CN114830250A - 生活方式评分系统和方法 - Google Patents

生活方式评分系统和方法 Download PDF

Info

Publication number
CN114830250A
CN114830250A CN202080087764.2A CN202080087764A CN114830250A CN 114830250 A CN114830250 A CN 114830250A CN 202080087764 A CN202080087764 A CN 202080087764A CN 114830250 A CN114830250 A CN 114830250A
Authority
CN
China
Prior art keywords
amount
sleep
output value
score
lifestyle
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
Application number
CN202080087764.2A
Other languages
English (en)
Inventor
D·普罗佐罗夫斯凯亚
M·D·梅赫尔斯
陈成
H·格林
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.)
Societe des Produits Nestle SA
Original Assignee
Societe des Produits Nestle SA
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 Societe des Produits Nestle SA filed Critical Societe des Produits Nestle SA
Publication of CN114830250A publication Critical patent/CN114830250A/zh
Pending legal-status Critical Current

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
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/70—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to mental therapies, e.g. psychological therapy or autogenous training
    • 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
    • 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
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/67—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for remote operation

Abstract

提供了一种用于评估个体生活方式的健康度的生活方式评分系统和方法。该系统和该方法基于身体活动评分、睡眠评分和饮食摄入评分来确定生活方式评分。该身体活动评分是个体每日执行的身体活动的量的测量结果。该睡眠评分是个体睡眠的持续时间的测量结果。该饮食摄入评分是个体饮食的健康度的测量结果，并且考虑了个体消耗的营养物质和能量的量。对该身体活动评分、该睡眠评分和该饮食摄入评分进行加权，以使这些评分对总体生活方式评分的影响相关连。可由可穿戴装置自动收集确定该身体活动测量结果和该睡眠测量结果的数据。

Description

生活方式评分系统和方法
背景技术
从全球来看，预期寿命正在增加，但活得更长久并不一定意味着活得非常健康。为了活得更长久且更健康，个人需要养成并保持更健康的习惯。更健康的习惯(诸如不吸烟、保持健康的体重、锻炼身体并坚持健康的饮食)显著地增加了预期寿命，并且可提高个人的增加的预期寿命的质量。健康的生活方式是改善身体、心理和社交方面健康的生活方式，降低了患有非传染性疾病(NCD)的风险，导致健康的老龄化并且最终有助于个人享受更多的生活层面。因此，个体需要正确的信息、足够的资源以及机会来实现健康的生活方式。
个体生活方式是复杂的，并且包括促进个体生活方式健康度的许多因素或生活方式组成部分。例如，这些生活方式组成部分可包括身体活动、饮食、吸烟、人体测量、饮酒、久坐行为、睡眠持续时间、社交支持和网络、睡眠质量、心肺适应性、心理健康应对策略、母乳喂养、社交状态、睡眠规律和食物不安全等等。有关多个生活方式组成部分的健康和不健康习惯的各种组合可对个体健康以及个体生活方式是否可被视为健康产生各种影响。
尽管保健专业人员、利益相关者、公共卫生组织以及甚至政府在不同国家试图促进更健康的习惯，但非传染性疾病(NCD)(诸如心血管疾病(CVD)、癌症和糖尿病)的发病率仍在全球范围内增长。这可能意味着世界人口的绝大部分正在养成不健康的习惯以及采用不良的生活方式选择。人类行为是内部刺激与外部刺激之间的复杂相互作用的结果。虽然人格特质和遗传特征发挥了作用，但生活经历、教育、社会和文化同样对我们的行为产生巨大影响。因此，需要能够处理这些相互作用并使个体增强信心以使其态度和行为朝向更健康的生活方式选择改变的公共卫生解决方案。
已经进行了许多有关健康和不健康习惯的各种组合对个体健康的影响的研究。在以下文献中研究了对饮食与身体活动的组合的影响：Dankel等人，身体活动和饮食对生活质量和死亡率的影响：满足一个特定行为或两个行为的重要性(Physical activity anddiet on quality of life and mortality:the importance of meeting one specificor both behaviors)，国际心脏病学杂志(International journal of cardiology)，202，第328-330页.(2016)。在以下文献中研究了对身体活动与久坐行为的组合的影响：Loprinzi,P.D.，客观测量的久坐行为和人体活动与健康相关生活质量的联合关联性(Joint associations of objectively-measured sedentary behaviour and physicalactivity with health-related quality of life)，预防医学报告(Preventivemedicine reports)，2，第959-961页(2015)。两个先前的研究均在健康相关生活质量(HRQOL)结果上进行测试，并且饮食或身体活动不与研究结果独立显著相关联。然而，对于身体活动与饮食的组合以及身体活动与久坐行为的组合，关联性是显著的。
根据身体适应性、人体测量与吸烟的组合，以及根据饮食、身体活动、人体测量、吸烟与饮酒的组合，仅(1)吸烟以及(2)吸烟、BMI与高级加工肉类的组合分别与两性的寿命相关联。Heir,T.、Erikssen,J.和Sandvik,L.，最初健康的中年男子的生活方式和寿命：前瞻性群组研究(Life style and longevity among initially healthy middle-aged men:prospective cohort study)，BMC公共卫生(BMC public health)，13(1)，第831页(2013)。Li,K.、Hüsing,A.和Kaaks,R.，40岁时的生活方式风险因素和剩余预期寿命：德国群组研究(Lifestyle risk factors and residual life expectancy at age 40:a Germancohort study)，BMC医学(BMC medicine)，12(1)，第59页(2014)。
对于吸烟者，当考虑饮食与身体活动的组合时，两者的组合与炎症显著相关联以及身体活动与炎症独立显著相关联。Loprinzi,P.D.和Walker,J.F.，吸烟者的身体活动和饮食与C反应蛋白的组合关联性(Combined association of physical activity anddiet with C-reactive protein among smokers)，糖尿病与代谢紊乱杂志(Journal ofDiabetes&Metabolic Disorders)，14(1)，第51页(2015)。
身体活动与BMI的组合与2型糖尿病以组合形式相关联并且独立相关联。Cloostermans,L.等人，身体活动与身体质量指数对2型糖尿病发展的独立效应和组合效应—9个前瞻性群组研究的荟萃分析(Independent and combined effects of physicalactivity and body mass index on the development of Type 2Diabetes–a meta-analysis of 9prospective cohort studies)，国际行为营养和身体活动杂志(International Journal of Behavioural Nutrition and Physical Activity)，12(1)，第147页(2015)。另外，肺功能与久坐行为与吸烟的组合以组合形式显著相关联并且独立显著相关联。Campbell Jenkins,B.W.等人，非裔美国人的吸烟与久坐生活方式对肺功能的联合效应：杰克逊心脏研究群组(Joint effects of smoking and sedentary lifestyle onlung function in African Americans:the Jackson Heart Study cohort)，国际环境研究与公共卫生杂志(International journal of environmental research and publichealth)，11(2)，第1500-1519页(2014)。
一种用于测量个体生活方式的方式是从基于人口的研究(诸如上文所描述的那些)导出生活方式暴露的健康影响，并且使生活方式暴露的不同组合与健康结果(诸如死亡率、NCD的发生率)或有关的健康相关生物标志物相关连。此外，作为众所周知且确立已久的健康影响因素的生活方式暴露可以使得最终生活方式评分将以剂量响应方式与健康结果相关连的方式进行评分。
然而，对个体生活方式进行评估和评分是复杂的。对生活方式的健康度进行评估和评分的复杂性至少部分是由于人类的行为并不总是一致而造成的。一些个体养成混合的健康和不健康习惯组合，并且这种组合可在个体生活期间改变。自我报告方法常常不会捕获生活方式的行为变化，因为自我报告通常不频繁进行。
一种用于将个体生活方式组成部分的组合提炼成生活方式评分的方式具有二分法评分系统，在该系统中，针对所考虑的每个生活方式组成部分创建二进制变量。例如，此方法可以基于特定生活方式组成部分的公共建议是满足(例如，健康＝1分)还是不满足(例如，不健康＝0分)。总生活方式评分可以是个体评分的每个二进制变量的未加权总和，并且截止值可被定义为被视为“健康”的值与被视为“不健康”的值。
另一种用于将个体生活方式组成部分的组合提炼成生活方式评分的方式具有定量离散变量。在此方法中，代替二分变量(例如，是或否)，每个生活方式组成部分可具有多于两个“健康度”或风险水平。每个水平之间的截止值可被设定指定的点值并且可与该点值相关联。总生活方式评分可以是点值的未加权总和，并且截止值可被定义为被视为“健康”的值与被视为“不健康”的值。例如，已开发简单生活方式风险评分(SLRS)来研究其与CVD的确立已久的生物风险因素的关联性。SLRS已如下进行开发：对于每个变量，为每个四分位点给予增加风险分。位于第四四分位点中的对象(例如针对烟草消费)接收最高风险分。因此，根据对象的值处于哪一个四分位点，每个变量可具有1分、2分、3分或4分。每个对象在四个生活方式指标中的每一者的四分位点中的排名用于生成从4分(风险更低)至16分(风险更高)范围内的全局生活方式风险评分。Lévesque,V.、Poirier,P.、Després,J.P.和Alméras,N.，简单生活方式风险评分与心血管疾病的确立已久的生物风险因素之间的关系(Relation Between a Simple Lifestyle Risk Score and Established BiologicalRisk Factors for Cardiovascular Disease)，美国心脏病学杂志(The Americanjournal of cardiology)，120(11)，第1939-1946页(2017)。
在另一个示例中，开发了针对非肥胖韩国成人的代谢综合征风险的自我评估评分。Lévesque,V.、Poirier,P.、Després,J.P.和Alméras,N.，简单生活方式风险评分与心血管疾病的确立已久的生物风险因素之间的关系(Relation Between a Simple LifestyleRisk Score and Established Biological Risk Factors for CardiovascularDisease)，美国心脏病学杂志(The American journal of cardiology)，120(11)，第1939-1946页(2017)。多变量逻辑回归模型系数(β系数)用于为每个变量类别分配评分。这导致：例如对于BMI，可能存在四种评分：对于BMI<21kg/m2，为0分；对于BMI介于21kg/m2<23kg/m2之间，为2分；对于BMI介于23kg/m2<24kg/m2之间，为3分；并且对于BMI介于24kg/m2<25kg/m2之间，为4分。最终评分将导致最大值13并且等于或大于7的评分将意味着代谢综合征的高风险。
另一种用于将个体生活方式组成部分的组合提炼成生活方式评分的方式是通过使用分配给相应生活方式组成部分的权重实现的。在此方法中，每个生活方式因素可根据其独立效应尺度来进行加权。例如，已开发健康生活方式评分(HLS)来了解其对女子心力衰竭风险的影响。Agha,G.、Loucks等人，健康生活方式与女子心力衰竭风险降低：女子健康倡议观察性研究(Healthy lifestyle and decreasing risk of heart failure in women:the Women's Health Initiative observational study)。美国心脏病学会杂志(Journalof the American College of Cardiology)，64(17)，第1777-1785页(2014)。每个二分生活方式因素首先根据其对心力衰竭风险的独立效应尺度(例如，针对其他二分生活方式因素调整的β系数)来进行加权。因此，对于未加权HLS，评分的范围为0至4，并且对于加权HLS，评分的范围为0至1.55。对于两种评分，更高的评分意味着更健康的生活方式。在另一个示例中，已开发健康行为评分(HBS)来了解其对癌症和心血管疾病死亡率风险的影响。Andersen,S.W.等人，健康行为对低收入美国人的死亡率的组合影响(Combined impact ofhealth behaviours on mortality in low-income Americans)，美国预防医学杂志(American journal of preventive medicine)，51(3)，第344-355页(2016)。所用的HBS加权评分针对五个健康行为水平调整整个群组之中的全因死亡率的风险估算。对于每个变量，参考组被分配零值，并且对于其他类别的变量，分估算值用作加权值。将权重求和并且按四分位点分组。使位于最高25％的评分中的个体处于四分位点1(例如，最不健康的生活方式)中，并且用作参考组以供比较。
然而，将个体生活方式提炼为单个评分以作为帮助个体提高他们行为的健康度的工具是一项技术挑战。个体生活方式是复杂的，并且包括在不同程度上促进个体生活方式健康度的许多因素或生活方式组成部分。因此，上述典型健康或生活方式评分方法具有许多缺点。例如，针对每个生活方式因素使用二分截止值来定义“健康”与“不健康”行为忽略了存在关于个体行为可如何健康或不健康的范围。因此，相较于个体行为按比例被评分为可接受的(例如，10分中的7分)等至最佳的(例如，10分中10分)的情况，个体行为最低限度超过截止值以被视为“健康”的个体可能不太主动地去进一步改善个体行为以变得更健康。一些典型评分方法的另一个缺点在于，当计算总体健康或生活方式评分时，将相等权重应用于每个生活方式组成部分。这些方法忽略了：某些生活方式组成部分对个体整体健康具有更大影响，并且因此应相应地进行加权以最准确地评估个体健康或生活方式。
一些典型评分方法的另一个缺点在于，依赖于自我报告来确定整体评分。例如，个体常常无法始终自我报告数据，并且因此评分方法可输出不够准确的评分，因为评分是用不够完整的数据集生成的。另外，一些典型的评分方法无法在计算中包括对个体健康具有重要影响的生活方式组成部分。因此，需要改善个体生活方式的健康度可被提炼成单个评分的方式的系统和方法，以帮助个体改善其行为的健康度。
发明内容
本公开提供了用于对个体生活方式的健康度进行评分的新的且创新的系统和方法。所提供的系统和方法基于确定身体活动评分、睡眠评分和饮食摄入评分来确定生活方式评分。身体活动评分是身体活动分段连续函数的输出值，其构建的方式有助于鼓励个体继续改善其行为以便达到身体活动的最小建议量。身体活动分段函数使用身体活动的量作为输入。例如，身体活动的量可以是所迈出的步伐的量。用于确定个体的身体活动的量的数据可由个体可穿戴装置(例如，具有加速器传感器的手表)自动收集。
睡眠评分是被构造成评估个体睡眠持续时间的分段连续函数的输出值。睡眠分段连续函数使用睡眠的量作为输入。在一些示例中，对于个体的单独年龄范围，睡眠评分的分段连续函数可以不同方式构造。用于确定个体睡眠持续时间的数据可由个体可穿戴装置(例如，具有加速器传感器的手表)自动收集。
该饮食摄入评分通过平均营养物质评分乘以能量评分确定。该平均营养物质评分是一组营养物质评分的平均值。该组的每个营养物质评分对应于特定营养物质，并且是对应于特定营养物质的分段连续函数的输出值。例如，不同的营养物质具有不同的健康消耗量或不健康消耗量，或具有不同的个体身体可耐受量。每个相应营养物质分段连续函数使用相应营养物质的量作为输入。用于确定个体营养物质消耗的数据可以基于个体输入的数据。
能量评分是分段连续函数的输出值，以用于评估个体消耗的能量的量(例如，卡路里)的健康度。能量分段连续函数使用能量的量作为输入。当确定饮食摄入评分时，平均营养物质评分乘以能量评分，以便更准确地反映个体消耗的能量对个体饮食摄入的健康度的重要性。用于确定个体能量消耗的数据可以基于个体输入的数据。
生活方式评分由身体活动评分、睡眠评分和饮食摄入评分的加权总和确定。可确定分配给相应评分中的每个评分的权重以反映每个评分对个体生活方式的整体健康度的重要性。可将生活方式评分的总范围分段成健康度的类别，使得个体可评估其生活方式的健康度。
附图说明
图1示出了根据本公开的方面的用于提供生活方式评分的示例性系统的框图。
图2示出了根据本公开的方面的示例性分段连续身体活动函数。
图3示出了例示个体可如何实现身体活动的最佳量的各种场景的图。
图4示出了比较不同评分系统的若干身体活动量的图表。
图5示出了根据本公开的方面的示例性分段连续睡眠函数。
图6A示出了根据本公开的方面的具有健康范围的营养物质的示例性分段连续营养物质函数。
图6B示出了根据本公开的方面的不具有摄入需求的营养物质的示例性分段连续营养物质函数。
图7示出了根据本公开的方面的示例性分段连续能量函数。
图8示出了根据本公开的方面的用于确定生活方式评分并致使其显示的示例性方法的流程图。
图9示出了与所提供的系统相比在四个系统的平均评分之间的比较。
图10示出了例示饮食和身体活动对健康相关生活质量(HRQOL)和全因死亡率的相对影响的图表。
图11和图12示出了针对各种生活方式变量比较位于每个相应绘图左侧的男子与位于每个相应绘图右侧的女子的绘图。
图13示出了例示比较位于每个相应绘图左侧的男子与位于每个相应绘图右侧的女子的不同健康结果分布的绘图。
具体实施方式
个体生活方式是复杂的，并且包括促进个体生活方式健康度的许多因素或生活方式组成部分。因此，将个人生活方式提炼为单个评分以作为帮助个体提高他们行为的健康度的工具是一项技术挑战。通过智能电话应用程序进行的大规模、低成本和长期健康干预是潜在的解决方案。例如，许多智能电话用户下载健康应用程序以跟踪其饮食或监测其体重、睡眠或锻炼。现代应用程序可访问关于由可穿戴设备收集的不同活动的数据或结合类似的传感器以生成数据并使用其帮助用户监测其习惯。现代可穿戴装置和具有足够传感器的一些智能手机应用程序不仅仅是用于监测消费者生活方式的有用工具，而且还是供研究人员评估和收集健康数据的有价值的手段。因为设备和应用程序被编程用于自动收集数据，所以这些设备和应用程序免除了必须依赖于个体记忆和意愿来报告其个人数据的数据收集偏差。通过使用可穿戴设备，不仅可以捕获连续且长期的生活方式组成部分暴露，而且还可以了解生活方式组成部分及其变化的不同组合如何跨个体生活过程影响健康。例如，生活方式行为的特定组合可能比其他组合更有害，这表明风险因素之间的协同关系。
据发现，用于判断个体生活方式的最常见生活方式因素是饮食、身体活动、BMI和其他人体测量、吸烟和饮酒。然而，并非所有这些生活方式因素都可由可穿戴装置自动捕获。另外，人体测量和适应性特性不一定是生活方式行为，但可被视为生活方式行为和其他因素(诸如遗传学)的结果。
因此，本公开提供了一种用于将个体生活方式提炼成单个评分的评分系统和方法，该评分系统和方法通过考虑个体的身体活动、睡眠持续时间和饮食摄入来改善用于对个体健康和/或生活方式进行评分的典型系统和方法。例如，所提供的评分系统和方法通过将个体行为提炼成多个分类行为健康度的范围和总体生活方式健康度的范围来改善二分评分系统。因此，向个体提供他们在确定要改善哪些行为或如何改善那些行为以便改善其生活方式的总体健康度时可使用的更多信息。另外，所提供的系统和方法可有助于提高个体的积极性以通过将评分分类为健康度水平而不是单个“健康”评分来继续提高个体行为的健康度。
本发明公开的生活方式评分系统和方法另外通过识别某些生活方式组成部分对个体生活方式的总体健康度的不平衡的重要性来改善定量离散变量评分方法。例如，权重被分配给包括在总体评分中的每个相应生活方式组成部分以最准确地描述每个组成部分的重要性。
所提供的评分系统和方法另外通过以下方式来改善多变量线性回归模型方法和将权重分配给单独组合部分的其他方法：(1)用可穿戴装置自动收集数据；(2)基于可由可穿戴装置测量的生活方式组成部分来确定生活方式评分；以及(3)将权重分配给所考虑的生活方式组成部分，这些权重反映了每个生活方式组成部分对个体生活方式的总体健康度的相对重要性。通过利用以上三个特性确定生活方式评分，所提供的生活方式评分系统和方法确定了比典型加权评分方法更准确地描述个体生活方式的健康度的生活方式评分。
因此，本发明公开的评分系统和方法提供了一种方便的自我监视工具，该工具自动收集数据并确定包括子评分的单个评分，以供个体用于跟踪其生活方式选择。另外，所提供的系统和方法在确定总体生活方式评分时将正评分归于健康行为并且将负评分归于不健康行为，使得个体朝向自我控制增强信心并且鼓励行为变化和/或保持。与依赖于个体自我报告的系统和方法相比，所提供的系统的(例如来自可穿戴装置的)自动数据收集使得能够更准确地描绘个体生活方式的健康度。
如本文所用，“约”、“大约”和“基本上”应理解为是指某一数值范围内的数字，例如该所提及数字的-10％至+10％的范围内，优选该所提及数字的-5％至+5％，更优选该所提及数字的-1％至+1％，最优选该所提及数字的-0.1％至+0.1％。
此外，本文中的所有数值范围都应理解为包含该范围内的所有整数或分数。另外，这些数值范围应理解为对涉及该范围内任何数字或数字子集的权利要求提供支持。例如，1至10的公开应理解为支持1至8、3至7、1至9、3.6至4.6、3.5至9.9等的范围。
如本文及所附权利要求所用，除非上下文另外明确规定，否则词语的单数形式包括复数。因此，提及“一个”、“一种”和“该”通常包括相应术语的复数形式。例如，提及“成分”或“方法”包括提及多种此类成分或方法。在“X和/或Y”的上下文中使用的术语“和/或”应解释为“X”或“Y”或“X和Y”。
与此类似，词语“包括/包含/含有(comprise)”、“包括/包含/含有(comprises)”和“包括/包含/含有(comprising)”都用于包含性而非排他性地解释。同样地，术语“包括/包含”和“或”都应当视为包含性的，除非上下文明确禁止这一解释。然而，本公开提供的实施方案可能不含本文未明确公开的任何要素。因此，使用术语“包括/包含/含有”限定的一个实施方案的公开内容，也是“基本上由所公开的组分组成”和“由所公开的组分组成”的多个实施方案的公开内容。本文采用的术语“示例”(尤其后跟一列术语时)，仅用于举例说明，而不应当被视为排他性的或全面的。本文所公开的任何实施方案可与本文所公开的任何其他实施方案结合，除非另有明确指示。
术语“营养物质”在本文中重复使用。在一些实施方案中，如本文所用的术语“营养物质”是指对身体具有有益效果的化合物，例如提供能量、生长或健康。该术语包括有机化合物和无机化合物。如本文所用，术语“营养物质”可包括例如常量营养物质、微量营养物质、必需营养物质、条件必需营养物质和植物营养物质。这些术语不一定相互排斥。例如，某些营养物质可根据特定分类体系或列表而被定义为常量营养物质或微量营养物质。
图1示出了根据本公开的方面的用于提供生活方式评分的示例性系统100的框图。示例性系统100包括生活方式评分系统102，该生活方式评分系统被配置为根据关于个体的各种输入数据确定个体的生活方式评分。生活方式评分系统102可包括处理器(例如，CPU106或任何其他类似设备)，该处理器与存储器104、显示器108、输入装置110、活动监视器112、身体活动计算器120、睡眠评分计算器130、饮食摄入评分计算器140和生活方式评分计算器150通信。在其他示例中，生活方式评分系统102的部件可在单独的装置或服务器上组合、重新布置、移除或设置。显示器108可以是用于呈现信息的任何合适的显示器，并且可以是触摸显示器。输入装置110可以是供个体提供输入数据的任何合适的机构，例如，膝上型计算机键盘、外围键盘(包括物理键盘和虚拟键盘)、外围鼠标/轨迹球、触控板、触摸屏等。
在一些示例中，生活方式评分系统102可从活动监视器112收集数据。例如，生活方式评分系统102可以是收集数据并确定生活方式评分的可穿戴装置(例如，手表)。在其他示例中，生活方式评分系统102可通过网络114收集从外部装置160发射的数据。例如，外部装置160可以是可穿戴装置，该可穿戴装置包括活动监视器162，该活动监视器收集数据并将数据发射到生活方式评分系统102，该生活方式评分系统确定生活方式评分并将生活方式评分发射到外部装置160以在显示器164上显示。显示器164可以是用于呈现信息的任何合适的显示器，并且可以是触摸显示器。网络114可包括例如互联网或一些其他数据网络，包括但不限于任何合适的广域网或局域网。活动监视器112和/或活动监视器162在使用时可自动收集个体的各种生物识别特征。例如，活动监视器112和/或活动监视器162可以是加速器传感器、心率监视器、呼吸监视器或其他合适的生物识别跟踪器中的一者或多者。由活动监视器112和/或活动监视器162收集的数据可对应于个体的身体活动的量(例如，步伐的量)或睡眠的量(例如，分钟)。
身体活动计算器120、睡眠评分计算器130、饮食摄入评分计算器140和生活方式评分计算器150中的每一者可通过由CPU 106执行的软件来实施。身体活动计算器120被配置为确定身体活动评分。身体活动可被定义为需要能量消耗的由骨骼肌肉产生的任何身体移动。在一些情况下，身体活动可以代谢当量(MET)进行测量。根据世界卫生组织(WHO)、美国运动医学学会(ACSM)和疾病控制中心(CDC)，每周实现最少150分钟的所有身体活动域中的中等强度(3MET-6MET)至高强度(>6MET)的活动的个体具有更低的心血管、代谢、癌症、肌肉骨骼和心理疾病发生率。这对应于≥600MET-分钟/周。另外，2天/周-3天/周的强度和平衡培训和2天/周的柔韧性训练将保持心肺、肌肉骨骼和神经运动适应性。身体活动是很难通过自我报告以及客观方法两者测量的行为，因为它是包含频率、强度、类型和持续时间的多维构建体。下表1示出了具有特定健康益处所需的身体活动的量的健康范围和所提供的生活方式评分系统的提出的身体活动健康范围。每个健康范围与健康结果有关联，并且提出的范围试图覆盖所有健康结果。每个健康范围具有最小、最大和最佳的身体活动量水平。
表1。
Figure BDA0003697768660000131
已经发现，来自官方资源的建议不提供最大的身体活动水平。然而，基于文献，在每周一定身体活动量之后，益处的回报越来越小。此外，某些人口可能存在一些风险。例如，对于易患心脏病的个体或者对于不习惯锻炼的个体，已建议大约430MET-分钟/天的益处阈值。
本发明公开的生活方式评分系统的所提供的身体活动健康范围采用来自官方建议的用于具有健康益处的最小值的值(即600MET-分钟/周)，并且还未限定身体活动的最大极限，因为尚未在健康成年人口中发现进行任何高水平的身体活动的风险。然而，个体将得到最大身体活动评分的最佳建议范围是基于从文献综述和官方建议检索的最佳范围的平均值。例如，下限最佳范围的平均值等于1425MET-分钟/周，其四舍五入成1500MET-分钟/周，并且上限最佳范围的平均值为2185MET-分钟/周，其四舍五入成2000MET-分钟/周。
身体活动评分是使用身体活动的量作为输入的分段连续身体活动函数的输出值。例如，身体活动的量可以个体迈出的步伐的量进行测量。例如，步伐的量可通过可穿戴装置中的加速器传感器来测量。图2示出了根据本公开的方面的示例性分段连续身体活动函数200。示例性身体活动函数200具有作为输入的身体活动的量202并且输出作为输出的身体活动评分204。身体活动函数200包括针对身体活动的量零202的输出值B(例如，0)。身体活动函数200还包括针对大于零且小于身体活动的最小建议量F的身体活动的量202的以比率206递增的输出值204。在各种情况下，增大的比率206是线性的。在一些示例中，身体活动的最小建议量F可对应于等于最大输出值E(例如，100)的一半的输出值C(例如，50)。
身体活动函数200还包括针对等于或大于身体活动的最小建议量F且小于身体活动的最佳量H的身体活动的量202的以比率208递增的输出值204。在各种情况下，增大的比率208是线性的。身体活动函数200还包括针对身体活动的最佳量H和大于身体活动的最佳量H的身体活动的量202的最大输出值E。换句话说，身体活动函数200包括针对等于或大于身体活动的最佳量H的输入值202的恒定最大输出值E。最大输出值E在示例性身体活动函数200的此部分处是恒定的，因为已经发现，高于身体活动的最佳量H的身体活动的量202提供微小的健康益处。因此，此类额外身体活动的量202不影响个体的身体活动评分。恒定最大输出值E在示例性身体活动函数200上由比率210指示。
另外，增大的比率206大于增大的比率208。增大的比率在比率206和比率208之间的变化可有助于使个体增强信心并鼓励向着更健康的行为进行行为变化。例如，生活方式低于身体活动的最小建议量F的个体将看到其身体活动评分在他们增大其身体活动的量202时比生活方式高于身体活动的最小建议量F的个体更快速地增大。身体活动评分的更快速增大可有助于个体朝向身体活动的最小建议量F努力，以更受鼓舞地感到自己正在经历进步，并且使他们不太可能放弃。相反，生活方式高于身体活动的最小建议量F的个体可能已经使身体活动成为其生活方式的一致部分，使得个体对其身体活动评分在个体朝向身体活动的最佳量H努力时更稳定地增大感到舒适。
在一些情况下，身体活动函数200在输出值C和最大输出值E之间的输出值204可分成两个类别。例如，身体活动函数200可包括对应于输出值D(例如，70)的身体活动的量G。在此类示例中，等于或大于身体活动的最小建议量F且小于身体活动的量G的身体活动的量202可被视为“最小建议量”，并且等于或大于身体活动的量G且小于身体活动的最佳量H的身体活动的量202可被视为“针对健康益处建议的量”。大于零且小于身体活动的最小建议量F的身体活动的量202可被视为“不建议的量”，并且等于或大于身体活动的最佳量H的身体活动的量202可被视为“针对最大健康益处建议的量”。
图3示出了例示个体可如何实现身体活动的最佳量的各种场景的图。通过参与来自如图3的示例中的4个域中的任何域的中等强度(3MET-6MET)和高强度(>6MET)的活动，个体可实现最佳健康身体活动范围(例如，1500MET-分钟/周-2000MET-分钟/周)。例如，为了实现1960MET-分钟/周或280Met-分钟/天，个体可以执行10分钟/天的爬楼梯、15分钟/天的步行、15分钟/天的园艺工作和10分钟/天慢跑。
图4示出了比较不同评分系统的若干身体活动量的图表。该图表示出了评分系统中的每个评分系统将如何对若干身体活动量进行评分。
睡眠评分计算器130被配置为确定睡眠评分。睡眠可被定义为对人类健康至关重要且为生命所需的与清醒交替发生的生理状态。足够的睡眠的量对心血管、代谢、心理和免疫健康以及人类行为表现、癌症、疼痛和死亡率具有有益的影响。然而，多个睡眠组织在其针对良好健康所需的睡眠的量的建议方面有所不同。一个提出的建议为7小时-9小时，其下限为6h，并且对于年轻成人(例如，18岁-25岁)，上限为11h，并且对于成人(例如，26岁-64岁)，上限为10h。另一个提出的建议为：对于所有成人(18岁-60岁)，最少7小时。下表2示出了在文献中已经发现的具有特定健康益处所需的睡眠的量的若干健康范围，以及当前公开的生活方式评分系统的提出的健康睡眠范围。
表2。
Figure BDA0003697768660000151
睡眠评分是使用睡眠的量作为输入的分段连续函数的输出值。图5示出了根据本公开的方面的示例性分段连续睡眠函数500。示例性睡眠函数500具有作为输入的睡眠的量502并且输出作为输出的睡眠评分504。示例性睡眠函数500包括针对小于低于睡眠的最小建议量N(例如，360分钟)的下限阈值M(例如，300分钟)的睡眠的量502的输出值504(例如，0)。在各种情况下，下限阈值M可以是睡眠的最小建议量N的特定百分比(例如，75％、81％、84％)，或者可以是小于睡眠的最小建议量N的特定时间量(例如，60分钟)。示例性睡眠函数500还包括针对大于下限阈值M且小于睡眠的最佳量的范围506的睡眠的量502的递增的输出值504。输出值504的增大的比率可以是线性的。睡眠的最佳量的范围506可以从睡眠的量O(例如，420分钟)跨越至睡眠的量P(例如，540分钟)。示例性睡眠函数500包括针对睡眠的最佳量的范围506内的睡眠的量502的最大输出值L(例如，100)。
示例性睡眠函数500还包括针对大于睡眠的最佳量的范围506且小于高于睡眠的最大建议量的上限阈值的睡眠的量502的递减的输出值504。在各种情况下，睡眠的最大建议量和高于其的上限阈值可以在某些年龄的个体之间有所不同。例如，针对年龄为26岁-64岁的个体的睡眠的最大建议量Q(例如，600分钟)可以小于针对年龄为18岁-25岁的个体的睡眠的最大建议量R(例如，660分钟)。在此类情况下，针对年龄为26岁-64岁的个体的上限阈值(其在例示的示例中等于睡眠的最大建议量R)小于针对年龄为18岁-25岁的个体的上限阈值S(例如，720分钟)。在各种情况下，相应上限阈值可以是高于相应睡眠的最大建议量Q和R的特定百分比(例如，8％、10％、12％)，或者大于相应睡眠的最大建议量Q和R的特定时间量(例如，60分钟)。在此类情况下，针对年龄为26岁-64岁的个体的输出值504的减小的比率508大于针对年龄为18岁-25岁的个体的输出值504的减小的比率510。减小的比率508和减小的比率510可以是线性的。另外，在各种示例中，睡眠的最小建议量N、睡眠的最大建议量Q和睡眠的最大建议量R中的每一者对应于等于最大输出值L(例如，100)的一半的输出值K(例如，50)。
因此，示例性睡眠函数500输出针对低于下限阈值和高于相应上限阈值的睡眠的量的最小睡眠评分。包括阈值会对在睡眠的最小建议量和睡眠的最大建议量之间的在健康睡眠范围之外的个体比对在健康身体活动范围之外的那些个体更强烈地罚分。这是因为睡眠是至关重要的并且影响整天的所有活动。另外，虽然任何身体活动胜过无身体活动，但同一道理并不适用于睡眠，并且因此，任何睡眠分钟数都不会以在达到身体活动的最佳量之前任何身体活动增大身体活动评分的方式增大睡眠评分。通过以此方式结构化示例性睡眠函数500，输出睡眠评分可有助于促进提高提供的生活方式评分系统的准确度和可靠性。
饮食摄入评分计算器140被配置为确定饮食摄入评分。例如，饮食摄入评分计算器140可根据国际公布WO2018/234083中公开的系统和方法确定饮食摄入评分，所述公布以引用方式并入本文。一般来讲，饮食摄入评分计算器140计算并显示在给定时间段内从如本文所识别的营养物质子组的加权平均值导出的饮食摄入评分。在一个示例中，选择该子组以便于跟踪，同时通过饮食准确地反映总体健康。然后将此平均值乘以能量评分。例如，能量评分可以是0至1的数字。另一个示例可以是0至100的数字。将非能量营养物质的加权平均值乘以能量评分即得到一种系统，在该系统中，对在健康卡路里范围外的卡路里摄入量罚分。在一些示例中，给予所有营养物质相等的权重，但在其他示例中，可为特定营养物质分配更高的权重以强调那些感兴趣的特定营养物质。另外，在一些示例中，提供24小时的时间段的饮食摄入评分，但在其他示例中可使用感兴趣的任何合适的时间段。
饮食摄入评分可例如基于多个参数来计算：(1)选择的营养物质列表；(2)适于个体的能量需求或能量目标；(3)根据当前饮食指南(针对给定国家/地区)针对每种营养物质的连续分段函数，从而将该营养物质的摄入量拟合成一般健康膳食模式；(4)固定的时间段；和/或(5)每种营养物质的权重。例如，可以以带有其相应量的所消耗食物列表的形式提供输入。输出可以是从0到最大值(例如，1或100)范围内的单个饮食摄入评分。
为了确定饮食摄入评分，饮食摄入评分计算器140被配置为基于多种营养物质来确定平均营养物质评分。图6A示出了根据本公开的方面的具有健康范围的营养物质的示例性分段连续营养物质函数600A。具有健康范围的营养物质在食用时(但仅在多达一定消耗量的情况下)提供健康益处。例如，具有健康范围的营养物质可包括碳水化合物、蛋白质、全脂肪、纤维、钙、钾、镁、铁、食物叶酸、维生素A、维生素C、维生素D和/或维生素E。示例性营养物质函数600A具有作为输入的营养物质的量602并且输出作为输出的营养物质评分604。示例性营养物质函数600A包括针对营养物质的量零的最小输出值U(例如，0)。营养物质函数600A还包括针对等于或大于下限营养物质阈值W且小于营养物质的健康量的范围606的营养物质的量602的(例如，线性地)递增的输出值604。针对特定营养物质的下限营养物质阈值W是相对于该营养物质的消耗不足的容差确定的。在一些情况下，下限营养物质阈值W可以等于营养物质的量零。营养物质的健康量的范围606可为从营养物质的量X到营养物质的量Y的范围。健康量的范围606内的营养物质的量602对应于最大输出值V(例如，100)。
示例性营养物质函数600A还包括针对大于健康量的范围606且小于上限营养物质阈值Z的营养物质的量602的(例如，线性地)递减的输出值604。等于或大于上限营养物质阈值Z的营养物质的量602可以等于最小输出值U(例如，0)。针对特定营养物质的上限营养物质阈值Z是相对于该营养物质的消耗不足的容差确定的。在一些示例中，下限营养物质阈值W和上限营养物质阈值Z相比于健康量的范围606是对称的，如图所示。在各种其他示例中，下限营养物质阈值W和上限营养物质阈值Z相比于健康量的范围606是不对称的。示例性营养物质函数600A在下文中在公式1中被定义为S(x)，其中x是以其正确的测量单位表示的营养物质的量。示例性营养物质函数600A为：
Figure BDA0003697768660000191
在各种实施方案中，以上公式1中的“x”不需要指营养物质。具体地讲，在一些示例中，“x”可表示来自特定食物类群的食物的量或体积(例如，3份水果或3杯水果)、食物类群中特定种类食物的量(例如，3克深绿色蔬菜)、特定食物产品的量(例如，0.5个汉堡包)、维生素补充剂的量。在其他示例中，“x”表示不同种类消费品的量，诸如来自一个“食物类别”的所消耗食物的量。选择用于确定饮食摄入评分的每种营养物质具有其自己特定于该营养物质的健康摄入范围的对应分段连续函数。例如，鉴于k种营养物质的列表：n1,n2,…,nk，其中的每一者将对应于函数Si(x)，全部都由此公式(即公式(1))定义，但针对相应营养物质的量W、X、Y和Z具有不同的值。
与具有健康范围的营养物质相比，一些营养物质不具有最小建议量，使得不消耗任何具体营养物质是有利的，并且唯一不利的场景是消耗过多的营养物质。换句话说，个体不需要任何量的这些营养物质，但在其饮食中可耐受一定的量。这在例如钠、饱和脂肪或添加的糖的情况下发生。图6B示出了根据本公开的方面的不具有摄入需求的营养物质的示例性分段连续营养物质函数600B。示例性营养物质函数600B具有作为输入的营养物质的量610，并且输出作为输出的营养物质评分612。示例性营养物质函数600B包括针对健康量的范围614内的营养物质的量的最大输出值HH(例如，100)。在不具有摄入需求的营养物质的方面，健康量的范围614对应于个体在其饮食中可耐受的营养物质的量。健康量的范围614可为从营养物质的量零到营养物质的量JJ的范围。示例性营养物质函数600B还包括针对大于健康量的范围614且小于上限营养物质阈值KK的营养物质的量610的(例如，线性地)递减的输出值。相对于营养物质过度消耗的容差来确定上限营养物质阈值KK。大于上限营养物质阈值KK的营养物质的量610对应于最小输出值612(例如，0)。示例性营养物质函数600B可由公式2表示如下：
Figure BDA0003697768660000201
在另一个示例中，对于一些营养物质，本发明公开的系统可分配无穷的量JJ或定义无穷的上限健康范围值以便指示特定营养物质的过度消耗是无害的。也就是说，在此类示例中，营养物质函数输出针对消耗的全部营养物质的量610的最大输出HH。在另一个示例中，针对未消耗营养物质(诸如图6B的示例性营养物质(其中给定饮食实际上不需要任何营养物质))的营养物质评分小于最大输出但大于当时最小输出。也就是说，虽然不消耗特定营养物质将不会输出完全潜在评分(例如，100)，但不需要该营养物质的事实意味着不消耗该营养物质仍将对提高的评分有积极贡献。
除了确定针对被考虑的营养物质中的每种营养物质的营养物质评分之外，饮食摄入评分计算器140还被配置为计算营养物质评分的平均值。饮食摄入评分计算器140还可被配置为确定能量评分，并且还可被配置为基于平均营养物质评分和能量评分来确定饮食摄入评分。
能量本身根据与图6A所示类似的函数进行评分。具体地，图7示出了根据本公开的方面的示例性分段连续能量函数700。示例性能量函数700具有作为输入的能量的量702，并且输出作为输出的能量评分704。示例性能量函数700包括针对能量的量零的最小输出值LL(例如，0)。能量函数700还包括针对等于或大于下限能量阈值NN且小于能量的健康量的范围706的能量的量702的(例如，线性地)递增的输出值704。在一些情况下，下限能量阈值NN可以等于能量的量零。能量的健康量的范围706可为从能量的量OO到能量的量PP的范围。健康量的范围706内的能量的量702对应于最大输出值MM(例如，1)。
示例性能量函数700还包括针对大于健康量的范围706且小于上限能量阈值QQ的能量的量702的(例如，线性地)递减的输出值704。等于或大于上限营养物质阈值QQ的能量的量702可等于最小输出值LL(例如，0)。使用医学研究院(IOM)公式计算在以下公式3中反映的估算能量需求或“EER”。
例如，对于平均身高和体重分别为162.9cm和78.5Kg(CDC)的久坐40岁女士来说，估算能量需求将为约1,000Kcal。需注意，对于该女士，基础代谢率(“BMR”)将为约1,442Kcal。因此，1,000Kcal不是可持续的卡路里摄入量。在这种情况下，卡路里的下限比目标能量摄入量少10％。在其他实施方案中，卡路里的下限可以是其他百分比，诸如介于15％至50％之间，具体取决于一个人准确地输入一个时间段期间消耗的能量的能力。目标能量摄入量是估算能量消耗，例如，对于上述久坐40岁女士，IOM提供2033Kcal/天，因此健康范围的下限将是1830Kcal/天。函数如下所示，其中首字母缩略词“EER”代表估算能量需求：
Figure BDA0003697768660000211
生活方式评分计算器150被配置为至少基于身体活动评分、睡眠评分和饮食摄入评分来确定生活方式评分。生活方式评分系统102的处理器可被配置为致使生活方式评分的表示显示在生活方式评分系统102的显示器108上。
图8示出了根据本公开的方面的用于确定生活方式评分并致使其显示的示例性方法800的流程图。虽然参考图8所示的流程图描述了示例性方法800，但应当理解，可使用执行与方法800相关联的动作的许多其他方法。例如，一些框的次序可改变，某些框可与其他框组合，并且所描述的一些框为任选的。方法800可由处理逻辑执行，该处理逻辑可包括硬件(电路、专用逻辑等)、软件或两者的组合。
示例性方法800包括确定身体活动评分(框802)。例如，外部装置160(例如，手表)的活动监视器162(例如，加速器传感器)可捕获个体的加速数据。在一些示例中，捕获了针对二十四小时的加速数据。在其他示例中，活动监视器162捕获针对更多或更少的时间的加速数据。活动监视器162然后可将加速数据发射到生活方式评分系统102(例如，具有下载应用程序的智能手机)。身体活动评分计算器120可根据捕获的加速数据确定身体活动的量。在一些示例中，身体活动的量可以MET-分钟/天为单位。然后，身体活动评分计算器120可将确定的身体活动的量输入到身体活动函数200中以获得输出身体活动评分(例如，80)。可将身体活动评分分段成指示个体身体活动习惯的健康度的多个类别。例如，下表3示出了身体活动评分的四个类别和这些类别如何指示个体身体活动习惯。
表3。
描述 MET-分钟/周 MET-分钟/天 评分
不建议的量 <600 <86 <50
最小建议量 600至<960 86至<137 50-69
针对健康益处建议的量 960至<1500 137至<214 70-99
针对最大健康益处建议的量 ≥1500-2000 ≥214-286 100
示例性方法800还包括确定睡眠评分(框804)。例如，活动监视器162可在个体睡眠时捕获个体的加速数据。活动监视器162可将加速数据发射到生活方式评分系统102。睡眠评分计算器130可使用加速数据来确定个体睡眠多长时间、睡眠的量(例如，分钟)，并且可访问存储个体的年龄(例如，35)的存储器104中的数据。例如，个体可已使用输入装置110(例如，智能手机上的虚拟键盘)输入个体年龄。然后，睡眠评分计算器130可将确定的睡眠的量输入到对应于个体年龄的睡眠函数500中以获得输出睡眠评分(例如，100)。可将睡眠评分分段成指示个体睡眠持续时间的健康度的多个类别。例如，小于50的睡眠评分可被视为不健康。
示例性方法800还包括确定针对选择的每种相应营养物质的营养物质评分(框806)。例如，个体可使用输入装置110将包括一定量的每种食物的食物列表输入到生活方式评分系统102中。饮食摄入评分计算器140可访问存储在存储器104中的有关个体输入的食物中的每种食物的信息，以确定存在的营养物质(例如，碳水化合物、蛋白质和添加的糖)和每种营养物质的量。饮食摄入评分计算器140还可从存储器104访问存在的每种相应营养物质的相应营养物质函数600A、600B。在存在的相应营养物质的量的情况下，饮食摄入评分计算器140可将量输入到相应营养物质函数600A、600B中以获得针对相应营养物质的输出营养物质评分。饮食摄入评分计算器140可针对每种相应营养物质重复此过程。例如，饮食摄入评分计算器140可获得针对碳水化合物的营养物质评分100、针对蛋白质的营养物质评分20和针对添加的糖的营养物质评分零。在计算针对每种相应营养物质的营养物质评分之后，饮食摄入评分计算器140可计算营养物质评分的平均值(例如，40)。
示例性方法800还包括确定能量评分(框808)。例如，个体可使用输入装置110将包括一定量的每种食物的食物列表输入到生活方式评分系统102中。饮食摄入评分计算器140可访问存储在存储器104中的有关个体输入的食物中的每种食物的信息，以确定个体消耗的卡路里的量。饮食摄入评分计算器140还可在存储器104中访问个体的EER。例如，个体可具有先前输入到生活方式评分系统102中的个体特性，这使得饮食摄入评分计算器140能够使用IOM公式计算个体EER并将个体EER存储在存储器104中。饮食摄入评分计算器140可将食物信息和个体EER输入到能量函数700中以获得输出能量评分(例如，0.8)。
示例性方法800还包括确定饮食摄入评分(框810)。饮食摄入评分计算器140可将计算的平均营养物质评分(例如，40)乘以能量评分(例如，0.8)以确定饮食摄入评分(例如，32)。可将饮食摄入评分分段成指示个体饮食摄入的健康度的多个类别。例如，小于40的饮食摄入评分可被视为不健康。典型的方法已表明，如果与所有营养物质一起取平均值，则能量对总饮食摄入评分的影响很小。实际上，平均计入评分的营养物质越多，能量对总体平均值的影响就越小。本发明公开的方法800替代地将能量包括在饮食摄入评分内，不是作为另一种营养物质来求平均，而是作为乘数反映其对整体评分的重要性。因此，方法800可提供比无法准确反映所消耗的能量的量的重要性的典型方法更可靠且准确地表示个体饮食摄入量的评分。
示例性方法800还包括确定生活方式评分(框812)。在一些情况下，生活方式评分可以按0至100的范围进行。例如，生活方式评分计算器150可通过计算身体活动评分(例如，80)、睡眠评分(例如，100)和饮食摄入评分(例如，32)的加权总和来确定生活方式评分。在各种示例中，应用于身体活动评分的权重为0.3，应用于睡眠评分的权重为0.2，并且应用于饮食摄入评分的权重为0.5，以确定生活方式评分(例如，60)。可将生活方式评分分段成多个类别，以向个体指示其生活方式如何健康，使得个体可对其生活方式进行调整并监测其生活方式评分。例如，可以将90-100范围内的生活方式评分指定为最佳生活方式评分，并且可将小于90的生活方式评分指定为需要改善。通过将介于90-100之间的生活方式评分指示为最佳并且对组成部分进行加权(如在上述示例中)，这确保如果个体的身体活动评分、睡眠评分和饮食摄入评分中的一者指示个体生活方式的相应方面不健康，则个体无法获得最佳生活方式评分。
例如，如果个体的身体活动评分为100、其睡眠评分为49(这是不健康的)并且其饮食摄入评分为100，则个体的生活方式评分为89.8(例如，(100*0.3)+(49*0.2)+(100*0.5))，其小于最佳生活方式范围。在另一个示例中，如果个体的身体活动评分为49(这是不健康的)、其睡眠评分为100并且其饮食摄入评分为100，则个体的生活方式评分为84.7(例如，(49*0.3)+(100*0.2)+(100*0.5))，其小于最佳生活方式范围。在另一个示例中，如果个体的身体活动评分为100、其睡眠评分为100并且其饮食摄入评分为39(这是不健康的)，则个体的生活方式评分为69.5(例如，(100*0.3)+(100*0.2)+(39*0.5))，其小于最佳生活方式范围。
在其他示例中，可对小于90的生活方式评分进行进一步分段。例如，对于介于75-89之间的生活方式评分，类别为“良好”；对于介于60-75之间的生活方式评分，类别为“平均”；以及对于小于60的生活方式评分，类别为“建议改善”。
示例性方法800还包括致使生活方式评分显示(框814)。例如，生活方式评分系统102的处理器可致使生活方式评分的表示(例如，图形图像)显示在显示器108上。在一些示例中，表示可以是被分段以包括对应于生活方式评分的每个组成部分(即身体活动、睡眠和饮食摄入)的部分的圆环形图形表示。每个部分可以与其促进总体生活方式评分的量成比例地定大小。在一些情况下，表示还可包括对应于特定生活方式评分的指示，诸如针对在90-100范围内的生活方式评分的指示“最佳”。
在各种其他示例中，本发明公开的系统和方法可包括评估另外的生活方式组成部分。在一个示例中，评估的生活方式组成部分可包括久坐习惯，诸如对个体健康有害的总计和/或连续久坐时间。在另一个示例中，生活方式组成部分可包括压力，诸如基于个体测量心率来确定压力水平。
评估生活方式组成部分组合的健康影响的典型方法对每个生活方式组成部分进行相等加权。然而，这种方法假设每个生活方式组成部分对健康结果具有相同的效应尺度，这可能导致在组合许多生活方式因素时进行错误分类。因此，所提供的系统和方法可将权重分配给每个组成部分，以便更准确地反映每个组成部分对个体生活方式的健康度的尺度。在各种示例中，与睡眠相比，为饮食和身体活动分配更多权重，因为这些是确立已久且长期接受的风险因素。可将更少的权重归于睡眠评分，这不仅因为睡眠评分仍然是新出现的风险因素，而且基于睡眠质量可能起到重要作用的知识。因此，在睡眠质量包括在睡眠评分中的各种示例中，归于睡眠评分的权重可被增大。然而，在睡眠评分仅基于睡眠持续时间的示例中，归于睡眠评分的权重可能更小。这不会致使睡眠组成部分不太重要。事实上，这种更小的权重通过睡眠评分具有更小健康范围来实现最大睡眠评分的事实来补偿。
图9示出了与所提供的系统相比在四个系统的平均评分之间的比较。所提供的系统的评分不同于其他四个系统，但仍落入健康与不健康的相同类别中。
另外，某些发现有助于支持针对饮食的所提供的更高权重。例如，如图10所示，进行锻炼但具有不健康饮食从长远来看可能比不进行锻炼但具有健康饮食更有害(当与死亡率结果相关连时)。这不会当它们与HRQOL相关连时发生。仅当不进行锻炼与不健康饮食组合时，存在统计意义上显著的相关性。这意味着：从长远来看，身体活动无法掩盖不良饮食。因此，本发明公开的系统和方法通过对饮食比对其他生活方式组成部分更高地加权来提供个体生活方式健康度的更准确的表示。
所提供的系统和方法已基于一组个体进行验证。在下表4中示出了具有关于暴露和结果(n＝45)的完整数据(对于每个变量，存在至少5个测量点，除针对每一者的血液测试之外，考虑了仅两个测量结果)的参与者的人口统计特性。男子(n＝14，平均年龄＝42.5岁))比女子(n＝31，平均值＝39岁)年龄略大以及具有比女子(23.0kg/m2)更高的BMI(24.9kg/m2)。
表4。
Figure BDA0003697768660000261
Figure BDA0003697768660000271
我们的女子参与者在参与研究的前3个月内的平均步伐数为7434.1步/天(SD＝2310.7)。男子每天具有更多的步伐(8627/天；SD＝3219.3)。因此，平均而言，我们的样本不满足10000步/天的广泛“参考数字”。如果我们考虑在中等强度至高强度的活动时间期间的能量消耗，则女子平均耗费仅125.3千卡/天(SD＝50.7)，而男子耗费248.7千卡/天(SD＝136)。
在睡眠方面，男子平均睡眠7.2小时/晚(432分钟，SD＝31.2分钟)，因此睡眠略长于国家睡眠基金会建议的最小量(6h)，并且仅比美国睡眠医学学会和睡眠研究协会建议的最小量(7h)长12分钟。女性参与者平均比男子睡得更长，达到7h和45分钟/夜(495分钟，SD＝40.8分钟)。
女性被报告为平均摄入1658.3千卡/天(SD＝325.4千卡)，而其对应方被报告为平均摄入2122.3千卡/天(SD＝527.5千卡)。此外，对于男子来说，44.5％的能量来自CHO，32.8％来自脂肪以及17％来自蛋白质，这意味着男子摄取比世界卫生组织建议的量略多的脂肪。男子的摄入量为2.73g钠/天(SD＝0.86g)，略多于建议的2g钠/天。他们的平均糖摄入量为107.5g每天(SD＝44.4g)，其对应于总能量的20.3％；然而，没有关于游离糖或添加的糖的信息，这是根据公共卫生机构有待限制的糖。
对于女子参与者来说，仅43.2％的能量来自CHO，而蛋白质和脂肪分别贡献17.3％和34％，这指示女子也摄取比建议的量更多的脂肪。女子每天摄入比男子略少的钠(2.4g，SD＝0.7g))，同时与男子相比，这些参与者消耗甚至更少量的总糖(75.1g/天；SD＝24g)。
图11至图12示出了针对各种生活方式变量比较位于每个相应绘图左侧的男子与位于每个相应绘图右侧的女子的绘图。绘图还包括饮食、睡眠和身体活动的子变量。男子和女子平均都具有健康的BMI，然而，相较于女子，更多的男子具有大于25kg/m2的BMI(图12)。有关BP，女性参与者的收缩BP平均为107.8mm/Hg(SD＝7.6mm/Hg)，并且舒张BP为67.5mm/Hg(SD＝6.2mm/Hg)，两者均落在正常范围(结果未示出)内。男子具有比女子略高的收缩BP(115.7mm/Hg，SD＝5.6mm/Hg)，然而该结果仍落在正常范围内。同一道理适用于舒张BP(平均值＝72.2mm/Hg；SD＝4.7mm/Hg)。男子的空腹血糖平均为约4.87mmol/L(SD＝0.31)，而对于女子来说，空腹血糖平均为4.5mmol/L(SD＝0.4)。女性的三甘油酯水平低(0.9mmol/L；SD＝0.37)并且男子的三甘油酯水平更高(1.4mmol/L；SD＝0.9)，但两者都落在正常范围内。对于男子来说，LDL-C或多或少地高到接近临界值(平均值＝3.65mmol/L；SD＝1.0)，而对于女子来说，LDL-C是最佳的(平均值＝2.85mmol/L；SD＝0.85)。图13示出了例示比较位于每个相应绘图左侧的男子与位于每个相应绘图右侧的女子的不同健康结果分布的绘图。
对于身体活动评分，使用以MET-分钟/天为单位的MVPA的量，因此这基于每个参与者的千卡/分钟消耗和以kg为单位的体重来进行计算。然而，仅考虑步伐数高于90的那些分钟(小于90步每分钟的活动被视为不落在MVPA的类别内)。因此，就MVPA而言，男子平均达到并且甚至超过86MET-分钟/天的最小建议量(图12)。男性平均达到104MET-分钟/天的MVPA(SD＝98)，而女性参与者未达到最小建议量(平均MET-分钟/天为48.8，SD＝30.6)。然而，当着眼于身体活动评分时，场景改变。尽管平均来说，男子似乎充分地运动(达到最小量，这首先可能使我们认为他们应具有约60分的正评分)，实际上，男子的平均评分为34.6分(SD＝17.8)。女子的平均每日MET-分钟为48.8MET-分钟/天，并且其平均评分为23.8分(SD＝12.6)。这出于3个原因发生：(1)大多数参与者没有每日锻炼，并且尤其是对于男子来说，不同天之间的总MET-分钟的变化是非常高的。女子更为一致；(2)评分是分段线性的，在某天达到86MET-分钟之后，每个MET-分钟的分数更少；以及(3)在某天达到214MET-分钟之后，即使人员锻炼得远超于此，评分仍然是100分。
这种计算平均每日评分的方式遵循官方建议的指导，该指导是通过每天或至少一周2次-3次锻炼来达到每周建议的总MET-分钟。此外，如果首先对每日MET-分钟进行求平均并且然后估算评分，则仅在几天进行高强度锻炼(以补偿具有0MET-分钟的天数)的那些个体最终将看到良好的平均评分。尽管如此，根据建议，需要劝导个体每日锻炼。例如，下表5和表6示出了两个不同的个体及其在一周期间的身体活动。表5中的个体具有不一致的身体活动习惯，而表6中的个体具有更一致的身体活动习惯。
表5。
Figure BDA0003697768660000291
表6。
Figure BDA0003697768660000292
如果首先对这一周的每日MET-分钟求平均并且然后计算平均评分，则此个体(虽然他的/她的行为不一致)将具有正评分(>50分至<70分是最小建议区)。然而，如果首先基于每日MET-分钟计算每日评分并且然后对评分求平均，则这一周的平均评分低得多(不会满足最小建议区)。建议这种方法更好地反映了此个体在他/她在一周的大多数天数内没有任何活动时的概况。尽管如此，也可着眼于600MET-分钟的每周最小建议量。在这种情况下，个体在他/她达到900MET-分钟/周时超过每周建议量。因此，再次，对个体进行分类的方式将始终取决于人们想要如何解释官方建议。
在更一致的概况的情况下，计算平均评分的不同方式不对他的/她的平均评分具有很大的影响。值得注意的是，对于与健康结果的相关性，采用每日评分的平均值(并且不是平均MET-分钟的评分)，因此对其行为不太一致的那些个体进行更大程度的罚分。
着眼于每夜睡眠时间，男子平均睡眠432分钟/夜(这可能首先导致认为男子具有100分的平均评分，因为他们的睡眠时间落在建议范围内)。然而，关于身体活动，男子的评分显示其不一致的行为。平均而言，男子的评分为75.9(SD＝10.9分)，这在任何情况下都是良好的评分。对于女子来说，她们的每夜平均睡眠时间为495分钟，但其平均评分为80.9分(SD＝9.6分)并且不是100分，因为对每夜评分求平均反映了不同夜间之间的睡眠持续时间的一些变化。
女性的平均饮食评分为43.4分(SD＝8.4分)，这根据当前公开的饮食摄入评分反映平均饮食质量。对于男子来说，平均饮食评分略高(平均值＝46.6，SD＝8.7分)。
最后，男子的平均生活方式评分为51.3分(SD＝7.7分)，这根据一些示例落在不良生活方式类别中。女子的生活方式评分甚至更低，平均仅达到100中的45.7分。(SD＝7.5分)。
总体而言，从基线到研究结束未观察到暴露和结果两者的显著变化。因此，着眼于样本的生活方式评分的子组成部分以及其总体生活方式评分，在生活方式评分、生活方式评分的子组成部分和健康结果之间发现很少的负相关性，即：(1)更高的身体活动、饮食和生活方式评分与更低的BMI相对应；(2)更高的饮食和生活方式评分与更低的中值动脉压相对应，以及(3)更高的身体活动、睡眠和生活方式评分与更低的LDL胆固醇相对应。
在空腹血糖和任何生活方式评分或三甘油酯和生活方式评分之间没有显著相关性。通过使用随机森林模型来进行进一步研究，以预测健康结果，并且随机森林模型还报告不可根据估算的参数对血糖和三甘油酯进行有意义的预测。
能量摄入的相关性模式与饮食评分非常类似(都与BMI和MAP类似相关连)。这表明单独使用总能量摄入具有与健康结果的饮食评分类似的统计辨别力。这可能与能量摄入的系统漏报(参与者皆因仅报告其约85％的EER而低估其能量摄入)在一定程度上相关。
根据2013年美国心脏协会(AHA)/美国心脏病学会(ACC)的降低心血管风险的生活方式管理指南，存在中等程度的证据表明，与对照干预相比，在成人中，有氧PA将LDL-C平均降低了3mg/dL-6mg/dL。然而，其对三甘油酯没有一致的影响。
上述发现支持这些陈述，因为未在生活方式评分或身体活动评分和三甘油酯之间发现相关性，而生活方式评分(特别是身体活动评分和睡眠评分)和LDL之间存在相关性。所公开的发现在关于有氧身体活动降低收缩和舒张BP的证据方面沿循与AHA/ACC指南相同的指导。根据这些指南，存在有氧身体活动使收缩BP平均降低2mm Hg-5mm Hg并使舒张BP平均降低1mm Hg-4mm Hg的高强度证据。此外，示出为有效降低BP的典型干预包括有氧身体活动，该有氧身体活动具有平均至少12周持续时间，每周3节-4节课程，持续平均40分钟/课程并且涉及MVPA。这转化为至少：40分钟x 4MET＝160*4课程/周＝640MET-分钟/周。这种身体活动水平落入本发明公开的系统和方法中包括的最小身体活动量的范围内。如上所述，仅男性研究参与者达到每天最少86MET-分钟/天，这将继而对应于约600MET-分钟/周。女性样本参与者平均未达到此量。然而，这不一定意味着其每周的量小于600MET-分钟。事实上，即使我们的女性参与者没有每天达到最小建议量，但我们仍然可在身体活动和BP之间看到相关性。
通过空腹血糖测量结果，未在生活方式评分和个体评分(PA、睡眠或饮食)之间看到任何相关性。然而，身体活动对糖尿病的短期和长期效应都分别在干预和群组研究中得到很好的证明。例如，前瞻性群组研究的系统性综述和剂量-反应荟萃分析发现总活动水平为600MET分钟/周(最小建议水平)的个体与未报告进行身体活动的那些个体相比患糖尿病的风险降低了2％。从600MET分钟/周至3600MET分钟/周的增大另外降低了19％的风险。可能的是，这可以通过空腹血糖水平是相当稳定的测量结果并且因此混杂结果的事实来解释。相反，对生活方式行为更敏感的餐后血糖水平可能已显示其他结果。
在非限制性优选示例中，系统包括显示装置、存储器以及与存储器通信的处理器。处理器被配置为确定身体活动评分，确定睡眠评分，确定各自对应于相应营养物质的多个营养物质评分，确定能量评分并且确定饮食摄入评分。
身体活动评分是分段连续身体活动函数的输出值，该分段连续身体活动函数使用身体活动的量作为输入并且包括：(a)针对身体活动的量零的第一输出值，(b)针对大于零且小于身体活动的最小建议量的身体活动的量的以第一比率递增的输出值，(c)针对大于身体活动的该最小建议量且小于身体活动的最佳量的身体活动的量的以第二比率递增的输出值，其中该第一比率大于该第二比率，和(d)针对身体活动的该最佳量的第一最大输出值。
睡眠评分是分段连续睡眠函数的输出值，该分段连续睡眠函数使用睡眠的量作为输入并且包括：(a)针对小于低于睡眠的最小建议量的下限睡眠阈值的睡眠的量的第二输出值，(b)针对大于该下限睡眠阈值且小于睡眠的最佳量的范围的睡眠的量的递增的输出值，(c)针对睡眠的最佳量的该范围内的睡眠的量的第二最大输出值，(d)针对大于睡眠的最佳量的该范围且小于高于睡眠的最大建议量的上限睡眠阈值的睡眠的量的递减的输出值，和(e)针对大于该上限睡眠阈值的睡眠的量的该第二输出值。
每个相应的营养物质评分是对应于相应营养物质的相应分段连续营养物质函数的输出值。每个相应的分段连续营养物质函数使用相应营养物质的量作为输入并且包括：(a)针对该相应营养物质的量零的第三输出值，(b)针对大于下限营养物质阈值且小于该相应营养物质的健康量的范围的该相应营养物质的量的递增的输出值，(c)针对该相应营养物质的健康量的该范围内的该相应营养物质的量的第三最大输出值，(d)针对大于该相应营养物质的健康量的该范围且小于上限营养物质阈值的该相应营养物质的量的递减的输出值，和(e)针对大于该上限营养物质阈值的该相应营养物质的量的该第三输出值。
能量评分是分段连续能量函数的输出值，该分段连续能量函数使用能量的量作为输入并且包括：(a)针对能量的量零的第四输出值，(b)针对大于零且小于能量的健康量的范围的能量的量的递增的输出值，(c)针对能量的健康量的该范围内的能量的量的第四最大输出值，和(d)针对大于能量的健康量的该范围的能量的量的递减的输出值。
通过计算该多个相应营养物质评分的平均值并且将该平均值乘以该能量评分来确定该饮食摄入评分。
该处理器还被配置为通过计算以下项的总和来确定生活方式评分：(1)该身体活动评分乘以第一权重，(2)该睡眠评分乘以第二权重，和(3)该饮食摄入评分乘以第三权重。该处理器还被配置为致使该生活方式评分的表示显示在显示装置上。
在非限制性优选示例中，一种方法包括通过确定分段连续身体活动函数的输出值来确定身体活动评分，该分段连续身体活动函数使用身体活动的量作为输入并且包括：(a)针对身体活动的量零的第一输出值，(b)针对大于零且小于身体活动的最小建议量的身体活动的量的以第一比率递增的输出值，(c)针对大于身体活动的该最小建议量且小于身体活动的最佳量的身体活动的量的以第二比率递增的输出值，其中该第一比率大于该第二比率，和(d)针对身体活动的该最佳量的第一最大输出值。
然后通过确定分段连续睡眠函数的输出值来确定睡眠评分，该分段连续睡眠函数使用睡眠的量作为输入并且包括：(a)针对小于低于睡眠的最小建议量的下限睡眠阈值的睡眠的量的第二输出值，(b)针对大于该下限睡眠阈值且小于睡眠的最佳量的范围的睡眠的量的递增的输出值，(c)针对睡眠的最佳量的该范围内的睡眠的量的第二最大输出值，(d)针对大于睡眠的最佳量的该范围且小于高于睡眠的最大建议量的上限睡眠阈值的睡眠的量的递减的输出值，和(e)针对大于该上限睡眠阈值的睡眠的量的该第二输出值。
然后确定多个营养物质评分。每个营养物质评分是对应于相应营养物质的相应分段连续营养物质函数的输出值，并且每个相应分段连续营养物质函数使用该相应营养物质的量作为输入并且包括：(a)针对该相应营养物质的量零的第三输出值，(b)针对大于下限营养物质阈值且小于该相应营养物质的健康量的范围的该相应营养物质的量的递增的输出值，(c)针对该相应营养物质的健康量的该范围内的该相应营养物质的量的第三最大输出值，(d)针对大于该相应营养物质的健康量的该范围且小于上限营养物质阈值的该相应营养物质的量的递减的输出值，和(e)针对大于该上限营养物质阈值的该相应营养物质的量的该第三输出值。
然后确定能量评分，该能量评分是分段连续能量函数的输出值，该分段连续能量函数使用能量的量作为输入并且包括：(a)针对能量的量零的第四输出值，(b)针对大于零且小于能量的健康量的范围的能量的量的递增的输出值，(c)针对能量的健康量的该范围内的能量的量的第四最大输出值，和(d)针对大于能量的健康量的该范围的能量的量的递减的输出值。
然后通过计算该多个相应营养物质评分的平均值并且将该平均值乘以该能量评分来确定饮食摄入评分。
然后通过计算以下项的总和来确定生活方式评分：(1)该身体活动评分乘以第一权重，(2)该睡眠评分乘以第二权重，和(3)该饮食摄入评分乘以第三权重。该方法然后包括致使显示该生活方式评分的表示。
在非限制性优选示例中，非暂态计算机可读介质存储指令。这些指令在由处理器执行时致使该处理器：确定身体活动评分，确定睡眠评分，确定各自对应于相应营养物质的多个营养物质评分，确定能量评分并且确定饮食摄入评分。
身体活动评分是分段连续身体活动函数的输出值，该分段连续身体活动函数使用身体活动的量作为输入并且包括：(a)针对身体活动的量零的第一输出值，(b)针对大于零且小于身体活动的最小建议量的身体活动的量的以第一比率递增的输出值，(c)针对大于身体活动的该最小建议量且小于身体活动的最佳量的身体活动的量的以第二比率递增的输出值，其中该第一比率大于该第二比率，和(d)针对身体活动的该最佳量的第一最大输出值。
睡眠评分是分段连续睡眠函数的输出值，该分段连续睡眠函数使用睡眠的量作为输入并且包括：(a)针对小于低于睡眠的最小建议量的下限睡眠阈值的睡眠的量的第二输出值，(b)针对大于该下限睡眠阈值且小于睡眠的最佳量的范围的睡眠的量的递增的输出值，(c)针对睡眠的最佳量的该范围内的睡眠的量的第二最大输出值，(d)针对大于睡眠的最佳量的该范围且小于高于睡眠的最大建议量的上限睡眠阈值的睡眠的量的递减的输出值，和(e)针对大于该上限睡眠阈值的睡眠的量的该第二输出值。
每个相应的营养物质评分是对应于相应营养物质的相应分段连续营养物质函数的输出值。每个相应的分段连续营养物质函数使用相应营养物质的量作为输入并且包括：(a)针对该相应营养物质的量零的第三输出值，(b)针对大于下限营养物质阈值且小于该相应营养物质的健康量的范围的该相应营养物质的量的递增的输出值，(c)针对该相应营养物质的健康量的该范围内的该相应营养物质的量的第三最大输出值，(d)针对大于该相应营养物质的健康量的该范围且小于上限营养物质阈值的该相应营养物质的量的递减的输出值，和(e)针对大于该上限营养物质阈值的该相应营养物质的量的该第三输出值。
能量评分是分段连续能量函数的输出值，该分段连续能量函数使用能量的量作为输入并且包括：(a)针对能量的量零的第四输出值，(b)针对大于零且小于能量的健康量的范围的能量的量的递增的输出值，(c)针对能量的健康量的该范围内的能量的量的第四最大输出值，和(d)针对大于能量的健康量的该范围的能量的量的递减的输出值。
通过计算该多个相应营养物质评分的平均值并且将该平均值乘以该能量评分来确定该饮食摄入评分。
这些指令还致使该处理器通过计算以下项的总和来确定生活方式评分：(1)该身体活动评分乘以第一权重，(2)该睡眠评分乘以第二权重，和(3)该饮食摄入评分乘以第三权重。这些指令还致使该处理器致使该生活方式评分的表示显示在显示装置上。
在无进一步详细说明的情况下，据信本领域技术人员可使用先前描述来最大限度地利用受权利要求书保护的发明。本文公开的示例和实施方案将被理解为是仅是说明性的，并且决不限制本公开的范围。对于本领域技术人员显而易见的是，在不脱离所讨论的基本原理的情况下，可对上述实施方案的细节进行改变。换句话说，以上描述中具体公开的实施方案的各种修改和改进在所附权利要求书的范围内。例如，设想了所描述的各种实施方案的特征的任何合适的组合。

Claims (31)

1.一种生活方式评分系统，所述生活方式评分系统包括：
显示装置；
存储器；和
处理器，所述处理器与所述存储器通信，所述处理器被配置为：
确定身体活动评分，所述身体活动评分是分段连续身体活动函数的输出值；
确定睡眠评分，所述睡眠评分是分段连续睡眠函数的输出值；
确定多个营养物质评分，其中所述多个营养物质评分中的每个相应营养物质评分是对应于多种营养物质中的相应营养物质的相应分段连续营养物质函数的输出值；
确定能量评分，所述能量评分是分段连续能量函数的输出值；
通过计算所述多个相应营养物质评分的平均值并且将所述平均值乘以所述能量评分来确定饮食摄入评分；
通过计算以下项的总和来确定生活方式评分：(1)所述身体活动评分乘以第一权重，(2)所述睡眠评分乘以第二权重，和(3)所述饮食摄入评分乘以第三权重；并且
致使所述生活方式评分的表示显示在所述显示装置上。
2.根据权利要求1所述的生活方式评分系统，其中所述身体活动函数使用身体活动的量作为输入并且包括：
(a)针对身体活动的量零的第一输出值，
(b)针对大于零且小于身体活动的最小建议量的身体活动的量的以第一比率递增的输出值，
(c)针对大于身体活动的所述最小建议量且小于身体活动的最佳量的身体活动的量的以第二比率递增的输出值，其中所述第一比率大于所述第二比率，和
(d)针对身体活动的所述最佳量的第一最大输出值。
3.根据权利要求1所述的生活方式评分系统，其中所述睡眠函数使用睡眠的量作为输入并且包括：
(a)针对小于低于睡眠的最小建议量的下限睡眠阈值的睡眠的量的第二输出值，
(b)针对大于所述下限睡眠阈值且小于睡眠的最佳量的范围的睡眠的量的递增的输出值，
(c)针对睡眠的最佳量的所述范围内的睡眠的量的第二最大输出值，
(d)针对大于睡眠的最佳量的所述范围且小于高于睡眠的最大建议量的上限睡眠阈值的睡眠的量的递减的输出值，和
(e)针对大于所述上限睡眠阈值的睡眠的量的所述第二输出值。
4.根据权利要求1所述的生活方式评分系统，其中每个相应营养物质函数使用所述相应营养物质的量作为输入并且包括：
(a)针对所述相应营养物质的量零的第三输出值，
(b)针对大于下限营养物质阈值且小于所述相应营养物质的健康量的范围的所述相应营养物质的量的递增的输出值，
(c)针对所述相应营养物质的健康量的所述范围内的所述相应营养物质的量的第三最大输出值，
(d)针对大于所述相应营养物质的健康量的所述范围且小于上限营养物质阈值的所述相应营养物质的量的递减的输出值，和
(e)针对大于所述上限营养物质阈值的所述相应营养物质的量的所述第三输出值。
5.根据权利要求1所述的生活方式评分系统，其中所述能量函数使用能量的量作为输入并且包括：
(a)针对能量的量零的第四输出值，
(b)针对大于零且小于能量的健康量的范围的能量的量的递增的输出值，
(c)针对能量的健康量的所述范围内的能量的量的第四最大输出值，和
(d)针对大于能量的健康量的所述范围的能量的量的递减的输出值。
6.根据权利要求1所述的生活方式评分系统，其中第一最大输出值、第二最大输出值和第三最大输出值相等。
7.根据权利要求1所述的生活方式评分系统，其中所述第一权重等于0.3，所述第二权重等于0.2，并且所述第三权重等于0.5。
8.根据权利要求1所述的生活方式评分系统，其中所确定的生活方式评分在介于最大生活方式评分和最小生活方式评分之间的生活方式评分的范围内，并且其中介于所述最大生活方式评分的90％至100％之间的相应生活方式评分的所述表示指定所述相应生活方式评分为最佳的。
9.根据权利要求1所述的生活方式评分系统，其中所述身体活动函数包括等于针对身体活动的所述最小建议量的第一最大输出值的一半的输出值。
10.根据权利要求1所述的生活方式评分系统，所述生活方式评分系统还包括：活动监视器，并且其中所述处理器被配置为从所述活动监视器接收对应于身体活动的量和睡眠的量中的至少一者的数据。
11.根据权利要求10所述的生活方式评分系统，其中所述活动监视器包括加速器。
12.根据权利要求1所述的生活方式评分系统，其中所述睡眠函数包括等于针对睡眠的所述最小建议量和睡眠的所述最大建议量的第二最大输出值的一半的输出值。
13.根据权利要求1所述的生活方式评分系统，其中下限阈值等于睡眠的相应量，所述睡眠的相应量是睡眠的所述最小建议量的大约84％。
14.根据权利要求1所述的生活方式评分系统，其中上限阈值等于睡眠的相应量，所述睡眠的相应量比睡眠的所述最大建议量大大约10％。
15.根据权利要求1所述的生活方式评分系统，其中所述睡眠函数的所述上限阈值包括针对处于第一年龄范围内的人员的第一上限阈值和针对处于第二年龄范围内的人员的第二上限阈值，其中所述第一年龄范围不含所述第二年龄范围。
16.根据权利要求1所述的生活方式评分系统，所述生活方式评分系统还包括：输入装置，并且其中所述处理器被配置为从所述输入装置接收对应于用户的特性的数据。
17.根据权利要求16所述的生活方式评分系统，其中所述用户的所述特性包括选自由以下项组成的组的一个或多个特性：所述用户的活动水平、所述用户的年龄、所述用户的性别、所述用户的体重、所述用户的身体质量指数(BMI)和所述用户的医疗状况。
18.一种生活方式评分方法，所述生活方式评分方法包括：
通过确定分段连续身体活动函数的输出值来确定身体活动评分；
通过确定分段连续睡眠函数的输出值来确定睡眠评分；
确定多个营养物质评分，其中所述多个营养物质评分中的每个相应营养物质评分是对应于多种营养物质中的相应营养物质的相应分段连续营养物质函数的输出值；
确定能量评分，所述能量评分是分段连续能量函数的输出值；
通过计算所述多个相应营养物质评分的平均值并且将所述平均值乘以所述能量评分来确定饮食摄入评分；
通过计算以下项的总和来确定生活方式评分：(1)所述身体活动评分乘以第一权重，(2)所述睡眠评分乘以第二权重，和(3)所述饮食摄入评分乘以第三权重；并且
致使显示所述生活方式评分的表示。
19.根据权利要求18所述的生活方式评分方法，其中所述身体活动函数使用身体活动的量作为输入并且包括：
(a)针对身体活动的量零的第一输出值，
(b)针对大于零且小于身体活动的最小建议量的身体活动的量的以第一比率递增的输出值，
(c)针对大于身体活动的所述最小建议量且小于身体活动的最佳量的身体活动的量的以第二比率递增的输出值，其中所述第一比率大于所述第二比率，和
(d)针对身体活动的所述最佳量的第一最大输出值。
20.根据权利要求18所述的生活方式评分方法，其中所述睡眠函数使用睡眠的量作为输入并且包括：
(a)针对小于低于睡眠的最小建议量的下限睡眠阈值的睡眠的量的第二输出值，
(b)针对大于所述下限睡眠阈值且小于睡眠的最佳量的范围的睡眠的量的递增的输出值，
(c)针对睡眠的最佳量的所述范围内的睡眠的量的第二最大输出值，
(d)针对大于睡眠的最佳量的所述范围且小于高于睡眠的最大建议量的上限睡眠阈值的睡眠的量的递减的输出值，和
(e)针对大于所述上限睡眠阈值的睡眠的量的所述第二输出值。
21.根据权利要求18所述的生活方式评分方法，其中每个相应营养物质函数使用所述相应营养物质的量作为输入并且包括：
(a)针对所述相应营养物质的量零的第三输出值，
(b)针对大于下限营养物质阈值且小于所述相应营养物质的健康量的范围的所述相应营养物质的量的递增的输出值，
(c)针对所述相应营养物质的健康量的所述范围内的所述相应营养物质的量的第三最大输出值，
(d)针对大于所述相应营养物质的健康量的所述范围且小于上限营养物质阈值的所述相应营养物质的量的递减的输出值，和
(e)针对大于所述上限营养物质阈值的所述相应营养物质的量的所述第三输出值。
22.根据权利要求18所述的生活方式评分方法，其中所述能量函数使用能量的量作为输入并且包括：
(a)针对能量的量零的第四输出值，
(b)针对大于零且小于能量的健康量的范围的能量的量的递增的输出值，
(c)针对能量的健康量的所述范围内的能量的量的第四最大输出值，和
(d)针对大于能量的健康量的所述范围的能量的量的递减的输出值。
23.根据权利要求18所述的生活方式评分方法，其中所述多种营养物质包括由以下项组成的组中的所述营养物质中的两种或更多种营养物质：碳水化合物、蛋白质、总脂肪、纤维、钙、钾、镁、铁、食物叶酸、维生素A、维生素C、维生素D、维生素E、钠、饱和脂肪和添加的糖。
24.根据权利要求18所述的生活方式评分方法，其中第三输出值等于针对以下所述相应营养物质中的每种营养物质的所述相应营养物质函数的所述第三最大输出值：(1)钠，(2)添加的糖，和(3)饱和脂肪。
25.一种存储指令的非暂态计算机可读介质，所述指令在由处理器执行时致使所述处理器：
通过确定分段连续身体活动函数的输出值来确定身体活动评分；
通过确定分段连续睡眠函数的输出值来确定睡眠评分；
确定多个营养物质评分，其中所述多个营养物质评分中的每个相应营养物质评分是对应于多种营养物质中的相应营养物质的相应分段连续营养物质函数的输出值；
确定能量评分，所述能量评分是分段连续能量函数的输出值；
通过计算所述多个相应营养物质评分的平均值并且将所述平均值乘以所述能量评分来确定饮食摄入评分；
通过计算以下项的总和来确定生活方式评分：(1)所述身体活动评分乘以第一权重，(2)所述睡眠评分乘以第二权重，和(3)所述饮食摄入评分乘以第三权重；并且
致使所述生活方式评分的表示显示在所述显示装置上。
26.根据权利要求29所述的非暂态计算机可读介质，其中所述身体活动函数使用身体活动的量作为输入并且包括：
(a)针对身体活动的量零的第一输出值，
(b)针对大于零且小于身体活动的最小建议量的身体活动的量的以第一比率递增的输出值，
(c)针对大于身体活动的所述最小建议量且小于身体活动的最佳量的身体活动的量的以第二比率递增的输出值，其中所述第一比率大于所述第二比率，和
(d)针对身体活动的所述最佳量的第一最大输出值。
27.根据权利要求29所述的非暂态计算机可读介质，其中所述睡眠函数使用睡眠的量作为输入并且包括：
(a)针对小于低于睡眠的最小建议量的下限睡眠阈值的睡眠的量的第二输出值，
(b)针对大于所述下限睡眠阈值且小于睡眠的最佳量的范围的睡眠的量的递增的输出值，
(c)针对睡眠的最佳量的所述范围内的睡眠的量的第二最大输出值，
(d)针对大于睡眠的最佳量的所述范围且小于高于睡眠的最大建议量的上限睡眠阈值的睡眠的量的递减的输出值，和
(e)针对大于所述上限睡眠阈值的睡眠的量的所述第二输出值。
28.根据权利要求29所述的非暂态计算机可读介质，其中每个相应营养物质函数使用所述相应营养物质的量作为输入并且包括：
(a)针对所述相应营养物质的量零的第三输出值，
(b)针对大于下限睡眠阈值且小于所述相应营养物质的健康量的范围的所述相应营养物质的量的递增的输出值，
(c)针对所述相应营养物质的健康量的所述范围内的所述相应营养物质的量的第三最大输出值，
(d)针对大于所述相应营养物质的健康量的所述范围且小于上限睡眠阈值的所述相应营养物质的量的递减的输出值，和
(e)针对大于所述上限营养物质阈值的所述相应营养物质的量的所述第三输出值。
29.根据权利要求29所述的非暂态计算机可读介质，其中所述能量函数使用能量的量作为输入并且包括：
(a)针对能量的量零的第四输出值，
(b)针对大于零且小于能量的健康量的范围的能量的量的递增的输出值，
(c)针对能量的健康量的所述范围内的能量的量的第四最大输出值，和
(d)针对大于能量的健康量的所述范围的能量的量的递减的输出值。
30.根据权利要求29所述的非暂态计算机可读介质，其中所述身体活动函数的所述递增的输出值、所述睡眠函数的所述递增的输出值、每个相应营养物质函数的所述递增的输出值和所述能量函数的所述递增的输出值线性地增大。
31.根据权利要求29所述的非暂态计算机可读介质，其中所述睡眠函数的所述递减的输出值、每个相应营养物质函数的所述递减的输出值和所述能量函数的所述递减的输出值线性地减小。
CN202080087764.2A 2019-12-23 2020-12-21 生活方式评分系统和方法 Pending CN114830250A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201962952680P 2019-12-23 2019-12-23
US62/952,680 2019-12-23
PCT/EP2020/087365 WO2021130144A1 (en) 2019-12-23 2020-12-21 Lifestyle scoring system and method

Publications (1)

Publication Number Publication Date
CN114830250A true CN114830250A (zh) 2022-07-29

Family

ID=74194691

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202080087764.2A Pending CN114830250A (zh) 2019-12-23 2020-12-21 生活方式评分系统和方法

Country Status (5)

Country Link
US (1) US20230343459A1 (zh)
EP (1) EP4082020A1 (zh)
JP (1) JP2023506385A (zh)
CN (1) CN114830250A (zh)
WO (1) WO2021130144A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20220310229A1 (en) 2021-03-26 2022-09-29 Vydiant, Inc Personalized health system, method and device having a sleep function

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140127649A1 (en) * 2012-11-08 2014-05-08 Aliphcom General health and wellness management method and apparatus for a wellness application using data associated with a data-capable band
WO2018234083A1 (en) 2017-06-23 2018-12-27 Nestec S.A. SYSTEM AND METHODS FOR CALCULATING, DISPLAYING, MODIFYING AND USING A SINGLE FOOD RECEPTORE SCREEN REFLECTING THE OPTIMUM QUANTITY AND QUALITY OF CONSUMABLE PRODUCTS

Also Published As

Publication number Publication date
EP4082020A1 (en) 2022-11-02
US20230343459A1 (en) 2023-10-26
JP2023506385A (ja) 2023-02-16
WO2021130144A1 (en) 2021-07-01

Similar Documents

Publication Publication Date Title
CN109964280B (zh) 用于计算、显示、修改和使用改善的个性化营养健康评分来评估和计划最佳饮食的系统和方法
Moore et al. Exploring the relationship between parental concern and the management of childhood obesity
Ross et al. National survey of yoga practitioners: Mental and physical health benefits
Wieland et al. Interactive computer‐based interventions for weight loss or weight maintenance in overweight or obese people
JP7319930B2 (ja) 摂取可能物の最適量及び質を反映する単一の食品摂取スコアを算出、表示、修正、及び使用するためのシステム及び方法
US20140316220A1 (en) Personal Health Monitoring System
Badir et al. Knowledge of cardiovascular disease in Turkish undergraduate nursing students
JP5835580B2 (ja) 生活習慣改善支援システム及び生体指標の分析方法
Hu et al. Multiple health behaviors: Patterns and correlates of diet and exercise in a Hispanic college sample
CN110838367A (zh) 健康风险综合评估方法
US20200043595A1 (en) Computer-implemented method and information processing device that generate advice information concerning daily habit improvement
Chen et al. Are recent cohorts healthier than their predecessors?
JP5853348B2 (ja) 生活習慣解析システム及び生活習慣解析方法
Dai et al. The effects of a hypertension diagnosis on health behaviors: A two‐dimensional regression discontinuity analysis
CN114830250A (zh) 生活方式评分系统和方法
Lenz et al. Development of a composite lifestyle index and its relationship to quality of life improvement: The CLI pilot study
CN113871014A (zh) 一种自主健康的辅助方法和装置
Manea et al. Using consumer-friendly wearables to correlate patient and technology-reported physical activity in healthy seniors
Koh et al. The social cost of high sodium diet in Singapore
Kwofie et al. Methods of assessment of the impact of COVID-19 on community dietary patterns
Brady Distribution Agreement
Traczyk et al. Si nska, BI; Milewska, M.; Samoli nski, B.; Szostak-Wegierek, D. A National Study of Nutrition and Nutritional Status of the Adult Polish Population in the Years 2017–2020 before and during the COVID-19 Pandemic—Design and Methods. Nutrients 2021, 13, 2568
Aziz et al. The Effects of Consuming Dietary Supplement at Young Age Among Students in Shah Alam
GB2524103A (en) Real-time systems and methods for management of alimentation
MacPherson Associations between cardio-metabolic risk factors and weight status among Canadian children and adolescents using the Canadian Health Measures Survey

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