CN114038534A - 认知症障碍综合干预个性化推送和自动化更新方法 - Google Patents
认知症障碍综合干预个性化推送和自动化更新方法 Download PDFInfo
- Publication number
- CN114038534A CN114038534A CN202111366347.4A CN202111366347A CN114038534A CN 114038534 A CN114038534 A CN 114038534A CN 202111366347 A CN202111366347 A CN 202111366347A CN 114038534 A CN114038534 A CN 114038534A
- Authority
- CN
- China
- Prior art keywords
- cognitive
- intervention
- user
- risk
- scheme
- 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
- 238000000034 method Methods 0.000 title claims abstract description 65
- 208000010877 cognitive disease Diseases 0.000 title claims abstract description 54
- 230000003930 cognitive ability Effects 0.000 claims abstract description 14
- 230000001149 cognitive effect Effects 0.000 claims description 83
- 235000005911 diet Nutrition 0.000 claims description 43
- 238000012549 training Methods 0.000 claims description 43
- 230000036541 health Effects 0.000 claims description 31
- 230000002526 effect on cardiovascular system Effects 0.000 claims description 26
- 235000012054 meals Nutrition 0.000 claims description 23
- 230000037213 diet Effects 0.000 claims description 22
- 230000000378 dietary effect Effects 0.000 claims description 21
- 206010020772 Hypertension Diseases 0.000 claims description 18
- 238000011156 evaluation Methods 0.000 claims description 17
- 208000028698 Cognitive impairment Diseases 0.000 claims description 12
- 230000036992 cognitive tasks Effects 0.000 claims description 11
- 230000006978 adaptation Effects 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 7
- 235000021004 dietary regimen Nutrition 0.000 claims description 7
- 238000000605 extraction Methods 0.000 claims description 7
- 235000001412 Mediterranean diet Nutrition 0.000 claims description 6
- 230000004913 activation Effects 0.000 claims description 6
- 230000002996 emotional effect Effects 0.000 claims description 6
- 230000003442 weekly effect Effects 0.000 claims description 6
- 239000000284 extract Substances 0.000 claims description 5
- 230000006870 function Effects 0.000 claims description 5
- 235000016709 nutrition Nutrition 0.000 claims description 5
- 230000035764 nutrition Effects 0.000 claims description 5
- 230000000007 visual effect Effects 0.000 claims description 5
- 208000024172 Cardiovascular disease Diseases 0.000 claims description 3
- 208000031226 Hyperlipidaemia Diseases 0.000 claims description 3
- 230000009471 action Effects 0.000 claims description 3
- 208000026106 cerebrovascular disease Diseases 0.000 claims description 3
- 206010012601 diabetes mellitus Diseases 0.000 claims description 3
- 230000001105 regulatory effect Effects 0.000 claims description 3
- 235000004251 balanced diet Nutrition 0.000 claims 2
- 206010027175 memory impairment Diseases 0.000 claims 1
- 230000000694 effects Effects 0.000 abstract description 9
- 230000006872 improvement Effects 0.000 abstract description 2
- 238000012423 maintenance Methods 0.000 abstract description 2
- 235000021196 dietary intervention Nutrition 0.000 description 12
- 239000003814 drug Substances 0.000 description 5
- 229940079593 drug Drugs 0.000 description 5
- 208000024827 Alzheimer disease Diseases 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 206010039966 Senile dementia Diseases 0.000 description 3
- 230000019771 cognition Effects 0.000 description 3
- 230000002265 prevention Effects 0.000 description 3
- 208000012902 Nervous system disease Diseases 0.000 description 2
- 208000025966 Neurological disease Diseases 0.000 description 2
- 230000033228 biological regulation Effects 0.000 description 2
- 210000004556 brain Anatomy 0.000 description 2
- 230000006999 cognitive decline Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 238000002560 therapeutic procedure Methods 0.000 description 2
- 206010012289 Dementia Diseases 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 230000003412 degenerative effect Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012954 risk control Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 230000001755 vocal 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
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/30—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to physical therapies or activities, e.g. physiotherapy, acupressure or exercising
-
- 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
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/60—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to nutrition control, e.g. diets
-
- 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
Landscapes
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Epidemiology (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Data Mining & Analysis (AREA)
- Biomedical Technology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biophysics (AREA)
- Physical Education & Sports Medicine (AREA)
- Nutrition Science (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明公开了认知症障碍综合干预个性化推送和自动化更新方法，包括用户信息输入、干预方案生成算法和反馈算法，本发明在算法的技术层面，与现有技术只能推送单一领域相比，首先本算法能够实现认知症的综合非药物干预，包括膳食营养、运动健康、认知训练和风险因素的管理。第二点，综合干预相比单一领域的效果有更大的增益效果。我们在社区超过300接受干预服务的实践案例表明，接受我们综合干预的老人，98％实现了认知能力的保持，80％实现认知能力的一定程度提升。
Description
技术领域
本发明涉及神经疾病技术领域，具体为认知症障碍综合干预个性化推送和自动化更新方法。
背景技术
老年认知症，如阿尔茨海默病，是一类拥有巨大患者群体的退行性神经疾病，Jia,L.,etal.(2020)研究表明，我国有超过5300认知障碍患者，其中包括1500万老年认知障碍患者和3800轻度认知障碍患者。且随着我国的老龄化发展，老年认知症的患者人群会急速上升。国家政府已经开始重视这个问题，2020年国家卫健委探索老年痴呆防治特色服务工作方案，方案明确指出到2022年，在试点地区初步形成全民关注老年痴呆、支持和参与防治工作的社会氛围，公众对老年痴呆防治知识的知晓率提高到80％。北京，上海，宁波等城市已经必定了认知症相关的政策和服务。
目前老年认知症还没有很好的解决方案，通过非药物的综合干预已经被认为有很好的预防作用。数字化的非药物干预，如数字疗法(DigitalTherapeutics，DTx)近几年再国际上兴起。包括美国食品药品监督管理局(FDA)在内的认证机构相继推出了数字医疗软件认证计划。美国的Cognifit和中国的六六脑是目前在认知症的评估和干预上相对领先的认知症数字疗法公司。
Cognifit和六六脑公开的资料表明，这两家公司都是利用计算机认知任务程序评估特定领域，包括精神运动功能、注意力、记忆、执行功能、言语学习和社会情感认知。以下测试可作为标准测试。然后，系统根据各项测试结果，为用户推荐对应认知训练任务，来帮助用户延缓对应认知能力的衰退。
然而，Cognifit和六六脑的数字化认知训练对认知症的干预服务而言，存在两大问题。首先是，具有良好效果的认知症的干预服务需要综合膳食，运动，认知训练和风险因素控制的综合干预服务，例如，Ngandu,T.,etal.(2015)在一项对2654名老人的非药物综合干预对照研究表明，综合的非药物对老年用户延缓认知衰退具有显著的作用。Cognifit和六六脑等公司仅仅通过电子化的认知干预对认知症的作用非常有限。第二方面，这两家公司为用户生成的干预算法，仅仅是通过有限的在线电子评估结果，而没有结合用户的身体参数和健康情况做完善的个性化。
发明内容
鉴于现有技术中所存在的问题，本发明公开了认知症障碍综合干预个性化推送和自动化更新方法，采用的技术方案是，包括用户信息输入、干预方案生成算法和反馈算法；所述用户信息输入包含用户健康信息和用户评估结果；所述干预方案生成算法包括膳食营养干预方案生成算法、运动健康干预方案生成算法、认知激活干预方案生成算法和风险管理方案生成算法；所述反馈算法为在用户完成干预方案以后，干预算法首先计算完成度和用户在特定任务上的反馈，将完成度和反馈信息返回干预方案生成模块，从而完成自适应调整。
作为本发明的认知症障碍综合干预个性化推送和自动化更新方法优选技术方案，所述用户健康信息包括用户年龄、学历、性别、身高、体重、心脑血管疾病、高血压、糖尿病、高血脂、记忆减退、抑郁状态和基因型，所述用户评估结果为用户做完专业量表得到的结果，包括总体认知风险状态、记忆力、注意力、视空间、言语功能、情绪状态和数理逻辑七个参数。
作为本发明的认知症障碍综合干预个性化推送和自动化更新方法优选技术方案，所述膳食营养干预方案生成算法包含提取膳食关键参数、选择膳食干预方案、膳食方案生成算法和生成膳食干预方案，所述提取膳食关键参数为提取用户健康信息中的性别、认知风险指数、心脑血管风险和高血压的参数，所述选择膳食干预方案为根据提取膳食关键参数中所提取的参数进行膳食方案M0的生成，所述膳食方案生成算法包含确定膳食方案M0、性别比例调整、评估员调整分量a、评估员调整比例P和新方案M2，所述生成膳食干预方案为根据确定的干预方案和参数，为用户生成一周具体膳食干预管理方案。
作为本发明的认知症障碍综合干预个性化推送和自动化更新方法优选技术方案，所述膳食方案MO分为均衡膳食、地中海膳食、DASH防升压膳食和MIND利脑膳食，所述无认知风险和无心脑血管风险或高血压则生成均衡膳食，所述有认知风险和无心脑血管风险或高血压则生成地中海膳食，所述无认知风险和有心脑血管风险或高血压则生成DASH防升压膳食，所述有认知风险和有心脑血管风险或高血压则生成MIND利脑膳食。
作为本发明的认知症障碍综合干预个性化推送和自动化更新方法优选技术方案，所述确定膳食方案M0为根据评估分类确定膳食方案，所述性别比例调整的公式为M1＝M0*Vi，所述评估员调整分量a为评估员调整最大分量ep的量a，所述评估员调整比例P的公式为P＝(ep+a)/ep，所述新方案M2的公式为M2＝M1*P，所述Vi为调整系数，即男性为1女性为0.8。
作为本发明的认知症障碍综合干预个性化推送和自动化更新方法优选技术方案，所述运动健康干预方案生成算法包含提取膳食关键参数、选择运动健康方案、运动任务推送算法和生成膳食干预方案，所述提取膳食关键参数为提取用户健康信息中的年龄、认知风险指数和心脑血管风险，所述选择运动健康方案包含标准训练量Ni、调节系数V、新训练量Ni和分配方法，所述运动任务推送算法包含任务风险难度指数X、认知风险C、用户年龄A、难度适应算法ω、用户难度等级K、运动任务出现概率Pi、用户偏好调节Pi和分配方法，所述生成膳食干预方案为根据确定的运动干预的大类和具体的干预任务，算法为用户生成一周具体膳食干预管理方案。
作为本发明的认知症障碍综合干预个性化推送和自动化更新方法优选技术方案，所述标准训练量Ni中包含耐力Nr、力量Ns、平衡Nb和灵活Nf，所述调节系数V为根据用户认知风险和心脑血管风险决定，分为耐力Vr和力量Vs(根据认知风险和心脑血管风险的评估值来确定耐力Vr和力量Vs的数值)，所述新训练量Ni包含耐力R，其计算公式为Nr*Vr、力量S，其计算公式为Ns*Vs、平衡B，其数值为8，和灵活F，其数值为8，所述分配方法为每个认知领域独立分配。
作为本发明的认知症障碍综合干预个性化推送和自动化更新方法优选技术方案，所述任务风险难度指数X为参考动作任务表，所述认知风险C包括优秀、正常、轻度、中度和重度(优秀＝1；正常＝0；轻度＝-1；中度＝-2；重度＝-3)，所述用户年龄A为18-64岁、65-74岁和大于或等于75岁(根据年龄分为18-64岁＝1：65-74＝0：≥75＝-1)，所述难度适应算法ω为通过公式计算出适应难度ω，所述用户难度等级K为通过公式计算出难度等级K，所述任务出现概率Pi为通过公式计算出任务出现概率Pi，所述用户偏好调节Pi为通过公式计算出用户偏好Pi，所述分配方法为根据每项任务出现概率随机抽取任务，并随机分配到一周。
作为本发明的认知症障碍综合干预个性化推送和自动化更新方法优选技术方案，所述认知激活干预方案生成算法包含提取膳食关键参数、认知域推荐方案、认知任务推荐算法和生成认知训练方案，所述提取膳食关键参数为提取认知风险指数和各项认知能力评估结果，所述选择认知训练方案包含标准配比Po、调节系数Vi、新配比Pi、训练总数N、训练个数Ni和分配方法，所述认知任务推荐算法包含标准推荐权重、新推荐权重Va、概率Pa和分配方法，所述生成认知训练方案为根据计算而得的每周认知训练量和具体认知任务的配比任务，算法为用户生成一周具体认知训练干预方案。
作为本发明的认知症障碍综合干预个性化推送和自动化更新方法优选技术方案，所述标准配比Po为各项认知能力评估结果的百分之占比(记忆力M为30％、视空间V为20％，灵敏性A为15％、数理逻辑K为15％、言语理解L为10％、情绪状态E为10％)，所述调节系数Vi为根据用户各认知域认知风险等级决定(优秀＝12，正常＝14，轻度＝18，中度＝24，重度＝24)，所述新配比Pi为通过公式计算新的配比Pi，所述训练总数N为根据用户总认知风险等级决定(优秀＝0.5，正常＝1，轻度＝2，中度＝3，重度＝3)，所述训练个数Ni为通过公式计算Ni，所述分配方法为每个认知域任务独立随机分配。
作为本发明的认知症障碍综合干预个性化推送和自动化更新方法优选技术方案，所述标准推荐权重为固定值1，所述新推荐权重Va为根据用户一级认知能力风险等级决定(优秀＝0.5，正常＝1，轻度＝2，中度＝3，重度＝3)，所述概率Pa为根据公式计算概率Pa，所述分配方法为系统根据相应认知域任务数抽取任务，然后随机分配到具体一天上
作为本发明的认知症障碍综合干预个性化推送和自动化更新方法优选技术方案，所述风险管理方案生成算法包含提取风因素关键参数、选择风险因素和生成风险因素方案，所述提取风因素关键参数为提取用户信息输入内的信息，所述选择风险因素为根据提取风因素关键参数所提取的参数根据不同的年龄段，评估各项风险因素的评分，所述生成风险因素方案为根据用户被评为有风险的因素，为用户推荐针对性的风险因素建议指南。
本发明的有益效果：本发明在算法的技术层面，与现有技术只能推送单一领域相比，首先本算法能够实现认知症的综合非药物干预，包括膳食营养、运动健康、认知训练和风险因素的管理。第二点，综合干预相比单一领域的效果有更大的增益效果。我们在社区超过300接受干预服务的实践案例表明，接受我们综合干预的老人，98％实现了认知能力的保持，80％实现认知能力的一定程度提升。
在社会效益方面，我们的全自动算法大大降低了基层操作人员的时间成本和技术门槛，使认知症的早期综合干预能够实现科学的管理和大规模的推广。在有认知症的患者和其家庭而言，老人可以尽早开始采取干预措施。研究表明在认知症前期的轻度认知下降阶段开始采取干预方案，能够降低50％认知症的发病率，有效延缓疾病发展，帮助家庭提前做好风险把控(如老人走失等情况)和资金预算。对于政府社会而言，系统算法统性改变现有社会健康保障体制中痴呆症患者早期评估和干预服务匮乏的局面。我们的系统构建起患者(及患者家属)，评估员(或医生)和干预服务商的数字化全联动平台。通过赋能社区组织，健康机构，来解决认知症早期评估和干预的问题。
附图说明
图1为本发明流程示意图；
图2为本发明选择运动健康方案的数据和算法；
图3为本发明运动任务推送算法的数据和算法；
图4为本发明认知域推荐方案的数据和算法；
图5为本发明认知任务推荐算法的数据和算法；
图6为本发明提取风因素关键参数的数据和算法；
图7为本发明18-59岁选择风险因素的数据和算法；
图8为本发明60-74岁选择风险因素的数据和算法；
图9为本发明大于75岁选择风险因素的数据和算法。
具体实施方式
实施例1
如图1至图9所示，本发明公开了认知症障碍综合干预个性化推送和自动化更新方法，采用的技术方案是，包括用户信息输入、干预方案生成算法和反馈算法；所述用户信息输入包含用户健康信息和用户评估结果；所述干预方案生成算法包括膳食营养干预方案生成算法、运动健康干预方案生成算法、认知激活干预方案生成算法和风险管理方案生成算法；所述反馈算法为在用户完成干预方案以后，干预算法首先计算完成度和用户在特定任务上的反馈，将完成度和反馈信息返回干预方案生成模块，从而完成自适应调整。
作为本发明的认知症障碍综合干预个性化推送和自动化更新方法优选技术方案，所述用户健康信息包括用户年龄、学历、性别、身高、体重、心脑血管疾病、高血压、糖尿病、高血脂、记忆减退、抑郁状态和基因型，所述用户评估结果为用户做完专业量表得到的结果，包括总体认知风险状态、记忆力、注意力、视空间、言语功能、情绪状态和数理逻辑七个参数。
作为本发明的认知症障碍综合干预个性化推送和自动化更新方法优选技术方案，所述膳食营养干预方案生成算法包含提取膳食关键参数、选择膳食干预方案、膳食方案生成算法和生成膳食干预方案，所述提取膳食关键参数为提取用户健康信息中的性别、认知风险指数、心脑血管风险和高血压的参数，所述选择膳食干预方案为根据提取膳食关键参数中所提取的参数进行膳食方案M0的生成，所述膳食方案生成算法包含确定膳食方案M0、性别比例调整、评估员调整分量a、评估员调整比例P和新方案M2，所述生成膳食干预方案为根据确定的干预方案和参数，为用户生成一周具体膳食干预管理方案。
作为本发明的认知症障碍综合干预个性化推送和自动化更新方法优选技术方案，所述膳食方案MO分为均衡膳食、地中海膳食、DASH防升压膳食和MIND利脑膳食，所述无认知风险和无心脑血管风险或高血压则生成均衡膳食，所述有认知风险和无心脑血管风险或高血压则生成地中海膳食，所述无认知风险和有心脑血管风险或高血压则生成DASH防升压膳食，所述有认知风险和有心脑血管风险或高血压则生成MIND利脑膳食。
作为本发明的认知症障碍综合干预个性化推送和自动化更新方法优选技术方案，所述确定膳食方案M0为根据评估分类确定膳食方案，所述性别比例调整的公式为M1＝M0*Vi，所述评估员调整分量a为评估员调整最大分量ep的量a，所述评估员调整比例P的公式为P＝(ep+a)/ep，所述新方案M2的公式为M2＝M1*P，所述Vi为调整系数，即男性为1女性为0.8。
作为本发明的认知症障碍综合干预个性化推送和自动化更新方法优选技术方案，所述运动健康干预方案生成算法包含提取膳食关键参数、选择运动健康方案、运动任务推送算法和生成膳食干预方案，所述提取膳食关键参数为提取用户健康信息中的年龄、认知风险指数和心脑血管风险，所述选择运动健康方案包含标准训练量Ni、调节系数V、新训练量Ni和分配方法，所述运动任务推送算法包含任务风险难度指数X、认知风险C、用户年龄A、难度适应算法ω、用户难度等级K、运动任务出现概率Pi、用户偏好调节Pi和分配方法，所述生成膳食干预方案为根据确定的运动干预的大类和具体的干预任务，算法为用户生成一周具体膳食干预管理方案。
作为本发明的认知症障碍综合干预个性化推送和自动化更新方法优选技术方案，所述标准训练量Ni中包含耐力Nr、力量Ns、平衡Nb和灵活Nf，所述调节系数V为根据用户认知风险和心脑血管风险决定，分为耐力Vr和力量Vs(根据认知风险和心脑血管风险的评估值来确定耐力Vr和力量Vs的数值)，所述新训练量Ni包含耐力R，其计算公式为Nr*Vr、力量S，其计算公式为Ns*Vs、平衡B，其数值为8，和灵活F，其数值为8，所述分配方法为每个认知领域独立分配。
作为本发明的认知症障碍综合干预个性化推送和自动化更新方法优选技术方案，所述任务风险难度指数X为参考动作任务表，所述认知风险C包括优秀、正常、轻度、中度和重度(优秀＝1；正常＝0；轻度＝-1；中度＝-2；重度＝-3)，所述用户年龄A为18-64岁、65-74岁和大于或等于75岁(根据年龄分为18-64岁＝1：65-74＝0：≥75＝-1)，所述难度适应算法ω为通过公式计算出适应难度ω，所述用户难度等级K为通过公式计算出难度等级K，所述任务出现概率Pi为通过公式计算出任务出现概率Pi，所述用户偏好调节Pi为通过公式计算出用户偏好Pi，所述分配方法为根据每项任务出现概率随机抽取任务，并随机分配到一周。
作为本发明的认知症障碍综合干预个性化推送和自动化更新方法优选技术方案，所述认知激活干预方案生成算法包含提取膳食关键参数、认知域推荐方案、认知任务推荐算法和生成认知训练方案，所述提取膳食关键参数为提取认知风险指数和各项认知能力评估结果，所述选择认知训练方案包含标准配比Po、调节系数Vi、新配比Pi、训练总数N、训练个数Ni和分配方法，所述认知任务推荐算法包含标准推荐权重、新推荐权重Va、概率Pa和分配方法，所述生成认知训练方案为根据计算而得的每周认知训练量和具体认知任务的配比任务，算法为用户生成一周具体认知训练干预方案。
作为本发明的认知症障碍综合干预个性化推送和自动化更新方法优选技术方案，所述标准配比Po为各项认知能力评估结果的百分之占比(记忆力M为30％、视空间V为20％，灵敏性A为15％、数理逻辑K为15％、言语理解L为10％、情绪状态E为10％)，所述调节系数Vi为根据用户各认知域认知风险等级决定(优秀＝12，正常＝14，轻度＝18，中度＝24，重度＝24)，所述新配比Pi为通过公式计算新的配比Pi，所述训练总数N为根据用户总认知风险等级决定(优秀＝0.5，正常＝1，轻度＝2，中度＝3，重度＝3)，所述训练个数Ni为通过公式计算Ni，所述分配方法为每个认知域任务独立随机分配。
作为本发明的认知症障碍综合干预个性化推送和自动化更新方法优选技术方案，所述标准推荐权重为固定值1，所述新推荐权重Va为根据用户一级认知能力风险等级决定(优秀＝0.5，正常＝1，轻度＝2，中度＝3，重度＝3)，所述概率Pa为根据公式计算概率Pa，所述分配方法为系统根据相应认知域任务数抽取任务，然后随机分配到具体一天上。
作为本发明的认知症障碍综合干预个性化推送和自动化更新方法优选技术方案，所述风险管理方案生成算法包含提取风因素关键参数、选择风险因素和生成风险因素方案，所述提取风因素关键参数为提取用户信息输入内的信息，所述选择风险因素为根据提取风因素关键参数所提取的参数根据不同的年龄段，评估各项风险因素的评分，所述生成风险因素方案为根据用户被评为有风险的因素，为用户推荐针对性的风险因素建议指南。
本发明的工作原理：输入用户标准的健康参数和评估结果。为用户生成的干预方案是基于用户的基本参数而制定的，输入用户真实的参数和客观的评估结果，能够帮助算法在一开始的时候为用户生成准确的干预方案，用户在执行干预方案的过程中，算法会根据用户的反馈精准调节干预方案的参数，使任务难度最接近用户的真实水平，让干预效果起到最优的效果。
本文中未详细说明的部件为现有技术。
上述虽然对本发明的具体实施例作了详细说明，但是本发明并不限于上述实施例，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下做出各种变化，而不具备创造性劳动的修改或变形仍在本发明的保护范围以内。
Claims (10)
1.认知症障碍综合干预个性化推送和自动化更新方法，其特征在于，包括用户信息输入、干预方案生成算法和反馈算法；所述用户信息输入包含用户健康信息和用户评估结果；所述干预方案生成算法包括膳食营养干预方案生成算法、运动健康干预方案生成算法、认知激活干预方案生成算法和风险管理方案生成算法；所述反馈算法为在用户完成干预方案以后，干预算法首先计算完成度和用户在特定任务上的反馈，将完成度和反馈信息返回干预方案生成模块，从而完成自适应调整。
2.根据权利要求1所述的认知症障碍综合干预个性化推送和自动化更新方法，其特征在于：所述用户健康信息包括用户年龄、学历、性别、身高、体重、心脑血管疾病、高血压、糖尿病、高血脂、记忆减退、抑郁状态和基因型，所述用户评估结果为用户做完专业量表得到的结果，包括总体认知风险状态、记忆力、注意力、视空间、言语功能、情绪状态和数理逻辑七个参数,所述膳食营养干预方案生成算法包含提取膳食关键参数、选择膳食干预方案、膳食方案生成算法和生成膳食干预方案，所述提取膳食关键参数为提取用户健康信息中的性别、认知风险指数、心脑血管风险和高血压的参数，所述选择膳食干预方案为根据提取膳食关键参数中所提取的参数进行膳食方案M0而生成，所述膳食方案生成算法包含确定膳食方案M0、性别比例调整、评估员调整分量a、评估员调整比例P和新方案M2，所述生成膳食干预方案为根据确定的干预方案和参数，为用户生成一周具体膳食干预管理方案。
3.根据权利要求2所述的认知症障碍综合干预个性化推送和自动化更新方法，其特征在于：所述膳食方案MO分为均衡膳食、地中海膳食、DASH防升压膳食和MIND利脑膳食，所述无认知风险和无心脑血管风险或高血压则生成均衡膳食，所述有认知风险和无心脑血管风险或高血压则生成地中海膳食，所述无认知风险和有心脑血管风险或高血压则生成DASH防升压膳食，所述有认知风险和有心脑血管风险或高血压则生成MIND利脑膳食,所述确定膳食方案M0为根据评估分类确定膳食方案，所述性别比例调整的公式为M1＝M0*Vi，所述评估员调整分量a为评估员调整最大分量ep的量a，所述评估员调整比例P的公式为P＝(ep+a)/ep，所述新方案M2的公式为M2＝M1*P，所述Vi为调整系数，即男性为1女性为0.8。
4.根据权利要求3所述的认知症障碍综合干预个性化推送和自动化更新方法，其特征在于：所述运动健康干预方案生成算法包含提取膳食关键参数、选择运动健康方案、运动任务推送算法和生成膳食干预方案，所述提取膳食关键参数为提取用户健康信息中的年龄、认知风险指数和心脑血管风险，所述选择运动健康方案包含标准训练量Ni、调节系数V、新训练量Ni和分配方法，所述运动任务推送算法包含任务风险难度指数X、认知风险C、用户年龄A、难度适应算法ω、用户难度等级K、运动任务出现概率Pi、用户偏好调节Pi和分配方法，所述生成膳食干预方案为根据确定的运动干预的大类和具体的干预任务，算法为用户生成一周具体膳食干预管理方案。
5.根据权利要求4所述的认知症障碍综合干预个性化推送和自动化更新方法，其特征在于：所述标准训练量Ni中包含耐力Nr、力量Ns、平衡Nb和灵活Nf，所述调节系数V为根据用户认知风险和心脑血管风险决定，分为耐力Vr和力量Vs，所述新训练量Ni包含耐力R，其计算公式为Nr*Vr、力量S，其计算公式为Ns*Vs、平衡B，其数值为8，和灵活F，其数值为8，所述分配方法为每个认知领域独立分配。
6.根据权利要求5所述的认知症障碍综合干预个性化推送和自动化更新方法，其特征在于：所述任务风险难度指数X为参考动作任务表，所述认知风险C包括优秀、正常、轻度、中度和重度，所述用户年龄A为18-64岁、65-74岁和大于或等于75岁，所述难度适应算法ω为通过公式计算出适应难度ω，所述用户难度等级K为通过公式计算出难度等级K，所述任务出现概率Pi为通过公式计算出任务出现概率Pi，所述用户偏好调节Pi为通过公式计算出用户偏好Pi，所述分配方法为根据每项任务出现概率随机抽取任务，并随机分配到一周。
7.根据权利要求6所述的认知症障碍综合干预个性化推送和自动化更新方法，其特征在于：所述认知激活干预方案生成算法包含提取膳食关键参数、认知域推荐方案、认知任务推荐算法和生成认知训练方案，所述提取膳食关键参数为提取认知风险指数和各项认知能力评估结果，所述选择认知训练方案包含标准配比Po、调节系数Vi、新配比Pi、训练总数N、训练个数Ni和配比方法，所述认知任务推荐算法包含标准推荐权重、新推荐权重Va、概率Pa和分配方法，所述生成认知训练方案为根据计算而得的每周认知训练量和具体认知任务的配比任务，算法为用户生成一周具体认知训练干预方案。
8.根据权利要求7所述的认知症障碍综合干预个性化推送和自动化更新方法，其特征在于：所述标准配比Po为各项认知能力评估结果的百分之占比，所述调节系数Vi为根据用户各认知域认知风险等级决定，所述新配比Pi为通过公式计算新的配比Pi，所述训练总数N为根据用户总认知风险等级决定，所述训练个数Ni为通过公式计算Ni，所述分配方法为每个认知域任务独立随机分配。
9.根据权利要求8所述的认知症障碍综合干预个性化推送和自动化更新方法，其特征在于：所述标准推荐权重为固定值1，所述新推荐权重Va为根据用户一级认知能力风险等级决定，所述概率Pa为根据公式计算概率Pa，所述分配方法为系统根据相应认知域任务数抽取任务，然后随机分配到具体一天上。
10.根据权利要求9所述的认知症障碍综合干预个性化推送和自动化更新方法，其特征在于：所述风险管理方案生成算法包含提取风因素关键参数、选择风险因素和生成风险因素方案，所述提取风因素关键参数为提取用户信息输入内的信息，所述选择风险因素为根据提取风因素关键参数所提取的参数根据不同的年龄段，评估各项风险因素的评分，所述生成风险因素方案为根据用户被评为有风险的因素，为用户推荐针对性的风险因素建议指南。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111366347.4A CN114038534A (zh) | 2021-11-18 | 2021-11-18 | 认知症障碍综合干预个性化推送和自动化更新方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111366347.4A CN114038534A (zh) | 2021-11-18 | 2021-11-18 | 认知症障碍综合干预个性化推送和自动化更新方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114038534A true CN114038534A (zh) | 2022-02-11 |
Family
ID=80144818
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111366347.4A Pending CN114038534A (zh) | 2021-11-18 | 2021-11-18 | 认知症障碍综合干预个性化推送和自动化更新方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114038534A (zh) |
-
2021
- 2021-11-18 CN CN202111366347.4A patent/CN114038534A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Price et al. | Learning and performance outcomes of mental health staff training in de-escalation techniques for the management of violence and aggression | |
| Kaipa et al. | A systematic review of treatment intensity in speech disorders | |
| CN102549590B (zh) | 为用户生成个性化锻炼程序的方法 | |
| Borges-Machado et al. | Effectiveness of multicomponent exercise interventions in older adults with dementia: a meta-analysis | |
| McGhee et al. | Quality-adjusted life years: population-specific measurement of the quality component. | |
| Jenkyn et al. | How much are we willing to pay to prevent a fall? Cost-effectiveness of a multifactorial falls prevention program for community-dwelling older adults | |
| Stevens et al. | Effectiveness of general practice-based physical activity promotion for older adults: systematic review | |
| CN102184314A (zh) | 面向偏差性症状描述的自动辅助诊断方法 | |
| CN113871015B (zh) | 用于提升认知的人机交互方案推送方法及系统 | |
| CN107391941A (zh) | 一种提高用药依从性的方法和系统 | |
| McTaggart-Cowan | Elicitation of informed general population health state utility values: a review of the literature | |
| Rose et al. | Enduring stress: A quantitative analysis on coping profiles and sport well-being in amateur endurance athletes | |
| Segura-Jimenez et al. | Where does the time go? Displacement of device-measured sedentary time in effective sedentary behaviour interventions: systematic review and meta-analysis | |
| CN114038534A (zh) | 认知症障碍综合干预个性化推送和自动化更新方法 | |
| CN114870191A (zh) | 基于人格差异的认知评估提升方法及系统 | |
| Badcock et al. | Assessing the clinical significance of treatment outcomes for distressing voices in routine clinical practice | |
| Ashburn et al. | Physiotherapy for people with Parkinson's disease in the UK: an exploration of practice | |
| JP7439914B2 (ja) | 予測装置、予測方法、及び、プログラム | |
| Vieira et al. | Exploring motivations to seek and undergo prosthodontic care: a cross-sectional study in a Brazilian adult sample | |
| Park et al. | The effect of social capital on health-related quality of life of residents in integrated Changwon city: Using the data of the 2013 community health survey | |
| Koh et al. | A meta-analysis on the effectiveness of sand play therapy in adults | |
| Boothroyd et al. | Adaptation-like effects in body weight attractiveness are not simply norm based | |
| CN110807606A (zh) | 一种基于大数据的智能自适应教育培训系统 | |
| Dieter et al. | Predicting outcomes within an innovative post-acute rehabilitation model for older adults | |
| Kartini | The Differences in Self-Medication Factors for Toddler Mothers Between Rural and Urban |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination |