Deprecated: The each() function is deprecated. This message will be suppressed on further calls in /home/zhenxiangba/zhenxiangba.com/public_html/phproxy-improved-master/index.php on line 456
JP7662611B2 - 薬剤用量ガイダンスに関連するシステム、デバイスおよび方法 - Google Patents
[go: Go Back, main page]

JP7662611B2 - 薬剤用量ガイダンスに関連するシステム、デバイスおよび方法 - Google Patents

薬剤用量ガイダンスに関連するシステム、デバイスおよび方法 Download PDF

Info

Publication number
JP7662611B2
JP7662611B2 JP2022506627A JP2022506627A JP7662611B2 JP 7662611 B2 JP7662611 B2 JP 7662611B2 JP 2022506627 A JP2022506627 A JP 2022506627A JP 2022506627 A JP2022506627 A JP 2022506627A JP 7662611 B2 JP7662611 B2 JP 7662611B2
Authority
JP
Japan
Prior art keywords
dose
meal
dga
time
insulin
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.)
Active
Application number
JP2022506627A
Other languages
English (en)
Other versions
JP2022543239A (ja
JP2022543239A5 (ja
Inventor
エー ヘイター，ゲイリー
バタチャリヤ，アパラジタ
エス ブディマン，アーウィン
ティー ノヴァク，マシュー
ジン，タイハオ
ビー タウブ，マーク
エム ファーン，ジョナサン
シュィ，ヨンジン
ジュー，カイユエン
コヴィントン，ケンダル
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.)
Abbott Diabetes Care Inc
Original Assignee
Abbott Diabetes Care Inc
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 Abbott Diabetes Care Inc filed Critical Abbott Diabetes Care Inc
Publication of JP2022543239A publication Critical patent/JP2022543239A/ja
Publication of JP2022543239A5 publication Critical patent/JP2022543239A5/ja
Priority to JP2025061865A priority Critical patent/JP2025106388A/ja
Application granted granted Critical
Publication of JP7662611B2 publication Critical patent/JP7662611B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/10—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients
    • G16H20/17—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients delivered via infusion or injection
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration or pH-value ; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid or cerebral tissue
    • A61B5/14532—Measuring characteristics of blood in vivo, e.g. gas concentration or pH-value ; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid or cerebral tissue for measuring glucose, e.g. by tissue impedance measurement
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4833—Assessment of subject's compliance to treatment
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4848—Monitoring or testing the effects of treatment, e.g. of medication
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7246—Details of waveform analysis using correlation, e.g. template matching or determination of similarity
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/725—Details of waveform analysis using specific filters therefor, e.g. Kalman or adaptive filters
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/10—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/60—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to nutrition control, e.g. diets
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/40—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the management of medical equipment or devices, e.g. scheduling maintenance or upgrades
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/63—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for local operation
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/67—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for remote operation
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H15/00—ICT specially adapted for medical reports, e.g. generation or transmission thereof
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H70/00—ICT specially adapted for the handling or processing of medical references
    • G16H70/40—ICT specially adapted for the handling or processing of medical references relating to drugs, e.g. their side effects or intended usage

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Pathology (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Biophysics (AREA)
  • Veterinary Medicine (AREA)
  • Animal Behavior & Ethology (AREA)
  • Surgery (AREA)
  • Molecular Biology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Artificial Intelligence (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physiology (AREA)
  • Psychiatry (AREA)
  • Signal Processing (AREA)
  • Business, Economics & Management (AREA)
  • General Business, Economics & Management (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Chemical & Material Sciences (AREA)
  • Medicinal Chemistry (AREA)
  • Optics & Photonics (AREA)
  • Emergency Medicine (AREA)
  • Nutrition Science (AREA)
  • Infusion, Injection, And Reservoir Apparatuses (AREA)
  • Medical Treatment And Welfare Office Work (AREA)
  • Investigating Or Analysing Biological Materials (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Description

関連出願
本出願は、２０１９年８月２日に出願された米国仮特許出願第６２／８８２２４９号明細書、２０２０年２月２１日に出願された米国仮特許出願第６２／９７９５７８号明細書、２０２０年２月２１日に出願された米国仮特許出願第６２／９７９５９４号明細書、２０２０年２月２１日に出願された米国仮特許出願第６２／９７９６１８号明細書、および２０２０年７月３０日に出願された米国仮特許出願第６３／０５８７９９号明細書の優先権および利益を主張し、それらの内容全体をすべての目的のために参照により本明細書に援用するものとする。
本明細書に記載されている主題は、一般的に、例えば、糖尿病に起因するグルコースレベルの上昇を治療するためのインスリン用量の決定などの薬剤用量ガイダンスに関連するシステム、デバイスおよび方法に関する。
グルコース、ケトン類、乳酸、酸素、ヘモグロビンＡ１Ｃなどの分析物レベルの検出および／または監視は、糖尿病を有する個体の健康にとって極めて重要であり得る。糖尿病を患っている患者は、意識喪失、心血管疾患、網膜症、神経障害および腎症をはじめとする合併症を被る可能性がある。糖尿病患者は、一般的に、グルコースレベルが臨床的に安全な範囲内に維持されていることを確認するために、グルコースレベルを監視する必要があり、またこの情報を利用して、体内のグルコースレベルを下げるためにインスリンが必要かどうか、かつ／もしくはいつ必要か、または体内のグルコースレベルを上げるために追加のグルコースが必要かどうかを判断することもできる。
グルコース監視の頻度と血糖コントロールとの間に強い相関関係があることを示す臨床データが増えてきている。しかしながら、このような相関関係にもかかわらず、糖尿病と診断された個体の多くが、不便さ、検査の判断、グルコース検査に伴う痛み、およびコストをはじめとする要因が重なるために、グルコースレベルを必要な頻度で監視していない。
糖尿病を治療または管理するために薬剤（例えば、インスリン）の投与に依存している患者にとって、分析物監視システムにより収集されたグルコース情報を自動的に利用して、必要に応じて容易にアクセス可能な手法で薬剤用量ガイダンスを提供することができるシステム、デバイスまたは方法があることが望ましい。このようなシステム、デバイスまたは方法は、このような薬剤用量ガイダンスを提供する際に、治療を受けるユーザまたは患者の生理学、食生活、活動および／または行動を考慮することがさらに望ましく、それ自体で精度および信頼性を改善し得る。さらに、幾つかの状況では、このようなシステム、デバイスまたは方法が、選択された薬剤用量を自動的に送達できることも望ましい。
これらの理由およびその他の理由により、薬剤用量ガイダンスに関連する改善されたシステム、方法およびデバイスの需要が存在する。
本明細書では、薬剤用量ガイダンス、および幾つかの実施形態では薬剤送達に関するシステム、デバイスおよび方法の例示的な実施形態が提供される。一態様によれば、本明細書に記載されている実施形態の多くは、ディスプレイデバイス、センサ制御デバイスおよび薬剤送達デバイスを含む用量ガイダンスシステムを備える。用量ガイダンスシステムは、用量ガイダンス（例えば、投薬量、補正およびタイトレーションに関する推奨事項）を決定して患者に出力することができる用量ガイダンスアプリケーション（例えば、ソフトウェア）を含むことができる。さらに、幾つかの実施形態によれば、用量ガイダンスシステムは、用量ガイダンスシステムが主要な投与パラメータを推定することができる学習期間中に、患者の投薬戦略を学習することができる。幾つかの実施形態によれば、用量ガイダンスシステムは、このシステムが患者の現在の投薬戦略で構成されると、タイトレーションおよび補正のためのガイダンスを提供することもできる。用量ガイダンスシステムはまた、異なる食事の投与シナリオのためのガイダンスを提供することもできる。例えば、幾つかの実施形態では、用量ガイダンスシステムは、食事の開始時もしくは開始前または食事の開始後に用量ガイダンスを提供することができる。用量ガイダンスシステムはまた、加わった食事（例えば、デザート）のための用量ガイダンス、または食後の高いグルコースレベルに対処するための「タッチアップ（追加）」投与のための用量ガイダンスを提供することもできる。用量ガイダンスシステムの例示的なシステムおよび安全機能についても説明する。
本明細書に提供されている実施形態の多くは、分析物監視システムで使用するための改善されたソフトウェア機能またはグラフィカルユーザインタフェースを備え、非常に直感的でユーザフレンドリであり、ユーザの生理学的情報への迅速なアクセスを提供する。より具体的には、これらの実施形態は、ユーザ（またはＨＣＰ）が、大量の分析物データを調べるという面倒な作業を行う必要なく、ユーザの生理学的条件、過去の投与パターンおよびその他の要因に関連する情報に基づいて、適切な薬剤療法を迅速に決定することを可能にする。さらに、ＧＵＩおよびＧＵＩ機能の一部は、ユーザ（およびその介護者）が、ユーザの投与パターンならびにその後の低血糖および高血糖エピソードをよりよく理解し、改善することを可能にする。同様に、本明細書に提供されている他の多くの実施形態は、用量ガイダンスシステムの改善されたソフトウェア機能を備え、低血糖エピソードを最小限に抑える安全なタイトレーション戦略を可能にすることでユーザに提供される用量ガイダンス、食事の開始時刻（例えば、食事の開始前、食事の開始時または食事の開始後）に対する用量の投与タイミングに応じて用量ガイダンスを変更する方法、投薬戦略に影響を与える実世界の事象の考慮、閾値ではなく予測された発生確率に基づく食後アラームなどを改善するが、これらは幾つかの例に過ぎない。他の改善点および利点も提供される。これらのデバイスの様々な構成については、例示に過ぎない実施形態により詳細に説明される。
本明細書に記載されている主題の他のシステム、デバイス、方法、特徴および利点は、以下の図および詳細な説明を検討することによって当業者に明らかになるであろう。このような追加のシステム、デバイス、方法、特徴および利点はすべて、本明細書に含まれ、本明細書に記載されている主題の範囲内にあり、添付の特許請求の範囲により保護されることが意図されている。例示的な実施形態の特徴は、添付の特許請求の範囲にそれらの特徴が明示的に記載されていない限り、特許請求の範囲を限定するものとして解釈されるべきではない。
本明細書に記載されている主題の詳細は、その構造と操作の両方に関して、添付の図面を検討することで明らかになり得る（図面における同様の参照数字は同様の部分を指す）。図面における構成要素は必ずしも縮尺通りではなく、代わりに主題の原理を説明することに重点が置かれている。さらに、すべての図は概念を伝えることを意図しており、相対的なサイズ、形状、およびその他の詳細な属性は、文字通りまたは正確にではなく、概略的に示されている場合がある。
用量ガイダンスシステムの例示的な実施形態のブロック図を示す。 用量ガイダンスシステムの例示的な実施形態のブロック図を示す。 センサ制御デバイスの例示的な実施形態を示す概略図である。 センサ制御デバイスの例示的な実施形態を示すブロック図である。 薬剤送達デバイスの例示的な実施形態を示す概略図である。 薬剤送達デバイスの例示的な実施形態を示すブロック図である。 ディスプレイデバイスの例示的な実施形態を示す概略図である。 ディスプレイデバイスの例示的な実施形態を示すブロック図である。 ユーザインタフェースデバイスの例示的な実施形態を示すブロック図である。 例示的なグルコースパターンレポートを示す図である。 図６－１の続きの図である。 図６－２の続きの図である。 患者によるインスリン投薬習慣を推定するための学習方法に向けられた用量ガイダンスアプリケーションの一部のプロセスフローの例示的な実施形態を示すフロー図である。 頻回注射（ＭＤＩ）投薬療法のための食事ボーラスタイトレーションを評価するための用量ガイダンスアプリケーションによる操作のためのプロセスフローの例示的な実施形態を示すフロー図である。 グルコースパターン分析（ＧＰＡ）のための用量ガイダンスアプリケーションによる操作のためのプロセスフローの例示的な実施形態を示すフロー図である。 ＧＰＡのための低血糖リスクおよびその他の指標を判定するための情報を示すグラフの例示的な実施形態を示す図である。 ＭＤＩインスリン投薬療法のための食事ボーラスタイトレーションを評価するためのアルゴリズムの様々な例示的な実施形態の態様を示すフロー図である。 ＭＤＩインスリン投薬療法のための食事ボーラスタイトレーションを評価するためのアルゴリズムの様々な例示的な実施形態の態様を示すフロー図である。 ＭＤＩインスリン投薬療法のための食事ボーラスタイトレーションを評価するためのアルゴリズムの様々な例示的な実施形態の態様を示すフロー図である。 ＭＤＩインスリン投薬療法のための食事ボーラスタイトレーションを評価するためのアルゴリズムの様々な例示的な実施形態の態様を示すフロー図である。 ＭＤＩインスリン投薬療法のための食事ボーラスタイトレーションを評価するためのアルゴリズムの様々な例示的な実施形態の態様を示すフロー図である。 生理学的用量アルゴリズムを使用して用量ガイダンスを決定する方法の例示的な実施形態を示すフロー図である。 生理学的用量アルゴリズムを使用して用量ガイダンスを決定する方法の例示的な実施形態を示すフロー図である。 生理学的用量アルゴリズムを使用して用量ガイダンスを決定する方法の例示的な実施形態を示すフロー図である。 補正係数タイトレーションのための用量ガイダンスアプリケーションによる操作のためのプロセスフローの例示的な実施形態を示すフロー図である。 分析物データに応答して補正係数を調整するためのデータを出力するためにユーザインタフェースデバイスを制御する態様を示すフロー図である。 分析物データに応答して補正係数を調整するためのデータを出力するためにユーザインタフェースデバイスを制御する態様を示すフロー図である。 食事の開始時または開始前に投与するための用量ガイダンスを決定する方法の例示的な実施形態を示すフロー図である。 食事の開始後に投与するための用量ガイダンスを決定する方法の例示的な実施形態を示すフロー図である。 食事の開始後に投与するための用量ガイダンスを決定する代替方法の例示的な実施形態を示すフロー図である。 食事の開始後に投与のための用量ガイダンスを決定する別の代替方法の例示的な実施形態を示すフロー図である。 追加の食事に対する投与のための用量ガイダンスを決定する方法の例示的な実施形態を示すフロー図である。 補正用量の投与のための用量ガイダンスを決定する方法の例示的な実施形態を示すフロー図である。 対象にアラートする方法の例示的な実施形態を示すフロー図である。 用量ガイダンス設定を上書きする方法の例示的な実施形態を示すフロー図である。 センサ障害検出のための方法の例示的な実施形態を示すフロー図である。 投薬戦略の変更を検出するための方法の例示的な実施形態を示すフロー図である。 投薬戦略の不一致を検出するための方法の例示的な実施形態を示すフロー図である。 頻回投与を管理する方法の例示的な実施形態を示すフロー図である。 インスリン用量ガイダンスを調整する方法の例示的な実施形態を示すフロー図である。 投薬戦略を管理する方法の例示的な実施形態を示すフロー図である。 インスリン用量のタイトレーションを推奨する方法の例示的な実施形態を示すフロー図である。 インスリン用量のタイトレーションを推奨する方法の別の例示的な実施形態を示すフロー図である。 夜間の期間に伴うインスリン用量のタイトレーションを推奨する方法の例示的な実施形態を示すフロー図である。 夕食の期間に伴うインスリン用量のタイトレーションを推奨する方法の例示的な実施形態を示すフロー図である。 インスリン投薬を推奨する方法の例示的な実施形態を示すフロー図である。 インスリン送達が異常であるかどうかを判定する方法の例示的な実施形態を示すフロー図である。 例示的な追跡ペアのグラフの例示的な実施形態を示す図である。 部位回転システムの例示的な実施形態を示すブロック図である。 薬物注入部位を監視する方法の例示的な実施形態のフロー図である。
本発明の主題を詳細に説明する前に、本開示は、本明細書に記載されている特定の実施形態に限定されるものではなく、それ自体でもちろん変化する可能性があることを理解されたい。また、本明細書で使用されている用語は、特定の実施形態を説明するためだけのものであり、本開示の範囲は添付の特許請求の範囲によってのみ限定されるため、限定することを意図したものではないことを理解されたい。
一般的に、本開示の実施形態は、薬剤用量ガイダンスに関連するシステム、デバイスおよび方法を含む。用量ガイダンスは、ユーザ固有の広範な情報および情報カテゴリ、例えばユーザの現在および過去の分析物レベル、ユーザの現在および過去の食事、ユーザの現在および過去の身体活動、ユーザの現在および過去の薬歴、ならびにユーザに関する他の生理学的情報など、ユーザ固有の広範な情報および情報のカテゴリに基づくことができる。実施形態の一態様によれば、本開示のシステム、デバイスおよび方法により提供される用量ガイダンスは、個々の情報カテゴリだけでなく、このような情報カテゴリがユーザの将来の分析物レベルに与える予測される影響にも基づくことができる。
用量ガイダンス機能は、コンピューティングデバイスのメモリに格納されたソフトウェアおよび／またはファームウェア命令を含み、少なくとも１つのプロセッサまたはその処理回路によって実行される用量ガイダンスアプリケーション（ＤＧＡ）として実装されることができる。コンピューティングデバイスは、ユーザまたは医療従事者（ＨＣＰ）が所有することができ、ユーザまたはＨＣＰは、ユーザインタフェースを介してコンピューティングデバイスに対するインタフェースを形成することができる。幾つかの実施形態によれば、コンピューティングデバイスは、ネットワークを介してアクセス可能なサーバまたは信頼できるコンピュータシステムとすることができ、用量ガイダンスソフトウェアは、ネットワークを介してサーバまたは信頼できるコンピュータシステムと通信している（ユーザインタフェースを有する）ローカルディスプレイデバイス上で実行されるブラウザ経由でインタラクティブなウェブページの形でユーザに提示することができる。本実施形態およびその他の実施形態では、用量ガイダンスソフトウェアは、複数のデバイスにまたがって実行されるか、または一部はローカルディスプレイデバイスの処理回路で実行され、一部はサーバもしくは信頼できるコンピュータシステムの処理回路で実行される。ＤＧＡが動作を行っていると記述されている場合、かかる動作は、少なくとも１つのコンピューティングデバイスの少なくとも１つのプロセッサによって実行されたときにＤＧＡに記述された動作を行わせるコンピュータメモリ（読み取り専用メモリにハードコードされた命令を含む）に格納された命令に従って実行されることが、当業者には理解されるであろう。すべての場合において、動作は、メモリに格納された命令による実行とは対照的に、動作を実行するようにハードウェア化されたハードウェア（例えば、専用回路）により代替的に実行することができる。
さらに、本明細書で使用される場合、ＤＧＡが実装されたシステムを、用量ガイダンスシステムと称することができる。用量ガイダンスシステムは、用量ガイダンスを提供することのみを目的として構成することができるか、または用量ガイダンスが１つの側面に過ぎない多機能システムとすることができる。例えば、幾つかの実施形態では、用量ガイダンスシステムは、ユーザの分析物レベルを監視することもできる。幾つかの実施形態では、用量ガイダンスシステムは、注射または注入デバイスなどを用いて、ユーザに薬剤を送達することもできる。幾つかの実施形態では、用量ガイダンスシステムは、分析物の監視と薬剤の送達との両方が可能である。
本明細書に記載されているこれらの実施形態およびその他の実施形態は、コンピュータベースの用量決定、分析物監視、および薬剤送達システムの分野における改善を表している。開示されている実施形態の特定の特徴および潜在的な利点は、以下でさらに説明される。
用量ガイダンスの実施形態を詳細に説明する前に、まず、用量ガイダンスアプリケーションが実装可能な用量ガイダンスシステムの例を説明することが望ましい。
用量ガイダンスシステムの例示的な実施形態
図１Ａは、用量ガイダンスシステム１００の例示的な実施形態を示すブロック図である。この実施形態では、用量ガイダンスシステム１００は、用量ガイダンスの提供、１つ以上の分析物の監視、および１つ以上の薬剤の送達が可能である。この多機能な例は、システム１００によって得られる高度な相互接続性および性能を説明するために使用される。しかしながら、本明細書に記載されている実施形態では、分析物監視コンポーネント、薬剤送達コンポーネント、またはその両方を所望に応じて省略することができる。
ここで、システム１００は、ユーザから分析物レベル情報を収集するように構成されたセンサ制御デバイス（ＳＣＤ）１０２と、ユーザに薬剤を送達するように構成された薬剤送達デバイス（ＭＤＤ）１５２と、ユーザに情報を提示しかつユーザから入力または情報を受け取るように構成されたディスプレイデバイス１２０とを含む。各デバイスの構造および機能については、本明細書で詳細に説明される。
システム１００は、デバイス間の高度に相互接続されかつ高度に柔軟な通信のために構成されている。３つのデバイス１０２、１２０および１５２のそれぞれは、互いに直接に（中間電子デバイスを経由せずに）、または互いに間接的に（クラウドネットワーク１９０を介して、もしくは別のデバイスを経由してからネットワーク１９０を介してなど）通信することができる。デバイス間の双方向通信能力およびデバイスとネットワーク１９０との間の双方向通信能力は、図１Ａに両矢印で示されている。しかしながら、当業者であれば、１つまたは複数のデバイス（例えば、ＳＣＤ）のいずれかは、例えば、ブロードキャスト、マルチキャストまたは広告通信などの単方向通信が可能であることを理解するであろう。どの場合でも、双方向性または単方向性にかかわらず、通信は有線または無線とすることができる。各経路の通信を制御するプロトコルは、同じでも異なるものでもよく、また、独自のものでも標準化されたものでもよい。例えば、デバイス１０２、１２０および１５２間の無線通信は、Bluetooth（Bluetooth Low Energyを含む）規格、NFC（近距離無線通信）規格、Wi-Fi（802.11x）規格、モバイルテレフォニー規格などに従って実行することができる。様々な経路上のすべての通信は暗号化することができ、図１Ａの各デバイスは、送受信されるそれらの通信を暗号化および復号化するように構成することができる。どの場合でも、図１Ａの通信経路は、直接のもの（例えば、BluetoothもしくはNFC）または間接のもの（例えば、Wi-Fi、モバイルテレフォニーもしくは他のインターネットプロトコル）とすることができる。システム１００の実施形態は、図１Ａに示された経路のすべてにわたって通信する能力を有している必要はない。
加えて、図１Ａは、単一のディスプレイデバイス１２０、単一のＳＣＤ１０２、および単一のＭＤＤ１５２を示しているが、当業者であれば、システム１００が前述のデバイスのいずれかを複数備え得ることを理解するであろう。例示に過ぎないが、システム１００は、複数（例えば、２つ、３つ、４つなど）のディスプレイデバイス１２０および／または複数のＭＤＤ１５２と通信する単一のＳＣＤ１０２を備えることができる。あるいはシステム１００は、単一のディスプレイデバイス１２０および／または単一のＭＤＤ１５２と通信する複数のＳＣＤ１０２を備えることができる。さらに、複数のデバイスのそれぞれは、同じまたは異なるデバイスタイプとすることができる。例えば、システム１００は、スマートフォン、ハンドヘルド受信器および／またはスマートウォッチを含む複数のディスプレイデバイス１２０を備えることができ、これらの各々は、ＳＣＤ１０２および／またはＭＤＤ１５２と通信するとともに、相互に通信することもできる。
分析物データは、システム１００内の各デバイス間で自律的に（例えば、スケジュールに従って自動的に送信する）、または分析物データの要求に応答して（例えば、第１のデバイスから第２のデバイスに分析物データの要求を送信し、その後、第２のデバイスから第１のデバイスに分析物データを送信する）転送することができる。より複雑なシステムに対応するために、クラウドネットワーク１９０のようなデータ通信のための他の技術を採用することもできる。
図１Ｂは、用量ガイダンスシステム１００の別の例示的な実施形態を示すブロック図である。ここで、システム１００は、ＳＣＤ１０２、ＭＤＤ１５２、第１のディスプレイデバイス１２０－１、第２のディスプレイデバイス１２０－２、ローカルコンピュータシステム１７０、およびクラウドネットワーク１９０によりアクセス可能な信頼できるコンピュータシステム１８０を含む。ＳＣＤ１０２およびＭＤＤ１５２は、互いにかつディスプレイデバイス１２０－１と通信可能であり、ディスプレイデバイス１２０－１は、ＳＣＤ１０２およびＭＤＤ１５２からの情報を集約し、所望の場所でその情報を処理および表示し、情報の一部もしくは全部をクラウドネットワーク１９０ならびに／またはコンピュータシステム１７０に転送するための通信ハブとして機能することができる。逆に、ディスプレイデバイス１２０－１は、クラウドネットワーク１９０および／またはコンピュータシステム１７０から情報を受け取り、受け取った情報の一部もしくは全部をＳＣＤ１０２、ＭＤＤ１５２、またはその両方に通信することができる。コンピュータシステム１７０は、パーソナルコンピュータ、サーバ端末、ラップトップコンピュータ、タブレット、または他の適切なデータ処理デバイスであってもよい。コンピュータシステム１７０は、データ管理および分析ならびにシステム１００内のコンポーネントとの通信のためのソフトウェアを含むか、または提示することができる。コンピュータシステム１７０は、ユーザまたは医療専門家が、ＳＣＤ１０２によって測定された分析物データを表示および／または分析するために使用することができる。さらに、図１Ｂは、単一のＳＣＤ１０２、単一のＭＤＤ１５２、および２つのディスプレイデバイス１２０－１および１２０－２を示しているが、当業者であれば、システム１００が前述のデバイスのいずれかを複数含むことができ、各複数のデバイスが同じまたは異なるタイプのデバイスを含むことができることを理解するであろう。
図１Ｂをさらに参照すると、幾つかの実施形態によれば、信頼できるコンピュータシステム１８０は、物理的にまたはセキュリティで保護された接続を介して仮想的に、システム１００のコンポーネントの製造業者または販売業者が所有することができ、システム１００のデバイス（例えば、デバイス１０２、１２０－ｎ、１５２）の認証を実行するために、ユーザのデータを安全に保存するために、かつ／またはユーザの測定された分析物データおよび薬歴の分析を実行するためのデータ分析プログラム（例えば、ウェブブラウザを介してアクセス可能）を提供するサーバとして使用することができる。信頼できるコンピュータシステム１８０は、クラウドネットワーク１９０を介してシステム１８０と通信しているすべてのデバイス間でデータをルーティングおよび交換するためのデータハブとしても機能することができる。言い換えれば、クラウドネットワーク１９０と通信可能なシステム１００のすべてのデバイス（例えば、インターネット接続を用いて直接に、または他のデバイスを介して間接的に）は、クラウドネットワーク１９０と通信可能なシステム１００の他のすべてのデバイスと、直接にまたは間接的に通信することも可能である。
ディスプレイデバイス１２０－２がクラウドネットワーク１９０と通信している状態が示されている。この例では、デバイス１２０－２は、ＳＣＤ１０２を装着している人の分析物および薬剤データへのアクセスを許可された別のユーザが所有することができる。例えば、ディスプレイデバイス１２０－２を所有している人は、一例として、ＳＣＤ１０２を装着している子供の親、または別の例として、ＳＣＤ１０２を装着している高齢患者の介護者であり得る。システム１００は、クラウドネットワーク１９０を介して（例えば、信頼できるコンピュータシステム１８０を介して）装着者に関する分析物および薬剤データを、データへのアクセスを許可された別のユーザに通信するように構成することができる。
分析物監視デバイスの例示的な実施形態
用量ガイダンスシステム１００の分析物監視機能は、ユーザの分析物データを収集、処理および表示することが可能な１つまたは複数のデバイスを含めることによって実現することができる。このようなデバイスの例示的な実施形態およびその使用方法は、国際出願２０１８／１５２２４１号および米国特許出願第２０１１／０２１３２２５号明細書に記載されており、それらの内容全体をすべての目的のために参照により本明細書に援用するものとする。
分析物監視は、数多くの異なる方法で行うことができる。「連続分析物監視」デバイス（例えば、「連続グルコース監視」デバイス）は、例えば、スケジュールに従って自動的に、プロンプトが表示されるか否かにかかわらず、センサ制御デバイスからディスプレイデバイスにデータを連続的にまたは繰り返し送信することができる。「フラッシュ分析物監視」デバイス（例えば、「フラッシュグルコース監視」デバイスまたは単に「フラッシュ」デバイス）は、別の例として、NFC（近距離無線通信）またはRFID（Radio Frequency Identification）プロトコルなどを用いて、ディスプレイデバイスによるユーザ主導のデータ要求（例えば、スキャン）に応じて、センサ制御デバイスからデータを転送することができる。
ユーザの体内に部分的または全体的に配置されるように構成されたセンサを利用する分析物監視デバイスは、in vivo分析物監視デバイスと称することができる。例えば、in vivoセンサは、センサの少なくとも一部が体液（例えば、真皮層の真皮液または真皮層の下の皮下液などの間質（ＩＳＦ）液、血液など）と接触するようにユーザの体内に配置することができ、その体液中の分析物濃度を測定することができる。in vivoセンサはさまざまなタイプのセンシング技術（例えば、化学的、電気化学的または光学的）を使用することができる。in vivo分析物センサを利用した幾つかのシステムは、フィンガースティックによるキャリブレーションを必要とせずに動作することもできる。
「in vitro」デバイスとは、センサを体外（もしくは「ex vivo」）の生物学的サンプルに接触させるデバイスである。これらのデバイスは、通常、ユーザの体液を運ぶ分析物テストストリップを受け取るためのポートを含んでおり、これを分析してユーザの血糖値レベルを決定することができる。他のex vivoデバイスは、ユーザの体内分析物レベルを非侵襲的に測定しようとするものであり、例えば、ユーザの身体または皮膚に機械的に侵入することなく体内分析物レベルを測定できる光学技術を使用することが提案されている。in vivoおよびex vivoデバイスは、多くの場合、in vitro機能（例えば、テストストリップポートも含むin vivoディスプレイデバイス）を含む。
本主題は、グルコース濃度を測定可能なセンサに関して説明するが、他の分析物の濃度の検出および測定も本開示の範囲内である。これらの他の分析物としては、例えば、ケトン類、乳酸、酸素、ヘモグロビンＡ１Ｃ、アセチルコリン、アミラーゼ、ビリルビン、コレステロール、絨毛性ゴナドトロピン、クレアチンキナーゼ（例えば、ＣＫ－ＭＢ）、クレアチン、ＤＮＡ、フルクトサミン、グルタミン、成長ホルモン、ホルモン、過酸化物、前立腺特異抗原、プロトロンビン、ＲＮＡ、甲状腺刺激ホルモン、トロポニンなどを挙げることができる。また、例えば、抗生物質（例えば、ゲンタマイシン、バンコマイシンなど）、ジギトキシン、ジトキシン、乱用薬物、テオフィリンおよびワルファリンなどの薬物の濃度を監視することもできる。センサは、２つ以上の異なる分析物を、同じまたは異なる時間に測定するように構成することができる。幾つかの実施形態では、センサ制御デバイスは２つ以上のセンサと結合することができ、１つのセンサが第１の分析物（例えば、グルコース）を測定するように構成されており、他の１つまたは複数のセンサが１つまたは複数の異なる分析物（例えば、本明細書に記載されているもののいずれか）を測定するように構成されている。他の実施形態では、ユーザは２つ以上のセンサ制御デバイスを装着することができ、これらの各々は異なる分析物を測定可能である。
本明細書に記載されている実施形態は、前述の分析物などを監視可能なあらゆるタイプのin vivo、in vitroおよびex vivoデバイスで使用することができる。
多くの実施形態において、センサの動作は、ＳＣＤ１０２によって制御することができる。センサは、ＳＣＤ１０２と機械的および通信的に結合することができるか、または無線通信技術を用いてＳＣＤ１０２と単に通信的に結合することができる。ＳＣＤ１０２は、センサにより実行される分析物のセンシングを可能にしかつ制御する電子機器および電源を含むことができる。幾つかの実施形態では、センサまたはＳＣＤ１０２は、バッテリを必要としないように自己発電することができる。ＳＣＤ１０２はまた、ユーザの身体に局所的であってもなくてもよい、別のデバイス（例えば、ディスプレイデバイス）と通信するための通信回路を含むこともできる。ＳＣＤ１０２は、ユーザの身体に存在することができる（例えば、ユーザの皮膚に取り付けられたり、別の方法で配置されたり、ユーザの衣服に入れて持ち運ばれたりすることができる）。ＳＣＤ１０２はまた、センサとともに、ユーザの体内に埋め込むこともできる。ＳＣＤ１０２の機能は、体内に埋め込まれた第１のコンポーネント（例えば、センサを制御するコンポーネント）と、身体の上などに存在する第２のコンポーネント（例えば、第１のコンポーネントと通信し、さらにコンピュータまたはスマートフォンのような外部デバイスと通信する中継コンポーネント）との間で分割することができる。他の実施形態では、ＳＣＤ１０２は、身体の外部にあり、ユーザの分析物レベルを非侵襲的に測定するように構成することができる。センサ制御デバイスはまた、実際の実装または実施形態に応じて、幾つか挙げると、「センサ制御ユニット」、「オンボディ電子機器」デバイスもしくはユニット、「オンボディ」デバイスもしくはユニット、「インボディ電子機器」デバイスもしくはユニット、「インボディ」デバイスもしくはユニット、または「センサデータ通信」デバイスもしくはユニットと称することもできる。
幾つかの実施形態では、ＳＣＤ１０２は、ユーザインタフェース（例えば、タッチスクリーン）を含むことができ、分析物データを処理し、結果として得られる計算された分析物レベルをユーザに表示することが可能であり得る。この場合、本明細書に記載されている用量ガイダンスの実施形態は、全体的または部分的に、ＳＣＤ１０２により直接に実施されることができる。多くの実施形態では、ＳＣＤ１０２の物理的フォームファクタが最小化される（例えば、ユーザの身体上での外観を最小化するため）か、センサ制御デバイスがユーザにアクセスできない場合がある（例えば、全体的に埋め込まれている場合）か、または他の要因により、分析物レベルを読み取りかつセンサ制御デバイスに対してインタフェースを形成するためにユーザが使用可能なディスプレイデバイスを有することが望ましい場合がある。
図２Ａは、ＳＣＤ１０２の例示的な実施形態の側面図である。ＳＣＤ１０２は、センサ電子機器用のケースまたはマウント１０３（図２Ｂ）を含むことができ、これは、ここでは電気化学センサとして構成されている分析物センサ１０１と電気的に結合することができる。幾つかの実施形態によれば、センサ１０１は、ユーザの体内に部分的に（例えば、皮膚の最外部表面を通して）存在するように構成することができ、そこでユーザの体液と流体接触し、センサ電子機器とともにユーザの分析物関連データを測定するのに使用することができる。ケース１０３をユーザの皮膚に固定するために、接着パッチなどのアタッチメント構造１０５を使用することができる。センサ１０１は、アタッチメント構造１０５を通って延び、ケース１０３から離れる方向へ突出していてよい。当業者であれば、接着剤に加えて、または接着剤の代わりに、身体および／またはケース１０３への他の形態の取り付けを使用してもよく、本開示の範囲内に完全に含まれることを理解するであろう。
ＳＣＤ１０２は、任意の所望の方法で身体に適用することができる。例えば、アプリケータと称されることもある挿入デバイス（図示せず）を使用して、分析物センサ１０１の全部または一部を、ユーザの皮膚の外面を通して、ユーザの体液と接触するように位置決めすることができる。その際、挿入デバイスはまた、ＳＣＤ１０２を皮膚上に位置決めすることもできる。他の実施形態では、挿入デバイスは、最初にセンサ１０１を位置決めし、次いで、付随する電子機器（例えば、無線伝送回路および／またはデータ処理回路など）を、手動でまたは機械的デバイスの助けを借りて、後からセンサ１０１と結合する（例えば、マウントに挿入する）ことができる。挿入デバイスの例は、米国特許公開第２００８／０００９６９２号明細書、同第２０１１／０３１９７２９号明細書、同第２０１５／００１８６３９号明細書、同第２０１５／００２５３４５号明細書、および同第２０１５／０１７３６６１号明細書、同第２０１８／０２３５５２０号明細書に記載されており、これらの内容全体をすべての目的のために参照により本明細書に援用するものとする。
図２Ｂは、分析物センサ１０１およびセンサ電子機器１０４を有するＳＣＤ１０２の例示的な実施形態を示すブロック図である。センサ電子機器１０４は、１つまたは複数の半導体チップ（例えば、特定用途向け集積回路（ＡＳＩＣ）、プロセッサまたはコントローラ、メモリ、プログラマブルゲートアレイなど）に実装することができる。図１Ｂの実施形態では、センサ電子機器１０４は、センサ１０１に対してアナログ方式でインタフェースを形成しており、アナログ信号をデジタル形式におよび／またはデジタル形式から（例えば、Ａ／Ｄコンバータを用いて）変換するように構成されたアナログフロントエンド（ＡＦＥ）１１０、ＳＣＤ１０２のコンポーネントに電力を供給するように構成された電源１１１、処理回路１１２、メモリ１１４、タイミング回路１１５（例えば、クロックまたは他のタイミングをＳＣＤ１０２のコンポーネントに提供するための発振器および位相ロックループなど）、ならびにディスプレイデバイス１２０および／またはＭＤＤ１５２など、ＳＣＤ１０２の外部にある１つまたは複数のデバイスと有線および／または無線式で通信するように構成された通信回路１１６を含む。
ＳＣＤ１０２は、高度に相互接続される方式で実装することができ、電源１１１は、図２Ｂに示される各コンポーネントと結合され、データ、情報またはコマンドを通信もしくは受信するこれらのコンポーネント（例えば、ＡＦＥ１１０、処理回路１１２、メモリ１１４、タイミング回路１１５および通信回路１１６）は、例えば、１つもしくは複数の通信接続またはバス１１８を介して、他のすべてのこのようなコンポーネントと通信可能に結合することができる。
処理回路１１２は、１つまたは複数のプロセッサ、マイクロプロセッサ、コントローラおよび／またはマイクロコントローラを含むことができ、これらの各々は、離散的なチップであるか、または多数の異なるチップの間（およびその一部）に分散させることができる。処理回路１１２は、オンボードメモリを含むことができる。処理回路１１２は、通信回路１１６に対してインタフェースを形成しており、アナログ－デジタル変換、エンコーディングおよびデコーディング、デジタル信号処理、ならびにデータ信号を無線または有線伝送に適したフォーマット（例えば、同相および直交）に変換することを容易にする他の機能を実行することができる。処理回路１１２はまた、通信回路１１６に対してインタフェースを形成しており、無線伝送を受信して、これをデジタルデータまたは情報に変換するのに必要な逆機能を実行することもできる。
処理回路１１２は、メモリ１１４に格納された命令を実行することができる。これらの命令は、処理回路１１２に、生の分析物データ（または前処理された分析物データ）の処理、最終的な計算された分析物レベルへの到達を行わせることができる。幾つかの実施形態では、メモリ１１４に格納された命令は、実行される際に、処理回路１１２に生の分析物データを処理させて、計算された分析物レベル、所定の時間ウィンドウ内で平均計算された分析物レベル、所定の時間ウィンドウ内の分析物レベルにつき計算された変化率、および／または計算された分析物指標が所定の閾値条件を超えるかどうか、のうちの１つ以上を決定させることができる。これらの命令はまた、処理回路１１２に、受信した伝送の読み取りおよび動作、タイミング回路１１５のタイミングの調整、他のデバイスから受信したデータまたは情報（例えば、ディスプレイデバイス１２０から受信したキャリブレーション情報、暗号化または認証情報など）の処理、ディスプレイデバイス１２０との通信を確立および維持するためのタスクの実行、ユーザからの音声コマンドの解釈、通信回路１１６への送信などを行わせることもできる。ＳＣＤ１０２がユーザインタフェースを含む実施形態では、命令は、処理回路１１２に、ユーザインタフェースの制御、ユーザインタフェースからのユーザ入力の読み取り、ユーザインタフェース上での情報の表示、表示のためのデータのフォーマットなどを行わせることができる。命令としてコード化されているここで説明した機能は、代わりに、機能を達成するために格納されたソフトウェア命令の実行に依存しないハードウェアまたはファームウェア設計を使用して、ＳＣＤ１０２により実装することができる。
メモリ１１４は、ＳＣＤ１０２内に存在する様々な機能ユニットのうちの１つ以上により共有することができるか、または２つ以上の機能ユニットの間で分散させることができる（例えば、異なるチップ内に存在する別個のメモリとして）。メモリ１１４はまた、それ自体別個のチップとすることもできる。メモリ１１４は、非一時性であり、揮発性メモリ（例えば、ＲＡＭなど）および／または不揮発性メモリ（例えば、ＲＯＭ、フラッシュメモリ、Ｆ－ＲＡＭなど）とすることができる。
通信回路１１６は、それぞれの通信経路またはリンクを介した通信のための機能を実行する１つまたは複数のコンポーネント（例えば、送信器、受信器、トランシーバ、受動回路、エンコーダ、デコーダおよび／または他の通信回路）として実装することができる。通信回路１１６は、無線通信のための１つまたは複数のアンテナを含むか、またはこれに結合することができる。
電源１１１は、１つまたは複数のバッテリを含むことができ、これらのバッテリは、充電可能または単回使用の使い捨てバッテリとすることができる。電源管理回路はまた、バッテリの充電を調節し、電源１１１の使用状況を監視し、電力を高め、ＤＣ変換を行うなどのために含むこともできる。
さらに、任意の温度センサ（図示せず）により、皮膚上の温度またはセンサの温度の読み取り値または測定値を収集することができる。これらの読み取り値または測定値は、ＳＣＤ１０２から別のデバイス（例えば、ディスプレイデバイス１２０）に（個別にまたは時間の経過とともに集約された測定値として）通信することができる。しかしながら、温度の読み取り値または測定値は、温度測定値を実際にユーザに出力する代わりに、またはこれに加えて、ユーザに出力される分析物測定値を補正または補償するために、ＳＣＤ１０２またはディスプレイデバイス１２０により実行されるソフトウェアルーチンと組み合わせて使用することができる。
薬剤送達デバイスの例示的な実施形態
用量ガイダンスシステム１００の薬剤送達機能は、１つ以上の薬剤送達デバイス（ＭＤＤ）１５２を含めることにより実現することができる。ＭＤＤ１５２は、特定の用量の薬剤を送達するように構成された任意のデバイスであり得る。ＭＤＤ１５２はまた、デバイス自体が薬剤を送達しなくても、用量に関するデータをＤＧＡに送信するデバイス、例えば、ペンキャップを含むこともできる。ＭＤＤ１５２は、ボーラスなどの１回の注射につき１回の用量を送達することができるポータブル注射デバイス（ＰＩＤ）として構成することができる。ＰＩＤは、基本的には手動操作式のシリンジで、薬剤はシリンジにプリロードされているか、または注射前に容器からシリンジ内に引き込まれなければならない。しかしながら、ほとんどの実施形態では、ＰＩＤは、ユーザに対してインタフェースを形成して薬剤の送達を実行するための電子機器を含む。ＰＩＤは、ペンのような外観は必須ではないが、投薬用ペンと称されることが多い。ユーザインタフェース電子機器を有するＰＩＤは、スマートペンと称されることが多い。ＰＩＤは、１回分の用量を送達するために使用された後、廃棄されることもあれば、耐久性があり、１日、１週間または１ヶ月の期間にわたって多くの投薬を行うために繰り返し使用されることもある。ＰＩＤは、１日に何度も注射する頻回注射（ＭＤＩ）療法を行うユーザがよく使用している。
ＭＤＤはまた、ポンプおよび輸液セットを含むこともできる。輸液セットは、少なくとも部分的にレシピエントの体内に存在する管カニューレを含む。この管カニューレは、ポンプと流体連通しており、ポンプは、カニューレを介してレシピエントの体内に薬剤を少しずつ繰り返し送達することができる。輸液セットは、輸液セットアプリケータを用いてレシピエントの身体に適用することができ、輸液セットは、多くの場合、２～３日またはそれより長い期間、埋め込まれたままである。ポンプデバイスは、ユーザに対してインタフェースを形成して薬剤のゆっくりとした注入を制御するための電子機器を含む。ＰＩＤとポンプの両方は、薬剤を薬剤用リザーバに保存することができる。
ＭＤＤ１５２は、クローズドループシステム（例えば、操作のためにユーザの介入を必要としない人工膵臓システム）、セミクローズドループシステム（例えば、用量の変更を確認するなど、操作のためにユーザの介入をほとんど必要としないインスリンループシステム）、またはオープンループシステムの一部として機能することができる。例えば、糖尿病患者の分析物レベルは、ＳＣＤ１０２により繰り返し自動的に監視することができ、その情報は、本明細書に記載されている用量ガイダンス実施形態により使用して、糖尿病患者の分析物レベルを制御するための適切な薬物服用量を自動的に計算するか、または他の手法で決定し、その後、その用量を糖尿病患者の身体に送達することができる。この計算は、ＭＤＤ１５２またはシステム１００の任意の他のデバイス内で行われることができ、結果として得られる決定された服用量は、次いでＭＣＤ１５２に伝達されることができる。
多くの実施形態において、本明細書に記載されている実施形態により提供される用量ガイダンスは、インスリンのタイプ（例えば、速効型（ＲＡ）、短時間作用型インスリン、中間作用型インスリン（例えば、ＮＰＨインスリン）、長時間作用型（ＬＡ）、超長時間作用型インスリン、および混合インスリン）についてのものであり、ＭＤＤ１５２により送達される同じ薬剤となる。インスリンのタイプとしては、ヒトインスリンおよび合成インスリンアナログが挙げられる。インスリンはまた、プレミックス製剤を含むこともできる。しかしながら、本明細書に記載されている用量ガイダンスの実施形態およびＭＤＤ１５２の薬剤送達能力は、他の非インスリン薬剤にも適用することができる。このような薬剤としては、エキセナチド、エキセナチド徐放製剤、リラグルチド、リキシセナチド、セマグルチド、プラムリンチド、メトホルミン、ＳＬＧＴ１－ｉ阻害剤、ＳＬＧＴ２－ｉ阻害剤およびＤＰＰ４阻害剤を挙げることができるが、これらに限定されない。用量ガイダンスの実施形態はまた、併用療法も含むこともできる。併用療法としては、インスリンおよびグルカゴン様ペプチド－１受容体アゴニスト（ＧＬＰ－１ＲＡ）、インスリンおよびプラムリンチドを挙げることができるが、これらに限定されない。
本明細書の用量ガイダンス実施形態の説明を容易にするために、ＭＤＤ１５２は、多くの場合、ＰＩＤ、具体的にはスマートペンの形態で説明される。しかしながら、当業者であれば、ＭＤＤ１５２が代替的にペンキャップ、ポンプ、または他の任意のタイプの薬剤送達デバイスとして構成され得ることを容易に理解するであろう。
図３Ａは、ＰＩＤ、具体的にはスマートペンとして構成されたＭＤＤ１５２の例示的な実施形態を示す概略図である。ＭＤＤ１５２は、電子機器用のケース１５４、注入用モータ、および薬剤用リザーバ（図３Ｂ参照）を含むことができ、そこからニードル１５６を介して薬剤を送達することができる。ケース１５４は、取り外し可能または着脱可能なキャップまたはカバー１５７を含むことができ、これを装着すると、使用していないときにはニードル１５６を覆うことができ、次いで、注射のために取り外すことができる。ＭＤＤ１５２は、単一のコンポーネント（例えば、ユーザに情報を出力し、ユーザからの入力を受信するためのタッチスクリーン）として、または複数のコンポーネント（例えば、１つもしくは複数のボタン、スイッチなどと組み合わせたタッチスクリーンもしくはディスプレイ）として実装することができるユーザインタフェース１５８を含むことができる。ＭＤＤ１５２はまた、内部のリザーバからニードル１５６を通ってレシピエントの体内に薬剤を送達し始めるために、移動、押下、接触、または他の方法で作動させることができるアクチュエータ１５９を含むこともできる。幾つかの実施形態によれば、キャップ１５７およびアクチュエータ１５９はまた、有害な薬剤の注射のリスクを軽減するために、分離および／または作動を防止する１つまたは複数の安全機構を含むこともできる。これらの安全機構などの詳細は、米国特許公開第２０１９／０３４３３８５号明細書（’３８５公報）に記載されており、その内容全体をすべての目的のために参照により本明細書に援用するものとする。
図３Ｂは、電源１６１と結合された電子機器１６０、ならびに同様に電源１６１と薬剤用リザーバとに結合された電動式注射用モータ１６２を有するＭＤＤ１５２の例示的な実施形態を示すブロック図である。ニードル１５６は、リザーバ１６３と流体連通して示されており、弁（図示せず）がリザーバ１６３とニードル１５６との間に存在していてもよい。リザーバ１６３は、恒久的なものとしたり、取り外し可能で、同じまたは異なる薬剤を含有する別のリザーバと交換したりすることもできる。電子機器１６０は、１つまたは複数の半導体チップ（例えば、特定用途向け集積回路（ＡＳＩＣ）、プロセッサまたはコントローラ、メモリ、プログラマブルゲートアレイなど）に実装することができる。図３Ｂの実施形態では、電子機器１６０は、処理回路１６４、メモリ１６５、ＭＤＤ１５２の外部にある１つまたは複数のデバイス（ディスプレイデバイス１２０など）と有線および／または無線式で通信するように構成された通信回路１６６、ならびにユーザインタフェース電子機器１６８を含む高レベルの機能ユニットを含むことができる。
ＭＤＤ１５２は、高度に相互接続される方式で実装することができ、電源１６１は、図３Ｂに示されている各コンポーネントと結合され、データ、情報またはコマンドを通信もしくは受信するこれらのコンポーネント（例えば、処理回路１６４、メモリ１６５および通信回路１６６）は、例えば、１つもしくは複数の通信接続部またはバス１６９を介して、他のすべてのこのようなコンポーネントと通信可能に結合することができる。
処理回路１６４は、１つまたは複数のプロセッサ、マイクロプロセッサ、コントローラおよび／またはマイクロコントローラを含むことができ、これらの各々は、離散的なチップであるか、または多数の異なるチップの間（およびその一部）で分散させることができる。処理回路１６４は、オンボードメモリを含むことができる。処理回路１６４は、通信回路１６６に対してインタフェースを形成しており、アナログ－デジタル変換、エンコーディングおよびデコーディング、デジタル信号処理、ならびにデータ信号を無線または有線伝送に適したフォーマット（例えば、同相および直交）に変換することを容易にする他の機能を実行することができる。処理回路１６４はまた、通信回路１６６に対してインタフェースを形成しており、無線送信を受信して、これをデジタルデータまたは情報に変換するのに必要な逆機能を実行することもできる。
処理回路１６４は、メモリ１６５に格納されたソフトウェア命令を実行することができる。これらの命令は、処理回路１６４に、ユーザからの指定用量の選択または提供（例えば、ユーザインタフェース１５８を介して入力されるか、もしくは別のデバイスから受信される）を受信し、指定用量を送達するコマンド（例えばアクチュエータ１５９からの信号）を処理し、モータ１６２を制御して指定用量の送達を行わせることができる。これらの命令はまた、処理回路１６４に、受信した伝送の読み取りおよび動作、他のデバイスから受信したデータまたは情報（例えば、ディスプレイデバイス１２０から受信したキャリブレーション情報、暗号化または認証情報など）の処理、ディスプレイデバイス１２０との通信を確立および維持するためのタスクの実行、ユーザからの音声コマンドの解釈、通信回路１６６への送信などを行わせることもできる。ＭＤＤ１５２がユーザインタフェース１５８を含む実施形態では、命令は、処理回路１６４に、ユーザインタフェースの制御、ユーザインタフェースからのユーザ入力の読み取り（例えば、投与のための薬剤用量の入力、または推奨される薬剤用量の確認の入力）、ユーザインタフェース上での情報の表示、表示のためのデータのフォーマットなどを行わせることができる。命令としてコード化されているここで説明した機能は、代わりに、機能を達成するために格納されたソフトウェア命令の実行に依存しないハードウェアまたはファームウェア設計を使用して、ＭＤＤ１５２により実装することができる。
メモリ１６５は、ＭＤＤ１５２内に存在する様々な機能ユニットのうちの１つ以上により共有することができるか、または２つ以上の機能ユニットの間で分散させることができる（例えば、異なるチップ内に存在する別個のメモリとして）。メモリ１６５はまた、それ自体別個のチップとすることもできる。メモリ１６５は、非一時性であり、揮発性メモリ（例えば、ＲＡＭなど）および／または不揮発性メモリ（例えば、ＲＯＭ、フラッシュメモリ、Ｆ－ＲＡＭなど）とすることができる。
通信回路１６６は、それぞれの通信経路またはリンクを介した通信のための機能を実行する１つまたは複数のコンポーネント（例えば、送信器、受信器、トランシーバ、受動回路、エンコーダ、デコーダおよび／または他の通信回路）として実装することができる。通信回路１６６は、無線通信のための１つ以上のアンテナを含むか、またはこれに結合することができる。例示的なアンテナの詳細は、’３８５公開に見つけることができ、その内容全体をすべての目的のために参照により本明細書に援用するものとする。
電源１６１は、１つまたは複数のバッテリを含むことができ、これらのバッテリは、充電可能または単回使用の使い捨てバッテリとすることができる。電源管理回路はまた、バッテリの充電を調節し、電源１６１の使用状況を監視し、電力を高め、ＤＣ変換を行うなどのために含むこともできる。
ＭＤＤ１５２はまた、in vitro血糖測定を行うためのin vitroグルコーステストストリップを受け取るためのin vitroテストストリップポート（図示せず）を含む、一体型または取り付け可能なin vitroグルコースメータを含むこともできる。
ディスプレイデバイスの例示的な実施形態
ディスプレイデバイス１２０は、システム１００に関連する情報をユーザに表示し、同じくシステム１００に関連するユーザからの入力を受け入れるまたは受信するように構成することができる。ディスプレイデバイス１２０は、最近測定された分析物レベルを、任意の数の形態でユーザに表示することができる。ディスプレイデバイスは、ユーザの過去の分析物レベルだけでなく、ユーザの分析物情報を記載する他の指標（例えば、グルコース制御指標（time in range）、外来グルコースプロファイル（ＡＧＰ）、低血糖リスクレベルなど）も表示することができる。ディスプレイデバイス１２０は、過去の用量情報および投与の時刻および日付などの薬物送達情報を表示することができる。ディスプレイデバイス１２０は、分析物レベルおよび／または薬剤送達に関連するアラーム、アラートまたは他の通知を表示することができる。
ディスプレイデバイス１２０は、システム１００（例えば、分析物センサおよび／または薬剤送達デバイスに対してインタフェースを形成することを主目的として設計および製造された電子デバイス）と一緒に使用する専用のものだけなく、ハンドヘルドもしくはポータブルモバイル通信デバイス（例えば、スマートフォンもしくはタブレット）、またはラップトップ、パーソナルコンピュータ、または他のコンピューティングデバイスなどの多機能で汎用のコンピューティングデバイスであるデバイスも使用することができる。ディスプレイデバイス１２０は、スマートグラス、またはスマートウォッチもしくはリストバンドなどのモバイルスマートウェアラブル電子機器アセンブリとして構成することができる。ディスプレイデバイスおよびそのバリエーションは、幾つか挙げると、「リーダデバイス」、「リーダ」、「ハンドヘルド電子機器」（もしくはハンドヘルド）、「ポータブルデータ処理」デバイスもしくはユニット、「情報受信器」、「受信器」デバイスもしくはユニット（もしくは単に受信器）、「リレー」デバイスもしくはユニット、または「リモート」デバイスもしくはユニットと称することができる。
図４Ａは、ディスプレイデバイス１２０の例示的な実施形態を示す概略図である。ここで、ディスプレイデバイス１２０は、ユーザインタフェース１２１と、ディスプレイデバイス電子機器１３０（図４Ｂ）が保持されるケース１２４とを含む。ユーザインタフェース１２１は、単一のコンポーネント（例えば、入力および出力が可能なタッチスクリーン）または複数のコンポーネント（例えば、ディスプレイおよびユーザ入力を受信するように構成された１つもしくは複数のデバイス）として実装することができる。本実施形態では、ユーザインタフェース１２１は、タッチスクリーンディスプレイ１２２（情報およびグラフィックスを表示し、タッチによるユーザ入力を受け入れるように構成されている）と、入力ボタン１２３とを含み、これらの両方がケース１２４と結合されている。
ディスプレイデバイス１２０は、ＳＣＤ１０２、ＭＤＤ１５２および／またはユーザに対してインタフェースを形成する、格納されたソフトウェア（例えば、製造者により、または１つもしくは複数の「アプリ」もしくは他のソフトウェアパッケージの形態でユーザによりダウンロードされたソフトウェア）を有することができる。加えて、または代わりに、ユーザインタフェースは、ブラウザに表示されるウェブページ、またはディスプレイデバイス１２０上で実行可能な他のインターネットインタフェースソフトウェアにより制御を受けることができる。
図４Ｂは、ディスプレイデバイス電子機器１３０を備えたディスプレイデバイス１２０の例示的な実施形態のブロック図である。ここで、ディスプレイデバイス１２０は、ディスプレイ１２２および入力コンポーネント１２３（例えば、ボタン、アクチュエータ、タッチセンサ式スイッチ、静電容量式スイッチ、感圧式スイッチ、ジョグダイヤル、マイク、スピーカなど）を含むユーザインタフェース１２１、処理回路１３１、メモリ１２５、ディスプレイデバイス１２０の外部にある１つもしくは複数の他のデバイスと通信および／またはこの（これらの）デバイスから通信するように構成された通信回路１２６、電源１２７、およびタイミング回路１２８（例えば、クロックまたは他のタイミングをＳＣＤ１０２のコンポーネントに提供するための発振器および位相ロックループなど）を含む。前述の各コンポーネントは、１つまたは複数の異なるデバイスとして実装したり、多機能デバイスに統合したりすることができる（例えば、単一の半導体チップ上での処理回路１３１、メモリ１２５および通信回路１２６の統合）。ディスプレイデバイス１２０は、高度に相互接続される方式で実装することができ、電源１２７は、図４Ｂに示されている各コンポーネントと結合され、データ、情報またはコマンドを通信もしくは受信するそれらのコンポーネント（例えば、ユーザインタフェース１２１、処理回路１３１、メモリ１２５、通信回路１２６およびタイミング回路１２８）は、例えば、１つもしくは複数の通信接続またはバス１２９を介して、他のすべてのこのようなコンポーネントと通信可能に結合することができる。図４Ｂは、ディスプレイデバイス内に存在する典型的なハードウェアおよび機能を簡略的に表したものであり、当業者であれば、他のハードウェアおよび機能性（例えば、コーデック、ドライバ、グルーロジック）も含まれ得ることを容易に認識するであろう。
処理回路１３１は、１つまたは複数のプロセッサ、マイクロプロセッサ、コントローラおよび／またはマイクロコントローラを含むことができ、これらの各々は、離散的なチップであるか、または多数の異なるチップの間（およびその一部）で分散させることができる。処理回路１３１は、オンボードメモリを含むことができる。処理回路１３１は、通信回路１２６に対してインタフェースを形成しており、アナログ－デジタル変換、エンコーディングおよびデコーディング、デジタル信号処理、ならびにデータ信号を無線または有線伝送に適したフォーマット（例えば、同相および直交）に変換することを容易にする他の機能を実行することができる。処理回路１３１は、通信回路１２６に対してインタフェースを形成しており、無線送信を受信して、これをデジタルデータまたは情報に変換するのに必要な逆機能を実行することもできる。
処理回路１３１は、メモリ１２５に格納されたソフトウェア命令を実行することができる。これらの命令は、処理回路１３１に、生の分析物データ（または前処理された分析物データ）の処理、ユーザへの表示に適した対応する分析物レベルへの到達を行わせることができる。これらの命令は、処理回路１３１に、ユーザからの投与指示の読み取り、処理および／または格納を行わせ、ひいては投与指示をＭＤＤ１５２に伝達させることができる。これらの命令は、処理回路１３１に、システムパラメータ（例えば、アラーム閾値、通知設定、表示プリファレンスなど）を構成すること、現在および過去の分析物レベル情報をユーザに提示すること、現在および過去の薬剤送達情報をユーザに提示すること、ユーザから他の非分析物情報（例えば、消費された食事、実行された活動、投与された薬剤などに関する情報）を収集すること、ならびに通知およびアラームをユーザに提示することを目的として、グラフィカルユーザインタフェース画面の対話型グループをユーザに提示するように適合されたユーザインタフェースソフトウェアの実行を行わせることができる。これらの命令はまた、処理回路１３１に、通信回路１２６への送信を行わせ、処理回路１３１に、受信した伝送の読み取りおよび動作、ユーザインタフェース１２１からの入力の読み取り（例えば、投与されるべき薬剤用量の入力もしくは推奨される薬剤用量の確認）、ユーザインタフェース１２１へのデータまたは情報の表示、タイミング回路１２８のタイミングの調整、他のデバイスから受信したデータまたは情報（例えば、ＳＣＤ１０２から受信した分析物データ、キャリブレーション情報、暗号化または認証情報など）の処理、ＳＣＤ１０２との通信を確立および維持するためのタスクの実行、ユーザからの音声コマンドの解釈などを行わせることもできる。命令としてコード化されているここで説明した機能は、代わりに、機能を達成するために格納されたソフトウェア命令の実行に依存しないハードウェアまたはファームウェア設計を使用して、ＳＣＤ１０２により実装することができる。
メモリ１２５は、ディスプレイデバイス１２０内に存在する様々な機能ユニットのうちの１つ以上により共有することができ、または２つ以上の機能ユニットの間で分散させることができる（例えば、異なるチップ内に存在する別個のメモリとして）。メモリ１２５はまた、それ自体別のチップとすることもできる。メモリ１２５は、非一時性であり、揮発性メモリ（例えば、ＲＡＭなど）および／または不揮発性メモリ（例えば、ＲＯＭ、フラッシュメモリ、Ｆ－ＲＡＭなど）とすることができる。
通信回路１２６は、それぞれの通信経路またはリンクを介した通信のための機能を実行する１つまたは複数のコンポーネント（例えば、送信器、受信器、トランシーバ、受動回路、エンコーダ、デコーダおよび／または他の通信回路）として実装することができる。通信回路１２６は、無線通信のための１つまたは複数のアンテナを含むか、またはこれに結合することができる。
電源１２７は、１つまたは複数のバッテリを含むことができ、これらのバッテリは、充電可能または単回使用の使い捨てバッテリとすることができる。電源管理回路はまた、バッテリの充電を調節し、電源１２７の使用状況を監視し、電力を高め、ＤＣ変換を行うなどのために含むこともできる。
ディスプレイデバイス１２０はまた、コンピュータシステム１７０、ＳＣＤ１０２またはＭＤＤ１５２などの外部デバイスと有線でデータ通信するための１つまたは複数のデータ通信ポート（図示せず）を含むこともできる。ディスプレイデバイス１２０はまた、in vitro血糖測定を実行するためのin vitroグルコーステストストリップを受け取るためのin vitroテストストリップポート（図示せず）を含む、一体型または取り付け可能なin vitroグルコースメータを含むこともできる。
ディスプレイデバイス１２０は、ＳＣＤ１０２から受信した測定分析物データを表示することができ、また、アラーム、アラート通知、グルコース値などを出力するように構成することもでき、これは視覚的、聴覚的、触覚的、またはそれらの任意の組み合わせであってもよい。幾つかの実施形態では、ＳＣＤ１０２および／またはＭＤＤ１５２はまた、視覚的、聴覚的、触覚的な形態、またはこれらの組み合わせでアラームまたはアラート通知を出力するように構成することもできる。更なる詳細および他のディスプレイの実施形態は、例えば、米国特許公開第２０１１／０１９３７０４号明細書に見つけることができ、その内容全体をすべての目的のために参照により本明細書に援用するものとする。
用量ガイダンスに関連する例示的な実施形態
以下の例示的な実施形態は、用量ガイダンスシステム１００が提供する用量ガイダンス機能に関する。用量ガイダンス機能は、多くの実施形態では、１つまたは複数の電子デバイス上で格納および／または実行されるソフトウェア命令のセットとして実装される。この用量ガイダンス機能は、本明細書では、用量ガイダンスアプリケーション（ＤＧＡ）と称することにする。幾つかの実施形態では、ＤＧＡは、同一の単一の電子デバイス上で格納され、実行され、ユーザに提示される。他の実施形態では、ＤＧＡは、１つのデバイス上で格納および実行され、異なる電子デバイスでユーザに提示することができる。例えば、ＤＧＡは、信頼できるコンピュータシステム１８０上で格納および実行され、ディスプレイデバイス１２０上で実行されるインターネットブラウザを介して表示されるウェブページ経由でユーザに提示することができる。
したがって、ＤＧＡを格納し、実行し、およびユーザに提示する際に使用される電子デバイスの数およびタイプに関連して、多くの異なる実施形態が存在する。ユーザへの提示に関して、この能力を実装するように構成されたデバイスを、本明細書ではユーザインタフェースデバイス（ＵＩＤ）２００と称することにする。図５は、ＵＩＤ２００の一実施形態の例を示すブロック図である。本実施形態では、ＵＩＤ２００は、ユーザインタフェース２０２と結合されたケース２０１を含む。ユーザインタフェース２０２は、ユーザに情報を出力し、ユーザから入力または情報を受け取ることができる。幾つかの実施形態では、ユーザインタフェース２０２はタッチスクリーンである。ここに示すように、ユーザインタフェース２０２は、タッチスクリーンであってもよいディスプレイ２０４と、入力コンポーネント２０６（例えば、ボタン、アクチュエータ、タッチセンサ式スイッチ、静電容量式スイッチ、感圧式スイッチ、ジョグダイヤル、マイク、タッチパッド、ソフトキー、キーボードなど）とを含む。
本明細書に記載されているデバイスの多くは、ＵＩＤ２００として実装することができる。例えば、ディスプレイデバイス１２０は、多くの実施形態において、ＵＩＤ２００として使用される。幾つかの実施形態では、ＭＤＤ１５２は、ＵＩＤ２００として実装することができる。ＳＣＤ１０２がユーザインタフェースを含む実施形態では、ＳＣＤ１０２をＵＩＤ２００として実装することができる。コンピュータシステム１７０も、ＵＩＤ２００として実装することができる。
ＭＤＩ投薬戦略の検出
ここでＤＧＡの側面に目を向けると、より詳細には、ＤＧＡは正確な用量ガイダンスを提供するために、患者の投薬戦略および分析物レベルの知識を使用することができる。本明細書では、ＤＧＡのセットアップを容易かつ迅速にすることができる、患者の投薬戦略の自動検出に関する例示的な実施形態が記載される。投薬戦略の検出は、監視された薬物（例えば、インスリン）用量の多数の特性に基づくことができる。例えば、この実施形態では、用量を投与するために使用されるＭＤＤ１５２に基づいて、用量をベーサル（basal）またはボーラス（bolus）として識別することができる。一部の患者は、複数のＭＤＤ１５２を有することができる。例えば、患者は、長時間作用型インスリン（例えば、ベーサル用量）を投与するための１つのＭＤＤと、速効型インスリン（例えば、食事用量）を投与するための別のＭＤＤを有することができる。また、投与ごとのベーサル投与のカウント（例えば、投与回数）およびタイミングを使用して、基礎戦略を「単回（single）」または「分割（split）」ベーサル投薬戦略として分類することができる。例えば、「分割」ベーサル投薬戦略では、１日のベーサル用量２０Ｕを２回の１０Ｕ用量に分割することができ、１回の用量は就寝前に投与することができ、もう１回の用量は起床時に投与することができる。
連続したボーラス用量が続けざまに投与される場合、システムは、本来の食事用量、本来の食事用量への増量、または食事間の高グルコースに対する補正用量を区別しようとすることができる。ＤＧＡは、少量の用量に続けて大量の用量（これらはいずれも食事の開始付近で発生する）を検出すると、最初の用量が患者に注射されていないプライミング用量であったとしても、ＤＧＡは、それらの用量を単一の食事用量としてグループ分けすることができる。その後、既知の食事および／または食事用量としてタグ付けされた用量（グループ）のずっと後に用量が発生した場合、ＤＧＡは、後の用量を、食事後の高グルコースに対する補正用量として、または消費された余分な食べ物を考慮して前の食事用量を増量させる用量として、タグ付けすることができる。食事検出器アルゴリズムまたはユーザが入力した食事イベントに基づいて食事イベントが認識されると、ＤＧＡは、前回の投薬イベントの量および今回検出された食事に対するタイミングを使用して、前回の投薬が複数の食事投薬の最初のものであるのか、それとも食事間の高グルコースに対する補正であるのかを明確にするのに役立つ。補正用量は食事時の用量に比べてサイズが小さいことが想定される。さらに、前回の投薬と今回の食事イベントとの間の経過時間が十分に長い場合、これらの２つのイベントは同じグルコースエクスカーションイベントの治療とは関連付けられないと考えるのが妥当であり、前回の投薬が所与の食事に関する複数の投薬の最初のものである可能性を排除する。したがって、以前の用量が、ここ数日のこのウィンドウ内で記録された食事用量よりも十分に小さく、現在の食事から十分に離れている場合、以前の用量は補正用量イベントとして分類することができる。
ＤＧＡは、リアルタイムの食事検出アルゴリズムおよび投薬時刻を使用して、ベーサルに追加される用量を、朝食、昼食、および／もしくは夕食のボーラス用量、ならびに／または補正用量として識別するように構成することができる。ＤＧＡはまた、毎日のボーラス投薬回数を使用して、投薬戦略をベーサルのみ、ベーサル＋１回、ベーサル＋２回などと識別するように構成することもできる。
これらの異なるシナリオおよびＤＧＡの側面については、本明細書の別の箇所でより詳細に説明する。
オンボーディング
ＤＧＡの安全性プロファイルを高めるために、ＨＣＰは、学習したインスリン投薬パラメータと、ＤＧＡが計算したその後のタイトレーションを承認することができる。ＤＧＡの実施形態には、ＨＣＰとＤＧＡとの間の多数の対話方法が含まれており、その結果、ＨＣＰに、提案された用量学習およびタイトレーションを承認するための関連する証拠が、ワークフローを改善する簡潔かつ有益な手法で提供される。
すでにインスリン投薬レジメンを行っている糖尿病患者に対して、ＨＣＰは、患者のグルコースパターンに関する洞察を与える既存のレポートを活用して、用量ガイダンスの恩恵を受ける可能性のあるユーザを識別することができる。ＤＧＡの実施形態は、患者の投薬戦略および傾向を分類することができる学習期間を提供する（例えば、ＤＧＳ１００を使用している間）。インスリンおよびグルコースの結合データにより、ユーザがＤＧＡの適切な候補者であること、例えばＤＧＡが特定の投薬戦略を学習できる候補者であることがさらに確認された場合、学習期間中に学習されたインスリン投薬パラメータを、ＤＧＡにより必要に応じてタイトレーションが行われ得る用量ガイダンスの初期条件として役立てることができる。また、ＤＧＡの用量パラメータの初期化およびタイトレーションのためのＨＣＰ通知方法も提示することができる。このプロセスは、ＤＧＡオンボーディングおよびタイトレーションを合理化することで、ＨＣＰとユーザの両方を支援すると同時に、ＤＧＡが指示された人だけに使用されるようにするのにも役立つ。ＤＧＡが患者の投薬パラメータを学習できない場合、ＤＧＡは患者の投薬の不一致を示すことができ、ＨＣＰはこれを利用して患者の投薬の不一致に対処することができる。
ＤＧＡの潜在的なユーザを識別するための最初のステップは、グルコース濃度プロファイルによる患者の血糖コントロールの初期分析を含むことができる。できるだけ多くのユーザがＤＧＡにアクセスできるようにするために、このプロセスは、ユーザが現在行っているグルコース監視の方法に依存しないものとすることができる。
現在ＳＣＤ１０２を使用している糖尿病患者の場合、主要な指標、グルコース濃度プロファイル（例えば、外来グルコースプロファイル（ＡＧＰ））、異なる時間帯に識別されたパターン、およびグルコースが一貫して目標範囲外にある場合を改善するためのタイトレーションおよび生活習慣の提案を含むグルコースパターンレポートを利用することができる。このパターンは、別の箇所で詳しく説明するように、ＧＰＡアルゴリズムを使用して識別することができる。図６に見られるように、例示的なグルコースパターンレポート２５０がある。当業者であれば、グルコースパターンレポート２５０がコンピューティングデバイスのディスプレイに出力されるグラフィカルユーザインタフェースであり得ることを理解するであろう。グルコースパターンレポート２５０は、患者のグルコースレベルが目標範囲未満（例えば、７０ｍｇ／ｄＬ未満）であった時間、目標範囲内（例えば、７０～１８０ｍｇ／ｄＬ）であった時間、および目標範囲超（例えば、１８０ｍｇ／ｄＬ超）であった時間の割合を示すグルコース制御指標（ＴＩＲ）ディスプレイ２５２を含むことができる。また、ＴＩＲディスプレイ２５２は、患者のグルコースレベルが目標範囲の下限よりも低い低閾値（例えば、５４ｍｇ／ｄＬ未満）または目標範囲の上限よりも高い高閾値（例えば、２５０ｍｇ／ｄＬ超）であった時間量を報告することができる。ＴＩＲディスプレイ２５２は、異なる範囲が異なる色で表示されるヒストグラムを含むことができる。例えば、目標範囲未満の時間を赤色で表示し、目標範囲内の時間を緑色で表示し、目標範囲超の時間を黄色またはオレンジ色で表示することができる。グルコースパターンレポート２５０はまた、レポートの時間期間２６４、例えば、約１４日間の平均グルコースレベル２５４を表示することもできる。グルコースパターンレポート２５０はまた、外来グルコースプロファイル（ＡＧＰ）などのグルコース濃度プロファイル２５６を表示することもできる。グルコース濃度プロファイル２５６は、レポートの時間期間のグルコースデータのグラフであり、グラフの様々なデータ点は、そのグルコース分析物レベルが目標範囲未満であるか、目標範囲内であるか、または目標範囲超であるかに対応して色分けすることができる。この色分けは、ＴＩＲディスプレイ２５２の色分けに対応していてよい。グルコース濃度プロファイル２５６の異なる部分を囲むボックス２５８は、本明細書の別の箇所で説明されるＧＰＡアルゴリズムに従って検出されたパターン（例えば、高血糖、低血糖、中程度または適度な高血糖、中程度または適度な低血糖、およびこれらの組み合わせ）を強調する。
投薬ガイダンス２６０は、患者の現在の療法（例えば、基礎＋ＲＡインスリン、基礎のみ、基礎＋ＳＵなど）が知られている場合に、グルコースパターンレポート２５０においても提供することができる。投薬ガイダンスは、テキスト推奨の形で提供することができる。インスリン用量のタイトレーションに関する一般的なアドバイスは、グルコース濃度プロファイル２５６においてボックス２５８で強調表示されている、識別された高グルコースおよび低グルコースのパターンに基づいて提供することができる。なお、この一般的なアドバイスは、実際に投与されたインスリン用量に関するデータにアクセスすることなく決定することができた。推奨は、一般的に、高パターンを軽減する前に、まず任意の低パターンを軽減するという規則に従うことができる。グルコースパターンレポートがインスリン用量のタイトレーションに関する提案を含む場合、グルコースパターンレポート２５０は、患者がＤＧＳ１００の良い候補者であるという提案も含むことができ、学習期間に移行する前のＨＣＰと患者との間の会話を容易にすることができる。
ＧＰＡアルゴリズムが変動性の高いパターンを識別した場合に、グルコースパターンレポート２５０にセルフケアのガイダンス２６２を表示することができる。あるいは、グルコース濃度プロファイル２５６が、レポートの背後にある論理が特定の提案を行うことができないほど高い変動性値を有する場合もあり、この場合には前述のケースに代えて、ユーザがライフスタイルまたは治療法の変更についてＨＣＰに相談することをデフォルトとする。
上述のように、グルコースパターンレポート２５０を作成することができるアプリケーションに関連しているデバイスまたはシステム（例えば、ＳＣＤ１０２）を現在使用していない人に対して、ＨＣＰは、レポート２５０または類似のものを作成することができるように、患者を別のデバイスまたはシステムにより監視することを提案することができる。例えば、患者は、数日または数週間の期間にわたってグルコースデータを収集するために、ユーザが測定されたグルコースレベルにアクセスすることができず、したがって、この間、自分の行動を修正することができないマスキングモードまたはブラインドモードで構成される、ＳＣＤ１０２を装着することがある。これらのデータから、グルコースパターンレポートを作成することができる。提案されたインスリンタイトレーションがグルコースパターンレポートに含まれる場合、グルコースパターンレポート２５０は、患者がＤＧＳ１００の良い候補者であるという提案も含むことができ、薬物投薬戦略の学習期間を提案することができる。
学習期間中、ＭＤＤ１５２は、最初のスクリーニングに使用されたグルコースセンシングシステムに組み込まれ、インスリン集中型糖尿病管理のより完全なポートレートを提供することができる。学習期間は、本明細書の別の箇所に記載されたものなどのアルゴリズムを利用して、ユーザのインスリン投薬戦略を検出することができる。学習期間中、ＤＧＡは、ユーザが食事時の用量を決定する方法を決定するように構成することができる。例えば、ＤＧＡは、ユーザが炭水化物計数法に基づいて食事時の用量を決定しているかどうか、ユーザが過去の食事またはこれに類似した食事の経験に基づいて適切な投与量を学習するような経験的手法に基づいて食事時の投与量を決定しているかどうか、ユーザが食事時に固定のインスリン量を投与するかどうか、ユーザが食前のグルコース値に基づいてインスリンの食事投薬量（固定投与、炭水化物カウント、または経験的投与から決定）を変更するかどうか、ユーザが投薬量（固定投与、炭水化物カウント、または経験的投与から決定）を決定する際に、以前の注射による残留インスリン（ＩＯＢ）を考慮するか、または他の技術を考慮するかどうかを判定することができる。ＤＧＡはまた、ユーザの食事時の用量が食事のタイプ（例えば、朝食、昼食および夕食）に応じて一定なのか、それとも食事用量が変化するのかを決定することもできる。食事時の用量が変化しているという決定は、ユーザが食事時の用量を炭水化物カウント技術に基づいていることを示している可能性がある。ＤＧＡはまた、ユーザが食前の高グルコースを考慮して食事時の用量を調整しているかどうかも決定することができる。幾つかの実施形態では、ＤＧＡは、目標グルコースレベルを決定することもでき、ユーザは、自分のレベルが目標グルコースレベルを上回るか、または上回ると予測される場合に、食事時の用量を調整または補正する。ＤＧＡはまた、どの食事がインスリン投薬に関連しているかを決定することができる。ＤＧＡはまた、食事服用が忘失されたパターンを決定することができる。例えば、ＤＧＡは、ユーザがある期間（例えば、１週間または２週間）に、食事または時間期間に関連するインスリン用量を少なくとも２回、代わりに少なくとも３回投与しなかったかどうかを検出することができる。
学習期間は、必要な情報を得るのに十分な任意の時間期間を継続することができる。多くの実施形態では、この期間は少なくとも２日間、より好ましくは１週間またはそれよりも長く（例えば、１４日間）であり、ＤＧＡがどの程度トレンドを学習できるかに応じて変化し得る。結果は、ユーザと医師との両方のための要約レポートにまとめることができる。
学習方法
ＤＧＳ１００の手動設定は、ＨＣＰが時間をかけて行う必要があるが、十分な時間が取れない場合もある。加えて、ＨＣＰの時間が確保できたとしても、設定が複雑で、エラーが発生しやすい可能性もある。これらの問題を軽減するために、設定が不要であるか、または最小限の設定しか必要としない患者パラメータ初期化（ＰＩ）モジュールをＤＧＡに含めることができる。ＰＩモジュールは、例えば、ベーサルのみ、ベーサル＋１、ベーサル＋２などを含む患者の投薬戦略を学習し、ＤＧＡによる用量ガイダンス設定を構成するために、患者の投薬習慣をパラメータ化する。
実施形態の一態様によれば、ＰＩモジュールの学習プロセスは、観察されたデータから患者の用量ガイダンス設定を自動的に構成するステップを含むことができる。設定が正常に学習されると、ＤＧＳ１００はガイダンスモードに入ることができ、患者は用量ガイダンスを要求し、投与に関する通知を受け取ることができる。ガイダンスモードに先行する学習プロセスの間、ＤＧＡは、患者のＳＣＤ１０２、ＵＩＤ２０２、および／または他のデバイスにより収集されたグルコースおよびインスリンデータを処理し、処理されたデータに基づいて投与情報を決定することができる。
投与情報は、例えば、投薬レジメン、食事－服用タイプ、用量パラメータおよび投与範囲を含むことができる。投薬レジメンは、例えば、ベーサル量＋ＢＦ、ベーサル量＋ＬＵ、ベーサル量＋ＤＩ、ベーサル量＋ＢＦ／ＬＵ、ベーサル量＋ＢＦ／ＤＩ、ベーサル量＋ＬＵ／ＤＩ、およびベーサル量＋３を含むことができ、ＢＦは、「朝食」、ＬＵは、「昼食」、ＤＩは、「夕食」を示す。追加のレジメン、例えば、午後のおやつの用量も含めることができる。食事用量のタイプは、例えば、固定食事用量または可変食事用量を含むことができる。用量パラメータは、例えば、各食事の公称固定用量または炭水化物比、食前補正係数（ＣＦ）および食後のＣＦを含むことができる。用量範囲は、最低食事用量の推定値を含むことができる。
上記の投与情報タイプのそれぞれにつき、ＤＧＡは、累積データが投与情報を決定するのに十分であるか不十分であるかを決定することができる。幾つかの実施形態では、患者のＳＣＤ１０２は、所定の時間期間、例えば１４日間動作するように構成することができる。これらの実施形態では、ＤＧＡは、所定の時間期間後に（または期間終了前にセンサが動作を停止した場合にはそれ以前に）、利用可能な分析物および投与データが上記の各投与情報を決定するのに十分であるかどうかを判定することができる。十分である場合、ＤＧＡは、パラメータ化方法３００を実行し、用量ガイダンスモードの開始させることができる。代替的な実施形態では、学習期間中に定期的に（例えば１日１回）、ＤＧＡは、上記の投与情報のそれぞれを決定するのにデータが十分であるかどうかを判定することができる。いずれの場合も、収集されたデータが十分であれば、ＤＧＡは、学習期間を終了し、パラメータ化を実行し、ガイダンス期間を開始することができる。そうでなければ、ＤＧＡは学習プロセスを継続することができる。
図７を参照すると、ＤＧＡは、例えばＵＩＤ２００、ＳＣＤ１０２、ＭＤＤ１５２の適切なコンピューティングデバイス上で、単独または任意の組み合わせで、方法３００を実行するように構成することができる。方法３００を実行するためのプログラム命令は、ＰＩモジュールまたは他の任意の適切なコード構成でグループ化することができる。概説すると、方法３００は、ステップ３０２でＤＧＡにより、分析期間中に患者が受け取った薬剤の用量のそれぞれを、分析期間中に患者の分析物および患者が受け取った薬剤の用量を特徴付けるデータに基づいて、分類するステップを含むことができる。方法３００はさらに、ステップ３０４において、用量のそれぞれを、食事時刻グループのセットのうちの１つにグループ化するステップを含むことができる。本方法はさらに、ステップ３０６において、食事時刻グループのそれぞれのデータをモデルに適用することによって少なくとも部分的に患者の用量パラメータを作成するステップを含むことができる。本方法は、ステップ３０８において、用量パラメータをコンピュータメモリに格納し、用量ガイダンス設定を構成するステップを含むことができる。本明細書に記載されている実施形態では、分析物は、グルコースとすることができるか、または患者のグルコースレベルのインジケータを含むことができ、薬剤は、インスリンとすることができるか、またはインスリンを含むことができる。用量ガイダンス設定は、ＤＧＡが用量ガイダンスを策定するために使用したり、出力のためにインタフェースデバイス、例えばＵＩＤ２００または医療従事者の端末に提供したりすることができる。方法３００における各操作のより詳細な態様を以下に説明する。本明細書で使用される場合、「ＰＩモジュール」とは、方法３００の動作および任意の補助的な動作を実行するＤＧＡの一部または部分を指す。ＰＩモジュールは、特定の構成に限定されるものではなく、コンピュータコードの様々な配置を包含することができる。
一態様では、分類操作３０２は、薬剤の各用量（例えば、インスリン）を食事用量、補正用量および／または曖昧な用量のいずれかに分類するステップを含むことができる。ＤＧＡが、定義された信頼度で薬物用量を食事用量または補正用量として分類することができない場合、ＤＧＡは、薬剤用量を曖昧なものとして分類することができ、用量ガイダンスのための用量パラメータを作成する際の使用から当該薬剤用量を省略することができる。
ＤＧＡは、本明細書で特徴抽出および分類と称される２つの操作のシーケンスにより薬剤用量の分類を行うことができる。これを図７に関連させると、分類操作３０２は、分類特徴のセットを用量のそれぞれに相関させる特徴行列を作成するステップを含むことができる。幾つかの実施形態では、ＤＧＡは、インスリン用量分類のための特徴行列を出力する関数への入力として、インスリン注射タイムスタンプのベクトル、患者のＳＣＤ１０２からの分析物測定値を含むデータファイル、および本明細書の別の箇所で論じられる食事検出アルゴリズムモジュールからの結果を構成することができる。特徴行列の行数は、関連する分析期間中の注射、または同等の薬剤投与イベントの量を示すことができる。特徴行列の各行は、単一の投薬イベントの特徴ベクトルとすることができるか、またはこれを含むことができる。インスリン注射を分類するための実施形態では、各ベクトルは、本明細書で分類特徴と称される、後述の要素を含むことができる。ＤＧＡは、インスリン注射時刻に対する時間範囲、例えば、－２．５時間～１．５時間のグルコース監視データの対応するセグメントに基づいて、特徴ベクトルの要素のそれぞれを決定することができる。
実施形態では、分類特徴は、各投与の投薬時刻、例えば、インスリン注射がＭＤＤ１５２により記録された時間帯、またはＵＩＤ２００を使用して患者により記録された時間帯を含むことができる。
分類特徴はさらに、時間フィルタリングされた分析物値、例えば、Savitsky-Golayフィルタ、ローパスフィルタ、バンドパスフィルタ、局所推定散布図平滑化（locally estimated scatterplot smoothing）などのノンパラメトリック平滑化フィルタ、または他のフィルタを使用してフィルタリングされたグルコース値を含むことができる。一態様では、Savitsky-Golayフィルタは、１５分のサンプリングインターバルで次数２、フレーム長７とすることができる。
分類特徴はさらに、投薬の時刻に最も近い分析物値の変化率、例えば、投薬（例えば、注射）時間に最も近いデータ点を中心とする５つの分析物データ点（例えば、１５分のサンプリングインターバルを使用）の線形回帰により計算された分析物（例えば、グルコース）値の変化率を含むことができる。
分類特徴はさらに、分析物値と投薬の時刻に最も近い分析物値との差を、投薬時刻より前のインターバルで積分したものを示す左側の曲線下面積（ＡＵＣ）指標を含むことができる。例えば、左側のＡＵＣ指標を得るために、ＤＧＡは、時間ウィンドウ（例えば、２．５時間）内のフィルタリングされた分析物データからすべてのデータ点を収集し、注射時刻からカウントバックし、次いで、収集されたデータ点の平均分析物値と注射時刻に最も近いデータ点（すなわち、基準データ点）との間の差を計算し、この差に時間ウィンドウの持続時間を乗算して左側のＡＵＣの増分を計算することによって左側のＡＵＣ指標を計算することができる。
分類特徴はさらに、分析物値と投薬の時刻に最も近い分析物値との差を、投薬時刻より後のインターバルで積分した値を示す右側のＡＵＣ指標を含むことができる。例えば、ＤＧＡは、時間ウィンドウ（例えば、１．５時間）内のフィルタリングされた分析物データからすべてのデータ点を収集し、注射時刻からカウントバックし、次いで、収集されたデータ点の平均分析物値と注射時刻に最も近いデータ点（基準データ点）との間の差を計算し、この差に時間ウィンドウの持続時間を乗算して右側のＡＵＣの増分を計算することによって右側のＡＵＣ指標を計算することができる。
分類特徴はさらに、投薬時刻の間の経過時間を含むことができる。例えば、ＤＧＡは、各注射時刻について、現在の注射時刻から前回の注射時刻を差し引くことによって前回の注射時刻と現在の注射時刻との間の経過時間を計算することができる。インスリンログの最初の注射時刻については、利用可能な前回の注射時刻がないため、ＤＧＡは、最初のＳＣＧ時間データ点から現在の注射時刻までの経過時間を計算することができる。加えて、更なる例として、ＤＧＡは、次回の注射時刻から現在の注射時刻を差し引くことによって現在の注射時刻と次回の注射時刻との間の経過時間を計算することができる。インスリンログの最後の注射時刻については、利用可能な次回の注射時刻がないため、ＤＧＡは、現在の注射時刻から最後のＳＣＧ時間データ点までの経過時間を計算することができる。後方計算と前方計算との両方において、経過時間が所定の最大値（例えば、１２時間）よりも大きい場合、ＤＧＡは、経過時間の値を最大時間に等しく設定することができる。
分類特徴はさらに、投薬時刻前の定義されたインターバル内に食事が開始される確率、例えば、注射前の時間ウィンドウ（例えば、１．５時間）内の食事開始確率の最大値を含めることができる。この確率は、本明細書の別の箇所で説明される食事検出モジュールにより計算することができる。
分類特徴はさらに、直近の食事からの経過時間の最確インターバル、例えば、注射時刻に対する食事開始確率の最大点（例えば、食事検出モジュールにより決定される）からの経過時間を含むことができる。
分類特徴はさらに、投薬時刻後の定義されたインターバル内に食事が開始される確率、例えば、注射後２時間以内の食事開始確率の最大点（食事検出モジュールにより決定される）を含むことができる。
分類特徴はさらに、次の食事までの最確インターバル、例えば、注射時刻から食事注射後の食事開始確率の最大点（例えば、食事検出モジュールにより決定される）までの予測経過時間を含むことができる。
前述のように、分類特徴の一部を計算するステップは、分析期間中に患者が摂った各食事の時刻を推定するステップを含み、食事時刻を推定する方法は、以下でさらに詳細に説明される。簡単に言えば、各食事の時刻を推定するステップはさらに、ＤＧＡにより、時間相関分析物データに基づいて特徴行列を作成するステップを含むことができ、特徴行列は、分析物（例えば、グルコース）データ特徴のセットを、上昇、下降前および下降として分類される別個な領域のそれぞれに相関させる。分析物データ特徴のセットは、最大分析物変化率、最大分析物加速度、最大分析物加速点での分析物値、領域の持続時間、領域の高さ、最大減速、領域内の平均変化率、および最大分析物加速度の時間とすることができるか、またはこれらを含むことができる。推定するステップはさらに、後述のアルゴリズムを用いて、特徴行列に基づいて推定食事時刻を作成するステップを含むことができる。
方法３００で使用するための、または他で使用するための遡及的な食事時刻検出アルゴリズムのより詳細な態様を、以下の段落で説明する。その後、方法３００の他の態様の説明を続ける。ＤＧＡは、１つまたは複数のコードモジュール、例えば、特徴抽出モジュールおよび食事検出モジュールを実行することによって時間相関のある分析物データに基づいて遡及的な食事時刻検出を実行することができる。特徴抽出モジュールは、ＤＧＡにより実行される際に、ＤＧＡに、グルコース時系列を入力として受け取り、食事イベントに応答してグルコースエクスカーションを検出するために遡及的な食事検出モジュールに通される特徴行列を出力させることができる。
ＤＧＡは、後述の以下の操作を用いて特徴抽出を実行することができるが、この操作は、平滑化、セグメント化および抽出という３つのサブ操作のシーケンスに分けることができる。
平滑化サブ操作では、ＤＧＡは、Savitzky-Golayフィルタ（次数２）を使用して分析物（例えば、グルコース）時系列を平滑化し、各分析物データ点における変化率および加速率を計算することができる。フィルタのフレーム長パラメータは、第１の時間インターバル（例えば６０分）で収集されたデータ点の数であってよく、したがって、サンプリングはインターバルに依存する。ＤＧＡは、注目点とその注目点の前後の第２のインターバル（例えば、１５分）である点との間の平滑化された分析物値の前後の差の平均をとることにより変化率を計算することができ、第２のインターバルは第１のインターバルよりも小さく、例えば、第１のインターバルの４分の１に等しい。同様に、ＤＧＡは、注目点とその前後の第２のインターバル（例えば、１５分）である点との間の分析物の変化率の前後の差の平均を取ることにより加速率を計算することができる。
セグメント化サブ操作では、ＤＧＡは、平滑化された分析物トレースを、単調に増大する領域（すなわち上昇）と減少する領域（すなわち下降）とにセグメント化することができる。各上昇領域は、食事イベントに応答したグルコースエクスカーションの候補として考えられる。
抽出サブ操作において、ＤＧＡは、データから特徴を抽出することができる。例えば、各上昇領域（例えば、８つの特徴）、先行する下降領域（例えば、４つの特徴）、および次の下降領域（例えば、４つの特徴）からの特徴であってもよくまたはこれらを含んでいてよい１６の特徴を抽出することができる。ＤＧＡが上昇特徴から抽出できる特徴には、例えば以下のものが含まれ得る。すなわち、１）最大分析物変化率、２）最大分析物加速度、３）最大分析物加速点（基準点）での分析物値、４）上昇領域の持続時間（基準点から領域の最後の点までの経過時間）、５）領域の高さ（最後の点と基準点との間の平滑化された分析物値の差）、６）最大分析物加速点（基準点）での分析物値、７）領域内の平均変化率（高さ／持続時間）、および８）基準点のデータの時間、である。さらに例を挙げると、先行する下降領域と後続する下降領域とから抽出された４つの特徴には以下のものが含まれ得る。すなわち、１）下降領域の高さ、２）下降領域の持続時間、３）領域の平均変化率（高さ／持続時間）、４）グルコースの変化率の最大絶対値である。特徴抽出モジュールが出力する特徴行列の行数は、平滑化されたグルコース時系列における上昇領域の数と同じであってよい。
実施形態の別の態様によれば、遡及的な食事検出モジュールは、特徴行列を入力として受け取り、各上昇領域に対するバイナリ検出結果を出力することができる。こうした出力は、バイナリ分類結果、および各上昇領域が食事イベントに応答した分析物（例えば、グルコース）エクスカーションである確率値を含むことができる。ＤＧＡは、各上昇領域の確率値をその基準点に割り当てることができる。幾つかの実施形態では、例えば、食事検出のための事前に訓練された機械学習モデルは、scikit learnによるランダムフォレスト分類器を用いて実装することができる（https://scikitlearn.org/stable/modules/generated/sklearn.ensemble.RandomForestClassifier.html）。食事検出モジュールは、訓練プロセス中に構築され、最適化された多数の決定木に基づいて、食事誘発性の食後グルコースエクスカーションを検出することができる。代替的な実施形態では、ＤＧＡは、例えば、勾配ブースティング、ＡＤＡブースト、人工ニューラルネットワーク、線形判別分析、およびエクストラツリーを含む代替的な分類アルゴリズムに基づいて、事前に訓練されたモデルを構築することができる。
再び図７の方法３００を参照すると、分類操作３０２は、患者の特徴行列を入力として受け取り、各関連投薬イベントについて（例えば、各インスリン注射について）バイナリ分類結果を出力することができる。例えば、ＤＧＡは、食事用量を意味するバイナリデータ「１」と、非食事用量を意味する「０」とを出力することができる。幾つかの実施形態によれば、分類操作３０２は、食事検出結果を使用することができ、この場合、インスリン用量分類の前に食事検出を行うことができる。遡及的な食事時刻検出について述べたように、分類操作３０２は、事前に訓練された機械学習モデル、例えば、scikit learnによるランダムフォレスト分類器を用いて実装されたモデル（上記で参照）を含むことができる。ＤＧＡにより実装された機械学習モデルは、訓練プロセス中に最適化された、各決定木における様々な特徴に対する木の構築ルールと閾値とに基づいて分類を実行することができる。あるいは、このモデルは、勾配ブースト、ＡＤＡブースト、人工ニューラルネットワーク、線形判別分析、エクストラツリーを含む他の機械学習アルゴリズムにより訓練することもできる。ＤＧＡが各用量の分類に成功すると、投薬レジメンおよび投与パラメータの決定に進むことができる。
ステップ３０４において、方法３００は、ＤＧＡが用量のそれぞれを、食事時刻グループまたはクラスタのセットのうちの１つにグループ化するステップを含むことができる。例えば、ＤＧＡは、食事用量の投薬（例えば、注射）時間の分析をクラスタリングすることによって投薬戦略を決定することができる。ＤＧＡは、エルボー法とともにＫ平均アルゴリズムを用いて実装されたクラスタリングモジュールを実行することができ、このモジュールは、注射時刻を入力として受け取り、各注射時刻に対する最適なクラスタ数Ｋ（最大３）およびクラスタインデックスを出力する。最適なクラスタ数Ｋは、患者が１日に服用する食事用量の数とすることができる。各注射のクラスタインデックスを用いて、ＤＧＡは食事用量をクラスタインデックスに応じてＫ個のグループに分類することができる。
ＤＧＡは、以下のようにして、これらのグループを朝食、昼食または夕食（Ｂ，Ｌ，Ｄ）として識別することができる。各グループについて、ＤＧＡは、グループのＴＯＤの中央値を計算することによって典型的な時間帯（ＴＯＤ）を決定することができる。あるいは、ＤＧＡは、他のセントロイド指標を使用することもできる。Ｋ＝３の場合、ＤＧＡは、グループの典型的なＴＯＤ間の期間が最も長くなった後に、朝食をグループに関連付けることができる。次いで、次のグループを昼食とし、最後のグループを夕食とする。Ｋ＝２の場合、ＤＧＡは、各食事の間の時間に関する仮定のルールを用いて、どのグループが朝食、昼食または夕食に関連しているかを推定することができる。例えば、２つのグループが互いに６時間以上離れている場合、ＤＧＡはそのグループを朝食および夕食として識別することができる。その他、最初のグループが午前１０時前に発生した場合、ＤＧＡはグループを朝食および昼食、そうでない場合は昼食および夕食として識別することができる。代替的な実施形態では、ＤＧＡが食事イベントの典型的な時間を識別した後、各典型的な時間に関連する食事を識別するようにユーザにプロンプトを表示することができる。更なる例として、代替的な実施形態では、ＤＧＡは、食事の関連性を推定した後、ユーザに確認のプロンプトを表示することで、ここに記載した２つの方法を組み合わせることができる。更なる代替的な方法としては、食事を識別するためのグルコースデータの分析および典型的な食事の時刻を検出するための食事時刻のクラスタリングを挙げることができる。これは、Ｋ＝２の場合に食事を区別すること、すなわち、用量が服用されていない食事を識別することに有用であり得る。
用量が食事時刻クラスタにグループ化されると、ステップ３０６で、ＤＧＡは、食事時刻グループのそれぞれのデータをモデルに適用することによって少なくとも部分的に患者の用量パラメータを作成するステップを実行することができる。例えば、各食事グループ（Ｂ，Ｌ，Ｄ）について、ＤＧＡは、対応する食前グルコースレベルの各セットを、対応する食事投薬量と対にすることができる。ＤＧＡは、各グループを適切なモデル、例えば、傾きがゼロである線形関数、傾きが非ゼロである線形関数、１点で結合されたピースワイズ線形関数、または結合されたピースワイズモデルに近似するが結合点の周りに滑らかな曲率を有する非線形関数でフィットさせることができる。その他のモデルも適している。
ＤＧＡは、モデルパラメータの残差平方和（ＳＳＲ）を最小化することによってモデルフィッティングおよびパラメータ推定を行うことができる。次いで、ＤＧＡは、研削アルゴリズムを用いて、ＳＳＲの値が最小となるような最適なパラメータを見つけることができる。線形モデルの場合、ＤＧＡは、Nelder-Meadシンプレックス法を用いてフィッティングを行うことができる。非線形モデルの場合、ＤＧＡは、Levenberg-Marquardtアルゴリズムを用いることができる。すなわち、ＤＧＡは、線形モデルにはNelder-Meadシンプレックス数値最適化法を、非線形モデルにはLevenberg-Marquardt最適化法を用いることができる。これらのモデルにデータをフィッティングさせる別の方法も可能である。
最適化中の反復回数が収束基準を超えると、モデルが適合しないことになり、ＤＧＡは適合しなかったモデルを候補モデルとして除外することができる。さらに、ＤＧＡは、パラメータ推定の不確実性を最小化するために特定の規則を適用することができ、例えば、推定閾値グルコースよりも大きい少なくとも３つの食前グルコースデータ点を要求することで推定補正係数を検証することにより、または推定閾値グルコースよりも小さい少なくとも３つの食前グルコースデータ点を要求することで推定固定容量を検証することにより、またはパラメータ切片の９５％信頼インターバルがゼロを除くように要求することにより、またはモデルの傾きの９５％信頼インターバルがゼロを除くことを要求することにより、適用することができる。
データが不十分な場合、モデルのフィッティングに失敗し、その結果、特定のモデルが候補モデルとして除外されてしまうことがある。ＤＧＡは、各モデルを赤池情報量規準（ＡＩＣ）で評価し、最小のＡＩＣ値を有するモデルを各食事グループの望ましいモデルとして選択することができる。
ＤＧＡは、各食事時刻クラスタのモデルを選択すると、次いで、各食事時刻クラスタの選択されたモデルに基づいて、例えば、固定用量インスリン量、目標グルコースレベルおよび補正係数を含む用量パラメータを決定することができる。ＤＧＡは、次の段落でより詳細に説明するように、目標グルコースレベルおよび補正係数を、すべてのグループについてそれぞれ単一の値として決定することができる。代替的な実施形態では、ＤＧＡは、各グループについて目標グルコースレベルおよび補正係数を別々に決定し、下流の用量ガイダンス操作のために別々に決定されたパラメータを使用することができる。
実施形態の別の態様によれば、ＤＧＡは、患者のためのより正確な補正係数を得るために、結合されたデータグループを形成することができる。例えば、用量データを各食事グループの様々なモデルにフィッティングさせて最適なモデルを選択し、固定インスリン投薬量を推定した後、ＤＧＡは、各食事グループの関連する食事用量から固定用量インスリン量を差し引くことができる。残りの非ゼロの値は、補正用量を有する用量に対応する。次いで、これらの非ゼロの値は、３つの食事グループ（Ｂ，Ｌ，Ｄ）すべてから結合して、結合されたグループを形成することができる。あるグループについて固定用量のインスリン量が決定できない場合、ＤＧＡは、結合されたグループからそのグループのデータを除外することができる。次いで、システムは、結合されたグループに対して最適なモデルを見つけるための操作を繰り返すことができ、またはグループを個別に分析したときに識別された同じモデルを使用することができる。この結合されたグループのアプローチを使用することで、患者がすべての食事で同じ（または一定の）補正係数と目標グルコースとを有していることを想定し、結合されたグループではより大きなサンプルサイズでより正確なフィッティングを提供することができる。ＤＧＡは、最適フィッティングモデルに基づいて目標グルコースレベルと補正係数とを決定した後、用量パラメータの推定を完了した。次いで、ステップ３０８で、ＤＧＡは、用量パラメータをコンピュータメモリに格納し、用量ガイダンス設定を構成することができる。
追加の態様では、ＤＧＡは、好ましいモデルのＡＩＣ値を５０、または７５、または１００などの閾値と比較することによって患者が潜在的に炭水化物カウントを行っているかどうか（例えば、炭水化物の消費を考慮して食事用量を変化させているかどうか）を決定することができる。ＡＩＣ値が閾値よりも大きい場合、ＤＧＡは患者が炭水化物カウントをしていると決定し、ＵＩＤ２００を介して患者に確認を求めることができる。
代替的な実施形態では、上述した操作のうちの１つ以上を省略し、患者またはＨＣＰが手動で情報を提供することを要求すること、またはＥＭＲもしくは他のソフトウェアプログラムなどの別のソースから情報を抽出することで置き換えてもよい。それにもかかわらず、方法３００は、ＳＣＤおよびＭＤＤが提供できる以上の情報を持たない様々なアプリケーションに有用であるはずである。
学習期間中のユーザフィードバック
次に、ＤＧＡの学習期間中または学習後にユーザフィードバックを取得する方法の例示的な実施形態について説明する。ＤＧＡによる初期の学習段階中に、ユーザにフィードバックのプロンプトを表示することができる。ユーザフィードバックは、システムが進歩していることをユーザに示すことができる。ＤＧＡは、投与された用量、分析物の履歴、患者の行動または活動、投薬戦略全般、特定の用量のタイプ、ＤＧＡが決定した（例えば、システムにより学習された）用量のタイプまたは戦略が正しいことの確認など、用量ガイダンスのあらゆる側面に関するフィードバック（例えば、入力または確認）をユーザに促すことができる。
学習期間中（またはその後）、ＤＧＡは、ユーザフィードバックを要求するプロンプトまたは他の表示をＵＩＤ２００に出力することができる。このフィードバックは、投薬戦略、例えば、インスリン作用タイプ（例えば、長時間作用型および／または短時間作用型または速効型）に関する戦略に関するものであり得る。フィードバック（または他の決定）が長時間作用型戦略の使用を示している場合、ＤＧＡは、第１の時間期間、例えば最初の３日間において、患者のベーサル投与パターンを監視して、各用量または投与パターンを単回用量または分割用量タイプに分類し、かつ／または時間期間別の用量（例えば、朝の単回用量、夕方の単回用量、または分割用量（例えば、朝と夕方との両方））を特徴付けることができる。ＤＧＡはまた、投薬量に関する傾向（例えば、中央値、平均値）および関連する用量変動性値を決定することもできる。この情報から、ＤＧＡは予想されるベーサル用量を策定することができる。第１の時間期間の後、実際に投与された用量（例えば、ＭＤＤ１５２により自動的に登録されたもの、またはユーザにより入力されたもの）が予想と異なる場合、ユーザにフィードバックのプロンプトを表示することができる。
実施形態の一態様によれば、多くの異なる状況でユーザにプロンプトを表示することができる。例えば、ＤＧＡは、前のベーサル用量またはボーラス用量が投与される時間期間中に、ユーザがベーサル用量またはボーラス用量の投与を行わなかった場合など、投薬忘失を検出するように構成することができる。投薬忘失が検出された場合、ＤＧＡは、その時間期間にベーサル用量が投与されたかどうかに関する入力をユーザに要求するように構成することができる。幾つかの実施形態によれば、ＤＧＡは、投与タイミングの違いを検出するように構成することができる。例えば、ＤＧＡは、ユーザが、前のベーサル用量が投与された時間帯と異なる時間帯にベーサル用量を投与した場合（例えば、通常は朝に投与されるベーサル用量が夕方に投与された場合）に、これを検出するように構成することができる。このような投与タイミングの違いが検出された場合、ＤＧＡは、ベーサル用量が異なる時間期間に投与されたかどうかに関する入力をユーザに要求するように構成することができる。本実施形態の別の態様では、ＤＧＡはまた、余分な用量が投与されたことを検出するように構成することもできる。例えば、ＤＧＡは、１日に投与されるベーサル用量の数の変化を検出するように構成することができる。実施形態のさらに別の態様では、ＤＧＡは、１日目の投薬戦略（例えば、１回のベーサル用量が投与された）が、２日目の投薬戦略（例えば、２回のベーサル用量が投与された）と異なるかどうかを検出するように構成することができる。異なる投薬戦略が検出された場合、ＤＧＡは、ユーザが２日目に使用された投薬戦略を新たな投薬戦略として採用したかどうかに関する入力をユーザに要求するように構成することができる。実施形態のさらに別の態様では、ＤＧＡは、異なる投薬量が投与されたかどうかを検出するように構成することもできる。例えば、ＤＧＡは、ある時間帯に投与された用量の第１の量が、前日のある時間帯に投与された先行用量と異なる（小さいまたは大きい）かどうかを検出するように構成することができる。異なる服用量が検出された場合、ＤＧＡは、ユーザが服用量を変更したかどうかに関する入力をユーザに要求するように構成することができる。
これらのプロンプトに対するユーザの応答により、ＤＧＡは、正しいパターンを識別したことを確認する（例えば、ユーザは、朝のベーサル用量の服用を忘失したが、通常は服用することを確認する）か、またはユーザがパターンを修正する機会を提供する（例えば、ユーザは、服用前にグルコースに基づいてベーサル用量を調整することをＤＧＡに通知する）ことが可能である。
速効型インスリン投薬戦略では、上記のプロンプトに加えて、ＤＧＡは用量分類に関するプロンプトを含むことができる。用量分類としては、ボーラス、補正、分割用量、ボーラス＋補正、およびボーラス＋炭水化物カウント＋補正の分類を挙げることができるが、これらに限定されない。
速効型インスリンの投与に関して、様々な状況でユーザにプロンプトを表示することができる。ＤＧＡは、食事に関連していない用量が投与されたかどうかを検出するように構成することができる。例えば、ＤＧＡは、食事が識別または検出されない時間期間に用量が服用されたかどうかを判定するように構成することができる。ＤＧＡが、用量の服用を検出し、投与の時間期間内（例えば、投与から約１時間以内）に食事が検出されなかった場合、ＤＧＡは、用量が投与された理由（例えば、食事をしたから、グルコースを下げたから、または前の食事の投与を終えたから）に関する入力をユーザに要求することができる。また、ＤＧＡはまた、食事用量が、同じ食事のタイプに関連する以前の食事用量と一致しないことを検出するように構成することもできる。例えば、ＤＧＡは、第１の食事のタイプに関連しかつある時間帯に投与されるボーラス用量が、第１の食事のタイプに関連しかつ前日のその時間帯に投与された前のボーラス用量と同じでないかどうかを判定するように構成することができる。ボーラス用量のこのような違いが検出された場合、ＤＧＡは、異なる用量の理由を決定するように構成することができる。例えば、ＤＧＡは、ボーラス用量と前のボーラス用量とに関連する食前グルコース値の差を決定し、検出された差が補正であるかどうかを判定するように構成することができる。ＤＧＡはまた、ボーラス用量の差の理由（例えば、食事した量が少ない／多い、かつ／または高血糖を補正している、かつ／または他の要因を補正していること）について、ユーザに入力を要求することもできる。
１日を通してどのようなタイプの速効性用量が服用されているかをＤＧＡが決定できるようにすることに加えて、用量を予想するタイミングを容易にすることができる。ＤＧＡは、プロンプトが提供されない学習期間の後、ユーザの投薬戦略のＤＧＡのモデルを改善するために、用量が予想される用量と異なる場合に、ユーザにこれらのプロンプトを提供することができる。
長時間作用型および速効型のいずれの場合も、ＤＧＡは、時間が経過し、ユーザが反応するにつれて、プロンプトの回数を最小限にすることを目指すことができる。初期の段階では頻繁にプロンプトを出し、繰り返しパターンが観察されたら徐々に減らしていくことに重点を置くことができる。
ＭＤＩインスリン投薬療法のためのグルコースパターン分析および食事ボーラスタイトレーション
次に、食事ボーラスタイトレーションを決定する方法の例示的な実施形態について説明する。本システムは、患者の現在の投薬戦略を学習（またはこれに合わせて構成）すると、頻回注射（ＭＤＩ）投薬療法のタイトレーションガイダンスを提供することができる。固定食事投与を使用している患者の場合、固定投薬量（例えば、朝食、昼食、夕食、おやつなど）をタイトレーションすることができる。炭水化物カウントを行っている患者の場合、同じ食事または異なる時間帯の炭水化物比を調整することができる。経験的投与を行っている患者の場合、食事ごとに用量のタイトレーションを行うことができる。ＤＧＡによるタイトレーションガイダンスでは、用量または炭水化物の比率を特定の方向に変更するための推奨値を提供することができる。変更量は、例えば、５％、１０％、１５％などの適切な割合で変更することができる。用量ガイダンスには、食事投与の開始も含まれ得る。例えば、患者がベーサル＋１（例えば、昼食投薬レジメン）を使用しており、朝食が高パターンを示している場合、ＤＧＡは、朝食にＲＡインスリンを投与するための推奨値を提供することができる。
ＤＧＡは、時間帯（ＴＯＤ）期間、食事のタイプ（例えば、朝食）、および食事の組成（例えば、牛乳入りシリアル）などの投与カテゴリを定義することを要求することができる。例えば、投与カテゴリは、時間帯期間の食事インスリン投薬に関連する期間により定義される時間帯期間とすることができる。更なる例では、朝食後の時間期間は、定義された時間帯、例えば午前５時～午前１０時の間に食事インスリン用量が服用されたときに開始し、定義された食後の期間（例えば、６時間後）の後または次の食事インスリン用量が服用されたときのいずれか早い方に終了すると定義することができる。食後の血糖反応が名目上のものであるか、もしくは修正が必要なのかを定義するために、または食後の血糖パターンを別のものよりも有利または不利にランク付けするために、１つまたは複数の測定基準が必要になる場合がある。低グルコースの可能性（ＬＬＧ）指標およびグルコース中央値を使用して、低血糖リスクおよび高血糖リスクの程度をそれぞれ定量化することができる。
その内容全体をすべての目的のために参照により本明細書に援用するものとする、米国特許公開第２０１８／０１８８４００号明細書（’４００号公報）は、ＤＧＡの実施形態のグルコースパターン分析（ＧＰＡ）で利用できるリスク指標を導出および決定するための実施態様を記載している。この実施態様は、とりわけ、複数日の期間からの中心傾向（例えば、平均値、中央値など）および変動性値データを利用して、低血糖リスク（「hypo risk」）の程度に対応するリスク指標を判定する。この実施態様は本明細書で要約されており、実施態様およびその変形例についてのより網羅的な説明は、’４００号公報を参照して得ることができる。
’４００号公報の出版物に記載されている実施態様の代替案は、米国特許公開第２０１４／０３５０３６９号明細書に記載されており、この文献もその内容全体をすべての目的のために参照により本明細書に援用するものとする。例えば、中央値および変動性値を使用する代わりに、この方法は、データの分布を定義する任意の２つの統計的尺度を採用することができる。’３６９号公報に記載されているように、統計的尺度は、グルコース目標範囲（例えば、ＧＬＯＷ＝７０ｍｇ／ｄＬおよびＧＨＩＧＨ＝１４０ｍｇ／ｄＬ）に基づくものであり得る。目標範囲に関連する一般的な測定値は、目標範囲内の時間（ＴＩＲ）、目標を上回る時間（ｔＡＴ）、および目標を下回る時間（ｔＢＴ）である。グルコースデータが分布（例えば、ガンマ分布）としてモデル化される場合、予め定義された閾値ＧＬＯＷおよびＧＨＩＧＨについて、ｔＡＴおよびｔＢＴを計算することができる。閾値について、アルゴリズムはｔＢＴ＿ＨＹＰＯを定義することもでき、ｔＢＴを超えた場合、患者は低血糖リスクが高いと判定することができる。例えば、低血糖リスクが高いとは、ＧＬＯＷ＝７０ｍｇ／ｄＬの場合にｔＢＴが５％を超えた場合と定義することができる。同様に、ｔＡＴ＿ＨＹＰＥＲという指標を定義することができ、ｔＡＴを超えた場合、患者は高血糖リスクが高いと判定することができる。低血糖および高血糖のリスクの程度は、それぞれＧＬＯＷまたはｔＢＴ＿ＨＹＰＯ、ＧＨＩＧＨまたはｔＡＴ＿ＨＹＰＥＲのいずれかを調整することにより調整することができる。ＴＩＲ、ｔＢＴおよびｔＡＴの３つの尺度のうち任意の２つを用いてコントロールグリッドを定義することができる。これらの選択肢（および他の選択肢）を使用して、本明細書に記載されているＤＧＡの実施形態のリスク指標を判定することができる。
本明細書に記載されているＤＧＡの実施形態は、ＴＯＤ期間中のユーザの分析物データの定量的な評価に基づいて動作することができる。この定量的評価は、様々な方法で行うことができる。例えば、本明細書に記載されている実施形態は、複数日にわたる分析物データを評価して、対応するＴＯＤについてその分析物データが示す関連リスクを記述する１つまたは複数の指標を判定することができる。これらの指標を用いて、ＴＯＤ期間中の分析物データを複数のパターンのうちの１つに分類することができる。例えば、これらのパターンは、そのＴＯＤに共通するか、または一般化されるグルコースの挙動またはトレンドを示すことができる。ＤＧＡの実施形態により、任意の数の２つ以上のパターンを利用することができる。本明細書では、参照を容易にするために、これらのパターンをグルコースパターンタイプと称し、本明細書に記載されている実施形態では、３つのグルコースパターンタイプ（例えば、低パターン、高／低パターン、および高パターン）を利用する実施態様に言及するが、他の実施形態では、２つのタイプのみ、または３つ以上のタイプを利用することができ、これらのタイプは本明細書に記載されているものと異なっていてよい。
固定食事用量を例にとると、ＤＧＡが投薬戦略と用量または炭水化物比の量とを学習したら、タイトレーション評価を開始することができ、これは「夜間」、「朝食後」、「昼食後」および「夕食後」の４つのタイトレーションカテゴリに分類することができる。これらのカテゴリのそれぞれにつき、ＤＧＡは、上述の２つの指標（ＬＬＧおよびグルコース中央値）を、後述のＧＰＡ法による４つの論理「パターン」変数にマッピングすることができる。図８Ａは、頻回注射（ＭＤＩ）投薬療法のための食事ボーラスタイトレーションを評価するためのＤＧＡによる例示的な方法４００の動作を示す。方法４００は、４０２において、ＤＧＡにより、分析期間中に患者が装着したセンサ制御デバイスから発信された時間相関分析物データを入力として受け取るグルコースパターン分析（ＧＰＡ）アルゴリズムを実行することによって少なくとも１つのＴＯＤ分析物パターンタイプを決定するステップを含むことができる。方法４００はさらに、４０４において、ＤＧＡが推奨アルゴリズムを実行することによって分析物パターンタイプおよび分析期間における患者の定義された投薬戦略に基づいて、ＭＤＩ投与推奨値を選択するステップを含むこともできる。方法４００はさらに、４０６において、ＤＧＡにより、患者に薬剤を投与するＵＩＤ２００またはＭＤＤ１５２の少なくとも一方に出力するために、推奨される行動の指針をコンピュータメモリに格納するステップを含むことができる。ＵＩＤ２００は、推奨される行動の指針を使用して、例えば人間が読み取れる指針の表現をディスプレイ上に表示させることによってまたは指針を人間の言語で表現した音声出力を作成することによって、ユーザインタフェースを制御することができる。ＭＤＤ１５２は、指針を使用して、次の関連する用量投与を調整または維持することができる。方法４００の更なる詳細は、以下に説明する。
図８Ｂは、４０２で参照されるＧＰＡアルゴリズムとして実装することができるＧＰＡ方法４１０の例示的な実施形態を示すフローチャートである。方法４１０は、１日全体（例えば、２４時間の期間）、または時間ブロック（例えば、３つの８時間の期間）もしくはユーザの活動（例えば、食事、運動、睡眠など）により画定される１日の一部であり得る特定のＴＯＤ期間に対して実行することができる。多くの実施形態において、複数のＴＯＤ期間は、食事（例えば、朝食後、昼食後、夕食後）および睡眠（例えば、夜間）に対応することができる。これらのＴＯＤ期間は、活動が通常行われるであろう１日の固定時間（例えば、朝食後の午前５時から午前１０時まで）に対応することができ、このような時間ブロックは、ユーザが設定することができるか、または食事もしくは活動の自動検出、もしくはこれらのことを示すユーザの指示（例えば、ＵＩＤ２００を使用）により決定されるように、食事もしくは活動が実際に行われたことを条件とすることができる。
ＤＧＡは、各ＴＯＤ期間について独立して方法４１０を実行し、その期間について個別のパターン評価を得ることができる。４１２において、ＤＧＡは、特定のＴＯＤ期間におけるユーザの分析物データから中心傾向値および変動性値を決定することができる。ユーザの分析物データは、ユーザ自身の記録もしくはユーザの医療専門家の記録から入手可能であり、またはユーザの分析物データは、例えばＤＧＳ１００により収集されたものであってよい。分析物データは、信頼性の高い判定を行うのに十分なデータがＴＯＤ期間内に存在するように、好ましくは複数日の期間（例えば、２日、２週間、１ヶ月など）にまたがっている。他の実施形態では、この方法は、限られたデータに対してリアルタイムで実行することができる。ＤＧＡでは、中央値または平均値を含むがこれらに限定されない、データの中心傾向に相関する任意のタイプの中心傾向指標を使用することができる。また、データセット全体にまたがる変動性範囲（例えば、最小値から最大値まで）、データの大部分にまたがるが、異常値の有意性を小さくすべくデータセット全体には満たない変動性範囲（９０パーセンタイルから１０パーセンタイルまで、７５パーセンタイルから２５パーセンタイルまで）、または特定の非対称な範囲を対象とした変動性範囲（例えば、低範囲変動性であって、これは、例えば中心傾向値から、データの低い値、例えば２５パーセンタイル、１０パーセンタイルまたは最小値までの範囲にまたがることができる）を含むがこれらに限定されない、任意の変動性指標を使用することもできる。中心傾向と変動性を表す指標の選択は、実施態様に応じて変化させることができる。
４１４において、ＤＧＡは、中心傾向値および変動性値に基づいて、低血糖のリスク（「hypo risk」）指標を評価することができる。低血糖リスクを判定するための１つのこのような方法論は、低血糖リスクおよび他の指標を判定するためのフレームワークの例示的な実施形態を示す図８Ｃに関して説明される。図８Ｃは、フレームワークを読者に伝えることを意図しているが、しかしながら、このフレームワークは、ソフトウェアアルゴリズム（例えば、数式、if-else文のセットなど）、ルックアップテーブル、ファームウェア、これらの組み合わせなど、多数の異なる手法で電子的に実装することができる。
図８Ｃは、特定のＴＯＤについて決定された中心傾向および変動性のデータ対を保持するもしくはこれに対応する領域またはゾーンを評価または識別するために使用することができる中心傾向対変動性（例えば、低範囲変動性）のグラフである。任意の数の２つ以上のゾーンを使用することができる。この実施形態では、データ対は、目標ゾーン４２５または３つの低血糖リスク（hypo risk）域である、低域４２６、中程度域４２８または高域４３０のうちの１つに対応することができる。中程度のリスク関数４２２と称される第１の低血糖リスク関数（例えば、曲線または線形の境界）は、低域４２６と中程度域４２８とを区別する。高リスク関数４２４と称される第２の低血糖リスク関数は、中程度域４２８と高域４３０とを区別する。中心傾向と変動性とのデータ対は、対応するＴＯＤ期間の低血糖リスク指標を判定するために、ゾーンに対して評価され得るか、またはゾーンと比較され得る。
低血糖リスク関数４２２および４２４は、数学的関数（例えば、多項式）として明示的にＤＧＡに実装されることができ、または含まれるペアにより各ゾーンを定義すること、ルックアップテーブルの使用、if-else文のセット、閾値比較などにより暗黙的に実装されることができる。低血糖リスク関数４２２および４２４は、ＤＧＡにプリロードされることができるか、信頼できるコンピュータシステム４８０からダウンロードされることができるか、またはＨＣＰなどの別の当事者により設定されることができる。ＤＧＡに実装されると、低血糖リスク関数４２２および４２４は、固定のものとして扱われることができ、またはユーザもしくはＨＣＰにより調整されることもできる。低血糖リスク関数を決定するための例示的な方法論は、’４００公報に記載されている。
４１６において、ＤＧＡは、中心傾向値に基づいて、高血糖リスク指標（「hyper risk」）を評価することができる。この実施形態では、高血糖リスクは、特定のＴＯＤ期間に対する中心傾向値を中心傾向の目標または閾値４３２と比較することにより評価することができる。目標４３２からの中心傾向値の差の大きさおよび／または符号は、高血糖リスクの量を識別することができる。例えば、中心傾向値が目標４３２よりも小さい（例えば、負の値）場合、低い高血糖リスクが存在し得る。中程度の高血糖リスクは、中心傾向値が閾値（例えば、５パーセント、１０パーセントなど）未満で目標４３２を超える（例えば、正の値）場合に存在し得る。高い高血糖リスクは、中心傾向値が閾値よりも大きい値で目標４３２を超える場合に存在し得る。高血糖リスクに対する３つの個別のグループ分け（例えば、低、中、高）の使用は一例であり、任意の数の２つ以上のグループ分けを使用することができる。
他の実施形態では、ＤＧＡは、４１４における低血糖リスクの評価の前に、４１６において高血糖リスク指標を評価することができる。あるいは、別の実施形態では、４１４における低血糖リスクの評価と４１６における高血糖リスクの評価とを、同時に並行して行うこともできる。
変動性リスクなどの他の指標を評価することもできる。例えば、第１の変動性閾値４３４よりも小さい変動性値は、低い変動性リスクを示すことができ、第１の変動性閾値４３４よりも大きく、第２の変動性閾値４３６よりも小さい変動性値は、中程度の変動性リスクを示すことができ、第２の変動性閾値４３６よりも大きい変動性値は、高い変動性リスクを示すことができる。ここでも、変動性リスクに対する３つの個別のグループ分けの使用は一例である。ＤＧＡは、任意の数の２つ以上のグループ分けを使用することができる。
ステップ４１８において、ＤＧＡは、評価された１つ以上のリスク指標に基づいて、ＴＯＤ期間のパターンタイプを決定することができる。例示的な一実施形態では、パターン決定は、低血糖リスク指標および高血糖リスク指標を用いて評価することができる。低血糖リスク指標が高ければ、パターンは低パターンとして設定することができる。その他、低血糖リスクが中程度でありかつ高血糖リスクが高または中程度である場合、パターンは高／低（または中程度）のパターンとして設定することができる。その他、高血糖リスクが高または中程度でかつ低血糖リスクが低い場合、パターンは高パターンとして設定することができる。高血糖リスクと低血糖リスクとの両方が低い場合、識別されたパターンはNo Problem（問題なし）とすることができる（例えば、「ＯＫ」メッセージが表示され、出力される）。
このように、方法４１０は、ＤＧＡがＴＯＤ期間ごとに複数のパターンタイプのうちの１つを出力する方法の一例である。パターンタイプ自体の数は、この実施形態で説明したものとは異なっていてもよい（例えば、低、高／低、高）。ＴＯＤ期間のパターンタイプが決定されると、ＤＧＡは、タイトレーション推奨値を決定する際に使用するために、パターンタイプの指標をメモリ位置に格納することができる。図８Ａを再び参照すると、ＤＧＡは、４０４において、関連する各ＴＯＤ期間に対するＧＰＡを完了すると、タイトレーション推奨値を決定するために進むことができる。
推奨方法は、パターンタイプ（例えば、低、高／低、高）、ＴＯＤ期間、投薬戦略、戦略の遵守状況（例えば、用量が不足しているかどうか）、評価を行うために十分なデータが利用可能かどうかなどの他の要因に応じて分岐することができる。ＤＧＡは、対応するＴＯＤ期間について十分なデータが利用可能になるまでタイトレーションの推奨を行わず、例えば、ＤＧＡは、利用可能なデータの量が閾値に満たない場合、例えば、利用可能なデータの最小部分（例えば、９０％）超を有する別の日の数が閾値（例えば、５つ）に満たない場合、評価を省略し、エラーメッセージを生成することができる。
図８Ｄ～図８Ｈは、上述の入力情報に基づいて用量タイトレーションの推奨事項を決定するための推奨アルゴリズムまたは方法の分岐の例を示す。他の分岐も有用であり得る。図８Ｄは、十分なデータが利用可能であり、最適量よりも高いベーサル用量、食事用量、食前補正用量、または食後用量のうちの１つ以上を含む低パターンタイプの考えられる原因を有するＴＯＤの推奨方法分岐４４０を示す。４４２において、ＤＧＡは、夜間ＴＯＤ期間のパターンタイプが低いかどうかを評価する。パターンが低い場合、４４４において、ＤＧＡは、少なくともベーサル用量と、任意に、食事用量、食前補正用量、または食後用量のうちの１つ以上を含む、関連するすべての用量を同量、例えば１０％減らすための推奨事項を生成する。低パターンに対するタイトレーション推奨規則は、夜間ＴＯＤ期間について、４４４において、長時間作用型インスリンの用量またはベーサルレートを減らすための推奨事項を生成するステップを含むことができる。４４６において、他のＴＯＤ期間が低パターンである場合、ＤＧＡは、４４８において、関連するＴＯＤ期間のみ固定食事用量を減らすように推奨事項を生成することができる。
この実施形態では、少なくとも１つの低パターンがあれば、高パターンのＴＯＤ期間に対するタイトレーションガイダンスは提供されない。ここでの考え方は、低血糖の予防を重視し、すべてのＴＯＤ期間において低血糖のリスクが低い場合にのみ用量を増やすことである。また、場合によっては、ＴＯＤ期間が高パターンを有する場合、これは前のＴＯＤ期間のパターンが低く、これを補うために患者が過食していることが原因となっている可能性も考えられ、このため、低パターンに対処すること自体がその後の高パターンに対処するのに役立ち得る。４４９において、パターンが高くない場合、プロセス４４０は、推奨事項を生成せずに待機もしくは終了するか、高パターン評価４５０に合格する。
したがって、高／低パターンの場合、ＤＧＡはタイトレーションガイダンスを生成しない。タイトレーションガイダンスを与えられるＴＯＤ期間がなく、すべての時間期間のデータが十分である場合、ＤＧＡは、更なるタイトレーションガイダンスを与えられるようになる前にグルコース変動性に対処する必要があることを示すメッセージを患者に提供することができる。また、ＤＧＡは患者のＨＣＰに対し、グルコース変動性に対処することができる代替の薬物療法または治療法を検討するよう報告を提供することができる。
図８Ｅは、低パターンのＴＯＤ期間がない場合に、高パターンのタイトレーション推奨事項を生成するためのＤＧＡによる動作を示す。４５２において、夜間の期間が高パターンを有し、低血糖の中程度のリスクを有する他の期間が存在しない場合、ＤＧＡは、４５４において、長時間作用型インスリン用量またはベーサルレート推奨値を増やすことができる。４５６において、夜間の期間が高パターンを有し、低血糖の中程度のリスクを有する少なくとも１つの他の非夕食期間がある場合、４５８において、ＤＧＡは、低血糖の中程度のリスクを有する任意の期間に関連する食事インスリン用量を減らすことができる。４６０において、夜間ＴＯＤ期間が低血糖の中程度のリスクを有せず、高パターンを有しない場合、４６２において、ＤＧＡは、高パターンを有する最初のＴＯＤ期間に関連する食事インスリン量を増やす推奨事項を生成することができる。４６４において、夜間の期間が低血糖の中程度のリスクを有し、高パターンを有する唯一の食後期間が夕食である場合、４６６において、ＤＧＡは、長時間作用型インスリン用量またはベーサルレートを増やすための推奨事項を生成することができる。夜間の期間が低血糖の中程度のリスクを有し、夕食後の期間が有さなければ、４６２において、ＤＧＡは、高パターンを有する最初のＴＯＤ期間に関連する食事インスリン用量を増やすための推奨事項を生成することができる。
代替的な実施形態では、食前のグルコースは、目標グルコース（例えば、１２０ｍｇ／ｄＬ）よりも高くても低くてもよい。低血糖および高血糖リスク指標の計算に寄与する各食事のグルコースデータは、現在の食事に起因しないグルコースに影響を与える前の食事または状態による影響を補償するように修正することができる。ＤＧＡは、結果として得られる開始グルコースが目標レベルになるようにオフセットを差し引くことで、これらのデータを修正することができる。あるいは、ＤＧＡは、「三角」関数によりこれらのデータを修正することができ、この関数では、食事の開始時刻について、食事開始グルコースと目標グルコースとの差が差し引かれるが、この修正は、定義された期間（例えば、３時間）にわたって線形に低減されるか、または別の減衰関数により低減される。
あるいは、この関数は、それ自体で、食事の開始時のグルコースレベルもしくはグルコーストレンド、および／または前回の食事用量がいつ服用されたかの関数とすることができる。
実施形態の別の態様によれば、食事ボーラスタイトレーションの推奨事項を生成するアルゴリズムは、例えば、食事投与の忘失、ベーサル投与の忘失、食後補正、および食前補正などの追加の態様を考慮した場合、より複雑となり得る。これらの要因が存在する場合に適切な推奨値を提供するためのアルゴリズムは、ガイダンスを提供するためにデータを除外した後もデータ充足閾値を満たす一方で、幾つかのデータを除外する必要があり得る。
例えば、図８Ｆを参照すると、４６１において高パターンが検出され、食事用量が忘失されている日が数日ある場合、食事用量が忘失されている日は除外されて、４６３、ＧＰＡ分析４１０が繰り返される。その後、高パターンが４６５で検出された場合に、他のＴＯＤで識別されたパターンに基づいて、用量を増やす４６７か、または４６９において更なる入力または戻りを待機することができる。あるいは、システムは、食事用量が忘失された日を除外したデータを使用して、高パターンのみを評価することができる。この分岐パターンを有するアルゴリズム４７０は、図８Ｆに示されている。システムが４７３において低パターンを検出した場合、次の段落で説明する低パターンアルゴリズム４７２を実行することができる。システムが高パターンまたは低パターンを検出しない場合、更なる入力または戻りのためにブロック４６９に戻ってもよい。
４７２において、食事投与が忘失された場合、ＤＧＡは、ＴＯＤ期間における低パターンを検出し、このＴＯＤ中の何日かに食事投与が忘失された場合、ＤＧＡは、用量を減らすための推奨事項を生成することができる。推奨事項には、例えば、固定用量または補正用量部分を減らすことが含まれ得る。
ベーサル投与の忘失に関して、ＤＧＡが夜間ＴＯＤで低パターン４７３を検出した場合には、ベーサル投与の忘失は用量タイトレーションロジックに影響を与えないはずである。同様に、夜間以外のＴＯＤで低パターンが検出された場合も、ベーサル投与の忘失は用量タイトレーションロジックに影響を与えないはずである。
ＤＧＡが、ベーサル投与が忘失された少なくとも１つの日（またはＴＯＤ）を含むデータを使用して、ＴＯＤにおいて高いパターン４６１を検出した場合、ベーサル投与が忘失されている任意の日（またはＴＯＤ）のデータを除外４６３し、パターン分析４１０を繰り返すことができる。後続の動作は、高パターンが検出された特定のＴＯＤに依存することができる。例えば、ＤＧＡが、ベーサル投与が忘失された少なくとも１つの日を含むデータの夜間ＴＯＤで高パターンを検出した場合、ベーサル投与が忘失されている任意の日のデータを除外し、パターン分析を繰り返すことができる。ベーサル投与が忘失された日を除外したときに夜間ＴＯＤで高パターンが検出された場合、夜間ＴＯＤの結果をベーサル投与を調整するための目安とし、ベーサル用量を増やすことができる。夜間以外のＴＯＤで高パターンが検出された場合は、ベーサル投与が忘失されている日を除外し、パターン分析を繰り返すことができる。ベーサル投与が忘失された日を除外したときに高パターンが検出された場合、本明細書に記載されているように、高パターンを有するＴＯＤに関連する食事用量を分析してタイトレーションすることができる。いずれの場合も、論理フロー４７０は、図８Ｆに図示されている通りである。
図８Ｇは、食後補正を伴う推奨事項を策定するための論理フロー４７４の例を示す。ＧＰＡ４１０の後、ＤＧＡが、食後補正を含む数日間でＴＯＤの低パターン４７９を検出した場合、以下の分析を用いて、補正または食事用量のタイトレーションを行うことができる。４７５において、ＤＧＡが低パターン４７９を最初に検出した場合、４８７で十分なデータが利用可能であることを最初にテストして、食後補正がない日のデータを除外することができる。十分なデータが入手可能でない場合、ＤＧＡは、例えば、エラーメッセージを表示するなど、エラー回復ルーチン４８９を実行してもよい。十分なデータが利用可能である場合、ＤＧＡは、パターン分析４１０を繰り返してもよい。続いて、ＤＧＡが低パターンを検出した場合、他のＴＯＤでのパターン分析結果を条件に、４７６において食後補正用量を減少させる（すなわち、補正係数を増大させる）ことができる。その後、ＤＧＡが低パターンを検出しない場合、４７７において食事用量を減らすことができる。
本明細書に記載されているすべての実施形態において、一方向の補正用量の修正（例えば、タイトレーション）は、反対方向の補正係数の修正により達成することができる。この２つのパラメータは逆の関係を有しており、補正用量の増大は補正係数の減少により達成でき、補正用量の減少は補正係数の増大により達成できるようになっている。このように、本明細書に記載されているすべての実施形態において、ＤＧＡは、補正係数の修正または補正用量の修正のいずれかにより、補正を推奨または実施することができる。このように、補正係数の修正またはタイトレーションが本明細書に記載されている範囲では、実施形態は、補正用量の逆修正により同じ効果を達成するように構成することができ、逆に、補正用量の修正またはタイトレーションが本明細書に記載されている範囲では、実施形態は、補正係数の逆修正により同じ効果を達成するように構成することができる。この互換性を考慮すると、両方のオプションは、説明を容易にするためだけにすべての実施形態について説明するわけではないが、本明細書に記載されているすべての実施形態で利用可能である。
追加的に、または代替的に、元のデータセット４９１から始めて、４７８において、ＤＧＡは、食事投与が忘失された日を除外することができる。４８７において十分なデータを見つけた後、４９０において食後補正が行われた日を除外したこれらのデータのパターン分析４１０が低パターンを示さない場合、ＤＧＡは４７６で食後補正用量を減らすことを推奨することができる。その他、ＤＧＡは、図１０Ｂの論理５１０を実施することができ、その結果、用量ガイダンスの食事時インスリンまたは食前補正部分のいずれかを減らすことを推奨することができる。ＤＧＡが４７９において低値を検出せず、４９２において高グルコースパターンを検出しない場合、更なる入力を待つか、４６９において戻ることができる。ＤＧＡが４９２で高パターンを検出した場合、ブロック４７１（図８Ｈ）においてプロセス４８０を実施してもよい。
図８Ｈを参照すると、ＤＧＡが、食後補正を含む日が数日あるＴＯＤについて高パターン４９３を検出した場合、補正および食事用量のタイトレーションを行うための推奨事項を策定するために、以下の手順４８０を実施することができる。４８１において、ＤＧＡは、欠食した日および食後補正が行われた日のデータを含み、パターン分析４１０を繰り返すことができる。その後、ＤＧＡが４９４で高パターンを検出した場合、４８２において、他のＴＯＤでのパターン分析結果を条件として、食後補正用量を増やす（すなわち、補正係数を減らす）ことができる。４９４において高パターンを検出しなかった場合、４９５において低パターンをチェックし、低パターンを検出した場合は図８Ｇの４７４に戻るか、さもなければ４６９において更なる入力を待機するか、戻ってもよい。図８Ｈには示されていないが、ＧＰＡ４１０の任意のデータを除外した後、ＧＰＡを実行する前に、ＤＧＡはデータ充足性をテストし、利用可能なデータが不十分な場合にはエラー回復ルーチンを実行してもよい。
代替的に、または追加的に、４９３において元のデータセットから始めて、４８３において食事投与が忘失された日を除外するデータのパターン分析が分岐２．１または２．２のいずれか１つに沿って高パターンを示す場合、ＤＧＡは以下のように手順４８０を継続することができる。分岐２．１の場合、４８４において食後補正を除外した日のデータ（すなわち、ボーラス投与のみのデータ）のパターン分析４１０が４９７において高パターンを示さない場合、ＤＧＡは、他のＴＯＤのパターン分析を条件として、４８２において食後補正用量を増やす推奨事項を生成することができる。そうでない場合、ＤＧＡは、図１０Ｃの手順５５０に従って、食事時インスリンまたは食前補正部分のいずれかを増やす推奨事項を生成することができる。
分岐２．２の場合、４８５において食後補正が含まれる日のみのデータのパターン分析が４９６において高パターンを示さない場合、ＤＧＡは、図１０Ｃの手順５５０に従って、食事時インスリンまたは食前補正部分のいずれかを増やすことができる。４９６において高パターンが検出されない場合、ＤＧＡはブロック４８４に戻ってもよい。
異なるＴＯＤからの補正係数タイトレーションの推奨が矛盾しており、患者が現在すべてのＴＯＤで同じ補正係数を使用している場合、ＤＧＡは補正係数を増大させることができる。手順４８０は、食事用量、食前補正および食後補正の３つの構成要素すべてが最適ではない場合、まず食事用量を増やすことができる。食前補正は、食事用量のタイトレーションが行われた後に、タイトレーションを行って増やすことができる。食後補正は、食事用量と食前補正とが完了した後にタイトレーションを行って増やすことができる。
その後の分析中に、ＤＧＡにより前述の方法で「補正係数を増大させる」推奨事項が生成されたＴＯＤは、今度は「補正係数を変えない」推奨事項となる。逆に、前述の方法で「補正係数を減らす」推奨事項が出たＴＯＤは、今度は「補正係数を減らす」推奨事項が出た場合、異なるＴＯＤが異なる補正係数を用いて最適化されている可能性が高いと考えられる。
図８Ｄ～図８Ｈは、方法４００において使用するための様々な推奨アルゴリズム４０４の態様を示しているが、これらは例示であることを理解すべきである。他の様々なアルゴリズムも適している可能性がある。
食事ボーラスのタイトレーションヒステリシス
次に、最適な食事ボーラス用量付近の振動を軽減する方法の例示的な実施形態について説明する。ＤＧＡが最適なタイトレーションに到達したか、またはこれに近づいたとき、タイトレーションは要求され続けているものの実際には必要ないという状況が起こり得る。すなわち、タイトレーションが必要かどうかを判定するために使用される指標には、誤差または変動性のレベルがあり得、この変動性によりタイトレーションアルゴリズムが最適な用量付近で振動することがある。この振動の問題を軽減するために、ＰＰＣ（Patient Parameter Convergence Tracking）モジュールをＤＧＡに搭載することができる。
一実施形態では、ＰＰＣモジュールは、ユーザから過去の情報を収集することができ、過去の情報は、様々なイベントが異なる時間に患者のグルコースレベルに及ぼす影響を決定するのに十分なデータを含む。ＰＰＣモジュールは、複数の結果指標が経時的にどのように変化するかを計算し、追跡するように構成することができる。結果指標は、低血糖リスク、高血糖リスクおよびグルコース制御指標を含み得るが、これらに限定されない。ＰＰＣモジュールはまた、用量ガイダンスパラメータ推定値および／または用量ガイダンス提案値の変化を計算および追跡するように構成することもできる。用量ガイダンスパラメータ推定値としては、推定インスリン感受性係数／インスリン補正係数、推定インスリン対炭水化物比および各食事時刻の推定平均炭水化物が挙げられるが、これらに限定されない。用量ガイダンス提案値としては、推奨ベーサルインスリン用量、推奨食事用量、推奨タッチアップ用量および推奨補正用量が挙げられるが、これらに限定されない。
一実施形態では、ＤＧＡのＰＰＣモジュールは、各結果指標についての相関を作成するように構成することができる。相関は、多次元の相関であり得る。ＰＰＣモジュールは、各用量ガイダンスパラメータの経時的な変化および／またはガイダンス提案の経時的な変化を、結果指標の経時的な変化にマッピングするように構成することができる。ＰＰＣモジュールはまた、特定の指標の勾配を追跡するように構成することもできる。例えば、複数の用量ガイダンスパラメータの変更および／またはガイダンス提案の変更が、結果指標の予測される小さな変化を引き起こす場合、ＰＰＣモジュールは、ユーザへの不要な調整要求を防ぐために、調整提案をある時間期間だけ遅らせることを決定するように構成することができる。
別の実施形態では、ＰＰＣモジュールは、複数の勾配を使用して、その各勾配を所定の勾配閾値のセットと比較するように構成することができる。ＰＰＣモジュールは、閾値を超える勾配の数が所定の値よりも大きくない場合、調整推奨を遅らせると決定するように構成することができる。所定の値は、ユニバーサル値またはユーザ固有の値とすることができる。
生理学的用量ガイダンスアルゴリズム
次に、生理学的に関連するプロセスに基づいて用量ガイダンスを決定する方法の例示的な実施形態について説明する。多くのモデルベースの制御システム、具体的にはモデル予測制御（ＭＰＣ）アルゴリズムを利用するものは、ブラックボックス図に基づいており、厳密な生理学的根拠を有していない。その結果、これらのモデルは、集中ＭＤＩ療法に使用される異なるインスリンアナログの特定の薬物動態および薬力学的な違いを説明できない可能性がある。さらに、ＭＤＩ療法では、所与のインスリン用量で数時間にわたってユーザの血糖値を管理する必要があるが、今日利用されている用量ガイダンスアルゴリズムの多くは、１タイプのインスリンアナログ（通常、速効性）のみを連続的にユーザに供給するインスリンポンプと併用することを目的としている。ＭＰＣアルゴリズムは、ＣＧＭと通信することで、現在のインスリン送達率に関するグルコースフィードバックを頻繁に（例えば、５分ごとに）受信し、その後、正常血糖を維持するためにポンプの流量をリアルタイムで変更することができる。その結果、グルコースフィードバックに基づいてポンプ駆動のインスリン送達量を頻繁に変化させることができる現在のＭＰＣアルゴリズムは、インスリン送達量がそれほど多くないＭＤＩ療法では機能しないため、より長い時間地平で予測しなければならない。これらの地平が長くなればなるほど（例えば、数時間単位）、薬物の薬物動態および薬力学が正確な予測を作成する上で大きな役割を果たすことができる。この要件には、より生理学的な知見に基づいたインスリン用量ガイダンスおよびグルコース制御の方法の設計が必要とされる。
本明細書では、インスリン拡散、皮下薬物動態（ＰＫ）およびグルコース－インスリン動態などの生理学的に関連するプロセスを考慮したインスリン用量ガイダンスアルゴリズムを説明する。パラメータは、ユーザ固有のモデルパラメータを策定するための「学習段階」中に、インスリン吸収およびグルコース制御の修正された最小モデル（その内容全体を参照により本明細書に明示的に援用するBergman, et al. 1978 and Dalla Man, et al., 2007を参照）を数値的に解くことにより決定することができる。これらのパラメータが決定されると、ユーザ固有の最小モデルを食事時および補正時の用量の両方について解くことで、その時点での最適なインスリン用量を決定することができる。
他の実施形態で同様に説明されているように、ＤＧＡは、グルコース監視システムからグルコース値およびトレンドを受信するか、またはその他の方法でアクセスすることができる。ＤＧＡは、近いうちに投与を行うかどうかをユーザに問い合わせるように構成することができ、また、どの食事について用量ガイダンスが必要かをユーザに問い合わせるように構成することもできる。ＤＧＡは、アルゴリズム、例えば、生理学的用量ガイダンスアルゴリズムまたは本明細書に記載されている別のアルゴリズムに基づいて用量推奨値を出力するように構成することができる。次いで、ＤＧＡは、ユーザが用量ガイダンスを遵守しているかどうかを観察するように構成することができ、また、将来の用量ガイダンスの検討のために、結果として得られるグルコーストレースを追跡することもできる。
ＤＧＡは、用量ガイダンスで出力される最適な用量を決定する生理学的用量ガイダンスアルゴリズムを含むように構成することができる。一実施形態では、１日１回の長時間作用型アナログと１日３回の速効型食事用アナログの補正を伴う頻回インスリン注射（ＭＤＩ）レジメンを有するユーザに対して、用量ガイダンスを提供することができる。この方法論は、ベーサルのみ、またはベーサルに単回の速効型注射を伴うなど、他のＭＤＩ戦略にも適用することができる。
例示的な実施形態では、図９Ａのフロー図に記載されているように、ステップ９０４から始まる例示的な方法９００では、ＤＧＡは、過去の投与履歴に基づいて可能なボーラスインスリン用量（ｕ１，ｕ２，．．．，ｕｎ）を自動的に生成することができる。ステップ９０６において、生理学的投与量ガイダンスアルゴリズムは、可能なインスリン用量を処理し、各ボーラスインスリン用量の入力に対してグルコースタイムコース（ｇ１，ｇ２，．．．，ｇｎ）（例えば、データアレイ）を生成して出力することができる。次いで、ステップ９０８において、ＤＧＡは、各グルコースタイムコースに対するコスト関数値（Ｃ１，Ｃ２，．．．，Ｃｎ）を計算することができる。コスト関数は、各グルコースタイムコースの時間経過の範囲外の時間（例えば、約７０ｍｇ／ｄＬ～約１８０ｍｇ／ｄＬの範囲外）を最小化するように定義することができる。ステップ９１０において、ＤＧＡは、コスト関数値を最小化する最適なインスリンボーラス用量を決定することができる。
時間ｔに送達される最適なインスリンボーラス量（ｕ）は、インスリン投薬と炭水化物の食事入力（必要な場合）とをシミュレーションした後の推定されたグルコーストレースから決定することができる。この用量は、（次の）簡単なボーラス計算式、すなわち
Figure 0007662611000001
を用いて、グルコース補正部分、食事補償部分およびインスリンオンボード部分などの構成要素部分に分解することができる。しかしながら、生理学的用量ガイダンスアルゴリズムは、最適な用量を決定するために式（１）を使用しなくてもよい。生理学的用量ガイダンスアルゴリズムは、代わりに式の個別の構成要素を使用して、ユーザおよびＨＣＰが、食事補償に関連して現在のグルコースレベルにどの程度の用量が意図されているかを理解できるようにすることができる。式中、ｕは最適なインスリンボーラス用量である。括弧内の式の第１項
Figure 0007662611000002
はグルコース補正部分であり、時間ｔにおけるユーザの現在のグルコース（ＢＧ（ｔ））と目標値（ＢＧｔａｒｇｅｔ）との間の任意のオフセットを補正することを目的としている。補正係数（ＣＦ）は、ユーザのインスリンに対する特異的な感受性、すなわち、１つのインスリンユニットがユーザの血糖値を下げるのにどれだけ効果的であるかを表す。第２項（ＣＨＯ＊ＩＣ）は、食事を取った場合、食事をカバーするのに必要なインスリン用量の部分を表す。ＣＨＯ値は、今後の食事に含まれる炭水化物の量を示し、ＩＣ値は、対象固有のインスリン：炭水化物比、すなわち、所与のインスリン用量で何グラムの炭水化物をカバーできるかを示す。最後に、ＩＯＢ値は、インスリンスタッキングを回避するための治療効果をまだ引き出すことができるアクティブな「インスリンオンボード」を説明することを目的としている。この値は、インスリンの薬物動態モデルおよび内因性インスリン産生に基づくことができる。ＢＧｔａｒｇｅｔ、ＩＣおよび１日当たりインスリン総量（ＴＤＤ）の値は、ユーザのＨＣＰにより定義することができる。一実施形態では、ＣＦの初期条件は、１８００／ＴＤＤと定義される「１８００ルール」に従って定義することができる。さらに、一実施形態では、学習段階中に、ＣＦは、補正用量のデータに基づいて改善することができる。
生理学的用量ガイダンスアルゴリズムは、補正用量、食事用量およびベーサル用量の用量ガイダンスを決定するために異なる方法を用いることができる。しかしながら、３タイプすべての用量ガイダンスでは、ＤＧＡは、速効型インスリンアナログ（例えば、インスリンリスプロ、アスパルトまたはグルリジン）が使用され、３タイプとも皮下でのＰＫプロファイルが類似しているため、それぞれの作用時間は同等と見なされ得ると想定できる。
補正用量
補正用量についてＤＧＡに用量ガイダンスが要求された場合、補正用量は食事と関連しないため、新たに考慮すべき炭水化物がないことからＣＨＯ＝０となる。したがって、式（１）の第２項は０に等しい。したがって、補正用量の構成要素部分は、グルコース補正部分およびＩＯＢである。
Figure 0007662611000003
例示的な一実施形態では、図９Ｂのフロー図に記載されているように、例示的な方法９１１で、補正用量が促されると、ステップ９１２から始まって、ＤＧＡが、複数のインスリン用量候補を生成することができる。一実施形態では、複数のインスリン用量候補は、対象のインスリン用量の過去の履歴に基づいて生成することができる。
ステップ９１４において、ＤＧＡは、複数のインスリン用量候補に対応する複数のグルコースタイムコースを決定することができる。一実施形態では、ＤＧＡは、生理学的用量ガイダンスアルゴリズムを用いて、可能な投薬量の範囲に対する最小モデルの修正を用いて、対象固有のグルコースタイムコースを計算することができる。各投与量候補は、注射されたインスリン用量と、目下オンボードにある長時間作用型インスリンの量との合計であると考えることができる。ＩＯＢの量は、対象の長時間作用型アナログに固有の薬物動態から計算することができ、すべての候補入力用量候補にわたって同じにすることができる。すべての候補インスリン用量の間の数値差は、全体の用量の速効性成分の差に起因し得る。
ステップ９１６において、ＤＧＡは、複数のグルコースタイムコースに対応する複数のコスト関数値を計算することができる。一実施形態では、各グルコースタイムコースについて、異なるグルコース制御指標を計算し、目標範囲（例えば、約７０ｍｇ／ｄＬ～約１８０ｍｇ／ｄＬ）外の時間のリスクを記述するコスト関数値を決定するために使用することができる。
例示的なコスト関数は、以下の式５に示されているが、他の多くの形式を使用することができる。曲線下面積（ＡＵＣ）が、高（hyper）血糖／低（hypo）血糖イベントの大きさと期間との両方を組み込むために、これらの計算に使用される。
Figure 0007662611000004
Figure 0007662611000005
Figure 0007662611000006
ＡＵＣＨＹＰＯおよびＡＵＣＨＹＰＥＲの閾値（threshold values）は、いずれかのレジームで費やされる最小時間および期間と定義することができる。Ｃの各項は、関連する重み付け係数ｗを有することができ、その全体集合｛ｗ１，ｗ２，．．．，ｗｎ｝は合計して１にならなければならない。この重み付けにより、低血糖イベントからの保護を優先することが可能になる。最小コスト関数値に関連するインスリン用量は、ＤＧＡが出力する用量ガイダンスの提案された用量とすることができる。
ステップ９１８において、ＤＧＡは、最適なインスリン用量を決定することができ、最適なインスリン用量は、複数のコスト関数値のうち最も低いコスト関数値を有する。一実施形態では、ＤＧＡは、範囲外の時間関連コスト関数Ｃを最小化する用量候補を、最適なインスリン用量として決定するように構成することができる。
ステップ９２０において、ＤＧＡは、決定された最適なインスリン用量を含む用量ガイダンスを出力することができる。
別の実施形態では、可能なインスリン用量の推測的なセットから結果として得られるグルコーストレースをシミュレートし、最良のオプションを選択する代わりに、代替的な実施形態では、ＤＧＡは、初期用量の推測を提供し、そこからグルコース地平およびコスト関数値を追跡することができる。次いで、勾配ベースまたは非勾配ベース（例えば、遺伝的アルゴリズム）のいずれかのアプローチを用いて、コスト関数に対して制約付きの最小化を実行することができる。したがって、各インスリン用量の推測は、コスト関数を最小化するために最初の用量に続いて選択することができる。
最適なインスリン用量が決定されると、どのような局面で補正をカバーするのか、現在どれだけのインスリンがオンボードにあるのかをユーザが理解するために、最適なインスリン用量をさらに細分化することができる。
食事用量
食事用量についてＤＧＡから用量ガイダンスが要求された場合、上述の補正投与量の計算と同様に、ＤＧＡは、最小モデルの修正を用いて、可能な投薬量の範囲でユーザ固有のグルコースタイムコースを計算することができる。用量ガイダンスは食事に関連しているため、補正用量を決定するプロセスとは異なり、ＤＧＡは、用量ガイダンスを決定する際に追加の食事炭水化物情報を考慮することもできる。用量ガイダンスは食事に関連しているため、ＣＨＯはゼロよりも大きく、食事用量の構成要素は、追加の食事炭水化物情報（ＣＨＯ＊ＩＣ）を含むことができる。このように、食事用量の構成要素としては、式（１）に従って、グルコース補正部分、食事補償部分およびＩＯＢが挙げられる。
例示的な一実施形態では、図９Ｃのフロー図に記載されているように、ステップ９２２から始まる例示的な方法９２１で、食事の用量ガイダンスに関するユーザの問い合わせに応答して、ＤＧＡが、食事の炭水化物値の分布を決定することができる。炭水化物値の分布は、中心傾向の炭水化物値、中心傾向の炭水化物値よりも小さい低炭水化物値、および中心傾向の炭水化物値よりも大きい高炭水化物値を含むことができる。一実施形態では、食事は、中心傾向（例えば、平均値または中央値）および変動（例えば、標準偏差、変動係数、２５／７５％値）を記述する既知の記述統計量を有する炭水化物値の食事固有の分布として表すことができる。これらのデータは、これらの要約統計量を提供するために変換されることができる。その結果、各食事は独自の炭水化物分布を有することができる。
一実施形態では、中心傾向の炭水化物値は、平均値または中央値であり得る。一実施形態では、低炭水化物値は、例えば、グルコースデータの２５パーセンタイル値、代わりに３０パーセンタイル値、代わりに３５パーセンタイル値、代わりに２０パーセンタイル値と４０パーセンタイル値との間の値、またはデータが正規分布している場合は代わりにμ－σとすることができる。一実施形態では、高炭水化物値は、例えば、７５パーセンタイル値、代わりに８０パーセンタイル値、代わりに６５パーセンタイル値、代わりに６０パーセンタイル値、代わりにグルコースデータの６０パーセンタイル値から８０パーセンタイル値の間の値、またはデータが正規分布している場合は代わりにμ＋σとすることができる。
ステップ９２４において、ＤＧＡは、中心傾向の炭水化物値、低炭水化物値および高炭水化物値のそれぞれにつき、複数のインスリン用量候補を決定することができる。一実施形態では、複数のインスリン用量候補は、対象のインスリン用量の過去の履歴に基づいて生成することができる。
ステップ９２６において、ＤＧＡは、中心傾向の炭水化物値、低炭水化物値および高炭水化物値のそれぞれにつき、複数のインスリン用量候補に対応する複数のグルコースタイムコースを決定することができる。一実施形態では、ＤＧＡは、補正用量に関して上述したように、生理学的用量ガイダンスアルゴリズムを用いて、可能な投薬量の範囲に対する最小モデルの修正を用いて、対象固有のグルコースタイムコースを計算することができる。各投与量候補は、注射されたインスリン用量と、目下オンボードにある長時間作用型インスリンの量との合計であると考えることができる。ＩＯＢの量は、対象の長時間作用型アナログに固有の薬物動態から計算することができ、すべての候補入力用量にわたって同じにすることができる。すべての候補インスリン用量の間の数値差は、全体の用量の速効性成分の差に起因し得る。
ステップ９２８において、ＤＧＡは、中心傾向の炭水化物値、低炭水化物値および高炭水化物値のそれぞれにつき、複数のグルコースタイムコースに対応する複数のコスト関数値を計算することができる。一実施形態では、各グルコースタイムコースについて、異なるグルコース制御指標を計算し、目標範囲（例えば、約７０ｍｇ／ｄＬ～約１８０ｍｇ／ｄＬ）外の時間のリスクを記述するコスト関数値を決定するために使用することができる。他の多くの形態を使用することができるが、一実施形態では、ＤＧＡは、補正用量計算に関して説明した例示的なＡＵＣ分析を使用して、複数のコスト関数値を計算するように構成することができる。他の実施形態では、各グルコースタイムコースについて、予め決定された（ローリング）時間ウィンドウ内のグルコース値の予め決定されたパーセンタイルの異なるグルコース値を決定することができる。例えば、低血糖の時間パーセントの代わりに、または低グルコース閾値未満のＡＵＣの代わりに、時間のウィンドウ内で５パーセンタイル値（または３０％未満の他のパーセンタイル）を計算し、低グルコース閾値と比較することができる。時間のウィンドウは、イベントの開始および／または終了、例えば食後約３０分、代わりに食後約３００分まで、または他の定義に関連して、１日における時間帯、例えば午前９時～午前１１時の固定された関数とすることができる。また、対応する低グルコース閾値を有する異なる低パーセンタイルを使用することもできる。高血糖状態の時間パーセントの代わりに、または高グルコース閾値を超えるＡＵＣの代わりに、９０パーセンタイル値（または７０％よりも大きい他のパーセンタイル）を時間のウィンドウ内で計算し、高グルコース閾値と比較することができる。
ステップ９３０において、ＤＧＡは、中心傾向の炭水化物値、低炭水化物値および高炭水化物値のそれぞれにつき、最適なインスリン用量を決定することができる。最適なインスリン用量は、中心傾向の炭水化物値、低炭水化物値および高炭水化物値のそれぞれにつき、複数のコスト関数値のうち最も低いコスト関数値を有する用量であり得る。
ステップ９３２において、ＤＧＡは、中心傾向の炭水化物値、低炭水化物値および高炭水化物値のそれぞれにつき決定された最適なインスリン用量を含む複数の用量ガイダンスを出力することができる。中心傾向の炭水化物値に関連する用量ガイダンスは、中央値の食事用量ガイダンスに対応することができる。低炭水化物値に関連する用量ガイダンスは、「通常よりも小さい」食事用量ガイダンスに対応することができる。高炭水化物値に関連する用量ガイダンスは、「通常よりも大きい」食事用量ガイダンスに対応することができる。一実施形態では、ＤＧＡは、現在のグルコース値を考慮した食事用量ガイダンスの範囲だけでなく食事炭水化物値の分布も出力することができる。極端な場合は、必要に応じて修正したり、歪めたりすることができる。例えば、通常よりも多い食事と関連する最適なインスリン用量は、過量ボーラス投与の結果として食後の低血糖を回避するために、７５パーセンタイル値ではなく６０パーセンタイル値に基づく必要がある場合がある。式（１）を用いて、最適なインスリン用量をさらに分割して、食事に充てられた量、または食前のグルコースレベルに充てられた量をユーザおよびＨＣＰに示すことができる。一実施形態では、用量ガイダンスの各構成要素（例えば、グルコース補正部分、食事補償部分およびＩＯＢ）が、ユーザおよび／またはＨＣＰに対して出力され、表示され得る。
ベーサル用量
長時間作用型インスリンアナログのベーサル用量は、選択した薬物に応じて１日１回から２回与えられる。例えば、インスリングラルギンは作用継続時間が２４時間で、１日１回投与され、インスリンデテミルは作用継続時間が１２時間で、１日２回投与される。これらの時間スケールは、速効型アナログに関連する４～５時間の作用継続時間よりもはるかに長いため、長時間作用型アナログには異なる皮下インスリンＰＫプロファイルを含めることができる。作用のタイムコースは、他の２つと比較したベーサル用量の場合の違いである。補正用量と同様に、ベーサル投与は食事と関連しておらず、むしろその拡張された薬物動態プロファイルのためにすべての食事中に存在する。
例示的な一実施形態では、図９Ｂのフロー図を参照して、ステップ９１２から始まり、ＤＧＡがベーサル用量ガイダンスを促されると、ＤＧＡは複数のベーサルインスリン用量候補を生成することができる。一実施形態では、複数のベーサルインスリン用量候補は、対象のベーサル用量の過去の履歴に基づいて生成することができる。
ステップ９１４において、ＤＧＡは、複数のベーサルインスリン用量候補に対応する複数のグルコースタイムコースを決定することができる。一実施形態では、ＤＧＡは、生理学的用量ガイダンスアルゴリズムを用いて、可能な投薬量の範囲に対する最小モデルの修正を用いて、対象固有のグルコースタイムコースを計算することができる。ＩＯＢの量は、対象のインスリンアナログ用量に固有の薬物動態から計算することができ、すべての候補入力用量にわたって同じにすることができる。
一実施形態では、ＤＧＡは、長時間作用型アナログに関連する長い作用時間（例えば、１２時間または２４時間）を反映するように、複数のグルコースのタイムコースを時間に関して拡大するように構成することができる。通常、ベーサルインスリンは１日１回の薬物であるため、長時間作用型のベーサルガイダンスを策定して、毎日同じ時間にユーザに促すことができる。補正用量および食事用量の決定と同様に、ＤＧＡは、ベーサル用量候補の血糖プロファイルを生成するように構成することができる。複数のグルコースタイムコースのそれぞれには、３つの食事イベントが含まれており、これらの食事イベントには、ベーサル作用の２４時間のウィンドウ内での変動を模倣するために、それぞれ関連する速効性投与の入力が含まれ得る。各食事イベントには、炭水化物の入力だけでなく速効性インスリンの入力も含まれ得る。一実施形態では、インスリン入力の値は、ＭＤＤ１５２データからの対象固有の中央値速効性アナログ要件に基づくことができる。一実施形態では、食事入力は、食事時用量ガイダンス決定に記載されているように、中心傾向の炭水化物量（例えば、中央値または平均炭水化物量）により表すことができる。一実施形態では、食事イベントは、単一の用量ガイダンス内のすべてのベーサルシミュレーションイベントに対して同じであり得る。一実施形態では、ベーサル用量は、変化する唯一の入力値である。
ステップ９１６において、ＤＧＡは、複数のグルコースタイムコースに対応する複数のコスト関数値を計算することができる。一実施形態では、各グルコースタイムコースについて、異なるグルコース制御指標を計算し、目標範囲（例えば、約７０ｍｇ／ｄＬ～約１８０ｍｇ／ｄＬ）外の時間のリスクを記述するコスト関数値を決定するために使用することができる。一実施形態では、複数のベーサル用量候補について生成された複数のグルコースタイムコースに対するコスト関数分析は、補正投与量分析に関して説明したものと同じであり得る。別の実施形態では、複数のベーサル用量候補について生成された複数のグルコースタイムコースに対するコスト関数分析は、補正用量分析に使用されたコスト関数分析とは異なり得る。
ステップ９１８において、ＤＧＡは、複数のコスト関数値のうち最も低いコスト関数値を有する最適なベーサルインスリン用量を決定することができる。一実施形態では、ＤＧＡは、範囲外の時間関連コスト関数Ｃを最小化するベーサル用量候補を、最適なインスリン用量として決定するように構成することができる。
ステップ９２０において、ＤＧＡは、決定された最適なインスリン用量を含む用量ガイダンスを出力することができる。
補正係数タイトレーション
次に、補正係数タイトレーションを決定する方法の例示的な実施形態について説明する。医師により開始されたものの、糖尿病患者に対するインスリン投薬は、疾患の経過を通して管理するために、主に患者の権限で行われてきた。これらの管理方法は、糖尿病管理を改善するための試行錯誤から患者が学ぶという経験的なものが多い。ＭＤＩを使用している場合のさらに定量的な決定方法は、インスリンボーラス計算機のような単純なアプローチに頼っていることが多く、頻繁に血糖値を測定したり、インスリン：炭水化物比またはインスリン補正係数のように患者の視点で決定および理解したりすることが難しい値に依存している。ここで説明するアルゴリズムサブルーチンは、ＣＧＭデバイスからの緻密なグルコースデータとBluetooth対応インスリンペンからのインスリン投薬情報を活用して、受動的な観察期間中に以前に学習した患者固有の投与パラメータを最適なレベルまでタイトレーションすることを目的としており、これにより、ユーザからの最小限の入力で、ユーザとともに進化するパーソナライズされた用量ガイダンスを提供する。
本明細書の別の箇所に記載されているように、初期用量ガイダンスを提供するために、ＤＧＡは「学習段階」を経ることができ、固定食事時用量、目標グルコースおよびインスリン補正係数などのユーザ固有の投与パラメータを確かめることができる。学習段階のための方法は、本明細書の図７に関連して記載されている。これらのパラメータ値は、初期推定値として機能し、システムの使用に応じて、より最適な患者固有の値へとさらにタイトレーションすることができる。こうした初期学習に続いてパラメータの継続的なタイトレーションを行うアプローチにより、疾患の進行だけでなく、ユーザが受ける可能性のある生活習慣および薬物療法の両方の外的変化にも対応することが可能になる。インスリンベースの糖尿病治療法のクラスがますます普及し、内因性インスリン産生とインスリン感受性との両方を高めることができるようになったため、ユーザの補正係数をシステムの寿命まで静的な値のままにしておくことはできない。本明細書では、ユーザのインスリン補正係数（インスリン感受性とも称される）をタイトレーションする方法について説明する。
ＤＧＡの多くの実施形態で使用されるように、ユーザの補正係数は、単一の値である必要はなく、所与の食事タイプ（例えば、朝食、昼食、夕食）に固有の明確な値のセットであってもよい。補正係数は、インスリン単位当たりのｍｇ／ｄＬグルコースの単位を有することができる。補正係数が高いと、少量の投与でグルコースが大きく低下するため、ユーザのインスリンに対する感受性が高いことを示す。逆に補正係数が小さいと、ユーザのインスリンに対する感受性が低いことを示唆している。効果的な食事時インスリン用量は、食後の血糖値をその薬力学的なウィンドウ内で安全な範囲に戻す必要がある。例えば、図８Ａ～図８Ｈに関連して説明したようなボーラス計算機の投薬規則を想定すると、正確な補正係数は、食事の炭水化物と食前（pre-meal）のグルコースの上昇との両方を考慮したものであって、これによりグルコースレベルが安全で安定した目標値に戻る、インスリン用量に寄与するはずである。したがって、ＧＰＡが、特定の食事に対するすべてのインスリン用量を、食事に関連する時間期間のグルコース読み取り値を定量化する特定の指標（例えば、投与後の時間量の設定（例えば、４時間）など、食事に関連するグルコースデータまたはエクスカーションを定量化する指標、または食事時間期間中のグルコース値のパーセンタイル（例えば、５パーセンタイル値、１０パーセンタイル値））に対する縦座標としてプロットする場合、理論的には、これらのデータのベストフィットは、傾きがゼロで、ｙ切片がユーザの目標グルコースに等しい直線である。実際には、すべての食事時インスリン用量は、ユーザの血糖値を目標値または範囲に戻す。
インスリン対食後グルコースの関係が傾きゼロであることは、投与効果の理想的なシナリオを表している。ＤＧＡは、例えば、ユーザ入力またはＭＤＤ１５２からの送信により、ユーザの固定用量を事前に学習していると想定できる。固定用量よりも多い用量の場合、システムは、ＳＣＤ１０２または他のソースからのインスリン用量と食後グルコースとの関係を観察することができる。ＤＧＡは、以下を含むがこれらに限定されない幾つかの方法の１つ以上を使用して、用量の有効性を評価することができる。
食後グルコース値のセントロイド（中央値／平均値）を決定するステップ。この方法では、いかなる補正も含まないインスリン用量の食後グルコース値のセントロイドと、補正を含むインスリン用量の食後グルコース値のセントロイドとの差を用いる。理想的なシナリオは、２つのセントロイド間の有意差がゼロであるかまたは存在しないことである。所定の閾値を超える正の差は、最適ではない補正係数を示していると考えられる。同様に、所定の閾値未満の負の差は、最適よりも高い補正係数を示していると考えられる。
データに線形フィットを適用するステップ。適合性がある適合度を満たしていれば、ＤＧＡは統計的検定を行い、ベストフィットの傾きと傾きがゼロである理想的なケースとの間に統計的に有意な差があるかどうかを判定することができる。傾きがゼロよりも小さい場合は、インスリンの投与量が多すぎることになる。これは、補正係数が低すぎるため、増やす必要があることに対応している。傾きがゼロよりも大きい場合は、食後グルコースが上昇しており、インスリン用量を増やすことができることを示している。これは、補正係数が高すぎるため、補正係数を減らす必要があることに対応している。これらの値をタイトレーションする量は、フィットの傾きにより異なり得る。傾きが急な場合は、ゼロに近い場合よりも積極的にタイトレーションを行う必要がある。このタイトレーション方法は固定用量タイトレーションとは独立しており、固定用量タイトレーションと並行して行うことができる。
食後グルコース／インスリン曲線下面積を決定するステップ。理想的な投与シナリオでは、一定の面積を有することができ、すべての投与後に一定のグルコースレベルに戻ることを表している。したがって、ＤＧＡは、面積内の任意の変化を補正係数の誤りを示すものとして評価することができる。積分法を使用して、固定食事用量に対応する食事時投与成分が有効であるか、または更なるタイトレーションが必要であるかを判定することができる。理想的なシナリオと比較して積分レベルが上昇した場合、食後の値を目標レベルに近づけるために固定用量を増やせることを示している。
定義された期間、例えば、ＳＣＤの特性または他の要因に応じて最大１４日間の学習段階において、ＤＧＡは、ユーザの投薬戦略、または投薬量、補正係数およびインスリン作用時間（ＩＡＴ）／インスリンオンボード（ＩＯＢ）を含むがこれらに限定されない他のユーザ固有のパラメータを学習することができる。以下の理由、すなわち（１）補正係数が不十分な場合、（２）治療介入または環境変化による変化、のうちのいずれか１つ以上の理由で、補正係数をタイトレーションすることが望ましい場合がある。補正のみを含むボーラス投与（炭水化物カウントなし）の場合、ＤＧＡは食後のグルコース値を分析して補正係数を段階的にタイトレーションすることができる。例えば、食後のグルコースピークが１８０ｍｇ／ｄＬ超、または食後のピークと食前の値との差が閾値よりも高く、食後の低血糖リスクがない場合、補正係数を測定サイクルごとに段階的にタイトレーションすることができる。例えば、補正係数は、予め設定された値、例えば１単位増分、代わりに２単位増分でタイトレーションすることができる。グルコースレベルが高いときに高血糖を治療するために投薬される分離された補正投薬（例えば、食事なし）の場合、投薬時の値と所定の時間（例えば、投薬後４時間）のグルコース値との差を使用して、補正係数をタイトレーションすることができる。
食事時のインスリン投薬は、次の２つの異なる量、すなわちａ）消費される食事をカバーすることを目的とした部分、およびｂ）食前のグルコースレベルが目標範囲を超えた場合に対処することを目的とした部分、からなる。食事に関連する部分は、通常、固定されているか（例えば、朝食に摂取する部分は常に特定の量であり、これは経時的にタイトレーションすることができる）、患者が摂ると予想される炭水化物の量に合わせて変化する。以下の例では、固定食事用量が想定される。しかしながら、以下の説明は、実際の部分が炭水化物対インスリンの固定された比率により決定される可変部分に適用することができ、この比率自体をタイトレーションすることができる。本明細書で使用される場合、食前のグルコースに対処するための部分は、食前補正係数により決定される補正用量または補正部分を指す。
食前補正係数は、ＭＤＤ１５２の制御に用いることができる。補正係数を減らしたりダウンタイトレーションしたりすることは、本明細書で述べたように、補正用量を増やすことに匹敵する。例えば、図１０Ａは、ＭＤＤ１５２の制御に使用するために、分析物データに応答して食前補正係数を提供するＤＧＡによる方法５００を示す。５０２において、方法５００は、少なくとも１つのプロセッサにより、分析期間にわたって患者が装着したセンサ制御デバイスから発信された時間相関分析物データを入力として受け取るＧＰＡアルゴリズムを実行することによって少なくとも１つのＴＯＤ期間の分析物パターンタイプを決定するステップを含むことができる。５０４において、方法５００は、アルゴリズムを実行する少なくとも１つのプロセッサにより、分析物パターンタイプおよび分析期間の患者の定義された投薬戦略に基づいて、食前補正係数を決定するステップを含むことができる。５０６において、方法５００は、少なくとも１つのプロセッサにより、ユーザまたは投薬デバイスの少なくとも１つに出力するために、食前補正係数のインジケータをコンピュータメモリに格納するステップを含むことができる。上述した線形フィットの実施形態とは対照的に、ここで説明する実施形態は、固定用量および補正係数のタイトレーションを、１つの技術またはソフトウェア機能（例えば、単一のロジックツリー）を介して同時に実行することができる統一されたアプローチである。
関連する態様において、図８Ｂおよび上記の関連する説明は、様々なＴＯＤ期間における患者のグルコースパターンを高、低または高／低に分類するＧＰＡの方法４１０を開示している。図８Ａおよび関連する記述は、ＤＧＡがＧＰＡ４１０からの出力を使用して、ＭＤＩ用量ガイダンス推奨値を提供するための方法を開示している。図８Ｄ～図８Ｈおよび関連する説明は、ＧＰＡ４１０により出力されたグルコースパターンタイプおよび分析期間における患者の定義された投薬戦略に基づいて、ＤＧＡが特定のＭＤＩ用量ガイダンス推奨値を提供するためのアルゴリズムの例を示す。推奨値は、ＭＤＤ１５２の自動制御または半自動制御のために提供されてもよいし、手動投薬制御をガイダンスするためのユーザインタフェースの操作のために提供されてもよい。
図１０Ｂは、例えば、ＧＰＡが低パターンを示している場合に、食前補正の有無にかかわらず、高分析物レベルを上げるために食事用量および食前補正のタイトレーションを行うための推奨値を評価するための方法５１０を示す。関連する態様において、図８Ｇには、食後補正のための推奨事項を策定するためのアルゴリズム４７４の一例が示されている。ＤＧＡにより実行されると、アルゴリズム４７４は、ボーラス服用が忘失されたＴＯＤ期間のデータを除く分析物データを考慮したときに、ＧＰＡが低パターンを示している場合、食前補正を実施するかどうかの検討を求める。ＴＯＤ期間の他の低グルコースパターン条件５１２も、方法５１０の実行をトリガするのに適切であり得る。食事用量および食前補正の両方が最適値よりも高い場合、方法５１０は、食事用量を減らすことだけできる食前補正係数を出力することができる。低パターンがある場合、これは、高い固定用量、高い食前補正、またはその両方に起因する可能性がある。一実施形態では、固定用量と食前補正とを順次タイトレーションすることができ、固定用量は、投薬量のベースとなるため、最初にタイトレーションされる。固定用量が適切にタイトレーションされたら、低パターンがまだ観察される場合、補正用量がタイトレーションされ得る。別の実施形態では、固定用量と食前補正用量とを並行してタイトレーションすることができる。
ＴＯＤ期間に低パターンが検出された場合、ＤＧＡは、５１４において、定義された投薬戦略の食事用量が食前補正を含むかどうかを判定することができる。含まれていれば、５３４において、ＤＧＡは、例えば、食事投与が行われてボーラスが忘失されていない日についてのみ分析物データの一部を含めることによってボーラスが忘失された日を元のデータセットまたは食前補正から除外することができる。５３６において、ＤＧＡは、最小信頼水準を達成するために、ボーラスまたは食前補正が忘失されていない日のデータを除外した後に十分なデータが残っているかどうかをテストすることができる。十分なデータが存在する場合、４１０において、ＤＧＡは、ボーラスまたは食前補正が忘失された日のデータを除外した入力分析物データセットに対してＧＰＡ４１０を繰り返すことができる。
５３８において、ＤＧＡは、その後のグルコースパターンがまだ低いかどうかを判定することができ、低い場合、５４０において、インスリン用量の食事部分のみを減らす。パターンが低くない場合、５４２において、ＤＧＡは食前補正係数を減らすことができ、これは、ユーザまたはＭＤＤにより実施される場合、対応する食前補正用量を減らすこととなる。
５３６において、ＤＧＡが、パターンを決定するためのデータが不十分であると判定した場合、５１６において、ＤＧＡは、食事投与および食前補正が行われた日のデータを含めることができる。次いで、ＤＧＡは、５１８において、データセットの充足性を再テストすることができる。データが十分であれば、４１０において、ＤＧＡは、拡大されたデータセットに対してＧＰＡを繰り返すことができる。５４０において、結果として得られるグルコースパターンが低くない場合、ＤＧＡは、食前補正係数を減らすことなく、関連するＴＯＤ期間の各用量の食事部分の推奨値を減らすことができる。ＤＧＡが、５２０において、グルコースパターンが低いと判定した場合、５２６において、ＤＧＡは、食事用量のみのデータを含むことができる。次に、５３０において、ＤＧＡは、データセットが十分であるかを再試験することができる。データセットが十分でない場合、５２８において、ＤＧＡは、食事用量および補正用量の両方を減らすことができる。データセットが十分である場合、ＤＧＡは、４１０でＧＰＡを実行し、５３２でグルコースパターンが低いかどうかを判定することができる。グルコースパターンが低い場合、ＤＧＡは、５４０で、食前補正係数を減らすことなく、関連するＴＯＤ期間の各用量の食事部分の推奨値を減らすことができる。グルコースパターンが低くない場合、５４２において、ＧＰＡは、食前補正係数を減らすことができ、これは、ユーザまたはＭＤＤにより実施されると、対応する食前補正用量を減らすことができる。
図１０Ｃは、例えば、ＧＰＡ４１０が高パターンを示している場合に、食前補正の有無にかかわらず、高分析物レベルを下げるために食事用量および食前補正のタイトレーションを行うための推奨値を評価するための方法５５０を示す。関連する態様において、図８Ｈは、食後補正のための推奨事項を策定するためのアルゴリズム４８０の一例を示す。ＤＧＡにより実行されると、アルゴリズム４８０は、ＧＰＡが高パターンを示している場合、食前補正を実施するかどうかの検討を求める。ＴＯＤ期間の他の高グルコースパターン条件５５２も、方法５５０の実行をトリガするのに適切であり得る。食事用量および食前補正の両方が最適値よりも低い場合、方法５５０は、最初に食事用量を増やすことができる。高グルコースパターンは、固定用量を増やすことと、補正係数を減らすこと（所与の血糖レベルで補正用量を増やすせることに類似する）との両方から低血糖を回避するために、食事用量がタイトレーションされた後に補正用量をアップタイトレーションすることができるように、順次対処することができる（補正なしのデータで高くないパターン）。高パターンには、最初に固定用量を増やすことで対処できる。それでも高パターンが残り、補正用量が含まれている場合にのみ発生する場合は、補正係数をタイトレーションすることができる。
特定のＴＯＤで高パターンが検出された場合、５５４において、ＤＧＡは、分析物データに食前補正が行われた食事用量が含まれているかどうかを判定することができる。食前補正が含まれていない場合、５６４において、ＤＧＡは、食前補正が行われた日およびボーラスが忘失された日のデータを元のデータセットから除外し、４１０におけるグルコースパターン分析を繰り返すことができる。５６６において、ＤＧＡは、その後のグルコースパターンがまだ高いかどうかを判定することができる。高くなければ、５７２において、ＤＧＡは、食前補正係数を増大させることができ、これは、ＵＩＤまたはＭＤＤに出力することによって食前補正用量の減少を引き起こすこととなる。そうでなくグルコースパターンが高ければ、５６２において、ＤＧＡは、関連するＴＯＤ期間の各用量の食事部分の推奨値を増やすことができる。５５４において、食前補正が含まれていると判定された場合には、５５６において、ＤＧＡは、食事投与および食前補正が行われた日のデータを含め、ボーラス投与が忘失された日のデータを元のデータセットから除外し、４１０におけるグルコースパターン分析を繰り返すことができる。５５８において、ＤＧＡは、その後のグルコースパターンがまだ高いかどうかを判定することができる。パターンが高くない場合、５６２において、ＤＧＡは、関連するＴＯＤ期間の各用量の食事部分の推奨値を増やすことができる。５５８においてパターンが高い場合、５６４において、ＤＧＡは、食前補正が行われた日のデータを除外し、ボーラスが忘失された日のデータを除外し、４１０におけるパターン分析と、その後の上述のステップとを繰り返すことができる。
図１０Ｂ～図１０Ｃは、食前補正係数を決定するための様々なアルゴリズムの側面を示しているが、これらは例示であることを理解すべきである。他の様々なアルゴリズムも適している可能性がある。
投与タイミング（食事の開始時または食事の開始前と食事の開始後）に応じたインスリン用量の用量ガイダンス方法
次に、投与タイミングに応じて用量ガイダンスを決定する方法の例示的な実施形態について説明する。血糖コントロールを最大化するために、インスリン投薬は、循環インスリンのピークが食後グルコースの上昇と一致するように、食事と時間的に同調することが望ましい。しかしながら、患者は食事を取る前の食事時インスリンの服用を忘失してしまうことがある。その結果、食事に関するグルコース上昇とインスリン作用との間で不一致が生じ、適切な用量がわからなくなってしまう可能性がある。食事の開始直前ではなく、食事の開始後に食事用量を摂取すると、低血糖を引き起こす可能性がある。なぜなら、食後グルコース上昇がなくなっても、活性インスリンがまだ循環している可能性があるためである。さらに、グルコーストレンドを補正している患者は、食事の開始時のグルコーストレンドが上向きのため、用量を増やす傾向にあり得る。このような行動も低血糖を引き起こす可能性がある。タイミングに関する低血糖エピソードを最小限に抑えるために、ＤＧＡは、用量ガイダンスを提供する際に、投薬時間の遅延を決定し、投薬時間の遅延を考慮するように構成することができる。正の遅延時間は、インスリン用量が食事の開始後に投与されることを示している。ゼロの遅延時間は、インスリン用量が食事の開始とほぼ同時に投与されることを示している。負の時間遅延は、インスリン用量が食事の開始前に投与されることを示している。
多くの実施形態では、ＤＧＡは、食事用量ガイダンス計算が「オンタイム」計算（すなわち、ゼロまたは負の時間遅延）であるべきか、または「遅発型投薬（late dose）」計算（すなわち、正の時間遅延）であるべきかを決定する目的で、食事投与の忘失をリアルタイムで検出する方法を含むように構成することができる。幾つかの実施形態では、ＤＧＡは、遅延投薬計算で使用可能な食事の開始時刻の推定値を決定して出力するように構成することもできる。幾つかの実施形態では、食事の推定開始から＋Ｘ分または－Ｙ分経過しても食事時インスリン用量が検出されない場合、ＤＧＡは患者に対して投与が忘失された可能性がある旨の通知を出すように構成することができる。
食事投与の忘失をリアルタイムに検出するアルゴリズム
多くの実施形態では、ＤＧＡは、リアルタイムの食事検出アルゴリズムを使用して食事投与の忘失を検出するように構成することができる。食事投与の忘失をリアルタイムで検出し、その後に患者にアラートするためのシステムおよびプロセスが本明細書に記載されている。食事投与の忘失を検出するプロセスは、定期的に（例えば、新しいグルコースデータがシステムで利用可能になるたびに）実行することができる。あるいはプロセスは、患者に「投与忘失」のアラートを提供することが適切であるとき、またはアラートが有効化されたときはいつでも実行することができる。
例示的な一実施形態では、リアルタイムの食事検出は、特徴抽出モジュールおよび食事検出モジュールにより実行することができる。特徴抽出モジュールは、データ点が利用可能になると、ＣＧＭデータ点を一度に１回ずつ受け取ることができる。特徴抽出モジュールは、グルコース値が増加していることを検出すると、特徴抽出モジュールは、複数の特徴を抽出することができ、食事検出のために複数の特徴を食事検出モジュールに渡すことができる。
一実施形態では、特徴抽出モジュールは、新しいグルコースデータ点を受信するたびに、２次関数を使用して、時間ウィンドウ内にデータをフィットさせ、現在のデータ点から逆算することによってデータの平滑化を実行するように構成される。時間ウィンドウは、約６０分とすることができる。特徴抽出モジュールは、時間ウィンドウの中心におけるフィッティングされた値を、現在の平滑化されたデータとして格納するように構成することができる。特徴抽出モジュールはまた、時間ウィンドウの中心にあるフィッティングされた値の線形項および２次項の係数を、それぞれ現在のグルコース変化率および加速度値として格納するように構成することができる。特徴抽出モジュールはまた、中心点でのフィッティングされた値を格納するように構成されることに加えて、特徴抽出のための現在の点でのフィッティングされた値を格納するように構成することもできる。特徴抽出モジュールは、現在の平滑化されたグルコース値を前回の平滑化されたグルコース値（例えば、現在の平滑化されたグルコース値の直前の平滑化されたグルコース値）と比較して、平滑化されたグルコースデータが上昇しているかまたは下降しているかを判定するように構成することができる。特徴抽出モジュールは、複数の特徴を抽出し、その後、特徴抽出モジュールが現在の平滑化グルコース値と前回の平滑化グルコース値との比較において上昇していると判定した後、複数の特徴を食事検出モジュールに渡すように構成することができる。
特徴抽出モジュールは、平滑化されたデータの２つのセグメントから複数の特徴を抽出するように構成することができる。この２つのセグメントは、現在の上昇セグメントと前回の下降セグメントとすることができる。現在の上昇セグメントから抽出された複数の特徴としては、１）最大加速度、２）最大加速点の時刻、３）最大加速点でのグルコース値、４）現在の時点（フィッティングされた値）と最大加速点（基準点）との間のグルコース値の差により計算された高さ、５）基準点から現在の点までの経過時間により計算された現在のセグメントの持続時間、６）高さを持続時間で割って計算した現在のセグメントの平均上昇率、７）加速度の最大増大量（所与の時点での加速度の増大量は、その時点の加速度を前回時点の加速度から差し引くことにより得られる）、および８）曲線下面積の増分（平均グルコース値から基準点のグルコース値を差し引き、その差分にセグメントの持続時間を乗算したもの）、を挙げることができるが、これらに限定されない。前の下降セグメントから抽出された複数の特徴としては、１）持続時間、２）高さ、３）平均下降率（高さ／持続時間）、４）最大下降率（変化率の絶対値の最大値）、および５）最大減速度（加速度の絶対値の最大値）、を挙げることができるが、これらに限定されない。特徴抽出モジュールは、抽出された複数の特徴を食事用量モジュールに渡すように構成することができる。
食事検出モジュールは、入力として特徴ベクトルを受け取り、現在の上昇セグメントが食事応答グルコースエクスカーションであるか否かを示すバイナリ検出結果を出力するように構成することができる。食事検出モジュールはまた、バイナリ検出結果とともに確率値を出力するように構成することもできる。一実施形態では、食事検出モジュールにおける事前訓練済み機械学習モデルは、scikit learn (https://scikit-learn.org/stable/modules/generated/sklearn.ensemble.RandomForestClassifier.htmlによるランダムフォレスト分類器を用いて実装することができる。食事検出モジュールは、ツリー構築ルールおよび各ツリーの各特徴の特徴閾値に基づいて食事の開始を検出するように構成することができ、これは訓練プロセス中に最適化することができる。一実施形態では、事前訓練済みモデルはまた、勾配ブースト、ＡＤＡブースト、人工ニューラルネットワーク、線形判別分析、およびエクストラツリーを含む代替的な分類アルゴリズムに基づいて構築することもできる。
食事検出モデルはまた、食事が検出された場合に、食事の開始時刻を推定するように構成することもできる。一実施形態では、食事の開始時刻は、約１．２５時間の時間ウィンドウサイズ内で検出点からさかのぼって、グルコース値加速度の最大増大がある時点として推定することができる。例えば、午後１時１５分にアルゴリズムによって食事の忘失が検出された場合、モデルは午後１２時頃までさかのぼって食事の開始時刻を決定することができる。各点におけるグルコース値の加速度は、２次関数、すなわちｙ＝ａｘ２＋ｂｘ＋ｃを用いて、データ注目点を中心とした５つのデータ点をフィッティングすることによって計算できる。フィッティングされたパラメータ「ａ」は、注目点での加速度である。ある時点ｋにおけるグルコース値の加速度の増大は、ａ（ｋ＋１）－ａ（ｋ）で定義され得る。
食事検出モデルはまた、食事の推定開始前後の期間内に食事時インスリン投与が行われたことが検出されない場合、ユーザへの投薬忘失に関する通知をＵＩＤ２００に出力するように構成することもできる。一実施形態では、推定される食事の開始が２時間未満である場合、通知は、患者がまだ食事の用量ガイダンスを得ることができ、投薬が遅れることを示すこともできる。
他のタイプの食事検出方法およびアルゴリズムの詳細は、米国特許公開第２０１７／０１８５７４８号明細書およびＰＣＴ出願番号ＰＣＴ／ＵＳ２０２０／１２１３４号に記載されており、その内容全体を参照により本明細書に援用するものとする。
食事の開始時に投与される用量ガイダンス
投薬時間の遅延が負またはゼロである場合（すなわち、用量ガイダンスは食事の開始時または開始前に投与するためのものである）、食事の存在前にボーラスインスリンが効果を発揮できる時間のスパンを考慮するために、ＤＧＡは低血糖および高血糖リスクを変更し得る他の係数を考慮するように構成することが可能である。例えば、ＤＧＡは、概日リズムに関連するリスク係数を含むように構成することができる。
例示的な一実施形態では、図１１のフロー図に記載されているように、例示的な方法６００において、ＤＧＡは、例えば、時間遅延が負またはゼロである場合に、食事の開始時に対象に投与するための用量ガイダンスを提供することができる。ステップ６０２で開始すると、ＤＧＡは、食事の開始時の時間帯に投与される食事の第１の用量ガイダンスを決定することができる。第１の用量ガイダンスは、固定食事用量（補正ありまたは補正なし）とすることができ、または食事の炭水化物含有量に基づくことができる。
ステップ６０４において、次いで、ＤＧＡは、少なくとも第１の用量ガイダンスおよび用量が投与される時間帯に基づいて、低血糖のリスクが存在するかどうかを判定することができる。ＤＧＡは、リスクマップを参照することによって低血糖のリスクを判定するように構成することができる。一実施形態では、過去のユーザデータ（例えば、グルコースレベルおよびインスリン投薬データ）、集団データ、または過去のユーザデータと集団データとの両方の組み合わせを使用して、時間帯、曜日、および／または他の利用可能なパターンに関連するリスクマップを策定することができる。一実施形態では、ＤＧＡは、典型的な行動を識別するのではなく、最も高いリスクに近い分布のエッジを識別するためにリスクマップを使用するように構成することができる。
ステップ６０６において、ＤＧＡは、第１の用量ガイダンスとは異なる第２の用量ガイダンスを出力することができる。第２の用量ガイダンスは、ＵＩＤ２００に出力され、第１の用量ガイダンスよりも低い薬物量を含むことができる。第２の用量ガイダンスはまた、第１の用量ガイダンスよりも低い低血糖のリスクに関連付けることもできる。例えば、第１の時間帯が別の（第２の）時間帯よりも近い将来における低血糖リスクが高く、ユーザが計画された食事の開始時または開始前の第１の時間帯に用量ガイダンスを要求した場合、ＤＧＡは、公称の提案された食事用量ガイダンス（例えば、固定食事用量（補正ありもしくは補正なし）または炭水化物含有量に基づく食事用量）よりも低い用量ガイダンスを出力するように構成することができる。
用量が食事の開始後に投与される場合（すなわち、投薬時間遅延が正である場合）、ＤＧＡは、投薬時間遅延を決定し、投薬時間遅延および任意の関連するリスクを考慮した用量ガイダンスを出力するように構成することができる。
例示的な一実施形態では、図１２Ａのフロー図に記載されているように、例示的な方法６０７で、ステップ６０８から始まり、ＤＧＡは、対象からの問い合わせに応答して、食事のための第１の用量ガイダンスを決定することができ、第１の用量ガイダンスは、食事の開始時に対象に投与するために決定されている。一実施形態では、ＤＧＡは、初期の最適な食事時投薬が食事の開始と同時に行われると想定するように構成することができる。したがって、一実施形態では、ユーザがＤＧＡを開いて用量ガイダンスを要求すると、アルゴリズムは、最初に、食事の開始時に投与される場合の最適なインスリン用量を計算することができる。食事に対する最適なインスリン用量は、固定食事用量（補正ありもしくは補正なし）または炭水化物含有量に基づく食事用量を含む多数の方法で決定することができるが、これらに限定されない。
ステップ６１０において、ＤＧＡは、食事の開始と対象からの問い合わせ（すなわち、用量ガイダンスの開始）との間に時間遅延が存在するかどうかを判定することができる。一実施形態では、ＤＧＡは、複数の方法により投薬時間遅延を識別するように構成することができる。一実施形態では、ＤＧＡは、食事の推定開始を決定するように構成することができる。一実施形態では、ＤＧＡは、食事の推定開始を検出することができる上述の食事検出アルゴリズムを使用して、投薬時間遅延を識別するように構成することができ、ＤＧＡは、開始とユーザに促された用量ガイダンスとの間の時間を記録するように構成することができる。別の実施形態では、ＤＧＡは、食事の開始とボーラスインスリン投薬の開始との間の投薬時間遅延を識別するように構成することができ、これはユーザにより記録され得る。この実施形態では、ＤＧＡは、投薬時間遅延に関する入力をユーザに促すように構成することができる。例えば、ＤＧＡは、要求された用量ガイダンスが食事のためのものであるか、または高グルコースを補正するための補正投薬であるかをユーザに尋ねるように構成することができる。要求された用量ガイダンスが食事のためのものである場合、ＤＧＡは、食事がすでに始まっているかどうか、始まっている場合はどのくらいの期間かを尋ねるように構成することができる。次いで、この入力は、用量ガイダンスのための食事対投薬時間遅延として使用することができる。
ステップ６１２において、ＤＧＡは、時間遅延の決定に応答して、少なくとも第１の用量ガイダンスおよび時間遅延に基づいて低血糖のリスクが存在するかどうかを判定することができる。一実施形態では、ＤＧＡは、第１の用量ガイダンスおよび時間遅延により、患者が高低血糖リスク域にあるか、または残りのユーザ集団と比較して低血糖のリスクがあるかどうかを判定することができる。
一実施形態では、ＤＧＡは、多次元表面マップを参照して低血糖のリスクを判定することができる。一実施形態では、マップは人口ベースとすることができる。例えば、マップは、用量ガイダンスを要求する特定のユーザに基づいて推奨事項をパーソナライズするために十分なデータが収集されるまで、すべてのＤＧＡユーザにわたる観測値を含むことができる。一実施形態では、ＤＧＡは、ＤＧＡユーザの食事時用量に関連する複数のタイプのデータを受信して格納するように構成することができる。食事時用量に関連する複数のタイプのデータには、投薬時間遅延、提案または推奨された用量ガイダンス、投与された用量、および用量の投与後の所定の時間期間のグルコース時系列が含まれるが、これらに限定されない。グルコース時系列は、（例えば、ＣＧＭからの）グルコース値サンプル間の固定時間インターバル、変化する時間インターバル、またはこれらの組み合わせを有することができる。グルコース時系列における食後グルコースデータを使用して、食事／投薬エピソードに固有の低血糖指標を計算することができる。この低血糖指標は、約７０ｍｇ／ｄＬ未満の時間、約５４ｍｇ／ｄＬ未満の時間、または低血糖指数（ＬＢＧ）のような計算されたリスク係数であり得るが、これらに限定されない。低血糖指標はまた、食事の開始時のグルコース濃度値に正規化することもできる。用量ガイダンスと投与された用量とは、両者の差だけでなく、個別にも変数として扱うことができる。次いで、結果として得られる低血糖指標が様々な変数の関数である多次元表面マップを導出することができる。異なる食事サイズおよび概日リズムの影響を考慮して、ＤＧＡは、朝食、昼食および夕食のそれぞれに対する多次元表面マップを含む、複数の多次元表面マップを作成することができる。マップが作成されると、ＤＧＡはまた、許容可能な低血糖リスクのカットオフ値を決定することもできる。このシステムで使用される重要な変数の１つが食事対投薬時間遅延であり得る。
ＤＧＡは、低血糖のリスクが判定されるかどうかに基づいてＵＩＤ２００に用量ガイダンスを出力するように構成することができる。ＤＧＡが、第１の用量ガイダンスおよび時間遅延が対象を低血糖のリスクにさらさないと判定した場合、ステップ６１４において、ＤＧＡは第１の用量ガイダンスを出力することができる。ステップ６１６において、ＤＧＡは、低血糖のリスクが存在するとの判定に応答して第２の用量ガイダンスを出力することができ、第２の用量ガイダンスは、第１の用量ガイダンスよりも低い低血糖のリスクに関連付けられている。第２の用量ガイダンスは、ＵＩＤ２００に出力することができる。一実施形態では、ＤＧＡが、時間遅延時の第１の用量ガイダンスに低血糖のリスクがあると判定した場合、ＤＧＡは、リスクを所定のカットオフ値未満に減少させる多次元表面マップのΔ用量／低血糖リスク等電位に沿った用量の変化を検索することができる。この用量変化を第１の用量ガイダンスに適用して、低血糖を最小限に抑えるための最新の用量ガイダンスを提供することができる。システムは、複数の変数（例えば、投薬時間遅延、提案または推奨された用量ガイダンス、投与された用量、および用量の投与後の所定の時間期間のグルコース時系列）の関数として多次元表面マップを改善および／または更新するために情報を収集し続けることができる。
別の実施形態では、ＤＧＡは、内因性インスリン産生を考慮しない遅発型用量ガイダンスを決定するように構成することができる。食事が開始された後に用量ガイダンスを決定する際に従来の食事用量計算を使用することの問題点は、通常、ユーザがインスリンを投薬した場合であっても、ユーザのグルコースが増加することである。ユーザが食事の開始後に食事用量を投与し、現在のグルコース値を使用して食事用量を決定する場合、ユーザはインスリンを過剰に注射し、低血糖が最終的に発生する可能性がある。ＤＧＡは、用量ガイダンスの補正部分を決定するために、食事の推定開始時刻におけるユーザのグルコース値を考慮することによってユーザのグルコース上昇の問題を緩和する食事の開始後の投与のための用量ガイダンスを決定するように構成することができる。
例示的な一実施形態では、図１２Ｂのフロー図に示されているように、ステップ６１８から始まる例示的な方法６１７で、ＤＧＡは、開始時刻を有する食事の用量ガイダンスの問い合わせを受信することができる。ステップ６２０において、ＤＧＡは、食事の開始後に用量ガイダンスの問い合わせを受信したかどうかを判定することができる。一実施形態では、ユーザからの用量ガイダンスの問い合わせに応答して、ＤＧＡは、上述の遅延用量検出アルゴリズムを使用して、投薬が遅れているか否かを判定することができる。一実施形態では、遅発型用量検出アルゴリズムは、食事の推定開始時刻を決定して出力することができ、ＤＧＡはユーザからの問い合わせを受信した時刻と比較することができる。
ステップ６２２において、ＤＧＡは、食事の開始時刻に関連するユーザのグルコースレベルを決定することができる。一実施形態では、ＤＧＡは、食事の開始時刻に関連するグルコース値（例えば、食事の開始時刻に時間的に最も近いグルコース値）を決定することができる。
ステップ６２４において、ＤＧＡは、遅発型用量ガイダンスを出力することができ、遅発型用量ガイダンスは、食事用量ガイダンスおよび補正用量ガイダンスを含む。一実施形態では、補正用量ガイダンスは、食事の開始時刻における決定されたグルコースレベルに基づくことができる。補正用量ガイダンスは、高グルコースを補正するためのボーラス計算機を用いて決定することができ、グルコース補正部分を含むことができる。式（１）に関して前述したように、補正用量ガイダンスのグルコース補正部分は、以下の式に基づいて決定することができ、（ＢＧ（ｔ））は現在のグルコース値であり、ＢＧｔａｒｇｅｔは目標グルコースである。
Figure 0007662611000007
一実施形態では、遅延用量ガイダンスのためのグルコース補正部分の決定のために、現在のグルコース値は、推定される食事の開始時刻に関連するグルコース値である。一実施形態では、補正係数は、ユーザのインスリン感受性係数であってよい。一実施形態では、遅発型用量ガイダンスは、食事用量ガイダンスに補正用量ガイダンスを加えたものである。食事用量ガイダンスは、多数の方法で決定することができる。一実施形態では、食事用量ガイダンスは、食事の推定炭水化物含有量に基づいて決定することができる。別の実施形態では、食事用量ガイダンスは、「固定」または「固定＋補正」投薬戦略に基づいていてよく、ユーザは、食事の炭水化物含有量に関係なく、食事用量のために予め決定された量のインスリンを摂取する。
別の実施形態では、内因性インスリンの産生を考慮した遅発型投薬を決定するようにＤＧＡを構成することができる。食事が開始された後に投薬するときに従来の食事用量計算を使用することの問題点は、２型糖尿病患者が依然として自分自身の（内因性）インスリンを産生していることが多い点である。したがって、ユーザが食事の開始後に遅れて投薬した場合、ユーザは、ユーザ自身の膵臓が産生した追加の「インスリン」を有している可能性があり、用量計算でこれを考慮しないと、最終的に低血糖になる可能性がある。ＤＧＡは、追加の内因性インスリンの産生を考慮した用量ガイダンスを決定するように構成することができる。
例示的な一実施形態では、図１２Ｃのフロー図に記載されているように、ステップ６３２から始まる例示的な方法６３０で、ＤＧＡは、対象からの問い合わせに応答して、食事のための第１の用量ガイダンスを決定することができる。一実施形態では、第１の用量ガイダンスは、食事の開始時の対象への投与のために決定される。他の実施形態では、第１の用量ガイダンスは、固定食事用量（補正ありもしくは補正なし）または少なくとも食事の炭水化物含有量に基づいて決定された食事用量とすることができる。
ステップ６３４において、ＤＧＡは、食事の開始と対象からの問い合わせとの間の時間遅延を計算することができる。一実施形態では、時間遅延は、上述の遅発型用量検出アルゴリズムを用いて計算することができる。一実施形態では、遅発型用量検出アルゴリズムは、検出された食事の開始時刻を推定することができ、ユーザからの用量ガイダンスの問い合わせがＤＧＡにより受信された時刻と、推定された開始時刻とを比較することによって時間遅延を計算することができる。推定開始時刻は、他の実施形態に関して説明したように、ＤＧＡにより決定することができる。
ステップ６３６において、ＤＧＡは、時間遅延がゼロよりも大きい（＞０）との判定に応答して、内因性インスリンの推定量および時間遅延の量に対応する因子を決定することができる。一実施形態では、因子は分数とすることができる。一実施形態では、因子は、問い合わせと推定される食事の開始時刻との間の時間量によって、例えば、食事の開始からの時間遅延が増大するにつれて分数値が減少するユニバーサルルックアップテーブルから決定することができる。
ステップ６３８において、ＤＧＡは、第１の用量ガイダンスおよび因子に関連付けられた第２の用量ガイダンスを出力することができる。第２の用量ガイダンスは、ＵＩＤ２００に出力され得る。第２の用量ガイダンスは、第１の用量ガイダンスにステップ６３６で決定された因子を乗算することによって計算することができ、これは分数であり得る。幾つかの実施形態によれば、例えば、１から分数を引いた値は、注射時までの内因性インスリン産生を考慮することができる。一実施形態では、この分数は、食事に対する２型代謝反応をシミュレートしたものに基づくことができる。対象ごとにはわからないかもしれないが、この値を遅発型投薬量の分数と合計することで、内因性産生を考慮した用量を供給し、ユーザの食後血糖値を安全な範囲に保つ修正用量を供給することができる。
加わった食事（例えば、デザート）のための用量ガイダンス
幾つかの状況では、患者は計画された食事をカバーする量の食事時インスリンを投薬するが、後になって「おかわり」またはデザートの形で追加の食事を取ることがある。一般的な戦略は、グルコースレベルおよびトレンドに関係なく、新しい量を再度投薬することであり、実際によく行われている。しかしながら、これは正しい行動指針ではない状況の可能性もある。例えば、患者が最初の用量をカバーするだけの量を元々摂っていなかったために、新しい用量が多すぎて低血糖エピソードにつながる可能性がある。逆に、患者が保守的なアプローチをとり、余分な食事をカバーするために余分なインスリンを投薬しなかった場合、高血糖エピソードが発生する可能性がある。一実施形態では、ＤＧＡは、（１）ユーザがより多くの食品で元の食事を延長し続けていることを確認し、（２）余分な用量が投与される前に低血糖のリスクをユーザに通知し、（３）食後にこのようなリスクを監視することによって、加わった食事の用量ガイダンスを提供することができる。
ＤＧＡは、ＵＩＤ２００でユーザに最初の問い合わせを出力して、余分な食品で食事が延長されていることを確認するように構成することができる。ユーザが用量ガイダンスの受信を希望する場合、最初に用量ガイダンスアプリを開くことが想定される。例示的な一実施形態では、図１３に記載されたフロー図に記載されているように、ステップ６６２から始まる例示的な方法６６０で、ＤＧＡは、用量ガイダンスに関するユーザの問い合わせが第１のエピソードの期間内に行われたかどうかを判定するように構成することができ、第１のエピソードは、開始時刻を有する食事を含む。期間の開始は、リアルタイム食事検出アルゴリズムから決定された食事の開始時刻とすることができ、期間の長さもリアルタイム食事検出アルゴリズムによって決定することができる。食事の開始時刻は、食事が（例えば、リアルタイム食事検出アルゴリズムによって）検出された最後の時刻、または食事検出と組み合わせて用量ガイダンスおよび／またはインスリン投薬が提供された最後の時刻を含む幾つかの方法で決定することができるが、これらに限定されない。
ステップ６６４に見られるように、ユーザが期間内に用量ガイダンスをＤＧＡに問い合わせた場合、ＤＧＡは、食事が追加の食品で延長されたかどうかを確認するために、ユーザからの入力を要求することができる。ＤＧＡは、ユーザのフィードバックを要求するプロンプトまたは他の表示をＵＩＤ２００に出力することができる。一実施形態では、ＤＧＡはまた、用量ガイダンスの目的が高グルコースの補正であったかどうかを確認するために、ユーザからの入力を要求することもできる。別の実施形態では、ＤＧＡは、最近の用量ガイダンス要求に関する説明をユーザに促すことができ、任意に、回答として選択可能なオプションを提供することができる。オプションとしては、例えば、追加の要求が延長された食事に応答して行われたものであるというオプションと、追加の要求が追加の食品摂取に関連しない高グルコースを補正するために行われたものであるというオプションとを挙げることができる。
ステップ６６６に見られるように、ＤＧＡは、食事の開始時刻から低血糖のリスクを判定することができる。一実施形態では、インスリン用量スタッキングによる低血糖エピソードを回避するために、ＤＧＡは、追加の食品で食事を延長する前に、ユーザが現在の血糖エクスカーションにいる点を決定することによって低血糖のリスクを判定するように構成することができる。ＤＧＡはさらに、現在のエクスカーションにおける決定された点からグルコースレベルの前方予測値を作成して、ユーザのグルコースレベルがまだ上昇しているか、または低下しているかを判定するように構成することができる。インスリンスタッキングを回避するための安全対策として、ＤＧＡは、グルコースレベルが食後の極大値に達するまで用量ガイダンスを供給しないように構成することができる。例えば、ユーザのグルコースがまだ上昇している間に、加わった食事の用量ガイダンスが要求された場合、ＤＧＡは、安全上の理由から現時点ではガイダンスを行うことができない旨の通知を出力することができる。一実施形態では、低血糖のリスクが判定された場合、ステップ６６８において、ＤＧＡは、いかなる用量の投与も行わないか、または投薬に細心の注意を払うようにユーザに通知するように構成することができる。別の実施形態では、低血糖のリスクがない場合、ステップ６７０において、ＤＧＡは、余分な食品に対するＨＣＰ推奨値に従って投薬するようにユーザに通知するように構成することができる。さらに、一実施形態では、ＤＧＡが、余分な用量が送達されたことを検出した場合、ＤＧＡは、低血糖がないことを確認するために、少なくとも約２時間後にグルコースレベルをチェックするようにユーザに助言するように構成することができる。
補正用量のための用量ガイダンス法（用量の服用）
ある特定の状況下では、外部要因がインスリン投薬の有効性に影響を与え、用量が予想よりも多くのグルコース低下効果をもたらすことがある。これらのケースでは、ユーザは低血糖を回避するために、インスリン用量を保守的に見積もってもよい。また、特定の食事のタイプまたは量に対してどれだけの量のインスリンで足りるのかわからない場合は、個々で保守的に投薬することができる。例えば、ある食事タイプは、ユーザが通常消費する食事と比較して、脂肪および／またはタンパク質が多い場合がある。保守的な投薬を可能にするために、ＤＧＡは、食後に用量ガイダンスをユーザに提供し、これに付随して初期食事インスリン投薬を行うように構成することができる。一実施形態では、ＤＧＡは、初期食事用量ガイダンスおよび投与に続いて、少なくとも４つの機能を行うように構成することができる。ＤＧＡは、ユーザが初期食事用量ガイダンスで示された投薬量よりも少ない量を投与したことを確認するように構成することができる。次いで、ＤＧＡは、追加の投薬が提案される前に低血糖のリスクを判定し、ユーザにそのリスクを通知するように構成することができる。ＤＧＡはさらに、追加の用量ガイダンスを提供し、追加の用量ガイダンスの導入後の期間に、その後の低血糖リスクを監視するように構成することができる。
例示的な一実施形態では、食事の開始時または開始間際に、ユーザがＤＧＡに推奨される投薬量を問い合わせる。図１４に記載されているように、ステップ７０２から始まる例示的な方法７００で、ＤＧＡは、第１のユーザの問い合わせに応答して、第１の用量ガイダンスを出力することができる。第１の用量ガイダンスは、ＵＩＤ２００に出力することができる。一実施形態では、第１の用量ガイダンスは、食事の開始時に投与されるように計算することができる。第１の用量ガイダンスはまた、固定用量（補正ありまたは補正なし）食事ガイダンスとすることもできる。第１の用量ガイダンスはまた、食事の炭水化物含有量に基づいて決定することができる。
しかしながら、ユーザは、インスリンを投与する際に、推奨される用量ガイダンスに従うかどうかを選択することができる。投与された用量が推奨用量と異なる場合に、システムはその差分を記録する。ステップ７０４として、ＤＧＡは、投与された第１の用量が第１の用量ガイダンスと異なるかどうかを判定することができる。投与された第１の用量は、第１の用量ガイダンスよりも低くても高くてもよい。一実施形態では、投与された第１の用量は、第１の用量ガイダンスよりも低い。ＤＧＡは、投与された用量が推奨用量ガイダンスよりも低い場合に記録するように構成することができる。
ステップ７０８において、ＤＧＡは、第１の用量の投与の期間内に、第２の用量ガイダンスに関する第２のユーザの問い合わせを受信したかどうかを判定することができる。この期間は、第１の用量の投与から、リアルタイムの食事検出アルゴリズムにより決定され得るか、または所定の時間であり得る。
ステップ７１０において、ＤＧＡは、ユーザからの入力を要求して、第２のユーザの問い合わせが期間内に受信されたと判定された場合、第２のユーザの問い合わせが、食事完了後に高グルコースレベルを調整することであるかどうかを判定することができる。ＤＧＡは、ユーザのフィードバックを要求するプロンプトまたは他の通知をＵＩＤ２００に出力することができる。例えば、その後、最初の食事投薬から一定の時間量内に控えめな投薬（例えば、推奨用量よりも少ない量が投与された）に続いて、ＤＧＡに更なる用量推奨値の問い合わせがあった場合、ＤＧＡは、問い合わせ時刻と投薬不一致の記録との両方を使用して、第２の用量ガイダンスの理由についてユーザに促すことができる。一実施形態では、ＤＧＡは、後から要求された用量が、追加の食事時の食品をカバーするためのものか、食後の高グルコースを考慮するためのものかを判定するための入力を要求するように構成することができる。ユーザが追加の食事時の食品をカバーするために第２の用量ガイダンスを要求した場合、ＤＧＡは、本明細書の別の箇所にある「加わった食事の用量ガイダンス」の項に記載されているフローに従うことができる。
ステップ７１２に見られるように、ユーザが食後の高グルコースを補正するために第２の用量ガイダンスを要求した場合、ＤＧＡは、少なくともユーザの血糖が上昇しているかどうかを判定することによって低血糖のリスクを判定することができる。一実施形態では、インスリン用量スタッキングによる低血糖エピソードを回避するために、ＤＧＡは、ユーザが現在の血糖値エクスカーションにいる点を決定することによって低血糖のリスクを判定するように構成することができる。ＤＧＡはさらに、現在のエクスカーションの決定された点からグルコースレベルの前方予測値を作成して、ユーザのグルコースレベルがまだ上昇しているか、または低下しているかを判定するように構成することができる。一実施形態では、インスリンスタッキングを回避するための安全対策として、ＤＧＡは、グルコースレベルが食後の極大値に達するまで用量ガイダンスを供給しないように構成することができる。ユーザのグルコースがまだ上昇している間に、補正のための用量推奨値が要求された場合、ＤＧＡは、安全上の理由から現時点ではガイダンスを行うことができない旨の通知を供給するように構成することができる。一実施形態では、ＤＧＡは、用量ガイダンスを提供しない追加の理由を提供するように構成することができる。例えば、ＤＧＡは、利用可能な場合に、人口ベースの集約パラメータとユーザ固有のパラメータとの組み合わせから決定される、インスリンオンボードの最新の推定値を提供するように構成することができる。
一実施形態では、ＤＧＡがユーザの血糖が低下していると判定すると、ＤＧＡは、補正「タッチアップ」用量がない場合に将来の低血糖のリスクを計算するように構成することができる。一実施形態では、ＤＧＡは、低血糖エピソードの可能性を調べるために、現在のグルコースレベルの前方予測値を計算することによって低血糖のリスクを計算するように構成することができる。別の実施形態では、ＤＧＡは、所与の食前グルコース範囲に対して所与の用量が食後低血糖を誘発する頻度を観察するために、過去のイベントを分析するように構成することができる。一実施形態では、ＤＧＡが現在の低血糖リスクが予め定義された閾値を超えていると判定した場合、ステップ７１６において、ＤＧＡは、現時点ではこれ以上インスリンを摂取しないという推奨事項をＵＩＤ２００に出力するように構成することができる。
ＤＧＡがユーザに現在の低血糖リスクがないと判定した場合、ステップ７１４において、ＤＧＡは、後の用量が食後補正であるかのように用量ガイダンスを計算して出力するように構成することができる。このように、一実施形態では、食事がすでに終了しているため、新たな炭水化物の摂取を考慮することなく、後の用量を決定することができる。式（２）に関して説明したように、ＤＧＡは、グルコース補正部分から初期食事時用量の残留インスリンオンボード（ＩＯＢ）を差し引いた関数として、第２の用量（補正用量ガイダンス）を計算するように構成することができる。すなわち、
Figure 0007662611000008
であり、式中、
Figure 0007662611000009
は、グルコース補正部分である。一実施形態では、ＤＧＡは、補正用量ガイダンスのグルコース補正部分を、現在のグルコース（ＢＧ（ｔ））と目標グルコース（ＢＧｔａｒｇｅｔ）との差分を補正係数で割ったものとして計算するように構成することができる。補正係数は、ユーザのインスリン感受性係数（ＩＳＦ）とすることができ、ＩＳＦは、１単位のインスリンが空腹時血糖値をどの程度下げるかの尺度として用いられる指標である。ＩＳＦは、アルゴリズム学習期間中、各ユーザに対してパーソナライズすることができる。一実施形態では、初期推定のために、インスリン薬物動態（ＰＫ）に関する人口ベースの統計量を用いてＩＯＢを推定することができる。速効型インスリンアナログは、一般的に、約４５分でピーク血漿濃度を達成し、その後、指数関数的に減衰するプロファイルを有するが、ユーザが超速効型インスリンアナログを摂取している場合、この時間は短くなる可能性がある。この時間ウィンドウは、グルコースレベルの上昇によりＤＧＡがガイダンスを提供できなくなる休眠期間に当たる可能性がある。ＩＯＢは、指数関数的な減衰を直接に測定するか、またはピークインスリン濃度から食前値までの線形減衰を推定することによってこのプロファイルから推定することができる。ＩＯＢ値は、初期インスリン投薬からのグルコースレベルの現在の低下を説明することができ、グルコース補正用量から差し引くことでインスリンスタッキングを最小限に抑えることができる。余分な用量が送達されると、アプリケーションのユーザインタフェースは、低血糖がないことを確認するために、２時間後にグルコースをスキャンするようユーザに助言する。
食後のインスリン療法における食後低血糖および高血糖アラーム方法
ＤＧＡは、予測されるまたは将来的に可能性のある低血糖および／または高血糖エピソードを、アラームの生成および／または出力、あるいはその他の方法でユーザに事前に通知するように構成することができる。これらのアラームにより、ユーザは、糖尿病管理の主な目標である血糖値を正常血糖範囲に維持するための行動をとることができる。
閾値ベースのアラーム方法とは対照的に、ＤＧＡの予測アラーム方法は、低血糖／高血糖エピソードの予測発生確率、予測される時期および予測される重症度に基づくことができる。予測アラーム手法に関連する幾つかの利点がある。予測アラーム手法は、閾値ベースのアラームの最も一般的な問題点の１つである、最適な閾値をどのように設定するかという問題を克服する。閾値を低く設定しすぎると、誤認アラームが多くなる可能性があり、閾値を高く設定しすぎると患者へアラームが間に合わなくなる可能性がある。さらに、予測アラーム手法は、発生確率、タイミングおよび重症度を含む、今後の血糖値エピソードについて、より具体的な情報を患者に提供することができる。アラームで提供される追加の特異性は、患者がより適切な行動をとることを可能にする。さらに、予測アラーム手法は、適切な行動のパーソナライズされた選択肢を患者に提供することができる。
例示的な一実施形態では、図１５のフロー図に記載されているように、ステップ７２２から始まる例示的な方法７２０で、ＤＧＡは、分析物（例えば、グルコース）時系列データおよびイベントデータを含む複数のデータを受信するように構成することができる。ＤＧＡは、個々の患者の過去のデータから特定のパターンを学習するように構成することができる。ＤＧＡにより受信された複数のデータは、グルコース時系列データおよび他のイベントマーカと関連するタイムスタンプを含むことができる。一実施形態では、グルコース時系列データの高次微分および積分も、アラームシステムに関連する入力である。さらに、複数のデータは、患者の位置データ、暦日データ、ＴＯＤデータおよびストレスレベルデータを含むこともできるが、これらに限定されない。イベントデータは、食事データ、おやつデータ、運動データおよび投薬データ、その他に各イベントの関連するタイムスタンプを含むことができるが、これらに限定されない。投薬データは、ボーラスインスリンの投薬量および量ならびに／またはベーサルインスリンの投薬量および量を含む。
ステップ７２４において、ＤＧＡは、複数のデータの少なくとも一部を処理して、将来の低血糖または高血糖エピソードの発生確率、予測される時期および予測される重症度を決定するように構成することができる。一実施形態では、各イベントタイプの過去の記録をプロファイリングして、近い将来に発生する可能性が最も高いという予測を生成することができる。将来の血糖値エピソードの予測は、ＴＯＤ、週の時間、または他のイベントとの関連性を参照して行うことができる。例えば、ＤＧＡは、特定の曜日の特定の食事の前または後に行われる運動イベントとの関連性を予測するように構成することができる。
ＤＧＡは、グルコース値予測アルゴリズムを使用して、将来の低血糖または高血糖エピソードを予測するように構成することができる。一実施形態では、このアルゴリズムは、単純ベイズ分類器を用いて実装することができる。別の実施形態では、このアルゴリズムは、回帰型ニューラルネットワーク（ＲＮＮ）の長短期記憶（ＬＳＴＭ）アーキテクチャ、ランダムフォレスト、または様々な方法の組み合わせを使用することができる。一実施形態では、最初に、臨床研究および実世界のデータベースで収集されたグルコース時系列データを用いて機械学習モデルを学習し、人口ベースのモデルを策定することができる。一実施形態では、人口ベースのモデルは、開始時点での各患者の初期モデルとすることができ、モデルは、患者からのデータを用いてアルゴリズムを継続的に訓練することで、対象固有のパターンを訓練することができる。したがって、ＤＧＡの性能は、対象がＤＧＡを使用するにつれて、対象ごとに向上させることができる。
ステップ７２６において、ＤＧＡは、予測される将来の低血糖または高血糖エピソードを患者にアラートするように構成することができる。一実施形態では、ＤＧＡは、ＵＩＤ２００にアラームを出力して患者に通知し、例えば、将来の低血糖状態を治療するために炭水化物を摂取することによって、または将来の高血糖状態を治療するためにインスリンを摂取することによって、患者がアラートに基づいて行動できるように構成することができる。別の実施形態では、ＤＧＡは、アラームシステムが適切な量の治療を提案するための投薬アルゴリズムと結合されるように構成することができる。一実施形態では、将来の高血糖エピソードが予測される場合、ＤＧＡは、推奨用量ガイダンスを含むアラームをＵＩＤ２００に出力するように構成することができる。別の実施形態では、ＤＧＡは、食後インスリン投薬が推奨されるかどうかを判定する場合に、ユーザがアクセスできる表示をＵＩＤ２００に提供するように構成することができる。例えば、将来の低血糖の可能性が高いと計算された場合、ＤＧＡは、追加のインスリンが推奨されないことを示す用量ガイダンスを出力するように構成することができる。ＤＧＡはまた、用量ガイダンスとは関係のない推奨事項をＵＩＤ２００に出力するように構成することもできる。例えば、ＤＧＡは、炭水化物の消費を推奨するメッセージを出力したり、短時間（例えば、１５分）経過後にグルコースレベルを再チェックしたり、事前に設定された時刻またはユーザが設定した時刻後にグルコースをチェックするようにリマインダを設定したり、かつ／または低血糖閾値アラームを有効にしたりするように構成することができる。ＤＧＡはまた、アラームの出力に加えて、将来の低血糖／高血糖エピソードの状態を詳細に表示することを含むように構成することもできる。
一実施形態では、特定のエピソードの予測は、発生の確率により修飾することができる。確率のレベルが異なれば、システムの出力も異なり得る。例えば、アラームの開始は、患者が要求した食後の用量ガイダンスの表示よりも高い確率を必要とし得る。
別の実施形態では、ＤＧＡは、予測方法の感受性または特異性が調整可能であるように構成することができる。一実施形態では、異なるレベルの感受性および／または特異性により、ユーザまたはＤＧＡは、その時のユーザの関与のレベルに適した感受性および／または特異性のレベルを選択することが可能となる。例えば、ユーザが生活の他の側面に集中する必要があるときには、より高い特異性をユーザが選択することで、緊急性の高い状況にのみユーザがアラートを発せられるようにすることができる。別の実施形態では、より高い感受性を選択することができる。例えば、ユーザがグルコース管理を改善するために、より多くの時間を割り当てることを決定したときに、より高い感受性を有する予測システムをプロアクティブに選択して、緊急の状況を防ぐことができる。一実施形態では、学習モジュール自体と同様に、感受性および特異性の設定は、最初は集団データに基づいて行ってもよい。より多くのユーザの選択が記録されると、パターン認識は、曜日（例えば、７日間の個別の日、または平日対週末）、時間帯、および潜在的にはユーザのカレンダーの活動ログの密度を関連付けることを試み、どの時点でも最も可能性の高い感受性および特異性の設定の好みを評価することができる。
システムの特徴
ＤＧＳ１００は、インスリン濃度の高い糖尿病の管理中に発生する一般的なイベントに対応するシステム上の考慮すべき事項を含むことができる。現在のインスリンボーラス用量計算機は、これらの現実世界のイベントを考慮しておらず、ユーザは最良の判断に従って推奨用量を修正することになる。糖尿病患者は、理想的な用量推奨値を現実世界の出来事に合わせて修正できることが望ましいが、このような考慮すべき事項は、糖尿病患者にとって大きな認知負担となる可能性がある。このような負荷を軽減し、より一層ユーザフレンドリな投薬システムを作り出すために、ＤＧＳ１００は、インスリンおよびグルコースのデータを活用して、現実世界の状況に合わせて適切な用量の調整を行う。さらに、これらのシステムの特徴は、医師が投薬パラメータを修正する能力によっても強化される。
ＨＣＰによる用量ガイダンス設定のオーバーライド
ＤＧＡは、固定投薬量、目標グルコース、補正係数およびインスリン作用時間などの個別化されたパラメータに基づいて用量ガイダンスを提供することができる。ユーザは、これらの様々なパラメータを様々な方法で表示することができる。例えば、ユーザは、ＤＧＡ内の設定タブを介してＵＩＤ２００上のパラメータを表示することができるか、または用量推奨値の表示可能な内訳として表示することができる。ユーザは、推奨用量の一部であるこれらのパラメータを表示することができるが、これらの値は厳密には情報を提供するものであり、ユーザが編集できない場合がある。
対照的に、ＤＧＡは、ユーザのＨＣＰが、例えば、臨床医向けシステムウェブアプリケーションの一部としてこれらの値を表示できるように構成することができ、また、ＨＣＰがこれらのパラメータのうちの１つ以上を編集することができるように構成することもできる。このウェブアプリケーションは、グルコース濃度プロファイルだけでなくインスリン投薬統計量など、患者のグルコース値のセットを通じて、患者のパフォーマンス指標を表示することができる。他の治療レジメンの変更に対応するためにＨＣＰが用量推奨値を修正したい場合、臨床医向けウェブアプリケーションは、上述したものを含むがこれに限定されないユーザ固有の投与パラメータをＨＣＰが編集できるようにすることができる。
例示的な一実施形態では、図１６Ａのフロー図に記載されているように、例示的な方法８００で、ステップ８０１において、ＨＣＰは、用量ガイダンスアプリケーションにおいて対象のインスリン用量ガイダンスを提供するために使用される少なくとも１つのパラメータを調整して、新しいインスリン用量ガイダンスを作成することができる。例えば、ＨＣＰは、固定投薬量、目標グルコース、補正係数、およびインスリン作用時間のうちの少なくとも１つを調整することができる。少なくとも１つのパラメータを調整して、新しいインスリン用量ガイダンスを作成する前に、ＨＣＰは、グルコース濃度プロファイルおよびインスリン統計量を表示して、対象が１日の任意の時間期間に低グルコースまたは高グルコースのパターンを経験しているかどうかを判定し、インスリン用量ガイダンスを調整する必要がある場合にはこれを通知することができる。高または低グルコースパターンは、本明細書の別の箇所に記載されているように、ＧＰＡにより決定することができる。
ＨＣＰが少なくとも１つのパラメータを変更した後、ステップ８０２において、対象に新しいインスリン用量ガイダンスに関する通知を行うことができる。さらに、用量ガイダンスが変更された理由の説明も対象に提供することができる。一実施形態では、ユーザおよびＨＣＰの一方または両方が、変更が有効になる前に、用量ガイダンスの任意の変更を承認することができる。パラメータおよび用量ガイダンスは、一定期間（例えば、センサの寿命に合わせて１４日間）固定とすることができるが、アルゴリズムの継続的な学習の一部として、変更されていない任意のパラメータをさらに変化させることもできる。
ステップ８０４において、ＤＧＡは、少なくとも１つのパラメータが調整された後の時間期間中、例えば１４日間のうちに、対象が低血糖のエピソードを経験するかどうかを判定することができる。この時間期間中に低血糖の任意の事例が観察された場合、ＨＣＰに直ちに通知し、パラメータをオーバーライド前または調整前の値に戻すべきかどうかを判定することができる。この時間期間の終了時に、ＨＣＰは、時間期間中の対象のパフォーマンス、例えば、対象のグルコース濃度プロファイルおよびインスリン統計量を詳しく調べ、投薬パラメータの調整を維持すべきかどうかを確認するように求められることができる。ＨＣＰが投薬パラメータの調整を維持することを決定した場合、これらの値は、将来の用量を調整するための初期条件として使用することができる。これらの値に関連するすべての過去データの履歴は、将来の用量推奨値において否定されるか、または非常に軽く考慮される。
ＨＣＰが、例えばウェブアプリケーションを介してＤＧＡを更新せずに、投薬量の変更を口頭でユーザに通知するだけの場合、出力された用量ガイダンスと投与された用量との間に差が生じる可能性がある。このような差が長期間（例えば、３日間）にわたって一貫して観察される場合、ＤＧＡはユーザおよびＨＣＰの両方に通知を提供し、投薬量の任意の変更があったかどうかを問い合わせることができる。ユーザおよびＨＣＰの両方が確認した場合、アルゴリズムは上述の戦略を採用することができる。さらに、システムは、このような持続的な変更の理由を入力するようにユーザに促すことができる。
また、ＤＧＡには「１０％」減少ボタンを搭載することもできる。ＨＣＰが特定の用量推奨値に関連して選択した場合、用量推奨値は自動的に１０％（例えば１Ｕ）減少する。例えば、ＨＣＰは、非インスリン薬剤の服用量が変更された結果、患者のインスリン用量を減らしたい場合がある。この服用量の変更は、患者をインスリンに対してより敏感にすることが知られている可能性がある。したがって、患者の現在のインスリン療法は、グルコースを下げる効果が強すぎて低血糖を引き起こす可能性がある。予防措置として、ＨＣＰはインスリン用量を減らすことができる。この例では、ＤＧＡは、今後、調整された値に基づいてタイトレーションすることができる。
インスリンおよびグルコースのデータからのオンボードグルコースセンサの故障検出
グルコースセンサ１０１は、現在のセンサを取り外して交換するようにユーザに通知するための故障検出を内蔵することができるが、ＤＧＳ１００は、インスリン総量を介して故障検出を提供するように構成することもできる。
例示的な一実施形態では、図１６Ｂのフロー図に記載されているように、ステップ８０８から始まる例示的な方法８０７で、対象のインスリン用量データをＭＤＤ１５２から受信することができる。
ステップ８１０において、ＤＧＡは、複数の推奨インスリン投薬量が、ある期間にわたって投与された複数の前のインスリン用量と比較して異なるかどうかを判定することができる。複数のインスリン用量ガイダンスの各々と、投与された複数の前のインスリン用量の各々とは、ＴＯＤ期間に関連付けられており、複数のインスリン用量ガイダンスの各々は、同じＴＯＤ期間に関連付けられている投与された複数の前のインスリン用量のうちの１つと比較して、差を判定することができる。用量ガイダンスが、同じ時間期間に投与された対応する先行用量と異なる場合に、差が検出される。センサ１０２が過去のセンサと比較してより高いグルコースレベルを読み取っている場合、推奨用量を、増加した高グルコースの補正のために同様に高くすることができる。逆に、センサ１０２が過去のセンサに比べてはるかに低い値を有している場合、低血糖を防ぐために推奨用量を直ちに低くすることができる。
ステップ８１１において、ＤＧＡは、差分が検出された期間の開始に近接した時間に、新しいセンサがＳＣＤ１０２に接続されたかどうかを判定することができる。新しいセンサが最近ＳＣＤに接続されたと判定された場合、ステップ８１２において、ＤＧＡは、新しいセンサと交換することを推奨することができる。センサのグルコース読み取り値が高かったり低かったりする理由は複数存在するが、これらの異常なグルコースレベルおよび用量ガイダンスの開始が新しいセンサの配置と一致し、センサ１０２を装着している間持続する場合、故障したセンサがこのような逸脱の根本的な原因である可能性がある。この場合、ＤＧＡは、グルコースセンサ１０２を交換するようにユーザに通知してもよい。
併用療法または新しいインスリンタイプに応答した投薬戦略の変更
２型糖尿病患者の集中的な糖尿病治療は、非常に複雑であることが多い。糖尿病患者は、インスリンに加えて、インスリン感受性が徐々に低下する中でグルコースのホメオスタシスを改善するために、相補的または相乗的に作用する様々な薬物を摂取していることが多い。分泌促進薬またはインクレチンを用いた治療法などの補助療法の変化は、内因性インスリン産生と組織のインスリン感受性との両方に影響を与える可能性がある。その結果、補助療法の変更は、その後の外因性インスリンの有効性に影響を与える可能性があり、インスリン用量ガイダンスの一部として考慮されるべきである。同様の状況は、ユーザが異なるインスリンに切り替えた場合にも生じる可能性がある（例えば、速効型から超速効型へ、または１日１回のベーサルから１日２回のベーサルへ）。
投薬戦略の変更は、ＨＣＰが患者の補助療法またはインスリンタイプを変更した場合に起こり得る。この場合、上述のように、ＨＣＰは、上述したとおり低血糖エピソードを最小限に抑えるために、インスリン投薬パラメータの調整を提供することができる。しかしながら、場合によっては、ＤＧＡは、補助療法または投薬推奨値の変更を知らされないこともある。この場合、システムは、ある時間期間にわたるインスリン用量に関連する差分の傾向を監視することができる。
例示的な一実施形態では、図１６Ｃのフロー図に記載されているように、ステップ８１４から始まる例示的な方法８１３で、対象のインスリン用量データをＭＤＤ１５２から受信することができる。
ステップ８１６において、ある時間期間にわたって第１の時間帯に投与された複数のインスリン用量に関連する差分の傾向を、ＤＧＡにより検出することができる。差分の傾向としては、提案された用量と投与された用量との間の差分だけでなく、所与の用量値での前の投与と比較したその用量の有効性の差分（応答の大きさまたは寿命いずれかにおいて）も挙げることができるが、これらに限定されない。ある期間にわたる差分の傾向が観察された場合、ステップ８１８において、ＤＧＡは、差分の傾向に関する通知をユーザ、ＨＣＰまたはその両方に提供することができる。この期間は、約２日、あるいは約３日、あるいは約４日とすることができる。一実施形態では、ＤＧＡはまた、差分の傾向を説明するために、治療法の変更の確認を求めるプロンプトをＵＩＤ２００上でＨＣＰおよび／またはユーザに出力することもできる。
差分の傾向として、投与された用量がＤＧＡの推奨用量と一貫して異なる場合、上記「ＨＣＰによる用量ガイダンス設定のオーバーライド」の項で述べたように、ＨＣＰがユーザの投薬パラメータをオーバーライドした可能性がある。差分の傾向として、推奨用量が過去の投与と比較して食後のグルコース制御に顕著で一貫した差分を有する場合、インスリン有効性が変化した可能性がある。このインスリン有効性の変化は、大きさ（補助療法の変化を示す）または持続時間（インスリンアナログの変化を示す）のいずれかである。
補助薬物が変更された場合、ユーザおよびＨＣＰが変更を確認すると、ＤＧＡは保守的なモードに移行し、用量の提案が前の用量ガイダンスの数分の一になるように設定することができる。次いで、ＤＧＡは、これらの新しい条件を最適化するために、投薬パラメータおよび投薬量をタイトレーションすることができる。インスリンタイプが変更された場合（例えば、速効型から超速効型へ）、両者間の市場での違いは薬物の急速なオンセット／オフセットにあるため、反応の大きさは変わらないはずである。むしろ、反応持続時間が変化する可能性がある。この対策として、新しいインスリンタイプの人口ベースの値を使用して、システムがこれに関する新しい個別化された値を決定することができるまで、インスリン作用継続時間を推定することができる。
推奨された用量ガイダンスと異なる用量をユーザが摂取する場合
ＤＧＡはユーザに用量を推奨することができるが、ＤＧＳ１００はユーザが用量ガイダンスを厳密に守ることを保証するものではない。ＤＧＡは、投与された用量と推奨された用量との差分を記録し、その差分の傾向を検出することができる。観察された持続的な傾向については、上記の「ＨＣＰによる用量ガイダンス設定のオーバーライド」および「補助療法または新しいインスリンタイプに応答した投薬戦略の変更」の項で説明している。
例示的な実施形態では、図１６Ｄのフロー図に記載されているように、ステップ８２２から始まる例示的な方法８２０で、ＤＧＡは、第１の時間期間に提供された用量ガイダンスと比較した、第１の時間期間に対象に投与されたインスリン用量に関連する差分を検出することができる。ＤＧＡは、用量ガイダンスを、ＭＤＤ１５２から受信したインスリン用量データと比較して、用量ガイダンスで示された用量以外の用量がユーザに投与されたかどうかを判定することができる。投与された用量は、提供された用量ガイダンスと比較して、摂取されたインスリンの量が異なるか、または摂取されたインスリンのタイプが異なる可能性がある。
用量ガイダンスと異なる用量を摂取する特別な例としては、ユーザが間違ったインスリンを正しい量だけ摂取した場合が挙げられる（例えば、速効型の代わりに長時間作用型を注射した場合またはその逆）。ＤＧＡは、任意の投薬シナリオに対して、所与のインスリンアナログタイプの最適な用量を計算することができ、すなわち、食事時および補正時の用量には速効型を、ベーサル投与には長時間作用型を使用する。いかなる誤りも回避するために、ＤＧＡは、ＵＩＤ２００の用量ガイダンス中に、インスリンのタイプおよび量の両方を出力することができる。ＭＤＤ１５２は、投与されたインスリンの量およびタイプの両方を記録して送信することができる。ＤＧＡは、注射にどのインスリンタイプが使用されたかについての情報を収集し、任意の差分を検出することができる。差分が検出されると、ＵＩＤ２００上でユーザに通知を行うことができる。この通知は、ＤＧＡが異なるインスリンタイプが使用されたことを検出し、ユーザに確認してもらうように示すためのものであってよい。
ユーザが誤ったタイプのインスリンを投与した場合、低血糖アラームがトリガされる前であっても、重度の低血糖エピソードの可能性をユーザにアラートするために、インスリン不一致の通知をＵＩＤ２００に出力して、できるだけ早くユーザにアラートすることができる。例えば、長時間作用型の用量の代わりに速効型の用量を摂取した場合、重度の低血糖が差し迫っている可能性がある。その理由は３つあり、（１）速効型インスリンはその名の通り、長時間作用型よりも投与後すぐに顕著な効果を発揮する、（２）１日１回の長時間作用型の投薬は、１回の食事時の速効型の投薬よりもはるかに大きな量になる可能性がある、（３）最後の食事時の投薬のタイミングに応じて、誤った速効型ボーラスがインスリンスタッキングを引き起こす可能性がある、というものである。速効型の食事時用量の代わりに長時間作用型の用量を摂取した場合、結果がより予測不可能なものとなる可能性がある。長時間作用型インスリンは速効型インスリンと比較して薬物動態および薬力学的プロファイルが遅いため、長時間作用型インスリンを誤って投薬した後の食後血糖値は、注射後すぐに患者に高血糖を引き起こす可能性がある。前の長時間作用型の投薬のタイミングに応じて、特に現在の用量が注射後約６時間でその最大血漿濃度に達するため、インスリンスタッキングとこれに続く低血糖の可能性が存在する。ユーザは、ＵＩＤ２００の通知内で重度の低血糖の可能性に気付くことができる。いずれの状況においても、ＤＧＡは、注射のためのインスリンオンボード値がゼロに近くなるまで（例えば、速効型の場合は約５～６時間、長時間作用型の場合は１２～２４時間）、インスリン用量に関するいかなる推奨も行わなくてもよい。これらの期間中のグルコースデータは、更なるパラメータの改善および用量タイトレーションに使用されないようにシステムによってフラグを立てることもできる。
ステップ８２４において、ＤＧＡは、第１の時間期間に投与されたインスリン用量に関連する低血糖エピソードを検出することができる。ＤＧＡは、例えば、グルコースレベルが７０ｍｇ／ｄＬ未満に低下したとき、低血糖エピソードを決定することができる。
ステップ８２６において、ＤＧＡは、第１の時間期間に投与されたインスリン用量に関連する任意の低血糖エピソードが検出されたことを対象および／またはＨＣＰに通知することができる。この通知は、ＵＩＤ２００に出力することができる。ＤＧＡは、ユーザが推奨インスリン用量よりも高い量を持続的に摂取することで低血糖を経験したことを観察した場合、予測低血糖アラートをＵＩＤ２００に出力して、実際の低血糖イベント自体が起こる前の期間にユーザに通知し、その場で関連する副作用を軽減することができる。しかしながら、推奨値を超えて持続的に（例えば、３つの別個のエピソード、あるいは４つの別個のエピソードとして定義される）投薬することにより低血糖が発生した場合、システム電話アプリケーションを介してユーザと、また臨床医向けウェブアプリケーションを介してＨＣＰとの両方に、この傾向の両方をアラートする通知を送信することができる。
より広範な傾向の一部ではないと思われる差分は、ＤＧＡによってメモされ、所与の用量は、個々の投薬パターンの継続的な学習システムに組み込むことができる。任意の投与された用量と同様に、食後の指標をメモすることができる。異なる用量が食後低血糖（例えば、７０ｍｇ／ｄＬ未満）または他の否定的な結果と関連するときは常に、その用量にフラグを立て、ユーザおよびＨＣＰの両方がそれぞれ投薬アプローチを改善できるようにすることができる。このフラグは、ＨＣＰに対してはグルコースパターンレポートのメモ、ユーザに対してはＤＧＡインスリンログブックのメモという形で表示することができる。
多数の投薬を連続して行うシステムの仕組み
正確な用量の記録を保証するために、ＤＧＡは複数のインスリン注射が短時間で連続して行われる状況を正しく解釈できなければならない。こうした状況が発生し得る事例としては、実際の投薬前のプライミング（潜在的に複数回）および所与の投薬推奨値に対する複数回の注射が挙げられる。
例示的な一実施形態では、図１６Ｅのフロー図に記載されているように、ステップ８２８から始まる例示的な方法８２７で、対象のインスリン用量データをＭＤＤ１５２から受信することができる。
ステップ８３０では、ＤＧＡは、複数のインスリン用量の投与を検出することができる。複数のインスリン用量は、少なくとも最初の用量および最後の用量を含み、最後の用量は、最初の用量の時間期間内に投与される。複数の用量が短い時間期間内に投与される場合、投与される用量の少なくとも１つはプライミング用量であり得る。インスリン送達における手順上のベストプラクティスは、注射のたびに新しいニードルを使用し、用量投与前にそれぞれの新しいニードルにインスリンでプライミングを行うことである。これは、ニードルの先端にインスリンが見えるようになるまで、少量のインスリン（一般的には２Ｕ）を空気中に分注することによって行われ、ニードルが注射剤でいっぱいになったことを示す。プライミング量を区別するために、ＤＧＡは、（１）プライミング用量は一般的に実際の用量よりもはるかに少ない、（２）プライミング用量は毎回同じ量である、（３）プライミングと投薬との間でほとんど時間が経過していない、と想定することができる。あるいは、短い時間期間に複数の用量が投与される場合、注射しなければならない量が多いため、実際には分割投薬となる可能性がある。例えば、ユーザのＭＤＤ１５２は、要求された投薬量よりもインスリンの残量が少ない可能性があり、カートリッジの交換とこれに続く余分な注射とが必要になる。
ステップ８３２において、ＤＧＡは、第１の基準が満たされた場合に、投与された用量として最後の用量を記録することができる。第１の基準は、最後の用量が、最初の用量の約１分以内、または約２分以内、または約３分以内に投与された場合に満たされ得る。このような状況では、ＤＧＡは、最初の用量およびその後の任意の中間的な用量（最後の用量を除く）がプライミング投薬であり、ひいては実際に投与された用量とは見なされないと考えることができる。したがって、ＤＧＡは、投与された用量として最後の用量のみを記録するように構成することができる。通常、プライミング投薬は少量のインスリンを含むため、別の実施形態では、最初の用量が最後の用量よりも実質的に小さければ、第１の条件が満たされ得る。例えば、最初の用量が最後の用量の約１０分の１、または約５分の１、または約４分の１、または約３分の１であれば、第１の条件が満たされ得る。
あるいは、ステップ８３３において、ＤＧＡは、第２の基準が満たされた場合、投与された用量の量として最初の用量と最後の用量とを合わせた量を記録することができる。第２の基準は、プライミングのための時間期間（例えば、１～３分間）よりも長い時間期間（例えば、約４～約３５分間、または約５～約３０分間）中に行われた複数のより小さい注射を介して単回用量が送達される場合に満たされ得る。例えば、ユーザのＭＤＤ１５２は、要求された投薬量よりもインスリンの残量が少ない可能性があり、そのため、カートリッジの交換とこれに続く余分な注射とが必要になる。この場合、ＤＧＡは、これらの注射を別個のエピソードとして解釈するのではなく、同じ投薬エピソード内の２つの動作として解釈することができる。そのために、ＤＧＡは投薬の記録に待ち時間を採用し、最初の用量投与から約３０分後にはじめてインスリン用量の値を記録することができる。例えば、ＤＧＡが食事時に１０Ｕの投薬を推奨しているが、インスリンカートリッジに４Ｕしか残っていない場合、最初の４Ｕと残りの６Ｕの２回に分けて注射を行うことになる。２回目の注射に新しいニードルを使用した場合、中間プライミング用量も発生する可能性がある。最初の４Ｕが与えられると、ＤＧＳ１００は残りの６Ｕを探しに行く。６Ｕの用量が最初の用量から３０分以内に到着した場合、ＤＧＡはこれを１つの１０Ｕ用量と見なすことができる。実際の用量の間に１つ以上のプライム用量が検出された場合、ＤＧＡは、最初の用量と最後の用量との間のすべての用量をプライムと見なし、ひいては最終的な投薬量に含まれないようにすることができる。ＤＧＡは、ＭＤＤ１５２と通信しているため、ＤＧＡは、インスリンカートリッジの残量をインスリン用量情報とともにインポートするように構成することができる。カートリッジ内に残っているインスリン量を知ることで、ＤＧＡは、カートリッジ切り替えによる分割用量を予測し、さらにはユーザにインスリン量の残りについて通知するように構成することができる。
別の実施形態では、ＤＧＡは、プライミング用量とその後の用量とを分割用量と見なし、その２つの用量を加算して、プライム用量を含む単一の食事時の値を得るように構成することができる。プライム用量が食事用量よりもはるかに少ない場合、プライム用量はアルゴリズムによる用量ガイダンスのタイトレーションにほとんど影響を与えない可能性がある。このことは、以下で説明する分割用量のロジックに似ている。正確ではないが、プライミング量が注射量よりもはるかに少ないという想定は、インスリン抵抗性の増大に苦しんでいる２型糖尿病患者にとって合理的であり得る。
投薬忘失時のグルコースデータを用いたタイトレーション
進行性の疾患に対して最適な投薬アドバイスを提供するために、ＤＧＡはユーザの特定の投薬パラメータの推定値を継続的に改善することができる。その結果、このアルゴリズム学習のベースとなる適切なデータストリームを識別する必要がある。結果の混同を回避するために、ＤＧＡは、ユーザ自身の臨床的に推奨される投薬戦略に沿ったインスリンおよびグルコースのデータのみに基づいて学習を行うように構成することができる。このような戦略には、ベーサルのみ、ベーサルと１回の食事時速効型インスリンの投薬、ベーサルと２回の食事時速効型インスリンの投薬、およびベーサルと３回の食事時速効型インスリンの投薬の完全な頻回注射戦略が含まれるが、これらに限定されない。
例示的な一実施形態では、図１６Ｆのフロー図に記載されているように、ステップ８３４から始まる例示的な方法８３３で、対象のインスリン用量データをＭＤＤ１５２から受信することができる。
ステップ８３６で、ＤＧＡは、インスリン用量の投与忘失を検出することができ、インスリン用量は、作用継続時間に関連する時間期間を有する。例えば、ＤＧＡは、用量ガイダンスが提供され得る前の初期学習期間中に、ユーザの投薬戦略を最初に識別することができる。また、自動化された食事検出方法およびBluetooth接続されたＭＤＤ１５２からのデータを使用して、システムは、食事イベントおよびその付随する用量を識別することもできる。そのため、ＤＧＡは、所与の食事に対して投薬が忘失されなかったかどうかを判定することができる。ユーザの長時間作用型ＭＤＤ１５２から報告されたデータがない場合、ベーサル投薬の忘失を検出することができる。
ステップ８３８において、ＤＧＡは、インスリン用量ガイダンスの調整を決定する際に、その時間期間に関連するグルコース分析物データを無視することができる。食事時の１回の投薬忘失が、過去に発生したものと比較して、血糖値およびインスリンボーラスの上昇を引き起こす可能性がある。これらの食事時用量の変化だけでなく、食事が忘失された後のグルコースレベルも、ＤＧＡが所与の投薬戦略について決定した現在の用量タイトレーションを歪める可能性がある。同様に、ベーサル投薬が忘失されると、一般的に１日と想定されているインスリン作用継続時間中、グルコースの持続的な上昇を引き起こす可能性がある。その結果、ＤＧＡアルゴリズムには、インスリン用量を伴う食事から得られたグルコースおよびインスリンのデータのみが含まれることになる。速効型インスリンの場合、作用継続時間は、約４時間、あるいは約５時間、あるいは約６時間、あるいは約４時間～約６時間であり得る。例えば、朝食投薬が忘失された場合、朝食開始後に得られた４時間分のグルコースデータは用量タイトレーションに含まれていない場合がある。長時間作用型インスリンの場合、作用継続時間は、約１８時間、または約２０時間、または約２４時間、または約２０時間～約２４時間であり得る。長時間作用型インスリンは、食事の間の正常血糖の維持と糖尿病性ケトアシドーシスの予防との両方に役立つため、システムアルゴリズムには、ベーサル投薬が忘失された場合の作用継続時間内のデータが含まれていない場合がある。例えば、インスリングラルギンは、インスリン作用継続時間が２４時間と報告されている。グラルギンを服用しているユーザが１日のベーサル投薬を忘失した場合、その後の２４時間のすべてのデータは、システムによって用量タイトレーションに使用されることはない。
投与忘失がないようにユーザに促す
適切にタイトレーションされたインスリン用量レジメンを遵守することで、投薬忘失に関連する高血糖だけでなく、過補償な補正投薬による低血糖も減少させることで、糖尿病管理を改善する。ＤＧＡは、服薬アドヒアランスのプラスの影響を強調する、実用的で簡単に解釈できるデータをユーザに提供するように構成することができる。このような方法の１つとして、投薬忘失があった時間期間と投薬忘失がなかった時間期間のグルコース制御指標または別の関連する統計値を比較する定期的な更新を提供することが挙げられる。
例示的な一実施形態では、図１６Ｇのフロー図に記載されているように、ステップ８４１から始まる例示的な方法８４０で、対象のインスリン用量データをＭＤＤ１５２から受信することができる。
ステップ８４２において、ＤＧＡは、インスリン用量の投与忘失を検出することができる。ステップ８４６において、ＤＧＡは、対象のグルコースレベルが第１および第２の時間期間において目標範囲（ＴＩＲ）に留まっていた時間量を決定することができる。目標範囲は、ＤＧＡ、ユーザまたはＨＣＰにより設定することができる。目標範囲は、約７０ｍｇ／ｄＬ～約１８０ｍｇ／ｄＬ、または約７０ｍｇ／ｄＬ～約１９０ｍｇ／ｄＬ、または約７０ｍｇ／ｄＬ～約２００ｍｇ／ｄＬとすることができる。第１の時間期間と第２の時間期間とは同じ時間量とすることができ、第１の時間期間はインスリン用量の投与忘失を含まず、第２の時間期間はインスリン用量の投与忘失を含んでいる。このように、投薬忘失を含む期間と投薬忘失を含まない期間のＴＩＲの比較を準備することができる。
ステップ８４８において、ＤＧＡは、第１および第２の時間期間の決定されたＴＩＲをユーザに通知することができる。決定された２つのＴＩＲの差が閾値よりも大きい場合（すなわち、第１の期間のＴＩＲから第２の期間のＴＩＲを差し引いたもの）、良好な投薬行動を促すだけでなく、服薬アドヒアランスの利点についてユーザを教育するために、肯定的なメッセージをＵＩＤ２００上でユーザに表示することができる。例えば、食事投薬が忘失された日と比較して、すべての用量を服薬した日はグルコース制御指標が１０％増大することをユーザに通知することができる。
安全機能
本明細書に記載されているＤＧＳ１００の安全機能の例示的な実施形態は、ガイダンスおよびタイトレーションプロセスにおけるユーザの安全性を優先している。現在のインスリンボーラス用量計算機は、静的な投薬パラメータを利用して用量提案値を計算している。ユーザまたはＨＣＰがこれらの値を更新すると、試行錯誤のプロセスとなり、場合によっては低血糖を引き起こす可能性がある。ＤＧＡは、自動化されたプロセスとして、ユーザのインスリンおよびグルコースのデータを利用して、これらのパラメータをタイトレーションし、ユーザに合わせて変更可能な用量ガイダンスを提供することができる。推奨されるタイトレーションが投薬後に低血糖を引き起こすことがないように、安全対策を組み込むことができる。
安全なタイトレーション方法
ＤＧＡのタイトレーションロジックは、低血糖の時間帯が緩和されるまで、用量タイトレーションを増やさないように設定することができる。ＨＣＰが手動でタイトレーションを行う場合、ＨＣＰは時間の浪費を抑えるために、できるだけ早く完全なタイトレーションを行うために、一部の用量を増やし、他の用量を減らしたいと思う可能性がある。しかしながら、自動化されたシステムでは、それほど積極的にタイトレーションを行うことはできず、ＨＣＰの時間を必要としないため、時間がかかる（より保守的で安全になる）。したがって、低血糖の患者は、タイトレーションを開始した当初は高い平均グルコース値を経験する可能性があるが、低血糖が緩和されると、血糖目標を達成するためにインスリン用量を安全に増やしてもよい。
食後に高グルコースパターンを検出する際の１つの問題点として、前の食事が食後グルコースを有している可能性があり、その結果、次の食事が高グルコースで始まることである。これが発生する場合、開始グルコースが高いため、次の食事で誤って高パターンが示される可能性がある。この問題に対処するために、ＤＧＡのタイトレーション戦略は、必要に応じて、食事用量をタイトレーションする前に、まず夜間用量をタイトレーションするステップを含むことができる。さらに、まず高グルコースパターンを有する最も早い食事をタイトレーションしてから、高グルコースパターンを有するその日の後の食事を順番にタイトレーションするという順序で、食事用量をタイトレーションすることができる。例えば、夜間の期間に関連するインスリン用量をタイトレーションするための推奨事項を最初に行ってもよい。次に、任意の食後の時間期間中に検出された任意の高グルコースパターンに対して、朝食に関連するインスリン用量のタイトレーションの推奨事項は、昼食に関連する用量の推奨事項を提供する前に提供されてよく、昼食に関連する用量の推奨事項は夕食に関連する用量の推奨事項を提供する前に提供される。まず前の食事をタイトレーションすることで、次の食事のための食前の高グルコースが最小限に抑えられ、推奨されるタイトレーションが次の食事のタイトレーションに影響を与えたり、干渉したりする見込みが少なくなる。
本明細書に記載されている実施形態について、ＤＧＡは、本明細書の別の箇所に記載されているＧＰＡに関して説明したように、高／低パターンを検出することができる。
本明細書に記載されている実施形態について、ＤＧＡは、インスリン用量の変更（例えば、増大または減少）を推奨するように構成することができる。推奨される変更量は、任意の所望のインスリン量、例えば、１単位の何分の１（０．１単位もしくは０．５単位）、または１単位（１．０単位）、または２単位以上のインスリン（２．０以上）、またはこれらの任意の組み合わせとすることができる。説明を容易にするために、本明細書に記載されている実施形態では、１単位のインターバルでの調整に言及する。
ＤＧＡは、安全なタイトレーションの実施形態で説明した様々なステップを様々な異なる方法で実行することができる。例えば、これらのステップは、各食事の前、または１日の始まり、あまたは１日の終わり、または毎日、または１日おき、または３日おき、またはユーザがＤＧＡに用量推奨値を照会するとき、またはこれらの組み合わせで実行することができる。
例示的な一実施形態では、ＤＧＡは、測定されたグルコースデータ（例えば、ＳＣＤ１０２から）にアクセスすることができる。ＤＧＡは、夜間の期間に高グルコースパターンがあるかどうかを判定することができる。夜間の期間に高パターンが検出された場合、ＤＧＡは、用量ガイダンスを変更することができる。例えば、ＤＧＡは、ベーサル用量のための用量ガイダンスの薬物の量を増やすことが安全である場合、例えば１日の任意の期間において任意の低グルコースパターンを引き起こすことなく行える場合は、増やすことができる。次いで、ＤＧＡは、１日のうちの少なくとも１つの食後期間に高グルコースパターンがあるかどうかを判定することができる。高パターンが検出された場合、ＤＧＡは、その日のうちの少なくとも１つの食後期間のうち最も早い期間に関連する用量ガイダンスの薬物量を増やすことができる。ＤＧＡは、その後、高グルコースパターンを有すると判定された１日のうちの少なくとも１つの食後期間のうちの次の最も早い時間期間に関連する用量ガイダンスの薬物量を増やすことができるように構成することができる。
別の例示的な実施形態では、図１７Ａのフロー図に記載されているように、例示的な方法８５０のステップ８５２において、ＤＧＡは、対象の分析物データにおいて少なくとも第１の時間帯に低グルコースパターンを検出したことに応答して、少なくとも第１の時間帯に対する先行用量よりも少ない第１の用量ガイダンスを出力することができる。第１の用量ガイダンスは、ＵＩＤ２００に出力することができる。低グルコースパターンが検出された場合、ＤＧＡは、低グルコースパターンが検出された期間に関連する用量ガイダンスを出力することができる。ＤＧＡは、低グルコースパターンが検出されなくなるまで、高グルコースパターンに対処するためのインスリン用量のいかなる削減も推奨しないように構成することができる。
ステップ８５６において、ＤＧＡは、対象の分析物データにおいて夜間の期間に高グルコースパターンを検出したことに応答して、夜間の期間に対する先行用量よりも少ない第２の用量ガイダンスを出力することができる。例えば、ＤＧＡは、ベーサル用量の増加を推奨することが安全である場合、例えば、このような増加が１日の別の時間期間に低グルコースパターンを引き起こさない場合は、推奨することができる。
ステップ８６０において、ＤＧＡは、対象の分析物データにおいて少なくとも１つの食後期間に高グルコースパターンを検出したことに応答して、少なくとも１つの食後期間に対する先行用量よりも少ない第３の用量ガイダンスを出力することができる。一実施形態では、ＤＧＡは、１日の任意の時間期間に見出された高グルコースパターンのすべてを検出するように構成することができる。別の実施形態では、ＤＧＡは、朝食後の期間が高グルコースパターンを有するかどうかを検出するように構成することができ、次いで、ＤＧＡは、昼食後の期間が高グルコースパターンを有するかどうかを検出するように構成することができ、次いで、ＤＧＡは、夕食後の期間が高グルコースパターンを有するかどうかを検出するように構成することができる。
複数の食後期間に高グルコースパターンが存在すると判定された場合、ＤＧＡが出力する第３の用量ガイダンスは、１日の中で最も早くに発生した高グルコースパターンを有する食後期間に関連付けることができる。例えば、朝食後と昼食後との期間の両方で高グルコースパターンが検出された場合、ＤＧＡは、昼食に関連する推奨インスリン用量の増加を推奨する前に、朝食に関連する推奨インスリン量を増やすことができる。さらに、ＤＧＡは、昼食に関連する推奨インスリン用量の増加を推奨する前に、朝食後の期間の高グルコースパターンが緩和されたかどうかを再評価することができる。
別の例示的な実施形態では、図１７Ｂのフロー図に記載されているように、ステップ８６４から始まる例示的な方法８６２で、ＤＧＡは、１日の任意の期間に低グルコースパターンを検出することができる。低パターンは、別の箇所で説明したようにＧＰＡに基づいて検出することができる。低グルコースパターンが検出された場合、ステップ８６６において、ＤＧＡは、低グルコースパターンが検出された１日の期間の第１の用量ガイダンスを出力することができる。第１の用量ガイダンスは、低グルコースパターンが検出された１日の期間に投与された先行用量と比較して、より少ない薬物量を含むことができる。ＤＧＡは、低グルコースパターンがいずれの時間期間においても検出されなくなるまで、高グルコースパターンに対処するためのインスリン用量のいかなる増加も推奨しないように構成することができる。
ステップ８６８において、ＤＧＡは、夜間の期間に高グルコースパターンが存在するかどうかを検出することができる。高グルコースパターンが検出された場合、ステップ８７０において、ＤＧＡは、ベーサル用量のための第２の用量ガイダンスを出力することができる。例えば、第２の用量ガイダンスは、このような修正が安全であるとＤＧＡが判定した場合、例えばこのような増加が１日の別の時間期間に低グルコースパターンを引き起こさない場合、事前のベーサル用量よりも高い薬物量を含むことができる。一実施形態では、第２の用量ガイダンスは、前日に投与されたベーサル用量よりも高い薬物量を含むことができる。
ステップ８７２において、ＤＧＡは、朝食後の期間に高グルコースパターンが存在するかどうかを検出することができる。高グルコースパターンが検出された場合、ステップ８７４において、ＤＧＡは、第３の用量ガイダンスを出力することができる。第３の用量ガイダンスは、朝食に関連する推奨インスリン用量を増やすことができ、すなわち、第３の用量ガイダンスは、事前の朝食後用量よりも高い薬物量を含むことができる。一実施形態では、第３の用量ガイダンスは、前日に投与された朝食後用量よりも高い薬物量を含むことができる。
ステップ８７６において、ＤＧＡは、昼食後の期間に高グルコースパターンが存在するかどうかを検出することができる。高グルコースパターンが検出された場合、ステップ８７８において、ＤＧＡは、第４の用量ガイダンスを出力することができる。第４の用量ガイダンスは、昼食に関連する推奨インスリン用量を増やすことができ、すなわち、第４の用量ガイダンスは、事前の昼食後用量よりも高い薬物量を含むことができる。一実施形態では、第４の用量ガイダンスは、前日に投与された昼食後用量よりも高い薬物量を含むことができる。
ステップ８８０において、ＤＧＡは、夕食後の期間に高グルコースパターンが存在するかどうかを検出することができる。高グルコースパターンが検出された場合、ステップ８８２において、ＤＧＡは、第５の用量ガイダンスを出力することができ、すなわち、第５の用量ガイダンスは、夕食に関連する推奨インスリン用量を増やすことができ、すなわち、第５の用量ガイダンスは、事前の夕食後用量よりも高い薬物量を含むことができる。一実施形態では、第５の用量ガイダンスは、前日に投与された夕食後用量よりも高い薬物量を含むことができる。一実施形態では、ＤＧＡは、夕食に関連する推奨インスリン量を増やすことが安全である場合、例えば夜間の期間に低グルコースパターンを引き起こすことなく増やすことができる場合にのみ、増やすことができる。
別の例示的な実施形態では、図１７Ｃのフロー図に記載されているように、例示的な方法８８３のステップ８８５で、ＤＧＡは、ＧＰＡを参照して説明したように、夜間の期間に高グルコースパターンが存在するかどうかを検出することができる。
夜間の期間に高グルコースパターンが検出された場合、ステップ８８６において、ＤＧＡは、ベーサル用量の増加が１日のいずれかの時間期間に低グルコースパターンを引き起こすかどうかを判定することができる。ベーサル用量の増加が１日のいずれかの時間期間に低グルコースパターンを引き起こすことができる場合、ステップ８８７において、ＤＧＡは、低グルコースパターンを有すると判定された１日の期間に対する第１の用量ガイダンスを出力することができる。第１の用量ガイダンスは、低グルコースパターンを有すると判定された期間に関連する推奨インスリン用量を低減することができ、すなわち、第１の用量ガイダンスは、１日の同じ期間に投与された先行用量よりも低い薬物量を含むことができる。一実施形態では、第１の用量ガイダンスは、１日の同じ期間に前日に投与された用量よりも低い薬物量を含むことができる。
ベーサル用量の増加が、どの時間期間においても低血糖パターンを引き起こすと判定されない場合、ステップ８８９において、ＤＧＡは、第２の用量ガイダンスを出力することができる。第２の用量ガイダンスは、夜間の期間における高グルコースパターンに対処するために推奨ベーサル用量を増やすことができ、すなわち、第２の用量ガイダンスは、事前のベーサル用量よりも高い薬物量を含むことができる。一実施形態では、第２の用量ガイダンスは、前日に投与されたベーサル用量よりも高い薬物量を含むことができる。ＤＧＡは、その後、ＤＧＡが、ステップ８８７において低グルコースパターンを有すると判定された時間期間に関連する１日の期間に関連する推奨インスリン量を減少させる第１の用量ガイダンスを出力した後、ステップ８８８において次のタイトレーション反復を実行し、次いで、ステップ８８５において夜間の期間に高グルコースパターンが存在するかどうかを判定することができるように構成することができる。
別の例示的な実施形態では、図１７Ｄのフロー図に記載されているように、ステップ８９１から始まる例示的な方法８９０で、ＤＧＡは、高グルコースパターンが夕食後の期間に存在するかどうかを検出することができる。高グルコースパターンが夕食後の期間に検出された場合、ステップ８９２において、ＤＧＡは、夕食に関連するインスリン用量を安全に増やすことができるかどうかを判定することができる。例えば、夕食に関連するインスリン用量が、夜間の期間における低グルコースパターンを引き起こす可能性がある場合、夕食用量を安全に増やすことはできない。
夕食に関連するインスリン用量を安全に増やすことができる場合、ステップ８９３において、ＤＧＡは、第１の用量ガイダンスを出力することができる。第１の用量ガイダンスは、夕食後の期間における高グルコースパターンに対処するために、夕食に関連する推奨インスリン用量を増やすことができ、すなわち、第１の用量ガイダンスは、事前の夕食後用量よりも高い薬物量を含むことができる。一実施形態では、第１の用量ガイダンスは、前日に投与された食後用量よりも高い薬物量を含むことができる。
夕食用量を安全に増やすことができない場合、ステップ８９４ａにおいて、ＤＧＡは、第２の用量ガイダンスを出力することができる。第２の用量ガイダンスは、推奨されるベーサルインスリン用量を減少または低下させることができ、すなわち、第２の用量ガイダンスは、事前のベーサル用量よりも低い薬物量を含むことができる。一実施形態では、第２の用量ガイダンスは、前日に投与されたベーサル用量よりも低い薬物量を含むことができる。ＤＧＡはまた、その後、ＤＧＡがステップ８９４ａにおいて推奨ベーサル用量を減少させた後、次いで、ステップ８９４ｂにおいて次のタイトレーション反復を実行し、次いで、ステップ８９１において食後期間に高グルコースパターンが存在するかどうかを判定することができるように構成することもできる。
ＭＤＤの接続性に関する問題点
正確な用量ガイダンスを行うためには、ＤＧＡが最新のグルコース分析物データおよびインスリン用量データにアクセスできる必要がある。どちらかのデータにギャップがあると、不正確な推奨が行われ、深刻な低血糖エピソードにつながる可能性がある。
例示的な一実施形態では、図１７Ｅに見られるように、ステップ８９６から始まる例示的な方法８９５で、ＤＧＡは、対象のインスリンデータ（例えば、ＭＤＤ１５２から）を受信するか、またはその他の方式でこれにアクセスすることができる。例えば、ＤＧＡは、ＭＤＤ１５２、ＭＤＤ関連アプリケーション、または最新のインスリン送達情報を格納するインタフェース（例えば、ＭＤＤアプリケーションウェブサーバ）を含むがこれらに限定されない様々なソースから送達情報を要求することによって、または最新のインスリン送達情報について様々なアプリケーションのメモリをチェックすることによって、最新のインスリン送達情報をチェックすることができる。
ステップ８９７において、ＤＧＡは、対象に投与された最後の用量に関連するデータを受信したかどうかを判定することができる。このステップは、用量投与の記録を担うデバイスまたはソフトウェアが、ＤＧＡまたはＤＧＡを実行するデバイスとは異なる実施形態に特に適用することができる。ＤＧＡが用量投与データを自動的に提供される（例えば、ＤＧＡがＭＤＤ１５２により実行されている）実施形態では、このステップは適用されなくてよい。
ＤＧＡは、様々な因子に基づいて、入手可能な最新のデータを有しているかどうかを判定することができる。一実施形態では、受信したインスリン用量データの時間的なギャップに基づいて判定することができる。例えば、ユーザが完全な頻回注射療法（ベーサル＋３回の食事時ボーラス）を行っている場合、ＤＧＡは、少なくとも約６時間ごとにＭＤＤ１５２またはその関連アプリケーションと通信することができる。その時間に通信が行われていない場合、ＤＧＡは、用量ガイダンスを与える前にＭＤＤ１５２をＤＧＡに接続する必要があると判定するように構成することができる。一実施形態では、ＤＧＡは、最後の用量投与を受信してからの時間のギャップ差が想定される食事間の時間よりも長い場合、最後に投与された用量に関連するデータを受信していないと想定することができる。例えば、想定される食時間の時間は、約５時間、または約６時間、または約６．５時間、または約７時間、または約７．５時間、または約８時間とすることができる。別の実施形態では、ＤＧＡは、ユーザのディスプレイデバイス１２０、例えばスマートフォンとＭＤＤ１５２との間でBluetooth通信が有効になっているかどうかを検出することができる。例えば、デバイス１２０、ＭＤＤ１５２のいずれか、または両方でBluetooth通信が有効になっていない場合がある。別の実施形態では、ＤＧＡは、投薬デバイスに関連する電源を交換する必要があるかどうかを検出することができる。
対象に投与された最後の用量に関連するデータが受信されなかったと判定された場合、ステップ８９８において、ＤＧＡは、用量ガイダンスを提供できないことをユーザに通知することができる。一実施形態では、ＵＩＤ２００は、ＤＧＡが最新のインスリン送達情報を受信するまでＤＧＡが用量ガイダンスを出力できないことを示すメッセージをユーザに表示することができる。一実施形態では、ＵＩＤ２００は、ＤＧＡが最新のインスリン送達情報を受信するまでＤＧＡが用量ガイダンスを与えることができないことを示すメッセージをユーザに表示することができる。別の実施形態では、ＤＧＡはまた、ディスプレイデバイス１２０、ＭＤＤ１５２、またはその両方のBluetoothをオンにするようにユーザに通知するプロンプトを生成し、ＵＩＤ２００に表示させることができる。別の実施形態では、ＤＧＡはまた、ＭＤＤ１５２のバッテリを交換する必要があることを示すこともできる。さらに、ＤＧＡは、ＭＤＤ１５２に残っているバッテリ寿命を判定し、バッテリ寿命がある閾値を下回った場合、例えばバッテリ寿命が１０％未満になった場合に、ＵＩＤ２００に表示できる警告を患者に出力することができる。別の実施形態では、ＤＧＡはまた、ＵＩＤ２００に表示される通知を出力して、最後に記録されたインスリン投与量およびタイムスタンプをユーザに知らせ、また、用量ガイダンスがその最後の用量およびタイムスタンプの後に続く可能性のある任意の用量には基づかないことを警告としてユーザに知らせることもできる。
対象に投与された最後の用量に関連するデータを受信したと判定された場合、ステップ８９９において、ＤＧＡは、受信したグルコース分析物データおよびインスリン用量データに基づいて、ＵＩＤ２００に用量ガイダンスを出力することができる。
インスリン送達異常の場合の追加のテストの推奨
ＤＧＡは、投与されたインスリンおよび測定されたグルコースレベルの様々な測定値に対応する統計を実行するように構成することができる。様々なインスリンとグルコースとの測定値の間の相関関係を使用して、ＤＧＡの異常を識別することができ、これには、インスリン用量の誤った記録、低または高に偏っている可能性のあるグルコース読み取り値、およびインスリン抵抗性の低下または増大が含まれ得るが、これらに限定されない。
使用されるインスリン指標は、ローリングインスリン指標であり得る。一実施形態では、ローリングインスリン指標は、時間期間内のインスリンの総用量とすることができる。時間期間は、約２４時間、約４８時間、または約７２時間とすることができる。さらに、インスリンの総用量は、時間期間内の長時間作用型および速効型インスリンの総用量とすることができる。別の実施形態では、ローリングインスリン指標は、食事の開始からの経過時間におけるインスリンオンボードとすることができる。このような指標は、異なる食事時インスリンタイプに対して、異なる予め決定されたインスリン関連パラメータ、例えば、ＤＩＡまたはインスリン作用継続時間を有することができる。
使用されるグルコース指標は、ローリンググルコース指標とすることができる。一実施形態では、ローリンググルコース指標は、ローリング平均グルコース、ローリング中央グルコース、またはローリングモードグルコースとすることができる。別の実施形態では、ローリンググルコース指標は、食事開始正規化グルコースＡＵＣまたは食事グルコースの変化（食事デルタ）とすることができる。
別の例示的な実施形態では、図１７Ｆのフロー図に記載されているように、例示的な方法８４９のステップ８５１において、ＤＧＡは、インスリン用量データから第１の時間に関連する第１のローリングインスリン指標を判定することができる。ステップ８５３において、ＤＧＡは、グルコース用量データから第１の時間に関連する第１のローリンググルコース指標を判定することができる。第１のローリングインスリン指標と第１のローリンググルコース指標とは一緒に関連付けられて、第１の相補対を形成することができる。
ローリングインスリン指標とローリンググルコース指標との多くの異なる相補対を形成することができる。例えば、一実施形態では、ローリング時間期間内の総インスリン用量のローリングインスリン指標は、同じまたは類似の時間ウィンドウのローリング平均グルコース、ローリング中央グルコース、またはローリングモードグルコースのうちの１つと対にすることができる。別の実施形態では、ローリング過去４８時間のグルコースモードおよびローリング過去４８時間に送達された総インスリン用量などの相補対も、上に概説した同じ一般的な手順に従うことができる。別の実施形態では、食事の開始からの特定の経過時間におけるＩＯＢを、食事開始正規化グルコースＡＵＣまたは食事デルタ（例えば、食事に起因するグルコースの変化）のいずれかと対にすることができる。ＩＯＢとＡＵＣとのペアリングの時間地平としては、食後約６０分、あるいは約１２０分、あるいは約１５０分、またはあるいは約３００分を挙げることができるが、これらに限定されない。
ステップ８５５において、ＤＧＡは、第１、第２および第３のゾーンを含むデータ空間を参照して、第１、第２および第３のゾーンのいずれが第１の相補対を含むかを決定することができる。データ空間は、複数の相補対により定義することができ、各相補対は、同じ時間に関連付けられたローリングインスリン指標およびローリンググルコース指標を含む。複数の相補対について、対になる値は、定期的な時間インターバル、例えば、約２時間ごと、または約６時間ごと、または約１２時間ごと、または約２４時間ごと、または適切なデータ密度と最小のデータ保存要件との間でバランスをとる他のインターバルで収集することができる。保存された相補対の量は、幾つかの実施形態では、ソフトウェアまたはハードウェアに実装されたＦＩＦＯ（First-in-First-Out）バッファに保持することができる。ＦＩＦＯバッファ内の相補対の中では、経時的に収集されたインスリンおよびグルコースの指標対で作成された散布図の曲線をフィットさせるのと同様に、相補対の間に相関関係をとることができる。この相関関係は、ＦＩＦＯバッファ内の対データに基づいて決定された１つ以上のパラメータと、事前集団データから予め決定された１つ以上のパラメータとを潜在的に有する、予め決定された構造（例えば、３次多項式）の曲線とすることができる。この曲線は、対応のある観測値の間の名目上期待される関係を表すことができる。名目上期待される関係に加えて、予め決定された構造を持つ２つの安全境界曲線を、名目上期待される関係の曲線の上下に構築することもできる。また、パラメータの一部は、ＦＩＦＯバッファ内の対データに基づいて決定することができるが、他のパラメータは、事前集団データから予め決定することもできる。数値的な安定性を向上させるために、異なる時間地平に対する名目上の曲線、上側曲線および下側曲線のパラメータ適合度を、事前規則によって関連付けることができる。このインスリンとグルコースとのバランスチェックをカバーできるようにするために、他のインスタンスは既存の時間地平から補間することができる。名目上期待される関係の曲線と２つの安全境界曲線とは、データ空間の３つのゾーンを形成することができる。第１のゾーンは、上限および下限の安全境界曲線の間のゾーンとして定義され、名目上期待される関係の曲線を含む。第２のゾーンは、上限安全境界曲線の上のゾーンとして定義され、第３のゾーンは、下限安全境界曲線の下のゾーンとして定義される。
ステップ８５７において、ＤＧＡは、第１のローリングインスリン指標と第１のローリンググルコース指標とを含む相補対が第２のゾーンまたは第３のゾーンに含まれるとの判定に応答して、ＳＣＤ１０２またはＭＤＤ１５２の少なくとも一方をチェックすることに関する通知を出力することができる。
図１７Ｇは、ローリングインスリン指標が各食事の９０分後の推定ＩＯＢであり、ローリンググルコース指標が各食事の９０分後の食事開始正規化グルコースＡＵＣである相補対の追跡の一例を示す図である。分析されている相補対８６７（例えば、図１７Ｇに実線の円で示されている最新の相補対）は、名目上期待される関係８６１の曲線へのフィットから除外されており、食後９０分後のユーザのグルコース－インスリンバランスの状態など、注目イベントを表している。最新の相補対８６７が、どのゾーンに対応するかを決定するために分析される。２つの安全境界８６３，８６５に対するその位置を調べて、どのゾーンにこの相補対８６７が含まれているかを判定することができる。例えば、図１７Ｇに示されている実線の円８６７は、第３のゾーン８７３の下側安全境界の「下」に現れている。この発生には、（１）記録されたインスリンの量が実際に送達されたインスリンの量よりも誤って高くなっている可能性、（２）グルコース読み取り値が低に偏っている可能性、または（３）運動の結果としてのインスリン抵抗性の低下、もしくは消費された食事の組成が大きく異なるなどの他の交絡因子が発生している可能性、という幾つかの可能性がある。実際のイベントの組み合わせに応じて、最新の対が下限安全境界を大きく下回った場合、差し迫った低血糖の誤通知のリスクまたは食後の高血糖が検出されないリスクが生じる可能性がある。
対照的に、注目される相補対の位置が第２のゾーン８７１の上限安全境界の上にある場合、１つ以上の反対のシナリオ、すなわち（１）記録されたインスリンの量が、食事投薬の忘失を含む、送達される実際のインスリンの量よりも誤って低い可能性、（２）グルコース読み取り値が高に偏っている可能性、または（３）病気の結果としてのインスリン抵抗性の増大、もしくは消費された可能性がある食事の組成が大きく異なるなどの他の交絡因子が発生している可能性、が発生している可能性がある。実際のイベントの組み合わせにより、最新の対が上限安全境界を大きく上回った場合、差し迫った高血糖の誤通知のリスクまたは食後の高血糖が検出されないリスクが生じる可能性がある。
相補対が、第２のゾーンで上限の安全境界を上回るか、または第３のゾーンで下限の安全境界を下回るようにマッピングされた場合、ＤＧＡ１００の整合性チェックが必要な場合があると結論付けるのに十分な研究データを用いて事前の決定を行った。したがって、ＤＧＡは、自己血糖測定（ＳＭＢＧ）を行うようにユーザに通知することができる。血糖測定（ＢＧＭ）読み取り値がＤＧＳ１００にリンクされ得るか、またはその他の方法でＤＧＡに入力され得る場合に、これを使用して、この論ではカバーされない１つ以上の閾値比較を使用して、センサ１０２を交換する必要があるかどうかを判定することができる。それ以外の場合、ＤＧＡは、エラーの可能性のある原因について、ＭＤＤ１５２またはスマートインスリンペンのキャップをチェックするようにユーザに通知することができる。
ボーラス計算にトレンドを組み込む
従来のボーラス計算機では、ユーザの現在のグルコースと目標グルコースとの差分に基づいて用量を決定していた。これらの従来のボーラス計算機では、現在のグルコース値は時間的に個別のスナップショットと見なされ、その時点でのグルコース値のトレンドは考慮されていない。しかしながら、グルコースの変化率が高い期間中には、現在のグルコース値がある時点から次の時点まで急激に増減する可能性があるため、推奨用量が大きく変動する可能性がある。
内分泌学会は２０１８年１２月、糖尿病管理にグルコーストレンドアローを使用するためのコンセンサスガイドラインを発表した（その内容全体を参照により本明細書に援用するものとする、Y. C. Kudva, et al., “Approach to Using Trend Arrows in the Freestyle Libre Flash Glucose Monitoring Systems in Adults,” Journal of the Endocrine Society, vol. 2, pp. 1320-1337, 2018を参照）グルコーストレンドアローは、グルコースの変化率に基づいて、５つのカテゴリ、すなわち（１）急速に上昇している（２ｍｇ／ｄＬ／分超で上昇している）、（２）上昇している（１～２ｍｇ／ｄＬ／分）、（３）ゆっくり変化している（大きさが１ｍｇ／ｄＬ／分よりも高い変化はない）、（４）下降している（１～２ｍｇ／ｄＬ／分で減少している）、（５）急速に下降している（２ｍｇ／ｄＬ／分超で減少している）、に分類することができる。
このような急激な変化の説明を試みるために、トレンドアローのカテゴリごとに、現在のグルコース値に加えてグルコースの変化率を組み込んで推奨用量を計算するヒューリスティックスを策定することができる。報告された変化率に応じて、動的なグルコース反応に対応するために、追加の変化率項を利用する推奨用量を増減してもよい。これらのヒューリスティックスを策定して、投薬後の低血糖の発生率を最小限に抑え、これによってグルコース制御指標を改善することが想定される。
インスリン部位のローテーション
ここで記載されている方法は、インスリンペンのニードルおよび輸液セットの注射部位を自動検出することで、インスリン注射の適切な部位ローテーションを促進するものである。
インスリン送達の最も一般的な方法は、個別の注射または連続的な注入により皮下組織に投与することである。インスリン注射および輸液セットの配置の両方を適切に行うためには、注射部位を「ローテーション」する必要があり、すなわち、身体の様々な箇所を循環させることで、繰り返して持続的にニードルを刺すことによる局所的な何らかの皮膚反応を回避することができる。注射部位のローテーション不足に関連する２つの一般的な結果が、瘢痕組織の形成と脂肪肥大とである。瘢痕組織とは、外傷を受け続けた結果、または最初の傷が不適切に治癒された結果、繊維状の組織が形成されたものであり、コラーゲンが豊富な無血管組織であることを特徴としている。脂肪肥大は、臨床的にはインスリン注射部位の脂肪沈着の局所的な蓄積として定義される。瘢痕組織は注射療法全体で偏在する問題であるが、脂肪肥大はインスリンの皮下投与に関連してほぼ単独で見られる症状である。どちらも皮膚の下に硬い結節として現れ、主に無血管である局所領域に関連しており、全身のインスリンの取り込みと作用とに悪影響を及ぼす。そのため、インスリン吸収に及ぼすこれらの影響はまとめて考慮されることが多い。これらの影響には、インスリン吸収の低下（４０％もの高さ）、インスリンの１日当たりインスリン総量（ＴＤＤ）の増加、および血糖コントロールの低下が含まれる。また、有病率も高く、インスリン療法を受けている人の約５０％が発症していると推定されている。
現在のところ、部位ローテーションがうまくいかないという問題に対する技術的な解決策は存在しない。部位ローテーションは、医師および糖尿病教育者による患者への教育と、その後の患者アドヒアランスに依存している。
本明細書に記載されているように、ＤＧＳ１００は、一般的な注射部位を検出し、同じ場所が繰り返し検出された場合に、新しい注射部位にローテーションするようにユーザにガイダンスを提供するように構成され得る部位ローテーションアプリケーションを含むことができる。用量ガイダンスレジメンの一部としてユーザに部位ローテーション情報を提示することによって、ＤＧＳ１００は、より良い注射習慣、より高いインスリン効果、およびより大きなタイムインレンジを促進することができる。
一実施形態では、図１８Ａおよび図１８Ｂに見られるように、ステップ２７６から始まる例示的な方法２７５で、部位ローテーションアプリケーションは、ディスプレイデバイス１２０（例えば、スマートフォン）などの電子デバイスとＳＣＤ１０２との間の第１の距離２７０および電子デバイスとＭＤＤ１５２との間の第２の距離２７２を決定するように構成することができる。一実施形態では、部位ローテーションアプリケーションは、３つの別々のデバイス間、すなわち（１）スマートフォンなどのディスプレイデバイス１２０、（２）ＳＣＤ１０２、および（３）接続されたペンニードルなどのＭＤＤ１５２の間で、Bluetooth通信（ＢＬＥ）を採用することができる。図１８Ａに見られるように、ディスプレイデバイス１２０は、通信のための中央接続ポイントとして機能するように構成することができる。用量ガイダンスがＤＧＡから要求されると、ディスプレイデバイス１２０は、ディスプレイデバイス１２０とＳＣＤ１０２との間の第１の距離２７０およびディスプレイデバイス１２０とＭＤＤ１５２との間の第２の距離２７２を決定することができる。一実施形態では、第１の距離２７０は、ディスプレイデバイス１２０とＳＣＤ１０２との間の第１の信号強度によって決定することができ、第２の距離２７２は、ディスプレイデバイス１２０とＭＤＤ１５２との間の第２の信号強度によって決定することができる。
ステップ２７８において、部位ローテーションアプリケーションは、ＳＣＤ１０２とＭＤＤ１５２との間の第３の距離２７４を計算するように構成することができ、ＳＣＤ１０２は対象の固定された場所にある。ディスプレイデバイス１２０は１つの場所に固定されていないので、第１および第２の信号を三角測量して、対象の身体に固定された場所にあるＳＣＤ１０２とＭＤＤ１５２との間の第３の距離２７４を決定することができる。次いで、ＭＤＤ１５２とＳＣＤ１０２との間の計算された第３の距離２７４を、ディスプレイデバイス１２０の部位ローテーションアプリケーション内に記録することができる。
ステップ２８２において、部位ローテーションアプリケーションは、計算された第３の距離が予め計算された第３の距離と実質的に類似しているとの判定に応答して、ＭＤＤを対象の新しい注射部位に移動させることを推奨するメッセージを出力するように構成することができる。一実施形態では、ＳＣＤ１０２とＭＤＤ１５２との間の計算された第３の距離２７４が所定の閾値を超えて連続的に繰り返される場合、部位ローテーションアプリケーションは、ユーザがインスリンを新しい部位の位置に注射することを示唆するガイダンスメッセージを供給するように構成することができる。閾値は、１回、あるいは２回、または３回とすることができる。一実施形態では、部位ローテーションアプリケーションはさらに、新しい注射部位のアイデアを提示するために、許容可能な位置部位のリストをユーザに供給するように構成することができる。これらの代替的な領域は、腕、太もも、腹部および臀部を含むことができる。
追加の例示的な実施形態
薬剤送達に関連する追加の例示的な実施形態も本明細書で説明する。これらの実施形態は、インスリンペンの文脈で説明されるが、このようなものに限定されない。多くの実施形態では、ＭＤＤ１５２（例えば、インスリンペン）は、ＳＣＤ１０２と直接に通信することができ、ひいては追加のリーダデバイスは必要としないかもしれない。幾つかの実施形態では、リーダデバイスはまた、ＭＤＤ１５２と通信しているセンサ制御デバイスと通信することもできる。これらの実施形態では、リーダデバイスはまた、ＭＤＤ１５２と通信することもできる。他の実施形態では、リーダデバイスは、ＭＤＤ１５２と通信することができ、ＭＤＤ１５２自体は、リーダデバイスと通信していないＳＣＤ１０２と通信している。他の実施形態では、ＳＣＤ１０２は、リーダデバイスと通信しており、リーダデバイス自体は、ＭＤＤ１５２と通信しているが、ＭＤＤ１５２は、ＳＣＤ１０２と通信していない。これらの様々な通信スキームにより、任意のタイプの情報（例えば、分析物の測定値、アラーム、ユーザ情報または設定、用量ガイダンスなど）を、システム内の１つのデバイスから別のデバイスへ、中間デバイスを介して通信することができる。通信は、BluetoothもしくはBluetooth Low Energy、または別の無線プロトコル（例えば、NFC、RFID、Wi-Fiなど）を介して行うことができる。通信は、維持されることもあれば（例えば、アクティブなBluetoothペアリング）、断続的に行われることもある（例えば、NFCの近接スキャン）。
幾つかの実施形態では、ＳＣＤ１０２またはディスプレイデバイス１２０、例えばリーダデバイス（ＲＤ）は、ＭＤＤ１５２がすぐ近くのエリアから潜在的に出ている場合にユーザに通知するという安全目的のために、ＭＤＤ１５２がＳＣＤ１０２またはリーダデバイスとの無線接続を維持しているかどうかをチェックすることができる。ＳＣＤ１０２またはＲＤが接続の喪失を検出した場合、アラームがＳＣＤ１０２（可聴もしくは視覚アラームを生成するように構成されている場合）またはＲＤで生成される（またはＳＣＤ１０２がＲＤにアラームを生成するように通知することができる）。同様のアラームは、プライミングの問題もしくは失敗、または薬剤供給の枯渇（例えば、低カートリッジ）を検出したときに生成することができる。ＳＣＤ１０２、ＲＤ、またはＭＤＤ１５２が高分析物状態（例えば、高血糖）を検出した場合、ＳＣＤ１０２またはＲＤ（ＭＤＤ１５２との通信を介して）、またはＭＤＤ１５２自体は、用量が最近投与されたかどうかを判定し、（ＳＣＤ１０２、ＲＤ、またはＭＤＤ１５２での）アラームの作成を控えることができる。
ユーザに対して生成することができる他の通知またはアラームは、ペンの残量に関連したものであり得、これには、一定の時間期間（例えば、１日）未満に投与するのに十分な量の薬剤が残っていることを推定し、かつ／またはユーザにリマインドすることが含まれる。次に予定されている用量が薬剤の残量よりも多いと判定された場合に、新しいペンの使用または新しいカートリッジの装填を推奨するメッセージを出力することができる。ＭＤＤ１５２は、薬剤の量を監視し、予想される量が実際の（センシングされた）量と一致しない場合、アラームまたは通知を生成できるように構成することができる。ＭＤＤ１５２はまた、完全な送達を保証するために送達ボタンが押されている継続時間を監視し、不完全な送達が疑われる場合にはユーザに通知するように構成することもできる。ＭＤＤ１５２またはＤＧＳ１００が、ボタンが押されている時間が短すぎることを検出した場合、ＭＤＤ１５２またはＤＧＳ１００は、ユーザが推奨されるよりも少ない量を投薬したと想定することができる。ＤＧＡまたはＭＤＤ１５２は、投与された用量が不完全な用量であるか、または意図された低用量であるかを検証するために、ユーザに問い合わせを出力することができる。ＭＤＤ１５２またはＤＧＳ１００が、送達ボタンが押されている時間が長すぎる（例えば、推奨される用量または用量ガイダンスに示された投薬量を投与するのに必要な時間が長い）ことを検出した場合、ＭＤＤ１５２または他のシステムデバイス（例えば、ディスプレイデバイス１２０にインストールされたＤＧＡ）は、大きすぎる用量が投与された可能性があることをユーザに通知またはアラートすることができる。一実施形態では、ＭＤＤ１５２は、ユーザがアクチュエータまたはボタンを押すのを止めることができるように、用量の完了に達したら、可聴通知（例えば、ビープ音）、触覚通知（例えば、振動もしくはクリック音）、および／または視覚通知（例えば、ＬＥＤ、光）を出力するように構成することができる。用量が投与された後、ＳＣＤ１０２またはＲＤは、ＭＤＤ１５２にブラックアウト時間を送信するように構成することができ、これにより、ＭＤＤ１５２が切断されているか、またはそうでなければ用量ガイダンスを提供するように構成されたＳＣＤ１０２もしくはＲＤ１２０と通信できない場合、ＭＤＤ１５２は、少なくともブラックアウト期間中の更なる用量投与が防止または制限されるべきであることを知っている。提案されたフィードデータは、最新の最良の推定値に基づいて、統合ペンに送信することができる。
ＭＤＤ１５２とＳＣＤ１０２および／またはＲＤ１２０との間の接続が失われ、それから再確立された場合、接続がない間に投与された任意の用量の量を入力するようにユーザに問い合わせることができる。ＭＤＤ１５２が、注射または送達ボタンが押された時間期間を監視する実施形態では、加速度計または他の押下センシング機構を含むことができる。押下センシング機構によって測定された押し下げの時間（またはボタンが押し下げられたときのペンの動きのパターンおよび／または向き）に基づいて、ＭＤＤ１５２は、ボタンが押されたのがプライミングまたは用量投与の目的であったかどうかを判定することができる。ＭＤＤ１５２は、異なるタイプの押し込みを区別するように構成することができる。例えば、ＭＤＤ１５２は、短い押し込みのセットがプライミングの目的であると想定することができ、ひいては用量投与としてカウントされない。
一実施形態では、ＤＧＳ１００（例えば、ＳＣＤ１０２、ディスプレイデバイス１２０、またはＭＤＤ１５２）は、食事消費の発生を検出し、次いで、ユーザがまだ行っていない場合に、ユーザに投与を促すように構成することができる。ＤＧＳ１００は、食事中または食事直後かつ用量投与前に分析物データが収集されるため、用量ガイダンスを更新することができる。
ＭＤＤ１５２はまた、温度センサを含むこともでき、ＤＧＳ１００は、温度変動に基づいて（インスリン有効性またはインスリンオンボード（ＩＯＢレベル）が低下した場合）、インスリン用量ガイダンスを調整することができる。システムはまた、温度範囲を越えた場合に通知を生成するように構成することもできる。
ＳＣＤ１０２またはＲＤ１２０は、通信を介してＭＤＤ１５２を識別し、ＭＤＤ１５２が用量を投与するための正しいタイプであるかどうかを判定することができる。例えば、ＭＤＤ１５２が速効型インスリンを含み、用量ガイダンスが長時間作用型インスリンに関する場合、ＳＣＤ１０２またはＲＤ１２０は、アラームもしくは通知を生成することができ、またはＭＤＤ１０２自体によって同じものを生成させることができる。ＳＣＤ１０２またはＲＤ１２０は、同じタイプおよび／または異なるタイプの複数のペンを含む、複数の異なるＭＤＤ１５２への同時接続をサポートすることができる。
ＤＧＳ１００内の任意のデバイス（例えば、ＳＣＤ１０２、ＲＤ１２０、またはＭＤＤ１５２などの「システムデバイス」）は、次の投薬が必要になるまでの時間を推定し、ユーザに通知することができる。システムデバイスは、例えば、ＭＤＤ１５２におけるＧＰＳモニタを使用してＭＤＤ１５２の位置を追跡し（例えば、ジオトラッキング、ジオフェンシング）、ＭＤＤの１５２の位置をユーザに通知することができる。
ＭＤＤ１５２は、新しいニードルの適用を検出し、ニードルの交換が検出されない場合に、新しいニードルを適用するようにユーザに促すことができる。ＭＤＤ１５２は、ニードル中の空気またはガスの存在を検出するセンサを備えるように構成することができる。ＭＤＤ１５２は、ニードルがタップされたかどうかを（例えば、センサまたは加速度計を用いて）検出し、空気またはガスを除去するためにニードルをタップするようにユーザに促すか、または要求するように構成することができる。耐久性のあるペンは、リザーバまたはカートリッジの存在を検出し、ユーザに薬剤のタイプ（例えば、速効型インスリン、長時間作用型インスリン）を入力するように促すことができる。ＭＤＤ１５２は、薬剤が適切に混合されているかどうかを（例えば、センサまたは加速度計を用いて）検出し、薬剤を適切に混合するためにＭＤＤ１５２を混合または振盪するようにユーザに促すように構成することができる。
ＭＤＤ１５２は、ＭＤＤ１５２のバッテリが枯渇または消失するまでの残り時間、および／またはＭＤＤ１５２内の薬剤が枯渇または消失するまでの残り時間を表示するように構成することができる。
ＭＤＤ１５２は、特定の状況においてユーザをロックアウトするように構成することができる。例えば、ユーザが認証されていない場合（デバイスでのログイン／パスワード入力に失敗した場合）、ユーザの分析物レベルが低すぎるか急速に低下している場合、大量の投与が最近行われた場合、ＭＤＤ１５２内のインスリンが期限切れまたは古すぎる場合、または過剰な温度にさらされた場合、システムステータス時間が前回の投与から超過している場合（グルコースレベルと組み合わされる可能性）、これらの任意の組み合わせ、またはその他の状況である。
システムデバイス、例えば、ディスプレイデバイス１２０上のＤＧＡは、接続が失われた場合または通信が失敗した場合、用量ガイダンスを計算し、ＭＤＤ１５２および／またはクラウド１９０（例えば、信頼できるサーバ）に送信することができる。ＭＤＤ１５２は、用量ガイダンスが受信された確認メッセージを送信することができ、確認メッセージが受信されない場合に、システムデバイスは、ユーザへのアラームまたは通知を生成することができる。
用量を投与する前、例えばユーザがＭＤＤ１５２をピックアップするかまたはその他の手法で起動するときに、ＭＤＤ１５２（またはＭＤＤ１５２と通信している他のシステムデバイス）は、システムにより知られている最後の用量が正しいことを検証するようにユーザに促すことができる（例えば、例えば５ｍｌ＠５ｐｍという最後の用量が正しく、他の用量がなかったことを確認するようにユーザに求める問い合わせ）。このような状況は、異なるＭＤＤ１５２（例えば、異なるペンまたはポンプ）が使用された場合に生じる可能性がある。ユーザが他の用量を摂取していないことを示した場合、ＤＧＳ１００は続行することができる。ユーザが、他の用量を摂取したことを示す場合（例えば、ＤＧＳ１００に知られていないもの）、システムデバイスは、ユーザに投薬量、時間および薬剤タイプの入力を促し、新たな用量ガイダンスを決定することができる。システムデバイスはまた、他のペンまたは薬剤送達デバイスが使用されているかどうかを定期的にユーザに判断させ、例えばBluetoothペアリングを確立することによってユーザに当該デバイスのシステムへの統合を要求するように構成することができる。
多くの実施形態では、用量ガイダンス設定を構成するために患者の投薬習慣をパラメータ化する方法であって、少なくとも１つのプロセッサにより、分析期間中に患者の分析物および患者が受け取った薬剤用量を特徴付ける時間相関データに基づいて分類するステップであって、薬剤用量のそれぞれが薬剤クラスに分類されているステップと、少なくとも１つのプロセッサにより、用量のそれぞれを、食事時刻グループのセットのうちの１つにグループ分けするステップと、少なくとも１つのプロセッサにより、食事時刻グループのそれぞれのデータをモデルに適用することによって、少なくとも部分的に患者の用量パラメータを作成するステップと、少なくとも１つのプロセッサにより、用量パラメータをコンピュータメモリに格納し、用量ガイダンス設定を構成するステップとを含む方法が提供される。
幾つかの実施形態では、方法の分類するステップがさらに、分類特徴のセットを用量のそれぞれに相関させる特徴行列を作成するステップを含む。方法は、各用量の投薬時刻、時間フィルタリングされた分析物値、投薬の時刻に最も近い分析物値の変化率、分析物値と投薬の時刻に最も近い分析物値との差を投薬時刻より前のインターバルで積分した値を示す左側のＡＵＣ（曲線下面積）、分析物値と投薬の時刻に最も近い分析物値との差を投薬時刻より後のインターバルで積分した値を示す右側のＡＵＣ、投薬時刻間の経過時間、投薬時刻前の定義されたインターバル内に食事が開始される確率、直近の食事からの最も可能性の高い経過時間インターバル、投薬時刻後の定義されたインターバル内に食事が開始される確率、および次の食事までの最も可能性の高い時間インターバル、を含む群から選択された分類特徴をさらに含むことができる。方法は、分析期間中に患者が摂った各食事の時刻を推定するステップをさらに含むことができる。方法は、各食事の時刻を推定するステップがさらに、時間相関分析物データに基づいて特徴行列を作成するステップを含み、特徴行列は、分析物データ特徴のセットを、上昇、下降前および下降として分類される別個の領域のそれぞれに相関させることを規定することができる。方法は、各食事の時刻を推定するステップがさらに、アルゴリズムを用いて、特徴行列に基づいて推定された食事時刻を作成するステップを含むことを規定することができる。方法は、分析物データ特徴のセットが、最大分析物変化率、最大分析物加速度、最大分析物加速点での分析物値、領域の持続時間、領域の高さ、最大減速度、領域内の平均変化率、および最大分析物加速度の時点、を含む群から選択されることをさらに規定することができる。
幾つかの実施形態では、食事時刻グループが、朝食、昼食および夕食を含む。幾つかの実施形態では、方法は、クラスタ分析によりグループ分けするステップをさらに含む。
幾つかの実施形態では、データ対をフィッティングさせるためのモデルが、傾きがゼロである線形モデル、傾きが非ゼロである線形モデル、１点で結合するピースワイズモデル、またはピースワイズモデルを近似する非線形モデル、から選択される。
幾つかの実施形態では、データ対のフィッティングさせるステップがさらに、残差平方和を最小化するステップを含む。
幾つかの実施形態では、データ対をフィッティングさせるステップがさらに、各モデルを赤池情報量規準（ＡＩＣ）で評価し、最小のＡＩＣ値を有するモデルを選択するステップを含む。幾つかの実施形態では、用量パラメータが、各グループについて選択されたモデルからの、固定用量投薬量、分析物レベルおよび補正係数を含む。幾つかの実施形態では、方法が、少なくとも１つのプロセッサにより、複数の食事時刻グループからのデータを結合して結合されたグループを形成するステップと、結合されたグループのモデルおよび補正係数のうち最適にフィッティングするものを選択するステップとをさらに含む。幾つかの実施形態では、方法が、少なくとも１つのプロセッサにより、選択されたモデルのＡＩＣ値を閾値と比較するステップと、ＡＩＣ値が閾値を超えた場合にユーザ入力を要求するステップとをさらに含む。
幾つかの実施形態では、分析物がグルコースレベルのインジケータを含み、薬剤がインスリンを含む。
幾つかの実施形態では、方法は、用量ガイダンス設定を、ユーザへの出力のためにユーザインタフェースデバイスに提供するステップをさらに含む。
幾つかの実施形態では、方法は、少なくとも１つのプロセッサにより、分析期間中に患者の分析物および患者が受け取った薬剤用量を特徴付ける時間相関データを受信するステップをさらに含む。
幾つかの実施形態では、少なくとも１つのプロセッサが、時間相関データに基づいて、薬剤の用量のそれぞれにつき、食事用量、非食事用量および曖昧な用量から薬剤クラスを選択する。
幾つかの実施形態では、食事時刻グループのそれぞれのデータをモデルに適用するステップが、データ対をモデルにフィッティングさせるステップを含む。
多くの実施形態では、用量ガイダンス設定を構成するために患者の投薬習慣をパラメータ化する装置であって、装置が、測定された分析物データ、食事データおよび投薬データを受信するように構成された入力部と、情報を視覚的に提示するように構成されたディスプレイと、入力部、ディスプレイ、ならびに分析期間中に患者の分析物および患者が受け取った薬剤用量を特徴付ける命令および時間相関データを格納するメモリに結合された１つまたは複数のプロセッサとを備え、命令は、１つまたは複数のプロセッサによって実行される際に、装置に、時間相関データに基づいて、薬剤用量のそれぞれを薬剤クラスに分類させ、用量のそれぞれを、食事時刻グループのセットのうちの１つにグループ分けさせ、食事時刻グループのそれぞれのデータをモデルに適用することによって、少なくとも部分的に患者の用量パラメータを作成させ、用量パラメータを格納して、用量ガイダンス設定を構成させるためのものである、装置が説明される。
幾つかの実施形態では、メモリがさらに、分類特徴のセットを用量のそれぞれに相関させる特徴行列を作成することによって、少なくとも部分的に薬剤用量を分類するための命令を保持している。幾つかの実施形態では、メモリがさらに、各用量の投薬時刻、時間フィルタリングされた分析物値、投薬の時刻に最も近い分析物値の変化率、分析物値と投薬の時刻に最も近い分析物値との差を投薬時刻より前のインターバルで積分した値を示す左側のＡＵＣ（曲線下面積）、分析物値と投薬の時刻に最も近い分析物値との差を投薬時刻より後のインターバルで積分した値を示す右側のＡＵＣ、投薬時刻間の経過時間、投薬時刻前の定義されたインターバル内に食事が開始される確率、直近の食事からの最も可能性の高い経過時間インターバル、投薬時刻後の定義されたインターバル内に食事が開始される確率、および次の食事までの最も可能性の高い時間インターバル、を含む群から選択される分類特徴を相関させるための命令を保持している。幾つかの実施形態では、メモリがさらに、分析期間中に患者が摂った各食事の時刻を推定することによって、少なくとも部分的に薬剤用量を分類するための命令を保持している。幾つかの実施形態では、メモリがさらに、少なくとも部分的に時間相関分析物データに基づいて特徴行列を作成することによって各食事の時刻を推定するための命令を保持しており、ここで、特徴行列は、分析物データ特徴のセットを、上昇、下降前および下降として分類される別個の領域のそれぞれに相関させるものである。幾つかの実施形態では、メモリがさらに、アルゴリズムを用いて、少なくとも部分的に特徴行列に基づいて推定された食事時刻を作成することによって、各食事の時刻を推定するための命令を保持している。幾つかの実施形態では、メモリがさらに、分析物データ特徴のセットを、最大分析物変化率、最大分析物加速度、最大分析物加速点での分析物値、領域の持続時間、領域の高さ、最大減速度、領域内の平均変化率、および最大分析物加速度の時点、を含む群から選択するための命令を保持している。
幾つかの実施形態では、メモリがさらに、朝食、昼食および夕食を含む食事時刻グループにグループ分けするための命令をさらに保持している。幾つかの実施形態では、メモリが、クラスタ分析によって少なくとも部分的にグループ分けするための命令を保持している。
幾つかの実施形態では、メモリがさらに、データ対をフィッティングさせるためのモデルを、傾きがゼロである線形モデル、傾きが非ゼロである線形モデル、１点で結合するピースワイズモデル、またはピースワイズモデルを近似する非線形モデル、から選択するための命令を保持している。
幾つかの実施形態では、メモリがさらに、残差平方和を最小化することによって、少なくとも部分的にデータ対をフィッティングさせるための命令を保持している。
幾つかの実施形態では、メモリがさらに、各モデルを赤池情報量規準（ＡＩＣ）で評価し、最小のＡＩＣ値を有するモデルを選択することによって、少なくとも部分的にデータ対をフィッティングさせるための命令を保持している。幾つかの実施形態では、メモリが、各グループについて選択されたモデルからの、固定用量投薬量、分析物レベル、および補正係数を含む用量パラメータを保持している。幾つかの実施形態では、メモリがさらに、複数の食事時刻グループからのデータを結合して結合されたグループを形成し、結合されたグループのモデルおよび補正係数のうち最適にフィッティングするものを選択するための命令を保持している。幾つかの実施形態では、メモリがさらに、選択されたモデルのＡＩＣ値を閾値と比較し、ＡＩＣ値が閾値を超えた場合にユーザ入力を要求するための命令を保持している。幾つかの実施形態では、メモリが、グルコースレベルのインジケータを含む患者の分析物およびインスリンを含む薬剤を特徴付ける時間相関データを保持している。
幾つかの実施形態では、メモリがさらに、用量ガイダンス設定を、ユーザへの出力のためにユーザインタフェースデバイスに提供するための命令を保持している。
幾つかの実施形態では、メモリがさらに、分析期間中に患者の分析物および患者が受け取った薬剤用量を特徴付ける時間相関データを受信するための命令を保持している。
幾つかの実施形態では、メモリがさらに、時間相関データに基づいて、薬剤の用量のそれぞれにつき、食事用量、非食事用量および曖昧な用量から薬剤クラスを選択するための命令を保持している。
幾つかの実施形態では、メモリはさらに、データ対をモデルにフィッティングさせることによって、少なくとも部分的に、食事時刻グループのそれぞれのデータをモデルに適用するための命令を保持している。
多くの実施形態では、頻回注射（ＭＤＩ）投薬療法のための食事ボーラスタイトレーションを評価するための方法が提供され、この方法は、少なくとも１つのプロセッサにより、分析期間中に取得された患者の時間相関分析物データを入力として受け取るパターン分析アルゴリズムを実行することによって、少なくとも１つの時間帯（ＴＯＤ）期間の分析物パターンタイプを決定するステップと、少なくとも１つのプロセッサにより推奨アルゴリズムを実行することによって、分析物パターンタイプおよび分析期間における患者の定義された投薬戦略に基づいて、ＭＤＩの投薬推奨値を選択するステップと、少なくとも１つのプロセッサにより、推奨された動作のインジケータをコンピュータメモリに格納し、ユーザまたは投薬デバイスの少なくとも一方に出力するステップとを含む。
幾つかの実施形態では、パターン分析アルゴリズムは、グルコースパターン分析（ＧＰＡ）アルゴリズムである。幾つかの実施形態では、本方法はさらに、少なくとも１つのプロセッサにより、少なくとも１つのＴＯＤ期間に対する中心傾向値および変動性値を決定するステップを含むことができる。幾つかの実施形態では、本方法はさらに、少なくとも１つのプロセッサにより、中心傾向値および変動性値のうちの少なくとも１つに基づいて、低血糖リスク指標または高血糖リスクのうちの少なくとも１つを評価するステップを含むことができる。幾つかの実施形態では、本方法はさらに、少なくとも１つのプロセッサにより、ＭＤＩ投薬療法のための食事ボーラスタイトレーションの評価に使用する分析物パターンタイプを提供するステップを含むことができる。幾つかの実施形態では、少なくとも１つのプロセッサは、中心傾向値および変動性値に基づいて低血糖リスク指標を評価する。幾つかの実施形態では、少なくとも１つのプロセッサは、中心傾向値に基づいて高血糖リスク指標を評価する。幾つかの実施形態では、少なくとも１つのプロセッサは、分析物パターンが高／低の場合、変更なしの推奨値を選択する。幾つかの実施形態では、本方法はさらに、夜間ＴＯＤ期間の分析物パターンが低い場合、少なくとも１つのプロセッサにより、少なくともベーサル用量と、任意に、食事用量、食前補正用量、または食後用量のうちの１つ以上を含む、関連するすべての用量を同量分減らすための推奨事項を生成するステップを含む。幾つかの実施形態では、本方法はさらに、夜間以外のＴＯＤ期間の分析物パターンが低い場合、少なくとも１つのプロセッサにより、夜間以外のＴＯＤ期間のみの固定食事用量を減らすための推奨事項を生成するステップを含む。幾つかの実施形態では、少なくとも１つのプロセッサが、少なくとも１つの低パターンを検出した場合、少なくとも１つのプロセッサは、任意の高パターンのＴＯＤ期間に対してタイトレーションガイダンスを提供しない。幾つかの実施形態では、本方法はさらに、夜間ＴＯＤ期間の分析物パターンが高く、他のＴＯＤ期間が低分析物パターンを有しない場合、少なくとも１つのプロセッサにより、長時間作用型インスリンの用量またはベーサルレートを増やすための推奨事項を生成するステップを含む。幾つかの実施形態では、本方法はさらに、夜間ＴＯＤ期間の分析物パターンが高く、少なくとも１つの他の非夕食ＴＯＤ期間が低分析物パターンを有する場合、少なくとも１つのプロセッサにより、少なくとも１つの他の非夕食ＴＯＤ期間の食事インスリン用量を減らすための推奨事項を生成するステップを含む。幾つかの実施形態では、本方法はさらに、夜間ＴＯＤ期間の分析物パターンが高くなく、低くなく、少なくとも１つの他のＴＯＤ期間が高分析物パターンを有する場合、少なくとも１つのプロセッサにより、高分析物パターンを有する最も早いＴＯＤ期間の食事インスリン用量を増やすための推奨事項を生成するステップを含む。幾つかの実施形態では、本方法はさらに、夜間ＴＯＤ期間の分析物パターンが低く、分析物パターンが高い唯一の期間が夕食ＴＯＤ期間である場合、少なくとも１つのプロセッサにより、長時間作用型インスリン用量またはベーサルレートを増やすための推奨事項を生成するステップを含む。幾つかの実施形態では、本方法はさらに、夜間ＴＯＤ期間の分析物パターンが高く、少なくとも１日が食事投薬忘失を有する場合、少なくとも１つのプロセッサにより、少なくとも１日のデータを判定から除外しながら、分析物パターンタイプの判定を繰り返し、判定を繰り返した後に分析物パターンが高い場合、長時間作用型インスリン用量またはベーサルレートを増やすための推奨事項を生成するステップを含む。幾つかの実施形態では、本方法はさらに、ＴＯＤ期間の分析物パターンが低く、少なくとも１日が食後補正を含む場合、少なくとも１つのプロセッサにより、食後補正のない任意の日のデータを判定から除外しながら、分析物パターンタイプの判定を繰り返し、判定を繰り返した後に分析物パターンが低い場合、食後補正用量を減らすための推奨事項を生成するステップを含む。幾つかの実施形態では、本方法はさらに、ＴＯＤ期間の分析物パターンが低く、少なくとも１日が食後補正を含む場合、少なくとも１つのプロセッサにより、食後補正がない任意の日のデータを判定から除外しながら、分析物パターンタイプの判定を繰り返し、判定を繰り返した後に分析物パターンが低くない場合、食事用量を減らすための推奨事項を生成するステップを含む。幾つかの実施形態では、本方法はさらに、ＴＯＤ期間の分析物パターンが低く、少なくとも１日が食事投薬忘失を有する場合、少なくとも１つのプロセッサにより、食事投薬忘失を有する任意の日のデータを判定から除外しながら、分析物パターンタイプの判定を繰り返し、判定を繰り返した後に分析物パターンが低くない場合、食後補正用量を減らすための推奨事項を生成するステップを含む。幾つかの実施形態では、本方法はさらに、ＴＯＤ期間の分析物パターンが高く、少なくとも１日が食後補正を含む場合、少なくとも１つのプロセッサにより、食後補正または投薬忘失がない任意の日のデータを判定から除外しながら、分析物パターンタイプの判定を繰り返し、判定を繰り返した後に分析物パターンが高い場合、食後補正用量を増やすための推奨事項を生成するステップを含む。
幾つかの実施形態では、パターン分析は、ＴＩＲアルゴリズムである。幾つかの実施形態では、ＴＩＲアルゴリズムを実行するステップは、少なくとも１つのプロセッサにより、少なくとも１つのＴＯＤ期間について、目標を下回る時間（ｔＢＴ）および目標を上回る時間（ｔＡＴ）を決定するステップを含む。幾つかの実施形態では、ＴＩＲアルゴリズムを実行するステップはさらに、少なくとも１つのプロセッサにより、少なくとも目標を下回る時間（ｔＢＴ）および目標を上回る時間（ｔＡＴ）に基づいて、低血糖リスク指標または高血糖リスクのうちの少なくとも１つを評価するステップを含む。
幾つかの実施形態では、選択するステップはさらに、時間相関分析物データが、推奨事項をサポートするために十分に完全であるかどうかを判定するステップを含む。
幾つかの実施形態では、本方法はさらに、少なくとも１つのプロセッサにより、分析期間中に患者が装着したセンサ制御デバイスから発信された時間相関分析物データを受信するステップを含む。
幾つかの実施形態では、本方法はさらに、少なくとも１つのプロセッサにより、分析期間中に患者が投薬デバイスから受け取った薬剤の用量を定義する情報を受信するステップを含む。
幾つかの実施形態では、分析物はグルコースレベルのインジケータを含み、薬剤はインスリンを含む。
多くの実施形態では、対象に用量ガイダンスを提供する装置が記載されており、この装置は、測定された分析物データ、食事データおよび投薬データを受信するように構成された入力部と、用量ガイダンスを視覚的に提示するように構成されたディスプレイと、入力部、ディスプレイ、および命令を格納するメモリに結合された１つまたは複数のプロセッサとを備え、命令は、１つまたは複数のプロセッサによって実行される際に、この装置に、分析期間中に取得された患者の時間相関分析物データを入力として受け取るパターン分析アルゴリズムを実行することによって、少なくとも１つの時間帯（ＴＯＤ）期間の分析物パターンタイプを決定させ、推奨アルゴリズムを実行することによって、分析物パターンタイプおよび分析期間における患者の定義された投薬戦略に基づいて、ＭＤＩ投薬推奨事項を選択させ、推奨された動作のインジケータをコンピュータメモリに格納し、ユーザまたは投薬デバイスの少なくとも一方に出力させる。
幾つかの実施形態では、パターン分析アルゴリズムは、グルコースパターン分析（ＧＰＡ）アルゴリズムである。幾つかの実施形態では、メモリはさらに、少なくとも１つのＴＯＤ期間に対する中心傾向値および変動性値を決定することにより、少なくとも部分的にＧＰＡアルゴリズムを実行するための命令を保持している。幾つかの実施形態では、メモリはさらに、中心傾向値および変動性値のうちの少なくとも１つに基づいて低血糖リスク指標または高血糖リスクのうちの少なくとも１つを評価することにより、ＧＰＡアルゴリズムを少なくとも部分的に実行するための命令を保持している。幾つかの実施形態では、メモリはさらに、ＭＤＩ投薬療法のための食事ボーラスタイトレーションの評価に使用する分析物パターンタイプを提供するための命令を保持している。幾つかの実施形態では、メモリはさらに、中心傾向値および変動性値に基づいて低血糖リスク指標を評価するための命令を保持している。幾つかの実施形態では、メモリはさらに、中心傾向値に基づいて高血糖リスク指標を評価するための命令を保持している。幾つかの実施形態では、メモリはさらに、分析物パターンが高／低の場合、変更なしの推奨値を選択するための命令を保持している。幾つかの実施形態では、メモリはさらに、夜間ＴＯＤ期間の分析物パターンが低い場合、少なくともベーサル用量と、任意に、食事用量、食前補正用量、または食後用量のうちの１つ以上を含む、関連するすべての用量を同量分減らすための推奨事項を生成するための命令を保持している。幾つかの実施形態では、メモリはさらに、夜間以外のＴＯＤ期間の分析物パターンが低い場合、夜間以外のＴＯＤ期間のみの固定食事用量を減らすための推奨事項を生成するための命令を保持している。幾つかの実施形態では、メモリはさらに、少なくとも１つの低パターンを検出した場合、任意の高パターンのＴＯＤ期間に対してタイトレーションガイダンスを提供しないための命令を保持している。幾つかの実施形態では、メモリはさらに、夜間ＴＯＤ期間の分析物パターンが高く、他のＴＯＤ期間が低分析物パターンを有しない場合、長時間作用型インスリンの用量またはベーサルレートを増やすための推奨事項を生成するための命令を保持している。幾つかの実施形態では、メモリはさらに、夜間ＴＯＤ期間の分析物パターンが高く、少なくとも１つの他の非夕食ＴＯＤ期間が低分析物パターンを有する場合、少なくとも１つの他の非夕食ＴＯＤ期間の食事インスリン用量を減らすための推奨事項を生成するための命令を保持している。幾つかの実施形態では、メモリはさらに、夜間ＴＯＤ期間の分析物パターンが高くなく、低くなく、少なくとも１つの他のＴＯＤ期間が高分析物パターンを有する場合、高分析物パターンを有する最も早いＴＯＤ期間の食事インスリン投与量を増やすための推奨事項を生成するための命令を保持している。幾つかの実施形態では、メモリはさらに、夜間ＴＯＤ期間の分析物パターンが低く、分析物パターンが高い唯一の期間が夕食ＴＯＤ期間である場合、長時間作用型インスリン用量またはベーサルレートを増やすための推奨事項を生成するための命令を保持している。幾つかの実施形態では、メモリはさらに、夜間ＴＯＤ期間の分析物パターンが高く、少なくとも１日が食事投薬忘失を有する場合、少なくとも１日のデータを判定から除外しながら、分析物パターンタイプの判定を繰り返し、判定を繰り返した後に分析物パターンが高い場合、長時間作用型インスリン用量またはベーサルレートを増やすための推奨事項を生成するための命令を保持している。幾つかの実施形態では、メモリはさらに、ＴＯＤ期間の分析物パターンが低く、少なくとも１日が食後補正を含む場合、食後補正のない任意の日のデータを判定から除外しながら、分析物パターンタイプの判定を繰り返し、判定を繰り返した後に分析物パターンが低い場合、食後補正用量を減らすための推奨事項を生成するための命令を保持している。幾つかの実施形態では、メモリはさらに、ＴＯＤ期間の分析物パターンが低く、少なくとも１日が食後補正を含む場合、食後補正がない任意の日のデータを判定から除外しながら、分析物パターンタイプの判定を繰り返し、判定を繰り返した後に分析物パターンが低くない場合、食事用量を減らすための推奨事項を生成するための命令を保持している。幾つかの実施形態では、メモリはさらに、ＴＯＤ期間の分析物パターンが低く、少なくとも１日が食事投薬忘失を有する場合、食事投薬忘失を有する任意の日のデータを判定から除外しながら、分析物パターンタイプの判定を繰り返し、判定を繰り返した後に分析物パターンが低くない場合、食後補正用量を減らすための推奨事項を生成するための命令を保持している。幾つかの実施形態では、メモリはさらに、ＴＯＤ期間の分析物パターンが高く、少なくとも１日が食後補正を含む場合、食後補正または投薬忘失がない任意の日のデータを判定から除外しながら、分析物パターンタイプの判定を繰り返し、判定を繰り返した後に分析物パターンが高い場合、食後補正用量を増やすための推奨事項を生成するための命令を保持している。
幾つかの実施形態では、パターン分析は、ＴＩＲアルゴリズムである。幾つかの実施形態では、メモリはさらに、少なくとも１つのＴＯＤ期間について、目標を下回る時間（ｔＢＴ）および目標を上回る時間（ｔＡＴ）を決定することによって少なくとも部分的にＴＩＲアルゴリズムを実行するための更なる命令を保持している。幾つかの実施形態では、メモリはさらに、少なくとも目標を下回る時間（ｔＢＴ）および目標を上回る時間（ｔＡＴ）に基づいて、低血糖リスク指標または高血糖リスクのうちの少なくとも１つを評価することによって少なくとも部分的にＴＩＲアルゴリズムを実行するための更なる命令を保持している。
幾つかの実施形態では、メモリはさらに、時間相関分析物データが、推奨事項をサポートするために十分に完全であるかどうかを判定することによって少なくとも部分的に選択するための命令を保持している。
幾つかの実施形態では、メモリはさらに、分析期間中に患者が装着したセンサ制御デバイスから発信された時間相関分析物データを受信するための命令を保持している。
幾つかの実施形態では、メモリはさらに、分析期間中に患者が投薬デバイスから受け取った薬の用量を定義する情報を受信するための命令を保持している。
幾つかの実施形態では、分析物はグルコースレベルのインジケータを含み、薬剤はインスリンを含む。
多くの実施形態では、用量ガイダンスを提供するための方法が記載されており、この方法は、処理回路により、用量ガイダンスに関するユーザの問い合わせに応答して、複数のインスリン用量候補を決定するステップと、処理回路により、複数のインスリン用量候補に対応する複数のグルコースタイムコースを決定するステップと、処理回路により、複数のグルコースタイムコースに対応する複数のコスト関数値を計算するステップと、複数のコスト関数値のうち最も低いコスト関数値を有する最適なインスリン用量を決定するステップと、決定された最適なインスリン用量を含む用量ガイダンスを出力するステップとを含む。
幾つかの実施形態では、決定された最適なインスリン用量は、グルコース補正部分、食事補正部分、およびインスリンオンボード部分を含む。
幾つかの実施形態では、決定された最適なインスリン用量は、グルコース補正部分およびインスリンオンボード部分を含む。
幾つかの実施形態では、グルコース補正部分、食事補正部分、およびインスリンオンボード部分は、それぞれユーザに出力される。
幾つかの実施形態では、複数のコスト関数値は、目標範囲外の時間を最小化するように計算される。幾つかの実施形態では、目標範囲は、約７０ｍｇ／ｄＬ～約１８０ｍｇ／ｄＬである。
幾つかの実施形態では、複数のコスト関数値は、曲線下面積の決定に基づいて計算される。
幾つかの実施形態では、用量ガイダンスは、補正用量のためのものである。
幾つかの実施形態では、用量ガイダンスは、食事用量のためのものである。
幾つかの実施形態では、用量ガイダンスは、ベーサル用量のためのものである。幾つかの実施形態では、複数のグルコースタイムコースのそれぞれには、３つの食事イベントが含まれる。幾つかの実施形態では、３つの食事イベントのそれぞれは、炭水化物の入力および速効型インスリンの入力を含む。
多くの実施形態では、対象に用量ガイダンスを提供するための装置が記載されており、この装置は、測定された分析物データ、食事データおよび投薬データ、ならびにユーザの問い合わせを受信するように構成された入力部と、用量ガイダンスを視覚的に提示するように構成されたディスプレイと、入力部、ディスプレイ、および命令を格納するメモリに結合された１つまたは複数のプロセッサとを備え、命令は、１つまたは複数のプロセッサによって実行される際に、１つまたは複数のプロセッサに、用量ガイダンスに関するユーザの問い合わせに応答して、複数のインスリン用量候補を決定させ、複数のインスリン用量候補に対応する複数のグルコースタイムコースを決定させ、複数のグルコースタイムコースに対応する複数のコスト関数値を計算させ、複数のコスト関数値のうち最も低いコスト関数値を有する最適なインスリン用量を決定させる。
幾つかの実施形態では、最適なインスリン用量は、グルコース補正部分、食事補正部分、およびインスリンオンボード部分を含む。
幾つかの実施形態では、最適なインスリン用量は、グルコース補正部分およびインスリンオンボード部分を含む。
幾つかの実施形態では、グルコース補正部分、食事補正部分、およびインスリンオンボード部分は、それぞれユーザに出力される。
幾つかの実施形態では、複数のコスト関数値は、目標範囲外の時間を最小化するように計算される。幾つかの実施形態では、目標範囲は、約７０ｍｇ／ｄＬ～約１８０ｍｇ／ｄＬである。
幾つかの実施形態では、複数のコスト関数値は、曲線下面積の決定に基づいて計算される。
幾つかの実施形態では、用量ガイダンスは、補正用量のためのものである。
幾つかの実施形態では、用量ガイダンスは、食事用量のためのものである。
幾つかの実施形態では、用量ガイダンスは、ベーサル用量のためのものである。幾つかの実施形態では、複数のグルコースタイムコースのそれぞれには、３つの食事イベントが含まれる。幾つかの実施形態では、３つの食事イベントのそれぞれは、炭水化物の入力および速効型インスリンの入力を含む。
多くの実施形態では、用量ガイダンスを提供するための方法が記載されており、この方法は、処理回路により、食事の用量ガイダンスに関するユーザの問い合わせに応答して、食事の炭水化物値の分布（この分布は、中心傾向の炭水化物値、中心傾向の炭水化物値よりも小さい低炭水化物値、および中心傾向の炭水化物値よりも大きい高炭水化物値を含む）を決定するステップと、中心傾向の炭水化物値、低炭水化物値、および高炭水化物値のそれぞれにつき、複数のインスリン投与候補を決定するステップと、処理回路により、中心傾向の炭水化物値、低炭水化物値、および高炭水化物値のそれぞれにつき、複数のインスリン投与候補に対応する複数のグルコースのタイムコースを決定するステップと、処理回路により、中心傾向の炭水化物値、低炭水化物値、および高炭水化物値のそれぞれにつき、複数のグルコースタイムコースに対応する複数のコスト関数値を計算するステップと、中心傾向の炭水化物値、低炭水化物値、および高炭水化物値のそれぞれにつき、最適なインスリン用量（この最適なインスリン投与量は、中心傾向の炭水化物値、低炭水化物値、および高炭水化物値のそれぞれにつき、複数のコスト関数値のうち最も低いコスト関数値を有する）を決定するステップと、処理回路により、中心傾向の炭水化物値、低炭水化物値および高炭水化物値のそれぞれにつき、決定された最適インスリン量を含む複数の用量ガイドを出力するステップとを含む。
幾つかの実施形態では、最適なインスリン用量は、グルコース補正部分、食事補正部分、およびインスリンオンボード部分を含む。
幾つかの実施形態では、グルコース補正部分、食事補正部分、およびインスリンオンボード部分は、それぞれユーザに出力される。
幾つかの実施形態では、複数のコスト関数値は、目標範囲外の時間を最小化するように計算される。幾つかの実施形態では、目標範囲は、約７０ｍｇ／ｄＬ～約１８０ｍｇ／ｄＬである。
幾つかの実施形態では、複数のコスト関数値は、曲線下面積の決定に基づいて計算される。
多くの実施形態では、対象に用量ガイダンスを提供するための装置が記載されており、この装置は、測定された分析物データ、食事データおよび投薬データ、ならびにユーザの問い合わせを受信するように構成された入力部と、用量ガイダンスを視覚的に提示するように構成されたディスプレイと、入力部、ディスプレイ、および命令を格納するメモリに結合された１つまたは複数のプロセッサとを備え、命令は、１つまたは複数のプロセッサに、食事の用量ガイダンスに関するユーザの問い合わせに応答して、食事の炭水化物値の分布（この分布は、中心傾向の炭水化物値、中心傾向の炭水化物値よりも小さい低炭水化物値、および中心傾向の炭水化物値よりも大きい高炭水化物値を含む）を決定させ、中心傾向の炭水化物値、低炭水化物値、および高炭水化物値のそれぞれにつき、複数のインスリン投与候補を決定させ、中心傾向の炭水化物値、低炭水化物値、および高炭水化物値のそれぞれにつき、複数のインスリン投与候補に対応する複数のグルコースのタイムコースを決定させ、中心傾向の炭水化物値、低炭水化物値、および高炭水化物値のそれぞれにつき、複数のグルコースタイムコースに対応する複数のコスト関数値を計算させ、中心傾向の炭水化物値、低炭水化物値、および高炭水化物値のそれぞれにつき、最適なインスリン用量（この最適なインスリン投与量は、中心傾向の炭水化物値、低炭水化物値、および高炭水化物値のそれぞれにつき、複数のコスト関数値のうち最も低いコスト関数値を有する）を決定させ、中心傾向の炭水化物値、低炭水化物値および高炭水化物値のそれぞれにつき、決定された最適インスリン量を含む複数の用量ガイドを出力させる。
幾つかの実施形態では、最適なインスリン用量は、グルコース補正部分、食事補正部分、およびインスリンオンボード部分を含む。
幾つかの実施形態では、グルコース補正部分、食事補正部分、およびインスリンオンボード部分は、それぞれユーザに出力される。
幾つかの実施形態では、複数のコスト関数値は、目標範囲外の時間を最小化するように計算される。幾つかの実施形態では、目標範囲は、約７０ｍｇ／ｄＬ～約１８０ｍｇ／ｄＬである。
幾つかの実施形態では、複数のコスト関数値は、曲線下面積の決定に基づいて計算される。
多くの実施形態では、分析物データに応答して食前補正係数を提供する方法であって、少なくとも１つのプロセッサにより、分析期間中に取得された患者の時間相関分析物データを入力として受け取るパターン分析アルゴリズムを実行することによって、少なくとも１つの時間帯（ＴＯＤ）期間の分析物パターンタイプを決定するステップと、アルゴリズムを実行する少なくとも１つのプロセッサにより、分析物パターンタイプおよび分析期間における患者の定義された投薬戦略に基づいて、食前補正係数を決定するステップと、少なくとも１つのプロセッサにより、食前補正のインジケータをコンピュータメモリに格納し、ユーザまたは投薬デバイスの少なくとも一方に出力するステップとを含む、方法が説明される。
幾つかの実施形態では、パターン分析アルゴリズムは、グルコースパターン分析（ＧＰＡ）アルゴリズムである。幾つかの実施形態では、ＧＰＡが低グルコースパターンの表示を出力し、方法が、少なくとも１つのプロセッサにより、定義された投薬戦略の食事用量が食前補正を含むかどうかを判定するステップをさらに含む。幾つかの実施形態では、方法が、少なくとも１つのプロセッサにより、食事投与が行われてボーラス投与または食前補正が忘失されていない日についてのみ、分析物データの一部を含めるステップをさらに含む。幾つかの実施形態では、方法が、少なくとも１つのプロセッサにより、最小信頼水準を達成するために十分なデータが残っているかどうかを試験するステップをさらに含む。幾つかの実施形態では、方法が、少なくとも１つのプロセッサにより、十分なデータが残っている場合には、分析物データの一部を用いて、食事投与が行われてボーラス投与または食前補正が忘失されていない日についてのみＧＰＡを実行するステップをさらに含む。幾つかの実施形態では、方法が、少なくとも１つのプロセッサにより、ＧＰＡからのグルコースパターンが低いかどうかを判定し、低い場合に、関連するＴＯＤ期間の各用量の食事部分の推奨値を減らすステップをさらに含む。幾つかの実施形態では、方法が、少なくとも１つのプロセッサにより、グルコースパターンが低くない場合に、食前補正係数を減らすステップをさらに含む。幾つかの実施形態では、方法が、少なくとも１つのプロセッサにより、不十分なデータが残っている場合には、食前補正が行われた日のデータを含めるステップをさらに含む。幾つかの実施形態では、方法が、少なくとも１つのプロセッサにより、食前補正が行われた日のデータを含めて、最小信頼水準を達成するための十分なデータが存在するかどうかを試験するステップをさらに含む。幾つかの実施形態では、方法が、少なくとも１つのプロセッサにより、１回または複数回の食前補正が行われた日のデータを入力として含む分析物データを用いて第２のＧＰＡを実行するステップをさらに含む。幾つかの実施形態では、方法が、少なくとも１つのプロセッサにより、第２のＧＰＡからのグルコースパターンが低くないかどうかを判定し、低い場合に、関連するＴＯＤ期間の各用量の食事部分の推奨値を減らすステップをさらに含む。幾つかの実施形態では、方法が、少なくとも１つのプロセッサにより、第２のＧＰＡからのグルコースパターンが低い場合に、食事用量のみのデータを入力として含む分析物データを用いて第３のＧＰＡを実行するステップをさらに含む。幾つかの実施形態では、方法が、少なくとも１つのプロセッサにより、第３のＧＰＡからのグルコースパターンが低くないかどうかを判定し、低い場合に、食前補正の推奨値を減らすステップをさらに含む。幾つかの実施形態では、方法が、少なくとも１つのプロセッサにより、第３のＧＰＡからのグルコースパターンが低いかどうかを判定し、低い場合に、関連するＴＯＤ期間の各用量の食事部分の推奨値を減らすステップをさらに含む。幾つかの実施形態では、ＧＰＡが高グルコースパターンの表示を出力し、方法が、少なくとも１つのプロセッサにより、食前補正が行われた食事用量を分析物データが含むかどうかを判定し、含まない場合に、元のデータセットから、ボーラスが忘失された日のデータおよび食前補正が行われた日のデータを除外し、これに基づいてＧＰＡを実行するステップをさらに含む。幾つかの実施形態では、方法が、少なくとも１つのプロセッサにより、ＧＰＡによって決定されたグルコースパターンが高いかどうかを判定し、高くない場合に、食前補正係数を増大させるステップをさらに含む。幾つかの実施形態では、少なくとも１つのプロセッサにより、ＧＰＡによって決定されたグルコースパターンが高いかどうかを判定し、高い場合に、関連するＴＯＤ期間の各用量の食事部分の推奨値を高めるステップをさらに含む。幾つかの実施形態では、ＧＰＡが高グルコースパターンの表示を出力し、方法が、少なくとも１つのプロセッサにより、食前補正が行われた食事用量を分析物データが含むかどうかを判定し、含む場合に、元のデータセットから、食事用量および食前補正が行われた日のデータを含め、ボーラスが忘失された日のデータを除外し、これに基づいてＧＰＡを実行するステップをさらに含む。幾つかの実施形態では、少なくとも１つのプロセッサにより、方法が、ＧＰＡによって決定されたグルコースパターンが高いかどうかを判定し、高い場合に、元のデータセットから、食事投与および食前補正が行われた日のデータおよびボーラス投与が忘失された日のデータを除外し、これに基づいてＧＰＡを実行するステップをさらに含む。幾つかの実施形態では、方法が、少なくとも１つのプロセッサにより、ＧＰＡによって決定されたグルコースパターンが高いかどうかを判定し、高くない場合に、食前補正係数を増大させるステップをさらに含む。幾つかの実施形態では、方法が、少なくとも１つのプロセッサにより、ＧＰＡによって決定されたグルコースパターンが高いかどうかを判定し、高い場合に、関連するＴＯＤ期間の各用量の食事部分の推奨値を高めるステップをさらに含む。幾つかの実施形態では、ＧＰＡが高グルコースパターンの表示を出力し、方法が、少なくとも１つのプロセッサにより、食前補正が行われた食事用量を分析物データが含むかどうかを判定し、含まない場合に、元のデータセットから、食前補正が行われた日およびボーラスが忘失された日のデータを除外し、これに基づいてＧＰＡを実行するステップをさらに含む。幾つかの実施形態では、方法が、少なくとも１つのプロセッサにより、ＧＰＡによって決定されたグルコースパターンが高いかどうかを判定し、高い場合に、関連するＴＯＤ期間の各用量の食事部分の推奨値を高めるステップをさらに含む。幾つかの実施形態では、方法が、少なくとも１つのプロセッサにより、ＧＰＡによって決定されたグルコースパターンが高いかどうかを判定し、高くない場合に、食前補正係数を増大させるステップをさらに含む。
幾つかの実施形態では、パターン分析がＴＩＲアルゴリズムである。幾つかの実施形態では、ＴＩＲアルゴリズムを実行するステップが、少なくとも１つのプロセッサにより、少なくとも１つのＴＯＤ期間の目標を下回る時間（ｔＢＴ）および目標を上回る時間（ｔＡＴ）を決定するステップを含む。幾つかの実施形態では、ＴＩＲアルゴリズムを実行するステップが、少なくとも１つのプロセッサにより、少なくとも目標を下回る時間（ｔＢＴ）および目標を上回る時間（ｔＡＴ）に基づいて、低血糖リスク指標または高血糖リスクのうちの少なくとも１つを評価するステップをさらに含む。
幾つかの実施形態では、分析物がグルコースレベルのインジケータを含み、薬剤がインスリンを含む。
多くの実施形態では、分析物データに応答して食前補正係数を提供する装置であって、装置が、測定された分析物データ、食事データおよび投薬データを受信するように構成された入力部と、情報を視覚的に提示するように構成されたディスプレイと、入力部、ディスプレイ、および命令を格納するメモリに結合された１つまたは複数のプロセッサとを備え、命令は、１つまたは複数のプロセッサによって実行される際に、装置に、分析期間中に取得された患者の時間相関分析物データを入力として受け取るパターン分析アルゴリズムを実行することによって、少なくとも１つの時間帯（ＴＯＤ）期間の分析物パターンタイプを決定させ、アルゴリズムを実行することによって、分析物パターンタイプおよび分析期間における患者の定義された投薬戦略に基づいて、食前補正係数を決定させ、食前補正のインジケータをコンピュータメモリに格納し、ユーザまたは投薬デバイスの少なくとも一方に出力させるためのものである、装置が説明される。
幾つかの実施形態では、メモリが、グルコースパターン分析（ＧＰＡ）アルゴリズムであるパターン分析アルゴリズムを保持している。幾つかの実施形態では、ＧＰＡが低グルコースパターンの表示を出力し、少なくとも１つのプロセッサにより、定義された投薬戦略の食事用量が食前補正を含むかどうかを判定するステップがさらに含まれる。幾つかの実施形態では、メモリがさらに、食事投与が行われてボーラス投与または食前補正が忘失されていない日についてのみ、分析物データの一部を含めるための命令を保持している。幾つかの実施形態では、メモリがさらに、最小信頼水準を達成するために十分なデータが残っているかどうかを試験するための命令を保持している。幾つかの実施形態では、メモリがさらに、十分なデータが残っている場合には、分析物データの一部を用いて、食事投与が行われてボーラス投与または食前補正が忘失されていない日についてのみＧＰＡを実行するための命令を保持している。幾つかの実施形態では、メモリがさらに、ＧＰＡからのグルコースパターンが低いかどうかを判定し、低い場合に、関連するＴＯＤ期間の各用量の食事部分の推奨値を減らすための命令を保持している。幾つかの実施形態では、メモリがさらに、グルコースパターンが低くない場合に、食前補正係数を減らすための命令を保持している。幾つかの実施形態では、メモリがさらに、不十分なデータが残っている場合には、食前補正が行われた日のデータを含めるための命令を保持している。幾つかの実施形態では、メモリがさらに、食前補正が行われた日のデータを含めて、最小信頼水準を達成するための十分なデータが存在するかどうかを試験するための命令を保持している。幾つかの実施形態では、メモリがさらに、１回または複数回の食前補正が行われた日のデータを入力として含む分析物データを用いて第２のＧＰＡを実行するための命令を保持している。幾つかの実施形態では、メモリがさらに、第２のＧＰＡからのグルコースパターンが低くないかどうかを判定し、低い場合に、関連するＴＯＤ期間の各用量の食事部分の推奨値を減らすための命令を保持している。幾つかの実施形態では、メモリがさらに、第２のＧＰＡからのグルコースパターンが低い場合に、食事用量のみのデータを入力として含む分析物データを用いて第３のＧＰＡを実行するための命令を保持している。幾つかの実施形態では、メモリがさらに、第３のＧＰＡからのグルコースパターンが低くないかどうかを判定し、低い場合に、食前補正の推奨値を減らすための命令を保持している。幾つかの実施形態では、方法が、少なくとも１つのプロセッサにより、第３のＧＰＡからのグルコースパターンが低いかどうかを判定し、低い場合に、関連するＴＯＤ期間の各用量の食事部分の推奨値を減らすための命令を保持している。
幾つかの実施形態では、ＧＰＡが高グルコースパターンの表示を出力し、メモリがさらに、食前補正が行われた食事用量を分析物データが含むかどうかを判定し、含まない場合に、元のデータセットから、ボーラスが忘失された日のデータおよび食前補正が行われた日のデータを除外し、これに基づいてＧＰＡを実行するための命令を保持している。幾つかの実施形態では、メモリがさらに、ＧＰＡによって決定されたグルコースパターンが高いかどうかを判定し、高くない場合に、食前補正係数を増大させるための命令を保持している。幾つかの実施形態では、メモリがさらに、ＧＰＡによって決定されたグルコースパターンが高いかどうかを判定し、高い場合に、関連するＴＯＤ期間の各用量の食事部分の推奨値を高めるための命令を保持している。
幾つかの実施形態では、ＧＰＡが高グルコースパターンの表示を出力し、メモリがさらに、少なくとも１つのプロセッサにより、食前補正が行われた食事用量を分析物データが含むかどうかを判定し、含む場合に、元のデータセットから、食事用量および食前補正が行われた日のデータを含め、ボーラスが忘失された日のデータを除外し、これに基づいてＧＰＡを実行するための命令を保持している。幾つかの実施形態では、メモリがさらに、ＧＰＡによって決定されたグルコースパターンが高いかどうかを判定し、高い場合に、元のデータセットから、食前補正投与が行われた日のデータおよびボーラス投与が忘失された日のデータを除外し、これに基づいてＧＰＡを実行するための命令を保持している。幾つかの実施形態では、メモリがさらに、ＧＰＡによって決定されたグルコースパターンが高いかどうかを判定し、高くない場合に、食前補正係数を増大させるための命令を保持している。幾つかの実施形態では、メモリがさらに、ＧＰＡによって決定されたグルコースパターンが高いかどうかを判定し、高い場合に、関連するＴＯＤ期間の各用量の食事部分の推奨値を高めるための命令を保持している。幾つかの実施形態では、ＧＰＡが高グルコースパターンの表示を出力し、メモリがさらに、食前補正が行われた食事用量を分析物データが含むかどうかを判定し、含まない場合に、元のデータセットから、食前補正が行われた日のデータおよびボーラスが忘失された日のデータを除外し、これに基づいてＧＰＡを実行するための命令を保持している。幾つかの実施形態では、メモリがさらに、ＧＰＡによって決定されたグルコースパターンが高いかどうかを判定し、高い場合に、関連するＴＯＤ期間の各用量の食事部分の推奨値を高めるための命令を保持している。幾つかの実施形態では、メモリがさらに、ＧＰＡによって決定されたグルコースパターンが高いかどうかを判定し、高くない場合に、食前補正係数を増大させるための命令を保持している。
幾つかの実施形態では、分析物がグルコースレベルのインジケータを含み、薬剤がインスリンを含む。
幾つかの実施形態では、パターン分析がＴＩＲアルゴリズムである。幾つかの実施形態では、メモリがさらに、少なくとも１つのプロセッサにより、少なくとも部分的に少なくとも１つのＴＯＤ期間の目標を下回る時間（ｔＢＴ）および目標を上回る時間（ｔＡＴ）を決定することによって、ＴＩＲアルゴリズムを実行するための命令を保持している。幾つかの実施形態では、メモリがさらに、少なくとも１つのプロセッサにより、少なくとも部分的に、少なくとも目標を下回る時間（ｔＢＴ）および目標を上回る時間（ｔＡＴ）に基づいて、低血糖リスク指標または高血糖リスクのうちの少なくとも１つを評価することによって、ＴＩＲアルゴリズムを実行するための命令を保持している。
多くの実施形態では、食事の開始後に対象に投与するための用量ガイダンスを提供する方法であって、処理回路により、対象からの問い合わせに応答して、食事の開始時に対象に投与するために決定される、食事のための第１の用量ガイダンスを決定するステップと、処理回路により、リスクマップに関して、少なくとも第１の用量ガイダンスおよび時間帯に基づいて、低血糖のリスクが存在するかどうかを判定するステップと、低血糖のリスクが存在するとの判定に応答して、第１の用量ガイダンスとは異なる第２の用量ガイダンスを出力するステップとを含む、方法が説明される。
幾つかの実施形態では、リスクマップは、人口データ、対象データ、またはこれらの組み合わせに基づく。
幾つかの実施形態では、リスクマップは、時間帯および曜日に関連付けられた低血糖のリスクを含む。
幾つかの実施形態では、第２の用量ガイダンスは、第１の用量ガイダンスよりも低い量を含む。
幾つかの実施形態では、第２の用量ガイダンスは、第１の用量ガイダンスよりも低い低血糖のリスクに関連付けられている。
多くの実施形態では、食事の開始後に対象に投与するための用量ガイダンスを提供する装置であって、測定された分析物データ、食事データおよび投薬データを受信するように構成された入力部と、用量ガイダンスを視覚的に提示するように構成されたディスプレイと、入力部、ディスプレイ、および命令を格納するメモリに結合された１つまたは複数のプロセッサとを備え、命令は、１つまたは複数のプロセッサによって実行される際に、１つまたは複数のプロセッサに、対象からの問い合わせに応答して、食事の開始時に対象に投与するために決定される、食事のための第１の用量ガイダンスを決定させ、リスクマップに関して、少なくとも第１の用量ガイダンスおよび時間帯に基づいて、低血糖のリスクが存在するかどうかを判定させ、低血糖のリスクが存在するとの判定に応答して、第１の用量ガイダンスとは異なる第２の用量ガイダンスを出力させるためのものである、装置が説明される。
幾つかの実施形態では、リスクマップは、人口データ、対象データ、またはこれらの組み合わせに基づく。
幾つかの実施形態では、リスクマップは、時間帯および曜日に関連付けられた低血糖のリスクを含む。
幾つかの実施形態では、第２の用量ガイダンスは、第１の用量ガイダンスよりも低い量を含む。
幾つかの実施形態では、第２の用量ガイダンスは、第１の用量ガイダンスよりも低い低血糖のリスクに関連付けられている。
多くの実施形態では、食事の開始後の投与のための用量ガイダンスを提供する方法であって、処理回路により、対象からの問い合わせに応答して、食事の開始時に対象に投与するために決定される、食事のための第１の用量ガイダンスを決定するステップと、処理回路により、食事の開始と対象からの問い合わせとの間に時間遅延が存在するかどうかを判定するステップと、処理回路により、時間遅延の決定に応答して、少なくとも第１の用量ガイダンスおよび時間遅延に基づいて、低血糖のリスクが存在するかどうかを判定するステップと、低血糖のリスクが存在するとの判定に応答して、第１の用量ガイダンスよりも低血糖のリスクが低いことに関連付けられる、第２の用量ガイダンスを出力するステップとを含む、方法が説明される。
幾つかの実施形態では、低血糖のリスクが、リスクマップを含むデータ空間を参照して処理回路によって決定される。
幾つかの実施形態では、リスクマップが人口ベースである。
幾つかの実施形態では、リスクマップがユーザベースである。
幾つかの実施形態では、リスクマップが、低血糖指標から導出される多次元表面マップを含む。幾つかの実施形態では、低血糖指標が、投薬時間遅延、提案された用量ガイダンス、推奨された用量ガイダンス、投与された用量、および用量の投与後の所定の時間期間のグルコース時系列、からなる群から選択される複数の変数の関数である。幾つかの実施形態では、低血糖指標が、７０ｍｇ／ｄＬ未満の時間、５４ｍｇ／ｄＬ未満の時間、または低血糖指数である。幾つかの実施形態では、第２の用量ガイダンスが、多次元表面マップのΔ用量／低血糖のリスク等電位から決定される。
多くの実施形態では、食事の開始後に対象に用量ガイダンスを提供する装置であって、装置が、測定された分析物データ、食事データおよび投薬データを受信するように構成された入力部と、用量ガイダンスを視覚的に提示するように構成されたディスプレイと、入力部、ディスプレイ、および命令を格納するメモリに結合された１つまたは複数のプロセッサとを備え、命令は、１つまたは複数のプロセッサによって実行される際に、１つまたは複数のプロセッサに、対象からの問い合わせに応答して、食事の開始時に対象に投与されるように決定される、食事のための第１の用量ガイダンスを決定させ、食事の開始と対象からの問い合わせとの間に時間遅延が存在するかどうかを判定させ、時間遅延の決定に応答して、少なくとも第１の用量ガイダンスおよび時間遅延に基づいて、低血糖のリスクが存在するかどうかを判定させ、低血糖のリスクが存在するとの判定に応答して、第１の用量ガイダンスよりも低血糖のリスクが低いことに関連付けられる、第２の用量ガイダンスを出力させるためのものである、装置が説明される。
幾つかの実施形態では、プログラムの実行が、１つまたは複数のプロセッサに、リスクマップを含むデータ空間を参照して回路を処理することによって、低血糖のリスクを判定させる。
幾つかの実施形態では、リスクマップが人口ベースである。
幾つかの実施形態では、リスクマップがユーザベースである。
幾つかの実施形態では、リスクマップが、低血糖指標から導出される多次元表面マップを含む。幾つかの実施形態では、低血糖指標が、投薬時間遅延、提案された用量ガイダンス、推奨された用量ガイダンス、投与された用量、および投与後の所定の時間期間のグルコース時系列、からなる群から選択される複数の変数の関数である。幾つかの実施形態では、低血糖指標が、７０ｍｇ／ｄＬ未満の時間、５４ｍｇ／ｄＬ未満の時間、または低血糖指数である。幾つかの実施形態では、プログラムの実行が、１つまたは複数のプロセッサに、多次元表面マップのΔ用量／低血糖のリスク等電位から第２の用量ガイダンスを決定させる。
多くの実施形態では、食事の開始後に投与するための遅延用量ガイダンスを提供する方法であって、ユーザから、開始時刻を有する食事の用量ガイダンスの問い合わせを受信するステップと、処理回路により、用量ガイダンスの問い合わせが食事の開始後に受信されたかどうかを判定するステップと、処理回路により、開始時刻に関連するユーザの分析物レベルを決定するステップと、決定された分析物レベルに基づいて補正用量ガイダンスを決定するステップと、食事用量ガイダンスおよび補正用量ガイダンスを含む遅延用量ガイダンスを出力するステップとを含む、方法が説明される。
幾つかの実施形態では、方法が、投薬忘失をユーザに通知するステップをさらに含む。
幾つかの実施形態では、食事の開始時刻が推定開始時刻である。
幾つかの実施形態では、遅延用量ガイダンスが、食事用量ガイダンスと補正用量ガイダンスとの合計である。
幾つかの実施形態では、補正用量ガイダンスが、決定された分析物レベルと目標分析物との差を補正係数で割ったものである。
幾つかの実施形態では、食事用量ガイダンスが固定食事用量である。
幾つかの実施形態では、食事用量ガイダンスが、少なくとも食事の炭水化物含有量に基づいて決定される。
幾つかの実施形態では、薬物がインスリンであり、分析物がグルコースである。
多くの実施形態では、食事の開始後に対象に用量ガイダンスを提供する装置であって、装置が、測定された分析物データ、食事データおよび投薬データ、ならびに開始時刻を有する食事の用量ガイダンスに関するユーザからの問い合わせを受信するように構成された入力部と、用量ガイダンスを視覚的に提示するように構成されたディスプレイと、入力部、ディスプレイ、および命令を格納するメモリに結合された１つまたは複数のプロセッサとを含み、命令は、１つまたは複数のプロセッサによって実行される際に、１つまたは複数のプロセッサに、用量ガイダンスの問い合わせが食事の開始後に受信されたかどうかを判定させ、開始時刻に関連するユーザの分析物レベルを決定させ、決定された分析物レベルに基づいて、補正用量ガイダンスを決定させ、食事用量ガイダンスおよび補正用量ガイダンスを含む遅延用量ガイダンスを出力させるためのものである、装置が説明される。
幾つかの実施形態では、プログラムの実行が、１つまたは複数のプロセッサに、ユーザに投薬忘失を通知させる。
幾つかの実施形態では、食事の開始時刻が推定開始時刻である。
幾つかの実施形態では、遅延用量ガイダンスが、食事用量ガイダンスと補正用量ガイダンスとの合計である。
幾つかの実施形態では、補正用量ガイダンスが、決定された分析物レベルと目標分析物との差を補正係数で割ったものである。
幾つかの実施形態では、食事用量ガイダンスが固定食事用量である。
幾つかの実施形態では、食事用量ガイダンスが、少なくとも食事の炭水化物含有量に基づいて決定される。
幾つかの実施形態では、薬物がインスリンであり、分析物がグルコースである。
多くの実施形態では、食事の開始後に投与するための用量ガイダンスを提供する方法であって、処理回路により、対象からの問い合わせに応答して、食事のための第１の用量ガイダンスを決定するステップと、処理回路により、食事の開始と対象からの問い合わせとの間の時間遅延を計算するステップと、処理回路により、時間遅延が０超であるとの判定に応答して、内因性インスリンの推定量および時間遅延に対応する因子を決定するステップと、第１の用量ガイダンスおよび因子に関連付けられる、第２の用量ガイダンスを出力するステップとを含む、方法が説明される。
幾つかの実施形態では、第２の用量ガイダンスは、第１の用量ガイダンスと因子との積である。
幾つかの実施形態では、因子は分数である。
幾つかの実施形態では、因子はユニバーサルルックアップテーブルから決定される。
幾つかの実施形態では、第１の用量ガイダンスが、食事の開始時に対象に投与するために決定される。
幾つかの実施形態では、第１の用量ガイダンスは固定食事用量である。
幾つかの実施形態では、第１の用量ガイダンスが、少なくとも食事の炭水化物含有量に基づいて決定される。
多くの実施形態では、食事の開始後に対象に用量ガイダンスを提供する装置であって、装置が、測定された分析物データ、食事データおよび投薬データを受信するように構成された入力部と、用量ガイダンスを視覚的に提示するように構成されたディスプレイと、入力部、ディスプレイ、および命令を格納するメモリに結合された１つまたは複数のプロセッサとを含み、命令は、１つまたは複数のプロセッサによって実行される際に、１つまたは複数のプロセッサに、対象からの問い合わせに応答して、食事のための第１の用量ガイダンスを決定させ、食事の開始と対象からの問い合わせとの間の時間遅延を計算させ、時間遅延が０超であるとの判定に応答して、内因性インスリンの推定量および時間遅延に対応する因子を決定させ、第１の用量ガイダンスおよび因子に関連付けられる、第２の用量ガイダンスを出力させるためのものである、装置が説明される。
幾つかの実施形態では、第２の用量ガイダンスは、第１の用量ガイダンスと因子との積である。
幾つかの実施形態では、因子は分数である。
幾つかの実施形態では、プログラムの実行が、プロセッサに、ユニバーサルルックアップテーブルから因子を決定させる。
幾つかの実施形態では、プログラムの実行が、１つまたは複数のプロセッサに、食事の開始時に対象に投与するための第１の用量ガイダンスを決定させる。
幾つかの実施形態では、第１の用量ガイダンスは固定食事用量である。
幾つかの実施形態では、第１の用量ガイダンスは、少なくとも食事の炭水化物含有量に基づいて決定される。
多くの実施形態では、加わった食事の用量ガイダンスを提供するための方法が記載されており、この方法は、処理回路により、用量ガイダンスに関するユーザの問い合わせに応答して、ユーザの問い合わせが第１のエピソード（この第１のエピソードは、開始時刻を有する食事を含む）の期間内に行われたかどうかを判定するステップと、処理回路により、ユーザの問い合わせが期間内に行われたとの判定に応答して、食事が追加の食品で延長されたかどうかを確認するためにユーザからの入力を要求するステップと、処理回路により、食事の開始時刻から低血糖のリスクを判定するステップと、処理回路により、低血糖のリスクがあるとの判定に応答して、用量ガイダンスを提供できない旨の通知を出力するステップと、処理回路により、低血糖のリスクがないとの判定に応答して、用量ガイダンスを出力するステップとを含む。
幾つかの実施形態では、本方法はさらに、ユーザが追加の食品を摂った後に、低血糖の第２のリスクを判定するステップを含む。
幾つかの実施形態では、本方法はさらに、低血糖をチェックするためのユーザの問い合わせの時間から少なくとも約２時間後にグルコースレベルをチェックするようにユーザに通知を出力するステップを含む。
幾つかの実施形態では、期間の開始は、食事の開始時刻である。
幾つかの実施形態では、期間の開始は、最後の用量ガイダンスがユーザに出力された時刻である。
幾つかの実施形態では、期間の開始は、最後のインスリン投与が提供された時刻である。
幾つかの実施形態では、予め定められた時間は、約３０分、約６０分、約９０分、および約１２０分からなる群から選択される。
幾つかの実施形態では、低血糖のリスクを判定するステップは、処理回路により、ユーザが現在の血糖エクスカーションにある点を決定するステップと、処理回路により、グルコースのレベルが増大または減少しているかを決定するためにグルコースレベルの予測値を計算するステップとを含む。
幾つかの実施形態では、低血糖のリスクがないとの判定に応答して出力される用量ガイダンスは、追加の食品に対するＨＣＰ推奨値に従った用量ガイダンスである。
多くの実施形態では、加わった食事の用量ガイダンスを提供するための装置が記載されており、この装置は、測定された分析物データ、食事データおよび投薬データ、ならびに用量ガイダンスに関するユーザの問い合わせを受信するように構成された入力部と、用量ガイダンスを視覚的に提示するように構成されたディスプレイと、入力部、ディスプレイ、および命令を格納するメモリに結合された１つまたは複数のプロセッサとを備え、命令は、１つまたは複数のプロセッサにより実行される際に、１つまたは複数のプロセッサに、用量ガイダンスに関するユーザの問い合わせに応答して、ユーザの問い合わせが第１のエピソード（この第１のエピソードは、開始時刻を有する食事を含む）の期間内に行われたかどうかを判定させ、ユーザの問い合わせが期間内に行われたとの判定に応答して、食事が追加の食品で延長されたかどうかを確認するためにユーザからの入力を要求させ、食事の開始時刻から低血糖のリスクを判定させ、低血糖のリスクがあるとの判定に応答して、用量ガイダンスを提供できない旨の通知を出力させ、低血糖のリスクがないとの判定に応答して、用量ガイダンスを出力させる。
幾つかの実施形態では、プログラムの実行によりさらに、１つまたは複数のプロセッサに、ユーザが追加の食品を摂った後に、低血糖の第２のリスクを判定させる。
幾つかの実施形態では、プログラムの実行によりさらに、１つまたは複数のプロセッサに、低血糖をチェックするためのユーザの問い合わせの時間から少なくとも約２時間後にグルコースレベルをチェックするようにユーザに通知を出力させる。
幾つかの実施形態では、期間の開始は、食事の開始時刻である。
幾つかの実施形態では、期間の開始は、最後の用量ガイダンスがユーザに出力された時刻である。
幾つかの実施形態では、期間の開始は、最後のインスリン投与が提供された時刻である。
幾つかの実施形態では、予め定められた時間は、約３０分、約６０分、約９０分、および約１２０分からなる群から選択される。
幾つかの実施形態では、プログラムの実行により、１つまたは複数のプロセッサに、当該プロセッサにユーザが現在の血糖エクスカーションにある点を決定させ、グルコースのレベルが増大または減少しているかを決定するためにグルコースレベルの予測値を計算させることによって、低血糖のリスクを判定させる。
幾つかの実施形態では、低血糖のリスクがないとの判定に応答して出力された用量ガイダンスは、追加の食品に対するＨＣＰの推奨値に従った用量ガイダンスである。
多くの実施形態では、用量ガイダンスを提供するための方法が記載されており、この方法は、第１のユーザの問い合わせに応答して第１の用量ガイダンスを出力するステップと、処理回路により、投与された第１の用量の薬物の量が第１の用量ガイダンスの薬物の量よりも少ないかどうかを判定するステップと、処理回路により、第２の用量ガイダンスに関する第２のユーザの問い合わせが第１の用量の投与の期間内に受信されたかどうかを判定するステップと、第２のユーザの問い合わせが、食事が完了した後の高グルコースレベルを調整することであるかどうかを判定するために、ユーザからの入力を要求するステップと、処理回路により、ユーザの血糖値が上昇しているかどうかを少なくとも判定することによって低血糖のリスクを判定するステップと、処理回路により、低血糖のリスクの判定に応答して、第２の用量ガイダンスを提供できない旨の通知を出力するステップと、処理回路により、低血糖のリスクがないとの判定に応答して、第２の用量ガイダンスを出力するステップとを含む。
幾つかの実施形態では、第１の用量ガイダンスは、食事の開始時に投与される食事用量である。
幾つかの実施形態では、本方法はさらに、処理回路により、投与された第１の用量における薬剤の量と第１の用量ガイダンスにおける薬剤の量との間で決定された差分を記録するステップを含む。
幾つかの実施形態では、時間期間は約１２０分である。
幾つかの実施形態では、低血糖のリスクを判定するステップは、ユーザのグルコースレベルが上昇しているかどうかを判定するステップを含む。
幾つかの実施形態では、低血糖のリスクを判定するステップは、ユーザの現在のグルコースレベルの前方予測値を計算するステップと、前方予測において可能性のある低血糖エピソードを決定するステップとを含む。
幾つかの実施形態では、第２の用量ガイダンスは、補正用量ガイダンスを含む。幾つかの実施形態では、補正用量ガイダンスは、現在のグルコースレベルと目標グルコースとの差分を補正係数で割った値から、残留インスリンオンボードを差し引いた値である。幾つかの実施形態では、補正係数は、ユーザのインスリン感受性係数である。
多くの実施形態では、用量ガイダンスを提供するための装置が記載されており、この装置は、測定された分析物データ、食事データおよび投薬データ、ならびに用量ガイダンスに関する複数のユーザの問い合わせを受信するように構成された入力部と、用量ガイダンスを視覚的に提示するように構成されたディスプレイと、入力部、ディスプレイ、および命令を格納するメモリに結合された１つまたは複数のプロセッサとを備え、命令は、１つまたは複数のプロセッサにより実行される際に、１つまたは複数のプロセッサに、第１のユーザの問い合わせに応答して第１の用量ガイダンスを出力させ、投与された第１の用量の薬物の量が第１の用量ガイダンスの薬物の量よりも少ないかどうかを判定させ、第２の用量ガイダンスに関する第２のユーザの問い合わせが第１の用量の投与の期間内に受信されたかどうかを判定させ、第２のユーザの問い合わせが、食事が完了した後の高グルコースレベルを調整することであるかどうかを判定するために、ユーザからの入力を要求させ、ユーザの血糖値が上昇しているかどうかを少なくとも判定することによって低血糖のリスクを判定させ、低血糖のリスクの判定に応答して、第２の用量ガイダンスを提供できない旨の通知を出力させ、低血糖のリスクがないとの判定に応答して、第２の用量ガイダンスを出力させる。
幾つかの実施形態では、第１の用量ガイダンスは、食事の開始時に投与される食事用量である。
幾つかの実施形態では、プログラムの実行によりさらに、１つまたは複数のプロセッサに、投与された第１の用量における薬剤の量と第１の用量ガイダンスにおける薬剤の量との間で決定された差分を記録させる。
幾つかの実施形態では、時間期間は約１２０分である。
幾つかの実施形態では、低血糖のリスクを判定するステップは、ユーザのグルコースレベルが上昇しているかどうかを判定するステップを含む。
幾つかの実施形態では、プログラムの実行により、１つまたは複数のプロセッサに、当該プロセッサにユーザの現在のグルコースレベルの前方予測値を計算させ、前方予測値において可能性のある低血糖エピソードを決定させることによって、低血糖のリスクを判定させる。
幾つかの実施形態では、第２の用量ガイダンスは、補正用量ガイダンスを含む。幾つかの実施形態では、補正用量ガイダンスは、現在のグルコースレベルと目標グルコースとの差分を補正係数で割った値から、残留インスリンオンボードを差し引いた値である。幾つかの実施形態では、補正係数は、ユーザのインスリン感受性係数である。
多くの実施形態では、対象にアラートするための方法が記載されており、この方法は、分析物時系列データおよびイベントデータを含む複数のデータを受信するステップと、複数のデータの少なくとも一部を処理して、将来の低血糖または高血糖エピソードの発生確率、予測される時期および予測される重症度を決定するステップと、予測される将来の低血糖または高血糖エピソードについて対象にアラートするステップとを含む。
幾つかの実施形態では、イベントデータは、食事データ、おやつデータ、運動データおよび投薬データのうちの少なくとも１つを含む。幾つかの実施形態では、投薬データは、投与されたボーラスインスリンの投薬時刻および量を含む。幾つかの実施形態では、投薬データは、投与されたベーサルインスリンの投薬時刻および量を含む。
幾つかの実施形態では、イベントデータは、各イベントに関連するタイムスタンプを含む。
幾つかの実施形態では、複数のデータはさらに、位置データ、暦日データ、期間データおよびストレスレベルデータのうちの少なくとも１つを含む。
幾つかの実施形態では、分析物時系列データは、分析物時系列データの高次微分および積分を含む。
幾つかの実施形態では、対象にアラートするステップは、予測される将来の低血糖または高血糖エピソードの予測されるタイプおよび予測される時間を含む通知を出力するステップを含む。
幾つかの実施形態では、対象にアラートするステップは、発生確率、予測されるタイミングおよび予測される重症度がそれぞれ閾値を上回ったときに行われる。
幾つかの実施形態では、対象にアラートするステップは、イベントと予測される将来の低血糖または高血糖のエピソードとの関連性を含む通知を出力するステップを含む。
幾つかの実施形態では、予測される将来の低血糖または高血糖エピソードは、人口ベースのデータ、対象ベースのデータ、またはこれらの組み合わせに基づく。
幾つかの実施形態では、対象にアラートするステップは、複数の予測される将来の低血糖または高血糖エピソードのリストを表示するステップを含む。
多くの実施形態では、対象にアラートするための装置が記載されており、この装置は、分析物時系列データおよびイベントデータを含む複数のデータを受信するように構成された入力部と、用量ガイダンスを視覚的に提示するように構成されたディスプレイと、入力部、ディスプレイ、および命令を格納するメモリに結合された１つまたは複数のプロセッサとを備え、命令は、１つまたは複数のプロセッサにより実行される際に、１つまたは複数のプロセッサに、複数のデータの少なくとも一部を処理して、将来の低血糖または高血糖エピソードの発生確率、予測されるタイミング、および予測される重症度を決定させ、予測される将来の低血糖または高血糖エピソードについて対象にアラートさせる。
幾つかの実施形態では、イベントデータは、食事データ、おやつデータ、運動データおよび投薬データのうちの少なくとも１つを含む。幾つかの実施形態では、投薬データは、ボーラスインスリンの投薬時刻および投与量を含む。幾つかの実施形態では、投薬データは、投与されたベーサルインスリンの投薬時刻および量を含む。
幾つかの実施形態では、イベントデータは、各イベントの関連するタイムスタンプを含む。
幾つかの実施形態では、複数のデータはさらに、位置データ、暦日データ、期間データ、およびストレスレベルデータのうちの少なくとも１つを含む。
幾つかの実施形態では、分析物時系列データは、分析物時系列データの高次微分および積分を含む。
幾つかの実施形態では、プログラムの実行によりさらに、１つまたは複数のプロセッサに、当該プロセッサに予測される将来の低血糖または高血糖エピソードの予測されるタイプおよび予測される時間を含む通知をプロセッサに出力させることによって、対象にアラートさせる。
幾つかの実施形態では、プログラムの実行によりさらに、１つまたは複数のプロセッサに、発生確率、予測されるタイミングおよび予測される重症度がそれぞれ閾値を上回ったときに対象にアラートさせる
幾つかの実施形態では、プログラムの実行によりさらに、１つまたは複数のプロセッサに、当該プロセッサにイベントと予測される将来の低血糖または高血糖エピソードとの関連性を含む通知を出力させることによって、対象にアラートさせる。
幾つかの実施形態では、予測される将来の低血糖または高血糖症のエピソードは、人口ベースのデータ、対象ベースのデータ、またはこれらの組み合わせに基づいている。
幾つかの実施形態では、プログラムの実行によりさらに、１つまたは複数のプロセッサに、当該プロセッサに予測される複数の将来の低血糖または高血糖症のエピソードのリストを表示させることによって、対象にアラートさせる。
多くの実施形態では、投薬量推奨値を調整するための方法が記載されており、この方法は、医療従事者が、薬物用量ガイダンスアプリケーションにおいて対象に薬物用量ガイダンスを提供するために使用される少なくとも１つのパラメータを調整して、新たな薬物用量ガイダンスを作成するステップと、処理回路により、新たな薬物用量ガイダンスに関して対象に通知するステップと、処理回路により、少なくとも１つのパラメータが調整された後の期間中に対象が低血糖エピソードを経験したかどうかを判定するステップと、処理回路により、時間期間の終了後に新たな薬物用量ガイダンスを変更しないでおくべきかどうかを医療従事者に確認するよう促すステップとを含む。
幾つかの実施形態では、時間期間は約１４日である。
幾つかの実施形態では、少なくとも１つのパラメータは、固定投薬量、目標グルコース、補正係数、および薬物作用の持続時間のうちの少なくとも１つからなる群から選択される。
幾つかの実施形態では、本方法はさらに、調整ステップの前に、グルコース濃度プロファイルおよび投薬統計値を医療従事者に表示するステップを含む。
幾つかの実施形態では、本方法はさらに、処理回路により、対象、医療従事者、またはその両方に、新しい薬物用量ガイダンスを承認するよう促すステップを含む。
幾つかの実施形態では、薬物はインスリンである。
多くの実施形態では、投薬量推奨値を調整するための装置が記載されており、この装置は、分析物データ、食事データおよび投薬データを受信するように構成された入力部と、用量ガイダンスを視覚的に提示するように構成されたディスプレイと、入力部、ディスプレイ、および命令を格納するメモリに結合された１つまたは複数のプロセッサとを備え、命令は、１つまたは複数のプロセッサにより実行される際に、１つまたは複数のプロセッサに、薬物用量ガイダンスアプリケーションにおいて対象に薬物用量ガイダンスを提供するために使用される少なくとも１つのパラメータを調整して、新たな薬物用量ガイダンスを作成させ、新たな薬物用量ガイダンスに関して対象に通知させ、少なくとも１つのパラメータが調整された後の期間中に対象が低血糖エピソードを経験したかどうかを判定させ、時間期間の終了後に新たな薬物用量ガイダンスを変更しないでおくべきかどうかを医療従事者に確認するよう促させる。
幾つかの実施形態では、時間期間は約１４日である。
幾つかの実施形態では、少なくとも１つのパラメータは、固定投薬量、目標グルコース、補正係数、および薬物作用の持続時間のうちの少なくとも１つからなる群から選択される。
幾つかの実施形態では、プログラムの実行によりさらに、１つまたは複数のプロセッサに、プログラムの実行によりプロセッサに少なくとも１つのパラメータを調整させる前に、グルコース濃度プロファイルおよび投薬統計値を医療従事者に表示させる。
幾つかの実施形態では、本方法はさらに、処理回路により、対象、医療従事者、またはその両方に、新しい薬物用量ガイダンスを承認するよう促すステップを含む。
幾つかの実施形態では、薬物はインスリンである。
多くの実施形態では、センサの欠陥を検出するための方法が記載されており、この方法は、電子デバイスにより、薬剤送達デバイスから対象の薬物用量データを受信するステップと、処理回路により、複数の薬物用量ガイダンスが、ある期間にわたって投与された複数の先行薬物用量と比較して異なるかどうかを判定するステップ（複数の薬物用量ガイダンスの各々および複数の先行薬物用量の各々は、時間帯に関連付けられており、複数の薬物用量ガイダンスの各々は、同じ時間帯に関連付けられている複数の先行薬物用量の１つと比較されて、差分が判定される）と、処理回路により、期間の開始に近接した時刻に新しいセンサがセンサ制御デバイスに接続されたかどうかを判定するステップと、処理回路により、期間の開始に近接した時刻に新しいセンサが接続されたとの判定に応答して、新しいセンサを交換することを推奨するステップとを含む。
幾つかの実施形態では、複数の薬物用量ガイダンスは、少なくとも１つの時間帯内で投与された複数の先行薬物用量と比較して高い。
幾つかの実施形態では、複数の投薬量ガイダンスは、少なくとも１つの時間帯内で投与された複数の先行薬物用量と比較して低い。
幾つかの実施形態では、期間は約２日である。
幾つかの実施形態では、薬物はインスリンである。
多くの実施形態では、センサの欠陥を検出するための装置であって、投薬データを受信するように構成された入力部と、用量ガイダンスを視覚的に提示するように構成されたディスプレイと、入力部、ディスプレイ、および命令を格納するメモリに結合された１つまたは複数のプロセッサとを備え、命令は、１つまたは複数のプロセッサにより実行される際に、１つまたは複数のプロセッサに、複数の薬物用量ガイダンスが、ある期間にわたって投与された複数の先行薬物用量と比較して異なるかどうかを判定させ（複数の薬物用量ガイダンスの各々および複数の先行薬物用量の各々は、時間帯に関連付けられており、複数の薬物用量ガイダンスの各々は、同じ時間帯に関連付けられている複数の先行薬物用量の１つと比較されて、差分が判定される）、期間の開始に近接した時刻に新しいセンサがセンサ制御デバイスに接続されたかどうかを判定させ、期間の開始に近接した時刻に新しいセンサが接続されたとの判定に応答して、新しいセンサを交換することを推奨させる。
幾つかの実施形態では、複数の薬物用量ガイダンスは、少なくとも１つの時間帯内に投与された複数の先行薬物用量と比較して高い。
幾つかの実施形態では、複数の薬物用量ガイダンスは、少なくとも１つの時間帯内に投与された複数の先行薬物用量と比較して低い。
幾つかの実施形態では、期間は約２日である。
幾つかの実施形態では、薬物はインスリンである。
多くの実施形態では、投薬戦略の変更を検出するための方法が記載されており、この方法は、電子デバイスにより、薬剤送達デバイスから対象の薬物用量データを受信するステップと、処理回路により、ある時間期間にわたって第１の時間帯に投与された複数の薬物用量に関連する差分の傾向を検出するステップと、処理回路により、医療提供者、ユーザ、またはその両方に、差分の傾向を通知するステップとを含む。
幾つかの実施形態では、差分の傾向は、第１の時間帯に投与された先行薬物用量と比較した、第１の時間帯に複数の薬物用量で投与された薬物の差分を含む。
幾つかの実施形態では、差分の傾向は、第１の時間帯に投与された先行薬物用量と比較した、第１の時間帯に投与された複数の薬物用量の有効性の差分を含む。幾つかの実施形態では、投与された複数の薬物用量の有効性の差分は、第１の時間帯に投与された先行薬物用量に関連する食後グルコースレベルと比較した、第１の時間帯の食後グルコースレベルの差分を含む。幾つかの実施形態では、有効性の差分は、補助療法の変更の結果である。幾つかの実施形態では、有効性の差分は、投与された薬物アナログの変化の結果である。
くつかの実施形態では、時間期間は約３日である。
幾つかの実施形態では、本方法はさらに、処理回路により、第１の時間帯の先行用量よりも少ない新たな用量ガイダンスを出力するステップを含む。
幾つかの実施形態では、薬物はインスリンである。
多くの実施形態では、投薬戦略の変更を検出するための装置が記載されており、この装置は、投薬データを受信するように構成された入力部と、用量ガイダンスを視覚的に提示するように構成されたディスプレイと、入力部、ディスプレイ、および命令を格納するメモリに結合された１つまたは複数のプロセッサとを備え、命令は、１つまたは複数のプロセッサにより実行される際に、１つまたは複数のプロセッサに、ある時間期間にわたって第１の時間帯に投与された複数の薬物用量に関連する差分の傾向を検出させ、医療提供者、ユーザ、またはその両方に差分の傾向を通知させる。
幾つかの実施形態では、差分の傾向は、第１の時間帯に投与された先行薬物用量と比較した、第１の時間帯に投与された複数の薬物用量の差分を含む。
幾つかの実施形態では、差分の傾向は、第１の時間帯に投与された先行薬物用量と比較した、第１の時間帯に投与された複数の薬物用量の有効性の差分を含む。
幾つかの実施形態では、投与された複数の薬物用量の有効性の差分は、第１の時間帯に投与された先行薬物用量に関連する食後グルコースレベルと比較した、第１の時間帯の食後グルコースレベルの差分を含む。幾つかの実施形態では、有効性の差分は、補助療法の変更の結果である。幾つかの実施形態では、有効性の差分は、投与された薬物アナログの変化の結果である。
幾つかの実施形態では、時間期間は約３日である。
幾つかの実施形態では、プログラムの実行によりさらに、１つまたは複数のプロセッサに、第１の時間帯の先行用量よりも少ない新たな用量ガイダンスを出力させる。
幾つかの実施形態では、薬物はインスリンである。
多くの実施形態では、投薬戦略の変更を検出するための方法が記載されており、この方法は、処理回路により、第１の時間帯に提供された用量ガイダンスと比較した、第１の時間帯に対象に投与された薬物用量に関連する差分を検出するステップと、処理回路により、第１の時間帯に投与された薬剤用量に関連する任意の低血糖エピソードを検出するステップと、処理回路により、検出された第１の時間帯に投与された薬物用量に関連する任意の低血糖エピソードを、対象、ＨＣＰ、またはその両方に通知するステップとを含む。
幾つかの実施形態では、任意の低血糖エピソードを検出するステップは、第１の時間期間に提供された用量ガイダンスと比較した、第１の時間期間に投与された薬物用量の差分に関連する低血糖エピソードの傾向を検出するステップを含む。幾つかの実施形態では、低血糖エピソードの傾向は、少なくとも３つの低血糖エピソードを含む。
幾つかの実施形態では、対象またはＨＣＰに通知するステップは、グルコースパターンレポートまたは薬物ログブックにメモを提供するステップを含む。
幾つかの実施形態では、対象またはＨＣＰに通知するステップは、ＨＣＰにアラートするステップを含む。
幾つかの実施形態では、本方法はさらに、検出された差分を対象に通知するステップを含む。幾つかの実施形態では、検出された差分は、異なる薬物タイプの投与である。幾つかの実施形態では、通知はさらに、今後起こり得る低血糖エピソードの警告を含むことができる。幾つかの実施形態では、検出された差分は、第１の時間期間に提供された用量ガイダンスと比較した、第１の時間期間に投与された薬物用量の量の差分である。
幾つかの実施形態では、薬物はインスリンである。
多くの実施形態では、投薬戦略の変更を検出するための装置が記載されており、この装置は、分析物時系列データおよび投薬データを受信するように構成された入力部と、用量ガイダンスを視覚的に提示するように構成されたディスプレイと、入力部、ディスプレイ、および命令を格納するメモリに結合された１つまたは複数のプロセッサとを備え、命令は、１つまたは複数のプロセッサにより実行される際に、１つまたは複数のプロセッサに、第１の時間期間に提供された用量ガイダンスと比較した、第１の時間期間に対象に投与された薬物用量に関連する差分を検出させ、第１の時間期間に投与された薬物用量に関連する低血糖エピソードを検出させ、検出された第１の時間期間に投与された薬物用量に関連する低血糖エピソードを対象、ＨＣＰ、またはその両方に通知させる。
幾つかの実施形態では、プログラムの実行により、１つまたは複数のプロセッサに、当該プロセッサに第１の時間期間に提供された用量ガイダンスと比較した、第１の時間期間に投与された薬物用量の差分に関連する低血糖エピソードの傾向を検出させることによって、任意の低血糖エピソードを検出させる。幾つかの実施形態では、低血糖エピソードの傾向は、少なくとも３つの低血糖エピソードを含む。
幾つかの実施形態では、プログラムの実行により、１つまたは複数のプロセッサに、当該プロセッサにグルコースパターンレポートまたは薬剤ログブックにメモを提供させることによって、対象、ＨＣＰ、またはその両方に通知させる。
幾つかの実施形態では、プログラムの実行により、１つまたは複数のプロセッサに、当該プロセッサにＨＣＰにアラートを通知させることによって、対象、ＨＣＰ、またはその両方に通知させる。
幾つかの実施形態では、プログラムの実行により、１つまたは複数のプロセッサに、当該プロセッサに検出された差分を対象に通知させることによって、対象、ＨＣＰ、またはその両方に通知させる。幾つかの実施形態では、検出された差分は、異なる薬物タイプの投与である。幾つかの実施形態では、通知はさらに、今後起こり得る低血糖エピソードの警告を含むことができる。幾つかの実施形態では、検出された差分は、第１の時間期間に提供された用量ガイダンスと比較した、第１の時間期間に投与された薬物用量の差分である。
幾つかの実施形態では、薬物はインスリンであり、分析物はグルコースである。
多くの実施形態では、複数の用量の投与を管理するための方法が記載されており、この方法は、電子デバイスにより、薬剤送達デバイスから対象の薬物用量データを受信するステップと、処理回路により、少なくとも最初の用量と最後の用量とを含む複数の薬物用量の投与を検出するステップと、処理回路により、第１の基準が満たされた場合に、投与された用量として最後の用量を記録するステップと、処理回路により、第２の基準が満たされた場合に、投与された用量として最初の用量と最後の用量とを合わせた量を記録するステップとを含む。
幾つかの実施形態では、第１の基準は、最初の用量の量が、最後の用量の量よりも小さいことを含む。
幾つかの実施形態では、第１の基準は、最初の用量の量が約１Ｕ～約３Ｕであることを含む。
幾つかの実施形態では、第１の基準は、最初の用量の投与と最後の用量の投与との間の時間期間が約３分未満であることを含む。
幾つかの実施形態では、第１の基準は、最初の用量の投与と最後の用量の投与との間の時間期間が約１分未満であることを含む。
幾つかの実施形態では、第２の基準は、最初の用量の投与と最後の用量の投与との間の時間期間が約４分～約３５分であることを含む。
幾つかの実施形態では、第２の基準は、最初の用量の投与と最後の用量の投与との間の期間が約４分～約３０分であることを含む。
幾つかの実施形態では、第２の基準は、最初の用量の量が約２Ｕよりも大きいことを含む。
幾つかの実施形態では、複数の薬物用量はさらに、最初の用量と最後の用量の間に投与される中間用量を含む。幾つかの実施形態では、第１の基準は、最初の用量および中間用量の量がほぼ等しい場合に満たされる。幾つかの実施形態では、第１の基準は、中間用量の量が約１Ｕ～約３Ｕである場合に満たされる。幾つかの実施形態では、第２の基準は、最初の用量の投与と最後の用量の投与との間の期間が約５分～約３５分である場合に満たされる。
幾つかの実施形態では、薬物はインスリンである。
多くの実施形態では、複数の投与量を管理するための装置が記載されており、この装置は、薬物用量データを受信するように構成された入力部と、用量ガイダンスを視覚的に提示するように構成されたディスプレイと、入力部、ディスプレイ、および命令を格納するメモリに結合された１つまたは複数のプロセッサとを備え、命令は、１つまたは複数のプロセッサにより実行される際に、１つまたは複数のプロセッサに、少なくとも最初の用量と最後の用量とを含む複数の薬物用量の投与を検出させ（最後の用量は、最初の用量の時間期間内に投与される）、第１の基準が満たされた場合に、投与された用量として最後の用量を記録させ、第２の基準が満たされた場合に、投与された用量として最初の用量と最後の用量とを合わせた量を記録させる。
幾つかの実施形態では、第１の基準は、最初の用量の量が、最後の用量の量よりも小さいことを含む。
幾つかの実施形態では、第１の基準は、最初の用量の量が、約１Ｕ～約３Ｕであることを含む。
幾つかの実施形態では、第１の基準は、最初の用量の投与と最後の用量の投与との間の時間期間が約３分未満であることを含む。
幾つかの実施形態では、第１の基準は、最初の用量の投与と最後の用量の投与との間の時間期間が約１分未満であることを含む。
幾つかの実施形態では、第２の基準は、最初の用量の投与と最後の用量の投与との間の時間期間が約４分～約３５分であることを含む。
幾つかの実施形態では、第２の基準は、最初の用量の投与と最後の用量の投与との間の期間が約４分～約３０分であることを含む。
幾つかの実施形態では、第２の基準は、最初の用量の量が約２Ｕよりも大きいことを含む。
幾つかの実施形態では、複数の薬物用量はさらに、最初の投与と最後の投与との間に投与される中間用量を含む。幾つかの実施形態では、第１の基準は、第１の用量および中間用量の量がほぼ等しい場合に満たされる。幾つかの実施形態では、第１の基準は、中間用量の量が約１Ｕ～約３Ｕである場合に満たされる。幾つかの実施形態では、第２の基準は、第１の用量の投与と最後の用量の投与との間の期間が約５分～約３５分である場合に満たされる。
幾つかの実施形態では、薬物はインスリンである。
多くの方法では、薬物用量ガイダンスを決定する方法が記載されており、この方法は、電子デバイスにより、薬剤送達デバイスから対象の薬物用量データを受信するステップと、処理回路により、薬物用量（この薬物用量とは、作用継続時間に関連する時間期間を有する）の投与忘失を検出するステップと、処理回路により、薬物用量ガイダンスの調整を決定する際に、時間期間に関連する分析物データを無視するステップとを含む。
幾つかの実施形態では、推奨される薬物用量の投与忘失が、電子デバイスにより受信された薬物用量データのギャップを検出することによって検出される。
幾つかの実施形態では、本方法はさらに、処理回路により、分析物データから食事イベントを検出させるステップを含み、ここで、薬物用量の投与忘失は、食事イベントが検出された時点の近くで薬物用量データのギャップを検出することによって検出される。
幾つかの実施形態では、時間期間は約４時間である。
幾つかの実施形態では、時間期間は約２４時間である。
幾つかの実施形態では、分析物はグルコースであり、薬物はインスリンである。
多くの実施形態では、用量ガイダンスを決定するための装置が記載されており、この装置は、薬物用量データを受信するように構成された入力部と、用量ガイダンスを視覚的に提示するように構成されたディスプレイと、入力部、ディスプレイ、および命令を格納するメモリに結合された１つまたは複数のプロセッサとを備え、命令は、１つまたは複数のプロセッサにより実行される際に、１つまたは複数のプロセッサに、薬物用量（この薬物用量とは、作用継続時間に関連する時間期間を有する）の投与忘失を検出させ、薬物用量ガイダンスの調整を決定する際に、時間期間に関連する分析物データを無視させる。
幾つかの実施形態では、推奨される薬物用量の投与忘失が、電子デバイスによって受信された薬物用量データのギャップを検出することによって検出される。
幾つかの実施形態では、命令は、１つまたは複数のプロセッサによって実行される際に、１つまたは複数のプロセッサに、分析物データから食事イベントを検出させ、ここで、薬物用量の投与忘失は、食事イベントが検出された時点の近くで薬物用量データのギャップを検出することによって検出される。
幾つかの実施形態では、時間期間は約４時間である。
幾つかの実施形態では、時間帯は約２４時間である。
幾つかの実施形態では、分析物はグルコースであり、薬物はインスリンである。
多くの実施形態では、投薬戦略を管理するための方法が記載されており、この方法は、電子デバイスにより、薬剤送達デバイスから対象の薬物データを受信するステップと、処理回路により、薬物用量の投与忘失を検出するステップと、処理回路により、対象の分析物レベルが第１および第２の時間期間において目標範囲内に留まっている時間を決定するステップ（この第１および第２の時間期間は同じ時間であり、第１の時間期間には薬物用量の投与忘失は含まれず、第２の時間期間には薬物用量の投与忘失が含まれる）と、処理回路により、第１および第２の時間期間において決定された範囲内の時間をユーザに通知するステップとを含む。
幾つかの実施形態では、通知するステップはさらに、推奨される薬物用量の投与スケジュールを遵守することの利点に関する肯定的なメッセージを含む。
幾つかの実施形態では、分析物はグルコースであり、薬物はインスリンである。
多くの実施形態では、投薬戦略を管理するための装置が記載されており、この装置は、薬物用量データを受信するように構成された入力部と、用量ガイダンスを視覚的に提示するように構成されたディスプレイと、入力部、ディスプレイ、および命令を格納するメモリに結合された１つまたは複数のプロセッサとを備え、命令は、１つまたは複数のプロセッサにより実行される際に、１つまたは複数のプロセッサに、薬剤用量の投与忘失を検出させ、対象の分析物レベルが第１および第２の時間期間において目標範囲内に留まっている時間を決定させ（この第１および第２の時間期間は同じ時間であり、第１の時間期間には薬物用量の投与忘失は含まれず、第２の時間期間には薬物用量の投与忘失が含まれる）、第１および第２の時間期間において決定された範囲内の時間をユーザに通知させる。
幾つかの実施形態では、命令は、１つまたは複数のプロセッサにより実行される際に、１つまたは複数のプロセッサに、推奨される薬物用量の投与スケジュールを遵守することの利点に関する肯定的なメッセージを提供させる。
幾つかの実施形態では、分析物はグルコースであり、薬物はインスリンである。
多くの実施形態では、薬物用量の調整を推奨するための方法が記載されており、この方法は、処理回路により、対象の分析物データにおいて、第１の時間帯に低分析物パターンを検出したことに応答して、第１の用量ガイダンスを出力するステップ（この第１の用量ガイダンスは、第１の時間帯における先行用量よりも少ない）と、処理回路により、対象の分析物データにおいて、夜間の期間における高分析物パターンを検出したことに応答して、第２の用量ガイダンスを出力するステップ（この第２の用量ガイダンスは、夜間の期間における先行用量よりも少ない）と、処理回路により、対象の分析物データから、少なくとも１つの食後期間における高分析物パターンを検出したことに応答して、第３の用量ガイダンスを出力するステップ（この第３の用量ガイダンスは、少なくとも１つの食後期間における先行用量よりも少なく、高分析物パターンが２つ以上の食後期間に存在すると判定された場合、第３の用量ガイダンスは、１日のうちで最も早く発生する高分析物パターンを有する食後期間に関連付けられる）とを含む。
幾つかの実施形態では、第２の用量ガイダンスは、先行ベーサル薬物用量よりも高い新たなベーサル薬物用量である。
幾つかの実施形態では、第２の用量ガイダンスは、夜間の期間に高分析物パターンを検出したことに応答して、低分析物パターンに関連する１つ以上の時間帯において先行薬物用量よりも低い新たな薬物用量である。
幾つかの実施形態では、第３の用量ガイダンスは、夕食後の期間に高分析物パターンを検出したことに応答して、第３の用量ガイダンスは、夕食後の期間に関連する先行薬物用量よりも高い新たな薬物用量である。
幾つかの実施形態では、第３の用量ガイダンスは、夕食後の期間における高分析物パターンに応答して、第３の用量ガイダンスは、先行ベーサル用量よりも低い新たなベーサル用量である。
幾つかの実施形態では、薬物はインスリンであり、分析物はグルコースである。
多くの実施形態では、薬物用量の調整を推奨するための装置が記載されており、この装置は、薬物用量データおよび分析物データを受信するように構成された入力部と、用量ガイダンスを視覚的に提示するように構成されたディスプレイと、入力部、ディスプレイ、および命令を格納するメモリに結合された１つまたは複数のプロセッサとを備え、命令は、１つまたは複数のプロセッサにより実行される際に、１つまたは複数のプロセッサに、処理回路により、対象の分析物データにおいて、少なくとも第１の時間帯に低分析物パターンを検出したことに応答して、第１の用量ガイダンスを出力するステップ（この第１の用量ガイダンスは、少なくとも第１の時間帯の先行用量よりも少ない）と、処理回路により、対象の分析物データにおいて、夜間の期間に高分析物パターンを検出したことに応答して、第２の用量ガイダンスを出力するステップ（この第２の用量ガイダンスは、夜間の期間の先行用量よりも少ない）と、処理回路により、対象の分析物データにおいて、少なくとも１つの食後期間に高分析物パターンを検出したことに応答して、第３の用量ガイダンスを出力するステップ（この第３の用量ガイダンスは、少なくとも１つの食後期間の先行用量よりも少なく、高分析物パターンが２つ以上の食後期間に存在すると判定された場合、第３の用量ガイダンスは、１日の中で最も早くに発生した高分析物パターンを有する食後期間に関連付けられる）とを含む。
幾つかの実施形態では、第２の用量ガイダンスは、先行ベーサル薬物用量よりも高い新たなベーサル薬物用量である。
幾つかの実施形態では、第２の用量ガイダンスは、夜間の期間に高分析物パターンを検出したことに応答して、低分析物パターンに関連する１つ以上の時間帯において先行薬物用量よりも低い新たな薬物用量である。
幾つかの実施形態では、第３の用量ガイダンスは、夕食後の期間に高分析物パターンを検出したことに応答して、第３の用量ガイダンスは、夕食後の期間に関連する先行薬物用量よりも高い新たな薬物用量である。
幾つかの実施形態では、第３の用量ガイダンスは、夕食後の期間における高分析物パターンに応答して、第３の用量ガイダンスは、先行ベーサル用量よりも低い新たなベーサル用量である。
幾つかの実施形態では、薬物はインスリンであり、分析物はグルコースである。
多くの実施形態では、薬物投与を推奨するための方法が記載されており、この方法は、電子デバイスにより、薬剤送達デバイスから対象の薬物用量データを受信するステップと、処理回路により、電子デバイスが対象に投与された最後の用量に関連するデータを受信したかどうかを判定するステップと、対象に投与された最後の用量に関連するデータが電子デバイスにより受信されなかったとの判定に応答して、用量ガイダンスを行うことができない旨を対象に通知するステップと、対象に投与された最後の用量に関連するデータが電子デバイスにより受信されたとの判定に応答して、用量ガイダンスを出力するステップとを含む。
幾つかの実施形態では、判定するステップは、少なくともある時間期間内に薬物用量データが電子デバイスにより受信されたかどうかを判定するステップを含む。幾つかの実施形態では、時間期間は約６時間である。
幾つかの実施形態では、判定するステップは、薬剤送達デバイスが電子デバイスに接続されているかどうかを判定することを含む。
幾つかの実施形態では、判定するステップは、電子デバイスが薬剤送達デバイスとの通信に対して有効であるかどうかを判定するステップを含む。
幾つかの実施形態では、判定するステップは、薬剤送達デバイスに関連する電源を交換する必要があるかどうかを判定するステップを含む。
幾つかの実施形態では、通知するステップはさらに、電子デバイスにより最後に受信された薬物用量のタイムスタンプを対象に通知するステップを含む。
幾つかの実施形態では、薬物はインスリンである。
多くの実施形態では、薬物用量を推奨するための装置が記載されており、この装置は、薬物用量データを受信するように構成された入力部と、用量ガイダンスを視覚的に提示するように構成されたディスプレイと、入力部、ディスプレイ、および命令を格納するメモリに結合された１つまたは複数のプロセッサとを備え、命令は、１つまたは複数のプロセッサにより実行される際に、１つまたは複数のプロセッサに、対象に投与された最後の用量に関連するデータを電子デバイスが受信したかどうかを判定させ、対象に投与された最後の用量に関連するデータを電子デバイスが受信していないと判定したことに応答して、用量ガイダンスを行うことができない旨を対象に通知させ、対象に投与された最後の用量に関連するデータを電子デバイスが受信したと判定したことに応答して、用量ガイダンスを出力させる。
幾つかの実施形態では、命令は、１つまたは複数のプロセッサにより実行される際に、１つまたは複数のプロセッサに、少なくとも時間期間内に薬物用量データが電子デバイスにより受信されたかどうかを判定させる。幾つかの実施形態では、時間期間は約６時間である。
幾つかの実施形態では、命令は、１つまたは複数のプロセッサにより実行される際に、１つまたは複数のプロセッサに、薬剤送達デバイスが電子デバイスに接続されているかどうかを判定させる。
幾つかの実施形態では、命令は、１つまたは複数のプロセッサにより実行される際に、１つまたは複数のプロセッサに、電子デバイスが薬剤送達デバイスとの通信に対して有効であるかどうかを判定させる。
幾つかの実施形態では、命令は、１つまたは複数のプロセッサにより実行される際に、１つまたは複数のプロセッサに、薬剤送達デバイスに関連する電源を交換する必要があるかどうかを判定させる。
幾つかの実施形態では、命令は、１つまたは複数のプロセッサにより実行される際に、１つまたは複数のプロセッサに、電子デバイスにより最後に受信された薬物用量のタイムスタンプを対象に通知させる。
幾つかの実施形態では、薬物はインスリンである。
多くの実施形態では、用量ガイダンスシステムの異常を判定するための方法が記載されており、この方法は、処理回路により、薬剤送達デバイスから受信したインスリン用量データから第１の時間に関連する第１のローリングインスリン指標を判定するステップと、処理回路により、センサ制御デバイスから受信したグルコースデータから第１の時間に関連する第１のローリンググルコース指標を判定するステップと、処理回路により、第１、第２および第３のゾーンを含むデータ空間を参照して、第１、第２および第３のゾーンのいずれが第１のローリングインスリン指標および第１のローリンググルコース指標を含む相補対を含むかを決定するステップ（このデータ空間は、複数の相補対により定義され、各相補対は、同じ時間に関連付けられたローリングインスリン指標およびローリンググルコース指標を含む）と、第１のローリングインスリン指標および第１のローリンググルコース指標を含む相補対が第２または第３のゾーンに含まれているとの判定に応答して、センサ制御デバイスまたは薬剤送達デバイスの少なくとも一方をチェックすることに関する通知を出力するステップとを含む。
幾つかの実施形態では、ローリングインスリン指標は、時間期間内のインスリンの総用量である。幾つかの実施形態では、時間期間は、約２４時間、約４８時間、および約７２時間からなる群から選択される。幾つかの実施形態では、インスリンの総用量は、時間期間内の長時間作用型および急速作用型インスリンの総用量である。
幾つかの実施形態では、ローリングインスリン指標は、食事の開始からの経過時間におけるインスリンオンボードである。
幾つかの実施形態では、ローリンググルコース指標は、ローリング平均グルコース、ローリング中央グルコース、およびローリングモードグルコースからなる群から選択される。
幾つかの実施形態では、ローリンググルコース指標は、食事の開始正規化グルコースＡＵＣまたは食事グルコースの変化である。
幾つかの実施形態では、相補対からのデータが定期的な時間インターバルで収集される。
幾つかの実施形態では、第２のゾーンおよび第３のゾーンは、インスリン用量またはグルコース測定値の異常と関連する。
幾つかの実施形態では、データ空間内の複数の相補対は、名目上期待される関係の曲線を形成するように相関される。幾つかの実施形態では、下限安全境界および上限安全境界が、名目上期待される関係の曲線の下および上に位置する。幾つかの実施形態では、データ空間の第１、第２および第３のゾーンは、下限および上限の安全境界により定義され、第２のゾーンは上限安全境界の上にあり、第３のゾーンは下限安全境界の下にある。
多くの実施形態では、用量ガイダンスシステムの異常を判定するための装置が記載されており、この装置は、薬物用量データおよび分析物データを受信するように構成された入力部と、用量ガイダンスを視覚的に提示するように構成されたディスプレイと、入力部、ディスプレイ、および命令を格納するメモリに結合された１つまたは複数のプロセッサとを備え、命令は、１つまたは複数のプロセッサにより実行される際に、１つまたは複数のプロセッサに、薬剤送達デバイスから受信したインスリン用量データから第１の時間に関連する第１のローリングインスリン指標を判定させ、センサ制御デバイスから受信したグルコースデータから第１の時間に関連する第１のローリンググルコース指標を判定させ、第１、第２および第３のゾーンを含むデータ空間を参照して、第１、第２および第３のゾーンのいずれが第１のローリングインスリン指標および第１のローリンググルコース指標を含む相補対を含むかを決定させ（このデータ空間は、複数の相補対により定義され、各相補対は、同じ時間に関連付けられたローリングインスリン指標およびローリンググルコース指標を含む）、第１のローリングインスリン指標および第１のローリンググルコース指標を含む相補対が第２または第３のゾーンに含まれているとの判定に応答して、センサ制御デバイスまたは薬剤送達デバイスの少なくとも一方をチェックすることに関する通知を出力させる。
幾つかの実施形態では、ローリングインスリン指標は、時間期間内のインスリンの総用量である。幾つかの実施形態では、時間期間は、約２４時間、約４８時間、および約７２時間からなる群から選択される。幾つかの実施形態では、インスリンの総用量は、時間期間内の長時間作用型および急速作用型インスリンの総用量である。
幾つかの実施形態では、ローリングインスリン指標は、食事の開始からの経過時間におけるインスリンオンボードである。
幾つかの実施形態では、ローリンググルコース指標は、ローリング平均グルコース、ローリング中央グルコース、およびローリングモードグルコースからなる群から選択される。
幾つかの実施形態では、ローリンググルコース指標は、食事開始正規化グルコースＡＵＣまたは食事グルコースの変化である。
幾つかの実施形態では、相補対からのデータが定期的な時間インターバルで収集される。
幾つかの実施形態では、第２のゾーンおよび第３のゾーンは、インスリン用量またはグルコース測定値の異常と関連する。
幾つかの実施形態では、データ空間内の複数の相補対は、名目上期待される関係の曲線を形成するように相関される。幾つかの実施形態では、下限安全境界および上限安全境界が、名目上期待される関係の曲線の下および上に位置する。幾つかの実施形態では、データ空間の第１、第２および第３のゾーンは、下限および上限の安全境界により定義され、第２のゾーンは上限安全境界の上にあり、第３のゾーンは下限安全境界の下にある。
多くの実施形態では、注射部位の位置を監視するための方法が記載されており、この方法は、電子デバイスとセンサ制御デバイスとの間の第１の距離および電子デバイスと薬剤送達デバイスとの間の第２の距離を決定するステップと、ＳＣＤとＭＤＤとの間の第３の距離を計算するステップ（このＳＣＤは、対象の固定された位置にある）と、ＳＣＤとＭＤＤとの間の計算された第３の距離が、予め計算された第３の距離と実質的に類似しているかどうかを判定するステップと、ＭＤＤを対象の新たな注射部位に移動させることを推奨するメッセージを出力するステップとを含む。
幾つかの実施形態では、第１および第２の距離は、電子デバイスとセンサ制御デバイスとの間、および電子デバイスと薬剤送達デバイスとの間のBluetooth通信を通じて決定される。
幾つかの実施形態では、第１の距離は、電子デバイスとセンサ制御デバイスとの間の第１の信号強度により決定され、第２の距離は、電子デバイスと投薬デバイスとの間の第２の信号強度により決定される。幾つかの実施形態では、第３の距離は、第１の信号および第２の信号を三角測量することによって計算される。
幾つかの実施形態では、第１の信号および第２の信号はＢＬＥ信号である。
幾つかの実施形態では、計算された第３の距離が、２つの予め計算された第３の距離と実質的に類似していると判定された場合に、推奨するメッセージが出力される。幾つかの実施形態では、第１および第２の距離は、用量ガイダンスの要求に応答して決定され、２つの予め計算された第３の距離は、現在の用量ガイダンスの要求の直前に投与された第１および第２の注射に対して計算されたものである。
幾つかの実施形態では、推奨するステップは、提案された新しい注射部位を含む。
多くの実施形態では、注射部位の位置を監視する装置が記載されており、この装置は、薬物用量データおよび分析物データを受信するように構成された入力部と、用量ガイダンスを視覚的に提示するように構成されたディスプレイと、入力部、ディスプレイ、および命令を格納するメモリに結合された１つまたは複数のプロセッサとを備え、命令は、１つまたは複数のプロセッサにより実行される際に、１つまたは複数のプロセッサに、電子デバイスとセンサ制御デバイスとの間の第１の距離および電子デバイスと薬剤送達デバイスとの間の第２の距離を決定させ、ＳＣＤとＭＤＤとの間の第３の距離を計算させ（このＳＣＤは、対象の固定された位置にある）、ＳＣＤとＭＤＤとの間の計算された第３の距離が、予め計算された第３の距離と実質的に類似しているかどうかを判定させ、ＭＤＤを対象の新たな注射部位に移動させることを推奨するメッセージを出力させる。
幾つかの実施形態では、第１および第２の距離は、電子デバイスとセンサ制御デバイスとの間、および電子デバイスと薬剤送達デバイスとの間のBluetooth通信を通じて決定される。
幾つかの実施形態では、第１の距離は、電子デバイスとセンサ制御デバイスとの間の第１の信号強度により決定され、第２の距離は、電子デバイスと投薬デバイスとの間の第２の信号強度により決定される。幾つかの実施形態では、第３の距離は、第１の信号および第２の信号を三角測量することによって計算される。
幾つかの実施形態では、第１の信号および第２の信号はＢＬＥ信号である。
幾つかの実施形態では、計算された第３の距離が、２つの予め計算された第３の距離と実質的に類似していると判定された場合に、推奨するメッセージが出力される。幾つかの実施形態では、第１および第２の距離は、用量ガイダンスの要求に応答して決定され、２つの予め計算された第３の距離は、現在の用量ガイダンスの要求の直前に投与された第１および第２の注射に対して計算されたものである。
幾つかの実施形態では、推奨するステップは、提案された新しい注射部位を含む。
本明細書に記載されている方法のいずれかについて、本方法は、リモートデバイス、例えば、サーバ、電話／受信機、薬剤送達デバイス上、またはグルコース監視デバイス上のうちの少なくとも１つのプロセッサ上で実行することができる。
本明細書に提供されている任意の実施形態に関して説明されるすべての特徴、要素、コンポーネント、機能、およびステップは、他の任意の実施形態のものと自由に組み合わせることができ、置換可能であることが意図されていることに留意すべきである。ある特徴、要素、コンポーネント、機能、またはステップが１つの実施形態に関してのみ記載されている場合、その特徴、要素、コンポーネント、機能、またはステップは、明示的に別の箇所で記載されていない限り、本明細書に記載されている他のすべての実施形態で使用できることを理解すべきである。したがって、この段落は、異なる実施形態の特徴、要素、コンポーネント、機能、およびステップを組み合わせたり、一実施形態の特徴、要素、コンポーネント、機能、およびステップを別の実施形態のものと置換したりする各請求項をいつでも導入するための前提となる根拠および書面によるサポートとして、以下の説明が特定の例においてこのような組み合わせまたは置換が可能であることを明示的に述べていない場合でも機能する。特にこのような組み合わせおよび置換の許容性が当業者により容易に認識されることを考えると、可能なすべての組み合わせおよび置換を明示的に列挙することは、過度の負担となることが明示的に認められる。
本明細書で開示されている実施形態は、メモリ、ストレージ、および／またはコンピュータ可読媒体を含むか、またはこれらと連携して動作する限り、そのメモリ、ストレージ、および／またはコンピュータ可読媒体は非一時性である。したがって、メモリ、ストレージ、および／またはコンピュータ可読媒体が１つ以上の請求項でカバーされている限りにおいて、そのメモリ、ストレージ、および／またはコンピュータ可読媒体は非一時性のものにすぎない。
本実施形態は、様々な変更および代替形態を許容し得るが、その具体例を図面に示し、本明細書で詳細に説明する。しかしながら、これらの実施形態は、開示された特定の形態に限定されるものではなく、それどころか、これらの実施形態は、本開示の精神の範囲内にあるすべての変更、等価物、および代替物をカバーするものであることを理解すべきである。さらに、実施形態の任意の特徴、機能、ステップ、または要素は、特許請求の範囲に列挙または追加することができ、また、その範囲内にない特徴、機能、ステップ、または要素により特許請求の範囲の発明的範囲を定義する消極的な限定も可能である。
以下、本発明の好ましい実施形態を項分け記載する。
実施形態１
用量ガイダンス設定を構成するために患者の投薬習慣をパラメータ化する方法であって、前記方法が、
少なくとも１つのプロセッサにより、分析期間中に患者の分析物および患者が受け取った薬剤用量を特徴付ける時間相関データに基づいて分類するステップであって、前記薬剤用量のそれぞれが薬剤クラスに分類されているステップと、
前記少なくとも１つのプロセッサにより、前記用量のそれぞれを、食事時刻グループのセットのうちの１つにグループ分けするステップと、
前記少なくとも１つのプロセッサにより、前記食事時刻グループのそれぞれのデータをモデルに適用することによって、少なくとも部分的に前記患者の用量パラメータを作成するステップと、
前記少なくとも１つのプロセッサにより、前記用量パラメータをコンピュータメモリに格納し、用量ガイダンス設定を構成するステップと
を含む、方法。
実施形態２
前記分類するステップがさらに、分類特徴のセットを前記用量のそれぞれに相関させる特徴行列を作成するステップを含む、実施形態１記載の方法。
実施形態３
前記分類特徴が、各用量の投薬時刻、時間フィルタリングされた分析物値、投薬の時刻に最も近い分析物値の変化率、分析物値と前記投薬の時刻に最も近い分析物値との差を前記投薬時刻より前のインターバルで積分した値を示す左側のＡＵＣ（曲線下面積）、分析物値と前記投薬の時刻に最も近い分析物値との差を前記投薬時刻より後のインターバルで積分した値を示す右側のＡＵＣ、投薬時刻間の経過時間、前記投薬時刻前の定義されたインターバル内に食事が開始される確率、直近の食事からの最も可能性の高い経過時間インターバル、前記投薬時刻後の定義されたインターバル内に食事が開始される確率、および次の食事までの最も可能性の高い時間インターバル、を含む群から選択される、実施形態２記載の方法。
実施形態４
前記分類するステップがさらに、前記分析期間中に前記患者が摂った各食事の時刻を推定するステップを含む、実施形態２記載の方法。
実施形態５
各食事の時刻を推定するステップがさらに、時間相関分析物データに基づいて特徴行列を作成するステップを含み、前記特徴行列は、分析物データ特徴のセットを、上昇、下降前および下降として分類される別個の領域のそれぞれに相関させる、実施形態４記載の方法。
実施形態６
各食事の時刻を推定するステップがさらに、アルゴリズムを用いて、前記特徴行列に基づいて推定された食事時刻を作成するステップを含む、実施形態５記載の方法。
実施形態７
前記分析物データ特徴のセットが、最大分析物変化率、最大分析物加速度、最大分析物加速点での分析物値、領域の持続時間、領域の高さ、最大減速度、領域内の平均変化率、および最大分析物加速度の時点、を含む群から選択される、実施形態５記載の方法。
実施形態８
前記食事時刻グループが、朝食、昼食および夕食を含む、実施形態１記載の方法。
実施形態９
前記グループ分けするステップがさらに、クラスタ分析によりグループ分けするステップを含む、実施形態８記載の方法。
実施形態１０
データ対をフィッティングさせるためのモデルが、傾きがゼロである線形モデル、傾きが非ゼロである線形モデル、１点で結合するピースワイズモデル、またはピースワイズモデルを近似する非線形モデル、から選択される、実施形態１記載の方法。
実施形態１１
データ対をフィッティングさせるステップがさらに、残差平方和を最小化するステップを含む、実施形態１記載の方法。
実施形態１２
データ対をフィッティングさせるステップがさらに、各モデルを赤池情報量規準（ＡＩＣ）で評価し、最小のＡＩＣ値を有するモデルを選択するステップを含む、実施形態１記載の方法。
実施形態１３
前記用量パラメータが、各グループについて選択されたモデルからの、固定用量投薬量、分析物レベル、および補正係数を含む、実施形態１２記載の方法。
実施形態１４
前記方法が、前記少なくとも１つのプロセッサにより、複数の食事時刻グループからのデータを結合して結合されたグループを形成するステップと、前記結合されたグループのモデルおよび補正係数のうち最適にフィッティングするものを選択するステップとをさらに含む、実施形態１３記載の方法。
実施形態１５
前記方法が、前記少なくとも１つのプロセッサにより、選択されたモデルのＡＩＣ値を閾値と比較するステップと、ＡＩＣ値が閾値を超えた場合にユーザ入力を要求するステップとをさらに含む、実施形態１２記載の方法。
実施形態１６
前記分析物がグルコースレベルのインジケータを含み、前記薬剤がインスリンを含む、実施形態１記載の方法。
実施形態１７
前記方法が、前記用量ガイダンス設定を、ユーザへの出力のためにユーザインタフェースデバイスに提供するステップをさらに含む、実施形態１記載の方法。
実施形態１８
前記方法が、前記少なくとも１つのプロセッサにより、分析期間中に前記患者の分析物および前記患者が受け取った薬剤用量を特徴付ける時間相関データを受信するステップをさらに含む、実施形態１記載の方法。
実施形態１９
前記少なくとも１つのプロセッサが、前記時間相関データに基づいて、前記薬剤の用量のそれぞれにつき、食事用量、非食事用量および曖昧な用量から前記薬剤クラスを選択する、実施形態１記載の方法。
実施形態２０
前記食事時刻グループのそれぞれのデータをモデルに適用するステップが、データ対を前記モデルにフィッティングさせるステップを含む、実施形態１記載の方法。
実施形態２１
用量ガイダンス設定を構成するために患者の投薬習慣をパラメータ化する装置であって、前記装置が、
測定された分析物データ、食事データおよび投薬データを受信するように構成された入力部と、
情報を視覚的に提示するように構成されたディスプレイと、
前記入力部、前記ディスプレイ、ならびに分析期間中に前記患者の分析物および前記患者が受け取った薬剤用量を特徴付ける命令および時間相関データを格納するメモリに結合された１つまたは複数のプロセッサと
を備え、前記命令は、前記１つまたは複数のプロセッサによって実行される際に、前記装置に、
前記時間相関データに基づいて、前記薬剤用量のそれぞれを薬剤クラスに分類させ、
前記用量のそれぞれを、食事時刻グループのセットのうちの１つにグループ分けさせ、
前記食事時刻グループのそれぞれのデータをモデルに適用することによって、少なくとも部分的に前記患者の用量パラメータを作成させ、
前記用量パラメータを格納して、用量ガイダンス設定を構成させる
ためのものである、装置。
実施形態２２
前記メモリがさらに、分類特徴のセットを前記用量のそれぞれに相関させる特徴行列を作成することによって、少なくとも部分的に前記薬剤用量を分類するための命令を保持している、実施形態２１記載の装置。
実施形態２３
前記メモリがさらに、各用量の投薬時刻、時間フィルタリングされた分析物値、投薬の時刻に最も近い分析物値の変化率、分析物値と前記投薬の時刻に最も近い分析物値との差を前記投薬時刻より前のインターバルで積分した値を示す左側のＡＵＣ（曲線下面積）、分析物値と前記投薬の時刻に最も近い分析物値との差を前記投薬時刻より後のインターバルで積分した値を示す右側のＡＵＣ、投薬時刻間の経過時間、前記投薬時刻前の定義されたインターバル内に食事が開始される確率、直近の食事からの最も可能性の高い経過時間インターバル、前記投薬時刻後の定義されたインターバル内に食事が開始される確率、および次の食事までの最も可能性の高い時間インターバル、を含む群から選択される前記分類特徴を相関させるための命令を保持している、実施形態２２記載の装置。
実施形態２４
前記メモリがさらに、前記分析期間中に前記患者が摂った各食事の時刻を推定することによって、少なくとも部分的に前記薬剤用量を分類するための命令を保持している、実施形態２２記載の装置。
実施形態２５
前記メモリがさらに、朝食、昼食および夕食を含む前記食事時刻グループにグループ分けするための命令をさらに保持している、実施形態２１記載の装置。
実施形態２６
前記メモリが、クラスタ分析によって少なくとも部分的にグループ分けするための命令を保持している、実施形態２５記載の装置。
実施形態２７
前記メモリがさらに、前記データ対をフィッティングさせるモデルを、傾きがゼロである線形モデル、傾きが非ゼロである線形モデル、１点で結合するピースワイズモデル、またはピースワイズモデルを近似する非線形モデル、から選択するための命令を保持している、実施形態２１記載の装置。
実施形態２８
前記メモリがさらに、残差平方和を最小化することによって、少なくとも部分的に前記データ対をフィッティングさせるための命令を保持している、実施形態２１記載の装置。
実施形態２９
前記メモリがさらに、各モデルを赤池情報量規準（ＡＩＣ）で評価し、最小のＡＩＣ値を有するモデルを選択することによって、少なくとも部分的に前記データ対をフィッティングさせるための命令を保持している、実施形態２１記載の装置。
実施形態３０
前記メモリが、各グループについて選択されたモデルからの、固定用量投薬量、分析物レベル、および補正係数を含む用量パラメータを保持している、実施形態２９記載の装置。
実施形態３１
前記メモリが、グルコースレベルのインジケータを含む前記患者の分析物およびインスリンを含む薬剤を特徴付ける時間相関データを保持している、実施形態２１記載の装置。
実施形態３２
前記メモリがさらに、前記用量ガイダンス設定を、ユーザへの出力のためにユーザインタフェースデバイスに提供するための命令を保持している、実施形態２１記載の装置。
実施形態３３
前記メモリがさらに、分析期間中に前記患者の分析物および前記患者が受け取った薬剤用量を特徴付ける時間相関データを受信するための命令を保持している、実施形態２１記載の装置。
実施形態３４
前記メモリがさらに、前記時間相関データに基づいて、前記薬剤の用量のそれぞれにつき、食事用量、非食事用量および曖昧な用量から前記薬剤クラスを選択するための命令を保持している、実施形態２１記載の装置。
実施形態３５
前記メモリがさらに、データ対をモデルにフィッティングさせることによって、少なくとも部分的に前記食事時刻グループのそれぞれのデータを前記モデルに適用するための命令を保持している、実施形態２１記載の装置。
実施形態３６
分析物データに応答して食前補正係数を提供する方法であって、前記方法が、
少なくとも１つのプロセッサにより、分析期間中に取得された患者の時間相関分析物データを入力として受け取るパターン分析アルゴリズムを実行することによって、少なくとも１つの時間帯（ＴＯＤ）期間の分析物パターンタイプを決定するステップと、
アルゴリズムを実行する前記少なくとも１つのプロセッサにより、前記分析物パターンタイプおよび分析期間における前記患者の定義された投薬戦略に基づいて、食前補正係数を決定するステップと、
前記少なくとも１つのプロセッサにより、食前補正のインジケータをコンピュータメモリに格納し、ユーザまたは投薬デバイスの少なくとも一方に出力するステップと
を含む、方法。
実施形態３７
前記パターン分析アルゴリズムがグルコースパターン分析（ＧＰＡ）アルゴリズムである、実施形態３６記載の方法。
実施形態３８
前記ＧＰＡが低グルコースパターンの表示を出力し、前記方法が、前記少なくとも１つのプロセッサにより、前記定義された投薬戦略の食事用量が食前補正を含むかどうかを判定するステップをさらに含む、実施形態３７記載の方法。
実施形態３９
前記方法が、前記少なくとも１つのプロセッサにより、食事投与が行われてボーラス投与または食前補正が忘失されていない日についてのみ、前記分析物データの一部を含めるステップをさらに含む、実施形態３８記載の方法。
実施形態４０
前記方法が、前記少なくとも１つのプロセッサにより、最小信頼水準を達成するために十分なデータが残っているかどうかを試験するステップをさらに含む、実施形態３９記載の方法。
実施形態４１
前記方法が、前記少なくとも１つのプロセッサにより、十分なデータが残っている場合には、前記分析物データの一部を用いて、食事投与が行われてボーラス投与または食前補正が忘失されていない日についてのみＧＰＡを実行するステップをさらに含む、実施形態４０記載の方法。
実施形態４２
前記方法が、前記少なくとも１つのプロセッサにより、前記ＧＰＡからの前記グルコースパターンが低いかどうかを判定し、低い場合に、関連するＴＯＤ期間の各用量の食事部分の推奨値を減らすステップをさらに含む、実施形態４１記載の方法。
実施形態４３
前記方法が、前記少なくとも１つのプロセッサにより、前記グルコースパターンが低くない場合に、食前補正係数を減らすステップをさらに含む、実施形態４２記載の方法。
実施形態４４
前記方法が、前記少なくとも１つのプロセッサにより、不十分なデータが残っている場合には、食前補正が行われた日のデータを含めるステップをさらに含む、実施形態４０記載の方法。
実施形態４５
前記方法が、前記少なくとも１つのプロセッサにより、食前補正が行われた日のデータを含めて、最小信頼水準を達成するための十分なデータが存在するかどうかを試験するステップをさらに含む、実施形態４４記載の方法。
実施形態４６
前記方法が、前記少なくとも１つのプロセッサにより、１回または複数回の食前補正が行われた日のデータを入力として含む分析物データを用いて第２のＧＰＡを実行するステップをさらに含む、実施形態４５記載の方法。
実施形態４７
前記方法が、前記少なくとも１つのプロセッサにより、前記第２のＧＰＡからの前記グルコースパターンが低くないかどうかを判定し、低い場合に、関連するＴＯＤ期間の各用量の食事部分の推奨値を減らすステップをさらに含む、実施形態４６記載の方法。
実施形態４８
前記方法が、前記少なくとも１つのプロセッサにより、前記第２のＧＰＡからの前記グルコースパターンが低い場合に、食事用量のみのデータを入力として含む分析物データを用いて第３のＧＰＡを実行するステップをさらに含む、実施形態４７記載の方法。
実施形態４９
前記方法が、前記少なくとも１つのプロセッサにより、前記第３のＧＰＡからの前記グルコースパターンが低くないかどうかを判定し、低い場合に、食前補正の推奨値を減らすステップをさらに含む、実施形態４８記載の方法。
実施形態５０
前記方法が、前記少なくとも１つのプロセッサにより、前記第３のＧＰＡからの前記グルコースパターンが低いかどうかを判定し、低い場合に、関連するＴＯＤ期間の各用量の食事部分の推奨値を減らすステップをさらに含む、実施形態４９記載の方法。
実施形態５１
前記ＧＰＡが高グルコースパターンの表示を出力し、前記方法が、前記少なくとも１つのプロセッサにより、食前補正が行われた食事用量を前記分析物データが含むかどうかを判定し、含まない場合に、元のデータセットから、ボーラスが忘失された日のデータおよび食前補正が行われた日のデータを除外し、これに基づいて前記ＧＰＡを実行するステップをさらに含む、実施形態３６記載の方法。
実施形態５２
前記方法が、前記少なくとも１つのプロセッサにより、前記ＧＰＡによって決定されたグルコースパターンが高いかどうかを判定し、高くない場合に、食前補正係数を増大させるステップをさらに含む、実施形態５１記載の方法。
実施形態５３
前記少なくとも１つのプロセッサにより、前記ＧＰＡによって決定されたグルコースパターンが高いかどうかを判定し、高い場合に、関連するＴＯＤ期間の各用量の食事部分の推奨値を高めるステップをさらに含む、実施形態５１記載の方法。
実施形態５４
前記ＧＰＡが高グルコースパターンの表示を出力し、前記方法が、前記少なくとも１つのプロセッサにより、食前補正が行われた食事用量を前記分析物データが含むかどうかを判定し、含む場合に、元のデータセットから、食事用量および食前補正が行われた日のデータを含め、ボーラスが忘失された日のデータを除外し、これに基づいて前記ＧＰＡを実行するステップをさらに含む、実施形態３６記載の方法。
実施形態５５
前記少なくとも１つのプロセッサにより、前記方法が、前記ＧＰＡによって決定されたグルコースパターンが高いかどうかを判定し、高い場合に、元のデータセットから、食事投与および食前補正が行われた日のデータおよびボーラス投与が忘失された日のデータを除外し、これに基づいて前記ＧＰＡを実行するステップをさらに含む、実施形態５４記載の方法。
実施形態５６
前記方法が、前記少なくとも１つのプロセッサにより、前記ＧＰＡによって決定されたグルコースパターンが高いかどうかを判定し、高くない場合に、食前補正係数を増大させるステップをさらに含む、実施形態５５記載の方法。
実施形態５７
前記方法が、前記少なくとも１つのプロセッサにより、前記ＧＰＡによって決定されたグルコースパターンが高いかどうかを判定し、高い場合に、関連するＴＯＤ期間の各用量の食事部分の推奨値を高めるステップをさらに含む、実施形態５５記載の方法。
実施形態５８
前記ＧＰＡが高グルコースパターンの表示を出力し、前記方法が、前記少なくとも１つのプロセッサにより、食前補正が行われた食事用量を前記分析物データが含むかどうかを判定し、含まない場合に、元のデータセットから、食前補正が行われた日およびボーラスが忘失された日のデータを除外し、これに基づいて前記ＧＰＡを実行するステップをさらに含む、実施形態３６記載の方法。
実施形態５９
前記方法が、前記少なくとも１つのプロセッサにより、前記ＧＰＡによって決定されたグルコースパターンが高いかどうかを判定し、高い場合に、関連するＴＯＤ期間の各用量の食事部分の推奨値を高めるステップをさらに含む、実施形態５８記載の方法。
実施形態６０
前記方法が、前記少なくとも１つのプロセッサにより、前記ＧＰＡによって決定されたグルコースパターンが高いかどうかを判定し、高くない場合に、食前補正係数を増大させるステップをさらに含む、実施形態５８記載の方法。
実施形態６１
前記分析物がグルコースレベルのインジケータを含み、前記薬剤がインスリンを含む、実施形態３６記載の方法。
実施形態６２
前記パターン分析がＴＩＲアルゴリズムである、実施形態３６記載の方法。
実施形態６３
前記ＴＩＲアルゴリズムを実行するステップが、前記少なくとも１つのプロセッサにより、少なくとも１つのＴＯＤ期間の目標を下回る時間（ｔ ＢＴ ）および目標を上回る時間（ｔ ＡＴ ）を決定するステップを含む、実施形態６２記載の方法。
実施形態６４
前記ＴＩＲアルゴリズムを実行するステップが、前記少なくとも１つのプロセッサにより、少なくとも目標を下回る時間（ｔ ＢＴ ）および目標を上回る時間（ｔ ＡＴ ）に基づいて、低血糖リスク指標または高血糖リスクのうちの少なくとも１つを評価するステップをさらに含む、実施形態６３記載の方法。
実施形態６５
分析物データに応答して食前補正係数を提供する装置であって、前記装置が、
測定された分析物データ、食事データおよび投薬データを受信するように構成された入力部と、
情報を視覚的に提示するように構成されたディスプレイと、
前記入力部、前記ディスプレイ、および命令を格納するメモリに結合された１つまたは複数のプロセッサと
を備え、前記命令は、前記１つまたは複数のプロセッサによって実行される際に、前記装置に、
分析期間中に取得された患者の時間相関分析物データを入力として受け取るパターン分析アルゴリズムを実行することによって、少なくとも１つの時間帯（ＴＯＤ）期間の分析物パターンタイプを決定させ、
アルゴリズムを実行することによって、前記分析物パターンタイプおよび前記分析期間における前記患者の定義された投薬戦略に基づいて、食前補正係数を決定させ、
食前補正のインジケータをコンピュータメモリに格納し、ユーザまたは投薬デバイスの少なくとも一方に出力させる
ためのものである、装置。
実施形態６６
前記メモリが、グルコースパターン分析（ＧＰＡ）アルゴリズムである前記パターン分析アルゴリズムを保持している、実施形態６５記載の装置。
実施形態６７
前記ＧＰＡが低グルコースパターンの表示を出力し、前記少なくとも１つのプロセッサにより、前記定義された投薬戦略の食事用量が食前補正を含むかどうかを判定するステップがさらに含まれる、実施形態６６記載の装置。
実施形態６８
前記ＧＰＡが高グルコースパターンの表示を出力し、前記メモリがさらに、食前補正が行われた食事用量を前記分析物データが含むかどうかを判定し、含まない場合に、元のデータセットから、ボーラスが忘失された日のデータおよび食前補正が行われた日のデータを除外し、これに基づいて前記ＧＰＡを実行するための命令を保持している、実施形態６５記載の装置。
実施形態６９
前記メモリがさらに、前記ＧＰＡによって決定されたグルコースパターンが高いかどうかを判定し、高くない場合に、食前補正係数を増大させるための命令を保持している、実施形態６８記載の装置。
実施形態７０
前記メモリがさらに、前記ＧＰＡによって決定されたグルコースパターンが高いかどうかを判定し、高い場合に、関連するＴＯＤ期間の各用量の食事部分の推奨値を高めるための命令を保持している、実施形態６８記載の装置。
実施形態７１
前記ＧＰＡが高グルコースパターンの表示を出力し、前記メモリがさらに、前記少なくとも１つのプロセッサにより、食前補正が行われた食事用量を前記分析物データが含むかどうかを判定し、含む場合に、元のデータセットから、食事用量および食前補正が行われた日のデータを含め、ボーラスが忘失された日のデータを除外し、これに基づいて前記ＧＰＡを実行するための命令を保持している、実施形態６５記載の装置。
実施形態７２
前記メモリがさらに、前記ＧＰＡによって決定されたグルコースパターンが高いかどうかを判定し、高い場合に、元のデータセットから、食前補正投与が行われた日のデータおよびボーラス投与が忘失された日のデータを除外し、これに基づいて前記ＧＰＡを実行するための命令を保持している、実施形態７１記載の装置。
実施形態７３
前記分析物がグルコースレベルのインジケータを含み、前記薬剤がインスリンを含む、実施形態６５記載の装置。
実施形態７４
前記パターン分析がＴＩＲアルゴリズムである、実施形態６５記載の装置。
実施形態７５
薬物用量ガイダンスを決定する方法であって、前記方法が、
電子デバイスにより、薬剤送達デバイスから対象の薬物用量データを受信するステップと、
処理回路により、薬物用量の投与忘失を検出するステップであって、前記薬物用量は作用継続時間に関連する時間期間を有する、ステップと、
処理回路により、薬物用量ガイダンスの調整を決定する際に、前記時間期間に関連する分析物データを無視するステップと
を含む、方法。
実施形態７６
推奨される薬物用量の投与忘失が、前記電子デバイスによって受信された薬物用量データのギャップを検出することによって検出される、実施形態７５記載の方法。
実施形態７７
前記方法が、処理回路により、前記分析物データから食事イベントを検出するステップをさらに含み、前記薬物用量の投与忘失が、食事イベントが検出された時点の近くで薬物用量データのギャップを検出することによって検出される、実施形態７５記載の方法。
実施形態７８
前記時間期間が約４時間である、実施形態７５記載の方法。
実施形態７９
前記時間期間が約２４時間である、実施形態７５記載の方法。
実施形態８０
前記分析物がグルコースであり、前記薬物がインスリンである、実施形態７５記載の方法。
実施形態８１
用量ガイダンスを決定する装置であって、前記装置が、
薬物用量データを受信するように構成された入力部と、
用量ガイダンスを視覚的に提示するように構成されたディスプレイと、
前記入力部、前記ディスプレイ、および命令を格納するメモリに結合された１つまたは複数のプロセッサと
を備え、前記命令は、前記１つまたは複数のプロセッサによって実行される際に、前記１つまたは複数のプロセッサに、
薬物用量の投与忘失を検出させ、前記薬物用量は作用継続時間に関連する時間期間を有し、
薬物用量ガイダンスの調整を決定する際に、前記時間期間に関連する分析物データを無視させる
ためのものである、装置。
実施形態８２
推奨される薬物用量の投与忘失が、電子デバイスによって受信された薬物用量データのギャップを検出することによって検出される、実施形態８１記載の装置。
実施形態８３
前記命令は、前記１つまたは複数のプロセッサによって実行される際に、前記１つまたは複数のプロセッサに、分析物データから食事イベントを検出させるためのものであり、前記薬物用量の投与忘失が、食事イベントが検出された時点の近くで薬物用量データのギャップを検出することによって検出される、実施形態８１記載の装置。
実施形態８４
前記時間期間が約４時間である、実施形態８１記載の装置。
実施形態８５
前記時間期間が約２４時間である、実施形態８１記載の装置。
実施形態８６
前記分析物がグルコースであり、前記薬物がインスリンである、実施形態８１記載の装置。
実施形態８７
食事の開始後の投与のための用量ガイダンスを提供する方法であって、前記方法が、
処理回路により、対象からの問い合わせに応答して、前記食事の開始時に前記対象に投与するために決定される、食事のための第１の用量ガイダンスを決定するステップと、
処理回路により、前記食事の開始と前記対象からの問い合わせとの間に時間遅延が存在するかどうかを判定するステップと、
処理回路により、時間遅延の決定に応答して、少なくとも前記第１の用量ガイダンスおよび前記時間遅延に基づいて、低血糖のリスクが存在するかどうかを判定するステップと、
前記低血糖のリスクが存在するとの判定に応答して、前記第１の用量ガイダンスよりも低血糖のリスクが低いことに関連付けられる、第２の用量ガイダンスを出力するステップと
を含む、方法。
実施形態８８
前記低血糖のリスクが、リスクマップを含むデータ空間を参照して処理回路によって決定される、実施形態８７記載の方法。
実施形態８９
前記リスクマップが人口ベースである、実施形態８７記載の方法。
実施形態９０
前記リスクマップがユーザベースである、実施形態８７記載の方法。
実施形態９１
前記リスクマップが、低血糖指標から導出される多次元表面マップを含む、実施形態８７記載の方法。
実施形態９２
前記低血糖指標が、投薬時間遅延、提案された用量ガイダンス、推奨された用量ガイダンス、投与された用量、および用量の投与後の所定の時間期間のグルコース時系列、からなる群から選択される複数の変数の関数である、実施形態９１記載の方法。
実施形態９３
前記低血糖指標が、７０ｍｇ／ｄＬ未満の時間、５４ｍｇ／ｄＬ未満の時間、または低血糖指数である、実施形態９１記載の方法。
実施形態９４
前記第２の用量ガイダンスが、多次元表面マップのΔ用量／低血糖のリスク等電位から決定される、実施形態９１記載の方法。
実施形態９５
食事の開始後に対象に用量ガイダンスを提供する装置であって、前記装置が、
測定された分析物データ、食事データおよび投薬データを受信するように構成された入力部と、
用量ガイダンスを視覚的に提示するように構成されたディスプレイと、
前記入力部、前記ディスプレイ、および命令を格納するメモリに結合された１つまたは複数のプロセッサと
を備え、前記命令は、前記１つまたは複数のプロセッサによって実行される際に、前記１つまたは複数のプロセッサに、
前記対象からの問い合わせに応答して、食事の開始時に前記対象に投与されるように決定される、食事のための第１の用量ガイダンスを決定させ、
前記食事の開始と前記対象からの問い合わせとの間に時間遅延が存在するかどうかを判定させ、
時間遅延の決定に応答して、少なくとも前記第１の用量ガイダンスおよび前記時間遅延に基づいて、低血糖のリスクが存在するかどうかを判定させ、
前記低血糖のリスクが存在するとの判定に応答して、前記第１の用量ガイダンスよりも低血糖のリスクが低いことに関連付けられる、第２の用量ガイダンスを出力させる
ためのものである、装置。
実施形態９６
前記プログラムの実行が、前記１つまたは複数のプロセッサに、リスクマップを含むデータ空間を参照して回路を処理することによって、低血糖のリスクを判定させる、実施形態９５記載の装置。
実施形態９７
前記リスクマップが人口ベースである、実施形態９５記載の装置。
実施形態９８
前記リスクマップがユーザベースである、実施形態９５記載の装置。
実施形態９９
前記リスクマップが、低血糖指標から導出される多次元表面マップを含む、実施形態９５記載の装置。
実施形態１００
前記低血糖指標が、投薬時間遅延、提案された用量ガイダンス、推奨された用量ガイダンス、投与された用量、および投与後の所定の時間期間のグルコース時系列、からなる群から選択される複数の変数の関数である、実施形態９９記載の装置。
実施形態１０１
前記低血糖指標が、７０ｍｇ／ｄＬ未満の時間、５４ｍｇ／ｄＬ未満の時間、または低血糖指数である、実施形態９９記載の装置。
実施形態１０２
前記プログラムの実行が、前記１つまたは複数のプロセッサに、前記多次元表面マップのΔ用量／低血糖のリスク等電位から前記第２の用量ガイダンスを決定させる、実施形態９９記載の装置。
実施形態１０３
食事の開始後に投与するための遅延用量ガイダンスを提供する方法であって、前記方法が、
ユーザから、開始時刻を有する食事の用量ガイダンスの問い合わせを受信するステップと、
処理回路により、前記用量ガイダンスの問い合わせが前記食事の開始後に受信されたかどうかを判定するステップと、
処理回路により、前記開始時刻に関連する前記ユーザの分析物レベルを決定するステップと、
前記決定された分析物レベルに基づいて補正用量ガイダンスを決定するステップと、
食事用量ガイダンスおよび前記補正用量ガイダンスを含む遅延用量ガイダンスを出力するステップと
を含む、方法。
実施形態１０４
前記方法が、投薬忘失を前記ユーザに通知するステップをさらに含む、実施形態１０３記載の方法。
実施形態１０５
前記食事の開始時刻が推定開始時刻である、実施形態１０３記載の方法。
実施形態１０６
前記遅延用量ガイダンスが、前記食事用量ガイダンスと前記補正用量ガイダンスとの合計である、実施形態１０３記載の方法。
実施形態１０７
前記補正用量ガイダンスが、前記決定された分析物レベルと目標分析物との差を補正係数で割ったものである、実施形態１０３記載の方法。
実施形態１０８
前記食事用量ガイダンスが固定食事用量である、実施形態１０３記載の方法。

実施形態１０９
前記食事用量ガイダンスが、少なくとも前記食事の炭水化物含有量に基づいて決定される、実施形態１０３記載の方法。
実施形態１１０
前記薬物がインスリンであり、前記分析物がグルコースである、実施形態１０３記載の方法。
実施形態１１１
食事の開始後に対象に用量ガイダンスを提供する装置であって、前記装置が、
測定された分析物データ、食事データおよび投薬データ、ならびに開始時刻を有する食事の用量ガイダンスに関するユーザからの問い合わせを受信するように構成された入力部と、
用量ガイダンスを視覚的に提示するように構成されたディスプレイと、
前記入力部、前記ディスプレイ、および命令を格納するメモリに結合された１つまたは複数のプロセッサと
を含み、前記命令は、前記１つまたは複数のプロセッサによって実行される際に、前記１つまたは複数のプロセッサに、
前記用量ガイダンスの問い合わせが前記食事の開始後に受信されたかどうかを判定させ、
前記開始時刻に関連する前記ユーザの分析物レベルを決定させ、
前記決定された分析物レベルに基づいて、補正用量ガイダンスを決定させ、
食事用量ガイダンスおよび補正用量ガイダンスを含む遅延用量ガイダンスを出力させる
ためのものである、装置。
実施形態１１２
前記プログラムの実行が、前記１つまたは複数のプロセッサに、前記ユーザに投薬忘失を通知させる、実施形態１１１記載の装置。
実施形態１１３
前記食事の開始時刻が推定開始時刻である、実施形態１１１記載の装置。
実施形態１１４
前記遅延用量ガイダンスが、前記食事用量ガイダンスと前記補正用量ガイダンスとの合計である、実施形態１１１記載の装置。
実施形態１１５
前記補正用量ガイダンスが、前記決定された分析物レベルと目標分析物との差を補正係数で割ったものである、実施形態１１１記載の装置。
実施形態１１６
前記食事用量ガイダンスが固定食事用量である、実施形態１１１記載の装置。
実施形態１１７
前記食事用量ガイダンスが、少なくとも前記食事の炭水化物含有量に基づいて決定される、実施形態１１１記載の装置。
実施形態１１８
前記薬物がインスリンであり、前記分析物がグルコースである、実施形態１１１記載の装置。
実施形態１１９
食事の開始後に投与するための用量ガイダンスを提供する方法であって、前記方法が、
処理回路により、対象からの問い合わせに応答して、食事のための第１の用量ガイダンスを決定するステップと、
処理回路により、前記食事の開始と前記対象からの問い合わせとの間の時間遅延を計算するステップと、
処理回路により、前記時間遅延が０超であるとの判定に応答して、内因性インスリンの推定量および前記時間遅延に対応する因子を決定するステップと、
前記第１の用量ガイダンスおよび前記因子に関連付けられる、第２の用量ガイダンスを出力するステップと
を含む、方法。
実施形態１２０
前記第２の用量ガイダンスが、前記第１の用量ガイダンスと前記因子との積である、実施形態１１９記載の方法。
実施形態１２１
前記因子が分数である、実施形態１１９記載の方法。
実施形態１２２
前記因子がユニバーサルルックアップテーブルから決定される、実施形態１１９記載の方法。
実施形態１２３
前記第１の用量ガイダンスが、前記食事の開始時に前記対象に投与するために決定される、実施形態１１９記載の方法。
実施形態１２４
前記第１の用量ガイダンスが固定食事用量である、実施形態１１９記載の方法。
実施形態１２５
前記第１の用量ガイダンスが、少なくとも前記食事の炭水化物含有量に基づいて決定される、実施形態１１９記載の方法。
実施形態１２６
食事の開始後に対象に用量ガイダンスを提供する装置であって、前記装置が、
測定された分析物データ、食事データおよび投薬データを受信するように構成された入力部と、
用量ガイダンスを視覚的に提示するように構成されたディスプレイと、
前記入力部、前記ディスプレイ、および命令を格納するメモリに結合された１つまたは複数のプロセッサと
を含み、前記命令は、前記１つまたは複数のプロセッサによって実行される際に、前記１つまたは複数のプロセッサに、
対象からの問い合わせに応答して、食事のための第１の用量ガイダンスを決定させ、
前記食事の開始と前記対象からの問い合わせとの間の時間遅延を計算させ、
前記時間遅延が０超であるとの判定に応答して、内因性インスリンの推定量および前記時間遅延に対応する因子を決定させ、
前記第１の用量ガイダンスおよび前記因子に関連付けられる、第２の用量ガイダンスを出力させる
ためのものである、装置。
実施形態１２７
前記第２の用量ガイダンスが、前記第１の用量ガイダンスと前記因子との積である、実施形態１２６記載の装置。
実施形態１２８
前記因子が分数である、実施形態１２６記載の装置。
実施形態１２９
前記プログラムの実行が、前記プロセッサに、ユニバーサルルックアップテーブルから前記因子を決定させる、実施形態１２６記載の装置。
実施形態１３０
前記プログラムの実行が、前記１つまたは複数のプロセッサに、食事の開始時に前記対象に投与するための前記第１の用量ガイダンスを決定させる、実施形態１２６記載の装置。
実施形態１３１
前記第１の用量ガイダンスが固定食事用量である、実施形態１２６記載の装置。
実施形態１３２
前記第１の用量ガイダンスが、少なくとも前記食事の炭水化物含有量に基づいて決定される、実施形態１２６記載の装置。

Claims (37)

  1. 用量ガイダンス設定を構成するために患者の投薬習慣をパラメータ化する方法であって、前記方法が、
    少なくとも１つのプロセッサにより、患者の分析物を特徴付ける時間相関データに基づいて、複数の薬剤の用量のそれぞれを薬剤クラスに分類するステップと、
    前記少なくとも１つのプロセッサにより、前記用量のそれぞれを、食事時刻グループのセットのうちの１つにグループ分けするステップと、
    前記少なくとも１つのプロセッサにより、前記食事時刻グループのそれぞれのデータをモデルに適用することによって、少なくとも部分的に前記患者の用量パラメータを作成するステップと、
    前記少なくとも１つのプロセッサにより、前記用量パラメータをコンピュータメモリに格納し、用量ガイダンス設定を構成するステップと
    を含む、方法。
  2. 前記分類するステップがさらに、分類特徴のセットを前記用量のそれぞれに相関させる特徴行列を作成するステップを含む、請求項１記載の方法。
  3. 前記分類特徴が、各用量の投薬時刻、時間フィルタリングされた分析物値、投薬の時刻に最も近い分析物値の変化率、分析物値と前記投薬の時刻に最も近い分析物値との差を前記投薬時刻より前のインターバルで積分した値を示す左側のＡＵＣ（曲線下面積）、分析物値と前記投薬の時刻に最も近い分析物値との差を前記投薬時刻より後のインターバルで積分した値を示す右側のＡＵＣ、投薬時刻間の経過時間、前記投薬時刻前の定義されたインターバル内に食事が開始される確率、直近の食事からの最も可能性の高い経過時間インターバル、前記投薬時刻後の定義されたインターバル内に食事が開始される確率、および次の食事までの最も可能性の高い時間インターバル、を含む群から選択される、請求項２記載の方法。
  4. 前記分類するステップがさらに、分析期間中に前記患者が摂った各食事の時刻を推定するステップを含む、請求項２記載の方法。
  5. 各食事の時刻を推定するステップがさらに、時間相関分析物データに基づいて特徴行列を作成するステップを含み、前記特徴行列は、分析物データ特徴のセットを、上昇、下降前および下降として分類される別個の領域のそれぞれに相関させる、請求項４記載の方法。
  6. 各食事の時刻を推定するステップがさらに、アルゴリズムを用いて、前記特徴行列に基づいて推定された食事時刻を作成するステップを含む、請求項５記載の方法。
  7. 前記分析物データ特徴のセットが、最大分析物変化率、最大分析物加速度、最大分析物加速点での分析物値、領域の持続時間、領域の高さ、最大減速度、領域内の平均変化率、および最大分析物加速度の時点、を含む群から選択される、請求項５記載の方法。
  8. 前記食事時刻グループが、朝食、昼食および夕食を含む、請求項１記載の方法。
  9. 前記グループ分けするステップがさらに、クラスタ分析によりグループ分けするステップを含む、請求項８記載の方法。
  10. 前記食事時刻グループのそれぞれの前記データを前記モデルに適用することは、データ対を該モデルにフィッティングさせることを含み、該モデルは、傾きがゼロである線形モデル、傾きが非ゼロである線形モデル、１点で結合するピースワイズモデル、またはピースワイズモデルを近似する非線形モデル、から選択される、請求項１記載の方法。
  11. データ対をフィッティングさせるステップがさらに、残差平方和を最小化するステップを含む、請求項１０記載の方法。
  12. データ対をフィッティングさせるステップがさらに、各モデルを赤池情報量規準（ＡＩＣ）で評価し、最小のＡＩＣ値を有するモデルを選択するステップを含む、請求項１０記載の方法。
  13. 前記用量パラメータが、各グループについて選択されたモデルからの、固定用量投薬量、分析物レベル、および補正係数を含む、請求項１２記載の方法。
  14. 前記方法が、前記少なくとも１つのプロセッサにより、複数の食事時刻グループからのデータを結合して結合されたグループを形成するステップと、前記結合されたグループのモデルおよび補正係数のうち最適にフィッティングするものを選択するステップとをさらに含む、請求項１３記載の方法。
  15. 前記方法が、前記少なくとも１つのプロセッサにより、選択されたモデルのＡＩＣ値を閾値と比較するステップと、ＡＩＣ値が閾値を超えた場合にユーザ入力を要求するステップとをさらに含む、請求項１２記載の方法。
  16. 前記分析物がグルコースレベルのインジケータを含み、前記薬剤がインスリンを含む、請求項１記載の方法。
  17. 前記方法が、前記用量ガイダンス設定を、ユーザへの出力のためにユーザインタフェースデバイスに提供するステップをさらに含む、請求項１記載の方法。
  18. 前記方法が、前記少なくとも１つのプロセッサにより、分析期間中に前記患者の分析物および前記患者が受け取った薬剤の用量を特徴付ける時間相関データを受信するステップをさらに含む、請求項１記載の方法。
  19. 前記少なくとも１つのプロセッサが、前記時間相関データに基づいて、前記用量のそれぞれにつき、食事用量、非食事用量および曖昧な用量から前記薬剤クラスを選択する、請求項１記載の方法。
  20. 前記食事時刻グループのそれぞれのデータをモデルに適用するステップが、データ対を前記モデルにフィッティングさせるステップを含む、請求項１記載の方法。
  21. 用量ガイダンス設定を構成するために患者の投薬習慣をパラメータ化する装置であって、前記装置が、
    測定された分析物データ、食事データおよび投薬データを受信するように構成された入力部と、
    情報を視覚的に提示するように構成されたディスプレイと、
    前記入力部、前記ディスプレイ、ならびに分析期間中に前記患者の分析物および前記患者が受け取った薬剤の用量を特徴付ける命令および時間相関データを格納するメモリに結合された１つまたは複数のプロセッサと
    を備え、前記命令は、前記１つまたは複数のプロセッサによって実行される際に、前記装置に、
    前記時間相関データに基づいて、前記用量のそれぞれを薬剤クラスに分類させ、
    前記用量のそれぞれを、食事時刻グループのセットのうちの１つにグループ分けさせ、
    前記食事時刻グループのそれぞれのデータをモデルに適用することによって、少なくとも部分的に前記患者の用量パラメータを作成させ、
    前記用量パラメータを格納して、用量ガイダンス設定を構成させる
    ためのものである、装置。
  22. 前記メモリがさらに、分類特徴のセットを前記用量のそれぞれに相関させる特徴行列を作成することによって、少なくとも部分的に前記用量のそれぞれを分類するための命令を保持している、請求項２１記載の装置。
  23. 前記メモリがさらに、各用量の投薬時刻、時間フィルタリングされた分析物値、投薬の時刻に最も近い分析物値の変化率、分析物値と前記投薬の時刻に最も近い分析物値との差を前記投薬時刻より前のインターバルで積分した値を示す左側のＡＵＣ（曲線下面積）、分析物値と前記投薬の時刻に最も近い分析物値との差を前記投薬時刻より後のインターバルで積分した値を示す右側のＡＵＣ、投薬時刻間の経過時間、前記投薬時刻前の定義されたインターバル内に食事が開始される確率、直近の食事からの最も可能性の高い経過時間インターバル、前記投薬時刻後の定義されたインターバル内に食事が開始される確率、および次の食事までの最も可能性の高い時間インターバル、を含む群から選択される前記分類特徴を相関させるための命令を保持している、請求項２２記載の装置。
  24. 前記メモリがさらに、前記分析期間中に前記患者が摂った各食事の時刻を推定することによって、少なくとも部分的に前記用量のそれぞれを分類するための命令を保持している、請求項２２記載の装置。
  25. 前記メモリがさらに、前記用量のそれぞれを、朝食、昼食および夕食を含む前記食事時刻グループにグループ分けするための命令をさらに保持している、請求項２１記載の装置。
  26. 前記メモリが、前記用量のそれぞれをクラスタ分析によって少なくとも部分的にグループ分けするための命令を保持している、請求項２５記載の装置。
  27. 前記メモリがさらに、モデルを使用してデータ対をフィッティングさせるための命令を保持し、該モデルは、傾きがゼロである線形モデル、傾きが非ゼロである線形モデル、１点で結合するピースワイズモデル、またはピースワイズモデルを近似する非線形モデル、から選択される、請求項２１記載の装置。
  28. 前記メモリがさらに、残差平方和を最小化することによって、少なくとも部分的に前記データ対をフィッティングさせるための命令を保持している、請求項２７記載の装置。
  29. 前記メモリがさらに、各モデルを赤池情報量規準（ＡＩＣ）で評価し、最小のＡＩＣ値を有するモデルを選択することによって、少なくとも部分的に前記データ対をフィッティングさせるための命令を保持している、請求項２７記載の装置。
  30. 前記メモリが、各グループについて選択されたモデルからの、固定用量投薬量、分析物レベル、および補正係数を含む用量パラメータを保持している、請求項２９記載の装置。
  31. 前記メモリが、グルコースレベルのインジケータを含む前記患者の分析物およびインスリンを含む薬剤を特徴付ける時間相関データを保持している、請求項２１記載の装置。
  32. 前記メモリがさらに、前記用量ガイダンス設定を、ユーザへの出力のためにユーザインタフェースデバイスに提供するための命令を保持している、請求項２１記載の装置。
  33. 前記メモリがさらに、分析期間中に前記患者の分析物および前記患者が受け取った薬剤の用量を特徴付ける時間相関データを受信するための命令を保持している、請求項２１記載の装置。
  34. 前記メモリがさらに、前記時間相関データに基づいて、前記用量のそれぞれにつき、食事用量、非食事用量および曖昧な用量から前記薬剤クラスを選択するための命令を保持している、請求項２１記載の装置。
  35. 前記メモリがさらに、データ対をモデルにフィッティングさせることによって、少なくとも部分的に前記食事時刻グループのそれぞれのデータを前記モデルに適用するための命令を保持している、請求項２１記載の装置。
  36. 前記分類するステップが機械学習モデルによって実行される、請求項１に記載の方法。
  37. 前記食事時刻グループのそれぞれのデータが、食前の分析物レベルと対応する食事投薬量を含む、請求項１に記載の方法。
JP2022506627A 2019-08-02 2020-07-31 薬剤用量ガイダンスに関連するシステム、デバイスおよび方法 Active JP7662611B2 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2025061865A JP2025106388A (ja) 2019-08-02 2025-04-03 薬剤用量ガイダンスに関連するシステム、デバイスおよび方法

Applications Claiming Priority (11)

Application Number Priority Date Filing Date Title
US201962882249P 2019-08-02 2019-08-02
US62/882,249 2019-08-02
US202062979594P 2020-02-21 2020-02-21
US202062979578P 2020-02-21 2020-02-21
US202062979618P 2020-02-21 2020-02-21
US62/979,578 2020-02-21
US62/979,594 2020-02-21
US62/979,618 2020-02-21
US202063058799P 2020-07-30 2020-07-30
US63/058,799 2020-07-30
PCT/US2020/044528 WO2021026004A1 (en) 2019-08-02 2020-07-31 Systems, devices, and methods relating to medication dose guidance

Related Child Applications (1)

Application Number Title Priority Date Filing Date
JP2025061865A Division JP2025106388A (ja) 2019-08-02 2025-04-03 薬剤用量ガイダンスに関連するシステム、デバイスおよび方法

Publications (3)

Publication Number Publication Date
JP2022543239A JP2022543239A (ja) 2022-10-11
JP2022543239A5 JP2022543239A5 (ja) 2023-08-03
JP7662611B2 true JP7662611B2 (ja) 2025-04-15

Family

ID=74503990

Family Applications (2)

Application Number Title Priority Date Filing Date
JP2022506627A Active JP7662611B2 (ja) 2019-08-02 2020-07-31 薬剤用量ガイダンスに関連するシステム、デバイスおよび方法
JP2025061865A Pending JP2025106388A (ja) 2019-08-02 2025-04-03 薬剤用量ガイダンスに関連するシステム、デバイスおよび方法

Family Applications After (1)

Application Number Title Priority Date Filing Date
JP2025061865A Pending JP2025106388A (ja) 2019-08-02 2025-04-03 薬剤用量ガイダンスに関連するシステム、デバイスおよび方法

Country Status (8)

Country Link
US (1) US12555660B2 (ja)
EP (1) EP4007523A4 (ja)
JP (2) JP7662611B2 (ja)
CN (1) CN114206207B (ja)
AU (2) AU2020324387B2 (ja)
CA (1) CA3147267C (ja)
MX (1) MX2022001442A (ja)
WO (1) WO2021026004A1 (ja)

Families Citing this family (103)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8417311B2 (en) 2008-09-12 2013-04-09 Optiscan Biomedical Corporation Fluid component analysis system and method for glucose monitoring and control
CA2702116C (en) 2007-10-10 2021-01-05 Optiscan Biomedical Corporation Fluid component analysis system and method for glucose monitoring and control
US7959598B2 (en) 2008-08-20 2011-06-14 Asante Solutions, Inc. Infusion pump systems and methods
US9561324B2 (en) 2013-07-19 2017-02-07 Bigfoot Biomedical, Inc. Infusion pump system and method
GB2523989B (en) 2014-01-30 2020-07-29 Insulet Netherlands B V Therapeutic product delivery system and method of pairing
CN111905188B (zh) 2015-02-18 2022-07-22 英赛罗公司 流体输送和输注装置及其使用方法
WO2017123525A1 (en) 2016-01-13 2017-07-20 Bigfoot Biomedical, Inc. User interface for diabetes management system
HK1256995A1 (zh) 2016-01-14 2019-10-11 Bigfoot Biomedical, Inc. 药物输送设备、系统和方法中的阻塞解决方案
US10806859B2 (en) 2016-01-14 2020-10-20 Bigfoot Biomedical, Inc. Adjusting insulin delivery rates
US12383166B2 (en) 2016-05-23 2025-08-12 Insulet Corporation Insulin delivery system and methods with risk-based set points
US10765807B2 (en) 2016-09-23 2020-09-08 Insulet Corporation Fluid delivery device with sensor
US11096624B2 (en) 2016-12-12 2021-08-24 Bigfoot Biomedical, Inc. Alarms and alerts for medication delivery devices and systems
US10500334B2 (en) 2017-01-13 2019-12-10 Bigfoot Biomedical, Inc. System and method for adjusting insulin delivery
EP3568860B1 (en) 2017-01-13 2025-12-10 Insulet Corporation Insulin delivery methods, systems and devices
US10881792B2 (en) 2017-01-13 2021-01-05 Bigfoot Biomedical, Inc. System and method for adjusting insulin delivery
US10758675B2 (en) 2017-01-13 2020-09-01 Bigfoot Biomedical, Inc. System and method for adjusting insulin delivery
US11033682B2 (en) 2017-01-13 2021-06-15 Bigfoot Biomedical, Inc. Insulin delivery methods, systems and devices
US10583250B2 (en) 2017-01-13 2020-03-10 Bigfoot Biomedical, Inc. System and method for adjusting insulin delivery
KR102665710B1 (ko) 2017-08-24 2024-05-14 노보 노르디스크 에이/에스 Glp-1 조성물 및 그 용도
USD928199S1 (en) 2018-04-02 2021-08-17 Bigfoot Biomedical, Inc. Medication delivery device with icons
US11565043B2 (en) 2018-05-04 2023-01-31 Insulet Corporation Safety constraints for a control algorithm based drug delivery system
US12562251B1 (en) 2018-05-09 2026-02-24 Bigfoot Biomedical, Inc. Computing architecture for assuring the provenance of medication therapy related parameters, and related systems, methods and devices
AU2019347755B2 (en) 2018-09-28 2023-02-02 Insulet Corporation Activity mode for artificial pancreas system
EP3864668A1 (en) 2018-10-11 2021-08-18 Insulet Corporation Event detection for drug delivery system
USD920343S1 (en) 2019-01-09 2021-05-25 Bigfoot Biomedical, Inc. Display screen or portion thereof with graphical user interface associated with insulin delivery
CA3149586A1 (en) * 2019-08-30 2021-03-04 Jeffrey Sterling ANDREWS Methods and apparatus for determining device dosage
US11801344B2 (en) 2019-09-13 2023-10-31 Insulet Corporation Blood glucose rate of change modulation of meal and correction insulin bolus quantity
US11935637B2 (en) 2019-09-27 2024-03-19 Insulet Corporation Onboarding and total daily insulin adaptivity
EP4069082B1 (en) 2019-12-06 2024-06-05 Insulet Corporation Techniques and devices providing adaptivity and personalization in diabetes treatment
US20210178063A1 (en) 2019-12-13 2021-06-17 Medtronic Minimed, Inc. Controlling medication delivery system operation and features based on automatically detected user stress level
US11488700B2 (en) * 2019-12-13 2022-11-01 Medtronic Minimed, Inc. Medical device configuration procedure guidance responsive to detected gestures
US11833329B2 (en) 2019-12-20 2023-12-05 Insulet Corporation Techniques for improved automatic drug delivery performance using delivery tendencies from past delivery history and use patterns
JP7512395B2 (ja) 2020-01-06 2024-07-08 インスレット コーポレイション 持続する残差に基づく食事および／または運動行為の予測
EP4100958A1 (en) 2020-02-03 2022-12-14 Insulet Corporation Use of fuzzy logic in predicting user behavior affecting blood glucose concentration
US11551802B2 (en) 2020-02-11 2023-01-10 Insulet Corporation Early meal detection and calorie intake detection
US11547800B2 (en) 2020-02-12 2023-01-10 Insulet Corporation User parameter dependent cost function for personalized reduction of hypoglycemia and/or hyperglycemia in a closed loop artificial pancreas system
US11986630B2 (en) 2020-02-12 2024-05-21 Insulet Corporation Dual hormone delivery system for reducing impending hypoglycemia and/or hyperglycemia risk
US11324889B2 (en) 2020-02-14 2022-05-10 Insulet Corporation Compensation for missing readings from a glucose monitor in an automated insulin delivery system
US20210259591A1 (en) * 2020-02-20 2021-08-26 Dexcom, Inc. Machine learning in an artificial pancreas
US12495994B2 (en) 2020-02-20 2025-12-16 Insulet Corporation Meal bolus subcategories in model based insulin therapy
US11607493B2 (en) 2020-04-06 2023-03-21 Insulet Corporation Initial total daily insulin setting for user onboarding
US12239460B2 (en) 2020-05-06 2025-03-04 Janssen Pharmaceuticals, Inc. Controlling operation of drug administration devices using surgical hubs
WO2021243016A1 (en) 2020-05-29 2021-12-02 Abbott Diabetes Care Inc. Systems, devices, and methods for dosing pattern management
US12121700B2 (en) 2020-07-22 2024-10-22 Insulet Corporation Open-loop insulin delivery basal parameters based on insulin delivery records
US11684716B2 (en) 2020-07-31 2023-06-27 Insulet Corporation Techniques to reduce risk of occlusions in drug delivery systems
CN115867193A (zh) * 2020-09-03 2023-03-28 德克斯康公司 葡萄糖警报预测范围修改
WO2022051230A1 (en) * 2020-09-05 2022-03-10 Icu Medical, Inc. Identity-based secure medical device communications
US12569619B2 (en) 2020-09-21 2026-03-10 Insulet Corporation Techniques for determining automated insulin delivery dosages
US12115351B2 (en) 2020-09-30 2024-10-15 Insulet Corporation Secure wireless communications between a glucose monitor and other devices
EP4696344A3 (en) 2020-09-30 2026-04-15 Insulet Corporation Drug delivery device with integrated optical-based glucose monitor
US11671406B2 (en) * 2020-11-03 2023-06-06 International Business Machines Corporation Patterned and correlated electrical activity
US20220180219A1 (en) * 2020-12-04 2022-06-09 Biosense Webster (Israel) Ltd. Automatic acquisition of electrophysical data points using automated setting of signal rejection criteria based on big data analysis
EP4272219A1 (en) * 2020-12-31 2023-11-08 Bigfoot Biomedical, Inc. Visualizing outcomes of applying recommended insulin therapy settings, and related systems and devices
US11160925B1 (en) 2021-01-29 2021-11-02 Insulet Corporation Automatic drug delivery system for delivery of a GLP-1 therapeutic
JP2024505285A (ja) 2021-02-03 2024-02-05 アボット ダイアベティス ケア インコーポレイテッド 薬剤用量ガイダンスに関連するシステム、デバイスおよび方法
US11904140B2 (en) 2021-03-10 2024-02-20 Insulet Corporation Adaptable asymmetric medicament cost component in a control system for medicament delivery
EP4305636A1 (en) * 2021-03-10 2024-01-17 Insulet Corporation A medicament delivery device with an adjustable and piecewise analyte level cost component to address persistent positive analyte level excursions
EP4075440B1 (en) * 2021-04-15 2024-10-16 Insulet Corporation Meal bolus subcategories in model based insulin therapy
EP4074256A1 (en) * 2021-04-16 2022-10-19 Jean Neol Gouze Detection of prolonged postprandial hyperglycemia, glycemic peak linear prediction and insulin delivery adjustment
US20220331520A1 (en) * 2021-04-20 2022-10-20 Insulet Corporation Automatic drug delivery system for individuals with type-2 diabetes
EP4327330A1 (en) 2021-04-21 2024-02-28 Abbott Diabetes Care Inc. Systems and methods for diabetes management
US12592306B2 (en) 2021-04-28 2026-03-31 Insulet Corporation Devices and methods for initialization of drug delivery devices using measured analyte sensor information
US12496398B2 (en) 2021-05-28 2025-12-16 Insulet Corporation Threshold based automatic glucose control response
EP4101482A1 (en) 2021-06-07 2022-12-14 Insulet Corporation Exercise safety prediction based on physiological conditions
KR102571045B1 (ko) * 2021-06-21 2023-08-29 이오플로우(주) 최적의 인슐린 주입량을 산출하는 방법, 장치 및 컴퓨터 프로그램 제품
US12514980B2 (en) 2021-06-30 2026-01-06 Insulet Corporation Adjustment of medicament delivery by a medicament delivery device based on menstrual cycle phase
US20230011699A1 (en) * 2021-07-12 2023-01-12 Insulet Corporation Techniques for recommending rescue carbohydrate ingestion in automatic medication delivery systems
US12521486B2 (en) * 2021-07-16 2026-01-13 Insulet Corporation Method for modification of insulin delivery during pregnancy in automatic insulin delivery systems
MX2024000898A (es) * 2021-07-19 2024-02-06 Sanofi Sa Sistemas y metodos para realizar titulacion de insulina basal y de bolo.
US20230061867A1 (en) * 2021-08-26 2023-03-02 Nxp B.V. System, Device and Method for Multi-Device Authentication
EP4405977A1 (en) * 2021-09-24 2024-07-31 Sanofi Determining data related to the approach of end of life of a drug delivery device
WO2023049900A1 (en) 2021-09-27 2023-03-30 Insulet Corporation Techniques enabling adaptation of parameters in aid systems by user input
WO2023102498A1 (en) * 2021-12-01 2023-06-08 Medtronic Minimed, Inc. Real-time meal detection based on sensor glucose and estimated plasma insulin levels
US20230165490A1 (en) * 2021-12-01 2023-06-01 Medtronic Minimed, Inc. Real-time meal detection based on sensor glucose and estimated plasma insulin levels
US11439754B1 (en) 2021-12-01 2022-09-13 Insulet Corporation Optimizing embedded formulations for drug delivery
WO2023102114A1 (en) * 2021-12-01 2023-06-08 Insulet Corporation Optimizing embedded formulations for drug delivery
KR102733645B1 (ko) * 2021-12-03 2024-11-26 주식회사 아이센스 생체값의 예측 방법
US20250316352A1 (en) * 2021-12-17 2025-10-09 Evyd Research Private Limited Periodic behavior report generation method and apparatus, storage medium, and electronic device
EP4456793A1 (en) * 2021-12-30 2024-11-06 Lingo Sensing Technology Unlimited Company Systems, devices, and methods for wellness monitoring with physiological sensors
EP4243030A1 (en) 2022-03-09 2023-09-13 Insulet Corporation Adjusting medicament delivery parameters in an open loop medicament delivery mode
FR3133478B1 (fr) * 2022-03-11 2024-11-29 Diabeloop Système informatisé de communication d’informations de traitement à un utilisateur
EP4261835A1 (en) * 2022-04-14 2023-10-18 Insulet Corporation System and method for creating or adjusting manual basal profiles
USD1038141S1 (en) * 2022-04-21 2024-08-06 Abbott Diabetes Care Inc. Display screen or portion thereof with graphical user interface
US20250259727A1 (en) * 2022-04-29 2025-08-14 Oregon Health & Science University Machine-learning-based meal detection and size estimation using continuous glucose monitoring (cgm) and insulin data
US20230377699A1 (en) * 2022-05-17 2023-11-23 Insulet Corporation Techniques to determine patterns in blood glucose measurement data and a user interface for presentation thereof
CN115054776B (zh) * 2022-06-15 2023-09-08 广州医科大学附属第三医院（广州重症孕产妇救治中心、广州柔济医院） 一种胰岛素注射预警系统及方法
US20240033427A1 (en) 2022-07-27 2024-02-01 Abbott Diabetes Care Inc. Systems and methods for diabetes management
EP4587927A1 (en) 2022-09-14 2025-07-23 Abbott Diabetes Care Inc. Systems and methods for diabetes management
FR3140549A1 (fr) * 2022-10-11 2024-04-12 Diabeloop Dispositif de régulation pour la détermination d’une valeur de recommandation d’un paramètre de régulation d’un dispositif d'infusion de fluide.
JP2025535751A (ja) * 2022-10-17 2025-10-28 アボット ダイアベティス ケア インコーポレイテッド Ｔｉｒ及び食事関連被検物質を監視するためのシステム、デバイス、及び方法
CN120266217A (zh) 2022-11-17 2025-07-04 美国雅培糖尿病护理公司 与药物剂量指导相关的系统、设备和方法
WO2024119078A1 (en) * 2022-12-01 2024-06-06 Tandem Diabetes Care, Inc. Devices, systems, and methods for closed- and semi-closed-loop operation of infusion pumps
EP4646726A1 (en) 2023-01-06 2025-11-12 Insulet Corporation Automatically or manually initiated meal bolus delivery with subsequent automatic safety constraint relaxation
WO2024182777A2 (en) * 2023-03-01 2024-09-06 Synchneuro, Inc. Blood glucose states based on sensed brain activity
AU2024252061A1 (en) * 2023-04-11 2025-11-20 WellDoc, Inc. Systems and methods for continuous glucose monitoring outcome predictions
WO2025034851A1 (en) * 2023-08-09 2025-02-13 Insulet Corporation Adjustable glucose cost component in a cost function for determining basal delivery doses in a medicament delivery system
WO2025145062A1 (en) * 2023-12-29 2025-07-03 Abbott Diabetes Care Inc. Improved user interface to enable accurate medication calculations with unconnected devices
WO2025165721A1 (en) * 2024-01-30 2025-08-07 Abbott Diabetes Care Inc. Systems and methods for diabetes management
WO2025193785A1 (en) * 2024-03-13 2025-09-18 Abbott Diabetes Care Inc. Antihyperglycemic methods and systems
WO2025194017A1 (en) * 2024-03-15 2025-09-18 Abbott Diabetes Care Inc. Methods and systems for medication determination and management
US20250308666A1 (en) 2024-03-28 2025-10-02 Abbott Diabetes Care Inc. Systems and methods for medication dosing and titration
CN119339911B (zh) * 2024-09-29 2025-04-15 淮安市第二人民医院 一种用于麻醉手术的设备辅助优化系统及方法
WO2026073051A1 (en) * 2024-09-30 2026-04-02 Dexcom, Inc. Optimizing event identification by performing patient-specific analyte data transforms

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013526887A (ja) 2009-09-30 2013-06-27 モール・リサーチ・アプリケーションズ・リミテッド インスリン送達に関する監視機器
WO2016092707A1 (ja) 2014-12-12 2016-06-16 富士通株式会社 食事推定プログラム、食事推定方法及び食事推定装置
WO2018001855A1 (en) 2016-06-30 2018-01-04 Novo Nordisk A/S Systems and methods for analysis of insulin regimen adherence data
JP2018502341A (ja) 2014-10-27 2018-01-25 アセコー インコーポレイテッド 皮下外来患者管理

Family Cites Families (69)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5860917A (en) * 1997-01-15 1999-01-19 Chiron Corporation Method and apparatus for predicting therapeutic outcomes
US6024699A (en) * 1998-03-13 2000-02-15 Healthware Corporation Systems, methods and computer program products for monitoring, diagnosing and treating medical conditions of remotely located patients
US8480580B2 (en) * 1998-04-30 2013-07-09 Abbott Diabetes Care Inc. Analyte monitoring device and methods of use
US6923763B1 (en) 1999-08-23 2005-08-02 University Of Virginia Patent Foundation Method and apparatus for predicting the risk of hypoglycemia
US6650951B1 (en) * 2000-06-19 2003-11-18 International Business Machines Corporation Method and insulin pump for providing a forgotten bolus warning
US6544212B2 (en) 2001-07-31 2003-04-08 Roche Diagnostics Corporation Diabetes management system
US7381184B2 (en) 2002-11-05 2008-06-03 Abbott Diabetes Care Inc. Sensor inserter assembly
WO2005113036A1 (en) * 2004-05-13 2005-12-01 The Regents Of The University Of California Method and apparatus for glucose control and insulin dosing for diabetics
WO2005119524A2 (en) 2004-06-04 2005-12-15 Therasense, Inc. Diabetes care host-client architecture and data management system
US8333714B2 (en) 2006-09-10 2012-12-18 Abbott Diabetes Care Inc. Method and system for providing an integrated analyte sensor insertion device and data processing unit
US9398882B2 (en) 2005-09-30 2016-07-26 Abbott Diabetes Care Inc. Method and apparatus for providing analyte sensor and data processing device
US20070259377A1 (en) * 2005-10-11 2007-11-08 Mickey Urdea Diabetes-associated markers and methods of use thereof
US8930203B2 (en) * 2007-02-18 2015-01-06 Abbott Diabetes Care Inc. Multi-function analyte test device and methods therefor
US8732188B2 (en) * 2007-02-18 2014-05-20 Abbott Diabetes Care Inc. Method and system for providing contextual based medication dosage determination
US20080300572A1 (en) 2007-06-01 2008-12-04 Medtronic Minimed, Inc. Wireless monitor for a personal medical device system
CN101677769A (zh) 2007-06-15 2010-03-24 霍夫曼-拉罗奇有限公司 在人体上测量的参数的可视化
EP2173407B1 (en) * 2007-07-02 2020-02-19 Roche Diabetes Care GmbH A device for drug delivery
US20090036753A1 (en) * 2007-07-31 2009-02-05 King Allen B Continuous glucose monitoring-directed adjustments in basal insulin rate and insulin bolus dosing formulas
CA2702116C (en) 2007-10-10 2021-01-05 Optiscan Biomedical Corporation Fluid component analysis system and method for glucose monitoring and control
WO2009075866A1 (en) * 2007-12-11 2009-06-18 Codadose Incorporated Medication dosing system based upon patient classification codes
CA2720304C (en) * 2008-04-04 2018-05-15 Hygieia, Inc. Apparatus for optimizing a patient's insulin dosage regimen
US8554579B2 (en) * 2008-10-13 2013-10-08 Fht, Inc. Management, reporting and benchmarking of medication preparation
WO2010091102A1 (en) * 2009-02-04 2010-08-12 Abbott Diabetes Care Inc. Multi-function analyte test device and methods therefor
EP4070727B1 (en) 2009-08-31 2023-07-05 Abbott Diabetes Care, Inc. Displays for a medical device
JP5795584B2 (ja) 2009-08-31 2015-10-14 アボット ダイアベティス ケア インコーポレイテッドＡｂｂｏｔｔ Ｄｉａｂｅｔｅｓ Ｃａｒｅ Ｉｎｃ． 医療用装置
US20110071464A1 (en) * 2009-09-23 2011-03-24 Medtronic Minimed, Inc. Semi-closed loop insulin delivery
WO2011050337A1 (en) * 2009-10-22 2011-04-28 Abbott Diabetes Care Inc. Methods for modeling insulin therapy requirements
US20110112686A1 (en) * 2009-11-10 2011-05-12 Nolan James S Devices and methods and systems for determining and/or indicating a medicament dosage regime
JP5750123B2 (ja) * 2010-02-11 2015-07-15 ザ リージェンツ オブ ザ ユニバーシティ オブ カリフォルニア 生物学的因子又は薬物を被検者に送達するためのシステム、装置及び方法
WO2011119898A1 (en) 2010-03-24 2011-09-29 Abbott Diabetes Care Inc. Medical device inserters and processes of inserting and using medical devices
ES2881798T3 (es) 2010-03-24 2021-11-30 Abbott Diabetes Care Inc Insertadores de dispositivos médicos y procedimientos de inserción y uso de dispositivos médicos
ES2755497T3 (es) * 2010-10-31 2020-04-22 Univ Boston Sistema de control de glucosa en sangre
WO2012122520A1 (en) * 2011-03-10 2012-09-13 Abbott Diabetes Care Inc. Multi-function analyte monitor device and methods of use
US9136939B2 (en) * 2011-12-29 2015-09-15 Roche Diabetes Care, Inc. Graphical user interface pertaining to a bolus calculator residing on a handheld diabetes management device
EP2873014A4 (en) 2012-07-11 2016-04-27 Caren Frances Thomson METHOD, SYSTEM AND APPARATUS FOR DETERMINING INSULIN ASSAYS FOR DIABETICS
WO2014018928A1 (en) 2012-07-27 2014-01-30 Abbott Diabetes Care Inc. Medical device applicators
WO2014022711A1 (en) * 2012-08-01 2014-02-06 Yofimeter, Llc User interface for analyte monitoring systems
WO2014036177A1 (en) * 2012-08-30 2014-03-06 Abbott Diabetes Care Inc. Optimizing medication dosage based on analyte sensor data
US9897565B1 (en) * 2012-09-11 2018-02-20 Aseko, Inc. System and method for optimizing insulin dosages for diabetic subjects
US10383580B2 (en) 2012-12-31 2019-08-20 Abbott Diabetes Care Inc. Analysis of glucose median, variability, and hypoglycemia risk for therapy guidance
US10022053B2 (en) 2013-02-22 2018-07-17 Cloud Dx, Inc. Simultaneous multi-parameter physiological monitoring device with local and remote analytical capability
AU2014233435A1 (en) * 2013-03-15 2015-09-03 Abbott Diabetes Care Inc. Devices, systems, and methods associated with analyte monitoring devices and devices incorporating the same
CA2895538A1 (en) 2013-03-15 2014-09-18 Abbott Diabetes Care Inc. System and method to manage diabetes based on glucose median, glucose variability, and hypoglycemic risk
US10133848B1 (en) * 2013-08-05 2018-11-20 TouchStream Corp. Medication management
US20170185748A1 (en) 2014-03-30 2017-06-29 Abbott Diabetes Care Inc. Method and Apparatus for Determining Meal Start and Peak Events in Analyte Monitoring Systems
GB201407896D0 (en) * 2014-05-05 2014-06-18 Joanneum Res Forschungsgmbh Insulin dosage proposal system
US9465917B2 (en) * 2014-05-30 2016-10-11 Roche Diabetes Care, Inc. Hazard based assessment patterns
EP3174576B1 (en) 2014-08-01 2022-05-18 Becton, Dickinson and Company Continuous glucose monitoring injection device
CN104665840B (zh) * 2015-03-02 2017-11-21 桂林麦迪胜电子科技有限公司 无创血糖测量方法及指端测量探头
JP7250423B2 (ja) * 2015-07-06 2023-04-03 アボット ダイアベティス ケア インコーポレイテッド エピソードの検出及び評価のためのシステム、装置、及び方法
US10265243B2 (en) * 2015-09-08 2019-04-23 Accredo Health Group, Inc. Medication dispensing system
US20170185730A1 (en) * 2015-12-29 2017-06-29 Case Western Reserve University Machine learning approach to selecting candidates
CN109068983B (zh) * 2016-01-28 2021-03-23 克鲁有限公司 用于跟踪食物摄入和其它行为并提供相关反馈的方法和设备
US10478556B2 (en) * 2016-03-04 2019-11-19 Roche Diabetes Care, Inc. Probability based controller gain
EP3504652B1 (en) * 2016-08-25 2024-02-28 Novo Nordisk A/S Starter kit for basal insulin titration
EP4715554A2 (en) * 2016-09-27 2026-03-25 Bigfoot Biomedical, Inc. Medicine injection and disease management systems, devices, and methods
FR3058049B1 (fr) * 2016-10-28 2021-12-31 Distraimed Procede de distribution de medicaments a une pluralite de patients
KR101766916B1 (ko) 2016-12-29 2017-08-11 한국지질자원연구원 무인 글라이더를 활용한 해양 탄성파 굴절법 탐사 시스템 및 방법
US20180197628A1 (en) * 2017-01-11 2018-07-12 Abbott Diabetes Care Inc. Systems, devices, and methods for experiential medication dosage calculations
US11071478B2 (en) 2017-01-23 2021-07-27 Abbott Diabetes Care Inc. Systems, devices and methods for analyte sensor insertion
WO2018152241A1 (en) 2017-02-15 2018-08-23 Abbott Diabetes Care Inc. Systems, devices, and methods for integration of an analyte data reader and medication delivery device
US20180248768A1 (en) * 2017-02-28 2018-08-30 Intel Corporation Identification of mutual influence between cloud network entities
US11229406B2 (en) * 2017-03-24 2022-01-25 Medtronic Minimed, Inc. Patient-specific glucose prediction systems and methods
WO2018229209A1 (en) * 2017-06-15 2018-12-20 Novo Nordisk A/S Insulin titration algorithm based on patient profile
US11278668B2 (en) * 2017-12-22 2022-03-22 Glysens Incorporated Analyte sensor and medicant delivery data evaluation and error reduction apparatus and methods
US11672446B2 (en) * 2018-03-23 2023-06-13 Medtronic Minimed, Inc. Insulin delivery recommendations based on nutritional information
WO2019229528A2 (en) * 2018-05-30 2019-12-05 Alexander Meyer Using machine learning to predict health conditions
CN109599159A (zh) * 2018-12-28 2019-04-09 北京大学人民医院 胰岛素强化治疗中获得餐时胰岛素剂量的称量方法及其应用装置
CA3123936A1 (en) 2019-01-04 2020-07-09 Abbott Diabetes Care Inc. Systems, devices, and methods for improved meal and therapy interfaces in analyte monitoring systems

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013526887A (ja) 2009-09-30 2013-06-27 モール・リサーチ・アプリケーションズ・リミテッド インスリン送達に関する監視機器
JP2018502341A (ja) 2014-10-27 2018-01-25 アセコー インコーポレイテッド 皮下外来患者管理
WO2016092707A1 (ja) 2014-12-12 2016-06-16 富士通株式会社 食事推定プログラム、食事推定方法及び食事推定装置
WO2018001855A1 (en) 2016-06-30 2018-01-04 Novo Nordisk A/S Systems and methods for analysis of insulin regimen adherence data

Also Published As

Publication number Publication date
JP2022543239A (ja) 2022-10-11
AU2025271116A1 (en) 2025-12-18
EP4007523A1 (en) 2022-06-08
WO2021026004A1 (en) 2021-02-11
CA3147267A1 (en) 2021-02-11
CN114206207B (zh) 2026-02-03
AU2020324387B2 (en) 2025-09-04
CA3147267C (en) 2025-10-14
JP2025106388A (ja) 2025-07-15
US12555660B2 (en) 2026-02-17
MX2022001442A (es) 2022-02-22
EP4007523A4 (en) 2023-09-27
AU2020324387A1 (en) 2022-02-10
CN114206207A (zh) 2022-03-18
US20210050085A1 (en) 2021-02-18

Similar Documents

Publication Publication Date Title
JP7662611B2 (ja) 薬剤用量ガイダンスに関連するシステム、デバイスおよび方法
US12533054B2 (en) Multi-function analyte monitor device and methods of use
EP3749183B1 (en) System for decision support
US20220249779A1 (en) Systems, devices, and methods relating to medication dose guidance
US20100198142A1 (en) Multi-Function Analyte Test Device and Methods Therefor
CA3205053A1 (en) Systems, devices, and methods relating to medication dose guidance
US20250342932A1 (en) Systems and methods for medication dosing and titration
CN117099165A (zh) 与药物剂量指导相关的系统、设备及方法
US20240225535A1 (en) Systems, devices, and methods relating to medication dose guidance
WO2025165721A1 (en) Systems and methods for diabetes management
HK1182606A (en) Insulin optimization systems and testing methods with adjusted exit criterion accounting for system noise associated with biomarkers
HK1182606B (en) Insulin optimization systems and testing methods with adjusted exit criterion accounting for system noise associated with biomarkers

Legal Events

Date Code Title Description
A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20230726

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20230726

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20240830

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20240904

A601 Written request for extension of time

Free format text: JAPANESE INTERMEDIATE CODE: A601

Effective date: 20241203

A601 Written request for extension of time

Free format text: JAPANESE INTERMEDIATE CODE: A601

Effective date: 20250204

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20250205

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20250305

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20250403

R150 Certificate of patent or registration of utility model

Ref document number: 7662611

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150