CN1422136A

CN1422136A - 用于从自监控数据估计糖尿病中血糖控制的方法,系统,和计算机程序产品

Info

Publication number: CN1422136A
Application number: CN01807554A
Authority: CN
Inventors: 鲍里斯·P·科瓦彻夫; 丹尼尔·J·考克斯
Original assignee: University of Virginia Patent Foundation
Current assignee: University of Virginia Patent Foundation
Priority date: 2000-03-29
Filing date: 2001-03-29
Publication date: 2003-06-04
Anticipated expiration: 2021-03-29
Also published as: WO2001072208A2; US7874985B2; MXPA02009487A; JP4891511B2; CA2404262A1; US20060094947A1; CN100448392C; KR100776070B1; JP2003528330A; EP1267708A4; IL151720A; PL357511A1; WO2001072208A3; AU5104601A; IL183273A0; KR20020092405A; IL151720A0; US20120004512A1; AU2001251046B2; RU2283495C2

Abstract

一种涉及糖尿病诊断的方法，系统和计算机程序产品，其指向基于由自监控血糖设备收集的血糖读数来预测糖尿病患者高血糖的长期危险以及严重低血糖的长期和短期危险。该方法，系统和计算机程序产品通过引入能够预测HbA_1c和低血糖危险增加时间段的智能数据解释组成部分而直接适合于增强现有家用血糖监控设备，并且通过相同的特征增强新兴的连续监控设备。用这些预测，糖尿病患者可以设法防止与高血糖和低血糖相关的不利后果。

Description

用于从自监控数据估计糖尿病中血糖控制的方法，系统，和计算机程序产品

相关申请的相互参照

本发明向美国临时专利申请系列号60/193,037要求优先权，它于2000年3月29日提出申请，名称为“用于从自监控数据估计糖尿病中血糖控制的算法”，其全部公开内容特此在此引入作为参考。

美国政府权利

本发明有美国政府的支持在国家卫生协会的资助NIH/NKDDK：RO1 DK 28288和NIH/NIDDK：RO1 DK 51562下完成。美国政府具有本发明中的某些权利。

发明领域

本系统一般地涉及患有糖尿病的个体的血糖控制，尤其涉及一种基于计算机的系统和方法，其用于估计预测的糖基化血红蛋白(HbA_1c和HbA₁)以及招致低血糖的危险。

发明背景

广泛的研究，包括糖尿病控制和并发症试验(DCCT)(见DCCT研究小组：糖尿病强化治疗对依赖胰岛素的糖尿病的长期并发症的发展和进步的影响。新英格兰医学杂志，329：978-986，1993)，斯德哥尔摩糖尿病介入研究(见Reichard P，Phil M：在斯德哥尔摩糖尿病介入研究中的长期强化传统胰岛素治疗过程中的死亡率和治疗副作用。糖尿病，43：313-317，1994)，以及大不列颠联合王国远景糖尿病研究(见大不列颠联合王国远景糖尿病研究小组：用降糖片强化血糖控制对患有II型糖尿病病人中并发症的影响(UKPDS 34)。手术刀，352：837-853，1998)，已经再三表明预防糖尿病长期并发症的最有效方法是通过使用强化胰岛素疗法严格维持血糖(BG)水平于正常范围内。

但是，相同的研究也证明强化胰岛素治疗的一些不良影响，其中最尖锐的是频繁的严重低血糖(SH)危险增加，严重低血糖定义为神经性低血糖发作，其排除自治疗并且需要用于恢复的外部帮助(见DCCT研究小组：在糖尿病控制和并发症试验中的严重低血糖的流行病学。美国医学杂志，90：450-459，1991，以及DCCT研究小组：在糖尿病控制和并发症试验中的低血糖。糖尿病，46：271-286，1997)。因为SH可以导致意外，昏迷，甚至死亡，所以对病人和健康管理提供者不鼓励继续强化治疗。从而，低血糖已经被确定为增进血糖控制的主要障碍(Cryer PE：低血糖是糖尿病处理中的限制因素。糖尿病Metab Res Rev，15：42-46，1999)。

这样，患有糖尿病的病人面临维持严格血糖控制而不增加他们低血糖危险的终身优化问题。涉及这一问题的主要任务是创建简单而可靠的方法，其能够估计病人的血糖控制和他们的低血糖危险，并且能够应用于他们的日常环境中。

二十多年来已经众所周知，糖基化血红蛋白是患有糖尿病(I型或II型)的个体血糖控制的标记。许多研究者已经研究这一关系，并且已经发现糖基化血红蛋白通常反映病人在以前的两个月上的平均BG水平。因为在大部分患有糖尿病的病人中BG水平在时间上显著波动，所以建议完整的血糖控制和HbA_1c之间的真正联系应当只在已知长的时间段上处于稳定血糖控制的病人中观察。

这些病人的早期研究提出先前5周的平均BG水平和HbA_1c之间几乎确定性的关系，并且这一曲线联系产生0.98的相关系数(见AabySvendsen P，Lauritzen T，Soegard U，Nerup J(1982)。糖基化血红蛋白和I型(依赖胰岛素的)糖尿病中的稳态平均血糖浓度。糖尿病学，23，403-405)。在1993年，DCCT断定HbA_1c是用于金标准(gold-standard)糖基化血红蛋白定量分析的“逻辑被提名者”，并且DCCT建立先前平均BG和HbA_1c之间的线性关系(参见圣地亚哥JV(1993)。来自糖尿病控制和并发症试验的教训，糖尿病，42，1549-1554)。

开发的指导方针表明7％的HbA_1c对应于8.3mM(150mg/dl)的平均BG，9％的HbA_1c对应于11.7mM(210mg/dl)的平均BG，并且HbA_1c中1％的增长对应于平均BG中1.7mM(30mg/dl，2)的增长。DCCT也提出，因为直接测量平均BG不实际，应该用单一的简单的测试，即HbA_1c，来估计病人的血糖控制。但是，研究清楚地表明HbA_1c对低血糖是不敏感的。

实际上，没有来自任何数据的病人即时SH危险的可靠预测。DCCT断定只有大约8％的将来SH可以从已知变量例如SH历史纪录，低HbA_1c，和低血糖不察觉来预测。一个最近的回顾详述这一问题当前的临床状况，并且提供用于预防SH的选择，其对病人和他们的健康管理提供者是可用的(见Bolli，GB：如何改善I型糖尿病的增强以及非增强治疗中的低血糖问题。糖尿病照料，22，增刊2：B43-B52，1999)。

当代家用BG监控器提供通过BG自监控(SMBG)用于频繁BG测量的装置。但是SMBG的问题是在由BG监控器收集的数据与HbA_1c和低血糖之间有缺少环节。换句话说，当前没有用于基于SMBG读数来估计HbA_1c和识别将临低血糖的可靠方法(参见Bremer T和GoughDA：从以前的值可以预测血糖吗？对数据的请求。糖尿病48：445-451，1999)。

因而，本发明的一个目的在于通过提出用于从SMBG数据估计HbA_1c和低血糖危险的三种截然不同的，但相互兼容的算法来提供这一缺少环节，其用来预测低血糖短期和长期危险，以及高血糖的长期危险。

本发明者以前已报告，在常规可获得的SMBG数据与HbA_1c和低血糖危险估计之间缺少环节的原因是，糖尿病研究中使用的数据收集和临床估计的复杂方法很少被糖尿病特定的和数学上复杂的统计程序支持。

响应考虑BG数据特定分布的统计分析的需求，发明者研究出一种血糖测量范围的对称变换(见Kovatchev BP，Cox DJ，Gonder-Frederick LA和WL Clarke(1997)：血糖测量范围的对称化及它的应用，糖尿病照料，20，1655-1658)，其操作如下。BG水平在美国以mg/dl度量，在大多数其它国家以mmol/L(或者mM)度量。这两个标度通过18mg/dl＝1mM直接相关。整个BG范围在大多数参考文献中给定为1.1-33.3mM，这被认为实际上覆盖所有观测值。根据DCCT的推荐(见DCCT研究小组(1993)糖尿病强化治疗对依赖胰岛素的糖尿病的长期并发症的发展和进步的影响。新英格兰医学杂志，329，pp978-986)，对糖尿病患者的目标BG范围-也就是通常所说的良好血糖范围-是3.9-10mM，当BG降至低于3.9mM时低血糖出现，并且当BG升至超过10mM时是高血糖。遗憾地，这一范围是数字上非对称的-高血糖范围(10-33.3mM)宽于低血糖范围(1.1-3.9mM)，并且良好血糖范围(3.9-10mM)不在范围的中心。本发明者通过引入变换f(BG)来矫正这一非对称，f(BG)是定义在BG范围[1.1，33.3]上的连续函数，其具有两参数的解析式：

f(BG，α，β)＝[(ln(BG))^α-β]，α，β＞0

并且其满足假设：

A1：f(33.3，α，β)＝-f(1.1，α，β)

和 A2：f(10.0，α，β)＝-f(3.9，α，β)

其次，f(.)乘以第三缩放比例参数将变换后的BG范围的最小值和最大值分别定于

和

这些值是方便的，因为具有标准正态分布的随机变量，它的值的99.8％在区间中。如果BG以mmol/l度量，当考虑假设A1和A2而数值求解时，函数f(BG，α，β)的参数是α＝1.026，β＝1.861，并且缩放比例参数是γ＝1.794。如果BG代替以mg/dl度量，参数计算得α＝1.084，β＝5.381，及γ＝1.509。

从而，当BG以mmol/l度量，对称变换是f(BG)＝1.794[(ln(BG))^1.026-1.861]。而当BG以mg/dl度量，对称变换是f(BG)＝1.509[(ln(BG))^1.084-5.381]。

基于对称变换f(.)，本发明者引入低BG指数——用于从SMBG读数估计低血糖危险的新量度(见Cox DJ，Kovatchev BP，JulianDM，Gonder-Frederick LA，Polonsky WH，Schlundt DG，Clarke WL：IDDM中严重低血糖频率可以从自监控血糖数据来预测。临床内分泌学和新陈代谢杂志，79：1659-1662，1994，以及Kovatchev BP，Cox DJ，Gonder-Frederick LA Young-HymanD，Schlundt D，Clarke WL。患有IDDM的成年人中严重低血糖危险的估计：低血糖指数的验证，糖尿病照料21：1870-1875，1998)。给定一系列SMBG数据，对f(BG)＜0取10.f(BG)²，否则取0，低BG指数计算为所取这些数的平均值。也提出高BG指数，在以对称于低BG指数方式计算，但是这一指数没有找到它的实际应用。

在回归模型中使用低BG指数，本发明者能够基于SH历史纪录和SMBG数据估计在随后6个月中SH发作变化的40％，并且以后将这一预测提高到46％(见Kovatchev BP，Straume M，Farhi LS，CoxDJ：估计血糖变化速度及它与严重低血糖的关系。糖尿病，48：增刊1，A363，1999)。

另外，本发明者发展了一些有关HbA_1c和SMBG的数据(见Kovatchev BP，Cox DJ，Straume M，Farhy LS。自监控血糖分布图与糖基化血红蛋白的联系。酶学中的方法，vol.321：数值计算机方法，部分C，Michael Johnson和Ludvig Brand，Eds.，学术出版社，纽约；2000)。

这些发展成为本发明理论背景的一部分。为了实行这一理论，尤其增加若干关键的理论组成部分，这在下面部分描述。特别地，三种方法被发展用来使用HbA_1c，低血糖长期和短期危险的估计。这些方法的发展基于867个患有糖尿病的个体的数据的详细分析，但不局限于此，其包括多于300,000个SMBG读数，严重低血糖的记录以及HbA_1c测定。

因此，本发明设法在前述的与传统方法相关的局限上改进，从而提供能够估计病人血糖控制和他们低血糖危险，并且可以应用于他们日常环境中的简单而可靠的方法。

发明概述

本发明包括一种数据分析方法和基于计算机的系统，其用于从常规收集的SMBG数据同时估计糖尿病中血糖控制的两个最重要的组成部分：HbA_1c和低血糖危险。对本文献来说，BG自监控(SMBG)定义为用于在糖尿病病人自然环境中测定血糖的任一方法，并且包括通常存储200-250个BG读数的当代SMBG设备所使用的方法，以及新兴的连续监控技术所使用的方法。给定SMBG这一广泛定义，本发明通过引入一种能够预测HbA_1c和低血糖危险增加的时间段的智能数据解释组成部分，直接适合于增强现有家用血糖监控设备，以及通过相同的功能部件增强将来的连续监控设备。

本发明的一方面包括一种方法，系统和计算机程序产品，其用于从预先确定时间段中收集的SMBG数据，例如4-6周，估计HbA_1c。在一种实施方案中，本发明提供一种计算机化的方法和系统，其用于基于在预先确定时间段中收集的BG数据来估计病人的HbA_1c。方法包括基于收集的BG数据来计算向高血糖的加权偏移(WR)和估计的血糖变化率(Dr)；基于计算出的WR和Dr使用预先确定的数学公式来估计HbA_1c；并且为所述HbA_1c估计值的分类提供预先确定的置信区间。

本发明的另一方面包括一种方法，系统和计算机程序产品，其用于估计严重低血糖(SH)的长期可能性。这一方法使用来自预先确定时间段的SMBG读数，例如4-6周，并且预测接下来6个月内的SH危险。在一种实施方案中，本发明提供一种计算机化的方法和系统，其用于基于在预先确定时间段中收集的BG数据来估计病人严重低血糖(SH)的长期可能性。方法包括：基于收集的BG数据来计算向低血糖的加权偏移(WL)和估计的在低BG范围血糖的下降率(DrDn)；基于计算出的WL和DrDn使用预先确定的数学公式来估计将来SH发作的次数；并且定义相应于所述估计SH发作的招致选定次数SH发作的可能性。

本发明的再一方面包括一种方法，系统和计算机程序产品，其用于识别低血糖危险增加的24小时时间段(或者其他选定时间段)。这通过使用在之前24小时中收集的SMBG读数计算低血糖短期危险来实现。在一种实施方案中，本发明提供一种计算机化的方法和系统，其用于基于在预先确定时间段中收集的BG数据来估计病人严重低血糖(SH)的短期危险。方法包括：计算向低血糖的加权偏移(WL)；通过计算wl(BG；2)的最大值确定Max(wl)；通过取预先确定时间段中WL和Max(wl)的几何平均来确定危险值；提供预先确定的临界危险值；并且比较确定的危险值和临界危险值。

本发明的这三方面可以结合在一起，提供关于患有糖尿病的个体血糖控制的连续信息，并且增强低血糖危险的监控。

这些和其他目的，连同在此公开的本发明的优点和特征，将从下面的描述，附图和权利要求书而变得更加显然。

附图简述

本发明前述的和其他的目的，特征和优点，以及本发明本身，从下面优选实施方案的描述将更加完全明白，当与附图一起阅读时，其中：

图1是流程图，其说明依照本发明的计算估计的HbA_1c和预测的HbA_1c置信区间的方法。

图2是流程图，其说明依照本发明的计算估计的将来SH发作次数及其相关可能性的方法。

图3是流程图，其说明依照本发明的计算估计的招致将临SH短期危险的方法。

图4是在严重低血糖发作之前和之后观察的典型BG扰动的图解表示。

图5通过给出患者A(上面)和患者B(下面)10周的数据说明预测短期SH方法的动作。SH发作由三角形标记；黑线给出危险值。当越过危险临界值，方法显示随后的高危险时间段(灰色条)。

图6是实现本发明的计算机系统的功能框图。

图7-9是本发明相关处理机，通信链路，和系统的可选变动的示意框图。

发明详述

本发明使估计糖尿病血糖控制的精确方法的创建成为可能，但不局限于此，并且包括用于计算该方法关键组成部分的固件和软件代码。用于估计HbA_1c，SH长期可能性，和低血糖短期危险的本发明方法，基于收集的大量数据也是有效的，这将在本文献中随后讨论。最后，这些方法的各方面可以合并于结构化的显示或矩阵。

BG偏移的静态测量

根据本发明的BG对称化理论(见Kovatchev BP，Straume M，Cox DJ，Farhi LS。血糖数据的危险分析：优化依赖胰岛素的糖尿病控制的量化方法。理论医学杂志， 3：1-10，2001)，BG测量范围的自然临床中心点是在112.5mg/dl(6.25mmol/l)的BG水平——对糖尿病病人安全良好血糖值。

给定BG范围这一临床中心点，计算向左边(向低血糖)的加权偏移或者向右边(向高血糖)的加权偏移。这些偏移的加权度将分别由参数a和b如下表示：

wl(BG；a)＝10.f(BG)^a如果f(BG)＜0，否则为0，

wr(BG；b)＝10.f(BG)^b如果f(BG)＞0，否则为0，

其中f(BG)是在背景部分提出的BG对称化函数。加权参数a和b对左和右偏移可以不同，或者相同。本发明者的数据分析表明用于实际应用的最佳参数值是a＝2(这是用于计算低BG指数的参数值)和b＝1。给定一系列BG读数x₁，x₂，...x_n，向BG范围临床中心点左边和右边的平均加权偏移分别定义为：

WL = \frac{1}{n} Σ_{i = 1}^{n} wl (x_{i}; 2)

和

WR = \frac{1}{n} Σ_{i = 1}^{n} wr (x_{i}; 1)

BG偏移的这两个量度不依赖于BG读数的时间选择，因此是静态的。为了捕捉BG变化的动态特征，引入BG变化率的量度，这在下面给出。

BG危险变化率的计算

假设x₁，x₂，...x_n是在时间点t₁，t₂，...t_n记录的患者的n个SMBG读数。接下来，这一数据通过计算数值f(x₁)，f(x₂)，...，f(x_n)而转换，并且画出通过点(t_l，f(x₁))，(t₂，f(x₂))，...，(t_n，f(x_n))的三次样条函数S(t)。这样，函数S(t)是定义在整个区间[t₁，t_n]上的连续函数，而且S(t_j)＝f(x_j)，对j＝1，...，n。同样计算一组数s_k＝10.S(k+t₁)²，对k＝0，1，...，t_n-t_l，从而得到以一小时增量的内插值。

接下来，考虑具有相邻标号的所有s_k数对：C₀＝(s₀，s₁)，C₁＝(s₁，s₂)，C₂＝(s₂，s₃)，...，并且由M_up表示所有s_k＞s_k+1的数对C_k的集合，以及由M_dn表示所有s_k＜s_k+1的数对C_k的集合。

最后，假设DrDn是数s_k+1-s_k的平均，如果C_k∈M_dn，以及Dr是数s_k+1-s_k的平均，如果C_k∈M_up+M_dn。

数DrDn和Dr提供“危险时段”中BG变化率的量度，例如与任何BG水平改变相关的危险变化率。另外，DrDn只有当BG下降时度量BG变化率，即DrDn估计当BG下降时危险能增加多快，而Dr是BG对波动的整体脆弱性的量度。进一步断言，DrDn将与低血糖危险相关(如果某人血糖会下降很快，那么他/她的低血糖危险变高)，而Dr将与BG的整体稳定性相关。

软件代码(以SPSS控制语言给出)

第一个是针对当BG读数以mmol/L度量时，并且在该情况下变量为BGMM。第二个是针对当BG读数以mg/dl度量时，并且在该情况下变量为BGMG。

如果BG以mmol/L度量，每一BG读数首先如下转换：

SCALE1＝(ln(BGMM))**1.026-1.861

RISK1＝32.185*SCALE1*SCALE1

如果BG以mg/dl度量，每一BG读数首先如下转换：

SCALE2＝(ln(BGMG))**1.08405-5.381

RISK2＝22.765*SCALE2*SCALE2

更进一步，左和右加权偏移如下计算：

WL＝0

IF(SCALE1 le 0.0)WL＝RISK1

WR＝0

IF(SCALE1 gt 0.0)WR＝sqrt(RISK1)

如果BG读数在时间上是等间隔的，或者是以一小时增量内插值，BG变化率如下计算：

Dr＝RISK1(BG)-RISK1(BG-1)

DrDn＝0

IF(SCALE le 0.0 and Dr gt 0)DrDn＝Dr

最后，通过患者所有BG读数的总合将产生：

WL＝mean(WL)

WR＝mean(WH)

Dr＝mean(Dr)and DrDn＝mean(DrDn)

用于估计HbA _1c 的方法

根据本发明的HbA_1c估计方法的一种优选实施方案100将在图1中说明。在第一步102中，SMBG数据在预先确定的时间段上收集。例如，SMBG数据在4-6周上以每天3-5次BG测量的频率收集，这些数据通过前面部分给出的代码或公式转换。不同的公式将被使用，如果BG测量以mg/dl，或者以mmol/l存储。本领域技术人员将认识到可以使用不同的水平，持续时间，和频率。在步骤104中，使用上面讨论的公式/代码计算向高血糖的加权偏移(WR)和估计的血糖变化率(Dr)。在步骤106中，来源于自监控数据的HbA_1c估计值使用线形方程：EstHBA1c＝0.9008*WR-0.8207*DR+6.7489来计算。应当注意，这一方程的系数从867个患有糖尿病的个体的数据中获得，并且应当认识到进一步的数据积累可以更新这些系数。在步骤108中，表示估计的HbA_1c值范围的HbA_1c估计值分类根据表格1定义。

表格1：基于EstHBA1c定义分类

EstHBA1c	＜7.8	7.8-8.5	8.5-9.0	9.0-9.6	9.6-10.3	10.3-11.0	＞11.0
EstHBA1c	＜7.8	7.8-8.5	8.5-9.0	9.0-9.6	9.6-10.3	10.3-11.0	＞11.0	分类	1	2	3	4	5	6	7

在步骤110中，对应HbA_1c的预测的置信区间根据表格2得到。

表格2：HbA_1c分类的预测的95％置信区间

分类	1	2	3	4	5	6	7
分类	1	2	3	4	5	6	7	HbA_1c	＜8.0	8.0-8.5	8.5-9.0	9.0-9.5	9.5-10.1	10.1-11.0	＞11.0

在步骤112中，来自步骤106的估计的HbA_1c被指定到在表格1和/或表格2中给出的一个分类中。

HbA _1c 估计的经验实证

表格2中HbA_1c的区间是基于广泛研究的。为了验证这些区间，我们分析来自867个糖尿病患者的SMBG和HbA_1c数据。所有患者被指示使用BG记录计量仪六个月，并且一天测量他们的BG二到四次。在相同的时间段内，对每位患者做5-8次HbA_1c化验。记录计量仪数据用电子仪器下载并存储于计算机中用于进一步分析。这一过程产生数据库，其包含在六个月内提取多于300,000个SMBG读数和4,180次HbA_1c化验。方差分析旨在比较表格1中确定的七个分类中的HbA_1c。五种分类非常不同，具有F＝91和p＜0.00001。而且，平均HbA_1c对每对分类显著不同，这由邓肯域表明，具有p＜0.01。

同样，对七个分类每一个中的HbA_1c平均值计算95％置信区间。这些置信区间用作计算在表格2中给出的HbA_1c区间的基础。本方法分类能力的后此分析表明本方法很好地避免极端错误，例如错误地将HbA_1c归类到基于SMBG的分类1，2或3中，而实际的HbA_1c大于9.5％，或者将HbA_1c归类到分类5，6或7中，而实际的HbA_1c低于9.0％。

总之，在最初4-6周SMBG读数后，计算机化的方法计算HbA_1c值的区间估计，其可以用来跟踪病人在高BG范围血糖控制中的变化。

用干估计严重低血糖(SH)长期可能性的方法

根据本发明的SH长期可能性估计方法的一种优选实施方案200在图2中说明。在第一步202中，SMBG数据在预先确定的时间段上收集。例如，SMBG数据在4-6周上以每天3-5次BG测量的频率收集，这些数据通过上面直接给出的代码或公式转换。不同的公式将被使用，如果BG测量以mg/dl，或者以mmol/l存储。本领域技术人员将认识到可以使用不同的水平，持续时间，和频率。在步骤204中，使用上面讨论的公式/代码计算WL和DrDn。在步骤206中，使用线形方程：

EstNSH＝3.3613*WL-4.3427*DrDn-1.2716

计算将来SH发作次数的估计值。应当注意，这一方程的系数从181个患有糖尿病的个体的数据中获得，并且应当认识到进一步的数据积累可以更新这些系数。更应当注意，这一公式给出将来SH发作次数的单值估计，并且通过附加的方法，这在下面讨论，对分类给出用于增强的临床应用的范围和置信水平。在步骤208中，表示estNSH值范围的SH发作估计次数(estNSH)的分类根据表格3定义。

表格3：EstNSH分类

EstNSH	＜0.775	0.775-3.750	3.750-7.000	＞7.000
EstNSH	＜0.775	0.775-3.750	3.750-7.000	＞7.000	分类	1	2	3	4

在步骤210中，相应于estNSH分类，获得随后六个月中招致0次，1-2次，或者大于2次SH发作的可能性，这在表格4中表示。

表格4：随后6个月中0次，1-2次，2次或者更多SH发作的可能性

	分类1	分类2	分类3	分类4
	分类1	分类2	分类3	分类4	0SH	90％	50％	25％	＜20％
1-2SH	10％	25％	25％		0SH	90％	50％	25％
1-2SH		25％	25％	＞2SH	25％	50％	＞80％

在步骤212中，来自步骤206的EstNSH被指定到表格3和/或表格4中给出的一个分类中。

SH长期可能性估计的经验实证

181个患有I型糖尿病的成年人(平均年龄37岁，糖尿病持续时间18年)使用记录计量仪在一个月内收集多于34,000个SMBG。然后，接下来的六个月，他们将SH的任何发作记录在日志中。SMBG数据作算术转换，并且使用线形回归模型预测将来的严重低血糖，其导致非常重要的模型(F＝36.3，p＜0.0001)以及55％的多重R。

使用本长期SH方法，所有患者分成4类。在分类1，2，3和4中将来的SH发作的平均次数分别为0.3，2.0，5.0和9.75。方差分析表明这些分类之间极大的不同，F＝19.0，p＜0.0001。

总之，在“危险时段”中测量的低BG指数和BG下降率的线形组合提供SH长期危险的精确估计。因为它基于由许多反射计量仪自动存储的SMBG记录，所以这是病人在低BG范围中血糖控制有效的且临床上有用的指标。

用于估计低血糖短期(24小时内)危险的方法

根据本发明的SH短期危险估计方法的一种优选实施方案300在图3中说明。在第一步302中，SMBG数据在预先确定的短期时间段上收集。例如，作为根据数据分析的标准水平，SMBG数据在24小时时间段上以每天3-5次BG测量——4个或者更多读数的频率收集。本领域技术人员将认识到可以使用不同的水平，时间段(持续时间)，和频率。在步骤304中，从之前24小时内收集的所有读数计算WL(24)和Max(wl)，其中wl(BG；2)的最大值是Max(wl)。在步骤306中，危险值是通过取24小时时间段上WL和Max(wl)的几何平均值，其中所述危险值算术定义为：

Risk (24) = \sqrt{ML (24) \cdot Max (wl)};

在步骤308中，确定临界危险值。在步骤310中，将估计的危险值与临界危险值比较。例如，如果临界危险值设为17，那么如果Risk(24)＞17，那么——基于在之前24小时上收集的SMBG数据——结果的显示是病人招致将临低血糖的高危险。换句话说，这是考虑24小时时间段的SMBG数据并且判断这一时间段是否可能在将临低血糖发作之前的决策规则。临界值17从广泛的数据集获得，但是，应该认识到，随着进一步的数据积累或者为了另外的目的，这一值可能被调节。

低血糖短期危险估计的经验实证

通过简报，糖尿病诊所中的广告以及通过直接转诊介绍招收85个个体。包含标准是：1)年龄21-60岁；2)具有至少2年持续时间的I型糖尿病，并且从诊断起就使用胰岛素；3)至少2次在过去一年中的备有证明文件的SH发作；以及4)用于糖尿病监控的SMBG设备的日常使用。参与者被指示一天使用计量仪3-5次，并且将任何SH发作记录在每月的日志中，包括它们发作的准确日期和时间。SH定义为严重神经性低血糖，其导致昏迷或不省人事，并且排除自治疗。对每位患者研究持续6-8个月，并且每月都下载患者的计量仪读数并收集SH日志。计量仪的存储容量是足够的，并且下载也足够频繁，使得没有BG数据丢失。在参与者的糖尿病处理常规中不做改变，在研究过程中也不给予任何额外的治疗。

在研究过程中，从参与者的记录计量仪下载了总共75,495个SMBG读数(平均每位患者每天4.0±1.5个)，并且在他们的日志中记录了399次SH发作(每位患者4.7±6.0次)。其中，一个重要的发现是中等或严重低血糖发作之前或之后有可测量的BG扰动。在SH发作之前的24小时时间段内，低BG指数(例如WL)上升(p＜0.001)，平均BG降低(p＝0.001)，并且BG方差增加(p＝0.001)。在SH发作之后的24小时内，低BG指数和BG方差仍然升高(p＜0.001)，但是平均BG回到它的基线。

为此目的，图4是在严重低血糖发作之前和之后观察的典型BG扰动的图解表示。在SH发作之前的48-24小时时间段内，平均BG水平降低，并且BG方差增加。直接在SH发作之前的24小时时间段内，平均BG水平进一步降低，并且BG方差继续增加。在SH发作之后的24小时时间段内，平均BG水平正常化，但是BG方差仍然大幅度增加。在SH发作之后的48小时内，平均BG和它的方差回到它们的基线水平。

同样地，作为本发明的一部分，在图4中呈现的扰动从SMBG数据量化，使得能够估计低血糖的短期危险。边界值Risk(24)＝17从沿循下列约束的优化获得：1)方法必须预测SH发作的最大百分率，即将SH之前24小时时间段的最大百分率确定为危险的。2)为了避免危险的估计过高，方法必须使确定为危险的时间不超过研究总时间的15％(平均一周一天)。边界危险值17对所有患者保持恒定。选择值15％的原因在于避免病人因“误报警”过多而变得恼怒，于是忽略“真报警”。在实践中，病人的医生可以选择替代的值，这依赖于病人糖尿病的严重程度以及特殊的目的。

下面的例子说明算法在研究中两个参与者的SMBG数据上的动作。图5给出患者A(上面)和患者B(下面)十周的数据。SH发作由三角形标记，黑色曲线给出危险值。当越过危险临界值(Risk＝17的水平线)时，算法显示随后的高危险时间段(灰色条)。对患者A，9次SH发作中7次被预测到，并且有5次误报警，例如，没有导致SH的高危险时间段。对患者B，有三次误报警而只有一次SH发作被预测到。显然，与患者A的危险值比较，患者B的危险值包括更多和更高的偏差。对两个患者，所有SH发作伴随有超临界的危险值，并且所有大偏差中大约一半伴随有一次或者多次SH发作。

对研究中所有参与者，所有记录的SH发作的44％之前24小时有高危险时间段，并且50％之前48小时有高危险时间段。如果只考虑具有至少3次或至少4次SMBG测量的时间段，那么后来的预测准确度分别提高到53％和57％。在之后没有SH发作的高危险时间段中或者直接在其之后，也就是在误报警中或者直接在其之后，出现的BG水平后此分析表明，这种BG水平每位患者的平均最小值是2.3±0.2mmol/l，相对于所有非危险时间段包括所有仍未记入的SH发作的5.9±1.7mmol/l(t＝19.5，p＜0.0001)。这表明，虽然有症状的SH没有发生，但是在高危险时间段之后的BG水平特别低。

总之，本发明者模拟短期危险方法在85个患有I型糖尿病的个体6个月的SMBG读数系列上的动作。以每天4个或者更多的SMBG读数，至少所有SH发作的50％能够被预测到。甚至当有症状的SH没有发生时，算法预测中等低血糖的发作。

三种方法的综合

在上面讨论的并在图1-3中说明的本发明的三种方法使用相同的SMBG数据系列。因此，从SMBG设备的观点，这三种方法结果的统一显示或矩阵可做成类似于下面呈现的方格输出：

		EstHBA分类(算法1)
		EstHBA分类(算法1)			1	2	3	4	5	6	7
		EstNSH分类	1	Ss1	1	2	3	4	5	6	7
2			1	Ss1
2			3
4	Ss2		3

这样，例如上面方格显示的患者1(Ss1)的输出表明，该患者可能具有9-9.5％之间的HbA_1c，并且具有90％的概率在随后的6个月中不会经历严重低血糖。患者2(Ss2)的输出表明，该患者可能具有低于8％的HbA_1c，并且具有大于80％的概率在随后的6个月中经历至少3次SH发作。

除这种方格输出之外，短期危险方法提供将临低血糖危险的连续跟踪，并且可以用来当这一危险变高时发声报警。

本发明的方法可以使用硬件，软件，或者它们的组合来实现，并且可以在一个或多个计算机系统或者其它处理系统例如个人数字助理(PDA)中实现。在一种实例实施方案中，本发明在运行于图6中说明的通用计算机900上的软件中实现。计算机系统600包括一个或多个处理器，例如处理器604。处理器604连接到通信基础结构606(例如通信总线，交叉带，或者网络)。计算机系统600包括显示接口602，其从通信基础结构606(或者从帧缓冲区，没有显示)转发图形，文本，和其他数据以在显示单元630上显示。

计算机系统600也包括主存储器608，优选地是随机存取存储器(RAM)，并且也可以包括辅助存储器610。辅助存储器610可以包括，例如，硬盘驱动器612和/或表示软盘驱动器，磁带驱动器和光盘驱动器等的可移动存储驱动器614。可移动存储驱动器614以众所周知的方式从可移动存储单元618上读和/或向其写数据。可移动存储单元618表示软盘，磁带，光盘等，其由可移动存储驱动器614来读写。应当认识到，可移动存储单元618包括其中已经存储计算机软件和/或数据的计算机可用存储介质。

在可选实施方案中，辅助存储器610可以包括其它装置，其用于允许计算机程序或其它指令装载入计算机系统600中。这些装置可以包括，例如，可移动存储单元622和接口620。这种可移动存储单元/接口的例子包括程序盒式磁盘机及盒式接口(例如视频游戏设备中见到的)，可移动存储芯片(例如ROM，PROM，EPROM或EEPROM)及相关接口，以及允许软件及数据从可移动存储单元622传送到计算机系统600的其它可移动存储单元622及接口620。

计算机系统600也可以包括通信接口624。通信接口624允许软件和数据在计算机系统600和外部设备之间传送。通信接口624的实例可以包括调制解调器，网络接口(例如以太网卡)，通信端口，PCMCIA插槽和卡，等等。通过通信接口624传送的软件和数据是信号628的形式，其可以是电，电磁，光或能够被通信接口624接收的其他信号。信号628通过通信路径(即信道)626提供给通信接口624。信道626传送信号628，并且可以使用电线或电缆，光纤，电话线，移动电话链路，RF链路及其他通信信道来实现。

在本文献中，术语“计算机程序介质”和“计算机可用介质”用来通称指这样一些媒介，例如可移动存储驱动器914，安装在硬磁盘驱动器612中的硬盘，和信号628。这些计算机程序产品是用于向计算机系统600提供软件的装置。本发明包括这些计算机程序产品。

计算机程序(也称作计算机控制逻辑)存储于主存储器608和/或辅助存储器610中。计算机程序也可以通过通信接口624而接收。这些计算机程序，当执行时，使计算机系统600能够执行在此讨论的本发明的特征。特别地，计算机程序，当执行时，使处理器604能够执行本发明的函数。因此，这种计算机程序代表计算机系统600的控制器。

在本发明使用软件来实现的一种实施方案中，软件可以使用可移动存储驱动器614，硬盘驱动器612或通信接口624而存储于计算机程序产品中，并装载入计算机系统600。控制逻辑(软件)，当由处理器604执行时，促使处理器604执行在此讨论的本发明的函数。

在另一种实施方案中，本发明主要以硬件实现，使用例如硬件组成部分例如专用集成电路(ASIC)。实现硬件状态机以执行在此描述的函数，对相关领域的技术人员将是显然的。

在又另外一种实施方案中，本发明使用硬件和软件的组合来实现。

在本发明一种实例的软件实施方案中，在上面描述的方法以SPSS控制语言实现，但也可以以其他程序实现，例如C++编程语言，但不局限于此。

图7-9显示本发明可选实施方案的框图表示。参考图7，显示系统710的框图表示，基本上包括由病人712用来记录尤其是胰岛素剂量读数和测得的血糖(“BG”)水平的血糖计量仪728。由血糖计量仪728获得的数据优选地通过适当的通信链路714或数据调制解调器732传送到处理站或芯片，例如个人计算机740，PDA，或移动电话。举例来说，存储的数据可以存储于血糖计量仪728中，并且可以通过适当的接口电缆直接下载到个人计算机740中。一个例子是LifeScan股份有限公司的ONE TOUCH监控系统或计量仪，其与包括将载数据下载到个人计算机的接口电缆的IN TOUCH软件相兼容。

血糖计量仪在本行业中是通用的，基本上包括可以起到BG获取装置作用的任何设备。BG计量仪或者获取装置，设备，工具，或系统包括指向对每一试验抽取血样(例如通过扎手指)的各种传统方法，以及使用通过机电的或claorimetric的方法读取血糖浓度的仪器确定血糖水平。最近，已经研究出用于样确定血分析物浓度而不抽血的方法。例如，Yang等人的美国专利号5,267,152，描述一种使用近红外辐射漫反射激光光谱学来测量血糖浓度的非侵害技术。类似的近红外光谱测定设备也在Rosenthal等人的美国专利号5,086,229和Robinson等人的美国专利号4,975,581中描述。

Stanley的美国专利号5,139,023描述一种穿过皮肤的血糖监控装置，其依赖透过性强化因子(例如胆汁盐)来促进沿组织液与接收介质之间建立的浓度梯度的血糖穿过皮肤的移动。Sembrowich的美国专利号5,036,861描述一种无源血糖监控器，其通过皮肤斑贴来收集汗，其中使用胆碱能药模拟排泄汗腺的汗分泌。类似的汗收集设备在Schoendorfer的美国专利号5,076,273和Schroeder的美国专利号5,140,985中描述。

另外，Glikfeld的美国专利号5,279,543描述使用电离子透入疗法非侵害地采样物质，其通过皮肤进入皮肤表面上的接收器中。Glikfeld讲授，这一采样过程可以与血糖特定的生物传感器或血糖特定的电极结合以便监控血糖。此外，Tamada的国际公开号WO 96/00110描述一种电离子透入疗法装置，其用于目标物质的穿过皮肤的监控，其中电离子透入疗法电极用来将分析物移入收集容器中，而生物传感器用来检测存在于容器中的目标分析物。最后，Berner的美国专利号6,144,869描述一种采样系统，其用于测量给出的分析物的浓度。

更进一步，BG计量仪或获取装置可以包括留置导管和皮下组织液采样。

计算机或PDA740包括依照预定义的流程(这在上面详细描述)处理，分析和解释自记录的糖尿病病人数据，并且产生适当的数据解释输出所必须的软件和硬件。优选地，由计算机740在存储的病人数据上执行的数据分析和解释，以通过与个人计算机740相连的打印机产生的纸报表形式显示。作为选择，数据解释过程的结果可以直接显示在与计算机740相连的视频显示单元上。

图8显示具有糖尿病管理系统的可选实施方案的框图表示，糖尿病管理系统是病人操作的装置810，其具有优选地足够小型的外壳，使装置810可由病人手握并携带。用于接收血糖试验片条的片导向器(没有显示)位于外壳816的表面。试验片条用于从病人812接收血样。装置包括微处理器822和连接到微处理器822的存储器824。微处理器22用来执行存储于存储器824中的计算机程序以执行在上面非常详细讨论的各种计算和控制函数。键盘816通过标准键盘解码器826连接到微处理器822。显示器814通过显示驱动器830连接到微处理器822。微处理器822通过接口与显示驱动器830通信，并且显示驱动器830在微处理器822的控制下更新和刷新显示器814。扬声器854和时钟856也连接到微处理器822。扬声器854在微处理器822的控制下工作，以发出告警病人可能的将来低血糖的可听音。时钟856向微处理器822提供当前的日期和时间。

存储器824也存储病人812的血糖值，胰岛素计量值，胰岛素类型，和微处理器822用来计算将来血糖值的参数值，补充的胰岛素计量，和醣类补充。每一血糖值和胰岛素计量值与对应的日期和时间一起存储于存储器824中。存储器824优选地为非易失性存储器，例如电可擦除只读存储器(EEPROM)。

装置810也包括连接到微处理器822的血糖计量仪828。血糖计量仪828用来测量在血糖试验片条上接收的血样，并从血样的测量产生血糖值。如前面提到的，这些血糖计量仪在本领域是众所周知的。血糖计量仪828优选地是这样一种计量仪，其产生直接输出到微处理器822的数字值。作为选择，血糖计量仪828可以是产生模拟值的这样一种计量仪。在这一可选实施方案中，血糖计量仪828通过模数转换器(没有显示)连接到微处理器822。

装置810进一步包括输入/输出端口834，优选地为串口，其连接到微处理器822。端口834通过接口，优选地为标准RS232接口，连接到调制解调器832。调制解调器832用于通过通信网络建立装置810和个人计算机840或健康管理提供者计算机838之间的通信链路。用于通过连接卡连接电子设备的特殊技术在本领域是众所周知的。另一个可选的实例是“蓝牙”技术通信。

作为选择，图9显示具有糖尿病管理系统的可选实施方案的框图表示，它是病人操作的装置910，与图8中所显示的类似，其具有优选地足够小型的外壳使得装置910可由病人手握并携带。但是，本实施方案包括独立的或可分离的血糖计量仪或BG获取装置928。

因此，在此描述的实施方案能够在数据通信网络例如因特网上实现，使估计，预测，和信息对在任何远程位置的任何处理器或计算机都是容易取得的，这在图6-9和/或特在此引入作为参考的Wood的美国专利号5,851,186中描述。作为选择，处于远程位置的病人可以让BG数据传送到中心的健康管理提供者或住所，或者不同的远程位置。

总之，本发明提出一种数据分析计算机化的方法和系统，其用于同时估计患有糖尿病的个体中血糖控制的两个最重要组成部分：HbA_1c和低血糖危险。该方法，只使用常规SMBG数据，尤其提供三组输出。

本发明方法，系统，和计算机程序产品潜在的实现是，它提供下面的优点，但不局限于此。首先，本发明通过产生并显示：1)估计的HbA_1c分类，2)估计的随后六个月中SH发作的可能性，和3)估计的低血糖短期危险(即对接下来的24小时)，来增强现有的家用BG监控设备。后者可以包括指示将临低血糖发作的警告，例如报警器。这三个组成部分也可以结合以提供有关患有糖尿病的个体血糖控制的连续信息，并增强他们低血糖危险的监控。

作为第二个优点，本发明增强取回SMBG数据的现有的软件或硬件。这种软件或硬件由事实上每一家用BG监控设备的制造商生产，并通常由病人或健康管理提供者用来解释SMBG数据。本发明的方法和系统可以通过引入能够预测HbA_1c和低血糖危险增加时间段的数据解释组成部分，直接并入现有的家用血糖监控器中，或用于增强取回SMBG数据的软件。

再一个优点，本发明在低和高BG范围以及在整个BG范围上，估计家用BG监控设备的准确度。

而且，另一个优点，本发明估计各种糖尿病治疗的有效性。

更进一步，因为糖尿病病人面临维持严格血糖控制而不增加他们低血糖危险的终身优化问题，本发明通过使用它的简单而可靠的方法缓和这一相关问题，即本发明能够估计病人的血糖控制和他们的低血糖危险，并且同时将其应用于他们日常环境中。

另外，本发明通过提出用于从SMBG数据估计HbA_1c和低血糖危险的三种截然不同，但相互兼容的算法来提供缺少环节，其用来预测低血糖短期和长期危险，以及高血糖长期危险。

最后，另一个优点，本发明估计新的胰岛素或胰岛素输送设备的有效性。胰岛素或胰岛素输送设备的任何制造商或研究者可以使用本发明的实施方案来检验提出的或试验的胰岛素类型或设备输送设计的相关成功。

本发明可以不违反其精神或基本性质的其它特定形式具体化。因此，前面的实施方案在各个方面都认为是说明性的，而不是在此描述的本发明的限制。从而，本发明的范畴由附加的权利要求书而不是由前面的描述指明，因此在权利要求书等价意义和范围内的所有变化被认为包含于其中。

Claims

1.一种计算机化的方法，其用于基于在预先确定时期段上收集的BG数据来估计病人的HbA_1c，所述方法包括：

基于所述收集的BG数据计算向高血糖的加权偏移(WR)和估计的血糖变化率(Dr)；

基于所述计算的WR和Dr，使用预先确定的数学公式来估计HbA_1c。

2.权利要求1的方法，其中：

所述计算的WR从在时间点t₁，t₂，...t_n抽取的一系列BG读数x₁，x₂，...x_n算术地定义为：

WR = \frac{1}{n} Σ_{i = 1}^{n} wr (x_{i}; 1)

其中：wl(BG；b)＝10.f(BG)^b如果f(BG)＞0，否则取0，b＝1，表示权重参数，并且所述计算的DR算术地定义为：Dr＝s_k+1-s_k的平均其中：s_k＝10.S(k+t₁)² 对于k＝0，1，...，t_n-t₁S(t_j)＝f(x_i) 对j＝1，...，n

3.权利要求1的方法，其中从所述BG监控数据的所述HbA_1c的估计值算术地定义为：

估计的HbA_1c＝0.9008(WR)-0.8207(DR)+6.7489。

4.权利要求1的方法，进一步包括：

对HbA_1c估计值定义预先确定的分类，每一所述的HbA_1c估计值分类表示估计的HbA_1c的值范围；

将所述估计的HbA_1c指定到至少一个所述的HbA_1c估计值分类。

5.权利要求4的方法，其中所述的HbA_1c估计值分类定义如下：分类1，其中所述估计的HbA_1c小于大约7.8；

分类2，其中所述估计的HbA_1c大约7.8-大约8.5；

分类3，其中所述估计的HbA_1c大约8.5-大约9.0；

分类4，其中所述估计的HbA_1c大约9.0-大约9.6；

分类5，其中所述估计的HbA_1c大约9.6-大约10.3；

分类6，其中所述估计的HbA_1c大约10.3-大约11.0；

分类7，其中所述估计的HbA_1c高于大约11.0。

6.权利要求5的方法，进一步包括：

对相应的所述HbA_1c估计值分类，定义预测的置信区间，其中所述预测的置信区间定义如下：

所述分类1与预测的小于大约8.0的HbA_1c相对应；

所述分类2与预测的大约8.0-大约8.5的HbA_1c相对应；

所述分类3与预测的大约8.5-大约9.0的HbA_1c相对应；

所述分类4与预测的大约9.0-大约9.5的HbA_1c相对应；

所述分类5与预测的大约9.5-大约10.1的HbA_1c相对应；

所述分类6与预测的大约10.1-大约11.0的HbA_1c相对应；

所述分类7与预测的大于大约11.0的HbA_1c相对应。

7.权利要求4的方法，进一步包括：

对相应的所述HbA_1c定义预测的置信区间，每一所述预测的置信区间表示HbA_1c的值范围。

8.权利要求7的方法，其中所述预测的HbA_1c置信区间具有大约95％的置信水平。

9.一种计算机化的方法，其用于基于在预先确定时期段上收集的BG数据来估计病人的HbA_1c，所述方法包括：

基于所述计算的WR和Dr，使用预先确定的数学公式来估计HbA_1c；

为所述HbA_1c估计值的分类提供预先确定的置信区间。

10.权利要求9的方法，其中：

所述置信区间大约85％-大约95％。

11.一种用于基于在预先确定时间段上收集的BG数据来估计病人HbA_1c的系统，所述系统包括：

数据库组成部分，其运转以维护识别所述BG数据的数据库；

处理器，其程式化以：

12.权利要求11的系统，其中：

WR = \frac{1}{n} Σ_{i = 1}^{n} wr (x_{i}; 1)

其中：

wl(BG；b)＝10.f(BG)^b如果f(BG)＞0，否则取0，

b＝1，表示权重参数，

所述计算的DR算术地定义为：

Dr＝s_k+1-s_k的平均

其中：

s_k＝10.S(k+t₁)² 对k＝0，1，...，t_n-t₁

s(t_j)＝f(x_i) 对j＝1，...，n

13.权利要求11的系统，其中从所述BG监控数据的所述HbA1c估计值算术地定义为：

估计的HbA_1c=0.9008(WR)-0.8207(DR)+6.7489。

14.权利要求11的系统，其中所述处理器进一步程式化以：

将所述估计的HbA_1c指定到至少一个所述的HbA_1c估计值分类。

15.权利要求14的系统，其中所述HbA_1c估计分类定义如下：

分类1，其中所述估计的HbA_1c小于大约7.8；

分类2，其中所述估计的HbA_1c大约7.8-大约8.5；

分类3，其中所述估计的HbA_1c大约8.5-大约9.0；

分类4，其中所述估计的HbA_1c大约9.0-大约9.6；

分类5，其中所述估计的HbA_1c大约9.6-大约10.3；

分类6，其中所述估计的HbA_1c大约10.3-大约11.0；

分类7，其中所述估计的HbA_1c高于大约11.0。

16.权利要求15的系统，其中所述处理器进一步程式化以：

所述分类1与预测的小于大约8.0的HbA_1c相对应；

所述分类2与预测的大约8.0-大约8.5的HbA_1c相对应；

所述分类3与预测的大约8.5-大约9.0的HbA_1c相对应；

所述分类4与预测的大约9.0-大约9.5的HbA_1c相对应；

所述分类5与预测的大约9.5-大约10.1的HbA_1c相对应；

所述分类6与预测的大约10.1-大约11.0的HbA_1c相对应；

所述分类7与预测的大于大约11.0的HbA_1c相对应。

17.权利要求14的系统，其中所述处理器进一步程式化以：

18.权利要求17的系统，其中所述预测的HbA_1c置信区间具有大约95％的置信水平。

19.一种用于估计病人HbA_1c的血糖控制系统，所述系统包括：

BG获取机构，配置所述获取机构以取得病人的BG数据。

数据库组成部分，其运转以维护识别所述BG数据的数据库；

处理器，其程式化以：

20.一种计算机程序产品，其包括具有计算机程序逻辑的计算机可用介质，计算机程序逻辑用于使计算机系统中至少一个处理器能够基于BG数据估计病人的HbA_1c，所述计算机程序逻辑包括：

21.权利要求20的计算机程序产品，其中所述计算机逻辑进一步包括：

对所述HbA_1c估计值的分类提供预先确定的置信区间，其中所述置信区间是单一值或值的范围。

22.一种计算机化的方法，其用于基于在预先确定时间段上收集的BG数据来估计病人严重低血糖(SH)的长期可能性，所述方法包括：

基于所述收集的BG数据计算向低血糖的加权偏移(WL)和估计的在低BG范围内血糖的下降率(DrDn)；

基于所述计算的wL和DrDn，使用预先确定的数学公式估计将来SH发作的次数。

23.权利要求22的方法，其中：

所述计算的WL从在时间点t₁，t₂，...t_n抽取的一系列BG读数x₁，x₂，...x_n算术地定义为：

WL = \frac{1}{n} Σ_{i = 1}^{n} wl (x_{i}; 2)

其中：wl(BG；a)＝10.f(BG)^a如果f(BG)＜0，否则取0，a＝2，表示权重参数，所述计算的DR算术地定义为：DrDn＝s_k+1-s_k的平均，如果s_k＜s_k+1其中：s_k＝10.S(k+t₁)² 对k＝0，1，...，t_n-t₁

S(t_j)＝f(x_j) 对j＝1，...，n

24.权利要求22的方法，其中所述估计的将来SH发作次数(EstNSH)算术地定义为：

EstNSH＝3.3613(WL)-4.3427(DrDn)-1.2716。

25.权利要求22的方法，进一步包括：

定义预先确定的EstNSH分类，每一所述EstNSH分类表示EstNSH的值范围；

将所述EstNSH指定到至少一个所述EstNSH分类。

26.权利要求25的方法，其中所述EstNSH分类定义如下：

分类1，其中所述EstNSH分类小于大约0.775；

分类2，其中所述EstNSH分类大约0.775-大约3.750；

分类3，其中所述EstNSH分类大约3.750-大约7.000；

分类4，其中所述EstNSH分类高于大约7.0。

27.权利要求26的方法，进一步包括：

分别对每一所述指定的EstNSH分类，定义招致选定次数SH发作的可能性，其中所述可能性和所述各选定SH次数定义为：

所述分类1与在预先确定时间段上招致大约0次SH发作的大约90％可能性，以及招致大约1次和更多SH发作的大约10％可能性相对应。

所述分类2与在预先确定时间段上招致大约0次SH发作的大约50％可能性，招致大约1次到大约2次SH发作的25％可能性，以及招致多于2次SH发作的25％可能性相对应。

所述分类3与在预先确定时间段上招致大约0次SH发作的大约25％可能性，招致大约1次到大约2次SH发作的25％可能性，以及招致多于2次SH发作的50％可能性相对应。

所述分类4与在预先确定时间段上招致大约0次到大约2次SH发作的大约20％可能性，以及招致多于2次SH发作的大约80％可能性相对应。

28.权利要求25的方法，进一步包括：

分别对每一所述指定的EstNSH分类，定义招致选定次数SH发作的可能性；

根据所述EstNSH被指定到的所述EstNSH分类，提供招致选定次数SH发作的至少一个可能性。

29.一种计算机化的方法，其用于基于在预先确定时间段上收集的BG数据来估计病人严重低血糖(SH)的长期可能性，所述方法包括：

基于所述计算的WL和DrDn，使用预先确定的数学公式估计将来SH发作次数；

定义相应于所述估计的SH发作的招致选定次数SH发作的可能性。

30.一种用于基于在预先确定时间段上收集的BG数据来估计病人严重低血糖(SH)长期可能性的系统，所述系统包括：

数据库部分，其运转以维护识别所述BG数据的数据库；

处理器，其程式化以：

基于所述收集的BG数据计算向低血糖的加权偏移(WL)

和估计的在低BG范围内血糖的下降率(DrDn)；

基于所述计算的WL和DrDn，使用预先确定的数学公式估

计将来SH发作次数；

31.权利要求30的系统，其中：

WL = \frac{1}{n} Σ_{i = 1}^{n} wl (x_{i}; 2)

其中：

wl(BG；a)＝10.f(BG)^a如果f(BG)＜0，否则取0，

a＝2，表示权重参数，

所述计算的DR算术地定义为：

DrDn＝s_k+1-s_k的平均，如果s_k＜s_k+1

其中：s_k＝10.S(k+t₁)² 对k＝0，1，...，t_n-t₁

S(t_j)＝f(x_j) 对j＝1，...，n

32.权利要求30的系统，其中所述估计的将来SH发作次数(EstNSH)算术地定义为：

EstNSH＝3.3613(WL)-4.3427(DrDn)-1.2716。

33.权利要求30的系统，其中所述处理器进一步程式化以：

将所述EstNSH指定到至少一个所述EstNSH分类。

34.权利要求33的系统，其中所述EstNSH分类定义如下：

分类1，其中所述EstNSH分类小于大约0.775；

分类2，其中所述EstNSH分类大约0.775-大约3.750；

分类3，其中所述EstNSH分类大约3.750-大约7.000；

分类4，其中所述EstNSH分类高于大约7.0。

35.权利要求34的方法，其中所述处理器进一步程式化以：

36.权利要求33的系统，其中所述处理器进一步程式化以：

37.一种用于估计病人严重低血糖(SH)长期可能性的血糖控制系统，所述系统包括：

BG获取机构，配置所述获取机构以取得病人的BG数据。

数据库组成部分，其运转以维护识别所述BG数据的数据库；

处理器，其程式化以：

基于所述收集的BG数据计算向低血糖的加权偏移(WL)和

估计的在低BG范围内血糖的下降率(DrDn)；

基于所述计算的WL和DrDn，使用预先确定的数学公式估

计将来SH发作次数。

38.一种计算机程序产品，其包括具有计算机程序逻辑的计算机可用介质，计算机程序逻辑用于使计算机系统中至少一个处理器能够基于BG数据估计病人严重低血糖(SH)的长期可能性，所述计算机程序逻辑包括：

39.权利要求38的计算机程序产品，其中所述计算机程序逻辑进一步包括：

40.一种计算机化的方法，其用于基于在预先确定时间段上收集的BG数据来估计病人严重低血糖(SH)短期危险，所述方法包括：

计算向低血糖的加权偏移(WL)；

通过计算wl(BG；2)的最大值确定Max(wl)；

通过取所述预先确定时间段上的WL和Max(wl)的几何平均来确定危险值，所述危险值算术地定义为：

41.权利要求40的方法，其中：

所述计算的WL从在预先确定时间段上抽取的一系列BG读数x₁，x₂，...x_n算术地定义为：

WL = \frac{1}{n} Σ_{i = 1}^{n} wl (x_{i}; 2)

其中：

wl(BG；a)＝10.f(BG)^a如果f(BG)＜0，否则取0，

a＝2，代表权重参数。

42.权利要求40的方法，进一步包括：

提供预先确定的临界危险值；和

将所述确定的危险值与所述临界危险值比较。

43.权利要求42的方法，其中：

如果所述确定的危险值大于所述临界值，那么招致低血糖发作的短期危险是高的；以及

如果所述确定的危险值小于所述临界值，那么招致低血糖发作的短期危险是低的。

44.权利要求43的方法，其中所述短期是大约24小时时间段。

45.权利要求43的方法，其中所述短期在从大约12小时到大约72小时时间段范围内。

46.权利要求43的方法，其中所述临界值大约是17。

47.权利要求43的方法，其中所述临界值大约12-25。

48.一种用于基于在预先确定时间段上收集的BG数据来估计病人严重低血糖(SH)短期危险的系统，所述系统包括：

数据库部分，其运转以维护识别所述BG数据的数据库；

处理器，其程式化以：

计算向低血糖的加权偏移(WL)；

通过计算wl(BG；2)的最大值确定Max(wl)；以及

通过取所述预先确定时间段上WL和Max(wl)的几何平均来确定危险值，所述危险值算术地定义为：

49.权利要求48的系统，其中：

WL = \frac{1}{n} Σ_{i = 1}^{n} wl (x_{i}; 2)

其中：

wl(BG；a)＝10.f(BG)^a如果f(BG)＜0，否则取0，

a＝2，表示权重参数。

50.权利要求48的系统，其中所述处理器进一步程式化以：

提供预先确定的临界危险值；以及

将所述确定的危险值与所述临界危险值比较。

51.权利要求50的系统，其中：

如果所述确定的危险值大于所述临界值，那么招致低血糖发作的短期危险是高的；

52.权利要求51的系统，其中所述短期是大约24小时时间段。

53.权利要求51的方法，其中所述短期从大约12小时到大约72小时时间段范围内。

54.权利要求51的系统，其中所述临界值大约是17。

55.权利要求51的方法，其中所述临界值大约12-25之间。

56.一种用于估计病人严重低血糖(SH)短期危险的血糖控制系统，所述系统包括：

BG获取机构，配置所述获取机构以获得病人的BG数据。

数据库组成部分，其运转以维护识别所述BG数据的数据库；处理器，其程式化以：

计算向低血糖的加权偏移(WL)；

通过计算wl(BG；2)的最大值确定Max(wl)；和

57.一种计算机程序产品，其包括具有计算机程序逻辑的计算机可用介质，计算机程序逻辑用于使计算机系统中至少一个处理器能够基于预先确定时间段上收集的BG数据来估计病人严重低血糖(SH)的短期危险，所述计算机程序逻辑包括：

计算向低血糖的加权偏移(WL)；

通过计算wl(BG；2)的最大值确定Max(wl)；和

58.权利要求57的计算机程序产品，其中所述计算机程序逻辑进一步包括：

提供预先确定的临界危险值；和

将所述确定的危险值与所述临界危险值比较。