CN116469558A - 一种基于ahp-topsis的不同运动方式对健康影响的评价方法 - Google Patents

一种基于ahp-topsis的不同运动方式对健康影响的评价方法 Download PDF

Info

Publication number
CN116469558A
CN116469558A CN202310357234.0A CN202310357234A CN116469558A CN 116469558 A CN116469558 A CN 116469558A CN 202310357234 A CN202310357234 A CN 202310357234A CN 116469558 A CN116469558 A CN 116469558A
Authority
CN
China
Prior art keywords
health
evaluation
exercise
topsis
different
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
CN202310357234.0A
Other languages
English (en)
Inventor
郑焕
樊济宇
余本伟
杨浩
黄灿
胡大治
钱凤娇
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.)
Nanjing University of Aeronautics and Astronautics
Original Assignee
Nanjing University of Aeronautics and Astronautics
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 Nanjing University of Aeronautics and Astronautics filed Critical Nanjing University of Aeronautics and Astronautics
Priority to CN202310357234.0A priority Critical patent/CN116469558A/zh
Publication of CN116469558A publication Critical patent/CN116469558A/zh
Pending legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30ICT 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
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10Complex mathematical operations
    • G06F17/16Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02PCLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Medical Informatics (AREA)
  • Computational Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Computing Systems (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • Algebra (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Epidemiology (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

本发明公开了一种基于AHP‑TOPSIS的不同运动方式对健康影响的评价方法,属于健康评估领域;本发明首先在TOPSIS的基础上,结合层次分析法(AHP法)赋予TOPSIS各项参数权重,构建适用于不同运动方式对健康影响的评价方法,可以对不同运动方式对人体健康的影响进行分析与评估,并针对不同类型的疾病给出相关的建议。

Description

一种基于AHP-TOPSIS的不同运动方式对健康影响的评价方法
技术领域
本发明属于健康评估领域,具体涉及一种基于AHP-TOPSIS的不同运动方式对健康影响的评估方法。
背景技术
目前,由于人们生活节奏加快,更多的人整天忙于工作、学习,导致在日常生活中进行运动的时间越来越少,越来越多的人由于长期缺少运动而导致身体处于亚健康状态,各种疾病日益显现出来,例如高血脂等疾病。通过运动可以有效改善高血脂、高血压、高血糖等问题。因此,分析不同运动对于健康的影响并针对性的给出合理的运动方案是备受关注且具有很强现实需求意义的。目前常用的方法有Meta分析、主成分分析方法,但是这些方法存在采用单一模型、结果不准确且方法比较复杂的问题。
发明内容
本发明提出了一种基于AHP-TOPSIS的不同运动方式对健康影响的评价方法,可以根据不同的健康评价标准针对性的给出合理的运动方案的建议。
为了实现上述技术目的,本发明采用以下技术方案:
一种基于AHP-TOPSIS的不同运动方式对健康影响的评价方法,包括以下步骤:
(1)选取运动类型与健康评价指标;
(2)利用TOPSIS建立不同运动方式与健康评价指标之间的评价分;
(3)构建健康评价指标之间的判断矩阵,并求解判断矩阵的一致性,求解不同类型的健康评价指标的权重;
(4)对TOPSIS中特征矩阵标准化后的矩阵进行加权,计算不同运动对健康的影响评分;
(5)根据评分对运动类型与健康影响进行分析。
以上所述步骤中,步骤(2)的具体过程如下:
假设有n个要进行评价的运动方式对象,m个健康评价指标,将所有的指标进行正向化处理,得到正向化矩阵如下:
式中:ynm表示第n个运动方式对应的第m个健康指标的值;
对矩阵Y进行标准化后得到的新的矩阵记为Z:
式中:ynm表示第n个运动方式对应的第m个健康指标的值;znm表示第n个运动方式对应的第m个健康指标的规范值;
步骤(3)的具体过程如下:
根据经验构建不同健康评价指标之间的比较矩阵,并对判断矩阵进行一致性检验,最后计算得出各指标的权重:
W=[w1 w2 … wm] (4)
步骤(4)的具体过程如下:
根据步骤(3)求解得到的权重对公式(2)得到标准化矩阵进行加权得到加权评价指标值:
vnm=wm*znm (5)
式中:vnm表示第n个运动方式对应的第m个健康指标的加权评价指标值;wm表示第m个健康指标的的权重;
确定正理想解Z+和负理想的解Z-:
定义第i(i=1,2,…,n)个评价对象与最大值的距离为:
定义第i(i=1,2,…,n)个评价对象与最小值的距离为:
其中,分别是第j个评价指标的最大值,/>分别是第j个评价指标的最小值,zij表示第i个运动方式对应的第j个健康指标的数值;
利用这些中间参数可以计算出第i(i=1,2,3…n)个评价对象未归一化后的评价得分:
步骤(5)的具体过程如下:
根据公式(10)可以获取不同运动类型与健康评价指标的定量关系,得分越高,该运动的效果越好,同时也可以得到不同运动类型对健康评价指标的影响,从而可以根据不同病情给出不同的运动建议。
有益效果:本发明提供了一种基于AHP-TOPSIS的不同运动方式对健康影响的评价方法,首先在TOPSIS的基础上,结合层次分析法(AHP法)赋予TOPSIS各项参数权重,构建适用于不同运动方式对健康影响的评价方法;能够获取不同运动类型与健康评价指标的定量关系,得分越高,该运动的效果越好,同时也可以有效建立不同运动方式对健康影响的模型,得到不同运动类型对健康评价指标的影响,从而可以根据不同的健康评价标准针对性的给出合理的运动方案的建议,具有很强现实需求意义的;本发明方法简单清晰,模型适应性强,对结果的评价充分考虑主客观因素,避免了单一模型不准确的问题,使研究的结果更加准确。
附图说明
图1是本发明实施例中基于AHP-TOPSIS的不同运动方式对健康影响的评价方法流程示意图。
具体实施方式
下面将结合附图与具体实施例,对本发明进行详细说明:
如图1所示,一种基于AHP-TOPSIS的不同运动方式对健康影响的评价方法,包括以下步骤:
步骤(1):选取运动类型与健康评价指标;
以瑜伽、广场舞、慢跑、散步、不运动五种类型为例,为了说明该五种运动方式对健康的影响,选取某小区为实验对象,首先统计该小区中平时主要进行瑜伽、广场舞、慢跑、散步、不运动五种运动的人数Numk(k=1,2,…,5),显然当从事某种运动的人群中患某种疾病的人数越少时,可以认为该运动类型对于该疾病的治疗是越有效的,因此再分别统计瑜伽、广场舞、慢跑、散步、不运动人群中高血压人数、高血脂人数、高血糖人数、高尿酸人数利用公式(1)可以获得高血压人数百分比、高血脂人数百分比、高血糖人数百分比、高尿酸人数百分比:
其中,表示在第k种运动中,患得第l种病的人数百分比,Numl表示第l种运动的总人数,/>表示在第k种运动中,患得第l种病的人数;
将进行瑜伽、广场舞、慢跑、散步、不运动五种运动人群种的高血压人数百分比、高血脂人数百分比、高血糖人数百分比、高尿酸人数百分比作为健康评价指标;
表1运动类型与健康指标表
步骤(2)、利用TOPSIS建立不同运动方式与健康评价指标之间的评价分;对于瑜伽、广场舞、慢跑、散步、不运动五类运动类型对应的高血压人数百分比、高血脂人数百分比、高血糖人数百分比、高尿酸人数百分比指标,将所有的指标进行正向化处理,得到正向化矩阵如下:
式中:ynm表示第n个运动方式对应的第m个健康指标的值;
对矩阵Y进行标准化后得到的新的矩阵记为Z,
式中:ynm表示第n个运动方式对应的第m个健康指标的值;znm表示第n个运动方式对应的第m个健康指标的规范值;
步骤(3)、构建健康评价指标之间的判断矩阵,并求解判断矩阵的一致性,求解不同类型的健康评价指标的权重,具体过程如下:
根据经验构建不同健康评价指标之间的比较矩阵,并对判断矩阵进行一致性检验,根据查阅高血压、高血脂、高血糖、高尿酸对人体危害相关的文献以及相关专家的经验,比较高血压、高血脂、高血糖、高尿酸四种疾病两两之间的危险性程度,根据1-9标度法构建判断矩阵如下:
表2 AHP-TOPSIS法判断矩阵
高血压 高血脂 高血糖 高尿酸
高血压 1 0.5 0.2 0.3
高血脂 2 1 0.25 0.5
高血糖 5 4 1 1.25
高尿酸 3 2 0.8 1
对该判断矩阵进行一致性检验,得到的一致性比例CR=0.0034,因为CR<0.10,所以该判断矩阵的一致性可以接受;
最后计算得出各指标的权重
W=[w1 w2 … wm] (5)
步骤(4)、对TOPSIS中特征矩阵标准化后的矩阵进行加权,计算不同运动对健康的影响评分,具体过程如下:
根据求解得到的权重对公式(3)得到标准化矩阵进行加权得到加权评价指标值:
vnm=wm*znm (6)
式中:vnm表示第n个运动方式对应的第m个健康指标的加权评价指标值;w表示第m个健康指标的的权重;
m
确定正理想解Z+和负理想的解Z-:
定义第i(i=1,2,3…n)个评价对象与最大值的距离为:
定义第i(i=1,2,3…n)个评价对象与最小值的距离为:
利用这些中间参数可以计算出第i(i=1,2,3…n)个评价对象未归一化后的评价得分:
步骤(5)、根据评价分数对运动类型与健康影响进行分析,根据公式(11)可以获取不同运动类型与健康评价指标的定量关系,得分越高,该运动的效果越好,同时也可以得到不同运动类型对健康评价指标的影响,从而可以根据不同病情给出不同的运动建议;
表3不同算法模型的得分表
由上表可以得到,在上述四种运动状态中,广场舞的得分最高,因此对于高血压、高血脂、高血糖与高尿酸病症患者,相比于瑜伽与慢跑,广场舞是更适合上述患者的,更有利于上述患者的身体健康。
以上仅是本发明的优选实施例,不能以此限定本发明的保护范围,凡是按照本发明提出的技术思想,在技术方案基础上所做的任何改动,均落入本发明保护范围之内。

Claims (5)

1.一种基于AHP-TOPSIS的不同运动方式对健康影响的评价方法,其特征在于,包括以下步骤:
(1)选取运动类型与健康评价指标;
(2)利用TOPSIS建立不同运动方式与健康评价指标之间的评价分;
(3)构建健康评价指标之间的判断矩阵,并求解判断矩阵的一致性,求解不同类型的健康评价指标的权重;
(4)对TOPSIS中特征矩阵标准化后的矩阵进行加权,计算不同运动对健康的影响评分;
(5)根据步骤(4)得到的评分对运动类型与健康影响进行分析。
2.根据权利要求1所述的基于AHP-TOPSIS的不同运动方式对健康影响的评价方法,其特征在于,步骤(2)的具体过程如下:
假设有n个要进行评价的运动方式对象,m个健康评价指标,将所有的指标进行正向化处理,得到正向化矩阵如下:
式中:ynm表示第n个运动方式对应的第m个健康指标的值;
对矩阵Y进行标准化后得到的新的矩阵记为Z:
式中:ynm表示第n个运动方式对应的第m个健康指标的值;znm表示第n个运动方式对应的第m个健康指标的规范值。
3.根据权利要求1所述的基于AHP-TOPSIS的不同运动方式对健康影响的评价方法,其特征在于,步骤(3)的具体过程如下:
根据经验构建不同健康评价指标之间的比较矩阵,并对判断矩阵进行一致性检验,最后计算得出各指标的权重:
W=[w1 w2 … wm] (5)。
4.根据权利要求1所述的基于AHP-TOPSIS的不同运动方式对健康影响的评价方法,其特征在于,步骤(4)的具体过程如下:
根据步骤(3)求解得到的权重对公式(3)得到标准化矩阵进行加权得到加权评价指标值:
vnm=wm*znm (6)
式中:vnm表示第n个运动方式对应的第m个健康指标的加权评价指标值;wm表示第m个健康指标的的权重;
确定正理想解Z+和负理想的解Z-:
定义第i(i=1,2,…,n)个评价对象与最大值的距离为:
其中,分别是第j个评价指标的最大值,zij表示第i个运动方式对应的第j个健康指标的数值;
定义第i(i=1,2,…,n)个评价对象与最小值的距离为:
其中,分别是第j个评价指标的最小值,zij表示第i个运动方式对应的第j个健康指标的数值;
利用这些中间参数计算出第i(i=1,2,…,n)个评价对象未归一化后的评价得分:
5.根据权利要求4所述的基于AHP-TOPSIS的不同运动方式对健康影响的评价方法,其特征在于,步骤(5)中根据公式(11)获取不同运动类型与健康评价指标的定量关系,得分越高,运动的效果越好。
CN202310357234.0A 2023-04-06 2023-04-06 一种基于ahp-topsis的不同运动方式对健康影响的评价方法 Pending CN116469558A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310357234.0A CN116469558A (zh) 2023-04-06 2023-04-06 一种基于ahp-topsis的不同运动方式对健康影响的评价方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310357234.0A CN116469558A (zh) 2023-04-06 2023-04-06 一种基于ahp-topsis的不同运动方式对健康影响的评价方法

Publications (1)

Publication Number Publication Date
CN116469558A true CN116469558A (zh) 2023-07-21

Family

ID=87179980

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310357234.0A Pending CN116469558A (zh) 2023-04-06 2023-04-06 一种基于ahp-topsis的不同运动方式对健康影响的评价方法

Country Status (1)

Country Link
CN (1) CN116469558A (zh)

Similar Documents

Publication Publication Date Title
CN111640483B (zh) 基于akc模型的健身方案推荐方法
CN112509696A (zh) 基于卷积自编码器高斯混合模型的健康数据检测方法
CN116564521A (zh) 一种慢性病风险评估模型建立方法、介质及系统
CN110444291A (zh) 基于改进的pso-bp神经网络和贝叶斯法的疾病因素提取方法
CN111145902A (zh) 一种基于改进人工神经网络的哮喘病诊断方法
CN111048206A (zh) 一种多维度健康状态的评估方法及装置
CN113903450A (zh) 一种2型糖尿病风险预测模型的构建系统
CN113921136A (zh) 一种融合多源数据智能评估预测慢性病风险的系统
CN111916179A (zh) 一种基于人工智能自适应个体体征进行“量身定制”饮食滋补模型方法
CN116469558A (zh) 一种基于ahp-topsis的不同运动方式对健康影响的评价方法
Ursavaş et al. Middle-income trap and factors affecting the risk of growth slowdown in upper-middle-income countries
CN115410267A (zh) 一种基于人体骨骼与肌肉相互配合动作分析数据统计算法
CN116310525A (zh) 一种基于对比表示蒸馏与输出蒸馏的病理图像分类方法
Xu et al. Prediction of Diabetes with its Symptoms Based on Machine Learning
CN113892909B (zh) 一种基于认知状态的慢性疾病智能筛查系统
CN109801711B (zh) 一种基于pso算法的青少年体成分预测方法
CN113593705B (zh) 社区老年人衰弱进展预测的列线图模型系统
CN112201355B (zh) 一种健康评估迭代分类器模型的构建方法
CN111466877B (zh) 一种基于lstm网络的氧减状态预测方法
CN116825351A (zh) 一种基于ewm-topsis的不同运动方式对健康影响的评价方法
CN113096815A (zh) 一种基于logistic回归的慢性肾病预测方法
Liu et al. Application of Training Load Prediction Model based on Improved BP Neural Network in Sports Training of Athletes
CN111430032B (zh) 基于apc模型与遗传聚类算法的老年人疾病建立模型方法
CN117883076B (zh) 一种基于大数据的人体运动能量消耗监测系统及方法
CN116434954B (zh) 一种临床治疗效果的评价方法

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