一种肿瘤患者膳食能量摄入优化方法技术

本发明专利技术公开了一种肿瘤患者膳食能量摄入优化方法，属于智能营养管理技术领域，所述方法包括如下步骤：步骤如下：基于肿瘤放、化疗患者日常膳食数据库，以传统膳食调查为金标准建立基础菜单表；对基础菜单表做Z

【技术实现步骤摘要】
一种肿瘤患者膳食能量摄入优化方法


[0001]本专利技术属于智能营养管理
，尤其涉及一种肿瘤患者膳食能量摄入优化方法。

技术介绍

[0002]临床现存营养管理问题给膳食营养和能量评估带来了困难。临床精准营养评估工作量大，且营养评估对医护人员专业知识要求高，但传统能量计算方法过程繁杂，降低了护士工作效率同时患者也不能及时知晓自身膳食摄入量是否足够。此外，在化疗间歇期肿瘤患者离院居家休养，在化疗副反应结束之后患者基本拥有正常人的生活方式常常使患者只关注疾病治疗效果而忽视了营养风险，而患者自身也缺乏营养意识，导致营养评估与支持不及时，增加了患者营养风险。医护人员对营养的重视程度不够且自身营养知识储备不足也为临床营养相关工作的开展带来了阻碍。
[0003]目前膳食调查与评估的方法主要包括以传统膳食调查，按照食物营养成分进行核算的传统能量计算方法，如膳食记录法、24h膳食回顾调查法、膳食频率问卷法等，以及膳食调查辅助工具，如食物图谱、基于网络线上的膳食调查法、基于移动端手机APP的膳食调查以及即时图像分析等。传统的膳食调查计算过程复杂且对专业知识要求较高，这为临床实践带来了不便。膳食调查辅助工具受限于图像分析技术要求高、仪器设备购买价格昂贵、适用人群面窄等缺点，均未被广泛应用于临床实际中。而传统膳食调查和基于膳食调查辅助工具的能量计算方法都是基于食物营养成分计算的，在计算方法上并没有进一步的优化和改进。综上，目前膳食调查的计算方式都基于食物营养素成分，对于被调查者来说，容易受到文化程度、饮食习惯的影响，而对于研究者来说对食物营养素成分及其能量含量的掌握要求高，计算过程复杂，会消耗大量的人力、物力。

技术实现思路

[0004]针对现有技术中的上述不足，本专利技术提供的一种肿瘤患者膳食能量摄入优化方法，根据食物主要营养成分进行模糊分类，并在食物模糊分类基础上构建三分类能量预测模型和十二分类能量预测模型，且根据肿瘤放、化疗患者疾病病理分期或肿瘤放、化疗患者治疗阶段选择能量预测模型对肿瘤放、化疗患者欲进食的食物进行膳食能量预测以及优化管理，解决了预测摄入的膳食能量不够便捷和准确的问题。
[0005]为了达到上述专利技术目的，本专利技术采用的技术方案为：
[0006]本专利技术提供一种肿瘤患者膳食能量摄入优化方法，包括如下步骤：
[0007]S1、基于肿瘤放、化疗患者日常膳食数据库，以传统膳食调查为金标准建立基础菜单表；
[0008]S2、对基础菜单表进行Z
‑
score标准化处理，得到标准正态分布膳食数据；
[0009]S3、基于K
‑
均值聚类算法分别对标准正态分布膳食数据中的蛋白质、脂肪和碳水化合物进行聚类分析和划分，得到9级膳食聚类结果；
[0010]S4、基于9级膳食聚类结果对标准正态分布膳食数据进行分层聚类分析和划分，得到三分类食物聚类结果和十二分类食物聚类结果；
[0011]S5、分别基于三分类食物聚类结果和十二分类食物聚类结果，得到三分类能量预测模型和十二分类能量预测模型；
[0012]S6、针对根据肿瘤放、化疗患者疾病病理分期，选择三分类能量预测模型或十二分类能量预测模型对肿瘤放、化疗患者欲进食的食物的膳食能量进行预测，得到第一膳食能量预测结果；
[0013]S7、针对肿瘤放、化疗患者治疗阶段，选择三分类能量预测模型或十二分类能量预测模型对肿瘤放、化疗患者欲进食的食物的膳食能量进行预测，得到第二膳食能量预测结果；
[0014]S8、基于第一膳食能量预测结果或第二膳食能量预测结果与肿瘤患者正常膳食能量摄入范围的比较结果，对肿瘤放、化疗患者欲进食的食物进行优化管理。
[0015]所述基础菜单表包括肿瘤放、化疗患者日常膳食数据库中每一种食物100g含有的能量和营养成分，其中，食物名称为基础菜单表的主键和表头的一部分，表头的另一部分为能量和营养成分；
[0016]所述能量和营养成分包括蛋白质、脂肪、碳水化合物、膳食纤维、维生素A、维生素B1、维生素B2、维生素C、维生素E、胡萝卜素、烟酸、胆固醇、镁、钙、铁、锌、铜、锰、钾、磷、钠和硒。
[0017]所述S2包括如下步骤：
[0018]S21、读取基础菜单表的表头；
[0019]S22、逐行读取基础菜单表中的食物名称以及其对应的能量和营养成分，得到膳食原始数据；
[0020]S23、对膳食原始数据中的能量和营养成分进行Z
‑
score标准化处理，得到均值为0且标准差为1的标准正态分布膳食数据。
[0021]所述S3包括如下步骤：
[0022]S31、将标准正态分布膳食数据中的蛋白质、脂肪和碳水化合物分别作为聚类分析的第一特征属性、第二特征属性和第三特征属性；
[0023]S32、分别计算标准正态分布膳食数据中第一特征属性、第二特征属性和第三特征属性的欧氏距离；
[0024]所述第一特征属性、第二特征属性和第三特征属性的欧氏距离的计算表达式如下：
[0025][0026][0027][0028]其中，表示求欧氏距离函数，X表示待划分特征属性，n表示标准正态分布膳食数据中的食物种类数量，表示标准正态分布膳食数据中第i个食物对应的待划分特征属性的位置，表示标准正态分布膳食数据中第j个食物对应的待划分特征属性的位置，表示标准正态分布膳食数据中的第一特征属性，表示标准正态分布膳食数据中的第二特征属性，表示标准正态分布膳食数据中的第三特征属性，表示标准正态分布膳食数据中第n个食物对应的待划分特征属性的位置，其中，；
[0029]S33、基于K
‑
均值聚类算法及第一特征属性、第二特征属性和第三特征属性的欧氏距离对标准正态分布膳食数据进行划分，得到蛋白质、脂肪和碳水化合物的9级膳食聚类结果。
[0030]所述S4包括如下步骤：
[0031]S41、基于9级膳食聚类结果，分别求各级膳食能量聚类结果对应的标准正态分布膳食数据中第一特征属性、第二特征属性和第三特征属性间的欧式距离；
[0032]所述第一特征属性、第二特征属性和第三特征属性间的欧式距离的计算表达式如下：
[0033][0034][0035][0036]其中，P表示第一待求间距特征属性，Q表示第二待求间距特征属性，表示标准正态分布膳食数据中第个食物对应的第一待求间距特征属性的位置，表示标准正态分布膳食数据中第个食物对应的第二待求间距特征属性的位置，表示标准正态分布膳食数据中第n个食物对应的第一待求间距特征属性的位置，表示标准正态分布膳食数据中第n个食物对应的第二待求间距特征属性的位置，其中，；
[0037]S42、基于第一特征属性、第二特征属性和第三特征属性间的欧式距离对标准正态分别膳食数据进行分层聚类分析和划分，得到三分类食物聚类结果和十二分类食物聚类结果。
[0038]所述S5包括如下步骤：
[0039]S51、分别根据三分类食物聚类结果和十二分类食物聚类结本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种肿瘤患者膳食能量摄入优化方法，其特征在于，包括如下步骤：S1、基于肿瘤放、化疗患者日常膳食数据库，以传统膳食调查为金标准建立基础菜单表；S2、对基础菜单表进行Z
‑
score标准化处理，得到标准正态分布膳食数据；S3、基于K
‑
均值聚类算法分别对标准正态分布膳食数据中的蛋白质、脂肪和碳水化合物进行聚类分析和划分，得到9级膳食聚类结果；S4、基于9级膳食聚类结果对标准正态分布膳食数据进行分层聚类分析和划分，得到三分类食物聚类结果和十二分类食物聚类结果；S5、分别基于三分类食物聚类结果和十二分类食物聚类结果，得到三分类能量预测模型和十二分类能量预测模型；S6、针对根据肿瘤放、化疗患者疾病病理分期，选择三分类能量预测模型或十二分类能量预测模型对肿瘤放、化疗患者欲进食的食物的膳食能量进行预测，得到第一膳食能量预测结果；S7、针对肿瘤放、化疗患者治疗阶段，选择三分类能量预测模型或十二分类能量预测模型对肿瘤放、化疗患者欲进食的食物的膳食能量进行预测，得到第二膳食能量预测结果；S8、基于第一膳食能量预测结果或第二膳食能量预测结果与肿瘤患者正常膳食能量摄入范围的比较结果，对肿瘤放、化疗患者欲进食的食物进行优化管理。2.根据权利要求1所述的肿瘤患者膳食能量摄入优化方法，其特征在于，所述基础菜单表包括肿瘤放、化疗患者日常膳食数据库中每一种食物100g含有的能量和营养成分，其中，食物名称为基础菜单表的主键和表头的一部分，表头的另一部分为能量和营养成分；所述能量和营养成分包括蛋白质、脂肪、碳水化合物、膳食纤维、维生素A、维生素B1、维生素B2、维生素C、维生素E、胡萝卜素、烟酸、胆固醇、镁、钙、铁、锌、铜、锰、钾、磷、钠和硒。3.根据权利要求2所述的肿瘤患者膳食能量摄入优化方法，其特征在于，所述S2包括如下步骤：S21、读取基础菜单表的表头；S22、逐行读取基础菜单表中的食物名称以及其对应的能量和营养成分，得到膳食原始数据；S23、对膳食原始数据中的能量和营养成分进行Z
‑
score标准化处理，得到均值为0且标准差为1的标准正态分布膳食数据。4.根据权利要求3所述的肿瘤患者膳食能量摄入优化方法，其特征在于，所述S3包括如下步骤：S31、将标准正态分布膳食数据中的蛋白质、脂肪和碳水化合物分别作为聚类分析的第一特征属性、第二特征属性和第三特征属性；S32、分别计算标准正态分布膳食数据中第一特征属性、第二特征属性和第三特征属性的欧氏距离；所述第一特征属性、第二特征属性和第三特征属性的欧氏距离的计算表达式如下：
其中，表示求欧氏距离函数，X表示待划分特征属性，n表示标准正态分布膳食数据中的食物种类数量，表示标准正态分布膳食数据中第i个食物对应的待划分特征属性的位置，表示标准正态分布膳食数据中第j个食物对应的待划分特征属性的位置，表示标准正态分布膳食数据中的第一特征属性，表示标准正态分布膳食数据中的第二特征属性，表示标准正态分布膳食数据中的第三特征属性，表示标准正态分布膳食数据中第n个食物对应的待划分特征属性的位置，其中，；S33、基于K
‑
均值聚类算法及第一特征属性、第二特征属性和第三特征属性的欧氏距离对标准正态分布膳食数据进行划分，得到蛋白质、脂肪和碳水化合物的9级膳食聚类结果。5.根据权利要求4所述的肿瘤患者膳食能量摄入优化方法，其特征在于，所述S4包括如下步骤：S41、基于9级膳食聚类结果，分别求各级膳食能量聚类结果对应的标准正态分布膳食数据中第一特征属性、第二特征属性和第三特征属性间的欧式距离；所述第一特征属性、第二特征属性和第三特征属性间的欧式距离的计算表达式如下：第二特征属性和第三特征属性间的欧式距离的计算表达式如下：第二特征属性和第三特征属性间的欧式距离的计算表达式如下：，其中，P表示第一待求间距特征属性，Q表示第二待求间距特征属性，表示标准正态分布膳食数据中第个食物对应的第一待求间距特征属性的位置，表示标准正态分布膳食数据中第个食物对应的第二待求间距特征属性的位置，表示标准正态分布膳食数据中第n个食物对应的第一待求间距特征属性的位置，表示标准正态分布膳食数据中第n个食物对应的第二待求间距特征属性的位置，其中，；S42、基于第一特征...

【专利技术属性】
技术研发人员：张甜，刘瑶，陈杨，王国蓉，汪玲，邱静，任玉芳，周红艳，高宇亮，张向刚，唐敏，李可望，孟晓薇，刘民珉，王领，姚丹，廖佳倩，
申请(专利权)人：四川省肿瘤医院，
类型：发明
国别省市：