CN117398066A - 一种基于正态分布方差的健康数据波动监测方法 - Google Patents
一种基于正态分布方差的健康数据波动监测方法 Download PDFInfo
- Publication number
- CN117398066A CN117398066A CN202311293376.1A CN202311293376A CN117398066A CN 117398066 A CN117398066 A CN 117398066A CN 202311293376 A CN202311293376 A CN 202311293376A CN 117398066 A CN117398066 A CN 117398066A
- Authority
- CN
- China
- Prior art keywords
- health data
- user
- data
- fluctuation
- 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.)
- Pending
Links
- 230000036541 health Effects 0.000 title claims abstract description 113
- 238000012544 monitoring process Methods 0.000 title claims abstract description 20
- 238000000034 method Methods 0.000 title claims abstract description 16
- 238000012545 processing Methods 0.000 claims abstract description 8
- 238000013480 data collection Methods 0.000 claims abstract description 6
- 239000008280 blood Substances 0.000 claims description 18
- 210000004369 blood Anatomy 0.000 claims description 18
- 230000002159 abnormal effect Effects 0.000 claims description 7
- LEHOTFFKMJEONL-UHFFFAOYSA-N Uric Acid Chemical compound N1C(=O)NC(=O)C2=C1NC(=O)N2 LEHOTFFKMJEONL-UHFFFAOYSA-N 0.000 claims description 6
- TVWHNULVHGKJHS-UHFFFAOYSA-N Uric acid Natural products N1C(=O)NC(=O)C2NC(=O)NC21 TVWHNULVHGKJHS-UHFFFAOYSA-N 0.000 claims description 6
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 6
- 230000036772 blood pressure Effects 0.000 claims description 6
- 150000002632 lipids Chemical class 0.000 claims description 6
- 229910052760 oxygen Inorganic materials 0.000 claims description 6
- 239000001301 oxygen Substances 0.000 claims description 6
- 229940116269 uric acid Drugs 0.000 claims description 6
- 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 3
- 239000008103 glucose Substances 0.000 claims description 3
- -1 heart rate Substances 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 238000007405 data analysis Methods 0.000 abstract description 2
- 238000011156 evaluation Methods 0.000 abstract description 2
- 230000035945 sensitivity Effects 0.000 abstract description 2
- 208000019622 heart disease Diseases 0.000 description 5
- 230000005189 cardiac health Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 230000008520 organization Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 239000006185 dispersion Substances 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000008451 emotion Effects 0.000 description 2
- 230000005802 health problem Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 208000017667 Chronic Disease Diseases 0.000 description 1
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 1
- 206010020772 Hypertension Diseases 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000009286 beneficial effect Effects 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
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000002996 emotional effect Effects 0.000 description 1
- 238000009532 heart rate measurement Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 230000036651 mood Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000000284 resting effect Effects 0.000 description 1
- 230000003860 sleep quality Effects 0.000 description 1
- 230000000391 smoking effect Effects 0.000 description 1
- 230000000087 stabilizing effect Effects 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7271—Specific aspects of physiological measurement analysis
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
- A61B5/14532—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue for measuring glucose, e.g. by tissue impedance measurement
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
- A61B5/1455—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters
- A61B5/14551—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters for measuring blood gases
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient ; user input means
- A61B5/746—Alarms related to a physiological condition, e.g. details of setting alarm thresholds or avoiding false alarms
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/2433—Single-class perspective, e.g. one-against-all classification; Novelty detection; Outlier detection
-
- 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
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
Abstract
本发明涉及健康数据分析处理技术领域，具体为一种基于正态分布方差的健康数据波动监测方法，主要步骤有用户健康数据收集、数据处理、计算该用户健康数据波动值、根据用户健康数据波动值判断用户的健康数据波动情况和根据用户的健康数据波动情况，提供相应的建议和预警；本发明通过采集并综合分析多种健康数据，能够得到用户整体健康状况的准确评估；本发明能够精确地评估用户健康波动程度，提高监测的准确性和灵敏度；本发明能够及时发出警报，使养老机构能够快速采取相应的措施，提高用户的健康状况和生活质量。
Description
技术领域
本发明涉及健康数据分析处理技术领域，具体为一种基于正态分布方差的健康数据波动监测方法。
背景技术
随着年龄的增长，老年人更容易患上各种慢性疾病，如高血压、心脏病、糖尿病等。通过定期对老人的健康体征数据监测，可以提前发现老人可能出现的健康问题，及时采取措施预防意外时间的发生，确保老人的健康安全；然而，传统的健康数据监测方案往往只关注单一指标监测值，无法全面评估用户的健康状况。
发明内容
本发明的目的在于提供一种基于正态分布方差的健康数据波动监测方法，通过对用户健康数据进行收集、分析和计算，利用正态分布评估用户的健康波动情况，并及时发出预警以便养老机构采取相应的措施，从而提高用户的健康监护能力。
为实现上述的技术效果，本发明一种基于正态分布方差的健康数据波动监测方法包括有如下步骤：
S1. 用户健康数据收集：
收集用户的健康数据，包括但不限于血压、血糖、心率、血氧饱和度、血脂或尿酸；
S2.数据处理：
将步骤S1收集到的用户健康数据消除异常值；
S3.计算该用户健康数据波动值：
根据完成步骤S2的用户健康数据计算该用户健康数据波动值，计算公式为：
；
公式中：CustomerHealthFluctuate 为用户健康波动值；HealthDataNumber为用户健康数据样本容量，该值为采集到用户健康数据的数量；CustomerHealthData为用户健康数据，该值为步骤S1收集到的用户健康数据；为该用户健康数据平均值，取样本容量内所有数据；num为用户健康数据样本数量；
S4.根据步骤S4计算得到的CustomerHealthFluctuate值，判断用户的健康数据波动情况：
CustomerHealthFluctuate值越大，表示健康数据波动越大；
CustomerHealthFluctuate值越小，表示健康数据波动越小；
S5.根据步骤S4判断的用户的健康数据波动情况，提供相应的建议和预警；包括但不限于进行更加详细的健康检查、寻找潜在的影响因素、咨询医生或给出合理建议。
进一步的，所述的步骤S2中，具体的消除异常值的方法为：
血压：去除超过240mmhg和低于40mmhg的数据；
血糖：去除超出8.1mmol/L和低于1.9mmol/L的数据；
心率：去除超过160次/分钟和低于40次/分钟的数据；
血氧饱和度：去除低于86%的数据；
血脂：去除超过8.18mmol/L的数据；
尿酸：去除低于59μmol/L和高于486μmol/L的数据。
进一步的，所述的步骤S3中，的计算公式为：
。
本发明的有益效果是：
1.通过采集并综合分析多种健康数据，能够得到用户整体健康状况的准确评估；
2.能够精确地评估用户健康波动程度，提高监测的准确性和灵敏度；
3.能够及时发出警报，使养老机构能够快速采取相应的措施，提高用户的健康状况和生活质量。
附图说明
图1为本发明方法流程图。
具体实施方式
如图1所示，本发明一种基于正态分布方差的健康数据波动监测方法包括有如下步骤：
S1. 用户健康数据收集：
收集用户的健康数据，包括但不限于血压、血糖、心率、血氧饱和度、血脂或尿酸；
S2.数据处理：
将步骤S1收集到的用户健康数据消除异常值；
血压：去除超过240mmhg和低于40mmhg的数据；
血糖：去除超出8.1mmol/L和低于1.9mmol/L的数据；
心率：去除超过160次/分钟和低于40次/分钟的数据；
血氧饱和度：去除低于86%的数据；
血脂：去除超过8.18mmol/L的数据；
尿酸：去除低于59μmol/L和高于486μmol/L的数据；
S3.计算该用户健康数据波动值：
根据完成步骤S2的用户健康数据计算该用户健康数据波动值，计算公式为：
；
公式中：CustomerHealthFluctuate 为用户健康波动值；HealthDataNumber为用户健康数据样本容量，该值为采集到用户健康数据的数量；CustomerHealthData为用户健康数据，该值为步骤S1收集到的用户健康数据；为该用户健康数据平均值，取样本容量内所有数据；num为用户健康数据样本数量；
的计算公式为：
；
S4.根据步骤S4计算得到的CustomerHealthFluctuate值，判断用户的健康数据波动情况：
CustomerHealthFluctuate值越大，表示健康数据波动越大；
CustomerHealthFluctuate值越小，表示健康数据波动越小；
S5.根据步骤S4判断的用户的健康数据波动情况，提供相应的建议和预警；包括但不限于进行更加详细的健康检查、寻找潜在的影响因素、咨询医生或给出合理建议。
实施例一：
S1. 用户健康数据收集：
实施例一中以心率数据为例；通过智能终端，如智能手环、智能手表等采集老人的心率数据；实施例一中采集了某老人连续三天的心率数据，心率正常范围：60～100次/分钟，下图为实施例一的心率测量数据表。
。
S2.数据处理：
将收集到的用户健康数据进行处理，消除异常值的影响。心率变化与心脏疾病密切相关。如果心率超过160次/分钟，或低于40次/分钟，大多见于心脏病患者。本案例中涉及的用户无心脏疾病。我们就需要去除心率超过160和低于40的数据。本案例中采集的老人的心率数据中并无异常值。
S3.计算该用户健康数据波动值：
样本数量：52
样本平均值：77.92308
；
通过计算得出CustomerHealthFluctuate值为181.60181；
S4.根据步骤S4计算得到的CustomerHealthFluctuate值，判断用户的健康数据波动情况：
心率数据的CustomerHealthFluctuate较大，说明心率数据点相对于心率的平均数有较大的偏离，即心率值的变异程度较高。这可能说明以下几个问题：
1）心率的波动较大：CustomerHealthFluctuate的增大可以反映心率在不同时间点或不同条件下的波动范围较广。这可能意味着用户的心率会在不同情况下出现明显的变化，如在静息状态和运动状态下心率有较大差异，或者在不同情绪状态下心率有明显波动。
2）心率数据的离散程度较高：CustomerHealthFluctuate的增大也可以表示心率数据点之间的差异较大，即心率数据的分布比较分散。这可能意味着在样本中存在心率异常值，或者个体之间的心率差异较大，例如由于生理因素、健康状况或者个体间的生活习惯等因素导致心率差异较大。
3）心率的稳定性较低：CustomerHealthFluctuate较大还可能表示心率的稳定性较低，即个体的心率在不同时间段或测量间隔内可能会出现明显的变化。这可能意味着个体的心率受到外部因素的影响较大，如环境温度、运动强度、情绪状态等因素都可能导致心率发生波动。
CustomerHealthFluctuate较大的心率数据表明心率的变异性和离散程度较高，需要进一步分析以了解这些波动的原因。可能需要考虑个体间的差异、测量条件的一致性、样本大小等因素，并结合其他相关信息进行更深入的研究和分析。
S5.根据步骤S4判断的用户的健康数据波动情况，提供相应的建议和预警：
心率数据的总体偏差较大，建议用户：
1）查明数据收集的可靠性：首先，检查心率数据的收集过程是否准确可靠。确保使用的心率监测设备符合标准，并按照正确的方法进行测量。有时，不正确的使用或损坏的设备可能导致心率数据的不准确性。
2）观察心率的波动规律：分析心率数据的波动规律，观察是否存在特定的模式或周期性变化。了解个体的心率在不同时间点、活动状态、情绪状态等方面的变化情况，以便更好地了解个体的心脏健康状况。
3）寻找潜在的影响因素：考虑可能影响心率波动的因素，例如情绪、环境温度、运动强度、睡眠质量等。保持良好的生活习惯，避免过度劳累、压力过大，积极管理情绪，也有助于维持稳定的心率水平。
4）与医生咨询：如果用户对心率数据的波动感到担忧或发现异常，建议咨询专业医生。医生可以根据个人情况进行评估和建议，并进行必要的检查和诊断，以确定是否存在潜在的健康问题。
5）注意心脏健康：维护良好的心脏健康对于稳定心率至关重要。建议用户保持适当的体重，均衡饮食，定期进行体育锻炼，戒烟限酒，避免过度劳累，以减少心脏疾病的风险。
总之，如果心率数据的总体偏差较大，建议用户注意心率数据的收集可靠性，观察心率波动规律，寻找潜在的影响因素，并在有需要的情况下咨询医生以确保心脏健康。
总体来说，本发明提供了一种基于正态分布方差的健康数据波动监测方法。通过收集用户的健康数据，计算健康波动的正态分布方差，并根据结果提供相应的建议和预警，使用户更加全面地了解自己的健康状况。该方案具有准确性高、操作简便等优点。
传统的健康数据监测方案往往只关注单一指标监测值，无法全面评估用户的健康状况与健康状况波动。现有技术都是直接将用户健康数据展示给用户，而老年人用户更是无法理解健康数据表示的含义以及无法理解自己身体状况在这段时间发生的变化。
本发明通过对用户健康数据进行收集、分析和计算，利用公式准确地评估用户的健康波动情况，并及时发出预警以便养老机构采取相应的措施，从而提高用户的健康监护能力。
传统的健康告警仅仅只是针对于某一项指标过高或者过低，而不会进一步探究健康波动情况，而本发明则以健康波动为中心，健康波动值更能体现用户在最近一段时间内的身体健康变化情况，这对于提前预防某些疾病有重要的参考价值。
Claims (3)
1.一种基于正态分布方差的健康数据波动监测方法，其特征在于：包括有如下步骤：
S1. 用户健康数据收集：
收集用户的健康数据，包括但不限于血压、血糖、心率、血氧饱和度、血脂或尿酸；
S2.数据处理：
将步骤S1收集到的用户健康数据消除异常值；
S3.计算该用户健康数据波动值：
根据完成步骤S2的用户健康数据计算该用户健康数据波动值，计算公式为：
；
公式中：CustomerHealthFluctuate 为用户健康波动值；HealthDataNumber为用户健康数据样本容量，该值为采集到用户健康数据的数量；CustomerHealthData为用户健康数据，该值为步骤S1收集到的用户健康数据；为该用户健康数据平均值，取样本容量内所有数据；num为用户健康数据样本数量；
S4.根据步骤S4计算得到的CustomerHealthFluctuate值，判断用户的健康数据波动情况：
CustomerHealthFluctuate值越大，表示健康数据波动越大；
CustomerHealthFluctuate值越小，表示健康数据波动越小；
S5.根据步骤S4判断的用户的健康数据波动情况，提供相应的建议和预警；包括但不限于进行更加详细的健康检查、寻找潜在的影响因素、咨询医生或给出合理建议。
2.根据权利要求1 所述的一种基于正态分布方差的健康数据波动监测方法，其特征在于：所述的步骤S2中，具体的消除异常值的方法为：
血压：去除超过240mmhg和低于40mmhg的数据；
血糖：去除超出8.1mmol/L和低于1.9mmol/L的数据；
心率：去除超过160次/分钟和低于40次/分钟的数据；
血氧饱和度：去除低于86%的数据；
血脂：去除超过8.18mmol/L的数据；
尿酸：去除低于59μmol/L和高于486μmol/L的数据。
3.根据权利要求2所述的一种基于正态分布方差的健康数据波动监测方法，其特征在于：所述的步骤S3中，的计算公式为：
。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311293376.1A CN117398066A (zh) | 2023-10-08 | 2023-10-08 | 一种基于正态分布方差的健康数据波动监测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311293376.1A CN117398066A (zh) | 2023-10-08 | 2023-10-08 | 一种基于正态分布方差的健康数据波动监测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117398066A true CN117398066A (zh) | 2024-01-16 |
Family
ID=89497169
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311293376.1A Pending CN117398066A (zh) | 2023-10-08 | 2023-10-08 | 一种基于正态分布方差的健康数据波动监测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117398066A (zh) |
-
2023
- 2023-10-08 CN CN202311293376.1A patent/CN117398066A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6351622B2 (ja) | 治療指針のための血糖値メジアン、変動、及び低血糖リスクの分析 | |
| JP4891511B2 (ja) | 自己モニタリングデータから糖尿病の血糖管理を評価する方法、システム及びコンピユータプログラム製品 | |
| RU2685681C2 (ru) | Система и способ для оптимизирования частоты сбора данных и пороговых значений для алгоритма обнаружения ухудшения состояния | |
| RU2749187C2 (ru) | Компьютерно-реализуемый способ и портативный прибор для анализа данных контроля глюкозы, показывающих уровень глюкозы в физиологической жидкости | |
| US20140236025A1 (en) | Personal Health Monitoring System | |
| JP5823222B2 (ja) | 生体情報システム | |
| EP2006786A1 (en) | Method and glucose monitoring system for monitoring individual metabolic response and for generating nutritional feedback | |
| JP7477875B2 (ja) | ヘルスケア管理方法 | |
| JP2010510866A (ja) | グルコース制御を管理する方法及び装置 | |
| WO2007142968A2 (en) | Methods, systems, and computer program products for evaluating a patient in a pediatric intensive care unit | |
| JP6117552B2 (ja) | 生活習慣病判定支援装置および生活習慣病判定支援システム | |
| CN115299887B (zh) | 一种动态代谢功能的检测量化方法和系统 | |
| US20150073754A1 (en) | Method and system for calculating indices for diabetes control | |
| CN115175616A (zh) | 计算体内插入用传感器的校准灵敏度的方法 | |
| WO2018095864A1 (en) | A system and a method for automatically analyzing continuous glucose monitoring data indicative of glucose level in a bodily fluid | |
| CN117398066A (zh) | 一种基于正态分布方差的健康数据波动监测方法 | |
| CN108335750B (zh) | 动态分析血糖值的方法、系统与计算机存储介质 | |
| CN114999647A (zh) | 一种基于大数据的智慧健康监测方法及系统 | |
| CN115426936A (zh) | 软件、健康状态判定装置及健康状态判定方法 | |
| JP6251094B2 (ja) | 生体情報分析方法及び生体情報分析装置 | |
| CN114093518B (zh) | 一种基于肥胖度的糖尿病风险评估系统及评估方法 | |
| US7510528B2 (en) | Device and method for noninvasive measuring glucose level in the blood | |
| Kaufman et al. | Evaluation of a continuous glucose monitor-derived homeostasis metric for type 2 diabetes screening | |
| CN116364279A (zh) | 分析系统、分析装置、分析方法、程序以及记录介质 | |
| JP6117499B2 (ja) | 唾液検査を用いた生活習慣病判定支援方法 |
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 |