CN108206058A - 人体综合健康风险预测方法及系统 - Google Patents

人体综合健康风险预测方法及系统 Download PDF

Info

Publication number
CN108206058A
CN108206058A CN201611176974.0A CN201611176974A CN108206058A CN 108206058 A CN108206058 A CN 108206058A CN 201611176974 A CN201611176974 A CN 201611176974A CN 108206058 A CN108206058 A CN 108206058A
Authority
CN
China
Prior art keywords
disease
risk
health
human body
cancer
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
Application number
CN201611176974.0A
Other languages
English (en)
Inventor
孙继超
商瑾
徐亮
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ping An Technology Shenzhen Co Ltd
Original Assignee
Ping An Technology Shenzhen Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Ping An Technology Shenzhen Co Ltd filed Critical Ping An Technology Shenzhen Co Ltd
Priority to CN201611176974.0A priority Critical patent/CN108206058A/zh
Publication of CN108206058A publication Critical patent/CN108206058A/zh
Pending legal-status Critical Current

Links

Landscapes

  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

本发明公开了一种人体综合健康风险预测方法及系统,该方法包括:设置需要预测的疾病种类及每种疾病的权重;针对预设的多个输入问题收集每个人的基础数据;对每个人针对每种疾病分别采用预设模型进行风险评估;根据每种疾病的评估结果计算对应的健康分,并整合每种疾病的健康分得到综合健康分;输出人体综合健康风险预测结果。由此可以解决如何统一评估人体整体疾病风险的问题。

Description

人体综合健康风险预测方法及系统
技术领域
本发明涉及风险评估技术领域,尤其涉及人体综合健康风险预测方法及系统。
背景技术
健康包括生理健康和心理健康,生理健康和心理健康又可以从不同层面进行评估。例如生理健康评估包括心血管风险评估、体重评估、代谢风险评估、癌症风险评估等。心理健康评估包括抑郁症评估、焦虑评估、压力评估、精神分裂评估等。不同国家的不同学术机构对各个层面的健康评估都发表过相关的评分量表或评估模型,但对于个人的健康状况综合评估一直是业界难题,主要是缺乏一个统一的用于不同疾病风险评估的相关指标。
目前业界缺乏一个评估人体整体疾病风险的健康分模型。现有的一些疾病风险健康分评估模型通常基于单一病种,如特定肿瘤、冠心病、糖尿病、抑郁症等。不同疾病评估输入变量的差异较大,所有疾病归一化整合成综合健康分的难度较大。
发明内容
有鉴于此,本发明的目的在于提供一种人体综合健康风险预测方法及系统,以解决如何统一评估人体整体疾病风险的问题。
为实现上述目的,本发明提供一种人体综合健康风险预测方法,该方法包括步骤:
设置需要预测的疾病种类及每种疾病的权重;
针对预设的多个输入问题收集每个人的基础数据;
对每个人针对每种疾病分别采用预设模型进行风险评估;
根据每种疾病的评估结果计算对应的健康分,并整合每种疾病的健康分得到综合健康分;及
输出人体综合健康风险预测结果。
优选地,所述疾病种类包括心血管疾病、癌症、糖尿病及抑郁症,所述心血管疾病包括缺血性心脏病、缺血性脑卒中,所述癌症包括肺癌、胃癌、结直肠癌、肝癌、食管癌。
优选地,所述每种疾病的权重根据疾病伤残调整寿命年指标进行设置。
优选地,所述心血管疾病的权重为26,抑郁症的权重为14,糖尿病的权重为4,肺癌的权重为3,胃癌的权重为2,结直肠癌的权重为1,肝癌的权重为1,食管癌的权重为1,根据每种疾病的权重可以得到每种疾病对应的健康分的总分。
优选地,所述输入问题包括:疾病史、疾病家族史、年龄、身高、体重、腰围、水果摄入、蔬菜摄入、盐渍食品摄入、血压、血糖、血脂、血型、锻炼、吸烟、饮酒、进餐时间、居住地、心情抑郁、丧失兴趣或乐趣、体重下降或增加、失眠或嗜睡、精神躁动或迟滞、虚弱或精力不足、感觉没有价值或过度自责、思考能力减弱,认知下降、反复想到死亡。
优选地,所述对每个人针对每种疾病分别采用预设模型进行风险评估的步骤具体包括:
针对心血管疾病,采用Cox比例风险回归模型进行风险评估;
针对癌症,采用哈佛大学癌症风险评估模型进行风险评估;
针对糖尿病,采用芬兰糖尿病评分量表FINDRISC进行风险评估;
针对抑郁症,采用9条目病人健康问卷PHQ-9进行风险评估。
优选地,所述对每个人针对每种疾病分别采用预设模型进行风险评估的步骤得到的结果为每种疾病的个体相对风险值,所述个体相对风险值等于疾病绝对风险值除以人群平均风险值。
优选地,所述根据每种疾病的评估结果计算对应的健康分,并整合每种疾病的健康分得到综合健康分的步骤具体包括:
根据预设的个体相对风险值与风险等级的对应关系表,以及每种疾病对应的健康分的总分,按预设比例计算出每种疾病对应的健康分;
对每种疾病对应的健康分进行加总,得到所述综合健康分。
优选地,所述人体综合健康风险预测结果包括每种疾病的健康分和个体相对风险值、综合健康分以及每种疾病的风险等级和风险说明。
本发明提出的人体综合健康风险预测方法,可以通过对输入问题的整合,将所有疾病健康分统一处理成个体相对风险值(疾病绝对风险值除以人群平均风险值)这一归一化指标,并采用疾病伤残调整寿命年这一指标对不同疾病进行权重设置,最终加权组合生成人体综合健康分,并根据个人相对风险得到每种疾病的风险等级,从而统一评估人体整体疾病风险,大大提高疾病长期风险预测能力。
为实现上述目的,本发明还提出一种人体综合健康风险预测系统,该系统包括:
设置模块,用于设置需要预测的疾病种类及每种疾病的权重;
收集模块,用于针对预设的多个输入问题收集每个人的基础数据;
评估模块,用于对每个人针对每种疾病分别采用预设模型进行风险评估;
计算模块,用于根据每种疾病的评估结果计算对应的健康分,并整合每种疾病的健康分得到综合健康分;及
输出模块,用于输出人体综合健康风险预测结果。
本发明提出的人体综合健康风险预测系统,可以通过对输入问题的整合,将所有疾病健康分统一处理成个体相对风险值(疾病绝对风险值除以人群平均风险值)这一归一化指标,并采用疾病伤残调整寿命年这一指标对不同疾病进行权重设置,最终加权组合生成人体综合健康分,并根据个人相对风险得到每种疾病的风险等级,从而统一评估人体整体疾病风险,大大提高疾病长期风险预测能力。
附图说明
图1为本发明第一实施例提出的一种人体综合健康风险预测方法的流程图;
图2为每种疾病的权重和分值的示意图;
图3为个体相对风险值与风险等级的对应关系表的示意图;
图4为本发明第二实施例提出的一种人体综合健康风险预测系统的模块示意图;
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚、明白,以下结合附图和实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
第一实施例
如图1所示,本发明第一实施例提出一种人体综合健康风险预测方法,该方法包括以下步骤:
S100,设置需要预测的疾病种类。
具体地,所述疾病种类包括心血管疾病(缺血性心脏病、缺血性脑卒中)、癌症(肺癌、胃癌、结直肠癌、肝癌、食管癌)、糖尿病及抑郁症。
S102,设置每一种疾病的权重。
具体地,根据疾病伤残调整寿命年指标,并综合疾病患病率、严重程度、死亡率与经济负担等指示,可以为每种疾病设置相应的权重。所述伤残调整寿命年(DisabilityAdjusted Life Year,DALY)是指从发病到死亡所损失的全部健康寿命年,包括因早死所致的寿命损失年(Years of Life Lost,YLL)和疾病所致伤残引起的健康寿命损失年(YearsLost Due to Disability,YLD)两部分。DALY是生命数量和生命质量以时间为单位的综合度量。疾病可给人类健康带来包括早死和残疾(暂时性失能与永久性失能)两方面的危害,这些危害的结果均可减少人类的健康寿命。定量计算某个地区每种疾病对健康寿命所造成的损失,可以科学的指明该地区危害健康严重的疾病和主要卫生问题,这种方法可以科学的对发病、残疾和死亡进行综合分析。
参阅图2所示,为每种疾病的权重和分值的示意图。全部疾病的健康分总分为498分(最高值),总权重为52,每种疾病的权重设为:心血管疾病为26、抑郁症为14、糖尿病为4、肺癌为3、胃癌为2、结直肠癌为1、肝癌为1、食管癌为1。也就是说,每种疾病对应的健康分的总分A分别为:心血管疾病为249分、抑郁症为134分、糖尿病为38分、肺癌为29分、胃癌为19分、结直肠癌为9.6分、肝癌为9.6分、食管癌为9.6分。
S104,针对预设的多个输入问题收集每个人的基础数据。
具体地,所述输入问题包括:疾病史、疾病家族史、年龄、身高、体重、腰围、水果摄入、蔬菜摄入、盐渍食品摄入、血压、血糖、血脂、血型、锻炼、吸烟、饮酒、进餐时间、居住地、心情抑郁、丧失兴趣或乐趣、体重下降或增加、失眠或嗜睡、精神躁动或迟滞、虚弱或精力不足、感觉没有价值或过度自责、思考能力减弱,认知下降、反复想到死亡等。
步骤S106,对每个人针对每种疾病分别采用预设模型进行风险评估。
具体地,针对心血管疾病,采用Cox比例风险回归模型(Cox’s proportionalhazards regression model)进行风险评估,以缺血性心血管病事件作为预测模型的因变量,以年龄、收缩压(Systolic Blood Pressure,SBP)、体重指数(Body Mass Index,BMI)、血清总胆固醇(Serum Total Cholesterol,TC)、是否糖尿病(即血糖GLU)和是否吸烟等6个主要危险因素为自变量,拟合分性别的最优预测模型。
其中,所述缺血性心血管病事件包括冠心病事件和缺血性脑卒中事件。考虑到我国是冠心病相对低发、脑卒中相对高发的国家,如果采用冠心病发病危险来衡量个体或群体的心血管病综合危险,会很大程度的低估其危险,而不足以引起人们应有的重视。冠心病和缺血性脑卒中二者的主要危险因素种类基本相同,各危险因素对发病的贡献大小顺序也相同,因此,为了更恰当地反映我国人群存在的心血管疾病危险,将冠心病事件和缺血性脑卒中事件合并后的联合终点称为缺血性心血管病事件。
针对癌症,采用哈佛大学癌症风险评估模型进行风险评估,具体步骤为:(1)选择要预测的病种(例如肺癌);(2)不断发现并确定与该疾病发生有关的危险因素;(3)应用适当的预测方法建立风险预测模型;(4)验证评估模型的预测价值。在本实施例中可以分别提供肺癌、胃癌、结直肠癌、肝癌、食管癌的风险评估。
针对糖尿病,采用芬兰糖尿病评分量表(Finnish Diabetes Risk Score,FINDRISC)进行风险评估,该量表是通过队列研究开发的糖尿病风险评估工具。量表的内容包括:糖尿病家族史、年龄、体质指数、腰围、抗高血压药物应用情况、高血糖、体育活动情况以及每日摄入蔬菜、水果的量等。
针对抑郁症,采用9条目病人健康问卷(Patient Health Questionnaire,PHQ-9)作为评估模型进行风险评估。抑郁症的诊断缺乏临床检测指标,其诊断主要依靠精神科医生的精神检查,目前国际国内比较通用的标准是美国《精神障碍与诊断手册第五版》(DSM-V)。根据DSM-V诊断标准编制了PHQ-9,其中的9个条目反映了DSM-V标准抑郁障碍的9项症状(即所述输入问题的最后9个)。因其简短、易于操作和评分,广泛应用于科学研究和临床实践中,PHQ-9评估模型有较好的信度和效度,对抑郁症的筛查有较高的敏感性和特异性。
值得注意的是,上述针对每种疾病采用对应的各个模型进行评估后得到的结果为每种疾病的个体相对风险值。在本实施例中,所述个体相对风险值=疾病绝对风险值/人群平均风险值。所述疾病绝对风险值用于表示某人某疾病发生的真实概率风险值。所述人群平均风险值可以根据每种疾病的具体状况按预设规则进行设置。因不同年龄、种族、地区、性别人群发生某种疾病的风险不同,故对于个人的疾病风险评估,使用个体相对风险值,即用疾病绝对风险值除以人群平均风险值,可以更好的反应一个人疾病患病风险大小,并且给予合理的个性化风险提示。
步骤S108,根据每种疾病的评估结果计算对应的健康分,并整合每种疾病的健康分得到综合健康分。
具体地,根据预设的个体相对风险值与风险等级的对应关系表,以及每种疾病对应的健康分的总分,按预设比例计算出每种疾病对应的健康分。然后对每种疾病对应的健康分进行加总,得到所述综合健康分。
参阅图3所示,为所述个体相对风险值与风险等级的对应关系表的示意图。在本实施例中,当个体相对风险值X<0时,对应的风险等级为1级,对应的比例Y为1,表示远远低于平均风险。当个体相对风险值0≤X<0.5时,对应的风险等级为2级,对应的比例Y为0.9,表示较远低于平均风险。当个体相对风险值0.5≤X<0.9时,对应的风险等级为3级,对应的比例Y为0.8,表示低于平均风险。当个体相对风险值0.9≤X<1.1时,对应的风险等级为4级,对应的比例Y为0.7,表示平均风险左右。当个体相对风险值1.1≤X<2.0时,对应的风险等级为5级,对应的比例Y为0.5,表示高于平均风险。当个体相对风险值2.0≤X<5.0时,对应的风险等级为6级,对应的比例Y为0.3,表示较远高于平均风险。当个体相对风险值X≥5.0时,对应的风险等级为7级,对应的比例Y为0.1,表示远远高于平均风险。
每种疾病对应的健康分为该种疾病的健康分总分A乘以该个体相对风险值对应的比例Y。例如,心血管疾病的健康分总分A为249分,假设针对心血管疾病进行评估后得到的结果为个体相对风险值X=0.6,则对应的风险等级为3级,对应的比例Y为0.8,可以计算出心血管疾病的健康分为A*Y=249*0.8=199分。
步骤S110,输出人体综合健康风险预测结果。
具体地,每个人的人体综合健康风险预测结果包括每种疾病的健康分和个体相对风险值、综合健康分以及每种疾病的风险等级和风险说明等。
本实施例所提出的人体综合健康风险预测方法,可以通过对输入问题的整合,将所有疾病健康分统一处理成个体相对风险值(疾病绝对风险值除以人群平均风险值)这一归一化指标,并采用疾病伤残调整寿命年这一指标对不同疾病进行权重设置,最终加权组合生成人体综合健康分,并根据个人相对风险得到每种疾病的风险等级,从而统一评估人体整体疾病风险,大大提高疾病长期风险预测能力。
第二实施例
如图4所示,本发明第三实施例提出一种人体综合健康风险预测系统400。
在本实施例中,人体综合健康风险预测系统400包括设置模块402、收集模块404、评估模块406、计算模块408及输出模块410。
所述设置模块402,用于设置需要预测的疾病种类。
具体地,所述疾病种类包括心血管疾病(缺血性心脏病、缺血性脑卒中)、癌症(肺癌、胃癌、结直肠癌、肝癌、食管癌)、糖尿病及抑郁症。
所述设置模块402,还用于设置每一种疾病的权重。
具体地,设置模块402根据疾病伤残调整寿命年指标,并综合疾病患病率、严重程度、死亡率与经济负担等指示,可以为每种疾病设置相应的权重。
例如,全部疾病的健康分总分为498分(最高值),总权重为52,每种疾病的权重设为:心血管疾病为26、抑郁症为14、糖尿病为4、肺癌为3、胃癌为2、结直肠癌为1、肝癌为1、食管癌为1。也就是说,每种疾病对应的健康分的总分A分别为:心血管疾病为249分、抑郁症为134分、糖尿病为38分、肺癌为29分、胃癌为19分、结直肠癌为9.6分、肝癌为9.6分、食管癌为9.6分。
所述收集模块404,用于针对预设的多个输入问题收集每个人的基础数据。
具体地,所述输入问题包括:疾病史、疾病家族史、年龄、身高、体重、腰围、水果摄入、蔬菜摄入、盐渍食品摄入、血压、血糖、血脂、血型、锻炼、吸烟、饮酒、进餐时间、居住地、心情抑郁、丧失兴趣或乐趣、体重下降或增加、失眠或嗜睡、精神躁动或迟滞、虚弱或精力不足、感觉没有价值或过度自责、思考能力减弱,认知下降、反复想到死亡等。
所述评估模块406,用于对每个人针对每种疾病分别采用预设模型进行风险评估。
具体地,针对心血管疾病,评估模块406采用Cox比例风险回归模型进行风险评估,以缺血性心血管病事件作为预测模型的因变量,以年龄、收缩压(SBP)、体重指数(BMI)、血清总胆固醇(TC)、是否糖尿病(即血糖GLU)和是否吸烟等6个主要危险因素为自变量,拟合分性别的最优预测模型。其中,所述缺血性心血管病事件包括冠心病事件和缺血性脑卒中事件。
针对癌症,评估模块406采用哈佛大学癌症风险评估模型进行风险评估,具体步骤为:(1)选择要预测的病种(例如肺癌);(2)不断发现并确定与该疾病发生有关的危险因素;(3)应用适当的预测方法建立风险预测模型;(4)验证评估模型的预测价值。在本实施例中可以分别提供肺癌、胃癌、结直肠癌、肝癌、食管癌的风险评估。
针对糖尿病,评估模块406采用芬兰糖尿病评分量表(FINDRISC)进行风险评估,该量表是通过队列研究开发的糖尿病风险评估工具。量表的内容包括:糖尿病家族史、年龄、体质指数、腰围、抗高血压药物应用情况、高血糖、体育活动情况以及每日摄入蔬菜、水果的量等。
针对抑郁症,评估模块406采用9条目病人健康问卷(PHQ-9)作为评估模型进行风险评估。抑郁症的诊断缺乏临床检测指标,其诊断主要依靠精神科医生的精神检查,目前国际国内比较通用的标准是美国《精神障碍与诊断手册第五版》(DSM-V)。根据DSM-V诊断标准编制了PHQ-9,其中的9个条目反映了DSM-V标准抑郁障碍的9项症状(即所述输入问题的最后9个)。因其简短、易于操作和评分,广泛应用于科学研究和临床实践中,PHQ-9评估模型有较好的信度和效度,对抑郁症的筛查有较高的敏感性和特异性。
值得注意的是,上述针对每种疾病采用对应的各个模型进行评估后得到的结果为每种疾病的个体相对风险值。在本实施例中,所述个体相对风险值=疾病绝对风险值/人群平均风险值。所述疾病绝对风险值用于表示某人某疾病发生的真实概率风险值。所述人群平均风险值可以根据每种疾病的具体状况按预设规则进行设置。因不同年龄、种族、地区、性别人群发生某种疾病的风险不同,故对于个人的疾病风险评估,使用个体相对风险值,即用疾病绝对风险值除以人群平均风险值,可以更好的反应一个人疾病患病风险大小,并且给予合理的个性化风险提示。
所述计算模块408,用于根据每种疾病的评估结果计算对应的健康分,并整合每种疾病的健康分得到综合健康分。
具体地,计算模块408根据预设的个体相对风险值与风险等级的对应关系表,以及每种疾病对应的健康分的总分,按预设比例计算出每种疾病对应的健康分。然后,计算模块408对每种疾病对应的健康分进行加总,得到所述综合健康分。
例如,当个体相对风险值X<0时,对应的风险等级为1级,对应的比例Y为1,表示远远低于平均风险。当个体相对风险值0≤X<0.5时,对应的风险等级为2级,对应的比例Y为0.9,表示较远低于平均风险。当个体相对风险值0.5≤X<0.9时,对应的风险等级为3级,对应的比例Y为0.8,表示低于平均风险。当个体相对风险值0.9≤X<1.1时,对应的风险等级为4级,对应的比例Y为0.7,表示平均风险左右。当个体相对风险值1.1≤X<2.0时,对应的风险等级为5级,对应的比例Y为0.5,表示高于平均风险。当个体相对风险值2.0≤X<5.0时,对应的风险等级为6级,对应的比例Y为0.3,表示较远高于平均风险。当个体相对风险值X≥5.0时,对应的风险等级为7级,对应的比例Y为0.1,表示远远高于平均风险。
每种疾病对应的健康分为该种疾病的健康分总分A乘以该个体相对风险值对应的比例Y。例如,心血管疾病的健康分总分A为249分,假设针对心血管疾病进行评估后得到的结果为个体相对风险值X=0.6,则对应的风险等级为3级,对应的比例Y为0.8,可以计算出心血管疾病的健康分为A*Y=249*0.8=199分。
所述输出模块410,用于输出人体综合健康风险预测结果。
具体地,每个人的人体综合健康风险预测结果包括每种疾病的健康分和个体相对风险值、综合健康分以及每种疾病的风险等级和风险说明等。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件来实现,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本发明各个实施例所述的方法。
以上参照附图说明了本发明的优选实施例,并非因此局限本发明的权利范围。上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。另外,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
本领域技术人员不脱离本发明的范围和实质,可以有多种变型方案实现本发明,比如作为一个实施例的特征可用于另一实施例而得到又一实施例。凡在运用本发明的技术构思之内所作的任何修改、等同替换和改进,均应在本发明的权利范围之内。

Claims (10)

1.一种人体综合健康风险预测方法,其特征在于,该方法包括步骤:
设置需要预测的疾病种类及每种疾病的权重;
针对预设的多个输入问题收集每个人的基础数据;
对每个人针对每种疾病分别采用预设模型进行风险评估;
根据每种疾病的评估结果计算对应的健康分,并整合每种疾病的健康分得到综合健康分;及
输出人体综合健康风险预测结果。
2.根据权利要求1所述的人体综合健康风险预测方法,其特征在于,所述疾病种类包括心血管疾病、癌症、糖尿病及抑郁症,所述心血管疾病包括缺血性心脏病、缺血性脑卒中,所述癌症包括肺癌、胃癌、结直肠癌、肝癌、食管癌。
3.根据权利要求1所述的人体综合健康风险预测方法,其特征在于,所述每种疾病的权重根据疾病伤残调整寿命年指标进行设置。
4.根据权利要求2所述的人体综合健康风险预测方法,其特征在于,所述心血管疾病的权重为26,抑郁症的权重为14,糖尿病的权重为4,肺癌的权重为3,胃癌的权重为2,结直肠癌的权重为1,肝癌的权重为1,食管癌的权重为1,根据每种疾病的权重可以得到每种疾病对应的健康分的总分。
5.根据权利要求1所述的人体综合健康风险预测方法,其特征在于,所述输入问题包括:疾病史、疾病家族史、年龄、身高、体重、腰围、水果摄入、蔬菜摄入、盐渍食品摄入、血压、血糖、血脂、血型、锻炼、吸烟、饮酒、进餐时间、居住地、心情抑郁、丧失兴趣或乐趣、体重下降或增加、失眠或嗜睡、精神躁动或迟滞、虚弱或精力不足、感觉没有价值或过度自责、思考能力减弱,认知下降、反复想到死亡。
6.根据权利要求2所述的人体综合健康风险预测方法,其特征在于,所述对每个人针对每种疾病分别采用预设模型进行风险评估的步骤具体包括:
针对心血管疾病,采用Cox比例风险回归模型进行风险评估;
针对癌症,采用哈佛大学癌症风险评估模型进行风险评估;
针对糖尿病,采用芬兰糖尿病评分量表FINDRISC进行风险评估;
针对抑郁症,采用9条目病人健康问卷PHQ-9进行风险评估。
7.根据权利要求1所述的人体综合健康风险预测方法,其特征在于,所述对每个人针对每种疾病分别采用预设模型进行风险评估的步骤得到的结果为每种疾病的个体相对风险值,所述个体相对风险值等于疾病绝对风险值除以人群平均风险值。
8.根据权利要求7所述的人体综合健康风险预测方法,其特征在于,所述根据每种疾病的评估结果计算对应的健康分,并整合每种疾病的健康分得到综合健康分的步骤具体包括:
根据预设的个体相对风险值与风险等级的对应关系表,以及每种疾病对应的健康分的总分,按预设比例计算出每种疾病对应的健康分;
对每种疾病对应的健康分进行加总,得到所述综合健康分。
9.根据权利要求8所述的人体综合健康风险预测方法,其特征在于,所述人体综合健康风险预测结果包括每种疾病的健康分和个体相对风险值、综合健康分以及每种疾病的风险等级和风险说明。
10.一种人体综合健康风险预测系统,其特征在于,该系统包括:
设置模块,用于设置需要预测的疾病种类及每种疾病的权重;
收集模块,用于针对预设的多个输入问题收集每个人的基础数据;
评估模块,用于对每个人针对每种疾病分别采用预设模型进行风险评估;
计算模块,用于根据每种疾病的评估结果计算对应的健康分,并整合每种疾病的健康分得到综合健康分;及
输出模块,用于输出人体综合健康风险预测结果。
CN201611176974.0A 2016-12-19 2016-12-19 人体综合健康风险预测方法及系统 Pending CN108206058A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201611176974.0A CN108206058A (zh) 2016-12-19 2016-12-19 人体综合健康风险预测方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201611176974.0A CN108206058A (zh) 2016-12-19 2016-12-19 人体综合健康风险预测方法及系统

Publications (1)

Publication Number Publication Date
CN108206058A true CN108206058A (zh) 2018-06-26

Family

ID=62601857

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201611176974.0A Pending CN108206058A (zh) 2016-12-19 2016-12-19 人体综合健康风险预测方法及系统

Country Status (1)

Country Link
CN (1) CN108206058A (zh)

Cited By (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109106346A (zh) * 2018-07-24 2019-01-01 深圳市是源医学科技有限公司 抑郁情绪筛查及调节系统
CN109119149A (zh) * 2018-08-31 2019-01-01 广州华科盈医疗科技有限公司 用于监测卒中风险的系统及设备
CN109346173A (zh) * 2018-10-23 2019-02-15 上海市疾病预防控制中心 基于卫生医疗大数据的实现健康期望寿命运算分析功能的系统及方法
CN109411094A (zh) * 2018-10-23 2019-03-01 上海市疾病预防控制中心 基于卫生医疗大数据的健康期望寿命应用支撑信息系统及方法
CN109585022A (zh) * 2018-11-21 2019-04-05 北京天和智慧健康管理有限公司 一种用于癌症风险评估的设备和系统
CN109785965A (zh) * 2018-12-13 2019-05-21 平安医疗健康管理股份有限公司 一种健康评估方法、健康评估装置及计算机可读存储介质
CN110277171A (zh) * 2019-07-01 2019-09-24 太平洋医疗健康管理有限公司 失能人群测算方法及系统
CN110379516A (zh) * 2019-07-24 2019-10-25 国网山东省电力公司鲁能体育文化分公司 一种基于大数据的运动机能分析伤病风险概率预测非线性模型的构建方法
CN110853756A (zh) * 2019-11-08 2020-02-28 郑州轻工业学院 基于som神经网络和svm的食管癌风险预测方法
CN111540472A (zh) * 2020-05-18 2020-08-14 霓蝶(上海)医疗科技有限公司 一种健康活动的智能风险评估系统及其评估方法
CN111710425A (zh) * 2020-06-19 2020-09-25 复旦大学附属中山医院 一种免疫检查点抑制剂心脏毒性评估方法,系统及装置
CN111933282A (zh) * 2020-07-21 2020-11-13 北京东方兴企食品工业技术有限公司 亚临床风险评价装置、机器可读存储介质和处理器
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
CN112580690A (zh) * 2020-11-24 2021-03-30 南通大学 一种提升食品检测准确性的信息处理方法和装置
CN112750532A (zh) * 2019-10-30 2021-05-04 宏碁股份有限公司 特征识别方法与电子装置
CN112768074A (zh) * 2021-01-19 2021-05-07 大禹(上海)医疗健康科技有限公司 一种基于人工智能的重疾风险预测方法及系统
CN113782216A (zh) * 2021-09-15 2021-12-10 平安科技(深圳)有限公司 一种失能权重确定方法及装置、电子设备、存储介质
CN116052877A (zh) * 2022-12-19 2023-05-02 李珊珊 一种糖尿病患者抑郁风险评估方法及评估系统的构建方法
CN116682565A (zh) * 2023-07-28 2023-09-01 济南蓝博电子技术有限公司 一种数字化医疗信息在线监测方法、终端及介质

Citations (6)

* Cited by examiner, † Cited by third party
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
CN104217095A (zh) * 2014-05-23 2014-12-17 陈立典 人体健康功能状态评估模型
CN104715147A (zh) * 2015-03-09 2015-06-17 奥美之路(北京)技术顾问有限公司 运动损伤风险评估模型
CN104850725A (zh) * 2013-10-27 2015-08-19 闫波 用于健康综合评估的系统及方法
US20160135755A1 (en) * 2012-10-24 2016-05-19 Zte Corporation Remote home healthcare system
CN105956384A (zh) * 2016-04-26 2016-09-21 江苏物联网研究发展中心 健康评估系统中评估引擎的实现方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
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
US20160135755A1 (en) * 2012-10-24 2016-05-19 Zte Corporation Remote home healthcare system
CN104850725A (zh) * 2013-10-27 2015-08-19 闫波 用于健康综合评估的系统及方法
CN104217095A (zh) * 2014-05-23 2014-12-17 陈立典 人体健康功能状态评估模型
CN104715147A (zh) * 2015-03-09 2015-06-17 奥美之路(北京)技术顾问有限公司 运动损伤风险评估模型
CN105956384A (zh) * 2016-04-26 2016-09-21 江苏物联网研究发展中心 健康评估系统中评估引擎的实现方法

Cited By (25)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109106346A (zh) * 2018-07-24 2019-01-01 深圳市是源医学科技有限公司 抑郁情绪筛查及调节系统
CN109119149A (zh) * 2018-08-31 2019-01-01 广州华科盈医疗科技有限公司 用于监测卒中风险的系统及设备
CN109346173A (zh) * 2018-10-23 2019-02-15 上海市疾病预防控制中心 基于卫生医疗大数据的实现健康期望寿命运算分析功能的系统及方法
CN109411094A (zh) * 2018-10-23 2019-03-01 上海市疾病预防控制中心 基于卫生医疗大数据的健康期望寿命应用支撑信息系统及方法
CN109585022A (zh) * 2018-11-21 2019-04-05 北京天和智慧健康管理有限公司 一种用于癌症风险评估的设备和系统
CN109785965A (zh) * 2018-12-13 2019-05-21 平安医疗健康管理股份有限公司 一种健康评估方法、健康评估装置及计算机可读存储介质
CN110277171A (zh) * 2019-07-01 2019-09-24 太平洋医疗健康管理有限公司 失能人群测算方法及系统
CN110379516A (zh) * 2019-07-24 2019-10-25 国网山东省电力公司鲁能体育文化分公司 一种基于大数据的运动机能分析伤病风险概率预测非线性模型的构建方法
CN110379516B (zh) * 2019-07-24 2023-01-10 国网山东省电力公司鲁能体育文化分公司 一种基于大数据的运动机能分析伤病风险概率预测非线性模型的构建方法
CN112750532A (zh) * 2019-10-30 2021-05-04 宏碁股份有限公司 特征识别方法与电子装置
CN112750532B (zh) * 2019-10-30 2024-01-19 宏碁股份有限公司 特征识别方法与电子装置
CN110853756A (zh) * 2019-11-08 2020-02-28 郑州轻工业学院 基于som神经网络和svm的食管癌风险预测方法
CN110853756B (zh) * 2019-11-08 2020-10-30 郑州轻工业学院 基于som神经网络和svm的食管癌风险预测方法
CN111540472A (zh) * 2020-05-18 2020-08-14 霓蝶(上海)医疗科技有限公司 一种健康活动的智能风险评估系统及其评估方法
CN111710425A (zh) * 2020-06-19 2020-09-25 复旦大学附属中山医院 一种免疫检查点抑制剂心脏毒性评估方法,系统及装置
CN111933282A (zh) * 2020-07-21 2020-11-13 北京东方兴企食品工业技术有限公司 亚临床风险评价装置、机器可读存储介质和处理器
CN112580690B (zh) * 2020-11-24 2021-12-07 南通大学 一种提升食品检测准确性的信息处理方法和装置
CN112580690A (zh) * 2020-11-24 2021-03-30 南通大学 一种提升食品检测准确性的信息处理方法和装置
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
CN112768074A (zh) * 2021-01-19 2021-05-07 大禹(上海)医疗健康科技有限公司 一种基于人工智能的重疾风险预测方法及系统
CN113782216A (zh) * 2021-09-15 2021-12-10 平安科技(深圳)有限公司 一种失能权重确定方法及装置、电子设备、存储介质
CN113782216B (zh) * 2021-09-15 2023-10-24 平安科技(深圳)有限公司 一种失能权重确定方法及装置、电子设备、存储介质
CN116052877A (zh) * 2022-12-19 2023-05-02 李珊珊 一种糖尿病患者抑郁风险评估方法及评估系统的构建方法
CN116682565A (zh) * 2023-07-28 2023-09-01 济南蓝博电子技术有限公司 一种数字化医疗信息在线监测方法、终端及介质
CN116682565B (zh) * 2023-07-28 2023-11-10 济南蓝博电子技术有限公司 一种数字化医疗信息在线监测方法、终端及介质

Similar Documents

Publication Publication Date Title
CN108206058A (zh) 人体综合健康风险预测方法及系统
Foley et al. Body mass index trends among adult US Special Olympians, 2005–2010
Bowles et al. Construct validity of self-reported historical physical activity
Meleleo et al. Evaluation of body composition with bioimpedence. A comparison between athletic and non-athletic children
CN110832602B (zh) 利用软件进行健康状态判定的装置、及健康状态判定方法
US20140135592A1 (en) Health band
US20140172314A1 (en) Systems and methods for determining caloric intake using a personal correlation factor
CN104217095A (zh) 人体健康功能状态评估模型
TW202227006A (zh) 對稱溫差個性化健康管理體系-人體對稱溫差cwpas健康管理體系與使用方法
CN110838367A (zh) 健康风险综合评估方法
Zaleski et al. Using the immediate blood pressure benefits of exercise to improve exercise adherence among adults with hypertension: a randomized clinical trial
Banerjee et al. Validating a commercial device for continuous activity measurement in the older adult population for dementia management
CN105167763A (zh) 一种健康检测仪
O’Driscoll et al. The validity of two widely used commercial and research-grade activity monitors, during resting, household and activity behaviours
CN116153508A (zh) 基于主动健康指数的健康干预系统
KR101555541B1 (ko) 유비쿼터스환경에서의 웰빙라이프케어 인덱스 모델 제작 방법
US20080183421A1 (en) Apparatus and method for determining obesity-related disease risk indicators of a human subject
Ng et al. The Elderly Nutritional Index for Geriatric Malnutrition Assessment (ENIGMA): concurrent, construct and predictive validity in an external evaluation cohort of community-dwelling older persons
Arsa et al. Predicted equation for VO2 based on a 20-meter multistage shuttle run test for children
KR101488592B1 (ko) 장수 나이 산출 시스템 및 그 방법
Montoye et al. Accuracy of physical activity monitors for steps and calorie measurement during pregnancy walking
Kim et al. Validity and reliability of shuttle-run test in Korean adults
da Silva et al. Glittre activities of daily living test is reliable and valid in hemodialysis patients
Maruf et al. Associations of Constructs of Transtheoretical Model With Physical Activity Behavior Among Individuals With Essential Hypertension
Grace et al. The effect of a walking programme on the psychological well-being and selected physical and physiological parameters of overweight and obese adolescents

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20180626