CN112216360A - 一种糖尿病病人日常血糖监测数据采集管理方法及系统 - Google Patents

一种糖尿病病人日常血糖监测数据采集管理方法及系统 Download PDF

Info

Publication number
CN112216360A
CN112216360A CN202011072872.0A CN202011072872A CN112216360A CN 112216360 A CN112216360 A CN 112216360A CN 202011072872 A CN202011072872 A CN 202011072872A CN 112216360 A CN112216360 A CN 112216360A
Authority
CN
China
Prior art keywords
user
blood glucose
information
obtaining
daily
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
CN202011072872.0A
Other languages
English (en)
Inventor
屠云
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.)
First Peoples Hospital of Changzhou
Original Assignee
First Peoples Hospital of Changzhou
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 First Peoples Hospital of Changzhou filed Critical First Peoples Hospital of Changzhou
Priority to CN202011072872.0A priority Critical patent/CN112216360A/zh
Publication of CN112216360A publication Critical patent/CN112216360A/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
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
    • 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
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/30—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to physical therapies or activities, e.g. physiotherapy, acupressure or exercising
    • 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
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/60—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to nutrition control, e.g. diets
    • 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

  • Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Epidemiology (AREA)
  • Databases & Information Systems (AREA)
  • Pathology (AREA)
  • Data Mining & Analysis (AREA)
  • Biomedical Technology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biophysics (AREA)
  • Physical Education & Sports Medicine (AREA)
  • Nutrition Science (AREA)
  • Medical Treatment And Welfare Office Work (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本发明公开了一种糖尿病病人日常血糖监测数据采集管理方法及系统，所述方法包括：获得第一用户的日运动量信息；获得所述第一用户的日饮食含糖量信息；获得所述第一用户的第一血糖值并记录；获得预定标准血糖阈值；判断所述第一血糖值是否在所述预定标准血糖阈值之内；如果所述第一血糖值不在所述预定标准阈值之内，获得第一提醒信息；根据所述第一提醒信息，获得第一调整信息；根据所述调整信息对所述第一用户的日运动量信息和所述日饮食含糖量信息进行调整。解决了现有技术中存在不能准确判断所述糖尿病患者的实时血糖值，并根据所述实时血糖值调整日运动量及日饮食含糖量信息的技术问题。

Description

一种糖尿病病人日常血糖监测数据采集管理方法及系统
技术领域
本发明涉及糖尿病病人日常血糖监测领域，尤其涉及一种糖尿病病人日常血糖监测数据采集管理方法及系统。
背景技术
血糖监测，就是对于血糖值的定期检查。实施血糖监测可以更好的掌控糖尿病患者的血糖变化，对生活规律，活动，运动，饮食以及合理用药都具有重要的指导意义，并可以帮助患者随时发现问题，及时到医院就医。
但本申请发明人在实现本申请实施例中发明技术方案的过程中，发现上述技术至少存在如下技术问题：
现有技术中存在不能准确判断所述糖尿病患者的实时血糖值，并根据所述实时血糖值调整日运动量及日饮食含糖量信息的技术问题。
发明内容
本申请实施例通过提供一种糖尿病病人日常血糖监测数据采集管理方法及系统，解决了现有技术中存在不能准确判断所述糖尿病患者的实时血糖值，并根据所述实时血糖值调整日运动量及日饮食含糖量信息的技术问题，达到对糖尿病患者的实时血糖状况分析并进行实时调整的技术效果。
鉴于上述问题，本申请实施例提供一种糖尿病病人日常血糖监测数据采集管理方法及系统。
第一方面，本申请实施例提供了一种糖尿病病人日常血糖监测数据采集管理方法，所述方法包括：获得第一用户的日运动量信息；获得所述第一用户的日饮食含糖量信息；获得所述第一用户的第一血糖值并记录；获得预定标准血糖阈值；判断所述第一血糖值是否在所述预定标准血糖阈值之内；如果所述第一血糖值不在所述预定标准阈值之内，获得第一提醒信息；根据所述第一提醒信息，获得第一调整信息；根据所述调整信息对所述第一用户的日运动量信息和所述日饮食含糖量信息进行调整。
另一方面，本申请还提供了一种糖尿病病人日常血糖监测数据采集管理系统，其中，所述系统包括：第一获得单元，所述第一获得单元用于获得第一用户的日运动量信息；第二获得单元，所述第二获得单元用于获得所述第一用户的日饮食含糖量信息；第三获得单元，所述第三获得单元用于获得所述第一用户的第一血糖值并记录；第四获得单元，所述第四获得单元用于获得预定标准血糖阈值；第一判断单元，所述第一判断单元用于判断所述第一血糖值是否在所述预定标准血糖阈值之内；第五获单元，所述第五获得单元用于如果所述第一血糖值不在所述预定标准阈值之内，获得第一提醒信息；第六获得单元，所述第六获得单元用于根据所述第一提醒信息，获得第一调整信息；第一调整单元，所述第一调整单元用于根据所述调整信息对所述第一用户的日运动量信息和所述日饮食含糖量信息进行调整。
第三方面，本发明提供了一种糖尿病病人日常血糖监测数据采集管理系统，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现第一方面所述方法的步骤。
本申请实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：
由于采用了根据所述第一用户的日运动量信息及日饮食含糖量信息，实时分析所述第一用户的第一血糖值，并根据所述血糖值与标准血糖阈值进行比对的方式，根据实时血糖状态获得调整信息对所述日运动量及日饮食含糖量进行实时调整，达到对糖尿病患者的实时血糖状况分析并进行实时调整的技术效果。
上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
图1为本申请实施例一种糖尿病病人日常血糖监测数据采集管理方法的流程示意图；
图2为本申请实施例一种糖尿病病人日常血糖监测数据采集管理系统的结构示意图；
图3为本申请实施例示例性电子设备的结构示意图。
附图标记说明：第一获得单元11，第二获得单元12，第三获得单元13，第四获得单元14，第一判断单元15，第五获得单元16，第六获得单元17，第一调整单元18，总线300，接收器301，处理器302，发送器303，存储器304，总线接口306。
具体实施方式
本申请实施例通过提供一种糖尿病病人日常血糖监测数据采集管理方法及系统，解决了现有技术中存在不能准确判断所述糖尿病患者的实时血糖值，并根据所述实时血糖值调整日运动量及日饮食含糖量信息的技术问题，达到对糖尿病患者的实时血糖状况分析并进行实时调整的技术效果。下面，将参考附图详细的描述根据本申请的示例实施例。显然，所描述的实施例仅是本申请的一部分实施例，而不是本申请的全部实施例，应理解，本申请不受这里描述的示例实施例的限制。
申请概述
血糖监测，就是对于血糖值的定期检查。实施血糖监测可以更好的掌控糖尿病患者的血糖变化，对生活规律，活动，运动，饮食以及合理用药都具有重要的指导意义，并可以帮助患者随时发现问题，及时到医院就医。但现有技术中存在不能准确判断所述糖尿病患者的实时血糖值，并根据所述实时血糖值调整日运动量及日饮食含糖量信息的技术问题。
针对上述技术问题，本申请提供的技术方案总体思路如下：
本申请实施例提供了一种糖尿病病人日常血糖监测数据采集管理方法，所述方法包括：获得第一用户的日运动量信息；获得所述第一用户的日饮食含糖量信息；获得所述第一用户的第一血糖值并记录；获得预定标准血糖阈值；判断所述第一血糖值是否在所述预定标准血糖阈值之内；如果所述第一血糖值不在所述预定标准阈值之内，获得第一提醒信息；根据所述第一提醒信息，获得第一调整信息；根据所述调整信息对所述第一用户的日运动量信息和所述日饮食含糖量信息进行调整。
在介绍了本申请基本原理后，下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。
实施例一
如图1所示，本申请实施例提供了一种糖尿病病人日常血糖监测数据采集管理方法，其中，所述方法包括：
步骤S100：获得第一用户的日运动量信息；
具体而言，运动量也称“运动负荷”，指人体在体育活动中所承受的生理、心理负荷量以及消耗的热量，由完成练习的运动强度与持续时间，以及动作的准确性和运动项目特点等因素来决定运动量的大小。所述第一用户为要进行日常血糖监测的糖尿病患者，获得所述第一用户的一天的运动量相关信息。
步骤S200：获得所述第一用户的日饮食含糖量信息；
具体而言，所述含糖量一般是指单位质量的可食用品中所含糖分的质量。获得所述第一用户的一天的饮食信息，根据所述饮食信息获得所述第一用户的一天的摄入糖的总量。
步骤S300：获得所述第一用户的第一血糖值并记录；
步骤S400：获得预定标准血糖阈值；
步骤S500：判断所述第一血糖值是否在所述预定标准血糖阈值之内；
具体而言，获得所述第一用户的当前血糖值，所述预定标准血糖为根据所述第一用户的身体状况获得的所述第一用户的预定标准血糖值，判断所述第一血糖值是否在所述预定标准血糖值之内。
进一步而言，所述判断所述第一血糖值是否在所述预定标准血糖值之内，本申请实施例步骤S500还包括：
步骤S510：如果所述第一血糖阈值在所述预定标准阈值之内，获得第二提醒信息；
步骤S520：根据所述第二提醒信息，对所述第一用户的日运动量信息和所述日饮食含糖量信息进行标记；
步骤S530：根据所述标记后的日运动量信息和所述日饮食含糖量信息构建训练数据集；
步骤S540：根据所述训练数据集训练神经网络模型；
步骤S550：将所述第一用户的日运动量信息和所述日饮食含糖量信息输入所述神经网络模型，其中，所述神经网络模型通过多组训练数据训练获得，所述多组中的训练数据中的每一组训练数据均包括：所述第一用户的日运动量信息和所述日饮食含糖量信息和用来标识第一用户的血糖是否在预定标准血糖阈值之内的标识信息；
步骤S560：获得所述训练模型的输出信息，其中，所述输出信息包括第一输出结果和第二输出结果，所述第一输出结果为所述第一用户的血糖在所述预定标准血糖阈值之内的结果，所述第二输出结果为所述第一用户的血糖不在所述预定标准血糖阈值之内的结果；
步骤S570：根据所述输出信息对所述第一血糖信息进行预测，获得第一预测结果。
具体而言，如果所述第一血糖阈值在所述预定标准阈值之内，获得第二提醒信息，根据所述第二提醒信息，对所述第一用户的日运动量信息和所述日饮食含糖量信息进行标记，此时的日运动量信息及日饮食含糖量信息符合要求。根据所述标记后的日运动量信息和所述日饮食含糖量信息构建训练数据集用于训练模型的训练。所述训练模型为能给根据训练数据进行不断的自我训练学习的模型，进一步而言，所述训练模型为神经网络模型，所述神经网络模型即机器学习中的神经网络模型，神经网络(Neural Networks，NN)是由大量的、简单的处理单元（称为神经元）广泛地互相连接而形成的复杂神经网络系统，它反映了人脑功能的许多基本特征，是一个高度复杂的非线性动力学习系统。神经网络模型是以神经元的数学模型为基础来描述的。人工神经网络（Artificial Neural Networks），是对人类大脑系统的一阶特性的一种描述。简单地讲，它是一个数学模型。基于大量的训练数据的训练，其中，训练数据中的每一组训练数据均包括所述第一用户的日运动量信息和所述日饮食含糖量信息和用来标识第一用户的血糖是否在预定标准血糖阈值之内的标识信息；所述神经网络模型不断地自我的修正，当所述神经网络模型的输出信息达到预定的准确率/达到收敛状态时，则监督学习过程结束。通过对所述神经网络模型的数据训练，进而使得所述神经网络模型处理所述输入数据更加准确，进而使得输出的第一用户的血糖是否在预定标准血糖阈值之内的结果更加准确。基于训练模型进过训练后处理数据更加准确的特性，将所述第一用户的日运动量信息和所述日饮食含糖量信息输入训练模型，通过训练模型的输出信息判断第一用户的血糖是否在预定标准血糖阈值之内的方式，使得所述判断结果更加准确，进而达到准确所述第一血糖信息进行预测的技术效果。
步骤S600：如果所述第一血糖阈值不在所述预定标准阈值之内，获得第一提醒信息；
具体而言，当所述第一血糖阈值不在所述预定标准阈值之内时，表明此时所述第一用户的身体状态已经不是很好，血糖含量已经不正常，为后续进行调整做好了铺垫。
步骤S700：根据所述第一提醒信息，获得第一调整信息；
步骤S800：根据所述调整信息对所述第一用户的日运动量信息和所述日饮食含糖量信息进行调整。
具体而言，根据所述提醒信息，获得第一调整信息，所述调整信息用于对所述第一用户的日运动量及日饮食含糖量进行实时调整，以保证所述第一用户的血糖含量恢复正常状态。
进一步而言，所述根据所述输出信息对所述第一血糖信息进行预测，本申请实施例步骤S570还包括：
步骤S571：获得预定时段内所述第一预测结果的准确度；
步骤S572：获得预定准确度阈值；
步骤S573：如果所述第一预测结果的准确度在所述预定准确度阈值之内，获得第二调整指令；
步骤S574：根据所述第二调整指令，降低所述第一用户采集血糖的频率信息。
具体而言，根据所述训练模型获得所述第一用户的血糖预测信息，当所述预测信息可保持在一定的准确度时，此时可根据所述训练模型预测结果进行参考，适当减少所述第一用户的采集血糖的频率信息。通过训练模型的预测，减少采集血样的次数，减少糖尿病患者采集血样时的疼痛次数。
进一步而言，所述获得所述第一用户的第一血糖值并记录之前，本申请实施例步骤S300还包括：
步骤S310：获得所述第一用户的身体状态信息；
步骤S320：获得预定健康阈值；
步骤S330：判断所述第一用户的身体状态信息是否在所述预定健康阈值之内；
步骤S340：如果所述第一用户的身体状态信息在所述预定健康阈值之内，获得所述第一用户的第一血糖值并记录。
具体而言，如果所述第一用户身体状态不满足预定健康阈值，如最近感染、发热、呕吐、腹泻、外伤等发现血糖高，那么，这个“高血糖”尚不能作为判定血糖过高的依据。只有所述第一用户的身体状态在预定健康阈值之内时，所述血糖测定结果才具备参考价值。
进一步而言，所述获得所述第一用户的第一血糖值并记录之前，本申请实施例步骤S300还包括：
步骤S350：获得所述第一用户的情绪稳定度信息；
步骤S360：获得预定情绪稳定度阈值；
步骤S370：判断所述第一用户的情绪稳定度信息是否在所述预定情绪稳定度阈值之内；
步骤S380：如果所述第一用户的情绪稳定度信息在所述预定情绪稳定度阈值之内，获得所述第一用户的第一血糖值并记录。
具体而言，人的情绪发生急剧变化时，交感神经的兴奋性增高，促使肝脏中的糖原释放进入血液以提高血糖，满足大脑等重要脏器的能量需要。由于糖尿病通过体内的胰岛素分泌不足，一旦血糖升高胰岛素就显得更加匮乏了，以致血糖持高不下。因此，当所述第一用的情绪满足预定情绪稳定阈值时，获得此时所述第一用户的第一血糖值并加以记录。
进一步而言，本申请实施例还包括：
步骤S910：获得所述第一用户的日饮食的血糖生成指数；
步骤S920：判断所述第一用户的日饮食的血糖生成指数是否在所述个人安全血糖生成指数阈值之内；
步骤S930：如果所述第一用户的日饮食的血糖生成指数不在所述个人安全血糖生成指数阈值之内，获得第二提醒信息，根据所述第二提醒信息提醒所述第一用户的日饮食的血糖生成指数需要调整。
具体而言，血糖生成指数（Gl）是表示某种食物升高血糖效应与标准食品（通常为葡萄糖）升高血糖效应之比，指的是人体食用一定食物后会引起多大的血糖反应。它通常反映了一个食物能够引起人体血糖升高多少的能力，血糖生成指数是由人体试验而来的，而多数评价食物的方法是化学方法，因此也常说食物血糖生成指数是一种生理学参数。根据所述第一用户的摄取食物及血糖转化的情况获得血糖生成指数，根据所述血糖生成指数判断其是否在个人安全血糖生成指数之内，如果所述第一用户的日饮食的血糖生成指数不在所述个人安全血糖生成指数阈值之内，获得第二提醒信息，根据所述第二提醒信息提醒所述第一用户的日饮食的血糖生成指数需要调整。以达到保证所述血糖满足预定标准血糖阈值。
综上所述，本申请实施例所提供的一种糖尿病病人日常血糖监测数据采集管理方法及系统具有如下技术效果：
1、由于采用了根据所述第一用户的日运动量信息及日饮食含糖量信息，实时分析所述第一用户的第一血糖值，并根据所述血糖值与标准血糖阈值进行比对的方式，根据实时血糖状态获得调整信息对所述日运动量及日饮食含糖量进行实时调整，达到对糖尿病患者的实时血糖状况分析并进行实时调整的技术效果。
2、由于采用了通过对所述神经网络模型的数据训练的方式，进而使得所述神经网络模型处理所述输入数据更加准确，进而使得输出的第一用户的血糖是否在预定标准血糖阈值之内的结果更加准确。基于训练模型进过训练后处理数据更加准确的特性，将所述第一用户的日运动量信息和所述日饮食含糖量信息输入训练模型，通过训练模型的输出信息判断第一用户的血糖是否在预定标准血糖阈值之内的方式，使得所述判断结果更加准确，进而达到准确所述第一血糖信息进行预测的技术效果。
实施例二
基于与前述实施例中一种糖尿病病人日常血糖监测数据采集管理方法同样发明构思，本发明还提供了一种糖尿病病人日常血糖监测数据采集管理系统，如图2所示，所述系统包括：
第一获得单元11，所述第一获得单元11用于获得第一用户的日运动量信息；
第二获得单元12，所述第二获得单元12用于获得所述第一用户的日饮食含糖量信息；
第三获得单元13，所述第三获得单元13用于获得所述第一用户的第一血糖值并记录；
第四获得单元14，所述第四获得单元14用于获得预定标准血糖阈值；
第一判断单元15，所述第一判断单元15用于判断所述第一血糖值是否在所述预定标准血糖阈值之内；
第五获单元16，所述第五获得单元16用于如果所述第一血糖值不在所述预定标准阈值之内，获得第一提醒信息；
第六获得单元17，所述第六获得单元17用于根据所述第一提醒信息，获得第一调整信息；
第一调整单元18，所述第一调整单元18用于根据所述调整信息对所述第一用户的日运动量信息和所述日饮食含糖量信息进行调整。
进一步的，所述系统还包括：
第七获得单元，所述第七获得单元用于如果所述第一血糖阈值在所述预定标准阈值之内，获得第二提醒信息；
第八获得单元，所述第八获得单元用于根据所述第二提醒信息，对所述第一用户的日运动量信息和所述日饮食含糖量信息进行标记；
第一构建单元，所述第一构建单元用于根据所述标记后的日运动量信息和所述日饮食含糖量信息构建训练数据集；
第一训练单元，所述第一训练单元用于根据所述训练数据集训练神经网络模型。
进一步的，所述系统还包括：
第一输入单元，所述第一输入单元用于将所述第一用户的日运动量信息和所述日饮食含糖量信息输入所述神经网络模型，其中，所述神经网络模型通过多组训练数据训练获得，所述多组中的训练数据中的每一组训练数据均包括：所述第一用户的日运动量信息和所述日饮食含糖量信息和用来标识第一用户的血糖是否在预定标准血糖阈值之内的标识信息；
第九获得单元，所述第九获得单元用于获得所述训练模型的输出信息，其中，所述输出信息包括第一输出结果和第二输出结果，所述第一输出结果为所述第一用户的血糖在所述预定标准血糖阈值之内的结果，所述第二输出结果为所述第一用户的血糖不在所述预定标准血糖阈值之内的结果；
第十获得单元，所述第十获得单元用于根据所述输出信息对所述第一血糖信息进行预测，获得第一预测结果。
进一步的，所述系统还包括：
第十一获得单元，所述第十一获得单元用于获得预定时段内所述第一预测结果的准确度；
第十二获得单元，所述第十二获得单元用于获得预定准确度阈值；
第十三获得单元，所述第十三获得单元用于如果所述第一预测结果的准确度在所述预定准确度阈值之内，获得第二调整指令；
第十四获得单元，所述第十四获得单元用于根据所述第二调整指令，降低所述第一用户采集血糖的频率信息。
进一步的，所述系统还包括：
第十五获得单元，所述第十五获得单元用于获得所述第一用户的身体状态信息；
第十六获得单元，所述第十六获得单元用于获得预定健康阈值；
第二判断单元，所述第二判断单元用于判断所述第一用户的身体状态信息是否在所述预定健康阈值之内；
第十七获得单元，所述第十七获得单元用于如果所述第一用户的身体状态信息在所述预定健康阈值之内，获得所述第一用户的第一血糖值并记录。
进一步的，所述系统还包括：
第十八获得单元，所述第十八获得单元用于获得所述第一用户的情绪稳定度信息；
第十九获得单元，所述第十九获得单元用于获得预定情绪稳定度阈值；
第三判断单元，所述第三判断单元用于判断所述第一用户的情绪稳定度信息是否在所述预定情绪稳定度阈值之内；
第二十获得单元，所述第二十获得单元用于如果所述第一用户的情绪稳定度信息在所述预定情绪稳定度阈值之内，获得所述第一用户的第一血糖值并记录
进一步的，所述系统还包括：
第二十一获得单元，所述第二十一获得单元用于根据所述第一用户的日运动量信息和所述第一用户的日饮食含糖量信息和所述第一用户的第一血糖值，获得所述第一用户的个人安全血糖生成指数阈值；
第二十二获得单元，所述第二十二获得单元用于获得所述第一用户的日饮食的血糖生成指数；
第四判断单元，所述第四判断单元用于判断所述第一用户的日饮食的血糖生成指数是否在所述个人安全血糖生成指数阈值之内；
第二十三获得单元，所述第二十三获得单元用于如果所述第一用户的日饮食的血糖生成指数不在所述个人安全血糖生成指数阈值之内，获得第二提醒信息，根据所述第二提醒信息提醒所述第一用户的日饮食的血糖生成指数需要调整。
前述图1实施例一中的一种糖尿病病人日常血糖监测数据采集管理方法的各种变化方式和具体实例同样适用于本实施例的一种糖尿病病人日常血糖监测数据采集管理系统，通过前述对一种糖尿病病人日常血糖监测数据采集管理方法的详细描述，本领域技术人员可以清楚的知道本实施例中一种糖尿病病人日常血糖监测数据采集管理系统的实施方法，所以为了说明书的简洁，在此不再详述。
示例性电子设备
下面参考图3来描述本申请实施例的电子设备。
图3图示了根据本申请实施例的电子设备的结构示意图。
基于与前述实施例中一种糖尿病病人日常血糖监测数据采集管理方法的发明构思，本发明还提供一种糖尿病病人日常血糖监测数据采集管理系统，其上存储有计算机程序，该程序被处理器执行时实现前文所述一种糖尿病病人日常血糖监测数据采集管理方法的任一方法的步骤。
其中，在图3中，总线架构（用总线300来代表），总线300可以包括任意数量的互联的总线和桥，总线300将包括由处理器302代表的一个或多个处理器和存储器304代表的存储器的各种电路链接在一起。总线300还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口306在总线300和接收器301和发送器303之间提供接口。接收器301和发送器303可以是同一个元件，即收发机，提供用于在传输介质上与各种其他系统通信的单元。
处理器302负责管理总线300和通常的处理，而存储器304可以被用于存储处理器302在执行操作时所使用的数据。
本发明实施例提供的一种糖尿病病人日常血糖监测数据采集管理方法，所述方法包括：获得第一用户的日运动量信息；获得所述第一用户的日饮食含糖量信息；获得所述第一用户的第一血糖值并记录；获得预定标准血糖阈值；判断所述第一血糖值是否在所述预定标准血糖阈值之内；如果所述第一血糖值不在所述预定标准阈值之内，获得第一提醒信息；根据所述第一提醒信息，获得第一调整信息；根据所述调整信息对所述第一用户的日运动量信息和所述日饮食含糖量信息进行调整。解决了现有技术中存在不能准确判断所述糖尿病患者的实时血糖值，并根据所述实时血糖值调整日运动量及日饮食含糖量信息的技术问题，达到对糖尿病患者的实时血糖状况分析并进行实时调整的技术效果。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的系统。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令系统的制造品，该指令系统实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (9)

1.一种糖尿病病人日常血糖监测数据采集管理方法，其中，所述方法包括：
获得第一用户的日运动量信息；
获得所述第一用户的日饮食含糖量信息；
获得所述第一用户的第一血糖值并记录；
获得预定标准血糖阈值；
判断所述第一血糖值是否在所述预定标准血糖阈值之内；
如果所述第一血糖值不在所述预定标准阈值之内，获得第一提醒信息；
根据所述第一提醒信息，获得第一调整信息；
根据所述调整信息对所述第一用户的日运动量信息和所述日饮食含糖量信息进行调整。
2.如权利要求1所述的方法，其中，所述方法包括：
如果所述第一血糖值在所述预定标准阈值之内，获得第二提醒信息；
根据所述第二提醒信息，对所述第一用户的日运动量信息和所述日饮食含糖量信息进行标记；
根据所述标记后的日运动量信息和所述日饮食含糖量信息构建训练数据集；
根据所述训练数据集训练神经网络模型。
3.如权利要求2所述的方法，其中，所述方法包括：
将所述第一用户的日运动量信息和所述日饮食含糖量信息输入所述神经网络模型，其中，所述神经网络模型通过多组训练数据训练获得，所述多组中的训练数据中的每一组训练数据均包括：所述第一用户的日运动量信息和所述日饮食含糖量信息和用来标识第一用户的血糖是否在预定标准血糖阈值之内的标识信息；
获得所述训练模型的输出信息，其中，所述输出信息包括第一输出结果和第二输出结果，所述第一输出结果为所述第一用户的血糖在所述预定标准血糖阈值之内的结果，所述第二输出结果为所述第一用户的血糖不在所述预定标准血糖阈值之内的结果；
根据所述输出信息对所述第一血糖信息进行预测，获得第一预测结果。
4.如权利要求3所述的方法，其中，所述方法包括：
获得预定时段内所述第一预测结果的准确度；
获得预定准确度阈值；
如果所述第一预测结果的准确度在所述预定准确度阈值之内，获得第二调整指令；
根据所述第二调整指令，降低所述第一用户采集血糖的频率信息。
5.如权利要求1所述的方法，其中，所述获得所述第一用户的第一血糖值并记录之前，包括：
获得所述第一用户的身体状态信息；
获得预定健康阈值；
判断所述第一用户的身体状态信息是否在所述预定健康阈值之内；
如果所述第一用户的身体状态信息在所述预定健康阈值之内，获得所述第一用户的第一血糖值并记录。
6.如权利要求1所述的方法，其中，所述获得所述第一用户的第一血糖值并记录之前，包括：
获得所述第一用户的情绪稳定度信息；
获得预定情绪稳定度阈值；
判断所述第一用户的情绪稳定度信息是否在所述预定情绪稳定度阈值之内；
如果所述第一用户的情绪稳定度信息在所述预定情绪稳定度阈值之内，获得所述第一用户的第一血糖值并记录。
7.如权利要求1所述的方法，其中，所述方法包括：
根据所述第一用户的日运动量信息和所述第一用户的日饮食含糖量信息和所述第一用户的第一血糖值，获得所述第一用户的个人安全血糖生成指数阈值；
获得所述第一用户的日饮食的血糖生成指数；
判断所述第一用户的日饮食的血糖生成指数是否在所述个人安全血糖生成指数阈值之内；
如果所述第一用户的日饮食的血糖生成指数不在所述个人安全血糖生成指数阈值之内，获得第二提醒信息，根据所述第二提醒信息提醒所述第一用户的日饮食的血糖生成指数需要调整。
8.一种糖尿病病人日常血糖监测数据采集管理系统，其中，所述系统包括：
第一获得单元，所述第一获得单元用于获得第一用户的日运动量信息；
第二获得单元，所述第二获得单元用于获得所述第一用户的日饮食含糖量信息；
第三获得单元，所述第三获得单元用于获得所述第一用户的第一血糖值并记录；
第四获得单元，所述第四获得单元用于获得预定标准血糖阈值；
第一判断单元，所述第一判断单元用于判断所述第一血糖值是否在所述预定标准血糖阈值之内；
第五获单元，所述第五获得单元用于如果所述第一血糖值不在所述预定标准阈值之内，获得第一提醒信息；
第六获得单元，所述第六获得单元用于根据所述第一提醒信息，获得第一调整信息；
第一调整单元，所述第一调整单元用于根据所述调整信息对所述第一用户的日运动量信息和所述日饮食含糖量信息进行调整。
9.一种糖尿病病人日常血糖监测数据采集管理系统，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现权利要求1-7任一项所述方法的步骤。
CN202011072872.0A 2020-10-09 2020-10-09 一种糖尿病病人日常血糖监测数据采集管理方法及系统 Pending CN112216360A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011072872.0A CN112216360A (zh) 2020-10-09 2020-10-09 一种糖尿病病人日常血糖监测数据采集管理方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011072872.0A CN112216360A (zh) 2020-10-09 2020-10-09 一种糖尿病病人日常血糖监测数据采集管理方法及系统

Publications (1)

Publication Number Publication Date
CN112216360A true CN112216360A (zh) 2021-01-12

Family

ID=74053466

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011072872.0A Pending CN112216360A (zh) 2020-10-09 2020-10-09 一种糖尿病病人日常血糖监测数据采集管理方法及系统

Country Status (1)

Country Link
CN (1) CN112216360A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113035307A (zh) * 2021-03-26 2021-06-25 南通市第一人民医院 一种预防心内科潜在并发症的护理系统及方法
CN113053482A (zh) * 2021-03-31 2021-06-29 南通市第一人民医院 一种肾内科患者的体征监测分析系统及方法
WO2023208139A1 (zh) * 2022-04-29 2023-11-02 京东方科技集团股份有限公司 健康分析方法、装置、电子设备及存储介质
CN117711571A (zh) * 2024-02-06 2024-03-15 首都医科大学宣武医院 一种妊娠期糖尿病患者血糖管理检测系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107480464A (zh) * 2017-09-27 2017-12-15 南丹县人民医院 一种平衡糖尿病病人运动量与饮食摄入量的系统
CN110379488A (zh) * 2019-07-12 2019-10-25 深圳市预防宝科技有限公司 一种对餐后高血糖进行预警的装置及方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107480464A (zh) * 2017-09-27 2017-12-15 南丹县人民医院 一种平衡糖尿病病人运动量与饮食摄入量的系统
CN110379488A (zh) * 2019-07-12 2019-10-25 深圳市预防宝科技有限公司 一种对餐后高血糖进行预警的装置及方法

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113035307A (zh) * 2021-03-26 2021-06-25 南通市第一人民医院 一种预防心内科潜在并发症的护理系统及方法
CN113053482A (zh) * 2021-03-31 2021-06-29 南通市第一人民医院 一种肾内科患者的体征监测分析系统及方法
CN113053482B (zh) * 2021-03-31 2021-10-19 南通市第一人民医院 一种肾内科患者的体征监测分析系统及方法
WO2023208139A1 (zh) * 2022-04-29 2023-11-02 京东方科技集团股份有限公司 健康分析方法、装置、电子设备及存储介质
CN117711571A (zh) * 2024-02-06 2024-03-15 首都医科大学宣武医院 一种妊娠期糖尿病患者血糖管理检测系统
CN117711571B (zh) * 2024-02-06 2024-05-14 首都医科大学宣武医院 一种妊娠期糖尿病患者血糖管理检测系统

Similar Documents

Publication Publication Date Title
CN112216360A (zh) 一种糖尿病病人日常血糖监测数据采集管理方法及系统
CN109887568B (zh) 基于医嘱的健康管理系统
CN102549587B (zh) 用于处理葡萄糖值的装置和方法
RU2757048C1 (ru) Способ и система оценки здоровья тела человека на основе данных большого объема о сне
CN104287706A (zh) 一种人体健康状态实时监测及诊疗推荐系统
RU2712395C1 (ru) Способ выдачи рекомендаций по поддержанию здорового образа жизни на основе параметров ежедневной деятельности пользователя, автоматически отслеживаемых в реальном времени, и соответствующая система (варианты)
CA3164001A1 (en) Dynamic user response data collection method
EP3240470A1 (en) Method and system for predicting continous cardiac output (cco) of a patient based on physiological data
WO2020144575A1 (en) Diagnosis and effectiveness of monitoring attention deficit hyperactivity disorder
CN111265189A (zh) 一种医疗监护预警方法及系统
KR101555541B1 (ko) 유비쿼터스환경에서의 웰빙라이프케어 인덱스 모델 제작 방법
CN112992355A (zh) 一种食管癌患者的术前评估方法及系统
CN114098658A (zh) 一种健康状态的监测方法及装置
CN113100711A (zh) 一种临产产妇健康状况实时追踪的方法和系统
AU2021363110A1 (en) Method and system for personalized prediction of infection and sepsis
KR102028676B1 (ko) 병원 진료 애프터케어 서비스 제공 방법, 서버 및 프로그램
Velikova et al. Intelligent disease self-management with mobile technology
CN116570283A (zh) 一种围手术期患者情绪监测系统及方法
Enright et al. MODELLING GLYCAEMIA IN ICU PATIENTS-A Dynamic Bayesian Network Approach
US20090138252A1 (en) Method and system of evaluating disease severity
Zavyalova et al. Designing a mobile recommender system for treatment adherence improvement among hypertensives
Vehi et al. Artificial Intelligence and Machine Learning for Diabetes Decision Support
KR102028685B1 (ko) 병원 업무 중개 방법, 시스템 및 프로그램
CN113197554A (zh) 一种高热患者的重症监护护理方法及系统
Andreas et al. Optimisation of CNN through Transferable Online Knowledge for Stress and Sentiment Classification

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: 20210112

RJ01 Rejection of invention patent application after publication