FR3141325A1 - Système de suivi à distance de patient diabétique - Google Patents

Système de suivi à distance de patient diabétique Download PDF

Info

Publication number
FR3141325A1
FR3141325A1 FR2211407A FR2211407A FR3141325A1 FR 3141325 A1 FR3141325 A1 FR 3141325A1 FR 2211407 A FR2211407 A FR 2211407A FR 2211407 A FR2211407 A FR 2211407A FR 3141325 A1 FR3141325 A1 FR 3141325A1
Authority
FR
France
Prior art keywords
threshold
patient
blood sugar
meal
variations
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.)
Withdrawn
Application number
FR2211407A
Other languages
English (en)
Inventor
Mehdi RAHIM
Habiboulaye Amadou-Boubacar
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.)
Air Liquide SA
LAir Liquide SA pour lEtude et lExploitation des Procedes Georges Claude
Original Assignee
Air Liquide SA
LAir Liquide SA pour lEtude et lExploitation des Procedes Georges Claude
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 Air Liquide SA, LAir Liquide SA pour lEtude et lExploitation des Procedes Georges Claude filed Critical Air Liquide SA
Priority to FR2211407A priority Critical patent/FR3141325A1/fr
Publication of FR3141325A1 publication Critical patent/FR3141325A1/fr
Withdrawn legal-status Critical Current

Links

Classifications

    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/74Details of notification to user or communication with user or patient; User input means
    • A61B5/742Details of notification to user or communication with user or patient; User input means using visual displays
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/0002Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
    • A61B5/0015Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by features of the telemetry system
    • A61B5/0022Monitoring a patient using a global network, e.g. telephone networks, internet
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/145Measuring 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
    • A61B5/14532Measuring 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
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/72Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235Details of waveform analysis
    • A61B5/7264Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • A61B5/7267Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H20/00ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/60ICT 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

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Veterinary Medicine (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • Biophysics (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Nutrition Science (AREA)
  • Emergency Medicine (AREA)
  • Evolutionary Computation (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Psychiatry (AREA)
  • Optics & Photonics (AREA)
  • Signal Processing (AREA)
  • Physiology (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

Titre de l’invention Système de suivi à distance de patient diabétique L’invention concerne un système de suivi (1), de préférence à distance, d’un patient (P) diabétique comprenant un dispositif de mesure en continu de glycémie (2) ou CGM configuré pour opérer des mesures de glycémie reflétant la glycémie du patient (P) pendant une période de temps longue (T) de plusieurs jours, et des moyens de traitement de données (3) à microprocesseur pour traiter les mesures de glycémie opérées et commander ensuite des moyens d’affichage (4) pour opérer un affichage d’une représentation graphique (RG) montrant les variations de la glycémie du patient, de plusieurs zones (Z1, Z2, Z3, … Zi) représentant une prise de repas par le patient, d’un premier seuil (S1) correspondant à un seuil d’hypoglycémie et d’un second seuil (S2) correspondant à un seuil d’hyperglycémie. Figure de l’abrégé : Fig. 1

Description

Système de suivi à distance de patient diabétique
L’invention concerne un système de (télé)suivi d’un patient diabétique, de préférence de suivi à distance, comprenant des moyens d’affichage pour afficher non seulement les variations de la glycémie du patient au fil du temps mais aussi ses prises de repas, ainsi que des seuils d’hypoglycémie et d’hyperglycémie
Les patients diabétiques sont couramment traités par injection d’insuline qui est un médicament servant à favoriser l’entrée du glucose dans les cellules et donc sa métabolisation par le corps.
L’insuline joue donc un rôle de régulateur de la glycémie, en particulier lors et après la prise d’un repas par le patient diabétique. Toutefois, il est aussi primordial que la dose d’insuline administrée corresponde aux besoins du patient, c'est-à-dire ni trop élevée, ni trop faible de sorte qu’elle n’induise ni hypo-, ni hyperglycémie.
L’analyse de la prise de repas, i.e. ingestion d’aliments, chez un patient diabétique est donc un élément clé pour assurer une bonne prise en charge du diabète de ce patient, notamment pour définir ou ajuster la quantité d’insuline à lui administrer. Cependant, l’information de prise de repas est difficile à acquérir car elle nécessite une prise de notes systématique par le patient à chaque repas, qui sont destinées au praticien traitant le patient considéré, i.e. médecin, infirmière ou analogue.
Or, il est important pour le praticien de savoir quand le patient a pris un repas et de pouvoir connaître l’impact de ce repas ou de ce type de repas sur sa glycémie, en particulier si le patient se trouve en risque d’hypo- ou d’hyperglycémie, sachant que les pics de glycémie peuvent aussi être engendrés par d’autres causes, notamment un stress important.
Toutefois, en pratique, beaucoup de patients ne prennent pas de notes, de manière régulière ou précise, voire pas de notes du tout, car ils oublient de le faire ou pour d’autres raisons, tel qu’un manque de rigueur, de motivation ou de discipline.
Le problème est dès lors de proposer un système de suivi, de préférence à distance, de patient(s) diabétique(s) permettant à un praticien de savoir facilement si un patient a pris un/des repas sur une période de temps donnée et à quel(s) moment(s) précisément de manière à connaître l’impact de ces repas successifs sur sa glycémie et par ailleurs de pouvoir vérifier si le traitement appliqué à ce patient est adapté ou doit être réajusté.
Pour y répondre, l’invention propose un système de suivi permettant de détecter automatiquement les prises de repas par un patient à partir des données de la glycémie de ce patient et de fournir ces informations à un praticien, tel un médecin ou autre, de sorte que ce dernier puisse en prendre connaissance, évaluer l’impact de ces repas sur la glycémie de son patient et vérifier si le traitement appliqué à ce dernier est adapté ou doit être réajusté.
Plus précisément, la solution de l’invention concerne un système de suivi d’un patient diabétique, de préférence de suivi à distance ou télé-suivi, comprenant :
  • un dispositif de mesure en continu de glycémie ou CGM configuré pour opérer des mesures de glycémie reflétant la glycémie d’un patient pendant une période de temps longue (T) donnée de plusieurs jours,
  • des moyens de traitement de données à microprocesseur configurés pour :
a) traiter les mesures de glycémie pour déterminer des périodes de temps courtes (dt) correspondant à des prises de repas durant la période de temps longue (T) et
b) commander des moyens d’affichage pour opérer un affichage :
  • d’une représentation graphique montrant les variations de la glycémie du patient pendant la période de temps longue (T),
  • de plusieurs zones espacées les unes des autres sur ladite représentation graphique, chaque zone représentant une prise de repas par le patient,
  • d’un premier seuil correspondant à un seuil d’hypoglycémie et
  • d’un second seuil correspondant à un seuil d’hyperglycémie,
et dans lequel les moyens d’affichage sont configurés pour afficher la représentation graphique des variations de glycémie, les zones de prise de repas et les premier et second seuils.
Dans le cadre de l’invention :
- par « repas », on entend un ou plusieurs aliments ingérés par le patient et susceptibles d’influer sur sa glycémie, c'est-à-dire son taux de glucose. Par exemple, ça peut être un repas complet ou simplement une partie d‘un repas, ou encore un en-cas, une boisson ou tout autre aliment ingéré, sous forme solide, liquide ou autre.
- par « diabète », on entend un diabète de type 1 ou de type 2.
Selon le mode de réalisation considéré, le système de l'invention peut comprendre l'une ou plusieurs des caractéristiques suivantes :
  • le dispositif de mesure en continu de glycémie ou CGM est configuré pour opérer des mesures de glycémie toutes les 2 à 10 minutes, par exemple toutes les 5 minutes.
  • le dispositif de mesure en continu de glycémie (CGM) est configuré pour opérer des mesures du taux (i.e. concentration ou niveau) de glucose interstitiel.
  • le dispositif de mesure en continu de glycémie (CGM) est configuré pour être implanté sur le corps du patient, par exemple collé sur sa peau.
  • la période de temps longue (T) est d’au moins 5 jours, de préférence d’au moins 7 jours. Plus la durée T est longue, plus les mesures opérées reflètent les habitudes alimentaires du patient et sa physiologie, c'est-à-dire la réponse postprandiale (i.e. diffusion glycémique).
  • les moyens de traitement de données comprennent un ou plusieurs microprocesseurs.
  • les moyens de traitement de données comprennent un serveur, en particulier un serveur distant, c'est-à-dire éloigné de plusieurs centaines de mètres ou de plusieurs km du lieu où s’opèrent les mesures (e.g. à domicile, à l’hôpital, en EHPAD ou dans tout autre établissement recevant un ou des patients diabétiques).
  • les moyens de traitement de données sont configurés pour opérer une identification ou détection des zones de prise de repas par mise en œuvre d’un apprentissage artificiel ou apprentissage machine, i.e.machine learningen anglais.
  • le dispositif de mesure en continu de glycémie (CGM) est configuré pour transmettre ou fournir les mesures de glycémie aux moyens de traitement de données, de préférence de télétransmettre ces mesures.
  • le dispositif de mesure en continu de glycémie (CGM) comprend des moyens de (télé)communication pour (télé)transmettre les mesures.
  • les moyens de communication sont configurés pour transmettre les mesures par GSM (3G/4G/5G), wifi, BluetoothTM, internet ou autre.
  • les périodes de temps courtes (dt) ont une durée d’au moins 30 min et inférieure à 4h, typiquement de 1 h à 3.5 h. Cette durée dépend du patient considéré, notamment de son métabolisme. Avantageusement, selon l’invention, la durée est de préférence de l’ordre de 2h à 3h.
  • les périodes de temps courtes (dt) comprennent le temps d’ingestion du repas (i.e. aliments) et le temps pendant lequel ce repas influe sur la glycémie du patient, c'est-à-dire la réponse postprandiale.
  • la représentation graphique montrant les variations de la glycémie du patient comprend une courbe.
  • le premier seuil correspond à un seuil d’hypoglycémie compris entre 65 mg/dL et 75 mg/dL environ, de préférence égal à environ 70 mg/dL (i.e. 0,70 g/L) ou environ 3,9 mmol/dL.
  • le second seuil correspond à un seuil d’hyperglycémie compris entre 170 mg/dL et 200 mg/dL environ, de préférence égal à environ 180 mg/dL (i.e. 1,80 g/L) ou environ 10 mmol/dL.
  • le premier seuil est affiché sous forme d’une première droite horizontale.
  • le second seuil est affiché sous forme d’une seconde droite horizontale.
  • la première droite et la seconde droite sont parallèles.
  • la première droite et la seconde droite sont affichées sur les moyens d’affichage.
  • les moyens d’affichage sont configurés pour afficher simultanément la première droite et la seconde droite, la représentation graphique montrant les variations de la glycémie et les zones représentant les prises de repas.
  • les moyens d’affichage comprennent un écran, de préférence en couleurs.
  • l’écran est un écran d’ordinateur fixe ou portable, de tablette numérique, de téléphone multifonction (i.e.smartphoneen anglais) ou autre.
  • les moyens d’affichage sont configurés pour afficher la représentation graphique montrant les variations de glycémie et les zones représentant les prises de repas dans des couleurs différentes, par exemple la représentation graphique montrant les variations de glycémie est affichée en bleu ou noir, et les zones représentant les prises de repas sont affichées en rouge ou orange.
  • le serveur comprend des moyens de mémorisation configurés pour mémoriser le modèle d’apprentissage artificiel et le premier et le second seuil.
  • il est configuré pour identifier sur la représentation graphique montrant les variations de glycémie, une ou des zones d’alerte, de préférence toutes les zones d’alerte, correspondant à des dépassements du premier ou du second seuil, par exemple une identification en une couleur différente ou par grossissement (zoom) de ces zones.
  • les moyens de (télé)communication sont configurés pour (télé)transmettre les mesures en continu, périodiquement ou ponctuellement, de préférence de manière ponctuelle en une seule fois à l’issue de la période de temps longue T considérée.
L’invention va maintenant être mieux comprise grâce à la description détaillée suivante, faite à titre illustratif mais non limitatif, en référence aux figures annexées parmi lesquelles :
schématise un mode de réalisation d’un système de télé-suivi de patient diabétique selon l’invention ;
illustre un exemple de la chaîne de traitement des mesures au sein du serveur de ; et
illustre un exemple d’affichage sur les moyens d’affichage du système de télé-suivi de .
schématise un mode de réalisation d’un système de télé-suivi 1 d’un patient diabétique P (diabète de type 1 ou 2) selon l’invention comprenant un dispositif de mesure en continu de glycémie, ou dispositif CGM 2 (pourContinuous Glucose Monitoringen anglais), permettant d’opérer des mesures de glycémie reflétant la glycémie du patient P, c'est-à-dire de son taux de glucose interstitiel, pendant une période de temps longue T donnée de plusieurs jours, typiquement au moins 5 jours, préférentiellement au moins 7 jours ou plus.
Sur , l’axe des abscisses donne le temps (ici en minutes), typiquement période de temps longue T, et l’axe des ordonnées donne la concentration en glucose (ici en mg/dL).
En général, un dispositif CGM 2 est implanté sur le corps du patient, par exemple collé sur sa peau, de manière à opérer les mesures en quasi-continu sur toute la période de temps longue T considérée, par exemple toutes les 2 à 10 minutes, typiquement toutes les 5 minutes.
Une fois les mesures faites, le dispositif CGM 2 les télétransmet à des moyens de traitement de données 3 à microprocesseur(s), tel un serveur distant situé à plusieurs centaines de mètres, en général à plusieurs kilomètres ou dizaines de kilomètres, voire même à plus longue distance, du lieu où s’opèrent les mesures, à savoir au domicile du patient ou à l’hôpital, en EHPAD ou dans tout autre établissement recevant un ou des patients diabétiques.
Pour ce faire, le dispositif CGM 2 est équipé de moyens de télécommunication 2-1 permettant de télétransmettre les mesures via un protocole de télécommunication de type GSM (3G/4G/5G), wifi, BluetoothTM, internet ou autre. De tels moyens de télécommunication sont classiques et ne sont pas détaillés ici ; ils peuvent par exemple comprendre un modem, une antenne, un module émetteur/récepteur…
Selon le mode de réalisation, la télétransmission des mesures peut se faire :
  • soit en continu, c'est-à-dire dès qu’une mesure est effectuée,
  • soit périodiquement, c'est-à-dire de manière répétitive mais espacée dans le temps, par exemple 1 ou 2 fois par jour,
  • soit ponctuellement, c'est-à-dire de manière unique, par exemple en une fois à l’issue de la période de temps longue T considérée, typiquement après 7 jours.
Selon l’invention, les moyens de traitement de données 3 à microprocesseur(s), tel un serveur distant, sont configurés, par exemple programmés, pour recevoir les mesures de glycémie, puis les traiter pour déterminer toutes les périodes de temps courtes (dt) qui correspondent à des prises de repas durant la période de temps longue (T). Ces périodes de temps courtes (dt) ont généralement une durée d’au moins 30 min mais inférieure à 4h. Cette durée dépend bien entendu du patient considéré, en particulier de son métabolisme. Plus précisément, les périodes de temps courtes (dt) comprennent non seulement le temps d’ingestion du repas proprement dit, c'est-à-dire des aliments pris par le patient P, qu’ils soient sous forme liquide, solide ou autre, mais aussi le temps pendant lequel ce repas influe sur la glycémie du patient P, c'est-à-dire la réponse postprandiale résultant de la prise du repas considéré. Avantageusement, selon l’invention, la durée est de préférence de l’ordre de 2h à 3h.
Une fois collectées et traitées par un modèle d’apprentissage, comme expliqué ci-après en rapport avec , les mesures sont affichées sur des moyens d’affichage 4, tel un écran d’affichage d’ordinateur fixe ou portable, de tablette numérique, de téléphone multifonction ou autre.
Autrement dit, les moyens de traitement de données 3 permettent d’opérer une identification ou détection des zones Z1, Z2, Z3, … Zide prise de repas par mise en œuvre d’un apprentissage artificiel ou apprentissage machine (machine learning), comme détaillé ci-dessous.
Ensuite, comme illustré sur , les moyens de traitement de données 3, ici un serveur informatique distant, commandent les moyens d’affichage 4 pour opérer un affichage, de préférence en couleurs, sur un écran de visualisation d’informations utilisé par un personnel soignant, tel un médecin M ou analogue, de :
  • une représentation graphique RG, telle une courbe, montrant les variations de la glycémie du patient P, pendant la période de temps longue T,
  • plusieurs (i) zones Z1, Z2, Z3, … Ziespacées les unes des autres sur la représentation graphique, chaque zone Zireprésentant une prise de repas par le patient P,
  • un premier seuil S1correspondant à un seuil d’hypoglycémie, à savoir ici un premier seuil S1égal à environ 70 mg/dL (i.e. 3,9 mmol/dL) ; et
  • un second seuil S2correspondant à un seuil d’hyperglycémie, à savoir ici un second seuil S2égal à environ 180 mg/dL (i.e.10 mmol/dL).
Sur , le premier seuil S1et le second seuil S2sont affichés par les moyens d’affichage 4 sous forme de droites horizontales parallèles.
Par ailleurs, le serveur 3 peut comprendre des moyens de mémorisation pour mémoriser le modèle d’apprentissage artificiel utilisé et le premier et le second seuil S1, S2ou d’autres informations, données ou autres.
Préférentiellement, la représentation graphique RG montrant les variations de glycémie et les zones Z1, Z2, Z3, … Zireprésentant les prises de repas sont affichées dans des couleurs différentes, par exemple la courbe des variations de glycémie est affichée en bleu ou noir, alors que les zones représentant les prises de repas sont affichées en rouge ou orange afin d’améliorer leur visibilité par le médecin M ou analogue.
Avantageusement, les moyens de traitement de données 3, i.e. un serveur distant, sont configurés pour identifier sur la représentation graphique RG, c'est-à-dire ici la courbe, montrant les variations de glycémie, la ou les zones d’alerte ZA qui correspondent à des dépassements du premier ou du second seuil S1, S2, par exemple une identification en une couleur différente ou par grossissement (zoom) de ces zones ZA, ou autre.
D’une façon générale, le système 1 de l’invention permet de détecter automatiquement les prises de repas par le patient P considéré à partir des données de la glycémie de ce patient P et ensuite de fournir ces informations à un praticien, tel un médecin M ou autre, sous forme d’une représentation visuelle facile à lire et à interpréter de sorte que ce dernier puisse en prendre connaissance, évaluer l’impact des repas pris par le patient P sur sa glycémie et aussi vérifier si le traitement appliqué à ce dernier, telle une administration d’insuline, est adapté ou doit être réajusté.
Autrement dit, grâce au système 1 de l’invention, le médecin M ou analogue dispose de l’historique de la glycémie d’un patient P sur une durée longue T de plusieurs jours et d’une visualisation aisée et rapide non seulement de ses prises de repas et de leur effet sur la glycémie, voire aussi d’une identification de zones d’alertes correspondant à des hypo ou hyperglycémies excessives.
Toutes ces informations sont d’importance majeure car elles permettent de confirmer ou ajuster le traitement du patient diabétique P et donc d’aboutir à un meilleur suivi du patient en améliorant l’équilibre entre ses habitudes alimentaires et son traitement par injection d’insuline ou autre.
illustre un exemple de la chaîne de traitement des mesures au sein du serveur 3 de .
Comme on le voit, la chaîne de traitement des mesures de glycémie opérées chez un patient P donné comprend d’abord, c'est-à-dire en entrée, un traitement de la série temporelle 20 de mesures de glycémie fournies par le dispositif CGM 2, appelée série G.
Cette série G comprend une séquence d’index (G_1, G_2, ..., G_N) de longueur N correspondant aux N mesures prises par le dispositif CGM 2 durant une période de temps donnée T, par exemple 7 jours, chaque index G_i étant associée à un marqueur temporel (date et heure) et à une valeur de glycémie.
Un exemple de série G est donné dans le [Tableau 1] suivant.
Index G_i Marqueur temporel
(Date – Heure)
Valeur de la glycémie (G)
G_1 10/01/2021 19:20 120
G_2 10/01/2021 19:27 123
G_3 10/01/2021 19:32 125
Durant la première étape de traitement, le serveur est configuré pour effectuer une suite de prétraitements 21 sur la série temporelle G.
Un premier prétraitement peut consister à retirer de la série G toute valeur aberrante. Par exemple, une valeur G_i est considérée comme aberrante si G_i < 30 ou G_i > 400 ou si une variation | G_i+1 - G_i | > 50 .
Un second prétraitement peut consister à ré-échantillonner la série temporelle G et à remplacer les valeurs manquantes. Le ré-échantillonnage permet d’obtenir uniformément des mesures espacées de plusieurs minutes, par exemple de 5 minutes. Pour ce faire, une interpolation linéaire est effectuée entre des mesures voisines. Par exemple, l’interpolation linéaire entre G_1 (t_1 = 19:20) et G_2 (t_2 = 19:27) permet d’approximer une valeur G_2p (t_2p = 19:25) selon la formule suivante : G_2p = G_1 + (G_2 - G_1) / (t_2 - t_1)
Lorsqu’il existe moins de 5 valeurs consécutives manquantes, soit une période inférieure à 30 minutes, les valeurs sont estimées également par interpolation linéaire.
Ensuite, une deuxième étape 22 de la chaîne de traitement peut comprendre une segmentation de la série temporelle prétraitée durant la première étape, c'est-à-dire une préparation de segments.
La segmentation consiste à sélectionner des périodes de temps de plusieurs heures données, par exemple des périodes de 3 heures, au sein de la série temporelle Gp. Cette étape est répétée par pas de 1 heure. L’empilement de ces segments permet d’obtenir une matrice X à deux dimensions où chaque ligne représente un segment de 3 heures, comme illustré en [Tableau 2].
Marqueur temporel
(Segment de 3h)
Valeur de la glycémie
10/01/2021 19:25 -> 10/01/2021 22:25 123, 125, …
10/01/2021 22:30 -> 11/01/2021 01:30 102, 98, …
La troisième étape dite ‘d’inférence’ 23 comprend un calcul de la probabilité qu’un segment de 3 heures corresponde à une phase de prise de repas.
Pour cela, un modèle de classification automatique est préalablement entraîné de type LSTM ou “mémoire à court et long terme”. Le modèle LSTM est décrit par le document suivant auquel on peut se reporter pour plus de détail:
Long Short Term Memory ; S. Hochreiter & J. Schmidhuber; Neural Computation ; Volume 9 ; Issue 8 ; November 15, 1997 ; p. 1735–1780
En résumé, le modèle LSTM comprend un ensemble de coefficients W qui permettent de calculer (en 24) un score représentatif de la probabilité (entre 0 et 1, 1 correspond à une prise de repas) qu’un segment de 3 heures X_i corresponde à une phase de prise de repas y_i.
Ceci se traduit par : LSTM(X_i, W) = y_i
Préalablement, pour que le modèle LSTM fonctionne correctement, une étape d’estimation des coefficients W optimaux est nécessaire. Cette étape dite d'entraînement du modèle est un processus capable d’extraire des corrélations dans un historique de données de mesure de glycémies de plusieurs patients associés à des évènements de prise de repas, données préalablement mémorisées au sein du serveur ou analogue.
Enfin, la dernière étape (en 25) consiste à déterminer si un segment X_i correspond à une phase de prise de repas ou non.
Pour cela, le score représentatif de la probabilité y_i est comparé à un seuil sp (par exemple sp=0.5).
Une prise de repas est identifiée lorsque y_i >= sp.
Alternativement, lorsque y_i < sp, le segment ne constitue pas une phase de prise de repas.
Le modèle LTSM est ainsi capable de déterminer les zones correspondant aux prises de repas en générant des scores sur chaque segment de la courbe de glycémie et par détection dépassement de seuil sp. Le seuil sp optimal est préalablement fixé à partir d’expérimentations en trouvant le meilleur compromis entre fausses détections et non détections.
Les hypoglycémies et hyperglycémies sont alors détectées à chaque fois qu’une zone Zi de prise repas dépasse respectivement le premier ou le second seuil (S1, S2)
Grâce aux moyens d’affichage permettant d’afficher la représentation graphique (RG) des variations de glycémie, les zones (Z1, Z2, Z3, … Zi) de prise de repas, le premier seuil (S1) correspondant à un seuil d’hypoglycémie et le second seuil (S2) correspondant à un seuil d’hyperglycémie, le personnel de santé peut alors prendre les meilleures décisions et actions pour un suivi efficace du patient diabetique.

Claims (10)

  1. Système de suivi (1), de préférence à distance, d’un patient (P) diabétique comprenant :
    • un dispositif de mesure en continu de glycémie (2) configuré pour opérer des mesures de glycémie reflétant la glycémie du patient (P) pendant une période de temps longue (T) donnée de plusieurs jours,
    • des moyens de traitement de données (3) à microprocesseur configurés pour:
    a) traiter les mesures de glycémie pour déterminer des périodes de temps courtes (dt) correspondant à des prises de repas durant la période de temps longue (T) et
    b) commander des moyens d’affichage (4) pour opérer un affichage :
    • d’une représentation graphique (RG) montrant les variations de la glycémie du patient pendant la période de temps longue (T),
    • de plusieurs zones (Z1, Z2, Z3, … Zi) espacées les unes des autres sur ladite représentation graphique, chaque zone (Zi) représentant une prise de repas par le patient,
    • d’un premier seuil (S1) correspondant à un seuil d’hypoglycémie et
    • d’un second seuil (S2) correspondant à un seuil d’hyperglycémie,
    et dans lequel les moyens d’affichage (4) sont configurés pour afficher la représentation graphique (RG) des variations de glycémie, les zones de prise de repas (Z1, Z2, Z3, … Zi) et les premier et second seuils (S1, S2).
  2. Système de suivi selon la revendication 1, caractérisé en ce que le dispositif de mesure en continu de glycémie (2) est configuré pour opérer des mesures de glycémie toutes les 2 à 10 minutes.
  3. Système de suivi selon la revendication 1, caractérisé en ce que la période de temps longue (T) est d’au moins 5 jours.
  4. Système de suivi selon la revendication 1, caractérisé en ce que les périodes de temps courtes (dt) ont une durée d’au moins 30 min et inférieure à 4h.
  5. Système de suivi selon la revendication 1, caractérisé en ce que la représentation graphique (RG) montrant les variations de la glycémie du patient comprend une courbe.
  6. Système de suivi selon la revendication 1, caractérisé en ce que :
    - le premier seuil (S1) correspond à un seuil d’hypoglycémie compris entre 65 mg/dL et 75 mg/dL et
    - le second seuil (S2) correspond à un seuil d’hyperglycémie compris entre 170 mg/dL et 200 mg/dL.
  7. Système de suivi selon l'une des revendications 1 ou 6, caractérisé en ce que le premier seuil (S1) est affiché sous forme d’une première droite horizontale.
    le second seuil (S2) est affiché sous forme d’une seconde droite horizontale, la première droite et la seconde droite étant affichées sur les moyens d’affichage (4).
  8. Système de suivi selon les revendications 1 et 7, caractérisé en ce que les moyens d’affichage sont configurés pour afficher simultanément la première droite et la seconde droite, la représentation graphique montrant les variations de la glycémie et les zones (Z1, Z2, Z3, … Zi) représentant les prises de repas.
  9. Système de suivi selon la revendication 1, caractérisé en ce qu’il est configuré pour identifier sur la représentation graphique (RG) montrant les variations de glycémie, une ou des zones d’alerte (ZA) correspondant à des dépassements du premier ou du second seuil (S1, S2).
  10. Système de suivi selon la revendication 1, caractérisé en ce que les moyens d’affichage (4) comprennent un écran d’ordinateur fixe ou portable, de tablette numérique ou de téléphone multifonction.
FR2211407A 2022-11-02 2022-11-02 Système de suivi à distance de patient diabétique Withdrawn FR3141325A1 (fr)

Priority Applications (1)

Application Number Priority Date Filing Date Title
FR2211407A FR3141325A1 (fr) 2022-11-02 2022-11-02 Système de suivi à distance de patient diabétique

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
FR2211407A FR3141325A1 (fr) 2022-11-02 2022-11-02 Système de suivi à distance de patient diabétique
FR2211407 2022-11-02

Publications (1)

Publication Number Publication Date
FR3141325A1 true FR3141325A1 (fr) 2024-05-03

Family

ID=84569357

Family Applications (1)

Application Number Title Priority Date Filing Date
FR2211407A Withdrawn FR3141325A1 (fr) 2022-11-02 2022-11-02 Système de suivi à distance de patient diabétique

Country Status (1)

Country Link
FR (1) FR3141325A1 (fr)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11166670B1 (en) * 2019-04-30 2021-11-09 Verily Life Sciences Llc Managing meal excursions in blood glucose data
US20220000399A1 (en) * 2020-07-01 2022-01-06 Abbott Diabetes Care Inc. Systems, devices, and methods for meal information collection, meal assessment, and analyte data correlation

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11166670B1 (en) * 2019-04-30 2021-11-09 Verily Life Sciences Llc Managing meal excursions in blood glucose data
US20220000399A1 (en) * 2020-07-01 2022-01-06 Abbott Diabetes Care Inc. Systems, devices, and methods for meal information collection, meal assessment, and analyte data correlation

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
S. HOCHREITERJ. SCHMIDHUBER: "Long Short Term Memory", NEURAL COMPUTATION, vol. 9, 15 November 1997 (1997-11-15), pages 1735 - 1780

Similar Documents

Publication Publication Date Title
Agiostratidou et al. Standardizing clinically meaningful outcome measures beyond HbA1c for type 1 diabetes: a consensus report of the American Association of Clinical Endocrinologists, the American Association of Diabetes Educators, the American Diabetes Association, the Endocrine Society, JDRF international, the Leona M. and Harry B. Helmsley Charitable Trust, the pediatric Endocrine Society, and the T1D exchange
Raman et al. Diabetic retinopathy screening guidelines in India: All India Ophthalmological Society diabetic retinopathy task force and Vitreoretinal Society of India consensus statement
Tapp et al. Longitudinal association of glucose metabolism with retinopathy: results from the Australian Diabetes Obesity and Lifestyle (AusDiab) study
Mathenge et al. Prevalence and correlates of diabetic retinopathy in a population-based survey of older people in Nakuru, Kenya
Schulze-Döbold et al. Ophdiat®: five-year experience of a telemedical screening programme for diabetic retinopathy in Paris and the surrounding area
Sofizadeh et al. Evaluation of reference metrics for continuous glucose monitoring in persons without diabetes and prediabetes
Divilly et al. Relationship between sensor-detected hypoglycemia and patient-reported hypoglycemia in people with type 1 and insulin-treated type 2 diabetes: the hypo-METRICS study
Sejling et al. Hypoglycemia-associated changes in the electroencephalogram in patients with type 1 diabetes and normal hypoglycemia awareness or unawareness
Massin et al. Prevalence of diabetic retinopathy in children and adolescents with type-1 diabetes attending summer camps in France
US20200121257A1 (en) Method and system for monitoring a diabetes treatment plan
Dadlani et al. Continuous glucose monitoring to assess glycemic control in the first 6 weeks after pancreas transplantation
FR2880113A1 (fr) Appareil de mesure de la composition corporelle
Lempiäinen et al. Non-dipping blood pressure pattern and new-onset diabetes in a 21-year follow-up
Kaul et al. Self-blood pressure measurement as compared to office blood pressure measurement in a large Indian population; the India Heart Study
Shimbre et al. Survival and predictors of mortality from multidrug resistant tuberculosis (MDR-TB) among patients treated at MDR-TB Referal Hospitals in Ethiopia: A retrospective cohort study
Raguenaud et al. Treating 4,000 diabetic patients in Cambodia, a high-prevalence but resource-limited setting: a 5-year study
Maran et al. Continuous glucose monitoring in conditions other than diabetes
Baxter et al. A cross-sectional questionnaire study: Impaired awareness of hypoglycaemia remains prevalent in adults with type 1 diabetes and is associated with the risk of severe hypoglycaemia
FR3141325A1 (fr) Système de suivi à distance de patient diabétique
Canha et al. Time below range alone is insufficient to identify severe hypoglycaemia risk in type 1 diabetes—the critical role of hypoglycaemia awareness: results from the SFDT1 study
van Beers et al. Design and rationale of the IN CONTROL trial: the effects of real-time continuous glucose monitoring on glycemia and quality of life in patients with type 1 diabetes mellitus and impaired awareness of hypoglycemia
Franc et al. Telemedicine: what more is needed for its integration in everyday life?
FR3153184A3 (fr) Système de suivi à distance de patient diabétique
US20210158923A1 (en) Distributed user monitoring system
Esmatjes et al. Hypoglycaemia after pancreas transplantation: usefulness of a continuous glucose monitoring system

Legal Events

Date Code Title Description
PLFP Fee payment

Year of fee payment: 2

PLSC Publication of the preliminary search report

Effective date: 20240503

ST Notification of lapse

Effective date: 20250707