CN117012377A - 健康分析方法、装置、电子设备及存储介质 - Google Patents
健康分析方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN117012377A CN117012377A CN202210476067.7A CN202210476067A CN117012377A CN 117012377 A CN117012377 A CN 117012377A CN 202210476067 A CN202210476067 A CN 202210476067A CN 117012377 A CN117012377 A CN 117012377A
- Authority
- CN
- China
- Prior art keywords
- blood glucose
- time
- glucose
- predicted
- value
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 73
- 230000036541 health Effects 0.000 title claims abstract description 56
- 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 abstract description 710
- 239000008103 glucose Substances 0.000 claims abstract description 710
- 239000008280 blood Substances 0.000 claims abstract description 550
- 210000004369 blood Anatomy 0.000 claims abstract description 550
- 238000001514 detection method Methods 0.000 claims abstract description 77
- 238000012797 qualification Methods 0.000 claims abstract description 36
- 238000000034 method Methods 0.000 claims description 20
- 230000009467 reduction Effects 0.000 claims description 15
- 230000010030 glucose lowering effect Effects 0.000 claims description 13
- 230000008685 targeting Effects 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 9
- 230000000630 rising effect Effects 0.000 claims description 3
- 238000007726 management method Methods 0.000 description 52
- 230000008859 change Effects 0.000 description 6
- 235000013305 food Nutrition 0.000 description 6
- 230000000291 postprandial effect Effects 0.000 description 5
- 230000002641 glycemic effect Effects 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 150000001720 carbohydrates Chemical class 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 102000017011 Glycated Hemoglobin A Human genes 0.000 description 2
- 108010014663 Glycated Hemoglobin A Proteins 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 229940079593 drug Drugs 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 230000002218 hypoglycaemic effect Effects 0.000 description 2
- 208000013016 Hypoglycemia Diseases 0.000 description 1
- 230000000386 athletic effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000000875 corresponding effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 206010012601 diabetes mellitus Diseases 0.000 description 1
- 235000005911 diet Nutrition 0.000 description 1
- 230000037213 diet Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000003345 hyperglycaemic effect Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 235000012054 meals Nutrition 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000004984 smart glass Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001502 supplementing effect Effects 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
- 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
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
-
- 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
- G16H20/10—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients
-
- 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
- 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
- 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
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Data Mining & Analysis (AREA)
- Biomedical Technology (AREA)
- Nutrition Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biophysics (AREA)
- Physical Education & Sports Medicine (AREA)
- Chemical & Material Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Medicinal Chemistry (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
本申请公开了一种用于血糖管理的健康分析方法、健康分析装置、电子设备以及存储介质。健康分析方法包括:获取用户在检测时间段内的多个血糖数据,多个血糖数据包括当前时刻检测的当前血糖值,并根据多个血糖数据和葡萄糖达标范围确定用户的葡萄糖目标范围内时间比,再根据当前血糖值和葡萄糖目标范围内时间比,对用户的血糖值达到葡萄糖达标范围的时间和葡萄糖目标范围内时间比满足合格条件的时间进行预测;以及再对预测结果进行分析以向用户提供血糖预测曲线。本申请的健康分析方法能够充分考虑患者实际情况,使患者能够明确的看到自身实时健康数据跟预测达标血糖的差距和方向。
Description
技术领域
本申请涉及健康领域,特别涉及一种用于血糖管理的健康分析方法、健康分析装置、电子设备及存储介质。
背景技术
相关技术中,控糖类应用程序给出的是患者的健康评估,仅是针对患者基本情况给出大体的健康管理建议,并不能实时得到控糖指导,需要去不停的咨询健管师/医生,导致患者日常控糖过程中带来诸多不便。
发明内容
本申请旨在至少解决现有技术中存在的技术问题之一。为此,本申请提供了一种用于血糖管理的健康分析方法、健康分析装置、电子设备及存储介质。
本申请实施方式提供的用于血糖管理的健康分析方法,包括:
获取用户在检测时间段内的多个血糖数据,多个所述血糖数据包括当前时刻检测的当前血糖值;
根据多个所述血糖数据和葡萄糖达标范围确定所述用户的葡萄糖目标范围内时间比;
根据所述当前血糖值和所述葡萄糖目标范围内时间比,对所述用户的血糖值达到所述葡萄糖达标范围的时间和所述葡萄糖目标范围内时间比满足合格条件的时间进行预测;
对预测结果进行分析以向所述用户提供血糖预测曲线。
在某些实施方式中,所述健康分析方法还包括:
对所述预测结果进行分析以向所述用户提供血糖管理路径。
在某些实施方式中,所述健康分析方法还包括:
对所述预测结果进行分析以向所述用户提供靶向目标,所述靶向目标包括预测目标血糖值和达到所述预测目标血糖值的时间。
在某些实施方式中,所述根据多个所述血糖数据和葡萄糖达标范围确定所述用户的葡萄糖目标范围内时间比,包括:
确定多个所述血糖数据中血糖值位于所述葡萄糖达标范围内的达标检测次数;
根据所述达标次数与检测总次数的比值确定所述葡萄糖目标范围内时间比。
在某些实施方式中,所述根据所述当前血糖值和所述葡萄糖目标范围内时间比,对所述用户的血糖值达到所述葡萄糖达标范围的时间和所述葡萄糖目标范围内时间比满足合格条件的时间进行预测,包括:
在所述当前血糖值高于葡萄糖达标范围的情况下,根据所述当前血糖值和血糖降低速度预测所述用户的血糖值达到所述葡萄糖达标范围的第一预测时间;
根据预测得到的所述第一预测时间和所述葡萄糖目标范围内时间比,预测所述葡萄糖目标范围内时间比满足合格条件的第二预测时间。
在某些实施方式中,所述健康分析方法,包括:
实时获取所述用户的运动数据;
根据所述运动数据确定所述血糖降低数据。
在某些实施方式中,所述根据预测得到的所述第一预测时间和所述葡萄糖目标范围内时间比,预测所述葡萄糖目标范围内时间比满足合格条件的第二预测时间,包括:
根据所述第一预测时间确定所述用户的血糖值达到所述葡萄糖达标范围的第一预测检测次数;
根据所述第一预测检测次数、所述达标检测次数和所述检测总次数确定预测所述葡萄糖目标范围内时间比满足合格条件的第二预测检测次数;
根据所述第二预测检测次数确定所述第二预测时间。
在某些实施方式中,所述对预测结果进行分析以向所述用户提供血糖预测曲线,包括:
确定预测目标血糖值;
根据所述预测目标血糖值、所述当前血糖值、所述第一预测时间、所述第二预测时间和所述血糖降低速度绘制所述血糖预测曲线。
在某些实施方式中,所述确定预测目标血糖值,包括:
根据所述当前血糖值、所述第一预测时间、所述第二预测时间和所述血糖降低速度计算血糖估计值;
在所述血糖估计值不小于第一预设值的情况下,确定所述血糖估计值为所述预测目标血糖值;
在所述血糖估计值小于所述第一预设值的情况下,确定所述第一预设值为所述预测目标血糖值。
在某些实施方式中,根据所述预测目标血糖值、所述第一预测时间、所述第二预测时间确定所述靶向目标。
在某些实施方式中,所述对预测结果进行分析以向所述用户提供血糖预测曲线,包括:
根据所述当前血糖值、所述血糖降低速度和所述预测目标血糖值确定所述用户的预测运动时间;
根据所述预测运动时间提供血糖管理路径。
在某些实施方式中,所述根据所述预测运动时间提供血糖管理路径,包括:
根据所述预测运动时间和当前时间提供所述血糖管理路径;或
根据所述预测运动时间和用户个人数据提供所述血糖管理路径。
在某些实施方式中,所述根据所述当前血糖值和所述葡萄糖目标范围内时间比,对所述用户的血糖值达到所述葡萄糖达标范围的时间和所述葡萄糖目标范围内时间比满足合格条件的时间进行预测,包括:
在所述当前血糖值位于葡萄糖达标范围内的情况下,根据所述葡萄糖目标范围内时间比,预测所述葡萄糖目标范围内时间比满足合格条件的第二预测时间。
在某些实施方式中,所述根据所述当前血糖值和所述葡萄糖目标范围内时间比,对所述用户的血糖值达到所述葡萄糖达标范围的时间和所述葡萄糖目标范围内时间比满足合格条件的时间进行预测,包括:
在所述当前血糖值低于葡萄糖达标范围的情况下,根据所述当前血糖值和血糖升高速度预测所述用户的血糖值达到所述葡萄糖达标范围的第一预测时间;
根据预测得到的所述第一预测时间和所述葡萄糖目标范围内时间比,预测所述葡萄糖目标范围内时间比满足合格条件的第二预测时间。
在某些实施方式中,所述根据预测得到的所述第一预测时间和所述葡萄糖目标范围内时间比,预测所述葡萄糖目标范围内时间比满足合格条件的第二预测时间,包括:
根据所述第一预测时间确定所述用户的血糖值达到所述葡萄糖达标范围的第一预测检测次数;
根据所述第一预测检测次数、所述达标检测次数和所述检测总次数确定预测所述葡萄糖目标范围内时间比满足合格条件的第二预测检测次数;
根据所述第二预测检测次数确定所述第二预测时间。
在某些实施方式中,所述对预测结果进行分析以向所述用户提供血糖预测曲线,包括:
确定预测目标血糖值;
根据所述目标血糖值、所述当前血糖值、所述第一预测时间、所述第二预测时间和所述血糖升高速度绘制所述血糖预测曲线。
在某些实施方式中,所述确定预测目标血糖值,包括:
根据所述当前血糖值、所述第一预测时间、所述第二预测时间和所述血糖升高速度计算血糖估计值;
在所述血糖估计值不大于第二预设值的情况下,确定所述血糖估计值为所述预测目标血糖值;
在所述血糖估计值大于所述第二预设值的情况下,确定所述第二预设值为所述预测目标血糖值。
在某些实施方式中,所述葡萄糖目标范围内时间比满足合格条件包括:所述葡萄糖目标范围内时间比不小于70%。
本申请实施方式提供的用于血糖管理的健康分析装置,包括:
获取模块,用于获取用户在检测时间段内的多个血糖数据,多个所述血糖数据包括当前时刻检测的当前血糖值;
确定模块,用于根据多个所述血糖数据和葡萄糖达标范围确定所述用户的葡萄糖目标范围内时间比;
预测模块,用于根据所述当前血糖值和所述葡萄糖目标范围内时间比,对所述用户的血糖值达到所述葡萄糖达标范围的时间和所述葡萄糖目标范围内时间比满足合格条件的时间进行预测;
分析模块,用于对预测结果进行分析以向所述用户提供血糖预测曲线。
本申请实施方式提供的电子设备包括处理器和存储器,其中,存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行所述的用于血糖管理的健康分析方法。
本申请的包含有计算机程序的非易失性计算机可读存储介质,当所述计算机程序被一个或多个处理器执行时,使得所述处理器执行所述的用于血糖管理的健康分析方法。
本申请实施方式的用于血糖管理的健康分析方法、健康分析装置、电子设备及计算机存储介质中,通过将从用户采集的血糖数据以及预先设置的葡萄糖达标范围计算出用户的葡萄糖目标范围时间比,再根据当前血糖值和葡萄糖目标范围内时间比,对用户的血糖值达到葡萄糖达标范围所用的时间和葡萄糖目标范围内时间比满足合格条件所用的时间进行预测,再将得到的预测结果进行分析,从而向用户提供血糖预测曲线,如此,可以使用户明确的看到自身健康数据跟预测达标血糖的差距和方向。
本申请的附加方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本申请的实践了解到。
附图说明
本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解,其中:
图1是本申请某些实施方式的用于血糖管理的健康分析方法的流程示意图;
图2是本申请某些实施方式的用于血糖管理的健康分析装置的模块示意图;
图3是本申请某些实施方式的用于血糖管理的健康分析方法的场景示意图;
图4-18是本申请某些实施方式的用于血糖管理的健康分析方法的流程示意图。
具体实施方式
下面详细描述本申请的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本申请,而不能理解为对本申请的限制。
请参阅图1,本申请提供一种用于血糖管理的健康分析方法,健康分析方法包括步骤:
01,获取用户在检测时间段内的多个血糖数据,多个血糖数据包括当前时刻检测的当前血糖值;
02,根据多个血糖数据和葡萄糖达标范围确定用户的葡萄糖目标范围内时间比;
03,根据当前血糖值和葡萄糖目标范围内时间比,对用户的血糖值达到葡萄糖达标范围的时间和葡萄糖目标范围内时间比满足合格条件的时间进行预测;
04,对预测结果进行分析以向用户提供血糖预测曲线。
请参阅图2,本申请实施方式提供了一种用于血糖管理的健康分析装置10。健康分析装置10包括获取模块110、确定模块120、预测模块130和分析模块140。步骤01可以由获取模块110实现,步骤02可以由确定模块120实现,步骤03可以由预测模块130实现。步骤04可以由分析模块140实现。
或者说,获取模块110可以用于获取用户在检测时间段内的多个血糖数据,多个血糖数据包括当前时刻检测的当前血糖值。预测模块130可以用于根据当前血糖值和葡萄糖目标范围内时间比,对用户的血糖值达到葡萄糖达标范围的时间和葡萄糖目标范围内时间比满足合格条件的时间进行预测。分析模块140可以用于对预测结果进行分析以向用户提供血糖预测曲线。
本申请实施方式还提供了一种电子设备,电子设备包括处理器和存储器。其中,存储器存储有计算机程序,并且被处理器执行,使得处理器可以用于获取用户在检测时间段内的多个血糖数据,多个血糖数据包括当前时刻检测的当前血糖值,并根据多个血糖数据和葡萄糖达标范围确定用户的葡萄糖目标范围内时间比,再根据当前血糖值和葡萄糖目标范围内时间比,对用户的血糖值达到葡萄糖达标范围的时间和葡萄糖目标范围内时间比满足合格条件的时间进行预测;以及再对预测结果进行分析以向用户提供血糖预测曲线。
本申请实施方式的用于血糖管理的健康分析方法、健康分析装置10和电子设备中,通过将从用户采集的血糖数据以及预先设置的葡萄糖达标范围计算出用户的葡萄糖目标范围时间比,再根据当前血糖值和葡萄糖目标范围内时间比,对用户的血糖值达到葡萄糖达标范围所用的时间和葡萄糖目标范围内时间比满足合格条件所用的时间进行预测,再将得到的预测结果进行分析,从而向用户提供血糖预测曲线,如此,可以使用户明确的看到自身健康数据跟预测达标血糖的差距和方向。
在一些实施方式中,健康分析装置10可以是电子设备的一部分。或者说,电子设备包括健康分析装置10。
在一些实施方式中,健康分析装置10可以是一定方式组装以具有前述功能的分立元件、或者是以集成电路形式存在具有前述功能的芯片、又或者是在计算机上运行时使得计算机具有前述功能的计算机软件代码段。
在一些实施方式中,作为硬件,健康分析装置10可以是独立或者作为额外增加的外围元件加装到电子设备。健康分析装置10也可以集成到电子设备上,例如,健康分析装置10是电子设备的一部分时,健康分析装置10可以集成到处理器上。
电子设备可以包括但不限于智能血糖设备(例如智能血糖仪)、手机、电脑、智能穿戴设备(智能手表、智能手环、智能头盔、智能眼镜等)、虚拟现实设备或头显设备。
本实施方式以电子设备可以以智能血糖设备为例进行说明,也即是说,健康分析方法和健康分析装置10应用于但不限于智能血糖设备。健康分析装置10可以是预安装于智能血糖设备的硬件或软件,并在智能血糖设备上启动运行时可以执行健康分析方法。例如,健康分析方法可以是智能血糖设备的底层软件代码段或者说是操作系统的一部分。如此,当智能血糖设备获取到用户的血糖数据时可以向用户提供血糖预测曲线,从而使得用户实现血糖控制。
在本实施方式中,检测时间段内检测频率可以为6次每小时(10分钟检测一次用户的血糖数据)。
需要说明的是,当前时刻检测的当前血糖值是当前时刻最近检测出的血糖值,可以理解地,由于血糖值是每十分钟一测,而在当前时刻并非检测时间,因此,可以以上一次检测的血糖值作为当前血糖值。
需要说明的是,葡萄糖目标范围内时间比(Time in range,TIR)是指24小时内葡萄糖在目标范围内(通常为3.9-10.0mmol/L,或为3.9-7.8mmol/L)所占的百分比,目前作为新的血糖控制指标。请结合图3,在本申请中,葡萄糖目标范围可以使用3.9~10.0mmol/,也即是,本申请的葡萄糖达标范围为3.9~10.0mmol/L。当然,葡萄糖达标范围可以根据医学及实际情况需要调整,本申请仅仅为举例说明,不对本申请的范围进行限定。
葡萄糖目标范围内时间比满足合格条件可以为葡萄糖目标范围内时间比不小于预定阈值,预定阈值可以为65%、70%、75%、80%、85%或90%等,预定阈值具体大小不限,例如,在本实施方式中,葡萄糖目标范围内时间比满足合格条件可以为葡萄糖目标范围内时间比不小于70%,也即是,在检测时间段内,血糖值在葡萄糖目标范围内的时间大于等于70%时,则认为用户的血糖合格。
血糖值达到葡萄糖达标范围的时间是指通过对血糖值进行调节,使得血糖值调节至葡萄糖达标范围时所用的时间。例如,当前血糖值为14mmol/L,葡萄糖达标范围为3.9~10.0mmol/L,则是指血糖值从是14mmol/L降到3.9~10.0mmol/L范围所用的时间。需要说明的是,血糖值高于或者低于葡萄糖达标范围的情况下都可以认为血糖值不达标,需要降低或提升血糖值,使得血糖值达到葡萄糖达标范围。
血糖预测曲线用于预测出用户后续血糖值的大体走势。
在某些实施方式中,血糖预测曲线可以基于用户标记的例如饮食、药物、运动数据等直接进行预测得到。
请结合图4,在某些实施方式中,健康分析方法还包括:
05,对预测结果进行分析以向用户提供血糖管理路径。
在某些实施方式中,步骤05可以由分析模块140实现,或者说,分析模块140可以用于对预测结果进行分析以向用户提供血糖管理路径。
在某些实施方式中,处理器可以用于对预测结果进行分析以向用户提供血糖管理路径。
需要说明的是,血糖管理路径是指给用户实现控制血糖达标的建议,血糖管理路径可以包括但不限于相关饮食,运动,用药建议。
在某些实施方式中,血糖预测曲线可以基于血糖管理路径生成得到。血糖管理路径可以包括一条也可以包括多条,当血糖管理路径为多条时,每条血糖管理路径生成一条对应的血糖预测曲线。如此,可以便于用户选择适合自己的管理路径。
另外,在一些实施方式中,还可以根据提供的血糖管理路径,记录用户根据血糖管理路径得到的实际血糖数据,并根据实际血糖数据来生成实际血糖曲线,并根据实际血糖曲线与假定用户未采纳的模拟数据进行对比,生成血糖控制报告反馈给用户。
请结合图5,在某些实施方式中,健康分析方法还包括:
06,对预测结果进行分析以向用户提供靶向目标,靶向目标包括预测目标血糖值和达到预测目标血糖值的时间。
在某些实施方式中,步骤06可以由分析模块140实现,或者说,分析模块140可以用于对预测结果进行分析以向用户提供靶向目标,靶向目标包括预测目标血糖值和达到预测目标血糖值的时间.
在某些实施方式中,处理器可以用于对预测结果进行分析以向用户提供靶向目标,靶向目标包括预测目标血糖值和达到预测目标血糖值的时间。
需要说明的是,靶向目标可以明确的告诉用户预计需要多长时间才能达成目标,目标的血糖值是多少。当前时刻距离靶向目标越接近,用户的葡萄糖目标范围内时间比满足合格条件越容易达成,反之,距离与靶向目标越远,葡萄糖目标范围内时间比满足合格条件越难达成。
如此,用户可以根据靶向目标直观的了解到自己何时能够血糖达标以及达标时的血糖。
请结合图6,在某些实施方式中,步骤02包括子步骤:
021,确定多个血糖数据中血糖值位于葡萄糖达标范围内的达标检测次数;
022,根据达标次数与检测总次数的比值确定葡萄糖目标范围内时间比。
在某些实施方式中,子步骤021和022可以由确定模块120实现,或者说,确定模块120可以用于确定多个血糖数据中血糖值位于葡萄糖达标范围内的达标检测次数,并根据达标次数与检测总次数的比值确定葡萄糖目标范围内时间比。
在某些实施方式中,处理器用于确定多个血糖数据中血糖值位于葡萄糖达标范围内的达标检测次数,并根据达标次数与检测总次数的比值确定葡萄糖目标范围内时间比。
例如,在检测时间段内,血糖达标的测量数值个数为a,血糖不达标的测量数值个数为b,总测量个数为c,则葡萄糖目标范围内时间比为a/c。可以理解地,在总测量个数一定的情况下,血糖达标的测量数值数越大,葡萄糖目标范围内时间比越高,则说明用户的血糖状况越好。
请结合图7,在某些实施方式中,步骤03包括子步骤:
031,在当前血糖值高于葡萄糖达标范围的情况下,根据当前血糖值和血糖降低速度预测用户的血糖值达到葡萄糖达标范围的第一预测时间;
032,根据预测得到的第一预测时间和葡萄糖目标范围内时间比,预测葡萄糖目标范围内时间比满足合格条件的第二预测时间。
在某些实施方式中,子步骤031和032可以由预测模块130实现,或者说,预测模块130可以用于在当前血糖值高于葡萄糖达标范围的情况下,根据当前血糖值和血糖降低速度预测用户的血糖值达到葡萄糖达标范围的第一预测时间,并根据预测得到的第一预测时间和葡萄糖目标范围内时间比,预测葡萄糖目标范围内时间比满足合格条件的第二预测时间。
在某些实施方式中,处理器用于在当前血糖值高于葡萄糖达标范围的情况下,根据当前血糖值和血糖降低速度预测用户的血糖值达到葡萄糖达标范围的第一预测时间,并根据预测得到的第一预测时间和葡萄糖目标范围内时间比,预测葡萄糖目标范围内时间比满足合格条件的第二预测时间。
也即是,第一预测时间为用户的血糖值达到所述葡萄糖达标范围的时间,例如,当前血糖至为10.2,而血糖值10.2mmol/L降到3.9~10.0mmol/L范围所用的时间为0.2小时,则第一预测时间为0.2小时。第二预测时间为葡萄糖目标范围内时间比满足合格条件的时间。
如此,用户可根据第一预测时间确定自己何时能够血糖值达标,并可以根据第二预测时间确定自己何时TIR合格。
请参阅图8,在某些实施方式中,在步骤03之前,健康分析方法还包括:
07,实时获取用户的运动数据;
08,根据运动数据确定血糖降低数据。
请进一步地结合图2,在某些实施方式中,步骤07可以由获取模块110实现,步骤08可以由确定模块120实现。或者说,获取模块110可以用于实时获取用户的运动数据;确定模块120可以用于根据运动数据确定血糖降低数据。
在某些实施方式中,处理器用于实时获取用户的运动数据,并根据运动数据确定血糖降低数据。
在本实施方式中,可通过需要有运动手环或运动手表等智能物联网设备获取用户的运动数据,或者在用户运动前,由用户将运动方式及时间输入至电子设备,从而得出血糖预测曲线。
可以理解地,不同的运动方式在预定时间内消耗的血糖浓度不同,例如,通常,散步一小时血糖降低2mmol/L,慢跑一小时血糖降低4mmol/L。在本申请中,可以以用户散步为例,即,血糖的降低速度为2mmol/L/小时。例如,用户目前血糖值为12mmol/L,则用户采用漫步方式运动,则用户血糖值达到葡萄糖达标范围所需的时间为(12-10)/2,即1小时。当然在其它方式中,还可以采用多种运动方式(例如慢跑加散步)来降低血糖值,并且,当用户的运动方式有交互变动时,可以根据每段的运动形式及时间,及时调整血糖预测曲线每一个分段的预测。
如此,可根据用户当前的血糖数据来推荐适合的运动方式来降低血糖数据。
请结合图9,在某些实施方式中,步骤032包括子步骤:
0321,根据第一预测时间确定用户的血糖值达到葡萄糖达标范围的第一预测检测次数;
0322,根据第一预测检测次数、达标检测次数和检测总次数确定预测葡萄糖目标范围内时间比满足合格条件的第二预测检测次数;
0323,根据第二预测检测次数确定第二预测时间。
在某些实施方式中,子步骤0321-0323可以由预测模块130实现,或者说,预测模块130可以用于根据第一预测时间确定用户的血糖值达到葡萄糖达标范围的第一预测检测次数;并根据第一预测检测次数、达标检测次数和检测总次数确定预测葡萄糖目标范围内时间比满足合格条件的第二预测检测次数,以及根据第二预测检测次数确定第二预测时间。
在某些实施方式中,处理器用于根据第一预测时间确定用户的血糖值达到葡萄糖达标范围的第一预测检测次数,并根据第一预测检测次数、达标检测次数和检测总次数确定预测葡萄糖目标范围内时间比满足合格条件的第二预测检测次数,以及根据第二预测检测次数确定第二预测时间。
可以理解地,在本申请中,每小时采集6次血糖数据,而预测葡萄糖目标范围内时间比为达标次数与检测总次数的比值,并且,预测葡萄糖目标范围内时间比需要不小于70%。请进一步地结合图3,在一些示例中,用户当前血糖值为10.6mmol/L,当前检测时间段内的总检测次数54次,并且,血糖值达到葡萄糖达标范围的第一预测检测次数为32次,则当前用户的葡萄糖目标范围内时间比为32/54=0.59,此时,用户葡萄糖目标范围内时间比不满足合格条件,若用户采用散步的运动方式来降低血糖,则用户血糖进入达标范围的第一预测时间为(10.6-10)/2=0.3小时,即用户血糖值道道葡萄糖达标范围内所需时间为0.3小时,18分钟,则第一预测检测次数为1.8次,约为2次。
进一步地,设第二预测检测次数为x,由于预测葡萄糖目标范围内时间比为达标次数与检测总次数的比值大于等于70%,则可以得到(32+x)/(54+2+x)不小于70%。计算得到第二预测检测次数为x=24。则第二预测时间为24/6=4小时。即用户者当前情况下,如果使用散步方式,约0.3小时能使血糖值达到葡萄糖达标范围,预计需要保持4小时达标范围内状态,才能使预测葡萄糖目标范围内时间比满足合格条件。
请结合图10,在某些实施方式中,步骤04包括子步骤:
041,确定预测目标血糖值;
042,根据预测目标血糖值、当前血糖值、第一预测时间、第二预测时间和血糖降低速度绘制血糖预测曲线。
在某些实施方式中,子步骤041和042可以由分析模块140实现,或者说,分析模块140可以用于确定预测目标血糖值;并根据预测目标血糖值、当前血糖值、第一预测时间、第二预测时间和血糖降低速度绘制血糖预测曲线。
在某些实施方式中,处理器用于确定预测目标血糖值;并根据预测目标血糖值、当前血糖值、第一预测时间、第二预测时间和血糖降低速度绘制血糖预测曲线。
在本实施方式中,考虑到糖尿病患者需要重点关注这个餐后2H时段及餐后血糖,因此,预测目标血糖值可以为4.4-7.8mmol/L之间的值。例如,当用户当前血糖值高于葡萄糖达标范围,则预测目标血糖值可以为4.4mmol/L。
预测目标血糖值为用户的目标时刻的血糖值,预测目标血糖值为血糖预测曲线终点的血糖值,当前血糖值为血糖预测曲线起始的血糖值,血糖降低速度为血糖预测曲线的曲率,第二预测时间为血糖预测驱动重点的时间段。
如此,用户可以根据血糖预测曲线直观地了解根据在血糖管理路径下自身血糖值变化情况。
另外,在一些实施方式中,电子设备还预设有血糖变化设定值,需要变化设定值可以为标准值。还可根据预测目标血糖值、当前血糖值、第一预测时间、第二预测时间和血糖变化标准参数,绘制血糖预测曲线。
在一些实施方式中,还可根据预测目标血糖值、当前血糖值、第一预测时间、第二预测时间和基于用户的个人数据深度学习训练出的参数,来绘制血糖预测曲线。如此,血糖预测曲线能够最准确符合用户实际的血糖变化。
请结合图11,在某些实施方式中,步骤041包括子步骤:
0411,根据当前血糖值、第一预测时间、第二预测时间和血糖降低速度计算血糖估计值;
0412,在血糖估计值不小于第一预设值的情况下,确定血糖估计值为预测目标血糖值;
0413,在血糖估计值小于第一预设值的情况下,确定第一预设值为预测目标血糖值。
在某些实施方式中,子步骤0411-0413可以由分析模块140实现,或者说,分析模块140可以用于根据当前血糖值、第一预测时间、第二预测时间和血糖降低速度计算血糖估计值,并在血糖估计值不小于第一预设值的情况下,确定血糖估计值为预测目标血糖值,以及在血糖估计值小于第一预设值的情况下,确定第一预设值为预测目标血糖值。
在某些实施方式中,处理器用于根据当前血糖值、第一预测时间、第二预测时间和血糖降低速度计算血糖估计值,并在血糖估计值不小于第一预设值的情况下,确定血糖估计值为预测目标血糖值,以及在血糖估计值小于第一预设值的情况下,确定第一预设值为预测目标血糖值。
血糖估计值是指用户经过第一预测时间和第二预测时间后用户的血糖值。第一预设值可以为4.4mmol/L,也即是,在血糖估计值不小于4.4mmol/L的情况下,确定血糖估计值为预测目标血糖值。当血糖估计值小于4.4mmol/L的情况下,以4.4mmol/L作为预测目标血糖值。在用户根据血糖管理路径运动使得血糖值降低至预测目标血糖值时,则停止运动。
可以理解地,随着运动时长的增长,血糖值会越低,若是第一预设时间和第二预设时间过长,可能导致用户的血糖值会低于葡萄糖达标范围,而出现低血糖情况。
例如,在一些示例中,当前时刻用户为高血糖状态,血糖值为10.6mmol/L,用户使用散步运动方式降低血糖值,第一预测时间为0.3小时,第二预测时间为4小时。也即是,用户在当前时刻运动0.3小时,即可以使得血糖值降低至葡萄糖达标范围。然而,若停止运动后,很可能血糖值波动,在后续时间内不能使血糖值进入达标范围内,而导致使得在第一预测时间和第二预测时间后葡萄糖目标范围内时间比无法满足合格条件。而若用户一直使用步行这种方式,也即是,在未来4.3小时内持续进行,则可以得出在第一预测时间和第二预测时间后,用户的血糖值将会是10.6-(2*4.3)=2mmol/L,而血糖值为2mmol/L是一个严重的低血糖状态。
如此,通过在血糖估计值不小于第一预设值的情况下,确定血糖估计值为预测目标血糖值,并在血糖估计值小于第一预设值的情况下,确定第一预设值为预测目标血糖值,从而能够保证用户在第二预测时间的血糖值在达标范围内的同时,保证在第一预测时间和第二预测时间后,葡萄糖目标范围内时间比满足合格条件。
在某些实施方式中,步骤05包括子步骤:
051,根据预测目标血糖值、第一预测时间、第二预测时间确定靶向目标。
在某些实施方式中,子步骤051可以由分析模块140实现,或者说,分析模块140可以用于根据预测目标血糖值、第一预测时间、第二预测时间确定靶向目标。
在某些实施方式中,处理器可以用于根据预测目标血糖值、第一预测时间、第二预测时间确定靶向目标。
如此,用户可以根据靶向目标直观的了解到达成葡萄糖目标范围内时间比满足合格条件的时长,以及该时的血糖值。
请结合图12,在某些实施方式中,步骤05还包括子步骤:
052,根据当前血糖值、血糖降低速度和预测目标血糖值确定用户的预测运动时间;
053,根据预测运动时间提供血糖管理路径。
在某些实施方式中,子步骤052和053可以由分析模块140实现,或者说,分析模块140可以用于根据当前血糖值、血糖降低速度和预测目标血糖值确定用户的预测运动时间,并根据预测运动时间提供血糖管理路径。
在某些实施方式中,处理器用于根据当前血糖值、血糖降低速度和预测目标血糖值确定用户的预测运动时间,并根据预测运动时间提供血糖管理路径。
例如,在一些示例中,用户当前血糖值为10.6mmol/L,预测目标血糖值为4.4mmol/L,采用散步运动方式(血糖降低速度为2mmol/L)。则用户的预测运动时间为(10.6-4.4)/2=3.1小时。则血糖管理路径可以为建议用户步行3.1小时,并控制血糖达标范围内即可。
又例如,在一些示例中,用户当前血糖值为10mmol/L,血糖降低速度为2mmol/L,预测目标血糖值为7mmol/L,则用户的预测运动时间为(10-7)/2=1.5小时。则血糖管理路径可以为建议用户步行1.5小时,并控制血糖达标范围内时间比。
请结合图13,在某些实施方式中,子步骤053包括:
0531,根据预测运动时间和当前时间提供血糖管理路径;或
0532,根据预测运动时间和用户个人数据提供血糖管理路径。
在某些实施方式中,子步骤0531和0532可以由分析模块140实现,或者说,分析模块140可以用于根据预测运动时间和当前时间提供血糖管理路径,以及根据预测运动时间和用户个人数据提供血糖管理路径。
在某些实施方式中,处理器可以用于根据预测运动时间和当前时间提供血糖管理路径,以及根据预测运动时间和用户个人数据提供血糖管理路径。
需要说明的是,用户个人数据可以是用户生理数据,也可以为根据用户习惯生成的数据。
可以理解地,在某些时间段可能不适于运动或剧烈运动,例如,下午2点,用户可能处于上班时间,则血糖管理路径不适合提供运动的选项。例如,晚上9点,用户可能不适合剧烈运动,血糖管理路径不适合提供跑步选项。因此,结合预测运动时间、当前时间以及用户个人数据等来提供血糖管理路径能够使得最贴合用户习惯,提升了用户体验。
请结合图14,在某些实施方式中,步骤03包括子步骤:
033,在当前血糖值位于葡萄糖达标范围内的情况下,根据葡萄糖目标范围内时间比,预测葡萄糖目标范围内时间比满足合格条件的第二预测时间。
在某些实施方式中,子步骤033可以由预测模块130实现,或者说,预测模块130可以用于在当前血糖值位于葡萄糖达标范围内的情况下,根据葡萄糖目标范围内时间比,预测葡萄糖目标范围内时间比满足合格条件的第二预测时间。
在某些实施方式中,处理器用于在当前血糖值位于葡萄糖达标范围内的情况下,根据葡萄糖目标范围内时间比,预测葡萄糖目标范围内时间比满足合格条件的第二预测时间。
例如,当前时刻为10:00:00,在0.00.00至10:00:00这个检测时间段内,并且,用户的当前血糖值位于葡萄糖达标范围内,总测量个数为60,血糖达标的测量个数为36,用户的葡萄糖目标范围内时间比为36/60=0.6,用户的葡萄糖目标范围内时间比小于0.7,用户的葡萄糖目标范围内时间比不满足合格条件。若要达到使得用户的葡萄糖目标范围内时间比满足合格条件,设在第二预测时间内血糖达标的数量为x,则达标(36+x)/(60+x)不小于0.7,则x=20,又由于血糖数据检测频率为6次每小时,则第二预测时间为20/6=3.33小时。
请结合图15,在某些实施方式中,步骤03包括子步骤:
034,在当前血糖值低于葡萄糖达标范围的情况下,根据当前血糖值和血糖升高速度预测用户的血糖值达到葡萄糖达标范围的第一预测时间;
035,根据预测得到的第一预测时间和葡萄糖目标范围内时间比,预测葡萄糖目标范围内时间比满足合格条件的第二预测时间。
在某些实施方式中,子步骤034和035可以由预测模块130实现,或者说,预测模块130可以用于在当前血糖值低于葡萄糖达标范围的情况下,根据当前血糖值和血糖升高速度预测用户的血糖值达到葡萄糖达标范围的第一预测时间,并根据预测得到的第一预测时间和葡萄糖目标范围内时间比,预测葡萄糖目标范围内时间比满足合格条件的第二预测时间。
在某些实施方式中,处理器用于在当前血糖值低于葡萄糖达标范围的情况下,根据当前血糖值和血糖升高速度预测用户的血糖值达到葡萄糖达标范围的第一预测时间,并根据预测得到的第一预测时间和葡萄糖目标范围内时间比,预测葡萄糖目标范围内时间比满足合格条件的第二预测时间。
需要说明的是,一般情况下,使用进食等方式补充人体能量,能使血糖值升高,比如正餐时段吃饭,低血糖时加餐等,血糖上升范围受患者进食情况影响。血糖升高速度与食物的升糖指数(GI)呈正相关。
第一预测时间的取值范围可以为0.5-1小时。
升糖指数指不同食物在含相同量的糖类时,能使血糖速度升高的相对能力,升糖指数越高,则血糖升高速度越快,升糖指数越低,则血糖升高速度越慢。通常葡萄糖的GI值被定为100。低GI食物:GI<55,中等GI食物:GI=55~70,高GI食物:GI>70。
餐后血糖的一般计算公式:
餐后血糖(mmol/L)=1.5*糖化血红蛋白(%)+0.5*空腹血糖(mmol/L)-4.1。
例如,空腹血糖3.0mmol/L,糖化血红蛋白9.0%,那么按照这个计算公式,得到用户的餐后血糖为1.5*9+0.5*3-4.1=10.9mmol/L。
如此,用户可根据第一预测时间确定自己何时能够血糖值达标,并可以根据第二预测时间确定自己何时TIR合格。
请结合图16,在某些实施方式中,步骤035包括子步骤:
0351,根据第一预测时间确定用户的血糖值达到葡萄糖达标范围的第一预测检测次数;
0352,根据第一预测检测次数、达标检测次数和检测总次数确定预测葡萄糖目标范围内时间比满足合格条件的第二预测检测次数;
0353,根据第二预测检测次数确定第二预测时间。
在某些实施方式中,子步骤0351和0352可以由预测模块130实现,或者说,预测模块130可以用于根据第一预测时间确定用户的血糖值达到葡萄糖达标范围的第一预测检测次数,并根据第一预测检测次数、达标检测次数和检测总次数确定预测葡萄糖目标范围内时间比满足合格条件的第二预测检测次数,以及根据第二预测检测次数确定第二预测时间。
在某些实施方式中,处理器用于根据第一预测时间确定用户的血糖值达到葡萄糖达标范围的第一预测检测次数,并根据第一预测检测次数、达标检测次数和检测总次数确定预测葡萄糖目标范围内时间比满足合格条件的第二预测检测次数,以及根据第二预测检测次数确定第二预测时间。
可以理解地,在本申请中,每小时采集6次血糖数据,而预测葡萄糖目标范围内时间比为达标次数与检测总次数的比值,并且,预测葡萄糖目标范围内时间比需要不小于70%。若在一些示例中,第一预测时间为2小时,则第一预测检测次数为12,达标检测次数为28次,检测总次数为40,第二预测时间为280分钟。
请结合图17,在某些实施方式中,步骤04包括子步骤:
045,确定预测目标血糖值;
046,根据预测目标血糖值、当前血糖值、第一预测时间、第二预测时间和血糖升高速度绘制血糖预测曲线。
在某些实施方式中,子步骤045和046可以由分析模块140实现,或者说,分析模块140可以用于确定预测目标血糖值;并根据预测目标血糖值、当前血糖值、第一预测时间、第二预测时间和血糖升高速度绘制血糖预测曲线。
在某些实施方式中,处理器用于确定预测目标血糖值;并根据预测目标血糖值、当前血糖值、第一预测时间、第二预测时间和血糖升高速度绘制血糖预测曲线。
预测目标血糖值可以为4.4-7.8mmol/L之间的值。例如,当用户当前血糖值低于葡萄糖达标范围,则预测目标血糖值可以为7.8mmol/L。
预测目标血糖值为血糖预测曲线终点的血糖值,当前血糖值为血糖预测曲线起始的血糖值,血糖降低速度为血糖预测曲线的曲率,第二预测时间为血糖预测驱动重点的时间段。
如此,用户可以根据血糖预测曲线直观地了解根据在血糖管理路径下自身血糖值变化情况。
请结合图18,在某些实施方式中,步骤045包括子步骤:
0451,根据当前血糖值、第一预测时间、第二预测时间和血糖升高速度计算血糖估计值;
0452,在血糖估计值不大于第二预设值的情况下,确定血糖估计值为预测目标血糖值;
0453,在血糖估计值大于第二预设值的情况下,确定第二预设值为预测目标血糖值。
在某些实施方式中,子步骤0451-0453可以由分析模块140实现,或者说,分析模块140可以用于根据当前血糖值、第一预测时间、第二预测时间和血糖升高速度计算血糖估计值;并在血糖估计值不大于第二预设值的情况下,确定血糖估计值为预测目标血糖值;以及在血糖估计值大于第二预设值的情况下,确定第二预设值为预测目标血糖值。
在某些实施方式中,处理器用于根据当前血糖值、第一预测时间、第二预测时间和血糖升高速度计算血糖估计值;并在血糖估计值不大于第二预设值的情况下,确定血糖估计值为预测目标血糖值;以及在血糖估计值大于第二预设值的情况下,确定第二预设值为预测目标血糖值。
第二预设值可以为7.8mmol/L,也即是,在血糖估计值不小于7.8mmol/L的情况下,确定血糖估计值为预测目标血糖值。当血糖估计值小于7.8mmol/L的情况下,以7.8mmol/L作为预测目标血糖值。在用户根据血糖管理路径运动使得血糖值升至预测目标血糖值时,则停止运动。
如此,通过在血糖估计值不大于第二预设值的情况下,确定血糖估计值为预测目标血糖值,并在血糖估计值大于第二预设值的情况下,确定第二预设值为预测目标血糖值,从而能够保证用户在第二预测时间的血糖值在达标范围内的同时,保证在第一预测时间和第二预测时间后,葡萄糖目标范围内时间比满足合格条件。
本申请实施方式还提供了一种非易失性计算机可读存储介质,可读存储介质存储有计算机程序,当计算机程序被一个或多个处理器执行时,使得处理器执行上述的用于血糖管理的健康分析方法。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其他任意组合来实现。当使用软件实现时,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。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、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(例如同轴电缆、光纤、数字用户线(digital subscriber line,DSL))或无线(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成的服务器、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(例如数字视频光盘(digital video disc,DVD))、或者半导体介质(例如固态硬盘(solid state disk,SSD))等。
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。
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,可以通过其它的方式实现。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,机械或其它的形式。
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。
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。
Claims (21)
1.一种用于血糖管理的健康分析方法,其特征在于,包括:
获取用户在检测时间段内的多个血糖数据,多个所述血糖数据包括当前时刻检测的当前血糖值;
根据多个所述血糖数据和葡萄糖达标范围确定所述用户的葡萄糖目标范围内时间比;
根据所述当前血糖值和所述葡萄糖目标范围内时间比,对所述用户的血糖值达到所述葡萄糖达标范围的时间和所述葡萄糖目标范围内时间比满足合格条件的时间进行预测;
对预测结果进行分析以向所述用户提供血糖预测曲线。
2.根据权利要求1所述的健康分析方法,其特征在于,所述健康分析方法还包括:
对所述预测结果进行分析以向所述用户提供血糖管理路径。
3.根据权利要求1所述的健康分析方法,其特征在于,所述健康分析方法还包括:
对所述预测结果进行分析以向所述用户提供靶向目标,所述靶向目标包括预测目标血糖值和达到所述预测目标血糖值的时间。
4.根据权利要求1所述的健康分析方法,其特征在于,所述根据多个所述血糖数据和葡萄糖达标范围确定所述用户的葡萄糖目标范围内时间比,包括:
确定多个所述血糖数据中血糖值位于所述葡萄糖达标范围内的达标检测次数;
根据所述达标次数与检测总次数的比值确定所述葡萄糖目标范围内时间比。
5.根据权利要求4所述的健康分析方法,其特征在于,所述根据所述当前血糖值和所述葡萄糖目标范围内时间比,对所述用户的血糖值达到所述葡萄糖达标范围的时间和所述葡萄糖目标范围内时间比满足合格条件的时间进行预测,包括:
在所述当前血糖值高于葡萄糖达标范围的情况下,根据所述当前血糖值和血糖降低速度预测所述用户的血糖值达到所述葡萄糖达标范围的第一预测时间;
根据预测得到的所述第一预测时间和所述葡萄糖目标范围内时间比,预测所述葡萄糖目标范围内时间比满足合格条件的第二预测时间。
6.根据权利要求5所述的健康分析方法,其特征在于,所述健康分析方法还包括:
实时获取所述用户的运动数据;
根据所述运动数据确定所述血糖降低数据。
7.根据权利要求5所述的健康分析方法,其特征在于,所述根据预测得到的所述第一预测时间和所述葡萄糖目标范围内时间比,预测所述葡萄糖目标范围内时间比满足合格条件的第二预测时间,包括:
根据所述第一预测时间确定所述用户的血糖值达到所述葡萄糖达标范围的第一预测检测次数;
根据所述第一预测检测次数、所述达标检测次数和所述检测总次数确定预测所述葡萄糖目标范围内时间比满足合格条件的第二预测检测次数;
根据所述第二预测检测次数确定所述第二预测时间。
8.根据权利要求7所述的健康分析方法,其特征在于,所述对预测结果进行分析以向所述用户提供血糖预测曲线,包括:
确定预测目标血糖值;
根据所述预测目标血糖值、所述当前血糖值、所述第一预测时间、所述第二预测时间和所述血糖降低速度绘制所述血糖预测曲线。
9.根据权利要求8所述的健康分析方法,其特征在于,所述确定预测目标血糖值,包括:
根据所述当前血糖值、所述第一预测时间、所述第二预测时间和所述血糖降低速度计算血糖估计值;
在所述血糖估计值不小于第一预设值的情况下,确定所述血糖估计值为所述预测目标血糖值;
在所述血糖估计值小于所述第一预设值的情况下,确定所述第一预设值为所述预测目标血糖值。
10.根据权利要求8所述的健康分析方法,其特征在于,所述对所述预测结果进行分析以向所述用户提供靶向目标包括:
根据所述预测目标血糖值、所述第一预测时间、所述第二预测时间确定所述靶向目标。
11.根据权利要求8所述的健康分析方法,其特征在于,所述对预测结果进行分析以向所述用户提供血糖管理路径,包括:
根据所述当前血糖值、所述血糖降低速度和所述预测目标血糖值确定所述用户的预测运动时间;
根据所述预测运动时间提供血糖管理路径。
12.根据权利要求11所述的健康分析方法,其特征在于,所述根据所述预测运动时间提供血糖管理路径,包括:
根据所述预测运动时间和当前时间提供所述血糖管理路径;或
根据所述预测运动时间和用户个人数据提供所述血糖管理路径。
13.根据权利要求4所述的健康分析方法,其特征在于,所述根据所述当前血糖值和所述葡萄糖目标范围内时间比,对所述用户的血糖值达到所述葡萄糖达标范围的时间和所述葡萄糖目标范围内时间比满足合格条件的时间进行预测,包括:
在所述当前血糖值位于葡萄糖达标范围内的情况下,根据所述葡萄糖目标范围内时间比,预测所述葡萄糖目标范围内时间比满足合格条件的第二预测时间。
14.根据权利要求4所述的健康分析方法,其特征在于,所述根据所述当前血糖值和所述葡萄糖目标范围内时间比,对所述用户的血糖值达到所述葡萄糖达标范围的时间和所述葡萄糖目标范围内时间比满足合格条件的时间进行预测,包括:
在所述当前血糖值低于葡萄糖达标范围的情况下,根据所述当前血糖值和血糖升高速度预测所述用户的血糖值达到所述葡萄糖达标范围的第一预测时间;
根据预测得到的所述第一预测时间和所述葡萄糖目标范围内时间比,预测所述葡萄糖目标范围内时间比满足合格条件的第二预测时间。
15.根据权利要求14所述的健康分析方法,其特征在于,所述根据预测得到的所述第一预测时间和所述葡萄糖目标范围内时间比,预测所述葡萄糖目标范围内时间比满足合格条件的第二预测时间,包括:
根据所述第一预测时间确定所述用户的血糖值达到所述葡萄糖达标范围的第一预测检测次数;
根据所述第一预测检测次数、所述达标检测次数和所述检测总次数确定预测所述葡萄糖目标范围内时间比满足合格条件的第二预测检测次数;
根据所述第二预测检测次数确定所述第二预测时间。
16.根据权利要求15所述的健康分析方法,其特征在于,所述对预测结果进行分析以向所述用户提供血糖预测曲线,包括:
确定预测目标血糖值;
根据所述目标血糖值、所述当前血糖值、所述第一预测时间、所述第二预测时间和所述血糖升高速度绘制所述血糖预测曲线。
17.根据权利要求16所述的健康分析方法,其特征在于,所述确定预测目标血糖值,包括:
根据所述当前血糖值、所述第一预测时间、所述第二预测时间和所述血糖升高速度计算血糖估计值;
在所述血糖估计值不大于第二预设值的情况下,确定所述血糖估计值为所述预测目标血糖值;
在所述血糖估计值大于所述第二预设值的情况下,确定所述第二预设值为所述预测目标血糖值。
18.根据权利要求1所述的健康分析方法,其特征在于,所述葡萄糖目标范围内时间比满足合格条件包括:所述葡萄糖目标范围内时间比不小于70%。
19.一种用于血糖管理的健康分析装置,其特征在于,包括:
获取模块,用于获取用户在检测时间段内的多个血糖数据,多个所述血糖数据包括当前时刻检测的当前血糖值;
确定模块,用于根据多个所述血糖数据和葡萄糖达标范围确定所述用户的葡萄糖目标范围内时间比;
预测模块,用于根据所述当前血糖值和所述葡萄糖目标范围内时间比,对所述用户的血糖值达到所述葡萄糖达标范围的时间和所述葡萄糖目标范围内时间比满足合格条件的时间进行预测;
分析模块,用于对预测结果进行分析以向所述用户提供血糖预测曲线。
20.一种电子设备,其特征在于,包括处理器和存储器,存储器存储有计算机程序,并且被所述处理器执行,使得所述处理器执行权利要求1-18中任一项所述的用于血糖管理的健康分析方法。
21.一种包含有计算机程序的非易失性计算机可读存储介质,其特征在于,当所述计算机程序被处理器执行时,使得所述处理器执行权利要求1-18中任一项所述的用于血糖管理的健康分析方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210476067.7A CN117012377A (zh) | 2022-04-29 | 2022-04-29 | 健康分析方法、装置、电子设备及存储介质 |
PCT/CN2023/091319 WO2023208139A1 (zh) | 2022-04-29 | 2023-04-27 | 健康分析方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210476067.7A CN117012377A (zh) | 2022-04-29 | 2022-04-29 | 健康分析方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117012377A true CN117012377A (zh) | 2023-11-07 |
Family
ID=88517926
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210476067.7A Pending CN117012377A (zh) | 2022-04-29 | 2022-04-29 | 健康分析方法、装置、电子设备及存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN117012377A (zh) |
WO (1) | WO2023208139A1 (zh) |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012024439A (ja) * | 2010-07-27 | 2012-02-09 | Seiko Epson Corp | 血糖値予測システム |
JP2012063979A (ja) * | 2010-09-16 | 2012-03-29 | Seiko Epson Corp | 血糖値予測方法および血糖値予測システム |
KR20130135677A (ko) * | 2012-06-01 | 2013-12-11 | 주식회사 오코웰 | 혈당측정 데이터를 이용한 건강관리 방법 및 그 시스템 |
CN105653865B (zh) * | 2015-12-31 | 2018-06-05 | 中国科学院深圳先进技术研究院 | 血糖监测方法、装置及系统 |
CN110364268A (zh) * | 2018-04-09 | 2019-10-22 | 深圳市贝沃德克生物技术研究院有限公司 | 基于互联网的糖尿病患者健康管理系统及方法 |
EP3847669A1 (en) * | 2018-09-07 | 2021-07-14 | Informed Data Systems Inc. d/b/a One Drop | Forecasting blood glucose concentration |
CN112216360A (zh) * | 2020-10-09 | 2021-01-12 | 常州市第一人民医院 | 一种糖尿病病人日常血糖监测数据采集管理方法及系统 |
-
2022
- 2022-04-29 CN CN202210476067.7A patent/CN117012377A/zh active Pending
-
2023
- 2023-04-27 WO PCT/CN2023/091319 patent/WO2023208139A1/zh unknown
Also Published As
Publication number | Publication date |
---|---|
WO2023208139A1 (zh) | 2023-11-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20220370021A1 (en) | Model based variable risk false glucose threshold alarm prevention mechanism | |
US10406287B2 (en) | System and method for providing alerts optimized for a user | |
US20200215267A1 (en) | Insulin delivery methods, systems and devices | |
US11189373B2 (en) | Instrument and method for monitoring an analyte concentration | |
US20220023537A1 (en) | Closed-loop control based on predicted trajectories | |
US20140128705A1 (en) | Computer-based diabetes management | |
KR102384756B1 (ko) | 활동 가이드 정보 제공 방법 및 이를 지원하는 전자 장치 | |
US20200205704A1 (en) | Safety tools for decision support recommendations made to users of continuous glucose monitoring systems | |
US20190015024A1 (en) | Multi-scale display of blood glucose information | |
EP3532958B1 (en) | Systems and methods for estimating the risk of a future hypoglycemic event | |
CN114449945A (zh) | 信息处理装置、信息处理系统和信息处理方法 | |
US20080246617A1 (en) | Monitor apparatus, system and method | |
KR20160109510A (ko) | 당뇨환자를 위한 혈당 관리 장치 및 혈당 관리 방법 | |
CN117012377A (zh) | 健康分析方法、装置、电子设备及存储介质 | |
US20220313147A1 (en) | Miscarriage identification and prediction from wearable-based physiological data | |
WO2018077835A1 (en) | Systems and methods for estimating the risk of a future hypoglycemic event | |
EP4186414A1 (en) | Electronic device and electronic device control method | |
CN117631738A (zh) | 电流调节方法、装置、电子设备及可读存储介质 | |
JP2023114831A (ja) | システム、携帯端末、サーバ、情報処理装置、プログラム、又は方法 | |
CN117222356A (zh) | 用于传感器过渡的数据流桥接 |
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 |