公开/公告号CN112489801A
专利类型发明专利
公开/公告日2021-03-12
原文格式PDF
申请/专利权人 北京睿思昆宁科技有限公司;
申请/专利号CN202011409557.2
发明设计人 曹明;
申请日2020-12-04
分类号G16H50/30(20180101);
代理机构11227 北京集佳知识产权代理有限公司;
代理人林哲生
地址 100192 北京市海淀区永泰庄北路1号天地邻枫1号楼2层251
入库时间 2023-06-19 10:11:51
技术领域
本申请涉及数据处理技术领域,更具体地说,涉及一种确定疾病风险的方法、装置和设备。
背景技术
帕金森氏病(PD)和阿尔茨海默病(AD),在60岁以上人群的发病率约1.7%-2.0%和3.5-5%。
研究发现,PD以及AD发病前存在早期风险期阶段,这个早期风险阶段可持续10-15年,因此,如果能够及早发现用户存在PD和AD的潜在风险,有利于及应对,以降低发病概率或者延缓发病。然而,PD和AD这类疾病的早期风险不易察觉,而一旦出现临床典型症状,则只能通过药物等改善症状,不能逆转疾病。因此,如何使得用户能够较为便捷对PD和AD进行诊断筛查,使得用户能够方便的了解自身存在PD和AD这类疾病的疾病风险是本领域技术人员迫切需要解决的技术问题。
发明内容
为实现上述目的,本申请提供了一种确定疾病风险的方法、装置和设备,以使得用户可以较为便捷和高效的获得自身存在PD和AD风险的信息。
一方面,本申请提供了一种确定疾病风险的方法,包括:
获得目标用户通过终端输入的疾病风险分析指令,所述疾病风险分析指令用于请求确定所述目标用户存在帕金森氏病PD和阿尔茨海默病AD的风险情况;
响应于所述疾病风险分析指令,获得所述目标用户的至少一项关联属性的属性值,所述关联属性为影响到所述PD和AD的患病风险的用户属性;
向所述终端的显示界面输出多种风险评估项的引导输入项,其中,每种风险评估项用于表征对PD和AD的患病风险产生影响的一类用户生活行为特征,所述风险评估项的引导输入项用于引导用户输入所述风险评估项的状态特征;
获得所述目标用户针对所述多种风险评估项的引导输入项的输入内容,得到所述目标用户对应的多种风险评估项各自的状态特征;
利用疾病风险评估模型,并结合所述目标用户对应的至少一项关联属性的属性值以及所述多种风险评估项各自的状态特征,分别确定所述目标用户存在所述PD和AD的风险状况,所述风险状况至少包括:所述目标用户存在所述PD的风险程度以及所述目标用户AD风险的风险程度,所述疾病风险评估模型包括不同关联属性以及风险评估项的状态特征对应的PD风险信息和AD风险信息。
优选的,所述疾病风险评估模型包括:不同关联属性的属性值下各风险评估项各自对应的异常状态特征,以及,每种风险评估项对应的异常状态特征所需的健康指导建议;
所述利用疾病风险评估模型,并结合所述目标用户对应的至少一项关联属性的属性值以及所述多种风险评估项各自的状态特征,分别确定所述目标用户存在所述PD和AD的风险状况,包括:
按照不同关联属性的属性值下各风险评估项各自对应的异常状态特征,所述目标用户对应的至少一项关联属性的属性值以及所述多种风险评估项各自的状态特征,确定所述目标用户对应的存在异常状态特征的至少一种风险评估项,并输出针对所述至少一种风险评估项的异常状态特征对应的健康指导建议。
优选的,所述利用疾病风险评估模型,并结合所述目标用户对应的至少一项关联属性的属性值以及所述多种风险评估项各自的状态特征,分别确定所述目标用户存在所述PD和AD的风险状况,包括:
获得疾病风险评估模型,所述疾病风险评估模型包括:针对PD,不同关联属性的属性值下各风险评估项的状态特征对应的第一权重;以及,针对AD,不同关联属性的属性值下各风险评估项的状态特征对应的第一权重。
依据不同关联属性的属性值下各风险评估项的状态特征对应的第一权重以及第二权重,并结合所述目标用户对应的至少一项关联属性的属性值以及所述多种风险评估项各自的状态特征,分别确定所述目标用户存在所述PD和AD的风险程度。
优选的,所述利用疾病风险评估模型,并结合所述目标用户对应的至少一项关联属性的属性值以及所述多种风险评估项各自的状态特征,分别确定所述目标用户存在所述PD和AD的风险状况,包括:
将所述目标用户对应的至少一项关联属性的属性值以及所述多种风险评估项各自的状态特征输入到训练出的第一疾病风险评估模型,得到所述疾病风险评估模型输出的所述目标用户存在所述PD的风险评分,所述第一疾病风险评估模型为利用多个标注有PD对应的风险评分的多个样本用户各自对应的至少一项关联属性的属性值和所述多种风险评估项各自的状态特征训练得到的;
将所述目标用户对应的至少一项关联属性的属性值以及所述多种风险评估项各自的状态特征输入到训练出的第二疾病风险评估模型,得到所述疾病风险评估模型输出的所述目标用户存在所述AD的风险评分,所述第二疾病风险评估模型为利用多个标注有AD对应的风险评分的多个样本用户各自对应的至少一项关联属性的属性值和所述多种风险评估项各自的状态特征训练得到的。
优选的,所述向所述终端的显示界面输出多种风险评估项的引导输入项,包括:
向所述终端的显示界面输出评估页面,所述评估页面依次展现有多种风险评估项各自对应的状态特征选择栏,所述风险评估项的状态特征选择栏包括所述风险评估项对应的多种可供选择的状态特征的选择项。
优选的,所述向所述终端的显示界面输出多种风险评估项的引导输入项,包括:
确定对所述PD和AD存在患病影响的多个维度的风险评估类,每个维度的风险评估类包括多种风险评估项,所述多个维度的风险评估类至少包括:用户生活环境评估类、睡眠评估类、情绪评估类、记忆状况评估类以及嗅觉评估类;
向所述终端依次输出所述多种风险评估类下各种评估项的引导输入项。
又一方面,本申请还提供了一种确定疾病风险的装置,包括:
指令获得单元,用于获得目标用户通过终端输入的疾病风险分析指令,所述疾病风险分析指令用于请求确定所述目标用户存在帕金森氏病PD和阿尔茨海默病AD的风险情况;
属性获得单元,用于响应于所述风险分析指令,获得所述目标用户的至少一项关联属性的属性值,所述关联属性为影响到所述PD和AD的患病风险的用户属性;
引导输出单元,用于向所述终端的显示界面输出多种风险评估项的引导输入项,其中,每种风险评估项用于表征对PD和AD的患病风险产生影响的一类用户生活行为特征,所述风险评估项的引导输入项用于引导用户输入所述风险评估项的状态特征;
风险项获得单元,用于获得所述目标用户针对所述多种风险评估项的引导输入项的输入内容,得到所述目标用户对应的多种风险评估项各自的状态特征;
风险分析单元,用于利用疾病风险评估模型,并结合所述目标用户对应的至少一项关联属性的属性值以及所述多种风险评估项各自的状态特征,分别确定所述目标用户存在所述PD和AD的风险状况,所述风险状况至少包括:所述目标用户存在所述PD的风险程度以及所述目标用户AD风险的风险程度,所述疾病风险评估模型包括不同关联属性以及风险评估项的状态特征对应的PD风险信息和AD风险信息。
优选的,模型信息获得单元获得的所述疾病风险评估模型包括:不同关联属性的属性值下各风险评估项各自对应的异常状态特征,以及,每种风险评估项对应的异常状态特征所需的健康指导建议;
所述风险分析单元,还包括:
第一风险分析单元,用于按照不同关联属性的属性值下各风险评估项各自对应的异常状态特征,所述目标用户对应的至少一项关联属性的属性值以及所述多种风险评估项各自的状态特征,确定所述目标用户对应的存在异常状态特征的至少一种风险评估项,并输出针对所述至少一种风险评估项的异常状态特征对应的健康指导建议。
优选的,所述风险分析单元包括:
模型信息获得单元,用于获得疾病风险评估模型,所述疾病风险评估模型包括:针对PD,不同关联属性的属性值下各风险评估项的状态特征对应的第一权重;以及,针对AD,不同关联属性的属性值下各风险评估项的状态特征对应的第一权重;
第二风险分析单元,用于依据不同关联属性的属性值下各风险评估项的状态特征对应的第一权重和第二权重,并结合所述目标用户对应的至少一项关联属性的属性值以及所述多种风险评估项各自的状态特征,确定所述目标用户存在所述PD和AD的风险程度。
又一方面,本申请还提供了一种疾病诊断终端,包括:
通信模块、处理器、存储器和打印模块;
所述处理器用于执行如上所述的确定疾病风险的方法;
所述存储器用于存储所述处理器执行如上操作所需的程序;
所述打印模块用于打印所述处理器确定出的风险状况;
所述通信模块用于与用户终端建立通信连接,并向所述用户终端传输所述处理器确定出的风险状况。
通过以上方案可知,本申请在获得用户通过终端输入的风险分析指令之后,可以基于影响到PD和AD的患病风险的各关联属性,获得该用户在该各关联属性下的属性值;同时,会向终端的显示界面输出对PD和AD的患病风险产生影响的各风险评估项的引导输入项,从而引导用户输入各风险评估项的状态特征。在此基础上,结合用户的各关联属性的属性值以及各风险评估项的状态特征可以确定出该用户存在PD和AD风险的风险程度等风险状况,从而使得用户利用该终端便可以较为便捷的获得自身存在PD和AD风险的风险状况,大大提高了确定PD和AD风险的便捷性。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种确定疾病风险的方法一个实施例的流程示意图;
图2为本申请实施例提供的一种确定疾病风险的方法又一个实施例的流程示意图;
图3为本申请实施例提供的一种确定疾病风险的装置一个实施例的组成结构示意图。
说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等(如果存在)是用于区别类似的部分,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例能够以除了在这里图示的以外的顺序实施。
具体实施方式
本申请的方案可以实现用户通过操作终端,便可以通过终端便捷的获得自与PD和AD相关的患病风险状况,从而有利于用户更为方便和高效分析自身存在PD和AD的患病风险。
其中,该终端可以为手机等移动终端,还可以是特定的手持终端或者设置于医院内的终端设备等。
可以理解的是,本申请中的终端可以结合用户的操作,独立确定出用户存在PD和AD的患病风险,也可以是终端结合用户的操作获得与PD和AD相关的数据信息之后,通过服务器来分析这些数据信息最终确定用户存在PD和AD的患病风险。
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有付出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
请参阅图1,图1为本申请实施例提供的一种确定疾病风险的方法一个实施例的流程示意图,本实施例的方法应用于如上的终端;或者是,应用于与终端建立有通信连接的服务器,如,终端中安装有用于实现疾病分析的疾病分析应用,该服务器可以为该疾病分析应用的应用服务器。
本实施例的方法可以包括:
S101,获得目标用户通过终端输入的疾病风险分析指令。
如前面所述,该终端可以为用户的手机等移动终端或者特定的终端设备,用户可以通过向终端请求分析疾病并通过该终端获得疾病分析结果。
其中,疾病风险分析指令用于请求确定目标用户存在帕金森氏病(Parkinson’sdisease,PD)和阿尔茨海默病(Alzheimer’s disease,AD)的风险情况。
为了便于区分,本申请将发起该疾病分析指令的用户称为目标用户。
可以理解的是,如果本申请的方案应用于服务器,则服务器可以通过终端获得该目标用户发起的疾病分析指令。如,终端获得用户输入的疾病分析指令,并传输给服务器。
S102,响应于疾病风险分析指令,获得目标用户的至少一项关联属性的属性值。
其中,关联属性为影响到PD和AD的患病风险的用户属性。
如,关联属性包括:用户的年龄和性别。可以理解的是,用户的年龄越大,用户患帕金森氏病和阿尔茨海默病的风险越高;而不同性别的用户,患帕金森氏病和阿尔茨海默病的风险程度也不同。
当然,影响到PD和AD的患病风险的用户属性还可以包括:用户所处的地区以及学历等等。
可以理解的是,作为关联属性的用户属性可以根据目前用于诊断PD和AD的行业标准或者临床指南(如,诊断PD和AD的国际指南)来确定,并预置到终端或者服务器中。在此基础上,本申请可以确定作为关联属性的至少一个用户属性,并获得该目标用户的该至少一个用户属性的属性值。
可以理解的是,针对不同的应用场景,获得该目标用户的至少一项关联属性的属性值的方式也可能会有所不同,下面以几种情况为例说明:
在一种可能的情况中,可以输出用户信息获取页面,该用户信息获取页面展现有需要采集的该至少一个关联属性的属性输入框。相应的,可以获得目标用户在该用户信息获取页面输入的该至少一个关联属性的属性值。
在又一种可能的情况中,在该目标用户通过终端已注册有该目标用户的属性信息集的基础上,可以从属性信息集中提取该目标用户的该至少一个关联属性的属性值。
如,在目标用户通过终端在疾病分析应用中进行用户注册时,目标用户可能会输入其年龄以及性别等属性信息,在此基础上,疾病分析应用可以在终端或者服务器内存储该目标用户的属性信息集,该属性信息集可以包括该目标用户的一个或者多个属性信息。相应的,可以从该属性信息集中提取该目标用户的关联属性的属性值。
S103,向终端的显示界面输出多种风险评估项的引导输入项。
其中,每种风险评估项用于表征对PD和AD的患病风险产生影响的一类用户生活行为特征。该用户生活行为特征是用户属性之外,且与用户存在PD和AD的患病风险相关的生活行为特征。如,用户生成行为特征可以包括用户所处的生成习惯,用户所处环境、家族中PD和AD的患病情况等信息中的一种或者多种。
可以理解的是,该多种风险评估项同样是根据用于诊断PD和AD的行业标准或者临床指南确定的。
在一种可能的实现方式中,该多种风险评估项可以划归为不同的类别。相应的,可以确定对PD和AD存在患病影响的多个维度的风险评估类。其中,每个维度的风险评估类包括多种风险评估项。如,该多个维度的风险评估类至少包括:用户生活环境评估类、睡眠评估类、情绪评估类、记忆状况评估类以及嗅觉评估类。
可以理解的是,每个风险评估类,又可以划分为多个子类别。
下面针对风险评估类所可能包含的风险评估项进行简单说明:
1)、用户生成环境评估类可以包括:既往病史;环境风险、生活习惯以及家族遗传几个子类别。
其中,既往病史可以包括:高血压、2型糖尿病、心脏病以及脑卒中等等风险评估项。
环境风险可以包括:经常接触灭害剂(如,除草剂、杀真菌剂、杀昆虫剂、灭鼠剂或者熏剂等);以及,经常接触三氯乙烯等等风险评估项。
生活习惯可以包括:经常喝咖啡;吸烟习惯;坚持锻炼;
家族遗传可以包括:父母、兄弟、姐妹中有帕金森氏病患者;以及,父母、兄弟、姐妹中有阿尔茨海默病患者。
2)、睡眠评估类可以包括:睡觉时是否做梦;梦中出现令你愤怒的情景;以及睡觉时从床上掉下来等风险评估项。
3)、情绪评估项可以包括:是否生活基本上满意;是否觉得生活空虚;以及是否常常担心未来等风险评估项。
4)、记忆风险评估项可以包括:是否认为自己有记忆问题;是否经常忘记常用号码等等风险评估项。
5)、嗅觉评估项可以包括:是否存在嗅觉减退;在有煤气泄漏时,对于煤气味的反应;对于旁人使用香水的反应等等风险评估项。
当然,以上是以风险评估项的几种可能情况为例简单说明,在实际应用中,所需测评的风险评估项的内容会更多,对此不加限制。
可以理解的是,在风险评估项分为多个风险评估类的情况下,可以向终端的显示界面依次输出该多种风险评估类下各风险评估项的引导输入项。
在本申请中,风险评估项的引导输入项用于引导用户输入风险评估项的状态特征。其中,风险评估项可以包括至少一种状态特征,每种状态特征为好风险评估项所可能的一种状态呈现类别。如,上面睡眠评估项中睡觉是否做梦所包含的状态特征可以包括经常做梦和偶尔做梦这两种;又如,环境风险包括是否经常接触灭害剂,则状态特征可以包括是,或者否。
其中,风险评估项的引导输入项可以为风险评估项的状态特征选择栏。如。针对每项风险评估项可以依次展现出该风险评估项所可能对应的状态特征的选择项,该选择项的形式可以为选择按钮、选择图标或者点击选中的按钮等等形式,对此不加限制。例如,以是否经常接触灭害剂为例,则可以分别对应有“是”的选择按钮,以及“否”的选择按钮,在该种情况下,用户点击“是”的选择按钮,则确定该用户经常接触灭害剂。
相应的,可以向终端的显示界面输出评估页面,该评估页面依次展现有多种风险评估项各自对应的状态特征选择栏,该风险评估项的状态特征选择栏包括该风险评估项对应的至少一种可供选择的状态特征的选择项。
可以理解的是,在风险评估项较多的情况下,评估页面可以包括多个分页,用户可以通过对该评估页面的各个分页进行向上或者向下的翻页操作,来查看上一页或者下一页内的风险评估项。
其中,如果本实施例应用于终端,终端可以直接输出该评估页面;也可以是终端向服务器发送该疾病风险分析指令之后,获得服务返回的评估页面并输出。
如果本实施例应用于服务器,则服务器可以控制终端输出该评估页面。
可以理解的是,风险评估项的引导输入项除了选择项的方式,还可以有其他可能,如风险评估项的引导输入项可以为具有引导语的信息输入栏,该引导语用于引导用户输入该风险评估项的状态特征。当然,引导输入项还可以有其他可能情况,对此不加限制。
S104,获得目标用户针对多种风险评估项的引导输入项的输入内容,得到目标用户对应的多种风险评估项各自的状态特征。
如,根据用户针对该风险评估项下各状态特征的选择项的点击等选择操作,可以确定出目标用户在该多种风险评估项内的状态特征。
S105,利用疾病风险评估模型,并结合目标用户对应的至少一项关联属性的属性值以及多种风险评估项各自的状态特征,分别确定目标用户存在PD和AD的风险状况。
风险状况可以为用户自身存在的能够导致AD或者PD相关疾病的风险信息,如,用户存在的导致AD和PD的状态特征、目标用户存在PD风险的风险程度以及目标用户存在AD风险的风险程度。
在实际应用中,为了使得用户能够更为直观的了解到影响自身患病风险的风险因素,本申请的风险状况可以包括该多种风险评估项中,该目标用户存在状态特征异常的风险评估项的信息。
在本申请实施例中,疾病风险评估模型包括不同关联属性以及风险评估项的状态特征的风险信息。
可以理解的是,基于PD和AD的诊断指南或行业诊断标准,可以确定出影响PD和AD的多种风险评估项以及多种风险评估项对于PD和AD患病的影响程度等影响情况,在此基础上,本申请可以构建出能够反映关联属性以及风险评估项的状态特征所具有的风险信息的疾病风险评估模型,基于该疾病风险评估模型可以分析该目标用户的风险状况。
如,在一种可能的情况中,可以利用标注有PD对应的风险评分的多个样本用户各自对应的至少一项关联属性的属性值和该多种风险评估项各自的状态特征,训练得到神经网络模型等,得到第一疾病风险评估模型。相应的,可以利用标注有AD对应的风险评分的多个样本用户各自对应的至少一项关联属性的属性值和多种风险评估项各自的状态特征,训练得到神经网络模型等,得到第二疾病风险评估模型。
相应的,可以将目标用户对应的至少一项关联属性的属性值以及多种风险评估项各自的状态特征输入到训练出的第一疾病风险评估模型,得到该疾病风险评估模型输出的目标用户存在PD的第一风险评分。其中,该第一风险评分越高,则用户存在PD患病风险的风险越大。
将目标用户对应的至少一项关联属性的属性值以及多种风险评估项各自的状态特征输入到训练出的第二疾病风险评估模型,得到该疾病风险评估模型输出的目标用户存在AD的第二风险评分。该第二风险评分越高,则用户存在AD患病风险的风险越大。此处第一风险评分和第二风险评分仅仅是为了区分目标用户存在AD和PD的风险评分。
又如,在又一种可能的情况中,该风险评估模型还可以包括:针对PD,不同关联属性的属性值下各风险评估项的状态特征对应的第一权重;以及AD,不同关联属性的属性值下各风险评估项的状态特征对应的第一权重。相应的,依据不同关联属性的属性值下各风险评估项的状态特征对应的第一权重和第二权重,并结合目标用户对应的至少一项关联属性的属性值以及多种风险评估项各自的状态特征,分别确定目标用户存在PD和AD的风险程度。
其中,虽然PD和AD这两种疾病较为相似,但是影响因素也会稍微有所差别。在本申请中分别针对这两种疾病,确定不同关联属性的属性值下各个风险评估项的状态特征所对应的影响程度。
如,对于PD和AD中任意一种疾病而言,关联属性为性别时,不同风险评估项对于男性和女性产生PD和AD患病风险的影响程度也会有所不同;关联属性为年龄段时,不同年龄段下,各风险评估项对PD和AD的影响程度也不同。相应的,分别针对不同年龄段的男性设置对应的各个风险评估项的状态特征的权重;同时,分别针对不同年龄段的女性可以设置对应的各个风险评估项的状态特征的权重。
对于PD和AD中任意一种疾病而言,在目标用户的至少一个关联属性的属性值确定的情况下,该目标用户对应的各个风险评估项的状态特征对应的权重也是确定的,在该种情况下,可以按照各个状态特征的权重进行加权求和,或者是,按照设定评估规则,确定该目标用户存在PD或者AD的风险程度。
可以理解的是,该风险评估模型除了包括以上提到的第一权重和第二权重之外,还可以分别配置用于确定PD风险程度的评分计算规则以及用于确定PD风险程度的评分计算规则等风险程度确定规则。
在一种可选方式中,为了使得目标用户能够了解到改善健康状况所需调整的因素,本申请中该风险评估模型可以包括:不同关联属性的属性值下各风险评估项各自对应的异常状态特征,以及,每种风险评估项对应的异常状态特征所需的健康指导建议。后续会结合一个实施例进行介绍,在此不再赘述。
可以理解的是,在确定出该目标用户的风险状况之后,可以向终端的显示界面输出该目标用户的风险状况,以便目标用户及时查看诊断出的相关风险信息。如,在本实施例为终端侧执行的情况下,终端可以直接输出风险状况;如果本实施例为服务器执行,则服务器可以向终端输出该风险状况,以使得终端显示出该风险状况。
作为一种可选方式,在终端为具备打印模块或者连接有打印机的情况下,终端还可以通过打印模块或者打印机打印出该目标用户相关的风险状况的信息。
由以上内容可知,本申请在获得用户通过终端输入的风险分析指令之后,可以基于影响到PD和AD的患病风险的各关联属性,获得该用户在该各关联属性下的属性值;同时,会向终端的显示界面输出对PD和AD的患病风险产生影响的各风险评估项的引导输入项,从而引导用户输入各风险评估项的状态特征。在此基础上,结合用户的各关联属性的属性值以及各风险评估项的状态特征可以确定出该用户存在PD和AD风险的风险程度等风险状况,从而使得用户利用该终端便可以较为便捷的获得自身存在PD和AD风险的风险状况,大大提高了确定PD和AD风险的便捷性。
同时,本申请的方案应用于移动终端的情况下,还可以为用户足不出户诊断自身存在PD和AD风险提供了可能,避免用户频繁去医院进行诊断所导致的复杂度。
下面以一种情况为例说明,如图2所示,其示出了本申请一种确定疾病风险的方法又一个实施例的流程示意图,本实施例的方法同样可以应用于如上提到的终端或者服务器。本实施例的方法可以包括:
S201,获得目标用户通过终端输入的疾病风险分析指令。
S202,响应于风险分析指令,获得目标用户的至少一项关联属性的属性值。
其中,关联属性为影响到PD和AD的患病风险的用户属性。
S203,向终端的显示界面输出多种风险评估项的引导输入项。
其中,每种风险评估项用于表征对PD和AD的患病风险产生影响的一类用户生活行为特征。
风险评估项的引导输入项用于引导用户输入风险评估项的状态特征。
S204,获得目标用户针对多种风险评估项的引导输入项的输入内容,得到目标用户对应的多种风险评估项各自的状态特征。
以上步骤可以参见前面实施例的相关介绍,在此不再赘述。
S205,获得疾病风险评估模型。
其中,疾病风险评估模型包括:针对PD,不同关联属性的属性值下各风险评估项的状态特征对应的第一权重,以及针对AD,针对PD,不同关联属性的属性值下各风险评估项的状态特征对应的第一权重。
同时,疾病风险评估模型还包括:不同关联属性的属性值下各风险评估项各自对应的异常状态特征,以及,每种风险评估项对应的异常状态特征所需的健康指导建议。
其中,风险评估项的异常状态特征是指该项风险评估项导致用户出现PD和AD风险增大的状态特征。如,以经常接触重金属的工作超过6个月以上为例,如经常接触重金属的工作超过6个月以上增加患病风险,因此,经常接触重金属的工作超过6个月以上为异常状态特征,相应的,健康指导建议可以为减少接触重金属或采取必要的工作保护措施。
在本申请中,风险评估项对应的异常状态特征,以及该风险评估项的异常状态特征对应的健康指导建议可以PD和AD的行业诊断标准或者国际诊断标准等来确定。
S206,依据不同关联属性的属性值下各风险评估项的状态特征对应的第一权重,并结合该目标用户对应的至少一项关联属性的属性值以及该多种风险评估项各自的状态特征,确定目标用户存在PD的风险程度。
S207,依据不同关联属性的属性值下各风险评估项的状态特征对应的第二权重,并结合该目标用户对应的至少一项关联属性的属性值以及该多种风险评估项各自的状态特征,确定目标用户存在AD的风险程度。
S208,按照不同关联属性的属性值下各风险评估项各自对应的异常状态特征,该目标用户对应的至少一项关联属性的属性值以及该多种风险评估项各自的状态特征,确定该目标用户对应的存在异常状态特征的至少一种风险评估项,并向终端输出针对该至少一种风险评估项的异常状态特征对应的健康指导建议。
其中,按照风险评估模型中不同关联属性的属性值下各个风险评估项分异常状态特征,可以确定该目标用户存在异常状态特征的风险评估项。在此基础上,通过查询风险评估项的异常状态特征对应的健康指导建议,可以确定需要给目标用户的健康指导建议。
当然,存在异常状态特征的风险评估项有多项时,该健康指导建议也会有多条。
为了便于理解,结合一种应用场景进行说明,以本申请中从5个维度的风险评估类评估PD和AD的患病风险为例。
仍以风险评估类包括:用户生活环境评估类、睡眠评估类、情绪评估类、记忆状况评估类以及嗅觉评估类为例。
下面分别对各风险评估类及其状态特征的选择项进行详细说明:
(1)、用户生活环境评估类;
具体包括如下既往病史、环境风险、生活习惯和家族遗传这四类子风险类别。具体如下:
0.1,既往病史,包括如下风险评估项:
0.1.1【高血压】;0.1.2【2型糖尿病】;0.1.3【心脏病】;0.1.4【脑卒中】;0.1.5【癫痫】;0.1.6【高脂血症】;0.1.7【高尿酸血症】;0.1.8【嗅觉减退】;0.1.9【便秘】;0.1.10【白天嗜睡】;0.1.11【排尿障碍】;0.1.12【低血压】;0.1.13【头部外伤】;0.1.14【听力下降】;0.1.15【勃起障碍(仅限男性)】。
0.2,环境风险,包括如下风险评估项:
0.2.1【经常接触灭害剂,如除草剂、杀真菌剂、杀昆虫剂、灭鼠剂、熏剂(除霉菌/真菌/或昆虫的气体等)】;0.2.2【经常接触化学溶剂的工作超过6个月以上】;0.2.3【经常接触重金属的工作超过6个月以上】;0.2.4【经常接触三氯乙烯】;0.2.5【经常接触杀虫剂鱼藤酮】;0.2.6页面中间【经常接触除草剂百草枯】。
0.3、生活习惯,包括如下风险评估项:
0.3.1【经常喝咖啡,每日1-2杯】;0.3.2【吸烟习惯】;0.3.3【坚持锻炼】。
0.4、家族遗传,包括如下风险评估项:
0.4.1【您的父母、兄弟、姐妹中有帕金森氏病患者】;
0.4.2【您的父母、兄弟、姐妹中有阿尔茨海默病患者】。
在实际应用中,用户可以针对每项风险评估项,选择“是”,表示用户在该风险评估项具有该种状态特征,例如,针对糖尿病,选择是,则表示具有该病史;或者。选择“否”表示不存在该项风险评估项对应的该种状态特征,例如,是否经常喝咖啡,选择否,则不经常喝咖啡。
(2)、睡眠评估类;
睡眠评估类包括如下多项风险评估项,该多项风险评估项对应的状态信息可以通过如下方式采集:
2.1【睡觉时经常做梦?】:
若选择【有】,出现如下提示【最近一年有这样的情况吗?】对应的选择选项:
【一年一次或几次】,【每个月一次或几次】,【每周1-2次】,【每周3次以上】(这几项为单选)
2.2【睡觉时经常做恶梦】:
若选择【有】出现提示【最近一年有这样的情况吗?】:
【一年一次或几次】,【每个月一次或几次】,【每周1-2次】,【每周3次以上】(这几项为单选)
2.3【梦中出现令你难过的情景】:
若选择【有】出现提示【最近一年有这样的情况吗?】:
【一年一次或几次】,【每个月一次或几次】,【每周1-2次】,【每周3次以上】(这几项为单选)
2.4【梦中出现令你愤怒的情景】:
若选择【有】出现提示【最近一年有这样的情况吗?】:
【一年一次或几次】,【每个月一次或几次】,【每周1-2次】,【每周3次以上】(单选)
2.5【梦中出现令你害怕、惊恐的情景,如被人追或见到怪物】:
若选择【有】出现提示【最近一年有这样的情况吗?】:
【一年一次或几次】,【每个月一次或几次】,【每周1-2次】,【每周3次以上】(单选)
2.6【睡觉时说梦话】:
若选择【有】出现提示【最近一年有这样的情况吗?】:
【一年一次或几次】,【每个月一次或几次】,【每周1-2次】,【每周3次以上】(单选)
2.7【做梦或恶梦时,伴随着呼喊、尖叫等】:
若选择【有】出现提示【最近一年有这样的情况吗?】:
【一年一次或几次】,【每个月一次或几次】,【每周1-2次】,【每周3次以上】(单选)
2.8【做梦或恶梦时,伴随着动手、动脚】:
若选择【有】出现提示【最近一年有这样的情况吗?】:
【一年一次或几次】,【每个月一次或几次】,【每周1-2次】,【每周3次以上】(单选)
2.9【睡觉时从床上掉下来】:
若选择【有】出现提示【最近一年有这样的情况吗?】:
【一年一次或几次】,【每个月一次或几次】,【每周1-2次】,【每周3次以上】(单选)
2.10【睡觉时弄伤自己或身边的人】:
若选择【有】出现提示【最近一年有这样的情况吗?】:
【一年一次或几次】,【每个月一次或几次】,【每周1-2次】,【每周3次以上】(单选)
2.11【睡觉时差点或有机会弄伤自己或身边的人】:
若选择【有】出现提示【最近一年有这样的情况吗?】:
【一年一次或几次】,【每个月一次或几次】,【每周1-2次】,【每周3次以上】(单选)
2.12【最近的两个问题是否与做梦有关】:
若选择【有】出现提示【最近一年有这样的情况吗?】:
【一年一次或几次】,【每个月一次或几次】,【每周1-2次】,【每周3次以上】(单选)
2.13【以上问题影响你的睡眠吗?】:
若选择【有】出现提示【最近一年有这样的情况吗?】:
【一年一次或几次】,【每个月一次或几次】,【每周1-2次】,【每周3次以上】(单选)
(3)、情绪评估类,具体包含的风险特征项及输出形式如下;
在情绪评估类中各个风险评估项的结果可以为“是”或者“否”,用户可以直接输出“是”或“否”,也可以是在每项风险评估项后面设置“是”和“否”的选择按钮。
(4)、记忆评估类,包含的风险评估项和输出的具体评估形式如下:
以下问题请选择最切合您的感受的答案。
4.1你认为自己有记忆问题吗?
4.2.你回忆3-5天前的对话有困难吗?
4.3.你觉得自己近两年有记忆问题吗?
4.4.下列问题经常发生吗:忘记对个人来说重要的日期(如生日等)
4.5.下列问题经常发生吗:忘记常用号码
4.6.总的来说,你是否认为自己对要做的事或要说的话容易忘记?
4.7.下列问题经常发生吗:到了商店忘记要买什么
4.8.你认为自己的记忆力比5年前要差吗?
4.9.你认为自己越来越记不住东西放哪儿了吗?
该记忆评估类各个风险评估项的结果同样可以为“是”或者“否”,具体同情绪评估类。
(5)、嗅觉评估项:
5.1您是否认为自己存在嗅觉减退:
是;不是;不确定。
5.2当我路过花店,对于花香味:
a:我总能闻得到,不需要别人提醒;
b:我有时候能闻得到,不需要别人提醒;
c:当别人问我是否有花香时,我才能够闻得到;
d:即便别人询问我是否有花香,我也不能够闻到;
e:我不熟悉/从没有闻过鲜花。
5.3在一个狭窄的空间(如:电梯中),周围人的体味或汗味:
a:我总能闻得到,不需要别人提醒;
b:我有时候能够闻到到,不需要别人提醒;
c:当别人问我是否能够闻到体味或汗味时,我才能够闻得到;
d:即使别人问我是否能够闻到体味或汗味时,我也不能闻得到
e:我不熟悉/从来没有闻过体味或汗味。
5.4在家中做饭时的气味:
a:我总能闻得到,不需要别人提醒;
b:我有时候能够闻到到,不需要别人提醒;
c:当别人问我是否能够闻到饭菜味时,我才能够闻得到;
d:即使别人问我是否能够闻到饭菜味时,我也不能闻得到;
e:我不熟悉/从来没有闻过饭菜味。
目标用户可以针对以上5类风险评估类下各个风险评估项进行选择或者输入,使得终端可以获得该目标用户对应的多个风险评估项的状态特征。
在以上基础上,本申请可以分别针对目标用户对于睡眠评估类、嗅觉评估类和情绪评估类的相关状态特征,分别确定睡眠评估评分、嗅觉评分和情绪评分。
相应的,本申请确定帕金森氏病PD的风险程度(如风险评分)结合如下表1给出的相关权重进行计算:
表1
在以上表1所涉及到各个存在异常的风险评估项的权重(系数)已知的情况下,本申请将各个风险评估项的权重连续相乘,得到一个风险评估分数。在此基础上,还可以结合如下表2中不同年龄段对应的先验概率,基于目标用户所处的年龄段,确定目标用户的先验概率。结合先验概率与风险评估分数,确定用户的风险评分。根据风险评分以及该表2确定用户具有PD的高风险。
表2
类似的,以结合如下表3中各个风险评估项的权重,定目标用户存在阿尔茨海默病AD的风险程度。针对AD的权重分布情况如表3所示:
表3
在AD的风险评估中,如果以上表3中第15项“记忆评估”存在异常,则可以不考虑其他风险评估项,而直接目标用户存在AD的风险属于高风险。
同时,第1-11项之和大于或者等于3分,且第12-14项之和大于或者等于2分,则判断具有AD的风险为高风险
第1-11项之和大于或者等于2分,且第12-14项之和大于或者等于1分,则判断为存在AD的风险为中风险。
对于其他情况则为低风险。
当然,以上是以一种情况为例说明,在实际应用中,结合表3还可以其他判断AD对应风险程度的方式。
为了使得目标用户能够直观看到该目标用户的哪些项风险评估项的状态特征属于该属于影响PD和AD的异常状态特征,本申请还可以针对各维度的风险评估类分别进行分析:
1、用户生活环境评估类:
如既往疾病:大于等于5项;或
环境风险:大于等于1项;或
家族遗传:大于等于1项,则认为存在风险。
相应的,可以确定用户生活环境评估类或者相应的子评估类存在风险,相应的该生活环境评估类或者相应的子评估类对应的状态特征属于异常状态特征,需要目标用户关注。在此基础上,可以给出针对该用户生活环境评估类,或者相应的子风险评估类的健康指导建议。
在一种可能的方式中,生活习惯和【高尿酸血症】中任意一项为是,则抵消一种既往疾病中的1项。
2、睡眠评估类:
数字对应为题目编号=【1】+【1a】+【2】+【2a】+【3】+【3a】+【4】+【4a】+【5】+【5a】+【6】*2+【6a】*2+【7】*2+【7a】*2+【8】*2+【8a】*2+【9】*2+【9a】*2+【10】*2+【10a】*2+【11】*2+【11a】*2+【12】*2+【12a】*2+【13】+【13a】
0-18分:【正常】,19-100分:【风险】。
3、情绪风险判读计算
回答为“否“的:1,5,7,9,15,19,21,27,29,30,每题记1分。
回答为“是“的:2,3,4,6,8,10,11,12,13,14,16,17,18,20,22,23,24,25,26,28,每题记1分。
0—10分为【正常】,11—30分【风险】。
4、记忆风险判读计算
回答为“是”的问题:每题记1分。
回答为“否”的问题:每题记0分。
回答为“经常”的问题:每题记1分。
回答为“偶尔”的问题:每题记0.5分。
评判标准:0—5分为【正常】,6分以上为【风险】。
5、嗅觉评估类:
嗅觉风险问题中加和分数小于等于22分,则判定嗅觉为【风险】
又一方面,本申请还提供了一种确定疾病风险的装置,如图3所示,其示出了本申请一种确定疾病风险的装置,该装置可以包括:
指令获得单元301,用于获得目标用户通过终端输入的疾病风险分析指令,所述疾病风险分析指令用于请求确定所述目标用户存在帕金森氏病PD和阿尔茨海默病AD的风险情况;
属性获得单元302,用于响应于所述风险分析指令,获得所述目标用户的至少一项关联属性的属性值,所述关联属性为影响到所述PD和AD的患病风险的用户属性;
引导输出单元303,用于向所述终端的显示界面输出多种风险评估项的引导输入项,其中,每种风险评估项用于表征对PD和AD的患病风险产生影响的一类用户生活行为特征,所述风险评估项的引导输入项用于引导用户输入所述风险评估项的状态特征;
风险项获得单元304,用于获得所述目标用户针对所述多种风险评估项的引导输入项的输入内容,得到所述目标用户对应的多种风险评估项各自的状态特征;
风险分析单元305,用于利用疾病风险评估模型,并结合所述目标用户对应的至少一项关联属性的属性值以及所述多种风险评估项各自的状态特征,分别确定所述目标用户存在所述PD和AD的风险状况,所述风险状况至少包括:所述目标用户存在所述PD的风险程度以及所述目标用户AD风险的风险程度,所述疾病风险评估模型包括不同关联属性以及风险评估项的状态特征对应的PD风险信息和AD风险信息。
在一种可能的实现方式中,模型信息获得单元获得的所述疾病风险评估模型包括:不同关联属性的属性值下各风险评估项各自对应的异常状态特征,以及,每种风险评估项对应的异常状态特征所需的健康指导建议;
所述风险分析单元,包括:
第一风险分析单元,用于按照不同关联属性的属性值下各风险评估项各自对应的异常状态特征,所述目标用户对应的至少一项关联属性的属性值以及所述多种风险评估项各自的状态特征,确定所述目标用户对应的存在异常状态特征的至少一种风险评估项,并输出针对所述至少一种风险评估项的异常状态特征对应的健康指导建议。
在又一种可能的实现方式中,所述风险分析单元包括:
模型信息获得单元,用于获得疾病风险评估模型,所述疾病风险评估模型包括:针对PD,不同关联属性的属性值下各风险评估项的状态特征对应的第一权重;以及,针对AD,不同关联属性的属性值下各风险评估项的状态特征对应的第一权重;
第二风险分析单元,用于依据不同关联属性的属性值下各风险评估项的状态特征对应的第一权重和第二权重,并结合所述目标用户对应的至少一项关联属性的属性值以及所述多种风险评估项各自的状态特征,确定所述目标用户存在所述PD和AD的风险程度。
又一方面,本申请还提供了一种疾病诊断终端,包括:
通信模块、处理器、存储器和打印模块;
所述处理器用于执行如上任一项所述的确定疾病风险的方法;
所述存储器用于存储所述处理器执行如上操作所需的程序;
所述打印模块用于打印所述处理器确定出的风险状况;
所述通信模块用于与用户终端建立通信连接,并向所述用户终端传输所述处理器确定出的风险状况。
需要说明的是,本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。同时,本说明书中各实施例中记载的特征可以相互替换或者组合,使本领域专业技术人员能够实现或使用本申请。对于装置类实施例而言,由于其与方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
机译: 动脉粥样硬化疾病风险评估计划确定方法,动脉粥样硬化疾病风险,测量方法动脉粥样硬化疾病风险,微阵列的动脉粥样硬化疾病风险评估以及动脉粥样硬化疾病风险确定装置
机译: 确定和测量动脉硬化性疾病风险的方法,微阵列,确定动脉硬化性疾病风险的设备和程序
机译: 算术设备,程序,确定疾病风险的方法以及确定食物以预防或改善疾病的方法