用于确定凝血结果的技术的制作方法

本公开文本涉及用于确定生物样品的凝血结果的方法和用于确定生物样品的凝血结果的系统。

发明背景

在当今医疗执业者的日常工作中凝血诊断(也称为凝结诊断)起着重要作用。通常，凝血诊断涉及由自动分析仪进行的部分自动或全自动过程。通常，在预定的时间段内重复测量，以监测由凝结反应引起的样品特性的变化。然后可以处理所得到的测量数据时间序列，以获得对凝结过程的了解，并且从而了解被提取了样品的个体的健康状况。具体而言，自动分析仪可以被配置为基于生成的测量数据自动确定一个或多个凝血结果(例如，凝结时间或信号变化的大小)。

这个过程可能容易出错，因为可能会出现多种不同的混杂因素，并且导致自动确定过程步入歧途。例如，测量数据的时间序列可包括信号跳跃(例如，由样品容器的移动或样品中的气泡引起)或信号异常值。此外，在样品中可能发生与待监测的反应不同的反应并且可能影响凝血结果。另外或可替代地，样品或试剂处理中的错误或其他错误可导致测量数据的时间序列的意外形状。在任何这些情况或其他情况下，自动进行凝血结果确定算法的自动分析仪可能确定出错误的凝血结果。这会产生严重后果，因为错误的凝血结果会影响诊断和治疗决策，或者可能需要昂贵的凝血诊断的重复。

发明概述

本公开文本的第一一般方面涉及一种用于确定生物样品的凝血结果的自动化方法，该方法包括获得表示生物样品的测量数据的时间序列，该时间序列跨越生物样品中应该发生凝结反应的时间段；并且获得被配置为对发生凝结反应的生物样品的测量数据建模的全局模型函数，该全局模型函数被配置为将测量数据建模为具有至少一个拐点的s形。在该至少一个拐点一侧的该s形的最大曲率绝对值比在另一侧的大。该方法进一步包括将该模型函数拟合到表示测量数据的时间序列以获得拟合全局模型函数，并基于拟合全局模型函数确定该生物样品的凝血结果。

本公开文本的第二一般方面涉及用于确定生物样品的凝血结果的系统，该系统被配置为执行本公开文本的第一一般方面的步骤。

在一些实施方案中，第一一般方面的方法和第二一般方面的系统可以具有以下优点中的一个或多个。

通常，在一些例子中，本公开文本的技术可以允许稳健地自动确定凝血结果。

首先，与使用多个模型函数分段地接近测量数据的时间序列的一些现有技术相比，通过使用全局模型函数，可以减少异常值或其他错误数据点的影响。因此，在本公开文本的一些例子中，不需要异常值检测和去除过程。

其次，使用全局模型函数可以允许相对简单地检测测量数据时间序列中的信号跳跃。例如，信号跳跃可以导致拟合值与测量数据时间序列的数据值之间的差异的特征标记，这可以以简单方式检测到。再次，包括不同模型函数的分段拟合的一些现有技术方法可能需要更复杂的信号跳跃检测算法。

第三，凝血结果可以基于拟合全局模型函数自动确定，在一些例子中，该拟合全局模型函数被配置为以简单且稳健的方式根据本公开文本将测量数据建模为s形。在测量数据具有有效形状的情况下，对于具有多种不同特征的测量数据，如此定义的全局模型函数可适合于确定凝血结果。例如，用于凝血诊断的不同自动分析仪或测定可以产生数量上不同的时间序列。另外，在不同环境中可存在或不存在不同的误差源和混杂因素。例如，在一些情况下，样品中的不同干扰过程可能导致较大时间值的测量数据中的漂移基线或尾部。

在一些例子中，当使用本公开文本的全局模型函数时，可以自动处理这些错误和混杂因素。此外，如此定义的全局模型函数可以针对多个不同的环境(例如，特定操作员使用的不同分析仪或不同测定)定制。

第四，在一些例子中，即使没有观察到基线，也可使用全局模型函数来确定凝血结果。例如，可能延迟开始测量过程和/或可能过早地添加触发凝血反应的试剂。用于自动凝血结果确定的一些现有技术不能处理此类测量数据。

第五，在一些例子中，根据本公开文本拟合全局模型函数可以以相对简单的方式促进无效或负(即，没有发生凝结反应)曲线形状的检测。例如，可以评价在拟合全局模型函数的过程中获得的一个或多个拟合质量参数，以确定测量数据的时间序列不显示有效的凝血曲线。

如文本所使用的，术语“s形(sigmoid或sigmoidalshape)”(这两个术语可互换使用)包括所有总体上为s形的曲线。它包括但不限于逻辑函数的特殊情况，如通过公式s(x)＝1/(1+e^-x)定义的。

如本文所定义的s形具有至少一个拐点。然而，在其他例子中，它可以具有多于一个拐点。拐点可以位于s形的任何位置(s形可以具有不对称形状，其中拐点一侧的信号增长或下降小于拐点另一侧的相应信号增长或下降)。s形可以围绕着拐点而呈点对称或不对称。

本公开文本中的“全局模型函数”涉及可以通过拟合单个函数表达式来对凝血数据的完整时间序列建模的模型函数。与此相反，一些现有技术使用多个局部模型函数来分段拟合时间序列。

表述“配置为对……建模”表达全局模型函数的用以对相应的特征建模的可能性。根据模型函数拟合的时间序列的性质，拟合的模型实际上可能显示相应的特征或不显示。例如，作为线性和非线性项之和的模型函数被配置为对具有相应非线性行为的时间序列建模。然而，在样品时间序列在时间上是线性的情况下，拟合模型函数也将是线性的(例如，非线性项的权重将较低或为零)。换言之，即使模型函数被配置为对某些特征建模，这并不意味着拟合模型函数在所有情况下都显示相应的特征。

凝血(还称为凝结)是血液从液态变成凝胶形成血凝块的过程。该过程可能引起止血，即从受损的血管停止失血，然后修复。凝血机制涉及血小板的活化、粘附和聚集以及纤维蛋白的沉积和成熟。凝血障碍是可以导致例如出血或血栓症的疾病状态。凝血机制在所有哺乳动物中是相似的，并且涉及细胞组分(血小板)和蛋白质组分(凝血因子)二者。血管受伤已损坏作为血管的内衬的内皮之后，凝血几乎立即开始。血液通过内皮泄漏会启动两个过程：血小板变化、以及内皮下组织因子暴露于血浆因子vii，最终引起纤维蛋白形成。血小板在伤口部位立即形成栓；这被称为初期止血。继发性止血同时发生。因子vii以外的额外的凝血因子或凝结因子以复杂级联产生响应从而形成纤维蛋白链，这些纤维蛋白链强化血小板栓。

本文所述的方法可用于凝血诊断的任何测定，该测定基于在体外监测正在进行的凝血反应(例如，如上所述)的测量数据的时间序列。

根据本公开文本的“自动分析仪”可以是适合于生成通过本公开文本的技术处理的测量数据的任何自动或半自动设备。自动分析仪可配备任何合适的测量单元，以执行可用于确定凝血诊断的测量数据时间序列的测量。

例如，自动分析仪可以被配置为对生物样品进行光学或电学测量以生成测量数据。光学测量可以包括以下项中的一个或多个：浊度测量、吸光度测量、散射测量或透射率测量。电学测量可以包括电阻测量或阻抗测量。

术语“生物样品”是指可能含有用于凝血分析的感兴趣分析物的一种或多种材料。样品可以源自生物来源，例如生理流体。具体而言，样品可以是全血样品或可以源自血液样品。

可以在使用前预处理生物样品，如从血液制备血浆。处理方法可涉及对包含感兴趣分析物的样品组分进行离心、过滤、蒸馏、稀释、浓缩和/或分离，使干扰组分失活以及添加试剂。

样品可以在从来源获得时直接使用，或在预处理以修改样品的特征后使用。生物样品可以是不同材料的混合物。具体而言，生物样品可包括非生物材料，例如稀释剂、缓冲剂或可在凝血分析之前添加的其他添加剂。

除非另有说明，否则本公开文本中的术语“基本上”可以指与预定值有+/-10％偏差。例如，如果两个元件的长度基本上相等，则它们的实际长度可相差最多10％。以相同的方式，如果强度分布是基本上均匀的，则可能发生偏离平均值高达10％的偏差。

附图简述

图1示出了根据本公开文本的用于确定生物样品的凝血结果的示例方法。

图2显示了根据本公开文本的测量数据时间序列和拟合模型函数的示例图。

图3示出了根据本公开文本确定凝血结果的示例过程。

图4示出了示例全局模型函数的不同拟合参数如何影响根据本公开文本的示例拟合模型函数。

图5a和图5b显示了凝血测量数据的示例时间序列和根据本公开文本的拟合模型函数。

图6a和图6b显示了凝血测量数据的另外的示例时间序列和根据本公开文本的拟合模型函数。

发明详述

随后将讨论本公开文本的用于确定生物样品的凝血结果的方法和用于确定生物样品的凝血结果的系统的具体方面。

结合图1和图2，将总体上讨论本公开文本的方法和系统的不同方面。随后，结合图3，将更详细地覆盖确定凝血结果的其他方面。结合图4，将更详细地处理全局模型函数的具体选择。最后，结合图5a、图5b、图6a和图6b，将讨论可以用本公开文本的技术来评价的测量数据的示例时间序列。

关于本公开文本的技术的概述

图1示出了根据本公开文本的用于确定生物样品的凝血结果的示例方法。

该方法包括以下步骤：获得表示生物样品的测量数据的时间序列51，获得被配置为对生物样品的测量数据建模的全局模型函数52，将该模型函数拟合到表示测量数据的时间序列以获得拟合模型函数53，并基于拟合模型函数确定该生物样品的凝血结果58。在后续部分中将更详细地讨论这些步骤。该方法还可以包括验证拟合模型函数的可选步骤54-57。这些步骤将在下面单独的部分中讨论。

获得表示生物样品的测量数据的时间序列51可以包括对表示测量数据(例如，由自动分析仪获得的测量数据)的时间序列的任何自动触发或用户触发的接收。在一个例子中，该处理步骤发生在进行测量操作从而产生时间序列的自动分析仪处理系统中(例如，测量数据可以从本地存储器获得)。在其他例子中，该处理可以在与进行测量操作以产生时间序列的自动分析仪分开和/或远离的处理系统上进行。在这些例子中，可以通过网络连接来接收测量数据。

在任何情况下，该时间序列跨越生物样品中应该发生凝结反应的时间段。该时间段可以是进行测量的自动分析仪的预设时间段，或是由进行测量的自动分析仪动态设置的可变时间段。

在许多情况下，该自动分析仪被配置为向生物样品中添加试剂，以触发凝结反应。在这些例子中，时间序列可以跨越在加入试剂后不久(例如，0.1秒或更长)开始的时间。可以在凝结反应基本上终止的预期时间点之后设置该时间段的结束时间。此时间点在本公开文本中也称为“饱和点”。应该指出的是，可能无法确定凝结反应结束时的具体时间点。然而，“凝结反应结束”可以被视为样品中预定的主要百分比的材料(例如，90％或更多的材料)已经反应的时间点。在这个时间点之后，一些凝结反应可以(并且很可能会)继续。

获得全局模型函数52可以包括检索存储在处理系统的存储器中的模型函数，该处理系统执行用于确定本公开文本的生物样品的凝血结果的方法。例如，全局模型函数可以被包含在自动分析仪的控制软件中。

全局模型函数被适配为对其中发生凝结反应的生物样品的测量数据建模。属性“全局”指示模型函数被适配为对在凝结反应开始之前的时间点开始并且在凝结反应已经饱和之后结束的整个时间序列建模(即，归因于持续进行的凝结反应的测量数据变化低于预定阈值)。下面将结合图2和图4讨论本公开文本的全局模型函数的其他特征。

将模型函数拟合到表示测量数据的时间序列以获得拟合模型函数的步骤53可包括任何合适的数值技术，以将本公开文本中讨论的模型函数拟合到测量数据的时间序列。例如，拟合过程可以包括使用合适的数值回归技术进行(迭代)非线性回归。这些技术可以包括自动生成用于拟合全局模型函数的参数的起始值，并迭代地优化这些自动生成的起始值。技术人员了解可用技术以及可以如何实施它们来自动进行本公开文本的拟合操作。因此，在本公开文本中将不会更详细地讨论关于拟合步骤的实现的细节。

该拟合过程可以在进行生物样品测量的自动分析仪上本地进行。在其他例子中，可以在远程站点进行拟合过程。在一个例子中，提供适配能力的软件可以存储在远程服务器或云存储位置处，并且可以从自动分析仪所在的位置远程访问。

基于拟合模型函数确定生物样品的凝血结果可以包括基于拟合全局模型函数确定以下项中的一个或多个：凝血(或凝结)时间或由确定的凝血反应引起的信号变化的大小。

凝血时间可以指示生物样品在预定条件下体外凝血所需的时间。此值可以指示不同的健康状况。由凝血反应引起的信号变化的大小可以产生关于正在进行的凝血反应的定量信息，其也可以指示不同的健康状况。

尽管在本公开文本的许多段落中将作为示例凝血结果来讨论凝血时间和信号变化的大小，但拟合模型函数也可用于确定作为凝血结果的其他特征。下面将结合图3讨论关于确定凝血结果的进一步细节。

在前面的部分中已经给出了关于根据本公开文本的用于确定生物样品的凝血结果的方法的概述之后，接下来将讨论在本公开文本的技术中采用的特定的全局模型函数。

全局模型函数

图2显示了根据本公开文本的测量数据时间序列和拟合模型函数的示例图100。在图2的例子(和随后的例子)中，测量数据的时间序列包括生物样品随时间的消光(或光密度)值。在一些例子中，生物样品的光密度可以与目标分析物的浓度成比例。

在其他例子中，时间序列可以包括除了随时间的消光(或光密度)之外的另一参数的数据值。例如，该参数可以是生物样品的透射或阻抗(或包括从这些参数导出的数据值)。然而，本公开文本的技术可以同样地应用于测量数据追踪除消光(或光密度)之外的另一参数的这些情况中。具体而言，测量数据的曲线形状可以具有这些参数的类似特征。因此，如果时间序列包括除消光数据之外的其他测量数据，则可以采用本公开文本中描述的全局拟合模型。

在图2的例子中，时间序列13表示有效的测量数据集。换言之，如预期的那样在生物样品中发生凝血反应，并且没有发生明显的测量误差。

可以看出，拟合模型函数11反映了时间序列13的特性。具体而言，拟合模型函数11将测量数据建模为具有至少一个拐点14的s形19。在该至少一个拐点14一侧(左侧)的该s形19的最大曲率绝对值比在另一侧(右侧)的大。换言之，拟合模型函数11围绕着拐点14是点不对称的。因此，拟合模型函数11在较早时间段中展现出较快的信号变化(例如，增长)直到拐点14的时间点，并且在拐点14的时间点开始的较晚时间段中展现出较慢的信号变化(例如，增长)。该曲线开始较陡，并且然后过渡到较浅的部分。在其他例子中，双侧的关系可能会相反。

拐点14的相对位置可以变化。例如，拐点14可以位于s形19的较早阶段(例如，在s形达到其幅值的20％之前)或在s形19的较晚阶段(例如，在s形达到其幅值的80％之后)。

在其他情况下，s形的最大曲率的绝对值的差异可以大于或小于图2中描绘的。如下面将讨论的，该全局模型函数可以被配置为对s形的最大曲率的绝对值的不同差异建模。

在用于对凝血分析中的测量数据建模的模型函数的一些现有技术例子中，拟合的曲线具有围绕着拐点的对称形状。与这些例子的模型函数相比，本公开文本的模型函数可以更灵活地适配为区分在不同情况下可能遇到的不同信号形状。

除了上面讨论的特定s形之外，本公开文本的全局模型函数可以被配置为对测量数据的时间序列的一个或多个附加特征建模。

例如，全局模型函数可以被配置为对s形的非平坦基线建模。换言之，s形的基线随时间变化。与此相反，逻辑函数具有平坦基线(即，对于非常小的时间值(“在左侧”)，逻辑函数的函数值基本上是恒定的)。术语“基线”在本公开文本中用作指代在由待观察的凝结反应引起的显著非线性信号变化(即，“s形”的中间部分)之前，测量数据的时间序列/拟合模型函数的一部分。

如上面所讨论的，在此部分中可能尚未开始凝结反应，或者在测量数据中正在进行的凝结反应的影响可能尚不显著。图2中的拟合函数11对这种非平坦基线12建模。如可以看出的，在曲线的展现非线性行为的部分之前的时间序列的一部分中，基线12线性下降。

在其他例子中，拟合模型函数的基线可以线性上升。本公开文本的全局模型函数可以被配置为对上升、下降和平坦基线或对这些中的一个或多个的选择(例如，可以提供特定模型函数以假定仅下降基线或仅上升基线)进行建模。在其他例子中，模型函数可被配置为对以非线性方式上升或下降的基线建模。

基线的上述上升或下降可以由生物样品中发生的反应引起，而不是由在一些例子中要监测的凝结反应引起。

除了非线性基线之外或作为其替代方案，全局模型函数可以被配置为对s形的非平坦虚拟或实际渐近线10建模。在没有因待观察的凝结反应发生信号值的进一步变化时，渐近线10可以被认为标记信号水平。

该渐近线可以是拟合模型函数/时间序列中可辨别的实际渐近线。在这些情况下，拟合模型函数/时间序列逼近实际渐近线。图5a、图5b和图6a中描绘了具有实际渐近线的拟合模型函数的例子。

在其他例子中，该渐近线可以是拟合模型函数/时间序列的虚拟渐近线。图3中描绘了这个情况的例子。如可以看出的，显示“扩展模型”的拟合曲线的图表具有呈正曲率的尾部。换言之，拟合模型函数不逼近线性渐近函数，而是在s形的右手侧弯曲。如上面所讨论的，此尾部可以是生物样品中的干扰过程的结果，这些干扰过程与生物样品中待观察的凝结反应叠加。例如，生物样品可能被溶血产物污染(例如，如果执业者在抽取血液样品时犯了错误)。

在这些情况下，本公开文本的全局模型函数仍然可以对非平坦渐近曲线建模。然而，由于叠加过程，该渐近曲线在时间序列和拟合模型函数中是不可见的。该虚拟渐近线是在没有干扰过程的情况下，时间序列/拟合模型函数将逼近的渐近线。例如，该虚拟渐近线可以是在s形没有呈负或正曲率的尾部的情况下，时间序列/拟合模型函数逼近的渐近线。

图2的拟合函数11对测量数据13的时间序列中的非平坦实际渐近线10建模。如图2中可以看到的，拟合模型函数11和测量数据的时间序列渐近地逼近渐近线10(下面将结合图3和图4讨论虚拟渐近线的例子)。在以下部分中对图2的实际渐近线10的讨论同样适用于拟合全局模型函数定义虚拟渐近线的情况。

在图2的例子中，渐近线10是线性上升线。在其他例子中，拟合模型函数的渐近线10可以线性地下降。本公开文本的全局模型函数可以被适配为对上升、下降和平稳渐近线或对这些中的一个或多个的选择(例如，可以提供特定模型函数以假定仅下降渐近线或仅上升渐近线)进行建模。在其他例子中，模型函数可被适配为对以非线性方式上升或下降的渐近线建模。

在一些例子中，具有对全局模型函数(用于对凝血测量的测量数据建模)中非平坦基线和/或渐近线建模的能力可以导致更准确且更稳健地确定凝血结果。

下面将结合图4讨论本公开文本的全局模型函数的其他潜在方面以及特定示例全局模型函数。首先，将处理凝血结果的确定过程的其他细节。

凝血结果确定

图3示出了根据本公开文本确定凝血结果的示例过程。如上面所讨论的，已将全局模型函数拟合到测量数据的时间序列以获得拟合模型函数。在图3的例子中，显示了两个不同的拟合模型函数11a、11b，为使用(略微)不同的全局模型函数的结果。随后可以使用这些拟合模型函数11a、11b中的任何一个来确定一个或多个凝血结果。

在一个例子中，确定过程可以包括基于拟合模型函数确定基线12，基于拟合模型函数确定实际或虚拟渐近线10，并且定义在基线与渐近线之间出现的阈值线21。

如上面所讨论的，基线12和/或渐近线10可以是非平坦的(例如，线性上升或下降)。图3中绘制的两个拟合模型函数11a、11b在这方面有所不同。虽然对于拟合模型函数11a、11b，非平坦基线12是相同的，但是导致拟合模型函数11a的(简单)全局模型对具有实际渐近线的时间序列建模。全局模型函数的“扩展模型”被配置为对时间序列的弯曲尾部建模并且导致拟合模型函数11b。如上面所讨论的，此拟合模型函数11b/时间序列具有虚拟渐近线。用于确定凝血结果的技术可以使用实际或虚拟渐近线。因此，在下一部分中不区分这两种情况。

基线12与阈值线21之间的距离可以是在每个时间点处的基线12与渐近线10之间的距离的固定分数。由于图2的例子中基线12和渐近线10二者均是线性的，因此阈值线21也是线性的。

例如，可以根据对生物样品进行的测试类型或生成测量结果的自动分析仪的类型来设置固定分数。在一些例子中，该分数在0.05与0.9之间(例如，设置为在0.1与0.6之间的值)。

在进一步的步骤中，可以基于拟合模型函数11a、11b的特征(其中拟合模型函数11a、11b与阈值线21交叉)来确定凝血结果。在图2的例子中，阈值线21在点24处与拟合模型函数交叉。

在一个例子中，对应于此点24的时间值23可以被确定为凝血结果。在此例子中，凝血结果是凝血时间(或凝结时间)。

另外或可替代地，可以将在拟合模型函数11a、11b与阈值线21交叉的时间点23处在基线12与渐近线10之间的差异22(或其分数)确定为凝血结果。在此例子中，凝血结果量化由凝结反应引起的测量数据的信号变化的大小。

在其他例子中，可以按除了上面讨论的方式之外的其他方式确定凝血时间或由正在进行的凝结反应引起的测量数据信号变化的大小。

例如，确定凝血结果可以包括基于拟合模型函数确定基线或基于拟合模型函数确定渐近线。在进一步的步骤中，该方法可以包括将阈值线定义为在每个时间点处基线值的固定倍数或者渐近线的固定分数。确定凝血结果可以基于拟合模型函数的一个或多个参数发生，其中拟合模型函数与阈值线交叉。如上面所讨论的，凝血结果可以是凝血时间或由正在进行的凝结反应引起的测量数据信号的大小。

在又其他例子中，凝血时间被确定为拟合模型函数的最大斜率25的时间点或拟合模型函数的另一突显特征。

在又其他例子中(并且除了上面的凝血结果之外)，确定凝血结果可以包括确定拟合模型函数的其他特征或确定拟合模型函数的其他值。

例如，可以使用基线的轴截距处的信号水平、渐近线或两者来确定凝血结果。在其他例子中，可使用基线的其他预定时间点处的信号水平、渐近线或两者来确定凝血结果。然而，在一些例子中，单独的基线和渐近线水平的绝对值不携带与确定凝血结果相关的信息(与基线和渐近线水平之间的差异相反)。

如上面所讨论的，拟合模型函数的基线、拟合模型函数的渐近线或两者可在确定凝血结果的过程中使用。在一些例子中，可以使用拟合模型函数的拟合参数的一个或多个子集来确定基线、渐近线或两者。下面将讨论有关此过程的其他细节。

在详细描述的例子中，拟合模型函数中的信号变化被描绘为正(例如，从较低水平基线增加)。然而，取决于用于生成时间序列的测量技术和/或测量数据的表示，信号变化也可以是负的(例如，从较高水平的基线下降)。例如，图3中的图表描绘了测量的吸光度并且显示生物样品的吸光度随着时间的推移而增加。然而，在其他例子中，可以检测生物样品的透射率，对于相同的样品，其可能随着时间的推移而降低。在任何这些情况下，同样可以应用本公开文本的技术。

示例全局模型函数

在已经讨论了本公开文本可以具有的全局模型函数的一般属性之后，随后将结合图4讨论不同的示例全局模型函数。

图4中的图表再次显示了通过使用本公开文本的两个不同的全局模型函数(“简单”模型和“扩展”模型)生成的两个示例拟合模型函数11a、11b，并且示出了不同拟合参数可以如何影响拟合模型函数。

如可以看出的，拟合模型函数定义了非平稳基线、非平稳渐近线(在拟合模型函数11a的情况下为实际渐近线，并且在拟合模型函数11b的情况下为虚拟渐近线)，并且如上面所讨论的，将时间序列建模为不对称的s形。

另外，模型函数可以被配置为对测量数据的具有正曲率的非线性尾部40建模。拟合模型函数11b显示此属性。换言之，在s形的非线性部分之后的一个时间段内，测量数据不会线性增加或减小或保持恒定。在其他例子中，测量数据的尾部可以具有负曲率。

在一些例子中，本公开文本的全局模型函数包括三个或四个项的和。这些项可被适配为对测量数据的时间序列的不同特征建模。

例如，第一项是定义基线截距的常数项，第二项可以是定义基线斜率的线性项，并且第三项可以是对要监测的凝结反应已经开始之后的信号变化建模的非线性项(即，定义s形的非线性行为)。

第三项可以是线性分量与两个或更多个指数分量的乘积。例如，线性分量可以定义(虚拟或实际)渐近线，并且两个或更多个指数分量可以定义s形的非线性部分的形状。

另外，第四项可以是定义模型函数尾部中的非线性行为的非线性项(例如，模型函数的尾部的正或负曲率)。

全局模型函数的第一个例子可如下表示：

(等式1)。

在此表示中，项pi表示拟合参数(指数i为从1到8)，并且x表示要拟合的时间序列的时间值。将模型函数拟合到时间序列可以包括找到如下拟合参数集pi，其导致尽可能接近地匹配时间序列的拟合模型函数(例如，最小化质量标准，如最小二乘准则)。如上面所讨论的，可以采用非线性回归技术来解决此问题。

等式1的全局模型函数被适配为对不对称s形以及非平坦基线和非平坦实际渐近线建模(即，s形逼近渐近线)。在此例子中，基线和渐近线是线性建模的。换言之，拟合模型函数逼近s形左右的线性函数。如可以看出的，线性基线和线性渐近线的斜率可以不同。

接下来将讨论不同拟合参数对拟合模型函数的形状的影响。这也在图4中指示出，该图描绘包括要突出显示的相应拟合参数的箭头各自的影响。

第一个拟合参数p1定义基线截距。如可以看出的，对于时间x＝0，除了p1的所有参数的影响很小。对于小的x值，指数项抑制了最后一项的影响。此外，第二个拟合参数p2与第一个拟合参数p1一起定义基线斜率。因此，由项p1(1+p2x)定义基线。

第三个拟合参数p3影响(虚拟或实际)渐近线的截距与基线的截距的差异。第四个拟合参数p4影响(虚拟或实际)渐近线的斜率。如可以在等式1中看出的，包括指数因子的第三项的分子也定义了线性关系(p3(1+p4x))。因此，对于时间x＝0，该等式假定值p1+p1p3。此外，对于大时间值，指数项接近1。这意味着该等式近似具有以下值：

f(大x)＝p1(1+p2x+p3(1+p4x))。

可以看出，这又是线性函数，其可以与基线相比是偏移的，并且归因于项p3(1+p4x)的影响而具有不同的斜率。换言之，拟合参数的子集(例如，p1至p4)定义基线的形状和渐近线。因此，可以在确定涉及上面讨论的基线和渐近线的凝血结果的过程中使用这些拟合参数。

回到等式1，等式1的第三项的分母中的参数定义拟合模型函数的非线性部分的形状和位置，该拟合模型函数对有待观察的凝结反应的影响建模。在等式1的例子中，该模型函数包括两个逻辑函数的乘积(即，对称s形)，其可以具有不同形状和相应拐点的不同时间点。因此，如上所讨论的，它们的乘积可以定义不对称的s形。

对于小的(时间)x值，逻辑函数逼近零值，并且对于大的x值，逻辑函数逼近值1。因此，逻辑函数仅在一定时间段内影响拟合模型函数的形状。剩余的项确定s形的较早时间和较晚时间的形状。

在等式1的例子中，第五拟合参数p5定义了对拟合模型函数的非线性部分建模的第一s形的陡度，该拟合模型函数对有待观察的凝结反应的影响建模；并且第六拟合参数p6定义了对拟合模型函数的非线性部分建模的第一s形的拐点的时间位置，该拟合模型函数对有待观察的凝结反应的影响建模。因此，第七拟合参数p7定义了对拟合模型函数的非线性部分建模的第二s形的陡度，该拟合模型函数对有待观察的凝结反应的影响建模；并且第八拟合p8参数定义了对拟合模型函数的信号非线性部分建模的第二s形的拐点的时间位置，该拟合模型函数对有待观察的凝结反应的影响建模(如可在等式1中所看到的，在一些例子中，这些线性项也可影响非线性部分)。

从等式1可以清楚地看出，拟合模型函数受到第三项的s形在其完全扩展上的影响。因此，即使对于较早时间，拟合模型函数可能在时间上不是严格线性的。然而，在这个时间段内，与线性行为的偏差不显著，并且因此基线被视为是线性的。

尽管全局模型函数在等式1中具有特定形式，但是在其他例子中，此形式可以变化。例如，等式1的模型函数可以转换成数学上等效的公式(即，通过应用改变该公式的表示的操作)。例如，等效公式可以包括求解等式1的外括号。在此例子中，拟合参数可能不同。等效模型函数还可以用于拟合测量数据的时间序列，如本公开文本中所讨论的。

此外，在其他例子中，可以以不同方式修改模型函数。例如，可以在最后一项的乘积中添加第三(或第三和第四)个逻辑函数。另外或可替代地，等式1中的线性项可以由非线性项替代。下面将讨论其他变化。

等式1的全局模型函数(或其数学等效物)可以适合于拟合凝血诊断中出现的多种时间序列形状，而不使用过大的参数集。因此，拟合模型函数可以是准确的(例如，可以反映相关特征)并且同时是稳健且相对简单以便计算的(由于相对较低数目的拟合参数)。在其他模型函数的例子中，由于更简单的模型(例如，具有点对称的s形或平稳基线)，精度可能更低，或者由于更大数目的拟合参数，稳健性可能更低。

全局模型函数的第二个例子可如下表示：

(等式2)。

这里，术语pi又表示拟合参数(指数i为从1到10)，并且x表示要拟合的时间序列的时间值，并且xmax可以是另一个拟合参数或固定值。如可以看出的，前三个项与等式1的相应项相同。以上关于这些参数的讨论同样适用于等式2。

另外，等式2包括第四项，其是定义模型函数尾部中的非线性行为的非线性项。该项包括另一个逻辑函数。这意味着第四项不影响小x值(即，较早时间)的拟合模型函数的形状。

详细地，第四项包括第九和第十拟合参数(p9、p10)。值xmax可被定义为时间序列测量的最大时间(因此，xmax是拟合过程中的固定值)。在其他例子中，值xmax可被定义为基于时间序列或其他方式确定的另一个固定值。第十拟合参数p10影响模型函数尾部的曲率，并且第九拟合参数p9对测量数据尾部的非线性变化的幅值建模。

在其他例子中，对模型函数尾部中的非线性行为建模的一个或多个项可以包括与逻辑函数不同的函数。

在已经更详细地解释了若干示例全局模型函数之后，随后将结合图5a、图5b、图6a和图6b讨论进一步的修改和应用例子。

应用示例和其他变化

在不同情况下，本公开文本的模型函数可适合于对凝结分析中发生的测量数据的多种曲线形状建模。图5a显示了测量数据定义非平稳基线和(实际)渐近线平行的例子。在如图5b所示的另一个例子中，基线可以(相对地)平坦，而渐近线线性地升高。在图6a中描绘的又另一个例子中，渐近线降低时基线正在升高。在本公开文本的一些例子中，所有这些不同的形状可以用单个全局模型函数(例如，上面的等式1中所示的模型函数)建模。以这种方式，在不同情况下可以稳健且准确地确定凝血结果。因此，理论上，可以对源自许多不同自动分析仪、测定和环境的数据采用相同的模型函数。

在一些例子中，可以基于关于生成测量数据的分析仪的信息来选择模型函数。例如，关于分析仪的信息包括以下项中的一个或多个：关于分析仪的类型的信息、关于由分析仪进行的测定的信息和关于分析仪使用的试剂的信息。

例如，可能是预定分析仪的基线在预定设置中为平坦的情况。另外或可替代地，预定分析仪的(虚拟或实际)渐近线可以是平坦的。在又其他例子中，在一些情况下，基线和(虚拟或实际)渐近线可以是平行的。如果此类信息可用，则可以针对相应情况选择适当的模型函数。例如，对于特定分析仪的测量，如果基线是平坦的，则不需要模型函数具有对非平稳基线建模的能力。同样地，对于特定分析仪的测量，如果渐近线是平坦的，则不需要模型函数具有对非平稳渐近线建模的能力。在一些例子中，丢弃这些能力可以进一步简化模型函数(例如，减少多个拟合参数)。这反而可以使得拟合过程更快且更稳健。

在根据上面的等式1或等式2的模型函数的例子中，可以进行不同的简化以将关于时间序列的特征的附加知识考虑在内。

例如，使参数p2下降(或将参数p2设置为零)可得到平坦基线。以相同的方式，使参数p4下降(或将参数p4设置为零)可以得到与基线平行的渐近线。因此，使参数p2和p4二者下降(或将参数p2和p4设置为零)可以得到平坦基线和平坦渐近线。

这些简化可以在设置拟合算法时考虑，或者在拟合过程中被用作附加条件。

在一些例子中，选择该模型函数在设置分析仪期间发生，并且在操作分析仪期间无变化地使用所选模型函数。在出厂设置期间或稍后阶段，可以为自动分析仪选择模型函数。

如图6b中可以看出的，即使缺少时间序列的基线(例如，在凝血反应开始影响测量数据之后测量时间段已经开始)，本公开文本的拟合过程也可以导致有效拟合。与使用多个用于拟合数据的模型函数的一些现有技术相比，这可以是使用全局模型函数的其他优点。

有效性检查

在随后的部分中，将结合图1讨论在将全局模型函数拟合到测量数据的时间序列之后可以执行的多个另外的验证步骤54-57。通常，本公开文本的技术可以不包括这些验证步骤，或包括这些验证步骤中的一个或多个。一个或多个验证步骤54-57(本文也称为“辨别步骤”)允许区分不同类别的拟合模型函数(和/或不同类别的时间序列)。具体而言，第一类别集可以包括“有效”类和“无效”类。“有效”类中的拟合模型函数是进行进一步处理的候选者。如果拟合模型函数被放在“无效”类别中，这可能意味着基础的时间序列具有重大缺陷。另外或可替代地，类别集可以包括“负”类别(没有发生凝结反应)和“正”类别(发生凝结反应并且可以确定凝血结果)。

一个或多个验证或辨别步骤可以使用拟合模型函数和/或测量数据的时间序列用于相应的验证过程。

例如，验证步骤可以包括确定拟合模型函数54的拟合质量参数。质量参数可以是对测量数据的时间序列的拟合质量的任何度量。例如，可以基于拟合模型函数与时间序列的偏差(例如，拟合模型函数的绝对误差、拟合模型函数的标准误差或高阶模块)来确定拟合质量参数。如果该拟合质量参数低于(或高于)预定阈值，则可确定拟合的曲线是无效的55。

在一些例子中，使用测量数据的完整时间序列来确定拟合质量参数。在其他例子中，基于时间序列的子集(例如，确定的凝结时间加预定义时间段或在凝结时间左右的预定时间段)确定拟合质量参数。

在又其他例子中，确定拟合质量参数可以包括确定拟合模型函数和时间序列是否具有预定关系。例如，如果拟合模型函数之间的差异连续地具有固定指示，或在时间序列的预定子部分上具有固定指示，则可以进行确定。如果是这种情况，则可以将拟合模型函数声明为无效。

以这种方式，可以通过全局模型函数不能紧密拟合到时间序列的事实来检测基本上偏离预期时间序列的测量数据时间序列。这可以指示时间序列显著偏离预期的时间序列，这可能意味着时间序列不包括适当的测量数据。

另外或可替代地，有效和无效拟合模型函数之间的辨别步骤可包括确定拟合模型函数的一个或多个特征满足一个或多个预定条件。拟合模型函数的一个或多个特征可以包括以下项中的一个或多个：拟合曲线的最大斜率、信号变化的大小(例如，基线与渐近线之间的差异)和确定的凝结时间。一个或多个预定条件可包括相应特征的最大值和/或最小值。另外或可替代地，一个或多个预定条件可包括需要相应特征位于一个或多个预定范围内。例如，可以定义一系列有效的凝结时间。在另一例子中，可以设置信号变化(例如，信号增长或信号下降)的大小的最小值。

在另外的例子中(并且可能除了上面讨论的验证步骤之外)，辨别步骤可以包括将拟合模型函数的形状与一个或多个预期曲线形状进行比较56，并且如果拟合模型函数类似于一个或多个预期的曲线形状，则确定拟合模型函数是有效的57。

另外或可替代地，辨别步骤可包括将拟合模型函数的形状与一个或多个错误曲线形状进行比较，并根据比较结果对拟合模型函数/时间序列进行分类。例如，如果拟合模型函数类似于错误的曲线形状，则拟合模型函数/时间序列可以被分类为“负”类别(没有发生凝结反应)。如果拟合模型函数不类似于错误的曲线形状，则拟合模型函数/时间序列可以被分类为“正”类别(已经发生凝结反应并且可以确定凝血结果)。

例如，错误的曲线形状可以是线性函数。如果拟合模型函数显示基本上线性的行为(即，它没有s形)或类似于线性函数，则这可以指示没有发生有待观察到的凝结反应(即，时间序列由线性基线组成，归因于除了待观察的凝结反应之外的其他过程，该基线可能是不平坦的)。应注意，在一些例子中，使用本公开文本中描述的全局模型函数，可以以相对高的质量拟合错误的曲线形状。例如，上述等式1的前两个项描述了线性函数。因此，仅检查拟合质量参数可能不足以决定在一些情况下可基于拟合模型函数来确定凝血结果。

确定拟合模型函数是否类似于一个或多个预期或错误的曲线形状可以包括进行f检验或其他统计检验，以检查拟合模型函数类似于一个或多个预期或错误的曲线形状的假设。在一个例子中，可以将拟合模型函数与时间序列的线性模型进行比较。如果拟合模型函数类似于线性模型(例如，如通过f检验确定的)，则可以相应地对拟合模型函数进行分类。

可以按不同的方式使用上面讨论的有效性和辨别检查的结果。

在一些例子中，如果拟合模型函数是有效的和/或“正”(已经确定已发生凝结反应)，才确定凝血结果。另外或可替代地，执行有效性检查的系统可以向用户输出指示一个或多个有效性检查的结果的一个或多个消息或报告。例如，消息可以指示，拟合质量参数指示不良拟合，即拟合模型函数的特征不满足某个标准，或拟合模型函数的曲线形状不类似于预期的曲线形状(例如，没有发生凝结反应)。在一个例子中，该消息指示以下项中的一个或多个：低于预定阈值的凝结时间、高于预定阈值的凝结时间、低于预定阈值的信号变化的大小、或高于预定阈值的信号变化的大小。

在其他例子中，自动分析仪可以根据有效性检查的结果进行一个或多个操作。例如，该自动分析仪可以命令对已产生错误结果的样品进行一个或多个验证操作，重复拟合操作和/或对新样品进行重复凝血分析。

可以按任何顺序进行本文描述的技术的有效性检查和剩余步骤(条件是首先执行用以进行进一步步骤所需的步骤)。例如，即使图1显示了第一和第二有效性检查的特定顺序，这些检查的顺序也可以颠倒。另外，在确定凝血结果后可能发生一次或多次有效性检查。

上面讨论的验证检查可以允许相对简单和可靠地确定拟合模型函数是否为测量数据的时间序列的良好拟合和/或时间序列是否描述了有效测量。

信号跳跃校正

在可以与本公开文本的任何技术组合的一个附加步骤中，该方法进一步包括：确定表示测量数据的时间序列包括基于拟合模型函数的一个或多个信号跳跃，并且校正该一个或多个信号跳跃。

信号跳跃是可能由生成测量数据的时间序列的测量装置中的(相对突然的)变化引起的伪像。例如，样品容器或检测单元可以在测量期间移动，这可以导致信号跳跃。信号跳跃的其他原因是穿过测量装置的窗口，移动通过样品的气泡。

无论信号跳跃的原因如何，确定表示测量数据的时间序列包括基于拟合模型函数的一个或多个信号跳跃可包括搜索如下的时间序列的值，对于该时间序列来说，多个相邻的较早数据值低于拟合模型函数并且多个相邻的较晚数据值高于拟合模型函数，反之亦然。例如，该技术可以包括搜索数据值，对该数据值来说，拟合模型函数的三个或更多个(或十个或更多个)数据值之间的差异与数据值任一侧上的测量数据时间序列具有相反的指示。在另一个步骤中，可以校正如此检测到的信号跳跃(例如，通过移位信号跳跃的任一侧上的数据点)。

在一些例子中，本公开文本的技术可以允许相对简单的信号跳跃检测。当采用全局模型函数时，信号跳跃可以导致特征标记，在一些例子中，可以相对容易地检测到该特征标记。

其他方面

前面的详细描述提供了用于确定生物样品的凝血结果的多种示例方法和用于确定生物样品的凝血结果的系统。然而，用于确定生物样品的凝血结果的方法和用于确定生物样品的凝血结果的系统也可以按以下方面中所述的方法或系统之一实施：

1.一种用于确定生物样品的凝血结果的自动化方法，该方法包括：

获得表示生物样品的测量数据的时间序列，

其中该时间序列跨越生物样品中应该发生凝结反应的时间段；

获得全局模型函数，该全局模型函数被配置为对发生凝结反应的生物样品的测量数据建模，

其中全局模型函数被配置为将测量数据建模为具有至少一个拐点的s形，并且

其中在该至少一个拐点一侧的该s形的最大曲率绝对值比在另一侧的大；

将该模型函数拟合到表示测量数据的时间序列，以获得拟合全局模型函数；并且

基于拟合全局模型函数确定该生物样品的凝血结果。

2.方面1的方法，其中该全局模型函数被配置为对s形的第一侧上的非平坦基线和/或s形的第二侧上s形的非平坦虚拟或实际渐近线建模。

3.方面1至2中任一项的自动化方法，其中确定凝血结果包括：

基于拟合全局模型函数确定该s形的基线；

基于拟合全局模型函数确定虚拟或实际渐近线，

其中基线和虚拟或实际渐近线中的至少一项是非平坦的；

定义在基线与虚拟或实际渐近线之间出现的阈值线，其中基线与阈值线之间的距离是在每个时间点处基线与虚拟或实际渐近线之间的距离的固定分数；并且

基于该拟合模型函数的在该拟合全局模型函数与该阈值线交叉的点处的特征确定该凝血结果。

4.方面3的自动化方法，其中该分数在0.05与0.9之间。

5.方面3或方面4的自动化方法，其中该凝血结果是拟合模型函数与阈值线交叉时的时间，或在拟合模型函数与阈值线交叉的点处基线与虚拟渐近线之间的差异。

6.方面1或方面2的自动化方法，其中确定凝血结果包括：

基于拟合全局模型函数确定s形的基线，或基于拟合全局模型函数确定虚拟或实际渐近线；

将阈值线分别定义为在每个时间点处基线值的固定倍数或者虚拟或实际渐近线的固定分数；并且

基于该拟合模型函数的在该拟合模型函数与该阈值线交叉的点处的特征确定该凝血结果。

7.前述方面3至6中任一项的自动化方法，其中使用拟合全局模型函数的拟合参数的一个或多个子集来确定基线、或者虚拟或实际渐近线、或者两者。

8.方面3至7中任一项的自动化方法，其中阈值线是非平坦线性函数。

9.方面2至8中任一项的自动化方法，其中基线是线性函数。

10.方面2至9中任一项的自动化方法，其中基线与虚拟或实际渐近线是不平行的。

11.方面2至10中任一项的自动化方法，其中该s形具有呈正曲率或负曲率的尾部。

12.方面1至11中任一项的自动化方法，其中该全局模型函数在拐点周围是不对称的。

13.方面1至12中任一项的自动化方法，其中该全局模型函数在拐点的两侧具有不同的曲率特征。

14.方面1至13中任一项的自动化方法，其中凝血结果是凝血时间。

15.方面14的自动化方法，其中凝血时间被确定为拟合全局模型函数的最大斜率的时间点。

16.方面1至14中任一项的自动化方法，其中凝血结果是基于拟合全局模型函数确定的信号变化的大小。

17.方面16的自动化方法，其中信号变化的大小被定义为拟合全局模型函数的基线与虚拟或实际渐近线之间的差异。

18.方面17的自动化方法，其中预定义时间点是拟合模型函数与阈值线交叉的时间点。

19.方面2至14中任一项的自动化方法，其中凝血结果是基于基线的水平或基线的外推水平确定的。

20.方面3至14中任一项的自动化方法，其中凝血结果是基于虚拟或实际线性渐近线的水平或者虚拟或实际渐近线的外推水平来确定的。

21.方面1至20中任一项的自动化方法，其中将该模型函数拟合到时间序列包括使用非线性回归技术。

22.方面1至21中任一项的自动化方法，其中该模型函数包括两个或更多个项的和。

23.方面1至22中任一项的自动化方法，其中该模型函数包括三个或四个项的和。

24.方面21或23中任一项的自动化方法，其中第一项是定义基线截距的常数项。

25.方面21至24中任一项的自动化方法，其中第二项是定义基线斜率的线性项。

26.方面21至25中任一项的自动化方法，其中第三项是在要监测的凝结反应开始后对信号变化建模的非线性项。

27.方面26的自动化方法，其中第三项是线性分量和两个或更多个指数分量的乘积。

28.方面27的自动化方法，其中该线性分量定义虚拟或实际渐近线。

29.方面27和28中任一项的自动化方法，其中该两个或更多个指数分量中的每一个是对称的s形。

30.方面27至29中任一项的自动化方法，其中指数分量具有形式1/(1+exp(-kn))，其中kn是随时间线性地增加的项。

31.方面21至30中任一项的自动化方法，其中第四项是定义该模型函数尾部中的非线性行为的非线性项。

32.方面31的自动化方法，其中第四项是s形。

33.方面1至32中任一项的自动化方法，其中该模型函数包括多于5个拟合参数，任选地少于15个拟合参数。

34.方面33的自动化方法，其中第一拟合参数定义基线截距。

35.方面34的自动化方法，其中第二拟合参数和第一拟合参数定义基线斜率。

36.方面33至35中任一项的自动化方法，其中第三拟合参数影响虚拟或实际渐近线的截距与基线的截距的差异。

37.权利要求36的自动化方法，其中第四拟合参数影响虚拟或实际渐近线的斜率。

38.方面33至37中任一项的自动化方法，其中第五拟合参数定义第一s形的陡度，该第一s形定义对有待观察的凝结反应的影响建模的s形的非线性部分。

39.方面33至38中任一项的自动化方法，其中第六拟合参数定义第一s形的拐点的时间位置，该第一s形定义对有待观察的凝结反应的影响建模的s形的非线性部分。

40.方面33至39中任一项的自动化方法，其中第七拟合参数定义第二s形的陡度，该第二s形定义对有待观察的凝结反应的影响建模的s形的非线性部分。

41.方面33至40中任一项的自动化方法，其中第八拟合参数定义第二s形的拐点的时间位置，该第二s形定义对有待观察的凝结反应的影响建模的s形的非线性部分。

42.方面33至41中任一项的自动化方法，其中第九拟合参数定义测量数据中尾部的非线性变化的幅值。

43.方面33至42中任一项的自动化方法，其中第十拟合参数对测量数据尾部的曲率建模。

44.方面1至41中任一项的自动化方法，其中该模型函数具有以下形式：

或数学上等效的公式，其中pi是拟合参数，并且x表示要拟合的时间序列的时间值。

45.方面1至43中任一项的自动化方法，其中该模型函数具有以下形式：

或数学上等效的公式，其中pi是拟合参数，其中x表示要拟合的时间序列的时间值，并且其中xmax是另一个拟合参数或固定值。

46.方面1至45中任一项的自动化方法，其中通过光学或电学测量，任选地浊度测量、吸光度测量、散射测量或阻抗测量，获得测量数据。

47.方面1至46中任一项的自动化方法，其进一步包括：

获得关于生成该测量数据的分析仪的信息；并且

选择要在拟合步骤中使用的模型函数。

48.方面47的自动化方法，其中关于分析仪的信息包括以下项中的一个或多个：关于分析仪的类型的信息、关于由分析仪进行的测定的信息和关于分析仪使用的试剂的信息。

49.方面47至48中任一项的自动化方法，其中选择该模型函数在设置分析仪期间发生，并且其中在操作分析仪期间无变化地使用所选模型函数。

50.方面1至49中任一项的自动化方法，其中将该模型函数拟合到数据的时间序列包括使用一个或多个预定义条件。

51.方面50的自动化方法，其中在设置分析仪期间定义一个或多个预定义条件，并且其中在操作分析仪期间无变化地使用一个或多个预定义条件。

52.方面50或方面51的自动化方法，其中预定义条件包括以下中的一个或多个：基线为平坦的条件，虚拟或实际渐近线为平坦的条件，以及基线与虚拟或实际渐近线平行的条件。

53.方面1至52中任一项的自动化方法，其中通过向该生物样品中添加物质来触发凝结反应，任选地其中该物质是试剂。

54.方面1至53中任一项的自动化方法，其中该方法进一步包括一个或多个辨别步骤，以区分不同类别的测量数据。

55.方面54的自动化方法，其中该辨别步骤包括确定拟合模型函数的拟合质量参数，任选地其中该拟合质量参数是基于拟合模型函数的标准误差确定的；并且

基于拟合质量参数确定拟合全局模型函数的有效性。

56.方面54的自动化方法，其中如果该拟合质量参数低于或高于预定阈值，则确定拟合模型函数是无效的。

57.方面54至56中任一项的自动化方法，其中该辨别步骤包括：

确定拟合模型函数的一个或多个特征；并且

确定该一个或多个特征是否满足一个或多个预定条件。

58.方面57的自动化方法，其中拟合模型函数的一个或多个特征包括以下中的一个或多个：拟合模型函数的最大斜率、基线与虚拟渐近线之间的信号差异和凝结时间。

59.方面54至58中任一项的自动化方法，其中该辨别步骤包括：

将拟合模型函数的形状与一种或多种预期曲线形状进行比较；并且

如果拟合模型函数类似于该一种或多种预期的曲线形状，则确定拟合模型函数是有效的。

60.方面54至59中任一项的自动化方法，其中该辨别步骤包括：

将拟合模型函数的形状与一种或多种负曲线形状进行比较；并且

如果该拟合全局模型函数不类似于该一个或多个负曲线形状，才确定该生物样品的该凝血结果。

61.方面54至60中任一项的自动化方法，其中该辨别步骤包括：

将拟合模型函数与线性函数进行比较；并且

如果拟合模型函数类似于线性函数，则确定没有发生凝结反应。

62.方面1至61中任一项的自动化方法，其进一步包括：

确定表示测量数据的该时间序列包括基于该拟合模型函数的一个或多个信号跳跃；并且

校正该一个或多个信号跳跃。

63.方面62的自动化方法，其中确定表示测量数据的时间序列包括基于拟合模型函数的一个或多个信号跳跃包括搜索如下的时间序列的值，对于该时间序列来说，多个相邻的较早数据值低于拟合模型函数并且多个相邻的较晚数据值高于拟合模型函数，反之亦然。

64.前述方面1至63中任一项的自动化方法，其中该时间序列跨越在凝结反应应该开始之前开始并且当凝结反应应该已经饱和时结束的时间段。

65.一种用于确定生物样品的凝血结果的系统，该系统被配置为：

获得表示生物样品的测量数据的时间序列，

其中该时间序列跨越生物样品中应该发生凝结反应的时间段；

获得全局模型函数，该全局模型函数被配置为对发生凝结反应的生物样品的测量数据建模，

其中全局模型函数被配置为将测量数据建模为具有至少一个拐点的s形，并且

其中在该至少一个拐点一侧的该s形的最大曲率绝对值比在另一侧的大；

将该模型函数拟合到表示测量数据的时间序列，以获得拟合全局模型函数；并且

基于该拟合全局模型函数确定该生物样品的凝血结果。

66.方面65的系统，其进一步包括被配置为生成生物样品的测量数据的自动分析仪。

67.方面65或方面66的系统，其进一步被配置为进行方面2至64中任一项的步骤。

68.一种计算机可读介质，其上具有存储的指令，使得当在处理系统上执行这些指令时，该处理系统执行方面1至64中任一项的步骤。

计算机实现

另外公开和提出了当在计算机或计算机网络上执行程序时，包括在本文所附的一个或多个实施方案中用于执行根据本发明的方法的计算机可执行指令的计算机程序。确切地，该计算机程序可以存储在计算机可读数据载体上。因此，确切地，可以通过使用计算机或计算机网络，优选通过使用计算机程序来执行本文公开的一个、多于一个或者甚至全部的方法步骤。

另外公开和提出了计算机程序产品，其具有程序代码装置，从而当在计算机或计算机网络上执行程序时，在本文所附的一个或多个实施方案中执行根据本发明的方法。确切地，该程序代码装置可以存储在计算机可读数据载体上。

另外公开和提出了其上存储有数据结构的数据载体，该数据结构在加载到计算机或计算机网络，诸如计算机或计算机网络的工作存储器或主存储器中之后可以执行根据本文公开的一个或多个实施方案的方法。

另外公开和提出了计算机程序产品，其具有存储在机器可读载体上的程序代码装置，从而当在计算机或计算机网络上执行程序时，执行根据本文公开的一个或多个实施方案的方法。如本文所用，计算机程序产品将程序称为可交易产品。该产品通常可以以任意形式存在，例如纸质形式或在计算机可读数据载体上。确切地，计算机程序产品可以通过数据网络分布。

进一步公开和提出了如下的调制数据信号，其含有计算机系统或计算机网络可读的指令，用于进行根据本文公开的一个或多个实施方案的方法。

参考本发明的计算机实现的方面，可以通过使用计算机或计算机网络来执行根据本文公开的一个或多个实施方案的方法的一个或多个方法步骤或者甚至是所有的方法步骤。因此，通常，可以通过使用计算机或计算机网络来执行包括提供和/或操纵数据的任何方法步骤。通常，这些方法步骤可以包括任何方法步骤，通常排除需要手动工作的方法步骤，如提供样品和/或执行测量的某些方面。

进一步公开和提出了包括至少一个处理器的计算机或计算机网络，其中处理器适于执行根据本说明书中描述的一个实施方案的方法。

进一步公开和提出了计算机可加载数据结构，其适于在数据结构在计算机上执行时执行根据本说明书中描述的实施例之一的方法。

进一步公开和提出了存储介质，其中数据结构存储在存储介质上，并且其中该数据结构适于在加载到计算机或计算机网络的主存储器或工作存储器后执行根据本说明书描述的实施方案之一的方法。