置等)上的移动应用程序、软件程序、或可执行模块以按历史血糖模式来指导患者。个人血糖辅助系统也可根据被患者和保健专业人员认为是该个体的糖尿病管理阶段最重要的结果和/或行为进行微调。这些优先次序可基于来自计算平台的显式反馈和隐式反馈来捕获。
数据输入和模型特征集合
血糖辅助系统会考虑到可能与患者血糖反应和/或血糖管理方案有某种关系的多个血糖反应事件。血糖反应事件可以在针对患者而获得的输入数据中传达、通过该输入数据来识别、或以其他方式来与之相关联。虽然数据输入的数目和类型在各个实施方案间可以是变化的，但是示例性实施方案会考虑到但不限于以下项：(1)用餐时间和营养含量；(2)锻炼时间、类型和强度；(3)用药类型、剂量、给药时间；(4)睡眠时间和质量；(5)压力时间(基于诸如心率、血压、皮肤电导、或用户输入的生理因素)；(6)一天中的时刻和/或一周中的日子(平日与周末)；(7)碳水化合物量；(8)推注剂量(以单位计)、推注时间(时间和/或日历数据)、和推注类型(一般、方波、双波)；(9)效胰岛素量；(10)胰岛素基础率；(11)暂时基础使用；(12)连续推注；(13)胰岛素暂停或输注泵暂停模式；(14)胰岛素贮存器倒回和灌注时间；(15)胰岛素泵报警和报警时间；(16)传感器警报和警报时间。
方法
在一组特定事之后的传感器血糖和推注数据可原样显示为默认或当前的比例(mg/dl或mmol/l)，或者数据可变换为z分数(x平均值/标准偏差)，以便为个体归一化轨迹。关于事件的血糖结果在回顾性数据内估计。识别产生最佳血糖结果的实例并将其显示给用户。对结果的估计可通过机器学习算法(诸如通过经由回归分析的最大似然估计的特征选择、神经网络、支持向量机、逻辑回归、决策树等)来进行。不管特定具体实施如何，血糖辅助系统都可限定特征重要性和最佳血糖反应事件。
独立变量的此多变量组合也可用于迭代通过同时发生的事件的组合。此概念的延伸涉及餐食中成分的组合。在模型中的此细节度可基于历史数据来提取可能产生患者最佳结果的用药、行为或成分的范围。此外，系统可使用该模型来预测尚未发生但可能产生最佳结果的事件的范围。
由血糖辅助系统用来计算患者的血糖谱的特定方法如在各个具体实施间可以是变化的，以适应于特定实施方案。以下示例涉及可用于在存在附加的协变量的情况下结合特定的食物或动作来估计所得的传感器血糖数据的不同方法。应当理解，可通过血糖辅助系统实施方案来部署附加或另选的技术。
方法1：对单个食物血糖反应的独立成分分析
独立成分分析(ica)可以用于信号去噪、或从多个并发信号的线性组合提取源数据。参见例如在www.wikipedia.org上在线发布的方法以及hyvarinen和oja的“独立成分分析：教程(independentcomponentanalysis:atutorial)”(1999年4月)中描述的方法，其内容以引用方式并入本文。ica的当前应用包括通过识别在说话人的房间中的个体的话音来进行的语音识别。以与在有多个说话人的房间中可检测到特定语音相同的方式，可以将与吃桃子相关联的人的血糖谱与吃酸奶相关联的人的血糖谱分离(假定人吃了以桃子和酸奶为主要成分的蜜桃冻糕)。ica假定输入无论如何都是线性无关的，并且此假定在人类新陈代谢的上下文中可能不总是准确的。
因此，如果患者吃了芝士汉堡，那么该系统可识别和隔离单独成分(或至少对血糖谱具显着影响的主要成分)对血糖谱的影响。在某些实施方案中，系统是依赖于指示已摄入的食物(或将摄入的食物)、以及可能该食物的主要成分的由用户输入的数据。因此，该系统可生成对应于每个单独成分的预测的血糖谱，这又允许系统或患者来识别任何潜在麻烦成分，即，引起患者的血糖谱发生不期望变化的成分。作为此概念的延伸，系统可被适当地配置成单独考虑摄入的食物的营养含量而不是特定成分。就此而言，系统可通过摄入的脂肪量、摄入的简单碳水化合物量、摄入的复杂碳水化合物量、摄入的蛋白质量来分解摄入的食物，并且为这些单独组分生成对应血糖反应曲线。
方法2：对来自宏量营养素组成的食物血糖反应替代品的主成分分析和传感器轨迹分类
主成分分析(pca)是使用正交变换将一组可能相关变量的观察值转换为一组被称为主成分的线性无关变量的值的统计过程。就此而言，另一种预测对并发输入组合的血糖反应的方式是以通过最小化来自传感器血糖数据的前三个主成分的质心的马哈拉诺比斯距离而识别的集群来表征传感器血糖数据。一旦血糖传感器数据已被分类(例如分成五个集群)，集群类别可以用作与每个传感器血糖轨迹相关联的因变量的自变量。在这种情况下，因变量可以是从一餐中聚合的碳水化合物量、脂肪量、蛋白质量、和卡路里量，以及在用餐时被摄入的胰岛素量、起始传感器血糖值、和在用餐前30分钟内的传感器血糖变化率。从这些输入组合中，可训练模型以预测所得血糖反应曲线。通过将餐食宏量营养素应用于特定餐点(具有胰岛素和传感器血糖的细节)并且显示由形成分类集群的所有轨迹的平均值计算的所得的预测的传感器血糖轨迹，就可以将与餐食内容的关系部署到移动应用程序中。
方法3：关于每份餐食内容的最佳胰岛素施用以产生最佳结果(在范围中的时间)的机器学习
此方法预测了患者血糖将在指定目标值范围内的时间范围。此类型的反馈可以是对患者有用的，因为一个期望目标是最大化患者血糖被良好控制的时段。因此，如果用户指示她想吃冰淇淋，那么系统计算期望份量大小、最佳吃冰淇淋时间、推注剂量、最佳推注施用时间等。此信息提供给患者以试图来优化患者将保持在其目标血糖范围内的时间量(假定她实际将吃冰淇淋并遵循于建议)。递送给患者的信息远远不止简单的警告或状态信息。
举例来说，在使用在上文列出的相同的因变量的情况下，机器学习技术的输出将改为在餐食摄取之后的四个小时内在从70mg/dl至180mg/dl的范围内的百分比时间。从此信息，可更改胰岛素施用的方式以确保最终结果将是在范围内。此方法的替代形式可以是超出范围阈值中的特定时间(例如，80％，但是具体的百分比可根据患者的历史和控制而改变，并且可以随着时间推移进行调控)的二进制指示。
当系统检测到事件发生概率较高时，这些结果可供用户在需要时使用或智能地显示给用户。
数据输出
根据在此呈现的示例性实施方案，血糖分析的输出以期望的格式将信息提供给用户。输出可以包括但不限于以下项中的任一项或全部：(1)每个单独血糖反应轨迹；(2)每个单独胰岛素轨迹；(3)平均血糖反应轨迹；(4)平均胰岛素轨迹；(5)所有响应轨迹变化；以及(6)由输出(1)-(5)确定的最佳和最差的结果。
模型结果
模型提供必要的行为/用药和剂量范围以提供由患者和保健提供方限定的最佳结果。这可包括在某个范围内的最多时间、处于低血糖的最少时间、最小量血糖变异性等。此外，该模型提供了每个特征对期望(和不期望)结果的重要性的权重。
应用程序和模型扩展
可使用血糖反应曲线来描述患者日常生活中的血糖管理模式。此方面的示例包括但不限于：
(1)患者对特定行为、用药、事件等的自身生理反应。
(2)患者生理反应随着时间推移而发生的变化。
(3)也可用于以个别患者水平或聚合群体水平的比较性测量的形式告知预测分析。例如，对药物调整的比较性反应、对食物建议的比较性反应、对最佳锻炼方案的比较性反应、对最佳睡眠习惯的比较性反应等。
(4)这些反应曲线也可用于进行对某些刺激的血糖反应范围的流行病学研究，并且根据特定人口统计信息(诸如糖尿病的持续时间、性别、年龄、种族/民族等)进行研究。
(5)来自食物的血糖反应曲线(在曲线下方的面积、变化率等)的特征可用来计算出食物对个体产生的血糖指数和血糖负荷。
对血糖辅助系统的图形支持
血糖辅助系统可以生成以合适的方式格式化的图、曲线图、和其他视觉输出。例如，图16是关系于特定事件的叠加血糖传感器轨迹的示例性图700。所关系的事件可以是在上文列出的血糖反应事件中的任一者，诸如用药时间、锻炼时间、用餐时间等。水平轴表示了相对于被分析的事件的时间(其对应于原点)的时间。垂直轴表示了血糖测量。图700描绘了多个事件(例如，患者参加瑜伽课程)、以及平均曲线702。平均曲线702指示瑜伽课程事件的平均血糖响应。除平均值外，还可叠加附加统计测量(诸如中值、标准偏差、或四分位差)。
图17是围绕特定事件(吃了鸡肉薄饼)的时间的单独血糖传感器轨迹曲线的示例性图720。图720包括横跨事件前后的时间的单独的血糖谱722，其中垂直线724是对应于事件时间。图720还包括了被施用来适应餐食的药物(胰岛素)的量的图形指示726。在图720中显示的附加信息包括事件的时间戳、摄入的餐点的份量、作为餐点的一部分而摄入的碳水化合物的量、与该餐点一起摄入的额外碳水化合物、和患者可实现良好血糖控制的目标血糖范围。
图18是围绕特定事件(吃了鸡肉薄饼)的时间的单独血糖传感器轨迹曲线的另一个示例性图740。图740与图17中所示的图720类似，但是日期不同，摄入的额外碳水化合物的量是25克而不是10克，并且第二次推注的量和定时不同。更具体地讲，第二次推注是2.0单位而不是仅1.5单位，并且在图740中在事件时间与第二次推注之间的时间相对于图720中所示的事件要更长。值得注意的是，这些差异产生显着地不同的血糖谱742。
图16-18中所示的图的类型(和可能其他可视化的类型)可以在任何期望时间上生成并传递给患者。输出信息可用来更好地理解患者血糖反应，摄入的食物的类型和量、以及与餐食相关联地施用的推注的量和定时之间的关系。
图19是示出血糖信息报告过程760的示例性实施方案的流程图。过程760及其变体可通过在上文描述的系统100、300、或通过在功能上结合到系统100、300中的血糖辅助系统来进行。过程760开始于获得从一个或多个来源收集的相关输入数据(任务762)。如上文提到的，血糖辅助系统优选地利用被收集来与血糖认知生成和递送特征一起使用的相同输入数据(历史数据)。因此，结合系统100、300使用的示例性输入数据类型和数据来源的前述描述也适用于过程760。过程760分析输入数据以向用户提供血糖相关信息(例如，可基于传感器血糖读数、血糖仪测量结果或这两者的实际或预测的血糖谱)。过程760还分析了输入数据以提供对用户有帮助的附加信息。
过程760识别至少一个相关血糖反应事件(任务764)。在上文描述了多个示例性血糖反应事件，并且那些血糖反应事件中的任一者都可以在任务764处被识别。为了容易理解，此示例假定了仅一个血糖反应事件被识别。例如，所识别的血糖反应事件可能是餐食摄取、体育锻炼或疾病发作。值得注意的是，所识别的血糖反应事件可以与患者血糖反应曲线相关联或以其他方式关联。虽然并不总是必要或期望的，但是过程760可以过滤、调节、或以其他方式预处理输入数据或其部分(任务766)。例如，可进行任务766以识别明显错误或异常的数据并移除该数据、将“噪声”从原始血糖数据移除、和/或消除与所识别的血糖反应无关或与所识别的血糖反应几乎没有关系的输入数据事件。
过程760继续生成对所识别的相关事件的患者血糖反应的至少一个图形表示(任务768)。与图16-18的描述一致地，在任务768处生成的图形表示可以指示患者的传感器血糖读数和/或血糖测量。如图16描绘的，在任务768处生成的图形表示可以包括对应于所识别的相关事件(其定时对应于水平轴的原点)的不同发生情况的叠置或叠加的血糖谱或轨迹。作为另外一种选择，如图17和图18所示，在任务768处生成的图形表示可以包括仅一个血糖谱，诸如在最近发生的所识别的相关事件之后的患者血糖反应。
如果所识别的相关事件包括摄取餐食、一份食物、饮料、或具有营养价值的东西，那么在任务768处生成的图形表示可以包括指示患者对餐食、餐点、饮料等的总体血糖反应。作为另外一种选择或除此之外，在任务768处生成的图形表示可以包括指示患者对所摄取的餐食中包含的成分或营养组分的血糖反应的单独曲线/轨迹(以不同的方式呈现或彼此组合地呈现)。在此上下文中，单独曲线中的每一者都指示了对餐食中包含的成分、营养组分(脂肪、碳水化合物，蛋白质)、化学组成、或元素的血糖反应。例如，如果患者吃了沙拉，那么图形表示可以包括示出因绿色蔬菜组分而产生的血糖响应的一个曲线、示出因奶酪组分而产生的血糖反应的另一个曲线、和示出因调味料组分而产生的血糖反应的第三曲线。在上文描述了可应用来将原始血糖数据分解成对应于食物/营养组分的组成部分的方法(例如，使用马哈拉诺比斯距离的ica方法和表征)。
在某些实施方案中，在任务768处生成的图形表示包括或传达高于或超出血糖谱数据的附加有用信息。例如，图形表示可包括或标识但不限于以下项中的任一项或全部：相关事件的时间戳数据；标识相关事件的定时的标记，例如，开始时间、结束时间或这两者；指示胰岛素推注的定时和量或被施用以适应餐食摄取的其它胰岛素量的元素；描述符、图标、或关于餐食内容的某种类型的描述性信息，诸如标识患者所摄取的特定食物、成分、或营养组分(脂肪、碳水化合物、卡路里、蛋白质)的文本或标签；等。
过程760在适当的时间将所生成的图形表示(或多于一个图形表示，如果适用的话)递送到用户的移动装置(任务770)。移动装置的本地处理和显示能力用于将图形表示呈现给用户。
图20是示出血糖结果优化过程780的示例性实施方案的流程图。过程780可以被认为是用于向胰岛素输注装置的用户报告血糖信息的方法的另一个示例性实施方案。过程780及其变体可通过在上文描述的系统100、300、或通过在功能上结合到系统100、300中的血糖辅助系统来进行。过程780开始于获得从一个或多个来源收集的相关输入数据(任务782)。如上文提到的，血糖辅助系统优选地利用被收集来与血糖认知生成和递送特征一起使用的相同输入数据(历史数据)。因此，结合系统100、300使用的示例性输入数据类型和数据来源的前述描述也适用于过程780。过程780分析输入数据来向用户提供建议，其中建议旨在延长、最大化或优化患者血糖被良好控制的时段。
过程780识别至少一个跟踪的、计划的、或期望的相关血糖反应事件(任务784)。在某些实施方案中，任务784获得指示所跟踪的相关事件的由用户输入的信息。在上文描述了多个示例性血糖反应事件，并且那些血糖反应事件中的任一者都可以在任务784处被识别。为了容易理解，此示例假定了仅一个血糖反应事件被跟踪。例如，所跟踪的血糖反应事件可能是“吃一勺冰淇淋”或“吃两片奶酪披萨并且喝杯啤酒”或“跑步45分钟”。虽然并不总是必要或期望的，但是过程780可以过滤、调节、或以其他方式预处理输入数据或其部分(任务786)。例如，可进行任务786以识别明显错误或异常的数据并移除该数据、将“噪声”从原始血糖数据移除、和/或消除与所跟踪的血糖反应无关或与所跟踪的血糖反应几乎没有关系的输入数据事件。
系统就所跟踪的血糖反应事件而分析当前和历史的输入数据来计算出一个或多个建议血糖控制参数(任务788)。假定所跟踪的血糖反应事件将实际上发生，建议参数旨在延长在相关事件之后的“在目标血糖范围内”时段。在某些实施方案中，系统试图最大化患者的传感器葡萄糖或血糖在被跟踪的事件之后的四个小时内将保持在期望目标范围内的时间量。整个四小时时间窗仅是示例性的，并且该窗可取决于特定实施方案而更长或更短。过程780考虑到此目标而计算出建议血糖控制参数。在此上下文中，血糖控制参数可以是影响未来患者血糖反应的变量或因素。如本文所用的，建议血糖控制参数可以包括但不限于以下项中的任一项：与餐食摄取有关的信息(例如，食物类型、份量大小、营养含量，成分)；与用餐时间有关的信息；与胰岛素递送有关的信息(例如，胰岛素推注量、胰岛素推注时间、推注类型、基础率)；身体活动数据；用药数据；睡眠相关数据；等。
过程780继续生成输出消息，输出消息包括建议血糖控制参数中的至少一些、以及可能其他信息(如果期望的话)(任务790)。输出可以包括：基于文本的消息；图形；视频内容；音频内容；等。输出提供提示、指导、或建议以供患者考虑是否实际进行被跟踪的事件。例如，如果患者计划吃一勺冰激凌，那么输出可以包括与份量大小、吃冰淇淋时间、胰岛素推注量、和进行推注时间有关的建议。因此，过程780不是将简单的警告或提醒提供给用户，而是生成建议，如果遵循建议的话，那么应当紧接被跟踪的事件之后的时段内优化患者的血糖谱。
过程780以适当的格式、在适当的时间、并且使用合适递送机制将输出消息递送到用户装置(任务792)。在某些情况下，输出消息在所跟踪的血糖反应事件发生前的某个时间上传递。这是允许患者采取适当的动作来解决所跟踪的事件所期望的。用户装置的本地处理和显示能力用于将输出消息呈现给用户。
虽然在前述详细描述中已呈现了至少一个示例性实施方案，但是应当理解，存在大量变化。还应理解，本文中所述的一个或多个示例性实施方案并不旨在以任何方式对所要求保护的主题的范围、可适用性、或配置进行限制。相反，前述详细描述将为本领域的技术人员提供用于实现所述的一个实施方案或多个实施方案的方便的路线图。应当理解，各种变化可以在元件的功能和布置上进行，而不脱离由权利要求限定的范围，权利要求包括提交本专利申请时已知的等同物和预知的等同物。