CN112768019A - 体检项目推荐的方法、装置、设备和存储介质 - Google Patents

体检项目推荐的方法、装置、设备和存储介质 Download PDF

Info

Publication number
CN112768019A
CN112768019A CN202011613079.7A CN202011613079A CN112768019A CN 112768019 A CN112768019 A CN 112768019A CN 202011613079 A CN202011613079 A CN 202011613079A CN 112768019 A CN112768019 A CN 112768019A
Authority
CN
China
Prior art keywords
risk
disease
physical examination
user
health data
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.)
Granted
Application number
CN202011613079.7A
Other languages
English (en)
Other versions
CN112768019B (zh
Inventor
蒋银科
王星
黄志华
史继群
全海波
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.)
Shenzhen Huayuxun Technology Co ltd
Original Assignee
Shenzhen Huayuxun 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 Shenzhen Huayuxun Technology Co ltd filed Critical Shenzhen Huayuxun Technology Co ltd
Priority to CN202011613079.7A priority Critical patent/CN112768019B/zh
Publication of CN112768019A publication Critical patent/CN112768019A/zh
Application granted granted Critical
Publication of CN112768019B publication Critical patent/CN112768019B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G16H50/30—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
    • 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

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Epidemiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Biomedical Technology (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Pathology (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

本申请公开了一种推荐体检项目的方法、装置、设备和存储介质。一种推荐体检项目的方法，包括：根据身份标识信息获取用户的历史健康数据；采集用户当前的健康数据；对于任意的一个疾病，根据用户的历史健康数据和当前的健康数据；以及根据学术论文数据库确定的疾病的危险性和保护性因素计算所述疾病的指数；根据所述疾病的疾病指数确定体检项目；显示疾病指数和推荐的体检项目。提高了体检项目推荐的个性化。

Description

体检项目推荐的方法、装置、设备和存储介质
技术领域
本申请涉及计算机领域，具体而言，涉及一种体检项目推荐的方法、装置、设备和存储介质。
背景技术
体检项目种类繁多，体检公司为了创收，很可能会安排很多的体检项目；并且并不会考虑到体检个体的差异性。不能够根据体检个体的历史健康数据来进行体检，所以造成体检项目往往并不科学，不能根据个体的实际情况来进行体检。每年爱康国宾等体检中心均推出企业团检服务，企业所有人检查内容都相同，而实际每个人因生活环境、生活习惯等各种因素的影响，疾病风险也并不相同。
针对相关技术中体检项目推荐缺乏个性化的问题，目前尚未提出有效的解决方案。
发明内容
本申请的主要目的在于提供一种体检项目推荐的方法、装置、设备，以解决如何提高个性化体检项目的问题。
为了实现上述目的，根据本申请的一个方面，提供了一种推荐体检项目的方法，包括：
接收用户输入的身份标识信息；
根据所述身份标识信息获取用户的历史健康数据；
采集用户当前的健康数据；
对于任意的一个疾病，根据用户的历史健康数据和当前的健康数据；以及医学资料数据库确定的疾病的风险水平；
根据所述疾病的风险水平确定体检项目；
显示疾病风险水平和推荐的体检项目。
在一种实施方式中，根据所述疾病的风险水平确定体检项目，包括：
所述风险水平包括高风险，一般，低风险；
如果风险水平为高风险，则确定高风险对应的体检项目；
如果风险水平为中风险，则确定中风险对应的体检项目；
如果风险水平为低风险，则确定低风险对应的体检项目。
在一种实施方式中，当前的健康数据，包括以下的一种或几种：手指信息；面部信息、舌头信息；历史健康数据包括以下的一种或几种：历史的重大疾病、历史的饮食习惯、一天抽烟的数量、一天饮酒的数量、一天中锻炼的时间长度、一周锻炼的次数、职业信息。
在一种实施方式中，体检项目包括：血液检查、尿液检查、脏器的B超检查、脑电图、心电图的检查；
内科、外科、眼科、耳鼻喉、口腔；
内科：血压、心率、心律、心杂音、心界、肺、肝、脾、肾、腹部压痛、肠鸣音、神经系统检查；
外科包括：身高、体重、脊柱、皮肤、淋巴结、四肢关节、乳腺、甲状腺、肛门直肠、前列腺、腹股沟；
眼科：视力、砂眼、辨色力、角膜、结膜、眼底耳鼻喉科包括：听力、外耳道、鼻窦、鼻咽、咽、喉；口腔科：唇、腭、牙齿、牙龈、口腔粘膜。
在一种实施方式中，疾病包括25种常见的重大疾病，具体包括：1.恶性肿瘤；2.急性心肌梗死；3.重大器官移植术或造血干细胞移植术；4.冠状动脉搭桥术；5.终末期肾病；6.多个肢体缺失；7.急性或亚急性重症肝炎；8.良性脑肿瘤；9.慢性肝功能衰竭失代偿期；10.脑炎后遗症或脑膜炎后患症；11.深度昏迷；12.重度再生障碍性贫血；13.双耳失聪；14.瘫痪；15.心脏瓣膜手术；16.主动脉手术；17.双眼失明；18.严重阿尔茨海默病；19.严重脑损伤；20.严重帕金森病；21.严重原发性肺动脉高压。22.严重运动神经元病；23.严重3度烧伤；24.语言能力丧失；25.脑中风后遗症；还包括与职业对应的职业病。
在一种实施方式中，根据用户的历史健康数据和当前的健康数据；以及根据医学资料数据库确定所述疾病的风险水平，包括：
根据所述用户的历史健康数据和当前的健康数据确定所述用户的所述疾病的各个危险因素；
确定所述疾病的各个危险因素对应的风险分数；
计算各个危险因素的风险分数的和得到所述用户的所述疾病的个体风险分数；
根据医学资料数据库计算所述疾病的人群平均风险分数；
计算所述用户的所述疾病的个体风险分数和所述人群平均风险分数的比值；
根据所述比值和预先设定的所述疾病的风险水平关系表确定所述疾病的风险水平。
在一种实施方式中，根据医学资料数据库计算所述疾病的人群平均风险分数，包括：
根据医学资料数据库确定各危险因素的风险分数；以及对应的人群暴露率；
对于任意的一个危险因素，计算所述危险因素的风险分数和人群暴露率的乘积得到所述危险因素的风险暴露值；
计算所有的危险因素的风险暴露值的和得到人群平均风险分数。
在一种实施方式中，还包括，定期对医学资料数据进行更新，具体包括：
接收所述用户反馈的健康信息；将所述健康信息补充到所述医学资料数据库中。
本发明的上述的技术方案，对医学资料数据库进行及时更新，可以周期性的进行更新；比如，包括每天定时更新，接收用户的反馈的信息；充实医学数据库；使得数据库的数据更详细。从而提高疾病风险水平的计算准确度。
为了实现上述目的，根据本申请的另一方面，本申请提出了一种推荐体检项目的装置，包括：
接收模块，用于接收用户输入的身份标识信息；
健康数据获取模块，用于根据所述身份标识信息获取用户的历史健康数据；以及采集用户当前的健康数据；
计算模块，用于对于任意的一个疾病，根据用户的历史健康数据和当前的健康数据；以及医学资料数据库确定所述疾病的风险水平；
体检项目确定模块，用于根据所述疾病的风险水平确定体检项目；
显示模块，用于显示疾病指数和推荐的体检项目。
第三方面，提出了一种电子设备，所述电子设备包括：至少一个处理器和至少一个存储器；所述存储器用于存储一个或多个程序指令；所述处理器，用于运行一个或多个程序指令，用以执行如上述任一项所述的方法。
第四方面，提出了一种计算机可读存储介质，所述计算机存储介质中包含一个或多个程序指令，所述一个或多个程序指令用于执行如上述任一项所述的方法。
在本申请实施例中，提出了一种推荐体检项目的方法，根据身份标识信息获取用户的历史健康数据；采集用户当前的健康数据；对于任意的一个疾病，根据用户的历史健康数据和当前的健康数据；以及根据医学资料数据库确定所述疾病的风险水平；根据所述疾病的风险水平确定体检项目；显示疾病指数和推荐的体检项目。提高了体检项目推荐的精度。
附图说明
构成本申请的一部分的附图用来提供对本申请的进一步理解，使得本申请的其它特征、目的和优点变得更明显。本申请的示意性实施例附图及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1是根据本申请实施例的一种体检项目推荐方法的流程图；
图2是根据本申请实施例的一种体检项目推荐装置的结构示意图；
图3是根据本申请实施例的一种体检项目推荐设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。
需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
一种推荐体检项目的方法，参见附图1所示的一种推荐体检项目的方法的流程图；该方法包括：
步骤S101，接收用户输入的身份标识信息；
其中，身份标识信息可以为身份证。
步骤S102，根据所述身份标识信息获取用户的历史健康数据；
示例性的，用户使用手机客户端来输入自己的身份证。客户端根据身份证确定该用户的历史的健康数据。历史可以为历史上的一年或者一个月，具体可以灵活进行设定。
步骤S103，采集用户当前的健康数据；
其中，采集用户个人健康信息的采集形式包括以下的一种或几种：健康问卷、面部检测、舌头检测、手指检测；
健康问卷：以《中华医学会健康管理学分会”健康体检基本项目专家共识》为基础，设计的健康问卷表；用户可以在手机客户端上填写该问卷表。
面部检测：使用手机摄像头拍摄面部照片上传服务器，对图片进行图像识别，提取面部数据；
舌头检测：使用手机摄像头拍摄舌部照片上传服务器，对图片进行图像识别，提取舌部数据；
手指检测：使用手机摄像头计算手指血氧饱和度，提取相关数值；
步骤S104，对于任意的一个疾病，根据用户的历史健康数据和当前的健康数据；以及医学资料数据库确定所述疾病的风险水平；
其中，医学资料数据库包括以下的一种或几种：医学年鉴、会议论文、硕博士论文、学术杂志期刊等。
步骤S105，根据所述疾病的风险水平确定体检项目；
具体实施时，该方法具体包括以下的步骤：
所述风险水平包括高风险，一般，低风险；
如果风险水平为高风险，则确定高风险对应的体检项目；
如果风险水平为中风险，则确定中风险对应的体检项目；
如果风险水平为低风险，则确定低风险对应的体检项目。
示例性的，如果鼻咽癌的风险等级为高风险，则体检项目中包括了CT、磁共振。如果为风险等级为低风险，则体检项目中不包括CT、磁共振；只是鼻咽镜检查。
步骤S106，显示疾病风险水平和推荐的体检项目。
示例性的，用户的手机客户端上可以显示出患有癌症的风险等级为高风险和推荐的推荐项目包括：EB病毒、鼻咽镜检查、以及CT和磁共振。
本发明的上述的方法，提高了推荐体检项目的准确性，也为体检的消费者节省了体检成本，避免浪费。
当前的健康数据，包括以下的一种或几种：手指信息；面部信息、舌头信息；历史健康数据包括以下的一种或几种：历史的重大疾病、历史的饮食习惯、一天抽烟的数量、一天饮酒的数量、一天中锻炼的时间长度、一周锻炼的次数、职业信息。
示例性的，如果用户的舌头有黄色的舌苔，最近一天中饮酒的数量比较多，喝酒比较量大，则确定用户应该体检的项目有肝脏的相关的体检项目。
示例性的，如果发现用户的职业为久坐不动类的职业，比如，银行的会计，律师等；则体检的项目应该包括外科肛门直肠类的检查。
体检项目包括：血液检查、尿液检查、脏器的B超检查、脑电图、心电图的检查；
内科、外科、眼科、耳鼻喉、口腔；
内科：血压、心率、心律、心杂音、心界、肺、肝、脾、肾、腹部压痛、肠鸣音、神经系统检查；
外科包括：身高、体重、脊柱、皮肤、淋巴结、四肢关节、乳腺、甲状腺、肛门直肠、前列腺、腹股沟；
眼科：视力、砂眼、辨色力、角膜、结膜、眼底耳鼻喉科包括：听力、外耳道、鼻窦、鼻咽、咽、喉；口腔科：唇、腭、牙齿、牙龈、口腔粘膜。
在一种实施方式中，疾病包括25种常见的重大疾病，具体包括：1.恶性肿瘤；2.急性心肌梗死；3.重大器官移植术或造血干细胞移植术；4.冠状动脉搭桥术；5.终末期肾病；6.多个肢体缺失；7.急性或亚急性重症肝炎；8.良性脑肿瘤；9.慢性肝功能衰竭失代偿期；10.脑炎后遗症或脑膜炎后患症；11.深度昏迷；12.重度再生障碍性贫血；13.双耳失聪；14.瘫痪；15.心脏瓣膜手术；16.主动脉手术；17.双眼失明；18.严重阿尔茨海默病；19.严重脑损伤；20.严重帕金森病；21.严重原发性肺动脉高压。22.严重运动神经元病；23.严重3度烧伤；24.语言能力丧失；25.脑中风后遗症；还包括与职业对应的职业病。
在一种实施方式中，使用收集的数据套用哈佛癌症指数模型计算出疾病指数。单因素风险模型(单因素加权法)运用哈佛癌症风险指数算法量化分析危险因素和疾病发病之间的关系，预测个体患病与其同性性别年龄组一般人人群比较的相对风险。
多因素风险模型基于单因素风险模型做合成模型。建立第一个logstic回归，因变量是高血压发病、自变量年龄。引入第一个线性回归，因变量是D1，得到Bc(性别)。引入第二个线性回归，因变量是D2，得到Bc(家族史)逐步分析结果，回归分析。多因素风险计算模型如下：
D1＝-3.328+1.320×年龄系数；
D2＝D1+(性别系数-0.670)；
D3＝D2+2.159×(高血压家族史系数-0.250)；
D4＝D3+2.237×(超重或肥胖系数-0.245)；
D5＝D4+1.734×(TG异常系数-0.468)；
D6＝D5+1.211×(吸烟系数-0.321)。
其中，年龄系数为用户的当前的年龄。性别系数、高血压家族史系数、超重或肥胖系数，TG异常系数，吸烟系数为预先测定的标准值。
根据用户的历史健康数据和当前的健康数据；以及根据医学资料数据库确定所述疾病的风险水平，包括：
根据所述用户的历史健康数据和当前的健康数据确定所述用户的所述疾病的各个危险因素；
确定所述疾病的各个危险因素对应的风险分数；
计算各个危险因素的风险分数的和得到所述用户的所述疾病的个体风险分数A；
根据医学资料数据库计算所述疾病的人群平均风险分数B；
计算所述用户的所述疾病的个体风险分数和所述人群平均风险分数的比值；
示例性的，比值X＝A/B；
其中，A＝∑(危险因素的风险分数)；
根据所述比值和预先设定的所述疾病的风险水平关系表确定所述疾病的风险水平；
其中，关系表参见表1所示的一种关系表。
比值X 风险等级
0.7-0.9 高
0.4-0.69 中
0-0.39 低
表1
其中，根据医学资料数据库计算所述疾病的人群平均风险分数B，包括：
根据医学资料数据库确定各危险因素的风险分数；以及对应的人群暴露率；
其中，医学资料数据库包括疾病研究相关的医学文献和数据、历年的卫生年鉴数据等。
统计最近预定阈值年份的中国卫生健康统计年鉴；以及预定数量的所述疾病的学术研究论文；从年鉴数据和学术论文中各危险因素的风险分数；以及对应的人群暴露率。其中，阈值年份可以为10年，具体可以灵活设定。
示例性的，根据中国卫生局公布的卫生年鉴、48种常见疾病学术论文、生命特征数据、家族病史数据、生活环境数据，计算常见危险因素对疾病的meta值。
对于任意的一个危险因素，计算所述危险因素的风险分数和人群暴露率的乘积得到所述危险因素的风险暴露值；
计算所有的危险因素的风险暴露值的和得到人群平均风险分数。
示例性的，B＝∑(各危险因素的风险分数×各危险因素人群暴露率)；
在一种实施方式中，对于上述的根据医学资料数据库确定各危险因素的风险分数；以及对应的人群暴露率；
采用Meta分析的要求整理数据，建立数据库，并核校数据；
采用比值比Q检验法，对研究资料进行齐性检验，如一致性达到预定阈值，则采用固定效应模型进行分析，否则采用随机效应模型进行分析。
具体的，对于一组数据，有的数据的值明显偏离了平均值；该数据被称为离群值；该数据是否需要被舍弃，需要采用Q检验法来进行计算；具体包括以下的步骤：
将该组中的各数据按递增顺序排列：X1，X2，X3，…，Xn-1，Xn；
计算最大值与最小值的差值C；C＝Xmax-Xmin；
计算可疑值n与其最相邻数据m之间的差值的绝对值|m-n|；
计算
Figure BDA0002868904640000111
Q值越大，表明该可疑值离群越远，越应该舍去。
根据测定次数和要求的置信水平求得理论值Q1；
若计算Q>Q1，则舍去可疑值n，否则应予保留。
示例性的，以鼻咽癌为例进行详细说明，统计近10年中国卫生健康统计年鉴、1000篇关于鼻咽癌学术研究论文，从年鉴数据和学术论文中提取相关鼻咽癌数据，例如卫生健康统计年鉴中每年每个城市鼻咽癌患病比率、鼻咽癌患病前的症状、鼻咽癌发病因素等数据信息，按Meta分析的要求整理数据，建立数据库，并核校数据。采用比值比Q检验法，对研究资料进行齐性检验，如一致性较好，采用固定效应模型进行分析，否则采用随机效应模型进行分析。经过筛选最终纳入鼻咽癌Meta分析的文献共48篇，累计病例13687例，对照14802例，其中病例和对照民族与职业不限，对照组合病例组居住同一地区，年龄相差不超过5岁，最终结果表明吸烟、饮酒、油烟、家族NPC史、鼻咽疾病史是鼻咽癌发病的危险因素，多吃新鲜蔬菜水果是鼻咽癌的保护性因素。在实际应用中，一般实际会有具备多个因素，单纯的发病因素多少来衡量其患病概率并不严谨，例如吸烟+饮酒，油烟+鼻咽疾病史都包含两种发病因素，其鼻咽癌发病概率并不一致，还需进一步提取年龄、居住城市、饮食习惯等数据，对各个数据进行交叉比对和分析，计算出OR值、RR值、HR值。参见表2：
Figure BDA0002868904640000112
Figure BDA0002868904640000121
表2
OR值、PR值、HR值之间计算合并效应量；
例如PR值：吸烟个体发生鼻咽癌的风险是非吸烟个体的倍数(30年内)；
OR值：鼻咽癌中吸烟与不吸烟的比值，健康人中吸烟与不吸烟的比值；
HR值：吸烟个体发生鼻咽癌的风险是非吸烟个体的倍数(根据时间变化)；
合并RP OR值计算暴露因素与疾病之间的相关性，正相关(大于1)说明暴露因素是疾病的危险因素；
负相关(小于1)说明暴露因素是疾病的负相关，无关联(等于1)说明暴露因素与疾病之间无关联。
下面提供一个具体的案例：
女性/45岁/CVHI100(0)分/血压130-70(0)分/血糖5.4mmoll(0)分/不抽烟(0)分/不喝酒(0)分/BMI23.5kgm2(0)分/无心脏病病史(0)分/TC 5.1mmolL(0)分/母亲患有脑卒中(10)分；
该女士的脑卒中的风险指数＝指数危险因素的风险分数)/的风各危险因素的风险分数×各危险因素人群暴露率)＝0.35；套用哈佛风险模型确定为较低风险。
在一种实施方式中，还包括，定期对医学资料数据进行更新，具体包括：
接收所述用户反馈的健康信息；
将所述健康信息补充到所述医学资料数据库中。
本发明的改进体现在以下方面：
1.采集用户健康信息的方式
在传统的问卷采集的基础上，增加生物识别技术的应用，使用移动设备拍摄面部、舌头、手指图片上传至服务器，使用AI图像识别技术分析面部、舌苔、手指分析建立个人健康档案；
2.疾病风险评估
本发明健康风险评估采用了meta数据分析、单因子模型、多因子模型、评分表模型，构建以哈佛癌症风险指数为基础的疾病风险评估，精准确认用户的疾病风险几率，从而达到预防疾病的目的。
3.个人健康信息量化成疾病风险因素的方法
综述大量医学研究论文中的数据、资料和主要观点进行归纳整理、分析提炼，筛选出符合纳入标准的研究，进行定性评价或定量合成，从而得出可靠地的疾病风险因素。
需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
根据本发明实施例，还提供了一种推荐体检项目的装置，包括：
接收模块21，用于接收用户输入的身份标识信息；
健康数据获取模块22，用于根据所述身份标识信息获取用户的历史健康数据；以及采集用户当前的健康数据；
计算模块23，用于对于任意的一个疾病，根据用户的历史健康数据和当前的健康数据；以及医学资料数据库确定所述疾病的风险水平；
体检项目确定模块24，用于根据所述疾病的风险水平确定体检项目；
显示模块25，用于显示疾病风险水平和推荐的体检项目。
在一种实施方式中，体检项目确定模块24还用于：
所述风险水平包括高风险，一般，低风险；
如果风险水平为高风险，则确定高风险对应的体检项目；
如果风险水平为中风险，则确定中风险对应的体检项目；
如果风险水平为低风险，则确定低风险对应的体检项目。
在一种实施方式中，计算模块23还用于，根据所述用户的历史健康数据和当前的健康数据确定所述用户的所述疾病的各个危险因素；
确定所述疾病的各个危险因素对应的风险分数；
计算各个危险因素的风险分数的和得到所述用户的所述疾病的个体风险分数；
根据医学资料数据库计算所述疾病的人群平均风险分数；
计算所述用户的所述疾病的个体风险分数和所述人群平均风险分数的比值；
根据所述比值和预先设定的所述疾病的风险水平关系表确定所述疾病的风险水平；
其中，根据医学资料数据库计算所述疾病的人群平均风险分数，包括：
根据医学资料数据库确定各危险因素的风险分数；以及对应的人群暴露率；
对于任意的一个危险因素，计算所述危险因素的风险分数和人群暴露率的乘积得到所述危险因素的风险暴露值；
计算所有的危险因素的风险暴露值的和得到人群平均风险分数。
还包括更新模块，用于定期对医学资料数据进行更新，具体包括：
接收所述用户反馈的健康信息；
将所述健康信息补充到所述医学资料数据库中。
根据本发明实施例的第三方面，本申请还提出了一种电子设备，所述电子设备包括：至少一个处理器和至少一个存储器；所述存储器用于存储一个或多个程序指令；所述处理器，用于运行一个或多个程序指令，用以执行上述任一项所述的方法。
根据本发明实施例的第四方面，本申请还提出了一种计算机可读存储介质，所述计算机存储介质中包含一个或多个程序指令，所述一个或多个程序指令用于执行如上述任一项所述的方法。
在本发明实施例中，处理器可以是一种集成电路芯片，具有信号的处理能力。处理器可以是通用处理器、数字信号处理器(Digital Signal Processor，简称DSP)、专用集成电路(Application SpecificIntegrated Circuit，简称ASIC)、现场可编程门阵列(FieldProgrammable Gate Array，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。处理器读取存储介质中的信息，结合其硬件完成上述方法的步骤。
存储介质可以是存储器，例如可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。
其中，非易失性存储器可以是只读存储器(Read-Only Memory，简称ROM)、可编程只读存储器(Programmable ROM，简称PROM)、可擦除可编程只读存储器(Erasable PROM，简称EPROM)、电可擦除可编程只读存储器(Electrically EPROM，简称EEPROM)或闪存。
易失性存储器可以是随机存取存储器(Random Access Memory，简称RAM)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的RAM可用，例如静态随机存取存储器(Static RAM，简称SRAM)、动态随机存取存储器(Dynamic RAM，简称DRAM)、同步动态随机存取存储器(Synchronous DRAM，简称SDRAM)、双倍数据速率同步动态随机存取存储器(Double Data RateSDRAM，简称DDRSDRAM)、增强型同步动态随机存取存储器(EnhancedSDRAM，简称ESDRAM)、同步连接动态随机存取存储器(Synchlink DRAM，简称SLDRAM)和直接内存总线随机存取存储器(DirectRambus RAM，简称DRRAM)。
本发明实施例描述的存储介质旨在包括但不限于这些和任意其它适合类型的存储器。
本领域技术人员应该可以意识到，在上述一个或多个示例中，本发明所描述的功能可以用硬件与软件组合来实现。当应用软件时，可以将相应功能存储在计算机可读介质中或者作为计算机可读介质上的一个或多个指令或代码进行传输。计算机可读介质包括计算机存储介质和通信介质，其中通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。存储介质可以是通用或专用计算机能够存取的任何可用介质。
以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (10)

1.一种推荐体检项目的方法，其特征在于，包括：
接收用户输入的身份标识信息；
根据所述身份标识信息获取用户的历史健康数据；
采集用户当前的健康数据；
对于任意的一个疾病，根据用户的历史健康数据和当前的健康数据；以及医学资料数据库确定所述疾病的风险水平；
根据所述疾病的疾病风险水平确定体检项目；
显示疾病风险水平和推荐的体检项目。
2.根据权利要求1所述的方法，其特征在于，根据所述疾病的风险水平确定体检项目，包括：
所述风险水平包括高风险，一般，低风险；
如果风险水平为高风险，则确定高风险对应的体检项目；
如果风险水平为中风险，则确定中风险对应的体检项目；
如果风险水平为低风险，则确定低风险对应的体检项目。
3.根据权利要求1所述的方法，其特征在于，当前的健康数据，包括以下的一种或几种：手指信息；面部信息、舌头信息；历史健康数据包括以下的一种或几种：历史的重大疾病、历史的饮食习惯、一天抽烟的数量、一天饮酒的数量、一天中锻炼的时间长度、一周锻炼的次数、职业信息。
4.根据权利要求1所述的方法，其特征在于，体检项目包括：
血液检查、尿液检查、脏器的B超检查、脑电图、心电图的检查；
内科、外科、眼科、耳鼻喉、口腔；
内科：血压、心率、心律、心杂音、心界、肺、肝、脾、肾、腹部压痛、肠鸣音、神经系统检查；
外科包括：身高、体重、脊柱、皮肤、淋巴结、四肢关节、乳腺、甲状腺、肛门直肠、前列腺、腹股沟；
眼科：视力、砂眼、辨色力、角膜、结膜、眼底耳鼻喉科包括：听力、外耳道、鼻窦、鼻咽、咽、喉；口腔科：唇、腭、牙齿、牙龈、口腔粘膜。
5.根据权利要求1所述的方法，其特征在于，疾病包括25种常见的重大疾病，具体包括：1.恶性肿瘤；2.急性心肌梗死；3.重大器官移植术或造血干细胞移植术；4.冠状动脉搭桥术；5.终末期肾病；6.多个肢体缺失；7.急性或亚急性重症肝炎；8.良性脑肿瘤；9.慢性肝功能衰竭失代偿期；10.脑炎后遗症或脑膜炎后患症；11.深度昏迷；12.重度再生障碍性贫血；13.双耳失聪；14.瘫痪；15.心脏瓣膜手术；16.主动脉手术；17.双眼失明；18.严重阿尔茨海默病；19.严重脑损伤；20.严重帕金森病；21.严重原发性肺动脉高压；22.严重运动神经元病；23.严重3度烧伤；24.语言能力丧失；25.脑中风后遗症；
还包括与职业对应的职业病。
6.根据权利要求1所述的方法，其特征在于，根据用户的历史健康数据和当前的健康数据；以及根据医学资料数据库确定所述疾病的风险水平，包括：
根据所述用户的历史健康数据和当前的健康数据确定所述用户的所述疾病的各个危险因素；
确定所述疾病的各个危险因素对应的风险分数；
计算各个危险因素的风险分数的和得到所述用户的所述疾病的个体风险分数；
根据医学资料数据库计算所述疾病的人群平均风险分数；
计算所述用户的所述疾病的个体风险分数和所述人群平均风险分数的比值；
根据所述比值和预先设定的所述疾病的风险水平关系表确定所述疾病的风险水平；
其中，根据医学资料数据库计算所述疾病的人群平均风险分数，包括：
根据医学资料数据库确定各危险因素的风险分数；以及对应的人群暴露率；
对于任意的一个危险因素，计算所述危险因素的风险分数和人群暴露率的乘积得到所述危险因素的风险暴露值；
计算所有的危险因素的风险暴露值的和得到人群平均风险分数。
7.根据权利要求1所述的方法，其特征在于，还包括，定期对医学资料数据进行更新，具体包括：
接收所述用户反馈的健康信息；
将所述健康信息补充到所述医学资料数据库中。
8.一种推荐体检项目的装置，其特征在于，包括：
接收模块，用于接收用户输入的身份标识信息；
健康数据获取模块，用于根据所述身份标识信息获取用户的历史健康数据；以及采集用户当前的健康数据；
计算模块，用于对于任意的一个疾病，根据用户的历史健康数据和当前的健康数据；以及医学资料数据库确定所述疾病的风险水平；
体检项目确定模块，用于根据所述疾病的风险水平确定体检项目；
显示模块，用于显示疾病指数和推荐的体检项目。
9.一种电子设备，其特征在于，所述电子设备包括：至少一个处理器和至少一个存储器；所述存储器用于存储一个或多个程序指令；所述处理器，用于运行一个或多个程序指令，用以执行如权利要求1-7任一项所述的方法。
10.一种计算机可读存储介质，其特征在于，所述计算机存储介质中包含一个或多个程序指令，所述一个或多个程序指令用于执行如权利要求1-7任一项所述的方法。
CN202011613079.7A 2020-12-29 2020-12-29 体检项目推荐的方法、装置、设备和存储介质 Active CN112768019B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011613079.7A CN112768019B (zh) 2020-12-29 2020-12-29 体检项目推荐的方法、装置、设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011613079.7A CN112768019B (zh) 2020-12-29 2020-12-29 体检项目推荐的方法、装置、设备和存储介质

Publications (2)

Publication Number Publication Date
CN112768019A true CN112768019A (zh) 2021-05-07
CN112768019B CN112768019B (zh) 2022-08-12

Family

ID=75697727

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011613079.7A Active CN112768019B (zh) 2020-12-29 2020-12-29 体检项目推荐的方法、装置、设备和存储介质

Country Status (1)

Country Link
CN (1) CN112768019B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113284624A (zh) * 2021-07-23 2021-08-20 江苏盖睿健康科技有限公司 一种健康一体机的个人档案智能建立方法及系统
CN113611405A (zh) * 2021-08-10 2021-11-05 平安科技（深圳）有限公司 一种体检项目推荐方法、装置、设备及介质
CN113658655A (zh) * 2021-08-24 2021-11-16 平安国际智慧城市科技股份有限公司 体检推荐方法、装置、存储介质及设备
CN114694852A (zh) * 2022-04-13 2022-07-01 武汉科瓴智能科技有限公司 一种慢性疾病分析方法及系统
CN117951190A (zh) * 2024-03-18 2024-04-30 深圳市双佳医疗科技有限公司 一种基于人工智能的人体指标异常数据处理方法及系统

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2358056A1 (en) * 2000-09-29 2002-03-29 Medevidence Ltd. Decision support system
US20030191666A1 (en) * 2002-04-09 2003-10-09 Kline Jeffrey A. System and method for evaluating pretest probabilities of life-threatening diseases
US20050228692A1 (en) * 2004-04-08 2005-10-13 Hodgdon Darren W Incentive based health care insurance program
US20090299767A1 (en) * 2006-04-27 2009-12-03 32 Mott Street Acquisition I Llc, D/B/A/Wellstat Vaccines Automated systems and methods for obtaining, storing, processing and utilizing immunologic information of individuals and populations for various uses
CN102495974A (zh) * 2011-12-19 2012-06-13 无敌科技(西安)有限公司 一种可记忆对比式的个性化健康体检推荐系统及方法
WO2015081086A1 (en) * 2013-11-27 2015-06-04 The Johns Hopkins University System and method for medical data analysis and sharing
CN107346376A (zh) * 2017-07-05 2017-11-14 刘浩 一种健康体检项目智能推荐的方法及系统
CN110491484A (zh) * 2018-08-15 2019-11-22 上海好医通健康信息咨询有限公司 一种基于智慧社区的智慧医疗系统及实现方法
CN111199780A (zh) * 2018-11-16 2020-05-26 北京好啦科技有限公司 体检信息的数据匹配方法、装置及存储介质

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2358056A1 (en) * 2000-09-29 2002-03-29 Medevidence Ltd. Decision support system
US20030191666A1 (en) * 2002-04-09 2003-10-09 Kline Jeffrey A. System and method for evaluating pretest probabilities of life-threatening diseases
US20050228692A1 (en) * 2004-04-08 2005-10-13 Hodgdon Darren W Incentive based health care insurance program
US20090299767A1 (en) * 2006-04-27 2009-12-03 32 Mott Street Acquisition I Llc, D/B/A/Wellstat Vaccines Automated systems and methods for obtaining, storing, processing and utilizing immunologic information of individuals and populations for various uses
CN102495974A (zh) * 2011-12-19 2012-06-13 无敌科技(西安)有限公司 一种可记忆对比式的个性化健康体检推荐系统及方法
WO2015081086A1 (en) * 2013-11-27 2015-06-04 The Johns Hopkins University System and method for medical data analysis and sharing
CN107346376A (zh) * 2017-07-05 2017-11-14 刘浩 一种健康体检项目智能推荐的方法及系统
CN110491484A (zh) * 2018-08-15 2019-11-22 上海好医通健康信息咨询有限公司 一种基于智慧社区的智慧医疗系统及实现方法
CN111199780A (zh) * 2018-11-16 2020-05-26 北京好啦科技有限公司 体检信息的数据匹配方法、装置及存储介质

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113284624A (zh) * 2021-07-23 2021-08-20 江苏盖睿健康科技有限公司 一种健康一体机的个人档案智能建立方法及系统
CN113611405A (zh) * 2021-08-10 2021-11-05 平安科技（深圳）有限公司 一种体检项目推荐方法、装置、设备及介质
CN113658655A (zh) * 2021-08-24 2021-11-16 平安国际智慧城市科技股份有限公司 体检推荐方法、装置、存储介质及设备
CN114694852A (zh) * 2022-04-13 2022-07-01 武汉科瓴智能科技有限公司 一种慢性疾病分析方法及系统
CN117951190A (zh) * 2024-03-18 2024-04-30 深圳市双佳医疗科技有限公司 一种基于人工智能的人体指标异常数据处理方法及系统

Also Published As

Publication number Publication date
CN112768019B (zh) 2022-08-12

Similar Documents

Publication Publication Date Title
CN112768019B (zh) 体检项目推荐的方法、装置、设备和存储介质
US11779213B2 (en) Metaverse system
McGrath et al. The importance of oral health to older people's quality of life
CN105393252B (zh) 生理数据采集和分析
Bohlke et al. Factors associated with health-related quality of life after successful kidney transplantation: a population-based study
KR101885111B1 (ko) 질환 발병 예측 방법 및 장치
Patil et al. An association between fingerprint patterns with blood group and lifestyle based diseases: a review
JP7466914B2 (ja) 健康度ポジショニングマップおよび健康関数を作成する方法、システム、およびプログラム、ならびにそれらの使用方法
US20210183486A1 (en) Biological information processing method, biological information processing apparatus, and biological information processing system
Schmidt et al. Interpreting PET scans by structured patient data: a data mining case study in dementia research
US20180144103A1 (en) Method and apparatus for predicting probability of outbreak of disease
Tuan et al. Shape Prediction of Nasal Bones by Digital 2D‐Photogrammetry of the Nose Based on Convolution and Back‐Propagation Neural Network
Xakellis Predictors of influenza immunization in persons over age 65
English et al. People with stroke are most sedentary in the afternoon and evening
Sezgin et al. Sex estimation from biometric face photos for forensic purposes
KR20090000117A (ko) 생활습관 데이터 분석을 통한 개인화 웰빙 인덱스 메트릭시스템
Mohapatra et al. Service Quality in Indian Hospitals
Duran et al. Can self-reported height and weight be used among people living with HIV/AIDS?
Kim et al. Disease risk prediction system using correlated health indexes
Adom et al. Ageing and chronic diseases in ghana: a case study of Cape Coast Metropolitan Hospital
CN118280571A (zh) 健康服务配置方法及装置、存储介质、计算机设备
Liu et al. [Retracted] A Real‐Time Medical Ventilation on Heart Failure Analysis Based on Sleep Apnea Snore and Meta‐Analysis
Rahman Quantifying human biological age: A machine learning approach
Keerthi et al. Big data analysis of traditional Indian Ayurveda medicine and treatment process
MANSINHO Population ageing and the growth in health care expenditures–a steepening study for the Portuguese case

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
GR01 Patent grant
GR01 Patent grant