一种基于区块链的数据处理方法及系统技术方案

本申请涉及一种基于区块链的数据处理方法，包括：获取多类型健康数据、数据相关性分析、个体健康数据分析、群体健康数据分析。本申请通过对不同健康状态进行级别区分，提高了健康状态的直观程度，并考虑了健康数据的变化趋势以及发生异常的可能性，提高了对健康状态识别的预见性；通过对不同健康数据对不同种类疾病的相关程度分析，提供了数据筛选的依据，形成数据相关性数据库，减少了数据分析的计算量，降低了数据计算成本；分析了个人对某疾病的发生可能性，提高了个人对健康状况查看的直观程度；分析了区域内人群对某疾病的防疫水平，提高了对区域内健康整体水平的评估能力。提高了对区域内健康整体水平的评估能力。提高了对区域内健康整体水平的评估能力。

【技术实现步骤摘要】
一种基于区块链的数据处理方法及系统


[0001]本申请涉及健康数据的领域，尤其是涉及一种基于区块链的数据处理方法及系统。

技术介绍

[0002]CN201910820637.8公开了一种数据处理方法、装置、电子设备及可读存储介质，所述方法为：获取用户的多个健康程度反映项目，所述健康程度反映项目用于反映用户的健康程度；从所述多个健康程度反映项目中筛选出表征用户的健康程度异常的健康程度反映项目，所述表征用户的健康程度异常的健康程度反映项目记为风险因数项；对于预先设置的多个健康缺陷中的每个健康缺陷，计算至少一个风险因数项中的每个风险因数项导致所述健康缺陷的概率；根据所述至少一个风险因数项中的每个风险因数项导致所述健康缺陷的概率，计算所述多个健康缺陷中的每个健康缺陷的风险值；根据所述多个健康缺陷中的每个健康缺陷的风险值，对所述多个健康缺陷进行排序，生成与所述多个健康缺陷的排序对应的健康干预方案。
[0003]该数据处理方法、装置、电子设备及可读存储介质具有以下优点：与现有的技术相比，充分对健康程度反映项目进行了分析和处理，健康程度反映项目可以包括现有技术中的活动参数，改善了现有技术未充分利用用户的活动参数的问题但是，该数据处理方法、装置、电子设备及可读存储介质也具有以下缺点：大量数据导致数据计算时间较大，造成数据计算成本的增加；未能够识别亚健康状态，对潜在健康风险未作考虑。
[0004]因此，需要一种能够筛选数据和识别潜在健康风险的方法。

技术实现思路

[0005]为了解决数据处理量较大、未能识别潜在健康风险的问题，本申请提供一种基于区块链的数据处理方法及系统。
[0006]本申请提供一种基于区块链的数据处理方法，包括以下步骤：步骤S1，获取多类型健康数据，并作出身份标识和时间标记，将各类型健康数据时间和身份对应，形成原始数据库；步骤S2，数据相关性分析，将各类型数据分别对应，形成数据项目相关性数据库；步骤S3，个体健康数据分析，由身份标识提取相关数据，并根据相关性程度筛选出相关性高的健康数据；对筛选出的相关性较高的健康数据进行着重分析，并判断个人健康水平；步骤S4，群体健康数据分析，根据步骤S3分析所得数据，对区域内群体疾病防疫情况进行总结，判断群体健康水平。
[0007]所述步骤S1包括：步骤S11，收集病历数据，对研究人群中不同人员历史病历进行收集，根据不同种类疾病的历史发生情况对应时间和身份标记；步骤S12，收集体检数据，对
研究人群中不同人员历史体检数据进行收集，并根据步骤S11中不同种类疾病发生的时间和身份标记，将体检数据与病历数据进行时间和身份对应；步骤S13，收集身体数据，通过可穿戴设备对研究人群中不同人员历史身体数据进行收集，并根据步骤S11中不同种类疾病发生的时间和身份标记，将身体数据与病历数据进行时间和身份对应；步骤S14，特殊数据标记，将步骤S11中不同人员的某种类疾病发生时刻进行标记，并标记出对应时间的体检数据和身体数据。
[0008]所述步骤S2包括：步骤S21，数据安全级别确定，根据当地医疗机构95%医学参考值，比对各项目数据与95%医学参考值的偏离情况，判定各项目数据是否正常；步骤S22，数据项目相关性确定，根据数据项目的异常情况，将某被研究人员某种类疾病发生时各数据项目异常情况对照，再将不同研究人员某种类疾病发生时各数据项目异常情况对照，总结该种类疾病与各数据项目的对应关系；步骤S23，重复步骤S21
‑
步骤S22，总结出不同种类疾病与各数据项目的对应关系，并以此形成相关性数据库。
[0009]所述步骤S21包括：步骤S211,体检数据安全级别确定；步骤S212,身体数据安全级别确定；所述步骤S211中，若某项目体检数据超出95%医学参考值范围，则安全级别为0；若某项目体检数据在95%医学参考值范围，但计算所得趋势值将要超出95%医学参考值范围，则安全级别为1；若某项目体检数据在95%医学参考值范围内，且计算所得趋势值也在95%医学参考值范围内，则安全级别为2；所述体检数据趋势值计算方法为：，其中S
’
表示为体检数据趋势值；S
t
表示为待评价周期的体检数据值；S
t
‑1表示为待评价周期的前一周期的体检数据值；所述步骤S212中，若某项目体检数据超出95%医学参考值范围，则安全级别为0；若某项目体检数据在95%医学参考值范围内，但计算所得趋势值将要超出95%医学参考值范围，则安全级别为1；若某项目体检数据在95%医学参考值范围内，且计算所得趋势值也在95%医学参考值范围内，则安全级别为2；所述身体数据趋势值计算方法为：,其中，其中W
’
表示为体检数据趋势值；W
t
表示为待评价周期的体检数据值；S
t
‑3表示为待评价周期的前第三个周期的体检数据值。
[0010]通过采用上述技术方案，对不同健康状态进行级别区分，提高了健康状态的直观程度，并考虑了健康数据的变化趋势以及发生异常的可能性，提高了对健康状态识别的预见性。
[0011]所述步骤S23中，相关性判断方法为：
,,其中，P（A,B）表示为疾病种类A与体检数据项目B的相关指数,P（A,B）为正值则疾病种类A与体检数据项目B正相关，P（A,B）为负值则疾病种类A与体检数据项目B负相关；P（A,B）的绝对值越大，则疾病种类A与体检数据项目B的相关性越高；P（A,B）的绝对值越小，则疾病种类A与体检数据项目B的相关性越低；P（A,C）表示为疾病A与身体数据项目C的相关指数，P（A,C）为正值则疾病种类A与身体数据项目正相关，P（A,C）为负值则疾病种类A与身体数据项目负相关；P（A,C）的绝对值越大，则疾病种类A与身体数据项目C的相关性越高；P（A,C）的绝对值越小，则疾病种类A与身体数据项目C的相关性越低；X
i
表示为编号为i的人发生某种类疾病的发生参数，该种类疾病发生时X
i
为0,该种类疾病未发生时X
i
为1；Y
i
表示为编号为i的人某项目体检数据的安全级别；Z
i
表示为编号为i的人某项目身体数据的安全级别。
[0012]通过采用上述技术方案，可得到不同健康数据对不同种类疾病的相关程度，提供了数据筛选的依据，形成数据相关性数据库，提高了对健康数据的分析能力。
[0013]所述步骤S3包括：步骤S31，相关数据筛选，将所述步骤S2中某种类疾病对应相关指数低于设定值的数据项目数据剔除，与该种类疾病对应相关指数高于设定值的数据项目数据筛选出来；步骤S32，异常数据筛选，将步骤S31中筛选所得数据中，在安全级别为2的数据项目剔除，安全级别小于2的数据项目筛选出来；步骤S33，判断健康情况，根据筛选出的实际数值计算各种类疾病的发生指数，判断个人健康状况：若任意种类疾病的发生指数均低于设定值，则判断该人员健康状况良好，若存在某种类疾病的发生指数超过设定值，则判断该人员本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于区块链的数据处理方法，其特征在于，包括以下步骤：步骤S1，获取多类型健康数据，并作出身份标识和时间标记，将各类型健康数据时间和身份对应，形成原始数据库（21）；步骤S2，数据相关性分析，将各类型数据分别对应，形成数据项目相关性数据库（22）；步骤S3，个体健康数据分析，由身份标识提取相关数据，并根据相关性程度筛选出相关性高的健康数据；对筛选出的相关性较高的健康数据进行着重分析，并判断个人健康水平；步骤S4，群体健康数据分析，根据步骤S3分析所得数据，对区域内群体疾病防疫情况进行总结，判断群体健康水平。2.根据权利要求1所述的一种基于区块链的数据处理方法,其特征在于：所述步骤S1包括：步骤S11，收集病历数据，对研究人群中不同人员历史病历进行收集，根据不同种类疾病的历史发生情况对应时间和身份标记；步骤S12，收集体检数据，对研究人群中不同人员历史体检数据进行收集，并根据步骤S11中不同种类疾病发生的时间和身份标记，将体检数据与病历数据进行时间和身份对应；步骤S13，收集身体数据，通过可穿戴设备对研究人群中不同人员历史身体数据进行收集，并根据步骤S11中不同种类疾病发生的时间和身份标记，将身体数据与病历数据进行时间和身份对应；步骤S14，特殊数据标记，将步骤S11中不同人员的某种类疾病发生时刻进行标记，并标记出对应时间的体检数据和身体数据。3.根据权利要求2所述的一种基于区块链的数据处理方法,其特征在于：所述步骤S2包括：步骤S21，数据安全级别确定，根据当地医疗机构95%医学参考值，比对各项目数据与95%医学参考值的偏离情况，判定各项目数据是否正常；步骤S22，数据项目相关性确定，根据数据项目的异常情况，将某被研究人员某种类疾病发生时各数据项目异常情况对照，再将不同研究人员某种类疾病发生时各数据项目异常情况对照，总结该种类疾病与各数据项目的对应关系；步骤S23，形成数据库，形成数据库重复步骤S21
‑
步骤S22，总结出不同种类疾病与各数据项目的对应关系，并以此形成相关性数据库。4.根据权利要求3所述的一种基于区块链的数据处理方法,其特征在于：所述步骤S21包括：步骤S211,体检数据安全级别确定；步骤S212,身体数据安全级别确定；所述步骤S211中，若某项目体检数据超出95%医学参考值范围，则安全级别为0；若某项目体检数据在95%医学参考值范围内，但计算所得趋势值将要超出95%医学参考值范围，则安全级别为1；若某项目体检数据在95%医学参考值范围内，且计算所得趋势值在95%医学参考值范围内，则安全级别为2；所述体检数据趋势值计算方法为：，其中S
’
表示为体检数据趋势值；S
t
表示为待评价周期的体检数据值；S
t
‑1表示为待评价周期的前一周期的体检数据值；所述步骤S212中，若某项目体检数据超出95%医学参考值范围，则安全级别为0；若某项目体检数据在95%医学参考值范围，但计算所得趋势值将要超出95%医学参考值范围，则安全级别为1；若某项目体检数据在95%医学参考值范围，且计算所得趋势值低于95%医学参考值范围，则安全级别为2；
所述身体数据趋势值计算方法为：,其中，其中W
’
表示为体检数据趋势值；W
t
表示为待评价周期的体检数据值；S
t
‑3表示为待评价周期的前第三个周期的体检数据值。5.根据权利要求4所述的一种基于区块链的数据处理方法,其特征在于：所述步骤S23中，相关性判断方法为：,,其中，P（A,B）表示为疾病种类A与体检数据项目B的相关指数,P（A,B）为正值则疾病种类A与体检数据项目B正相关，P（A,B）为负值则疾病种类A与体检数据项目B负相关；P（A,B）的绝对值越大，则疾病种类A与体检数据项目B的相关性越高；P（A,B）的绝对值越小，则疾病种类A与体检数据项目B的相关性越低；P（A,C）表示为疾病A与身体数据项目C的相关指数，P（A,C）为正值则疾病种类A与身体数据项目正相关，P（A,C）为负值则疾病种类A与身体数据项目负相关；P（A,C）的绝对值越大，则疾病种类A与身体数据...

【专利技术属性】
技术研发人员：丁洁云，
申请(专利权)人：丁洁云，
类型：发明
国别省市：