CN109300515A - 基于大数据分析的健康管理系统 - Google Patents
基于大数据分析的健康管理系统 Download PDFInfo
- Publication number
- CN109300515A CN109300515A CN201811141260.5A CN201811141260A CN109300515A CN 109300515 A CN109300515 A CN 109300515A CN 201811141260 A CN201811141260 A CN 201811141260A CN 109300515 A CN109300515 A CN 109300515A
- Authority
- CN
- China
- Prior art keywords
- health
- crowd
- value
- data
- evaluating
- 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
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/20—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for electronic clinical trials or questionnaires
-
- 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
- G16H70/00—ICT specially adapted for the handling or processing of medical references
- G16H70/20—ICT specially adapted for the handling or processing of medical references relating to practices or guidelines
Abstract
本发明公开了基于大数据分析的健康管理系统,包括数据采集端、健康评估、制定干预计划和健康管理师,数据采集端包括体检数据、生活习惯和患病记录;数据采集端连接云端进行数据收集,从而进行健康评估,健康评估把人群划分为正常健康人群、低危人群、高危人群、疾病人群和并发症人群,健康评估划分为多级人群后需要针对相应的人群制定干预计划,健康管理师通过指导方式指导人群进行调理。本发明能够进行健康管理相关的大数据分析,并用于生产实践中,用机器运算代替人工操作,可节省健康管理活动的人力资源成本,可降低单客成本,可在有限的资源投入下让更多客户享受优质的健康管理服务,进而使得客户的生命质量得到提高。
Description
技术领域
本发明涉及健康管理技术领域,尤其涉及基于大数据分析的健康管理系统。
背景技术
健康管理系统的主要工作是收集客户健康信息,帮助健康管理师对客户的健康状况进行分析评估,并根据评估得到的健康危险因素制定相应的干预计划,再依照干预计划定期对客户进行健康干预,从而使客户的生命质量得到提高。
在实际应用中,现有的健康管理系统在健康评估和指定干预计划上都需要健康管理师进行人工操作,并且对健康管理师的经验和业务素养有一定的要求,健康管理机构需要投入大量的人力资源,而人力资源成本是健康管理的主要成本,鉴于此,本发明提供基于大数据分析的健康管理系统。
发明内容
本发明的目的是为了解决现有技术中现有的健康管理系统在健康评估和指定干预计划上都需要健康管理师进行人工操作,并且对健康管理师的经验和业务素养有一定的要求,健康管理机构需要投入大量的人力资源,而人力资源成本是健康管理的主要成本等缺点,而提出的基于大数据分析的健康管理系统。
为了实现上述目的,本发明采用了如下技术方案:
基于大数据分析的健康管理系统,包括数据采集端、健康评估、制定干预计划和健康管理师,所述数据采集端包括体检数据、生活习惯和患病记录;数据采集端连接云端进行数据收集,从而进行健康评估,所述健康评估把人群划分为正常健康人群、低危人群、高危人群、疾病人群和并发症人群,所述健康评估划分为多级人群后需要针对相应的人群制定干预计划,其中制定干预计划中包括多个计划,且每个计划相对应每个人群,所述健康管理师审核、修改健康评估中的数据以及制定干预计划中的数据、步骤,其中健康管理师把修改后的健康评估数据以及制定干预计划中的数据、步骤储存在储存模块中,所述健康管理师通过指导方式指导人群进行治疗;
所述体检数据是客户在健康体检中的数据;
所述生活习惯是健康问卷采集;
所述患病记录包括查询医院系统、云端服务器和查询各个医院患者数据库,其中查询医院系统信号连接云端服务器,所述云端服务器导线连接查询各个医院患者数据库;
所述治疗是按照制定干预计划实施治疗。
优选的,所述健康问卷采集的方式为自填式问卷。
优选的,所述健康问卷采集的方式为访问式问卷。
优选的,所述信号连接采用4G网络和5G网络中的任意一种。
本发明提出的基于大数据分析的健康管理系统,有益效果在于:本发明能够进行健康管理相关的大数据分析,并用于生产实践中,用机器运算代替人工操作,可节省健康管理活动的人力资源成本,可降低单客成本,可在有限的资源投入下让更多客户享受优质的健康管理服务,进而使得客户的生命质量得到提高。
附图说明
图1为本发明整体的健康管理流程示意图。
具体实施方式
下面将结合本发明实施例中的附图,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。
参照图1,基于大数据分析的健康管理系统,包括数据采集端、健康评估、制定干预计划和健康管理师,数据采集端包括体检数据、生活习惯和患病记录;数据采集端连接云端进行数据收集,从而进行健康评估,健康评估把人群划分为正常健康人群、低危人群、高危人群、疾病人群和并发症人群,健康评估划分为多级人群后需要针对相应的人群制定干预计划,其中制定干预计划中包括多个计划,且每个计划相对应每个人群,健康管理师审核、修改健康评估中的数据以及制定干预计划中的数据、步骤,其中健康管理师把修改后的健康评估数据以及制定干预计划中的数据、步骤储存在储存模块中,健康管理师通过指导方式指导人群进行治疗。
体检数据是客户在体检治疗中的数据;生活习惯是健康问卷采集,健康问卷采集的方式为自填式问卷或者访问式问卷;患病记录包括查询医院系统、云端服务器和查询各个医院患者数据库,其中查询医院系统信号连接云端服务器,信号连接采用4G网络和5G网络中的任意一种,云端服务器导线连接查询各个医院患者数据库;治疗是按照制定干预计划实施治疗,本发明能够进行健康管理相关的大数据分析,并用于生产实践中,用机器运算代替人工操作,可节省健康管理活动的人力资源成本,可降低单客成本,可在有限的资源投入下让更多客户享受优质的健康管理服务,进而使得客户的生命质量得到提高。
以下相关的健康评估模型及因素,把前4大项的因素分数相加后,得到第5大项的健康评估结果。
一、慢病风险评估
评估项共有7个,分别是
1、高血压
2、糖尿病
3、冠心病
4、肥胖症
5、脑卒中
6、前列腺癌
7、乳腺癌
具体健康评估模型如下:
(1)高血压
相关指标:总胆固醇、甘油三酯、血尿酸、收缩压、舒张压、体重系数、年龄、腰围。
计算方法:评估值=(结果值-Min)×Quo /Mul +InitValue
具体如下:
总胆固醇:
如果结果值在0-30之间:评估值=(结果值-0)×0.01 /0.03 + (-1)
甘油三酯:
如果结果值在0-20之间:评估值=(结果值-0)×0.005 /0.01 + (-0.3)
血尿酸:
如果结果值在50-2000之间:评估值=(结果值-50)×0.01 /1 + (-0.1)
收缩压:
如果结果值在60-90之间:评估值=(结果值-60)×0.08 /1 + (-2.5)
如果结果值在90-120之间:评估值=(结果值-90)×0.05 /1 + (-0.1)
如果结果值在120-140之间:评估值=(结果值-120)×0.4 /1 + 1.4
如果结果值在140-160之间:评估值=(结果值-140)×1.8 /1 + 9.4
如果结果值在160-300之间:评估值=(结果值-160)×2 /1 + 45.4
舒张压:
如果结果值在30-60之间:评估值=(结果值-30)×0.05 /1 + (-1.6)
如果结果值在60-80之间:评估值=(结果值-60)×0.06 /1 + (-0.1)
如果结果值在80-90之间:评估值=(结果值-80)×1 /1 + 1.1
如果结果值在90-200之间:评估值=(结果值-90)×2 /1 + 11.1
体重系数:
如果结果值在12-18.5之间:评估值=(结果值-12)×0.01 /0.5 + (-0.2)
如果结果值在18.5-24之间:评估值=(结果值-18.5)×0.01 /0.05 + (-0.07)
如果结果值在24-28之间:评估值=(结果值-24)×0.06 /0.05 + 1.03
如果结果值在28-50之间:评估值=(结果值-28)×0.08 /0.05 + 5.83
年龄:
如果结果值在0-18之间:评估值=(结果值-0)×0.01 /1 + 0
如果结果值在18-30之间:评估值=(结果值-18)×0.03 /1 + 0.18
如果结果值在30-40之间:评估值=(结果值-30)×0.08 /1 + 0.54
如果结果值在40-50之间:评估值=(结果值-40)×0.1 /1 + 1.34
如果结果值在50-70之间:评估值=(结果值-50)×0.2 /1 + 2.34
如果结果值在70-80之间:评估值=(结果值-70)×0.05 /1 + 6.34
如果结果值在80-90之间:评估值=(结果值-80)×0.01 /1 + 6.84
如果结果值在90-120之间:评估值=(结果值-90)×(-0.1) /1 + 6.94
腰围:
如果结果值在40-85之间:评估值=(结果值-40)×0.002 /0.1 + (-0.8)
如果结果值在85-95之间:评估值=(结果值-85)×0.02 /0.1 + 0.1
如果结果值在95-120之间:评估值=(结果值-95)×0.02 /0.1 + 2.1
如果结果值在120-200之间:评估值=(结果值-120)×0.01 /0.1 + 7.1
评估值=所有评估值相加
特殊条件:如果存在“血清铅”项目,并且结果值 ≥1.93(参考值:<1.93),并且评估值 <20,评估值定为25。
(2)糖尿病
相关指标:餐后2h血糖、总胆固醇、甘油三酯、年龄、体重系数、空腹血糖、糖化血红蛋白
计算方法:评估值=(结果值-Min)×Quo /Mul +InitValue
评估值=所有评估值相加
特殊条件:如果存在“糖化血红蛋白”项目,并且结果值 ≥6.3(参考值:4.2-6.2),并且评估值 <50,评估值定为53。
(3)冠心病
相关指标:年龄、总胆固醇、低密度脂蛋白胆固醇、收缩压、舒张压、体重系数
计算方法:评估值=(结果值-Min)×Quo /Mul +InitValue
评估值=所有评估值相加
特殊条件:如果存在“总胆固醇”项目,并且结果值> 5.7并且≤7.0(参考值:3.1-5.7),并且评估值 <20,评估值定为25;如果结果值> 7.0,并且评估值 <50,评估值定为53。
(4)肥胖症
相关指标:年龄、体重系数、总胆固醇、甘油三酯、腰围
计算方法:评估值=(结果值-Min)×Quo /Mul +InitValue
评估值=所有评估值相加
特殊条件:无
(5)脑卒中
相关指标:收缩压、舒张压、年龄、同型半胱氨酸、体重系数
计算方法:评估值=(结果值-Min)×Quo /Mul +InitValue
评估值=所有评估值相加
特殊条件:无
(6)前列腺癌
相关指标:前列腺特异性抗原、年龄、甲胎蛋白、癌胚抗原、总前列腺特异性抗原
计算方法:评估值=(结果值-Min)×Quo /Mul +InitValue
评估值=所有评估值相加
特殊条件:如果存在“体重指数”、“甘油三酯”和“总胆固醇”项目,并且“体重指数” ≥28或“甘油三酯”> 1.7或“总胆固醇”> 5.7,即三个条件满足任意一条,并且评估值 <20,评估值定为25;如果“体重指数” ≥28并且“甘油三酯”> 1.7,并且评估值 <50,评估值定为53;如果“体重指数” ≥28并且“总胆固醇”> 5.7,并且评估值 <50,评估值定为53。
(7)乳腺癌
相关指标:糖链抗原15-3、年龄、恶性肿瘤特异性生长因子、癌胚抗原
计算方法:评估值=(结果值-Min)×Quo /Mul +InitValue
评估值=所有评估值相加
特殊条件:无
二、体检结果异常评估
涉及危害因素共有7个,分别是
1、高血压
2、糖尿病
3、冠心病
4、肥胖症
5、脑卒中
6、前列腺癌
7、乳腺癌
具体健康评估模型如下:
(1)高血压
相关指标:高血压病(a1476丨99)、糖尿病(a1507丨2)。
计算方法:先判断指标中有没有决定性因素的疾病,如果有,则确定为相关疾病;如果没有,则累加其余疾病的分数值。
本例中,高血压病为决定性因素,所以,如果有高血压病,则最终得分=99;如果仅有糖尿病,则最终得分=2
(2)糖尿病
相关指标:高血压病(a1469丨2)、糖尿病(a1477丨99)、尿糖偏高(a1505丨4)。
计算方法:先判断指标中有没有决定性因素的疾病,如果有,则确定为相关疾病;如果没有,则累加其余疾病的分数值。
(3)冠心病
相关指标:高血压病(a1478丨4)、冠心病(a1479丨99)、糖尿病(a1480丨4)、冠脉粥样硬化(a1512丨99)。
计算方法:先判断指标中有没有决定性因素的疾病,如果有,则确定为相关疾病;如果没有,则累加其余疾病的分数值。
特殊条件:对这三种疾病:高血压病(a1476)、糖尿病(a1477)、肥胖(a1483),如果同时有“高血压病(a1476)”和“糖尿病(a1477)”,或者同时有“高血压病(a1476)”和“肥胖(a1483)”,则异常分数值为80。
(4)肥胖症
相关指标:肥胖(a1483丨99)。
计算方法:先判断指标中有没有决定性因素的疾病,如果有,则确定为相关疾病;如果没有,则累加其余疾病的分数值。
(5)脑卒中
相关指标:中风后遗症(a1484丨30)、高血压病(a1485丨10)、糖尿病(a1487丨3)、中风相关疾病(a1508丨5)、血脂异常(a1510丨1)、动脉粥样硬化(a1511丨15)。
计算方法:先判断指标中有没有决定性因素的疾病,如果有,则确定为相关疾病;如果没有,则累加其余疾病的分数值。
特殊条件:如果有“动脉粥样硬化”,异常分数值固定为53;如果有“血脂异常”、“高血压病”、“中风相关疾病”、“中风后遗症”、“体重指数>24”这5个条件,满足2个条件并且异常分数值<50,则异常分数值为23;满足3个及以上条件,异常分数值为80。
(6)前列腺癌
相关指标:前列腺癌相关疾病(a1471丨0.5)、前列腺炎(a1490丨3)、前列腺增生(a1491丨3)、前列腺结石(a1492丨15)、前列腺癌(a1493丨99)。
计算方法:先判断指标中有没有决定性因素的疾病,如果有,则确定为相关疾病;如果没有,则累加其余疾病的分数值。
(7)乳腺癌
相关指标:乳腺癌相关疾病(a1472丨0.5)、乳腺癌(a1494丨99)、乳腺小叶增生(a1495丨5)、乳腺低回声区(a1504丨5)。
计算方法:先判断指标中有没有决定性因素的疾病,如果有,则确定为相关疾病;如果没有,则累加其余疾病的分数值。
三、问卷测试评估
评估项共有7个,分别是
1、高血压
2、糖尿病
3、冠心病
4、肥胖症
5、脑卒中
6、前列腺癌
7、乳腺癌
具体健康评估模型如下:
(1)高血压
计算方法:InitValue值累加。
其余6项评估方法都一样。
四、既往史和家族史评估(不可变风险评估)
评估项共有7个,分别是
1、高血压
2、糖尿病
3、冠心病
4、肥胖症
5、脑卒中
6、前列腺癌
7、乳腺癌
具体健康评估模型如下:
(1)高血压
计算方法:如果“父高血压(b01)”,分数值加3;如果“母高血压(b02)”,分数值加2;如果“祖父母高血压(b03)”,分数值加1;如果“外祖父母高血压(04)”,分数值加0.8。
(2)糖尿病
计算方法:如果“父糖尿病(b07)”,分数值加2;如果“母糖尿病(b08)”,分数值加2;如果“祖父母糖尿病(b09)”,分数值加0.5;如果“外祖父母糖尿病(b10)”,分数值加0.5。
(3)冠心病
计算方法:如果“父冠心病(b13)”,分数值加3;如果“母冠心病(b14)”,分数值加2;如果“祖父母冠心病(b15)”,分数值加0.2;如果“外祖父母冠心病(b16)”,分数值加0.1。
(4)肥胖症
计算方法:如果“父肥胖(b25)”,分数值加3;如果“母肥胖(b26)”,分数值加2;如果“祖父母肥胖(b27)”,分数值加1;如果“外祖父母肥胖(b28)”,分数值加1。
(5)脑卒中
计算方法:如果“父脑溢血(b31)”,分数值加2.5;如果“母脑溢血(b32)”,分数值加2;如果“祖父母脑溢血(b33)”,分数值加0.5;如果“外祖父母脑溢血(b34)”,分数值加0.5。
(6)前列腺癌
计算方法:如果“父前列腺癌(b43)”,分数值加2;如果“祖父母前列腺癌(b44)”,分数值加1.5;如果“外祖父母前列腺癌(b45)”,分数值加1。
(7)乳腺癌
计算方法:如果“母乳腺癌(b48)”,分数值加2.5;如果“祖父母乳腺癌(b49)”,分数值加1;如果“外祖父母乳腺癌(b50)”,分数值加2。
五、疾病风险评估项
由前4项的分数相加得到最终的分数,范围在0-99之间。
0-20:低危风险
20-50:中危风险
50-100:高危风险
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (4)
1.基于大数据分析的健康管理系统,包括数据采集端、健康评估、制定干预计划和健康管理师,其特征在于:所述数据采集端包括体检数据、生活习惯和患病记录;数据采集端连接云端进行数据收集,从而进行健康评估,所述健康评估把人群划分为正常健康人群、低危人群、高危人群、疾病人群和并发症人群,所述健康评估划分为多级人群后需要针对相应的人群制定干预计划,其中制定干预计划中包括多个计划,且每个计划相对应每个人群,所述健康管理师审核、修改健康评估中的数据以及制定干预计划中的数据、步骤,其中健康管理师把修改后的健康评估数据以及制定干预计划中的数据、步骤储存在储存模块中,所述健康管理师通过指导方式指导人群进行治疗;
所述体检数据是客户在健康体检的数据;
所述生活习惯是健康问卷采集;
所述患病记录包括查询医院系统、云端服务器和查询各个医院患者数据库,其中查询医院系统信号连接云端服务器,所述云端服务器导线连接查询各个医院患者数据库;
所述治疗是按照制定干预计划实施治疗。
2.根据权利要求1所述的基于大数据分析的健康管理系统,其特征在于:所述健康问卷采集的方式为自填式问卷。
3.根据权利要求1所述的基于大数据分析的健康管理系统,其特征在于:所述健康问卷采集的方式为访问式问卷。
4.根据权利要求1所述的基于大数据分析的健康管理系统,其特征在于:所述信号连接采用4G网络和5G网络中的任意一种。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811141260.5A CN109300515A (zh) | 2018-09-28 | 2018-09-28 | 基于大数据分析的健康管理系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811141260.5A CN109300515A (zh) | 2018-09-28 | 2018-09-28 | 基于大数据分析的健康管理系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109300515A true CN109300515A (zh) | 2019-02-01 |
Family
ID=65164838
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811141260.5A Pending CN109300515A (zh) | 2018-09-28 | 2018-09-28 | 基于大数据分析的健康管理系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109300515A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110465004A (zh) * | 2019-08-02 | 2019-11-19 | 北京全域医疗技术集团有限公司 | 一种云放射治疗计划系统及放射治疗计划的生成方法 |
CN110782990A (zh) * | 2019-10-12 | 2020-02-11 | 广东徕康医疗科技有限公司 | 用于基层公卫服务脑卒中风险评估的方法、系统及移动平台 |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102930491A (zh) * | 2012-11-05 | 2013-02-13 | 苏州天奥体育科技有限公司 | 一种体重管理服务系统及方法 |
CN102999686A (zh) * | 2011-09-19 | 2013-03-27 | 上海煜策信息科技有限公司 | 一种健康管理系统及其实现方法 |
CN103942432A (zh) * | 2014-04-21 | 2014-07-23 | 新疆博弈石油科技有限公司 | 智慧健康管理系统 |
CN103970998A (zh) * | 2014-05-08 | 2014-08-06 | 高萍 | 基于慢病智慧营养干预为核心的云健康管理系统 |
CN104318351A (zh) * | 2014-10-10 | 2015-01-28 | 中国中医科学院中医临床基础医学研究所 | 一种中医健康管理系统和方法 |
CN104834989A (zh) * | 2015-03-27 | 2015-08-12 | 首都医科大学附属北京世纪坛医院 | 一种多病种慢性病信息管理系统 |
CN105260973A (zh) * | 2015-11-19 | 2016-01-20 | 东北电力大学 | 一种基于大数据和互联网的老年健康监护系统 |
CN105956975A (zh) * | 2016-04-21 | 2016-09-21 | 中国石油化工股份有限公司 | 一种职业健康检查项目决策系统 |
CN106066938A (zh) * | 2016-06-03 | 2016-11-02 | 贡京京 | 一种疾病预防和健康管理方法及系统 |
CN106407643A (zh) * | 2016-08-03 | 2017-02-15 | 无锡金世纪国民体质与健康研究有限公司 | 一种健康风险评估系统的建立方法 |
CN106909769A (zh) * | 2016-09-30 | 2017-06-30 | 马立明 | 大数据心血管疾病风险监控系统 |
CN107085817A (zh) * | 2017-05-27 | 2017-08-22 | 北京医健保健康管理有限公司 | 医疗系统 |
CN107292089A (zh) * | 2017-05-27 | 2017-10-24 | 深圳市前海安测信息技术有限公司 | 中医治未病健康管理系统及方法 |
CN107658023A (zh) * | 2017-09-25 | 2018-02-02 | 泰康保险集团股份有限公司 | 疾病预测方法、装置、介质和电子设备 |
CN207251679U (zh) * | 2017-09-20 | 2018-04-17 | 上海林康医疗信息技术有限公司 | 在线跟踪慢病患者疗效的系统 |
CN108492880A (zh) * | 2018-05-16 | 2018-09-04 | 刘凤江 | 一种基于互联网平台的智能健康状态测量系统及评级方法 |
-
2018
- 2018-09-28 CN CN201811141260.5A patent/CN109300515A/zh active Pending
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102999686A (zh) * | 2011-09-19 | 2013-03-27 | 上海煜策信息科技有限公司 | 一种健康管理系统及其实现方法 |
CN102930491A (zh) * | 2012-11-05 | 2013-02-13 | 苏州天奥体育科技有限公司 | 一种体重管理服务系统及方法 |
CN103942432A (zh) * | 2014-04-21 | 2014-07-23 | 新疆博弈石油科技有限公司 | 智慧健康管理系统 |
CN103970998A (zh) * | 2014-05-08 | 2014-08-06 | 高萍 | 基于慢病智慧营养干预为核心的云健康管理系统 |
CN104318351A (zh) * | 2014-10-10 | 2015-01-28 | 中国中医科学院中医临床基础医学研究所 | 一种中医健康管理系统和方法 |
CN104834989A (zh) * | 2015-03-27 | 2015-08-12 | 首都医科大学附属北京世纪坛医院 | 一种多病种慢性病信息管理系统 |
CN105260973A (zh) * | 2015-11-19 | 2016-01-20 | 东北电力大学 | 一种基于大数据和互联网的老年健康监护系统 |
CN105956975A (zh) * | 2016-04-21 | 2016-09-21 | 中国石油化工股份有限公司 | 一种职业健康检查项目决策系统 |
CN106066938A (zh) * | 2016-06-03 | 2016-11-02 | 贡京京 | 一种疾病预防和健康管理方法及系统 |
CN106407643A (zh) * | 2016-08-03 | 2017-02-15 | 无锡金世纪国民体质与健康研究有限公司 | 一种健康风险评估系统的建立方法 |
CN106909769A (zh) * | 2016-09-30 | 2017-06-30 | 马立明 | 大数据心血管疾病风险监控系统 |
CN107085817A (zh) * | 2017-05-27 | 2017-08-22 | 北京医健保健康管理有限公司 | 医疗系统 |
CN107292089A (zh) * | 2017-05-27 | 2017-10-24 | 深圳市前海安测信息技术有限公司 | 中医治未病健康管理系统及方法 |
CN207251679U (zh) * | 2017-09-20 | 2018-04-17 | 上海林康医疗信息技术有限公司 | 在线跟踪慢病患者疗效的系统 |
CN107658023A (zh) * | 2017-09-25 | 2018-02-02 | 泰康保险集团股份有限公司 | 疾病预测方法、装置、介质和电子设备 |
CN108492880A (zh) * | 2018-05-16 | 2018-09-04 | 刘凤江 | 一种基于互联网平台的智能健康状态测量系统及评级方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110465004A (zh) * | 2019-08-02 | 2019-11-19 | 北京全域医疗技术集团有限公司 | 一种云放射治疗计划系统及放射治疗计划的生成方法 |
CN110782990A (zh) * | 2019-10-12 | 2020-02-11 | 广东徕康医疗科技有限公司 | 用于基层公卫服务脑卒中风险评估的方法、系统及移动平台 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Maron et al. | Survival after cardiac transplantation in patients with hypertrophic cardiomyopathy | |
Pfaffenberger et al. | Size matters! Impact of age, sex, height, and weight on the normal heart size | |
Fang et al. | Isolated diastolic hypertension: a favorable finding among young and middle-aged hypertensive subjects | |
Swickard et al. | Adaptation of the AACN synergy model for patient care to critical care transport | |
US10417388B2 (en) | Apparatus and method for providing virtual treatment experience | |
Lumens et al. | Longitudinal Strain: “Think Globally, Track Locally” | |
Sangaralingham et al. | Cardiac micro–computed tomography imaging of the aging coronary vasculature | |
CN109300515A (zh) | 基于大数据分析的健康管理系统 | |
Jacobs | Anomalous aortic origin of a coronary artery: the gaps and the guidelines | |
Inuzuka et al. | Single‐beat estimation of right ventricular contractility and its coupling to pulmonary arterial load in patients with pulmonary hypertension | |
Novo et al. | Wivern: a web-based system enabling computer-aided diagnosis and interdisciplinary expert collaboration for vascular research | |
Gastounioti et al. | CAROTID–A web-based platform for optimal personalized management of atherosclerotic patients | |
JP2024504037A (ja) | ラジオ波パラメータ設定方法、装置、システム、およびコンピュータ可読記憶媒体 | |
Fernandes et al. | Adult congenital heart disease incidence and consultation: a survey of general adult cardiologists | |
Copplestone et al. | A narrative review of the clinical application of pressure reactiviy indices in the neurocritical care unit | |
AZİZAN | Mapping the Muscle Mass: A Birds-Eye View of Sarcopenia Research Through Bibliometric Network Analysis | |
Thiele et al. | Assessment of the agreement between photoplethysmographic and arterial waveform respiratory variation in patients undergoing spine surgery | |
JP6128383B2 (ja) | 3次元画像解析表示制御装置および方法並びにプログラム | |
CN110277156A (zh) | 基于大数据的信息精准推送系统 | |
CN205866740U (zh) | 一种同步获取多维心跳信息的采集装置 | |
Cashion et al. | Response to the Commentary: Precision Health: Using omics to optimize self-management of chronic pain in aging: From the perspective of the NINR Intramural Research Program | |
CN107633879A (zh) | 一种智能疾病诊断系统 | |
Palmer | Pulmonary arterial hypertension: new software to accurately predict diagnosis | |
Kovács et al. | Added value of 3D imaging in the diagnosis and prognostication of patients with right ventricular dysfunction | |
Tsangalis et al. | Point-of-Care Ultrasound (POCUS) for Dialysis Patients: A Step Forward |
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: 20190201 |