CN118039168A - 一种糖尿病风险预测的方法 - Google Patents
一种糖尿病风险预测的方法 Download PDFInfo
- Publication number
- CN118039168A CN118039168A CN202410432029.0A CN202410432029A CN118039168A CN 118039168 A CN118039168 A CN 118039168A CN 202410432029 A CN202410432029 A CN 202410432029A CN 118039168 A CN118039168 A CN 118039168A
- Authority
- CN
- China
- Prior art keywords
- patient
- diabetes
- review
- region
- resident
- 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
- 206010012601 diabetes mellitus Diseases 0.000 title claims abstract description 102
- 238000000034 method Methods 0.000 title claims abstract description 29
- 239000008280 blood Substances 0.000 claims abstract description 120
- 210000004369 blood Anatomy 0.000 claims abstract description 120
- 238000012216 screening Methods 0.000 claims abstract description 53
- 238000011835 investigation Methods 0.000 claims abstract description 30
- 238000011282 treatment Methods 0.000 claims abstract description 30
- 206010018429 Glucose tolerance impaired Diseases 0.000 claims description 124
- 238000012552 review Methods 0.000 claims description 82
- 238000011084 recovery Methods 0.000 claims description 73
- 238000011156 evaluation Methods 0.000 claims description 68
- 208000001280 Prediabetic State Diseases 0.000 claims description 59
- 201000009104 prediabetes syndrome Diseases 0.000 claims description 59
- 238000012502 risk assessment Methods 0.000 claims description 56
- 230000000694 effects Effects 0.000 claims description 55
- 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 53
- 239000008103 glucose Substances 0.000 claims description 53
- 108091005996 glycated proteins Proteins 0.000 claims description 36
- 230000000291 postprandial effect Effects 0.000 claims description 33
- 238000004458 analytical method Methods 0.000 claims description 22
- 201000010099 disease Diseases 0.000 claims description 21
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 21
- 230000002641 glycemic effect Effects 0.000 claims description 19
- 235000005911 diet Nutrition 0.000 claims description 15
- 238000011269 treatment regimen Methods 0.000 claims description 13
- 230000037213 diet Effects 0.000 claims description 11
- 230000004617 sleep duration Effects 0.000 claims description 9
- 230000036772 blood pressure Effects 0.000 claims description 8
- 230000036541 health Effects 0.000 claims description 8
- 235000013305 food Nutrition 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 230000004622 sleep time Effects 0.000 claims description 6
- 238000012360 testing method Methods 0.000 claims description 5
- 230000000378 dietary effect Effects 0.000 claims description 4
- 238000009472 formulation Methods 0.000 claims description 3
- 102000035122 glycosylated proteins Human genes 0.000 claims description 3
- 108091005608 glycosylated proteins Proteins 0.000 claims description 3
- 150000002632 lipids Chemical class 0.000 claims description 3
- 235000012054 meals Nutrition 0.000 claims description 3
- 239000000203 mixture Substances 0.000 claims description 3
- 238000005457 optimization Methods 0.000 claims description 3
- 230000036578 sleeping time Effects 0.000 claims description 3
- 230000037396 body weight Effects 0.000 claims 1
- 230000003631 expected effect Effects 0.000 description 3
- 230000004630 mental health Effects 0.000 description 3
- 238000007792 addition Methods 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001684 chronic effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 235000005118 dietary health Nutrition 0.000 description 1
- 208000016097 disease of metabolism Diseases 0.000 description 1
- 230000037219 healthy weight Effects 0.000 description 1
- 208000030159 metabolic disease Diseases 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Landscapes
- Investigating Or Analysing Biological Materials (AREA)
Abstract
本发明公开了一种糖尿病风险预测的方法，涉及糖尿病预测技术领域，本发明包括步骤一、调查地区筛选、步骤二、患病风险预测、步骤三、血糖风险预测、步骤四、治疗方案制定、步骤五、患者优化管理，本发明在筛选糖尿病前期患者时，根据地区的年龄分布、饮食结构等对调查地区进行筛选，分析调查地区内居民的患病风险，保证糖尿病前期患者的筛选更加全面，有助于后续对糖尿病前期患者的治疗，本发明为糖尿病前期患者制定治疗方案时，对糖尿病前期患者进行多次复查，分析糖尿病前期患者的康复效果，及时更换治疗方案，保证糖尿病前期患者的治疗进度，有利于糖尿病前期患者的身心健康。
Description
技术领域
本发明涉及糖尿病预测技术领域，具体涉及一种糖尿病风险预测的方法。
背景技术
糖尿病是一种慢性代谢性疾病，其特征是血液中的葡萄糖水平长期高于正常水平，对人体的各个系统造成严重危害，对糖尿病早期人群进行风险预测，可以及早发现患有糖尿病的个体，降低其发展的速率，对糖尿病早期人群进行治疗，可以降低患者的医疗成本，帮助患者改善生活方式，保持健康的体重，提高生活质量，因此，对糖尿病早期患者进行风险预测是极其重要的。
但目前的糖尿病风险预测仍存在一些问题：
1、现有技术中，在筛选糖尿病前期患者时，通常根据医院内病人的体检数据，分析医院内病人是否为糖尿病前期患者，忽略了根据地区的年龄分布、饮食结构等分析地区的老龄化水平、饮食健康水平，进而对调查地区筛选，并忽略了对调查地区内居民的患病风险进行分析，导致对糖尿病前期患者的筛选不够全面，影响后续对糖尿病前期患者的治疗。2、现有技术中，在为糖尿病前期患者制定治疗方案时，对糖尿病前期患者的康复效果关注度不高，糖尿病前期患者的康复效果在一定程度上反映了治疗方案的准确度，当糖尿病前期患者的治疗未达到预期效果，若未能及时更换治疗方案，则会影响糖尿病前期患者的治疗进度，不利于糖尿病前期患者的身心健康。
发明内容
针对上述存在的技术不足，本发明的目的是提供一种糖尿病风险预测的方法，用于解决上述问题。
为解决上述技术问题，本发明采用如下技术方案：本发明提供一种糖尿病风险预测的方法，包括：步骤一、调查地区筛选：从web数据库获取各地区在历史各次调查对应居民的糖尿病发病率、饮食结构表、年龄分布表、睡眠时长，筛选各糖尿病高发地区，分析各糖尿病高发地区的居民非健康特征评估指数，筛选各待调查地区。
步骤二、患病风险预测：由各待调查地区所属各居民填写线上调查问卷，获取各待调查地区所属各居民的基础信息，分析各待调查地区所属各居民的患病风险评估指数，筛选各糖尿病前期患者。
步骤三、血糖风险预测：对各糖尿病前期患者进行血糖测试，获取各糖尿病前期患者在空腹状态下的血糖浓度、饭后血糖浓度和糖化蛋白水平，分析各糖尿病前期患者的初始血糖风险评估指数。
步骤四、治疗方案制定：从医院管理中心获取各历史痊愈患者的治疗方案和初始血糖风险评估指数，分析各糖尿病前期患者的推荐治疗方案。
步骤五、患者优化管理：将各糖尿病前期患者按照规定的复查周期进行复查，分析各待观察患者在各次复查对应的康复效果评估指数，筛选各康复欠佳患者，分析各康复欠佳患者的优化治疗方案，并对各康复欠佳患者的复查周期进行调整。
优选地，所述分析各糖尿病高发地区的居民非健康特征评估指数，其具体分析方法为：将各地区在历史各次调查对应居民的糖尿病发病率进行均值处理，得到各地区的平均居民糖尿病发病率，将各地区的平均居民糖尿病发病率与设定的糖尿病发病率阈值对比，若某地区的平均居民糖尿病发病率大于或等于设定的糖尿病发病率阈值，则将该地区标记为糖尿病高发地区，进而筛选各糖尿病高发地区。
获取各糖尿病高发地区在历史各次调查对应居民的饮食结构表、年龄分布表、睡眠时长，其中/>表示各糖尿病高发地区的编号，/>，/>为大于2的任意整数，/>表示历史各次调查的编号，/>，/>为大于2的任意整数。
从各糖尿病高发地区在历史各次调查对应居民的饮食结构表和年龄分布表中分别提取高热量食物数量占比和中老年人数量占比/>，进而分析各糖尿病高发地区的居民非健康特征评估指数/>，其中/>表示调查的次数，/>表示调查的次数，/>表示标准睡眠时长，/>为高热量食物数量占比的权重因子，/>为中老年人数量占比的权重因子，/>为睡眠时长影响的权重因子，/>、/>、/>的取值范围均属于0到1。
优选地，所述筛选各待调查地区，其具体分析方法为：将各糖尿病高发地区的居民非健康特征评估指数进行均值处理，得到糖尿病高发地区的平均居民非健康特征评估指数。
对各地区进行调查，获取各地区当前的居民的饮食结构表、年龄分布表、睡眠时长，分析各地区当前的居民非健康特征评估指数，将各地区当前的居民非健康特征评估指数与糖尿病高发地区的平均居民非健康特征评估指数对比，若某地区当前的居民非健康特征评估指数大于或等于糖尿病高发地区的平均居民非健康特征评估指数，则将该地区标记为待调查地区，进而筛选各待调查地区。
优选地，所述筛选各糖尿病前期患者，其具体分析方法为：从各待调查地区所属各居民的基础信息中提取身高、体重/>、年龄/>、血脂/>、血压/>，其中/>表示各调查地区的编号，/>，/>为大于2的任意整数，/>表示各居民的编号，/>，/>为大于2的任意整数。
分析各待调查地区所属各居民的身体质量指数。
从web数据库中获取居民的健康身体质量指数、糖尿病高发年龄区间、糖尿病患者血脂区间、糖尿病患者血压区间，获取糖尿病高发年龄区间对应的糖尿病高发年龄下限值/>，糖尿病患者血脂区间的下限值/>，糖尿病患者血压区间的下限值/>。
分析各待调查地区所属各居民的患病风险评估指数。
将各待调查地区所属各居民的患病风险评估指数与设定的患病风险评估指数阈值对比，若某待调查地区所属各居民的患病风险评估指数大于或等于设定的患病风险评估指数阈值，则将该调查地区所属该居民标记为糖尿病前期患者，筛选各调查地区所属各糖尿病前期患者，并进行整合，得到各糖尿病前期患者。
优选地，所述分析各糖尿病前期患者的初始血糖风险评估指数，其具体分析方法为：从web数据库获取健康人群的标准空腹状态下的血糖浓度区间、标准饭后血糖浓度区间、标准糖化蛋白水平区间，提取健康人群的标准空腹状态下的血糖浓度上限值、标准饭后血糖浓度上限值/>、标准糖化蛋白水平上限值/>。
根据各糖尿病前期患者在空腹状态下的血糖浓度、饭后血糖浓度/>和糖化蛋白水平/>，其中/>表示各糖尿病前期患者的编号，/>，/>为大于2的任意整数，分析各糖尿病前期患者的初始血糖风险评估指数/>。
优选地，所述分析各糖尿病前期患者的推荐治疗方案，其具体分析方法为：将各糖尿病前期患者的初始血糖风险评估指数依次与各历史痊愈患者的初始血糖风险评估指数相减，并将结果取绝对值，得到各糖尿病前期患者与各历史痊愈患者的初始血糖风险评估指数差值。
将各糖尿病前期患者与各历史痊愈患者的初始血糖风险评估指数差值从小到大进行排序，提取各糖尿病前期患者对应排在首位的历史痊愈患者，标记为各糖尿病前期患者对应的匹配历史患者。
获取各糖尿病前期患者对应的匹配历史患者的治疗方案，并将其标记为各糖尿病前期患者的推荐治疗方案。
优选地，所述筛选各痊愈患者和各待观察患者，其具体分析方法为：获取各糖尿病前期患者在各次复查对应的更新空腹状态下的血糖浓度、更新饭后血糖浓度、更新糖化蛋白水平；从各糖尿病前期患者在各次复查对应的更新空腹状态下的血糖浓度、更新饭后血糖浓度、更新糖化蛋白水平中提取各糖尿病前期患者对应当前的空腹状态下的血糖浓度、饭后血糖浓度、糖化蛋白水平；
将各糖尿病前期患者对应当前的空腹状态下的血糖浓度、饭后血糖浓度、糖化蛋白水平分别与健康人群的标准空腹状态下的血糖浓度上限值、标准饭后血糖浓度上限值、标准糖化蛋白水平上限值对比，若某糖尿病前期患者对应当前的空腹状态下的血糖浓度、饭后血糖浓度、糖化蛋白水平均分别低于健康人群的标准空腹状态下的血糖浓度上限值、标准饭后血糖浓度上限值、标准糖化蛋白水平上限值，则将该糖尿病前期患者标记为痊愈患者，反之，则标记为待观察患者，筛选各痊愈患者和各待观察患者，并停止对各痊愈患者复查。
优选地，所述分析各待观察患者在各次复查对应的康复效果评估指数，其具体分析方法为：根据各糖尿病前期患者在各次复查对应的更新空腹状态下的血糖浓度、更新饭后血糖浓度、更新糖化蛋白水平，提取各待观察患者在各次复查对应的更新空腹状态下的血糖浓度、更新饭后血糖浓度、更新糖化蛋白水平；
分析各待观察患者在各次复查对应的更新血糖风险评估指数，其中/>表示各待观察的编号，/>，/>为大于2的任意整数，/>表示各次复查的编号，/>，/>为大于2的任意整数；
基于各糖尿病前期患者的初始血糖风险评估指数，获取各待观察患者的初始血糖风险评估指数，分析各待观察患者在各次复查对应的康复效果评估指数，其中/>表示第/>个待观察患者在第/>次复查对应的更新血糖风险评估指数。
优选地，所述筛选各康复欠佳患者，其具体筛选方法为：将各待观察患者在各次复查对应的康复效果评估指数与预设的康复效果评估指数下限值对比，若某待观察患者在某次复查对应的康复效果评估指数小于或等于预设的康复效果评估指数下限值，则将该待观察患者的该次复查标记为非理想复查，筛选各待观察患者的各次非理想复查；
获取各待观察患者的非理想复查的总次数，将各待观察患者的非理想复查的总次数与预设的允许非理想复查次数上限值对比，若某待观察患者的非理想复查的总次数大于或等于预设的允许非理想复查次数上限值，则将该待观察患者标记为康复欠佳患者，进而筛选各康复欠佳患者。
优选地，所述对各康复欠佳患者的复查周期进行调整，其具体分析方法为：从各待观察患者的各次非理想复查中，提取各康复欠佳患者的各次非理想复查，进而获取各康复欠佳患者的各次非理想复查对应的康复效果评估指数；
将各康复欠佳患者的各次非理想复查对应的康复效果评估指数均值处理，得到各康复欠佳患者在非理想复查的平均康复效果评估指数；
从医院管理中心获取各康复效果区间对应的复查周期调整因子，并获取各康复效果区间的康复效果评估指数范围，将各康复欠佳患者在非理想复查的平均康复效果评估指数与各康复效果区间的康复效果评估指数范围对比，得到各康复欠佳患者的康复效果区间，进而得到各康复欠佳患者的复查周期调整因子；
将各康复欠佳患者的复查周期调整因子与复查周期相乘，得到各康复欠佳患者的更新复查周期。
本发明的有益效果在于：1、本发明在筛选糖尿病前期患者时，根据地区的年龄分布、饮食结构等对调查地区进行筛选，并根据调查地区内居民的身体特征，分析调查地区内居民的患病风险，保证糖尿病前期患者的筛选更加全面，有助于后续对糖尿病前期患者的治疗。
2、本发明为糖尿病前期患者制定治疗方案时，对糖尿病前期患者进行多次复查，根据糖尿病前期患者在复查时的血糖测试结果，分析糖尿病前期患者的康复效果，当糖尿病前期患者的治疗未达到预期效果，可以及时更换治疗方案，保证糖尿病前期患者的治疗进度，有利于糖尿病前期患者的身心健康。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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。
图1为本发明方法实施步骤流程示意图。
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。
参照图1所示，本发明提供一种糖尿病风险预测的方法，包括：步骤一、调查地区筛选：从web数据库获取各地区在历史各次调查对应居民的糖尿病发病率、饮食结构表、年龄分布表、睡眠时长，筛选各糖尿病高发地区，分析各糖尿病高发地区的居民非健康特征评估指数，筛选各待调查地区。
在本发明的一个具体实施例中，所述分析各糖尿病高发地区的居民非健康特征评估指数，其具体分析方法为：
将各地区在历史各次调查对应居民的糖尿病发病率进行均值处理，得到各地区的平均居民糖尿病发病率，将各地区的平均居民糖尿病发病率与设定的糖尿病发病率阈值对比，若某地区的平均居民糖尿病发病率大于或等于设定的糖尿病发病率阈值，则将该地区标记为糖尿病高发地区，进而筛选各糖尿病高发地区。
获取各糖尿病高发地区在历史各次调查对应居民的饮食结构表、年龄分布表、睡眠时长，其中/>表示各糖尿病高发地区的编号，/>，/>为大于2的任意整数，/>表示历史各次调查的编号，/>，/>为大于2的任意整数。
从各糖尿病高发地区在历史各次调查对应居民的饮食结构表和年龄分布表中分别提取高热量食物数量占比和中老年人数量占比/>，进而分析各糖尿病高发地区的居民非健康特征评估指数/>，其中/>表示调查的次数，/>表示调查的次数，/>表示标准睡眠时长，/>为高热量食物数量占比的权重因子，/>为中老年人数量占比的权重因子，/>为睡眠时长影响的权重因子，/>、/>、/>的取值范围均属于0到1。
需要说明的是，所述标准睡眠时长，其具体获取方法为：从web数据库获取健康人群的推荐睡眠时长，并将其标记为标准睡眠时长。
在本发明的另一个具体实施例中，所述筛选各待调查地区，其具体分析方法为：将各糖尿病高发地区的居民非健康特征评估指数进行均值处理，得到糖尿病高发地区的平均居民非健康特征评估指数。
对各地区进行调查，获取各地区当前的居民的饮食结构表、年龄分布表、睡眠时长，分析各地区当前的居民非健康特征评估指数，将各地区当前的居民非健康特征评估指数与糖尿病高发地区的平均居民非健康特征评估指数对比，若某地区当前的居民非健康特征评估指数大于或等于糖尿病高发地区的平均居民非健康特征评估指数，则将该地区标记为待调查地区，进而筛选各待调查地区。
所述分析各地区当前的居民非健康特征评估指数，其具体分析方法与分析各糖尿病高发地区的居民非健康特征评估指数一致。
步骤二、患病风险预测：由各待调查地区所属各居民填写线上调查问卷，获取各待调查地区所属各居民的基础信息，分析各待调查地区所属各居民的患病风险评估指数，筛选各糖尿病前期患者。
在本发明的一个具体实施例中，所述筛选各糖尿病前期患者，其具体分析方法为：从各待调查地区所属各居民的基础信息中提取身高、体重/>、年龄/>、血脂/>、血压，其中/>表示各调查地区的编号，/>，/>为大于2的任意整数，/>表示各居民的编号，/>，/>为大于2的任意整数。
分析各待调查地区所属各居民的身体质量指数。
从web数据库中获取居民的健康身体质量指数、糖尿病高发年龄区间、糖尿病患者血脂区间、糖尿病患者血压区间，获取糖尿病高发年龄区间对应的糖尿病高发年龄下限值/>，糖尿病患者血脂区间的下限值/>，糖尿病患者血压区间的下限值/>。
分析各待调查地区所属各居民的患病风险评估指数。
将各待调查地区所属各居民的患病风险评估指数与设定的患病风险评估指数阈值对比，若某待调查地区所属各居民的患病风险评估指数大于或等于设定的患病风险评估指数阈值，则将该调查地区所属该居民标记为糖尿病前期患者，筛选各调查地区所属各糖尿病前期患者，并进行整合，得到各糖尿病前期患者。
本发明在筛选糖尿病前期患者时，根据地区的年龄分布、饮食结构等对调查地区进行筛选，并根据调查地区内居民的身体特征，分析调查地区内居民的患病风险，保证糖尿病前期患者的筛选更加全面，有助于后续对糖尿病前期患者的治疗。
步骤三、血糖风险预测：对各糖尿病前期患者进行血糖测试，获取各糖尿病前期患者在空腹状态下的血糖浓度、饭后血糖浓度和糖化蛋白水平，分析各糖尿病前期患者的初始血糖风险评估指数。
在本发明的另一个具体实施例中，所述分析各糖尿病前期患者的初始血糖风险评估指数，其具体分析方法为：从web数据库获取健康人群的标准空腹状态下的血糖浓度区间、标准饭后血糖浓度区间、标准糖化蛋白水平区间，提取健康人群的标准空腹状态下的血糖浓度上限值、标准饭后血糖浓度上限值/>、标准糖化蛋白水平上限值/>。
根据各糖尿病前期患者在空腹状态下的血糖浓度、饭后血糖浓度/>和糖化蛋白水平/>，其中/>表示各糖尿病前期患者的编号，/>，/>为大于2的任意整数，分析各糖尿病前期患者的初始血糖风险评估指数/>。
步骤四、治疗方案制定：从医院管理中心获取各历史痊愈患者的治疗方案和初始血糖风险评估指数，分析各糖尿病前期患者的推荐治疗方案。
在本发明的一个具体实施例中，所述分析各糖尿病前期患者的推荐治疗方案，其具体分析方法为：将各糖尿病前期患者的初始血糖风险评估指数依次与各历史痊愈患者的初始血糖风险评估指数相减，并将结果取绝对值，得到各糖尿病前期患者与各历史痊愈患者的初始血糖风险评估指数差值。
将各糖尿病前期患者与各历史痊愈患者的初始血糖风险评估指数差值从小到大进行排序，提取各糖尿病前期患者对应排在首位的历史痊愈患者，标记为各糖尿病前期患者对应的匹配历史患者。
获取各糖尿病前期患者对应的匹配历史患者的治疗方案，并将其标记为各糖尿病前期患者的推荐治疗方案。
步骤五、患者优化管理：将各糖尿病前期患者按照规定的复查周期进行复查，分析各待观察患者在各次复查对应的康复效果评估指数，筛选各康复欠佳患者，分析各康复欠佳患者的优化治疗方案，并对各康复欠佳患者的复查周期进行调整。
需要说明的是，所述分析各康复欠佳患者的优化治疗方案，其具体分析方法同分析各糖尿病前期患者的推荐治疗方案一致。
在本发明的一个具体实施例中，所述筛选各痊愈患者和各待观察患者，其具体分析方法为：获取各糖尿病前期患者在各次复查对应的更新空腹状态下的血糖浓度、更新饭后血糖浓度、更新糖化蛋白水平；从各糖尿病前期患者在各次复查对应的更新空腹状态下的血糖浓度、更新饭后血糖浓度、更新糖化蛋白水平中提取各糖尿病前期患者对应当前的空腹状态下的血糖浓度、饭后血糖浓度、糖化蛋白水平；
将各糖尿病前期患者对应当前的空腹状态下的血糖浓度、饭后血糖浓度、糖化蛋白水平分别与健康人群的标准空腹状态下的血糖浓度上限值、标准饭后血糖浓度上限值、标准糖化蛋白水平上限值对比，若某糖尿病前期患者对应当前的空腹状态下的血糖浓度、饭后血糖浓度、糖化蛋白水平均分别低于健康人群的标准空腹状态下的血糖浓度上限值、标准饭后血糖浓度上限值、标准糖化蛋白水平上限值，则将该糖尿病前期患者标记为痊愈患者，反之，则标记为待观察患者，筛选各痊愈患者和各待观察患者，并停止对各痊愈患者复查。
在本发明的另一个具体实施例中，所述分析各待观察患者在各次复查对应的康复效果评估指数，其具体分析方法为：根据各糖尿病前期患者在各次复查对应的更新空腹状态下的血糖浓度、更新饭后血糖浓度、更新糖化蛋白水平，提取各待观察患者在各次复查对应的更新空腹状态下的血糖浓度、更新饭后血糖浓度、更新糖化蛋白水平；
分析各待观察患者在各次复查对应的更新血糖风险评估指数，其中/>表示各待观察的编号，/>，/>为大于2的任意整数，/>表示各次复查的编号，/>，/>为大于2的任意整数；
需要说明的是，所述分析各待观察在各次复查对应的更新血糖风险评估指数，其具体分析方法同分析各糖尿病前期患者的初始血糖风险评估指数一致。
基于各糖尿病前期患者的初始血糖风险评估指数，获取各待观察患者的初始血糖风险评估指数，分析各待观察患者在各次复查对应的康复效果评估指数，其中/>表示第/>个待观察患者在第/>次复查对应的更新血糖风险评估指数。
在本发明的另一个具体实施例中，所述筛选各康复欠佳患者，其具体筛选方法为：将各待观察患者在各次复查对应的康复效果评估指数与预设的康复效果评估指数下限值对比，若某待观察患者在某次复查对应的康复效果评估指数小于或等于预设的康复效果评估指数下限值，则将该待观察患者的该次复查标记为非理想复查，筛选各待观察患者的各次非理想复查；
获取各待观察患者的非理想复查的总次数，将各待观察患者的非理想复查的总次数与预设的允许非理想复查次数上限值对比，若某待观察患者的非理想复查的总次数大于或等于预设的允许非理想复查次数上限值，则将该待观察患者标记为康复欠佳患者，进而筛选各康复欠佳患者。
在本发明的另一个具体实施例中，所述对各康复欠佳患者的复查周期进行调整，其具体分析方法为：从各待观察患者的各次非理想复查中，提取各康复欠佳患者的各次非理想复查，进而获取各康复欠佳患者的各次非理想复查对应的康复效果评估指数；
将各康复欠佳患者的各次非理想复查对应的康复效果评估指数均值处理，得到各康复欠佳患者在非理想复查的平均康复效果评估指数；
从医院管理中心获取各康复效果区间对应的复查周期调整因子，并获取各康复效果区间的康复效果评估指数范围，将各康复欠佳患者在非理想复查的平均康复效果评估指数与各康复效果区间的康复效果评估指数范围对比，得到各康复欠佳患者的康复效果区间，进而得到各康复欠佳患者的复查周期调整因子；
将各康复欠佳患者的复查周期调整因子与复查周期相乘，得到各康复欠佳患者的更新复查周期。
本发明为糖尿病前期患者制定治疗方案时，对糖尿病前期患者进行多次复查，根据糖尿病前期患者在复查时的血糖测试结果，分析糖尿病前期患者的康复效果，当糖尿病前期患者的治疗未达到预期效果，可以及时更换治疗方案，保证糖尿病前期患者的治疗进度，有利于糖尿病前期患者的身心健康。
以上内容仅仅是对本发明的构思所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的构思或者超越本说明书所定义的范围，均应属于本发明的保护范围。
Claims (10)
1.一种糖尿病风险预测的方法，其特征在于，包括：
步骤一、调查地区筛选：从web数据库获取各地区在历史各次调查对应居民的糖尿病发病率、饮食结构表、年龄分布表、睡眠时长，筛选各糖尿病高发地区，分析各糖尿病高发地区的居民非健康特征评估指数，筛选各待调查地区；
步骤二、患病风险预测：由各待调查地区所属各居民填写线上调查问卷，获取各待调查地区所属各居民的基础信息，分析各待调查地区所属各居民的患病风险评估指数，筛选各糖尿病前期患者；
步骤三、血糖风险预测：对各糖尿病前期患者进行血糖测试，获取各糖尿病前期患者在空腹状态下的血糖浓度、饭后血糖浓度和糖化蛋白水平，分析各糖尿病前期患者的初始血糖风险评估指数；
步骤四、治疗方案制定：从医院管理中心获取各历史痊愈患者的治疗方案和初始血糖风险评估指数，分析各糖尿病前期患者的推荐治疗方案；
步骤五、患者优化管理：将各糖尿病前期患者按照规定的复查周期进行复查，筛选各痊愈患者和各待观察患者，分析各待观察患者在各次复查对应的康复效果评估指数，筛选各康复欠佳患者，分析各康复欠佳患者的优化治疗方案，并对各康复欠佳患者的复查周期进行调整。
2.根据权利要求1所述的一种糖尿病风险预测的方法，其特征在于，所述分析各糖尿病高发地区的居民非健康特征评估指数，其具体分析方法为：
将各地区在历史各次调查对应居民的糖尿病发病率进行均值处理，得到各地区的平均居民糖尿病发病率，将各地区的平均居民糖尿病发病率与设定的糖尿病发病率阈值对比，若某地区的平均居民糖尿病发病率大于或等于设定的糖尿病发病率阈值，则将该地区标记为糖尿病高发地区，进而筛选各糖尿病高发地区；
获取各糖尿病高发地区在历史各次调查对应居民的饮食结构表、年龄分布表、睡眠时长，其中/>表示各糖尿病高发地区的编号，/>，/>为大于2的任意整数，/>表示历史各次调查的编号，/>，/>为大于2的任意整数；
从各糖尿病高发地区在历史各次调查对应居民的饮食结构表和年龄分布表中分别提取高热量食物数量占比和中老年人数量占比/>，进而分析各糖尿病高发地区的居民非健康特征评估指数/>，其中/>表示调查的次数，/>表示调查的次数，/>表示标准睡眠时长，/>为高热量食物数量占比的权重因子，/>为中老年人数量占比的权重因子，/>为睡眠时长影响的权重因子，/>、/>、/>的取值范围均属于0到1。
3.根据权利要求2所述的一种糖尿病风险预测的方法，其特征在于，所述筛选各待调查地区，其具体分析方法为：
将各糖尿病高发地区的居民非健康特征评估指数进行均值处理，得到糖尿病高发地区的平均居民非健康特征评估指数；
对各地区进行调查，获取各地区当前的居民的饮食结构表、年龄分布表、睡眠时长，分析各地区当前的居民非健康特征评估指数，将各地区当前的居民非健康特征评估指数与糖尿病高发地区的平均居民非健康特征评估指数对比，若某地区当前的居民非健康特征评估指数大于或等于糖尿病高发地区的平均居民非健康特征评估指数，则将该地区标记为待调查地区，进而筛选各待调查地区。
4.根据权利要求1所述的一种糖尿病风险预测的方法，其特征在于，所述筛选各糖尿病前期患者，其具体分析方法为：
从各待调查地区所属各居民的基础信息中提取身高、体重/>、年龄/>、血脂/>、血压/>，其中/>表示各调查地区的编号，/>，/>为大于2的任意整数，/>表示各居民的编号，/>，/>为大于2的任意整数；
分析各待调查地区所属各居民的身体质量指数；
从web数据库中获取居民的健康身体质量指数、糖尿病高发年龄区间、糖尿病患者血脂区间、糖尿病患者血压区间，获取糖尿病高发年龄区间对应的糖尿病高发年龄下限值，糖尿病患者血脂区间的下限值/>，糖尿病患者血压区间的下限值/>；
分析各待调查地区所属各居民的患病风险评估指数；
将各待调查地区所属各居民的患病风险评估指数与设定的患病风险评估指数阈值对比，若某待调查地区所属各居民的患病风险评估指数大于或等于设定的患病风险评估指数阈值，则将该调查地区所属该居民标记为糖尿病前期患者，筛选各调查地区所属各糖尿病前期患者，并进行整合，得到各糖尿病前期患者。
5.根据权利要求4所述的一种糖尿病风险预测的方法，其特征在于，所述分析各糖尿病前期患者的初始血糖风险评估指数，其具体分析方法为：
从web数据库获取健康人群的标准空腹状态下的血糖浓度区间、标准饭后血糖浓度区间、标准糖化蛋白水平区间，提取健康人群的标准空腹状态下的血糖浓度上限值、标准饭后血糖浓度上限值/>、标准糖化蛋白水平上限值/>；
根据各糖尿病前期患者在空腹状态下的血糖浓度、饭后血糖浓度/>和糖化蛋白水平，其中/>表示各糖尿病前期患者的编号，/>，/>为大于2的任意整数，分析各糖尿病前期患者的初始血糖风险评估指数/>。
6.根据权利要求1所述的一种糖尿病风险预测的方法，其特征在于，所述分析各糖尿病前期患者的推荐治疗方案，其具体分析方法为：
将各糖尿病前期患者的初始血糖风险评估指数依次与各历史痊愈患者的初始血糖风险评估指数相减，并将结果取绝对值，得到各糖尿病前期患者与各历史痊愈患者的初始血糖风险评估指数差值；
将各糖尿病前期患者与各历史痊愈患者的初始血糖风险评估指数差值从小到大进行排序，提取各糖尿病前期患者对应排在首位的历史痊愈患者，标记为各糖尿病前期患者对应的匹配历史患者；
获取各糖尿病前期患者对应的匹配历史患者的治疗方案，并将其标记为各糖尿病前期患者的推荐治疗方案。
7.根据权利要求1所述的一种糖尿病风险预测的方法，其特征在于，所述筛选各痊愈患者和各待观察患者，其具体分析方法为：
获取各糖尿病前期患者在各次复查对应的更新空腹状态下的血糖浓度、更新饭后血糖浓度、更新糖化蛋白水平；从各糖尿病前期患者在各次复查对应的更新空腹状态下的血糖浓度、更新饭后血糖浓度、更新糖化蛋白水平中提取各糖尿病前期患者对应当前的空腹状态下的血糖浓度、饭后血糖浓度、糖化蛋白水平；
将各糖尿病前期患者对应当前的空腹状态下的血糖浓度、饭后血糖浓度、糖化蛋白水平分别与健康人群的标准空腹状态下的血糖浓度上限值、标准饭后血糖浓度上限值、标准糖化蛋白水平上限值对比，若某糖尿病前期患者对应当前的空腹状态下的血糖浓度、饭后血糖浓度、糖化蛋白水平均分别低于健康人群的标准空腹状态下的血糖浓度上限值、标准饭后血糖浓度上限值、标准糖化蛋白水平上限值，则将该糖尿病前期患者标记为痊愈患者，反之，则标记为待观察患者，筛选各痊愈患者和各待观察患者，并停止对各痊愈患者复查。
8.根据权利要求1所述的一种糖尿病风险预测的方法，其特征在于，所述分析各待观察患者在各次复查对应的康复效果评估指数，其具体分析方法为：
根据各糖尿病前期患者在各次复查对应的更新空腹状态下的血糖浓度、更新饭后血糖浓度、更新糖化蛋白水平，提取各待观察患者在各次复查对应的更新空腹状态下的血糖浓度、更新饭后血糖浓度、更新糖化蛋白水平；
分析各待观察患者在各次复查对应的更新血糖风险评估指数，其中/>表示各待观察的编号，/>，/>为大于2的任意整数，/>表示各次复查的编号，/>，/>为大于2的任意整数；
基于各糖尿病前期患者的初始血糖风险评估指数，获取各待观察患者的初始血糖风险评估指数，分析各待观察患者在各次复查对应的康复效果评估指数，其中/>表示第/>个待观察患者在第/>次复查对应的更新血糖风险评估指数。
9.根据权利要求1所述的一种糖尿病风险预测的方法，其特征在于，所述筛选各康复欠佳患者，其具体筛选方法为：
将各待观察患者在各次复查对应的康复效果评估指数与预设的康复效果评估指数下限值对比，若某待观察患者在某次复查对应的康复效果评估指数小于或等于预设的康复效果评估指数下限值，则将该待观察患者的该次复查标记为非理想复查，筛选各待观察患者的各次非理想复查；
获取各待观察患者的非理想复查的总次数，将各待观察患者的非理想复查的总次数与预设的允许非理想复查次数上限值对比，若某待观察患者的非理想复查的总次数大于或等于预设的允许非理想复查次数上限值，则将该待观察患者标记为康复欠佳患者，进而筛选各康复欠佳患者。
10.根据权利要求9所述的一种糖尿病风险预测的方法，其特征在于，所述对各康复欠佳患者的复查周期进行调整，其具体分析方法为：
从各待观察患者的各次非理想复查中，提取各康复欠佳患者的各次非理想复查，进而获取各康复欠佳患者的各次非理想复查对应的康复效果评估指数；
将各康复欠佳患者的各次非理想复查对应的康复效果评估指数均值处理，得到各康复欠佳患者在非理想复查的平均康复效果评估指数；
从医院管理中心获取各康复效果区间对应的复查周期调整因子，并获取各康复效果区间的康复效果评估指数范围，将各康复欠佳患者在非理想复查的平均康复效果评估指数与各康复效果区间的康复效果评估指数范围对比，得到各康复欠佳患者的康复效果区间，进而得到各康复欠佳患者的复查周期调整因子；
将各康复欠佳患者的复查周期调整因子与复查周期相乘，得到各康复欠佳患者的更新复查周期。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410432029.0A CN118039168A (zh) | 2024-04-11 | 2024-04-11 | 一种糖尿病风险预测的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410432029.0A CN118039168A (zh) | 2024-04-11 | 2024-04-11 | 一种糖尿病风险预测的方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN118039168A true CN118039168A (zh) | 2024-05-14 |
Family
ID=91002705
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410432029.0A Pending CN118039168A (zh) | 2024-04-11 | 2024-04-11 | 一种糖尿病风险预测的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN118039168A (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103198211A (zh) * | 2013-03-08 | 2013-07-10 | 北京理工大学 | 2型糖尿病发病危险因素对血糖影响的定量分析方法 |
| CN110718302A (zh) * | 2019-10-22 | 2020-01-21 | 江苏健康无忧网络科技有限公司 | 一种基于大数据的糖尿病管理路径的系统 |
| CN112117004A (zh) * | 2020-09-18 | 2020-12-22 | 清数健康医疗数据科学研究院(南京)有限公司 | 一种基于多源医学数据的糖尿病风险预测模型 |
| CN113903450A (zh) * | 2021-09-13 | 2022-01-07 | 吾征智能技术(北京)有限公司 | 一种2型糖尿病风险预测模型的构建系统 |
| CN114400095A (zh) * | 2022-01-17 | 2022-04-26 | 中国科学院合肥物质科学研究院 | 一种基于个体健康状态的家庭医生差异化签约服务系统 |
| CN114783606A (zh) * | 2022-04-28 | 2022-07-22 | 北京大学 | 一种易于推广应用的心血管病发病风险预测方法 |
| CN117253612A (zh) * | 2023-10-09 | 2023-12-19 | 吉林大学 | 一种基于评分模型的居民膳食质量及慢性病风险状况评价方法 |
| RU2809905C1 (ru) * | 2023-07-14 | 2023-12-19 | Федеральное государственное бюджетное образовательное учреждение высшего образования "Курский государственный медицинский университет" Министерства здравоохранения Российской Федерации | Способ прогнозирования риска развития диабетической дистальной полинейропатии у жителей Центральной России с сахарным диабетом 2 типа на основе генотипирования полиморфизма rs1043618 гена HSPA1A |
| CN117854743A (zh) * | 2024-01-31 | 2024-04-09 | 深圳市宝安区人民医院 | 一种基于大数据的肿瘤患者康复情况跟踪分析系统 |
-
2024
- 2024-04-11 CN CN202410432029.0A patent/CN118039168A/zh active Pending
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103198211A (zh) * | 2013-03-08 | 2013-07-10 | 北京理工大学 | 2型糖尿病发病危险因素对血糖影响的定量分析方法 |
| CN110718302A (zh) * | 2019-10-22 | 2020-01-21 | 江苏健康无忧网络科技有限公司 | 一种基于大数据的糖尿病管理路径的系统 |
| CN112117004A (zh) * | 2020-09-18 | 2020-12-22 | 清数健康医疗数据科学研究院(南京)有限公司 | 一种基于多源医学数据的糖尿病风险预测模型 |
| CN113903450A (zh) * | 2021-09-13 | 2022-01-07 | 吾征智能技术(北京)有限公司 | 一种2型糖尿病风险预测模型的构建系统 |
| CN114400095A (zh) * | 2022-01-17 | 2022-04-26 | 中国科学院合肥物质科学研究院 | 一种基于个体健康状态的家庭医生差异化签约服务系统 |
| CN114783606A (zh) * | 2022-04-28 | 2022-07-22 | 北京大学 | 一种易于推广应用的心血管病发病风险预测方法 |
| RU2809905C1 (ru) * | 2023-07-14 | 2023-12-19 | Федеральное государственное бюджетное образовательное учреждение высшего образования "Курский государственный медицинский университет" Министерства здравоохранения Российской Федерации | Способ прогнозирования риска развития диабетической дистальной полинейропатии у жителей Центральной России с сахарным диабетом 2 типа на основе генотипирования полиморфизма rs1043618 гена HSPA1A |
| CN117253612A (zh) * | 2023-10-09 | 2023-12-19 | 吉林大学 | 一种基于评分模型的居民膳食质量及慢性病风险状况评价方法 |
| CN117854743A (zh) * | 2024-01-31 | 2024-04-09 | 深圳市宝安区人民医院 | 一种基于大数据的肿瘤患者康复情况跟踪分析系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Olinto et al. | Waist circumference as a determinant of hypertension and diabetes in Brazilian women: a population-based study | |
| Rajpathak et al. | Toenail selenium and cardiovascular disease in men with diabetes | |
| Iwao et al. | Does waist circumference add to the predictive power of the body mass index for coronary risk? | |
| Dirmaier et al. | Diabetes in primary care: prospective associations between depression, nonadherence and glycemic control | |
| Seplaki et al. | Measurement of cumulative physiological dysregulation in an older population | |
| US20040162678A1 (en) | Method of screening for disorders of glucose metabolism | |
| Väätäinen et al. | Quality of life along the diabetes continuum: a cross-sectional view of health-related quality of life and general health status in middle-aged and older Finns | |
| Yu et al. | Shift work is associated with metabolic syndrome in young female Korean workers | |
| Lin et al. | The relationship between nutritional status and physical function, admission frequency, length of hospital stay, and mortality in old people living in long-term care facilities | |
| Ozemek et al. | Maximal heart rate declines linearly with age independent of cardiorespiratory fitness levels | |
| Landy et al. | Aggregating traditional cardiovascular disease risk factors to assess the cardiometabolic health of childhood cancer survivors: an analysis from the Cardiac Risk Factors in Childhood Cancer Survivors Study | |
| Golden et al. | Salivary cortisol protocol adherence and reliability by socio-demographic features: the Multi-Ethnic Study of Atherosclerosis | |
| Belcher et al. | Self-reported versus accelerometer-measured physical activity and biomarkers among NHANES youth | |
| Kynde et al. | Intake of total dietary sugar and fibre is associated with insulin resistance among Danish 8–10-and 14–16-year-old girls but not boys. European Youth Heart Studies I and II | |
| McBean et al. | Racial variation in the control of diabetes among elderly Medicare managed care beneficiaries | |
| Sajid et al. | Associated factors of cardiovascular diseases in Pakistan: Assessment of path analyses using warp partial least squares estimation | |
| Mielke et al. | Associations between device-measured physical activity and cardiometabolic health in the transition to early adulthood | |
| Reina et al. | Metabolic syndrome in hispanic youth: results from the Hispanic Community Children's Health Study/Study of Latino Youth | |
| Husted et al. | A model for estimating biological age from physiological biomarkers of healthy aging: Cross-sectional study | |
| Montano | Depressive symptoms and blood pressure | |
| Matabuena et al. | Reproducibility of continuous glucose monitoring results under real-life conditions in an adult population: a functional data analysis | |
| Coleone et al. | Dietary intake and health status of elderly patients with type 2 diabetes mellitus: cross-sectional study using a mobile app in primary care | |
| Moura et al. | Aerobic exercise did not have compensatory effects on physical activity levels in type 2 diabetes patients | |
| CN118039168A (zh) | 一种糖尿病风险预测的方法 | |
| Kuzawa et al. | Ankle brachial index (ABI) in a cohort of older women in the Philippines: Prevalence of peripheral artery disease and predictors of ABI |
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 |