CN108877936A - 健康评估方法、系统及计算机可读存储介质 - Google Patents
健康评估方法、系统及计算机可读存储介质 Download PDFInfo
- Publication number
- CN108877936A CN108877936A CN201810401239.8A CN201810401239A CN108877936A CN 108877936 A CN108877936 A CN 108877936A CN 201810401239 A CN201810401239 A CN 201810401239A CN 108877936 A CN108877936 A CN 108877936A
- Authority
- CN
- China
- Prior art keywords
- cardiovascular
- evaluation
- evaluation module
- health
- assessment
- 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.)
- Granted
Links
- 230000036541 health Effects 0.000 title claims abstract description 113
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000011156 evaluation Methods 0.000 claims abstract description 271
- 208000030159 metabolic disease Diseases 0.000 claims abstract description 61
- 230000001684 chronic effect Effects 0.000 claims abstract description 60
- 208000016097 disease of metabolism Diseases 0.000 claims abstract description 58
- 230000005750 disease progression Effects 0.000 claims abstract description 6
- 230000006870 function Effects 0.000 claims description 105
- 230000002526 effect on cardiovascular system Effects 0.000 claims description 94
- 239000008280 blood Substances 0.000 claims description 83
- 210000004369 blood Anatomy 0.000 claims description 83
- 210000000748 cardiovascular system Anatomy 0.000 claims description 71
- 238000000338 in vitro Methods 0.000 claims description 64
- 238000001727 in vivo Methods 0.000 claims description 62
- 230000004060 metabolic process Effects 0.000 claims description 56
- 238000011161 development Methods 0.000 claims description 40
- 230000018109 developmental process Effects 0.000 claims description 40
- 230000032683 aging Effects 0.000 claims description 30
- 230000008859 change Effects 0.000 claims description 25
- 230000000694 effects Effects 0.000 claims description 22
- 108090000623 proteins and genes Proteins 0.000 claims description 21
- 239000000126 substance Substances 0.000 claims description 17
- 230000002503 metabolic effect Effects 0.000 claims description 16
- 235000016709 nutrition Nutrition 0.000 claims description 15
- 206010003210 Arteriosclerosis Diseases 0.000 claims description 14
- LEHOTFFKMJEONL-UHFFFAOYSA-N Uric Acid Chemical compound N1C(=O)NC(=O)C2=C1NC(=O)N2 LEHOTFFKMJEONL-UHFFFAOYSA-N 0.000 claims description 14
- TVWHNULVHGKJHS-UHFFFAOYSA-N Uric acid Natural products N1C(=O)NC(=O)C2NC(=O)NC21 TVWHNULVHGKJHS-UHFFFAOYSA-N 0.000 claims description 14
- 208000011775 arteriosclerosis disease Diseases 0.000 claims description 14
- 208000015337 arteriosclerotic cardiovascular disease Diseases 0.000 claims description 14
- 229940116269 uric acid Drugs 0.000 claims description 14
- 230000035764 nutrition Effects 0.000 claims description 13
- 230000000747 cardiac effect Effects 0.000 claims description 12
- 230000007102 metabolic function Effects 0.000 claims description 11
- 238000004458 analytical method Methods 0.000 claims description 10
- 208000008589 Obesity Diseases 0.000 claims description 9
- 210000000577 adipose tissue Anatomy 0.000 claims description 9
- 238000001514 detection method Methods 0.000 claims description 9
- 235000005911 diet Nutrition 0.000 claims description 9
- 230000037213 diet Effects 0.000 claims description 9
- 235000020824 obesity Nutrition 0.000 claims description 9
- 230000004630 mental health Effects 0.000 claims description 8
- 208000024172 Cardiovascular disease Diseases 0.000 claims description 7
- 208000026106 cerebrovascular disease Diseases 0.000 claims description 7
- 230000002068 genetic effect Effects 0.000 claims description 7
- 208000006750 hematuria Diseases 0.000 claims description 7
- 238000005259 measurement Methods 0.000 claims description 7
- 210000002700 urine Anatomy 0.000 claims description 7
- 230000003993 interaction Effects 0.000 claims description 5
- 230000036285 pathological change Effects 0.000 claims description 3
- 231100000915 pathological change Toxicity 0.000 claims description 3
- 239000004020 conductor Substances 0.000 claims 1
- 238000012544 monitoring process Methods 0.000 abstract description 2
- 230000033001 locomotion Effects 0.000 description 25
- 201000010099 disease Diseases 0.000 description 15
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 15
- 238000005457 optimization Methods 0.000 description 7
- 210000000056 organ Anatomy 0.000 description 7
- 238000012502 risk assessment Methods 0.000 description 7
- 235000005523 excessive nutrition Nutrition 0.000 description 6
- 235000001705 insufficient nutrition Nutrition 0.000 description 6
- 230000000875 corresponding effect Effects 0.000 description 5
- 208000017667 Chronic Disease Diseases 0.000 description 4
- 230000000386 athletic effect Effects 0.000 description 4
- 235000019577 caloric intake Nutrition 0.000 description 4
- 230000019771 cognition Effects 0.000 description 4
- 230000006378 damage Effects 0.000 description 4
- 230000007423 decrease Effects 0.000 description 4
- 230000029087 digestion Effects 0.000 description 4
- 230000004217 heart function Effects 0.000 description 4
- 230000003902 lesion Effects 0.000 description 4
- 239000000463 material Substances 0.000 description 4
- 239000002207 metabolite Substances 0.000 description 4
- 235000015097 nutrients Nutrition 0.000 description 4
- 235000006694 eating habits Nutrition 0.000 description 3
- 230000002035 prolonged effect Effects 0.000 description 3
- 206010006895 Cachexia Diseases 0.000 description 2
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000017531 blood circulation Effects 0.000 description 2
- 230000036770 blood supply Effects 0.000 description 2
- 230000015556 catabolic process Effects 0.000 description 2
- 230000007812 deficiency Effects 0.000 description 2
- 230000007850 degeneration Effects 0.000 description 2
- 238000006731 degradation reaction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 208000026500 emaciation Diseases 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 239000005556 hormone Substances 0.000 description 2
- 229940088597 hormone Drugs 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 210000001503 joint Anatomy 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 230000001404 mediated effect Effects 0.000 description 2
- 230000007659 motor function Effects 0.000 description 2
- 229910052760 oxygen Inorganic materials 0.000 description 2
- 239000001301 oxygen Substances 0.000 description 2
- XOFYZVNMUHMLCC-ZPOLXVRWSA-N prednisone Chemical compound O=C1C=C[C@]2(C)[C@H]3C(=O)C[C@](C)([C@@](CC4)(O)C(=O)CO)[C@@H]4[C@@H]3CCC2=C1 XOFYZVNMUHMLCC-ZPOLXVRWSA-N 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000004083 survival effect Effects 0.000 description 2
- YAENCRZOPGZKKU-HPWRNOGASA-N (ne)-n-(1-phenyl-2-pyridin-1-ium-1-ylethylidene)hydroxylamine;chloride Chemical compound [Cl-].C=1C=CC=CC=1C(=N/O)\C[N+]1=CC=CC=C1 YAENCRZOPGZKKU-HPWRNOGASA-N 0.000 description 1
- 206010010356 Congenital anomaly Diseases 0.000 description 1
- 206010061818 Disease progression Diseases 0.000 description 1
- 206010020651 Hyperkinesia Diseases 0.000 description 1
- 208000000269 Hyperkinesis Diseases 0.000 description 1
- 201000002451 Overnutrition Diseases 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000009084 cardiovascular function Effects 0.000 description 1
- 230000008455 cerebrovascular function Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 235000021196 dietary intervention Nutrition 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 230000007849 functional defect Effects 0.000 description 1
- 230000003370 grooming effect Effects 0.000 description 1
- 230000005802 health problem Effects 0.000 description 1
- 230000005764 inhibitory process Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 235000020823 overnutrition Nutrition 0.000 description 1
- 244000052769 pathogen Species 0.000 description 1
- 230000001717 pathogenic effect Effects 0.000 description 1
- 230000001575 pathological effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
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
Landscapes
- Medical Informatics (AREA)
- Engineering & Computer Science (AREA)
- Public Health (AREA)
- Health & Medical Sciences (AREA)
- Pathology (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Biomedical Technology (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明公开了一种健康评估方法，所述方法包括以下步骤：以心脑血管系统功能为核心指征，预先建立慢性代谢性疾病发展模型；接收用户基础数据，根据所述慢性代谢性疾病发展模型，计算并生成个体健康评估报告；以图表形式输出所述个体健康评估报告；本发明还公开了一种健康评估系统和计算机可读存储介质。本发明通过评估个体或群体的整体健康状况；从而预测代谢性疾病发生时间以及可能带来的经济负担和社会负担，适用于各种人群的健康评估，具有可延展性，可配合社区、医院和家庭等进行健康监测和随访。
Description
技术领域
本发明涉及人体健康管理领域，尤其涉及一种健康评估方法、系统及计算机可读存储介质。
背景技术
随着年龄增长，人们对自身健康问题就越来越关注；因此市面上出现了各种各样健康风险评估体系，目前，健康风险评估主流是以疾病为基础的危险性评价。疾病风险评估模型是慢性病风险评估的主要工具，主要用于识别高危人群，进行危险因素干预，以达到较好的卫生经济学效果；比如专利申请公布号为CN107153774A的专利申请：慢性病风险评估双曲线模型的构建及应用该模型的疾病预测系统，即是以患病人群为基础做出的健康管理和指导；然而很多疾病的前提，都是因为人体脏器自然衰老引起的，因此，延缓人体脏器衰老速度，才能从根本上延缓患病的到来。
发明内容
本发明的目的是，提供一种健康评估方法、系统及计算机可读存储介质；用以改善现有健康风险评估均以慢性病为基础，仅能在患病后给出健康建议的问题。
本发明所述的慢性代谢性疾病，是指非“不可抗拒力”(比如直接接触病原，或者有先天的器质结构、功能缺陷)导致的疾病；也就是说，在人体器官逐渐衰老的前提下，一定会逐渐发生的“疾病”。
本发明公开了一种健康评估方法，所述方法包括：
建模：以心脑血管系统功能为核心指征，预先建立慢性代谢性疾病发展模型；
评估：接收用户基础数据，根据所述慢性代谢性疾病发展模型，计算并生成个体健康评估报告；
输出：以图表形式输出所述个体健康评估报告。
优选地，所述建模步骤包括:
将人体机能划分成四个评估模块，分别为：心源动力评估模块，体内代谢评估模块，体外能量评估模块以及心理指挥评估模块；
根据所述心源动力评估模块，体内代谢评估模块，体外能量评估模块以及心理指挥评估模块之间的相互作用，建立慢性代谢性疾病发展模型公式为：
其中，t表示时间，X表示心脑血管系统功能评分；β表示待扩展评估项对心脑血管系统功能的影响值，β＝∑iOi，i表示待扩展评估项的序号，Oi表示待扩展评估项的参数值；α表示心脑血管系统的衰老系数；α＝α0+f(P)·[∑jejΔEj+∑kmkΔMk]+g(P)，α0表示心脑血管系统的自然衰老系数；f(P)表示心理指挥评估模块对体外能量评估模块和体内代谢评估模块的影响系数；j表示体外能量评估模块评估项的序号；ej表示体外能量评估模块评估项对心脑血管系统影响的权重；ΔEj表示体外能量评估模块评估项的参数值；k表示体内代谢评估模块评估项的序号；mk表示体内代谢评估模块评估项对心脑血管系统影响的权重；ΔMk表示体内代谢评估模块评估项的参数值；g(P)表示心理指挥评估模块对心源动力评估模块的影响因子。
优选地，所述
心源动力评估模块的评估项包括但不限于：心脑血管系统功能，患ASCVD(arteriosclerotic cardiovascular disease，动脉硬化性心血管疾病)风险，HRV(heartrate variability，心率变异性)风险以及携带心脑血管疾病遗传基因风险；
体内代谢评估模块的评估项包括但不限于：血糖指征，血脂指征，血尿指征，血糖、血脂及血尿酸综合指征，通过问卷得到的饮食习惯评分，代谢功能基因，血糖指征、血脂指征、血尿指征以及血糖、血脂及血尿酸综合指征的动态变化特征和历史分析，对摄入物质的检测；
体外能量评估模块的评估项包括但不限于：BMI(Body Mass Index，身体质量指数)，体脂含量，腰围，运动量，肥胖基因，对摄入和消耗的能量检测值；
心理指挥评估模块的评估项包括但不限于：心理健康分值，对健康重视程度分值。
优选地，所述评估步骤，具体包括以下步骤：
步骤一：接收用户基础数据；所述用户基础数据包括用户输入的截面数据和通过问卷得到的动态数据；
步骤二：根据所述慢性代谢性疾病发展模型公式(1)，得到心脑血管系统功能X随时间t的变化曲线；
步骤三：根据公式
计算心脑血管系统功能的半衰期S1/2，得到心脑血管系统功能的衰变速度；
步骤四：根据所述慢性代谢性疾病发展模型公式(1)，计算心脑血管系统功能在时间点tpred的评分Xpred，其中，tpred＞当前时间点t0；得到用户在tpred-t0时间段的健康评分；
步骤五：根据预设的心脑血管系统功能的衰变阈值Xth，计算心脑血管系统功能的衰变点tth；得到重疾风险年龄；
步骤六：在所述心脑血管系统功能X随时间t的变化曲线上生成所述衰变点tth，得到慢性代谢性疾病发展曲线图；
步骤七：生成个体健康评估报告并保存；所述个体健康报告包括但不限于以下项目：慢性代谢性疾病发展曲线图、健康评分、衰老速度、重疾风险年龄。
优选地，所述方法在执行评估步骤之前，还包括以下步骤：
预先根据所述慢性代谢性疾病发展模型公式(1)，利用获取的慢性代谢性疾病的样本数据及预设的分类规则，对人群进行分类；生成并保存每个类型人群的群体健康评估报告；所述群体健康评估报告包括但不限于以下项目：心脑血管系统功能评分、心脑血管系统病变风险、运动量、营养以及自我满意度。
优选地，所述评估步骤还包括以下步骤：
根据评估结果，确定用户所属人群类型；并在所述个体健康评估报告中生成所属人群类型、营养和运动建议、接受建议后的慢性代谢性疾病发展曲线、健康评分、衰老速度、重疾风险年龄的变化预测。
本发明还公开了一种健康评估系统，所述系统包括：
模型单元，用于存储慢性代谢性疾病发展模型公式；
评估单元，用于接收用户基础数据，并根据所述模型单元中存储的模型公式，计算并生成个体健康评估报告；
输出单元，用于以图表形式输出所述个体健康评估报告。
优选地，所述模型单元包括心源动力评估子单元，体内代谢评估子单元，体外能量评估子单元以及心理指挥评估子单元；所述：
心源动力评估子单元，用于接收并存储评估项参数，包括但不限于：心脑血管系统功能，患ASCVD(arteriosclerotic cardiovascular disease，动脉硬化性心血管疾病)风险，HRV(heart rate variability，心率变异性)风险以及携带心脑血管疾病遗传基因风险；
体内代谢评估子单元，用于接收并存储评估项参数，包括但不限于：血糖指征，血脂指征，血尿指征，血糖、血脂及血尿酸综合指征，通过问卷得到的饮食习惯评分，代谢功能基因，血糖指征、血脂指征、血尿指征以及血糖、血脂及血尿酸综合指征的动态变化特征和历史分析，对摄入物质的检测；
体外能量评估子单元，用于接收并存储评估项参数，包括但不限于BMI(Body MassIndex，身体质量指数)，体脂含量，腰围，运动量，肥胖基因，对摄入和消耗的能量检测值；
心理指挥评估子单元，用于接收并存储评估项参数，包括但不限于心理健康分值，对健康重视程度分值。
优选地，所述：
评估单元，用于预先根据所述模型单元中存储的慢性代谢性疾病发展模型公式：
其中，t表示时间，X表示心脑血管系统功能评分；β表示待扩展评估项对心脑血管系统功能的影响值，β＝∑iOi，i表示待扩展评估项的序号，Oi表示待扩展评估项的参数值；α表示心脑血管系统的衰老系数；α＝α0+f(P)·[∑jejΔEj+∑kmkΔMk]+g(P)，α0表示心脑血管系统的自然衰老系数；f(P)表示心理指挥评估模块对体外能量评估模块和体内代谢评估模块的影响系数；j表示体外能量评估模块评估项的序号；ej表示体外能量评估模块评估项对心脑血管系统影响的权重；ΔEj表示体外能量评估模块评估项的参数值；k表示体内代谢评估模块评估项的序号；mk表示体内代谢评估模块评估项对心脑血管系统影响的权重；ΔMk表示体内代谢评估模块评估项的参数值；g(P)表示心理指挥评估模块对心源动力评估模块的影响因子；
利用获取的慢性代谢性疾病的样本数据及预设的分类规则，对人群进行分类；生成并保存每个类型人群的群体健康评估报告；以及用于根据慢性代谢性疾病发展模型公式：以及根据所述慢性代谢性疾病发展模型公式，计算心脑血管系统功能X随时间t的变化曲线；计算心脑血管系统功能的半衰期S1/2；计算心脑血管系统功能在当前时间点t0的评分X0及在时间点tpred的评分Xpred，其中，tpred＞t0；根据预设的心脑血管系统功能的衰变阈值Xth，计算心脑血管系统功能的衰变点tth；以及在所述心脑血管系统功能X随时间t的变化曲线上生成所述衰变点tth；确定用户所属人群类型；并在所述个体健康评估报告中生成所属人群项目。
本发明进一步公开了一种计算机可读存储介质，所述计算机可读存储介质上存储有可被处理器执行的，用于实现如权利要求1-6任一所述的健康评估方法步骤的程序或指令。
本发明以心脑血管功能为核心指征，以医学理论为基础，结合个体的生理、心理数据，建立慢性代谢性疾病发展模型，以机体自然衰老为指导，进而评估个体或群体的整体健康状况；从而预测代谢性疾病发生时间以及可能带来的经济负担和社会负担，摒弃了现有技术需要以患病为前提的评价方法。对个体而言，本发明支持模拟健康干预，包括但不限于对于饮食习惯改变的营养干预，对生活习惯改变的运动干预，以及对心理健康疏导干预等；对群体而言，本发明在大量动态数据的基础上，可对各个类型人群给出更有针对性的营养和运动建议；对社会效益而言，由于慢性病的治疗花费通常与疾病的严重程度，所处阶段，并发症的多少成正相关；因此可在机体处于健康状态时，即开始进行健康提醒，以延缓衰变点的发生时间；延长有质量的生活时间，从总体上降低医疗花费；本发明适用于各种人群的健康评估，适用于大数据训练和挖掘，具有可延展性；由于可直接对接运动和营养健康建议，因此可配合社区、医院和家庭等进行健康监测和随访。
附图说明
图1是本发明所述健康评估方法优选实施例一的流程图；
图2是慢性代谢性疾病风险曲线图；
图3是本发明所述健康评估方法优选实施例二的流程图；
图4是本发明所述健康评估系统优选实施例的原理框图；
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
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。
如图1所示，是本发明所述健康评估方法优选实施例一的流程图；本实施例包括以下步骤：
步骤S110：建模，以心脑血管系统功能为核心指征，预先建立慢性代谢性疾病发展模型；本步骤具体为：
步骤S111：将人体机能划分成四个评估模块，分别为：心源动力评估模块，体内代谢评估模块，体外能量评估模块以及心理指挥评估模块；其中，
心源动力(Cardiac based power)评估模块，对应于人体的心脑血管系统，由于慢性代谢性疾病的各种病变最终都与心脑血管系统衰退或者病变相关，因此本发明将心脑血管系统的风险作为核心评估指征；心脏功能健康，心脑血管系统疾病风险低；心脏功能衰弱，心脑血管系统疾病风险高；心源动力评估模块的评估项包括但不限于：心脑血管系统功能，患ASCVD(arteriosclerotic cardiovascular disease，动脉硬化性心血管疾病)风险，HRV(heart rate variability，心率变异性)风险以及携带心脑血管疾病遗传基因风险；
体内代谢(internal metabolism,)评估模块，对应于人体消化、代谢相关脏器功能及代谢产物与代谢物；由于消化、代谢相关脏器都依赖于心脑血管系统充足稳定的血液供应与物质交换，当发生体内资源需要相互代偿时，信息与物质也是通过心脑血管系统介导；摄入营养物质过剩时，代谢机能相对较弱；摄入营养物质不足时，代谢机能相对过剩；而持续积累的有害代谢物会加速心脑血管系统功能的损伤，因此稳定且鲁棒的体内资源管理有利于心脑血管系统的通畅；因此，体内代谢评估模块的评估项包括但不限于：血糖指征，血脂指征，血尿指征，血糖、血脂及血尿酸综合指征，通过问卷得到的饮食习惯评分，代谢功能基因，血糖指征、血脂指征、血尿指征以及血糖、血脂及血尿酸综合指征的动态变化特征和历史分析，对摄入物质的检测；
体外能量(in vitro energy)评估模块，对应于人体外在体型与运动机能；由于常规的运动会促进血液循环和体内物质的代谢更新，继而增强心脑血管系统功能；同时心脑血管系统也是支持运动的基础，高强度运动需要心脑血管系统供应充足的氧气和能量物质才能完成；但过度的运动导致的能量消耗或能量供应不足都会损害心脑血管系统功能；另外，运动消耗过剩，能量摄入相对不足，还会导致消瘦趋势；而运动消耗不足，能量摄入相对过剩时，又会导致发胖趋势；因此，体外能量评估模块的评价项包括但不限于：BMI(BodyMass Index，身体质量指数)，体脂含量，腰围，运动量，肥胖基因，对摄入和消耗的能量检测值；
心理指挥(Psychosocial guidance)评估模块，对应于人体心里健康与认知，虽然心理因素与心脑血管系统的关系目前研究尚不明确，但一些假说认为心理因素可以通过激素等物质直接影响心脑血管系统的功能，另一些假说认为心理因素主要通过运动和饮食等行为间接影响心脑血管系统功能。考虑到目前研究的不完整性，本发明在建立模型时，为心脑血管系统功能与心理因素的关系设置了评估项，用于在未来可以基于数据做进一步分析和改良；因此，在现有假说的基础上，心理指挥评估模块的评估项包括但不限于：通过性格/自控力状况问卷得到的心理健康分值，通过健康管理认知程度问卷得到的对健康重视程度分值；
步骤S112：利用所述心源动力评估模块，体内代谢评估模块，体外能量评估模块以及心理指挥评估模块之间的相互作用，建立慢性代谢性疾病发展模型公式：
其中，t表示时间，X表示心脑血管系统功能评分；β表示待扩展评估项对心脑血管系统功能的影响值，β＝∑iOi，i表示待扩展评估项的序号，Oi表示待扩展评估项的参数值；α表示心脑血管系统的衰老系数；α＝α0+f(P)·[∑jejΔEj+∑kmkΔMk]+g(P)，α0表示心脑血管系统的自然衰老系数；f(P)表示心理指挥评估模块对体外能量评估模块和体内代谢评估模块的影响系数；j表示体外能量评估模块评估项的序号；ej表示体外能量评估模块评估项对心脑血管系统影响的权重；ΔEj表示体外能量评估模块评估项的参数值；k表示体内代谢评估模块评估项的序号；mk表示体内代谢评估模块评估项对心脑血管系统影响的权重；ΔMk表示体内代谢评估模块评估项的参数值；g(P)表示心理指挥评估模块对心源动力评估模块的影响因子。
公式(1)描述了心脑血管系统功能随时间(t)的变化规律；由模型可见，当体外能量和体内代谢越来越不平衡时，α项增大，心脑血管系统功能的衰退速度加快；当体外能量和体内代谢保持平衡时，ΔEj和ΔMk各评估项均为0，α等于其最小值α0，心脑血管系统功能的衰退速度得以最大限度的减缓，也就是有质量的生存时间得以延长。
步骤S120：评估，本步骤具体包括以下步骤：
步骤S121：接收用户基础数据；
本步骤中，所述用户基础数据包括用户输入的截面数据和通过问卷得到的动态数据；例如用户的年龄、性别、身高、体重等基本信息；血液检测中血脂、血糖等代谢相关指征；腰围、体脂、运动能力等运动相关指征；运动习惯、饮食习惯、心理状况等。
步骤S122：利用所述慢性代谢性疾病发展模型公式(1)，得到心脑血管系统功能X随时间t的变化曲线；
对于各评估项，若未获取到参数，则默认取值为0；
步骤S123：根据以下公式计算心脑血管系统功能的半衰期S1/2，得到心脑血管系统功能的衰变速度；
其中，α表示心脑血管系统的衰老系数；α＝α0+f(P)·[∑jejΔEj+∑kmkΔMk]+g(P)，α0表示心脑血管系统的自然衰老系数；f(P)表示心理指挥评估模块对体外能量评估模块和体内代谢评估模块的影响系数，之所以采用非线性形式是因为心理因素作用于能量-运动和代谢-饮食的方式，在一定范围内会产生正反馈放大或负反馈抑制效应；j表示体外能量评估模块评估项的序号；ej表示体外能量评估模块评估项对心脑血管系统影响的权重；ΔEj表示体外能量评估模块评估项的参数值；k表示体内代谢评估模块评估项的序号；mk表示体内代谢评估模块评估项对心脑血管系统影响的权重；ΔMk表示体内代谢评估模块评估项的参数值；g(P)表示心理指挥评估模块对心源动力评估模块的影响因子；
半衰期S1/2是心脑血管系统功能基于时间的衰变趋势；因人而异，半衰期S1/2值越大，则表示心脑血管系统功能风险越低；
步骤S124：根据所述慢性代谢性疾病发展模型公式，计算心脑血管系统功能在时间点tpred的评分Xpred，其中，tpred＞当前时间点t0；得到用户在tpred-t0时间段的健康评分；
步骤S125：根据预设的心脑血管系统功能的衰变阈值Xth，计算心脑血管系统功能的衰变点tth；得到重疾风险年龄；
步骤S126：在所述心脑血管系统功能X随时间t的变化曲线上生成所述衰变点tth，得到慢性代谢性疾病发展曲线图；
如图2所示，是本步骤一个实施例的慢性代谢性疾病风险曲线图；其中具有12个点的曲线为慢性代谢性疾病分型曲线，每个点表示在时间t时的心脑血管系统功能评分；横虚线与X轴的交点为预设的心脑血管系统功能的衰变阈值Xth；横向虚线与慢性代谢性疾病风险曲线交点为心脑血管系统功能的衰变点tth；经过衰变点tth的竖向虚线与t轴的交点为重疾风险年龄；带箭头的曲线为根据半衰期S1/2得到的心脑血管系统功能的衰变速度；
步骤S127：生成个体健康评估报告并保存；所述个体健康报告包括但不限于以下项目：慢性代谢性疾病发展曲线图、健康评分、衰老速度、重疾风险年龄；
步骤S130：输出，以图表形式输出所述个体健康评估报告；
本实施例仅针对个体健康做出评估，用户无法知晓自己在同龄或者某个类型人群中的的健康水平；另外，本发明的短期优化目标是延缓心脑血管系统功能衰变点tth的到来时间，减慢衰老速度；长期优化目标是最大限度延长有质量的生活的时长T(即T＝tth-t0)，减少医疗总体花费。优化方式为对接运动与营养干预，以调整体内代谢评估模块，体外能量评估模块以及心理指挥评估模块各评估项的参数值。
如图3所示，是本发明所述健康评估方法优选实施例二的流程图；本实施例包括以下步骤：
步骤S210：建模，以心脑血管系统功能为核心指征，预先建立慢性代谢性疾病发展模型；本步骤具体为：
步骤S211：将人体机能划分成四个评估模块，分别为：心源动力评估模块，体内代谢评估模块，体外能量评估模块以及心理指挥评估模块；其中，
心源动力(Cardiac based power)评估模块，对应于人体的心脑血管系统，由于慢性代谢性疾病的各种病变最终都与心脑血管系统衰退或者病变相关，因此本发明将心脑血管系统的风险作为核心评估指征；心脏功能健康，心脑血管系统疾病风险低；心脏功能衰弱，心脑血管系统疾病风险高；心源动力评估模块的评估项包括但不限于：心脑血管系统功能，患ASCVD(arteriosclerotic cardiovascular disease，动脉硬化性心血管疾病)风险，HRV(heart rate variability，心率变异性)风险以及携带心脑血管疾病遗传基因风险；
体内代谢(internal metabolism,)评估模块，对应于人体消化、代谢相关脏器功能及代谢产物与代谢物；由于消化、代谢相关脏器都依赖于心脑血管系统充足稳定的血液供应与物质交换，当发生体内资源需要相互代偿时，信息与物质也是通过心脑血管系统介导；摄入营养物质过剩时，代谢机能相对较弱；摄入营养物质不足时，代谢机能相对过剩；而持续积累的有害代谢物会加速心脑血管系统功能的损伤，因此稳定且鲁棒的体内资源管理有利于心脑血管系统的通畅；因此，体内代谢评估模块的评估项包括但不限于：血糖指征，血脂指征，血尿指征，血糖、血脂及血尿酸综合指征，通过问卷得到的饮食习惯评分，代谢功能基因，血糖指征、血脂指征、血尿指征以及血糖、血脂及血尿酸综合指征的动态变化特征和历史分析，对摄入物质的检测；
体外能量(in vitro energy)评估模块，对应于人体外在体型与运动机能；由于常规的运动会促进血液循环和体内物质的代谢更新，继而增强心脑血管系统功能；同时心脑血管系统也是支持运动的基础，高强度运动需要心脑血管系统供应充足的氧气和能量物质才能完成；但过度的运动导致的能量消耗或能量供应不足都会损害心脑血管系统功能；另外，运动消耗过剩，能量摄入相对不足，还会导致消瘦趋势；而运动消耗不足，能量摄入相对过剩时，又会导致发胖趋势；因此，体外能量评估模块的评价项包括但不限于：BMI(BodyMass Index，身体质量指数)，体脂含量，腰围，运动量，肥胖基因，对摄入和消耗的能量检测值；
心理指挥(Psychosocial guidance)评估模块，对应于人体心里健康与认知，虽然心理因素与心脑血管系统的关系目前研究尚不明确，但一些假说认为心理因素可以通过激素等物质直接影响心脑血管系统的功能，另一些假说认为心理因素主要通过运动和饮食等行为间接影响心脑血管系统功能。考虑到目前研究的不完整性，本发明在建立模型时，为心脑血管系统功能与心理因素的关系设置了评估项，用于在未来可以基于数据做进一步分析和改良；因此，在现有假说的基础上，心理指挥评估模块的评估项包括但不限于：通过性格/自控力状况问卷得到的心理健康分值，通过健康管理认知程度问卷得到的对健康重视程度分值；
步骤S212：利用所述心源动力评估模块，体内代谢评估模块，体外能量评估模块以及心理指挥评估模块之间的相互作用，建立慢性代谢性疾病发展模型，公式为：
其中，t表示时间，X表示心脑血管系统功能评分；β表示待扩展评估项对心脑血管系统功能的影响值，β＝∑iOi，i表示待扩展评估项的序号，Oi表示待扩展评估项的参数值；α表示心脑血管系统的衰老系数；α＝α0+f(P)·[∑jejΔEj+∑kmkΔMk]+g(P)，α0表示心脑血管系统的自然衰老系数；f(P)表示心理指挥评估模块对体外能量评估模块和体内代谢评估模块的影响系数；j表示体外能量评估模块评估项的序号；ej表示体外能量评估模块评估项对心脑血管系统影响的权重；ΔEj表示体外能量评估模块评估项的参数值；k表示体内代谢评估模块评估项的序号；mk表示体内代谢评估模块评估项对心脑血管系统影响的权重；ΔMk表示体内代谢评估模块评估项的参数值；g(P)表示心理指挥评估模块对心源动力评估模块的影响因子。
公式(1)描述了心脑血管系统功能随时间(t)的变化规律；由模型可见，当体外能量和体内代谢越来越不平衡时，α项增大，心脑血管系统功能的衰退速度加快；当体外能量和体内代谢保持平衡时，ΔEj和ΔMk各评估项均为0，α等于其最小值α0，心脑血管系统功能的衰退速度得以最大限度的减缓，也就是有质量的生存时间得以延长。
步骤S220：人群分类，预先根据所述慢性代谢性疾病发展模型公式(1)，利用获取的慢性代谢性疾病的样本数据及预设的分类规则，对人群进行分类；并生成每个类型人群的群体健康评估报告；
本步骤中，样本数据可以来源于不同途径，并且以多种不同的形式呈现。例如：通过个人(包括本人，所处的组织，亲人，朋友等)直接输入；比如任何形式的问卷调查，多媒体，人机交互等；通过共享其他平台授权数据，比如数字移动设备相关应用，医院等；以及以上两种数据的更新；对于样本数据，可以对接人工智能，机器学习等相关分析手段，用以矫正原数据可能的误差，更新数据特征。
本步骤在大量慢性代谢性疾病样本数据的基础上对人群进行分类，分类规则可根据具体应用场景定义，例如，可以根据样本数据中的地理分布、年龄、具有某一个特征等对人群分类；也可根据群体健康评估报告中的项目对人群分类；从而对各个群体给出更有针对性的营养和运动建议。
本实施例以根据群体健康评估报告中的项目对人群分类；假设所述群体健康评估报告中包括以下项目：心脑血管系统功能、心脑血管系统病变风险、运动指数、营养指数以及自我满意度；本实施例按照心脑血管系统功能强弱、心脑血管系统病变风险高低、运动过剩或不足、营养过剩或不足以及自我满意度高低分类，则得到以下16中类型：RAON型：强功能，低风险，运动过剩，营养过剩，自我满意度低；RAOP型：强功能，低风险，运动过剩，营养过剩，自我满意度高；RAUP型：强功能，低风险，运动过剩，营养不足，自我满意度高；RLAUN型：强功能，低风险，运动过剩，营养不足，自我满意度低；RSON型：强功能，低风险，运动不足，营养过剩，自我满意度低；RSOP型：强功能，低风险，运动不足，营养过剩，自我满意度高；RSUP型：强功能，低风险，运动不足，营养不足，自我满意度高；RSUN型：强功能，低风险，运动不足，营养不足，自我满意度低；FAON型：弱功能，高风险，运动过剩，营养过剩，自我满意度低；FAOP型：弱功能，高风险，运动过剩，营养过剩，自我满意度高；FAUP型：弱功能，高风险，运动过剩，营养不足，自我满意度高；FAUN型：弱功能，高风险，运动过剩，营养不足，自我满意度低；FSON型：弱功能，高风险，运动不足，营养过剩，自我满意度低；FSOP型：弱功能，高风险，运动不足，营养过剩，自我满意度高；FSUP型：弱功能，高风险，运动不足，营养不足，自我满意度高；FSUN型：弱功能，高风险，运动不足，营养不足，自我满意度低。
事实上，每个分类还可以根据具体应用场景继续再分，形成多层级多层次的人群分类；因此并不局限于本实施例所示的线性分类。
在其他实施例中，每个类型人群的群体健康评估报告还可以包括由模型推导出来的其他项目，例如由疾病发展速度扩展计算出来的治疗花费预测；与同年龄/性别的人群均值相比，得到一个整体评估分数，比如“你的健康水平超过了88％的同龄人”等；可根据实际应用场景，给出相应的项目评估。
步骤S210和步骤S220均为预设步骤，也就是说，在用户使用本方法之前，步骤S210和步骤S220已处理完毕并保存了相关数据。
值得说明的是，在获取的样本数据更新或有新样本数据时，步骤S220会重新被执行，以保证每个类型人群的群体健康评估报告为最新报告。
步骤S230：评估，本步骤具体包括以下步骤：
步骤S231：接收用户基础数据；
本步骤中，所述用户基础数据包括用户输入的截面数据和通过问卷得到的动态数据；例如用户的年龄、性别、身高、体重等基本信息；血液检测中血脂、血糖等代谢相关指征；腰围、体脂、运动能力等运动相关指征；运动习惯、饮食习惯、心理状况等。
步骤S232：利用所述慢性代谢性疾病发展模型公式(1)，得到心脑血管系统功能X随时间t的变化曲线；
对于各评估项，若未获取到参数，则默认取值为0；
步骤S233：根据以下公式计算心脑血管系统功能的半衰期S1/2，得到心脑血管系统功能的衰变速度；
其中，α表示心脑血管系统的衰老系数；α＝α0+f(P)·[∑jejΔEj+∑kmkΔMk]+g(P)，α0表示心脑血管系统的自然衰老系数；f(P)表示心理指挥评估模块对体外能量评估模块和体内代谢评估模块的影响系数；j表示体外能量评估模块评估项的序号；ej表示体外能量评估模块评估项对心脑血管系统影响的权重；ΔEj表示体外能量评估模块评估项的参数值；k表示体内代谢评估模块评估项的序号；mk表示体内代谢评估模块评估项对心脑血管系统影响的权重；ΔMk表示体内代谢评估模块评估项的参数值；g(P)表示心理指挥评估模块对心源动力评估模块的影响因子；
半衰期S1/2是心脑血管系统功能基于时间的衰变趋势；因人而异，半衰期S1/2值越大，则表示心脑血管系统功能风险越低；
步骤S234：根据所述慢性代谢性疾病发展模型公式，计算心脑血管系统功能在时间点tpred的评分Xpred，其中，tpred＞当前时间点t0；得到用户在tpred-t0时间段的健康评分；
步骤S235：根据预设的心脑血管系统功能的衰变阈值Xth，计算心脑血管系统功能的衰变点tth；得到重疾风险年龄；
步骤S236：在所述心脑血管系统功能X随时间t的变化曲线上生成所述衰变点tth，得到慢性代谢性疾病发展曲线图；
步骤S237：根据以上各步骤的评估结果，确定用户所属人群分类；
本发明的短期优化目标是延缓心脑血管系统功能衰变点tth的到来时间，减慢衰老速度；长期优化目标是最大限度延长有质量的生活的时长T(即T＝tth-t0)，减少医疗总体花费。故根据所属人群分类，可给出优化方案，方式为对接运动与营养干预，以调整体内代谢评估模块，体外能量评估模块以及心理指挥评估模块各评估项的参数值。
步骤S238：生成个体健康评估报告并保存；所述个体健康报告包括但不限于以下项目：慢性代谢性疾病发展曲线图、健康评分、衰老速度、重疾风险年龄、所属人群分类、营养和运动建议、接受建议后的慢性代谢性疾病发展曲线、健康评分、衰老速度、重疾风险年龄的变化预测。
步骤S239：输出，以图表形式输出所述个体健康评估报告。
个体健康评估报告中，所属群体类型可链接群体健康评估报告；以便用户查看在所述群体类型中的健康水平。
本发明是一个动态评估过程，任一评估项参数更新，即触发本发明重新评估。
如图4是本发明所述健康评估系统优选实施例的原理框图；本实施例所述健康评估系统，包括：
模型单元10，用于存储慢性代谢性疾病发展模型公式；模型单元10包括心源动力评估子单元11，体内代谢评估子单元12，体外能量评估子单元13以及心理指挥评估子单元14；所述
心源动力评估子单元11，用于接收并存储评估项参数，包括但不限于：心脑血管系统功能，患ASCVD(arteriosclerotic cardiovascular disease，动脉硬化性心血管疾病)风险，HRV(heart rate variability，心率变异性)风险以及携带心脑血管疾病遗传基因风险；
体内代谢评估子单元12，用于接收并存储评估项参数，包括但不限于：血糖指征，血脂指征，血尿指征，血糖、血脂及血尿酸综合指征，通过问卷得到的饮食习惯评分，代谢功能基因，血糖指征、血脂指征、血尿指征以及血糖、血脂及血尿酸综合指征的动态变化特征和历史分析，对摄入物质的检测；
体外能量评估子单元13，用于接收并存储评估项参数，包括但不限于BMI(BodyMass Index，身体质量指数)，体脂含量，腰围，运动量，肥胖基因，对摄入和消耗的能量检测值；
心理指挥评估子单元14，用于接收并存储评估项参数，包括但不限于心理健康分值，对健康重视程度分值
评估单元20，用于预先根据所述模型单元中存储的慢性代谢性疾病发展模型公式：
其中，t表示时间，X表示心脑血管系统功能评分；β表示待扩展评估项对心脑血管系统功能的影响值，β＝∑iOi，i表示待扩展评估项的序号，Oi表示待扩展评估项的参数值；α表示心脑血管系统的衰老系数；α＝α0+f(P)·[∑jejΔEj+∑kmkΔMk]+g(P)，α0表示心脑血管系统的自然衰老系数；f(P)表示心理指挥评估模块对体外能量评估模块和体内代谢评估模块的影响系数；j表示体外能量评估模块评估项的序号；ej表示体外能量评估模块评估项对心脑血管系统影响的权重；ΔEj表示体外能量评估模块评估项的参数值；k表示体内代谢评估模块评估项的序号；mk表示体内代谢评估模块评估项对心脑血管系统影响的权重；ΔMk表示体内代谢评估模块评估项的参数值；g(P)表示心理指挥评估模块对心源动力评估模块的影响因子；
利用获取的慢性代谢性疾病的样本数据及预设的分类规则，对人群进行分类；生成并保存每个类型人群的群体健康评估报告；以及用于接收用户数据，并根据慢性代谢性疾病发展模型公式，计算心脑血管系统功能X随时间t的变化曲线；计算心脑血管系统功能的半衰期S1/2；计算心脑血管系统功能在当前时间点t0的评分X0及在时间点tpred的评分Xpred，其中，tpred＞t0；根据预设的心脑血管系统功能的衰变阈值Xth，计算心脑血管系统功能的衰变点tth；以及在所述心脑血管系统功能X随时间t的变化曲线上生成所述衰变点tth；确定用户所属人群类型；生成并保存个体健康评估报告。
输出单元30，用于以图表形式输出所述个体健康评估报告及群体健康评估报告。
本发明还公开了一种计算机可读存储介质，所述计算机可读存储介质上存储有可被处理器执行的，用于实现本发明所述的健康评估方法步骤的程序或指令。
本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，这些均属于本发明的保护之内。
Claims (10)
1.一种健康评估方法，其特征在于，所述方法包括：
建模：以心脑血管系统功能为核心指征，预先建立慢性代谢性疾病发展模型；
评估：接收用户基础数据，根据所述慢性代谢性疾病发展模型，计算并生成个体健康评估报告；
输出：以图表形式输出所述个体健康评估报告。
2.如权利要求1所述的健康评估方法，其特征在于，所述建模步骤包括:
将人体机能划分成四个评估模块，分别为：心源动力评估模块，体内代谢评估模块，体外能量评估模块以及心理指挥评估模块；
根据所述心源动力评估模块，体内代谢评估模块，体外能量评估模块以及心理指挥评估模块之间的相互作用，建立慢性代谢性疾病发展模型公式为：
其中，t表示时间，X表示心脑血管系统功能评分；β表示待扩展评估项对心脑血管系统功能的影响值，β＝∑iOi，i表示待扩展评估项的序号，Oi表示待扩展评估项的参数值；α表示心脑血管系统的衰老系数；α＝α0+f(P)·[∑jejΔEj+∑kmkΔMk]+g(P)，α0表示心脑血管系统的自然衰老系数；f(P)表示心理指挥评估模块对体外能量评估模块和体内代谢评估模块的影响系数；j表示体外能量评估模块评估项的序号；ej表示体外能量评估模块评估项对心脑血管系统影响的权重；ΔEj表示体外能量评估模块评估项的参数值；k表示体内代谢评估模块评估项的序号；mk表示体内代谢评估模块评估项对心脑血管系统影响的权重；ΔMk表示体内代谢评估模块评估项的参数值；g(P)表示心理指挥评估模块对心源动力评估模块的影响因子。
3.如权利要求2所述的健康评估方法，其特征在于，所述
心源动力评估模块的评估项包括但不限于：心脑血管系统功能，患ASCVD(arteriosclerotic cardiovascular disease，动脉硬化性心血管疾病)风险，HRV(heartrate variability，心率变异性)风险以及携带心脑血管疾病遗传基因风险；
体内代谢评估模块的评估项包括但不限于：血糖指征，血脂指征，血尿指征，血糖、血脂及血尿酸综合指征，通过问卷得到的饮食习惯评分，代谢功能基因，血糖指征、血脂指征、血尿指征以及血糖、血脂及血尿酸综合指征的动态变化特征和历史分析，对摄入物质的检测；
体外能量评估模块的评估项包括但不限于：BMI(Body Mass Index，身体质量指数)，体脂含量，腰围，运动量，肥胖基因，对摄入和消耗的能量检测值；
心理指挥评估模块的评估项包括但不限于：心理健康分值，对健康重视程度分值。
4.如权利要求1所述的健康评估方法，其特征在于，所述评估步骤，具体包括以下步骤：
步骤一：接收用户基础数据；所述用户基础数据包括用户输入的截面数据和通过问卷得到的动态数据；
步骤二：根据所述慢性代谢性疾病发展模型公式(1)，得到心脑血管系统功能X随时间t的变化曲线；
步骤三：根据公式
计算心脑血管系统功能的半衰期S1/2，得到心脑血管系统功能的衰变速度；
步骤四：根据所述慢性代谢性疾病发展模型公式(1)，计算心脑血管系统功能在时间点tpred的评分Xpred，其中，tpred＞当前时间点t0；得到用户在tpred-t0时间段的健康评分；
步骤五：根据预设的心脑血管系统功能的衰变阈值Xth，计算心脑血管系统功能的衰变点tth；得到重疾风险年龄；
步骤六：在所述心脑血管系统功能X随时间t的变化曲线上生成所述衰变点tth，得到慢性代谢性疾病发展曲线图；
步骤七：生成个体健康评估报告并保存；所述个体健康报告包括但不限于以下项目：慢性代谢性疾病发展曲线图、健康评分、衰老速度、重疾风险年龄。
5.如权利要求4所述的健康评估方法，其特征在于，所述方法在执行评估步骤之前，还包括以下步骤：
预先根据所述慢性代谢性疾病发展模型公式(1)，利用获取的慢性代谢性疾病的样本数据及预设的分类规则，对人群进行分类；生成并保存每个类型人群的群体健康评估报告；所述群体健康评估报告包括但不限于以下项目：心脑血管系统功能评分、心脑血管系统病变风险、运动量、营养以及自我满意度。
6.如权利要求5所述的健康评估方法，其特征在于，所述评估步骤还包括以下步骤：
根据评估结果，确定用户所属人群类型；并在所述个体健康评估报告中生成所属人群类型、营养和运动建议、接受建议后的慢性代谢性疾病发展曲线、健康评分、衰老速度、重疾风险年龄的变化预测。
7.一种健康评估系统，其特征在于，所述系统包括：
模型单元，用于存储慢性代谢性疾病发展模型公式；
评估单元，用于接收用户基础数据，并根据所述模型单元中存储的模型公式，计算并生成个体健康评估报告；
输出单元，用于以图表形式输出所述个体健康评估报告。
8.如权利要求7所述健康评估系统，其特征在于，所述模型单元包括心源动力评估子单元，体内代谢评估子单元，体外能量评估子单元以及心理指挥评估子单元；所述：
心源动力评估子单元，用于接收并存储评估项参数，包括但不限于：心脑血管系统功能，患ASCVD(arteriosclerotic cardiovascular disease，动脉硬化性心血管疾病)风险，HRV(heart rate variability，心率变异性)风险以及携带心脑血管疾病遗传基因风险；
体内代谢评估子单元，用于接收并存储评估项参数，包括但不限于：血糖指征，血脂指征，血尿指征，血糖、血脂及血尿酸综合指征，通过问卷得到的饮食习惯评分，代谢功能基因，血糖指征、血脂指征、血尿指征以及血糖、血脂及血尿酸综合指征的动态变化特征和历史分析，对摄入物质的检测；
体外能量评估子单元，用于接收并存储评估项参数，包括但不限于BMI(Body MassIndex，身体质量指数)，体脂含量，腰围，运动量，肥胖基因，对摄入和消耗的能量检测值；
心理指挥评估子单元，用于接收并存储评估项参数，包括但不限于心理健康分值，对健康重视程度分值。
9.如权利要求7所述健康评估系统，其特征在于，所述
评估单元，用于预先根据所述模型单元中存储的慢性代谢性疾病发展模型公式：
其中，t表示时间，X表示心脑血管系统功能评分；β表示待扩展评估项对心脑血管系统功能的影响值，β＝∑iOi，i表示待扩展评估项的序号，Oi表示待扩展评估项的参数值；α表示心脑血管系统的衰老系数；α＝α0+f(P)·[∑jejΔEj+∑kmkΔMk]+g(P)，α0表示心脑血管系统的自然衰老系数；f(P)表示心理指挥评估模块对体外能量评估模块和体内代谢评估模块的影响系数；j表示体外能量评估模块评估项的序号；ej表示体外能量评估模块评估项对心脑血管系统影响的权重；ΔEj表示体外能量评估模块评估项的参数值；k表示体内代谢评估模块评估项的序号；mk表示体内代谢评估模块评估项对心脑血管系统影响的权重；ΔMk表示体内代谢评估模块评估项的参数值；g(P)表示心理指挥评估模块对心源动力评估模块的影响因子；
利用获取的慢性代谢性疾病的样本数据及预设的分类规则，对人群进行分类；生成并保存每个类型人群的群体健康评估报告；以及用于根据慢性代谢性疾病发展模型公式：以及根据所述慢性代谢性疾病发展模型公式，计算心脑血管系统功能X随时间t的变化曲线；计算心脑血管系统功能的半衰期S1/2；计算心脑血管系统功能在当前时间点t0的评分X0及在时间点tpred的评分Xpred，其中，tpred＞t0；根据预设的心脑血管系统功能的衰变阈值Xth，计算心脑血管系统功能的衰变点tth；以及在所述心脑血管系统功能X随时间t的变化曲线上生成所述衰变点tth；确定用户所属人群类型；并在所述个体健康评估报告中生成所属人群项目。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有可被处理器执行的，用于实现如权利要求1-6任一所述的健康评估方法步骤的程序或指令。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810401239.8A CN108877936B (zh) | 2018-04-28 | 2018-04-28 | 健康评估方法、系统及计算机可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810401239.8A CN108877936B (zh) | 2018-04-28 | 2018-04-28 | 健康评估方法、系统及计算机可读存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108877936A true CN108877936A (zh) | 2018-11-23 |
| CN108877936B CN108877936B (zh) | 2021-05-25 |
Family
ID=64326799
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810401239.8A Active CN108877936B (zh) | 2018-04-28 | 2018-04-28 | 健康评估方法、系统及计算机可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108877936B (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109949941A (zh) * | 2019-03-15 | 2019-06-28 | 南方医科大学顺德医院(佛山市顺德区第一人民医院) | 基于大数据精准医疗的心血管疾病风险监控系统 |
| CN110033845A (zh) * | 2019-01-18 | 2019-07-19 | 深圳鼎新融合科技有限公司 | 一种儿童营养素缺乏风险等级评估系统 |
| CN110322963A (zh) * | 2019-07-04 | 2019-10-11 | 成都新基因格生物科技有限公司 | 一种新生儿遗传代谢病检测分析方法、装置及系统 |
| CN111009328A (zh) * | 2019-12-25 | 2020-04-14 | 新绎健康科技有限公司 | 一种区域人口健康状况评估方法及装置 |
| CN114550923A (zh) * | 2022-01-11 | 2022-05-27 | 广州市妇女儿童医疗中心 | 一种肥胖指征指示心血管疾病快速预警系统和存储介质 |
| WO2022119327A1 (ko) * | 2020-12-02 | 2022-06-09 | (주)지놈오피니언 | 선천적 대사질환 위험도 점수를 이용한 심뇌혈관질환의 위험도 측정 방법 |
| CN117438108A (zh) * | 2023-12-21 | 2024-01-23 | 北京科技大学 | 一种用于心血管疾病的长时监测预防系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20080126124A1 (en) * | 2006-11-28 | 2008-05-29 | Schechter Alan M | Quantitative assessment, evaluation and triage of the health status of an individual |
| CN103577686A (zh) * | 2013-09-11 | 2014-02-12 | 奥美之路(北京)技术顾问有限公司 | 中国人群健康体适能评价模型 |
| CN105975773A (zh) * | 2016-05-05 | 2016-09-28 | 武汉哈福科技有限公司 | 一种慢性疾病健康管理系统和方法 |
| CN107066798A (zh) * | 2016-12-30 | 2017-08-18 | 曾金生 | 一种心脏健康质量预警系统及其预警方法 |
| CN107330241A (zh) * | 2017-09-08 | 2017-11-07 | 江苏八道信息科技有限公司 | 一种心血管疾病预警系统 |
-
2018
- 2018-04-28 CN CN201810401239.8A patent/CN108877936B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20080126124A1 (en) * | 2006-11-28 | 2008-05-29 | Schechter Alan M | Quantitative assessment, evaluation and triage of the health status of an individual |
| CN103577686A (zh) * | 2013-09-11 | 2014-02-12 | 奥美之路(北京)技术顾问有限公司 | 中国人群健康体适能评价模型 |
| CN105975773A (zh) * | 2016-05-05 | 2016-09-28 | 武汉哈福科技有限公司 | 一种慢性疾病健康管理系统和方法 |
| CN107066798A (zh) * | 2016-12-30 | 2017-08-18 | 曾金生 | 一种心脏健康质量预警系统及其预警方法 |
| CN107330241A (zh) * | 2017-09-08 | 2017-11-07 | 江苏八道信息科技有限公司 | 一种心血管疾病预警系统 |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110033845A (zh) * | 2019-01-18 | 2019-07-19 | 深圳鼎新融合科技有限公司 | 一种儿童营养素缺乏风险等级评估系统 |
| CN109949941A (zh) * | 2019-03-15 | 2019-06-28 | 南方医科大学顺德医院(佛山市顺德区第一人民医院) | 基于大数据精准医疗的心血管疾病风险监控系统 |
| CN110322963A (zh) * | 2019-07-04 | 2019-10-11 | 成都新基因格生物科技有限公司 | 一种新生儿遗传代谢病检测分析方法、装置及系统 |
| CN110322963B (zh) * | 2019-07-04 | 2024-01-30 | 成都新基因格生物科技有限公司 | 一种新生儿遗传代谢病检测分析方法、装置及系统 |
| CN111009328A (zh) * | 2019-12-25 | 2020-04-14 | 新绎健康科技有限公司 | 一种区域人口健康状况评估方法及装置 |
| WO2022119327A1 (ko) * | 2020-12-02 | 2022-06-09 | (주)지놈오피니언 | 선천적 대사질환 위험도 점수를 이용한 심뇌혈관질환의 위험도 측정 방법 |
| CN114550923A (zh) * | 2022-01-11 | 2022-05-27 | 广州市妇女儿童医疗中心 | 一种肥胖指征指示心血管疾病快速预警系统和存储介质 |
| CN117438108A (zh) * | 2023-12-21 | 2024-01-23 | 北京科技大学 | 一种用于心血管疾病的长时监测预防系统 |
| CN117438108B (zh) * | 2023-12-21 | 2024-03-29 | 北京科技大学 | 一种用于心血管疾病的长时监测预防系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108877936B (zh) | 2021-05-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108877936B (zh) | 健康评估方法、系统及计算机可读存储介质 | |
| CN111292853B (zh) | 基于多参数的心血管疾病风险预测网络模型及其构建方法 | |
| US11621055B2 (en) | Microorganism-related significance index metrics | |
| Schrack et al. | Estimating energy expenditure from heart rate in older adults: a case for calibration | |
| WO2021247922A1 (en) | Predictive guidance systems for personalized health and self-care, and associated methods | |
| CN113113077A (zh) | 生物信息处理方法、生物信息处理装置及记录介质 | |
| US10857426B1 (en) | Methods and systems for generating fitness recommendations according to user activity profiles | |
| US12073942B2 (en) | Methods and systems for dynamic constitutional guidance using artificial intelligence | |
| Dar-Odeh et al. | Predicting recurrent aphthous ulceration using genetic algorithms-optimized neural networks | |
| Kim et al. | Modeling long-term human activeness using recurrent neural networks for biometric data | |
| TWI763520B (zh) | 訓練老年性黃斑部退化的分類模型的電子裝置和方法 | |
| US12046352B2 (en) | System and method for generating a cognitive disorder nourishment program | |
| van der Woerd et al. | Studying sleep: towards the identification of hypnogram features that drive expert interpretation | |
| US20220319663A1 (en) | System and method for generating a thyroid malady nourishment program | |
| US20210241921A1 (en) | Methods and systems for physiologically informed zoological selection | |
| US11823786B1 (en) | Apparatus and method for adjusting a user nourishment selection based on nutrient diversity | |
| US11367521B1 (en) | System and method for generating a mesodermal outline nourishment program | |
| US11688507B2 (en) | Systems and methods for generating a metabolic dysfunction nourishment program | |
| US12046351B2 (en) | Systems and methods for generating an alimentary plan for managing skin disorders | |
| US20220262520A1 (en) | System and method for generating a mesodermal outline nourishment program | |
| TWI768951B (zh) | 訓練老年性黃斑部退化的分類模型的電子裝置和方法 | |
| US11684316B2 (en) | Artificial intelligence systems and methods for generating land responses from biological extractions | |
| US20230298731A1 (en) | Methods and systems for informing food element decisions in the acquisition of edible materials from any source | |
| US11152103B1 (en) | Systems and methods for generating an alimentary plan for managing musculoskeletal system disorders | |
| US20220351830A1 (en) | System and method for generating a habit dysfunction nourishment program |
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 |