1.一种用于提供患者的低血糖风险的后验评估的基于处理器的方法，所述方法包括：
提供算法以基于绝对的BG水平、BG变异性以及与低血糖的后验(条件)概率P(Ehypo|记录)高度相关的胰岛素给药，以针对低血糖风险来计算统计量Rhypo(记录)，其中Ehypo表示第二天中的低血糖事件并且记录指的是受试者的历史BG、胰岛素给药以及活动记录；以及
提供经计算的统计量Rhypo(记录)，从而关于所述患者的低血糖的概率的可行性现有警告被如此提供给患者或用户。
2.如权利要求1所述的方法，其中所述绝对的BG水平和BG变异性可以是得自CGM装置的数据并且所述绝对的胰岛素给药可以是从胰岛素泵装置获得的数据。
3.如权利要求1所述的方法，其中所述绝对的BG水平和BG变异性可以是得自CGM装置的数据并且所述绝对的胰岛素给药可以是从手动胰岛素注射装置获得的数据。
4.如权利要求1所述的方法，其中所述绝对的BG水平和BG变异性可以是得自SMBG装置的数据和/或所述绝对的胰岛素给药可以是从胰岛素泵装置获得的数据。
5.如权利要求1所述的方法，其中所述绝对的BG水平和BG变异性可以是得自SMBG装置的数据和/或所述绝对的胰岛素给药可以是从手动胰岛素注射装置获得的数据。
6.一种用于追溯地为患者提供安全水平的胰岛素的基于处理器的方法，所述方法包括：
提供算法以追溯地计算所述受试者的胰岛素给药的记录的基于风险的孤立衰减因子；
以及
提供所计算的基于风险的孤立衰减因子并且应用所述基于风险的衰减因子，以便任何内部阈值被提供给所述患者或用户以用于在将来可以被实现的在膳食和/或随后锻炼之前对减少的临时基础速率进行决定。
7.如权利要求6所述的方法，其中所述胰岛素给药的记录可以是从胰岛素泵装置获得的数据。
8.如权利要求6所述的方法，其中所述胰岛素给药的记录可以是从手动胰岛素注射装置获得的数据。
9.如权利要求6所述的方法，其中所述基于风险的衰减因子将被计算如下：
其中R(t，τ)是基于函数的BG对称性、基于直到时间t的BG和胰岛素数据的历史记录在时间t与t+τ之间的低血糖风险的量度，并且kpatient是患者特异性“侵略性”因子。
10.一种用于提供基于“净效应”的患者自适应模型的基于处理器的方法，所述方法包括：
提供算法以计算：
所述患者的代谢系统的动态模型，其中所述动态模型包括模型患者的个体生理学的描述性参数；
通过所述动态模型来说明历史记录中的葡萄糖变异性的行为“净效应”模型的对应推断历史；其中所述“净效应”模型包括所述模型患者的数学表示摄动；以及
所述患者的生理参数基于以下二者的更新：(i)所述动态模型基于已知输入预测将来的BG的能力和(ii)所述模型产生与所述患者的
所述摄动的记录一致的净效应曲线的能力；以及
将所述更新提供给所述患者或用户，从而患者或用户能够对于将来的动作过程使用所述更新。
11.如权利要求10所述的方法，其中所述描述性参数包括口服碳水化合物d(g/min)、身体活动e(cal/min)、皮下胰岛素u(U/hr)以及其元素包括身体的各种隔室中的葡萄糖和胰岛素浓度(mg/dl)和肠中的碳水化合物质量(mg)的所述模型患者的代谢状态向量χ之间的动态关系的表示。
12.如权利要求11所述的方法，其中所述葡萄糖浓度(mg/dl)可以是得自CGM装置的数据并且所述皮下胰岛素u和所述胰岛素浓度(mg/dl)可以是从胰岛素泵装置获得的数据。
13.如权利要求11所述的方法，其中所述葡萄糖浓度(mg/dl)可以是得自CGM装置的数据并且所述皮下胰岛素u和所述胰岛素浓度(mg/dl)可以是从手动胰岛素注射装置获得的数据。
14.如权利要求11所述的方法，其中所述葡萄糖浓度(mg/dl)可以是得自SMBG装置的数据和/或所述皮下胰岛素u和所述胰岛素浓度(mg/dl)可以是从胰岛素泵装置获得的数据。
15.如权利要求11所述的方法，其中所述葡萄糖浓度(mg/dl)可以是得自SMBG装置的数据和/或所述皮下胰岛素u和所述胰岛素浓度(mg/dl)可以是从手动胰岛素注射装置获得的数据。
16.如权利要求11所述的方法，其中所述描述性参数的关系能够被描述为一组离散时间非线性差分方程：
χ(k+1)＝F(χ(k)，u(k)，d(k)，e(k)；θ(k))
BGmodel(k)＝G(χ(k)，u(k)，d(k)，e(k)；θ(k))
其中F和G是非线性系统方程并且θ(k)是作为所述患者的特性的参数值的向量，所述患者的特性诸如身体重量、各种隔室中分配的容积、描述各种隔室之间的吸收和清除的速率的各种时间常数，其中的一些易于作为时间k的函数而变化。
17.如权利要求11所述的方法，其中所述描述性参数的关系能够被描述为一组连续时间非线性差分方程：
BGmodel(t)＝G(χ(t)，u(t)，d(t)，e(t)；θ(t))。
18.如权利要求17所述的方法，其中能够在任何期望的工作点(例如稳态葡萄糖浓度)附近直线化非线性表示以产生线性动态模型：
x(k十1)＝Ax(k)+Buuδ(k)+Bdd(k)+Bee(k)
y(k)＝Cx(k)
其中x是代谢状态微分(远离工作点)的向量，uδ(U/hr)是胰岛素给药中与所述患者的稳态(基础)胰岛素给药速率的偏差，A、Bu、Bd、Be是所述线性模型的状态空间度量，并且y(k)表示远离所期望的工作点的BG偏差，以及对θ(k)的依赖性被嵌入在所述状态空间度量A、Bu、Bd、Be内。
19.如权利要求10所述的方法，其中所述摄动包括膳食分布、身体活动以及睡着/醒来周期。
20.如权利要求10所述的方法，其中所述“净效应”模型提供使所述患者的BG的历史记录和胰岛素给药的历史记录一致的虚拟系统输入的“历史”。
21.如权利要求20所述的方法，其中所述患者的BG浓度的历史记录{BG(k)}k∈day以及胰岛素给药的历史记录{u(k)}k∈day、使历史信息一致的所述净效应是虚拟碳水化合物输入{dn.e.(k)}k∈day的向量，其最小化误差函数：
dist({BG(k)}k∈day，{BGmodel(k)}k∈day|{u(k)}k∈day，{dn.e.(k)}k∈day)，其中dist考虑胰岛素给药的固定记录{u(k)}k∈day和候选净效应向量{dn.e.(k)}k∈day来测量BG浓度的两个向量之间的距离(在这种情况下，
实际的BG与模型预测的BG)。
22.如权利要求21所述的方法，其中结果得到的最优净效应向量(亦称为净效应曲线){dn.e.(k)}k∈day最优地使由所述患者通过虚拟碳水化合物信号所收集到的所述BG和胰岛素数据一致，所述虚拟碳水化合物信号捕获对所述患者的所有外部影响作为以(mg/min)测量的单个外部干扰信号。
23.如权利要求22所述的方法，其中：
当所述净效应曲线为正时，这将对应于所述患者实际上进食，或者它可以对应于其中所述患者正在经历增强的胰岛素敏感性的天的时期；并且
当所述净效应曲线为负时，则这将对应于所述患者从事密集身体活动或锻炼。
24.如权利要求10所述的方法，其中：
所述患者生理模型参数{θ(k)}k∈day包括由于所述患者昼夜节律而导致的每日变异性；并且
所述模型更新器包括采取具有下列的形式的公式：
θ：＝θ+U(BGres，NEres；θ)，
其中U是递归参数更新函数，其能够是基于梯度的，BGres是BG模型预测误差(残差)的向量并且NEres是经计算的净效应曲线与所述患者的实际的(验证的)行为输入的记录之间的误差的向量。
25.如权利要求24所述的方法，其中所述动态模型在多个时标上被调整，从而能够基于BG残差每日计算参数更新：
θ：＝θ+U1(BGres；θ)，
并且能够在较长的时标上，例如每周或每月，计算基于净效应失配的更新：
θ：＝θ+U2(NEres；θ)。
26.如权利要求10所述的方法，进一步包括提供所述患者的胰岛素给药的最优速率的追溯评估，其中所述算法：
考虑到对系统的干扰确切地是在该时间间隔期间针对所述患者所计算的净效应曲线的历史，追溯地计算所述患者的胰岛素给药在历史时间的预定周期期间的最优速率将是什么，其中对于净效应曲线的每个“历史”，存在说明在所考虑的时间间隔中每一天的膳食、锻炼以及校正的胰岛素给药速率的对应“历史”；
在针对给定天的所述净效应曲线与最优控制器的基于模型的响应之间映射，其中最优响应的这些向量被收集并且分析，以及被呈现给所述患者或用户以供胰岛素治疗的逐日回顾；
通过减去与膳食相关联的胰岛素的离散量或者说明在锻炼附近与临时基础速率相关联的离散胰岛素短缺从所述最优响应中提取对应于重要但随机事件的特征，从而胰岛素给药的剩余时间表对应于所述患者在所述历史记录中每一天的“最优”基础模式的表示；以及以追溯地计算的最优基础速率来标识一致性，在多个持续时间段中的这样的最优基础速率表示所述患者的治疗持续时间；并且
所述方法进一步包括：
向所述患者或用户提供将一直在每个段中被应用的中等水平的基础胰岛素，其中所述患者或用户能够使用这个信息来(i)在将来的膳食和/或随后锻炼之前对减少的临时基础速率进行决定或者(ii)调整所述患者的长期基础速率分布。
27.如权利要求10所述的方法，进一步包括提供胰岛素建议模型的按需自适应校正，所述方法包括：
提供算法以包括以下计算：
对于膳食和锻炼活动的追溯检测；
用来提供关于膳食和锻炼的定时和内容的描述的随机建模；以及
将将会响应患者和用户请求的胰岛素校正建议提供给患者或用户。
28.如权利要求27所述的方法，其中：
对于膳食和锻炼活动的所述追溯检测包括用于使所述患者“净效应曲线”的当前历史与患者确认的膳食和锻炼事件的历史记录一致以产生相关患者行为的经证实的(高置信)记录的算法，其中使一致包括标识(i)针对所述患者根据可用的BG和胰岛素数据计算的所述净效应曲线与(ii)由所述患者或用户通过系统用户接口确认的膳食和锻炼事件之间的不同；并且
所述方法包括：
根据所述不同来提供建议，其中建议被传送给患者或用户；以及
接收来自用户或患者的作为结果的任何响应以形成相关患者活动的最后经证实的记录。
29.如权利要求28所述的方法，其中：
所述随机建模包括用于接收相关患者活动的所述最后经证实的记录并且追溯地建模以表示所述患者的行为的膳食和锻炼的定时和内容的算法。
30.如权利要求29所述的方法，其中：
所述胰岛素校正包括用于监控所述患者的状态并且基于(i)针对即将到来的行为干扰的随机建模和(ii)允许各种可替代校正胰岛素量的影响的预测的所述患者的代谢系统的当前动态模型在所述患者或用户要求时提供胰岛素校正建议的算法。
31.一种用于提供患者的低血糖风险的后验评估的系统，所述系统包括：
追溯基于风险的安全模块，其具有处理器以基于绝对的BG水平、BG变异性以及与低血糖的后验(条件)概率P(Ehypo|记录)高度相关的胰岛素给药，以针对低血糖风险来计算统计量Rhypo(记录)，其中Ehypo表示第二天中的低血糖事件并且记录指的是受试者的历史BG、胰岛素给药以及活动记录；以及
所述处理器输出经计算的统计量Rhypo(记录)，从而关于所述患者的低血糖的概率的可行性现有警告被如此提供给患者或用户。
32.如权利要求31所述的系统，其中所述绝对的BG水平和BG变异性可以是得自CGM装置的数据并且所述绝对的胰岛素给药可以是从胰岛素泵装置获得的数据。
33.如权利要求31所述的系统，其中所述绝对的BG水平和BG变异性可以是得自CGM装置的数据并且所述绝对的胰岛素给药可以是从手动胰岛素注射装置获得的数据。
34.如权利要求31所述的系统，其中所述绝对的BG水平和BG变异性可以是得自SMBG装置的数据和/或所述绝对的胰岛素给药可以是从胰岛素泵装置获得的数据。
35.如权利要求31所述的系统，其中所述绝对的BG水平和BG变异性可以是得自SMBG装置的数据并且所述绝对的胰岛素给药可以是从手动胰岛素注射装置获得的数据。
36.如权利要求31所述的系统，进一步包括：
CGM装置，其中所述绝对的BG水平和BG变异性可以是得自所述CGM装置的数据；以及胰岛素泵装置，其中所述绝对的胰岛素给药可以是从所述胰岛素泵装置获得的数据。
37.如权利要求31所述的系统，进一步包括：
CGM装置，其中所述绝对的BG水平和BG变异性可以是得自所述CGM装置的数据；以及手动胰岛素注射装置，其中所述绝对的胰岛素给药可以是从所述手动胰岛素注射装置获得的数据。
38.如权利要求31所述的系统，进一步包括：
SMBG装置，其中所述绝对的BG水平和BG变异性可以是得自所述SMBG装置的数据；和/或
胰岛素泵装置，其中所述绝对的胰岛素给药可以是从所述胰岛素泵装置获得的数据。
39.如权利要求31所述的系统，进一步包括：
SMBG装置，其中所述绝对的BG水平和BG变异性可以是得自所述SMBG装置的数据；和/或
手动胰岛素注射装置，其中所述绝对的胰岛素给药可以是从所述手动胰岛素注射装置获得的数据。
40.一种用于追溯地为患者提供安全水平的胰岛素的系统，所述系统包括：
追溯基于风险的安全模块，其具有处理器以追溯地计算所述受试者的胰岛素给药的记录的基于风险的孤立衰减因子；并且
所述处理器输出经计算的基于风险的孤立衰减因子并且应用所述基于风险的衰减因子，以便任何内部阈值被提供给所述患者或用户以用于在将来可以被实现的在膳食和/或随后锻炼之前对减少的临时基础速率进行决定。
41.如权利要求40所述的系统，其中所述胰岛素给药可以是从胰岛素泵装置获得的数据。
42.如权利要求40所述的系统，其中所述胰岛素给药可以是从手动胰岛素注射装置获得的数据。
43.如权利要求40所述的系统，进一步包括：
胰岛素泵装置，其中所述胰岛素给药可以是从所述胰岛素泵装置获得的数据。
44.如权利要求40所述的系统，进一步包括：
手动胰岛素注射装置，其中所述胰岛素给药可以是从所述手动胰岛素注射装置获得的数据。
45.如权利要求40所述的系统，其中所述基于风险的衰减因子将被计算如下：
其中R(t，τ)是基于函数的BG对称性、基于直到时间t的BG和胰岛素数据的历史记录在时间t与t+τ之间的低血糖风险的量度，并且kpatient是患者特异性“侵略性”因子。
46.一种用于提供基于“净效应”的患者自适应模型的系统，所述系统包括：
净效应估计器模块，其具有处理器以计算：
所述患者的代谢系统的动态模型，其中所述动态模型包括模型患者的个体生理学的描述性参数；和
通过所述动态模型来说明历史记录中的葡萄糖变异性的行为“净效应”模型的对应推断历史；其中所述“净效应”模型包括所述模型患者的数学表示摄动；以及
模型更新器模块，其具有处理器以计算：
所述患者的生理参数基于以下二者的更新：(i)所述动态模型基于已知输入预测将来的BG的能力和(ii)所述模型产生与所述患者的所述摄动的记录一致的净效应曲线的能力；并且
所述系统将所述更新输出给患者或用户，从而患者或用户能够对于将来的动作过程使用所述更新。
47.如权利要求46所述的系统，其中所述描述性参数包括口服碳水化合物d(g/min)、身体活动e(cal/min)、皮下胰岛素u(U/hr)以及其元素包括身体的各种隔室中的葡萄糖和胰岛素浓度(mg/dl)和肠中的碳水化合物质量(mg)的所述模型患者的代谢状态向量χ之间的动态关系的表示。
48.如权利要求47所述的系统，其中所述葡萄糖浓度(mg/dl)可以是得自CGM装置的数据并且所述皮下胰岛素u和所述胰岛素浓度(mg/dl)可以是从胰岛素泵装置获得的数据。
49.如权利要求47所述的系统，其中所述葡萄糖浓度(mg/dl)可以是得自CGM装置的数据并且所述皮下胰岛素u和所述胰岛素浓度(mg/dl)可以是从手动胰岛素注射装置获得的数据。
50.如权利要求47所述的系统，其中所述葡萄糖浓度(mg/dl)可以是得自SMBG装置的数据并且所述皮下胰岛素u和所述胰岛素浓度(mg/dl)可以是从胰岛素泵装置获得的数据。
51.如权利要求47所述的系统，其中所述葡萄糖浓度(mg/dl)可以是得自SMBG装置的数据并且所述皮下胰岛素u和所述胰岛素浓度(mg/dl)可以是从手动胰岛素注射装置获得的数据。
52.如权利要求47所述的系统，进一步包括：
CGM装置，其中所述葡萄糖浓度(mg/dl)可以是得自所述CGM装置的数据；以及胰岛素泵，其中所述皮下胰岛素u和所述胰岛素浓度(mg/dl)可以是从胰岛素泵装置获得的数据。
53.如权利要求47所述的系统，进一步包括：
SMBG装置，其中所述葡萄糖浓度(mg/dl)可以是得自所述SMBG装置的数据；以及胰岛素泵装置或胰岛素注射装置，其中所述皮下胰岛素u和所述胰岛素浓度(mg/dl)可以是从所述胰岛素泵装置或所述胰岛素注射装置获得的数据。
54.如权利要求47所述的系统，其中所述描述性参数的关系能够被描述为一组离散时间非线性差分方程：
χ(k+1)＝F(χ(k)，u(k)，d(k)，e(k)；θ(k))
BGmodel(k)＝G(χ(k)，u(k)，d(k)，e(k)；θ(k))
其中F和G是非线性系统方程并且θ(k)是作为所述患者的特性的参数值的向量，所述患者的特性诸如身体重量、各种隔室中分配的容积、描述各种隔室之间的吸收和清除的速率的各种时间常数，其中的一些易于作为时间k的函数而变化。
55.如权利要求47所述的系统，其中所述描述性参数的关系能够被描述为一组连续时间非线性差分方程：
BGmodel(t)＝G(χ(t)，u(t)，d(t)，e(t)；θ(t))。
56.如权利要求55所述的系统，其中能够在任何期望的工作点(例如稳态葡萄糖浓度)附近直线化非线性表示以产生线性动态模型：
x(k+1)＝Ax(k)+Buuδ(k)+Bdd(k)+Bee(k)
y(k)＝Cx(k)
其中x是代谢状态微分(远离工作点)的向量，uδ(U/hr)是胰岛素给药中与所述患者的稳态(基础)胰岛素给药速率的偏差，A、Bu、Bd、Be是所述线性模型的状态空间度量，并且y(k)表示远离所期望的工作点的BG偏差，以及对θ(k)的依赖性被嵌入在所述状态空间度量A、Bu、Bd、Be内。
57.如权利要求46所述的系统，其中所述摄动包括膳食分布、身体活动以及睡着/醒来周期。
58.如权利要求46所述的系统，其中所述“净效应”模型提供使所述患者的BG的历史记录和胰岛素给药的历史记录一致的虚拟系统输入的“历史”。
59.如权利要求58所述的方法，其中所述患者的BG浓度的历史记录{BG(k)}k∈day以及胰岛素给药的历史记录{u(k)}k∈day、使历史信息一致的所述净效应是虚拟碳水化合物输入{dn.e.(k)}k∈day的向量，最小化误差函数：
dist({BG(k)}k∈day，{BGmodel(k)}k∈day|{u(k)}k∈day，{dn.e.(k)}k∈day)，其中dist考虑胰岛素给药的固定记录{u(k)}k∈day和候选净效应向量{dn.e.(k)}k∈day来测量BG浓度的两个向量之间的距离(在这种情况下，实际的BG与模型预测的BG)。
60.如权利要求59所述的系统，其中结果得到的最优净效应向量(亦称为净效应曲线){dn.e.(k)}k∈day最优地使由所述患者通过虚拟碳水化合物信号所收集到的所述BG和胰岛素数据一致，所述虚拟碳水化合物信号捕获对所述患者的所有外部影响作为以(mg/min)测量的单个外部干扰信号。
61.如权利要求60所述的系统，其中：
当所述净效应曲线为正时，这将对应于所述患者实际上进食，或者它可以对应于其中所述患者正在经历增强的胰岛素敏感性的天的时期；并且
当所述净效应曲线为负时，则这将对应于所述患者从事密集身体活动或锻炼。
62.如权利要求46所述的系统，其中：
所述患者生理模型参数{θ(k)}k∈day包括由于所述患者昼夜节律而导致的每日变异性；并且
所述模型更新器的处理器被配置为计算下列内容：
θ：＝θ+U(BGres，NEres；θ)，
其中U是递归参数更新函数，其能够是基于梯度的，BGres是BG模型预测误差(残差)的向量并且NEres是经计算的净效应曲线与所述患者的实际的(验证的)行为输入的记录之间的误差的向量。
63.如权利要求62所述的系统，其中所述动态模型在多个时标上被调整，从而能够基于BG残差每日计算参数更新：
θ：＝θ+U1(BGres；θ).
并且能够在较长的时标上，例如每周或每月，计算基于净效应失配的更新：
θ：＝θ+U2(NEres；θ)。
64.如权利要求46所述的系统，进一步被配置为提供所述患者的胰岛素给药的最优速率的追溯评估，其中所述系统包括：
追溯最优控制分析器模块，其具有配置为执行以下步骤的处理器：
考虑到对系统的干扰确切地是在该时间间隔期间针对所述患者所计算的净效应曲线的历史追溯地计算所述患者的胰岛素给药在历史时间的预定周期期间的最优速率将是什么，其中对于净效应曲线的每个“历史”，存在说明在所考虑的时间间隔中每一天的膳食、锻炼以及校正的胰岛素给药速率的对应“历史”；并且
在针对给定天的所述净效应曲线与最优控制器的基于模型的响应之间映射，其中最优响应的这些向量被收集并且分析，以及被呈现给所述患者或用户以供胰岛素治疗的逐日回顾；追溯最优基础速率提取器模块，其具有配置为执行以下步骤的处理器：
通过减去与膳食相关联的胰岛素的离散量或者说明在锻炼附近与临时基础速率相关联的离散胰岛素短缺从所述最优响应中提取对应于重要但随机事件的特征，从而胰岛素给药的剩余时间表对应于所述患者在所述历史记录中每一天的“最优”基础模式的表示；并且以追溯地计算的最优基础速率来标识一致性，在多个持续时间段中的这样的最优基础速率表示所述患者的治疗持续时间；以及所述系统被配置为：
向所述患者或用户提供将一直在每个段中被应用的中等水平的基础胰岛素的输出，其中所述患者或用户能够使用这个信息来(i)在将来的膳食和/或随后锻炼之前对减少的临时基础速率进行决定或者(ii)调整所述患者的长期基础速率分布。
65.如权利要求46所述的系统，进一步被配置为提供胰岛素建议模型的按需自适应校正，所述系统包括：
追溯膳食和锻炼检测器模块，其具有处理器以为膳食和锻炼活动提供追溯检测；
膳食和锻炼随机建模器模块，其具有处理器以提供随机建模以提供关于膳食和锻炼的定时和内容的描述；以及
校正剂量咨询器模块，其具有处理器以将将会响应患者和用户请求的胰岛素校正建议提供并且输出给患者和用户。
66.如权利要求65所述的系统，其中：
对于膳食和锻炼活动的所述追溯检测包括用于使所述患者“净效应曲线”的当前历史与患者确认的膳食和锻炼事件的历史记录一致以产生相关患者行为的经证实的(高置信)记录的算法，其中使一致包括标识(i)针对所述患者根据可用的BG和胰岛素数据计算的所述净效应曲线与(ii)由所述患者或用户通过系统用户接口确认的膳食和锻炼事件之间的不同；并且
所述系统被配置为包括：
用来根据所述不同来提供建议的输出模块，其中建议被传送给患者或用户；以及用来接收来自用户或患者的作为结果的任何响应以形成相关患者活动的最后经证实的记录的输入模块。
67.如权利要求66所述的系统，其中：
所述随机建模模块的所述处理器被配置用于接收相关患者活动的所述最后经证实的记录并且追溯地建模以表示所述患者的行为的膳食和锻炼的定时和内容。
68.如权利要求67所述的系统，其中：
所述校正剂量咨询器模块的所述处理器被配置用于监测所述患者的状态并且配置为基于(i)用于即将到来的行为干扰的所述随机建模和(ii)允许各种可替代校正胰岛素量的影响的预测的患者的代谢系统的当前动态模型来在所述患者或用户要求时提供胰岛素校正建议。
69.一种包含用于提供患者的低血糖风险的后验评估的程序指令的非暂时性计算机可读介质，其中其中由计算机系统的一个或多个处理器对程序指令的执行来使得处理器执行下述步骤：
提供算法以基于绝对的BG水平、BG变异性以及与低血糖的后验(条件)概率P(Ehypo|记录)高度相关的胰岛素给药，以针对低血糖风险来计算统计量Rhypo(记录)，其中Ehypo表示第二天中的低血糖事件并且记录指的是受试者的历史BG、胰岛素给药以及活动记录；以及
提供经计算的统计量Rhypo(记录)，从而关于所述患者的低血糖的概率的可行性现有警告被如此提供给患者或用户。
70.如权利要求69所述的非暂时性计算机可读介质，其中所述绝对的BG水平和BG变异性可以是得自CGM装置的数据并且所述绝对的胰岛素给药可以是从胰岛素泵装置获得的数据。
71.如权利要求69所述的非暂时性计算机可读介质，其中所述绝对的BG水平和BG变异性可以是得自CGM装置的数据并且所述绝对的胰岛素给药可以是从手动胰岛素注射装置获得的数据。
72.如权利要求69所述的非暂时性计算机可读介质，其中所述绝对的BG水平和BG变异性可以是得自SMBG装置的数据和/或所述绝对的胰岛素给药可以是从胰岛素泵装置获得的数据。
73.如权利要求69所述的非暂时性计算机可读介质，其中所述绝对的BG水平和BG变异性可以是得自SMBG装置的数据和/或所述绝对的胰岛素给药可以是从手动胰岛素注射装置获得的数据。
74.一种包含用于追溯地为患者提供安全水平的胰岛素的程序指令的非暂时性计算机可读介质，其中其中由计算机系统的一个或多个处理器对程序指令的执行来使得处理器执行下述步骤：
提供算法以追溯地计算所述受试者的胰岛素给药的记录的基于风险的孤立衰减因子；
以及
提供所计算的基于风险的孤立衰减因子并且应用所述基于风险的衰减因子，以便任何内部阈值被提供给所述患者或用户以用于在将来可以被实现的在膳食和/或随后锻炼之前对减少的临时基础速率进行决定。
75.如权利要求74所述的非暂时性计算机可读介质，其中所述胰岛素给药的记录可以是从胰岛素泵装置获得的数据。
76.如权利要求74所述的非暂时性计算机可读介质，其中所述胰岛素给药的记录可以是从手动胰岛素注射装置获得的数据。
77.如权利要求202所述的非暂时性计算机可读介质，其中所述基于风险的衰减因子将被计算如下：
其中R(t，τ)是基于函数的BG对称性、基于直到时间t的BG和胰岛素数据的历史记录在时间t与t+τ之间的低血糖风险的量度，并且kpatient是患者特异性“侵略性”因子。
78.一种包含用于提供基于“净效应”的患者自适应模型的程序指令的非暂时性计算机可读介质，其中其中由计算机系统的一个或多个处理器对程序指令的执行来使得处理器执行下述步骤：
计算所述患者的代谢系统的动态模型，其中所述动态模型包括模型患者的个体生理学的描述性参数；
计算通过所述动态模型来说明历史记录中的葡萄糖变异性的行为“净效应”模型的对应推断历史；其中“净效应”模型包括所述模型患者的数学表示摄动；
计算所述患者的生理参数基于以下二者的更新：(i)所述动态模型基于已知输入预测将来的BG的能力和(ii)所述模型产生与所述患者的所述摄动的记录一致的净效应曲线的能力；以及
将所述更新提供给所述患者或用户，从而患者或用户能够对于将来的动作过程使用所述更新。
79.如权利要求78所述的非暂时性计算机可读介质，其中所述描述性参数包括口服碳水化合物d(g/min)、身体活动e(cal/min)、皮下胰岛素u(U/hr)以及其元素包括身体的各种隔室中的葡萄糖和胰岛素浓度(mg/dl)和肠中的碳水化合物质量(mg)的所述模型患者的代谢状态向量χ之间的动态关系的表示。
80.如权利要求79所述的非暂时性计算机可读介质，其中所述葡萄糖浓度(mg/dl)可以是得自CGM装置的数据并且所述皮下胰岛素u和所述胰岛素浓度(mg/dl)可以是从胰岛素泵装置获得的数据。
81.如权利要求79所述的非暂时性计算机可读介质，其中所述葡萄糖浓度(mg/dl)可以是得自CGM装置的数据并且所述皮下胰岛素u和所述胰岛素浓度(mg/dl)可以是从手动胰岛素注射装置获得的数据。
82.如权利要求79所述的非暂时性计算机可读介质，其中所述葡萄糖浓度(mg/dl)可以是得自SMBG装置的数据和/或所述皮下胰岛素u和所述胰岛素浓度(mg/dl)可以是从胰岛素泵装置获得的数据。
83.如权利要求79所述的非暂时性计算机可读介质，其中所述葡萄糖浓度(mg/dl)可以是得自SMBG装置的数据和/或所述皮下胰岛素u和所述胰岛素浓度(mg/dl)可以是从手动胰岛素注射装置获得的数据。
84.如权利要求79所述的非暂时性计算机可读介质，其中所述描述性参数的关系能够被描述为一组离散时间非线性差分方程：
χ(k+1)＝F(χ(k)，u(k)，d(k)，e(k)；θ(k))
BGmodel(k)＝G(χ(k)，u(k)，d(k)，e(k)；θ(k))
其中F和G是非线性系统方程并且θ(k)是作为所述患者的特性的参数值的向量，所述患者的特性诸如身体重量、各种隔室中分配的容积、描述各种隔室之间的吸收和清除的速率的各种时间常数，其中的一些易于作为时间k的函数而变化。
85.如权利要求79所述的非暂时性计算机可读介质，其中所述描述性参数的关系能够被描述为一组连续时间非线性差分方程：
BGmodel(t)＝G(χ(t)，u(t)，d(t)，e(t)；θ(t))。
86.如权利要求185所述的非暂时性计算机可读介质，其中能够在任何期望的工作点(例如稳态葡萄糖浓度)附近直线化非线性表示以产生线性动态模型：
x(k+1)＝Ax(k)+Buuδ(k)+Bdd(k)+Bee(k)
y(k)＝Cx(k)
其中x是代谢状态微分(远离工作点)的向量，uδ(U/hr)是胰岛素给药中与所述患者的稳态(基础)胰岛素给药速率的偏差，A、Bu、Bd、Be是所述线性模型的状态空间度量，并且y(k)表示远离所期望的工作点的BG偏差，以及对θ(k)的依赖性被嵌入在所述状态空间度量A、Bu、Bd、Be内。
87.如权利要求78所述的非暂时性计算机可读介质，其中所述摄动包括膳食分布、身体活动以及睡着/醒来周期。
88.如权利要求78所述的非暂时性计算机可读介质，其中所述“净效应”模型提供使所述患者的BG的历史记录和胰岛素给药的历史记录一致的虚拟系统输入的“历史”。
89.如权利要求88所述的非暂时性计算机可读介质，其中所述患者的BG浓度的历史记录{BG(k)}k∈day以及胰岛素给药的历史记录{u(k)}k∈day、使历史信息一致的所述净效应是虚拟碳水化合物输入{dn.e.(k)}k∈day的向量，其最小化误差函数：
dist({BG(k))k∈day，{BGmodel(k)}k∈day|{u(k)}k∈day，{dn.e.(k)}k∈day)，其中dist考虑胰岛素给药的固定记录{u(k)}k∈day和候选净效应向量{dn.e.(k)}k∈day来测量BG浓度的两个向量之间的距离(在这种情况下，实际的BG与模型预测的BG)。
90.如权利要求89所述的非暂时性计算机可读介质，其中结果得到的最优净效应向量(亦称为净效应曲线){dn.e.(k)}k∈day最优地使由所述患者通过虚拟碳水化合物信号所收集到的所述BG和胰岛素数据一致，所述虚拟碳水化合物信号捕获对所述患者的所有外部影响作为以(mg/min)测量的单个外部干扰信号。
91.如权利要求90所述的非暂时性计算机可读介质，其中：
当所述净效应曲线为正时，这将对应于所述患者实际上进食，或者它可以对应于其中所述患者正在经历增强的胰岛素敏感性的天的时期；并且
当所述净效应曲线为负时，则这将对应于所述患者从事密集身体活动或锻炼。
92.如权利要求78所述的非暂时性计算机可读介质，其中：
所述患者生理模型参数{θ(k)}k∈day包括由于所述患者昼夜节律而导致的每日变异性；并且
所述模型更新器包括采取具有下列的形式的公式：
θ：＝θ+U(BGres，NEres；θ)，
其中U是递归参数更新函数，其能够是基于梯度的，BGres是BG模型预测误差(残差)的向量并且NEres是经计算的净效应曲线与所述患者的实际的(验证的)行为输入的记录之间的误差的向量。
93.如权利要求92所述的非暂时性计算机可读介质，其中所述动态模型在多个时标上被调整，从而能够基于BG残差每日计算参数更新：
θ：＝θ+U1(BGres；θ)，
并且能够在较长的时标上，例如每周或每月，计算基于净效应失配的更新：
θ：＝θ+U2(NEres；θ)。
94.如权利要求78所述的非暂时性计算机可读介质，进一步包括提供所述患者的胰岛素给药的最优速率的追溯评估，其中其中由计算机系统的一个或多个处理器对程序指令的执行来使得处理器执行下述步骤：
考虑到对系统的干扰确切地是在该时间间隔期间针对所述患者所计算的净效应曲线的历史追溯地计算所述患者的胰岛素给药在历史时间的预定周期期间的最优速率将是什么，其中对于净效应曲线的每个“历史”，存在说明在所考虑的时间间隔中每一天的膳食、锻炼以及校正的胰岛素给药速率的对应“历史”；
在针对给定天的所述净效应曲线与最优控制器的基于模型的响应之间映射，其中最优响应的这些向量被收集并且分析，以及被呈现给所述患者或用户以供胰岛素治疗的逐日回顾；
通过减去与膳食相关联的胰岛素的离散量或者说明在锻炼附近与临时基础速率相关联的离散胰岛素短缺从所述最优响应中提取对应于重要但随机事件的特征，从而胰岛素给药的剩余时间表对应于所述患者在所述历史记录中每一天的“最优”基础模式的表示；
以追溯地计算的最优基础速率来标识一致性，在多个持续时间段中的这样的最优基础速率表示所述患者的治疗持续时间；以及
向所述患者或用户提供将一直在每个段中被应用的中等水平的基础胰岛素，其中所述患者或用户能够使用这个信息来(i)在将来的膳食和/或随后锻炼之前对减少的临时基础速率进行决定或者(ii)调整所述患者的长期基础速率分布。
95.如权利要求78所述的非暂时性计算机可读介质，进一步包括提供胰岛素建议模型的按需自适应校正，其中其中由计算机系统的一个或多个处理器对程序指令的执行来使得处理器执行下述步骤：
针对膳食和锻炼活动追溯地检测；
随机建模以提供关于膳食和锻炼的定时和内容的描述；以及
将将会响应患者和用户请求的胰岛素校正建议提供给患者或用户。
96.如权利要求95所述的非暂时性计算机可读介质，其中：
对于膳食和锻炼活动的所述追溯检测包括用于使所述患者“净效应曲线”的当前历史与患者确认的膳食和锻炼事件的历史记录一致以产生相关患者行为的经证实的(高置信)记录的算法，其中使一致包括标识(i)针对所述患者根据可用的BG和胰岛素数据计算的所述净效应曲线与(ii)由所述患者或用户通过系统用户接口确认的膳食和锻炼事件之间的不同；并且
其中其中由计算机系统的一个或多个处理器对程序指令的执行来使得处理器执行下述步骤：
根据所述不同来提供建议，其中建议被传送给患者或用户；以及
接收来自用户或患者的作为结果的任何响应以形成相关患者活动的最后经证实的记录。
97.如权利要求96所述的非暂时性计算机可读介质，其中：
所述随机建模包括用于接收相关患者活动的所述最后经证实的记录并且追溯地建模以表示所述患者的行为的膳食和锻炼的定时和内容的算法。
98.如权利要求97所述的非暂时性计算机可读介质，其中：
所述胰岛素校正包括用于监控所述患者的状态并且基于(i)针对即将到来的行为干扰的随机建模和(ii)允许各种可替代校正胰岛素量的影响的预测的所述患者的代谢系统的当前动态模型在所述患者或用户要求时提供胰岛素校正建议的算法。