CN108492876A - 一种基于健康管理模型的评测方法及评测装置 - Google Patents
一种基于健康管理模型的评测方法及评测装置 Download PDFInfo
- Publication number
- CN108492876A CN108492876A CN201810205321.3A CN201810205321A CN108492876A CN 108492876 A CN108492876 A CN 108492876A CN 201810205321 A CN201810205321 A CN 201810205321A CN 108492876 A CN108492876 A CN 108492876A
- Authority
- CN
- China
- Prior art keywords
- document
- nutrient
- data
- factor
- vitamin
- 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
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
- G16H50/30—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
- 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
Landscapes
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Epidemiology (AREA)
- Data Mining & Analysis (AREA)
- Pathology (AREA)
- Databases & Information Systems (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健康管理模型的评测方法及评测装置,包括S101: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;S102: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;S103: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;S104:获取用户的历史参数信息作为所述健康管理模型的输入信息并得到健康管理的评测结果。本发明解决了目前个性化健康管理方法需到大型医院或专业健检机构进行所造成的费时费力的技术缺陷;且针对不同的个体情况提供精准的健康管理方案。
Description
技术领域
本发明属于健康管理技术领域,尤其涉及一种基于健康管理模型的评测方法及评测装置。
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,传统的健康管理的实施方式大多需到大型医院或专业健检机构进行,不但必须事先预约挂号,且其过程前往医院之交通问题、排队检查,皆极为耗时费力;另外,当前的健康管理方案多数只针对某一类健康问题,而不能针对个体、综合其各方面状况提供精准的管理方案。
发明内容
有鉴于此,本发明提供了一种基于健康管理模型的评测方法及评测装置,能有效解决目前个性化健康管理方法需到大型医院或专业健检机构进行造成的费时费力的技术缺陷;并可以针对不同的个体情况提供精准的健康管理评测方案。
本发明提供了一种基于健康管理模型的评测方法,包括:
S101: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;
S102: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;
S103: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;
S104:获取用户的历史参数信息作为所述健康管理模型的输入信息并得到健康管理的评测结果。
作为优选,所述S103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,提取预设高分数段的文献结论数据,得到过程数据;
作为优选,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。
作为优选,所述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。
作为优选,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,得到结论数据具体为对所述过程数据进行一致性判断;
所述一致性判断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,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。
具体的,一致率相当于语句匹配相似度。
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。
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。
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。
本发明还公开了一种基于健康管理模型的评测装置,包括:文献提取单元、结论提取单元、模型建立单元和输出单元;
文献提取单元1,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2,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3,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4,具体用于获取用户的历史参数信息作为所述健康管理模型的输入信息并得到健康管理的评测结果。
作为优选,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的分数,提取预设高分数段的文献结论数据,得到过程数据;
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,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,得到结论数据具体为对所述过程数据进行一致性判断;
所述一致性判断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,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。
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。
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和吸烟行为需要补充维生素C。
需要说明的是,文献的类型数据还包括meta分析研究类型、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;文献的类型通过提取所述文献的全文的关键词确定,文献的类型通过学术文献自动分类的方法进行分类。
其中,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)。
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。
需要说明的是,本发明的健康管理模型的健康管理结果根据中国居民膳食营养素参考摄入量(DRIs2013)及法规限制拟定用量。
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:在特征性句子中提取文献结论数据。在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、记忆力下降情况和眼部不适情况等。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。
需要说明的是,本发明的基于健康管理模型的评测方法预置的营养素包括但不限于维生素、矿物质、能量和宏量营养素以及其他相关功能性营养物质。
需要说明的是,成年女性的人群的维生素补充剂量根据中国居民膳食营养素参考摄入量(DRIs)及法规要求确定。
本发明“基于健康管理模型的评测方法”能综合判断得出的个体健康状况,S101: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;S102: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;S103: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;S104:获取用户的历史参数信息作为所述健康管理模型的输入信息并得到健康管理的评测结果。因此,用户使用本发明的评测方法只需输入用户参数信息表的信息,通过健康管理模型输出健康管理结果,继而根据输出健康管理结果计算基于健康管理模型的评测结果,因此,用户能随时随地、快速地输入用户参数信息表的信息通过本发明的评测方法得到自身的相对营养状况(不足或缺乏的风险)以及健康建议,如维生素补充建议(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健康管理模型的评测装置的结构图;
图3示100名用户的不同营养素对应因素的例数;
其中,图3的纵坐标中,正常对照为正常用户(没有出现以下问题的用户)、肌肉衰减综合征为肌肉衰减综合征患者、高血脂/脂肪肝为高脂血症或脂肪肝患者、高血糖/糖尿病为糖尿病或糖尿病前期患者、超重/肥胖为超重或肥胖患者、高尿酸/痛风为高尿酸或痛风患者、骨质疏松为骨质疏松症患者、冠心病为冠心病患者、高血压为高血压患者、经常吸烟为平均每日吸烟超过1支的用户、经常饮酒为平均每周饮酒超过3次的用户、久坐少动为久坐用户或较少运动用户、少吃蔬菜水果为平均每天摄入小于250克的蔬菜或水果的用户、少喝奶及奶制品为平均每周摄入奶类及奶制品的频率小于1次的用户、免疫力低下为每年感冒或发烧频率大于3次的用户、易疲劳为经常感觉疲劳的用户、记忆衰退为记忆力下降用户、眼部不适为符合近视、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、焦虑压力大为平均每周工作和应酬时间大于50小时的用户。
具体实施方式
本发明提供了一种基于健康管理模型的评测方法及评测装置,用于解决目前个性化健康管理方法需到大型医院或专业健检机构进行造成的费时费力的技术缺陷;同时可以针对不同的个体情况提供精准的健康管理评测方案。
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,以下实施例的原料均为市售或自制;需要说明的是,复合B族维生素包括维生素B1、维生素B2、维生素B5、维生素B6、维生素B7。
实施例1
本发明提供了一种基于健康管理模型的评测方法,实施例1包括:S101: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;
S102: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;
S103: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;
S104:获取用户的历史参数信息作为健康管理模型的输入信息并得到健康管理的评测结果。
进一步的,用户的历史参数信息包括年龄、性别、身高、体重、工作性质、疾病情况、生活方式和亚健康情况;
进一步的,S103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,所述语句匹配具体为对所述过程数据进行一致性判断;
所述一致性判断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,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。
其中,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,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;
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,本实施例还提供一种基于健康管理模型的评测装置,包括:文献提取单元、结论提取单元、模型建立单元和输出单元;
文献提取单元1,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2,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3,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4,具体用于获取用户的历史参数信息作为所述健康管理模型的输入信息并得到健康管理的评测结果。
进一步的,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的分数,提取预设高分数段的文献结论数据,得到过程数据;
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,对所述语句匹配具体为对所述过程数据进行一致性判断;
所述一致性判断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,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,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或横断面研究,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。
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,文献评价子模型具体如下:
表1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,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2所示。
表2
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3所示,对64个文献研究结论进行语句匹配(一致性判断),提取语句匹配相似度(一致率)超过60%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个文献研究结论一致率在60%以上,根据这58个文献研究结论即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3
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、眼部不适情况和焦虑压力情况等。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:
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。
实施例2
本实施例为验证本发明的基于健康管理模型的评测方法的科学性和有效性,技术路线如下:招募受试者(下称用户),获取用户的历史参数信息,同时检测用户血液维生素水平,将基于用户的历史参数信息作为所述健康管理模型的输入信息获得健康管理的评测结果,将测评结果与血液检测结果进行对比。在此基础上,用户基于健康管理评测结果有针对性地补充维生素,即服用个性化维生素胶囊30天。30天后再次检测血液维生素水平,对比补充前后用户的血液检测结果,观察用户的维生素营养状况是否有所改善。
纳入标准:18岁及以上;居住地为广州;自愿参加本次试验;具有沟通和认知能力。排除标准:心脏病、肝肾功能不全、免疫系统疾病患者;慢性病急性发作期;最近3个月内曾服用维生素补充剂。
采用分层抽样的方法,最终纳入18-64岁男女各25人、65岁以上男女各25人,共计100人。
1、用户的历史参数信息:
用户通过用户参数采集模块填写用户参数信息表,用户参数信息表的信息包括年龄、性别、工作性质(是否经常加班或应酬)、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、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)、久坐情况和运动情况、蔬菜水果摄入情况、奶及奶制品摄入情况、是否易感冒或发烧(免疫力高低)、是否易疲劳、记忆力下降情况和眼部不适情况(眼部不适情况包括视力下降、易疲劳,遇强光或迎风容易流泪和弱光下视物不清)。
2、健康管理模型:
根据实施例1至2得到表4的健康管理模型。
表4健康管理模型
注:表4中维生素的补充剂量范围以中国居民膳食营养素参考摄入量及营养素补充剂保健功能目录为依据。
3.基线血液维生素水平检测:
采用干血斑检测维生素的检测方法,由受过培训的专业人员采集用户血斑,通过液质联用色谱分析(包括,但不限于)用户的维生素水平。包括:维生素A、维生素D、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。
4、干预随访:
(1)用户根据健康管理的评测结果进行维生素的补充:
将用户的历史参数信息作为所述健康管理模型的输入信息并得到健康管理的评测结果,用户根据健康管理的评测结果进行维生素补充。
(2)干预周期:
用户根据测评结果服用个性化维生素胶囊,周期为30天。每天1次。
(3)干预后用户的血液维生素水平检测:
干预完成后再次采用干血斑检测所有用户上述维生素血液水平。
5、统计分析:
Epidata3.0建立数据库并进行数据录入和检错。利用SAS 9.3软件,采用t检验比较不同历史参数用户维生素水平与正常用户的差异,以及干预前后用户血液维生素水平的变化。
6、验证结果
(1)基础情况
最终纳入具有单一的疾病、生活方式或亚健康情况(历史参数)的用户100名,18-64岁男女各25人、65岁以上男女各25人,平均年龄分别为55.9岁和56.3岁。不同历史参数用户例数如图3所示。
(2)基于健康管理模型评测方法的科学性分析
验证超重或肥胖健康管理模型的评测结果的科学性,如表5所示,相比正常用户(无预置疾病情况、不良生活方式及亚健康情况的用户),属于超重或肥胖的用户维生素A、维生素D、维生素E、维生素B9水平较低,差异有统计学意义(P<0.05);维生素B1、维生素B2、维生素B3、维生素B5、维生素B6、维生素B7、维生素B12水平差异均无统计学意义(P>0.05)。
表5属于超重或肥胖的用户与正常用户基线血液维生素水平对比
注:*P<0.05。
验证成年男性健康管理模型评测结果的科学性,如表6所示,相比成年女性用户,属于成年男性的用户维生素A、维生素B3水平较低,差异有统计学意义(P<0.05);维生素D、维生素E、维生素B1、维生素B2、维生素B5、维生素B6、维生素B7、维生素B9、维生素B12水平差异均无统计学意义(P>0.05)。
表6属于成年男性的用户与成年女性用户基线血液维生素水平对比
注:*P<0.05。
验证经常饮酒健康管理模型评测结果的科学性,如表7所示,相比正常用户(健康成年男性),属于经常饮酒的用户维生素D、维生素B9水平较低,差异有统计学意义(P<0.05);维生素A、维生素E、维生素B1、维生素B2、维生素B3、维生素B5、维生素B6、维生素B7、维生素B12水平差异均无统计学意义(P>0.05)。
表7属于经常饮酒的用户与正常用户基线血液维生素水平对比
注:*P<0.05。
验证眼部不适健康管理模型评测结果的科学性,如表8所示,相比正常用户,属于眼部不适的用户维生素A水平较低,差异有统计学意义(P<0.05);维生素D、维生素E、维生素B1、维生素B2、维生素B3、维生素B5、维生素B6、维生素B7、维生素B9、维生素B12水平差异均无统计学意义(P>0.05)。
表8属于眼部不适的用户与正常用户基线血液维生素水平对比
注:*P<0.05。
(3)基于健康管理模型评测方法的有效性分析
验证超重或肥胖健康管理模型评测结果的有效性,如表9所示,相比干预前,根据健康管理的评测结果补充维生素后属于超重或肥胖的用户的维生素A、维生素D、维生素E、维生素B9水平显著提高,差异均有统计学意义(P<0.05)。干预前后的维生素B1、维生素B2、维生素B3、维生素B5、维生素B6、维生素B7和维生素B12均有微量提高,但没有显著性提高。
表9属于超重或肥胖的用户干预前后血液维生素水平对比
注:*P<0.05。
验证成年男性健康管理模型评测结果的有效性,如表10所示,相比健康成年女性,根据健康管理的评测结果补充维生素后属于成年男性的用户的维生素A、维生素B3水平显著提高,差异均有统计学意义(P<0.05)。干预前后的维生素D、维生素E、维生素B1、维生素B2、维生素B5、维生素B6、维生素B7、维生素B9和维生素B12均有微量提高,但没有显著性提高。
表10属于成年男性的用户干预前后血液维生素水平对比
注:*P<0.05。
验证经常饮酒健康管理模型评测结果的有效性,如表11所示,相比正常用户,根据健康管理的评测结果补充维生素后属于经常饮酒的用户的维生素D、维生素B9水平显著提高,差异均有统计学意义(P<0.05)。干预前后的维生素A、维生素E、维生素B1、维生素B2、维生素B3、维生素B5、维生素B6、维生素B7和维生素B12均有微量提高,但没有显著性提高。
表11属于经常饮酒的用户干预前后血液维生素水平对比
注:*P<0.05。
验证眼部不适健康管理模型评测结果的有效性,如表12所示,相比正常用户,根据健康管理的评测结果补充维生素后属于眼部不适的用户的维生素A水平显著提高,差异有统计学意义(P<0.05)。干预前后的维生素D、维生素E、维生素B1、维生素B2、维生素B3、维生素B5、维生素B6、维生素B7、维生素B9和维生素B12均有微量提高,但没有显著性提高。
表12属于眼部不适的用户干预前后血液维生素水平对比
注:*P<0.05。
以上结果证明:基于健康管理模型的评测方法获取用户的历史参数信息作为所述健康管理模型的输入信息并得到健康管理的评测结果,该结果可以反映用户的实际维生素水平;在此基础上,按照健康管理的评测结果调整维生素服用剂量,可以起到有针对性地改善个体维生素营养状况的作用,同时,本发明能解决去到大型医院或专业健检机构进行个性化健康检查造成的费时费力的技术缺陷。
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 (12)
1.一种基于健康管理模型的评测方法,其特征在于,包括:
S101: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;
S102: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;
S103: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;
S104:获取用户的历史参数信息作为所述健康管理模型的输入信息并得到健康管理的评测结果。
2.根据权利要求1所述的基于健康管理模型的评测方法,其特征在于,所述S103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,提取预设高分数段的文献结论数据,得到过程数据;
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。
3.根据权利要求2所述的基于健康管理模型的评测方法,其特征在于,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,得到结论数据具体为对所述过程数据进行一致性判断;
所述一致性判断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。
4.根据权利要求2所述的基于健康管理模型的评测方法,其特征在于,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。
5.根据权利要求1所述的基于健康管理模型的评测方法,其特征在于,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,对所述特征句子通过句式抽取方法获得文献结论数据。
6.根据权利要求2所述的基于健康管理模型的评测方法,其特征在于,所述S203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。
7.根据权利要求6所述的基于健康管理模型的评测方法,其特征在于,所述20-100%数量的文献结论数据具体为从高分排序的5-16分的文献结论数据。
8.根据权利要求3所述的基于健康管理模型的评测方法,其特征在于,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。
9.一种基于健康管理模型的评测装置,其特征在于,包括:文献提取单元、结论提取单元、模型建立单元和输出单元;
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;
输出单元,具体用于获取用户的历史参数信息作为所述健康管理模型的输入信息并得到健康管理的评测结果。
10.根据权利要求9所述的基于健康管理模型的评测装置,其特征在于,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的分数,提取预设高分数段的文献结论数据,得到过程数据;
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。
11.根据权利要求10所述的基于健康管理模型的评测装置,其特征在于,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。
12.根据权利要求9所述的基于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 |
---|---|---|---|
CN201810205321.3A CN108492876A (zh) | 2018-03-13 | 2018-03-13 | 一种基于健康管理模型的评测方法及评测装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810205321.3A CN108492876A (zh) | 2018-03-13 | 2018-03-13 | 一种基于健康管理模型的评测方法及评测装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108492876A true CN108492876A (zh) | 2018-09-04 |
Family
ID=63339022
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810205321.3A Pending CN108492876A (zh) | 2018-03-13 | 2018-03-13 | 一种基于健康管理模型的评测方法及评测装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108492876A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111435609A (zh) * | 2019-01-11 | 2020-07-21 | 深圳碳云智能数字生命健康管理有限公司 | 营养素信息生成方法、装置、计算机设备和存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2012079576A1 (en) * | 2010-12-16 | 2012-06-21 | Region Nordjylland | Methods and models for predicting dosage of a drug and/or response in an individual |
CN106156483A (zh) * | 2016-01-18 | 2016-11-23 | 李雪 | 一种基于文献数据的风险评价方法、装置及服务器 |
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 |
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 |
-
2018
- 2018-03-13 CN CN201810205321.3A patent/CN108492876A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2012079576A1 (en) * | 2010-12-16 | 2012-06-21 | Region Nordjylland | Methods and models for predicting dosage of a drug and/or response in an individual |
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 |
CN106156483A (zh) * | 2016-01-18 | 2016-11-23 | 李雪 | 一种基于文献数据的风险评价方法、装置及服务器 |
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 |
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 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111435609A (zh) * | 2019-01-11 | 2020-07-21 | 深圳碳云智能数字生命健康管理有限公司 | 营养素信息生成方法、装置、计算机设备和存储介质 |
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 | |
He et al. | Effect of longer‐term modest salt reduction on blood pressure | |
Kang et al. | A prospective study of folate, vitamin B6, and vitamin B12 intake in relation to exfoliation glaucoma or suspected exfoliation glaucoma | |
van der Pols-Vijlbrief et al. | Factors associated with (risk of) undernutrition in community-dwelling older adults receiving home care: a cross-sectional study in the Netherlands | |
CN112890816A (zh) | 一种个人用户的健康指数评分方法和装置 | |
CN112614555A (zh) | 用于住院老年患者的老年综合征筛查评估及干预的方法 | |
CN105260594A (zh) | 一种个体营养评价系统 | |
CN107742533A (zh) | 一种基于食物营养素预测痛风的方法 | |
Goldberg et al. | Hydration in older adults: The contribution of bioelectrical impedance analysis | |
TW202018728A (zh) | 一種基於中醫理論的多維度大健康指導系統 | |
CN107491651A (zh) | 基于个性化因子的自我健康管理方法 | |
CN105975764A (zh) | 健康管理系统及方法 | |
Soep et al. | The impact of health education about Diabetes mellitus on patient knowledge to control their Blood Sugar | |
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 | |
CN108492876A (zh) | 一种基于健康管理模型的评测方法及评测装置 | |
CN107636767A (zh) | 用于食物摄入量的参数概率上下文无关文法 | |
Shao et al. | Influences of daily life habits on risk factors of stroke based on decision tree and correlation matrix | |
Wiarsih et al. | Health behavior and medication adherence in hypertensive client | |
Hoque et al. | Determinants of blood pressure control in hypertensive diabetic patients in Rajshahi District of Bangladesh | |
Sandman et al. | Ethical considerations of refusing nutrition after stroke | |
Nakamoto et al. | Prediction of mental state from food images | |
Barbosa-Leiker et al. | Testing gender and longitudinal measurement invariance of the SF-36 in American Indian older adults: The strong heart study. | |
Kuldeep et al. | A STUDY TO ASSESS THE EFFECTIVENESS OF STRUCTURED TEACHING PROGRAMME ON KNOWLEDGE REGARDING PRIMARY PREVENTION OF CEREBRO-VASCULAR ACCIDENTS AMONG NURSING STUDENTS OF THE SELECTED NURSING COLLEGE AT JAIPUR | |
CN110189803A (zh) | 基于聚类与分类相结合的疾病危险因素提取方法 | |
KR20200003590A (ko) | 혈액투석 환자의 식생활 관리 방법 및 장치 |
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: 20180904 |