CN109841270A - 基于智能设备的膳食营养健康调查评估系统及其实现方法 - Google Patents
基于智能设备的膳食营养健康调查评估系统及其实现方法 Download PDFInfo
- Publication number
- CN109841270A CN109841270A CN201910107604.9A CN201910107604A CN109841270A CN 109841270 A CN109841270 A CN 109841270A CN 201910107604 A CN201910107604 A CN 201910107604A CN 109841270 A CN109841270 A CN 109841270A
- Authority
- CN
- China
- Prior art keywords
- food
- intake
- user
- health
- points
- 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
- 230000036541 health Effects 0.000 title claims abstract description 116
- 235000005911 diet Nutrition 0.000 title claims abstract description 106
- 235000016709 nutrition Nutrition 0.000 title claims abstract description 105
- 230000035764 nutrition Effects 0.000 title claims abstract description 77
- 230000000378 dietary effect Effects 0.000 title claims abstract description 62
- 238000011835 investigation Methods 0.000 title claims abstract description 43
- 235000013305 food Nutrition 0.000 claims abstract description 143
- 238000000034 method Methods 0.000 claims abstract description 66
- 230000037213 diet Effects 0.000 claims abstract description 44
- 235000012631 food intake Nutrition 0.000 claims abstract description 38
- 230000003442 weekly effect Effects 0.000 claims description 60
- 230000037406 food intake Effects 0.000 claims description 36
- 235000012762 dietary quality Nutrition 0.000 claims description 22
- 235000015097 nutrients Nutrition 0.000 claims description 21
- 230000005540 biological transmission Effects 0.000 claims description 20
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 claims description 18
- 238000011156 evaluation Methods 0.000 claims description 18
- 150000001720 carbohydrates Chemical class 0.000 claims description 16
- 235000012054 meals Nutrition 0.000 claims description 16
- 235000013601 eggs Nutrition 0.000 claims description 13
- 235000019441 ethanol Nutrition 0.000 claims description 12
- 241000894007 species Species 0.000 claims description 12
- 241000251468 Actinopterygii Species 0.000 claims description 11
- 235000006286 nutrient intake Nutrition 0.000 claims description 11
- 235000014571 nuts Nutrition 0.000 claims description 11
- 235000015277 pork Nutrition 0.000 claims description 11
- 235000020989 red meat Nutrition 0.000 claims description 11
- 102000004169 proteins and genes Human genes 0.000 claims description 10
- 108090000623 proteins and genes Proteins 0.000 claims description 10
- 235000013311 vegetables Nutrition 0.000 claims description 10
- 238000004458 analytical method Methods 0.000 claims description 9
- 235000019577 caloric intake Nutrition 0.000 claims description 9
- 235000013399 edible fruits Nutrition 0.000 claims description 8
- 235000010627 Phaseolus vulgaris Nutrition 0.000 claims description 7
- 244000046052 Phaseolus vulgaris Species 0.000 claims description 7
- 235000013365 dairy product Nutrition 0.000 claims description 7
- 235000013336 milk Nutrition 0.000 claims description 7
- 239000008267 milk Substances 0.000 claims description 7
- 210000004080 milk Anatomy 0.000 claims description 7
- 235000014101 wine Nutrition 0.000 claims description 7
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 claims description 6
- 239000008157 edible vegetable oil Substances 0.000 claims description 6
- 230000006872 improvement Effects 0.000 claims description 6
- 229910052500 inorganic mineral Inorganic materials 0.000 claims description 6
- 239000011707 mineral Substances 0.000 claims description 6
- 235000010755 mineral Nutrition 0.000 claims description 6
- 239000011782 vitamin Substances 0.000 claims description 6
- 235000013343 vitamin Nutrition 0.000 claims description 6
- 229940088594 vitamin Drugs 0.000 claims description 6
- 229930003231 vitamin Natural products 0.000 claims description 6
- 244000068988 Glycine max Species 0.000 claims description 5
- 235000010469 Glycine max Nutrition 0.000 claims description 5
- 239000000203 mixture Substances 0.000 claims description 5
- 239000003921 oil Substances 0.000 claims description 5
- 206010020710 Hyperphagia Diseases 0.000 claims description 4
- 235000008242 dietary patterns Nutrition 0.000 claims description 4
- 230000015654 memory Effects 0.000 claims description 4
- 235000020830 overeating Nutrition 0.000 claims description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 4
- OYPRJOBELJOOCE-UHFFFAOYSA-N Calcium Chemical compound [Ca] OYPRJOBELJOOCE-UHFFFAOYSA-N 0.000 claims description 3
- FYYHWMGAXLPEAU-UHFFFAOYSA-N Magnesium Chemical compound [Mg] FYYHWMGAXLPEAU-UHFFFAOYSA-N 0.000 claims description 3
- PVNIIMVLHYAWGP-UHFFFAOYSA-N Niacin Chemical compound OC(=O)C1=CC=CN=C1 PVNIIMVLHYAWGP-UHFFFAOYSA-N 0.000 claims description 3
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 claims description 3
- ZLMJMSJWJFRBEC-UHFFFAOYSA-N Potassium Chemical compound [K] ZLMJMSJWJFRBEC-UHFFFAOYSA-N 0.000 claims description 3
- HCHKCACWOHOZIP-UHFFFAOYSA-N Zinc Chemical compound [Zn] HCHKCACWOHOZIP-UHFFFAOYSA-N 0.000 claims description 3
- 239000011575 calcium Substances 0.000 claims description 3
- 229910052791 calcium Inorganic materials 0.000 claims description 3
- 230000007812 deficiency Effects 0.000 claims description 3
- 235000014113 dietary fatty acids Nutrition 0.000 claims description 3
- 235000013325 dietary fiber Nutrition 0.000 claims description 3
- 229930195729 fatty acid Natural products 0.000 claims description 3
- 239000000194 fatty acid Substances 0.000 claims description 3
- 150000004665 fatty acids Chemical class 0.000 claims description 3
- 230000003993 interaction Effects 0.000 claims description 3
- 229910052742 iron Inorganic materials 0.000 claims description 3
- 239000011777 magnesium Substances 0.000 claims description 3
- 229910052749 magnesium Inorganic materials 0.000 claims description 3
- 235000001968 nicotinic acid Nutrition 0.000 claims description 3
- 229960003512 nicotinic acid Drugs 0.000 claims description 3
- 239000011664 nicotinic acid Substances 0.000 claims description 3
- 239000011574 phosphorus Substances 0.000 claims description 3
- 229910052698 phosphorus Inorganic materials 0.000 claims description 3
- 239000011591 potassium Substances 0.000 claims description 3
- 229910052700 potassium Inorganic materials 0.000 claims description 3
- 150000003722 vitamin derivatives Chemical class 0.000 claims description 3
- 229910052725 zinc Inorganic materials 0.000 claims description 3
- 239000011701 zinc Substances 0.000 claims description 3
- 235000014633 carbohydrates Nutrition 0.000 claims 3
- 235000019197 fats Nutrition 0.000 claims 3
- 235000018102 proteins Nutrition 0.000 claims 3
- 239000002253 acid Substances 0.000 claims 1
- 235000021003 saturated fats Nutrition 0.000 claims 1
- 238000005259 measurement Methods 0.000 abstract description 3
- 238000004364 calculation method Methods 0.000 abstract description 2
- 235000013339 cereals Nutrition 0.000 description 20
- 230000002354 daily effect Effects 0.000 description 13
- 235000019688 fish Nutrition 0.000 description 9
- 241000220225 Malus Species 0.000 description 8
- 239000003925 fat Substances 0.000 description 8
- 235000021074 carbohydrate intake Nutrition 0.000 description 6
- 239000011521 glass Substances 0.000 description 5
- 239000003242 anti bacterial agent Substances 0.000 description 3
- 229940088710 antibiotic agent Drugs 0.000 description 3
- 235000005686 eating Nutrition 0.000 description 3
- 230000003862 health status Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 241000272525 Anas platyrhynchos Species 0.000 description 2
- 208000017667 Chronic Disease Diseases 0.000 description 2
- 240000007594 Oryza sativa Species 0.000 description 2
- 235000007164 Oryza sativa Nutrition 0.000 description 2
- 235000013527 bean curd Nutrition 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000010411 cooking Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 235000020983 fruit intake Nutrition 0.000 description 2
- 235000013372 meat Nutrition 0.000 description 2
- 235000021075 protein intake Nutrition 0.000 description 2
- 235000009566 rice Nutrition 0.000 description 2
- 150000004671 saturated fatty acids Chemical class 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 235000013618 yogurt Nutrition 0.000 description 2
- 240000007087 Apium graveolens Species 0.000 description 1
- 235000015849 Apium graveolens Dulce Group Nutrition 0.000 description 1
- 235000010591 Appio Nutrition 0.000 description 1
- 235000017060 Arachis glabrata Nutrition 0.000 description 1
- 244000105624 Arachis hypogaea Species 0.000 description 1
- 235000010777 Arachis hypogaea Nutrition 0.000 description 1
- 235000018262 Arachis monticola Nutrition 0.000 description 1
- 235000007319 Avena orientalis Nutrition 0.000 description 1
- 241000209763 Avena sativa Species 0.000 description 1
- 235000007558 Avena sp Nutrition 0.000 description 1
- 235000010149 Brassica rapa subsp chinensis Nutrition 0.000 description 1
- 235000000536 Brassica rapa subsp pekinensis Nutrition 0.000 description 1
- 241000499436 Brassica rapa subsp. pekinensis Species 0.000 description 1
- 235000016795 Cola Nutrition 0.000 description 1
- 244000228088 Cola acuminata Species 0.000 description 1
- 235000011824 Cola pachycarpa Nutrition 0.000 description 1
- 241000252230 Ctenopharyngodon idella Species 0.000 description 1
- 241000287828 Gallus gallus Species 0.000 description 1
- 241000252234 Hypophthalmichthys nobilis Species 0.000 description 1
- 240000007049 Juglans regia Species 0.000 description 1
- 235000009496 Juglans regia Nutrition 0.000 description 1
- 240000005856 Lyophyllum decastes Species 0.000 description 1
- 235000013194 Lyophyllum decastes Nutrition 0.000 description 1
- 206010029164 Nephrotic syndrome Diseases 0.000 description 1
- 208000008589 Obesity Diseases 0.000 description 1
- 241000237502 Ostreidae Species 0.000 description 1
- 206010033307 Overweight Diseases 0.000 description 1
- 241000353135 Psenopsis anomala Species 0.000 description 1
- 241000220324 Pyrus Species 0.000 description 1
- 244000088415 Raphanus sativus Species 0.000 description 1
- 235000006140 Raphanus sativus var sativus Nutrition 0.000 description 1
- 244000062793 Sorghum vulgare Species 0.000 description 1
- 235000021307 Triticum Nutrition 0.000 description 1
- 244000098338 Triticum aestivum Species 0.000 description 1
- 240000008042 Zea mays Species 0.000 description 1
- 235000005824 Zea mays ssp. parviglumis Nutrition 0.000 description 1
- 235000002017 Zea mays subsp mays Nutrition 0.000 description 1
- 235000021016 apples Nutrition 0.000 description 1
- 235000015278 beef Nutrition 0.000 description 1
- 235000013405 beer Nutrition 0.000 description 1
- 231100000871 behavioral problem Toxicity 0.000 description 1
- 235000012970 cakes Nutrition 0.000 description 1
- 235000013351 cheese Nutrition 0.000 description 1
- 235000019219 chocolate Nutrition 0.000 description 1
- 235000009508 confectionery Nutrition 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 235000005822 corn Nutrition 0.000 description 1
- 239000006071 cream Substances 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 206010012601 diabetes mellitus Diseases 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000035622 drinking Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 235000013312 flour Nutrition 0.000 description 1
- 235000012041 food component Nutrition 0.000 description 1
- 239000005417 food ingredient Substances 0.000 description 1
- 235000011194 food seasoning agent Nutrition 0.000 description 1
- 235000004280 healthy diet Nutrition 0.000 description 1
- 235000021478 household food Nutrition 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 235000019713 millet Nutrition 0.000 description 1
- 230000036651 mood Effects 0.000 description 1
- 208000009928 nephrosis Diseases 0.000 description 1
- 231100001027 nephrosis Toxicity 0.000 description 1
- 235000003715 nutritional status Nutrition 0.000 description 1
- 235000020636 oyster Nutrition 0.000 description 1
- 235000020232 peanut Nutrition 0.000 description 1
- 235000021017 pears Nutrition 0.000 description 1
- 238000005498 polishing Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000005180 public health Effects 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 235000020095 red wine Nutrition 0.000 description 1
- 230000000246 remedial effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 150000003839 salts Chemical class 0.000 description 1
- 235000015067 sauces Nutrition 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 235000013555 soy sauce Nutrition 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 235000020234 walnut Nutrition 0.000 description 1
- 239000003643 water by type Substances 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
- 235000020990 white meat Nutrition 0.000 description 1
- 235000020097 white wine Nutrition 0.000 description 1
Landscapes
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明公开了基于智能设备的膳食营养健康调查评估系统及其实现方法，解决现有技术调查数据结果不精准，导致评估用户的总体膳食营养和健康情况与用户实际不符的问题。本发明包括智能设备，核心处理器，膳食评估模块和健康习惯评分模块。实现方法包括以下步骤：步骤S1、采集用户膳食营养及健康调查数据；将用户膳食营养及健康调查数据进行汇总、分析计算、评估。本发明将改良版的食物频率调查问卷以APP的方式内置到移动智能设备中，问卷内容包括主要食物种类细分到每天的频率和食用量，且每个量度的标准食物份量都有具象化的度量尺和图像以帮助用户正确选择每种食物食用量，从而提高用户的依从性与食物信息收集的准确性。
Description
技术领域
本发明涉及基于智能设备的膳食营养健康调查评估系统及其实现方法。
背景技术
随着人们生活水平提高，饮食结构、营养状况均发生巨大变化。亚健康、营养相关疾病，如超重肥胖、糖尿病、肾病等慢性病逐年流行，目前已成为影响人类健康的世界性的公共卫生问题。
目前我国国民营养健康知识欠缺，医院营养师配比低，社区等基层单位基本没有营养健康服务，因此，准确地收集和评估居民的营养健康情况对于营养健康知识的传播是非常重要的，对于慢性病的防治也是非常必要的。
现有的膳食营养健康调查和评估方法主要有两类，一是传统的膳食调查法，二是结合互联网、计算机、传感技术等新兴技术的新型膳食调查法。
膳食调查：膳食调查是调查个体或群体在一定时间内摄入的食物种类、数量和频次等，根据食物成分表计算出每人每天能量和营养素的摄入量，并与推荐的膳食营养素参考摄入量进行比较，从而评定被调查对象的正常营养素和能量是否满足需要。
传统的膳食调查方法主要有称重法、记账法、称重记账法、24小时回顾法、膳食史回顾法、食物频率法和化学分析法。其中，24小时回顾法和食物频率法因其适用于个体，且操作性、可行性较强，是目前比较常用的传统膳食调查方法。
24小时回顾法，是询问被调查对象在调查前24小时内的进餐情况，并借助家用量具、食物模型或食物图谱等计算和评价被调查对象的食物摄人情况的调查方法。食物频率法是以问卷形式获得被调查对象在一定时期内经常消费的食物的种类和频率，然后根据食物成分表推算出其摄入的能量及营养素的种类和数量，进而评价其膳食营养状况。
新型的膳食调查法，主要有图像记录类、软件类、网络类、智能卡类、传感类膳食调查法。目前比较常见是基于移动电子设备的图像记录法和网络膳食调查法。
基于移动电子设备的图像记录法要求调查对象在进餐前后将食物与参照物摆放在一起拍摄照片，并通过网络传输给至设备终端，由设备内置的食物图像数据库自动估计食物摄人量并运用食物成分数据库计算能量和各营养素摄人情况，并进行营养评估与反馈，以指导用户进行简单的健康饮食指导。网络膳食调查是调查对象通过线上膳食调查平台自主记录膳食情况的一种方法。调查对象登录调查所用网页，即可按照网页提示进行膳食记录，网页后台可通过网络远程收集数据。
24小时回顾法是目前传统方法中获得可靠膳食资料最容易的方法，适用于个体或群体范围人群的调查，但被调查者的回顾依赖于个人的短期记忆，会产生较大的回忆偏倚，且需要对调查员进行严格培训，否则调查结果差异较大。食物频率法经济方便，被调查者负担轻、应答率高，但食物份额量化的准确度不高，造成准确性较差，不能用于计量调查。24小时回顾法和食物频率法都是传统的膳食调查方法，都需要经过培训的专业调查人员在调查现场通过纸质问卷收集信息并作记录，再根据记录核实并手动计算能量及营养素摄入量，再将评估数据录入数据库，评估调查对象的膳食营养状况。这个过程要求被调查者频繁往返于调查现场与计算机之间，比对时间长，重复输入数据，造成时间和人体成本提高、效率低下、出错概率增加，容易产生偏倚，影响结果的准确性；另一方面，调查对象和调查员需在食物模具展柜或图谱前，因此受空间、硬件设施的限制较为明显，难以推广。
图像记录法是一种即时性膳食调查方法，通过食物图像进行食物量估计，有效减少了回忆偏倚和提高食物量估计的准确性。但我国膳食烹调方式复杂多样，仅通过图片不能有效反映食物烹调方法及调味料的使用量。此外，目前食物图像数据库中食物种类不够齐全、图像拍摄标准未完全统一，会出现测量偏倚。图像记录法为了进一步提高食物摄入量的准确性，还提供了有网格的餐布作为拍摄食物图像时的参照物，并要求调查对象从正上方、前、后侧偏45等三个角度拍摄进食前后的影像。另外，正因为图像记录法的即时性，若调查对象在进餐前遗忘拍摄食物照片，将无补救措施。因此，此法的复杂性和即时性必然导致调查对象的依从性低下，失访率高，可行性较低，难以大面积实施和推广。
网络膳食调查法所使用的调查问卷主要为24小时回顾法和食物频率法，基于这两种方法的网络法仅仅是将线下的询问转换到了线上，并没有实际规避这两种方法本身的弊端。
目前基于改善营养健康的实施方法大多是采用上述膳食调查方法进行膳食营养状况的调查与评估的，却在调查后仅给出一个粗略的膳食营养建议，没有深入地个性化地考虑调查对象真实的营养健康需求以及与健康相关的行为问题。
发明内容
本发明要解决的技术问题是：提供基于智能设备的膳食营养健康调查评估系统及其实现方法，解决现有技术调查数据结果不精准，导致评估用户的总体膳食营养和健康情况与用户实际不符的问题。
为实现上述目的，本发明采用的技术方案如下：
基于智能设备的膳食营养健康调查评估系统，包括智能设备，与所述智能设备通过网络连接的核心处理器，以及分别与所述核心处理器连接的膳食评估模块和健康习惯评分模块，所述智能设备用于采集用户膳食营养及健康调查数据并将所采集的用户膳食营养及健康调查数据通过网络传送至所述核心处理器，所述核心处理器用于对所接收到的用户膳食营养及健康调查数据进行处理，所述健康习惯评分模块用于根据所述核心处理器处理后的用户健康调查数据来评估用户的健康习惯，所述膳食评估模块用于根据所述核心处理器处理后的用户膳食营养调查数据来评估用户的食物种类、能量及营养素摄入情况并将评估结果反馈至所述核心处理器，同时所述核心处理器通过网络将该评估结果传送至所述智能设备进行显示。
进一步地，所述膳食评估模块包括与所述核心处理器连接用于对所述核心处理器处理后的用户膳食营养调查数据进行食物摄入量汇总的食物摄入量汇总模块，与所述食物摄入量汇总模块连接用于对所述食物摄入量汇总模块汇总后的用户膳食营养调查数据进行食物能量及营养素摄入自动分析计算的食物能量及营养素摄入自动分析计算模块，以及与所述食物能量及营养素摄入自动分析计算模块连接用于对所述食物能量及营养素摄入自动分析计算模块的计算结果进行评估并反馈的食物能量及营养素摄入评估反馈模块，所述食物能量及营养素摄入评估反馈模块与所述核心处理器连接，用于将评估结果反馈至所述核心处理器。
进一步地，还包括与所述核心处理器连接用于存储数据信息的存储模块。
进一步地，所述智能设备设有输入模块和显示模块(10)，所述输入模块用于实现用户与所述智能设备之间的人机交互，所述显示模块(10)用于显示用户膳食营养和健康调查的项目、以及所述核心处理器传送的评估结果。
进一步地，所述智能设备为智能手机、平板电脑、台式电脑或笔记本电脑。
基于智能设备的膳食营养健康调查评估系统的实现方法，包括以下步骤：
步骤S1、通过智能设备采集用户膳食营养及健康调查数据并将所采集的用户膳食营养及健康调查数据通过网络传送至核心处理器；
步骤S2、核心处理器将所采集的用户膳食营养及健康调查数据传送至食物摄入量汇总模块进行汇总，汇总后传送至食物能量及营养素摄入自动分析计算模块进行自动分析计算；食物能量及营养素摄入自动分析计算模块分析计算完成后将分析计算结果传送至食物能量及营养素摄入评估反馈模块进行评估并将评估结果反馈至核心处理器，核心处理器再将反馈的评估结果通过网络传送至智能设备进行显示；
具体地说，在所述步骤S1中，通过改良食物频率法采用问卷调查的方式采集用户膳食营养调查数据，同时通过问卷调查的方式采集用户健康调查数据；所述改良版食物频率法具体为：(1)设定调查食物种类，调查食物种类包括蔬菜、水果、粗粮、精粮、奶制品、蛋类、红肉、白肉、鱼肉、坚果、豆制品、食用油和酒；(2)问卷方式调查用户对于(1)中所设定每种食物的食用频率，可供用户选择的食用频率为：A每周少于1次，B每周1-2次，C每周3-6次，D每天1次，E每天2次，F每天3次及以上；(3)问卷方式调查用户对于(1)中每种食物每频率的食用量，：25g、50g、75g、100g、125g、150g、175g、200g、225g、250g、275g、300g、325g、350g、375g、400g；用户通过智能设备进行问卷调查，智能设备将调查结果通过网络传送至核心处理器；用户健康调查数据问卷调查内容包括：饮食困扰、暴饮暴食、熬夜、食物喜好、喝水和监测体重，每项内容设定扣分标准，用户根据实际情况进行扣分。
具体地说，在所述步骤S2中，食物能量及营养素摄入自动分析计算模块自动分析计算步骤如下：
步骤1、通过食物能量及营养素摄入自动分析计算模块的内置算法和数据库对收集到的用户食用食物信息自动计算和评估每种食物每天的摄入量；
步骤2、根据食物能量及营养素摄入自动分析计算模块的内置评分系统评估用户的膳食质量；
步骤3、通过食物能量及营养素摄入自动分析计算模块的内置食物成分表和收集到的每种食物摄入量信息自动计算能量及营养素的摄入量；
步骤4、通过健康调查数据进行健康习惯评估。
具体地说，在所述步骤1中，每种食物每天的摄入量的计算和评估逻辑如下：
(1)选项赋值
A 每周少于1次＝0次/天＝0；
B 每周1-2次＝每周1.5次＝每天1.5/7次＝1.5/7；
C 每周3-6次＝每周4.5次＝每天4.5/7次＝4.5/7；
D 每天1次＝1；
E 每天2次＝2；
F 每天3次及以上＝3；
(2)食物摄入量(克/毫升数/天)＝频率×食物份量；
(3)将食物摄入量与内置的数据库进行一一比对，准确评估用户的食物摄入量，并给出摄入量高/低/足够的评价。
在所述步骤2中，膳食质量的计算和评估逻辑如下：
一、摄入量赋分，根据每种食物摄入推荐量的百分位法进行赋分，具体为：
蔬菜/水果/粗粮/奶/大豆的赋分方法：小于下限×10％g为1分；下限×(10％-25％)为3分；下限×(25％-50％)为5分；下限×(50％-75％)为7分；下限×(75％-90％)为8分；下限×90％-下限为9分；≥下限为10分；
以蔬菜为例，推荐摄入量为300-500g。
1分：＜300g×10％；3分：300g×10％-300g×25％；5分：300g×25％-300g×50％；7分：300g×50％-300g×75％；8分：300g×75％-300g×90％；9分：300×90％-300g；10分：≥300g。
精粮/红肉/白肉/鱼肉/坚果/油/蛋的赋分方法：小于下限×10％g、或者大于上限×190％为1分；下限×(10％-25％)、或者上限×(175％-190％)为3分；下限×(25％-50％)、或者上限×(150％-175％)为5分；下限×(50％-75％)、或者上限×(125％-150％)为7分；下限×(75％-1)、或者上限×(1-125％)为9分；推荐值范围内为10分。
以精粮为例
1分：＜150g×10％或300g×(1+90％)；3分：150g×10％—150g×25％；或300g×(1+75％)—300g×(1+90％)；5分：150g×25％—150g×50％；或300g×(1+50％)—300g×(1+75％)；
7分：150g×50％—150g×75％；或300g×(1+25％)—300g×(1+50％)；8分：150g×75％—150g×90％；或300g(1+10％)—300g×(1+25％)；9分：150×90％—150g；或300g—300×(1+10％)；10分：150-300g。
酒的赋分方法：＝0g为0分；＞0g为-12分。
二、分值判定
根据每种食物每天摄入量的赋分，所有分值相加＝膳食质量总分，如果总分在0-25分，表示膳食质量差；如果总分在25-50分，表示膳食质量较差；如果总分在50-75分，表示膳食质量合格；如果总分在75-100分，表示膳食质量良好；如果总分在100-120分，表示膳食质量优秀。
在所述步骤3中，计算能量及营养素的摄入量的方法和评估逻辑如下：
(一)计算和评估的内容包括：能量、碳水化合物、脂肪、蛋白质、维生素、矿物质、饱和脂肪酸、膳食纤维、酒精的摄入量，以及碳水化合物供能比、脂肪供能比、蛋白质供能比、饱和脂肪酸供能比、酒精供能比；其中，维生素包括A、B1、B2、烟酸、B6、B12、C、D、E和K，矿物质包括钙、铁、磷、钾、镁和锌；
(二)能量或营养素摄入量＝每种食物摄入量×每种食物含有该能量或营养素的百分比，
以碳水化合物和碳水化合物供能比为例：
碳水化合物摄入量(克数/天)＝[蔬菜摄入量×8.36+水果摄入量×14.24+(粗粮+精粮)摄入量×62.2+酒精摄入量×2.12+奶制品摄入量×4.72+蛋类摄入量×1.17+红肉摄入量×0+白肉摄入量×0+豆制品摄入量×30.16+鱼肉摄入量×0+坚果摄入量×29.78+食用油摄入量×0]/100；
碳水化合物供能比(％)＝碳水化合物摄入量×4/(碳水化合物摄入量×4+蛋白质摄入量×4+脂肪摄入量×9+酒精摄入量×6)×100；
(三)将能量及营养素摄入量与内置的数据库进行一一比对，准确评估用户的能量及营养素摄入量，并给出摄入量超量/不足/足够的评价；
(四)将碳水化合物、脂肪、蛋白质、酒精供能比与内置的数据可进行一一比对，准确评价用户的膳食模式。
具体地说，在所述步骤4中，健康调查评估如下：
用户进行健康调查数据问卷调查所扣的所有分值+100＝健康习惯总分，如果总分在0-25分，表示健康习惯差；如果总分在25-50分，表示健康习惯较差；如果总分在50-75分，表示健康习惯合格；如果总分在75-90分，表示健康习惯良好；如果总分在90-100分，表示健康习惯优秀。
与现有技术相比，本发明具有以下有益效果：
本发明设计科学合理，使用方便，通过改良版的食物频率法进行网络膳食调查。改良版的食物频率调查问卷以APP的方式内置到移动智能设备中，问卷内容包括主要食物种类细分到每天的频率和食用量，且每个量度的标准食物份量都有具象化的度量尺和图像以帮助用户正确选择每种食物食用量，从而提高用户的依从性与食物信息收集的准确性。
本发明通过内置算法对收集到后台的食物信息自动计算每种食物每天的摄入量，并根据内置的数据库自动评估食物种类摄入量。同时根据内置赋分系统，对用户的膳食质量进行自动评分，该评分可为具体报告和营养建议提供有效参考。
本发明通过内置的食物成分表和收集到的每种食物摄入量信息自动计算能量及营养素的摄入量，并根据内置数据库自动进行评估，该评分可为具体报告和营养建议提供有效参考。
本发明通过基于智能设备的健康习惯调查问卷进行网络调查，根据用户填写的内容和内置赋分系统，对用户的健康习惯自动评分，该评分可为具体报告和营养建议提供有效参考。
本发明通过改良版的膳食调查分析系统和健康习惯评分系统，以线上方式综合准确评估用户的真实营养需求与自我改善的效能，为进一步制定个性化的解决方案与设定具体实施目标提供依据。
本发明与传统膳食调查相比成本更低，无纸化调查更加环保，仅需根据软件装置推荐填写问卷内容即可，用户更加自由，不受时间和空间的限制，也省去了来往医院的交通成本等。
本发明用户通过软件装置填写内容后，该装置可自动收集存储数据，并根据内置算法自动计算分析数据，这个过程避免了调查人员频繁往返于调查现场与计算机之间，无需比对与重复输入数据，时间和人力成本大大降低，高效，偏倚小，获得的结果更加准确。
本发明与现有的新型膳食调查相比，用户可以直观完整准确地了解到自身的营养健康状况，以便进一步制定解决方案和设定目标改善自身营养健康状况，对用户的健康管理有重要的促进作用，同时，随着用户的坚持，身体状态改善后再次使用本发明进行测评自身营养健康状况后，也能作出相应的调整，起到对用户增益反馈作用。
本发明各个年龄段不同身体状态的人群都能获得针对自身状况的营养健康评估报告，相较更为个性化与科学有效。
附图说明
图1为本发明基于智能设备的膳食营养健康调查评估系统的结构框图。
图2为本发明基于智能设备的膳食营养健康调查评估系统的实现方法的逻辑及流程图。
其中，附图标记对应的名称为：
1-核心处理器、2-膳食评估模块、3-健康习惯评分模块、4-食物摄入量汇总模块、5-食物能量及营养素摄入自动分析计算模块、6-食物能量及营养素摄入评估反馈模块、7-智能设备、8-存储模块、9-输入模块、10-显示模块。
具体实施方式
下面结合附图说明和实施例对本发明作进一步说明，本发明的方式包括但不仅限于以下实施例。
如图1所示，本发明提供的基于智能设备的膳食营养健康调查评估系统，。本发明包括智能设备7，与所述智能设备7通过网络连接的核心处理器1，以及分别与所述核心处理器1连接的膳食评估模块2和健康习惯评分模块3，所述智能设备7用于采集用户膳食营养及健康调查数据并将所采集的用户膳食营养及健康调查数据通过网络传送至所述核心处理器1，所述核心处理器1用于对所接收到的用户膳食营养及健康调查数据进行处理，所述健康习惯评分模块3用于根据所述核心处理器1处理后的用户健康调查数据来评估用户的健康习惯，所述膳食评估模块2用于根据所述核心处理器1处理后的用户膳食营养调查数据来评估用户的食物种类、能量及营养素摄入情况并将评估结果反馈至所述核心处理器1，同时所述核心处理器1通过网络将该评估结果传送至所述智能设备7进行显示，所述核心处理器1连接有用于存储数据信息的存储模块8，所述智能设备7设有输入模块9和显示模块10，所述输入模块9用于实现用户与所述智能设备7之间的人机交互，所述显示模块10用于显示用户膳食营养和健康调查的项目、以及所述核心处理器1传送的评估结果，所述智能设备7为智能手机、平板电脑、台式电脑或笔记本电脑。
本发明所述膳食评估模块2包括与所述核心处理器1连接用于对所述核心处理器1处理后的用户膳食营养调查数据进行食物摄入量汇总的食物摄入量汇总模块4，与所述食物摄入量汇总模块4连接用于对所述食物摄入量汇总模块4汇总后的用户膳食营养调查数据进行食物能量及营养素摄入自动分析计算的食物能量及营养素摄入自动分析计算模块5，以及与所述食物能量及营养素摄入自动分析计算模块5连接用于对所述食物能量及营养素摄入自动分析计算模块5的计算结果进行评估并反馈的食物能量及营养素摄入评估反馈模块6，所述食物能量及营养素摄入评估反馈模块6与所述核心处理器1连接，用于将评估结果反馈至所述核心处理器1。
如图2所示，基于智能设备的膳食营养健康调查评估系统的实现方法，包括以下步骤：
步骤S1、通过智能设备采集用户膳食营养及健康调查数据并将所采集的用户膳食营养及健康调查数据通过网络传送至核心处理器；
步骤S2、核心处理器将所采集的用户膳食营养及健康调查数据传送至食物摄入量汇总模块进行汇总，汇总后传送至食物能量及营养素摄入自动分析计算模块进行自动分析计算；食物能量及营养素摄入自动分析计算模块分析计算完成后将分析计算结果传送至食物能量及营养素摄入评估反馈模块进行评估并将评估结果反馈至核心处理器，核心处理器再将反馈的评估结果通过网络传送至智能设备进行显示；
在所述步骤S1中，通过改良食物频率法采用问卷调查的方式采集用户膳食营养调查数据，同时通过问卷调查的方式采集用户健康调查数据；所述改良版食物频率法具体为：(1)设定调查食物种类，调查食物种类包括蔬菜、水果、粗粮、精粮、奶制品、蛋类、红肉、白肉、鱼肉、坚果、豆制品、食用油和酒；(2)问卷方式调查用户对于(1)中所设定每种食物的食用频率，可供用户选择的食用频率为：A每周少于1次，B每周1-2次，C每周3-6次，D每天1次，E每天2次，F每天3次及以上；(3)问卷方式调查用户对于(1)中每种食物每频率的食用量，：25g、50g、75g、100g、125g、150g、175g、200g、225g、250g、275g、300g、325g、350g、375g、400g；用户通过智能设备进行问卷调查，智能设备将调查结果通过网络传送至核心处理器；用户健康调查数据问卷调查内容包括：饮食困扰、暴饮暴食、熬夜、食物喜好、喝水和监测体重，每项内容设定扣分标准，用户根据实际情况进行扣分。
用户健康调查数据问卷调查的内容如下：
1、我吃蔬菜的频率——(例如芹菜、萝卜、白菜等)
A 每周少于1次；
B 每周1-2次；
C 每周3-6次；
D 每天1次；
E 每天2次；
F 每天3次及以上。
2、我每餐吃多少蔬菜？
25g 50g 75g 100g 125g 150g 175g 200g 225g 250g 275g 300g 325g 350g375g 400g。
3、我吃水果的频率——(例如苹果、梨、橘子等)
A 每周少于1次；
B 每周1-2次；
C 每周3-6次；
D 每天1次；
E 每天2次；
F 每天3次及以上。
4、我每天吃多少水果？
1/4个苹果 半个苹果 3/4个苹果 一个苹果 1 1/4个苹果 1 1/2个苹果 1 3/4个苹果 两个苹果。
5、我吃粗粮的频率——(例如玉米、燕麦、小米等)
A 每周少于1次；
B 每周1-2次；
C 每周3-6次；
D 每天1次；
E 每天2次；
F 每天3次及以上。
6、我每餐吃多少粗粮？
A 30g B 60g C 90g D 120g E 150g。
7、我吃精粮的频率——(例如稻米、小麦、白面等)
A 每周少于1次；
B 每周1-2次；
C 每周3-6次；
D 每天1次；
E 每天2次；
F 每天3次及以上。
8、我每餐吃多少精粮？
A 1两 B 2两 C 3两 D 四两 E 五两。
9、我吃奶制品的频率——(例如牛奶、酸奶、奶酪等)
A 每周少于1次；
B 每周1-2次；
C 每周3-6次；
D 每天1次；
E 每天2次；
F 每天3次及以上。
10、我每次喝多少牛奶或酸奶？
1杯 2杯 3杯 4杯 5杯。
11、我吃蛋类的频率——(例如鸡蛋、鸭蛋等)
A 每周少于1次；
B 每周1-2次；
C 每周3-6次；
D 每天1次；
E 每天2次；
F 每天3次及以上。
12、我每次吃多少鸡蛋？
半个 1个 1个半 2个 2个半 3个 3个半 4个 4个半 5个。
13、我吃红肉的频率——(例如猪肉、牛肉、羊肉等)
A 每周少于1次；
B 每周1-2次；
C 每周3-6次；
D 每天1次；
E 每天2次；
F 每天3次及以上。
14、我每餐吃多少红肉？
25g 50g 75g 100g 125g 150g 175g 200g 225g 250g 275g 300g 325g 350g375g 400g。
15、我吃白肉的频率——(例如鸡肉、鸭肉等)
A 每周少于1次；
B 每周1-2次；
C 每周3-6次；
D 每天1次；
E 每天2次；
F 每天3次及以上。
16、我每餐吃多少白肉？
25g 50g 75g 100g 125g 150g 175g 200g 225g 250g 275g 300g 325g 350g375g 400g。
17、我吃鱼肉的频率——(例如草鱼、鲢鱼等)
A 每周少于1次；
B 每周1-2次；
C 每周3-6次；
D 每天1次；
E 每天2次；
F 每天3次及以上。
18、我每餐吃多少鱼肉？
25g 50g 75g 100g 125g 150g 175g 200g 225g 250g 275g 300g 325g 350g375g 400g。
19、我吃坚果的频率——(例如花生、瓜子、核桃等)
A 每周少于1次；
B 每周1-2次；
C 每周3-6次；
D 每天1次；
E 每天2次；
F 每天3次及以上。
20、我每次吃多少坚果？
15g 30g 45g 60g 75g 90g 105g 120g。
21、我吃豆制品的频率——(例如豆腐、豆干、豆浆等)
A 每周少于1次；
B 每周1-2次；
C 每周3-6次；
D 每天1次；
E 每天2次；
F 每天3次及以上。
22、我每次吃多少豆浆？
1杯 2杯 3杯 4杯 5杯 6杯 7杯 8杯。
23、我每餐进食食用油的情况——
(请参照每道菜的外观和的食用油剩余情况)
A 5g(少油) B 10g(一般) C 15g(较多) D 20g(很多)。
24、我饮酒的频率是？
A 每周少于1次；
B 每周1-2次；
C 每周3-6次；
D 每天1次；
E 每天2次；
F 每天3次及以上。
25、我每次饮酒的总量是？
A B C D E
红酒 1杯 2杯 3杯 4杯 5杯；
白酒 1两 2两 半斤 1斤 2斤；
啤酒 1瓶 2瓶 3瓶 5瓶 12瓶；
鸡尾酒 1杯 2杯 3杯 4杯 5杯。
用户健康调查数据的具体问卷调查内容如下：
包括：饮食困扰、暴饮暴食、熬夜、食物喜好、喝水、监测体重，总共6个问题。如下：
1、你有下列困扰么？
A 到处都是好吃的，我没办法拒绝(-10)；
B 工作让我经常不规律饮食(-10)；
C 时间安排经常需要在外就餐(-10)；
D 我经常要顾及家人的食物喜好(-5)；
E 没有这些问题(0)。
2、我会避免通过进食或饮酒来缓解消极的情绪
A 完全不会(-20)；B 偶尔会(-15)；C 有时候会(-10)；D 经常会(-5)；E 每次都会(0)。
3、我会避免熬夜
A 完全不会(-20)；B 偶尔会(-15)；C 有时候会(-10)；D 经常会(-5)；E 每次都会(0)。
4、我的食物喜好是这样的
A 我特别喜欢甜品、巧克力、蛋糕、可乐等(-15)；
B 最好能够经常吃到炸鸡、火锅、或者其他高油食品(-15)；
C 没有白米饭，就不算一顿饭(-5)；
D 我喜欢吃饭时加些猪油或者奶油(-10)；
F 我喜欢吃肉，无肉不欢(-5)；
G 我喜欢多放些酱油、蚝油或者盐(-10)；
H 我喜欢喝点小酒(-5)；
I 没有食物能够诱惑我(0)。
5、我一天能喝几杯白水？
1(-15)；2(-12)；3(-10)；4(-8)；5(-6)；6(-4)；7(-2)；8(0)。
6、我会定期检查自己的体重，确保维持合理的体重范围
A 完全不会(-20)；B 偶尔会(-15)；C 有时候会(-10)；D 经常会(-5)；E 每次都会(0)。
在所述步骤S2中，食物能量及营养素摄入自动分析计算模块自动分析计算步骤如下：
步骤1、通过食物能量及营养素摄入自动分析计算模块的内置算法和数据库对收集到的用户食用食物信息自动计算和评估每种食物每天的摄入量；
步骤2、根据食物能量及营养素摄入自动分析计算模块的内置评分系统评估用户的膳食质量；
步骤3、通过食物能量及营养素摄入自动分析计算模块的内置食物成分表和收集到的每种食物摄入量信息自动计算能量及营养素的摄入量；
步骤4、通过健康调查数据进行健康习惯评估。
在所述步骤1中，每种食物每天的摄入量的计算和评估逻辑如下：
(1)选项赋值
A 每周少于1次＝0次/天＝0；
B 每周1-2次＝每周1.5次＝每天1.5/7次＝1.5/7；
C 每周3-6次＝每周4.5次＝每天4.5/7次＝4.5/7；
D 每天1次＝1；
E 每天2次＝2；
F 每天3次及以上＝3；
(2)食物摄入量(克/毫升数/天)＝频率×食物份量；
(3)将食物摄入量与内置的数据库进行一一比对，准确评估用户的食物摄入量，并给出摄入量高/低/足够的评价。
在所述步骤2中，膳食质量的计算和评估逻辑如下：
一、摄入量赋分，根据每种食物摄入推荐量的百分位法进行赋分，具体为：
蔬菜/水果/粗粮/奶/大豆的赋分方法：小于下限×10％g为1分；下限×(10％-25％)为3分；下限×(25％-50％)为5分；下限×(50％-75％)为7分；下限×(75％-90％)为8分；下限×90％-下限为9分；≥下限为10分；
以蔬菜为例，推荐摄入量为300-500g。
1分：＜300g×10％；3分：300g×10％—300g×25％；5分：300g×25％—300g×50％；7分：300g×50％—300g×75％；8分：300g×75％—300g×90％；9分：300×90％—300g；10分：≥300g。
精粮/红肉/白肉/鱼肉/坚果/油/蛋的赋分方法：小于下限×10％g、或者大于上限×190％为1分；下限×(10％-25％)、或者上限×(175％-190％)为3分；下限×(25％-50％)、或者上限×(150％-175％)为5分；下限×(50％-75％)、或者上限×(125％-150％)为7分；下限×(75％-1)、或者上限×(1-125％)为9分；推荐值范围内为10分；
以精粮为例
1分：＜150g×10％或300g×(1+90％)；3分：150g×10％—150g×25％；或300g×(1+75％)—300g×(1+90％)；5分：150g×25％—150g×50％；或300g×(1+50％)—300g×(1+75％)；
7分：150g×50％—150g×75％；或300g×(1+25％)—300g×(1+50％)；8分：150g×75％—150g×90％；或300g(1+10％)—300g×(1+25％)；9分：150×90％—150g；或300g—300×(1+10％)；10分：150-300g。
酒的赋分方法：＝0g为0分；＞0g为-12分；
二、分值判定
根据每种食物每天摄入量的赋分，所有分值相加＝膳食质量总分，如果总分在0-25分，表示膳食质量差；如果总分在25-50分，表示膳食质量较差；如果总分在50-75分，表示膳食质量合格；如果总分在75-100分，表示膳食质量良好；如果总分在100-120分，表示膳食质量优秀。
在所述步骤3中，计算能量及营养素的摄入量的方法和评估逻辑如下：
(一)计算和评估的内容包括：能量、碳水化合物、脂肪、蛋白质、维生素、矿物质、饱和脂肪酸、膳食纤维、酒精的摄入量，以及碳水化合物供能比、脂肪供能比、蛋白质供能比、饱和脂肪酸供能比、酒精供能比；其中，维生素包括A、B1、B2、烟酸、B6、B12、C、D、E和K，矿物质包括钙、铁、磷、钾、镁和锌；
(二)能量或营养素摄入量＝每种食物摄入量×每种食物含有该能量或营养素的百分比，
以碳水化合物和碳水化合物供能比为例：
碳水化合物摄入量(克数/天)＝[蔬菜摄入量×8.36+水果摄入量×14.24+(粗粮+精粮)摄入量×62.2+酒精摄入量×2.12+奶制品摄入量×4.72+蛋类摄入量×1.17+红肉摄入量×0+白肉摄入量×0+豆制品摄入量×30.16+鱼肉摄入量×0+坚果摄入量×29.78+食用油摄入量×0]/100
碳水化合物供能比(％)＝碳水化合物摄入量×4/(碳水化合物摄入量×4+蛋白质摄入量×4+脂肪摄入量×9+酒精摄入量×6)×100
(三)将能量及营养素摄入量与内置的数据库进行一一比对，准确评估用户的能量及营养素摄入量，并给出摄入量超量/不足/足够的评价；
(四)将碳水化合物、脂肪、蛋白质、酒精供能比与内置的数据可进行一一比对，准确评价用户的膳食模式。
在所述步骤4中，健康调查评估如下：
用户进行健康调查数据问卷调查所扣的所有分值+100＝健康习惯总分，如果总分在0-25分，表示健康习惯差；如果总分在25-50分，表示健康习惯较差；如果总分在50-75分，表示健康习惯合格；如果总分在75-90分，表示健康习惯良好；如果总分在90-100分，表示健康习惯优秀
下面以实例对基于智能设备的膳食营养健康调查评估系统的实现方法进行阐述，具体如下：
随机选取一名志愿用户，使用本发明膳食营养健康调查评估系统，然后根据后台自动计算出的数据罗列如下：
①每种食物摄入量计算及评分
并将食物进行分类整理：碳水化合物类(蔬菜、水果、粗粮、精粮、酒精)；蛋白质类(奶制品、蛋类、红肉、白肉、豆制品)；脂肪类(鱼肉、坚果、食用油)。
②膳食质量评分
将③中的评分相加：10+7+1+10+1+7+8+5+3+1+1+7+0＝60分；膳食质量为合格。
③能量及营养素摄入量计算和评价
④膳食模式：高脂肪低碳水化合物；
⑤健康习惯评分；
总得分：0+0+0+0+(-10)+(-10)+100＝80分，健康习惯良好。
通过上述的较为全面的膳食营养健康评估，用户可以直观准确地了解到自身的营养健康状况，以便进一步制定解决方案和设定目标改善自身膳食营养健康状况，对用户的健康管理有重要的促进作用，同时，随着用户的坚持，身体状态改善后再次使用本发明进行测评自身膳食营养健康状况后，也能作出相应的调整，起到对用户增益反馈作用。
上述实施例仅为本发明的优选实施方式之一，不应当用于限制本发明的保护范围，但凡在本发明的主体设计思想和精神上作出的毫无实质意义的改动或润色，其所解决的技术问题仍然与本发明一致的，均应当包含在本发明的保护范围之内。
Claims (10)
1.基于智能设备的膳食营养健康调查评估系统，其特征在于，包括智能设备(7)，与所述智能设备(7)通过网络连接的核心处理器(1)，以及分别与所述核心处理器(1)连接的膳食评估模块(2)和健康习惯评分模块(3)，所述智能设备(7)用于采集用户膳食营养及健康调查数据并将所采集的用户膳食营养及健康调查数据通过网络传送至所述核心处理器(1)，所述核心处理器(1)用于对所接收到的用户膳食营养及健康调查数据进行处理，所述健康习惯评分模块(3)用于根据所述核心处理器(1)处理后的用户健康调查数据来评估用户的健康习惯，所述膳食评估模块(2)用于根据所述核心处理器(1)处理后的用户膳食营养调查数据来评估用户的食物种类、能量及营养素摄入情况并将评估结果反馈至所述核心处理器(1)，同时所述核心处理器(1)通过网络将该评估结果传送至所述智能设备(7)进行显示。
2.根据权利要求1所述的基于智能设备的膳食营养健康调查评估系统，其特征在于，所述膳食评估模块(2)包括与所述核心处理器(1)连接用于对所述核心处理器(1)处理后的用户膳食营养调查数据进行食物摄入量汇总的食物摄入量汇总模块(4)，与所述食物摄入量汇总模块(4)连接用于对所述食物摄入量汇总模块(4)汇总后的用户膳食营养调查数据进行食物能量及营养素摄入自动分析计算的食物能量及营养素摄入自动分析计算模块(5)，以及与所述食物能量及营养素摄入自动分析计算模块(5)连接用于对所述食物能量及营养素摄入自动分析计算模块(5)的计算结果进行评估并反馈的食物能量及营养素摄入评估反馈模块(6)，所述食物能量及营养素摄入评估反馈模块(6)与所述核心处理器(1)连接，用于将评估结果反馈至所述核心处理器(1)。
3.根据权利要求2所述的基于智能设备的膳食营养健康调查评估系统，其特征在于，还包括与所述核心处理器(1)连接用于存储数据信息的存储模块(8)。
4.根据权利要求3所述的基于智能设备的膳食营养健康调查评估系统，其特征在于，所述智能设备(7)设有输入模块(9)和显示模块(10)，所述输入模块(9)用于实现用户与所述智能设备(7)之间的人机交互，所述显示模块(10)用于显示用户膳食营养和健康调查的项目、以及所述核心处理器(1)传送的评估结果。
5.根据权利要求1-4任意一项所述的基于智能设备的膳食营养健康调查评估系统，其特征在于，所述智能设备(7)为智能手机、平板电脑、台式电脑或笔记本电脑。
6.权利要求1-5任意一项所述基于智能设备的膳食营养健康调查评估系统的实现方法，其特征在于，包括以下步骤：
步骤S1、通过智能设备采集用户膳食营养及健康调查数据并将所采集的用户膳食营养及健康调查数据通过网络传送至核心处理器；
步骤S2、核心处理器将所采集的用户膳食营养及健康调查数据传送至食物摄入量汇总模块进行汇总，汇总后传送至食物能量及营养素摄入自动分析计算模块进行自动分析计算；食物能量及营养素摄入自动分析计算模块分析计算完成后将分析计算结果传送至食物能量及营养素摄入评估反馈模块进行评估并将评估结果反馈至核心处理器，核心处理器再将反馈的评估结果通过网络传送至智能设备进行显示。
7.根据权利要求6所述的实现方法，其特征在于，在所述步骤S1中，通过改良食物频率法采用问卷调查的方式采集用户膳食营养调查数据，同时通过问卷调查的方式采集用户健康调查数据；所述改良版食物频率法具体为：(1)设定调查食物种类，调查食物种类包括蔬菜、水果、粗粮、精粮、奶制品、蛋类、红肉、白肉、鱼肉、坚果、豆制品、食用油和酒；(2)问卷方式调查用户对于(1)中所设定每种食物的食用频率，可供用户选择的食用频率为：A每周少于1次，B每周1-2次，C每周3-6次，D每天1次，E每天2次，F每天3次及以上；(3)问卷方式调查用户对于(1)中每种食物每频率的食用量，：25g、50g、75g、100g、125g、150g、175g、200g、225g、250g、275g、300g、325g、350g、375g、400g；用户通过智能设备进行问卷调查，智能设备将调查结果通过网络传送至核心处理器；用户健康调查数据问卷调查内容包括：饮食困扰、暴饮暴食、熬夜、食物喜好、喝水和监测体重，每项内容设定扣分标准，用户根据实际情况进行扣分。
8.根据权利要求7所述的实现方法，其特征在于，在所述步骤S2中，食物能量及营养素摄入自动分析计算模块自动分析计算步骤如下：
步骤1、通过食物能量及营养素摄入自动分析计算模块的内置算法和数据库对收集到的用户食用食物信息自动计算和评估每种食物每天的摄入量；
步骤2、根据食物能量及营养素摄入自动分析计算模块的内置评分系统评估用户的膳食质量；
步骤3、通过食物能量及营养素摄入自动分析计算模块的内置食物成分表和收集到的每种食物摄入量信息自动计算能量及营养素的摄入量；
步骤4、通过健康调查数据进行健康习惯评估。
9.根据权利要求8所述的实现方法，其特征在于，在所述步骤1中，每种食物每天的摄入量的计算和评估逻辑如下：
(1)选项赋值
A每周少于1次＝0次/天＝0；
B每周1-2次＝每周1.5次＝每天1.5/7次＝1.5/7；
C每周3-6次＝每周4.5次＝每天4.5/7次＝4.5/7；
D每天1次＝1；
E每天2次＝2；
F每天3次及以上＝3；
(2)食物摄入量(克/毫升数/天)＝频率×食物份量；
(3)将食物摄入量与内置的数据库进行一一比对，准确评估用户的食物摄入量，并给出摄入量高/低/足够的评价；
在所述步骤2中，膳食质量的计算和评估逻辑如下：
一、摄入量赋分，根据每种食物摄入推荐量的百分位法进行赋分，具体为：
蔬菜/水果/粗粮/奶/大豆的赋分方法：小于下限×10％g为1分；下限×(10％-25％)为3分；下限×(25％-50％)为5分；下限×(50％-75％)为7分；下限×(75％-90％)为8分；下限×90％-下限为9分；≥下限为10分；
精粮/红肉/白肉/鱼肉/坚果/油/蛋的赋分方法：小于下限×10％g、或者大于上限×190％为1分；下限×(10％-25％)、或者上限×(175％-190％)为3分；下限×(25％-50％)、或者上限×(150％-175％)为5分；下限×(50％-75％)、或者上限×(125％-150％)为7分；下限×(75％-1)、或者上限×(1-125％)为9分；推荐值范围内为10分；
酒的赋分方法：＝0g为0分；＞0g为-12分；
二、分值判定
根据每种食物每天摄入量的赋分，所有分值相加＝膳食质量总分，如果总分在0-25分，表示膳食质量差；如果总分在25-50分，表示膳食质量较差；如果总分在50-75分，表示膳食质量合格；如果总分在75-100分，表示膳食质量良好；如果总分在100-120分，表示膳食质量优秀；
在所述步骤3中，计算能量及营养素的摄入量的方法和评估逻辑如下：
(一)计算和评估的内容包括：能量、碳水化合物、脂肪、蛋白质、维生素、矿物质、饱和脂肪酸、膳食纤维、酒精的摄入量，以及碳水化合物供能比、脂肪供能比、蛋白质供能比、饱和脂肪酸供能比、酒精供能比；其中，维生素包括A、B1、B2、烟酸、B6、B12、C、D、E和K，矿物质包括钙、铁、磷、钾、镁和锌；
(二)能量或营养素摄入量＝每种食物摄入量×每种食物含有该能量或营养素的百分比，
(三)将能量及营养素摄入量与内置的数据库进行一一比对，准确评估用户的能量及营养素摄入量，并给出摄入量超量/不足/足够的评价；
(四)将碳水化合物、脂肪、蛋白质、酒精供能比与内置的数据可进行一一比对，准确评价用户的膳食模式。
10.根据权利要求9所述的实现方法，其特征在于，在所述步骤4中，健康调查评估如下：
用户进行健康调查数据问卷调查所扣的所有分值+100＝健康习惯总分，如果总分在0-25分，表示健康习惯差；如果总分在25-50分，表示健康习惯较差；如果总分在50-75分，表示健康习惯合格；如果总分在75-90分，表示健康习惯良好；如果总分在90-100分，表示健康习惯优秀。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910107604.9A CN109841270A (zh) | 2019-02-02 | 2019-02-02 | 基于智能设备的膳食营养健康调查评估系统及其实现方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910107604.9A CN109841270A (zh) | 2019-02-02 | 2019-02-02 | 基于智能设备的膳食营养健康调查评估系统及其实现方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109841270A true CN109841270A (zh) | 2019-06-04 |
Family
ID=66884544
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910107604.9A Pending CN109841270A (zh) | 2019-02-02 | 2019-02-02 | 基于智能设备的膳食营养健康调查评估系统及其实现方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109841270A (zh) |
Cited By (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110767289A (zh) * | 2019-10-30 | 2020-02-07 | 武汉绿安健膳方科技有限公司 | 一种基于互联网的居家营养管理方法 |
| CN110797107A (zh) * | 2019-10-30 | 2020-02-14 | 武汉绿安健膳方科技有限公司 | 一种居家膳食营养评价方法 |
| CN111048180A (zh) * | 2019-12-05 | 2020-04-21 | 上海交通大学医学院 | 一种膳食摄入调查分析系统、方法和终端 |
| CN111524576A (zh) * | 2020-05-08 | 2020-08-11 | 四川大学 | 一种用于体重控制的食物重量估测学习系统 |
| CN111564199A (zh) * | 2020-05-08 | 2020-08-21 | 成都尚医信息科技有限公司 | 智能化营养干预的方法及终端 |
| CN112071397A (zh) * | 2020-05-09 | 2020-12-11 | 和逊数字健康科技(深圳)有限公司 | 饮食质量评估方法、终端设备及计算机可读存储介质 |
| CN112071395A (zh) * | 2020-05-09 | 2020-12-11 | 和逊数字健康科技(深圳)有限公司 | 食物质量评估方法、终端设备和计算机可读存储介质 |
| CN112133404A (zh) * | 2020-09-21 | 2020-12-25 | 展指图(大连)营养科技有限公司 | 一种基于多维度评分法的食谱推荐方法、系统以及电子设备 |
| CN113035321A (zh) * | 2020-12-31 | 2021-06-25 | 天津医科大学 | 个体碘营养评价与建议系统 |
| CN113628750A (zh) * | 2021-09-17 | 2021-11-09 | 成都尚医信息科技有限公司 | 一种基于数字技术的营养不良快速筛查系统 |
| CN113707273A (zh) * | 2021-09-24 | 2021-11-26 | 中国疾病预防控制中心营养与健康所 | 婴幼儿膳食智能化评价方法、系统及设备 |
| CN114242205A (zh) * | 2021-11-16 | 2022-03-25 | 深圳市维士智慧健康管理有限公司 | 一种精准用餐数据收集和调整方法 |
| CN114443918A (zh) * | 2020-10-30 | 2022-05-06 | 展指图(大连)营养科技有限公司 | 一种基于参照食物组的食物分类方法及系统 |
| KR102616842B1 (ko) | 2023-02-17 | 2023-12-21 | 주식회사 바이오뉴트리온 | 사용자 맞춤형 식이 정보 제공 방법 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103077493A (zh) * | 2013-01-07 | 2013-05-01 | 乌鲁木齐市妇幼保健院 | 一种移动式膳食调查系统及其使用方法 |
| CN103295174A (zh) * | 2013-04-11 | 2013-09-11 | 深圳市慢性病防治中心 | 一种营养评估系统 |
| CN103530489A (zh) * | 2012-07-04 | 2014-01-22 | 王春玲 | 膳食摄入调查系统及方法 |
| CN104042345A (zh) * | 2014-05-16 | 2014-09-17 | 范敏 | 康复健康效果评估策略 |
| KR20160046628A (ko) * | 2014-10-21 | 2016-04-29 | 창원대학교 산학협력단 | 청소년 식생활 평가 도구와 이를 이용한 식사종류별 반정량적 식품섭취빈도 조사방법 |
| KR20160109406A (ko) * | 2015-03-11 | 2016-09-21 | 창원대학교 산학협력단 | 청소년 식생활 평가 도구와 이를 이용한 식사종류별 반정량적 식품섭취빈도 조사방법 |
| CN109273070A (zh) * | 2018-09-06 | 2019-01-25 | 北京好价网络科技有限公司 | 饮食营养分析系统及方法 |
-
2019
- 2019-02-02 CN CN201910107604.9A patent/CN109841270A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103530489A (zh) * | 2012-07-04 | 2014-01-22 | 王春玲 | 膳食摄入调查系统及方法 |
| CN103077493A (zh) * | 2013-01-07 | 2013-05-01 | 乌鲁木齐市妇幼保健院 | 一种移动式膳食调查系统及其使用方法 |
| CN103295174A (zh) * | 2013-04-11 | 2013-09-11 | 深圳市慢性病防治中心 | 一种营养评估系统 |
| CN104042345A (zh) * | 2014-05-16 | 2014-09-17 | 范敏 | 康复健康效果评估策略 |
| KR20160046628A (ko) * | 2014-10-21 | 2016-04-29 | 창원대학교 산학협력단 | 청소년 식생활 평가 도구와 이를 이용한 식사종류별 반정량적 식품섭취빈도 조사방법 |
| KR20160109406A (ko) * | 2015-03-11 | 2016-09-21 | 창원대학교 산학협력단 | 청소년 식생활 평가 도구와 이를 이용한 식사종류별 반정량적 식품섭취빈도 조사방법 |
| CN109273070A (zh) * | 2018-09-06 | 2019-01-25 | 北京好价网络科技有限公司 | 饮食营养分析系统及方法 |
Cited By (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110797107A (zh) * | 2019-10-30 | 2020-02-14 | 武汉绿安健膳方科技有限公司 | 一种居家膳食营养评价方法 |
| CN110767289A (zh) * | 2019-10-30 | 2020-02-07 | 武汉绿安健膳方科技有限公司 | 一种基于互联网的居家营养管理方法 |
| CN111048180A (zh) * | 2019-12-05 | 2020-04-21 | 上海交通大学医学院 | 一种膳食摄入调查分析系统、方法和终端 |
| CN111048180B (zh) * | 2019-12-05 | 2024-02-02 | 上海交通大学医学院 | 一种膳食摄入调查分析系统、方法和终端 |
| CN111524576B (zh) * | 2020-05-08 | 2023-07-07 | 四川大学 | 一种用于体重控制的食物重量估测学习系统 |
| CN111524576A (zh) * | 2020-05-08 | 2020-08-11 | 四川大学 | 一种用于体重控制的食物重量估测学习系统 |
| CN111564199A (zh) * | 2020-05-08 | 2020-08-21 | 成都尚医信息科技有限公司 | 智能化营养干预的方法及终端 |
| CN112071397A (zh) * | 2020-05-09 | 2020-12-11 | 和逊数字健康科技(深圳)有限公司 | 饮食质量评估方法、终端设备及计算机可读存储介质 |
| CN112071395A (zh) * | 2020-05-09 | 2020-12-11 | 和逊数字健康科技(深圳)有限公司 | 食物质量评估方法、终端设备和计算机可读存储介质 |
| CN112071397B (zh) * | 2020-05-09 | 2024-11-22 | 和逊数字健康科技(深圳)有限公司 | 饮食质量评估方法、终端设备及计算机可读存储介质 |
| CN112133404A (zh) * | 2020-09-21 | 2020-12-25 | 展指图(大连)营养科技有限公司 | 一种基于多维度评分法的食谱推荐方法、系统以及电子设备 |
| CN112133404B (zh) * | 2020-09-21 | 2024-07-09 | 展指图(大连)营养科技有限公司 | 一种基于多维度评分法的食谱推荐方法、系统以及电子设备 |
| CN114443918A (zh) * | 2020-10-30 | 2022-05-06 | 展指图(大连)营养科技有限公司 | 一种基于参照食物组的食物分类方法及系统 |
| CN114443918B (zh) * | 2020-10-30 | 2024-09-03 | 庄媛媛 | 一种基于参照食物组的食物分类方法及系统 |
| CN113035321A (zh) * | 2020-12-31 | 2021-06-25 | 天津医科大学 | 个体碘营养评价与建议系统 |
| CN113628750A (zh) * | 2021-09-17 | 2021-11-09 | 成都尚医信息科技有限公司 | 一种基于数字技术的营养不良快速筛查系统 |
| CN113628750B (zh) * | 2021-09-17 | 2024-05-07 | 成都尚医信息科技有限公司 | 一种基于数字技术的营养不良快速筛查系统 |
| CN113707273A (zh) * | 2021-09-24 | 2021-11-26 | 中国疾病预防控制中心营养与健康所 | 婴幼儿膳食智能化评价方法、系统及设备 |
| CN114242205A (zh) * | 2021-11-16 | 2022-03-25 | 深圳市维士智慧健康管理有限公司 | 一种精准用餐数据收集和调整方法 |
| KR102616842B1 (ko) | 2023-02-17 | 2023-12-21 | 주식회사 바이오뉴트리온 | 사용자 맞춤형 식이 정보 제공 방법 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109841270A (zh) | 基于智能设备的膳食营养健康调查评估系统及其实现方法 | |
| Sotos-Prieto et al. | Design and development of an instrument to measure overall lifestyle habits for epidemiological research: the Mediterranean Lifestyle (MEDLIFE) index | |
| Temme et al. | Replacement of meat and dairy by plant-derived foods: estimated effects on land use, iron and SFA intakes in young Dutch adult females | |
| Abdollahi et al. | Socio-economic differences in dietary intakes: the comprehensive study on household food consumption patterns and nutritional status of IR Iran | |
| CA3119180A1 (en) | Recipe generation based on neural network | |
| KR20140146202A (ko) | 영양 물질들에 대한 정보 시스템 | |
| CN104809164A (zh) | 一种基于移动终端的健康饮食推荐方法及移动终端 | |
| CN105809598A (zh) | 饮食摄入的管理方法、装置及云平台 | |
| CN111161838B (zh) | 一种适用于学生的合理膳食方法及指导系统 | |
| Fehrenbach et al. | A critical examination of the available data sources for estimating meat and protein consumption in the USA | |
| CN111261260B (zh) | 一种膳食推荐系统 | |
| CN105956676A (zh) | 互动预订餐系统 | |
| CN107705837B (zh) | 选餐的推荐方法、设备及系统 | |
| CN105894101A (zh) | 基于网络的互动预订餐系统 | |
| Dickie et al. | A novel food processing-based nutrition classification scheme for guiding policy actions applied to the Australian food supply | |
| Zinn et al. | Low‐carbohydrate, healthy‐fat eating: A cost comparison with national dietary guidelines | |
| Godois et al. | Development of a food frequency questionnaire for Brazilian athletes | |
| US10217376B2 (en) | Nutritional value of food | |
| Jayawardena et al. | Development of a food exchange atlas for Sri Lankan adults | |
| Troubat et al. | Food consumption in Solomon Islands: Based on the analysis of the 2012/13 Household Income and Expenditure survey | |
| KR102511977B1 (ko) | 식약처 공공데이터를 활용한 식제품 큐레이팅 서비스를 제공하는 방법 및 그 시스템 | |
| Dos Santos et al. | Food choices to meet nutrient recommendations for the adult Brazilian population based on the linear programming approach | |
| Connors et al. | Middle school cafeteria food choice and waste prior to implementation of Healthy, Hunger-Free Kids Act changes in the National School Lunch Program | |
| CN116092635A (zh) | 一种基于人工智能的食材配比方法及装置 | |
| Troubat et al. | Food consumption in the Marshall Islands: Based on analysis of the 2019/20 Household Income and Expenditure Survey |
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 |
Application publication date: 20190604 |
|
| RJ01 | Rejection of invention patent application after publication |