CN102239406A

CN102239406A - 具有信号调节功能的生物传感器系统

Info

Publication number: CN102239406A
Application number: CN2009801490147A
Authority: CN
Inventors: 伍焕平; 郑成权
Original assignee: Bayer Corp
Current assignee: Bayer Corp
Priority date: 2008-12-08
Filing date: 2009-12-08
Publication date: 2011-11-09
Also published as: US8744776B2; US10656113B2; JP5738770B2; US20200271615A1; US20110297554A1; EP2373984A1; CA2743440A1; JP2012511160A; BRPI0923342A2; HK1179346A1; EP2373984B1; MX2011005864A; RU2509304C2; CN102854232B; CA2743440C; RU2011128010A; CN102854232A; WO2010077660A1; US20140209460A1; JP2015155919A

Abstract

本发明公开了一种基于光可识别物质或分析物的氧化还原反应所生成的输出信号对分析物浓度进行测定的生物传感器系统。所述生物传感器系统调节用于基于输出信号测定分析物浓度的相关性，或者调节测定的分析物浓度与从所述输出信号或从其他来源提取的一个或多个复合指数函数的相关性。所述复合指数函数根据一个或多个误差参数测定至少一个斜率偏差ΔS或者归一化斜率偏差。分析物浓度与输出信号之间的斜率调整的相关性可用来根据具有引起偏差的成分的输出信号来测定分析物浓度，并改善准确度和/或精确度。

Description

具有信号调节功能的生物传感器系统

相关申请的交叉参考

本申请要求2008年12月8日提交的题目为“Complex IndexFunctions”的美国临时专利申请61/120,525的优先权，在此将其全部内容通过引用并入本文。

背景技术

生物传感器系统提供了对生物流体的分析，上述生物流体诸如全血、血清、血浆、尿液、唾液、间质液或细胞内液等。通常，该系统包括对与检测传感器接触的样本进行分析的测量装置。上述样本通常以液体形式存在，并且除了可以是生物流体以外还可以是诸如提取物、稀释物、滤液或经复原的沉淀物(reconstituted precipitate)等生物流体的衍生物。通过生物传感器系统进行的分析可以测定生物流体中一种以上分析物的存在和/或浓度，这一种以上分析物例如是醇、葡萄糖、尿酸、乳酸盐/酯、胆固醇、胆红素、游离脂肪酸、甘油三酯、蛋白质、酮、苯丙氨酸或酶等。上述分析可用于生理机能异常的诊断以及治疗。例如，糖尿病患者可使用生物传感器来测定在全血中的葡萄糖水平，以便调节饮食和/或用药。

生物传感器系统可被设计为用于分析一种以上分析物，并且可使用不同体积的生物流体。一些系统可分析诸如体积为0.25-15微升(μL)的一滴全血。生物传感器系统可使用台式(bench-top)、便携式以及类似的测量装置实施。便携式测量装置可以是手持式的，并且可以对样本中一种以上分析物进行定性和/或定量检测。便携式测量系统的例子包括纽约塔里敦(Tarrytown，New York)的拜尔健康护理有限责任公司的Ascensia Breeze

型以及Elite

型计量器；而台式测量系统的例子包括可从德克萨斯州奥斯汀(Austin，Texas)的CH仪器公司得到的电化学工作站。

生物传感器系统可使用光学和/或电化学方法来分析生物流体。在一些光学系统中，通过测量与光可辨识物质(诸如，分析物或反应物或者化学指示剂与分析物发生反应而形成的产物)发生相互作用的光或者被该光可辨识物质吸收的光来测定分析物浓度。在其它光学系统中，当以激发束照射化学指示剂时，该化学指示剂响应于分析物而发出荧光或发光。光可以转换成诸如电流或电位等电输出信号，可对该电输出信号进行与通过电化学方法得到的输出信号类似的处理。在任一光学系统中，该系统都对光进行测量并将光与样本的分析物浓度相关联。

在吸收光的光学系统中，化学指示剂产生吸收光的反应产物。可将诸如四唑盐等化学指示剂连同诸如黄递酶等酶一起使用。四唑盐通常响应于分析物的氧化还原反应而形成甲

(一种色原体)。将来自光源的入射输入光束导向样本。光源可以是激光器或发光二极管等。入射光束可选择便于反应产物吸收的波长。当入射光束穿过样本时，反应产物吸收一部分入射光束，从而削弱或减小入射光束的强度。入射光束可由样本反射回检测器或经样本透射到达检测器。检测器采集并测量经削弱的入射光束(输出信号)。经反应产物削弱的光量指示出样本中的分析物浓度。

在产生光的光学系统中，化学指示剂响应于分析物氧化还原反应而发出荧光或发光。检测器采集并测量产生的光(输出信号)。化学指示剂所产生的光量指示出样本中的分析物浓度。

在电化学生物传感器系统中，根据向样本施加输入信号时由分析物的氧化/还原反应或氧化还原反应所产生的电信号或者由响应于上述分析物的物质所产生的电信号来测定分析物浓度。输入信号可以是电位或者电流，并且可以是恒定的、变化的或其组合(例如当施加具有DC信号偏移的AC信号时)。输入信号可以以单脉冲或多脉冲、序列或周期的形式施加。可将酶或类似物质添加至样本中以便在氧化还原反应中增强电子从第一物质到第二物质的传输。酶或类似物质可与单个分析物发生反应，从而对所产生的一部分输出信号提供特异性。介体可用于维持酶的氧化态。

电化学生物传感器系统通常包括测量装置，该测量装置具有与检测传感器中的电导体相连接的电接触点。上述电导体可由导电材料制成，该导电材料例如是固态金属、金属胶糊、导电碳、导电碳胶糊和导电聚合物等。该电导体通常连接于延伸至样本储集器的工作电极、对置电极、参考电极和/或其它电极。也可使一个或多个电导体延伸至储集器中，以提供上述电极并未提供的功能。

测量装置通过电接触点向检测传感器的电导体施加输入信号。电导体通过电极将输入信号传递给位于样本储集器中的样本。分析物的氧化还原反应响应于输入信号而产生电输出信号。来自传感带的电输出信号可以是电流(如由电流分析法(amperometry)或是伏安法(voltammetry)所产生)、电位(如由电位测定法(potentiometry)/电流测定法(galvanometry)所产生)或累积电荷(如由电量分析法(coulometry)所产生)。测量装置可具有测量输出信号并将输出信号与生物流体中的一种以上分析物的存在和/或浓度相关联的处理能力。

在电量分析法中，向样本施加电位以彻底氧化或还原分析物。使用电量分析法的生物传感器系统在美国专利第6,120,676号中有所描述。在电流分析法中，当测量的输出信号是电流时，向检测传感器的电导体施加恒定电位(电压)的电信号。使用电流分析法的生物传感器系统在美国专利第5,620,579号、第5,653,863号、第6,153,069号和第6,413,411号中有所描述。在伏安法中，向生物流体样本施加变化的电位。在门控电流分析法(gated amperometry)和门控伏安法(gated voltammetry)中，分别如WO 2007/013915和WO 2007/040913所述，可使用脉冲输入。

在许多生物传感器系统中，检测传感器可适于在活生物体外、体内使用或部分位于活生物体内。当在活生物体外使用时，可将生物流体的样本引入检测传感器的储集器。检测传感器可在引入样本之前、之后或期间放置在测量装置中以用于分析。当处于活生物体内或部分处于活生物体体内时，检测传感器可连续地浸于样本中，或可间歇地将样本引入传感带。检测传感器可包括储集器，储集器可部分地分离出一定体积的样本或与样本相通。当与样本相通时，传感带可采用设置为与生物流体接触的光纤或者其他结构的形式。类似地，样本可持续地流过传感带(例如，持续监测)或被中断(例如，中断监测)以用于分析。

生物传感器系统可在生物流体的分析中提供包含一个或多个误差的输出信号。这些误差可能以异常的输出信号而反映出来，例如当一部分或多部分的输出信号或者全部输出信号对样本的分析物浓度不响应或者没有正确响应。这些误差可能源自一个或多个因素，例如样本的物理特性、样本的环境状况、系统的操作条件和干扰物质等。样本的物理特性包括血细胞比容(红细胞)浓度等。样本的环境状况包括温度等。

生物传感器系统的测量性能由准确度和/或精确度限定。通过提高准确度和/或精确度能够改善系统的测量性能并减少偏差。准确度可以由传感器系统的分析物读数与参考分析物读数相比较的偏差来表示，较大的偏差数值表示较低的准确度。精确度可以由多个分析物读数与平均值之间偏差的分布或方差来表示。偏差是由生物传感器系统测定的一个或多个值与生物流体中分析物浓度的一个或多个可接受参考值之差。因此，分析中的一个或多个误差会导致在生物传感器系统测定的分析物浓度的偏差。

偏差可由“绝对偏差“或“偏差百分比”来表示。绝对偏差以测量单位的形式表示，如mg/dL；而偏差百分比以绝对偏差值占参考值的百分比的形式表示。在ISO标准下，绝对偏差用于表示葡萄糖浓度小于75mg/dL时的误差，而偏差百分比用于表示葡萄糖浓度为75mg/dL以上时的误差。术语“组合偏差”(表示成bias/％-bias)代表葡萄糖浓度小于75mg/dL的绝对偏差以及葡萄糖浓度为75mg/dL以上的偏差百分比。分析物浓度可接受的参考值可由参考仪器得到，参考仪器例如是可从俄亥俄州金泉(Yellow Springs)的YSI公司得到的YSI 2300S TATPLUS^TM。

血细胞比容偏差是指利用参考仪器获得的参考葡萄糖浓度与从含有不同血细胞比容水平的样本的生物传感器系统获得的试验的葡萄糖读数之差。参考值与从上述系统获得的值之差是由特定全血样本之间不同的血细胞比容水平所引起的，并且该差值可通过下面的方程式表示成百分比：％Hct-bias＝100％×(G_m-G_ref)/G_ref，其中，G_m和G_ref分别是任何血细胞比容水平的测定的葡萄糖浓度读数和参考葡萄糖浓度读数。％Hct-bias的绝对值越大，样本的血细胞比容水平越高(表示成％Hct：红细胞体积/样本体积的百分比)，从而降低了测定的葡萄糖浓度的准确度和/或精确度。例如，如果对含有相同的葡萄糖浓度但具有20％、40％和60％的不同血细胞比容水平的全血样本进行分析，则系统根据一组校准常数(例如，含有全血样本的40％血细胞比容斜率和截距)报告三个不同的葡萄糖读数。“血细胞比容灵敏度”是表示样本的血细胞比容水平中的变化对用于分析的偏差值的影响程度。血细胞比容灵敏度可定义成每百分比血细胞比容的组合偏差的数值，即，bias/％-bias每％Hct。

温度偏差是指对于同一样本在参考温度下得到的分析物浓度与在不同试验温度下得到的分析物浓度之差。在参考温度下得到的分析物浓度与在不同试验温度下得到的分析物浓度之差通常可通过下面的方程式表示成百分比：％Temp-bias＝100％×(A_mTemp-A_RefTemp)/A_RefTemP，其中，A_mTemp和A_RefTemp分别是在试验温度和参考温度下样本的分析物浓度。％Temp-bias的绝对值越大，温度差异就越大，从而降低了在不同试验温度下测定的葡萄糖浓度的准确度和/或精确度。“温度灵敏度”是表示进行分析时温度的变化对用于分析的偏差值的影响程度。温度灵敏度可定义成每摄氏度的组合偏差的数值，即，％-bias/℃。温度灵敏度也可定义成每摄氏度的斜率偏差，即ΔS/℃。

许多生物传感器系统包括一种或多种修正与分析相关的误差的方法。从具有误差的分析所获得的浓度值可能不准确。因此，修正这些分析的能力可提高所获得的浓度值的准确度和/或精确度。误差修正系统可补偿一个或多个误差，例如不同于参考温度的样本温度、不同于参考血细胞比容值的样本血细胞比容水平。

一些生物传感器系统具有用于补偿样本中不同血细胞比容浓度的误差修正系统。为了减小测量时血细胞比容的偏差对葡萄糖的影响，已经提出了各种方法和技术。一些方法使用正向和反向电位脉冲的电流比来补偿血细胞比容影响。还提出了其他方法来减小血细胞比容偏差的影响，这些方法包括利用二氧化硅粒子从电极表面过滤红细胞或者使用宽电极间距结合筛网层向整个检测传感器分配血液。

一些生物传感器系统具有补偿温度的误差修正系统。这种误差修正系统通常响应于仪器温度或样本温度改变对于特定参考温度所测定的分析物浓度。很多生物传感器系统在用相关性方程式计算分析物浓度之前通过修正输出信号来补偿温度误差。其他生物传感器系统通过修正由相关性方程式计算出的分析物浓度来补偿温度误差。一般地，温度补偿的常规方法注重温度对具体参数的影响，而不是温度误差对分析的偏差的整体影响。具有用于样本温度的误差检测和/或补偿系统的生物传感器系统描述于美国专利第4,431,004号；第4,750,496号；第5,366,609号；第5,395,504号；第5,508,171号；第6,391,645号和第6,576,117号中。

一些生物传感器系统具有用于补偿干扰和其他因素的误差修正系统。这些误差修正系统通常使用缺少一种或多种工作电极试剂的电极，以便从工作电极信号中除去背景干扰信号。

虽然常规的误差补偿系统平衡了不同优缺点，但并不理想。常规系统通常针对检测和响应于特定类型的误差，例如温度或血细胞比容。这些系统通常不具有对多个误差源进行补偿的能力。这些系统通常还缺乏根据特定样本的输出信号改变误差补偿的能力。因此，常规的生物传感器系统提供的具有测定分析物浓度值的分析结果可能处在理想的性能范围以外。

为此，持续需要改良的生物传感器系统，特别是可能为来自样本中的分析物浓度提供愈加准确和/或精确检测的那些生物传感器系统。本发明的系统、装置及方法克服了与常规生物传感器系统相关联的至少一个缺点。

发明内容

本发明提供了一种生物传感器系统，该生物传感器系统能够根据一个或多个复合指数函数对如下相关性进行调节，该相关性用于根据输出信号测定生物样本中的分析物浓度，该一个或多个复合指数函数响应于能够使测定的分析物浓度产生偏差的一个或多个误差。该偏差可表示为从一个或多个误差参数得到的斜率偏差ΔS值和标准的斜率偏差。ΔS值代表利用误差参数的一个或多个复合指数函数测定的斜率偏差。复合指数函数包括经权重系数修正的至少两项。上述项可包括从输出信号取出或者与输出信号无关的误差参数。

在测定样本中分析物浓度的方法中，产生响应于样本中分析物浓度的输出信号值。测定来自至少一个误差参数的至少一个ΔS值，并且用至少一个参考相关性和至少一个ΔS值补偿所述至少一个输出信号值以测定所述样本中的分析物浓度。所述至少一个ΔS值可由预测函数i(predictor)测定。所述f(predictor)包括指数函数并且使至少一个误差参数与ΔS相关。上述反应可以是电化学氧化还原反应。

在由误差参数测定复合指数函数的方法中，测定响应于样本中测定的分析物浓度的偏差百分比的至少一个误差参数。所述至少一个误差参数通过至少一个复合指数函数与至少一个ΔS值相关联，所述至少一个ΔS值表示来自所述参考相关性的斜率与能够无偏差地提供所述样本分析物浓度的输出信号值的线的假设斜率之间的斜率差。所述复合指数函数包括并入作为乘有权重系数的项的至少一个误差参数。

在选择包含在复合指数函数中的项的方法中，选择多个误差参数作为可能包含在复合指数函数中的项。为每个所选项测定第一排除值。将一个或多个排除试验应用到排除值上以识别从所述复合指数函数中除去的一项或多项。在除去至少一项后，对保留项测定第二排除值。如果在一次或多次排除试验中第二排除值没有识别出要从复合指数函数除去的保留项，那么保留项就包含在复合指数函数中。

在根据调节了血细胞比容的供体血液样本测定复合指数函数的方法(该方法用于测量装置中)中，使用多个检测传感器测定在多种环境状况下具有已知参考葡萄糖浓度的调节了血细胞比容的血液样本的试验葡萄糖浓度。在参考温度和参考％Hct下由测定的葡萄糖浓度和已知的葡萄糖浓度来测定多个检测传感器的参考相关性的斜率和截距。为多个供体血液样本测定参考葡萄糖浓度。多个调节了血细胞比容的血液样本葡萄糖浓度数据可与多个供体血液样本葡萄糖浓度数据结合。从一个或多个输出信号值的数据中选择多个项。这些项也可被选择用于一个或多个物理特性、环境状况和浓度值等。不只关注任意系数，还测定这些项的权重系数。由所选项、相应的权重系数和任意常数的组合确定复合指数函数。

用于测定样本中分析物浓度的生物传感器系统包括测量装置和检测传感器。所述测量装置具有与传感器接口和存储介质相连接的处理器。所述检测传感器具有邻近于由所述传感器形成的储集器的样本接口。所述处理器测定响应于来自所述传感器接口的所述样本中的分析物浓度的输出信号值。所述处理器由误差参数测定至少一个ΔS值并用所述至少一个ΔS值和存在于所述存储介质中的至少一个参考相关性补偿所述输出信号值。

生物传感器系统响应于误差参数使用至少一个ΔS值调节分析物浓度与输出信号之间的相关性。所述处理器利用由斜率调节的相关性根据来自所述样本接口的输出信号测定分析物浓度。

在用于测定样本中分析物浓度的另一方法中，由样本生成一个或多个输出信号。测定至少一个复合指数函数，其中所述复合指数函数响应于一个以上误差参数。响应于所述至少一个复合指数函数由所述输出信号测定所述样本中的分析物浓度。

对本领域技术人员来说，根据下面的附图及具体说明，本发明的其他系统、方法、特征和优点将会是显而易见的。应注意的是，所有这样的附加系统、方法、特征和优点都包含在本说明书中、在本发明的范围内、且受所附权利要求的保护。

附图说明

参照下面的附图和说明可更好地理解本发明。附图中的组成部分不是依照比例，而是将重点放在对本发明原理的说明上。

图1A表示用于测定样本中分析物浓度的方法。

图1B表示用于选择复合指数函数中包含的项的方法。

图1C表示从调节了血细胞比容的供体血液样本中测定复合指数函数的方法，该方法用于测量装置中。

图2描绘了基于比率参数的％-bias与指数函数的相关性。

图3描绘了S_cal、S_hyp、ΔS、A_corr、A_cal与ΔA之间的关系。

图4描绘了输入信号包括多个脉冲的门控脉冲序列。

图5A描绘了ΔS与R4/3指数值的相关性的图。

图5B描绘了ΔS与复合指数值的相关性的图。

图6A描绘了在21℃时血液样本的ΔS与R4/3指数值的相关性的图。

图6B描绘了在21℃时血液样本的ΔS与复合指数值的相关性的图。

图6C描绘了在18℃时血液样本的ΔS与R4/3指数值的相关性的图。

图6D描绘了在18℃时血液样本的ΔS与复合指数值的相关性的图。

图6E描绘了以组合偏差-％Hct表示的血细胞比容灵敏度的图。

图6F描绘了组合偏差与未补偿的参考葡萄糖浓度以及复合指数补偿修正的分析物浓度的相关性的图。

图7描绘了测定生物流体样本中分析物浓度的生物传感器系统的示意图。

具体实施方式

生物传感器系统利用从输出信号的中间信号或其他来源提取的复合指数函数调节如下相关性，该相关性用于根据输出信号测定生物流体样本中的分析物浓度。分析物可响应于光可识别物质或氧化还原反应而产生输出信号。中间信号可以是输出信号等的一个或多个部分。对于分析中的一个或多个误差，包括至少一个复合指数函数的预测函数调节如下相关性，该相关性用于根据输出信号测定分析物浓度。包括至少一个复合指数函数的预测函数还可用于修正包含误差的分析物浓度。这种误差能够引起偏差，从而降低测定的分析物浓度的准确度和/或精确度。当分析复杂的生物样本时，补偿系统除了提供基本的益处之外，也可用于提高其他分析类型的测量性能。

复合指数函数包括被权重系数修正的项的组合。可利用一次或多次排除试验来选择复合指数函数中所包含的项。预测函数和/或复合指数函数对应于由在分析中的一个或多个误差引起的分析物浓度与输出信号间的相关性中的bias/％-bias。相关性中的％-bias可以由从一个或多个误差参数获得的一个或多个ΔS值来表示。ΔS值代表分析物浓度与测定的输出信号(来自一个或多个误差参数)间的相关性的斜率偏差。因此，预测函数或复合指数函数越接近于ΔS(ΔS＝f(CIndex))，则分析中的误差修正功能越好。

可将对应于斜率或斜率变化的复合指数函数归一化，从而减小输出信号变化的统计学影响、改善输出信号变化的差异、标准化输出信号的测量、或这些的组合等。由于可对斜率偏差进行归一化，因而可将复合指数函数表示成ΔS/S＝f(CIndex)。调节后的相关性可用来根据输出信号测定样本的分析物浓度或者可用来修正分析物浓度并且可提供与常规生物传感器相比有所改善的测量性能。使用指数函数和ΔS值进行误差修正的更详细的处理可以在2008年12月6日提交的、题目为“Slope-Based Compensation”的国际公布No.WO 2009/108239中找到。

图1A表示用于测定生物流体样本中分析物浓度的方法。在步骤102中，生物传感器系统响应于光可识别物质或者生物流体样本中分析物的氧化/还原(氧化还原)反应而产生输出信号。在步骤104中，生物传感器系统测量输出信号。在步骤106中，根据包括至少一个复合指数函数以及输出信号的补偿方程式测定分析物浓度。在步骤108中，显示并且存储分析物浓度以备将来参考和/或用于其它计算。

在图1A的步骤102中，响应于光可识别物质或者生物流体样本中分析物的氧化/还原(氧化还原)反应而产生输出信号。可使用光学传感器系统、电化学传感器系统等来产生输出信号。

在图1A的步骤104中，生物传感器系统测量分析物响应于施加至样本的输入信号生成(例如，由分析物的氧化还原反应生成)的输出信号。系统可连续地或间断地测量输出信号。例如，生物传感器系统可在门控电流分析输入信号的脉冲中间断地测量输出信号，从而得到在各个脉冲中记录的多个电流值。系统可将输出信号显示在显示器上和/或可将输出信号或部分输出信号存储在存储装置中。

在图1A的步骤106中，样本的分析物浓度可根据包括至少一个复合指数函数以及输出信号的补偿方程式测定。复合指数函数可形成预测函数的一部分。图2描述了基于比率参数(R5/4)的指数函数与％-bias之间的相关性。比率参数R5/4表示分别响应于包括7个脉冲的门控电流分析脉冲序列中的第四个脉冲、第五个脉冲而由分析物产生的电流之间的关系。可以使用其他比率参数和指数函数。因此，生物流体(例如全血中的葡萄糖)中测量的分析物浓度的％-bias可以根据分析的输出信号测定，或者与分析的输出信号相关，上述分析的输出信号例如是通过分析物响应于门控电流分析序列而产生的中间电流。

％-bias与预测函数之间的关系可表示如下：

％-bias＝f(predictor) (方程式1)，

其中，％-bias等于(ΔA/A_ref)*100％，并且f(predictor)等于a₁*f(Index)+a₀。ΔA是测量或计算的分析物浓度A_cal与参考分析物浓度A_ref(生物样本中的已知分析物浓度)之差，f(Index)可以是单个误差参数、误差参数的组合或其他值。因此，代入方程式1的各项得到％-bias与指数函数之间的如下关系：

(ΔA/A_ref)*100％＝a₁*f(Index)+a₀ (方程式2)。

重新排列方程式2的各项，得到如下关系：

ΔA＝A_ref*(a₁*f(Index)+a₀)/100 (方程式3)。

补偿可用下式表示：

A_corr＝A₀+ΔA (方程式4)。

其中，A_corr是修正的或补偿的分析物浓度，而A₀是分析的初始分析物值。可从方程式3得到ΔA，方程式3中的A_ref可能在生物样本分析过程中不可用。然而，初始分析物值A₀在分析中可用于代替A_ref。因此，方程式3可近似为下面的关系：

ΔA &cong; A_{0} * (a_{1} * Index + a_{0}) / 100

(方程式5)。

最后，将方程式5代入方程式4得到下面的关系：

A_corr＝A₀+A₀*(a₁*Index+a₀)/100＝A₀*[1+(a₁*Index+a₀)/100] (方程式6)。

根据方程式6，基于因为分析中的一个或多个误差而可能有偏差的初始分析物值A₀得到测量的分析物浓度与参考分析物浓度的差ΔA。因此，没有作为测量的分析物浓度补偿基础的参考点或参考值。本申请和权利要求所包含的这些及其他方程式可包括“＝”标记，该标记用来表示相等、关联或预估等。

分析物浓度与输出信号的相关性中的％-bias也可以由从一个或多个误差参数获得的一个或多个斜率偏差ΔS来表示。包含部分输出信号的误差由输出信号的假设斜率与参考相关性的斜率之间的偏差反映出来。通过测定一个或多个反映一个或多个误差参数的斜率偏差的ΔS值，可增强分析的测量性能。用于分析的一个或多个ΔS值可由一个或多个误差参数测定。ΔS值与一个或多个误差参数值间的关系可由指数函数描述。除了参考的相关性方程以外，指数函数还可以是预定的并存储在生物传感器系统中。可在分析之前、分析进行中或者分析之后测定误差参数值。

斜率补偿方程式使用输出信号值以提供补偿的分析物浓度。斜率补偿方程式也可以使用其他值。斜率补偿方程式通过调节输出信号与已知分析物浓度间的参考相关性来补偿误差，从而提供补偿的或修正的分析物浓度。

斜率补偿方程式可表示如下：

A_{corr} = \frac{i - Int}{S_{cal} + ΔS}

(方程式7)，

其中A_corr是修正的分析物浓度，i是来自生物传感器系统的输出信号值，Int是参考相关性方程式的截距，S_cal是参考相关性方程式的斜率，ΔS表示斜率S_cal与线的假设斜率S_hyp间的斜率偏差，假设斜率S_hyp用于提供没有误差的样本分析物浓度的输出信号值。参考相关性方程式中的Int和S_cal的值可具体实施为生物传感器系统中的程序号码分配(PNA)表、或另一查找表等。可以使用包括至少一个ΔS值和输出信号的其他斜率补偿方程式。

方程式7表示使用了斜率偏差ΔS测定的修正分析物浓度，其中ΔS实质上是总斜率偏差，该总斜率偏差实质上是与总误差相关(该总误差与分析物分析相关联)。总斜率偏差可由一个或多个误差源产生。方程式7可以使用对分析物浓度基本上具有线性响应的任何信号。方程式7可使用其他信号，例如近似线性或部分线性的信号等。当ΔS响应于输出信号中的一个或多个误差时，i表示包含不响应于样本分析物浓度的部分输出信号的误差。因此，S_hyp＝S_cal+ΔS。用于Int和S_cal的一个或多个值可存储在生物传感器系统中以便与输出信号i进行比较，从而测定样本的A_corr。

如果从样本中实验性地测出ΔS的值并将其代入方程式7，这些样本的测定分析物浓度中的偏差将会被完全地补偿。或者，如果用预测函数代替ΔS，那么补偿方程式修正测定分析物浓度中偏差的能力则取决于预测函数所产生的值与ΔS在多大程度上相关。在方程式7中，可以使用预测函数f(predictor)代替ΔS。因此，方程式7可改写如下：

A_{corr} = \frac{i - Int}{S_{cal} + ΔS} = \frac{i - Int}{S_{cal} + f (predictor)} = \frac{i - Int}{S_{cal} + b_{1} * f (CIndex) + b_{0}}

(方程式8)。

预测函数f(predictor)可具有如下通式：b₁*f(CIndex)+b₀，其中f(CIndex)是复合指数函数，可使用其他值或指数与f(CIndex)结合以提供f(predictor)。例如，复合指数函数可以设有b₁值和b₀值中的一者或两者也可以不设有b₁值和b₀值中的一者或两者，从而提供预测函数。还可以结合多个复合指数函数来提供f(predictor)，从而得到样本的修正分析物浓度。

对于ΔS和复合指数函数完全相关的理论情况来说，b₁(表示斜率)和b₀(表示截距)分别是1和0。当预测函数接近于ΔS时，如果b₁＝1±0.2，可以使用理论值1来代替b₁；可优选地，当b₁＝1±0.15时，使用理论值1来代替b₁；并且可更优选地，当b₁＝1±0.1时，使用理论值1来代替b₁。当预测函数接近于ΔS时，如果b₀＝0±0.3，可以使用理论值0来代替b₀；可优选地，当b₀＝0±0.2时，使用理论值0来代替b₀；并且可更优选地，当b₀＝0±0.1时，使用理论值0来代替b₀。可使用其他偏差数据(deviation cut-off)来确定何时使用b1的理论值或b0的理论值或者b₁和b₀二者的理论值。除了用理论值1和0代替b₁和/或b₀以外，基于相同的偏差数据或其他偏差数据，也可以使用查找表等中的预定值来代替b₁和/或b₀。

在图1A的步骤108中，显示该修正的分析物浓度值，并将该值存储起来以备将来参考和/或用于其它计算。

图3示出了S_cal、S_hyp、ΔS、A_corr、A_cal和ΔA之间的关系。线A表示参考相关性，该参考相关性具有斜率S_cal并且使来自生物传感器系统的电流值形式的输出信号与从用于样本的YSI或其他参考仪器得到的分析物浓度值相关联。当在分析样本期间被生物传感器系统使用时，参考相关性—线A可包括具有一个或多个误差的输出信号电流值，这些误差可能提供不准确和/或不精确的分析物浓度值。线B表示误差补偿相关性，其具有斜率S_hyp并且使从系统得到的电流值与从参考仪器得到的样本分析物浓度值相关联。对误差补偿相关性进行调节或修改，从而减小或基本上除去一个或多个误差。ΔS是这些相关性线之间的斜率差。ΔA是未补偿的或未修正的测定分析物浓度值(A_cal)与误差补偿的或修正的测定分析物浓度值(A_corr)之差。

没有补偿或修正，特定输出信号值将提供与S_hyp误差补偿线不同的S_cal参考相关性线的样本分析物浓度。基于S_hyp误差补偿线得到的A_corr值提供了更加准确的样本分析物浓度值。因此，方程式7使用ΔS将电流值、S_cal和Int转换成补偿的分析物浓度值A_corr。以此方式，偏差百分比可通过ΔS链入方程式7。偏差百分比可通过ΔS与偏差百分比的联系而被拉向偏差分布的中心。由于ΔS响应于偏差，改变ΔS会影响在样本的补偿分析物浓度中所保持的偏差量。

ΔS对于分析中的一个或多个误差的响应可由预测函数来表示。为了测定一个或多个预测函数，响应于一个或多个误差(ΔS_cal)的相关性方程式的斜率偏差例如在工厂校准过程中可从试验性数据测定如下：

Δ S_{cal} = \frac{i - Int}{A_{ref}} + S_{cal}

(方程式9)，

其中，i是来自生物传感器系统的输出信号值，Int是参考相关性方程式的截距，A_ref是例如从参考仪器得到的样本参考分析物浓度，S_cal是参考相关性方程式的斜率，例如i＝S_cal*A_ref+Int。可在每个分析物浓度下测定一个或多个ΔS_cal。以此方式，对于多个已知分析物浓度，可从生物传感器系统得到输出信号值，从而确定相应的ΔS_cal值。通过采用方程式9的ΔS_cal值并将它们与误差参数相关联，从而可测定初始预测函数。

针对分析物浓度分析中的一个或多个误差，预测函数对测量分析物浓度进行补偿。可以使用一个或多个预测函数。与总斜率偏差ΔS完美相关的预测函数会提供分析物浓度的最终的总误差补偿。可使用这种假设的、完美相关的预测函数来补偿分析中的全部误差，而不必知道总斜率偏差(即测量的分析物浓度的偏差)产生的确切原因。预测函数包括至少一个指数函数，并且一个或多个指数函数可以为复合函数。优选地，预测函数包括至少一个复合指数函数。

指数函数响应于至少一个误差参数。指数函数可以是与误差参数(例如，血细胞比容或温度)相关并且表示该误差参数对斜率偏差ΔS影响的计算的数。因此，误差参数可以是响应于输出信号中的一个或多个误差的任意值。指数函数可被试验性地测定成ΔS_cal与误差参数间图表的回归方程式。

指数函数可以使用误差参数值来测定，该误差参数值来自分析物的分析，例如来自输出信号的中间信号、或者来自独立于分析物输出信号的源，例如热电偶及附加电极等。因此，误差参数可从分析的输出信号中直接或间接地取出，和/或不依赖于输出信号而得到。可以使用任何误差参数形成2008年12月6日提交的、题目为“Slope-BasedCompensation”的国际公布No.WO 2009/108239中所述的那些项。

温度可被看作误差参数，因为浓度值中的误差可能是在测定参考相关性以外的温度下进行分析而引起的。例如，温度影响全血样本中葡萄糖的氧化和扩散以及影响光活性分子的扩散。用于分析的温度可由诸如热电偶及计算评估等任何途径来测定。因此，f(Index)_Temp把温度与斜率偏差联系起来，上述斜率偏差是在参考温度下测定的参考相关性斜率与在进行分析的温度下提供受温度影响的分析物浓度的线的假设斜率之间的斜率差。温度的指数函数f(Index)_Temp可与参考相关性方程式一起存储在生物传感器系统中。

图4描绘了包括多个脉冲的输入信号的门控脉冲序列。由脉冲产生的输出信号电流值被描绘在各脉冲上。记载的中间信号电流值被描绘成圆点。每个i值是响应于输入信号的输出信号的电流值。i值下标中的第一个数表示脉冲数，下标中的第二个数表示记录该电流值时输出信号的次序。例如，i_2，3表示第二脉冲记录的第三电流值。

如前所述，指数函数可包括如图4所示的中间输出信号中取出的比值。例如，可在单个脉冲信号衰减周期内对几个中间信号值比较，例如比值R3＝i_3，3/i_3，1，R4＝i_4，3/i_4，1等。在另一示例中，可对不同脉冲信号衰减周期内的中间信号值进行比较，例如比值R3/2＝i_3，3/i_2，3，比值R4/3＝i_4，3/i_3，3等。

指数函数也可包括从图4所示的输出信号中取出的比值的组合。在一示例中，指数函数可包括比值的比，例如Ratio3/2＝R3/R2，Ratio4/3＝R4/R3等。在另一示例中，指数函数可包括指数的组合。例如，组合指数Index-1可表示成Index-1＝R4/3-Ratio3/2。在另一示例中，组合指数Index-2可表示成Index-2＝(R4/3)^p-(Ratio3/2)^q，其中p和q是独立的正数。

当函数包括权重系数乘以项的组合时，指数函数是复合型的。该组合优选为线性组合，但也可使用为项提供权重系数的其他组合方法。各项可包括一个或多个误差参数。复合指数函数的示例表示如下：

f(CIndex)＝a₁+(a₂)(R3/2)+(a₃)(R4/3)+(a₄)(R5/4)+(a₅)(R3/2)(G_raw)+

(a₆)(R4/3)(G_raw)+(a₇)(R3/2)(Temp)+(a₈)(R4/3)(Temp)+(a₉)(Temp)+(a₁₀)(G_raw)+… (方程式10)，

其中a₁是常数，a₂-a₁₀是单独的权重系数，G_raw是没有补偿时样本的测定分析物浓度，而Temp是温度。各个权重系数(a₂-a₁₀)分别跟随于与它相关联的项。

由方程式10所表示的复合指数函数中有至少三个基本类型项：(1)诸如R3/2和R4/3等从输出信号取出的单个比值指数，例如R3/2和R4/3等，(2)从输出信号取出的比值指数与温度或G_raw间的交互作用项，例如(R3/2)(G_raw)和(R3/2)(Temp)等，以及(3)温度和G_raw。这些项可包括除了误差参数以外的包含G_raw的值。也可以使用如前所述的包括但不限于组合指数函数的其他项。当用适当值代替这些项时，复合指数函数可解开从而提供复合指数值。可对多个项进行统计学处理以测定一个或多个常数及权重系数。可以使用包括MINITAB(MINTAB，INC.，StateCollege，PA)的统计软件包来进行统计学处理。

常数a₁可通过回归或其他数学手段测定。当在方程式10中示出单个常数时，不再需要其它常数；也可使用多个常数，并且可以等于0。因此，复合指数函数可以包含一个或多个常数也可以不包含一个或多个常数。一个或多个常数(例如与方程式8相关的上述常数b₀)可与指数函数结合形成预测函数。

可以使用权重系数为1的项，这时复合指数函数包括乘有权重系数的至少两项。权重系数是除了1或0以外的数值。优选地，使包括误差参数的各项与权重系数相乘。更优选地，使复合指数函数的各个非常数项与权重系数相乘。权重系数可具有正值或负值。权重系数可通过基于多个分析物浓度、不同血细胞比容水平以及不同温度等的组合采集到的实验数据的统计学处理测定。

下面的表1列出了权重系数和p-值，它们是通过对进行供体研究的52个供体在21℃和18℃下从毛细血管和静脉血液样本得到的葡萄糖输出信号(电流)的数据的多变量回归而得到的。对来自每个供体的每份血液样本中的葡萄糖进行两次分析，以给出数据群中的约104个数据点。利用门控电流分析的输入信号来分析样本，其中从脉冲中记录所选的中间输出信号。使用MINITAB版本14软件并选择多变量线性组合的多变量回归选项进行多变量回归。其他统计学分析或回归选项也用来测定项的权重系数。

表1-多变量回归的结果

得到的复合指数函数可表示如下：

ΔS_RegA＝134+(205)(R3/2)-(357)(R4/3)-(0.041)(R3/2)(G_raw)-(0.034)(R4/3)(G_raw)-(12.2)(Temp)(R3/2)+(15.6)(Temp)(R4/3)-(2.52)(Temp)+(0.0827)(G_raw) (方程式11)，

其中，ΔS_RegA是描述ΔS_cal的复合指数函数，定义ΔS_cal＝(i/A_ref)-S_cal，其中例如如前面参照方程式7所述，A_ref是从YSI参考仪器得到的参考分析物浓度值，S_cal是参考相关性方程式中的斜率。R²值反映了ΔS_RegA复合指数函数的输出在多大程度上相当于ΔScal值的77.2％(R²*100％)。因此，R²值表示了复合指数函数与S_cal间的相关性。R²值越大则反映在描述ΔS_cal时复合指数越好。

图1B表示用于选择复合指数函数中所含项的方法。在步骤112中，选择多个误差参数作为复合指数函数中有可能包含的项。误差参数可直接或间接地从响应于光可识别物质的输出信号中或者从生物流体样本分析物的氧化还原反应中取出。误差参数也可不依赖于输出信号而得到，例如从热电偶中得到。这些项可包括除了误差参数以外的值。在步骤114中，使用一个或多个数学手段来测定每个所选项的第一排除值。数学手段可包括回归和多变量回归等。排除值可以是p-值等。数学手段也可设有权重系数、常数以及与所选项相关的其他值。

在步骤116中，对排除值应用一个或多个排除试验从而识别出要从复合指数函数中排除的一项或多项。在试验下排除至少一项。在步骤117中，重复一个或多个数学手段从而识别出保留项的第二排除值。在步骤118中，如果在一个或多个排除试验下第二排除值没有识别出要从复合指数函数中排除的保留项，那么保留项就包含在复合指数函数中。在步骤120中，如果在一个或多个排除试验下第二排除值识别出要从复合指数函数排除的保留项，则可重复步骤117中的一个或多个数学手段以便识别用于保留项的第三排除值。如步骤118所示，这些保留项可包含在复合指数函数中，或者可在步骤120中重复地进行上述处理直至排除试验未能识别出一个或多个要排除的项。

上面的表1还列出了各项的p-值。p-值表示从复合指数函数中除去项时影响复合指数函数与ΔS之间相关性的可能性。例如，p-值为0.05以上的这项意味着从复合指数函数中除去该项而不会降低复合指数函数与ΔS之间相关性的可能性为5％以上。因此，可以使用p-值作为用于排除试验的排除值，从而选择可能从复合指数函数中排除的项。选择作为排除值的数值p-值越小，则从复合指数函数排除的项就会越多。

当排除试验使用p-值作为排除值时，优选p-值为约0.01～约0.10，并且更优选p-值为约0.03～约0.07的值。除了基于p-值的排除试验以外，还可以使用其他排除试验来识别可能从复合指数函数中排除的项。从复合指数函数中除去不会以不希望的方式影响复合指数函数与ΔS之间相关性的项，这便得到复合指数函数与ΔS之间所需的相关性。因此，在提供较短分析时间的同时，通过补偿方程式可实现测量性能所期望的改善。另外，使用不同的生物传感器系统和条件进行后续分析的精确度可通过从复合指数函数中除去不想要的项来提高。

关于表1中的项，p-值大于0.05的项可能被选中从复合指数函数中除去。因此，项(R3/2)(G_raw)、(R4/3)(G_raw)、Temp和G_raw被识别为第一次多变量回归之后可适于从复合指数函数中除去的项。由于(R4/3)(G_raw)项示出了最大的p-值(0.852)，除去该项并且重复进行变量回归。这次多变量回归迭代和第三次多变量回归迭代识别出具有第二高p-值和第三高p-值的Temp项和G_raw项。通过除去(R4/3)(G_raw)项、Temp项和G_raw项，如下面表2所示，意外地测定出(R3/2)(G_raw)项的p-值低于0.05排除值。因此，当(R3/2)(G_raw)项的权重系数相对于其他权重系数为很小数值(0.00799)时，该项促进了复合指数函数与ΔS相关的能力。优选地，重复迭代过程直至保留项满足试验，上述迭代过程是选择并除去排除试验最不想要的项。

表2-具有减少项设置的多变量回归的结果

项	权重系数	系数标准误差	T	P
					常数	95.463	3.930	24.29	0.000
R3/2	177.66	68.22	2.60	0.010
					R4/3	-289.31	70.91	-4.08	0.000
(R3/2)(G_raw)	7.9899×10^-3	7.575×10^-4	10.55	0.000
					(Temp)(R3/2)	-11.221	3.550	-3.16	0.002
(Temp)(R4/3)	11.928	3.709	3.22	0.001

在除去(R4/3)(G_raw)项、Temp项和G_raw项之后，方程式11的复合指数函数可表示如下：

ΔS_RegB＝95.5+(178)(R3/2)-(289)(R4/3)+(0.00799)(R3/2)(G_raw)-(11.2)(Temp)(R3/2)+(11.9)(Temp)(R4/3) (方程式12)。

R²值反映了ΔS_RegB方程式的输出在多大程度上相当于S_cal值的77.1％。通过排除试验从方程式11去除排除项不会使简化项的复合指数函数描绘ΔS的能力产生重大变化(0.1)。因此，维持了方程式12的复合指数描绘表1数据中误差的能力，并且有利地减少了与方程式11有关的项数。

图5A是根据上面表1讨论的供体研究的数据得到的ΔS与R4/3指数值的相关性的图。“cap/21C”数据组表示在约21℃下来自毛细血管血液样本的相关性数据，“ven/18C”数据组表示在约18℃下来自静脉血液样本的相关性数据，并且“all”数据组表示来自上述两种样本以及约18℃下的毛细血管血液样本和约21℃下的静脉血液样本的总体相关性数据。图5B是类似于表1数据的ΔS相关性(作为从方程式12得到的复合指数值的函数)的图。在不同温度下，总体相关性(“all”)与单个相关性间的差异对于图5B的复合指数函数(R²＝0.77)来说比图5A的R4/3比值指数函数(R²＝0.64)小得多。尽管这些R²值间的约0.13的差异在数值上较小，但它表示ΔS与复合指数函数间的相关性相对于ΔS与R4/3比值指数函数间的相关性提高了13％。因此，生物传感器可使用下列方程式13所表示的单个预测函数来补偿毛细血管和静脉血液样本在21℃下和18℃下的四种情况：

ΔS＝1.0043*ΔS_RegB+0.1308 (方程式13)。

在方程式13中，复合指数函数ΔS_RegB由方程式12所表示，而值1.0043和值0.1308例如分别是前述方程式8所述的b₁和b₀(来自图5B中的“all”数据)。

使用响应于ΔS的一个或多个复合指数函数可减小偏差范围，该偏差范围是通过组合偏差的标准偏差而测量的。组合偏差的标准偏差越小，偏差范围就越小，从而样本中分析物的分析就越准确和/或精确。补偿对于提高分析的测量性能的作用直接与ΔS和一个或多个指数函数间的相关性相关，这直接影响偏差总数的标准偏差(SD)的减小。ΔS与一个或多个指数函数或者一个或多个预测函数间的相关性可通过相关性系数R²测量。因此，R²值越高，ΔS与一个或多个指数函数或者一个或多个预测函数间的相关性越好，用于组合偏差的SD值的减小量越大，并且补偿后的偏差范围越小。优选复合指数函数具有与ΔS约0.6或者更高的R²相关值。更优选复合指数函数具有与ΔS约0.7或者更高的R²相关值。优选指数函数或预测函数对于数据总数的组合偏差提供小于5的SD值。优选包括复合指数函数的预测函数对于数据总数的组合偏差提供小于4的SD值，更优选对于数据总数的组合偏差的小于3的SD值。

下面的表3中可看到标准偏差与偏差范围之间的经验关系。其中列出了对于前面表1所述在21℃和18℃下用于葡萄糖分析的毛细血管血液样本在R4/3+Temp指数补偿和复合指数补偿前后的组合偏差的平均值、组合偏差的SD以及落入±10％组合偏差界限的浓度分析(数据总数)的百分比。“R4/3+Temp”缩写用于描述R4/3指数函数和温度指数函数的补偿，对于表4所述的“R4/3+Temp”也是一样。

表3-使用R4/3+Temp以及复合指数的补偿结果

由没有补偿的测定分析物浓度(G_raw)计算出的组合偏差的平均值显示出在18℃和21℃下数据总数相对于零偏差为负偏移。在21℃下，-1.03的组合偏差平均值认为是在生物传感器系统的误差范围之内。然而，在18℃下，-9.29的组合偏差平均值认为是由温度误差所致。对于温度低于18℃的数据，明显高于9的数值就显示出系统未补偿的数据集中于±10组合偏差界限的较低范围处，并且明显远离零偏差的中心。因此，约数据总数的一半都在±10组合偏差界限的范围外侧。

对于21℃数据组，R4/3+Temp指数函数补偿在标准偏差中提供了大于两单位(6.315-4.23＝2.085)的减少量。平均大于两单位的减少量是很明显的，5单位以下的标准偏差会使约95％的数据处于±10％组合偏差界限内并且约63％的数据处于±5％组合偏差界限内。因此，R4/3+Temp指数函数补偿使98％的21℃下的数据处于±10％组合偏差界限的范围内并且约77％的数据处于±5％组合偏差界限的范围内。

对于R4/3+Temp指数函数补偿，复合指数函数补偿将标准偏差减小了大约额外的0.5单位。因此，复合指数补偿使99％的数据处于±10％组合偏差界限的范围内并且约88％的数据处于±5％组合偏差界限的范围内。对于R4/3+Temp指数函数补偿相对于无补偿所看到的数据来说，复合指数补偿相对于R4/3+Temp指数函数补偿的改善不大，但当数据组少量置于中心(较大的组合偏差平均值)时系统的抗扰性明显增大。

抗扰性可以认为是在分析中存在误差时系统如何提供准确和/或精确的分析物浓度值。抗扰性是从10中减去两倍的标准偏差而测定的，从而提供了抗扰指示器(PRI)。关于表3中的21℃数据总数，对于R4/3+Temp指数函数补偿，PRI为1.54(即：10-2*4.23)；对于复合指数函数补偿，PRI为2.6(即：10-2*3.7)。由于未补偿的21℃数据基本上以数值平均值1为中心，复合指数函数补偿相对于R4/3+Temp指数函数补偿使PRI增加约68％，从而向a±10％组合偏差界限的范围内增加了额外百分之一的数据。

然而，当系统被误差(该误差造成未修正的数据范围扩展)干扰时(其可由18℃数据的组合偏差平均值中数值的增大而观察到)，复合指数函数补偿所提供的优点明显增大。对于干扰的18℃数据，标准偏差通过R4/3+Temp指数函数补偿而减小2.2单位，并且该标准偏差通过复合指数函数补偿而进一步减小约0.5单位。因此，复合指数函数补偿相对于R4/3+Temp指数函数补偿在两个温度下提供了标准偏差的约0.5单位SD减小量。这说明复合指数函数补偿相对于R4/3+Temp指数函数补偿具有更强的能力使高偏差数据进入可接受范围。

当对于18℃数据测定PRI值时，R4/3+Temp指数函数补偿提供了0.58的值，而复合指数函数补偿提供了1.64的值。可见在PRI方面，复合指数函数补偿相对于R4/3+Temp指数函数补偿增大了约180％。复合指数函数补偿提供的PRI中68％的增加使额外1％的21℃数据(上述数据紧密聚集)移动进入a±10％的组合偏差界限内，复合指数函数补偿所提供的PRI中180％的增加使超过三倍的18℃数据较高平均值(用数字表示)的量(3.4％)移动进入a±10％的组合偏差界限内。因此，未补偿数据中的误差越大，越好进行复合指数函数补偿，使偏差减小至a±10％组合偏差界限的范围内。

复合指数函数补偿在较高的21℃温度下相对于未补偿数据点使a±10％组合偏差界限范围内的数据点百分比增加了约17％(即：(99.1-84.9)/84.9*100％)，并且在较低的18℃温度下相对于未补偿数据点使a±10％组合偏差界限范围内数据点百分比增加了约78％(即；(98.1-55.2)/55.2*100％)。虽然R4/3+Temp指数函数与复合指数函数修正间的差异不像对于这种基本上居中的未修正的数据那样大，但由于很少会有分析落在a±10％组合偏差界限的范围外，复合指数函数修正所提供的改善仍是至关重要的。通过减少偏差界限外的读数数量，可将得到的更多读数用于患者的准确疗法(例如当监测血液中的葡萄糖时)。另外，也可以减少患者需要放弃和重复进行的分析。

图6A是在21℃下关于前面表1所述毛细血管和静脉血液样本的ΔS与R4/3指数值的相关性的图。图6B是相同数据的ΔS与方程式12的复合指数值的相关性的图。这两幅图的R²值分别为0.5998和0.7268，表示出复合指数函数与ΔS的相关性相对于R4/3指数函数与ΔS的相关性提高了约21％((0.7269-0.5998)/0.5998)。类似地，图6C和图6D绘出在18℃下毛细血管和静脉血液样本的ΔS与R4/3指数值的相关性(图6C)以及ΔS与方程式12的复合指数值的相关性(图6D)。比较R4/3指数值和复合指数函数的R²值(分别为0.6307和0.7154)，可见复合指数函数与ΔS的相关性相对于R4/3指数函数与ΔS的相关性提高了约13.5％((0.7154-0.6307)/0.6307)。

可归一化斜率偏差、ΔS、和/或相关的复合指数函数来表示分析物浓度与输出信号的相关性的％-bias。在归一化过程中，通过变量调节(乘或除等)斜率偏差、指数函数或复合指数函数、或者其他参数，从而减少参数变化引起的统计学影响、改善参数变化产生的差异、使参数的测量标准化、或者上述效果的组合等。

下面的表4比较了测定的原始葡萄糖浓度与从R4/3+Temp指数函数补偿和包括温度项的复合指数函数补偿得到的补偿葡萄糖浓度。除了数据总数的组合偏差的标准偏差(SD)以外，还测定了落入±10％、±8％和±5％组合偏差界限内的前面关于表1所述的供体研究的数据百分比。使用门控电流分析的输入信号来分析样本，其中从脉冲中记录所选中间输出信号。

表4-R4/3+Temp指数函数和复合指数函数的补偿

利用预测函数f(predictor)＝a₁*R4/3+a₀进行R4/3+Temp指数函数补偿，并且通过比较ΔS_cal(从记录的电流值观察到)与R4/3来测定上述预测函数，其中a₁和a₀分别表示斜率和截距。数据的温度灵敏度ΔS_T也使用如下关系来确定：

ΔS_T＝f(Index)_Temp＝c₁*T+c₀ (方程式14)，

其中，f(Index)_Temp如上所述，T是温度，c₁和c₀分别表示斜率和截距。

然后，使用下面的关系式测定修正的葡萄糖浓度：

G_corr＝(i-Int)/(S_cal+ΔS_T+f(predictor)) (方程式15)，

其中i是生物传感器系统的输出信号值，Int是参考相关性方程式中的截距，并且G_corr是样本的修正的葡萄糖浓度。

落入±10％、±8％或±5％组合偏差界限内的数据点的百分比(修正的葡萄糖样本浓度)通过关系式G_corr-G_ref(样本的G_ref小于每1/10公升葡萄糖的75mg(mg/dL))来确定，其中G_ref是由YSI参考仪器测定的样本的参考葡萄糖浓度。关系式100％*(G_corr-G_ref)/G_ref用来测定数据点大于或者等于75mg/dL时落入界限内的修正的葡萄糖样本浓度百分比。

使用从样本的中间电流测定的误差参数、温度值、G_raw，通过如前所述选择项、常数和权重系数来进行复合指数函数补偿。使用p-值来进行项的排除试验以确定哪些项最终包含在复合指数函数f(CIndex)中。然后比较ΔS_cal与f(CIndex)以获得ΔS_cal＝b₁*f(CIndex)+b₀，其中b₁和b₀分别表示斜率和截距。当b₁约为1和/或b₀约为0时，f(CIndex)不需要这些修正中的一者或两者就约等于ΔS。像针对前面R4/3+Temp指数函数补偿那样，对落入±10％、±8％或±5％组合偏差界限内的数据点的百分比(每个样本的修正的葡萄糖样本浓度)进行测定。

当考虑落入最窄的±5％组合偏差范围内的分析物浓度的百分比时，R4/3+Temp指数函数补偿使总(“all”)样本的约72％进入该范围，而复合指数函数补偿使总(“all”)样本的约82％进入该范围。这表示落入最窄的±5％组合偏差界限内的修正的分析物浓度值总数增大约14％((82-72)/72*100)。尽管两种方法都包括温度差异的补偿，但也能观察到复合指数函数补偿相对于R4/3+Temp指数函数补偿所提供的测量性能的显著增强。因此，在测量性能截止为±5％组合偏差界限时，患者使用复合指数函数补偿的葡萄糖生物传感器系统比使用R4/3+Temp指数函数补偿的相同葡萄糖生物传感器系统需要放弃并重复进行的分析约减少14％。在±5％组合偏差界限下，无补偿的相同葡萄糖生物传感器系统则需要约56％的葡萄糖分析由此被放弃，从而使无补偿系统对于实现截止为±5％组合偏差界限的测量性能而言实际上是无用的。观察到R4/3+Temp指数函数补偿与复合指数函数补偿间四个单独数据总数中的每一个的偏差的标准偏差显著减小。

图6E描绘了组合偏差-％Hct的血细胞比容灵敏度的图。对于未补偿测定的葡萄糖浓度，复合指数函数补偿将血细胞比容灵敏度从约-1.11(bias/％-bias)/％Hct减小至约-0.3(bias/％-bias)/％Hct，大约为70％的减小量。因此，复合指数函数补偿实质上减小了分析系统对于来自血细胞比容偏差的测量性能减小量的敏感度。

除了ΔS以外，指数函数可表示为ΔS/S，即斜率偏差的归一化形式。因此，ΔS/S可代替ΔS。归一化例如可通过关系式ΔS/S_cal或S/S_cal来实现。于是，方程式7中的斜率偏差ΔS可通过参考相关性方程式的斜率S_cal来进行归一化，由此得到ΔS/S_cal与指数函数之间的补偿相关性。

在方程式7中，将ΔS除以S_cal，即为下式：

A_{corr} = \frac{i - Int}{S_{cal} + ΔS} = \frac{i - Int}{S_{cal} (1 + ΔS / S_{cal})}

(方程式16)。

ΔS/S_cal可被可能包括复合指数函数的预测函数f(predictor)代替，并且可表示为：

ΔS/S_cal＝f(predictor)＝c₁*f(CIndex)+c₀ (方程式17)。

可将方程式17的预测函数f(predictor)代入方程式16中：

A_{corr} = \frac{i - Int}{S_{cal} (1 + f (predictor))} = \frac{i - Int}{S_{cal} (1 + (c_{1} * f (CIndex) + c_{0}))}

(方程式18)。

求解斜率偏差ΔS，得到下面的关系式：

ΔS＝S_cal*f(predictor)＝S_cal*(c₁*f(CIndex)+c₀)(方程式19)。

通过S_cal对斜率偏差ΔS进行的归一化可基本上消除S_cal的不同标度可能产生的影响。

方程式7中的斜率偏差ΔS也可通过乘以归一化斜率函数S_NML来进行归一化，从而得到S_NML与复合指数函数之间的补偿相关性。归一化斜率函数S_NML可表示如下：

S_{NML} = S / S_{cal} = \frac{i - Int}{A_{ref}} * \frac{1}{S_{cal}} = f (predictor) = d_{1} * f (CIndex) + d_{0}

(方程式20)

将方程式20代入方程式7中并用预测函数f(predictor)代替S_NML，得到下面的关系式：

A_{corr} = \frac{i - Int}{S_{cal} * S_{NML}} = \frac{i - Int}{S_{cal} * f (predictor)} = \frac{i - Int}{S_{cal} * (d_{1} * f (CIndex) + d_{0})}

(方程式21)。

图1C表示根据调节过的血细胞比容和供体血液样本中测定复合指数函数的方法(上述方法在测量装置中使用)。在步骤122中，在多种环境状况下利用多个检测传感器来测定具有已知参考葡萄糖浓度的多个调节过血细胞比容的血液样本的试验性葡萄糖浓度。参考仪器可用来测定已知的分析物浓度。在步骤123中，在参考温度及参考％Hct下根据测定的葡萄糖浓度和已知的葡萄糖浓度中测定多个检测传感器的参考相关性的斜率和截距。在步骤124中，测定多个供体血液样本的参考葡萄糖浓度。供体血液样本可具有变化的葡萄糖浓度和血细胞比容水平。可在参考温度下测定多个供体血液样本的参考葡萄糖浓度。在步骤125中，将多个调整过血细胞比容的血液样本葡萄糖浓度数据与多个供体血液样本葡萄糖浓度数据任意组合。在步骤126中，从数据中选择用于一个或多个输出信号值的项。项也可被选择用于一个或多个物理特性、环境状况和浓度值等。在步骤127中，测定用于上述项的权重系数及任意常数。在步骤128中，选择复合指数函数中包含的项、相应权重系数以及任何常数。

下面的表5提供了毛细血管和静脉血液样本(约106个样本)以及加入有静脉血液以便将样本的血细胞浓度含量调节成约20％Hct～约60％Hct(约60个样本)的样本的测定的葡萄糖浓度数据。因此，如图1C的步骤122中一般描述的，准备调整过血细胞比容的血液样本。不像先前从关于表1前面所述的供体研究中测定分析物浓度那样，表5的葡萄糖浓度是通过使用从不同血液样本而不是用于分析葡萄糖的血液样本中得到的复合指数函数来测定的。因此，提前从不同样本总数中测定应用于测量装置以修正表5中的偏差的复合指数函数。使用排除值为0.05的p-值排除试验来选择复合指数函数中的排除项。在排除之后，保留在复合指数函数中的项为：R4/3、R5/4、R5/4*G_raw、R5/4*Temp、R4/3*Temp、R4/3*R5/4、R4/3*R5/4*G_raw、R4/3*R5/4*Temp和Temp。复合指数函数包括用于各项的正权重系数和负权重系数以及初始常数。

补偿方程式用来测定具有如下通式的血液样本的修正的葡萄糖浓度：

G_corr＝(i-Int)/(S_cal*(1+f(predictor)) (方程式22)，

其中，f(predictor)＝b₁*f(CIndex)+b₀＝ΔS/S，即斜率偏差的归一化形式。

当预测函数接近于ΔS/S时，如果b₁＝1±0.2，可以使用理论值1来代替b₁；可优选地，当b₁＝1±0.15时，使用理论值1来代替b₁；并且可更优选地，当b₁＝1±0.1时，使用理论值1来代替b₁。当预测函数接近于ΔS/S时，如果b₀＝0±0.3，可以使用理论值0来代替b₀；可优选地，当b₀＝0±0.2时，使用理论值0来代替b₀；并且可更优选地，当b₀＝0±0.1时，使用理论值0来代替b₀。可在使用b₁的理论值或b₀的理论值或者b₁和b₀二者的理论值时用其他偏差数据进行测定。除了用理论值1和0代替b₁和/或b₀以外，根据相同的偏差数据或其他偏差数据也可以使用查找表中的预定值来代替b₁和/或b₀。

对于该数据总数，b₁为1.08、b₀为0.012。因此，b₁被估成1，而b₀被估成0。从方程式中消去b₁和b₀，得到下面的关系式：

G_corr＝(i-Int)/(S_cal*(1+f(CIndex)) (方程式23)。

因此，使用表示ΔS/S的复合指数函数将响应于样本葡萄糖浓度的输出电流值转换成样本的修正的葡萄糖浓度。可选择地，可使用复合指数函数以及具有如下通式的方程式从未修正的葡萄糖浓度值中测定修正的葡萄糖浓度值：

G_corr＝G_raw/(1+f(CIndex)) (方程式24)。

表5-f(CIndex)补偿分析与未补偿分析的比较

对于具有人为扩大的血细胞比容范围(从30-50％到约20-60％)的样本来说，复合指数函数修正使至少96％的测定的分析物浓度进入±10％组合偏差界限范围内以及几乎94％的测定的分析物浓度进入±8％组合偏差界限范围内。相对于仅约58％的加标静脉样本落入±10％组合偏差界限范围内的未补偿分析，这是显著的改善：超过60％((96-58)/58*100)。修正的浓度值相对于未修正的浓度值来说，四个数据总数中每一个的组合偏差的标准偏差也减小至少1.5单位。在图6F中更接近于零组合偏差线附近的编组显示出补偿的分析物浓度相对于未补偿分析物浓度的更大的准确度和精确度。这些结果证实了复合指数函数可在不同样本之间传递，并且可在实验室中测定以备稍后在测量装置中使用。

图7描述了测定生物流体样本中分析物浓度的生物传感器系统700的示意图。生物传感器系统700包括测量装置702和检测传感器704，其可实施为台式装置、便携式或手持式装置等形式的任一种分析仪器。测量装置702和检测传感器704可适合于实施电化学传感器系统、光学传感器系统或其组合等。生物传感器系统700利用至少一个ΔS值调节如下相关性：该相关性用于根据输出信号测定分析物浓度。该ΔS调节的相关性在测定样本的分析物浓度时可改善生物传感器系统700的测量性能。生物传感器系统700可用于测定分析物浓度，包括葡萄糖、尿酸、乳酸盐、胆固醇、胆红素等的分析物浓度。虽然显示了生物传感器系统700的特定构造，但它可具有其他构造，包括具有其他元件的构造。

检测传感器704具有底座706，该底座706形成储集器708和带有开口712的通道710。储集器708和通道710可由带有排放口的盖所覆盖。储集器708限定了部分封闭的容积。储集器708可含有有助于保持液体样本的组分(例如遇水膨胀型聚合物或多孔状聚合物基质)。试剂可沉积于储集器708和/或通道710中。试剂可包括一种或多种酶、粘合剂、介体及类似物质。试剂可包括用于光学系统的化学指示剂。检测传感器704还可具有邻近于储集器708安置的样本接口714。样本接口714可部分或完全地环绕储集器708。检测传感器704可具有其他构造。

在光学传感器系统中，样本接口714具有用于观察样本的光入口或孔。该光入口可用基本透明的材料覆盖。在储集器708的两侧，该样本接口可具有光入口。

在电化学系统中，样本接口714具有与工作电极和对置电极相连接的导体。这些电极基本上可位于相同的一个平面，或位于多个平面上。电极可安置于形成储集器708的底座706的表面上。电极可伸入或插入储集器708中。介电层可部分地覆盖导体和/或电极。样本接口714可具有其他电极和导体。

测量装置702包括与传感器接口718和显示器720相连接的电路716。电路716包括与信号发生器724、任意温度传感器726及存储介质728相连接的处理器722。

信号发生器724响应于处理器722而将电输入信号提供给传感器接口718。在光学系统中，电输入信号可用于操作或控制传感器接口718中的检测器及光源。在电化学系统中，电输入信号可由传感器接口718传输至样本接口714，从而将电输入信号施加到生物流体的样本。电输入信号可以是电位或电流并且可以是恒定的、变化的或其组合(例如施加具有DC信号偏置的AC信号)。电输入信号可以以单脉冲或多脉冲、序列或周期的形式施加。信号发生器724也可作为发生器-记录器记录来自传感器接口的输出信号。

任选温度传感器726测定检测传感器704的储集器中样本的温度。样本的温度可由输出信号测量、计算、或者可假定样本温度与测量的环境温度或实施该生物传感器系统的装置的温度相同或相似。可使用热敏电阻器、温度计或其他温度感测装置测量温度。也可使用其他技术来测定样本温度。

存储介质728可以是磁存储器、光学存储器、或半导体存储器、其他存储装置等。存储介质728可以是固定存储装置或诸如远程访问的存储卡等可移动存储装置。

处理器722使用储存于存储介质728中的计算机可读软件代码和数据来实施分析物分析和数据处理。处理器722可响应于传感器接口718处检测传感器704的存在以及将样本施加到检测传感器704上而开始分析物分析，或者响应于用户输入等开始分析物分析。处理器722指示信号发生器724将电输入信号供给到传感器接口718。处理器722从温度传感器726接收样本温度。处理器722从传感器接口718接收输出信号。响应于样本中分析物的反应而产生输出信号。可使用光学系统、电化学系统等来产生输出信号。处理器722使用前述的相关性方程式根据输出信号测定利用ΔS补偿的分析物浓度。分析物分析的结果可被输出至显示器720并且可被储存于存储介质728中。

分析物浓度与输出信号之间的相关性方程式可用图表方式、数学方式或其组合等方式来表示。相关性方程式可包括一个或多个指数函数。相关性方程式可用储存于存储介质728中的程序号码分配(PNA)表、另一种查找表等来表示。常数和权重系数也可储存于存储介质728中。关于实施分析物分析的指令可由储存于存储介质728中的计算机可读软件代码提供。上述代码可以是目标代码或者描述或操控本文所述功能的任何其他代码。可在处理器722中对分析物分析的数据进行一种或多种数据处理，包括测定衰变率、K常数、比值和/函数等。

在电化学系统中，传感器接口718具有与检测传感器704的样本接口714中的导体连接或电连通的触点。传感器接口718将来自信号发生器724的电输入信号经由这些触点传输到样本接口714中的连接器。传感器接口718还将来自样本的输出信号经由这些触点传输到处理器722和/或信号发生器724。

在吸收光和产生光的光学系统中，传感器接口718包括采集并测量光的检测器。该检测器经由样本接口714中的光入口接收来自液体传感器的光。在吸收光的光学系统中，传感器接口718还包括诸如激光器、发光二极管等光源。入射光束可具有经选择以便于反应产物吸收的波长。传感器接口718经由样本接口714中的光入口引导来自光源的入射光束。可以与光入口成诸如45°的角度安置检测器，从而接收样本反射回来的光。可在邻近于远离光源的样本另一侧的光入口安置检测器，从而接收透过样本的光。检测器可位于另一位置以便接收反射的和/或透射的光。

显示器720可以是模拟型或数字型的。显示器720可包括适合于显示数值读数的LCD显示器、LED显示器、OLED显示器、真空荧光显示器或其他显示器。可以使用其他显示器。显示器720与处理器722电连通。例如在显示器720与处理器722无线通信时，显示器720可与测量装置702分开。或者，例如在测量装置702与远程计算装置、输液泵等电通信时，显示器720可远离测量装置702。

使用中，通过将液体引入开口712，将用于分析的液体样本转移到储集器708中。液体样本经由通道710流至储集器708中，并填充储集器708，同时排出先前容纳的空气。液体样本与沉积于通道710和/或储集器708中的试剂发生化学反应。

检测传感器702邻近于测量装置702安置。邻近位置包括使样本接口714与传感器接口718电连通和/或光连通的位置。电连通包括输入和/或输出信号在传感器接口718中的触点与样本接口714中的导体之间的转移。光连通包括光在样本接口714中的光入口与传感器接口718中的检测器之间的转移。光连通还包括光在样本接口714中的光入口与传感器接口718中的光源之间的转移。

处理器722接收来自温度传感器726的样本温度。处理器722指示信号发生器724将输入信号提供给传感器接口718。在光学系统中，传感器接口718响应于该输入信号而操作检测器及光源。在电化学系统中，传感器接口718通过样本接口714将该输入信号提供给样本。处理器722如前所述接收响应于样本中的分析物氧化还原反应而产生的输出信号。

处理器722测定样本的分析物浓度。测量装置根据至少一个ΔS值调节分析物浓度与输出信号之间的相关性。由该斜率调节的相关性和该输出信号来测定分析物浓度。如前所述，也可使用归一化技术。

虽然已经描述了本发明的各种实施例，但本领域技术人员显然可以在本发明的范围内做出其他实施例和实施方式。

Claims

1.一种用于测定样本中分析物浓度的方法，所述方法包括：

响应于所述样本中所述分析物浓度而生成至少一个输出信号值；

由至少一个复合指数函数确定至少一个ΔS值，所述复合指数函数包括至少两项，所述至少两项的每一项乘有权重系数；

用至少一个参考相关性和所述至少一个ΔS值补偿所述至少一个输出信号值；以及

由所述至少一个输出信号值测定所述样本中的分析物浓度。

2.根据权利要求1所述的方法，其中，所述测定的分析物浓度中的偏差百分比与ΔS大体上呈线性关系，并且利用使所述测定的分析物浓度的偏差百分比与电流相关联的方程式进行所述补偿。

3.根据权利要求1或2所述的方法，其中，使用参考仪器对所述至少一个参考相关性进行预测定。

4.根据权利要求1、2或3所述的方法，其中，所述补偿表示如下：

A_{corr} = \frac{i - Int}{S_{cal} + f (predictor)}

其中，A_corr是所述测定的分析物浓度，i是响应于所述样本中分析物浓度的至少一个输出信号值，Int是参考相关性的截距，S_cal是参考相关性，f(predictor)是包括所述复合指数函数的预测函数，其中，所述至少一个ΔS值表示所述参考相关性的斜率与能够无偏差地提供所述样本分析物浓度的输出信号值的线的假设斜率之间的斜率差。

5.根据前述任一项权利要求所述的方法，其中，所述复合指数函数还包括至少一个不等于零的常数。

6.根据前述任一项权利要求所述的方法，其中，所述至少两项中的一项包括所述样本的原始分析物浓度值。

7.根据前述任一项权利要求所述的方法，其中，所述至少两项中的一项包括温度。

8.根据前述任一项权利要求所述的方法，其中，所述至少两项中的一项包括响应于所述样本的％Hct的误差参数。

9.根据前述任一项权利要求所述的方法，其中，所述至少两项中的一项包括误差参数，所述误差参数独立地选自中间输出信号值和所述输出信号以外的值。

10.根据权利要求9所述的方法，其中，所述误差参数响应于使所述至少一个输出信号值发生变化的误差源。

11.根据权利要求9所述的方法，其中，所述误差参数独立地响应于不同的误差源，并且具有与ΔS_cal的至少0.3的R²相关性。

12.根据前述任一项权利要求所述的方法，其中，由所述复合指数函数测定的所述至少一个ΔS值具有与ΔS_cal的至少0.6的R²相关性。

13.根据前述任一项权利要求所述的方法，其中，测定所述样本中的分析物浓度还包括测定多个样本的分析物浓度，并且复合指数函数为所述多个样本测定的所述分析物浓度提供对于所述多个样本组合偏差的小于5的标准偏差值。

14.根据权利要求13所述的方法，其中，所述多个样本的所述测定的分析物浓度落入±10％、±8％或±5％的组合偏差界限内。

15.根据权利要求1～8中任一项所述的方法，还包括：

第二复合指数函数，其中通过所述复合指数函数和第二复合指数函数变换不同的误差参数来得到至少两个ΔS值；或者

指数函数，其中通过所述复合指数函数和所述指数函数变换不同的误差参数来得到至少两个ΔS值。

16.根据前述任一项权利要求所述的方法，还包括：对至少一个ΔS值进行归一化，其中所述归一化响应于参考相关性方程式的斜率或者响应于归一化斜率函数。

17.根据前述任一项权利要求所述的方法，通过至少一个排除试验选择所述至少两项。

18.一种用于测定样本中分析物浓度的生物传感器系统，所述生物传感器系统包括：

检测传感器，所述检测传感器具有邻近于由传感带形成的储集器的样本接口；以及

测量装置，所述测量装置具有与传感器接口相连接的处理器，所述传感器接口与所述样本接口电连通，并且所述处理器与存储介质电连通，

其中，所述处理器测定响应于来自所述传感器接口的所述样本中分析物浓度的输出信号值，

其中，所述处理器由至少一个复合指数函数测定至少一个ΔS值，所述复合指数函数包括至少两项，其中所述至少两项的每一项都乘有权重系数，并且

其中，所述处理器用所述至少一个ΔS值和存在于所述存储介质中的至少一个参考相关性补偿所述输出信号值。

19.根据权利要求18所述的系统，其中，所述测量装置是便携式的。

20.根据权利要求18或19所述的系统，所述检测传感器布置并构造成在测定的分析物浓度的偏差百分比与ΔS之间具有大体上线性的关系。

21.根据权利要求18～20中任一项所述的系统，其中，所述存储介质存储使用参考仪器预测定的至少一个参考相关性。

22.根据权利要求18～21中任一项所述的系统，其中，所述处理器还使用来自所述至少一个参考相关性的截距以及包括所述复合指数函数的预测函数补偿所述输出信号值，其中所述至少一个ΔS值表示所述参考相关性的斜率与能够无偏差地提供所述样本的分析物浓度的输出信号值的线的假设斜率之间的斜率差。

23.根据权利要求18～22中任一项所述的系统，所述复合指数函数还包括至少一个不等于零的常数。

24.根据权利要求18～23中任一项所述的系统，其中，所述至少两项中的一项包括所述样本的原始分析物浓度值。

25.根据权利要求18～24中任一项所述的系统，其中，所述至少两项中的一项包括温度。

26.根据权利要求18～25中任一项所述的系统，其中，所述至少两项中的一项包括响应于所述样本的％Hct的误差参数。

27.根据权利要求18～26中任一项所述的系统，其中，所述至少两项中的一项包括误差参数，所述误差参数独立地选自中间输出信号值和所述输出信号以外的值。

28.根据权利要求27所述的系统，其中，所述误差参数响应于使所述至少一个输出信号值发生变化的误差源。

29.根据权利要求27所述的系统，其中，所述误差参数独立地响应于不同的误差源，并且具有与ΔS_cal的至少0.3的R²相关性。

30.根据权利要求18～29中任一项所述的系统，其中，通过所述处理器从所述复合指数函数测定的至少一个ΔS值具有与ΔS_cal的至少0.6的R²相关性。

31.根据权利要求18～30中任一项所述的系统，其中，所述处理器进一步测定多个样本中的分析物浓度，并且所述复合指数函数为所述多个样本测定的分析物浓度提供对于所述多个样本组合偏差的小于5的标准偏差值。

32.根据权利要求31所述的系统，其中，通过所述处理器测定的所述多个样本的所述分析物浓度落入±10％、±8％或±5％的组合偏差界限内。

33.根据权利要求18～32中任一项所述的系统，其中，所述处理器对至少一个ΔS值进行归一化，其中所述归一化响应于参考相关性方程式的斜率或者响应于归一化斜率函数。

34.根据权利要求18～33中任一项所述的系统，通过至少一个排除试验选择所述至少两项。

35.本发明在此公开的各个和每个新颖的特征。