CN112401840A - 一种基于穿戴式运动设备的运动风险预测方法及系统 - Google Patents
一种基于穿戴式运动设备的运动风险预测方法及系统 Download PDFInfo
- Publication number
- CN112401840A CN112401840A CN202011285976.XA CN202011285976A CN112401840A CN 112401840 A CN112401840 A CN 112401840A CN 202011285976 A CN202011285976 A CN 202011285976A CN 112401840 A CN112401840 A CN 112401840A
- Authority
- CN
- China
- Prior art keywords
- user
- exercise
- risk
- index data
- body index
- 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
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/107—Measuring physical dimensions, e.g. size of the entire body or parts thereof
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4869—Determining body composition
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient ; user input means
- A61B5/746—Alarms related to a physiological condition, e.g. details of setting alarm thresholds or avoiding false alarms
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01G—WEIGHING
- G01G19/00—Weighing apparatus or methods adapted for special purposes not provided for in the preceding groups
- G01G19/44—Weighing apparatus or methods adapted for special purposes not provided for in the preceding groups for weighing persons
- G01G19/50—Weighing apparatus or methods adapted for special purposes not provided for in the preceding groups for weighing persons having additional measuring devices, e.g. for height
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Molecular Biology (AREA)
- Animal Behavior & Ethology (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Veterinary Medicine (AREA)
- Surgery (AREA)
- Biophysics (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Physiology (AREA)
- Cardiology (AREA)
- General Physics & Mathematics (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Pulmonology (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
Abstract
本发明公开了一种基于穿戴式运动设备的运动风险预测方法及系统,涉及运动风险预测领域。该方法包括:步骤1、获取预先输入的用户安静状态下的第一身体指标数据;步骤2、获取用户运动过程中运动设备测得的心电图数据;步骤3、根据所述心电图数据判断用户所属类型;步骤4、获取用户安静状态下运动设备测得的第二身体指标数据;步骤5、将所述第二身体指标数据、所述第一身体指标数据与所述用户所属类型相结合得出预测结果。本发明能够解决预测方法显然精确度无法满足要求问题,达到有效的预防在运动中发生心血管风险事件的可能性,提高户外运动的安全系数的效果。
Description
技术领域
本发明涉及运动风险预测保护领域,尤其涉及一种基于穿戴式运动设备的运动风险预测方法及系统。
背景技术
运动锻炼已经成为大众的一种健康生活方式,然而,运动是一把双刃剑,人们通过运动达到强身健体的同时,也会面临不科学运动可能带来的健康风险。虽然在运动期间出现心脏病与猝死较为罕见,但是由于不恰当的运动,例如,突然增加运动量、运动强度和急性心理应激等,容易造成心血管风险事件的发生。即使平时经常参加运动的人在进行剧烈体力活动时发生心源性猝死、心肌梗死的机率也会大大增加,并且随着年龄的增加,运动中发生心血管风险事件的概率也逐渐增加,现有的预测方法显然精确度无法满足要求。
发明内容
本发明所要解决的技术问题是针对现有技术的不足,提供一种基于穿戴式运动设备的运动风险预测方法集系统。
本发明解决上述技术问题的技术方案如下:一种基于穿戴式运动设备的运动风险预测方法,包括:
步骤1,获取预先输入的用户安静状态下的第一身体指标数据;
步骤2,获取用户运动过程中运动设备测得的心电图数据;
步骤3,根据所述心电图数据判断用户所属类型;
步骤4,获取用户安静状态下运动设备测得的第二身体指标数据;
步骤5,将所述第二身体指标数据、所述第一身体指标数据与所述用户所属类型相结合得出预测结果;
步骤6,根据所述预测结果判断用户是否会在运动过程中出现运动风险,若存在运动风险,则发出预警提示。
本发明的有益效果是:通过对用户所属类型的判断可以有效使预测方案更具有针对性,并将类型结果配合通过运动设备测得的第二身体指标数据可以更加准确的针对各类人群进行预测,使得本方案的预测方法更加具有适用性,并且通过预警模式也可以有效的预防在运动中发生心血管风险事件的可能性,提高户外运动的安全系数。
在上述技术方案的基础上,本发明还可以做如下改进。
进一步,所述用户所属类型包括:男性心电图异常、男性无心电图异常、女性心电图异常、女性无心电图异常和血压异常。
进一步,所述第二身体指标数据包括:心率、血压、脉搏波传导速度、脑电图和心率变异性。
采用上述进一步方案的有益效果是,获取上述基础数据可以提高对于预测结果的准确度。
进一步,所述第一身体指标数据包括:身高体重、人体健康指数、高密度脂蛋白胆固醇的含量、低密度脂蛋白胆固醇的含量、乳酸脱氢酶的含量、乳酸脱氢酶同工酶的含量、肌酸激酶同工酶的含量、天门冬氨酸氨基转移酶的含量以及日常体力活动量。
采用上述进一步方案的有益效果是,获取上述数据可以提高对于用户所属类型判断的准确度,为后续风险预测提供良好基础。
进一步,步骤5具体为:
将所述第一身体指标数据及所述第二身体指标数据输入至所述用户所属类型对应的公式中得到预测结果。
采用上述进一步方案的有益效果是,将第一身体指标数与第二身体指标数据相结合进行预测可以使预测结果更具有代表度以及说服度。
进一步,所述用户所属类型对应的公式包括:
男性运动中心电图异常人群心血管风险预测公式:
Y=-0.446+0.004X1-0.042X2+0.002X3;
男性运动中无心电图异常人群心血管风险预测公式:
Y=0.022-0.001X4-0.147X5+0X3+4.53×10-4X6;
女性运动中心电图异常人群心血管风险预测公式:
Y=-0.06+0.002X3+0.002X7-0.002X8-0.007X9;
女性运动中无心电图异常人群心血管风险预测公式:
Y=-0.163+0.006X10+0.01X11;
运动中血压异常预测公式:
Y1=23.146-0.022X12-0.001X3-48.705X5;
其中,Y为心电图中ST段下压幅度,X1为安静舒张压值,X2为安静时高密度脂蛋白胆固醇的含量值,X3为安静时脑电图值,X4为安静时乳酸脱氢酶同工酶的含量值,X5代表安静时乳酸脱氢酶同工酶的含量与乳酸脱氢酶的含量的比值,X6为日常体力活动量,X7为安静时心率,X8为安静时肌酸激酶同工酶的含量值,X9为安静时天门冬氨酸氨基转移酶的含量值,X10为人体健康指数,X11为安静时心率变异性值,Y1为运动负荷递增中出现的SBP段下降幅度,X12为安静脉搏波传导速度。
进一步,步骤6具体为:
将所述预测结果与阈值范围进行判断比较,若所述预测结果在所述阈值范围内,则不存在运动风险,反之,则存在运动风险,若存在运动风险则发出预警提示。
采用上述进一步方案的有益效果是,若存在风险及时发出预警可以有效避免不科学运动带来的健康风险。
进一步,还包括:
步骤7,实时获取用户的所述第二身体指标数据,并根据实时获取的所述第二身体指标数据以及运动设备实时测得的心电图数据判断当前是否存在运动风险。
本发明解决上述技术问题的另一种技术方案如下:一种基于穿戴式运动设备的运动风险预测系统,包括:
第一获取模块,用于获取预先输入的用户安静状态下的第一身体指标数据;
第二获取模块,用于获取用户运动过程中运动设备测得的心电图数据;
第一判断模块,用于根据所述心电图数据判断用户所属类型;
第三获取模块,用于获取用户安静状态下运动设备测得的第二身体指标数据;
预测模块,用于将所述第二身体指标数据、所述第一身体指标数据与所述用户所属类型相结合得出预测结果;
第二判断模块,用于根据所述预测结果判断用户是否会在运动过程中出现运动风险,若存在运动风险,则发出预警提示。
本发明的有益效果是:通过对用户所属类型的判断可以有效使预测方案更具有针对性,并将类型结果配合通过运动设备测得的第二身体指标数据可以更加准确的针对各类人群进行预测,使得本方案的预测方法更加具有适用性,并且通过预警模式也可以有效的预防在运动中发生心血管风险事件的可能性,提高户外运动的安全系数。
进一步,所述用户所属类型包括:男性心电图异常、男性无心电图异常、女性心电图异常、女性无心电图异常和血压异常。
进一步,所述第二身体指标数据包括:心率、血压、脉搏波传导速度、脑电图和心率变异性。
采用上述进一步方案的有益效果是,获取上述基础数据可以提高对于预测结果的准确度。
进一步,所述第一身体指标数据包括:身高体重、人体健康指数、高密度脂蛋白胆固醇的含量、低密度脂蛋白胆固醇的含量、乳酸脱氢酶的含量、乳酸脱氢酶同工酶的含量、肌酸激酶同工酶的含量、天门冬氨酸氨基转移酶的含量以及日常体力活动量。
采用上述进一步方案的有益效果是,获取上述数据可以提高对于用户所属类型判断的准确度,为后续风险预测提供良好基础。
进一步,预测模块具体用于、将所述第一身体指标数据及所述第二身体指标数据输入至所述用户所属类型对应的公式中得到预测结果。
进一步,所述用户所属类型对应的公式包括:
男性运动中心电图异常人群心血管风险预测公式:
Y=-0.446+0.004X1-0.042X2+0.002X3;
男性运动中无心电图异常人群心血管风险预测公式:
Y=0.022-0.001X4-0.147X5+0X3+4.53×10-4X6;
女性运动中心电图异常人群心血管风险预测公式:
Y=-0.06+0.002X3+0.002X7-0.002X8-0.007X9;
女性运动中无心电图异常人群心血管风险预测公式:
Y=-0.163+0.006X10+0.01X11;
运动中血压异常预测公式:
Y1=23.146-0.022X12-0.001X3-48.705X5;
其中,Y为心电图中ST段下压幅度,X1为安静舒张压值,X2为安静时高密度脂蛋白胆固醇的含量值,X3为安静时脑电图值,X4为安静时乳酸脱氢酶同工酶的含量值,X5代表安静时乳酸脱氢酶同工酶的含量与乳酸脱氢酶的含量的比值,X6为日常体力活动量,X7为安静时心率,X8为安静时肌酸激酶同工酶的含量值,X9为安静时天门冬氨酸氨基转移酶的含量值,X10为人体健康指数,X11为安静时心率变异性值,Y1为运动负荷递增中出现的SBP段下降幅度,X12为安静脉搏波传导速度。
进一步,第二判断模块具体用于、将所述预测结果与阈值范围进行判断比较,若所述预测结果在所述阈值范围内,则不存在运动风险,反之,则存在运动风险,若存在运动风险则发出预警提示。
采用上述进一步方案的有益效果是,若存在风险及时发出预警可以有效避免不科学运动带来的健康风险。
进一步,还包括:第三判断模块,第三判断模块用于实时获取用户的所述第二身体指标数据,并根据实时获取的所述第二身体指标数据以及运动设备实时测得的心电图数据判断当前是否存在运动风险。
进一步,第三判断模块具体用于,将实时获取的第二身体指标数据及所述第一身体指标数据输入至所述用户所属类型对应的公式中得到预测结果,并将所述预测结果与阈值范围进行比较,若所述预测结果再所述阈值范围内则无运动风险,反之,则存在运动风险,若存在运动风险则发出预警提示。
本发明附加的方面的优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明实践了解到。
附图说明
图1为本发明一种基于穿戴式运动设备的运动风险预测方法的实施例提供的流程示意图;
图2为本发明一种基于穿戴式运动设备的运动风险预测系统的实施例提供的结构框架图;
图3为本发明一种基于穿戴式运动设备的运动风险预测方法的实施例提供的整体穿戴示意图;
图4为本发明一种基于穿戴式运动设备的运动风险预测方法的实施例提供的运动臂带结构图;
图5为本发明一种基于穿戴式运动设备的运动风险预测方法的实施例提供的运动预测背心结构图。
附图中,各标号所代表的部件列表如下:
100、第一获取模块,200、第二获取模块,300、第一判断模块,400、第三获取模块,500、预测模块,600、第二判断模块,1、运动臂带,2、运动风险预测背心,3、红色测试环,4、黄色测试环,5、绿色测试环,6、黑色测试环,7、无线脑电图测试电极片,8、强力魔术贴,9、内置脑电接收装置,10、内置测试芯片,11、透明储物袋,12、双边扣,13、钥匙预留口,14、荧光条,15、无线胸导联测试电极片。
具体实施方式
以下结合附图对本发明的原理和特征进行描述,所举实施例只用于解释本发明,并非用于限定本发明的范围。
如图1所示,一种基于穿戴式运动设备的运动风险预测方法,包括:
步骤1,获取预先输入的用户安静状态下的第一身体指标数据;
步骤2,获取用户运动过程中运动设备测得的心电图数据;
步骤3,根据心电图数据判断用户所属类型;
步骤4,获取用户安静状态下运动设备测得的第二身体指标数据;
步骤5,将第二身体指标数据、第一身体指标数据与用户所属类型相结合得出预测结果;
步骤6,根据预测结果判断用户是否会在运动过程中出现运动风险,若存在运动风险,则发出预警提示。
在一些可能的实施方式中,通过对用户所属类型的判断可以有效使预测方案更具有针对性,并将类型结果配合通过运动设备测得的第二身体指标数据可以更加准确的针对各类人群进行预测,使得本方案的预测方法更加具有适用性,并且通过预警模式也可以有效的预防在运动中发生心血管风险事件的可能性,提高户外运动的安全系数。
需要说明的是,运动设备包括:运动臂带1、运动风险预测背心2、无线脑电图测试电极片7、黄色测试环3、红色测试环4、黑色测试环6、绿色测试环5以及终端等,如图3、4、5,且对于数据的处理终端可为手机或平板或笔记本等设备,以下均已手机中的APP为例进行解释说明,运动臂带1外观和普通运动臂带1相似,如图4所示,运动臂带1包括:强力魔术贴8,内置脑电接收装置9,内置测试芯片10,透明储物袋11,双边扣12,钥匙预留口13,运动臂带1前面配备了一个透明储物袋11,用户可将手机放入其中,手机放入后可以透过臂带上的滑屏视窗操作手机触屏,臂带采用防汗、防水面料制作,防止用户出汗渗透到手机表面,固定处由尼龙搭扣构成,该装置可以检测用户运动时和安静时的心率、血压,包括收缩压SBP和舒张压DBP、脉搏波传导速度和心率变异性。运动风险预测背心2包括:荧光条14,无线胸导联测试电极片15,外观和背心相同,可直接穿在身上,整体采用透气吸湿的面料制作,以方便用户在运动中的汗液迅速排出,并且背心前后部设置有反光条,用于提高夜晚户外健身人群的安全系数,运动风险预测背心2附有无线脑电图测试设备,即,1个无线脑电图测试电极片7和无线12导联心电图测试设备,即,6个无线胸导联测试电极片15及4个肢体导联测试环。每次用户需自行将测试设备贴于指定位置,可以监测用户在运动中的心电图和脑电图情况,并与手机通过蓝牙进行交互,将用户运动中的心电图和脑电图在手机APP上显示,表1中具体列出了设备与使用位置的关系。
表1
关于终端手机APP,用户需下载使用与本产品相匹配的指定APP,此APP可以与运动风险预测背心2和臂带进行交互,运动风险预测背心2和臂带所检测的指标数据均可以在手机APP上显示。用户需按照APP所指定的运动方式进行逐级递增负荷运动,通过运动风险预测背心2和臂带进行测量,如果受试者进行递增负荷运动中出现ST段下压≥0.1mv或运动负荷增加时血压SBP下降>10mmHg被判定为心电图异常或血压异常,将受试者划分为心电图异常人群,否则将受试者划分为运动中无心电图异常人群。用户可以在APP上将自身安静状态下测试的身高体重、高密度脂蛋白胆固醇(HDL-c)、低密度脂蛋白胆固醇(HDL-c)、乳酸脱氢酶(LDH)、乳酸脱氢酶同工酶1(LDH1)、肌酸激酶同工酶(CK-MB)、天门冬氨酸氨基转移酶(AST)以及日常体力活动(PA)进行输入,并与臂带和运动风险预测背心2测试出的心率、血压、脉搏波传导速度(PWV)、脑电图(OP)和心率变异性(LF/HF)通过以下公式对用户的运动中心血管风险进行预测,此外,还可以通过手机终端进行求救以及推荐等操作,具体方法请参考实施例1。
优选地,在上述任意实施例中,用户所属类型包括:男性心电图异常、男性无心电图异常、女性心电图异常、女性无心电图异常和血压异常。
优选地,在上述任意实施例中,第二身体指标数据包括:心率、血压、脉搏波传导速度、脑电图和心率变异性。
在一些可能的实施方式中,获取上述基础数据可以提高对于预测结果的准确度。
优选地,在上述任意实施例中,第一身体指标数据包括:身高体重、人体健康指数、高密度脂蛋白胆固醇的含量、低密度脂蛋白胆固醇的含量、乳酸脱氢酶的含量、乳酸脱氢酶同工酶的含量、肌酸激酶同工酶的含量、天门冬氨酸氨基转移酶的含量以及日常体力活动量。
在一些可能的实施方式中,获取上述数据可以提高对于用户所属类型判断的准确度,为后续风险预测提供良好基础。
优选地,在上述任意实施例中,步骤5具体为:
将第一身体指标数据及第二身体指标数据输入至用户所属类型对应的公式中得到预测结果。
在一些可能的实施方式中,将第一身体指标数与第二身体指标数据相结合进行预测可以使预测结果更具有代表度以及说服度。
优选地,在上述任意实施例中,所述用户所属类型对应的公式包括:
男性运动中心电图异常人群心血管风险预测公式:
Y=-0.446+0.004X1-0.042X2+0.002X3;
男性运动中无心电图异常人群心血管风险预测公式:
Y=0.022-0.001X4-0.147X5+0X3+4.53×10-4X6;
女性运动中心电图异常人群心血管风险预测公式:
Y=-0.06+0.002X3+0.002X7-0.002X8-0.007X9;
女性运动中无心电图异常人群心血管风险预测公式:
Y=-0.163+0.006X10+0.01X11;
运动中血压异常预测公式:
Y1=23.146-0.022X12-0.001X3-48.705X5;
其中,Y为心电图中ST段下压幅度,X1为安静舒张压值,X2为安静时高密度脂蛋白胆固醇的含量值,X3为安静时脑电图值,X4为安静时乳酸脱氢酶同工酶的含量值,X5代表安静时乳酸脱氢酶同工酶的含量与乳酸脱氢酶的含量的比值,X6为日常体力活动量,X7为安静时心率,X8为安静时肌酸激酶同工酶的含量值,X9为安静时天门冬氨酸氨基转移酶的含量值,X10为人体健康指数,X11为安静时心率变异性值,Y1为运动负荷递增中出现的SBP段下降幅度,X12为安静脉搏波传导速度。
需要说明的是,男性运动中心电图异常人群心血管风险预测公式中,对心电图异常男性ST段下压值与安静时各种指标测试结果,各种指标包括:BMI、安静心率、安静SBP、安静DBP、PA、HDL-c、LDL-c、CKMB、LDH1、乳酸脱氢酶同工酶的含量与乳酸脱氢酶的含量的比值、AST、安静PWV、安静LF/HF和安静OP值,之间相关性进行了回归分析表明,男性运动中心电图异常人群ST段下压值与安静时LDH1、乳酸脱氢酶同工酶的含量与乳酸脱氢酶的含量的比值,OP值和PA存在较为密切的联系,所以选择安静时LDH1、乳酸脱氢酶同工酶的含量与乳酸脱氢酶的含量的比值,OP值和PA进行风险预测公式的建立,进行将预测值与实际测量值进行比较,推测值与实际测量值之间的相关性为0.643(P=0.045),表明该公式可以较为准确的对男性运动中心电图异常人群的ST段下压幅度进行预测。ST段下压幅度范围为-0.07~0.08mv,处于正常的变化范围内;
对于男性运动中无心电图异常人群心血管风险预测公式,对心电图无异常男性ST段下压值与安静时各种指标测试结果之间相关性进行了回归分析表明,男性运动中心电图异常人群ST段下压值与安静时HDL-c,OP值和安静时DBP值存在较为密切的联系,所以选择安静时HDL-c,OP值和安静时DBP值进行风险预测公式的建立。ST段下压幅度范围为-0.07~0.08mv,处于正常的变化范围内进行将预测值与实际测量值进行比较,推测值与实际测量值之间的相关性为0.471(P=0.000),表明该公式可以对运动中心电图无异常男性ST段下压情况进行提前预测;
对于女性运动中心电图异常人群心血管风险预测公式,对心电图异常女性ST段下压值与安静时各种指标测试结果之间相关性进行了回归分析表明,男性运动中心电图异常人群ST段下压值与安静时心率、OP值、安静时CKMB以及AST存在较为密切的联系,所以选择安静时心率、OP值、安静时CKMB以及AST进行风险预测公式的建立。ST段下压幅度范围为-0.07~0.04mv,处于正常的变化范围内进行将预测值与实际测量值进行比较,推测值与实际测量值之间的相关性为0.743(P=0.035),表明该公式可以较为准确的预测女性运动中心电图异常;
对于女性运动中无心电图异常人群心血管风险预测公式,对心电图无异常女性ST段下压值与安静时各种指标测试结果之间相关性进行了回归分析表明,男性运动中心电图异常人群ST段下压值与BMI、安静时LF/HF存在较为密切的联系,所以选择安静时心率、OP值、安静时CKMB以及AST进行风险预测公式的建立。ST段下压幅度范围为-0.07~0.04mv,处于正常的变化范围内进行将预测值与实际测量值进行比较,推测值与实际测量值之间的相关性为0.478(P=0.000),表明该公式可以较为准确的预测女性运动中无心电图异常人群的ST段下压情况;
对于运动中血压异常预测公式,SBP下降幅度<10mmHg处于正常范围对于运动中血压异常组SBP下降值与安静时各指标之间进行逐步回归分析表明,运动中血压异常组SBP下降值与安静时PWV、LDH1/LDH和PA之间存在较为密切的关系,所系选择安静时PWV、LDH1/LDH和PA进行风险预测公式的建立。进行将预测值与实际测量值进行比较,推测值与实际测量值之间的相关性为0.853(P=0.000),表明该公式可以较为准确的预测运动中血压异常人群的SBP下降幅度。
优选地,在上述任意实施例中,步骤6具体为:
将预测结果与阈值范围进行判断比较,若预测结果在所述阈值范围内,则不存在运动风险,反之,则存在运动风险,若存在运动风险则发出预警提示。
在一些可能的实施方式中,若存在风险及时发出预警可以有效避免不科学运动带来的健康风险。
优选地,在上述任意实施例中,还包括:
步骤7,实时获取用户的所述第二身体指标数据,并根据实时获取的所述第二身体指标数据以及运动设备实时测得的心电图数据判断当前是否存在运动风险。
如图2所示,一种基于穿戴式运动设备的运动风险预测系统,包括:
第一获取模块100,用于获取预先输入的用户安静状态下的第一身体指标数据;
第二获取模块200,用于获取用户运动过程中运动设备测得的心电图数据;
第一判断模块300,用于根据心电图数据判断用户所属类型;
第三获取模块400,用于获取用户安静状态下运动设备测得的第二身体指标数据;
预测模块500,用于将第二身体指标数据、第一身体指标数据与用户所属类型相结合得出预测结果;
第二判断模块600,用于根据预测结果判断用户是否会在运动过程中出现运动风险,若存在运动风险,则发出预警提示。
在一些可能的实施方式中,通过对用户所属类型的判断可以有效使预测方案更具有针对性,并将类型结果配合通过运动设备测得的第二身体指标数据可以更加准确的针对各类人群进行预测,使得本方案的预测方法更加具有适用性,并且通过预警模式也可以有效的预防在运动中发生心血管风险事件的可能性,提高户外运动的安全系数。
优选地,在上述任意实施例中,用户所属类型包括:男性心电图异常、男性无心电图异常、女性心电图异常、女性无心电图异常和血压异常。
优选地,在上述任意实施例中,第二身体指标数据包括:心率、血压、脉搏波传导速度、脑电图和心率变异性。
在一些可能的实施方式中,获取上述基础数据可以提高对于预测结果的准确度。
优选地,在上述任意实施例中,第一身体指标数据包括:身高体重、人体健康指数、高密度脂蛋白胆固醇的含量、低密度脂蛋白胆固醇的含量、乳酸脱氢酶的含量、乳酸脱氢酶同工酶的含量、肌酸激酶同工酶的含量、天门冬氨酸氨基转移酶的含量以及日常体力活动量。
在一些可能的实施方式中,获取上述数据可以提高对于用户所属类型判断的准确度,为后续风险预测提供良好基础。
优选地,在上述任意实施例中,预测模块500具体用于、将第一身体指标数据及第二身体指标数据输入至所述用户所属类型对应的公式中得到预测结果。
优选地,在上述任意实施例中,用户所属类型对应的公式包括:
男性运动中心电图异常人群心血管风险预测公式:
Y=-0.446+0.004X1-0.042X2+0.002X3;
男性运动中无心电图异常人群心血管风险预测公式:
Y=0.022-0.001X4-0.147X5+0X3+4.53×10-4X6;
女性运动中心电图异常人群心血管风险预测公式:
Y=-0.06+0.002X3+0.002X7-0.002X8-0.007X9;
女性运动中无心电图异常人群心血管风险预测公式:
Y=-0.163+0.006X10+0.01X11;
运动中血压异常预测公式:
Y1=23.146-0.022X12-0.001X3-48.705X5;
其中,Y为心电图中ST段下压幅度,X1为安静舒张压值,X2为安静时高密度脂蛋白胆固醇的含量值,X3为安静时脑电图值,X4为安静时乳酸脱氢酶同工酶的含量值,X5代表安静时乳酸脱氢酶同工酶的含量与乳酸脱氢酶的含量的比值,X6为日常体力活动量,X7为安静时心率,X8为安静时肌酸激酶同工酶的含量值,X9为安静时天门冬氨酸氨基转移酶的含量值,X10为人体健康指数,X11为安静时心率变异性值,Y1为运动负荷递增中出现的SBP段下降幅度,X12为安静脉搏波传导速度。
优选地,在上述任意实施例中,第二判断模块600具体用于、将预测结果与阈值范围进行判断比较,若预测结果在所述阈值范围内,则不存在运动风险,反之,则存在运动风险,若存在运动风险则发出预警提示。
在一些可能的实施方式中,若存在风险及时发出预警可以有效避免不科学运动带来的健康风险。
优选地,在上述任意实施例中,还包括:第三判断模块,第三判断模块用于实时获取用户的第二身体指标数据,并根据实时获取的第二身体指标数据以及运动设备实时测得的心电图数据判断当前是否存在运动风险。
优选地,在上述任意实施例中,第三判断模块具体用于、将实时获取的第二身体指标数据及所述第一身体指标数据输入至所述用户所属类型对应的公式中得到预测结果,并将所述预测结果与阈值范围进行比较,若所述预测结果再所述阈值范围内则无运动风险,反之,则存在运动风险,若存在运动风险则发出预警提示。
实施例1,在对用户进行运动风险评估后,此APP会根据评估结果计算出用户适宜的运动强度、运动时间以及运动中的适宜心率和安全心率的上限,并在此APP上以弹窗的形式推荐给用户。如果用户在运动中超过安全心率的上限或者血压过高,手机APP会根据用户心率或者血压的具体数值发出语音提示用户降低运动强度或停止运动。每次运动前,手机APP将会储存用户安静状态下的心电图并与运动中心电图进行对比,如果用户在运动中心电图ST段下压超过正常范围,手机会发出语音提示用户停止运动。用户可以在手机APP上设置紧急联系人,如用户在运动中出现如上述所提及的运动风险,手机APP会使用用户的手机给紧急联系人和附近的人发送警告短信,短信内容包括用户的具体位置和风险情况。用户可定期将自己的体检数据在APP上进行更新,如果超过1年没有更新,此APP后台会以短信的形式提醒您进行体检并将APP上原有数据进行更新。数据更新后此APP会从新计算用户适宜运动强度、运动时间、运动中适宜心率以及安全心率上限,并再次以弹窗形式推荐给用户。手机APP还提供一键救援供能,如果用户在运动过程中发生非创伤性意外和严重的创伤性意外,用户可使用此功能进行求救。
可以理解,在一些实施例中,可以包含如上述各实施例中的部分或全部可选实施方式。
需要说明的是,上述各实施例是与在先方法实施例对应的产品实施例,对于产品实施例中各可选实施方式的说明可以参考上述各方法实施例中的对应说明,在此不再赘述。
上述方法如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分,或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,RandomAccessMemory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种基于穿戴式运动设备的运动风险预测方法,其特征在于,包括:
步骤1,获取预先输入的用户安静状态下的第一身体指标数据;
步骤2,获取用户运动过程中运动设备测得的心电图数据;
步骤3,根据所述心电图数据判断用户所属类型;
步骤4,获取用户安静状态下运动设备测得的第二身体指标数据;
步骤5,将所述第二身体指标数据,所述第一身体指标数据与所述用户所属类型相结合得出预测结果;
步骤6,根据所述预测结果判断用户是否会在运动过程中出现运动风险,若存在运动风险,则发出预警提示。
2.根据权利要求1所述的一种基于穿戴式运动设备的运动风险预测方法,其特征在于,所述用户所属类型包括:男性心电图异常、男性无心电图异常、女性心电图异常、女性无心电图异常和血压异常。
3.根据权利要求1所述的一种基于穿戴式运动设备的运动风险预测方法,其特征在于,所述第二身体指标数据包括:心率、血压、脉搏波传导速度、脑电图和心率变异性。
4.根据权利要求1所述的一种基于穿戴式运动设备的运动风险预测方法,其特征在于,所述第一身体指标数据包括:身高体重、人体健康指数、高密度脂蛋白胆固醇的含量、低密度脂蛋白胆固醇的含量、乳酸脱氢酶的含量、乳酸脱氢酶同工酶的含量、肌酸激酶同工酶的含量、天门冬氨酸氨基转移酶的含量以及日常体力活动量。
5.根据权利要求4所述的一种基于穿戴式运动设备的运动风险预测方法,其特征在于,步骤5具体为:
将所述第一身体指标数据及所述第二身体指标数据输入至所述用户所属类型对应的公式中得到预测结果。
6.根据权利要求5所述的一种基于穿戴式运动设备的运动风险预测方法,其特征在于,所述用户所属类型对应的公式包括:
男性运动中心电图异常人群心血管风险预测公式:
Y=-0.446+0.004X1-0.042X2+0.002X3;
男性运动中无心电图异常人群心血管风险预测公式:
Y=0.022-0.001X4-0.147X5+0X3+4.53×10-4X6;
女性运动中心电图异常人群心血管风险预测公式:
Y=-0.06+0.002X3+0.002X7-0.002X8-0.007X9;
女性运动中无心电图异常人群心血管风险预测公式:
Y=-0.163+0.006X10+0.01X11;
运动中血压异常预测公式:
Y1=23.146-0.022X12-0.001X3-48.705X5;
其中,Y为心电图中ST段下压幅度,X1为安静舒张压值,X2为安静时高密度脂蛋白胆固醇的含量值,X3为安静时脑电图值,X4为安静时乳酸脱氢酶同工酶的含量值,X5代表安静时乳酸脱氢酶同工酶的含量与乳酸脱氢酶的含量的比值,X6为日常体力活动量,X7为安静时心率,X8为安静时肌酸激酶同工酶的含量值,X9为安静时天门冬氨酸氨基转移酶的含量值,X10为人体健康指数,X11为安静时心率变异性值,Y1为运动负荷递增中出现的SBP段下降幅度,X12为安静脉搏波传导速度。
7.根据权利要求1所述的一种基于穿戴式运动设备的运动风险预测方法,其特征在于,步骤6具体为:
将所述预测结果与阈值范围进行判断比较,若所述预测结果在所述阈值范围内,则不存在运动风险,反之,则存在运动风险,若存在运动风险则发出预警提示。
8.根据权利要求1所述的一种基于穿戴式运动设备的运动风险预测方法,其特征在于,还包括:
步骤7,实时获取用户的所述第二身体指标数据,并根据实时获取的所述第二身体指标数据以及运动设备实时测得的心电图数据判断当前是否存在运动风险。
9.根据权利要求8所述的一种基于穿戴式运动设备的运动风险预测方法,其特征在于,步骤7具体为:
将实时获取用户运动前安静的第二身体指标数据及所述第一身体指标数据输入至所述用户所属类型对应的公式中得到预测结果,并将所述预测结果与阈值范围进行比较,若所述预测结果再所述阈值范围内则无运动风险,反之,则存在运动风险,若存在运动风险则发出预警提示。
10.一种基于穿戴式运动设备的运动风险预测系统,其特征在于,包括:
第一获取模块,用于获取预先输入的用户安静状态下的第一身体指标数据;
第二获取模块,用于获取用户运动过程中运动设备测得的心电图数据;
第一判断模块,用于根据所述心电图数据判断用户所属类型;
第三获取模块,用于获取用户安静状态下运动设备测得的第二身体指标数据;
预测模块,用于将所述第二身体指标数据,所述第一身体指标数据与所述用户所属类型相结合得出预测结果;
第二判断模块,用于根据所述预测结果判断用户是否会在运动过程中出现运动风险,若存在运动风险,则发出预警提示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011285976.XA CN112401840A (zh) | 2020-11-17 | 2020-11-17 | 一种基于穿戴式运动设备的运动风险预测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011285976.XA CN112401840A (zh) | 2020-11-17 | 2020-11-17 | 一种基于穿戴式运动设备的运动风险预测方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112401840A true CN112401840A (zh) | 2021-02-26 |
Family
ID=74831919
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011285976.XA Pending CN112401840A (zh) | 2020-11-17 | 2020-11-17 | 一种基于穿戴式运动设备的运动风险预测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112401840A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113303773A (zh) * | 2021-05-20 | 2021-08-27 | 武汉理工大学 | 运动风险评估方法、装置及可读存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106126959A (zh) * | 2016-07-19 | 2016-11-16 | 北京心量科技有限公司 | 一种运动风险分析方法和装置 |
CN107194162A (zh) * | 2017-05-15 | 2017-09-22 | 王枢华 | 一种生命特征数据的运动负荷风险评估系统及评估方法 |
CN107951474A (zh) * | 2017-12-12 | 2018-04-24 | 北京动亮健康科技有限公司 | 基于心率和血压的实时监测的运动心肺测试方法及系统 |
CN111067487A (zh) * | 2019-12-30 | 2020-04-28 | 武汉体育学院 | 一种肥胖青少年运动风险评估方法 |
CN111714106A (zh) * | 2020-07-29 | 2020-09-29 | 重庆勤鸟圈科技有限公司 | 一种运动状态风险检测系统及方法 |
-
2020
- 2020-11-17 CN CN202011285976.XA patent/CN112401840A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106126959A (zh) * | 2016-07-19 | 2016-11-16 | 北京心量科技有限公司 | 一种运动风险分析方法和装置 |
CN107194162A (zh) * | 2017-05-15 | 2017-09-22 | 王枢华 | 一种生命特征数据的运动负荷风险评估系统及评估方法 |
CN107951474A (zh) * | 2017-12-12 | 2018-04-24 | 北京动亮健康科技有限公司 | 基于心率和血压的实时监测的运动心肺测试方法及系统 |
CN111067487A (zh) * | 2019-12-30 | 2020-04-28 | 武汉体育学院 | 一种肥胖青少年运动风险评估方法 |
CN111714106A (zh) * | 2020-07-29 | 2020-09-29 | 重庆勤鸟圈科技有限公司 | 一种运动状态风险检测系统及方法 |
Non-Patent Citations (2)
Title |
---|
苏浩等: "40~49岁成年人运动中心血管风险预测研究", 《体育科学》, vol. 33, no. 9, 15 September 2013 (2013-09-15), pages 36 - 45 * |
苏浩等: "40~49岁男性运动中心血管风险预测指标探析", 《北京体育大学学报》, vol. 37, no. 5, 15 May 2014 (2014-05-15), pages 62 - 66 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113303773A (zh) * | 2021-05-20 | 2021-08-27 | 武汉理工大学 | 运动风险评估方法、装置及可读存储介质 |
CN113303773B (zh) * | 2021-05-20 | 2023-02-28 | 武汉理工大学 | 运动风险评估方法、装置及可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9265430B2 (en) | Method, system and software product for the measurement of heart rate variability | |
US9585589B2 (en) | Computerized systems and methods for stability-theoretic prediction and prevention of sudden cardiac death | |
CN105147278B (zh) | 一种具备自动分析和实时信息分享功能的远程心电图监测系统实现方法 | |
Flatt et al. | Validity of the ithlete™ smart phone application for determining ultra-short-term heart rate variability | |
CN104602604B (zh) | 生物体信息处理系统、可穿戴装置、服务器系统及生物体信息处理系统的控制方法 | |
US10856801B2 (en) | System and method for slow wave sleep detection | |
CN105380655A (zh) | 一种移动终端的情绪预警方法、装置及移动终端 | |
US20160331315A1 (en) | Systems and Methods for Wearable Health Monitoring | |
WO2018009736A1 (en) | Motion-dependent averaging for physiological metric estimating systems and methods | |
TW201204321A (en) | Spontaneous exercise electrocardiogram system | |
Mohapatra et al. | A yellow–orange wavelength-based short-term heart rate variability measurement scheme for wrist-based wearables | |
US20200113459A1 (en) | System and method for determining a probability for a person to have arrhythmia | |
CN112401840A (zh) | 一种基于穿戴式运动设备的运动风险预测方法及系统 | |
GB2469547A (en) | Measurement of heart rate variability | |
CN113679369B (zh) | 一种心率变异性的评估方法、智能穿戴设备及存储介质 | |
CN206147632U (zh) | 一种用于人体信号采集及健康咨询的数据平台 | |
Gajda et al. | Heart rate monitors used by athletes—from gadget to medical equipment. A decade of own observations | |
CA3148066A1 (en) | System and method for heart rhythm detection and reporting | |
CN114173643A (zh) | 便携式脱水监视系统 | |
CN117393152B (zh) | 一种数据处理方法、电子设备、可穿戴设备及通信系统 | |
Putra et al. | Design and Implementation Internet of Medical Things for Heart Rate Monitoring System using Arduino and GSM Network | |
US11992360B2 (en) | System and method for heart rhythm detection and reporting | |
Choi et al. | Ambulatory stress monitoring with minimally-invasive wearable sensors | |
Divyabharathi et al. | Analysis of Human Physiological Parameters Using Real-Time HRV Estimation from Acquired ECG Signals | |
Polo et al. | Listening Effort: Cardiovascular Investigation Through the Point Process |
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: 20210226 |
|
RJ01 | Rejection of invention patent application after publication |