CN113871014A

CN113871014A - 一种自主健康的辅助方法和装置

Info

Publication number: CN113871014A
Application number: CN202111449445.4A
Authority: CN
Inventors: 张平; 刘邦长; 罗晓斌; 孔飞; 常德杰; 庄博然; 贾洁; 吴思凡; 张玉静
Original assignee: Beijing Miaoyijia Health Technology Group Co ltd
Current assignee: Beijing Miaoyijia Health Technology Group Co ltd
Priority date: 2021-12-01
Filing date: 2021-12-01
Publication date: 2021-12-31

Abstract

一种自主健康的辅助方法，具体的来说，是对用户健康进行综合评估和干预的方法和装置，包括如下步骤：步骤1，将采集到的使用者的健康数据传送到服务器；步骤2，服务器对所述健康数据按照服务器中建立的个人健康综合评价算法进行计算以给出所述使用者当前健康状态；步骤3，将采集到的使用者的健康行为传送到服务器，结合所述健康状态确定所述使用者的健康行为目标并评估目前健康行为与所述目标的符合性；步骤4，服务器将所述当前健康状态、目标和符合性发送并显示给客户端，帮助所述使用者有针对性地参与健康行为。

Description

一种自主健康的辅助方法和装置

技术领域

本发明涉及健康管理领域，具体而言，涉及一种自主健康的辅助方法和装置。具体的来说，是对用户健康进行综合评估和干预的方法和装置。

背景技术

2019年，健康中国行动（2019-2030）指出应树立“大卫生，大健康”理念，坚持预防为主，防治结合的原则。提出“每个人都是自己健康的第一责任人”。但因为健康影响因素的多元化，以及健康信息的脆片化，人们缺乏对自身健康的正确认识，在自我健康管理过程中，常出现缺少明确目标、缺乏改变动力等现象。健康综合评估/评价作为健康管理的重要环节和步骤，在指导正确的健康干预措施方面有重要作用。

我国缺少对人们健康的综合评分模型。现有的健康评价多为单病种的疾病风险预测，或在单一身体维度（如体适能、睡眠情况等）的评分，无法全面、直观地评估个体健康综合水平。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 timefitness 公司的my Health Score 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评估个体健康综合水平。

在全民健康的大环境下，人们多通过某一领域APP，如运动类、营养类、睡眠类，实现自我健康促进。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、目标路径太长无法实施、甚至运动强度过大造成运动损伤。

本发明从自主健康角度出发，建立全面、直观的健康综合评分，辅助用户正确认识自身健康状况，辅助个体在进行自我健康过程中确定科学的目标。

发明内容

申请人提供了如下解决方案：

一种自主健康的辅助方法，包括如下步骤:

步骤1，将采集到的使用者的健康数据传送到服务器；

步骤2，服务器对所述健康数据按照服务器中建立的个人健康综合评价算法进行计算以给出所述使用者当前健康状态；

步骤3，将采集到的使用者的健康行为传送到服务器，结合所述健康状态确定所述使用者的健康行为目标并评估目前健康行为与所述目标的符合性；

步骤4，服务器将所述当前健康状态、目标和符合性发送并显示给客户端，帮助所述使用者有针对性地参与健康行为。

优选地，所述个人健康综合评价算法包括：

步骤201，针对身体健康状况的风险因素赋分；

步骤202，分别计算主要疾病的风险得分Ri；

步骤203，计算主要疾病模型的标准化得分

步骤204，计算身体健康等分

其中n为所预测的疾病个数，i为选定的主要疾病个数。

步骤205，对所述使用者身体健康得分进行标准化。更优选地，所述个人健康综合评价算法包括：

步骤211，确定生活方式风险量表；

步骤212，根据所述风险量表计算所述使用者的生活方式得分；

步骤213，对所述使用者的生活方式得分进行标准化。

更优选地，所述个人健康综合评价算法包括：

步骤221，确定心理健康量表；

步骤222，计算所述使用者的心理健康基础分；

步骤223，对所述使用者的心理健康得分进行标准化。

最好，所述个人健康综合评价算法包括，步骤231计算所述使用者健康值总分，依据如下公示：

H=αH₁+βH₂+γH₃

其中，H₁、H₂、H₃分别代表身体健康得分、生活方式等分和心理健康得分；α、β、γ为各维度权重占比。

优选地，α、β、γ分别为40%，45%和15%。

最好，所述身体健康状况的风险因素包括：年龄、性别、疾病史、家族史、手术用药史、是否吸烟、是否饮酒、身高体重、饮食习惯、运动习惯，以及安静血压、空腹血糖等健康信息。

优选地，所述生活方式量表包括：体重、饮食、吸烟、饮酒、运动、睡眠和环境等健康信息。

优选地，所述心理量表包括生活满意度、压力水平、睡眠质量和是否规律运动等健康信息。

本发明还涉及一种辅助自主健康的装置，包括上述的自主健康的辅助方法的模块。

优选地，还包括服务器和客户端。

本发明的有益效果为给使用者提供个体健康风险评分，并给出建议，从而帮助所述使用者随时全面了解自身情况。

附图说明

图1为本申请实施例提供的一种自主健康的辅助方法示意图。

图2为本申请实施例中采集到的用户的健康相关数据示意图。

图3为本申请实施例中使用者的身体维度的健康评估模型示意图。

图4为本申请实施例中步骤3的流程示意图。

其中，101-步骤1，将采集到的使用者的健康数据传送到服务器；102-步骤2，服务器对所述健康数据按照服务器中建立的个人健康综合评价算法进行计算以给出所述使用者当前的健康状态；103-步骤3，将采集到的使用者的健康行为传送到服务器，结合所述健康状态确定所述使用者的健康行为目标并评估目前健康行为与所述目标的符合性；104-步骤4，服务器将所述当前健康状态、目标和符合性发送并显示给客户端，帮助所述使用者有针对性地参与健康行为；201-步骤301，采集使用者日常的自发的健康行为传送到服务器；202-步骤302，确定使用者的健康行为目标；203-步骤303，评估使用者当前的健康行为；204-步骤304评估当前健康行为与所述目标的符合性。其中附图标记用来标识步骤，每个步骤都有自己的顺序编号。

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。

本申请实施例提供了一种自主健康的辅助方法，如图1所示，包括如下步骤:

步骤1，将采集到的使用者的健康数据传送到服务器；

步骤2，服务器对所述健康数据按照服务器中建立的个人健康综合评价算法进行计算以给出所述使用者当前的健康状态；

所述步骤1中采集到的使用者的健康数据的手段可包括通过移动端如APP和微信小程序以问卷、AI问答、使用者上传或者同步医疗健康数据等的形式，还可包括通过接入智能手环、手表、体脂秤、血压计、血糖仪、体温计等智能硬件来直接获取使用者的健康数据。

图2示出了在一个实施例中，采集到的使用者健康数据可包括：使用者的性别、年龄、身高、体重等基本信息；使用者接触到的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性肿瘤、高血压、脑卒中、冠心病等家族史信息；使用者吸烟、饮酒、饮食、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。

所述步骤2，服务器对所述健康数据按照服务器中建立的个人健康综合评价算法进行计算以给出所述使用者当前的健康状态。所述个人健康综合评价算法是将所述步骤1采集到的使用者健康数据归纳为身体状态、生活方式和心理健康三个维度，通过健康评分的方法分别计算每个维度的健康状况得分。因此所述步骤2还包括所述身体维度的健康状况评估、心理维度的健康状况评估、生活方式维度的健康状况评估。

所述身体维度健康状况评估方法是在大数据分析的支持下，基于对近年来世界流行病学研究成果分析，归纳提取罹患多种重大疾病的风险因素、相对危险度RR值和危险因素人群暴露率p值，构建每种疾病患病风险评估模型，并根据模型的计算得分。

主要包括下述五个步骤：

步骤201，针对身体状况的危险因素赋分。风险因素的赋分依据其相对风险度RR值在不同的区间范围内划分为无风险、低风险、一般风险、高风险、非常高五个等级，对应的风险分值分别为0分、5分、10分、25分、50分。

步骤202，分别计算主要疾病的风险得分Ri。风险得分的计算参考国际通用的重大疾病风险模型。图3示出了本申请实施例中评估的主要疾病对应的评估模型和对应的风险因素数量。包括12种重大疾病包括肺癌、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、高血压、缺血性心脑血管病。所采用的风险评估模型包括哈佛癌症指数模型、弗莱明翰高血压评估模型、国家“十五”攻关ICVD模型。每种疾病的风险评估模型都对应多个相关的风险因素。如图3示出的肺癌风险评估模型中，风险因素变量为18个，包括吸烟指数（小于100、100-199、200-299、300-399、大于400）、吸烟斗烟、是否戒烟、是否为被动吸烟、石棉接触史、硅粉尘接触史、煤烟或焦油接触史、空气污染环境、肺癌家族史、其他肿瘤家族史、肺结核病史、慢性支气管炎病史、肺气肿病史、蔬菜摄入量等。

步骤203，计算主要疾病模型的标准化得分。本申请实施例采用采用最大值-最小值标准化的方法，公式如下：

步骤204，计算主要疾病的综合风险评分，公式如下：

其中n为个体所预测的疾病个数，i为选定的主要疾病个数。

步骤205，对所述使用者身体健康得分进行标准化。将R进行最大值-最小值标准化转换得到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后得到身体维度的健康状况得分H1。公式如下：

所述生活方式维度的健康状况评估包括三个步骤：步骤211，确定生活方式风险量表；步骤212，根据所述风险量表计算所述使用者的生活方式得分；步骤213，对所述使用者的生活方式得分进行标准化。最终得到使用者心理维度的健康得分H2。所述步骤211生活方式量表包括：体重、饮食、吸烟、饮酒、运动、睡眠和环境等健康信息。

所述心理维度的健康状况评估包括步骤221，确定心理健康量表；步骤222，计算所述使用者的心理健康基础分；步骤223，对所述使用者的心理健康得分进行标准化。最终得到使用者心理维度的健康得分H3。所述心理量表包括生活满意度、压力水平、睡眠质量和是否规律运动等健康信息。

所述步骤2的个人健康综合评价算法还包括步骤231计算所述使用者健康值总分，将上述计算得到的H1 、H2 、H3的得分值带入下述公式中得到使用者的健康值总分H。H=αH₁+βH₂+γH₃

其中，α、β、γ为各维度权重占比，分别为40%，45%和15%。

在一个实施例中，服务器根据H值的大小，将使用者的健康综合情况划分为七个等级：极差、很差、较差、一般、较好、很好、极好。如，当某使用者的H值得分为312，则服务器给出的健康等级为“极差”。

本申请实施例还包括步骤3。如图4所示，所述步骤3包括下述过程：步骤301，采集使用者日常的健康行为传送到服务器；步骤302，确定使用者的健康行为目标；步骤303，评估使用者当前的健康行为；步骤304评估当前健康行为与所述目标的符合性。

所述步骤301采集的健康行为是使用者为改善健康状况的所有行为，包括主动阅读改善健康相关的知识资讯、日常饮食记录、运动记录、睡眠情况、指标监测等行为。所述健康行为通过移动端、问卷、打卡、绑定智能设备等方式实时采集。

进一步地，根据所述步骤2中的个人健康综合评价算法，可以得出每个可控的风险因素对使用者的健康值总分H的影响程度，并按照影响程度的排序，确定对使用者的健康影响程度较大的风险因素。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，也对应有相应的目标达成路径。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，对使用者健康状况信息、改善意愿、环境信息等进行匹配度计算，选取匹配结果最优的健康行为目标进行推荐。在一个实施例中，根据计算得到对某一使用者H值影响较大的可控风险因素为“每天吸烟支数11-15支”、“平均每天的运动量少于10分钟”。则向该使用者推荐“21天戒烟计划”和“14天运动习惯养成计划”类的健康改善目标。需要说明的是健康目标的确定还依据所述步骤301中采集到的用户日常的健康行为，优先推荐与用户日常健康行为符合度较高的健康行为目标。

更进一步地，所述使用者根据自主意愿选定最终的健康行为目标，且在执行目标的过程中做出相应的健康行为。同时，所述步骤301实时收集使用者的健康行为。所述步骤303对采集到的使用者的健康行为数据进行评价。所述健康行为评价方法为分析计算健康行为依从性得分，主要包括每日任务赋分、计算每日M值、用户依从性评分、计算M值增益系数、计算M值衰减系数。

所述每日任务的赋分规则是根据该任务完成的难易程度和对H值的影响程度来设定：对于不同行为改善目标下的任务，按照每个目标对应的风险因素改善对H值的影响程度，成比例分配相应权重；同一行为改善目标下的任务，基于任务的内容类型和完成形式分配相应的权重，完成难度越大的分值越高。

计算每日M值的方法为将使用者每日实际完成的所有子任务的得分进行累加，得到每日M值，最大值为100，最小值为0。例如，使用者在“一周远离超重烦恼”这一目标下，需要分7天完成目标计划中的任务。在计划开始的第一天，使用者需要完成5个子任务，对应的分值分别为：健康素养信息-“看你被骗了多久：多吃蛋白质就能多长肌肉吗”-完成分13、运动-“今日完成8000步”-完成分23、运动-“燃脂腹部塑形练习”-完成分20、营养-“减肥过程中的低碳水饮食法”-完成分20、营养-“寻找身边高热量食物”-完成分24。

步骤303所述评估使用者的健康行为中，依从性评分的计算方法如下述公式所示：

其中，

为增益系数，其计算方法如下述公式所示：

其中，M_acc为使用者每日任务分累加归一化后的分值，计算方法为：

其中，M为使用者当日实际完成任务分值的总和，d为M 值采集的总天数，M_max分值的总和，α为权重系数，取值[0,1]。

其中，β为调节系数，取值[0,1]。

，与健康行为得分M正相关，反映了使用者自主健康管理过程中行为对健康的促进程度。

其中，

为衰减系数，其计算方法如下：

，若使用者每日都有 M 值，则该系数为 1，若使用者 M 值有中断，其有效最大中断天数为x，则其对x 反向衰减。

其中，有效最大中断天数 x 为连续中断两天及以上的有效中断的最大值。

根据步骤303中的计算方法可以得到使用者在执行所述健康行为目标的任一阶段的行为依从性得分

、健康行为M值总和、增益系数

与衰减系数

，所述步骤302中确定的健康行为目标进行比对，评估当前健康行为与所述目标的符合性。具体的比对方法为：根据

的区间范围确定当前使用者的健康行为是落后于所述健康行为目标、符合所述健康行为目标、和/或者高于所述健康行为目标。如针对一般健康人群，

在[0,0.25]，则为落后于相应的健康行为目标，无法达到相应的健康行为目标；

在[0.75,1]，则为高于所诉健康行为目标。需要说明的是，针对不同人群，比对过程中的取值会有所不同。

所述步骤4通过服务器将所述使用者当前的健康状态、健康行为目标、健康行为、以及三者的符合性数据输出给客户端，向使用者提供对应的解读和建议，帮助所述使用者有针对性地参与健康行为。

所述辅助自主健康的装置还包括服务器和客户端。所述客户端包括信息采集器和信息显示器。所述信息采集器，采集使用者的健康相关数据包括健康行为数据、健康目标数据。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相关数据分析计算，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

1.一种自主健康的辅助方法，其特征在于，包括如下步骤:

步骤1，将采集到的使用者的健康数据传送到服务器；

2.根据权利要求1所述的自主健康的辅助方法，其特征在于，所述个人健康综合评价算法包括：

步骤201，针对身体健康状况的风险因素赋分；

步骤202，分别计算主要疾病的风险得分Ri；

步骤203，计算主要疾病模型的标准化得分

步骤204，计算主要身体健康得分

其中n为所预测的疾病个数，i为选定的主要疾病个数；

步骤205，对所述使用者身体健康得分进行标准化。

3.根据权利要求1所述的自主健康的辅助方法，其特征在于，所述个人健康综合评价算法包括：

步骤211，确定生活方式风险量表；

步骤212，根据所述风险量表计算所述使用者的生活方式得分；步骤213，对所述使用者的生活方式得分进行标准化。

4.根据权利要求1所述的自主健康的辅助方法，其特征在于，所述个人健康综合评价算法包括：

步骤221，确定心理健康量表；

步骤222，计算所述使用者的心理健康基础分；

步骤223，对所述使用者的心理健康得分进行标准化。

5.根据权利要求1所述的自主健康的辅助方法，其特征在于，所述个人健康综合评价算法包括，步骤231计算所述使用者健康值总分，依据如下公示：

H=αH₁+βH₂+γH₃

其中，H₁、H₂、H₃分别代表身体健康得分、生活方式得分和心理健康得分；α、β、γ为各维度权重占比。

6.根据权利要求5所述的自主健康的辅助方法，其特征在于，α、β、γ分别为40%，45%和15%。

7.权利要求2所述的自主健康的辅助方法，其特征在于，所述身体健康状况的风险因素包括：年龄、性别、疾病史、家族史、手术用药史、是否吸烟、是否饮酒、身高体重、饮食习惯、运动习惯，以及安静血压、空腹血糖等健康信息。

8.权利要求3所述的自主健康的辅助方法，其特征在于，所述生活方式风险量表包括：体重、饮食、吸烟、饮酒、运动、睡眠和环境等健康信息。

9.权利要求4所述的自主健康的辅助方法，其特征在于，所述心理健康量表包括生活满意度、压力水平、睡眠质量和是否规律运动健康信息。

10.助自主健康的装置，其特征在于，包括根据权利要求1-9中任一项所述的自主健康的辅助方法的模块，还包括服务器和客户端。