本发明专利技术公布了一种基于大数据个体亚健康营养保健干预方法和管理系统，方法包括基于循证医学、流行病学、膳食营养调查、营养干预数据建立亚健康评估初始模型和营养保健干预方案库，利用大样本人群的膳食、运动和体征信息分析统计结果修订亚健康评估模型参数并进行交叉验证，由个人信息获得个体亚健康得分和解读报告及推荐的营养保健干预方案，在执行营养保健干预方案过程中定期进行个体亚健康评估并进行调整以取得最佳的干预效果，同时利用个体信息的累积数据持续演算优化个体亚健康评估模型。执行该方法的管理系统由四个模块组成，包括个人信息获取模块、计算模块、显示模块、监督模块。通过本方法和管理系统，实现为居民提供科学化、个性化、可视化、可追溯的亚健康解决方案并建立长期健康档案。
【技术实现步骤摘要】
一种基于大数据和人工智能的个体亚健康干预方法和系统
本专利技术涉及一种亚健康的干预方法和管理系统，尤其涉及一种基于大数据和人工智能的亚健康营养保健干预方法和管理系统，属于健康保健
技术介绍
近年来，随着生命科学的进步，人们对生命活动过程的理解越来越深入，相应的也提高了对疾病发生、发展的认知和干预技术水平。随着循证医学和生命科学的发展，人们对疾病标准和疾病种类判定取得了许多的共识，使得对疾病有了清晰的定义和划分标准，利于医疗从业者选择合适的手段来干预疾病，使之延缓疾病发展甚至恢复至非疾病状态。众所周知，疾病的发生是一个缓慢、渐进的过程，是从健康状态到亚健康状态，再到疾病状态的一个过程。目前在医学健康领域，迄今为止，健康和亚健康界线并没有一个清晰可行的判定方法和共识的标准，使得人们对自己是否亚健康状态不明晰，亚健康的程度也没法了解，从而导致预防疾病往往成为一种空谈的理想。此外，人体作为一个复杂的生物系统，其结构精密、协调统一以维持良好的健康状态，但在具体生理活动的细节之处却每个人可能存在差异，比如身高、血压、代谢速率等等，反映在每个人的正常状态生理指标并不完全一样。因此，对亚健康状态及程度的判别既考虑群体指标范围也需体现个体背景的差异。实际上，目前人们对自身疾病或非疾病状态(包括健康状态和亚健康状态)的了解来自定期的医疗机构体检报告，存在主要问题包括：1、参考标准来自医学疾病判别范畴，不能评估体检者综合的健康或亚健康状态与程度水平，只能评判是否处于疾病状态；2、体检往往忽视了体检者个人的背景差异，比如饮食、生活起居、遗传、地理、年龄等方面，无法了解在相同/接近背景程度下的个体与群体之间，生理状态的差异情况，并由此确定改善方向。营养保健食品被认为具有调节人体机能的作用，没有毒副作用，适合长期食用，可以预防和降低疾病风险。因而，可以利用营养保健食品来干预亚健康的状态，使机体恢复至健康水平。因此，建立基于大数据的个性化亚健康营养保健干预方法和管理系统法对于扭转亚健康状态和预防疾病具有重要意义。
技术实现思路
本专利技术的目的在于提供一种基于大数据和人工智能的个体亚健康干预方法和系统，所述的基于大数据和人工智能的个体亚健康干预方法包括以下步骤：(1)基于循证医学、流行病学、膳食营养调查、生活方式干预数据建立亚健康评估初始模型和营养保健干预方案库，模型表达式为S＝A1F1+A2F2+A3F3+…+AiFi，其中S为亚健康得分，Ai为第i个因子权重系数，Fi为第i个因子；(2)信息采集端基于采集规则采集不少于1000人的膳食运动与体征信息，利用多维统计及回归分析、聚类分析统计各指标中位数数值、分布区间，以及膳食、运动与体征信息的相关性；(3)根据膳食、运动与体征信息的相关性结果，利用层次分析法、综合评分法、主成分分析法及关联分析法修订模型因子的权重系数，综合神经网络算法、集成算法、回归分析、决策树算法和MoteCarlo模型得出表达模型的所有因子与单个因子值的关系模型；(4)利用K倍交叉验证法(K-foldcrossvalidation)验证亚健康评估模型质量可靠性，模型预测可靠性参数＞0.5为可接受；(5)利用信息采集端输入个体信息到亚健康评估修正模型，获得个人亚健康得分和解读，以及推荐的营养保健干预方案；(6)将上述(5)的个人信息数据导入步骤(2)，重复(2)到(4)步骤，优化亚健康得分评估模型；(7)个体执行上述(5)推荐的营养保健干预方案后，信息采集端基于采集规则采集个体的膳食运动和体征信息，输入亚健康评估模型，获得个人亚健康得分和解读，根据得分变化趋势，保持/调整推荐的营养保健干预方案；(8)将上述(7)的个人信息数据导入步骤(2)，重复(2)到(4)步骤，进一步优化亚健康得分评估模型。进一步地，步骤(1)的评估模型中，所有因子的权重系数合计为1；因子组成来源包括膳食运动因素、体征信息因素。进一步地，步骤(2)和(7)中，所述的采集规则包括采集时间、信息类型和频率。进一步地，步骤(5)和(8)中个人信息来源包括体检数据、问卷调查数据、智能可穿戴设备的检测数据。进一步地，步骤(6)和(8)通过个体数据的积累，对亚健康得分评价模型进行持续性优化，实现更精准的个性化亚健康评估和营养保健干预效果。所述的基于大数据和人工智能的个体亚健康干预系统包括：(1)个人信息获取模块，用于包括膳食运动、体检报告、可穿戴设备数据获取；(2)计算模块，用于亚健康评估模型构建和持续优化，个体亚健康评估得分和解读，营养保健干预方案筛选；(3)显示模块，用于把个体亚健康得分和解读、营养保健干预方案显示在移动智能终端；(4)监督模块，用于确认和提醒个人执行营养保健干预方案。与现有技术方案相比，本专利技术技术方案的有益效果在于：1、利用最新的循证医学、流行病学、膳食营养调查和人群干预科学大数据可以更为全面、科学、客观的获知亚健康的影响因素和衡量指标，使得亚健康得分模型更具代表性；2、利用不少于1000人的综合数据，优化和验证亚健康得分模型，并利用个体数据积累持续优化模型，使得亚健康评估模型更为精准；3、通过个体输入数据，利用亚健康得分评估模型，使得个体可以了解其与群体之间全方位因子维度上的差异程度，而非仅用医学指标来评价是否处于疾病状态；4、通过个体数据的不断累积，持续优化亚健康得分模型，最终使得亚健康评估模型逐渐演变为个性化的精准模型，意味着每个人的健康和亚健康参数是不一样的；5、营养保健干预方案源自群体数据结果和个体实施后的反馈调整，使得营养干预方案更为科学和个性化，因而干预效果更好；6、基于大数据和人工智能的个体亚健康营养保健干预系统利用了移动、智能、便捷的互联网技术优势，使得个体可以快速获知使用营养保健干预方案过程中亚健康的改善情况和亚健康变化曲线，由此进一步促进个体执行营养保健干预方案，使得亚健康扭转和疾病预防更为有效。附图说明图1本专利技术实施例1的个体亚健康营养保健干预方法步骤示意图。图2本专利技术实施例1的个体亚健康营养保健干预管理系统的组成示意图。具体实施方式附图仅用于示例性说明，不能理解为对本专利的限制。对于本领域的技术人员来说，附图中某些公知结构及其说明可能省略、放大或缩小是可以理解的。下面结合附图和实施例对本专利技术的技术方案做进一步说明。实施例1如图1所示，一种基于大数据和人工智能的个体亚健康营养保健干预方法，包括以下步骤：(1)基于循证医学、流行病学、膳食营养调查、生活方式干预数据建立亚健康评估初始模型和营养保健干预方案库，模型表达式为S＝A1F1+A2F2+A3F3+…+AiFi，其中S为亚健康得分，Ai为第i个因子权重系数，Fi为第i个因子；(2)信息采集端基于采集规则采集不少于1000人的膳食运动与体征信息，利用多维统计及回归分析、聚类分析统计各指标中位数数值、分布区间，以及膳食、运动与体征信息的相关性；(3)根据膳食、运动与体征信息的相关性结果，利用层次分析法、综合评分法、主成分分析法及灰关联分析法修订模型因子的权重系数，综合神经网络算法、集成算法、回归分析、决策树算法和MoteCarlo模型得出表达模型的所有因子与单个因子值的关系模型；(4)利用K倍交叉验证法(K-foldcrossvalidation)验本文档来自技高网...
【技术保护点】
1.一种基于大数据和人工智能的个体亚健康干预方法，其特征在于，方法包括以下步骤：(1)基于循证医学、流行病学、膳食营养调查、生活方式干预数据建立亚健康评估初始模型和营养保健干预方案库，模型表达式为S＝A1F1+A2F2+A3F3+…+AiFi，其中S为亚健康得分，Ai为第i个因子权重系数，Fi为第i个因子；(2)信息采集端基于采集规则采集不少于1000人的膳食运动与体征信息，利用多维统计及回归分析、聚类分析统计各指标中位数数值、分布区间，以及膳食、运动与体征信息的相关性；(3)根据膳食、运动与体征信息的相关性结果，利用层次分析法、综合评分法、主成分分析法及灰关联分析法修订模型因子的权重系数，综合神经网络算法、集成算法、回归分析、决策树算法和Mote Carlo模型得出表达模型的所有因子与单个因子值的关系模型；(4)利用K倍交叉验证法(K‑fold cross validation)验证亚健康评估模型质量可靠性，模型预测可靠性参数＞0.5为可接受；(5)利用信息采集端输入个体信息到亚健康评估修正模型，获得个人亚健康得分和解读，以及推荐的营养保健干预方案；(6)将上述(5)的个人信息数据导入步骤(2)，重复(2)到(4)步骤，优化亚健康得分评估模型；(7)个体执行上述(5)推荐的营养保健干预方案后，信息采集端基于采集规则采集个体的膳食运动和体征信息，输入亚健康评估模型，获得个人亚健康得分和解读，根据得分变化趋势，保持/调整推荐的营养保健干预方案；(8)将上述(7)的个人信息数据导入步骤(2)，重复(2)到(4)步骤，进一步优化亚健康得分评估模型。...
【技术特征摘要】
1.一种基于大数据和人工智能的个体亚健康干预方法，其特征在于，方法包括以下步骤：(1)基于循证医学、流行病学、膳食营养调查、生活方式干预数据建立亚健康评估初始模型和营养保健干预方案库，模型表达式为S＝A1F1+A2F2+A3F3+…+AiFi，其中S为亚健康得分，Ai为第i个因子权重系数，Fi为第i个因子；(2)信息采集端基于采集规则采集不少于1000人的膳食运动与体征信息，利用多维统计及回归分析、聚类分析统计各指标中位数数值、分布区间，以及膳食、运动与体征信息的相关性；(3)根据膳食、运动与体征信息的相关性结果，利用层次分析法、综合评分法、主成分分析法及灰关联分析法修订模型因子的权重系数，综合神经网络算法、集成算法、回归分析、决策树算法和MoteCarlo模型得出表达模型的所有因子与单个因子值的关系模型；(4)利用K倍交叉验证法(K-foldcrossvalidation)验证亚健康评估模型质量可靠性，模型预测可靠性参数＞0.5为可接受；(5)利用信息采集端输入个体信息到亚健康评估修正模型，获得个人亚健康得分和解读，以及推荐的营养保健干预方案；(6)将上述(5)的个人信息数据导入步骤(2)，重复(2)到(4)步骤，优化亚健康得分评估模型；(7)个体执行上述(5)推荐的营养保健干预方案后，信息采集端基于采集规则采集个体的膳食运动和体征信息，输入亚健康评估模型，...
【专利技术属性】
技术研发人员：徐晓飞，王瑜，
申请(专利权)人：极力健生物科技广州有限公司，
类型：发明
国别省市：广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。