CN114093518B - 一种基于肥胖度的糖尿病风险评估系统及评估方法 - Google Patents
一种基于肥胖度的糖尿病风险评估系统及评估方法 Download PDFInfo
- Publication number
- CN114093518B CN114093518B CN202210076661.7A CN202210076661A CN114093518B CN 114093518 B CN114093518 B CN 114093518B CN 202210076661 A CN202210076661 A CN 202210076661A CN 114093518 B CN114093518 B CN 114093518B
- Authority
- CN
- China
- Prior art keywords
- user
- sugar
- blood sample
- information
- risk
- 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.)
- Active
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
- G16H50/70—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)
- Medical Informatics (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明提供了一种基于肥胖度的糖尿病风险评估系统,包括收集平台、服务平台以及用户数据库;用户数据库包括基本信息库、血样信息库、高糖血样库、饮食库和运动库;收集平台包括软件采集模块和血样采集模块,软件采集模块与血样采集模块通讯连接;软件采集模块能够采集基本信息、饮食摄入信息以及运动信息,并将基本信息存储在基本信息库中,将饮食摄入信息存储在饮食库中,将运动信息存储在运动库中;血样采集模块用于采集血样信息。本发明还提供了基于肥胖度的糖尿病风险评估系统的评估方法。基于本发明的评估系统和评估方法能够对用户的血糖状态及时进行提醒,使用户能够获得较早的干预或治疗建议,能够有效避免因就医不及时导致的健康问题。
Description
技术领域
本申请涉及糖尿病风险评估技术领域,尤其涉及一种基于肥胖度的糖尿病风险评估系统及评估方法。
背景技术
根据现有技术研究数据显示,肥胖和糖尿病同属于代谢性疾病,肥胖与糖尿病发生密切相关。糖尿病发生的原因主要有胰岛β细胞功能的衰退和胰岛素抵抗,而胰岛素抵抗是导致肥胖的关键因素。肥胖患者由于体重超标,脂肪含量高,很容易产生胰岛素抵抗,胰岛素抵抗使体内的胰岛素不能发挥相应的降糖作用。由于胰岛素是体内唯一的降血糖激素,机体为控制血糖,必须提升胰岛β细胞分泌胰岛素的能力,增加胰岛素分泌,当增加胰岛素分泌依然不能使血糖回复正常时就会导致糖尿病,所以胰岛素抵抗是肥胖产生的根源之一,也是糖尿病发生很重要的原因。基于大量数据调查显示肥胖与糖尿病发生率正相关,从数据统计中可以看到,当体重超标时,糖尿病患者发病率呈现显著增加的趋势。
中国有世界上最多的糖尿病人口和最高的糖尿病发病率,2013年疾控中心的调查数据表明,在每不到10个人中就有一个糖尿病患者,超过35%的成年人血糖都高于正常值而处于糖尿病前提状态。一旦患上糖尿病就需要患者长期带药,面临巨大的治疗开销,甚至还会因为未能及时接受诊治而遭受并发症的折磨,目前研究显示,糖尿病如果得不到合理控制,还会造成心血管疾病、卒中的风险大幅增加。在过去20年间,我国15-49岁人口的糖尿病发病率增速超过了60%,而40岁以下的年轻糖尿病患者的血糖代谢能力下降更快,用药治疗率却更低,其原因在于很多人平时不会特意就医检查,通常只是在每年例行体检时进行一次空腹血糖检查,但是,空腹血糖检查可能会因为自身的敏感性不足,而导致很多人错过了早期干预的时机。因此,当前迫切需要一种能够全面评估和控制预防糖尿病,及时对用户的血糖状态进行提醒,并能够给出干预或治疗建议的产品。
发明内容
为了解决以上问题,本发明提供了一种基于肥胖度的糖尿病风险评估系统,包括收集平台、服务平台以及用户数据库,其中:
用户数据库包括基本信息库、血样信息库、高糖血样库、饮食库和运动库;
收集平台包括软件采集模块和血样采集模块,软件采集模块与血样采集模块通讯连接;
软件采集模块能够采集基本信息、饮食摄入信息以及运动信息,并将基本信息存储在基本信息库中,将饮食摄入信息存储在饮食库中,将运动信息存储在运动库中;
血样采集模块用于采集血样信息,血样信息包括检测日期、有效节点以及血糖值;
服务平台包括有效值判断模块、高糖判断模块、BMI模块和评估模块,其中,
有效值判断模块用于判断血样采集模块采集到的血样信息是否处于有效节点,若判断为是,则将血样信息存储在血样信息库中;
高糖判断模块用于判断血样信息库中的血糖值是否为高血糖,若判断为是,则设置血样信息为高糖血样信息,将高糖血样信息存储在高糖血样库中;
BMI模块能够根据用户的BMI得到对应的BMI肥胖系数P;评估模块通过高糖血样库中的高糖血样信息和用户的BMI肥胖系数P,获得用户的患病的风险度。
可选的,软件采集模块设置为移动设备上的应用程序;血样采集模块包括血糖测量仪,血糖测量仪包括采血针。
可选的,用户的基本信息至少包括年龄、身高、体重和服药情况;BMI=体重(kg)/身高²(m2)。
可选的,有效节点包括但不限于早餐前空腹、早餐后两小时、午餐后两小时、晚餐后两小时以及凌晨空腹。
进一步的,本发明还提供了一种基于肥胖度的糖尿病风险评估方法,使用上述糖尿病风险评估系统,糖尿病风险评估方法的步骤包括:
进一步的,在步骤S500中,包括评估关联时段和时隔阈值,评估关联时段包括两个以上的高糖日期,相邻的高糖日期之间的时间间隔不大于时隔阈值;设置A用户的评估关联时段包括连续个高糖日期,其中第个高糖日期为,;
将其带入对偶问题,可得:
而对偶问题是:
进一步的,在步骤S300中,根据需要的监测时间段,设置监测时间段内总共有个高糖日期,个高糖日期对应产生的个日高糖差值,设置高糖日期中的第个高糖日期为,对应的日高糖差值为,监测时间段内的平均BMI肥胖系数为;得到用户在监测时间段内患病风险度。
本发明的基于肥胖度的糖尿病风险评估系统和评估方法,能够对用户的血糖状态及时进行提醒,使用户能够获得较早的干预或治疗建议,能够有效避免因就医不及时导致的健康问题。
附图说明
为了更清楚地的说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见的,下面描述中的附图仅仅是本申请中记载的一些实施例,对于本领域技术人员来讲,还可以根据这些附图获得其他的附图。
图1为本发明优选实施例的基于肥胖度的糖尿病风险评估方法的步骤流程图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整的描述,显然,所描述的实施例是本发明的一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
为了解决对糖尿病风险评估问题,本实施例提供一种基于肥胖度的糖尿病风险评估系统、评估方法及健康推荐方法。
本实施例的基于肥胖度的糖尿病风险评估系统,包括收集平台、服务平台以及用户数据库,其中:用户数据库包括基本信息库、血样信息库、高糖血样库、饮食库和运动库。
收集平台用于收集用户的相关资料,收集平台包括软件采集模块和血样采集模块,软件采集模块设置为能够安装在移动设备上的应用程序,血样采集模块包括血糖测量仪,血糖测量仪包括采血针等采血设备,能够通过采血针采集的血样检测到血糖值。
软件采集模块能够用来采集用户的基本信息,包括姓名、性别、年龄、身高、体重、职业、病史、服药情况等 ,也能够通过软件采集模块收集到用户每日的饮食摄入信息以及运动信息。
将软件采集模块采集到的用户的基本信息存储在基本信息库中;采集到的饮食摄入信息记录在饮食库内,采集到的运动信息记录在运动库内。
软件采集模块与血样采集模块能够进行通讯连接,血样采集模块采集的血样信息包括检测日期、有效节点,以及血糖值,其中:
有效节点分布在检测日期的有效时段,可以根据自身需求在任一类有效节点进行检测,例如可以设置为5类有效节点,分别为早餐前空腹、早餐后两小时、午餐后两小时、晚餐后两小时以及凌晨空腹,在每个检测日期中这5类有效节点得到的血糖值都为有效,将有效节点检测的血样信息,通过软件采集模块上传到服务平台,保存在血样信息库中。
服务平台包括有效值判断模块、高糖判断模块、BMI模块,其中,有效值判断模块用于判断得到的血样信息是否是在有效节点进行检测,高糖判断模块用于判断收集平台采集有效节点的血糖值是否为高血糖值,若为高血糖值,将该高血糖值的血样信息存储在高糖血样库中。
BMI(Body Mass Index,身体质量指数),是目前国际上常用的衡量人体胖瘦程度以及是否健康的一个标准,具体计算方法为:BMI=体重(kg)/身高²(m2)。因此可以说,BMI的值能够代表肥胖程度,作为本实施例中糖尿病风险评估的重要指标,服务平台的BMI模块通过用户基本信息库中的基本信息(身高和体重),得到用户的BMI,同时,根据得到的BMI,能够得到该用户进行风险评估的肥胖系数P。例如,设置肥胖程度由轻到重依次为:当24<BMI≤26时,设置为初度肥胖,肥胖系数P=0.6;当26<BMI≤28时设置为中度肥胖,肥胖系数P=0.8;当28<BMI≤30时设置为重度肥胖,肥胖系数P=1.0;当BMI>30时为特重度肥胖,设置肥胖系数P=1.2。
优选的,参考图1,基于肥胖度的糖尿病风险评估方法的具体步骤包括:
服务平台中存储有根据A用户的基本身体数据情况得到的类有效节点中的第类有效节点的正常血糖阈值,当在检测日期的有效节点测量到的有效血糖值时,则有效血糖值对应的血样信息为高糖血样信息,其中,检测日期为高糖日期,高糖日期的有效节点为高糖节点;并将高糖数据、高糖日期以及对应的当日高糖节点储存在高糖数据库中。
例如:,A用户在高糖数据库中,首次高糖日期为2018年7月2日,最后一次高糖日期为2018年7月4日,其中,进行检测的有效节点为5类,分别是早餐前空腹、早餐后两小时、午餐后两小时、晚餐后两小时以及凌晨空腹;在7月2日,5个有效节点均发生高糖数据,形成的高糖差分别为2,3,2,4,2;得到7月2日的日高糖差值为13。在7月3日,有3个有效节点发生高糖数据,形成的高糖差分别为:3,2,2,;得到7月3日的日高糖差值为7。在7月4日,有4个有效节点发生高糖数据,形成的高糖差分别为 2,1,1,1;得到7月4日的日高糖差值为5,获得A用户在高糖日期7月2日-7月4日的BMI肥胖系数P为1.0,将血样数据和日期数据使用上述公式进行计算,从而得到用户患病的风险度为12.5。
其中,由于不同的人(不同年龄)在有效节点的正常血糖阈值也会不同,可以根据基本信息得到该用户个人的血糖差值。
在其他一些实施方式中,也可以由用户自身情况根据需要选择评估时间段,获得该评估时间段内患糖尿病的风险度;例如,B用户选择的用于评估的监测时间段为,在的监测时间段内总共有个高糖日期,个高糖日期对应产生的个日高糖差值,设置高糖日期中的第个高糖日期为,对应的日高糖差值为,监测时间段内的平均BMI肥胖系数为;得到用户在监测时间段内患病风险度。
具体方法为:
当得到A用户患病的风险度时,获取高糖数据库中A用户的评估关联时段和时隔阈值,评估关联时段包括两个以上的高糖日期,相邻的高糖日期之间的时间间隔不大于时隔阈值;设置A用户的评估关联时段包括连续个高糖日期,其中第个高糖日期为,;
具体算法为:
将其带入对偶问题,可得:
而对偶问题是:
SVM的目标函数为:
通过上述算法,输入用户的特征数据,比如【年龄,性别,BMI,职业、病史】,通过神经网络输出,设置得到用户的基本信息特征系数;例如,当输出为-1时,设置基本信息特征系数;当输出为0时,设置基本信息特征系数;当输出为1时,设置基本信息特征系数。
本发明的基于肥胖度的糖尿病风险评估系统和评估方法,能够对用户的血糖状态及时进行提醒,使用户能够获得较早的干预或治疗建议,能够有效避免因就医不及时导致的健康问题。
最后应说明的是: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的技术方案的精神和范围。
Claims (5)
1.一种基于肥胖度的糖尿病风险评估系统,包括收集平台、服务平台以及用户数据库,其特征在于:
所述用户数据库包括基本信息库、血样信息库、高糖血样库、饮食库和运动库;
所述收集平台包括软件采集模块和血样采集模块,所述软件采集模块与所述血样采集模块通讯连接;
所述软件采集模块能够采集基本信息、饮食摄入信息以及运动信息,并将所述基本信息存储在所述基本信息库中,将所述饮食摄入信息存储在所述饮食库中,将所述运动信息存储在所述运动库中;
所述血样采集模块用于采集血样信息,所述血样信息包括检测日期、有效节点以及血糖值;
所述服务平台包括有效值判断模块、高糖判断模块、BMI模块和评估模块,其中,所述有效值判断模块用于判断所述血样采集模块采集到的血样信息是否处于有效节点,若判断为是,则将所述血样信息存储在所述血样信息库中;
所述高糖判断模块用于判断所述血样信息库中的血糖值是否为高血糖,若判断为是,则设置所述血样信息为高糖血样信息,将所述高糖血样信息存储在所述高糖血样库中;
所述BMI模块能够根据用户的BMI得到对应的BMI肥胖系数P;所述评估模块通过所述高糖血样库中的高糖血样信息和用户的BMI肥胖系数P,获得用户的患病的风险度;
使用所述糖尿病风险评估系统进行患病风险度评估的步骤,具体为:
S200,已知k类有效节点中的第j类有效节点的正常血糖阈值当在检测日期的有效节点测量到的有效血糖值时,则有效血糖值对应的血样信息为高糖血样信息,其中,检测日期为高糖日期,高糖日期的有效节点为高糖节点;得到高糖节点的点高糖差值从而得到高糖日期的日高糖差值
S300,获取A用户的m个高糖日期高糖日期的m个日高糖差值以及A用户在高糖日期的BMI肥胖系数A用户在首次高糖日期产生的日高糖差值为在末次高糖日期产生的日高糖差值为设置高糖日期中的第i个高糖日期对应的日高糖差值为高糖日期的BMI肥胖系数为从而得到A用户患病的风险度
2.如权利要求1所述的基于肥胖度的糖尿病风险评估系统,其特征在于,所述软件采集模块设置为移动设备上的应用程序;所述血样采集模块包括血糖测量仪,所述血糖测量仪包括采血针。
3.如权利要求1所述的基于肥胖度的糖尿病风险评估系统,其特征在于,用户的所述基本信息至少包括年龄、身高、体重和服药情况。
4.如权利要求1所述的基于肥胖度的糖尿病风险评估系统,其特征在于, 所述有效节点包括但不限于早餐前空腹、早餐后两小时、午餐后两小时、晚餐后两小时以及凌晨空腹。
5.如权利要求3所述的基于肥胖度的糖尿病风险评估系统,其特征在于,所述BMI=体重(kg)/身高²(m2)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210076661.7A CN114093518B (zh) | 2022-01-24 | 2022-01-24 | 一种基于肥胖度的糖尿病风险评估系统及评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210076661.7A CN114093518B (zh) | 2022-01-24 | 2022-01-24 | 一种基于肥胖度的糖尿病风险评估系统及评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114093518A CN114093518A (zh) | 2022-02-25 |
CN114093518B true CN114093518B (zh) | 2022-04-26 |
Family
ID=80309276
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210076661.7A Active CN114093518B (zh) | 2022-01-24 | 2022-01-24 | 一种基于肥胖度的糖尿病风险评估系统及评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114093518B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8017324B1 (en) * | 2005-06-17 | 2011-09-13 | Centre National De La Recherche Scientifique | ENPP1 (PC-1) gene haplotype associated with the risk of obesity and type 2 diabetes and their applications |
CN102542146A (zh) * | 2010-12-30 | 2012-07-04 | 浙江大学 | 一种用于ⅱ型糖尿病健康生活管理的网络测评系统 |
WO2017073713A1 (ja) * | 2015-10-30 | 2017-05-04 | Necソリューションイノベータ株式会社 | 血糖値予測装置、血糖値予測方法及びコンピュータ読み取り可能な記録媒体 |
CN111145908A (zh) * | 2019-12-26 | 2020-05-12 | 糖医生健康管理南京有限公司 | 一种健康评估综合信息服务平台 |
CN111798992A (zh) * | 2020-07-11 | 2020-10-20 | 许昌学院 | 一种肥胖与非慢性传染病发病风险的分析方法及系统 |
CN111816294A (zh) * | 2012-07-09 | 2020-10-23 | 德克斯康公司 | 在连续葡萄糖监测中利用智能手机特征的系统和方法 |
CN113658704A (zh) * | 2021-09-17 | 2021-11-16 | 平安国际智慧城市科技股份有限公司 | 糖尿病风险预测设备、装置和存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10743813B2 (en) * | 2014-09-11 | 2020-08-18 | Rattan Nath | Diabetes control using postprandial feedback |
-
2022
- 2022-01-24 CN CN202210076661.7A patent/CN114093518B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8017324B1 (en) * | 2005-06-17 | 2011-09-13 | Centre National De La Recherche Scientifique | ENPP1 (PC-1) gene haplotype associated with the risk of obesity and type 2 diabetes and their applications |
CN102542146A (zh) * | 2010-12-30 | 2012-07-04 | 浙江大学 | 一种用于ⅱ型糖尿病健康生活管理的网络测评系统 |
CN111816294A (zh) * | 2012-07-09 | 2020-10-23 | 德克斯康公司 | 在连续葡萄糖监测中利用智能手机特征的系统和方法 |
WO2017073713A1 (ja) * | 2015-10-30 | 2017-05-04 | Necソリューションイノベータ株式会社 | 血糖値予測装置、血糖値予測方法及びコンピュータ読み取り可能な記録媒体 |
CN111145908A (zh) * | 2019-12-26 | 2020-05-12 | 糖医生健康管理南京有限公司 | 一种健康评估综合信息服务平台 |
CN111798992A (zh) * | 2020-07-11 | 2020-10-20 | 许昌学院 | 一种肥胖与非慢性传染病发病风险的分析方法及系统 |
CN113658704A (zh) * | 2021-09-17 | 2021-11-16 | 平安国际智慧城市科技股份有限公司 | 糖尿病风险预测设备、装置和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN114093518A (zh) | 2022-02-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103959291B (zh) | 基于具有自适应选择的核和正则化参数的正则化网络的葡萄糖预测器 | |
US7395158B2 (en) | Method of screening for disorders of glucose metabolism | |
Gonder-Frederick et al. | Self-measurement of blood glucose: accuracy of self-reported data and adherence to recommended regimen | |
AU2014233094B2 (en) | System and method to manage diabetes based on glucose median, glucose variability, and hypoglycemic risk | |
JP4891511B2 (ja) | 自己モニタリングデータから糖尿病の血糖管理を評価する方法、システム及びコンピユータプログラム製品 | |
US20040142403A1 (en) | Method of screening for disorders of glucose metabolism | |
KR102400740B1 (ko) | 사용자의 건강상태 모니터링 시스템 및 이의 분석 방법 | |
EP3822639A1 (en) | Healthcare management method | |
CN101785701B (zh) | 信息处理的装置、方法、设备及试剂载体 | |
CN112117004A (zh) | 一种基于多源医学数据的糖尿病风险预测模型 | |
CN113571180A (zh) | 基于c肽分层及脏器功能的2型糖尿病人工智能诊疗管理系统 | |
CN114093518B (zh) | 一种基于肥胖度的糖尿病风险评估系统及评估方法 | |
CN117577262A (zh) | 一种基于大语言模型技术的智能动态血压管理方法与系统 | |
CN117012392A (zh) | 高血压风险评估模型构建方法、膳食食疗及健康管理系统 | |
Taderegew et al. | Association of glycemic control and anthropometric measurement among type 2 diabetes mellitus: a cross-sectional study | |
CN116453641A (zh) | 一种中医辅助分析信息的数据处理方法及系统 | |
KR102418341B1 (ko) | 연속혈당 데이터를 이용한 당 관리 장치 및 그 방법 | |
Roy et al. | OBESEYE: Interpretable Diet Recommender for Obesity Management using Machine Learning and Explainable AI | |
CN117116462A (zh) | 一种糖化血红蛋白值的预测方法、系统及装置 | |
Volkov et al. | DiaMeter: a Mobile Application and Web Service for Monitoring Diabetes Mellitus | |
CN117153416B (zh) | 一种糖尿病筛查数据处理及管理系统 | |
US20220230751A1 (en) | Decision support system, and method in relation thereto | |
CN117672531A (zh) | 一种基于多参数的糖尿病风险评价系统 | |
Williams et al. | Preliminary analysis of sodium-lithium countertransport and blood pressure in Utah pedigrees | |
Kaufman et al. | Screening for Impaired Glucose Homeostasis: A Novel Metric of Glycemic Control |
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 |