治疗区域评估器的制作方法

治疗区域评估器
1.通过引用相关申请并入
2.本技术要求于2019年12月18日提交的题为"therapeutic zone assessor"的美国临时专利申请62/950,029的优先权，其全部内容通过引用并入本文，并特此明确地构成本说明书的一部分。
3.背景
4.近年来，随着cgm(动态血糖监测)和相关装置的采用增加，葡萄糖时间序列数据的可用性和可靠性有所提高。
5.识别大型历史数据集中的多个模式需要一定程度的复杂性，其中至少一部分原因是由于这些模式中的重叠现象而无法通过人工评估来解决。即使使用图案分析工具，医生也无法根据数据审查可靠地确定糖尿病治疗的哪一方面最适合每个特定患者的情况。
6.由于糖尿病管理涉及众多变量和因素，考虑到例如，诸如数据可信度、糖尿病风险特定方面的治疗可寻性、作用改善、患者首选糖尿病管理策略以及相关风险和疗法的综合，目前用于识别图案和提出建议的做法缺乏可靠性和易用性。
7.通常，临床医生在一段时间内，诸如14天内检查患者的cgm曲线以及相应的胰岛素传递图案，或者以更统一的格式查看数据，例如，显示14天中每天的数据叠加在24小时的时间线上的图表，以在视觉上突出一天中的特定时间内的突出图案区域。
8.然而，数据的可视化并不能轻易突出有效治疗优化所需的许多重要因素、风险以及潜在结果。此外，目测数据的可信度是未知的或不清楚的。
9.考虑到上述问题，呈现了本公开的各个方面和实施例。
10.摘要
11.提供了用于识别存在特定类型的血糖功能障碍的治疗区域的系统和方法，可以通过对行为和/或治疗参数的策略进行改变来解决所述血糖功能障碍。
12.本文描述的系统和方法评估大型历史数据集以：识别最容易解决的血糖功能障碍的一个或多个治疗区域；根据对历史剂量的调整或预期的给药策略的参数量化多种不同的治疗调整对血糖的影响，以确定最佳的改善方式；和/或确定患者给药策略，以提供适合于患者优选的行为上给药策略的治疗建议。
13.在一实施方式中，一种方法包括：使用血糖风险分析器得出至少一个单一特定症状风险曲线；使用治疗区域评估器确定与至少一个单一特定症状风险曲线相关的至少一个治疗相关区域；使用区域重要度量化器确定至少一个治疗相关区域的重要度值；以及基于重要度值输出信息。
14.实现方式可以包括以下特征中的一些或全部。该方法还包括接收葡萄糖数据，其中，使用葡萄糖数据导出至少一个单一特定症状风险曲线。葡萄糖数据包括cgm(连续葡萄糖监测)读数、分配给cgm值的信任度读数、自我监测血糖读数或回顾性校准或校正的cgm读数中的至少一种。葡萄糖数据包括至少一周中的时间段。至少一个单一特定症状风险曲线使用葡萄糖数据描述随一天中的时间变化的低血糖风险或高血糖风险。导出至少一个单一特定症状风险曲线，包括：评估陡度(曲线的一阶和二阶导数)、频率、严重性、曲率、24小时
内曲线中的平均值或曲线的可变性(平均值和标准偏差)。至少一个单一特定症状风险曲线基于选定时间段内的cgm信号指示血糖功能障碍，指示以选定时间段内低血糖或高血糖的预定严重性和频率为特征的循环时间窗口。至少一种单一特定症状风险曲线代表与高血糖分隔的低血糖症中的至少一种或与低血糖分隔的高血糖症中的至少一种。确定至少一个治疗相关区域包括从至少一个单一特定症状风险曲线识别至少一个治疗相关区域。至少一个治疗相关区域是一天24小时内的间隔，其中，患者的bg数据表明患者的胰岛素基础率或剂量或推注策略中的至少一种系统地不是最佳。至少一个治疗相关区域被识别并与至少一种风险曲线相关联，并且包括一天中的至少一个间隔，其中，一种或多种单一特定症状风险曲线表明潜在的血糖功能障碍。
15.实现方式还可以包括以下特征中的一些或全部。该方法还包括确定可以通过调整胰岛素治疗的参数或时间来减轻至少一种单一特定症状风险曲线的时间段。确定至少一个治疗相关区域是基于预测候选行为改变或治疗改变中的至少一个以降低单一症状血糖风险而不后续加重另一症状。确定至少一个治疗相关区域的重要度值包括优先考虑治疗意义重大或可解决的区域。确定至少一个治疗相关区域的重要度值包括评估风险的大小。确定至少一个治疗相关区域的重要度值包括考虑一天中的时间或一个风险曲线与另一风险曲线的接近度中的至少一个。重要度值是至少一个单一特定症状风险曲线的峰值。得出至少一个单一特定症状风险曲线是基于高于特定可信度水平的数据。输出信息包括输出数字、字母数字或图形信息中的至少一种。输出信息包括将行为改变或治疗改变中的至少一种输出到治疗时间区域以减少时间窗口中的单个症状。输出信息包括将信息输出到连接的胰岛素泵或胰岛素笔，或输出到推注计算器。输出信息包括输出风险曲线或治疗相关区域中的至少一个的图示或风险曲线或治疗相关区域中的至少一个的相对重要性。
16.在一实施方式中，一种系统包括：血糖风险分析器，配置成导出至少一个单一特定症状风险曲线；治疗区域评估器，配置成确定与至少一个单一特定症状风险曲线相关的至少一个治疗相关区域；区域重要度量化器，配置成确定至少一个治疗相关区域的重要度值；治疗区域报告生成器，配置成基于重要度值输出信息。
17.实现方式可以包括以下特征中的一些或全部。血糖风险分析器还配置成接收葡萄糖数据，其中，使用葡萄糖数据导出至少一个单一特定症状风险曲线。葡萄糖数据包括cgm(连续葡萄糖监测)读数、分配给cgm值的信任度读数、自我监测血糖读数或回顾性校准或校正的cgm读数中的至少一种。葡萄糖数据包括至少一周中的时间段。至少一个单一特定症状风险曲线使用葡萄糖数据描述随一天中的时间变化的低血糖风险或高血糖风险。导出至少一个单一特定症状风险曲线，包括：评估陡度(曲线的一阶和二阶导数)、频率、严重性、曲率、24小时内曲线中的平均值或曲线的可变性(平均值和标准偏差)。至少一个单一特定症状风险曲线基于选定时间段内的cgm信号指示血糖功能障碍，指示以选定时间段内低血糖或高血糖的预定严重性和频率为特征的循环时间窗口。至少一种单一特定症状风险曲线代表与高血糖分隔的低血糖症中的至少一种或与低血糖分隔的高血糖症中的至少一种。确定至少一个治疗相关区域包括从至少一个单一特定症状风险曲线识别至少一个治疗相关区域。至少一个治疗相关区域是一天24小时内的间隔，其中，患者的bg数据表明患者的胰岛素基础率或剂量或推注策略中的至少一种系统地不是最佳。至少一个治疗相关区域被识别并与至少一种风险曲线相关联，并且包括一天中的至少一个间隔，其中，一种或多种单一特定
症状风险曲线表明潜在的血糖功能障碍。
18.实现方式还可以包括以下特征中的一些或全部。治疗区域评估器还被配置为识别可以通过调整胰岛素治疗的参数或时间来减轻至少一个单一特定症状风险曲线的时间段。确定至少一个治疗相关区域是基于预测候选行为改变或治疗改变中的至少一个以降低单一症状血糖风险而不后续加重另一症状。确定至少一个治疗相关区域的重要度值包括优先考虑治疗意义重大或可解决的区域。确定至少一个治疗相关区域的重要度值包括评估风险的大小。确定至少一个治疗相关区域的重要度值包括考虑一天中的时间或一个风险曲线与另一风险曲线的接近度中的至少一个。重要度值是至少一个单一特定症状风险曲线的峰值。得出至少一个单一特定症状风险曲线是基于高于特定可信度水平的数据。输出信息包括输出数字、字母数字或图形信息中的至少一种。输出信息包括将行为改变或治疗改变中的至少一种输出到治疗时间区域以减少时间窗口中的单个症状。输出信息包括将信息输出到连接的胰岛素泵或胰岛素笔，或输出到推注计算器。输出信息包括输出风险曲线或治疗相关区域中的至少一个的图示或风险曲线或治疗相关区域中的至少一个的相对重要性。
19.在一实施方式中，一种系统包括：至少一个处理器；一种非瞬时计算机可读介质，包括：指令，其当由至少一个所述处理器执行时，使所述系统：导出至少一个单一特定症状风险曲线；确定与至少一个单一特定症状风险曲线相关的至少一个治疗相关区域；确定至少一个治疗相关区域的重要度值；以及根据重要度值输出信息。
20.实现方式可以包括以下特征中的一些或全部。该系统还包括指令，其当由至少一个处理器执行时使系统接收葡萄糖数据，其中，使用葡萄糖数据导出至少一个单一特定症状风险曲线。葡萄糖数据包括cgm(连续葡萄糖监测)读数、分配给cgm值的信任度读数、自我监测血糖读数或回顾性校准或校正的cgm读数中的至少一种。葡萄糖数据包括至少一周中的时间段。至少一个单一特定症状风险曲线使用葡萄糖数据描述随一天中的时间变化的低血糖风险或高血糖风险。导出至少一个单一特定症状风险曲线，包括：评估陡度(曲线的一阶和二阶导数)、频率、严重性、曲率、24小时内曲线中的平均值或曲线的可变性(平均值和标准偏差)。至少一个单一特定症状风险曲线基于选定时间段内的cgm信号指示血糖功能障碍，指示以选定时间段内低血糖或高血糖的预定严重性和频率为特征的循环时间窗口。至少一种单一特定症状风险曲线代表与高血糖分隔的低血糖症中的至少一种或与低血糖分隔的高血糖症中的至少一种。确定至少一个治疗相关区域包括从至少一个单一特定症状风险曲线识别至少一个治疗相关区域。至少一个治疗相关区域是一天24小时内的间隔，其中，患者的bg数据表明患者的胰岛素基础率或剂量或推注策略中的至少一种系统地不是最佳。至少一个治疗相关区域被识别并与至少一种风险曲线相关联，并且包括一天中的至少一个间隔，其中，一种或多种单一特定症状风险曲线表明潜在的血糖功能障碍。
21.实现方式还可以包括以下特征中的一些或全部。系统还包括指令，其当由至少一个处理器执行时，使所述系统识别可以通过调整胰岛素治疗的参数或时间来减轻至少一种单一特定症状风险曲线的时间段。确定至少一个治疗相关区域是基于预测候选行为改变或治疗改变中的至少一个以降低单一症状血糖风险而不后续加重另一症状。确定至少一个治疗相关区域的重要度值包括优先考虑治疗意义重大或可解决的区域。确定至少一个治疗相关区域的重要度值包括评估风险的大小。确定至少一个治疗相关区域的重要度值包括考虑一天中的时间或一个风险曲线与另一风险曲线的接近度中的至少一个。重要度值是至少一
个单一特定症状风险曲线的峰值。得出至少一个单一特定症状风险曲线是基于高于特定可信度水平的数据。输出信息包括输出数字、字母数字或图形信息中的至少一种。输出信息包括将行为改变或治疗改变中的至少一种输出到治疗时间区域以减少时间窗口中的单个症状。输出信息包括将信息输出到连接的胰岛素泵或胰岛素笔，或输出到推注计算器。输出信息包括输出风险曲线或治疗相关区域中的至少一个的图示或风险曲线或治疗相关区域中的至少一个的相对重要性。
22.在一实施方式中，一种方法包括：接收葡萄糖和胰岛素数据；使用葡萄糖和胰岛素数据识别治疗改善机会；确定胰岛素治疗的候选改变；基于候选改变评估治疗风险的改善；量化候选改变的改善；基于改善输出至少一个候选改变。
23.实现方式可以包括以下特征中的一些或全部。从患者或连接的系统或设备中的至少一个接收葡萄糖和胰岛素数据。识别治疗改善机会包括接收用户对用餐时间、一天中的时间或参数设置中的至少一项的选择。参数设置是碳水化合物比例。对胰岛素治疗的候选改变包括对推注疗法或基础疗法的百分比增加或减少。对所述胰岛素治疗的所述候选改变包括对与所述推注疗法或所述基础疗法相关的胰岛素递送参数的改变。所述候选改变根据碳水化合物比例、校正因子、基础比率或曲线图。候选改变包括基础剂量敏感性。候选改变包括治疗区域中基础剂量或推注剂量的百分比改变。量化候选改变的改善包括比较风险曲线值。基于改善输出候选改变中的至少一个包括输出提供优化的风险曲线的候选改变。输出候选改变中的至少一种包括向用户界面或连接的设备提供图表形式的输出，其中，所述图表说明候选改变或优化的风险输出中的至少一种。连接的设备包括推注计算器。自然语言处理器进行输出，以描述候选更改和优化的风险结果。输出识别优化的治疗区域或区域组。
24.在一实施方式中，一种系统包括：治疗改善识别器，配置成评估患者经核对的葡萄糖和胰岛素数据以识别患者糖尿病管理例程中的进行治疗优化的区域，并产生治疗改善；相对胰岛素优化器被配置成对治疗提出改变，评估改变的影响，并量化与改变相关的改善；以及相对胰岛素优化器报告生成器，提供输出。
25.实现方式可以包括以下特征中的一些或全部。相对胰岛素优化器包括：改变提议器，配置成提议对胰岛素治疗的改变；影响评估器，配置成通过估计对历史葡萄糖值的风险曲线的影响来评估候选治疗改变的影响；以及改善量化器，配置成量化候选治疗改变的改善。改变提议器还被配置成提议改变作为在时间窗口中对基础或推注中的至少一个的百分比改变。改善量化器被配置成基于血糖结果度量的百分比改善或改变来量化候选治疗改变的改善。相对胰岛素优化器报告生成器被配置成向用户输出候选治疗改变。用户是临床医生、患者或连接的设备或系统之一。治疗改善识别器包括用户对所要优化的治疗或一天中的时间的选择。用户是患者或临床医生。治疗改善由算法识别。
26.在一实施方式中，一种系统包括：至少一个处理器；和非瞬时计算机可读介质，包括：指令，其当由至少一个处理器执行时，使系统：接收葡萄糖和胰岛素数据；使用葡萄糖和胰岛素数据识别治疗改善机会；确定对胰岛素治疗的候选改变；根据候选改变评估治疗风险的改善；量化候选改变的改善；以及基于改善输出至少一个候选改变。
27.实现方式可以包括以下特征中的一些或全部。从患者或连接的系统或设备中的至少一个接收葡萄糖和胰岛素数据。识别治疗改善机会包括接收用户对用餐时间、一天中的
时间或参数设置中的至少一项的选择。参数设置是碳水化合物比例。对胰岛素治疗的候选改变包括对推注疗法或基础疗法的百分比增加或减少。对所述胰岛素治疗的所述候选改变包括对与所述推注疗法或所述基础疗法相关的胰岛素递送参数的改变。所述候选改变根据碳水化合物比例、校正因子、基础比率或曲线图。候选改变包括基础剂量敏感性。候选改变包括治疗区域中基础剂量或推注剂量的百分比改变。量化候选改变的改善包括比较风险曲线值。基于改善输出候选改变中的至少一个包括输出提供优化的风险曲线的候选改变。输出候选改变中的至少一种包括向用户界面或连接的设备提供图表形式的输出，其中，所述图表说明候选改变或优化的风险输出中的至少一种。连接的设备包括推注计算器。自然语言处理器进行输出，以描述候选更改和优化的风险结果。输出识别优化的治疗区域或区域组。
28.在一实施方式中，一种方法包括：接收患者的葡萄糖数据、胰岛素数据或其他糖尿病相关数据中的至少一种；使用葡萄糖数据、胰岛素数据或其他糖尿病相关数据中的至少一种来识别治疗改善机会；确定患者的胰岛素给药策略；对患者依从性的胰岛素给药策略进行评分；对胰岛素给药策略进行优化；以及向用户提供包括优化的胰岛素策略参数的输出。
29.实现方式可以包括以下特征中的一些或全部。其他糖尿病相关数据包括进餐信息、特定膳食、进餐时间、进餐量、碳水化合物估计、成分信息或锻炼信息中的至少一个。从患者或连接的系统或设备中的至少一个接收葡萄糖数据、胰岛素数据或其他糖尿病相关数据中的至少一个。识别治疗改善机会包括接收用户对用餐时间、一天中的时间或参数设置中的至少一项的选择。参数设置是碳水化合物比例。胰岛素给药策略包括由患者在实践中实施的糖尿病管理或胰岛素策略，如从患者的葡萄糖数据、胰岛素数据或其他糖尿病相关数据中的至少一个确定。对胰岛素给药策略进行优化确定患者是否遵循已知的胰岛素策略，并分析确定的胰岛素策略参数的百分比变化的影响。用户是临床医生、患者或连接的设备或系统中的至少一个。自然语言处理器进行输出，以描述候选更改和优化的风险结果。提供输出包括以图表的形式向用户界面或连接的设备进行输出，所述图表说明优化的胰岛素策略参数。连接的设备包括推注计算器。
30.在一实施方式中，一种系统包括：治疗改善识别器，配置成评估患者经核对的葡萄糖和胰岛素数据以识别患者糖尿病管理例程中的进行治疗优化的区域，并产生治疗改善；胰岛素策略优化器，配置成确定患者是否坚持已知的胰岛素策略并分析确定的胰岛素策略参数的百分比变化的影响；以及治疗识别优化报告生成器，提供输出。
31.实现方式可以包括以下特征中的一些或全部。胰岛素策略优化器包括：胰岛素策略识别器，配置成识别患者在实践中实施的糖尿病管理或胰岛素策略，如从核对的葡萄糖和胰岛素数据确定；依从性评分器，配置成量化患者对所识别的胰岛素策略的依从性；并且所识别的行为内的胰岛素策略优化器被配置成对所识别的胰岛素策略进行优化。糖尿病数据包括胰岛素数据和膳食数据。胰岛素策略识别器被配置成识别给药模式并基于此描述所识别的患者的胰岛素策略。胰岛素策略是患者在糖尿病管理中应用的行为方法学，包括胰岛素泵的使用、每日多次注射或2型疗法中的至少一种。依从性评分器被配置成生成针对患者对所识别的胰岛素策略的依从性程度计算的分数。所识别的行为内的胰岛素策略优化器被配置成反复地提议对所选治疗区域或区域组中的策略参数的百分比变化。输出包括优化
的胰岛素策略参数。治疗识别优化报告生成器被配置成向用户输出候选治疗改变。用户是临床医生、患者或连接的设备或系统中的至少一个。自然语言处理器进行输出，以描述候选更改和优化的风险结果。
32.在一实施方式中，一种系统包括：至少一个处理器；非瞬时计算机可读介质，包括：指令，其当由至少一个所述处理器执行时，使所述系统：接收患者的葡萄糖数据、胰岛素数据或其他-糖尿病相关数据中的至少一种；使用所述葡萄糖数据、所述胰岛素数据或所述其他-糖尿病相关数据中的至少一项来识别治疗改善机会；确定所述患者的胰岛素给药策略；对患者依从性的所述胰岛素给药策略进行评分；对所述胰岛素给药策略进行优化；以及向用户提供包括优化的胰岛素策略参数的输出。
33.实现方式可以包括以下特征中的一些或全部。其他糖尿病相关数据包括进餐信息、特定膳食、进餐时间、进餐量、碳水化合物估计、成分信息或锻炼信息中的至少一个。从患者或连接的系统或设备中的至少一个接收葡萄糖数据、胰岛素数据或其他糖尿病相关数据中的至少一个。识别治疗改善机会包括接收用户对用餐时间、一天中的时间或参数设置中的至少一项的选择。参数设置是碳水化合物比例。胰岛素给药策略包括由患者在实践中实施的糖尿病管理或胰岛素策略，如从患者的葡萄糖数据、胰岛素数据或其他糖尿病相关数据中的至少一个确定。对胰岛素给药策略进行优化确定患者是否遵循已知的胰岛素策略，并分析确定的胰岛素策略参数的百分比变化的影响。用户是临床医生、患者或连接的设备或系统中的至少一个。自然语言处理器进行输出，以描述候选更改和优化的风险结果。提供输出包括以图表的形式向用户界面或连接的设备进行输出，所述图表说明优化的胰岛素策略参数。连接的设备包括推注计算器。
34.提供该摘要以以简化的形式介绍概念的一部分，这些概念将在下面的详细描述中进一步描述。本摘要不旨在识别所要求保护的主题的关键特征或基本特征，也不旨在用于限制所要求保护的主题的范围。
附图说明
35.当结合附图阅读时，将更好地理解前述摘要以及示例性实施方式的以下详细描述。为了说明实施方式，在附图中示出了实施方式的示例结构；然而，实施方式不限于所公开的具体方法和手段。在附图中：
36.图1是本发明实施方式的高级功能框图；
37.图2是治疗区识别器的实施方式的系统图；
38.图3是一种识别具有改善血糖结果潜力的治疗区域的方法的流程图；
39.图4是说明叠加在来自一名1型糖尿病患者的24小时时间窗上的多天cgm数据的一个示例的图表；
40.图5是说明基于血糖风险量化器的单一特定症状风险曲线的一个示例的图；
41.图6是说明从单一特定症状风险曲线得出的已识别治疗区域的一个示例的图表；
42.图7是实施相对胰岛素优化器的系统图；
43.图8是为患者选择、评估并影响候选胰岛素治疗变化的方法的流程图；
44.图9a和图9b是分别显示患者在一段时间内的葡萄糖和胰岛素数据的图表；
45.图10是显示每天24小时内叠加的cgm数据的可视化图表；
46.图11是对于图9a、图9b以及图10所示数据，显示cgm和胰岛素数据的可信度随一天中时间变化的图表。
47.图12是显示一些实施方式中，患者在时间窗内的风险曲线的图表；
48.图13a和图13b是分别显示随一天中时间变化的可操作和不可操作风险的图表；
49.图14是本发明一实施方式的图表，其显示了从参照图12、图13a以及图13b描述的风险曲线确定的血糖风险曲线和相应治疗区域。
50.图15是实施胰岛素策略优化器的系统图；
51.图16是识别、评分以及优化患者胰岛素策略的方法的流程图；
52.图17是显示患者10天内cgm数据的图表；
53.图18是说明从图17所示的10天cgm数据的分析输出的风险曲线函数的图表；
54.图19是说明来自历史数据和来自回放仿真的风险曲线的比较的图表；
55.图20说明来自回放的风险曲线；
56.图21是显示两个高血糖风险曲线的图；
57.图22是显示两个相应的高血糖治疗区域的图表；
58.图23是显示优化的推注和基础参数的图表；
59.图24和图25示出了显示示例性风险曲线的图表；并且
60.图26示出了可以实现示例性实施方式和方面的示例性计算环境。
具体实施方式
61.要求保护的主题是参照附图描述的，其中相同的附图标记自始至终用于指代相同的元件。在以下描述中，出于解释的目的，阐述了许多具体细节以便提供对要求保护的主题的透彻理解。然而，很明显，要求保护的主题可以在没有这些具体细节的情况下实施。在其他情况下，结构和设备以框图形式示出以便于描述要求保护的主题。
62.图1是本发明实施方式的高级功能框图100。处理器130与胰岛素装置110和葡萄糖监测器120通信。胰岛素装置110和葡萄糖监测器120与患者140通信以分别向患者140递送胰岛素并监测患者140的葡萄糖水平。处理器130被配置为执行本文进一步描述的计算和其他操作以及功能。胰岛素装置110和葡萄糖监测器120在单个装置内或跨多个装置，可以实施为单独的装置或实施为单个装置。处理器130可在胰岛素装置110、葡萄糖监测器120的局部实施，或作为独立装置(或胰岛素装置110、葡萄糖监测器120或独立装置中的两个以上的任何组合)实施。处理器130或系统的一部分可以以远程的方式设置，例如，在服务器或基于云的系统内。
63.诸如胰岛素装置110之类的胰岛素装置的示例包括胰岛素注射器、外部泵以及将胰岛素递送至患者，通常递送至皮下组织中的补片泵。胰岛素装置110还包括通过不同方式递送胰岛素的装置，例如，胰岛素吸入器、胰岛素喷射器、静脉输液泵以及植入式胰岛素泵。在一些实施方式中，患者将组合使用两种以上胰岛素输送装置，例如，用注射器注射长效胰岛素并在饭前使用吸入式胰岛素。在其他实施方式中，这些装置可以输送有助于控制葡萄糖水平的其他药物，例如，胰高血糖素、普兰林肽或葡萄糖样肽-1(glp-1)。
64.葡萄糖监测器，例如，葡萄糖监测器120的示例包括以规定间隔，例如，1、5或10分钟等记录葡萄糖值的连续葡萄糖监测器。这些连续葡萄糖监测器，例如，可以使用经皮插
入、完全植入或无创测量组织的电化学或光学传感器。诸如葡萄糖监测器120的葡萄糖监测器的示例，例如，还包括周期性地抽取血液或其他流体以测量葡萄糖的装置，例如，静脉内血糖监测器、微灌注采样或周期性手指针刺。在一些实施方式中，葡萄糖读数准实时提供。在其他实施方式中，由葡萄糖监测器确定的葡萄糖读数可以存储在葡萄糖监测器本身以供随后检索。
65.胰岛素装置110、葡萄糖监测器120以及处理器130可以使用诸如智能手机、台式计算机、手提电脑以及平板电脑的各种计算装置来实现。可以支持其他类型的计算装置。合适的计算装置作为计算装置2600和基于云的应用在图26中示出。
66.胰岛素装置110、葡萄糖监测器120以及处理器130可以通过网络进行通信。网络可以是包括公共交换电话网(pstn)、蜂窝电话网络以及分组交换网络(例如，互联网)的各种网络类型。尽管在图1中仅示出一个胰岛素装置110、一个葡萄糖监测器120以及一个处理器130，然而对可以支持的胰岛素装置、葡萄糖监测器以及处理器的数量没有限制。活动监视器150和/或智能手机160也可用于从患者140收集或收集与该患者140有关的膳食和/或活动数据，并将膳食和/或活动数据提供给处理器130。
67.处理器130可以执行操作系统和一个或多个应用程序。操作系统可以控制由胰岛素装置110和/或葡萄糖监测器120执行的应用程序，并控制应用程序与一个以上传感器，或胰岛素装置110的其他辅助手段和/或葡萄糖监测器120的交互方式。
68.处理器130在一些实施方式中，从胰岛素装置110和葡萄糖监测器120以及从患者140接收数据，并且可以被配置和/或用于执行本文中进一步描述的计算、操作和/或功能中的一项或多项。
69.图2是治疗区识别器210的实施方式的系统图，其为本文描述的治疗区域识别系统提供总体框架。如图所示，系统使用血糖数据205，其可以是与诸如人类的宿主相关联的任何糖尿病数据，并且可以根据实施方式包括仅cgm数据、bg(血糖)数据或其他葡萄糖或糖尿病相关数据。
70.治疗区识别器210识别一天24小时中的间隔，在其中，患者的bg数据表明患者的药物剂量/策略需要改善，例如，患者的胰岛素基础率/剂量和/或推注策略系统地不是最佳，或使患者面临糖尿病并发症的风险。在实施方式中，治疗区识别器210仅使用血糖数据(例如，不使用胰岛素数据)，例如，来自葡萄糖监测器120的数据。
71.血糖风险分析器220通过将风险量化为图案来量化低血糖、高血糖或两者(可变风险)平均在多天内发生的变化。
72.治疗区域评估器230评估风险曲线并评估一个以上时间窗，在该时间窗内可以调整剂量以系统地改善与一个以上风险曲线相关特征相关的血糖结果。一天中的时间通常是需要考虑的重要因素。
73.区域重要度量化器240量化治疗区域的相对重要性。
74.报告生成器250基于治疗相关区域重要性的量化以数字、字母数字和/或图形信息的形式进行输出260。
75.图3是一种识别具有改善血糖结果潜力的治疗区域的方法300的流程图；识别具有改善血糖结果的潜力的治疗区域的方法300包括评估大的历史数据集以识别具有最快匹配到的血糖功能障碍的治疗区域。
76.在步骤310中，接收葡萄糖数据(例如，在一些实施方式中，从葡萄糖监测器120、患者140、活动监测器150和/或智能手机160)。这些数据通常包括葡萄糖水平测量值，例如：cgm读数、分配给cgm值的信任度读数、自我监测血糖读数(血糖仪)、回顾性校准或校正的cgm读数等。葡萄糖数据通常包括选自至少一周的时间段；然而，更大的数据集可以提供更长期的图案。葡萄糖数据提供随一天中时间变化的cgm的回顾性分析(例如，一天24小时内)。图4是说明叠加在来自一名1型糖尿病患者的24小时时间窗上的多天cgm数据的一个示例的图表400；
77.在步骤320中，导出一个以上单一特定症状风险曲线。更具体地，评估血糖功能障碍单一症状曲线，使用从步骤310接收到的葡萄糖数据描述随一天中时间变化的低血糖风险或高血糖风险。风险曲线可以使用任何已知的血糖风险量化器导出，例如，诸如在发明人stephen d.patek的题为"用于评估可操作的血糖风险的方法、系统以及计算机可读介质”的us 2018/0020988中进行的描述，其全文通过引用并入本文。例如，血糖风险量化器可以评估陡度(曲线的一阶和二阶导数)、频率、严重性、曲率、24小时内曲线中的平均值、曲线的可变性(平均值和标准偏差)等，所有这些在识别区域方面都可以是有意义的。血糖风险量化器包括任何与风险相关的分数或值，例如，低血糖指数(lbgi)和高血糖指数(hbgi)。血糖风险量化器可以在历史数据中量化低血糖、高血糖和/或两者的变化。在一些实施方式中，该方法在一天中同一时间或对应于历史记录中不同天中一天时间内经历所有高血糖症和低血糖症的相邻时间解决各种类型的风险。
78.在一些实施方式中，一个以上单一特定症状风险曲线基于选定时间段内的cgm信号指示血糖功能障碍，基于一个以上单一特定症状信号的分析指示循环时间窗口(在每24小时时间段内的相同时间段循环)，所述时间窗口以预先确定的单一症状(例如，低血糖症或高血糖症)在所选时间段内的严重性和频率为特征。
79.在一些实施方式中，一天中的时间被识别为低血糖、高血糖和/或两者的结合中的一致图案。
80.在一些实施方式中，单一特定症状风险曲线代表a)与高血糖症分隔的低血糖症中的至少一种或b)与低血糖症分隔的高血糖症中的至少一种。在示例性实施方式中，单一症状是低血糖症，量化器可以评估低于阈值的风险指数值和大于阈值的持续时间，例如，30分钟内葡萄糖平均小于或等于70mg/dl。在示例性实施方式中，单一症状是高血糖症，量化器可以评估高于阈值的风险指数值和高于阈值的持续时间，例如，2小时内葡萄糖平均大于或等于180mg/dl。
81.可以定义和评估其他单一特定症状风险曲线，例如，a1c大于阈值的包括饮食和锻炼以及认知症状的健康数据的组合，这可以使用本领域已知的技术来测量。
82.优选地，在一天24小时内的单一时间段内确定单一特定症状信号以避免混合血糖功能障碍。然而，也可以评估以其他形式分割的时间，例如，工作日与周末。通常，单一特定症状信号是指在特定时间段期间，不存在预先确定的严重性或频率的不同类型的并发单一特定症状信号的信号。例如，其中，单个低血糖风险曲线可能不具有高于值/持续时间阈值的并发高血糖。图5是说明基于由血糖风险量化器提供的风险量化器520的单一特定症状风险曲线510的一个示例的图表500，源自图4所示的患者的葡萄糖数据。风险曲线510是基于风险量化520所示的风险大小来识别的。
83.在步骤330中，评估(例如，确定)与一个或多个单一特定症状风险曲线相关的一个或多个治疗相关区域。换句话说，治疗区域是从风险曲线中识别出来的。
84.通常，在胰岛素治疗的范围内，治疗区域是患者bg数据表明(例如，指示)患者的胰岛素基础率/剂量和/或推注策略系统性非最佳的24小时中的时间间隔。在其他范围内，关于诸如胰高血糖素、2型药物或甚至食物的其他治疗方法还可以具有本领域技术人员可以理解的相应评估的治疗区域。
85.在一些实施方式中，识别治疗区域，所述治疗区域与风险曲线相关联，这些风险曲线被认为是一天中的一个或多个单一特定症状风险曲线表明潜在的血糖功能障碍的时间间隔。在一些情况下，所识别的治疗区域与仅一种症状的存在相关，例如，一天中存在低血糖风险(或相反的高血糖风险)的单独时间段。在这种情况下，治疗区域可以被识别为一个时间窗口，不同于(例如，扩大在、分离、邻近和/叠加在)相关的血糖风险曲线，作为可以实施根本原因行为/治疗变化的时间窗口，以减轻血糖，例如，通过在一天中的间隔时间段(治疗区域)系统性地减少胰岛素来缓和相应的低血糖风险曲线(或相反，通过系统性地增加治疗区域的胰岛素来缓和相应的高血糖风险曲线)。
86.在其他情况下，治疗区域评估器230可以将多于一个治疗相关单一症状风险曲线与一个以上治疗区域相关联。例如，患者的风险曲线可以指示(1)在一天中的特定时间间隔内发生高血糖的风险(即高血糖风险曲线)，以及在随后另一时间间隔内的低血糖风险期(即，随后的相关低血糖风险曲线)或无法解决的风险期(即，历史数据表明处于高血糖和低血糖的后续相关区间)，并且相应确定的治疗区域(或多个区域)将代表一天中的一段时期(或多段时期)，期间可以通过调整胰岛素治疗的参数或时间来缓解多个相应风险曲线(例如，通过更有效地解决高血糖的初始来源来避免在以后的时间间隔内可能促进低血糖的情况)。在这种情况下，相关的多个风险曲线可以是紧邻的，或者可以与表示没有血糖风险的时间段(一天中的间隔)分开。通过这种方式，相邻或随后的区域处于其相关性而可以被组合，并通过单个治疗区域中的治疗调整来解决。例如，当低血糖模式始终伴随着高血糖时，风险曲线可能由于过度校正，并通过调整患者对单个治疗区域的校正因子来解决而与治疗相关，有时在一些实施方式中称为单一治疗区。。现有技术未能考虑通过一个或多个综合治疗区域内的治疗调整来解决多种相关血糖风险的可能性。相比之下，本文所述的系统和方法通过将风险与治疗区域相结合来提取治疗方法。
87.图6是说明从图5所示的单一特定症状风险曲线600得出的已识别治疗区域的一个示例的图表，源自图4所示的患者cgm数据的葡萄糖数据。
88.在一些实施方式中，确定治疗区域的风险曲线的评估不仅仅是一个阈值，例如，可以是陡度(曲线的一阶和二阶导数)、频率、严重性、曲率、24小时内曲线的平均值、曲线的可变性(平均值和标准偏差)等，所有这些都可以在识别区域方面有意义。
89.在一些实施方式中，通过预测候选行为和/或治疗变化来评估治疗区域以降低单一症状血糖风险，而不增加随后的另一种症状。换言之，治疗区域可以被认为是在没有对相邻时间窗口中的症状产生负面影响的风险的情况下进行治疗的区域。在一些情况下，治疗区域的特征可以是最小的无症状、混合症状或不同的单一症状信号。
90.在所有情况下，每个确定的治疗区域都是一天中的一个时间间隔，该时间间隔与相关风险曲线的时间窗口的一部分重叠，并且可以包括该时间窗口的一部分。一个或多个
治疗区域代表相邻风险曲线的根本治疗原因，并且可以通过查看紧接在(多个)风险曲线之前并且可以与所述(多个)风险曲线重叠的时间窗来评估。总而言之，所识别的治疗区域定义了时间窗口(即，一天中的间隔)，如本文更详细的描述，在该时间窗口上可以缓和血糖风险曲线的可解决部分。
91.在步骤340中，治疗相关区域的重要性被量化。在一些实施方式中，确定治疗相关区域的重要度值。因此，一个或多个治疗相关区域的重要度通过区域重要度量化器被量化。区域重要度量化器优先考虑在治疗方面更为重要或可解决的区域。在一些实施方式中，量化器评估风险的大小，并且还可以考虑一天中的时间和/或一个风险曲线与另一个风险曲线的接近程度(例如，在某些情况下，两个不同的风险曲线由于彼此不相互独立而相互关联，从而一个影响另一个)。量化器可以使用来自步骤320的风险曲线的数学函数，例如，血糖风险曲线的峰值，其中，在一示例性实施方式中，所述峰值可以等同于所述治疗区域的重要度。
92.在仅葡萄糖数据可用的实施方式中，量化器可以从血糖风险导出。然而，如果有额外的数据可用，例如，胰岛素、膳食和运动，量化器也可以在评估中考虑这些数据。在一些实施方式中，可以基于解决问题的偏好将优先级分配给治疗区域。例如，可以由系统或用户在推注问题与基础问题之间就重要度进行分配，反之亦然。在一些实施方式中，区域重要度由其他因素告知，例如当前基础-推注胰岛素比率，例如，基础的50％近乎过高。在一些实施方式中，如本文别处更详细的描述，胰岛素数据可用和/或确定了胰岛素策略，胰岛素策略可用于区分治疗相关区域的优先级。
93.在一些实施方式中，如本文别处更详细地描述(例如，使用回放分析)，量化器基于对治疗的候选变化评估降低一个以上区域中的每一者的风险的机会，其中，区域重要度量化器基于减少相比于另一区域的一个区域的风险曲线的机会优先确定治疗区域。
94.在一些实施方式中，本文所述的系统和方法可以在确定本文所述的一个或多个数据处理步骤之前确定并应用对数据的可信度的分析。例如，由血糖风险分析器得出的风险曲线基于高于特定可信度水平的数据。换句话说，可信度进入了风险曲线的目标函数。可信度分析和应用的示例在发明人stephen d.patek于2020年11月12日提交的题为"评估预测数据与相应接收数据的差异的联合状态估计预测"的美国申请号17/096785中进行了描述，该申请的全文通过引用并入本文。
95.在步骤350中，基于治疗相关区域的量化重要度输出数字、字母数字和/或图形信息。因此，治疗区域报告生成器基于治疗相关区域的量化重要度输出数字、字母数字和/或图形信息。在一实施方式中，将可视化的相关区域简单地输出到报告上。在其他实施方式中，识别并输出对治疗区域时间的行为和/或治疗变化以减少所识别的循环时间窗口中的一个症状。
96.在一个示例中，当高血糖风险曲线发生在中午时，例如，风险曲线值高于中午时间段的高血糖风险阈值，并且在其周围没有低血糖，可以评估从紧接(并且可能重叠)午时到下午4点的时间窗口。在这种情况下，可以选择性地输入一天中的时间，并且可以使用查找表、决策树等分析可能的根本原因，表明高血糖风险的两个原因：1)午餐时间补注不足(例如，可能无推注参数，患者可能低估了碳水化合物的摄入量，或者患者可能根本没有推注，等等)；或2)基础不足。鉴于此示例中的两个可能的根本原因，该报告可能会描述两个可能
的治疗问题，以解决1)或2)。
97.考虑另一个示例，其中，每天中午之前确定低血糖风险并评估相关的治疗区域。三种可能输出的根本原因：1)早上基础过于激进；2)过度推注；和/或3)推注太晚(过晚摄入碳水化合物)。
98.在高血糖过后是一致的低血糖的示例中，可以输出与区域具有因果关联的单个治疗区域。报告生成器可以标记一天中可以进行调整的时间，例如，低血糖过后的高血糖，推荐一天中一段时间的基础变化或影响一天中另一段时间的推注参数的变化。可以基于用户偏好/设置、量化器或诸如本文别处更详细描述的其他见解(例如，候选变化或患者的胰岛素策略的相对改进)来设置优先推荐。在组合方案中，其中，单个区域代表在治疗方面连接的低血糖区域和高血糖区域，可以根据对血糖风险曲线的影响来分析多个组合。
99.输出可以是用户界面的报告的形式，可以发送到相连的胰岛素泵或胰岛素笔，或者可以输入到推注计算器。例如，与一天中的某个时间相关联的治疗区域，其中，膳食推注的碳水化合物比例的变化已经被识别(并且可能由用户确认/验证)，推注计算器可以以新的碳水化合物比例自动编程。其他建议可能在本质上更具行为性，例如，建议在更早的时间(例如，饭前)推注。
100.报告生成器可以生成和输出风险曲线、治疗相关区域和/或它们对于目检的相对重要性的图示。附加地或替代地，自然语言生成器或文本生成器可用于传达风险曲线、治疗相关区域和/或它们的相对重要性。
101.图7是相对胰岛素优化器710的实施方式的系统图，其为本文描述的系统和方法中的胰岛素优化提供一般框架。
102.接收血糖和胰岛素数据(例如，在一些实施方式中，从葡萄糖监测器120、患者140、活动监测器150和/或智能手机160)并且根据它们的来源根据需要整理葡萄糖和胰岛素数据705。
103.治疗改善识别器707评估整理的葡萄糖和胰岛素数据705以识别患者的糖尿病管理程序中的治疗优化区域。在一些实施方式中，识别器707可以包括来自临床医生或患者的用户选择(例如，其中，用户识别要优化的特定疗法或一天中的时间)。用户可以选择特定的进餐时间(例如，午餐)、一天中的特定时间(例如，在早上醒来时)、特定的设置(例如，碳水化合物比例)等。可以选择影响胰岛素治疗的任何参数或行为。在一些实施方式中，治疗改进709由算法识别，例如，关于图2描述的治疗区域识别器210；然而，如本领域技术人员可以理解，还可以使用用于识别需要改进的区域的其他算法。
104.基于确定的治疗改进709，相对胰岛素优化器710提出对治疗的候选变化，评估这些改变的影响，并对这些变化相关的改善进行量化。
105.改变提议器720提议对胰岛素治疗的候选改变，例如，在特定时间窗口中对基础和/或推注的百分比变化(例如，区域或区域组)。
106.该影响评估器730通过评估对历史葡萄糖值的风险曲线的影响来评估候选疗法改变的作用。
107.该改善量化器740例如，基于血糖结果度量的改善/改变百分比量化候选疗法改变的改善。
108.相关胰岛素优化器报告生成器750提供输出760，例如，向用户(临床医生、患者或
连接的设备/系统)输出候选疗法改变。
109.图8是为患者选择、评估和影响候选胰岛素治疗改变的方法800的流程图。该方法接收从患者和/或连接的设备接收的葡萄糖和胰岛素数据，以基于与胰岛素治疗的候选改变相关联的量化改进来运行优化算法以改进胰岛素治疗。在一个示例中，分析了使用葡萄糖和胰岛素递送数据，使用重放预测功能，确定的治疗区中基础和/或推注胰岛素的百分比变化的影响。
110.在步骤810中，从患者和/或连接的系统/设备接收葡萄糖和胰岛素数据(例如，在一些实施方式中，来自葡萄糖监测器120、患者140、活动监测器150和/或智能手机160)。图9a和图9b是曲线图900、950，分别显示了患者在约54天内的葡萄糖和胰岛素数据。图10是显示了每24小时一天叠加的所有cgm数据的可视化的图表1000。图11是显示cgm和胰岛素数据的可信度的曲线图1100，其随紧接在上面的曲线图中显示的一天中时间数据的变化而变化。
111.在步骤820中，一个治疗改善机会如本文别处更详细描述的那样识别。在一些实施方式中，治疗改善机会识别可以包括来自临床医生或患者的用户选择(例如，其中，用户识别要优化的特定治疗或一天中的时间)。用户可以选择特定的进餐时间(例如午餐)，一天中的特定时间(例如，早上醒来时)，特定的环境(例如，碳水化合物比例)，或类似的。可以选择影响胰岛素治疗的任何参数或行为。在一些实施方式中，改善由算法识别，例如本文别处更详细描述的治疗区域识别器，然而，如本领域技术人员可以理解的，用于识别需要改善的区域的其他算法也是可能的。
112.图12是图表1200，其示出了在一些实施方式中患者在时间窗内的风险曲线。零线上方的区域1210代表高血糖，而零线下方的区域1220代表随一天中的时间而变化的低血糖。
113.图13a和13b是图表1300、1350，其分别示出了随一天中的时间而变化的可操作和不可操作的风险。在约13小时(大约下午1点，午餐后)，存在可操作的高血糖风险高峰，而在一天中的同一时间，无法解决的风险水平较低。
114.图14是本发明一实施方式的图表1400，其说明了从参照图12、13a以及13b描述的风险曲线确定的血糖风险曲线和相应治疗区域。曲线1410代表风险曲线并且曲线1420代表相应的治疗区域。在此示例中，中午到下午2点表示可操作的高血糖风险，表明上午10点到中午将是更改为胰岛素治疗的候选窗口。
115.在步骤830中，在治疗区域期间提出(例如，确定)对胰岛素治疗的候选改变。对胰岛素治疗的候选改变可以包括对推注或基础治疗的百分比增加或减少和/或可以包括对与推注或基础治疗相关的胰岛素递送参数的改变。
116.一旦确定了治疗区域，就可以根据例如，其中的碳水化合物比例、校正因子、基础率和/或曲线直接提出对治疗的候选改变。本领域技术人员可以理解，在糖尿病管理中使用的影响糖尿病结果的任何参数都可以是改变的候选者。参数可能特定于胰岛素泵、推注计算器或与胰岛素治疗相关的任何值，无论是在1型或2型或单次或多次每日注射治疗、胰岛素笔治疗、胰岛素泵治疗、人工胰腺治疗、β细胞治疗和/或其任何方面。
117.在一些实现中，基础剂量敏感性(百分比变化基础剂量和/或基础率)是候选变化。在一些实施方式中，候选改变可以包括治疗区域基础剂量或推注剂量的百分比改变。还可
以提出复合改变和/或组合改变，例如，双因素敏感性(例如，针对基础与推注的差异化推荐)。在一些实施方式中，一天中的时间也是可以针对基础率提出的一个因素。
118.在步骤840中，评估了(例如，确定)基于候选改变的整体治疗风险中的改善。在一些实施方式中，重放预测函数，如在2020年11月12日提交的发明人stephen d.patek的题为"评估预测与相应接收数据的差异的联合状态估计预测"的美国申请号17/096785，其全文通过参照并入本文所述，估计治疗区域中，候选改变对历史葡萄糖的影响，并且运行风险分析函数以基于候选改变确定新的风险曲线。例如，历史推注和/或基础速率的百分比变化(5％、10％等)在治疗区期间被重播，并且由此产生的风险曲线被重新评估。
119.在步骤850中，可以量化候选变化的相对改善。在一实施方式中，比较风险曲线值以量化改善。
120.在步骤860中，输出了提供最优化风险曲线的胰岛素治疗的候选改变。该输出可以是图表的形式，说明候选改变和/或优化的风险，输出到用户界面或连接的设备，例如，临床医生报告或连接的推注计算器。另外或替代地，输出可以由自然语言处理器提供，以描述候选改变和优化的风险结果。输出可以识别被优化的治疗区域或区域组，并且在一些实施方式中，可以使用文本生成器来传达结果。
121.尽管本文已经说明和描述了与1型糖尿病相关的糖尿病数据，但系统和方法可适用于本文的2型糖尿病，例如，用于基础滴定加速，以识别和评估或多或少侵袭性2型注射的风险(根据药物类型、药物剂量和/或注射时间)。
122.图15是胰岛素策略优化器1510的实施方式的系统图，其为本文描述的系统和方法中的胰岛素优化提供一般框架。
123.接收血糖和胰岛素数据(例如，在一些实施方式中，从葡萄糖监测器120、患者140、活动监测器150和/或智能手机160)并且根据它们的来源根据需要将其整理成整理的葡萄糖和胰岛素数据1505。
124.治疗改善识别器1507评估核对的葡萄糖和胰岛素数据1505，确定患者糖尿病管理程序中治疗优化的领域。在一些实施方式中，标识符1507可以是来自临床医生或患者的用户选择(例如，其中用户识别要优化的特定疗法或一天中的时间)。用户可以选择例如，特定的进餐时间(例如午餐)、一天中的特定时间(例如，早上醒来时)、特定的设置(例如，碳水化合物比例)等。可以选择影响胰岛素治疗的任何参数或行为。在一些实施方式中，治疗改进1509由算法识别，例如，关于图2描述的治疗区域识别器210；然而，如本领域技术人员可以理解，用于识别需要改进的区域的其他算法也是可能的。
125.使用葡萄糖、胰岛素以及其他数据的记录，胰岛素策略优化器1510确定：(1)患者是否坚持已知的胰岛素策略(例如，基于碳水化合物计数的餐前推注"功能性胰岛素治疗")和(2)分析确定的胰岛素策略参数的百分比变化的影响(例如，碳水化合物比例、校正因子、基础率/剂量等)。与对患者的胰岛素策略做出假设和/或需要改变患者的行为胰岛素策略的现有胰岛素优化器相比，本文描述的系统和方法从众多不同策略中识别患者当前的胰岛素给药策略以将最优化的胰岛素治疗适用于患者选择的行为胰岛素策略，匹配他们的实际现实-世界策略。优化侧重于患者如何看待他们的胰岛素治疗(即策略)；允许更多定制的用户建议，从而提高依从性和改进。
126.图16是识别、评分和优化患者的胰岛素策略的方法1600的流程图。该方法从患者
和/或连接的设备接收葡萄糖、胰岛素和其他-糖尿病相关数据，例如膳食或锻炼数据。从患者数据中，可以识别行为模式以确定患者更喜欢如何管理他们的糖尿病。在了解患者的胰岛素给药策略的情况下，如本文中更加详细的描述，可以评估和推荐策略-特定参数的量和/或时间的变化。
127.在步骤1610中，接收葡萄糖、胰岛素和/或其他-糖尿病相关数据(例如，在一些实施方式中，从葡萄糖监测器120、患者140、活动监测器150和/或智能手机160)。其他-糖尿病相关数据可以包括膳食信息，例如，膳食的特异性和/或时间、膳食的一般或特定大小、碳水化合物估计、成分信息等。另外或替代地，可以提供锻炼信息以包括例如锻炼的类型、持续时间、强度、心率、燃烧的卡路里等。糖尿病相关数据可以来自连接的设备和/或自我报告。如本领域技术人员所理解，该数据可以与葡萄糖和胰岛素数据进行核对。
128.在步骤1620中，如本文更详细描述，识别治疗改善机会。在一些实施方式中，治疗改善机会识别可以包括来自临床医生或患者的用户选择(例如，其中，用户识别要优化的特定治疗或一天中的时间)。用户可以选择特定的进餐时间(例如，午餐)、一天中的特定时间(例如，在早上醒来时)、特定的设置(例如，碳水化合物比例)等。可以选择影响胰岛素治疗的任何参数或行为。在一些实施方式中，改善通过算法来识别，例如，通过治疗区域识别器210，然而，如本领域技术人员可以理解，用于识别需要改善的区域的其他算法也是可能的。
129.在步骤1630中，确定了患者的胰岛素给药策略。胰岛素策略识别器1520识别由糖尿病数据(胰岛素数据和膳食数据)确定的患者在实践中实施的糖尿病管理/胰岛素策略。策略识别器1520可以包括针对患者的一系列问题或患者要做出的选择。在一些实施方式中，识别器1520识别给药模式并以此为基础描述患者的胰岛素策略。识别器1520可以使用重放预测函数(例如，发明人stephen d.patek于2020年11月12日提交的题为"评估预测数据与相应接收数据的差异的联合状态估计预测"的美国申请号17/096785中进行的描述，该申请的全文通过引用并入本文)等，以及与给药以尝试在上下文中再现患者的历史胰岛素决定相关的其他数据。
130.通过"胰岛素策略"是指患者在糖尿病管理中应用的行为方法学，如本领域技术人员可以理解，包括胰岛素泵的使用类型、每日多次注射以及2型治疗。
131.作为一个示例，系统和方法将患者识别为泵用户，并且可以进一步识别泵的使用类型，选自：开环(评估基础和/或推注/定时)、半闭环以及闭环(可以进一步分为，例如，人工胰腺算法类型a和人工胰腺算法类型b)。本领域技术人员可以理解其他胰岛素泵策略，包括在时间和量方面的可编程基础和推注设置，以及特定程序或提供者推荐的基础-推注组合疗法。
132.作为另一示例，系统和方法识别患者是否进行推注，如果是，那么什么行为策略与他们的常规推注模式相关联。一些患者使用的一种推注模式包括一天中的固定时间推注策略(即，在一天中的特定时间推注)、进餐时间推注、碳水化合物计数推注(例如，其中，患者在大多数膳食中定期摄入不同的碳水化合物量)、非碳水化合物计数推注(例如，其中，患者评估(s/m/l))、餐前推注(先给药然后滴定食物)、微量推注(例如，平均每天推注超过x次(其中x大于5、6、7或更多))等，如本领域技术人员所理解。
133.其他示例包括滑动式推注，其中，系统和方法识别患者响应于bg的推注是否高于特定范围。如本领域其他技术人员可以理解，可以考虑用于胰岛素管理的其他理念。
134.在步骤1640中，该策略可选地为患者对该策略的依从性进行评分。胰岛素策略评分器(依从性评分器)1530量化患者对确定的胰岛素策略的依从性，患者遵守确定的胰岛素策略的严格程度。根据患者对策略的依从程度计算得分，其可作为阀门保持器，以确定是否或如何进行下一步。例如，如果依从性分数高于给定阈值水平，则处理下一步，否则可以执行附加的分析、患者查询或对不同算法(例如，图8)的反馈。
135.在步骤1650中，为了所确定的策略执行优化。换言之，优化受限于患者偏好的糖尿病管理方案的范围，而不需要行为修改。虽然不希望受理论束缚，但通过优化由患者行为确认的胰岛素治疗，可以实现更高效和有效的治疗优化。
136.通常，胰岛素策略适配器(识别行为1540内的胰岛素策略优化器)基于选择的胰岛素策略和/或基于与胰岛素策略相关联的分数来调整胰岛素优化/推荐。在一些实施方式中，直到实现特定改进和/或通过重复改变的改善不在量化中可见为止，可以以反馈循环方式量化改进之前，优化在选定的治疗区域或区域组中反复地提出策略参数的百分比变化。
137.在一些实施方式中，可以使用重放预测函数进行优化(在发明人stephen d.patek于2020年11月12日提交的题为"评估预测数据与相应接收数据的差异的联合状态估计预测"的美国申请号17/096785中进行的描述，该申请的全文通过引用并入本文。)以估计对历史bg的影响。在这些实施方式中，风险分析函数可以在每次迭代优化和直到满足特定标准为止评估的bg结果度量的百分比改进/变化上重新运行。
138.在1660年，优化的胰岛素策略参数输出到用户界面或连接的设备，例如，通过治疗识别优化报告生成器1550。在一实施方式中，治疗标识优化报告生成器1550提供输出1560，例如，向用户(临床医生、患者或连接的设备/系统)输出候选治疗改变。输出1560可以是图表形式，说明优化的胰岛素策略参数。在一些实施方式中，一个或多个参数可以输出到用户界面或连接的设备，例如，临床医生报告或连接的推注计算器。附加地或替代地，输出可由自然语言处理器提供，以描述候选改变和优化的风险结果。输出可以识别被优化的时间窗口，并且在一些实施方式中，可以使用文本生成器来传达结果。
139.现在在来自患有1型糖尿病的患者的一个数据集上描述胰岛素策略优化器1510的示例。在该示例中，分析了历史cgm数据以将夜间高血糖症识别为可解决的风险曲线。图17是显示患者10天的cgm数据的图表1700。尽管存在上午为低血糖的异常的一天，并且一天中有显着的回升(由曲线1710表示)，但在大多数轨迹中可以看到夜间低血糖的系统化的图案(由曲线1720表示)。这是一个组合示例，其中构建重放器、识别治疗区域、进行策略调整(例如，策略参数的百分比变化(或参数扫描))，然后重放以找到最佳血糖结果。
140.图18是说明从图17所示的10天cgm数据的分析输出的风险曲线函数的图表1800。风险曲线的输出证实了一夜之间持续暴露于高血糖，表明高血糖的风险增加(x轴上方的阴影区域1810)。暴露于白天的低血糖被显示为低血糖风险(x轴下方的阴影区域1820)。因此，治疗改善机会从上述高血糖风险曲线中被识别为夜间高血糖，尤其是在风险曲线值高于2的时间段内，约1800小时至约2400小时。这种风险是可以解决的，因为在夜间高血糖附近没有并发低血糖。
141.在分析并存的胰岛素数据(由基础和推注数据提供)和膳食数据(由公认的碳水化合物数据提供)后，确定患者正在使用功能性胰岛素治疗(基础-推注疗法)，有时推注公认的碳水化合物。从数据中，可以确定额定参数，包括现存的基础处方和当前校正因子以及编
程到推注计算器中的碳水化合物比例。
142.在该示例中，胰岛素策略优化器利用回放仿真(在发明人stephen d.patek于2020年11月12日提交的题为"评估预测数据与相应接收数据的差异的联合状态估计预测"的美国申请号17/096785中进行了描述，该申请的全文通过引用并入本文)。回放模拟数据收集过程中患者历史上公认的碳水化合物。仅在公认的碳水化合物时模拟推注。回放模拟和历史数据之间的不一致是预期的，因为历史上的推注中不模拟推注。模拟剂量严格按照现行模拟bg、iob(机载胰岛素)和公认的碳水化合物以及碳水化合物比例和校正因子的当前处方计算。这可以称为依从性功能性胰岛素治疗。
143.图19是比较来自历史数据和来自回放仿真的风险曲线的图表1900、1950。因此，对于此示例，如果患者(1)完全按照碳水化合物通知进食并且(2)仅在进餐时间进行推注，则人们只会期望看到模拟cgm轨迹和历史cgm之间的密切匹配。在此示例中，历史推注可能会延迟，并且机载碳水化合物和胰岛素的估计可能不准确。此处可任选地对患者依从性进行评分以确定对功能胰岛素治疗的依从性。
144.接下来，回放仿真在模拟cgm轨迹上运行以设置大量候选参数，其中，所使用的基础胰岛素剂量减少。将最大程度地减少患者(回放)暴露于低血糖风险和高血糖风险的参数存储起来以供将来参考。重新运行风险曲线和治疗区域。图20示出了来自回放的风险曲线2000。
145.作为一个示例，图21是显示2个高血糖风险曲线2120的图表2100。与所述情况类似，这些区域更小，因为更高的基础剂量导致bg在高血糖范围内的时间更少。作为另一示例，图22是显示两个对应的高血糖治疗区域2220的图表2200。
146.可以进一步优化碳水化合物比例和校正因子。运行回放仿真以设置大量候选参数，其中，使用增加的基础胰岛素剂量。将最大程度地减少患者(回放)暴露于低血糖风险和高血糖风险的参数存储起来以供将来参考。
147.在运行并量化各种优化之后，选择最佳的参数组合。图23是显示优化的推注和基础参数的图表2300。
148.图24和图25说明了显示示例风险曲线2400、2500、2550的图表。风险曲线显示，通过应用优化的参数，患者可以显着降低其血糖风险，从而如本文中更加详细的描述，可以输出对优化的参数的推荐。
149.在另一示例中，其中，偏好一天-中-固定时间胰岛素推注策略的患者，系统和方法可以接收cgm以及胰岛素量和时间，并且将治疗机会识别为一个时间窗口(例如，时间x到时间y)的下午低血糖。胰岛素策略被识别为一天中的固定时间，基于在一天中的常规时间推注模式中识别的模式推注。胰岛素策略评分器确定与一天中特定时间的85％的相关性。胰岛素策略调整重复地运行胰岛素推注的时间和量的百分比变化，并建议在午餐前30分钟推注和/或在正常中午推注时多使用10％的胰岛素。给患者的报告表明，30分钟的时间变化和/或中午固定推注增加10％将使低血糖减少20％，两者的结合将使低血糖减少25％。
150.在又另一示例中，偏好进餐时推注而不计算碳水化合物的患者可能使用小、中、大(s/m/l)膳食估计，而不是基于三个典型的推注量。在此示例中，数据输入包括cgm、胰岛素的量、时间以及用餐时间。治疗机会由患者从用户界面请求"推注检查"来识别。确定的胰岛素策略是一种进餐时推注策略，具有三种典型剂量，指示s/m/l膳食估计。胰岛素策略评分
器显示与用于估算s/m/l的典型碳水化合物估计器的相关性。胰岛素策略调整建议将中等剂量增加10％和/或将大剂量减少10％。给到患者的中等推注剂量增加10％，大推注剂量减少10％的输出报告将导致低血糖和高血糖减少，其中，两者的组合将导致低血糖方面的特定百分比量的减少(x％，其中，x是经确定、计算，或估计的数字)和高血糖方面的特定百分比量的减少(x％)。
151.图26示出了可以实现示例性实施方式和方面的示例性计算环境。计算设备环境仅是一个合适的计算环境的示例，并不旨在暗示对使用范围或功能的任何限制。
152.可以使用许多其他通用或专用计算设备环境或配置。可能适合使用的众所周知的计算设备、环境和/或配置的实例包括但不限于个人计算机、服务器计算机、手持或膝上型设备、多处理器系统、基于微处理器的系统、网络个人计算机(pc)、小型计算机、主机计算机、包括任何上述系统或设备的分布式计算环境的嵌入式系统等。
153.可以使用由计算机执行的计算机可执行指令，诸如程序模块。通常，程序模块包括进行特定任务或实现特定抽象数据类型的例程、程序、客体、组件、数据结构等。在任务由通过通信网络或其他数据传输介质链接的远程处理设备进行的情况下，可以使用分布式计算环境。在分布式计算环境中，程序模块和其他数据可以位于本地和远程计算机存储介质中，包括存储设备。
154.参考图26，用于实现本文所述方面的示例性系统包括计算设备，诸如计算设备2600。在其最基本的配置中，计算设备2600通常包括至少一个处理单元2602和存储器2604。取决于计算设备的确切配置和类型，存储器2604可以是易失性的(诸如随机存取存储器(ram))、非易失性的(例如只读存储器(rom)、闪存等)，或两者的一些结合。这种最基本的配置在图26中由虚线2606示出。
155.计算设备2600可以具有额外的特征/功能。例如，计算设备2600可以包括附加存储器(可移动和/或不可移动的)，包括但不限于磁盘或光盘或磁带。这种额外的存储器由可移动存储器2608和不可移动存储器2610在图26中示出。
156.计算设备2600通常包括多种计算机可读介质。计算机可读介质可以是设备2600可以访问的任何可用介质，并且包括易失性和非易失性介质、可移动和不可移动介质。
157.计算机存储介质包括以用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术实现的易失性和非易失性且可移动和不可移动介质。存储器2604、可移动存储器2608和不可移动存储器2610都是计算机存储介质的示例。计算机存储介质包括但不限于ram、rom、电可擦除程序只读存储器(eeprom)、闪存或其他存储技术、cd-rom、数字多功能磁盘(dvd)或其他光学存储、磁盒、磁带、磁盘存储器或其他磁性存储设备，或任何其他可用于存储所需信息且可由计算设备2600访问的介质。任何这样的计算机存储介质都可以是计算设备2600的一部分。
158.计算设备2600可以包含允许设备与其他设备通信的通讯接口2612。计算设备2600还可以具有输入设备2614，例如，键盘、鼠标、笔、语音输入设备、触摸输入设备等。还可以包括(多个)输出设备2616，例如，显示器、扬声器、打印机等。所有这些设备在本领域中都是众所周知的，并且不需要在这里详细讨论。
159.在一实施方式中，一种方法包括：使用血糖风险分析器得出至少一个单一特定症状风险曲线；使用治疗区域评估器确定与至少一个单一特定症状风险曲线相关的至少一个
治疗相关区域；使用区域重要度量化器确定至少一个治疗相关区域的重要度值；以及基于重要度值输出信息。
160.实现方式可以包括以下特征中的一些或全部。该方法还包括接收葡萄糖数据，其中，使用葡萄糖数据导出至少一个单一特定症状风险曲线。葡萄糖数据包括cgm(连续葡萄糖监测)读数、分配给cgm值的信任度读数、自我监测血糖读数或回顾性校准或校正的cgm读数中的至少一种。葡萄糖数据包括至少一周中的时间段。至少一个单一特定症状风险曲线使用葡萄糖数据描述随一天中的时间变化的低血糖风险或高血糖风险。导出至少一个单一特定症状风险曲线，包括：评估陡度(曲线的一阶和二阶导数)、频率、严重性、曲率、24小时内曲线中的平均值或曲线的可变性(平均值和标准偏差)。至少一个单一特定症状风险曲线基于选定时间段内的cgm信号指示血糖功能障碍，指示以选定时间段内低血糖或高血糖的预定严重性和频率为特征的循环时间窗口。至少一种单一特定症状风险曲线代表与高血糖分隔的低血糖症中的至少一种或与低血糖分隔的高血糖症中的至少一种。确定至少一个治疗相关区域包括从至少一个单一特定症状风险曲线识别至少一个治疗相关区域。至少一个治疗相关区域是一天24小时内的间隔，其中，患者的bg数据表明患者的胰岛素基础率或剂量或推注策略中的至少一种系统地不是最佳。至少一个治疗相关区域被识别并与至少一种风险曲线相关联，并且包括一天中的至少一个间隔，其中，一种或多种单一特定症状风险曲线表明潜在的血糖功能障碍。
161.实现方式还可以包括以下特征中的一些或全部。该方法还包括确定可以通过调整胰岛素治疗的参数或时间来减轻至少一种单一特定症状风险曲线的时间段。确定至少一个治疗相关区域是基于预测候选行为改变或治疗改变中的至少一个以降低单一症状血糖风险而不后续加重另一症状。确定至少一个治疗相关区域的重要度值包括优先考虑治疗意义重大或可解决的区域。确定至少一个治疗相关区域的重要度值包括评估风险的大小。确定至少一个治疗相关区域的重要度值包括考虑一天中的时间或一个风险曲线与另一风险曲线的接近度中的至少一个。重要度值是至少一个单一特定症状风险曲线的峰值。得出至少一个单一特定症状风险曲线是基于高于特定可信度水平的数据。输出信息包括输出数字、字母数字或图形信息中的至少一种。输出信息包括将行为改变或治疗改变中的至少一种输出到治疗时间区域以减少时间窗口中的单个症状。输出信息包括将信息输出到连接的胰岛素泵或胰岛素笔，或输出到推注计算器。输出信息包括输出风险曲线或治疗相关区域中的至少一个的图示或风险曲线或治疗相关区域中的至少一个的相对重要性。
162.在一实施方式中，一种系统包括：血糖风险分析器，配置成导出至少一个单一特定症状风险曲线；治疗区域评估器，配置成确定与至少一个单一特定症状风险曲线相关的至少一个治疗相关区域；区域重要度量化器，配置成确定至少一个治疗相关区域的重要度值；治疗区域报告生成器，配置成基于重要度值输出信息。
163.实现方式可以包括以下特征中的一些或全部。血糖风险分析器还配置成接收葡萄糖数据，其中，使用葡萄糖数据导出至少一个单一特定症状风险曲线。葡萄糖数据包括cgm(连续葡萄糖监测)读数、分配给cgm值的信任度读数、自我监测血糖读数或回顾性校准或校正的cgm读数中的至少一种。葡萄糖数据包括至少一周中的时间段。至少一个单一特定症状风险曲线使用葡萄糖数据描述随一天中的时间变化的低血糖风险或高血糖风险。导出至少一个单一特定症状风险曲线，包括：评估陡度(曲线的一阶和二阶导数)、频率、严重性、曲
率、24小时内曲线中的平均值或曲线的可变性(平均值和标准偏差)。至少一个单一特定症状风险曲线基于选定时间段内的cgm信号指示血糖功能障碍，指示以选定时间段内低血糖或高血糖的预定严重性和频率为特征的循环时间窗口。至少一种单一特定症状风险曲线代表与高血糖分隔的低血糖症中的至少一种或与低血糖分隔的高血糖症中的至少一种。确定至少一个治疗相关区域包括从至少一个单一特定症状风险曲线识别至少一个治疗相关区域。至少一个治疗相关区域是一天24小时内的间隔，其中，患者的bg数据表明患者的胰岛素基础率或剂量或推注策略中的至少一种系统地不是最佳。至少一个治疗相关区域被识别并与至少一种风险曲线相关联，并且包括一天中的至少一个间隔，其中，一种或多种单一特定症状风险曲线表明潜在的血糖功能障碍。
164.实现方式还可以包括以下特征中的一些或全部。治疗区域评估器还被配置为识别可以通过调整胰岛素治疗的参数或时间来减轻至少一个单一特定症状风险曲线的时间段。确定至少一个治疗相关区域是基于预测候选行为改变或治疗改变中的至少一个以降低单一症状血糖风险而不后续加重另一症状。确定至少一个治疗相关区域的重要度值包括优先考虑治疗意义重大或可解决的区域。确定至少一个治疗相关区域的重要度值包括评估风险的大小。确定至少一个治疗相关区域的重要度值包括考虑一天中的时间或一个风险曲线与另一风险曲线的接近度中的至少一个。重要度值是至少一个单一特定症状风险曲线的峰值。得出至少一个单一特定症状风险曲线是基于高于特定可信度水平的数据。输出信息包括输出数字、字母数字或图形信息中的至少一种。输出信息包括将行为改变或治疗改变中的至少一种输出到治疗时间区域以减少时间窗口中的单个症状。输出信息包括将信息输出到连接的胰岛素泵或胰岛素笔，或输出到推注计算器。输出信息包括输出风险曲线或治疗相关区域中的至少一个的图示或风险曲线或治疗相关区域中的至少一个的相对重要性。
165.在一实施方式中，一种系统包括：至少一个处理器；一种非瞬时计算机可读介质，包括：指令，其当由至少一个所述处理器执行时，使所述系统：导出至少一个单一特定症状风险曲线；确定与至少一个单一特定症状风险曲线相关的至少一个治疗相关区域；确定至少一个治疗相关区域的重要度值；以及根据重要度值输出信息。
166.实现方式可以包括以下特征中的一些或全部。该系统还包括指令，其当由至少一个处理器执行时使系统接收葡萄糖数据，其中，使用葡萄糖数据导出至少一个单一特定症状风险曲线。葡萄糖数据包括cgm(连续葡萄糖监测)读数、分配给cgm值的信任度读数、自我监测血糖读数或回顾性校准或校正的cgm读数中的至少一种。葡萄糖数据包括至少一周中的时间段。至少一个单一特定症状风险曲线使用葡萄糖数据描述随一天中的时间变化的低血糖风险或高血糖风险。导出至少一个单一特定症状风险曲线，包括：评估陡度(曲线的一阶和二阶导数)、频率、严重性、曲率、24小时内曲线中的平均值或曲线的可变性(平均值和标准偏差)。至少一个单一特定症状风险曲线基于选定时间段内的cgm信号指示血糖功能障碍，指示以选定时间段内低血糖或高血糖的预定严重性和频率为特征的循环时间窗口。至少一种单一特定症状风险曲线代表与高血糖分隔的低血糖症中的至少一种或与低血糖分隔的高血糖症中的至少一种。确定至少一个治疗相关区域包括从至少一个单一特定症状风险曲线识别至少一个治疗相关区域。至少一个治疗相关区域是一天24小时内的间隔，其中，患者的bg数据表明患者的胰岛素基础率或剂量或推注策略中的至少一种系统地不是最佳。至少一个治疗相关区域被识别并与至少一种风险曲线相关联，并且包括一天中的至少一个
间隔，其中，一种或多种单一特定症状风险曲线表明潜在的血糖功能障碍。
167.实现方式还可以包括以下特征中的一些或全部。系统还包括指令，其当由至少一个处理器执行时，使所述系统识别可以通过调整胰岛素治疗的参数或时间来减轻至少一种单一特定症状风险曲线的时间段。确定至少一个治疗相关区域是基于预测候选行为改变或治疗改变中的至少一个以降低单一症状血糖风险而不后续加重另一症状。确定至少一个治疗相关区域的重要度值包括优先考虑治疗意义重大或可解决的区域。确定至少一个治疗相关区域的重要度值包括评估风险的大小。确定至少一个治疗相关区域的重要度值包括考虑一天中的时间或一个风险曲线与另一风险曲线的接近度中的至少一个。重要度值是至少一个单一特定症状风险曲线的峰值。得出至少一个单一特定症状风险曲线是基于高于特定可信度水平的数据。输出信息包括输出数字、字母数字或图形信息中的至少一种。输出信息包括将行为改变或治疗改变中的至少一种输出到治疗时间区域以减少时间窗口中的单个症状。输出信息包括将信息输出到连接的胰岛素泵或胰岛素笔，或输出到推注计算器。输出信息包括输出风险曲线或治疗相关区域中的至少一个的图示或风险曲线或治疗相关区域中的至少一个的相对重要性。
168.在一实施方式中，一种方法包括：接收葡萄糖和胰岛素数据；使用葡萄糖和胰岛素数据识别治疗改善机会；确定胰岛素治疗的候选改变；基于候选改变评估治疗风险的改善；量化候选改变的改善；基于改善输出至少一个候选改变。
169.实现方式可以包括以下特征中的一些或全部。从患者或连接的系统或设备中的至少一个接收葡萄糖和胰岛素数据。识别治疗改善机会包括接收用户对用餐时间、一天中的时间或参数设置中的至少一项的选择。参数设置是碳水化合物比例。对胰岛素治疗的候选改变包括对推注疗法或基础疗法的百分比增加或减少。对所述胰岛素治疗的所述候选改变包括对与所述推注疗法或所述基础疗法相关的胰岛素递送参数的改变。所述候选改变根据碳水化合物比例、校正因子、基础比率或曲线图。候选改变包括基础剂量敏感性。候选改变包括治疗区域中基础剂量或推注剂量的百分比改变。量化候选改变的改善包括比较风险曲线值。基于改善输出候选改变中的至少一个包括输出提供优化的风险曲线的候选改变。输出候选改变中的至少一种包括向用户界面或连接的设备提供图表形式的输出，其中，所述图表说明候选改变或优化的风险输出中的至少一种。连接的设备包括推注计算器。自然语言处理器进行输出，以描述候选更改和优化的风险结果。输出识别优化的治疗区域或区域组。
170.在一实施方式中，一种系统包括：治疗改善识别器，配置成评估患者经核对的葡萄糖和胰岛素数据以识别患者糖尿病管理例程中的进行治疗优化的区域，并产生治疗改善；相对胰岛素优化器被配置成对治疗提出改变，评估改变的影响，并量化与改变相关的改善；以及相对胰岛素优化器报告生成器，提供输出。
171.实现方式可以包括以下特征中的一些或全部。相对胰岛素优化器包括：改变提议器，配置成提议对胰岛素治疗的改变；影响评估器，配置成通过估计对历史葡萄糖值的风险曲线的影响来评估候选治疗改变的影响；以及改善量化器，配置成量化候选治疗改变的改善。改变提议器还被配置成提议改变作为在时间窗口中对基础或推注中的至少一个的百分比改变。改善量化器被配置成基于血糖结果度量的百分比改善或改变来量化候选治疗改变的改善。相对胰岛素优化器报告生成器被配置成向用户输出候选治疗改变。用户是临床医
生、患者或连接的设备或系统之一。治疗改善识别器包括用户对所要优化的治疗或一天中的时间的选择。用户是患者或临床医生。治疗改善由算法识别。
172.在一实施方式中，一种系统包括：至少一个处理器；和非瞬时计算机可读介质，包括：指令，其当由至少一个处理器执行时，使系统：接收葡萄糖和胰岛素数据；使用葡萄糖和胰岛素数据识别治疗改善机会；确定对胰岛素治疗的候选改变；根据候选改变评估治疗风险的改善；量化候选改变的改善；以及基于改善输出至少一个候选改变。
173.实现方式可以包括以下特征中的一些或全部。从患者或连接的系统或设备中的至少一个接收葡萄糖和胰岛素数据。识别治疗改善机会包括接收用户对用餐时间、一天中的时间或参数设置中的至少一项的选择。参数设置是碳水化合物比例。对胰岛素治疗的候选改变包括对推注疗法或基础疗法的百分比增加或减少。对所述胰岛素治疗的所述候选改变包括对与所述推注疗法或所述基础疗法相关的胰岛素递送参数的改变。所述候选改变根据碳水化合物比例、校正因子、基础比率或曲线图。候选改变包括基础剂量敏感性。候选改变包括治疗区域中基础剂量或推注剂量的百分比改变。量化候选改变的改善包括比较风险曲线值。基于改善输出候选改变中的至少一个包括输出提供优化的风险曲线的候选改变。输出候选改变中的至少一种包括向用户界面或连接的设备提供图表形式的输出，其中，所述图表说明候选改变或优化的风险输出中的至少一种。连接的设备包括推注计算器。自然语言处理器进行输出，以描述候选更改和优化的风险结果。输出识别优化的治疗区域或区域组。
174.在一实施方式中，一种方法包括：接收患者的葡萄糖数据、胰岛素数据或其他糖尿病相关数据中的至少一种；使用葡萄糖数据、胰岛素数据或其他糖尿病相关数据中的至少一种来识别治疗改善机会；确定患者的胰岛素给药策略；对患者依从性的胰岛素给药策略进行评分；对胰岛素给药策略进行优化；以及向用户提供包括优化的胰岛素策略参数的输出。
175.实现方式可以包括以下特征中的一些或全部。其他糖尿病相关数据包括进餐信息、特定膳食、进餐时间、进餐量、碳水化合物估计、成分信息或锻炼信息中的至少一个。从患者或连接的系统或设备中的至少一个接收葡萄糖数据、胰岛素数据或其他糖尿病相关数据中的至少一个。识别治疗改善机会包括接收用户对用餐时间、一天中的时间或参数设置中的至少一项的选择。参数设置是碳水化合物比例。胰岛素给药策略包括由患者在实践中实施的糖尿病管理或胰岛素策略，如从患者的葡萄糖数据、胰岛素数据或其他糖尿病相关数据中的至少一个确定。对胰岛素给药策略进行优化确定患者是否遵循已知的胰岛素策略，并分析确定的胰岛素策略参数的百分比变化的影响。用户是临床医生、患者或连接的设备或系统中的至少一个。自然语言处理器进行输出，以描述候选更改和优化的风险结果。提供输出包括以图表的形式向用户界面或连接的设备进行输出，所述图表说明优化的胰岛素策略参数。连接的设备包括推注计算器。
176.在一实施方式中，一种系统包括：治疗改善识别器，配置成评估患者经核对的葡萄糖和胰岛素数据以识别患者糖尿病管理例程中的进行治疗优化的区域，并产生治疗改善；胰岛素策略优化器，配置成确定患者是否坚持已知的胰岛素策略并分析确定的胰岛素策略参数的百分比变化的影响；以及治疗识别优化报告生成器，提供输出。
177.实现方式可以包括以下特征中的一些或全部。胰岛素策略优化器包括：胰岛素策
略识别器，配置成识别患者在实践中实施的糖尿病管理或胰岛素策略，如从核对的葡萄糖和胰岛素数据确定；依从性评分器，配置成量化患者对所识别的胰岛素策略的依从性；并且所识别的行为内的胰岛素策略优化器被配置成对所识别的胰岛素策略进行优化。糖尿病数据包括胰岛素数据和膳食数据。胰岛素策略识别器被配置成识别给药模式并基于此描述所识别的患者的胰岛素策略。胰岛素策略是患者在糖尿病管理中应用的行为方法学，包括胰岛素泵的使用、每日多次注射或2型疗法中的至少一种。依从性评分器被配置成生成针对患者对所识别的胰岛素策略的依从性程度计算的分数。所识别的行为内的胰岛素策略优化器被配置成反复地提议对所选治疗区域或区域组中的策略参数的百分比变化。输出包括优化的胰岛素策略参数。治疗识别优化报告生成器被配置成向用户输出候选治疗改变。用户是临床医生、患者或连接的设备或系统中的至少一个。自然语言处理器进行输出，以描述候选更改和优化的风险结果。
178.在一实施方式中，一种系统包括：至少一个处理器；非瞬时计算机可读介质，包括：指令，其当由至少一个所述处理器执行时，使所述系统：接收患者的葡萄糖数据、胰岛素数据或其他-糖尿病相关数据中的至少一种；使用所述葡萄糖数据、所述胰岛素数据或所述其他-糖尿病相关数据中的至少一项来识别治疗改善机会；确定所述患者的胰岛素给药策略；对患者依从性的所述胰岛素给药策略进行评分；对所述胰岛素给药策略进行优化；以及向用户提供包括优化的胰岛素策略参数的输出。
179.实现方式可以包括以下特征中的一些或全部。其他糖尿病相关数据包括进餐信息、特定膳食、进餐时间、进餐量、碳水化合物估计、成分信息或锻炼信息中的至少一个。从患者或连接的系统或设备中的至少一个接收葡萄糖数据、胰岛素数据或其他糖尿病相关数据中的至少一个。识别治疗改善机会包括接收用户对用餐时间、一天中的时间或参数设置中的至少一项的选择。参数设置是碳水化合物比例。胰岛素给药策略包括由患者在实践中实施的糖尿病管理或胰岛素策略，如从患者的葡萄糖数据、胰岛素数据或其他糖尿病相关数据中的至少一个确定。对胰岛素给药策略进行优化确定患者是否遵循已知的胰岛素策略，并分析确定的胰岛素策略参数的百分比变化的影响。用户是临床医生、患者或连接的设备或系统中的至少一个。自然语言处理器进行输出，以描述候选更改和优化的风险结果。提供输出包括以图表的形式向用户界面或连接的设备进行输出，所述图表说明优化的胰岛素策略参数。连接的设备包括推注计算器。
180.应当理解，本文描述的各种技术可以结合硬件组件或软件组件来实现，或者在适当的情况下，结合两者的组合来实现。可以使用的示例性硬件组件类型包括现场可编程门阵列(fpgas)、专用集成电路(asics)、专用标准产品(assps)、片上系统(socs)、复杂可编程逻辑器件(cplds)等。当前公开的主题的方法和装置，或其特定方面或部分，可以采取体现在诸如软盘、cd-roms、硬盘驱动器或其他任何机器可读存储介质等有形介质中的程序代码(即指令)的形式，其中，当程序代码加载到诸如计算机之类的机器中并由其执行时，该机器变成用于执行当前公开的主题的装置。
181.尽管示例性实现方式可以指在一个或多个独立计算机系统的上下文中，利用当前公开的主题，但主题不限于此，而是可以结合任何计算环境来实现，诸如网络或分布式计算环境。更进一步，当前公开的主题的方面可以在多个处理芯片或设备中或跨多个处理芯片或设备实现，并且可以类似地跨多个设备实现存储。例如，这样的设备可以包括个人计算
机、网络服务器和手持设备。
182.尽管已经以特定于结构特征和/或方法行为的语言描述了主题，但是应当理解，在所附权利要求中限定的主题不一定限于上述特定特征或行为。相反，上述特定特征和行为被公开为实施权利要求的示例形式。