CN113851222A - 一种自主健康管理辅助方法和装置 - Google Patents
一种自主健康管理辅助方法和装置 Download PDFInfo
- Publication number
- CN113851222A CN113851222A CN202111451403.4A CN202111451403A CN113851222A CN 113851222 A CN113851222 A CN 113851222A CN 202111451403 A CN202111451403 A CN 202111451403A CN 113851222 A CN113851222 A CN 113851222A
- Authority
- CN
- China
- Prior art keywords
- health
- user
- data
- autonomous
- behavior
- 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
-
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
- G16H50/70—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)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Biomedical Technology (AREA)
- Physics & Mathematics (AREA)
- Pathology (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Biophysics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Molecular Biology (AREA)
- Evolutionary Computation (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
一种自主健康管理辅助方法,包括如下步骤:步骤1,采集影响使用者健康的相关数据并存储;步骤2,根据所述相关数据对于所述使用者的健康影响权重,对所述相关数据进行综合计算并存储;步骤3,根据所述计算结果利用深度学习方法给出符合所述使用者意愿且满足个人身体健康需求的健康行为目标;步骤4,将所述健康行为目标发送并显示给所述使用者。
Description
技术领域
本发明涉及健康管理领域,具体而言,涉及一种自主健康管理辅助方法和装置。
背景技术
目前大众多通过某一领域APP,如运动类、营养类、睡眠类,实现自主健康管理。以运动类APP为例,使用者设定健康行为目标,如每日2km慢跑,并通过目标任务完成后的打卡来记录健康行为。存在行为目标与自身的健康状况不匹配的问题,运动目标太低达不到改善健康的效果、或目标路径太长无法实施、甚至运动强度过大造成运动损伤。
健康中国行动提出“每个人都是自己健康的第一责任人”。但人们在自我健康管理过程缺乏对自身健康的正确认识,没有明确、清晰的健康目标。健康评价和评分,是用户进行自主健康管理、更好地了解自己健康状况、科学制定健康目标的工具。国际健康综合评分是从科研机构的健康风险评估模型发展而来。20世纪50年代,弗莱明翰医院Lewis Robbins博士提出健康风险评估概念,推算出弗莱明翰心脏病预测模式。1979年和1989年,美国疾病控制中心,分别发布了第一代和第二代健康风险评估软件,主要依据年龄与总体死亡率的关系预测死亡风险。进入21世纪,随着互联网技术的飞速发展,基于健康得分来衡量人们的可控健康行为的第三代健康风险评估软件产生。当前,国外多数健康评估以健康得分的形式来呈现。WELL Source,Stay Well等公司,以健康得分为评估标准,推动了健康评估的商业化和市场化。此外,商业公司针对健康评估开发出多种健康评分产品,比如,Dacadoo公司的Dacadoo health score,Higi公司的Higi score,Life time fitness 公司的my HealthScore[i]等,以上产品均通过营养、生活方式、心理状况和医学检查结果等多信息采集来进行健康综合评价,用以评估个体健康综合水平。健康综合评分可以为人们提供自主健康管理指南,使人们有针对性地实行生活方式干预,开展健康促进、降低健康风险因素或全面维持身心健康。
正如地图导航给予达到目的地的可选择的路径,个体自主健康过程中需要科学的指导,自主健康辅助方法和装置可以为个体规划目标、规划健康行为路径,并对自主健康管理过程中健康行为进行及时反馈。
发明内容
本发明的目的是基于大数据获取与分析,建立一种科学匹配使用者健康状况的自主健康管理辅助方法和装置,从而真正实现自主健康管理。
因此本申请人提供了如下解决方案:
一种自主健康管理辅助方法,包括如下步骤:
步骤1,采集影响使用者健康的相关数据并存储;
步骤2,根据所述相关数据对于所述使用者的健康影响权重对所述相关数据进行综合计算并存储;
步骤3,根据所述计算结果利用深度学习方法给出符合所述使用者意愿且满足个人身体健康需求的健康行为目标;
步骤4,将所述健康行为目标发送并显示给所述使用者。
优选地,还包括步骤5,持续采集与所述使用者健康有关的数据并加入到所述步骤1中的影响使用者健康的相关数据中。
更优选地,所述影响使用者健康的相关数据包括:其自身的数据、他人的数据和最新的更加合理的健康模型。
更优选地,通过所述使用者注册的便携设备进行所述采集、发送和显示。
更优选地,所述影响使用者健康的相关数据包括身体状态数据,生活方式数据和心理状态数据之一或者全部。
更优选地,所述健康行为目标为多个并且按照优先级排序。
更优选地,所述健康行为目标包括需要完成的健康行为的方式、需要完成的健康行为的期限和需要完成的健康行为的强度。
更优选地,所述步骤3还包括对公认的健康者的健康行为进行分析,并纳入到所述权重中。
本发明还涉及一种自主健康管理辅助装置,包括执行根据权利要求1-5中所述的自主健康管理辅助方法的模块。
优选地,包括服务器端和客户端。
附图说明
图1为一种自主健康管理辅助方法的实施流程示意图。
图2为一个实施例中12种重大疾病患病风险得分的具体计算公式示意图。
其中,101-步骤1,采集影响使用者健康的相关数据并存储;102-步骤2,根据所述相关数据对于所述使用者的健康影响权重对所述相关数据进行综合计算并存储;103-步骤3,根据所述计算结果利用深度学习方法给出符合所述使用者意愿且满足个人身体健康需求的健康行为目标;104-步骤4,将所述健康行为目标发送并显示给所述使用者。
具体实施方式
为了使本发明的目的、技术方案及优点更加的清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明实施例提供了一种自主健康管理的辅助方法。如图1所示,其过程包括:
步骤1,采集影响使用者健康的相关数据并存储;
步骤2,根据所述相关数据对于所述使用者的健康影响权重对所述相关数据进行综合计算并存储;
步骤3,根据所述计算结果利用深度学习方法给出符合所述使用者意愿且满足个人身体健康需求的健康行为目标;
步骤4,将所述健康行为目标发送并显示给所述使用者。
所述步骤1以使用者注册的便携设备如移动手机端且以AI问答、智能硬件接入等形式采集影响使用者健康的相关数据。
所述影响使用者健康的相关数据包括:使用者的性别、年龄、身高、体重等基本信息;使用者接触有害物质及污染暴漏,如放射线、石棉、煤烟和焦油、硅粉尘、噪音等环境信息;使用者本人的既往病史;使用者亲属是否患有明确诊断的疾病如恶行肿瘤、高血压、脑卒中、冠心病等家族史信息;使用者的吸烟、饮酒、饮食、运动、睡眠等生活方式信息;使用者的生活满意度调查信息以及最近一次血检、尿检等得到的生理生化指标信息。
所述影响使用者健康的相关数据还包括持续更新的与人体健康相关的合理的健康模型。所述健康模型包括国际上成熟的哈佛癌症指数模型、对缺血性心脑血管病10年患病进行风险预测的国家“十五”攻关ICVD模型、弗莱明翰高血压评估模型等。所述健康模型还包括主观评价问卷与量表如生活方式风险量表、抑郁自评量表、GAD-7焦虑症筛查量表、PSTRI压力测试问卷等。
需要说明的是,所述影响使用者健康的相关数据,其内容不是限定的,而是经过持续补充而变化的。
所述步骤2包括对上述步骤1中采集到的相关数据进行综合计算,所述综合计算的方法是首先将所述数据分为身体状态数据、生活方式数据和心理状态数据三个维度,然后将每个维度的数据采用不同的健康模型进行分析,分别得到三个维度的健康评估得分:身体维度的健康得分H1、生活方式维度的健康得分H2、心理维度的健康得分H3,最后根据不同维度的数据对使用者的健康影响权重,通过加权求和计算得到使用者的健康综合评分H。
例如,身体维度的健康评估包括高血压、缺血性心脑血管病、肺癌、胃癌、肝癌、直肠癌、食管癌、乳腺癌、子宫颈癌、膀胱癌、鼻咽癌、糖尿病在内的12种疾病未来患病风险情况的综合评估,涉及包括年龄、性别、家族病史、疾病史、吸烟、饮酒、运动情况及身体体征在内的198项患病风险因素指标。发明人依据现有重大疾病相关研究成果,分析提取罹患12种疾病的风险因素、相对危险度RR值和危险因素人群暴露率p值等,并由此构建每种疾病患病风险评估模型。
图2示出了12种重大疾病患病风险得分的具体计算公式,其中高血压疾病风险预测采用国际通用的弗莱明翰高血压评估模型,其患病风险得分R1预测模型公式为:
缺血性心脑血管病10年患病风险预测使用国人ICVD模型,其患病风险得分R2预测模型公式为:
肺癌等其余10种疾病采用哈佛癌症指数模型来评估相应健康风险,其风险得分Rx的预测模型公式为:
其中,t为各危险因素的风险分数,p为各危险因素的危险暴露率,Rx为R3~ R12,n为每种疾病参与模型计算的患病风险因素的数量。如图2所示,不同疾病的患病风险因素不用,n值也不同。
需要说明的是,由于不同模型之间风险水平存在一定差异,为使计算结果具有可比性,本发明实施例依据“最大值-最小值标准化”的方法对每种疾病的原始风险得分进行标准化运算。
基于前述步骤,计算每一项疾病的标准化分数r1~r12,带入以下公式,计算得到身体维度的风险评分R:
其中,m为个体所预测的疾病个数。
同样的,对身体维度的风险得分R进行“最大值-最小值标准化”,得到R’。由于R’代表患病风险分值,为负性指标,将其转换为正向指标,最终得到身体维度的健康评估得分H1。公式为:
所述步骤2中生活方式维度的健康评估使用了生活方式风险量表,从体重、饮食、吸烟、饮酒、运动、睡眠、环境等7个方面评估生活方式维度的风险得分L。计算公式为:
同样将L进行标准化后得到L’,并转为正向指标后得到生活方式维度的健康得分H2。公式为:
所述步骤2中心理维度的健康评估,从生活满意度、压力水平、睡眠质量、是否规律运动等多个方面评估心理维度的健康得分。根据获得的使用者每项信息加权求和得出心理维度基础分P。
同样将P进行标准化后得到P’,并转为正向指标后得到心理维度的健康得分H3。公式为:
最后,将三个维度的健康得分按照以下公式进行计算得到使用者的健康综合评分H值。公式为:
其中α表示身体维度所占的权重,其值为40%;β代表生活方式维度所占的权重,其值为45%;γ代表心理维度所占的权重,其值为15%。
所述步骤3根据上述步骤2中的计算结果利用深度学习方法给出符合所述使用者意愿且满足个人身体健康需求的健康行为目标。首先,根据步骤2中计算H值的健康得分模型,可以得出每个可控的风险因素对H值的影响程度,并按照影响程度的排序,确定对使用者健康影响程度较大的风险因素,并通过深度学习的方法推荐与之相关的管理路径作为个人健康行为改善目标。
首先,在H值的综合评分模型中,风险因素包含如生活方式、心理健康等可控因素和如年龄、性别、家族史等不可控因素。不同使用者的可控风险因素与不可控的风险因素各不相同。在一个实施例中,根据使用者的年龄、性别等不可控因素,可以分别计算有或没有任意一个可控的风险因素的H值,通过比较两者的差值,来判断该可控风险因素对个人健康得分的影响程度,差值越大的风险因素对个人健康综合评分(H值)的影响程度越大。对该使用者的所有可控风险因素进行排序,可以得到排名靠前的几个可控风险因素。每个可控的健康风险因素,均可以通过使用者的主观努力进行改善,也对应有相应的健康行为目标达成路径。
所述步骤3中,健康行为目标的建立方法是利用深度学习的方法得到的。每条健康行为目标的建立基于循证医学研究结果、医学指南、以及健康知识,还通过独创的大数据标签匹配算法,对使用者健康状况、改善意愿、环境信息等进行匹配度计算,结合健康者的健康行为分析数据,选取匹配结果最优的健康目标进行推荐。如,静坐少动,是多数疾病明确的风险因素之一。通过大量专业知识、行业指南、科学论文等,建立针对不同人群的运动处方知识图谱,包括不同人群的运动风险预防、适宜的运动项目、个性化的运动强度、每周运动频次及每次运动时间等内容。这些内容结合使用者的健康信息以及获得的使用者的环境信息,确定具体的健康行为目标,细化为用户每日的健康行为任务。
通过上述方法,可以得到满足使用者健康需求的多个健康行为目标,并且可以按照优先级进行排序。所述优先级根据每个目标对应的风险因素对于使用者健康得分H值的影响程度进行划分,影响程度越大的优先级越高。
所述健康行为目标包括需要完成的健康行为的方式、需要完成的健康行为的期限和需要完成的健康行为的强度,如健康教育内容、运动视频课程、健康数据记录等推送内容,不仅包括推送的内容,还会对推送的频次和时间等进行算法或规则的设定。
在一个实施例中,根据步骤2中的计算方法得到影响某使用者身体健康的主要风险因素包括可控风险因素肥胖、吸烟、每周运动不足、高糖饮食、饮酒,不可控风险因素为高血压病史。其中肥胖是影响程度最大的可控风险因素,其次是吸烟、运动不足。通过深度学习向用户推荐的用于健康管理的行为改善目标包括:“一周远离超重烦恼”、“21天戒烟行动”、“每天6000步计划”等几个相关的健康行为目标。使用者根据自身意愿选择了“一周远离超重烦恼”这一行为改善目标。该目标被分解为若干个健康任务并累计7天去完成,每天需要完成相应的健康任务。使用者仅需按照提示,循序渐进地完成每日健康任务即可。
所述步骤4,通过使用者注册的便携设备将所述健康行为目标发送并呈现给所述使用者。
本发明实施例还包括步骤5,持续采集与所述使用者健康相关的数据并加入到所述步骤1中的影响使用者健康的相关数据中。由于使用者的健康数据与健康行为数据是变化的,因此在本发明中,健康数据的采集是持续不断进行的,由此使用者可以通过注册的便携设备获得动态的个人健康综合数据。本发明实施例还提供了一种自主健康管理的辅助装置,该装置按照所述自主健康管理辅助的方法的运行。
所述装置包括服务器端和客户端。所述客户端包括信息采集器和信息显示器,分别执行采集使用者健康相关的数据和将健康行为目标显示给使用者的功能。所述服务器端包括控制器、数据库、信息处理器。所述控制器与所述信息采集器、数据库和信息处理器通讯连接,获取所述信息采集器的信息数据存储在数据库中,同时发送给信息处理器。所述信息处理器将收集到的使用者的健康数据分析计算,将计算结果发送到控制器,控制器将结果返回至数据库和信息显示器。
上述各实施例仅是本发明的优选实施方式,在本技术领域内,凡是基于本发明技术方案上的变化和改进,不应排除在本发明的保护范围之外。
Claims (10)
1.一种自主健康管理辅助方法,其特征在于,包括如下步骤:
步骤1,采集影响使用者健康的相关数据并存储;
步骤2,根据所述相关数据对于所述使用者的健康影响权重,对所述相关数据进行综合计算并存储;
步骤3,根据所述计算结果利用深度学习方法给出符合所述使用者意愿且满足个人身体健康需求的健康行为目标;
步骤4,将所述健康行为目标发送并显示给所述使用者。
2.根据权利要求1所述的自主健康管理辅助方法,其特征在于,还包括步骤5,持续采集与所述使用者健康有关的数据并加入到所述步骤1中的影响使用者的健康的相关数据中。
3.根据权利要求2所述的自主健康管理辅助方法,其特征在于,所述影响使用者健康的相关数据包括:其自身的数据、他人的数据和最新的更加合理的健康模型。
4.根据权利要求3所述的自主健康管理辅助方法,其特征在于,通过所述使用者注册的便携设备进行所述采集、发送和显示。
5.根据权利要求4所述的自主健康管理辅助方法,其特征在于,所述影响使用者健康的相关数据包括身体状态数据,生活方式数据和心理状态数据之一或者全部。
6.根据权利要求5所述的自主健康管理辅助方法,其特征在于,所述健康行为目标为多个并且按照优先级排序。
7.根据权利要求6所述的自主健康管理辅助方法,其特征在于,所述健康行为目标包括需要完成的健康行为的方式、需要完成的健康行为的期限和需要完成的健康行为的强度。
8.根据权利要求7所述的自主健康管理辅助方法,其特征在于,所述步骤3还包括对公认的健康者的健康行为进行分析,并纳入到所述权重中。
9.一种自主健康管理辅助装置,其特征在于,包括执行根据权利要求1-8中任意一项所述的自主健康管理辅助方法的模块。
10.根据权利要求9所述的自主健康管理辅助装置,包括服务器端和客户端。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111451403.4A CN113851222A (zh) | 2021-12-01 | 2021-12-01 | 一种自主健康管理辅助方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111451403.4A CN113851222A (zh) | 2021-12-01 | 2021-12-01 | 一种自主健康管理辅助方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113851222A true CN113851222A (zh) | 2021-12-28 |
Family
ID=78982594
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111451403.4A Pending CN113851222A (zh) | 2021-12-01 | 2021-12-01 | 一种自主健康管理辅助方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113851222A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118228890A (zh) * | 2024-05-16 | 2024-06-21 | 中国矿业大学(北京) | 基于加权RF-BiLSTM的公共场所人员健康风险预测方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112635053A (zh) * | 2021-03-09 | 2021-04-09 | 北京冠新医卫软件科技有限公司 | 基于大数据的居民健康预警方法、装置、设备和系统 |
CN112908481A (zh) * | 2021-03-18 | 2021-06-04 | 马尚斌 | 一种自动化个人健康评估及管理方法及系统 |
CN112890816A (zh) * | 2020-12-11 | 2021-06-04 | 万达信息股份有限公司 | 一种个人用户的健康指数评分方法和装置 |
CN112951430A (zh) * | 2021-03-29 | 2021-06-11 | 阿斯利康投资(中国)有限公司 | 多种慢性疾病联合管理设备和计算机可读存储介质 |
-
2021
- 2021-12-01 CN CN202111451403.4A patent/CN113851222A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112890816A (zh) * | 2020-12-11 | 2021-06-04 | 万达信息股份有限公司 | 一种个人用户的健康指数评分方法和装置 |
CN112635053A (zh) * | 2021-03-09 | 2021-04-09 | 北京冠新医卫软件科技有限公司 | 基于大数据的居民健康预警方法、装置、设备和系统 |
CN112908481A (zh) * | 2021-03-18 | 2021-06-04 | 马尚斌 | 一种自动化个人健康评估及管理方法及系统 |
CN112951430A (zh) * | 2021-03-29 | 2021-06-11 | 阿斯利康投资(中国)有限公司 | 多种慢性疾病联合管理设备和计算机可读存储介质 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118228890A (zh) * | 2024-05-16 | 2024-06-21 | 中国矿业大学(北京) | 基于加权RF-BiLSTM的公共场所人员健康风险预测方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11704582B1 (en) | Machine learning to identify individuals for a therapeutic intervention provided using digital devices | |
US11151462B2 (en) | Systems and methods for using machine learning to improve processes for achieving readiness | |
Egli et al. | Influence of age, sex, and race on college students’ exercise motivation of physical activity | |
US5937387A (en) | System and method for developing and selecting a customized wellness plan | |
US6269339B1 (en) | System and method for developing and selecting a customized wellness plan | |
CN112890816A (zh) | 一种个人用户的健康指数评分方法和装置 | |
Salaffi et al. | How to measure chronic pain: new concepts | |
WO1991003282A1 (en) | Activity guidance process, system and kit | |
US11328819B2 (en) | Methods and systems for an artificial intelligence fitness professional support network for vibrant constitutional guidance | |
Quick et al. | A streamlined, enhanced self-report physical activity measure for young adults | |
George et al. | Prediction of maximum oxygen uptake using both exercise and non-exercise data | |
US20230142625A1 (en) | Method and system of providing personalized guideline information for a user in a predetermined domain | |
KR20210025811A (ko) | 생체정보 수집 및 온라인 문진을 이용한 건강관리케어 서비스 제공 서버 | |
CN114822763A (zh) | 一种运动数据驱动的个性化运动处方推荐方法 | |
Kossi et al. | Reliability of ActiGraph GT3X+ placement location in the estimation of energy expenditure during moderate and high-intensity physical activities in young and older adults | |
CN114943629A (zh) | 一种健康管理保健服务系统及其健康管理方法 | |
CN113380427A (zh) | 一种基于佩戴式智能终端的健康管理平台及管理方法 | |
JP4646019B2 (ja) | 高齢者の日常生活・運動支援システム | |
Viladrosa et al. | Differences in fitness level between women aged 60 and over participating in three different supervised exercise programs and a sedentary group | |
CN113851222A (zh) | 一种自主健康管理辅助方法和装置 | |
Zhong | Experiment of biological pulse sensor and its application in physical education | |
Wiemeyer | Evaluation of mobile applications for fitness training and physical activity in healthy low-trained people-A modular interdisciplinary framework | |
Moskovchenko et al. | Application of hardware and software complex for individualisation of students’ sport and recreational physical activities | |
CN113871014A (zh) | 一种自主健康的辅助方法和装置 | |
CN115171895A (zh) | 一种智能动态心理健康评估的方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20211228 |