CN107526931A - 基于个性化因子的健康评估的方法 - Google Patents
基于个性化因子的健康评估的方法 Download PDFInfo
- Publication number
- CN107526931A CN107526931A CN201710758198.3A CN201710758198A CN107526931A CN 107526931 A CN107526931 A CN 107526931A CN 201710758198 A CN201710758198 A CN 201710758198A CN 107526931 A CN107526931 A CN 107526931A
- Authority
- CN
- China
- Prior art keywords
- information
- user
- personal
- classes
- factor
- 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.)
- Pending
Links
Landscapes
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明公开了一种基于个性化因子的健康评估的方法，根据权威文献指南信息，建立常规因子库；将用户的个人信息带入常规因子库，得到用户的A类评估结果，根据用户A类评估结果中的变量信息对用户进行动态监测，得到用户的B类评估结果；根据用户的个人信息以及医学指导信息，建立一级逻辑表，将A类评估结果和B类评估结果带入一级逻辑表中，得到用户的C类指导结果；参照医学指导信息，建立二级逻辑表，将C类指导结果带入二级逻辑表，得到用户的综合指导体系；根据用户的综合指导体系以及用户的动态反馈信息，获取用户的健康指导报告。通过本发明，解决现有健康评估存在的个性化低，实时性差的问题。
Description
技术领域
本发明涉及健康评估技术领域，更具体地，涉及一种基于个性化因子的健康评估的方法。
背景技术
根据世界卫生组织的研究报告，人类1/3的疾病能通过预防保健得以避免，1/3的疾病早期发现可以得到有效控制，1/3的疾病通过有效沟通可以提高治疗效果。对于疾病，治疗不是唯一的途径，通过健康管理有效预防、控制疾病并提升疾病治疗的效率才是人类健康的根本。
其中，健康评估作为一种能有效预防和干预疾病的手段，已越来越受到人们的重视。健康评估用于描述和评估某一个体未来发生某种特定疾病或因为某种特定疾病导致死亡的可能性，这种评估目的在于估计特定时间某种疾病发生的可能性，而不在于做出明确的诊断。
现有的健康评估方法通常是对某些特定人群给出患某项或某些疾病具有较高风险的评估结论，但是对个人具体的健康状况评估并不准确，也不能根据个人的动态信息实时调整健康评估的结论，导致健康评估存在个性化低和实时性较差的问题。
因此，针对上述问题，本发明提供了一种基于个性化因子的健康评估的方法，解决现有健康评估存在的个性化低，实时性差的问题。
发明内容
有鉴于此，本发明提供了一种基于个性化因子的健康评估的方法，解决现有健康评估存在的个性化低，实时性差的问题。
为了解决上述技术问题，本发明提出一种基于个性化因子的健康评估的方法，包括：
根据权威文献指南信息，建立常规因子库；
获取用户的个人信息，将所述用户的个人信息带入所述常规因子库，得到所述用户的A类评估结果，其中，所述A类评估结果，包括：个性化风险因子A和用户标签A；
根据所述用户A类评估结果中的变量信息对所述用户进行动态监测，获取所述用户的当前个人信息，根据所述用户的当前个人信息，对所述A类评估结果进行动态验证，得到所述用户的B类评估结果，其中，所述B类评估结果，包括：个性化风险因子B和用户标签B；
根据所述用户的个人信息以及医学指导信息，建立一级逻辑表，将所述A类评估结果和所述B类评估结果带入所述一级逻辑表中，得到所述用户的C类指导结果，其中，所述一级逻辑表，为包含常规因子和个性化风险因子的逻辑表；
参照医学指导信息，建立二级逻辑表，将所述C类指导结果带入所述二级逻辑表，得到所述用户的综合指导体系；
根据所述用户的综合指导体系以及所述用户的动态反馈信息，获取所述用户的健康指导报告。
优选地，获取用户的个人信息，将所述用户的个人信息带入所述常规因子库，得到所述用户的A类评估结果，进一步为：
获取所述用户的个人信息，其中，所述个人信息，按临床类型划分为：临床信息和非临床信息；按时间点划分为：即时信息和既往信息；
基于临床信息级别高于非临床信息级别，即时信息级别高于既往信息级别，对所述个人信息进行验证及修正；
当所述个人信息存在数据缺失或逻辑不符时，通过大数据信息推导出优选数据并对所述个人信息中的数据进行修正和补充；
将修正和补充后的所述个人信息带入所述常规因子库，得到所述用户的A类评估结果。
优选地，根据所述用户A类评估结果中的变量信息对所述用户进行动态监测，获取所述用户的当前个人信息，根据所述用户的当前个人信息，对所述A类评估结果进行动态验证，得到所述用户的B类评估结果，进一步为：
获取所述用户的A类评估结果中的变量信息，根据所述变量信息，对所述用户进行动态监测，获取所述用户的当前个人信息；
根据所述用户的当前个人信息对所述A类评估结果进行动态验证，获取所述用户的B类评估结果；
根据所述用户的B类评估结果信息，对所述用户进行动态监测，对所述用户的A类评估结果进行更新，获取更新后的所述A类评估结果；
将更新后的所述A类评估结果中的个性化风险因子A进行权重排序，对所述用户继续进行动态监测，获取更新后的所述B类评估结果。
进一步地，根据用户的个人信息，获取所述用户的疾病规则库，基于长期影响信息权重大于短期影响信息以及疾病的时间因素，对所述疾病进行排序，并设置所述疾病的等级及相应的风险阈值，形成疾病规则库，其中，所述个人信息包括：长期影响信息和短期影响信息；
参照所述疾病规则库，对所述用户的A类评估结果进行计算，获得所述用户的优化A类评估结果；
参照所述疾病规则库，对所述用户的B类评估结果进行计算，获得所述用户的优化B类评估结果。
进一步地，动态监测所述医学指导信息的更新状态，获取最新的医学信息，对所述常规因子库进行实时调整，根据调整后的所述常规因子库对所述疾病规则库进行动态更新。
优选地，根据所述用户的个人信息以及医学指导信息，建立一级逻辑表，进一步为：
依据医学指导信息及大数据信息，建立疾病与健康指导结果相对应的系统逻辑表；
将所述用户的个人信息带入所述系统逻辑表中，得到一级逻辑表；
动态监测所述医学指导信息和所述大数据信息的更新状态，根据更新后的所述医学指导信息和所述大数据信息，对所述系统逻辑表进行实时更新；
更新后的所述系统逻辑表对所述一级逻辑表进行实时调整，获取更新后的所述一级逻辑表。
优选地，参照医学指导信息，建立二级逻辑表，进一步为：
依据所述医学指导信息，建立健康指导结果与综合指导体系相对应的二级逻辑表；
动态监测所述医学指导信息的更新状态，根据更新后的所述医学指导信息，对所述二级逻辑表进行实时更新，获取更新后的所述二级逻辑表。
优选地，所述医学指导信息，包括：佛明翰心血管事件风险评估模型、TIMI评分模型、汉密尔顿抑郁量表及中国糖尿病防治指南。
优选地，所述个人信息，进一步为：
所述个人信息，包括:临床信息和非临床信息，其中，所述临床信息，指个人健康信息，所述非临床信息指：个人基本信息、个人情况信息和个人基因信息；
其中，所述个人健康信息指：由医院系统对接获得的标准化或非标准化电子病历，包含既往病史、家族史、实验室指标等临床信息；
所述个人基本信息指：性别、年龄、身高、体重等自然情况类信息；
所述个人情况信息指：生活习惯、饮食习惯、症状体征等信息；
所述个人基因信息指：通过血液、其他体液、或细胞对DNA进行检测，以获得个体可能患有某种疾病的内部原因。
优选地，所述个人信息，进一步为：
所述个人信息包括：长期影响信息和短期影响信息，其中，
所述长期影响信息，包括：环境信息、行为信息和遗传信息；
所述短期影响信息为所述用户的近期行为。
与现有技术相比，本发明的一种基于个性化因子的健康评估的方法，实现了如下的有益效果：
(1)本发明所述的一种基于个性化因子的健康评估的方法，通过用户的个人信息，得到用户的A类评估结果，在对用户动态监测的过程中，获取用户的B类评估结果，通过调整风险因子的优先级及权重比例，实现A类评估结果与B类评估结果之间的循环修正，最终得到实时有效的健康指导结果。
(2)本发明所述的一种基于个性化因子的健康评估的方法，及时更新医学指导信息和大数据信息，对常规因子库和系统逻辑表进行实时调整，进而实现对疾病规则库和逻辑表的实时更新，通过实时更新后的疾病规则库和逻辑表对用户进行健康评估时，提高了健康评估结果的准确性和有效性。
当然，实施本发明的任一产品必不特定需要同时达到以上所述的所有技术效果。
通过以下参照附图对本发明的示例性实施例的详细描述，本发明的其它特征及其优点将会变得清楚。
附图说明
被结合在说明书中并构成说明书的一部分的附图示出了本发明的实施例，并且连同其说明一起用于解释本发明的原理。
图1为本发明实施例1提供的基于个性化因子的健康评估的方法的流程示意图；
图2为本发明实施例2提供的基于个性化因子的健康评估的方法的流程示意图；
图3为本发明实施例2提供的A类评估结果与B类评估结果动态更新的流程示意图；
图4为本发明实施例2提供的一级逻辑表的建立及动态更新的流程示意图。
具体实施方式
现在将参照附图来详细描述本发明的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本发明及其应用或使用的任何限制。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。
在这里示出和讨论的所有例子中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它例子可以具有不同的值。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。
实施例1
如图1所示，本实施例1所提供的基于个性化因子的健康评估的方法，包括如下步骤：
步骤101、根据权威文献指南信息，建立常规因子库。
根据权威文献指南信息，建立常规因子库，所述常规因子库，包括：疾病名称、常规因子和所述常规因子的阈值，将一种所述疾病名称与至少一种常规因子进行关联，所述关联关系分为：直接一级关联、直接二级关联和直接三级关联，间接一级关联、间接二级关联和间接三级关联。
步骤102、获取用户的个人信息，将所述用户的个人信息带入所述常规因子库，得到所述用户的A类评估结果，其中，所述A类评估结果，包括：个性化风险因子A和用户标签A。
获取用户的个人信息，所述用户的个人信息，进一步地包括：临床信息和非临床信息，其中，所述临床信息，指个人健康信息，所述非临床信息指：个人基本信息、个人情况信息和个人基因信息。
其中，所述个人健康信息指：由医院系统对接获得的标准化或非标准化电子病历，包含既往病史、家族史、实验室指标等临床信息。
所述个人基本信息指：性别、年龄、身高、体重等自然情况类信息。
所述个人情况信息指：生活习惯、饮食习惯、症状体征等信息。
所述个人基因信息指：通过血液、其他体液、或细胞对DNA进行检测，以获得个体可能患有某种疾病的内部原因。
将所述用户的个人信息带入所述常规因子库，得到所述用户的A类评估结果。
步骤103、根据所述用户A类评估结果中的变量信息对所述用户进行动态监测，获取所述用户的当前个人信息，根据所述用户的当前个人信息，对所述A类评估结果进行动态验证，得到所述用户的B类评估结果，其中，所述B类评估结果，包括：
个性化风险因子B和用户标签B。
所述A类评估结果中有变量信息和常量信息，针对A类评估结果中的变量信息对该用户进行日常的动态监测，获得该用户当前时间的个人信息，在一个具体的实施例中，用户甲：个人既往信息-血压值80；动态日常监测-个人即时信息-血压值皆为130；用户乙：个人既往信息-血压值150；动态日常监测-个人即时信息-血压值皆为130。
如果以血压值120为正常指标基准，甲的血压值并非个性化风险因子A，但由于动态日常监测血压值超出正常值，形成了新的个性化风险因子B，并形成新的用户标签B(例如血压值危险、预警等)。乙的既往血压值为个性化风险因子A，但日常监测血压值有所降低，虽然形成了个性化风险因子B，但用户标签B有所不同(例如待观察、好转等)。
动态监测的内容可以包括：血压、血糖、脉搏、胆固醇、卡路里、体重、体温等，在此仅仅列举能够收集的参数的少数可能的非限制性示例中的一部分。监测方式包含但不限于用户主动输入、使用生物传感器等外接设备自动监测以及医院等第三方系统平台对接数据。
步骤104、根据所述用户的个人信息以及医学指导信息，建立一级逻辑表，将所述A类评估结果和所述B类评估结果带入所述一级逻辑表中，得到所述用户的C类指导结果，其中，所述一级逻辑表，为包含常规因子和个性化风险因子的逻辑表。
步骤105、参照医学指导信息，建立二级逻辑表，将所述C类指导结果带入所述二级逻辑表，得到所述用户的综合指导体系。
步骤106、根据所述用户的综合指导体系以及所述用户的动态反馈信息，获取所述用户的健康指导报告。
实施例2
如图2所示，本实施例2所提供的基于个性化因子的健康评估的方法，包括如下步骤：
步骤201、根据权威文献指南信息，建立常规因子库。
根据权威文献指南信息，建立常规因子库，所述常规因子库，包括：疾病名称、常规因子和所述常规因子的阈值，将一种所述疾病名称与至少一种常规因子进行关联，所述关联关系分为：直接一级关联、直接二级关联和直接三级关联，间接一级关联、间接二级关联和间接三级关联。
进一步地，实时监测医学指导信息的变更状态，如：佛明翰心血管事件风险评估模型、TIMI评分模型、汉密尔顿抑郁量表及中国糖尿病防治指南等，所述常规因子库根据所述医学信息的更新进行实时调整。
步骤202、获取用户的个人信息，将所述用户的个人信息带入所述常规因子库，得到所述用户的A类评估结果，其中，所述A类评估结果，包括：个性化风险因子A和用户标签A。
获取用户的个人信息，所述用户的个人信息，进一步地包括：临床信息和非临床信息，其中，所述临床信息，指个人健康信息，所述非临床信息指：个人基本信息、个人情况信息和个人基因信息。
其中，所述个人健康信息指：由医院系统对接获得的标准化或非标准化电子病历，包含既往病史、家族史、实验室指标等临床信息。
所述个人基本信息指：性别、年龄、身高、体重等自然情况类信息。
所述个人情况信息指：生活习惯、饮食习惯、症状体征等信息。
所述个人基因信息指：通过血液、其他体液、或细胞对DNA进行检测，以获得个体可能患有某种疾病的内部原因。
将所述用户的个人信息带入所述常规因子库，得到所述用户的A类评估结果。
在一些可选的实施例中，获取所述用户的个人信息，其中，所述个人信息，按时间点划分为：即时信息和既往信息；
基于临床信息级别高于非临床信息级别，即时信息级别高于既往信息级别，对所述个人信息进行验证及修正；用户甲的个人健康信息血压值为高血压确诊状态，但个人情况信息时并未填写为高血压患者，秉承临床级别信息高于非临床信息原则，删除无意义数据并进行标记，系统自动修正信息，甲的用户标签A即为高血压确诊患者。同时，个人信息遵循即时信息级别高于既往信息级别原则，用户的每次数据根据时间轴进行存档，调取时同样遵循个人即时信息档案级别高于个人既往信息档案。
当所述个人信息存在数据缺失或逻辑不符时，通过全球人口大数据统计的信息推导出最佳可能性结果并对所述个人信息中的数据进行修正和补充；遵循即时信息级别高于既往信息级别、临床信息级别高于非临床信息原则，个人健康信息＞生物传感器数据＞主动输入数据的原则，利用高级别数据对低级别数据进行二次调整修正，实现对个人信息中不符合逻辑数据的修正，同时系统会对推论数据进行重点标记，并提示用户数据异常或缺失，建议调整或完善数据，以免影响结果准确性。
将修正和补充后的所述个人信息带入所述常规因子库，得到所述用户的A类评估结果。
步骤203、根据所述用户A类评估结果中的变量信息对所述用户进行动态监测，获取所述用户的当前个人信息，根据所述用户的当前个人信息，对所述A类评估结果进行动态验证，得到所述用户的B类评估结果，其中，所述B类评估结果，包括：个性化风险因子B和用户标签B。
所述A类评估结果中有变量信息和常量信息，针对A类评估结果中的变量信息对该用户进行日常的动态监测，获得该用户当前时间的个人信息，在一个具体的实施例中，用户甲：个人既往信息-血压值80；动态日常监测-个人即时信息-血压值皆为130；用户乙：个人既往信息-血压值150；动态日常监测-个人即时信息-血压值皆为130。
如果以血压值120为正常指标基准，甲的血压值并非个性化风险因子A，但由于动态日常监测血压值超出正常值，形成了新的个性化风险因子B，并形成新的用户标签B(例如血压值危险、预警等)。乙的既往血压值为个性化风险因子A，但日常监测血压值有所降低，虽然形成了个性化风险因子B，但用户标签B有所不同(例如待观察、好转等)。
在一些可选的实施例中，如图3所示，步骤203进一步包括：
步骤2031、获取所述用户的A类评估结果中的变量信息，根据所述变量信息，对所述用户进行动态监测，获取所述用户的当前个人信息。
步骤2032、根据所述用户的当前个人信息对所述A类评估结果进行动态验证，获取所述用户的B类评估结果。
步骤2033、根据所述用户的B类评估结果信息，对所述用户进行动态监测，对所述用户的A类评估结果进行更新，获取更新后的所述A类评估结果。
步骤2034、将更新后的所述A类评估结果中的个性化风险因子A进行权重排序，对所述用户继续进行动态监测，获取更新后的所述B类评估结果。
A类评估结果与B类评估结果循环调整修正，形成闭环。动态监测的内容可以包括：血压、血糖、脉搏、胆固醇、卡路里、体重、体温等，在此仅仅列举能够收集的参数的少数可能的非限制性示例中的一部分。监测方式包含但不限于用户主动输入、使用生物传感器等外接设备自动监测以及医院等第三方系统平台对接数据。
根据个人信息不同，动态调整个性化风险因子的权重比例，例如用户甲为具有肥胖症状的高血压患者；用户乙同为具有肥胖状态的脑卒中患者，虽然肥胖症状皆为影响健康因素，但由于肥胖是预先设定的高血压高风险因子而非脑卒中高风险因子，所以在其他信息相同情况下，用户甲的肥胖权重大于用户乙。
A类评估结果与B类评估结果进行比对验证，对A类评估结果中变量数据进行动态调整，调整后的A类评估结果再次影响B类评估结果。
在一些可选的实施例中，根据用户的个人信息，获取所述用户的疾病规则库，基于长期影响信息权重大于短期影响信息以及疾病的时间因素，对所述疾病进行排序，并设置所述疾病的等级及相应的风险阈值，形成疾病规则库，其中，所述个人信息包括：长期影响信息和短期影响信息。
其中，所述短期影响信息为所述用户的近期行为。
所述长期影响信息，包括：环境信息、行为信息和遗传信息，具体包括：
1)环境信息：
基本因素：性别、年龄、民族、地域(经纬度、温湿度、出生&生活地域)等。
生物因素：生态系统、生态平衡、食物链。
化学因素：微量元素、环境污染(大气、水体、食品安全等)等。
物理因素：太阳辐射、噪声污染、非电离辐射、电离辐射、固体废弃物污染等。
社会因素：社会制度、文化水平、经济水平、居住习惯、风俗习惯、工作性质、宗教信仰、卫生服务等。
2)行为信息：
基本信息：性别、年龄、民族、地域(经纬度、温湿度、出生&生活地域)等。
行为因素：营养、膳食、锻炼、睡眠、吸烟、饮酒、工作性质等。
3)遗传信息：
根据基因组、转录组、蛋白质组的不同，将之与营养、药物、疾病等建立多方联系。
其中，行为信息在有些情况下也可能是短期影响信息，例如长期吸烟人群，该行为信息属于长期影响信息；从不抽烟人群昨日抽烟，该行为信息属于短期影响信息。
参照所述疾病规则库，对所述用户的A类评估结果进行计算，获得所述用户的优化A类评估结果。
参照所述疾病规则库，对所述用户的B类评估结果进行计算，获得所述用户的优化B类评估结果。进一步保证了评估结果的有效性和权威性。
进一步地，动态监测所述医学指导信息的更新状态，获取最新的医学信息，对所述常规因子库进行实时调整，根据调整后的所述常规因子库对所述疾病规则库进行动态更新。
从而进一步保证了疾病规则库对A/B类评估结果优化的权威性。
步骤204、根据所述用户的个人信息以及医学指导信息，建立一级逻辑表，将所述A类评估结果和所述B类评估结果带入所述一级逻辑表中，得到所述用户的C类指导结果，其中，所述一级逻辑表，为包含常规因子和个性化风险因子的逻辑表。
根据所述用户的个人信息以及医学指导信息，建立一级逻辑表，如图4所示，进一步包括如下步骤：
步骤2041、依据医学指导信息及大数据信息，建立疾病与健康指导结果相对应的系统逻辑表。该系统逻辑表是包含有各种疾病及相对应健康指导结果。
步骤2042、将所述用户的个人信息带入所述系统逻辑表中，得到一级逻辑表。
步骤2043、动态监测所述医学指导信息和所述大数据信息的更新状态，根据更新后的所述医学指导信息和所述大数据信息，对所述系统逻辑表进行实时更新；以保证系统逻辑表的权威性。
步骤2044、更新后的所述系统逻辑表对所述一级逻辑表进行实时调整，获取更新后的所述一级逻辑表。以保证一级逻辑表的有效性。从而对A类评估结果和B类评估结果进行重新评估，给予最新结果及指导建议。
步骤205、参照医学指导信息，建立二级逻辑表，将所述C类指导结果带入所述二级逻辑表，得到所述用户的综合指导体系。
在一些可选的实施例中，参照医学指导信息，建立二级逻辑表，进一步为：
依据所述医学指导信息，建立健康指导结果与综合指导体系相对应的二级逻辑表；动态监测所述医学指导信息的更新状态，根据更新后的所述医学指导信息，对所述二级逻辑表进行实时更新，获取更新后的所述二级逻辑表。
步骤206、根据所述用户的综合指导体系以及所述用户的动态反馈信息，获取所述用户的健康指导报告。
在一个具体的实施例中：假设用户为65岁男性，表1为用户的A类评估结果与B类评估结果；
表1用户的A类评估结果与B类评估结果
| A类评估结果 | B类评估结果 |
| 高血压患者 | 血压值150mmHg(预设该用户的预警值为150) |
| BMI＝28 | BMI＝28.2 |
| 运动习惯无 | 早餐摄入过多腌菜 |
| 午餐红烧肉500g | |
| 午餐3碗米饭约500g | |
| 运动无 | |
| 情绪失控激动 |
在其他信息无异常情况下，将A、B类评估结果带入到一级逻辑表中，可推导出C类指导结果为：减肥、清淡饮食、多食蔬菜、控制饮食摄入量、适量运动、降低血压、控制情绪。
将C类指导结果带入到二级逻辑表中，可得到该用户的综合指导体系；由于该用户因需要减肥，因此涉及营养、膳食、运动体系；饮食清淡、多食蔬菜、控制饮食摄入量等皆与营养和膳食体系相关；适量运动与运动体系相关；降低血压涉及营养、膳食、运动、情绪体系；控制情绪涉及情绪体系；血压达到预警值涉及其他体系。因此该用户的综合指导体系涉及营养、膳食、运动、情绪、其他五项。
由于该用户的综合指导体系涉及营养、膳食、运动、情绪、其他五项，结合该用户的动态反馈信息，获取该用户的健康指导报告；1)由于今日食用过多肉制品和脂肪，以及用户血压过高，可建议用户食用有助于降压的青菜水果等，但由于该用户今日摄入过多食物，应适量减少食用量，例如晚餐建议摄入芹菜300g，在此基础上建议用户晚餐食用凉拌芹菜300g+水煮凉面200g；2)注意芹菜与xxx不可同时食用；3)用户已处于肥胖状态，并且今日无运动，考虑到用户年龄过大，可推荐用户进行轻至中度运动，例如散步一小时(约等于消耗xxx卡路里)等；4)针对情绪失控情况应建议用户放松心情，多去公园等安静地点散步，同时进行运动；5)由于用户的血压值达到了预警状态，为紧急状态，应提示紧急监测(二次测量、相关其他症状询问、其他相关指标测量建议等)、对接医院(临床检测、医院就医等)、联系家属(根据之前授权内容，联系指定亲友)、提供底层医疗数据信息形成报告(便于就诊时了解用户各时间轴具体情况)等措施。
通过以上各个实施例可知，本发明的一种基于个性化因子的健康评估的方法，存在的有益效果是：
(1)本发明所述的一种基于个性化因子的健康评估的方法，通过用户的个人信息，得到用户的A类评估结果，在对用户动态监测的过程中，获取用户的B类评估结果，通过调整风险因子的优先级及权重比例，实现A类评估结果与B类评估结果之间的循环修正，最终得到实时有效的健康指导结果。
(2)本发明所述的一种基于个性化因子的健康评估的方法，及时更新医学指导信息和大数据信息，对常规因子库和系统逻辑表进行实时调整，进而实现对疾病规则库和逻辑表的实时更新，通过实时更新后的疾病规则库和逻辑表对用户进行健康评估时，提高了健康评估结果的准确性和有效性。
本领域内的技术人员应明白，本发明的实施例可提供为方法、装置、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
虽然已经通过例子对本发明的一些特定实施例进行了详细说明，但是本领域的技术人员应该理解，以上例子仅是为了进行说明，而不是为了限制本发明的范围。本领域的技术人员应该理解，可在不脱离本发明的范围和精神的情况下，对以上实施例进行修改。本发明的范围由所附权利要求来限定。
Claims (10)
1.一种基于个性化因子的健康评估的方法，其特征在于，包括：
根据权威文献指南信息，建立常规因子库；
获取用户的个人信息，将所述用户的个人信息带入所述常规因子库，得到所述用户的A类评估结果，其中，所述A类评估结果，包括：个性化风险因子A和用户标签A；
根据所述用户A类评估结果中的变量信息对所述用户进行动态监测，获取所述用户的当前个人信息，根据所述用户的当前个人信息，对所述A类评估结果进行动态验证，得到所述用户的B类评估结果，其中，所述B类评估结果，包括：个性化风险因子B和用户标签B；
根据所述用户的个人信息以及医学指导信息，建立一级逻辑表，将所述A类评估结果和所述B类评估结果带入所述一级逻辑表中，得到所述用户的C类指导结果，其中，所述一级逻辑表，为包含常规因子和个性化风险因子的逻辑表；
参照医学指导信息，建立二级逻辑表，将所述C类指导结果带入所述二级逻辑表，得到所述用户的综合指导体系；
根据所述用户的综合指导体系以及所述用户的动态反馈信息，获取所述用户的健康指导报告。
2.根据权利要求1所述的基于个性化因子的健康评估的方法，其特征在于，获取用户的个人信息，将所述用户的个人信息带入所述常规因子库，得到所述用户的A类评估结果，进一步为：
获取所述用户的个人信息，其中，所述个人信息，按临床类型划分为：临床信息和非临床信息；按时间点划分为：即时信息和既往信息；
基于临床信息级别高于非临床信息级别，即时信息级别高于既往信息级别，对所述个人信息进行验证及修正；
当所述个人信息存在数据缺失或逻辑不符时，通过大数据信息推导出优选数据并对所述个人信息中的数据进行修正和补充；
将修正和补充后的所述个人信息带入所述常规因子库，得到所述用户的A类评估结果。
3.根据权利要求2所述的基于个性化因子的健康评估的方法，其特征在于，根据所述用户A类评估结果中的变量信息对所述用户进行动态监测，获取所述用户的当前个人信息，根据所述用户的当前个人信息，对所述A类评估结果进行动态验证，得到所述用户的B类评估结果，进一步为：
获取所述用户的A类评估结果中的变量信息，根据所述变量信息，对所述用户进行动态监测，获取所述用户的当前个人信息；
根据所述用户的当前个人信息对所述A类评估结果进行动态验证，获取所述用户的B类评估结果；
根据所述用户的B类评估结果信息，对所述用户进行动态监测，对所述用户的A类评估结果进行更新，获取更新后的所述A类评估结果；
将更新后的所述A类评估结果中的个性化风险因子A进行权重排序，对所述用户继续进行动态监测，获取更新后的所述B类评估结果。
4.根据权利要求1所述的基于个性化因子的健康评估的方法，其特征在于，还包括：
根据用户的个人信息，获取所述用户的疾病规则库，基于长期影响信息权重大于短期影响信息以及疾病的时间因素，对所述疾病进行排序，并设置所述疾病的等级及相应的风险阈值，形成疾病规则库，其中，所述个人信息包括：长期影响信息和短期影响信息；
参照所述疾病规则库，对所述用户的A类评估结果进行计算，获得所述用户的优化A类评估结果；
参照所述疾病规则库，对所述用户的B类评估结果进行计算，获得所述用户的优化B类评估结果。
5.根据权利要求4所述的基于个性化因子的健康评估的方法，其特征在于，还包括：
动态监测所述医学指导信息的更新状态，获取最新的医学信息，对所述常规因子库进行实时调整，根据调整后的所述常规因子库对所述疾病规则库进行动态更新。
6.根据权利要求1所述的基于个性化因子的健康评估的方法，其特征在于，根据所述用户的个人信息以及医学指导信息，建立一级逻辑表，进一步为：
依据医学指导信息及大数据信息，建立疾病与健康指导结果相对应的系统逻辑表；
将所述用户的个人信息带入所述系统逻辑表中，得到一级逻辑表；
动态监测所述医学指导信息和所述大数据信息的更新状态，根据更新后的所述医学指导信息和所述大数据信息，对所述系统逻辑表进行实时更新；
更新后的所述系统逻辑表对所述一级逻辑表进行实时调整，获取更新后的所述一级逻辑表。
7.根据权利要求6所述的基于个性化因子的健康评估的方法，其特征在于，参照医学指导信息，建立二级逻辑表，进一步为：
依据所述医学指导信息，建立健康指导结果与综合指导体系相对应的二级逻辑表；
动态监测所述医学指导信息的更新状态，根据更新后的所述医学指导信息，对所述二级逻辑表进行实时更新，获取更新后的所述二级逻辑表。
8.根据权利要求7所述的基于个性化因子的健康评估的方法，其特征在于，所述医学指导信息，包括：佛明翰心血管事件风险评估模型、TIMI评分模型、汉密尔顿抑郁量表及中国糖尿病防治指南。
9.根据权利要求2所述的基于个性化因子的健康评估的方法，其特征在于，所述个人信息，进一步为：
所述个人信息，包括:临床信息和非临床信息，其中，所述临床信息，指个人健康信息，所述非临床信息指：个人基本信息、个人情况信息和个人基因信息；
其中，所述个人健康信息指：由医院系统对接获得的标准化或非标准化电子病历，包含既往病史、家族史和实验室指标；
所述个人基本信息指：性别、年龄、身高和体重；
所述个人情况信息指：生活习惯、饮食习惯和症状体征；
所述个人基因信息指：通过血液、其他体液、或细胞对DNA进行检测，以获得个体患有疾病的内部原因。
10.根据权利要求4所述的基于个性化因子的健康评估的方法，其特征在于，所述个人信息，进一步为：
所述个人信息，包括：长期影响信息和短期影响信息，其中，
所述长期影响信息，包括：环境信息、行为信息和遗传信息；
所述短期影响信息为所述用户的近期行为。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710758198.3A CN107526931A (zh) | 2017-08-29 | 2017-08-29 | 基于个性化因子的健康评估的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710758198.3A CN107526931A (zh) | 2017-08-29 | 2017-08-29 | 基于个性化因子的健康评估的方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107526931A true CN107526931A (zh) | 2017-12-29 |
Family
ID=60682698
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710758198.3A Pending CN107526931A (zh) | 2017-08-29 | 2017-08-29 | 基于个性化因子的健康评估的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107526931A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108399953A (zh) * | 2018-03-12 | 2018-08-14 | 平安健康互联网股份有限公司 | 基于体检报告的健康评分方法、装置及存储介质 |
| CN110459280A (zh) * | 2019-07-01 | 2019-11-15 | 江苏环亚医用科技集团股份有限公司 | 一种健康管理数据库的构建方法和装置 |
| CN115206523A (zh) * | 2022-08-10 | 2022-10-18 | 重庆乾坤济实业集团有限公司 | 一种健康管理评估系统及其方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002245178A (ja) * | 2001-02-16 | 2002-08-30 | Matsushita Electric Ind Co Ltd | 健康管理システム |
| WO2004030532A1 (en) * | 2002-10-03 | 2004-04-15 | The University Of Queensland | Method and apparatus for assessing psychiatric or physical disorders |
| CN102004858A (zh) * | 2010-11-29 | 2011-04-06 | 北京益家时代科技服务有限公司 | 基于多重评估预警机制的在线伺服系统及评估方法 |
| CN102419791A (zh) * | 2010-09-28 | 2012-04-18 | 上海人类基因组研究中心 | 人类常见病遗传风险评估方法 |
| 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 |
| CN104796485A (zh) * | 2015-04-30 | 2015-07-22 | 深圳市全球锁安防系统工程有限公司 | 一种老龄人云安康服务平台及大数据处理方法 |
-
2017
- 2017-08-29 CN CN201710758198.3A patent/CN107526931A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002245178A (ja) * | 2001-02-16 | 2002-08-30 | Matsushita Electric Ind Co Ltd | 健康管理システム |
| WO2004030532A1 (en) * | 2002-10-03 | 2004-04-15 | The University Of Queensland | Method and apparatus for assessing psychiatric or physical disorders |
| CN102419791A (zh) * | 2010-09-28 | 2012-04-18 | 上海人类基因组研究中心 | 人类常见病遗传风险评估方法 |
| CN102004858A (zh) * | 2010-11-29 | 2011-04-06 | 北京益家时代科技服务有限公司 | 基于多重评估预警机制的在线伺服系统及评估方法 |
| 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 |
| CN104796485A (zh) * | 2015-04-30 | 2015-07-22 | 深圳市全球锁安防系统工程有限公司 | 一种老龄人云安康服务平台及大数据处理方法 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108399953A (zh) * | 2018-03-12 | 2018-08-14 | 平安健康互联网股份有限公司 | 基于体检报告的健康评分方法、装置及存储介质 |
| CN110459280A (zh) * | 2019-07-01 | 2019-11-15 | 江苏环亚医用科技集团股份有限公司 | 一种健康管理数据库的构建方法和装置 |
| CN115206523A (zh) * | 2022-08-10 | 2022-10-18 | 重庆乾坤济实业集团有限公司 | 一种健康管理评估系统及其方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Jeffers et al. | Misuse of prescription stimulants for weight loss, psychosocial variables, and eating disordered behaviors | |
| Sturm | The effects of obesity, smoking, and drinking on medical problems and costs | |
| Al-Eisa et al. | Physical activity and health beliefs among Saudi women | |
| KR102400740B1 (ko) | 사용자의 건강상태 모니터링 시스템 및 이의 분석 방법 | |
| CN108573752A (zh) | 一种基于健康大数据的健康信息处理的方法及系统 | |
| US20140316220A1 (en) | Personal Health Monitoring System | |
| US20130216989A1 (en) | Personalization platform for behavioral change | |
| US20230329561A1 (en) | System and Method for Personalized Telehealth Management with Dynamic Monitoring | |
| CN107491651B (zh) | 基于个性化因子的自我健康管理方法 | |
| Tu et al. | The effects of health and environment on exercise-class participation in older, urban women | |
| Guicciardi et al. | Type 2 diabetes mellitus, physical activity, exercise self-efficacy, and body satisfaction. An application of the transtheoretical model in older adults | |
| JP2020014841A (ja) | ほてりの予測モデリングを含むシステム及び方法 | |
| Banerjee et al. | Validating a commercial device for continuous activity measurement in the older adult population for dementia management | |
| CN107526931A (zh) | 基于个性化因子的健康评估的方法 | |
| Morales‐Asencio et al. | Design and validation of the INICIARE instrument, for the assessment of dependency level in acutely ill hospitalised patients | |
| Ngoc et al. | Healthcare policy for patients with chronic heart failures at Nam Dinh General Hospital in Vietnam | |
| Clune et al. | Prevalence and predictors of recommendations to lose weight in overweight and obese older adults in Georgia senior centers | |
| Rshikesan et al. | Effect of integrated approach of yoga therapy on male obesity and psychological parameters-A randomised controlled trial | |
| KR20140033850A (ko) | 유헬스 플랫폼 기반의 상황정보를 활용한 건강관리 서비스 방법 | |
| EUROPE | Resolution ResAP (2003) 3 on food and nutritional care in hospitals | |
| Water | Critical moments in preschool obesity: The call for nurses and communities to assess and intervene | |
| Poorejbari et al. | Diabetes patients monitoring by cloud computing | |
| TWI321285B (zh) | ||
| Sharif | Frequency of overweight & obesity among nurses at DHQ Hospital Chiniot | |
| Muthuraman et al. | A framework for personalized decision support system for the healthcare application |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| AD01 | Patent right deemed abandoned | ||
| AD01 | Patent right deemed abandoned |
Effective date of abandoning: 20210223 |