CN106066938B - 一种疾病预防和健康管理方法及系统 - Google Patents
一种疾病预防和健康管理方法及系统 Download PDFInfo
- Publication number
- CN106066938B CN106066938B CN201610381815.8A CN201610381815A CN106066938B CN 106066938 B CN106066938 B CN 106066938B CN 201610381815 A CN201610381815 A CN 201610381815A CN 106066938 B CN106066938 B CN 106066938B
- Authority
- CN
- China
- Prior art keywords
- individual
- risk
- disease
- scene
- induction
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明公开了一种疾病预防和健康管理方法及系统,该方法包括多维度采集个体的基本信息;根据采集的基本信息,分析个体是否具备突出的疾病危险因素,并在分析结果为具备突出的疾病危险因素的情况下,对疾病危险因素所能导致的主要疾病风险进行评估和预测;根据评估和预测结果,判断个体是否为亟需干预的高危人群,并在判断为是的情况下,确定需要干预的危险因素,并针对不同的危险因素,对个体风险控制依从性进行预测;对预测为风险控制依从性低于预定值的个体,利用VR技术,配置对应的疾病威胁感知场景,对个体进行感知诱导。本发明通过利用VR场景技术对个体进行疾病危险感知的诱导,促进行为的纠正,从而实现了疾病的预防和健康管理。
Description
技术领域
本发明涉及医疗技术领域,具体来说,涉及一种疾病预防和健康管理方法及系统,尤其是一种基于决策行为分析和虚拟/增强现实技术的疾病预防和健康管理方法及系统。
背景技术
慢性非传染性疾病(简称慢病)是对一类起病隐匿、病程长且病情迁延不愈、缺乏明确的传染性生物病因证据、病因复杂或病因尚未完全确认疾病的概括性总称,2005年,世界卫生组织(WHO)指出,慢病是全球最首要的死亡原因之一。2006年我国第三次居民死因抽样调查,恶性肿瘤、心脑血管疾病和其他慢病已经成为我国城乡居民死亡的主要疾病。第四次国家卫生服务调查显示,全国慢病总病例数己达到2.6亿,2010年世界银行《创建健康和谐社会,遏制慢病流行》工作报告显示慢病占我国人群死因构成的80%以上、疾病负担的68.6%。2011年世界银行认为,慢病已经成为中国的头号健康威胁,如果不及时采取有效策略,到2030年,中国40岁以上人群,患糖尿病、心血管疾病、癌症和慢性呼吸系统疾病的人数将增加2到3倍。随着我国人口老龄化的加剧,慢性病患病的绝对数和相对数都将日益显著增加。慢病给家庭生活、卫生服务系统和公共财政带来了巨大压力,对低收入人群的影响尤为严重,已经成为严重的公共卫生问题和社会问题。
为了应对这些严峻的问题,在宏观上我国对慢病预防与管理进行立法,并加强全国疾病预防控制体系基础建设,例如我国加入《世界卫生组织烟草控制框架公约》,并对控烟进行立法;强化政府责任,加大对疾病预防和控制的人力资源和资金的投入。在微观上,加强患者的慢病自我管理,通过“医患合作,患者互助,自我管理”来提高患者对疾病的认识水平,改善患者心理状态,促进患者功能恢复,减少医疗费用支出。然而在实际工作中,疾病预防和控制战略仍面临巨大的挑战,例如:在卫生政策的制订和执行上,困难重重,有的无矢;疾病预防体系人力资源不足,补偿机制不合理;疾病预防政策针对性较差,开展效果不佳,且缺少对政策落实情况的监督机制,无法保证执行效果。在患者和高危人群的自我管理中,主要做法仍是传统的以医务人员或社工的知识教育为主,辅以一定的自我管理技能的讲授,教育内容和形式单一、规模小、效果有限,缺乏标准化的操作流程和可针对不同受体的个体化的干预模式,难以转变个体重医轻防意识及不良行为,这样必然导致慢病危险因素无法得到有效控制,疾病预防和管理成为一句空话。
针对相关技术中的问题,目前尚未提出有效的解决方案。
发明内容
本发明的目的是提供一种疾病预防和健康管理方法及系统,以克服现有相关技术所存在的上述问题。
本发明的技术方案是这样实现的:
根据本发明的一个方面,提供了一种疾病预防和健康管理方法。
该疾病预防和健康管理方法包括:
多维度采集个体的基本信息;
根据采集的基本信息,分析个体是否具备突出的疾病危险因素,并在分析结果为具备突出的疾病危险因素的情况下,对所述疾病危险因素所能导致的主要疾病风险进行评估和预测;
根据评估和预测结果,判断个体是否为亟需干预的高危人群,并在判断为是的情况下,确定需要干预的危险因素,并针对不同的危险因素,对个体风险控制依从性进行预测;
对预测为风险控制依从性低于预定值的个体,利用VR技术,配置对应的疾病威胁感知场景,对个体进行感知诱导。
其中,所述基本信息包括:人口统计学信息、认知信息、个性与性格信息、既往病史信息、个人史及家族史信息。
其中,在针对不同的危险因素,对个体风险控制依从性进行预测时,利用医疗决策支持方法进行预测。
另外,上述疾病预防和健康管理方法还包括:在利用VR技术,配置对应的疾病威胁感知场景,对个体进行感知诱导之前,对个体进行生理和心理状态评估,并根据评估结果,判断个体的生理和心理状态是否满足VR场景诱导;并在判断结果为满足的情况下,允许对个体进行VR场景诱导。
此外,上述疾病预防和健康管理方法还包括:利用AR技术和网络社交工具对进行VR场景诱导后的个体的行为矫正进行巩固;并对完成行为矫正的个体进行追踪、随访和定期复评。
根据本发明的另一方面,提供了一种疾病预防和健康管理系统。
该疾病预防和健康管理系统包括:
信息采集模块,用于多维度采集个体的基本信息;
疾病风险评估模块,用于根据采集的基本信息,分析个体是否具备突出的疾病危险因素,并在分析结果为具备突出的疾病危险因素的情况下,对所述疾病危险因素所能导致的主要疾病风险进行评估和预测;
风险控制预测模块,用于根据评估和预测结果,判断个体是否为亟需干预的高危人群,并在判断为是的情况下,确定需要干预的危险因素,并针对不同的危险因素,对个体风险控制依从性进行预测;
VR场景诱导模块,用于对预测为风险控制依从性低于预定值的个体,利用VR技术,配置对应的疾病威胁感知场景,对个体进行感知诱导。
其中,所述基本信息包括:人口统计学信息、认知信息、个性与性格信息、既往病史信息、个人史及家族史信息。
其中,在针对不同的危险因素,对个体风险控制依从性进行预测时,所述风险控制预测模块利用医疗决策支持方法进行预测。
另外,上述疾病预防和健康管理系统还包括:身心评估和监测模块,用于在利用VR技术,配置对应的疾病威胁感知场景,对个体进行感知诱导之前,对个体进行生理和心理状态评估,并根据评估结果,判断个体的生理和心理状态是否满足VR场景诱导;并在判断结果为满足的情况下,允许对个体进行VR场景诱导。
此外,上述疾病预防和健康管理系统还包括:矫正巩固模块,用于利用AR技术和网络社交工具对进行VR场景诱导后的个体的行为矫正进行巩固;并对完成行为矫正的个体进行追踪、随访和定期复评。
本发明的有益效果:通过利用VR场景技术对个体进行疾病危险感知的诱导,进而促进行为的纠正,从而实现了疾病的预防和健康管理,降低了疾病的威胁,此外,通过本发明,可以提高疾病预防和管理的标准化和可操作性,使疾病预防(尤其是慢病预防的行为干预模式)具有更高的选择性和针对性,增强人们行为改变的信念,促进健康行为的形成,提高人们的生活质量,减轻医疗卫生负担,对我国经济发展、社会进步和可持续发展的战略,具有十分重要的意义。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是根据本发明实施例的疾病预防和健康管理方法的流程示意图;
图2是根据本发明实施例的疾病预防和健康管理系统的结构框图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员所获得的所有其他实施例,都属于本发明保护的范围。
根据本发明的实施例,提供了一种疾病预防和健康管理方法。
如图1所示,根据本发明实施例的疾病预防和健康管理方法包括:
步骤S101,多维度采集个体的基本信息;
步骤S103,根据采集的基本信息,分析个体是否具备突出的疾病危险因素,并在分析结果为具备突出的疾病危险因素的情况下,对所述疾病危险因素所能导致的主要疾病风险进行评估和预测;
步骤S105,根据评估和预测结果,判断个体是否为亟需干预的高危人群,并在判断为是的情况下,确定需要干预的危险因素,并针对不同的危险因素,对个体风险控制依从性进行预测;
步骤S107,对预测为风险控制依从性低于预定值的个体,利用VR技术,配置对应的疾病威胁感知场景,对个体进行感知诱导。
其中,所述基本信息包括:人口统计学信息、认知信息、个性与性格信息、既往病史信息、个人史及家族史信息。
其中,在针对不同的危险因素,对个体风险控制依从性进行预测时,利用医疗决策支持方法进行预测。
另外,上述疾病预防和健康管理方法还包括:在利用VR技术,配置对应的疾病威胁感知场景,对个体进行感知诱导之前,对个体进行生理和心理状态评估,并根据评估结果,判断个体的生理和心理状态是否满足VR场景诱导;并在判断结果为满足的情况下,允许对个体进行VR场景诱导。
此外,上述疾病预防和健康管理方法还包括:利用AR技术和网络社交工具对进行VR场景诱导后的个体的行为矫正进行巩固;并对完成行为矫正的个体进行追踪、随访和定期复评。
根据本发明的实施例,还提供了一种疾病预防和健康管理系统。
如图2所示,根据本发明实施例的疾病预防和健康管理系统包括:
信息采集模块201,用于多维度采集个体的基本信息;
疾病风险评估模块202,用于根据采集的基本信息,分析个体是否具备突出的疾病危险因素,并在分析结果为具备突出的疾病危险因素的情况下,对所述疾病危险因素所能导致的主要疾病风险进行评估和预测;
风险控制预测模块203,用于根据评估和预测结果,判断个体是否为亟需干预的高危人群,并在判断为是的情况下,确定需要干预的危险因素,并针对不同的危险因素,对个体风险控制依从性进行预测;
VR场景诱导模块204,用于对预测为风险控制依从性低于预定值的个体,利用VR技术,配置对应的疾病威胁感知场景,对个体进行感知诱导。
其中,所述基本信息包括:人口统计学信息、认知信息、个性与性格信息、既往病史信息、个人史及家族史信息。
其中,在针对不同的危险因素,对个体风险控制依从性进行预测时,所述风险控制预测模块203利用医疗决策支持方法进行预测。
另外,上述疾病预防和健康管理系统还包括:身心评估和监测模块(未示出),用于在利用VR技术,配置对应的疾病威胁感知场景,对个体进行感知诱导之前,对个体进行生理和心理状态评估,并根据评估结果,判断个体的生理和心理状态是否满足VR场景诱导;并在判断结果为满足的情况下,允许对个体进行VR场景诱导。
此外,上述疾病预防和健康管理系统还包括:矫正巩固模块(未示出),用于利用AR技术和网络社交工具对进行VR场景诱导后的个体的行为矫正进行巩固;并对完成行为矫正的个体进行追踪、随访和定期复评。
为了方便理解本发明的上述技术方案,以下通过具体实例以及工作原理对本发明的上述技术方案进行详细说明。
在具体应用时,对于信息采集模块201可通过以下具体方面进行数据采集:
1.用户人口统计学数据
包括(但可不限于)如下信息:
年龄、性别、民族、婚姻、政治面貌、宗教信仰、受教育程度/年限、经济收入、医疗保险类别、子女数、个人爱好、饮食习惯。
2.个性、情绪、认知、精神测查
包括(但可不限于)如下测验:
EPQ问卷、症状自评量表(SCL-90)、MoCA量表、MMSE量表、简明精神病评定量表(BPRS)
3.既往病史系统回顾:记录患者过去的健康状况和疾病情况,内容包括一般健康状况、疾病史、传染病史、预防接种史、手术外伤史、输血史、药物(食物)过敏史;可按序写出呼吸系统、循环系统、消化系统、泌尿系统、血液系统、内分泌代谢系统、运动骨骼系统、神经系统及免疫系统共9个系统有关的症状或疾病、诊疗情况。
4.个人史与家族史:个人史包括出生地、生长史、居住较长的地区和时间,有无疫区居留史;工作性质及有无毒物接触史,烟酒嗜好史(有烟酒嗜好史者应记录其具体情况);有无重大精神病史;婚姻家庭关系是否和睦,女性还应包括月经和生育史。家族史包括父母、兄弟、姐妹、配偶和子女的健康情况,有无遗传倾向的疾患,如:高血压、冠心病、肥胖、哮喘、痛风、糖尿病、肿瘤、癫痫、先天发育异常、运动障碍及精神病。有无传染病或与患者类似疾病的病史;必要时收集其祖父母及外祖父母健康情况。
而对于疾病风险评估模块202来说,则可通过以下具体实例来理解。具体的:
以卒中为例,对疾病风险评估模块202进行简要说明:
1.可降低缺血性卒中发病率的危险因素:高血压、高脂血症、颈动脉狭窄、房颤;
2.缺血性卒中的独立危险因素:吸烟、糖尿病、缺血性心脏病、心脏瓣膜病;
3.新的缺血性卒中的危险因素:活动减少(每周锻炼时间小于4小时);腹型肥胖(体重指数增高);水果和蔬菜摄入减少;饮酒(每周规律饮酒小于3次);Apo-B/Apo-A升高。
4.新的可能的缺血性卒中的危险因素:遗传因素;炎症标记物;病原体;血脂相关因子、血小板相关因子、其他因素。
5.卒中风险评估:
5.1 Framingham危险评分
来自于弗明汉心脏病研究(Framingham Heart Study),该研究根据胆固醇水平和非胆固醇因素计算个体在未来10年冠心病发作几率。非胆固醇因素又分为高危因素、主要危险因素和其他因素。
非胆固醇高危因素:糖尿病;已经具有冠心病的证据,例如有过心脏病发作,曾行心脏搭桥手术等;心脏外的动脉已经发生动脉硬化;动脉硬化可导致末梢血液循环障碍、腹主动脉瘤和卒中。具有高危因素中任何一项者在十年中发生心脏病或心脏病复发的可能性>20%(即10年心脏病危险>20%)。
非胆固醇主要危险因素:男性>45岁,女性>55岁;吸烟;高血压(>140/90mmHg或正在接受高血压病治疗);高密度脂蛋白<40mg/dl;一级亲属中小于55岁的男性发生冠心病史,小于65岁的女性发生冠心病史。具有0~1项、2项、或2项以上主要危险因素者十年心脏病危险可以是<10%,10~20%,或>20%。
其他危险因素:肥胖、高饱和脂肪酸和高胆固醇饮食、运动少和高半胱氨酸和脂蛋白a水平升高。上述因素虽未包括于弗明汉危险评分计算公式中,但仍被认为是冠心病的危险因素。
采用Framingham危险量表评估未来10年心脏病危险,评分>20%为高危,10%-20%为中危,评分<10%则为低危。
5.2 ABCD2评分量表(TIA早期卒中风险预测工具)
ABCD2评分(总分0-7分) | 得分 |
A年龄≥60岁 | 1 |
B血压≥140/90mmHg | 1 |
C临床表现 | |
单侧肢体无力 | 2 |
有言语障碍而无肢体无力 | 1 |
D症状持续时间 | |
≥60分钟 | 2 |
10-59分钟 | 1 |
D糖尿病:口服降糖药或应用胰岛素治疗 | 1 |
ABCD2评分能确定TIA患者是否为卒中的高危人群;通常存在单肢无力或言语障碍,尤其是症状持续1小时以上者。
所有的怀疑TIA的患者应该进行包括明确卒中风险在内的全面评估。
应在治疗的初期就使用ABCD2评分工具进行卒中风险系数评估。
ABCD2评分0-3分判定为低危人群,4-5分为中危人群,6-7分为高危人群。
5.3二级预防的Essen卒中风险评分量表(ESRS):为脑卒中亚组分析开发的卒中风险预测工具。
评分0~2分为低危,脑卒中的复发率比较低;3分是一个分界值,评分3~6分为中危,大于3分者复发几率高,而且评分越高,发生脑卒中和复合心血管事件的危险越高,评分7~9分为高危。
5.4 CHADS2评分:CHADS2评分是一个用于非风湿性房颤患者卒中风险评估工具。结果可做为抗凝或抗血小板治疗的参考。最大可能分为6分,0-1分低危,代表存在低卒中风险;2-3分中危,4-6分高危,代表存在高卒中风险。
CHADS2评分
对于不同的个体采用相应的评估卒中风险的工具,评估其卒中发生和复发风险,评价其卒中风险因素控制的必要性与紧迫性。
而对于风险控制预测模块203来说,则可通过以下具体实例来理解。具体的:
根据个体的人口统计学数据和疾病风险预测,确定亟需干预的高危人群,及其需重点干预的危险因素;针对不同的危险因素,对个体进行风险控制依从性的评估。本模块涉及医疗决策支持方法,通过该方法可以对个体疾病风险控制行为进行预测。以卒中的高危人群为例:
假设某老年男性高脂血症患者通过Framingham危险量表提示其未来10年心脏病危险评分>20%,为高危人群。针对其高脂血症,经临床医师评估需行降至药物治疗,采用下述步骤对其降脂治疗行为倾向进行评估:
1、信息库配置模块,用于预先配置风险决策信息库,该风险决策信息库中包括若干不同表达模式的降脂治疗风险决策信息;
2、反应测试模块,用于利用上述风险决策信息库,对高脂血症患者进行测试,确定患者对所述风险决策信息库中的若干不同表达模式的降脂治疗风险决策信息的反应结果;
3、行为倾向分析模块,用于根据得到的反应结果,采用潜类别分析,对高脂血症患者潜在的降脂治疗风险决策倾向进行分类,并同时预测不同类别中的患者在接受不同表述模式的降脂治疗风险决策信息时的认同率;其中,分类的类别包括降脂依从组、降脂抵触组、中间变异组;
4、降脂倾向预测模块,用于以患者潜在的降脂治疗风险决策倾向类别为因变量,以患者多维度基本信息为自变量,采用多元Logistic回归分析建立风险决策模型,完成对患者降脂治疗决策倾向的影响因素的多角度同步分析,实现对患者的降脂治疗倾向的预测;
5、降脂治疗决策支持模块,对于降脂依从组的患者,根据降脂风险决策模型,确定给该患者个体呈现的最佳降脂治疗决策信息的表述模式,进一步巩固其降脂治疗的依从性。对于降脂抵触组或中间变异组的个体,则以单纯信息矫正的方式难以纠正该危险因素,考虑进入VR体验模式。
根据上述流程可以分别对个体存在的高血压、糖尿病、吸烟、房颤、运动减少等各个危险因素进行风险控制的预测,对于多个危险因素评估后均为风险控制行为抵触组群的个体,可经上述评估工具(如Framingham量表/ABCD2评分量表/CHADS2)再次评分仍为高危因素的个体,进入VR情境体验模块。
而对于VR场景诱导模块204来说,则可通过以下具体实例来理解。具体的:
VR情景体验内容均为当上述危险因素控制不佳时,个体未来会出现的身心疾患的VR内容。具体的,通过以下方案实现:
1、虚拟现实平台:采用虚拟现实头盔/眼镜用于显示虚拟现实场景。可选方式包括(但不限于)如下三种:将场景通过投射系统投射在棱镜上,人眼通过棱镜看到相应的内容;通过图形处理器(GPU)和计算机中央处理器(CPU)处理从摄像头等图像设备收集的场景数据,再通过全息处理器,依靠叠加的不同颜色的镜片生成虚拟对象;最后也可通过棱镜和微型投影设备将场景投射于人眼的视网膜。在VR形态上,包括PC VR和移动VR,PC VR即PC头盔,与主机(PC、游戏机等)连用,内置GPU、CPU、屏幕等部件。而移动VR包括一体机(可独立使用,具备独立的GPU、CPU、屏幕等)和手机盒子(与手机连用,盒子本身无CPU、屏幕等配件)。
2、感觉模拟服:配合虚拟现实平台使用,可以给用户提供在虚拟世界中全身的触感,包括触觉、痛觉、温度觉、压力觉、麻木感、蚁走感。包括连体式和分体式,衣服内都分布有触觉反馈装置,并可以通过发送电脉冲,让用户获得肢体上的感受,例如可以通过模拟服的触觉反馈装置模拟卒中的感觉障碍或感觉异常。
3、其他外部设备:配合虚拟现实头盔/眼镜和感觉模拟服使用,结合虚拟现实场景和内容,提高用户浸入感,例如可配置运动辅具,辅助或限制用户的肢体运动,模拟卒中的运动障碍或其他相关疾患的运动异常。
4、VS场景内容设置
场景内容设置仍以急性脑梗死为例,可根据个体体验视角分为旁观者和亲历者两类。相对而言,旁观者视角冲击感相对弱,而亲历者视角对个体产生的压力和应激相对较高,可根据个体危险因素的数量与干预效果的预期对不同等级刺激强度的VS场景和内容由低到高、依次进行选择。
4.1、旁观者视角:以既往患者的真实病历为基础,建立VR病例库,模拟患者急性脑梗死发生、发展、就诊、治疗、康复、日常生活照护系列场景;然后针对不同的个体,从VR病例库中选择与该个体人口统计学因素(如年龄、性别等)和危险因素(高血压、糖尿病、吸烟等)相匹配的患者的VR情境;最后个体作为旁观者对急性脑梗死的发生发展过程进行体验。
4.1.1、建立VR病例库:以大样本的卒中患者的病历为蓝本,建立急性脑梗死VR病例数据库,注意收集患者的个体特征,作为匹配因素;
4.1.2、场景类型:急性卒中首发、卒中进展、就诊-治疗-抢救、康复、预后-生活照护、卒中复发、死亡;
4.1.3、急性脑梗死严重程度:参照美国国立卫生院神经功能缺损评分(NIHSS),根据发病时患者的症状,对其病情的严重程度进行评分,0-1分:正常或近乎正常;1-4分:轻度卒中/小卒中;5-15分:中度卒中;15-20分:中-重度卒中;21-42分:重度卒中。基线评估>16分的患者很有可能死亡,而<6分的很有可能恢复良好;每增加1分,预后良好的可能性降低17%。
4.1.4、脑卒中后患者的功能恢复:改良Rankin量表是临床研究卒中常用的评估转归量表,用于测定卒中患者日常生活活动的依赖和病残程度,也可用来衡量患者脑卒中后的功能恢复的结果。
改良Rankin量表
4.1.5、脑梗死受累血管:
1)前循环-颈内动脉系统:①颈内动脉综合征;②大脑中动脉综合征;③大脑前动脉综合征;
2)后循环-椎-基底动脉系统:
①大脑后动脉综合征:a.皮质支;b.深穿支:丘脑综合征;红核丘脑综合征;Weber综合征;
②椎动脉综合征;
③基底动脉综合征:a.Millard-Gubler综合征;b.Foville综合征;c.Raymond-Cestan综合征;d.闭锁综合征;e.基底动脉尖综合征。
4.2、亲历者视角:以既往患者的真实病历为基础,建立VR病例库,模拟患者急性脑梗死发生、发展、就诊、治疗、康复、日常生活照护系列场景;然后针对不同的个体,从VR病例库中选择与该个体人口统计学因素(如年龄、性别等)和危险因素(高血压、糖尿病、吸烟等)相匹配的患者的VR情境;最后,个体作为亲历者对急性脑梗死的发生发展过程进行沉浸式亲身体验。
4.2.1、建立VR病例库;
4.2.2、场景类型:急性卒中首发、卒中进展、就诊-治疗-抢救、康复、预后-生活照护、卒中复发、死亡;
4.2.3、急性脑梗死严重程度:参照美国国立卫生院神经功能缺损评分(NIHSS);
4.2.4、脑卒中后患者的功能恢复:使用改良Rankin量表;
4.2.5、脑梗死受累血管:使用改良Rankin量表;
4.2.6、场景版式:场景版式分为:简化版(进入通用情境内容)vs订制版(为了进一步增加个体的浸入感,可根据个体需要,对其真实的生活和工作场景进行有针对性的个人订制)。
而对于身心评估和监测模块(未示出)来说,则可通过以下具体实例来理解。具体的:
由于身心疾患的VR内容的呈现,会造成个体一定的身心反应和压力,反应和压力与疾病预防和行为干预的效果成正比,当对个体的VR情境干预逐渐升级时,个体的应激反应和压力逐渐增加,为保证个体的安全,需要对其生理及心理状态进行实时监测和评估,包括但不限于:
1、生理监测:包括呼吸、心率、脉搏、心电、脑电、皮电、指端血氧饱和度监测;
2、呼救与自动防护系统:当个体对情境内容不耐受,可按压手中的按键,呼叫医护人员,并同时启动自我防护设置,自动停止VR情境式浸入。
3、抢救与生命支持系统:包括但不限于:简易呼吸器、氧气瓶、心脏除颤器、心脏按压泵、多功能抢救床、负压吸引器、微量注射泵、定量输液泵以及气管插管及气管切开所需急救器材与药品。
而对于矫正巩固模块(未示出)来说,则可通过以下具体实例来理解。具体的:
利用手机现实增强(AR)技术软件和网络社交工具对个体的行为矫正进行巩固;并对完成行为矫正的用户进行追踪、随访和定期复评;必要时根据随访和复评的结果为个体制订新的减危方案,并长期随访。以卒中高危人群控烟为例进行具体说明:
1、行为矫正巩固
1.1、手机现实增强(AR)工具:对于卒中高危人群,当其处于容易诱导吸烟行为的场景中,利用手机现实增强工具,在该场景中显示吸烟对健康的危害信息,以及卒中发作的影像(影像内容与其接受行为矫正时的VR场景信息一致),以强化控制其吸烟行为。
1.2、手机网络社交工具:采用微信、QQ、Fackbook等即时网络社交工具对个体的行为矫正进行固化,例如可将具有相同矫正目标的个体建立群组,进行相互监督、鼓励和竞赛,由行为矫正成功且对疾病管理知识和经验丰富者担任群主进行团体督导,成员之间可以相互交流防病经验,相互帮助、相互教育、相互扶持;并对表现突出者进行奖励,形成正反馈和榜样示范作用。
2、行为复评系统:
对个体的行为矫正效果进行定期复评,如可采取终端可穿戴设备(如智能手环)实时评测和面对面访谈系统评估两种不同的方式,并根据综合评价结果确定下一步的矫正方案,例如对效果可靠的个体可考虑结束行为矫正,或者将效果不佳的个体暴露于更高一级刺激强度的VS场景和内容中,对其进行强化干预的再循环。
综上所述,借助于本发明的上述技术方案,通过利用VR场景技术对个体进行疾病危险感知的诱导,进而促进行为的纠正,从而实现了疾病的预防和健康管理,降低了疾病的威胁,此外,通过本发明,可以提高疾病预防和管理的标准化和可操作性,使疾病预防(尤其是慢病预防的行为干预模式)具有更高的选择性和针对性,增强人们行为改变的信念,促进健康行为的形成,提高人们的生活质量,减轻医疗卫生负担,对我国经济发展、社会进步和可持续发展的战略,具有十分重要的意义。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种疾病预防和健康管理方法,其特征在于,包括:
多维度采集个体的基本信息;
根据采集的基本信息,分析个体是否具备突出的疾病危险因素,并在分析结果为具备突出的疾病危险因素的情况下,对所述疾病危险因素所能导致的主要疾病风险进行评估和预测;
根据评估和预测结果,判断个体是否为亟需干预的高危人群,并在判断为是的情况下,确定需要干预的危险因素,并针对不同的危险因素,对个体风险控制依从性进行预测;
对预测为风险控制依从性低于预定值的个体,利用VR技术,配置对应的疾病威胁感知场景,对个体进行感知诱导;
在利用VR技术,配置对应的疾病威胁感知场景,对个体进行感知诱导之前,对个体进行生理和心理状态评估,并根据评估结果,判断个体的生理和心理状态是否满足VR场景诱导;
在判断结果为满足的情况下,允许对个体进行VR场景诱导;
利用AR技术和网络社交工具对进行VR场景诱导后的个体的行为矫正进行巩固;并对完成行为矫正的个体进行追踪、随访和定期复评。
2.根据权利要求1所述的疾病预防和健康管理方法,其特征在于,所述基本信息包括:
人口统计学信息、认知信息、个性与性格信息、既往病史信息、个人史及家族史信息。
3.根据权利要求1所述的疾病预防和健康管理方法,其特征在于,在针对不同的危险因素,对个体风险控制依从性进行预测时,利用医疗决策支持方法进行预测。
4.一种疾病预防和健康管理系统,其特征在于,包括:
信息采集模块,用于多维度采集个体的基本信息;
疾病风险评估模块,用于根据采集的基本信息,分析个体是否具备突出的疾病危险因素,并在分析结果为具备突出的疾病危险因素的情况下,对所述疾病危险因素所能导致的主要疾病风险进行评估和预测;
风险控制预测模块,用于根据评估和预测结果,判断个体是否为亟需干预的高危人群,并在判断为是的情况下,确定需要干预的危险因素,并针对不同的危险因素,对个体风险控制依从性进行预测;
VR场景诱导模块,用于对预测为风险控制依从性低于预定值的个体,利用VR技术,配置对应的疾病威胁感知场景,对个体进行感知诱导。
5.根据权利要求4所述的疾病预防和健康管理系统,其特征在于,所述基本信息包括:
人口统计学信息、认知信息、个性与性格信息、既往病史信息、个人史及家族史信息。
6.根据权利要求4所述的疾病预防和健康管理系统,其特征在于,在针对不同的危险因素,对个体风险控制依从性进行预测时,所述风险控制预测模块利用医疗决策支持方法进行预测。
7.根据权利要求4所述的疾病预防和健康管理系统,其特征在于,还包括:
身心评估和监测模块,用于在利用VR技术,配置对应的疾病威胁感知场景,对个体进行感知诱导之前,对个体进行生理和心理状态评估,并根据评估结果,判断个体的生理和心理状态是否满足VR场景诱导;并在判断结果为满足的情况下,允许对个体进行VR场景诱导。
8.根据权利要求4所述的疾病预防和健康管理系统,其特征在于,还包括:
矫正巩固模块,用于利用AR技术和网络社交工具对进行VR场景诱导后的个体的行为矫正进行巩固;并对完成行为矫正的个体进行追踪、随访和定期复评。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610381815.8A CN106066938B (zh) | 2016-06-03 | 2016-06-03 | 一种疾病预防和健康管理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610381815.8A CN106066938B (zh) | 2016-06-03 | 2016-06-03 | 一种疾病预防和健康管理方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106066938A CN106066938A (zh) | 2016-11-02 |
CN106066938B true CN106066938B (zh) | 2019-02-26 |
Family
ID=57420405
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610381815.8A Active CN106066938B (zh) | 2016-06-03 | 2016-06-03 | 一种疾病预防和健康管理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106066938B (zh) |
Families Citing this family (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106933348A (zh) * | 2017-01-24 | 2017-07-07 | 武汉黑金科技有限公司 | 一种基于虚拟现实的脑电神经反馈干预系统及方法 |
US20180254097A1 (en) * | 2017-03-03 | 2018-09-06 | BehaVR, LLC | Dynamic multi-sensory simulation system for effecting behavior change |
EP3378377B1 (en) * | 2017-03-23 | 2021-07-07 | Essilor International | Method for determining a risk score of an eye disease for a user and system for the execution of such method |
CN107346376A (zh) * | 2017-07-05 | 2017-11-14 | 刘浩 | 一种健康体检项目智能推荐的方法及系统 |
CN107680682A (zh) * | 2017-09-28 | 2018-02-09 | 北京大学 | 基于微信平台的慢性非传染性疾病队列研究人群随访方法 |
CN108281188B (zh) * | 2018-01-18 | 2022-01-14 | 姜涵予 | 一种健康状态评估体系以及装置 |
CN108364689B (zh) * | 2018-02-24 | 2020-09-08 | 西安时代基因健康科技股份有限公司 | 一种基于分子分型的高尿酸血症及痛风非药物靶向干预系统 |
CN108831553A (zh) * | 2018-04-09 | 2018-11-16 | 平安科技(深圳)有限公司 | 电子装置、鼻咽癌风险预警方法和计算机可读存储介质 |
CN108847283A (zh) * | 2018-04-19 | 2018-11-20 | 中国人民解放军第二军医大学 | 个性化健康管理方法及系统 |
CN110459314A (zh) * | 2018-05-08 | 2019-11-15 | 深圳市前海安测信息技术有限公司 | 基于vr的ad患者认知能力测试系统及方法 |
CN109300515A (zh) * | 2018-09-28 | 2019-02-01 | 安徽名流健康管理有限公司 | 基于大数据分析的健康管理系统 |
CN109903825A (zh) * | 2019-03-08 | 2019-06-18 | 上海一健事信息科技有限公司 | 一种基于人工智能的健康管理系统 |
CN110021203A (zh) * | 2019-04-23 | 2019-07-16 | 南方医科大学口腔医院 | 一种口腔健康教育体验系统、方法及医疗教育装置 |
CN110634541A (zh) * | 2019-06-26 | 2019-12-31 | 山西医科大学 | 一种口腔健康数据采集及分析方法 |
CN110619957A (zh) * | 2019-08-16 | 2019-12-27 | 深圳市第二人民医院 | 一种脑卒中筛查方法、装置、存储介质及设备 |
CN112447293B (zh) * | 2019-09-05 | 2023-11-03 | 姚远 | 一种vte风险预警系统 |
CN111276230A (zh) * | 2020-02-24 | 2020-06-12 | 上海市同仁医院 | 一种心脑血管疾病一体化分层管理系统及方法 |
JP6834046B1 (ja) * | 2020-05-08 | 2021-02-24 | 長瀬産業株式会社 | バーチャル疾患体験システム、バーチャル疾患体験方法、及びプログラム |
CN112489789A (zh) * | 2020-11-25 | 2021-03-12 | 上海市同仁医院 | 一种用于心血管疾病风险评估的分层管理系统及方法 |
CN112967807B (zh) * | 2021-03-03 | 2023-12-01 | 吾征智能技术(北京)有限公司 | 基于饮食行为预测脑卒中的系统、设备及存储介质 |
CN115496350A (zh) * | 2022-09-15 | 2022-12-20 | 上海交通大学医学院附属上海儿童医学中心 | 一种基于医务社会工作服务的数据处理方法以及装置 |
CN117457220B (zh) * | 2023-12-26 | 2024-04-12 | 深圳市健怡康医疗器械科技有限公司 | 一种神经内科卒中患者信息化管理方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102999686A (zh) * | 2011-09-19 | 2013-03-27 | 上海煜策信息科技有限公司 | 一种健康管理系统及其实现方法 |
US20140135873A1 (en) * | 2012-11-13 | 2014-05-15 | Daegu Gyeongbuk Institute Of Science & Technology | Rehabilitation training system and method |
CN104010030A (zh) * | 2014-05-13 | 2014-08-27 | 北京大学 | 一种基于移动互联网进行数据管理的方法和系统 |
CN104511079A (zh) * | 2013-09-28 | 2015-04-15 | 南京专创知识产权服务有限公司 | 利用虚拟技术帮助患者摆脱心理障碍的方法 |
CN104666047A (zh) * | 2013-11-28 | 2015-06-03 | 中国科学院沈阳自动化研究所 | 基于生物信息感知的双侧镜像康复系统 |
-
2016
- 2016-06-03 CN CN201610381815.8A patent/CN106066938B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102999686A (zh) * | 2011-09-19 | 2013-03-27 | 上海煜策信息科技有限公司 | 一种健康管理系统及其实现方法 |
US20140135873A1 (en) * | 2012-11-13 | 2014-05-15 | Daegu Gyeongbuk Institute Of Science & Technology | Rehabilitation training system and method |
CN104511079A (zh) * | 2013-09-28 | 2015-04-15 | 南京专创知识产权服务有限公司 | 利用虚拟技术帮助患者摆脱心理障碍的方法 |
CN104666047A (zh) * | 2013-11-28 | 2015-06-03 | 中国科学院沈阳自动化研究所 | 基于生物信息感知的双侧镜像康复系统 |
CN104010030A (zh) * | 2014-05-13 | 2014-08-27 | 北京大学 | 一种基于移动互联网进行数据管理的方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN106066938A (zh) | 2016-11-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106066938B (zh) | 一种疾病预防和健康管理方法及系统 | |
US20210106265A1 (en) | Real time biometric recording, information analytics, and monitoring systems and methods | |
CN109394247B (zh) | 一种多特征融合的就诊用户情绪监控方法 | |
Taylor et al. | Health psychology | |
CN107320836A (zh) | 基于vr技术的抑郁症辅助治疗虚拟场景系统及其实现方法 | |
CN109844868A (zh) | 使用机器学习模型处理眼底图像 | |
CN111354440A (zh) | 基于人机交互的消防人员心理干预方法、装置及电子设备 | |
Kouris et al. | HOLOBALANCE: An Augmented Reality virtual trainer solution forbalance training and fall prevention | |
CN105204416B (zh) | 一种用于病房数据采集方法 | |
KR102250775B1 (ko) | 근시 치료를 위한 디지털 장치 및 애플리케이션 | |
Mindell | Coma: A Healing Journey: a Guide for Family, Friends, and Helpers | |
Visco et al. | Artificial intelligence as a business partner in cardiovascular precision medicine: an emerging approach for disease detection and treatment optimization | |
Fan et al. | Federated learning driven secure internet of medical things | |
CN104740746A (zh) | 一种抑郁症电子救助系统及其救助方法 | |
CN114582466A (zh) | 一种基于hrv生物反馈训练的心理舒缓减压方法及系统 | |
CN110610754A (zh) | 一种沉浸式可穿戴诊断与治疗装置 | |
CN106169012A (zh) | 用于可扩展的个性化呼吸功能的方法和系统 | |
CN116168840B (zh) | 一种预测术后谵妄发生风险的方法、设备及系统 | |
CN112328072A (zh) | 一种基于脑电和眼电的多模态字符输入系统及方法 | |
Faiz et al. | A semantic rules & reasoning based approach for Diet and Exercise management for diabetics | |
CN204521913U (zh) | 一种抑郁症电子救助系统 | |
Ferrara et al. | Infrastructure for data management and user centered rehabilitation in Rehab@ Home project | |
KR20210053126A (ko) | 응급환자 처치 훈련 제공 방법 및 장치 | |
Saint-Jammes et al. | COVID-19 and healthcare professionals: the psychological impact of the pandemic on healthcare professionals and the use of EMDR early interventions | |
KR102357041B1 (ko) | 인공 지능을 이용한 질병 분석 및 예측 방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |