CN108877950B - 一种基于计算机的骨质疏松筛查方法和装置 - Google Patents
一种基于计算机的骨质疏松筛查方法和装置 Download PDFInfo
- Publication number
- CN108877950B CN108877950B CN201810597633.3A CN201810597633A CN108877950B CN 108877950 B CN108877950 B CN 108877950B CN 201810597633 A CN201810597633 A CN 201810597633A CN 108877950 B CN108877950 B CN 108877950B
- Authority
- CN
- China
- Prior art keywords
- osteoporosis
- characteristic value
- screening
- value
- parameters
- 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
- 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
-
- 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
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Data Mining & Analysis (AREA)
- Biomedical Technology (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
Description
技术领域
本发明涉及一种基于计算机的骨质疏松筛查方法和装置,属于智能医疗领域。
背景技术
骨质疏松症为常见多发病,是一种因多种原因导致的骨密度和骨质量下降,骨微结构破坏,造成骨脆性增加,从而容易发生骨折的全身性骨病。骨质疏松症分为原发性和继发性二大类,其中,原发性骨质疏松症最为常见的是:绝经后骨质疏松症(一般发生在妇女绝经后5~10年内)和老年性骨质疏松症(一般发生在老人70岁后)。目前关于骨质疏松症的医学诊断中,最常用的诊断方法是双能X线,但双能X线辐射强,价格高,需要去医院才能检测,而且只能在骨质疏松已经发生了以后才能被诊断出来。
有鉴于此,本发明人对此进行研究,专门开发出一种基于计算机的骨质疏松筛查方法和装置,本案由此产生。
发明内容
本发明的目的是提供一种基于计算机的骨质疏松筛查方法和装置,可快速、精准得到骨质疏松筛查值,且安全、无辐射污染。
为了实现上述目的,本发明的解决方案是:
一种基于计算机的骨质疏松筛查方法,包括如下步骤:
获取基本参数,所述基本参数包括人口学参数、身体参数和生活习惯参数;
对上述基本参数进行数据处理,分别得到人口学特征值、身体特征值和生活习惯特征值;
将上述人口学特征值、身体基本特征值和生活习惯特征值相加得到骨质疏松筛查值OPi。
所述基本参数还包括血液参数,对血液参数进行数据处理,得到血液特征值。
作为优选,所述血液参数包括相邻2个单核细胞计数,对相邻2个单核细胞计数进行数据处理,得到单核细胞变化率特征值,所述单核细胞变化率特征值为相邻2个单核细胞计数的变化率,相邻2个单核细胞计数间隔设定时间。
所述人口学参数包括被筛查人的性别和年龄;所述人口学特征值包括性别特征值和年龄特征值Y。
所述身体参数包括被筛查人的末次月经时间、体重参数、骨质疏松家族史参数中的一种或多种,对应的,所述身体特征值包括月经时间特征值L、体重特征值、骨质疏松家族史特征值F中的一种或多种。
所述生活习惯参数包括吸烟史和/或日常规律运动参数,对应的,所述生活习惯特征值包括吸烟史特征值S和或日常规律运动特征值E。
相邻2个单核细胞计数检测至少间隔3个月,所述单核细胞变化率特征值MMi=|(Mi-Mi+1)*12*100/Mi+1(Ti+1-Ti)|,其中,Mi为第i个单核细胞计数,单位为10^9,Mi+1为第i+1个单核细胞计数,单位为10^9,Ti和Ti+1分别为第i个单核细胞计数和第i+1个单核细胞计数的检测时间,Ti+1-Ti为两者的月份差值,i为大于等于1的自然数。
所述性别特征值包括男性和女性。
男性年龄特征值Y1=实际年龄-60,且Y1≥0;
女性年龄特征值Y2=实际年龄-55,且Y2≥0。
月经时间特征值L=(T0-l)*2,其中,T0为当年时间或者当年的年龄,按年计,l为末次月经时间或末次月经时的年龄,按年计,L以年计。
所述吸烟史特征值S=实际吸烟年数。
所述体重特征值W具体为:
男性体重特征值W1=|50-w1|*0.1,w1为实际体重,W1≥0;
女性体重特征值W2=|45-w2|*0.1,w2为实际体重,W2≥0。
骨质疏松家族史特征值F=0-5,若无骨质疏松家族史,F=0。
日常规律运动特征值E=0-5,若日常无规律运动,E=5。
所述骨质疏松筛查方法还包括显示骨质疏松筛查风险,骨质疏松筛查值OPi<30显示为骨质疏松低风险,OPi=30-60显示为骨质疏松中风险,OPi>60显示为骨质疏松高风险。
一种用于骨质疏松筛查的装置,包括:
基本参数获取单元,用于获取基本参数,所述基本参数包括人口学参数、身体参数和生活习惯参数;
数据处理单元,用于对上述基本参数进行数据处理,分别得到人口学特征值、身体特征值和生活习惯特征值;
筛查值计算单元,用于将上述人口学特征值、身体特征值和生活习惯特征值相加得到骨质疏松筛查值OPi。
一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述方法的步骤。
一种电子设备,包括:
处理器;以及
存储器,用于存储所述处理器的可执行指令;
其中,所述处理器配置为经由执行所述可执行指令来执行上述方法的步骤。
本发明所述的基于计算机的骨质疏松筛查方法和装置,通过向终端输入被筛查者的各项基本参数,然后进行数据处理,得到精确的骨质疏松筛查值。整个筛查过程,被筛查者无需进行额外的检测,只需输入基本参数,终端自动进行数据处理,得到相应的骨质疏松筛查值OPi,并可以显示相应的筛查风险,快速、精准;而且,在使用过程中无需使用X线等放射源,不会对被筛查者和环境造成辐射污染,被筛查者在家中或任何有网络终端的地方都可以进行测试,对硬件、环境、时间的依赖度低,便于骨质疏松筛查的普及和健康宣教。
以下结合附图及具体实施例对本发明做进一步详细描述。
附图说明
图1为实施例1的基于计算机的骨质疏松筛查方法流程图;
图2为257例测试者采用实施例1所述方法得到的测试结果与双能X线检测结果相关性分析图;
图3为实施例2的基于计算机的骨质疏松筛查方法流程图;
图4为257例测试者采用实施例2所述方法得到的测试结果与双能X线检测结果相关性分析图;
图5为骨质疏松筛查装置的结构示意图;
图6为与实施例1相对应的骨质疏松筛查装置的具体模块示意图;
图7为与实施例2相对应的骨质疏松筛查装置的具体模块示意图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而,示例实施方式能够以多种形式实施,且不应被理解为限于在此阐述的范例;相反,提供这些实施方式使得本发明将更加全面和完整,并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。在下面的描述中,提供许多具体细节从而给出对本发明的实施方式的充分理解。然而,本领域技术人员将意识到,可以实践本发明的技术方案而省略所述特定细节中的一个或更多,或者可以采用其它的方法、组元、装置、步骤等。在其它情况下,不详细示出或描述公知技术方案以避免喧宾夺主而使得本发明的各方面变得模糊。
本申请所述的基于计算机的骨质疏松筛查方法中的计算机是指通过程序执行相应步骤的终端,所述终端可以是现有的、正在研发的或将来研发的、能够运行计算机程序或控制服务器运行计算机程序的任何用户设备,包括但不限于:现有的、正在研发的或将来研发的智能手机、非智能手机、平板电脑、膝上型个人计算机、桌面型个人计算机、小型计算机、中型计算机、大型计算机等。所述骨质疏松筛查方法的筛查步骤可以在一个终端中进行,也可以在多个终端中分开执行。
实施例1
本示例实施方式中首先提供了一种基于计算机的骨质疏松筛查方法,如图1所示,包括如下步骤:
S101,获取基本参数,所述基本参数包括人口学参数、身体参数、生活习惯参数,所述人口学参数包括性别和年龄;所述身体参数包括末次月经时间;所述生活习惯参数包括吸烟史。
S102,对上述基本参数进行数据处理,分别得到人口学特征值、身体特征值、生活习惯特征值。其中,
所述人口学特征值包括性别特征值:男性和女性,以及年龄特征值:男性年龄特征值Y1=实际年龄-60,且Y1≥0;女性年龄特征值Y2=实际年龄-55,且Y2≥0。
所述身体特征值包括月经时间特征值L,其中:月经时间特征值L=(T0-l)*2,其中,T0为当年时间或者当年的年龄(按年计),l为末次月经时间或末次月经时的年龄(按年计),L以年计,T0-l为两者的年份差值。
所述生活习惯特征值包括吸烟史特征值S,其中:所述吸烟史特征值S=实际吸烟年数。
S103,将上述年龄特征值、月经时间特征值、吸烟史特征值相加得到骨质疏松筛查值OPi。具体为:
男性骨质疏松筛查值OPi=Y1+S;
女性骨质疏松筛查值OPi=Y2+L+S。
得到骨质疏松筛查值后,显示骨质疏松筛查风险,OPi<30显示为骨质疏松低风险,OPi=30-60显示为骨质疏松中风险,OPi>60显示为骨质疏松高风险。
本实施例所述的骨质疏松筛查方法具体执行时,先向终端输入基本参数或者由终端自动获取基本参数,通过内部数据处理、计算、显示相应的骨质疏松风险,例如:
首先采集被筛查者1的基本参数:包括人口学参数、身体参数和生活习惯参数,具体得到如下数据:女性,82岁,末次月经54岁,无吸烟史。
向终端输入上述被筛查者1的基本参数,性别:女,年龄:82岁,末次月经时间:54岁,吸烟史:无。终端对上述基本参数进行数据处理,得到:
女性年龄特征值Y2=实际年龄-55=82-55=27;
月经时间特征值L=(T0-l)*2=(82-54)*2=56;
吸烟史特征值S=0;
该女性被筛查者的骨质疏松筛查值OPi=Y2+L+S=27+56+0=83,OPi>60,显示为骨质疏松高风险。
被筛查者1通过现有方法中的双能X线检测,测得骨密度T值为-4.8,为严重骨质疏松。T值为骨密度检测中的一个参数,即该检测病人实际测得的骨密度(Da)与同性别青年骨密度均值(Ds)之间的比值,T=(Da-Ds)/Ds。若病人的实际值(Da)低于均值(Ds),表示该病人骨密度有所降低,则T值为负数。骨质疏松越明显则T值越小(绝对值越大)。T值是目前常规骨密度检测和诊断骨质疏松最重要的一个指标。
按上述骨质疏松筛查方法对被筛查者2和3分别进行筛查,其中,被筛查者2的基本参数如下,性别:男,年龄:73岁,吸烟史30年;被筛查者3的基本参数如下,性别:男,年龄:79岁,无吸烟史。对上述基本参数进行数据处理,筛查结果如下表1所示;
表1:本实施例所述骨质疏松筛查方法与双能X线对比表
发明人通过本实施例所述的方法和双能X线分别对257位被筛查者进行骨质疏松测试,将二者结果进行相关性分析,相关性分析如图2所示。横坐标为本实施例的测试结果(OPi值),纵坐标为双能X线骨密度测试结果(T值),每一个小圆点表示一个测试者的结果,斜线为单因素线性相关性分析的拟合结果,二者的相关系数R值为-0.672,统计假设检验P值为0.000。
本实施例所述的基于计算机的骨质疏松筛查方法,通过向终端输入被筛查者的性别、年龄、末次月经时间和吸烟史,然后进行数据处理,得到精确的骨质疏松筛查值。整个筛查过程,被筛查者无需进行额外的检测,只需输入4项基本参数,终端自动进行数据处理,得到相应的骨质疏松筛查值OPi,并显示相应的筛查风险,快速、精准;而且,在使用过程中无需使用X线等放射源,不会对被筛查者和环境造成辐射污染,被筛查者在家中或任何有网络终端的地方都可以进行测试,对硬件、环境、时间的依赖度低,便于骨质疏松筛查的普及和健康宣教。
实施例2
本示例实施方式提供了另一种基于计算机的骨质疏松筛查方法,在实施例1的基础上进一步细化,如图3所示,包括如下步骤:
S101,获取基本参数,所述基本参数包括人口学参数、身体参数、生活习惯参数和血液参数和骨质疏松治疗史,其中,所述血液参数为至少2个单核细胞计数,相邻2个单核细胞计数至少间隔3个月以上。所述人口学参数包括性别和年龄;所述身体参数包括末次月经时间外,还包括体重和/或骨质疏松家族史;所述生活习惯参数包括吸烟史外,还包括是否存在日常规律运动。
S102,对上述基本参数进行数据处理,分别得到人口学特征值、身体特征值、生活习惯特征值和骨质疏松治疗史特征值,同时计算相邻2个单核细胞计数的变化率,得到至少一个单核细胞变化率特征值。
所述人口学特征值包括性别特征值:男性和女性,以及年龄特征值:男性年龄特征值Y1=实际年龄-60,且Y1≥0;女性年龄特征值Y2=实际年龄-55,且Y2≥0。
所述身体特征值包括月经时间特征值L,体重特征值W,以及骨质疏松家族史特征值F,其中:月经时间特征值L=(T0-l)*2,其中,T0为当年时间或者当年的年龄(按年计),l为末次月经时间或者末次月经时的年龄(按年计),L以年计。
男性体重特征值W1=|50-w1|*0.1,w1为实际体重,W1≥0;女性体重特征值W2=|45-w2|*0.1,w2为实际体重,W2≥0。
骨质疏松家族史特征值F=0-5,一般父母一方有骨质疏松病史者为1-2分,父母双方均有骨质疏松者为3-4分,父母任一方有骨质疏松性骨折发生为5分,若无骨质疏松家族史,则F=0。
所述生活习惯特征值包括吸烟史特征值S,以及日常规律运动特征值E,其中:所述吸烟史特征值S=实际吸烟年数;日常规律运动特征值E=0-5,若日常无规律运动,日常规律运动特征值E=5,若每周一次、每次超过20分钟,则E=3,每周2次,则E=2,每周3次及以上,则E=0。
所述骨质疏松治疗史特征值Q=-(规范治疗骨质疏松年数),如被筛查者已规范治疗骨质疏松年数为5年,则Q=-5。
单核细胞变化率特征值MMi=|(Mi-Mi+1)*12*100/Mi+1(Ti+1-Ti)|,其中,Mi为第i个单核细胞计数,单位为10^9,Mi+1为第i+1个单核细胞计数,单位为10^9,Ti和Ti+1分别为第i个单核细胞计数和第i+1个单核细胞计数的检测时间(以月计),Ti+1-Ti为两者的月份差值,i为大于等于1的自然数,单核细胞变化率特征值MMi精确到个位,,在计算骨质疏松筛查值时可以将多个单核细胞变化率特征值相加。
S103,将上述人口学特征值、身体基本特征值、生活习惯特征值、骨质疏松治疗史特征值和单核细胞变化率特征值相加得到骨质疏松筛查值OPi。具体为:
计算得到骨质疏松筛查值后,显示筛查风险,OPi<30显示为骨质疏松低风险,OPi=30-60显示为骨质疏松中风险,OPi>60显示为骨质疏松高风险。
本实施例所述的骨质疏松筛查方法向终端输入基本参数或者由终端自动获取基本参数,通过内部数据处理、计算、显示骨质疏松风险,例如:
首先采集被筛查者1的基本参数:包括人口学参数、身体参数、生活习惯参数、血液参数和骨质疏松治疗史,具体得到如下数据:
女性,82岁,末次月经54岁,家族中有骨质疏松家族史,体重48公斤,无吸烟史,日常不运动,2017年3月测单核细胞计数为:0.48*10^9;2015年10月测单核细胞计数为:0.46*10^9,骨质疏松规范治疗2年。
向终端输入上述被筛查者1的基本参数,性别:女,年龄:82岁,末次月经时间:54岁,体重:48公斤,骨质疏松家族史:有,吸烟史:无,日常规律运动:无,第一次单核细胞计数:0.46*10^9,时间:2015.10,第二次单核细胞计数:0.48*10^9,时间:2017.3,骨质疏松治疗史:2年。
终端对上述基本参数进行数据处理,得到:
女性年龄特征值Y2=实际年龄-55=82-55=26;
月经时间特征值L=(T0-l)*2=(82-54)*2=56;
女性体重特征值W2=|45-w2|*0.1=|45-48|*0.1=3*0.1=0.3;
骨质疏松家族史特征值F=5;
吸烟史特征值S=0;
日常规律运动特征值E=5;
骨质疏松治疗史特征值Q=-2;
单核细胞变化率特征值MMi=|(Mi-Mi+1)*12*100/Mi+1(Ti+1-Ti)|=MM1=|(M1-M2)*12*100/M2(T2-T1)|=|(0.46*10^9-0.48*10^9)*12*100/0.48*10^9*17|≈3。
按上述骨质疏松筛查方法对被筛查者2进行筛查,其中,被筛查者2的基本参数如下,性别:男,年龄:73岁,体重:62公斤,骨质疏松家族史:无,吸烟史:30年(每日20支,以年记),日常无运动,2017年3月测单核细胞计数为:0.37*10^9;2015年10月测单核细胞计数为:0.37*10^9,骨质疏松无规范治疗。计算机对上述基本参数进行数据处理,得到:
男性年龄特征值Y1=13;
男性体重特征值W2=1.2;
骨质疏松家族史特征值F=0;
吸烟史特征值S=30;
日常规律运动特征值E=5;
骨质疏松治疗史特征值Q=0;
单核细胞变化率特征值MM1=0
该男性被筛查者的骨质疏松筛查值OPi=13+1.2+0+30+5+0+0=49.2。
对该筛查值进行风险评估,OPi<60,为骨质疏松中风险。被筛查者2通过现有方法中的双能X线检测,测得骨密度T值为-1.6,为骨量低下。
按上述骨质疏松筛查方法对被筛查者3进行筛查,其中,被筛查者3的基本参数如下,性别:男,年龄:79岁,体重:74公斤,骨质疏松家族史:无,吸烟史:无,日常无运动,2017年3月测单核细胞计数为:0.41*10^9;2015年10月测单核细胞计数为:0.42*10^9,骨质疏松无规范治疗。计算机对上述基本参数进行数据处理,得到:
男性年龄特征值Y1=19;
男性体重特征值W2=24*0.1=2.4;
骨质疏松家族史特征值F=0;
吸烟史特征值S=0;
日常规律运动特征值E=5;
骨质疏松治疗史特征值Q=0;
单核细胞变化率特征值MM1=2
该男性被筛查者的骨质疏松筛查值OPi=19+2.4+0+0+5+2+0=28.4。
对该筛查值进行风险评估,OPi<30,为骨质疏松低风险。被筛查者3通过现有方法中的双能X线检测,测得骨密度T值为-0.2,为骨量正常。
发明人通过本实施例所述的方法和双能X线分别对257位被筛查者进行骨质疏松测试,将二者结果进行相关性分析,相关性分析如图4所示。横坐标为本实施例的测试结果(OPi值),纵坐标为双能X线骨密度测试结果(T值),每一个小圆点表示一个测试者的结果,斜线为单因素线性相关性分析的拟合结果,二者的相关系数R值为-0.835,统计假设检验P值为0.000。
本实施例所述的基于计算机的骨质疏松筛查方法,通过向终端输入被筛查者的性别、年龄、末次月经时间或年龄、体重、骨质疏松家族史、吸烟史、日常规律运动参数、相邻2个单核细胞计数和骨质疏松治疗史,然后进行数据处理,得到更为精确的骨质疏松筛查值。整个筛查过程,被筛查者无需进行额外的检测,只需输入数项基本参数,终端自动进行数据处理,得到相应的骨质疏松筛查值OPi,并显示相应的筛查风险,快速、精准;而且,在使用过程中无需使用X线等放射源,不会对被筛查者和环境造成辐射污染,被筛查者在家中或任何有网络终端的地方都可以进行测试,对硬件、环境、时间的依赖度低,便于骨质疏松筛查的普及和健康宣教。
基于本申请实施例1-2提供的基于计算机的骨质疏松筛查的具体实现方式,本申请实施例还提供了一种用于骨质疏松筛查的装置,下面结合附图5-7,从模块功能化的角度对本申请实施例提供的用于骨质疏松筛查的装置进行介绍。如图5所示,一种用于骨质疏松筛查的装置,包括:
基本参数获取单元10,用于获取基本参数,所述基本参数包括人口学参数、身体参数和生活习惯参数;
数据处理单元20,用于对上述基本参数进行数据处理,分别得到人口学特征值、身体特征值和生活习惯特征值;
筛查值计算单元30,用于将上述人口学特征值、身体特征值和生活习惯特征值相加得到骨质疏松筛查值OPi。
如图6所示,所述基本参数获取单元10包括性别参数获取模块101、年龄参数获取模块102、末次月经时间获取模块103和吸烟史参数获取模块104;
所述数据处理单元20包括与上述基本参数获取单元10内各个模块相对应的性别特征值处理模块201、年龄特征值处理模块202、月经时间特征值处理模块203和吸烟史特征值处理模块204。
如图7所示,为使骨质疏松筛查值OPi更加精确,所述基本参数获取单元10还包括相邻2个单核细胞计数获取模块105、体重参数获取模块106、骨质疏松家族史参数获取模块107、日常规律运动参数获取模块108和骨质疏松治疗史参数获取模块109中的一种或多种。对应的,所述数据处理单元11包括还包括单核细胞变化率特征值处理模块205、体重特征值处理模块206、骨质疏松家族史特征值处理模块207、日常规律运动特征值处理模块208和骨质疏松治疗史特征值处理模块209中的一种或多种。
所述单核细胞变化率特征值处理模块205,用于计算至少间隔3个月的2个单核细胞计数变化率,所述单核细胞变化率特征值MMi=|(Mi-Mi+1)*12*100/Mi+1(Ti+1-Ti)|,其中,Mi为第i个单核细胞计数,单位为10^9,Mi+1为第i+1个单核细胞计数,单位为10^9,Ti和Ti+1分别为第i个单核细胞计数和第i+1个单核细胞计数的检测时间,Ti+1-Ti为两者的月份差值,i为大于等于1的自然数。
所述性别特征值处理模块201中的性别特征值包括男性和女性。
所述年龄特征处理模块202中的男性年龄特征值Y1=实际年龄-60,且Y1≥0;
女性年龄特征值Y2=实际年龄-55,且Y2≥0。
所述月经时间特征值处理模块203中的月经时间特征值L=(T0-l)*2,其中,T0为当年时间或当时年龄(按年计),l为末次月经时间或末次月经时的年龄(按年计),L以年计;
所述吸烟史特征值处理模块204中的吸烟史特征值S=实际吸烟年数。
所述体重特征值处理模块206中的体重特征值W具体为:
男性体重特征值W1=|50-w1|*0.1,w1为实际体重,W1≥0;
女性体重特征值W2=|45-w2|*0.1,w2为实际体重,W2≥0。
所述骨质疏松家族史处理模块207中骨质疏松家族史特征值F=0-5,若无骨质疏松家族史,F=0。
所述日常规律运动处理模块208中的日常规律运动特征值E=0-5,若日常无规律运动,E=5。
所述骨质疏松治疗史特征值处理模块209中的骨质疏松治疗史特征值Q=-(规范治疗骨质疏松年数)。
所述用于骨质疏松筛查的装置还包括显示单元40,用于显示骨质疏松筛查风险,骨质疏松筛查值OPi<30显示为骨质疏松低风险,OPi=30-60显示为骨质疏松中风险,OPi>60显示为骨质疏松高风险。
还提供了一种能够实现上述方法的电子设备。所述电子设备可以是个人计算机、服务器、移动终端(智能手机、可穿戴设备、智能手环、计步器、平板电脑等)、或者网络设备等。所属技术领域的技术人员能够理解,本发明的各个方面可以实现为系统、方法或程序产品。因此,本发明的各个方面可以具体实现为以下形式,即:完全的硬件实施方式、完全的软件实施方式(包括固件、代码等),或硬件和软件方面结合的实施方式,可以统称为“电路”、“模块”或“系统”。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本发明实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台电子设备执行根据上述实施方式的方法。
在本发明的示例性实施例中,还提供了一种计算机可读存储介质,其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施方式中,本发明的各个方面还可以实现为一种程序产品的形式,其包括程序代码,当所述程序产品在电子设备上运行时,所述程序代码用于使所述电子设备执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。
所述程序产品可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码,并可以在电子设备,例如个人电脑上运行。然而,本发明的程序产品不限于此,在本文件中,可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户电子设备上执行、部分地在用户电子设备上执行、作为一个独立的软件包执行、部分在用户电子设备上部分在远程电子设备上执行、或者完全在远程电子设备或服务器上执行。在涉及远程计算设备的情形中,远程电子设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部电子设备(例如利用因特网服务提供商来通过因特网连接)。
此外,上述附图仅是根据本发明示例性实施例的方法所包括的处理的示意性说明,而不是限制目的。易于理解,上述附图所示的处理并不表明或限制这些处理的时间顺序。另外,也易于理解,这些处理可以是例如在多个模块中同步或异步执行的。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本发明的其他实施例。本申请旨在涵盖本发明的任何变型、用途或者适应性变化,这些变型、用途或者适+应性变化遵循本发明的一般性原理并包括本发明未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本发明的真正范围和精神由权利要求指出。
Claims (19)
1.一种基于计算机的骨质疏松筛查方法,其特征在于包括如下步骤:
获取基本参数,所述基本参数包括人口学参数、身体参数、生活习惯参数和血液参数,其中,所述血液参数包括至少一组相邻2个单核细胞计数;
对上述基本参数进行数据处理,分别得到人口学特征值、身体特征值和生活习惯特征值,其中,对相邻2个单核细胞计数进行数据处理,得到单核细胞变化率特征值,所述单核细胞变化率特征值为相邻2个单核细胞计数的变化率,相邻2个单核细胞计数检测至少间隔3个月,所述单核细胞变化率特征值MMi=|(Mi-Mi+1)*12*100/Mi+1(Ti+1-Ti)|,其中,Mi为第i个单核细胞计数,单位为10^9,Mi+1为第i+1个单核细胞计数,单位为10^9,Ti和Ti+1分别为第i个单核细胞计数和第i+1个单核细胞计数的检测时间,Ti+1-Ti为两者的月份差值,i为大于等于1的自然数;
将上述人口学特征值、身体基本特征值、生活习惯特征值和单核细胞变化率特征值相加得到骨质疏松筛查值OPi。
2.如权利要求1所述的一种基于计算机的骨质疏松筛查方法,其特征在于:
所述人口学参数包括被筛查人的性别和年龄;对应的,所述人口学特征值包括性别特征值和年龄特征值Y;
所述身体参数包括被筛查人的末次月经时间、体重参数、骨质疏松家族史参数中的一种或多种,对应的,所述身体特征值包括月经时间特征值L、体重特征值、骨质疏松家族史特征值F中的一种或多种;
所述生活习惯参数包括吸烟史和/或日常规律运动参,对应的,所述生活习惯特征值包括吸烟史特征值S和/或日常规律运动特征值E。
3.如权利要求2所述的一种基于计算机的骨质疏松筛查方法,其特征在于:
所述性别特征值包括男性和女性;
男性年龄特征值Y1=实际年龄-60,且Y1≥0;
女性年龄特征值Y2=实际年龄-55,且Y2≥0;
月经时间特征值L=(T0-l)*2,其中,T0为当年时间或者当年的年龄,按年计,l为末次月经时间或末次月经时的年龄,按年计,L以年计;
所述吸烟史特征值S=实际吸烟年数。
4.如权利要求2所述的一种基于计算机的骨质疏松筛查方法,其特征在于:所述体重特征值W具体为:
男性体重特征值W1=|50-w1|*0.1,w1为实际体重,W1≥0;
女性体重特征值W2=|45-w2|*0.1,w2为实际体重,W2≥0;
骨质疏松家族史特征值F=0-5,若无骨质疏松家族史,F=0;
日常规律运动特征值E=0-5,若日常无规律运动,E=5。
6.如权利要求1所述的一种基于计算机的骨质疏松筛查方法,其特征在于:所述骨质疏松筛查方法还包括显示骨质疏松筛查风险,骨质疏松筛查值OPi<30显示为骨质疏松低风险,OPi=30-60显示为骨质疏松中风险,OPi>60显示为骨质疏松高风险。
7.一种用于骨质疏松筛查的装置,其特征在于,包括:
基本参数获取单元,用于获取基本参数,所述基本参数包括人口学参数、身体参数和生活习惯参数,其中,所述基本参数获取单元还包括相邻2个单核细胞计数获取块;数据处理单元,用于对上述基本参数进行数据处理,分别得到人口学特征值、身体特征值和生活习惯特征值,其中,所述数据处理单元还包括单核细胞变化率特征值处理模块,所述单核细胞变化率特征值处理模块,用于计算至少间隔3个月的2个单核细胞计数变化率,所述单核细胞变化率特征MMi=|(Mi-Mi+1)*12*100/Mi+1(Ti+1-Ti)|,其中,Mi为第i个单核细胞计数,单位为10^9,Mi+1为第i+1个单核细胞计数,单位为10^9,Ti和Ti+1分别为第i个单核细胞计数和第i+1个单核细胞计数的检测时间,Ti+1-Ti为两者的月份差值,i为大于等于1的自然数;筛查值计算单元,用于将上述人口学特征值、身体基本特征值、生活习惯特征值和单核细胞变化率特征值相加得到骨质疏松筛查值OPi。
8.如权利要求7所述的一种用于骨质疏松筛查的装置,其特征在于:
所述基本参数获取单元包括性别参数获取模块、年龄参数获取模块、末次月经时间获取模块和吸烟史参数获取模块;
所述数据处理单元包括与所述基本参数获取单元内各个模块相对应的性别特征值处理模块、年龄特征值处理模块、月经时间特征值处理模块和吸烟史特征值处理模块。
9.如权利要求7所述的一种用于骨质疏松筛查的装置,其特征在于:所述基本参数获取单元还包括体重参数获取模块、骨质疏松家族史参数获取模块、日常规律运动参数获取模块和骨质疏松治疗史参数获取模块中的一种或多种;
所述数据处理单元包括还包括体重特征值处理模块、骨质疏松家族史特征值处理模块、日常规律运动特征值处理模块和骨质疏松治疗史特征值处理模块中的一种或多种。
10.如权利要求8所述的一种用于骨质疏松筛查的装置,其特征在于:
所述性别特征值处理模块中的性别特征值包括男性和女性;
所述年龄特征处理模块中的男性年龄特征值Y1=实际年龄-60,且Y1≥0;
女性年龄特征值Y2=实际年龄-55,且Y2≥0。
11.如权利要求8所述的一种用于骨质疏松筛查的装置,其特征在于:
所述月经时间特征值处理模块中的月经时间特征值L=(T0-l)*2,其中,T0为当年时间或当时年龄(按年计),l为末次月经时间或末次月经时的年龄(按年计),L以年计;
所述吸烟史特征值处理模块中的吸烟史特征值S=实际吸烟年数。
12.如权利要求9所述的一种用于骨质疏松筛查的装置,其特征在于:
所述体重特征值处理模块中的体重特征值W具体为:
男性体重特征值W1=|50-w1|*0.1,w1为实际体重,W1≥0;
女性体重特征值W2=|45-w2|*0.1,w2为实际体重,W2≥0。
13.如权利要求9所述的一种用于骨质疏松筛查的装置,其特征在于:
所述骨质疏松家族史处理模块中骨质疏松家族史特征值F=0-5,若无骨质疏松家族史,F=0。
14.如权利要求9所述的一种用于骨质疏松筛查的装置,其特征在于:
所述日常规律运动处理模块中的日常规律运动特征值E=0-5,若日常无规律运动,E=5。
15.如权利要求9所述的一种用于骨质疏松筛查的装置,其特征在于:
所述骨质疏松治疗史特征值处理模块中的骨质疏松治疗史特征值Q=-(规范治疗骨质疏松年数)。
17.如权利要求7所述的一种用于骨质疏松筛查的装置,其特征在于:所述用于骨质疏松筛查的装置还包括显示单元,用于显示骨质疏松筛查风险,骨质疏松筛查值OPi<30显示为骨质疏松低风险,OPi=30-60显示为骨质疏松中风险,OPi>60显示为骨质疏松高风险。
18.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现权利要求1~6任一项所述方法的步骤。
19.一种电子设备,其特征在于,包括:
处理器;以及
存储器,用于存储所述处理器的可执行指令;
其中,所述处理器配置为经由执行所述可执行指令来执行权利要求1~6任一项所述方法的步骤。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810372110 | 2018-04-24 | ||
CN2018103721109 | 2018-04-24 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108877950A CN108877950A (zh) | 2018-11-23 |
CN108877950B true CN108877950B (zh) | 2021-07-06 |
Family
ID=64338738
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810597633.3A Active CN108877950B (zh) | 2018-04-24 | 2018-06-12 | 一种基于计算机的骨质疏松筛查方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108877950B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1194045A (zh) * | 1995-07-25 | 1998-09-23 | 好乐思治疗公司 | 计算机辅助疾病诊断方法 |
WO2015058729A1 (zh) * | 2013-10-27 | 2015-04-30 | 闫波 | 用于健康综合评估的系统及其方法 |
-
2018
- 2018-06-12 CN CN201810597633.3A patent/CN108877950B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1194045A (zh) * | 1995-07-25 | 1998-09-23 | 好乐思治疗公司 | 计算机辅助疾病诊断方法 |
WO2015058729A1 (zh) * | 2013-10-27 | 2015-04-30 | 闫波 | 用于健康综合评估的系统及其方法 |
Non-Patent Citations (3)
Title |
---|
崔新雯.未绝经女性骨量减少风险评估工具的研制与检验.《中国优秀硕士学位论文全文数据库 医药卫生科技辑》.2015,正文第4-50页. * |
未绝经女性骨量减少风险评估工具的研制与检验;崔新雯;《中国优秀硕士学位论文全文数据库 医药卫生科技辑》;20151215;正文第4-50页 * |
骨质疏松的基础与应用研究;钱宇等;《中国知网-科技成果》;20171231;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN108877950A (zh) | 2018-11-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Singh et al. | Rate, risk factors and causes of mortality in patients with Sjögren’s syndrome: a systematic review and meta-analysis of cohort studies | |
Moss et al. | European guidelines for quality assurance in colorectal cancer screening and diagnosis. –Evaluation and interpretation of screening outcomes | |
Lujan et al. | Updated ultrasound criteria for polycystic ovary syndrome: reliable thresholds for elevated follicle population and ovarian volume | |
Hollis et al. | Modifiable risk factors of maternal postpartum weight retention: an analysis of their combined impact and potential opportunities for prevention | |
Biro et al. | Pubertal assessment method and baseline characteristics in a mixed longitudinal study of girls | |
Wang et al. | Forecasting the obesity epidemic in the aging US population | |
Healy et al. | Methodological considerations in cohort study designs | |
Hegde et al. | The applicability of the Demirjian, Willems and Chaillet standards to age estimation of 5-15 year old Indian children | |
van Gelder et al. | Using web-based questionnaires and obstetric records to assess general health characteristics among pregnant women: a validation study | |
Raza et al. | Effect of training on qualitative mammographic density assessment | |
Canfell et al. | Clinical relevance and validity of tools to predict infant, childhood and adulthood obesity: a systematic review | |
Farjah et al. | An automated method for identifying individuals with a lung nodule can be feasibly implemented across health systems | |
Suhaimi et al. | Effects of reduced compression in digital breast tomosynthesis on pain, anxiety, and image quality | |
Conceição et al. | Translation, cross-cultural adaptation and validation of the Finnish Diabetes Risk Score (FINDRISC) for use in Brazilian Portuguese: questionnaire validity study | |
Nourbakhsh et al. | Associations between maternal anthropometric characteristics and infant birth weight in Iranian population | |
CN107506606A (zh) | 常见疾病风险预测方法及系统 | |
Anderson et al. | Validity of state cancer registry treatment information for adolescent and young adult women | |
CN108877950B (zh) | 一种基于计算机的骨质疏松筛查方法和装置 | |
CN111768868A (zh) | 信息处理方法及装置、电子设备和存储介质 | |
Ham et al. | Association between health behaviors and a family history of cancer among Korean women | |
Goede et al. | The impact of stratifying by family history in colorectal cancer screening programs | |
dos Santos RD et al. | Low‐cost and fast‐performing indicators of muscle mass loss are good predictors of clinical outcomes in hospitalized patients: A longitudinal observational study | |
De Novaes et al. | Does the body mass index reflect cardiovascular risk factors in Brazilian children? | |
Bodner et al. | Accuracy and congruence of patient and physician weight-related discussions: from Project CHAT (Communicating Health: Analyzing Talk) | |
Kuhn et al. | Validation of a small cough detector |
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 |