CN107910057A - 基于多维数据模型的健康评估系统和方法 - Google Patents
基于多维数据模型的健康评估系统和方法 Download PDFInfo
- Publication number
- CN107910057A CN107910057A CN201710269794.5A CN201710269794A CN107910057A CN 107910057 A CN107910057 A CN 107910057A CN 201710269794 A CN201710269794 A CN 201710269794A CN 107910057 A CN107910057 A CN 107910057A
- Authority
- CN
- China
- Prior art keywords
- sample
- weighting coefficient
- default
- weighted
- information
- 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
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明的实施例公开一种基于多维数据模型的健康评估系统，包括：存储单元，用于存储预设的多维数据模型和预设的加权系数，所述多维数据模型包括有样本标识数据子集、生命轴线数据子集和医疗机构数据子集；样本信息获得单元，用于获得样本信息，该样本信息至少包括样本标识、样本生命轴线和样本医疗机构标识；样本信息加权单元，用于为所述样本信息分配预设的加权系数，得到加权样本信息；健康指标评估单元，用于将所述加权样本信息与预设的多维数据模型进行加权匹配，得到与所述样本信息匹配的加权健康指标；评估结果输出单元，用于向用户返回该加权健康指标。本发明还公开了相应的基于多维数据模型的健康评估方法。本发明可大大提高个体指标的精准程度。
Description
技术领域
本发明涉及医疗健康领域，尤其涉及一种基于多维数据模型的健康评估系统和方法。
背景技术
近年来，随着社会的进步和大众生活水平的提高，越来越多的人们，不论是病人还是普通人，对自己和家人身体健康状况的关注意识都得到了大大提高。特别是借助互联网和物联网的飞速发展，医疗健康产业也逐渐从传统的专业医疗机构走向大众化、网络化。
然而，发明人在实施本发明的过程中发现，现有技术的健康评估方案提供的都是标准化的健康指标，这些健康指标虽然适用范围广泛，能够迎合大众化的需求；但是对于个体来说，由于每个人的生命体征并不能完全相同，因此，现有技术的健康评估方案对于个体来说不够精确。
发明内容
本发明所解决的技术问题是，提供一种基于多维数据模型的健康评估系统，该系统可结合大数据对样本信息进行差异化分析，大大提高个体指标的精准程度。
本发明进一步所解决的技术问题是，提供一种基于多维数据模型的健康评估方法，该方法可结合大数据对样本信息进行差异化分析，大大提高个体指标的精准程度。
为了解决上述技术问题，本发明公开了以下方案：
一种基于多维数据模型的健康评估系统，包括：
存储单元，用于存储预设的多维数据模型和预设的加权系数，所述多维数据模型包括有标识数据子集、生命轴线数据子集和医疗机构数据子集；
样本信息获得单元，用于获得样本信息，该样本信息至少包括样本标识、样本生命轴线和样本医疗机构标识；
样本信息加权单元，用于为所述样本信息分配预设的加权系数，得到加权样本信息；
健康指标评估单元，用于将所述加权样本信息与预设的多维数据模型进行加权匹配，得到与所述样本信息匹配的加权健康指标；
评估结果输出单元，用于向用户返回该加权健康指标。
优选地，还包括：
加权系数更新单元，用于将所述样本信息加入所述多维数据模型中后，根据所述样本信息重新计算所述加权系数，并根据计算结果更新所述预设的加权系数。
优选地，所述样本信息加权单元包括：
第一加权单元，用于在预设的样本标识-加权系数对应表中查找所述样本标识对应的第一加权系数，并为该样本标识配置查找到的所述第一加权系数，得到加权样本标识；
第二加权单元，用于在预设的生命轴线-加权系数对应表中查找所述样本生命轴线对应的第二加权系数，并为该样本生命轴线配置查找到的所述第二加权系数，得到加权样本生命轴线；
第三加权单元，用于在预设的医疗机构-加权系数对应表中查找所述样本医疗机构标识对应的第三加权系数，并为该样本医疗机构标识配置查找到的所述第三加权系数，得到加权样本医疗机构信息。
优选地，所述样本信息还包括有样本来源标识，所述样本信息加权单元还包括：
第四加权单元，用于在预设的样本来源-加权系数对应表中查找所述样本来源标识对应的第三加权系数，并为该样本来源标识配置查找到的所述第三加权系数，得到加权样本来源信息。
优选地，所述样本信息获得单元包括：
样本年龄获得单元，用于获得样本年龄；
样本生命区间获得单元，用于将所述样本年龄与所述生命轴线数据子集匹配，得到该样本年龄在所述生命轴线数据子集中对应的年龄区间，该年龄区间即所述样本生命轴线。
相应地，本发明还公开了一种基于多维数据模型的健康评估方法，包括：
获得样本信息，该样本信息至少包括样本标识、样本生命轴线和样本医疗机构标识；
为所述样本信息分配预设的加权系数，得到加权样本信息；
将所述加权样本信息与预设的多维数据模型进行加权匹配，得到与所述样本信息匹配的加权健康指标，其中，所述多维数据模型包括有样本标识数据子集、生命轴线数据子集和医疗机构数据子集；
向用户返回该加权健康指标。
优选地，还包括：
将所述样本信息加入所述多维数据模型中后，根据所述样本信息重新计算所述加权系数，并根据计算结果更新所述预设的加权系数。
优选地，所述为所述样本信息分配预设的加权系数，得到加权样本信息步骤包括：
在预设的样本标识-加权系数对应表中查找所述样本标识对应的第一加权系数，并为该样本标识配置查找到的所述第一加权系数，得到加权样本标识；
在预设的生命轴线-加权系数对应表中查找所述样本生命轴线对应的第二加权系数，并为该样本生命轴线配置查找到的所述第二加权系数，得到加权样本生命轴线；
在预设的医疗机构-加权系数对应表中查找所述样本医疗机构标识对应的第三加权系数，并为该样本医疗机构标识配置查找到的所述第三加权系数，得到加权样本医疗机构标识。
优选地，所述样本信息还包括有样本来源标识，而所述为所述样本信息分配预设的加权系数，得到加权样本信息步骤还包括：
在预设的样本来源-加权系数对应表中查找所述样本来源标识对应的第四加权系数，并为该样本来源标识配置查找到的所述第四加权系数，得到加权样本来源信息。
优选地，所述样本生命轴线通过以下步骤获得：
获得样本年龄；
将所述样本年龄与所述生命轴线数据子集匹配，得到该样本年龄在所述生命轴线数据子集中对应的年龄区间，该年龄区间即所述样本生命轴线。
本发明的有益效果是：
本发明的实施例通过将样本信息与预设的多维数据模型进行加权匹配后，得到加权健康指标数据，从而实现了结合大数据对样本信息进行差异化分析，大大提高了个体指标的精准程度。
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，下面将对实施例或现有技术描述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是本发明的基于多维数据模型的健康评估系统一个实施例的组成示意图。
图2是本发明的基于多维数据模型的健康评估方法一个实施例的流程示意图。
图3是本发明的基于多维数据模型的健康评估方法一个实施例中步骤S2的流程示意图。
具体实施方式
下面参考图1详细描述本发明提供的一种基于多维数据模型的健康评估系统的一个实施例，如图1所示，本实施例主要包括有：
存储单元1，用于存储预设的多维数据模型和预设的加权系数，所述多维数据模型至少包括有样本标识数据子集、生命轴线数据子集和医疗机构数据子集；
样本信息获得单元2，用于获得样本信息，该样本信息至少包括样本标识、样本生命轴线和样本医疗机构标识；
样本信息加权单元3，用于为所述样本信息分配预设的加权系数，得到加权样本信息；
健康指标评估单元4，用于将所述加权样本信息与预设的多维数据模型进行加权匹配，得到与所述样本信息匹配的加权健康指标；
评估结果输出单元5，用于向用户返回该加权健康指标。
另外，本实施例还可包括：
加权系数更新单元6，用于将所述样本信息加入所述多维数据模型中后，根据所述样本信息重新计算所述加权系数，并根据计算结果更新所述预设的加权系数。
具体实现时，所述样本信息加权单元3可具体包括：
第一加权单元31，用于在预设的样本标识-加权系数对应表中查找所述样本标识对应的第一加权系数，并为该样本标识配置查找到的所述第一加权系数，得到加权样本标识；
第二加权单元32，用于在预设的生命轴线-加权系数对应表中查找所述样本生命轴线对应的第二加权系数，并为该样本生命轴线配置查找到的所述第二加权系数，得到加权样本生命轴线；
第三加权单元33，用于在预设的医疗机构-加权系数对应表中查找所述样本医疗机构标识对应的第三加权系数，并为该样本医疗机构标识配置查找到的所述第三加权系数，得到加权样本医疗机构信息。
在一个实施例中，可选地，所述样本信息还可包括有样本来源标识，相应地，所述样本信息加权单元3还可包括：
第四加权单元34，用于在预设的样本来源-加权系数对应表中查找所述样本来源标识对应的第三加权系数，并为该样本来源标识配置查找到的所述第三加权系数，得到加权样本来源信息。
具体实现时，所述样本信息获得单元2可具体包括：
样本年龄获得单元(图中未示出)，用于获得样本年龄；
样本生命区间获得单元(图中未示出)，用于将所述样本年龄与所述生命轴线数据子集匹配，得到该样本年龄在所述生命轴线数据子集中对应的年龄区间，该年龄区间即所述样本生命轴线。
下面参考图2和图3详细描述本发明提供的一种基于多维数据模型的健康评估方法的一个实施例，如图2所示，本实施例实施一次健康评估流程主要包括以下步骤：
在步骤S1中，获得样本信息，该样本信息至少包括样本标识、样本生命轴线和样本医疗机构标识；
在步骤S2中，为所述样本信息分配预设的加权系数，得到加权样本信息；
在步骤S3中，将所述加权样本信息与预设的多维数据模型进行加权匹配，得到与所述样本信息匹配的加权健康指标，其中，所述多维数据模型包括有样本标识数据子集、生命轴线数据子集和医疗机构数据子集；
在步骤S4中，向用户返回该加权健康指标。
另外，本实施例还可包括：
在步骤S5中，将所述样本信息加入所述多维数据模型中后，根据所述样本信息重新计算所述加权系数，并根据计算结果更新所述预设的加权系数。
具体实现时，如图3所示，所述步骤S2可具体包括：
在步骤S21中，在预设的样本标识-加权系数对应表中查找所述样本标识对应的第一加权系数，并为该样本标识配置查找到的所述第一加权系数，得到加权样本标识；
在步骤S22中，在预设的生命轴线-加权系数对应表中查找所述样本生命轴线对应的第二加权系数，并为该样本生命轴线配置查找到的所述第二加权系数，得到加权样本生命轴线；
在步骤S23中，在预设的医疗机构-加权系数对应表中查找所述样本医疗机构标识对应的第三加权系数，并为该样本医疗机构标识配置查找到的所述第三加权系数，得到加权样本医疗机构标识。
在一个实施例中，可选地，所述样本信息还可包括有样本来源标识，而所述步骤S2还可包括：
在步骤S24中，在预设的样本来源-加权系数对应表中查找所述样本来源标识对应的第四加权系数，并为该样本来源标识配置查找到的所述第四加权系数，得到加权样本来源信息。
所述样本来源可包括样本的病历数据、体检数据和问卷调查数据等。
在一个实施例中，可选地，所述样本生命轴线通过以下步骤获得：
获得样本年龄；
将所述样本年龄与所述生命轴线数据子集匹配，得到该样本年龄在所述生命轴线数据子集中对应的年龄区间，该年龄区间即所述样本生命轴线。
以上所述各实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(Random AccessMemory，RAM)等。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。
Claims (10)
1.一种基于多维数据模型的健康评估系统，其特征在于，包括：
存储单元，用于存储预设的多维数据模型和预设的加权系数，所述多维数据模型包括有标识数据子集、生命轴线数据子集和医疗机构数据子集；
样本信息获得单元，用于获得样本信息，该样本信息至少包括样本标识、样本生命轴线和样本医疗机构标识；
样本信息加权单元，用于为所述样本信息分配预设的加权系数，得到加权样本信息；
健康指标评估单元，用于将所述加权样本信息与预设的多维数据模型进行加权匹配，得到与所述样本信息匹配的加权健康指标；
评估结果输出单元，用于向用户返回该加权健康指标。
2.如权利要求1所述的系统，其特征在于，还包括：
加权系数更新单元，用于将所述样本信息加入所述多维数据模型中后，根据所述样本信息重新计算所述加权系数，并根据计算结果更新所述预设的加权系数。
3.如权利要求1或2所述的系统，其特征在于，所述样本信息加权单元包括：
第一加权单元，用于在预设的样本标识-加权系数对应表中查找所述样本标识对应的第一加权系数，并为该样本标识配置查找到的所述第一加权系数，得到加权样本标识；
第二加权单元，用于在预设的生命轴线-加权系数对应表中查找所述样本生命轴线对应的第二加权系数，并为该样本生命轴线配置查找到的所述第二加权系数，得到加权样本生命轴线；
第三加权单元，用于在预设的医疗机构-加权系数对应表中查找所述样本医疗机构标识对应的第三加权系数，并为该样本医疗机构标识配置查找到的所述第三加权系数，得到加权样本医疗机构信息。
4.如权利要求3所述的系统，其特征在于，所述样本信息还包括有样本来源标识，所述样本信息加权单元还包括：
第四加权单元，用于在预设的样本来源-加权系数对应表中查找所述样本来源标识对应的第三加权系数，并为该样本来源标识配置查找到的所述第三加权系数，得到加权样本来源信息。
5.如权利要求1或2所述的系统，其特征在于，所述样本信息获得单元包括：
样本年龄获得单元，用于获得样本年龄；
样本生命区间获得单元，用于将所述样本年龄与所述生命轴线数据子集匹配，得到该样本年龄在所述生命轴线数据子集中对应的年龄区间，该年龄区间即所述样本生命轴线。
6.一种基于多维数据模型的健康评估方法，其特征在于，包括：
获得样本信息，该样本信息至少包括样本标识、样本生命轴线和样本医疗机构标识；
为所述样本信息分配预设的加权系数，得到加权样本信息；
将所述加权样本信息与预设的多维数据模型进行加权匹配，得到与所述样本信息匹配的加权健康指标，其中，所述多维数据模型包括有样本标识数据子集、生命轴线数据子集和医疗机构数据子集；
向用户返回该加权健康指标。
7.如权利要求6所述的方法，其特征在于，还包括：
将所述样本信息加入所述多维数据模型中后，根据所述样本信息重新计算所述加权系数，并根据计算结果更新所述预设的加权系数。
8.如权利要求6或7所述的方法，其特征在于，所述为所述样本信息分配预设的加权系数，得到加权样本信息步骤包括：
在预设的样本标识-加权系数对应表中查找所述样本标识对应的第一加权系数，并为该样本标识配置查找到的所述第一加权系数，得到加权样本标识；
在预设的生命轴线-加权系数对应表中查找所述样本生命轴线对应的第二加权系数，并为该样本生命轴线配置查找到的所述第二加权系数，得到加权样本生命轴线；
在预设的医疗机构-加权系数对应表中查找所述样本医疗机构标识对应的第三加权系数，并为该样本医疗机构标识配置查找到的所述第三加权系数，得到加权样本医疗机构标识。
9.如权利要求8所述的方法，其特征在于，所述样本信息还包括有样本来源标识，而所述为所述样本信息分配预设的加权系数，得到加权样本信息步骤还包括：
在预设的样本来源-加权系数对应表中查找所述样本来源标识对应的第四加权系数，并为样本来源标识配置查找到的所述第四加权系数，得到加权样本来源信息。
10.如权利要求6或7所述的方法，其特征在于，所述样本生命轴线通过以下步骤获得：
获得样本年龄；
将所述样本年龄与所述生命轴线数据子集匹配，得到该样本年龄在所述生命轴线数据子集中对应的年龄区间，该年龄区间即所述样本生命轴线。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710269794.5A CN107910057A (zh) | 2017-04-24 | 2017-04-24 | 基于多维数据模型的健康评估系统和方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710269794.5A CN107910057A (zh) | 2017-04-24 | 2017-04-24 | 基于多维数据模型的健康评估系统和方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107910057A true CN107910057A (zh) | 2018-04-13 |
Family
ID=61840010
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710269794.5A Pending CN107910057A (zh) | 2017-04-24 | 2017-04-24 | 基于多维数据模型的健康评估系统和方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107910057A (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103329135A (zh) * | 2010-09-29 | 2013-09-25 | 达卡多股份有限公司 | 自动健康数据获取、处理和通信系统 |
| CN105228508A (zh) * | 2013-03-08 | 2016-01-06 | 新加坡健康服务有限公司 | 一种测定用于分类的危险评分的系统和方法 |
| CN106295202A (zh) * | 2016-08-15 | 2017-01-04 | 夏茂 | 基于Hale指数的青少年健康状况动态分析方法 |
-
2017
- 2017-04-24 CN CN201710269794.5A patent/CN107910057A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103329135A (zh) * | 2010-09-29 | 2013-09-25 | 达卡多股份有限公司 | 自动健康数据获取、处理和通信系统 |
| CN105228508A (zh) * | 2013-03-08 | 2016-01-06 | 新加坡健康服务有限公司 | 一种测定用于分类的危险评分的系统和方法 |
| CN106295202A (zh) * | 2016-08-15 | 2017-01-04 | 夏茂 | 基于Hale指数的青少年健康状况动态分析方法 |
Non-Patent Citations (1)
| Title |
|---|
| 赵一璠: "江西省电子病历信息资源整合与共享研究", 《中国优秀硕士学位论文全文数据库 医药卫生科技辑》 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Gruenberg et al. | Factors influencing length of stay in the intensive care unit | |
| Chatterjee et al. | The “OBS” chart: an evidence based approach to re-design of the patient observation chart in a district general hospital setting | |
| Teng et al. | Professional commitment, patient safety, and patient‐perceived care quality | |
| Bai et al. | Clinical predictors and clinical prediction rules to estimate initial patient risk for infective endocarditis in Staphylococcus aureus bacteraemia: a systematic review and meta-analysis | |
| Boone et al. | Industrial organization and organizational ecology: The potentials for cross-fertilization | |
| Colaco et al. | Is there a relationship between National Institutes of Health funding and research impact on academic urology? | |
| Eloy et al. | Impact of fellowship training on research productivity in academic otolaryngology | |
| Cannon et al. | Modeling nasal physiology changes due to septal perforations | |
| Badri et al. | Orthodontic research output from iran in international and national journals | |
| Stevens et al. | Optical pupillometry in traumatic brain injury: neurological pupil index and its relationship with intracranial pressure through significant event analysis | |
| Almutairi et al. | Incidence, predictors and severity of adverse events among whole blood donors | |
| Daar et al. | Disparities in postmastectomy breast reconstruction: a systematic review of the literature and modified framework for advancing research toward intervention | |
| Liu et al. | Does perceived social support mediate or moderate the relationship between victimisation and suicidal ideation among Chinese adolescents? | |
| Feldman et al. | Does medical school training relate to practice? evidence from big data | |
| Demirel | Lactate levels and pneumonia severity index are good predictors of in‐hospital mortality in pneumonia | |
| Compton et al. | Perceptions of caring behaviours: A comparison of surgical oncology nurses and patients | |
| Friedman et al. | Interexaminer agreement of Friedman tongue positions for staging of obstructive sleep apnea/hypopnea syndrome | |
| Tsushima et al. | Invalid baseline testing with ImPACT: Does sandbagging occur with high school athletes? | |
| Blaauwgeers et al. | Congenital platelet disorders and health status–related quality of life | |
| CN107910057A (zh) | 基于多维数据模型的健康评估系统和方法 | |
| Boyda et al. | Confirmatory factor analysis of the Schizotypal Personality Questionnaire–brief: An alternative models approach | |
| Goldenberg et al. | Research projects in the Surgeon-Scientist and Clinician-Investigator programs at the University of Toronto (1987-2016): a cohort study | |
| van Zanten et al. | Medical education in the Caribbean: variability in educational commission for foreign medical graduate certification rates and United States medical licensing examination attempts | |
| Ntai et al. | Biobanking shifts to “precision medicine” | |
| Kocová et al. | Physicians in the Czech Republic: A demographic perspective |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180413 |
|
| RJ01 | Rejection of invention patent application after publication |