CN116564516A - 一种手表动态健康分析系统及分析方法 - Google Patents

Abstract

本发明公开了一种手表动态健康分析系统及分析方法，具体涉及手表健康监测技术领域，采集用户的穿戴习惯参数，建立数据有效系数，判断监测的数据是否有效，之后将监测到的有效数据在满足上传数据库间隔时间阈值的前提下上传至数据库，根据已经传输到数据库中的最新有效数据，集合影响用户健康风险的主要影响因素来建立用户健康风险系数，根据用户健康风险系数判断用户的健康状态，对高风险的用户调整上传数据库间隔时间阈值，则手表上传有效数据的频次与之前相比更高，数据库掌握的有效数据越多，使得预测或决策的基础更加充分和可靠，帮助用户更早地发现疾病，从而让用户更早地接受治疗，减轻疾病对身体的危害，提高康复的效果。

Description

一种手表动态健康分析系统及分析方法

技术领域

本发明涉及手表健康监测技术领域，更具体地说，本发明涉及一种手表动态健康分析系统及分析方法。

背景技术

现如今随着各种电子技术井喷式的发展，各种用于监测用户健康的手表孕育而生，通过在手表内集成各种传感器技术，可以实时采集用户的生理信息、运动轨迹和环境信息等数据，之后用户的信息上传到云端进行存储和分析，为健康监测提供支持，但是现有的手表监测健康存在以下几点不足：

1.无法评估监测数据的有效性：以往的健康监测设备无法区分用户是否佩戴设备以及是否佩戴正确，从而导致大量无效数据的上传和占用数据库资源，降低了数据的精度和实用性；

2.固定的数据上传频次：以往的健康监测设备通常采用固定的数据上传频次，或者用户自己手动调整上传，无法根据用户的实际需求进行相应的调整，从而浪费了大量电量和数据库资源，同时也无法提供足够的数据支持健康管理服务；

3.缺乏个性化服务：以往的健康监测设备往往缺乏个性化服务，不能根据用户的健康状态和需求提供相应的健康管理服务，限制了设备的实际应用效果。

为了解决上述问题，现提供一种技术方案。

发明内容

为了克服现有技术的上述缺陷，本发明的实施例提供手表动态健康分析系统及分析方法以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：

步骤S1，采集用户的穿戴习惯参数，建立数据有效系数，设置数据有效系数阈值，将数据有效系数和数据有效系数阈值进行比较，若数据有效系数大于数据有效系数阈值，则标记采集的数据有效，按照采集时间对有效数据进行排序，生成排序表；

步骤S2，采集上传数据库间隔时间，设置上传数据库间隔时间阈值，将采集上传数据库间隔时间和上传数据库间隔时间阈值进行比较，若上传数据库间隔时间大于上传数据库间隔时间阈值，生成传输信号，开始上传有效数据；

步骤S3，根据已经传输到数据库中的最新有效数据，建立用户健康风险系数，根据用户健康风险系数对用户进行等级划分；

步骤S4，对高风险用户发出预警同时对应的调整上传数据库间隔时间阈值。

在一个优选的实施方式中，步骤S1，具体包括以下步骤：

用户的穿戴习惯参数包括中断占比率、佩戴有效频次；

将中断占比率标记为ZDZ，佩戴有效频次标记为PDC；

将包括中断占比率、佩戴有效频次综合处理，建立数据有效系数，表达式为：

式中，Y为数据有效系数，k1、k2分别为监测中断占比率、佩戴有效频次的比例系数，且k1＞k2＞0。

在一个优选的实施方式中，步骤S1，还包括以下内容：

设置数据有效系数阈值，获取数据有效数据后，将数据有效系数和数据有效系数阈值进行比较，若数据有效系数大于数据有效系数阈值，标记采集的数据有效；若数据有效系数小于数据有效系数阈值，标记采集的数据无效。

在一个优选的实施方式中，步骤S2，具体包括以下内容：

采集上传数据库间隔时间，将上传数据库间隔时间标记为JGT，设置上传数据库间隔时间阈值，将上传数据库间隔时间阈值标记为JGH；

若上传数据库间隔时间大于上传数据库间隔时间阈值，生成传输信号，按照排序表排序依次上传有效数据；若上传数据库间隔时间小于上传数据库间隔时间阈值，生成传输等待信号，直到上传数据库间隔时间大于上传数据库间隔时间阈值再进行上传数据库。

在一个优选的实施方式中，步骤S3，具体包括以下内容：

将对影响用户健康风险的主要影响因素设置为S集合，影响用户健康风险的主要影响因素包括生理指标，活动指标，环境指标；

根据已经传输到数据库中的最新有效数据，对号入座填充到对应的主要影响因素内容中；

生理指标包括心率、血氧饱和度是否符合正常范围；

活动指标包括睡眠质量、压力是否符合正常范围；

环境指标包括所在位置的空气质量是否优良，光线是否过于明亮或过于昏暗，所处环境噪声水平是否超出正常范围；

各个主要影响因素分别表示为，n为涉及主要影响因素的个数，通过Logistic回归方法计算用户健康风险系数，表达式为：

式中，X为用户健康风险系数，Q为常数项，即所有的具有代表性的主要影响因素不存在时所需调节的幅度，Q为所有细微影响因素系数，为各个主要影响因素，/>为各个主要影响因素的回归系数。

在一个优选的实施方式中，步骤S3，还包括以下内容：

在对用户健康风险系数的等级划分时，采用准确度20百分位点，按照准确度值大小将用户健康风险系数等级划分为3个位阶；若用户健康风险系数在0.5997以下，将佩戴手表的用户标记为低风险用户；若用户健康风险系数在0.5997和0.7996之间，将佩戴手表的用户标记为中风险用户；若用户健康风险系数高于0.7996，将佩戴手表的用户标记为高风险用户，并调整上传数据库间隔时间阈值。

在一个优选的实施方式中，步骤S4，具体包括以下内容：

获取用户健康风险系数后，根据用户健康风险系数和上传数据库间隔时间阈值计算替换阈值，表达式为：

式中，T为替换阈值，替换阈值用于替换上传数据库间隔时间阈值，JGH为步骤2中的上传数据库间隔时间阈值，f为调整阈值的比例系数。

本发明还提供一种手表动态健康分析系统，包括采集模块、处理模块、对比模块、阈值调整模块，模块之间的连接方式为信号连接；

采集模块采集用户的穿戴习惯参数、上传数据库间隔时间和上传数据库间隔时间阈值、影响用户健康风险的主要影响因素；将采集模块采集的信息发送至处理模块；

处理模块将用户的穿戴习惯参数通过公式建立数据有效系数，将影响用户健康风险的主要影响因素通过公式建立用户健康风险系数；处理后的数据发送至对比模块；

对比模块将数据有效系数和数据有效系数阈值进行比较，判断采集的数据是否有效；将上传数据库间隔时间和上传数据库间隔时间阈值进行比较，生成传输或等待传输信号；采用准确度对应百分位点，按照准确度值大小将用户健康风险系数等级划分为3个位阶，判断佩戴手表的用户的风险大小；将对比结果发送至阈值调整模块；

阈值调整模块为高风险用户的用户健康风险系数结合上传数据库间隔时间阈值计算替换阈值，将替换阈值替换掉上传数据库间隔时间阈值。

在上述技术方案中，本发明提供的技术效果和优点：

1.通过采集用户的穿戴习惯参数，建立数据有效系数，设置数据有效系数阈值用于结合数据有效系数进行判断，若数据有效系数大于数据有效系数阈值，则标记采集的数据有效，按照采集时间对有效数据进行排序，生成排序表，存储到内存中，等待上传；若数据有效系数小于数据有效系数阈值，则标记采集的数据无效，删除掉该数据，避免占用手表内存，同时生成预警信号，提示用户正确使用手表；进而可以使手表只保留有效数据，提高数据的准确性和精度。同时，可以避免无效数据占用手表内存，减少手表的运行负担，延长手表的续航。通过生成预警信号，可以帮助用户正确使用手表，保证手表的正常工作；

2.通过设置上传数据库间隔时间阈值的目的是为了控制数据的传输频率和节省网络传输资源。在实际应用中，如果数据采集频率过高，会导致数据量过大，从而浪费存储和传输资源，同时也会增加数据处理和分析的复杂度。因此，通过设置上传数据库间隔时间阈值，可以限制数据的传输频率，保证数据传输的高效和准确性。同时，上传数据库间隔时间阈值的设置还可以减少网络延迟和数据传输的时间，提高系统的响应速度；

3.通过影响用户健康风险的主要影响因素来建立用户健康风险系数，根据用户健康风险系数判断用户的健康状态，从中风险就开始对用户预警，在高风险时不仅预警而且开始调节上传数据库间隔时间阈值，从而调高有效数据的上传频次，则数据库掌握的有效数据越多，使得预测或决策的基础更加充分和可靠，帮助用户更早的发现疾病，从而让用户更早的接受治疗，减轻疾病对身体的危害，提高康复的效果。

附图说明

图1为本发明一种手表动态健康分析系统及分析方法的方法流程图；

图2为本发明一种手表动态健康分析系统及分析方法的结构示意图。

实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例

本发明一种手表动态健康分析系统及分析方法。

图1给出了本发明一种手表动态健康分析方法，其包括如下步骤：

步骤S1，采集用户的穿戴习惯参数，建立数据有效系数，设置数据有效系数阈值，将数据有效系数和数据有效系数阈值进行比较，若数据有效系数大于数据有效系数阈值，则标记采集的数据有效，按照采集时间对有效数据进行排序，生成排序表；

步骤S2，采集上传数据库间隔时间，设置上传数据库间隔时间阈值，将采集上传数据库间隔时间和上传数据库间隔时间阈值进行比较，若上传数据库间隔时间大于上传数据库间隔时间阈值，生成传输信号，开始上传有效数据；

步骤S3，根据已经传输到数据库中的最新有效数据，建立用户健康风险系数，根据用户健康风险系数对用户进行等级划分；

步骤S4，对高风险用户发出预警同时对应的调整上传数据库间隔时间阈值。

对采集到的数据进行有效性判断是非常重要的，因为如果数据无效，则将其上传到数据库中可能会导致一些问题，无效的数据将占用数据库存储空间，增加数据库的负担，影响数据库性能，使分析结果不准确，还会导致系统响应变慢，甚至导致系统崩溃，另一方面，通过对采集到的数据进行有效性判断，可以保证数据的准确性和可靠性，提高数据的价值和应用价值，为用户提供更准确、更有用的健康监测服务。

步骤S1：

用户的穿戴习惯参数包括中断占比率、佩戴有效频次；

将中断占比率标记为ZDZ，佩戴有效频次标记为PDC；

监测中断占比率是指在一段时间内监测设备（例如手表）采集数据的过程中，因为各种原因（如佩戴不当、设备故障等）导致采集数据的中断所占比例。例如，如果在一次监测某项生理指标期间内，监测所需要的连续时间为30分钟，但是在这期间内因为佩戴不当或其他原因导致监测数据中断了10分钟，则监测中断占比率为10分钟/30分钟 * 100% ≈30.333%。监测中断占比率是一个重要的指标，它能够反映监测数据的完整性和准确性。监测中断占比率过高可能会导致监测数据的失真，从而影响数据分析和结果的可靠性。因此，在进行监测时，需要注意监测设备的佩戴方式和环境，及时处理监测设备的故障，以保证监测数据的完整性和准确性；

佩戴有效频次佩戴有效频次是指用户佩戴手表的频次达到一定的阈值，可以产生足够的数据用于评估用户的健康状况。这个阈值取决于手表的监测能力、用户的健康状况和目的等因素；例如，一个手表需要佩戴7天才能监测出用户的心率变化趋势。如果用户只佩戴手表5天，那么监测结果可能会不够准确。但如果用户佩戴手表14天，手表就能监测出更准确的心率变化趋势，这样监测结果更加可靠。因此，在这个例子中，佩戴有效频次应该是7天或以上；另一个例子，如果一个手表需要连续佩戴30天才能监测出用户的睡眠模式，那么用户需要至少佩戴手表30天，才能得到准确的睡眠分析和评估。因此，在这个例子中，佩戴有效频次应该是30天或以上；频次越高，监测的数据就越多，对用户的健康状况的评估也就越准确。当佩戴频次较低时，监测到的数据可能不够全面，无法反映用户的真实情况，评估结果可能不够准确

将包括中断占比率、佩戴有效频次综合处理，建立数据有效系数，表达式为：

式中，Y为数据有效系数，k1、k2分别为监测中断占比率、佩戴有效频次的比例系数，且k1＞k2＞0；

通过建立数据有效系数，可以量化手表监测到的数据对用户健康状态评估的贡献程度。数据有效系数越高，代表手表监测到的数据越充分、越全面，对用户健康状态评估的贡献也越大。数据有效系数的大小可以作为判断监测数据是否充分的指标，从而决定是否需要将数据上传到数据库；

设置数据有效系数阈值，获取数据有效数据后，将数据有效系数和数据有效系数阈值进行比较，若数据有效系数大于数据有效系数阈值，则标记采集的数据有效，按照采集时间对有效数据进行排序，生成排序表，存储到内存中，等待上传；若数据有效系数小于数据有效系数阈值，则标记采集的数据无效，删除掉该数据，避免占用手表内存，同时生成预警信号，提示用户正确使用手表。

需要说明的是，采集用户的穿戴习惯参数是在手表端完成的，在手表端先判断所采集的该条数据是否有效，将判断有效的数据先保存在手表内存中，等待上传到数据库，对无效的数据直接删除，避免占用内存，同时提示用户正确佩戴手表，此外手表所采集的有效数据内容包括但不限于心率、血氧饱和度、步数和运动轨迹、睡眠质量；

本申请通过采集用户的穿戴习惯参数，建立数据有效系数，设置数据有效系数阈值用于结合数据有效系数进行判断，若数据有效系数大于数据有效系数阈值，则标记采集的数据有效，按照采集时间对有效数据进行排序，生成排序表，存储到内存中，等待上传；若数据有效系数小于数据有效系数阈值，则标记采集的数据无效，删除掉该数据，避免占用手表内存，同时生成预警信号，提示用户正确使用手表；进而可以使手表只保留有效数据，提高数据的准确性和精度。同时，可以避免无效数据占用手表内存，减少手表的运行负担，延长手表的续航。通过生成预警信号，可以帮助用户正确使用手表，保证手表的正常工作。

步骤S2：

采集上传数据库间隔时间，将上传数据库间隔时间标记为JGT，设置上传数据库间隔时间阈值，将上传数据库间隔时间阈值标记为JGH；

若上传数据库间隔时间大于上传数据库间隔时间阈值，生成传输信号，按照排序表排序依次上传有效数据；若上传数据库间隔时间小于上传数据库间隔时间阈值，生成传输等待信号，直到上传数据库间隔时间大于上传数据库间隔时间阈值再进行上传数据库；

其中，上传数据库间隔时间是指排序表中排名第一条有效数据的完成采集时间和排序表中最后一条有效数据的完成采集时间之间的时间差，即时间间隔；

需要说明的是，上传数据库间隔阈值是提前预设在手表端的，且数据库有修改上传数据库间隔阈值权限；

本申请通过设置上传数据库间隔时间阈值的目的是为了控制数据的传输频率和节省网络传输资源。在实际应用中，如果数据采集频率过高，会导致数据量过大，从而浪费存储和传输资源，同时也会增加数据处理和分析的复杂度。因此，通过设置上传数据库间隔时间阈值，可以限制数据的传输频率，保证数据传输的高效和准确性。同时，上传数据库间隔时间阈值的设置还可以减少网络延迟和数据传输的时间，提高系统的响应速度。

步骤S3：

将对影响用户健康风险的主要影响因素设置为S集合，影响用户健康风险的主要影响因素包括生理指标，活动指标，环境指标；

根据已经传输到数据库中的最新有效数据，对号入座填充到对应的主要影响因素内容中；

生理指标包括心率、血氧饱和度是否符合正常范围；

活动指标包括睡眠质量、压力是否符合正常范围；

环境指标包括所在位置的空气质量是否优良，光线是否过于明亮或过于昏暗，所处环境噪声水平是否超出正常范围；

手表或智能手环可以通过内置的环境传感器来监测用户所处环境的好坏。这些环境传感器可能包括：

空气质量传感器：可以测量空气中的PM2.5、CO2、VOC等物质的浓度，以及室内温度和湿度等参数，帮助用户了解所处环境的空气质量。

光线传感器：可以测量光线的强度和颜色等参数，以及室内外的光照情况，帮助用户了解所处环境的光线状况，例如是否过于明亮或过于昏暗。

声音传感器：可以测量环境中的声音强度和频率等参数，帮助用户了解所处环境的噪声水平；

各个主要影响因素分别表示为，n为涉及主要影响因素的个数，通过Logistic回归方法计算用户健康风险系数，表达式为：

式中，X为用户健康风险系数，Q为常数项，即所有的具有代表性的主要影响因素不存在时所需调节的幅度，Q为所有细微影响因素系数，为各个主要影响因素，/>为各个主要影响因素的回归系数；

用户健康风险系数评级表

本发明在对用户健康风险系数的等级划分时，采用准确度20百分位点，按照准确度值大小将用户健康风险系数等级划分为3个位阶；若用户健康风险系数在0.5997以下，将佩戴手表的用户标记为低风险用户；若用户健康风险系数在0.5997和0.7996之间，将佩戴手表的用户标记为中风险用户；若用户健康风险系数高于0.7996，此时用户处于健康异常的状态，手表开始警示用户，将用户标记为异常状态，根据用户健康风险系数调整上传数据库间隔时间阈值，提升有效数据上传频率，使得手表收集的有效数据能够及时上传到数据库，提供更为有效的健康建议和预警，以便于用户及时就医避免出现意外；

例如：假设手表监测到用户的各项参数并上传数据库，之后通过数据库分析反馈用户健康风险系数，若用户的用户健康风险系数低于0.5997，则不对上传数据库间隔时间阈值进行调整，从而节省网络传输资源，延长手表的续航时间；假设用户的用户健康风险系数处于0.5997和0.7996之间，手表开始提醒用户注意作息习惯；假设用户的用户健康风险系数高于0.7996，开始调小上传数据库间隔时间阈值，使得手表收集的有效数据能够及时上传到数据库，从而更准确地反映用户的真实健康状况，这样就可以更精准地评估用户的健康风险，提供更为有效的健康建议和预警，以便于用户及时就医避免出现意外。

本发明用户健康风险系数由四个方面的逻辑因素组成：一是指标，影响用户健康情况的因素（本发明指生理指标，活动指标，环境指标）；二是这些指标的权重，即每一种影响因素在综合当中影响用户健康的影响大小时所占的比重；三是运算方程式，即通过什么样的数学运算过程得出风险结果；四是风险结果，即将具有各自权重的指标通过运算方程式的运算所得出的结果。

对样本中获取的特殊环境进行数据转化和处理，转化成电脑软件可以识别的数据语言；其次，将这些评估因素运用SPSS软件进行Logistic回归分析，筛选出与结果具有重要相关性的因素及其权重；再次，将评估因素和权重带入Logistic回归方程进行运算，从而得出结果。

针对健康欠佳的用户，需要更加频繁地监测他们的生理指标以确保他们的病情得到及时控制和治疗。此外，高风险用户的生理指标变化可能更加剧烈和不可预测，因此，更频繁的数据上传可以更快地捕捉到这些变化，使用户能够及时采取必要的措施，帮助用户更早地发现潜在的健康风险。

步骤S4：

获取用户健康风险系数后，根据用户健康风险系数和上传数据库间隔时间阈值计算替换阈值，表达式为：

式中，T为替换阈值，替换阈值用于替换上传数据库间隔时间阈值，JGH为步骤2中的上传数据库间隔时间阈值，f为调整阈值的比例系数；

例如，假设用户健康风险系数为0.9，上传数据库间隔时间阈值为20min，调整阈值的比例系数为0.5，则替换阈值为，则原来的上传数据库间隔时间阈值从20min被替换为12min，上传数据库间隔时间阈值变小，则手表上传有效数据的频次与之前相比更高，数据库掌握的有效数据越多，使得预测或决策的基础更加充分和可靠，帮助用户更早的发现疾病，从而让用户更早的接受治疗，减轻疾病对身体的危害，提高康复的效果。

需要说明的是，手表端先将采集到的有效数据保存在手表的内存中，之后在上传数据库间隔时间大于上传数据库间隔时间阈值的前提下将有效数据上传到数据库中，数据库综合已经传输到数据库中的最新有效数据，对号入座填充到对应的主要影响因素内容中，建立用户健康风险系数，从而判断用户的健康风险等级，之后将这一判断结果发送反馈至手表端，由手表端提示预警用户，且数据库在判断用户处于高风险时，则对手表端的上传数据库间隔时间阈值进行修改；

本申请通过影响用户健康风险的主要影响因素来建立用户健康风险系数，根据用户健康风险系数判断用户的健康状态，从中风险就开始对用户预警，在高风险时不仅预警而且开始调节上传数据库间隔时间阈值，从而调高有效数据的上传频次，则数据库掌握的有效数据越多，使得预测或决策的基础更加充分和可靠，帮助用户更早的发现疾病，从而让用户更早的接受治疗，减轻疾病对身体的危害，提高康复的效果。

实施例

本发明一种手表动态健康分析，如图2所示，包括采集模块、处理模块、对比模块、阈值调整模块，模块之间的连接方式为信号连接；

采集模块采集用户的穿戴习惯参数、上传数据库间隔时间和上传数据库间隔时间阈值、影响用户健康风险的主要影响因素；将采集模块采集的信息发送至处理模块；

处理模块将用户的穿戴习惯参数通过公式建立数据有效系数，将影响用户健康风险的主要影响因素通过公式建立用户健康风险系数；处理后的数据发送至对比模块；

对比模块将数据有效系数和数据有效系数阈值进行比较，判断采集的数据是否有效；将上传数据库间隔时间和上传数据库间隔时间阈值进行比较，生成传输或等待传输信号；采用准确度对应百分位点，按照准确度值大小将用户健康风险系数等级划分为3个位阶，判断佩戴手表的用户的风险大小；将对比结果发送至阈值调整模块；

阈值调整模块为高风险用户的用户健康风险系数结合上传数据库间隔时间阈值计算替换阈值，将替换阈值替换掉上传数据库间隔时间阈值。

上述公式均是去量纲取其数值计算，公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式，公式中的预设参数以及阈值选取由本领域的技术人员根据实际情况进行设置。

上述实施例，可以全部或部分地通过软件、硬件、固件或其他任意组合来实现。当使用软件实现时，上述实施例可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令或计算机程序。在计算机上加载或执行所述计算机指令或计算机程序时，全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以为通用计算机、专用计算机、计算机网络，或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线（例如红外、无线、微波等）方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集合的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质（例如，软盘、硬盘、磁带）、光介质（例如，DVD），或者半导体介质。半导体介质可以是固态硬盘。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件，或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其他的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其他的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，既可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。

所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（read-only memory，ROM)、随机存取存储器（random access memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。

最后：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种手表动态健康分析方法，其特征在于，包括如下步骤：

步骤S1，采集用户的穿戴习惯参数，建立数据有效系数，设置数据有效系数阈值，将数据有效系数和数据有效系数阈值进行比较，若数据有效系数大于数据有效系数阈值，则标记采集的数据有效，按照采集时间对有效数据进行排序，生成排序表；

步骤S2，采集上传数据库间隔时间，设置上传数据库间隔时间阈值，将采集上传数据库间隔时间和上传数据库间隔时间阈值进行比较，若上传数据库间隔时间大于上传数据库间隔时间阈值，生成传输信号，开始上传有效数据；

步骤S3，根据已经传输到数据库中的最新有效数据，建立用户健康风险系数，根据用户健康风险系数对用户进行等级划分；

步骤S4，对高风险用户发出预警同时对应的调整上传数据库间隔时间阈值。

2.根据权利要求1所述的一种手表动态健康分析方法，其特征在于：步骤S1，具体包括以下步骤：

用户的穿戴习惯参数包括中断占比率、佩戴有效频次；

将中断占比率标记为ZDZ，佩戴有效频次标记为PDC；

将包括中断占比率、佩戴有效频次综合处理，建立数据有效系数，表达式为：

式中，Y为数据有效系数，k1、k2分别为监测中断占比率、佩戴有效频次的比例系数，且k1＞k2＞0。

3.根据权利要求2所述的一种手表动态健康分析方法，其特征在于：步骤S1，还包括以下内容：

设置数据有效系数阈值，获取数据有效数据后，将数据有效系数和数据有效系数阈值进行比较，若数据有效系数大于数据有效系数阈值，标记采集的数据有效；若数据有效系数小于数据有效系数阈值，标记采集的数据无效。

4.根据权利要求3所述的一种手表动态健康分析方法，其特征在于：步骤S2，具体包括以下内容：

采集上传数据库间隔时间，将上传数据库间隔时间标记为JGT，设置上传数据库间隔时间阈值，将上传数据库间隔时间阈值标记为JGH；

若上传数据库间隔时间大于上传数据库间隔时间阈值，生成传输信号，按照排序表排序依次上传有效数据；若上传数据库间隔时间小于上传数据库间隔时间阈值，生成传输等待信号，直到上传数据库间隔时间大于上传数据库间隔时间阈值再进行上传数据库。

5.根据权利要求4所述的一种手表动态健康分析方法，其特征在于：步骤S3，具体包括以下内容：

将对影响用户健康风险的主要影响因素设置为S集合，影响用户健康风险的主要影响因素包括生理指标，活动指标，环境指标；

根据已经传输到数据库中的最新有效数据，对号入座填充到对应的主要影响因素内容中；

生理指标包括心率、血氧饱和度是否符合正常范围；

活动指标包括睡眠质量、压力是否符合正常范围；

环境指标包括所在位置的空气质量是否优良，光线是否过于明亮或过于昏暗，所处环境噪声水平是否超出正常范围；

各个主要影响因素分别表示为，n为涉及主要影响因素的个数，通过Logistic回归方法计算用户健康风险系数，表达式为：

式中，X为用户健康风险系数，Q为常数项，即所有的具有代表性的主要影响因素不存在时所需调节的幅度，/>为各个主要影响因素，/>为各个主要影响因素的回归系数。

6.根据权利要求5所述的一种手表动态健康分析方法，其特征在于：步骤S3，还包括以下内容：

在对用户健康风险系数的等级划分时，采用准确度20百分位点，按照准确度值大小将用户健康风险系数等级划分为3个位阶；若用户健康风险系数在0.5997以下，将佩戴手表的用户标记为低风险用户；若用户健康风险系数在0.5997和0.7996之间，将佩戴手表的用户标记为中风险用户；若用户健康风险系数高于0.7996，将佩戴手表的用户标记为高风险用户，并调整上传数据库间隔时间阈值。

7.根据权利要求6所述的一种手表动态健康分析方法，其特征在于：步骤S4，具体包括以下内容：

获取用户健康风险系数后，根据用户健康风险系数和上传数据库间隔时间阈值计算替换阈值，表达式为：

式中，T为替换阈值，替换阈值用于替换上传数据库间隔时间阈值，JGH为步骤2中的上传数据库间隔时间阈值，f为调整阈值的比例系数。

8.一种手表动态健康分析系统，用于实现权利要求1-7任一项所述的分析方法，其特征在于：包括采集模块、处理模块、对比模块、阈值调整模块，模块之间的连接方式为信号连接；

采集模块采集用户的穿戴习惯参数、上传数据库间隔时间和上传数据库间隔时间阈值、影响用户健康风险的主要影响因素；将采集模块采集的信息发送至处理模块；

处理模块将用户的穿戴习惯参数通过公式建立数据有效系数，将影响用户健康风险的主要影响因素通过公式建立用户健康风险系数；处理后的数据发送至对比模块；

对比模块将数据有效系数和数据有效系数阈值进行比较，判断采集的数据是否有效；将上传数据库间隔时间和上传数据库间隔时间阈值进行比较，生成传输或等待传输信号；采用准确度对应百分位点，按照准确度值大小将用户健康风险系数等级划分为3个位阶，判断佩戴手表的用户的风险大小；将对比结果发送至阈值调整模块；

阈值调整模块为高风险用户的用户健康风险系数结合上传数据库间隔时间阈值计算替换阈值，将替换阈值替换掉上传数据库间隔时间阈值。