[go: up one dir, main page]

DE202016009220U1 - Vorrichtung und System für eine dynamische Glukoseprofilreaktion auf physiologische Parameter - Google Patents

Vorrichtung und System für eine dynamische Glukoseprofilreaktion auf physiologische Parameter Download PDF

Info

Publication number
DE202016009220U1
DE202016009220U1 DE202016009220.1U DE202016009220U DE202016009220U1 DE 202016009220 U1 DE202016009220 U1 DE 202016009220U1 DE 202016009220 U DE202016009220 U DE 202016009220U DE 202016009220 U1 DE202016009220 U1 DE 202016009220U1
Authority
DE
Germany
Prior art keywords
activity
glucose
day
median
glucose level
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
DE202016009220.1U
Other languages
English (en)
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 DE202016009220U1 publication Critical patent/DE202016009220U1/de
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
    • 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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
    • A61B5/0015—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by features of the telemetry system
    • A61B5/0022—Monitoring a patient using a global network, e.g. telephone networks, internet
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording for evaluating the cardiovascular system, e.g. pulse, heart rate, blood pressure or blood flow
    • A61B5/024—Measuring pulse rate or heart rate
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Measuring devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor or mobility of a limb
    • A61B5/1113—Local tracking of patients, e.g. in a hospital or private home
    • A61B5/1114—Tracking parts of the body
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Measuring devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor or mobility of a limb
    • A61B5/1118—Determining activity level
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Measuring devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor or mobility of a limb
    • A61B5/1123—Discriminating type of movement, e.g. walking or running
    • 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
    • A61B5/14507—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 specially adapted for measuring characteristics of body fluids other than blood
    • A61B5/1451—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 specially adapted for measuring characteristics of body fluids other than blood for interstitial fluid
    • 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
    • A61B5/145—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
    • A61B5/1468—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 using chemical or electrochemical methods, e.g. by polarographic means
    • A61B5/1486—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 using chemical or electrochemical methods, e.g. by polarographic means using enzyme electrodes, e.g. with immobilised oxidase
    • 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
    • A61B5/4836—Diagnosis combined with treatment in closed-loop systems or methods
    • A61B5/4839—Diagnosis combined with treatment in closed-loop systems or methods combined with drug delivery
    • 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
    • A61B5/4866—Evaluating metabolism
    • 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
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B40/00—ICT specially adapted for biostatistics; ICT specially adapted for bioinformatics-related machine learning or data mining, e.g. knowledge discovery or pattern finding
    • G16B40/10—Signal processing, e.g. from mass spectrometry [MS] or from PCR
    • 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
    • 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
    • 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
    • G16H20/30—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to physical therapies or activities, e.g. physiotherapy, acupressure or exercising
    • 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
    • G16H40/60—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
    • G16H50/70—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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2560/00—Constructional details of operational features of apparatus; Accessories for medical measuring apparatus
    • A61B2560/02—Operational features
    • A61B2560/0223—Operational features of calibration, e.g. protocols for calibrating sensors

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Molecular Biology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Physiology (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • Optics & Photonics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Data Mining & Analysis (AREA)
  • Psychiatry (AREA)
  • Chemical & Material Sciences (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Databases & Information Systems (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Medicinal Chemistry (AREA)
  • Emergency Medicine (AREA)
  • General Business, Economics & Management (AREA)
  • Business, Economics & Management (AREA)
  • Pharmacology & Pharmacy (AREA)
  • Obesity (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Theoretical Computer Science (AREA)

Abstract

Vorrichtung (110) zum Bestimmen der Korrelation einer Änderung des nächtlichen Glukosespiegels als Funktion der Aktivität, aufweisend:eine Dateneingabeschnittstelle (111) zum Empfangen von Aktivitätsgradinformation und von Glukosedaten über eine vorgegebene Zeitspanne, wobei die vorgegebene Zeitspanne eine erste Zeitspanne und eine zweite Zeitspanne umfasst;ein Datenanalysemodul (110B, 112), das mit der Dateneingabeschnittstelle (111) funktional gekoppelt ist, und konfiguriert ist zum:Kategorisieren der ersten Zeitspanne derart, dass sie Information über den nächtlichen Glukosespiegel für Tage innerhalb der vorgegebenen Zeitspanne mit signifikanter Aktivität enthält, und der zweiten Zeitspanne derart, dass sie Information über den nächtlichen Glukosespiegel für Tage innerhalb der vorgegebenen Zeitspanne ohne signifikante Aktivität enthält;Bestimmen einer Korrelation zwischen der nächtlichen Glukosespiegelinformation für die erste Zeitspanne und der nächtlichen Glukosespiegelinformation für die zweiten Zeitspanne, wobei die Korrelation eine Funktion der Aktivität ist; undBestimmen, basierend auf der bestimmten Korrelation, der Auswirkungen des gemessenen Grades der Aktivität auf den nächtlichen Glukosespiegel; undeine Datenausgabeschnittstelle (110B, 113), die mit dem Datenanalysemodul (110B, 112) funktional gekoppelt ist, um Informationen auszugeben, die den bestimmten Auswirkungen auf den nächtlichen Glukosespiegel zugeordnet sind.

Description

  • VERWANDTE ANMELDUNGEN
  • Die vorliegende Anmeldung steht im Zusammenhang mit der vorläufigen US-Anmeldung Nr. 62/307,346 , eingereicht am 11. März 2016, der vorläufigen US-Anmeldung Nr. 62/191,218 , eingereicht am 10. Juli 2015, und der vorläufigen US-Anmeldung Nr. 62/307,344 , eingereicht am 11. März 2016, mit dem Titel „Systems, Devices, and Methods For Meal Information Collection, Meal Assessment, and Analyte Data Correlation“, deren Offenbarungen hier durch Bezugnahme vollständig mit aufgenommen sind.
  • AUFNAHME DURCH BEZUGNAHME
  • Die hier beschriebenen Patente, Anmeldungen und/oder Veröffentlichungen, einschließlich der folgenden Patente, Anmeldungen und/oder Veröffentlichungen, sind hier durch Bezugnahme vollständig mit aufgenommen: US-Patent Nr. 4,545,382 ; 4,711,245 ; 5,262,035 ; 5,262,305 ; 5,264,104 ; 5,320,715 ; 5,356,786 ; 5,509,410 ; 5,543,326 ; 5,593,852 ; 5,601,435 ; 5,628,890 ; 5,820,551 ; 5,822,715 ; 5,899,855 ; 5,918,603 ; 6,071,391 ; 6,103,033 ; 6,120,676 ; 6,121,009 ; 6,134,461 ; 6,143,164 ; 6,144,837 ; 6,161,095 ; 6,175,752 ; 6,270,455 ; 6,284,478 ; 6,299,757 ; 6,338,790 ; 6,377,894 ; 6,461,496 ; 6,503,381 ; 6,514,460 ; 6,514,718 ; 6,540,891 ; 6,560,471 ; 6,579,690 ; 6,591,125 ; 6,592,745 ; 6,600,997 ; 6,605,200 ; 6,605,201 ; 6,616,819 ; 6,618,934 ; 6,650,471 ; 6,654,625 ; 6,676,816 ; 6,730,200 ; 6,736,957 ; 6,746,582 ; . 6,749,740 ; 6,764,581 ; 6,773,671 ; 6,881,551 ; 6,893,545 ; 6,932,892 ; 6,932,894 ; 6,942,518 ; 7,041,468 ; 7,167,818 ; und 7.299.082 ; Veröffentlichte US-Anmeldung Nr. 2004/0186365 , jetzt US-Patent Nr. 7,811,231 ; 2005/0182306 , jetzt US-Patent Nr. 8,771,183 ; 2006/0025662 , jetzt US-Patent Nr. 7,740,581 ; 2006/0091006 ; 2007/0056858 , jetzt US-Patent Nr. 8,298,389 ; 2007/0068807 , jetzt US-Patent Nr. 7,846,311 ; 2007/0095661 ; 2007/0108048 , jetzt US-Patent Nr. 7,918,975 ; 2007/0199818 , jetzt US-Patent Nr. 7,811,430 ; 2007/0227911 , jetzt US-Patent Nr. 7,887,682 ; 2007/0233013 ; 2008/0066305 , jetzt US-Patent Nr. 7,895,740 ; 2008/0081977 , jetzt US-Patent Nr. 7,618,369 ; 2008/0102441 , jetzt US-Patent Nr. 7,822,557 ; 2008/0148873 , jetzt US-Patent Nr. 7,802,467 ; 2008/0161666 ; 2008/0267823 ; und 2009/0054748 , jetzt US-Patent Nr. 7,885,698 ; US-Patentanmeldung mit den laufenden Nr. 11/461.725 , jetzt US-Patent Nr. 7,866,026 ; 12/131,012 ; 12/393,921 , 12/242,823 , jetzt US-Patent Nr. 8,219,173 ; 12/363.712 , jetzt US-Patent Nr. 8,346,335 ; 12/495,709 ; 12/698,124 ; 12/698,129 ; 12/714,439 ; 12/794.721 , jetzt US-Patent Nr. 8,595,607 ; und 12/842,013 , und vorläufige US-Anmeldung Nr. 61/238,646 , 61/246,825 , 61/247,516 , 61/249,535 , 61/317,243 , 61/345,562 und 61/361,374 .
  • HINTERGRUND
  • Die Detektion und das Überwachen von Glukosespiegeln oder anderen Analyten, wie z. B. Laktat, Sauerstoff, A1C oder dergleichen, ist bei bestimmten Personen für deren Gesundheit von entscheidender Bedeutung. Beispielsweise ist das Überwachen des Glukosespiegels für Diabetiker und Menschen, deren Zustand einen beginnenden Diabetes angibt, besonders wichtig. Diabetiker überwachen im Allgemeinen ihren Glukosespiegel, um zu bestimmen, ob ihr Glukosespiegel in einem klinisch sicheren Bereich gehalten wird, und können diese Informationen auch verwenden, um zu bestimmen, ob und/oder wann Insulin benötigt wird, um den Glukosespiegel in ihrem Körper zu senken, oder wann zusätzliche Glukose benötigt wird, um den Glukosespiegel in ihrem Körper zu erhöhen.
  • Mit der Entwicklung von Vorrichtungen und Systemen zur Überwachung des Glukosespiegels, die auf bequeme und schmerzfreie Weise Informationen über den Glukosespiegel in Echtzeit bereitstellen, besteht ein ständiger Wunsch, solche Überwachungsvorrichtungen und -systeme in das tägliche Leben und in Aktivitäten zum Verbessern der glykämischen Kontrolle zu integrieren. Insbesondere besteht der starke Wunsch, die Auswirkungen täglicher Aktivitäten wie z. B. Sport, Medikamenteneinnahme, Mahlzeiten und so weiter auf die Schwankungen des Glukosespiegels zu identifizieren und verwertbare, personalisierte gesundheitsbezogene Informationen bereitzustellen, um die glykämischen Schwankungen engmaschig zu kontrollieren. Darüber hinaus besteht ein starker Wunsch, eine Genauigkeit bei der Bestimmung der Medikamentendosis bereitzustellen, die eine Bestimmung der korrekten Medikamentendosis ermöglicht und gleichzeitig die Fehler bei einer solchen Bestimmung reduziert, indem Parameter berücksichtigt werden, die sich auf die Medikamententherapie bei alltäglichen Aktivitäten, die Sport und Mahlzeiten umfassen, auswirken.
  • ZUSAMMENFASSUNG
  • Ausführungsformen der vorliegenden Offenbarung enthalten die Bestimmung von mehrphasigen Glukosereaktionsmustern und die dynamische Anpassung oder Modifikation, um die glykämische Reaktion auf die speziellen Aktivitäten und externen Parameter, die für einen spezifischen Patienten oder Benutzer relevant sind, zu personalisieren. In bestimmten Ausführungsformen wird ein Analysemodul als Softwareanwendung („App“) bereitgestellt, die durch eine beliebige prozessorgesteuerte Vorrichtung, insbesondere durch ein Smartphone mit Kommunikationsfähigkeiten, ausgeführt werden kann, um verwertbare Informationen, die beispielsweise Therapieempfehlungen basierend auf dem bestimmten Glukosereaktionsmuster enthalten, zu empfangen, zu analysieren, zu übertragen, zu senden, anzuzeigen oder auszugeben. In bestimmten Ausführungsformen wird das Glukosereaktionsmuster, das im Hinblick auf eine spezielle Aktivität oder eine Kombination von Aktivitäten, die Einnahme von Mahlzeiten, die Einnahme von Medikamenten oder irgendwelche andere externe Parameter, die für die täglichen Aktivitäten eines Anwenders oder Patienten spezifisch sind, bestimmt wird, intelligent und dynamisch auf Basis der ablaufenden realen Zeit angepasst, wenn zusätzliche für Aktivitäten spezifische oder für externe Parameter spezifische Daten durch die App empfangen und analysiert werden.
  • Ausführungsformen der vorliegenden Offenbarung enthalten ein Gesamtnetz mit sensorbasierten Vorrichtungen in Kommunikation mit dem Smartphone, das konfiguriert ist, die App auszuführen, und optional ein Datenkommunikationsnetz mit einem oder mehreren Backend-Server-Terminals, die eine Netz-Cloud-Konfiguration bereitstellen, die konfiguriert ist, entweder die Funktionen der App zur Analyse auszuführen, wenn sie beispielsweise in direkter Datenkommunikation mit den sensorbasierten Vorrichtungen steht, und die Ergebnisse der Analyse für das Smartphone bereitzustellen, oder konfiguriert ist, in einer passiveren Rolle zu arbeiten, wie z. B. die Ausführen von Datensicherungsfunktionen oder Datenablagefunktionen für das Smartphone und/oder die sensorbasierten Vorrichtungen. Optional sind im Gesamtnetz ein oder mehrere Medikationsvorrichtungen wie z. B. eine Insulinpumpe oder ein Injektor enthalten, der konfiguriert ist, Analysedaten vom Smartphone, von dem einen oder den mehreren Backend-Server-Terminals oder direkt von den sensorbasierten Vorrichtungen zu empfangen.
  • Ausführungsformen der vorliegenden Offenbarung enthalten eine Datensammlungsphase, während der benutzer- oder patientenspezifische Informationen von einem oder mehreren der sensorbasierten Vorrichtungen, durch manuelle Benutzereingabe oder beispielsweise von einer Medikamentenverabreichungsvorrichtung über eine vorgegebene Zeitspanne gesammelt werden. Wenn bestimmt wird, dass eine ausreichende Menge von Informationen über den Patienten oder den Benutzer in Bezug auf die Glukosereaktion und die glykämische Variation vorhanden ist (beispielsweise mindestens 5 Tage, 6 Tage, eine Woche, 10 Tage, 14 Tage oder eine beliebige oder mehrere Kombinationen der Anzahl von Tagen oder Abschnitten von Tagen), kann die auf dem Smartphone ausgeführte App in bestimmten Ausführungsformen den Benutzer oder den Patienten darauf hinweisen, dass ein spezifisches glykämisches Reaktionsmuster bestimmt oder identifiziert worden ist und zur Benutzereingabe für die Reaktionsanalyse bereit ist. Um diesen Punkt zu erreichen, analysiert die App in bestimmten Ausführungsformen Daten oder Informationen von den sensorbasierten Vorrichtungen und anderen empfangenen benutzer- oder patientenspezifischen Parametern und kategorisiert die empfangenen Daten als Teil der Datenanalyse, um das Glukosereaktionsmuster zu bestimmen, und aktualisiert danach kontinuierlich und dynamisch das Reaktionsmuster mit den zusätzlichen Echtzeitinformationen, die von der einen oder den mehreren sensorbasierten Vorrichtungen empfangen werden, oder anderen benutzer- oder patientenspezifischen Parametern. Auf diese Weise ist in bestimmten Ausführungsformen, wenn der Benutzer eine Aktivität oder einen Parameter eingibt, die er ausüben möchte (beispielsweise einen 90-minütigen Lauf mit einer Steigung von etwa 1.000 Fuß, oder die Anzahl der Schritte, die während einer festgelegten Zeitspanne wie z. B. 12 Stunden, 18 Stunden, 24 Stunden oder anderen geeigneten Zeitspannen zurückgelegt werden), die App konfiguriert, unter Verwendung der Erkennungsfähigkeiten für dynamische Glukosereaktionsmuster dem Benutzer oder Patienten mitzuteilen, dass eine solche Aktivität zu einer spezifischen Glukosereaktion (beispielsweise einer Reduktion des Glukosespiegels nach der Aktivität von etwa 25 mg/dL) führen wird.
  • Ferner kann die App in bestimmten Ausführungsformen konfiguriert sein, zusätzlich zu der ausgeführten durch die körperliche Aktivität getriebenen Analyse Empfehlungen bereitzustellen, wie beispielsweise eine Liste von Typ und Menge von Nahrungsmitteln, die zu einer speziellen Zeit vor der Ausübung der Aktivität und/oder innerhalb eines festen Zeitraums nach der Aktivität aufgenommen werden sollen, um die glykämische Schwankung zu minimieren, die einen vorgegebenen Bereich über eine eingestellte Zeitspanne, die sich von vor der Aktivität, während der und nach der Aktivität erstreckt, überschreitet. In bestimmten Ausführungsformen ist die App konfiguriert, eine ähnliche, vorstehend beschriebene Analyse mit Empfehlungen auszuführen, wobei sich die Analyse anstelle der auszuführenden körperlichen Aktivität auf die Menge an Medikamenten, Nahrungsmitteln, Getränken oder eine oder mehrere Kombinationen davon bezieht, die konsumiert werden sollen. Auf diese Weise kann der Benutzer oder der Patient in bestimmten Ausführungsformen Maßnahmen ergreifen, bevor er Nahrungsmittel und/oder Getränke zu sich nimmt oder Medikamente verabreicht.
  • Diese und andere Merkmale, Aufgaben und Vorteile der vorliegenden Offenbarung werden für Fachleute beim Lesen der nachstehend ausführlicher beschriebenen Einzelheiten der vorliegenden Offenbarung deutlich.
  • KURZBESCHREIBUNG DER ZEICHNUNGEN
    • 1 ist ein Gesamtsystem zur Analyse von Glukosereaktionsdaten in Übereinstimmung mit einer Ausführungsform der vorliegenden Offenbarung;
    • 2A ist ein Blockdiagramm des Analysemoduls von 1 in Übereinstimmung mit einer Ausführungsform der vorliegenden Offenbarung;
    • 2B stellt den Informationsfluss im Zusammenhang mit dem Analysemodul von 1, das die Datenkategorisierung, die Mustererkennung und die dynamische Aktualisierung ausführt, in Übereinstimmung mit einer Ausführungsform der vorliegenden Offenbarung dar;
    • 3 ist ein beispielhafter Screenshot der Dateneingabeschnittstelle 111 (2A) in Übereinstimmung mit einer Ausführungsform der vorliegenden Offenbarung;
    • 4 ist ein Ablaufplan, der eine Routine zum Bestimmen der Auswirkungen der Tagesaktivität auf den nächtlichen Glukosespiegel in Übereinstimmung mit einer Ausführungsform der vorliegenden Offenbarung darstellt;
    • 5 ist ein Ablaufplan, der eine weitere Routine zum Bestimmen der Auswirkungen der Tagesaktivität auf den nächtlichen Glukosespiegel in Übereinstimmung mit einer Ausführungsform der vorliegenden Offenbarung darstellt;
    • 6 ist ein Ablaufplan, der Identifizierung und Charakterisierung eines Glukosereaktionsmusters für eine spezielle Aktivität basierend auf dem absoluten nächtlichen Glukosespiegel in Übereinstimmung mit einer Ausführungsform der vorliegenden Offenbarung darstellt;
    • 7 ist ein Ablaufplan, der Identifizierung und Charakterisierung eines Glukosereaktionsmusters für eine spezielle Aktivität basierend auf der Tag-Nacht-Glukosespiegeländerung in Übereinstimmung mit einer Ausführungsform der vorliegenden Offenbarung darstellt;
    • 8 ist ein Ablaufplan, der Identifizierung und Charakterisierung eines Glukosereaktionsmusters für eine spezielle Aktivität basierend auf dem Tag-Nacht-Glukosespiegelverhältnis in Übereinstimmung mit Verhältnis Ausführungsform der vorliegenden Offenbarung darstellt;
    • 9 stellt einen Prozessablauf zum Trainieren und zur Meldung in Übereinstimmung mit einer Ausführungsform der vorliegenden Offenbarung dar; und
    • 10 stellt einen Prozessablauf zum Trainieren und zur Meldung in Übereinstimmung mit einer weiteren Ausführungsform der vorliegenden Offenbarung dar.
  • AUSFÜHRLICHE BESCHREIBUNG
  • Bevor die vorliegende Offenbarung im Einzelnen beschrieben wird, ist zu verstehen, dass diese Offenbarung nicht auf beschriebene spezielle Ausführungsformen beschränkt ist, da diese natürlich variieren können. Es ist auch zu verstehen, dass die hier verwendete Terminologie nur zur Beschreibung spezieller Ausführungsformen dient und nicht als einschränkend vorgesehen ist, da der Schutzbereich der vorliegenden Offenbarung nur durch die beigefügten Ansprüche beschränkt ist.
  • Wenn ein Wertebereich bereitgestellt ist, so ist zu verstehen, dass jeder Zwischenwert bis zum Zehntel der Einheit der Untergrenze zwischen der Ober- und Untergrenze dieses Bereichs und jeder andere angegebene oder dazwischen liegende Wert in diesem genannten Bereich in dieser Offenbarung enthalten ist, sofern der Kontext nicht eindeutig etwas anderes vorschreibt. Die Ober- und Untergrenzen dieser kleineren Bereiche können unabhängig in den kleineren Bereiche enthalten sein, die ebenfalls in der Offenbarung eingeschlossen sind, vorbehaltlich jeder ausdrücklich ausgeschlossenen Grenze in dem genannten Bereich. Wenn der genannte Bereich einen der oder beide Grenzwerte einschließt, sind auch Bereiche, die einen oder beide Grenzwerte ausschließen, in der Offenbarung enthalten.
  • Sofern nicht anders definiert, besitzen alle hier verwendeten technischen und wissenschaftlichen Begriffe die gleiche Bedeutung, wie sie von einem normalen Fachmann auf dem Gebiet, zu dem diese Offenbarung gehört, gewöhnlich verstanden wird. Obwohl alle Verfahren und Materialien, die den hier beschriebenen ähnlich oder äquivalent sind, in der Praxis oder bei der Prüfung der vorliegenden Offenbarung ebenfalls verwendet werden können, werden jetzt die bevorzugten Verfahren und Materialien beschrieben. Alle hier erwähnten Veröffentlichungen sind hier durch Bezugnahme mit aufgenommen, um die Verfahren und/oder Materialien, die in Verbindung mit diesen Veröffentlichungen zitiert werden, zu offenbaren und zu beschreiben.
  • Es wird darauf hingewiesen, dass, wie sie hier und in den beigefügten Ansprüchen verwendet sind, die Singularformen „ein“, „eine“ und „der/die/das“ die Bezugnahme auf den Plural enthalten, sofern der Kontext nicht eindeutig etwas anderes vorschreibt.
  • Die hier diskutierten Veröffentlichungen sind nur für ihre Offenbarung vor dem Einreichungsdatum der vorliegenden Anmeldung zur Verfügung gestellt. Nichts hier ist als Eingeständnis zu deuten, dass der vorliegenden Offenbarung nicht berechtigt ist, einer solchen Veröffentlichung aufgrund einer früheren Offenbarung vorzugreifen. Ferner können die bereitgestellten Daten der Veröffentlichung von den tatsächlichen Veröffentlichungsdaten abweichen, was möglicherweise unabhängig bestätigt werden muss.
  • Wie für Fachleute beim Lesen dieser Offenbarung ersichtlich sein wird, weist jede der hier beschriebenen und dargestellten individuellen Ausführungsformen diskrete Komponenten und Merkmale auf, die ohne weiteres von den Merkmalen beliebiger der anderen mehreren Ausführungsformen getrennt oder mit diesen kombiniert werden können, ohne vom Schutzbereich oder Geist der vorliegenden Offenbarung abzuweichen.
  • Die hier gezeigten Figuren sind nicht notwendigerweise maßstabsgerecht gezeichnet, wobei einige Komponenten und Merkmale zur Verdeutlichung übertrieben dargestellt sind.
  • 1 ist ein Gesamtsystem zur Analyse von Glukosereaktionsdaten in Übereinstimmung mit einer Ausführungsform der vorliegenden Offenbarung. Bezug nehmend auf die Figur enthält das System 100 zur Analyse von Glukosereaktionsdaten in bestimmten Ausführungsformen ein Mobiltelefon 110 mit einer Benutzerschnittstelle 110A und einem Analysemodul 110B, das in dem Mobiltelefon 110 als App programmiert ist, die beispielsweise als heruntergeladene ausführbare Datei über das Datennetz 140 vom Server 150 installiert ist. Wie nachstehend näher diskutiert, werden in bestimmten Ausführungsformen die Datenaufbereitung, die Analyse und die dynamische Erkennung von Glukosereaktionsmustern und/oder das Aktualisieren der Erkennung von Glukosereaktionsmustern als eine oder mehrere ausführbare Routinen durch die App implementiert.
  • Bezug nehmend zurück auf 1 sind auch ein Aktivitätsüberwachungsgerät 130A, Herzfrequenzüberwachungsgerät 130B und Glukoseüberwachungsgerät 130C gezeigt, die jeweils in Datenkommunikation mit dem Mobiltelefon 110 oder alternativ oder zusätzlich dazu jeweils in Datenkommunikation mit dem Server 150 über das Datennetz 140 sind. Auf diese Weise ist jedes Überwachungsgerät 130A, 130B, 130C in bestimmten Ausführungsformen programmiert, die überwachten Informationen an den Server 150 zum Speichern und/oder zur Analyse oder an das Mobiltelefon 110 zum Speichern, zur Analyse und nachfolgender Kommunikation von Rohdaten, die von jedem Überwachungsgerät 130A, 130B, 130C empfangen wurden, und/oder von verarbeiteten Daten oder Informationen von jedem Überwachungsgerät 130A, 130B, 130C an den Server 150 über das Datennetz zum Speichern und/oder weiteren Analyse zu kommunizieren.
  • Immer noch unter Bezugnahme auf 1 ist im System 100 zur Analyse von Glukosereaktionsdaten auch die Medikamentenverabreichungsvorrichtung 120 in Datenkommunikation mit dem Mobiltelefon 110, dem Server 150 oder einem oder mehreren der Überwachungsgeräte 130A, 130B, 130C über das Datennetz 140 gezeigt. Obwohl nicht gezeigt, können in bestimmten Ausführungsformen die Arbeitsweise der Routinen und Funktionen der App in der Medikamentenverabreichungsvorrichtung 120 implementiert sein, wobei die Medikamentenverabreichungsvorrichtung 120 direkt Daten oder Informationen von einem oder mehreren der Überwachungsgeräte 130A, 130B, 130C empfängt und die Erkennung und Analyse von Glukosereaktionsmustern ausführt und beispielsweise ein Medikamentenverabreichungsprofil (z. B. die Basalinsulinverabreichungsrate, die Bestimmung einer Bolusinsulindosismenge) basierend auf dem bestimmten Glukosereaktionsmuster aus den überwachten Daten (z. B. dem überwachten physiologischen Zustand und/oder dem Verzehr von Nahrungsmitteln und/oder Getränken und der Medikamenteneinnahme) im Hinblick auf die vorgeschlagene körperliche Aktivität und/oder den Verzehr von Nahrungsmitteln oder Getränken modifiziert.
  • In bestimmten Ausführungsformen enthält das Mobiltelefon 110 oder mehrere Überwachungsgeräte 130A, 130B, 130C, die in das Telefon 110 integriert sind. Beispielsweise enthält das Mobiltelefon 110 in bestimmten Ausführungsformen einen Beschleunigungsmesser und/oder ein Gyroskop, die die Bewegung des Benutzers des Mobiltelefons 110 überwachen können, wie z. B. indem sie die Anzahl der zurückgelegten Schritte, der ausgeübten körperlichen Aktivitäten (während das Mobiltelefon 110 am oder in der Nähe des Körpers getragen wird, wie z. B. unter Verwendung eines Armbands), wie z. B. die Anzahl der zurückgelegten Schritte, Läufe, Sprünge, Sprints, jeweils mit einem Grad oder einer Intensitätsniveau verfolgen oder aufzeichnen. In bestimmten Ausführungsformen ist das Mobiltelefon 110 als eine Konfiguration einer Armbanduhr bereitgestellt, wobei das Mobiltelefon 110 zusätzlich zum Beschleunigungsmesser oder Gyroskop ein Herzfrequenzüberwachungsgerät enthält. In bestimmten Ausführungsformen, in denen das Mobiltelefon 110 als Armbanduhr konfiguriert ist, integriert das Mobiltelefon 110 einen Glukosesensor - in vivo, dermal, transdermal oder optisch, so dass die Echtzeit-Überwachungsfunktion des Glukosespiegels in das Mobiltelefon 110 integriert ist.
  • Immer noch Bezug nehmend auf das System 100 zur Analyse von Glukosereaktionsdaten kann in bestimmten Ausführungsformen eine Hub-Vorrichtung (nicht gezeigt) in das System 100 integriert sein, die konfiguriert ist, mit einem oder mehreren der Überwachungsgeräte 130A, 130B, 130C zum Datenempfang, Speichern und nachfolgende Kommunikation zu anderen Vorrichtungen im System 100 über das Datennetz 140 oder in direkter Kommunikation mit anderen Vorrichtungen im System 100, wie z. B. dem Mobiltelefon 110 und/oder dem Medikamentenverabreichungsvorrichtung 120, zu kommunizieren. In bestimmten Ausführungsformen ist die Hub-Vorrichtung als Durchgangs-Relaisvorrichtung oder Adapter konfiguriert, die/der Informationen von einem oder mehreren der Überwachungsgeräte 130A, 130B, 130C sammelt und entweder in Echtzeit oder nach einer bestimmten Zeitspanne der Datensammlung die gesammelten Daten an den Server 150, das Mobiltelefon 110 und/oder die Medikamentenverabreichungsvorrichtung 120 überträgt oder sendet. In bestimmten Ausführungsformen ist die Hub-Vorrichtung physisch als kleine, diskrete Vorrichtung in Form eines Schlüsselanhängers oder Dongles ausgeführt, das der Benutzer oder der Patient in der Nähe des Körpers trägt und das direkt mit den am Körper getragenen Überwachungsgeräten 130A, 130B, 130C kommuniziert. Ferner können, obwohl im System 100 zur Analyse der Glukosereaktionsdaten drei Überwachungsgeräte 130A, 130B und 130C gezeigt sind, im Rahmen der vorliegenden Offenbarung zusätzliche Sensoren zur Überwachung anderer oder verwandter Parameter des Benutzers vorgesehen sein. Beispielsweise enthalten die Parameter, die durch einen oder mehrere Sensoren überwacht oder gemessen werden, Schweißmenge, Temperatur, Herzfrequenzvariabilität (HRV), neuronale Aktivität, Augenbewegung, Sprache und dergleichen, ohne jedoch darauf beschränkt zu sein. Jeder oder mehrere dieser überwachten Parameter werden in bestimmten Ausführungsformen des Systems 100 zur Analyse von Glukosereaktionsdaten als Eingangsparameter für das Analysemodul 110B des Mobiltelefons 110 verwendet, wie nachstehend näher diskutiert ist.
  • 2A ist ein Blockdiagramm des Analysemoduls 110B von 1 in Übereinstimmung mit einer Ausführungsform der vorliegenden Offenbarung. Wie in bestimmten Ausführungsformen gezeigt, enthält das Analysemodul 110B des Mobiltelefons 110 eine Dateneingabeschnittstelle 111 als Schnittstelle zu oder zum Empfangen von Dateneingaben von einem oder mehreren Überwachungsgeräten 130A, 130B, 130C, die außerhalb des Mobiltelefons 110 oder intern und innerhalb des Mobiltelefons 110 angeordnet sind. Die über die Dateneingabeschnittstelle empfangenen Daten und/oder Informationen werden für die Glukosereaktionstrainingseinheit 112 zur Verfügung gestellt. In bestimmten Ausführungsformen kategorisiert die Glukosereaktionstrainingseinheit 112 die empfangenen Eingabedaten in entsprechende Kategorien, die vom Typ der Daten und der dem Typ oder den Typen der den Daten zugeordneten Parameter abhängen. Wenn beispielsweise der Typ der Daten einer körperlichen Aktivität wie z. B. einem 90-minütigen Lauf zugeordnet ist, enthalten die den Daten zugeordneten Parameter zusätzlich zur Dauer auch den Grad der Laufintensität (Laufen, Joggen, Sprinten), der in bestimmten Ausführungsformen unter Verwendung der überwachten Herzfrequenzinformationen (falls verfügbar) oder des Lauftempos, des aeroben oder anaeroben Laufs, des Wettkampf- oder Nicht-Wettkampflaufs (Trainingslaufs) oder irgendeiner anderen geeigneten Kategorie, die der körperlichen Aktivität (z. B. dem Lauf) zugeordnet ist, bestimmt werden kann. In bestimmten Ausführungsformen können auch andere Typen von Daten, die der körperlichen Aktivität zugeordnet sind, verwendet werden, z. B. die Anzahl der Schritte, die während einer festgelegten Zeitspanne zurückgelegt wurden.
  • Mit den kategorisierten Daten, die von einem oder mehreren Überwachungsgeräten 130A, 130B, 130C (1) empfangen werden, wird die den Glukosespiegelinformationen entsprechende Zeit abgerufen (oder von dem Glukoseüberwachungsgerät 130C (1) empfangen), und die Glukosereaktionstrainingseinheit 112 führt eine dynamische Glukosereaktionsmustererkennung aus, beispielsweise basierend auf den in der App zur Ausführung auf dem Mobiltelefon 110 vorgesehenen Analysewerkzeugen. Ferner ist in bestimmten Ausführungsformen die Glukosereaktionstrainingseinheit 112 konfiguriert, das bestimmte Glukosereaktionsmuster basierend auf Echtzeitinformationen von einem oder mehreren Überwachungsgeräten (1) dynamisch und kontinuierlich zu aktualisieren.
  • In bestimmten Ausführungsformen verbessert sich die Genauigkeit des Glukosereaktionsmusters mit zunehmender Datenmenge über eine längere Zeitspanne (und/oder mit höherer Auflösung/überwachter Frequenz). Die glykämische Reaktion einer Person auf Eingaben kann sich jedoch im Laufe der Zeit ändern. Bestimmte Ausführungsformen adressieren dieses Problem, indem sie die Datenmenge nach Ablauf einer vorgegebenen Zeitspanne „zurücksetzen“ oder löschen. In anderen Ausführungsformen erkennt die App, dass das Überschreiten einer eingestellten Datensammlungsdauer potenziell zu Fehlern bei der Genauigkeit des Glukosereaktionsmusters führt, wobei in diesem Fall bei Erreichen dieses Zeitpunkts die App konfiguriert ist, zurückzusetzen und in die Datensammlungszeitspanne einzutreten, während der eine durch den Benutzer gesteuerte Analyse der Glukosereaktionsrückmeldung für wenigstens die kleinste Anzahl von Tagen oder Stunden, für die Überwachungsdaten zum Analysieren und Bestimmen des neuen Glukosereaktionsmusters erforderlich sind, zu deaktivieren. Wie nachstehend näher beschrieben, ist die App in bestimmten Ausführungsformen konfiguriert, ein „Vergessensfenster“ einzurichten, in dem die benutzergesteuerte Analyse der Glukosereaktionsrückmeldung kontinuierlich aktualisiert wird. In bestimmten Ausführungsformen enthält das „Vergessensfenster“ eine oder mehrere vorgegebene Zeitspannen, die durch die App eingestellt sind oder auf Benutzereingaben basieren, oder wird alternativ basierend auf der Glukosereaktionsrückmeldung dynamisch modifiziert.
  • Wieder Bezug nehmend auf 2A wird in bestimmten Ausführungsformen die Ausgabe der Glukosereaktionstrainingseinheit 112 für die Datenausgabeschnittstelle 113 bereitgestellt, die mit der Benutzerschnittstelle 110A des Mobiltelefons 110 betriebstechnisch gekoppelt ist, um dem Benutzer des Mobiltelefons 110 anzuzeigen, auszugeben oder anderweitig mitzuteilen oder ihn aufzufordern, dass die App die anfängliche oder vorläufige Analyse abgeschlossen hat und betriebsbereit ist, um die Glukosereaktion auf Eingaben zu analysieren, wie z. B. die Anzahl der zurückgelegten Schritte, Fahrradfahrten, Läufe, Wanderungen, Mahlzeiten, für die der Benutzer oder Patient die entsprechende Glukosereaktion identifizieren möchte, um rechtzeitig (korrigierende oder proaktive) Maßnahmen zu ergreifen, um die glykämische Kontrolle aufrechtzuerhalten und unerwünschte Glukoseschwankungen zu minimieren.
  • 2A stellt den Informationsfluss im Zusammenhang mit dem Analysemodul 110B von 1, das die Datenkategorisierung, die Mustererkennung und die dynamische Aktualisierung ausführt, in Übereinstimmung mit einer Ausführungsform der vorliegenden Offenbarung dar. Bezug nehmend auf 2A ist in bestimmten Ausführungsformen das Analysemodul 110B des Mobiltelefons 110 (1, 2A), das die App ausführt, konfiguriert, die empfangenen Eingabedaten (210) zu kategorisieren (220), wie z. B. den Typ der Aktivität, das Intensitätsniveau, die Dauer, den Ort, die Höheninformationen, den Glukosespiegel, die Herzfrequenzinformationen, die Informationen über die Herzfrequenzvariabilität (HRV), die Sauerstoffsättigung, die Schweißmenge, die Temperatur, die Informationen über die Medikamenteneinnahme, den Typ der Medikamente, die Dauer der Medikamentenverabreichung, die Informationen über die Tageszeit, die der Medikamentenverabreichung entspricht, die Informationen über die Kohlenhydratzufuhr, die Informationen über den Alkoholkonsum oder eine beliebige andere damit zusammenhängende Metrik für den speziellen überwachten Zustand, der den empfangenen Eingabedaten entspricht.
  • Mit den empfangenen Informationen führt die Glukosereaktionstrainingseinheit 112 (2A) in bestimmten Ausführungsformen eine dynamische Erkennung des Glukosereaktionsmusters aus und aktualisiert das Muster (220), wenn neue oder zusätzliche Daten empfangen werden. Wie nachstehend genauer diskutiert stellt in bestimmten Ausführungsformen vor der Ausgabe des Glukosereaktionsprofils (230) basierend auf dem bestimmten Muster die Glukosereaktionstrainingseinheit 112 des Analysemoduls 110B im Mobiltelefon 110 sicher, dass ausreichend Eingabedaten analysiert worden sind. Sobald dieser Punkt erreicht ist und überwachte Informationen über wenigstens eine minimale Zeitdauer empfangen und analysiert worden sind, ist die App in bestimmten Ausführungsformen konfiguriert, eine Meldung für den Benutzer zu erzeugen (beispielsweise als ausgegebene Anforderung auf der Benutzerschnittstelle 110A des Mobiltelefons 110), wenn sie Informationen bestimmt, die für den Benutzer nützlich sein können. Meldungen können automatisch vorgenommen werden, wie z. B. eine Alarmmeldung; oder durch den Benutzer bei Verwendung der App wie z. B. Zugreifen auf die Informationen aus einem Menü abgerufen werden; oder angezeigt werden, wenn der Benutzer das nächste Mal mit der App interagiert. Ein Beispiel für nützliche Informationen ist, dass der Glukosespiegel des Benutzers in der Nacht typischerweise um 20 % niedriger ist, wenn er am Vortag Sport getrieben hat. Der Benutzer kann diese Informationen verwenden, um sicherzustellen, dass er keine nächtliche Hypoglykämie erleidet, indem er beispielsweise seine Insulinabgabe während dieser Zeit reduziert oder vor dem Schlafengehen eine Zwischenmahlzeit zu sich nimmt.
  • In einem weiteren Aspekt der vorliegenden Offenbarung fordert die App den Benutzer auf, kontextbezogene Informationen einzugeben, wenn sie bestimmten Zustände detektiert, die die Eingabe von mehr Informationen rechtfertigen. Die eingegebenen Informationen werden durch die Routine, die die Eingabedaten analysiert, verwendet, um die glykämischen Reaktionsmuster zu bestimmen. Die App enthält Routinen, die Zustände erkennen, beispielsweise wenn Mahlzeiten stattgefunden haben oder Aktivitäten stattgefunden haben, und benachrichtigt den Benutzer, wenn diese Zustände detektiert werden. Ausführungsformen der Benutzerbenachrichtigung enthalten eine oder mehrere aus einer Symbolanzeige, einer hörbaren oder Textausgaben-Benachrichtigung oder einer Vibrationsbenachrichtigung, die konfiguriert sind, den Benutzer aufzufordern, mehr Informationen über den detektierten Zustand bereitzustellen. Beispiele für den einen oder die mehreren Zustände enthalten eine detektierte Bewegung, eine detektierte Änderungsrate des Glukoseanstiegs oder -abfalls, die einen eingestellten Schwellenwert übersteigt oder sich beschleunigt, eine detektierte Spitze oder Änderung der Herzfrequenz, der Schweißabsonderung oder der Temperatur. Alternativ kann die App anstelle einer Alarmbenachrichtigung eine Benachrichtigung bereitstellen, wenn der Benutzer das nächste Mal mit der App oder dem Smartphone interagiert.
  • Noch einmal Bezug nehmend auf die Figuren ist die Glukosereaktionstrainingseinheit 112 des Analysemoduls 110B in bestimmten Ausführungsformen konfiguriert, eine dynamische Erkennung von Glukosereaktionsmustern basierend auf Glukosemetriken auszuführen, die die Auswirkungen einer speziellen Aktivität oder eines speziellen Ereignisses für einen spezifischen Benutzer oder Patienten charakterisieren, beispielsweise die Auswirkungen einer speziellen Aktivität oder eines speziellen Ereignisses (beispielsweise einer Mahlzeit oder der Medikamenteneinnahme) für spezifische Tageszeitspannen, die während und nach einer Aktivität auftreten. Unterschiedliche Glukosemetriken wie z. B. der Mittelwert oder Median des Glukosespiegels können als die Glukosemetrik verwendet werden. In bestimmten Ausführungsformen ist die Verwendung von Median-Glukoseinformationen im Vergleich zum mittleren Glukosespiegel weniger anfällig für Ausreißer in den Glukosedaten.
  • In bestimmten Ausführungsformen bestimmt die Glukosereaktionstrainingseinheit 112 den Median des kontinuierlich überwachten Glukosespiegels während einer Nachtzeitspanne nach einer speziellen Aktivität, wie beispielsweise von 22 Uhr bis 3 Uhr oder von 3 Uhr bis 8 Uhr oder von 22 Uhr bis 8 Uhr. In bestimmten Ausführungsformen verwendet die Glukosereaktionstrainingseinheit 112 den Median des Glukosespiegels, der während der Tageszeitspannen bestimmt wird, wie z. B. von 8 bis 22 Uhr, von 8 bis 18 Uhr, von 9 bis 17 Uhr, von 17 bis 22 Uhr oder in beliebigen anderen geeigneten Bereichen von Tageszeitspannen. In bestimmten Ausführungsformen werden die Median-Glukoseinformationen in Bezug auf eine spezielle Aktivität bestimmt, so dass der Median des Glukosespiegels für eine Zeitspanne nach Beginn der Aktivität (2 Stunden nach Beginn der Aktivität) für eine spezifische Zeitdauer (z. B. 12 Stunden) bestimmt wird. In bestimmten Ausführungsformen variieren die relative Startzeit für die Bestimmung des Medians des Glukosespiegels und die Dauer der Zeitspanne in Abhängigkeit von dem Typ der Aktivität und/oder anderen Parametern, die mit der Aktivität zusammenhängen oder dem Benutzer oder dem Patienten zugeordnet sind.
  • Obwohl sich die offenbarten Ausführungsformen auf die Aktivität während der Tageszeitspanne konzentrieren, die sich auf den nächtlichen Glukosespiegel auswirkt, gilt eine ähnliche Analyse im Rahmen der vorliegenden Offenbarung für alle Zeitspannen, die durch feste Tageszeiten definiert sind, wie z. B. die Aktivität am Morgen (z. B. 5 bis 12 Uhr), die sich auf den Glukosespiegel nach dem Abendessen (z. B. 18 bis 22 Uhr) auswirkt. Alternativ wird die hier offenbarte Analyse im Rahmen der vorliegenden Offenbarung auf Zeitspannen angewandt, die durch regelmäßig auftretende Ereignisse definiert sind. Beispielsweise wird die Aktivitätsdatenmenge aus Zeitspannen erzeugt, die jeden Tag als 5 Uhr morgens bis zum Frühstück definiert sind, wobei das Frühstück jeden Tag eine andere Zeit ist und durch eine durch den Benutzer eingegebene oder erzeugte Angabe oder durch einen Algorithmus, der Glukosedaten verarbeitet, um den Beginn der Mahlzeit zu bestimmen, oder durch eine aufgezeichnete schnell wirkende Insulininfusion bestimmt wird. Beispielhafte Ausführungsformen für das algorithmischen Detektieren des Beginns einer Mahlzeit sind in der WO 2015/153482 (mit der internationalen Anmeldung Nr. PCT/US2015/023380 , eingereicht am 30. März 2015) offenbart, die dem Anmelder der vorliegenden Anmeldung zugewiesen wurde und deren Offenbarung durch Bezugnahme in vollem Umfang für alle Zwecke mit aufgenommen ist.
  • Ferner kann die betroffene Zeitspanne auch als die Zeitspanne definiert werden, die mit dem Detektieren einer Mahlzeit beginnt, z. B. mit dem Beginn des Abendessens bis Mitternacht. Außerdem ist im Rahmen der vorliegenden Offenbarung eine hybride Herangehensweise bereitgestellt, bei der die Zeitspanne der Aktivität als eine feste Tageszeitspanne bestimmt wird, während die betroffene Zeitspanne durch spezielle Zeiten des Beginns einer Mahlzeit bestimmt wird. Im Rahmen der vorliegenden Offenbarung sind die Auswirkungen auf mehrere Zeitspannen, wie z. B. nach dem Frühstück, nach dem Mittagessen, nach dem Abendessen und über Nacht, enthalten. Ferner kann die Analyse auf Zeitspannen über mehrere Tage erweitert werden, beispielsweise das Bestimmen, wie sich eine Aktivität, die in einer Zeitspanne am Morgen des ersten Tages stattfindet, auf die Glukosespiegel eines folgenden Tages auswirkt.
  • Zusätzlich können im Rahmen der vorliegenden Offenbarung zwei oder mehr Aktivitätstypen zur Analyse verwendet werden. Ein nicht einschränkendes Beispiel erfordert a) dass die Benutzer Kontextinformationen zu den Aktivitäten, die sie ausführen, in die Benutzerschnittstelle (UI) der App (z. B. die Dateneingabeschnittstelle 111 des Analysemoduls 110B (2A)) eingeben oder b) das Verwenden eines oder mehrerer Sensoren, um zwischen unterschiedlichen Typen von Aktivitäten zu unterscheiden, oder c) eine alternative Detektionstechnologie, um zwischen unterschiedlichen Typen von Aktivitäten zu unterscheiden. Für die vorstehende Herangehensweise mit durch den Benutzer eingegebenen Informationen (a) ist die App konfiguriert, eine Benutzerschnittstelle zu präsentieren (wie beispielsweise in 3 gezeigt), um zu ermöglichen, dass Benutzer Aktivitätsinformationen eingeben. In bestimmten Ausführungsformen können Benutzer Informationen aus einer Checkliste oder als Freitexteingabe eingeben. Zusätzlich ist die App konfiguriert zu detektieren, wenn die gemessene Aktivität einen vordefinierten Schwellenwert überschreitet, und den Benutzer aufzufordern, diese Informationen einzugeben. Für die Herangehensweise unter Verwendung eines oder mehrerer Sensoren zum Detektieren verschiedener Aktivitäten (Herangehensweise (b)) kann eine Kombination aus Schrittzähler, Herzfrequenzsensor und Ortssensor verwendet werden, wobei ein oder mehrere Schwellenwerte und eine definierte Logik zum Identifizieren von Körperbewegung, Intensität, Geschwindigkeit und Höhenänderung konfiguriert sind. Schließlich kann für die Herangehensweise unter Verwendung einer alternativen Detektionstechnologie (Herangehensweise (c)) ein Ortssensor verwendet werden, um beispielsweise zu detektieren, wenn sich der Benutzer im Fitnessstudio zum Gewichtheben befindet, so dass die gemessene Aktivität anaerober Aktivität zugeordnet werden kann.
  • Wenn ein Attribut des Aktivitätstyps einer gemessenen Aktivitätsmetrik zugeordnet ist, kann die nachstehend beschriebene Analyse für jeden Aktivitätstyp ausgeführt werden. Falls beispielsweise zwei Aktivitätstypen verwendet werden, wie z. B. aerob und anaerob, kann die nachstehend beschriebene Analyse verwendet werden, um die Auswirkungen der aeroben Aktivität auf zukünftige Glukosespiegel zu bestimmen und unabhängig davon die Auswirkungen der anaeroben Aktivität auf zukünftige Glukosespiegel zu bestimmen. Im Rahmen der vorliegenden Offenbarung können eine oder mehrere Kombinationen von Aktivitäten und Analysezeitspannen erreicht werden, wie z. B. Tage mit beiden Aktivitätstypen, die einen neuen Aktivitätstyp angeben.
  • In bestimmten Ausführungsformen bestimmt die Glukosereaktionstrainingseinheit 112 den Median des Glukosespiegels, die Aktivität und andere zugehörige Parameter für mehrere Tagzeitspannen, und der Median des Glukosespiegels wird für die zugeordneten Nachtzeitspannen, die auf die Tagzeitspannen folgen, bestimmt. In bestimmten Ausführungsformen bestimmt die Glukosereaktionstrainingseinheit 112 die Median des Glukosespiegels für die Tageszeitspannen für Tage ohne Aktivität. Insbesondere ist die Glukosereaktionstrainingseinheit 112 in bestimmten Ausführungsformen konfiguriert, dem Benutzer oder Patienten zu bestätigen, dass während dieser Tage ohne signifikante Aktivität keine signifikante Aktivität (z. B. ein Sportereignis, die Anzahl der während einer Tageszeitspanne (12 Stunden, 18 Stunden, 24 Stunden oder andere geeignete Zeitspannen) zurückgelegten Schritte, ein Lauf, Fahrradfahren, Wandern usw.) stattgefunden hat. Mit Zeitspannen, die zwischen diesen Tagen mit signifikanter Aktivität und den Tagen ohne signifikante Aktivität analysiert in bestimmten Ausführungsformen die Glukosereaktionstrainingseinheit 112 die empfangenen Eingabedaten (siehe 2A), um die Auswirkungen spezieller Aktivitäten auf den nächtlichen Glukosespiegel zu charakterisieren und ein dynamisches Glukosereaktionsmuster zu erzeugen - das heißt zu beurteilen, wie der Körper des Benutzers oder Patienten auf die spezifischen Aktivitäten reagiert, und um geeignete Therapieempfehlung zu erzeugen und für den Benutzer oder den Patienten bereitzustellen, wenn der Benutzer entscheidet, die gleichen Aktivitäten mit gleichen oder ähnliche Parametern wie z. B. Dauer, Intensitätsniveau und dergleichen auszuüben.
  • 3 ist ein beispielhafter Screenshot der Dateneingabeschnittstelle 111 (2A) in Übereinstimmung mit einer Ausführungsform der vorliegenden Offenbarung. Bezug nehmend auf 3 wird in bestimmten Ausführungsformen dem Benutzer ein angepasster Dateneingabebildschirm zur Eingabe von Informationen zur Analyse durch die App präsentiert. In einem nicht einschränkenden Beispiel werden eine Gruppe von Optionsschaltflächen auf der Benutzerschnittstelle (beispielsweise des Mobiltelefons, das die App ausführt) mit einem oder mehreren auf Standardaktivitäten bezogene Parameter wie z. B. Anzahl der Schritte, Laufen, Joggen, Wandern, Radfahren, Schwimmen, Schlafen und/oder auf Nahrungsmittel/Getränke bezogene Parameter wie z. B. Kaffee, Alkohol mit Zucker, Alkohol ohne Zucker, Müsli, Speck, Toast usw. vorbelegt, wobei die Option besteht, diese im Laufe der Zeit zu modifizieren, wenn durch den Benutzer neue angepasste Antworten/Rückmeldungen oder Reaktionen hinzufügt werden. Dies ermöglicht es dem Benutzer, schnell die gebräuchlichsten oder am häufigsten verwendeten Aktivitätstypen eingeben, ohne die Flexibilität zu verlieren, andere Typen von benutzerdefinierten Daten einzugeben.
  • Im Rahmen der vorliegenden Offenbarung stellt die App mehrere Mittel für Benutzer oder Patienten bereit, Informationen über Mahlzeiten und Aktivitäten einzugeben. Der Patient kann diese Informationen proaktiv eingeben. Dies ist vor allem bei der Eingabe von Mahlzeiten nützlich, wo ein Foto der Mahlzeit eingegeben werden kann. Dies kann eine viel bequemere und unterhaltsamere Art für Benutzer oder Patienten sein, Informationen über Mahlzeiten einzugeben und zu betrachten. Weitere Einzelheiten sind in der vorläufigen Patentanmeldung Nr. mit dem Titel „Systems, Devices, and Methods For Meal Information Collection, Meal Assessment, and Analyte Data Correlation“ [Anwalt-Aktenzeichen A0130.0134.P2] zu finden, die gleichzeitig mit dieser Anmeldung eingereicht wurde. Wie vorstehend diskutiert, kann in bestimmten Ausführungsformen die App eine Mahlzeit oder eine Aktivitätsepisode detektieren und den Patienten zu weiteren Informationen auffordern, wie in WO 2015/153482 offenbart, die durch Bezugnahme in ihrer Gesamtheit für alle Zwecke mit aufgenommen ist.
  • Für Benutzer oder Patienten, die Insulin oder andere blutzuckerverändernde Medikamente verwenden, kann die App konfiguriert sein, automatisch benutzer-/patientenspezifische Daten über die Verwendung dieser Medikamente abzurufen oder eine manuelle Eingabe des Patienten in das System zu ermöglichen.
  • Im Rahmen der vorliegenden Offenbarung ist die App konfiguriert, das Experimentieren und Verstehen zu erleichtern, indem sie eine Ausgabe einer Mahlzeiten/Aktivitätsanalyse bereitstellt. In bestimmten Ausführungsformen wird die Ausgabe als ein oder mehrere Berichte auf dem Smartphone oder in einem Webbrowser, die von einem Server abgerufen werden, präsentiert. Der eine oder die mehreren Berichte führen die durch Glukoseabweichungen definierten Mahlzeitenepisoden auf. Die Liste der Mahlzeitenepisoden kann nach Datum und Uhrzeit der Episode oder nach dem Schweregrad der Glukoseabweichung sortiert sein, wie z. B. gemessen durch den Spitzenglukosespiegel, an der Glukoseveränderung im Verlauf der Abweichung oder nach dem durch die Glukose und die Dauer der Abweichung definierten Bereich. Jede Zeile in dem/den ausgegebenen Analysebericht(en) enthält Informationen, die der Mahlzeitenepisode zugeordnet sind. In bestimmten Ausführungsformen enthält/enthalten der/die Bericht(e) eines oder mehrere der Fotos oder andernfalls Texteinträge, die dieser Mahlzeitenepisode, dem Datum und der Uhrzeit sowie einer oder mehreren Metriken des Schweregrads der Mahlzeit zugeordnet sind. In bestimmten Ausführungsformen enthält/enthalten der/die Bericht(e) auch irgendwelche zugehörigen Aktivitätsinformationen innerhalb einer bestimmten Zeitspanne der Mahlzeit. Zu viele Informationen auf dieser Liste sind möglicherweise zu unübersichtlich, um praktisch zu sein. Somit stellt die App in bestimmten Ausführungsformen für den Benutzer oder Patienten die Möglichkeit bereit, die Präsentation der Informationen zu manipulieren, wie z. B. Auswählen der Zeile und Präsentieren eines Popup-Fensters mit einem Bildschirm mit genaueren Informationen. Ein solcher Bildschirm mit genaueren Informationen stellt auch eine Glukosekurve bereit, die der Mahlzeitenepisode zugeordnet ist. Auf diese Weise können die Mahlzeiten, die sich am stärksten auf Glukosespiegel auswirken, in einer übersichtlichen Präsentation hervorgehoben werden, um ein besseres Verständnis für die Auswirkungen spezieller Nahrungsmittel auf den Glukosespiegel zu schaffen, so dass der Benutzer oder der Patient Nahrungsmittel, die seiner Gesundheit schaden, vermeiden oder einschränken kann.
  • In bestimmten Ausführungsformen ist die App auch konfiguriert zu lernen, wie sich Nahrungsmittel und Aktivität auf den zukünftigen Glukosespiegel auswirken können. Wenn auf der oben beschriebenen anpassbaren Checkliste Nahrungsmittel und Aktivitäten ausgewählt werden, werden die Glukosedaten diesen Auswahlen zugeordnet, und es können mehrere Glukosedatensätze einem einzigen Eintragstyp zugeordnet werden. Außerdem können mehrere Glukosedatensätze Kombinationen aus einem oder mehreren Mahlzeiteneintragstypen und einem oder mehreren Aktivitätseintragstypen zugeordnet werden. Die Glukosedatensätze können auf eine oder mehrere verschiedene Arten verarbeitet werden, um die Auswirkungen der Episode auf Glukosespiegel zu charakterisieren.
  • In bestimmten Ausführungsformen wird der Median des Glukosespiegels aus allen Datensätzen bestimmt und mit dem Median aller Zeitspannen der erfassten Glukosedaten verglichen. Alternativ kann diese Herangehensweise auch auf einzelne Tageszeitspannen angewandt werden, wie z. B. vor dem Frühstück, nach dem Frühstück, nach dem Mittagessen, nach dem Abendessen und nach dem Schlafengehen. Im Laufe der Zeit ist die App konfiguriert, mit einem bestimmten Vertrauensniveau die glykämischen Auswirkungen für einen vorgegebenen Eintragungstyp oder eine Kombination von Eintragungstypen zu schätzen. Beispielsweise kann ein spezifischer Aktivitätstyp „Fahrradfahren bergauf“ über 1 oder mehrere Stunden Aktivität einem Anstieg der Insulinsensitivität des Patienten um 20 % für die nächsten 24 Stunden zugeordnet sein - die Veränderung der Insulinresistenz wird einfach der Veränderung des Medians der Glukose zugeordnet. Diese Zuordnung kann durch das System vorgenommen werden, wenn das System detektiert, dass das statistische Vertrauensniveau einen vorgegebenen Betrag überschritten hat. Diese Informationen können die im Bolusrechner in den nächsten 24 Stunden verwendeten Parameter verändern. Alternativ kann die App die dem Fahrradfahren zugeordnete Aktivität detektieren und den Patienten beispielsweise vor dem Schlafengehen warnen, damit er eine Zwischenmahlzeit zu sich nehmen kann, um eine Hypoglykämie in dieser Nacht zu vermeiden.
  • Ein weiterer Typ eines ausgegebenen Berichts, der durch die App präsentiert wird, enthält eine Liste von Aktivitäten, die nach dem Median des Glukosespiegels über die Zeitspanne nach der Aktivität, wie z. B. 24 Stunden, sortiert werden kann. Die Liste kann darstellen, welche Aktivitäten die größten Auswirkungen auf den zukünftigen Glukosespiegel besitzen. Ferner kann ein weiterer Typ eines Berichts eine Liste von Nahrungsmittel- und Aktivitätskombinationen auf die gleiche Weise wie beschrieben präsentieren. Diese Herangehensweisen lassen sich ohne weiteres auf andere Sensordaten und andere kontextbezogene Eingaben wie z. B. Krankheit, Alkoholkonsum, Kaffeekonsum usw. ausweiten.
  • 4 ist ein Ablaufplan, der eine Routine zum Bestimmen der Auswirkungen der Tagesaktivität auf den nächtlichen Glukosespiegel in Übereinstimmung mit einer Ausführungsform der vorliegenden Offenbarung darstellt. Bezug nehmend auf 4 enthält in einer Ausführungsform das Bestimmen der Auswirkungen der Tagesaktivität auf den nächtlichen Glukosespiegel das Erzeugen einer Metrik zum Definieren eines nächtlichen Glukosespiegels für alle Tage ohne signifikante Aktivität über eine vorgegebene Zeitspanne (z. B. 2 Wochen, einen Monat oder irgendeine andere geeignete Zeitspanne) (410). Danach wird eine Metrik erzeugt, um den nächtlichen Glukosespiegel für jeden Tag mit signifikanter Aktivität in der vorgegebenen Zeitspanne zu definieren (420). Im Rahmen der vorliegenden Offenbarung basiert die Bestimmung von Tagen mit oder Tagen ohne signifikante Aktivität darauf, dass eine oder mehrere Aktivitätsmetriken einen definierten Schwellenwert überschreiten (z. B. Anzahl der Schritte überschreitet einen Schwellenwert innerhalb einer Zeitspanne von 24 Stunden). Wieder Bezug nehmend auf 4 wird nach dem Erzeugen der Metrik zum Definieren des nächtlichen Glukosespiegels für alle Tage ohne signifikante Aktivität und mehrerer Metriken zum Definieren des nächtlichen Glukosespiegels für jeden Tag mit signifikanter Aktivität jede der mehreren Metriken zum Definieren des nächtlichen Glukosespiegels für jeden Tag mit signifikanter Aktivität mit der Metrik für alle Tage ohne signifikante Aktivität modifiziert (430). Dann wird eine Korrelation zwischen jeder modifizierten Metrik für Tage mit signifikanter Aktivität und der Metrik für alle Tage ohne signifikante Aktivität bestimmt (440), und danach werden bei einem vorgegebenen Aktivitätsniveau die Auswirkungen des Aktivitätsniveaus auf den nächtlichen Glukosespiegel basierend auf der bestimmten Korrelation bestimmt und dem Benutzer präsentiert (450).
  • 5 ist ein Ablaufplan, der eine weitere Routine zum Bestimmen der Auswirkungen der Tagesaktivität auf den nächtlichen Glukosespiegel in Übereinstimmung mit einer Ausführungsform der vorliegenden Offenbarung darstellt. Bezug nehmend auf 5 enthält in einer Ausführungsform das Bestimmen der Auswirkungen der Tagesaktivität auf den nächtlichen Glukosespiegel das Erzeugen einer Metrik zum Definieren einer Tag-Nacht-Änderung des Glukosespiegels für alle Tage ohne signifikante Aktivität über eine vorgegebene Zeitspanne (beispielsweise 2 Wochen, einen Monat oder andere geeignete Zeitspannen) (510). Danach werden mehrere Metriken erzeugt, um die Tag-Nacht-Änderung des Glukosespiegels für jeden entsprechenden Tag mit signifikanter Aktivität zu definieren (520). Mit einer Metrik für die Tag-Nacht-Änderung des Glukosespiegels für jeden Tag mit signifikanter Aktivität und einer Metrik für die Tag-Nacht-Änderung des Glukosespiegels für alle Tage ohne signifikante Aktivität wird jede Tagesmetrik, die die Tag-Nacht-Änderung des Glukosespiegels für Tage mit signifikanter Aktivität definiert, mit der Metrik für die Tag-Nacht-Änderung des Glukosespiegels für Tage ohne signifikante Aktivität modifiziert (530). Dann wird eine Korrelationsbeziehung zwischen jeder modifizierten Metrik für Tage mit signifikanter Aktivität und der Metrik für alle Tage ohne signifikante Aktivität bestimmt (540). Mit der bestimmten Korrelation werden für ein vorgegebenes Aktivitätsniveau die Auswirkungen des Aktivitätsniveaus auf den nächtlichen Glukosespiegel basierend auf der bestimmten Korrelation bestimmt und dem Benutzer präsentiert (550).
  • 6 ist ein Ablaufplan, der Identifizierung und Charakterisierung eines Glukosereaktionsmusters für eine spezielle Aktivität basierend auf dem absoluten nächtlichen Glukosespiegels in Übereinstimmung mit einer Ausführungsform der vorliegenden Offenbarung darstellt. Bezug nehmend auf 6 bestimmt die Glukosereaktionstrainingseinheit 112 des Analysemoduls 110B (2A) basierend auf den von einem oder mehreren der Überwachungsgeräte 130A, 130B, 130C empfangenen Eingangsdaten, ob eine ausreichende Datenmenge über die Dateneingabeschnittstelle 111 (2A) empfangen worden ist. In bestimmten Ausführungsformen basiert die Datenmenge, die zum Ausführen der Analyse des Glukosereaktionsmusters und der Charakterisierung ausreicht, auf Daten, die über eine vorgegebene Anzahl von Tagen mit signifikanter Aktivität und eine vorgegebene Anzahl von Tagen ohne signifikante Aktivität (gemeinsam „X“) empfangen wurden. In bestimmten Ausführungsformen wird basierend auf einem oder mehreren aus Dauer der Aktivität, dem Kalorienverbrauch während der Dauer der Aktivität, dem Intensitätsniveau der Aktivität, ob die Aktivität eine aerobe oder eine anaerobe Aktivität ist, oder dem Typ der Aktivität (beispielsweise wettkampforientierte Aktivität oder nicht wettkampforientierte Trainingsaktivität) bestimmt, ob eine spezielle Aktivität als signifikante Aktivität einzustufen ist. Beispielsweise bestimmt die Glukosereaktionstrainingseinheit 112 in bestimmten Ausführungsformen, dass die Eingabedaten von einem oder mehreren Überwachungsgeräten 130A, 130B, 130C (1) für drei Tage mit signifikanter Aktivität und drei Tage ohne signifikante Aktivität eine für die Analyse ausreichende Datenmenge bereitstellen.
  • In einer alternativen Ausführungsform basiert die Bestimmung der Hinlänglichkeit der Daten auf dem Grad der Sicherheit des geschätzten glykämischen Musters anstatt auf einer vorgegebenen Anzahl von Datentagen oder Datenmenge.
  • Bezug nehmend auf 6 bestimmt die Glukosereaktionstrainingseinheit 112 (2A) mit bestimmten der Anzahl der für die Analyse benötigten Eingabedaten (610) den Median des Glukosespiegels aller nächtlichen Median-Glukosespiegel für die bestimmte Anzahl von Tagen ohne signifikante Aktivität (Gwo) (620). In bestimmten Ausführungsformen ist die Anzahl der Tage ohne signifikante Aktivität (Gwo) definiert als die Anzahl der Tage, an denen das Aktivitätsmaß unter einem vordefinierten Schwellenwert liegt, z. B. 10.000 Schritte während der vorgegebenen Tageszeitspanne (12 Stunden, 18 Stunden oder andere geeignete Zeitspannen). In bestimmten Ausführungsformen variiert der Median des Glukosespiegels aller nächtlichen Median-Glukosespiegel für die Anzahl der Tage ohne signifikante Aktivität (Gwo) abhängig von dem Typ der Aktivität.
  • Danach wird, wie in 6 gezeigt, für jeden Tag mit signifikanter Aktivität (Xtag) ein Delta-Median-Glukosespiegel (Gdelta(Xtag)) bestimmt (630), wobei der Delta-Median-Glukosespiegel (Gdelta(Xtag)) die Differenz zwischen dem Median der nächtlichen Glukose für den speziellen Tag mit signifikanter Aktivität G(Xtag) und dem Median des Glukosespiegels aller nächtlichen Median-Glukosespiegel für die bestimmte Anzahl von Tagen ohne signifikante Aktivität (Gwo) ist. Das heißt: ( Gdelta ( Xtag ) ) = G ( Xtag ) − ( Gwo )
    Figure DE202016009220U1_0001
  • In bestimmten Ausführungsformen wird gleichzeitig der Median des Glukosespiegels aller nächtlichen Median-Glukosespiegel für die bestimmte Anzahl von Tagen ohne signifikante Aktivität (Gwo) (620) und der Delta-Median-Glukosespiegel Gdelta(Xtag)) für jeden Tag (630) bestimmt. Mit anderen Worten können die Schritte 620 und 630 nacheinander oder parallel zueinander ausgeführt werden.
  • Weiter unter Bezugnahme auf 6 wird eine Korrelationsbeziehung zwischen dem Median des Glukosespiegels für den Tag (Xtag) mit signifikanter Aktivität (Gdelta(Xtag)) und der Aktivitätsmetrik (Act(Xtag)) für diesen Tag bestimmt (640), und die Korrelationen werden an eine vorgegebene Funktion angepasst (650). In bestimmten Ausführungsformen enthält die Korrelationsbeziehung eine lineare Funktion, bei der der Delta-Median-Glukosespiegel für die Tage mit signifikanter Aktivität (Gdelta(Xtag)) eine lineare Funktion der Aktivitätsmetrik (Act(Xtag)) ist. Im Rahmen der vorliegenden Offenbarung enthält die Korrelationsbeziehung eine Beziehung mit konstantem Versatz, eine exponentielle Beziehung, eine logarithmische Beziehung oder eine polynomiale Beziehung zwischen dem Delta-Median-Glukosespiegel für Tage mit signifikanter Aktivität (Gdelta(Xtag)) und der Aktivitätsmetrik (Act(Xtag)).
  • In bestimmten Ausführungsformen ist die Aktivitätsmetrik (Act (Xtag)) für die spezielle Aktivität, die der Benutzer oder der Patient ausübt, vorab bestimmt und basiert beispielsweise auf der Kategorisierung der Eingabedaten 220 (2B), die durch die Glukosereaktionstrainingseinheit 112 des Analysemoduls 110B ausgeführt wird. (2A). In bestimmten Ausführungsformen variiert die Aktivitätsmetrik (Act (Xtag)) abhängig von einem oder mehreren Parametern, die der Aktivität zugeordnet sind, die unter anderem beispielsweise die Aktivitätsdauer, das Intensitätsniveau, den Aktivitätstyp, die Herzfrequenzdaten, die der Aktivität zugeordnet sind, enthalten. In bestimmten Ausführungsformen enthält die Aktivitätsmetrik (Act(Xtag)) eine „Schrittrate“ wie z. B. Schritte pro Stunde oder Schritte über eine vorgegebene oder feste Zeitdauer.
  • In bestimmten Ausführungsformen wird die Technik der kleinsten Quadrate angewandt, um die Korrelationsbeziehung an den Datensatz anzupassen. Beispielsweise kann die Herangehensweise der kleinsten Quadrate auf den Datensatz angewendet werden, um die Steigung und den Versatz für die lineare Beziehung, die die Korrelation zwischen dem Delta-Median-Glukosespiegel für Tage mit signifikanter Aktivität (Gdelta(Xtag)) und der Aktivitätsmetrik (Act(Xtag)) definiert, zu bestimmen. In bestimmten Ausführungsformen wird die lineare Beziehung danach durch die App angewandt, um die Auswirkungen signifikanter körperlicher Betätigung auf den nächtlichen Glukosespiegel vorherzusagen oder vorauszusehen. Mit anderen Worten schätzt bei einer bekannten oder bestimmten Aktivitätsmetrik (Act(Xtag)) die App den resultierenden Delta-Median-Glukosespiegel für Tage mit signifikanter Aktivität (Gdelta(Xtag)), indem sie die Aktivitätsmetrik (Act(Xtag)) mit der Steigung der linearen Korrelationsbeziehung multipliziert und den Versatz addiert, wobei die Steigung und der Versatz Parameter sind, die beispielsweise durch eine Best-Fit-Analyse bestimmt werden. In bestimmten Ausführungsformen wird die Best-Fit-Analyse bei jeder Überarbeitung oder Ergänzung des gesammelten oder von den Überwachungsgeräten empfangenen Datensatzes aktualisiert (130A-130C 1). Alternativ wird in bestimmten Ausführungsformen die Best-Fit-Analyse nach einer vorgegebenen Zeitspanne der Datensatzsammlung aktualisiert.
  • In bestimmten Ausführungsformen wird für jeden Tag mit signifikanter Aktivität ein Satz von Verhältnissen (R) bestimmt. Die Verhältnisse werden berechnet als der Delta-Median-Glukosespiegel für Tage mit signifikanter Aktivität (Gdelta(Xtag)) geteilt durch die Aktivitätsmetrik (Act(Xtag)). Dann werden der Median oder Mittelwert des Satzes von Verhältnissen berechnet. Die Auswirkungen der Aktivität werden dann durch Multiplikation des Medians des Satzes von Verhältnissen (R) mit der aktuellen Aktivitätsmetrik (Act(Xtag)) bestimmt. Alternativ wird im Rahmen der vorliegenden Offenbarung eine Herangehensweise mit Kurvenanpassung angewandt, wie z. B. unter Verwendung der Technik der kleinsten Quadrate, beispielsweise um den Satz von Verhältnissen (R) an eine Anpassungslinie der kleinsten Quadrate anzupassen.
  • Wieder Bezug nehmend auf 6 kann in bestimmten Ausführungsformen die Anzahl der für die Analyse (610) benötigten Tage durch die Qualität der Korrelation (650) bestimmt werden. In bestimmten Ausführungsformen stellt beispielsweise die Analyse der linearen Linienanpassung Metriken bereit, die die Qualität einer solchen Linienanpassung angeben (beispielsweise Schätzung von Korrelationskoeffizient (R2) oder Standardfehler des Delta-Median-Glukosespiegels für Tage mit signifikanter Aktivität (Gdelta(Xtag))). In bestimmten Ausführungsformen wird der Datensatz als ausreichend (610) bestimmt, falls die Qualitätsmetrik der Linienanpassung einen spezifischen Wert überschreitet, beispielsweise (ohne jedoch darauf beschränkt zu sein) wenn der Wert R2 größer als 0,9 ist oder der Standardfehler des Delta-Median-Glukosespiegels für Tage mit signifikanter Aktivität (Gdelta(Xtag)) für die Linienanpassung kleiner als 10 % ist. Falls die Linienanpassung als ungültig bestimmt wird, ist die App in bestimmten Ausführungsformen konfiguriert, mit der Analyse des Datensatzes fortzufahren (d. h. das Training fortzusetzen), und die Linienanpassung wird jeden Tag aktualisiert, um zu bestimmen, ob sie gültig ist. Wenn die Linienanpassung als gültig bestimmt wird, wird das Analyseergebnis in bestimmten Ausführungsformen dem Benutzer präsentiert, beispielsweise an der Datenausgabeschnittstelle 113 des Analysemoduls 110B (2A).
  • Als nicht einschränkendes Beispiel zeigt die nachstehende Tabelle 1 einen Datensatz, der zur Identifizierung und Charakterisierung von Glukosereaktionsmustern unter Verwendung der Anzahl von Schritten, die als Aktivität verwendet wurde, in Übereinstimmung mit bestimmten Ausführungsformen der vorliegenden Offenbarung gesammelt wurde. Tabelle 1. 14-Tage-Daten zur Aktivität vs. Nichtaktivität
    Tag Aktivität? Aktivitätsmetrik (Schritte) Median der Tages-Glukose (mg/dL) Median der nächtlichen Glukose (mg/dL)
    1 ja 12503 143 117
    2 nein 3043 156 142
    3 nein 2043 142 150
    4 ja 11432 150 125
    5 ja 16490 146 111
    6 ja 13083 151 120
    7 nein 1044 143 160
    8 nein 1453 145 151
    9 ja 10984 149 131
    10 nein 2354 139 140
    11 nein 2356 161 139
    12 nein 1234 155 144
    13 ja 19245 144 105
    14 nein 7034 147 143
  • Aus der vorstehenden Tabelle 1 ist zu erkennen, dass es in der Zwei-Wochen-Zeitspanne sechs Tage mit Aktivität gab (dadurch bestimmt, dass die Anzahl von Schritten einen Schwellenwert übersteigt - z. B. 10000 Schritte innerhalb einer 24 Stunden-Zeitspanne zurückgelegt), die die Tage 1, 4, 5, 6, 9 und 13 enthalten. Es ist auch zu erkennen, dass es während der Zwei-Wochen-Zeitspanne 8 Tage ohne Aktivität gab (dadurch bestimmt, dass die Anzahl der Schritte unter dem Schwellenwert von 10000 Schritten innerhalb einer 24-Stunden-Zeitspanne ist), die die Tage 2, 3, 7, 8, 10, 11 und 12 enthalten.
  • Ausgehend vom Median des Tages-Glukosespiegels für jeden der 14 Tage und außerdem dem entsprechenden Median des nächtlichen Glukosespiegels für jeden der 14 Tage wird der Median-Glukosespiegel aller nächtlichen Median-Glukosespiegel für Tage ohne signifikante Aktivität (Gwo) bestimmt, indem der Median des Medians des nächtlichen Glukosespiegels der Tage 2, 3, 7, 8, 10, 11 und 12 aus Tabelle 1, der 143,5 mg/dL ist, genommen wird. Ferner wird für jeden Tag mit Aktivität (z. B. die Tage 1, 4, 5, 6, 9 und 13) die Delta-Median-Glukose (Gdelta(Xtag)) bestimmt, indem der Median des Glukosespiegels aller nächtlichen Median-Glukosespiegel für Tage ohne signifikante Aktivität (Gwo), der als 143,5 mg/dL bestimmt wurde, von dem entsprechenden Median des nächtlichen Glukosespiegels (G(Xtag)) subtrahiert wird. Beispielsweise führt für Tag 1 (Aktivität) die Delta-Median-Glukose (Gdelta(tag1)) 117 mg/dL minus 143,5 mg/dL (Median des nächtlichen Glukosespiegels aller nächtlichen Median-Glukosespiegel für Tage ohne signifikante Aktivität (Gwo)) zu der Delta-Median-Glukose (Gdelta(tag1)) von -26,5. Ähnlich ist für Tag 4 (Aktivität) die Delta-Median-Glukose (Gdelta(tag4)) -18,5 (125 mg/dL minus 143,5 mg/dL). Für Tag 5 (Aktivität) ist die Delta-Median-Glukose (Gdelta(tag5)) -32,5 (111 mg/dL minus 143,5 mg/dL). Für Tag 6 (Aktivität) ist die Delta-Median-Glukose (Gdelta(tag6)) -23,5 (120 mg/dL minus 143,5 mg/dL). Für Tag 9 (Aktivität) ist die Delta-Median-Glukose (Gdelta(tag9)) -12,5 (131 mg/dL minus 143,5 mg/dL). Schließlich ist für Tag 13 (Aktivität) die Delta-Median-Glukose (Gdelta(tag13)) -38,5 (105 mg/dL minus 143,5 mg/dL).
  • Mit der Delta-Median-Glukose für jeden Tag mit Aktivität (Gdelta(Xtag)), der wie vorstehend beschrieben bestimmt wird, wird ein entsprechender R-Wert für jeden Tag mit Aktivität bestimmt, indem die bestimmte Delta-Median-Glukose (Gdelta(Xtag)) durch die Aktivitätsmetrik (Act(Xtag)) für den entsprechenden Tag mit Aktivität dividiert wird. Beispielsweise ist der R-Wert für Tag 1 -0,002 (-26,5 dividiert durch 12.503 Schritte (Aktivitätsmetrik für Tag 1). Auf diese Weise wird der R-Wert für die Tage mit Aktivität bestimmt, und die resultierenden Werte sind wie in der nachstehenden Tabelle 2 gezeigt (mit dem entsprechenden Delta-Median-Glukosespiegel (Gdelta(Xtag)). Tabelle 2
    Tag Aktivität? Aktivitätsmetrik (Schritte) Median der nächtlichen Glukose (mg/dL) Delta-Median-Glukose (Gdelta) R
    1 ja 12503 117 -26,5 -0,002119491
    4 ja 11432 125 -18,5 -0,001618265
    5 ja 16490 111 -32,5 -0,001970891
    6 ja 13083 120 -23,5 -0,001796224
    9 ja 10984 129 -14,5 -0,001320102
    13 ja 19245 105 -38,5 -0,00200052
  • Basierend auf dem bestimmten Datensatz wie in Tabelle 2 gezeigt wird eine Linienanpassungsanalyse für Tage mit Aktivität gegen die entsprechenden R-Werte ausgeführt, wie nachstehend in Grafik 1 gezeigt:
    Figure DE202016009220U1_0002
  • Alternativ kann auch der Median oder der Mittelwert der R-Werte zum Repräsentieren des glykämischen Musters verwendet werden. Ferner kann eine Linienanpassungsanalyse der Delta-Median-Glukose (Gdelta(Xtag)) in Bezug auf das Aktivitätsniveau (Anzahl der Schritte) und wie nachstehend in Grafik 2 gezeigt ausgeführt werden:
    Figure DE202016009220U1_0003
    wobei zu erkennen ist, dass der Korrelationswert (R2) 0,9125 ist, was eine akzeptable Korrelation zeigt, und wobei die Linienanpassungsanalyse einen Versatz von 10,811 mit einer Steigung von -0,0026 bereitstellt. Diese Linie repräsentiert das glykämische Muster dar.
  • Unter Verwendung von Grafik 2 ist zu erkennen, dass, wenn der Benutzer entscheidet, eine spezielle Aktivität auszuführen, die zu 15.000 Schritten führt, eine solche Aktivität zu einer Senkung des Glukosespiegels um etwa 28 mg/dL führen wird. Mit diesen Informationen kann der Benutzer, falls er eine engmaschigere glykämische Kontrolle aufrechterhalten möchte und weiß, dass 15.000 Schritte den Glukosespiegel um etwa 28 mg/dL senken werden, proaktive Maßnahmen ergreifen, um den Auswirkungen der Aktivität (z. B. 15.000 Schritte) entgegenzuwirken, indem er beispielsweise vor oder während der Ausübung der Aktivität mehr Nahrung und/oder Getränke zu sich nimmt.
  • In einer alternativen Ausführungsform wird die Aktivitätsmetrik in zwei Werte transformiert: signifikante Aktivität oder nicht signifikante Aktivität. In diesem Fall wird ein Median des nächtlichen Glukosespiegels entweder einem Tag mit signifikanter Aktivität oder einem Tag ohne signifikante Aktivität zugeordnet, wobei eine signifikante Aktivität so definiert ist, dass das Aktivitätsmaß einen vordefinierten Schwellenwert übersteigt (beispielsweise die Anzahl der Schritte über 10.000 Schritte für den Tag übersteigt). Insbesondere wird, Bezug nehmend auf Tabelle 1, der Median der Glukose für alle nächtlichen Zeitspannen, die Tagen mit signifikanter Aktivität zugeordnet sind (Tage 1, 4, 5, 6, 9 und 13), als 118,5 mg/dL bestimmt, und der Median des Glukosespiegels für alle nächtlichen Zeitspannen, die nicht signifikanter Aktivität zugeordnet sind (Tage 2, 3, 7, 8, 10, 11, 12 und 14) wird als 143,5 mg/dL bestimmt. Dann wird die Abnahme der des Medians der Aktivität bestimmt, indem 143,5 mg/dL (als der Median des Glukosespiegels für alle nächtlichen Zeitspannen, die nicht signifikanter Aktivität zugeordnet sind) von 118,5 mg/dL (der Median der Glukose für alle nächtlichen Zeitspannen, die Tagen mit signifikanter Aktivität zugeordnet sind)) subtrahiert wird, was -25 mg/dL ergibt. Die prozentuale Median-Abnahme ist dann 17,42 % (-25 mg/dL dividiert durch 143,5 mg/dL). Bei dieser Herangehensweise kann unter Verwendung von statistischen Standardtests zum Bestimmen, ob die Mittelwerte zwei unterschiedlicher Populationen unterschiedlich sind, bestimmt werden, ob eine ausreichende Anzahl von Tagen von Datensätzen gesammelt worden ist. Beispielsweise durch Bestätigen, dass die Standardabweichung jeder Bestimmung des Medians der nächtlichen Glucose (mit und ohne Aktivität) unter einem vordefinierten Schwellenwert ist, wie beispielsweise 20 mg/dL. Bezug nehmend auf Tabelle 1 ist die Standardabweichung für Tage mit signifikanter Aktivität (Tage 1, 4, 5, 6, 9 und 13) 8,864 mg/dL, während die Standardabweichung für Tage ohne signifikante Aktivität (Tage 2, 3, 7, 8, 10, 11, 12 und 14) 7,08 mg/dL ist.
  • Wieder Bezug nehmend auf die Figuren ist die App in einer bestimmten Ausführungsform konfiguriert, mit der vorstehend beschriebenen Identifizierung und Charakterisierung von Glukosereaktionsmustern für den Benutzer Folgendes auszugeben, wenn eine nachfolgende signifikante Aktivität detektiert wird: „Für Tage mit signifikanter Aktivität sind die nächtlichen Glukosespiegel üblicherweise um 25 mg/dL niedriger als für Tage ohne signifikante Aktivität.“ Alternativ kann dieses Ergebnis auch als Prozentsatz angezeigt werden, in diesem Beispiel 17 % niedriger. Im Rahmen der vorliegenden Offenbarung kann die vorstehend beschriebene Technik auf jede beliebige Quantisierungsebene, wie z. B. drei oder vier Ebenen, erweitert werden.
  • In bestimmten Ausführungsformen identifiziert die Glukosereaktionstrainingseinheit 112 des Analysemoduls 110B (2A) unter Verwendung der vorstehend in Verbindung mit 6 beschriebenen Routine eine konsistente Glukosereaktion auf eine spezielle Aktivität mit spezifischen Parametern. Der Benutzer oder Patient verwendet diese Informationen dann, um das Therapieprotokoll, die eingenommenen Mahlzeiten oder den Typ der Aktivität, die er ausüben will, unter der Voraussetzung des zugrunde liegendem physiologischem Zustands zu modifizieren oder anzupassen, um eine engmaschige glykämische Kontrolle aufrechtzuerhalten und den Gesundheitszustand zu verbessern.
  • 7 ist ein Ablaufplan, der Identifizierung und Charakterisierung eines Glukosereaktionsmusters für eine spezielle Aktivität basierend auf der Tag-Nacht-Glukosespiegeländerung in Übereinstimmung mit einer Ausführungsform der vorliegenden Offenbarung darstellt. Bezug nehmend auf 7 bestimmt, ähnlich wie bei Schritt 510 von 5, die Glukosereaktionstrainingseinheit 112 des Analysemoduls 110B (2A) basierend auf den von einem oder mehreren der Überwachungsgeräte 130A, 130B, 130C empfangenen Eingangsdaten, ob eine ausreichende Datenmenge über die Dateneingabeschnittstelle 111 (2A) empfangen worden ist (710). Dann bestimmt die Glukosereaktionstrainingseinheit 112 des Analysemoduls 110B den Median (Gwo(delta)) aller Tag-Nacht-Änderungen des Medians der Glukose (Gd2n(Xtag)) für Tage (in der Anzahl von Tagen, für die bestimmt wurde, dass sie eine ausreichende Datenmenge bereitstellen) ohne signifikante Aktivität (720).
  • Insbesondere wird jede Tag-Nacht-Änderung des Medians der Glukose ohne signifikante Aktivität (Gd2n(Xtag)) bestimmt, indem der Median des Glukosespiegels über eine erste vorgegebene Tageszeitspanne (z. B. von 8 bis 22 Uhr) (Gtag(Xtag)) von dem Median des Glukosespiegels über eine zweite vorgegebene Tageszeitspanne (z. B. von 10 bis 18 Uhr) (Gnacht(Xtag)) subtrahiert wird (720). Das heißt:
    ( Gd 2 n ( Xtag ) ) = Gnacht ( Xtag ) − Gtag ( Xtag )
    Figure DE202016009220U1_0004
  • Im Rahmen der vorliegenden Offenbarung können die Zeitspannen und Bereiche für die erste und die zweite vorgegebene Tageszeitspanne so variiert werden, dass eine länger als die andere ist, oder alternativ sind die beiden Zeitspannen gleich lang. In bestimmten Ausführungsformen werden die erste und die zweite vorgegebene Zeitspanne für jeden Tag basierend auf spezifischen Ereignissen, wie z. B. Mahlzeitereignisse oder andere dem Patienten zugeordnete Indikatoren, bestimmt.
  • Wieder Bezug nehmend auf 7 bestimmt, mit dem bestimmten Median aller Tag-Nacht-Änderungen in dem Median der Glukose für Tage ohne signifikante Aktivität (Gwo(delta)) (720), die Glukosereaktionstrainingseinheit 112 in bestimmten Ausführungsformen den Delta-Median-Glukosespiegel (Gdelta(Xtag)), indem sie den Median aller Tag-Nacht-Änderungen des Medians der Glukose für Tage ohne signifikante Aktivität (Gwo(delta)) von den Tag-Nacht-Änderungen des Medians der Glukose ohne signifikante Aktivität (Gd2n(Xtag)) subtrahiert (730). In bestimmten Ausführungsformen wird die Bestimmung des Median aller Tag-Nacht-Änderungen des Medians der Glukose für Tage ohne signifikante Aktivität (Gwo(delta)) (720) und der Delta-Median-Glukosespiegel (Gdelta(Xtag)) für jeden Tag mit signifikanter Aktivität (730) gleichzeitig und nicht nacheinander bestimmt. In alternativen Ausführungsformen kann der Delta-Median-Glukosespiegel (Gdelta(Xtag)) für jeden Tag mit signifikanter Aktivität (730) vor dem Median aller Tag-Nacht-Änderungen des Medians der Glukose für Tage ohne signifikante Aktivität (Gwo(delta)) (720) bestimmt werden.
  • Danach wird für jeden Tag mit signifikanter Aktivität (Xtag) eine Korrelationsbeziehung zwischen der Delta-Median-Glukose (Gdelta(Xtag)) und der Aktivitätsmetrik (Act (Xtag)) bestimmt (740). Ähnlich wie bei der Routine, die in Verbindung mit 6 ausgeführt wird, ist in bestimmten Ausführungsformen die Aktivitätsmetrik (Act (Xtag)) für die spezielle Aktivität, die der Benutzer oder der Patient ausübt, vorgegeben und kann somit auf der Kategorisierung der Eingabedaten (2B), die durch die Glukosereaktionstrainingseinheit 112 des Analysemoduls 110B ausgeführt wird basieren. (2A). Ähnlich variiert in bestimmten Ausführungsformen die Aktivitätsmetrik (Act (Xtag)) abhängig von einem oder mehreren Parametern, die der Aktivität zugeordnet sind, die beispielsweise die Aktivitätsdauer, das Intensitätsniveau, den Aktivitätstyp, die Herzfrequenzdaten, die der Aktivität zugeordnet sind, enthalten.
  • Wieder, ähnlich wie in der Routine, die in Verbindung mit 6 ausgeführt wird, Bezug nehmend auf 7 wird, sobald die Korrelationsbeziehung zwischen dem Delta-Median-Glukosespiegel für den Tag (Xtag) mit signifikanter Aktivität (Gdelta(Xtag)) und der Aktivitätsmetrik (Act(Xtag)) für diesen Tag bestimmt ist (740), die Korrelationsbeziehung, beispielsweise wenn der Delta-Median-Glukosespiegel für Tage mit signifikanter Aktivität (Gdelta(Xtag)) als lineare Funktion der Aktivitätsmetrik (Act(Xtag)) repräsentiert wird, verwendet, um eine Schätzung des Delta-Median-Glukosespiegels für Tage mit signifikanter Aktivität (Gdelta(Xtag)) der nächsten nächtlichen Zeitspanne für Tage mit signifikanter Aktivität zu erzeugen, und das Analyseergebnis wird dem Benutzer angezeigt. Das heißt, die Korrelationen werden an eine vorgegebene Funktion angepasst (750), und die resultierende Beziehung wird für den Benutzer ausgegeben.
  • Beispielsweise ist, unter Bezugnahme auf den in Tabelle 1 gezeigten Datensatz, der Median aller Tag-Nacht-Änderungen des Medians der Glukose für Tage ohne signifikante Aktivität (Gwo(delta)) -1,5. Dieser wird aus dem Bestimmen des Medians aller Tag-Nacht-Änderungen des Medians der Glukose ohne signifikante Aktivität (Gd2n(Xtag)) abgeleitet. Das heißt, aus Tabelle 1 wird für jeden Tag ohne signifikante Aktivität (Tage 2, 3, 7, 8, 10, 11, 12 und 14) der Median der Tag-Nacht-Änderungen des Medians der Glukose (Gd2n(Xtag)) bestimmt, indem der Median des Tagesglukosespiegels vom nächtlichen Glukosespiegel subtrahiert wird. Beispielsweise ist der Median der Tag-Nacht-Änderungen des Medians der Glukose für Tag 2 (Gd2n(tag2)) -14 mg/dL (142 mg/dL - 156 mg/dL). Der Median der Tag-Nacht-Änderungen des Medians der Glukose für Tag 3 (Gd2n(tag3)) ist 8 mg/dL (150 mg/dL - 142 mg/dL). Der Median der Tag-Nacht-Änderungen des Medians der Glukose für Tag 7 (Gd2n(tag7)) ist 17 mg/dL (160 mg/dL - 143 mg/dL). Der Median der Tag-Nacht-Änderungen des Medians der Glukose für Tag 8 (Gd2n(tag8)) ist 6 mg/dL (151 mg/dL - 145 mg/dL). Der Median der Tag-Nacht-Änderungen des Medians der Glukose für Tag 10 (Gd2n(tag10)) ist 1 mg/dL (140 mg/dL - 139 mg/dL). Der Median der Tag-Nacht-Änderungen des Medians der Glukose für Tag 11 (Gd2n(tag11)) ist -22 mg/dL (139 mg/dL - 161 mg/dL). Der Median der Tag-Nacht-Änderungen des Medians der Glukose für Tag 12 (Gd2n(tag12)) ist -11 mg/dL (144 mg/dL - 155 mg/dL). Schließlich ist der Median der Tag-Nacht-Änderungen des Medians der Glukose für Tag 14 (Gd2n(tag14)) -4 mg/dL (143 mg/dL - 147 mg/dL). Dies ist in der nachstehenden Tabelle 3 dargestellt. Tabelle 3
    Tag Aktivität? Aktivitätsmetrik (Schritte) Median der Tages-Glukose (mg/dL) Median der nächtlichen Glukose (mg/dL) Median der Tag/Nacht-Glukoseänderung Gd2n Median aller Tag/Nacht-Änderungen des Medians der Glukose für Tage ohne signifikante Aktivität Gwo(delta)
    2 nein 3043 156 142 -14
    3 nein 2043 142 150 8
    7 nein 1044 143 160 17
    8 nein 1453 145 151 6
    10 nein 2354 139 140 1
    11 nein 2356 161 139 -22
    12 nein 1234 155 144 -11
    14 nein 7034 147 143 -4 -1,5
  • Mit dem Median aller Tag-Nacht-Änderungen des Medians der Glukose für Tage ohne signifikante Aktivität (Gwo(delta)), der als -1,5 bestimmt wurde, kann für jeden Tag mit signifikanter Aktivität die Delta-Median-Glukose (Gdelta(Xtag)) bestimmt werden, indem der Median der Tag-Nacht-Änderungen des Medians der Glukose für jeden Tag vom Median aller Tag-Nacht-Änderungen des Medians der Glukose für Tage ohne signifikante Aktivität (Gwo(delta)) subtrahiert wird. Dies ist in der nachstehenden Tabelle 4 gezeigt. Tabelle 4
    Tag Aktivität ? Aktivitätsmetrik (Schritte) Median der Tages-Glukose (mg/dL) Median der nächtlichen Glukose (mg/dL) Median der Tag/Nacht-Glukoseänderung Gd2n Delta-Median -Glukose Gdelta R
    1 ja 12503 143 117 -26 -24,5 -0,00195953
    4 ja 11432 150 125 -25 -23,5 -0,002055633
    5 ja 16490 146 111 -35 -33,5 -0,002031534
    6 ja 13083 151 120 -31 -29,5 -0,002254835
    9 ja 10984 149 131 -18 -16,5 -0,001502185
    13 ja 19245 144 105 -39 -37,5 -0,001948558
  • Wie aus Tabelle 4 zu erkennen ist, wird für jeden Tag mit signifikanter Aktivität ein entsprechender R-Wert bestimmt, indem die bestimmte Delta-Median-Glukose (Gdelta(Xtag)) durch die Aktivitätsmetrik (Act(Xtag)) für den entsprechenden Tag mit Aktivität dividiert wird.
  • Zusätzlich wird in bestimmten Ausführungsformen anstelle einer linearen Funktion ein Satz von Verhältnissen (R), die für jeden Tag mit signifikanter Aktivität bestimmt werden, erzeugt. Die Verhältnisse R werden bestimmt, indem die Delta-Median-Glukose (Gdelta(Xtag)) für jeden Tag mit signifikanter Aktivität durch die entsprechende Aktivitätsmetrik (Act(Xtag)) dividiert wird. Der Median oder der Mittelwert des Satzes von Verhältnissen R wird dann bestimmt (in diesem Fall ist der Median der R-Werte für Tage mit signifikanter Aktivität -0,00199553198802936). Der Effekt der Aktivität kann dann durch Multiplizieren des Medians der R mit der aktuellen Aktivitätsmetrik (Act(Xtag)) bestimmt werden. Alternativ können Techniken zur Kurvenanpassung angewandt werden, beispielsweise unter Verwendung der kleinsten Quadrate, um den Satz von Verhältnissen (R) an eine Linie anzupassen.
  • Die nachstehende Grafik 3 zeigt die R-Werte, aufgetragen gegen die Tage mit Aktivität.
    Figure DE202016009220U1_0005
  • Alternativ kann auch der Median oder der Mittelwert der R-Werte zum Repräsentieren des glykämischen Musters verwendet werden. Ferner kann die Delta-Median-Glukose (Gdelta(Xtag)) gegen die Aktivitätsmetrik (Act(Xtag)) aufgetragen und eine Linienanpassungsanalyse ausgeführt werden, was zu der nachstehend in Grafik 4 gezeigten Kurve führt.
    Figure DE202016009220U1_0006
  • Aus der in Grafik 4 gezeigten Linienanpassungsanalyse ist der Korrelationskoeffizient R2 ungefähr 0,86, mit einem Versatz von 2,687 für die Linienanpassung und einer Steigung von -0,0022. Mit der in Grafik4 gezeigten Analyse kann ein Benutzer, der eine Aktivität, die 15.000 Schritten enthält, ausüben möchte, aus Grafik 4 ablesen, dass eine solche Aktivität zu einer Senkung des Glukosespiegels um etwa 30 mg/dL führen wird. Alternativ enthält die App eine Routine, die das bevorstehende nächtliche Gdelta(Xtag) durch Einsetzen der Aktivität des Tages in die lineare Gleichung schätzt. Der Benutzer kann dann entscheiden, eine geeignete Maßnahme zu ergreifen (zusätzliche Nahrung/Getränke während oder vor der Aktivität), um den erwarteten Abfall des Glukosespiegels infolge der Aktivität besser zu kontrollieren.
  • In einer alternativen Ausführungsform kann die Aktivitätsmetrik (Act(Xtag)) in zwei Werte kategorisiert werden: signifikante Aktivität oder nicht signifikante Aktivität. In einem solchen Fall wird ein Median der nächtlichen Glukose entweder einem Tag mit signifikanter Aktivität oder einem Tag ohne signifikante Aktivität zugeordnet, wobei eine signifikante Aktivität bestimmt wird, wenn das Aktivitätsmaß einen vordefinierten Schwellenwert überschreitet (z. B. mehr als 10.000 Schritte für eine Tageszeitspanne). Der Median der Tag-Nacht-Änderungen des Medians des Glukosespiegels (Gd2n(Xtag)) für alle nächtlichen Zeitspannen, die Tagen mit signifikanter Aktivität zugeordnet sind, sowie der Median Tag-Nacht-Änderungen des Medians des Glukosespiegels (Gd2n(Xtag)) für alle nächtlichen Zeitspannen, die nicht signifikanter Aktivität zugeordnet sind, werden bestimmt, und die Abnahme des Medians der Aktivität wird dann bestimmt. In bestimmten Ausführungsformen wird die Hinlänglichkeit der Daten unter Verwendung statistischer Techniken bestimmt; beispielsweise durch Verifizieren, ob der Standardfehler jeder Medianberechnung unterhalb eines vordefinierten Schwellenwerts ist, wie z. B. 20 mg/dL.
  • Beispielsweise wird der Median der Tag-Nacht-Änderungen des Medians des Glukosespiegels (Gd2n(Xtag)) für alle nächtlichen Zeitspannen, die Tagen mit signifikanter Aktivität zugeordnet sind, als -28,5 mg/dL bestimmt (unter Verwendung des Medians der Tag-Nacht-Änderungen des Medians des Glukosespiegels für die Tage 1, 4, 5, 6, 9 und 13 - die -26, -25, -35, -31, -18 bzw. -39 sind), während der Median der Tag-Nacht-Änderungen des Medians des Glukosespiegels (Gd2n(Xtag)) für alle nächtlichen Zeitspannen, die Tagen mit nicht signifikanter Aktivität zugeordnet sind, als -1,5 mg/dL bestimmt wird (unter Verwendung des Medians der Tag-Nacht-Änderungen des Medians des Glukosespiegels für die Tage 2, 3, 7, 8, 10, 11, 12 und 14 - die -14, 8, 17, 6, 1, -22, -11 bzw. -4 sind). Daraus kann der Median der Abnahme des Glukosespiegels als -27 mg/dL (durch Subtraktion von -1,5 mg/dL von -28,5 mg/dL) bestimmt werden.
  • In diesem Fall wird das Analyseergebnis durch die App, wenn eine nachfolgende signifikante Aktivität bestimmt wird, für den Benutzer wie folgt angezeigt: „Für Tage mit signifikanter Aktivität sind die Glukosespiegel üblicherweise um 27 mg/dL niedriger als für Tage ohne signifikante Aktivität.“ Im Rahmen der vorliegenden Offenbarung kann die Analyse auf jedes Quantisierungsebene, wie z. B. drei oder vier Ebenen, erweitert werden.
  • 8 ist ein Ablaufplan, der Identifizierung und Charakterisierung eines Glukosereaktionsmusters für eine spezielle Aktivität basierend auf dem Tag-Nacht-Glukosespiegelverhältnis in Übereinstimmung mit einer Ausführungsform der vorliegenden Offenbarung darstellt. Bezug nehmend auf 8 besteht der Unterschied zwischen der Routine, die durch die Glukosereaktionstrainingseinheit 112 des Analysemoduls 110B (2A) in Verbindung mit 7 ausgeführt wird, im Vergleich zu der in 8 gezeigten Routine darin, dass anstelle der Verwendung des Medians (Gwo(delta)) aller Tag-Nacht-Änderungen des Medians des Glukosespiegels (Gd2n(Xtag)) für Tage ohne signifikante Aktivität (bei Schritt 720 in 7) die Routine in 8 den Median (Gwod2nr) aller Tag-Nacht-Verhältnisse des Medians des Glukosespiegels (Gd2nr(Xtag)) für Tage ohne signifikante Aktivität (820) bestimmt, nachdem die Anzahl der für die Analyse benötigten Datentage bestimmt wurde (810). In bestimmten Ausführungsformen werden die Tag-Nacht-Verhältnisse des Medians des Glukosespiegels (Gd2nr(Xtag)) für Tage ohne signifikante Aktivität bestimmt, indem der Median des Glukosespiegels über eine zweite vorgegebene Tageszeitspanne (z. B. von 22 bis 6 Uhr) (Gnacht(Xtag)) durch den Median des Glukosespiegels über eine erste vorgegebene Tageszeitspanne (z. B. von 8 bis 22 Uhr) (Gtag(Xtag)) dividiert wird. Das heißt: ( Gd 2 nr ( Xtag ) ) = Gnacht ( Xtag ) /Gtag ( Xtag )
    Figure DE202016009220U1_0007
  • Wieder Bezug nehmend auf 8 wird der Median (Gwo(delta)) aller Tag-Nacht-Verhältnisse des Medians des Glukosespiegels (Gd2nr(Xtag)) für Tage ohne signifikante Aktivität bestimmt. Die Glukosereaktionstrainingseinheit 112 des Analysemoduls 110B bestimmt dann für jeden Tag mit signifikanter Aktivität die Delta-Median-Glukose (Gdelta(Xtag)) durch Subtrahieren jedes der Tag-Nacht-Verhältnisse (Gd2nr(Xtag)) für jeden Tag mit signifikanter Aktivität (830) vom Median (Gwo(delta)) aller Tag-Nacht-Verhältnisse im Median des Glukosespiegels für Tage ohne signifikante Aktivität. In bestimmten Ausführungsformen werden nach dem Bestimmen der Anzahl der für die Analyse benötigten Datentage (810) der Median (Gwo(delta)) aller Tag-Nacht-Verhältnisse im Median der Glukose (Gd2nr(Xtag)) für Tage ohne signifikante Aktivität (820) und die Delta-Median-Glukose (Gdelta(Xtag)) für jeden Tag mit signifikanter Aktivität (830) gleichzeitig und nicht nacheinander bestimmt.
  • Wieder Bezug nehmend auf 8 wird, ähnlich wie in 7, Schritt 740, die Korrelationsbeziehung zwischen DER Delta-Median-Glukose (Gdelta(Xtag)) und der Aktivitätsmetrik (Act(Xtag)) für jeden Tag bestimmt (840). Diese Korrelationsbeziehung gibt die proportionale Abnahme des Verhältnisses der Tag-Nacht-Glukosespiegel über Nacht nach signifikanter Aktivität an. Die Korrelation der Delta-Median-Glukose (Gdelta(Xtag)) zu Aktivitätsmetrik (Act(Xtag)) für die Tage mit signifikanter Aktivität wird an eine vorgegebene Funktion angepasst (850), und die resultierenden Korrelationsinformationen werden an den Benutzer ausgegeben.
  • Unter nochmaliger Bezugnahme auf den in der vorstehenden Tabelle 1 gezeigten Datensatz führt die in Verbindung mit 8 beschriebene Analyse zum Median aller Tag-Nacht-Verhältnisse des Medians des Glukosespiegels (Gwod2nr) als 0,989991680125287, basierend auf dem Median des Tag-Nacht-Verhältnisses des Medians des Glukosespiegels von Tagen ohne signifikante Aktivität, wie in der nachstehenden Tabelle 5 gezeigt: Tabelle 5
    Tag Aktivität? Aktivitätsmetrik (Schritte) Median der Tages-Glukose (mg/dL) Median der nächtlichen Glukose (mg/dL) Tag-Nacht-Verhältnisse im Median der Glukose Gd2nr Median aller Tag-Nacht-Verhältnisse im Median der Glukose ohne signifikante Aktivität Gwod2nr
    2 nein 3043 156 142 0,91
    3 nein 2043 142 150 1,056
    7 nein 1044 143 160 1,119
    8 nein 1453 145 151 1,041
    10 nein 2354 139 140 1,007
    11 nein 2356 161 139 0,863
    12 nein 1234 155 144 0,929
    14 nein 7034 147 143 0,973 0,98999168
  • Dann kann das Verhältnis des Medians des Glukosespiegels (Gactd2nr(Xtag)) für jeden Tag mit signifikanter Aktivität bestimmt werden, indem der Median jedes Tag-Nacht-Verhältnisses des Medians des Glukosespiegels (Gwod2nr) von 0,989991680125287 durch die Tag-Nacht-Verhältnisse des Medians der Glukose (Gactd2nr(Xtag)) für jeden Tag mit signifikanter Aktivität dividiert wird, wie nachstand in Tabelle 6 gezeigt. Tabelle 6
    Tag Aktivität? Aktivitätsmetrik (Schritte) Median der Tages-Glukose (mg/dL) Median der nächtlichen Glukose (mg/dL) Tag-Nacht-Verhältnisse im Median der Glukose mit signifikanter Aktivität Gd2nr Verhältnis des Medians der Glukose Gactd2nr
    1 ja 12503 143 117 0,818 0,82645323
    4 ja 11432 150 125 0.833 0,84175792
    5 ja 16490 146 111 0,76 0,76795996
    6 ja 13083 151 120 0,795 0,80273603
    9 ja 10984 149 131 0,879 0,88808285
    13 ja 19245 144 105 0,729 0,73653818
  • Aus Tabelle 6 kann der Median des Medians der Glukoseverhältnisse (Gactd2nr(Xtag)) für Tage mit signifikanter Aktivität als 0,814595 bestimmt werden. Alternativ kann eine Linienanpassungsanalyse ausgeführt werden, indem der Median des Glukoseverhältnisses (Gactd2nr(Xtag)) gegen die Aktivitätsmetrik (Act) für Tage mit signifikanter Aktivität aufgetragen wird, wie in Grafik 5 gezeigt.
    Figure DE202016009220U1_0008
  • Es ist zu erkennen, dass der Korrelationskoeffizient R2 aus der Grafik 5 ungefähr 0,89 ist, mit einem Versatz von ungefähr 1,03 und einer Steigung von - 0,00002(2E-05).
  • 9 stellt einen Prozessablauf zum Trainieren und zur Meldung in Übereinstimmung mit einer Ausführungsform der vorliegenden Offenbarung dar. Bezug nehmend auf 9 wird in bestimmten Ausführungsformen ein Datenanalysetraining, wie es beispielsweise vorstehend in Verbindung mit den 4-8 beschrieben ist, für den empfangenen Eingabedatensatz (910) in einem vorgegebenen Zeitintervall, wie z. B. einmal täglich, ausgeführt. Jedes Mal, wenn die Routine ausgeführt wird, wird ein neu erfasster Datensatz dem gehaltenen Datensatz hinzugefügt und zum Datenanalysetraining verwendet, beispielsweise zum Bestimmen der Korrelationsbeziehung zwischen Aktivität und zukünftigen Glukosewerten (z. B. dem nächtlichem Glukosespiegel).
  • Wieder Bezug nehmend auf 9 werden zusätzlich zum Hinzufügen eines neuen Datensatzes zum Trainingsdatensatz (910) jedes Mal, wenn die Datenanalysetrainingsroutine ausgeführt wird, ältere Daten aus dem Trainingsdatensatz entfernt, wie z. B. Daten, die 90 Tage oder älter oder 180 Tage oder älter sind, oder andere geeignete Zeitspannen (920). Dies ermöglicht es, dass sich die Datenanalysetrainingsroutine an die sich ändernde Physiologie des Benutzers, von dem der Datensatz abgeleitet ist, anpassen kann („Vergessen“). In bestimmten Ausführungsformen kann die „Vergessen“-Unterroutine nicht enthalten oder optional sein. Wenn der Datenanalysetrainingsprozess abgeschlossen ist (930), wird die Hinlänglichkeit des Trainings überprüft (940), wie vorstehend in Verbindung mit den 4-8 beschrieben, so dass beispielsweise die Unsicherheitsmetrik, die dem „Anpassen“ der Korrelationsbeziehung zugeordnet ist, kleiner als ein vorgegebener Schwellenwert ist. Falls bestimmt wird, dass das Training ausreichend ist (940), wird eine Meldung über die Ergebnisse erzeugt und ausgegeben (950). Falls jedoch bestimmt wird, dass das Training unzureichend war, wird keine Meldung erzeugt oder ausgegeben. Alternativ kann in bestimmten Ausführungsformen, anstatt keine Meldung bereitzustellen, wenn die App bestimmt, dass das Training unzureichend war, eine Meldung, die angibt, das das Training noch nicht ausreichend war, bereitgestellt werden.
  • 10 stellt einen Prozessablauf zum Trainieren und zur Meldung in Übereinstimmung mit einer weiteren Ausführungsform der vorliegenden Offenbarung dar. Wie in 10 gezeigt, ist die Datenanalysetrainings- und -meldungsroutine der in 9 gezeigten und beschriebenen Routine ähnlich, wobei das „Vergessen“-Merkmal (920) durch ein Zurücksetzen oder Löschen des Trainingsdatensatzes (1010 und 1020) ersetzt wird. Bezug nehmend auf 10 werden das Initiieren des Zurücksetzens der Routine (1010) und das Löschen des Trainingsdatensatzes (1020) in bestimmten Ausführungsformen als Reaktion auf die Betätigung einer Eingabetaste, beispielsweise auf der Benutzerschnittstelle der App, implementiert, um die Trainingsroutine zurückzusetzen. In bestimmten Ausführungsformen initiiert der Benutzer das Zurücksetzen der Routine (1010) und der Trainingsdatensatz wird gelöscht (1020), um die erlernte Korrelationsbeziehung zwischen Aktivität und zukünftigen Glukosespiegeln durch die App zu aktualisieren.
  • Bezug nehmend auf 10 wird dann, wenn das Zurücksetzen initiiert wird, die Datentrainings- und meldungsroutine in periodisch aufgerufen, und ähnlich wie bei der in 9 gezeigten Routine wird der neue Datensatz dem Trainingsdatensatz hinzugefügt (1030), und nach Abschluss des Trainingsprozesses (1040) wird bestimmt, ob das Training ausreichend ist (1050). Wenn bestimmt wird, dass das Training ausreichend ist, erzeugt die App in bestimmten Ausführungsformen eine Meldung und gibt sie an den Benutzer aus (1060). Wenn bestimmt wird, dass das Training unzureichend war (1060), wird dem Benutzer keine Meldung präsentiert, oder alternativ wird eine Meldung, die angibt, dass das Training unzureichend war, durch die App erzeugt und dem Benutzer präsentiert.
  • Im Rahmen der vorliegenden Offenbarung sind Modifikationen der in Verbindung mit den 9 und 10 beschriebenen Datensatztrainings- und - meldungsroutinen denkbar, bei denen sowohl das Merkmal „Zurücksetzen/Löschen des Trainingsdatensatzes“ (1010-1020, 10) als auch das Merkmal „Vergessen“ (920, 9) in derselben Analyseroutine enthalten sind. In bestimmten Ausführungsformen findet das Rücksetzen auch periodisch statt, wie z. B. einmal pro Jahr. Alternativ kann in bestimmten Ausführungsformen das Zurücksetzen stattfinden, nachdem das Training eine gültige Meldung bereitgestellt hat (d. h., wenn bestimmt wird, dass das Training ausreichend war).
  • Auf die beschriebene Art und Weise, in Übereinstimmung mit den Ausführungsformen der vorliegenden Offenbarung, werden Typ-1-Diabetes-Patienten, Typ-2-Diabetes-Patienten sowie Prä-Diabetikern Werkzeuge zur Verfügung gestellt, um die physiologischen Zustände zu überwachen, während sie ihre täglichen Routinen ausüben, und im Laufe der Zeit stellt die App, die beispielsweise auf einem Mobiltelefon des Benutzers oder des Patienten ausführbar ist, eine konsistente Glukosereaktion auf verschiedene Typen von Aktivitäten und Parametern, die sich auf die Schwankungen des Glukosespiegels des Benutzers oder des Patienten auswirken können, bereit. Solche Werkzeuge ermöglichen es dem Benutzer oder Patienten, die Ernährung, die Sportroutine oder andere tägliche Aktivitäten zu ändern, da er weiß, wie sich die spezielle Ernährung, der Sport oder die Aktivität auf die Schwankungen des Glukosespiegels auswirkt, und proaktiv Maßnahmen zu ergreifen, um die gewünschte glykämische Kontrolle aufrechtzuerhalten und schädliche Glukoseabweichungen zu vermeiden.
  • Ausführungsformen der vorliegenden Offenbarung enthalten Aspekte der Datensammlung, die das Detektieren einer speziellen Aktivität und Auffordern des Benutzers oder des Patienten zur Eingabe zusätzlicher Informationen in Bezug auf die detektierte Aktivität enthalten, um die Datensammlung robuster zu machen. Wenn die auf dem Mobiltelefon 110 ausgeführte App beispielsweise unter Verwendung des Aktivitätsüberwachungsgeräts 130A eine kontinuierliche Bewegung über eine vorgegebene Zeitspanne erkennt, ist die App in bestimmten Ausführungsformen konfiguriert, eine Abfrage zu erzeugen und an die Benutzerschnittstelle 110A auszugeben, um den Benutzer oder den Patienten aufzufordern, entweder zu bestätigen, dass die detektierte Aktivität stattfindet, und/oder zusätzliche Informationen in Bezug auf die detektierte Aktivität hinzuzufügen (wobei die Aufforderungen in bestimmten Ausführungsformen bei Detektion der Beendigung der Aktivität erzeugt und an die Benutzerschnittstelle 110A ausgegeben werden können).
  • Auf diese Weise wird in Übereinstimmung mit den Ausführungsformen der vorliegenden Offenbarung ein robustes System zur Überwachung physiologischer Parameter und ein dynamisches Glukosereaktionsmuster geschaffen, das eine konsistente und zuverlässige Glukosereaktion auf physiologische oder andere Parameter und Aktivitäten bereitstellt.
  • Verschiedene andere Modifikationen und Änderungen an der Struktur und dem Verfahren dieser Offenbarung sind für Fachleute ersichtlich, ohne vom Schutzbereich und Geist der Ausführungsformen der vorliegenden Offenbarung abzuweichen. Obwohl die vorliegende Offenbarung in Verbindung mit speziellen Ausführungsformen beschrieben worden ist, ist zu verstehen, dass die vorliegende Offenbarung wie beansprucht nicht unzulässigerweise auf solche spezielle Ausführungsformen eingeschränkt werden sollte. Es ist beabsichtigt, dass die folgenden Ansprüche den Schutzbereich der vorliegenden Offenbarung definieren und dass Strukturen und Verfahren innerhalb des Schutzbereichs dieser Ansprüche und ihrer Äquivalente dadurch abgedeckt werden.
  • Beispiele:
    1. 1. Verfahren zum Bestimmen einer Korrelation zwischen einer Änderung des nächtlichen Glukosespiegels als Funktion der Aktivität, das umfasst:
      • Empfangen von Glukosedaten über eine vorgegebene Zeitspanne, wobei die vorgegebene Zeitspanne eine erste Zeitspanne und eine zweite Zeitspanne enthält;
      • Kategorisieren der ersten Zeitspanne, so dass sie Informationen über den nächtlichen Glukosespiegel für Tage innerhalb der vorgegebenen Zeitspanne mit signifikanter Aktivität enthält, und der zweiten Zeitspanne, so dass sie Informationen über den nächtlichen Glukosespiegel für Tage innerhalb der vorgegebenen Zeitspanne ohne signifikante Aktivität enthält;
      • Bestimmen einer Korrelation zwischen dem nächtlichen Glukosespiegel für die erste und die zweite Zeitspanne als eine Funktion der Aktivität; und
      • Bestimmen basierend auf der bestimmten Korrelation der Auswirkungen auf den nächtlichen Glukosespiegel basierend auf einem gemessenen Niveau der Aktivität.
    2. 2. Verfahren nach Beispiel 1, wobei der Tag mit signifikanter Aktivität einen Tag mit einer Aktivitätsmetrik, die einen vorgegebenen Schwellenwert überschreitet, enthält, und wobei ferner der Tag ohne signifikante Aktivität einen Tag mit der Aktivitätsmetrik unterhalb des vorgegebenen Schwellenwerts enthält.
    3. 3. Verfahren nach Beispiel 2, wobei die Aktivitätsmetrik die Menge der während einer 24-Stunden-Zeitspanne verbrannten Kalorien enthält.
    4. 4. Verfahren nach Beispiel 2, wobei die Aktivitätsmetrik eine Anzahl von während einer 24-Stunden-Zeitspanne aufgezeichneten Schritte enthält.
    5. 5. Verfahren nach Beispiel 2, wobei die Aktivitätsmetrik eines oder mehrere aus einer Zeitdauer einer Aktivität, einem Intensitätsniveau einer Aktivität, einem Ort der Aktivität, der die Höhe enthält, einer während einer Aktivität zurückgelegten Strecke oder einem Typ der Aktivität enthält.
    6. 6. Verfahren nach Beispiel 1, wobei das Kategorisieren der ersten Zeitspanne das Erzeugen mehrerer erster Metriken, die jeweils den Informationen über den nächtlichen Glukosespiegel für einen entsprechenden der Tage mit signifikanter Aktivität zugeordnet sind, und das Erzeugen einer zweiten Metrik, die den Informationen über den nächtlichen Glukosespiegel für alle Tage ohne signifikante Aktivität zugeordnet ist, enthält.
    7. 7. Verfahren nach Beispiel 6, wobei das Bestimmen der Korrelation zwischen dem nächtlichen Glukosespiegel für die erste und die zweite Zeitspanne als Funktion der Aktivität das Modifizieren jeder der mehreren ersten Metriken mit der erzeugten zweiten Metrik, um entsprechende modifizierte mehrere erste Metriken zu erzeugen, enthält.
    8. 8. Verfahren nach Beispiel 7, wobei das Bestimmen der Korrelation das Identifizieren einer Zuordnung zwischen jeder der modifizierten mehreren ersten Metriken und dem entsprechenden Aktivitätsniveau enthält.
    9. 9. Verfahren nach Beispiel 1, das ferner das Ausgeben von Informationen, die den bestimmten Auswirkungen auf den nächtlichen Glukosespiegel zugeordnet sind, auf einer Benutzerschnittstelle enthält.
    10. 10. Verfahren nach Beispiel 9, wobei die ausgegebenen Informationen das Ausmaß der Senkung des Glukosespiegels, die dem gemessenen Aktivitätsniveau entspricht, enthält.
    11. 11. Verfahren nach Beispiel 1, wobei das Empfangen von Glukosedaten das Erzeugen von Signalen, die dem mit einem Glukosesensor überwachten Glukosespiegel entsprechen, enthält.
    12. 12. Verfahren nach Beispiel 11, wobei der Glukosesensor die dem überwachten Glukosespiegel entsprechenden Signale aus der Dermalflüssigkeit erzeugt.
    13. 13. Verfahren nach Beispiel 11, wobei der Glukosesensor die dem überwachten Glukosespiegel entsprechenden Signale aus der interstitiellen Flüssigkeit erzeugt.
    14. 14. Verfahren nach Beispiel 11, wobei der Glukosesensor mehrere Elektroden enthält, die eine Arbeitselektrode enthalten, die ein auf den Analyten reagierendes Enzym umfasst, das an ein auf der Arbeitselektrode angeordnetes Polymer gebunden ist.
    15. 15. Verfahren nach Beispiel 14, wobei das auf den Analyten reagierende Enzym chemisch an das auf der Arbeitselektrode angeordnete Polymer gebunden ist.
    16. 16. Verfahren nach Beispiel 14, wobei die Arbeitselektrode einen an das auf der Arbeitselektrode angeordnete Polymer gebundenen Mediator umfasst.
    17. 17. Verfahren nach Beispiel 16, wobei der Mediator mit dem auf der Arbeitselektrode angeordneten Polymer vernetzt ist.
    18. 18. Verfahren nach Beispiel 11, wobei der Glukosesensor mehrere Elektroden enthält, die eine Arbeitselektrode enthalten, die einen an das auf der Arbeitselektrode angeordnete Polymer gebundenen Mediator umfasst.
    19. 19. Vorrichtung zum Bestimmen einer Korrelation zwischen einer Änderung des nächtlichen Glukosespiegels als Funktion der Aktivität, die umfasst:
      • eine Dateneingabeschnittstelle zum Empfangen von Glukosedaten über eine vorgegebene Zeitspanne, wobei die vorgegebene Zeitspanne eine erste Zeitspanne und eine zweite Zeitspanne enthält;
      • ein Datenanalysemodul, das mit dem Dateneingabemodul betriebstechnisch gekoppelt und konfiguriert ist zum:
        • Kategorisieren der ersten Zeitspanne, so dass sie Informationen über den nächtlichen Glukosespiegel für Tage innerhalb der vorgegebenen Zeitspanne mit signifikanter Aktivität enthält, und der zweiten Zeitspanne, so dass sie Informationen über den nächtlichen Glukosespiegel für Tage innerhalb der vorgegebenen Zeitspanne ohne signifikante Aktivität enthält;
        • Bestimmen einer Korrelation zwischen dem nächtlichen Glukosespiegel für die erste und die zweite Zeitspanne als eine Funktion der Aktivität; und
        • Bestimmen basierend auf der bestimmten Korrelation der Auswirkungen auf den nächtlichen Glukosespiegel basierend auf einem gemessenen Niveau der Aktivität; und
      • eine Datenausgabeschnittstelle, die mit dem Datenanalysemodul betriebstechnisch gekoppelt ist, um Informationen, die den bestimmten Auswirkungen auf den nächtlichen Glukosespiegel zugeordnet sind, auszugeben.
    20. 20. Vorrichtung nach Beispiel 19, wobei der Tag mit signifikanter Aktivität einen Tag mit einer Aktivitätsmetrik, die einen vorgegebenen Schwellenwert überschreitet, enthält, und wobei ferner der Tag ohne signifikante Aktivität einen Tag mit der Aktivitätsmetrik unterhalb des vorgegebenen Schwellenwerts enthält.
    21. 21. Vorrichtung nach Beispiel 20, wobei die Aktivitätsmetrik die Menge der während einer 24-Stunden-Zeitspanne verbrannten Kalorien enthält.
    22. 22. Vorrichtung nach Beispiel 20, wobei die Aktivitätsmetrik eine Anzahl von während einer 24-Stunden-Zeitspanne aufgezeichneten Schritte enthält.
    23. 23. Vorrichtung nach Beispiel 20, wobei die Aktivitätsmetrik eines oder mehrere aus einer Zeitdauer einer Aktivität, einem Intensitätsniveau einer Aktivität, einem Ort der Aktivität, der die Höhe enthält, einer während einer Aktivität zurückgelegten Strecke oder einem Typ der Aktivität enthält.
    24. 24. Vorrichtung nach Beispiel 19, wobei das Datenanalysemodul, das konfiguriert ist, die erste Zeitspanne zu kategorisieren, erste mehrere Metriken, die jeweils den Informationen über den nächtlichen Glukosespiegel für einen entsprechenden der Tage mit signifikanter Aktivität zugeordnet sind, erzeugt und eine zweiten Metrik, die den Informationen über den nächtlichen Glukosespiegel für alle Tage ohne signifikante Aktivität zugeordnet ist, erzeugt.
    25. 25. Vorrichtung nach Beispiel 24, wobei das Datenanalysemodul, das konfiguriert ist, die Korrelation zwischen dem nächtlichen Glukosespiegel für die erste und die zweite Zeitspanne als die Funktion der Aktivität zu bestimmen, jede der mehreren ersten Metriken mit der erzeugten zweiten Metrik modifiziert, um entsprechende modifizierte mehrere erste Metriken zu erzeugen.
    26. 26. Vorrichtung nach Beispiel 25, wobei das Datenanalysemodul, das konfiguriert ist, die Korrelation zu bestimmen, eine Zuordnung zwischen jeder aus den modifizierten mehreren ersten Metriken zu dem entsprechenden Aktivitätsniveau identifiziert.
    27. 27. Vorrichtung nach Beispiel 19, wobei die ausgegebenen Informationen das Ausmaß der Senkung des Glukosespiegels, die dem gemessenen Aktivitätsniveau entspricht, enthält.
    28. 28. Vorrichtung nach Beispiel 19, wobei die Glukosedaten von einem Glukosesensor empfangen werden, der in fluidem Kontakt mit Körperflüssigkeit positioniert ist, um Signale zu erzeugen, die den Glukosedaten entsprechen.
    29. 29. Vorrichtung nach Beispiel 28, wobei die Körperflüssigkeit Hautflüssigkeit enthält.
    30. 30. Vorrichtung nach Beispiel 28, wobei die Körperflüssigkeit interstitielle Flüssigkeit enthält.
    31. 31. Vorrichtung nach Beispiel 28, wobei der Glukosesensor mehrere Elektroden enthält, die eine Arbeitselektrode enthalten, die ein auf den Analyten reagierendes Enzym umfasst, das an ein auf der Arbeitselektrode angeordnetes Polymer gebunden ist.
    32. 32. Vorrichtung nach Beispiel 31, wobei das auf den Analyten reagierende Enzym chemisch an das auf der Arbeitselektrode angeordnete Polymer gebunden ist.
    33. 33. Vorrichtung nach Beispiel 31, wobei die Arbeitselektrode einen an das auf der Arbeitselektrode angeordnete Polymer gebundenen Mediator umfasst.
    34. 34. Vorrichtung nach Beispiel 33, wobei der Mediator mit dem auf der Arbeitselektrode angeordneten Polymer vernetzt ist.
    35. 35. Vorrichtung nach Beispiel 28, wobei der Glukosesensor mehrere Elektroden enthält, die eine Arbeitselektrode enthalten, die einen an das auf der Arbeitselektrode angeordnete Polymer gebundenen Mediator umfasst.
    36. 36. Vorrichtung nach Beispiel 19, wobei die Datenausgabeschnittstelle eine Benutzerschnittstelle eines oder mehrerer aus einem Mobiltelefon, einer Tablet-Computervorrichtung, einem Server, einem Laptop-Computer oder einer am Körper tragbaren Vorrichtung einschließlich einer Smartwatch enthält.
    37. 37. Verfahren zum Bestimmen einer Korrelation zwischen einer Änderung des nächtlichen Glukosespiegels als Funktion der Aktivität, das umfasst:
      • Empfangen von Glukosedaten über eine vorgegebene Zeitspanne, wobei die vorgegebene Zeitspanne eine erste Zeitspanne und eine zweite Zeitspanne enthält;
      • Kategorisieren der ersten Zeitspanne, so dass sie Informationen über die Tag-Nacht-Änderung des Glukosespiegels für Tage innerhalb der vorgegebenen Zeitspanne mit signifikanter Aktivität enthält, und der zweiten Zeitspanne, so dass sie Informationen über die Tag-Nacht-Änderung des Glukosespiegels für Tage innerhalb der vorgegebenen Zeitspanne ohne signifikante Aktivität enthält;
      • Bestimmen einer Korrelation zwischen der Tag-Nacht-Änderung des Glukosespiegels für die erste und die zweite Zeitspanne als eine Funktion der Aktivität; und
      • Bestimmen basierend auf der bestimmten Korrelation der Auswirkungen auf die Änderung des nächtlichen Glukosespiegels basierend auf einem gemessenen Niveau der Aktivität.
    38. 38. Verfahren nach Beispiel 37, wobei der Tag mit signifikanter Aktivität einen Tag mit einer Aktivitätsmetrik, die einen vorgegebenen Schwellenwert überschreitet, enthält, und wobei ferner der Tag ohne signifikante Aktivität einen Tag mit der Aktivitätsmetrik unterhalb des vorgegebenen Schwellenwerts enthält.
    39. 39. Verfahren nach Beispiel 38, wobei die Aktivitätsmetrik die Menge der während einer 24-Stunden-Zeitspanne verbrannten Kalorien enthält.
    40. 40. Verfahren nach Beispiel 39, wobei die Aktivitätsmetrik eine Anzahl von während einer 24-Stunden-Zeitspanne aufgezeichneten Schritte enthält.
    41. 41. Verfahren nach Beispiel 39, wobei die Aktivitätsmetrik eines oder mehrere aus einer Zeitdauer einer Aktivität, einem Intensitätsniveau einer Aktivität, einem Ort der Aktivität, der die Höhe enthält, einer während einer Aktivität zurückgelegten Strecke oder einem Typ der Aktivität enthält.
    42. 42. Verfahren nach Beispiel 37, wobei das Kategorisieren der ersten Zeitspanne das Erzeugen mehrerer erster Metriken, die jeweils den Informationen über die Tag-Nacht-Änderung des Glukosespiegels für einen entsprechenden der Tage mit signifikanter Aktivität zugeordnet sind, und das Erzeugen einer zweiten Metrik, die den Informationen über die Tag-Nacht-Änderung des Glukosespiegels für alle Tage ohne signifikante Aktivität zugeordnet ist, enthält.
    43. 43. Verfahren nach Beispiel 42, wobei das Bestimmen der Korrelation zwischen der Tag-Nacht-Änderung des Glukosespiegels für die erste und die zweite Zeitspanne als Funktion der Aktivität das Modifizieren jeder der mehreren ersten Metriken mit der erzeugten zweiten Metrik, um entsprechende modifizierte mehrere erste Metriken zu erzeugen, enthält.
    44. 44. Verfahren nach Beispiel 43, wobei das Bestimmen der Korrelation das Identifizieren einer Zuordnung zwischen jeder der modifizierten mehreren ersten Metriken und dem entsprechenden Aktivitätsniveau enthält.
    45. 45. Verfahren nach Beispiel 37, das ferner das Ausgeben von Informationen, die den bestimmten Auswirkungen auf den nächtlichen Glukosespiegel zugeordnet sind, auf einer Benutzerschnittstelle enthält.
    46. 46. Verfahren nach Beispiel 45, wobei die ausgegebenen Informationen das Ausmaß der Senkung des Glukosespiegels, die dem gemessenen Aktivitätsniveau entspricht, enthält.
    47. 47. Verfahren nach Beispiel 37, wobei das Empfangen von Glukosedaten das Erzeugen von Signalen, die dem mit einem Glukosesensor überwachten Glukosespiegel entsprechen, enthält.
    48. 48. Verfahren nach Beispiel 47, wobei der Glukosesensor die dem überwachten Glukosespiegel entsprechenden Signale aus Hautflüssigkeit erzeugt.
    49. 49. Verfahren nach Beispiel 47, wobei der Glukosesensor die dem überwachten Glukosespiegel entsprechenden Signale aus interstitieller Flüssigkeit erzeugt.
    50. 50. Verfahren nach Beispiel 47, wobei der Glukosesensor mehrere Elektroden enthält, die eine Arbeitselektrode enthalten, die ein auf den Analyten reagierendes Enzym umfasst, das an ein auf der Arbeitselektrode angeordnetes Polymer gebunden ist.
    51. 51. Verfahren nach Beispiel 50, wobei das auf den Analyten reagierende Enzym chemisch an das auf der Arbeitselektrode angeordnete Polymer gebunden ist.
    52. 52. Verfahren nach Beispiel 50, wobei die Arbeitselektrode einen an das auf der Arbeitselektrode angeordnete Polymer gebundenen Mediator umfasst.
    53. 53. Verfahren nach Beispiel 52, wobei der Mediator mit dem auf der Arbeitselektrode angeordneten Polymer vernetzt ist.
    54. 54. Verfahren nach Beispiel 47, wobei der Glukosesensor mehrere Elektroden enthält, die eine Arbeitselektrode enthalten, die einen an das auf der Arbeitselektrode angeordnete Polymer gebundenen Mediator umfasst.
    55. 55. Vorrichtung zum Bestimmen einer Korrelation zwischen einer Änderung des nächtlichen Glukosespiegels als Funktion der Aktivität, die umfasst:
      • eine Dateneingabeschnittstelle zum Empfangen von Glukosedaten über eine vorgegebene Zeitspanne, wobei die vorgegebene Zeitspanne eine erste Zeitspanne und eine zweite Zeitspanne enthält;
      • ein Datenanalysemodul, das mit dem Dateneingabemodul betriebstechnisch gekoppelt und konfiguriert ist zum:
        • Kategorisieren der ersten Zeitspanne, so dass sie Informationen über die Tag-Nacht-Änderung des Glukosespiegels für Tage innerhalb der vorgegebenen Zeitspanne mit signifikanter Aktivität enthält, und der zweiten Zeitspanne, so dass sie Informationen über die Tag-Nacht-Änderung des Glukosespiegels für Tage innerhalb der vorgegebenen Zeitspanne ohne signifikante Aktivität enthält;
        • Bestimmen einer Korrelation zwischen der Tag-Nacht-Änderung des Glukosespiegels für die erste und die zweite Zeitspanne als eine Funktion der Aktivität; und
        • Bestimmen basierend auf der bestimmten Korrelation der Auswirkungen auf die Änderung des nächtlichen Glukosespiegels basierend auf einem gemessenen Niveau der Aktivität; und
      • eine Datenausgabeschnittstelle, die mit dem Datenanalysemodul betriebstechnisch gekoppelt ist, um Informationen, die den bestimmten Auswirkungen auf den nächtlichen Glukosespiegel zugeordnet sind, auszugeben.
    56. 56. Vorrichtung nach Beispiel 55, wobei der Tag mit signifikanter Aktivität einen Tag mit einer Aktivitätsmetrik, die einen vorgegebenen Schwellenwert überschreitet, enthält, und wobei ferner der Tag ohne signifikante Aktivität einen Tag mit der Aktivitätsmetrik unterhalb des vorgegebenen Schwellenwerts enthält.
    57. 57. Vorrichtung nach Beispiel 56, wobei die Aktivitätsmetrik die Menge der während einer 24-Stunden-Zeitspanne verbrannten Kalorien enthält.
    58. 58. Vorrichtung nach Beispiel 56, wobei die Aktivitätsmetrik eine Anzahl von während einer 24-Stunden-Zeitspanne aufgezeichneten Schritte enthält.
    59. 59. Vorrichtung nach Beispiel 56, wobei die Aktivitätsmetrik eines oder mehrere aus einer Zeitdauer einer Aktivität, einem Intensitätsniveau einer Aktivität, einem Ort der Aktivität, der die Höhe enthält, einer während einer Aktivität zurückgelegten Strecke oder einem Typ der Aktivität enthält.
    60. 60. Vorrichtung nach Beispiel 55, wobei das Datenanalysemodul, das die erste Zeitspanne kategorisiert, mehrere erste Metriken, die jeweils Informationen über die Tag-Nacht-Änderung des Glukosespiegels für einen entsprechenden der Tage mit signifikanter Aktivität zugeordnet sind, erzeugt und eine zweite Metrik, die Informationen über die Tag-Nacht-Änderung des Glukosespiegels für alle Tage ohne signifikante Aktivität zugeordnet ist, erzeugt.
    61. 61. Vorrichtung nach Beispiel 60, wobei das Datenanalysemodul, das die Korrelation zwischen der Tag-Nacht-Änderung des Glukosespiegels für die erste und die zweite Zeitspanne als die Funktion der Aktivität bestimmt, jede der mehreren ersten Metriken mit der erzeugten zweiten Metrik modifiziert, um entsprechende modifizierte mehrere erste Metriken zu erzeugen.
    62. 62. Vorrichtung nach Beispiel 61, wobei das Datenanalysemodul, das die Korrelation bestimmt, eine Zuordnung zwischen jeder aus den modifizierten mehreren ersten Metriken zu dem entsprechenden Aktivitätsniveau identifiziert.
    63. 63. Vorrichtung nach Beispiel 55, wobei die ausgegebenen Informationen das Ausmaß der Senkung des Glukosespiegels, die dem gemessenen Aktivitätsniveau entspricht, enthält.
    64. 64. Vorrichtung nach Beispiel 55, wobei die Glukosedaten von einem Glukosesensor empfangen werden, der in fluidem Kontakt mit Körperflüssigkeit positioniert ist, um Signale zu erzeugen, die den Glukosedaten entsprechen.
    65. 65. Vorrichtung nach Beispiel 64, wobei die Körperflüssigkeit Hautflüssigkeit enthält.
    66. 66. Vorrichtung nach Beispiel 64, wobei die Körperflüssigkeit interstitielle Flüssigkeit enthält.
    67. 67. Vorrichtung nach Beispiel 64, wobei der Glukosesensor mehrere Elektroden enthält, die eine Arbeitselektrode enthalten, die ein auf den Analyten reagierendes Enzym umfasst, das an ein auf der Arbeitselektrode angeordnetes Polymer gebunden ist.
    68. 68. Vorrichtung nach Beispiel 67, wobei das auf den Analyten reagierende Enzym chemisch an das auf der Arbeitselektrode angeordnete Polymer gebunden ist.
    69. 69. Vorrichtung nach Beispiel 67, wobei die Arbeitselektrode einen an das auf der Arbeitselektrode angeordnete Polymer gebundenen Mediator umfasst.
    70. 70. Vorrichtung nach Beispiel 69, wobei der Mediator mit dem auf der Arbeitselektrode angeordneten Polymer vernetzt ist.
    71. 71. Vorrichtung nach Beispiel 64, wobei der Glukosesensor mehrere Elektroden enthält, die eine Arbeitselektrode enthalten, die einen an das auf der Arbeitselektrode angeordnete Polymer gebundenen Mediator umfasst.
    72. 72. Vorrichtung nach Beispiel 55, wobei die Datenausgabeschnittstelle eine Benutzerschnittstelle eines oder mehrerer aus einem Mobiltelefon, einer Tablet-Computervorrichtung, einem Server, einem Laptop-Computer oder einer am Körper tragbaren Vorrichtung einschließlich einer Smartwatch enthält.
  • ZITATE ENTHALTEN IN DER BESCHREIBUNG
  • Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.
  • Zitierte Patentliteratur
    • US 62/307346 [0001]
    • US 62191218 [0001]
    • US 62307344 [0001]
    • US 4545382 [0002]
    • US 4711245 [0002]
    • US 5262035 [0002]
    • US 5262305 [0002]
    • US 5264104 [0002]
    • US 5320715 [0002]
    • US 5356786 [0002]
    • US 5509410 [0002]
    • US 5543326 [0002]
    • US 5593852 [0002]
    • US 5601435 [0002]
    • US 5628890 [0002]
    • US 5820551 [0002]
    • US 5822715 [0002]
    • US 5899855 [0002]
    • US 5918603 [0002]
    • US 6071391 [0002]
    • US 6103033 [0002]
    • US 6120676 [0002]
    • US 6121009 [0002]
    • US 6134461 [0002]
    • US 6143164 [0002]
    • US 6144837 [0002]
    • US 6161095 [0002]
    • US 6175752 [0002]
    • US 6270455 [0002]
    • US 6284478 [0002]
    • US 6299757 [0002]
    • US 6338790 [0002]
    • US 6377894 [0002]
    • US 6461496 [0002]
    • US 6503381 [0002]
    • US 6514460 [0002]
    • US 6514718 [0002]
    • US 6540891 [0002]
    • US 6560471 [0002]
    • US 6579690 [0002]
    • US 6591125 [0002]
    • US 6592745 [0002]
    • US 6600997 [0002]
    • US 6605200 [0002]
    • US 6605201 [0002]
    • US 6616819 [0002]
    • US 6618934 [0002]
    • US 6650471 [0002]
    • US 6654625 [0002]
    • US 6676816 [0002]
    • US 6730200 [0002]
    • US 6736957 [0002]
    • US 6746582 [0002]
    • US 6749740 [0002]
    • US 6764581 [0002]
    • US 6773671 [0002]
    • US 6881551 [0002]
    • US 6893545 [0002]
    • US 6932892 [0002]
    • US 6932894 [0002]
    • US 6942518 [0002]
    • US 7041468 [0002]
    • US 7167818 [0002]
    • US 7299082 [0002]
    • US 2004/0186365 [0002]
    • US 7811231 [0002]
    • US 2005/0182306 [0002]
    • US 8771183 [0002]
    • US 2006/0025662 [0002]
    • US 7740581 [0002]
    • US 2006/0091006 [0002]
    • US 2007/0056858 [0002]
    • US 8298389 [0002]
    • US 2007/0068807 [0002]
    • US 7846311 [0002]
    • US 2007/0095661 [0002]
    • US 2007/0108048 [0002]
    • US 7918975 [0002]
    • US 2007/0199818 [0002]
    • US 7811430 [0002]
    • US 2007/0227911 [0002]
    • US 7887682 [0002]
    • US 2007/0233013 [0002]
    • US 2008/0066305 [0002]
    • US 7895740 [0002]
    • US 2008/0081977 [0002]
    • US 7618369 [0002]
    • US 2008/0102441 [0002]
    • US 7822557 [0002]
    • US 2008/0148873 [0002]
    • US 7802467 [0002]
    • US 2008/0161666 [0002]
    • US 2008/0267823 [0002]
    • US 2009/0054748 [0002]
    • US 7885698 [0002]
    • US 11/461725 [0002]
    • US 7866026 [0002]
    • US 12/131012 [0002]
    • US 12/393921 [0002]
    • US 12/242823 [0002]
    • US 8219173 [0002]
    • US 12/363712 [0002]
    • US 8346335 [0002]
    • US 12/495709 [0002]
    • US 12/698124 [0002]
    • US 12/698129 [0002]
    • US 12/714439 [0002]
    • US 12/794721 [0002]
    • US 8595607 [0002]
    • US 12/842013 [0002]
    • US 61/238646 [0002]
    • US 61/246825 [0002]
    • US 61/247516 [0002]
    • US 61/249535 [0002]
    • US 61/317243 [0002]
    • US 61/345562 [0002]
    • US 61/361374 [0002]
    • WO 2015153482 [0031, 0037]
    • US 2015/023380 PCT [0031]

Claims (15)

  1. Vorrichtung (110) zum Bestimmen der Korrelation einer Änderung des nächtlichen Glukosespiegels als Funktion der Aktivität, aufweisend: eine Dateneingabeschnittstelle (111) zum Empfangen von Aktivitätsgradinformation und von Glukosedaten über eine vorgegebene Zeitspanne, wobei die vorgegebene Zeitspanne eine erste Zeitspanne und eine zweite Zeitspanne umfasst; ein Datenanalysemodul (110B, 112), das mit der Dateneingabeschnittstelle (111) funktional gekoppelt ist, und konfiguriert ist zum: Kategorisieren der ersten Zeitspanne derart, dass sie Information über den nächtlichen Glukosespiegel für Tage innerhalb der vorgegebenen Zeitspanne mit signifikanter Aktivität enthält, und der zweiten Zeitspanne derart, dass sie Information über den nächtlichen Glukosespiegel für Tage innerhalb der vorgegebenen Zeitspanne ohne signifikante Aktivität enthält; Bestimmen einer Korrelation zwischen der nächtlichen Glukosespiegelinformation für die erste Zeitspanne und der nächtlichen Glukosespiegelinformation für die zweiten Zeitspanne, wobei die Korrelation eine Funktion der Aktivität ist; und Bestimmen, basierend auf der bestimmten Korrelation, der Auswirkungen des gemessenen Grades der Aktivität auf den nächtlichen Glukosespiegel; und eine Datenausgabeschnittstelle (110B, 113), die mit dem Datenanalysemodul (110B, 112) funktional gekoppelt ist, um Informationen auszugeben, die den bestimmten Auswirkungen auf den nächtlichen Glukosespiegel zugeordnet sind.
  2. Vorrichtung (110) nach Anspruch 1, wobei der Tag mit signifikanter Aktivität einen Tag mit einer Aktivitätsmetrik, die einen vorgegebenen Schwellenwert überschreitet, enthält, und wobei ferner der Tag ohne signifikante Aktivität einen Tag mit der Aktivitätsmetrik unterhalb des vorgegebenen Schwellenwerts enthält.
  3. Vorrichtung (110) nach Anspruch 2, wobei die Aktivitätsmetrik die Menge der verbrannten Kalorien umfasst.
  4. Vorrichtung (110) nach Anspruch 2, wobei die Aktivitätsmetrik eine Anzahl von aufgezeichneten Schritten umfasst.
  5. Vorrichtung (110) nach Anspruch 2, wobei die Aktivitätsmetrik eines oder mehrere aus einer Zeitdauer einer Aktivität, einem Intensitätsniveau einer Aktivität, mit der Aktivität verbundenen Herzschlagfrequenzdaten, einem Ort der Aktivität und dessen Höhe, einer während einer Aktivität zurückgelegten Strecke oder einem Typ der Aktivität enthält.
  6. Vorrichtung (110) nach Anspruch 1, wobei das Datenanalysemodul (110B, 112), das konfiguriert ist, die erste Zeitspanne zu kategorisieren, mehrere erste Metriken, die jeweils den Informationen über den nächtlichen Glukosespiegel für einen entsprechenden der Tage mit signifikanter Aktivität zugeordnet sind, erzeugt und eine zweiten Metrik, die den Informationen über den nächtlichen Glukosespiegel für alle Tage ohne signifikante Aktivität zugeordnet ist, erzeugt.
  7. Vorrichtung (110) nach Anspruch 6, wobei das Datenanalysemodul (110B, 112), das konfiguriert ist, die Korrelation zwischen dem nächtlichen Glukosespiegel für die erste und die zweite Zeitspanne als die Funktion der Aktivität zu bestimmen, jede der mehreren ersten Metriken mit der erzeugten zweiten Metrik modifiziert, um mehrere entsprechende modifizierte erste Metriken zu erzeugen.
  8. Vorrichtung (110) nach Anspruch 7, wobei das Datenanalysemodul (110B, 112), das konfiguriert ist, die Korrelation zu bestimmen, eine Zuordnung zwischen jeder der mehreren modifizierten ersten Metriken zu dem entsprechenden Aktivitätsniveau identifiziert.
  9. Vorrichtung (110) nach einem der Ansprüche 1-8, wobei die ausgegebene Information das Ausmaß der Senkung des Glukosespiegels, die dem gemessenen Aktivitätsniveau entspricht, enthält.
  10. Vorrichtung (110) nach einem der Ansprüche 1-9, wobei die Glukosespiegelinformation von einem Glukosesensor (130C) empfangen wird, der in Fluidkontakt mit einer Körperflüssigkeit positioniert ist, um Signale zu erzeugen, die den Glukosedaten entsprechen, wobei die Körperflüssigkeit optional Hautflüssigkeit oder interstitielle Flüssigkeit umfasst.
  11. Glukoseüberwachungssystem (100), das die Vorrichtung (110) nach Anspruch 10 und den Glukosesensor (130C) umfasst, wobei der Glukosesensor (130C) eine Vielzahl von Elektroden umfasst, einschließlich einer Arbeitselektrode, die ein auf einen Analyten reagierendes Enzym umfasst, das an ein auf der Arbeitselektrode angeordnetes Polymer gebunden ist.
  12. Glukoseüberwachungssystem (100) nach Anspruch 11, wobei das auf den Analyten ansprechende Enzym chemisch an das auf der Arbeitselektrode angeordnete Polymer gebunden ist.
  13. Vorrichtung (100) nach Anspruch 11, wobei die Arbeitselektrode einen Mediator umfasst, der an das auf der Arbeitselektrode angeordnete Polymer gebunden ist.
  14. Vorrichtung (100) nach einem der Ansprüche 1-10, wobei die Ausgabe eine Benachrichtigung ist, die eine oder mehrere visuelle, akustische oder Vibrations-Benachrichtigungen umfasst.
  15. Vorrichtung (100) nach einem der Ansprüche 1-10 oder Anspruch 14, wobei die Ausgabe eine Benachrichtigung ist, die eine Therapieempfehlung umfasst, wobei die Therapieempfehlung optional eine Empfehlung zur Einnahme von einem oder mehreren von Medikamenten, Nahrungsmitteln oder Getränken umfasst.
DE202016009220.1U 2015-07-10 2016-07-08 Vorrichtung und System für eine dynamische Glukoseprofilreaktion auf physiologische Parameter Active DE202016009220U1 (de)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
US201562191218P 2015-07-10 2015-07-10
US62/191,218 2015-07-10
US201662307346P 2016-03-11 2016-03-11
US62/307,346 2016-03-11

Publications (1)

Publication Number Publication Date
DE202016009220U1 true DE202016009220U1 (de) 2024-07-09

Family

ID=57758105

Family Applications (1)

Application Number Title Priority Date Filing Date
DE202016009220.1U Active DE202016009220U1 (de) 2015-07-10 2016-07-08 Vorrichtung und System für eine dynamische Glukoseprofilreaktion auf physiologische Parameter

Country Status (8)

Country Link
US (3) US11553883B2 (de)
EP (2) EP4601278A3 (de)
JP (3) JP6986007B2 (de)
CN (2) CN113349766B (de)
AU (3) AU2016291569B2 (de)
CA (1) CA2991716A1 (de)
DE (1) DE202016009220U1 (de)
WO (1) WO2017011346A1 (de)

Families Citing this family (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AU2010292417B9 (en) 2009-09-08 2015-04-16 Abbott Diabetes Care Inc. Methods and articles of manufacture for hosting a safety critical application on an uncontrolled data processing device
US9867953B2 (en) 2013-06-21 2018-01-16 Tandem Diabetes Care, Inc. System and method for infusion set dislodgement detection
CN113349766B (zh) * 2015-07-10 2024-11-22 雅培糖尿病护理公司 对于生理参数进行动态葡萄糖曲线响应的系统、装置和方法
CA3014603C (en) 2016-03-31 2024-06-18 Dexcom, Inc. Systems and methods for inter-app communications
US10328204B2 (en) * 2016-05-02 2019-06-25 Dexcom, Inc. System and method for providing alerts optimized for a user
EP3327598B8 (de) * 2016-11-25 2025-08-06 Roche Diabetes Care GmbH Ein system und ein verfahren zur automatischen analyse von kontinuierlichen glukoseüberwachungsdaten indikativ für den glukosespiegel in einer körperflüssigkeit
ES2942748T3 (es) * 2017-03-08 2023-06-06 Abbott Diabetes Care Inc Sistema para la supervisión y gestión del bienestar y la nutrición utilizando datos de analito
EP3600014B1 (de) * 2017-03-21 2025-07-30 Abbott Diabetes Care Inc. Vorrichtungen und system zur bereitstellung der diagnose von diabetischen zuständen
CN107745381B (zh) * 2017-09-29 2018-10-12 南京昱晟机器人科技有限公司 一种机器人及其识别路障的方法
US11829184B1 (en) * 2017-09-29 2023-11-28 Verily Life Sciences Llc Health event highlighter
US10517514B2 (en) 2017-10-18 2019-12-31 Verily Life Sciences Llc Glycemic response insight detection
US20200203012A1 (en) * 2018-12-19 2020-06-25 Dexcom, Inc. Intermittent monitoring
US11464908B2 (en) 2019-02-18 2022-10-11 Tandem Diabetes Care, Inc. Methods and apparatus for monitoring infusion sites for ambulatory infusion pumps
US11710562B2 (en) * 2019-08-29 2023-07-25 Medtronic Minimed, Inc. Gesture-based control of diabetes therapy
KR102571045B1 (ko) * 2021-06-21 2023-08-29 이오플로우(주) 최적의 인슐린 주입량을 산출하는 방법, 장치 및 컴퓨터 프로그램 제품
CN114246589B (zh) * 2021-12-23 2024-05-24 北京津发科技股份有限公司 记忆认知能力测评方法及系统

Citations (65)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4545382A (en) 1981-10-23 1985-10-08 Genetics International, Inc. Sensor for components of a liquid mixture
US4711245A (en) 1983-05-05 1987-12-08 Genetics International, Inc. Sensor for components of a liquid mixture
US5262035A (en) 1989-08-02 1993-11-16 E. Heller And Company Enzyme electrodes
US5262305A (en) 1991-03-04 1993-11-16 E. Heller & Company Interferant eliminating biosensors
US5264104A (en) 1989-08-02 1993-11-23 Gregg Brian A Enzyme electrodes
US5320715A (en) 1994-01-14 1994-06-14 Lloyd Berg Separation of 1-pentanol from cyclopentanol by extractive distillation
US5356786A (en) 1991-03-04 1994-10-18 E. Heller & Company Interferant eliminating biosensor
US5509410A (en) 1983-06-06 1996-04-23 Medisense, Inc. Strip electrode including screen printing of a single layer
US5543326A (en) 1994-03-04 1996-08-06 Heller; Adam Biosensor including chemically modified enzymes
US5593852A (en) 1993-12-02 1997-01-14 Heller; Adam Subcutaneous glucose electrode
US5601435A (en) 1994-11-04 1997-02-11 Intercare Method and apparatus for interactively monitoring a physiological condition and for interactively providing health related information
US5628890A (en) 1995-09-27 1997-05-13 Medisense, Inc. Electrochemical sensor
US5820551A (en) 1983-05-05 1998-10-13 Hill; Hugh Allen Oliver Strip electrode with screen printing
US5822715A (en) 1997-01-10 1998-10-13 Health Hero Network Diabetes management system and method for controlling blood glucose
US5899855A (en) 1992-11-17 1999-05-04 Health Hero Network, Inc. Modular microprocessor-based health monitoring system
US5918603A (en) 1994-05-23 1999-07-06 Health Hero Network, Inc. Method for treating medical conditions using a microprocessor-based video game
US6071391A (en) 1997-09-12 2000-06-06 Nok Corporation Enzyme electrode structure
US6103033A (en) 1998-03-04 2000-08-15 Therasense, Inc. Process for producing an electrochemical biosensor
US6120676A (en) 1997-02-06 2000-09-19 Therasense, Inc. Method of using a small volume in vitro analyte sensor
US6134461A (en) 1998-03-04 2000-10-17 E. Heller & Company Electrochemical analyte
US6161095A (en) 1998-12-16 2000-12-12 Health Hero Network, Inc. Treatment regimen compliance and efficacy with feedback
US6175752B1 (en) 1998-04-30 2001-01-16 Therasense, Inc. Analyte monitoring device and methods of use
US6270455B1 (en) 1997-03-28 2001-08-07 Health Hero Network, Inc. Networked system for interactive communications and remote monitoring of drug delivery
US6299757B1 (en) 1998-10-08 2001-10-09 Therasense, Inc. Small volume in vitro analyte sensor with diffusible or non-leachable redox mediator
US6377894B1 (en) 1998-11-30 2002-04-23 Abbott Laboratories Analyte test instrument having improved calibration and communication processes
US6514460B1 (en) 1999-07-28 2003-02-04 Abbott Laboratories Luminous glucose monitoring device
US6540891B1 (en) 1998-05-08 2003-04-01 Abbott Laboratories Test strip
US6560471B1 (en) 2001-01-02 2003-05-06 Therasense, Inc. Analyte monitoring device and methods of use
US6579690B1 (en) 1997-12-05 2003-06-17 Therasense, Inc. Blood analyte monitoring through subcutaneous measurement
US6591125B1 (en) 2000-06-27 2003-07-08 Therasense, Inc. Small volume in vitro analyte sensor with diffusible or non-leachable redox mediator
US6605200B1 (en) 1999-11-15 2003-08-12 Therasense, Inc. Polymeric transition metal complexes and uses thereof
US6616819B1 (en) 1999-11-04 2003-09-09 Therasense, Inc. Small volume in vitro analyte sensor and methods
US6650471B2 (en) 2001-09-17 2003-11-18 Dai Nippon Printing Co., Ltd. Resin composition for production of optical element, the optical element, and projection screen
US6654625B1 (en) 1999-06-18 2003-11-25 Therasense, Inc. Mass transport limited in vivo analyte sensor
US6676816B2 (en) 2001-05-11 2004-01-13 Therasense, Inc. Transition metal complexes with (pyridyl)imidazole ligands and sensors using said complexes
US6730200B1 (en) 1999-06-18 2004-05-04 Abbott Laboratories Electrochemical sensor for analysis of liquid samples
US6736957B1 (en) 1997-10-16 2004-05-18 Abbott Laboratories Biosensor electrode mediators for regeneration of cofactors and process for using
US6746582B2 (en) 2000-05-12 2004-06-08 Therasense, Inc. Electrodes with multilayer membranes and methods of making the electrodes
US6764581B1 (en) 1997-09-05 2004-07-20 Abbott Laboratories Electrode with thin working layer
US6773671B1 (en) 1998-11-30 2004-08-10 Abbott Laboratories Multichemistry measuring device and test strips
US20040186365A1 (en) 2002-12-31 2004-09-23 Therasense, Inc. Continuous glucose monitoring system and methods of use
US20050182306A1 (en) 2004-02-17 2005-08-18 Therasense, Inc. Method and system for providing data communication in continuous glucose monitoring and management system
US6932892B2 (en) 1998-03-20 2005-08-23 Semitool, Inc. Apparatus and method for electrolytically depositing copper on a semiconductor workpiece
US6932894B2 (en) 2001-05-15 2005-08-23 Therasense, Inc. Biosensor membranes composed of polymers containing heterocyclic nitrogens
US20060091006A1 (en) 1999-11-04 2006-05-04 Yi Wang Analyte sensor with insertion monitor, and methods
US7041468B2 (en) 2001-04-02 2006-05-09 Therasense, Inc. Blood glucose tracking apparatus and methods
US20070056858A1 (en) 2005-09-12 2007-03-15 Abbott Diabetes Care, Inc. In vitro analyte sensor, and methods
US20070068807A1 (en) 2005-09-27 2007-03-29 Abbott Diabetes Care, Inc. In vitro analyte sensor and methods of use
US20070095661A1 (en) 2005-10-31 2007-05-03 Yi Wang Method of making, and, analyte sensor
US20070108048A1 (en) 2005-11-17 2007-05-17 Abbott Diabetes Care, Inc. Sensors
US20070199818A1 (en) 2006-02-28 2007-08-30 Adrian Petyt Biosensors and Methods of Making
US20070233013A1 (en) 2006-03-31 2007-10-04 Schoenberg Stephen J Covers for tissue engaging members
US20070227911A1 (en) 2006-03-29 2007-10-04 Yi Wang Analyte sensors and methods of use
US7299082B2 (en) 2003-10-31 2007-11-20 Abbott Diabetes Care, Inc. Method of calibrating an analyte-measurement device, and associated methods, devices and systems
US20080066305A1 (en) 2006-08-01 2008-03-20 Abbott Diabetes Care Inc. Analyte sensors and methods
US20080081977A1 (en) 2006-10-02 2008-04-03 Abbott Diabetes Care, Inc. Method and System for Dynamically Updating Calibration Parameters for an Analyte Sensor
US20080102441A1 (en) 2006-10-31 2008-05-01 Ting Chen Analyte Sensors and Methods
US20080148873A1 (en) 2006-12-22 2008-06-26 Yi Wang Analyte Sensors and Methods of Use
US20080161666A1 (en) 2006-12-29 2008-07-03 Abbott Diabetes Care, Inc. Analyte devices and methods
US20080267823A1 (en) 2007-04-27 2008-10-30 Abbott Diabetes Care, Inc. Identification Of A Strip Type By The Meter Using Conductive Patterns On The Strip
US20090054748A1 (en) 2006-02-28 2009-02-26 Abbott Diabetes Care, Inc. Method and system for providing continuous calibration of implantable analyte sensors
US8219173B2 (en) 2008-09-30 2012-07-10 Abbott Diabetes Care Inc. Optimizing analyte sensor calibration
US8346335B2 (en) 2008-03-28 2013-01-01 Abbott Diabetes Care Inc. Analyte sensor calibration management
US8595607B2 (en) 2009-06-04 2013-11-26 Abbott Diabetes Care Inc. Method and system for updating a medical device
WO2015153482A1 (en) 2014-03-30 2015-10-08 Abbott Diabetes Care Inc. Method and apparatus for determining meal start and peak events in analyte monitoring systems

Family Cites Families (829)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB1191363A (en) 1968-02-19 1970-05-13 Pavelle Ltd Improvements in or relating to Electronic Thermostats.
US3949388A (en) 1972-11-13 1976-04-06 Monitron Industries, Inc. Physiological sensor and transmitter
US3926760A (en) 1973-09-28 1975-12-16 Du Pont Process for electrophoretic deposition of polymer
US4245634A (en) 1975-01-22 1981-01-20 Hospital For Sick Children Artificial beta cell
US4036749A (en) 1975-04-30 1977-07-19 Anderson Donald R Purification of saline water
US3960497A (en) 1975-08-19 1976-06-01 Beckman Instruments, Inc. Chemical analyzer with automatic calibration
US4033330A (en) 1975-09-08 1977-07-05 Hewlett-Packard Company Transcutaneous pH measuring instrument
US4055175A (en) 1976-05-07 1977-10-25 Miles Laboratories, Inc. Blood glucose control apparatus
US4129128A (en) 1977-02-23 1978-12-12 Mcfarlane Richard H Securing device for catheter placement assembly
US4344438A (en) 1978-08-02 1982-08-17 The United States Of America As Represented By The Department Of Health, Education And Welfare Optical sensor of plasma constituents
AU530979B2 (en) 1978-12-07 1983-08-04 Aus. Training Aids Pty. Ltd., Detecting position of bullet fired at target
US4373527B1 (en) 1979-04-27 1995-06-27 Univ Johns Hopkins Implantable programmable medication infusion system
CS210174B1 (en) 1979-07-12 1982-01-29 Ivan Emmer Method of making the electric hygrometric sensor
US4425920A (en) 1980-10-24 1984-01-17 Purdue Research Foundation Apparatus and method for measurement and control of blood pressure
US4327725A (en) 1980-11-25 1982-05-04 Alza Corporation Osmotic device with hydrogel driving member
US4392849A (en) 1981-07-27 1983-07-12 The Cleveland Clinic Foundation Infusion pump controller
DE3138194A1 (de) 1981-09-25 1983-04-14 Basf Ag, 6700 Ludwigshafen Wasserunloesliches poroeses proteinmaterial, dessen herstellung und verwendung
US4431004A (en) 1981-10-27 1984-02-14 Bessman Samuel P Implantable glucose sensor
US4494950A (en) 1982-01-19 1985-01-22 The Johns Hopkins University Plural module medication delivery system
FI831399L (fi) 1982-04-29 1983-10-30 Agripat Sa Kontaktlins av haerdad polyvinylalkohol
EP0098592A3 (de) 1982-07-06 1985-08-21 Fujisawa Pharmaceutical Co., Ltd. Tragbare künstliche Bauchspeicheldrüse
US4509531A (en) 1982-07-28 1985-04-09 Teledyne Industries, Inc. Personal physiological monitor
US4464170A (en) 1982-09-29 1984-08-07 Miles Laboratories, Inc. Blood glucose control apparatus and method
US4527240A (en) 1982-12-29 1985-07-02 Kvitash Vadim I Balascopy method for detecting and rapidly evaluating multiple imbalances within multi-parametric systems
CA1226036A (en) 1983-05-05 1987-08-25 Irving J. Higgins Analytical equipment and sensor electrodes therefor
US4538616A (en) 1983-07-25 1985-09-03 Robert Rogoff Blood sugar level sensing and monitoring transducer
DE3429596A1 (de) 1984-08-10 1986-02-20 Siemens AG, 1000 Berlin und 8000 München Vorrichtung zur physiologischen frequenzsteuerung eines mit einer reizelektrode versehenen herzschrittmachers
CA1254091A (en) 1984-09-28 1989-05-16 Vladimir Feingold Implantable medication infusion system
US4847785A (en) 1985-01-22 1989-07-11 International Business Machines Corp. Interactive display for trend or bar graph
US5279294A (en) 1985-04-08 1994-01-18 Cascade Medical, Inc. Medical diagnostic system
US4671288A (en) 1985-06-13 1987-06-09 The Regents Of The University Of California Electrochemical cell sensor for continuous short-term use in tissues and blood
US4890620A (en) 1985-09-20 1990-01-02 The Regents Of The University Of California Two-dimensional diffusion glucose substrate sensing electrode
US4757022A (en) 1986-04-15 1988-07-12 Markwell Medical Institute, Inc. Biological fluid measuring device
US4703756A (en) 1986-05-06 1987-11-03 The Regents Of The University Of California Complete glucose monitoring system with an implantable, telemetered sensor module
US4731726A (en) 1986-05-19 1988-03-15 Healthware Corporation Patient-operated glucose monitor and diabetes management system
US5055171A (en) 1986-10-06 1991-10-08 T And G Corporation Ionic semiconductor materials and applications thereof
US4854322A (en) 1987-02-25 1989-08-08 Ash Medical Systems, Inc. Capillary filtration and collection device for long-term monitoring of blood constituents
US5002054A (en) 1987-02-25 1991-03-26 Ash Medical Systems, Inc. Interstitial filtration and collection device and method for long-term monitoring of physiological constituents of the body
US4777953A (en) 1987-02-25 1988-10-18 Ash Medical Systems, Inc. Capillary filtration and collection method for long-term monitoring of blood constituents
US4759828A (en) 1987-04-09 1988-07-26 Nova Biomedical Corporation Glucose electrode and method of determining glucose
US4749985A (en) 1987-04-13 1988-06-07 United States Of America As Represented By The United States Department Of Energy Functional relationship-based alarm processing
EP0290683A3 (de) 1987-05-01 1988-12-14 Diva Medical Systems B.V. System und Vorrichtung zur medizinischen Behandlung der Zuckerkrankheit
GB8725936D0 (en) 1987-11-05 1987-12-09 Genetics Int Inc Sensing system
US4925268A (en) 1988-07-25 1990-05-15 Abbott Laboratories Fiber-optic physiological probes
EP0353328A1 (de) 1988-08-03 1990-02-07 Dräger Nederland B.V. Polarographische-amperometrische Drei-Elektroden-Messsonde
US5340722A (en) 1988-08-24 1994-08-23 Avl Medical Instruments Ag Method for the determination of the concentration of an enzyme substrate and a sensor for carrying out the method
US4995402A (en) 1988-10-12 1991-02-26 Thorne, Smith, Astill Technologies, Inc. Medical droplet whole blood and like monitoring
US5360404A (en) 1988-12-14 1994-11-01 Inviro Medical Devices Ltd. Needle guard and needle assembly for syringe
US5068536A (en) 1989-01-19 1991-11-26 Futrex, Inc. Method for providing custom calibration for near infrared instruments for measurement of blood glucose
EP0385805B1 (de) 1989-03-03 1996-06-05 Edward W. Stark Verfahren und Vorrichtung zur Signalbehandlung
US5312762A (en) 1989-03-13 1994-05-17 Guiseppi Elie Anthony Method of measuring an analyte by measuring electrical resistance of a polymer film reacting with the analyte
JPH02298855A (ja) 1989-03-20 1990-12-11 Assoc Univ Inc 固定化酵素とレドックス重合体を用いた電気化学的バイオセンサー
US4953552A (en) 1989-04-21 1990-09-04 Demarzo Arthur P Blood glucose monitoring system
EP0396788A1 (de) 1989-05-08 1990-11-14 Dräger Nederland B.V. Verfahren und Sensor zur Messung des Glucosegehalts von Glucose enthaltenden Flüssigkeiten
FR2648353B1 (fr) 1989-06-16 1992-03-27 Europhor Sa Sonde de microdialyse
US5431160A (en) 1989-07-19 1995-07-11 University Of New Mexico Miniature implantable refillable glucose sensor and material therefor
US4986271A (en) 1989-07-19 1991-01-22 The University Of New Mexico Vivo refillable glucose sensor
US5320725A (en) 1989-08-02 1994-06-14 E. Heller & Company Electrode and method for the detection of hydrogen peroxide
US5264105A (en) 1989-08-02 1993-11-23 Gregg Brian A Enzyme electrodes
US5568400A (en) 1989-09-01 1996-10-22 Stark; Edward W. Multiplicative signal correction method and apparatus
US5050612A (en) 1989-09-12 1991-09-24 Matsumura Kenneth N Device for computer-assisted monitoring of the body
US5082550A (en) 1989-12-11 1992-01-21 The United States Of America As Represented By The Department Of Energy Enzyme electrochemical sensor electrode and method of making it
US5342789A (en) 1989-12-14 1994-08-30 Sensor Technologies, Inc. Method and device for detecting and quantifying glucose in body fluids
US5051688A (en) 1989-12-20 1991-09-24 Rohm Co., Ltd. Crossed coil meter driving device having a plurality of input parameters
US5243696A (en) 1989-12-29 1993-09-07 General Signal Corporation Programmable electronic display for a chart recorder
US5165407A (en) 1990-04-19 1992-11-24 The University Of Kansas Implantable glucose sensor
GB2243211A (en) 1990-04-20 1991-10-23 Philips Electronic Associated Analytical instrument and method of calibrating an analytical instrument
US5202261A (en) 1990-07-19 1993-04-13 Miles Inc. Conductive sensors and their use in diagnostic assays
JP2701977B2 (ja) 1990-09-28 1998-01-21 ファイザー インク 疎水性媒体を含有する投薬体
US5251126A (en) 1990-10-29 1993-10-05 Miles Inc. Diabetes data analysis and interpretation method
DE69126885T3 (de) 1990-12-12 2001-10-18 Sherwood Services Ag, Schaffhausen Kalibrierung eines infrarot-thermometers mittels flächenhafter eichkurven-darstellung
US5228449A (en) 1991-01-22 1993-07-20 Athanasios G. Christ System and method for detecting out-of-hospital cardiac emergencies and summoning emergency assistance
US5632272A (en) 1991-03-07 1997-05-27 Masimo Corporation Signal processing apparatus
US5469855A (en) 1991-03-08 1995-11-28 Exergen Corporation Continuous temperature monitor
US5135004A (en) 1991-03-12 1992-08-04 Incontrol, Inc. Implantable myocardial ischemia monitor and related method
US5204264A (en) 1991-03-14 1993-04-20 E. I. Du Pont De Nemours And Company Method for validation of calibration standards in an automatic chemical analyzer
US5122925A (en) 1991-04-22 1992-06-16 Control Products, Inc. Package for electronic components
CA2074702C (en) 1991-07-29 1996-11-19 Donald J. Urbas Programmable transponder
US5231988A (en) 1991-08-09 1993-08-03 Cyberonics, Inc. Treatment of endocrine disorders by nerve stimulation
GB9120144D0 (en) 1991-09-20 1991-11-06 Imperial College A dialysis electrode device
US5322063A (en) 1991-10-04 1994-06-21 Eli Lilly And Company Hydrophilic polyurethane membranes for electrochemical glucose sensors
US5372427A (en) 1991-12-19 1994-12-13 Texas Instruments Incorporated Temperature sensor
US5285792A (en) 1992-01-10 1994-02-15 Physio-Control Corporation System for producing prioritized alarm messages in a medical instrument
US5246867A (en) 1992-01-17 1993-09-21 University Of Maryland At Baltimore Determination and quantification of saccharides by luminescence lifetimes and energy transfer
IL104365A0 (en) 1992-01-31 1993-05-13 Gensia Pharma Method and apparatus for closed loop drug delivery
US5328927A (en) 1992-03-03 1994-07-12 Merck Sharpe & Dohme, Ltd. Hetercyclic compounds, processes for their preparation and pharmaceutical compositions containing them
DE69319771T2 (de) 1992-03-31 1999-04-22 Dai Nippon Printing Co., Ltd., Tokio/Tokyo Immobilisierte Enzym-Elektrode, Zusammensetzung zu ihrer Herstellung und elektrisch leitfähige Enzyme
WO1993019667A1 (en) 1992-04-03 1993-10-14 Micromedical Industries Limited Sensor and system for physiological monitoring
FR2690622B1 (fr) 1992-04-29 1995-01-20 Chronotec Système de pompe à perfusion ambulatoire programmable.
US5711001A (en) 1992-05-08 1998-01-20 Motorola, Inc. Method and circuit for acquisition by a radio receiver
GB9211402D0 (en) 1992-05-29 1992-07-15 Univ Manchester Sensor devices
DK95792A (da) 1992-07-24 1994-01-25 Radiometer As Sensor til non-invasiv, in vivo bestemmelse af en analyt og blodgennemstrømning
US5330634A (en) 1992-08-28 1994-07-19 Via Medical Corporation Calibration solutions useful for analyses of biological fluids and methods employing same
US6283761B1 (en) 1992-09-08 2001-09-04 Raymond Anthony Joao Apparatus and method for processing and/or for providing healthcare information and/or healthcare-related information
WO1994010553A1 (en) 1992-10-23 1994-05-11 Optex Biomedical, Inc. Fibre-optic probe for the measurement of fluid parameters
ZA938555B (en) 1992-11-23 1994-08-02 Lilly Co Eli Technique to improve the performance of electrochemical sensors
JPH08505967A (ja) 1992-11-24 1996-06-25 パヴィリオン・テクノロジーズ・インコーポレイテッド 欠落および／または不完全なデータを有するニューラルネットワークを作動するための方法および装置
US5410326A (en) 1992-12-04 1995-04-25 Goldstein; Steven W. Programmable remote control device for interacting with a plurality of remotely controlled devices
US5299571A (en) 1993-01-22 1994-04-05 Eli Lilly And Company Apparatus and method for implantation of sensors
ES2139684T3 (es) 1993-04-23 2000-02-16 Roche Diagnostics Gmbh Sistema para el almacenamiento de elementos de ensayo.
US5384547A (en) 1993-08-02 1995-01-24 Motorola, Inc. Apparatus and method for attenuating a multicarrier input signal of a linear device
DE4329898A1 (de) 1993-09-04 1995-04-06 Marcus Dr Besson Kabelloses medizinisches Diagnose- und Überwachungsgerät
US5438983A (en) 1993-09-13 1995-08-08 Hewlett-Packard Company Patient alarm detection using trend vector analysis
US5582184A (en) 1993-10-13 1996-12-10 Integ Incorporated Interstitial fluid collection and constituent measurement
US5791344A (en) 1993-11-19 1998-08-11 Alfred E. Mann Foundation For Scientific Research Patient monitoring system
US5497772A (en) 1993-11-19 1996-03-12 Alfred E. Mann Foundation For Scientific Research Glucose monitoring system
DE4401400A1 (de) 1994-01-19 1995-07-20 Ernst Prof Dr Pfeiffer Verfahren und Anordnung zur kontinuierlichen Überwachung der Konzentration eines Metaboliten
US5536249A (en) 1994-03-09 1996-07-16 Visionary Medical Products, Inc. Pen-type injector with a microprocessor and blood characteristic monitor
US5391250A (en) 1994-03-15 1995-02-21 Minimed Inc. Method of fabricating thin film sensors
US5390671A (en) 1994-03-15 1995-02-21 Minimed Inc. Transcutaneous sensor insertion set
WO1995027272A1 (en) 1994-04-04 1995-10-12 Motorola Inc. Method and apparatus for activating and accessing remote meter interface devices
US5609575A (en) 1994-04-11 1997-03-11 Graseby Medical Limited Infusion pump and method with dose-rate calculation
US5569186A (en) 1994-04-25 1996-10-29 Minimed Inc. Closed loop infusion pump system with removable glucose sensor
DE4415896A1 (de) 1994-05-05 1995-11-09 Boehringer Mannheim Gmbh Analysesystem zur Überwachung der Konzentration eines Analyten im Blut eines Patienten
US5472317A (en) 1994-06-03 1995-12-05 Minimed Inc. Mounting clip for a medication infusion pump
US5549115A (en) 1994-09-28 1996-08-27 Heartstream, Inc. Method and apparatus for gathering event data using a removable data storage medium and clock
US5724030A (en) 1994-10-13 1998-03-03 Bio Medic Data Systems, Inc. System monitoring reprogrammable implantable transponder
US5919141A (en) 1994-11-15 1999-07-06 Life Sensing Instrument Company, Inc. Vital sign remote monitoring device
US5741660A (en) * 1995-02-01 1998-04-21 Kyoto Dai-Ichi Kagaku Co., Ltd. Method of measuring enzyme reaction by Raman scattering
ES2112069T3 (es) 1995-02-04 1998-03-16 Baumann & Haldi Sa Sistema individual de medida, de tratamiento y de transmision de parametros esencialmente fisiologicos.
US5586553A (en) 1995-02-16 1996-12-24 Minimed Inc. Transcutaneous sensor insertion set
US5568806A (en) 1995-02-16 1996-10-29 Minimed Inc. Transcutaneous sensor insertion set
US5564434A (en) 1995-02-27 1996-10-15 Medtronic, Inc. Implantable capacitive absolute pressure and temperature sensor
US5752512A (en) 1995-05-10 1998-05-19 Massachusetts Institute Of Technology Apparatus and method for non-invasive blood analyte measurement
US5628310A (en) 1995-05-19 1997-05-13 Joseph R. Lakowicz Method and apparatus to perform trans-cutaneous analyte monitoring
US5995860A (en) 1995-07-06 1999-11-30 Thomas Jefferson University Implantable sensor and system for measurement and control of blood constituent levels
US5555190A (en) 1995-07-12 1996-09-10 Micro Motion, Inc. Method and apparatus for adaptive line enhancement in Coriolis mass flow meter measurement
US7016713B2 (en) 1995-08-09 2006-03-21 Inlight Solutions, Inc. Non-invasive determination of direction and rate of change of an analyte
US5665222A (en) 1995-10-11 1997-09-09 E. Heller & Company Soybean peroxidase electrochemical sensor
US5767791A (en) 1995-11-13 1998-06-16 Vitalcom Low-power circuit and method for providing rapid frequency lock in a wireless communications device
US5711861A (en) 1995-11-22 1998-01-27 Ward; W. Kenneth Device for monitoring changes in analyte concentration
FI960636A7 (fi) 1996-02-12 1997-08-13 Nokia Corp Menetelmä potilaan terveydentilan valvomiseksi
US5833603A (en) 1996-03-13 1998-11-10 Lipomatrix, Inc. Implantable biosensing transponder
DE19618597B4 (de) 1996-05-09 2005-07-21 Institut für Diabetestechnologie Gemeinnützige Forschungs- und Entwicklungsgesellschaft mbH an der Universität Ulm Verfahren zur Bestimmung der Konzentration von Gewebeglucose
US6130602A (en) 1996-05-13 2000-10-10 Micron Technology, Inc. Radio frequency data communications device
US5735285A (en) 1996-06-04 1998-04-07 Data Critical Corp. Method and hand-held apparatus for demodulating and viewing frequency modulated biomedical signals
DK0914178T3 (da) 1996-06-18 2003-04-22 Alza Corp Anordning til forøgelse af transdermal afgivelse eller prøveudtagning af et middel
JP3581218B2 (ja) 1996-07-03 2004-10-27 株式会社東芝 移動通信端末装置とその携帯電話機並びにデータ端末装置
CA2259254C (en) 1996-07-08 2008-02-19 Animas Corporation Implantable sensor and system for in vivo measurement and control of fluid constituent levels
US5707502A (en) 1996-07-12 1998-01-13 Chiron Diagnostics Corporation Sensors for measuring analyte concentrations and methods of making same
US6544193B2 (en) 1996-09-04 2003-04-08 Marcio Marc Abreu Noninvasive measurement of chemical substances
US6071251A (en) 1996-12-06 2000-06-06 Abbott Laboratories Method and apparatus for obtaining blood for diagnostic tests
US5964993A (en) 1996-12-19 1999-10-12 Implanted Biosystems Inc. Glucose sensor
US6130623A (en) 1996-12-31 2000-10-10 Lucent Technologies Inc. Encryption for modulated backscatter systems
US5914026A (en) 1997-01-06 1999-06-22 Implanted Biosystems Inc. Implantable sensor employing an auxiliary electrode
US6122351A (en) 1997-01-21 2000-09-19 Med Graph, Inc. Method and system aiding medical diagnosis and treatment
US6607509B2 (en) 1997-12-31 2003-08-19 Medtronic Minimed, Inc. Insertion device for an insertion set and method of using the same
US6093172A (en) 1997-02-05 2000-07-25 Minimed Inc. Injector for a subcutaneous insertion set
US5980708A (en) 1997-02-12 1999-11-09 Champagne; Gilles Y. High sensitivity multiple waveform voltammetric instrument
US5749907A (en) 1997-02-18 1998-05-12 Pacesetter, Inc. System and method for identifying and displaying medical data which violate programmable alarm conditions
WO1998037805A1 (en) 1997-02-26 1998-09-03 Diasense, Inc. Individual calibration of blood glucose for supporting noninvasive self-monitoring blood glucose
US6159147A (en) 1997-02-28 2000-12-12 Qrs Diagnostics, Llc Personal computer card for collection of real-time biological data
US7899511B2 (en) 2004-07-13 2011-03-01 Dexcom, Inc. Low oxygen in vivo analyte sensor
US20050033132A1 (en) 1997-03-04 2005-02-10 Shults Mark C. Analyte measuring device
US7192450B2 (en) 2003-05-21 2007-03-20 Dexcom, Inc. Porous membranes for use with implantable devices
US7657297B2 (en) 2004-05-03 2010-02-02 Dexcom, Inc. Implantable analyte sensor
US6862465B2 (en) 1997-03-04 2005-03-01 Dexcom, Inc. Device and method for determining analyte levels
US6001067A (en) 1997-03-04 1999-12-14 Shults; Mark C. Device and method for determining analyte levels
US6741877B1 (en) 1997-03-04 2004-05-25 Dexcom, Inc. Device and method for determining analyte levels
US6558321B1 (en) 1997-03-04 2003-05-06 Dexcom, Inc. Systems and methods for remote monitoring and modulation of medical devices
US5959529A (en) 1997-03-07 1999-09-28 Kail, Iv; Karl A. Reprogrammable remote sensor monitoring system
US20070055056A1 (en) * 1997-03-07 2007-03-08 Rosen Craig A 251 human secreted proteins
US6699187B2 (en) 1997-03-27 2004-03-02 Medtronic, Inc. System and method for providing remote expert communications and video capabilities for use during a medical procedure
US5942979A (en) 1997-04-07 1999-08-24 Luppino; Richard On guard vehicle safety warning system
US5961451A (en) 1997-04-07 1999-10-05 Motorola, Inc. Noninvasive apparatus having a retaining member to retain a removable biosensor
US5935224A (en) 1997-04-24 1999-08-10 Microsoft Corporation Method and apparatus for adaptively coupling an external peripheral device to either a universal serial bus port on a computer or hub or a game port on a computer
US6558351B1 (en) 1999-06-03 2003-05-06 Medtronic Minimed, Inc. Closed loop system for controlling insulin infusion
US5954643A (en) 1997-06-09 1999-09-21 Minimid Inc. Insertion set for a transcutaneous sensor
US7267665B2 (en) 1999-06-03 2007-09-11 Medtronic Minimed, Inc. Closed loop system for controlling insulin infusion
JP2002505008A (ja) 1997-06-16 2002-02-12 エラン コーポレーション ピーエルシー 分析物のｉｎ ｖｉｖｏ測定のためのセンサーをキャリブレートし、試験する方法と、このような方法に用いるためのデバイス
US6056435A (en) 1997-06-24 2000-05-02 Exergen Corporation Ambient and perfusion normalized temperature detector
US6066243A (en) 1997-07-22 2000-05-23 Diametrics Medical, Inc. Portable immediate response medical analyzer having multiple testing modules
US6731976B2 (en) 1997-09-03 2004-05-04 Medtronic, Inc. Device and method to measure and communicate body parameters
US6259937B1 (en) 1997-09-12 2001-07-10 Alfred E. Mann Foundation Implantable substrate sensor
DE19836401A1 (de) 1997-09-19 2000-02-17 Salcomp Oy Salo Vorrichtung zum Aufladen von Akkumulatoren
US6117290A (en) 1997-09-26 2000-09-12 Pepex Biomedical, Llc System and method for measuring a bioanalyte such as lactate
US5904671A (en) 1997-10-03 1999-05-18 Navot; Nir Tampon wetness detection system
US6119028A (en) 1997-10-20 2000-09-12 Alfred E. Mann Foundation Implantable enzyme-based monitoring systems having improved longevity due to improved exterior surfaces
US6088608A (en) 1997-10-20 2000-07-11 Alfred E. Mann Foundation Electrochemical sensor and integrity tests therefor
FI107080B (fi) 1997-10-27 2001-05-31 Nokia Mobile Phones Ltd Mittauslaite
CA2305366C (en) 1997-11-12 2007-10-16 Lightouch Medical, Inc. Method for non-invasive measurement of an analyte
CA2547296C (en) 1997-12-04 2010-08-24 Roche Diagnostics Corporation Apparatus for determining concentration of medical component
US7494816B2 (en) 1997-12-22 2009-02-24 Roche Diagnostic Operations, Inc. System and method for determining a temperature during analyte measurement
WO1999033504A1 (en) 1997-12-31 1999-07-08 Minimed Inc. Insertion device for an insertion set and method of using the same
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
US6579231B1 (en) 1998-03-27 2003-06-17 Mci Communications Corporation Personal medical monitoring unit and system
JP3104672B2 (ja) 1998-03-31 2000-10-30 日本電気株式会社 電流検出型センサ素子およびその製造方法
US6721582B2 (en) 1999-04-06 2004-04-13 Argose, Inc. Non-invasive tissue glucose level monitoring
JPH11296598A (ja) 1998-04-07 1999-10-29 Seizaburo Arita 血糖値の予測システム及び予測方法並びにこの方法を記録した記録媒体
US6091987A (en) 1998-04-29 2000-07-18 Medtronic, Inc. Power consumption reduction in medical devices by employing different supply voltages
US8346337B2 (en) 1998-04-30 2013-01-01 Abbott Diabetes Care Inc. Analyte monitoring device and methods of use
US8974386B2 (en) 1998-04-30 2015-03-10 Abbott Diabetes Care Inc. Analyte monitoring device and methods of use
US6949816B2 (en) 2003-04-21 2005-09-27 Motorola, Inc. Semiconductor component having first surface area for electrically coupling to a semiconductor chip and second surface area for electrically coupling to a substrate, and method of manufacturing same
US8480580B2 (en) 1998-04-30 2013-07-09 Abbott Diabetes Care Inc. Analyte monitoring device and methods of use
CA2311487C (en) 1998-05-13 2004-02-10 Cygnus, Inc. Signal processing for measurement of physiological analytes
PT1077634E (pt) 1998-05-13 2003-12-31 Cygnus Therapeutic Systems Monitorizacao de substancias fisiologicas a analisar
US6121611A (en) 1998-05-20 2000-09-19 Molecular Imaging Corporation Force sensing probe for scanning probe microscopy
US6223283B1 (en) 1998-07-17 2001-04-24 Compaq Computer Corporation Method and apparatus for identifying display monitor functionality and compatibility
US6493069B1 (en) 1998-07-24 2002-12-10 Terumo Kabushiki Kaisha Method and instrument for measuring blood sugar level
US6248067B1 (en) 1999-02-05 2001-06-19 Minimed Inc. Analyte sensor and holter-type monitor system and method of using the same
US6558320B1 (en) 2000-01-20 2003-05-06 Medtronic Minimed, Inc. Handheld personal data assistant (PDA) with a medical device and method of using the same
US6554798B1 (en) 1998-08-18 2003-04-29 Medtronic Minimed, Inc. External infusion device with remote programming, bolus estimator and/or vibration alarm capabilities
US6480753B1 (en) 1998-09-04 2002-11-12 Ncr Corporation Communications, particularly in the domestic environment
KR20000019716A (ko) 1998-09-15 2000-04-15 박호군 바이오플라보노이드 화합물을 포함하는 혈당 강하용 조성물
US6740518B1 (en) 1998-09-17 2004-05-25 Clinical Micro Sensors, Inc. Signal detection techniques for the detection of analytes
US6254586B1 (en) 1998-09-25 2001-07-03 Minimed Inc. Method and kit for supplying a fluid to a subcutaneous placement site
CA2346055C (en) 1998-09-30 2004-06-29 Cygnus, Inc. Method and device for predicting physiological values
US6402689B1 (en) 1998-09-30 2002-06-11 Sicel Technologies, Inc. Methods, systems, and associated implantable devices for dynamic monitoring of physiological and biological properties of tumors
DK1413245T3 (da) 1998-10-08 2011-10-10 Medtronic Minimed Inc Anlæg til overvågning af et kendetegn ved fjernmåling
US6496729B2 (en) 1998-10-28 2002-12-17 Medtronic, Inc. Power consumption reduction in medical devices employing multiple supply voltages and clock frequency control
WO2000025661A1 (en) 1998-11-03 2000-05-11 Shell, Allan, Michael Hand held physiological signal acquisition device
US6602469B1 (en) 1998-11-09 2003-08-05 Lifestream Technologies, Inc. Health monitoring and diagnostic device and network-based health assessment and medical records maintenance system
CA2354060C (en) 1998-11-20 2014-01-28 University Of Connecticut Apparatus and method for control of tissue/implant interactions
HUP0104660A2 (hu) 1998-11-30 2002-03-28 Novo Nordisk A/S Eljárás és rendszer több műveletből álló gyógyászati önkezelést végző felhasználó támogatására
US7436511B2 (en) 1999-01-22 2008-10-14 Sensys Medical, Inc. Analyte filter method and apparatus
US6561978B1 (en) 1999-02-12 2003-05-13 Cygnus, Inc. Devices and methods for frequent measurement of an analyte present in a biological system
WO2000048669A1 (en) 1999-02-18 2000-08-24 Biovalve Technologies, Inc. Electroactive pore
US6360888B1 (en) 1999-02-25 2002-03-26 Minimed Inc. Glucose sensor package system
US6424847B1 (en) 1999-02-25 2002-07-23 Medtronic Minimed, Inc. Glucose monitor calibration methods
US8103325B2 (en) 1999-03-08 2012-01-24 Tyco Healthcare Group Lp Method and circuit for storing and providing historical physiological data
GB9907815D0 (en) 1999-04-06 1999-06-02 Univ Cambridge Tech Implantable sensor
US6285897B1 (en) 1999-04-07 2001-09-04 Endonetics, Inc. Remote physiological monitoring system
US6416471B1 (en) 1999-04-15 2002-07-09 Nexan Limited Portable remote patient telemonitoring system
US6200265B1 (en) 1999-04-16 2001-03-13 Medtronic, Inc. Peripheral memory patch and access method for use with an implantable medical device
US6669663B1 (en) 1999-04-30 2003-12-30 Medtronic, Inc. Closed loop medicament pump
US6359444B1 (en) 1999-05-28 2002-03-19 University Of Kentucky Research Foundation Remote resonant-circuit analyte sensing apparatus with sensing structure and associated method of sensing
US6546268B1 (en) 1999-06-02 2003-04-08 Ball Semiconductor, Inc. Glucose sensor
US7806886B2 (en) 1999-06-03 2010-10-05 Medtronic Minimed, Inc. Apparatus and method for controlling insulin infusion with state variable feedback
DE19925910B4 (de) 1999-06-07 2005-04-28 Siemens Ag Verfahren zum Be- oder Verarbeiten von Daten
US6631281B1 (en) 1999-06-10 2003-10-07 Koninklijke Philips Electronics N.V. Recognition of a useful signal in a measurement signal
US6423035B1 (en) 1999-06-18 2002-07-23 Animas Corporation Infusion pump with a sealed drive mechanism and improved method of occlusion detection
US7522878B2 (en) 1999-06-21 2009-04-21 Access Business Group International Llc Adaptive inductive power supply with communication
US6804558B2 (en) 1999-07-07 2004-10-12 Medtronic, Inc. System and method of communicating between an implantable medical device and a remote computer system or health care provider
US6413393B1 (en) 1999-07-07 2002-07-02 Minimed, Inc. Sensor including UV-absorbing polymer and method of manufacture
US6471689B1 (en) 1999-08-16 2002-10-29 Thomas Jefferson University Implantable drug delivery catheter system with capillary interface
US6923763B1 (en) 1999-08-23 2005-08-02 University Of Virginia Patent Foundation Method and apparatus for predicting the risk of hypoglycemia
US7113821B1 (en) 1999-08-25 2006-09-26 Johnson & Johnson Consumer Companies, Inc. Tissue electroperforation for enhanced drug delivery
US6343225B1 (en) 1999-09-14 2002-01-29 Implanted Biosystems, Inc. Implantable glucose sensor
AT408182B (de) 1999-09-17 2001-09-25 Schaupp Lukas Dipl Ing Dr Tech Einrichtung zur in vivo-messung von grössen in lebenden organismen
WO2001028416A1 (en) 1999-09-24 2001-04-26 Healthetech, Inc. Physiological monitor and associated computation, display and communication unit
US6294997B1 (en) 1999-10-04 2001-09-25 Intermec Ip Corp. RFID tag having timing and environment modules
US7317938B2 (en) 1999-10-08 2008-01-08 Sensys Medical, Inc. Method of adapting in-vitro models to aid in noninvasive glucose determination
CA2387124A1 (en) 1999-10-08 2001-04-26 Healthetech, Inc. Integrated calorie management system
US6291200B1 (en) 1999-11-17 2001-09-18 Agentase, Llc Enzyme-containing polymeric sensors
US6658396B1 (en) 1999-11-29 2003-12-02 Tang Sharon S Neural network drug dosage estimation
US6418346B1 (en) 1999-12-14 2002-07-09 Medtronic, Inc. Apparatus and method for remote therapy and diagnosis in medical devices via interface systems
US7060031B2 (en) 1999-12-17 2006-06-13 Medtronic, Inc. Method and apparatus for remotely programming implantable medical devices
US6497655B1 (en) 1999-12-17 2002-12-24 Medtronic, Inc. Virtual remote monitor, alert, diagnostics and programming for implantable medical device systems
US7286894B1 (en) 2000-01-07 2007-10-23 Pasco Scientific Hand-held computer device and method for interactive data acquisition, analysis, annotation, and calibration
JP3449958B2 (ja) 2000-01-18 2003-09-22 理想科学工業株式会社 印刷システム、印刷方法および印刷プログラムを格納したコンピュータ読取り可能な記録媒体
US20030065308A1 (en) 2000-01-21 2003-04-03 Lebel Ronald J. Ambulatory medical apparatus with hand held communication device
EP1248661B1 (de) 2000-01-21 2012-08-22 Medtronic MiniMed, Inc. Ambulantes medizinisches gerät und verfahren mit telemetrisch veränderbarer steuerungssoftware
ATE552869T1 (de) 2000-01-21 2012-04-15 Medtronic Minimed Inc Mikroprozessorgesteuertes, ambulantes medizinisches gerät mit handhaltbarem kommunikationsgerät
US7369635B2 (en) 2000-01-21 2008-05-06 Medtronic Minimed, Inc. Rapid discrimination preambles and methods for using the same
US7003336B2 (en) 2000-02-10 2006-02-21 Medtronic Minimed, Inc. Analyte sensor method of making the same
US20030060765A1 (en) 2000-02-16 2003-03-27 Arthur Campbell Infusion device menu structure and method of using the same
US6895263B2 (en) 2000-02-23 2005-05-17 Medtronic Minimed, Inc. Real time self-adjusting calibration algorithm
US7890295B2 (en) 2000-02-23 2011-02-15 Medtronic Minimed, Inc. Real time self-adjusting calibration algorithm
US7027931B1 (en) 2000-02-24 2006-04-11 Bionostics, Inc. System for statistical analysis of quality control data
US6405066B1 (en) 2000-03-17 2002-06-11 The Regents Of The University Of California Implantable analyte sensor
CA2404262C (en) 2000-03-29 2009-03-24 University Of Virginia Patent Foundation Method, system, and computer program product for the evaluation of glycemic control in diabetes from self-monitoring data
US6610012B2 (en) 2000-04-10 2003-08-26 Healthetech, Inc. System and method for remote pregnancy monitoring
US6561975B1 (en) 2000-04-19 2003-05-13 Medtronic, Inc. Method and apparatus for communicating with medical device systems
US6440068B1 (en) 2000-04-28 2002-08-27 International Business Machines Corporation Measuring user health as measured by multiple diverse health measurement devices utilizing a personal storage device
US6442413B1 (en) 2000-05-15 2002-08-27 James H. Silver Implantable sensor
US7181261B2 (en) 2000-05-15 2007-02-20 Silver James H Implantable, retrievable, thrombus minimizing sensors
US7769420B2 (en) 2000-05-15 2010-08-03 Silver James H Sensors for detecting substances indicative of stroke, ischemia, or myocardial infarction
US7395158B2 (en) 2000-05-30 2008-07-01 Sensys Medical, Inc. Method of screening for disorders of glucose metabolism
CN100464557C (zh) 2000-05-31 2009-02-25 爱科来株式会社 远程数据管理系统和测定数据的搜集方法
ES2260245T3 (es) 2000-06-23 2006-11-01 Bodymedia, Inc. Sistema para controlar la salud, el bienestar y el ejercicio.
US6540675B2 (en) 2000-06-27 2003-04-01 Rosedale Medical, Inc. Analyte monitor
US6400974B1 (en) 2000-06-29 2002-06-04 Sensors For Medicine And Science, Inc. Implanted sensor processing system and method for processing implanted sensor output
US6633772B2 (en) 2000-08-18 2003-10-14 Cygnus, Inc. Formulation and manipulation of databases of analyte and associated values
ATE392178T1 (de) 2000-08-18 2008-05-15 Animas Technologies Llc Vorrichtung zum vorhersagen von hypoglyecemiefällen
AU2001288292A1 (en) 2000-08-21 2002-03-04 Euroceltique S.A. Near infrared blood glucose monitoring system
US6572545B2 (en) 2000-09-22 2003-06-03 Knobbe, Lim & Buckingham Method and apparatus for real-time control of physiological parameters
DE60116520T2 (de) 2000-10-10 2006-08-31 Microchips, Inc., Bedford Microchip-reservoir-vorrichtungen mit drahtloser übertragung von energie und daten
US6695860B1 (en) 2000-11-13 2004-02-24 Isense Corp. Transcutaneous sensor insertion device
US6574510B2 (en) 2000-11-30 2003-06-03 Cardiac Pacemakers, Inc. Telemetry apparatus and method for an implantable medical device
US6665558B2 (en) 2000-12-15 2003-12-16 Cardiac Pacemakers, Inc. System and method for correlation of patient health information and implant device data
US7052483B2 (en) 2000-12-19 2006-05-30 Animas Corporation Transcutaneous inserter for low-profile infusion sets
US20020147135A1 (en) 2000-12-21 2002-10-10 Oliver Schnell Method and device for producing an adapted travel treatment plan for administering a medicine in the event of a long-haul journey
US6666821B2 (en) 2001-01-08 2003-12-23 Medtronic, Inc. Sensor system
US6970529B2 (en) 2001-01-16 2005-11-29 International Business Machines Corporation Unified digital architecture
US6529752B2 (en) 2001-01-17 2003-03-04 David T. Krausman Sleep disorder breathing event counter
US20040197846A1 (en) 2001-01-18 2004-10-07 Linda Hockersmith Determination of glucose sensitivity and a method to manipulate blood glucose concentration
KR20030079958A (ko) 2001-01-22 2003-10-10 에프. 호프만-라 로슈 아게 모세작용을 갖는 란셋장치
US6525330B2 (en) 2001-02-28 2003-02-25 Home Diagnostics, Inc. Method of strip insertion detection
EP1384193A2 (de) 2001-03-14 2004-01-28 Baxter International Inc. Internetbasiertes therapiemanagementsystem
AU2002247321A1 (en) 2001-03-14 2002-09-24 Vitaltrak Technology, Inc. Tracking device
US6968294B2 (en) 2001-03-15 2005-11-22 Koninklijke Philips Electronics N.V. Automatic system for monitoring person requiring care and his/her caretaker
US6983176B2 (en) 2001-04-11 2006-01-03 Rio Grande Medical Technologies, Inc. Optically similar reference samples and related methods for multivariate calibration models used in optical spectroscopy
US6574490B2 (en) 2001-04-11 2003-06-03 Rio Grande Medical Technologies, Inc. System for non-invasive measurement of glucose in humans
US7916013B2 (en) 2005-03-21 2011-03-29 Greatbatch Ltd. RFID detection and identification system for implantable medical devices
GR1003802B (el) 2001-04-17 2002-02-08 Micrel �.�.�. ������� ��������� ��������������� ��������� Συστημα τηλειατρικης.
US6698269B2 (en) 2001-04-27 2004-03-02 Oceana Sensor Technologies, Inc. Transducer in-situ testing apparatus and method
US7395214B2 (en) 2001-05-11 2008-07-01 Craig P Shillingburg Apparatus, device and method for prescribing, administering and monitoring a treatment regimen for a patient
US6549796B2 (en) 2001-05-25 2003-04-15 Lifescan, Inc. Monitoring analyte concentration using minimally invasive devices
US7041068B2 (en) 2001-06-12 2006-05-09 Pelikan Technologies, Inc. Sampling module device and method
US7179226B2 (en) 2001-06-21 2007-02-20 Animas Corporation System and method for managing diabetes
WO2003000127A2 (en) 2001-06-22 2003-01-03 Cygnus, Inc. Method for improving the performance of an analyte monitoring system
EP2067437B1 (de) 2001-06-22 2011-08-17 Nellcor Puritan Bennett Ireland Wavelet-basierte Analyse von Pulsoximetriesignalen
US7044911B2 (en) 2001-06-29 2006-05-16 Philometron, Inc. Gateway platform for biological monitoring and delivery of therapeutic compounds
US20030208113A1 (en) * 2001-07-18 2003-11-06 Mault James R Closed loop glycemic index system
US6754516B2 (en) 2001-07-19 2004-06-22 Nellcor Puritan Bennett Incorporated Nuisance alarm reductions in a physiological monitor
US20030032874A1 (en) 2001-07-27 2003-02-13 Dexcom, Inc. Sensor head for use with implantable devices
US6702857B2 (en) 2001-07-27 2004-03-09 Dexcom, Inc. Membrane for use with implantable devices
US6544212B2 (en) 2001-07-31 2003-04-08 Roche Diagnostics Corporation Diabetes management system
US20040260478A1 (en) 2001-08-03 2004-12-23 Schwamm Lee H. System, process and diagnostic arrangement establishing and monitoring medication doses for patients
US6788965B2 (en) 2001-08-03 2004-09-07 Sensys Medical, Inc. Intelligent system for detecting errors and determining failure modes in noninvasive measurement of blood and tissue analytes
JP3775263B2 (ja) 2001-08-10 2006-05-17 ニプロ株式会社 記録媒体およびこの記録媒体を用いた血糖測定システム
US20040162678A1 (en) 2001-08-13 2004-08-19 Donald Hetzel Method of screening for disorders of glucose metabolism
CA2427976A1 (en) 2001-08-20 2003-02-27 Inverness Medical Limited Wireless diabetes management devices and methods for using the same
ATE487130T1 (de) 2001-08-22 2010-11-15 Instrumentation Lab Co Verfahren und vorrichtung zur kalibrierung von sensoren
JP3962250B2 (ja) 2001-08-29 2007-08-22 株式会社レアメタル 生体内情報検出システム及びこれに用いるタグ装置、中継装置
US6740072B2 (en) 2001-09-07 2004-05-25 Medtronic Minimed, Inc. System and method for providing closed loop infusion formulation delivery
US6827702B2 (en) 2001-09-07 2004-12-07 Medtronic Minimed, Inc. Safety limits for closed-loop infusion pump control
US7052591B2 (en) 2001-09-21 2006-05-30 Therasense, Inc. Electrodeposition of redox polymers and co-electrodeposition of enzymes by coordinative crosslinking
US6830562B2 (en) 2001-09-27 2004-12-14 Unomedical A/S Injector device for placing a subcutaneous infusion set
US20050137480A1 (en) 2001-10-01 2005-06-23 Eckhard Alt Remote control of implantable device through medical implant communication service band
EP1448489B1 (de) 2001-11-16 2010-08-25 Stefan Ufer Flexibler sensor und herstellungsverfahren
AU2002354181A1 (en) 2001-12-03 2003-06-17 Nikon Corporation Electronic apparatus, electronic camera, electronic device, image display apparatus, and image transmission system
US7729776B2 (en) 2001-12-19 2010-06-01 Cardiac Pacemakers, Inc. Implantable medical device with two or more telemetry systems
US7082334B2 (en) 2001-12-19 2006-07-25 Medtronic, Inc. System and method for transmission of medical and like data from a patient to a dedicated internet website
US7204823B2 (en) 2001-12-19 2007-04-17 Medtronic Minimed, Inc. Medication delivery system and monitor
US20080255438A1 (en) 2001-12-27 2008-10-16 Medtronic Minimed, Inc. System for monitoring physiological characteristics
US20050027182A1 (en) 2001-12-27 2005-02-03 Uzair Siddiqui System for monitoring physiological characteristics
US7022072B2 (en) 2001-12-27 2006-04-04 Medtronic Minimed, Inc. System for monitoring physiological characteristics
US7399277B2 (en) 2001-12-27 2008-07-15 Medtronic Minimed, Inc. System for monitoring physiological characteristics
US7184820B2 (en) 2002-01-25 2007-02-27 Subqiview, Inc. Tissue monitoring system for intravascular infusion
US20030144711A1 (en) 2002-01-29 2003-07-31 Neuropace, Inc. Systems and methods for interacting with an implantable medical device
US6985773B2 (en) 2002-02-07 2006-01-10 Cardiac Pacemakers, Inc. Methods and apparatuses for implantable medical device telemetry power management
US8364229B2 (en) 2003-07-25 2013-01-29 Dexcom, Inc. Analyte sensors having a signal-to-noise ratio substantially unaffected by non-constant noise
US9247901B2 (en) 2003-08-22 2016-02-02 Dexcom, Inc. Systems and methods for replacing signal artifacts in a glucose sensor data stream
US7613491B2 (en) 2002-05-22 2009-11-03 Dexcom, Inc. Silicone based membranes for use in implantable glucose sensors
US8260393B2 (en) 2003-07-25 2012-09-04 Dexcom, Inc. Systems and methods for replacing signal data artifacts in a glucose sensor data stream
US8010174B2 (en) 2003-08-22 2011-08-30 Dexcom, Inc. Systems and methods for replacing signal artifacts in a glucose sensor data stream
US20030212379A1 (en) 2002-02-26 2003-11-13 Bylund Adam David Systems and methods for remotely controlling medication infusion and analyte monitoring
EP1487519B1 (de) 2002-02-26 2013-06-12 TecPharma Licensing AG Einführvorrichtung für ein einführset und verwendungsverfahren dafür
US7468032B2 (en) 2002-12-18 2008-12-23 Cardiac Pacemakers, Inc. Advanced patient management for identifying, displaying and assisting with correlating health-related data
US7043305B2 (en) 2002-03-06 2006-05-09 Cardiac Pacemakers, Inc. Method and apparatus for establishing context among events and optimizing implanted medical device performance
US6998247B2 (en) 2002-03-08 2006-02-14 Sensys Medical, Inc. Method and apparatus using alternative site glucose determinations to calibrate and maintain noninvasive and implantable analyzers
US6936006B2 (en) 2002-03-22 2005-08-30 Novo Nordisk, A/S Atraumatic insertion of a subcutaneous device
US20030235817A1 (en) 2002-03-22 2003-12-25 Miroslaw Bartkowiak Microprocessors, devices, and methods for use in analyte monitoring systems
GB2388898B (en) 2002-04-02 2005-10-05 Inverness Medical Ltd Integrated sample testing meter
US7027848B2 (en) 2002-04-04 2006-04-11 Inlight Solutions, Inc. Apparatus and method for non-invasive spectroscopic measurement of analytes in tissue using a matched reference analyte
US7410468B2 (en) 2002-04-19 2008-08-12 Pelikan Technologies, Inc. Method and apparatus for penetrating tissue
US7226461B2 (en) 2002-04-19 2007-06-05 Pelikan Technologies, Inc. Method and apparatus for a multi-use body fluid sampling device with sterility barrier release
US7153265B2 (en) 2002-04-22 2006-12-26 Medtronic Minimed, Inc. Anti-inflammatory biosensor for reduced biofouling and enhanced sensor performance
US20050177398A1 (en) 2002-04-25 2005-08-11 Motokazu Watanabe Dosage determination supporting device, injector, and health management supporting system
GB2388716B (en) 2002-05-13 2004-10-20 Splashpower Ltd Improvements relating to contact-less power transfer
US7015817B2 (en) 2002-05-14 2006-03-21 Shuan Michael Copley Personal tracking device
US7226978B2 (en) 2002-05-22 2007-06-05 Dexcom, Inc. Techniques to improve polyurethane membranes for implantable glucose sensors
US6865407B2 (en) 2002-07-11 2005-03-08 Optical Sensors, Inc. Calibration technique for non-invasive medical devices
US20040010207A1 (en) 2002-07-15 2004-01-15 Flaherty J. Christopher Self-contained, automatic transcutaneous physiologic sensing system
JP2004054394A (ja) 2002-07-17 2004-02-19 Toshiba Corp 無線情報処理システム、無線情報記録媒体、無線情報処理装置、及び無線情報処理システムの通信方法
US7034677B2 (en) 2002-07-19 2006-04-25 Smiths Detection Inc. Non-specific sensor array detectors
US7278983B2 (en) 2002-07-24 2007-10-09 Medtronic Minimed, Inc. Physiological monitoring device for controlling a medication infusion device
EP1534121B1 (de) 2002-08-13 2014-01-22 University Of Virginia Patent Foundation Verfahren, system und computerprogramm für die bearbeitung von daten aus der selbst berwachung des blutzuckers (smbg) zur verbesserung der selbstbehandlung von diabetes
US7020508B2 (en) 2002-08-22 2006-03-28 Bodymedia, Inc. Apparatus for detecting human physiological and contextual information
US6865641B2 (en) 2002-08-29 2005-03-08 International Business Machines Corporation Method and apparatus for non-volatile display of information for an electronic device
US7404796B2 (en) 2004-03-01 2008-07-29 Becton Dickinson And Company System for determining insulin dose using carbohydrate to insulin ratio and insulin sensitivity factor
US7192405B2 (en) 2002-09-30 2007-03-20 Becton, Dickinson And Company Integrated lancet and bodily fluid sensor
US20090177068A1 (en) 2002-10-09 2009-07-09 Stivoric John M Method and apparatus for providing derived glucose information utilizing physiological and/or contextual parameters
ATE433775T1 (de) 2002-10-11 2009-07-15 Becton Dickinson Co Insulinabgabesystem mit sensor
US7079977B2 (en) 2002-10-15 2006-07-18 Medtronic, Inc. Synchronization and calibration of clocks for a medical device and calibrated clock
US7381184B2 (en) 2002-11-05 2008-06-03 Abbott Diabetes Care Inc. Sensor inserter assembly
US7572237B2 (en) 2002-11-06 2009-08-11 Abbott Diabetes Care Inc. Automatic biological analyte testing meter with integrated lancing device and methods of use
GB0226648D0 (en) 2002-11-15 2002-12-24 Koninkl Philips Electronics Nv Usage data harvesting
EP1424637A1 (de) 2002-11-29 2004-06-02 Instrumentarium Corporation Eliminierung von Artefakten aus einem elektrischen Signal
US7009511B2 (en) 2002-12-17 2006-03-07 Cardiac Pacemakers, Inc. Repeater device for communications with an implantable medical device
US7052472B1 (en) 2002-12-18 2006-05-30 Dsp Diabetes Sentry Products, Inc. Systems and methods for detecting symptoms of hypoglycemia
US20040122353A1 (en) 2002-12-19 2004-06-24 Medtronic Minimed, Inc. Relay device for transferring information between a sensor system and a fluid delivery system
US7413749B2 (en) 2003-03-11 2008-08-19 Purdue Pharma L.P. Titration dosing regimen for controlled release tramadol
US9872890B2 (en) 2003-03-19 2018-01-23 Paul C. Davidson Determining insulin dosing schedules and carbohydrate-to-insulin ratios in diabetic patients
US20040199056A1 (en) 2003-04-03 2004-10-07 International Business Machines Corporation Body monitoring using local area wireless interfaces
US7134999B2 (en) 2003-04-04 2006-11-14 Dexcom, Inc. Optimized sensor geometry for an implantable glucose sensor
US20040204868A1 (en) 2003-04-09 2004-10-14 Maynard John D. Reduction of errors in non-invasive tissue sampling
JP2007525241A (ja) 2003-04-18 2007-09-06 インシュレット コーポレイション 注入ポンプ用リモコンのためのユーザーインターフェース及びそれの使用方法
US7875293B2 (en) 2003-05-21 2011-01-25 Dexcom, Inc. Biointerface membranes incorporating bioactive agents
US7258673B2 (en) 2003-06-06 2007-08-21 Lifescan, Inc Devices, systems and methods for extracting bodily fluid and monitoring an analyte therein
US8460243B2 (en) 2003-06-10 2013-06-11 Abbott Diabetes Care Inc. Glucose measuring module and insulin pump combination
JP2007516509A (ja) 2003-06-10 2007-06-21 スミスズ ディテクション インコーポレイティド センサ装置
US20040254433A1 (en) 2003-06-12 2004-12-16 Bandis Steven D. Sensor introducer system, apparatus and method
US7155290B2 (en) 2003-06-23 2006-12-26 Cardiac Pacemakers, Inc. Secure long-range telemetry for implantable medical device
US7510564B2 (en) 2003-06-27 2009-03-31 Abbott Diabetes Care Inc. Lancing device
US7242981B2 (en) 2003-06-30 2007-07-10 Codman Neuro Sciences Sárl System and method for controlling an implantable medical device subject to magnetic field or radio frequency exposure
US7722536B2 (en) 2003-07-15 2010-05-25 Abbott Diabetes Care Inc. Glucose measuring device integrated into a holster for a personal area network device
WO2005007223A2 (en) 2003-07-16 2005-01-27 Sasha John Programmable medical drug delivery systems and methods for delivery of multiple fluids and concentrations
US7467003B2 (en) 2003-12-05 2008-12-16 Dexcom, Inc. Dual electrode system for a continuous analyte sensor
US7460898B2 (en) 2003-12-05 2008-12-02 Dexcom, Inc. Dual electrode system for a continuous analyte sensor
US7424318B2 (en) 2003-12-05 2008-09-09 Dexcom, Inc. Dual electrode system for a continuous analyte sensor
WO2005019795A2 (en) 2003-07-25 2005-03-03 Dexcom, Inc. Electrochemical sensors including electrode systems with increased oxygen generation
US7761130B2 (en) 2003-07-25 2010-07-20 Dexcom, Inc. Dual electrode system for a continuous analyte sensor
US20050176136A1 (en) 2003-11-19 2005-08-11 Dexcom, Inc. Afinity domain for analyte sensor
US8423113B2 (en) 2003-07-25 2013-04-16 Dexcom, Inc. Systems and methods for processing sensor data
WO2005011520A2 (en) 2003-07-25 2005-02-10 Dexcom, Inc. Oxygen enhancing membrane systems for implantable devices
JP4771947B2 (ja) 2003-07-25 2011-09-14 コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ 系を監視する方法及び装置
WO2005012873A2 (en) 2003-07-25 2005-02-10 Dexcom, Inc. Electrode systems for electrochemical sensors
US7366556B2 (en) 2003-12-05 2008-04-29 Dexcom, Inc. Dual electrode system for a continuous analyte sensor
US8160669B2 (en) 2003-08-01 2012-04-17 Dexcom, Inc. Transcutaneous analyte sensor
US8886273B2 (en) 2003-08-01 2014-11-11 Dexcom, Inc. Analyte sensor
US9135402B2 (en) 2007-12-17 2015-09-15 Dexcom, Inc. Systems and methods for processing sensor data
US8275437B2 (en) 2003-08-01 2012-09-25 Dexcom, Inc. Transcutaneous analyte sensor
US8845536B2 (en) 2003-08-01 2014-09-30 Dexcom, Inc. Transcutaneous analyte sensor
US8060173B2 (en) 2003-08-01 2011-11-15 Dexcom, Inc. System and methods for processing analyte sensor data
US8626257B2 (en) 2003-08-01 2014-01-07 Dexcom, Inc. Analyte sensor
US8369919B2 (en) 2003-08-01 2013-02-05 Dexcom, Inc. Systems and methods for processing sensor data
US7591801B2 (en) 2004-02-26 2009-09-22 Dexcom, Inc. Integrated delivery device for continuous glucose sensor
US7774145B2 (en) 2003-08-01 2010-08-10 Dexcom, Inc. Transcutaneous analyte sensor
US7955261B2 (en) 2003-08-01 2011-06-07 Dexcom, Inc. System and methods for processing analyte sensor data
US6954662B2 (en) 2003-08-19 2005-10-11 A.D. Integrity Applications, Ltd. Method of monitoring glucose level
US7920906B2 (en) 2005-03-10 2011-04-05 Dexcom, Inc. System and methods for processing analyte sensor data for sensor calibration
US8233959B2 (en) 2003-08-22 2012-07-31 Dexcom, Inc. Systems and methods for processing analyte sensor data
US7813809B2 (en) 2004-06-10 2010-10-12 Medtronic, Inc. Implantable pulse generator for providing functional and/or therapeutic stimulation of muscles and/or nerves and/or central nervous system tissue
DE10343863A1 (de) 2003-09-23 2005-04-14 Roche Diagnostics Gmbh Verfahren und Gerät zur laufenden Überwachung der Konzentration eines Analyten
JP3612324B1 (ja) 2003-09-29 2005-01-19 株式会社日立製作所 血糖値表示方法及び装置
ATE464834T1 (de) 2003-09-30 2010-05-15 Hoffmann La Roche Sensor mit verbesserter biokompatibilität
US8140168B2 (en) 2003-10-02 2012-03-20 Medtronic, Inc. External power source for an implantable medical device having an adjustable carrier frequency and system and method related therefore
US7203549B2 (en) 2003-10-02 2007-04-10 Medtronic, Inc. Medical device programmer with internal antenna and display
US7148803B2 (en) 2003-10-24 2006-12-12 Symbol Technologies, Inc. Radio frequency identification (RFID) based sensor networks
US20050090607A1 (en) 2003-10-28 2005-04-28 Dexcom, Inc. Silicone composition for biocompatible membrane
GB2406023B (en) 2003-10-29 2005-08-10 Innovision Res & Tech Plc RFID apparatus
WO2005041103A2 (en) 2003-10-29 2005-05-06 Novo Nordisk A/S Medical advisory system
JP2007510155A (ja) 2003-10-29 2007-04-19 エージェンシー フォー サイエンス，テクノロジー アンド リサーチ バイオセンサー
US6928380B2 (en) 2003-10-30 2005-08-09 International Business Machines Corporation Thermal measurements of electronic devices during operation
US20050096516A1 (en) 2003-10-30 2005-05-05 Orhan Soykan Optical detector of organic analyte
US20090012376A1 (en) 2003-11-03 2009-01-08 Children's Medical Center Corporation Continuous Analyte Monitor and Method of Using Same
US7419573B2 (en) 2003-11-06 2008-09-02 3M Innovative Properties Company Circuit for electrochemical sensor strip
WO2005051170A2 (en) 2003-11-19 2005-06-09 Dexcom, Inc. Integrated receiver for continuous analyte sensor
US20050113648A1 (en) 2003-11-24 2005-05-26 Soohyun Yang Bidirectional monitoring system capable of a medical diagnosis and a commercial broadcast
US20050113886A1 (en) 2003-11-24 2005-05-26 Fischell David R. Implantable medical system with long range telemetry
KR100519776B1 (ko) 2003-11-24 2005-10-07 삼성전자주식회사 영상 신호의 해상도 변환 방법 및 장치
US8774886B2 (en) 2006-10-04 2014-07-08 Dexcom, Inc. Analyte sensor
US8287453B2 (en) 2003-12-05 2012-10-16 Dexcom, Inc. Analyte sensor
US8423114B2 (en) 2006-10-04 2013-04-16 Dexcom, Inc. Dual electrode system for a continuous analyte sensor
DE602004029092D1 (de) 2003-12-05 2010-10-21 Dexcom Inc Kalibrationsmethoden für einen kontinuierlich arbeitenden analytsensor
US8425417B2 (en) 2003-12-05 2013-04-23 Dexcom, Inc. Integrated device for continuous in vivo analyte detection and simultaneous control of an infusion device
US8425416B2 (en) 2006-10-04 2013-04-23 Dexcom, Inc. Analyte sensor
US20080200788A1 (en) 2006-10-04 2008-08-21 Dexcorn, Inc. Analyte sensor
US8364231B2 (en) 2006-10-04 2013-01-29 Dexcom, Inc. Analyte sensor
US20080197024A1 (en) 2003-12-05 2008-08-21 Dexcom, Inc. Analyte sensor
US8364230B2 (en) 2006-10-04 2013-01-29 Dexcom, Inc. Analyte sensor
EP3241490A1 (de) 2003-12-08 2017-11-08 DexCom, Inc. Systeme und verfahren zur verbesserung von elektrochemischen analytsensoren
EP2301428B1 (de) 2003-12-09 2016-11-30 Dexcom, Inc. Signalverarbeitung in einem durchgehenden Analytsensor
US7384397B2 (en) 2003-12-30 2008-06-10 Medtronic Minimed, Inc. System and method for sensor recalibration
US7637868B2 (en) 2004-01-12 2009-12-29 Dexcom, Inc. Composite material for implantable device
WO2005071608A1 (en) 2004-01-23 2005-08-04 Semiconductor Energy Laboratory Co., Ltd. Id label, id card, and id tag
PT1709750E (pt) 2004-01-27 2014-07-18 Altivera L L C Sensores de identificação de radiofrequência de diagnóstico e as suas aplicações
US7580812B2 (en) 2004-01-28 2009-08-25 Honeywell International Inc. Trending system and method using window filtering
US7699964B2 (en) 2004-02-09 2010-04-20 Abbott Diabetes Care Inc. Membrane suitable for use in an analyte sensor, analyte sensor, and associated method
US8165651B2 (en) 2004-02-09 2012-04-24 Abbott Diabetes Care Inc. Analyte sensor, and associated system and method employing a catalytic agent
WO2005079257A2 (en) 2004-02-12 2005-09-01 Dexcom, Inc. Biointerface with macro- and micro- architecture
US20060154642A1 (en) 2004-02-20 2006-07-13 Scannell Robert F Jr Medication & health, environmental, and security monitoring, alert, intervention, information and network system with associated and supporting apparatuses
JP3590053B1 (ja) 2004-02-24 2004-11-17 株式会社日立製作所 血糖値測定装置
US8808228B2 (en) 2004-02-26 2014-08-19 Dexcom, Inc. Integrated medicament delivery device for use with continuous analyte sensor
WO2005082233A1 (en) 2004-02-26 2005-09-09 Diabetes Tools Sweden Ab Metabolic monitoring, a method and apparatus for indicating a health-related condition of a subject
DE102004011135A1 (de) 2004-03-08 2005-09-29 Disetronic Licensing Ag Verfahren und Vorrichtung zum Berechnen einer Bolusmenge
US7039538B2 (en) 2004-03-08 2006-05-02 Nellcor Puritant Bennett Incorporated Pulse oximeter with separate ensemble averaging for oxygen saturation and heart rate
US7831828B2 (en) 2004-03-15 2010-11-09 Cardiac Pacemakers, Inc. System and method for securely authenticating a data exchange session with an implantable medical device
US7228182B2 (en) 2004-03-15 2007-06-05 Cardiac Pacemakers, Inc. Cryptographic authentication for telemetry with an implantable medical device
EP1734858B1 (de) 2004-03-22 2014-07-09 BodyMedia, Inc. Nichtinvasive temperaturüberwachungsvorrichtung
EP1735729A2 (de) 2004-03-26 2006-12-27 Novo Nordisk A/S Einrichtung zum anzeigen von für einen diabetischen patienten relevanten daten
US6971274B2 (en) 2004-04-02 2005-12-06 Sierra Instruments, Inc. Immersible thermal mass flow meter
WO2005106017A2 (en) 2004-04-21 2005-11-10 University Of Virginia Patent Foundation Method, system and computer program product for evaluating the accuracy of blood glucose monitoring sensors/devices
US7324850B2 (en) 2004-04-29 2008-01-29 Cardiac Pacemakers, Inc. Method and apparatus for communication between a handheld programmer and an implantable medical device
US20050245799A1 (en) 2004-05-03 2005-11-03 Dexcom, Inc. Implantable analyte sensor
US8277713B2 (en) 2004-05-03 2012-10-02 Dexcom, Inc. Implantable analyte sensor
US7651845B2 (en) 2004-05-13 2010-01-26 The Regents Of The University Of California Method and apparatus for glucose control and insulin dosing for diabetics
JP2005328924A (ja) * 2004-05-18 2005-12-02 Toyama Univ 血糖値予測装置、血糖値予測モデル作成装置、およびプログラム
US7125382B2 (en) 2004-05-20 2006-10-24 Digital Angel Corporation Embedded bio-sensor system
US6999854B2 (en) 2004-05-28 2006-02-14 International Business Machines Corporation Medical infusion pump capable of learning bolus time patterns and providing bolus alerts
US7118667B2 (en) 2004-06-02 2006-10-10 Jin Po Lee Biosensors having improved sample application and uses thereof
EP1810185A4 (de) 2004-06-04 2010-01-06 Therasense Inc Diabetes-versorgungs-host-client-architektur und datenverwaltungssystem
US7289855B2 (en) 2004-06-09 2007-10-30 Medtronic, Inc. Implantable medical device package antenna
US20070060979A1 (en) 2004-06-10 2007-03-15 Ndi Medical, Llc Implantable pulse generator systems and methods for providing functional and / or therapeutic stimulation of muscles and / or nerves and / or central nervous system tissue
US20070100222A1 (en) 2004-06-14 2007-05-03 Metronic Minimed, Inc. Analyte sensing apparatus for hospital use
US7565197B2 (en) 2004-06-18 2009-07-21 Medtronic, Inc. Conditional requirements for remote medical device programming
US7623988B2 (en) 2004-06-23 2009-11-24 Cybiocare Inc. Method and apparatus for the monitoring of clinical states
DE102004031092A1 (de) 2004-06-28 2006-01-12 Giesecke & Devrient Gmbh Transpondereinheit
US20070128682A1 (en) 2004-06-28 2007-06-07 Rosman Paul M Predictive treatment of dysglycemic excursions associated with diabetes mellitus
US20060001551A1 (en) 2004-06-30 2006-01-05 Ulrich Kraft Analyte monitoring system with wireless alarm
US20060001538A1 (en) 2004-06-30 2006-01-05 Ulrich Kraft Methods of monitoring the concentration of an analyte
US20060015020A1 (en) 2004-07-06 2006-01-19 Dexcom, Inc. Systems and methods for manufacture of an analyte-measuring device including a membrane system
US20080242961A1 (en) 2004-07-13 2008-10-02 Dexcom, Inc. Transcutaneous analyte sensor
US20060270922A1 (en) 2004-07-13 2006-11-30 Brauker James H Analyte sensor
US8886272B2 (en) 2004-07-13 2014-11-11 Dexcom, Inc. Analyte sensor
US7946984B2 (en) 2004-07-13 2011-05-24 Dexcom, Inc. Transcutaneous analyte sensor
US8452368B2 (en) 2004-07-13 2013-05-28 Dexcom, Inc. Transcutaneous analyte sensor
US7783333B2 (en) 2004-07-13 2010-08-24 Dexcom, Inc. Transcutaneous medical device with variable stiffness
US20060016700A1 (en) 2004-07-13 2006-01-26 Dexcom, Inc. Transcutaneous analyte sensor
US8565848B2 (en) 2004-07-13 2013-10-22 Dexcom, Inc. Transcutaneous analyte sensor
US7344500B2 (en) 2004-07-27 2008-03-18 Medtronic Minimed, Inc. Sensing system with auxiliary display
US8313433B2 (en) 2004-08-06 2012-11-20 Medtronic Minimed, Inc. Medical data management system and process
EP1794585A1 (de) 2004-08-31 2007-06-13 Lifescan Scotland Ltd Verfahren zur anfertigung eines selbstkalibrierenden sensors
EP1799101A4 (de) 2004-09-02 2008-11-19 Proteus Biomedical Inc Verfahren und vorrichtungen zur gewebeaktivierung und -überwachung
US20080312859A1 (en) 2004-09-03 2008-12-18 Novo Nordisk A/S Method of Calibrating a System for Measuring the Concentration of Substances in Body and an Apparatus for Exercising the Method
US7468033B2 (en) 2004-09-08 2008-12-23 Medtronic Minimed, Inc. Blood contacting sensor
US20090247931A1 (en) 2004-09-23 2009-10-01 Novo Nordisk A/S Device for self-care support
US8108033B2 (en) 2004-11-02 2012-01-31 Medtronic, Inc. Techniques for data retention upon detection of an event in an implantable medical device
CN100581444C (zh) 2004-11-15 2010-01-20 皇家飞利浦电子股份有限公司 具有音频指示器的移动医疗遥测设备
US7237712B2 (en) 2004-12-01 2007-07-03 Alfred E. Mann Foundation For Scientific Research Implantable device and communication integrated circuit implementable therein
US20070010950A1 (en) 2004-12-03 2007-01-11 Abensour Daniel S Method to determine the degree and stability of blood glucose control in patients with diabetes mellitus via the creation and continuous update of new statistical indicators in blood glucose monitors or free standing computers
JP5317476B2 (ja) 2004-12-13 2013-10-16 コーニンクレッカ フィリップス エヌ ヴェ モバイルモニタリング
US20090082693A1 (en) 2004-12-29 2009-03-26 Therasense, Inc. Method and apparatus for providing temperature sensor module in a data communication system
US20070027381A1 (en) 2005-07-29 2007-02-01 Therasense, Inc. Inserter and methods of use
US8512243B2 (en) 2005-09-30 2013-08-20 Abbott Diabetes Care Inc. Integrated introducer and transmitter assembly and methods of use
US9398882B2 (en) 2005-09-30 2016-07-26 Abbott Diabetes Care Inc. Method and apparatus for providing analyte sensor and data processing device
US7883464B2 (en) 2005-09-30 2011-02-08 Abbott Diabetes Care Inc. Integrated transmitter unit and sensor introducer mechanism and methods of use
US7731657B2 (en) 2005-08-30 2010-06-08 Abbott Diabetes Care Inc. Analyte sensor introducer and methods of use
US20060166629A1 (en) 2005-01-24 2006-07-27 Therasense, Inc. Method and apparatus for providing EMC Class-B compliant RF transmitter for data monitoring an detection systems
US20060173260A1 (en) 2005-01-31 2006-08-03 Gmms Ltd System, device and method for diabetes treatment and monitoring
US7547281B2 (en) 2005-02-01 2009-06-16 Medtronic Minimed, Inc. Algorithm sensor augmented bolus estimator for semi-closed loop infusion system
EP1850747A2 (de) 2005-02-11 2007-11-07 The University Court Of The University Of Glasgow Erfassungsvorrichtung, -gerät und -system und verfahren zu ihrem betrieb
WO2006091918A2 (en) 2005-02-23 2006-08-31 Streck, Inc. Process, composition and kit for providing a stable whole blood calibrator/control
KR100638727B1 (ko) 2005-02-28 2006-10-30 삼성전기주식회사 Ｚｉｇｂｅｅ 및 불루투스 겸용 송수신기
US20090076360A1 (en) 2007-09-13 2009-03-19 Dexcom, Inc. Transcutaneous analyte sensor
US20060202805A1 (en) 2005-03-14 2006-09-14 Alfred E. Mann Foundation For Scientific Research Wireless acquisition and monitoring system
US20070071681A1 (en) 2005-03-15 2007-03-29 Entelos, Inc. Apparatus and method for computer modeling type 1 diabetes
CN101180093B (zh) 2005-03-21 2012-07-18 雅培糖尿病护理公司 用于提供结合的药剂输液以及分析物监测系统的方法和系统
US7889069B2 (en) 2005-04-01 2011-02-15 Codman & Shurtleff, Inc. Wireless patient monitoring system
US20090054753A1 (en) 2007-08-21 2009-02-26 Mark Ries Robinson Variable Sampling Interval for Blood Analyte Determinations
WO2006110193A2 (en) 2005-04-08 2006-10-19 Dexcom, Inc. Cellulosic-based interference domain for an analyte sensor
US7270633B1 (en) 2005-04-22 2007-09-18 Cardiac Pacemakers, Inc. Ambulatory repeater for use in automated patient care and method thereof
DE102005019306B4 (de) 2005-04-26 2011-09-01 Disetronic Licensing Ag Energieoptimierte Datenübertragung eines medizinischen Geräts
GB2425601B (en) 2005-04-26 2008-01-30 Bio Nano Sensium Technologies Sensor configuration
US8700157B2 (en) 2005-04-29 2014-04-15 Medtronic, Inc. Telemetry head programmer for implantable medical device and system and method
US20060247985A1 (en) 2005-04-29 2006-11-02 Therasense, Inc. Method and system for monitoring consumable item usage and providing replenishment thereof
US8112240B2 (en) 2005-04-29 2012-02-07 Abbott Diabetes Care Inc. Method and apparatus for providing leak detection in data monitoring and management systems
NZ599522A (en) 2005-05-09 2013-11-29 Theranos Inc Point-of-care fluidic systems and uses thereof
US7604178B2 (en) 2005-05-11 2009-10-20 Intelleflex Corporation Smart tag activation
JP5037496B2 (ja) 2005-05-13 2012-09-26 トラスティーズ オブ ボストン ユニバーシティ １型糖尿病用の完全自動制御システム
ATE478333T1 (de) 2005-06-02 2010-09-15 Isense Corp Verwendung von mehrfachen datenpunkten und filterung in einem analytsensor
US20080071580A1 (en) 2005-06-03 2008-03-20 Marcus Alan O System and method for medical evaluation and monitoring
US20060272652A1 (en) 2005-06-03 2006-12-07 Medtronic Minimed, Inc. Virtual patient software system for educating and treating individuals with diabetes
US20070033074A1 (en) 2005-06-03 2007-02-08 Medtronic Minimed, Inc. Therapy management system
CA2653616C (en) 2005-06-08 2013-02-12 Philip Michael Sher Fluctuating blood glucose notification threshold profiles and methods of use
US8251904B2 (en) 2005-06-09 2012-08-28 Roche Diagnostics Operations, Inc. Device and method for insulin dosing
US20070016449A1 (en) 2005-06-29 2007-01-18 Gary Cohen Flexible glucose analysis using varying time report deltas and configurable glucose target ranges
WO2007007459A1 (ja) 2005-07-12 2007-01-18 Omron Healthcare Co., Ltd. 生体の成分に関する情報を正確に測定できる生化学計測器
US7741734B2 (en) 2005-07-12 2010-06-22 Massachusetts Institute Of Technology Wireless non-radiative energy transfer
US7413124B2 (en) 2005-07-19 2008-08-19 3M Innovative Properties Company RFID reader supporting one-touch search functionality
US20070066956A1 (en) 2005-07-27 2007-03-22 Medtronic Minimed, Inc. Systems and methods for entering temporary basal rate pattern in an infusion device
ATE551946T1 (de) * 2005-07-29 2012-04-15 Univ Degli Studi Udine Vorrichtung und verfahren zur prävention von hypoglykämie in einem menschlichen patienten mit typ 1 diabetes während körperlicher betätigung
US7606784B2 (en) 2005-08-02 2009-10-20 Northrop Grumman Corporation Uncertainty management in a decision-making system
US20070060869A1 (en) 2005-08-16 2007-03-15 Tolle Mike C V Controller device for an infusion pump
US20090227855A1 (en) 2005-08-16 2009-09-10 Medtronic Minimed, Inc. Controller device for an infusion pump
US20070093786A1 (en) 2005-08-16 2007-04-26 Medtronic Minimed, Inc. Watch controller for a medical device
EP1758039A1 (de) 2005-08-27 2007-02-28 Roche Diagnostics GmbH Kommunikations-Adapter für ambulante medizinische oder therapeutische Geräte
CA2620586A1 (en) 2005-08-31 2007-03-08 Boris P. Kovatchev Improving the accuracy of continuous glucose sensors
US8831735B2 (en) 2005-08-31 2014-09-09 Michael Sasha John Methods and systems for semi-automatic adjustment of medical monitoring and treatment
US9089713B2 (en) 2005-08-31 2015-07-28 Michael Sasha John Methods and systems for semi-automatic adjustment of medical monitoring and treatment
CN101257840B (zh) 2005-09-09 2013-04-24 霍夫曼-拉罗奇有限公司 用于糖尿病护理的系统、工具和装置
US7725148B2 (en) 2005-09-23 2010-05-25 Medtronic Minimed, Inc. Sensor with layered electrodes
US9072476B2 (en) 2005-09-23 2015-07-07 Medtronic Minimed, Inc. Flexible sensor apparatus
US9521968B2 (en) 2005-09-30 2016-12-20 Abbott Diabetes Care Inc. Analyte sensor retention mechanism and methods of use
US7756561B2 (en) 2005-09-30 2010-07-13 Abbott Diabetes Care Inc. Method and apparatus for providing rechargeable power in data monitoring and management systems
US7468125B2 (en) 2005-10-17 2008-12-23 Lifescan, Inc. System and method of processing a current sample for calculating a glucose concentration
EP1937135A1 (de) 2005-10-20 2008-07-02 Big Glucose Ltd. Nicht-invasive blutzuckerüberwachung
US20090054747A1 (en) 2005-10-31 2009-02-26 Abbott Diabetes Care, Inc. Method and system for providing analyte sensor tester isolation
US7766829B2 (en) 2005-11-04 2010-08-03 Abbott Diabetes Care Inc. Method and system for providing basal profile modification in analyte monitoring and management systems
EP1955240B8 (de) 2005-11-08 2016-03-30 Bigfoot Biomedical, Inc. Verfahren zur manuellen und autonomen steuerung einer infusionspumpe
US20070173706A1 (en) 2005-11-11 2007-07-26 Isense Corporation Method and apparatus for insertion of a sensor
US20070168224A1 (en) 2005-11-22 2007-07-19 Letzt Alan M Advanced diabetes management system (adms)
US7963917B2 (en) 2005-12-05 2011-06-21 Echo Therapeutics, Inc. System and method for continuous non-invasive glucose monitoring
US7941200B2 (en) 2005-12-08 2011-05-10 Roche Diagnostics Operations, Inc. System and method for determining drug administration information
US8515518B2 (en) 2005-12-28 2013-08-20 Abbott Diabetes Care Inc. Analyte monitoring
US8160670B2 (en) 2005-12-28 2012-04-17 Abbott Diabetes Care Inc. Analyte monitoring: stabilizer for subcutaneous glucose sensor with incorporated antiglycolytic agent
EP1968432A4 (de) 2005-12-28 2009-10-21 Abbott Diabetes Care Inc Einführung eines medizinischen gerätes
US8102789B2 (en) 2005-12-29 2012-01-24 Medtronic, Inc. System and method for synchronous wireless communication with a medical device
EP2004796B1 (de) 2006-01-18 2015-04-08 DexCom, Inc. Membranen für einen analytsensor
US7574266B2 (en) 2006-01-19 2009-08-11 Medtronic, Inc. System and method for telemetry with an implantable medical device
US20070179349A1 (en) 2006-01-19 2007-08-02 Hoyme Kenneth P System and method for providing goal-oriented patient management based upon comparative population data analysis
US7736310B2 (en) 2006-01-30 2010-06-15 Abbott Diabetes Care Inc. On-body medical device securement
US7872574B2 (en) 2006-02-01 2011-01-18 Innovation Specialists, Llc Sensory enhancement systems and methods in personal electronic devices
JP5137854B2 (ja) 2006-02-09 2013-02-06 デカ・プロダクツ・リミテッド・パートナーシップ 流体送達システムおよび方法
EP1993637A2 (de) 2006-02-15 2008-11-26 Medingo Ltd. Systeme und verfahren zur messung von analyten und abgabe einer therapeutischen flüssigkeit
EP2829224B1 (de) 2006-02-22 2021-03-31 DexCom, Inc. Analytsensor
AU2007221172A1 (en) 2006-02-27 2007-09-07 Edwards Lifesciences Corporation Flux limiting membrane for intravenous amperometric biosensor
US7826879B2 (en) 2006-02-28 2010-11-02 Abbott Diabetes Care Inc. Analyte sensors and methods of use
US7981034B2 (en) 2006-02-28 2011-07-19 Abbott Diabetes Care Inc. Smart messages and alerts for an infusion delivery and management system
US8226891B2 (en) 2006-03-31 2012-07-24 Abbott Diabetes Care Inc. Analyte monitoring devices and methods therefor
US8473022B2 (en) 2008-01-31 2013-06-25 Abbott Diabetes Care Inc. Analyte sensor with time lag compensation
US8583205B2 (en) 2008-03-28 2013-11-12 Abbott Diabetes Care Inc. Analyte sensor calibration management
US8374668B1 (en) 2007-10-23 2013-02-12 Abbott Diabetes Care Inc. Analyte sensor with lag compensation
US8224415B2 (en) 2009-01-29 2012-07-17 Abbott Diabetes Care Inc. Method and device for providing offset model based calibration for analyte sensor
US9392969B2 (en) 2008-08-31 2016-07-19 Abbott Diabetes Care Inc. Closed loop control and signal attenuation detection
US8140312B2 (en) 2007-05-14 2012-03-20 Abbott Diabetes Care Inc. Method and system for determining analyte levels
US9675290B2 (en) 2012-10-30 2017-06-13 Abbott Diabetes Care Inc. Sensitivity calibration of in vivo sensors used to measure analyte concentration
US7653425B2 (en) 2006-08-09 2010-01-26 Abbott Diabetes Care Inc. Method and system for providing calibration of an analyte sensor in an analyte monitoring system
US7630748B2 (en) 2006-10-25 2009-12-08 Abbott Diabetes Care Inc. Method and system for providing analyte monitoring
ES2336360T3 (es) 2006-04-20 2010-04-12 Lifescan Scotland Ltd Metodo para transmitir datos en un sistema de glucosa en sangre y sistema de glucosa en sangre correspondiente.
US7359837B2 (en) 2006-04-27 2008-04-15 Medtronic, Inc. Peak data retention of signal data in an implantable medical device
US20070253021A1 (en) 2006-04-28 2007-11-01 Medtronic Minimed, Inc. Identification of devices in a medical device network and wireless data communication techniques utilizing device identifiers
US20070255126A1 (en) 2006-04-28 2007-11-01 Moberg Sheldon B Data communication in networked fluid infusion systems
US20070258395A1 (en) 2006-04-28 2007-11-08 Medtronic Minimed, Inc. Wireless data communication protocols for a medical device network
US8380300B2 (en) 2006-04-28 2013-02-19 Medtronic, Inc. Efficacy visualization
ES2427159T3 (es) 2006-05-02 2013-10-29 3M Innovative Properties Company Un sistema de monitorización de una cabina de telecomunicaciones
GB0608829D0 (en) 2006-05-04 2006-06-14 Husheer Shamus L G In-situ measurement of physical parameters
EP2015804B1 (de) 2006-05-10 2019-02-13 F. Hoffmann-La Roche AG Infusionsset mit einer datenspeichervorrichtung
US7496852B2 (en) 2006-05-16 2009-02-24 International Business Machines Corporation Graphically manipulating a database
DE102006023213B3 (de) 2006-05-17 2007-09-27 Siemens Ag Betriebsverfahren für einen Geber und eine mit dem Geber kommunizierende Steuereinrichtung
US20100249566A1 (en) * 2006-05-22 2010-09-30 Suess Frank P Interactive device for monitoring and reporting glucose levels with integrated atomic clock module
DE102006025485B4 (de) 2006-05-30 2008-03-20 Polylc Gmbh & Co. Kg Antennenanordnung sowie deren Verwendung
WO2007143225A2 (en) 2006-06-07 2007-12-13 Abbott Diabetes Care, Inc. Analyte monitoring system and method
US8098159B2 (en) 2006-06-09 2012-01-17 Intelleflex Corporation RF device comparing DAC output to incoming signal for selectively performing an action
US7796038B2 (en) 2006-06-12 2010-09-14 Intelleflex Corporation RFID sensor tag with manual modes and functions
US20080177149A1 (en) 2006-06-16 2008-07-24 Stefan Weinert System and method for collecting patient information from which diabetes therapy may be determined
US20070299617A1 (en) 2006-06-27 2007-12-27 Willis John P Biofouling self-compensating biosensor
US20080004601A1 (en) 2006-06-28 2008-01-03 Abbott Diabetes Care, Inc. Analyte Monitoring and Therapy Management System and Methods Therefor
US20090105560A1 (en) 2006-06-28 2009-04-23 David Solomon Lifestyle and eating advisor based on physiological and biological rhythm monitoring
US9119582B2 (en) 2006-06-30 2015-09-01 Abbott Diabetes Care, Inc. Integrated analyte sensor and infusion device and methods therefor
US20090105571A1 (en) 2006-06-30 2009-04-23 Abbott Diabetes Care, Inc. Method and System for Providing Data Communication in Data Management Systems
ES2670420T3 (es) 2006-07-07 2018-05-30 F. Hoffmann-La Roche Ag Dispositivo de administración de fluidos y métodos de funcionamiento del mismo
US8932216B2 (en) 2006-08-07 2015-01-13 Abbott Diabetes Care Inc. Method and system for providing data management in integrated analyte monitoring and infusion system
WO2008017981A2 (en) * 2006-08-08 2008-02-14 Koninklijke Philips Electronics N.V. Method and device for monitoring a physiological parameter
GB0616331D0 (en) 2006-08-16 2006-09-27 Innovision Res & Tech Plc Near Field RF Communicators And Near Field Communications Enabled Devices
US20090256572A1 (en) 2008-04-14 2009-10-15 Mcdowell Andrew F Tuning Low-Inductance Coils at Low Frequencies
US20080058678A1 (en) 2006-09-05 2008-03-06 Shinichi Miyata Kit for the determination of an analyte in a bodily fluid sample that includes a meter with a display-based tutorial module
US20080058626A1 (en) 2006-09-05 2008-03-06 Shinichi Miyata Analytical meter with display-based tutorial module
US20080071328A1 (en) 2006-09-06 2008-03-20 Medtronic, Inc. Initiating medical system communications
US9056165B2 (en) 2006-09-06 2015-06-16 Medtronic Minimed, Inc. Intelligent therapy recommendation algorithm and method of using the same
US7779332B2 (en) 2006-09-25 2010-08-17 Alfred E. Mann Foundation For Scientific Research Rotationally invariant non-coherent burst coding
US8275438B2 (en) 2006-10-04 2012-09-25 Dexcom, Inc. Analyte sensor
US8562528B2 (en) 2006-10-04 2013-10-22 Dexcom, Inc. Analyte sensor
US8447376B2 (en) 2006-10-04 2013-05-21 Dexcom, Inc. Analyte sensor
US7831287B2 (en) 2006-10-04 2010-11-09 Dexcom, Inc. Dual electrode system for a continuous analyte sensor
US8478377B2 (en) 2006-10-04 2013-07-02 Dexcom, Inc. Analyte sensor
US8298142B2 (en) 2006-10-04 2012-10-30 Dexcom, Inc. Analyte sensor
US8449464B2 (en) 2006-10-04 2013-05-28 Dexcom, Inc. Analyte sensor
US8255026B1 (en) 2006-10-12 2012-08-28 Masimo Corporation, Inc. Patient monitor capable of monitoring the quality of attached probes and accessories
US20080092638A1 (en) 2006-10-19 2008-04-24 Bayer Healthcare Llc Wireless analyte monitoring system
US8126728B2 (en) 2006-10-24 2012-02-28 Medapps, Inc. Systems and methods for processing and transmittal of medical data through an intermediary device
MX2009004530A (es) 2006-10-26 2009-08-13 Abbott Diabetes Care Inc Método, sistema y producto de programa de computacion para la deteccion en tiempo real de la disminucion de sensibilidad en los sensores analitos.
US8439837B2 (en) 2006-10-31 2013-05-14 Lifescan, Inc. Systems and methods for detecting hypoglycemic events having a reduced incidence of false alarms
EP1918837A1 (de) 2006-10-31 2008-05-07 F. Hoffmann-La Roche AG Verfahren zur Verarbeitung einer chronologischen Sequenz bei der Messung eines zeitabhängigen Parameters
US20080119705A1 (en) 2006-11-17 2008-05-22 Medtronic Minimed, Inc. Systems and Methods for Diabetes Management Using Consumer Electronic Devices
US20130324823A1 (en) * 2006-11-20 2013-12-05 Modz Oy Measurement device, system and method
US20080139910A1 (en) 2006-12-06 2008-06-12 Metronic Minimed, Inc. Analyte sensor and method of using the same
KR100833511B1 (ko) 2006-12-08 2008-05-29 한국전자통신연구원 휘발성 메모리를 구비한 패시브 태그
WO2008071218A1 (en) 2006-12-14 2008-06-19 Egomedical Swiss Ag Monitoring device
US8120493B2 (en) 2006-12-20 2012-02-21 Intel Corporation Direct communication in antenna devices
US20080154513A1 (en) 2006-12-21 2008-06-26 University Of Virginia Patent Foundation Systems, Methods and Computer Program Codes for Recognition of Patterns of Hyperglycemia and Hypoglycemia, Increased Glucose Variability, and Ineffective Self-Monitoring in Diabetes
US7946985B2 (en) 2006-12-29 2011-05-24 Medtronic Minimed, Inc. Method and system for providing sensor redundancy
CA3187192A1 (en) 2007-01-15 2008-07-24 Deka Products Limited Parnership Device and method for food management
US8098160B2 (en) 2007-01-22 2012-01-17 Cisco Technology, Inc. Method and system for remotely provisioning and/or configuring a device
US7734323B2 (en) 2007-01-24 2010-06-08 Smiths Medical Asd, Inc. Correction factor testing using frequent blood glucose input
US7742747B2 (en) 2007-01-25 2010-06-22 Icera Canada ULC Automatic IIP2 calibration architecture
US10154804B2 (en) 2007-01-31 2018-12-18 Medtronic Minimed, Inc. Model predictive method and system for controlling and supervising insulin infusion
US9597019B2 (en) 2007-02-09 2017-03-21 Lifescan, Inc. Method of ensuring date and time on a test meter is accurate
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
US8123686B2 (en) 2007-03-01 2012-02-28 Abbott Diabetes Care Inc. Method and apparatus for providing rolling data in communication systems
US7751864B2 (en) 2007-03-01 2010-07-06 Roche Diagnostics Operations, Inc. System and method for operating an electrochemical analyte sensor
US20090093687A1 (en) 2007-03-08 2009-04-09 Telfort Valery G Systems and methods for determining a physiological condition using an acoustic monitor
CN101663059A (zh) 2007-03-19 2010-03-03 梅丁格有限公司 药物输送设备中选择单次剂量的用户接口
US20080235053A1 (en) * 2007-03-20 2008-09-25 Pinaki Ray Communication medium for diabetes management
US20080234943A1 (en) 2007-03-20 2008-09-25 Pinaki Ray Computer program for diabetes management
US8758245B2 (en) * 2007-03-20 2014-06-24 Lifescan, Inc. Systems and methods for pattern recognition in diabetes management
US7659823B1 (en) 2007-03-20 2010-02-09 At&T Intellectual Property Ii, L.P. Tracking variable conditions using radio frequency identification
US9029157B2 (en) 2007-04-12 2015-05-12 Nipro Diagnostics, Inc. Error detection and rejection for a diagnostic testing system
US7768387B2 (en) 2007-04-14 2010-08-03 Abbott Diabetes Care Inc. Method and apparatus for providing dynamic multi-stage signal amplification in a medical device
WO2008130897A2 (en) 2007-04-14 2008-10-30 Abbott Diabetes Care, Inc. Method and apparatus for providing data processing and control in medical communication system
EP2137637A4 (de) 2007-04-14 2012-06-20 Abbott Diabetes Care Inc Verfahren und vorrichtung zur datenverarbeitung und steuerung in einem medizinischen kommunikationssystem
EP4108162A1 (de) 2007-04-14 2022-12-28 Abbott Diabetes Care, Inc. Verfahren und vorrichtung zur bereitstellung von datenverarbeitung und -kontrolle in einem medizinischen kommunikationssystem
WO2008130896A1 (en) 2007-04-14 2008-10-30 Abbott Diabetes Care, Inc. Method and apparatus for providing data processing and control in medical communication system
US9008743B2 (en) 2007-04-14 2015-04-14 Abbott Diabetes Care Inc. Method and apparatus for providing data processing and control in medical communication system
US20080269714A1 (en) 2007-04-25 2008-10-30 Medtronic Minimed, Inc. Closed loop/semi-closed loop therapy modification system
US20080269723A1 (en) 2007-04-25 2008-10-30 Medtronic Minimed, Inc. Closed loop/semi-closed loop therapy modification system
EP2156346A1 (de) 2007-05-03 2010-02-24 Novo Nordisk A/S Sicherheitssystem für insulinabgabe-ratschlagalgorithmen
US8461985B2 (en) 2007-05-08 2013-06-11 Abbott Diabetes Care Inc. Analyte monitoring system and methods
US7928850B2 (en) 2007-05-08 2011-04-19 Abbott Diabetes Care Inc. Analyte monitoring system and methods
US8560038B2 (en) 2007-05-14 2013-10-15 Abbott Diabetes Care Inc. Method and apparatus for providing data processing and control in a medical communication system
US8260558B2 (en) 2007-05-14 2012-09-04 Abbott Diabetes Care Inc. Method and apparatus for providing data processing and control in a medical communication system
US9125548B2 (en) 2007-05-14 2015-09-08 Abbott Diabetes Care Inc. Method and apparatus for providing data processing and control in a medical communication system
US8103471B2 (en) 2007-05-14 2012-01-24 Abbott Diabetes Care Inc. Method and apparatus for providing data processing and control in a medical communication system
US8239166B2 (en) 2007-05-14 2012-08-07 Abbott Diabetes Care Inc. Method and apparatus for providing data processing and control in a medical communication system
US20080312845A1 (en) 2007-05-14 2008-12-18 Abbott Diabetes Care, Inc. Method and apparatus for providing data processing and control in a medical communication system
US8600681B2 (en) 2007-05-14 2013-12-03 Abbott Diabetes Care Inc. Method and apparatus for providing data processing and control in a medical communication system
US8444560B2 (en) 2007-05-14 2013-05-21 Abbott Diabetes Care Inc. Method and apparatus for providing data processing and control in a medical communication system
US7996158B2 (en) 2007-05-14 2011-08-09 Abbott Diabetes Care Inc. Method and apparatus for providing data processing and control in a medical communication system
US10002233B2 (en) 2007-05-14 2018-06-19 Abbott Diabetes Care Inc. Method and apparatus for providing data processing and control in a medical communication system
US20080294024A1 (en) 2007-05-24 2008-11-27 Cosentino Daniel L Glucose meter system and monitor
US20080300572A1 (en) 2007-06-01 2008-12-04 Medtronic Minimed, Inc. Wireless monitor for a personal medical device system
US8072310B1 (en) 2007-06-05 2011-12-06 Pulsed Indigo Inc. System for detecting and measuring parameters of passive transponders
WO2008154312A1 (en) 2007-06-08 2008-12-18 Dexcom, Inc. Integrated medicament delivery device for use with continuous analyte sensor
US20080312518A1 (en) 2007-06-14 2008-12-18 Arkal Medical, Inc On-demand analyte monitor and method of use
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
EP2006786B1 (de) * 2007-06-18 2018-05-09 Roche Diabetes Care GmbH Verfahren und Glukoseüberwachungssystem zur Überwachung individueller Stoffwechselreaktionen und zur Erlangung eines Nährstofffeedbacks
US9754078B2 (en) 2007-06-21 2017-09-05 Immersion Corporation Haptic health feedback monitoring
CA2690742C (en) 2007-06-21 2018-05-15 Abbott Diabetes Care Inc. Health management devices and methods
EP2166928B1 (de) 2007-06-21 2018-09-12 Abbott Diabetes Care Inc. Gesundheitsmonitor
US20090005729A1 (en) 2007-06-27 2009-01-01 Animas Corporation Medical infusion pumps
EP2170158B1 (de) 2007-06-27 2017-07-05 F. Hoffmann-La Roche AG Schnittstelle zur eingabe von patientendaten für ein therapiesystem
KR101347008B1 (ko) 2007-06-27 2014-01-02 에프. 호프만-라 로슈 아게 환자 생리학의 모델링에 기초하여 환자 맞춤형 치료를 개발하는 시스템 및 방법
EP2171568B1 (de) 2007-06-29 2018-05-30 Roche Diabetes Care GmbH Benutzeroberflächenmerkmale für ein elektronisches gerät
US8160900B2 (en) 2007-06-29 2012-04-17 Abbott Diabetes Care Inc. Analyte monitoring and management device and method to analyze the frequency of user interaction with the device
US7768386B2 (en) 2007-07-31 2010-08-03 Abbott Diabetes Care Inc. Method and apparatus for providing data processing and control in a medical communication system
US20090036760A1 (en) 2007-07-31 2009-02-05 Abbott Diabetes Care, Inc. Method and apparatus for providing data processing and control in a medical communication system
US8834366B2 (en) 2007-07-31 2014-09-16 Abbott Diabetes Care Inc. Method and apparatus for providing analyte sensor calibration
US7731658B2 (en) 2007-08-16 2010-06-08 Cardiac Pacemakers, Inc. Glycemic control monitoring using implantable medical device
US9968742B2 (en) 2007-08-29 2018-05-15 Medtronic Minimed, Inc. Combined sensor and infusion set using separated sites
US20090063402A1 (en) 2007-08-31 2009-03-05 Abbott Diabetes Care, Inc. Method and System for Providing Medication Level Determination
US20090085768A1 (en) 2007-10-02 2009-04-02 Medtronic Minimed, Inc. Glucose sensor transceiver
DE102007047351A1 (de) 2007-10-02 2009-04-09 B. Braun Melsungen Ag System und Verfahren zur Überwachung und Regelung von Blutglukosewerten
WO2009049252A1 (en) 2007-10-10 2009-04-16 Optiscan Biomedical Corporation Fluid component analysis system and method for glucose monitoring and control
US8377031B2 (en) 2007-10-23 2013-02-19 Abbott Diabetes Care Inc. Closed loop control system with safety parameters and methods
US8216138B1 (en) 2007-10-23 2012-07-10 Abbott Diabetes Care Inc. Correlation of alternative site blood and interstitial fluid glucose concentrations to venous glucose concentration
US8409093B2 (en) 2007-10-23 2013-04-02 Abbott Diabetes Care Inc. Assessing measures of glycemic variability
US8417312B2 (en) 2007-10-25 2013-04-09 Dexcom, Inc. Systems and methods for processing sensor data
US20090112626A1 (en) 2007-10-30 2009-04-30 Cary Talbot Remote wireless monitoring, processing, and communication of patient data
US7783442B2 (en) 2007-10-31 2010-08-24 Medtronic Minimed, Inc. System and methods for calibrating physiological characteristic sensors
US8098201B2 (en) 2007-11-29 2012-01-17 Electronics & Telecommunications Research Institute Radio frequency identification tag and radio frequency identification tag antenna
US8103241B2 (en) 2007-12-07 2012-01-24 Roche Diagnostics Operations, Inc. Method and system for wireless device communication
US20100262434A1 (en) * 2007-12-13 2010-10-14 Shaya Steven A Method and apparatus to calculate diabetic sensitivity factors affecting blood glucose
US9839395B2 (en) 2007-12-17 2017-12-12 Dexcom, Inc. Systems and methods for processing sensor data
US20090164251A1 (en) 2007-12-19 2009-06-25 Abbott Diabetes Care, Inc. Method and apparatus for providing treatment profile management
US20090164239A1 (en) 2007-12-19 2009-06-25 Abbott Diabetes Care, Inc. Dynamic Display Of Glucose Information
US20090163855A1 (en) 2007-12-24 2009-06-25 Medtronic Minimed, Inc. Infusion system with adaptive user interface
EP2235660B1 (de) 2008-01-15 2015-07-08 Corning Cable Systems LLC Rfid-systeme und verfahren zur automatischen erkennung und/oder anweisung der physischen konfiguierung eines komplexen systems
DE102008008072A1 (de) 2008-01-29 2009-07-30 Balluff Gmbh Sensor
WO2009097450A1 (en) 2008-01-30 2009-08-06 Dexcom. Inc. Continuous cardiac marker sensor system
US20100198021A1 (en) * 2008-02-12 2010-08-05 Alferness Clifton A Computer-implemented method for providing a tunable personalized tool for estimating glycated hemoglobin
EP2244761A2 (de) 2008-02-20 2010-11-03 Dexcom, Inc. Kontinuierliches medikamentensensorsystem für in-vivo-verwendung
JP5091881B2 (ja) 2008-02-20 2012-12-05 カルソニックカンセイ株式会社 衝突検知装置
CA2715628A1 (en) 2008-02-21 2009-08-27 Dexcom, Inc. Systems and methods for processing, transmitting and displaying sensor data
US20090242399A1 (en) 2008-03-25 2009-10-01 Dexcom, Inc. Analyte sensor
US8396528B2 (en) 2008-03-25 2013-03-12 Dexcom, Inc. Analyte sensor
EP3387993A3 (de) 2008-03-28 2018-11-14 Dexcom, Inc. Polymermembranen für kontinuierliche analytensensoren
WO2009124095A1 (en) 2008-03-31 2009-10-08 Abbott Diabetes Care Inc. Shallow implantable analyte sensor with rapid physiological response
CN103400028B (zh) 2008-04-04 2017-04-12 海吉雅有限公司 用于优化患者的胰岛素剂量方案的装置
WO2009125421A1 (en) 2008-04-11 2009-10-15 Indian Institute Of Science A sub-threshold capfet sensor for sensing analyte, a method and system thereof
US7783342B2 (en) 2008-04-21 2010-08-24 International Business Machines Corporation System and method for inferring disease similarity by shape matching of ECG time series
US20090267765A1 (en) 2008-04-29 2009-10-29 Jack Greene Rfid to prevent reprocessing
US7938797B2 (en) 2008-05-05 2011-05-10 Asante Solutions, Inc. Infusion pump system
US8102021B2 (en) 2008-05-12 2012-01-24 Sychip Inc. RF devices
AU2009246442B2 (en) 2008-05-14 2015-02-12 Heartmiles, Llc. Physical activity monitor and data collection unit
AU2009249061B2 (en) 2008-05-20 2015-01-22 Deka Products Limited Partnership RFID system
US7826382B2 (en) 2008-05-30 2010-11-02 Abbott Diabetes Care Inc. Close proximity communication device and methods
US8394637B2 (en) 2008-06-02 2013-03-12 Roche Diagnostics Operations, Inc. Handheld analyzer for testing a sample
US8117481B2 (en) 2008-06-06 2012-02-14 Roche Diagnostics International Ag Apparatus and method for processing wirelessly communicated information within an electronic device
US8132037B2 (en) 2008-06-06 2012-03-06 Roche Diagnostics International Ag Apparatus and method for processing wirelessly communicated data and clock information within an electronic device
US8131365B2 (en) 2008-07-09 2012-03-06 Cardiac Pacemakers, Inc. Event-based battery monitor for implantable devices
WO2010009172A1 (en) 2008-07-14 2010-01-21 Abbott Diabetes Care Inc. Closed loop control system interface and methods
US8111042B2 (en) 2008-08-05 2012-02-07 Broadcom Corporation Integrated wireless resonant power charging and communication channel
WO2010022387A1 (en) * 2008-08-22 2010-02-25 Eastern Virginia Medical School Method and apparatus for chronic disease control
US8432070B2 (en) 2008-08-25 2013-04-30 Qualcomm Incorporated Passive receivers for wireless power transmission
US8094009B2 (en) 2008-08-27 2012-01-10 The Invention Science Fund I, Llc Health-related signaling via wearable items
US9943644B2 (en) 2008-08-31 2018-04-17 Abbott Diabetes Care Inc. Closed loop control with reference measurement and methods thereof
US20100057040A1 (en) 2008-08-31 2010-03-04 Abbott Diabetes Care, Inc. Robust Closed Loop Control And Methods
US8622988B2 (en) 2008-08-31 2014-01-07 Abbott Diabetes Care Inc. Variable rate closed loop control and methods
US8734422B2 (en) 2008-08-31 2014-05-27 Abbott Diabetes Care Inc. Closed loop control with improved alarm functions
US8102154B2 (en) 2008-09-04 2012-01-24 Medtronic Minimed, Inc. Energy source isolation and protection circuit for an electronic device
EP2361105B1 (de) 2008-09-15 2021-06-02 DEKA Products Limited Partnership Systeme und verfahren zur abgabe von flüssigkeiten
US20100095229A1 (en) 2008-09-18 2010-04-15 Abbott Diabetes Care, Inc. Graphical user interface for glucose monitoring system
EP3795987B1 (de) 2008-09-19 2023-10-25 Dexcom, Inc. Partikelhaltige membran und partikelelektrode für analytsensoren
US8986208B2 (en) 2008-09-30 2015-03-24 Abbott Diabetes Care Inc. Analyte sensor sensitivity attenuation mitigation
US8287487B2 (en) 2008-10-15 2012-10-16 Asante Solutions, Inc. Infusion pump system and methods
CN102197304B (zh) 2008-11-04 2013-08-28 松下电器产业株式会社 测定装置和测定方法
US9326707B2 (en) 2008-11-10 2016-05-03 Abbott Diabetes Care Inc. Alarm characterization for analyte monitoring devices and systems
US8098161B2 (en) 2008-12-01 2012-01-17 Raytheon Company Radio frequency identification inlay with improved readability
US8150516B2 (en) 2008-12-11 2012-04-03 Pacesetter, Inc. Systems and methods for operating an implantable device for medical procedures
CA2938541C (en) * 2008-12-24 2018-10-16 Medtronic Minimed, Inc. Diabetes therapy management system
US20100160740A1 (en) 2008-12-24 2010-06-24 Gary Cohen Use of Patterns in a Therapy Management System
US9320470B2 (en) 2008-12-31 2016-04-26 Medtronic Minimed, Inc. Method and/or system for sensor artifact filtering
US8974439B2 (en) 2009-01-02 2015-03-10 Asante Solutions, Inc. Infusion pump system and methods
US8103456B2 (en) 2009-01-29 2012-01-24 Abbott Diabetes Care Inc. Method and device for early signal attenuation detection using blood glucose measurements
US9402544B2 (en) 2009-02-03 2016-08-02 Abbott Diabetes Care Inc. Analyte sensor and apparatus for insertion of the sensor
US20100198142A1 (en) 2009-02-04 2010-08-05 Abbott Diabetes Care Inc. Multi-Function Analyte Test Device and Methods Therefor
US8394246B2 (en) 2009-02-23 2013-03-12 Roche Diagnostics Operations, Inc. System and method for the electrochemical measurement of an analyte employing a remote sensor
WO2010099507A1 (en) 2009-02-26 2010-09-02 Abbott Diabetes Care Inc. Improved analyte sensors and methods of making and using the same
DK2409253T3 (en) * 2009-03-16 2019-03-25 Hoffmann La Roche METHOD OF AUTOMATICALLY CREATING A USER-SPECIFIC TARGET DATA RECORDING REGISTER FOR DISCONTINUOUS BLOOD SUGAR MEASUREMENT AND DATA PROCESSOR AND BLOOD SUCCESS MEASURER
WO2010111660A1 (en) * 2009-03-27 2010-09-30 Dexcom, Inc. Methods and systems for promoting glucose management
US9226701B2 (en) 2009-04-28 2016-01-05 Abbott Diabetes Care Inc. Error detection in critical repeating data in a wireless sensor system
WO2010127052A1 (en) 2009-04-28 2010-11-04 Abbott Diabetes Care Inc. Dynamic analyte sensor calibration based on sensor stability profile
EP2424435B1 (de) 2009-04-30 2021-06-02 Dexcom, Inc. Mit kontinuierlichen sensordaten aus mehreren analysezeiträumen assoziierte leistungsberichte
US8124452B2 (en) 2009-06-14 2012-02-28 Terepac Corporation Processes and structures for IC fabrication
US20110024043A1 (en) 2009-07-02 2011-02-03 Dexcom, Inc. Continuous analyte sensors and methods of making same
US9792408B2 (en) 2009-07-02 2017-10-17 Covidien Lp Method and apparatus to detect transponder tagged objects and to communicate with medical telemetry devices, for example during medical procedures
EP2454587A4 (de) 2009-07-13 2012-12-12 Freelance Corp Vorrichtungen, verfahren und kits zur bestimmung von analytkonzentrationen
WO2011014851A1 (en) 2009-07-31 2011-02-03 Abbott Diabetes Care Inc. Method and apparatus for providing analyte monitoring system calibration accuracy
US8868151B2 (en) 2009-08-14 2014-10-21 Bayer Healthcare Llc Electrochemical impedance spectroscopy enabled continuous glucose monitoring sensor system
WO2011022418A2 (en) 2009-08-17 2011-02-24 The Regents Of The University Of California Distributed external and internal wireless sensor systems for characterization of surface and subsurface biomedical structure and condition
US8993331B2 (en) 2009-08-31 2015-03-31 Abbott Diabetes Care Inc. Analyte monitoring system and methods for managing power and noise
AU2010286917B2 (en) 2009-08-31 2016-03-10 Abbott Diabetes Care Inc. Medical devices and methods
EP2473098A4 (de) 2009-08-31 2014-04-09 Abbott Diabetes Care Inc Analytsignalverarbeitungsvorrichtung und -verfahren
US8093991B2 (en) 2009-09-16 2012-01-10 Greatbatch Ltd. RFID detection and identification system for implantable medical devices
EP2482720A4 (de) 2009-09-29 2014-04-23 Abbott Diabetes Care Inc Verfahren und vorrichtung zur bereitstellung einer benachrichtigungsfunktion in analytüberwachungssystemen
US20110081726A1 (en) 2009-09-30 2011-04-07 Abbott Diabetes Care Inc. Signal Dropout Detection and/or Processing in Analyte Monitoring Device and Methods
CN102724913A (zh) 2009-09-30 2012-10-10 德克斯康公司 经皮分析物传感器
US9949672B2 (en) 2009-12-17 2018-04-24 Ascensia Diabetes Care Holdings Ag Apparatus, systems and methods for determining and displaying pre-event and post-event analyte concentration levels
US20110208027A1 (en) 2010-02-23 2011-08-25 Roche Diagnostics Operations, Inc. Methods And Systems For Providing Therapeutic Guidelines To A Person Having Diabetes
WO2011133768A1 (en) 2010-04-22 2011-10-27 Abbott Diabetes Care Inc. Devices, systems, and methods related to analyte monitoring and management
WO2011149857A1 (en) 2010-05-24 2011-12-01 Abbott Diabetes Care Inc. Method and system for updating a medical device
EP2584959A4 (de) * 2010-06-22 2014-03-12 Gili Medical Ltd Verbessertes system und verfahren zur erkennung von hypoglykämie-symptomen
US8635046B2 (en) 2010-06-23 2014-01-21 Abbott Diabetes Care Inc. Method and system for evaluating analyte sensor response characteristics
US8543354B2 (en) 2010-06-23 2013-09-24 Medtronic Minimed, Inc. Glucose sensor signal stability analysis
WO2011163519A2 (en) 2010-06-25 2011-12-29 Dexcom, Inc. Systems and methods for communicating sensor data between communication devices
EP2596448B1 (de) * 2010-07-23 2019-12-18 Roche Diabetes Care GmbH System und verfahren unter berücksichtigung der wirkung einer physikalischen aktivität auf das glukoseregulatorische system
DK2621339T3 (da) 2010-09-29 2020-02-24 Dexcom Inc Avanceret system til kontinuerlig analytmonitorering
EP2624745A4 (de) 2010-10-07 2018-05-23 Abbott Diabetes Care, Inc. Analytüberwachungsvorrichtungen und -verfahren
EP3744249B1 (de) 2010-10-27 2025-07-02 Dexcom, Inc. Vorrichtung zur kontinuierlichen aufzeichnung von analytüberwachungsdaten in einem blindmodus
US8657746B2 (en) 2010-10-28 2014-02-25 Medtronic Minimed, Inc. Glucose sensor signal purity analysis
US20120165640A1 (en) 2010-12-23 2012-06-28 Roche Diagnostics Operations, Inc. Structured blood glucose testing performed on handheld diabetes management devices
JP2014050411A (ja) * 2010-12-28 2014-03-20 Panasonic Corp 計測タイミング制御装置
US9913599B2 (en) 2011-02-11 2018-03-13 Abbott Diabetes Care Inc. Software applications residing on handheld analyte determining devices
US9532737B2 (en) 2011-02-28 2017-01-03 Abbott Diabetes Care Inc. Devices, systems, and methods associated with analyte monitoring devices and devices incorporating the same
DK2685895T3 (en) * 2011-03-17 2019-01-21 Univ Newcastle System for self-monitoring and regulation of blood glucose
US10349871B2 (en) 2011-08-05 2019-07-16 Dexcom, Inc. Systems and methods for detecting glucose level data patterns
US9622691B2 (en) 2011-10-31 2017-04-18 Abbott Diabetes Care Inc. Model based variable risk false glucose threshold alarm prevention mechanism
US8710993B2 (en) 2011-11-23 2014-04-29 Abbott Diabetes Care Inc. Mitigating single point failure of devices in an analyte monitoring system and methods thereof
RU2615907C2 (ru) * 2011-12-12 2017-04-11 Медвет Сайенс Пти Лтд Способ и устройство для обнаружения начала гипогликемии
AU2012362155A1 (en) 2011-12-30 2014-01-23 Abbott Diabetes Care Inc. Method and apparatus for determining medication dose information
US20130235166A1 (en) 2012-03-07 2013-09-12 Cambridge Silicon Radio Limited Synchronisation method
US10327714B2 (en) * 2012-03-29 2019-06-25 Senseonics, Incorporated Analyte concentration alert function for analyte sensor system
US20130338630A1 (en) 2012-06-07 2013-12-19 Medtronic Minimed, Inc. Diabetes therapy management system for recommending adjustments to an insulin infusion device
KR101500710B1 (ko) * 2012-07-02 2015-03-10 강원대학교산학협력단 혈당치 예측 장치
US20140012118A1 (en) * 2012-07-09 2014-01-09 Dexcom, Inc. Systems and methods for leveraging smartphone features in continuous glucose monitoring
US20140024907A1 (en) * 2012-07-19 2014-01-23 Lifescan, Inc. Method and system to indicate hyperglycemia or hypoglycemia for people with diabetes
EP2890297B1 (de) 2012-08-30 2018-04-11 Abbott Diabetes Care, Inc. Ausfallerkennung bei kontinuierlichen analytüberwachungsdaten bei datenabweichungen
US20140068487A1 (en) * 2012-09-05 2014-03-06 Roche Diagnostics Operations, Inc. Computer Implemented Methods For Visualizing Correlations Between Blood Glucose Data And Events And Apparatuses Thereof
US9907492B2 (en) 2012-09-26 2018-03-06 Abbott Diabetes Care Inc. Method and apparatus for improving lag correction during in vivo measurement of analyte concentration with analyte concentration variability and range data
US10076285B2 (en) 2013-03-15 2018-09-18 Abbott Diabetes Care Inc. Sensor fault detection using analyte sensor data pattern comparison
EP3409201B1 (de) * 2013-03-15 2024-04-10 Abbott Diabetes Care, Inc. System und verfahren für diabetesmanagement auf der basis von glucosemedian, glucoseschwankungen und hypoglykämischem risiko
AU2014360585B2 (en) * 2013-12-05 2019-08-15 Senseonics, Incorporated Analyte concentration alert function for analyte sensor system
JP6343939B2 (ja) * 2014-01-14 2018-06-20 オムロン株式会社 健康管理支援システム
WO2016061308A1 (en) 2014-10-17 2016-04-21 Kahlbaugh Bradley E Human metabolic condition management
CN104323781A (zh) * 2014-11-10 2015-02-04 上海翰临电子科技有限公司 一种血糖分析方法和监测设备
CN113349766B (zh) * 2015-07-10 2024-11-22 雅培糖尿病护理公司 对于生理参数进行动态葡萄糖曲线响应的系统、装置和方法

Patent Citations (97)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4545382A (en) 1981-10-23 1985-10-08 Genetics International, Inc. Sensor for components of a liquid mixture
US4711245A (en) 1983-05-05 1987-12-08 Genetics International, Inc. Sensor for components of a liquid mixture
US5820551A (en) 1983-05-05 1998-10-13 Hill; Hugh Allen Oliver Strip electrode with screen printing
US5509410A (en) 1983-06-06 1996-04-23 Medisense, Inc. Strip electrode including screen printing of a single layer
US5264104A (en) 1989-08-02 1993-11-23 Gregg Brian A Enzyme electrodes
US5262035A (en) 1989-08-02 1993-11-16 E. Heller And Company Enzyme electrodes
US5356786A (en) 1991-03-04 1994-10-18 E. Heller & Company Interferant eliminating biosensor
US5262305A (en) 1991-03-04 1993-11-16 E. Heller & Company Interferant eliminating biosensors
US6881551B2 (en) 1991-03-04 2005-04-19 Therasense, Inc. Subcutaneous glucose electrode
US6514718B2 (en) 1991-03-04 2003-02-04 Therasense, Inc. Subcutaneous glucose electrode
US5899855A (en) 1992-11-17 1999-05-04 Health Hero Network, Inc. Modular microprocessor-based health monitoring system
US5593852A (en) 1993-12-02 1997-01-14 Heller; Adam Subcutaneous glucose electrode
US6284478B1 (en) 1993-12-02 2001-09-04 E. Heller & Company Subcutaneous glucose electrode
US6121009A (en) 1993-12-02 2000-09-19 E. Heller & Company Electrochemical analyte measurement system
US5320715A (en) 1994-01-14 1994-06-14 Lloyd Berg Separation of 1-pentanol from cyclopentanol by extractive distillation
US5543326A (en) 1994-03-04 1996-08-06 Heller; Adam Biosensor including chemically modified enzymes
US5918603A (en) 1994-05-23 1999-07-06 Health Hero Network, Inc. Method for treating medical conditions using a microprocessor-based video game
US6144837A (en) 1994-11-04 2000-11-07 Health Hero Network, Inc. Method and apparatus for interactively monitoring a physiological condition and for interactively providing health-related information
US5601435A (en) 1994-11-04 1997-02-11 Intercare Method and apparatus for interactively monitoring a physiological condition and for interactively providing health related information
US5628890A (en) 1995-09-27 1997-05-13 Medisense, Inc. Electrochemical sensor
US7167818B2 (en) 1997-01-10 2007-01-23 Health Hero Network, Inc. Disease simulation system and method
US5822715A (en) 1997-01-10 1998-10-13 Health Hero Network Diabetes management system and method for controlling blood glucose
US6143164A (en) 1997-02-06 2000-11-07 E. Heller & Company Small volume in vitro analyte sensor
US6120676A (en) 1997-02-06 2000-09-19 Therasense, Inc. Method of using a small volume in vitro analyte sensor
US6270455B1 (en) 1997-03-28 2001-08-07 Health Hero Network, Inc. Networked system for interactive communications and remote monitoring of drug delivery
US6764581B1 (en) 1997-09-05 2004-07-20 Abbott Laboratories Electrode with thin working layer
US6503381B1 (en) 1997-09-12 2003-01-07 Therasense, Inc. Biosensor
US6071391A (en) 1997-09-12 2000-06-06 Nok Corporation Enzyme electrode structure
US6893545B2 (en) 1997-09-12 2005-05-17 Therasense, Inc. Biosensor
US6736957B1 (en) 1997-10-16 2004-05-18 Abbott Laboratories Biosensor electrode mediators for regeneration of cofactors and process for using
US6579690B1 (en) 1997-12-05 2003-06-17 Therasense, Inc. Blood analyte monitoring through subcutaneous measurement
US6134461A (en) 1998-03-04 2000-10-17 E. Heller & Company Electrochemical analyte
US6103033A (en) 1998-03-04 2000-08-15 Therasense, Inc. Process for producing an electrochemical biosensor
US6932892B2 (en) 1998-03-20 2005-08-23 Semitool, Inc. Apparatus and method for electrolytically depositing copper on a semiconductor workpiece
US6175752B1 (en) 1998-04-30 2001-01-16 Therasense, Inc. Analyte monitoring device and methods of use
US6540891B1 (en) 1998-05-08 2003-04-01 Abbott Laboratories Test strip
US6299757B1 (en) 1998-10-08 2001-10-09 Therasense, Inc. Small volume in vitro analyte sensor with diffusible or non-leachable redox mediator
US6461496B1 (en) 1998-10-08 2002-10-08 Therasense, Inc. Small volume in vitro analyte sensor with diffusible or non-leachable redox mediator
US6592745B1 (en) 1998-10-08 2003-07-15 Therasense, Inc. Method of using a small volume in vitro analyte sensor with diffusible or non-leachable redox mediator
US6338790B1 (en) 1998-10-08 2002-01-15 Therasense, Inc. Small volume in vitro analyte sensor with diffusible or non-leachable redox mediator
US6618934B1 (en) 1998-10-08 2003-09-16 Therasense, Inc. Method of manufacturing small volume in vitro analyte sensor
US6600997B2 (en) 1998-11-30 2003-07-29 Abbott Laboratories Analyte test instrument having improved calibration and communication processes
US6377894B1 (en) 1998-11-30 2002-04-23 Abbott Laboratories Analyte test instrument having improved calibration and communication processes
US6773671B1 (en) 1998-11-30 2004-08-10 Abbott Laboratories Multichemistry measuring device and test strips
US6161095A (en) 1998-12-16 2000-12-12 Health Hero Network, Inc. Treatment regimen compliance and efficacy with feedback
US6730200B1 (en) 1999-06-18 2004-05-04 Abbott Laboratories Electrochemical sensor for analysis of liquid samples
US6654625B1 (en) 1999-06-18 2003-11-25 Therasense, Inc. Mass transport limited in vivo analyte sensor
US6514460B1 (en) 1999-07-28 2003-02-04 Abbott Laboratories Luminous glucose monitoring device
US20060091006A1 (en) 1999-11-04 2006-05-04 Yi Wang Analyte sensor with insertion monitor, and methods
US6942518B2 (en) 1999-11-04 2005-09-13 Therasense, Inc. Small volume in vitro analyte sensor and methods
US6749740B2 (en) 1999-11-04 2004-06-15 Therasense, Inc. Small volume in vitro analyte sensor and methods
US6616819B1 (en) 1999-11-04 2003-09-09 Therasense, Inc. Small volume in vitro analyte sensor and methods
US6605200B1 (en) 1999-11-15 2003-08-12 Therasense, Inc. Polymeric transition metal complexes and uses thereof
US6605201B1 (en) 1999-11-15 2003-08-12 Therasense, Inc. Transition metal complexes with bidentate ligand having an imidazole ring and sensor constructed therewith
US6746582B2 (en) 2000-05-12 2004-06-08 Therasense, Inc. Electrodes with multilayer membranes and methods of making the electrodes
US7740581B2 (en) 2000-06-27 2010-06-22 Abbott Diabetes Care Inc. Methods of determining concentration of glucose
US6591125B1 (en) 2000-06-27 2003-07-08 Therasense, Inc. Small volume in vitro analyte sensor with diffusible or non-leachable redox mediator
US20060025662A1 (en) 2000-06-27 2006-02-02 Therasense, Inc. Small volume in vitro analyte sensor with diffusible or non-leachable redox mediator
US6560471B1 (en) 2001-01-02 2003-05-06 Therasense, Inc. Analyte monitoring device and methods of use
US7041468B2 (en) 2001-04-02 2006-05-09 Therasense, Inc. Blood glucose tracking apparatus and methods
US6676816B2 (en) 2001-05-11 2004-01-13 Therasense, Inc. Transition metal complexes with (pyridyl)imidazole ligands and sensors using said complexes
US6932894B2 (en) 2001-05-15 2005-08-23 Therasense, Inc. Biosensor membranes composed of polymers containing heterocyclic nitrogens
US6650471B2 (en) 2001-09-17 2003-11-18 Dai Nippon Printing Co., Ltd. Resin composition for production of optical element, the optical element, and projection screen
US20040186365A1 (en) 2002-12-31 2004-09-23 Therasense, Inc. Continuous glucose monitoring system and methods of use
US7811231B2 (en) 2002-12-31 2010-10-12 Abbott Diabetes Care Inc. Continuous glucose monitoring system and methods of use
US7299082B2 (en) 2003-10-31 2007-11-20 Abbott Diabetes Care, Inc. Method of calibrating an analyte-measurement device, and associated methods, devices and systems
US8771183B2 (en) 2004-02-17 2014-07-08 Abbott Diabetes Care Inc. Method and system for providing data communication in continuous glucose monitoring and management system
US20050182306A1 (en) 2004-02-17 2005-08-18 Therasense, Inc. Method and system for providing data communication in continuous glucose monitoring and management system
US20070056858A1 (en) 2005-09-12 2007-03-15 Abbott Diabetes Care, Inc. In vitro analyte sensor, and methods
US8298389B2 (en) 2005-09-12 2012-10-30 Abbott Diabetes Care Inc. In vitro analyte sensor, and methods
US20070068807A1 (en) 2005-09-27 2007-03-29 Abbott Diabetes Care, Inc. In vitro analyte sensor and methods of use
US7846311B2 (en) 2005-09-27 2010-12-07 Abbott Diabetes Care Inc. In vitro analyte sensor and methods of use
US20070095661A1 (en) 2005-10-31 2007-05-03 Yi Wang Method of making, and, analyte sensor
US20070108048A1 (en) 2005-11-17 2007-05-17 Abbott Diabetes Care, Inc. Sensors
US7918975B2 (en) 2005-11-17 2011-04-05 Abbott Diabetes Care Inc. Analytical sensors for biological fluid
US7811430B2 (en) 2006-02-28 2010-10-12 Abbott Diabetes Care Inc. Biosensors and methods of making
US20070199818A1 (en) 2006-02-28 2007-08-30 Adrian Petyt Biosensors and Methods of Making
US20090054748A1 (en) 2006-02-28 2009-02-26 Abbott Diabetes Care, Inc. Method and system for providing continuous calibration of implantable analyte sensors
US7885698B2 (en) 2006-02-28 2011-02-08 Abbott Diabetes Care Inc. Method and system for providing continuous calibration of implantable analyte sensors
US20070227911A1 (en) 2006-03-29 2007-10-04 Yi Wang Analyte sensors and methods of use
US7887682B2 (en) 2006-03-29 2011-02-15 Abbott Diabetes Care Inc. Analyte sensors and methods of use
US20070233013A1 (en) 2006-03-31 2007-10-04 Schoenberg Stephen J Covers for tissue engaging members
US20080066305A1 (en) 2006-08-01 2008-03-20 Abbott Diabetes Care Inc. Analyte sensors and methods
US7895740B2 (en) 2006-08-01 2011-03-01 Abbott Diabetes Care Inc. Methods of making analyte sensors
US7866026B1 (en) 2006-08-01 2011-01-11 Abbott Diabetes Care Inc. Method for making calibration-adjusted sensors
US7618369B2 (en) 2006-10-02 2009-11-17 Abbott Diabetes Care Inc. Method and system for dynamically updating calibration parameters for an analyte sensor
US20080081977A1 (en) 2006-10-02 2008-04-03 Abbott Diabetes Care, Inc. Method and System for Dynamically Updating Calibration Parameters for an Analyte Sensor
US7822557B2 (en) 2006-10-31 2010-10-26 Abbott Diabetes Care Inc. Analyte sensors and methods
US20080102441A1 (en) 2006-10-31 2008-05-01 Ting Chen Analyte Sensors and Methods
US7802467B2 (en) 2006-12-22 2010-09-28 Abbott Diabetes Care Inc. Analyte sensors and methods of use
US20080148873A1 (en) 2006-12-22 2008-06-26 Yi Wang Analyte Sensors and Methods of Use
US20080161666A1 (en) 2006-12-29 2008-07-03 Abbott Diabetes Care, Inc. Analyte devices and methods
US20080267823A1 (en) 2007-04-27 2008-10-30 Abbott Diabetes Care, Inc. Identification Of A Strip Type By The Meter Using Conductive Patterns On The Strip
US8346335B2 (en) 2008-03-28 2013-01-01 Abbott Diabetes Care Inc. Analyte sensor calibration management
US8219173B2 (en) 2008-09-30 2012-07-10 Abbott Diabetes Care Inc. Optimizing analyte sensor calibration
US8595607B2 (en) 2009-06-04 2013-11-26 Abbott Diabetes Care Inc. Method and system for updating a medical device
WO2015153482A1 (en) 2014-03-30 2015-10-08 Abbott Diabetes Care Inc. Method and apparatus for determining meal start and peak events in analyte monitoring systems

Also Published As

Publication number Publication date
EP3319518A1 (de) 2018-05-16
EP4601278A3 (de) 2025-08-20
EP3319518B1 (de) 2025-08-13
US11553883B2 (en) 2023-01-17
AU2023266371B2 (en) 2025-08-14
AU2023266371A1 (en) 2023-12-07
JP2024020604A (ja) 2024-02-14
CN108024765A (zh) 2018-05-11
AU2021245245A1 (en) 2021-11-04
JP2022028873A (ja) 2022-02-16
AU2021245245B2 (en) 2023-08-31
AU2016291569B2 (en) 2021-07-08
US20180199890A1 (en) 2018-07-19
CN113349766A (zh) 2021-09-07
JP2018527652A (ja) 2018-09-20
CN108024765B (zh) 2021-06-11
US20230157643A1 (en) 2023-05-25
CA2991716A1 (en) 2017-01-19
US20240293085A1 (en) 2024-09-05
AU2016291569A1 (en) 2018-02-01
JP7727703B2 (ja) 2025-08-21
CN113349766B (zh) 2024-11-22
JP7397843B2 (ja) 2023-12-13
JP6986007B2 (ja) 2021-12-22
EP3319518A4 (de) 2019-03-13
US12310757B2 (en) 2025-05-27
WO2017011346A1 (en) 2017-01-19
EP4601278A2 (de) 2025-08-13

Similar Documents

Publication Publication Date Title
DE202016009220U1 (de) Vorrichtung und System für eine dynamische Glukoseprofilreaktion auf physiologische Parameter
US11832973B2 (en) Methods for analyte monitoring management and analyte measurement data management, and articles of manufacture related thereto
US20240324965A1 (en) Systems for biomonitoring and blood glucose forecasting, and associated methods
DE112020003392T5 (de) Blutzuckerkontrollsystem
EP2409253B1 (de) Verfahren zum automatischen erzeugen eines nutzerspezifischen messdatenerfassungsregimes für eine diskontinuierliche butzuckermessung sowie datenverarbeitungsvorrichtung und blutzuckermessgerät
DE112019003268T5 (de) Gesundheitsverwaltungsvorrichtung, gesundheitsverwaltungsverfahren und programm
Miller et al. Long-term seizure diary tracking habits in clinical studies: Evidence from the Human Epilepsy Project
JP2025156571A (ja) 生理学的パラメータに対する動的グルコースプロファイル応答のシステム、デバイス及び方法
DE112023001717T5 (de) System zur unterstützung der medizinischen versorgung, vorrichtung zur unterstützung der medizinischen versorgung und programm
DE102024111831A1 (de) Automatische anpassung von messintervallzeiten für physiologische parameter
DE102005008386A1 (de) Verfahren und Vorrichtung zur präventiven Gesundheitsüberwachung von Patienten

Legal Events

Date Code Title Description
R152 Utility model maintained after payment of third maintenance fee after eight years
R207 Utility model specification