CN113764104A - 基于遗传和环境导致牙周炎发生的预测方法 - Google Patents

基于遗传和环境导致牙周炎发生的预测方法 Download PDF

Info

Publication number
CN113764104A
CN113764104A CN202111016180.9A CN202111016180A CN113764104A CN 113764104 A CN113764104 A CN 113764104A CN 202111016180 A CN202111016180 A CN 202111016180A CN 113764104 A CN113764104 A CN 113764104A
Authority
CN
China
Prior art keywords
information
characters
user
keyword information
detection
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
CN202111016180.9A
Other languages
English (en)
Other versions
CN113764104B (zh
Inventor
于淼
江千舟
吴丽红
吴瑛
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.)
Stomatological Hospital of Guangzhou Medical University
Original Assignee
Stomatological Hospital of Guangzhou Medical University
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 Stomatological Hospital of Guangzhou Medical University filed Critical Stomatological Hospital of Guangzhou Medical University
Priority to CN202111016180.9A priority Critical patent/CN113764104B/zh
Publication of CN113764104A publication Critical patent/CN113764104A/zh
Application granted granted Critical
Publication of CN113764104B publication Critical patent/CN113764104B/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
    • 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
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • 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
    • G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Biomedical Technology (AREA)
  • Epidemiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Pathology (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

本发明涉及一种基于遗传和环境导致牙周炎发生的预测方法，该方法包括接收用户登录信息，根据用户登录信息内的身份信息提取用户的历史医疗信息，确定牙齿模型当前的健康基准度；创建所述用户的口腔模型，所述牙齿模型和所述牙周环境共同决定所述口腔模型的安全程度；建立检测周期，根据前一检测组中检测间隔时段内的口腔模型的安全程度调整下一检测组内检测节点的位置。通过在用户登录过程中确认用户身份，根据用户身份提取用户的历史医疗信息，将模拟的数据参数作用在实际牙齿的健康基准度进而得到口腔安全程度，建立检测周期，根据实际前一检测间隔时段内的口腔模型的安全程度调整下一检测节点的位置，使得检测节点的位置更为精确。

Description

基于遗传和环境导致牙周炎发生的预测方法
技术领域
本发明涉及数据处理技术领域，尤其涉及一种基于遗传和环境导致牙周炎发生的预测方法。
背景技术
健康的牙周组织是正常牙齿发挥功能的保障，而牙周炎的发生往往导致牙周组织的渐进性破坏，如未得到及时治疗，最终造成牙齿松动脱落，现已成为我国成年人牙齿缺失的首要原因。牙周炎是累及四种牙周支持组织(牙龈、牙周膜、牙槽骨和牙骨质)的慢性感染性疾病，往往引发牙周支持组织的炎性破坏。牙周炎主要分为慢性牙周炎、侵袭性牙周炎、反映全身疾病的牙周炎、坏死性牙周病。
同样临床表征的患者采用同种治疗方法后，患者的疾病预后也不尽相同。为了解释这些现象，有研究发现饮食、吸烟、口腔环境、细菌等因素可以通过影响宿主参与炎症反应的基因，从而影响口腔健康。但是对于不同的宿主的牙周炎的发展以及日常习惯对牙周炎的影响并不能进行实时进行提醒。
因此如何根据用户的身体情况对牙周炎的发生或发病进行预测成为亟待解决的技术难题。
发明内容
为此，本发明提供一种基于遗传和环境导致牙周炎发生的预测方法，可以解决牙周炎预测的问题。
为实现上述目的，本发明提供一种基于遗传和环境导致牙周炎发生的预测方法，包括：
接收用户登录信息，根据用户登录信息内的身份信息提取用户的历史医疗信息，确定牙齿模型当前的健康基准度；
创建所述用户的口腔模型，所述口腔模型内包括有牙齿模型和牙周环境，所述牙周环境影响所述牙齿模型的健康程度，所述牙齿模型和所述牙周环境共同决定所述口腔模型的安全程度；
建立检测周期，所述检测周期内设置有多个检测间隔时段，相邻的两个检测间隔时段的相接点为检测节点，所述检测间隔时段和与其后一检测节点作为一个检测组；
根据前一检测组中检测间隔时段内的口腔模型的安全程度调整下一检测组内检测节点的位置，在所述检测节点处对用户进行提醒，以及时进行检查，确定牙周实际安全程度是否与预测的安全程度是否匹配，若匹配则继续监测，若不匹配，则更新牙齿模型的健康情况；
在创建用户的口腔模型时，所述口腔模型设置有第一参数P1和第二参数P2，所述第一参数包括亲人是否患有牙周炎，并根据亲人的亲属关系和数量设置有第一参数P1，所述第二参数P2根据用户是否吸烟，以及实际烟龄确定；口腔模型的安全程度S＝P1+P2；
预先设置有标准安全程度S0,若前一检测组中检测间隔时段内的口腔模型的安全程度S≤标准安全程度S0，则将下一检测组内检测节点的位置提前；
若前一检测组中检测间隔时段内的口腔模型的安全程度S>标准安全程度S0，则无需对下一检测组内检测节点的位置进行调整。
进一步地，所述若前一检测组中检测间隔时段内的口腔模型的安全程度S≤标准安全程度S0，则将下一检测组内检测节点的位置提前包括：
预先设置有安全程度标准差值△S0、第一检测间隔时段系数a1和第二检测间隔时段系数a2，其中，0＜a1＜a2＜1；
设定△S＝S0-S,计算完成后，将△S与△S0进行比对,
若△S＜△S0，则使用第一检测间隔时段系数a1对T0进行修正；
若△S≥△S0，则使用第二检测间隔时段系数a2对T0进行修正；
当使用第i检测间隔时段系数ai对T0进行修正时，设定i＝1，2，修正后的检测间隔时段记为T0′，设定T0′＝T0×ai。
进一步地，所述根据用户登录信息内的身份信息提取用户的历史医疗信息，确定牙齿当前的健康基准度P0包括：
确定用户的身份信息；
根据用户的身份信息确定需要提取信息网站，该信息网站包括医疗网站和购物网站，所述医疗网站用以提取用户的历史医疗信息，所述购物网站用以获取用户的日常牙齿保护习惯；
根据用户的身份信息确定用户的实际年龄段，预先设置有幼年段、青年段、中年段和老年段，不同年龄段的牙齿的状态分别赋值为A1，A2，A3，A4，根据实际的医疗信息将牙齿的健康程度设置为高HH、中MM和低LL三种状态，且将高HH赋值为3，将中MM赋值为2，将低LL赋值为1，在对不同的年龄段时，分别赋值为0.2、0.4、0.6和0.6，若牙齿状态为高HH且属于幼年则赋值为3.2，其他状态类推；
设置有第一消费金额M1、第二消费金额M2、第二消费金额M3和第四消费金额M4，其中第一消费金额对应幼年段的消费标准、第二消费金额对应青年段的消费标准、第三消费金额对应中年段的消费标准、第四消费金额对应老年段的消费标准；
以用户在购物网站内的消费金额对医疗网站的信息进行修正，以确定牙齿当前的健康基准度P0。
进一步地，所述以购物网站内的购买信息对医疗网站的信息进行修正包括：
若用户为青年段，且其牙齿状态属于青年段的高HH，若是其消费金额≤第二消费金额M2，则将其牙齿状态降低一个等级，设置为青年段的中MM；
若用户为青年段，且其牙齿状态属于青年段的低LL，若是其消费金额>第二消费金额M2，则将其牙齿状态升高一个等级，设置为青年段的中MM。
进一步地，所述第一参数P1根据亲人是否患有牙周炎，并根据亲人的亲属关系和数量确定包括：
确定用户的亲人是否患有牙周炎，若有赋值为1，若没有赋值为0，在亲人的亲属关系和数量进行确定的基础上，对赋值为1进行进一步确认；
若属于近亲属，则赋值为0.9，若属于三代以外的远亲属，则赋值为0.1，而亲属的实际数量若高于预设标准数量则赋值为0.09，否则赋值为0.01；
所述第一参数P1为1.99、1.91、1.19、1.11。
进一步地，所述第二参数P2根据用户是否吸烟，以及实际烟龄确定包括：
若用户不吸烟赋值为0、若用户已戒烟则赋值为1、若用户偶尔吸烟，则赋值为2、若用户吸烟，则赋值为3、若用户重度吸烟则赋值为4、以实际烟龄作为P2的小数部分；设置有0.1、0.5和0.8三个层次，对应烟龄小于1年，烟龄在1-5年之间，烟龄大于5年；因此P2的取值范围为1.1、1.5、1.8、2.1、2.5、2.8、3.1、3.5、3.8和4.1、4.5、4.8。
进一步地，在提取用户的历史医疗信息时，设置关键字信息，在医疗数据库内选择与所述关键字信息匹配的作为历史医疗信息，医疗数据库包括N1,N2,N3…Nn多条信息，每条信息的长度分别为L1,L2,L3…Ln,关键字信息的长度设置为关键字信息的长度ln，
将每条信息的长度分别与关键字信息的长度进行比较，若Li<关键字信息的长度ln，则表示该条信息内不包含关键字信息，与关键字信息并不匹配；
若Li≥关键字信息的长度ln，则将满足长度要求的医疗数据库建立医疗信息矩阵M(M1,M2…Mk)，其中k<n，对于医疗信息矩阵中的医疗信息进行判断时，从医疗信息Mi中的第1个字符开始，不间断选择n个字符，将n个字符与关键字信息的字符分别进行比较，若n个字符中与关键字信息的字符重合率小于90％则表示医疗信息Mi中包含关键字信息，表示该关键字信息与医疗数据库有细微差异，属于第二匹配度；
从医疗信息Mi中的第2个字符开始，选择n个字符，将n个字符与关键字信息的字符进行比较，若n个字符中与关键字信息的字符重合率小于90％则属于第二匹配度；
从医疗信息Mi中的第k个字符开始，选择n个字符，将n个字符与关键字信息的字符进行比较，若n个字符中与关键字信息的字符重合率小于90％则属于第二匹配度；
若n个字符中与关键字信息的字符重合率大于等于90％则表示医疗信息Mi中包含关键字信息，表示该关键字信息与医疗数据库无差异，属于第一匹配度；
从医疗信息Mi中的第2个字符开始，选择n个字符，将n个字符与关键字信息的字符进行比较，若n个字符中与关键字信息的字符重合率大于等于90％则属于第一匹配度；
从医疗信息Mi中的第k个字符开始，选择n个字符，将n个字符与关键字信息的字符进行比较，若n个字符中与关键字信息的字符重合率大于等于90％则属于第一匹配度。
进一步地，在确定医疗信息内是否包含关键字信息时，还包括：从医疗信息Mi中的倒数第一个字符，从后往前选择n个字符，将n个字符与关键字信息的字符进行比较，若n个字符中与关键字信息的字符重合率小于90％则属于第二匹配度；
从医疗信息Mi中的倒数第二个字符，从后往前选择n个字符，将n个字符与关键字信息的字符进行比较，若n个字符中与关键字信息的字符重合率小于90％则属于第二匹配度；
从医疗信息Mi中的第k个字符开始，选择n个字符，将n个字符与关键字信息的字符进行比较，若n个字符中与关键字信息的字符重合率小于90％则属于第二匹配度；
在确定医疗信息内是否包含关键字信息时，还包括：从医疗信息Mi中的倒数第一个字符，从后往前选择n个字符，将n个字符与关键字信息的字符进行比较，若n个字符中与关键字信息的字符重合率大于等于90％则属于第一匹配度；
从医疗信息Mi中的倒数第二个字符，从后往前选择n个字符，将n个字符与关键字信息的字符进行比较，若n个字符中与关键字信息的字符重合率大于等于90％则属于第一匹配度；
从医疗信息Mi中的第k个字符开始，选择n个字符，将n个字符与关键字信息的字符进行比较，若n个字符中与关键字信息的字符重合率大于等于90％则属于第一匹配度，选择第一匹配度的医疗信息作为高HH、中MM和低LL三种状态的判定基准。
与现有技术相比，本发明的有益效果在于，通过在用户登录过程中确认用户身份，根据用户身份提取用户的历史医疗信息，确定用户牙齿的基本情况，创建口腔模型，用以对用户的牙齿实际状态进行模拟，然后将模拟的数据参数作用在实际牙齿的健康基准度进而得到口腔安全程度，建立检测周期，根据实际前一检测间隔时段内的口腔模型的安全程度调整下一检测节点的位置，使得检测节点的位置更为精确，并在口腔模型内模拟没有按照实际检测节点进行检测给牙齿带来的影响，提高用户的警觉性。
尤其，通过对需要对时间进行修正时,根据安全程度偏离标准安全程度S0的程度,设置不同的修正系数,实现对检测节点的精细化确定,若是偏离程度大,则时间修正需要大一些,若是偏离程度在安全程度标准差值△S0范围内,则表示偏离程度小,则采用较小的系数a1进行修正,以使安全程度与检测节点的位置匹配,提高检测节点的精度。
尤其，通过对于健康基准度的精确限定，便于根据实际对牙齿的安全度进行精确的判定，使得对于检测时间间隔的确定更为精确，使得对于检测节点的确定更为精确，提高对于牙周健康检测的效率。
尤其，通过对医疗网站信息的状况对健康状态进行层次等级的修正，使得对于牙齿状态的判定更为精准，在实际应用中随着用户保养力度的不同对于牙齿的健康状态也是不同的，投入的保护力度越大，则用户牙齿的状态则更正向，若是保护力度小，则更为负向，实现对牙齿实际状态的有效描述，提高对于牙齿安全程度的判定，进而提高对于检测节点确定的准确性，提高对于牙周检测时间的进一步精准判定，提高对牙周炎检测时间预估的准确性。
尤其，通过对第一参数和第二参数的具体化，使得对于牙齿安全程度的判定更为精确，对于不同周期内的检测时间节点的判定更为精确，提高牙周炎检测时间的有效性，防止牙齿状态的恶化，也可以基于对于检测结果对牙齿进一步养护，提高自身对牙周健康的护理。
尤其，通过对医疗信息进行进一步筛选，提高对于牙齿历史信息判定的准确性，减少信息干扰，提高对于牙齿历史医疗信息的判定，进而准确判定牙齿的健康状态，进一步提高对于检测时间节点的确定，提高确定的精度和效率。
尤其，通过所述关键字为牙周炎、牙周健康或其他牙周相关字，通过对关键字信息与医疗信息库内的信息的一一对比，可以将医疗信息库内的数据进行筛选地更为彻底，对于牙齿状态信息的判定更为精准，提高对于检测节点的时间确定的高效性和精准性。
附图说明
图1为本发明实施例提供的基于遗传和环境导致牙周炎发生的预测方法的流程示意图。
具体实施方式
为了使本发明的目的和优点更加清楚明白，下面结合实施例对本发明作进一步描述；应当理解，此处所描述的具体实施例仅仅用于解释本发明，并不用于限定本发明。
下面参照附图来描述本发明的优选实施方式。本领域技术人员应当理解的是，这些实施方式仅仅用于解释本发明的技术原理，并非在限制本发明的保护范围。
需要说明的是，在本发明的描述中，术语“上”、“下”、“左”、“右”、“内”、“外”等指示的方向或位置关系的术语是基于附图所示的方向或位置关系，这仅仅是为了便于描述，而不是指示或暗示所述装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
此外，还需要说明的是，在本发明的描述中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域技术人员而言，可根据具体情况理解上述术语在本发明中的具体含义。
请参阅图1所示，本发明实施例提供的基于遗产和环境导致牙周炎发生的预测方法包括：
步骤S100：接收用户登录信息，根据用户登录信息内的身份信息提取用户的历史医疗信息，确定牙齿当前的健康基准度P0；
步骤S200：创建所述用户的口腔模型，所述口腔模型内包括有牙齿模型和牙周环境，所述牙周环境影响所述牙齿模型的健康程度，所述牙齿模型和所述牙周环境共同决定所述口腔模型的安全程度；
步骤S300：建立检测周期，所述检测周期内设置有多个检测间隔时段，相邻的两个检测间隔时段的相接点为检测节点，所述检测间隔时段和与其后一检测节点作为一个检测组；
步骤S400：根据前一检测组中检测间隔时段内的口腔模型的安全程度调整下一检测组内检测节点的位置，在所述检测节点处对用户进行提醒，以及时进行检查，确定牙周实际安全程度是否与预测的安全程度是否匹配，若匹配则继续监测，若不匹配，则更新牙齿模型的健康情况；
在步骤S200中，在创建用户的口腔模型时，所述口腔模型设置有第一参数P1和第二参数P2，所述第一参数P1根据亲人是否患有牙周炎，并根据亲人的亲属关系和数量确定，所述第二参数P2根据用户是否吸烟，以及实际烟龄确定；口腔模型的安全程度S＝P0×(P1+P2)；
预先设置有标准安全程度S0,若前一检测组中检测间隔时段内的口腔模型的安全程度S≤标准安全程度S0，则将下一检测组内检测节点的位置提前；
若前一检测组中检测间隔时段内的口腔模型的安全程度S>标准安全程度S0，则无需对下一检测组内检测节点的位置进行调整。
具体而言，本发明实施例通过在用户登录过程中确认用户身份，根据用户身份提取用户的历史医疗信息，确定用户牙齿的基本情况，创建口腔模型，用以对用户的牙齿实际状态进行模拟，然后将模拟的数据参数作用在实际牙齿的健康基准度进而得到口腔安全程度，建立检测周期，根据实际前一检测间隔时段内的口腔模型的安全程度调整下一检测节点的位置，使得检测节点的位置更为精确，并在口腔模型内模拟没有按照实际检测节点进行检测给牙齿带来的影响，提高用户的警觉性。
具体而言，所述若前一检测组中检测间隔时段内的口腔模型的安全程度S≤标准安全程度S0，则将下一检测组内检测节点的位置提前包括：
预先设置有安全程度标准差值△S0、第一检测间隔时段系数a1和第二检测间隔时段系数a2，其中，0＜a1＜a2＜1；
设定△S＝S0-S,计算完成后，将△S与△S0进行比对,
若△S＜△S0，则使用第一检测间隔时段系数a1对T0进行修正；
若△S≥△S0，则使用第二检测间隔时段系数a2对T0进行修正；
当使用第i检测间隔时段系数ai对T0进行修正时，设定i＝1，2，修正后的检测间隔时段记为T0′，设定T0′＝T0×ai。
具体而言,本发明实施例中的△S和安全程度标准差值△S0分别表示的是当前的检测组中检测间隔时段内参数,而调节的则是下一检测间隔时段的长度,而下一检测间隔时段的长度的缩短,则表示为下一检查组内的检测节点位置的提前,通过检测节点的确定,对于牙周炎的检测时间更为精确,有效防止病情的进一步恶化,便于用户根据实际情况进行检查,以便及时对牙周炎的发展情况进行了解,以便进行及时调整。
具体而言，本发明实施例通过对需要对时间进行修正时,根据安全程度偏离标准安全程度S0的程度,设置不同的修正系数,实现对检测节点的精细化确定,若是偏离程度大,则时间修正需要大一些,若是偏离程度在安全程度标准差值△S0范围内,则表示偏离程度小,则采用较小的系数a1进行修正,以使安全程度与检测节点的位置匹配,提高检测节点的精度。
具体而言，所述根据用户登录信息内的身份信息提取用户的历史医疗信息，确定牙齿当前的健康基准度P0包括：
确定用户的身份信息；
根据用户的身份信息确定需要提取信息网站，该信息网站包括医疗网站和购物网站，所述医疗网站用以提取用户的历史医疗信息，所述购物网站用以获取用户的日常牙齿保护习惯；
根据用户的身份信息确定用户的实际年龄段，预先设置有幼年段、青年段、中年段和老年段，不同年龄段的牙齿的状态分别赋值为A1，A2，A3，A4，根据实际的医疗信息将牙齿的健康程度设置为高HH、中MM和低LL三种状态，且将高HH赋值为3，将中MM赋值为2，将低LL赋值为1，在对不同的年龄段时，分别赋值为0.2、0.4、0.6和0.6，若牙齿状态为高HH且属于幼年则赋值为3.2，其他状态类推；
设置有第一消费金额M1、第二消费金额M2、第二消费金额M3和第四消费金额M4，其中第一消费金额对应幼年段的消费标准、第二消费金额对应青年段的消费标准、第三消费金额对应中年段的消费标准、第四消费金额对应老年段的消费标准；
以用户在购物网站内的消费金额对医疗网站的信息进行修正，以确定牙齿当前的健康基准度P0。
具体而言，本发明实施例通过对于健康基准度的精确限定，便于根据实际对牙齿的安全度进行精确的判定，使得对于检测时间间隔的确定更为精确，使得对于检测节点的确定更为精确，提高对于牙周健康检测的效率。
具体而言，所述以购物网站内的购买信息对医疗网站的信息进行修正包括：
若用户为青年段，且其牙齿状态属于青年段的高HH，若是其消费金额≤第二消费金额M2，则将其牙齿状态降低一个等级，设置为青年段的中MM；
若用户为青年段，且其牙齿状态属于青年段的低LL，若是其消费金额>第二消费金额M2，则将其牙齿状态升高一个等级，设置为青年段的中MM。
具体而言，本发明实施例通过对医疗网站信息的状况对健康状态进行层次等级的修正，使得对于牙齿状态的判定更为精准，在实际应用中随着用户保养力度的不同对于牙齿的健康状态也是不同的，投入的保护力度越大，则用户牙齿的状态则更正向，若是保护力度小，则更为负向，实现对牙齿实际状态的有效描述，提高对于牙齿安全程度的判定，进而提高对于检测节点确定的准确性，提高对于牙周检测时间的进一步精准判定，提高对牙周炎检测时间预估的准确性。
具体而言，所述第一参数P1根据亲人是否患有牙周炎，并根据亲人的亲属关系和数量确定包括：
确定用户的亲人是否患有牙周炎，若有赋值为1，若没有赋值为0，在亲人的亲属关系和数量进行确定的基础上，对赋值为1进行进一步确认；
若属于近亲属，则赋值为0.9，若属于三代以外的远亲属，则赋值为0.1，而亲属的实际数量若高于预设标准数量则赋值为0.09，否则赋值为0.01；
所述第一参数P1为0、1.99、1.91、1.19或1.11。
具体而言，所述第二参数P2根据用户是否吸烟，以及实际烟龄确定包括：
若用户不吸烟赋值为0、若用户已戒烟则赋值为1、若用户偶尔吸烟，则赋值为2、若用户吸烟，则赋值为3、若用户重度吸烟则赋值为4、以实际烟龄作为P2的小数部分；设置有0.1、0.5和0.8三个层次，对应烟龄小于1年，烟龄在1-5年之间，烟龄大于5年；因此P2的取值范围为1.1、1.5、1.8、2.1、2.5、2.8、3.1、3.5、3.8和4.1、4.5、4.8。
具体而言，本发明实施例通过对第一参数和第二参数的具体化，使得对于牙齿安全程度的判定更为精确，对于不同周期内的检测时间节点的判定更为精确，提高牙周炎检测时间的有效性，防止牙齿状态的恶化，也可以基于对于检测结果对牙齿进一步养护，提高自身对牙周健康的护理。
具体而言，在提取用户的历史医疗信息时，设置关键字信息，在医疗数据库内选择与所述关键字信息匹配的作为历史医疗信息，医疗数据库包括N1,N2,N3…Nn多条信息，每条信息的长度分别为L1,L2,L3…Ln,关键字信息的长度设置为关键字信息的长度ln，
将每条信息的长度分别与关键字信息的长度进行比较，若Li<关键字信息的长度ln，则表示该条信息内不包含关键字信息，与关键字信息并不匹配；
若Li≥关键字信息的长度ln，则将满足长度要求的医疗数据库建立医疗信息矩阵M(M1,M2…Mk)，其中k<n，对于医疗信息矩阵中的医疗信息进行判断时，从医疗信息Mi中的第1个字符开始，不间断选择n个字符，将n个字符与关键字信息的字符分别进行比较，若n个字符中与关键字信息的字符重合率小于90％则表示医疗信息Mi中包含关键字信息，表示该关键字信息与医疗数据库有细微差异，属于第二匹配度；
从医疗信息Mi中的第2个字符开始，选择n个字符，将n个字符与关键字信息的字符进行比较，若n个字符中与关键字信息的字符重合率小于90％则属于第二匹配度；
从医疗信息Mi中的第k个字符开始，选择n个字符，将n个字符与关键字信息的字符进行比较，若n个字符中与关键字信息的字符重合率小于90％则属于第二匹配度；
若n个字符中与关键字信息的字符重合率大于等于90％则表示医疗信息Mi中包含关键字信息，表示该关键字信息与医疗数据库无差异，属于第一匹配度；
从医疗信息Mi中的第2个字符开始，选择n个字符，将n个字符与关键字信息的字符进行比较，若n个字符中与关键字信息的字符重合率大于等于90％则属于第一匹配度；
从医疗信息Mi中的第k个字符开始，选择n个字符，将n个字符与关键字信息的字符进行比较，若n个字符中与关键字信息的字符重合率大于等于90％则属于第一匹配度。
具体而言，本发明实施例通过对医疗信息进行进一步筛选，提高对于牙齿历史信息判定的准确性，减少信息干扰，提高对于牙齿历史医疗信息的判定，进而准确判定牙齿的健康状态，进一步提高对于检测时间节点的确定，提高确定的精度和效率。
具体而言，在确定医疗信息内是否包含关键字信息时，还包括：从医疗信息Mi中的倒数第一个字符，从后往前选择n个字符，将n个字符与关键字信息的字符进行比较，若n个字符中与关键字信息的字符重合率小于90％则属于第二匹配度；
从医疗信息Mi中的倒数第二个字符，从后往前选择n个字符，将n个字符与关键字信息的字符进行比较，若n个字符中与关键字信息的字符重合率小于90％则属于第二匹配度；
从医疗信息Mi中的第k个字符开始，选择n个字符，将n个字符与关键字信息的字符进行比较，若n个字符中与关键字信息的字符重合率小于90％则属于第二匹配度；
在确定医疗信息内是否包含关键字信息时，还包括：从医疗信息Mi中的倒数第一个字符，从后往前选择n个字符，将n个字符与关键字信息的字符进行比较，若n个字符中与关键字信息的字符重合率大于等于90％则属于第一匹配度；
从医疗信息Mi中的倒数第二个字符，从后往前选择n个字符，将n个字符与关键字信息的字符进行比较，若n个字符中与关键字信息的字符重合率大于等于90％则属于第一匹配度；
从医疗信息Mi中的第k个字符开始，选择n个字符，将n个字符与关键字信息的字符进行比较，若n个字符中与关键字信息的字符重合率大于等于90％则属于第一匹配度，选择第一匹配度的医疗信息作为高HH、中MM和低LL三种状态的判定基准。
具体而言，本发明实施例通过所述关键字为牙周炎、牙周健康或其他牙周相关字，通过对关键字信息与医疗信息库内的信息的一一对比，可以将医疗信息库内的数据进行筛选地更为彻底，对于牙齿状态信息的判定更为精准，提高对于检测节点的时间确定的高效性和精准性。
至此，已经结合附图所示的优选实施方式描述了本发明的技术方案，但是，本领域技术人员容易理解的是，本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下，本领域技术人员可以对相关技术特征做出等同的更改或替换，这些更改或替换之后的技术方案都将落入本发明的保护范围之内。
以上所述仅为本发明的优选实施例，并不用于限制本发明；对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种基于遗传和环境导致牙周炎发生的预测方法，其特征在于，包括：
接收用户登录信息，根据用户登录信息内的身份信息提取用户的历史医疗信息，确定牙齿模型当前的健康基准度；
创建所述用户的口腔模型，所述口腔模型内包括有牙齿模型和牙周环境，所述牙周环境影响所述牙齿模型的健康程度，所述牙齿模型和所述牙周环境共同决定所述口腔模型的安全程度；
建立检测周期，所述检测周期内设置有多个检测间隔时段，相邻的两个检测间隔时段的相接点为检测节点，所述检测间隔时段和与其后一检测节点作为一个检测组；
根据前一检测组中检测间隔时段内的口腔模型的安全程度调整下一检测组内检测节点的位置，在所述检测节点处对用户进行提醒，以及时进行检查，确定牙周实际安全程度是否与预测的安全程度是否匹配，若匹配则继续监测，若不匹配，则更新牙齿模型的健康情况；
在创建用户的口腔模型时，所述口腔模型设置有第一参数P1和第二参数P2，所述第一参数包括亲人是否患有牙周炎，并根据亲人的亲属关系和数量设置有第一参数P1，所述第二参数P2根据用户是否吸烟，以及实际烟龄确定；口腔模型的安全程度S＝P1+P2；
预先设置有标准安全程度S0,若前一检测组中检测间隔时段内的口腔模型的安全程度S≤标准安全程度S0，则将下一检测组内检测节点的位置提前；
若前一检测组中检测间隔时段内的口腔模型的安全程度S>标准安全程度S0，则无需对下一检测组内检测节点的位置进行调整。
2.根据权利要求1所述的基于遗传和环境导致牙周炎发生的预测方法，其特征在于，
所述若前一检测组中检测间隔时段内的口腔模型的安全程度S≤标准安全程度S0，则将下一检测组内检测节点的位置提前包括：
预先设置有安全程度标准差值△S0、第一检测间隔时段系数a1和第二检测间隔时段系数a2，其中，0＜a1＜a2＜1；
设定△S＝S0-S,计算完成后，将△S与△S0进行比对,
若△S＜△S0，则使用第一检测间隔时段系数a1对T0进行修正；
若△S≥△S0，则使用第二检测间隔时段系数a2对T0进行修正；
当使用第i检测间隔时段系数ai对T0进行修正时，设定i＝1，2，修正后的检测间隔时段记为T0′，设定T0′＝T0×ai。
3.根据权利要求2所述的基于遗传和环境导致牙周炎发生的预测方法，其特征在于，
所述根据用户登录信息内的身份信息提取用户的历史医疗信息，确定牙齿当前的健康基准度P0包括：
确定用户的身份信息；
根据用户的身份信息确定需要提取信息网站，该信息网站包括医疗网站和购物网站，所述医疗网站用以提取用户的历史医疗信息，所述购物网站用以获取用户的日常牙齿保护习惯；
根据用户的身份信息确定用户的实际年龄段，预先设置有幼年段、青年段、中年段和老年段，不同年龄段的牙齿的状态分别赋值为A1，A2，A3，A4，根据实际的医疗信息将牙齿的健康程度设置为高HH、中MM和低LL三种状态，且将高HH赋值为3，将中MM赋值为2，将低LL赋值为1，在对不同的年龄段时，分别赋值为0.2、0.4、0.6和0.6，若牙齿状态为高HH且属于幼年则赋值为3.2，其他状态类推；
设置有第一消费金额M1、第二消费金额M2、第二消费金额M3和第四消费金额M4，其中第一消费金额对应幼年段的消费标准、第二消费金额对应青年段的消费标准、第三消费金额对应中年段的消费标准、第四消费金额对应老年段的消费标准；
以用户在购物网站内的消费金额对医疗网站的信息进行修正，以确定牙齿当前的健康基准度P0。
4.根据权利要求3所述的基于遗传和环境导致牙周炎发生的预测方法，其特征在于，
所述以购物网站内的购买信息对医疗网站的信息进行修正包括：
若用户为青年段，且其牙齿状态属于青年段的高HH，若是其消费金额≤第二消费金额M2，则将其牙齿状态降低一个等级，设置为青年段的中MM；
若用户为青年段，且其牙齿状态属于青年段的低LL，若是其消费金额>第二消费金额M2，则将其牙齿状态升高一个等级，设置为青年段的中MM。
5.根据权利要求4所述的基于遗传和环境导致牙周炎发生的预测方法，其特征在于，
所述第一参数P1根据亲人是否患有牙周炎，并根据亲人的亲属关系和数量确定包括：
确定用户的亲人是否患有牙周炎，若有赋值为1，若没有赋值为0，在亲人的亲属关系和数量进行确定的基础上，对赋值为1进行进一步确认；
若属于近亲属，则赋值为0.9，若属于三代以外的远亲属，则赋值为0.1，而亲属的实际数量若高于预设标准数量则赋值为0.09，否则赋值为0.01；
所述第一参数P1为1.99、1.91、1.19、1.11。
6.根据权利要求5所述的基于遗传和环境导致牙周炎发生的预测方法，其特征在于，
所述第二参数P2根据用户是否吸烟，以及实际烟龄确定包括：
若用户不吸烟赋值为0、若用户已戒烟则赋值为1、若用户偶尔吸烟，则赋值为2、若用户吸烟，则赋值为3、若用户重度吸烟则赋值为4、以实际烟龄作为P2的小数部分；设置有0.1、0.5和0.8三个层次，对应烟龄小于1年，烟龄在1-5年之间，烟龄大于5年；因此P2的取值范围为1.1、1.5、1.8、2.1、2.5、2.8、3.1、3.5、3.8和4.1、4.5、4.8。
7.根据权利要求6所述的基于遗传和环境导致牙周炎发生的预测方法，其特征在于，在提取用户的历史医疗信息时，设置关键字信息，在医疗数据库内选择与所述关键字信息匹配的作为历史医疗信息，医疗数据库包括N1,N2,N3…Nn多条信息，每条信息的长度分别为L1,L2,L3…Ln,关键字信息的长度设置为关键字信息的长度ln，
将每条信息的长度分别与关键字信息的长度进行比较，若Li<关键字信息的长度ln，则表示该条信息内不包含关键字信息，与关键字信息并不匹配；
若Li≥关键字信息的长度ln，则将满足长度要求的医疗数据库建立医疗信息矩阵M(M1,M2…Mk)，其中k<n，对于医疗信息矩阵中的医疗信息进行判断时，从医疗信息Mi中的第1个字符开始，不间断选择n个字符，将n个字符与关键字信息的字符分别进行比较，若n个字符中与关键字信息的字符重合率小于90％则表示医疗信息Mi中包含关键字信息，表示该关键字信息与医疗数据库有细微差异，属于第二匹配度；
从医疗信息Mi中的第2个字符开始，选择n个字符，将n个字符与关键字信息的字符进行比较，若n个字符中与关键字信息的字符重合率小于90％则属于第二匹配度；
从医疗信息Mi中的第k个字符开始，选择n个字符，将n个字符与关键字信息的字符进行比较，若n个字符中与关键字信息的字符重合率小于90％则属于第二匹配度；
若n个字符中与关键字信息的字符重合率大于等于90％则表示医疗信息Mi中包含关键字信息，表示该关键字信息与医疗数据库无差异，属于第一匹配度；
从医疗信息Mi中的第2个字符开始，选择n个字符，将n个字符与关键字信息的字符进行比较，若n个字符中与关键字信息的字符重合率大于等于90％则属于第一匹配度；
从医疗信息Mi中的第k个字符开始，选择n个字符，将n个字符与关键字信息的字符进行比较，若n个字符中与关键字信息的字符重合率大于等于90％则属于第一匹配度。
8.根据权利要求7所述的基于遗传和环境导致牙周炎发生的预测方法，其特征在于，在确定医疗信息内是否包含关键字信息时，还包括：从医疗信息Mi中的倒数第一个字符，从后往前选择n个字符，将n个字符与关键字信息的字符进行比较，若n个字符中与关键字信息的字符重合率小于90％则属于第二匹配度；
从医疗信息Mi中的倒数第二个字符，从后往前选择n个字符，将n个字符与关键字信息的字符进行比较，若n个字符中与关键字信息的字符重合率小于90％则属于第二匹配度；
从医疗信息Mi中的第k个字符开始，选择n个字符，将n个字符与关键字信息的字符进行比较，若n个字符中与关键字信息的字符重合率小于90％则属于第二匹配度；
在确定医疗信息内是否包含关键字信息时，还包括：从医疗信息Mi中的倒数第一个字符，从后往前选择n个字符，将n个字符与关键字信息的字符进行比较，若n个字符中与关键字信息的字符重合率大于等于90％则属于第一匹配度；
从医疗信息Mi中的倒数第二个字符，从后往前选择n个字符，将n个字符与关键字信息的字符进行比较，若n个字符中与关键字信息的字符重合率大于等于90％则属于第一匹配度；
从医疗信息Mi中的第k个字符开始，选择n个字符，将n个字符与关键字信息的字符进行比较，若n个字符中与关键字信息的字符重合率大于等于90％则属于第一匹配度，选择第一匹配度的医疗信息作为高HH、中MM和低LL三种状态的判定基准。
CN202111016180.9A 2021-08-31 2021-08-31 基于遗传和环境导致牙周炎发生的预测方法 Active CN113764104B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111016180.9A CN113764104B (zh) 2021-08-31 2021-08-31 基于遗传和环境导致牙周炎发生的预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111016180.9A CN113764104B (zh) 2021-08-31 2021-08-31 基于遗传和环境导致牙周炎发生的预测方法

Publications (2)

Publication Number Publication Date
CN113764104A true CN113764104A (zh) 2021-12-07
CN113764104B CN113764104B (zh) 2022-06-14

Family

ID=78792241

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111016180.9A Active CN113764104B (zh) 2021-08-31 2021-08-31 基于遗传和环境导致牙周炎发生的预测方法

Country Status (1)

Country Link
CN (1) CN113764104B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107456209A (zh) * 2017-06-28 2017-12-12 深圳市瀚科创智医疗电子有限公司 乳腺癌预警系统及预警方法
CN107665729A (zh) * 2017-08-09 2018-02-06 四川大学 基于b/s架构的龋病防治难度评估及管理系统建立方法
CN113066562A (zh) * 2021-04-23 2021-07-02 江南大学 基于5g的医疗图像传输方法及系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107456209A (zh) * 2017-06-28 2017-12-12 深圳市瀚科创智医疗电子有限公司 乳腺癌预警系统及预警方法
CN107665729A (zh) * 2017-08-09 2018-02-06 四川大学 基于b/s架构的龋病防治难度评估及管理系统建立方法
CN113066562A (zh) * 2021-04-23 2021-07-02 江南大学 基于5g的医疗图像传输方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
路晶晶等: "牙周风险评估系统在牙周病诊断治疗和维护中的应用", 《口腔医学》 *

Also Published As

Publication number Publication date
CN113764104B (zh) 2022-06-14

Similar Documents

Publication Publication Date Title
Toth et al. The role of heterogeneity in contact timing and duration in network models of influenza spread in schools
Gulhar et al. A comparison of some confidence intervals for estimating the population coefficient of variation: a simulation study
Sun et al. Copula-based semiparametric regression method for bivariate data under general interval censoring
Zini et al. Socio‐economic position, smoking, and plaque: a pathway to severe chronic periodontitis
Halpern et al. Health and economic outcomes modeling practices: a suggested framework
Baba et al. Patterns of missing occlusal units and oral health‐related quality of life in SDA patients
Ouyang et al. Allocation of intensive care unit beds in periods of high demand
US20200203020A1 (en) Digital twin of a person
Schwendicke et al. Cost‐effectiveness of regular versus irregular supportive periodontal therapy or tooth removal
Mesas et al. Factors associated with negative self‐perception of oral health among elderly people in a Brazilian community
Hallett et al. Random forest and variable importance rankings for correlated survival data, with applications to tooth loss
Denture Efficacy of removable partial denture treatment: a retrospective oral health-related quality of life evaluation
Cong et al. Marginal analysis of correlated failure time data with informative cluster sizes
CN113764104B (zh) 基于遗传和环境导致牙周炎发生的预测方法
Maizels et al. Sociodental approach to the identification of dental treatment‐need groups
CN106821349A (zh) 用于可穿戴式监护设备的事件生成方法及装置
WO2023054435A1 (ja) 歯の状態予測システム、及び歯の状態予測方法
Koo et al. Prediction of learning curves of wired and wireless intraoral scanners
Schnell et al. A marginal cure rate proportional hazards model for spatial survival data
Chang et al. A structural design of clinical decision support system for chronic diseases risk management
CN117425938A (zh) 身体状况检测方法、身体状况检测装置、以及程序
Xue et al. Assessing heterogeneity and correlation of paired failure times with the bivariate frailty model
Dietrich et al. Validation of a multivariate prediction rule for history of periodontitis in a separate population
CN117912708B (zh) 公共卫生中慢性非传染性疾病防控方法、系统及存储介质
CN111554406A (zh) 生理数据的处理方法、装置、电子设备和存储介质

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
GR01 Patent grant
GR01 Patent grant