健康风险评估方法和装置与流程

本发明涉及计算机应用技术，特别涉及一种健康风险评估方法和装置。

背景技术：

医疗研究表明，人体心率、血压、血氧量和睡眠质量等指数和指数的变化对评估身体相关疾病、疲劳程度和健康评估有重要参考价值。

但是目前智能穿戴设备只能实现一些简单的运动管理功能，设备不能存储数据或存储容量有限，尚不能用于医疗层次的健康分析，对广大于慢性疾病患病人员或潜在的慢性疾病患病人群，如何结合智能终端，便携享受可靠的医疗健康服务，目前尚未提出有效的解决方案。

技术实现要素：

本发明提供了一种健康风险评估方法和装置，结合智能终端的采集数据，可以为用户提供便携可靠的医疗健康风险评估服务。

本发明提供一种健康风险评估方法，包括：至少包括数据采集步骤和风险分析步骤；数据采集步骤，采集至少一种用户生理体征数据，并保存所述数据；风险分析步骤，根据数据评估数据等级，数据等级结合数据的影响权重计算用户发病的风险系数。

本发明还提供一种健康风险评估装置，至少包括数据采集模块、存储模块和风险分析模块；数据采集模块，采集至少一种用户生理体征数据，并将数据存储在所述存储模块；风险分析模块，根据存储模块存储的数据评估数据等级，数据等级结合数据的影响权重计算用户发病的风险系数。

本发明提供的健康风险评估方法，该方法可结合用户终端采集的生理体征数据输出可靠的健康风险评估结果，使得应用该健康风险评估方法的装置，可以为用户提供准确、可靠、便携的医疗健康服务。通过评估方法输出结果自动预警风险就医，代替现有的身体不适后再就医，可以让患者在发病初期获得治疗，减少患者治疗代价，改善现有医疗服务的体验感和时效性。同时智能终端能保存身体异常时的生理体征数据供医生诊断使用，使得医生可以更准确地了解用户的身体状态以提高诊断的准确性。

附图说明

图1为本发明健康风险评估方法的流程图。

图2为本发明图1中的s102即时风险评估方法；

图3为本发明图1中的s102风险预测评估方法；

图4为图3中预测指标的预测模型构建方法；

图5为本发明健康分析评估装置的结构示意图。

具体实施方式

为了使本发明的目的、技术方案和优点更加清楚，下面结合附图和具体实施例对本发明进行详细描述。

如图1所示，本发明公开了一种健康风险评估方法，至少包括数据采集步骤和风险分析步骤。

数据采集步骤(s101)，采集至少一种用户生理体征数据，并保存所述数据；

风险分析步骤(s102)，根据所述数据评估数据等级，所述数据等级结合所述数据的影响权重计算用户发病的风险系数。

根据风险指数判断用户的发病风险，指数越高，发病风险越大。

本发明的健康风险评估方法，能够通过实时采集用户生理体征数据，并存储在终端。经过长期的数据积累，风险分析模块分析存储的数据，根据生理体征数据变化趋势和异常等情况，通过分析评估，能够准确预测一些慢性疾病如心血管疾病，以及相关疾病导致的慢性疾病并发症如心血管并发症的风险，并给予风险提示，建议用户对突发疾病做好预防准备。

图1中s102步骤，如图2所示，可以包含如下步骤，以评估心血管疾病患者的发病即时风险系数：

步骤201：将传感器器模块采集的用户心电信号ecg、血压bp和血氧spo的3项指标数据与用户正常指标数据进行对比，评估采集指标数据的即时等级，记h1c,s1c,b1c为3项指标的即时评估等级。

用户正常指标数据是指经风险分析模块判定为用户身体健康的同类指标数据。本申请对h1c,s1c,b1c的等级划分不做限定，根据实际需求设定。

步骤202：计算即时风险评估系数risk1＝a·{h1c,s1c,b1c}，其中影响权重向量a＝{a1,a2,a3}。影响权重向量可参考统计结果设定，或由专业医生根据用户的身体状况设定。

即时风险评估可实现对用户生理体征数据的实时监控，能实时监测用户的身体异常，提醒用户及时就医。同时智能终端能保存身体异常时的生理体征数据供医生诊断使用，使得医生可以更准确地了解用户的身体状态以提高诊断的准确性。

图1中s102步骤，如图3所示，还可以包含如下步骤，以评估心血管疾病患者的发病预测风险系数：

步骤301：基于存储模块存储的用户的心电信号ecg、血压bp和血氧spo的3项指标数据，预测用户3项指标在预定期限内的数值。

预定期限包括短期和长期，可以由用户根据自身需求设定。

步骤302：通过对3项指标预测数值和正常指标数据对比，评估预测指标数值的等级，记h2c,s2c,b2c为3项指标的预测评估等级。

步骤303：计算风险评估预测系数risk2＝a·{h2c,s2c,b2c}，其中影响权重向量a＝{a1,a2,a3}。

本申请的智能终端不仅可以实现即时风险评估，对于一些潜在的慢性疾病，也可以通过传感器模块采集的长期变化趋势，预测发病风险，提前警示用户，采取相应预防措施，或者提前就医。

进一步地，图3中步骤s301中的预测指标数值，可以是使用现有的预测模型，也可以如图4所示，包括：

步骤401：构建模型，假设样本l的第i次采集的样本指标的数值li，表示为过去p(p≤i)次采集的数值的线性组合，加上第i次的白噪声，即：

li＝θ0+φ1li-1+…+φpli-p+ai，其中{ai,i＝0,±1,±2,…}为白噪声，φ1，φ2，…，φp为常数系数，θ0为常数。

步骤402：基于样本数据，解算常数系数φ1，φ2，…，φp和θ0；

步骤403：预测指标数值，已知k次用户样本指标数据，预测第k+l次的指标数值，令i＝k+l，得到第k+l的指标数值为：

lk+l＝θ0+φ1lk+l-1+φ2lk+l-2+…+φplk+l-p+ak+l。

在本发明的方法中，数据存储时以预设数据包格式存储；

预设数据包格式按包头加数据的格式进行编码，包头包括起始位、设备号、时间戳、生理体征及状态数据名和校验位；起始位用于区分每段数据包；设备号用于区分显示用户的不同设备；时间戳用于记录采集时间；生理体征数据名用于区分不同传感器采集的生理体征数据以及用户不同的状态信息，校验位用于校验数据传输是否出错。

在本发明的方法中，风险分析步骤还包括睡眠状态检测，睡眠状态检测至少包括以下步骤：

步骤501：分析用户的姿态数据，提取用户的睡眠时间和深度睡眠时间；

步骤502：根据用户的睡眠时间和深度睡眠时间，以及2个时间内的用户心率hr、血氧spo数据，判断用户睡眠状态。

其中，步骤501又可以包括以下步骤：

步骤501-1、通过姿态检测自动开启睡眠状态检测；

步骤501-2、开始对用户睡眠计时，并采集加速度传感器数据和心率、血氧传感器采集的心率、血氧浓度数据；

步骤501-3、对加速度传感器实时采集的数据进行分析，判断用户姿态。在加速度采集数据长时间平稳时，开始对用户进行深度睡眠开始计时，一旦用户有姿态变化，停止深度睡眠计时；

步骤501-4、在睡眠过程和深度睡眠过程中，分别定时通过心率、血氧传感器采集用户心率、血氧数据；

步骤501-5、用户苏醒后，通过姿态检测自动结束睡眠状态监测功能。通过对姿态和心率数据分析，提取当晚睡眠时间量和深度睡眠时间量，以及睡眠过程中血氧浓度和心率。

在本发明的方法中，风险分析步骤还包括疲劳状态检测，疲劳状态检测至少包括以下步骤：

步骤601：检测存储模块存储的心电信号ecg和心率变异信号hrv的波动特征，将波动特征对应转换为疲劳系数初值；

步骤602：将疲劳系数初值与用户心率hr、血氧spo数据、用户睡眠状态，通过加权计算得到最终的疲劳系数。

本发明提供的健康风险评估方法，该方法可结合用户终端采集的生理体征数据输出可靠的健康风险评估结果，使得应用该健康风险评估方法的智能终端，可以为用户提供准确、可靠、便携的医疗健康服务。通过评估方法输出结果自动预警风险就医，代替现有的身体不适后再就医，可以让患者在发病初期获得治疗，减少患者治疗代价，改善现有医疗服务的体验感和时效性。同时智能终端能保存身体异常时的生理体征数据供医生诊断使用，使得医生可以更准确地了解用户的身体状态以提高诊断的准确性。

如图5所示，本发明还公开了一种健康风险评估装置，至少包括数据采集模块、存储模块和风险分析模块。

数据采集模块，采集至少一种用户生理体征数据，并将数据存储在存储模块。风险分析模块，根据存储模块存储的数据评估数据等级，所述数据等级结合所述数据的影响权重计算用户发病的风险系数。

本发明的健康风险评估装置可以是智能手表，或手环，或其他可穿戴设备，也可以是用户终端中的部分设备。

举例说明，本发明的装置实时监测患有原发性心脏疾患用户的应用说明，包括：

步骤a-1、装置传感器模块实时采集心电传感器的心电信号ecg数据、血氧传感器采集的心率hr、血压bp及血氧spo浓度数据；

步骤a-2、风险分析模块对实时采集的心率、血压及血氧数据进行分析；、一旦心率hr数据异常，血氧spo浓度急剧降低，血压hr变化符合原发性心脏病的特征，评估用户发病的风险系数，如果判定该用户原发性心脏病发作，可能出现心脏骤停等紧急状况，则通过装置显示屏将评估结果显示；

步骤a-3、或者，进一步地，装置通过通信模块，向相关机构和关联人请求医疗救助，并将采集的用户心电数据发送到相关机构，报告用户实时状态。

又，举例说明，本发明装置实时监测老年用户严重意外摔倒的应用说明：

步骤b-1、装置传感器模块实时采集加速度传感器的用户姿态数据；

步骤b-2、当风险分析模块监测到用户姿态出现剧烈的变化时，同时在剧烈的姿态变化之后，用户姿态变化很小，或者没有姿态变化，说明用户可能摔倒；

步骤b-3、风险分析模块分析同时期传感器模块实时采集用户心率hr、血压bp体征数据变化，如果数据变化出现异常，则说明用户突发意外摔倒，通过装置显示屏将评估结果显示；

步骤b-5、或者，进一步地，装置通过通信模块，向相关机构和关联人请求医疗救助，并将采集的生理体征数据发送到相关机构，报告用户实时状态。

以上表明，本发明的装置能实时监控患有慢性突发疾病的用户，突发疾病如高血压、心脏病等；或者老年用户，突发意外情况如摔倒等。装置通过对用户的姿态和生理体征数据进行实时监测，一旦用户有突发疾病或者突发意外，装置会通过紧急通信功能，将用户情况发送到相关机构或关联人，以请求相应医疗措施和服务。

风险分析模块采用dsp芯片作为微控制器，分析采集数据；存储模块采用spinandflash作为存储设备，该类型芯片体积小，引脚少和容量大的特点，可以长期存储采集数据。存储模块的大容量存储设计，可以长时间采集存储用户数据，使智能终端对慢性疾病如心血管疾病的预测更加准确。

在本申请中，用户生理体征数据包括姿态、心率hr、血氧spo、血压bp、心电信号ecg和心率变异性信号hrv等。

传感器模块里有5类传感器用于检测用户姿态和采集生理体征数据，其中加速度传感器用于检测用户姿态和相关运动信息；血氧、心率传感器用于采集用户血氧spo、心率hr数据，同时解算出血压bp数据；红外体温传感器用于采集用户体温数据；心电传感器用于采集用户的心电信号ecg数据，通过提取心电传感器所采集的心电信号ecg中的qrs波段，分析每次采集的qrs复合波波段的信号的每个周期r波峰值之间间隔标准差，以此来反映心率变异性信号hrv。

智能终端实时采集用户生理体征数据，并以一定的格式打包成数据包，存储于存储模块。数据包格式，按照包头加数据的格式进行编码，其中包头包括起始位、设备号、时间戳、生理体征及状态数据名和校验位。起始位用于区分每段数据包；设备号用于区分显示用户的不同设备；时间戳用于记录采集时间；生理体征数据名主要用于区分不同传感器采集的生理体征数据以及用户不同的状态信息，如区分采集的数据时心电数据还是心率数据等；校验位用于校验数据传输是否出错。

进一步，数据在打包之前，或者在存储之前，先进行预处理，以剔除异常数据。

在本发明的装置中，风险分析模块还即时风险分析模块，该模块包括：

即时等级评估模块：将传感器器模块采集的用户心电信号ecg、血压bp和血氧spo的3项指标数据与用户正常指标数据进行对比，评估指标数值的即时等级，记h1c,s1c,b1c为3项指标的即时评估等级；

即时风险计算模块：计算即时风险评估系数risk1＝a·{h1c,s1c,b1c}，其中影响权重向量a＝{a1,a2,a3}。

在本发明的装置中，风险分析模块还包括风险预测模块，风险预测模块至少包括以下模块：

预测模块：基于存储模块存储的用户的心电信号ecg、血压bp和血氧spo的3项指标数据，预测用户3项指标在预定期限内的数值；

预测等级评估模块：通过对3项指标预测数值和正常指标数据对比，评估预测指标数值的等级，记h2c,s2c,b2c为3项指标的预测评估等级；

风险预测计算模块：计算风险评估预测系数risk2＝a·{h2c,s2c,b2c}，其中影响权重向量a＝{a1,a2,a3}。

进一步地，预测指标数值包括：

模型构建模块：构建模型，样本l的第i次采集的样本指标的数值li，表示为过去p(p≤i)次采集的数值的线性组合，加上第i次的白噪声，即：

li＝θ0+φ1li-1+…+φpli-p+ai，其中{ai,i＝0,±1,±2,…}为白噪声，φ1，φ2，…，φp为常数系数，θ0为常数；

模型系数解算模块：基于样本数据，解算常数系数φ1，φ2，…，φp和θ0；

模型预测模块：预测指标数值，已知k次用户样本指标数据，预测第k+l次的指标数值，令i＝k+l，得到第k+l的指标数值为：

lk+l＝θ0+φ1lk+l-1+φ2lk+l-2+…+φplk+l-p+ak+l。

本发明的另一个实施例，风险分析模块还包括睡眠状态检测模块，具体包括：

睡眠时间检测模块：分析用户的姿态数据，提取用户的睡眠时间和深度睡眠时间；

睡眠状态分析模块：根据用户的睡眠时间和深度睡眠时间，以及2个时间内的用户心率hr、血氧spo数据，判断用户睡眠状态。

本发明的另一个实施例，风险分析模块还包括疲劳状态检测模块，具体包括：

疲劳系数初值计算模块：装置通过传感器采集用户心电信号(ecg)、心率变异性信号(hrv)、心率和血氧数据。风险分析模块检测存储模块存储的心电信号ecg和心率变异信号hrv的波动特征，将波动特征对应转换为疲劳系数初值。

疲劳系数综合计算模块：风险分析模块将疲劳系数初值与心率hr、血氧spo数据、用户睡眠状态，加权计算，得到最终的疲劳系数。

除图5外，本发明的装置还可以结合平台或服务器，获取更多的功能或服务，此时终端作为一个医疗健康服务平台的采集终端，采集供平台分析评估用户健康状况的生理体征数据；并用于对用户医疗诊断服务。终端可以通过蓝牙与智能手机连接，将采集的数据发送到智能手机等设备上，再通过互联网将数据发送到平台服务器上，或手机直接将采集的数据发送到平台服务器上。

以上所述仅为本发明的较佳实施例而已，并不用以限定本发明的包含范围，凡在本发明技术方案的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。