CN118871036A - 用于使用生理配置文件来优化治疗的系统和方法 - Google Patents

Abstract

本公开的某些方面提供了一种监测系统，该监测系统包括：连续分析物传感器，该连续分析物传感器被配置为生成与患者的分析物水平相关联的分析物测量值；和传感器电子器件模块，该传感器电子器件模块耦合到该连续分析物传感器，并且被配置为接收和处理该分析物测量值。

Description

用于使用生理配置文件来优化治疗的系统和方法

相关申请的交叉引用

本申请要求于2022年6月1日提交的美国临时申请63/365,702号、2022年9月22日提交的美国临时申请63/376,673号、2022年12月12日提交的美国临时申请63/387,078号、2022年9月27日提交的美国临时申请63/377,332号、2022年9月2日提交的美国临时申请63/403,568号和2022年9月2日提交的美国临时申请63/403,582号的优先权和权益，这些美国临时申请据此被转让给本申请的受让人，并且据此通过全文引用明确地并入，如同在下面完全阐述并且用于所有可应用的目的。

背景技术

肾脏负责人体内的许多关键功能，包括过滤在尿液中排泄的废物和过量流体，以及去除由身体细胞产生的酸以维持血液中的水、盐和矿物质(例如，诸如钠、钙、磷和钾)的健康平衡。换句话讲，肾脏通过转运和调节水、盐和矿物质分泌、重吸收和排泄的肾脏机制在稳态中起主要作用。此外，肾脏分泌肾素(例如，血管紧张素原酶)，肾素形成介导细胞外液和动脉血管收缩(例如，血压)的肾素-血管紧张素-醛固酮系统(RAAS)的一部分。更具体地，血压偏高(例如，高血压)可通过RAAS抑制剂诸如血管紧张素转化酶(ACE)抑制剂和血管紧张素受体阻断剂(ARB)来调节。如果肾脏患病或损伤，这些功能的损伤或丧失会对人体造成严重损害。

当肾脏患病或损伤时，发生肾脏疾病。基于疾病的持续时间，肾脏疾病通常被分类为急性或慢性。急性肾损伤(AKI)(也称为“急性肾衰竭”)通常由导致肾脏功能障碍的事件引起，诸如脱水、大手术或损伤导致的失血和/或药物的使用。另一方面，慢性肾脏疾病(CKD)通常由长期疾病引起，诸如血压偏高或糖尿病，该长期疾病随时间推移缓慢地损害肾脏并降低它们的功能。

常规的肾脏疾病诊断方法和系统包括白蛋白/肌酸酐比(ACR)测试、肾小球滤过率(GFR)测试和用于监测患者钾水平的血液测试。基于肾功能障碍的严重程度，通过各种方法和系统测量将CKD分为五个阶段。1-3a期肾脏疾病为轻度至中度肾功能障碍。3b-5期肾脏疾病为中度至重度肾功能障碍。终末期肾病(ESRD)是完全肾功能障碍或肾衰竭。

用于肾脏疾病诊断和分期的GFR方法表示通过肾脏的过滤液的流速。肌酸酐清除率是每单位时间清除肌酸酐的血浆体积，并且用于估算GFR。GFR可以用金标方法测量(例如，测量的GFR(mGFR))或用公式估计(例如，eGFR)。EGFR提供了一种用于评价肾脏功能的评价肾脏功能和快速的分析方法。

在一些情况下，当CKD未被处理时，CKD患者的钾水平升高可导致高钾血症，而CKD患者的钾水平较低可导致低钾血症。特别地，高钾血症是描述血液中的钾水平高于正常水平(例如，高于3.6毫摩尔每升(mmol/L)至5.2mmol/L的正常血钾水平)的医学术语。高钾血症增加了心律失常发作和猝死的风险。另一方面，低钾血症是描述血液中的钾水平低于正常水平的医学术语。特别地，CKD患者可能由于腹泻或呕吐引起的胃肠钾损失或非保钾利尿剂(例如，用于增加在尿液中从身体排出的流体量而不考虑在尿液中从身体损失的钾量的利尿剂)引起的肾钾损失而发展出低钾血症。严重低钾血症和高钾血症可能导致呼吸衰竭、心源性猝死或其他死亡率驱动事件的严重症状。

肾脏还在血液葡萄糖的调节中起重要作用。肾脏通过经由糖异生产生葡萄糖并将葡萄糖释放到血液中来提高血液葡萄糖水平。肾脏还通过在肾脏的近曲小管重新吸收葡萄糖来降低血液葡萄糖水平。另外，肾脏使用葡萄糖作为能量来源。

葡萄糖是简单糖(例如，单糖)。葡萄糖既可被摄取，也可在体内由蛋白质和碳水化合物产生。血清葡萄糖通过几种机制维持在健康水平(例如，葡萄糖稳态)。高血液葡萄糖(即，高血糖症)通过胰岛素降低并通过肾脏清除。低血液葡萄糖(即，低血糖症)是由肾脏和肝脏中的糖异生引起的。

提高血液葡萄糖水平会刺激胰岛素释放。胰岛素使细胞摄取葡萄糖，从而降低血清(例如，细胞外)葡萄糖水平以维持葡萄糖稳态。胰岛素还刺激细胞摄取钾，从而降低血清钾水平。在一些情况下，当患者的葡萄糖水平增加并且患者体内葡萄糖水平变化速率较高时，可能产生过量胰岛素，从而引起过量的钾向细胞内移动。另一方面，当患者的葡萄糖水平降低并且患者体内葡萄糖水平变化速率较低时，可能存在较少的胰岛素分泌。在某些情况下，低胰岛素可导致细胞对葡萄糖和钾的获取受限；因此，细胞外葡萄糖和钾水平可能增加。在某些其他情况下，糖尿病患者可能具有高胰岛素水平和高葡萄糖水平，但是由于患者潜在的胰岛素抵抗，高胰岛素水平可能对代谢葡萄糖无效。另一方面，糖尿病患者中的高胰岛素水平可驱使钾进入细胞，从而降低施用胰岛素的患者的钾水平(例如，调节钾水平)。

糖异生是从前体分子(例如，乳酸盐、甘油和/或氨基酸)形成葡萄糖。葡萄糖在肾脏和肝脏中形成，然后释放到循环中。糖异生通过防止低血液葡萄糖(即，低血糖症)来维持葡萄糖稳态的机制。随着肾脏功能下降，肾脏的糖异生下降，并且因此限制了肾脏对血液葡萄糖下降作出反应的能力。

糖尿病是胰腺无法产生胰岛素(I型或胰岛素依赖型)和/或胰岛素不是那么有效，或者产生的量不足以将血糖降低到正常状态(2型或非胰岛素依赖型)的病症。在糖尿病状态下，患者患有高血糖，这会引起与小血管的退化相关联的一系列生理紊乱(例如，肾衰竭、皮肤溃疡或出血进入眼睛的玻璃体)。低血糖反应(即，低血糖)可由胰岛素的意外过量诱发，或在正常剂量的胰岛素或降糖剂或食物摄入不足之后诱发。糖尿病的治疗需要维持葡萄糖稳态。葡萄糖水平可以通过包括外源性胰岛素的各种药物来控制。

在一些情况下，患者可能患有胰岛素抵抗。当患者的肌肉、脂肪和肝脏中的细胞对胰岛素响应不佳时，发生胰岛素抵抗。因此，葡萄糖代谢以及钾向细胞内的移动可能受损。结果是，患者的胰腺产生更多的胰岛素以帮助葡萄糖和胰岛素进入患者的细胞。此外，胰岛素抵抗对葡萄糖代谢的影响对于不同患者可能不同。

许多药物也可能影响肾脏功能或以其他方式受到肾脏功能的影响。一些药物或医疗治疗可以替代或补充肾脏功能，诸如透析和利尿剂。其他药物或医疗治疗可降低肾脏功能，诸如非甾体抗炎药(NSAIDS)诸如布洛芬(例如，Advil、Motrin)和萘普生(例如，Aleve)、万古霉素、碘化放射性造影剂(例如，指诊断测试中使用的任何造影剂)、血管紧张素转化酶(ACE)诸如赖诺普利、依那普利和雷米普利、氨基糖苷类抗生素诸如新霉素、庆大霉素、妥布霉素和阿米卡星、抗病毒人类免疫缺陷病毒(HIV)药物、唑来膦酸(例如，Zometa、Reclast)、膦甲酸等。此外，一些医疗治疗可能会受到肾脏功能变化(诸如胰岛素和他汀类药物)的影响。尽管已知药物和/或医疗治疗可能会影响肾脏功能或受肾脏功能影响，但可能仍然期望继续使用这种药物。

附图说明

为了能够详细理解本公开的上述特征的方式，上文简要概括的更具体的描述可以通过参考多个方面来获得，其中一些在附图中示出。然而，应当注意，附图仅示出了本公开的某些典型方面，并且因此不应被视为对其范围的限制，因为描述可允许其他等效的方面。

图1示出了可结合实施本公开的实施方案使用的示例决策支持系统的各方面。

图2是根据本公开的某些方面概念性地示出包括具有传感器电子器件的示例连续分析物传感器的示例连续分析物监测系统的图。

图3示出了根据本文公开的一些实施方案的示例输入和基于输入计算的示例指标，以供图1的决策支持系统使用。

图4是根据本文公开的某些实施方案的用于提供决策支持的示例方法。

图5是描绘根据本文公开的某些实施方案的用于训练机器学习模型以生成关于不良事件风险的预测并生成解决所识别风险的治疗决策和/或推荐的方法的流程图。

图6是描绘根据本文公开的某些实施方案的被配置为执行图4和图5的操作的计算设备的框图。

图7A至图7B描绘了根据本文公开的某些实施方案的用于连续多分析物传感器的示例性酶域配置。

图7C至图7D描绘了根据本文公开的某些实施方案的用于连续多分析物传感器的示例性酶域配置。

图7E描绘了根据本文公开的某些实施方案的用于连续多分析物传感器的示例性酶域配置。

图8A至图8B描绘了根据本文公开的某些实施方案的用于连续多分析物传感器的示例性双电极酶域配置的替代视图。

图8C至图8D描绘了根据本文公开的某些实施方案的用于连续多分析物传感器的示例性双电极酶域配置的替代视图。

图8E描绘了根据本文公开的某些实施方案的用于连续多分析物传感器的示例性双电极配置。

图9A描绘了根据本文公开的某些实施方案的用于连续多分析物传感器的示例性酶域配置。

图9B至图9C描绘了根据本文公开的某些实施方案的用于连续多分析物传感器的替代性示例性酶域配置。

图10描绘了根据本文公开的某些实施方案的用于连续多分析物传感器的示例性酶域配置。

图11A至图11D描绘了根据本文公开的某些实施方案的用于连续多分析物传感器的示例性双电极酶域配置G1-G4的替代视图。

图12A至图12B示意性地示出了根据本文公开的某些实施方案的用于测量体内生物流体中的目标离子的电生理学信号和/或浓度的设备的示例配置和部件。

图13示意性地示出了根据本文公开的某些实施方案的用于测量体内生物流体中的目标离子的电生理学信号和/或浓度的设备的附加示例配置和部件。

图14A至图14C示意性地示出了根据本文公开的某些实施方案的用于测量体内生物流体中的目标分析物的电生理学信号和/或浓度的设备的示例配置和部件。

图15是描绘根据本文公开的某些实施方案的被配置为测量如本文所讨论的目标离子和/或其他分析物的示例连续分析物监测系统的图解。

为了便于理解，在可能的情况下，使用相同的附图标记来表示附图共有的相同元件。预期在一个方面中公开的要素可有益地用于其他方面而无需具体叙述。

具体实施方式

已知许多医疗治疗会影响肾脏功能或受肾脏功能影响，然而，可能期望继续使用这种医疗治疗。加深对这些医疗治疗如何影响肾脏功能以及受肾脏功能影响的理解可能会提高治疗功效并减少对肾脏和其他身体系统的伤害。

透析是一种针对肾衰竭的治疗，其通过过滤患者的血液而去除身体中不需要的毒素、废物和过量流体。透析有助于保持体内水、盐和矿物质的健康平衡。透析还有助于控制血压。透析治疗可以由血液透析机或腹膜透析机执行。在血液透析期间，血液通过透析器(即，透析机)过滤。血液和透析液(例如，透析溶液)通过，允许废物从血液中移出并进入透析机中的透析液中并被丢弃。在腹膜透析期间，将导管放置在患者的腹膜腔中，并且使用透析液通过腹膜过滤血液。废物从血液中移动到透析液中，该透析液最终被去除并丢弃。腹膜透析通常在家中和夜间在患者睡觉时执行。

利尿剂是用于通过减少体内流体量从而降低血压来治疗高血压的药物。利尿剂通过增加通过尿液排出身体的流体量起作用。利尿剂可能是非保钾的或保钾的。非保钾利尿剂(例如，噻嗪类和环状利尿剂)的作用与通过尿液从身体流失的钾的流失量无关。保钾利尿剂增加了从身体中去除的流体量，但不降低钾含量。利尿剂对不同的患者具有不同的药代动力学可用性，并且每种利尿剂对每个患者的作用可能不同。

如利尿剂和透析所示，医疗治疗可能具有不同的药代动力学活性和针对每个患者的生物应答。医疗治疗的有效期可以是医疗治疗在用户体内诱发生物应答的一个或多个时间段。生物应答可包括对患者的医疗治疗的活性、吸收、药效、亲和力和/或功效。

因此，期望针对特定患者的活性和生物应答来定制医疗治疗。此外，医疗治疗的定制可包括治疗期间的调节以提高活性和生物应答。

总的来说，用于确定治疗参数的现有方法存在的第一个问题是未能考虑个体患者的生物应答和治疗药物代谢动力学活性，包括患者的个体肾脏功能。目前，使用现有方法，治疗参数可能永远不会根据患者的应答进行调节，或者只能基于患者和/或健康护理提供者(HCP)的反馈随时间逐渐调节。此外，使用现有方法，可能无法使用患者特异性数据来确定治疗参数。

用于确定治疗参数的现有方法还存在的第二个问题是未能考虑个体患者当前和变化的健康状态。特别地，现有方法无法通过监测变化的分析物(诸如钾和/或葡萄糖)的浓度来连续监测患者的健康状况，从而指示患者的当前和发展的状态。如本文所用，术语“连续”可意指完全连续的、半连续的、周期性的等。这种分析物的连续监测在疾病的诊断和分期中是有利的，因为连续测量提供连续的最新测量结果以及关于分析物在连续时期内变化趋势和速率的信息。这种信息可用于预测治疗之前、治疗期间和治疗之后的分析物模式，确定治疗期间和之后的不良事件的可能性，生成最佳治疗参数和/或治疗前期、治疗期间和治疗后期的其他推荐等。

由于这些问题，目前的医疗治疗并未优化患有肾脏疾病和/或糖尿病的患者的健康状况，并且未调节以补充患者当前的健康状态。然而，预测与医疗治疗相关联的患者肾脏功能、确定治疗期间不良事件的可能性以及生成优化的治疗参数可以降低不良健康事件的风险并防止总体肾脏功能的恶化。这种优化的参数可以考虑竞争风险并促进患者的总体健康，包括降低严重医疗病症甚至死亡的风险。

因此，本文描述的某些实施方案通过提供改进的决策支持和诊断系统来提供上述技术问题的技术解决方案，该系统被配置为考虑医疗治疗对患者生理的影响(例如，分析物水平)以及患者生理对医疗治疗功效的影响(例如，肾脏功能降低)，以便优化对患者的治疗以降低不良健康事件的风险。如本文中更详细讨论的，本文呈现的决策支持系统被设计成为可能受患者生理影响的医疗治疗提供最佳治疗参数，以及为这种医疗治疗的管理提供其他决策支持。

例如，本文描述的决策支持系统被配置为在各个时间段(例如，治疗期、治疗前期和/或治疗后期)期间收集和/或生成包括例如分析物数据、患者信息和非分析物传感器数据的数据，以创建各种对应的生理配置文件，这些生理配置文件可用于(1)基于对应的生理配置文件识别在各个时间段期间不良事件的风险，(2)做出针对患者的治疗决策或推荐，以帮助解决已识别的不良事件风险，包括为医疗治疗管理提供推荐的治疗参数和/或基于这种推荐的治疗参数来自动控制一个或多个医疗设备(例如，透析机、胰岛素泵等)的操作。另外或另选地，连续分析物监测系统可基于各种收集的数据向患者提供决策支持，该收集的数据包括分析物数据、患者信息、次级传感器数据(例如，非分析物数据)等。例如，除了诸如乳酸盐、胰岛素、磷酸盐、碳酸氢盐、钙、镁、钠、血尿素氮(BUN)数据的其他连续监测的分析物数据，和/或与本文提及的其他分析物相关的其他数据外，分析物数据可包括连续监测的葡萄糖数据和/或连续监测的钾数据。收集的数据还包括患者信息，其可包括与年龄、性别、肾脏疾病、肾脏疾病的家族史、其他健康状况等相关的信息。次级传感器数据可包括加速度计数据、心率数据(ECG、HRV、HR等)、温度、血压、汗液传感器、阻抗传感器、透析机数据或除了分析物数据之外的任何其他传感器数据。

另外或另选地，本文所述的决策支持系统可使用基于特定于患者数据和/或群体数据训练的各种算法或人工智能(AI)模型(诸如机器学习模型)，来基于收集的关于患者的信息向患者提供实时决策支持。例如，某些方面涉及被设计为提供决策支持的算法和/或机器学习模型，该决策支持包括预测和提供治疗的最佳治疗参数(例如，基于指示治疗对患者生理影响的历史和/或实时数据)，预测和提醒患者与治疗相关联的不良健康事件的可能性，推荐健康相关的动作以降低不良健康事件的可能性，基于所预测的最佳治疗参数来自动控制医疗设备(例如，透析机)的操作，或它们的任何组合。算法和/或机器学习模型可与至少包括连续葡萄糖传感器或连续钾传感器的一个或多个连续分析物传感器组合使用，以提供实时糖尿病评估。

当确定不良事件的可能性时，算法和/或机器学习模型可以考虑群体数据、个性化患者特异性数据或两者的组合，从而为医疗治疗提供决策支持(例如，优化的治疗参数)，以及本文所述的一些其他输出。另外或另选地，算法和/或机器学习模型可以考虑基于在各个时间段(例如，治疗期、治疗前期和/或治疗后期)监测患者而为患者创建的生理配置文件

根据某些实施方案，在部署机器学习模型之前使用训练数据(例如，包括特定于用户的数据和/或群体数据)来训练机器学习模型。如本文更详细描述的，群体数据可以数据集的形式提供，该数据集包括患有不同阶段的肾脏疾病、不同类型的其他合并症和具有各种医疗治疗历史的历史患者的数据记录。每个数据记录可用作机器学习模型中的输入以优化这种模型，从而围绕各个时间段期间不良事件的可能性以及决策支持输出(例如，最佳治疗参数、推荐等)生成准确的预测。连续分析物监测系统与机器学习模型和/或算法的组合用于(1)预测医疗治疗对患者生理的影响，包括预测在各个时间段(例如，治疗期、治疗前期和/或治疗后期)发生不良事件的可能性，以及(2)为管理对肾脏疾病患者的治疗提供决策支持(例如，预测最佳治疗参数、提供推荐等)。例如，决策支持系统可用于提高医疗治疗的功效，降低在医疗治疗(例如，透析)期间和之后不良事件的可能性，减少不必要的医疗治疗，防止新的或恶化的肾功能障碍，和/或改善肾脏功能。在一些情况下，改进的医疗治疗降低了住院、并发症和死亡的风险。

通过将连续分析物监测系统与机器学习模型和/或算法的结合，本文描述的决策支持系统被配置为提供患者期望的必要准确性和可靠性。例如，当在各个时间段(例如，在治疗期间或之后)评估不良事件的确定可能性和/或生成决策支持输出(例如，最佳治疗参数)时，可以最小化偏差、人为错误和情绪影响。此外，机器学习模型和算法与分析物监测系统的组合可至少在肾脏方面提供对患者的健康下降的模式和/或趋势的洞察，这可能是先前遗漏的。因此，本文描述的决策支持系统改进了现有的决策支持系统，并且更一般地，改进了疾病监测、诊断和治疗领域。

包括示例分析物传感器的示例决策支持系统

图1示出了用于预测医疗治疗对患者生理的影响，确定在治疗期、治疗前期和/或治疗后期期间不良事件的可能性，和/或生成最佳治疗参数和/或其他推荐的示例决策支持系统100。决策支持系统100被配置为使用至少包括连续分析物传感器的连续分析物监测系统104来向用户102(在本文中单独地称为用户并且在本文中统称为用户)提供决策支持。另外或另选地，用户可以是患者，或者在一些情况下是患者的护理人员。另外或另选地，决策支持系统100包括连续分析物监测系统104、执行应用106的显示设备107、决策支持引擎114、用户数据库110、历史记录数据库112、训练系统140和决策支持引擎114，它们中的每一者在下面更详细地描述。

如本文所用，术语“分析物”是以其普通意义使用的广义术语，包括但不限于指可被分析的生物流体(例如，血液、间质液、脑脊髓液、淋巴液或尿液)中的物质或化学成分。分析物可以包括天然存在的物质、人造物质、代谢物和/或反应产物。用于通过设备和方法测量的分析物可以包括但可以不限于钾、葡萄糖、羧基凝血酶原；酰基肉碱；腺嘌呤磷酸核糖转移酶；腺苷脱氨酶；白蛋白；甲胎蛋白；氨基酸谱(精氨酸(克雷布斯循环)、组氨酸/尿刊酸、高半胱氨酸、苯丙氨酸/酪氨酸、色氨酸)；雄烯二酮；安替比林；阿拉伯糖醇对映体；精氨酸酶；苯甲酰芽子碱(可卡因)；生物素酶；生物蝶呤；c-反应蛋白；肉毒碱；肌肽酶；CD4；血浆铜蓝蛋白；鹅去氧胆酸；氯喹；胆固醇；胆碱酯酶；缀合的1-β羟基-胆酸；皮质醇；肌酸激酶；肌酸激酶MM同功酶；环孢菌素A；胱抑素C；d-青霉胺；去乙基氯喹；硫酸脱氢表雄酮；DNA(乙酰化酶多态性、醇脱氢酶、α1-抗胰蛋白酶、葡萄糖-6-磷酸脱氢酶、血红蛋白A、血红蛋白S、血红蛋白C、血红蛋白D、血红蛋白E、血红蛋白F、D-旁遮普、乙型肝炎病毒、HCMV、HIV-1、HTLV-1、MCAD、RNA、PKU、间日疟原虫、21-脱氧皮质醇)；去丁基卤泛群；二氢蝶啶还原酶；白喉/破伤风抗毒素；红细胞精氨酸酶；红细胞原卟啉；酯酶D；脂肪酸/酰基甘氨酸；游离β-人绒毛膜促性腺激素；游离红细胞卟啉；游离甲状腺素(FT4)；游离三碘甲状腺原氨酸(FT3)；富马酰乙酰乙酸酶；半乳糖/gal-1-磷酸；半乳糖-1-磷酸尿苷酰转移酶；庆大霉素；葡萄糖-6-磷酸脱氢酶；谷胱甘肽；谷胱甘肽过氧化物酶；甘氨胆酸；糖基化血红蛋白；卤泛群；血红蛋白变体；己糖胺酶A；人红细胞碳酸酐酶I；17-α-羟孕酮；次黄嘌呤磷酸核糖转移酶；免疫反应性胰蛋白酶；乳酸盐；铅；脂蛋白((a)、B/A-1、β)；溶菌酶；甲氟喹；奈替米星；苯巴比妥；苯妥英；植烷酸/降植烷酸；孕酮；催乳素；脯氨酸酶；嘌呤核苷磷酸化酶；奎宁；反向三碘甲状腺原氨酸(rT3)；硒；血清胰脂肪酶；西索米星；生长调节素C；识别以下任一种或多种的特异性抗体，其可包括(腺病毒、抗核抗体、抗ζ抗体、虫媒病毒、奥耶斯基病病毒、登革热病毒、麦地那龙线虫、细粒棘球绦虫、溶组织内阿米巴、肠道病毒、十二指肠贾第虫、幽门螺杆菌、乙型肝炎病毒、疱疹病毒、HIV-1、IgE(特应性疾病)、流感病毒、杜氏利什曼原虫、钩端螺旋体、麻疹/腮腺炎/风疹、麻风分枝杆菌、肺炎支原体、肌红蛋白、旋盘尾丝虫、副流感病毒、恶性疟原虫、脊髓灰质炎病毒、铜绿假单胞菌、呼吸道合胞病毒、冠状病毒(包括但不限于Covid-19)、立克次氏体(恙虫病)、曼氏血吸虫、刚地弓形虫、梅毒螺旋体(Trepenomapallidium)、克氏锥虫/兰氏锥虫、水泡性口炎病毒、班氏线虫、黄热病病毒)；特异性抗原(乙型肝炎病毒，HIV-1)；琥珀酰基丙酮；磺胺多辛；茶碱；促甲状腺素(TSH)；甲状腺素(T4)；甲状腺素结合球蛋白；微量元素；转铁蛋白；UDP-半乳糖-4-差向异构酶；脲；尿卟啉原I合酶；维生素A；白血细胞；以及锌原卟啉。在某些实施方式中，血液或间质液中天然存在的盐、糖、蛋白质、脂肪、维生素和激素也可以构成分析物。离子是可包括以下(例如钠、钾、钙、氯、氮或碳酸氢盐)的带电荷的原子或化合物。分析物可以天然存在于生物流体中，例如，代谢产物、激素、抗原、抗体、离子等。另选地，可将分析物引入体内或分析物可以是外源性的，例如成像造影剂、放射性同位素、化学试剂、氟碳基合成血液、刺激剂分析物(例如，为了测量刺激剂分析物或其他分析物响应于所引入的刺激剂分析物的浓度变化速率的增加和或减少而引入)、或药物或药物组合物，包括但不限于外源性胰岛素；胰高血糖素、乙醇；大麻(大麻、四氢大麻酚、印度大麻)；吸入剂(一氧化二氮、亚硝酸戊酯、亚硝酸丁酯、氯代烃、烃)；可卡因(裂解可卡因)；兴奋剂(苯丙胺、甲基苯丙胺、利他林、Cylert、Preludin、Didrex、PreState、Voranil、Sandrex、Plegine)；镇静剂(巴比妥类、甲喹酮、安定剂诸如安定、利眠宁、眠尔通、舒宁、甲丁双脲、Tranxene)；致幻剂(苯环利定、麦角酸、墨斯卡灵、皮约特、裸盖菇素)；麻醉剂(海洛因、可待因、吗啡、鸦片、哌替啶、Percocet、Percodan、Tussionex、芬太尼、Darvon、Talwin、Lomotil)；特制药物(芬太尼、哌替啶、苯丙胺、甲基苯丙胺和苯环利定的类似物，例如，摇头丸)；合成代谢类固醇；和尼古丁药物和药物组合物的代谢产物也是预期的分析物。还可以分析体内产生的分析物诸如神经化学物质和其他化学物质，例如抗坏血酸、尿酸、多巴胺、去甲肾上腺素、3-甲氧基酪胺(3MT)、3,4-二羟基苯乙酸(DOPAC)、高香草酸(HVA)、5-羟基色胺(5HT)和5-羟基吲哚乙酸(FHIAA)，以及柠檬酸循环中的中间体。

虽然通过本文所述的设备和方法测量和分析的分析物包括乳酸盐、胰岛素、磷酸盐、碳酸氢盐、钙、镁、钠、血尿素氮(BUN)，并且上文列出但不限于此的其他分析物也可被考虑并通过例如分析物监测系统104来测量。

另外或另选地，连续分析物监测系统104被配置为连续地测量一种或多种分析物并且将分析物测量值传输到电子病历(EMR)系统(图1中未示出)。EMR系统是允许电子输入、存储和维护数字医疗数据的软件平台。EMR系统通常在医院和/或其他护理人员设施中使用，以长期记录患者的临床信息。EMR系统以辅助临床医生例如解释健康状况和提供正在进行的护理、安排、记账和随访的方式组织和呈现数据。包含在EMR系统中的数据也可以用于为患者创建临床护理和/或疾病管理的报告。另外或另选地，EMR可与决策支持引擎114通信(例如，经由网络)以执行本文所述的技术。特别地，如本文所述，决策支持引擎114可以获得与用户相关联的数据，使用所获得的数据作为到一个或多个训练模型中的输入，并且输出预测。在一些情况下，EMR可以向决策支持引擎114提供数据，以用作一个或多个模型的输入。此外，在一些情况下，决策支持引擎114在作出预测之后可向EMR提供输出预测。在其他实施方案中，诸如界面引擎的中间系统可以与或不与患者匹配算法、系统或主患者索引一起使用，以在这种系统、分析物监测系统、云数据库和或EMR之间协调数据。

另外或另选地，连续分析物监测系统104被配置为连续测量一种或多种分析物并且将分析物测量值传输到显示设备107供应用106使用。在一些实施方案中，连续分析物监测系统104通过无线连接(例如，蓝牙连接)向显示设备107传输分析物测量值。另外或另选地，显示设备107是智能电话。然而，在某些其他实施方案中，显示设备107可以替代地是任何其他类型的计算设备，诸如膝上型计算机、智能手表、平板电脑或能够执行应用106的任何其他计算设备。在一些实施方案中，连续分析物监测系统104和/或分析物传感器应用106将分析物测量值传输给对患者的健康感兴趣的一个或多个其他个体(例如，用于实时治疗和护理患者的家庭成员或医生)。连续分析物监测系统104可参考图2更详细地描述。

应用序106为移动健康应用，其被配置为接收并分析来自分析物监测系统104的分析物测量值。特别地，应用106将关于用户的信息，包括该用户的分析物测量值，存储在与用户相关联的用户配置文件118中，以供处理和分析，以及供决策支持引擎114用来向该用户提供决策支持推荐或指导。

决策支持引擎114是指具有包括数据分析模块(DAM)116的一个或多个软件模块的一组软件指令。另外或另选地，决策支持引擎114完全在私有云或公共云中的一个或多个计算设备上执行。在此类实施方案中，应用106在网络(例如，互联网)上与决策支持引擎114通信。在一些其他实施方案中，决策支持引擎114部分地在诸如显示设备107的一个或多个本地设备上执行，并且部分地在私有云或公共云中的一个或多个计算设备上执行。在一些其他实施方案中，决策支持引擎114完全在诸如显示设备107的一个或多个本地设备上执行。如本文更详细地讨论的，决策支持引擎114可经由应用106向用户提供决策支持推荐。决策支持引擎114基于包括在用户配置文件118中的信息提供决策支持推荐。

用户配置文件118可以包括从应用106收集的关于用户的信息。例如，应用106提供一组输入128，该组输入包括从连续分析物监测系统104接收的分析物测量值，其被存储在用户配置文件118中。另外或另选地，由应用106提供的输入128包括除了从连续分析物监测系统104接收的分析物测量值之外的其他数据。例如，应用106可通过手动用户输入、一个或多个其他非分析物传感器或设备、在显示设备107上执行的其他应用等获得附加输入128。非分析物传感器和设备包括但不限于以下中的一者或多者：胰岛素泵、心电图(ECG)传感器或心率监视器、声音传感器、血压传感器、大气压力传感器、大气氧传感器、汗液传感器、呼吸传感器、温度计、腹膜透析机、血液透析机、由显示设备107提供的传感器或设备(例如，加速度计、相机、全球定位系统(GPS)、心率监视器、温度计等)或其他用户附件(例如，智能手表)或提供关于用户的相关信息的任何其他传感器或设备。在某些实施方案中，非分析物传感器可以并入显示设备107中，或者可以包括未并入显示设备107中的单独的传感器和/或设备。下文参考图3更详细地描述由应用106提供的用户配置文件118的输入128。

决策支持引擎114的DAM 116被配置为处理该组输入128以确定一个或多个指标130。在下文参考图3更详细地讨论的指标130至少在一些情况下可大体指示用户的健康或状态，诸如用户的生理状态、与用户的健康或状态相关联的趋势等中的一者或多者。在某些实施方案中，用户的生理状态可以基于用户的核心体温、血压、心率、昼夜节律等。另外或另选地，指标130然后可以被决策支持引擎114用作向用户提供指导的输入。如图所示，指标130也存储在用户配置文件118中。

用户配置文件118还包括人口统计信息120、疾病进展信息122和/或药物信息124。另外或另选地，这种信息可以通过用户输入提供或者从某些数据存储库(例如，电子病历(EMR)等)获得。另外或另选地，人口统计信息120可包括用户的年龄、体重指数(BMI)、种族、性别等中的一者或多者。另外或另选地，疾病进展信息122可包括关于用户的疾病的信息，诸如用户先前是否被诊断患有急性肾损伤(AKI)、慢性肾脏疾病(CKD)和/或疾病，或者是否具有高钾血症、低钾血症、高血糖症、低血糖症等病史。另外或另选地，关于用户的疾病的信息还可包括自诊断以来的时间长度、疾病阶段、疾病控制水平、对疾病管理治疗的依从性水平、预测的肾脏功能、其他类型的诊断(例如，糖尿病、肥胖等)或健康指标(例如，心率、血压、锻炼、压力、睡眠等)和/或诸如此类。另外或另选地，疾病进展信息122可以基于例如通过连续分析物监测系统104生成的分析物传感器数据作为一个或多个预测算法和/或训练模型的输出来提供。另外或另选地，疾病进展信息122可以通过来自临床提供者的手动或半手动输入来提供。例如，疾病进展信息122可以作为一个或多个模型的输出来提供，然后该输出可以由临床提供者来确认。

另外或另选地，药物信息124可以包括关于向用户施用的药物治疗(例如，药物和/或健康治疗)的量、频率和类型的信息。另外或另选地，向用户施用的医疗治疗的量、频率和类型被加上时间戳，并与用户的时间戳分析物水平、分析物变化速率、不良事件、肾脏功能指征等相关联，由此，指示医疗治疗的量、频率和类型对用户的分析物水平、肾脏功能、经历不良事件的风险等的影响。

另外或另选地，药物信息124可以包括关于已知有助于管理肾脏功能的一种或多种医疗治疗的信息。用于控制管理肾脏功能相关的一种或多种医疗治疗可包括透析，包括血液透析和/或腹膜透析等。如下更详细地描述，决策支持系统100可被配置为使用药物信息124来确定向不同用户开处方的最佳医疗治疗。特别地，决策支持系统100可以被配置为基于患者的健康、患者的当前病症和/或透析治疗的有效性来识别一个或多个最佳透析治疗参数。另外或另选地，决策支持系统100可以被配置为识别用户何时是肾脏移植的良好候选人，包括从一组用户中优先选择一个用户进行肾脏移植。移植信息还可以包括附加的预后信息，诸如为特定用户启动肾脏移植的最佳时间。

另外或另选地，药物信息124可包括关于已知会损害肾脏的一种或多种药物的消耗的信息。已知会损害肾脏的一种或多种药物可包括非甾体抗炎药(NSAIDS)诸如布洛芬(例如，Advil、Motrin)和萘普生(例如，Aleve)、万古霉素、碘化放射性造影剂(例如，指诊断测试中使用的任何造影剂)、血管紧张素转化酶(ACE)诸如赖诺普利、依那普利和雷米普利、氨基糖苷类抗生素诸如新霉素、庆大霉素、妥布霉素和阿米卡星、抗病毒人类免疫缺陷病毒(HIV)药物、唑来膦酸(例如，Zometa、Reclast)、膦甲酸等。

另外或另选地，药物信息124可包括关于已知会控制肾脏疾病的并发症的一种或多种药物的消耗的信息。已知会控制肾脏疾病的并发症的一种或多种药物可包括降低血压和保持肾脏功能的药物诸如ACE抑制剂或血管紧张素II受体阻断剂、治疗贫血的药物诸如激素促红细胞生成素补充剂、用于降低胆固醇水平的药物诸如他汀类、用于预防骨骼脆弱的药物诸如钙和维生素D补充剂、磷酸盐结合剂等。

另外或另选地，药物信息124可包括关于已知用于控制和/或改善葡萄糖稳态的一种或多种药物或治疗的消耗的信息。已知用于控制和/或改善葡萄糖稳态的一种或多种药物可包括用于降低血液葡萄糖水平的药物，诸如胰岛素，包括速效胰岛素和长效胰岛素，其他血糖控制药物，诸如二甲双胍等。

另外或另选地，药物信息124可包括关于已知用于导致低血糖症和/或高血糖症的一种或多种药物或治疗的消耗的信息。已知用于导致低血糖症的一种或多种药物可包括ACE抑制剂、β阻滞剂、喷他脒、喹诺酮类抗生素和水杨酸盐。另选地，已知用于导致高血糖症(包括心率加快和收缩压升高)的一种或多种药物可以包括氟喹诺酮类抗生素、β阻滞剂、噻嗪类和噻嗪类利尿剂、第二代抗精神病药物(SGA)、皮质类固醇、钙调神经磷酸酶抑制剂(CNI)和蛋白酶抑制剂。

另外或另选地，用户配置文件118是动态的，因为存储在用户配置文件118中的信息的至少一部分可以随着时间而被修改和/或新信息可以通过决策支持引擎114和/或应用106添加到用户配置文件118。因此，存储在用户数据库110中的用户配置文件118中的信息提供与用户相关的信息的最新储存库。

在一些实施方案中，用户数据库110是指在公共云或私有云中操作的存储服务器。用户数据库110可被实现为任何类型的数据存储，诸如关系数据库、非关系数据库、键值数据存储、包括分层文件系统的文件系统等。在一些示例性实施方式中，用户数据库110是分布式的。例如，用户数据库110可以包括分布的多个持久存储设备。此外，用户数据库110可以被复制，使得存储设备在地理上分散。

用户数据库110包括与类似地与在其他用户的显示设备107上执行的应用106交互的多个用户相关联的用户配置文件118。存储在用户数据库110中的用户配置文件不仅可由应用106访问，而且可由决策支持引擎114访问。用户数据库110中的用户配置文件可以由应用106和决策支持引擎114通过一个或多个网络(未示出)访问。如上所述，决策支持引擎114以及更具体地决策支持引擎114的DAM 116可从用户数据库110取回输入128并计算多个指标130，这些指标然后可作为应用数据126存储在用户配置文件118中。

另外或另选地，存储在用户数据库110中的用户配置文件118也可以存储在历史记录数据库112中。存储在历史记录数据库112中的用户配置文件118可以是应用106的每个用户提供最新信息和历史信息的储存库。因此，历史记录数据库112实质上提供与应用106的每个用户相关的所有数据，其中根据相关联的时间戳来存储数据。与存储在历史记录数据库112中的每条信息相关联的时间戳可以识别例如何时已经获得和/或更新了与用户相关的信息。

此外，历史记录数据库112可以在一段时间内维持为用户收集的时间序列数据，包括为使用连续分析物监测系统104和应用106的用户收集的时间序列数据。例如，已经使用连续分析物监测系统104和应用106对用户进行为期五年的健康管理的用户的分析物数据可以在五年期间内维持与该用户相关联的时间序列分析物数据。

此外，另外或另选地，历史记录数据库112可包括不是连续分析物监测系统104和/或应用106的用户的一个或多个患者的数据。另外，历史记录数据库112可包括与由例如保健医生(或其他已知方法)检查的并且未被开出与肾脏功能相关联的医疗治疗处方的一个或多个患者相关的信息(例如，用户配置文件)以及与由例如保健医生(或其他已知方法)检查的并且先前开出与肾脏功能相关联的医疗治疗处方的一个或多个患者的信息(例如，用户配置文件)。存储在历史记录数据库112中的数据在本文中可以被称为群体数据。

存储在历史记录数据库112中的与每个患者相关的数据可以提供在患者的整个病程期间收集的时间序列数据，其中疾病可以是肾脏疾病。例如，数据可以包括关于患者在被诊断患有肾脏疾病之前的信息和在整个病程期间与患者相关联的信息，包括与肾脏疾病在患者体内发展和/或退化的每个阶段相关的共存疾病相关的信息。该数据可以另外或另选地包括与其他疾病相关的信息，诸如高钾血症、低钾血症、高血糖症、低血糖症、糖尿病、高血压、心脏疾病和病症(例如，冠状动脉疾病、外周动脉疾病、心律失常疾病和病症等)，或与肾脏疾病共病的类似疾病。这种信息可在肾脏疾病的整个病程中指示患者的症状、患者的生理状态、患者的钾水平、患者的葡萄糖水平、患者的乳酸盐水平、患者的胰岛素水平、患者的磷酸盐水平、患者的碳酸氢盐水平、患者的钙水平、患者的镁水平、患者的钠水平、患者的血尿素氮水平、患者的一个或多个器官的状态/病症、患者的习惯(例如，活动水平、食物摄入等)、开出的医疗治疗。该数据还可以包括关于患者肾脏功能和各种治疗有效期之前、期间和之后的不良事件发生率的信息。

对于同时患有糖尿病的患者，该数据可以包括关于患者在被诊断患有糖尿病之前的信息和在整个病程期间与患者相关联的信息，包括与糖尿病在患者体内发展和/或退化的相关的信息。数据可以另外或另选地包括与其他疾病相关的信息，诸如肾脏疾病、高血糖症、低血糖症、高血压、心脏病症和心脏病或与糖尿病共病的类似疾病。这种信息可以在整个病程中指示患者的症状、患者的生理状态、患者的葡萄糖水平、患者的钾水平、患者的乳酸盐水平、患者的胰岛素水平、患者的一个或多个器官的状态/状况、患者的习惯(例如，活动水平、食物摄入等)、开出的医疗治疗、医疗治疗依从性等。该数据还可以包括关于患者糖尿病状态和各种治疗有效期之前、期间和之后的不良事件发生率的信息。

尽管为了概念清楚起见被描绘为单独的数据库，但是在一些实施方案中，用户数据库110和历史记录数据库112可以作为单个数据库来操作。即，与连续分析物监测系统104和应用106的用户相关的历史数据和当前数据以及与先前不是连续分析物监测系统104和应用106的用户的患者相关的历史数据可被存储在单个数据库中。单个数据库可以是在公共云或私有云中操作的存储服务器。

如先前所述，决策支持系统100被配置为预测医疗治疗对肾脏功能的影响，并使用连续分析物监测系统104(至少包括连续葡萄糖传感器和连续钾传感器中的一者)为患有肾脏疾病的患者的医疗治疗管理提供决策支持。例如，决策支持引擎114可以被配置为在各个时间段(例如，治疗期、治疗前期和/或治疗后期)期间收集和/或生成包括例如分析物数据、患者信息和非分析物传感器数据的数据，以创建各种对应的生理配置文件，这些生理配置文件可用于(1)基于对应的生理配置文件识别在各个时间段期间不良事件的风险，(2)做出针对患者的治疗决策或推荐，以帮助解决已识别的不良事件风险，包括为医疗治疗管理提供推荐的治疗参数和/或基于这种推荐的治疗参数来自动控制一个或多个医疗设备(例如，透析机、胰岛素泵等)的操作。此外，另外或另选地，可分析随时间记录的每个用户的钾阈值，以提供对患者健康的改善或恶化的指示。

另外或另选地，决策支持引擎114可用于收集用户配置文件118中与用户相关联的信息，以对其执行分析，用于预测医疗治疗对患者生理的影响，并为影响肾脏功能的医疗治疗管理提供一个或多个推荐。例如，决策支持引擎114可以对收集的与用户配置文件118中的用户相关联的信息进行分析，以确定在各个时间段(例如，治疗期、治疗前期和/或治疗后期)期间的分析物变化速率，并生成对应的生理配置文件。另外或另选地，基于所生成的生理配置文件，决策支持引擎114可以确定用户在对应时间段期间将经历不良健康事件的可能性，并生成最佳治疗参数或决策支持推荐以帮助降低该可能性。

决策支持引擎114可以通过一个或多个网络(未示出)访问用户配置文件118以执行此类分析。另外或另选地，决策支持引擎114被配置为向用户和/或其他人提供关于肾脏功能的实时和/或非实时决策支持，该其他人包括但不限于保健提供者(HCP)、用户的家庭成员、用户的护理人员、研究人员和/或支持护理或从数据学习的其他个体、系统和/或团体。

另外或另选地，决策支持引擎114可以利用一个或多个经训练的机器学习模型来用于(1)基于对应的生理配置文件识别在各个时间段期间不良事件的风险，(2)做出针对患者的治疗决策或推荐，以帮助解决已识别的不良事件风险，包括为医疗治疗管理提供推荐的治疗参数和/或基于这种推荐的治疗参数来自动控制一个或多个医疗设备(例如，透析机、胰岛素泵等)的操作。在图1例示的实施方案中，决策支持引擎114可利用由训练系统140提供的经训练的机器学习模型。尽管为了概念清楚起见被描绘为单独的服务器，但是在一些实施方案中，训练系统140和决策支持引擎114可以作为单个服务器操作。即，该模型可由单个服务器来训练和使用，或者可由一个或多个服务器来训练并且被部署在一个或多个其他服务器上使用。另外或另选地，可在以关系数据库格式和/或非关系数据库格式至少部分地在一个或多个物理服务器上运行的一个或多个虚拟机(VM)上训练模型。

训练系统140被配置为使用训练数据来训练机器学习模型，该训练数据可以包括与以下一个或多个患者(例如，连续分析物监测系统104和/或应用106的用户或非用户)相关联的数据(例如，来自用户配置文件)：(1)没有肾脏疾病并且没有开出影响肾脏功能的医疗治疗，(2)没有肾脏疾病但是开出影响肾脏功能的医疗治疗，(3)患有肾脏疾病但是没有开出影响肾脏功能的药物和医疗治疗，或者(4)患有肾脏疾病并且开出影响肾脏功能的医疗治疗。训练数据可被存储在历史记录数据库112中，并且可由训练系统140通过一个或多个网络(未示出)访问以训练机器学习模型。在一些情况下，训练数据还可以包括用户随时间的用户特定的数据。

训练数据是指例如已经被特征化和标记的数据集。例如，数据集可包括多个数据记录，每个数据记录包括对应于存储在用户数据库110中的不同用户配置文件的信息，其中每个数据记录被特征化和标记。在机器学习和模式识别中，特征是单独的可测量属性或特征。通常，选择最能表征数据中的模式的特征来创建预测机器学习模型。数据标记是添加一个或多个有意义且信息性的标记以向数据提供上下文以用于机器学习模型学习的过程。

作为说明性示例，反映在对应的数据记录中的用户的每个相关特性可以是用于训练机器学习模型的特征。这种特征可以包括用户的人口统计特征(例如，年龄、性别等)、用户的生理特征等。用户的生理特征可以包括：葡萄糖水平；葡萄糖水平从第一时间戳到第二时间戳的变化(例如，δ)；随时间推移的葡萄糖水平(例如，来自两个或更多个后续时间戳的葡萄糖水平)；葡萄糖清除率；葡萄糖清除率从第一时间戳到一个或多个后续时间戳的变化(例如，δ)；随时间推移的葡萄糖清除率(例如，来自两个或更多个后续时间戳的葡萄糖清除率；随时间推移的平均葡萄糖水平(例如，每日、每周、每月等)(例如，来自两个或更多个后续时间戳的平均葡萄糖)；第一天过程中的平均葡萄糖水平与第二天过程中的平均葡萄糖水平的比较(例如，来自早晨、下午或晚上的平均葡萄糖水平)；与第二天事件特定时间范围内的平均葡萄糖水平相比，第一天事件特定时间范围内(例如，早晨、入睡前、睡眠期间、锻炼后、透析后)的平均葡萄糖水平；血糖可变性(例如，平均葡萄糖的标准偏差)；从第一系列时间戳(例如，从第一时间戳到一个或多个后续时间戳的血糖可变性)到第二系列时间戳(例如，从第二时间戳到一个或多个后续时间戳的血糖可变性)的血糖可变性的变化(例如，δ)；随时间推移的血糖可变性(例如，来自两个或更多个后续时间戳的血糖可变性)；范围内的时间(TIR)(例如，葡萄糖水平处于阈值处、高于阈值、低于阈值或介于阈值之间)；TIR从第一时间戳到第二时间戳的变化(例如，δ)；随时间推移的TIR(例如，来自两个或更多个后续时间戳的TIR)；葡萄糖清除率；葡萄糖清除率从第一时间戳到一个或多个后续时间戳的变化(例如，δ)；随时间推移的葡萄糖清除率(例如，来自两个或更多个后续时间戳的血液和/或肾脏葡萄糖清除率；糖尿病存在和/或严重程度；糖尿病阶段或严重程度从第一时间戳到第二时间戳的变化(例如，δ)；测量的葡萄糖水平线性系统在一个或多个特定时间戳的导数和/或导数差，以确定葡萄糖水平增加或降低的斜率的变化速率；所确定的葡萄糖清除率线性系统在特定时间戳或特定时间戳系列的导数，和/或导数差，以确定葡萄糖清除率增加或降低的斜率的变化速率；胰岛素水平；胰岛素水平从第一时间戳到第二时间戳的变化(例如，δ)；随时间推移的胰岛素水平(例如，来自两个或更多个后续时间戳的胰岛素水平)；测量的胰岛素线性系统在一个或多个特定时间戳的导数和/或导数的差，以确定胰岛素水平增加或降低的斜率的变化速率等。

用户的其他生理特征可包括用户的钾水平；钾水平从第一时间戳到第二时间戳的变化(例如，δ)；随时间推移的钾水平(例如，来自两个或更多个后续时间戳的钾水平)；钾清除率；钾清除率从第一时间戳到一个或多个后续时间戳的变化(例如，δ)；随时间推移的钾清除率(例如，来自两个或更多个后续时间戳的钾清除率；糖尿病存在和/或严重程度；糖尿病阶段或严重程度从第一时间戳到第二时间戳的变化(例如，δ)；测量的钾水平线性系统在一个或多个特定时间戳的导数和/或导数差，以确定钾水平增加或降低的斜率的变化速率；所确定的钾清除率线性系统在特定时间戳或特定时间戳系列的导数，和/或导数差，以确定钾清除率增加或降低的斜率的变化速率；胰岛素水平；胰岛素水平从第一时间戳到第二时间戳的变化(例如，δ)；随时间推移的胰岛素水平(例如，来自两个或更多个后续时间戳的胰岛素水平)；测量的胰岛素线性系统在一个或多个特定时间戳的导数和/或导数的差，以确定胰岛素水平增加或降低的斜率的变化速率等。

然而，其他特征可能与患者的肾脏功能(诸如肾脏疾病的存在和/或严重程度)相关；肾脏疾病阶段或严重程度从第一时间戳到第二时间戳的变化(例如，δ)；肾脏功能；肾脏功能从第一时间戳到第二时间戳的变化(例如，δ)；随时间推移的肾脏功能(例如，来自两个或更多个后续时间戳的肾脏功能)；肾脏功能随时间的变化速率；医疗治疗之前、期间和之后的肾脏功能；肾脏功能从第一时间戳到第二时间戳的变化(例如，δ)，其中第一时间戳和第二时间戳可各自在医疗治疗之前、期间或之后；随时间推移的肾脏功能(例如，在医疗治疗之前、期间和之后来自两个或更多个后续时间戳的肾脏功能)；肾脏功能随时间的变化速率(例如，基于医疗治疗之前、期间和之后的两个或更多个后续时间戳)。

另外或替代特征可包括用户的乳酸盐水平；乳酸盐水平从第一时间戳到第二时间戳的变化(例如，δ)；随时间推移的乳酸盐水平(例如，来自两个或更多个后续时间戳的乳酸盐水平)；测量的乳酸盐水平线性系统在一个或多个特定时间戳的导数和/或导数差，以确定乳酸盐水平增加或降低的斜率的变化速率；磷酸盐水平；磷酸盐水平从第一时间戳到第二时间戳的变化(例如，δ)；随时间推移的磷酸盐水平(例如，来自两个或更多个后续时间戳的磷酸盐水平)；测量的磷酸盐水平线性系统在一个或多个特定时间戳的导数和/或导数差，以确定磷酸盐水平增加或降低的斜率的变化速率；碳酸氢盐水平；碳酸氢盐水平从第一时间戳到第二时间戳的变化(例如，δ)；随时间推移的碳酸氢盐水平(例如，来自两个或更多个后续时间戳的碳酸氢盐水平)；在一个或多个特定时间标记下测量的碳酸氢盐水平线性系统的导数和/或导数差，以确定碳酸氢盐水平增加或减少的斜率的变化速率；钙水平；钙水平从第一时间戳到第二时间戳的变化(例如，δ)；随时间推移的钙水平(例如，来自两个或更多个后续时间戳的钙水平)；测量的钙水平线性系统在一个或多个特定时间戳的导数和/或导数差，以确定钙水平增加或降低的斜率的变化速率；镁水平；镁水平从第一时间戳到第二时间戳的变化(例如，δ)；随时间推移的镁水平(例如，来自两个或更多个后续时间戳的镁水平)；测量的镁水平线性系统在一个或多个特定时间戳的导数和/或导数差，以确定镁水平增加或降低的斜率的变化速率；钠水平；钠水平从第一时间戳到第二时间戳的变化(例如，δ)；随时间推移的钠水平(例如，来自两个或更多个后续时间戳的钠水平)；测量的钠水平线性系统在一个或多个特定时间戳的导数和/或导数差，以确定钠水平增加或降低的斜率的变化速率；血尿素氮水平；血尿素氮水平从第一时间戳到第二时间戳的变化(例如，δ)；随时间推移的血尿素氮水平(例如，来自两个或更多个后续时间戳的血尿素氮水平)；测量的血尿素氮水平线性系统在一个或多个特定时间戳的导数和/或导数差，以确定血尿素氮水平增加或降低的斜率的变化速率；血液pH水平；血液pH水平从第一时间戳到第二时间戳的变化(例如，δ)；随时间推移的血液pH水平(例如，来自两个或更多个后续时间戳的血尿素氮水平)；测量的血液pH水平线性系统在一个或多个特定时间戳的导数和/或导数差，以确定血液pH水平增加或降低的斜率的变化速率。

另外或另选地，其他特征可以包括非分析物数据；非分析物数据从第一时间戳到第二时间戳的变化(例如，δ)；随时间推移的非分析物数据(例如，来自两个或更多个后续时间戳的非分析物数据)；测量的非分析物数据线性系统在一个或多个特定时间戳的导数和/或导数差，以确定非分析物数据增加或降低的斜率的变化率；等。另外或另选地，非分析物数据可包括ECG数据，该数据用于钾测量值和或与钾测量值相关。ECG数据可以与或不与其他输入(像葡萄糖趋势或钾传感器趋势)组合一起使用。ECG指示身体对钾水平的生理应答，这是最关键的，一些患者在ECG没有变化的情况下还能耐受高于或低于正常水平的水平。此外，细胞外钾浓度直接影响心肌的去极化和再极化。因此，监测ECG信号中的异常(诸如T波变高、PR间期延长、P波变小和或QRS波变宽)是有利的。在钾水平高于或低于正常水平并且监测和检测到这些异常的场景下，可以升级提醒以进行纠正措施和/或医疗干预。

另外或另选地，数据集可包括与患者的医疗治疗和/或在医疗治疗期间和/或之后医疗治疗对患者生理的影响相关联的特征。例如，这种特征可以涉及药物、医疗治疗和/或健康治疗；医疗治疗参数，诸如类型、剂量、定时、频率、成分、浓度、流速、体积和/或其他治疗参数，包括透析治疗参数(例如溶血和/或腹膜透析参数)；向用户施用的其他一种或多种药物和/或治疗，诸如血糖控制药物、已知会损害肾脏的一种或多种药物、已知会控制肾脏疾病的并发症的向用户开出的一种或多种药物和/或用于治疗肾脏疾病、高钾血症、低钾血症、糖尿病和/或用户可能患有的其他病症和疾病的一种或多种药物。上文讨论的所有医疗治疗参数特征可以被加上时间戳，从而可以导出在对应的医疗治疗之前、期间和/或之后这种参数对患者生理的影响之间的相关性。

另外或另选地，数据集中的每个数据记录可以标记有关于患者在医疗治疗的治疗期之前、期间和/或之后经历不良事件的可能性的指示、医疗治疗(例如，透析)的一个或多个治疗参数、医疗治疗期间和/或之后肾脏功能的改善或恶化以及治疗变化对患者生理的影响中的至少一者。

然后，训练系统140使用特征化和标记的训练数据来训练模型。特别地，每个数据记录的特征可用作机器学习模型的输入，并且所生成的输出可以与和对应的数据记录相关联的标记进行比较。模型可以基于所生成的输出与所提供的标记之间的差异来计算损失。然后使用此损失来修改模型的内部参数或权重。通过迭代地处理对应于每个历史患者的每个数据记录，另外或另选地，可以迭代地改进模型以生成与医疗治疗对患者生理(例如，肾脏功能、分析物水平、分析物变化速率、分析物清除率等)的影响相关联的准确预测、在医疗治疗的治疗期之前、期间和/或之后不良健康事件的风险、医疗治疗的最佳治疗参数(例如，降低不良健康事件的风险)、在医疗治疗期间和/或之后肾脏功能的改善或恶化等。此外，在某些其他实施方案中，通过迭代地处理对应于每个历史患者的每个数据记录，另外或另选地，可以迭代地改进模型以生成更准确的预测。

如图1所示，训练系统140将这些经训练模型部署到决策支持引擎114以供运行期间使用。例如，决策支持引擎114可获得与用户相关联的用户配置文件118，使用用户配置文件118中的信息作为经训练模型的输入，并输出预测。该预测可以指示与医疗治疗相关联的不良风险(例如，如图1中的输出144所示)。由决策支持引擎114生成的输出144还可以提供针对患者的治疗推荐，以降低不良事件的可能性。例如，治疗推荐可以提供待施用的最佳治疗参数。提供最佳治疗参数还可以包括基于这样的最佳治疗参数来自动控制一个或多个医疗设备(例如，透析机、胰岛素泵等)的操作。另外或另选地，治疗推荐可包括最佳药物剂量、肾脏移植优先级和/或附加的测试以确认适当的治疗推荐。可将输出144提供给用户(例如，通过应用106)、用于自动实施输出114的用户医疗治疗设备、提供给用户的看护人(例如，父母、亲属、监护人、老师、护士等)、提供给用户的医生或出于改善用户健康的目的(诸如，在一些情况下，通过实行推荐的治疗)而对用户的健康感兴趣的任何其他个体。

另外或另选地，用户自己的数据用于对基于群体数据初始训练的一个或多个模型进行个性化。例如，模型(例如，使用群体数据训练的模型)可被部署以供决策支持引擎114用于预测与用户的分析物趋势和当前医疗治疗相关联的不良健康事件的风险。在使用模型进行预测之后，决策支持引擎114可以被配置为获得用户的实际生理数据(例如，分析物水平、变化速率、分析物清除率、不良事件等)并计算预测与实际分析物数据之间的损失，该损失可以用于重新训练模型。因此，可以使用所计算的预测与实际生理数据之间的损失来继续对模型进行重新训练和个性化，以便为用户个性化模型。在另一示例中，模型(例如，使用群体数据训练的模型)可被部署以供决策支持引擎114使用，以预测治疗(例如，诸如类型、定时、剂量等的治疗参数)变化对经历不良健康事件的特定用户的实时影响。在使用模型进行预测之后，决策支持引擎114可以被配置为获得用户的不良事件的实际发生率、定时、严重程度并计算预测与不良事件的实际发生率、定时、严重程度之间的损失，该损失可以用于重新训练模型。因此，可以使用所计算的预测与实际生理数据之间的损失作为到模型中的输入来继续对模型进行重新训练和个性化，以便为用户个性化模型。在另一示例中，一个或多个模型的个性化包括从具有与用户类似的特性(例如，人口统计信息、疾病进展信息、药物信息)的对象中选择群体数据的子集。使用群体数据的子集训练的模型可被部署以供决策支持引擎114用于预测与用户的分析物趋势和当前医疗治疗相关联的不良健康事件的风险。

另外或另选地，由决策支持引擎114生成的输出144可存储在用户配置文件118中。另外或另选地，输出144可以是关于医疗治疗对患者生理(例如，肾脏功能、分析物水平、分析物变化速率、分析物清除率等)的影响的预测。另外或另选地，输出144可以是针对医疗治疗参数的针对患者的决策或推荐，以优化医疗治疗。另外或另选地，输出144可以是与在医疗治疗期之前、期间和/或之后的分析物水平相关的预测。另外或另选地，输出144可以是与在医疗治疗期期间与用户的肾脏功能相关的预测。另外或另选地，输出144可以是对由例如医疗治疗引起的不良健康事件(例如，低血糖症、高血糖症、低钾血症、高钾血症等)的用户风险的预测。另外或另选地，输出144可以是针对患者的优化的医疗治疗参数(例如，透析治疗参数)。存储在用户配置文件118中的输出144可由决策支持引擎114连续更新。因此，最初作为输出144存储在用户数据库110中的用户配置文件118中并且然后传递到历史记录数据库112的预测和推荐可以提供对与医疗治疗相关联的肾脏疾病随时间推移的进展的指示以及对与降低不良健康事件风险相关联的不同医疗治疗参数的有效性的指示。

另外或另选地，可训练模型以提供生活方式推荐、锻炼推荐、饮食推荐、医疗治疗推荐、医疗干预推荐和其他类型的决策支持推荐，以基于用户的历史数据(包括不同治疗参数、药物、食物和锻炼在过去如何影响了用户的生理)来帮助用户管理医疗治疗。另外或另选地，对地理上本地的食物和菜单数据库的实时访问可以根据当前的葡萄糖和钾或其他分析物信息来通知针对包括或避免特定菜单项的推荐。另外或另选地，可训练模型以检测患者生理(例如，不良事件的发生率)的某些改善或恶化的潜在原因。例如，应用106可以显示具有图形的用户界面，该图形示出了患者的分析物数据或其具有趋势线的得分，并且例如回顾性地指示是什么导致了不良事件(例如，不同的治疗参数、食物摄入、锻炼、其他医疗治疗、肾脏功能下降等)。

图2是根据本公开的某些方面的概念性地示出包括具有传感器电子器件的示例连续分析物传感器的示例连续分析物监测系统104的图200。例如，根据本公开的某些方面，系统104可被配置为连续监测用户的一种或多种分析物。

所示出的实施方案中的连续分析物监测系统104包括传感器电子器件模块204和与传感器电子器件模块204相关联的一个或多个连续分析物传感器202(在本文中单独地称为连续分析物传感器202并且在本文中统称为连续分析物传感器202)。传感器电子器件模块204可与显示设备210、220、230和240中的一个或多个显示设备无线通信(例如，直接地或间接地)。另外或另选地，传感器电子器件模块204还可以与一个或多个医疗设备诸如医疗设备208(在本文中单独地称为医疗设备208并且在本文中统称为医疗设备208)和/或一个或多个其他非分析物传感器206(在本文中单独地称为非分析物传感器206并且在本文中统称为非分析物传感器206)无线通信(例如，直接地或间接地)。

另外或另选地，连续分析物传感器202可包括用于检测和/或测量分析物的传感器。连续分析物传感器202可以是被配置为连续地测量两种或更多种分析物的多分析物传感器或被配置为连续地测量单个分析物的单分析物传感器，如非侵入设备、皮下设备、经皮设备、透皮设备和/或血管内设备。另外或另选地，连续分析物传感器202可以被配置为使用一种或多种测量技术来连续地测量用户的分析物水平，该一种或多种测量技术诸如酶法、化学法、物理法、电化学法、分光光度法、偏振法、量热法、离子电渗法、辐射法、免疫化学法等。在某些方面，连续分析物传感器202提供指示用户中的一种或多种分析物的浓度的数据流。数据流可以包括原始数据信号，然后被转换成用于向用户提供估计的分析物值的校准的和/或过滤的数据流。

另外或另选地，连续分析物传感器202可以是多分析物传感器，该多分析物传感器被配置为连续地测量用户身体中的多种分析物。例如，另外或另选地，连续多分析物传感器202可以是被配置为测量用户体内的钾和葡萄糖的单个多分析物传感器。

另外或另选地，一个或多个多分析物传感器可以与一个或多个单分析物传感器组合使用。作为说明性示例，多分析物传感器可以被配置为连续地测量钾和葡萄糖，并且在一些情况下可以与被配置为仅测量乳酸盐水平的分析物传感器组合使用。可组合来自多分析物传感器和单分析物传感器中的每一者的信息以使用本文所述的方法提供决策支持。

另外或另选地，传感器电子器件模块204包括与测量和处理连续分析物传感器数据相关联的电子器件电路，包括与处理和校准传感器数据相关联的前瞻算法。传感器电子器件模块204可物理地连接到连续分析物传感器202并且可与连续分析物传感器202成一体(不可释放地附接到)或可释放地附接到连续分析物传感器。传感器电子器件模块204可包括使得能够经由连续分析物传感器202测量分析物的水平的硬件、固件和/或软件。例如，传感器电子器件模块204可包括恒电位仪、用于向传感器供电的电源、用于信号处理和数据存储的其他部件、以及用于将数据从传感器电子器件模块传输到一个或多个显示设备的遥测模块。电子器件可以固定到印刷电路板(PCB)等，并且可以采取各种形式。例如，电子器件可采用集成电路(IC)的形式，诸如专用集成电路(ASIC)、微控制器和/或处理器。

显示设备210、220、230和/或240被配置用于显示可显示的传感器数据，该可显示的传感器数据包括可由传感器电子器件模块204传输的分析物数据。显示设备210、220、230或240中的每个显示设备可包括向用户显示传感器数据和/或从用户接收输入的显示器，诸如触摸屏显示器212、222、232/或242。例如，可以出于此些目的向用户呈现图形用户界面(GUI)。在一些实施方案中，作为触摸屏显示器的替代或补充，显示设备可包括其他类型的用户界面，诸如语音用户界面，以用于向显示设备的用户传送传感器数据和/或接收用户输入。显示设备210、220、230和240可以是图1所示的用于向图1的用户显示传感器数据和/或从用户接收输入的显示设备107的示例。

在某些实施方案中，显示设备中的一个显示设备、一些显示设备或全部显示设备被配置为按从传感器电子器件模块传送传感器数据(例如，在传输到相应显示设备的数据包中)时的原样显示或以其他方式传输该传感器信息，而无需进行传感器数据的校准和实时显示所需的任何附加的前瞻处理。

多个显示设备可包括定制显示设备，该定制显示设备专门设计用于显示与从传感器电子器件模块接收的分析物数据相关联的某些类型的可显示的传感器数据。另外或另选地，多个显示设备可被配置用于基于可显示的传感器数据提供提醒/警报。显示设备210是此类定制设备的示例。在一些实施方案中，多个显示设备中的一个显示设备是诸如显示设备220的智能手机，该智能手机使用商用操作系统(OS)表示移动电话并且被配置为显示连续传感器数据(例如，包括当前数据和历史数据)的图形表示。其他显示设备可包括其他手持式设备，诸如表示平板电脑的显示设备230、表示智能手表的显示设备240、医疗设备208(例如，腹膜透析机或血液透析机)和/或台式计算机或膝上型计算机。

由于不同的显示设备提供不同的用户界面，因此可针对每个特定显示设备定制(例如，由制造商和/或由最终用户不同地编程)数据包的内容(例如，要显示的数据的量、格式和/或类型，警报等)。因此，另外或另选地，多个不同的显示设备可在传感器会话期间与传感器电子器件模块(例如，诸如物理连接到连续分析物传感器202的皮肤上传感器电子器件模块204)直接无线通信，以实现与可显示的传感器数据相关联的多种不同类型和/或水平的显示和/或功能。另外或另选地，针对每个特定显示设备定制的警报类型、针对每个特定显示设备定制的警报数量、针对每个特定显示设备定制的警报定时和/或针对警报中的每一个警报配置的阈值水平(例如，用于触发)基于存储在每个用户的用户配置文件118中的输出144(例如，如所提及的，输出144可指示用户的当前健康、用户的葡萄糖和/或钾的状态，和/或向用户推荐的当前治疗)。

如所提及的，传感器电子器件模块204可以与医疗设备208通信。在本公开的一些示例实施方案中，医疗设备208可以是无源设备。例如，医疗设备208可以是用于过滤用户血液的透析机(例如，腹膜透析机或血液透析机)。出于多种原因，可能期望这种透析机接收和跟踪从连续分析物监测系统104传输的钾、葡萄糖、磷酸盐、碳酸氢盐、钙、镁、钠、白蛋白、肌酸酐、胱抑素C和/或血尿素氮，其中连续分析物传感器202被配置为测量钾、葡萄糖、磷酸盐、碳酸氢盐、钙、镁、钠和/或血尿素氮。在另一示例中，医疗设备208可以是用于向用户施用胰岛素的胰岛素泵。出于各种原因，可能期望这种胰岛素泵接收和跟踪从连续分析物监测系统104传输的钾值、葡萄糖值和胰岛素值，其中连续分析物传感器202被配置为测量钾、葡萄糖和/或胰岛素。

此外，如所提到的，传感器电子器件模块204还可以与其他非分析物传感器206通信。非分析物传感器206可包括但不限于测高仪传感器、加速器传感器、温度传感器、呼吸速率传感器、汗液传感器等。非分析物传感器206还可包括诸如心率监视器、ECG监视器、血压监视器、阻抗传感器、脉搏血氧计、热量摄入监视器和药物递送设备的监视器。这些非分析物传感器206中的一个或多个非分析物传感器可向下文进一步描述的决策支持引擎114提供数据。在一些方面中，用户可手动提供数据中的一些数据以用于图1的训练系统140和/或决策支持引擎114处理。

另外或另选地，非分析物传感器206可以任何其他配置组合，诸如例如与一个或多个连续分析物传感器202组合。作为说明性示例，非分析物传感器，例如心率传感器可与被配置为测量钾的连续分析物传感器202组合以形成用于使用共用通信电路将传感器数据传输到传感器电子器件模块204的钾/心率传感器。作为另一说明性示例，非分析物传感器例如心率传感器可与被配置为测量钾和葡萄糖的多分析物传感器202组合，以形成用于使用共用通信电路将传感器数据传输到传感器电子器件模块204的钾/葡萄糖/心率传感器。

另外或另选地，无线接入点(WAP)可用于将连续分析物监测系统104、多个显示设备、医疗设备208和/或非分析物传感器206中的一者或多者彼此联接。例如，WAP 138可在这些设备之间提供Wi-Fi和/或蜂窝连接。近场通信(NFC)和/或蓝牙也可在图2的图200所描绘的设备之间使用。

图3示出了根据本文公开的一些实施方案的示例输入和基于输入计算的示例指标，以供图1的决策支持系统使用。特别地，图3提供了在图1中引入的示例输入和示例指标的更详细的图示。

图3示出了左侧的示例输入128、中间的包括DAM 116的应用106和决策支持引擎114以及右侧的指标130。另外或另选地，指标130中的每个指标可对应于一个或多个值，例如，离散数值、范围或定性值(高/中/低、稳定/不稳定等)。应用106通过一个或多个通道(例如，手动用户输入、传感器/监视器、在显示设备107上执行的其他应用和EMR等)获得输入128。如先前所提及的，另外或另选地，输入128可由DAM 116和/或决策支持引擎114处理以输出指标130。输入和指标130可被决策支持引擎114用于向用户提供决策支持。例如，输入128和指标130可被训练系统140用于训练和部署一个或多个机器学习模型，以供决策支持引擎114用于提供上述决策支持输出。

另外或另选地，从输入128开始，食物摄入信息可包括关于膳食、零食和/或饮料中的一者或多者的信息，诸如大小、含量(钾、葡萄糖、乳酸盐、钠、碳水化合物、脂肪、蛋白质等的毫克(mg))、摄入顺序和摄入时间中的一者或多者。另外或另选地，食物摄入信息可通过用户手动输入、通过被配置为识别食物类型和数量的应用提供照片，和/或通过扫描条形码或菜单来提供。在各种示例中，膳食大小可以手动输入为卡路里、数量(例如，“三个饼干”)、菜单项(例如，“皇家奶酪”)和/或食物交换份(例如，1个水果、1个乳制品)中的一者或多者。在一些示例中，可通过由应用106提供的便捷用户界面来接收膳食信息。

另外或另选地，食物摄入信息可以与用户摄入的葡萄糖相关。用于摄入的葡萄糖可以包括含有葡萄糖、右旋糖或碳水化合物的任何天然或设计的食物或饮料，诸如例如葡萄糖片剂、香蕉或面包。另外或另选地，食物摄入信息可与由用户摄入的钾相关。例如，供摄入的钾可包括含有钾的任何天然或人工设计的食物或饮料，诸如钾片、含钾的电解质饮料或香蕉。

另外或另选地，还提供锻炼信息作为输入。锻炼信息可以是关于活动(诸如需要用户的体力活动的活动)的任何信息。例如，锻炼信息的范围可以是与低强度(例如，走几步)和高强度(例如，跑五英里)体力活动相关的信息。另外或另选地，可由例如可佩戴设备(诸如手表、健身跟踪器和/或眼罩)上的加速度计传感器提供锻炼信息。

另外或另选地，还可通过手动用户输入和/或通过测量心率(或其他心脏指标)的变化的替代传感器和预测算法来提供锻炼信息。当基于用户的传感器数据预测他/她正在锻炼时，可要求用户确认是否正在进行锻炼、锻炼的类型和/或在特定时期内锻炼期间正在使用的剧烈活动的水平。该数据可用于训练系统100学习用户的锻炼模式，以随时间的推移减少对确认问题的需要。

另外或另选地，用户统计数据，诸如年龄、身高、体重、BMI、身体成分(例如，体脂百分比)、身材、体型或其他信息中的一者或多者也可被提供作为输入。另外或另选地，用户统计数据通过用户界面、通过与电子源诸如电子病历连接和/或从测量设备提供。另外或另选地，测量设备包括一个或多个可以例如与显示设备107通信来提供用户数据的无线(例如，蓝牙功能)体重秤和/或摄像头。

另外或另选地，医疗治疗信息也被提供作为输入。医疗治疗信息可以包括关于药物、医疗治疗和/或健康治疗的信息。医疗治疗信息可以包括向用户施用的一种或多种药物和/或治疗的类型、剂量、定时、频率和/或其他这样的治疗参数(例如，成分(例如，透析液成分)、浓度、流速、体积和/或透析治疗参数等)。如本文所提及的，医疗治疗信息可包括关于一种或多种血糖控制药物、已知会损害肾脏的一种或多种药物、已知会控制肾脏疾病的并发症的向用户开出的一种或多种药物和/或用于治疗肾脏疾病、高钾血症、低钾血症、糖尿病和/或用户可能患有的其他病症和疾病的一种或多种症状的一种或多种药物的信息。医疗治疗信息可包括关于肾脏疾病治疗的信息，包括透析(例如，溶血和/或腹膜透析)。医疗治疗信息还可包括有关由用户的医生推荐的不同生活方式习惯、医疗治疗、外科手术和/或其他非侵入性手术的信息。例如，用户的医生可以推荐用户增加/减少他们的钾摄入量、每天至少三十分钟的锻炼、更换药物和/或更换治疗，以保持和/或改善肾脏健康、葡萄糖稳态、总体健康等。另外或另选地，医疗治疗信息可以通过手动用户输入来提供。

另外或另选地，分析物传感器数据也可被提供作为输入，例如通过连续分析物监测系统104提供。另外或另选地，分析物传感器数据可包括由作为连续分析物监测系统104的一部分的至少一个连续葡萄糖传感器(或被配置为至少测量葡萄糖的多分析物传感器)测量的葡萄糖数据(例如，用户的葡萄糖值)。另外或另选地，分析物传感器数据可包括由作为连续分析物监测系统104的一部分的至少一个钾传感器(或被配置为至少测量钾的多分析物传感器)测量的钾数据。另外或另选地，分析物传感器数据可包括由作为连续分析物监测系统104的一部分的至少一个乳酸盐传感器(或被配置为至少测量乳酸盐的多分析物传感器)测量的乳酸盐数据。另外或另选地，分析物传感器数据可包括由作为连续分析物监测系统104的一部分的至少一个胰岛素传感器(或被配置为至少测量胰岛素的多分析物传感器)测量的胰岛素数据。另外或另选地，分析物传感器数据可包括由作为连续分析物监测系统104的一部分的至少一个丙酮酸盐传感器(或被配置为至少测量丙酮酸盐的多分析物传感器)测量的丙酮酸盐数据。另外或另选地，分析物传感器数据可包括由可以作为连续分析物监测系统104的一部分的至少一个酮传感器(或被配置为至少测量酮的多分析物传感器)测量的酮数据。

另外或另选地，输入还可从一个或多个非分析物传感器(诸如参考图2所述的非分析物传感器206)接收。来自此类非分析物传感器206的输入可包括与用户的心率、心率可变性(例如，心跳之间的时间变化)、ECG数据、呼吸速率、氧饱和度、血压或体温(例如，以检测疾病、身体活动等)相关的信息。另外或另选地，电磁传感器还可检测从接触或靠近对象的对象或工具发射的低功率射频(RF)场，这可提供关于用户活动或位置的信息。

另外或另选地，从非分析物传感器接收的输入可包括与用户的胰岛素输注相关的输入。特别地，可以经由智能胰岛素笔上的无线连接、经由用户输入和/或从胰岛素泵接收与用户的胰岛素递送相关的输入。胰岛素递送信息可以包括胰岛素体积、递送时间等中的一者或多者。也可以接收其他参数，诸如胰岛素作用时间、胰岛素活性率或胰岛素作用的持续时间作为输入。

另外或另选地，从非分析物传感器接收的输入可包括与用户的透析治疗相关的输入。特别地，可经由透析机上的无线连接、经由用户输入和/或从透析机接收与用户的透析治疗相关的输入。透析机信息可以包括透析液浓度、体积、输送时间、流速、周期、膜类型、机器类型等中的一者或多者。

另外或另选地，还可以提供时间作为输入，诸如一天中的时间，或来自实时时钟的时间。例如，另外或另选地，可对输入分析物数据加时间戳以向用户指示进行分析物测量的日期和时间。

上文提及的输入128中的任一个输入中的用户输入可以是通过用户界面，诸如图1的显示设备107的用户界面。用户输入还可以包括用户症状数据，诸如刺痛、恶心、眩晕、虚弱、肌肉无力或心悸。这种症状数据可以是电解质失衡的迹象，并且可以帮助将分析物参数与症状关联起来，并用于训练算法/ML模型。

如上所述，另外或另选地，DAM 116和/或决策支持引擎(例如，使用一个或多个经训练模型)基于输入128来确定或计算用户的指标130。图3中示出了指标130的示例列表。

另外或另选地，可从传感器数据(例如，从连续分析物监测系统104的连续分析物传感器202获得的分析物测量值)确定分析物水平。例如，分析物水平是指加时间戳的分析物水平或随时间推移连续生成并存储的值。另外或另选地，分析物水平可以是从连续葡萄糖传感器确定的葡萄糖水平。另外或另选地，分析物水平可以是从连续钾传感器确定的钾水平。另外或另选地，分析物水平可以是乳酸盐、胰岛素、磷酸盐、碳酸氢盐、钙、镁、钠和/或血液尿素氮中的一者或多者。

另外或另选地，可从传感器数据(例如，从连续分析物监测系统104的连续分析物传感器202获得的分析物测量值)确定分析物基线。另外或另选地，可以确定一种或多种分析物的分析物基线，包括钾、葡萄糖、乳酸盐、胰岛素、磷酸盐、碳酸氢盐、钙和镁、钠、白蛋白、肌酸酐和/或血尿素氮。分析物基线表示在预期分析物水平通常捕获出现显著波动期间用户的正常分析物水平。例如，通常预期用户的钾随时间推移保持恒定，除非通过诸如摄入钾或富含钾的食物等举措来刺激，或者由于肾脏健康下降或肾脏功能而改变。

此外，与其他用户相比，用户可能具有针对某些分析物的不同基线。例如，每个用户可具有不同的钾基线。另外或另选地，可以通过计算在预期没有显著波动(例如，不存在会影响分析物基线的外部条件)的指定时间量内用户的分析物水平的平均值来确定用户的分析物基线。另外或另选地，DAM 116可连续地计算分析物基线(例如，钾基线、葡萄糖基线等)、对所计算的分析物基线加时间戳并将对应信息存储在用户的配置文件118中。

在某些其他实施方案中，为了计算分析物基线，DAM 116可以使用在一定时间段内测量的分析物水平，其中用户至少在该段时间的子集内参与会影响分析物基线的外部事件、条件或活动(例如，透析治疗、药物施用、锻炼、摄入食物等)。在这样的实施方案中，在一些示例中，DAM 116可首先通过识别哪些分析物水平已经受到事件、条件或活动的影响来识别哪些测量的分析物水平不用于计算分析物基线，然后在计算用户的分析物基线时排除这样的测量值。在其他示例中，DAM 116可以识别哪些测量的分析物水平已经受到外部事件、条件或活动的影响，然后仅使用已经受到外部事件影响的分析物水平来计算基线。然后，基线可以与外部事件、状况或活动相关联并针对这些外部事件、条件或活动进行存储。例如，可以通过首先识别哪些测得的钾水平受到透析治疗的影响(例如，在透析治疗的有效期期间测得的钾水平)来计算钾透析基线，然后仅使用那些钾水平来计算基线。透析治疗的有效期可以包括用户使用例如透析机进行透析的治疗期和/或治疗后期，该治疗后期从用户停止透析期但仍在经受透析作用开始。

另外或另选地，基于传感器数据(例如，从连续分析物监测系统104的连续分析物传感器202获得的分析物水平)、健康/疾病指标(例如，下面更详细描述的)、疾病阶段指标(例如，下面更详细描述的)和/或医疗治疗参数(例如，下面更详细描述的)来确定是否已经达到分析物水平阈值。另外或另选地，可以确定一种或多种分析物的分析物阈值水平，该一种或多种分析物包括钾、葡萄糖、乳酸盐、胰岛素、磷酸盐、碳酸氢盐、钙、镁、钠、肌酸酐、白蛋白和/或血尿素氮。另外或另选地，阈值水平可以在所有用户中一致。另外或另选地，阈值水平可以由终端用户输入。另外或另选地，阈值水平可以是绝对最大或绝对最小分析物水平。另外或另选地，阈值水平可以随时间变化和/或基于传感器数据、疾病阶段、共病、医疗治疗和/或用户输入来调节。例如，在用户处于会影响分析物水平的外部条件(例如，透析、锻炼、进餐、施用药物)的时间段期间，阈值水平可能不同。

在一些情况下，影响患者分析物水平的外部事件、条件或活动可以是分析物传感器相对于药物施用部位的位置。例如，分析物传感器可以佩戴在用户身体上靠近透析端口(例如，腹膜透析端口)处。另外或另选地，可以基于已知或确定的与药物施用部位的接近度来调节患者的分析物水平。例如，位于腹膜透析端口附近的葡萄糖传感器在透析治疗期间可能具有人为升高的葡萄糖水平，并且因此可以调节透析治疗期间的葡萄糖水平以解决升高的葡萄糖水平。在葡萄糖传感器位于腹膜透析端口附近的另一示例中，可以排除在透析治疗期间的葡萄糖测量值。在一些实施方案中，决策支持引擎114可以提醒用户影响分析物数据的外部条件，并推荐用户重新定位分析物传感器。

另外或另选地，可从传感器数据(例如，从连续分析物监测系统104的连续分析物传感器202获得的分析物测量值)确定分析物水平变化速率。另外或另选地，分析物水平变化速率可以是钾水平变化速率、葡萄糖水平变化速率、乳酸盐水平变化速率、磷酸盐水平变化速率、碳酸氢盐水平变化速率、钙水平变化速率、镁水平变化速率、钠水平变化速率和/或血尿素氮水平变化速率中的一者或多者。例如，钾水平变化速率是指指示一个或多个加时间戳的钾水平相对于一个或多个其他加时间戳的钾水平如何变化的速率。分析物水平变化速率可在一秒或多秒、一分钟或多分钟、一小时或多小时、一天或多天等时间内确定。

另外或另选地，所确定的分析物水平变化速率可被标记为“快速增加”或“快速降低”。如本文所用，“快速”可描述具有临床显著性并指向患者的分析物水平有可能在下一个限定时间段内突破阈值水平的趋势的分析物水平变化速率。

在一些情况下，预测趋势(例如，由决策支持引擎114使用一个或多个经训练模型产生)可基于所确定的分析物水平变化速率来指示患者可能在指定临近时间段内达到例如绝对最大分析物水平。因此，这种分析物水平变化速率可被标记为“快速增加”。类似地，在一些情况下，预测趋势(例如，由决策支持引擎114使用一个或多个经训练模型产生)可基于所确定的分析物水平变化速率来指示患者可能在指定临近时间段内达到较低阈值。因此，这种分析物水平变化速率可被标记为“快速降低”。

一些医疗治疗可能会影响分析物水平变化速率的准确测量。因此，在这种治疗期间，可能期望调节哪些分析物趋势具有临床显著性并指示患者可能在限定的时间段内突破阈值水平。一种这样的治疗是透析。因为透析治疗充当辅助分析物过滤器，所以被分类为“适度下降”的变化速率实际上可能是“快速下降”的变化速率。在透析治疗的有效期期间，可以调节预测的分析物趋势以补偿透析对测量的分析物变化速率的影响。例如，被分类为“适度增加”的变化速率实际上可能是“快速增加”的变化速率。另外或另选地，调节可以基于医疗治疗的类型。另外或另选地，调节可以基于不同的治疗参数。另外或另选地，调节可以基于测量的分析物。另外或另选地，调节可以基于分析物是增加还是减少。例如，在透析治疗期间，对于增加的变化速率可能不需要调节，但是对于降低的变化速率可能需要调节(例如，调快50％)变化速率。

另外或另选地，基线分析物变化速率可从随时间推移为用户确定的基线来确定。例如，钾透析基线变化速率是指指示用户的一个或多个带时间戳的钾透析基线相对于同一用户的一个或多个其他带时间戳的钾透析基线如何变化的速率。可以在一秒或几秒、一分钟或几分钟、一小时或几小时、一天或几天内确定分析物的变化速率。另外或另选地，可以为用户确定不同时间点的分析物基线值。例如，透析期之前的基线可用于告知透析液的最佳组成。各期之间的基线(例如，空腹早晨基线)可能有助于提供锻炼和饮食推荐，并且随着该值的变化，可以确定何时需要以及是否需要另一透析期。可以在锻炼前收集另一分析物基线，其中锻炼的类型(持续时间、强度等)可以基于基线进行推荐。而且，锻炼后分析物(或非分析物)基线可以指示用户的锻炼表现如何有助于他们的健康。例如，锻炼后的血压可以表明锻炼有助于降低血压。

另外或另选地，可在摄入已知量或估计量的该分析物之后从传感器数据(例如，从连续分析物监测系统104的连续分析物传感器202获得的分析物水平)确定分析物清除率。另外或另选地，可以通过计算初始高分析物水平(例如，在分析物水平增加期间的最高分析物水平)和后续低分析物水平(例如，在分析物水平增加之后的期间的最低分析物水平)之间的斜率来确定分析物清除率。另外或另选地，可以确定一种或多种分析物的分析物清除率，包括钾、葡萄糖、乳酸盐、胰岛素、磷酸盐、碳酸氢盐、钙和镁、钠、白蛋白、肌酸酐和/或血尿素氮。随时间推移计算的分析物清除率可被打上时间戳并存储在用户配置文件118中。

另外或另选地，随时间推移分析的分析物清除率可以指示肾脏功能和/或稳态的变化。例如，在第一时间段期间(例如，在摄入已知量的钾之后)的钾清除曲线的斜率与在第二时间段期间(例如，在摄入相同量的钾之后)的钾清除曲线的斜率相比，可指示肾脏发挥功能的能力，并且更特别地，维持钾稳态的能力(例如，当用户的肾脏受损时，钾清除率可比当用户的肾脏健康时更慢)。可以比较在许多不同时间段(例如，5分钟、10分钟、35分钟、1小时、1天、1周或1个月)的分析物数据曲线的斜率，以确定分析物数据曲线的斜率趋势，该趋势可以指示用户的肾脏功能随时间的变化。在另一示例中，在第一时间段与第二时间段期间葡萄糖清除率曲线的斜率之间的变化可以指示肾脏发挥功能和维持葡萄糖稳态的能力。

另外或另选地，可以在用户参与可能影响分析物清除率的外部事件、条件或活动的时间段期间确定分析物清除率。例如，可以在医疗治疗(例如，透析、利尿剂、胰岛素等)的治疗期期间确定分析物清除率。还可以在治疗期之前或之后监测分析物清除率。另外或另选地，与外部事件、条件或活动相关联的分析物清除率可用于指示外部条件对分析物水平的影响(例如，医疗治疗的影响、锻炼的影响、进餐的影响)。

另外或另选地，可以基于在特定时间段内测量的分析物水平来确定分析物趋势(例如，随时间推移的钾水平、随时间推移的葡萄糖水平、随时间推移的乳酸盐水平、随时间推移的胰岛素水平、随时间推移的磷酸盐水平、随时间推移的碳酸氢盐水平、随时间推移的钙水平、随时间推移的镁水平、随时间推移的钠水平、随时间推移的血氮尿素水平等)。另外或另选地，可以基于分析物基线随时间的变化来确定分析物趋势。另外或另选地，可以基于分析物水平随时间的变化来确定分析物趋势。另外或另选地，可以基于分析物随时间的变化速率来确定分析物趋势。另外或另选地，可以基于分析物随时间的清除率来确定分析物趋势。

另外或另选地，可使用历史数据、实时数据或它们的组合来确定胰岛素灵敏度，并且胰岛素灵敏度可例如基于一个或多个输入128，诸如食物摄入信息、连续分析物传感器数据、非分析物传感器数据(例如，来自胰岛素设备的胰岛素递送信息)等中的一者或多者。胰岛素灵敏度是指用户的细胞对胰岛素的响应程度。改善用户的胰岛素灵敏度可帮助降低用户的胰岛素抵抗。

另外或另选地，可使用分析物传感器数据(例如，从连续分析物监测系统104的胰岛素传感器获得的胰岛素测量值)、非分析物传感器数据输入(例如，胰岛素输注信息)和/或已知或已学习(例如，从用户数据)的胰岛素定时作用曲线来确定体载胰岛素，该曲线可解释基础代谢速率(例如，摄取胰岛素以维持身体运转)和由活动或食物摄入驱动的胰岛素使用。

另外或另选地，健康和疾病指标可，例如，基于来自生理传感器(例如，温度)、活动传感器或其组合的一个或多个用户输入(例如，妊娠信息或已知疾病或病症信息)来确定。另外或另选地，基于健康和疾病指标的值，例如，用户的状态可被定义为健康、生病、休息或疲惫中的一者或多者。

另外或另选地，可例如基于由图1所示的决策支持引擎114提供的用户输入或输出中的一者或多者来确定诸如针对肾脏疾病的疾病阶段指标。另外或另选地，肾脏疾病的示例疾病阶段可包括AKI、具有正常或高GFR(例如，GFR>90mL/min)的1期CKD、2期轻度CKD(例如，GFR＝60mL/min-89mL/min)、3A期中度CKD(例如，GFR＝45mL/min-59mL/min)、3B期中度CKD(例如，GFR＝30mL/min-44mL/min)、4期重度CKD(例如，GFR＝15mL/min-29mL/min)和5期终末期CKD(例如，GFR<15mL/min)。另外或另选地，示例疾病阶段可表示为GFR值/范围、严重程度得分等。

另外或另选地，进餐状态指标可指示用户在食物摄入方面所处的状态。例如，进餐状态可指示用户是否处于空腹状态、餐前状态、进餐状态、餐后响应状态或稳定状态之一。另外或另选地，进餐状态还可指示体载(例如，摄入的膳食、零食或饮料)的营养，并且可例如根据食物摄入信息、进餐时间信息和/或消化率信息来确定，这可与食物类型、数量和/或顺序相关(例如，先食用何种食物/饮料)。

另外或另选地，进餐习惯指标基于用户进餐的内容和定时。例如，在示例中，如果进餐习惯指标在0到1的范围内，那么用户吃的更好/更健康，其进餐习惯指标的值就越高，将越接近1。而且，在示例中，用户的食物摄入越遵守某个计划或推荐的饮食，他们的进餐习惯指标将越接近1。

另外或另选地，医疗治疗依从性通过指示用户对其医疗治疗方案的遵循程度的一个或多个指标来测量。另外或另选地，医疗治疗依从性指标基于以下项中的一者或多者来计算：施用医疗治疗的定时(例如，施用是否按时或按计划)、医疗治疗的类型(例如，施用的是否是正确类型的医疗治疗)以及医疗治疗的治疗参数(例如，施用的是否是正确的治疗参数)。另外或另选地，用户的医疗治疗依从性可以通过监测医疗治疗管理和定时以及这种医疗治疗管理的参数来确定。监测医疗治疗管理可以涉及通过用户输入从医疗设备208和/或从分析物监测系统104接收关于治疗管理的信息。

另外或另选地，活动水平指标可指示用户的活动水平。另外或另选地，例如基于来自活动传感器或其他生理传感器(诸如非分析物传感器206)的输入来确定活动水平指标。另外或另选地，活动水平指标可由DAM 116基于输入128中的一个或多个输入(诸如锻炼信息、非分析物传感器数据(例如，加速度计数据)、时间、用户输入等中的一者或多者)来计算。另外或另选地，活动水平可表示为用户的步进速率。活动水平指标可加时间戳，使得它们可同时与用户的分析物水平相关。

另外或另选地，锻炼方案指标可指示用户参与何种类型的活动、此类活动的对应强度、用户参与此类活动的频率等中的一者或多者。另外或另选地，锻炼方案指标可基于非分析物传感器数据输入(例如，来自加速度计、心率监视器、呼吸速率传感器等的非分析物传感器数据输入)、日历输入、用户输入等中的一者或多者来计算。

另外或另选地，体温指标可由DAM 116基于输入128，以及更具体地基于来自温度传感器的非分析物传感器数据来计算。另外或另选地，心率指标(例如，包括心率和心率可变性)可由DAM 116基于输入128，以及更具体地基于来自心率传感器的非分析物传感器数据来计算。另外或另选地，呼吸指标可由DAM 113基于输入128，以及更具体地基于来自呼吸速率传感器的非分析物传感器数据来计算。

用于提供围绕糖尿病和肾脏疾病的决策支持的示例方法和系统

图4是示出了根据本公开的某些示例方面的用于使用连续分析物监测系统来提供决策支持的示例方法400的流程图，该连续分析物监测系统至少包括能够监测葡萄糖或钾中的至少一者的连续分析物传感器。例如，可执行方法400来使用如图1和图2所示的至少包括连续分析物传感器202的连续分析物监测系统104向用户提供决策支持。

方法400可由决策支持系统100执行以收集和/或生成包括例如在各个时间段(例如，治疗期、治疗前期和/或治疗后期)期间的分析物数据、患者信息和非分析物传感器数据的数据(诸如输入128和指标130)，以创建各种对应的生理配置文件，这些生理配置文件可用于(1)基于对应的生理配置文件识别在各个时间段期间不良事件的风险，(2)做出针对患者的治疗决策或推荐，以帮助解决已识别的不良事件风险，包括为医疗治疗管理提供推荐的治疗参数和/或基于这种推荐的治疗参数来自动控制一个或多个医疗设备(例如，透析机、胰岛素泵等)的操作。

例如，决策支持系统100可以通过在医疗治疗的治疗前期、治疗期或治疗后期期间监测患者的一种或多种分析物来执行方法400。决策支持系统100然后可以确定与在医疗治疗的治疗期之前、期间和之后的监测的分析物相关联的一个或多个分析物指标(例如，分析物变化速率、分析物清除率等)，并分别生成治疗前、治疗和治疗后的生理配置文件。这些生理配置文件可以指示在对应时间段内患者的分析物指标，诸如分析物变化速率和/或分析物清除率。如此，一旦创建了这些配置文件，决策支持系统100然后就可以确定患者在治疗前、治疗和治疗后时间段期间经历不良健康事件的可能性。

例如，使用通过在一个或多个先前治疗期期间监测用户的分析物指标而为用户创建的治疗配置文件，决策支持系统100能够基于用户的当前分析物和/或非分析物信息、当前治疗参数和用于确定在治疗期期间发生的不良事件的可能性的其他信息来预测当前治疗期期间发生不良事件的可能性。基于所确定的可能性，决策支持系统100然后可以生成优化的治疗参数和/或推荐。例如，如果确定的可能性高于某个阈值，则决策支持系统100可以生成优化的治疗参数和/或推荐以降低不良事件的可能性。

作为另一示例，使用通过在一个或多个先前的治疗后期期间监测用户的分析物指标而为用户创建的治疗后配置文件，决策支持系统100能够基于用户的当前分析物和/或非分析物信息、治疗期期间使用的治疗参数和用于确定在治疗后期期间发生的不良事件的可能性的其他信息来预测当前治疗后期期间发生不良事件的可能性。基于所确定的可能性，决策支持系统100然后可以生成优化的治疗后推荐。例如，如果确定的可能性高于某个阈值，则决策支持系统100可以生成优化的治疗后推荐以降低不良事件的可能性。

作为另一示例，使用通过在一个或多个先前的治疗前期期间和/或治疗期期间监测用户的分析物指标而为用户创建的治疗前配置文件和/或治疗配置文件，决策支持系统100能够基于用户的当前分析物和/或非分析物信息、在治疗期期间使用的治疗参数和用于确定治疗后期期间发生不良事件的可能性的其他信息来预测当前治疗后期期间发生不良事件的可能性。基于所确定的可能性，决策支持系统100然后可以生成优化的治疗后推荐。例如，如果确定的可能性高于某个阈值，则决策支持系统100可以生成优化的治疗后推荐以降低不良事件的可能性。

作为又一示例，使用通过在一个或多个先前治疗前期期间监测用户的分析物指标而为用户创建的治疗前配置文件，决策支持系统100能够基于用户的当前分析物和/或非分析物信息和用于确定在治疗前期期间发生的不良事件的可能性的其他信息来预测当前治疗前期期间发生不良事件的可能性。基于所确定的可能性，决策支持系统100然后可以生成优化的治疗前推荐。例如，如果确定的可能性高于某个阈值，则决策支持系统100可以生成优化的治疗前推荐以降低不良事件的可能性。

在某些实施方案中，为用户创建的治疗前配置文件可以允许决策支持系统100基于用户的治疗前分析物数据来预测治疗期间或治疗后期间不良事件的可能性。例如，较高流速的透析期可能导致胰岛素和/或葡萄糖水平的高变化速率，这可能不会导致透析期间的不良事件，但可能会增加透析治疗后发生不良事件(例如低血糖症)的可能性。

另外或另选地，本文呈现的决策支持系统100可以被配置为预测医疗治疗对肾脏功能的影响，并为影响肾脏功能从而影响用户的分析物清除率的医疗治疗的管理提供决策支持。特别地，由于影响肾脏功能的医疗治疗，患者可能会经历患者的肾脏功能不同于患者的典型肾脏功能或与患者典型肾脏功能反应不同的时间段。示例包括使血糖状态恶化或高血压导致肾脏功能下降，或急性肾脏损伤导致肾脏功能突然下降。因此，通过基于传感器数据(例如，由连续分析物传感器202生成的数据)来预测医疗治疗对患者肾脏功能的影响，本文呈现的决策支持系统100可以生成最佳治疗参数以降低与影响肾脏功能的医疗治疗相关联的不良健康影响的可能性，这对于改善患者护理和减少肾脏功能恶化可能是至关重要的。

另外或另选地，决策支持系统100的决策支持引擎114可使用各种算法或人工智能(AI)模型(诸如机器学习模型)，基于患者特异性数据和/或群体数据进行训练以预测与治疗前、治疗和/或治疗后时间段相关联的分析物指标(例如，变化速率和/或清除率)以及对医疗治疗管理的决策支持。当预测分析物指标(例如，变化速率和/或清除率)并生成对治疗前、治疗和/或治疗后时间段中的至少一者的决策支持时，算法和/或机器学习模型可以考虑关于图3针对患者描述的一个或多个输入128和/或指标130。

另外或另选地，一个或多个机器学习模型可以包括输入单输出(MISO)模型，这些模型被训练为各自预测与不同分析物的治疗前、治疗和/或治疗后时间段相关联的指标。例如，可以训练一个模型来预测葡萄糖清除率，而训练另一模型来预测钾清除率。

另外或另选地，一个或多个机器学习模型可以包括输入多输出(MIMO)模型，这些模型被训练来预测与多种分析物的不同时段相关联的指标。例如，可以训练一个模型来同时预测葡萄糖清除率和钾清除率。另外或另选地，模型可被训练为输出具有多个值的向量，其中每个值对应于模型被训练为生成的不同预测的分析物清除率。

另外或另选地，一个或多个机器学习模型可以包括MISO模型，这些模型被训练为生成医疗治疗的优化的医疗治疗参数(例如，类型、剂量、定时、频率、成分、浓度、流速、体积等)。例如，一个模型可被训练为生成优化类型的医疗治疗，而另一模型可被训练为生成医疗治疗的优化频率。

另外或另选地，一个或多个机器学习模型可以包括MIMO模型，这些模型被训练为生成医疗治疗的优化的医疗治疗参数(例如，类型、剂量、定时、频率、成分、浓度、流速、体积等)。例如，可以训练单个模型来生成医疗治疗的优化的类型和频率。另外或另选地，模型可被训练为输出具有多个值的向量，其中每个值对应于模型被训练为生成优化的治疗参数的不同的治疗参数。

本文所述的用于作出此类预测的一个或多个机器学习模型可使用群体数据来初始训练。用于训练一个或多个机器学习模型的方法可在下面关于图5更详细地描述。

另外或另选地，作为使用机器学习模型的替代方案，决策支持引擎114可以使用基于规则的模型来确定医疗治疗对患者生理的影响(例如，分析物指标，诸如清除率)，并且为医疗治疗的管理提供决策支持。基于规则的模型涉及使用一组规则来分析数据。这些规则有时称为“If语句”，因为它们倾向于遵循“如果X发生，则进行或结束Y”的原则。特别地，决策支持引擎114可以应用规则语句(例如，如果，则语句)来确定患者的生理如何可以受到医疗治疗的影响，并基于该确定为执行医疗治疗提供决策支持。

此类规则可由决策支持引擎114在参考库中定义和维持。例如，参考库可维持分析物清除率的范围，这些范围可以映射到不良事件的不同可能性。在另一示例中，参考库可以维持治疗参数范围，这些范围可以映射到对分析物清除率的不同影响。另外或另选地，这种规则可基于经验研究或历史患者记录(诸如存储在历史记录数据库112中的记录)的分析来确定。在一些情况下，参考库可能变得非常细化。例如，可在参考库中使用其他因素来创建此类“规则”。其他因素可包括性别、年龄、饮食、病史、家族病史、体重指数(BMI)等。增加粒度可提供更准确的输出。

在框402处，方法400开始于连续监测患者(诸如图1所示的用户102)的一种或多种分析物。所监测的一种或多种分析物可包括葡萄糖和钾中的至少一者。另外或另选地中，框402可由图1和图2示出的连续分析物监测系统104执行，并且更具体地，由图2示出的连续分析物传感器202执行。例如，连续分析物监测系统104可以包括连续分析物传感器202，该连续分析物传感器被配置为在医疗治疗的治疗期之前、期间和/或之后测量患者的分析物水平。医疗治疗的示例包括锻炼、饮食、药物服用或透析。医疗治疗的有效期可以是医疗治疗在用户体内诱发生物应答的一个或多个时间段。生物应答可包括对患者的医疗治疗的活性、吸收、药效、亲和力和/或功效。

尽管本文所述的用于测量的主要分析物是葡萄糖和/或钾，但另外或另选地，可以考虑其他分析物。特别地，组合来自两种或更多种分析物的分析物数据可有助于进一步告知医疗治疗对患者生理的影响，并为患有肾脏疾病的患者的治疗管理提供决策支持。例如，监测由连续分析物监测系统104测量的附加类型的分析物(诸如葡萄糖、钾、乳酸盐、胰岛素、磷酸盐、碳酸氢盐、钙、镁、钠、白蛋白、肌酸酐和/或BUN)可以提供对医疗治疗对患者生理的影响的附加见解，并为这种医疗治疗提供决策支持。

另外或另选地，通过使用分析物的组合获得的附加见解可以提高医疗治疗对患者生理(诸如不良事件)的预测影响的准确性。例如，准确地预测医疗治疗对患者生理的影响的可能性可以是针对患者测量的分析物数量的函数。在一些示例中，仅使用钾数据(除了其他非分析物数据外)来准确地预测医疗治疗对患者生理的影响的概率可能小于使用钾数据和葡萄糖数据(除了其他非分析物数据之外)来准确地预测医疗治疗对患者生理的影响的概率，该概率也可能小于使用钾数据、葡萄糖数据和钠数据(除了其他非分析物数据外)进行分析来准确地预测医疗治疗对患者生理的影响的概率。

另外或另选地，本文所述的例如由一个(例如多分析物)或多个传感器测量和收集的用于预测医疗治疗对患者生理的影响并为医疗治疗的管理和调节提供决策支持的分析物组合包括葡萄糖、钾、乳酸盐、胰岛素、磷酸盐、碳酸氢盐、钙、镁、钠和BUN中的至少两种；然而，可考虑其他分析物组合。因为肾脏处理和代谢许多不同的分析物，所以附加的分析物数据可以提高对医疗治疗对患者生理影响的预测的准确性。在一个示例中，预测可以包括在治疗期间或之后发生不良事件的可能性的预测。

例如，乳酸盐水平可能与葡萄糖、胰岛素和钾代谢相关联。乳酸盐水平也可用于检测食物摄入、锻炼、休息、感染和/或压力。因此，从乳酸盐水平获得的附加见解(可能指示代谢和肾脏功能)以及不同的身体状态(例如，摄入的食物、锻炼、休息、感染、压力等)可以生成更完整的生理配置文件，然后这些生理配置文件用于确定在治疗前期、治疗期和治疗后期期间不良事件的可能性。例如，葡萄糖水平和乳酸盐水平的测量值(尤其是在结合药物信息进行监测时)可用于确定患者是否有发生乳酸中毒的风险。

在另一示例中，钙水平可能与钙代谢相关联。钙稳态由肾脏维持，并且钙水平可用于指示肾脏功能。因此，从钙水平获得的附加见解可以生成更完整的生理配置文件，然后这些生理配置文件用于确定在治疗前期、治疗期和治疗后期期间不良事件的可能性。另外，钙稳态可能受到某些医疗治疗(例如，透析)的影响，并且钙水平可用于生成这些医疗治疗的最佳治疗参数。

在另一示例中，血液中磷酸盐水平的增加(例如，高磷血症)可能与CKD相关联。高磷酸盐血症(例如，血清磷酸盐水平异常高)可由磷酸盐摄取增加、磷酸盐排泄减少或使细胞内磷酸盐转移至细胞外空间的病症引起。这种血清磷酸盐水平的增加与肾脏离子排泄减少相关联，也与用于减缓CKD进展或控制相关疾病(诸如糖尿病和心脏衰竭)的药物的使用相关联。此外，磷酸盐稳态由肾脏维持，并且磷酸盐水平可用于指示肾脏功能。因此，从磷酸盐水平获得的附加见解可改善可以生成更完整的生理配置文件，然后这些生理配置文件用于确定在治疗前期、治疗期和治疗后期期间不良事件的可能性。另外，磷酸盐稳态可能受到某些医疗治疗(例如，透析)的影响，并且磷酸盐水平可用于生成这些医疗治疗的最佳治疗参数。

在又另一示例中，肾脏维持碳酸氢盐稳态，并且碳酸氢盐水平可用于指示肾脏功能。因此，从碳酸氢盐水平获得的附加见解可以生成更完整的生理配置文件，然后这些生理配置文件用于确定在治疗前期、治疗期和治疗后期期间不良事件的可能性。另外，碳酸氢盐稳态可能受到某些医疗治疗(例如，透析)的影响，并且碳酸氢盐水平可用于生成这些医疗治疗的最佳治疗参数。

在又另一示例中，镁稳态由肾脏维持，并且镁水平可用于指示肾脏功能。因此，从镁水平获得的附加见解可以生成更完整的生理配置文件，然后这些生理配置文件用于确定在治疗前期、治疗期和治疗后期期间不良事件的可能性。另外，镁稳态可能受到某些医疗治疗(例如，透析)的影响，并且镁水平可用于生成这些医疗治疗的最佳治疗参数。

在又另一示例中，钠稳态由肾脏维持，并且钠水平可用于指示肾脏功能。因此，从钠水平获得的附加见解可以生成更完整的生理配置文件，然后这些生理配置文件用于确定在治疗前期、治疗期和治疗后期期间不良事件的可能性。另外，钠稳态可能受到某些医疗治疗(例如，透析)的影响，并且钠水平可用于生成这些医疗治疗的最佳治疗参数。

在另一示例中，在肝脏分解体内细胞使用的蛋白质后，肝脏产生含有氮的氨。氮与其他元素诸如碳、氢和氧结合形成尿素，尿素是一种化学废物。尿素通过血流从肝脏移动到肾脏。健康的肾脏过滤尿素并从血液中去除其他废物，并且过滤的废物通过尿液离开身体。因此，BUN水平(例如，尿素中氮含量的水平)可提供对肾脏健康和功能的洞察。因此，假设经历高水平的测量的细胞外钾的患者具有受损的肾脏功能，并且也可预期经历高水平的测量的BUN(例如，因为受损的肾脏将不可能过滤尿素并从血液中去除其他废物)。因此，BUN水平可用于指示肾脏功能。因此，从BUN水平获得的附加见解可以生成更完整的生理配置文件，然后这些生理配置文件用于确定在治疗前期、治疗期和治疗后期期间不良事件的可能性。另外，BUN代谢可能受到某些医疗治疗(例如，透析)的影响，并且BUN水平可用于生成这种医疗治疗的最佳治疗参数。

在另一示例中，肌酸酐主要作为肌肉和蛋白质代谢的副产品产生。肌酸酐被肾脏清除，并且因此是肾脏健康的有用指标。因此，从肌酸酐水平获得的附加见解可以生成更完整的生理配置文件，然后这些生理配置文件用于确定在治疗前期、治疗期和治疗后期期间不良事件的可能性。

在另一示例中，胱抑素C是经常用作肾脏健康标志的蛋白质，甚至在肾脏疾病的早期也是如此。随着肾脏健康开始下降，体内胱抑素C的量开始上升，甚至在肾脏疾病的早期也是如此。因此，从肌胱抑素C水平获得的附加见解可以生成更完整的生理配置文件，然后这些生理配置文件用于确定在治疗前期、治疗期和治疗后期期间不良事件的可能性。

在另一示例中，血清白蛋白是由肝脏产生的蛋白质，并且该蛋白质保持稳态，特别是细胞外流体量或渗透压。在透析期间，白蛋白水平会发生显著变化，从而影响血压和流体量。因此，在透析期间测量白蛋白是很重要的。

另外，其他分析物可用于指示影响患者肾脏功能的医疗治疗的其他效果(例如，非肾脏功能效果)。例如，在腹膜透析端口附近测量的乳酸盐水平可以指示腹膜透析端口的败血症。

除了在框402处在多个时间段期间连续地监测患者的一种或多种分析物以获得分析物数据之外，任选地，另外或另选地，方法400还可包括使用一个或多个其他非分析物传感器或设备(例如，诸如图2的非分析物传感器206和/或医疗设备208)在多个时间段期间监测其他传感器数据(例如，非分析物数据)。

如先前提及的，非分析物传感器和设备可包括但不限于以下项中的一者或多者：胰岛素泵、声音传感器、触觉传感器、ECG传感器或心率监视器、血压传感器、呼吸传感器、腹膜透析机、血液透析机、由显示设备107提供的传感器或设备(例如，加速度计、相机、全球定位系统(GPS)、心率监视器等)或其他用户附件(例如，智能手表)或提供关于用户的相关信息的任何其他传感器或设备。可使用来自这些附加传感器中的一个或多个传感器的测量数据来计算指标，诸如图3所示的指标130。如图3所示，从非分析物传感器或设备数据计算的指标130可包括心率(包括心率可变性)、呼吸速率等。另外或另选地，在下面更详细地描述的从非分析物传感器或设备数据计算的指标130可用于创建生理配置文件，并且因此进一步围绕影响患者的生理的医疗治疗来告知分析。

另外或另选地，这些非分析物传感器和/或设备中的一个或多个传感器和/或设备可由用户佩戴，以帮助检测用户的体力活动增加的时期。这种非分析物传感器和/或设备可包括加速度计、ECG传感器、血压传感器、血氧/血氧定量传感器、大气压力传感器、大气氧传感器、心率监视器、阻抗传感器、胰岛素泵、透析机(例如，腹膜透析机、血液透析机等)、由显示设备107提供的传感器或设备(例如，加速度计、相机、全球定位系统(GPS)、心率监视器等)或其他用户附件(例如，智能手表)，或提供关于用户的相关信息的任何其他传感器或设备。锻炼可能会影响分析物指标，诸如分析物清除率和分析物水平。由于这些影响，另外或另选地，锻炼期间收集的分析物数据可能被排除在用于确定不良健康事件的可能性的信息之外。然而，另外或另选地，分析物数据可以与锻炼相关联，并且不良健康事件的可能性的确定可以基于在锻炼期间收集的分析物数据。例如，锻炼期间不良健康事件的确定可能性可以基于在锻炼期间收集的分析物数据。在一些实施方案中，收集大气传感器读数使得决策支持算法能够在为用户确定治疗推荐和/或治疗参数时考虑与用户位置相关联的位置相关的特征。

另外或另选地，这些非分析物传感器和/或设备中的一个或多个传感器和/或设备可由用户佩戴，以帮助预测在各个时间段期间的不良事件。另外或另选地，可由患者佩戴的一个或多个非分析物传感器和/或设备可包括血压传感器。从血压传感器收集的血压测量值可以用于围绕不良事件的可能性提供附加见解。特别地，CKD和血压偏高密切相关。通常，当血压升高时，肾脏功能下降。因此，在各个时间段期间对患者血压水平的评估可以提供对患者肾脏健康的附加见解，这可以例如转化为较低的钾清除率。因此，经历高水平的测量的细胞外钾并且被假设为具有受损的肾脏功能(例如，因为过量钾没有从身体中过滤)的患者也可预期经历偏高的血压水平。

另外或另选地，可由患者佩戴或使用的一个或多个非分析物传感器和/或设备可包括ECG传感器和/或心率监视器。如本领域中已知的，ECG设备是测量心跳的电活动的设备。ECG信号中的任何形态变化或间隔变化可以与分析物数据结合使用，以提供对不良健康事件的风险的更准确的确定。另外或另选地，从ECG传感器和/或心率监视器收集的心率测量值以及心率可变性信息可与分析物数据组合使用，以更准确地确定不良健康事件的风险，该不良健康事件包括高钾血症和/或经历一个或多个心脏事件(例如，心律失常和/或心源性猝死)。

另外或另选地，用户可以使用或佩戴一个或多个分析物和/或非分析物传感器和/或设备，以帮助确定治疗前期、治疗期和/或治疗后期中的每一者何时开始和结束。例如，非分析物传感器和/或设备可以用于确定诸如透析的医疗治疗是否正在进行，以及医疗治疗的开始和/或终止。这种非分析物传感器和/或设备可包括加速度计、ECG传感器、血压传感器、心率监视器、阻抗传感器、胰岛素泵、透析机等。在一些实施方案中，非分析物传感器和/或设备可以仅在施用医疗治疗时或用于施用医疗治疗时佩戴或使用。例如，透析机可能仅由用户用于施用透析治疗。因此，另外或另选地，佩戴或使用非分析物传感器和/或设备的用户可以指示当前正在施用医疗治疗并且用户当前处于治疗期。类似地，另外或另选地，没有佩戴或使用非分析物传感器和/或设备的用户可以指示当前没有施用医疗治疗，并且用户当前不处于医疗治疗的有效期内。另外或另选地，非分析物传感器和/或设备可以在不施用医疗治疗时佩戴或使用。例如，用户可以连续佩戴胰岛素泵，即使不是始终都施用胰岛素。因此，在这样的实施方案中，佩戴或使用非分析物传感器和/或设备的用户可能不一定指示正在施用医疗治疗和/或用户当前是否处于医疗治疗的有效期内。

另外或另选地，用户佩戴或使用的一个或多个非分析物传感器和/或设备可以指示治疗参数以及与医疗治疗相关的其他医疗治疗信息。这种非分析物传感器和/或设备可包括加速度计、ECG传感器、血压传感器、心率监视器、阻抗传感器、胰岛素泵、透析机等。另外或另选地，检测到的治疗参数可以形成作为输入128的一部分提供的医疗治疗信息的一部分。如本文所提及的，医疗治疗信息可包括一种或多种药物和/或治疗的类型、剂量、定时、频率和/或其他类似的治疗参数(例如，成分、浓度、流速、体积等)。另外或另选地，可以通过非分析物传感器和/或设备对用户施用医疗治疗，以及提供非分析物数据。例如，透析机可用于对用户施用透析治疗，并可用于提供非分析物数据。另外或另选地，治疗参数由非分析物传感器和/或设备提供。另外或另选地，由非分析物传感器和/或设备提供的治疗参数可由用户确认。

在框404处，方法400继续处理分析物数据以确定与一种或多种分析物的变化相关联的至少一个分析物变化速率。另外或另选地，框404可以在医疗治疗的治疗期之前、期间和/或之后执行。例如，在一些实施方案中，确定与医疗治疗的治疗前期相关联的一个或多个分析物指标，并将其用于确定患者的治疗前配置文件。作为另一示例，在一些实施方案中，确定与医疗治疗的有效期相关联的一个或多个分析物指标，并将其用于确定患者的治疗配置文件。作为另一示例，在一些实施方案中，确定与医疗治疗的治疗后期相关联的一个或多个分析物指标，并将其用于确定患者的治疗后配置文件。另外或另选地，框404可由决策支持引擎114执行。

如所提及的，分析物变化速率是指指示一个或多个加时间戳的分析物水平相对于一个或多个其他加时间戳的分析物水平的变化的速率。另外或另选地，分析物变化速率用于确定生理配置文件(例如，患者的治疗前配置文件、治疗配置文件和/或治疗后配置文件)。在一些实施方案中，可以计算患者的至少一个分析物变化速率并将其用于创建生理配置文件。例如，医疗治疗之前、期间和之后的钾水平和/或变化速率可以用作输入来创建治疗前、治疗和治疗后的生理配置文件。在另一示例中，医疗治疗之前、期间和之后的葡萄糖水平和/或变化速率可以用作输入来创建治疗前、治疗和治疗后的生理配置文件

在一些实施方案中，医疗治疗之前、期间和之后的分析物清除率可以用作输入来创建治疗前、治疗和治疗后的生理配置文件。例如，钾、葡萄糖、乳酸盐和/或本文所述的其他分析物的清除率可用作输入来创建生理配置文件。

在框406处，方法400继续基于在框404中在各个对应时间段内确定的至少一个分析物指标来确定一组生理配置文件。框406可由图1所示的决策支持引擎114执行。另外或另选地，可以执行框406以基于各种触发来创建和更新患者的治疗前配置文件、治疗配置文件和治疗后配置文件。例如，如上所述，决策支持引擎114可以使用分析物数据、非分析物数据和/或其他类型的数据来确定治疗期何时开始和结束、治疗后期何时开始和结束以及治疗前期何时开始和结束。作为示例，决策支持引擎114可以在使用决策支持系统100的新患者的前几周内为患者连续执行框402和404。在这前几周期间，决策支持引擎114利用对应于这些时间段中的每个时间段的数据为患者创建和更新治疗前配置文件、治疗配置文件和治疗后配置文件。

生理配置文件可以描述在对应时间段期间患者的一种或多种分析物计量模式(例如，分析物变化速率模式、清除率模式等)。例如，患者的治疗配置文件可以指示在治疗期间患者的分析物指标的历史模式。患者的治疗后配置文件可以指示在治疗后期间患者的分析物指标的历史模式。治疗后期在治疗期之后开始，但与由治疗引起的不良事件的可能性增加相关联。患者的治疗前配置文件可指示患者在治疗期和治疗后期之外的时间段期间的分析物指标的历史模式。

分析物指标的示例包括分析物清除率，诸如葡萄糖清除率和钾清除率。如先前所讨论的，在各个时间段期间，用户的分析物清除率可能不同于用户的基线分析物清除率。在一些情况下，医疗治疗(例如，透析)可能会影响患者的分析物清除率。例如，在一些实施方案中，患者在透析治疗之前、期间和之后可能具有不同的葡萄糖清除率。作为另一示例，在一些实施方案中，患者的钾清除率在透析治疗之前、期间和之后可能具有不同的葡萄糖清除率。

在一些实施方案中，对于每个患者，决策支持引擎114创建并更新三个生理配置文件：治疗前配置文件、治疗配置文件和治疗后配置文件。治疗配置文件描述了在医疗治疗的治疗期期间患者的一种或多种分析物指标模式。治疗后配置文件描述了在治疗期之后的治疗后期期间患者的一种或多种分析物指标模式。治疗后期可能与由治疗引起的不良事件的可能性增加有关。在一些实施方案中，治疗后期是在治疗期之后具有预定义长度的时期，诸如在有效期之后一分钟或几分钟、一小时或几小时、一天或几天或一周或几周的时期。

在一些实施方案中，在治疗的治疗期之后患者的一个或多个生理指标(例如，患者的心率、患者的温度等)被测量以确定生理指标是否满足治疗后期的要求。如果患者在治疗期后的生理指标满足治疗后期的要求，则确定患者处于治疗后期。然而，一旦患者的生理指标发生变化，使得这些指标不再满足治疗后期的要求，则患者被确定为处于治疗后期之外并处于治疗前期。治疗前配置文件描述了在治疗前期期间(即治疗期和治疗后期之外的期间)患者的一种或多种分析物指标模式。

当患者首次开始使用决策支持系统100时为患者创建的配置文件然后由决策支持引擎114连续更新。例如，考虑患者在第1天开始使用决策支持系统100，但在第1天没有接受透析治疗，在第2天接受透析治疗，在第3天没有接受透析治疗，在第4天接受透析治疗，并且在第5天至第6天没有接受透析治疗。在该示例中，如果治疗后期具有一天的预定义长度，则决策支持引擎114可首先基于与第1天相关联的分析物指标来生成患者的治疗前配置文件。在第2天，使用与治疗期之前的时间段相关联的数据来更新治疗前配置文件。一旦治疗在第2天开始，决策支持引擎114就可以基于与第2天期间的治疗期相关联的分析物指标来为患者生成治疗配置文件。接下来，决策支持引擎114可基于与治疗在第2天和第3天的部分时间结束后的时间段相关联的分析物变化速率来生成患者的治疗后配置文件。

如下文进一步描述的，使用在第1天、第2天和第3天创建和更新的配置文件，决策支持引擎114可以在4天、第5天和第6天的对应时间段期间预测不良事件的可能性和/或提供决策支持输出(例如，最佳治疗参数、推荐等)。例如，使用患者的治疗配置文件，决策支持引擎114可以预测不良事件的可能性和/或在第4天的治疗期期间提供决策支持输出。随后，决策支持引擎114可使用治疗后配置文件来预测不良事件的可能性和/或在与第4天和第5天相关联的治疗后期期间提供决策支持输出。之后，决策支持引擎114可使用治疗前配置文件来预测不良事件的可能性和/或提供第6天的决策支持输出。在这些天中的每一天中，决策支持引擎114还继续使用在对应时间段内收集的数据来更新患者的配置文件。

另外或另选地，在框402处，连续分析物监测系统104可在治疗前期、治疗期和治疗后期期间连续监测患者的葡萄糖和钾水平。另外或另选地，每个时期的钾数据和葡萄糖数据然后可以用于确定葡萄糖和钾指标(诸如未来类似时期的葡萄糖和钾清除率)，并为医疗治疗的管理提供决策支持。例如，钾数据和葡萄糖数据可以指示(1)在医疗治疗的有效期之前、期间和/或之后患者的分析物清除率，以及(2)在医疗治疗的有效期之前、期间和/或之后发生不良健康事件的可能性。

在一个特定示例中，在医疗治疗的治疗期期间生成的葡萄糖和/或钾测量值可用于确定治疗期的葡萄糖和/或钾清除率。然后，治疗期确定的葡萄糖和/或钾清除率用于生成或更新治疗配置文件，该治疗配置文件反映了在与一个或多个治疗期相关联的一个或多个治疗期内患者的葡萄糖和/或钾清除率模式。然后，所生成或更新的治疗配置文件可用于确定患者在未来医疗治疗(例如，具有相同治疗类型的未来医疗治疗)的有效期期间将经历不良事件的可能性。

作为另一示例，在医疗治疗的治疗期之后的治疗后期期间生成的葡萄糖和/或钾测量值可用于确定治疗后期的分析物葡萄糖和/或钾速率。然后，治疗后期确定的葡萄糖和/或钾速率用于生成或更新治疗后配置文件，该治疗后配置文件反映了在一个或多个治疗后期内患者的葡萄糖和/或钾清除率模式。然后，所生成或更新的治疗后配置文件可用于确定患者在未来医疗治疗(例如，具有相同治疗类型的未来医疗治疗)的治疗后期期间将经历不良事件的可能性。

作为又另一示例，如果葡萄糖和/或钾测量值在治疗前期内，则葡萄糖和/或钾测量值可用于确定治疗前期的分析物清除率。然后，治疗前期确定的葡萄糖和/或钾清除率用于生成或更新治疗前配置文件，该治疗前配置文件反映了在一个或多个治疗前期内患者的葡萄糖和/或钾清除率模式。然后，所生成或更新的治疗前配置文件可用于确定患者在未来医疗治疗(例如，具有相同治疗类型的未来医疗治疗)的治疗前期将经历不良事件的可能性。另外，治疗前葡萄糖和/或钾测量值可用于为用户定制治疗期，以防止不良事件。

方法400在框408处继续，决策支持引擎114基于在框406处生成的生理配置文件来确定患者在当前时间(即，决策支持引擎114确定可能性的时间)将经历不良健康事件的可能性。特别地，决策支持引擎114可以：(i)基于当前时间与治疗的治疗期的关系来对当前时间进行分类(即，将当前时间分类为治疗期、治疗前期或治疗后期中的一者)，(ii)基于当前时间的分类来确定当前时间的生理配置文件，(iii)检索由当前时间的生理配置文件所描述的分析物指标的模式，以及(iv)基于检索到的分析物指标模式来确定不良健康事件的可能性。

分析物指标的模式指示用户在对应时期期间可能预期经历的指标，从而可以用于预测用户经历不良事件的可能性。在这样的示例中，分析物指标的模式可以包括平均分析物变化速率、平均分析物清除率、在对应时期期间的不同时间的分析物变化速率、在对应时期期间的不同时间的分析物清除率、指定时期期间的分析物水平的标准偏差、后续时间段内分析物水平的平均标准偏差等。另外或另选地，不良健康事件可以是以下中的一者或多者：低钾血症、高钾血症、低血糖症、高血糖症、心脏事件、死亡率等。在一个示例中，如果当前时间的预期钾清除率低于维持患者健康目标水平所需的阈值钾清除率，则高钾血症事件的可能性会增加。

例如，在一些实施方案中，决策支持引擎114确定当前时间是处于治疗前期、治疗期还是治疗后期。如果决策支持引擎114确定当前时间处于治疗期，则决策支持引擎114基于由在框406处生成和/或更新的治疗配置文件描述的分析物指标模式来确定当前时间的不良事件可能性。此外，如果决策支持引擎114确定当前时间处于治疗后期，则决策支持引擎114基于由用户的治疗后配置文件描述的分析物指标模式来确定当前时间的不良事件可能性。此外，如果决策支持引擎114确定当前时间处于治疗前期，则决策支持引擎114确定由治疗前配置文件描述的分析物指标模式的不良事件可能性

如所提及的，可由决策支持引擎114使用用于确定患者将经历不良健康事件的可能性的不同方法。另外或另选地，可以使用基于规则的模型。基于规则的模型可包括考虑用户所处的当前时期、用户的当前分析物水平、治疗参数、生理配置文件和/或其他因素的规则。治疗参数可指示医疗治疗的类型、剂量、活性率、活性持续时间和/或定时。用户的当前分析物水平可以指示用户的当前钾和/或葡萄糖分析物水平，以及其他分析物，包括乳酸盐、胰岛素、磷酸盐、碳酸氢盐、钙、镁、钠和/或BUN。例如，使用基于规则的模型，决策支持引擎114可以确定如果用户处于治疗期，用户的当前钾和/或葡萄糖水平是X和/或Y，用户的治疗配置文件指示Z清除率，并且用户治疗期的治疗参数是W，则用户经历不良事件的可能性是Q。在另一示例中，使用基于规则的模型，决策支持引擎114可以确定如果用户处于治疗后期，用户的当前钾和/或葡萄糖水平是X和/或Y，用户的治疗后配置文件指示Z清除率，并且用户治疗期的治疗参数是W，则用户经历不良事件的可能性是Q。在又另一示例中，使用基于规则的模型，决策支持引擎114可以确定如果用户处于治疗前期，用户当前的钾和/或葡萄糖水平是X和/或Y，用户的治疗前配置文件指示Z清除率，则用户经历不良事件的可能性是Q。基于规则的模型可以更精细并且包括与用户的人口统计信息和其他相关参数相关联的许多其他规则。

另外或另选地，机器学习模型可用于预测用户在某个时期期间经历不良事件的可能性。关于图3描述的输入128和/或指标130，包括用户的当前分析物水平、治疗参数、在框406处生成的分析物指标的预期模式(如由对应生理配置文件所指示的)和/或其他相关数据点(例如，人口统计信息)可以被机器学习模型用来预测用户在某个时期期间经历不良事件的可能性。例如，可以使用历史患者记录的训练数据集来训练模型，每个记录(1)指示历史患者的分析物水平、加时间戳的分析物水平、治疗参数、分析物指标模式(加时间戳的分析物清除率)和/或其他相关数据点(例如，人口统计信息)，以及(2)标记有不良事件的可能性(100％指示不良事件甚至已经实际发生)。

方法400在框410处继续，决策支持引擎114基于在框408处确定的可能性来生成一个或多个推荐和/或优化的治疗参数。另外或另选地，决策支持引擎114可使用基于患者特异性数据和/或群体数据训练的一个或多个其他机器学习模型来生成优化的治疗参数以管理医疗治疗。机器学习模型可以考虑关于图3描述的患者的一个或多个输入128和/或指标130，以确定优化的治疗参数的最佳推荐，从而降低在某个时期期间确定的不良健康事件的可能性。另外或另选地，作为使用机器学习模型的替代方案，决策支持引擎114可使用一个或多个决策树来提供优化的治疗参数。决策树可以是基于规则的，并提供优化的治疗参数以降低在一定时期(例如，治疗期、治疗前期或治疗后期)期间确定的不良健康事件的可能性。

优化的治疗参数可由决策支持引擎114生成，并且在一些实施方案中，可以向用户推荐或者自动用于诸如治疗施用设备(例如，透析机)的控制医疗设备的操作，如关于框412进一步描述的。在一些情况下，管理医疗治疗的优化的治疗参数可以基于患者的生理配置文件、当前分析物水平、确定的不良健康事件的可能性、当前治疗参数和/或其他相关信息。例如，可以基于在框408处确定的不良健康事件的可能性来推荐优化的治疗参数。另外或另选地，推荐的治疗参数可包括类型、剂量、活性率、活性持续时间、定时、浓度、成分、流速、体积和/或可能与医疗治疗相关联的其他治疗参数。

另外或另选地，医疗治疗可以是透析，并且决策支持引擎114可以生成用于透析的优化的治疗参数。优化的治疗参数可以包括透析液的类型(包括成分和/或浓度)、透析膜的类型、流速、治疗定时、治疗频率、治疗的长度和/或透析治疗的任何其他参数，这些参数可以被调节以降低在治疗期间不良健康事件的可能性。在治疗期间透析参数的调节可以允许减少不良健康事件。

流速是透析液流过透析机并过滤患者血液的速度。增加流速可以提高从患者血液中过滤出分析物的速率。可以优化流速以增加或减少患者血液中分析物的过滤，从而降低不良健康事件的可能性。例如，可以通过增加流速来提高分析物(例如，钾)的过滤来优化流速，从而降低不良健康事件(例如，高钾血症)的风险。在另一示例中，可以通过增加流速(例如，从200mL/min增加到300mL/min或更高)来优化流速，从而在对具有低葡萄糖水平和/或低血糖症历史的患者进行透析治疗期间或之后降低低血糖症的风险。另选地，可以通过降低流速(例如，从300mL/min至500mL/min降低至200mL/min)来优化流速，从而在对具有高葡萄糖水平和/或高血糖症历史的患者进行透析治疗期间或之后降低高血糖症的风险。

另外，血液透析可能会导致因高流速导致红细胞破裂而产生的纯粹压力，从而导致钾释放。最佳流速可以是降低的流速，以降低透析期间的剪切应力和钾释放。例如，优化的流速可以是降低的流速，以防止红细胞剪切。还可以优化流速以减少所谓的“反弹”效应，其中某些电解质(诸如钾)可能在透析期之后增加。

透析液是在腹膜透析中流经血液透析机或通过患者腹膜腔中的导管循环的混合物。透析从患者血液中吸收分析物，从而降低血清分析物浓度。透析液成分和浓度可能影响分析物在透析液与患者血液之间移动的量和速率。透析液成分和/或浓度可被优化以降低分析物移动过多或过少的风险。例如，优化的透析液浓度可以是降低右旋糖浓度以降低患者的葡萄糖水平并预防高血糖症。

血液透析治疗通常根据每周计划施用，每周进行多次(例如，2至3次)持续规定的时间(例如，1小时)。治疗计划是向患者开出的，并且通常不会基于患者的具体特性进行调节。优化的治疗参数可能涉及调节透析治疗计划，包括定时、长度和频率。例如，患者接受透析治疗的可能性可能发生变化(例如，由于工作、家庭紧急情况、财务状况、交通等原因)，从而可能会导致透析治疗计划被更改。在某些实施方案中，基于患者的具体特性，当患者在特定时间段(例如，3天)内没有重新安排和/或完成透析治疗而处于潜在不良事件的风险中时，可以通知患者。

另外或另选地，分析物水平升高(当前或预计)和/或分析物清除率降低(如用户对应的生理配置文件所指示的)可指示需要更长的透析期，并且因此，优化的治疗参数可以是延长透析治疗(例如，延长50％)。另外或另选地，降低的分析物水平(当前或预计)和增加的肾脏功能(当前或预计)可以指示期望更短的透析期，并且因此，优化的治疗参数可以是缩短透析治疗(例如，缩短25％)。另外或另选地，在透析治疗开始时葡萄糖水平降低可能表明期望更高的流速和/或特定类型的透析液，并且因此，优化的治疗参数可以是增加透析治疗的流速(例如，增至300mL/min至500mL/min)和/或使用增加葡萄糖水平的透析液。如果患者在透析治疗期间或之后处于低血糖症的高风险(例如，基于当前的葡萄糖水平、低血糖症病史或来自先前透析治疗期的显示低血糖症风险的数据)，则优化的透析治疗参数可以是略微增加流速(例如，从200mL/min增加到300mL/min或更多)。另外或另选地，在透析治疗开始时葡萄糖水平的增加可能表明期望较慢的流速，并且因此，优化的治疗参数可以是降低透析治疗的流速(例如，降低至200mL/min)。

另外或另选地，患者的胰岛素敏感性和/或体载胰岛素浓度可有助于确定最佳透析治疗参数。例如，在治疗前、治疗期间和/或治疗后监测患者的胰岛素浓度可以通知胰岛素剂量推荐，尤其是在透析治疗期之后。另外，可以在透析期间通过监测透析期间的葡萄糖和胰岛素浓度并将其与透析前的葡萄糖和胰岛素浓度进行比较来确定胰岛素敏感性。基于透析期间的葡萄糖和胰岛素浓度，决策支持引擎114可以预测治疗后的胰岛素敏感性，以通知胰岛素剂量推荐。

目前，腹膜透析治疗通常在夜间患者睡觉时施用。此外，目前，类似于血液透析，对于腹膜透析治疗，通常不基于患者的具体情况(例如，肾脏功能、不良健康事件的风险等)调节治疗计划。然而，本文描述的实施方案允许基于上述输入来优化这些治疗参数。例如，另外或另选地，用户的当前分析物水平、用户的对应生理配置文件、确定的不良事件的可能性等可能表明应考虑缩短或延迟腹膜透析治疗。另外或另选地，治疗的长度可以基于用户的分析物水平达到或超过期望的分析物水平，而不是确定的时间长度。例如，最佳治疗参数可以是继续透析治疗，直到分析物水平达到期望的水平(例如，3moll/L的钾)，然后停止透析治疗。另外或另选地，治疗的长度可以基于分析物水平达到或超过期望的分析物变化速率的变化速率或预测趋势(例如，经调节的预测趋势)，然后停止透析治疗。

另外或另选地，医疗治疗可以涉及利尿剂的施用，并且决策支持引擎114可以生成用于利尿剂施用的优化的治疗参数。在这种情况下，治疗参数可以包括类型、剂量、频率、定时和/或类似的治疗参数，即使在利尿剂治疗的有效期内，这些参数也可被优化以降低不良健康的可能性。

另外或另选地，推荐的利尿剂类型可以是保钾型或非保钾型。另外或另选地，推荐的利尿剂类型可以基于确定的不良健康事件(诸如低钾血症和/或高钾血症)的可能性。非保钾利尿剂会降低钾水平。例如，当患者的高钾血症风险增加时，可推荐使用非保钾利尿剂来降低高钾血症的风险。然而，如果患者的低钾血症风险增加，例如，可推荐使用保钾利尿剂以避免增加低钾血症的风险。然而，如果患者出现了终末期肾衰竭并正在接受透析治疗，则利尿剂可能对患者无效，因为利尿剂需要肾脏是有效的。

另外或另选地，可以基于所确定的不良健康事件的可能性来推荐利尿剂的频率和/或定时。利尿剂通常用于降低血压。另外或另选地，可以基于冲突的不良健康事件风险来优化治疗参数。例如，非分析物数据可以指示需要施用利尿剂以降低高血压的风险，然而，基于分析物数据，分析物数据可以指示需要避免施用利尿剂以降低不良健康事件的可能性。在这种情况下，另外或另选地，推荐的治疗参数可以是延迟利尿剂的剂量直到分析物水平可以升高，以及推荐升高分析物水平(例如，通过摄入)。

另外或另选地，利尿剂的剂量可以基于确定的不良健康事件的可能性进行优化和推荐。最佳治疗参数可以是调节剂量以降低不良健康事件的可能性，包括减少剂量、增加剂量和/或调节剂量和其他治疗参数(例如，频率、类型、定时等)。例如，最佳治疗参数可以是减少利尿剂的剂量以降低低钾血症的可能性。在另一示例中，最佳治疗参数可以是减少利尿剂的剂量以及钾的摄入以降低低钾血症的可能性。另外或另选地，可以一起推荐一个或多个优化的治疗参数。另外或另选地，优化的治疗参数可以取决于可用的调节(例如，仅某些参数可以改变)、治疗类型(例如，血液透析、腹膜透析、利尿剂等)、用户输入以及其他优化参数。例如，血液透析的优化的治疗参数可能不同于腹膜透析的优化的治疗参数。在另一示例中，只有利尿剂的施用频率和定时可以是利尿剂的优化的治疗参数，但是利尿剂的剂量可以是恒定的或者设置用户输入(例如，通过HCP)。

另外或另选地，推荐还可以包括决策支持推荐，以帮助用户在医疗治疗的治疗期间和/或治疗后期预防和/或减少不良健康事件的可能性，包括食物摄取推荐、锻炼推荐和其他医疗治疗推荐。例如，另外或另选地，优化的治疗参数可以是增加的钾水平，并且可以向用户提供推荐以消耗钾(例如，钾补充剂)来增加用户的钾水平并降低治疗期间和/或治疗后期低钾血症的可能性。

另外或另选地，优化的治疗参数可以伴随有向HCP咨询关于优化的治疗参数的推荐。例如，优化的治疗参数可以是停止使用医疗治疗。在某些情况下，决策支持引擎114还可以推荐患者在停止使用医疗治疗之前咨询HCP。另外或另选地，可以向HCP提供优化的治疗参数。

另外或另选地，可以为后续治疗期生成优化的治疗参数。另外或另选地，后续治疗参数可以基于先前治疗期的优化的治疗参数。例如，可以推荐用于有效治疗期的优化的治疗参数作为后续有效治疗期的初始治疗参数，该优化的治疗参数降低了不良健康事件的可能性。

方法400可以继续在框412处使用优化的治疗参数中的一个或多个优化的治疗参数来控制连接的治疗设备的操作和/或在框414处向用户提供一个或多个推荐和/或优化的治疗参数。如上所述，医疗设备208可以是连续分析物监测系统104的一部分。医疗设备208的示例可以包括透析机、胰岛素泵或其他治疗设备。如上文所讨论的，在透析机的情况下，优化的治疗参数可以包括优化的类型、剂量、活性率、活性持续时间、定时、浓度、成分、流速、体积和/或可以与透析机相关联的其他治疗参数。透析机的操作可以由决策支持引擎114直接或通过患者的显示设备(例如，显示设备107)来控制，从而将优化的治疗参数传输到透析机并使透析机根据治疗参数进行操作。例如，优化的治疗参数可以是在框410处确定的优化的流速。一旦透析机接收到优化的治疗参数，透析机就调节其“当前”流速(即，对患者施用的治疗的流速)以达到优化的流速。

另外或另选地，可以通过应用106向用户提供一个或多个推荐和/或优化的治疗参数。例如，可以通过应用106的用户界面向用户提供关于框410描述的任何推荐和/或治疗参数，从而允许用户手动改变医疗设备(例如，透析机)的操作，手动调节特定治疗的施用，和/或遵循推荐(例如，食物摄入推荐等)。

此外，方法400可以在不同时期期间连续地流过框402至框410，以在框410处使用优化的治疗参数中的一个或多个优化的治疗参数连续地控制连接的治疗设备的操作，和/或提供包括生成的优化的治疗参数中的一个或多个生成的优化的治疗参数的推荐。可以连续优化治疗参数，以降低在医疗治疗的有效期期间不良健康事件的可能性，并连续监测分析物数据。

如本文所讨论的，由决策支持引擎114部署的机器学习模型包括由训练系统140训练的一个或多个模型，如图1所示，以提供各种类型的预测，如关于图4所讨论的。图5更详细地描述了用于训练一个或多个机器学习模型的技术，这些机器学习模型用于预测(1)基于对应的生理配置文件的不同时间段期间的不良事件的风险，(2)患者特异性治疗决策或推荐，以帮助解决已识别的不良事件的风险。应当注意，可以为上述预测或输出中的每一者训练不同的模型。

方法500在框502处开始，训练系统(诸如图1所示的训练系统140)从历史记录数据库(诸如图1所示的历史记录数据库112)检索数据。如本文所提及的，历史记录数据库112可为(1)连续分析物监测系统和已连接移动健康应用的用户(诸如图1示出的连续分析物监测系统104和应用106的用户)提供最新信息和历史信息的储存库，并且为(2)一个或多个不是或以前不是连续分析物监测系统104和/或应用106的用户的用户提供数据。

在框502处，训练系统140从历史记录数据库112检索数据可包括检索由历史记录数据库112维持的全部信息或任何信息子集。例如，在历史记录数据库112存储针对100,000名患者(例如，非用户和连续分析物监测系统104和应用106的用户)的信息的情况下，由训练系统140检索以训练一个或多个机器学习模型的数据可包括针对所有100,000名患者的信息或仅针对这些患者的数据的子集，例如仅与50,000名患者相关联的数据或仅包括过去十年的数据。

作为示例，通过快速医疗互操作性资源(FHIR)、网络应用程序编程接口(API)、健康水平7(HL7)和/或其他计算机接口语言与基于本地部署或云的病历数据库集成，除了能够聚集来自基于云的储存库的不可识别的患者之外，还能够聚集用于基线评估的医疗历史记录。

作为说明性示例，在框502处，训练系统140可以检索历史记录数据库112中的100,000名具有或不具有不同的肾脏功能并且具有或不具有已知会改变患者的分析物指标(例如，分析物清除率或变化速率)的各种医疗治疗的患者的信息，以训练一个或多个模型来预测医疗治疗对患者的分析物水平的影响、预测不良健康事件的可能性和/或为所述治疗生成推荐和/或最佳治疗参数。100,000名患者中的每名患者都可具有存储在历史记录数据库112中的对应数据记录(例如，基于他们的对应用户配置文件))。每个用户配置文件118可包括信息，诸如参考图3讨论的信息。

然后训练服务器系统140使用记录中的每一个记录中的信息来训练人工智能或ML模型(为了简单起见，在本文中称为“ML模型”)。患者的用户配置文件中包含的信息类型示例已于上文提供。这些记录中的每个记录中的信息可被特征化(例如，手动地或通过训练服务器系统140)，从而产生可用作用于训练ML模型的输入特征的特征。例如，患者记录可包括或用于生成与患者的年龄、患者的性别、患者的职业、患者随时间推移的分析物水平、患者随时间推移的分析物水平变化速率和/或趋势、与患者随时间推移的不同不良事件相关联的生理参数和/或由输入128和/或指标130提供的任何信息等。用于训练机器学习模型的特征在不同实施方案中可变化。

在某些实施方案中，从历史记录数据库112检索的每个历史患者记录还与指示患者是否健康或经历了某种肾脏疾病变化的标记、患者在时间段期间是否经历了不良事件、治疗和/或类似指标相关联。用什么标记记录将取决于模型被训练来预测的内容。

在框504处，方法500继续，训练系统140基于与历史患者记录相关联的特征和标记来训练一个或多个机器学习模型。在一些实施方案中，训练服务器通过提供特征作为对模型的输入来进行训练。该模型可以是用随机权重和参数初始化的新模型，或者可以是部分或完全预训练的模型(例如，基于先前的训练轮次)。基于输入特征，训练中的模型生成一些输出。另外或另选地，输出可以(1)基于对应的生理配置文件指示各个时间段期间的不良事件的风险，或者(2)患者特异性治疗决策或推荐，以帮助解决已识别的不良事件的风险。

另外或另选地，训练系统140将该生成的输出和与对应历史患者记录相关联的实际标记进行比较，以基于实际结果与生成的结果之间的差异来计算损失。然后，使用该损失来完善模型的一个或多个内部权重和参数(例如，经由反向传播)，使得模型学会更准确地预测在各个时间段期间不良事件的风险(或其推荐治疗)。

可使用各种机器学习算法中的一种算法来训练上述模型。例如，可使用监督学习算法、神经网络算法、深度神经网络算法、深度学习算法等中的一种算法。

在框506处，训练系统140部署经训练的模型以在运行期间作出与肾脏疾病相关联的预测。在一些实施方案中，这包括传输经训练模型的某个指示(例如，权重向量)，该指示可用于在另一个设备上实例化该模型。例如，训练系统140可将经训练模型的权重传输给决策支持引擎114。然后，可以使用模型来预测(1)基于对应的生理配置文件指示各个时间段期间的不良事件的风险，和/或(2)患者特异性治疗决策或推荐，以帮助解决已识别的不良事件的风险。

此外，图5所示的使用历史患者记录进行训练的类似方法也可用于使用患者特异性记录来训练模型，以创建更加个性化的模型，用于作出与以下项相关联的预测：(1)基于对应的生理配置文件在各个时间段期间不良事件的风险和/或(2)患者特异性治疗决策或推荐，以帮助解决已识别的不良事件的风险。例如，使用为特定用户部署的历史患者记录训练的模型可在部署之后被进一步重新训练。例如，可在为特定患者部署模型之后重新训练该模型，以为该患者创建更个性化的模型。更加个性化的模型能够更准确地作出与以下项相关联的预测：(1)基于对应的生理配置文件在各个时间段期间不良事件的风险和/或(2)患者特异性治疗决策或推荐，以帮助解决已识别的不良事件的风险。

图6是描绘计算设备600的框图，该计算设备被配置用于(1)预测医疗治疗对肾脏功能的影响，以及(2)提供决策支持(例如，预测最佳治疗、提供推荐等)以用于管理影响肾脏功能的治疗。尽管描绘为单个物理设备，但在实施方案中，计算设备600可使用虚拟设备和/或跨多个设备(诸如在云环境中)来实施。如图所示，计算设备600包括处理器605、存储器610、存储设备615、网络接口625和一个或多个I/O接口620。在所示的实施方案中，处理器605检索和执行存储在存储器610中的编程指令，并且存储和检索驻留在存储设备615中的应用数据。处理器605通常表示单个CPU和/或GPU、多个CPU和/或GPU、具有多个处理核心的单个CPU和/或GPU等。通常包括存储器610以表示随机存取存储器(RAM)。存储设备615可以是磁盘驱动器、基于闪存的存储设备等的任何组合，并且可包括固定和/或可移动存储设备，诸如固定磁盘驱动器、可移动存储卡、高速缓冲存储器、光学存储设备、网络附加存储设备(NAS)或存储区域网络(SAN)。

在一些实施方案中，输入和输出(I/O)设备635(诸如键盘、监视器等)可经由I/O接口620连接。此外，计算设备600可经由网络接口625与一个或多个其他设备和部件(诸如用户数据库110和/或历史记录数据库112)通信地耦合。另外或另选地，计算设备600经由网络与其他设备通信地耦合，该网络可包括互联网、本地网络等。网络可以包括有线连接、无线连接或有线连接和无线连接的组合。如图所示，处理器605、存储器610、存储设备615、网络接口625和I/O接口620通过一个或多个互连器630通信地耦合。另外或另选地，计算设备600表示与用户相关联的显示设备107。另外或另选地，如上所讨论，显示设备107可以包括用户的膝上型电脑、计算机、智能手机等。在另一实施方案中，计算设备600是在云环境中执行的服务器。

在所示的实施方案中，存储设备615包括用户配置文件118。存储器610包括决策支持引擎114，该决策支持引擎本身包括DAM 116。决策支持引擎114由计算设备600执行，以执行图4中的方法400的操作和/或图5中的方法500的操作

如上所述，关于图1所述的连续分析物监测系统104可以是包括多分析物传感器的多分析物传感器系统。图7至图11描述了用于测量多种分析物的示例多分析物传感器。

如本文所用，短语“分析物测量设备”、“分析物监测设备”、“分析物感测设备”和/或“多分析物传感器设备”是广义的短语，并且将向本领域普通技术人员给出它们的普通和惯用的含义(并且不限于特殊的或定制的含义)，并且是指(但不限于)负责检测或转导与特定分析物或分析物组合相关联的信号的装置和/或系统。例如，这些短语可指(但不限于)负责检测特定分析物或分析物组合的仪器。在一个示例中，该仪器包括传感器，该传感器耦合到设置在外壳内的电路，并且被配置为将与分析物浓度相关联的信号处理成信息。在一个示例中，此类装置和/或系统能够使用与转导(检测)元件组合的生物识别元件来提供特定的定量、半定量、定性和/或半定性分析信息。

如本文所用，术语“生物传感器”和/或“传感器”是广义的术语，并且将向本领域普通技术人员给出它们的普通和惯用的含义(并且不限于特殊的或定制的含义)，并且是指(但不限于)分析物测量设备、分析物监测设备、分析物感测设备和/或多分析物传感器设备的一部分，该部分负责检测或转导与特定分析物或分析物组合相关联的信号。在一个示例中，生物传感器或传感器通常包括主体、工作电极、参比电极和/或反电极，这些电极耦合到主体并且形成被配置为在电化学反应期间提供信号的表面。一个或多个膜可固定到主体并覆盖电化学反应表面。在一个示例中，此类生物传感器和/或传感器能够使用与转导(检测)元件组合的生物识别元件来提供特定的定量、半定量、定性、半定性分析信号。

如本文所用，短语“感测部分”、“感测膜”和/或“感测机构”是广义的短语，并且将向本领域普通技术人员给出它们的普通和惯用的含义(并且不限于特殊的或定制的含义)，并且是指(但不限于)生物传感器和/或传感器的一部分，该部分负责检测或转导与特定分析物或分析物组合相关联的信号。在一个示例中，感测部分、感测膜和/或感测机构通常包括电极，该电极被配置为在与覆盖电化学反应表面的一个或多个膜的电化学反应期间提供信号。在一个示例中，此类感测部分、感测膜和/或感测机构可使用与转导(检测)元件组合的生物识别元件来提供特定的定量、半定量、定性、半定性分析信号。

如本文可互换使用的短语“生物界面膜”和“生物界面层”是广义短语，并且将向本领域普通技术人员给出它们的普通和惯用的含义(并且不限于特殊的或定制的含义)，并且是指(但不限于此)在受者组织与可植入设备之间充当生物保护性界面的可渗透膜(其可包括多个域)或层。术语“生物界面”和“生物保护性”在本文可互换使用。

如本文所用，术语“辅因子”是广义的术语，并且将向本领域普通技术人员给出其普通和惯用的含义(并且不限于特殊的或定制的含义)，并且是指(但不限于)一种或多种物质，该物质的存在有助于酶的分析物相关活性或为酶的分析物相关活性所必需。分析物相关活性可包括但不限于结合、电子转移和化学转化中的任一者或其组合。辅因子包括辅酶、非蛋白质化合物、金属离子和/或金属有机复合物。辅酶包括辅基和共底物。

如本文所用，术语“连续”是广义术语，并且将向本领域普通技术人员给出其普通和惯用的含义(并且不限于特殊的或定制的含义)，并且是指(但不限于此)不间断或连续的部分、域、涂层或层。

如本文所用，短语“连续分析物感测”和“连续多分析物感测”是广义的术语，并且将向本领域普通技术人员给出它们的普通和惯用的含义(并且不限于特殊的或定制的含义)，并且是指(但不限于)连续地、持续地和/或间歇地(但定期地)(例如，约每秒或更短时间至约一周或更长时间一次)执行分析物浓度的监测的时期。在另外的示例中，约每2秒、3秒、5秒、7秒、10秒、15秒、20秒、25秒、30秒、35秒、40秒、45秒、50秒、55秒或60秒至约1.25分钟、1.50分钟、1.75分钟、2.00分钟、2.25分钟、2.50分钟、2.75分钟、3.00分钟、3.25分钟、3.50分钟、3.75分钟、4.00分钟、4.25分钟、4.50分钟、4.75分钟、5.00分钟、5.25分钟、5.50分钟、5.75分钟、6.00分钟、6.25分钟、6.50分钟、6.75分钟、7.00分钟、7.25分钟、7.50分钟、7.75分钟、8.00分钟、8.25分钟、8.50分钟、8.75分钟、9.00分钟、9.25分钟、9.50分钟或9.75分钟一次执行分析物浓度的监测。在另外的示例中，约10分钟、20分钟、30分钟、40分钟或50分钟至约每1小时、2小时、3小时、4小时、5小时、6小时、7小时或8小时一次执行分析物浓度的监测。在另外的示例中，约每8小时至约每12小时、16小时、20小时或24小时一次执行分析物浓度的监测。在另外的示例中，约每天至约每1.5天、2天、3天、4天、5天、6天或7天一次执行分析物浓度的监测。在另外的示例中，约每周至约每1.5周、2周、3周或更多周一次执行分析物浓度的监测。

如本文所用，术语“同轴”应当被广义地解释为包括具有围绕芯沿着共享轴线对准的元件的传感器架构，该芯可被配置为具有圆形、椭圆形、三角形、多边形或其他横截面，此类元件可包括电极、绝缘层或可围绕芯层周向定位的其他元件，诸如芯电极或芯聚合物线。

如本文所用，术语“耦合”是广义术语，并且将向本领域普通技术人员给出其普通和惯用的含义(并且不限于特殊的或定制的含义)，并且是指(但不限于此)两个或更多个系统元件或部件被配置为电子地附接、机械地附接、热附接、可操作地附接、在化学上附接或以其他方式附接中的至少一种。例如，如果一个元件与另一元件共价地连接、连通地连接、静电地连接、热连接、机械连接、磁连接或离子地相关联，或被另一元件物理地截留、吸附或吸收，则该元件被“耦合”。类似地，如本文所用的短语“可操作地连接”、“可操作地链接”和“可操作地耦合”可以指一个或多个部件以促进部件之间的至少一个信号的传输的方式联结到另一部件上。在一些示例中，部件是相同结构的一部分和/或彼此集成，如共价地、静电地、机械地、热地、磁地、离子地相关联，或物理地截留或吸收(即，“直接耦合”，如没有居间元件)。在其他示例中，部件经由远程装置连接。例如，一个或多个电极可以用于检测样品中的分析物并且将该信息转换成信号；然后可以将该信号传输到电路。在该示例中，电极“可操作地链接”到电子电路。如本文所用的短语“可移除地耦合”可以指两个或更多个系统元件或部件被配置为或被配置为已经电子地、机械地、热地、可操作地、在化学上或以其他方式附接并且在不损坏任何耦合的元件或部件的情况下被分离。如本文所用，短语“永久耦合”可指两个或更多个系统元件或部件，它们被配置为或已经电地、机械地、热地、可操作地、在化学上或以其他方式附接，但是在不损坏耦合的元件或部件中的至少一者的情况下不能被解耦合

如本文所用，术语“不连续”是广义术语，并且将向本领域普通技术人员给出其普通和惯用的含义(并且不限于特殊的或定制的含义)，并且是指(但不限于此)不连贯的、间断的或分离的部分、层、涂层或域。

如本文所用，术语“远的”是广义术语，并且将向本领域普通技术人员给出其普通和惯用的含义(并且不限于特殊的或定制的含义)，并且是指(但不限于此)区域与参比的点(诸如起点或附接点)间隔相对较远。

如本文所用，术语“域”是广义的术语，并且将向本领域普通技术人员给出其普通和惯用的含义(并且不限于特殊的或定制的含义)，并且是指(但不限于)膜系统的区域，其可以是层、均匀或非均匀梯度(例如，膜的各向异性区域)，或能够感测一种、两种或更多种分析物的膜的部分。本文所讨论的域可以形成为单层、两层或更多层、双层对或它们的组合。

如本文所用，术语“电化学反应表面”是广义术语，并且将向本领域普通技术人员给出其普通和惯用的含义(并且不限于特殊的或定制的含义)，并且是指(但不限于此)发生电化学反应的电极的表面。在一个示例中，该反应是法拉第反应，并且导致表面与其环境之间的电荷转移。在一个示例中，由分析物在表面上被氧化的酶催化反应产生的过氧化氢导致可测量的电子流。例如，在葡萄糖的检测中，葡萄糖氧化酶产生过氧化氢(H₂O₂)作为副产物。H₂O₂与工作电极的表面反应，产生两个质子(2H⁺)、两个电子(2e^-)和一个氧分子(O₂)，从而产生所检测到的电子流。在反电极中，可还原物质(例如O₂)在电极表面被还原，以便平衡由工作电极产生的电流。

如本文所用，术语“电解”是广义的术语，并且将向本领域普通技术人员给出其普通和惯用的含义(并且不限于特殊的或定制的含义)，并且是指(但不限于)通过一种或多种酶、辅因子或介体直接或间接对化合物进行电氧化或电还原(统称为“氧化还原”)。

如本文所用，术语“留置”、“内置”、“植入”或“可植入”是广义的术语，并且将向本领域普通技术人员给出它们的普通和惯用的含义(并且不限于特殊的或定制的含义)，并且是指(但不限于)包括传感器的物体，该传感器以以下方式插入或被配置为以以下方式插入：皮下插入(即在皮肤与肌肉之间的脂肪层中)、皮内插入(即穿透角质层并定位在皮肤的表皮或真皮层内)或经皮插入(即穿透、进入或穿过完整的皮肤)，这可导致传感器具有体内部分和体外部分。术语“留置”还涵盖被配置为皮下、皮内或经皮插入的物体，无论其是否已经被如此插入。

如本文所用，术语“干扰物”和“干扰性物质”是广义术语，并且将向本领域普通技术人员给出它们的普通和惯用的含义(并且不限于特殊的或定制的含义)，并且是指(但不限于此)干扰传感器中感兴趣的分析物的测量以产生不准确地表示分析物测量的信号的效应和/或物质。在电化学传感器的一个示例中，干扰物质是由于在电化学活性表面上的反应而产生非分析物特异性信号的化合物。

如本文所用，术语“体内”是广义术语，并且将向本领域普通技术人员给出其普通和惯用的含义(并且不限于特殊的或定制的含义)，并且包括(但不限于此)适于插入受者活体内和/或存在于受者活体内的设备(例如，传感器)的部分。

如本文所用，术语“离体”是广义术语，并且将向本领域普通技术人员给出其普通和惯用的含义(并且不限于特殊的或定制的含义)，并且包括(但不限于此)适于保留和/或存在于受者活体外部的设备(例如，传感器)的部分。

如本文所用，术语和短语“介体”和“氧化还原介体”是广义的术语和短语，并且将向本领域普通技术人员给出它们的普通和惯用的含义(并且不限于特殊的或定制的含义)，并且是指(但不限于)能够在分析物、分析物前体、分析物替代物、分析物还原或分析物氧化酶或辅因子与保持一定电位的电极表面之间直接或间接进行电子转移的任何化合物或化合物的集合。在一个示例中，介体从一种或多种酶或辅因子接受电子或将电子转移至一种或多种酶或辅因子，和/或与传感器系统电极交换电子。在一个示例中，介体是能够进行可逆氧化和还原反应的过渡金属配位有机分子。在其他示例中，介体可以是能够进行可逆氧化和还原反应的有机分子或金属。

如本文所用，术语“膜”是广义的术语，并且将向本领域普通技术人员给出其普通和惯用的含义(并且不限于特殊的或定制的含义)，并且是指(但不限于)被配置为执行以下功能的结构，该功能包括但不限于：保护暴露的电极表面免受生物环境影响、分析物的扩散阻力(限制)、充当用于使酶促反应能够进行的催化剂(例如，一种或多种酶)的基质、限制或阻断干扰物质、在传感器界面的电化学反应表面处提供亲水性、充当受者组织和与可植入设备之间的界面、经由药物(或其他物质)释放调节受者组织响应以及它们的组合。当在本文中使用时，术语“膜”和“基质”意在可互换使用。

如本文所用，短语“膜系统”是广义短语，并且将向本领域普通技术人员给出其普通和惯用的含义(并且不限于特殊的或定制的含义)，并且是指(但不限于此)可以由两个或更多个域、两层或更多层或一个域内的两层或更多层组成并且通常由几微米或更大厚度的材料构成的可渗透膜或半透性膜，其可渗透氧并且任选地可渗透例如葡萄糖或另一种分析物。在一个示例中，膜系统包括酶，该酶使得分析物反应能够发生，由此可测量分析物的浓度。

如本文所用，术语“平面”将被广义地解释为描述传感器架构，该传感器架构具有至少包括第一表面和相对的第二表面的基底，并且例如包括布置在基底的一个或多个表面或边缘上的多个元件。该多个元件可包括导电层或绝缘层或被配置为作为电路操作的元件。该多个元件可或可不电耦合或以其他方式耦合。在一个示例中，平面包括分离相对表面的一个或多个边缘。

如本文所用，术语“近的”是广义术语，并且将向本领域普通技术人员给出其普通和惯用的含义(并且不限于特殊的或定制的含义)，并且是指(但不限于此)与特定参比点比较在各种元件之间的空间关系。例如，设备的一些示例包括具有生物界面层和酶域或层的膜系统。如果传感器被认为是参比点并且酶域被定位成比生物界面层更靠近传感器，则与生物界面层相比，酶域与传感器更接近。

如本文所用，短语“感测部分”、“感测膜”和/或“感测机构”是广义的短语，并且将向本领域普通技术人员给出它们的普通和惯用的含义(并且不限于特殊的或定制的含义)，并且是指(但不限于)生物传感器和/或传感器的一部分，该部分负责检测或转导与特定分析物或分析物组合相关联的信号。在一个示例中，感测部分、感测膜和/或感测机构通常包括电极，该电极被配置为在与覆盖电化学反应表面的一个或多个膜的电化学反应期间提供信号。在一个示例中，此类感测部分、感测膜和/或感测机构能够使用与转导和/或检测元件组合的生物识别元件来提供特定的定量、半定量、定性、半定性分析信号。

在分析物测量设备、生物传感器、传感器、感测区域、感测部分或感测机构的一般操作期间，生物样本(例如血液或间质液)或其组分直接地或在穿过一个或多个膜之后接触酶(例如葡萄糖氧化酶)、DNA、RNA或蛋白质或适体(例如具有一个或多个分析物结合区域的一种或多种周质结合蛋白(PBP)或其突变体或融合蛋白，每个区域能够特异性地或可逆地结合至少一种分析物和/或与其反应)。生物样本或其组分与分析物测量设备、生物传感器、传感器、感测区域、感测部分或感测机构的相互作用导致信号转导，该信号转导允许定性、半定性、定量或半定量确定生物样本中的分析物水平，例如葡萄糖、酮、乳酸盐、钾等。

在一个示例中，感测区域或感测部分可包括导电基底的至少一部分或导电表面的至少一部分(例如导线(同轴)或导电迹线或包括基本上平面的迹线的基本上平面的基底)以及膜。在一个示例中，感测区域或感测部分可以包括非导电主体；在该主体上的一个位置处形成电化学反应性表面并且在该主体上的另一个位置处形成电子连接的工作电极、参比电极和反电极(任选的)；以及附着于该主体并且覆盖该电化学反应性表面的感测膜。在一些示例中，感测膜还包括酶域(例如酶域)和电解质相(例如包括下文进一步描述的含电解质流体的自由流动液相)。这些术语足够广泛以包括整个设备或仅其感测部分(或其间的某物)。

在另一示例中，感测区域可包括一种或多种周质结合蛋白(PBP)(包括其突变体或融合蛋白)，或具有一个或多个分析物结合区域的适体，每个区域能够特异性地并且可逆地结合至少一种分析物。适体的改变或PBP的突变可有助于或改变一个或多个结合常数、长期蛋白质稳定性(包括热稳定性)，以将蛋白质结合至特定的包封基质、膜或聚合物或者附着可检测的报告基团或“标记”，以指示结合区域的变化或转导与生物流体中存在的一种或多种分析物相对应的信号。结合区域变化的具体示例包括但不限于疏水性/亲水性环境变化、三维构象变化、蛋白质结合区域中氨基酸/核酸侧链取向的变化和结合区域的氧化还原状态。结合区域的此类变化提供了与生物流体中存在的一种或多种分析物对应的可检测信号的转导。

在一个示例中，感测区域确定一种或多种分析物之间的选择性，使得只有必须测量的分析物产生(转导)可检测信号。选择可以基于感测区域对分析物的任何化学或物理识别，其中分析物的化学组成未改变，或其中感测区域引起或催化分析物的反应，该反应改变分析物的化学组成。

如本文所用，术语“灵敏度”是广义术语，并且将向本领域普通技术人员给出其普通和惯用的含义(并且不限于特殊的或定制的含义)，并且是指(但不限于此)由预定量(单位)的测量分析物产生的信号(例如，呈电流和/或电压的形式)的量。例如，在一个示例中，对于每1mg/dL的分析物，传感器具有约1皮安培至约100皮安培电流的灵敏度(或斜率)。

短语“信号介质”或“传输介质”应被认为包括任何形式的调制数据信号、载波等。短语“调制数据信号”是指其一个或多个特性以在信号中对信息进行编码的方式设置或改变的信号。

如本文所用，术语“转导”及其语法等同物是广义的术语，并且将向本领域普通技术人员给出它们的普通和惯用的含义(并且不限于特殊的或定制的含义)，并且是指(但不限于)光学、电学、电化学、声学/机械或色度技术和方法。电化学属性包括电流和/或电压、电感、电容、阻抗、跨导和电位。光学属性包括吸光度、荧光/磷光、荧光/磷光衰减速率、波长偏移、双波相位调制、生物/化学发光、反射率、光散射和折射率。例如，感测区域将分析物的识别转导成半定量或定量信号。

如本文所用，短语“转导元件”是广义的短语，并且将向本领域普通技术人员给出其普通和惯用的含义(并且不限于特殊的或定制的含义)，并且是指(但不限于)能够直接或间接促进与所识别分析物的存在和/或浓度相对应的可检测信号转导的分析物识别部分。在一个示例中，转导元件是一种或多种酶、一种或多种适体、一种或多种离子载体、一种或多种捕获抗体、一种或多种蛋白质、一种或多种生物细胞、一种或多种寡核苷酸和/或一种或多种DNA或RNA部分。可在各种时间长度内在体内使用经皮连续多分析物传感器。本文所讨论的连续多分析物传感器系统可以是经皮设备，因为设备的一部分可通过受者皮肤插入并进入下面的软组织中，而设备的一部分保留在受者皮肤的表面上。在一个方面，为了在短期内克服与噪声或其他传感器功能相关联的问题，一个示例采用促进在传感器周围形成流体囊的材料，例如在传感器与周围组织之间产生空间的多孔生物界面膜或基质等架构。在一些示例中，传感器设置有被适配用于在传感器与受者组织之间提供流体囊的间隔物。据信，该间隔物(例如生物界面材料、基质、结构等，如本文别处更详细地描述的)将氧和/或葡萄糖转运到传感器。

膜系统

本文所公开的膜系统适合用于与生物流体接触的可植入设备。例如，膜系统可以与可植入设备(诸如用于监测和确定生物流体中分析物水平的设备，例如用于监测患有糖尿病的个体的葡萄糖水平的设备)一起使用。在一些示例中，分析物测量设备是连续式设备。分析物测量设备可采用任何合适的感测元件来提供原始信号，包括但不限于涉及酶元件、化学元件、物理元件、电化学元件、分光光度测定元件、电流测定元件、电位测定元件、偏振测定元件、热测定元件、辐射测定元件、免疫化学元件等的感测元件。

用于前述多分析物系统和设备的合适的膜系统可包括例如在美国专利6,015,572号、美国专利5,964,745号和美国专利6,083,523号中公开的膜系统，它们的全部内容通过引用并入本文，以参考它们对膜系统的教导。

通常，膜系统包括多个域，例如电极域、干扰域、酶域、电阻域和生物界面域。可使用已知的薄膜技术(例如，气相沉积、喷涂、电沉积、浸渍、刷涂、膜涂、滴涂等)将膜系统沉积在暴露的电活性表面上。在膜材料沉积之后可应用附加步骤，例如干燥、退火和固化(例如，UV固化、热固化、湿固化、辐射固化等)以增强某些属性，诸如机械属性、信号稳定性和选择性。在典型的工艺中，在沉积电阻域膜之后，形成“干膜”厚度为约0.05微米(μm)或更小至约1μm、2μm、3μm、4μm、5μm、6μm、7μm、8μm、9μm、10μm、11μm、12μm、13μm、14μm、15μm或16μm的生物界面/药物释放层。“干膜”厚度是指通过标准涂覆技术由涂层配制物流延而成的固化膜的厚度。

在某些示例中，生物界面/药物释放层由生物界面聚合物形成，其中该生物界面聚合物包括一个或多个膜域和一个或多个两性离子重复单元，膜域包括聚氨酯和/或聚脲链段。在一些示例中，生物界面/药物释放层涂层由在聚合物和非离子亲水性聚环氧乙烷链段中结合了羧基甜菜碱基团的聚氨酯脲形成，其中聚氨酯脲聚合物根据预定涂层配方溶解在有机或非有机溶剂体系中，并且与异氰酸酯交联剂交联并且在约50℃的中等温度下固化。溶剂体系可以是单一溶剂或溶剂混合物，以帮助聚合物的溶解或分散。溶剂可以是选择作为聚合介质或在聚合完成后添加的溶剂。溶剂选自沸点较低的溶剂，以促进干燥并且对于植入物应用具有较低毒性。这些溶剂的示例包括脂族酮、酯、醚、醇、烃等。取决于生物界面/药物释放层的最终厚度和溶液粘度(与聚合物固体的百分比相关)，可在所选工艺的单个步骤或多个重复步骤(诸如浸渍)中施加涂层，以构建期望厚度。而在其他示例中，生物保护性聚合物由在聚合物和非离子亲水性聚环氧乙烷链段中结合了羧酸基团和羧基甜菜碱基团的聚氨酯脲形成，其中聚氨酯脲聚合物溶解在涂层制剂中的有机或非有机溶剂体系中，并且与碳二亚胺(例如，1-乙基-3-(3-二甲基氨基丙基)碳二亚胺(EDC))交联并且在约50℃的中等温度下固化。

在其他示例中，生物界面/药物释放层涂层由在聚合物和非离子亲水性聚环氧乙烷链段中结合了磺基甜菜碱基团的聚氨酯脲形成，其中聚氨酯脲聚合物根据预定涂层配方溶解在有机或非有机溶剂体系中，并且与异氰酸酯交联剂交联并且在约50℃的中等温度下固化。溶剂体系可以是单一溶剂或溶剂混合物，以帮助聚合物的溶解或分散。溶剂可以是选择作为聚合介质或在聚合完成后添加的溶剂。溶剂选自沸点较低的溶剂，以促进干燥并且对于植入物应用具有较低毒性。这些溶剂的示例包括脂族酮、酯、醚、醇、烃等。取决于生物界面/药物释放层的最终厚度和溶液粘度(与聚合物固体的百分比相关)，可在所选工艺的单个步骤或多个重复步骤(诸如浸渍)中施加涂层，以构建期望厚度。而在其他示例中，生物界面聚合物由在聚合物和非离子亲水性聚环氧乙烷链段中结合了不饱和烃基团和磺基甜菜碱基团的聚氨酯脲形成，其中聚氨酯脲聚合物溶解在涂层制剂中的有机或非有机溶剂体系中，并且在引发剂的存在下用热或辐射(包括UV、LED光、电子束等)交联，并且在约50℃的中等温度下固化。不饱和烃的示例包括烯丙基、乙烯基、丙烯酸酯、甲基丙烯酸酯、烯烃、炔烃等。

在一些示例中，使用系链。系链是不参与感测中涉及的(电)化学反应，但与膜的(电)化学活性组分形成化学键的聚合物或化学部分。在一些示例中，这些键是共价键。在一个示例中，可在形成膜的一个或多个夹层之前在溶液中形成系链，其中系链将两种(电)化学活性组分彼此直接结合，或者另选地，系链将(电)化学活性组分结合至聚合物主链结构。在另一示例中，(电)化学活性组分与具有可调长度的交联剂(和任选的聚合物)一起共混合，并且系留反应作为原位交联发生。系留可用于维持NAD(P)H的预定数量的自由度以进行有效的酶催化，其中“有效的”酶催化导致分析物传感器连续监测一种或多种分析物达约5天至约15天或更长的时期。

膜制造

聚合物可通过基于溶液的技术，诸如喷涂、浸渍、浇铸、静电纺丝、气相沉积、旋涂、涂覆等进行加工。水基聚合物乳液可通过与用于溶剂基材料的那些方法类似的方法来制造成膜。在这两种情况下，挥发性液体(例如，有机溶剂或水)的蒸发都会留下聚合物膜。沉积膜或层的交联可通过许多方法使用多官能反应性成分来进行。液体体系可通过热、湿气、高能辐射、紫外光或通过完成反应而固化，从而在模具中或在待涂覆的基底上产生最终聚合物。

在一些示例中，可以通过在含表面活性基团的聚合物、含官能团的聚合物、具有两性离子基团的聚合物(或其前体或衍生物)以及它们的组合之间产生共价交联来调节和/或控制膜的润湿特性(以及通过延伸传感器表现出的传感器漂移的程度)。交联可以对膜结构具有显著影响，这进而又可以影响膜的表面润湿特性。交联也可以影响膜的拉伸强度、机械强度、吸水速率和其他特性。

交联的聚合物可以具有不同的交联密度。在某些示例中，使用交联剂来促进各层之间的交联。在其他示例中，代替(或除此之外)上述交联技术，使用热来形成交联。例如，在一些示例中，由于高温，可以在两种聚合物之间形成酰亚胺和酰胺键。在一些示例中，进行光交联以在聚阳离子层和聚阴离子层之间形成共价键。光交联的一个主要优点是它提供了模式化的可能性。在某些示例中，使用光交联进行模式化以修改膜结构并因此调节膜和膜系统的润湿属性，如本文所讨论的。

可通过至少如本文所讨论的方法制备具有被官能化以允许交联的域或链段的聚合物。例如，具有含亲电子官能团(例如，羰基、醛、酸酐、酯、酰胺、异氰基、环氧基、烯丙基或卤代基团)的芳族链段或脂族链段的聚氨酯脲聚合物可与具有多个亲核基团(例如，羟基、胺、脲、氨基甲酸酯或硫醇基团)的交联剂进行交联。在另外的示例中，具有含亲核官能团的芳族链段或脂族链段的聚氨酯脲聚合物可以与具有多个亲电子基团的交联剂进行交联。还另外，具有含亲核官能团或亲电子官能团的亲水性链段的聚氨酯脲聚合物可以与具有多个亲电子官能团或亲核基团的交联剂进行交联。聚氨酯脲上的不饱和官能团也可以通过与多价自由基试剂反应而用于交联。合适的交联剂的非限制性示例包括异氰酸酯、碳二亚胺、戊二醛、氮丙啶、硅烷或其他醛、环氧、丙烯酸酯、基于自由基的试剂、乙二醇二缩水甘油醚(EGDE)、聚(乙二醇)二缩水甘油醚(PEGDE)或过氧化二枯基(DCP)。在一个示例中，相对于在共混交联剂和聚合物时添加的这些成分的总干重，添加约0.1重量％至约15重量％的交联剂。在另一示例中，相对于在共混交联剂和聚合物时添加的这些成分的总干重，添加约1重量％至约10重量％的交联剂。在又一示例中，相对于在共混交联剂和聚合物时添加的这些成分的总干重，添加约5重量％至约15重量％的交联剂。在固化过程期间，认为基本上所有的交联剂发生反应，在最终的膜中基本上没有留下可检测到的未反应的交联剂。

本文所公开的聚合物可被配制成混合物，该混合物可使用诸如喷涂、自组装单层(SAM)、涂抹、浸涂、气相沉积、模塑、3-D印刷、平版印刷技术(例如，光刻法)、微米和纳米移液印刷技术、丝网印刷等方法拉伸成膜或施加到表面。然后可将混合物在高温(例如，约30℃至约150℃)下固化。其他合适的固化方法可包括例如紫外辐射、电子束或γ辐射。

在一些情况下，使用包括配置有生物保护性和/或药物释放膜的传感器的连续多分析物监测系统，据信异物反应是围绕植入设备的延长植入的主要事件，并且可被管理或操纵以支持而非阻碍或阻断分析物转运。在另一方面，为了延长传感器的寿命，一个示例例如在多孔生物界面膜内采用促进血管化组织向内生长的材料。例如，组织向内生长到围绕传感器的多孔生物界面材料中可在延长的时间段(例如，数周、数月或数年)内促进传感器功能。已经观察到组织床的向内生长和形成可能花费多达3周。组织向内生长和组织床形成被认为是异物反应的一部分。如本文将讨论的，可通过使用围绕传感器并促进组织和微脉管系统随时间推移向内生长的多孔生物保护性材料来操纵异物反应。

因此，如本文示例中所讨论的传感器可包括生物界面层。与药物释放层类似，生物界面层可包括但不限于例如包括固体部分和互连腔的多孔生物界面材料，所有这些均在本文别处更详细地描述。生物界面层可用于长期改善传感器功能(例如，在组织向内生长之后)。

因此，如本文示例中所讨论的传感器可包括药物释放膜，该药物释放膜至少部分地充当生物界面膜或与生物界面膜组合。药物释放膜可包括例如包括具有亲水性和任选的疏水性域的硬-软链段聚合物的材料，所有这些均在本文别处更详细地描述，可用于长期改善传感器功能(例如，在组织向内生长之后)。在一个示例中，包括具有亲水性和任选的疏水性域的硬-软链段聚合物的材料被配置为释放地塞米松或醋酸地塞米松的衍生物形式与地塞米松的组合，从而实现抗炎剂的一种或多种不同释放速率并且延长传感器的使用寿命。本公开的其他合适的药物释放膜可选自有机硅聚合物；聚四氟乙烯；膨胀型聚四氟乙烯；聚乙烯-共-四氟乙烯；聚烯烃；聚酯；聚碳酸酯；生物稳定的聚四氟乙烯；聚氨酯的均聚物、共聚物、三元共聚物；聚丙烯(PP)；聚氯乙烯(PVC)；聚偏二氟乙烯(PVDF)；聚乙烯醇(PVA)；聚醋酸乙烯酯；乙烯醋酸乙烯酯(EVA)；聚对苯二甲酸丁二醇酯(PBT)；聚甲基丙烯酸甲酯(PMMA)；聚醚醚酮(PEEK)；聚酰胺；聚氨酯及其共聚物和共混物；聚氨酯脲聚合物及其共聚物和共混物；纤维素聚合物及其共聚物和共混物；聚(环氧乙烷)及其共聚物和共混物；聚(环氧丙烷)及其共聚物和共混物；聚砜及其嵌段共聚物，包括例如二嵌段、三嵌段、交替、无规和接枝共聚物；纤维素；水凝胶聚合物；聚(2-羟乙基甲基丙烯酸酯)(pHEMA)及其共聚物和共混物；甲基丙烯酸羟乙酯(HEMA)及其共聚物和共混物；聚丙烯腈-聚氯乙烯(PAN-PVC)及其共聚物和共混物；丙烯酸共聚物及其共聚物和共混物；尼龙及其共聚物和共混物；聚二氟乙烯；聚酸酐；聚(l-赖氨酸)；聚(L-乳酸)；甲基丙烯酸羟乙酯及其共聚物和共混物；羟磷灰石及其共聚物和共混物。

示例性多分析物传感器膜配置

提供了具有各种膜配置的连续多分析物传感器，这些膜配置适合于同时、间歇和/或顺序地促进对应于分析物浓度的信号转导。在一个示例中，此类传感器可使用包括一个或多个转导元件(“TL”)的信号转导器来配置。此类连续多分析物传感器可采用各种转导手段，例如电流测定法、电压测定法、电位测定法和阻抗测定法以及其他技术。

在一个示例中，转导元件包括一个或多个膜，该膜可包括一个或多个层和或域，一个或多个层或域中的每一者可独立地包括一个或多个信号转导器，例如酶、RNA、DNA、适体、结合蛋白等。如本文所用，转导元件包括酶、离子载体、RNA、DNA、适体、结合蛋白，并且可互换使用。

在一个示例中，转导元件存在于在感测区域上形成的一个或多个膜、层或域中。在一个示例中，此类传感器可使用一个或多个酶域来配置，例如包括酶域的膜域，也称为EZ层(“EZL”)，每个酶域可包括一种或多种酶。下文提及“酶层”旨在包括酶域的全部或部分，其中的任一者都可以是如本文所讨论的膜系统的全部或部分，例如作为单层、作为两层或更多层、作为双层对或作为它们的组合。

在一个示例中，连续多分析物传感器使用以下分析物-底物/酶对中的一项或多项：例如，肌氨酸氧化酶与肌酸酐酰胺水解酶的组合，肌酸酰胺水解酶用于感测肌酸酐。可用于感测区域中的分析物/氧化酶组合的其他示例包括例如醇/醇氧化酶、胆固醇/胆固醇氧化酶、半乳:半乳糖/半乳糖氧化酶、胆碱/胆碱氧化酶、谷氨酸/谷氨酸氧化酶、甘油/甘油-3磷酸氧化酶(或甘油氧化酶)、胆红素/胆红素氧化酶、抗坏血酸/抗坏血酸氧化酶、尿酸/尿酸氧化酶、丙酮酸/丙酮酸氧化酶、次黄嘌呤:黄嘌呤/黄嘌呤氧化酶、葡萄糖/葡萄糖氧化酶、乳酸盐/乳酸氧化酶、L-氨基酸氧化酶和甘氨酸/肌氨酸氧化酶。可使用其他分析物-底物/酶对，包括含有遗传改变的酶、固定化酶、介体连线酶、二聚化和/或融合酶的分析物-底物/酶对。

基于NAD的多分析物传感器平台

烟酰胺腺嘌呤二核苷酸(NAD(P)⁺/NAD(P)H)是一种辅酶，例如一种由两个核苷酸组成的二核苷酸，这两个核苷酸通过它们的磷酸基团连接。一个核苷酸含有腺嘌呤核碱基，并且另一个核苷酸含有烟酰胺。NAD以两种形式存在，例如氧化形式(NAD(P)+)和还原形式(NAD(P)H)(H＝氢)。NAD+和NADH的反应是可逆的，因此，辅酶可在NAD(P)⁺/与NAD(P)H形式之间连续循环而基本上不被消耗。

在一个示例中，本文所公开的连续多分析物传感器设备的感测区域的一个或多个酶域包括一定量的NAD+或NADH，用于提供与一种或多种分析物的存在或浓度相对应的可检测信号的转导。在一个示例中，本文所公开的连续多分析物传感器设备的感测区域的一个或多个酶域包括过量的NAD+或NADH，用于提供与一种或多种分析物的存在或浓度相对应的可检测信号的延长转导。

在一个示例中，NAD、NADH、NAD+、NAD(P)+、ATP、黄素腺嘌呤二核苷酸(FAD)、镁(Mg++)、吡咯并喹啉醌(PQQ)及其官能化衍生物可与连续多分析物传感器设备中的一种或多种酶组合使用。在一个示例中，NAD、NADH、NAD+、NAD(P)+、ATP、黄素腺嘌呤二核苷酸(FAD)、镁(Mg++)、吡咯并喹啉醌(PQQ)和官能化衍生物结合至感测区域中。在一个示例中，NAD、NADH、NAD+、NAD(P)+、ATP、黄素腺嘌呤二核苷酸(FAD)、镁(Mg++)、吡咯并喹啉醌(PQQ)和官能化衍生物分散或分布在感测区域的一个或多个膜或域中。

在本公开的一个方面，在感测区域的一个或多个膜或域中提供使用NAD+依赖性酶对一种或多种或两种或更多种分析物的连续感测。在一个示例中，膜或域提供NAD+的保留和稳定再循环以及用于将NADH氧化或NAD+还原转导成可用电流测定法测量的电流的机制。在一个示例中，如下所述，提供了对多种分析物的连续感测，该多种分析物可逆地结合或者其中至少一种分析物被NAD+依赖性酶氧化或还原，酶为例如酮(β-羟基丁酸脱氢酶)、甘油(甘油脱氢酶)、皮质醇(11β-羟基类固醇脱氢酶)、葡萄糖(葡萄糖脱氢酶)、醇(醇脱氢酶)、醛(醛脱氢酶)和乳酸盐(乳酸脱氢酶)。在其他示例中，如下所述，提供了膜，该膜使得能够利用FAD依赖性脱氢酶(诸如脂肪酸(酰基辅酶A脱氢酶))对多种分析物进行连续、在体感测。

一个或多个膜或其部分的示例性配置是用于提供NAD+的保留和再循环的布置。因此，导线(同轴)的电极表面或平面导电表面涂覆有包括至少一种酶的至少一个层，如图7A所描绘。参考图7B，一个或多个任选的层可定位在电极表面与一个或多个酶域之间。例如，一个或多个干扰域(也称为“干扰物阻断层”)可用于减少或消除来自所存在的不期望物质的信号贡献，或者一个或多个电极(未示出)可用于辅助润湿、系统平衡和/或启动。如图7A至图7B所示，膜中的一个或多个膜提供NAD+储库域，为NAD+提供储库。在一个示例中，使用一个或多个干扰物阻断膜，并且利用恒电位仪来测量酶(诸如或类似于NADH氧化酶)的H2O2产生或O2消耗，可切换NAD+储库和酶域位置，以促进过量NAD+的更好的消耗和更慢的不必要的向外扩散。示例性传感器配置可在2022年3月18日提交的美国临时专利申请63/321340号“CONTINUOUS ANALYTE MONITORING SENSOR SYSTEMS AND METHODS OF USING THESAME”中找到，该申请的全部内容通过引用并入本文。

在一个示例中，将对NADH氧化最佳的一种或多种介体结合至一个或多个电极域或酶域中。在一个示例中，使用有机介体，诸如菲咯啉二酮或亚硝基苯胺。在另一示例中，使用金属有机介体，诸如钌-菲咯啉-二酮或锇(bpy)₂Cl、含有共价偶联的有机介体的聚合物或有机金属配位介体聚合物，例如聚乙烯基咪唑-Os(bpy)₂Cl，或聚乙烯基吡啶-有机金属配位介体(包括钌-菲咯啉二酮)。如下面进一步讨论的，可使用其他介体。

在人体中，β-羟基丁酸盐(BHB)的血清水平通常在低微摩尔范围内，但可升高至约6mM至8mM。BHB的血清水平在剧烈锻炼后可达到1mM至2mM，或者通过几乎没有碳水化合物的生酮饮食达到2mM以上的稳定水平。血清中存在其他酮，诸如乙酰乙酸盐和丙酮，然而，酮水平的大部分动态范围是BHB的形式。因此，BHB的监测(例如，连续监测)对于向用户或医疗提供者提供健康信息是有用的。

采用电极相关联介体偶联的心肌黄酶/NAD+/脱氢酶的连续酮分析物检测配置的另一示例描绘如下：

在一个示例中，心肌黄酶与具有有机金属配位介体聚合物的电极电偶联。在另一示例中，心肌黄酶与具有有机金属配位介体聚合物的电极共价偶联。另选地，可在酶层中使用多个酶域，例如，将电极相关联心肌黄酶(最靠近电极表面)与更远侧相邻的NAD+或脱氢酶分离，以基本上将NADH氧化与分析物(酮)氧化分离。另选地，NAD+可比包括脱氢酶的相邻酶域更接近电极表面。在一个示例中，NAD+和/或HBDH存在于相同或不同的酶域中，并且它们中的任一者都可例如使用胺反应性交联剂(例如，戊二醛、环氧化物、NHS酯、亚氨酸酯)来固定化。在一个示例中，NAD+与聚合物偶联并且存在于与HBDH相同或不同的酶域中。在一个示例中，增加NAD+的分子量以防止或消除从感测区域的迁移，例如使用NAD+的C6末端胺与任何胺反应性交联剂使NAD+二聚化。在一个示例中，NAD+可与分子量高于NAD+的酶域的一个方面共价偶联，这可改善NAD+的稳定性分布，从而改善将NAD+保留和/或固定化在酶域中的能力。例如，葡聚糖-NAD。

在一个示例中，感测区域包括一种或多种NADH:受体氧化还原酶和一种或多种NAD依赖性脱氢酶。在一个示例中，感测区域包括一种或多种NADH:受体氧化还原酶和一种或多种NAD(P)依赖性脱氢酶，其中NAD(P)+或NAD(P)H作为辅因子存在于感测区域中。在一个示例中，感测区域包括一定量的心肌黄酶。

在一个示例中，提供了适合于与另一种分析物感测配置组合的酮感测配置。因此，通过将具有约20μL 500mg/mL HBDH、约20μL[500mg/mL NAD(P)H、200mg/mL约400MW的聚乙二醇-二甘醇醚(PEG-DGE)]、约20μL 500mg/mL心肌黄酶、约40μL250mg/mL聚乙烯基咪唑-锇双(2,2'-联吡啶)氯化物(PVI-Os(bpy)2Cl)的10mM HEPES在水中的EZL溶液组合物提供给诸如工作电极等基底来制备约1μm至20μm厚的EZL层，以便在干燥后提供约15重量％至40重量％HBDH、约5％至30％心肌黄酶、约5％至30％NAD(P)H、约10％至50％ PVI-Os(bpy)2Cl和约1％至12％ PEG-DGE(400MW)。本文所讨论的可包括工作电极的基底可由金、铂、钯、铑、铱、钛、钽、铬和/或合金或其组合或碳(例如，石墨、玻璃碳、碳纳米管、石墨烯或掺杂金刚石以及其组合)形成。

将电阻域(也称为电阻层(“RL”))与上述酶域接触。在一个示例中，RL包括约55％至100％ PVP和约0.1％至45％ PEG-DGE。在另一示例中，RL包括约75％至100％PVP和约0.3％至25％ PEG-DGE。在又一示例中，RL包括约85％至100％ PVP和约0.5％至15％ PEG-DGE。在又一示例中，RL包括基本上100％ PVP。

如图7A至图7B所描绘的包括NAD(P)H储库域的示例性连续酮传感器被配置为使得NAD(P)H在感测区域的酶域中的任一个酶域中都不是限速的。在一个示例中，NAD(P)H在NAD(P)H储库域中的载量大于约20重量％、30重量％、40重量％或50重量％。膜中的一个或多个膜或一个或多个膜域的部分(下文也称为“膜”)也可含有聚合物或蛋白质结合剂，诸如两性离子聚氨酯和/或白蛋白。另选地，除了NAD(P)H之外，膜还可含有一种或多种分析物特异性酶(例如HBDH、甘油脱氢酶等)，使得任选地，NAD(P)H储库膜也提供催化功能。在一个示例中，NAD(P)H分散或分布在聚合物(或蛋白质)中或与聚合物(或蛋白质)一起分散或分布，并且可交联至仍允许足够的酶/辅因子功能性和/或降低域内NAD(P)H通量的程度。

在一个示例中，NADH氧化酶单独或与超氧化物歧化酶(SOD)组合用于感测区域的一个或多个膜中。在一个示例中，使用能够清除由NADH氧化酶生成的一种或多种自由基中的一些或大部分的量的超氧化物歧化酶(SOD)。在一个示例中，NADH氧化酶单独或与超氧化物歧化酶(SOD)组合地与NAD(P)H和/或官能化聚合物组合使用，其中NAD(P)H从感测区域的一个或多个膜中的C6末端胺固定化到聚合物上。

在一个示例中，将NAD(P)H固定化至维持NAD(P)H催化功能性的程度。在一个示例中，二聚化NAD(P)H用于将NAD(P)H截留在一个或多个膜内，这是通过将它们相应的C6末端胺与适当的胺反应性交联剂(诸如戊二醛或PEG-DGE)一起交联而实现的。

前述连续酮传感器配置可适配用于其他分析物或与其他传感器配置组合使用。例如，分析物-脱氢酶组合可用于感测区域的膜中的任一个膜中，这些组合包括：甘油(甘油脱氢酶)；皮质醇(11β-羟基类固醇脱氢酶)；葡萄糖(葡萄糖脱氢酶)；醇(醇脱氢酶)；醛(醛脱氢酶)；和乳酸盐(乳酸脱氢酶)。

在一个示例中，在感测区域中或与其相邻或与感测区域的一个或多个膜相邻地使用半透膜，以便减弱至少一种分析物或化学物质的通量。在一个示例中，半透膜减弱至少一种分析物或化学物质的通量，以便提供来自转导信号的线性响应。在另一示例中，半透膜防止或消除NAD(P)H流出感测区域或任何膜或域。在一个示例中，半透膜可以是对感兴趣的离子分析物(诸如铵离子)具有选择性的离子选择性膜。

在另一示例中，制备了包括一种或多种酶和/或至少一种辅因子的连续多分析物传感器配置。图7C描绘了酶域750的这种示例性配置，该酶域包括具有一定量的辅因子(Cofactor)的酶(Enzyme)，该酶域接近工作电极(“WE”)表面的至少一部分定位，其中WE包括电化学反应表面。在一个示例中，包括一定量的辅因子的第二膜751邻近第一酶域定位。第二膜中一定量的辅因子可为酶提供过量，例如以延长传感器寿命。一个或多个电阻域752(“RL”)邻近第二膜定位(或可在膜之间定位)。RL可被配置为阻断辅因子从第二膜的扩散。从辅因子到WE的电子转移转导直接或间接对应于分析物浓度的信号。

图7D描绘了替代酶域配置，该配置包括具有一定量的辅因子的第一膜751，该第一膜更接近WE表面的至少一部分地定位。包括一定量的酶的酶域750邻近第一膜定位。

在图7C至图7D所描绘的膜结构中，酶域中电化学活性物质的产生扩散至WE表面并转导直接或间接对应于分析物浓度的信号。在一些示例中，电化学活性物质包括过氧化氢。对于包括辅因子的传感器配置，来自第一层的辅因子可扩散至酶域，以例如通过再生辅因子来延长传感器寿命。对于其他传感器配置，可任选地包括辅因子以改善性能属性，诸如稳定性。例如，连续酮传感器可包括NAD(P)H和二价金属阳离子，诸如Mg⁺²。一个或多个电阻域RL可邻近第二膜定位(或可在层之间定位)。RL可被配置为阻断辅因子从第二膜的扩散和/或干扰物到达WE表面。其他配置可用于前述配置中，诸如电极、电阻、生物界面和药物释放膜、层或域。在其他示例中，连续分析物传感器包括有助于传感器性能的一种或多种辅因子。

图7E描绘了另一种连续多分析物膜配置，其中第一酶域753中的{β}-羟基丁酸脱氢酶BHBDH靠近工作电极WE定位，并且例如包括醇脱氢酶(ADH)和NADH的第二酶域754邻近第一酶域定位。一个或多个电阻域RL 752可邻近第二酶域754部署。在该配置中，血清中醇和酮的组合的存在共同作用，以提供对应于分析物浓度中的至少一种分析物浓度(例如，酮)的转导信号。因此，当存在于更远侧的第二酶域中的NADH消耗存在于血清环境中的醇时，NADH被氧化成NAD(P)H，该NAD(P)H扩散至第一膜层中以提供乙酰乙酸酮的BHBDH催化的电子转移和对应于酮浓度的可检测信号的转导。在一个示例中，酶可被配置用于逆催化，并且可产生用于催化存在于相同或不同层或域中的另一种酶的底物。其他配置可用于前述配置中，诸如电极、电阻、生物界面和药物释放膜、层或域。因此，比第二酶域更远离WE的第一酶域可被配置为生成辅因子或其他元素以充当第二酶域的反应物(和/或反应物底物)来检测一种或多种目标分析物。

醇传感器配置

在一个示例中，提供连续醇(例如，乙醇)传感器设备配置。在一个示例中，提供包括醇氧化酶(AOX)的一个或多个酶域，并且通过单独或与氧消耗或与另一种底物-氧化酶系统(例如，葡萄糖-葡萄糖氧化酶)组合产生过氧化氢来转导醇的存在和/或量，其中过氧化氢和或氧和/或葡萄糖可使用电流测定法定性地或定量地检测和/或测量。

在一个示例中，用于前述酶底物-氧化酶配置的感测区域具有一个或多个酶域，包括一个或多个电极。在一个示例中，用于前述酶底物-氧化酶配置的感测区域具有一个或多个酶域，其具有或不具有一个或多个电极，还包括一个或多个干扰阻断膜(例如选择性渗透膜、电荷排阻膜)以减弱一种或多种干扰物通过膜扩散至工作电极。在一个示例中，用于前述底物-氧化酶配置的感测区域具有一个或多个酶域，其具有或不具有一个或多个电极，并且还包括一个或多个电阻域，其具有或不具有一个或多个干扰阻断膜以减弱一种或多种分析物或酶底物。在一个示例中，用于前述底物-氧化酶配置的感测区域具有一个或多个酶域，其具有或不具有一个或多个电极，具有或不具有一个或多个干扰阻断膜的一个或多个电阻域还独立地包括一个或多个生物界面膜和/或药物释放膜，以减弱一种或多种分析物或酶底物并且减弱插入后受者的免疫响应。

在一个示例中，一个或多个干扰阻断膜邻近工作电极和/或电极表面沉积。在一个示例中，一个或多个干扰阻断膜直接邻近工作电极和/或电极表面沉积。在一个示例中，一个或多个干扰阻断膜沉积在与工作电极或电极表面相邻的另一层或膜或域之间，以减弱除氧以外的一种或所有分析物扩散通过感测区域。此类膜可用于减弱醇本身以及减弱其他电化学活性物质或其他分析物，该其他电化学活性物质或其他分析物如果扩散至工作电极，则可能通过产生信号而以其他方式干扰。

在一个示例中，所使用的工作电极包括铂，并且所施加的电位为约0.5伏特。

在一个示例中，例如在Clark型电极设置中或在不同配置中，电化学感测氧水平变化可例如通过用一种或多种聚合物(诸如NAFION^TM)的一个或多个膜涂覆电极来进行。基于电位的变化，可记录氧浓度变化，其与醇的浓度直接或间接相关。当被适当地设计成服从化学计量行为时，特定浓度的醇的存在应当引起与醇浓度成直接(线性)关系的局部氧的相称减少。因此，可提供用于醇和氧两者的多分析物传感器。

在另一示例中，上文提及的醇感测配置可包括一种或多种次级酶，其与醇/醇氧化酶催化的反应产物(例如过氧化氢)反应，并且提供氧化形式的次级酶，其以比没有次级酶时更低的电位将醇依赖性信号转导至WE/RE。因此，在一个示例中，醇/醇氧化酶与还原形式的过氧化物酶(例如辣根过氧化物酶)一起使用。醇/醇氧化酶可在与过氧化物酶相同或不同的层中，或者它们可远离电极表面空间分离，例如，醇/醇氧化酶更远离电极表面而过氧化物酶更接近电极表面，或者另选地，醇/醇氧化酶更接近电极表面而过氧化物酶更远离电极表面。在一个示例中，醇/醇氧化酶更远离电极表面和过氧化物酶还包括电极、干扰、电阻和生物界面膜的任何组合，以优化信号、耐久性、减少漂移或延长使用期限。

在另一示例中，上文提及的醇感测配置可包括一种或多种介体。在一个示例中，一种或多种介体存在于一个或多个电极或电极表面之中、之上或周围，和/或沉积在工作电极(WE)或参比电极(RE)的表面上或以其他方式与其相关联。在一个示例中，一种或多种介体消除或减少了可能到达WE或RE的干扰物质的直接氧化。在一个示例中，一种或多种介体在铂电极上提供WE/RE的操作电位的降低，例如从约0.6V降低至约0.3V或更低，这可减少或消除内源干扰物质的氧化。一种或多种介体的示例提供如下。可采用其他电极，例如反电极。

在一个示例中，可将其他酶或附加组分添加到构成感测区域的任何部分的聚合物混合物中，以增加前述传感器的稳定性和/或减少或消除醇/醇氧化酶反应的副产物。增加稳定性包括储存或保存期限和/或操作稳定性(例如，在使用期间保留酶活性)。例如，酶反应的副产物对于增加保存期限和/或操作稳定性而言可能是不期望的，并且因此可能期望减少或去除。在一个示例中，黄嘌呤氧化酶可用于去除一种或多种酶反应的副产物。

在另一示例中，脱氢酶与氧化酶一起用于单独检测醇或与氧组合检测醇。因此，在一个示例中，在还原型烟酰胺腺嘌呤二核苷酸(NAD(P)H)或还原型烟酰胺腺嘌呤二核苷酸磷酸(NAD(P)+)的存在下，使用醇脱氢酶将醇氧化成醛。为了提供NAD(P)H或NAD(P)+的连续源，使用NADH氧化酶或NADPH氧化酶来氧化NAD(P)H或NAD(P)+，同时消耗氧。在另一示例中，心肌黄酶可代替NADH氧化酶或NADPH氧化酶使用或与其组合使用。另选地，可将过量的NAD(P)H结合至一个或多个酶域和/或一个或多个电极中，其量使得适应传感器计划寿命的预期持续时间。

在前述双酶配置中，信号可通过以下任一种方式感测：(1)电偶联(例如，“连线”)的醇脱氢酶(ADH)，例如使用包括一种或多种介体的电活性水凝胶聚合物；或(2)氧电化学感测，以测量NADH氧化酶的氧消耗。在替代示例中，辅因子NAD(P)H或NAD(P)+可与聚合物诸如葡聚糖偶联，聚合物与ADH一起固定化在酶域中。这为ADH活性位点提供了辅因子的保留及其可用性。在上述示例中，电极、干扰、电阻和生物界面膜的任何组合可用于优化信号、耐久性、减少漂移或延长使用期限。在一个示例中，提供了例如经由共价键或离子键直接或间接地与转导元件(诸如适体、酶或辅因子)的至少一部分和电极表面的至少一部分的电偶联。可使用能够辅助电子从酶或辅因子转移至电极表面的化学部分，其包括如下所述的一种或多种介体。

在一个示例中，将前述连续醇传感器配置中的任一种配置与前述连续酮监测配置中的任一种配置组合，以提供如下文进一步描述的连续多分析物传感器设备。在一个示例中，连续葡萄糖监测配置与前述连续醇传感器配置中的任一种配置和前述连续酮监测配置中的任一种配置组合，以提供如下文进一步描述的连续多分析物传感器设备。

尿酸传感器配置

在另一示例中，提供了连续尿酸传感器设备配置。因此，在一个示例中，尿酸氧化酶(UOX)可包括在一个或多个酶域中并且邻近工作电极表面定位。使用UOX对尿酸的催化产生过氧化氢，过氧化氢可使用电流测定法、电压测定法和阻抗测定法等技术来检测。在一个示例中，为了减少或消除来自尿酸在电极表面上的直接氧化的干扰，一个或多个电极、干扰和/或电阻域可沉积在工作电极表面的至少一部分上。此类膜可用于减弱尿酸以及其他分析物向工作电极的扩散，这些分析物可干扰信号转导。

在一个替代示例中，尿酸连续感测设备配置包括感测WE表面周围的氧水平变化，例如，如在Clark型电极设置中，或者一个或多个电极可独立地包括一种或多种不同的聚合物，诸如与电极表面的至少一部分相邻的NAFION^TM、聚两性离子聚合物或聚合物介体。在一个示例中，具有一个或多个电极域的电极表面提供了在不同或更低电压下测量氧的操作。可基于例如使用常规校准方法来感测、记录氧水平及其变化并将其与尿酸浓度相关联。

在一个示例中，单独地或与前述配置、尿酸传感器配置中的任一者组合地，为了降低用于尿酸信号转导的WE处的电位，一个或多个涂层可沉积在WE表面上。可使用各种技术，包括但不限于浸渍、电沉积、气相沉积、喷涂等，在WE表面和/或其上形成的其他涂层上沉积或形成一个或多个涂层。在一个示例中，涂覆的WE表面可在较低电位(与没有此类涂层的铂电极表面上的0.6V相比)下提供例如过氧化氢的氧化还原反应。可涂覆或退火到WE表面上的材料的示例包括但不限于普鲁士蓝、Medola蓝、亚甲基蓝、亚甲基绿、甲基紫精、亚铁氰化物、二茂铁、钴离子和酞菁钴等。

在一个示例中，可将一种或多种次级酶、辅因子和/或介体(电偶联的或聚合物介体)添加到具有UOX的酶域，以促进直接或间接电子转移至WE。例如，在此类配置中，通过用于信号转导的WE减少了次级酶的初始氧化形式的再生。在一个示例中，次级酶是辣根过氧化物酶(HRP)。

胆碱传感器配置

在一个示例中，可提供连续胆碱传感器设备，例如，使用随着胆碱的氧化而生成过氧化氢的胆碱氧化酶。因此，在一个示例中，至少一个酶域包括与至少一个WE表面相邻的胆碱氧化酶(COX)，任选地具有定位在WE表面与至少一个酶域之间的一个或多个电极和/或干扰膜。使用COX对胆碱的催化导致过氧化氢的产生，过氧化氢可使用电流测定法、电压测定法和阻抗测定法等技术来检测。

在一个示例中，前述连续胆碱传感器配置与前述连续醇传感器配置和连续尿酸传感器配置中的任一种配置组合，以提供如下文进一步描述的连续多分析物传感器设备。该连续多分析物传感器设备还可包括连续葡萄糖监测能力。其他膜可用于前述连续胆碱传感器配置中，诸如电极、电阻、生物界面和药物释放膜。

胆固醇传感器配置

在一个示例中，可使用胆固醇氧化酶(CHOX)以类似于先前所述的传感器的方式制造连续胆固醇传感器配置。因此，包括CHOX的一个或多个酶域可邻近至少一个WE表面定位。使用CHOX对游离胆固醇的催化导致过氧化氢的产生，过氧化氢可使用电流测定法、电压测定法和阻抗测定法等技术来检测。

制备了使用铂WE的示例性胆固醇传感器配置，其中至少一个干扰膜邻近至少一个WE表面定位，其上存在包括CHOX的至少一个酶域，在其上定位至少一个电阻域以控制扩散特性。

上述方法和所述胆固醇传感器可测量游离胆固醇，然而，通过修改，该配置可测量更多类型的胆固醇以及总胆固醇浓度。测量不同类型的胆固醇和总胆固醇是重要的，因为由于胆固醇在水中的低溶解度，显著量的胆固醇是未修改的和酯化的形式。因此，在一个示例中，提供了总胆固醇样本，其中将次级酶引入到至少一个酶域中，例如，以提供胆固醇酯酶与CHOX胆固醇酯的组合，其基本上表示可从存在和由酯酶形成的胆固醇转导的信号间接测量的总胆固醇。

在一个示例中，前述连续(总)胆固醇传感器配置与前述连续醇传感器配置和/或连续尿酸传感器配置中的任一种配置组合，以提供如下文进一步描述的连续多分析物传感器系统。该连续多分析物传感器设备还可包括连续葡萄糖监测能力。其他膜配置可用于前述连续胆固醇传感器配置中，诸如一个或多个电极域、电阻域、生物界面域和药物释放膜。

胆红素传感器和抗坏血酸传感器配置

在一个示例中，提供连续胆红素和抗坏血酸传感器。这些传感器可分别采用胆红素氧化酶和抗坏血酸氧化酶。然而，与一些氧化还原酶不同，胆红素氧化酶和抗坏血酸氧化酶的分析物的催化的最终产物是水而不是过氧化氢。因此，过氧化氢的氧化还原检测与胆红素或抗坏血酸相关联是不可能的。然而，这些氧化酶仍然消耗氧进行催化，并且氧消耗的水平与存在的目标分析物的水平相关。因此，胆红素和抗坏血酸水平可通过电化学感测氧水平变化来间接测量，诸如在Clark型电极设置中。

另选地，可采用用于感测胆红素和抗坏血酸的不同配置。例如，可将包括一个或多个电极域的电极域涂覆在电极上，该一个或多个电极域包括诸如NAFION^TM、聚两性离子聚合物或聚合物介体等电子转移剂。从此类酶域配置转导的测量的氧水平可与胆红素浓度和抗坏血酸水平相关联。在一个示例中，可采用包括与工作电极电偶联的一种或多种介体的电极域，并且该电极域可与胆红素水平和抗坏血酸水平相关联。

在一个示例中，前述连续胆红素和抗坏血酸传感器配置可与前述连续醇传感器配置、连续尿酸传感器配置、连续胆固醇传感器配置中的任一种配置组合，以提供如下文进一步描述的连续多分析物传感器设备。该连续多分析物传感器设备还可包括连续葡萄糖监测能力。其他膜可用于前述连续胆红素和抗坏血酸传感器配置中，诸如电极、电阻、生物界面和药物释放膜。

用于双分析物检测的单工作电极配置

在一个示例中，提供了至少双酶域配置，其中每一层含有一种或多种特定酶和任选的一种或多种辅因子。在广义上，连续多分析物传感器配置的一个示例描绘于图8A中，其中包括至少两种酶域配置中的至少一种酶(酶1)的第一膜755(EZL1)接近WE的至少一个表面。具有酶1的一个或多个分析物-底物酶对通过直接电子转移或通过直接或间接对应于分析物浓度的介导电子转移将至少一个可检测信号转导至WE表面。具有至少一种第二酶(酶2)的第二膜756(EZL2)邻近755ELZ1定位，并且通常比EZL1更远离WE。可邻近EZL2 756和/或在EZL1 755与EZL2 756之间提供一个或多个电阻域(RL)752。不同的酶催化相同的分析物的转化，但是EZL2 756中的至少一种酶提供过氧化氢，并且EZL1 755中的另一种至少一种酶不提供过氧化氢。因此，每种可测量物质(例如，过氧化氢和不是过氧化氢的其他可测量物质)生成与其浓度相关联的信号。

例如，在图8A所示的配置中，第一分析物通过RL 752扩散并进入EZL2 756中，经由与酶2的相互作用产生过氧化物。过氧化物至少通过EZL1 755扩散至WE并转导直接或间接对应于第一分析物浓度的信号。不同于第一分析物的第二分析物通过RL 752和EZL2 756扩散并与酶1相互作用，这导致电子转移至WE，并转导直接或间接对应于第二分析物浓度的信号。

如图8B所示，上述配置适配用于导线电极构造，其中至少两个不同的含酶层构造在具有单个活性表面的同一WE上。在一个示例中，单个WE是导线，其中活性表面围绕导线的纵向轴线定位。在另一示例中，单个WE是基底上的导电迹线，其中活性表面围绕迹线的纵向轴线定位。在一个示例中，活性表面围绕纵向轴线或半径基本上是连续的。

在上述配置中，可使用至少两种不同的酶并且它们催化不同的分析物的转化，其中EZL2 756中的至少一种酶提供过氧化氢并且EZL1 755中的至少另一种酶不提供过氧化氢，例如提供直接或间接对应于分析物浓度的到WE表面的电子转移。

在一个示例中，至少两个酶域EZL1 755、EZL2 756的内层包括与至少一种介体组合的至少一种固定化酶，与没有介体的情况相比，该至少一种介体可促进WE的较低偏压操作。在一个示例中，对于此类直接电子转导，使用电位P1。在一个示例中，内层EZL1 755的至少一部分更接近WE表面并且可具有一个或多个居间电极域和/或覆盖干扰和/或生物界面和/或药物释放膜，前提是至少一种介体可促进WE表面的低偏压操作。在另一示例中，内层EZL1 755的至少一部分与WE直接相邻。

图8B的至少双酶域的第二层(外层EZL2 756)含有至少一种酶，该酶导致一种或多种催化反应，该催化反应最终生成一定量的过氧化氢，该过氧化氢可电化学转导对应于分析物浓度的信号。在一个示例中，所生成的过氧化氢通过层EZL2 756并且通过内层EZL1755扩散到达WE表面并且在P2的电位下经历氧化还原，其中P2≠P1。以这种方式，通过控制施加在同一WE表面处的电位P1、P2，可选择性地控制电子转移和电解(氧化还原)。任何所施加的电位持续时间均可用于P1、P2，例如相等/周期性持续时间、交错持续时间、随机持续时间以及各种电位测定序列、循环伏安法等。在一些示例中，可使用阻抗测定感测。在一个示例中，可由于检测来自两个不同工作电极的两个信号而产生相移(例如，时间延迟)，每个信号由与每个电极相关联的不同EZL(EZL1755、EZL2 756)生成。两个(或更多个)信号可分解成分量，以检测由EZL1 755和EZL2 756中的每一者响应于两种分析物的检测而生成的单个信号和信号伪影。在一些示例中，每个EZL检测不同的分析物。在其他示例中，两个EZL检测相同的分析物。

在另一替代示例性配置中，如图8C至图8D所示，为使用具有两个或更多个活性表面的单个WE的连续多分析物传感器设备提供如上所述的多酶域配置。在一个示例中，本文所讨论的多酶域配置在平面基底上形成。在另一示例中，单个WE是同轴的，例如被配置为导线，具有围绕导线的纵向轴线定位的两个或更多个活性表面。附加导线可例如用作参比电极和/或反电极。在另一示例中，单个WE是基底上的导电迹线，其中两个或更多个活性表面围绕迹线的纵向轴线定位。两个或更多个活性表面的至少一部分是不连续的，从而在同一WE导线或迹线上提供至少两个物理分离的WE表面。(例如，WE1、WE2)。在一个示例中，由WE1检测的第一分析物是葡萄糖，并且由WE2检测的第二分析物是乳酸盐。在另一示例中，由WE1检测的第一分析物是葡萄糖，并且由WE2检测的第二分析物是酮。

因此，图8C至图8D描绘了连续多分析物传感器配置的示例性配置，其中如上所述的EZL1 755、EZL2 756和RL 752(电阻域)例如通过顺序浸涂技术布置在包括空间分离的电极表面WE1、WE2的单个同轴导线上。可沿着WE的纵向轴线独立地控制酶域、电阻域等的一个或多个参数，例如厚度、从导线的远侧端部沿着轴线的长度等。在一个示例中，空间分离的电极表面的至少一部分具有相同的组成。在另一示例中，空间分离的电极表面的至少一部分具有不同的组成。在图8C至图8D中，WE1表示被配置为例如在P1下操作的第一工作电极表面，并且与被配置为在P2下操作的第二工作电极表面WE2电绝缘，并且RE表示与WE1、WE2两者电隔离的参比电极RE。在图8C的配置中提供一个电阻域，其覆盖参比电极和WE1、WE2。在图8D的配置中提供附加电阻域，其基本上仅覆盖WE2并在其上延伸。可使用附加电极，诸如反电极。此类配置(无论是单导线还是双导线配置)也可用于使用两种不同技术来测量相同的分析物。使用不同的信号生成序列以及不同的RL，从两种不同模式的测量收集的数据提供了增加的保真度、改善的性能和设备寿命。非限制性示例是葡萄糖氧化酶(产生H2O2)和葡萄糖脱氢酶(电偶联)配置。在两个电位下从两个不同的电极测量葡萄糖提供了更多的数据点和准确性。此类方法对于葡萄糖感测可能不是必需的，但是可单独地或与葡萄糖感测组合地应用于其他分析物的生物标志物感测谱，诸如酮感测、酮/乳酸盐感测和酮/葡萄糖感测。

在图8C至图8D所描绘的替代配置中，呈现了可共线、缠绕或以其他方式并置的两个或更多个导线电极，其中WE1与WE2分离，例如，与其他细长形状电极分离。绝缘层将WE1与WE2电隔离。在该配置中，独立的电极电位可施加到对应电极表面，其中独立的电极电位可同时、顺序或随机地提供给WE1、WE2。在一个示例中，呈现给对应电极表面WES1、WES2的电极电位是不同的。可存在一个或多个附加电极，诸如参比电极和/或反电极。在一个示例中，WES2以细长布置定位在WES1的纵向远侧。使用例如浸涂法，用酶域EZL1涂覆WES1和WES2，而用不同的酶域EZL2涂覆WES2。基于浸渍参数或不同厚度的酶域，可采用多层酶域，每一层独立地包括不同载量和/或组成的酶和/或辅因子、介体。同样地，可应用一个或多个电阻域(RL)，每个电阻域可沿着电极的纵向轴线具有不同的厚度，并且例如通过控制浸渍长度和其他参数而在不同的电极和酶域上。参考图8D，描绘了RL'的此类布置，其中附加RL 752'与WES2相邻，但基本上不在WES1中。

在测量两种不同的分析物的一个示例中，上述配置包括酶域EZL1 755，其包括一种或多种酶和用于EZL1的至少一种酶的一种或多种介体，以提供到WES1的直接电子转移并确定至少第一分析物的浓度。另外，酶域EZL2 756可包括至少一种酶，该酶在与其底物的催化期间提供过氧化物(例如过氧化氢)或消耗氧。在EZL2 756中产生的过氧化物或氧迁移至WES2并提供直接或间接对应于第二分析物的可检测信号。例如，WES2可以是碳，连线到葡萄糖脱氢酶以测量葡萄糖，而WES1可以是铂，其测量由EZL2 756中的乳酸氧化酶/乳酸盐产生的过氧化物。如本文所公开的电极材料和酶的组合是示例而非限制性的。

在一个示例中，P1和P2的电位可由一定量的电位分离，使得两个信号(来自从EZL1755的直接电子转移和来自WE处的过氧化氢氧化还原)可被分别激活和测量。在一个示例中，传感器的电子模块可以连续或半连续的周期性方式在两个感测电位之间连续切换，例如电位P1下的时期(t1)和电位P2下的时期(t2)，任选地具有不施加电位的休息时间。然后可分析所提取的信号，以测量两种不同的分析物的浓度。在另一示例中，传感器的电子模块可经历循环伏安法，当扫过P1和P2的电位时提供电流变化可分别与来自直接电子转移或过氧化氢电解的转导信号相关。在一个示例中，感测的模式是非限制性的，并且可包括不同的电流测定法技术，例如循环伏安法。在一个示例中，提供替代配置，但EZL2中的过氧化氢产生由维持P2≠P1关系的另一种合适的电解化合物(诸如氧)和提供另一种电解化合物的至少一种酶-底物组合代替。

例如，制备了用于胆碱和葡萄糖的连续多分析物传感器配置，其中酶域EZ1 755、EZ2 756与不同的WE(例如铂WE2和金WE1)相关联。在该示例性情况下，EZL1 755含有葡萄糖氧化酶和与WE1偶联的介体，以促进在葡萄糖催化时的电子直接转移，并且EZL2 756含有胆碱氧化酶，其将催化胆碱并生成用于在WE2处电解的过氧化氢。EZL'涂覆有电阻域；在固化和准备就绪后，它们在葡萄糖和胆碱的存在下经历循环伏安法。连线到金电极的葡萄糖氧化酶能够在0.2伏特下转导信号，因此，通过分析0.2伏特下的电流变化，可确定葡萄糖浓度。数据还表明，如果在电压P2下分析CV迹线，则在WE2铂电极处也可推断性地检测到胆碱浓度。

在一个示例中，电极WE1或WE2可为例如复合材料，例如金电极，其具有顶部上沉积的铂墨、碳/铂混合物，和或铂顶部上的痕量碳，或铂表面上的多孔碳涂层。在一个示例中，电极表面含有两种不同的材料，例如，碳用于连线酶和电子转移，而铂可用于过氧化氢氧化还原和检测。如图8E所示，示出了此类复合电极表面的示例，其中延伸的铂覆盖的导线757半涂覆有碳758，以促进在相同电极的两个不同表面上进行多感测。在一个示例中，WE2可例如通过气相沉积、溅射或电解沉积等在WE1的表面或远侧端部的一部分上生长或从其延伸。

附加示例包括可用于形成WE1和WE2中的一者或两者的复合电极材料。在一个示例中，包括具有葡萄糖脱氢酶的EZL1的铂-碳电极WE1连线到碳表面，并且外EZL2包括生成过氧化氢的乳酸氧化酶，该过氧化氢可被同一WE1电极的铂表面检测到。该配置的其他示例可包括酮感测(EZL1 755中的β-羟基丁酸脱氢酶电偶联酶)和葡萄糖感测(EZL2 756中的葡萄糖氧化酶)。其他膜可用于前述配置中，诸如电极、电阻、生物界面和药物释放膜。在其他示例中，工作电极(WE1、WE2)中的一者或两者可以是金-碳(Au-C)、钯-碳(Pd-C)、铱-碳(Ir-C)、铑-碳(Rh-C)或钌-碳(Ru-C)。在一些示例中，本文所讨论的工作电极中的碳可代替地或附加地包括石墨烯、氧化石墨烯或适合于形成工作电极的其他材料，诸如可商购的碳墨。

甘油传感器配置

如图9A所示，描绘了示例性连续甘油传感器配置，其中包括半乳糖氧化酶的第一酶域EZL1 760接近WE表面的至少一部分定位。包括葡萄糖氧化酶和过氧化氢酶的第二酶域EZL2 761更远离WE地定位。如图9A所示，一个或多个电阻域(RL)752定位在EZL1 760与EZL2761之间。可采用附加RL，例如与EZL2 761相邻。设想对一个或多个RL膜进行修改以减弱任一种分析物的通量并增加甘油对半乳糖的灵敏度比率。上述甘油感测配置提供可与如本文所公开的一种或多种附加传感器配置组合的甘油传感器。

甘油可被半乳糖氧化酶(GalOx)催化，然而，GalOx对甘油具有1％至5％的活性比率。在一个示例中，可利用GalOx对该次级分析物甘油的活性。甘油在体内的相对浓度比半乳糖高得多(半乳糖为约2umol/l，而甘油为约100umol/l)，这补充了前述配置。

如果EZL1 760膜中存在的GalOx没有另外的功能限制，则GalOx将催化通过一个或多个RL的大部分(如果不是全部)甘油。来自存在的甘油的信号贡献将比来自半乳糖的信号贡献更高。在一个示例中，一个或多个RL'被化学配置为提供更高的甘油流入量或更低的半乳糖流入量。

在另一示例中，使用多个工作电极WE提供二醇传感器配置，该配置利用从两个WE转导的信号。利用从两个WE转导的信号可提供增加的选择性。在一个示例中，EZL1 760和EZL2 761包括相同的氧化酶(例如，半乳糖氧化酶)，其具有不同的酶载量比率，和/或不同的固定聚合物和/或在WE上不同数量和层的RL'。此类配置提供了具有不同灵敏度的相同目标分析物的测量，从而产生双重测量。使用数学算法来校正来自第一信号的噪声和干扰，以及将来自具有第一分析物灵敏度比率的一个感测电极的第一信号输入到数学算法中，允许了对应于期望的分析物贡献的第二信号的分离。可通过调节酶源、EZL'中的酶载量、EZL'的化学性质/扩散特性、至少一种RL'的化学/扩散特性以及它们的组合中的一者或多者来提供对一个或多个EZL'的灵敏度比率的修改，以区分来自干扰物质和感兴趣的分析物的信号。

如本文所讨论的，次级酶域可用于催化非目标分析物，降低它们的浓度并限制通过含有初级酶和必要添加剂的相邻膜朝向感测电极的扩散。在该示例中，最远侧的酶域EZL2 761被配置为催化非目标分析物(否则其将与EZL1反应)，从而提供目标分析物(甘油)浓度的可能较不准确的读数。该次级酶域本身可充当“选择性扩散排阻膜”，或在一些其他配置中可置于电阻层(RL)752之上或之下。在该示例中，目标分析物是甘油，并且GalOX用于催化甘油以形成可测量物质(例如，过氧化氢)。

在一个示例中，至少使用甘油氧化酶提供连续甘油传感器配置，甘油氧化酶在甘油反应和催化时提供过氧化氢。因此，在一个示例中，包括甘油氧化酶的酶域可邻近WE表面的至少一部分定位，并且使用电流测定法来检测过氧化氢。在另一示例中，包括甘油氧化酶的酶域用于感测氧水平变化，例如在Clark型电极设置中。另选地，WE表面的至少一部分可涂覆有一层或多层电偶联的聚合物，诸如下面讨论的介体体系，以提供能够在较低电位下从酶转移电子的涂覆的WE。然后涂覆的WE可在不同并且更低的电压下操作，以测量氧及其与甘油浓度的相关性。

在另一示例中，在酶域中使用甘油-3-磷酸氧化酶提供甘油传感器配置。在一个示例中，ATP用作辅因子。因此，如图9B和图9C所示，描绘了示例性传感器配置，其中在一个示例中(图9B)，一种或多种辅因子(例如ATP)762接近WE表面的至少一部分。包括甘油-3-磷酸氧化酶(G3PD)、脂肪酶和/或甘油激酶(GK)的一个或多个酶域763以及在酶域中含有的能够连续再生辅因子的一种或多种再生酶与辅因子相邻，或者比辅因子层762更远离WE表面。可用于提供ATP再生的再生酶的示例包括但不限于ATP合酶、丙酮酸激酶、乙酸激酶和肌酸激酶。一种或多种再生酶可包括在一个或多个酶域中，或者包括在单独的层中。

图9C示出了替代配置，其中包括G3PD、至少一种辅因子和至少一种再生酶的一个或多个酶域763接近WE表面的至少一部分定位，其中一个或多个辅因子储库762邻近包括G3PD的酶域并且更远离WE表面，并且一个或多个RL'752邻近辅因子储库定位。在这些配置中的任一种配置中，可包括附加酶域(其包括脂肪酶)以间接测量甘油三酯，因为脂肪酶将产生甘油以供前述甘油传感器配置检测。

在另一示例中，使用脱氢酶与辅因子和再生酶来提供甘油传感器配置。在一个示例中，可结合至一个或多个酶域中的辅因子包括NAD(P)H、NADP+和ATP中的一者或多者。在一个示例中，例如，对于NAD(P)H的使用，再生酶可以是NADH氧化酶或心肌黄酶以将NADH(脱氢酶催化的产物)转化回NAD(P)H。类似的方法可用于产生其他甘油传感器，例如，甘油脱氢酶，与NADH氧化酶或心肌黄酶组合，可被配置为测量甘油或氧。

在一个示例中，数学建模可用于识别和去除干扰信号，测量非常低的分析物浓度、信号误差和噪声降低，以便改善和增加多分析物传感器的使用寿命。例如，对于双WE电极配置，其中WE1涂覆有第一EZL，而WE2涂覆有两个或更多个不同的EZL，任选地具有一个或多个电阻域(RL)，可对此类干扰进行数学校正，以提供测量的增加的准确性。

每个分析物感测区域上的酶载量、固定聚合物和电阻域特性的变化可导致两种或更多种目标分析物和干扰物质之间的不同灵敏度比率。如果使用数学建模来收集和分析信号，则可计算目标分析物的更精确浓度。

使用数学建模可能有所帮助的一个示例是甘油感测，其中半乳糖氧化酶对半乳糖和甘油两者灵敏。半乳糖氧化酶对甘油的灵敏度比率约为其对半乳糖的灵敏度的1％至5％。在此类情况下，通过调节一个或多个参数，诸如酶源、酶载量、酶域(EZL)扩散特性、RL扩散特性以及它们的组合，可修改对两种分析物的灵敏度比率。如果两个WE在传感器系统中操作，则使用数学建模对来自两个WE的信号进行校正和分析提供了高度的保真度和目标分析物浓度测量。

在上述配置中，本文所讨论的这些酶固定层中的一个或多个酶固定层与WE的接近度可以是不同的或相反的，例如如果最接近WE酶域的酶固定层提供过氧化氢，则可使用该配置。

在一些示例中，可使用一种或多种协同工作的酶来测量目标分析物。在一个示例中，ATP可固定化在一个或多个EZL膜中，或可单独或与第二辅因子组合添加到相邻层中，或可再生/再循环用于相同EZL或相邻第三EZL中。该配置还可包括辅因子再生酶，例如醇脱氢酶或NADH氧化酶，以再生NAD(P)H。可用于ATP再生的辅因子再生酶的其他示例是ATP合酶、丙酮酸激酶、乙酸激酶、肌酸激酶等。

在一个示例中，前述连续甘油传感器配置可与前述连续醇传感器配置、连续尿酸传感器配置、连续胆固醇传感器配置、连续胆红素/抗坏血酸传感器配置、酮传感器配置、胆碱传感器配置中的任一种配置组合，以提供如下文进一步描述的连续多分析物传感器设备。该连续多分析物传感器设备还可包括连续葡萄糖监测能力。其他配置可用于前述连续甘油传感器配置中，诸如电极、电阻、生物界面和药物释放膜。

肌酸酐传感器配置

在一个示例中，提供了连续肌酸酐传感器配置，此类配置含有一种或多种酶和/或辅因子。肌酸酐传感器配置是生成中间体、干扰产物的连续分析物感测系统的示例，其中这些中间体/干扰物也存在于所取样的生物流体中。本公开提供解决这些技术问题的解决方案，并且提供单独或与其他连续多分析物传感器配置组合的准确、稳定和连续肌酸酐监测。

肌酸酐传感器在使用时经历许多生理上存在的中间体/干扰产物(例如肌氨酸和肌酸)的变化，这些中间体/干扰产物可影响转导信号与肌酸酐浓度的相关性。例如，肌氨酸的生理浓度范围比肌酸酐或肌酸低一个数量级，因此来自循环肌氨酸的信号贡献通常是最小的。然而，局部生理肌酸浓度的变化可影响肌酸酐传感器信号。在一个示例中，消除或减少此类信号贡献。

因此，在一个示例中，消除或减少肌酸酐传感器的肌酸信号贡献包括使用将消耗非目标干扰分析物(在这种情况下为肌酸)的至少一种酶。例如，使用邻近彼此定位的两个酶域。第一酶域的至少一部分接近WE表面的至少一部分定位，第一酶域包括选自肌酸酐酰胺水解酶(CNH)、肌酸酰胺水解酶(CRH)和肌氨酸氧化酶(SOX)的一种或多种酶。与第一酶域相邻并且更远离WE表面的第二酶域包括一种或多种酶，该一种或多种酶使用肌酸作为它们的底物，以便消除或减少肌酸朝向WE的扩散。在一个示例中，酶的组合包括CRH、SOX、肌酸激酶和过氧化氢酶，其中调节酶比率以提供充足数量的单位，使得循环肌酸将至少部分地被CRH消耗，提供肌氨酸和尿素，而产生的肌氨酸将至少部分地被SOX消耗，提供氧化形式的甘氨酸(例如甘氨酸醛)，其将至少部分地被过氧化氢酶消耗。在上述的替代配置中，由CRH催化产生的尿素可至少部分地被尿素酶消耗以提供氨，其中水性形式(NH4+)经由离子选择性电极(例如，非肌动蛋白离子载体)被检测。此类替代电位测定感测配置可提供对电流测定过氧化物检测的替代方案(例如，改善的灵敏度、检测限制以及参比电极的无损耗、替代的路径/机制)。该双分析物感测示例可包括肌酸酐-钾传感器，其在两个不同的工作电极处具有电位测定感测。在该示例中，可识别和校正干扰信号。在一个替代示例中，前述配置可包括多模式感测架构，其使用电流测定法和电位测定法的组合来检测过氧化物和铵离子的浓度，过氧化物和铵离子的浓度分别使用电流测定法和电位测定法来测量并且与测量肌酸酐浓度相关联。在一个示例中，前述配置还可包括将两个酶域分离以提供互补或辅助扩散分离和屏障的一种或多种配置(例如，无酶)。

在又一示例中，分离信号并且基本上仅测量肌酸酐的方法是使用第二WE，该第二WE测量干扰物质(例如，肌酸)，并且然后使用数学建模来校正信号。因此，例如，来自与肌酸相互作用的WE的信号用作参考信号。来自与肌酸酐相互作用的另一WE的信号根据来自与肌酸相互作用的WE的信号进行校正，以选择性地确定肌酸酐浓度。

在又一示例中，感测肌酸酐是通过电化学测量氧水平变化，例如在Clark型电极设置中，或者使用涂覆有不同聚合物(诸如NAFION^TM)的层的一个或多个电极并且基于氧变化来关联电位变化，这将与肌酸酐浓度间接相关。

在又一示例中，感测肌酸酐是通过使用肌氨酸氧化酶，该肌氨酸氧化酶使用一种或多种电偶联的介体连线到至少一个WE。在该方法中，肌酸酐浓度将与从WE收集的电子转移生成的信号间接相关。

对于基于过氧化氢和/或氧测量的前述肌酸酐传感器配置，一种或多种酶可以在单个酶域中，或一种或多种酶可独立地在一个或多个酶域中，或其任何其他组合中，其中在每一层中存在至少一种酶。对于基于使用电偶联的含肌氨酸氧化酶的层的前述肌酸酐传感器配置，该层邻近电极定位并且使用介体电偶联到电极表面的至少一部分。

在另一示例中，前述肌酸酐传感器配置可通过使用尿素酶(UR)使用电位测定法来感测，该尿素酶从尿素产生铵，尿素由肌酸通过CRH产生，肌酸由肌酸酐与CNH的相互作用形成。因此，铵可通过上述配置来测量并与肌酸酐浓度相关联。另选地，肌酸酰胺水解酶(CI)或肌酸酐脱亚氨酶可用于产生氨气，其在经皮传感器的生理条件下将提供用于信号转导的铵离子。

在又一示例中，感测肌酸酐是通过使用一种或多种酶和一种或多种辅因子。此类配置的一些非限制性示例包括从肌酸酐提供铵的肌酸酐脱氨酶(CD)、从铵提供过氧化物的谷氨酸脱氢酶(GLDH)，其中过氧化氢与当前肌酸酐的水平相关。上述配置还可包括第三酶：谷氨酸氧化酶(GLOD)，以进一步分解由GDLH形成的谷氨酸并产生附加过氧化氢。此类酶的组合可独立地在一个或多个酶域或其任何其他组合中，其中在每个域或层中存在至少一种酶。

在又一示例中，感测肌酸酐是通过肌酸酐酰胺水解酶(CNH)、肌酸激酶(CK)和丙酮酸激酶(PK)的组合，其中由PK产生的丙酮酸可通过独立配置的乳酸脱氢酶(LDH)或丙酮酸氧化酶(POX)中的一者或多者来检测，其中前述酶中的一种或多种酶存在于一个层中，或其中多个层中的每一层包括至少一种酶；它们的任何其他组合。

在使用一种或多种辅因子和/或针对辅因子的再生酶的此类传感器配置中，可在一种或多种配置中的任一种配置中提供过量的NADH、NAD(P)H和ATP中的一者或多者，并且可引入一个或多个扩散阻力域以限制或防止辅因子从它们相应的膜流出。其他配置可用于前述配置中，诸如电极、电阻、生物界面和药物释放膜。

在又一示例中，通过在一个或多个酶域中使用肌酸酐脱亚氨酶并且经由肌酸酐的催化向酶域提供铵来提供肌酸酐检测。然后可通过电位测定法或通过使用当暴露于铵离子时经历氧化还原的复合电极(例如NAFION^TM/聚苯胺复合电极)来检测铵离子，其中聚苯胺在电位下的电极处存在铵时经历氧化还原。然后可将铵浓度与肌酸酐浓度相关联。

图10描绘了用于肌酸酐的示例性连续传感器配置。在图10的示例中，传感器包括第一酶域764，该第一酶域包括与工作电极WE(例如，铂)相邻的CNH、CRH和SOX。第二酶域765邻近第一酶域定位，并且更远离WE。一个或多个电阻域(RL)752可邻近第二酶域定位或定位在第一层与第二层之间。肌酸酐可通过RL和第二酶域扩散至第一酶域，在那里它转化成过氧化物并转导对应于其浓度的信号。肌酸可通过RL扩散，并且在第二酶域中转化成肌氨酸和尿素，肌氨酸被肌氨酸氧化酶消耗，并且所生成的过氧化物被过氧化氢酶消耗，从而防止肌酸信号的转导。

例如，对于单独或与一种或多种其他分析物组合的肌酸酐的连续监测，上述配置的变化是可能的。因此，感测肌酸酐的一种替代方法可以是电化学感测氧水平变化，例如在Clark型电极设置中。在一个示例中，WE可涂覆有不同聚合物(诸如NAFION^TM)的层，并且基于可能的氧变化的变化，肌酸酐浓度可以是相关的。在又一示例中，可使用一种或多种介体将最接近WE的一种或多种酶(即，肌氨酸氧化酶)“连线”到电极。上述配置中的不同酶中的每一种酶可分布在聚合物基质或域内以提供一个酶域。在另一示例中，本文所讨论的不同酶中的一种或多种酶可形成为酶域并且可逐层形成，其中每一层存在至少一种酶。在具有多层膜的“连线”酶配置的示例中，连线酶域将最接近电极。一个或多个干扰物层可沉积在多层酶配置中，以便阻止非目标分析物到达电极。

在一个示例中，前述连续肌酸酐传感器配置可与前述连续醇传感器配置、连续尿酸传感器配置、连续胆固醇传感器配置、连续胆红素/抗坏血酸传感器配置、酮传感器配置、胆碱传感器配置、甘油传感器配置中的任一种配置组合，以提供如下文进一步描述的连续多分析物传感器设备。该连续多分析物传感器设备还可包括连续葡萄糖监测能力。

乳糖传感器配置

在一个示例中，提供了连续乳糖传感器配置，该连续乳糖传感器配置单独或与包括一种或多种酶和/或辅因子的另一分析物感测配置组合。在一般意义上，使用包括乳糖酶的至少一个酶域的乳糖感测配置用于从乳糖产生葡萄糖和半乳糖。然后产生的葡萄糖或半乳糖被酶促转化成过氧化物，以用于在电极处进行信号转导。因此，在一个示例中，包括乳糖酶的至少一个酶域EZL1接近能够电解过氧化氢的WE表面的至少一部分定位。在一个示例中，葡萄糖氧化酶(GOX)包括在EZL1中，具有一种或多种辅因子或电偶联的介体。在另一示例中，半乳糖氧化酶(GalOx)包括在EZL1中，任选地具有一种或多种辅因子或介体。在一个示例中，葡萄糖氧化酶和半乳糖氧化酶都包括在EZL1中。在一个示例中，葡萄糖氧化酶和半乳糖氧化酶都包括在EZL1中，任选地具有一种或多种辅因子或电偶联的介体。

一个或多个附加EZL'(例如EZL2)可邻近EZL1定位，其中EZL2的至少一部分比EZL1更远离WE的至少一部分。在一个示例中，一个或多个层可定位在EZL1与EZL2之间，此类层可包括酶、辅因子或介体，或者基本上没有酶、辅因子或介体中的一者或多者。在一个示例中，定位在EZL1与EZL2之间的一个或多个层基本上没有酶，例如没有特意添加的酶。在一个示例中，一个或多个层可邻近EZL2定位，比EZL2更远离EZL1的至少一部分，并且包括存在于EZL1或EZL2中的酶中的一种或多种酶。

在前述乳糖传感器配置的一个示例中，可使用偶联介体将生成过氧化物的酶电偶联到电极。来自前述乳糖传感器配置的转导过氧化物信号可与存在的乳糖水平相关。

图11A至图11D描绘了替代连续乳糖传感器配置。因此，在包括GalOx和乳糖酶的最接近WE(G1)的酶域EZL1 764中，提供了对半乳糖和乳糖浓度变化灵敏并且基本上不转导葡萄糖浓度的乳糖传感器。如图11B至图11D所示，使用附加层，包括不含酶的层759和酶域765(例如，含乳糖酶的层)，以及任选的电极、电阻、生物界面和药物释放膜(未示出)。由于生理半乳糖浓度的变化很小，所以转导信号基本上来自生理乳糖波动。

在一个示例中，前述连续乳糖传感器配置可与前述连续醇传感器配置、连续尿酸传感器配置、连续胆固醇传感器配置、连续胆红素/抗坏血酸传感器配置、酮传感器配置、胆碱传感器配置、甘油传感器配置、肌酸酐传感器配置中的任一种配置组合，以提供如下文进一步描述的连续多分析物传感器设备。该连续多分析物传感器设备还可包括连续葡萄糖监测能力。其他膜可用于前述传感器配置中，诸如电极、电阻、生物界面和药物释放膜。

尿素传感器配置

如上所述的类似方法也可用于产生连续尿素传感器。例如，可分解尿素并提供铵的尿素酶(UR)可用于酶域配置中。铵可用电位测定法或通过使用复合电极(例如，当暴露于铵时经历氧化还原的电极)来检测。用于铵信号转导的示例电极包括但不限于NAFION^TM/聚苯胺复合电极，其中聚苯胺在所施加的电位下存在铵时经历氧化还原，其中信号与周围存在的铵的水平基本上直接相关。该方法也可用于使用谷氨酰胺酶(GLUS)测量其他分析物，诸如谷氨酸。

在一个示例中，前述连续尿酸传感器配置可与前述连续醇传感器配置和/或连续尿酸传感器配置和/或连续胆固醇传感器配置和/或连续胆红素/抗坏血酸传感器配置和/或连续酮传感器配置和/或连续胆碱传感器配置和/或连续甘油传感器配置和/或连续肌酸酐传感器配置和/或连续乳糖传感器配置中的任一种配置组合，以提供如下文进一步描述的连续多分析物传感器设备。该连续多分析物传感器设备还可包括连续葡萄糖监测能力。其他膜可用于前述尿酸传感器配置中，诸如电极、电阻、生物界面和药物释放膜。

在某些实施方案中，连续分析物监测系统104可以是钾传感器，如参考图1所讨论的。图7至图14描述了根据本公开的某些实施方案的用于测量目标分析物(例如，钾)的电生理学信号和/或浓度的示例传感器设备。

如本文所用，术语“离子”是广义的术语，并且将向本领域普通技术人员给出其普通和惯用的含义(并且不限于特殊的或定制的含义)，并且是指(但不限于)由于失去或获得一个或多个电子而带有净电荷的原子或分子。生物流体中的离子可称为“电解质”。生物流体中离子的非限制性示例包括钠(Na⁺)、钾(K⁺)、镁(Mg²⁺)、钙(Ca²⁺)、氢(H⁺)、锂(Li⁺)、氯(Cl^-)、硫(S^2-)、亚硫酸根(SO₃ ^2-)、硫酸根(SO₄ ^2-)、磷酸根(PO₄ ^3-)和铵(NH₄ ⁺)。离子是分析物的示例。

图12A示意性地示出了用于测量体内生物流体10中的诸如目标离子11等目标分析物的电生理学信号和/或浓度的设备1200的示例配置和部件。首先转到图12，设备1200包括留置传感器1210和传感器电子器件1220。传感器1210包括基底1201、设置在基底上的第一电极(E1)1211和设置在基底上的第二电极(E2)1217。第一电极1211可称为工作电极(WE)，而第二电极1217可称为参比电极(RE)。传感器电子器件1220可被配置为生成对应于电动势(EMF)的信号。在一些示例中，EMF至少部分地基于响应于生物流体10将电生理学信号传导到第一电极1211而在第一电极1211与第二电极1217之间生成的电位差。传感器电子器件1220可被配置为使用该信号来生成对应于该信号的测量值的输出。在各种示例中，EMF至少部分地基于(i)第一电极1211或第二电极1217与(ii)与第一电极或第二电极间隔开的另一电极之间的电位差。

另外或另选地，在一些示例中，设备1200可包括离子载体，诸如如图12B所示的离子载体1215，该离子载体设置在基底1201上并且被配置为选择性地将目标离子11转运到第一电极1211或在第一电极内转运。EMF可至少部分地基于可响应于离子载体将目标离子转运到或转运通过第一电极1211而在第一电极1211与第二电极1217之间生成的电位差。传感器电子器件1220(和/或经由合适的有线或无线连接接收信号的外部设备)可被配置为使用信号来生成对应于生物流体中的目标离子的浓度的测量值的输出。下面进一步提供关于传感器电子器件1220的配置和使用的进一步细节。

任选地，除了离子浓度之外，第一电极1211还可用于测量电生理学信号。在其他示例中，诸如当设备1200被配置为检测电生理学信号而不是离子浓度时，第一电极1211不需要包括离子载体，诸如如图12B所示的离子载体1215。在其他示例中，第一电极1211可包括非活性的离子载体，使得其不干扰电生理学信号的测量。

以诸如图12A所示的方式，生物流体10可包括多种离子11、12、13、14和15。设备1200可被配置为测量离子11的浓度，并且因此此类离子可称为“目标”离子。目标离子11可以是任何合适的离子，并且在非限制性示例中选自由以下各项组成的组：钠(Na⁺)、钾(K⁺)、镁(Mg²⁺)、钙(Ca²⁺)、氢(H⁺)、锂(Li⁺)、氯(Cl^-)、亚硫酸根(SO₃ ^2-)、硫酸根(SO₄ ^2-)、磷酸根(PO₄ ^3-)和铵(NH₄ ⁺)。离子12、13、14和15可以是由以下各项组成的组中的其他离子：钠(Na⁺)、钾(K⁺)、镁(Mg²⁺)、钙(Ca²⁺)、氢(H⁺)、锂(Li⁺)、氯(Cl^-)、硫(S^2-)、亚硫酸根(SO₃ ^2-)、硫酸根(SO₄ ^2-)、磷酸根(PO₄ ^3-)和铵(NH₄ ⁺)。离子12、13、14和15可被认为是对目标离子11的测量的干扰物，因为它们有可能干扰传感器对目标离子11的测量，从而产生不能准确地表示目标离子11的浓度的信号。离子载体，诸如如图12B所示的离子载体1215，可被选择以便选择性地将目标离子11转运到第一电极1211或在第一电极内转运，并且完全地、部分地和/或基本上抑制离子12、13、14或15中的一者或多者转运到第一电极1211或在第一电极内转运。例如，如图12B所示，离子载体1215可将来自生物流体10或来自生物界面膜1214(如果提供的话，例如如下所述)的目标离子11选择性地转运或选择性地结合到第一电极1211内，而离子12、13、14和15可基本上保留在生物流体10或生物界面膜1214内。因此，响应于离子到第一电极1211或在第一电极内的转运而对第一电极1211与第二电极1217之间的电位差的贡献基本上可主要由目标离子11而非由离子12、13、14或15中的一者或多者引起。

多种离子载体1215可用于以诸如参考图12A至图12B所述的方式选择性地转运对应离子。例如，在目标离子11是氢(经由过氧化物)的情况下，离子载体1215可以是三(十二烷基)胺、4-十九烷基吡啶、N,N-二(十八烷基)甲胺、异烟酸十八烷基酯、杯[4]-氮杂-冠。或者例如，在目标离子11是锂的情况下，离子载体1215可以是ETH 149、N,N,N',N',N”,N”-六环己基-4,4',4”-丙酰亚胺(3-氧杂丁酰胺)或6,6-二苄基-1,4,8-11-四氧杂环十四烷。或者例如，在目标离子11是亚硫酸根的情况下，离子载体1215可以是4-甲酰基苯甲酸十八烷基酯。或者例如，在目标离子11是硫酸根的情况下，离子载体1215可以是1,3-[双(3-苯基硫脲基甲基)]苯或锌酞菁。或者例如，在目标离子11是磷酸根的情况下，离子载体1215可以是9-癸基-1,4,7-三氮杂环十二烷-8,10-二酮。或者例如，在目标离子11是钠的情况下，离子载体1215可以是4-叔丁基杯[4]芳烃-四乙酸四乙酯(钠离子载体X)或杯[4]芳烃-25,26,27,28-四醇(杯[4]芳烃)。或者例如，在目标离子11是钾的情况下，离子载体1215可以是钾离子载体II(BB15C5)或缬氨霉素。或者例如，在目标离子11是镁的情况下，离子载体1215可以是4,5-双(苯甲酰基硫代)-1,3-二硫戊环-2-硫酮(Bz2dmit)或1,3,5-三[10-(1-金刚烷基)-7,9-二氧代-6,10-二氮癸基]苯(镁离子载体VI)。或者例如，在目标离子11是钙的情况下，离子载体1215可以是钙离子载体I(ETH 1001)或钙离子载体II(ETH129)。或者例如，在目标离子11是氯的情况下，离子载体1215可以是氯化三(十二烷基)甲基铵(TDMAC)。或者例如，在目标离子11是铵的情况下，离子载体1215可以是非肌动蛋白。

在图12A所示的非限制性示例中，离子载体1215可设置在第一电极1211内，并且在此类示例中，第一电极可称为离子选择性电极(ISE)，因为离子载体1215选择性地转运目标离子11。在一些示例中，第一电极1211可包括其中任选地具有离子载体1215的导电聚合物。说明性地，导电聚合物可以约90重量％至约99.5重量％的量存在于第一电极1211中。离子载体1215可以约0.5重量％至约10重量％的量存在于第一电极中。在一些示例中，导电聚合物可选自由以下各项组成的组：聚(3,4-亚乙基二氧噻吩)(PEDOT)、聚(3,4-亚乙基二氧噻吩)聚磺苯乙烯(PEDOT:PSS)、聚苯胺(PANI)、聚(吡咯)(PPy)或聚(3-辛基噻吩)(POT)。

虽然在不包括离子载体1215的第一电极1211中可适当地使用导电聚合物(诸如上面列出的)，但是可替代地使用其他材料，下面参考图13描述了其中的一些非限制性示例。任选地，离子载体1215可设置在膜中，该膜设置在第一电极1211上(该电极可不包括离子载体1215)，例如诸如下文将参考图13描述的。

第一电极1211可以增强其生物相容性的方式配置。例如，第一电极1211可基本上不包括任何增塑剂，否则增塑剂可能浸出到生物流体10中，潜在地导致毒性和/或设备性能退化。如本文所用，“基本上”不包括诸如增塑剂等材料旨在意指第一电极1211或本文所讨论的其他方面不包含可检测量的“基本上”不包括的材料。在一些示例中，第一电极1211可基本上由导电聚合物组成，任选地还有离子载体1215。在一些示例中，第一电极1211可基本上由导电聚合物、离子载体1215和具有离子交换能力的添加剂组成。此类添加剂可充当离子交换剂。在一个示例中，添加剂有助于离子选择性。在另一示例中，添加剂可不提供离子选择性。例如，添加剂可有助于在膜中提供基本上均匀的离子浓度。另外或另选地，添加剂可有助于生物流体中离子浓度的任何变化，以引起膜内的离子交换，这可诱发非选择性电位差。另外或另选地，与单独的离子载体的选择性相比，离子载体和离子交换剂可形成提高离子载体对目标离子的选择性的复合物。

任选地，添加剂可包括亲脂性盐。在非限制性示例中，亲脂性盐选自由以下各项组成的组：四[3,5-双(三氟甲基)苯基]硼酸钠(NaTPFB)、四苯基硼酸钠(NaTPB)、四[3,5-双(三氟甲基)苯基]硼酸钾(KTFPB)和四(4-氯苯基)硼酸钾(KTClPB)。添加剂可以约0.01重量％至约1重量％的量或其他合适的量存在于第一电极中。

可选择传感器1210内的其他材料。例如，基底1201可包括选自由以下各项组成的组的材料：金属、玻璃、透明导电氧化物、半导体、电介质、陶瓷和聚合物(诸如生物聚合物或合成聚合物)。在一些示例中，第二电极1317可包括金属、金属合金、过渡金属氧化物、透明导电氧化物、碳材料、掺杂半导体、二元半导体、三元半导体或导电聚合物。二元半导体可包括适用于半导体的任何两种元素。三元半导体可包括两种或更多种二元半导体。在使用金属或金属合金的示例中，所使用的一种或多种金属可选自由以下各项组成的组：金、铂、银、铱、铑、钌、镍、铬和钛。金属任选地可被氧化或任选地可以是金属盐的形式。可用于第二电极1217的氧化金属的非限制性示例是氧化铱。碳材料可选自由以下各项组成的组：碳糊、氧化石墨烯、碳纳米管、C60、多孔碳纳米材料、介孔碳、玻璃碳、混合碳纳米材料、石墨和掺杂金刚石。掺杂半导体可选自由以下各项组成的组：硅、锗、硅-锗、氧化锌、砷化镓、磷化铟、氮化镓、碲化镉、砷化铟镓和砷化铝。过渡金属氧化物可选自以下各项的组：二氧化钛(TiO₂)、二氧化铱(IrO₂)、二氧化铂(PtO₂)、氧化锌(ZnO)、氧化铜(CuO)、二氧化铈(CeO₂)、氧化钌(IV)(RuO₂)、五氧化二钽(Ta₂O₅)、二氧化钛(TiO₂)、二氧化钼(MoO₂)和二氧化锰(MnO₂)。金属合金可选自由以下各项组成的组：铂-铱(Pt-Ir)、铂-银(Pt-Ag)、铂-金(Pt-Au)、金-铱(Au-Ir)、金-铜(Au-Cu)、金-银(Au-Ag)和钴-铁(Co-Fe)。

可用于传感器2010的导电聚合物可选自由以下各项组成的组：聚(3,4-亚乙基二氧噻吩)(PEDOT)、聚(3,4-亚乙基二氧噻吩)聚磺苯乙烯(PEDOT:PSS)、聚苯胺(PANI)、聚(吡咯)(PPy)或聚(3-辛基噻吩)(POT)。即，第一电极1311和第二电极1317任选地可由彼此相同的材料形成，或者可使用彼此不同的材料形成。在图12A所示的非限制性示例中，第一电极1211和第二电极1217可直接设置在基底1201上，或者可替代地经由一个或多个居间层(未示出)设置在基底1201上。

传感器1210的生物相容性任选地可通过在传感器1210的一个或多个部件上提供生物界面膜来进一步增强。例如，在图12A所示的非限制性配置中，第一生物界面膜(BM1)1214可设置在离子载体1215和第一电极1211上。在另一示例中，第一生物界面膜(BM1)1214可设置在离子载体1215和第一电极1211上，并且第二生物界面膜(BM2)1218可设置在第二电极1217上。尽管为了简化说明，图12A可表明生物界面膜具有矩形形状，但显而易见，该膜可适形于任何下层的形状。在一些示例中，生物界面膜可被配置为抑制离子载体1215、第一电极1211和/或第二电极1217的生物污损。可包括在生物界面膜中的材料的非限制性示例包括硬链段和/或软链段。用于如本文所讨论的生物界面膜1214/1214'/1218或其他生物界面膜的硬链段和软链段的示例包括具有Si基团的芳族聚氨酯硬链段、脂族硬链段、聚碳酸酯软链段或它们的任何组合。在本文所讨论的诸如1214/1214'/1218等生物界面膜或其他生物界面膜的其他示例中，可不包括PVP。在不包括PVP的该示例中，生物界面膜(如本文所讨论的1218、1214、1214'或其他生物界面膜)可包括聚氨酯和PDMS。在可与本文其他示例组合的一些示例中，本文所讨论的生物界面膜可包括一种或多种两性离子化合物。

尽管在参考图12A所述的示例中，离子载体1215包括在第一电极1211内，但是在图13所示的示例中，第一电极1311不包括离子载体1215(并且因此可称为E1'而不是E1)。相反，离子载体1215可位于设置在第一电极1311上的离子选择性膜(ISM)1312内。离子载体1215可以类似于参考图12A至图12B所述的方式选择性地将目标离子11转运到第一电极1311，并且此类转运可导致第一电极1311与第二电极1217之间产生电位差，基于该电位差，传感器电子器件1220可生成对应于生物流体10中目标离子11的浓度的测量值的输出。应当理解，在设备1200用于测量电生理学信号而不用于测量离子浓度的示例中，可省略ISM1312。

以类似于参考第一电极1211所述的方式，离子选择性膜1312基本上可不包括任何增塑剂。在一些示例中，离子选择性膜1312可基本上由生物相容性聚合物和被配置为选择性地结合目标离子的离子载体1215组成。另选地，在一些示例中，离子选择性膜1312可基本上由生物相容性聚合物、被配置为选择性地结合目标离子11的离子载体1215和具有离子交换能力的添加剂(诸如亲脂性盐)组成。以上参考图12A至图12B提供了亲脂性盐的非限制性示例以及添加剂、生物相容性聚合物和离子载体的非限制性量。尽管第一电极1211包括导电聚合物以便能够在其中提供离子载体1215同时保持电极的导电性，但是在离子选择性膜1312中可使用附加类型的材料，因为离子选择性膜1312不需要用作电极。例如，离子选择性膜1312的生物相容性聚合物可包括疏水性聚合物。说明性地，疏水性聚合物可选自由以下各项组成的组：硅酮、氟硅酮(FS)、聚氨酯、聚氨酯脲、聚脲。在一个示例中，ISM 1412(或本文所讨论的其他离子选择性膜或其他膜)的生物相容性聚合物可包括一种或多种嵌段共聚物，其可以是链段式嵌段共聚物。

在一个示例中，疏水性聚合物可以是包括聚氨酯和/或聚脲链段和/或聚酯链段以及聚碳酸酯、聚二甲基硅氧烷(PDMS)、二苯甲烷二异氰酸酯(MDI)、聚砜(PSF)、甲基丙烯酸甲酯(MMA)、聚(ε-己内酯)(PCL)和1,4-丁二醇(BD)中的一者或多者的链段式嵌段共聚物。在其他示例中，疏水性聚合物可替代地或附加地包括聚(氯乙烯)(PVC)、含氟聚合物、聚丙烯酸酯和/或聚甲基丙烯酸酯。

在一个示例中，代替一种或多种疏水性共聚物或除了一种或多种疏水性共聚物之外，生物相容性聚合物还可包括亲水性嵌段共聚物。说明性地，亲水性嵌段共聚物可包括选自由以下各项组成的组的一种或多种亲水性嵌段：聚乙二醇(PEG)和纤维素聚合物。另外或另选地，嵌段共聚物可包括选自由以下各项组成的组的一种或多种疏水性嵌段：聚二甲基硅氧烷(PDMS)、聚四氟乙烯、聚乙烯-共-四氟乙烯、聚烯烃、聚酯、聚碳酸酯、生物稳定的聚四氟乙烯、聚氨酯的均聚物、共聚物、三元共聚物、聚丙烯(PP)、聚氯乙烯(PVC)、聚偏二氟乙烯(PVDF)、聚对苯二甲酸丁二醇酯(PBT)、聚甲基丙烯酸甲酯(PMMA)、聚醚醚酮(PEEK)、聚氨酯、聚(环氧丙烷)以及它们的共聚物和共混物。在一个示例中，离子选择性膜2112不含PVP或其他增塑剂。

在一个示例中，离子选择性膜1312的生物相容性聚合物包括约0.1重量％的硅酮至约80重量％的硅酮。在一个示例中，离子选择性膜1312或本文所讨论的其他离子选择性膜包括约5重量％的硅酮至约25重量％的硅酮。在又一示例中，离子选择性膜1312或本文所讨论的其他离子选择性膜包括约35重量％的硅酮至约65重量％的硅酮。在又一示例中，离子选择性膜1312或本文所讨论的其他离子选择性膜包括约30重量％的硅酮至约50重量％的硅酮。

在某些示例中，ISM 1312或本文所讨论的其他ISM可包括一种或多种嵌段共聚物或链段式嵌段共聚物。链段式嵌段共聚物可包括硬链段和软链段。在该示例中，硬链段可包括用于制备链段式嵌段共聚物的硬链段的芳族或脂族二异氰酸酯。在一个示例中，用于提供聚合物的硬链段的脂族或芳族二异氰酸酯包括降冰片烷二异氰酸酯(NBDI)、异佛尔酮二异氰酸酯(IPDI)、甲苯二异氰酸酯(TDI)、1,3-亚苯基二异氰酸酯(MPDI)、反式-1,3-双(异氰酸甲基)环己烷(1,3-H6XDI)、双环己基甲烷-4,4'-二异氰酸酯(HMDI)、4,4'-二苯基甲烷二异氰酸酯(MDI)、反式-1,4-双(异氰酸甲基)环己烷(1,4-H6XDI)、1,4-环己基二异氰酸酯(CHDI)、1,4-亚苯基二异氰酸酯(PPDI)、3,3'-二甲基-4,4'-联苯二异氰酸酯(TODI)、1,6-六亚甲基二异氰酸酯(HDI)或它们的组合。在一个示例中，硬链段可以是ISM 1312的链段式嵌段共聚物的约5重量％至约90重量％。在另一示例中，硬链段可以是约15重量％至约75重量％。在又一示例中，硬链段可以是约25重量％至约55重量％。应当理解，离子选择性膜1312和第一电极1211可以任何合适的方式制备。说明性地，聚合物、离子载体1215和任何添加剂均可以适当量分散在合适的有机溶剂(例如，四氢呋喃、异丙醇、丙酮或甲基乙基酮)中。可使用任何合适的技术将混合物涂覆到基底1201上(或涂覆到其上的层上)，该技术例如为浸渍和干燥、喷涂、喷墨印刷、气溶胶喷射分配、狭缝涂覆、电沉积、电喷涂、静电纺丝、化学气相沉积、等离子体聚合、物理气相沉积、旋涂等。可去除有机溶剂以便形成对应于离子选择性膜1312或第一电极1211的固体材料。设备1200或设备1300中的其他层，诸如电极、固体接触层和/或生物膜，可使用本文别处所述的或本领域已知的技术形成。

尽管第一电极1211包括导电聚合物以便能够在其中提供离子载体1215同时保持电极的导电性，但是在第一电极1311中可使用附加类型的材料，因为不必在其中提供离子载体。以上参考第二电极1217提供了用于设备1300的第一电极1311的非限制性示例材料，例如金属、金属合金、过渡金属氧化物、透明导电氧化物、碳材料、掺杂半导体、二元半导体、三元半导体或导电聚合物，诸如以上参考图12A所述。

在一些示例中，离子选择性膜与第一电极直接接触。在其他示例中，诸如图13所示，传感器1310还可包括设置在第一电极1311与离子选择性膜1312之间的固体接触层1313。固体接触层1313可通过将信号转换成可测量的电位信号来执行增强EMF的再现性和稳定性的功能。另外或另选地，固体接触层1313可抑制水从生物流体10向第一电极1311的转运和/或水在第一电极1311处的积聚。固体接触层1313可包括任何合适的材料或材料的组合。以上参考第二电极1217提供了用于固体接触层1313的非限制性示例材料，例如金属、碳材料、掺杂半导体或导电聚合物，诸如以上参考图12A所述。另选地，固体接触层1313可包括氧化还原对，其具有可用于稳定界面电位的良好控制的氧化/还原物质浓度比。氧化还原对可包括具有不同氧化态的金属中心。说明性地，金属中心可选自由以下各项组成的组：Co(II)和Co(III)；Ir(II)和Ir(III)；以及Os(II)和Os(III)。在替代示例中，固体接触层213可包括混合导体或混合离子-电子导体，诸如钛酸锶(SrTiO₃)、二氧化钛(TiO₂)、(La,Ba,Sr)(Mn,Fe,Co)O_3-d、La₂CuO_4+d、氧化铈(IV)(CeO₂)、磷酸铁锂(LiFePO₄)和LiMnPO₄。

还应当理解，传感器1310可具有任何合适的配置。在图13所示的非限制性示例中，基底1201可以是平面的或基本上平面的。

在图14A所示的非限制性示例中，离子载体可位于设置在基底上的第一电极(E1)1211内，并且可如参考图12A所述类似地配置。另选地，在图14C所示的非限制性示例中，离子载体可位于离子选择性膜1312内，该离子选择性膜可以诸如参考图13所述的方式配置，并且第一电极1311可以诸如参考图13所述的方式配置。第一电极1211或1311可称为工作电极(WE)，而第二电极1217可称为参比电极(RE)。

传感器电子器件1220可被配置为生成对应于电动势(EMF)的信号。在一些示例中，EMF至少部分地基于响应于离子载体将目标离子转运到第一电极而在第一电极与第二电极之间生成的电位差。传感器电子器件1220可被配置为使用该信号来生成对应于生物流体中的目标离子的浓度的测量值的输出，和/或可被配置为将该信号传输到外部设备，该外部设备被配置为使用该信号来生成对应于生物流体中的目标离子的浓度的测量值的输出。任选地，在一些示例中，EMF至少部分地基于响应于生物流体10将电生理学信号传导到第一电极111而在第一电极与第二电极之间生成的电位差，并且传感器电子器件1220可被配置为使用该信号来生成对应于电生理学信号的测量值的输出。

以诸如图14A所示的方式，生物流体10可包括多种分析物71、72和73。设备1400可被配置为测量分析物71的浓度，并且因此此类分析物可称为“目标”分析物。如图14B所示，酶1415可位于酶层1416内，并且可选择性地作用于来自生物流体10或来自生物界面膜1214的目标分析物71(如果提供的话，例如，如图14A所示并且如参考图12A和图13所述类似地配置)。酶1415对目标分析物71的作用生成目标离子11。第一电极1211内或离子选择性膜1312内的离子载体1215可将来自酶1415的目标离子11选择性地转运或选择性地结合到第一电极1211或第一电极1311内。

应当理解，目标分析物71可以是任何合适的分析物，酶1415可以是响应于对该分析物的作用而生成合适离子的任何合适的酶，并且离子载体1215可以是选择性地转运和/或结合由酶1415生成的离子以便生成EMF的任何合适的离子载体，基于该EMF可确定分析物71的浓度(无论是使用传感器电子器件1220还是外部设备，传感器电子器件1220向该外部设备传输对应于离子浓度的电生理学信号和/或信号)。可一起使用的分析物、酶和离子载体的非限制性示例在下表1中列出。

表1

图15是描绘被配置为测量如本文所讨论的一种或多种目标离子和/或其他分析物的示例连续分析物监测系统1500的图解。根据本公开的某些方面，监测系统1500包括可操作地连接到受者1520和多个显示设备1534a-1534e的分析物传感器系统1524。应当注意，显示设备1534e替代地或除了作为显示设备之外，还可以是药物递送设备，其可与分析物传感器系统1524协作以将药物递送到受者1520。分析物传感器系统1524可包括传感器电子器件模块1526和与传感器电子器件模块1526相关联的连续分析物传感器1522。传感器电子器件模块1526可经由无线通信信号与多个显示设备1534a-1534e中的一个或多个显示设备进行直接无线通信。

如下面将更详细地讨论的，显示设备1534a-1534e还可在彼此之间和/或通过彼此与分析物传感器系统1524通信。为了便于参考，从分析物传感器系统1524到显示设备1534a-1534e的无线通信信号可称为“上行链路”信号1528。从例如显示设备1534a-1534e到分析物传感器系统1524的无线通信信号可称为“下行链路”信号1530。显示设备1534a-1534e中的两个或更多个显示设备之间的无线通信信号可称为“交联”信号1532。附加地，无线通信信号可包括由显示设备1534a-1534d中的一个或多个显示设备经由“长程”上行链路信号1536(例如，蜂窝信号)向一个或多个远程服务器1540或网络实体(诸如基于云的服务器或数据库)传输的数据，并且接收由远程服务器1540传输的长程下行链路信号1538。

传感器电子器件模块1526包括被配置为处理传感器信息并生成经变换的传感器信息的传感器电子器件。在某些实施方案中，传感器电子器件模块1526包括与测量和处理来自连续分析物传感器1522的数据相关联的电子器件电路，包括与处理和校准连续分析物传感器数据相关联的前瞻算法。传感器电子器件模块1526可与连续分析物传感器1522成一体(不可释放地附接)或可释放地附接到连续分析物传感器，从而实现它们之间的物理连接。传感器电子器件模块1526可包括能够进行分析物水平测量的硬件、固件和/或软件。例如，传感器电子器件模块1526可包括恒电位仪、用于向连续分析物传感器1522提供电力的电源、用于信号处理和数据存储的其他部件以及用于将数据从其自身传输到一个或多个显示设备1534a-1534e的遥测模块。电子器件可固定到印刷电路板(PCB)等，并且可采取多种形式。例如，电子器件可采用集成电路(IC)的形式，诸如专用集成电路(ASIC)、微控制器和/或处理器。用于处理传感器分析物数据的系统和方法的示例在本文和美国专利7,310,544和6,931,327号以及美国专利公布2005/0043598号、2007/0032706号、2007/0016381号、2008/0033254号、2005/0203360号、2005/0154271号、2005/0192557号、2006/0222566号、2007/0203966号和2007/0208245号中更详细地描述，这些专利和公布中的每一者出于所有目的全文以引用方式并入本文。

显示设备1534a-1534e被配置用于显示、警报和/或基于已经由传感器电子器件模块1526传输的传感器信息(例如，在基于显示设备1534a-1534e中的一个或多个显示设备的相应偏好而被传输到显示设备的定制数据包中)来进行药物递送。显示设备1534a-1534e中的每一个显示设备可包括诸如触摸屏显示器等显示器，以用于向用户(最常见的是受者1520或看护人/医疗专业人员)显示传感器信息和/或从用户接收输入。在一些实施方案中，作为触摸屏显示器的替代或补充，显示设备1534a-1534e可包括其他类型的用户界面，诸如语音用户界面，以用于向显示设备1534a-1534e的用户传送传感器信息和/或接收用户输入。在某些实施方案中，显示设备1534a-1534e中的一个显示设备、一些显示设备或全部显示设备被配置为按从传感器电子器件模块1526传送传感器信息(例如，在传输到相应显示设备1534a-1534e的数据包中)时的原样显示或以其他方式传送该传感器信息，而无需进行传感器信息的校准和实时显示所需的任何附加前瞻处理。

在图15的实施方案中，多个显示设备1534a-1534e中的一个显示设备可以是定制显示设备1534a，该定制显示设备专门设计用于显示与从传感器电子器件模块1526接收的分析物值相关联的某些类型的可显示传感器信息(例如，在一些实施方案中为数值和箭头)。在一些实施方案中，多个显示设备1534a-1534e中的一个显示设备可以是手持式设备1534c，诸如基于安卓、iOS操作系统或其他操作系统的移动电话、掌上电脑等，其中手持式设备1534c可具有相对较大的显示器并且被配置为显示连续传感器数据(例如，包括当前和历史数据)的图形表示。其他显示设备可包括其他手持式设备，诸如平板计算机1534d、智能手表1534b、药物递送设备1534e、血糖仪和/或台式计算机或膝上型计算机。

如上所讨论，由于不同的显示设备1534a-1534e提供不同的用户界面，因此可针对每个特定的显示设备和/或显示设备类型定制(例如，由制造商和/或由最终用户不同地编程)数据包的内容(例如，要显示的数据的量、格式和/或类型，警报等)。因此，在图12A的实施方案中，显示设备1534a-1534e中的一个或多个显示设备可与传感器电子器件模块1526进行直接或间接无线通信，以使得能够实现与传感器信息相关联的多种不同类型和/或水平的显示和/或功能性，这在本文别处更详细地描述。

其他注意事项

本文公开的方法包括用于实现这些方法的一个或多个步骤或动作。在不脱离权利要求书的范围的情况下，方法步骤和/或动作可以彼此互换。换句话讲，除非指定步骤或动作的特定顺序，否则可以在不脱离权利要求书的范围的情况下修改特定步骤和/或动作的顺序和/或使用。

如本文所用，提及项目列表中的“至少一个”的短语是指那些项目的任何组合，包括单个成员。例如，“a、b或c中的至少一个”旨在涵盖a、b、c、a-b、a-c、b-c和a-b-c，以及与多个相同元素的任何组合(例如，a-a、a-a-a、a-a-b、a-a-c、a-b-b、acc、b-b、b-b-b、b-b-c、c-c和c-c-c或a、b和c的任何其它排序)。

提供前面的描述是为了使本领域的任何技术人员能够实践本文中所描述的各个方面。对这些方面的各种修改对于本领域技术人员来说将是显而易见的，并且本文定义的一般原理可以应用于其他方面。因此，权利要求并非旨在限于本文示出的方面，而是符合与权利要求的语言一致的全部范围，其中，除非特别说明，否则以单数形式提及要素并非旨在表示“一个且仅一个”，而是表示“一个或多个”。除非另外特别说明，否则术语“一些”是指一个或多个。本领域普通技术人员已知或稍后将了解的贯穿本公开所描述的各个方面的元件的所有结构和功能等效物以引用方式明确并入本文并旨在包含在权利要求中。此外，本文所公开的任何内容均不希望奉献给公众，无论此公开是否在权利要求中明确叙述。不应根据35U.S.C.§112(f)的规定来解释任何权利要求要素，除非使用短语“用于……的装置”来明确陈述，或在方法权利要求的情况下，使用短语“用于……的步骤”来陈述。

虽然上文已经描述了本发明的各种示例，但是应当理解，它们仅以示例的方式而不是以限制的方式呈现。同样地，各图可以描绘本公开的示例架构或其他配置，这是为了帮助理解可以包括在本公开中的特征和功能。本公开不限于所示出的示例架构或配置，而是可以使用多种替代架构和配置来实施。另外，尽管以上根据各种示例性示例和方面描述了本公开，但是应当理解，在各个示例中的一个或多个中描述的各种特征和功能在它们的适用性方面不限于描述它们的特定示例。它们可以单独或以某种组合应用于本公开的一个或多个其他示例，无论这样的示例是否被描述，并且无论这样的特征是否被呈现为所描述的示例的一部分。因此，本公开的广度和范围不应受到任何上述示例性示例的限制。

本文所引用的所有参考文献以引用方式全文并入本文。就以引用方式并入的出版物和专利或专利申请与说明书中包含的公开内容相矛盾而言，说明书旨在取代和/或优先于任何此类矛盾的材料。

除非另外定义，否则所有术语(包括技术和科学术语)将被赋予其对于本领域普通技术人员而言的普通和习惯含义，并且不限于特定或定制的含义，除非本文明确如此定义。

除非另有明确说明，否则本申请中使用的术语和短语以及它们的变型，特别是所附权利要求中使用的术语和短语，应当被解释为开放式而非限制性的。作为前述的示例，术语“包括”应当被理解为表示“包括但不限于”、“包括而不限于”等；如本文所用，术语“包含”与“包括”、“含有”或“特征在于”同义，并且是包容性的或开放式的，并且不排除另外的、未列举的要素或方法步骤；术语“具有”应当被解释为“至少具有”；术语“包括”应当被解释为“包括但不限于”；术语“示例”用于提供所讨论项目的示例性示例，而不是其穷尽或限制性列表；形容词诸如“已知”、“正常”、“标准”以及类似含义的术语不应当被解释为将所描述的项目限制到给定时间段或者限制到在给定时间可用的项目，而是应当被理解为涵盖现在或将来任何时候可用或已知的已知、正常或标准的技术；并且使用术语如“优选的”或“期望的”以及具有类似含义的词语不应被理解为暗示某些特征对于本发明的结构或功能而言是关键的、必要的或甚至是重要的，而是仅旨在强调在本发明的特定示例中可以利用或不利用的替代或附加特征。同样地，与连词“和”连接的一组项目不应被理解为要求这些项目中的每一个都存在于分组中，而是应被理解为“和/或”，除非另有明确说明。类似地，除非另有明确说明，否则与连词“或”连接的一组项目不应被理解为要求在该组中相互排他，而应被理解为“和/或”。

如本文所用，术语“包含”与“包括”、“含有”或“特征在于”同义，并且是包容性的或开放式的，并且不排除另外的、未列举的要素或方法步骤。

在本说明书中使用的表示成分的量、反应条件等的所有数字应被理解为在所有情况下由术语“约”修饰。因此，除非有相反的指示，否则本文所述的数值参数是近似值，其可根据寻求获得的所需性质而变化。在要求本申请优先权的任何申请中，每个数值参数都应当根据有效数字的数量和普通的四舍五入方法来解释，而不是试图将等同原则的应用限制于任何权利要求的范围。

此外，尽管为了清楚和理解的目的，已经通过图示和示例的方式相当详细地描述了前述内容，但是对于本领域的技术人员而言显而易见的是，可以实施某些改变和修改。因此，本说明书和实施例不应被解释为将本发明的范围限制于本文所述的具体实施例和实施例，而是还覆盖所有符合本发明的真实范围和实质的修改和替代。

Claims (20)

1.一种监测系统，所述监测系统包括：

连续分析物传感器，所述连续分析物传感器被配置为生成与患者的分析物水平相关联的分析物测量值；和

传感器电子器件模块，所述传感器电子器件模块耦合到所述连续分析物传感器，并且被配置为接收和处理所述分析物测量值。

2.根据权利要求1所述的监测系统，其中所述连续分析物传感器包括：

基底，

设置在所述基底上的工作电极，以及

设置在所述基底上的参比电极，其中由所述连续分析物传感器生成的所述分析物测量值对应于电动势，所述电动势至少部分地基于在所述工作电极与所述参比电极之间生成的电位差。

3.根据权利要求1所述的监测系统，其中：

所述连续分析物传感器包括连续葡萄糖传感器，并且

所述分析物测量值包括葡萄糖测量值。

4.根据权利要求3所述的监测系统，所述监测系统还包括：

存储器，所述存储器包括可执行指令；和

一个或多个处理器，所述一个或多个处理器与所述存储器进行数据通信并且被配置为执行所述可执行指令进行以下操作：

从所述传感器电子器件模块接收所述葡萄糖测量值，其中所述葡萄糖测量值包括：

与一个或多个治疗前期相关联的第一组葡萄糖测量值，

与一个或多个治疗期相关联的第二组葡萄糖测量值，或

与一个或多个治疗后期相关联的第三组葡萄糖测量值；

处理所述葡萄糖测量值以确定：

与所述第一组葡萄糖测量值的变化相关联的一个或多个第一葡萄糖指标，

与所述第二组葡萄糖测量值的变化相关联的一个或多个第二葡萄糖指标，或

与所述第三组葡萄糖测量值的变化相关联的一个或多个第三葡萄糖指标；，

创建一个或多个生理配置文件，所述一个或多个生理配置文件包括：

对应于所述一个或多个第一葡萄糖指标的治疗前生理配置文件，对应于所述一个或多个第二葡萄糖指标的治疗生理配置文件，

或

对应于所述一个或多个第三葡萄糖指标的治疗后生理配置文件；

确定所述患者处于对应于治疗前期、治疗期或治疗后期的时期；

基于以下项来确定不良健康事件的可能性：

所确定的时期，

所述治疗前生理配置文件、所述治疗生理配置文件或所述治疗后生理配置文件中的至少一者，或

与所确定的时期或在所确定的时期之前的时期中的至少一者相关联的多个葡萄糖测量值；以及

基于所述可能性生成以下项中的至少一者：一个或多个推荐或优化的治疗参数。

5.根据权利要求4所述的监测系统，所述监测系统还包括：

一个或多个非分析物传感器，其中所述处理器还被配置为：

使用一个或多个非分析物传感器来接收针对所述患者生成的非分析物传感器数据，其中：

还基于所述非分析物传感器数据创建所述治疗前生理配置文件、所述治疗生理配置文件和所述治疗后生理配置文件，并且

所确定的可能性还基于与所确定的时期或在所确定的时期之前的时期相关联的一组非分析物传感器数据。

6.根据权利要求5所述的监测系统，其中所述一个或多个非分析物传感器包括以下项中的至少一者：胰岛素泵、触觉传感器、ECG传感器、心率监视器、血压传感器、呼吸传感器、腹膜透析机或血液透析机。

7.根据权利要求4所述的监测系统，其中所述葡萄糖指标包括葡萄糖变化率。

8.根据权利要求4所述的监测系统，其中所述生理配置文件对应于对应葡萄糖指标的模式。

9.根据权利要求4所述的监测系统，其中所述不良健康事件包括以下项中的至少一者：低钾血症、高钾血症、低血糖症、高血糖症、心脏事件或死亡。

10.根据权利要求4所述的监测系统，其中优化的治疗参数包括以下项中的至少一者：治疗类型、治疗剂量、活性率、活性持续时间、活性定时或用于透析的优化的治疗参数。

11.根据权利要求10所述的监测系统，其中用于透析的所述优化的治疗参数包括以下项中的至少一者：透析液成分的类型、透析液浓度的类型、透析膜的类型、流速、治疗定时、治疗频率或治疗长度。

12.根据权利要求4所述的监测系统，其中所述处理器还被配置为使用所述优化的治疗参数中的一个或多个优化的治疗参数来控制医疗设备的操作。

13.根据权利要求4所述的监测系统，其中所述一个或多个推荐或所述优化的治疗参数是使用基于群体数据训练的模型生成的，所述群体数据包括指示对应于各种治疗的各种治疗参数的历史患者记录。

14.根据权利要求1所述的监测系统，其中：

所述连续分析物传感器包括连续钾传感器，并且

所述分析物测量值包括钾测量值。

15.根据权利要求14所述的监测系统，所述监测系统还包括：

存储器，所述存储器包括可执行指令；和

一个或多个处理器，所述一个或多个处理器与所述存储器进行数据通信并且被配置为执行所述可执行指令进行以下操作：

从所述传感器电子器件模块接收所述钾测量值，其中所述钾测量值包括：

与一个或多个治疗前期相关联的第一组钾测量值，

与一个或多个治疗期相关联的第二组钾测量值，或

与一个或多个治疗后期相关联的第三组钾测量值；

处理所述钾测量值以确定：

与所述第一组钾测量值的变化相关联的一个或多个第一钾指标，与所述第二组钾测量值的变化相关联的一个或多个第二钾指标，或

与所述第三组钾测量值的变化相关联的一个或多个第三钾指标；

创建一个或多个生理配置文件，所述一个或多个生理配置文件包括：

对应于所述一个或多个第一钾指标的治疗前生理配置文件，

对应于所述一个或多个第二钾指标的治疗生理配置文件，或者

对应于所述一个或多个第三钾指标的治疗后生理配置文件；

确定所述患者处于对应于治疗前期、治疗期或治疗后期的时期；

基于以下项来确定不良健康事件的可能性：

所确定的时期，

所述治疗前生理配置文件、所述治疗生理配置文件或所述治疗后生理配置文件中的至少一者，或

与所确定的时期或在所确定的时期之前的时期中的至少一者相关联的多个钾测量值；以及

基于所述可能性生成以下项中的至少一者：一个或多个推荐或优化的治疗参数。

16.根据权利要求15所述的监测系统，所述监测系统还包括：

一个或多个非分析物传感器，其中所述处理器还被配置为：

使用一个或多个非分析物传感器来接收针对所述患者生成的非分析物传感器数据，其中：

还基于所述非分析物传感器数据创建所述治疗前生理配置文件、所述治疗生理配置文件和所述治疗后生理配置文件，并且

所确定的可能性还基于与所确定的时期或在所确定的时期之前的时期相关联的一组非分析物传感器数据。

17.根据权利要求16所述的监测系统，其中所述一个或多个非分析物传感器包括以下项中的至少一者：胰岛素泵、触觉传感器、ECG传感器、心率监视器、血压传感器、呼吸传感器、腹膜透析机或血液透析机。

18.根据权利要求15所述的监测系统，其中所述钾指标包括钾变化率。

19.根据权利要求15所述的监测系统，其中优化的治疗参数包括以下项中的至少一者：治疗类型、治疗剂量、活性率、活性持续时间、活性定时或用于透析的优化的治疗参数。

20.根据权利要求19所述的监测系统，其中用于透析的所述优化的治疗参数包括以下项中的至少一者：透析液成分的类型、透析液浓度的类型、透析膜的类型、流速、治疗定时、治疗频率或治疗长度。