CN111584000A - 基于网络融合基因信息反馈的行为干预方法 - Google Patents
基于网络融合基因信息反馈的行为干预方法 Download PDFInfo
- Publication number
- CN111584000A CN111584000A CN202010377730.9A CN202010377730A CN111584000A CN 111584000 A CN111584000 A CN 111584000A CN 202010377730 A CN202010377730 A CN 202010377730A CN 111584000 A CN111584000 A CN 111584000A
- Authority
- CN
- China
- Prior art keywords
- drinking
- user
- sample
- method based
- network
- 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
- 108090000623 proteins and genes Proteins 0.000 title claims abstract description 39
- 238000000034 method Methods 0.000 title claims abstract description 24
- 230000004927 fusion Effects 0.000 title claims abstract description 13
- 230000035622 drinking Effects 0.000 claims abstract description 50
- 230000036541 health Effects 0.000 claims description 21
- 230000006399 behavior Effects 0.000 claims description 11
- 108090000790 Enzymes Proteins 0.000 claims description 9
- 102000004190 Enzymes Human genes 0.000 claims description 9
- 206010064571 Gene mutation Diseases 0.000 claims description 9
- 230000002503 metabolic effect Effects 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 claims description 6
- 238000001976 enzyme digestion Methods 0.000 claims description 6
- 238000011160 research Methods 0.000 claims description 6
- 101150038502 ALDH2 gene Proteins 0.000 claims description 4
- 238000001962 electrophoresis Methods 0.000 claims description 4
- 238000012408 PCR amplification Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 210000000349 chromosome Anatomy 0.000 claims description 3
- 238000001671 psychotherapy Methods 0.000 claims description 3
- 108091008146 restriction endonucleases Proteins 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 230000003542 behavioural effect Effects 0.000 claims 6
- 230000002068 genetic effect Effects 0.000 claims 3
- 239000003814 drug Substances 0.000 abstract description 2
- 230000000694 effects Effects 0.000 description 10
- 235000019441 ethanol Nutrition 0.000 description 10
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 9
- 102100033816 Aldehyde dehydrogenase, mitochondrial Human genes 0.000 description 6
- 108010009513 Mitochondrial Aldehyde Dehydrogenase Proteins 0.000 description 6
- 235000014101 wine Nutrition 0.000 description 6
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- QTBSBXVTEAMEQO-UHFFFAOYSA-N Acetic acid Chemical compound CC(O)=O QTBSBXVTEAMEQO-UHFFFAOYSA-N 0.000 description 3
- 201000010099 disease Diseases 0.000 description 3
- 230000035772 mutation Effects 0.000 description 3
- IKHGUXGNUITLKF-UHFFFAOYSA-N Acetaldehyde Chemical compound CC=O IKHGUXGNUITLKF-UHFFFAOYSA-N 0.000 description 2
- 230000003321 amplification Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000004590 drinking behavior Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000004060 metabolic process Effects 0.000 description 2
- 238000003199 nucleic acid amplification method Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 206010000117 Abnormal behaviour Diseases 0.000 description 1
- 101710185492 Acetaldehyde dehydrogenase 2 Proteins 0.000 description 1
- 206010001598 Alcohol intolerance Diseases 0.000 description 1
- 208000007848 Alcoholism Diseases 0.000 description 1
- 108020002663 Aldehyde Dehydrogenase Proteins 0.000 description 1
- 108700028369 Alleles Proteins 0.000 description 1
- 241000894006 Bacteria Species 0.000 description 1
- 208000004930 Fatty Liver Diseases 0.000 description 1
- 206010019708 Hepatic steatosis Diseases 0.000 description 1
- 208000003445 Mouth Neoplasms Diseases 0.000 description 1
- 206010033645 Pancreatitis Diseases 0.000 description 1
- 208000007222 Physiological Sexual Dysfunction Diseases 0.000 description 1
- 241000700605 Viruses Species 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000016571 aggressive behavior Effects 0.000 description 1
- 201000007930 alcohol dependence Diseases 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 235000013405 beer Nutrition 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000711 cancerogenic effect Effects 0.000 description 1
- 231100000357 carcinogen Toxicity 0.000 description 1
- 239000003183 carcinogenic agent Substances 0.000 description 1
- 238000004113 cell culture Methods 0.000 description 1
- 208000019425 cirrhosis of liver Diseases 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 208000010877 cognitive disease Diseases 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 208000035475 disorder Diseases 0.000 description 1
- 208000002173 dizziness Diseases 0.000 description 1
- 206010015037 epilepsy Diseases 0.000 description 1
- 208000010706 fatty liver disease Diseases 0.000 description 1
- 238000011010 flushing procedure Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 239000000383 hazardous chemical Substances 0.000 description 1
- 231100000206 health hazard Toxicity 0.000 description 1
- 230000003862 health status Effects 0.000 description 1
- 238000001727 in vivo Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 208000012987 lip and oral cavity carcinoma Diseases 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008450 motivation Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000008288 physiological mechanism Effects 0.000 description 1
- 238000003752 polymerase chain reaction Methods 0.000 description 1
- 230000005180 public health Effects 0.000 description 1
- 238000003904 radioactive pollution Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000000391 smoking effect Effects 0.000 description 1
- 230000003997 social interaction Effects 0.000 description 1
- 231100000240 steatosis hepatitis Toxicity 0.000 description 1
- 201000009032 substance abuse Diseases 0.000 description 1
- 231100000736 substance abuse Toxicity 0.000 description 1
- 208000011117 substance-related disease Diseases 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 235000020097 white wine Nutrition 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B20/00—ICT specially adapted for functional genomics or proteomics, e.g. genotype-phenotype associations
- G16B20/30—Detection of binding sites or motifs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/20—Education
- G06Q50/205—Education administration or guidance
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B30/00—ICT specially adapted for sequence analysis involving nucleotides or amino acids
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Databases & Information Systems (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Health & Medical Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Educational Technology (AREA)
- Educational Administration (AREA)
- Tourism & Hospitality (AREA)
- Chemical & Material Sciences (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Analytical Chemistry (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Medical Informatics (AREA)
- Evolutionary Biology (AREA)
- Biotechnology (AREA)
- Proteomics, Peptides & Aminoacids (AREA)
- Biophysics (AREA)
- Genetics & Genomics (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Marketing (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- General Business, Economics & Management (AREA)
- Molecular Biology (AREA)
- Primary Health Care (AREA)
Abstract
本发明属于医学技术领域，具体公开了一种基于网络融合基因信息反馈的行为干预方法，包括获取分析样本，并计算样本总量，将分析样本分组，其中至少一组进行网络信息采集和基因信息采集，根据样本的网络信息和基因信息，判断样本的行为所处的阶段，并自动推送健康教育课程。采用本技术方案，利用网络信息与基因信息融合，实现对用户的饮酒干预。
Description
技术领域
本发明属于医学技术领域，涉及一种基于网络融合基因信息反馈的行为干预方法。
背景技术
研究表明，饮酒会导致包括脂肪肝、肝硬化、胰腺炎、口腔癌、癫痫等200多种疾病的发生，且酒精于2015年正式被国际癌症研究组织确立为”致癌物质”。不仅如此，饮酒还会导致包括犯罪在内的社会不良后果，增加社会的经济负担。因此饮酒作为我们日常生活中最常见的生活行为之一，所带来的健康危害、社会经济负担等公共卫生问题不容忽视。
健康教育是目前应用较多的改善饮酒行为的措施，但不同国家和地区健康教育形式不一，且效果也有所差异。随着科学技术的发展，基因检测技术的日趋成熟，有研究采取了个性化基因信息反馈的健康教育形式，并取得了较好的健康教育效果。通过融合基因信息进行健康教育的干预模式较早地应用于与吸烟相关的健康教育研究中，也取得了较好的干预效果。
乙醛脱氢酶2(aldehyde dehydrogenase2，ALDH2)是酒精在体内代谢的关键酶。ALDH2发生基因突变会导致有害的乙醛无法正常代谢为无害的乙酸，进而引起脸部泛红、头晕、心跳加速等酒精不耐受的反应，我们常称之为饮酒脸红反应。ALDH2的基因突变包括杂合子突变和纯合子突变，据研究显示，ALDH2基因杂合子突变型(ALDH2*1/*2)表达的酶活性仅为野生型(ALDH2*1/*1)的6.25％，其在中国汉族人群中的分布约为32％。ALDH2纯合子突变型(ALDH2*2/*2)表达的酶活性是野生型的0％，其在中国汉族人群中的分布约为7％。因此我国酒精代谢关键酶的基因突变率相对较高，且饮酒后发生脸红的人较多，但人们对于饮酒所带来的危害认识不够，同时采取的控制饮酒行为的措施也较少。
发明内容
本发明的目的在于提供一种基于网络融合基因信息反馈的行为干预方法，实现对用户饮酒的干预。
为了达到上述目的，本发明的基础方案为：一种基于网络融合基因信息反馈的行为干预方法，包括如下步骤：
S1、获取分析样本，并计算样本总量；
S2、将分析样本分组，其中至少一组进行网络信息采集和基因信息采集；
S3、根据样本的网络信息和基因信息，判断样本的行为所处的阶段，并自动推送健康教育课程。
本基础方案的工作原理和有益效果在于：将样本的网络信息与基因信息结合，使样本用户对自身的身体情况更为了解，在此基础上，对用户进行健康教育，对用户自身的针对性更强，用户有更强的参与感，取得的干预效果更好。
进一步，计算样本总量的方法为：根据现况研究的整群抽样样本量计算公式n＝z2×(p×(1-p))/e2，其中，里面n为样本总量，z为统计量，p为概率值，e为允许误差值。
这样获得合适的样本量，保证数据结果的可信度。
进一步，基因信息采集方法为：提取样本基因组DNA，利用PCR引物对样本基因组DNA进行PCR扩增，通过限制性内切酶对PCR产物进行酶切，根据酶切产物的电泳图谱确定样本的基因型。
利用PCR引物检测基因信息，灵敏度高，且扩增产物一般用电泳分析，不一定要用同位素，无放射性污染、易推广。同时对标本的纯度要求低，不需要分离病毒或细菌及培养细胞，DNA粗制品及RNA均可作为扩增模板，操作简便、快速。
进一步，所述S2中基因信息采集是针对第12号染色体上的ALDH2基因rs671位点的多态性进行检测。
针对易突变的基因进行精准检测，检测效果更好。
进一步，自动推送健康教育课程的方法为：将样本的网络信息和基因信息转化为具体的数据输送至处理器，使其与处理器内存储的原始数据进行对比，根据数据对比结果，输出相应的课程推送请求信息，将与课程推送请求信息相对应的课程信息传输至用户的学习终端。
利用处理器对样本的网络信息和基因信息进行数据化处理，便于处理器对数据进行后续处理，同时也利于用户查看。处理器根据接收的信息自动进行课程推送，无需人为控制，操作更简便，减少人力耗费。
进一步，判断用户的饮酒状况所处的阶段，自动呈现健康教育课程，包括：
根据问卷填写内容，判断用户是否需要饮酒干预；
检测用户体内的代谢酶是否基因突变及其基因型；
用户不需要饮酒干预，呈现基础教育课程、用户对应的基因型及不同基因型的饮酒风险；
用户需要饮酒干预，施加心理治疗课程，同时呈现基础教育课程、用户对应的基因型及不同基因型的饮酒风险。
根据不同用户的数据分析，判断用户的不同需求，从而安排合适的课程干预，使得健康教育更具有针对性，教育效果更好。
进一步，所述基础教育课程包括十个课程，每个课程持续推送三天，课程推送共持续一个月。
基础教育课程的排课设置，保证用户能够对这部分课程了解充分，加深认识，从而取得更好的干预效果。
进一步，健康教育课程结束后，在即刻、一月、三月、六月进行随访，完善问卷内容。
课程结束后进行回访，能够使用户回忆课程内容，从而巩固干预效果。
附图说明
图1是本发明基于融合基因信息反馈干预饮酒的方法实施例的流程示意图。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。
在本发明的描述中，需要理解的是，术语“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
在本发明的描述中，除非另有规定和限定，需要说明的是，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是机械连接或电连接，也可以是两个元件内部的连通，可以是直接相连，也可以通过中间媒介间接相连，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。
如附图1所示：本发明公开了一种基于网络融合基因信息反馈的行为干预方法，包括如下步骤：
S1、获取分析样本，并计算样本总量。根据现况研究的整群抽样样本量计算公式n＝z2×(p×(1-p))/e2，其中，里面n为样本总量；z为统计量，置信度为95％时，z＝1.96，当置信度为90％时，z＝1.64；p为概率值，e为允许误差值。
S2、将分析样本分组，其中至少一组进行网络信息采集和基因信息采集，创建档案。网络信息采集选用问卷调查的方式，根据信息-动机-行为技巧模型编制问卷，问卷内容包括基本人口学特征、饮酒知识态度、酒精障碍筛查量表、饮酒预期反应量表、减少饮酒意愿量表、减少饮酒动机量表、对反馈信息的理解、父母饮酒后是否脸红、父母或朋友是否发生过因饮酒导致的意外、月生活费、是否有其他物质滥用情况、初次饮酒年龄/原因和饮酒时是否感受到开心/幸福等。优选将问卷内容生成二维码，用户可扫描二维码进入问卷界面。基因信息采集是针对第12号染色体上的ALDH2基因rs671位点的多态性进行检测，采用等位基因特异荧光聚合酶链反应技术(PCR技术)对用户的样本DNA进行检测，判断ADLH2的基因型。首先提取样本基因组DNA，利用PCR引物对样本基因组DNA进行PCR扩增，通过限制性内切酶对PCR产物进行酶切，根据酶切产物的电泳图谱确定样本的基因型。
S3、根据样本的网络信息和基因信息，判断样本的行为所处的阶段，并自动推送健康教育课程。利用硬件和程序软件的结合，将样本的网络信息和基因信息转化为具体的数据输送至处理器，处理器内设有运算逻辑部件、寄存器部件和传输部件，处理器将样本的数据与处理器内存储的原始数据进行对比，根据数据对比结果，输出相应的课程推送请求信息，将与课程推送请求信息相对应的课程信息传输至用户的学习终端，可采用C/S结构完成，。原始数据包括问卷中的各项类目中处于健康状态的数据、人体正常未突变的基因型的数据和各种突变基因型的数据。健康教育课程为事先记录保存的图片影像，采用PPT、音频、视频、文档等记录形式。同时利用HTML编程记录用户对课程的点击次数和观看时长，以此数据判断用户是否完成对课程的学习。
判断用户的饮酒状况所处的阶段，自动呈现健康教育课程，包括：
根据问卷填写内容，判断用户是否需要饮酒干预，判断条件：每月至少喝一次酒，且每次喝过1杯酒(指半瓶或一听啤酒，约250mL；一小盅白酒，约20mL；一玻璃杯葡萄酒或黄酒，约100mL)，判断是或否，输出相应的判断信号；
检测用户体内的代谢酶是否基因突变及其基因型，判断是否基因突变时，可采用比较器对用户基因信息的数值范围与未突变基因的数值范围进行对比，从而输出不同的对比信号，以不同的对比信号控制后续不同的课程输出；
用户不符合饮酒干预的条件，且检测到用户体内的代谢酶未产生基因突变，判断信号和对比信号均输送至处理器内，使得处理器内的传输部件将基础教育课程及不同基因型的饮酒风险的课件图像信息传输给用户的学习终端，用户进入学习终端的课程界面，客户点击课程进行学习，学习终端记录每个课程的点击次数和学习时间；
用户不需要饮酒干预，而用户体内的代谢酶为突变基因的情况，与上述操作同理，呈现基础教育课程、用户对应的基因型及不同基因型的饮酒风险；
用户需要饮酒干预，施加心理治疗课程，同时呈现基础教育课程、用户对应的基因型及不同基因型的饮酒风险。
基础教育课程包括十个课程，每个课程持续推送三天，课程推送共持续一个月。健康教育课程结束后，在即刻、一月、三月、六月进行随访，完善问卷内容。基础教育课程包括酒精在体内的代谢机制、酒精危害、安全饮酒、酒精中毒的解救方法，通过精简的文字、数据表格和动画图片的形式展示。基础教育课程的具体内容如下：
课程一、酒精在体循环中的代谢机制、脸红发生的生理机制等；
课程二、全球的饮酒分布情况，青少年的饮酒现状、我国不同人群的饮酒分布等；
课程三、普通健康教育组仅反馈饮酒所带来的疾病风险；
课程四、饮酒所带来的疾病、死亡、社会经济等后果；
课程五、不同人群的合适酒精摄入量，特殊人群如孕妇等是否可以饮酒；
课程六、不宜饮酒的时间以及什么时候身体会发出不能继续饮酒的警告；
课程七、醉酒后的解酒小妙招及一些解酒误区；
课程八、安全饮酒量和饮酒相关的法律法规；
课程九、醉酒者如何抢救；
课程十、课程回顾。
饮酒预期反应量表包括社交、减少紧张感、勇气、性、认知和行为障碍、风险和攻击性、自我认知七个维度。减少饮酒意愿量表包括用户在未来一周、未来一个月、未来一年减少饮酒的可能性。减少饮酒意愿量表包括用户在未来一周、未来一个月、未来一年减少饮酒的可能性。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。
Claims (8)
1.一种基于网络融合基因信息反馈的行为干预方法，其特征在于，包括如下步骤：
S1、获取分析样本，并计算样本总量；
S2、将分析样本分组，其中至少一组进行网络信息采集和基因信息采集；
S3、根据样本的网络信息和基因信息，判断样本的行为所处的阶段，并自动推送健康教育课程。
2.如权利要求1所述的基于网络融合基因信息反馈的行为干预方法，其特征在于，计算样本总量的方法为：根据现况研究的整群抽样样本量计算公式n＝z2×(p×(1-p))/e2，其中，里面n为样本总量，z为统计量，p为概率值，e为允许误差值。
3.如权利要求1所述的基于网络融合基因信息反馈的行为干预方法，其特征在于，基因信息采集方法为：提取样本基因组DNA，利用PCR引物对样本基因组DNA进行PCR扩增，通过限制性内切酶对PCR产物进行酶切，根据酶切产物的电泳图谱确定样本的基因型。
4.如权利要求1或3所述的基于网络融合基因信息反馈的行为干预方法，其特征在于，所述S2中基因信息采集是针对第12号染色体上的ALDH2基因rs671位点的多态性进行检测。
5.如权利要求1所述的基于网络融合基因信息反馈的行为干预方法，其特征在于，自动推送健康教育课程的方法为：将样本的网络信息和基因信息转化为具体的数据输送至处理器，使其与处理器内存储的原始数据进行对比，根据数据对比结果，输出相应的课程推送请求信息，将与课程推送请求信息相对应的课程信息传输至用户的学习终端。
6.如权利要求5所述的基于网络融合基因信息反馈的行为干预方法，其特征在于，判断用户的饮酒状况所处的阶段，自动呈现健康教育课程，包括：
根据问卷填写内容，判断用户是否需要饮酒干预；
检测用户体内的代谢酶是否基因突变及其基因型；
用户不需要饮酒干预，呈现基础教育课程、用户对应的基因型及不同基因型的饮酒风险；
用户需要饮酒干预，施加心理治疗课程，同时呈现基础教育课程、用户对应的基因型及不同基因型的饮酒风险。
7.如权利要求6所述的基于网络融合基因信息反馈的行为干预方法，其特征在于，所述基础教育课程包括十个课程，每个课程持续推送三天，课程推送共持续一个月。
8.如权利要求1所述的基于网络融合基因信息反馈的行为干预方法，其特征在于，健康教育课程结束后，在即刻、一月、三月、六月进行随访，完善问卷内容。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010377730.9A CN111584000A (zh) | 2020-05-07 | 2020-05-07 | 基于网络融合基因信息反馈的行为干预方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010377730.9A CN111584000A (zh) | 2020-05-07 | 2020-05-07 | 基于网络融合基因信息反馈的行为干预方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111584000A true CN111584000A (zh) | 2020-08-25 |
Family
ID=72112566
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010377730.9A Pending CN111584000A (zh) | 2020-05-07 | 2020-05-07 | 基于网络融合基因信息反馈的行为干预方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111584000A (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20020081506A (ko) * | 2001-04-18 | 2002-10-28 | 오정완 | 개인별 유전자 배경에 따른 맞춤 인성교육 프로그램제공방법 및 이를 위한 개인별 성향분류방법 |
| JP2006101715A (ja) * | 2004-09-30 | 2006-04-20 | Kyushu Univ | 遺伝子多型検出方法及び遺伝子増幅方法 |
| CN102122326A (zh) * | 2011-02-23 | 2011-07-13 | 河北省健海生物芯片技术有限责任公司 | 一种基因组单核苷酸多态性分析的个体化基因信息卡 |
| US20110229865A1 (en) * | 2010-03-16 | 2011-09-22 | Reid Kevin Hester | System and method for reducing heavy drinking |
| CN107391692A (zh) * | 2017-07-26 | 2017-11-24 | 腾讯科技（北京）有限公司 | 一种推荐效果的评估方法及装置 |
| CN107436997A (zh) * | 2017-07-03 | 2017-12-05 | 上海百纬健康科技有限公司 | 一种生理数据的分析系统及方法 |
| CN109256213A (zh) * | 2018-08-21 | 2019-01-22 | 四川靠谱健康管理有限公司 | 一种结合遗传风险与环境危险因素的健康管理方法 |
| CN110010196A (zh) * | 2019-03-19 | 2019-07-12 | 北京工业大学 | 一种基于异质网的基因相似性搜索算法 |
-
2020
- 2020-05-07 CN CN202010377730.9A patent/CN111584000A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20020081506A (ko) * | 2001-04-18 | 2002-10-28 | 오정완 | 개인별 유전자 배경에 따른 맞춤 인성교육 프로그램제공방법 및 이를 위한 개인별 성향분류방법 |
| JP2006101715A (ja) * | 2004-09-30 | 2006-04-20 | Kyushu Univ | 遺伝子多型検出方法及び遺伝子増幅方法 |
| US20110229865A1 (en) * | 2010-03-16 | 2011-09-22 | Reid Kevin Hester | System and method for reducing heavy drinking |
| CN102122326A (zh) * | 2011-02-23 | 2011-07-13 | 河北省健海生物芯片技术有限责任公司 | 一种基因组单核苷酸多态性分析的个体化基因信息卡 |
| CN107436997A (zh) * | 2017-07-03 | 2017-12-05 | 上海百纬健康科技有限公司 | 一种生理数据的分析系统及方法 |
| CN107391692A (zh) * | 2017-07-26 | 2017-11-24 | 腾讯科技（北京）有限公司 | 一种推荐效果的评估方法及装置 |
| CN109256213A (zh) * | 2018-08-21 | 2019-01-22 | 四川靠谱健康管理有限公司 | 一种结合遗传风险与环境危险因素的健康管理方法 |
| CN110010196A (zh) * | 2019-03-19 | 2019-07-12 | 北京工业大学 | 一种基于异质网的基因相似性搜索算法 |
Non-Patent Citations (1)
| Title |
|---|
| 燕晋慧: "健康教育对乙肝患者生活方式的干预及评价", 《实用医技杂志》 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Donner et al. | Frequency and distribution of 152 genetic disease variants in over 100,000 mixed breed and purebred dogs | |
| Tiemeier et al. | The Generation R Study: a review of design, findings to date, and a study of the 5-HTTLPR by environmental interaction from fetal life onward | |
| Heath et al. | Towards a molecular epidemiology of alcohol dependence: analysing the interplay of genetic and environmental risk factors | |
| Jacobsen et al. | Prediction of dopamine transporter binding availability by genotype: a preliminary report | |
| Dahlman et al. | Parameters for reliable results in genetic association studies in common disease | |
| Janssen et al. | Genetic susceptibility to respiratory syncytial virus bronchiolitis is predominantly associated with innate immune genes | |
| Liu et al. | A genome-wide association study for gut metagenome in Chinese adults illuminates complex diseases | |
| TWI423063B (zh) | 用於個人化行為計劃之方法及系統 | |
| Wallace et al. | The imprinted DLK1-MEG3 gene region on chromosome 14q32. 2 alters susceptibility to type 1 diabetes | |
| Bates et al. | Genetic variance in a component of the language acquisition device: ROBO1 polymorphisms associated with phonological buffer deficits | |
| Teo et al. | Methodological challenges of genome-wide association analysis in Africa | |
| Peisong et al. | An asthma-associated genetic variant of STAT6 predicts low burden of ascaris worm infestation | |
| Arnauts et al. | Ex vivo mimicking of inflammation in organoids derived from patients with ulcerative colitis | |
| CN112037855B (zh) | 一种基于基因筛选的饮酒量预测方法 | |
| US20180173842A1 (en) | Systems and methods for creation of personal genetic profile products | |
| Gottlieb et al. | Probabilistic epigenesis of psychopathology | |
| Rius et al. | Clinical spectrum and functional consequences associated with bi-allelic pathogenic PNPT1 variants | |
| CN112002375A (zh) | 一种酒量预测模型的构建方法 | |
| Herzberg et al. | Convergent linkage evidence from two Latin-American population isolates supports the presence of a susceptibility locus for bipolar disorder in 5q31–34 | |
| Spiegel et al. | Mutated NDUFS6 is the cause of fatal neonatal lactic acidemia in Caucasus Jews | |
| Ciullo et al. | New susceptibility locus for hypertension on chromosome 8q by efficient pedigree-breaking in an Italian isolate | |
| WO2022022667A1 (zh) | 一种基于基因筛选的饮酒量预测系统 | |
| Barac et al. | Potential contribution of IL-27 and IL-23 gene polymorphisms to multiple sclerosis susceptibility: an association analysis at genotype and haplotype level | |
| Schosser et al. | Interaction between serotonin 5-HT2A receptor gene and dopamine transporter (DAT1) gene polymorphisms influences personality trait of persistence in Austrian Caucasians | |
| Xue et al. | PCGA: a comprehensive web server for phenotype-cell-gene association analysis |
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: 20200825 |
|
| RJ01 | Rejection of invention patent application after publication |