CN115995286A - 一种糖尿病健康管理方法及系统 - Google Patents
一种糖尿病健康管理方法及系统 Download PDFInfo
- Publication number
- CN115995286A CN115995286A CN202310099000.0A CN202310099000A CN115995286A CN 115995286 A CN115995286 A CN 115995286A CN 202310099000 A CN202310099000 A CN 202310099000A CN 115995286 A CN115995286 A CN 115995286A
- Authority
- CN
- China
- Prior art keywords
- meal
- blood glucose
- tolerance
- food
- sub
- 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
Landscapes
- Investigating Or Analysing Biological Materials (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明涉及一种个性化测试食物/运动血糖耐受性的方法，属于健康管理行业的软件管理技术领域；现有技术中，对糖尿病患者饮食干预的指导性比较弱；本发明提供的方法可让糖尿病患者通过测试得出自己个性化的食物/运动耐受性值，更好的指导糖尿病的健康管理。
Description
技术领域
本发明属于健康管理技术领域，具体是涉及一种糖尿病健康管理方法及系统。
背景技术
目前关于血糖管理的用药、饮食和运动的合理性，只能靠患者自主判断，并没有AI数据化分析及图形化展示参考，且没有具体的安全摄入量，无法达到纠正用户错误行为的目的。
针对糖尿病患者对食物血糖的耐受性，仅有通用的GI(升糖指数)和GL(血糖负荷)值，忽略了烹调方式以及个体在饮食和运动上的特异性，结合到个人胰腺功能及胰岛素敏感性等因素的不同，对糖尿病患者饮食和运动干预的指导性比较弱。
发明内容
鉴于现有技术中存在的问题，本发明提出一种糖尿病健康管理方法，其特征在于：所述方法包括以下步骤：
吸收测试餐为日常饮食的基础餐加上某一种食物来进行测试，每两天的测试餐时间点一致，所述某一种食物数量不一致；
通过安装动态血糖监测探头及APP，自动实时传输血糖数据点至软件后台，并绘制曲线，通过APP录入基础餐及所述单独挑出某一种食物；
所述软件自动截取餐后2小时内的血糖曲线，计算餐后2小时内血糖峰值与饭前血糖值的差值是否小于2.2mmol/L，以及餐后2小时血糖小于1.1倍的餐前空腹血糖，根据专有算法来测算该测试食物的耐受性；
所述专有算法具体为：针对食物耐受量两个结论都是大于等于B的，则食物耐受量大于等于B；针对食物耐受量两个结论都是小于等于A的，则食物耐受量小于等于A；针对食物耐受量两个结论相矛盾的，则报错；针对测算出食物耐受量在A和B之间的，耐受量为((B面积+A面积)*0.5/A面积-1)*(B-A克数)+A克数；
其中A为测试餐A中，所述某一种食物的量，B为测试餐B中，所述某一种食物的量，B大于A；所述A面积为测试者在食用所述测试餐A后的血糖曲线与时间轴之间的面积，所述B面积为测试者在食用所述测试餐B后的血糖曲线与时间轴之间的面积。
进一步地，所述测试餐的摄入能量在800-3000kcal范围内。
进一步地，所述测试餐的食物包括主食、蔬菜、水果、零食中的一种或几种组合。
进一步地，在所述步骤S1中，在所述每两天中的卡路里消耗量基本相同，所述卡路里消耗量可以通过运动APP获取。
本发明还公开了一种糖尿病健康管理方法，其特征在于，所述方法包括以下步骤：
每两天吸收固定测试餐，每天餐后固定一定时间运动，所述运动为：第一天运动量为A，第二天运动量为B；
通过安装动态血糖监测探头及APP，自动实时传输血糖数据点至软件后台，并绘制曲线，通过APP录入所述运动量及运动时间；
所述软件自动截取餐后2小时内的血糖曲线，计算餐后2小时内血糖峰值与饭前血糖值的差值是否小于2.2mmol/L，以及餐后2小时血糖小于1.1倍的餐前空腹血糖，获取以上两个判定结果，根据专有算法来测算该测试运动的耐受性；
所述专有算法具体为：针对运动耐受量两个结果都是大于等于B的，则运动耐受量大于等于B；针对运动耐受量两个结果都是小于等于A的，则运动耐受量小于等于A；针对运动耐受量两个结果相矛盾的，则报错；针对测算出运动耐受量在A和B之间的运动量，耐受量为((B面积+A面积)*0.5/A面积-1)*(B-A运动量)+A运动量；
其中A为第一类型运动量，B为第二类型运动量，B大于A；所述A面积为测试者在所述第一类型运动量后的血糖曲线与时间轴之间的面积，所述B面积为测试者在所述第二类型运动量后的血糖曲线与时间轴之间的面积。。
与现有技术方案相比，本发明至少具有以下有益效果：
(1)本发明可让糖尿病患者获取个性化的食物和运动的耐受性值，减少食物摄入错误导致的血糖异常，以及不合适的运动量对血糖造成的有害影响；降低并发症；降低医疗负担；延长健康预期寿命。
(2)有利于对糖尿病人群进行管理时保持更强的周期意识，形成了15天一个周期的服务闭环，帮助患者提高健康意识，优化自我管理能力。
附图说明
图1是按照本发明实现的糖尿病健康管理方法的流程示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，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。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
为实现上述目的，按照本发明的一个方面，提出了一种糖尿病健康管理方法及系统，本发明应用食物对血糖的影响原理，通过绘制血糖数据及曲线，在设定基础餐的基础上，通过同样的测试食物不同摄入量，比对血糖曲线及数值，来得出食物耐受性的量化数据的方法。
本发明首先提出了一种糖尿病健康管理方法，如图1所示，是按照本发明中的方法，获取量化数值的个性化测试食物血糖耐受性的流程图，主要包括如下步骤：
在个性化测试餐A和个性化测试餐B用餐前后，比对2天的测试餐后2小时内血糖的峰值与空腹血糖的差值是否小于2.2mmol/L以及餐后2h是否恢复至空腹血糖的1.1倍以内；然后根据预先设置的算法测算其个性化安全摄入量数值，本发明中的血糖数据通过血糖采集装置获取。
实施例1
本实施方式通过每3分钟收集一个血糖数据，连续15天，每天24小时的动态血糖监测，以餐后2小时内血糖的峰值与空腹血糖的差值是否小于2.2mmol/L以及餐后2h是否恢复至空腹血糖的1.1倍以内；为评价标准的单因素，固定其他影响因素(用药、运动等)，在基础餐的基础上摄入不同数量的测试餐，根据2天的餐后血糖曲线高度及面积的差异，通过专有算法算出测试者对该食物的安全耐受范围。
具体算法如下：
假定A测试餐为数量较少的某种食物，B测试餐为数量较大的某种食物。首先判断波动幅度，两天的餐后2小时内血糖峰值与饭前血糖值的差值是否小于2.2mmol/L，此时会有四种情况X；再判断恢复情况，餐后2小时血糖小于1.1倍的餐前空腹血糖，此时也有四种情况Y，对应如下表1中所示的算法结果，其中，在表1的判定情况下组合获得16种组合情况如表2中所示。
表1按照两套测试餐的空腹血糖结果满足判定条件的情况
表2按照表1中的四种情况两两组合获取耐受性量化数据结论
按照本发明的专有算法：针对测算出食物耐受量在A和B之间的具体数值，算法为((B面积+A面积)*0.5/A面积-1)*(B-A克数)+A克数。
ERROR为其他食物种类数量相同情况下，A(小数量)测试餐后的血糖升高值大于B(大数量)测试餐后的血糖升高值，不符合逻辑，可能有其他干扰，无法给出具体数据。
按照本发明实现的糖尿病健康管理方法，可让糖尿病患者通过测试得出自己个性化的食物耐受性值，减少食物摄入错误导致的血糖异常；降低并发症；降低医疗负担；延长健康预期寿命。可让基层卫生健康机构在对糖尿病人群进行管理时更加深入和持续，形成了15天一个周期的服务闭环，帮助患者提高健康意识，优化自我管理能力。
测试者可通过安装动态血糖监测探头及APP，自动传输每3分钟一个的血糖数据点至软件后台，并绘制曲线。通过APP录入基础餐及测试餐，软件自动截取餐后2小时内的血糖曲线，根据专有算法来测算该测试食物的耐受性。
测试餐的安排原则是根据日常饮食的基础餐，单独挑出某一种食物来进行测试，每两天的测试餐时间点一致，数量不一致。
测试餐盒的目的：发现个性化的食物耐受性，找到日常饮食风险因素。
操作办法：推荐摄入能量在800-3000kcal范围内，根据原有习惯的饮食种类和数量来调整。连续2天其他摄入的食物种类和数量完全一致，就在某一餐的某种测试食物的数量上有差别(在小于GL20的范围内设置，保障血糖负荷安全)。
测试者在食物库(常见食物GL20查询表)里面选择自己想测试的食物(主食、副食、蔬菜等)，与自身血糖波动幅度对比。2天对比，某一餐的测试餐改变(不超过GL20对应的量)，其他种类和数量都不变。
选择食物的数量不可超过下表3和4中的数值，数量少的一天设为A克，多的一天设为B克，分别录入APP。
如为了测试白米饭的耐受性，连续两天摄入基础餐一致，第一天摄入煮熟的白米饭50克，第二天摄入煮熟的白米饭100克(不得超过下表中的100克)。其他食物类似，不得超过推荐的克数。
表3按照本发明中实现的糖尿病管理方法中的主食选择项及克数表
表4按照本发明中实现的糖尿病管理方法中的副食选择项及克数表
对应上述糖尿病管理方法，本发明对应提出了糖尿病管理系统，系统中包括持续动态血糖监测系统、个性化食物测试餐的电子食谱、食物耐受性数值计算软件等。
实施例2
本实施例中对应实施例1中，将A和B餐调整为A类型运动，和B类型运动，类型为运动量，获取健康管理中运动降糖耐受量的测试，算法与实施例1中的计算方式保持相同以计算出运动耐受性。方法为固定2天的饮食，选择餐后半小时开始运动，第一天运动量为A，第二天运动量为B，根据血糖下降情况来判断合适的运动量。判断标准为餐后2小时内血糖峰值与饭前血糖值的差值是否小于2.2mmol/L”，以及“餐后2小时血糖小于1.1倍的餐前空腹血糖”，其中，运动量为消耗卡路里为单位计算。
以上详细描述了本发明的优选实施方式，但是，本发明并不限于上述实施方式中的具体细节，在本发明的技术构思范围内，可以对本发明的技术方案进行多种简单变型，这些简单变型均属于本发明的保护范围。
另外需要说明的是，在上述具体实施方式中所描述的各个具体技术特征，在不矛盾的情况下，可以通过任何合适的方式进行组合，为了避免不必要的重复，本发明对各种可能的组合方式不再另行说明。
此外，本发明的各种不同的实施方式之间也可以进行任意组合，只要其不违背本发明的思想，其同样应当视为本发明所公开的内容。
本说明书中所描述的内容仅仅是对本发明所作的举例说明，本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离本发明说明书的内容或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。
Claims (5)
1.一种糖尿病健康管理方法，其特征在于：所述方法包括以下步骤：
吸收测试餐为日常饮食的基础餐加上某一种食物来进行测试，每两天的测试餐时间点一致，所述某一种食物数量不一致；
通过安装动态血糖监测探头及APP，自动实时传输血糖数据点至软件后台，并绘制曲线，通过APP录入基础餐及所述单独挑出某一种食物；
所述软件自动截取餐后2小时内的血糖曲线，计算餐后2小时内血糖峰值与饭前血糖值的差值是否小于2.2mmol/L，以及餐后2小时血糖小于1.1倍的餐前空腹血糖，根据专有算法来测算该测试食物的耐受性；
所述专有算法具体为：针对食物耐受量两个结论都是大于等于B的，则食物耐受量大于等于B；针对食物耐受量两个结论都是小于等于A的，则食物耐受量小于等于A；针对食物耐受量两个结论相矛盾的，则报错；针对测算出食物耐受量在A和B之间的，耐受量为((B面积+A面积)*0.5/A面积-1)*(B-A克数)+A克数；
其中A为测试餐A中，所述某一种食物的量，B为测试餐B中，所述某一种食物的量，B大于A；所述A面积为测试者在食用所述测试餐A后的血糖曲线与时间轴之间的面积，所述B面积为测试者在食用所述测试餐B后的血糖曲线与时间轴之间的面积。
2.根据权利要求1所述的方法，其特征在于：所述测试餐的摄入能量在800-3000kcal范围内。
3.根据权利要求1所述的方法，其特征在于：所述测试餐的食物包括主食、蔬菜、水果、零食中的一种或几种组合。
4.根据权利要求1所述的方法，其特征在于：在所述步骤S1中，在所述每两天中的卡路里消耗量基本相同，所述卡路里消耗量可以通过运动APP获取。
5.一种糖尿病健康管理方法，其特征在于，所述方法包括以下步骤：
每两天吸收固定测试餐，每天餐后固定一定时间运动，所述运动为：第一天运动量为A，第二天运动量为B；
通过安装动态血糖监测探头及APP，自动实时传输血糖数据点至软件后台，并绘制曲线，通过APP录入所述运动量及运动时间；
所述软件自动截取餐后2小时内的血糖曲线，计算餐后2小时内血糖峰值与饭前血糖值的差值是否小于2.2mmol/L，以及餐后2小时血糖小于1.1倍的餐前空腹血糖，获取以上两个判定结果，根据专有算法来测算该测试运动的耐受性；
所述专有算法具体为：针对运动耐受量两个结果都是大于等于B的，则运动耐受量大于等于B；针对运动耐受量两个结果都是小于等于A的，则运动耐受量小于等于A；针对运动耐受量两个结果相矛盾的，则报错；针对测算出运动耐受量在A和B之间的运动量，耐受量为((B面积+A面积)*0.5/A面积-1)*(B-A运动量)+A运动量；
其中A为第一类型运动量，B为第二类型运动量，B大于A；所述A面积为测试者在所述第一类型运动量后的血糖曲线与时间轴之间的面积，所述B面积为测试者在所述第二类型运动量后的血糖曲线与时间轴之间的面积。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310099000.0A CN115995286A (zh) | 2023-02-03 | 2023-02-03 | 一种糖尿病健康管理方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310099000.0A CN115995286A (zh) | 2023-02-03 | 2023-02-03 | 一种糖尿病健康管理方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115995286A true CN115995286A (zh) | 2023-04-21 |
Family
ID=85990137
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310099000.0A Pending CN115995286A (zh) | 2023-02-03 | 2023-02-03 | 一种糖尿病健康管理方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115995286A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117711571A (zh) * | 2024-02-06 | 2024-03-15 | 首都医科大学宣武医院 | 一种妊娠期糖尿病患者血糖管理检测系统 |
-
2023
- 2023-02-03 CN CN202310099000.0A patent/CN115995286A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117711571A (zh) * | 2024-02-06 | 2024-03-15 | 首都医科大学宣武医院 | 一种妊娠期糖尿病患者血糖管理检测系统 |
| CN117711571B (zh) * | 2024-02-06 | 2024-05-14 | 首都医科大学宣武医院 | 一种妊娠期糖尿病患者血糖管理检测系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102043959B1 (ko) | 개인별 유전자 유형과 개인건강기록 데이터에 근거한 맞춤형 식단 추천 시스템 | |
| Tohill et al. | What epidemiologic studies tell us about the relationship between fruit and vegetable consumption and body weight | |
| Veronese et al. | Fried potato consumption is associated with elevated mortality: an 8-y longitudinal cohort study | |
| Carels et al. | Individual differences in food perceptions and calorie estimation: an examination of dieting status, weight, and gender | |
| Wijewardene et al. | Prevalence of hypertension, diabetes and obesity: baseline findings of a population based survey in four provinces in Sri Lanka | |
| Chiu et al. | Estimating the effect of nutritional interventions using observational data: the American Heart Association’s 2020 Dietary Goals and mortality | |
| Frost et al. | Dietary advice based on the glycaemic index improves dietary profile and metabolic control in type 2 diabetic patients | |
| Champagne et al. | Poverty and food intake in rural America: diet quality is lower in food insecure adults in the Mississippi Delta | |
| Govindan et al. | Gender differences in physiologic markers and health behaviors associated with childhood obesity | |
| Heerman et al. | Clusters of healthy and unhealthy eating behaviors are associated with body mass index among adults | |
| US20020133378A1 (en) | System and method of integrated calorie management | |
| Yang et al. | Ultra-processed foods and excess heart age among US adults | |
| EP2302544A2 (en) | Postprandial blood glucose estimating apparatus, postprandial blood glucose estimating method, and computer program product | |
| Llanaj et al. | Adherence to healthy and sustainable diets is not differentiated by cost, but rather source of foods among young adults in Albania | |
| Chen et al. | Are recent cohorts healthier than their predecessors? | |
| CN115995286A (zh) | 一种糖尿病健康管理方法及系统 | |
| Talegawkar et al. | Carotenoid intakes, assessed by food-frequency questionnaires (FFQs), are associated with serum carotenoid concentrations in the Jackson Heart Study: validation of the Jackson Heart Study Delta NIRI Adult FFQs | |
| Flores et al. | Prospective study of plant-based dietary patterns and diabetes in Puerto Rican adults | |
| Nursal et al. | A new weighted scoring system for Subjective Global Assessment | |
| CN118398167A (zh) | 一种满足血糖管理需求的个性化智能膳食管理方法及系统 | |
| CA3229741A1 (en) | Digital and personalized risk monitoring and nutrition planning system for pre-diabetes | |
| Todd et al. | An investigation of the relationship between antioxidant vitamin intake and coronary heart disease in men and women using logistic regression analysis | |
| Loria et al. | Nutrient data for Mexican-American foods: are current data adequate? | |
| Mompeo et al. | Genetic and environmental influences of dietary indices in a UK female twin cohort | |
| Congdon et al. | Quantifying and explaining changes in geographical inequality of infant mortality in England and Wales since the 1890s |
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 |