使用上下文信息插补数据的制作方法

1.本发明整体涉及在糖尿病疾病进展分析和治疗中使用预测学习的方法和系统。


背景技术：

2.设备用于在测试时段期间监测与用户相关联的一个或多个参数。用户为糖尿病患者(用户)，并且测试时段包括监测血糖水平和其它数据。监测的血糖水平和其它数据用于监测糖尿病疾病的进展和治疗优化。在测试时段期间严格遵守并频繁捕获血糖水平和其它数据对于准确确定其糖尿病疾病的状态和所需的任何治疗调整而言至关重要。遗憾的是，一些用户(例如，糖尿病前期和非胰岛素依赖型2型糖尿病患者)不适应习惯性测试和记录数据，并且因此在进行结构化测试时段任务时会遇到挑战。并且，在测试时段期间可能会缺失一个或多个数据实例。当在测试时段期间缺失了一个或多个数据实例时，需要延长测试时段，以便为疾病进展和治疗优化分析提供完整可靠的数据集。
3.us 2020/0176121 a1描述了各种系统和方法。所公开的方法中的一种或多种使用机器学习算法来根据生物物理数据(诸如心率监测数据、进食日志或葡萄糖测量值)预测生物物理响应。生物物理响应可能包括行为响应。附加的系统和方法通过解析包含食品名称的字符串从食品中提取营养信息。
4.在us 2019/0252079 a1中，系统和方法被描述为向用户提供关于生理状况(诸如糖尿病)的管理的指导。确定可以基于由葡萄糖浓度传感器感测的患者葡萄糖浓度数据。可以确定与宿主葡萄糖浓度数据相关联的宿主状态变化。也可以确定至少部分地基于宿主状态变化的指导消息。指导消息可以通过用户界面递送。


技术实现要素：

5.公开了一种系统和方法，其用于可靠地捕获结构化测试数据以确保准确且合规的数据收集，并辅以基于上下文信息和预测学习的缺失值的智能插补。用户设备(例如，移动设备)被实施为允许可靠地捕获来自用户(例如，糖尿病患者(pwd))的血糖数据、膳食摄入数据、药物数据和活动数据。用户设备接收来自血糖监测器的血糖数据。血糖监测器是连续式血糖监测器(cgm)或现场监测血糖(smbg)计。血糖数据包括在测试时段期间测量的用户的多个血糖水平。测试时段包括一天或多天(例如，三天)。用户设备接收在测试时段期间与用户相关联的测试时段数据。测试时段数据包括与由用户在测试时段期间进食的多份餐食相关联的膳食摄入数据、与由用户在测试时段期间服用的多个药物剂量相关联的药物数据以及与用户在测试时段期间的多个预先安排的活动相关联的活动数据。
6.该用户设备基于对所接收的测试时段数据的分析来确定该数据的一部分缺失。对所接收的数据的分析包括对多个葡萄糖水平中的一个或多个血糖水平的分析以及对膳食摄入数据、药物数据和活动数据的分析。对该一个或多个血糖水平的分析包括确定血糖水平大于预定义血糖阈值。预定义血糖阈值是基于与以下各项中的一项或多项相关联的预期血糖水平中的一个或多个来确定的：餐食的碳水化合物含量、餐食的血糖概况、与药物剂量
中的药物相关联的动态指纹、预先安排的活动的类型、预先安排的活动的时长或与用户相关联的预定血糖水平增加。预定义血糖阈值是响应于餐食、预先安排的活动或药物剂量在测试时段的第一天而基于通用的基于人群的葡萄糖模型来确定的。预定义血糖阈值是响应于餐食、预先安排的活动或药物剂量在测试时段的第二天或第三天而基于时间加权的血糖模型来确定的。时间加权的血糖模型是使用在测试时段的第一天接收到的用户的血糖数据来开发的。
7.响应于确定数据的缺失部分包括与该多份餐食中的餐食相关联的膳食摄入数据并且确定用户进食了该餐食，用户设备用替代膳食摄入数据来插补数据的缺失部分。用户设备使用上下文信息来确定替代膳食摄入数据。用户设备确定数据的缺失部分包括膳食摄入数据包括对一份或多份安排的餐食的分析。响应于确定数据的缺失部分包括与该多个药物剂量中的药物剂量相关联的药物数据并且确定用户服用了该药物剂量，用户设备用替代药物数据来插补数据的缺失部分。用户设备确定数据的缺失部分包括药物数据包括对一个或多个安排的药物剂量的分析。响应于确定数据的缺失部分包括与该多个预先安排的活动中的预先安排的活动相关联的活动数据并且确定用户参与了该预先安排的活动，用户设备用替代活动数据来插补数据的缺失部分。用户设备确定数据的缺失部分包括活动数据包括对一个或多个预先安排的活动的分析。
8.替代数据，诸如替代膳食摄入数据、替代活动数据和替代药物数据，可以通过使用上下文信息(诸如至少一个血糖模型)来确定，上下文信息包括关于与膳食摄入、活动和药物摄入中的一项或多项相关联的至少一个参考血糖水平的预定数据。替代数据，诸如替代膳食摄入数据、替代活动数据和替代药物数据，具体可以基于通用的基于人群的血糖模型和时间加权的血糖模型中的一者或多者，其中基于人群的血糖模型可以具体地包括关于至少一个示例性个体响应于膳食摄入、活动和药物摄入中的一项或多项的血糖水平的预定信息，并且其中时间加权的血糖模型具体可以包括用户响应于膳食摄入、活动和药物摄入中的一项或多项的血糖水平的预定信息。
9.替代膳食摄入数据、替代活动数据和替代药物数据是响应于数据的缺失部分与该多天中的第一天的第一时间段相关联而基于通用的基于人群的血糖模型的。
10.通用的基于人群的血糖模型可以是或可以包括至少一个预测血糖水平响应。换句话讲，通用的基于人群的血糖模型可以是或可以包括关于以下各项中的一项或多项如何影响参考个体的血糖水平(诸如平均和/或代表性患者的血糖水平)的信息：膳食摄入，诸如餐食，即预先包装的餐食；预先安排的活动；和药物剂量，即预先包装的药物剂量。因此，作为实例，通用的基于人群的血糖模型可以包括关于根据膳食摄入、预先安排的活动和药物剂量中的一项或多项的平均血糖发展的预定数据，诸如一个或多个标准值和/或计算程序，即至少一种算法。具体地，作为简单实例，通用的基于人群的血糖模型可以是或可以包括一个或多个数据集，即数据表或矩阵，该一个或多个数据集将特定血糖水平分配给膳食摄入、活动(即预先安排的活动)和药物摄入(诸如药物剂量摄入)中的一项或多项，反之亦然。具体地，与血糖水平相关联的预定数据，即膳食摄入数据、活动数据或药物数据，随后可以用作替代数据，即用作替代膳食摄入数据、替代活动数据和/或替代药物数据。
11.通用的基于人群的血糖模型可以是或可以包括经训练的模型(诸如数学模型)，其通过使用机器学习、深度学习、神经网络或其它形式的人工智能中的一项或多项在至少一
个训练数据集(例如，预定训练数据集)上进行过训练。作为实例，通用的基于人群的血糖模型可以是经训练的模型，其包括选自由以下各项组成的组的至少一个模型：线性回归模型，其例如包括变换特征，诸如对数变换或多项式；至少一种非线性人工神经网络(ann)，特别是至少一种深度学习架构，诸如卷积nn、循环nn、长短期记忆nn等；至少一种支持向量机(svm)；至少一种基于内核的方法；树回归；随机森林。
12.通用的基于人群的血糖模型具体地可以是或可以包括用训练数据集训练的经训练的模型，训练数据集包括历史实验数据，诸如先前确定的数据(例如，先前测定的血糖水平)。具体地，通用的基于人群的血糖模型可以是或可以包括使用来自除用户之外的人的数据的预测血糖水平响应。作为实例，用于通用的基于人群的血糖模型的训练数据可以通过关于内部和外部因素和/或影响测量和关联多个糖尿病患者的血糖水平来获得。具体地，血糖水平可以在患者受到外部影响之后测量和/或监测，外部影响诸如体育锻炼和营养，即食物、饮料、药物或其它口服摄入。此外，可以确定内部因素，诸如糖尿病患者的个人数据，例如年龄、性别、体重、病程、疾病进展、药物类型、一般健康状态或其它个人因素和/或参数。可以另外获得其它数据，诸如环境信息，即天气数据等。相应测量的血糖水平可以用作训练数据，其中训练数据可以标记有相应的潜在影响，诸如外部影响和/或内部因素和/或关于训练数据在什么情况下获得的附加信息。所有信息都可以标记和链接(即在测量和确定数据的后续步骤中标记和链接)有血糖水平，从而，作为实例，获得用于训练通用的基于人群的血糖模型的训练数据集。获得用于通用的基于人群的血糖模型的训练数据的其它方式可能是可行的。
13.替代膳食摄入数据、替代活动数据和替代药物数据是响应于数据的缺失部分与该多天中的第二天或第三天的第二时间段相关联而基于时间加权的血糖模型的，该时间加权的血糖模型是使用在该多天中的第一天接收到的用户的血糖数据来开发的。
14.时间加权的血糖模型可以是或可以包括进一步基于用户的测试时段数据的至少一个预测血糖水平响应。换句话讲，时间加权的血糖模型可以基于通用的基于人群的血糖模型更新关于以下各项中的一项或多项如何影响用户在第一天的血糖水平并且在第一天之后可能如何影响该多天中的其他天的血糖水平的信息：膳食摄入，诸如餐食，即预先包装的餐食；预先安排的活动；和药物剂量，即预先包装的药物剂量。因此，作为实例，时间加权的血糖模型可以包括关于根据如在第一天测量和/或接收的膳食摄入、预先安排的活动和药物剂量中的一项或多项的用户的血糖发展的预定数据(诸如一个或多个值)。具体地，作为简单实例，时间加权的血糖模型可以是或可以包括一个或多个数据集，即数据表或矩阵，该一个或多个数据集将用户的特定血糖水平分配给用户的膳食摄入、用户的活动(即预先安排的活动)和用户的药物摄入(诸如由用户在第一天服用和/或执行的药物剂量)中的一项或多项，反之亦然。作为实例，时间加权的血糖模型可以是时间加权的，使得最接近测试时段的当天的用户的血糖水平响应被分配更高的相对权重。具体地，与用户在第一天的血糖水平相关联的预定数据，即用户的膳食摄入数据、活动数据或药物数据，随后可以用作随后几天的替代数据，即用作替代膳食摄入数据、替代活动数据和/或替代药物数据。具体地，时间加权的血糖模型的准确度可以随着每一天的过去而发展和改进，即通过每天收集和添加用户特定的血糖和摄入或表现数据而发展和改进。因此，在第三天，时间加权的血糖模型可以是或可以包括将用户的血糖水平分配给第一天和第二天两天的用户的膳食摄入、用户
的活动和用户的药物摄入中的一项或多项的数据，即在这两天之间的平均值。
15.时间加权的血糖模型可以是或可以包括经训练的模型(诸如数学模型)，其通过使用机器学习、深度学习、神经网络或其它形式的人工智能中的一项或多项在包括关于用户的信息的至少一个训练数据集(例如，预定的用户特定训练数据集)上进行过训练。作为实例，时间加权的血糖模型可以是经训练的模型，其包括选自由以下各项组成的组的至少一个模型：线性回归模型，其例如包括变换特征，诸如对数变换或多项式；至少一种非线性人工神经网络(ann)，特别是至少一种深度学习架构，诸如卷积nn、循环nn、长短期记忆nn等；至少一种支持向量机(svm)；至少一种基于内核的方法；树回归；随机森林。
16.具体地，时间加权的血糖模型可以是或可以包括可训练的模型，诸如可以基于从用户生成(例如，由用户连续生成)的附加训练数据进一步训练和/或更新的经训练的模型。因此，时间加权的血糖模型可以是或可以包括经训练的模型，即类似于通用的基于人群的血糖模型，但是用关于用户的血糖的信息进行过训练，即用从用户生成的训练数据集进行过训练，并且基于来自用户的附加数据进一步训练和/或更新。具体地，时间加权的血糖模型可以是或可以包括使用来自测试时段的前几天的用户测试时段数据的预测血糖水平响应。作为实例，时间加权的血糖模型可以是或者可以包括通过使用来自测试时段的前几天的测试时段数据更新的通用的基于人群的血糖模型。时间加权的血糖模型具体地可以是或者可以包括用从用户生成的训练数据训练和更新的可训练的模型，训练数据诸如先前确定的和继续确定的用户的血糖水平，特别是从血糖监测器接收到的血糖数据和测试时段数据，即膳食摄入数据、药物数据和活动数据。具体地，可以将用户的相应测量的血糖水平用作训练数据，其中训练数据可以标记有相应的潜在影响，诸如训练数据在相应情况下获得的相应的测试时段数据，即膳食摄入数据、药物数据和活动数据。所有信息都可以标记和链接(即在测量和确定训练时段数据的后续步骤中标记和链接)有用户的血糖水平，从而，作为实例，从用户获得用于训练时间加权的血糖模型的训练数据集。获得用于时间加权的血糖模型的训练数据的其它方式可能是可行的。
17.用户设备使用替代膳食摄入数据、替代药物数据或替代活动数据来识别与用户相关联的糖尿病状况的进展或消退。用户设备响应于糖尿病状况的进展或消退而调整胰岛素泵的配置以增加或减少向用户的胰岛素供应。
18.用户设备计算与替代膳食摄入数据、替代药物数据或替代活动数据相关联的置信度水平。聚合测试时段的一天的替代数据插补的每个实例的置信度水平以确定每日聚合置信度水平。用户设备响应于每日聚合置信度水平低于预定义置信度阈值而延长测试时段。当置信度水平大于预定义置信度阈值时，用户设备将替代膳食摄入数据、替代药物数据或替代活动数据添加到测试时段数据。用户设备使用测试时段数据来更新与用户相关联的学习模型。
19.响应于基于对接近与餐食相关联的第一时间段的多个葡萄糖水平中的一个或多个的分析来确定用户没有进食餐食，用户设备延长测试时段。响应于基于对接近与药物剂量相关联的第二时间段的多个葡萄糖水平中的一个或多个的分析来确定用户没有服用药物剂量，用户设备延长测试时段。响应于基于对接近与预先安排的活动相关联的第三时间段的多个葡萄糖水平中的一个或多个的分析来确定用户没有参与预先安排的活动，用户设备延长测试时段。用户设备响应于确定置信度水平低于预定置信度阈值而延长测试时段。
20.在实施例中，用户设备被配置为用替代数据来插补缺失的膳食摄入数据。用户设备使用上下文信息来确定替代数据。用户设备接收来自血糖监测器的血糖数据，该血糖数据包括在测试时段期间测量的用户的多个血糖水平。血糖监测器是cgm或smbg仪。用户设备接收与由用户在测试时段期间进食的多份餐食相关联的膳食摄入数据。膳食摄入数据包括由用户在测试时段期间进食的该多份餐食的大量营养素信息，其中该多份餐食是预先包装的餐食。
21.用户设备基于对所接收的膳食摄入数据的分析来确定膳食摄入数据的一部分缺失。膳食摄入数据的缺失部分与该多份餐食中的餐食相关联。用户设备基于该多个血糖水平中的血糖水平大于预定义血糖阈值来确定用户进食了该餐食。血糖水平接近与该餐食相关联的时间段。用户设备响应于确定用户进食了该餐食而用替代数据来插补膳食摄入数据的缺失部分。测试时段包括多天。替代数据是响应于该餐食在该多天中的第一天而基于通用的基于人群的血糖模型的。替代数据是响应于该餐食在该多天中的第二天或第三天而基于时间加权的血糖模型的，该时间加权的血糖模型是使用在该多天中的第一天接收到的用户的血糖数据来开发的。替代数据允许在测试时段结束时进行疾病进展分析或治疗分析中的一项或多项。
22.替代膳食摄入数据具体地可以通过使用上下文信息来确定，诸如至少一个血糖模型，即通用的基于人群的血糖模型和时间加权的血糖模型中的一者或多者，其包括关于与膳食摄入或至少一个类似膳食摄入相关联(诸如与先前的膳食摄入相关联)的至少一个血糖水平的预定数据。例如，膳食摄入或类似膳食摄入可以是或可以包括预先包装的餐食的摄入，诸如已知营养信息的餐食的摄入。作为简单实例，替代膳食摄入数据可以是膳食摄入数据的预定值，诸如平均值或标准值。具体地，作为实例，如果测试时段数据的缺失部分与该多天中的第一天的第一时间段相关联，则替代膳食摄入数据可以是如由通用血糖模型建议和/或预测的膳食摄入数据的值。附加地或另选地，作为实例，如果测试时段数据的缺失部分与该多天中的第二天或第三天的第二时间段相关联，则替代膳食摄入数据可以是如由时间加权的血糖模型建议和/或预测的膳食摄入数据的时间加权值。
23.用户设备计算替代数据插补的置信度水平。聚合测试时段的一天的替代数据插补的每个实例的置信度水平以确定每日聚合置信度水平。
24.响应于基于对接近该时间段的多个葡萄糖水平中的一个或多个的分析来确定用户没有进食餐食，用户设备延长测试时段。对接近该时间段的该一个或多个血糖水平的分析包括确定接近该时间段的该一个或多个血糖水平低于预定义血糖阈值。预定义血糖阈值是基于与以下各项中的一项或多项相关联的预期血糖水平来确定的：餐食的碳水化合物含量、餐食的血糖概况或与用户相关联的预定餐食血糖水平增加。预定义血糖阈值是响应于该餐食在该多天中的第一天而基于通用的基于人群的血糖模型来确定的。预定义血糖阈值是响应于该餐食在该多天中的第二天或第三天而基于时间加权的血糖模型来确定的。时间加权的血糖模型是使用在该多天中的第一天接收到的用户的血糖数据来开发的。
25.用户设备响应于确定替代数据的置信度水平低于预定置信度阈值而延长测试时段。响应于每日聚合置信度水平低于预定义置信度阈值而延长测试时段。该用户设备使用该替代数据来识别与该用户相关联的糖尿病状况的进展或消退。用户设备响应于糖尿病状况的进展或消退而调整胰岛素泵的配置以增加或减少向用户的胰岛素供应。
26.在实施例中，用户设备被配置为用替代数据来插补缺失的药物数据。用户设备接收来自血糖监测器的血糖数据，该血糖数据包括在测试时段期间测量的用户的多个血糖水平。血糖监测器是cgm或smbg仪。用户设备接收与由用户在测试时段期间服用的多个药物剂量相关联的药物数据。用户设备基于对所接收的药物数据的分析来确定药物数据的一部分缺失。药物数据的缺失部分与该多个药物剂量中的药物剂量相关联。用户设备基于该多个血糖水平中的血糖水平大于预定义血糖阈值以及对接近与该药物剂量相关联的时间段的活动数据的分析来确定用户服用了该药物剂量。例如，用户设备确定血糖水平与该药物剂量相关联而不与活动数据的缺失部分相关联。血糖水平接近与该药物剂量相关联的时间段。
27.用户设备响应于确定用户服用了该药物而用替代数据来插补药物数据的缺失部分。用户设备使用上下文信息来确定替代数据。替代数据允许在测试时段结束时进行疾病进展分析或治疗分析中的一项或多项。测试时段包括多天。替代数据是响应于该药物剂量在该多天中的第一天而基于通用的基于人群的血糖模型的。替代数据是响应于该药物剂量在该多天中的第二天或第三天而基于时间加权的血糖模型的，该时间加权的血糖模型是使用在该多天中的第一天接收到的用户的血糖数据来开发的。用户设备计算替代数据插补的置信度水平。
28.替代数据，即替代药物数据，具体地可以通过使用上下文信息来确定，诸如至少一个血糖模型，即通用的基于人群的血糖模型和时间加权的血糖模型中的一者或多者，其包括关于与药物剂量摄入或至少一个类似药物摄入相关联(诸如与先前药物剂量摄入相关联)的至少一个血糖水平的预定数据。例如，药物剂量摄入或类似药物摄入可以是或可以包括预先包装的药物剂量的摄入，诸如已知动态指纹(即对血糖水平具有已知影响)的药物剂量的摄入。作为简单实例，替代药物数据可以是药物数据的预定值，诸如平均值或标准值。具体地，作为实例，如果测试时段数据的缺失部分与该多天中的第一天的第一时间段相关联，则替代药物数据可以是如由通用血糖模型建议和/或预测的药物数据的值。附加地或另选地，作为实例，如果测试时段数据的缺失部分与该多天中的第二天或第三天的第二时间段相关联，则替代药物数据可以是如由时间加权的血糖模型建议和/或预测的药物数据的时间加权值。
29.响应于基于对接近该时间段的该多个葡萄糖水平中的一个或多个的分析来确定用户没有服用药物剂量，用户设备延长测试时段。对接近该时间段的该一个或多个血糖水平的分析包括确定接近该时间段的该一个或多个血糖水平低于预定义血糖阈值。预定义血糖阈值是基于与药物剂量中的药物相关联的动态指纹或与用户相关联的预定药物血糖水平增加来确定的。动态指纹包括起始时间、作用时间或退出时间中的一项或多项。预定义血糖阈值是响应于该药物剂量在该多天中的第一天而基于通用的基于人群的血糖模型来确定的。预定义血糖阈值是响应于该药物剂量在该多天中的第二天或第三天而基于时间加权的血糖模型来确定的，该时间加权的血糖模型是使用在该多天中的第一天接收到的用户的血糖数据来开发的。
30.用户设备响应于确定替代数据的置信度水平低于预定置信度阈值而延长测试时段。聚合测试时段的一天的替代数据插补的每个实例的置信度水平以确定每日聚合置信度水平，并且其中测试时段响应于每日聚合置信度水平低于预定义置信度阈值而延长。该用
户设备使用该替代数据来识别与该用户相关联的糖尿病状况的进展或消退。用户设备响应于糖尿病状况的进展或消退而调整胰岛素泵的配置以增加或减少向用户的胰岛素供应。
31.在实施例中，用户设备被配置为用替代数据来插补缺失的活动数据。用户设备接收来自血糖监测器的血糖数据，该血糖数据包括在测试时段期间测量的用户的多个血糖水平。血糖监测器是cgm或smbg仪。用户设备接收与用户在测试时段期间的多个预先安排的活动相关联的活动数据。用户设备基于对所接收的活动数据的分析来确定活动数据的一部分缺失。活动数据的缺失部分与该多个预先安排的活动中的预先安排的活动相关联。用户设备基于该多个血糖水平中的血糖水平大于预定义血糖阈值来确定用户参与了该预先安排的活动。血糖水平接近与该预先安排的活动相关联的时间段。用户设备基于对接近与该预先安排的活动相关联的时间段的药物数据的分析来确定用户参与了该预先安排的活动。用户设备确定血糖水平与该预先安排的活动相关联而不与药物数据的缺失部分相关联。
32.用户设备响应于确定用户参与了该预先安排的活动而用替代数据来插补活动数据的缺失部分。替代数据允许在测试时段结束时进行疾病进展分析或治疗分析中的一项或多项。测试时段包括多天。替代数据是响应于该预先安排的活动在该多天中的第一天而基于通用的基于人群的血糖模型的。替代数据是响应于该预先安排的活动在该多天中的第二天或第三天而基于时间加权的血糖模型的，该时间加权的血糖模型是使用在该多天中的第一天接收到的用户的血糖数据来开发的。
33.替代数据，即替代活动数据，具体地可以通过使用上下文信息来确定，诸如至少一个血糖模型，即通用的基于人群的血糖模型和时间加权的血糖模型中的一者或多者，其包括关于与预先安排的活动或至少一个类似活动相关联(诸如与先前执行的活动相关联)的至少一个血糖水平的预定数据。例如，预先安排的活动或类似活动可能对血糖水平具有已知影响。作为简单实例，替代活动数据可以是预先安排的活动数据的预定值，诸如平均值或标准值。具体地，作为实例，如果测试时段数据的缺失部分与该多天中的第一天的第一时间段相关联，则替代活动数据可以是如由通用血糖模型建议和/或预测的活动数据的值。附加地或另选地，作为实例，如果测试时段数据的缺失部分与该多天中的第二天或第三天的第二时间段相关联，则替代活动数据可以是如由时间加权的血糖模型建议和/或预测的活动数据的时间加权值。
34.用户设备计算替代数据插补的置信度水平。响应于基于对接近该时间段的该多个葡萄糖水平中的一个或多个的分析来确定用户没有参与预先安排的活动，用户设备延长测试时段。对接近该时间段的该一个或多个血糖水平的分析包括确定接近该时间段的该一个或多个血糖水平低于预定义血糖阈值。预定义血糖阈值是基于以下各项中的一项或多项来确定的：预先安排的活动的类型、预先安排的活动的时长或与用户相关联的预定活动血糖水平增加。预定义血糖阈值是响应于该活动在该多天中的第一天而基于通用的基于人群的血糖模型来确定的。预定义血糖阈值是响应于该活动在该多天中的第二天或第三天而基于时间加权的血糖模型来确定的，该时间加权的血糖模型是使用在该多天中的第一天接收到的用户的血糖数据来开发的。
35.用户设备响应于确定替代数据的置信度水平低于预定置信度阈值而延长测试时段。聚合测试时段的一天的替代数据插补的每个实例的置信度水平以确定每日聚合置信度水平，并且其中测试时段响应于每日聚合置信度水平低于预定义置信度阈值而延长。该用
户设备使用该替代数据来识别与该用户相关联的糖尿病状况的进展或消退。用户设备响应于糖尿病状况的进展或消退而调整胰岛素泵的配置以增加或减少向用户的胰岛素供应。
36.总之，提出了以下实施例：
37.实施例1.一种方法，其包括：从血糖监测器接收血糖数据，该血糖数据包括在测试时段期间测量的用户的多个血糖水平；接收在测试时段期间与用户相关联的测试时段数据，其中测试时段数据允许在测试时段结束时进行疾病进展分析或治疗分析中的一项或多项，测试时段数据包括：与由用户在测试时段期间进食的多份餐食相关联的膳食摄入数据、与由用户在测试时段期间服用的多个药物剂量相关联的药物数据以及与用户在测试时段期间的多个预先安排的活动相关联的活动数据；基于对所接收的数据的分析来确定测试时段数据的一部分缺失；响应于确定测试时段数据的缺失部分包括与该多份餐食中的餐食相关联的膳食摄入数据并且确定用户进食了该餐食，用替代膳食摄入数据来插补测试时段数据的缺失部分；响应于确定测试时段数据的缺失部分包括与该多个药物剂量中的药物剂量相关联的药物数据并且确定用户服用了该药物剂量，用替代药物数据来插补数据的缺失部分；响应于确定测试时段数据的缺失部分包括与该多个预先安排的活动中的预先安排的活动相关联的活动数据并且确定用户参与了该预先安排的活动，用替代活动数据来插补数据的缺失部分；计算与替代膳食摄入数据、替代药物数据或替代活动数据相关联的置信度水平；当置信度水平大于预定义阈值时，将替代膳食摄入数据、替代药物数据或替代活动数据添加到测试时段数据；以及响应于以下各项中的一项或多项而延长测试时段：基于对接近与餐食相关联的第一时间段的多个葡萄糖水平中的一个或多个的分析来确定用户没有进食餐食，基于对接近与药物剂量相关联的第二时间段的该多个葡萄糖水平中的一个或多个的分析来确定用户没有服用药物剂量，基于对接近与预先安排的活动相关联的第三时间段的该多个葡萄糖水平中的一个或多个的分析来确定用户没有参与预先安排的活动，或者确定置信度水平低于预定置信度阈值。
38.实施例2.根据实施例1所述的方法，其中测试时段包括多天，并且其中替代膳食摄入数据、替代活动数据和替代药物数据是响应于测试时段数据的缺失部分与该多天中的第一天的第一时间段相关联而基于通用的基于人群的血糖模型的。
39.实施例3.根据实施例2所述的方法，其中替代膳食摄入数据、替代活动数据和替代药物数据是响应于测试时段数据的缺失部分与该多天中的第二天或第三天的第二时间段相关联而基于时间加权的血糖模型的，该时间加权的血糖模型是使用在该多天中的第一天接收到的用户的血糖数据来开发的。
40.实施例4.根据实施例1所述的方法，其中对所接收的测试时段数据的分析包括：对该多个血糖水平中的一个或多个血糖水平的分析；以及对膳食摄入数据、药物数据和活动数据的分析。
41.实施例5.根据实施例4所述的方法，其中对该一个或多个血糖水平的分析包括确定血糖水平大于预定义血糖阈值。
42.实施例6.根据实施例5所述的方法，其中预定义血糖阈值是基于与以下各项中的一项或多项相关联的预期血糖水平：餐食的碳水化合物含量、餐食的血糖概况、与药物剂量中的药物相关联的动态指纹、预先安排的活动的类型、预先安排的活动的时长或与用户相关联的预定血糖水平增加。
43.实施例7.根据实施例1所述的方法，其中测试时段包括多天，并且其中预定义血糖阈值是响应于餐食、预先安排的活动或药物剂量在该多天中的第一天而基于通用的基于人群的血糖模型来确定的。
44.实施例8.根据实施例7所述的方法，其中预定义血糖阈值是响应于餐食、预先安排的活动或药物剂量在该多天中的第二天或第三天而基于时间加权的血糖模型来确定的，该时间加权的血糖模型是使用在该多天中的第一天接收到的用户的血糖数据来开发的。
45.实施例9.根据实施例1所述的方法，其中血糖监测器是连续式血糖监测器(cgm)或现场监测血糖(smbg)计。
46.实施例10.根据实施例1所述的方法，其中确定测试时段数据的缺失部分包括膳食摄入数据包括对一份或多份安排的餐食的分析，并且其中确定数据的缺失部分包括药物数据包括对一个或多个安排的药物剂量的分析，并且其中确定测试时段数据的缺失部分包括活动数据包括对一个或多个预先安排的活动的分析。
47.实施例11.根据实施例1所述的方法，其中聚合测试时段的一天的替代数据插补的每个实例的置信度水平以确定每日聚合置信度水平，并且其中测试时段响应于每日聚合置信度水平低于预定义置信度阈值而延长。
48.实施例12.根据实施例1所述的方法，其进一步包括：使用替代膳食摄入数据、替代药物数据或替代活动数据来识别与用户相关联的糖尿病状况的进展或消退；以及响应于糖尿病状况的进展或消退而调整胰岛素泵的配置以增加或减少向用户的胰岛素供应。
49.实施例13.根据实施例1所述的方法，其进一步包括使用测试时段数据来更新与用户相关联的学习模型。
50.实施例14.一种方法，其包括：从血糖监测器接收血糖数据，该血糖数据包括在测试时段期间测量的用户的多个血糖水平；接收与由用户在测试时段期间进食的多份餐食相关联的膳食摄入数据；基于对所接收的膳食摄入数据的分析来确定膳食摄入数据的一部分缺失，其中膳食摄入数据的缺失部分与该多份餐食中的餐食相关联；基于该多个血糖水平中的血糖水平大于预定义血糖阈值来确定用户进食了该餐食，其中血糖水平接近与该餐食相关联的时间段；响应于确定用户进食了该餐食而用替代数据来插补膳食摄入数据的缺失部分，其中替代数据允许在测试时段结束时进行疾病进展分析或治疗分析中的一项或多项；计算替代数据插补的置信度水平；以及响应于以下各项中的一项或多项而延长测试时段：基于对接近该时间段的多个葡萄糖水平中的一个或多个的分析来确定用户没有进食该餐食，或者确定替代数据的置信度水平低于预定置信度阈值。
51.实施例15.根据实施例14所述的方法，其中测试时段包括多天，并且其中替代数据是响应于餐食在该多天中的第一天而基于通用的基于人群的血糖模型的，并且其中替代数据是响应于餐食在该多天中的第二天或第三天而基于时间加权的血糖模型的，该时间加权的血糖模型是使用在该多天中的第一天接收到的用户的血糖数据来开发的。
附图说明
52.图1是用于监测或治疗糖尿病状况的代表性环境的透视图。
53.图2示出了使用结构化测试时段来分析疾病进展和优化治疗的示例性过程的流程图。
54.图3是用于在结构化测试时段期间可靠地捕获数据的示例性过程的流程图。
55.图4示出了在结构化测试时段期间用于膳食数据插补的示例性过程的流程图。
56.图5示出了在结构化测试时段期间用于活动数据插补的示例性过程的流程图。
57.图6示出了在结构化测试时段期间用于药物数据插补的示例性过程的流程图。
58.图7示出了用于血糖数据插补的示例性过程的流程图。
59.图8示出了用于空腹血糖水平插补的示例性过程的流程图。
60.图9是示例性血糖监测设备的框图。
61.图10是示例性血糖测量(bgm)设备的框图。
62.图11是示出胰岛素泵的实例的框图。
63.图12是示例性计算设备的框图。
64.图13是示例性智能盘的框图。
具体实施方式
65.图1是用于监测或治疗糖尿病状况的代表性环境的透视图。如图1所示，患有糖尿病的用户100使用一个或多个血糖监测设备来帮助监测或治疗糖尿病状况。糖尿病状况包括代谢综合征、糖尿病前期、1型糖尿病、2型糖尿病或妊娠期糖尿病。当用户100的血糖水平高于或低于阈值血糖水平时，用户100可能处于极端糖尿病状态，诸如低血糖或高血糖。在图1的实施例中，用户100使用血糖监测设备来监测血糖水平。
66.如本文所用，术语“血糖监测设备”是指通过直接测量血液或通过间接检测过程来检测和报告用户血液中的葡萄糖水平的任何设备。血糖水平也称为血葡萄糖水平。血糖监测设备的实例包括但不严格限于连续式葡萄糖监测设备、快速葡萄糖监测设备和在“现场”监测过程中提供来自血液样品的血糖水平的单次测量值的血糖计。图1描绘了下文更详细描述的血糖监测设备的实例。
67.在一些实施例中，血糖监测设备是连续式血糖监测器(cgm)102。cgm 102包括皮下传感器，其用于感测和监测用户100的间质液中的葡萄糖量。cgm 102包括位于传感器正上方的发射设备，该发射设备为来自传感器的数据传输无线供电。cgm 102周期性地将指示用户100的血糖水平的数据传送到外部设备，诸如移动设备104，用于计算或存储用户100的血糖水平。
68.如本文所用，术语“移动设备”是指能够随着用户改变位置而移动的任何移动电子设备。示例性移动设备包括移动电话、智能手机、可穿戴设备、平板电脑、膝上型电脑、笔记本电脑、个人数字助理(pda)以及能够与用户一起移动的任何其它移动电子设备。移动设备的一些实施例将血糖监测器结合到集成设备中。
69.移动设备104的一些实施例用作cgm控制器设备。尽管移动设备104被提供为与cgm 102通信的设备的实例，但是cgm 102可以与其它专用cgm控制器设备通信以提供本文针对移动设备104描述的类似功能。cgm 102处理血糖数据以允许疾病进展分析和治疗分析。血糖数据在移动设备104或其它cmg控制器设备处进行处理，警报指示符被传送到cgm 102。
70.在一些实施例中，血糖监测通过快速葡萄糖监测(fgm)进行。fgm包括皮下传感器103，其用于感测和监测用户100的间质液中的葡萄糖量。当设备在传感器103的rf范围内时，单独的读取器设备(诸如移动设备104或另一个读取器设备)接收来自传感器的血糖信
息。传感器103将瞬时血糖水平或血糖水平的图形趋势发射到读取器设备以进行显示。
71.在一些实施例中，cgm 102是短期一次性cgm设备。短期一次性cgm设备在测试时段开始时激活，并且在测试时段期间测量用户的血糖水平。在实例中，短期一次性cgm设备将血糖水平测量值发送到移动设备104。在实例中，短期一次性cgm设备将血糖水平测量值发送到远程计算设备122。短期一次性cgm设备在测试时段结束后丢弃。
72.在一些实施例中，cgm 102是无显示器的，使得在测试时段期间不向用户呈现血糖水平测量值。当用户可以看到他们的血糖水平测量值时，他们往往会改变他们的行为。
73.在一些实施例中，cgm 102不与移动设备104通信。相反，cgm 102存储血糖水平测量值直到测试时段结束。在实例中，cgm被配置为将存储的血糖水平测量值传输到远程计算设备122。
74.在一些实施例中，用户使用血糖监测器(bgm)106(例如，现场监测血糖(smbg))作为血糖监测设备来监测血糖水平。bgm 106包括接收血糖测量条110的端口108。用户100将血液样品放置在血糖测量条110上。bgm 106分析样品并且测量样品中的血糖水平。从样品测量的血糖水平显示在bgm 106的显示器112上或传送到外部设备，诸如移动设备104。
75.由bgm 106测量或使用从cgm 102接收的数据计算的血糖水平用于治疗用户100的糖尿病状况。由bgm 106测量或使用从cgm 102接收的数据计算的血糖水平用于识别用户100的糖尿病状况的进展或消退。由bgm 106测量或使用从cgm 102接收的数据计算的血糖水平用于调整(例如，优化)与用户100相关联的治疗。
76.在一些实施例中，用户100使用移动式非耐用型胰岛素泵116或移动式耐用型胰岛素泵118来用胰岛素治疗糖尿病状况。移动设备104确定要施用给用户100的胰岛素量并且胰岛素泵116、118从移动设备104接收指令以将预定量的胰岛素递送给用户100。胰岛素泵116、118接收来自移动设备104的其它信息，诸如用户100的进餐时间信息或锻炼信息。胰岛素泵116、118基于从移动设备104接收到的信息来确定要施用的胰岛素量。胰岛素泵116、118将信息传送到移动设备104。传送到移动设备104的信息包括递送给用户100的胰岛素量、对应的递送时间或泵状态(例如，电池状态、胰岛素状态或泵的一部分的另一个状态)。由bgm 106测量或使用从cgm 102接收的数据计算的血糖水平用于响应于糖尿病状况的进展或消退而调整胰岛素泵116、118的配置或减少向用户的胰岛素供应。
77.在一些实施例中，用户100佩戴健身跟踪器114。健身跟踪器114是健身手环(例如，如图1所示)、智能手表或另一个可穿戴设备。健身跟踪器114测量并解释用户的活动或活动的缺乏。健身跟踪器114用于测量活动，诸如步行、运动、跑步、睡眠、静止、骑自行车、在椭圆机上锻炼等。由健身跟踪器114收集的数据(例如，活动数据)被传输到计算设备(例如，诸如移动设备104)并且可在计算设备上查看。
78.在一些实施例中，用户100接收预先包装的餐食130以在测试时段期间进食。预先包装的餐食130中的每一份包括餐食机器可读光学标签131。餐食机器可读光学标签131是条形码、qr码或某种其它唯一标识符。例如，用户100在消费餐食之前扫描餐食机器可读光学标签131以确认进食了相应的预先包装的餐食130。
79.在一些实施例中，用户100接收预先包装的药物剂量132以在测试时段期间服用。预先包装的药物剂量132中的每一个包括药物机器可读光学标签133。药物机器可读光学标签133是条形码、qr码或某种其它唯一标识符。例如，用户100在服用药物剂量之前扫描药物
机器可读光学标签133以确认服用了相应的预先包装的药物剂量132。
80.在一些实施例中，用户100使用智能盘128来进食餐食。智能盘128包括一个或多个传感器，该一个或多个传感器被配置为确定用户100已经吃掉了多少餐食(例如，预先包装的餐食)。智能盘128被配置为扫描预先包装的餐食130的餐食机器可读光学标签131。例如，智能盘128包括相机或条形码扫描仪。
81.移动设备104使用有线或无线通信与胰岛素泵116、118、cgm 102、bgm 106、健身跟踪器114和智能盘128通信。移动设备104、cgm 102、cgm控制器、bgm 106、健身跟踪器114、智能盘128和胰岛素泵116、118统称为用户设备。移动设备104使用相同或不同的无线协议与胰岛素泵116、118、cgm 102、bgm 106、健身跟踪器114和智能盘128通信。例如，移动设备104使用近场通信(nfc)、近场通信(nfc)、蜂窝通信协议、专有无线通信协议或另一个射频(rf)通信协议与胰岛素泵116、118、cgm 102、bgm 106、健身跟踪器114和智能盘128通信。
82.移动设备104接收数据并存储数据以帮助监测或治疗糖尿病状况。移动设备104经由在移动设备104的显示器上提供的用户界面(例如，图形用户界面(gui))接收来自用户100的输入。移动设备104经由在显示器上提供的硬按钮或软按钮接收输入。用户100经由移动设备的用户界面确认遵守结构化测试时段的一个或多个方面。例如，用户100经由移动设备104确认是否进食了餐食、服用了药物剂量和参与了活动。
83.移动设备104被配置为确定设备的位置。例如，移动设备104能够使用来自全球定位系统(gps)的信号或经由蜂窝通信的三角测量来确定设备的地理位置(例如，纬度和经度)。移动设备104使用rf信标设备126来确定相对位置。rf信标设备126经由短程无线通信(诸如低功耗(ble)信标或nfc信标)传送唯一标识符。移动设备104接收rf信标并且在数据库中(例如，在来自数据存储器124的信息中)执行查找以确定与唯一标识符相关联的相对位置。例如，移动设备104确定rf信标指示设备在家中或建筑物中的特定房间中、在建筑物中的特定楼层上、靠近预定义对象或在与另一个对象或位置相关联的信标的rf范围内。
84.移动设备104的一些实施例包括用于检测设备的相对定位或关于用户100的信息的一个或多个传感器。移动设备104检测移动或定向变化。基于一段时间内移动设备104的移动或定向变化(或移动或定向变化的缺乏)，移动设备104检测到用户100是站着、坐着还是躺着。当移动或定向变化大于阈值持续一段时间时，移动设备104检测到用户100正在锻炼。移动设备104使用心率传感器来检测用户100的心率。基于一段时间内用户100的心率和移动，移动设备104检测用户100是睡着还是醒着。关于移动设备104或用户100的信息用于提供关于糖尿病状况的信息或治疗糖尿病状况。
85.移动设备104向用户100提供关于用户的糖尿病状况的信息。例如，移动设备104提供血糖水平、提供与餐食相关的信息、提供与锻炼相关的信息、生成图形和其它图形用户界面以进行显示，或者生成提供给用户100的警报。例如，移动设备104测量用户100的血糖水平并且当用户100的血糖水平已经达到极端糖尿病状态(例如，低血糖或高血糖)的阈值时提供警报。由移动设备104提供的警报是可听或不可听的警报。不可听的警报被提供为振动、屏幕的闪烁或移动设备104上的led的闪烁。警报另外或另选地由外部设备基于来自移动设备104的通信来提供。移动设备104的一些实施例包括用于响应于在监测的血糖数据中
识别的数据指示或触发器而提供身体振动警报的电动马达或提供声音警报的扬声器。
86.移动设备104经由有线通信或短程无线通信(例如，移动设备104经由有线通信或短程无线通信(例如，ble、nfc或另一种合适的短程无线通信)直接与其它设备通信。移动设备104经由网络120(例如，使用网络、蜂窝网络、网络或另一个有线或无线网络)与远程计算设备122或数据存储器124间接通信。网络120是有线或无线网络。网络120用于通过互联网与其它设备通信。远程计算设备122中的一个或多个被配置为执行远程服务应用程序123。
87.移动设备104与远程计算设备通信以生成用于在移动设备104上显示的用户界面、执行远程计算或以其它方式控制远程计算设备。例如，移动设备104经由应用程序或网络浏览器提供在远程计算设备122处生成的用户界面。移动设备104基于与测试时段相关联的信息来生成用于提供提醒的指令。移动设备104显示对用户100的一个或多个提醒。提醒被配置为提醒用户100输入数据、服用药物、进食餐食、参与活动和进行血糖测量。
88.移动设备104与数据存储器124通信以存储信息或检索信息。信息包括与用户100、cgm 102、bgm 106、健身跟踪器114、智能盘128和胰岛素泵116、118相关的信息。例如，移动设备104接收与用户100相关联的治疗信息作为输入或接收来自cgm 102或bgm 106的血糖信息并且经由网络120将信息发送到数据存储器124。作为另一个实例，移动设备104接收来自健身跟踪器114的活动信息并且经由网络120将活动信息发送到数据存储器124。从数据存储器124中检索存储的信息以用于治疗用户的糖尿病状况。例如，移动设备104检索递送给用户100的胰岛素量或对应的递送时间。数据存储器124包括一个或多个远程存储位置，它们统称为云存储。例如，数据存储器124存储关于用户100的一个或多个个人特征(例如，用户的年龄或性别)的信息或警报的一个或多个警报配置文件。
89.用户设备中的一个或多个被实施用于可靠地捕获来自用户的测试时段数据(例如，在结构化测试时段期间)。测试时段数据包括血糖数据、膳食摄入数据、药物数据和活动数据。例如，移动设备104接收结构化测试时段期间的测试时段数据(例如，血糖数据、膳食摄入数据、药物数据和活动数据)。移动设备104执行用于收集测试时段数据的移动应用程序105。移动设备104(例如，经由移动应用程序105)被配置为收集测试时段数据、设置测试协议、接收提醒并且允许用户输入数据。移动设备104经由与用户设备中的一个或多个的通信收集测试时段数据。例如，用户设备中的一个或多个向移动设备104发送测试时段数据。移动设备104接收用户输入数据。例如，移动应用程序105为用户100提供用户界面以输入测试时段数据。
90.结构化测试时段的长度(例如，测试时段)是基于用户和他们的疾病状态来确定的。在实例中，测试时段为两天或更多天(例如，三天)长。在其它实例中，测试时段为一天。测试时段的长度在测试时段期间进行调整。例如，当移动设备104未接收到测试时段数据时，测试时段延长(例如，延长一天或更多天)。测试时段数据收集频率在测试时段的不同天中是可变的。例如，在测试时段的第一天比在测试时段的第二天或第三天更频繁地收集测试时段数据。
91.用户100使用移动应用程序105来设置一个或多个测试协议。测试协议包括要收集的测试时段数据的类型和测试时段数据的收集频率。移动设备104(例如，经由移动应用程序105)向用户发送一个或多个提醒。提醒被配置为提醒用户输入数据、服用药物、进食餐食、参与活动或进行血糖测量。
92.理想情况下，将收集并报告(例如，向移动设备104报告)所有测试时段数据。在测试时段期间，数据的一个或多个部分可能会缺失(例如，未被移动设备104接收)。例如，移动设备104确定未接收到数据的一个或多个部分(例如，血糖数据、膳食摄入数据、药物数据和活动数据)。移动设备104或远程计算设备122分析测试时段数据以确定缺失哪种类型的数据。例如，由于用户中的一个或多个忘记输入数据(例如，输入到移动应用程序105中)、移动设备104断电或者移动设备104的无线通信关闭，导致移动设备104未接收到数据的缺失部分。需要来自结构化测试阶段的完整数据集；因此，当数据缺失时，测试时段延长(例如，测试时段增加一天)。延长测试时段为收集完整数据集提供了另一次机会。但是，延长测试时段会打扰用户并且需要移动设备104和其它用户设备上的更多处理资源。由于使用更多处理资源来接收附加的测试时段数据并附加地多次更新学习模型，继续测试会耗尽移动设备104的电池电量。
93.测试时段的每一天的数据插补是有限的，例如，以确保测试时段数据的质量。在实例中，允许在测试时段的每一天进行一次插补。在实例中，允许在测试时段的第二天或之后进行两次插补。因为用于预测缺失数据的学习模型在测试时段的较晚时候更加准确，所以可以在测试时段的较晚时候允许更多次插补。如果在测试时段的一天中缺失的数据部分多于允许的插补次数，则测试时段延长，即使数据原本可以用替代数据来插补。
94.为了使用移动设备104上的移动应用程序105(例如，数据收集应用程序)来收集测试时段数据以监测测试时段数据，当由于获得的数据不准确并且有必要必须在测试时段的附加测试天数中收集测试时段数据而导致测试时段延长并且测试时段数据被传送给远程计算设备122(例如，远程软件应用程序123)时，移动设备104使用不必要的资源。延长测试时段会增加移动设备104与其它设备(例如，诸如远程计算设备122、健身跟踪器114和餐食盘128)之间执行的通信次数，这会在无线通信网络上产生附加的流量。
95.在一些实施例中，移动设备104或远程计算设备122执行追溯数据插补。例如，在确定测试时段数据的一部分缺失之后，移动设备104(例如，经由移动应用程序105)或远程计算设备122(例如，经由远程服务应用程序123)使用上下文信息来插补数据的缺失部分。用替代数据来插补数据的缺失部分。上下文信息包括血糖数据。例如，上下文信息包括与血糖数据相关联的起始时间、作用时间和峰值。用于插补缺失数据的上下文信息接近预先安排的事件或非安排事件。替代数据包括发生了预先安排的事件的确认、血糖数据或发生了非安排事件的确认。移动设备104在测试时段的每一天结束时插补缺失数据。在实例中，移动设备104通知用户数据缺失并且用替代数据插补了缺失的数据。作为选项，移动设备104请求用户确认插补的替代数据的准确度。
96.当数据的缺失部分对应于预先安排的事件时，移动设备104(例如，经由移动应用程序105)使用接近预先安排的事件被安排发生的时间的血糖数据。例如，移动设备104分析该血糖数据以确定是否发生了预先安排的事件。分析的血糖数据包括起始时间、作用时间和峰值。当移动设备104确定发生了预先安排的事件时，移动设备104用替代数据来插补数据的缺失部分。在这种情况下，替代数据包括发生了预先安排的事件的确认。
97.当移动设备104(例如，移动应用程序105)识别出不接近预先安排的事件的血糖数据变化时，移动设备确定该血糖数据变化是否对应于非安排事件。然后，移动设备104例如基于对血糖数据的分析来确定血糖数据的变化对应于哪种类型的非安排事件。当移动设备
104确定了血糖数据的变化对应于哪种类型的非安排事件时，移动设备104用替代数据(例如，其指示发生了非安排事件)来插补数据的缺失部分。
98.移动设备104计算插补(例如，插补的每个实例)的置信度水平。置信度水平是基于对上下文信息的分析来计算的。例如，移动设备104为插补的起始时间、作用时间和峰值分配不同的权重。移动设备104聚合权重以计算与插补相关联的置信度水平。当用户确认了插补的数据的准确度时，移动设备104增加插补的计算的置信度水平。
99.在实例中，移动设备104响应于插补的实例，在测试时段的当天的剩余时间内增加提醒和通知的频率、音量或振动强度，
100.移动设备104基于与插补相关联的置信度水平来确定是否要延长测试时段。如果置信度水平大于预定义置信度阈值，则移动设备104确定不延长测试时段。如果置信度水平小于或等于预定义置信度阈值，则移动设备104确定要延长测试时段。延长测试时段包括将测试时段增加一天或更多天。
101.移动设备104通过聚合测试时段的一天的替代数据插补的每个实例的置信度水平来确定每日聚合置信度水平。移动设备104响应于每日聚合置信度水平低于预定义置信度阈值而延长测试时段。
102.移动设备104基于插补次数来确定是否要延长测试时段。如果在测试时段的一天中插补次数过多，则移动设备104确定要延长测试时段。插补次数是否过多取决于测试时段的具体哪天。在实例中，在测试时段的第一天中两次或更多次插补是过多的。在实例中，在测试时段的第二天或较晚一天中三次或更多次插补是过多的。在实例中，如果整个测试时段中的插补次数过多，则数据不可用，并且需要另一个测试时段。
103.缺失数据的插补不能基于测试时段的前一天的插补数据。在测试时段的每一天结束时，移动设备104(例如，使用移动应用程序105)向用户报告插补了哪个数据，例如，作为教育检查点以增加依从性。在实例中，移动设备104(例如，使用移动应用程序105)提供一个或多个行为改变提示以增加依从性。
104.移动设备104(例如，使用移动应用程序105)或一个或多个远程计算设备122(例如，使用远程服务应用程序123)基于测试时段数据来分析疾病进展并且优化治疗。例如，测试时段数据使远程计算设备122能够识别针对用户100的更适当的(例如，最佳的)药物。当使用不完整或不准确的测试数据来选择针对用户100的药物时，选择了针对用户100的次优药物，这可能导致用户疾病的更快进展。而当使用完整数据(例如，用数据插补)来选择针对用户100的药物时，可以减缓用户疾病的进展或者可以延迟用户100需要服用胰岛素的时间。
105.在一些实施例中，移动设备104执行前瞻数据插补。前瞻数据插补减少了移动设备104在测试时段期间所需的处理资源，并且通过减少测试时段数据报告的实例来减少了无线通信带宽。在实例中，血糖信息报告/接收的频率在测试时段期间是可调整的。血糖信息的频繁报告(例如，从cgm 102报告给移动设备104)消耗设备资源(例如，处理能力、电池电量或其它设备资源)。更低频率的血糖信息报告可以节省设备资源并且减少无线通信带宽。例如，移动设备104在测试时段的第一天期间以第一频率接收血糖信息(例如，从cgm 102接收)并且在测试时段的第二天期间以第二频率接收血糖信息。第二频率小于第一频率，使得在测试时段的第二天血糖信息报告之间的时间间隔更大。移动设备104在测试时段的第二
天的报告之间插补血糖数据(例如，通过基于在测试时段的第一天接收到的血糖信息来进行插值)，使得血糖信息量基本上是相同的。
106.在一些实施例中，移动设备104执行预测学习。例如，移动设备104在测试时段期间更新用户100的学习模型。在测试时段开始时，学习模型包括来自通用的基于人群的模型的数据。通用的基于人群的模型包括使用来自与用户具有相似概况(例如，年龄、性别、体重、病程、疾病进展或药物类型)的人的数据的预测血糖水平响应。在测试时段的第一天结束时，学习模型被更新为包括来自用户100在测试时段的第一天的预测血糖水平响应。在测试时段的第二天结束时，学习模型被更新为包括来自用户100在测试时段的第二天的预测血糖水平响应。学习模型是时间加权的，使得最接近测试时段的当天的用户的血糖水平响应被分配更高的相对权重。
107.图2示出了使用结构化测试时段来分析疾病进展和优化治疗的示例性过程200的流程图。例如，示例性过程200由一个或多个设备执行，诸如一个或多个用户设备。过程200由单个用户设备执行，或者分布在多个设备上。例如，过程200由计算设备(例如，诸如图1所示的移动设备104或远程计算设备122)执行。过程200的部分由其它设备诸如血糖监测器(例如，图1所示的cgm 102或bgm 106)执行。
108.如图2所示，在202处启动测试时段。测试时段是不频发的、限定的数据捕获时段。例如，测试时段为两天或更多天(例如，三天)。在测试时段期间，测试协议可能每天多次要求信息。例如，在测试时段期间，测试协议可能每天三次要求信息。
109.在204处，移动设备或血糖监测器监测测试时段期间的血糖数据。在实例中，移动设备接收来自血糖监测器的血糖数据。在测试时段期间定期接收血糖数据。在实例中，在测试时段的第一天、第二天和第三天，间隔是不同的。血糖数据包括特定时间的血糖水平。例如，用户的血糖水平是在餐食前后、服用药物前后、活动前后、就寝前后测量的。血糖数据包括空腹血糖水平。例如，用户的血糖水平是在就寝之前、夜间(例如，午夜至早上6点之间)以及用户醒来时测量的。
110.在206处，移动设备确定是否要延长测试时段。当血糖数据的多于一个实例缺失时，移动设备确定要延长测试时段。当血糖数据的一个实例缺失并且缺失的数据无法用替代数据来插补时，移动设备确定要延长测试时段。当移动设备确定要延长测试时段时，移动设备将测试时段增加一天或更多天，并且在204处在增加的数天中继续监测血糖数据。在增加的数天之后，移动设备再次确定是否要延长测试时段。当移动设备确定不延长测试时段时，移动设备在208处将测试时段数据发送到远程服务应用程序，该远程服务应用程序在可由医疗保健专业人员(hcp)操作的远程计算设备上运行。在测试时段的每一天结束时或在测试时段结束时，移动设备在208处发送测试时段数据。
111.在210处，远程计算设备上的远程服务应用程序或移动设备分析测试时段数据以确定疾病进展并且优化治疗。例如，测试时段数据允许识别与用户相关联的糖尿病状况的进展或消退。在实例中，响应于糖尿病状况的进展或消退而调整胰岛素泵(例如，诸如图1所示的移动式非耐用型胰岛素泵116或移动式耐用型胰岛素泵118)的一个或多个配置以增加或减少向用户的胰岛素供应。在实例中，响应于测试时段数据而调整药物量或药物用药频率。
112.远程计算设备或移动设备将测试时段数据与来自用户的先前测试时段的先前测
试时段数据进行比较。在其它实例中，远程计算设备或移动设备将测试时段数据与通用的人群模型进行比较。远程计算设备或移动设备建立用户的基线疾病进展，例如，在该测试时段是用户的第一测试时段的情况下。远程计算设备更新先前的用户特定模型(例如，先前的学习模型)，例如，在该测试时段是用户的第二测试时段或更晚的测试时段的情况下。
113.测试时段的每一天包括对所接收的测试时段数据的分析以确定是否缺失任何数据。当测试时段数据的一部分缺失时，移动设备确定缺失的数据是否可以用替代数据来插补。如果可以用替代数据来插补缺失的数据，则计算插补的替代数据的置信度水平。当插补的替代数据的置信度水平高于预定义阈值(例如，90％)时，将替代数据添加到当天的测试时段数据。当天的测试时段数据用于更新与用户相关联的学习模型。
114.图3示出了结构化测试时段的一天中的示例性过程300的流程图。例如，示例性过程300由一个或多个设备执行，诸如一个或多个用户设备。过程300由单个用户设备执行，或者分布在多个设备上。例如，过程300由计算设备(例如，诸如图1所示的移动设备104)执行。在测试时段的每一天执行过程300。测试时段是不频发的、限定的数据捕获时段。例如，测试时段为两天或更多天(例如，三天)。例如，在测试时段的每一天开始时启动过程300。
115.如图3所示，在302处开始测试时段的一天。移动设备向用户指示(例如，经由显示器、提醒或警报)测试时段的一天已经开始。当用户醒来时，测试时段的一天开始。例如，当移动设备接收到用户的早晨空腹血糖水平时，测试时段的一天开始。
116.在304处，移动设备接收测试时段期间的测试时段数据。测试时段数据包括血糖数据、膳食摄入数据、活动数据和药物数据。移动设备接收来自血糖监测器(例如，图1所示的cgm 102或bgm 106)的血糖数据。血糖数据包括在测试时段期间测量的用户的一个或多个血糖水平。在测试时段期间定期接收血糖数据。在实例中，在测试时段的第一天、第二天或第三天，间隔是不同的。血糖数据包括特定时间的血糖水平(例如，测量值)。例如，用户的血糖水平是在餐食前后、服用药物前后、活动前后、就寝前后测量的。血糖数据包括空腹血糖水平。例如，用户的血糖水平是在就寝之前、午夜以及用户醒来时测量的。
117.膳食数据包括用户是否进食了餐食、餐食的碳水化合物含量、与餐食相关联的营养信息(例如，餐食的血糖概况、餐食的大量营养素信息、餐食的碳水化合物含量)、预定餐食血糖水平增加、用户进食的餐食的百分比或膳食的大量营养素信息。活动数据包括用户是否参与了活动、活动的类型(例如，预先安排的活动)、活动的时长或预定活动血糖水平增加。药物数据包括用户是否服用了药物剂量、药物类型、与药物相关联的动态指纹或预定药物血糖水平增加。
118.经由在移动设备上执行的移动应用程序105经由无线通信接收测试时段数据。例如，移动应用程序105预先加载有安排的餐食、安排的药物或安排的活动中的一项或多项。移动应用程序105使用户能够指示是否吃掉了安排的餐食、是否服用了安排的药物以及是否进行了安排的活动。
119.在实例中，膳食摄入数据由用户输入到移动应用程序105中。例如，用户经由移动应用程序105指示是否进食了餐食以及进食餐食的时间。餐食是大份餐食、小份餐食或零食。用户在移动应用程序105中输入与餐食相关联的营养信息以及进食了多少餐食。附加地或另选地，餐食是预先包装的餐食(例如，诸如图1所示的预先包装的餐食130)。预先包装的餐食中的每一份包括机器可读光学标签(例如，诸如图1所示的餐食光学标签131)，该机器
可读光学标签可扫描以确定预先包装的餐食的营养信息。机器可读光学标签指示营养信息。例如，设备(例如，移动设备)基于机器可读光学标签来检索(例如，从存储器、从互联网或数据库检索)餐食的营养信息。
120.在实例中，用户使用智能盘(例如，诸如图1所示的智能盘128)来进食餐食。智能盘包括一个或多个传感器，该一个或多个传感器被配置为确定用户已经吃掉了多少餐食(例如，预先包装的餐食)。智能盘被配置为扫描预先包装的餐食的机器可读光学标签。例如，智能盘包括相机或条形码扫描仪。
121.在实例中，活动数据由用户输入到移动应用程序105中。例如，用户经由移动应用程序105指示用户是否参与了活动以及一天中参与活动的时间。活动是预先安排的活动或非安排活动。活动的实例包括跑步、慢跑、步行、瑜伽、力量训练、间歇训练和其它锻炼类型。用户还将活动的时长输入到移动应用程序105中。附加地或另选地，移动设备接收来自由用户佩戴的健身跟踪器(例如，诸如图1所示的健身跟踪器114)的数据。健身跟踪器是健身手环、手表或某种其它可穿戴设备，其配备有一个或多个传感器，这些传感器被配置为跟踪测试时段期间的活动水平。例如，来自健身跟踪器的数据指示用户何时参与了预先安排的活动或非安排活动。
122.在实例中，药物数据由用户输入到移动应用程序(例如，图1所示的移动应用程序105)中。例如，用户经由移动应用程序指示用户是否服用了药物剂量。药物剂量为预先安排的药物剂量或非安排药物剂量。附加地或另选地，药物剂量是预先包装的药物剂量(例如，诸如图1所示的药物剂量132)。预先包装的药物剂量中的每一个包括机器可读光学标签(例如，诸如图1所示的药物光学标签133)，该机器可读光学标签可扫描以指示用户服用了药物剂量。机器可读光学标签指示营养信息。例如，设备(例如，移动设备)基于机器可读光学标签来检索(例如，从存储器、从互联网或从数据库检索)餐食的营养信息。
123.在306处，移动设备确定是否缺失任何测试时段数据。移动设备基于对所接收的测试时段数据的分析来确定膳食数据、活动数据、药物数据或血糖数据是否缺失。
124.当移动设备确定测试时段的一天没有测试时段数据缺失时，移动设备在308处使用当天的测试时段数据来更新与用户相关联的学习模型(例如，时间加权的血糖模型)。更新后的学习模型在测试时段的未来数天中用于插补测试时段数据或识别缺失的数据是否可以由替代数据插补。过程300在320处停止。
125.当移动设备确定测试时段数据的一部分缺失时，移动设备在310处例如基于学习模型的分析和血糖数据来确定测试时段数据的缺失部分是否可以被插补。在测试时段的第一天，用通用的基于人群的数据来填充学习模型。例如，在测试时段的第一天，学习模型包括使用来自与用户具有相似概况(例如，年龄、性别、体重、病程、疾病进展或药物类型)的人的数据的预测血糖水平响应。
126.移动设备在310处确定缺失哪种类型的数据。例如，移动设备分析一份或多份安排的餐食、一个或多个安排的药物剂量或一个或多个预先安排的活动以确定缺失哪种类型的数据。移动设备基于对一份或多份安排的餐食的分析来确定测试时段数据的缺失部分包括膳食摄入数据。移动设备基于对一个或多个安排的药物剂量的分析来确定数据的缺失部分包括药物数据。移动设备基于对一个或多个预先安排的活动的分析来确定测试时段数据的缺失部分包括活动数据。
127.用测试时段的第二天、第三天和随后数天用户的时间加权的测试时段数据来填充学习模型。例如，学习模型包括使用来自测试时段的前几天的测试时段数据的预测血糖水平响应。例如，移动设备将接近测试时段数据的缺失部分的一个或多个测量的血糖水平与学习模型中的一个或多个血糖水平进行比较。移动设备基于学习模型的分析来确定用户是否进食了与测试时段数据的缺失部分相关联的餐食、用户是否参与了与测试时段数据的缺失部分相关联的活动或者用户是否服用了与测试时段数据的缺失部分相关联的药物剂量。在实例中，移动设备确定测试时段数据的缺失部分是否对应于血糖数据、膳食摄入数据、药物数据或活动数据。
128.当移动设备确定数据的缺失部分不能被插补时，移动设备在322处延长测试时段。当学习模型的分析没有结论时，移动设备确定数据的缺失部分不能被插补。在实例中，移动设备可能无法根据学习模型的分析来确定是否进食了餐食、服用了药物剂量或参与了活动。当测试时段延长时，移动设备将测试时段增加附加的一天。当测试时段延长时，移动设备在308处使用在测试时段的那一天接收到的测试时段数据来更新学习模型。
129.当移动设备确定数据的缺失部分可以被插补时，移动设备在312处用替代数据来插补数据的缺失部分。移动设备使用上下文信息来确定替代数据。在实例中，移动设备使用学习模型来插补数据的缺失部分。
130.在314处，移动设备计算插补的替代数据的置信度水平。插补的替代数据的置信度水平取决于缺失的数据的类型。例如，与插补缺失的餐后血糖水平的替代数据相比，插补缺失的餐前血糖水平的替代数据被分配了更高的置信度水平。餐前血糖水平的插补被分配了更高的置信度水平，因为餐后血糖水平对于更新学习模型、疾病进展分析和治疗分析而言更为关键。
131.在316处，移动设备确定插补的替代数据的置信度水平是否大于预定义置信度阈值。预定义置信度阈值为90％。当插补的替代数据的置信度水平大于预定义置信度阈值时，移动设备显示请求用户确认插补的替代数据的通知。当插补的替代数据的置信度水平大于预定义置信度阈值时，移动设备在318处将插补的替代数据添加到测试时段数据。然后，在308处使用测试时段数据(例如，具有插补的替代数据)来更新与用户相关联的学习模型。测试时段数据还用于分析疾病进展和优化治疗，例如，诸如图2所示的过程200的步骤210。在用当天的测试时段数据更新学习模型之后，过程300在320处结束。
132.图4示出了在结构化测试时段期间用于膳食数据插补的示例性过程400的流程图。例如，示例性过程400由一个或多个设备执行，诸如一个或多个用户设备。过程400由单个用户设备执行，或者分布在多个设备上。例如，过程400由计算设备(例如，诸如图1所示的移动设备104)执行。过程400在接近安排由用户进食餐食的时间段启动。附加地或另选地，过程400基于对血糖数据的分析来启动。例如，过程400由血糖水平增加启动。过程400在图3所示的过程300的步骤306处启动。
133.如图4所示，在402处，移动设备确定膳食数据是否缺失。在测试时段期间，用户经由移动应用程序(例如，诸如图1所示的移动应用程序105)将餐食消耗参数输入到移动设备(例如，诸如图1所示的移动设备104)中。餐食消耗参数包括要进食的食物、要进食的食物量以及与食物相关联的营养信息。当期望膳食数据(例如，餐食消耗参数)未被输入到移动应用程序中时，移动设备确定膳食数据缺失。
134.在进食餐食之前，用户扫描预先包装的餐食(例如，条形码)以指示将要进食哪份餐食。在实例中，预先包装的餐食在其包装中包括传感器，该传感器与移动设备通信(例如，经由基于接近度的通信、射频识别(rfid)、近场通信(nfc)或通信协议)以发送与餐食相关联的详细信息。预先包装的餐食与序列号相关联。用户将序列号输入到移动应用程序中。移动应用程序在存储器中存储有与餐食相关联的餐食营养信息或从食物数据库(例如，经由互联网)检索餐食营养信息。附加地或另选地，用户输入与餐食相关联的营养信息。例如，用户输入餐食的单独成分，并且移动应用程序填充营养信息。在这种情况下，移动应用程序维护或访问食物数据库以填充营养信息。在实例中，用户经由访问食物数据库或与食物数据库接口的用户界面来搜索并选择他们将在每份餐食期间进食的食品。
135.在进食餐食之后，用户确认进食了餐食的百分之多少。例如，用户确认进食了整份餐食或进食了餐食的一部分。移动设备启动餐食消耗提醒。移动设备在输入了餐食消耗参数之后预定时间量内启动餐食消耗提醒。在实例中，用户使用智能盘(例如，诸如图1所示的智能盘128)来进食餐食。智能盘包括一个或多个传感器，该一个或多个传感器被配置为确定用户已经吃掉了多少餐食(例如，预先包装的餐食)。例如，智能盘在用户完成进食前后对餐食进行称重。在实例中，智能盘被配置为扫描预先包装的餐食的机器可读光学标签。例如，智能盘包括相机或条形码扫描仪。智能盘将营养信息发送到移动设备。例如，智能盘向移动设备指示进食了多少餐食。当移动设备确定膳食数据没有缺失时，过程400在418处停止。
136.当移动设备确定膳食数据缺失时，移动设备在404处确定在测试时段的第一天膳食数据是否缺失。如果缺失测试时段的第一天的膳食数据，则移动设备在406处基于通用的基于人群的血糖模型来确定针对缺失的膳食数据的预定义血糖阈值。通用的基于人群的模型使用来自年龄相似、性别相同、病程相似或服用相似药物的其它糖尿病患者的一个或多个数据集来近似普通糖尿病患者的血糖水平响应。
137.如果缺失测试时段的第二天、第三天或较晚一天的膳食数据，则移动设备在408处基于与用户相关联的时间加权的血糖模型来确定预定义血糖阈值。时间加权的血糖模型是使用在测试时段的前一天或前几天(例如，第一天)接收到的用户的血糖数据来针对用户开发的。例如，时间加权的血糖模型使用在测试时段的第一天用户响应于进食餐食、服用药物和参与活动的血糖水平响应。时间加权的血糖模型在测试时段期间不断更新。时间加权的血糖模型为接近缺失的数据接收到的数据分配更大的权重。例如，为数据的特定部分分配的权重随着测试时段继续而减小。附加地或另选地，时间加权的血糖模型在测试时段的每一天结束时被更新。
138.在410处，移动设备确定用户的测量的血糖水平是否大于预定义血糖阈值。移动设备分析接近与餐食相关联的时间段的一个或多个血糖水平。作为实例，当餐食是午餐时，该时间段包括上午11点至下午1点。移动设备比较接近与餐食相关联的时间(例如，餐食之后)的用户的测量的血糖水平。当接近与餐食相关联的时间的用户的测量的血糖水平小于或等于预定义血糖阈值时，移动设备在416处确定用户没有进食餐食。并且，过程400在418处停止。
139.当测量的血糖水平大于预定义血糖阈值时，移动设备在412处确定用户进食了餐食。在414处，移动设备例如基于确定用户进食了餐食，用替代数据来插补缺失的膳食数据。
移动设备使用上下文信息来确定替代数据。用户经常错误地计算进食的食物量或进食的食物的营养信息。因此，膳食摄入数据的插补产生更准确的数据集，因为插补的膳食摄入数据可能比由用户输入的膳食摄入数据更准确。当用替代数据来插补缺失的膳食数据时，过程400在418处停止。
140.可以使用与用户相关联的学习模型来插补缺失的活动数据。在测试时段的第一天，学习模型是通用的基于人群的血糖模型。在测试时段的第二天和较晚数天，学习模型是时间加权的血糖模型。当接近缺失的活动数据的测量的血糖水平大于预定义血糖阈值时，确定用户参与了活动。使用学习模型来确定预定义血糖阈值。当用户参与了活动时，缺失的活动数据用替代数据来插补。
141.图5示出了在结构化测试时段期间用于活动数据插补的示例性过程500的流程图。例如，示例性过程500由一个或多个设备执行，诸如一个或多个用户设备。过程500由单个用户设备执行，或者分布在多个设备上。例如，过程500由计算设备(例如，诸如图1所示的移动设备104)执行。过程500在接近安排由用户参与活动的时间段启动。活动是预先安排的活动或非安排活动。附加地或另选地，过程500基于对血糖数据的分析来启动。移动设备接收测试时段期间的血糖数据(例如，来自血糖监测器)。血糖数据包括在测试时段期间用户的一个或多个测量的血糖水平。例如，过程500由血糖水平增加启动。过程500在图3所示的过程300的步骤306处启动。
142.如图5所示，在502处，移动设备确定活动数据是否缺失。在测试时段期间，用户经由移动应用程序(例如，诸如移动应用程序105)将活动参数输入到移动设备(例如，诸如移动设备104)中。活动参数包括活动类型、活动的时长或与用户相关联的预定活动血糖水平增加。当期望活动数据(例如，活动参数)未被输入到移动应用程序中时，移动设备确定活动数据缺失。在实例中，移动应用程序接收来自由用户佩戴的健身跟踪器的活动参数。
143.移动应用程序在存储器中存储有与活动相关联的信息或从活动数据库(例如，经由互联网)检索活动信息。活动信息包括在活动期间估计的努力水平或期望燃烧的估计卡路里量。附加地或另选地，用户输入活动信息。例如，用户输入活动的类型和活动的时长。移动应用程序基于活动的类型和活动的时长来填充活动信息。在这种情况下，移动应用程序维护或访问活动数据库以填充活动信息。在实例中，用户经由访问活动数据库或与活动数据库接口的用户界面来搜索并选择他们将参与的活动类型。
144.当移动设备确定活动数据没有缺失时，过程500在518处停止。
145.当移动设备确定活动数据缺失时，移动设备在504处确定在测试时段的第一天活动数据是否缺失。如果缺失测试时段的第一天的活动数据，则移动设备在506处基于通用的基于人群的血糖模型来确定针对缺失的活动数据的预定义血糖阈值。通用的基于人群的模型使用来自年龄相似、性别相同、病程相似或服用相似药物的其它糖尿病患者的一个或多个数据集来近似普通糖尿病患者的血糖水平响应。
146.如果缺失测试时段的第二天、第三天或较晚一天的活动数据，则移动设备在508处基于与用户相关联的时间加权的血糖模型来确定预定义血糖阈值。时间加权的血糖模型是使用在测试时段的前一天或前几天(例如，第一天)接收到的用户的血糖数据来针对用户开发的。例如，时间加权的血糖模型使用在测试时段的第一天用户响应于进食餐食、服用药物和参与活动的血糖水平响应。时间加权的血糖模型在测试时段期间不断更新。时间加权的
血糖模型为接近缺失的数据接收到的数据分配更大的权重。例如，为数据的特定部分分配的权重随着测试时段继续而减小。附加地或另选地，时间加权的血糖模型在测试时段的每一天结束时被更新。
147.在510处，移动设备确定用户的测量的血糖水平是否大于预定义血糖阈值。移动设备分析接近与活动相关联的时间段的一个或多个血糖水平。例如，当活动是晨跑时，该时间段包括早上6点至早上9点。移动设备比较接近与活动相关联的时间(例如，活动之后)的用户的测量的血糖水平。当测量的血糖水平小于或等于预定义血糖阈值时，移动设备在516处确定用户没有参与活动。并且，过程500在518处停止。
148.当测量的血糖水平大于预定义血糖阈值时，移动设备在512处确定用户参与了活动。在512处，移动设备基于对接近与活动相关联的时间段的药物数据的分析来确定用户参与了活动。例如，如果接近与活动相关联的时间段没有药物剂量，则移动设备排除药物剂量作为血糖水平升高的可能原因。在514处，移动设备例如基于确定用户参与了活动，用替代数据来插补缺失的活动数据。移动设备使用上下文信息来确定替代数据。当用替代数据来插补缺失的膳食数据时，过程500在518处停止。
149.可以使用与用户相关联的学习模型来插补缺失的药物数据。在测试时段的第一天，学习模型是通用的基于人群的血糖模型。在测试时段的第二天和较晚数天，学习模型是时间加权的血糖模型。当接近缺失的药物数据的测量的血糖水平大于预定义血糖阈值时，确定用户服用了药物剂量。使用学习模型来确定预定义血糖阈值。当用户服用了药物剂量时，缺失的活动数据用替代数据来插补。
150.图6示出了在结构化测试时段期间用于药物数据插补的示例性过程600的流程图。例如，示例性过程600由一个或多个设备执行，诸如一个或多个用户设备。过程600由单个用户设备执行，或者分布在多个设备上。例如，过程600由计算设备(例如，诸如图1所示的移动设备104)执行。过程600接近安排由用户服用药物剂量的时间段启动。药物剂量为预先安排的药物剂量或非安排药物剂量。非安排药物剂量包括止痛药、抗过敏药或感冒药。移动设备扫描非安排药物剂量的包装上的条形码以输入药物数据。附加地或另选地，过程600基于对血糖数据的分析来启动。移动设备接收测试时段期间的血糖数据(例如，来自血糖监测器)。血糖数据包括在测试时段期间用户的一个或多个测量的血糖水平。例如，过程600由血糖水平增加启动。过程600在图3所示的过程300的步骤306处启动。
151.如图6所示，在602处，移动设备确定药物数据是否缺失。在测试时段期间，用户经由移动应用程序(例如，诸如图1所示的移动应用程序105)将药物数据(例如，药物参数)输入到移动设备(例如，诸如图1所示的移动设备104)中。附加地或另选地，移动设备预先填充有药物数据，例如，作为电子处方过程的一部分。药物参数包括药物类型、药物用量、与药物剂量相关联的时间段或与用户相关联的预定药物血糖水平增加。当期望药物数据(例如，药物参数)未被输入到移动应用程序中时，移动设备确定药物数据缺失。移动应用程序从被配置为递送药物剂量的医疗设备(例如，诸如图1所示的移动式非耐用型胰岛素泵116或移动式耐用型胰岛素泵118)接收药物参数。
152.移动应用程序在存储器中存储有与药物相关联的信息或从药物数据库(例如，经由互联网)检索药物信息。药物信息包括与药物剂量中的药物相关联的动态指纹、与药物剂量中的药物相关联的动力学指纹或药物的用量。附加地或另选地，用户输入药物信息。例
如，用户输入药物的类型和用量，并且移动应用程序填充药物信息。在实例中，移动应用程序维护或访问药物数据库以填充药物信息。用户经由访问药物数据库的用户界面来搜索并选择他们将服用的药物类型。当移动设备确定药物数据没有缺失时，过程600在618处停止。
153.当移动设备确定药物数据缺失时，移动设备在604处确定在测试时段的第一天药物数据是否缺失。如果缺失测试时段的第一天的药物数据，则移动设备在606处基于通用的基于人群的血糖模型来确定针对缺失的药物数据的预定义血糖阈值。通用的基于人群的模型使用来自年龄相似、性别相同、病程相似或服用相似药物的其它糖尿病患者的一个或多个数据集来近似普通糖尿病患者的血糖水平响应。预定义血糖阈值是基于用户的体重来确定的。
154.如果缺失测试时段的第二天、第三天或较晚一天的药物数据，则移动设备在608处基于与用户相关联的时间加权的血糖模型来确定预定义血糖阈值。时间加权的血糖模型是使用在测试时段的前一天或前几天(例如，第一天)接收到的用户的血糖数据来针对用户开发的。例如，时间加权的血糖模型使用在测试时段的第一天用户响应于进食餐食、服用药物和参与活动的血糖水平响应。时间加权的血糖模型在测试时段期间不断更新。时间加权的血糖模型为接近缺失的数据接收到的数据分配更大的权重。例如，为数据的特定部分分配的权重随着测试时段继续而减小。附加地或另选地，时间加权的血糖模型在测试时段的每一天结束时被更新。
155.在610处，移动设备确定用户的测量的血糖水平是否大于预定义血糖阈值。移动设备分析接近与药物相关联的时间段的一个或多个血糖水平。例如，当药物剂量是与早餐一起服用的复合维生素时，该时间段包括上午7点至上午9点。移动设备比较接近与药物剂量相关联的时间(例如，药物剂量之后)的用户的测量的血糖水平。当测量的血糖水平小于或等于预定义血糖阈值时，移动设备在616处确定用户没有服用药物剂量。并且，过程600在618处停止。
156.当测量的血糖水平大于预定义血糖阈值时，移动设备在612处确定用户服用了药物剂量。在612处，移动设备基于对接近与药物剂量相关联的时间段的活动数据的分析来确定用户服用了药物剂量。例如，如果接近与药物剂量相关联的时间段没有活动，则移动设备排除活动作为血糖水平升高的可能原因。在614处，移动设备例如基于确定用户服用了药物剂量，用替代数据来插补缺失的药物数据。移动设备使用上下文信息来确定替代数据。当用替代数据来插补缺失的药物数据时，过程600在618处停止。
157.移动设备确定用户是否服用了双倍药物剂量，例如，以补偿缺失的剂量。例如，移动设备分析测量的血糖水平以确定用户是否服用了双倍药物剂量。
158.插补缺失的血糖数据。在实例中，使用与用户相关联的学习模型来插补缺失的血糖数据。在实例中，使用其它血糖数据来插补缺失的血糖数据。例如，估计接近缺失的血糖数据的一个或多个血糖水平。估计的血糖水平用于插补缺失的血糖数据。计算插补的血糖数据的置信度水平。
159.图7示出了在结构化测试时段期间用于血糖数据插补的示例性过程700的流程图。例如，示例性过程700由一个或多个设备执行，诸如一个或多个用户设备。过程700由单个用户设备执行，或者分布在多个设备上。例如，过程700由计算设备(例如，诸如图1所示的移动设备104)执行。过程700在接近与餐食、活动或药物剂量相关联的时间段启动。附加地或另
选地，过程700基于对血糖数据的分析来启动。移动设备接收测试时段期间的血糖数据(例如，来自血糖监测器)。血糖数据包括在测试时段期间用户的一个或多个测量的血糖水平。例如，过程700由血糖水平增加启动。
160.如图7所示，在702处，移动设备确定血糖数据中的缺漏。例如，移动设备在测试时段期间、餐食前后、药物剂量前后以及活动前后定期接收用户的血糖水平。当血糖水平中的一个或多个缺失时，移动设备在702处确定血糖数据中的缺漏。
161.在704处，移动设备估计接近缺漏的用户的血糖水平。移动设备使用上下文信息来估计用户的血糖水平。在实例中，移动设备通过在所接收的血糖水平之间进行插值来估计接近缺漏的用户的血糖水平。在实例中，移动设备使用与相同餐食、活动或药物剂量相关联的先前测量的血糖水平来估计接近缺漏的用户的血糖水平。
162.在706处，移动设备用估计的血糖水平插补血糖数据中的缺漏。在708处，移动设备计算插补的血糖水平的置信度水平。置信度水平是基于估计值的类型、测试时段的具体哪天或估计值前/后中的一项或多项来计算的。例如，经插值的血糖水平估计值被分配了比先前测量的血糖水平估计值更高的置信度水平。与测试时段的较早一天(例如，第一天)的经插值的血糖水平估计值相比，测试时段的较晚一天(例如，第二天或第三天)的经插值的血糖水平估计值被分配了更高的置信度水平。与餐食、活动或药物剂量之后的估计的血糖水平相比，餐食、活动或药物剂量之前的估计的血糖水平被分配了更高的置信度水平。当计算了置信度水平时，过程700在710处停止。
163.插补空腹血糖水平。在用户入睡之前测量用户的睡前血糖水平。当用户醒来时接收用户的早晨空腹血糖水平。如果未接收到用户的夜间空腹血糖水平，则用替代数据来插补夜间空腹血糖水平。在实例中，替代数据是用户在测试时段的不同天的夜间空腹血糖水平。在实例中，替代数据通过在睡前血糖水平与早晨空腹血糖水平之间进行插值来确定。
164.图8示出了在结构化测试时段期间用于空腹血糖水平插补的示例性过程800的流程图。例如，示例性过程800由一个或多个设备执行，诸如一个或多个用户设备。过程800由单个用户设备执行，或者分布在多个设备上。例如，过程800由计算设备(例如，诸如图1所示的移动设备104)执行。过程800在接近用户的就寝时间启动。例如，移动设备在用户的预先配置的就寝时间启动过程800。附加地或另选地，用户在入睡之前启动过程800。用户经由在移动设备上运行的移动应用程序(例如，诸如图1所示的移动应用程序105)启动该过程。
165.如图8所示，在802处，移动设备在用户入睡前接收血糖水平测量值。接收来自血糖监测器(例如，诸如图1所示的cgm 102或bgm 106)的血糖水平测量值。血糖水平测量值存储在移动设备的存储器中。
166.在804处，当用户醒来时，移动设备接收血糖水平测量值(例如，空腹血糖水平)。移动设备基于活动数据、移动设备的移动或移动设备的操作(例如，解锁)中的一项或多项来(例如，自动地)确定用户醒着。
167.在806处，移动设备确定是否在夜间(例如，午夜至早上6：00之间)测量了用户的空腹血糖水平。夜间空腹血糖水平是在就寝时间与用户醒来时间之间的中点测量的。如果在夜间测量了用户的用户空腹血糖水平，则过程800在812处停止。如果在夜间没有测量用户的空腹血糖水平，则移动设备在808处使用替代数据来插补夜间空腹血糖水平。在实例中，移动设备通过在就寝之前接收到的血糖水平测量值与当用户醒来时接收到的血糖水平测
量值之间进行插值来确定替代数据。在实例中，移动设备基于在测试时段的前一天或较晚一天测量的夜间空腹血糖水平来估计替代数据。
168.在808处，移动设备计算插补的夜间空腹血糖水平的置信度水平。置信度水平是基于估计值的类型或测试时段的具体哪天来计算的。例如，经插值的夜间空腹血糖水平估计值被分配了比先前或较晚测量的夜间空腹血糖水平估计值更高的置信度水平。与测试时段的较早一天(例如，第一天)的经插值的夜间空腹血糖水平估计值相比，测试时段的较晚一天(例如，第二天或第三天)的经插值的夜间空腹血糖水平估计值被分配了更高的置信度水平。当计算了置信度水平时，过程800在810处停止。
169.测试时段是不频发的、限定的数据捕获时段。例如，测试时段为两天或更多天(例如，三天)。测试时段由用户启动。附加地或另选地，测试时段被预先配置为在预定日期开始。在这种情况下，测试时段由用户的移动设备启动。移动设备(例如，经由显示器、提醒或警报)向用户指示测试时段已经启动。
170.图9是示例性血糖监测设备900(例如，诸如图1所示的cgm 102)的框图。血糖监测设备900是例如cgm或fgm。血糖监测设备900包括皮下传感器926，其用于感测和监测用户的间质液中的葡萄糖量。数据从传感器926发射到发射设备904。当血糖监测设备900是cgm时，发射设备904位于传感器926正上方并且经由电源920为来自传感器926的数据传输无线供电。当血糖监测设备900是fgm时，发射设备904是移动设备或其它读取器设备，当该设备在传感器926的rf范围内时，其即时接收来自传感器926的血糖信息。
171.发射设备904经由通信电路918接收来自传感器926的数据通信。通信电路918与处理器902电通信。处理器902包括一个或多个电路，诸如通用处理器、专用处理器、常规处理器、数字信号处理器(dsp)、微处理器、集成电路、可编程逻辑设备(pld)、专用集成电路(asic)等。处理器902执行信号编码、数据处理、功率控制、输入/输出处理或使发射设备904能够如本文所述执行的任何其它功能。
172.发射设备904包括用于与其它设备通信的另一个通信电路916。处理器902与通信电路916电通信以发送或接收信息。通信电路916、918能够执行有线或无线通信。例如，通信电路916、918包括一个或多个射频(rf)收发器，其用于经由天线或能够执行无线通信的其它通信模块发射和接收rf信号(例如，近场通信(nec)、蝰窝或其它合适的rf信号)。通信电路916、918使用相同的rf协议或不同的rf协议来进行通信。
173.处理器902将信息存储在存储器912中或从存储器检索信息。存储器912包括不可移动存储器或可移动存储器。不可移动存储器包括随机存取存储器(ram)、只读存储器(rom)、硬盘或任何其它类型的不可移动存储器。可移动存储器包括用户身份模块(sim)卡、记忆棒、存储卡(例如，数码相机存储卡)或任何其它类型的可移动存储器。处理器902访问存储器912以获得由发射设备904使用的可执行指令或其它信息。处理器902与一个或多个输入键924电通信，该一个或多个输入键用于向处理器902提供输入。
174.处理器902与扬声器914电通信或控制扬声器。扬声器914响应于由处理器902检测到的触发事件而提供可听声音(例如，音调、哔哔声或嗡嗡声)。
175.血糖监测设备900包括与处理器902电通信或由处理器控制的电动马达910。响应于由处理器902检测到的触发事件，电动马达910旋转并使血糖监测设备900振动(例如，以
指示警报)。电动马达910提供警报以补充可听报警或取代由扬声器914提供的可听报警。
176.图10是示例性血糖测量(bgm)设备1000(例如，诸如图1所示的bgm 106)的框图。血糖监测设备1000是例如现场监测血糖(smbg)仪。如图10所示，bgm设备1000包括用于控制bgm设备1000的功能的处理器1002。在各种实施例中，处理器1002包括一个或多个数字逻辑设备，诸如通用处理器、专用处理器、数字信号处理器(dsp)、微处理器、集成电路、可编程逻辑设备(pld)、专用集成电路(asic)和任何其它合适的数字逻辑设备。处理器1002执行信号编码、数据处理、功率控制、图像处理、输入/输出处理或使bgm设备1000能够如本文所述执行的任何其它功能。
177.处理器1002将信息存储在存储器1016中或从存储器检索信息。存储器1016包括不可移动存储器或可移动存储器。不可移动存储器包括随机存取存储器(ram)、只读存储器(rom)、硬盘或任何其它类型的不可移动存储器。可移动存储器包括用户身份模块(sim)卡、记忆棒、存储卡(例如，数码相机存储卡)或任何其它类型的可移动存储器。处理器1002访问存储器1016以获得由bgm设备1000使用的可执行指令或其它信息。
178.bgm设备1000包括一个或多个通信电路1018。处理器1002与通信电路1018电通信以发送或接收信息。通信电路1018能够执行有线或无线通信。例如，通信电路1018包括一个或多个射频(rf)收发器，其用于经由天线或能够执行无线通信的其它通信模块发射和接收rf信号(例如，近场通信(nfc)、蜂窝或其它合适的rf信号)。一个或多个通信电路1018能够执行红外(ir)通信。
179.处理器1002与小键盘1024电通信，该小键盘用于向处理器1002提供输入。小键盘1024包括用于接收来自用户的输入的一个或多个键。小键盘1024包括硬键或软键，这些键的功能可以随着用户执行选择而改变。
180.进入处理器1002的其它输入由bgm传感器模块1004提供。bgm传感器模块1004包括血糖测量引擎，其分析由患者在血糖测量条上提供的血液样品并且测量样品中的血糖量。
181.处理器1002与显示器1006电通信或在显示器上生成图像以向用户提供信息。显示器1006与处理器1002之间的通信是双向通信，因为显示器1006包括能够从用户接收信息并且向处理器1002提供此类信息的触摸屏模块。例如，显示器1006提供由用户进行选择的软按钮，用户的选择被触摸屏模块识别并被提供给处理器1002作为输入。
182.处理器1002与扬声器1008电通信或控制扬声器。扬声器1008响应于由处理器1002检测到的触发事件而提供可听声音(例如，音调、哔哔声或嗡嗡声)。
183.bgm设备1000包括与处理器1002电通信或由处理器控制的电动马达1010。响应于由处理器1002检测到的触发事件，电动马达1010旋转并使bgm设备1000振动(例如，以指示警报)。电动马达1010提供警报以补充可听报警或取代由扬声器1008提供的可听报警。
184.处理器1002与麦克风1022电通信或从麦克风接收信息。例如，处理器1002经由麦克风1022接收音频信号。
185.bgm设备1000包括视觉指示器，诸如一个或多个一个或多个发光二极管(led)1028。一个或多个led 1028发光或闪烁以向用户提供警报或传送其它信息(例如，电池电量低或设备接通)。
186.图11是示出胰岛素泵1100(例如，诸如图1所示的移动式非耐用型胰岛素泵116或移动式耐用型胰岛素泵118)的实例的框图。如图11所示，胰岛素泵1100包括处理器1102。处
理器1102包括一个或多个电路，诸如通用处理器、专用处理器、常规处理器、数字信号处理器(dsp)、微处理器、集成电路、可编程逻辑设备(pld)、专用集成电路(asic)等。处理器1102执行信号编码、数据处理、功率控制、图像处理、输入/输出处理或使胰岛素泵1100能够如本文所述执行的任何其它功能。
187.在图11的实施例中，处理器1102与胰岛素泵1100中的泵马达1104电通信或控制泵马达。泵马达1104驱动推动柱塞机构1114的驱动单元1112。柱塞机构1114从胰岛素筒(未示出)中推出胰岛素。胰岛素筒包括递送给用户的胰岛素供应。
188.处理器1102与显示器1106电通信或在显示器上生成图像以向用户提供信息。显示器1106与处理器1102之间的通信是双向通信，因为显示器1106包括能够从用户接收信息并且向处理器1102提供此类信息的触摸屏模块。例如，显示器1106提供由用户进行选择的软按钮，用户的选择被触摸屏模块识别并被提供给处理器1102作为输入。
189.处理器1102与扬声器1108电通信或控制扬声器。扬声器1108响应于由处理器1102检测到的触发事件而提供可听声音(例如，音调、哔哔声或嗡嗡声)。
190.胰岛素泵1100包括与处理器1102电通信或由处理器控制的电动马达1110。响应于由处理器1102检测到的触发事件，电动马达1110旋转并使胰岛素泵振动(例如，以指示警报)。电动马达1110提供警报以补充可听报警或取代由扬声器1108提供的可听报警。
191.处理器1102与存储器1116电通信。处理器将信息存储在存储器1116中或从存储器检索信息。存储器1116包括用于存储计算机可读介质的不可移动存储器或可移动存储器。不可移动存储器包括随机存取存储器(ram)、只读存储器(rom)、硬盘或任何其它类型的不可移动存储器。可移动存储器包括用户身份模块(sim)卡、记忆棒、存储卡(例如，数码相机存储卡)或任何其它类型的可移动存储器。处理器1102访问存储器1116以获得由胰岛素泵1100使用的可执行指令或其它信息。
192.胰岛素泵1100包括通信电路1118。处理器1102与通信电路1118电通信以发送或接收信息。通信电路1118能够执行有线或无线通信。例如，无线通信电路1118包括射频(rf)收发器，其用于经由天线或能够执行无线通信的其它通信模块发射和接收rf信号(例如，近场通信(nfc)、蜂窝或其它合适的rf信号)。通信电路1118能够执行红外(ir)通信。
193.处理器1102与小键盘1124电通信，该小键盘用于向处理器1102提供输入。小键盘1124包括用于接收来自用户的输入的一个或多个键。小键盘1124包括硬键或软键，这些键的功能可以随着用户执行选择而改变。
194.进入处理器1102的其它输入由传感器1126提供。传感器1126包括对胰岛素贮存器内的压力敏感的压力传感器；对胰岛素筒的存在敏感的筒传感器；或检测驱动单元1112中齿轮(未示出)的运动的运动传感器。
195.图12是示例性计算设备1200(例如，诸如图1所示的移动设备104)的框图。计算设备是例如移动计算设备，诸如平板电脑、蜂窝电话、可穿戴设备、cgm控制器设备或另一个计算设备。如图12所示，计算设备1200包括用于控制计算设备1200的功能的处理器1202。处理器1202包括一个或多个电路，诸如通用处理器、专用处理器、常规处理器、数字信号处理器(dsp)、微处理器、集成电路、可编程逻辑设备(pld)、专用集成电路(asic)等。处理器1202执行信号编码、数据处理、功率控制、图像处理、输入/输出处理或使计算设备1200能够如本文
所述执行的任何其它功能。
196.处理器1202将信息存储在存储器1216中或从存储器检索信息。存储器1216包括不可移动存储器或可移动存储器。不可移动存储器包括随机存取存储器(ram)、只读存储器(rom)、硬盘或任何其它类型的不可移动存储器。可移动存储器包括用户身份模块(sim)卡、记忆棒、存储卡(例如，数码相机存储卡)或任何其它类型的可移动存储器。处理器1202访问存储器1216以获得由计算设备1200使用的可执行指令或其它信息。
197.计算设备1200包括与处理器1202通信的相机1206。相机1206是数码相机或能够生成图像或视频(例如，图像序列)以供在计算设备1200处捕获的其它光学设备。相机1206包括能够响应于来自处理器1202的信号而闪烁的照明设备。照明设备闪烁以通过相机1206提供警报。
198.计算设备1200包括一个或多个通信电路1218。处理器1202与通信电路1218电通信以发送或接收信息。通信电路1218能够执行有线或无线通信。例如，通信电路1218包括一个或多个射频(rf)收发器，其用于经由天线或能够执行无线通信的其它通信模块发射和接收rf信号(例如，近场通信(nfc)、蜂窝或其它合适的无线收发器)。一个或多个通信电路1218能够执行红外(ir)通信。
199.处理器1202与小键盘1224电通信，该小键盘用于向处理器1202提供输入。小键盘1224包括用于接收来自用户的输入的一个或多个键。小键盘1224包括硬键或软键，这些键的功能可以随着用户执行选择而改变。
200.进入处理器1202的其它输入由一个或多个传感器1226提供。传感器1226包括运动传感器、接近传感器、心率监测传感器、加速度计、陀螺仪或计算设备上的另一个传感器。运动传感器发射红外信号或使用图像处理来感测移动。接近传感器发射红外信号以检测物体何时处于预定义接近度内。心率监测传感器实施光电容积描记法来检测用户体内的血流量。心率监测传感器包括一个或多个led或光电二极管以检测用户体内的血流量。心率监测传感器实施红外技术以检测用户体内的血流量。心率监测传感器采集心电图(ecg)并且从ecg中检测关于用户心率的信息。加速度计测量计算设备1200在给定方向上的非重力加速度。加速度计对与给定方向上的移动相关联的振动作出响应。来自加速度计的测量值被处理器1202用于确定计算设备1200的相对移动的量值或方向，或用户的相对定位(例如，站着、坐着或躺着)。陀螺仪用于确定计算设备1200的定向。
201.处理器1202与显示器1220电通信或在显示器上生成图像以向用户提供信息。显示器1220与处理器1202之间的通信是双向通信，因为显示器1220包括能够从用户接收信息并且向处理器1202提供此类信息的触摸屏模块。例如，显示器1220提供由用户进行选择的软按钮，用户的选择被触摸屏模块识别并被提供给处理器1202作为输入。
202.处理器1202与扬声器1208电通信或控制扬声器。扬声器1208响应于由处理器1202检测到的触发事件而提供可听声音(例如，音调、哔哔声或嗡嗡声)。
203.计算设备1200包括与处理器1202电通信或由处理器控制的电动马达1210。响应于由处理器1202检测到的触发事件，电动马达1210旋转并使计算设备1200振动(例如，以指示警报)。电动马达1210提供警报以补充可听报警或取代由扬声器1208提供的可听报警。
204.处理器1202与麦克风1214电通信或从麦克风接收信息。例如，处理器1202经由麦克风1214接收音频信号。
205.计算设备1200包括全球定位系统(gps)电路1204。gps电路1204能够接收gps信息。处理器1202能够基于经由gps电路接收到的gps信息来确定计算设备1200的gps坐标(例如，纬度和经度)。
206.计算设备1200包括视觉指示器，诸如一个或多个一个或多个发光二极管(led)1212。一个或多个led 1212发光或闪烁以向用户提供警报或传送其它信息(例如，电池电量低或设备接通)。
207.图13是示例性智能盘1300(例如，诸如图1所示的智能盘128)的框图。智能盘被配置为自动跟踪用户的餐食消耗，例如，在结构化测试时段期间。如图13所示，智能盘1300包括用于控制智能盘1300的功能的处理器1302。处理器1302包括一个或多个电路，诸如通用处理器、专用处理器、常规处理器、数字信号处理器(dsp)、微处理器、集成电路、可编程逻辑设备(pld)、专用集成电路(asic)等。处理器1302执行信号编码、数据处理、功率控制、图像处理、输入/输出处理或使智能盘1300能够如本文所述执行的任何其它功能。
208.处理器1302将信息存储在存储器1316中或从存储器检索信息。存储器1316包括不可移动存储器或可移动存储器。不可移动存储器包括随机存取存储器(ram)、只读存储器(rom)、硬盘或任何其它类型的不可移动存储器。可移动存储器包括用户身份模块(sim)卡、记忆棒、存储卡(例如，数码相机存储卡)或任何其它类型的可移动存储器。处理器1302访问存储器1316以获得由智能盘1300使用的可执行指令或其它信息。
209.智能盘1300包括与处理器1302通信的相机1306。相机1306是数码相机或能够生成图像或视频(例如，图像序列)以供在智能盘1300处捕获的其它光学设备。相机1306包括能够响应于来自处理器1302的信号而闪烁的照明设备。照明设备闪烁以通过相机1306提供警报。相机1306被配置为读取预先包装的餐食(例如，诸如图1所示的预先包装的餐食130)或包装食品上的机器可读光学标签(例如，条形码、qr码或某种其它唯一标识符)。处理器1302使用由相机1306捕获的图像来确定预先包装的餐食或包装食品的营养信息。
210.智能盘1300包括一个或多个通信电路1318。处理器1302与通信电路1318电通信以发送或接收信息。通信电路1318能够执行有线或无线通信。例如，通信电路1318包括一个或多个射频(rf)收发器，其用于经由天线或能够执行无线通信的其它通信模块发射和接收rf信号(例如，近场通信(nfc)、蜂窝或其它合适的无线收发器)。一个或多个通信电路1318能够执行红外(ir)通信。
211.处理器1302与小键盘1324电通信，该小键盘用于向处理器1302提供输入。小键盘1324包括用于接收来自用户的输入的一个或多个键。小键盘1324包括硬键或软键，这些键的功能可以随着用户执行选择而改变。
212.进入处理器1302的其它输入由一个或多个传感器1326提供。传感器1326包括运动传感器、接近传感器、重量传感器、加速度计、陀螺仪或智能盘上的另一个传感器。运动传感器发射红外信号或使用图像处理来感测移动。接近传感器发射红外信号以检测物体何时处于预定义接近度内。重量传感器测量智能盘1300上食物的重量。来自重量传感器的测量值被处理器1302用于确定餐食的重量、餐食中每种食物的重量、用户进食的餐食的百分比。加速度计测量智能盘1300在给定方向上的非重力加速度。加速度计对与给定方向上的移动相关联的振动作出响应。来自加速度计的测量值被处理器1302用于确定智能盘1300的相对移动的量值或方向，或用户的相对定位(例如，站着、坐着或躺着)。陀螺仪用于确定智能盘
1300的定向。
213.处理器1302与显示器1320电通信或在显示器上生成图像以向用户提供信息。显示器1320与处理器1302之间的通信是双向通信，因为显示器1320包括能够从用户接收信息并且向处理器1302提供此类信息的触摸屏模块。例如，显示器1320提供由用户进行选择的软按钮，用户的选择被触摸屏模块识别并被提供给处理器1302作为输入。
214.处理器1302与扬声器1308电通信或控制扬声器。扬声器1308响应于由处理器1302检测到的触发事件而提供可听声音(例如，音调、哔哔声或嗡嗡声)。
215.智能盘1300包括与处理器1302电通信或由处理器控制的电动马达1310。响应于由处理器1302检测到的触发事件，电动马达1310旋转并使智能盘1300振动(例如，以指示警报)。电动马达1310提供警报以补充可听报警或取代由扬声器1308提供的可听报警。
216.智能盘1300包括全球定位系统(gps)电路1304。gps电路1304能够接收gps信息。处理器1302能够基于经由gps电路接收到的gps信息来确定智能盘1300的gps坐标(例如，纬度和经度)。
217.智能盘1300包括视觉指示器，诸如一个或多个一个或多个发光二极管(led)1312。一个或多个led 1312发光或闪烁以向用户提供警报或传送其它信息(例如，电池电量低或设备接通)。
218.尽管上文以特定组合描述了特征、元件和功能，但是特征、元件或功能可单独使用或与其它特征、元件或功能以任何组合一起使用。随后可以做出各种目前无法预见或未预料到的替代、修改、变化或改进，它们也旨在被所附权利要求所涵盖。
219.本文所述的方法在并入计算机可读介质中以供计算机或处理器执行的计算机程序、软件或固件中实施。计算机可读介质的实例包括电子信号(通过有线或无线连接发射)和计算机可读存储介质。计算机可读存储介质的实例包括但不限于只读存储器(rom)、随机存取存储器(ram)、可移动磁盘和光学介质，诸如cd-rom磁盘和数字通用磁盘(dvd)。

技术特征：
1.一种计算机实现的方法，其包括：从血糖监测器(106，900，1000)接收血糖数据，所述血糖数据包括在测试时段期间测量的用户(100)的多个血糖水平；接收在所述测试时段期间与所述用户(100)相关联的测试时段数据，其中所述测试时段数据使得能够在所述测试时段的结束时进行疾病进展分析或治疗分析中的一项或多项，所述测试时段数据包括：与由所述用户(100)在所述测试时段期间进食的多份餐食相关联的膳食摄入数据，与由所述用户(100)在所述测试时段期间服用的多个药物剂量相关联的药物数据，以及与所述用户(100)在所述测试时段期间的多个预先安排的活动相关联的活动数据；基于对所接收的数据的分析来确定所述测试时段数据的一部分缺失；响应于确定所述测试时段数据的缺失部分包括与所述多份餐食中的餐食相关联的膳食摄入数据并且确定所述用户(100)进食了所述餐食而用替代膳食摄入数据来插补所述测试时段数据的所述缺失部分；响应于确定所述测试时段数据的所述缺失部分包括与所述多个药物剂量中的药物剂量相关联的药物数据并且确定所述用户(100)服用了所述药物剂量而用替代药物数据来插补所述测试时段数据的所述缺失部分；响应于确定所述测试时段数据的所述缺失部分包括与所述多个预先安排的活动中的预先安排的活动相关联的活动数据并且确定所述用户(100)参与了所述预先安排的活动而用替代活动数据来插补所述测试时段数据的所述缺失部分；计算与所述替代膳食摄入数据、所述替代药物数据或所述替代活动数据相关联的置信度水平；当所述置信度水平大于预定义阈值时，将所述替代膳食摄入数据、所述替代药物数据或所述替代活动数据添加到所述测试时段数据；响应于以下各项中的一项或多项而延长所述测试时段：基于对接近与所述餐食相关联的第一时间段的多个葡萄糖水平中的一个或多个的分析来确定所述用户(100)没有进食所述餐食，基于对接近与所述药物剂量相关联的第二时间段的多个葡萄糖水平中的一个或多个的分析来确定所述用户(100)没有服用所述药物剂量，基于对接近与所述预先安排的活动相关联的第三时间段的多个葡萄糖水平中的一个或多个的分析来确定所述用户(100)没有参与所述预先安排的活动，或者确定所述置信度水平低于预定置信度阈值；其中所述测试时段包括多天，并且其中所述替代膳食摄入数据、所述替代活动数据和所述替代药物数据是响应于所述测试时段数据的所述缺失部分与所述多天中的第一天的第一时间段相关联而基于通用的基于人群的血糖模型的，通用的基于人群的模型包括使用来自与所述用户(100)具有相似概况的人的数据的预测血糖水平响应；并且其中所述替代膳食摄入数据、所述替代活动数据和所述替代药物数据是响应于所述测试时段数据的所述缺失部分与所述多天中的第二天或第三天的第二时间段相关联而基于时间加权的血糖模型的，所述时间加权的血糖模型是使用在所述多天中的所述第一天接收
到的所述用户(100)的血糖数据来开发的，所述时间加权的血糖模型包括使用来自所述测试时段中的前几天的所述测试时段数据的预测血糖水平响应。2.根据权利要求1所述的方法，其中对所接收的测试时段数据的分析包括：对所述多个葡萄糖水平中的一个或多个血糖水平的分析；以及对所述膳食摄入数据、所述药物数据和所述活动数据的分析。3.根据权利要求2所述的方法，其中对所述一个或多个血糖水平的所述分析包括确定血糖水平大于预定义血糖阈值。4.根据权利要求3所述的方法，其中所述预定义血糖阈值是基于与以下各项中的一项或多项相关联的预期血糖水平而确定的：所述餐食的碳水化合物含量、所述餐食的血糖概况、与所述药物剂量中的药物相关联的动态指纹、所述预先安排的活动的类型、所述预先安排的活动的时长或与所述用户(100)相关联的预定血糖水平升高。5.根据权利要求1所述的方法，其中所述测试时段包括多天，并且其中所述预定义血糖阈值是响应于所述餐食、预先安排的活动或药物剂量在所述多天中的第一天而基于通用的基于人群的血糖模型来确定的。6.根据权利要求5所述的方法，其中所述预定义血糖阈值是响应于所述餐食、预先安排的活动或药物剂量在所述多天中的第二天或第三天而基于时间加权的血糖模型来确定的，所述时间加权的血糖模型是使用在所述多天中的所述第一天接收到的所述用户(100)的血糖数据来开发的。7.根据权利要求1所述的方法，其中所述血糖监测器(106，900，1000)是连续式血糖监测器(cgm)(102)或现场监测血糖(smbg)计。8.根据权利要求1所述的方法，其中确定所述测试时段数据的所述缺失部分包括膳食摄入数据包括对一份或多份安排的餐食的分析，并且其中确定数据的所述缺失部分包括药物数据包括对一个或多个安排的药物剂量的分析，并且其中确定所述测试时段数据的所述缺失部分包括活动数据包括对一个或多个预先安排的活动的分析。9.根据权利要求1所述的方法，其中聚合所述测试时段的一天的替代数据插补的每个实例的置信度水平以确定每日聚合置信度水平，并且其中所述测试时段响应于所述每日聚合置信度水平低于预定义置信度阈值而延长。10.根据权利要求1所述的方法，其进一步包括：使用所述替代膳食摄入数据、所述替代药物数据或所述替代活动数据来识别与所述用户(100)相关联的糖尿病状况的进展或消退；以及响应于所述糖尿病状况的所述进展或所述消退而调整胰岛素泵的配置以增加或减少向所述用户(100)的胰岛素的供应。11.根据权利要求1所述的方法，其进一步包括使用所述测试时段数据来更新与所述用户(100)相关联的学习模型。

技术总结
本发明公开了一种用户设备(例如，移动设备)，所述用户设备接收测试时段期间的测试时段数据。所述用户设备基于对所接收的测试时段数据的分析来确定数据的一部分缺失。对所接收的数据的所述分析包括对一个或多个血糖水平的分析以及对膳食摄入数据、药物数据和活动数据的分析。所述用户设备用替代数据来插补所述数据的缺失部分，所述替代数据是使用预测学习来确定的。所述用户设备计算与所述替代数据相关联的置信度水平。所述用户设备使用所述替代数据来识别与用户相关联的糖尿病状况的进展或消退。或消退。或消退。


技术研发人员：S
受保护的技术使用者：豪夫迈
技术研发日：2021.12.02
技术公布日：2023/8/5