CN117894463A - 生活方式管理效果评估方法及相关设备 - Google Patents
生活方式管理效果评估方法及相关设备 Download PDFInfo
- Publication number
- CN117894463A CN117894463A CN202410059170.0A CN202410059170A CN117894463A CN 117894463 A CN117894463 A CN 117894463A CN 202410059170 A CN202410059170 A CN 202410059170A CN 117894463 A CN117894463 A CN 117894463A
- Authority
- CN
- China
- Prior art keywords
- life
- data
- result
- evaluation result
- 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.)
- Pending
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 226
- 230000000694 effects Effects 0.000 title claims abstract description 126
- 230000035790 physiological processes and functions Effects 0.000 claims abstract description 109
- 230000007958 sleep Effects 0.000 claims abstract description 52
- 238000000034 method Methods 0.000 claims abstract description 33
- 230000006399 behavior Effects 0.000 claims abstract description 28
- 235000005911 diet Nutrition 0.000 claims abstract description 24
- 230000037213 diet Effects 0.000 claims abstract description 18
- 239000013598 vector Substances 0.000 claims description 61
- 238000004458 analytical method Methods 0.000 claims description 37
- 238000004590 computer program Methods 0.000 claims description 13
- 230000008859 change Effects 0.000 claims description 10
- 230000008569 process Effects 0.000 abstract description 17
- 230000000875 corresponding effect Effects 0.000 description 135
- 239000008280 blood Substances 0.000 description 93
- 210000004369 blood Anatomy 0.000 description 93
- 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 description 51
- 239000008103 glucose Substances 0.000 description 51
- 230000036772 blood pressure Effects 0.000 description 22
- 108010028554 LDL Cholesterol Proteins 0.000 description 21
- 150000002632 lipids Chemical class 0.000 description 20
- 230000033001 locomotion Effects 0.000 description 18
- 235000000346 sugar Nutrition 0.000 description 15
- 238000012549 training Methods 0.000 description 15
- 230000006870 function Effects 0.000 description 13
- 230000002354 daily effect Effects 0.000 description 12
- 238000010586 diagram Methods 0.000 description 12
- 230000004622 sleep time Effects 0.000 description 11
- 235000013305 food Nutrition 0.000 description 8
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 7
- 238000004891 communication Methods 0.000 description 7
- 229910052760 oxygen Inorganic materials 0.000 description 7
- 239000001301 oxygen Substances 0.000 description 7
- 230000000291 postprandial effect Effects 0.000 description 7
- 102000017011 Glycated Hemoglobin A Human genes 0.000 description 6
- 108010014663 Glycated Hemoglobin A Proteins 0.000 description 6
- 206010012601 diabetes mellitus Diseases 0.000 description 6
- 230000000378 dietary effect Effects 0.000 description 6
- 230000036541 health Effects 0.000 description 6
- 230000036387 respiratory rate Effects 0.000 description 6
- 230000003860 sleep quality Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 5
- 230000005586 smoking cessation Effects 0.000 description 5
- 206010041235 Snoring Diseases 0.000 description 4
- 230000000386 athletic effect Effects 0.000 description 4
- 229940079593 drug Drugs 0.000 description 4
- 239000003814 drug Substances 0.000 description 4
- 238000003062 neural network model Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000000547 structure data Methods 0.000 description 4
- 206010062519 Poor quality sleep Diseases 0.000 description 3
- 230000003542 behavioural effect Effects 0.000 description 3
- 235000019504 cigarettes Nutrition 0.000 description 3
- 235000015097 nutrients Nutrition 0.000 description 3
- 230000004461 rapid eye movement Effects 0.000 description 3
- 230000000391 smoking effect Effects 0.000 description 3
- 206010003210 Arteriosclerosis Diseases 0.000 description 2
- 206010020772 Hypertension Diseases 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000001647 drug administration Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 229910052500 inorganic mineral Inorganic materials 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 235000013372 meat Nutrition 0.000 description 2
- 239000011707 mineral Substances 0.000 description 2
- 230000004962 physiological condition Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 235000019608 salt taste sensations Nutrition 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 201000001320 Atherosclerosis Diseases 0.000 description 1
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 208000011775 arteriosclerosis disease Diseases 0.000 description 1
- 208000015337 arteriosclerotic cardiovascular disease Diseases 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000037147 athletic performance Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000035487 diastolic blood pressure Effects 0.000 description 1
- 230000003205 diastolic effect Effects 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 239000004519 grease Substances 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 150000003839 salts Chemical class 0.000 description 1
- 208000019116 sleep disease Diseases 0.000 description 1
- 208000020685 sleep-wake disease Diseases 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000035488 systolic blood pressure Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000001225 therapeutic effect Effects 0.000 description 1
- 235000013311 vegetables Nutrition 0.000 description 1
Landscapes
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本申请的实施例提供了一种生活方式管理效果评估方法及相关设备。该生活方式管理效果评估方法包括:获取用户的生活状态数据和生理状态数据;根据所述生活状态数据,得到生活状态评估结果,所述生活状态数据包括饮食数据、活动数据、睡眠数据以及行为数据;根据所述生理状态数据,得到生理状态评估结果;根据所述生活状态评估结果和所述生理状态评估结果,得到生活方式管理效果的评估结果。本申请实施例的技术方案不仅考虑了偏向结果的生理数据,还兼顾了日常生活中的生活数据,实现了全流程覆盖的生活方式管理效果评估,提高了生活方式管理效果评估的全面性和准确性。
Description
技术领域
本申请涉及计算机技术领域,具体而言,涉及一种生活方式管理效果评估方法及相关设备。
背景技术
随着社会经济的发展,人们的生活水平日益提高,随之对生活质量的要求也越来越高。现在社会中,由于物质条件极大的丰富,人们的一些不好的生活方式也随之出现,阻碍着人们生活品质的提高。虽然现在已经有相关专家学者以及机构提出了影响生活品质的因素和标准,但其针对的是一部分人群的建议,对个人的指导意义有限,个人无法根据现有的指南和结论对自己的生活方式进行管理评估,无法知道自己对生活方式管理的效果如何。
发明内容
本申请的实施例提供了一种生活方式管理效果评估方法及相关设备,旨在解决个人无法知道自己对生活方式管理的效果如何的问题。
本申请的其他特性和优点将通过下面的详细描述变得显然,或部分地通过本申请的实践而习得。
根据本申请实施例的一个方面,提供了一种生活方式管理效果评估方法,包括:获取用户的生活状态数据和生理状态数据;根据所述生活状态数据,得到生活状态评估结果,所述生活状态数据包括饮食数据、活动数据、睡眠数据以及行为数据;根据所述生理状态数据,得到生理状态评估结果;根据所述生活状态评估结果和所述生理状态评估结果,得到生活方式管理效果的评估结果。
在本申请的一些实施例中,所述根据所述生活状态数据,得到生活状态评估结果,具体包括:根据所述用户的各项生活状态数据,确定所述用户的各项生活指标结果;根据所述用户的各项生活指标结果,确定生活状态评估结果。
在本申请的一些实施例中,所述生活状态数据包括历史生活状态数据和当前生活状态数据,所述根据所述用户的各项生活状态数据,确定所述用户的各项生活指标结果,具体包括:将所述历史生活状态数据和当前生活状态数据按照时间顺序排列,得到生活状态时间序列;根据所述生活状态时间序列,得到生活指标变化结果;根据所述当前生活状态数据,得到生活指标当前结果;根据所述生活指标时间结果和所述生活指标当前结果,确定所述用户的生活指标结果。
在本申请的一些实施例中,所述根据所述生理状态数据,得到生理状态评估结果,具体包括:根据所述用户的各项生理状态数据,确定所述用户的各项生理指标结果;根据所述用户的生理生活指标结果,确定生理状态评估结果。
在本申请的一些实施例中,根据所述生活状态评估结果和所述生理状态评估结果,得到生活方式管理效果的评估结果,具体包括:根据所述生理状态评估结果,确定第一权重和第二权重,所述第一权重为所述生活状态评估结果的权重,所述第二权重为所述生理状态评估结果的权重;根据所述生活状态评估结果和所述生理状态评估结果,以及对应的所述第一权重和所述第二权重,得到生活方式管理效果的评估结果。
在本申请的一些实施例中,在所述根据所述生活状态评估结果和所述生理状态评估结果,得到生活方式管理效果的评估结果之后,所述方法还包括:根据所述生活方式管理效果的评估结果,得到生活方式建议。
在本申请的一些实施例中,所述根据所述生活方式管理效果的评估结果,得到生活方式建议,具体包括:根据所述生活方式管理效果的评估结果得到第一向量;根据所述生活状态评估结果得到第二向量;根据所述生理状态评估结果得到第三向量;将所述第一向量、所述第二向量、所述第三向量构造成向量集合;将所述向量集合输入生活方式分析模型,得到所述生活方式建议。
根据本申请实施例的一个方面,提供了一种生活方式管理效果评估装置,所述生活方式管理效果评估装置包括:用户数据获取模块,用于获取用户的生活状态数据和生理状态数据;生活状态评估模块,用于根据所述生活状态数据,得到生活状态评估结果,所述生活状态数据包括饮食数据、活动数据、睡眠数据以及行为数据;生理状态评估模块,用于根据所述生理状态数据,得到生理状态评估结果;生活方式评估模块,用于根据所述生活状态评估结果和所述生理状态评估结果,得到生活方式管理效果的评估结果。
在本申请的一些实施例中,所述生活状态评估模块具体包括:生活指标子模块,用于根据所述用户的各项生活状态数据,确定所述用户的各项生活指标结果;生活状态子模块,用于根据所述用户的各项生活指标结果,确定生活状态评估结果。
在本申请的一些实施例中,所述生活状态数据包括历史生活状态数据和当前生活状态数据,所述生活指标子模块具体包括:时间序列单元,用于将所述历史生活状态数据和当前生活状态数据按照时间顺序排列,得到生活状态时间序列;变化指标单元,用于根据所述生活状态时间序列,得到生活指标变化结果;当前指标单元,用于根据所述当前生活状态数据,得到生活指标当前结果;生活指标单元,用于根据所述生活指标时间结果和所述生活指标当前结果,确定所述用户的生活指标结果。
在本申请的一些实施例中,所述生理状态评估模块具体包括:生理指标子模块,用于根据所述用户的各项生理状态数据,确定所述用户的各项生理指标结果;生理状态子模块,用于根据所述用户的生理生活指标结果,确定生理状态评估结果。
在本申请的一些实施例中,所述生活方式评估模块具体包括:权重确定子模块,用于根据所述生理状态评估结果,确定第一权重和第二权重,所述第一权重为所述生活状态评估结果的权重,所述第二权重为所述生理状态评估结果的权重;评估结果子模块,用于根据所述生活状态评估结果和所述生理状态评估结果,以及对应的所述第一权重和所述第二权重,得到生活方式管理效果的评估结果。
在本申请的一些实施例中,所述生活方式管理效果评估装置还包括:生活方式建议模块,用于根据所述生活方式管理效果的评估结果,得到生活方式建议。
在本申请的一些实施例中,所述生活方式建议模块具体包括:第一向量子模块,用于根据所述生活方式管理效果的评估结果得到第一向量;第二向量子模块,用于根据所述生活状态评估结果得到第二向量;第三向量子模块,用于根据所述生理状态评估结果得到第三向量;向量集合子模块,用于将所述第一向量、所述第二向量、所述第三向量构造成向量集合;建议生成子模块,用于将所述向量集合输入生活方式分析模型,得到所述生活方式建议。
根据本申请实施例的一个方面,提供了一种计算机可读介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如上述实施例中所述的生活方式管理效果评估方法。
根据本申请实施例的一个方面,提供了一种电子设备,包括:一个或多个处理器;存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现如上述实施例中所述的生活方式管理效果评估方法。
在本申请的一些实施例所提供的技术方案中,通过分析用户的生活状态数据和生理状态数据两个大方面的多个指标数据,例如生活状态数据包括饮食数据、活动数据、睡眠数据以及行为数据,分别得到对应的生活状态评估结果和生理状态评估结果,实现了多方面多指标多元化的分析评估,再根据生活状态评估结果和生理状态评估结果综合得到生活方式管理效果的评估结果。该生活方式管理效果的评估结果不仅考虑了偏向结果的生理数据,还兼顾了日常生活中的生活数据,实现了全流程覆盖的生活方式管理效果评估,提高了生活方式管理效果评估的全面性和准确性,也实现了对服务对象的全流程跟踪,解决了个人无法知道自己对生活方式管理的效果如何的问题生活方式管理效果的评估结果。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本申请。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理。显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。在附图中:
图1示出了可以应用本申请实施例的技术方案的示例性系统架构的示意图。
图2示出了本申请实施例提供的一种生活方式管理效果评估方法的流程示意图。
图3示出了根据图2对应实施例示出的生活方式管理效果评估方法中步骤S200的一种具体实现流程图。
图4示出了根据图2对应实施例示出的生活方式管理效果评估方法中步骤S300的一种具体实现流程图。
图5示出了本申请实施例提供的一种生活方式管理效果评估装置的结构示意图。
图6示出了本申请实施例提供的电子设备的结构示意图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而,示例实施方式能够以多种形式实施,且不应被理解为限于在此阐述的范例;相反,提供这些实施方式使得本申请将更加全面和完整,并将示例实施方式的构思全面地传达给本领域的技术人员。
此外,所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中,提供许多具体细节从而给出对本申请的实施例的充分理解。然而,本领域技术人员将意识到,可以实践本申请的技术方案而没有特定细节中的一个或更多,或者可以采用其它的方法、组元、装置、步骤等。在其它情况下,不详细示出或描述公知方法、装置、实现或者操作以避免模糊本申请的各方面。
附图中所示的方框图仅仅是功能实体,不一定必须与物理上独立的实体相对应。即,可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
附图中所示的流程图仅是示例性说明,不是必须包括所有的内容和操作/步骤,也不是必须按所描述的顺序执行。例如,有的操作/步骤还可以分解,而有的操作/步骤可以合并或部分合并,因此实际执行的顺序有可能根据实际情况改变。
图1示出了可以应用本申请实施例的技术方案的示例性系统架构的示意图。
如图1所示,系统架构可以包括终端设备(如图1中所示智能手机101、平板电脑102和便携式计算机103中的一种或多种,当然也可以是台式计算机等等)、网络104和服务器105。网络104用以在终端设备和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线通信链路、无线通信链路等等。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。比如服务器105可以是多个服务器组成的服务器集群等。
用户可以使用终端设备通过网络104与服务器105交互,以接收或发送消息等。服务器105可以是提供各种服务的服务器。例如用户利用终端设备103(也可以是终端设备101或102)向服务器105上传户的生活状态数据和生理状态数据,服务器105可以对根据所述生活状态数据,得到生活状态评估结果,所述生活状态数据包括饮食数据、活动数据、睡眠数据以及行为数据;根据所述生理状态数据,得到生理状态评估结果;根据所述生活状态评估结果和所述生理状态评估结果,得到生活方式管理效果的评估结果;根据所述生活方式管理效果的评估结果,得到生活方式建议。
需要说明的是,本申请实施例所提供的生活方式管理效果评估方法一般由服务器105执行,相应地,生活方式管理效果评估装置一般设置于服务器105中。但是,在本申请的其它实施例中,终端设备也可以与服务器具有相似的功能,从而执行本申请实施例所提供的生活方式管理效果评估的方案。
以下对本申请实施例的技术方案的实现细节进行详细阐述:
图2示出了根据本申请的一个实施例的生活方式管理效果评估方法的流程图,该生活方式管理效果评估方法可以由服务器来执行,该服务器可以是图1中所示的服务器。参照图2所示,该生活方式管理效果评估方法至少包括:
步骤S100,获取用户的生活状态数据和生理状态数据。
步骤S200,根据所述生活状态数据,得到生活状态评估结果,所述生活状态数据包括饮食数据、活动数据、睡眠数据以及行为数据。
步骤S300,根据所述生理状态数据,得到生理状态评估结果。
步骤S400,根据所述生活状态评估结果和所述生理状态评估结果,得到生活方式管理效果的评估结果。
步骤S500,根据所述生活方式管理效果的评估结果,得到生活方式建议。
在本申请的实施例中,通过分析用户的生活状态数据和生理状态数据两个大方面的多个指标数据,例如生活状态数据包括饮食数据、活动数据、睡眠数据以及行为数据,分别得到对应的生活状态评估结果和生理状态评估结果,实现了多方面多指标多元化的分析评估,再根据生活状态评估结果和生理状态评估结果综合得到生活方式管理效果的评估结果。该生活方式管理效果的评估结果不仅考虑了偏向结果的生理数据,还兼顾了日常生活中的生活数据,实现了全流程覆盖的生活方式管理效果评估,提高了生活方式管理效果评估的全面性和准确性,也实现了对服务对象的全流程跟踪,进而能根据该生活方式管理效果的评估结果,得到更准确、更具体也更有针对性的生活方式建议,提升了用户体验。
需要说明的是,本申请中所指的生活方式管理效果的评估结果是对用户自我生活方式管理效果的评价,而不是对生活方式好坏的评价,通过生活状态和生理状态多方面多指标多元化的分析评估,得到其自我生活方式管理效果的评估结果。
在步骤S100中,所述用户的生活状态数据为用户在日常生活中产生的数据,主要包括饮食数据、活动数据、睡眠数据以及行为数据。生活状态数据以用户上传的生活行为结果数据为依据,进行分析得到。例如,对于饮食数据,用户需要在进行饮食后,将饮食的结果(例如,吃掉的食物的种类和量,或者糖、油脂、矿物质等营养物质的含量)通过客户端上传至服务器,从而消除了手动输入可能带来的不真实不可靠的问题,不仅提高了数据的质量,还增强了评估结果的可靠性。
具体地,饮食数据是用户日常摄入食物和饮品相关数据,可以包括多项,例如可以包括日主食量、摄盐口味、摄糖口味、摄油口味以及饮食结构等,其均可以通过用户上传的食物的种类和量或者糖、油脂、矿物质等营养物质的含量得到。
活动数据是用户日常参与运动活动的相关数据,可以包括用户每周中等及以上强度运动时间以及用户每天的步数、站立时间以及运动时的身体状态数据等日常获得相关数据,其可以通过用户上传的运动记录得到。用户的运动记录可以是通过移动终端、可穿戴设备或者虚拟现实设备等用户随身携带的电子设备采集记录的,也可以是用户自行填写得到的。
睡眠数据是用户每天睡觉过程中产生的数据,可以包括睡眠时间数据、睡眠结构数据以及睡眠时的身体状态数据,其可以由通过移动终端、可穿戴设备或者睡眠监护仪等睡眠监测设备在用户睡眠过程中采集记录的睡眠记录中得到。
行为数据是用户日常进行特殊行为的相关数据,可以包括烟龄、戒烟时间、酒龄、戒酒时间等数据,其可以通过用户上传的记录数据得到。
所述用户的生理状态数据为日常生活中的生理指标数据,包括血糖、血脂、血压以及身体质量指数(Body Mass Index,BMI)等。第二用户的生理状态数据可以是用户自行上传的,也可以是用户通过专业机构和设备采集并上传的。
需要说明的是,由于生活是持续的,对于生活方式的改良是长期的,因此生活状态数据和生理状态数据可以是获取预定采集时间段内的所有数据,以评估生活方式随时间对用户的影响,进而更全面准确地得到生活方式管理效果的评估结果,给出生活方式建议。预定采集时间段可以是半年内、1年内、两年内等,本申请在此不做限定。
在步骤S200中,服务器会根据生活状态数据,进行评估并确定用户的生活状态评估结果。
具体的,在一些实施例中,步骤S200的具体实施方式可以参阅图3。图3是根据图2对应实施例示出的生活方式管理效果评估方法中步骤S200的细节描述,所述生活方式管理效果评估方法中,步骤S200可以包括以下步骤:
步骤S210,根据所述用户的各项生活状态数据,确定所述用户的各项生活指标结果。
步骤S220,根据所述用户的各项生活指标结果,确定生活状态评估结果。
在本申请的实施例中,对于用户的生活状态数据,可以得出对应的各项生活指标结果,然后基于各项生活指标结果综合得到对应的生活状态评估结果。
在步骤S210中,用户的各项生活指标结果与用户的各项生活状态数据是对应的,包括饮食指标结果、活动指标结果、睡眠指标结果、行为指标结果。
其中,饮食指标结果可以通过其包含的各个饮食子项综合得到,在一个实施例中,饮食子项包含饮食结构子项以及日主食量、摄盐口味、摄糖口味、摄油口味等摄入量子项。对于摄入量子项,其主要判断该子项摄入量所处的范围区间,然后得到对应的子项结果。
对于饮食结构子项,其主要判断各种食物的结构比例以及营养物质的结构比例然后得到对应的子项结果。子项结果可以是分数形式的,也可以是等级形式的。
例如,采用分数形式时,对于饮食结构子项,结构为荤素均衡的对应子项结果为100;结构为荤食为主的对应子项结果为40;结构为素食为主的对应子项结果为60。
又如,采用等级形式时,对于摄盐口味、摄糖口味、摄油口味等摄入量子项的判断,其摄入量小于第一预定摄入阈值时,子项结果可以为第一等级;在第一预定摄入阈值和第二预定摄入阈值之间时,子项结果可以为第二等级;大于第二预定摄入阈值时,子项结果可以为第三等级。
在一些实施例中,对于摄入量子项的判断,其判断规则中的阈值区间可以是动态的。例如,对于日主食量小于200克的,子项结果为80分;在200克至300克,子项结果为100分;大于300克的,子项结果为40分。
在另一些实施例中,对于摄入量子项的判断,其判断规则中的阈值区间也可以是动态的,各子项对应的第一预定摄入阈值和第二预定摄入阈值可以根据活动数据、行为数据等生活状态数据以及BMI、血糖等生理状态数据确定,以适应不同状态用户的实际情况,使得得到的子项结果更具针对性和准确性。
在得到各子项的结果后,进行加权处理,即得到最终的饮食指标结果,其他生活指标结果同理。
对于活动指标结果,其可以根据用户每周中等及以上强度运动时间以及用户每天的步数、站立时间以及运动时的身体状态数据等其中的至少一项指标确定,或者由上述指标中的多项综合确定。
例如,采用每周中等及以上强度运动时间时,若运动时间≥150分钟,则其对应的活动指标结果可以为100;若120分钟≤运动时间<150分钟,则其对应的活动指标结果可以为90;若90分钟≤运动时间<120分钟,则其对应的活动指标结果可以为80;若60分钟≤运动时间<90分钟,则其对应的活动指标结果可以为60;若30分钟≤运动时间<60分钟,则其对应的活动指标结果可以为40;1分钟≤运动时间<30分钟,则其对应的活动指标结果可以为20;若运动时间为0分钟,则其对应的活动指标结果可以为0。
为了更好地对活动指标结果进行全面分析,得到更准确的全面的运动质量数据,可以将心率、血氧、呼吸频率、步频以及身体姿态等身体状态数据与步数、运动时间以及站立时间等运动状态数据结合,综合分析得到对应的活动指标结果。例如,可以根据步数、运动时间以及站立时间等运动状态数据得到活动指标的各项基数,同时根据该运动状态下的心率、血氧、呼吸频率、步频以及身体姿态等身体状态数据得到各项基数对应的系数,通过各项基数和对应系数的结合,最终得到活动指标结果。
在本实施例中,通过综合分析不仅运动状态数据,还包括身体状态数据,可以得到更全面、准确的活动指标结果。这能够提供更详细的运动质量评估,帮助用户了解自己的身体状况和运动效果。同时,结合身体状态数据,可以更好地评估用户在运动过程中的身体状况,例如心率、血氧水平等。基于这些数据,系统可以提供个性化的运动建议,如调整运动强度、改变运动方式等,以提高运动效果并保护健康。在另一方面,本实施例通过结合不同数据,可以对活动指标进行更深入的分析。例如,可以根据运动状态数据得到活动指标的基数,再根据身体状态数据得到对应的系数,最后将它们结合起来。这种多维度分析可以帮助用户了解运动状态与身体状态之间的关系,找到潜在的问题或优化空间。
需要说明的时,当得到的基数有多个时,可以进行加权求和,以更准确地计算活动指标结果。通过合理设置不同指标的权重,可以根据用户需求和健康目标对不同的参数进行灵活调整,从而得到更符合实际情况的活动指标结果。
综上所述,在上述的实施例中,将身体状态数据与运动状态数据结合分析,可以提供更准确、全面的活动指标结果,并帮助用户了解自己的身体状况、优化运动方式,以及更好地达到健康目标。
对于睡眠指标结果,其可以根据用户的睡眠时间数据、睡眠结构数据以及睡眠时的身体状态数据等其中的至少一项指标确定,或者由上述指标中的多项综合确定。
例如,采用睡眠时间数据时,若7≤睡眠时间<9小时,则其对应的睡眠指标结果可以为100;若9≤睡眠时间<10小时,则其对应的活睡眠指标结果可以为90;若6≤睡眠时间<7小时,则其对应的睡眠指标结果可以为70;若5≤睡眠时间<6或睡眠时间≥10小时,则其对应的睡眠指标结果可以为40;若4≤睡眠时间<5小时,则其对应的睡眠指标结果可以为20;若睡眠时间<4小时,则其对应的睡眠指标结果可以为0。
为了更好地对睡眠指标结果进行全面分析,得到更准确的全面的睡眠质量数据,可以将心率、血氧、呼吸频率以及打鼾频率等身体状态数据与深睡、浅睡、快速眼动、清醒等睡眠状态数据结合,综合分析得到对应的睡眠指标结果。例如,可以根据睡眠状态数据以及由睡眠状态数据得到的睡眠结构数据和睡眠时间数据分别得到睡眠指标的各项基数,同时根据该睡眠状态下的心率、血氧、呼吸频率以及打鼾频率等身体状态数据得到与各项基数对应的系数,通过各项基数和对应系数的结合,最终得到睡眠指标结果。
本实施例通过综合分析心率、血氧、呼吸频率、打鼾频率等身体状态数据和深睡、浅睡、快速眼动、清醒等睡眠状态数据,可以得到更为准确的睡眠质量数据。这些数据的综合分析能够提供全面的睡眠指标结果,从而让用户可以更好地了解自己的睡眠状态,采取相应措施来改善睡眠质量,减少睡眠障碍。同时,本实施例可以得到更为详细的睡眠结构数据,包括深睡、浅睡、快速眼动和清醒等不同睡眠状态的时间长度以及比例,这些数据能够帮助用户更好地了解自己的睡眠状态,判断睡眠质量,并对改善睡眠质量提供有效的参考。本实施例除了常规的睡眠状态数据之外,还包括心率、血氧、呼吸频率以及打鼾频率等身体状态数据,这些数据能够更全面地反映用户的身体状态,为用户提供更加细致的睡眠监测服务。在多个基数时,可以进行加权求和,从而得到更加准确的睡眠指标结果。这样的综合分析可以提高数据分析的效果,让用户得到更加可靠的睡眠质量数据分析结果,进而得到更加可靠有针对性的生活方式管理效果的评估结果。
对于行为指标结果,其可以根据用户的烟龄、戒烟时间、酒龄、戒酒时间等其中的至少一项指标确定,或者由上述指标中的多项综合确定。
例如,采用戒烟时间时,对于从来不吸烟者,对应的行为指标结果可以为100;对于戒烟5年及以上者,对应的行为指标结果可以为75;对于戒烟1-5年者,对应的行为指标结果可以为50;对于戒烟未满1年者,对应的行为指标结果可以为25;对于现在仍在吸烟者,对应的行为指标结果可以为0。
为了更好地对行为指标结果进行全面分析,得到更准确的全面的行为质量数据,可以将烟龄、酒龄等在进行特殊行为的时间与戒烟时间、戒酒时间等与停止进行特殊行为的时间结合,综合分析得到对应的行为指标结果。
由于生活状态数据和生理状态数据可以是获取预定采集时间段内的所有数据,则所述生活状态数据可以包括历史生活状态数据和当前生活状态数据。
具体的,在一些实施例中,步骤S210的具体实施方式可以参阅如下实施例。本实施例中是根据图3对应实施例示出的生活方式管理效果评估方法中步骤S210的细节描述,所述生活方式管理效果评估方法中,步骤S210可以包括以下步骤:
将所述历史生活状态数据和当前生活状态数据按照时间顺序排列,得到生活状态时间序列。
根据所述生活状态时间序列,得到生活指标变化结果。
根据所述当前生活状态数据,得到生活指标当前结果。
根据所述生活指标时间结果和所述生活指标当前结果,确定所述用户的生活指标结果。
在本申请的实施例中,通过将数据按时间排序,可以看到生活指标随着时间的推移发生的变化,这有助于了解用户在不同时期的生活状况;同时通过对当前生活状态数据的分析,可以直接获取生活指标的当前结果。则将生活指标的时间结果和当前结果进行综合考虑,最终确定用户的生活指标结果,可以更全面更准确地反映用户的整体生活状况。
在另一些实施例中,也可以仅使用当前生活状态数据确定所述用户的生活指标结果。通过对当前生活状态数据的分析,可以直接获取生活指标的当前结果,该当前结果最能反映用户的当前状态。
在一些实施例中,生活状态评估结果可以是一个将对各项生活指标结果代入对应正则式、公式、神经网络模型或者其他规则模板得到的总值,例如将各项生活指标结果进行求和或者加权求和得到的总值。
在另一些实施例中,生活状态评估结果可以是由所有生活指标结果共同构成的一个数组结果,该数组结果中也可以包含上述的由各项生活指标结果得到的一个总值。
需要说明的是,当生活状态评估结果的形式为等级时,可以先将等级形式的行为评估结果转换为数值,经过数值的相加或者加权求和后,再转换为等级。下述的生理状态评估结果也一样。
在步骤S300中,系统会根据第生理状态数据,进行评估并确定生理状态评估结果。
具体的,在一些实施例中,步骤S300的具体实施方式可以参阅图4。图4是根据图2对应实施例示出的生活方式管理效果评估方法中步骤S300的细节描述,所述生活方式管理效果评估方法中,步骤S300可以包括以下步骤:
步骤S310,根据所述用户的各项生理状态数据,确定所述用户的各项生理指标结果。
步骤S320,根据所述用户的生理生活指标结果,确定生理状态评估结果。
在本申请的实施例中,对于用户的生理状态数据,可以得出对应的各项生理指标结果,然后基于各项生理指标结果综合得到对应的生理状态评估结果。生理状态评估结果可以是分数形式的,也可以是等级形式的。在下面的实施例中,都将以分数形式为例进行说明。
在步骤S310中,用户的各生理指标结果与用户的各生理状态数据是对应的,包括血脂指标结果、血糖指标结果、血压指标结果、BMI指标结果等。
其中,血脂数据采集的是低密度脂蛋白胆固醇(Low-Density LipoproteinCholesterol,LDL-C),对于不同状态的用户,其血脂指标结果的判断过程不一样。
对于非动脉粥样硬化性心血管疾病(arteriosclerotic cardiovasculardisease,ASCVD)极高危且没有用药的用户,LDL-C<2.6mmol/L,对应的血脂指标结果为100;2.6mmol/L≤LDL-C<3.4mmol/L,对应的血脂指标结果为60;3.4mmol/L≤LDL-C<4.1mmol/L,对应的血脂指标结果为40;4.1mmol/L≤LDL-C<4.9mmol/L,对应的血脂指标结果为20;LDL-C≥4.9mmol/L,对应的血脂指标结果为0。
对于非ASCVD极高危且在用药的用户,LDL-C<2.6mmol/L,对应的血脂指标结果为100;2.6mmol/L≤LDL-C<3.4mmol/L,对应的血脂指标结果为40;3.4mmol/L≤LDL-C<4.1mmol/L,对应的血脂指标结果为20;LDL-C≥4.1mmol/L,对应的血脂指标结果为0。
对于ASCVD极高危且没有用药的用户,LDL-C<1.8mmol/L,对应的血脂指标结果为100;1.8mmol/L≤LDL-C<2.6mmol/L,对应的血脂指标结果为60;2.6mmol/L≤LDL-C<3.4mmol/L,对应的血脂指标结果为40;3.4mmol/L≤LDL-C<4.1mmol/L,对应的血脂指标结果为20;LDL-C≥4.1mmol/L,对应的血脂指标结果为0。
对于ASCVD极高危且在用药的用户,LDL-C<1.8mmol/L,对应的血脂指标结果为100;1.8mmol/L≤LDL-C<2.6mmol/L,对应的血脂指标结果为40;2.6mmol/L≤LDL-C<3.4mmol/L,对应的血脂指标结果为20;LDL-C≥3.4mmol/L,对应的血脂指标结果为0。
血糖指标结果包括通过其包含的各个血糖子项得到,在一个实施例中,血糖子项包含糖化血红蛋白、空腹血糖以及餐后血糖。在实际执行过程中只需要一个子项就可以得到对应的血糖指标结果,当有多个子项的数据时,按照取数优先级取对应子项的数据即可,取数优先级为糖化血红蛋白优先于空腹血糖,空腹血糖优先于餐后血糖。
与血脂指标结果相同,对于不同状态的用户,其血糖指标结果的判断过程也不一样。
对于无糖尿病的用户,当取值子项为糖化血红蛋白时,记糖化血红蛋白为A,若A<5.7%,则对应的血糖指标结果为100;若5.7%≤A<6.4%,则对应的血糖指标结果为60;若6.5%≤A<7.0%,则对应的血糖指标结果为40;若7.0%≤A<8.0%,则对应的血糖指标结果为30;若8.0%≤A<9.0%,则对应的血糖指标结果为20;若9.0%≤A<10.0%,则对应的血糖指标结果为10;若A≥10.0%,则对应的血糖指标结果为0。
对于无糖尿病的用户,当取值子项为空腹血糖时,记空腹血糖为B,若B<5.6%,则对应的血糖指标结果为100;若5.6%≤B<6.1%,则对应的血糖指标结果为60;若6.1%≤B<7.0%,则对应的血糖指标结果为40;若7.0%≤B<8.0%,则对应的血糖指标结果为30;若8.0%≤B<9.0%,则对应的血糖指标结果为20;若9.0%≤B<10.0%,则对应的血糖指标结果为10;B≥10.0%,则对应的血糖指标结果为0。
对于无糖尿病的用户,当取值子项为餐后血糖时,记餐后血糖为C,若C<7%,则对应的血糖指标结果为100;若7%≤C<7.8%,则对应的血糖指标结果为60;若7.8%≤C<11.0%,则对应的血糖指标结果为40;若11.0%≤C<12.0%,则对应的血糖指标结果为30;若12.0%≤C<13.0%,则对应的血糖指标结果为20;若13.0%≤C<13.9%,则对应的血糖指标结果为10;若C≥13.9%,则对应的血糖指标结果为0。
对于有糖尿病的用户,当取值子项为糖化血红蛋白时,记糖化血红蛋白为A,若A<7.0%,则对应的血糖指标结果为40;若7.0%≤A<8.0%,则对应的血糖指标结果为30;若8.0%≤A<9.0%,则对应的血糖指标结果为20;若9.0%≤A<10%,则对应的血糖指标结果为10;若A≥10.0%,则对应的血糖指标结果为0。
对于有糖尿病的用户,当取值子项为空腹血糖时,记空腹血糖为B,此时需要结合历史数据一起判断,得到血糖目标范围内的时间(Time in Therapeutic Range,TTR),其血糖目标范围为B<7.0%。则若TTRB≥90%,则对应的血糖指标结果为40;若80%≤TTRB<90%,则对应的血糖指标结果为30;若70%≤TTRB<80%,则对应的血糖指标结果为20;若60%≤TTRB<70%,则对应的血糖指标结果为10;若TTRB<60%,则对应的血糖指标结果为0。
对于有糖尿病的用户,当取值子项为餐后血糖时,记餐后血糖为C,此时需要结合历史数据一起判断,得到血糖TTR,其血糖目标范围为B<10.0%。则若TTRC≥90%,则对应的血糖指标结果为40;若80%≤TTRC<90%,则对应的血糖指标结果为30;若70%≤TTRC<80%,则对应的血糖指标结果为20;若60%≤TTRC<70%,则对应的血糖指标结果为10;若TTRC<60%,则对应的血糖指标结果为0。
血压指标结果包括通过其包含的各个血压子项得到,在一个实施例中,血压子项包含收缩压(systolic blood pressure,SBP)和舒张压(diastolic blood pressure,DBP)。在实际执行过程中只需要一个子项就可以得到对应的血压指标结果,当有多个子项的数据时,以得分低的子项为准。
与血脂指标结果相同,对于不同状态的用户,其血压指标结果的判断过程也不一样。
对于无用药且无高血压标签的用户,若其SBP<120且DBP<80,则对应的血压指标结果为100;若其120≤SBP<130且DBP<80,则对应的血压指标结果为80;若其130≤SBP<140或80≤DBP<90,则对应的血压指标结果为60;若其140≤SBP<160或DBP90≤DBP<100,则对应的血压指标结果为30;若其SBP≥160或DBP≥100,则对应的血压指标结果为0。
对于在用药或高血压标签的用户,需要结合历史数据一起判断,得到血压TTR,其目标血压范围根据用户的年龄,分别为小于65岁,诊室血压<140/90mmHg;大于65岁,诊室血压<150/90mmHg。
若其TTR≥90%,则对应的血压指标结果为80;若其80%≤TTR<90%,则对应的血压指标结果为60;若其70%≤TTR<80%,则对应的血压指标结果为40;若其60%≤TTR<70%,则对应的血压指标结果为20;若其50%≤TTR<60%,则对应的血压指标结果为5;若其TTR<50%,则对应的血压指标结果为0。
而对于BMI指标结果,其对于不同用户群体的用户基本遵循不同的标准,以东亚群体特别是中国群体为例,
BMI<24,对应的BMI指标结果为100;24≤BMI<28,对应的BMI指标结果为70;28≤BMI<32.5,对应的BMI指标结果为30;32.5≤BMI<35,对应的BMI指标结果为15;BMI≥35,对应的BMI指标结果为0。
具体的,在一些实施例中,步骤S310的具体实施方式可以参阅如下实施例。本实施例中是根据图3对应实施例示出的生活方式管理效果评估方法中步骤S310的细节描述,所述生活方式管理效果评估方法中,步骤S310可以包括以下步骤:
将所述历史生理状态数据和当前生理状态数据按照时间顺序排列,得到生理状态时间序列。
根据所述生理状态时间序列,得到生理指标变化结果。
根据所述当前生理状态数据,得到生理指标当前结果。
根据所述生理指标时间结果和所述生理指标当前结果,确定所述用户的生理指标结果。
在本申请的实施例中,通过将数据按时间排序,可以看到生理指标随着时间的推移发生的变化,这有助于了解用户在不同时期的生理状况;同时通过对当前生理状态数据的分析,可以直接获取生理指标的当前结果。则将生理指标的时间结果和当前结果进行综合考虑,最终确定用户的生理指标结果,可以更全面更准确地反映用户的整体生理状况。
在另一些实施例中,也可以仅使用当前生理状态数据确定所述用户的生理指标结果。通过对当前生理状态数据的分析,可以直接获取生理指标的当前结果,该当前结果最能反映用户的当前状态。
在步骤S320中,基于各项生理指标结果综合得到对应的生理状态评估结果。
在一些实施例中,生理状态评估结果可以是一个将对各项生理指标结果代入对应正则式、公式、神经网络模型或者其他规则模板得到的总值,例如将各项生理指标结果进行求和或者加权求和得到的总值。
在另一些实施例中,生理状态评估结果可以是由所有生理指标结果共同构成的一个数组结果,每一个生理指标结果均对应为该数组结果中的一个数组元素,上述的由各项生理指标结果得到的一个总值也可以成为该数组结果中的一个数组元素。
在步骤S400中,在有了生活状态评估结果和生理状态评估结果后,对其进行处理就可以得到生活方式管理效果的评估结果。
在一些实施例中,生活方式管理效果的评估结果是由生活状态评估结果和生理状态评估结果加权求和得到的,在一些特殊情况下生活状态评估结果和生理状态评估结果的权重比可以是1:1。
当生活状态评估结果和生理状态评估结果均为数组结果时,则直接对两个数组结果中的所有数组元素进行加权求和。
具体的,在一些实施例中,步骤S400的具体实施方式可以参阅如下实施例。本实施例是根据图2对应实施例示出的生活方式管理效果评估方法中步骤S400的细节描述,所述生活方式管理效果评估方法中,步骤S400可以包括以下步骤:
根据所述生理状态评估结果,确定第一权重和第二权重,所述第一权重为所述生活状态评估结果的权重,所述第二权重为所述生理状态评估结果的权重。
根据所述生活状态评估结果和所述生理状态评估结果,以及对应的所述第一权重和所述第二权重,得到生活方式管理效果的评估结果。
在本申请的实施例中,通过生理状态动态调整权重,以适应不同生理状态下用户的实际情况,以达到个性化针对性地进行评估,得到更准确更有针对性的评估结果。
需要说明的是,当生活状态评估结果和生理状态评估结果均为数组结果时,第一权重和第二权重可以有多个,分别和两个数组结果中的各数组元素一一对应,生活状态评估结果中的各数组元素对应的第一权重可以不同,同理,生理状态评估结果中的各数组元素对应的第二权重可以不同。
在步骤S500中,根据上述生活方式管理效果的评估结果,得到的生活方式建议,更准确、更具体也更有针对性,提升了用户体验。有助于提高用户的生活质量和健康水平,预防疾病和健康在内的生活风险。此外,该步骤还可以为医疗机构、保险公司等相关单位提供有价值的数据支持,用于健康管理等方面的应用。
具体的,在一些实施例中,步骤S500的具体实施方式可以参阅如下实施例。本实施例是根据图2对应实施例示出的生活方式管理效果评估方法中步骤S500的细节描述,所述生活方式管理效果评估方法中,步骤S500可以包括以下步骤:
根据所述生活方式管理效果的评估结果得到第一向量。
根据所述生活状态评估结果得到第二向量。
根据所述生理状态评估结果得到第三向量。
将所述第一向量、所述第二向量、所述第三向量构造成向量集合。
将所述向量集合输入生活方式分析模型,得到所述生活方式建议。
在本申请的实施例中,对用户对应的生活方式管理效果的评估结果、生活状态评估结果、生理状态评估结果向量化后,输入神经网络进行分析学习,卷积神经网络可以很好地捕捉到用户体征数据向量本身包含的各种行为特征、身体特征,挖掘各项体征数据之间的相关性,进而更全面更细致地分析判断出第二用户对应的各种因素、体质因素,具有较强的泛化能力和鲁棒性。
具体地,上述生活方式分析模型的训练方法具体包括:
获取向量集合样本集,所述向量集合样本集包含多个向量集合样本,每个所述向量集合样本均标注有对应的生活方式标签。
将所述向量集合样本集中的向量集合样本逐个输入所述生活方式分析模型,得到所述生活方式分析模型输出的生活方式建议。
根据所述输出的生活方式建议和标注的生活方式标签,进行参数更新,直至满足预定条件,停止训练,得到训练好的生活方式分析模型。
在本实施例中,在进行训练时,标识停止训练的条件,亦即模型训练好的条件可以有多种,具体地可以参考如下的实施例。
具体的,在一些实施例中,上述生活方式分析模型训练的具体实施方式可以参阅如下实施例。本实施例中,根据所述输出的生活方式标签和标记的生活方式标签,进行参数更新,直至满足预定条件,停止训练,得到训练好的生活方式分析模型,可以包括以下步骤:
若所述向量集合样本集中,仅有不到预定数量个向量集合样本输入到生活方式分析模型后输出的生活方式建议与标记的生活方式标签一致,则对生活方式分析模型进行参数更新。
若所述向量集合样本集中,有超过预定数量个向量集合样本输入到生活方式分析模型后输出的生活方式建议与标记的生活方式标签一致,则达到预定结束条件,结束训练,得到训练好的生活方式分析模型。
具体的,在另一些实施例中,上述生活方式分析模型训练的具体实施方式可以参阅如下实施例。本实施例中,根据所述输出的生活方式建议和标记的生活方式标签,进行参数更新,直至满足预定条件,停止训练,得到训练好的生活方式分析模型,可以包括以下步骤:
根据模型输出的生活方式建议与标记的生活方式标签,确定损失函数。
根据所述损失函数对所述生活方式分析模型进行参数更新,直至达到预定结束条件,结束训练,得到训练好的生活方式分析模型。
在本实施例中损失函数达到预定结束条件可以是损失函数收敛或者损失函数小于预定损失(例如0.001)。
在上述实施例中,通过经过多次训练得到的神经网络模型进行体征数据识别,得到相对应的判断结果,神经网络模型由多次训练得到,其训练的样本越多,得到的结果越准确,其在运行过程中基本不需要维护,也降低了维护成本,提高了流量识别的效率和准确率,降低的误报率。
需要说明的是,在另一些实施例中,也可以将向量集合样本集分为训练集、测试集以及验证集进行训练,取K折交叉验证折数。
以下介绍本申请的装置实施例,可以用于执行本申请上述实施例中的生活方式管理效果评估方法。对于本申请装置实施例中未披露的细节,请参照本申请上述的生活方式管理效果评估方法的实施例。
图5示出了根据本申请的一个实施例的生活方式管理效果评估装置的框图。
参照图5所示,根据本申请的一个实施例的生活方式管理效果评估装置500,包括:用户数据获取模块510、生活状态评估模块520、生理状态评估模块530以及生活方式评估模块540。
用户数据获取模块510,用于获取用户的生活状态数据和生理状态数据;生活状态评估模块520,用于根据所述生活状态数据,得到生活状态评估结果,所述生活状态数据包括饮食数据、活动数据、睡眠数据以及行为数据;生理状态评估模块530,用于根据所述生理状态数据,得到生理状态评估结果;生活方式评估模块540,用于根据所述生活状态评估结果和所述生理状态评估结果,得到生活方式管理效果的评估结果。
在本申请的一些实施例中,所述生活状态评估模块具体包括:生活指标子模块,用于根据所述用户的各项生活状态数据,确定所述用户的各项生活指标结果;生活状态子模块,用于根据所述用户的各项生活指标结果,确定生活状态评估结果。
在本申请的一些实施例中,所述生活状态数据包括历史生活状态数据和当前生活状态数据,所述生活指标子模块具体包括:时间序列单元,用于将所述历史生活状态数据和当前生活状态数据按照时间顺序排列,得到生活状态时间序列;变化指标单元,用于根据所述生活状态时间序列,得到生活指标变化结果;当前指标单元,用于根据所述当前生活状态数据,得到生活指标当前结果;生活指标单元,用于根据所述生活指标时间结果和所述生活指标当前结果,确定所述用户的生活指标结果。
在本申请的一些实施例中,所述生理状态评估模块具体包括:生理指标子模块,用于根据所述用户的各项生理状态数据,确定所述用户的各项生理指标结果;生理状态子模块,用于根据所述用户的生理生活指标结果,确定生理状态评估结果。
在本申请的一些实施例中,所述生活方式评估模块具体包括:权重确定子模块,用于根据所述生理状态评估结果,确定第一权重和第二权重,所述第一权重为所述生活状态评估结果的权重,所述第二权重为所述生理状态评估结果的权重;评估结果子模块,用于根据所述生活状态评估结果和所述生理状态评估结果,以及对应的所述第一权重和所述第二权重,得到生活方式管理效果的评估结果。
在本申请的一些实施例中,所述生活方式管理效果评估装置还包括:生活方式建议模块,用于根据所述生活方式管理效果的评估结果,得到生活方式建议。
在本申请的一些实施例中,所述生活方式建议模块具体包括:第一向量子模块,用于根据所述生活方式管理效果的评估结果得到第一向量;第二向量子模块,用于根据所述生活状态评估结果得到第二向量;第三向量子模块,用于根据所述生理状态评估结果得到第三向量;向量集合子模块,用于将所述第一向量、所述第二向量、所述第三向量构造成向量集合;建议生成子模块,用于将所述向量集合输入生活方式分析模型,得到所述生活方式建议。
在本申请的实施例中,通过分析用户的生活状态数据和生理状态数据两个大方面的多个指标数据,例如生活状态数据包括饮食数据、活动数据、睡眠数据以及行为数据,分别得到对应的生活状态评估结果和生理状态评估结果,实现了多方面多指标多元化的分析评估,再根据生活状态评估结果和生理状态评估结果综合得到生活方式管理效果的评估结果。该生活方式管理效果的评估结果不仅考虑了偏向结果的生理数据,还兼顾了日常生活中的生活数据,实现了全流程覆盖的生活方式管理效果评估,提高了生活方式管理效果评估的全面性和准确性,也实现了对服务对象的全流程跟踪,进而能根据该生活方式管理效果的评估结果,得到更准确、更具体也更有针对性的生活方式建议,提升了用户体验。
图6示出了适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。
需要说明的是,图6示出的电子设备的计算机系统仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图6所示,计算机系统包括中央处理单元(Central Processing Unit,CPU)1801,其可以根据存储在只读存储器(Read-Only Memory,ROM)1802中的程序或者从存储部分1808加载到随机访问存储器(Random Access Memory,RAM)1803中的程序而执行各种适当的动作和处理,例如执行上述实施例中所述的方法。在RAM 1803中,还存储有系统操作所需的各种程序和数据。CPU 1801、ROM 1802以及RAM 1803通过总线1804彼此相连。输入/输出(Input/Output,I/O)接口1805也连接至总线1804。
以下部件连接至I/O接口1805:包括键盘、鼠标等的输入部分1806;包括诸如阴极射线管(Cathode Ray Tube,CRT)、液晶显示器(Liquid Crystal Display,LCD)等以及扬声器等的输出部分1807;包括硬盘等的存储部分1808;以及包括诸如LAN(Local AreaNetwork,局域网)卡、调制解调器等的网络接口卡的通信部分1809。通信部分1809经由诸如因特网的网络执行通信处理。驱动器1810也根据需要连接至I/O接口1805。可拆卸介质1811,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器1810上,以便于从其上读出的计算机程序根据需要被安装入存储部分1808。
特别地,根据本申请的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本申请的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的计算机程序。在这样的实施例中,该计算机程序可以通过通信部分1809从网络上被下载和安装,和/或从可拆卸介质1811被安装。在该计算机程序被中央处理单元(CPU)1801执行时,执行本申请的系统中限定的各种功能。
需要说明的是,本申请实施例所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(Erasable Programmable Read Only Memory,EPROM)、闪存、光纤、便携式紧凑磁盘只读存储器(Compact Disc Read-Only Memory,CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的计算机程序。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的计算机程序可以用任何适当的介质传输,包括但不限于:无线、有线等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。其中,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现,所描述的单元也可以设置在处理器中。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定。
作为另一方面,本申请还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被一个该电子设备执行时,使得该电子设备实现上述实施例中所述的方法。
应当注意,尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元,但是这种划分并非强制性的。实际上,根据本申请的实施方式,上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之,上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本申请实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、触控终端、或者网络设备等)执行根据本申请实施方式的方法。
本领域技术人员在考虑说明书及实践这里公开的实施方式后,将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。
应当理解的是,本申请并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求来限制。
Claims (10)
1.一种生活方式管理效果评估方法,其特征在于,所述生活方式管理效果评估方法包括:
获取用户的生活状态数据和生理状态数据;
根据所述生活状态数据,得到生活状态评估结果,所述生活状态数据包括饮食数据、活动数据、睡眠数据以及行为数据;
根据所述生理状态数据,得到生理状态评估结果;
根据所述生活状态评估结果和所述生理状态评估结果,得到生活方式管理效果的评估结果。
2.如权利要求1所述的生活方式管理效果评估方法,其特征在于,所述根据所述生活状态数据,得到生活状态评估结果,具体包括:
根据所述用户的各项生活状态数据,确定所述用户的各项生活指标结果;
根据所述用户的各项生活指标结果,确定生活状态评估结果。
3.如权利要求2所述的生活方式管理效果评估方法,其特征在于,所述生活状态数据包括历史生活状态数据和当前生活状态数据,所述根据所述用户的各项生活状态数据,确定所述用户的各项生活指标结果,具体包括:
将所述历史生活状态数据和当前生活状态数据按照时间顺序排列,得到生活状态时间序列;
根据所述生活状态时间序列,得到生活指标变化结果;
根据所述当前生活状态数据,得到生活指标当前结果;
根据所述生活指标变化结果和所述生活指标当前结果,确定所述用户的生活指标结果。
4.如权利要求1所述的生活方式管理效果评估方法,其特征在于,所述根据所述生理状态数据,得到生理状态评估结果,具体包括:
根据所述用户的各项生理状态数据,确定所述用户的各项生理指标结果;
根据所述用户的生理生活指标结果,确定生理状态评估结果。
5.如权利要求1所述的生活方式管理效果评估方法,其特征在于,所述根据所述生活状态评估结果和所述生理状态评估结果,得到生活方式管理效果的评估结果,具体包括:
根据所述生理状态评估结果,确定第一权重和第二权重,所述第一权重为所述生活状态评估结果的权重,所述第二权重为所述生理状态评估结果的权重;
根据所述生活状态评估结果和所述生理状态评估结果,以及对应的所述第一权重和所述第二权重,得到生活方式管理效果的评估结果。
6.如权利要求1所述的生活方式管理效果评估方法,其特征在于,在所述根据所述生活状态评估结果和所述生理状态评估结果,得到生活方式管理效果的评估结果之后,所述生活方式管理效果评估方法还包括:
根据所述生活方式管理效果的评估结果,得到生活方式建议。
7.如权利要求6所述的生活方式管理效果评估方法,其特征在于,所述根据所述生活方式管理效果的评估结果,得到生活方式建议,具体包括:
根据所述生活方式管理效果的评估结果得到第一向量;
根据所述生活状态评估结果得到第二向量;
根据所述生理状态评估结果得到第三向量;
将所述第一向量、所述第二向量、所述第三向量构造成向量集合;
将所述向量集合输入生活方式分析模型,得到所述生活方式建议。
8.一种生活方式管理效果评估装置,其特征在于,所述生活方式管理效果评估装置包括:
用户数据获取模块,用于获取用户的生活状态数据和生理状态数据;
生活状态评估模块,用于根据所述生活状态数据,得到生活状态评估结果,所述生活状态数据包括饮食数据、活动数据、睡眠数据以及行为数据;
生理状态评估模块,用于根据所述生理状态数据,得到生理状态评估结果;
生活方式评估模块,用于根据所述生活状态评估结果和所述生理状态评估结果,得到生活方式管理效果的评估结果。
9.一种计算机可读介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的生活方式管理效果评估方法。
10.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现如权利要求1至7中任一项所述的生活方式管理效果评估方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410059170.0A CN117894463A (zh) | 2024-01-15 | 2024-01-15 | 生活方式管理效果评估方法及相关设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410059170.0A CN117894463A (zh) | 2024-01-15 | 2024-01-15 | 生活方式管理效果评估方法及相关设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117894463A true CN117894463A (zh) | 2024-04-16 |
Family
ID=90639071
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410059170.0A Pending CN117894463A (zh) | 2024-01-15 | 2024-01-15 | 生活方式管理效果评估方法及相关设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117894463A (zh) |
-
2024
- 2024-01-15 CN CN202410059170.0A patent/CN117894463A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11309089B2 (en) | Human metabolic condition management | |
US20220015655A1 (en) | System and method for blood pressure monitoring | |
US20210233656A1 (en) | Health management | |
US20210104173A1 (en) | Personalized health coaching system | |
Castle et al. | Nonadjunctive use of continuous glucose monitoring for diabetes treatment decisions | |
KR102400740B1 (ko) | 사용자의 건강상태 모니터링 시스템 및 이의 분석 방법 | |
RU2712395C1 (ru) | Способ выдачи рекомендаций по поддержанию здорового образа жизни на основе параметров ежедневной деятельности пользователя, автоматически отслеживаемых в реальном времени, и соответствующая система (варианты) | |
CN114616562A (zh) | 动物数据预测系统 | |
JP2013190915A (ja) | 生活習慣改善支援システム及び生体指標の分析方法 | |
KR20190063954A (ko) | 인공지능 클라우드 영양소 변화 예측 방법과 인공지능 클라우드 영양소 대사량 측정 방법 및 그를 사용하는 질병관리 방법 | |
CN113679348A (zh) | 血糖预测方法、血糖预测装置、设备及存储介质 | |
KR20210052122A (ko) | 사용자 맞춤형 식품 정보 서비스 제공 시스템 및 그 방법 | |
Cescon et al. | Linear modeling and prediction in diabetes physiology | |
JP2023019885A (ja) | プログラム、方法、およびシステム | |
CN112466423A (zh) | 智能慢病健康管理方法及系统 | |
CN117894463A (zh) | 生活方式管理效果评估方法及相关设备 | |
US20210257091A1 (en) | Decision support and treatment administration systems | |
CN116246754B (zh) | 一种人体体重监测评估干预管理方法和系统 | |
KR102664490B1 (ko) | 디지털 서비스 기반의 개인별 추천 음식 정보와 비추천 음식 정보를 제공하는 장치, 방법 및 프로그램 | |
US20220230751A1 (en) | Decision support system, and method in relation thereto | |
US20220415507A1 (en) | Method and system for training artificial intelligence model for estimation of glycolytic hemoglobin levels | |
US20220061710A1 (en) | Virtually monitoring glucose levels in a patient using machine learning and digital twin technology | |
Cinar et al. | Components of an Artificial Pancreas System | |
Jesus | Remote Management of Diabetic Patients | |
Khalilnejad et al. | Proactive Identification of Patients with Diabetes at Risk of Uncontrolled Outcomes during a Diabetes Management Program: Conceptualization and Development Study Using Machine Learning |
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 |