TWI908366B - 連續分析物監測設備 - Google Patents

連續分析物監測設備

Info

Publication number
TWI908366B
TWI908366B TW113137362A TW113137362A TWI908366B TW I908366 B TWI908366 B TW I908366B TW 113137362 A TW113137362 A TW 113137362A TW 113137362 A TW113137362 A TW 113137362A TW I908366 B TWI908366 B TW I908366B
Authority
TW
Taiwan
Prior art keywords
glucose
signal
gain
cgm
electrode current
Prior art date
Application number
TW113137362A
Other languages
English (en)
Other versions
TW202504551A (zh
Inventor
煥平 伍
Original Assignee
瑞士商安晟信醫療科技控股公司
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 瑞士商安晟信醫療科技控股公司 filed Critical 瑞士商安晟信醫療科技控股公司
Publication of TW202504551A publication Critical patent/TW202504551A/zh
Application granted granted Critical
Publication of TWI908366B publication Critical patent/TWI908366B/zh

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration or pH-value ; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid or cerebral tissue
    • A61B5/14507—Measuring characteristics of blood in vivo, e.g. gas concentration or pH-value ; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid or cerebral tissue specially adapted for measuring characteristics of body fluids other than blood
    • A61B5/1451—Measuring characteristics of blood in vivo, e.g. gas concentration or pH-value ; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid or cerebral tissue specially adapted for measuring characteristics of body fluids other than blood for interstitial fluid
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration or pH-value ; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid or cerebral tissue
    • A61B5/14532—Measuring characteristics of blood in vivo, e.g. gas concentration or pH-value ; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid or cerebral tissue for measuring glucose, e.g. by tissue impedance measurement
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration or pH-value ; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid or cerebral tissue
    • A61B5/1468—Measuring characteristics of blood in vivo, e.g. gas concentration or pH-value ; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid or cerebral tissue using chemical or electrochemical methods, e.g. by polarographic means
    • A61B5/1473—Measuring characteristics of blood in vivo, e.g. gas concentration or pH-value ; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid or cerebral tissue using chemical or electrochemical methods, e.g. by polarographic means invasive, e.g. introduced into the body by a catheter
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration or pH-value ; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid or cerebral tissue
    • A61B5/1495—Calibrating or testing of in-vivo probes
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7225—Details of analogue processing, e.g. isolation amplifier, gain or sensitivity adjustment, filtering, baseline or drift compensation
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7246—Details of waveform analysis using correlation, e.g. template matching or determination of similarity
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient; User input means
    • A61B5/742—Details of notification to user or communication with user or patient; User input means using visual displays
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2560/00—Constructional details of operational features of apparatus; Accessories for medical measuring apparatus
    • A61B2560/02—Operational features
    • A61B2560/0223—Operational features of calibration, e.g. protocols for calibrating sensors
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration or pH-value ; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid or cerebral tissue
    • A61B5/1468—Measuring characteristics of blood in vivo, e.g. gas concentration or pH-value ; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid or cerebral tissue using chemical or electrochemical methods, e.g. by polarographic means
    • A61B5/1486—Measuring characteristics of blood in vivo, e.g. gas concentration or pH-value ; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid or cerebral tissue using chemical or electrochemical methods, e.g. by polarographic means using enzyme electrodes, e.g. with immobilised oxidase
    • A61B5/14865—Measuring characteristics of blood in vivo, e.g. gas concentration or pH-value ; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid or cerebral tissue using chemical or electrochemical methods, e.g. by polarographic means using enzyme electrodes, e.g. with immobilised oxidase invasive, e.g. introduced into the body by a catheter or needle or using implanted sensors

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Optics & Photonics (AREA)
  • Signal Processing (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Emergency Medicine (AREA)
  • Artificial Intelligence (AREA)
  • General Chemical & Material Sciences (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Chemical & Material Sciences (AREA)
  • Psychiatry (AREA)
  • Physiology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Physics (AREA)
  • Computational Mathematics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Software Systems (AREA)
  • Probability & Statistics with Applications (AREA)
  • Operations Research (AREA)
  • Bioinformatics & Computational Biology (AREA)

Abstract

一種連續葡萄糖監測（CGM）設備可以包括：可穿戴部分，具有：感測器，被配置為從間質液產生葡萄糖訊號；處理器；記憶體；及傳送器電路系統。該記憶體可以包括基於關注點葡萄糖訊號及在該關注點葡萄糖訊號之前測量到的葡萄糖訊號的預先決定的增益函數。該記憶體也可以包括儲存在其中的電腦程式碼，該電腦程式碼在由該處理器執行時使得該CGM設備進行以下步驟：(a)使用該感測器及該記憶體測量及儲存複數個葡萄糖訊號；(b)針對當前測量到的葡萄糖訊號，採用儲存在該記憶體中的該複數個先前測量到的葡萄糖訊號及該預先決定的增益函數以計算補償的葡萄糖值；及(c)向該CGM設備的使用者傳遞該補償的葡萄糖值。提供了許多其他的實施例。

Description

連續分析物監測設備
本申請案主張於2019年9月10日所提出的第62/898,507號標題為「METHODS AND APPARATUS FOR INFORMATION GATHERING, ERROR DETECTION AND ANALYTE CONCENTRATION DETERMINATION DURING CONTINUOUS ANALYTE SENSING」的美國臨時專利申請案的優先權及權益，該文件的實質整體內容特此以引用方式併入本文中。
本揭示內容大致與使用連續分析物感測來決定含分析物的流體中的分析物濃度相關。
體內及/或體外試樣中的連續分析物感測（例如連續葡萄糖監測（CGM））已經成為例行的感測操作，特別是在糖尿病護理中。藉由提供實時的葡萄糖濃度，可以及時應用治療/臨床作用，且可以更佳地控制血糖狀況。
在CGM操作期間，一般將生物感測器安插在皮下且在由組織及間質液（ISF）所環繞的環境中連續地操作。可以針對參考電極（例如Ag/AgCl電極）或組合的參考反電極在恆定的電勢下連續地操作生物感測器。也可以利用兩個工作電極來操作生物感測器，其中一個工作電極專用於藉由葡萄糖特異性的酶（例如葡萄糖氧化酶）測量關注點分析物（例如葡萄糖）。另一個電極專用於測量由干擾物種（例如尿酸、對乙醯氨基酚等等）造成的背景訊號。在此雙電極操作方案中，藉由簡單減法或另一個演算方法中的任一者，可以不斷地從關注點分析物的主訊號減去干擾訊號。
也可以將光學感測器用於採用螢光、吸光、反射、等等的連續葡萄糖監測。例如，已經採用依賴螢光或螢光的淬熄的光學氧氣感測器，藉由測量ISF中的氧濃度來間接測量葡萄糖，該氧濃度與葡萄糖濃度成反比關係。（例如參照分析化學（Analytical Chemistry）期刊由Stein等人所著「Microscale Enzymatic Optical Biosensors using Mass-Transport Limiting Nanofilms. 1. Fabrication and Characterization using Glucose as a Model Analyte」的作者原稿（2008年），www.ncbi.nlm.nih.gov/pmc/articles/PMC2518633/）
為了使用分析方法來測量試樣中的分析物的濃度，可以採用參考濃度來決定分析方法的準確度。對於部署在皮下且暴露於間質液的生物感測器而言，葡萄糖訊號在定義上是對ISF葡萄糖敏感的。然而，直接決定ISF葡萄糖濃度是困難的，因為ISF試樣不易用於參考ISF葡萄糖測量。並且，基於血糖狀態的相關治療動作更依賴於通過毛細管系統遞送到細胞的毛細管葡萄糖。
眾所周知，取決於生物體系統是否禁食或處於葡萄糖改變階段，ISF葡萄糖比毛細管葡萄糖滯後約5到15分鐘。如此，ISF葡萄糖僅能在給定時間滯後的情況下用作毛細管葡萄糖的指標；且使用CGM生物感測器來提供對毛細管葡萄糖的準確預測是個挑戰。此外，由相對於系統校準（原位校準或係數校準）隨時間而改變的靈敏度所引起的訊號雜訊，組織對生物感測器膜片的影響及其他已知的因素使得相對於毛細管葡萄糖的ISF葡萄糖時序曲線的定義不太明確。
一個減少ISF葡萄糖滯後且因此增加CGM準確度的常規方法是通過過濾來進行。另一個方法是所謂的滯後補償，其中將估算的葡萄糖值與測量到的葡萄糖值進行比較且用於補償滯後。然而，因為存在由上述因素引起的與ISF葡萄糖的決定相關聯的誤差，過濾方法或滯後補償方法可能顯得較沒有意義。
需要改善的CGM方法及裝置。
在一些實施例中，一種製作連續葡萄糖監測（CGM）設備的方法包括以下步驟：(1)基於由CGM感測器所測量到的葡萄糖訊號的複數個感測器進展參數來產生增益函數，每個感測器進展參數均基於關注點葡萄糖訊號及在該關注點葡萄糖訊號之前測量到的葡萄糖訊號；(2)提供包括感測器、記憶體、及處理器的CGM設備；(3)將該增益函數儲存在該CGM設備的該記憶體中；(4)將電腦程式碼儲存在該CGM設備的該記憶體中，該電腦程式碼在由該處理器執行時使得該CGM設備進行以下步驟：(a)使用該CGM設備的該感測器及該記憶體測量及儲存複數個葡萄糖訊號；(b)針對當前測量到的葡萄糖訊號，基於儲存在該記憶體中的該當前測量到的葡萄糖訊號及複數個先前測量到的葡萄糖訊號計算複數個感測器進展參數；(c)採用該複數個感測器進展參數及儲存的該增益函數來計算補償的葡萄糖值；及(d)向該CGM設備的使用者傳遞該補償的葡萄糖值。
在一些實施例中，一種連續葡萄糖監測（CGM）設備包括：可穿戴部分，具有：感測器，被配置為從間質液產生葡萄糖訊號；處理器；記憶體，耦接到該處理器；及傳送器電路系統，耦接到該處理器。該記憶體包括增益函數，該增益函數基於葡萄糖訊號的複數個感測器進展參數，每個感測器進展參數均基於關注點葡萄糖訊號及在該關注點葡萄糖訊號之前測量到的葡萄糖訊號。該記憶體包括儲存在該記憶體中的電腦程式碼，該電腦程式碼在由該處理器執行時使得該CGM設備進行以下步驟：(a)使用該可穿戴部分的該感測器及該記憶體測量及儲存複數個葡萄糖訊號；(b)針對當前測量到的葡萄糖訊號，基於儲存在該記憶體中的該當前測量到的葡萄糖訊號及複數個先前測量到的葡萄糖訊號計算複數個感測器進展參數；(c)採用該複數個感測器進展參數及儲存的該增益函數來計算補償的葡萄糖值；及(d)向該CGM設備的使用者傳遞該補償的葡萄糖值。
在一些實施例中，一種連續葡萄糖監測（CGM）設備包括：可穿戴部分，具有：感測器，被配置為從間質液產生葡萄糖訊號；電流感測電路系統，耦接到該感測器且被配置為測量由該感測器所產生的該等葡萄糖訊號；及傳送器電路系統，被配置為傳送測量到的該等葡萄糖訊號。該CGM設備也包括可攜式使用者設備，該可攜式使用者設備具有：記憶體；處理器；及接收器電路系統，被配置為從該可穿戴部分接收葡萄糖訊號。該記憶體包括增益函數，該增益函數基於葡萄糖訊號的複數個感測器進展參數，每個感測器進展參數均基於關注點葡萄糖訊號及在該關注點葡萄糖訊號之前測量到的葡萄糖訊號。該記憶體包括儲存在該記憶體中的電腦程式碼，該電腦程式碼在由該處理器執行時使得該CGM設備進行以下步驟：(a)使用該可穿戴部分的該感測器及該可攜式使用者設備的該記憶體來獲得及儲存複數個葡萄糖訊號；(b)針對當前測量到的葡萄糖訊號，基於儲存在該記憶體中的該當前測量到的葡萄糖訊號及複數個先前測量到的葡萄糖訊號計算複數個感測器進展參數；(c)採用該複數個感測器進展參數及儲存的該增益函數來計算補償的葡萄糖值；及(d)向該CGM設備的使用者傳遞該補償的葡萄糖值。
在一些實施例中，一種在連續葡萄糖監測（CGM）測量期間補償誤差的方法包括以下步驟：(a)提供CGM設備，該CGM設備包括感測器、記憶體、及處理器，該CGM設備具有儲存在該記憶體中的增益函數，該增益函數基於葡萄糖訊號的複數個感測器進展參數，每個感測器進展參數均基於關注點葡萄糖訊號及在該關注點葡萄糖訊號之前測量到的葡萄糖訊號；(b)使用該感測器及該記憶體測量及儲存複數個葡萄糖訊號；(c)針對當前測量到的葡萄糖訊號，基於儲存在該記憶體中的該當前測量到的葡萄糖訊號及複數個先前測量到的葡萄糖訊號計算複數個感測器進展參數；(d)採用該複數個感測器進展參數及儲存的該增益函數來計算補償的葡萄糖值；及(e)向該CGM設備的使用者傳遞該補償的葡萄糖值。
在一些實施例中，一種在連續監測測量期間決定分析物濃度的方法包括以下步驟：(a)將生物感測器皮下地安插到受試者中，該生物感測器包括逆電極、參考電極、及工作電極，該工作電極具有配置為氧化關注點分析物的化學組成；(b)向具有該化學組成的該工作電極施加恆定的電壓，以便從該工作電極產生連續的電流；(c)感測來自該工作電極的工作電極電流訊號及將該等工作電極電流訊號儲存到記憶體中；(d)收集關注點工作電極電流訊號及儲存在該記憶體中且是在該關注點工作電極電流訊號之前測量到的該等工作電極電流訊號的一部分；(e)採用從該記憶體收集的該關注點工作電極電流訊號及該等工作電極電流訊號的該部分根據預先決定的增益函數產生增益函數值；(f)使用根據該預先決定的增益函數產生的該增益函數值來修改系統增益；及(g)基於修改的該系統增益及該關注點工作電極電流訊號針對該關注點工作電極電流訊號決定分析物濃度。
在一些實施例中，提供了一種連續分析物監測（CAM）設備，其包括：可穿戴部分，具有：生物感測器，被配置為要皮下地安插到受試者中，該生物感測器包括逆電極、參考電極、及工作電極，該工作電極具有配置為氧化關注點分析物及從間質液產生分析物訊號的化學組成；處理器；記憶體，耦接到該處理器；及傳送器電路系統，耦接到該處理器。該記憶體包括基於關注點分析物訊號及在該關注點分析物訊號之前測量到的分析物訊號的預先決定的增益函數。該記憶體包括儲存在該記憶體中的電腦程式碼，該電腦程式碼在由該處理器執行時使得該CAM設備進行以下步驟：(a)向具有該化學組成的該工作電極施加恆定的電壓，以便從該工作電極產生連續的電流；(b)感測來自該工作電極的工作電極電流訊號及將該等工作電極電流訊號儲存到該記憶體中；(c)收集關注點工作電極電流訊號及儲存在該記憶體中且是在該關注點工作電極電流訊號之前測量到的該等工作電極電流訊號的一部分；(d)採用從該記憶體收集的該關注點工作電極電流訊號及該等工作電極電流訊號的該部分根據該增益函數產生增益函數值；(e)使用根據該預先決定的增益函數產生的該增益函數值來修改系統增益；及(f)基於修改的該系統增益及該關注點工作電極電流訊號針對該關注點工作電極電流訊號決定分析物濃度。
在一些實施例中，一種製作連續分析物監測設備的方法包括以下步驟：(a)將分析物感測器與寄主可操作地耦接以供在連續分析物監測過程期間使用；(b)在該連續分析物監測過程期間連續地記錄分析物訊號；(c)在該連續分析物監測過程期間記錄參考分析物濃度；(d)建立在分析物訊號與參考分析物濃度之間配對的資料；(e)計算參考參考分析物濃度的相對分析物誤差；(f)藉由將關注點分析物資料點與先前測量到的分析物資料點進行參考，收集感測器進展資訊及計算感測器進展參數；(g)藉由將參考參考分析物濃度的相對分析物誤差及參考參考增益的相對增益誤差中的至少一者設定為統計分析的目標及將感測器進展參數設定為輸入變數來進行該統計分析，以便獲得增益函數；及(h)記錄包括選定的感測器進展參數及它們的加權的係數的該增益函數作為係數校準元件以供儲存在連續分析物監測設備中。
將藉由說明多個示例實施例及實施方式來根據以下的詳細說明、附加的請求項、及附圖更全面地理解依據本揭示內容的實施例的其他特徵、態樣、及優點。依據本揭示內容的各種實施例也可以能夠用於其他及不同的應用，且可以在完全不脫離請求項的精神及範圍的情況下在各種方面修改該等實施例的幾個細節。因此，要將附圖及說明認為在本質上是說明性的，而非限制性的。該等附圖不一定是依比例繪製的。
概述為了更精密地監測一個人的葡萄糖水平及偵測葡萄糖水平的變動，已經開發了用於連續葡萄糖監測（CGM）的方法及裝置。雖然CGM系統在操作期間「連續地」產生葡萄糖訊號（例如連續的電化訊號及/或光學訊號），但產生的葡萄糖訊號的測量一般是每幾分鐘執行一次，而不是真正連續的。可以將具有可植入部分及不可植入部分的CGM系統在移除及替換之前穿戴數日。CGM系統可以包括感測器部分及非植入處理部分，該感測器部分被安插為位於皮膚下方，該非植入處理部分黏著到皮膚的外表面（例如腹部，或上臂的背部）。與測量血液中的葡萄糖濃度的血液葡萄糖監測（BGM）系統不同，CGM系統測量間質液中或非直接毛細管血液的試樣中的葡萄糖濃度。
CGM系統可以提供對一個人的葡萄糖水平的頻繁測量，而不需要每個此類測量均伴隨著抽取血液試樣（例如藉由手指棒（finger stick）抽取）。CGM系統仍然可以偶爾採用手指棒及使用BGM系統（例如由瑞士巴塞爾的Ascensia Diabetes Care AG公司製造的Contour NEXT One®）以供校準CGM系統。
如先前所述，在CGM期間，可以相對於參考電極或組合的參考反電極在恆定的電勢下連續操作生物感測器。在CGM期間還未採用過與BGM領域中所使用的閘控電流測定法等同的方法，因為每個資料點的電勢脈動可能使生成的葡萄糖訊號不穩定，從而導致不良的訊號品質。因此，缺乏容易可用來在CGM期間通過演算方法協助葡萄糖決定的有意義的資訊。
在BGM測試的領域內，第2013/0256156號標題為「Gated Amperometry Methods」的美國專利公開文件中所描述的閘控電流測定方法向測試條施加偏壓電壓，且響應於施加的偏壓測量一組訊號/資料點以用於最終分析物決定。在第2013/0071869號標題為「Analysis Compensation Including Segmented Signals」的美國專利公開文件中所描述的光學感測器及電化感測器的分段訊號處理方法中，單個過程內的資料點一起用來提供用於終點分析物決定的資訊。這些專利公開文件描述暫態過程中的離散測試，其中一個分析物決定不依賴所有其他的分析物決定。因此，來自單個感測器測試的訊號/資料點組僅用來為測試條/盒提供單個葡萄糖測量/分析物決定。每個後續的葡萄糖/分析物測量均依賴新的一組資料點（及新的測試條/盒）。
相比之下，依據本文中所述的實施例，在連續葡萄糖監測過程期間，每個測量到的訊號/資料點均是其自身的在資料連續集中用於分析物決定的終點，但也與其相鄰的資料點有短期及/或長期的關係。依據本文中所提供的實施例，因為CGM的連續本質，先前的訊號/資料點可能包含關於隨後測量到的訊號/資料點的資訊。也就是說，每個資料點均可能與其相鄰的（例如前一個）資料點相關，或甚至與在早得多的時間所截取的資料點相關。已經發現當前（關注點）資料點與連續集中的許多先前測量到的資料點的關係包含了感測器誤差及/或狀態資訊（在本文中稱為「感測器進展資訊」）。在一些實施例中，先前的資料點可以變成暗示感測器誤差源或感測器狀態的資訊源。將當前的資料點或關注點資料點與先前測量到的資料點相關的參數在本文中稱為感測器進展參數（SPP）。
如本文中所述，CGM或其他連續分析物監測方法中的感測器進展參數可以藉由以下步驟來決定：以比率、差異、相對差異等等的形式將當前的分析物訊號與資料連續集中的先前測量到的分析物訊號進行參考。依據本文中所述的一或更多個實施例，因此提供了一種用於收集資訊以用於CGM葡萄糖濃度決定及/或誤差補償的方法。在一些實施例中，該方法可以包括以下步驟：與當前的關注點CGM葡萄糖訊號一起採用來自CGM感測器的先前測量到的葡萄糖訊號以產生增益函數值。可以根據增益函數（使用SPP）來產生增益函數值，且該增益函數值可以用來調整增益的誤差以及由ISF葡萄糖滯後引起的誤差，該增益用來根據關注點葡萄糖訊號決定葡萄糖濃度。在一些實施例中，若CGM資料連續集中的每個葡萄糖讀數均藉由補償及/或減少來自訊號偏差及來自ISF滯後的誤差來逐點準確地決定，則相對於參考葡萄糖曲線將有很小的ISF滯後或沒有ISF滯後。
例如，可以根據增益函數來決定增益函數值，該增益函數採用感測器進展參數（SPP），該等感測器進展參數是根據當前的關注點葡萄糖訊號及先前測量到的葡萄糖訊號來計算的（例如如下文所述地使用比率、差異等等來計算）。也就是說，增益函數可以是SPP的函數（即增益函數= f(SPP)）。例如，可以將來自生物感測器（例如CGM感測器）的工作電極電流訊號及/或背景電流訊號週期性地取樣及儲存在記憶體中。對於後續的關注點葡萄糖訊號（例如工作電極電流訊號）而言，可以將儲存的電流訊號與關注點葡萄糖訊號一起使用以根據增益函數計算增益函數值。接著可以在葡萄糖濃度計算期間將增益函數值用於關注點葡萄糖訊號，以減少針對關注點葡萄糖訊號的計算的葡萄糖濃度的誤差（例如藉由使用增益函數值調整系統增益來減少）。
如下文進一步描述，可以例如使用統計技術（例如多變量回歸）來決定增益函數。在一些實施例中，增益函數由CGM設備製造商預先決定且儲存在CGM設備的記憶體中以供在用CGM設備進行葡萄糖監測的期間使用。
在一或更多個實施例中，一種方法可以包括以下步驟：藉由截取來自當前資料點的葡萄糖訊號與先前資料點的葡萄糖訊號的比率，來產生一系列感測器進展參數。可以在預先決定的增益函數內採用這些比率及/或這些比率的組合及/或其他相關的項，該預先決定的增益函數允許針對CGM葡萄糖訊號中的誤差源（例如隨時間改變的增益及ISF滯後）進行誤差補償。這可以增加CGM準確度及/或協助響應於CGM葡萄糖測量而採取的治療動作。提供了依據這些及其他的實施例的生物感測器系統。
雖然主要關於連續葡萄糖監測期間的葡萄糖濃度決定來描述，將了解，也可以將本文中所述的實施例與其他的連續分析物監測系統（例如膽固醇、乳酸鹽、尿酸、乙醇、或其他的分析物監測系統）一起使用。
舉個例子，可以形成一或更多個增益函數，該一或更多個增益函數包括選定的感測器進展參數組，例如基於在不同時間截取的葡萄糖訊號的比率、此類比率的組合、及線性組合中的其他截項。截項可以包括例如與其他類型的參數（例如初始葡萄糖（GRAW）、正規化增益、背景/干擾訊號、運動參數、溫度值、不同的比率等等）相關的SPP項（例如比率、差異等等）。也可以採用非線性的組合。樣本增益函數可以採取以下形式：(1) Gain Function = c1*R_t1 + c2*R_t2 + c3*R_t3 + c4*R_t4 +...cn*R_tn其中c1、c2、c3、c4...cn是加權的係數，而R_t1、R_t2、R_t3、R_t4...R_tn是在不同時間截取的葡萄糖資料點的比率（例如「關注點」葡萄糖資料點除以在關注點葡萄糖資料點之前測量到及/或感測到的葡萄糖資料點）、葡萄糖資料點的比率組合、或其他的截項。因此，增益函數是增益的相對誤差及/或葡萄糖的相對誤差的表示，且根據從當前（關注點）葡萄糖訊號及先前測量到的葡萄糖訊號（在一些實施例中，例如在當前的葡萄糖訊號之前幾分鐘到長達12小時或更久所測量到的葡萄糖訊號）以葡萄糖感測器進展參數的形式所收集的資訊導出。更具體而言，在一些實施例中，可以根據呈當前葡萄糖訊號與過去葡萄糖訊號的比率、差異、及/或相對差異、以及它們彼此的截項及/或與其他參數的截項的形式的感測器進展參數藉由多變量回歸或另一種統計分析技術來導出增益函數。在一些實施例中，增益函數可以基於及/或包括數十個或甚至數百個（或更多個）諸如比率、差異、相對差異、及/或截項的感測器進展參數。下文描述了示例增益函數及用於決定此類增益函數的方法。
依據本文中所提供的實施例，藉由在增益函數中使用將當前資料點與過去資料點進行參考的感測器進展參數，可以補償及/或用其他方式校正原始或未補償的葡萄糖訊號SignalRaw中的誤差。例如，在一些實施例中，可以將補償的葡萄糖訊號GComp計算為：(2) GComp= SignalRaw* Gain * (1/(1+Gain Function))其中Gain表示根據原位校準決定（舉例而言，例如藉由將來自血液葡萄糖計的校準葡萄糖值（GBGM）除以CGM感測器電流（SignalCGM）來決定，Gain = GBGM/SignalCGM）的（系統）增益。
在一些實施例中，可以決定一或更多個增益函數及將該一或更多個增益函數儲存在CGM設備（例如CGM設備的可穿戴部分或其他部分）的記憶體中，且將該一或更多個增益函數用來基於感測器進展參數（例如葡萄糖訊號比率（及/或其他關係））及用間質CGM感測器測量到的未補償的葡萄糖訊號來計算補償的葡萄糖值。
BGM準確度的常規表示是在±x%準確度極限（例如±20%、±15%、或±10%）內的百分比，其表示BGM葡萄糖值相對於參考葡萄糖值的百分比差異（100%*[GBGM- GRef]/GRef），且決定資料點在樣本總體中落在某個準確度極限之內的百分比。準確度極限越小，準確度就越好。
對於CGM葡萄糖決定而言，測量準確度可以由平均絕對相對差（MARD）所界定：(3) MARD = [Abs([GCGM- GREF]/GREF)]/n)其中GCGM是CGM測量到的葡萄糖值，GREF是例如由BGM所測量到的參考葡萄糖值，而n是資料點的數量。MARD的表達示組合了樣本總體相對於參考葡萄糖值的平均值及標準差，以產生複合MARD值，其中MARD值越小，準確度越好。雖然還未將BGM準確度常規用於估算某個準確度極限內的誤差，但可以近似的是，取決於資料總體中的誤差的平均值及標準差，按照在±x%準確度極限內的百分比來表示的本徵準確度為MARD值的約2.5倍。因此，10%的MARD值可以具有±25%內的近似資料準確度，或近似25%的準確度。相反地，預計具有±10%準確度的BGM系統具有4%的MARD值。本文中所述的實施例可以實現CGM設備減少的MARD值（在一些實施例中例如約7-10%或更小）。
依據本文中所提供的實施例，可以由來自當前資料點的訊號與先前測量到的資料點的訊號的比率表示將當前（關注點）資料點與先前測量到的資料點進行參考的感測器進展參數。這可以形成嵌入在感測器進展參數中的資訊網絡，該資訊網絡被饋送到當前資料點的CGM葡萄糖值的計算中以改善準確度。為了方便起見，由目前或當前資料點及先前資料點所形成的比率在本文中有時稱為「當前-過去比率」。可以針對工作電極電流Iw、背景電流Ib、及Iw-Ib或針對光學訊號（例如螢光性、吸光率、及/或反射率訊號）等等計算當前-過去比率。
圖1A繪示依據本文中所述的實施例在三小時的時間內截取的葡萄糖訊號的集合中將當前的資料點與過去的資料點進行參考，及使用所收集的葡萄糖訊號來計算諸如比率的感測器進展參數。參照圖1A，示出了在當前測量到的葡萄糖訊號資料點之前3小時、2小時、1小時、9分鐘、6分鐘、及3分鐘測量到的過去的葡萄糖訊號資料點（分別由R_3hr、R_2hr、R_1hr、R_9min、R_6min、及R_3min上方的圓圈示出）。這些過去的資料點可以用來計算當前資料點的比率（在圖1A中稱為R_3hr、R_2hr、R_1hr、R_9min、R_6min、及R_3min）。可以計算其他數量的比率，及/或可以使用時間增量。可以類似地將未來資料點的比率計算為CGM操作期間的CGM感測進展。可以使用使用更「舊」的資料點的比率，例如在4、8、或甚至12小時之前所截取的資料點，如分別由圖1B中的R_4hr、R_8hr、及R_12hr所指示。可以使用較長或較短的過去資料點範圍。
下文示出當前-過去比率的示例，其中Iwt表示工作電極電流的時間t（關注點時間）的當前資料點，而Iwt-xmin表示在當前資料點之前x分鐘測量到的工作電極電流的時間t-xmin的過去資料點。例如，基於當前的工作電極電流及3分鐘之前的工作電極電流的工作電極電流的當前-過去比率R_3min為：(4) R_3min = Iwt/Iwt-3min在此特定情況下，以規則的3分鐘間隔截取資料點。較長期的比率可以基於為3分鐘的倍數的時間。例如，下文分別將當前的關注點工作電極電流之前6分鐘、9分鐘、1小時、3小時、及12小時的工作電極電流的當前-過去比率示於等式(5)-(9)中。(5) R_6min = Iwt/Iwt-6min(6) R_9min = Iwt/Iwt-9min(7) R_1hr = Iwt/Iwt-1hr(8) R_3hr = Iwt/Iwt-3hr(9) R_12hr = Iwt/Iwt-12hr可以使用其他的測量間隔。例如，若資料獲取速率基於每5、10、或15分鐘所截取的測量值，則當前-過去比率可以是5、10、或15分鐘的倍數。例如由以下的表達式(10)-(17)所示，可以針對背景電流Ib、工作電極與背景電流之間的電流差等等決定類似的比率：(10) R_6min = Ibt/Ibt-6min(11) R_9min = Ibt/Ibt-9min(12) R_1h = Ibt/Ibt-1hr(13) R_3h = Ibt/Ibt-3hr(14) R_6min = (Iwt-Ibt)/(Iwt-6min- Ibt-6min)(15) R_9min = (Iwt-Ibt)/(Iwt-9min- Ibt-9min)(16) R_1h = (Iwt-Ibt)/(Iwt-1hr- Ibt-1hr)(17) R_3h = (Iwt-Ibt)/(Iwt-3hr- Ibt-3hr)
也可以如下文進一步描述地決定包括比率與其他參數的組合及/或多個比率的組合的截項。因此，對於每個測量到的資料點而言，均存在與該測量到的資料點相關聯且可以使用先前的資料點來獲得的一組參數。如所述，對於感測器進展參數而言，可以將當前或「關注點」葡萄糖訊號與在測量關注點葡萄糖訊號之前6小時、8小時、10小時、或甚至12小時、或更長時間所測量到的過去的葡萄糖訊號進行參考。在一些實施例中，可以按照當前（關係）葡萄糖訊號與先前測量到的葡萄糖訊號之間的比率、差異、或其他關係來計算感測器進展參數，其中訊號可以是電化電流或光學訊號（例如螢光性、吸光率、或反射率）。
在一些情況下，可以在將CGM感測器安插到病患中之後採用暖機時間（例如3小時的暖機時間或較短或較長的暖機時間）。在此類情況下，可能存在數小時的時間，在該時間內，僅可以獲得在暖機時間期間收集到的資料點（例如3小時或無論暖機時間有多長）。在暖機時間之後，因為收集了較多的資料點，所以可以基於越來越舊的資料點（例如4小時、5小時、6小時等等）來計算比率或其他感測器進展參數。在一些實施例中，可以使用當前的葡萄糖訊號及長達12小時以前所測量到的過去的葡萄糖訊號來計算感測器進展參數。可以使用其他的截止點（例如比12小時長或短）。
圖1C、1D、及1E依據本文中所提供的實施例使用在最後一個資料點（其在時間=1小時處截取）之前長達1小時所測量到的先前資料點，來分別繪示CGM感測器的工作電極電流Iw、背景電極電流Ib、及Iw-Ib電流差的示例比率的表格100a、100b、及100c。表格100a中的比率的標記（例如w_3min、w_6min等等）指定，比率來自工作電極（例如酶電極）電流Iw。表格100b中的比率的標記指定，比率來自背景電流Ib，而表格100c中的比率的標記指定，比率來自Iw-Ib電流值。針對每一列，藉由將最左側的資料點除以先前測量到的資料點來計算比率。例如，將最近的Iw、Ib、或Iw-Ib訊號（在時間=1小時處截取）除以先前測量到的電流訊號（以3分鐘的間隔延伸回時間=0小時）。如在表格100a、100b、及100c中可以看出的，可以基於先前測量到的葡萄糖訊號針對每個測量到的葡萄糖訊號形成大量的比率。
基於所使用的特定的先前測量到的訊號，不同的感測器進展參數包含當前訊號的不同資訊。例如，圖1F繪示在50小時的時間內截取的工作電極電流訊號的示例比率與經過的時間的關係圖100d，其藉由將每個工作電極電流訊號除以3分鐘、30分鐘、及2小時之前測量到的工作電極電流訊號（分別是w_3min、w_30min、及w_2hr）來計算。在此圖中，在任何時間t的不同的比率具有不同的大小，從而導致感測器進展參數不同的時間曲線。如圖1F中所示，在每個時間點，均存在表示來自先前資料點的不同資訊的不同比率，這可以用來增加葡萄糖決定的準確度（如下文所述）。
如先前所述，在CGM測量期間存在兩個主要的誤差源，即訊號誤差及ISF葡萄糖滯後。第一個誤差源（訊號誤差）可以歸因於隨時間改變的靈敏度或甚至是校準時期內的靈敏度改變。這可以在圖2中看出，其繪示依據本文中所提供的實施例針對兩個CGM感測器（感測器1及感測器2）的一系列原位CGM校準的示例正規化增益與時間的關係圖。具體而言，每個高原或水平區域（例如圖2中的高原202）均表示正規化的增益（Gain），其藉由以下步驟來計算：將使用血液葡萄糖計來決定的BGM葡萄糖值除以CGM感測器（感測器1或感測器2）的葡萄糖訊號（例如Iw或Iw-Ib），然後將此增益除以初始增益（稱為Gain_1）。例如，按照以下的等式(18)：(18) 增益 = GRef-cal/Signalcal其中GRef-cal是來自血液葡萄糖計的參考葡萄糖值，而Signalcal是從CGM感測器測量到的原始葡萄糖訊號（例如工作電極電流、工作電極電流減背景電極電流等等）。Gain_1是CGM感測器的初始增益：(19) Gain_1 = GRef-cal_1/Signalcal_1使得正規化的增益（Gain/Gain_1）變成：(20) Gain/Gain_1 = (GRef-cal/Signalcal)/(GRef-cal_1/Signalcal_1)
增益（也稱為系統增益）被界定為與電子增益類似，具有[濃度/訊號]的物理因次。因此，若BGM濃度用[mg/dL]來表示，且感測器電流訊號用[奈安培或nA]來表示，則增益的單位為[mg/dL][nA]-1。
圖2的增益曲線200中的每個逐步增益均表示用來將CGM感測器訊號轉換成葡萄糖濃度的增益，這可以由以下表達式實現：(21) GRaw= Gain * Signal其中GRaw表示初始（未補償）的葡萄糖值，Gain是校準決定的增益（GRef-cal/Signalcal），而Signal是來自CGM感測器的葡萄糖訊號（例如Iw或Iw-Ib）。
藉由提供一系列的原位校準，一組增益形成了圖2的增益曲線，其反映了感測器靈敏度改變及在CGM感測器部署的過程（例如一般為1-2週或7-14日）內向CGM感測器提供了部分校準。然而，原位校準之間的靈敏度的額外改變變成長期監測過程中的誤差源。圖2的增益曲線是所採用的感測器特有的，且依賴使用參考葡萄糖值（例如BGM葡萄糖值）來進行的原位校準（例如在CGM過程期間週期性地進行）。也就是說，圖2的增益曲線是基於在CGM過程期間測量到的資料點來計算及/或調整的。
另一個誤差源是表觀ISF（葡萄糖）滯後，其描繪於圖3A的示意圖中。詳細而言，圖3A繪示使用BGM（參考葡萄糖曲線（曲線302））及CGM（CGM葡萄糖曲線（曲線304））所測量到的葡萄糖與時間的關係圖。當考慮來自參考（BGM）葡萄糖測量的葡萄糖曲線及來自CGM感測器的葡萄糖曲線時，兩者的葡萄糖曲線分離或移位，使得存在時間滯後，其中ISF（CGM）葡萄糖曲線（曲線304）相對於參考（BGM）葡萄糖曲線（曲線302）延遲時間滯後Δt。取決於是否在禁食或葡萄糖改變階段期間測量葡萄糖，時間滯後Δt變化。如先前所述，減少此時間滯後的常規方法藉由過濾或滯後補償來進行。然而，雖然這些方法可以在某種程度上起作用，但由於時間滯後的變化本質，時間滯後仍然可能存在。
如圖3A中所示，且依據本文中所述的實施例，若減少/消除CGM葡萄糖曲線上的葡萄糖濃度的每個個別的誤差ΔG，則CGM葡萄糖曲線（曲線304）相對於參考（BGM）葡萄糖曲線（曲線302）沒有明顯的移位。如下文進一步描述，此種逐點誤差補償允許改善CGM葡萄糖測量的準確度。
根據關係GRaw= Gain*Signal，可以看出，在保持Signal不變的情況下，葡萄糖的相對改變ΔG/G等於感測器轉換增益的相對改變ΔGain/Gain。即：(22) ΔG/G = ΔGain/Gain = (Gainact-Gaincal)/Gaincal= Gainact/Gaincal- 1其中Gainact是完全計及CGM系統中的誤差的實際增益，而Gaincal是來自原位校準的增益（例如來自BGM的手指棒讀數）。Gainact可以根據研究中的一個校準時期內配對的資料點（例如葡萄糖訊號及參考葡萄糖訊號）由Gainact= GBGM/Signalact所決定。相比之下，可以在每次原位校準之後決定Gaincal（將Gaincal獲得為Gaincal= BGMcal/Signalcal）。若不存在誤差，則Gainact及Gaincal可能相同，或若存在任何誤差，則Gainact及Gaincal可能不同。同時，在保持增益不變的情況下，葡萄糖的相對改變ΔG/G也等於訊號的相對改變：(23) ΔSignal/Signal = (Signalact-Signalideal)/Signalideal= Signalact/Signalideal- 1其中Signalact是包含會導致實際葡萄糖Gact的誤差的誤差部分的真實世界訊號，而Signalideal是在使用校準增益Gaincal來進行無誤差葡萄糖測量的情況下的理想（無誤差）訊號。在上述情況中的每一者中，均將葡萄糖、增益、及訊號的相對改變與理想的、校準的、或真實的值進行參考（經由分母項參考）。從等式(21)可以看出，在保持葡萄糖不變的情況下，增益的相對改變將與訊號的相對改變相反。這也可以從等式(22)及(23)看出，其中等式(22)中的完美增益Gainact（計及所有系統誤差）位於分子，而理想訊號Signalideal位於等式(23)的分母。這意味著，相對訊號誤差ΔSignal/Signal是相等的但方向與相對增益改變ΔGain/Gain相反。假設，訊號的任何改變（ΔSignal/Signal）均可以可歸因於感測器增益的改變（ΔGain/Gain），但方向相反。如此，可以將Gaincal調整為Gaincal/(1 + ΔGain/Gain)以計及訊號誤差。因此，最終的葡萄糖值Gfinal變成：(24) Gfinal= Signal * Gain/(1 + ΔGain/Gain)其中修改因子1/(1 + ΔGain/Gain)表示增益相對改變，其界定瞬時校準狀態，但方向與相對訊號改變相反。Gfinal在本文中也可以稱為補償的葡萄糖值GComp，而訊號可以稱為原始或未補償的葡萄糖訊號SignalRaw。接著可以將等式(24)寫成GComp= SignalRaw* Gain * (1/(1+Gain Function))，其為上述的等式(2)。對於具有分析物濃度的非線性關係或逐步計算的轉換函數而言，可以將補償關係表示為：(25) GComp= GRaw/ (1 + Gain Function)其中GRaw是根據這些其他轉換函數的初始葡萄糖決定。
給定GFinal= SignalRaw* Gain/(1 + ΔGain/Gain)的上述關係，目標是尋找滿足及/或界定增益函數ΔGain/Gain的感測器進展參數（例如比率或其他參數）。根據作為從先前資料點收集的資訊的當前-過去比率的先前論述，在一些實施例中，可以根據這些比率及它們的截項導出增益函數。可能不存在任何單個比率與增益函數ΔGain/Gain或相對葡萄糖改變ΔG/G的任何顯式或表觀的相關性。然而，多個比率項及它們的選擇性截項可以共同提供相對增益改變與增益函數ΔGain/Gain之間的必要相關性。例如，在一些實施例中，可以採用多變量回歸，其中ΔGain/Gain或ΔG/G作為回歸目標，而大量的當前-過去比率項及截項作為提供從先前資料點收集的資訊的輸入參數。在一些實施例中，可以採用當前-過去比率項及/或截項的高達2000個或更多個組合項作為輸入參數。可以採用更少或更多的比率項及/或截項，以及當前（關注點）資料點與先前資料點之間的其他關係（例如差異或其他關係）。圖3B示出相對葡萄糖誤差ΔG/G與由一組比率及它們的截項所界定的增益函數之間的相關性。增益函數是感測器進展參數（SPP）的函數；也就是說，增益函數= f(SPP)。R2= 64%指示強相關性。較大的R2值指示較強的相關性，且增益函數將更準確地趨近相對增益改變（並且補償結果將更佳地基於增益函數）。
舉個例子，使用許多CGM感測器針對幾十個使用者收集了167小時的CGM資料。167小時的CGM資料的整個過程分成三個節段：(1)3到21小時、(2)12-45小時、(3)40-167小時。這些節段在圖2的增益曲線中分別由參考標號204a、204b、及204c所標識。可以使用更少或更多的節段。參照圖2，增益的最大改變發生在第二節段204b內。對於第一節段204a而言，可以採用使用在關注點訊號之前長達3小時（由於暖機時間為3小時）截取的先前資料點的比率。例如，在一些實施例中，在暖機時間期間收集的資料可以用來計算從3小時開始的當前-過去比率。對於第二節段204b而言，可以採用使用在關注點訊號之前長達12小時截取的先前資料點的比率，重點是增益的相對大的改變。對於第三節段204c而言，可以採用在關注點訊號之前長達12小時截取的先前資料點。如所述，可以使用較舊的先前資料點。
可以使用任何合適的資料分析及/或統計軟體包來執行多變量回歸以針對每個節段204a、204b、及204c獲得增益函數。例如，可以採用從賓夕凡尼亞州學院的Minitab有限公司可取得Minitab軟體或另一種類似的軟體包。
在對個別的資料點及它們的比率參數使用多變量回歸的情況下，可以決定以下示例增益函數。可以採用其他的比率、資料點關係、截項、及/或增益函數。
圖4A、4B、及4C繪示依據本文中所述的實施例的圖2的節段204a、204b、及204c的示例增益函數（在圖4A-C中稱為增益函數1、增益函數2、及增益函數3）。圖4D、4E、及4F依據本文中所述的實施例分別是增益函數1、增益函數2、及增益函數3感測器進展參數（例如比率）及截項的定義列表。此資訊也提供在下文的附錄部分中。可以採用其他的及/或其他數量的增益函數、感測器進展參數、截項、係數值、及/或常數。這些增益函數及增益函數項僅是代表性的；可以使用其他類型及/或數量的增益函數。
操作時，可以將增益函數儲存在CGM設備的記憶體中，及用來基於來自CGM感測器的當前測量到的葡萄糖訊號（例如工作電極電流或光學訊號）及在當前測量到的葡萄糖值之前長達十二小時或更久所截取的過去的葡萄糖訊號來產生增益函數值，該增益函數值用來計算補償的葡萄糖值。使用此類增益函數可以顯著減少由增益改變及ISF滯後所造成的CGM葡萄糖值的誤差。例如，依據本文中所述的實施例，已經觀察到來自CGM感測器的一些未補償的葡萄糖值具有18%-25%之間的MARD值，且已經觀察到使用增益函數來決定的補償的葡萄糖值具有7%-10%的MARD值。
圖5A及5B分別繪示依據本文中所提供的實施例的CGM感測器的原始葡萄糖值及補償的葡萄糖值的示例一致性誤差網格圖500a及500b。基於Diabetes Care期刊第23(8)卷第1143-1148頁（2000年）由Joan L. Parkes等人所著「A New Consensus Error Grid to Evaluate the Clinical Significance of Inaccuracies in the Measurement of Blood Glucose」，將區域A、B、C、D、E的臨床意義於下文描述在表格1中。 表格1
區域 臨床意義
A 臨床上準確，對臨床作用無影響。
B 變更臨床作用，或對臨床結果的影響很小或無影響。
C 變更臨床作用，且可能影響臨床結果。
D 變更臨床作用，且可能具有重大的醫療風險。
E 變更臨床作用，且可能有危險的後果。
如圖5A及5B中所示，與未補償的葡萄糖值（圖5A）的小於98%相比，具有誤差補償的葡萄糖值的區域A及B中的組合資料大於99%（圖5B）。進一步地，明顯更多葡萄糖值落在區域A中。也可以在補償的CGM葡萄糖值的ISF滯後的有效減少中看出此性能改善。例如，圖6A及6B繪示依據本文中所提供的實施例的第一CGM感測器（圖6A中的感測器1）及第二CGM感測器（圖6B中的感測器2）的BGM葡萄糖值、補償的CGM葡萄糖值（GComp）、及未補償的CGM葡萄糖值（GRaw）與時間的關係。藉由使用增益函數，兩個CGM感測器的補償的葡萄糖值（GComp）與原始葡萄糖值（GRaw）相比基本上沒有ISF滯後。
圖7A繪示依據本文中所提供的實施例的示例CGM設備700的高階方塊圖。雖然未示於圖7A中，但要了解，各種電子元件及/或電路被配置為耦接到電源（例如但不限於電池）。CGM設備700包括偏壓電路702，可以將該偏壓電路配置為耦接到CGM感測器704。可以將偏壓電路702配置為向通過CGM感測器704的含有分析物的流體施加偏壓電壓（例如連續的DC偏壓）。在此示例實施例中，含有分析物的流體可以是人類間質液，且可以向CGM感測器704的一或更多個電極705（例如工作電極、背景電極等等）施加偏壓電壓。
在一些實施例中，CGM感測器704可以包括兩個電極，且可以跨該對電極施加偏壓電壓。在此類情況下，可以通過CGM感測器704測量電流。在其他的實施例中，CGM感測器704可以包括三個電極，例如工作電極、逆電極、及參考電極。在此類情況下，可以在工作電極與參考電極之間施加偏壓電壓，且可以例如通過工作電極來測量電流。CGM感測器704包括在還原-氧化反應中與含有葡萄糖的溶液起反應的化學物質，該反應影響了CGM感測器704的電荷載子的濃度及與時間有關的阻抗。示例化學包括葡萄糖氧化酶、葡萄糖脫氫酶等等。在一些實施例中，可以採用諸如氰鐵化物或二茂鐵的介體。
例如，由偏壓電路702所產生及/或施加的偏壓電壓的範圍相對於參考電極可以從約0.1到1伏特。可以使用其他的偏壓電壓。
響應於偏壓電壓在含有分析物的流體中通過CGM感測器704的電流可以從CGM感測器704傳遞到電流測量（Imeas）電路706（也稱為電流感測電路系統）。可以將電流測量電路706配置為感測及/或記錄電流測量訊號，該電流測量訊號具有指示從CGM感測器704傳遞的電流的大小的大小（舉例而言，例如使用合適的電流轉電壓轉換器（CVC）來指示）。在一些實施例中，電流測量電路706可以包括具有已知標稱值及已知標稱精確度（在一些實施例中，例如為0.1%到5%，或甚至小於0.1%）的電阻器，從CGM感測器704傳遞的電流通過該電阻器。跨電流測量電路706的電阻器形成的電壓表示電流的大小，且可以稱為電流測量訊號（或原始葡萄糖訊號SignalRaw）。
在一些實施例中，取樣電路708可以耦接到電流測量電路706，且可以配置為對電流測量訊號進行取樣，且可以產生表示電流測量訊號的數位化的時域樣本資料（例如數位化的葡萄糖訊號）。例如，取樣電路708可以是配置為接收電流測量訊號（其是類比訊號）且將其轉換成具有所需位元數的數位訊號作為輸出的任何合適的A/D轉換器電路。在一些實施例中，由取樣電路708所輸出的位元數可以是十六，但在其他的實施例中可以使用更多或更少的位元。在一些實施例中，取樣電路708可以用約每秒10個樣本到每秒1000個樣本的範圍中的取樣速率對電流測量訊號進行取樣。可以使用更快或更慢的取樣速率。例如，可以使用諸如約10 kHz到100 kHz的取樣速率，且對其進行降取樣以進一步減少訊噪比。可以採用任何合適的取樣電路系統。
仍參照圖7A，可以將處理器710耦接到取樣電路708，且可以進一步耦接到記憶體712。在一些實施例中，處理器710及取樣電路708被配置為經由有線路徑（例如經由串聯或並聯連接）彼此直接通訊。在其他的實施例中，處理器710及取樣電路708的耦接可以藉由記憶體712來進行。在此佈置中，取樣電路708將數位資料寫入到記憶體712，而處理器710從記憶體712讀取數位資料。
記憶體712可以具有儲存在其中的一或更多個增益函數714以供用於基於原始葡萄糖訊號（其來自電流測量電路706及/或取樣電路708）來決定補償的葡萄糖值。例如，在一些實施例中，可以將三或更多個增益函數儲存在記憶體712中，如先前所述，每個增益函數用於與CGM收集的資料的不同節段（時間段）一起使用。記憶體712也可以具有儲存在其中的複數個指令。在各種實施例中，處理器710可以是計算資源，例如但不限於微處理器、微控制器、嵌入式微控制器、數位訊號處理器（DSP）、配置為執行為微控制器的現場可程式化邏輯閘陣列（FPGA）等等。
在一些實施例中，儲存在記憶體712中的該複數個指令可以包括在由處理器710執行時使處理器710進行以下步驟的指令：(a)使CGM設備700（經由偏壓電路702、CGM感測器704、電流測量電路706、及/或取樣電路708）從間質液測量葡萄糖訊號（例如電流訊號）；(b)將葡萄糖訊號儲存在記憶體712中；(c)計算感測器進展參數，例如關注點葡萄糖訊號與較早測量到的葡萄糖訊號的比率（及/或其他關係）；(d)採用計算的感測器進展參數及儲存的增益函數以計算補償的葡萄糖值（例如濃度）；及(e)向使用者傳遞補償的葡萄糖值。
記憶體712可以是任何合適類型的記憶體，例如但不限於依電性記憶體及/或非依電性記憶體中的一或更多者。依電性記憶體可以包括但不限於靜態隨機存取記憶體（SRAM）或動態隨機存取記憶體（DRAM）。非依電性記憶體可以包括但不限於電氣可程式化唯讀記憶體（EPROM）、電氣可抹除可程式化唯讀記憶體（EEPROM）、快閃記憶體（例如呈NOR或NAND配置中的任一者、及/或呈堆疊或平坦佈置中的任一者、及/或呈單級單元（SLC）、多級單元（MLC）、或組合SLC/MLC佈置中的任一者的EEPROM類型）、電阻式記憶體、絲狀記憶體、金屬氧化物記憶體、相變記憶體（例如硫屬化物記憶體）、或磁式記憶體。例如，可以將記憶體112封裝成單個晶片或多個晶片。在一些實施例中，記憶體112可以與一或更多個其他電路一起嵌入在集成電路（舉例而言，例如應用特定集成電路（ASIC））中。
如上所述，記憶體712可以具有儲存在其中的複數個指令，該複數個指令在處理器710由執行時，使處理器710執行由儲存的該複數個指令中的一或更多者所指定的各種動作。記憶體712可以更具有為一或更多個「便箋式暫存」儲存區域保留的部分，其可以用於由處理器710響應於執行該複數個指令中的一或更多個指令而進行的讀取或寫入操作。
在圖7A的實施例中，可以將偏壓電路702、CGM感測器704、電流測量電路706、取樣電路708、處理器710、及包括增益函數714的記憶體712設置在CGM設備700的可穿戴感測器部分716內。在一些實施例中，可穿戴感測器部分716可以包括用於顯示諸如葡萄糖濃度資訊的資訊（例如在不使用外部設備的情況下顯示）的顯示器717。顯示器717可以是任何合適類型的人類可感知顯示器，例如但不限於液晶顯示器（LCD）、發光二極體（LED）顯示器、或有機發光二極體（OLED）顯示器。
仍參照圖7A，CGM設備700可以更包括可攜式使用者設備部分718。可以將處理器720及顯示器722設置在可攜式使用者設備部分718內。可以將顯示器722耦接到處理器720。處理器720可以控制由顯示器722所顯示的文字或影像。可以將可穿戴感測器部分716及可攜式使用者設備部分718通訊耦接。在一些實施例中，可穿戴感測器部分716及可攜式使用者設備部分718的通訊耦接可以藉由經由傳送器電路系統及/或接收器電路系統（舉例而言，例如可穿戴感測器部分716中的傳送/接收電路TxRx 724a及可攜式使用者設備部分718中的傳送/接收電路TxRx 724b）進行的無線通訊來進行。此類無線通訊可以藉由任何合適的手段來進行，包括但不限於基於標準的通訊協定，例如Bluetooth®通訊協定。在各種實施例中，可穿戴感測器部分716與可攜式使用者設備部分718之間的無線通訊可以替代性地藉由近場通訊（NFC）、射頻（RF）通訊、紅外線（IR）通訊、或光學通訊來進行。在一些實施例中，可穿戴感測器部分716及可攜式使用者設備部分718可以藉由一或更多條導線連接。
顯示器722可以是任何合適類型的人類可感知顯示器，例如但不限於液晶顯示器（LCD）、發光二極體（LED）顯示器、或有機發光二極體（OLED）顯示器。
現參照圖7B，示出了示例CGM設備750，其與圖7A中所繪示的實施例類似，但具有不同的元件劃分。在CGM設備750中，可穿戴感測器部分716包括耦接到CGM感測器704的偏壓電路702及耦接到CGM感測器704的電流測量電路706。CGM設備750的可攜式使用者設備部分718包括耦接到處理器720的取樣電路708及耦接到處理器720的顯示器722。處理器720進一步耦接到記憶體712，該記憶體具有儲存在其中的增益函數714。在一些實施例中，例如，CGM設備750中的處理器720也可以執行先前所述的由圖7A的CGM設備700的處理器710所執行的功能。與圖7A的CGM設備700相比，CGM設備750的可穿戴感測器部分716可以更小及更輕，且因此較不具侵入性，因為該可穿戴感測器部分不包括取樣電路708、處理器710、記憶體712等等。可以採用其他的元件配置。例如，作為圖7B的CGM設備750的一個變型，取樣電路708可以保留在可穿戴感測器部分716上（使得可攜式使用者設備718從可穿戴感測器部分716接收數位化葡萄糖訊號）。
圖8是依據本文中所提供的實施例的示例葡萄糖感測器704的側示意圖。在一些實施例中，葡萄糖感測器704可以包括工作電極802、參考電極804、逆電極806、及背景電極808。工作電極802可以包括塗有化學物質的導電層，該化學物質在還原-氧化反應中與含有葡萄糖的溶液起反應（這影響了CGM感測器704的電荷載子的濃度及與時間有關的阻抗）。在一些實施例中，工作電極802可以由鉑或表面粗糙化的鉑所形成。可以使用其他的工作電極材料。工作電極802的示例化學催化劑（例如酶）包括葡萄糖氧化酶、葡萄糖脫氫酶等等。酶成分可以藉由交聯劑（舉例而言，例如戊二醛）固定到電極表面上。可以將外膜片層施加到酶層上以保護包括電極及酶層的整體內部元件。在一些實施例中，可以採用諸如氰鐵化物或二茂鐵的介體。可以採用其他的化學催化劑及/或介體。
在一些實施例中，參考電極804可以由Ag/AgCl所形成。逆電極806及/或背景電極808可以由合適的導體所形成，例如鉑、金、鈀等等。可以將其他的材料用於參考電極、逆電極、及/或背景電極。在一些實施例中，背景電極808可以與工作電極802相同，但不具有化學催化劑及介體。逆電極806可以藉由隔離層810（例如聚醯亞胺或另一種合適的材料）與其他的電極隔離。
圖9是依據本文中所提供的實施例製作CGM設備的示例方法900的流程圖。參照圖9，在方塊902中，基於複數個感測器進展參數（例如葡萄糖訊號（其由CGM感測器所測量）的複數個比率）來產生增益函數。葡萄糖訊號可以是電化電流、光學訊號等等。每個感測器進展參數（SPP）均基於關注點葡萄糖訊號及在關注點葡萄糖訊號之前測量到的葡萄糖訊號。例如，SPP比率包括關注點葡萄糖訊號及在關注點葡萄糖訊號之前測量到的葡萄糖訊號的比率。在一些實施例中，可以採用在關注點葡萄糖訊號之前長達12小時測量到的葡萄糖訊號。可以使用較短或較長的時間段。在至少一些實施例中，可以與數百個或甚至數千個感測器進展參數（例如比率、差異等等）及/或其他的截項一起採用多變量回歸或類似的統計技術以計算相關的SPP（例如比率、差異等等）、截項、及係數以在增益函數中採用。可以決定多個增益函數（例如2個、3個、4個、5個等等）以供在CGM監測的不同時間段期間使用。例如，可以將一或更多個增益函數儲存在可穿戴感測器部分716（圖7A）或可攜式使用者設備718（圖7B）的記憶體712中。
在方塊904中，將增益函數儲存在CGM設備的記憶體中（例如呈參數名稱及它們的係數的形式）。例如，可以將一或更多個增益函數儲存在可穿戴感測器部分716（圖7A）或可攜式使用者設備718（圖7B）的記憶體712中。
在方塊906中，將電腦程式碼儲存在CGM設備的記憶體中，該電腦程式碼在由處理器執行時使CGM設備進行以下步驟：(a)使用CGM設備的感測器測量複數個葡萄糖訊號；(b)將葡萄糖訊號儲存在CGM設備的記憶體中；(c)針對當前測量到的葡萄糖訊號，基於儲存在記憶體中的當前測量到的葡萄糖訊號及複數個先前測量到的葡萄糖訊號計算複數個感測器進展參數（例如比率、差異等等）；(d)採用該複數個感測器進展參數及儲存的增益函數來計算補償的葡萄糖值（例如濃度）；及(e)向CGM設備的使用者傳遞補償的葡萄糖值。例如，可以將電腦程式碼儲存在可穿戴感測器部分716（圖7A）或可攜式使用者設備718（圖7B）的記憶體712中。CGM感測器704可以用來測量葡萄糖訊號，可以將該等葡萄糖訊號儲存在記憶體712中。這些儲存的葡萄糖訊號可以用來針對當前測量到的葡萄糖訊號計算複數個比率。接著可以將計算的比率與儲存的增益函數一起用來計算補償的葡萄糖值（例如使用上述的處理器710、處理器720、及/或等式(2)來計算）。一旦計算出，就可以向使用者傳遞補償的葡萄糖值（例如經由可穿戴感測器716的顯示器717及/或可攜式使用者設備718的顯示器722傳遞）。
圖10是依據本文中所提供的實施例在連續葡萄糖監測（CGM）測量期間決定葡萄糖濃度的示例方法1000的流程圖。參照圖10，在方塊1002中，提供包括感測器、記憶體、及處理器的CGM設備。CGM設備包括儲存在記憶體中的一或更多個增益函數。每個增益函數均基於葡萄糖訊號的複數個感測器進展參數，例如各自包括關注點葡萄糖訊號及在關注點葡萄糖訊號之前測量到的葡萄糖訊號的比率的比率。在一些實施例中，可以採用在關注點葡萄糖訊號之前長達12小時測量到的葡萄糖訊號。可以使用較短或較長的時間段。例如，可以將一或更多個增益函數儲存在可穿戴感測器部分716（圖7A）或可攜式使用者設備718（圖7B）的記憶體712中。葡萄糖訊號可以是電化電流、光學訊號等等。在本文中所述的實施例中的任一者中，可以將額外的校準資訊（例如原位及/或係數校準資料）儲存在CGM設備或其他的分析物監測設備中（例如儲存在設備的記憶體中，例如記憶體712）以供在葡萄糖及/或其他分析物的決定期間使用。
在方塊1004中，測量到複數個葡萄糖訊號，且將該複數個葡萄糖訊號儲存在CGM設備的記憶體中。例如，可以使用合適的安插器將可穿戴感測器部分716施加到CGM設備700的使用者。在安插過程期間，將CGM感測器704安插通過使用者的皮膚且接觸間質液。偏壓電路702可以向CGM感測器704施加偏壓電壓（例如連續的DC偏壓），然後電流測量電路706可以感測由施加的偏壓電壓所產生的電流訊號（例如工作電極電流，且在一些實施例中為背景電極電流）。取樣電路708可以數位化感測到的電流訊號，且處理器710（或圖7B的實施例中的處理器720）可以將電流訊號儲存在記憶體712中。
在方塊1006中，基於儲存在CGM的記憶體中的當前測量到的葡萄糖訊號及複數個先前測量到的葡萄糖訊號來計算複數個感測器進展參數（例如複數個比率）。例如，可以針對當前測量到的葡萄糖訊號計算由儲存在CGM設備的記憶體中的增益函數所採用的每個感測器進展參數（例如使用圖7A或7B的處理器710或720及記憶體712來計算）。
在方塊1008中，使用計算出的感測器進展參數及儲存的增益函數以基於當前測量到的葡萄糖訊號來計算補償的葡萄糖值。如所論述，所使用的增益函數可以取決於測量到當前測量到的葡萄糖訊號的時間段，因為可以針對不同的CGM使用時期（例如3-21小時、12-45小時、40-167小時等等）採用不同的增益函數。例如，可以採用處理器710（或處理器720）以計算儲存的增益函數中所使用的比率及其他截項，及使用等式GComp= SignalRaw* Gain * (1/(1+Gain Function)來計算補償的葡萄糖值。這可以替代性地視為基於增益函數來調整系統增益（Gain），然後使用調整的增益函數來計算補償的葡萄糖值（例如濃度）。
在方塊1010中，向CGM設備的使用者傳遞補償的葡萄糖值。例如，顯示器722（圖7A）或顯示器722（圖7B）可以顯示葡萄糖值。或者，可以將葡萄糖值用作趨勢線、圖、或影像的一部分。在一些實施例中，可以不顯示補償的葡萄糖值，直到很久之後的將來為止，及/或直到使用者要求顯示葡萄糖值為止。
在一些實施例中，可以使用依據本文中所提供的實施例的連續監測來測量其他的分析物。例如，可以使用分析物生物感測器或其他的生物感測器關注點分析物訊號、先前測量到的分析物訊號、及一或更多個合適的增益函數來偵測膽固醇、乳酸鹽、尿酸、乙醇等等的濃度。
圖11繪示依據本文中所提供的實施例利用皮下地安插到受試者中的生物感測器在連續監測測量期間決定分析物濃度的示例方法1100。參照圖11，在連續監測測量期間決定分析物濃度的方法1100包括以下步驟：將生物感測器皮下地安插到受試者中（方塊1102）。在一些實施例中，生物感測器可以包括逆電極、參考電極、及工作電極，該工作電極具有配置為氧化關注點分析物的化學組成。例如，可以將CGM感測器704或另一個分析物感測器安插到使用者中。可以向工作電極施加偏壓電壓（例如恆定的電壓）（方塊1104），以便從工作電極產生連續的電流。在方塊1106中，可以感測來自工作電極的工作電極電流訊號，及將該等工作電極電流訊號儲存到記憶體（例如CGM設備700或750的記憶體712，或另一個連續分析物監測設備的記憶體）中。例如，可以週期性地感測（例如取樣）及儲存工作電極電流訊號。
在方塊1108中，可以收集（例如從記憶體讀取）關注點工作電極電流訊號及儲存在記憶體中且是在關注點工作電極電流訊號之前測量到的工作電極電流訊號的一部分。接著可以採用從記憶體收集的關注點工作電極電流訊號及工作電極電流訊號的該部分根據預先決定的增益函數產生增益函數值（方塊1110）。例如，可以在預先決定的增益函數內採用基於從記憶體收集的關注點工作電極電流訊號及工作電極電流訊號的該部分的比率及/或差異。
可以使用根據預先決定的增益函數所產生的增益函數值來修改系統增益（方塊1112）。對於葡萄糖而言，系統增益可以基於使用BGM葡萄糖值進行的原位校準。可以基於參考分析物濃度及工作電極電流訊號來類似地決定其他分析物的系統增益（例如Gain = ACalb/(Iw)或ACalb/(Iw-Ib)，其中ACalb是參考分析物值）。在方塊1114中，可以基於修改的系統增益及關注點工作電極電流訊號來決定針對關注點工作電極電流訊號的補償的分析物濃度（AComp）：(25) AComp= SignalRaw*Gain*(1/(1+Gain Function))其中Gain*(1/(1+Gain Function))表示修改的系統增益。
示例分析物包括葡萄糖、膽固醇、乳酸鹽、尿酸、乙醇等等。在一些實施例中，可以將背景電流訊號與工作電極訊號一起儲存在記憶體中，且用來移除來自干擾物質（例如維生素C、對乙醯氨基酚等等）的訊號。
在又另一個實施例中，連續分析物監測（CAM）設備可以包括可穿戴部分，該可穿戴部分具有配置為皮下地安插到受試者中的生物感測器。生物感測器可以包括逆電極、參考電極、及工作電極，該工作電極具有配置為氧化關注點分析物及從間質液產生分析物（例如葡萄糖）訊號的化學組成。可穿戴部分也可以具有處理器、耦接到處理器的記憶體、及耦接到處理器的傳送器電路系統（例如如在圖7A中針對CGM設備700所示）。記憶體可以包括基於關注點分析物訊號及在關注點分析物訊號之前測量到的分析物訊號的預先決定的增益函數。此外，記憶體還可以包括儲存在其中的電腦程式碼，該電腦程式碼在由處理器執行時使得CAM設備進行以下步驟：(a)向具有化學組成的工作電極施加恆定的電壓，以便從工作電極產生連續的電流；(b)感測來自工作電極的工作電極電流訊號及將該等工作電極電流訊號儲存到記憶體中；(c)收集關注點工作電極電流訊號及儲存在記憶體中且是在關注點工作電極電流訊號之前測量到的工作電極電流訊號的一部分；(d)採用從記憶體收集的關注點工作電極電流訊號及工作電極電流訊號的該部分根據增益函數產生增益函數值；(e)使用根據預先決定的增益函數產生的增益函數值來修改系統增益；及(f)基於修改的系統增益及關注點工作電極電流訊號針對關注點工作電極電流訊號決定分析物濃度。例如，在一些實施例中，可以使用上述的等式(25)來計算使用修改的系統增益的分析物濃度。
圖12繪示依據本文中所提供的實施例製作連續分析物監測設備的另一個示例方法1200。參照圖12，在方塊1202中，將分析物感測器可操作地耦接到寄主。例如，可以將分析物感測器安插通過寄主的皮膚，使得分析物感測器接觸間質液區域。可以偵測的示例分析物包括葡萄糖、膽固醇、乳酸鹽、尿酸、乙醇等等。
在方塊1204中，採用分析物感測器來連續地（例如用規則的取樣速率）記錄分析物訊號。例如，可以每1、2、3、5、10分鐘或用任何其他的增量記錄（例如感測、測量、取樣、及/或儲存）分析物訊號。在一些實施例中，可以使用多個分析物感測器及多個寄主收集分析物訊號作為臨床研究的一部分。也可以記錄參考分析物濃度（例如在連續分析物監測過程期間週期性地記錄）。例如，可以採用參考分析物設備（例如血液葡萄糖計）以記錄參考分析物濃度。可以用任何合適的時間增量（例如每小時、每日、每隔一日等等）記錄參考分析物濃度。
在方塊1206中，將分析物感測器訊號與參考分析物濃度配對。例如，可以將在記錄參考分析物濃度之後測量到的分析物訊號與記錄的參考分析物濃度配對，直到記錄另一個參考分析物濃度為止。可以使用其他的配對。
圖13是依據本文中所提供的實施例與來自血液葡萄糖計（例如Contour Next One®血液葡萄糖計）的參考葡萄糖值配對的示例CGM響應電流（例如Iw-Ib）的圖表1300。如圖13中所示，Iw-Ib追蹤參考葡萄糖值。在一些實施例中，將在測量新的參考葡萄糖值之前3-5分鐘測量到的葡萄糖訊號與該新的參考葡萄糖值配對，而不是與先前記錄的參考葡萄糖值配對。
圖14是依據本文中所提供的實施例在CGM過程期間的示例參考葡萄糖值與葡萄糖電流（例如Iw-Ib）的關係圖1400。如圖14中所示，葡萄糖電流訊號準確地追蹤參考葡萄糖值，其中R2值為0.83。
在方塊1208中，計算相對分析物誤差ΔA/A。例如，分析物誤差可以等於訊號誤差ΔSignal/Signal且使用上述的等式(23)來計算。
在方塊1210中，收集感測器進展資訊，且將其用來藉由將關注點分析物資料點與整個資料集內的先前測量到的分析物資料點進行參考來計算感測器進展參數。例如，藉由計算關注點分析物訊號與在關注點分析物訊號之前測量到的分析物訊號之間的比率、差異、或其他關係，可以針對每個關注點分析物訊號計算感測器進展參數。
在方塊1212中，藉由將參考參考分析物濃度的相對分析物誤差及參考參考增益的相對增益誤差中的至少一者設定為統計分析的目標及將感測器進展參數設定為輸入變數來進行統計分析，以便獲得增益函數。在一些實施例中，統計分析可以包括多變量回歸。可以使用其他的統計分析方法。如所述，可以採用數十個、數百個、或數千個感測器進展參數以獲得增益函數。
在方塊1214中，將獲得的增益函數記錄為係數校準元件以供儲存在連續分析物監測設備中。增益函數包括選定的感測器進展參數及它們的加權的係數。如先前參照圖2所述，可以針對分析物資料集決定多於一個的增益函數（例如2個、3個、4個、或更多個）。在一些實施例中，可以將增益函數儲存在CGM設備中，例如儲存在CGM設備700的記憶體712中，或儲存在另一個連續分析物監測設備中。增益函數可以基於電化訊號、光學訊號等等。
以上說明僅揭露了示例實施例。本領域中的技術人員將容易理解上文所揭露的裝置及方法的落在此揭示內容的範圍內的變體。附錄
以下列出的增益函數、係數、感測器進展參數、及/或截項僅是示例。可以採用其他的增益函數、係數、感測器進展參數、及/或截項。增益函數1（Gain Funtion 1）（3-20小時）
Gain Function 1= 3.091118 + 1.471262*w27min - 0.984106*w2h - 2.665682*b3min - 2.254352*b18min + 2.314656*b1h - 0.0149674*w6mG - 0.0227495*w24mG + 1.117723*w27mSS1 + 0.951549*w3hSS1 + 0.0020214*w3hGSS1 + 0.536988*w3m2h - 0.97541*w9m2h + 0.326197*w15m1h + 0.699317*w24m2h - 0.397502*w27m2h + 0.0287526*b3mG - 0.01240012*b6mG - 0.43543*b3hSS1 - 0.0025204*b30mGSS1 - 0.841776*w27mb6mSS1 - 1.268666*w3hb9mSS1 ...增益函數2（Gain Funtion 2）（12-45小時）
Gain Function 2 =6.333784 + 2.7006532*w9min - 0.4503101*b1h - 0.0004858*w9mGSS1 + 9.35e-5*w12hGSS1 + 0.0930561*w3m3h - 0.0721993*w3m12h + 0.292186*w9m1h - 0.2503538*w12m2h - 0.231265*w21m2h + 0.508004*w24m2h - 0.2291636*w30m1h - 0.0584004*w30m3h + 0.0409812*w30m4h - 0.0041765*b6mG + 0.0039682*b12hG - 0.1346056*b6hSS1 + 0.0010892*b1hGSS1 + 0.0009736*b10hGSS1 + 0.1471952*w8hb4hSS1 - 0.0364746*w12hb4hSS1 ...增益函數3（Gain Funtion 3）（40-167小時）
Gain Function 3 =0.979878 - 0.637773*w9min + 0.0001337*w2hGSS1 + 0.0001573*w12hGSS1 + 0.167157*w3m3h - 0.325834*w3m12h + 0.311399*w6m12h + 0.378304*w12m1h - 0.308914*w12m3h - 0.022367*w18m10h - 0.377033*w27m1h + 0.167712*w27m3h - 0.390158*b15mSS1 + 0.356742*b8hSS1 - 0.0008352*b9mGSS1 + 0.0008576*b4hGSS1 - 0.204995*w3mb2h - 0.59261*w6mb1h + 0.0020452*Gw12hb12h - 0.296086*w12hb12mSS1 + 0.289866*w12hb12hSS1 ...增益函數1感測器進展參數及截項
Gaini= BGMcal-i/(Iw-Ib)cal-i，位於i原位校準點處，其中i = 1、2、…..10等等
S/S1 = Gaini/Gain1，個別的Gaini與Gain1= BGMcal-1/(Iw-Ib)cal-1的比率
GRaw= 0.85*(Iw-Ib)t*Gaini，若Gaini＞12；否則若Gaini＞8，則GRaw= 0.9*(Iw-Ib)t*Gaini；否則GRaw= (Iw-Ib)t*Gaini
w27min = (Iw-Ib)t/(Iw-Ib)t-27min，在時間t的Iw-Ib與在時間t-27min的Iw-Ib的比率
w2h = (Iw-Ib)t/(Iw-Ib)t-2hour，在時間t的Iw-Ib與在時間t-2hour的Iw-Ib的比率
b3min = Ibt/Ibt-3min，在時間t的Ib與在時間t-3min的Ib的比率
b18min = Ibt/Ibt-18min
b1h = Ibt/Ibt-1hour
w6mG = GRaw*(Iw-Ib)t/(Iw-Ib)t-6min
w24mG = GRaw*(Iw-Ib)t/(Iw-Ib)t-24min
w27mSS1 = (S/S1)*(Iw-Ib)t/(Iw-Ib)t-27min
w3hSS1 = (S/S1)*(Iw-Ib)t/(Iw-Ib)t-3hour
w3hGSS1 = GRaw* (S/S1)*(Iw-Ib)t/(Iw-Ib)t-3hour
w3m2h = w_3min/w_2h = [(Iw-Ib)t/(Iw-Ib)t-3min]/[(Iw-Ib)t/(Iw-Ib)t-2hour] = (Iw-Ib)t-2hour/(Iw-Ib)t-3min
w9m2h = w_9min/w_2h = [(Iw-Ib)t/(Iw-Ib)t-9min]/[(Iw-Ib)t/(Iw-Ib)t-2hour] = (Iw-Ib)t-2hour/(Iw-Ib)t-9min
w15m1h = w_15min/w_1h = [(Iw-Ib)t/(Iw-Ib)t-15min]/[(Iw-Ib)t/(Iw-Ib)t-1hour] = (Iw-Ib)t-1hour/(Iw-Ib)t-15min
w24m2h = w_24min/w_2h = [(Iw-Ib)t/(Iw-Ib)t-24min]/[(Iw-Ib)t/(Iw-Ib)t-2hour] = (Iw-Ib)t-2hour/(Iw-Ib)t-24min
w27m2h = w_27min/w_2h = [(Iw-Ib)t/(Iw-Ib)t-27min]/[(Iw-Ib)t/(Iw-Ib)t-2hour] = (Iw-Ib)t-2hour/(Iw-Ib)t-27min
b3mG = GRaw*Ibt/Ibt-3min
b6mG = GRaw*Ibt/Ibt-6min
b3hSS1 = (S/S1)*Ibt/Ibt-3hour
b30mGSS1 = GRaw*(S/S1)*Ibt/Ibt-30min
w27mb6mSS1 = (S/S1)*w_27min/b_6min = (S/S1)*[(Iw-Ib)t/(Iw-Ib)t-27min]/[Ibt/Ibt-6min]
w3hb9mSS1 = (S/S1)*w_3h/b_9min = (S/S1)*[(Iw-Ib)t/(Iw-Ib)t-3hour]/[Ibt/Ibt-9min]增益函數2感測器進展參數及截項
Gaini= BGMcal-i/(Iw-Ib)cal-i，位於i原位校準點處，其中i = 1、2、…..10等等
S/S1 = Gaini/Gain1，個別的Gaini與Gain1= BGMcal-1/(Iw-Ib)cal-1的比率
GRaw= 0.85*(Iw-Ib)t*Gaini，若Gaini＞12；否則若Gaini＞8，則GRaw= 0.9*(Iw-Ib)t*Gaini；否則GRaw= (Iw-Ib)t*Gaini
w9min = (Iw-Ib)t/(Iw-Ib)t-9min，在時間t的Iw-Ib與在時間t-9min的Iw-Ib的比率
b1h = Ibt/Ibt-1hour，在時間t的Ib與在時間t-1hour的Ib的比率
w9mGSS1 = GRaw*(S/S1)* (Iw-Ib)t/(Iw-Ib)t-9min
w12hGSS1 = GRaw*(S/S1)*(Iw-Ib)t/(Iw-Ib)t-12hour
w3m3h = w_3min/w_3h = [(Iw-Ib)t/(Iw-Ib)t-3min]/[(Iw-Ib)t/(Iw-Ib)t-3hour] = (Iw-Ib)t-3hour/(Iw-Ib)t-3min
w3m12h = w_3min/w_12h = [(Iw-Ib)t/(Iw-Ib)t-3min]/[(Iw-Ib)t/(Iw-Ib)t-12hour] = (Iw-Ib)t-12hour/(Iw-Ib)t-3min
w9m1h = w_9min/w_1h = [(Iw-Ib)t/(Iw-Ib)t-9min]/[(Iw-Ib)t/(Iw-Ib)t-1hour] = (Iw-Ib)t-1hour/(Iw-Ib)t-9min
w12m2h = w_12min/w_2h = [(Iw-Ib)t/(Iw-Ib)t-12min]/[(Iw-Ib)t/(Iw-Ib)t-2hour] = (Iw-Ib)t-2hour/(Iw-Ib)t-12min
w21m2h = w_21min/w_2h = [(Iw-Ib)t/(Iw-Ib)t-21min]/[(Iw-Ib)t/(Iw-Ib)t-2hour] = (Iw-Ib)t-2hour/(Iw-Ib)t-21min
w24m2h = w_24min/w_2h = [(Iw-Ib)t/(Iw-Ib)t-24min]/[(Iw-Ib)t/(Iw-Ib)t-2hour] = (Iw-Ib)t-2hour/(Iw-Ib)t-24min
w30m1h = w_30min/w_1h = [(Iw-Ib)t/(Iw-Ib)t-30min]/[(Iw-Ib)t/(Iw-Ib)t-1hour] = (Iw-Ib)t-1hour/(Iw-Ib)t-30min
w30m3h = w_30min/w_3h = [(Iw-Ib)t/(Iw-Ib)t-30min]/[(Iw-Ib)t/(Iw-Ib)t-3hour] = (Iw-Ib)t-3hour/(Iw-Ib)t-30min
w30m4h = w_30min/w_4h = [(Iw-Ib)t/(Iw-Ib)t-30min]/[(Iw-Ib)t/(Iw-Ib)t-4hour] = (Iw-Ib)t-4hour/(Iw-Ib)t-30min
b6mG = GRaw*Ibt/Ibt-6min
b12hG = GRaw*Ibt/Ibt-12hour
b6hSS1 = (S/S1)*Ibt/Ibt-6hour
b1hGSS1 = GRaw*(S/S1)*Ibt/Ibt-1hour
b10hGSS1 = GRaw*(S/S1)*Ibt/Ibt-10hour
w8hb4hSS1 = (S/S1)*w_8h/b_4h = (S/S1)*[(Iw-Ib)t/(Iw-Ib)t-8hour]/[Ibt/Ibt-4hour]
w12hb4hSS1 = (S/S1)*w_12h/b_4h = (S/S1)*[(Iw-Ib)t/(Iw-Ib)t-12hour]/[Ibt/Ibt-4hour]增益函數3感測器進展參數及截項
Gaini= BGMcal-i/(Iw-Ib)cal-i，位於i原位校準點處，其中i = 1、2、…..10等等
S/S1 = Gaini/Gain1，個別的Gaini與Gain1= BGMcal-1/(Iw-Ib)cal-1的比率
GRaw= 0.85*(Iw-Ib)t*Gaini，若Gaini＞12；否則若Gaini＞8，則GRaw= 0.9*(Iw-Ib)t*Gaini；否則GRaw= (Iw-Ib)t*Gaini
w9min = (Iw-Ib)t/(Iw-Ib)t-9min，在時間t的Iw-Ib與在時間t-9min的Iw-Ib的比率
w2hGSS1 = GRaw*(S/S1)*(Iw-Ib)t/(Iw-Ib)t-2hour
w12hGSS1 = GRaw*(S/S1)*(Iw-Ib)t/(Iw-Ib)t-12hour
w3m3h = w_3min/w_3h = [(Iw-Ib)t/(Iw-Ib)t-3min]/[(Iw-Ib)t/(Iw-Ib)t-3hour] = (Iw-Ib)t-3hour/(Iw-Ib)t-3min
w3m12h = w_3min/w_12h = [(Iw-Ib)t/(Iw-Ib)t-3min]/[(Iw-Ib)t/(Iw-Ib)t-12hour] = (Iw-Ib)t-12hour/(Iw-Ib)t-3min
w6m12h = w_6min/w_12h = [(Iw-Ib)t/(Iw-Ib)t-6min]/[(Iw-Ib)t/(Iw-Ib)t-12hour] = (Iw-Ib)t-12hour/(Iw-Ib)t-6min
w12m1h = w_12min/w_1h = [(Iw-Ib)t/(Iw-Ib)t-12min]/[(Iw-Ib)t/(Iw-Ib)t-1hour] = (Iw-Ib)t-1hour/(Iw-Ib)t-12min
w12m3h = w_12min/w_3h = [(Iw-Ib)t/(Iw-Ib)t-12min]/[(Iw-Ib)t/(Iw-Ib)t-3hour] = (Iw-Ib)t-3hour/(Iw-Ib)t-12min
w18m10h = w_18min/w_10h = [(Iw-Ib)t/(Iw-Ib)t-18min]/ [(Iw-Ib)t/(Iw-Ib)t-10hour] = (Iw-Ib)t-10hour/(Iw-Ib)t-18min
w27m1h = w_27min/w_1h = [(Iw-Ib)t/(Iw-Ib)t-27min]/[(Iw-Ib)t/(Iw-Ib)t-1hour] = (Iw-Ib)t-1hour/(Iw-Ib)t-27min
w27m3h = w_27min/w_3h = [(Iw-Ib)t/(Iw-Ib)t-27min]/[(Iw-Ib)t/(Iw-Ib)t-3hour] = (Iw-Ib)t-3hour/(Iw-Ib)t-27min
b15mSS1 = (S/S1)*Ibt/Ibt-15min
b8hSS1 = (S/S1)*Ibt/Ibt-8hour
b9mGSS1 = GRaw*(S/S1)*Ibt/Ibt-9min
b4hGSS1 = GRaw*(S/S1)*Ibt/Ibt-4hour
w3mb2h = w_3min/b_2h = [(Iw-Ib)t/(Iw-Ib)t-3min]/[Ibt/Ibt-2hour]
w6mb1h = w_6min/b_1h = [(Iw-Ib)t/(Iw-Ib)t-6min]/[Ibt/Ibt-1hour]
Gw12hb12h = GRaw*w_12h/b_12h = GRaw*[(Iw-Ib)t/(Iw-Ib)t-12hour]/[Ibt/Ibt-12hour]
w12hb12mSS1 = (S/S1)*w_12h/b_12min = (S/S1)*[(Iw-Ib)t/(Iw-Ib)t-12hour]/[Ibt/Ibt-12min]
w12hb12hSS1 = (S/S1)*w_12h/b_12h = (S/S1)*[(Iw-Ib)t/(Iw-Ib)t-12hour]/[Ibt/Ibt-12hour]
200:增益曲線202:高原302:曲線304:曲線700:CGM設備702:偏壓電路704:CGM感測器705:電極706:電流測量（Imeas）電路708:取樣電路710:處理器712:記憶體714:增益函數716:可穿戴感測器部分717:顯示器718:可攜式使用者設備部分720:處理器722:顯示器750:CGM設備802:工作電極804:參考電極806:逆電極808:背景電極810:隔離層900:方法902:方塊904:方塊906:方塊1000:方法1002:方塊1004:方塊1006:方塊1008:方塊1010:方塊1100:方法1102:方塊1104:方塊1106:方塊1108:方塊1110:方塊1112:方塊1114:方塊1200:方法1202:方塊1204:方塊1206:方塊1208:方塊1210:方塊1212:方塊1214:方塊1300:圖表1400:關係圖100a:表格100b:表格100c:表格100d:關係圖204a:第一節段204b:第二節段204c:第三節段500a:一致性誤差網格圖500b:一致性誤差網格圖724a:傳送/接收電路TxRx724b:傳送/接收電路TxRx
圖1A繪示依據本文中所述的實施例在三小時的時間內截取的葡萄糖訊號的集合中將當前的資料點與過去的資料點進行參考，及使用所收集的葡萄糖訊號來計算諸如比率的感測器進展參數。
圖1B繪示依據本文中所述的實施例在十二小時的時間內截取的葡萄糖訊號的集合中將當前的資料點與過去的資料點進行參考，及使用所收集的葡萄糖訊號來計算諸如比率的感測器進展參數。
圖1C、1D、及1E依據本文中所提供的實施例使用在最後一個資料點（其在時間=1小時處截取）之前長達1小時所測量到的先前資料點，來分別繪示CGM感測器的工作電極電流Iw、背景電極電流Ib、及Iw-Ib電流差的示例比率的表格。
圖1F繪示依據本文中所提供的實施例在50小時的時間內所截取的工作電極電流訊號的示例比率與經過的時間的關係圖。
圖2繪示依據本文中所提供的實施例針對兩個CGM感測器（感測器1及感測器2）的一系列原位校準的示例正規化增益與時間的關係圖。
圖3A繪示依據本文中所提供的實施例使用BGM（毛細管葡萄糖）及CGM所測量到的葡萄糖與時間的關係圖。
圖3B繪示依據本文中所提供的實施例的ΔG/G（或ΔGain/Gain）與根據臨床研究資料集由多變量回歸所導出的增益函數（Gain Function）的關係圖。
圖4A、4B、及4C繪示依據本文中所述的實施例的圖2的節段的示例增益函數（在圖4A-C中稱為增益函數1、增益函數2、及增益函數3）。
圖4D、4E、及4F分別是依據本文中所述的實施例的圖4A、4B、及4C的增益函數的比率及截項的定義列表。
圖5A及5B分別繪示依據本文中所提供的實施例的CGM感測器的原始葡萄糖值及補償的葡萄糖值的示例一致性誤差網格圖。
圖6A及6B繪示依據本文中所提供的實施例的第一CGM感測器（圖6A中的感測器1）及第二CGM感測器（圖6B中的感測器2）的BGM葡萄糖值、補償的CGM葡萄糖值（GComp）、及未補償的CGM葡萄糖值（GRaw）與時間的關係，其中，圖6A及6B的時間軸標示了省略符號以表示所省略的時間。
圖7A繪示依據本文中所提供的實施例的示例CGM設備的高階方塊圖。
圖7B繪示依據本文中所提供的實施例的另一個示例CGM設備的高階方塊圖。
圖8是依據本文中所提供的實施例的示例葡萄糖感測器的側示意圖。
圖9是依據本文中所提供的實施例製作CGM設備的示例方法的流程圖。
圖10是依據本文中所提供的實施例在連續葡萄糖監測測量期間決定葡萄糖濃度的示例方法的流程圖。
圖11繪示依據本文中所提供的實施例利用皮下地安插到受試者中的生物感測器在連續監測測量期間決定分析物濃度的示例方法。
圖12繪示依據本文中所提供的實施例製作連續分析物監測設備的另一個示例方法。
圖13是依據本文中所提供的實施例與來自血液葡萄糖計的參考值配對的示例CGM響應電流的圖表。
圖14是依據本文中所提供的實施例在CGM過程期間的示例參考葡萄糖值與葡萄糖電流的關係圖。
900:方法
902:方塊
904:方塊
906:方塊

Claims (10)

  1. 一種連續分析物監測（CAM）設備，包括：可穿戴部分，所述可穿戴部分包括：生物感測器，所述生物感測器被配置為皮下地安插到受試者中，所述生物感測器包括逆電極、參考電極、背景電極和工作電極，所述工作電極具有被配置為氧化關注點分析物並且從間質液產生分析物訊號的化學組成；處理器；以及記憶體，所述記憶體耦接到所述處理器；其中，所述記憶體包括基於關注點分析物訊號和在所述關注點分析物訊號之前測量的分析物訊號的預先決定的增益函數；其中，所述記憶體包括存儲在所述記憶體中的電腦程式碼，所述電腦程式碼在由所述處理器執行時使得所述CAM設備進行以下步驟：向具有所述化學組成的所述工作電極施加恆定電壓以便從所述工作電極產生連續電流；感測來自所述工作電極的工作電極電流訊號；感測來自所述背景電極的背景電極電流訊號；採用關注點工作電極電流訊號、關注點背景電極電流訊號、所述工作電極電流訊號的部分以及所述背景電極電流訊號的部分來根據所述預先決定的增益函數產生增益函數值；使用根據所述預先決定的增益函數產生的所述增益函數值來修改系統增益；通過將所述系統增益應用於所述關注點工作電極電流訊號來針對所述關注點工作電極電流訊號確定分析物濃度；並且將所述分析物濃度傳達給使用者。
  2. 如請求項1所述的CAM設備，其中，所述預先決定的增益函數是使用多變數回歸確定的係數。
  3. 如請求項1所述的CAM設備，其中，所述增益函數值基於在所述關注點工作電極電流訊號之前至少一小時測量的工作電極電流訊號。
  4. 如請求項1所述的CAM設備，其中，所述增益函數值基於在所述關注點工作電極電流訊號之前6小時和12小時之間測量的工作電極訊號。
  5. 如請求項1所述的CAM設備，其中，所述預先決定的增益函數採用關注點工作電極訊號與先前測量的工作電極電流訊號的比率。
  6. 如請求項1所述的CAM設備，進一步包括：傳送器電路，所述傳送器電路耦接到所述處理器；其中，將所述分析物濃度傳達給所述使用者包括通過所述傳送器電路將所述分析物濃度傳送給可擕式使用者設備。
  7. 如請求項1所述的CAM設備，進一步包括：用於向所述使用者顯示資訊的顯示器，其中，將所述分析物濃度傳達給所述使用者包括通過所述顯示器向所述使用者顯示所述分析物濃度。
  8. 如請求項1所述的CAM設備，其中，所述工作電極電流訊號的所述部分在所述關注點工作電極電流訊號之前測量，其中，所述背景電極電流訊號的所述部分在所述關注點背景電極電流訊號之前測量。
  9. 如請求項1所述的CAM設備，其中產生所述增益函數值包括基於所述關注點工作電極電流訊號和所述工作電極電流訊號的所述部分確定比率。
  10. 如請求項1所述的CAM設備，其中，產生所述增益函數值包括確定所述關注點工作電極電流訊號與所述關注點背景電極電流訊號之間的差異。
TW113137362A 2019-09-10 2020-09-09 連續分析物監測設備 TWI908366B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US201962898507P 2019-09-10 2019-09-10
US62/898,507 2019-09-10

Publications (2)

Publication Number Publication Date
TW202504551A TW202504551A (zh) 2025-02-01
TWI908366B true TWI908366B (zh) 2025-12-11

Family

ID=72474299

Family Applications (2)

Application Number Title Priority Date Filing Date
TW113137362A TWI908366B (zh) 2019-09-10 2020-09-09 連續分析物監測設備
TW109130891A TWI861209B (zh) 2019-09-10 2020-09-09 在連續監測測量期間決定分析物的濃度的方法

Family Applications After (1)

Application Number Title Priority Date Filing Date
TW109130891A TWI861209B (zh) 2019-09-10 2020-09-09 在連續監測測量期間決定分析物的濃度的方法

Country Status (6)

Country Link
US (3) US11678820B2 (zh)
EP (1) EP4027883A2 (zh)
JP (2) JP7674365B2 (zh)
CN (1) CN114786578A (zh)
TW (2) TWI908366B (zh)
WO (1) WO2021048190A2 (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP4408278B1 (en) * 2021-09-27 2026-03-18 Medtrum Technologies Inc. Analyte detection system
US12216074B2 (en) 2021-10-01 2025-02-04 Pacific Diabetes Technologies, Inc. Biosensors and methods for determining analyte concentration in the kinetic potential region of redox mediators
WO2025074375A1 (en) * 2023-10-03 2025-04-10 INDIAN INSTITUTE OF TECHNOLOGY MADRAS (IIT Madras) System and method to form continuous glucose monitoring device

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2014128638A1 (en) * 2013-02-20 2014-08-28 Università Degli Studi Di Padova Area Trasfermiento Di Tecnologia Retrospective retrofitting method to generate a continuous glucose concentration profile
CN109640796A (zh) * 2016-06-29 2019-04-16 豪夫迈·罗氏有限公司 用于提供与在连续监测系统中测得的分析物值相关联的信号质量度的方法
CN110037713A (zh) * 2013-12-16 2019-07-23 美敦力迷你迈德公司 电化学阻抗谱（eis）在连续葡萄糖监测中的使用

Family Cites Families (44)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5322063A (en) * 1991-10-04 1994-06-21 Eli Lilly And Company Hydrophilic polyurethane membranes for electrochemical glucose sensors
US5792668A (en) 1993-08-06 1998-08-11 Solid State Farms, Inc. Radio frequency spectral analysis for in-vitro or in-vivo environments
US6175752B1 (en) 1998-04-30 2001-01-16 Therasense, Inc. Analyte monitoring device and methods of use
JP3655587B2 (ja) 1999-09-20 2005-06-02 ロシュ ダイアグノスティックス コーポレーション 連続アナライトモニタリング用小型バイオセンサー
WO2001088534A2 (en) 2000-05-16 2001-11-22 Cygnus, Inc. Methods for improving performance and reliability of biosensors
US20030235817A1 (en) 2002-03-22 2003-12-25 Miroslaw Bartkowiak Microprocessors, devices, and methods for use in analyte monitoring systems
US7368190B2 (en) * 2002-05-02 2008-05-06 Abbott Diabetes Care Inc. Miniature biological fuel cell that is operational under physiological conditions, and associated devices and methods
US7366556B2 (en) * 2003-12-05 2008-04-29 Dexcom, Inc. Dual electrode system for a continuous analyte sensor
US7778680B2 (en) 2003-08-01 2010-08-17 Dexcom, Inc. System and methods for processing analyte sensor data
US7299082B2 (en) 2003-10-31 2007-11-20 Abbott Diabetes Care, Inc. Method of calibrating an analyte-measurement device, and associated methods, devices and systems
EP2316331B1 (en) 2003-12-09 2016-06-29 Dexcom, Inc. Signal processing for continuous analyte sensor
US20050187438A1 (en) * 2004-02-24 2005-08-25 Skymoon Research & Development, Llc Anti-stokes raman in vivo probe of analyte concentrations through the human nail
US8057401B2 (en) 2005-02-24 2011-11-15 Erich Wolf System for transcutaneous monitoring of intracranial pressure
EP4111962B1 (en) 2004-07-13 2023-08-30 Dexcom, Inc. Transcutaneous analyte sensor
US20060094945A1 (en) 2004-10-28 2006-05-04 Sontra Medical Corporation System and method for analyte sampling and analysis
KR101321296B1 (ko) 2005-07-20 2013-10-28 바이엘 헬스케어 엘엘씨 게이트형 전류 측정법 온도 결정 방법
US8346335B2 (en) 2008-03-28 2013-01-01 Abbott Diabetes Care Inc. Analyte sensor calibration management
US20080074307A1 (en) 2006-05-17 2008-03-27 Olga Boric-Lubecke Determining presence and/or physiological motion of one or more subjects within a doppler radar system
US7809441B2 (en) 2006-05-17 2010-10-05 Cardiac Pacemakers, Inc. Implantable medical device with chemical sensor and related methods
US20070299617A1 (en) 2006-06-27 2007-12-27 Willis John P Biofouling self-compensating biosensor
US8600681B2 (en) * 2007-05-14 2013-12-03 Abbott Diabetes Care Inc. Method and apparatus for providing data processing and control in a medical communication system
JP5738770B2 (ja) 2008-12-08 2015-06-24 バイエル・ヘルスケア・エルエルシーＢａｙｅｒ ＨｅａｌｔｈＣａｒｅＬＬＣ 信号調整を持つバイオセンサシステム
WO2010121229A1 (en) 2009-04-16 2010-10-21 Abbott Diabetes Care Inc. Analyte sensor calibration management
SG186179A1 (en) 2010-06-07 2013-01-30 Bayer Healthcare Llc Slope-based compensation including secondary output signals
US9402574B2 (en) * 2010-06-25 2016-08-02 The University Of Connecticut Sensors for analyte detection and methods of manufacture thereof
US8589106B2 (en) * 2010-12-22 2013-11-19 Roche Diagnostics Operations, Inc. Calibration of a handheld diabetes managing device that receives data from a continuous glucose monitor
US9008744B2 (en) 2011-05-06 2015-04-14 Medtronic Minimed, Inc. Method and apparatus for continuous analyte monitoring
WO2013043839A1 (en) 2011-09-21 2013-03-28 Bayer Healthcare Llc Biosensor with error compensation
WO2014046318A1 (ko) 2012-09-21 2014-03-27 ㈜ 더바이오 시료를 인식하는 방법 및 이를 이용한 바이오센서
US9486171B2 (en) 2013-03-15 2016-11-08 Tandem Diabetes Care, Inc. Predictive calibration
US20150073718A1 (en) 2013-09-10 2015-03-12 Lifescan Scotland Limited Phase-difference determination using test meter
US10238323B2 (en) 2014-06-06 2019-03-26 Dexcom, Inc. Fault discrimination and responsive processing based on data and context
RU2686048C2 (ru) * 2014-07-17 2019-04-23 Ф.Хоффманн-Ля Рош Аг Способ и устройство для определения уровня глюкозы в физиологической жидкости пациента и компьютерный программный продукт
US10881334B2 (en) * 2014-08-14 2021-01-05 University Of Virginia Patent Foundation Accuracy continuous glucose monitoring method, system, and device
KR101666978B1 (ko) * 2014-09-17 2016-10-24 주식회사 아이센스 생체시료 내 분석대상물질의 농도측정방법 및 측정장치
CN104407028B (zh) * 2014-11-27 2017-01-11 三诺生物传感股份有限公司 一种试条电极的控制方法和系统
US10327686B2 (en) 2015-12-28 2019-06-25 Medtronic Minimed, Inc. Sensor systems, devices, and methods for continuous glucose monitoring
WO2017156584A1 (en) 2016-03-18 2017-09-21 La Trobe University Mobile voltammetric analysis
HUE064191T2 (hu) 2017-07-03 2024-02-28 Hoffmann La Roche Eljárás és elektronikai egység bioszenzor in vivo tulajdonságainak detektálására eljárás
US11246512B2 (en) 2017-07-04 2022-02-15 Arkray, Inc. Measuring apparatus, computer readable medium storing measuring program and measuring method
EP4400047B1 (en) 2017-11-01 2025-09-24 Konamite Limited Method for conditioning of a sensor
CA3080719A1 (en) * 2017-12-13 2019-06-20 Medtronic Minimed, Inc. Methods and systems for continuous glucose monitoring
US11255839B2 (en) * 2018-01-04 2022-02-22 Glysens Incorporated Apparatus and methods for analyte sensor mismatch correction
CN113646625A (zh) 2019-02-22 2021-11-12 安晟信医疗科技控股公司 用于使用谐波关系监测分析物浓度的方法和设备

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2014128638A1 (en) * 2013-02-20 2014-08-28 Università Degli Studi Di Padova Area Trasfermiento Di Tecnologia Retrospective retrofitting method to generate a continuous glucose concentration profile
CN110037713A (zh) * 2013-12-16 2019-07-23 美敦力迷你迈德公司 电化学阻抗谱（eis）在连续葡萄糖监测中的使用
CN109640796A (zh) * 2016-06-29 2019-04-16 豪夫迈·罗氏有限公司 用于提供与在连续监测系统中测得的分析物值相关联的信号质量度的方法

Also Published As

Publication number Publication date
JP7674365B2 (ja) 2025-05-09
JP2025108738A (ja) 2025-07-23
EP4027883A2 (en) 2022-07-20
US11678820B2 (en) 2023-06-20
CN114786578A (zh) 2022-07-22
TWI861209B (zh) 2024-11-11
WO2021048190A2 (en) 2021-03-18
JP2022547357A (ja) 2022-11-11
TW202133804A (zh) 2021-09-16
US20230320631A1 (en) 2023-10-12
US20210068724A1 (en) 2021-03-11
US20210068725A1 (en) 2021-03-11
US11963763B2 (en) 2024-04-23
WO2021048190A3 (en) 2021-04-29
TW202504551A (zh) 2025-02-01

Similar Documents

Publication Publication Date Title
JP7730951B2 (ja) 連続的分析物感知および自動較正のセンサ動作を精査するための装置および方法
JP7840928B2 (ja) 接続関数による連続分析物モニタリングセンサの較正及び測定
US20230320631A1 (en) Methods and apparatus for information gathering, error detection and analyte concentration determination during continuous analyte sensing
JP2013238623A (ja) 時間分解電流測定を使用して被分析物濃度を決定するシステムおよび方法
HK40075058A (zh) 在连续分析物感测期间用於信息收集、误差检测和分析物浓度确定的方法和设备