DE69817446T2 - Behandlung von diabetes - Google Patents

Behandlung von diabetes Download PDF

Info

Publication number
DE69817446T2
DE69817446T2 DE69817446T DE69817446T DE69817446T2 DE 69817446 T2 DE69817446 T2 DE 69817446T2 DE 69817446 T DE69817446 T DE 69817446T DE 69817446 T DE69817446 T DE 69817446T DE 69817446 T2 DE69817446 T2 DE 69817446T2
Authority
DE
Germany
Prior art keywords
level
glycosylated hemoglobin
blood glucose
model
hemoglobin component
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Lifetime
Application number
DE69817446T
Other languages
English (en)
Other versions
DE69817446D1 (de
Inventor
Pekka Heinonen
Mikko Mäkipää
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nokia Oyj
Original Assignee
Nokia Oyj
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Nokia Oyj filed Critical Nokia Oyj
Publication of DE69817446D1 publication Critical patent/DE69817446D1/de
Application granted granted Critical
Publication of DE69817446T2 publication Critical patent/DE69817446T2/de
Anticipated expiration legal-status Critical
Expired - Lifetime legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/50Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/50Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
    • G01N33/66Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving blood sugars, e.g. galactose
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/0002Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/50Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
    • G01N33/72Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving blood pigments, e.g. haemoglobin, bilirubin or other porphyrins; involving occult blood
    • G01N33/721Haemoglobin
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2800/00Detection or diagnosis of diseases
    • G01N2800/52Predicting or monitoring the response to treatment, e.g. for selection of therapy based on assay results in personalised medicine; Prognosis

Description

  • Die vorliegende Erfindung betrifft das Management von Diabetes und insbesondere ein Verfahren und eine Vorrichtung für die Überwachung der Wirksamkeit einer Diabetesbehandlung.
  • Bei der Behandlung von Diabetes wird von einem Patienten gefordert, daß er unter Verwendung eines Selbsttests seinen Blutglucosespiegel regelmäßig überprüft. Durch Vergleichen des Ergebnisses eines Selbsttests mit dem Blutglucosespiegel, den er als normal ansehen würde, ist der Patient in der Lage, die Menge an Insulin abzuschätzen, die er aufnehmen sollte, um seinen Blutglucosespiegel wieder auf diesen Normalwert zu bringen. Heutzutage sind die Selbsttests, die für diesen Zweck verwendet werden, sehr hochentwickelt und zuverlässig und liefern ein ausgezeichnetes Mittel für das kurzfristige Diabetesmanagement. Jedoch können auch Diabetespatienten unter Problemen leiten, die sich aus ihrem Gesundheitszustand ergeben und nur langfristig offensichtlich werden. Eine einzelne Blutglucosebestimmung, die mit einem Selbsttest erzielt worden ist, liefert wenige oder keine Hinweise auf den Beginn solcher langfristiger Probleme.
  • Das Grundproblem, das Diabetespatienten haben, ist mit dem Transport von Zucker, der im Blut enthalten ist, durch Zellmembranen verbunden. Dieses Problem wiederum macht es für den Körper schwierig, Zuckerspiegel im Blut auf einem korrekten Wert zu halten. Bei zu hohem Blutzucker (z. B. weil der Patient zu wenig Insulin injiziert) wird der Patient hyperglykämisch, während ein zu niedriger Blutzuckerspiegel (z. B. weil der Patient zu viel Insulin injiziert) bewirkt, daß der Patient hypoglykämisch wird. Insbesondere führen überhöhte Blutzuckerspiegel dazu, daß Zucker an Protein gebunden wird, wodurch glycosyliertes Protein gebildet wird. Gyycosyliertes Protein ist im wesentlichen unlöslich und bewirkt eine Zunahme der Wandstärke von Venen und Arterien sowie eine Verstärkung der Myelinisation von Nerven.
  • Eine besondere Form des glycosylierten Proteins ist das glycosylierte Hämoglobin. Da glycosyliertes Hämoglobin tendenziell lange im Blut verbleibt, liefert es einen ausgezeichneten Hinweis auf den Spiegel des glycosylierten Proteins im Blut und daher sowohl auf die Wirksamkeit der Behandlungsvorschriften, die ein Patient befolgt hat, als auch selbstverständlich darauf, wie gut der Patient diese Vorschriften einhält.
  • Glycosyliertes Hämoglobin besteht aus drei Komponenten – nämlich HbA1A, HbA1B, und HbA1C. Gewöhnlich wird insbesondere der HbA1C-Spiegel mit Hilfe von Labor-Tests gemessen, um Informationen über die langfristige Wirksamkeit der Behandlung der Diabetes zu liefern. Der HbA1C-Spiegel spiegelt die Wirksamkeit der Blutglucosebehandlung über einen der HbA1C-Messung vorausgehenden Zeitraum von 6–8 Wochen wider. Es ist gezeigt worden, daß ein niedriger HbA1C-Spiegel im Blut eines Diabetespatienten ein guter Hinweis darauf ist, daß die Behandlung wirksam ist und daß die Gefahr sekundärer Probleme, die mit dem glycosylierten Hämoglobin im Zusammenhang stehen, gering ist. Der HbA1C-Spiegel im Blut eines gesunden Menschen liegt zwischen 4 und 6% des Gesamthämoglobins, während bei einem Diabetiker dieser Spiegel signifikant höher (z. B. höher als 8%) sein könnte. Im allgemeinen wird angestrebt, den HbA1C-Spiegel im Blut eines Diabetespatienten auf den Bereich zwischen 6 und 7% abzusenken.
  • Wegen der oftmals knappen Ressourcen der medizinischen Versorgungseinrichtungen und aus Gründen der Zweckmäßigkeit und Praktikabilität wird der HbA1C-Spiegel im Blut eines Patienten im allgemeinen nur alle 3 bis 4 Monate überprüft. Wenn jedoch vorausgesetzt wird, daß der HbA1C-Spiegel einen Hinweis auf die Wirksamkeit der Behandlung während der vorangegangenen 6 bis 8 Wochen liefert, können lange Zeiträume einer ineffektiven Behandlung und folglich gesundheitliche Beeinträchtigungen eines Patienten mit den derzeitigen Überprüfungsintervallen unentdeckt bleiben.
  • Der Artikel von Kirk W. Beach: "A Theoretical Model to Predict the Behaviour of Glycosylated Hemoglobin Levels", J. Theor. Biol. (1979), 81 547–561 beschreibt ein mathematisches Modell für die Vorhersage des Spiegels glycosylierten Hämoglobins aus dem Blutglucosespiegel. Dieses Modell ist jedoch sehr primitiv und benutzt die Vereinfachung, daß der Blutglucosespiegel entweder konstant ist oder sich in nur wenigen abzählbaren Schritten verändert oder entsprechend einer Sinuskurve variiert. Die Anwendung des Modells auf einen realen Patienten bedeutet notwendigerweise eine viel zu starke Vereinfachung der Verlaufskurve der Blutglucosespiegel.
  • Eine Aufgabe der vorliegenden Erfindung besteht darin, die Nachteile bekannter Diabetes-Managementverfahren zu überwinden oder zumindest abzuschwächen.
  • Eine weitere Aufgabe der vorliegenden Erfindung besteht darin, ein Verfahren und eine Vorrichtung zu schaffen, die eine im wesentlichen kontinuierliche Schätzung der Spiegel glycosylierter Hämoglobin-Komponenten liefern.
  • Gemäß einem ersten Aspekt der vorliegenden Erfindung wird ein Verfahren zur Vorhersage des Spiegels einer glycosylierten Hämoglobin-Komponente im Blut eines Patienten unter Verwendung der vorher gemessenen Spiegel der Blutglucose und der glycosylierten Hämoglobin-Komponente geschaffen, wobei das Verfahren umfaßt:
    Ableiten eines mathematischen Modells des Verhaltens des Spiegels der glycosylierten Hämoglobin-Komponente in bezug auf den Blutglucosespiegel unter Verwendung früher gemessener Spiegel;
    Aktualisieren des Modells, wenn ein neuer Spiegel der glycosylierten Hämoglobin-Komponente gemessen wird, unter Verwendung dieser neuen Messung und der letzten neuen Messungen des Blutglucosespiegels; und
    Anwenden des mathematischen Modells, um den Spiegel der glycosylierten Hämoglobin-Komponente zwischen Messungen dieses Spiegels unter Verwendung von Messungen des Blutglucosespiegels, die seit der letzten Messung der glycosylierten Hämoglobin-Komponente erhalten wurden, vorherzusagen.
  • Typisch werden Messungen des Blutglucosespiegels weitaus häufiger als Messungen der glycosylierten Hämoglobin-Komponente ausgeführt. Das Verfahren der vorliegenden Erfindung könnte deshalb dazu verwendet werden, den aktuellen Spiegel der glycosylierten Hämoglobin-Komponente im Blut des Patienten unter Verwendung von vorher gemessenen Blutglucosespiegeln, die seit der letzten Messung des Spiegels der glycosylierten Hämoglobin-Komponente erhalten worden sind, vorherzusagen. Da das Modell jedesmal aktualisiert wird, wenn eine neue HbA1C-Messung ausgeführt wird, ist es in der Lage, Veränderungen in der Physiologie des Patienten, die eine Veränderung des Verhaltens des HbA1C-Spiegels in bezug auf den Blutglucosespiegel bewirken, zu verfolgen.
  • Veränderungen im Meßwertmuster der Blutglucose, d. h. der Zeitpunkte, zu denen der Patient Blutglucosemessungen vornimmt, können ebenfalls berücksichtigt werden.
  • Vorzugsweise ist das mathematische Modell ein parametrisches Modell oder ein semiparametrisches Modell, das durch einen oder mehrere Modellkoeffizienten und eine Modellgleichung definiert ist, die den Blutglucosespiegel zu dem Spiegel der glycosylierten Hämoglobin-Komponente in Beziehung setzen. Stärker bevorzugt setzt die Modellgleichung den Spiegel der glycosylierten Hämoglobin-Komponente zu einem oder mehreren Parametern in Beziehung, die wenigstens teilweise das Verhalten (z. B. die Verteilung) des Blutglucosespiegels über ein vorhergehendes, verhältnismäßig kurzes Zeitintervall beschreiben.
  • Die Modellgleichung könnte eine lineare Gleichung sein, wobei in diesem Fall die Modellkoeffizienten die linearen Koeffizienten der Gleichung sind. Die lineare Gleichung hat die Form: y =p1h1 + p2h2 + ... + pqhq + cwobei y der vorhergesagte Spiegel des glycosylierten Hämoglobins ist, p die Koeffizienten des linearen Modells sind, h die Parameter sind, die das Verhalten des Blutglucosespiegels beschreiben, und c eine Konstante ist.
  • Vorzugsweise könnte das Verhalten des Blutglucosespiegels über die kurzen Zeitintervalle unter Verwendung einer oder mehrerer Gaußscher Funktionen beschrieben werden, die die Verteilung der Meßwerte des Blutglucosespiegels modellieren. Einer oder mehrere Parameter (h könnten aus dem Mittelwert, der Varianz und der Amplitude der Gaußschen Funktionen) gewählt oder hieraus abgeleitet werden.
  • In dem Fall eines parametrischen oder semiparametrischen Modells könnte das Modell nach jeder Messung des Spiegels der glycosylierten Hämoglobinkomponente durch ein erneutes Berechnen der Modellkoeffizienten (p) aktualisiert werden. In einer alternativen Ausführungsform der vorliegenden Erfindung werden die Koeffizienten des parametrischen Modells nach jeder neuen Messung des Spiegels des glycosylierten Hämoglobins unter Verwendung eines adaptiven Algorithmus angepaßt. Ein geeigneter adaptiver Algorithmus ist der Widrows- Algorithmus. Derartige adaptive Algorithmen sind so beschaffen, daß der Fehler zwischen dem vorhergesagten Spiegel des glycosylierten Hämoglobins und dem gemessenen Spiegel des glycosylierten Hämoglobins reduziert wird.
  • Die unter Verwendung des Verfahrens des oben genannten ersten Aspekts der vorliegenden Erfindung vorhergesagte glycosylierte Hämoglobin-Komponente ist unter HbA1A, HbA1B, and HbA1C ausgewählt. Vorzugsweise ist die vorhergesagte Komponente jedoch HbA1C.
  • Das Verfahren des oben genannten ersten Aspekts der vorliegenden Erfindung könnte umfassen:
    Senden der gemessenen Glucosespiegel über eine drahtlose Datenübertragungsverbindung von einer entfernten Station, zu der der Patient Zugang hat, zu einer zentralen Datenverarbeitungsstation;
    Ausführen der Schritte des Ableitens des mathematischen Modells, des Aktualisierens des Modells und des Vorhersagens der glycosylierten Hämoglobin-Komponente in der zentralen Verarbeitungsstation unter Verwendung der gesendeten Meßwerte und der früheren Meßdaten, die in der zentralen Station gespeichert sind; und
    Zurücksenden vorhergesagter Spiegel der glycosylierten Hämoglobin-Komponente zu der entfernten Station über die drahtlose Datenübertragungsverbindung.
  • Vorzugsweise ist die entfernte Station ein Mobiltelephon oder ein Zweiwege-Pager, wobei die drahtlose Datenübertragungsverbindung von einem Mobiltelephonnetz bereitgestellt wird. Beispielsweise könnte das Telephonnetz ein GMS-Netz sein, wobei die Daten mittels SMS-Diensten (SMS: short message service (engl.)) gesendet werden könnten. Es ist selbstverständlich, daß sich der Begriff "Mobiltelephon", wie er hier gebraucht wird, auf jede bewegliche Vorrichtung bezieht, die eine drahtlose telephonische Nachrichtenverbindung verwendet, und dabei herkömmliche Mobiltelephone und kombinierte Vorrichtungen aus Mobiltelephon und persönlichem Datenassistenten (PDA) einschließt.
  • Als eine andere Möglichkeit könnte das Verfahren die Durchführung aller Schritte des Verfahrens des oben genannten ersten Aspekts der Erfindung in einer tragbaren Überwachungsvorrichtung umfassen.
  • Es ist selbstverständlich, daß das Verfahren der vorliegenden Erfindung auf Blut, das einem menschlichen oder einem tierischen Patienten entnommen worden ist, angewandt werden könnte.
  • Gemäß einem zweiten Aspekt der vorliegenden Erfindung wird ein Verfahren zur Vorhersage des Spiegels einer glycosylierten Hämoglobin-Komponente im Blut eines Patienten geschaffen, wobei das Verfahren die folgenden Schritte umfaßt:
    Senden eines Meßwerts der Blutglucose von einer entfernten Station an eine zentrale Verarbeitungsstation;
    Vorhersagen eines Spiegels der glycosylierten Hämoglobin-Komponente für das Blut des Patienten in der zentralen Station unter Verwendung des gesendeten Meßwerts und eines mathematischen Modells des Spiegels der glycosylierten Hämoglobin-Komponente in bezug auf den Blutglucosespiegel; und
    Senden des vorhergesagten Spiegels der glycosylierten Hämoglobin-Komponente von der zentralen Station zu der entfernten Station.
  • Gemäß einem dritten Aspekt der vorliegenden Erfindung wird ein System zur Vorhersage des Spiegels einer glycosylierten Hämoglobin-Komponente im Blut eines Patienten unter Verwendung früher gemessener Spiegel der Blutglucose und der glycosylierten Hämoglobin-Komponente geschaffen, wobei das Verfahren umfaßt:
    Mittel, die ein mathematisches Modell des Verhaltens des Spiegels der glycosylierten Hämoglobin-Komponente in bezug auf den Blutglucosespiegel unter Verwendung früher gemessener Spiegel ableiten und das Modell aktualisieren, wenn ein neuer Spiegel der glycosylierten Hämoglobin-Komponente gemessen wird, indem sie diesen neuen Meßwert und die letzten neuen Meßwerte des Blutglucosespiegels verwenden; und
    Speichermittel, die das Modell und/oder das aktualisierte Modell sowie die gemessenen Spiegel der Blutglucose und der glycosylierten Hämoglobin-Komponente speichern;
    Mittel, die das mathematische Modell dazu verwenden, den Spiegel der glycosylierten Hämoglobin-Komponente zwischen Messungen dieses Spiegels unter Verwendung von Messungen des Blutglucosespiegels, die seit der letzten Messung der glycosylierten Hämoglobin-Komponente erhalten wurden, vorherzusagen.
  • In einer bevorzugten Ausführungsform des Systems des oben angeführten dritten Aspekts der vorliegenden Erfindung werden die Mittel zum Ableiten und Anwenden sowie die Speichermittel durch einen Zentralcomputer bereitgestellt, wobei das System ferner ein Mobiltelephon oder einen Zweiwege-Pager umfaßt, um Meßdaten über eine drahtlose Datenübertragungsverbindung zu dem Zentralcomputer zu übermitteln. Des weiteren könnte das System so beschaffen sein, daß es vorhergesagte Spiegel der glycosylierten Hämoglobin-Komponente von der zentralen Station zu dem Mobiltelephon oder zu dem Zweiwege-Pager übermittelt.
  • Für ein besseres Verständnis der vorliegenden Erfindung und um zu zeigen, wie diese umgesetzt werden könnte, wird sich nun beispielhaft auf die beigefügte Zeichnung bezogen, worin
  • 1 Meßwerte des HbA1C-Spiegels zusammen mit Meßwerten des Blutglucosespiegels zeigt, die von einem Diabetespatienten über einem Zeitraum von 640 Tagen erhalten wurden;
  • die 2A bis 2D jeweils Mengen von Blutglucosespiegelmeßwerten zeigen, die aus den in 1 gezeigten Meßwerten für die Zeiträume herausgezogen worden sind, die vier HbA1C-Spiegel-Messungen vorausgehen.
  • die 3A bis 3D jeweils vorhergesagte Blutglucosespiegelverteilungen für jedes der Meßwertfenster der 2A bis 2D zeigen;
  • 4 ein Ablaufplan ist, der ein Verfahren veranschaulicht, das verwendet wird, um HbA1C-Spiegel vorherzusagen;
  • 5 die gemessenen HbA1C-Spiegel von 1 zusammen mit vorhergesagten HbA1C-Spiegeln zeigt; und
  • 6 in schematischer Weise die Vorrichtung für die Durchführung des Verfahrens von 5 veranschaulicht.
  • Das weiter unten beschriebene Verfahren zur Vorhersage von HbA1C-Spiegeln im Blut eines Patienten ist unter Verwendung realer Blutglucose- und HbA1C-Meßwerte, die von einem menschlichen Patienten erhalten worden sind, veranschaulicht. 1 zeigt die gemessenen Blutglucose- und HbA1C-Spiegel, die gegen die Zeit (in Tagen gemessen) über einen Zeitraum von 640 Tagen aufgetragen sind. Wie weiter oben erörtert worden ist, werden HbA1C-Messungen typisch in verhältnismäßig großen Abständen (alle 12 bis 16 Wochen) ausgeführt, während Messungen des Blutglucosespiegels sehr viel häufiger (typisch zwei- bis fünfmal täglich) ausgeführt werden.
  • Y sei die Menge der in 1 gezeigten N verfügbaren HbA1C-Meßwerte yn, wobei Y = {y1...yN} ist und jeder Meßwert einem Meßzeitpunkt t = Tn, (n = 1 bis N) entspricht. Ebenso sei X die Menge der M verfügbaren Blutglucose-Meßwerte xm, die ebenfalls in 1 gezeigt sind, wobei X = {x1...xM} ist und jeder Meßwert einem Meßzeitpunkt t = tm, (m = 1 bis M entspricht. Die Menge der Blutglucose-Meßwerte X wird so in Teilmengen Xn unterteilt, daß jede Teilmenge der entsprechenden HbA1c-Messung Yn zugeordnet ist und jene Werte enthält, die in dem Zeitraum t > Tn-65 Tage bis TN erhalten worden sind. Es wird angemerkt, daß dann, wenn das Intervall zwischen aufeinanderfolgenden HbA1c-Werten kleiner als 65 Tage ist, nebeneinanderliegende Teilmengen Xn einander überdecken werden. Für die Daten von 1 werden mit zwölf HbA1c-Messungen zwölf Teilmengen von Blutglucose-Meßwerten erhalten, wovon die ersten vier zur Veranschaulichung in den 2A bis 2D gezeigt sind.
  • Auf jede der Teilmengen der Blutglucose-Meßwerte Xn wird ein geeignetes semiparametrisches Modell angewandt, um die Verteilung der Meßwerte innerhalb der Menge zu modellieren (d. h. um die Wahrscheinlichkeitsdichtefunktion zu modellieren). Das Modell ist so gewählt, daß es eine verhältnismäßig kleine Anzahl von Parametern aufweist. In dem vorliegenden Beispiel ist die Verteilung jeder Teilmenge Xn unter Verwendung der Summe zweier Gaußscher Funktionen modelliert: P(l) = kG(l|μ1, σ21 ) + (1 – k)G(l|μ222 ) (1)wobei k ein Koeffizient ist, 0 ≤ k ≤ 1 gilt, 1 der Blutglucosespiegel ist und die Gaußsche Funktion G die Form
    Figure 00080001
    hat.
  • Sowohl die Mittelwerte (μ1, μ2) und die Varianzen ( σ 2 / 1, σ 2 / 2 ) der Gaußschen Funktionen als auch der Koeffizient k werden unter Verwendung des Erwartungswert-Maximierungs-Algorithmus (siehe Dempster A. P., Laird N. M. und Rubin, D. B. (1977): "Maximum Likelihood from Incomplete Data via the EM Algorithm", J. Royal Statistical Soc.; B 39 (1); 1–38) erzielt. Die modellierte Verteilung für jede der Teilmengen der Blutglucose-Meßwerte ist in den 3A bis 3D gezeigt.
  • Jedes Modell kann durch einen Parametervektor Θnn1n2,σ 2 / n1, σ 2 / n2, k}dargestellt werden. Aus dem Parametervektor Θn wird eine geeignete Kombination von Parametern ausgewählt und verwendet, um einen Modellvektor hn für den Zeitpunkt Tn zu bilden. In dem vorliegenden Beispiel sind die Parameter μ1, μ2, σ 2 / 1 und eine Konstante 1 so gewählt, daß sie hn1, hn2, hn3 bzw. hn4 des Modellvektors entsprechen. Die Modellvektoren hn und die gemessenen HbA1C-Spiegel yn werden verwendet, um die Zeilen einer modellspezifizierenden Matrix H und eines Beobachtungsvektors z entsprechend dem konstruierten linearen Problem z = Hp zu bilden, wobei p ein Regressionskoeffizientenvektor ist. Dieses Problem kann vollständig als Matrixgleichung geschrieben werden:
  • Figure 00090001
  • Eine Schätzung des Regressionskoeffizientenvektors p kann aus p ^ = H–1z (4)erhalten werden, wobei H–1 die Inverse zur Matrix H ist (oder die Pseudo-Inverse in dem Fall, in dem H nicht quadratisch oder singulär ist), die unter Verwendung einer Singulärwertzerlegung (Press, W. H. Teukolsky, S. A. Vetterling, W. T. Flannery, B. P. (1992): "Numerical Recipes in C: The Art of Scientific Computing", 2.Auflage, Cambridge University Press) erhalten werden kann. Der geschätzte Regressionskoeffizientenvektor p ^ kann dann verwendet werden, um einen zukünftigen HbA1C-Spiegel yN+1 aus dem Modellvektor hN+1, der aus der Teilmenge der Blutglucose-Meßwerte XN+1 abgeleitet ist, vorherzusagen, d. h. yN+1 = p1hN+1,1 + p2hN+1,2 + p3hN+1,3 + p4hN+1,4 (5)
  • 4 ist ein Ablaufdiagramm, das die Hauptschritte dieses Verfahrens zur Vorhersage von HbA1C-Spiegeln skizziert.
  • Wie weiter oben erläutert worden ist, ist es wahrscheinlich, daß Veränderungen in der Physiologie eines Patienten das Verhalten des HbA1C-Spiegels in bezug auf den Blutglucosespiegel verändern. Es ist deshalb wichtig, daß die Koeffizienten des Regressionskoeffizientenvektors p ^ regelmäßig aktualisiert werden. Dies kann erreicht werden, indem der Vektor p ^ jedesmal, wenn eine neue HbA1C-Messung erfolgt, neu berechnet wird. Typisch wird für einen Patienten, für den keine früheren Datenaufzeichnungen vorliegen, der Regressionskoeffizientenvektor zunächst unter Verwendung von Daten, die von mehreren anderen Patienten erhalten worden ist, abgeleitet. Jedesmal, wenn eine neue HbA1C-Messung erfolgt, wird der neue HbA1C-Meßwert zusammen mit den Blutglucose-Meßwerten, die seit der letzten HbA1C-Messung erzielt worden sind, für die erneute Berechnung des Regressionskoeffizientenvektors verwendet. Unter der Voraussetzung, daß der Wert von N konstant gehalten wird, indem die frühesten erhaltenen Meßwerte entfernt werden, nachdem N HbA1C-Meßwerte von dem betreffenden Patienten erhalten worden sind, wird der geschätzte Regressionskoeffizientenvektor nur aus Messungen abgeleitet, die an dem betreffenden Patienten vorgenommen worden sind.
  • Um die Genauigkeit, mit welcher der HbA1C-Spiegel vorausgesagt werden kann, zu verbessern und vor allem um eine systematische Abweichung des Ergebnisses durch anomale Meßwerte zu vermeiden, wird ein geschätzter Regressionskoeffizientenvektor p ^ eigentlich für N verschiedene Datenmengen erhalten, wobei der Reihe nach jedes der Elemente y1 bis yN der obigen Matrixgleichung zusammen mit der entsprechenden Zeile der Matrix H abgeschätzt wird. Der Mittelwert der geschätzten Regressionskoeffizientenvektoren wird dann nach einem Entfernen der oberen und der unteren 10% jeder Vektorkomponente erhalten. Für die in 1 gezeigte Datenmenge ist der endgültige geschätzte Regressionskoeffizientenvektor der gestutzte Mittelwert von zwölf geschätzten Vektoren p ^. Die Koeffizienten dieses endgültigen Regressionskoeffizientenvektors können dann benutzt werden, um unter Verwendung der oben angegebenen Gleichung (5) den aktuellen HbA1C-Spiegel vorherzusagen. 5 zeigt HbA1C-Spiegel, die unter Verwendung eines Modells vorhergesagt worden sind, das mit diesem Verfahren erhalten worden ist, zusammen mit den gemessenen HbA1C-Spiegeln, die für die Formulierung des Modells verwendet worden sind (in 1 gezeigt). Es ist ersichtlich, daß die vorhergesagten Werte den gemessenen Werten nahe sind.
  • Weitere Verbesserungen in der Vorhersagegenauigkeit könnten erzielt werden, indem die Anzahl der Parameter p erhöht wird, indem die Größe des Modellvektors hn erhöht wird, um beispielsweise außerdem ä2 einzufügen. Als eine andere Möglichkeit könnte eine Menge von HbA1C-Schätzungen unter Verwendung einer entsprechenden Menge von parametrischen Modellen erzeugt werden, wobei jedes Modell unter Verwendung eines anderen Parametersatzes, z. B. μ1, μ2, σ 2 / 1, k oder μ1, μ2,σ 2 / 2,k erhalten wird. Die Genauigkeit könnte auch durch ein geeignetes Transformieren (z. B. Log, Exponential) eines oder mehrerer Parameter erhöht werden.
  • Es ist wohlbekannt, daß die Blutglucosespiegel eines Patienten entsprechend der Tageszeit und genauer in Abhängigkeit davon, ob der Patient gerade gegessen hat oder nicht, schwanken. Eine separate Modellierung von Blutglucosespiegeln für verschiedene Tageszeiten könnte daher genauer sein. Diese Technik verlangt die Aufteilung aller Blutglucosespiegel in verschiedene Mengen. Es könnte beispielsweise neun Mengen, d. h. Messungen die vor und nach dem Frühstück, dem Mittagessen, dem Imbiß und der Abendmahlzeit ausgeführt werden, geben. Für jede Menge j wird ein Satz von Parametervektoren Θ j / n, erhalten, wobei n = 1...N ist. Für jeden Wert von n wird wiederum ein Satz geeigneter Parameter ausgewählt, um den Modellvektor hn zu bilden. Der geschätzte Regressionskoeffizientenvektor p ^ kann dann wie oben beschrieben erhalten werden.
  • Wird vorausgesetzt, daß die Berechnung des Regressionskoeffizientenvektors eine umfangreiche Menge gespeicherter Daten (z. B. Meßdaten über einen Zeitraum von bis zu zwei Jahren) umfaßt und daher einen erheblichen Grad an rechnerischer Komplexität aufweist, ist es wünschenswert, die Meßdaten in einer zentralen Datenverarbeitungseinheit, die für viele Patienten zur Verfügung steht, zu speichern und dort die Berechnungen durchzuführen. Außerdem verbessert diese Anordnung die Datensicherheit und, ermöglicht, was entscheidend ist, eine einfache und schnelle Aktualisierung des Algorithmus, mit dem die HbA1C-Spiegel vorausgesagt werden, sollte sich diese als notwendig erweisen.
  • 6 veranschaulicht ein Diabetesmanagementsystem, bei dem jeder an dem System beteiligte Patient mit einer tragbaren elektronischen Blutglucose-Meßeinheit 1 bekannten Typs ausgestattet ist. Diese Einheit ist modifiziert, um die gemessenen Blutglucosespiegel über eine Schnittstelle 2, beispielsweise ein Notebook oder einen Personalcomputer, an ein Mobiltelephon 3 zu koppeln. Die Meßdaten werden dann über das Mobiltelephonnetz zu einer zentralen Datenverarbeitungsstation 4 des oben beschriebenen Typs gesendet. Auf der Grundlage der in letzter Zeit erhaltenden Blutglucosemeßwerte und einem im voraus berechneten Regressionskoeffizientenvektor schätzt die zentrale Datenverarbeitungsstation 4 den HbA1C-Spiegel des Patienten. Der Regressionskoeffizientenvektor kann jedesmal, wenn eine HbA1C-Messung an dem Patienten erfolgt, entweder unter Verwendung von direkt in die zentrale Datenverarbeitungsstation eingegebenen oder ihr beispielsweise von einer Arztpraxis übermittelten Daten aktualisiert werden. Der vorhergesagte HbA1C-Spiegel kann über das Telephonnetz fast sofort an das Mobiltelephon 3 des Patienten zurückgesendet werden, wo er auf dem Telephon 3 oder an der Schnittstelle 2 angezeigt werden kann. Bei einer Integration der Funktionen des Mobiltelephons 3, der Schnittstelle 2 und der Meßeinheit 1 kann der Patient mit einem wirklich tragbaren HbA1C-Überwachungssystem ausgerüstet werden.
  • Dem Fachmann ist selbstverständlich, daß weitere Modifikationen an der oben beschriebenen Ausführungsform vorgenommen werden könnten, ohne vom Geltungsbereich der vorliegenden Erfindung abzuweichen. Beispielsweise könnte die Wahrscheinlichkeitsdichtefunktion jeder Menge an Blutglucosespiegeln Xn alternativ zur Verwendung der Gaußschen Funktionen unter Verwendung einer oder mehrerer Gammafunktionen modelliert werden.

Claims (16)

  1. Verfahren zur Vorhersage des Spiegels einer glycosylierten Hämoglobin-Komponente im Blut eines Patienten unter Verwendung der vorher gemessenen Blutglucosespiegel bzw. der glycosylierten Hämoglobin-Komponente, wobei das Verfahren umfaßt: Ableiten eines mathematischen Modells des Verhaltens des Spiegels der glycosylierten Hämoglobin-Komponente in bezug auf den Blutglucosespiegel unter Verwendung früher gemessener Spiegel; Aktualisieren des Modells, wenn ein neuer Spiegel der glycosylierten Hämoglobin-Komponente gemessen wird, unter Verwendung dieser neuen Messung und der letzten neuen Messungen des Blutglucosespiegels; und Anwenden des mathematischen Modells, um den Spiegel der glycosylierten Hämoglobin-Komponente zwischen Messungen dieses Spiegels unter Verwendung von Messungen des Blutglucosespiegels, die seit der letzten Messung der glycosylierten Hämoglobin-Komponente erhalten wurden, vorherzusagen.
  2. Verfahren nach Anspruch 1, bei dem das mathematische Modell ein parametrisches Modell oder ein semiparametrisches Modell ist und durch einen oder mehrere Modellkoeffizienten und eine Modellgleichung definiert ist, die den Blutglucosespiegel mit dem Spiegel der glycosylierten Hämoglobin-Komponente in Beziehung setzen.
  3. Verfahren nach Anspruch 2, bei dem die Modellgleichung den Spiegel der glycosylierten Hämoglobin-Komponente mit einem oder mehreren Parametern in Beziehung setzt, die das Verhalten des Blutglucosespiegels über ein vorhergehendes, verhältnismäßig kurzes Zeitintervall beschreiben.
  4. Verfahren nach Anspruch 3, bei dem die Modellgleichung eine lineare Gleichung der folgenden Form ist: y = p1h1 + p2h2 + ... + pghq + cwobei y der vorhergesagte Spiegel des glycosylierten Hämoglobins ist, p die Koeffizienten des linearen Modells sind, h die Parameter sind, die das Verhalten des Blutglucosespiegels beschreiben, und c eine Konstante ist.
  5. Verfahren nach Anspruch 3 oder 4, bei dem das Verhalten des Blutglucosespiegels über die kurzen Zeitintervalle unter Verwendung einer oder mehrerer parametrischer Funktionen beschrieben wird, die die Verteilung der Meßwerte des Blutglucosespiegels modellieren, wobei der eine oder die mehreren Parameter (h) aus den diese Funktionen definierenden Parametern ausgewählt oder hiervon abgeleitet sind.
  6. Verfahren nach Anspruch 5, bei dem die oder jede Funktion eine Gaußsche Funktion ist und der eine oder die mehreren Parameter (h) aus dem Mittelwert, der Varianz und der Amplitude der Gaußschen Funktionen) gewählt oder hieraus abgeleitet sind.
  7. Verfahren nach einem der Ansprüche 2 bis 6, bei dem das Modell nach einer Messung des Spiegels der glycosylierten Hämoglobin-Komponente durch erneutes Berechnen der Modellkoeffizienten (p) aktualisiert wird.
  8. Verfahren nach einem der Ansprüche 2 bis 6, bei dem die Koeffizienten des parametrischen Modells nach einer neuen Messung des Spiegels des glycosylierten Hämoglobins unter Verwendung eines adaptiven Algorithmus angepaßt werden.
  9. Verfahren nach einem der vorhergehenden Ansprüche, bei dem die vorhergesagte glycosylierte Hämoglobin-Komponente HbA1C ist.
  10. Verfahren nach einem der vorhergehenden Ansprüche, das umfaßt: Senden der gemessenen Glucosespiegel über eine drahtlose Datenübertragungsverbindung von einer entfernten Station, zu der der Patient Zugang hat, zu einer zentralen Datenverarbeitungsstation; Ausführen der Schritte des Ableitens des mathematischen Modells, des Aktualisierens des Modells und des Vorhersagens der glycosylierten Hämoglobin-Komponenten in der zentralen Verarbeitungsstation unter Verwendung der gesendeten Meßwerte und der früheren Meßdaten, die in der zentralen Station gespeichert sind; und Zurücksenden vorhergesagter Spiegel der glycosylierten Hämoglobin-Komponente zu der entfernten Station über die drahtlose Datenübertragungsverbindung.
  11. Verfahren nach Anspruch 10, bei dem die entfernte Station ein Mobiltelephon oder ein Zweiwege-Pager ist, wobei die drahtlose Datenübertragungsverbindung durch ein Mobiltelephonnetz gebildet ist.
  12. Verfahren zum Vorhersagen des Spiegels einer glycosylierten Hämoglobin-Komponente im Blut eines Patienten, wobei das Verfahren die folgenden Schritte umfaßt: Senden eines Meßwerts der Blutglucose von einer entfernten Station an eine zentrale Verarbeitungsstation; Vorhersagen eines Spiegels der glycosylierten Hämoglobin-Komponente für das Blut des Patienten in der zentralen Station unter Verwendung des gesendeten Meßwerts und eines mathematischen Modells des Spiegels der glycosylierten Hämoglobin-Komponente in bezug auf den Blutglucosespiegel; und Senden des vorhergesagten Spiegels der glycosylierten Hämoglobin-Komponente von der zentralen Station zu der entfernten Station.
  13. System zur Vorhersage des Spiegels einer glycosylierten Hämoglobin-Komponente im Blut eines Patienten unter Verwendung früher gemessener Blutglucosespiegel und der glycosylierten Hämoglobin-Komponente, wobei das System umfaßt: Mittel (4), die ein mathematisches Modell des Verhaltens des Spiegels der glycosylierten Hämoglobin-Komponente in bezug auf den Blutglucosespiegel unter Verwendung früher gemessener Spiegel ableiten und das Modell aktualisieren, wenn ein neuer Spiegel der glycosylierten Hämoglobin-Komponente gemessen wird, indem sie den neuen Meßwert und die letzten neuen Meßwerte des Blutglucosespiegels verwenden; Speichermittel (4), die das Modell und/oder das aktualisierte Modell sowie die gemessenen Spiegel der Blutglucose und der glycosylierten Hämoglobin-Komponente speichern; und Mittel (4), die das mathematische Modell dazu verwenden, den Spiegel der glycosylierten Hämoglobin-Komponente zwischen Messungen dieses Spiegels unter Verwendung von Messungen des Blutglucosespiegels, die seit der letzten Messung der glycosylierten Hämoglobin-Komponente erhalten wurden, vorherzusagen.
  14. System nach Anspruch 13, bei dem die Mittel zum Ableiten und Anwenden sowie die Speichermittel durch einen Zentralcomputer (4) bereitgestellt sind, wobei das System ferner ein Mobiltelephon oder einen Zweiwege-Pager (3) umfaßt, um Meßdaten über eine drahtlose Datenübertragungsverbindung zu dem Zentralcomputer (4) zu transportieren.
  15. System nach Anspruch 14, das eine Meßeinheit (1) für die Blutglucose, die mit dem Mobiltelephon oder mit dem Zweiwege-Pager gekoppelt ist, umfaßt, um Meßwerte des Blutglucosespiegels an das Mobiltelephon oder den Zweiwege-Pager zu übertragen.
  16. System nach Anspruch 14 oder 15, das so beschaffen ist, daß es vorhergesagte Spiegel der glycosylierten Hämoglobin-Komponente von der zentralen Station (4) zu dem Mobiltelephon oder zu dem Zweiwege-Pager (3) transportiert.
DE69817446T 1997-05-30 1998-05-06 Behandlung von diabetes Expired - Lifetime DE69817446T2 (de)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
FI972292A FI112545B (fi) 1997-05-30 1997-05-30 Menetelmä ja järjestelmä potilaan veren glykosyloidun hemoglobiinikomponentin tason ennustamiseksi
FI972292 1997-05-30

Publications (2)

Publication Number Publication Date
DE69817446D1 DE69817446D1 (de) 2003-10-02
DE69817446T2 true DE69817446T2 (de) 2004-07-01

Family

ID=8548941

Family Applications (1)

Application Number Title Priority Date Filing Date
DE69817446T Expired - Lifetime DE69817446T2 (de) 1997-05-30 1998-05-06 Behandlung von diabetes

Country Status (7)

Country Link
US (1) US6421633B1 (de)
EP (1) EP0881495B1 (de)
JP (1) JP4523082B2 (de)
KR (1) KR100857191B1 (de)
DE (1) DE69817446T2 (de)
DK (1) DK0881495T3 (de)
FI (1) FI112545B (de)

Families Citing this family (116)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9215979B2 (en) * 1992-11-17 2015-12-22 Robert Bosch Healthcare Systems, Inc. Multi-user remote health monitoring system
US7624028B1 (en) 1992-11-17 2009-11-24 Health Hero Network, Inc. Remote health monitoring and maintenance system
AU1766201A (en) 1992-11-17 2001-05-30 Health Hero Network, Inc. Method and system for improving adherence with a diet program or other medical regimen
US6968375B1 (en) 1997-03-28 2005-11-22 Health Hero Network, Inc. Networked system for interactive communication and remote monitoring of individuals
US5307263A (en) 1992-11-17 1994-04-26 Raya Systems, Inc. Modular microprocessor-based health monitoring system
US20010011224A1 (en) 1995-06-07 2001-08-02 Stephen James Brown Modular microprocessor-based health monitoring system
US8712790B1 (en) * 1997-03-28 2014-04-29 Robert Bosch Gmbh Multi-user remote health monitoring system with biometrics support
US6036924A (en) 1997-12-04 2000-03-14 Hewlett-Packard Company Cassette of lancet cartridges for sampling blood
US6391005B1 (en) 1998-03-30 2002-05-21 Agilent Technologies, Inc. Apparatus and method for penetration with shaft having a sensor for sensing penetration depth
US6582964B1 (en) * 1999-05-12 2003-06-24 Cme Telemetrix Inc. Method and apparatus for rapid measurement of HbA1c
US20020052539A1 (en) * 1999-07-07 2002-05-02 Markus Haller System and method for emergency communication between an implantable medical device and a remote computer system or health care provider
US7449339B2 (en) 1999-11-23 2008-11-11 Nir Diagnostics Inc. Spectroscopic method and apparatus for total hemoglobin measurement
US6612984B1 (en) * 1999-12-03 2003-09-02 Kerr, Ii Robert A. System and method for collecting and transmitting medical data
EP1267708A4 (de) * 2000-03-29 2006-04-12 Univ Virginia Verfahren, system und computerprogrammprodukt zur auswertung von glycemischen kontrollen von selbstüberwachnungsdaten bei diabetis
EP1304856A4 (de) * 2000-05-31 2006-07-19 Arkray Inc Ferndatensteuersystem und messdatensammelverfahren
US8641644B2 (en) 2000-11-21 2014-02-04 Sanofi-Aventis Deutschland Gmbh Blood testing apparatus having a rotatable cartridge with multiple lancing elements and testing means
WO2002100461A2 (en) 2001-06-12 2002-12-19 Pelikan Technologies, Inc. Method and apparatus for improving success rate of blood yield from a fingerstick
US9795747B2 (en) 2010-06-02 2017-10-24 Sanofi-Aventis Deutschland Gmbh Methods and apparatus for lancet actuation
US9226699B2 (en) 2002-04-19 2016-01-05 Sanofi-Aventis Deutschland Gmbh Body fluid sampling module with a continuous compression tissue interface surface
US7981056B2 (en) 2002-04-19 2011-07-19 Pelikan Technologies, Inc. Methods and apparatus for lancet actuation
US8337419B2 (en) 2002-04-19 2012-12-25 Sanofi-Aventis Deutschland Gmbh Tissue penetration device
EP1404233B1 (de) 2001-06-12 2009-12-02 Pelikan Technologies Inc. Selbstoptimierende lanzettenvorrichtung mit adaptationsmittel für zeitliche schwankungen von hauteigenschaften
AU2002312521A1 (en) 2001-06-12 2002-12-23 Pelikan Technologies, Inc. Blood sampling apparatus and method
WO2002100254A2 (en) 2001-06-12 2002-12-19 Pelikan Technologies, Inc. Method and apparatus for lancet launching device integrated onto a blood-sampling cartridge
US7344507B2 (en) 2002-04-19 2008-03-18 Pelikan Technologies, Inc. Method and apparatus for lancet actuation
US9427532B2 (en) 2001-06-12 2016-08-30 Sanofi-Aventis Deutschland Gmbh Tissue penetration device
US7025774B2 (en) 2001-06-12 2006-04-11 Pelikan Technologies, Inc. Tissue penetration device
US7033371B2 (en) 2001-06-12 2006-04-25 Pelikan Technologies, Inc. Electric lancet actuator
US20040176913A1 (en) * 2001-06-22 2004-09-09 Masanao Kawatahara Information communication system
US6544212B2 (en) 2001-07-31 2003-04-08 Roche Diagnostics Corporation Diabetes management system
JP2004538078A (ja) * 2001-08-20 2004-12-24 インバネス・メディカル・リミテッド 無線糖尿病管理装置および無線糖尿病管理装置の使用方法
US7976476B2 (en) 2002-04-19 2011-07-12 Pelikan Technologies, Inc. Device and method for variable speed lancet
US7229458B2 (en) 2002-04-19 2007-06-12 Pelikan Technologies, Inc. Method and apparatus for penetrating tissue
US7331931B2 (en) 2002-04-19 2008-02-19 Pelikan Technologies, Inc. Method and apparatus for penetrating tissue
US7291117B2 (en) 2002-04-19 2007-11-06 Pelikan Technologies, Inc. Method and apparatus for penetrating tissue
US7892185B2 (en) 2002-04-19 2011-02-22 Pelikan Technologies, Inc. Method and apparatus for body fluid sampling and analyte sensing
US8360992B2 (en) 2002-04-19 2013-01-29 Sanofi-Aventis Deutschland Gmbh Method and apparatus for penetrating tissue
US7491178B2 (en) 2002-04-19 2009-02-17 Pelikan Technologies, Inc. Method and apparatus for penetrating tissue
US7909778B2 (en) 2002-04-19 2011-03-22 Pelikan Technologies, Inc. Method and apparatus for penetrating tissue
US7371247B2 (en) 2002-04-19 2008-05-13 Pelikan Technologies, Inc Method and apparatus for penetrating tissue
US8702624B2 (en) 2006-09-29 2014-04-22 Sanofi-Aventis Deutschland Gmbh Analyte measurement device with a single shot actuator
US7232451B2 (en) 2002-04-19 2007-06-19 Pelikan Technologies, Inc. Method and apparatus for penetrating tissue
US8267870B2 (en) 2002-04-19 2012-09-18 Sanofi-Aventis Deutschland Gmbh Method and apparatus for body fluid sampling with hybrid actuation
US7547287B2 (en) 2002-04-19 2009-06-16 Pelikan Technologies, Inc. Method and apparatus for penetrating tissue
US7674232B2 (en) 2002-04-19 2010-03-09 Pelikan Technologies, Inc. Method and apparatus for penetrating tissue
US7892183B2 (en) 2002-04-19 2011-02-22 Pelikan Technologies, Inc. Method and apparatus for body fluid sampling and analyte sensing
US7713214B2 (en) 2002-04-19 2010-05-11 Pelikan Technologies, Inc. Method and apparatus for a multi-use body fluid sampling device with optical analyte sensing
US8784335B2 (en) 2002-04-19 2014-07-22 Sanofi-Aventis Deutschland Gmbh Body fluid sampling device with a capacitive sensor
US7297122B2 (en) 2002-04-19 2007-11-20 Pelikan Technologies, Inc. Method and apparatus for penetrating tissue
US8221334B2 (en) 2002-04-19 2012-07-17 Sanofi-Aventis Deutschland Gmbh Method and apparatus for penetrating tissue
US9248267B2 (en) 2002-04-19 2016-02-02 Sanofi-Aventis Deustchland Gmbh Tissue penetration device
US7648468B2 (en) 2002-04-19 2010-01-19 Pelikon Technologies, Inc. Method and apparatus for penetrating tissue
US8579831B2 (en) 2002-04-19 2013-11-12 Sanofi-Aventis Deutschland Gmbh Method and apparatus for penetrating tissue
US9795334B2 (en) 2002-04-19 2017-10-24 Sanofi-Aventis Deutschland Gmbh Method and apparatus for penetrating tissue
US7901362B2 (en) 2002-04-19 2011-03-08 Pelikan Technologies, Inc. Method and apparatus for penetrating tissue
US7717863B2 (en) 2002-04-19 2010-05-18 Pelikan Technologies, Inc. Method and apparatus for penetrating tissue
US9314194B2 (en) 2002-04-19 2016-04-19 Sanofi-Aventis Deutschland Gmbh Tissue penetration device
US8538703B2 (en) * 2002-08-13 2013-09-17 University Of Virginia Patent Foundation Method, system, and computer program product for the processing of self-monitoring blood glucose(SMBG)data to enhance diabetic self-management
US20040087836A1 (en) * 2002-10-31 2004-05-06 Green Michael R. Computer system and method for closed-loop support of patient self-testing
US8574895B2 (en) 2002-12-30 2013-11-05 Sanofi-Aventis Deutschland Gmbh Method and apparatus using optical techniques to measure analyte levels
DE602004028463D1 (de) 2003-05-30 2010-09-16 Pelikan Technologies Inc Verfahren und vorrichtung zur injektion von flüssigkeit
US7850621B2 (en) 2003-06-06 2010-12-14 Pelikan Technologies, Inc. Method and apparatus for body fluid sampling and analyte sensing
WO2006001797A1 (en) 2004-06-14 2006-01-05 Pelikan Technologies, Inc. Low pain penetrating
US8282576B2 (en) 2003-09-29 2012-10-09 Sanofi-Aventis Deutschland Gmbh Method and apparatus for an improved sample capture device
EP1680014A4 (de) 2003-10-14 2009-01-21 Pelikan Technologies Inc Verfahren und gerät für eine variable anwenderschnittstelle
EP1706026B1 (de) 2003-12-31 2017-03-01 Sanofi-Aventis Deutschland GmbH Verfahren und vorrichtung zur verbesserung der fluidströmung und der probennahme
US7822454B1 (en) 2005-01-03 2010-10-26 Pelikan Technologies, Inc. Fluid sampling device with improved analyte detecting member configuration
JP4547173B2 (ja) * 2004-03-17 2010-09-22 シスメックス株式会社 糖尿病診療支援システム
CN100533429C (zh) * 2004-05-11 2009-08-26 希森美康株式会社 葡萄糖和胰岛素浓度模拟系统及记录介质
EP1751546A2 (de) 2004-05-20 2007-02-14 Albatros Technologies GmbH & Co. KG Bedruckbares wassergel für biosensoren
US9775553B2 (en) 2004-06-03 2017-10-03 Sanofi-Aventis Deutschland Gmbh Method and apparatus for a fluid sampling device
EP1765194A4 (de) 2004-06-03 2010-09-29 Pelikan Technologies Inc Verfahren und gerät für eine flüssigkeitsentnahmenvorrichtung
US8652831B2 (en) 2004-12-30 2014-02-18 Sanofi-Aventis Deutschland Gmbh Method and apparatus for analyte measurement test time
ITBO20050002A1 (it) * 2005-01-04 2006-07-05 Giacomo Vespasiani Metodo e sistema per la gestione interattiva di dati relativi ad una terapia insulinica in autocontrollo per un paziente diabetico
US7798961B1 (en) 2005-01-11 2010-09-21 BeWell Mobile Technology Inc. Acquisition and management of time dependent health information
JP2006313481A (ja) * 2005-05-09 2006-11-16 Sysmex Corp 生体器官の機能のシミュレーションシステム及びそのプログラム
JP4756906B2 (ja) * 2005-05-11 2011-08-24 シスメックス株式会社 生体シミュレーションシステム及びコンピュータプログラム
JP4781710B2 (ja) * 2005-05-12 2011-09-28 シスメックス株式会社 治療効果予測システム及びそのプログラム
EP1830333A1 (de) * 2006-01-27 2007-09-05 Sysmex Corporation Medizinisches Simulationssystem, Computersystem und Computerprogrammprodukt
US7824333B2 (en) * 2006-03-31 2010-11-02 Lifescan, Inc. Diabetes management methods and systems
GB2436873A (en) * 2006-04-07 2007-10-10 Univ Cambridge Tech Blood glucose monitoring systems
US20080306353A1 (en) * 2006-11-03 2008-12-11 Douglas Joel S Calculation device for metabolic control of critically ill and/or diabetic patients
EP1980851A3 (de) * 2007-03-30 2014-03-12 Tanita Corporation Verfahren und Vorrichtung zur Schätzung der Blutzuckerzustands
JP2008293171A (ja) 2007-05-23 2008-12-04 Sysmex Corp 医療診断支援コンピュータシステム、コンピュータプログラム、及びサーバコンピュータ
US7731659B2 (en) * 2007-10-18 2010-06-08 Lifescan Scotland Limited Method for predicting a user's future glycemic state
US7695434B2 (en) * 2007-10-19 2010-04-13 Lifescan Scotland, Ltd. Medical device for predicting a user's future glycemic state
EP2230991B1 (de) * 2007-12-26 2018-07-04 Roche Diabetes Care GmbH System zur blutzuckerkontrolle
US20100138203A1 (en) * 2008-02-12 2010-06-03 Alferness Clifton A System and method for actively managing type 2 diabetes mellitus on a personalized basis
US20110077930A1 (en) * 2008-02-12 2011-03-31 Alferness Clifton A Computer-implemented method for providing a personalized tool for estimating 1,5-anhydroglucitol
US20100145173A1 (en) * 2008-02-12 2010-06-10 Alferness Clifton A System and method for creating a personalized tool predicting a time course of blood glucose affect in diabetes mellitus
US20100198021A1 (en) * 2008-02-12 2010-08-05 Alferness Clifton A Computer-implemented method for providing a tunable personalized tool for estimating glycated hemoglobin
US20100198020A1 (en) * 2008-02-12 2010-08-05 Alferness Clifton A System And Method For Computer-Implemented Method For Actively Managing Increased Insulin Resistance In Type 2 Diabetes Mellitus
US20100145670A1 (en) * 2008-02-12 2010-06-10 Alferness Clifton A System and method for managing type 2 diabetes mellitus through a personal predictive management tool
US20100138453A1 (en) * 2008-02-12 2010-06-03 Alferness Clifton A System and method for generating a personalized diabetes management tool for diabetes mellitus
US20100145725A1 (en) * 2008-02-12 2010-06-10 Alferness Clifton A System and method for managing type 1 diabetes mellitus through a personal predictive management tool
US20100145174A1 (en) * 2008-02-12 2010-06-10 Alferness Clifton A System And Method For Providing A Personalized Tool For Estimating Glycated Hemoglobin
US20100137786A1 (en) * 2008-02-12 2010-06-03 Alferness Clifton A System and method for actively managing type 1 diabetes mellitus on a personalized basis
WO2009126900A1 (en) 2008-04-11 2009-10-15 Pelikan Technologies, Inc. Method and apparatus for analyte detecting device
WO2010014963A2 (en) * 2008-07-31 2010-02-04 Government Of The United States As Represented By The Secretary Of The Army Universal models for predicting glucose concentration in humans
JP5323853B2 (ja) * 2008-10-08 2013-10-23 旭化成ファーマ株式会社 血液試料解析方法、血液試料解析装置、及びプログラム
US20100168539A1 (en) * 2008-12-31 2010-07-01 Palerm Cesar C Method and/or system for estimating glycation of hemoglobin
US9375169B2 (en) 2009-01-30 2016-06-28 Sanofi-Aventis Deutschland Gmbh Cam drive for managing disposable penetrating member actions with a single motor and motor and control system
US20110196213A1 (en) * 2009-06-26 2011-08-11 Roche Diagnostics Operations, Inc. Display For Biological Values
US20100330598A1 (en) * 2009-06-26 2010-12-30 Roche Diagnostics Operations, Inc. METHOD, SYSTEM, AND COMPUTER PROGRAM PRODUCT FOR PROVIDING BOTH AN ESTIMATED TRUE MEAN BLOOD GLUCOSE VALUE AND ESTIMATED GLYCATED HEMOGLOBIN (HbA1C) VALUE FROM STRUCTURED SPOT MEASUREMENTS OF BLOOD GLUCOSE
KR101095303B1 (ko) * 2009-07-02 2011-12-16 가톨릭대학교 산학협력단 당화혈색소 수치 추정 시스템 및 방법
AU2010292417B9 (en) * 2009-09-08 2015-04-16 Abbott Diabetes Care Inc. Methods and articles of manufacture for hosting a safety critical application on an uncontrolled data processing device
US20110097363A1 (en) * 2009-10-22 2011-04-28 Cpex Pharmaceuticals, Inc. Therapeutically Effective Preparations of Insulin
US8965476B2 (en) 2010-04-16 2015-02-24 Sanofi-Aventis Deutschland Gmbh Tissue penetration device
FR2970418B1 (fr) * 2011-01-14 2013-01-11 Hospices Civils Lyon Dispositif pour l'optimisation de la glycemie d'un patient
EP2700049A4 (de) * 2011-04-20 2015-08-19 Cleveland Clinic Foundation Prädiktive modellierung
JP5997453B2 (ja) 2011-04-25 2016-09-28 アークレイ株式会社 情報処理装置およびユーザ端末
US8744828B2 (en) 2012-07-26 2014-06-03 Rimidi Diabetes, Inc. Computer-implemented system and method for improving glucose management through modeling of circadian profiles
US8756043B2 (en) 2012-07-26 2014-06-17 Rimidi Diabetes, Inc. Blood glucose meter and computer-implemented method for improving glucose management through modeling of circadian profiles
US8768673B2 (en) 2012-07-26 2014-07-01 Rimidi Diabetes, Inc. Computer-implemented system and method for improving glucose management through cloud-based modeling of circadian profiles
WO2016103390A1 (ja) * 2014-12-25 2016-06-30 株式会社日立製作所 インスリン分泌能分析装置、当該装置を備えるインスリン分泌能分析システム及びインスリン分泌能分析方法
SG11201909689TA (en) 2017-06-20 2019-11-28 Chan Sidney Soong Ling Method and system for monitoring a diabetes treatment plan

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4238196A (en) * 1979-11-01 1980-12-09 Isolab, Inc. Methods to determine a diagnostic indicator of blood sugar conditions, and, liquid chromatographic columns therefor (cyanide free)
US5415167A (en) * 1992-01-10 1995-05-16 Wilk; Peter J. Medical system and associated method for automatic diagnosis and treatment
FR2710438B1 (fr) * 1993-09-21 1995-11-24 Bretagne Radio Communications Dispositif de surveillance de personnes par rapport à un environnement donné.
US6319665B1 (en) * 1994-06-07 2001-11-20 Inverness Medical Technology, Inc. Home test kit and method with telephone verification of results
US5701904A (en) * 1996-01-11 1997-12-30 Krug International Telemedicine instrumentation pack
FI118509B (fi) * 1996-02-12 2007-12-14 Nokia Oyj Menetelmä ja laitteisto potilaan veren glukoosipitoisuuden ennustamiseksi
US5715823A (en) * 1996-02-27 1998-02-10 Atlantis Diagnostics International, L.L.C. Ultrasonic diagnostic imaging system with universal access to diagnostic information and images
US5987519A (en) * 1996-09-20 1999-11-16 Georgia Tech Research Corporation Telemedicine system using voice video and data encapsulation and de-encapsulation for communicating medical information between central monitoring stations and remote patient monitoring stations

Also Published As

Publication number Publication date
US6421633B1 (en) 2002-07-16
JP4523082B2 (ja) 2010-08-11
FI112545B (fi) 2003-12-15
DE69817446D1 (de) 2003-10-02
DK0881495T3 (da) 2003-12-08
EP0881495B1 (de) 2003-08-27
FI972292A (fi) 1998-12-01
FI972292A0 (fi) 1997-05-30
KR100857191B1 (ko) 2009-03-25
JPH10332704A (ja) 1998-12-18
KR19980087191A (ko) 1998-12-05
EP0881495A1 (de) 1998-12-02

Similar Documents

Publication Publication Date Title
DE69817446T2 (de) Behandlung von diabetes
DE69332980T2 (de) Betreiben eines neuronalen netzwerks mit fehlenden und/oder inkompletten daten
DE102019207238A1 (de) Bereitstellen eines Ergebnisbilddatensatzes
DE60315080T2 (de) Verfahren und vorrichtung zum extrahieren kausaler informationen aus einer chaotischen zeitreihe
WO2002047026A2 (de) Verfahren zur ermittlung konkurrierender risiken
Jonen et al. Balanced IT Decision Card—An Instrument for Investment Controlling of IT Projects
DE112014001359T5 (de) Prädiktives System zum Bereitstellen von Unternehmensanwendungen
DE112021004559T5 (de) System zur robusten vorhersage bei unregelmässigen zeitreihen in dialysepatientenakten
DE102018132508A1 (de) System und Verfahren zur Vorhersage von Gesundheitsuntersuchungen basierend auf semantischen Beziehungen
EP0875808A2 (de) Verfahren und System zur Generierung eines Prozessmodells eines technischen Prozesses
DE102012108407A1 (de) Verfahren und Vorrichtung zum Ermitteln von Testmengen von Betriebsparameterwerten für eine elektronische Komponente
Jann Robuste regression
DE102006006296B3 (de) Verfahren, Vorrichtung und Computerprogramm zum Erzeugen eines Ansteuersignals für ein Cochlea-Implantat basierend auf einem Audiosignal
DE102005011125A1 (de) Verfahren und Vorrichtung zur inkrementellen Berechnung des General Linear Model bei zeitweiser Korrelation der Modellfunktionen
EP0890153B1 (de) Verfahren zur ermittlung von zur entfernung geeigneten gewichten eines neuronalen netzes mit hilfe eines rechners
DE112014003067T5 (de) Speicherprogrammierbare Steuerung
EP2634966A1 (de) Verfahren zum Untersuchen eines Datentransportnetzwerks und Computerprogrammprodukt
Taylor The application of the negative binomial distribution to stock control problems
DE102007014773A1 (de) Verfahren und Vorrichtung zur Durchführung einer Maximum Intensity Projektion
EP3739592A1 (de) Dezentralisiert gesteuerte bildgebungsbasierte patientendatengewinnung
EP0978052B1 (de) Rechnergestütztes verfahren zur auswahl von trainingsdaten für ein neuronales netz
EP1051634B1 (de) Computer zur auswertung von signalen aus der kernmagnetischen resonanztomographie sowie mit dem computer ausgestatteter kernresonanztomograph
DE112020006088T5 (de) Computerimplementiertes verfahren zum umwandeln eines eingangsbildes in ein ausgangsbild basierend auf einem referenzbild
EP1114398B1 (de) Verfahren zum trainieren eines neuronalen netzes, verfahren zur klassifikation einer folge von eingangsgrössen unter verwendung eines neuronalen netzes, neuronales netz und anordnung zum trainieren eines neuronalen netzes
DE102023203460B3 (de) Computerimplementiertes Verfahren zum Betrieb einer Bildgebungseinrichtung, Bildgebungseinrichtung, Computerprogramm und elektronisch lesbarer Datenträger

Legal Events

Date Code Title Description
8364 No opposition during term of opposition
8328 Change in the person/name/address of the agent

Representative=s name: BECKER, KURIG, STRAUS, 80336 MUENCHEN