CN113643814A - 健康管理方案的推荐方法、装置、设备及存储介质 - Google Patents
健康管理方案的推荐方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN113643814A CN113643814A CN202111007679.3A CN202111007679A CN113643814A CN 113643814 A CN113643814 A CN 113643814A CN 202111007679 A CN202111007679 A CN 202111007679A CN 113643814 A CN113643814 A CN 113643814A
- Authority
- CN
- China
- Prior art keywords
- health
- target user
- data
- real
- target
- 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
- 230000036541 health Effects 0.000 title claims abstract description 422
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000004458 analytical method Methods 0.000 claims abstract description 19
- 238000001514 detection method Methods 0.000 claims abstract description 12
- 238000007726 management method Methods 0.000 claims description 71
- 238000009826 distribution Methods 0.000 claims description 69
- 230000002159 abnormal effect Effects 0.000 claims description 31
- 230000006870 function Effects 0.000 claims description 17
- 238000013500 data storage Methods 0.000 claims description 16
- 238000012216 screening Methods 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000010276 construction Methods 0.000 claims description 9
- 238000007689 inspection Methods 0.000 claims description 4
- 230000005856 abnormality Effects 0.000 claims 2
- 239000008280 blood Substances 0.000 description 9
- 210000004369 blood Anatomy 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 206010020772 Hypertension Diseases 0.000 description 7
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 description 5
- 208000008589 Obesity Diseases 0.000 description 5
- 201000010099 disease Diseases 0.000 description 5
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 5
- 230000002068 genetic effect Effects 0.000 description 5
- 239000008103 glucose Substances 0.000 description 5
- 235000020824 obesity Nutrition 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 230000036772 blood pressure Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 208000007848 Alcoholism Diseases 0.000 description 1
- 208000019505 Deglutition disease Diseases 0.000 description 1
- 102000001554 Hemoglobins Human genes 0.000 description 1
- 108010054147 Hemoglobins Proteins 0.000 description 1
- 201000007930 alcohol dependence Diseases 0.000 description 1
- 208000007502 anemia Diseases 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000009534 blood test Methods 0.000 description 1
- 238000009535 clinical urine test Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 206010061428 decreased appetite Diseases 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000035487 diastolic blood pressure Effects 0.000 description 1
- 235000005911 diet Nutrition 0.000 description 1
- 230000037213 diet Effects 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 206010016256 fatigue Diseases 0.000 description 1
- 230000003862 health status Effects 0.000 description 1
- 230000003345 hyperglycaemic effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
- 230000000391 smoking effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000035488 systolic blood pressure Effects 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2455—Query execution
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Public Health (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Databases & Information Systems (AREA)
- Epidemiology (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Theoretical Computer Science (AREA)
- Computational Linguistics (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明涉及数字医疗领域，公开了一种健康管理方案的推荐方法、装置、设备及存储介质。所述方法包括：获取目标用户的身份标识和实时健康数据；根据该身份标识，从医疗服务知识库中查询目标用户的历史健康数据和就诊记录数据；基于该实时健康数据和历史健康数据，对目标用户进行健康标准分析，得到目标用户的健康标准规则；根据该就诊记录数据，构建目标用户的健康画像；基于该健康标准规则，对目标用户的实时健康数据进行异常检测，若检测到异常，则根据该健康画像，在医疗服务知识库中匹配相应的健康管理建议方案，并在终端中显示该健康管理建议方案。本发明通过将实时健康数据与历史健康数据基于分析，从而提高生成健康管理方案与用户的匹配度。
Description
技术领域
本发明涉及数字医疗领域，尤其涉及一种健康管理方案的推荐方法、装置、设备及存储介质。
背景技术
随着人们生活水平的不断提高，人们对自身的健康状况越来越重视，希望通过调节自身饮食、运动等生活习惯的方式来改善自身的身体素质，通过一些常见的便携式佩戴设备，采集用户的日常健康数据，并给出相应的健康管理建议。
现有的健康管理方案的推荐方法，推荐的健康管理方案与用户的匹配度较低，仅通过日常数据与标准的数据进行比较，从而根据比较结果匹配相应的方案。
发明内容
本发明的主要目的在于解决现有方法推荐的健康管理方案与用户的匹配度较低的问题。
本发明第一方面提供了一种健康管理方案的推荐方法，包括：
可选的，在本发明第一方面的第一种实现方式中，所述从终端中获取目标用户的身份标识和所述目标用户的实时健康数据包括：
向终端发送数据获取请求，其中，所述数据获取请求中包括身份请求参数、数据存储地址以及目标有效期参数；
根据所述身份请求参数，获取所述终端的唯一识别码，并根据所述唯一识别码，在预设的数据库中查询所述目标用户的身份标识；
基于所述数据存储地址，查找目标数据存储单元，并根据所述目标有效期参数，从所述目标数据存储单元中筛选所述目标用户的实时健康数据。
可选的，在本发明第一方面的第二种实现方式中，所述基于所述目标用户的实时健康数据和所述目标用户的历史健康数据，对所述目标用户进行健康标准分析，得到所述目标用户的健康标准规则包括：
根据所述目标用户的实时健康数据和所述目标用户的历史健康数据，构建所述目标用户的多个健康数据分布，其中，每个健康数据分布对应一项健康数据指标，所述健康数据分布中包括多个数据分布区间；
统计每个健康数据分布中每个数据分布区间的数据样本数目，并筛选出每个健康数据分布中数据样本最多的目标数据分布区间；
根据每个健康数据分布中的目标数据分布区间，构建所述目标用户的健康标准规则。
可选的，在本发明第一方面的第三种实现方式中，所述就诊记录数据包括所述目标用户的基本信息、所述目标用户的异常信息以及所述目标用户的健康风险因素，所述根据所述目标用户的就诊记录数据，构建所述目标用户的健康画像包括：
根据所述目标用户的基本信息，生成功能标签；
根据所述目标用户的异常信息，生成状态标签；
根据所述目标用户的健康风险因素，生成风险标签；
基于所述功能标签、所述状态标签以及所述风险标签，构建所述目标用户的健康画像。
可选的，在本发明第一方面的第四种实现方式中，在所述基于所述功能标签、状态标签以及风险标签，构建所述目标用户的健康画像之后，还包括：
根据所述目标用户的健康风险因素，计算所述目标用户的健康风险评分；
基于所述目标用户的健康风险评分，获取所述目标用户未来一段时间内的发病风险值，并将所述发病风险值添加至所述目标用户的健康画像中。
可选的，在本发明第一方面的第五种实现方式中，所述根据所述目标用户的健康风险因素，计算所述目标用户的健康风险评分包括：
对所述目标用户的健康风险因素进行分层，得到每个健康风险因素对应的分层赋值；
基于每个健康风险因素对应的分层赋值、每个健康风险因素对应的预设系数以及预设的健康风险评分计算公式，计算所述目标用户的健康风险评分。
可选的，在本发明第一方面的第六种实现方式中，在所述基于所述目标用户的健康标准规则，对所述目标用户的实时健康数据进行异常检测，若检测到异常，则根据所述目标用户的健康画像，在所述医疗服务知识库中匹配相应的健康管理建议方案，并在终端中显示所述健康管理建议方案之后，还包括：
从所述目标用户的就诊记录数据中提取所述目标用户的检查报告数据，其中，所述检查报告数据中包括多项异常指标；
统计所述检查报告数据中异常指标的出现频次，若所述异常指标的出现频次大于预设阈值时，则根据出现频次大于预设阈值的异常指标生成就医提示信息，并将所述就医提示信息添加至健康管理建议方案中。
本发明第二方面提供了一种健康管理方案的推荐装置，包括：
实时数据获取模块，用于从终端中获取目标用户的身份标识和所述目标用户的实时健康数据；
用户历史查询模块，根据所述目标用户的身份标识，从预设的医疗服务知识库中查询所述目标用户的历史健康数据和所述目标用户的就诊记录数据；
健康标准分析模块，用于基于所述目标用户的实时健康数据和所述目标用户的历史健康数据，对所述目标用户进行健康标准分析，得到所述目标用户的健康标准规则；
健康画像构建模块，用于根据所述目标用户的就诊记录数据，构建所述目标用户的健康画像；
管理方案推荐模块，用于基于所述目标用户的健康标准规则，对所述目标用户的实时健康数据进行异常检测，若检测到异常，则根据所述目标用户的健康画像，在所述医疗服务知识库中匹配相应的健康管理建议方案，并在终端中显示所述健康管理建议方案。
可选的，在本发明第二方面的第一种实现方式中，所述实时数据获取模块具体包括：
数据请求单元，用于向终端发送数据获取请求，其中，所述数据获取请求中包括身份请求参数、数据存储地址以及目标有效期参数；
数据查询单元，用于根据所述身份请求参数，获取所述终端的唯一识别码，并根据所述唯一识别码，在预设的数据库中查询所述目标用户的身份标识；
数据筛选单元，用于基于所述数据存储地址，查找目标数据存储单元，并根据所述目标有效期参数，从所述目标数据存储单元中筛选所述目标用户的实时健康数据。
可选的，在本发明第二方面的第二种实现方式中，所述健康标准分析模块具体包括：
分布构建单元，用于根据所述目标用户的实时健康数据和所述目标用户的历史健康数据，构建所述目标用户的多个健康数据分布，其中，每个健康数据分布对应一项健康数据指标，所述健康数据分布中包括多个数据分布区间；
区间筛选单元，用于统计每个健康数据分布中每个数据分布区间的数据样本数目，并筛选出每个健康数据分布中数据样本最多的目标数据分布区间；
规则构建单元，用于根据每个健康数据分布中的目标数据分布区间，构建所述目标用户的健康标准规则。
可选的，在本发明第二方面的第三种实现方式中，所述健康画像构建模块具体包括：
功能标签生成单元，用于根据所述目标用户的基本信息，生成功能标签；
状态标签生成单元，用于根据所述目标用户的异常信息，生成状态标签；
风险标签生成单元，用于根据所述目标用户的健康风险因素，生成风险标签；
画像构建单元，用于基于所述功能标签、所述状态标签以及所述风险标签，构建所述目标用户的健康画像。
可选的，在本发明第二方面的第四种实现方式中，所述健康画像构建模块具体包括：
功能标签生成单元，用于根据所述目标用户的基本信息，生成功能标签；
状态标签生成单元，用于根据所述目标用户的异常信息，生成状态标签；
风险标签生成单元，用于根据所述目标用户的健康风险因素，生成风险标签；
画像构建单元，用于基于所述功能标签、所述状态标签以及所述风险标签，构建所述目标用户的健康画像；
风险评分计算单元，用于根据所述目标用户的健康风险因素，计算所述目标用户的健康风险评分；
风险值计算单元，用于基于所述目标用户的健康风险评分，获取所述目标用户未来一段时间内的发病风险值，并将所述发病风险值添加至所述目标用户的健康画像中。
可选的，在本发明第二方面的第五种实现方式中，所述风险评分计算单元具体用于：
对所述目标用户的健康风险因素进行分层，得到每个健康风险因素对应的分层赋值；
基于每个健康风险因素对应的分层赋值、每个健康风险因素对应的预设系数以及预设的健康风险评分计算公式，计算所述目标用户的健康风险评分。
本发明第三方面提供了一种健康管理方案的推荐设备，包括：存储器和至少一个处理器，所述存储器中存储有指令；所述至少一个处理器调用所述存储器中的所述指令，以使得所述健康管理方案的推荐设备执行上述的健康管理方案的推荐方法。
本发明的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述的健康管理方案的推荐方法。
本发明提供的技术方案中，通过采集用户的实时健康数据，并基于用户的历史健康数据，进行个人的健康分析，进而生成相应的健康管理建议方案，提升方案与用户间的匹配度，以及通过对用户建立健康画像，从而根据用户的健康画像生成相应的健康管理方案，进而提升方案与用户的匹配度。
附图说明
图1为本发明实施例中健康管理方案的推荐方法的第一个实施例示意图；
图2为本发明实施例中健康管理方案的推荐方法的第二个实施例示意图；
图3为本发明实施例中健康管理方案的推荐方法的第三个实施例示意图；
图4为本发明实施例中健康管理方案的推荐方法的第四个实施例示意图；
图5为本发明实施例中健康管理方案的推荐装置的一个实施例示意图；
图6为本发明实施例中健康管理方案的推荐装置的另一个实施例示意图；
图7为本发明实施例中健康管理方案的推荐设备的一个实施例示意图。
具体实施方式
本发明实施例提供了一种健康管理方案的推荐方法、装置、设备及存储介质，推荐的方案与用户的匹配度更高。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)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，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外，术语“包括”或“具有”及其任何变形，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。
应当理解的是，本发明中的医疗服务知识库可以为基于医疗云的数据库，医疗云(Medical cloud)，是指在云计算、移动技术、多媒体、4G通信、大数据、以及物联网等新技术基础上，结合医疗技术，使用“云计算”来创建医疗健康服务云平台，实现了医疗资源的共享和医疗范围的扩大。因为云计算技术的运用于结合，医疗云提高医疗机构的效率，方便居民就医。像现在医院的预约挂号、电子病历、医保等都是云计算与医疗领域结合的产物，医疗云还具有数据安全、信息共享、动态扩展、布局全局的优势。本发明中的数据是医疗数据，如个人健康档案、处方、检查报告等数据。
为便于理解，下面对本发明实施例的具体流程进行描述，请参阅图1，本发明实施例中健康管理方案的推荐方法的一个实施例包括：
101、从终端中获取目标用户的身份标识和目标用户的实时健康数据；
可以理解的是，该终端可以为移动终端，例如智能手环、手机等，也可以为固定终端，例如远程家庭血压仪、血糖仪、心电远程监护器等，本实施例对其并不做限定。当用户使用终端时，需要注册登录相应的账号，该账号即为用户的身份标识。在用户的使用终端的过程中，由终端中的数据采集单元对用户的健康数据进行实时采集，并保存于终端中的本地存储，并定时上传至指定服务器。实时健康数据例如年日均高压、年日均低压、历史最高心率、历史最高血糖等。
102、根据目标用户的身份标识，从预设的医疗服务知识库中查询目标用户的历史健康数据和目标用户的就诊记录数据；
可以理解的是，医疗服务知识库为一个存储于指定服务器中的关系型数据库，例如Oracle、Mysql数据库等，本实施例中并不做限定。其中，历史健康数据和就诊记录数据存储于不同的数据表中，服务器将身份标识对应的字段(即用户的账号)作为查询条件，分别查找该用户的历史健康数据和就诊记录数据。
103、基于目标用户的实时健康数据和目标用户的历史健康数据，对目标用户进行健康标准分析，得到目标用户的健康标准规则；
可以理解的是，健康标准分析即对数据的分布状况进行分析，从目标用户的实时健康数据和历史健康数据中提取出稠密的数据分布区间(即绝大部分的数据服从的一个数据范围)，并根据提取的数据分布区间生成该用户个人的健康标准规则，例如若某一数据在该数据分布区间内，则该数据符合该健康标准规则。
104、根据目标用户的就诊记录数据，构建目标用户的健康画像；
可以理解的是，服务器对就诊记录数据进行沉淀、加工和抽象，形成一个以用户标志为主键的标签树，全面刻画用户各个维度下的属性。例如患有贫血症的用户A：血红蛋白低于120g/L，易疲劳，食欲不振，吞咽困难等等标签。
105、基于目标用户的健康标准规则，对目标用户的实时健康数据进行异常检测，若检测到异常，则根据目标用户的健康画像，在医疗服务知识库中匹配相应的健康管理建议方案，并在终端中显示健康管理建议方案。
可以理解的是，异常检测即检测实时健康数据中各种指标是否符合健康标准规则。在医疗服务知识库中存储了大量的健康管理建议，服务器根据该目标用户的健康画像中的属性标签，匹配相应的健康管理建议，并对匹配到的建议进行整合，生成健康管理建议方案。
本实施例中，通过采集用户的实时健康数据，并基于用户的历史健康数据，进行个人的健康分析，进而生成相应的健康管理建议方案，提升方案与用户间的匹配度，以及通过对用户建立健康画像，从而根据用户的健康画像生成相应的健康管理方案，进而提升方案与用户的匹配度。
参阅图2，本发明实施例中健康管理方案的推荐方法的第二个实施例包括：
201、从终端中获取目标用户的身份标识和目标用户的实时健康数据；
202、根据目标用户的身份标识，从预设的医疗服务知识库中查询目标用户的历史健康数据和目标用户的就诊记录数据；
其中，步骤201-202与上述步骤101-102的执行步骤类似，具体此处不再赘述。
203、根据目标用户的实时健康数据和目标用户的历史健康数据，构建目标用户的多个健康数据分布，其中，每个健康数据分布对应一项健康数据指标，健康数据分布中包括多个数据分布区间；
可以理解的是，该健康数据分布应服从正态分布，即绝大多数的数据处于同一区间内，例如该用户在空腹情况下，血糖的范围应在3.9～6.1毫摩尔/升这一范围区间内，偶尔偏差情况下，会稍低于或稍高于该范围。健康数据指标为对人体健康的衡量具有指导意义的指标量，例如血压、血糖等。
204、统计每个健康数据分布中每个数据分布区间的数据样本数目，并筛选出每个健康数据分布中数据样本最多的目标数据分布区间；
可以理解的是，数据样本越集中的数据分布区间，则越能代表该用户的正常健康水平。例如从血糖对应的数据分布区间中筛选出目标数据分布[3.9,6.1]，单位为毫摩尔/升，从收缩压对应的数据分布区间中筛选出目标数据分布[100,120]，从舒张压对应的数据分布区间中筛选出目标数据分布[60,80]，单位为毫米汞柱。
205、根据每个健康数据分布中的目标数据分布区间，构建目标用户的健康标准规则；
可以理解的是，每个目标数据分布区间为该用户正常的健康水平下，对应的一个健康数据指标项的数值范围(即一个合理化的数值范围)，若检测到的指标项数值不在该数值范围内，则表示其不符合该健康标准规则。
206、根据目标用户的就诊记录数据，构建目标用户的健康画像；
207、基于目标用户的健康标准规则，对目标用户的实时健康数据进行异常检测，若检测到异常，则根据目标用户的健康画像，在医疗服务知识库中匹配相应的健康管理建议方案，并在终端中显示健康管理建议方案。
其中，步骤206-207与上述步骤104-105的执行步骤类似，具体此处不再赘述。
本实施例中，详细描述了健康标准规则的生成过程，通过建立目标用户每项健康指标对应的正态数据分布，从而快速且准确地获取数据样本最多的目标数据分布区间，进而根据目标数据分布区间构建针对目标用户个人的健康标准规则。
参阅图3，本发明实施例中健康管理方案的推荐方法的第三个实施例包括：
301、从终端中获取目标用户的身份标识和目标用户的实时健康数据；
302、根据目标用户的身份标识，从预设的医疗服务知识库中查询目标用户的历史健康数据和目标用户的就诊记录数据，其中，就诊记录数据中包括目标用户的基本信息、异常信息以及健康风险因素；
303、基于目标用户的实时健康数据和目标用户的历史健康数据，对目标用户进行健康标准分析，得到目标用户的健康标准规则；
其中，步骤301-303与上述步骤101-103的执行步骤类似，具体此处不再赘述。
304、根据目标用户的基本信息，生成功能标签，并根据目标用户的异常信息，生成状态标签，以及根据目标用户的健康风险因素，生成风险标签；
应当理解的是，用户的基本信息包括用户的姓名、年龄、身高等。用户的异常信息是指可能会对用户的健康造成危害的潜在危险因素，例如开车不系安全带、居所不安装烟雾警报器、吸烟、酗酒等。用户可以通过调整相应的行为方式或生活习惯来减少甚至消除所述异常信息。用户的风险因素包括会对用户的健康造成危害的因素，例如：高血压家族遗传史、肥胖、高血压等。用户的健康风险因素中，部分风险因素难以消除，例如家族遗传史，而部分风险因素则可以通过治疗或健康干预等手段来减少甚至消除，例如肥胖、高血压。
305、基于功能标签、状态标签以及风险标签，构建目标用户的健康画像；
可以理解的是，服务器根据功能标签、状态标签以及风险标签生成标签树，其中，该标签树的主键为该目标用户。
306、根据目标用户的健康风险因素，计算目标用户的健康风险评分；
可以理解的是，健康风险分数用于评价用户出现健康问题的可能性，包括用户处于当前状态下的健康风险分数，和用户处于理想状态下的健康风险分数。其中，用户处于当前状态下的健康风险分数是指在保持用户的异常信息和健康风险因素不变的条件下所得到的健康风险分数；用户处于理想状态下的健康风险分数是指用户将所有可能消除的异常信息和健康风险因素消除之后所得到的健康风险分数。例如，若用户存在作息不规律这一种异常信息，并存在高血压遗传史和肥胖这两种健康风险因素，其中，作息不规律和肥胖是可以通过调整生活习惯或采用医学手段来消除的；此时，在计算用户处于当前状态下的健康风险分数时需要考虑作息不规律、高血压遗传史和肥胖，而在计算用户处于理想状态下的健康风险分数时则只需考虑高血压遗传史即可。
具体的，服务器首先对目标用户的健康风险因素进行分层，得到每个健康风险因素对应的分层赋值，其次基于每个健康风险因素对应的分层赋值、每个健康风险因素对应的预设系数以及预设的健康风险评分计算公式，计算目标用户的健康风险评分。
可以理解的是，服务器将每种健康风险因素根据其风险程度划分为多层，并对每一层设置一分层赋值。其中，分层赋值与各层的风险程度有关，并用于反映各层所包含的健康风险因素的风险程度。例如，对于风险程度较低的层，其分层赋值较小；对于风险程度较高的层，其分层赋值较大。健康风险评分对于用户健康状况的评估有指导性的意义，通过将各项健康指标进行量化计算，从而直观反映用户健康状况。该健康风险评分S的计算公式，请参考公式一：
公式一
其中，N为目标用户的健康风险因素的数量，Ai为第i种风险因素的系数，用于反映第i种风险因素对该目标用户的健康风险分数的贡献程度，该系数可以根据需求进行调整，Bi为第i种风险因素的分层赋值。
307、基于目标用户的健康风险评分，获取目标用户未来一段时间内的发病风险值，并将发病风险值添加至目标用户的健康画像中；
可以理解的是，用户的健康画像中还包括健康风险评分和发病风险值，未来一段时间例如为1年、2年、4年等，发病风险值的获取可以通过数据统计等手段创建一个风险评分-风险值对照表，该对照表中包括多个健康风险分数，并包括各健康风险分数所对应的未来一段时间内的发病风险值，风险评分-风险值对照表参考表一实例：
表一
| 健康风险评分 | 50-60 | 60-70 | 70-80 |
| 未来一年内发病风险值 | 0.42 | 0.46 | 0.53 |
| 未来两年内发病风险值 | 0.45 | 0.48 | 0.56 |
| 未来三年内发病风险值 | 0.52 | 0.58 | 0.66 |
308、基于目标用户的健康标准规则，对目标用户的实时健康数据进行异常检测，若检测到异常，则根据目标用户的健康画像，在医疗服务知识库中匹配相应的健康管理建议方案，并在终端中显示健康管理建议方案。
其中，步骤308与上述步骤105的执行步骤类似，具体此处不再赘述。
本实施例中，详细描述健康画像的构建过程，通过构建包含风险值的健康画像，将目标用户的健康状况进行量化表达，同时也可根据量化的风险值，差异化制定相应的风险对抗策略。
参阅图4，本发明实施例中健康管理方案的推荐方法的第四个实施例包括：
401、从终端中获取目标用户的身份标识和目标用户的实时健康数据；
402、根据目标用户的身份标识，从预设的医疗服务知识库中查询目标用户的历史健康数据和目标用户的就诊记录数据；
403、基于目标用户的实时健康数据和目标用户的历史健康数据，对目标用户进行健康标准分析，得到目标用户的健康标准规则；
404、根据目标用户的就诊记录数据，构建目标用户的健康画像；
405、基于目标用户的健康标准规则，对目标用户的实时健康数据进行异常检测，若检测到异常，则根据目标用户的健康画像，在医疗服务知识库中匹配相应的健康管理建议方案，并在终端中显示健康管理建议方案；
其中，步骤401-405与上述步骤101-105的执行步骤类似，具体此处不再赘述。
406、从目标用户的就诊记录数据中提取目标用户的检查报告数据，其中，检查报告数据中包括多项异常指标；
可以理解的是，医疗服务知识库中对每个就诊患者的整个就诊行程数据(如挂号时用户个人信息、医生问诊时的确诊报告、取药处方单等等)进行留档并存储，检查报告数据为目标用户历次问诊时进行各项检查(例如血检、尿检等)时的多次留档数据，在目标用户健康正常的情况下，该次留档数据中应无异常指标(例如高于或低于正常血糖标准的血糖范围)，在目标用户身健康异常的情况下，该次留档数据中包括至少一项异常指标。
407、统计检查报告数据中异常指标的出现频次，若异常指标的出现频次大于预设阈值时，则根据出现频次大于预设阈值的异常指标生成就医提示信息，并将就医提示信息添加至健康管理建议方案中。
可以理解的是，当目标用户的检查报告数据中出现多次同一异常指标时，即表示目标用户的健康状况存在隐患，当次数大于预设的阈值时，服务器将提示用户及时进行就医，以免延误病情。例如统计检查报告数据中高于6.1mmol/L或低于3.9mmol/L的血糖范围出现了5次，预设的阈值为3次，则生成“用户疑似存在高血糖病况，请及时前往医院就医”的提示信息，在终端中进行显示。
本实施例中，详细描述了就医提示信息的过程，通过统计目标用户的历史就诊记录数据中的异常指标，从而构建相应的就医提示信息，并将其加入健康管理建议方案中，进一步提升健康管理方案与用户的匹配度。
上面对本发明实施例中健康管理方案的推荐方法进行了描述，下面对本发明实施例中健康管理方案的推荐装置进行描述，请参阅图5，本发明实施例中健康管理方案的推荐装置的一个实施例包括：
实时数据获取模块501，用于从终端中获取目标用户的身份标识和所述目标用户的实时健康数据；
用户历史查询模块502，根据所述目标用户的身份标识，从预设的医疗服务知识库中查询所述目标用户的历史健康数据和所述目标用户的就诊记录数据；
健康标准分析模块503，用于基于所述目标用户的实时健康数据和所述目标用户的历史健康数据，对所述目标用户进行健康标准分析，得到所述目标用户的健康标准规则；
健康画像构建模块504，用于根据所述目标用户的就诊记录数据，构建所述目标用户的健康画像；
管理方案推荐模块505，用于基于所述目标用户的健康标准规则，对所述目标用户的实时健康数据进行异常检测，若检测到异常，则根据所述目标用户的健康画像，在所述医疗服务知识库中匹配相应的健康管理建议方案，并在终端中显示所述健康管理建议方案。
本实施例中，通过采集用户的实时健康数据，并基于用户的历史健康数据，进行个人的健康分析，进而生成相应的健康管理建议方案，提升方案与用户间的匹配度，以及通过对用户建立健康画像，从而根据用户的健康画像生成相应的健康管理方案，进而提升方案与用户的匹配度。
参阅图6，本发明实施例中健康管理方案的推荐装置的另一个实施例包括：
实时数据获取模块501，用于从终端中获取目标用户的身份标识和所述目标用户的实时健康数据；
用户历史查询模块502，根据所述目标用户的身份标识，从预设的医疗服务知识库中查询所述目标用户的历史健康数据和所述目标用户的就诊记录数据；
健康标准分析模块503，用于基于所述目标用户的实时健康数据和所述目标用户的历史健康数据，对所述目标用户进行健康标准分析，得到所述目标用户的健康标准规则；
健康画像构建模块504，用于根据所述目标用户的就诊记录数据，构建所述目标用户的健康画像；
管理方案推荐模块505，用于基于所述目标用户的健康标准规则，对所述目标用户的实时健康数据进行异常检测，若检测到异常，则根据所述目标用户的健康画像，在所述医疗服务知识库中匹配相应的健康管理建议方案，并在终端中显示所述健康管理建议方案。
其中，所述实时数据获取模块501具体包括：
数据请求单元5011，用于向终端发送数据获取请求，其中，所述数据获取请求中包括身份请求参数、数据存储地址以及目标有效期参数；
数据查询单元5012，用于根据所述身份请求参数，获取所述终端的唯一识别码，并根据所述唯一识别码，在预设的数据库中查询所述目标用户的身份标识；
数据筛选单元5013，用于基于所述数据存储地址，查找目标数据存储单元，并根据所述目标有效期参数，从所述目标数据存储单元中筛选所述目标用户的实时健康数据。
其中，所述健康标准分析模块503具体包括：
分布构建单元5031，用于根据所述目标用户的实时健康数据和所述目标用户的历史健康数据，构建所述目标用户的多个健康数据分布，其中，每个健康数据分布对应一项健康数据指标，所述健康数据分布中包括多个数据分布区间；
区间筛选单元5032，用于统计每个健康数据分布中每个数据分布区间的数据样本数目，并筛选出每个健康数据分布中数据样本最多的目标数据分布区间；
规则构建单元5033，用于根据每个健康数据分布中的目标数据分布区间，构建所述目标用户的健康标准规则。
其中，所述健康画像构建模块504具体包括：
功能标签生成单元5041，用于根据所述目标用户的基本信息，生成功能标签；
状态标签生成单元5042，用于根据所述目标用户的异常信息，生成状态标签；
风险标签生成单元5043，用于根据所述目标用户的健康风险因素，生成风险标签；
画像构建单元5044，用于基于所述功能标签、所述状态标签以及所述风险标签，构建所述目标用户的健康画像；
风险评分计算单元5045，用于根据所述目标用户的健康风险因素，计算所述目标用户的健康风险评分；
风险值计算单元5046，用于基于所述目标用户的健康风险评分，获取所述目标用户未来一段时间内的发病风险值，并将所述发病风险值添加至所述目标用户的健康画像中。
其中，所述风险评分计算单元5046具体用于：
对所述目标用户的健康风险因素进行分层，得到每个健康风险因素对应的分层赋值；
基于每个健康风险因素对应的分层赋值、每个健康风险因素对应的预设系数以及预设的健康风险评分计算公式，计算所述目标用户的健康风险评分。
本发明实施例中，模块化的设计让健康管理方案的推荐装置各部位的硬件专注于某一功能的实现，最大化实现了硬件的性能，同时模块化的设计也降低了装置的模块之间的耦合性，更加方便维护。
上面图5和图6从模块化功能实体的角度对本发明实施例中的健康管理方案的推荐装置进行详细描述，下面从硬件处理的角度对本发明实施例中健康管理方案的推荐设备进行详细描述。
图7是本发明实施例提供的一种健康管理方案的推荐设备的结构示意图，该健康管理方案的推荐设备700可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上处理器(central processing units，CPU)710(例如，一个或一个以上处理器)和存储器720，一个或一个以上存储应用程序733或数据732的存储介质730(例如一个或一个以上海量存储设备)。其中，存储器720和存储介质730可以是短暂存储或持久存储。存储在存储介质730的程序可以包括一个或一个以上模块(图示没标出)，每个模块可以包括对健康管理方案的推荐设备700中的一系列指令操作。更进一步地，处理器710可以设置为与存储介质730通信，在健康管理方案的推荐设备700上执行存储介质730中的一系列指令操作。
健康管理方案的推荐设备700还可以包括一个或一个以上电源740，一个或一个以上有线或无线网络接口750，一个或一个以上输入输出接口760，和/或，一个或一个以上操作系统731，例如Windows Serve，Mac OS X，Unix，Linux，FreeBSD等等。本领域技术人员可以理解，图7示出的健康管理方案的推荐设备结构并不构成对健康管理方案的推荐设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
本发明还提供一种健康管理方案的推荐设备，所述健康管理方案的推荐设备包括存储器和处理器，存储器中存储有计算机可读指令，计算机可读指令被处理器执行时，使得处理器执行上述各实施例中的所述健康管理方案的推荐方法的步骤。
本发明还提供一种计算机可读存储介质，该计算机可读存储介质可以为非易失性计算机可读存储介质，该计算机可读存储介质也可以为易失性计算机可读存储介质，所述计算机可读存储介质中存储有指令，当所述指令在计算机上运行时，使得计算机执行所述健康管理方案的推荐方法的步骤。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
所述集成的单元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所述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(read-only memory，ROM)、随机存取存储器(random access memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种健康管理方案的推荐方法，其特征在于，所述健康管理方案的推荐方法包括：
从终端中获取目标用户的身份标识和所述目标用户的实时健康数据；
根据所述目标用户的身份标识，从预设的医疗服务知识库中查询所述目标用户的历史健康数据和所述目标用户的就诊记录数据；
基于所述目标用户的实时健康数据和所述目标用户的历史健康数据，对所述目标用户进行健康标准分析，得到所述目标用户的健康标准规则；
根据所述目标用户的就诊记录数据，构建所述目标用户的健康画像；
基于所述目标用户的健康标准规则，对所述目标用户的实时健康数据进行异常检测，若检测到异常，则根据所述目标用户的健康画像，在所述医疗服务知识库中匹配相应的健康管理建议方案，并在终端中显示所述健康管理建议方案。
2.根据权利要求1所述的健康管理方案的推荐方法，其特征在于，所述从终端中获取目标用户的身份标识和所述目标用户的实时健康数据包括：
向终端发送数据获取请求，其中，所述数据获取请求中包括身份请求参数、数据存储地址以及目标有效期参数；
根据所述身份请求参数，获取所述终端的唯一识别码，并根据所述唯一识别码，在预设的数据库中查询所述目标用户的身份标识；
基于所述数据存储地址，查找目标数据存储单元，并根据所述目标有效期参数，从所述目标数据存储单元中筛选所述目标用户的实时健康数据。
3.根据权利要求2所述的健康管理方案的推荐方法，其特征在于，所述基于所述目标用户的实时健康数据和所述目标用户的历史健康数据，对所述目标用户进行健康标准分析，得到所述目标用户的健康标准规则包括：
根据所述目标用户的实时健康数据和所述目标用户的历史健康数据，构建所述目标用户的多个健康数据分布，其中，每个健康数据分布对应一项健康数据指标，所述健康数据分布中包括多个数据分布区间；
统计每个健康数据分布中每个数据分布区间的数据样本数目，并筛选出每个健康数据分布中数据样本最多的目标数据分布区间；
根据每个健康数据分布中的目标数据分布区间，构建所述目标用户的健康标准规则。
4.根据权利要求3所述的健康管理方案的推荐方法，其特征在于，所述就诊记录数据包括所述目标用户的基本信息、所述目标用户的异常信息以及所述目标用户的健康风险因素，所述根据所述目标用户的就诊记录数据，构建所述目标用户的健康画像包括：
根据所述目标用户的基本信息，生成功能标签；
根据所述目标用户的异常信息，生成状态标签；
根据所述目标用户的健康风险因素，生成风险标签；
基于所述功能标签、所述状态标签以及所述风险标签，构建所述目标用户的健康画像。
5.根据权利要求4所述的健康管理方案的推荐方法，其特征在于，在所述基于所述功能标签、状态标签以及风险标签，构建所述目标用户的健康画像之后，还包括：
根据所述目标用户的健康风险因素，计算所述目标用户的健康风险评分；
基于所述目标用户的健康风险评分，获取所述目标用户未来一段时间内的发病风险值，并将所述发病风险值添加至所述目标用户的健康画像中。
6.根据权利要求5所述的健康管理方案的推荐方法，其特征在于，所述根据所述目标用户的健康风险因素，计算所述目标用户的健康风险评分包括：
对所述目标用户的健康风险因素进行分层，得到每个健康风险因素对应的分层赋值；
基于每个健康风险因素对应的分层赋值、每个健康风险因素对应的预设系数以及预设的健康风险评分计算公式，计算所述目标用户的健康风险评分。
7.根据权利要求1-6中任意一项所述的健康管理方案的推荐方法，其特征在于，在所述基于所述目标用户的健康标准规则，对所述目标用户的实时健康数据进行异常检测，若检测到异常，则根据所述目标用户的健康画像，在所述医疗服务知识库中匹配相应的健康管理建议方案，并在终端中显示所述健康管理建议方案之后，还包括：
从所述目标用户的就诊记录数据中提取所述目标用户的检查报告数据，其中，所述检查报告数据中包括多项异常指标；
统计所述检查报告数据中异常指标的出现频次，若所述异常指标的出现频次大于预设阈值时，则根据出现频次大于预设阈值的异常指标生成就医提示信息，并将所述就医提示信息添加至健康管理建议方案中。
8.一种健康管理方案的推荐装置，其特征在于，所述健康管理方案的推荐装置包括：
实时数据获取模块，用于从终端中获取目标用户的身份标识和所述目标用户的实时健康数据；
用户历史查询模块，根据所述目标用户的身份标识，从预设的医疗服务知识库中查询所述目标用户的历史健康数据和所述目标用户的就诊记录数据；
健康标准分析模块，用于基于所述目标用户的实时健康数据和所述目标用户的历史健康数据，对所述目标用户进行健康标准分析，得到所述目标用户的健康标准规则；
健康画像构建模块，用于根据所述目标用户的就诊记录数据，构建所述目标用户的健康画像；
管理方案推荐模块，用于基于所述目标用户的健康标准规则，对所述目标用户的实时健康数据进行异常检测，若检测到异常，则根据所述目标用户的健康画像，在所述医疗服务知识库中匹配相应的健康管理建议方案，并在终端中显示所述健康管理建议方案。
9.一种健康管理方案的推荐设备，其特征在于，所述健康管理方案的推荐设备包括：存储器和至少一个处理器，所述存储器中存储有指令；
所述至少一个处理器调用所述存储器中的所述指令，以使得所述健康管理方案的推荐设备执行如权利要求1-7中任意一项所述的健康管理方案的推荐方法。
10.一种计算机可读存储介质，所述计算机可读存储介质上存储有指令，其特征在于，所述指令被处理器执行时实现如权利要求1-7中任一项所述的健康管理方案的推荐方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111007679.3A CN113643814A (zh) | 2021-08-30 | 2021-08-30 | 健康管理方案的推荐方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111007679.3A CN113643814A (zh) | 2021-08-30 | 2021-08-30 | 健康管理方案的推荐方法、装置、设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113643814A true CN113643814A (zh) | 2021-11-12 |
Family
ID=78424497
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111007679.3A Pending CN113643814A (zh) | 2021-08-30 | 2021-08-30 | 健康管理方案的推荐方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113643814A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116913519A (zh) * | 2023-07-24 | 2023-10-20 | 东莞莱姆森科技建材有限公司 | 基于智能镜的健康监护方法、装置、设备及存储介质 |
| WO2023246352A1 (zh) * | 2022-06-22 | 2023-12-28 | 京东方科技集团股份有限公司 | 健康数据管理方法、装置、电子设备和可读存储介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106021960A (zh) * | 2016-06-16 | 2016-10-12 | 山东诺安诺泰信息系统有限公司 | 一种健康管理方法 |
| CN111159534A (zh) * | 2019-12-03 | 2020-05-15 | 泰康保险集团股份有限公司 | 基于用户画像的辅助决策方法及装置、设备和介质 |
| CN111785374A (zh) * | 2020-06-15 | 2020-10-16 | 山东省玖玖医养健康产业有限公司 | 一种基于大数据的健康状况分析预测方法及系统 |
| CN112699297A (zh) * | 2020-12-23 | 2021-04-23 | 平安银行股份有限公司 | 基于用户画像的服务推荐方法、装置、设备及存储介质 |
| CN113140323A (zh) * | 2020-12-31 | 2021-07-20 | 上海明品医学数据科技有限公司 | 一种健康画像生成方法、系统、介质及服务器 |
-
2021
- 2021-08-30 CN CN202111007679.3A patent/CN113643814A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106021960A (zh) * | 2016-06-16 | 2016-10-12 | 山东诺安诺泰信息系统有限公司 | 一种健康管理方法 |
| CN111159534A (zh) * | 2019-12-03 | 2020-05-15 | 泰康保险集团股份有限公司 | 基于用户画像的辅助决策方法及装置、设备和介质 |
| CN111785374A (zh) * | 2020-06-15 | 2020-10-16 | 山东省玖玖医养健康产业有限公司 | 一种基于大数据的健康状况分析预测方法及系统 |
| CN112699297A (zh) * | 2020-12-23 | 2021-04-23 | 平安银行股份有限公司 | 基于用户画像的服务推荐方法、装置、设备及存储介质 |
| CN113140323A (zh) * | 2020-12-31 | 2021-07-20 | 上海明品医学数据科技有限公司 | 一种健康画像生成方法、系统、介质及服务器 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2023246352A1 (zh) * | 2022-06-22 | 2023-12-28 | 京东方科技集团股份有限公司 | 健康数据管理方法、装置、电子设备和可读存储介质 |
| CN116913519A (zh) * | 2023-07-24 | 2023-10-20 | 东莞莱姆森科技建材有限公司 | 基于智能镜的健康监护方法、装置、设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11462309B2 (en) | Automated electrocardiogram interpretation system and methods for use therewith | |
| KR102028667B1 (ko) | 진료정보 관리 및 제공 방법, 서버 및 프로그램 | |
| CN116417103B (zh) | 计算机实现的方法和系统 | |
| US20150248537A1 (en) | Personalized Health Score Generator | |
| US20020026105A1 (en) | Patient analysis and risk reduction system and associated methods including the use of patient monitored data | |
| US20020120471A1 (en) | Patient analysis and research system and associated methods | |
| US20110093293A1 (en) | Method and system for performing clinical data mining | |
| CN108027698A (zh) | 用于分析医疗保健数据的系统和方法 | |
| US20020035316A1 (en) | Patient analysis and risk reduction system and associated methods | |
| US11715569B2 (en) | Intent-based clustering of medical information | |
| US20170199965A1 (en) | Medical system and method for predicting future outcomes of patient care | |
| CN113643814A (zh) | 健康管理方案的推荐方法、装置、设备及存储介质 | |
| CN111553478B (zh) | 基于大数据的社区老年人心血管疾病预测系统与方法 | |
| WO2009083886A1 (en) | Presenting patient relevant studies for clinical decision making | |
| CN114694846A (zh) | 一种健康数据管理系统 | |
| US20170091410A1 (en) | Predicting personalized risk of preventable healthcare events | |
| WO2023240837A1 (zh) | 基于病患数据的服务包生成方法、装置、设备及存储介质 | |
| KR20180002229A (ko) | 치매 정보 데이터베이스 구축을 위한 에이전트 장치 및 그 운영방법 | |
| WO2014113730A1 (en) | Systems and methods for patient retention in network through referral analytics | |
| US20130262144A1 (en) | Systems and Methods for Patient Retention in Network Through Referral Analytics | |
| Al-Shanableh et al. | Predicting the number of multiple chronic conditions in Arizona state using data mining algorithms | |
| CN117688226B (zh) | 基于相似儿童患者匹配的智能诊前自助开单方法及系统 | |
| US20220165415A1 (en) | Intelligent system and methods for automatically recommending patient-customized instructions | |
| US20230197291A1 (en) | Systems and methods for patient retention in network through referral analytics | |
| CN113643776A (zh) | 基于分层计算的患者标记方法、装置、设备及存储介质 |
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 | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20220530 Address after: 518000 China Aviation Center 2901, No. 1018, Huafu Road, Huahang community, Huaqiang North Street, Futian District, Shenzhen, Guangdong Province Applicant after: Shenzhen Ping An medical and Health Technology Service Co.,Ltd. Address before: Room 12G, Area H, 666 Beijing East Road, Huangpu District, Shanghai 200001 Applicant before: PING AN MEDICAL AND HEALTHCARE MANAGEMENT Co.,Ltd. |