CN116246754B - 一种人体体重监测评估干预管理方法和系统 - Google Patents
一种人体体重监测评估干预管理方法和系统 Download PDFInfo
- Publication number
- CN116246754B CN116246754B CN202310517463.4A CN202310517463A CN116246754B CN 116246754 B CN116246754 B CN 116246754B CN 202310517463 A CN202310517463 A CN 202310517463A CN 116246754 B CN116246754 B CN 116246754B
- Authority
- CN
- China
- Prior art keywords
- user
- data
- daily
- weight
- health
- 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
- 238000007726 management method Methods 0.000 title claims abstract description 40
- 230000037396 body weight Effects 0.000 title claims abstract description 30
- 238000012544 monitoring process Methods 0.000 title claims abstract description 28
- 238000011156 evaluation Methods 0.000 title claims description 24
- 230000036541 health Effects 0.000 claims abstract description 165
- 230000037221 weight management Effects 0.000 claims description 56
- 235000005911 diet Nutrition 0.000 claims description 52
- 230000037081 physical activity Effects 0.000 claims description 47
- 230000037213 diet Effects 0.000 claims description 43
- 235000012054 meals Nutrition 0.000 claims description 42
- 238000000034 method Methods 0.000 claims description 36
- 238000004364 calculation method Methods 0.000 claims description 32
- 230000000737 periodic effect Effects 0.000 claims description 28
- 239000008280 blood Substances 0.000 claims description 27
- 210000004369 blood Anatomy 0.000 claims description 27
- 210000000577 adipose tissue Anatomy 0.000 claims description 24
- 235000013305 food Nutrition 0.000 claims description 18
- 238000011835 investigation Methods 0.000 claims description 17
- 230000003993 interaction Effects 0.000 claims description 16
- 230000036772 blood pressure Effects 0.000 claims description 15
- 235000016709 nutrition Nutrition 0.000 claims description 15
- 235000015097 nutrients Nutrition 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 13
- 230000008569 process Effects 0.000 claims description 13
- 238000004458 analytical method Methods 0.000 claims description 12
- 239000003814 drug Substances 0.000 claims description 11
- HVYWMOMLDIMFJA-DPAQBDIFSA-N cholesterol Chemical compound C1C=C2C[C@@H](O)CC[C@]2(C)[C@@H]2[C@@H]1[C@@H]1CC[C@H]([C@H](C)CCCC(C)C)[C@@]1(C)CC2 HVYWMOMLDIMFJA-DPAQBDIFSA-N 0.000 claims description 10
- 230000035764 nutrition Effects 0.000 claims description 10
- 230000003442 weekly effect Effects 0.000 claims description 10
- 230000000378 dietary effect Effects 0.000 claims description 9
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 8
- 229910052760 oxygen Inorganic materials 0.000 claims description 8
- 239000001301 oxygen Substances 0.000 claims description 8
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 claims description 7
- 235000021196 dietary intervention Nutrition 0.000 claims description 7
- 229940079593 drug Drugs 0.000 claims description 7
- 239000008103 glucose Substances 0.000 claims description 7
- 230000037219 healthy weight Effects 0.000 claims description 7
- 230000006872 improvement Effects 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 238000011160 research Methods 0.000 claims description 6
- 235000004251 balanced diet Nutrition 0.000 claims description 5
- 235000013339 cereals Nutrition 0.000 claims description 5
- 235000012000 cholesterol Nutrition 0.000 claims description 5
- 235000005289 dietary characteristics Nutrition 0.000 claims description 5
- 235000013399 edible fruits Nutrition 0.000 claims description 5
- 239000000203 mixture Substances 0.000 claims description 5
- 235000006286 nutrient intake Nutrition 0.000 claims description 5
- 235000013343 vitamin Nutrition 0.000 claims description 5
- 229940088594 vitamin Drugs 0.000 claims description 5
- 229930003231 vitamin Natural products 0.000 claims description 5
- 239000011782 vitamin Substances 0.000 claims description 5
- 235000020785 dietary preference Nutrition 0.000 claims description 4
- 230000002452 interceptive effect Effects 0.000 claims description 4
- 235000019624 protein content Nutrition 0.000 claims description 4
- 150000003722 vitamin derivatives Chemical class 0.000 claims description 4
- 230000037147 athletic performance Effects 0.000 claims 2
- 230000002354 daily effect Effects 0.000 description 140
- 206010033307 Overweight Diseases 0.000 description 17
- 201000010099 disease Diseases 0.000 description 6
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 6
- 230000008859 change Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000001684 chronic effect Effects 0.000 description 3
- 235000006694 eating habits Nutrition 0.000 description 3
- 230000003907 kidney function Effects 0.000 description 3
- 210000004185 liver Anatomy 0.000 description 3
- 230000003908 liver function Effects 0.000 description 3
- 238000007405 data analysis Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 235000012631 food intake Nutrition 0.000 description 2
- 230000037406 food intake Effects 0.000 description 2
- 230000033001 locomotion Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 208000008589 Obesity Diseases 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 235000019577 caloric intake Nutrition 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 235000012041 food component Nutrition 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 150000002632 lipids Chemical class 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000009406 nutrient management Methods 0.000 description 1
- 235000020824 obesity Nutrition 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 235000018102 proteins Nutrition 0.000 description 1
- 102000004169 proteins and genes Human genes 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
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
- G16H20/60—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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
- G06F16/9035—Filtering based on additional data, e.g. user or group profiles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/906—Clustering; Classification
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Abstract
本发明公开了一种人体体重监测评估干预管理方法和系统,通过获取用户健康数据,根据所述用户健康数据判定用户画像分类,根据所述第一用户日常数据给出第一用户指导数据,若所述用户画像分类为低体重分类,则判定为第二用户,根据所述第二用户日常数据给出第二用户指导数据并给出目标专科医院就诊建议;获取第三用户病史数据以及第三用户日常数据,根据所述第三用户病史数据以及第三用户日常数据和用户健康数据,推荐第三用户健康体重设定方案,并根据所述第三用户健康体重设定方案跟踪用户阶段获取并记录第三用户实时日常数据和用户实时健康数据,并根据所述用户实时健康数据判断用户画像分类。
Description
技术领域
本申请涉及人体体重监测评估干预管理技术领域,特别是涉及一种人体体重监测评估干预管理方法和系统。
背景技术
智能体重秤是一种连接智能手机或平板电脑的体重秤,可以自动记录体重和BMI,并将数据同步到相关的应用程序或云端。智能体重秤通常配备了蓝牙或Wi-Fi连接,可以与其他健康应用程序或设备集成,以提供更全面的健康数据分析和建议。现有的许多健康监测应用程序可以帮助用户追踪饮食、运动和睡眠等健康指标,并根据用户的目标提供个性化的健康建议。这些应用程序通常与智能手表或智能手机等智能设备配合使用,可以记录和分析用户的健康数据,提供实时反馈和建议。现有的许多营养管理应用程序可以帮助用户追踪饮食摄入,并根据用户的目标和个人喜好提供个性化的饮食建议。这些应用程序通常使用食品数据库和营养分析工具,可以分析食物的营养成分,提供饮食计划和食谱等功能。现有的智能运动设备包括智能手表、智能手环和智能跑鞋等,可以自动追踪用户的运动和活动,包括步数、心率、卡路里消耗等指标,并提供个性化的运动建议和挑战。这些设备通常与健康监测应用程序集成,可以将健康数据同步到应用程序中。现有的在线健康管理平台可以帮助用户管理多种健康指标,包括体重、饮食、运动、心率、血糖等。这些平台通常使用人工智能和数据分析技术,可以分析用户的健康数据,提供个性化的健康建议和方案。
现有技术没有考虑慢病患者身体情况:现有的智能体重管理方案大多是通用性的,没有针对慢性病患者的特殊身体情况和健康需求进行个性化的体重管理。慢性病患者的体重管理需要考虑到疾病的类型、严重程度、用药情况等因素,才能制定出更为科学、合理的管理方案。
没有进行深度的饮食干预:现有的智能体重管理方案中,营养管理应用程序和健康监测应用程序等工具可以帮助用户追踪饮食摄入,但很少提供深度的饮食干预和管理。这些应用程序大多是基于常规的营养知识和饮食建议,缺乏对用户饮食特点、喜好、文化背景等因素进行充分考虑和分析。
缺乏针对性和实时性:现有的智能体重管理方案大多是基于已有的健康数据进行分析和建议,缺乏针对性和实时性。这些应用程序无法直接感知用户的身体情况、健康状况和环境变化,需要用户自行输入相关数据或连接其他智能设备进行数据采集。
发明内容
基于此,针对上述技术问题,提供一种人体体重监测评估干预管理方法和系统、以解决现有体重管理方案没有考虑慢病患者身体情况、没有进行深度的饮食干预以及缺乏针对性和实时性的问题。
第一方面,一种人体体重监测评估干预管理方法,所述方法包括:
获取用户健康数据,根据所述用户健康数据判定用户画像分类;
若所述用户画像分类为正常分类,则判定为第一用户,获取第一用户日常数据,所述第一用户日常数据包括第一用户日常膳食结构、身体活动和实时体重信息,根据所述第一用户日常数据给出第一用户指导数据,其中,所述指导数据包括目标日常膳食结构和目标身体活动信息;
若所述用户画像分类为低体重分类,则判定为第二用户,获取第二用户日常数据,所述第二用户日常数据包括第二用户日常膳食结构、身体活动和实时体重信息,根据所述第二用户日常数据给出第二用户指导数据并给出目标专科医院就诊建议;其中,所述目标专科医院是根据所述低体重分类用户健康数据分析得到的;
若所述用户画像分类为超重分类,则判定为第三用户,获取第三用户病史数据以及第三用户日常数据,根据所述第三用户病史数据以及第三用户日常数据和用户健康数据,推荐第三用户健康体重设定方案,并根据所述第三用户健康体重设定方案跟踪用户阶段获取并记录第三用户实时日常数据和用户实时健康数据,并根据所述用户实时健康数据判断用户画像分类。
上述方案中,可选地,所述获取用户健康数据,根据所述用户健康数据判定用户画像分类,包括:
获取用户身高体重、体脂率和体成分,生成用户健康数据,并根据标准体重值进行判断用户画像分类。
上述方案中,进一步可选地,所述根据所述用户健康数据判定用户画像分类包括:根据用户的标准体重值判定用户画像分类;
所述标准体重值包括身体质量指数BMI、体脂率BFR和体重Weight_Base;
所述身体质量指数BMI计算方式为:
;
体脂率BFR计算方式为:
,其中Gender值男性为1、女性为0;
体重Weight_Base计算中,男性标准体重计算方式为:
女性标准体重计算方式为:
。
上述方案中,进一步可选地,所述若所述用户画像分类为正常分类,获取用户日常数据,所述日常数据包括用户日常膳食结构、身体活动和实时体重信息,根据所述用户日常数据给出用户指导数据,其中,所述指导数据包括目标日常膳食结构和目标身体活动信息,包括:
所述用户日常膳食结构通过对用户各时间段用餐情况包括食物名称及重量进行记录,或对于不同菜品及其重量进行系统自动数据处理记录;食物名称根据顺序记录为xi,对应食物质量记录为ai,其中,i=1,2……n;根据录入信息进行用户各时间段膳食结构S_j的计算,计算方式为;其中/>为不同膳食结构;其中,j=1,2……n;
所述不同膳食结构包括谷类和水果分类的重量计算方法,其中,j=1,2……n;
统计各时间段膳食结构生成用户日常膳食结构;
所述身体活动和实时体重信息通过第三方设备获取。
上述方案中,进一步可选地,所述若所述第三用户画像分类为超重分类,获取第三用户病史数据包括:对所述用户进行病史调查,主要包括:疾病史、家族史和用药史,使用智能血压仪、连续血糖仪、人体成分分析仪和智能体脂分析秤,进行用户血压、血糖、血脂、血氧饱和度和肝肾功能检测,获取所述用户病史数据。
上述方案中,进一步可选地,所述第三用户日常数据包括:用户日常营养素数据,所述用户日常营养素数据根据用户日常营养素数据计算得到;
所述用户各时间段营养素摄入量计算方式为:,其中,为不同营养素分类,具体包括各类型维生素、胆固醇和蛋白质含量。
上述方案中,进一步可选地,所述根据所述第三用户病史数据以及第三用户日常数据和用户健康数据,推荐第三用户健康体重设定方案,根据所述第三用户健康体重设定方案跟踪第三用户阶段获取并记录用户实时日常数据和用户实时健康数据,并根据所述用户实时健康数据判断用户画像分类包括:
第三用户健康体重设定方案包括综合性生活方式干预计划和药物治疗计划;
根据所述用户健康体重设定方案跟踪用户阶段获取并记录第三用户实时日常数据和第三用户实时健康数据包括:对第三用户日常饮食运动体重管理阶段流程主要通过对用户进行日常营养、运动以及体重进行检测与指导,对第三用户进行每日膳食调查、身体活动水平调查;对第三用户给出限制能量的平衡膳食方案及食谱;对用户每日体重、体质率和运动消耗进行记录;生活方式干预计划过程中通过第三方研判对第三用户的饮食特点、喜好、和文化背景因素进行充分考虑和分析,实现深度饮食干预;
根据所述用户实时健康数据判断用户画像分类包括:周期性体质评估流程包括对第三用户进行每周交互、月度交互以及依从度评估;其中,所述每周交互包括问询饮食、身体反应和运动情况等内容问询及健康宣教;月度交互问询第三用户体重、体脂、血糖、血压和血氧饱和度改善情况;周期性体质评估的结果作为阶段目标完成与否的判断标准,若阶段目标未完成,则进行周期性体重管理目标的调节,并开启下一周期体重管理;若阶段目标完成,则根据完成度进行周期性体重管理目标的设定,并开启下一周期体重管理;若整体体重管理目标达成,则将用户分类划分为正常,并进入正常分类用户体重管理。
第二方面,一种人体体重监测评估干预管理系统,所述系统包括:
判定模块:用于获取用户健康数据,根据所述用户健康数据判定用户画像分类;
第一用户指导模块:用于若所述用户画像分类为正常分类,则判定为第一用户,获取第一用户日常数据,所述第一用户日常数据包括第一用户日常膳食结构、身体活动和实时体重信息,根据所述第一用户日常数据给出第一用户指导数据,其中,所述指导数据包括目标日常膳食结构和目标身体活动信息;
第二用户指导模块:用于若所述用户画像分类为低体重分类,则判定为第二用户,获取第二用户日常数据,所述第二用户日常数据包括第二用户日常膳食结构、身体活动和实时体重信息,根据所述第二用户日常数据给出第二用户指导数据并给出目标专科医院就诊建议;其中,所述目标专科医院是根据所述低体重分类用户健康数据分析得到的;
第三用户指导模块:用于若所述用户画像分类为超重分类,则判定为第三用户,获取第三用户病史数据以及第三用户日常数据,根据所述第三用户病史数据以及第三用户日常数据和用户健康数据,推荐第三用户健康体重设定方案,并根据所述第三用户健康体重设定方案跟踪用户阶段获取并记录第三用户实时日常数据和用户实时健康数据,并根据所述用户实时健康数据判断用户画像分类。
第三方面,一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
获取用户健康数据,根据所述用户健康数据判定用户画像分类;
若所述用户画像分类为正常分类,则判定为第一用户,获取第一用户日常数据,所述第一用户日常数据包括第一用户日常膳食结构、身体活动和实时体重信息,根据所述第一用户日常数据给出第一用户指导数据,其中,所述指导数据包括目标日常膳食结构和目标身体活动信息;
若所述用户画像分类为低体重分类,则判定为第二用户,获取第二用户日常数据,所述第二用户日常数据包括第二用户日常膳食结构、身体活动和实时体重信息,根据所述第二用户日常数据给出第二用户指导数据并给出目标专科医院就诊建议;其中,所述目标专科医院是根据所述低体重分类用户健康数据分析得到的;
若所述用户画像分类为超重分类,则判定为第三用户,获取第三用户病史数据以及第三用户日常数据,根据所述第三用户病史数据以及第三用户日常数据和用户健康数据,推荐第三用户健康体重设定方案,并根据所述第三用户健康体重设定方案跟踪用户阶段获取并记录第三用户实时日常数据和用户实时健康数据,并根据所述用户实时健康数据判断用户画像分类。
第四方面,一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
获取用户健康数据,根据所述用户健康数据判定用户画像分类;
若所述用户画像分类为正常分类,则判定为第一用户,获取第一用户日常数据,所述第一用户日常数据包括第一用户日常膳食结构、身体活动和实时体重信息,根据所述第一用户日常数据给出第一用户指导数据,其中,所述指导数据包括目标日常膳食结构和目标身体活动信息;
若所述用户画像分类为低体重分类,则判定为第二用户,获取第二用户日常数据,所述第二用户日常数据包括第二用户日常膳食结构、身体活动和实时体重信息,根据所述第二用户日常数据给出第二用户指导数据并给出目标专科医院就诊建议;其中,所述目标专科医院是根据所述低体重分类用户健康数据分析得到的;
若所述用户画像分类为超重分类,则判定为第三用户,获取第三用户病史数据以及第三用户日常数据,根据所述第三用户病史数据以及第三用户日常数据和用户健康数据,推荐第三用户健康体重设定方案,并根据所述第三用户健康体重设定方案跟踪用户阶段获取并记录第三用户实时日常数据和用户实时健康数据,并根据所述用户实时健康数据判断用户画像分类。
本发明至少具有以下有益效果:
本发明基于对现有技术问题的进一步分析和研究,认识到现有体重管理方案没有考虑慢病患者身体情况、没有进行深度的饮食干预以及缺乏针对性和实时性的问题。本发明通过获取用户健康数据,根据所述用户健康数据判定用户画像分类;若所述用户画像分类为正常分类,则判定为第一用户,获取第一用户日常数据,所述第一用户日常数据包括第一用户日常膳食结构、身体活动和实时体重信息,根据所述第一用户日常数据给出第一用户指导数据,其中,所述指导数据包括目标日常膳食结构和目标身体活动信息;若所述用户画像分类为低体重分类,则判定为第二用户,获取第二用户日常数据,所述第二用户日常数据包括第二用户日常膳食结构、身体活动和实时体重信息,根据所述第二用户日常数据给出第二用户指导数据并给出目标专科医院就诊建议;其中,所述目标专科医院是根据所述低体重分类用户健康数据分析得到的;若所述用户画像分类为超重分类,则判定为第三用户,获取第三用户病史数据以及第三用户日常数据,根据所述第三用户病史数据以及第三用户日常数据和用户健康数据,推荐第三用户健康体重设定方案,并根据所述第三用户健康体重设定方案跟踪用户阶段获取并记录第三用户实时日常数据和用户实时健康数据,并根据所述用户实时健康数据判断用户画像分类。
本体重管理方法可以通过定期对用户身体情况的评估和监测,及时预警潜在风险,并根据用户的身体情况和健康需求进行相应的干预和指导,以实现更加精准、个性化的体重管理。周期性闭环体重管理不仅可以监测用户的体重变化,还可以对用户的饮食习惯、运动情况进行全面的分析和管理,从而帮助用户更好地掌控自己的健康。
附图说明
图1为本发明一个实施例提供的人体体重监测评估干预管理方法的流程示意图;
图2为本发明一个实施例提供的正常分类用户管理流程示意图;
图3为本发明一个实施例提供的低体重分类用户管理流程示意图;
图4为本发明一个实施例提供的肥胖/超重分类用户管理流程意图;
图5为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请提供的人体体重监测评估干预管理方法,包括以下步骤:
获取用户健康数据,根据所述用户健康数据判定用户画像分类;
若所述用户画像分类为正常分类,则判定为第一用户,获取第一用户日常数据,所述第一用户日常数据包括第一用户日常膳食结构、身体活动和实时体重信息,根据所述第一用户日常数据给出第一用户指导数据,其中,所述指导数据包括目标日常膳食结构和目标身体活动信息;
若所述用户画像分类为低体重分类,则判定为第二用户,获取第二用户日常数据,所述第二用户日常数据包括第二用户日常膳食结构、身体活动和实时体重信息,根据所述第二用户日常数据给出第二用户指导数据并给出目标专科医院就诊建议;其中,所述目标专科医院是根据所述低体重分类用户健康数据分析得到的;
若所述用户画像分类为超重分类,则判定为第三用户,获取第三用户病史数据以及第三用户日常数据,根据所述第三用户病史数据以及第三用户日常数据和用户健康数据,推荐第三用户健康体重设定方案,并根据所述第三用户健康体重设定方案跟踪用户阶段获取并记录第三用户实时日常数据和用户实时健康数据,并根据所述用户实时健康数据判断用户画像分类。
在一个实施例中,所述获取用户健康数据,根据所述用户健康数据判定用户画像分类,包括:
获取用户身高体重、体脂率和体成分,生成用户健康数据,并根据标准体重值进行判断用户画像分类。
在一个实施例中,所述根据所述用户健康数据判定用户画像分类包括:根据用户的标准体重值判定用户画像分类;
所述标准体重值包括身体质量指数BMI、体脂率BFR和体重Weight_Base;
所述身体质量指数BMI计算方式为:
;
体脂率BFR计算方式为:
,其中Gender值男性为1、女性为0;
体重Weight_Base计算中,男性标准体重计算方式为:
女性标准体重计算方式为:。
在一个实施例中,所述若所述用户画像分类为正常分类,获取用户日常数据,所述日常数据包括用户日常膳食结构、身体活动和实时体重信息,根据所述用户日常数据给出用户指导数据,其中,所述指导数据包括目标日常膳食结构和目标身体活动信息,包括:
所述用户日常膳食结构通过对用户各时间段用餐情况包括食物名称及重量进行记录,或对于不同菜品及其重量进行系统自动数据处理记录;食物名称根据顺序记录为xi,对应食物质量记录为ai,其中,i=1,2……n;根据录入信息进行用户各时间段膳食结构S_j的计算,计算方式为;其中/>为不同膳食结构;其中,j=1,2……n;
所述不同膳食结构包括谷类和水果分类的重量计算方法,其中,j=1,2……n;
统计各时间段膳食结构生成用户日常膳食结构;
所述身体活动和实时体重信息通过第三方设备获取。
在一个实施例中,所述若所述第三用户画像分类为超重分类,获取第三用户病史数据包括:对所述用户进行病史调查,主要包括:疾病史、家族史和用药史,使用智能血压仪、连续血糖仪、人体成分分析仪和智能体脂分析秤,进行用户血压、血糖、血脂、血氧饱和度和肝肾功能检测,获取所述用户病史数据。
在一个实施例中,所述第三用户日常数据包括:用户日常营养素数据,所述用户日常营养素数据根据用户日常营养素数据计算得到;
所述用户各时间段营养素摄入量计算方式为:,其中,为不同营养素分类,具体包括各类型维生素、胆固醇和蛋白质含量。
在一个实施例中,所述根据所述第三用户病史数据以及第三用户日常数据和用户健康数据,推荐第三用户健康体重设定方案,根据所述第三用户健康体重设定方案跟踪第三用户阶段获取并记录用户实时日常数据和用户实时健康数据,并根据所述用户实时健康数据判断用户画像分类包括:
第三用户健康体重设定方案包括综合性生活方式干预计划和药物治疗计划;
根据所述用户健康体重设定方案跟踪用户阶段获取并记录第三用户实时日常数据和第三用户实时健康数据包括:对第三用户日常饮食运动体重管理阶段流程主要通过对用户进行日常营养、运动以及体重进行检测与指导,对第三用户进行每日膳食调查、身体活动水平调查;对第三用户给出限制能量的平衡膳食方案及食谱;对用户每日体重、体质率和运动消耗进行记录;生活方式干预计划过程中通过第三方研判对第三用户的饮食特点、喜好、和文化背景因素进行充分考虑和分析,实现深度饮食干预;
根据所述用户实时健康数据判断用户画像分类包括:周期性体质评估流程包括对第三用户进行每周交互、月度交互以及依从度评估;其中,所述每周交互包括问询饮食、身体反应和运动情况等内容问询及健康宣教;月度交互问询第三用户体重、体脂、血糖、血压和血氧饱和度改善情况;周期性体质评估的结果作为阶段目标完成与否的判断标准,若阶段目标未完成,则进行周期性体重管理目标的调节,并开启下一周期体重管理;若阶段目标完成,则根据完成度进行周期性体重管理目标的设定,并开启下一周期体重管理;若整体体重管理目标达成,则将用户分类划分为正常,并进入正常分类用户体重管理。
本实施例中,通过获取用户健康数据,根据所述用户健康数据判定用户画像分类;若所述用户画像分类为正常分类,则判定为第一用户,获取第一用户日常数据,所述第一用户日常数据包括第一用户日常膳食结构、身体活动和实时体重信息,根据所述第一用户日常数据给出第一用户指导数据,其中,所述指导数据包括目标日常膳食结构和目标身体活动信息;若所述用户画像分类为低体重分类,则判定为第二用户,获取第二用户日常数据,所述第二用户日常数据包括第二用户日常膳食结构、身体活动和实时体重信息,根据所述第二用户日常数据给出第二用户指导数据并给出目标专科医院就诊建议;其中,所述目标专科医院是根据所述低体重分类用户健康数据分析得到的;若所述用户画像分类为超重分类,则判定为第三用户,获取第三用户病史数据以及第三用户日常数据,根据所述第三用户病史数据以及第三用户日常数据和用户健康数据,推荐第三用户健康体重设定方案,并根据所述第三用户健康体重设定方案跟踪用户阶段获取并记录第三用户实时日常数据和用户实时健康数据,并根据所述用户实时健康数据判断用户画像分类。本实施例可以通过定期对用户身体情况的评估和监测,及时预警潜在风险,并根据用户的身体情况和健康需求进行相应的干预和指导,以实现更加精准、个性化的体重管理。周期性闭环体重管理不仅可以监测用户的体重变化,还可以对用户的饮食习惯、运动情况等进行全面的分析和管理,从而帮助用户更好地掌控自己的健康。
在一个实施例中,公开了一种基于智能体脂分析仪的人体体重监测评估干预管理系统,旨在针对各类人群进行体重监测、评估、干预以及管理。系统监测手段基于智能体脂分析仪、智能血压仪、连续血糖仪、人体成分分析仪等。
用户初次使用时,需要进行体质判断进行用户画像的确定,即用户分类,主要根据用户身高体重、体脂率、身体质量指数BMI、体成分、标准体重值进行判断,同时进行用户血压、血糖、血脂、血氧饱和度、肝肾功能检测,作为营养师基健康管理师更全面更精准的用户身体数据。判断手段主要为机器研判,还包括由医生端给用户进行标签标记、健康管理师参与给出个性化的健康指导意见。
其中,身体质量指数BMI计算方法之一为公式(1),其也可以通过机器自动获取。
(1)
体脂率BFR计算方法为公式(2)所示,其中Gender值男性为1、女性为0。BFR计算方法多样,公式2仅为在有年龄、性别、BMI指数数据的情况下作为参考公式。
(2)
标准体重Weight_Base计算中,男性标准体重计算方法为公式(3)所示,女性标准体重计算方法为公式(4)所示:
(3)
(4)
营养管理将对各时间段用餐情况包括食物名称及重量进行记录,或对于不同菜品及其重量进行系统自动数据处理记录。食物名称根据顺序记录为xi ,对应食物质量记录为ai, 其中i=1,2……n)。根据录入信息进行各时间段膳食结构S_j的计算,计算方法如公式(5)所示,其中S_ j(xi)为不同膳食结构如谷类、水果等分类的重量计算方法,其中j=1,2……n
(5)
根据录入信息进行各时间段营养素摄入量计算,计算方法如公式(6)所示,其中为不同营养素分类如各类型维生素、胆固醇、蛋白质等的含量计算方法。
(6)
用户画像分类主要包括三类:正常、低体重、超重/肥胖。
其中,正常分类用户的系统处理方法及流程如图2所示,主要包括:
日常营养、运动以及体重检测与指导;
每日膳食调查、身体活动水平调查;
每日营养评估、运动评估、食谱建议;
根据以上三条的结果及结论,给出基础的营养指导,进行营养素分析以及膳食比例分析。
其中,低体重用户处理方法及流程如图3所示,主要包括:
问询是否愿意进行营养评估;
每日膳食调查、身体活动水平调查;
每日营养评估、运动评估、食谱建议;
根据评估结果建议用户到专科医院进行就诊。
其中,系统针对超重/肥胖用户的体重管理最为核心,针对此类用户的监测、评估干预以及管理的方法遵循,流程如图4所示,主要包含以下流程:
整体及周期性健康体重管理目标的设定;
日常饮食运动体重管理阶段;
周期性体质评估;
阶段目标完成度判断;
体重管理目标的调整。
在针对超重/肥胖用户的管理中,各个流程之间相互协调、指导,共同完成体重管理的任务。其中健康体重管理目标的设定流程为:首先进行病史调查,主要包括:疾病史、家族史、用药史等。通过功能接口,使用智能血压仪、连续血糖仪、人体成分分析仪、智能体脂分析秤等,进行用户血压、血糖、血脂、血氧饱和度、肝肾功能检测。根据病史调查结果及用户检测结果,将用户进行分类,根据不同用户情况主要分为:0期:无相关疾病或相关疾病前期;1期:伴有一种及以上相关疾病周期;2期:伴有一种及以上相关疾病;
根据用户分类结果进行管理计划的设定,针对肥胖和超重人群进行干预,管理计划主要包括:综合性生活方式干预计划;药物治疗计划。
进行健康体重管理目标的设定,给出推荐方案并允许用户自定义设置。在针对肥胖/超重用户的管理中,日常饮食运动体重管理阶段流程主要通过对用户进行日常营养、运动以及体重进行检测与指导。对用户进行每日膳食调查、身体活动水平调查;对用户给出限制能量的平衡膳食方案及食谱;对用户每日体重、体质率、运动消耗进行记录。饮食干预过程中通过机器研判或由健康管理师对用户的饮食特点、喜好、文化背景等因素进行充分考虑和分析,进而实现更加深度的饮食干预,更好地管理用户的体重在针对肥胖/超重用户的管理中,周期性体质评估流程主要对用户进行每周交互、月度交互以及依从度评估。其中每周交互主要包括问询饮食、身体反应、运动情况等内容问询及健康宣教;阅读交互主要问询用户体重、体脂、血糖、血压、血氧饱和度等改善情况;依从性评估主要通过统计用户每天使用软件记录饮食及体重等信息的的频次。
周期性体质评估的结果作为阶段目标完成与否的判断标准,如果阶段目标未完成,则进行周期性体重管理目标的调节,并开启下一周期体重管理;如果阶段目标完成,则根据完成度进行周期性体重管理目标的设定,并开启下一周期体重管理;如果整体体重管理目标达成,则将用户分类划分为正常,并进入正常分类用户体重管理流程。
本实施例在初始用户画像过程中,考虑了慢性病患者的特殊身体情况和健康需求,并对人群进行细化分层。加入周期性回访步骤可以在饮食干预过程中对用户的饮食特点、喜好、文化背景等因素进行充分考虑和分析,进而实现更加深度的饮食干预,更好地管理用户的体重。使用第三方工具,例如:智能血压仪、连续血糖仪、人体成分分析仪、智能体脂分析秤等,进行用户血压、血糖、血脂、血氧饱和度、肝肾功能检测。提供给营养师更全面、更精准的用户身体数据。周期性体重管理闭环,是一种全流程可追溯的体重管理办法,它包括多个步骤,如阶段性身体情况评估、预警、回访干预等。通过这些步骤的有机结合,可以实现对用户体重管理的全方位监测和管理。本体重管理办法可以通过定期对用户身体情况的评估和监测,及时预警潜在风险,并根据用户的身体情况和健康需求进行相应的干预和指导,以实现更加精准、个性化的体重管理。周期性闭环体重管理不仅可以监测用户的体重变化,还可以对用户的饮食习惯、运动情况等进行全面的分析和管理,从而帮助用户更好地掌控自己的健康。
应该理解的是,虽然图1-4的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图1-4中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,提供了一种人体体重监测评估干预管理系统,包括以下程序模块:
判定模块:用于获取用户健康数据,根据所述用户健康数据判定用户画像分类;
第一用户指导模块:用于若所述用户画像分类为正常分类,则判定为第一用户,获取第一用户日常数据,所述第一用户日常数据包括第一用户日常膳食结构、身体活动和实时体重信息,根据所述第一用户日常数据给出第一用户指导数据,其中,所述指导数据包括目标日常膳食结构和目标身体活动信息;
第二用户指导模块:用于若所述用户画像分类为低体重分类,则判定为第二用户,获取第二用户日常数据,所述第二用户日常数据包括第二用户日常膳食结构、身体活动和实时体重信息,根据所述第二用户日常数据给出第二用户指导数据并给出目标专科医院就诊建议;其中,所述目标专科医院是根据所述低体重分类用户健康数据分析得到的;
第三用户指导模块:用于若所述用户画像分类为超重分类,则判定为第三用户,获取第三用户病史数据以及第三用户日常数据,根据所述第三用户病史数据以及第三用户日常数据和用户健康数据,推荐第三用户健康体重设定方案,并根据所述第三用户健康体重设定方案跟踪用户阶段获取并记录第三用户实时日常数据和用户实时健康数据,并根据所述用户实时健康数据判断用户画像分类。
关于人体体重监测评估干预管理系统的具体限定可以参见上文中对于人体体重监测评估干预管理方法的限定,在此不再赘述。上述人体体重监测评估干预管理系统中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图5所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入系统。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信,无线方式可通过WIFI、运营商网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种人体体重监测评估干预管理方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入系统可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图5中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,涉及上述实施例方法中的全部或部分流程。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,涉及上述实施例方法中的全部或部分流程。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory,ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic Random Access Memory,DRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (4)
1.一种人体体重监测评估干预管理方法,其特征在于,所述方法包括:
获取用户健康数据,根据所述用户健康数据判定用户画像分类;
若所述用户画像分类为正常分类,则判定为第一用户,获取第一用户日常数据,所述第一用户日常数据包括第一用户日常膳食结构、身体活动和实时体重信息,根据所述第一用户日常数据给出第一用户指导数据,其中,所述指导数据包括目标日常膳食结构和目标身体活动信息;
若所述用户画像分类为低体重分类,则判定为第二用户,获取第二用户日常数据,所述第二用户日常数据包括第二用户日常膳食结构、身体活动和实时体重信息,根据所述第二用户日常数据给出第二用户指导数据并给出目标专科医院就诊建议;其中,所述目标专科医院是根据所述低体重分类用户健康数据分析得到的;
若所述用户画像分类为超重分类,则判定为第三用户,获取第三用户病史数据以及第三用户日常数据,根据所述第三用户病史数据以及第三用户日常数据和用户健康数据,推荐第三用户健康体重设定方案,并根据所述第三用户健康体重设定方案跟踪用户阶段获取并记录第三用户实时日常数据和用户实时健康数据,并根据所述用户实时健康数据判断用户画像分类;
所述获取用户健康数据,根据所述用户健康数据判定用户画像分类,包括:获取用户身高体重、体脂率和体成分,生成用户健康数据,并根据标准体重值进行判断用户画像分类;
根据所述用户健康数据判定用户画像分类包括:根据用户的标准体重值判定用户画像分类;
所述标准体重值包括身体质量指数BMI、体脂率BFR和体重Weight_Base;
所述身体质量指数BMI计算方式为:
体脂率BFR计算方式为:BFR=1.2×BMI+0.23×Age-5.4-10.8×Gender其中Gender值男性为1、女性为0;
男性标准体重计算方式为:
Weight_Base1=(Height1-100)×0.9;
女性标准体重计算方式为:
Weight_Base2=(Height2-100)×0.9-2.5;
若所述用户画像分类为正常分类,获取用户日常数据,所述日常数据包括用户日常膳食结构、身体活动和实时体重信息,根据所述用户日常数据给出用户指导数据,其中,所述指导数据包括目标日常膳食结构和目标身体活动信息,包括:
所述用户日常膳食结构通过对用户各时间段用餐情况包括食物名称及重量进行记录,或对于不同菜品及其重量进行系统自动数据处理记录;食物名称根据顺序记录为xi,对应食物质量记录为ai,其中,i=1,2……n;根据录入信息进行用户各时间段膳食结构S_j的计算,计算方式为
其中S_j(xi)为不同膳食结构;其中,j=1,2……n;
所述不同膳食结构包括谷类和水果分类的重量计算方法,其中,j=1,2……n;
统计各时间段膳食结构生成用户日常膳食结构;
所述身体活动和实时体重信息通过第三方设备获取;
若第三用户画像分类为超重分类,获取第三用户病史数据包括:
对所述用户进行病史调查,主要包括:疾病史、家族史和用药史,使用智能血压仪、连续血糖仪、人体成分分析仪和智能体脂分析秤,进行用户血压、血糖、血脂、血氧饱和度和肝肾功能检测,获取所述用户病史数据;
所述第三用户日常数据包括:用户日常营养素数据,所述用户日常营养素数据根据用户日常营养素数据计算得到;
所述用户各时间段营养素摄入量计算方式为:其中,Y_j(xi)为不同营养素分类,具体包括各类型维生素、胆固醇和蛋白质含量;
根据所述第三用户病史数据以及第三用户日常数据和用户健康数据,推荐第三用户健康体重设定方案,根据所述第三用户健康体重设定方案跟踪第三用户阶段获取并记录用户实时日常数据和用户实时健康数据,并根据所述用户实时健康数据判断用户画像分类包括:
第三用户健康体重设定方案包括综合性生活方式干预计划和药物治疗计划;
根据所述用户健康体重设定方案跟踪用户阶段获取并记录第三用户实时日常数据和第三用户实时健康数据包括:对第三用户日常饮食运动体重管理阶段流程主要通过对用户进行日常营养、运动以及体重进行检测与指导,对第三用户进行每日膳食调查、身体活动水平调查;对第三用户给出限制能量的平衡膳食方案及食谱;对用户每日体重、体质率和运动消耗进行记录;生活方式干预计划过程中通过第三方研判对第三用户的饮食特点、喜好、和文化背景因素进行充分考虑和分析,实现深度饮食干预;
根据所述用户实时健康数据判断用户画像分类包括:周期性体质评估流程包括对第三用户进行每周交互、月度交互以及依从度评估;其中,所述每周交互包括问询饮食、身体反应和运动情况内容问询及健康宣教;月度交互问询第三用户体重、体脂、血糖、血压和血氧饱和度改善情况;周期性体质评估的结果作为阶段目标完成与否的判断标准,若阶段目标未完成,则进行周期性体重管理目标的调节,并开启下一周期体重管理;若阶段目标完成,则根据完成度进行周期性体重管理目标的设定,并开启下一周期体重管理;若整体体重管理目标达成,则将用户分类划分为正常,并进入正常分类用户体重管理。
2.一种人体体重监测评估干预管理系统,其特征在于,所述系统包括:
判定模块:用于获取用户健康数据,根据所述用户健康数据判定用户画像分类;
第一用户指导模块:用于若所述用户画像分类为正常分类,则判定为第一用户,获取第一用户日常数据,所述第一用户日常数据包括第一用户日常膳食结构、身体活动和实时体重信息,根据所述第一用户日常数据给出第一用户指导数据,其中,所述指导数据包括目标日常膳食结构和目标身体活动信息;包括:
所述用户日常膳食结构通过对用户各时间段用餐情况包括食物名称及重量进行记录,或对于不同菜品及其重量进行系统自动数据处理记录;食物名称根据顺序记录为xi,对应食物质量记录为ai,其中,i=1,2……n;根据录入信息进行用户各时间段膳食结构S_j的计算,计算方式为
其中S_j(xi)为不同膳食结构;其中,j=1,2……n;
所述不同膳食结构包括谷类和水果分类的重量计算方法,其中,j=1,2……n;
统计各时间段膳食结构生成用户日常膳食结构;
所述身体活动和实时体重信息通过第三方设备获取;
第二用户指导模块:用于若所述用户画像分类为低体重分类,则判定为第二用户,获取第二用户日常数据,所述第二用户日常数据包括第二用户日常膳食结构、身体活动和实时体重信息,根据所述第二用户日常数据给出第二用户指导数据并给出目标专科医院就诊建议;其中,所述目标专科医院是根据所述低体重分类用户健康数据分析得到的;
第三用户指导模块:用于若所述用户画像分类为超重分类,则判定为第三用户,获取第三用户病史数据以及第三用户日常数据,根据所述第三用户病史数据以及第三用户日常数据和用户健康数据,推荐第三用户健康体重设定方案,并根据所述第三用户健康体重设定方案跟踪用户阶段获取并记录第三用户实时日常数据和用户实时健康数据,并根据所述用户实时健康数据判断用户画像分类;
获取第三用户病史数据包括:
对所述用户进行病史调查,主要包括:疾病史、家族史和用药史,使用智能血压仪、连续血糖仪、人体成分分析仪和智能体脂分析秤,进行用户血压、血糖、血脂、血氧饱和度和肝肾功能检测,获取所述用户病史数据;
所述第三用户日常数据包括:用户日常营养素数据,所述用户日常营养素数据根据用户日常营养素数据计算得到;
所述用户各时间段营养素摄入量计算方式为:其中,Y_j(xi)为不同营养素分类,具体包括各类型维生素、胆固醇和蛋白质含量;
根据所述第三用户病史数据以及第三用户日常数据和用户健康数据,推荐第三用户健康体重设定方案,根据所述第三用户健康体重设定方案跟踪第三用户阶段获取并记录用户实时日常数据和用户实时健康数据,并根据所述用户实时健康数据判断用户画像分类包括:
第三用户健康体重设定方案包括综合性生活方式干预计划和药物治疗计划;
根据所述用户健康体重设定方案跟踪用户阶段获取并记录第三用户实时日常数据和第三用户实时健康数据包括:对第三用户日常饮食运动体重管理阶段流程主要通过对用户进行日常营养、运动以及体重进行检测与指导,对第三用户进行每日膳食调查、身体活动水平调查;对第三用户给出限制能量的平衡膳食方案及食谱;对用户每日体重、体质率和运动消耗进行记录;生活方式干预计划过程中通过第三方研判对第三用户的饮食特点、喜好、和文化背景因素进行充分考虑和分析,实现深度饮食干预;
根据所述用户实时健康数据判断用户画像分类包括:周期性体质评估流程包括对第三用户进行每周交互、月度交互以及依从度评估;其中,所述每周交互包括问询饮食、身体反应和运动情况内容问询及健康宣教;月度交互问询第三用户体重、体脂、血糖、血压和血氧饱和度改善情况;周期性体质评估的结果作为阶段目标完成与否的判断标准,若阶段目标未完成,则进行周期性体重管理目标的调节,并开启下一周期体重管理;若阶段目标完成,则根据完成度进行周期性体重管理目标的设定,并开启下一周期体重管理;若整体体重管理目标达成,则将用户分类划分为正常,并进入正常分类用户体重管理。
3.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1所述的方法的步骤。
4.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310517463.4A CN116246754B (zh) | 2023-05-10 | 2023-05-10 | 一种人体体重监测评估干预管理方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310517463.4A CN116246754B (zh) | 2023-05-10 | 2023-05-10 | 一种人体体重监测评估干预管理方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116246754A CN116246754A (zh) | 2023-06-09 |
CN116246754B true CN116246754B (zh) | 2024-04-02 |
Family
ID=86629864
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310517463.4A Active CN116246754B (zh) | 2023-05-10 | 2023-05-10 | 一种人体体重监测评估干预管理方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116246754B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102930491A (zh) * | 2012-11-05 | 2013-02-13 | 苏州天奥体育科技有限公司 | 一种体重管理服务系统及方法 |
CN109903833A (zh) * | 2019-03-08 | 2019-06-18 | 上海一健事信息科技有限公司 | 一种基于数字技术的高血压生活方式管理系统 |
KR102043959B1 (ko) * | 2019-07-25 | 2019-11-12 | (주)어메이징푸드솔루션 | 개인별 유전자 유형과 개인건강기록 데이터에 근거한 맞춤형 식단 추천 시스템 |
RU2712395C1 (ru) * | 2018-11-29 | 2020-01-28 | Самсунг Электроникс Ко., Лтд. | Способ выдачи рекомендаций по поддержанию здорового образа жизни на основе параметров ежедневной деятельности пользователя, автоматически отслеживаемых в реальном времени, и соответствующая система (варианты) |
CN111564199A (zh) * | 2020-05-08 | 2020-08-21 | 成都尚医信息科技有限公司 | 智能化营养干预的方法及终端 |
CN112819548A (zh) * | 2021-02-26 | 2021-05-18 | 泰康保险集团股份有限公司 | 用户画像生成方法及装置、可读存储介质、电子设备 |
CN113679370A (zh) * | 2020-05-19 | 2021-11-23 | 华为技术有限公司 | 一种体成分检测方法、设备和计算机可读存储介质 |
CN114388101A (zh) * | 2021-12-20 | 2022-04-22 | 陈廷婷 | 一种健康食谱管理系统及其方法 |
CN114913958A (zh) * | 2022-05-16 | 2022-08-16 | 杭州健海医疗服务有限公司 | 基于用户画像技术的膳食营养动态干预系统及方法 |
CN115036018A (zh) * | 2022-05-17 | 2022-09-09 | 成都市温江区人民医院 | 一种医疗健康管理系统 |
CN115188473A (zh) * | 2022-07-10 | 2022-10-14 | 天津中智云海软件科技有限公司 | 一种健康管理系统及其工作方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050240444A1 (en) * | 2004-04-26 | 2005-10-27 | Richard Wooten | System and method of individualized mass diagnosis and treatment of obesity |
US7953613B2 (en) * | 2007-01-03 | 2011-05-31 | Gizewski Theodore M | Health maintenance system |
US20160275262A1 (en) * | 2014-03-19 | 2016-09-22 | Preslav N. Panayotov | Computerized System and Method for Health Scoring and Health Risk Assessment |
US20160166195A1 (en) * | 2014-12-15 | 2016-06-16 | Katarzyna Radecka | Energy and Food Consumption Tracking for Weight and Blood Glucose Control |
-
2023
- 2023-05-10 CN CN202310517463.4A patent/CN116246754B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102930491A (zh) * | 2012-11-05 | 2013-02-13 | 苏州天奥体育科技有限公司 | 一种体重管理服务系统及方法 |
RU2712395C1 (ru) * | 2018-11-29 | 2020-01-28 | Самсунг Электроникс Ко., Лтд. | Способ выдачи рекомендаций по поддержанию здорового образа жизни на основе параметров ежедневной деятельности пользователя, автоматически отслеживаемых в реальном времени, и соответствующая система (варианты) |
CN109903833A (zh) * | 2019-03-08 | 2019-06-18 | 上海一健事信息科技有限公司 | 一种基于数字技术的高血压生活方式管理系统 |
KR102043959B1 (ko) * | 2019-07-25 | 2019-11-12 | (주)어메이징푸드솔루션 | 개인별 유전자 유형과 개인건강기록 데이터에 근거한 맞춤형 식단 추천 시스템 |
CN111564199A (zh) * | 2020-05-08 | 2020-08-21 | 成都尚医信息科技有限公司 | 智能化营养干预的方法及终端 |
CN113679370A (zh) * | 2020-05-19 | 2021-11-23 | 华为技术有限公司 | 一种体成分检测方法、设备和计算机可读存储介质 |
CN112819548A (zh) * | 2021-02-26 | 2021-05-18 | 泰康保险集团股份有限公司 | 用户画像生成方法及装置、可读存储介质、电子设备 |
CN114388101A (zh) * | 2021-12-20 | 2022-04-22 | 陈廷婷 | 一种健康食谱管理系统及其方法 |
CN114913958A (zh) * | 2022-05-16 | 2022-08-16 | 杭州健海医疗服务有限公司 | 基于用户画像技术的膳食营养动态干预系统及方法 |
CN115036018A (zh) * | 2022-05-17 | 2022-09-09 | 成都市温江区人民医院 | 一种医疗健康管理系统 |
CN115188473A (zh) * | 2022-07-10 | 2022-10-14 | 天津中智云海软件科技有限公司 | 一种健康管理系统及其工作方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116246754A (zh) | 2023-06-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10950335B2 (en) | Health tracking device | |
US11081234B2 (en) | Clinical support systems and methods | |
US20170308666A1 (en) | System and method for providing aggregation and continuous learning to improve health outcomes | |
US20190267128A1 (en) | Determining an Optimal Wellness Regime | |
Darby et al. | A review of nutritional tracking mobile applications for diabetes patient use | |
US11775053B2 (en) | Methods and systems for using artificial intelligence to analyze user activity data | |
KR102004438B1 (ko) | 사용자 건강습관정보 수집을 통한 건강관리 서비스 제공 장치 및 제공 방법 | |
JPWO2020059794A1 (ja) | 情報処理方法、情報処理装置及びプログラム | |
KR102330705B1 (ko) | 기록매체에 저장된 개인 관리 어플리케이션 및 이를 포함하는 건강 관리 시스템 | |
CN107077711A (zh) | 特性评价装置、特性评价系统、特性评价方法和特性评价程序 | |
CN102053158A (zh) | 血糖分析系统、装置及其方法 | |
US20220167929A1 (en) | Methods and systems for determining the physical status of a subject | |
CN116246754B (zh) | 一种人体体重监测评估干预管理方法和系统 | |
Roy et al. | OBESEYE: Interpretable Diet Recommender for Obesity Management using Machine Learning and Explainable AI | |
US20220392609A1 (en) | Personalized food recommendations based on sensed biomarker data | |
TWM560657U (zh) | 互動式智能健康管理系統 | |
CN112802580A (zh) | 一种体脂记录管理方法及系统 | |
US11688506B2 (en) | Methods and systems for calculating an edible score in a display interface | |
TW201931294A (zh) | 互動式智能健康管理系統及其方法 | |
US20230274812A1 (en) | Methods and systems for calculating an edible score in a display interface | |
Marrapu et al. | Survey on Personalized Healthy Diet Recommendation System Using Machine Learning | |
EP4138090A1 (en) | Personalized healthcare system and operation method thereof | |
Gaikwad et al. | Diet Plan and Home Exercise Recommendation system using Smart Watch | |
CN115335914A (zh) | 指示依赖性营养物质计算和保存平台 | |
CN117894463A (zh) | 生活方式管理效果评估方法及相关设备 |
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 |