CN108364677B - 一种基于多维度健康管理模型的评测方法及其装置 - Google Patents
一种基于多维度健康管理模型的评测方法及其装置 Download PDFInfo
- Publication number
- CN108364677B CN108364677B CN201810205859.4A CN201810205859A CN108364677B CN 108364677 B CN108364677 B CN 108364677B CN 201810205859 A CN201810205859 A CN 201810205859A CN 108364677 B CN108364677 B CN 108364677B
- Authority
- CN
- China
- Prior art keywords
- data
- vitamin
- conclusion
- literature
- health management
- 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
Images
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
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/60—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to nutrition control, e.g. diets
-
- 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
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- 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
- G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
-
- 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
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Nutrition Science (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明属于健康管理技术领域。本发明提供了一种基于多维度健康管理模型的评测方法及其装置,用户提供血液检测结果、用户的历史参数信息和营养素对应的基因检测信息,使用本发明的评测方法能从三个维度评测用户的健康水平,血液检测结果能直观获得用户当前的营养素状况,是正常、不足或缺乏,用户的历史参数信息及营养素对应的基因信息能获得用户潜在的营养素缺乏或不足风险。因此,本发明能从三个维度全方位多角度获得用户的营养状况以及提供健康建议,如提供包括但不限于用户的维生素补充建议,起到改善用户营养状况的作用。本发明解决目前健康管理方式单一和不全面的技术缺陷。
Description
技术领域
本发明属于健康管理技术领域,尤其涉及一种基于多维度健康管理模型的评测方法及其装置。
背景技术
世界卫生组织的研究报告得出,人类三分之一的疾病能通过预防、保健得以避免,三分之一的疾病早期发现可以得到有效的控制,三分之一的疾病通过信息的有效沟通能够提高治疗的效果。随着人们物质生活水平的不断提高,健康的理念逐渐深入人心,健康管理也随之走入人们的生活中来。
健康管理是通过了解人们的健康,管理人们的健康,从而改善人们的健康。是指一种对个人或人群的健康危险因素进行全面管理的过程。健康管理能调动人们的积极性,将人们被动的疾病治疗改变为主动的管理健康,使病人以及健康人群更好地恢复健康、维护健康、促进健康,从而节约医疗费用的支出,有效的利用有限资源来达到最大的健康效果。
在人们生活多样化的今天,管理自身健康已然成为人们刻不容缓的问题。但是健康管理方法仍然存在着一系列的缺陷,传统的健康管理方式大多通过某些生理结果和疾病诊断结果进行简单的健康管理,其健康状况的评价十分片面,因此基于健康状况得到的健康管理方式也是十分单一和不全面的。
发明内容
有鉴于此,本发明提供了一种基于多维度健康管理模型的评测方法,通过多个维度综合判断获得的健康管理测评结果,同时考虑了当前的营养状况及可能的营养素缺乏或不足风险,能有效解决目前健康管理方式单一和不全面的技术缺陷。
本发明提供了一种基于多维度健康管理模型的评测方法,包括如下步骤:
S101:根据营养与食品卫生学的维生素营养状况评价标准对营养素血液检测数据进行判定,若所述血液检测数据在所述营养与食品卫生学的维生素营养状况评价标准的范围内,则进行S102;
S102:根据预置的营养素和/或预置的营养素对应因素获得多篇文献;
S103:提取所述多篇文献的文献结论数据,所述文献结论数据为所述营养素和所述营养素对应因素的对应关系;
S104:根据所述营养素、所述营养素对应因素以及所述营养素和所述营养素对应因素的对应关系建立健康管理模型;
S105:获取用户的历史参数信息和基因检测信息作为所述健康管理模型的输入信息,并分别得到第一健康管理模型结果和第二健康管理模型结果;
S106:对所述第一健康管理模型结果和所述第二健康管理模型结果进行比较,获取高数值的健康管理模型结果为健康管理的评测结果。
作为优选,所述S101具体为:根据营养与食品卫生学的维生素营养状况评价标准对营养素血液检测数据进行判定,若所述血液检测数据在所述营养与食品卫生学的维生素营养状况评价标准的范围内,则进行S102;若所述血液检测数据在所述营养与食品卫生学的维生素营养状况评价标准范围外,则输出营养素调整结果。
其中,所述营养素调整结果具体为根据中国居民膳食营养素参考摄入量(DRIs)及营养素补充剂原料目录限定范围进行补充。
其中,所述基因检测信息具体为与营养素相关的基因信息。
作为优选,所述S104具体为:
S201:获取所述文献的类型数据;
S202:根据所述文献的类型数据计算得到所述文献结论数据的分数;
S203:根据所述文献结论数据的分数,提取预设高分数段数量的文献结论数据,得到过程数据;
其中,所述预设高分数段的文献结论数据具体为从高分排序的20-100%数量的文献结论数据。
其中,所述从高分排序的20-100%数量具体为从高分排序的5-16分的文献结论数据。
S204:对所述过程数据进行语句匹配,提取满足预置的语句匹配相似度的过程数据,得到结论数据,根据所述结论数据的所述营养素、所述营养素对应因素以及所述营养素和所述营养素对应因素的对应关系建立健康管理模型构建健康管理模型。
作为优选,所述语句匹配具体为对所述过程数据进行一致性判断,得到结论数据;
所述一致性判断具体为获得所述营养素和所述营养素对应因素的对应关系的一致率,若所述营养素和所述营养素对应因素的对应关系的一致率满足预置的一致率,则提取满足预置的一致率的过程数据,得到结论数据。
具体的,一致率相当于语句匹配相似度。
作为优选,所述满足预置的一致率为超过预置所述营养素、所述营养素对应因素以及所述营养素和所述营养素对应因素的一致率。
其中,所述一致率具体为60%-100%,对过程数据进行语句匹配,所述过程数据的预置营养素和营养素对应因素的对应关系的特征词相互的一致性达到60%-100%,则筛选出来。
具体的,根据预置的营养素和/或预置的营养素对应因素获得多篇的文献,例如营养素为维生素C和维生素E,营养素对应因素为高尿酸血症患者,得到关于这些关键词的文献后,提取多篇的文献的文献结论数据,文献结论数据为营养素和营养素对应因素的对应关系,然后,获取这些文献的类型数据,接着,根据这些文献的类型数据计算得到这些文献结论数据的分数,在根据这些文献结论数据的分数,提取从高分排序的20-100%数量的文献结论数据,得到过程数据,对这些过程数据进行语句匹配;若营养素和营养素对应因素的对应关系的一致率满足预置的一致率(语句匹配相似度),则提取满足预置的一致率(语句匹配相似度)的过程数据,得到结论数据,根据结论数据的营养素、营养素对应因素以及营养素和营养素对应因素的对应关系建立健康管理模型。例如,过程数据有营养素、营养素对应因素和营养素与营养素对应因素的对应关系,维生素C(营养素)和高尿酸血症患者(营养素对应因素)的对应关系为高尿酸血症患者维生素C降低或缺乏,这一过程数据的有营养素、营养素对应因素和营养素与营养素对应因素的对应关系的一致率(语句匹配相似度)分别超过60%,营养素超过60%是维生素C,营养素对应因素超过60%是高尿酸血症患者,营养素对应因素和营养素与营养素对应因素的对应关系超过60%是降低或缺乏,则提取均超过60%的一致率的营养素、营养素对应因素和营养素与营养素对应因素的对应关系的结果数据。
作为优选,所述文献的类型数据包括随机对照试验类型、非随机对照试验类型、病例对照研究类型、队列研究类型、病例系列类型和横断面研究类型;
所述S202具体包括:若所述文献的类型数据为随机对照试验类型,则所述文献的文献结论数据为第一预设分数;
若所述文献的类型数据为非随机对照试验类型、病例对照研究类型或队列研究类型,则所述文献的文献结论数据为第二预设分数;
若所述文献的类型数据为病例系列类型或横断面研究类型,则所述文献的文献结论数据为第三预设分数。
作为优选,所述S102具体包括:
S301:提取多篇文献的摘要和结论的特征句子,对特征句子通过句式抽取方法获得文献结论数据。
作为优选,所述预置的营养素对应因素包括年龄、性别、身高、体重、疾病情况、生活方式、饮食方式、工作时间情况、亚健康情况以及营养素吸收代谢相关的基因信息。
本发明还公开一种基于多维度健康管理模型的评测装置,包括:血液检测单元S1、文献提取单元S2、结论提取单元S3、模型建立单元S4、输出单元S5和比较单元S6;
血液检测单元S1,具体用于根据营养与食品卫生学的维生素营养状况评价标准对血液检测数据进行判定,若所述血液检测数据在所述营养与食品卫生学的维生素营养状况评价标准范围内,则触发文献提取单元;
文献提取单元S2,具体用于根据预置的营养素和/或预置的营养素对应因素获得多篇的文献;
结论提取单元S3,具体用于提取多篇的文献的文献结论数据,所述文献结论数据为所述营养素和所述营养素对应因素的对应关系;
模型建立单元S4,具体用于根据所述营养素、所述营养素对应因素以及所述营养素和所述营养素对应因素的对应关系建立健康管理模型;
输出单元S5,具体用于获取用户的历史参数信息和营养素对应的基因检测信息作为所述健康管理模型的输入信息分别得到第一健康管理模型结果和第二健康管理模型结果;
比较单元S6,具体用于对所述第一健康管理模型结果和所述第二健康管理模型结果进行排序,获取高数值的健康管理模型结果为健康管理的评测结果。
作为优选,血液检测单元,具体用于根据营养与食品卫生学的维生素营养状况评价标准对血液检测数据进行判定,若所述血液检测数据在所述营养与食品卫生学的维生素营养状况评价标准范围内,则触发文献提取单元;若所述血液检测数据在所述营养与食品卫生学的维生素营养状况评价标准的范围外,则输出营养素调整结果。
作为优选,所述模型建立单元还包括:筛选第一子单元、筛选第二子单元、筛选第三子单元和筛选第四子单元;
筛选第一子单元,具体用于获取包含预置的营养素和/或预置的营养素对应因素的关键词的多篇的文献,并提取所述文献的类型数据和所述文献的文献结论数据;
筛选第二子单元,具体用于根据所述文献的类型数据计算得到所述文献结论数据的分数;
筛选第三子单元,具体用于根据所述文献结论数据根据所述文献结论数据的分数,提取预设高分数段数量的文献结论数据,为过程数据;
筛选第四子单元,具体用于对所述过程数据进行语句匹配,提取满足预置的语句匹配相似度的过程数据,得到结论数据,根据所述结论数据的所述营养素、所述营养素对应因素以及所述营养素和所述营养素对应因素的对应关系建立健康管理模型构建健康管理模型。
进一步的,筛选第四子单元,具体用于为对所述过程数据进行一致性判断,得到结论数据;
所述一致性判断具体为获得所述营养素和所述营养素对应因素的对应关系的一致率,若所述营养素和所述营养素对应因素的对应关系的一致率满足预置的一致率,则提取满足预置的一致率的过程数据,得到结论数据。
作为优选,所述筛选第二子单元具体用于:
若所述文献的类型数据为随机对照试验类型,则所述文献的文献结论数据为第一预设分数;
若所述文献的类型数据为非随机对照试验类型、病例对照研究类型或队列研究类型,则所述文献的文献结论数据为第二预设分数;
若所述文献的类型数据为病例系列类型或横断面研究类型,则所述文献的文献结论数据为第三预设分数。
作为优选,结论提取单元包括结论提取第一子单元和结论提取第二子单元;
结论提取第一子单元,具体用于提取多篇文献的摘要和结论的特征句子;
结论提取第二子单元,具体用于对特征句子通过句式抽取方法获得文献结论数据。
本发明公开了一种基于健康管理模型的评测方法,本发明能综合判断得出的个体健康水平,该方法包括:S101:根据营养与食品卫生学的维生素营养状况评价标准对营养素血液检测数据进行判定,若所述血液检测数据在所述营养与食品卫生学的维生素营养状况评价标准的范围内,则进行S102;S102:根据预置的营养素和/或预置的营养素对应因素获得多篇的文献;S103:提取多篇文献的文献结论数据,所述文献结论数据为所述营养素和所述营养素对应因素的对应关系;S104:根据所述营养素、所述营养素对应因素以及所述营养素和所述营养素对应因素的对应关系建立健康管理模型;S105:获取用户的历史参数信息和营养素对应的基因检测信息作为所述健康管理模型的输入信息分别得到第一健康管理模型结果和第二健康管理模型结果;S106:对所述第一健康管理模型结果和所述第二健康管理模型结果进行排序,获取高数值的健康管理模型结果为健康管理的评测结果。因此,用户提供血液检测结果、用户的历史参数信息和营养素对应的基因检测信息,使用本发明的评测方法能从三个维度评测用户的健康水平,血液检测结果能直观获得用户当前的营养素状况(正常、不足或缺乏),用户的历史参数信息及营养素对应的基因信息能获得用户潜在的营养素缺乏或不足风险。因此,本发明能从三个维度全方位多角度准确获得用户的相对营养状况以及提供健康建议,如提供用户的维生素补充建议(包括但不限于),起到改善用户营养状况的作用。
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。
图1示本发明提供的一种基于多维度健康管理模型的评测方法的流程图;
图2示本发明提供的一种基于多维度健康管理模型的评测装置的结构图。
具体实施方式
本发明提供了一种基于多维度健康管理模型的评测方法及其装置,通过多个维度综合判断获得的健康管理测评结果,同时考虑了当前的营养状况及可能的营养素缺乏或不足风险,有效解决目前健康管理方式单一和不全面的技术缺陷。
下面将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在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围,其中,营养与食品卫生学维生素营养状况评价标准来自《营养与食品卫生学》。
实施例1
请参阅图1,图1为一种基于多维度健康管理模型的评测方法,包括如下步骤:S101:根据营养与食品卫生学的维生素营养状况评价标准对营养素血液检测数据进行判定,若所述血液检测数据在所述营养与食品卫生学的维生素营养状况评价标准的范围内,则进行S102;S102:根据预置的营养素和/或预置的营养素对应因素获得多篇的文献;S103:提取多篇的文献的文献结论数据,文献结论数据为营养素和营养素对应因素的对应关系;S104:根据营养素、营养素对应因素以及营养素和所述营养素对应因素的对应关系建立健康管理模型;S105:获取用户的历史参数信息和营养素对应的基因检测信息作为健康管理模型的输入信息分别得到第一健康管理模型结果和第二健康管理模型结果;S106:对第一健康管理模型结果和第二健康管理模型结果进行排序,获取高数值的健康管理模型结果为健康管理的评测结果。
实施例2
本实施例提供了一种基于多维度健康管理模型的评测方法,包括如下步骤:S101:根据营养与食品卫生学的维生素营养状况评价标准对营养素血液检测数据进行判定,若所述血液检测数据在所述营养与食品卫生学的维生素营养状况评价标准的范围内,则进行S102;S102:根据预置的营养素和/或预置的营养素对应因素获得多篇的文献;S103:提取多篇的文献的文献结论数据,文献结论数据为营养素和营养素对应因素的对应关系;S104:根据营养素、营养素对应因素以及营养素和所述营养素对应因素的对应关系建立健康管理模型;S105:获取用户的历史参数信息和营养素对应的基因检测信息作为健康管理模型的输入信息分别得到第一健康管理模型结果和第二健康管理模型结果;S106:对第一健康管理模型结果和第二健康管理模型结果进行排序,获取高数值的健康管理模型结果为健康管理的评测结果。
进一步的,S104具体为:
S201:获取所述文献的类型数据;
S202:根据文献的类型数据计算得到文献结论数据的分数;
S203:根据文献结论数据的分数,提取预设高分数段数量的文献结论数据,得到过程数据;
进一步的,预设高分数段的文献结论,具体为20-100%数量(20-100%数量的文献结论分数为5-16分)的文献结论。
S204:对过程数据进行语句匹配,提取满足预置的语句匹配相似度的过程数据,得到结论数据,根据结论数据的营养素、营养素对应因素以及营养素和营养素对应因素的对应关系建立健康管理模型构建健康管理模型。
进一步的,语句匹配具体为对过程数据进行一致性判断,得到结论数据;
一致性判断具体为获得营养素和营养素对应因素的对应关系的一致率,若营养素和营养素对应因素的对应关系的一致率满足预置的一致率,则提取满足预置的一致率的过程数据,得到结论数据。
其中,所述满足预置的一致率为超过预置所述营养素和所述营养素对应因素的对应关系的一致率。
进一步的,满足一致性要求具体为超过预置60%的一致率。
进一步的,文献的类型数据包括随机对照试验类型、非随机对照试验类型、病例对照研究类型、队列研究类型、病例系列类型和横断面研究类型;
所述S202具体包括:若文献的类型数据为随机对照试验类型,则文献的文献结论数据为第一预设分数;
若文献的类型数据为非随机对照试验类型、病例对照研究类型或队列研究类型,则文献的文献结论数据为第二预设分数;
若文献的类型数据为病例系列类型或横断面研究类型,则文献的文献结论数据为第三预设分数。
进一步的,S102具体包括:
S301:提取多篇文献的摘要和结论的特征句子,对特征句子通过句式抽取方法获得文献结论数据。
进一步的,预置的营养素对应因素包括年龄、性别、身高、体重、疾病情况、生活方式、饮食方式、工作时间情况、亚健康情况和营养素吸收代谢相关的基因信息。
请参阅图2,图2为一种基于多维度健康管理模型的评测装置的结构图,实施例2包括:血液检测单元、文献提取单元、结论提取单元、模型建立单元、输出单元和比较单元;
血液检测单元S1,具体用于根据营养与食品卫生学的维生素营养状况评价标准对血液检测数据进行判定,若所述血液检测数据在所述营养与食品卫生学的维生素营养状况评价标准范围内,则触发文献提取单元;
文献提取单元S2,具体用于根据预置的营养素和/或预置的营养素对应因素获得多篇的文献;
结论提取单元S3,具体用于提取多篇的文献的文献结论数据,文献结论数据为营养素和营养素对应因素的对应关系;
模型建立单元S4,具体用于根据营养素、营养素对应因素以及营养素和营养素对应因素的对应关系建立健康管理模型;
输出单元S5,具体用于获取用户的历史参数信息和血液检测结果的营养素对应的基因信息作为健康管理模型的输入信息分别得到第一健康管理模型结果和第二健康管理模型结果;
比较单元S6,具体用于对第一健康管理模型结果和第二健康管理模型结果进行排序,获取高数值的健康管理模型结果为健康管理的评测结果。
进一步的,模型建立单元还包括:筛选第一子单元、筛选第二子单元、筛选第三子单元和筛选第四子单元;
筛选第一子单元,具体用于获取包含预置的营养素和/或预置的营养素对应因素的关键词的多篇的文献,并提取文献的类型数据和文献的文献结论数据;
筛选第二子单元,具体用于根据文献的类型数据计算得到文献结论数据的分数;
筛选第三子单元,具体用于根据文献结论数据根据文献结论数据的分数,提取预设高分数段数量的文献结论数据,为过程数据;
筛选第四子单元,具体用于对所述过程数据进行语句匹配,提取满足预置的语句匹配相似度的过程数据,得到结论数据,根据所述结论数据的所述营养素、所述营养素对应因素以及所述营养素和所述营养素对应因素的对应关系建立健康管理模型。
进一步的,筛选第四子单元,具体用于对所述过程数据进行一致性判断,得到结论数据;
一致性判断具体为获得营养素和营养素对应因素的对应关系的一致率,若营养素和营养素对应因素的对应关系的一致率满足预置的一致率,则提取满足预置的一致率的过程数据,得到结论数据。
进一步的,筛选第二子单元具体用于:
若所述文献的类型数据为随机对照试验类型,则所述文献的文献结论数据为第一预设分数;
若所述文献的类型数据为非随机对照试验类型、病例对照研究类型或队列研究类型,则所述文献的文献结论数据为第二预设分数;
若所述文献的类型数据为病例系列类型或横断面研究类型,则所述文献的文献结论数据为第三预设分数。
进一步的,结论提取单元包括结论提取第一子单元和结论提取第二子单元;
结论提取第一子单元,具体用于提取多篇文献的摘要和结论的特征句子;
结论提取第二子单元,具体用于对特征句子通过句式抽取方法获得文献结论数据。
其中,维生素A、维生素D、维生素C、维生素E、维生素B1、维生素B2、维生素B3(烟酸)、维生素B5(泛酸)、维生素B6、维生素B7、维生素B9(叶酸)和维生素B12营养状况的评价标准如表1至表12所示。
S101:根据营养与食品卫生学的维生素营养状况评价标准对营养素血液检测数据进行判定,若所述血液检测数据在所述营养与食品卫生学的维生素营养状况评价标准的范围内,则进行S102;
表1维生素A
视黄醇浓度ng/mL | 检测结果 | 补充建议 |
<200 | 缺乏 | 增加摄入量 |
≥200-300 | 不足 | 增加摄入量 |
≥300 | 正常 | 保持正常摄入量 |
表2维生素D
25OH-D浓度ng/mL | 检测结果 | 补充建议 |
<20 | 缺乏 | 增加摄入量 |
≥20-30 | 不足 | 增加摄入量 |
≥30 | 正常 | 保持正常摄入量 |
表3维生素E
α-生育酚浓度μg/mL | 检测结果 | 补充建议 |
<5 | 缺乏 | 增加摄入量 |
≥5 | 正常 | 保持正常摄入量 |
表4维生素B1
硫胺素水平ng/mL | 检测结果 | 补充建议 |
<2.5 | 不足 | 增加摄入量 |
≥2.5 | 正常 | 保持正常摄入量 |
表5维生素B2
核黄素水平ng/mL | 检测结果 | 补充建议 |
<1 | 不足 | 增加摄入量 |
≥1 | 正常 | 保持正常摄入量 |
表6维生素B5
泛酸水平μg/mL | 检测结果 | 补充建议 |
<0.2 | 不足 | 增加摄入量 |
≥0.2 | 正常 | 保持正常摄入量 |
表7维生素B6
磷酸吡哆醇水平ng/mL | 检测结果 | 补充建议 |
<40 | 不足 | 增加摄入量 |
≥40 | 正常 | 保持正常摄入量 |
表8维生素B7
生物素水平pg/mL | 检测结果 | 补充建议 |
<100 | 不足 | 增加摄入量 |
≥100 | 正常 | 保持正常摄入量 |
表9维生素B3
烟酰胺μg/mL | 检测结果 | 补充建议 |
<0.5 | 不足 | 增加摄入量 |
≥0.5 | 正常 | 保持正常摄入量 |
表10维生素B9
表11维生素B12
钴胺素水平pg/mL | 检测结果 | 补充建议 |
<40 | 缺乏 | 增加摄入量 |
≥40-150 | 不足 | 增加摄入量 |
≥150 | 正常 | 保持正常摄入量 |
表12维生素C
维生素C水平 | 检测结果 | 补充建议 |
<4μg/mL | 缺乏 | 增加摄入量 |
≥4μg/mL | 正常 | 保持正常摄入量 |
实施例3
本实施例为基于实施例1至2的评测方法得到健康管理模型,根据不同的营养素对应因素得到健康管理模型一和健康管理模型二。
健康管理模型一:
S102:根据预置的营养素和/或预置的营养素对应因素获得多篇的文献;
S103:提取多篇的文献的文献结论数据,文献结论数据为营养素和营养素对应因素的对应关系;
S104:根据营养素、营养素对应因素以及营养素和营养素对应因素的对应关系建立健康管理模型。
进一步的,S104具体为:
S201:获取文献的类型数据;
S202:根据文献的类型数据计算得到文献结论数据的分数;
S203:根据文献结论数据的分数,提取预设高分数段数量的文献结论数据,得到过程数据;
进一步的,预设高分数段的文献结论,具体为20-100%数量(20-100%数量的文献结论分数为5-16分)的文献结论。
S204:对过程数据进行语句匹配,提取满足预置的语句匹配相似度的过程数据,得到结论数据,根据结论数据的营养素、营养素对应因素以及营养素和营养素对应因素的对应关系建立健康管理模型构建健康管理模型。
进一步的,语句匹配具体为对过程数据进行一致性判断,得到结论数据;
一致性判断具体为获得营养素和营养素对应因素的对应关系的一致率,若营养素和营养素对应因素的对应关系的一致率满足预置的一致率,则提取满足预置的一致率的过程数据,得到结论数据。
其中,满足预置的一致率为超过预置营养素和营养素对应因素的对应关系的一致率,一致率相当于语句匹配相似度。
进一步的,满足一致性要求具体为超过预置60%的一致率。
进一步的,S202具体包括:若文献的类型数据为随机对照试验类型,则文献的文献结论数据为第一预设分数;
若文献的类型数据为非随机对照试验类型、病例对照研究类型或队列研究类型,则文献的文献结论数据为第二预设分数;
若文献的类型数据为病例系列类型或横断面研究类型,则文献的文献结论数据为第三预设分数。
进一步的,S102具体包括:
S301:提取多篇文献的摘要和结论的特征句子,对特征句子通过句式抽取方法获得文献结论数据。
需要说明的是,每一篇文献包括至少一个文献研究结论,例如,在《中国的吸烟者和不吸烟者抗氧化营养素摄入状况研究》中,该文献属于现况调查,其文献研究结论为吸烟行为,需要补充β-胡萝卜素、维生素E、维生素B1和维生素C,因此,该文献包括四个文献研究结论,即吸烟行为需要补充β-胡萝卜素、吸烟行为需要补充维生素E、吸烟行为需要补充维生素B1、吸烟行为需要补充维生素C。
其中,相关营养素为维生素A、复合B族维生素、维生素B3、维生素B9、维生素B12、维生素D、维生素E,营养素相关因素为年龄、性别、身高、体重、肌肉衰减综合征、高血脂或脂肪肝、高血糖或糖尿病、超重或肥胖(体重千克/身高米的平方≥24)、高尿酸或痛风、骨质疏松、冠心病、高血压、吸烟情况(是否经常吸烟)、饮酒情况(是否经常饮酒)、久坐情况、运动情况、蔬菜水果摄入情况、奶制品摄入情况、工作性质(是否经常加班或应酬)、是否易感冒或发烧、是否易疲劳、记忆力下降情况和眼部不适情况。
文献的类型包括meta分析、随机对照试验、非随机对照试验、病例对照研究、队列研究、病例系列和横断面研究;文献的类型通过提取所述文献的全文的关键词确定。
更优选的,通过学术文献自动分类的方法进行文献类型的分类。
其中,计算meta分析研究的评分步骤为:提取meta分析的多篇原始参考文献,根据文献类型模型计算每一篇原始参考文献的评分,meta分析的评分为全部原始参考文献评分的总和。
进一步的,健康管理模型的建立具体如下:
表13文献评分情况
具体的说,多篇文献的每一篇文献包括至少一个文献研究结论,计算所述文献结论数据的分数:对单个文献研究结论进行评分具体包括:获得输出单个文献研究结论的T篇文献,根据文献的类型数据计算所述T篇文献的分数总和,单个文献研究结论的分数为T篇文献的得分总和/T。
具体的说,对meta分析研究类型计算得到meta分析研究类型的文献结论数据的分数具体包括:提取meta分析研究的原始参考文献,根据每篇原始参考文献的类型计算meta分析研究的分数,meta分析研究的评分为meta分析研究的全部原始参考文献的分数的总和,其中,meta分析研究包括多篇原始参考文献。例如,一篇meta分析研究包括X篇随机对照试验、Y队列研究和Z篇现况调查,则该meta分析研究的分数为X×第一预设分数+Y×第二预设分数+Z×第三预设分数的总和S。计算文献结论数据A的分数,meta分析研究输出文献结论数据A、按照上述过程计算文献结论数据A的分数为S,U篇随机对照试验输出文献结论数据A,V篇空白对照试验输出文献结论数据A,W篇横断面研究输出文献结论数据A,则文献结论数据A的得分为:S+U×第一预设分数+V×第二预设分数+W×第三预设分数的总和/(1+U+V+W)。
本实施例根据相关营养素和营养素相关因素得到983篇文献,根据营养素和营养素对应因素的对应关系,从983篇文献中提取出80个文献结论数据,根据文献的类型数据计算得到文献结论数据的分数,其中最高分为16分,最低分为1分,从高分排序的20-100%数量的文献结论数据,提取从高分开始排列的16到5分的文献研究结论共64个,如表14所示。
表14
文献研究结论数据得分 | 结论评价 | 备注 |
13-16分 | 优 | 提取 |
9-12分 | 良 | 提取 |
5-8分 | 中 | 提取 |
1-4分 | 差 | 不做考虑 |
如表15所示,对64个文献研究结论进行语句匹配,提取超过60%的语句匹配相似度的文献研究结论,得到结论数据,根据结论数据构建健康管理模型。本实施例检索得到983篇文献,从983篇文献中提取出64个文献研究结论,其中58个文献研究结论相似度在60%以上,将58个文献研究结论数据根据营养素、营养素对应因素以及营养素和营养素对应因素的对应关系建立健康管理模型。
表15
需要说明的是,所述S301具体包括:
S401:提取多篇文献的摘要部分和结论部分,并对摘要部分和结论部分进行分句处理,得到摘要句子和结论句子;
S402:对摘要句子和结论句子进行分词处理,得到处理后分词;
S403:识别处理后分词的特征性短语,并提取含有特征性短语的摘要句子和结论句子,得到特征性句子;
S404:对特征性句子中提取文献结论数据。对特征性句子中提取文献结论数据为现有技术,通过句式的抽取方法提取文献结论数据。
进一步的,S404具体包括对特征性句子与预置的营养素数据库根据匹配算法进行匹配,得到特征性句子的营养素特征词;对特征性句子与预置的营养素对应因素数据库根据匹配算法进行匹配,得到特征性句子的营养素对应因素特征词;对特征性句子与营养素和营养素对应因素的对应关系数据库根据匹配算法进行匹配,得到特征性句子的营养素和营养素对应因素的对应关系特征词。
例如,预置的营养素数据库包括维生素A、复合B族维生素(维生素B1、维生素B2、维生素B5、维生素B6、维生素B7)、维生素B3、维生素B9、维生素B12、维生素D和维生素E等。预置的营养素对应因素数据库包括年龄、性别、身高、工作性质(焦虑压力情况)、体重、肌肉衰减综合征、高血脂或脂肪肝、高血糖或糖尿病、超重或肥胖(体重千克/身高米的平方≥24)、高尿酸或痛风、骨质疏松、冠心病、高血压、吸烟情况、饮酒情况、久坐或少动情况、蔬菜水果摄入情况、奶及奶制品摄入情况、免疫力低下情况、易疲劳情况、记忆力下降情况、眼部不适情况等。营养素和营养素对应因素的对应关系特征词包括增加、减少、补充、添加、缺乏、降低、增高和不足等。例如:在《血清维生素A、C、E水平与尿酸水平的相关性》中,含有特征性句子为:“结论高尿酸血症患者的血清维生素C、E水平降低,可能参与了高尿酸血症的发生。”、“本研究发现高尿酸血症患者血清维生素C水平降低,并且维生素C缺乏发生率高于对照组。”、“但本研究发现高尿酸血症患者血清维生素E水平降低,可能与维生素C缺乏相关。”,将特征性句子与预置的营养素数据库、预置的营养素对应因素数据库以及营养素和营养素对应因素的对应关系数据库进行匹配,营养素为维生素C、E,营养素对应因素为高尿酸血症患者,营养素和营养素对应因素的对应关系为缺乏、降低,因此,对特征性句子中提取文献结论数据为高尿酸血症患者的维生素C、E缺乏。
其中,S403具体包括:S501:选取100篇以上文献作为训练语料,从摘要部分和结论部分中获取特征性短语信息及其分词信息;
S502:经过训练后的分类器,通过特征性短语及其分词信息作为特征,获取特征性短语;
S503:通过特征性短语,提取含有特征性短语的句子,得到特征性句子。
需要说明的是,对所述过程数据进行语句匹配,语句匹配的方法为现有技术。其中,通过S502获得特征性短语具体为本研究结论、本研究发现、本研究结果、本研究显示、本研究观察等等。
术语“短语”,是指包括由一个及以上单词构成的名词性短语、以及嵌套了短语的名词性结构,本发明的“短语”最小单位是单个词,是广义的短语概念。
进一步的,通过本发明的基于健康管理模型的评测方法,建立了健康管理模型,具体如下表16所示,其中,表16的健康管理模型是根据预置的营养素为维生素A、复合B族维生素、维生素B3、维生素B9、维生素B12、维生素D、维生素E,预置的营养素相关因素为年龄、性别、身高、体重、肌肉衰减综合征、高血脂或脂肪肝、高血糖或糖尿病、超重或肥胖(体重千克/身高米的平方≥24)、高尿酸或痛风、骨质疏松、冠心病、高血压、吸烟情况、饮酒情况、久坐情况、运动情况、蔬菜水果摄入情况、奶制品摄入情况、工作性质(是否经常加班或应酬)、是否易感冒或发烧、是否易疲劳、记忆力下降情况和眼部不适情况构建而成:
健康管理模型包括年龄性别管理模型、疾病管理模型、生活方式管理模型和亚健康情况管理模型。
所述年龄性别管理模型具体为成年男性增加补充维生素A和维生素B3;
老年女性增加补充维生素D和复合B族维生素并减少补充维生素B3;
老年男性增加补充维生素A、维生素D、复合B族维生素和维生素B3;
其中,所述成年男性为年龄为大于等于18且小于65岁的男性,老年女性为年龄大于等于65岁的女性,老年男性为年龄大于等于65岁的男性。
所述疾病管理模型具体为肌肉衰减综合征患者增加补充维生素A、维生素D和维生素E;
高血脂或脂肪肝患者增加补充维生素D、维生素E和维生素B3;
高血糖或糖尿病患者增加补充维生素D;
超重或肥胖患者增加补充维生素A、维生素D、维生素B9和维生素E;
高尿酸或痛风症患者增加补充维生素E并减少补充复合B族维生素、维生素B3和维生素B12;
骨质疏松症患者增加补充维生素D并减少补充维生素A;
冠心病患者增加补充复合B族维生素、维生素B9、维生素B12和维生素E;
高血压症患者增加补充维生素D、复合B族维生素、维生素B9和维生素B12。
所述生活方式管理模型具体为经常吸烟用户增加补充维生素B9和维生素E并减少补充维生素A;
经常饮酒用户增加补充维生素D和维生素B9;
久坐或少动用户增加补充维生素D;
少吃蔬菜水果用户增加补充维生素A和复合B族维生素和维生素B9;
少吃奶及奶制品用户增加补充维生素D;
其中,所述经常吸烟用户为平均每日吸烟超过1支的用户;经常饮酒用户为平均每周饮酒超过3次的用户;所述久坐或少动用户为累计静态生活超过8小时的用户;少吃蔬菜水果用户为平均每天摄入小于250克的蔬菜或水果的用户;少吃奶及奶制品用户为平均每周摄入奶类及奶制品的频率小于1次的用户。
所述亚健康情况管理模型具体为免疫力低下用户增加补充维生素A和维生素D;
易疲劳用户增加补充复合B族维生素、维生素B3和维生素B12;
记忆力下降用户增加补充维生素D和复合B族维生素、维生素B9、维生素B3和维生素B12;
眼部不适用户增加补充维生素A;
焦虑压力大用户增加维生素D、复合B族维生素、维生素B12;
其中,所述免疫力低下用户为每年感冒或发烧频率大于3次的用户;所述易疲劳用户为正常生活状态下平均每周超过3次感觉疲惫的用户;所述记忆力下降用户为经常出现忘事、回忆困难等情况的用户;所述眼部不适用户为符合近视、远视、散光、眼睛干涩、眼部充血、胀痛、刺痛、遇强光或迎风流泪、夜盲症和弱光下视物不清中一种或多种情况的用户;所述焦虑压力大用户为平均每周工作和应酬时间大于50小时的用户。
表16健康管理模型
健康管理模型二:
进一步的,S102:根据预置的营养素和/或预置的营养素对应因素获得多篇的文献;
S103:提取多篇的文献的文献结论数据,文献结论数据为营养素和营养素对应因素的对应关系;
S104:根据营养素、营养素对应因素以及营养素和所述营养素对应因素的对应关系建立健康管理模型。
其中,预置的营养素对应因素为营养素相关的基因信息。
其中,表17至表23的健康管理模型是根据预置的营养素包括维生素A、维生素C、维生素B6、维生素B9、维生素B12、维生素D和维生素E。预置的营养素对应因素为反映维生素A、维生素C、维生素B6、维生素B9、维生素B12、维生素D和维生素E吸收代谢能力或缺乏风险的基因位点信息,由此构建形成的健康管理模型。
利用本实施例的方法,提取多篇的文献,具体为《Two common single nucleotidepolymorphisms in the gene encoding beta-carotene15,15′-monoxygenase alterbeta-carotene metabolism in female volunteers.》和《VA-A CYP26B1polymorphismenhances retinoic acid catabolism and may aggravate atherosclerosis.》,其文献结论数据为维生素A和维生素A基因位点R267S rs12934922、A379V rs7501331和CYP26B1rs2241057的对应关系,表17为维生素A基因位点的健康管理模型,该模型还设有不同基因位点对维生素A缺乏的风险。
表17维生素A基因位点的健康管理模型
利用本实施例的方法,提取多篇的文献,具体为《VD-Genome-wide associationstudy of circulating VD levels.》、《Vitamin D receptor gene polymorphism isassociated with birth height,growth to adolescence,and adult stature inhealthy caucasian men:a cross-sectional and longitudinal study.》和《VD-Commongenetic determinants of vitamin D insufficiency a genome-wide associationstudy.》,其文献结论数据为维生素D和维生素D基因位点GC rs2282679、VDR(CYP2R1、rs1544410)、NADSYN1rs12785878和CYP2R1 rs10741657的对应关系,表18为维生素D基因位点的健康管理模型,该模型还设有不同基因位点对维生素D缺乏的风险。
表18维生素D基因位点的健康管理模型
利用本实施例的方法,提取多篇的文献,具体为《Common variation in thebeta-carotene 15,15′-monooxygenase 1gene affects circulating levels ofcarotenoids a genome-wide association study.》和《VE-Genome-wide associationstudy identifies common variants associated with circulating vitamin Elevels.》,其文献结论数据为维生素E和维生素E基因位点APOA5rs12272004、CYP4F2rs2108622和BUD13/ZNF259/APOA5rs964184的对应关系,表19为维生素E基因位点的健康管理模型,该模型还设有不同基因位点对维生素E缺乏的风险。
表19维生素E基因位点的健康管理模型
利用本实施例的方法,提取多篇的文献,具体为《Genome-wide significantpredictors of metabolites in the one-carbon metabolism pathway》和《unzip yourgenes》,其文献结论数据为维生素B6和维生素B6基因位点ALPL rs1256335和NBPF3rs4654748的对应关系,表20为维生素B6基因位点的健康管理模型,该模型还设有不同基因位点对维生素B6缺乏的风险。
表20维生素B6基因位点的健康管理模型
利用本实施例的方法,提取多篇的文献,具体为《Medical Genetics Summaries》和《Genetic Variants Involved in One-Carbon Metabolism PolymorphismFrequencies and Differences in Homocysteine Concentrations in the Folic AcidFortification Era》,其文献结论数据为叶酸和叶酸基因位点MTHFR A1298C rs1801131、MTHFR C677T rs1801133和MTRR rs1801394的对应关系,表21为维生素B9(叶酸)基因位点的健康管理模型,该模型还设有不同基因位点对维生素B9(叶酸)缺乏的风险。
表21叶酸基因位点的健康管理模型
利用本实施例的方法,提取多篇的文献,具体为《unzip your genes》和《Thecausal roles of vitamin B12 and transcobalamin in prostate cancer-canMendelian randomization analysis provide definitive answers》,其文献结论数据为维生素B12和维生素B12基因位点FUT2 rs602662和CUBN rs1801222的对应关系,表22为维生素B12基因位点的健康管理模型,该模型还设有不同基因位点对维生素B12缺乏的风险。
表22维生素B12基因位点的健康管理模型
利用本实施例的方法,提取多篇的文献,具体为《Genetically high plasmavitamin C,intake of fruit and vegetables,and risk of ischemic heart diseaseand all-cause mortality a Mendelian randomization study》和《Polymorphisms insodium-dependent vitamin C transporter genes and plasma,aqueous humor andlens nucleus ascorbate concentrations in an ascorbate depleted setting》,其文献结论数据为维生素C和维生素C基因位点SLC23A1 rs33972313和SLC23A1 rs6596473的对应关系,表23为维生素C基因位点的健康管理模型,该模型还设有不同基因位点对维生素C缺乏的风险。
表23维生素C基因位点的健康管理模型
需要说明的是,第一健康管理模型结果为用户的历史参数信息作为健康管理模型一的输入信息得到;第二健康管理模型结果为营养素对应的基因检测信息作为健康管理模型二的输入信息得到。
需要说明的是,S106:对第一健康管理模型结果和第二健康管理模型结果进行比较,获取高数值的健康管理模型结果为健康管理的评测结果,例如,若第一健康管理模型结果为补充维生素E,其补充摄入量为7mg/d,同时,若第二健康管理模型结果为补充维生素E,其补充摄入量为6mg/d,则获取第一健康管理模型结果;还例如,若第一健康管理模型结果包含的维生素(维生素B1、维生素B2、维生素B3、维生素B5、维生素B7),第二健康管理模型结果未包含的维生素(维生素B1、维生素B2、维生素B3、维生素B5、维生素B7),则获取第一健康管理模型结果。
需要说明的是,表17至表23的基因位点具体为SNP(单核苷酸多态性)位点。
实施例4
本实施例的试验步骤如下:
1、5名受试者进行血液检测,得到各项营养素指标的血液检测结果;填写用户的历史参数信息;收集唾液进行基因检测,获得营养素对应的基因信息,5名受试者为老年男性,且为超重或肥胖患者。
2、根据维生素营养状况评价标准对各项营养素的血液检测结果进行判定,若判定结果为缺乏或不足,则根据中国居民营养素参考摄入量及法规限制确定补充剂量,若判定结果为正常,则进行第3步,从表27可知,该受试者维生素A不足、维生素D及维生素B9缺乏,则根据中国居民膳食营养素参考摄入量及法规限制补充相应的剂量。
表27
*注:最终剂量=微片的单片剂量×微片数
3、用户的历史参数信息及血液检测结果的营养素对应的基因信息作为所述健康管理模型的输入信息分别得到第一健康管理模型结果和第二健康管理模型结果,第一健康管理模型结果和第二健康管理模型结果如下表28所示。5名受试者的营养素对应的基因检测信息显示其维生素B6及维生素B12吸收代谢能力较弱(维生素B6:位点ALPL rs1256335为AG、位点NBPF3 rs4654748为CT;维生素B12:位点FUT2 rs602662为AG、位点CUBN rs1801222为CT),输出的第二健康管理模型结果在维生素B6及维生素B12比第一健康管理模型结果高;5名受试者为超重肥胖的老年男性,通过历史参数信息的健康管理模型可知,受试者需要增加摄入维生素B3和维生素E;输出的第一健康管理模型结果在维生素B3和维生素E比第二健康管理模型结果高,因此,得出表28的结果。
表28
*注:最终剂量=微片的单片剂量×微片数
需要说明的是,本发明通过维生素微片技术(包括但不限于)实现,单片剂量可能会因实际工艺进行调整,最终剂量符合法规要求。
4、有效性验证:
5名受试者按照健康管理的评测结果补充服用维生素胶囊。30天后,比较各组干预前后维生素水平的变化。
如表29所示,相比干预前,干预后受试者维生素A、维生素D、维生素B9水平较高,且有显著性差异(P<0.05)。维生素E、维生素B1、维生素B2、维生素B3、维生素B6、维生素B7、维生素B12水平有升高趋势,但无显著性差异(P>0.05)。
表29受试者干预前后血液维生素水平对比
*P<0.05
该结果说明按照本发明的多维度健康管理模型的评测方法得到的健康管理的评测结果服用维生素可以起到改善个体维生素营养状况的作用。
需要说明的是,仅获得血液检测信息、营养素相关基因检测信息或者历史信息三部分中任何一部分者可以通过本发明中包含的相应部分输出健康管理结果。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (3)
1.一种基于多维度健康管理模型的评测装置,其特征在于,包括:血液检测单元、文献提取单元、结论提取单元、模型建立单元、输出单元和比较单元;
血液检测单元,具体用于根据营养与食品卫生学的维生素营养状况评价标准对血液检测数据进行判定,若所述血液检测数据在所述营养与食品卫生学的维生素营养状况评价标准范围内,则触发文献提取单元;
文献提取单元,具体用于根据预置的营养素和/或预置的营养素对应因素获得多篇的文献;
结论提取单元,具体用于提取多篇的文献的文献结论数据,所述文献结论数据为所述营养素和所述营养素对应因素的对应关系;
模型建立单元,具体用于根据所述营养素、所述营养素对应因素以及所述营养素和所述营养素对应因素的对应关系建立健康管理模型;
所述模型建立单元还包括:筛选第一子单元、筛选第二子单元、筛选第三子单元和筛选第四子单元;
筛选第一子单元,具体用于获取包含预置的营养素和/或预置的营养素对应因素的关键词的多篇的文献,并提取所述文献的类型数据和所述文献的文献结论数据;
筛选第二子单元,具体用于根据所述文献结论数据的分数,提取预设高分数段数量的文献结论数据,得到过程数据;
筛选第三子单元,具体用于根据所述文献结论数据根据所述文献结论数据的分数,提取预设高分数段数量的文献结论数据,为过程数据;
筛选第四子单元,具体用于对所述过程数据进行语句匹配,提取满足预置的语句匹配相似度的过程数据,得到结论数据,根据所述结论数据的所述营养素、所述营养素对应因素以及所述营养素和所述营养素对应因素的对应关系建立健康管理模型构建健康管理模型;
所述筛选第二子单元具体用于:
若所述文献的类型数据为随机对照试验类型,则所述文献的文献结论数据为第一预设分数;
若所述文献的类型数据为非随机对照试验类型、病例对照研究类型或队列研究类型,则所述文献的文献结论数据为第二预设分数;
若所述文献的类型数据为病例系列类型或横断面研究类型,则所述文献的文献结论数据为第三预设分数;
输出单元,具体用于获取用户的历史参数信息和营养素对应的基因检测信息作为所述健康管理模型的输入信息分别得到第一健康管理模型结果和第二健康管理模型结果;
比较单元,具体用于对所述第一健康管理模型结果和所述第二健康管理模型结果进行排序,获取高数值的健康管理模型结果为健康管理的评测结果。
2.根据权利要求1所述的基于多维度健康管理模型的评测装置,其特征在于,血液检测单元,具体用于根据营养与食品卫生学的维生素营养状况评价标准对血液检测数据进行判定,若所述血液检测数据在所述营养与食品卫生学的维生素营养状况评价标准范围内,则触发文献提取单元;若所述血液检测数据在所述营养与食品卫生学的维生素营养状况评价标准的范围外,则输出营养素调整结果。
3.根据权利要求1所述的基于多维度健康管理模型的评测装置,其特征在于,结论提取单元包括结论提取第一子单元和结论提取第二子单元;
结论提取第一子单元,具体用于提取多篇文献的摘要和结论的特征句子;
结论提取第二子单元,具体用于对特征句子通过句式抽取方法获得文献结论数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810205859.4A CN108364677B (zh) | 2018-03-13 | 2018-03-13 | 一种基于多维度健康管理模型的评测方法及其装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810205859.4A CN108364677B (zh) | 2018-03-13 | 2018-03-13 | 一种基于多维度健康管理模型的评测方法及其装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108364677A CN108364677A (zh) | 2018-08-03 |
CN108364677B true CN108364677B (zh) | 2021-06-18 |
Family
ID=63004148
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810205859.4A Active CN108364677B (zh) | 2018-03-13 | 2018-03-13 | 一种基于多维度健康管理模型的评测方法及其装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108364677B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109189916B (zh) * | 2018-08-17 | 2022-04-22 | 杜林蔚 | 英文摘要关键信息提取方法、装置及电子设备 |
CN109300549B (zh) * | 2018-10-09 | 2020-03-17 | 天津科技大学 | 基于疾病加权和食品类别约束的食品-疾病关联预测方法 |
CN109402233A (zh) * | 2018-11-19 | 2019-03-01 | 深圳鼎新融合科技有限公司 | 基因分型检测试剂盒、其方法及维生素a利用能力检测的应用 |
WO2020129366A1 (ja) * | 2018-12-21 | 2020-06-25 | アイ ピース, インコーポレイテッド | 健康リスク情報管理装置、健康リスク情報管理方法、およびプログラム |
CN111435609B (zh) * | 2019-01-11 | 2023-05-30 | 深圳微伴医学检验实验室 | 营养素信息生成方法、装置、计算机设备和存储介质 |
US11688505B2 (en) | 2019-07-03 | 2023-06-27 | Kpn Innovations, Llc. | Methods and systems for generating a supplement instruction set using artificial intelligence |
US11449792B2 (en) | 2019-07-03 | 2022-09-20 | Kpn Innovations, Llc. | Methods and systems for generating a supplement instruction set using artificial intelligence |
CN110338762A (zh) * | 2019-07-09 | 2019-10-18 | 上海宝藤生物医药科技股份有限公司 | 辅助补充维生素d的方法、装置、终端及服务器 |
CN116609520B (zh) * | 2023-07-14 | 2023-11-14 | 汤臣倍健股份有限公司 | 表型状态模型及其使用方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103844264A (zh) * | 2014-02-27 | 2014-06-11 | 上海京颐信息科技有限公司 | 一种营养膳食分析方法及膳食推送系统 |
CN106326683A (zh) * | 2016-09-27 | 2017-01-11 | 成都脉安科健生物科技有限公司 | 一种食物营养成分定量和追踪方法及装置 |
CN106339576A (zh) * | 2016-07-20 | 2017-01-18 | 美的集团股份有限公司 | 一种健康管理方法和系统 |
CN107076735A (zh) * | 2014-07-18 | 2017-08-18 | 杰诺瓦诊断公司 | 基于证据的转换算法特别用于评估生物标志物的用途 |
JP2017157198A (ja) * | 2017-01-06 | 2017-09-07 | 株式会社FiNC | 健康管理サーバおよび健康管理サーバ制御方法並びに健康管理プログラム |
CN107680652A (zh) * | 2017-09-13 | 2018-02-09 | 天津大学 | 一种基于机器学习的营养饮食推荐及评价方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105260594A (zh) * | 2015-09-24 | 2016-01-20 | 中国疾病预防控制中心营养与健康所 | 一种个体营养评价系统 |
KR20170109449A (ko) * | 2016-03-21 | 2017-09-29 | 하나텍플러스 주식회사 | 애플리케이션 기반의 개인별 건강 분석에 따른 영양 관리 시스템 및 그 방법 |
CN107252098A (zh) * | 2017-06-27 | 2017-10-17 | 上海中优精准医疗科技股份有限公司 | 一种糖尿病个体化干预配方食品及其制备系统 |
-
2018
- 2018-03-13 CN CN201810205859.4A patent/CN108364677B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103844264A (zh) * | 2014-02-27 | 2014-06-11 | 上海京颐信息科技有限公司 | 一种营养膳食分析方法及膳食推送系统 |
CN107076735A (zh) * | 2014-07-18 | 2017-08-18 | 杰诺瓦诊断公司 | 基于证据的转换算法特别用于评估生物标志物的用途 |
CN106339576A (zh) * | 2016-07-20 | 2017-01-18 | 美的集团股份有限公司 | 一种健康管理方法和系统 |
CN106326683A (zh) * | 2016-09-27 | 2017-01-11 | 成都脉安科健生物科技有限公司 | 一种食物营养成分定量和追踪方法及装置 |
JP2017157198A (ja) * | 2017-01-06 | 2017-09-07 | 株式会社FiNC | 健康管理サーバおよび健康管理サーバ制御方法並びに健康管理プログラム |
CN107680652A (zh) * | 2017-09-13 | 2018-02-09 | 天津大学 | 一种基于机器学习的营养饮食推荐及评价方法 |
Non-Patent Citations (2)
Title |
---|
循证营养医学在临床营养学中的应用(Evidence-Based nutrition);岳红文 等;《第十二届全国营养科学大会论文汇编》;20150516;第89-90页 * |
维生素D受体基因Taq I位点多态性与泌尿系结石关系的Meta分析;肖和 等;《现代中西医结合杂志》;20141031;第23卷(第28期);第3096-3099页摘要,第1小节 * |
Also Published As
Publication number | Publication date |
---|---|
CN108364677A (zh) | 2018-08-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108364677B (zh) | 一种基于多维度健康管理模型的评测方法及其装置 | |
Volkert et al. | ESPEN guidelines on nutrition in dementia | |
Collins et al. | The effect of interventions to prevent and treat malnutrition in patients admitted for rehabilitation: a systematic review with meta‐analysis | |
Whear et al. | Effectiveness of mealtime interventions on behavior symptoms of people with dementia living in care homes: a systematic review | |
Ross et al. | Association of coffee and caffeine intake with the risk of Parkinson disease | |
Mangelli et al. | Psychological well-being in rheumatoid arthritis: relationship to ‘disease’variables and affective disturbance | |
Beelen et al. | Protein-enriched familiar foods and drinks improve protein intake of hospitalized older patients: a randomized controlled trial | |
Kang et al. | A prospective study of folate, vitamin B6, and vitamin B12 intake in relation to exfoliation glaucoma or suspected exfoliation glaucoma | |
Valencia-Martín et al. | Alcohol drinking patterns and health-related quality of life reported in the Spanish adult population | |
El Zoghbi et al. | Prevalence of malnutrition and its correlates in older adults living in long stay institutions situated in Beirut, Lebanon | |
Kindell | Feeding and swallowing disorders in dementia | |
Goldberg et al. | Hydration in older adults: The contribution of bioelectrical impedance analysis | |
Van Koppenhagen et al. | Wheelchair exercise capacity in spinal cord injury up to five years after discharge from inpatient rehabilitation | |
Soep et al. | The impact of health education about Diabetes mellitus on patient knowledge to control their Blood Sugar | |
Trapp et al. | Energy drink intake is associated with insomnia and decreased daytime functioning in young adult females | |
Yousefzadeh et al. | Investigation of dietary supplements prevalence as complementary therapy: Comparison between hospitalized psoriasis patients and non-psoriasis patients, correlation with disease severity and quality of life | |
Özkan et al. | The relationship between malnutrition and subjective taste change experienced by patients with cancer receiving outpatient chemotherapy treatment | |
Hébuterne et al. | Effectiveness and tolerance of an oral nutritional supplement highly concentrated in protein and energy in elderly subjects at risk of malnutrition | |
Richardson et al. | Falls in rural elders: an empirical study of risk factors. | |
CN108492876A (zh) | 一种基于健康管理模型的评测方法及评测装置 | |
Rumaolat et al. | The Effect of Diabetes Mellitus Gymnastic on The Risk of Diabetic Ulcer | |
Arslan et al. | Prevelance of Caffeine and Catechin Consumption among University Students with The effect of it s on Depression and Stress | |
Susyani et al. | Nutrition counseling among patients with gout | |
Hernandez-Gress et al. | Socio-demographic factors and data science methodologies in type 2 diabetes mellitus analysis | |
US20240071599A1 (en) | Smart nutrition dosing and adjusting |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |