描述了一种用于对锻炼的影响进行建模的系统和技术，其减少了预测在锻炼期间锻炼对血糖水平的影响所需要的参数的数目。该锻炼模型包括容易确定的两个参数，即锻炼敏感度（Kex）和对于锻炼影响的时间常数的倒数（aex）。一旦确定了这些参数，对锻炼的影响进行建模所需要的所有就是单个二进制输入，其被称作锻炼输入（Uex）。因此，该模型与有氧锻炼强度无关，并且不需要收集在锻炼期间的附加信息（例如心率和静脉氧气水平）的复杂性。通过不依赖于锻炼强度的这些测量，不需要附加的测量设备，这又导致更低的成本以及更多的患者舒适。
【技术实现步骤摘要】
【国外来华专利技术】相关申请的交叉引用 本申请要求保护2010年7月23日提交的美国临时申请号No. 61/367，268的权益，该申请被合并在此以作参考。
技术介绍
本公开内容总体上涉及一种葡萄糖调节系统的模型，并且特别涉及一种量化身体活动对葡萄糖调节系统的影响的模型。糖尿病患者的血糖调节是长期关注的事情。高血糖水平(其通常被称作高血糖)可以例如导致器官受损和/或酮酸中毒，这是需要立即进行医疗的危及生命的状况。另一方面，低血糖水平(其通常被称作低血糖)可以导致失去意识或者甚至死亡。为了避免这些状况，许多研究者尝试理解并且开发葡萄糖调节系统的模型，从而可以采取适当的救治行动，比如注射适当的胰岛素剂量或者摄取适当的食物。在过去30年的文献当中已经广泛研究了对葡萄糖调节系统的建模，并且对葡萄糖调节系统的建模仍然是活跃的研究领域。除了改进对葡萄糖调节系统的理解之外，这样的模型的关键目的之一是允许预测血糖浓度，这为患有第I型糖尿病的患者开辟针对胰岛素注射的基于模型的推荐或控制的道路。所出现的一个难点在于这些模型不仅应当考虑葡萄糖与胰岛素之间的相互作用，而是还应当包括碳水化合物摄入和身体活动的影响，因为它们代表会改变血糖浓度的两个典型因子。具体来说，如果忽略身体活动的影响，则在锻炼期间发生低血糖的风险会显著增大。虽然已经广泛研究了碳水化合物摄入的影响，但是仅仅开发出依赖于由身体活动引发的代谢改变的几种锻炼模型。但是这些模型是复杂的，并且涉及过大从而无法进行正确的参数识别的许多模型参数。举例来说，其他人已使用了更加复杂的模型来描述锻炼的影响，但是不能识别出所述参数，因为难以在临床数据中检测到建模的影响。为了评估患者所处的身体活动的状态，其他人使用例如心率监测器之类的设备或者需要测量VO2 max的百分比。VO2 max (其也被称作最大耗氧量、最大摄氧量、峰值摄氧量或有氧代谢能力)是一个人的身体在递增负荷锻炼过程中输送以及使用氧气的最大容量，其反映出所述个人的体适能。该名称是从V-每时间单位的体积、O2-氧气、max-最大值得到的。这就使得患者必须佩带测量设备，从而会导致不便和附加的成本。其他人把由于锻炼引发的血糖浓度下降建模成与心率或VO2 max的百分比成比例。这就意味着较高的活动水平(即较高的锻炼强度)会导致较陡的下降。但是已经示出剧烈的锻炼对胰岛素释放以及其在葡萄糖调节糖尿病中所起的作用二者具有独特的影响，如果在进行无氧锻炼则情况不是这样的。此外，当进餐与锻炼接近时，这些针对控制血糖水平的参数的识别变得甚至更加困难。因此，在这一领域内存在对改进的需要。
技术实现思路
这里所描述的技术和模型通过促进更好地理解身体活动对第I型糖尿病患者以及其他人的血糖浓度的影响而解决了前面提到的问题以及其他问题。先前的模型基于血糖浓度的任何改变都与锻炼的强度有关的某种程度上的直觉假设。举例来说，与较低强度的锻炼或身体活动相比，较高强度的锻炼或身体活动预期将会更加快速地降低血糖水平。因此，先前的模型要求对于锻炼强度的可量化测量，比如心率或血氧水平。结果所得到的额外的监测设备和附加的复杂度使得在商业上极难实现或使用这样的模型。但是出乎意料地发现，至少在某些锻炼强度范围内，锻炼强度对由于锻炼而导致的血糖水平的改变或下降没有显著影响。因此，在该锻炼模型中预测锻炼对血糖水平的影响所需要的参数的数目被显著减少到容易确定的两个参数，即锻炼敏感度(Krai)和对于锻炼影响的时间常数的倒数(aex)。锻炼敏感度(Krai)是一个人在锻炼期间的血糖水平的下降幅度，并且对于锻炼影响的时间常数的倒数(aex)定义锻炼影响在所述个人体内出现和消失地有多快。可以使用在临床锻炼测试期间的简单血糖读数来确定对于个人的这些参数。一旦 确定了这些参数，对锻炼的影响进行建模所需要的所有就是单个二进制输入，其被称作锻炼输入(Urai)。当没有锻炼被进行时，锻炼输入(Urai)的值为零(O )，并且在锻炼期间，锻炼输入(Uex)的值为一(I)。在这个意义上，锻炼输入是所述模型的唯一的非常数，即时变且所测得的参数。在更加一般的意义上，该模型与有氧锻炼强度无关，并且不需要收集在锻炼期间的附加信息(例如心率和静脉氧气水平)的复杂性。通过不依赖于锻炼强度的这些测量，不需要附加的测量设备，这又导致更低的成本以及更多的患者舒适。换句话说，这种最简方法允许在预期的锻炼期间或之前利用仅仅一个变量(即血糖测量)来对血糖水平进行建模。由于必须被考虑、测量和验证的变量较少，所以所述模型也更加可靠。利用该最简模型方法，可以容易地实现关于锻炼期间的未来血糖改变的预测。该最简身体活动或锻炼模型可以被合并到葡萄糖调节系统的其他现有模型中，比如那些基于胰岛素剂量和碳水化合物摄入的模型，从而促进更加全面的预测能力。合并实际锻炼模型的该更加全面的方法例如可以增强自动化胰腺(pancreases)的操作、优化胰岛素注射疗法、改进药团计算以及增强针对患者的教育工具。此外，这种建模方法可以被容易地合并到考虑例如餐食和胰岛素的影响之类的其他因素的其他模型中。根据此处提供的详细描述和附图，本专利技术的其他形式、目的、特征、方面、益处、优点和实施例将变得显而易见。附图说明图1示出了用在关于锻炼如何影响血糖水平的模型的一个实例中的参数的框图。图2示出了曲线图200，其示出了在对于一个个体患者的最大心率的近似75%下的锻炼期间的心率和血糖浓度。图3示出了曲线图300，其示出了锻炼导致的葡萄糖浓度下降的线性回归斜率。图4示出了将65%与75%锻炼强度下的斜率进行比较的箱线图。图5示出了将不同患者之间的斜率进行比较的箱线图。图6示出了曲线图，其具有上部(该上部示出了锻炼葡萄糖效用值(Sg，ex))和下部(该下部示出了相应的锻炼输入(υ ))。图7示出了曲线图，其具有上部(该上部示出了葡萄糖浓度测量以及由所述锻炼模型生成的拟合线)和下部(该下部示出了相应的锻炼输入(υεχ))。图8示出了利用所述锻炼模型的血糖监测系统的一个实例的框图。图9示出了用于利用所述锻炼模型监测在锻炼期间患者体内的血糖水平的技术的流程图。图10示出了经过优化的胰岛素注入简档的一个实例。图11示出了利用图10的经过优化的胰岛素注入简档获得的血糖简档的模拟。具体实施例方式在下面对于各实施例的详细描述中，应当理解的是，在不背离本公开内容的精神·和范围的情况下可以利用其他实施例，并且可以做出逻辑、机械和电气方面的改变。为了方便读者，首先应当提到的是，在其中第一次引入某一元件的附图通常由相应的附图标记中的(多个)最左数位表示。举例来说，利用100系列的附图标记(例如100、101、102、103等等)标识的组件通常将是参照图1首次讨论的，利用200系列的附图标记(例如200、201、202、203等等)标识的组件通常将是参照图2首次讨论的，后面以此类推。正如前面所讨论的那样，已经开发了许多模型来考虑葡萄糖与胰岛素之间的相互作用以及碳水化合物摄入的影响。但是很少模型考虑锻炼的影响。举例来说，在自适应药团模式(Adaptive Bolus Pattern, ABP)情境中，已经开发出基于Bergman最简模型的可识别模型。其被设计成考虑餐食，但是不考虑锻炼。由于每一餐都是不同的，因本文档来自技高网...
【技术保护点】
【技术特征摘要】
【国外来华专利技术】2010.07.23 US 61/367,2681.一种用于考虑锻炼对血糖水平的影响的系统，包括 用于至少基于锻炼模型来生成针对个人的未来血糖水平的预测的计算设备，其中所述锻炼模型基于与有氧锻炼的强度无关的参数；以及 用于至少基于来自所述锻炼模型的预测来采取行动的装置。2.根据权利要求2的系统，其中所述用于采取行动的装置包括自动化胰腺。3.根据任一项在前权利要求的系统， 其中锻炼监测设备检测锻炼的发生并且被连接到所述计算设备以便向所述计算设备发送是否正由或将由所述个人进行有氧锻炼的输入信号。4.根据任一项在前权利要求的系统， 其中接口设备被构造从而使得所述利用计算设备来采取行动包括通过所述接口设备向所述个人警告危险的血糖水平状况。5.一种考虑有氧锻炼对个人的血糖水平的影响的方法，包括 至少基于锻炼模型利用计算设备来生成针对所述个人的未来血糖水平的预测，其中所述锻炼模型基于与所述有氧锻炼的强度无关的参数；以及 至少基于来自所述锻炼模型的预测利用所述计算设备来采取行动。6.根据权利要求5的方法，其中唯一的非常数且测得的参数是表明是否进行锻炼的锻炼输入。7.根据权利要求5或6当中的任一项的方法，其中所述锻炼模型合并了锻炼敏感度值，其代表在不考虑锻炼的强度的情况下在锻炼期间血糖水平随时间的改变。8.根据权利要求5到7当中的任一项的方法，其中所述锻炼模型基于以下内容来解释血糖水平的改变所述个人在锻炼期间的血糖水平的改变幅度和锻炼影响在所述个人体内出现以及消失地有多快，以及在不考虑锻炼强度的情况下考虑到是否正在进行锻炼的锻炼输入。9.根据权利要求5到8当中的任一项的方法，其中所述锻炼模型基于下面的等式10.根据权利要求5到9当中的任一项的方法，其中所述锻炼模式基于下面的等式11.根据权利要求5到10当中的任一项的方法，还包括 利用计...
【专利技术属性】
技术研发人员：AS索尼，A博克，DL杜克，
申请(专利权)人：霍夫曼拉罗奇有限公司，
类型：
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。