CN116705238A - 基于体医结合的运动处方健康数据管理平台 - Google Patents
基于体医结合的运动处方健康数据管理平台 Download PDFInfo
- Publication number
- CN116705238A CN116705238A CN202310696168.XA CN202310696168A CN116705238A CN 116705238 A CN116705238 A CN 116705238A CN 202310696168 A CN202310696168 A CN 202310696168A CN 116705238 A CN116705238 A CN 116705238A
- Authority
- CN
- China
- Prior art keywords
- scheme
- patient
- exercise
- health
- index
- 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.)
- Withdrawn
Links
- 238000013523 data management Methods 0.000 title claims abstract description 26
- 230000002159 abnormal effect Effects 0.000 claims abstract description 59
- 238000012216 screening Methods 0.000 claims abstract description 4
- 238000012545 processing Methods 0.000 claims description 36
- 238000004458 analytical method Methods 0.000 claims description 35
- 238000004088 simulation Methods 0.000 claims description 22
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 17
- 239000008280 blood Substances 0.000 claims description 17
- 210000004369 blood Anatomy 0.000 claims description 17
- 230000036772 blood pressure Effects 0.000 claims description 17
- 229910052760 oxygen Inorganic materials 0.000 claims description 17
- 239000001301 oxygen Substances 0.000 claims description 17
- 238000000034 method Methods 0.000 claims description 14
- 238000012549 training Methods 0.000 claims description 13
- 238000012937 correction Methods 0.000 claims description 10
- 238000001514 detection method Methods 0.000 claims description 10
- 238000011156 evaluation Methods 0.000 claims description 10
- 238000010219 correlation analysis Methods 0.000 claims description 7
- 230000005856 abnormality Effects 0.000 claims description 5
- 230000000737 periodic effect Effects 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 239000003814 drug Substances 0.000 claims 1
- 230000000694 effects Effects 0.000 description 6
- 238000007726 management method Methods 0.000 description 6
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000005802 health problem Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 230000037396 body weight Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000035479 physiological effects, processes and functions Effects 0.000 description 1
- 238000006467 substitution reaction 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
- G16H20/30—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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2457—Query processing with adaptation to user needs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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
-
- 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
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- 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
- 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
- G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- Data Mining & Analysis (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Biomedical Technology (AREA)
- Theoretical Computer Science (AREA)
- Pathology (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Physical Education & Sports Medicine (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明公开了基于体医结合的运动处方健康数据管理平台,涉及运动康复技术领域,获取患者初始状态下的健康指标,和执行运动方案后的健康指标,汇总后建立健康指标集,判断所选定的运动方案是否有效,若其有效性未达到预设阈值时,从患者的健康指标集中筛选出异常特征;依据选定的异常特征,重新为患者收集新的运动方案,在运动方案汇总后建立运动方案库;为患者推荐新的运动方案,并在建立康复模型后,在推荐方案被执行后,周期性的对患者进行体检,并收集患者体检后的健康指标数据及反馈信息。通过对当前所执行的运动方案是否有效进行判断,在对患者进行康复治疗时,可以选择更为有效的运动方案,从而可以使患者康复得更加顺利。
Description
技术领域
本发明涉及运动康复技术领域,具体为基于体医结合的运动处方健康数据管理平台。
背景技术
体医结合的运动处方是一种结合体育科学和医学原理的运动方案,旨在帮助个体改善身体状况,预防或治疗某些疾病。
在体医结合运动处方中的包括如下要素:运动选择:例如:选择适合个体的运动项目,根据他们的身体状况、目标和偏好进行选择。可能包括有氧运动、力量训练、灵活性训练等;运动强度和频率:根据个体的身体状况和目标,确定运动的强度和频率。通常建议逐渐增加运动强度和频率,以避免受伤和疲劳;运动时间和持续时间:确定每次运动的时间和持续时间,以确保足够的锻炼时间来实现运动目标。
健康数据管理平台在获取了用户的个人信息、健康状况、运动习惯等因素后,可以通过对以上要素进行设置和修改,完成运动处方制定;并且,平台应记录用户的运动数据、健康指标可以通过图表等方式呈现,以方便用户了解自己的健康状况和康复效果。
但是,现有的健康数据管理平台在制定运动处方时,往往更加侧重于患者的个人喜好,一旦患者在选定了运动处方后,就会一直执行该运动处方,但是患者的健康状态是多变的,如果平台给出的运动处方不能及时的做出针对性的改变,那对患者的康复很难起到应有的效果。
为此,本发明提供了基于体医结合的运动处方健康数据管理平台。
发明内容
(一)解决的技术问题
针对现有技术的不足,本发明提供了基于体医结合的运动处方健康数据管理平台,通过获取患者初始状态下的健康指标,和执行运动方案后的健康指标,汇总后建立健康指标集,判断所选定的运动方案是否有效,若其有效性未达到预设阈值时,从患者的健康指标集中筛选出异常特征;依据选定的异常特征,重新为患者收集新的运动方案,在运动方案汇总后建立运动方案库;为患者推荐新的运动方案,并在建立康复模型后,在推荐方案被执行后,周期性的对患者进行体检,并收集患者体检后的健康指标数据及反馈信息。通过对当前所执行的运动方案是否有效进行判断,在对患者进行康复治疗时,可以选择更为有效的运动方案,从而可以使患者康复得更加顺利,解决了背景技术中的问题。
(二)技术方案
随着人们生活水平的提高,越来越多的人开始关注健康问题,运动作为一种重要的保持健康的方式,受到了越来越多人的关注。在这样的背景下,基于体医结合的运动处方健康数据管理平台应运而生。该平台可以为个人提供个性化的运动处方和健康管理服务,帮助人们更好地管理自己的健康状况。
为实现以上目的,本发明通过以下技术方案予以实现:一种体医结合的运动处方健康数据管理系统,包括数据采集单元、第一处理单元、控制单元、方案收集单元、预警单元、第二处理单元及第三处理单元、反馈单元,其中,
在患者进入康复流程后,依照患者当前的健康数据为患者选定运动方案,并由数据采集单元采集患者的个人信息,并分别获取患者初始状态下的健康指标,和执行运动方案后的健康指标,汇总后建立健康指标集;将健康指标集发送至第一处理单元后,由第一处理单元分别生成第一指标系数Zbs及第二指标系数Zbs,通过两者的差值及该差值的预测值,判断所选定的运动方案是否有效,若其有效性未达到预设阈值时,从患者的健康指标集中筛选出异常特征,当异常特征的数量大于对应阈值时,由控制单元形成控制指令,先由预警单元向外部发出预警信息,后由方案收集单元依据选定的异常特征,重新为患者收集新的运动方案,在运动方案汇总后建立运动方案库;
依据患者当前的运动习惯及当前的异常特征,由第二处理单元为患者推荐新的运动方案,并在第三处理单元建立康复模型后,对所推荐方案进行仿真分析,若分析结果显示该推荐方案可行,则将该推荐方案发送给患者,在推荐方案被执行后,周期性的对患者进行体检,并由反馈单元收集患者体检后的健康指标数据及反馈信息。
进一步的,所述数据采集单元包括信息采集模块及数据检测模块,其中,在患者在处于康复状态下时,由信息采集模块采集换患者的身份信息后,将患者的身份信息进行记录,并在患者执行获取的运动方案后,由数据检测模块分别采集患者运动前后的心率、血压及血氧,汇总后建立健康指标集。
进一步的,所述第一处理单元包括评价模块、相关性分析模块、预测模块、判断模块及标记模块,其中将执行运动方案前后的健康指标集发送至评价模块,由评价模块获取心率xL,血压xY以及血氧xO,做无量纲处理后,依照如下公式生成健康指标系数Zbs:
其中,参数意义为:0.38≤F1≤0.90,0.58≤F2≤1.22,1.58≤F3≤3.12,C为常数修正系数。
进一步的,将执行运动方案前的指标系数Zbs作为第一指标系数Zbs,将执行运动方案后的作为第二指标系数Zbs,统计所执行的运动方案的运动量Yd,在获取到所执行的运动方案的运动量Yd后,获取第一指标系数Zbs与第二指标系数Zbs差值,将该差值作为指标变化量Zbl,沿着时间轴以固定的间隔获取若干组运动量Yd与若干组指标变化量Zbl,由相关性分析模块通过相关性模型,分析两者间的相关性,获取相关性系数zR并输出。
进一步的,在沿着时间轴以固定的间隔获取若干组的第二指标系数Zbs后,由预测模块使用平滑指数预测模型,对第二指标系数Zbs的变化进行预测,生成并输出指标预测值,进而形成指标变化量Zbl的预测值;当指标预测值及相关性系数zR中的至少一个低于对应阈值时,由判断模块生成相对应的判断结果并输出。
进一步的,将判断结果发送至标记模块,由标记模块将运动方案标记为低效方案,并由数据检测模块获取到患者在执行运动方案后的健康指标集,作为第二健康指标集,作为区分,将执行运动方案前的健康指标集,作为第一健康指标集;从第二健康指标集中获取心率xL,血压xY以及血氧xO,判断其中高于对应阈值的部分,及其超过对应阈值的比例,以超过对应阈值的比例作为异常程度。
进一步的,将第二健康指标集中高于对应阈值的部分确定为异常数据,并以异常程度作为异常数据的后缀,联立生成异常特征,由标记模块以异常特征对第二健康指标集中超过对应阈值的部分进行标记。
进一步的,所述第二处理单元包括匹配模块及模型训练模块,其中,使用相似度算法构建推荐模型,并且在训练和测试后,由模型训练模块将训练后的推荐模型输出,在用户当前的健康指标集中存在异常特征时,通过异常特征与运动方案的相似性,由匹配模块使用推荐模型,从运动方案库中选择运动方案并向患者推送,并将推送方案确定为推荐方案。
进一步的,所述第三处理单元包括仿真分析模块、修正模块及输出模块,其中,对患者进行周期性的体检,以获取的体检数据和收集到的运动数据作为基础,建立患者运动模型并输出,在仿真分析模块获取到推荐方案后,对该推荐方案进行仿真分析,并输出分析结果;在获取分析结果后,若分析结果显示当前的推送方案不可行,则由修正模块对该推送方案进行修正,当修正后的方案可行时,由输出模块将可行的修正后的方案输出,并且添加至运动方案库中。
一种体医结合的运动处方健康数据管理方法:在患者进入康复流程后,依照患者当前的健康数据为患者选定运动方案,采集患者的个人信息,并分别获取患者初始状态下的健康指标,和执行运动方案后的健康指标,汇总后建立健康指标集;由健康指标集分别生成第一指标系数Zbs及第二指标系数Zbs,通过两者的差值及该差值的预测值,判断所选定的运动方案是否有效,若其有效性未达到预设阈值时,从患者的健康指标集中筛选出异常特征;当异常特征的数量大于对应阈值时,先向外部发出预警信息,后依据选定的异常特征,重新为患者收集新的运动方案,在运动方案汇总后建立运动方案库;
依据患者当前的运动习惯及当前的异常特征,为患者推荐新的运动方案,并在建立康复模型后,对所推荐方案进行仿真分析,若分析结果显示该推荐方案可行,则将该推荐方案发送给患者,在推荐方案被执行后,周期性的对患者进行体检,并收集患者体检后的健康指标数据及反馈信息。
(三)有益效果
本发明提供了基于体医结合的运动处方健康数据管理平台,具备以下有益效果:
1、依据相关性系数zR对运动量Yd向指标变化量Zbl施加的影响力进行判断,判断当前的运动方案是否有效,通过对当前所执行的运动方案是否有效进行判断,在对患者进行康复治疗时,可以选择更为有效的运动方案,从而可以使患者康复得更加顺利;
2、对当前所执行的运动方案进行判断,在方案难以起到应有效果时,将其标定为低效方案,并可以依据异常特征的数量,对患者的身体状态进行判断,对患者当前的身体状态进行判断和评估;
3、通过训练后的推荐模型,获取患者在执行低效方案后的健康指标集并筛选出异常特征,选择与异常特征相对应的运动方案,对患者身体状态可以针对性的进行改善;以仿真分析判断所推荐方案是否具有可行性,在可行性较低时,对该仿真方案进行修正,以修正后的方案为最终的推荐方案,使推送方案更具有针对性,也更有利用患者快速康复。
附图说明
图1为本发明运动处方健康数据管理平台工作第一流程示意图;
图2为本发明运动处方健康数据管理平台工作第二流程示意图。
图中:
10、数据采集单元;11、信息采集模块;12、数据检测模块;20、第一处理单元;21、评价模块;22、相关性分析模块;23、预测模块;24、判断模块;25、标记模块;30、控制单元;40、方案收集单元;50、预警单元;60、第二处理单元;61、匹配模块;62、模型训练模块;70、第三处理单元;71、仿真分析模块;72、修正模块;73、输出模块;80、反馈单元。
具体实施方式
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、完整地描述,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。
随着人们生活水平的提高,越来越多的人开始关注健康问题,运动作为一种重要的保持健康的方式,受到了越来越多人的关注。在这样的背景下,基于体医结合的运动处方健康数据管理平台应运而生。该平台可以为个人提供个性化的运动处方和健康管理服务,帮助人们更好地管理自己的健康状况。
该平台可以根据不同人的身体状况、健康状况和运动目标等因素,并结合运动生理学和医学知识制定个性化的运动处方,在制定运动处方时,需要考虑运动的类型、强度、时间和频率等因素。
通过运动监测设备和传感器等技术,收集个人的健康数据,包括心率、血压、血氧饱和度、体重、身体成分等指标,收集到的数据需要进行处理和分析,以提供更准确的健康管理服务。数据的分析和应用:通过对收集到的健康数据的分析和应用,结合脉诊结论为用户提供更加准确的健康管理服务,例如,可以根据数据分析结果调整运动处方,提供更加个性化的健康管理服务。通过该平台,可以为人们提供更加个性化的健康管理服务,帮助人们更好地管理自己的健康状况,提高生活质量。
请参阅图1-图2,本发明提供一种体医结合的运动处方健康数据管理系统,包括数据采集单元10、第一处理单元20、控制单元30、方案收集单元40、预警单元50、第二处理单元60及第三处理单元70、反馈单元80,其中,
在患者进入康复流程后,依照患者当前的健康数据为患者选定运动方案,并由数据采集单元10采集患者的个人信息,并分别获取患者初始状态下的健康指标,和执行运动方案后的健康指标,汇总后建立健康指标集;将健康指标集发送至第一处理单元20后,由第一处理单元20分别生成第一指标系数Zbs及第二指标系数Zbs,通过两者的差值及该差值的预测值,判断所选定的运动方案是否有效,若其有效性未达到预设阈值时,从患者的健康指标集中筛选出异常特征,当异常特征的数量大于对应阈值时,由控制单元30形成控制指令,先由预警单元50向外部发出预警信息,后由方案收集单元40依据选定的异常特征,重新为患者收集新的运动方案,在运动方案汇总后建立运动方案库;
依据患者当前的运动习惯及当前的异常特征,由第二处理单元60为患者推荐新的运动方案,并在第三处理单元70建立康复模型后,对所推荐方案进行仿真分析,若分析结果显示该推荐方案可行,则将该推荐方案发送给患者,在推荐方案被执行后,周期性的对患者进行体检,并由反馈单元80收集患者体检后的健康指标数据及反馈信息。
参考图1及图2,所述数据采集单元10包括信息采集模块11及数据检测模块12,其中,在患者在处于康复状态下时,由信息采集模块11采集换患者的身份信息后,例如,姓名、身高以及运动偏好等,将患者的身份信息进行记录,并在患者执行获取的运动方案后,由数据检测模块12分别采集患者运动前后的心率、血压及血氧,汇总后建立健康指标集。
使用时,当患者处于康复状态下时,采集具有代表性的心率、血压及血氧,通过以上的参数,可以对患者的健康状态进行表征。
参考图1及图2,所述第一处理单元20包括评价模块21、相关性分析模块22、预测模块23、判断模块24及标记模块25,其中,将执行运动方案前后的健康指标集发送至评价模块21,由评价模块21获取心率xL,血压xY以及血氧xO,做无量纲处理后,依照如下公式生成健康指标系数Zbs:
其中,参数意义为:0.38≤F1≤0.90,0.58≤F2≤1.22,1.58≤F3≤3.12,C为常数修正系数;
使用时,在生成健康指标系数Zbs后,可以对患者当前的健康状态进行综合评估,若健康指标系数Zbs的值符合对应的阈值,则可以说明患者当前较为健康,若健康指标系数Zbs生成了变化,则说明患者的健康状态同样发生了变化。
参考图1及图2,将执行运动方案前的指标系数Zbs作为第一指标系数Zbs,将执行运动方案后的作为第二指标系数Zbs,由于运动方案会被患者执行若干次,因此执行前的第一指标系数Zbs有一个,但是执行后的第二指标系数Zbs有若干个,依据第二指标系数Zbs的变化,则可以明显判断出患者的身体健康指标是否存在改善;
统计所执行的运动方案的运动量Yd,在获取到所执行的运动方案的运动量Yd后,获取第一指标系数Zbs与第二指标系数Zbs差值,将该差值作为指标变化量Zbl,沿着时间轴以固定的间隔获取若干组运动量Yd与若干组指标变化量Zbl,由相关性分析模块22通过相关性模型,分析两者间的相关性,获取相关性系数zR并输出。
使用时,在获取运动量Yd及指标变化量Zbl,并生成相关性系数zR的基础上,患者在执行了运动方案后,依据生成的指标变化量Zbl,从而可以判断当前所执行的运动方案后,监控患者身体健康状态的变化,进而判断所执行的运动方案有效性。
在执行不同的运动方案,或者同一个运动方案的运动量Yd不同时,获取相关性系数zR,从而依据相关性系数zR能够对运动量Yd向指标变化量Zbl施加的影响力进行判断,进而判断当前的运动方案是否有效;通过对当前所执行的运动方案是否有效进行判断,便于在对患者进行康复治疗时,选择更为有效的运动方案,可以使患者康复得更加顺利。
参考图1及图2,在沿着时间轴以固定的间隔获取若干组的第二指标系数Zbs后,由预测模块23使用平滑指数预测模型,对第二指标系数Zbs的变化进行预测,生成并输出指标预测值,进而形成指标变化量Zbl的预测值;当指标预测值及相关性系数zR中的至少一个低于对应阈值时,由判断模块24生成相对应的判断结果并输出。
将判断结果发送至标记模块25,由标记模块25将运动方案标记为低效方案,并由数据检测模块12获取到患者在执行运动方案后的健康指标集,作为第二健康指标集,作为区分,将执行运动方案前的健康指标集,作为第一健康指标集;从第二健康指标集中获取心率xL,血压xY以及血氧xO,判断其中高于对应阈值的部分,及其超过对应阈值的比例,以超过对应阈值的比例作为异常程度;
将第二健康指标集中高于对应阈值的部分确定为异常数据,并以异常程度作为异常数据的后缀,联立生成异常特征,由标记模块25以异常特征对第二健康指标集中超过对应阈值的部分进行标记。
使用时,通过生成指标预测值及相关性系数zR,对当前所执行的运动方案进行可行性判断,若当前执行方案难以起到应有效果,则将其标定为低效方案,同时,通过确定出异常特征,依据异常特征的数量,能够对患者的身体状态进行判断,也可以选择与异常特征相对应的运动方案,对患者身体状态进行改善。
参考图2,所述第二处理单元60包括匹配模块61及模型训练模块62,其中,使用相似度算法构建推荐模型,并且在训练和测试后,由模型训练模块62将训练后的推荐模型输出,在用户当前的健康指标集中存在异常特征时,通过异常特征与运动方案的相似性,由匹配模块61使用推荐模型,从运动方案库中选择运动方案并向患者推送,并将推送方案确定为推荐方案。
使用时,在获取异常特征的基础上,重新汇总并收集若干个运动方案,通过训练后的推荐模型,当之前执行的运动方案为低效方案时,获取患者在执行低效方案后的健康指标集,从健康指标集中选择出异常特征,选择与异常特征相对应的运动方案生成推荐方案,对患者身体状态进行改善。
例如,当患者的运动方案原本为每日长跑1公里,在异常特征不同的时,需要为患者推荐的新的运动方案,当患者执行这个新的运动方案时,康复的速度或者康复效果可能更好。
参考图2,所述第三处理单元70包括仿真分析模块71、修正模块72及输出模块73,其中,对患者进行周期性的体检,以获取的体检数据和收集到的运动数据作为基础,建立患者运动模型并输出,在仿真分析模块71获取到推荐方案后,对该推荐方案进行仿真分析,并输出分析结果;在获取分析结果后,若分析结果显示当前的推送方案不可行,则由修正模块72对该推送方案进行修正,当修正后的方案可行时,由输出模块73将可行的修正后的方案输出,并且添加至运动方案库中。
使用时,在生成的推荐方案后,对该推荐方案进行仿真分析,以分析结果判断所推荐方案是否具有可行性,若可行性较低,则对该仿真方案进行修正,以修正后的方案为最终推荐方案,在患者处于康复流程时,使推送方案更具有针对性,更有利用患者快速康复。
综合以上内容:
依据相关性系数zR对运动量Yd向指标变化量Zbl施加的影响力进行判断,判断当前的运动方案是否有效,通过对当前所执行的运动方案是否有效进行判断,在对患者进行康复治疗时,可以选择更为有效的运动方案,从而可以使患者康复得更加顺利;
对当前所执行的运动方案进行判断,在方案难以起到应有效果时,将其标定为低效方案,并可以依据异常特征的数量,对患者的身体状态进行判断,对患者当前的身体状态进行判断和评估;
通过训练后的推荐模型,获取患者在执行低效方案后的健康指标集并筛选出异常特征,选择与异常特征相对应的运动方案,对患者身体状态可以针对性的进行改善;以仿真分析判断所推荐方案是否具有可行性,在可行性较低时,对该仿真方案进行修正,以修正后的方案为最终的推荐方案,使推送方案更具有针对性,也更有利用患者快速康复。
请参阅图1-图2,本发明提供一种体医结合的运动处方健康数据管理方法,包括:
在患者进入康复流程后,依照患者当前的健康数据为患者选定运动方案,采集患者的个人信息,并分别获取患者初始状态下的健康指标,和执行运动方案后的健康指标,汇总后建立健康指标集;
由健康指标集分别生成第一指标系数Zbs及第二指标系数Zbs,通过两者的差值及该差值的预测值,判断所选定的运动方案是否有效,若其有效性未达到预设阈值时,从患者的健康指标集中筛选出异常特征;
当异常特征的数量大于对应阈值时,先向外部发出预警信息,后依据选定的异常特征,重新为患者收集新的运动方案,在运动方案汇总后建立运动方案库;
依据患者当前的运动习惯及当前的异常特征,为患者推荐新的运动方案,并在建立康复模型后,对所推荐方案进行仿真分析,若分析结果显示该推荐方案可行,则将该推荐方案发送给患者,在推荐方案被执行后,周期性的对患者进行体检,并收集患者体检后的健康指标数据及反馈信息。
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。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。
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,即可以位于一个地方,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。
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。
Claims (10)
1.一种体医结合的运动处方健康数据管理系统,其特征在于:包括数据采集单元(10)、第一处理单元(20)、控制单元(30)、方案收集单元(40)、预警单元(50)、第二处理单元(60)及第三处理单元(70)、反馈单元(80),其中,
在患者进入康复流程后,依照患者当前的健康数据为患者选定运动方案,并由数据采集单元(10)采集患者的个人信息,并分别获取患者初始状态下的健康指标,和执行运动方案后的健康指标,汇总后建立健康指标集;
将健康指标集发送至第一处理单元(20)后,由第一处理单元(20)分别生成第一指标系数Zbs及第二指标系数Zbs,通过两者的差值及该差值的预测值,判断所选定的运动方案是否有效,若其有效性未达到预设阈值时,从患者的健康指标集中筛选出异常特征,当异常特征的数量大于对应阈值时,由控制单元(30)形成控制指令,先由预警单元(50)向外部发出预警信息,后由方案收集单元(40)依据选定的异常特征,重新为患者收集新的运动方案,在运动方案汇总后建立运动方案库;
依据患者当前的运动习惯及当前的异常特征,由第二处理单元(60)为患者推荐新的运动方案,并在第三处理单元(70)建立康复模型后,对所推荐方案进行仿真分析,若分析结果显示该推荐方案可行,则将该推荐方案发送给患者,在推荐方案被执行后,周期性的对患者进行体检,并由反馈单元(80)收集患者体检后的健康指标数据及反馈信息。
2.根据权利要求1所述的一种体医结合的运动处方健康数据管理系统,其特征在于:所述数据采集单元(10)包括信息采集模块(11)及数据检测模块(12),其中,在患者在处于康复状态下时,由信息采集模块(11)采集换患者的身份信息后,将患者的身份信息进行记录,并在患者执行获取的运动方案后,由数据检测模块(12)分别采集患者运动前后的心率、血压及血氧,汇总后建立健康指标集。
3.根据权利要求1所述的一种体医结合的运动处方健康数据管理系统,其特征在于:所述第一处理单元(20)包括评价模块(21)、相关性分析模块(22)、预测模块(23)、判断模块(24)及标记模块(25),其中将执行运动方案前后的健康指标集发送至评价模块(21),由评价模块(21)获取心率xL,血压xY以及血氧xO,做无量纲处理后,依照如下公式生成健康指标系数Zbs:
其中,参数意义为:0.38≤F1≤0.90,0.58≤F2≤1.22,1.58≤F3≤3.12,C为常数修正系数。
4.根据权利要求3所述的一种体医结合的运动处方健康数据管理系统,其特征在于:将执行运动方案前的指标系数Zbs作为第一指标系数Zbs,将执行运动方案后的作为第二指标系数Zbs,统计所执行的运动方案的运动量Yd,在获取到所执行的运动方案的运动量Yd后,获取第一指标系数Zbs与第二指标系数Zbs差值,将该差值作为指标变化量Zbl,沿着时间轴以固定的间隔获取若干组运动量Yd与若干组指标变化量Zbl,由相关性分析模块(22)通过相关性模型,分析两者间的相关性,获取相关性系数zR并输出。
5.根据权利要求4所述的一种体医结合的运动处方健康数据管理系统,其特征在于:在沿着时间轴以固定的间隔获取若干组的第二指标系数Zbs后,由预测模块(23)使用平滑指数预测模型,对第二指标系数Zbs的变化进行预测,生成并输出指标预测值,进而形成指标变化量Zbl的预测值;当指标预测值及相关性系数zR中的至少一个低于对应阈值时,由判断模块(24)生成相对应的判断结果并输出。
6.根据权利要求5所述的一种体医结合的运动处方健康数据管理系统,其特征在于:将判断结果发送至标记模块(25),由标记模块(25)将运动方案标记为低效方案,并由数据检测模块(12)获取到患者在执行运动方案后的健康指标集,作为第二健康指标集,将执行运动方案前的健康指标集,作为第一健康指标集;从第二健康指标集中获取心率xL,血压xY以及血氧xO,判断其中高于对应阈值的部分,及其超过对应阈值的比例,以超过对应阈值的比例作为异常程度。
7.根据权利要求6所述的一种体医结合的运动处方健康数据管理系统,其特征在于:将第二健康指标集中高于对应阈值的部分确定为异常数据,并以异常程度作为异常数据的后缀,联立生成异常特征,由标记模块(25)以异常特征对第二健康指标集中超过对应阈值的部分进行标记。
8.根据权利要求7所述的一种体医结合的运动处方健康数据管理系统,其特征在于:所述第二处理单元(60)包括匹配模块(61)及模型训练模块(62),其中,使用相似度算法构建推荐模型,并且在训练和测试后,由模型训练模块(62)将训练后的推荐模型输出,在用户当前的健康指标集中存在异常特征时,通过异常特征与运动方案的相似性,由匹配模块(61)使用推荐模型,从运动方案库中选择运动方案并向患者推送,并将推送方案确定为推荐方案。
9.根据权利要求8所述的一种体医结合的运动处方健康数据管理系统,其特征在于:所述第三处理单元(70)包括仿真分析模块(71)、修正模块(72)及输出模块(73),其中,对患者进行周期性的体检,以获取的体检数据和收集到的运动数据作为基础,建立患者运动模型并输出,在仿真分析模块(71)获取到推荐方案后,对该推荐方案进行仿真分析,并输出分析结果;在获取分析结果后,若分析结果显示当前的推送方案不可行,则由修正模块(72)对该推送方案进行修正,当修正后的方案可行时,由输出模块(73)将可行的修正后的方案输出,并且添加至运动方案库中。
10.一种体医结合的运动处方健康数据管理方法,其特征在于:在患者进入康复流程后,依照患者当前的健康数据为患者选定运动方案,采集患者的个人信息,并分别获取患者初始状态下的健康指标,和执行运动方案后的健康指标,汇总后建立健康指标集;
由健康指标集分别生成第一指标系数Zbs及第二指标系数Zbs,通过两者的差值及该差值的预测值,判断所选定的运动方案是否有效,若其有效性未达到预设阈值时,从患者的健康指标集中筛选出异常特征;
当异常特征的数量大于对应阈值时,先向外部发出预警信息,后依据选定的异常特征,重新为患者收集新的运动方案,在运动方案汇总后建立运动方案库;
依据患者当前的运动习惯及当前的异常特征,为患者推荐新的运动方案,并在建立康复模型后,对所推荐方案进行仿真分析,若分析结果显示该推荐方案可行,则将该推荐方案发送给患者,在推荐方案被执行后,周期性的对患者进行体检,并收集患者体检后的健康指标数据及反馈信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310696168.XA CN116705238A (zh) | 2023-06-13 | 2023-06-13 | 基于体医结合的运动处方健康数据管理平台 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310696168.XA CN116705238A (zh) | 2023-06-13 | 2023-06-13 | 基于体医结合的运动处方健康数据管理平台 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116705238A true CN116705238A (zh) | 2023-09-05 |
Family
ID=87840667
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310696168.XA Withdrawn CN116705238A (zh) | 2023-06-13 | 2023-06-13 | 基于体医结合的运动处方健康数据管理平台 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116705238A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117038100A (zh) * | 2023-10-09 | 2023-11-10 | 深圳市乗名科技有限公司 | 一种基于iot技术的健康管理系统 |
CN117373618A (zh) * | 2023-10-23 | 2024-01-09 | 广州景腾医疗科技股份有限公司 | 一种用于分析仪的局部人体成分数据处理方法 |
-
2023
- 2023-06-13 CN CN202310696168.XA patent/CN116705238A/zh not_active Withdrawn
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117038100A (zh) * | 2023-10-09 | 2023-11-10 | 深圳市乗名科技有限公司 | 一种基于iot技术的健康管理系统 |
CN117038100B (zh) * | 2023-10-09 | 2024-03-15 | 深圳市乗名科技有限公司 | 一种基于iot技术的健康管理系统 |
CN117373618A (zh) * | 2023-10-23 | 2024-01-09 | 广州景腾医疗科技股份有限公司 | 一种用于分析仪的局部人体成分数据处理方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Sweeting et al. | When is a sprint a sprint? A review of the analysis of team-sport athlete activity profile | |
CN116705238A (zh) | 基于体医结合的运动处方健康数据管理平台 | |
KR20090024808A (ko) | 치매 및 치매성 장애의 평가 | |
US20210345897A1 (en) | Heart Rate Variability Composite Scoring and Analysis | |
US11622729B1 (en) | Biomechanics abnormality identification | |
US11721437B2 (en) | Digital twin for predicting performance outcomes | |
US20210345896A1 (en) | Heart Rate Variability Monitoring and Analysis | |
De Brabandere et al. | Data fusion of body-worn accelerometers and heart rate to predict VO2max during submaximal running | |
CN109715049A (zh) | 用于创伤性脑损伤的多模态生理刺激和评估的协议和签名 | |
WO2019003132A1 (en) | COGNITIVE CAPACITY LEARNING METHOD WITH EMOTIONAL BASE | |
CN116344050B (zh) | 一种基于多维度健康管理模型的评测方法 | |
CN113380427A (zh) | 一种基于佩戴式智能终端的健康管理平台及管理方法 | |
CN112582067A (zh) | 基于大数据的年龄估计模型训练、年龄估计方法和装置 | |
CN116013514A (zh) | 一种基于多参数融合的一体化糖尿病足预测系统 | |
US20140371886A1 (en) | Method and system for managing performance of an athlete | |
CN117352175A (zh) | 一种用于骨科护理的骨折智能辅助监测系统 | |
CN108109696B (zh) | 一种数据处理方法和装置 | |
CN117158938A (zh) | 一种应用于智能手表的健康监测方法、装置及电子设备 | |
Welk | Harmonizing monitor-and report-based estimates of physical activity through calibration | |
US20130253375A1 (en) | Automated Method Of Detecting Neuromuscular Performance And Comparative Measurement Of Health Factors | |
CN116570283A (zh) | 一种围手术期患者情绪监测系统及方法 | |
CN116434979A (zh) | 生理状态云监测方法、监测系统及储存介质 | |
CN114974508A (zh) | 一种运动处方的生成方法及装置、存储介质及电子设备 | |
US20160339299A1 (en) | Integrated impairment value calculation system | |
Hossain et al. | When does an easy task become hard? A systematic review of human task-evoked pupillary dynamics versus cognitive efforts |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20230905 |
|
WW01 | Invention patent application withdrawn after publication |