遗漏丸剂剂量检测和相关系统、方法和设备

相关申请的交叉引用

本申请要求2019年6月10日提交的美国临时申请62/859,624的优先权，该申请的标题为“MISSED-BOLUS DOSE DETECTION AND RELATED SYSTEMS,METHODS AND DEVICES”(遗漏丸剂剂量检测和相关系统、方法和设备)，其全部内容通过引用结合于此。

技术领域

公开的实施例总体上涉及遗漏丸剂剂量检测(missed-bolus dose detection)，并且更具体地，涉及回顾性检测与胰岛素治疗相关的遗漏丸剂给药(dosing)。

背景技术

糖尿病是一种慢性代谢紊乱，由人员的胰腺不能产生足够量的激素胰岛素导致人员的新陈代谢不能提供糖和淀粉的适当吸收。不能吸收这些碳水化合物有时会导致高血糖症，即血浆中存在过量的葡萄糖。高血糖与各种严重症状和威胁生命的长期并发症有关，并发症诸如脱水、酮症酸中毒、糖尿病昏迷、心血管疾病、慢性肾衰竭、视网膜损伤和神经损伤，并有截肢的风险。

因为还不可能治愈，所以必须将适当的血糖水平维持在正常范围内的永久性治疗。维持适当的葡萄糖水平是通过定期向糖尿病患者(PWD)提供胰岛素来实现的。保持适当的血糖水平会给PWD带来巨大的认知负担，并影响PWD的生活的许多方面。例如，PWD的认知负担可归因于跟踪膳食、持续检查以及血糖水平的轻微过程校正等。PWD对血糖水平的调整可以包括服用胰岛素、跟踪胰岛素给药和葡萄糖、决定服用多少胰岛素、多久服用一次以及如何根据膳食(meal)和/或葡萄糖波动来调整胰岛素剂量。这些因素仅构成PWD巨大的认知负担的一部分。

从PWD醒来到他们上床睡觉的那一刻，PWD一直在检查他们的血糖水平，考虑他们已经吃的和将要吃的食物的数量和类型，考虑他们体内还有多少活性胰岛素，试图预测未来的胰岛素需求，检查和重新检查他们的供应，并确认他们的装备仍然工作。

基于胰岛素的糖尿病管理(insulin-based management of diabetes)需要全天非常注意细节。即使有仔细的计划和自我监测，PWD可能会跳过服用、双倍服用、或服用错误的数量和/或类型的胰岛素。如前所述，胰岛素不足会导致高血糖，胰岛素过多会导致低血糖，低血糖会导致笨拙、说话困难、思维混乱、意识丧失、癫痫发作或死亡。

附图说明

虽然本公开以特别指出并明确要求保护特定实施例的权利要求作为结束，但是当结合附图阅读时，在本公开范围内的实施例的各种特征和优点可以从以下描述中更容易地确定，其中：

图1示出了根据一个或多个实施例的用于检测遗漏丸剂的计算平台的简化块图。

图2示出了根据一个或多个实施例的用于检测遗漏丸剂的过程的流程图。

图3示出了根据一个或多个实施例的由图1的计算平台创建的回顾性研究的示例报告的图。

图4示出了根据一个或多个实施例的由图1的计算平台创建的回顾性研究的示例报告的图。

图5示出了根据一个或多个实施例的基于胰岛素的糖尿病管理系统的简化块图。

图6示出了根据一个或多个实施例的使用机器学习来训练遗漏丸剂分类器的系统的功能块图。

图7示出了根据一个或多个实施例的使用机器学习来训练遗漏丸剂分类器的过程的流程图。

图8示出了根据一个实施例的数据旅程。

具体实施方式

以下描述提供了具体细节，以提供对本发明各种实施例的全面描述。然而，本领域普通技术人员将理解，可以在不使用这些具体细节的情况下实践所公开的实施例。实际上，所公开的实施例可以结合工业中使用的传统系统和方法来实施。此外，仅详细描述有助于理解并使本领域普通技术人员能够实践所公开的实施例的那些元素。本领域普通技术人员将认识到，本文没有描述但是使用各种传统方法组件和动作的一些元件将符合本公开的实施例。

以下描述可以包括有助于使本领域普通技术人员能够实践所公开的实施例的示例。术语“示例性的”、“通过示例”、“例如”、“如”和“诸如”的使用意味着相关描述是解释性的，尽管本公开的范围旨在包括所列举的示例及其法律等同物。这些术语的使用并不旨在将实施例或本公开的范围限制于特定的组件、步骤、特征、功能、组件的布置等。此外，这些术语的使用并不表示或暗示相关描述包括或者是优选实施例。

本公开的任何附图仅用于说明目的，除非特别指出，否则不打算按比例绘制。图中共同的元素可以保留相同的数字标记；然而，编号上的相似性并不意味着结构或组件在尺寸、组成、配置或任何其他性质上必然相同。

容易理解的是，如在此一般描述的和在附图中示出的实施例的组件可以以多种不同的配置来布置和设计。因此，以下对各种实施例的描述并不旨在限制本公开的范围，而仅仅是各种实施例的代表。虽然实施例的各个方面可以在附图中呈现，但是除非特别指出，否则附图不一定按比例绘制。

如上所述，所示出和描述的具体实施方式仅是示例，除非本文另有说明，否则不应被解释为实施本公开的唯一方式。元件、电路和功能可以以块图形式示出，以免不必要的细节模糊本公开。块定义和各种块之间的逻辑划分是特定实现的示例。对于本领域普通技术人员来说，显而易见的是，本公开可以通过许多其他划分解决方案来实践。在大多数情况下，已经省略了关于时序考虑等的细节，其中这些细节对于获得对本公开的完整理解是不必要的，并且在相关领域的普通技术人员的能力范围内。

本说明书中描述的许多功能单元可以被示出、描述或标记为逻辑、模块、引擎、线程或编程代码的其他分离，以更具体地强调它们在实现本文一般描述的特征、功能、任务或步骤中的实现独立性。结合本文公开的实施例描述的各种说明性逻辑块、模块和电路可以至少部分地用通用处理器、专用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或其他可编程逻辑器件、分立门或晶体管逻辑、分立硬件组件或设计成执行本文描述的功能的它们的任意组合来实现或执行。

可以使用软件或固件、存储在计算机可读存储介质上、系统存储器中或其组合来实现功能单元，以供各种类型的处理器执行。可以用来编写软件的语言的一些示例包括，但不限于，可扩展标记语言、C、C++、JAVA、MATLAB、MINITAB、EXPRESS、DRAKON、DYNA、PYTHON、MOOSE和RUBY。软件程序可以进一步翻译成机器语言或虚拟机指令，并以该形式存储在程序文件中。然后，程序文件可以存储在一个或多个制品上或制品中。尽管使能软件可以“写在”盘上、“体现在”集成电路中、“承载在”通信电路之上、“存储在”存储器芯片中或者“加载在”高速缓冲存储器中，但是应当理解，出于本申请的目的，软件被简单地称为在计算机可读介质“中”或在计算机可读介质“上”。因此，术语“中”或“上”旨在包含上述以及软件可以与计算机可读介质相关联的所有等效和可能的方式。

在通用计算机的情况下，这些逻辑和模块可以包含在由处理器核执行的软件类和应用中，并且当模块正在执行时，通用计算机可以被认为是专用计算机或专用计算机。逻辑和模块还可以涉及控制其操作的专用硬件，包括固件和机器代码。可执行代码的标识的模块可以例如包括计算机指令的一个或多个物理或逻辑块，其可以例如被组织为线程、对象、程序或函数。然而，标识的模块的可执行代码不需要在物理上位于一起，而是可以包括存储在不同位置的不同指令，当这些指令在逻辑上结合在一起时，构成该模块并实现该模块的所述目的。

可执行代码模块可以包括单个指令或多个指令，甚至可以分布在几个不同的代码段上、不同的程序中以及几个存储或存储器设备上。类似地，操作数据可以在模块中被标识和示出，并且可以以任何合适的形式被体现并且被组织在任何合适类型的数据结构中。操作数据可以作为单个数据集被收集，或者可以分布在不同的位置，包括不同的存储设备，并且可以至少部分地仅作为系统或网络上的电子信号存在。在模块或模块的部分以软件实现的情况下，软件部分存储在一个或多个物理设备上，这些物理设备在本文被称为计算机可读介质。

在一些实施例中，软件部分以非暂时状态存储，使得软件部分或其表示在同一物理位置持续一段时间。此外，在一些实施例中，软件部分存储在一个或多个非暂时存储介质上，其包括能够存储代表软件部分的非暂时状态和/或信号的硬件元件，即使非暂时存储介质的其他部分能够改变和/或传输信号。非暂时性存储介质的示例是闪存和某些类型的随机存取存储器(RAM)。非暂时性存储介质的另一个示例包括只读存储器(ROM)，其可以在一段时间内存储代表软件部分的信号和/或状态。然而，存储信号和/或状态的能力不会因为发送与存储的信号和/或状态相同或代表存储的信号和/或状态的信号的进一步功能而减弱。例如，处理器可以访问ROM以获得代表存储的信号和/或状态的信号，从而执行对应的软件指令。

通用处理器可以是微处理器，但是可选地，处理器可以是任何传统的处理器、控制器、微控制器或状态机。处理器也可以被实现为计算设备的组合，例如DSP和微处理器的组合、多个微处理器、一个或多个微处理器与DSP核的结合、或者任何其他这样的配置。当通用计算机被配置为执行与本公开的实施例相关的计算指令(例如，软件代码)时，包括处理器的通用计算机被认为是专用计算机。

本文公开的实施例可以根据被描绘为流程图、流程示意图、结构图或块图的过程来描述。尽管流程图可以将操作动作描述为顺序过程，但是这些动作中的许多可以以另一顺序、并行或基本上同时执行。此外，动作的顺序可以重新排列。过程可以对应于方法、线程、函数、程序、子例程、子程序等。此外，本文公开的方法可以用硬件、软件或两者来实现。如果以软件实现，功能可以作为一个或多个指令或代码存储或传输在计算机可读介质上。计算机可读介质包括计算机存储介质和通信介质，通信介质包括便于将计算机程序从一个地方传送到另一个地方的任何介质。

本文描述的各种实施例可以被描述为在“计算机”、“计算系统”或“计算平台”中或由“计算机”、“计算系统”或“计算平台”来实现，它们应当被理解为包括至少一个非暂时性计算机可读介质和至少一个处理单元。一般来说，存储介质将在某个时刻存储至少部分可执行程序代码，并且处理器将执行该可执行程序代码中包括的一个或多个指令。

应当理解，术语“可执行程序代码”和术语“软件”对于本说明书的目的来说意味着基本上相同的事情。在本文描述的各种实施例的实践中，存储介质和处理单元不必物理上位于同一位置。也就是说，可以预见，处理器和存储器可能分布在装备的物理部件中，或者甚至分布在地理上不同的位置。本领域普通技术人员将理解，本文使用的“介质”、“多个介质”、“存储介质”、“计算机可读介质”或“计算机可读介质”可以包括软盘、磁带、数字磁带、光盘、集成电路、ROM、CD、DVD、蓝光光盘、盒式磁带、闪存、PROM、RAM、记忆棒或记忆卡，或计算机可用的任何其他非破坏性存储介质，包括可重写的存储介质。

公开的实施例可以全部或部分地在云计算、客户端-服务器或其他联网环境或其任意组合中执行。这种系统的一个或多个组件(例如，计算平台)可以位于单一的“云”或网络中，或者分布在许多云或网络中。不要求最终用户了解计算平台的物理位置和/或组件配置。此外，这种系统的组件可以经由一个或多个电子通信链路可操作地链接。这种电子通信链路可以至少部分地经由诸如互联网和/或其他网络的网络来建立。应当理解，这并不旨在进行限制，并且本公开的范围包括其中服务器、客户端、计算平台和/或外部资源可以经由一些其他通信介质可操作地链接的实施例。

用户可以通过显示器上的图形用户界面(GUI)和诸如触摸屏、键盘、计算机鼠标、触摸板、按钮、开关、跳线等输入设备与本文描述的计算平台交互。GUI可以包括控制台和/或仪表板，并且用户可以与GUI交互，进而与底层软件应用交互。

本文使用诸如“第一”、“第二”等名称对元素的任何引用不限制这些元素的数量或顺序，除非明确说明了这种限制。相反，这些名称在本文中可以用作区分两个或更多元素或元素实例的便利方法。因此，提及第一和第二元素并不意味着在那里只能使用两个元素，或者第一元素必须以某种方式在第二元素之前。此外，除非另有说明，否则一组元素可以包括一个或多个元素。

如本文所用，术语“基本上”关于给定的参数、性质或条件意味着并在一定程度上包括本领域普通技术人员将理解的给定的参数、性质或条件以小程度的变化得到满足，例如在可接受的制造公差内。举例来说，根据基本上满足的参数、属性或条件，参数、属性或条件可以满足至少90％、至少95％或甚至至少99％。

当遗漏丸剂剂量(术语“丸剂剂量”和“胰岛素的丸剂剂量”在本公开中可互换使用)时，PWD处于血糖升高和高血糖的风险中。此外，为了施用(administer)延迟丸剂剂量(late bolus dose)，PWD应考虑到体内已有的胰岛素可能已经作用于某些葡萄糖。如果PWD施用的剂量与最初的丸剂剂量相同，那么一些胰岛素可能会在体内长期活跃。如果追加(catchup)丸剂剂量足够大，则有导致低血糖的风险，无论是该剂量还是由于胰岛素堆积导致的后续剂量。所以，PWD承受着记忆施用丸剂剂量的认知负担，如果他们忘记，还要承受更难计算追加丸剂剂量的附加认知负担。

丸剂计算器(通常是工作表或软件应用)可以减轻一些认知负担，并且理论上可以降低与错误计算追加的胰岛素的丸剂剂量相关的风险。然而，丸剂计算器并不总是准确的，PWD及其护理人员并不总是提供正确的数据。因此，丸剂计算器可能会提供一种虚假的安全感，导致放松警惕和更多遗漏的丸剂剂量。

如果卫生保健提供者(HCP)知道他们的患者经常遗漏丸剂剂量，那么HCP可以采取纠正措施或由他们的患者发起纠正措施。例如，HCP可以教育患者与遗漏丸剂剂量相关的风险，提出记住及时施用丸剂剂量的习惯和策略，增加PWD每天施用的长效(LA)胰岛素的量，甚至改变PWD胰岛素输送机制(例如，从胰岛素笔到具有连续葡萄糖监测器的胰岛素泵)。

本公开的发明人意识到需要检测遗漏的丸剂剂量。特别地，需要回顾性检测遗漏的一个或多个丸剂剂量，以及在一些实现中遗漏的丸剂剂量的频率。

在本公开中，术语“回顾(retrospective)”和“回顾性(retrospectively)”具有与本公开所属技术领域的普通技术人员通常理解的相同的含义。

在本公开中，术语“胰岛素治疗”是指基于胰岛素的糖尿病管理。除非另有说明，本文使用“治疗”时，应理解为“胰岛素治疗”。例如，“治疗数据”应理解为“胰岛素治疗数据”，并且“治疗管理系统”应理解为“胰岛素治疗管理系统”。

一些公开的实施例总体上涉及使用治疗数据执行用于检测遗漏丸剂剂量的过程，该治疗数据与一段时间内基于胰岛素的人员的糖尿病管理(insulin-based managementof a person’s diabetes)相关联。在一个实施例中，在与治疗数据相关的胰岛素治疗的一段时间期间(即，在该一段时间内)标识回顾时间段。作为非限制性示例，回顾时间段可以由在回顾时间段内的时间戳或一系列时间戳来定义。分类器将标签分配给回顾时间戳，作为检测或未检测到遗漏丸剂事件。在一个实施例中，分类器是训练的模型(即，使用机器学习技术获得的模型)。

图1示出了根据公开的实施例的用于检测遗漏丸剂事件的计算平台100。在公开的实施例中，计算平台100是数据处理系统，更具体地说，是用于执行回顾遗漏丸剂检测的数据处理系统，或者可操作来作为数据处理系统来执行。计算平台100可以包括数据存储装置110和处理器102。数据存储装置110可以包括治疗数据112。治疗数据112是与一个或多个人员的胰岛素治疗相关的数据。在图1所示的实施例中，治疗数据112包括胰岛素给药数据114、膳食数据116和血糖数据118。替代地或附加地，治疗数据112可以包括锻炼数据、睡眠数据和/或患者的生理参数(例如，胰岛素敏感性因子或胰岛素与碳水化合物的比率)。

血糖数据118可以包括关于一次或多次人体血糖的数据。血糖数据118可以包括血糖水平的测量值，例如原始血糖测量值、基于血糖测量值的血糖估计值和/或其集合(例如平均值、趋势和/或度量值)。血糖数据118可以包括日期和时间(例如，时间戳)，以及对于每次血糖测量的值。在公开的实施例中，任何合适的葡萄糖传感器可以提供血糖数据118，例如，连续葡萄糖监测器(CGM)、快速葡萄糖监测器、血糖仪(BGM)。在CGM和快速葡萄糖监测器的情况下，它们可以被配置为基于人的间质液葡萄糖水平来提供血糖数据118，间质液葡萄糖水平可以与血糖水平相关联。BGM可以被配置为基于血液样本提供血糖数据。因此，术语“血糖”在本文不限于仅使用血糖数据、数值、水平等，还旨在包括间质液葡萄糖水平、中间测量值及其合法等价物。

胰岛素给药数据114可以包括给药事件数据。给药事件数据可以包括关于一次或多次胰岛素给药行为的数据，并且可以包括例如给药时间或时间范围、给药的胰岛素的类型(例如，LA胰岛素和快速作用(RA)胰岛素)、胰岛素的品牌和/或给药的胰岛素的量。在一些实施例中，给药事件数据可以包括给药机构的指示，例如注射笔、吸入器或输液泵。在一些实施例中，给药事件数据可以包括对给药事件数据是否部分或全部基于实际给药动作(例如，检测胰岛素输送，例如，基于泵的手动动作或被配置为引起胰岛素输送的控制信号)、用户对给药动作的跟踪(例如，PWD或护理人员使用在移动设备上执行的治疗应用输入剂量)或推断的给药动作(例如，从注射笔的加盖/开盖)的指示。

处理器102可以被配置为执行多个引擎来执行公开的实施例。在图1所示的实施例中，处理器102包括训练的遗漏丸剂分类器引擎104、数学引擎106和报告引擎108。

通常，训练的遗漏丸剂分类器引擎104可以被配置为处理治疗数据112或治疗数据112的一部分，并检测一个或多个遗漏丸剂。在一个实施例中，可以定义回顾时间段(例如，作为设置)，并且由训练的遗漏丸剂分类器引擎104处理的治疗数据112的一部分可以对应于该回顾时间段。在一个实施例中，训练的遗漏丸剂分类器引擎104可以是二元分类器，即返回两个结果之一，第一结果对应于“检测到遗漏丸剂”，并且第二结果对应于“没有检测到遗漏丸剂”。训练的遗漏丸剂分类器引擎104可以只给每个回顾时间戳分配一个标签，例如，“检测到遗漏丸剂”和“没有检测到遗漏丸剂”

在公开的实施例中，可以使用一种或多种有监督和/或无监督的学习技术，包括在本公开中更详细描述的那些技术，来训练训练的遗漏丸剂分类器引擎104。

数学引擎106可以被配置为使用治疗数据112和训练的遗漏丸剂分类器引擎104提供的结果来执行各种统计计算。在各种实施例中，统计计算可以包括例如频率计算、置信度计算、概率计算等等。

报告引擎108通常可以被配置为响应于训练的遗漏丸剂分类器引擎104和/或数学引擎106来生成一个或多个报告120。报告120可以包括参考图2和图3更全面描述的在计算平台100处执行的回顾研究的描述，并且可以包括例如患者标识符、回顾时间段的描述、分配的类标签、类标签等。

图2示出了根据一个或多个实施例的用于检测遗漏丸剂的过程200的流程图。过程200可以例如全部或部分地由本文公开的实施例来执行，包括由计算平台100来执行。在操作202中，过程200接收与一段时间内基于胰岛素的人员的糖尿病管理相关联的治疗数据。在操作204中，过程200标识该一段时间期间的回顾时间段。在一个实施例中，可以基于与执行过程200相关联的设置来标识回顾时间段。例如，用户可以设置一个或多个回顾时间段，包括在执行过程200的当前实例之前在操作204中使用的回顾时间段。在操作206中，过程200对与回顾时间段相对应的治疗数据的一部分执行遗漏丸剂分类过程。在操作208中，过程200响应于执行的遗漏丸剂分类过程获得分类结果。在一个实施例中，分类结果可以是二元的，例如，“检测到遗漏丸剂”或“没有检测到遗漏丸剂”。在一个实施例中，分类结果可以指示在回顾时间段中检测到的遗漏丸剂剂量的数量。在操作210中，过程200响应于分类结果，例如“检测到遗漏丸剂”或“没有检测到遗漏丸剂”，将标签分配给回顾时间段。在操作212中，过程200响应于回顾时间段的分类结果和一个或多个其他回顾时间段的一个或多个分类结果来计算遗漏丸剂频率度量。

一些实施例通常涉及根据公开的实施例报告检测到的遗漏丸剂。图3和图4分别示出了报告302和报告402，它们是可以由图1的计算平台100为回顾研究而创建的报告的示例。在一个实施例中，报告302和/或报告402可以是分别包括图3和图4所示的一个或多个字段的计算机文件。在一个实施例中，报告302和报告402可以包括人类可读形式、机器可读形式或人类可读和机器可读两种形式的电子文档。在公开的实施例中，“计算机文件”是指用于将数据离散地记录在计算机存储设备中的计算机资源，以及在有形计算机介质上接收的数据流。在公开的实施例中，“数据”是指数据和信息。

转到图3，报告302包括在报告302中包括的回顾研究的列表304。在该示例中，存在与在标识符310处标识的人员相关联的三个研究的条目。第一研究的条目312包括日期范围306和标签308。其他条目具有相同的元素。日期范围306对应于由训练的遗漏丸剂分类器引擎104处理的回顾时间段。标签308对应于由训练的遗漏丸剂分类器引擎104分配给对应于日期范围306的回顾时间戳的标签。

对于每个条目，可以提供附加数据。在该示例中，对于条目312，在报告302中提供了附加数据318。附加数据318包括对于检测到的遗漏丸剂的数量320、总体置信水平322、检测到的日期324和对于检测到的日期324的置信水平326的字段。检测到的遗漏丸剂的数量320描述了由训练的遗漏丸剂分类器引擎104针对日期范围306检测到的遗漏丸剂剂量的总数。总体置信水平322描述了计算的置信水平，即检测到的遗漏剂量的总数是真实遗漏剂量。检测到的日期324是训练的遗漏丸剂分类器引擎104检测到至少一个遗漏丸剂的日期的列表。在一个实施例中，在检测到的日期324中，可以包括每个日期的遗漏丸剂剂量的数量。置信水平326描述在检测到的日期324中每个相应日期的计算的置信水平。附加地或替代地，总体置信水平322和置信水平326可以指示训练的遗漏丸剂分类器引擎104检测到所有遗漏丸剂的置信度。

对于条目314，在报告302中提供了附加数据330。在该示例中，在对应于条目314的研究中没有检测到遗漏丸剂，因此附加数据330包括没有检测到遗漏丸剂的字段332。附加数据330还包括总体置信水平334，该总体置信水平334描述了在日期范围316中没有真实遗漏丸剂剂量的计算的置信水平。

在一些实施例中，可以为附加数据318和/或附加数据330中的任何数据提供支持数据。附加数据318和附加数据330的支持数据可以分别包括在更多细节328和更多细节336中。

转到图4，除了报告302中的数据之外，或者作为报告302中的数据的替代，可以创建报告402中的数据。在图4所示的实施例中，报告402包括关于患者的数据字段，根据所公开的实施例，对于该患者，训练的遗漏丸剂分类器引擎104执行回顾遗漏丸剂检测。报告402包括用于以下内容的字段：人员标识符404、执行的研究的数量406和执行研究的日期范围408。报告402还包括总体统计410和人员见解416的字段。

总体统计410是与人员标识符404中标识的人员的遗漏丸剂检测相关的统计观察。在图4所示的实施例中，总体统计数据410包括对于检测到的遗漏丸剂数量的字段412和检测到的遗漏丸剂数量412对应于真实遗漏丸剂的总体置信水平414。附加地或替代地，置信水平414可以指示训练的遗漏丸剂分类器引擎104检测到所有遗漏丸剂的置信度。

人员见解416是关于涉及与人员标识符404相关联的人员的遗漏丸剂给药的预测行为的观察。在图4所示的实施例中，人员见解416包括对于该患者将遗漏丸剂剂量的总体概率418和在特定时间范围内遗漏丸剂的概率420的字段。该患者将遗漏丸剂剂量的总概率418是与人员标识符404相关联的人员将在胰岛素治疗期间遗漏丸剂剂量的概率。特定时间范围内遗漏丸剂的概率420包括与人员标识符404相关联的人员在特定时间范围内胰岛素治疗期间遗漏丸剂剂量的概率。在图4所示的实施例中，为一天422、一周424、两周426和四周428的时间范围提供概率。可以包括用于支持与报告402中的数据相关的数据的字段，诸如更多细节430。

数据科学领域的普通技术人员用来计算和/或表达概率的任何合适的技术都可以与公开的实施例一起使用。

一些实施例总体上涉及胰岛素治疗系统及其元件，其结合了用于遗漏丸剂检测的系统、方法和设备。图5示出了根据公开的实施例的用于胰岛素治疗的系统500。在图5所示的实施例中，数据处理系统502、临床决策支持系统510和治疗管理系统508是计算平台，通常被配置为整体或部分地向彼此以及向HCP系统506和患者系统504提供与胰岛素治疗相关的各种服务。HCP系统506可以包括例如门户、仪表板、电子病历系统、执行该系统的计算平台等。

在公开的实施例中，治疗管理系统508可以是一个或多个计算平台，其被配置为接收和存储关于患者的治疗数据(诸如图1中的治疗数据112)和生理参数，发出警告和警报，以及对于管理胰岛素输送系统的治疗设置，所有这些都与基于胰岛素的PWD的糖尿病管理相关。

在公开的实施例中，临床决策支持系统510可以是被配置为健康数据技术系统的一个或多个计算平台，用于帮助HCP进行临床决策任务，并且更具体地，在该示例中，帮助HCP进行与PWD的胰岛素治疗相关的临床决策任务。在公开的实施例中，临床决策支持系统510被配置为辅助基于胰岛素的糖尿病管理，并自动分析治疗数据112(图1)，从治疗数据112标识PWD的治疗中的临床相关模式，并基于这些模式向HCP系统506提供数据和推荐。临床决策支持系统510的实施例的目标是通过促进向患者系统504和/或HCP系统506传达关于PWD的基于胰岛素的治疗的临床相关“见解”以及通过促进从HCP系统506向患者系统504传达治疗相关建议来改善PWD的结果。

在公开的实施例中，数据处理系统502可以是被配置为处理存储在治疗管理系统508和/或临床决策支持系统510处或从其接收的治疗数据112(图1)的一个或多个计算平台。在一个实施例中，数据处理系统502可以包括计算平台100(图1)的一个或多个元件，包括训练的遗漏丸剂分类器引擎104。以这种方式，数据处理系统502可以被配置为对治疗管理系统508和/或临床决策支持系统510执行遗漏丸剂检测。

举例来说，数据处理系统502可以对存储在临床决策支持系统510处的治疗数据112(图1)执行遗漏丸剂检测，并提供详细说明一个或多个标记的回顾时间段的一个或多个报告120(图1)，以及遗漏丸剂剂量的频率的一个或多个度量。临床决策支持系统510可以使用报告120中的数据来触发其发送给HCP系统506的见解和/或推荐。当HCP系统506访问来自临床决策支持系统510的消息时，来自报告120的数据可以被包括在这样的消息中或者可以被HCP系统506访问。例如，HCP系统506请求数据来支持消息中描述的见解或推荐。

图6示出了根据公开的实施例的使用机器学习技术来训练遗漏丸剂分类器(诸如图1中的训练的遗漏丸剂分类器引擎104)的系统600的功能块图。

在预期的操作中，监督学习引擎608使用训练数据602和为模型训练目的选择的工程特征集(即特征集606)来训练训练的分类器610。在一个实施例中，训练的分类器610是检测遗漏丸剂剂量的函数或算法。初始“最佳猜测”可以用于训练的分类器610，然后由监督学习引擎608不断改进。在公开的实施例中，训练的分类器610和监督学习引擎608可以实现用于执行本公开的实施例的任何合适的监督学习算法及其集成方法，包括例如逻辑回归分类器、决策树分类器、额外树分类器、隔离森林分类器、随机森林分类器和/或增强分类器。公开的实施例还可以实现不使用特征选择的监督学习算法，包括例如没有特征选择的一类支持向量机(SVM)和没有特征选择的逻辑回归。

在一个实施例中，训练数据602被标记为与一个或多个PWD相关联的治疗数据。可以选择PWD，使他们代表PWD生理学的期望领域，饮食行为，锻炼行为，睡眠行为，昼夜简档(diurnal profile)变化，等等。

在公开的实施例中，特征集606是在训练数据602中设计(即形成)的特征的子集，并且被监督学习引擎608用来训练任何分类器。在一个实施例中，使用特征选择过程来创建特征集606，该特征选择过程用于选择包括在使用特征工程技术创建的特征域中的特征的子集。特征域中的特征可以包括例如下表1中标识的一个或多个特征：

表1：对于特征域的特征的示例

可以使用任何合适的特征选择技术或用于尝试特征域中的特征和标识重要特征的技术的组合，包括例如顺序前向特征选择、顺序后向消除和基于树的特征选择算法，来从特征域中选择特征集606。

标记的测试数据614是在系统600的连续迭代期间由训练的分类器610分类和标记的测试数据612。在一个实施例中，对于遗漏丸剂的规则可以是临床相关规则(例如，由HCP使用的对于“遗漏丸剂”的普遍接受的规则)。在一个实施例中，规则是在膳食后基本30分钟内没有丸剂的情况下遗漏丸剂。在另一个实施例中，规则是在例如通过治疗管理系统或治疗管理应用向用户呈现注射胰岛素的推荐之后的预定时间段(例如，30分钟、45分钟、60分钟)内没有丸剂，则遗漏丸剂。

在一个实施例中，二元标签(例如，0和1，或-1和1)用于指示规则是否被满足。

标记的测试数据614是测试数据612的“真”或“目标”标签。换句话说，标记结果是训练的分类器610的目标。预测能力分析器616可以通过将分类器预测的标记的测试数据614的标签与目标分类的测试数据中的真实标签进行比较来评估训练的分类器610的预测能力。预测能力分析器616可以使用用于计算和/或评估模型有效性的任何合适的技术，包括例如精度、召回率(recall)、检测到的事件的数量对比真实事件的数量、混淆矩阵、自由曲线下面积(area-under-the-free-curve，AUC)和/或接收器操作特性(ROC)曲线。诸如网格搜索(GridSearch)结合交叉验证和N倍交叉验证的技术可用于分类器的超参数调整。

特征选择618从预测能力分析器616接收评估结果，并且作为响应，改变特征集606以尝试提高准确性和/或尝试简化特征集606。作为非限制性示例，对特征集606的改变可以包括，改变特征集606的特征的权重，向特征集606添加特征以尝试提高预测的准确性，从特征集606移除不必要的特征，以及它们的组合。

特征工程604从预测能力分析器616接收评估结果，并且在一些情况下，执行特征工程技术以从测试数据612中提取新的特征并将这些特征添加到工程特征622中。这些新特征可以在特征选择过程中由特征选择618使用。

在一个实施例中，系统600可以包括模拟引擎624，模拟引擎624被配置为生成模拟数据626，从模拟数据626可以获得训练数据602和测试数据612。模拟引擎624可以被配置为模拟各种PWD的胰岛素治疗场景。根据诸如生理(例如，年龄、体重、身高、复杂的健康状况、昼夜简档变化等)、生活方式(例如，饮食行为、锻炼行为、睡眠行为等)、社会经济因素(例如，收入、种族、地理位置、婚姻状况、儿童状况等)、PWD如何测量和跟踪膳食摄入的差异以及PWD使用的胰岛素输送系统和组件的操作和质量的差异的特性，创建代表PWD横截面(cross-section)的PWD简档。在一个实施例中，模拟引擎624被配置为对由于例如丢失组件、未能输入治疗相关的数据、未能佩戴葡萄糖监测器以及丢失蓝牙连接而导致的丢失治疗数据进行建模。

图7示出了根据公开的实施例的用于训练遗漏丸剂分类器的过程700的流程图。过程700可以全部或部分地由本文公开的实施例来执行，包括由系统600的一个或多个组件来执行。

在操作702中，过程700模拟基于胰岛素的糖尿病管理。在操作704中，过程700响应于在操作702中执行的模拟获得训练数据和测试数据。在一个实施例中，可以执行从操作702获得的模拟数据的预处理，以获得包括特征集的训练数据和测试数据。在操作706中，过程700使用训练数据训练多个遗漏丸剂分类器。在操作708中，过程700使用测试数据来确定在操作706中训练的多个遗漏丸剂分类器中的每一个的预测能力。在操作710中，过程700选择与在操作708中确定的预测能力中的最高预测能力相对应的训练的遗漏丸剂分类器。在操作710中选择的训练的遗漏丸剂分类器可以用作训练的遗漏丸剂分类器。

值得注意的是，全部或部分公开的实施例可以作为一系列离散操作来执行，迭代地或隐蔽地执行，使得该方法收敛于最终结果，或其组合。

在一些实施例中，系统600和过程700可用于训练延迟丸剂分类器，用于执行胰岛素治疗数据的回顾延迟丸剂分类，此外或替代地，训练遗漏丸剂分类器。在一个实施例中，延迟丸剂的规则可以被定义为在预定的第一时间阈值之后和预定的第二时间阈值之前施用胰岛素的丸剂剂量。作为示例，用于延迟丸剂检测的规则可以是在膳食后或丸剂推荐后超过15分钟但在膳食后或丸剂推荐后不到45分钟施用胰岛素的丸剂剂量。

在一个实施例中，延迟丸剂分类器和遗漏丸剂分类器都可用于对胰岛素治疗数据进行分类，并将数据标记为包括遗漏丸剂事件和/或延迟丸剂事件。

在一些实施例中，遗漏丸剂或延迟丸剂的规则可以使用血糖水平趋于降低的时间来检测胰岛素的丸剂剂量的施用。换句话说，指示用户的身体的胰岛素作用的降低的血糖水平可以用于检测胰岛素的丸剂剂量。在本公开的实施例中，大于速率阈值的一段时间内的速率的降低，或超过总降低阈值的一段时间内的血糖水平的总降低，可用于确定施用胰岛素的丸剂剂量的时间。可以基于血糖水平的降低的速率或血糖的总降低的速率来检测丸剂剂量，或者，可替代地，可以基于那些与先前推荐的剂量或膳食相结合的任何一个来检测丸剂剂量。

提供了几个非限制性的示例，用于结合遗漏丸剂分类器和延迟丸剂分类器的操作。延迟丸剂分类器使用的规则可以考虑推荐或膳食后15-45分钟的时间段。遗漏丸剂分类器使用的规则可以考虑推荐或膳食后45分钟或更长的时间段。

作为非限制性示例，如果丸剂剂量被推荐在下午3点，并且在3：40时血糖趋于降低，则可能检测到延迟丸剂，因为40分钟大于30分钟但小于45分钟。作为另一个非限制性示例，如果用户在下午3点输入膳食，并且在下午4点血糖趋向于更高，则可以检测到遗漏的丸剂，因为60分钟多于45分钟。

在一个实施例中，膳食的时间可以基于血糖水平。更具体地说，膳食的时间可以基于血糖水平的量的改变或以指示膳食摄入的速率的上升的时间。作为非限制性示例，用户可以在下午3点输入膳食，血糖水平可以在3：18以大于预定速率的速率上升，然后在下午4点血糖趋势下降。在该示例中，由于42分钟少于45分钟，因此可以检测到延迟丸剂。

在本文描述的实施例中，趋势可以基于血糖水平降低的速率、基于血糖水平增加减慢的速率、机上(on board)胰岛素的测量及其组合中的一个或多个。

值得注意的是，可以在例如图1的报告120中报告本文描述的关于遗漏丸剂检测和延迟丸剂检测的统计数据。例如，可以报告用户丸剂延迟或遗漏丸剂的概率。诸如临床决策支持(CDS)系统510(图5)的CDS系统可以检测到那些概率超过某个阈值，并为患者生成行为干预或动作。作为非限制性示例，CDS可以检测到用户始终处于遗漏和/或延迟丸剂类别中，并且向HCP推荐在患者不理解应当何时施用丸剂剂量的情况下，对患者进行关于血糖水平对膳食摄入和/或胰岛素的响应的教育。

一些公开的实施例通常涉及从模拟数据(诸如模拟数据626)获得训练数据和测试数据，诸如训练数据602和测试数据612(图6)。图8示出了根据公开的实施例的用于从模拟数据创建训练数据的数据旅程800的功能块图。数据旅程800的每个阶段被示为描述数据旅程800的至少一些值得注意的中间数据元素的操作块。

在操作块802中，通过选择部分模拟数据(例如图6中的模拟数据626)作为训练模拟数据804得到训练模拟数据804。在一个实施例中，获得90天的模拟的数据，并且选择前60天的模拟数据作为训练模拟数据804，并且选择最后30天的模拟数据作为测试模拟数据。

在操作块806中，在训练模拟数据804中标记每个遗漏丸剂事件，以获得标记的数据808。值得注意的是，对于作为模拟一部分的每个PWD，模拟数据804中的每个真实遗漏丸剂是已知的。

在操作块806中，对标记的数据808使用特征工程技术来获得特征集810。更具体地，特征工程技术用于在标记的数据808中形成特征，以获得特征集810。

在操作块812中，特征集810被分块以获得正分块数据816和负分块数据818。在各种实施例中，数据的分块是与类(这里是正类或负类)相关的数据，并且数据的分块本身可以通过聚集数据的子单元来形成。正分块数据816是与正类相关联的数据的分块(即，检测到遗漏丸剂事件)。在一个实施例中，正分块数据816可以通过聚集与每个遗漏丸剂事件之后的下一个60分钟的观察值相对应的特征集810(这里是训练数据)来获得。此外，60分钟的治疗数据的分块可以由与连续5分钟观察的12个实例相对应的治疗数据形成。

负分块数据818是与负类相关联的数据的分块(即，没有检测到遗漏丸剂事件)。在一个实施例中，负分块数据818可以通过聚集与60分钟的观察值相对应的训练数据来获得，其中(1)60分钟中的观察在时间戳上是连续的；(2)分块数据818的分块不相交(即，分块数据818的分块的交点为空)；以及(3)没有分块数据816的分块和分块数据818的分块相交(即，分块数据816的分块和分块数据818的分块的交点为空)。在一个实施例中，随机选择可用的数据的分块以形成分块数据816和/或分块数据818。在一个实施例中，为分块数据816选择的分块的数量基本上与为分块数据818选择的块的数量相同。

在操作块812中，分别为分块数据816的分块和分块数据818的分块获得正分块数据816的特征值814和负分块数据818的特征值820。在各种实施例中，可以为数据的分块或数据的分块的一个或多个较小的观察单元计算特征值。例如，可以使用形成60分钟治疗数据的分块的每个5分钟观察单元的治疗数据来计算特征值。

在操作块822中，获得正类数据824和负类数据828，更具体地，分别从分块数据816的分块和分块数据818的分块构建正类数据824和负类数据828。在一个实施例中，每个正类数据824通过用正类标识符(例如，“真”或“1”)标记分块数据816的组成的数据的分块并将标记的数据的分块复制到正类数据824中来形成。类似地，在一个实施例中，每个负类数据828通过用负类标识符(例如，“假”或“0”)标记分块数据818的组成的数据的分块并将标记的数据的分块复制到负类数据828来形成。

在操作块822中，获得正类数据824的聚集特征集值826和负类数据828的聚集特征集值830。在一个实施例中，正类数据824的聚集特征集值826和负类数据828的聚集特征集值830是通过在逐个特征的基础上将正分块数据816的特征值814和负分块数据818的特征值820分别聚集成针对分块的单个值而形成的。在各种实施例中，可以使用用于聚集的任何合适的统计方法，包括例如平均值、中值、商业上可获得的聚集函数(例如，第一值)中的一个或多个。

在各种实施例中，可以通过组合正类数据824和负类数据828来获得训练数据，诸如训练数据602(图6)。

在一个实施例中，作为数据旅程800的结果而获得的训练数据可以被表征为平衡的训练数据，即，具有来自两个类别的基本相等数量的观察值(即，“检测到的遗漏丸剂”和“没有检测到的遗漏丸剂”)。由于遗漏丸剂事件的概率低于没有遗漏丸剂事件的概率，所以模拟数据626(图6)中的观察值应该(理论上)不平衡，更具体地说，负观察值应该超过正观察值。因此，当获得平衡的训练数据时，可能不会考虑大多数负面观察，因此存在数据丢失的可能性。在一个实施例中，通过使用集成或打包技术来减轻数据丢失的任何影响。

在公开的实施例中，可以以类似于上述数据旅程800的方式获得测试数据，诸如测试数据612(图6)，除了整个测试模拟数据的集合可以被分块。测试数据可能不平衡(即不必平衡)。因此，在一个实施例中，可以通过应用滚动窗口来测试模拟数据来形成分块。例如，60分钟的分块可以通过以5分钟乘5分钟的观察单位、逐个人员地遍历整个测试模拟数据来形成。可以通过使用类似于如上所述的训练数据的合适的统计方法聚集值来为每个滚动窗口形成特征。

在一些情况下，可能没有足够的连续观察子单元来形成完整的数据的分块。使用由5分钟观察单位形成的60分钟数据的分块的示例，在遗漏丸剂事件之后，可能有6个5分钟观察单位和5个不连续(例如，观察之间的间隙)。因此，在一个实施例中，如果少于预定数量的连续观察单元可用，则丢弃数据的分块。可以为每个分块分配具有适当类标识符的标签，以指示其与遗漏丸剂或没有遗漏丸剂相关联。在一个实施例中，如果任何遗漏丸剂事件在分块开始时间的正负5分钟内，则可以为数据的分块分配正类标签，否则分配负类标签。

下面的示例说明了一些想法和想法的可能组合。

示例1：一种检测遗漏丸剂剂量的方法，包括：接收与一段时间内基于胰岛素的人员的糖尿病管理相关联的治疗数据；标识该一段时间的回顾时间段；对与回顾时间段相对应的治疗数据的一部分执行训练的遗漏丸剂分类过程；响应于执行的训练的遗漏丸剂分类过程获得分类结果；以及响应于分类结果将标签分配给回顾时间段。

示例2：示例1的方法，其中获得分类结果包括获得遗漏丸剂分类结果或没有遗漏丸剂分类结果。

示例3：示例1-2中任一项的方法，其中标识回顾时间段包括标识基本上两周的时间段。

示例4：示例1-3中任一项的方法，还包括响应于回顾时间段的分类结果和一个或多个其他回顾时间段的一个或多个分类结果，计算遗漏丸剂频率度量。

示例5：示例4的方法，其中一个或多个其他回顾时间段中的至少一个早于回顾时间段。

示例6：示例1-5中任一项的方法，其中接收治疗数据包括接收与该一段时间内基于胰岛素的人员的糖尿病管理相关联的膳食数据、血糖数据和胰岛素给药数据。

示例7：示例1-6中任一项的方法，还包括：接收葡萄糖捕获设备的标识符；在与训练的遗漏丸剂分类过程相关联的葡萄糖捕获设备的多个标识符中搜索该标识符；以及响应于找到标识符，选择训练的遗漏丸剂分类过程。

示例8：示例1-7中任一项的方法，还包括：接收一个或多个回顾分析参数；以及在对与回顾时间段相对应的治疗数据的部分执行训练的遗漏丸剂分类过程之前，响应于一个或多个回顾分析参数来调整训练的遗漏丸剂分类过程。

示例9：示例8的方法，其中接收一个或多个回顾分析参数包括接收葡萄糖捕获设备的标识符、该人员的昼夜简档和膳食加权因素中的一个或多个。

示例10：示例1-9中任一项的方法，还包括响应于分类结果向用于辅助临床决策的系统报告遗漏剂量。

示例11：一种系统，包括：其上存储有数据的数据存储装置，该数据包括与一段时间内基于胰岛素的人员的糖尿病管理相关联的治疗数据；以及计算平台，其可操作来作为数据处理系统执行，以响应处理治疗数据的请求，该数据处理系统被配置为：标识该一段时间的回顾时间段；对与回顾时间段相对应的治疗数据的至少一部分执行训练的遗漏丸剂分类过程；响应于执行的训练的遗漏丸剂分类过程获得分类结果；并且响应于分类结果将标签分配给回顾时间段。

示例12：示例11的系统，其中训练的遗漏丸剂分类过程是二元分类过程。

示例13：示例12的系统，其中响应于检测到治疗数据中的任何遗漏丸剂，训练的遗漏丸剂分类过程返回真。

示例14：示例12的系统，其中对于治疗数据中的每个检测到的遗漏丸剂，训练的遗漏丸剂分类过程返回真。

示例15：示例11-14中任一项的系统，其中计算平台被配置为通过标识基本上两周的时间段来标识回顾时间段。

示例16：示例11-15中任一项的系统，其中数据处理系统被配置为响应于回顾时间段的分类结果和一个或多个其他回顾时间段的一个或多个分类结果来计算遗漏丸剂频率度量。

示例17：示例16的系统，其中一个或多个其他回顾时间段中的至少一个早于回顾时间段。

示例18：示例11-17中任一项的系统，其中治疗数据包括与该一段时间内基于胰岛素的人员的糖尿病管理相关联的膳食数据、血糖数据和胰岛素给药数据。

示例19：示例18的系统，其中数据处理系统被配置为在对与回顾时间段相对应的治疗数据的部分执行训练的遗漏丸剂分类过程之前，响应于一个或多个回顾分析参数来调整训练的遗漏丸剂分类过程。

示例20：示例19的系统，其中一个或多个回顾分析参数包括葡萄糖捕获设备的标识符、该人员的昼夜简档和膳食加权因素中的一个或多个。

示例21：示例18-20中任一项的系统，其中数据处理系统被配置为响应于分类结果向用于辅助临床决策的系统报告遗漏剂量。

示例22：示例11-21中任一项的系统，其中数据包括葡萄糖捕获设备的多个标识符，并且其中数据处理系统被配置为：在多个标识符中搜索与治疗数据相关联的葡萄糖捕获设备的标识符；并且响应于找到标识符，选择训练的遗漏丸剂分类过程。

示例23：一种创建遗漏丸剂分类器或延迟丸剂分类器的方法，该方法包括：模拟糖尿病的基于胰岛素管理；从响应于模拟而获得的模拟数据中获得训练数据；使用训练数据训练遗漏丸剂分类器；以及响应于该训练获得训练的遗漏丸剂分类器。

示例24：示例23的方法，还包括：使用训练数据训练多个遗漏丸剂分类器；以及选择多个遗漏丸剂分类器中的一个作为训练的遗漏丸剂分类器，该选择包括：确定多个遗漏丸剂分类器中的每一个的预测能力；以及确定与确定的预测能力中的最高预测能力相对应的遗漏丸剂分类器。

示例25：示例24的方法，还包括：响应于模拟数据获得测试数据；以及使用测试数据确定多个遗漏丸剂分类器中的每一个的预测能力。

示例26：示例24的方法，其中确定多个遗漏丸剂分类器中的每一个的预测能力包括确定一个或多个度量，该度量从包括以下各项的组中选择：精度、召回率、检测到的事件的数量对比真实事件的数量、混淆矩阵、自由曲线下面积(AUC)、接收器操作特性曲线(ROC曲线)、超参数调谐的网格搜索和交叉验证以及超参数灵敏度的n倍交叉验证。

示例27：示例24的方法，还包括：构建多个特征集，其中多个特征集中的每个特征集是通过选择一个或多个特征以包括在特征集中来构建的；以及使用多个特征集和模拟数据执行特征选择过程以获得训练特征集。

示例28：示例23-27中任一项的方法，其中模拟基于胰岛素的糖尿病管理包括：为使用基于胰岛素的糖尿病管理的人员选择多个简档；以及针对多个简档执行基于胰岛素的糖尿病管理的基于计算机的蒙特卡罗(Monte Carlo)模拟。

示例29：一种创建延迟丸剂分类器的方法，该方法包括：模拟基于胰岛素的糖尿病管理；从响应于该模拟而获得的模拟数据中获得训练数据；使用训练数据训练延迟丸剂分类器；以及响应于该训练获得训练的延迟丸剂分类器。

示例30：一种存储指令的计算机可读存储介质，当由计算机的处理器执行时，该指令使得计算机执行根据示例1至10和示例23至29中任一项的方法。

示例31：一种计算机程序产品，包括体现其上的计算机可读指令的非暂时性计算机可读存储介质，其中计算机可读指令适于使运行该指令的计算机执行根据示例1至10和示例23至29中任一项的方法。

虽然本文已经描述了关于遗漏丸剂检测和/或延迟丸剂检测的实施例，但是本领域普通技术人员将理解，实施例同样适用于遗漏或延迟膳食检测。例如，检测运动、睡眠后遗漏和/或延迟膳食，和/或用户饮食的推荐，这可能导致低血糖。

本公开中对“典型的”、“传统的”或“已知的”事物的任何表征不一定意味着它在现有技术中被公开或所讨论的方面在现有技术中被理解。也不一定意味着它在相关领域中被广泛知晓、熟知或常规使用。

在不脱离本公开的范围的情况下，本文描述的各种实施例的特征不是相互排斥的，并且可以以各种组合和排列存在，即使这些组合或排列在本文没有明确描述。事实上，在不脱离本公开的范围的情况下，本领域普通技术人员将会想到本文描述的内容的变化、修改和其他实现。因此，本发明不应仅由前面的说明性描述来限定，而应仅由随后的权利要求及其法律等同物来限定。