技术特征：
1.一种基于健康风险评估的预警方法，其特征在于，包括：获取用户的健康行为数据；对所述健康行为数据进行多个维度的健康风险分析，得到对应的多个健康风险维度评分；根据所述多个健康风险维度评分计算得到所述用户的健康风险评分；根据所述健康风险评分对所述用户进行健康风险预警提示。2.根据权利要求1所述的预警方法，其特征在于，所述多个健康风险维度评分包括以下评分中的至少两个：慢性病风险评分、运动机能风险评分、生活习惯风险评分、体征异常风险评分或测量诊断风险评分。3.根据权利要求2所述的预警方法，其特征在于，对所述健康行为数据进行慢性病维度的健康风险分析，得到对应的所述慢性病风险评分，包括：将所述健康行为数据输入至训练好的至少一个慢性病风险评估模型中，得到对应的至少一个候选慢性病风险评分；其中，所述至少一个慢性病风险评估模型包括以下模型中的至少一个：高血压风险评估模型、糖尿病风险评估模型、高血脂风险评估模型、心脏病风险评估模型、慢性阻塞性肺气肿风险评估模型、泌尿系慢性炎症风险评估模型、甲亢风险评估模型或甲减风险评估模型；根据所述至少一个候选慢性病风险评分得到所述慢性病风险评分。4.根据权利要求2所述的预警方法，其特征在于，对所述健康行为数据进行运动机能维度的健康风险分析，得到对应的所述运动机能风险评分，包括：根据所述健康行为数据中的运动心率计算得到向量型的运动智能指数序列和向量型的运动摄氧指数序列；采用序列数据标准评分方法分别对所述向量型的运动智能指数序列和所述向量型的运动摄氧指数序列进行计算转化，得到运动智能指数概率值和运动摄氧指数概率值；根据所述运动智能指数概率值和所述运动摄氧指数概率值，得到所述运动机能风险评分。5.根据权利要求2所述的预警方法，其特征在于，对所述健康行为数据进行生活习惯维度的健康风险分析，得到对应的所述生活习惯风险评分，包括：根据所述健康行为数据中的运动数据得到所述用户的运动规律评分；根据所述健康行为数据中的睡眠数据得到所述用户的睡眠规律评分；根据所述运动规律评分和所述睡眠规律评分，得到所述生活习惯风险评分。6.根据权利要求5所述的预警方法，其特征在于，所述运动数据包括运动发起时间、运动持续时间和运动类型，所述根据所述健康行为数据中的运动数据得到所述用户的运动规律评分，包括：对于同一运动类型对应的运动发起时间序列进行差分计算，得到该运动类型对应的运动发起时间差分序列；采用序列数据标准评分方法分别对所述运动发起时间差分序列和运动持续时间序列进行计算转化，得到运动发起时间差分概率值和运动持续时间概率值；根据所述运动发起时间差分概率值和所述运动持续时间概率值，得到该运动类型对应
的运动类型规律评分；根据每个运动类型对应的所述运动类型规律评分得到所述运动规律评分。7.根据权利要求5所述的预警方法，其特征在于，所述睡眠数据包括每天的入睡时间、睡眠时长、深睡时长和睡眠中断时长，所述根据所述健康行为数据中的睡眠数据得到所述用户的睡眠规律评分，包括：对于入睡时间序列进行差分计算，得到入睡时间差分序列；采用序列数据标准评分方法分别对所述入睡时间差分序列、睡眠时长序列、深睡时长序列和睡眠中断时长序列进行计算转化，得到入睡时间差分概率值、睡眠时长概率值、深睡时长概率值和睡眠中断时长概率值；根据所述入睡时间差分概率值、所述睡眠时长概率值、所述深睡时长概率值和所述睡眠中断时长概率值，得到所述睡眠规律评分。8.根据权利要求2所述的预警方法，其特征在于，所述健康行为数据包括运动心率、活动模式和活动量，对所述健康行为数据进行体征异常维度的健康风险分析，得到对应的所述体征异常风险评分，包括：周期性将分钟级的健康行为数据、日级的健康行为数据和用户基本信息特征数据输入至训练好的体征异常训练模型中，得到向量型的体征异常指数序列；采用序列数据标准评分方法对所述向量型的体征异常指数序列进行计算转化，得到体征异常概率值；根据所述体征异常概率值得到所述体征异常风险评分。9.根据权利要求2所述的预警方法，其特征在于，对所述健康行为数据进行测量诊断维度的健康风险分析，得到对应的所述测量诊断风险评分，包括：周期性获取所述用户的心血管诊断结果，得到心血管诊断结果序列，所述心血管诊断结果为根据健康行为数据得到的；采用序列数据标准评分方法对所述心血管诊断结果序列进行计算转化，得到测量诊断概率值；根据所述测量诊断概率值得到所述测量诊断风险评分。10.根据权利要求4、6-9任一项所述的预警方法，其特征在于，采用所述序列数据标准评分方法对序列进行计算转化，得到概率值，包括：将序列转化为单个标量型的数据；采用z-分数标准化方法对所述标量型的数据进行标准化，得到标准化分数；根据所述标准化分数查表得到所述概率值。11.根据权利要求2所述的预警方法，其特征在于，所述多个健康风险维度评分包括隐性风险维度评分和显性风险维度评分，所述隐性风险维度评分包括以下评分中的至少两个：慢性病风险评分、运动机能风险评分、生活习惯风险评分和体征异常风险评分，所述显性风险维度评分包括测量诊断风险评分，所述根据所述多个健康风险维度评分计算得到所述用户的健康风险评分，包括：获取所述隐性风险维度评分的重要性分数；根据所述重要性分数得到所述隐性风险维度评分的权重；根据所述隐性风险维度评分和对应的权重得到第一评分值；
根据所述显性风险维度评分得到对应的第二评分值；根据所述第一评分值和所述第二评分值得到所述健康风险评分。12.一种基于健康风险评估的预警装置，其特征在于，包括：获取模块，用于获取用户的健康行为数据；分析模块，用于对所述健康行为数据进行多个维度的健康风险分析，得到对应的多个健康风险维度评分；计算模块，用于根据所述多个健康风险维度评分得计算到所述用户的健康风险评分；提示模块，用于根据所述健康风险评分对所述用户进行健康风险预警提示。13.根据权利要求12所述的预警装置，其特征在于，所述多个健康风险维度评分包括以下评分中的至少两个：慢性病风险评分、运动机能风险评分、生活习惯风险评分、体征异常风险评分或测量诊断风险评分。14.根据权利要求13所述的预警装置，其特征在于，所述分析模块，包括：慢性病维度分析单元，所述慢性病维度分析单元，具体用于：将所述健康行为数据输入至训练好的至少一个慢性病风险评估模型中，得到对应的至少一个候选慢性病风险评分；其中，所述至少一个慢性病风险评估模型包括以下模型中的至少一个：高血压风险评估模型、糖尿病风险评估模型、高血脂风险评估模型、心脏病风险评估模型、慢性阻塞性肺气肿风险评估模型、泌尿系慢性炎症风险评估模型、甲亢风险评估模型或甲减风险评估模型；根据所述至少一个候选慢性病风险评分得到所述慢性病风险评分。15.根据权利要求13所述的预警装置，其特征在于，所述分析模块，还包括：运动机能维度分析单元，所述运动机能维度分析单元，具体用于：根据所述健康行为数据中的运动心率计算得到向量型的运动智能指数序列和向量型的运动摄氧指数序列；采用序列数据标准评分方法分别对所述向量型的运动智能指数序列和所述向量型的运动摄氧指数序列进行计算转化，得到运动智能指数概率值和运动摄氧指数概率值；根据所述运动智能指数概率值和所述运动摄氧指数概率值，得到所述运动机能风险评分。16.根据权利要求13所述的预警装置，其特征在于，所述分析模块，还包括：生活习惯维度分析单元，所述生活习惯维度分析单元，具体用于：根据所述健康行为数据中的运动数据得到所述用户的运动规律评分；根据所述健康行为数据中的睡眠数据得到所述用户的睡眠规律评分；根据所述运动规律评分和所述睡眠规律评分，得到所述生活习惯风险评分。17.根据权利要求16所述的预警装置，其特征在于，所述运动数据包括运动发起时间、运动持续时间和运动类型，所述生活习惯维度分析单元，还用于：对于同一运动类型对应的运动发起时间序列进行差分计算，得到该运动类型对应的运动发起时间差分序列；采用序列数据标准评分方法分别对所述运动发起时间差分序列和运动持续时间序列进行计算转化，得到运动发起时间差分概率值和运动持续时间概率值；根据所述运动发起时间差分概率值和所述运动持续时间概率值，得到该运动类型对应
的运动类型规律评分；根据每个运动类型对应的所述运动类型规律评分得到所述运动规律评分。18.根据权利要求16所述的预警装置，其特征在于，所述睡眠数据包括每天的入睡时间、睡眠时长、深睡时长和睡眠中断时长，所述生活习惯维度分析单元，还用于：对于入睡时间序列进行差分计算，得到入睡时间差分序列；采用序列数据标准评分方法分别对所述入睡时间差分序列、睡眠时长序列、深睡时长序列和睡眠中断时长序列进行计算转化，得到入睡时间差分概率值、睡眠时长概率值、深睡时长概率值和睡眠中断时长概率值；根据所述入睡时间差分概率值、所述睡眠时长概率值、所述深睡时长概率值和所述睡眠中断时长概率值，得到所述睡眠规律评分。19.根据权利要求13所述的预警装置，其特征在于，所述健康行为数据包括运动心率、活动模式和活动量，所述分析模块，还包括：体征异常维度分析单元，所述体征异常维度分析单元，具体用于：周期性将分钟级的健康行为数据、日级的健康行为数据和用户基本信息特征数据输入至训练好的体征异常训练模型中，得到向量型的体征异常指数序列；采用序列数据标准评分方法对所述向量型的体征异常指数序列进行计算转化，得到体征异常概率值；根据所述体征异常概率值得到所述体征异常风险评分。20.根据权利要求13所述的预警装置，其特征在于，所述分析模块，还包括：测量诊断维度分析单元，所述测量诊断维度分析单元，具体用于：周期性获取所述用户的心血管诊断结果，得到心血管诊断结果序列，所述心血管诊断结果为根据健康行为数据得到的；采用序列数据标准评分方法对所述心血管诊断结果序列进行计算转化，得到测量诊断概率值；根据所述测量诊断概率值得到所述测量诊断风险评分。21.根据权利要求15、17-20任一项所述的预警装置，其特征在于，所述分析模块，还包括序列转化单元，所述序列转化单元，用于：将序列转化为单个标量型的数据；采用z-分数标准化方法对所述标量型的数据进行标准化，得到标准化分数；根据所述标准化分数查表得到所述概率值。22.根据权利要求13所述的预警装置，其特征在于，所述多个健康风险维度评分包括隐性风险维度评分和显性风险维度评分，所述隐性风险维度评分包括以下评分中的至少两个：慢性病风险评分、运动机能风险评分、生活习惯风险评分和体征异常风险评分，所述显性风险维度评分包括测量诊断风险评分，所述计算模块，具体用于：获取所述隐性风险维度评分的重要性分数；根据所述重要性分数得到所述隐性风险维度评分的权重；根据所述隐性风险维度评分和对应的权重得到第一评分值；根据所述显性风险维度评分得到对应的第二评分值；根据所述第一评分值和所述第二评分值得到所述健康风险评分。
23.一种终端设备，其特征在于，包括：如权利要求12-22任一项所述的基于健康风险评估的预警装置。24.根据权利要求23所述的终端设备，其特征在于，所述终端设备为可穿戴终端设备。
技术总结
本发明公开了一种基于健康风险评估的预警方法、装置和终端设备。该预警方法包括：获取用户的健康行为数据；对所述健康行为数据进行多个维度的健康风险分析，得到对应的多个健康风险维度评分；根据所述多个健康风险维度评分计算得到所述用户的健康风险评分；根据所述健康风险评分对所述用户进行健康风险预警提示。本发明实施例的预警方法，直接根据用户的健康行为数据进行多个维度的健康风险分析，可考虑到多个维度对健康风险的影响，相较于相关技术中大多偏重于心肺机能或者个体所掌握的健康知识进行健康风险分析，能够更全面、直接地反映用户的健康风险，提高了健康风险评估的准确性。性。性。
技术研发人员：朱国康
受保护的技术使用者：安徽华米健康科技有限公司
技术研发日：2020.06.24
技术公布日：2021/12/23