TWI717579B - 提升衛教建議準確性的系統與方法 - Google Patents

Abstract

本案提供一種提升衛教建議準確性的系統與方法。在至少一些實施例中，可使用衛教建議產生系統來提升衛教建議準確性，其中衛教建議產生系統可包含健康風險評估模組、健康風險計畫問卷分析模組、衛教建議回饋模組、與使用者回饋及系統學習模組。衛教建議回饋模組可根據健康風險評估模組所產生的健康風險分級的結果及健康風險計畫問卷分析模組所產生的風險計畫分數等級來產生一衛教建議。使用者回饋及系統學習模組可基於使用者的評分結果來提升該衛教建議之準確性。

Description

提升衛教建議準確性的系統與方法

本發明係關於一種提升衛教建議準確性的技術，特別是指一種利用衛教建議產生演算法來提升衛教建議準確性的系統與方法。

隨著時代進步，現在的人可以使用各式各樣的軟硬體醫療資源(如：醫院、診所、醫療設備、醫療手術、及治療藥物等)。雖然豐富的醫療資源讓現在的人越來越長壽，然而也因為存在太多醫療資源，使得人們在罹患疾病、或是想要尋求醫療建議(衛教建議)時，不知道如何找尋適合自己的醫療資源及衛教建議。

傳統上，醫務人員會與想要尋求衛教建議的人們(如：病患、健檢者等)面對面溝通以了解人們的健康狀況，之後再依據自身的衛教知識及醫療經驗提出各種適合的衛教建議。雖然面對面的溝通方式可以讓人們迅速地獲得衛教建議，然而這樣的方式亦需要大量醫務人員的參與，才能滿足越來越多人們想要獲得衛教建議的需求。如此一來，對於人力吃緊的小醫院或診所而言，無疑是雪上加霜。

另一方面，由於每位醫務人員的衛教知識及醫療經驗都不同，因此常會衍生同一個人向不同醫務人員提出衛教諮詢後，獲得內容不同，甚至是差異極大的衛教建議。這樣，不僅容易造成人們在尋求衛教建議時的困擾，亦使人無所適從。

鑑於前述問題，著實有必要發展智能型的衛教建議產生系統，使其能根據人們不同的身心狀態來提供個別適用的衛教建議，而且亦能隨著時間與使用經驗的累積來提升衛教建議的準確性，藉此提供人們更好的衛教建議諮詢體驗及更精準的衛教建議。

鑑於先前技術所存在的問題，本發明揭示了提升衛教建議準確性的系統與方法。相較於先前技術，本發明一實施例揭示了智能型的衛教建議產生系統，其能主動對於使用者進行健康風險分級及計算風險計畫分數等級，然後提供適合不同使用者的衛教建議，以提升使用者在衛教諮詢時的體驗及更精準的衛教建議。

本發明之一實施例提供了一種提升衛教建議準確性的系統，包含：一健康風險評估模組，其針對一或多個使用者的健檢資料計算出健康風險分數，以根據該健康風險分數對該一或多個使用者進行健康風險分級；一健康風險計畫問卷分析模組，其產生風險計畫問卷以供該一或多個使用者進行填寫，進而針對填寫完的該風險計畫問卷進行分析以計算風險計畫分數等級；一衛教建議回饋模組，其根 據該健康風險分級的結果及該風險計畫分數等級以產生一第一衛教建議；及一使用者回饋及系統學習模組，其將該第一衛教建議與醫護人員針對該一或多個使用者所提出的一第二衛教建議整合成一衛教建議回饋評分表，以將該衛教建議回饋評分表提供給該一或多個使用者進行評分；其中，待該一或多個使用者完成評分後，該使用者回饋及系統學習模組會基於該一或多個使用者的評分結果來產生一第三衛教建議。

在另一實施例中，提升衛教建議準確性的系統更包含採用一雙因子認證機制的一登入模組，其中，若該醫護人員通過該雙因子認證機制，則該登入模組允許該醫護人員登入該系統，而若該醫護人員未能通過該雙因子認證機制，則該登入模組拒絕該醫護人員登入該系統。

在另一實施例中，該雙因子認證機制係由以下中之二者所組成：自然人憑證、員工通行碼、指紋、驗證碼、及行動電話簡訊。

在另一實施例中，該健康風險評估模組係與一使用者操作介面進行通訊，且該使用者操作介面提供該醫護人員輸入所欲查詢的至少一疾病種類。

在另一實施例中，該健康風險評估模組係基於該至少一疾病種類，以針對該一或多個使用者的健檢資料計算出與該至少一疾病種類相關的健康風險分數，再根據與該至少一疾病種類相關的健康風險分數來對該一或多個使用者進行健康風險分級。

在另一實施例中，該健康風險計畫問卷分析模組係與一使用者操作介面進行通訊，且該使用者操作介面提供該醫護人員輸入與該一或多個使用者相關的條件，然後該健康風險計畫問卷分析模組再根據該等條件產生風險計畫問卷。

在另一實施例中，該衛教建議回饋模組除了根據該健康風險分級的結果及該風險計畫分數等級外，更基於該一或多個使用者的不同條件來產生該第一衛教建議。

在另一實施例中，該醫護人員針對該一或多個使用者所提出的該第二衛教建議係根據該醫護人員與該一或多個使用者進行溝通諮詢時的臨場評估所產生。

在另一實施例中，該使用者回饋及系統學習模組係將該一或多個使用者的評分結果進行分數排序，以產生該第三衛教建議。

本發明之又一實施例提供了一種提升衛教建議準確性的方法，包含以下步驟：基於一或多個使用者的健檢資料以對該一或多個使用者進行健康風險分級，並根據該一或多個使用者所填寫的風險計畫問卷來計算風險計畫分數等級；根據該健康風險分級的結果及該風險計畫分數等級來產生一第一衛教建議；將該第一衛教建議與醫護人員針對該一或多個使用者所提出的一第二衛教建議整合成一衛教建議回饋評分表，以將該衛教建議回饋評分表提供給該一或多個使用者進行評分；及待該一或多個使用者完成評分後，基於該一或多個使用者的評分結果來產生一第三衛教 建議。

應理解，以上描述的標的可實施為電腦控制的設備、電腦程式、計算系統，或其製品，諸如，電腦可讀取儲存媒體。此等及各種其他特徵將從閱讀以下「實施方式」及審閱相關圖式變得顯而易見。

提供此「發明內容」以簡化形式介紹概念的選擇，該等概念在以下「實施方式」中進一步描述。此「發明內容」並非意欲識別所主張的標的之關鍵特徵或基本特徵，亦不意欲將此「發明內容」用於限制所主張的標的之範圍。此外，所主張的標的不受限於解決此揭示案中的任何部分中提及的任何或所有缺點的實施方式。

100:衛教建議產生系統

110:人事資料庫

120:健檢資料庫

140:健康風險評估模組

150:健康風險計畫問卷分析模組

160:衛教建議回饋模組

170:使用者回饋及系統學習模組

180:使用者操作介面

190:被關懷對象

200:中高風險族群資料庫

S141~S145:步驟

S151~S153:步驟

S610~S640:步驟

第1圖為本發明之衛教建議產生系統的架構示意圖；第2A圖為本發明之一實施例的健康風險評估模組之操作環境示意圖；第2B圖為本發明之一實施例的健康風險評估流程圖；第3A圖為本發明之一實施例的健康風險計畫問卷分析模組之操作環境示意圖；第3B圖為本發明之一實施例的健康風險計畫問卷分析流程圖；第4圖為本發明之一實施例的衛教建議回饋模組之操作環境示意圖；第5圖為本發明之一實施例的使用者回饋及系統學習模組之操作環境示意圖；及 第6圖為本發明之一實施例的衛教建議產生流程圖。

以下實施方式係針對提升衛教建議準確性的概念及技術。根據本文描述的概念及技術，計算裝置可執行提升衛教建議準確性的演算法、步驟、及流程。

雖然本文描述的標的呈現在與電腦系統上的作業系統及應用程式的執行一同執行的一般情境中，但熟習此項技術者將瞭解其他實施方式亦可以其他方式來執行。一般而言，模組可以依軟體、硬體、及韌體的方式來實施，包括但不限於系統、裝置、常式、程式、元件、資料結構及執行特定任務或實施特定抽象資料類型之其他類型的結構。

在以下實施方式中，參閱隨附圖式，該等圖式形成實施方式的一部分，及在該等圖式中藉由圖示顯示具體實施例或實例。現在參閱圖式，在該等圖式中，相同元件符號貫穿數個圖代表相同元件，將呈現用於提升衛教建議準確性的方法、系統、及電腦儲存媒體的態樣。

現在參閱第1圖，其係本發明之衛教建議產生系統的架構示意圖。其中，衛教建議產生系統100可包含健康風險評估模組140、健康風險計畫問卷分析模組150、衛教建議回饋模組160、及使用者回饋及系統學習模組170。

此外，衛教建議產生系統100可與人事資料庫110及健檢資料庫120進行通訊，並分別自人事資料庫110及健檢資料庫120接收使用者的人事資料及健檢資料。應注意 的是，使用者包含但不限於健檢者與被關懷對象(即，健檢者中較容易罹患疾病者)。

而且，衛教建議產生系統100亦可經配置以從使用者操作介面180接收操作者(如：健康管理師、護理師、醫師等醫護人員)的輸入，例如：針對使用者的人事資料及健檢資料相關欄位的輸入或選擇，包含但不限於使用者參與健檢的年度、使用者的單位組織、性別、年齡、職稱、及健檢疾病種類中之一者或多者。另外，衛教建議產生系統100亦可經配置以將相關訊息傳送給被關懷對象190、或讓操作者與被關懷對象190進行溝通諮詢。

在一實施例中，當醫療單位(如：醫院、診所、健檢中心等)對使用者完成健康檢查並收集使用者的相關人事資料(如；姓名、年齡、住址等)後，會將健檢資料儲存在健檢資料庫120，而將人事資料儲存在人事資料庫110，以利於醫療單位後續的資料分析及管理流程。

另外，衛教建議產生系統100的操作者可藉由登入衛教建議產生系統100，來存取人事資料庫110及健檢資料庫120上的資料。

進一步地，操作者可使用衛教建議產生系統100中的健康風險評估模組140、健康風險計畫問卷分析模組150、及衛教建議回饋模組160來對該些資料進行分析與歸類，並依不同使用者其不同的身心狀態，提供不同的衛教建議，例如：如何改善體質、增強免疫力、減少疾病感染等。

之後，亦可藉由使用者回饋及系統學習模組170來收 集使用者對於衛教建議的回饋訊息，並根據回饋訊息來進一步學習、修正衛教建議，俾利後續產生更符合健檢者身心狀態的衛教建議。

在一實施例中，為了使未授權或不相關人員無法輕易獲取使用者的健檢資料及個人資料，衛教建議產生系統100可包含採用雙因子認證登入機制的一登入模組(未圖示)。藉由雙因子認證機制，想要登入衛教建議產生系統100的人必須通過雙因子認證(例如：自然人憑證、員工通行碼、指紋、驗證碼、行動電話簡訊等)，才能登入衛教建議產生系統100。如此，醫療單位對於登入者的身分可以比較好進行管控，同時亦可降低使用者個資外洩的風險。

以下，對於衛教建議產生系統100中各模組的示例性操作方式將在以下論述。

請參看第2A圖，其係本發明之一實施例的健康風險評估模組之操作環境示意圖。

首先，操作者在登入衛教建議產生系統100後，可透過健康風險評估模組140來計算使用者的健康風險等級，以便對使用者的健康風險進行評估。

在一實施例中，待操作者成功登入衛教建議產生系統100後，其可透過使用者操作介面180來選擇進行健康風險評估之使用者的相關查詢條件，包含但不限於使用者的受檢年度、單位組織、性別、年齡、職位、疾病種類中之一者或多者。

本領域具通常知識者應瞭解，前述操作者所選取的查 詢條件可視實際健康分析需求而有所改變，且查詢的疾病種類也可視醫療單位當時的健康方案而多樣化。作為示例而非限制地，查詢的疾病種類可包含代謝症候群、糖尿病、冠心病、高血壓、心臟病等。

另外，當操作者選取完查詢條件後，健康風險評估模組140可根據操作者所選取的查詢條件自使用者健檢資料庫120中獲取使用者的健檢資料，並基於所獲取的健檢資料來計算出使用者可能的風險分數。之後，健康風險評估模組140可再根據計算出的疾病風險分數來對使用者進行健康風險分級，以對於使用者的健康風險進行評估。

以下請參閱第2B圖，其係本發明之一實施例的健康風險評估流程圖。

首先，在步驟S141中，健康風險評估模組140可依據操作者所選取的查詢條件(如：疾病種類)來從使用者健檢資料庫120中獲取使用者健檢資料中與查詢條件相關的部分。

在一實施例中，當操作者欲針對特定使用者(如：王小明)進行是否容易罹患某種疾病代謝症候群的健康風險評估時，其在使用者操作介面180上所輸入或選取的查詢條件為“疾病種類：代謝症候群”。此時，健康風險評估模組140會自使用者健檢資料庫120中取得王小明的健檢資料中與代謝症候群相關的部分。

舉例而言，健康風險評估模組140分析與查詢條件“疾病種類：代謝症候群”相關的健檢資料可為使用者的腰 圍、血壓、空腹血糖值、三酸甘油酯、高密度脂蛋白膽固醇等數值等。進一步地，健康風險評估模組140可自使用者健檢資料庫120取得如表格1所示的健檢資料。

接著，在步驟S142中，健康風險評估模組140會選擇適合的風險分數計算公式，以便後續將與查詢條件相關的使用者健檢資料部分換算為健康風險分數。

以前述王小明是否容易罹患代謝症候群的健康風險評估為例，健康風險評估模組140在取得王小明的相關健檢資料後，隨即會選擇可計算出代謝症候群風險分數的計算公式，如以下所示的代謝症候群風險分數計算公式S。

其中，S：代謝症候群風險分數；f₁(x)：腰圍數值轉換成分數；f₂(x)：血壓數值轉換成分數；f₃(x)：空腹血糖值數值轉換成分數；f₄(x)：三酸甘油酯數值轉換成分數；f₅(x)：高密度脂蛋白膽固醇數值轉換成分數；及x：與代謝症候群有關的數值，如：腰圍數值、血壓數值、空腹血糖值等。

爾後，在步驟S143中，健康風險評估模組140可利用選出的風險分數計算公式，來將與查詢條件相關的使用者健檢資料換算為健康風險分數。

舉例而言，當健康風險評估模組140選取代謝症候群風險分數計算公式S後，即可利用風險分數計算公式S將表格1中的健檢資料換算為健康風險分數。例如：由表格1得知王小明的腰圍數值係為A，而在使用f₁(x)將腰圍數值轉換成分數的過程中，發現腰圍數值為A(即，x=A)所對應的分數係為2，因此使用f₁(x)將腰圍數值轉換出來的分數即為2。

各項健檢資料換算為健康風險分數及代謝症候群風險分數詳細換算細節如下所示：

接下來，在步驟S144中，健康風險評估模組140會選擇健康風險分級演算法，以供後續對計算出的健康風險分數進行健康風險分級。

在一實施例中，當操作者不僅想瞭解王小明是否容易罹患代謝症候群，而且操作者亦想對王小明是否也容易罹患其他疾病(例如：糖尿病、冠心病等)有整體健康風險評估時，則健康風險評估模組140所選取的健康風險分級演算法必須同時考量到代謝症候群、糖尿病、冠心病，才能使最後的健康風險評估結果更為準確。

舉例而言，健康風險評估模組140可選取如下的健康風險分級演算法L，其除了考量將代謝症候群風險分數及糖尿病風險分數轉換為等級外，亦涵蓋將不同性別使用者 的冠心病風險分數轉換為等級之公式。

其中，L：健康風險等級；f₀(y)：代謝症候群風險分 數轉換為等級；f₁(y)：糖尿病風險分數轉換為等級；f₂₁(y)：冠心病(男性)風險分數轉換為等級；f₂₂(y)：冠心病(女性)風險分數轉換為等級；及y：不同種類疾病的健康風險分數。

最後，在步驟S145中，健康風險評估模組140將健康風險分級演算法應用於不同疾病的健康風險分數，以計算出健康風險等級。

在一實施例中，健康風險評估模組140係以使用者可能會罹患之不同疾病中任一疾病所能達到的最高級別設定為健康風險等級。

以另一男性使用者-李大華為例，假使在步驟S143中計算出李大華的代謝症候群風險分數為10分，而計算出的李大華之糖尿病及冠心病風險分數分別為9分與11分。

由於李大華是男性而非女性，因此可以得知算出來李大華的冠心病11分係為冠心病(男性)風險分數，而非冠心病(女性)風險分數(因李大華不是女性，所以本項分數為0分)。

接著，健康風險評估模組140可以將健康風險分級演算法應用於李大華的不同疾病風險分數上，以計算出健康風險等級，詳細計算方式如下所示：

接下來，請參看第3A圖，其係本發明之一實施例的 健康風險計畫問卷分析模組之操作環境示意圖。

當操作者(健康管理師、護理師、醫師等醫護人員)登入衛教建議產生系統100後，可透過使用者操作介面180來選擇一個或多個與使用者相關的條件(如：使用者參與健檢的年度、使用者的單位組織、性別、年齡、職稱、及健檢疾病種類等)，以針對不同健康族群的使用者設計不同的風險計畫問卷。

當操作者設計完風險計畫問卷後，可經由健康風險計畫問卷分析模組150通知使用者來填寫風險計畫問卷。其中，風險計畫問卷的種類包括但不限於滿足職安法要求的預防過負荷危害、職場不法侵害預防管理、女性勞工母性健康保護、人因性危害等各類風險計畫問卷。本領域具通常知識者應瞭解，風險計畫問卷的種類可視實際健康風險計畫問卷管理需求或醫療方案需求而所有變化。

在使用者填寫完風險計畫問卷後，健康風險計畫問卷分析模組150會針對風險計畫問卷的內容進行分析，藉此計算出風險計畫分數等級。

以下請參閱第3B圖，其係本發明之一實施例的健康風險計畫問卷分析流程圖。

在步驟S151中，健康風險計畫問卷分析模組150可自使用者所填寫的風險計畫問卷中擷取各風險計畫的風險分數。

在一實施例中，健康風險計畫問卷分析模組150可自使用者所填寫之職安法要求的預防過負荷危害、職場不法 侵害預防管理、女性勞工母性健康保護、及人因性危害風險計畫問卷中擷取各風險計畫的風險分數。

舉例而言，健康風險計畫問卷分析模組150所擷取到使用者-李小紅的風險計畫之風險分數分別為：預防過負荷危害為3分、職場不法侵害預防管理為2分、女性勞工母性健康保護為1分、人因性危害為1分。

接著，在步驟S152中，健康風險計畫問卷分析模組150會選擇適合的風險計畫分數等級演算法，以供後續對風險計畫分數進行分級。

舉例而言，健康風險計畫問卷分析模組150可選擇如下涵蓋預防過負荷危害、職場不法侵害預防管理、女性勞工母性健康保護、及人因性危害風險計畫的風險計畫分數等級演算法G。

其中，G：風險計畫分數等級；f1(x)：預防過負荷危害問卷分數轉換之等級；f2(x)：職場不法侵害預防管理問卷分數轉換之等級；f3(x)：女性勞工母性健康保護問卷分數轉換之等級；f4(x)：人因性危害問卷分數轉換之等級；及x：各風險之風險計畫分數。

最後，在步驟S153中，健康風險計畫問卷分析模組 150會把選出的風險計畫分數等級演算法應用於風險計畫的風險分數，以計算出風險計畫分數等級。

在一實施例中，健康風險計畫問卷分析模組150係將任一風險計畫問卷之風險分數所達到的最高級別設定為風險計畫分數等級。

以前述李小紅為例，其預防過負荷危害之風險分數為3分、職場不法侵害預防管理之風險分數為2分、女性勞工母性健康保護之風險分數為1分、人因性危害之風險分數為1分，則其風險計畫分數等級的計算如下所示：

接下來，請參看第4圖，其係本發明之一實施例的衛教建議回饋模組之操作環境示意圖。

首先，衛教建議回饋模組160可以依據使用者的不同條件(如：性別、年齡等)，並基於健康風險評估模組140針對使用者所評估的健康風險分級結果及健康風險計畫問卷分析模組150所分析出的風險計畫分數等級來產生提供給使用者的衛教建議。

作為示例目的，衛教建議回饋模組160可產生如表格 2所示的衛教建議內容。

其中，表格2中的性別有2種組合，即，男或女；而年齡有12種組合，即<20歲、20~25歲、26~30歲、31~35歲、36~40歲、41~45歲、46~50歲、51~55歲、56~60歲、61~65歲、66~70歲及>70歲。

另外，表格2中的健康風險等級有7種組合，即A、B、C、D、E、F、G；而風險計畫分數等級有3種組合，即A、 B、C。因此，綜合前述使用者的性別、年齡、健康風險等級、風險計畫分數等級等條件，衛教建議產生系統100可以提供2x12x7x3=504種衛教建議方案。

應注意的是，衛教建議內容可包含但不限於使用者的編號、性別、年齡、健康風險等級、風險計畫分數等級及建議的衛教方案種類等內容。

本領域具通常知識者應瞭解，衛教建議內容中所呈現使用者之條件種類、健康風險等級、風險計畫分數等級、及建議衛教方案之形式與種類可視實際衛教建議系統設計或醫療方案需求而有所變化。

在另一實施例中，衛教建議回饋模組160可針對使用者的健康風險分級之中高風險族群及風險計畫分數等級之中高風險族群進行篩選，以便篩選出使用者中容易罹患疾病的被關懷對象190，並將被關懷對象190的相關資訊(如：健檢資料、風險等級、風險計畫分數等級等)儲存於中高風險族群資料庫200中。

應注意的是，操作者可對健康風險分級及風險計畫分數等級中之高風險族群進行定義，例如：將健康風險分級及風險計畫分數等級中的前5%、10%、20%等定義為中高風險族群。

爾後，衛教建議回饋模組160即可從中高風險族群資料庫200取得被關懷對象190的相關資訊，並將相關資訊在使用者操作介面180上呈現予操作者。如此，操作者便可針對被關懷對象190進行額外的關懷諮詢。

在操作者與被關懷對象190進行關懷諮詢後，操作者可直接將衛教建議產生系統100所產生的衛教建議提供給被關懷對象190。或者，操作者亦可依據關懷諮詢時的臨場評估，來提供差異化衛教建議給被關懷對象190。另外，操作者提供給被關懷對象190的差異化衛教建議亦可經由衛教建議回饋模組160來儲存在衛教建議產生系統100中。

接著，請參看第5圖，其係本發明之一實施例的使用者回饋及系統學習模組之操作環境示意圖。

在一實施例中，如果操作者提供給被關懷對象190的差異化衛教建議已被衛教建議回饋模組160儲存在衛教建議產生系統100中。那麼，使用者回饋及系統學習模組170會將已儲存的差異化衛教建議及衛教建議回饋模組160所產生的衛教建議整合成衛教建議回饋評分表，並傳送給被關懷對象190，以供被關懷對象190在衛教建議回饋評分表上進行評分。

待被關懷對象190完成衛教建議回饋評分表的評分後，使用者回饋及系統學習模組170會根據被關懷對象190在評分表上的評分，對評分表上的衛教建議方案進行排序，使評分較高的衛教建議方案排序在前。

使用者回饋及系統學習模組170根據評分高低對衛教建議方案進行排序的範例如表格3所示。

其中，表格3中的使用者評分

X_i：被關懷對象的評分，n：被關懷對象的人數。

那麼，下次衛教建議產生系統100產生衛教建議時，便可以將排序分數較高前幾名的衛教建議方案提供給被關懷對象190。藉此，衛教建議產生系統100可以隨著時間的累積，而提供越來越準確且適用的衛教建議給被關懷對象190。

以下請參閱第6圖，其係本發明之一實施例的衛教建 議產生流程圖。

在步驟S610中，在取得使用者的健檢資料後，可依據使用者的健檢資料進行健康風險分級，藉此評估使用者的健康風險。

在步驟S620中，可收集使用者所填寫過關於健康風險計畫的問卷(如：滿足職安法要求的預防過負荷危害、職場不法侵害預防管理、女性勞工母性健康保護、人因性危害等各類風險計畫的問卷等)，並對該些問卷進一步分析以進行風險計畫分數分級。

在步驟S630中，根據步驟S610所產生的健康風險分級及步驟S620所分析出的風險計畫分數分級，並基於使用者的不同條件(如：性別、年齡等)，來提供使用者衛教建議。

在步驟S640中，可在操作者對於被關懷對象190進行臨場評估並提供差異化臨場衛教建議後，啟動學習機制來記憶差異化臨場衛教建議，並將差異化臨場衛教建議與步驟S630中所提供的使用者衛教建議整合成衛教建議回饋評分表。

接著，再由使用者在衛教建議回饋評分表上進行評分。待使用者將評分完畢，再針對使用者的評分針對衛教建議方案進行分數排序，並將評分較高的前幾名之衛教建議方案提供給使用者。

上述實施形態僅例示性說明本發明之原理、特點及其功效，並非用以限制本發明之可實施範疇，任何熟習此項 技藝之人士均可在不違背本發明之精神及範疇下，對上述實施形態進行修飾與改變。任何運用本發明所揭示內容而完成之等效改變及修飾，均仍應為申請專利範圍所涵蓋。因此，本發明之權利保護範圍，應如申請專利範圍所列。

100:衛教建議產生系統

110:人事資料庫

120:健檢資料庫

140:健康風險評估模組

150:健康風險計畫問卷分析模組

160:衛教建議回饋模組

170:使用者回饋及系統學習模組

180:使用者操作介面

190:被關懷對象

Claims (8)

1. 一種提升衛教建議準確性的系統，包含：一健檢資料庫，其儲存一或多個使用者之健檢資料；一健康風險評估模組，其儲存有多個疾病種類以及對應該多個疾病種類之疾病種類計算公式，該健康風險評估模組依據該一或多個使用者所查詢之疾病種類取得對應之疾病種類計算公式以及該健檢資料庫中對應該一或多個使用者的該健檢資料，以計算出多個健康風險分數，進而使該多個健康風險分數透過健康風險分級演算法進行轉換以產生健康風險分級，其中，該健康風險分級演算法係將各該健康風險分數分別轉換為等級並取其最大者，以產生該健康風險分級；一健康風險計畫問卷分析模組，其依據該一或多個使用者之該健檢資料產生風險計畫問卷以供該一或多個使用者進行填寫，進而針對填寫完的該風險計畫問卷進行分析以獲得風險分數，該健康風險計畫問卷分析模組透過風險計畫分數等級演算法以計算該風險分數而產生風險計畫分數等級，其中，該風險計畫問卷包括預防過負荷危害問卷、職場不法侵害預防管理問卷、女性勞工母性健康保護問卷以及人因性危害問卷，且該風險計畫分數等級演算法係將該預防過負荷危害問卷、該職場不法侵害預防管理問卷、該女性勞工母性健康保護問卷以及該人因性危害問卷各別的該風險分數分別轉換為等級並取其最大者，以成為該風 險計畫分數等級；一衛教建議回饋模組，其預先儲存有不同的複數第一衛教建議，該衛教建議回饋模組根據該健康風險分級的結果及該風險計畫分數等級以提供相對應之該第一衛教建議；及一使用者回饋及系統學習模組，其整合該第一衛教建議與醫護人員針對該一或多個使用者所提出的一第二衛教建議以產生一衛教建議回饋評分表，該衛教建議回饋評分表係供該一或多個使用者進行評分，以令該使用者回饋及系統學習模組基於該一或多個使用者的評分結果進行分數排序以產生一第三衛教建議。
2. 如申請專利範圍第1項所述之系統，更包含採用一雙因子認證機制的一登入模組，其中，若該醫護人員通過該雙因子認證機制，則該登入模組允許該醫護人員登入該系統，而若該醫護人員未能通過該雙因子認證機制，則該登入模組拒絕該醫護人員登入該系統。
3. 如申請專利範圍第2項所述之系統，其中，該雙因子認證機制係由以下中之二者所組成：自然人憑證、員工通行碼、指紋、驗證碼、及行動電話簡訊。
4. 如申請專利範圍第1項所述之系統，其中，該健康風險評估模組係與一使用者操作介面進行通訊，且該使用者操作介面提供該醫護人員輸入所欲查詢的至少一疾病種類。
5. 如申請專利範圍第1項所述之系統，其中，該健康風險計畫問卷分析模組係與一使用者操作介面進行通訊，且該使用者操作介面提供該醫護人員輸入與該一或多個使用者相關的條件，然後該健康風險計畫問卷分析模組再根據該等條件產生風險計畫問卷。
6. 如申請專利範圍第1至5項中任一項所述之系統，其中，該衛教建議回饋模組除了根據該健康風險分級的結果及該風險計畫分數等級外，更基於該一或多個使用者的不同條件來產生該第一衛教建議。
7. 如申請專利範圍第1至5項中任一項中所述之系統，其中，該醫護人員針對該一或多個使用者所提出的該第二衛教建議係根據該醫護人員與該一或多個使用者進行溝通諮詢時的臨場評估所產生。
8. 一種提升衛教建議準確性的方法，包含以下步驟：提供一或多個使用者之健檢資料；基於一或多個使用者所查詢之疾病種類取得對應之疾病種類計算公式以及對應該一或多個使用者的該健檢資料以計算出多個健康風險分數，以透過健康風險分級演算法進行轉換該多個健康風險分數而產生健康風險分級，並根據該一或多個使用者所填寫的風險計畫問卷進行分析以獲得風險分數，以透過風險計畫分數等級演算法計算該風險分數而產生風險計畫分數等級，其中，該健康風險分級演算法係將各該健康風險分數分別轉換為等級並取其最大者，以產生該健康 風險分級，該風險計畫問卷包括預防過負荷危害問卷、職場不法侵害預防管理問卷、女性勞工母性健康保護問卷以及人因性危害問卷，且該風險計畫分數等級演算法係將該預防過負荷危害問卷、該職場不法侵害預防管理問卷、該女性勞工母性健康保護問卷以及該人因性危害問卷各別的該風險分數分別轉換為等級並取其最大者，以成為該風險計畫分數等級；根據該健康風險分級的結果及該風險計畫分數等級，由預先儲存有不同的複數第一衛教建議中取得相對應之第一衛教建議；整合該第一衛教建議與醫護人員針對該一或多個使用者所提出的一第二衛教建議以產生一衛教建議回饋評分表，以供該一或多個使用者進行評分；及基於該一或多個使用者的評分結果進行分數排序以產生一第三衛教建議。

Images