CN111210914A - 基于可穿戴设备的问诊提醒的方法和装置 - Google Patents

基于可穿戴设备的问诊提醒的方法和装置 Download PDF

Info

Publication number
CN111210914A
CN111210914A CN201911229001.2A CN201911229001A CN111210914A CN 111210914 A CN111210914 A CN 111210914A CN 201911229001 A CN201911229001 A CN 201911229001A CN 111210914 A CN111210914 A CN 111210914A
Authority
CN
China
Prior art keywords
user
health
health data
data
historical
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
Application number
CN201911229001.2A
Other languages
English (en)
Inventor
姜盛乾
胡亚男
肖建波
孙宇晨
许涵博
付先凯
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Jingdong Century Trading Co Ltd
Beijing Wodong Tianjun Information Technology Co Ltd
Original Assignee
Beijing Jingdong Century Trading Co Ltd
Beijing Wodong Tianjun Information Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Jingdong Century Trading Co Ltd, Beijing Wodong Tianjun Information Technology Co Ltd filed Critical Beijing Jingdong Century Trading Co Ltd
Priority to CN201911229001.2A priority Critical patent/CN111210914A/zh
Publication of CN111210914A publication Critical patent/CN111210914A/zh
Pending legal-status Critical Current

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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
    • 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)
  • Medical Informatics (AREA)
  • Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Data Mining & Analysis (AREA)
  • Epidemiology (AREA)
  • Pathology (AREA)
  • Databases & Information Systems (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • General Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

本发明公开了基于可穿戴设备的问诊提醒的方法和装置，涉及计算机科学技术领域。该方法的一具体实施方式包括：通过可穿戴设备获取与用户相关的第一健康数据，其中所述第一健康数据包括第一历史健康数据；基于所述第一健康数据得到与所述用户相关的预判参考分数；将所述预判参考分数与预定风险阈值进行比较，得到与所述用户相关的健康风险预判结果；以及发送所述健康风险预判结果到与用户关联的客户端。该实施方式降低了用户的健康风险以及潜在的医疗成本。

Description

基于可穿戴设备的问诊提醒的方法和装置
技术领域
本发明涉及计算机科学技术领域，尤其涉及一种基于可穿戴设备的问诊提醒的方法和装置。
背景技术
当代生活中，老年人的健康问题受到了家庭以及社会的广泛关注。而随着互联网技术的发展，许多医院或第三方服务机构也推出了在线问诊服务来更好地贴合老年人的问诊需求。很多互联网医院已经打通了线上线下，已经能够进行线上问诊、处方开药、拿药和送货上门的全流程服务。
在实现本发明过程中，发明人发现现有技术中至少存在如下问题：
现有技术只使用用户的当前健康数据进行疾病诊断，因此只能在已有病情发生时提醒医治，而并没有合理的预防机制能够提醒老年人及时关注某方面潜在的健康隐患。
发明内容
有鉴于此，本发明实施例提供一种基于可穿戴设备的问诊提醒的方法和装置，能够实现在用户当前指标没有明显异常的情况下预判可能存在的健康风险的技术效果，并通过及时提醒用户问诊从而降低了用户的健康风险以及潜在的医疗成本。
为实现上述目的，根据本发明实施例的一个方面，提供了一种基于可穿戴设备的问诊提醒的方法。
根据本发明的基于可穿戴设备的问诊提醒的方法，包括：
通过可穿戴设备获取与用户相关的第一健康数据，其中所述第一健康数据包括第一历史健康数据；
基于所述第一健康数据得到与所述用户相关的预判参考分数；
将所述预判参考分数与预定风险阈值进行比较，得到与所述用户相关的健康风险预判结果；以及
发送所述健康风险预判结果到与用户关联的客户端。
可选地，所述预定风险阈值通过以下步骤得到：
构建健康指标数据库；以及
基于来自所述健康指标数据库的第二健康数据得到所述预定风险阈值。
可选地，所述第一健康数据还包括与所述用户年龄相关的理论患病率。
可选地，所述第一历史健康数据包括以下中的一个或多个：第一历史运动数据、第一历史心率数据、第一历史睡眠质量数据和第一历史环境数据。
可选地，所述第一历史运动数据是基于通过所述可穿戴设备获取的与所述用户相关的步数数据计算得到的。
可选地，所述第一历史心率数据是基于通过所述可穿戴设备获取的与所述用户相关的心率信号的均值、最大值、最大值指标以及峭度指标计算得到的。
可选地，所述可穿戴设备是智能电子手环。
为实现上述目的，根据本发明实施例的另一个方面，提供了一种基于可穿戴设备的问诊提醒的装置。
根据本发明的基于可穿戴设备的问诊提醒的装置，包括：
健康数据获取模块，用于获取与用户相关的第一健康数据，其中所述第一健康数据包括第一历史健康数据；
参考分数计算模块，用于基于所述第一健康数据得到与所述用户相关的预判参考分数；
比较模块，用于将所述预判参考分数与预定风险阈值进行比较；
结果获取模块，用于得到与所述用户相关的健康风险预判结果；以及
问诊提醒模块，用于发送所述健康风险预判结果到与用户关联的客户端。
可选地，所述装置进一步包括：
数据库构建模块，用于构建健康指标数据库；以及
风险阈值确定模块，用于基于来自所述健康指标数据库的第二健康数据得到所述预定风险阈值。
可选地，所述第一历史健康数据包括以下中的一个或多个：第一历史运动数据、第一历史心率数据、第一历史睡眠质量数据和第一历史环境数据。
可选地，所述可穿戴设备是智能电子手环。
根据本发明实施例的另一个方面，提供了一种基于可穿戴设备的问诊提醒的系统。
根据本发明实施例的基于可穿戴设备的问诊提醒的系统，包括：
健康数据获取单元，用于获取与用户相关的第一健康数据，其中所述第一健康数据包括第一历史健康数据；
参考分数计算单元，用于基于所述第一健康数据得到与所述用户相关的预判参考分数；
比较单元，用于将所述预判参考分数与预定风险阈值进行比较；
结果获取单元，用于得到与所述用户相关的健康风险预判结果；以及
问诊提醒单元，用于发送所述健康风险预判结果到与用户关联的客户端。
根据本发明实施例的另一个方面，提供了一种基于可穿戴设备的问诊提醒电子设备。
根据本发明实施例的基于可穿戴设备的问诊提醒电子设备，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当该一个或多个程序被该一个或多个处理器执行，使得该一个或多个处理器实现本发明实施例一方面提供的基于可穿戴设备的问诊提醒方法。
根据本发明实施例的再一个方面，提供了一种计算机可读介质。
根据本发明实施例的计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现本发明实施例一方面提供的基于可穿戴设备的问诊提醒方法。
上述发明中的一个实施例具有如下优点或有益效果：因为通过采集用户历史健康数据进行基于可穿戴设备的问诊提醒的技术手段，所以克服了在用户当前指标没有明显异常的情况下无法向用户预警可能存在的患病可能的技术问题，进而达到能够实现预判用户可能存在的健康风险的技术效果，并通过及时提醒用户问诊从而降低了用户的健康风险以及潜在的医疗成本。
上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。
附图说明
附图用于更好地理解本发明，不构成对本发明的不当限定。其中：
图1是根据本发明实施例的基于可穿戴设备的问诊提醒的方法的主要流程的示意图；
图2是根据本发明实施例的示例心率系数计算流程的示意图；
图3是根据本发明实施例的另一个基于可穿戴设备的问诊提醒的方法的流程的示意图；
图4是根据本发明实施例的基于可穿戴设备的问诊提醒的装置的主要模块的示意图；
图5是根据本发明实施例的基于可穿戴设备的问诊提醒的系统的主要单元的示意图；
图6是本发明实施例可以应用于其中的示例性系统架构图；
图7是适于用来实现本发明实施例的终端设备或服务器的计算机系统的结构示意图。
具体实施方式
以下结合附图对本发明的示范性实施例做出说明，其中包括本发明实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本发明的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
图1是根据本发明实施例的基于可穿戴设备的问诊提醒的方法的主要流程的示意图，如图1所示，根据本发明实施例的基于可穿戴设备的问诊提醒的方法包括步骤S101、S102、S103和S104。
步骤S101：通过可穿戴设备获取与用户相关的第一健康数据，其中所述第一健康数据包括第一历史健康数据。
可选地，所述可穿戴设备是智能电子手环。在一种实施例中，智能手环的结构包括可绕手腕固定的壳体以及装配在所述壳体上的智能电路模块，所述智能电路模块包括具有传感器以及用户可交互模块的PCB电路板。在一种实施方式中，所述可穿戴设备可以是任意带有传感器的身体数据采集设备，例如具有同样功能的电子腕表。在本说明书中为了直观方便，故以智能电子手环作为一个实例但并不作为对可穿戴设备的限制。在一种实施方式中，智能电子手环可以采集用户每日的健康数据并保存至硬件设备或云端，从而建立与特定用户相关的健康历史记录。例如，佩戴智能手环可以采集用户的每日行走步数、行走距离、卡路里消耗量、心率和睡眠时间。本文中的术语“用户”一般指老年人，也可以指其他不同年龄段的用户。在一种实施方式中，所述可穿戴设备可以是智能终端，用户可以通过其录入自己的健康相关情况。
可选地，所述第一历史健康数据包括以下中的一个或多个：第一历史运动数据、第一历史心率数据、第一历史睡眠质量数据和第一历史环境数据。所述第一健康数据是指与特定用户有关的健康数据，其不仅可以包括第一历史健康数据，还可以包括由可穿戴设备采集到的用户的当前健康数据。在一种实施方式中，对用户健康风险的预判是结合与用户相关的历史健康数据和当前健康数据来进行的。
步骤S102：基于所述第一健康数据得到与所述用户相关的预判参考分数。
例如，所述可穿戴设备可以收集用户的过往生活习惯和生活环境，得到用户的危险因素评分。例如，用户的过往生活习惯包括吸烟、饮酒、每周锻炼次数、过去平均每天睡眠时间、饮食习惯、行为习惯等，生活习惯的评分如表1所示。生活环境包含经济收入、居住条件、工作环境，评分如表2所示。每个类别都有对应的得分，危险度评分γ1将由所有数据总和，最高分为100分。
Figure BDA0002303009780000071
表1生活习惯评分表
Figure BDA0002303009780000072
Figure BDA0002303009780000081
表2生活环境评分表
可选地，所述第一历史运动数据是基于通过所述可穿戴设备获取的与所述用户相关的步数数据计算得到的。可选地，所述第一历史心率数据是基于通过所述可穿戴设备获取的与所述用户相关的心率信号的均值、最大值、最大值指标以及峭度指标计算得到的。
在一种实施方式中，老年人身体状况包含老年人的运动状况、心率状况和睡眠质量状况。示例性地，可以计算老年人的运动系数，然后获取心率系数和睡眠质量系数，将三项系数输出表示为老年人身体状况。具体的步骤如下。
首先，对老年人运动系数γ3进行计算。
老年人每天的行走步数δ作为运动系数γ3的计算指标，不过健康行走步数ε需要运动的连续，老年人的健康运动范围为[β1，β2]，低于或超出范围均会降低运动系数指标。本文将分割后的行走步数δ通过换算求得健康行走步数ε，再考虑健康运动范围的影响，可求得老年人运动系数。具体如下文
本文需对行走步数进行分割，当行走步数1分钟内没有变化，默认老年人停止连续行走。将当日行走步数中连续行走步数大于1000的数据总和记为δ1；连续行走步数大于500，小于等于1000的数据总和记为δ2；连续行走步数大于200，小于等于500的数据总和记为δ3；连续行走步数大于100，小于等于200的数据总和记为δ4；连续行走步数小于100的数据总和记为δ5。健康行走步数ε＝δ1+0.8δ2+0.6δ3+0.4δ4+0.2δ5。
老年人的运动系数γ3的计算方法如下的公式(1)所述：
Figure BDA0002303009780000082
接下来，对老年人心率系数γ4进行计算。
本文将运动中的心率数据剔除，然后通过计算心率的均值、最大值、最大值指标和峭度指标是否异常。图2是根据本发明实施例的示例心率系数计算流程的示意图。如图2所示，在心率信号201中取得均值202、最大值203、最大值指标204以及峭度指标205。每一项指标异常心率系数加0.25，老年人心率系数γ4等于异常指标加和，即心率系数206，心率系数206最大值为1。
均值、最大值、最大值指标和峭度指标通过计算往常心率数据得到，采集过去正常时期的心率数据，z1、z2…zn，计算心率均值
Figure BDA0002303009780000096
为如下的公式(2)所述：
Figure BDA0002303009780000091
心率信号z的最大值指标Zf利用最大值除以均值的方式求得，即
Figure BDA0002303009780000092
其中zmax为最大值，通过计算往常心率样本最大10个数的平均值求得。
心率信号z的峭度指标Kf为如下的公式(3)所述：
Figure BDA0002303009780000093
其中
Figure BDA0002303009780000094
在老年人正常心率标准的情况下，使用正态分布理论的方法对均值、最大值、最大值指标和峭度指标进行统计学分析，计算得到各项指标的阈值。之后，将对老年人的心率指标进行监测，当心率指标超过阈值范围，则判定老年人相应指标异常。
详细实施方案中，首先假定老年人正常状态下心率信号的统计指标z服从正态分布，为Z～N(μ，σ2)。假定老年人正常状态下心率信号z的统计指标Z的统计值y的概率密度函数为如下的公式(4)所述：
Figure BDA0002303009780000095
μ为统计均值，σ为分布的标准差。
对于老年人的心率监测，当心率各类指标Z的统计值y超过范围μ±3σ，即可认定心率指标状态异常。
最后，对老年人睡眠质量系数γ5进行计算。
睡眠质量系数需要识别前一天的睡眠时间，时间大于等于8小时，系数γ5为1；时间大于等于7小时，小于8小时，系数γ5为0.8；时间大于等于6小时，小于7小时，系数γ5为0.7；时间大于等于4小时，小于6小时，系数γ5为0.4；时间小于4小时，系数γ5为0。
在一些实施方式中，可以提醒老年人自助进行Berg量表评分，每个项目都会提醒用户按照规定操作，最后根据每个项目的情况让老年人自主选择，最后得分上传。
Berg量表分为14个类目，分别为从坐位站起；无支持站立；从站立位坐下等类别，每个类目评分为0～4分，低于40分为有摔倒风险，高于40分为无摔倒风险。本文如果识别为有摔倒风险，自我评分γ6输出1；无摔倒风险，自我评分γ6输出0。
在一些实施方式中，获得危险因素评分、患病风险评估值、身体状况、自我评分中的特征值。危险因素评分为γ1，γ1∈[0，100]，数值代表危险度评分，接近0表示不危险，接近100表示非常危险。患病风险评估值γ2∈[0，1]，其中接近0表示无患病风险，接近1表示患病风险极高。身体状况包含老年人运动系数γ3、老年人心率系数γ4、老年人睡眠质量系数γ5，老年人运动系数γ3∈[0，1]，其中接近0表示无有效运动，接近1表示健康运动；老年人心率系数γ4∈[0，1]，其中接近0表示心率无异常，接近1表示心率异常；老年人睡眠质量系数γ5∈[0，1]，其中接近0表示睡眠质量较差，接近1表示睡眠质量健康。自我评分γ6∈[0，1]，其中0表示无摔倒风险，1表示有摔倒风险。
在本文发明所提供的一个实施例中，可以对以上6项指标进行识别，识别结果为τ，τ∈{1，2，3}，分别表示为不需就诊、建议就诊和急需就诊。本文将问题提醒描述成多分类问题，特征为6维特征向量(γ1，γ2，γ3，γ4，γ5，γ6)。将特征输入1个或多个分类器中获得得到一个3分类的分类结果。
当前分类方法繁多，有效的监督学习分类包含决策树、贝叶斯、人工神经网络、k-近邻的分类等。使用本发明提供的方法，可以结合老年人的危险因素评分、患病风险评估值、身体状况、自我评分，告知老年人用户是否需要进行快速问诊，做到有病提前医治。
步骤S103：将所述预判参考分数与预定风险阈值进行比较，得到与所述用户相关的健康风险预判结果。
在一种实施方式中，所述预定风险阈值可分为安全阈值和危险阈值。在一种实施方式中，所述与所述用户相关的健康风险预判结果可以分为“不需就诊”、“建议就诊”或“急需就诊”。例如，当所述预判参考分数小于安全阈值时，健康风险预判结果为“不需就诊”；当所述预判参考分数大于等于安全阈值且小于危险阈值时，健康风险预判结果为“建议就诊”；当所述预判参考分数大于等于危险阈值时，健康风险预判结果为“急需就诊”。通过这种方式可提示用户提前问诊，防患未然。
可选地，所述预定风险阈值通过以下步骤得到：
构建健康指标数据库；以及
基于来自所述健康指标数据库的第二健康数据得到所述预定风险阈值。
可选地，所述健康指标数据库中的第二健康数据来自与所述用户相关的一个或多个城市的医院和保险公司的健康数据库。在一种实施方式中，所述第二健康数据指与用户年龄段相仿的其他用户的身体数据信息，借此可以科学地得到与用户情况相似的情况下患病的几率从而基于统计方式计算所述预定风险阈值。
可选地，所述第一健康数据还包括与所述用户年龄相关的理论患病率。
在一种实施例中，所述健康指标数据库需要在几个城市收集当地医院、当地保险公司人群犯病记录，构建患病数据库。城市可以为长春、沈阳等。
所述患病风险评估首先计算疾病数据库内不同年龄段的患病率，不同年龄段的患病率＝当地不同年龄段患病人数/当地年龄段人群数量，当地年龄段人群数量需查询当地的统计局数据。本文的不同年龄段患病率等于多地患病率的平均值。选取40-70岁患病率数据进行拟合处理得到患病率函数Y＝α1x+α1x2+…α1xn，本文将根据实际情况选择拟合类型，可以为二元三次、也可以为多元多次。
老年人的实际年龄输入患病率函数即得到理论患病率α1，老年人还需将过往的病史提前输入系统内，系统将根据老年人的患病情况进行分类。常规的病患，如感冒、发烧、轻微扭伤等视为1级；肺结核、肺炎、病毒性感染、严重的扭伤等视为2级；心脏病、糖尿病、甲亢等视为3级；癌症、白血病等视为4级。患病情况等级指数中1级指数为1.25，2级指数为1.5，3级指数为2.5，4级指数为4。老年人患病风险评估指数γ2＝理论患病率×患病情况等级指数，最高不超过1，超过1患病风险程度记录为1。
步骤S104：发送所述健康风险预判结果到与用户关联的客户端。
在一种实施方式中，所述与用户关联的客户端可以是所述可穿戴设备本身，因此可以直接在所述可穿戴设备上向用户进行提示，提示方式可为语音、文字或震动。在一种实施方式中，所述方法可以通过将步骤S101中的所述可穿戴设备与用户的终端设备相关联，并通过用户的终端设备对用户进行提示。所述用户的终端设备可以是手机、平板电脑或笔记本电脑等。
上述发明中的一个实施例具有如下优点或有益效果：因为通过采集用户历史健康数据进行基于可穿戴设备的问诊提醒的技术手段，所以克服了在用户当前指标没有明显异常的情况下无法向用户预警可能存在的患病可能的技术问题，进而达到能够实现预判用户可能存在的健康风险的技术效果，并通过及时提醒用户问诊从而降低了用户的健康风险以及潜在的医疗成本。
图3是根据本发明实施例的另一个基于可穿戴设备的问诊提醒的方法的流程的示意图，如图3所示，根据本发明实施例的另一个基于可穿戴设备的问诊提醒的方法包括步骤S301、S302、S303、S304、S305和S306。
步骤S301：通过可穿戴设备获取与用户相关的第一健康数据，其中所述第一健康数据包括第一历史健康数据。
可选地，所述可穿戴设备是智能电子手环。
可选地，所述第一历史健康数据包括以下中的一个或多个：第一历史运动数据、第一历史心率数据、第一历史睡眠质量数据和第一历史环境数据。
步骤S302：基于所述第一健康数据得到与所述用户相关的预判参考分数。
步骤S303：构建健康指标数据库。
步骤S304：基于来自所述健康指标数据库的所述第二健康数据得到所述预定风险阈值。
步骤S305：将所述预判参考分数与预定风险阈值进行比较，得到与所述用户相关的健康风险预判结果。
步骤S306：发送所述健康风险预判结果到与用户关联的客户端。
上述发明中的一个实施例具有如下优点或有益效果：因为通过采集用户历史健康数据进行基于可穿戴设备的问诊提醒的技术手段，所以克服了在用户当前指标没有明显异常的情况下无法向用户预警可能存在的患病可能的技术问题，进而达到能够实现预判用户可能存在的健康风险的技术效果，并通过及时提醒用户问诊从而降低了用户的健康风险以及潜在的医疗成本。
图4是根据本发明实施例的基于可穿戴设备的问诊提醒的装置400的主要模块的示意图，如图4所示，根据本发明实施例的基于可穿戴设备的问诊提醒的装置400包括健康数据获取模块401、参考分数计算模块402、比较模块403、结果获取模块404和问诊提醒模块405。
健康数据获取模块401，用于获取与用户相关的第一健康数据，其中所述第一健康数据包括第一历史健康数据。
参考分数计算模块402，用于基于所述第一健康数据得到与所述用户相关的预判参考分数。
比较模块403，用于将所述预判参考分数与预定风险阈值进行比较。
结果获取模块404，用于得到与所述用户相关的健康风险预判结果。
问诊提醒模块405，用于发送所述健康风险预判结果到与用户关联的客户端。
可选地，根据本发明实施例的基于可穿戴设备的问诊提醒的装置400可以进一步包括：
数据库构建模块406，用于构建健康指标数据库；以及
风险阈值确定模块407，用于基于来自所述健康指标数据库的所述第二健康数据得到所述预定风险阈值。
上述发明中的一个实施例具有如下优点或有益效果：因为通过采集用户历史健康数据进行基于可穿戴设备的问诊提醒的技术手段，所以克服了在用户当前指标没有明显异常的情况下无法向用户预警可能存在的患病可能的技术问题，进而达到能够实现预判用户可能存在的健康风险的技术效果，并通过及时提醒用户问诊从而降低了用户的健康风险以及潜在的医疗成本。
图5是根据本发明实施例的基于可穿戴设备的问诊提醒的系统的主要单元的示意图，如图5所示，根据本发明实施例的基于可穿戴设备的问诊提醒的系统500包括健康数据获取单元501、参考分数计算单元502、比较单元503、结果获取单元504以及问诊提醒单元505。
健康数据获取单元501，用于获取与用户相关的第一健康数据，其中所述第一健康数据包括第一历史健康数据。
参考分数计算单元502，用于基于所述第一健康数据得到与所述用户相关的预判参考分数。
比较单元503，用于将所述预判参考分数与预定风险阈值进行比较。
结果获取单元504，用于得到与所述用户相关的健康风险预判结果。
问诊提醒单元505，用于发送所述健康风险预判结果到与用户关联的客户端。
可选地，根据本发明实施例的基于可穿戴设备的问诊提醒的系统500可以进一步包括：
数据库构建单元506，用于构建健康指标数据库；以及
风险阈值确定单元507，用于基于来自所述健康指标数据库的所述第二健康数据得到所述预定风险阈值。
上述发明中的一个实施例具有如下优点或有益效果：因为通过采集用户历史健康数据进行基于可穿戴设备的问诊提醒的技术手段，所以克服了在用户当前指标没有明显异常的情况下无法向用户预警可能存在的患病可能的技术问题，进而达到能够实现预判用户可能存在的健康风险的技术效果，并通过及时提醒用户问诊从而降低了用户的健康风险以及潜在的医疗成本。
图6示出了可以应用本发明实施例的基于可穿戴设备的问诊提醒方法或基于可穿戴设备的问诊提醒装置的示例性系统架构500。
如图6所示，系统架构600可以包括终端设备601、602、603，网络604和服务器605。网络604用以在终端设备601、602、603和服务器605之间提供通信链路的介质。网络604可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备601、602、603通过网络604与服务器605交互，以接收或发送消息等。终端设备601、602、603上可以安装有各种通讯客户端应用，例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。
终端设备601、602、603可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器605可以是提供各种服务的服务器，例如对用户利用终端设备601、602、603所浏览的购物类网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的产品信息查询请求等数据进行分析等处理，并将处理结果(例如目标推送信息、产品信息--仅为示例)反馈给终端设备。
需要说明的是，本发明实施例所提供的基于可穿戴设备的问诊提醒方法一般由服务器605执行，相应地，基于可穿戴设备的问诊提醒装置一般设置于服务器605中。
应该理解，图6中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
下面参考图7，其示出了适于用来实现本发明实施例的终端设备的计算机系统700的结构示意图。图7示出的终端设备仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图7所示，计算机系统700包括中央处理单元(CPU)701，其可以根据存储在只读存储器(ROM)702中的程序或者从存储部分708加载到随机访问存储器(RAM)703中的程序而执行各种适当的动作和处理。在RAM 703中，还存储有系统700操作所需的各种程序和数据。CPU 701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
以下部件连接至I/O接口705：包括键盘、鼠标等的输入部分706；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分707；包括硬盘等的存储部分708；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分709。通信部分709经由诸如因特网的网络执行通信处理。驱动器710也根据需要连接至I/O接口705。可拆卸介质711，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器710上，以便于从其上读出的计算机程序根据需要被安装入存储部分708。
特别地，根据本发明公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本发明公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分709从网络上被下载和安装，和/或从可拆卸介质711被安装。在该计算机程序被中央处理单元(CPU)701执行时，执行本发明的系统中限定的上述功能。
需要说明的是，本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——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。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中，计算机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。而在本发明中，计算机可读的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，其中承载了计算机可读的程序代码。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。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、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。计算机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、电线、光缆、RF等等，或者上述的任意合适的组合。
附图中的流程图和框图，图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本发明实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中，例如，可以描述为：一种处理器包括健康数据获取模块、参考分数计算模块、比较模块、结果获取模块和问诊提醒模块。其中，这些模块的名称在某种情况下并不构成对该模块本身的限定，例如，比较模块还可以被描述为“将所述预判参考分数与预定风险阈值进行比较的模块”。
作为另一方面，本发明还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的设备中所包含的；也可以是单独存在，而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该设备执行时，使得该设备包括：通过可穿戴设备获取与用户相关的第一健康数据，其中所述第一健康数据包括第一历史健康数据；基于所述第一健康数据得到与所述用户相关的预判参考分数；将所述预判参考分数与预定风险阈值进行比较，得到与所述用户相关的健康风险预判结果；以及发送所述健康风险预判结果到与用户关联的客户端。
上述发明中的一个实施例具有如下优点或有益效果：因为通过采集用户历史健康数据进行基于可穿戴设备的问诊提醒的技术手段，所以克服了在用户当前指标没有明显异常的情况下无法向用户预警可能存在的患病可能的技术问题，进而达到能够实现预判用户可能存在的健康风险的技术效果，并通过及时提醒用户问诊从而降低了用户的健康风险以及潜在的医疗成本。
上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，取决于设计要求和其他因素，可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。

Claims (10)

1.一种基于可穿戴设备的问诊提醒的方法，其特征在于，包括：
通过可穿戴设备获取与用户相关的第一健康数据，其中所述第一健康数据包括第一历史健康数据；
基于所述第一健康数据得到与所述用户相关的预判参考分数；
将所述预判参考分数与预定风险阈值进行比较，得到与所述用户相关的健康风险预判结果；以及
发送所述健康风险预判结果到与用户关联的客户端。
2.根据权利要求1所述的方法，其特征在于，所述预定风险阈值通过以下步骤得到：
构建健康指标数据库；以及
基于来自所述健康指标数据库的第二健康数据得到所述预定风险阈值。
3.根据权利要求1所述的方法，其特征在于，其中，所述第一健康数据还包括与所述用户年龄相关的理论患病率。
4.根据权利要求1所述的方法，其特征在于，其中，所述第一历史健康数据包括以下中的一个或多个：第一历史运动数据、第一历史心率数据、第一历史睡眠质量数据和第一历史环境数据。
5.根据权利要求4所述的方法，其特征在于，其中，所述第一历史运动数据是基于通过所述可穿戴设备获取的与所述用户相关的步数数据计算得到的。
6.根据权利要求4所述的方法，其特征在于，其中，所述第一历史心率数据是基于通过所述可穿戴设备获取的与所述用户相关的心率信号的均值、最大值、最大值指标以及峭度指标计算得到的。
7.一种基于可穿戴设备的问诊提醒的装置，其特征在于，包括：
健康数据获取模块，用于获取与用户相关的第一健康数据，其中所述第一健康数据包括第一历史健康数据；
参考分数计算模块，用于基于所述第一健康数据得到与所述用户相关的预判参考分数；
比较模块，用于将所述预判参考分数与预定风险阈值进行比较；
结果获取模块，用于得到与所述用户相关的健康风险预判结果；以及
问诊提醒模块，用于发送所述健康风险预判结果到与用户关联的客户端。
8.一种基于可穿戴设备的问诊提醒的系统，其特征在于，包括：
健康数据获取单元，用于获取与用户相关的第一健康数据，其中所述第一健康数据包括第一历史健康数据；
参考分数计算单元，用于基于所述第一健康数据得到与所述用户相关的预判参考分数；
比较单元，用于将所述预判参考分数与预定风险阈值进行比较；
结果获取单元，用于得到与所述用户相关的健康风险预判结果；以及
问诊提醒单元，用于发送所述健康风险预判结果到与用户关联的客户端。
9.一种基于可穿戴设备的问诊提醒电子设备，其特征在于，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-6中任一所述的方法。
10.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1-6中任一所述的方法。
CN201911229001.2A 2019-12-04 2019-12-04 基于可穿戴设备的问诊提醒的方法和装置 Pending CN111210914A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911229001.2A CN111210914A (zh) 2019-12-04 2019-12-04 基于可穿戴设备的问诊提醒的方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911229001.2A CN111210914A (zh) 2019-12-04 2019-12-04 基于可穿戴设备的问诊提醒的方法和装置

Publications (1)

Publication Number Publication Date
CN111210914A true CN111210914A (zh) 2020-05-29

Family

ID=70786227

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911229001.2A Pending CN111210914A (zh) 2019-12-04 2019-12-04 基于可穿戴设备的问诊提醒的方法和装置

Country Status (1)

Country Link
CN (1) CN111210914A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112582067A (zh) * 2020-12-21 2021-03-30 安徽华米智能科技有限公司 基于大数据的年龄估计模型训练、年龄估计方法和装置
CN114639478A (zh) * 2022-03-09 2022-06-17 曜立科技(北京)有限公司 一种基于心脏瓣膜病的超声监测系统

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160180050A1 (en) * 2014-10-28 2016-06-23 Tapgenes, Inc. Methods for determining health risks
CN105740621A (zh) * 2016-01-29 2016-07-06 江阴中科今朝科技有限公司 人体行为数据的移动监测及智能养老健康云平台
CN107506606A (zh) * 2017-09-13 2017-12-22 温州悦康信息技术有限公司 常见疾病风险预测方法及系统
WO2018087785A1 (en) * 2016-11-13 2018-05-17 Sreedhara Ranjan Narayanaswamy System and method for automated health monitoring
CN108348745A (zh) * 2015-08-18 2018-07-31 奥利克斯医疗保健有限公司 预测医疗保健事件的系统和方法
US20180263510A1 (en) * 2015-02-03 2018-09-20 Koninklijke Philips N.V. Methods, systems, and wearable apparatus for obtaining multiple health parameters
CN108847288A (zh) * 2018-07-13 2018-11-20 武汉久乐科技有限公司 一种健康预警方法和装置
WO2019070200A1 (en) * 2017-10-05 2019-04-11 Integral Technologies (S) Pte. Ltd. HEALTH CARE INFORMATION MANAGEMENT SYSTEM

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160180050A1 (en) * 2014-10-28 2016-06-23 Tapgenes, Inc. Methods for determining health risks
US20180263510A1 (en) * 2015-02-03 2018-09-20 Koninklijke Philips N.V. Methods, systems, and wearable apparatus for obtaining multiple health parameters
CN108348745A (zh) * 2015-08-18 2018-07-31 奥利克斯医疗保健有限公司 预测医疗保健事件的系统和方法
CN105740621A (zh) * 2016-01-29 2016-07-06 江阴中科今朝科技有限公司 人体行为数据的移动监测及智能养老健康云平台
WO2018087785A1 (en) * 2016-11-13 2018-05-17 Sreedhara Ranjan Narayanaswamy System and method for automated health monitoring
CN107506606A (zh) * 2017-09-13 2017-12-22 温州悦康信息技术有限公司 常见疾病风险预测方法及系统
WO2019070200A1 (en) * 2017-10-05 2019-04-11 Integral Technologies (S) Pte. Ltd. HEALTH CARE INFORMATION MANAGEMENT SYSTEM
CN108847288A (zh) * 2018-07-13 2018-11-20 武汉久乐科技有限公司 一种健康预警方法和装置

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112582067A (zh) * 2020-12-21 2021-03-30 安徽华米智能科技有限公司 基于大数据的年龄估计模型训练、年龄估计方法和装置
CN114639478A (zh) * 2022-03-09 2022-06-17 曜立科技(北京)有限公司 一种基于心脏瓣膜病的超声监测系统
CN114639478B (zh) * 2022-03-09 2023-01-10 曜立科技(北京)有限公司 一种基于心脏瓣膜病的超声监测系统

Similar Documents

Publication Publication Date Title
US11600390B2 (en) Machine learning clinical decision support system for risk categorization
US11705242B2 (en) Providing an interactive emergency department dashboard display
US10347373B2 (en) Intelligent integration, analysis, and presentation of notifications in mobile health systems
Kim et al. Emergency situation monitoring service using context motion tracking of chronic disease patients
US20190074090A1 (en) User health management for mobile devices
Brownsell et al. A systematic review of lifestyle monitoring technologies
US20230197224A1 (en) Health care information system providing standardized outcome scores across patients
US20180113987A1 (en) Method and system for quantitative classification of health conditions via wearable device and application thereof
US20120143013A1 (en) Proactive Patient Health Care Inference Engines and Systems
US10529446B2 (en) Continuous health care plan coordination between patient and patient care team
US20190122770A1 (en) Lightweight Clinical Pregnancy Preterm Birth Predictive System and Method
Xie et al. Predicting days in hospital using health insurance claims
WO2017035404A1 (en) Indication of outreach options for healthcare facility to facilitate patient actions
US11610679B1 (en) Prediction and prevention of medical events using machine-learning algorithms
US20170024523A1 (en) Requirement Forecast for Health Care Services
US20200194125A1 (en) Method and System for Tracking, Storing, and Processing Data to Identify Risk Factors and Predict Health-Related Conditions
US11625937B2 (en) Methods and systems for monitoring human body weight with vehicle sensors and big data AI analytics
US11257587B1 (en) Computer-based systems, improved computing components and/or improved computing objects configured for real time actionable data transformations to administer healthcare facilities and methods of use thereof
US20180181722A1 (en) Eliciting Habit Formation Via Coordination Between Patient and Patient Care Team
CN111210914A (zh) 基于可穿戴设备的问诊提醒的方法和装置
US11328820B2 (en) Decision engine based on disparate data sources
JP6375080B1 (ja) 医療支援システム及び医療支援方法
US20130024124A1 (en) Systems, methods, and apparatus for preventing recidivism
EP3400547A1 (en) Method and apparatus for monitoring a subject
US20130211731A1 (en) Multi-patient data collection, analysis and feedback

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