基于用户画像技术的膳食营养动态干预系统及方法

摘要

本发明公开了基于用户画像技术的膳食营养动态干预系统及方法，通过采集用户评估问卷和既往医疗信息，构建用户画像模型，通过用户画像模型得到用户标签；根据用户标签中的用户基本信息、活动信息和医疗信息，得到目标能量需求；基本信息和医疗信息，得到营养素需求；根据基本信息，得到饮水需求；根据食物类别及重量，得到对应的能量、营养素；根据饮食指导生成食谱，首先通过用户医疗信息过滤食物，再对过滤后食物的能量、营养素与重量与饮食指导进行匹配，生成食谱；监测用户信息的变化，更新用户标签，动态调整饮食指导及食谱。

说明书

技术领域

本发明涉及计算机及医疗健康及技术领域，尤其是涉及基于用户画像技术的膳食营养动态干预系统及方法。

背景技术

近年来，随着我国经济与社会生活方式的变化，人们生活水平得到显著提高，生活方式也发生明显改变，超重/肥胖人群数量呈快速上升趋势，在实际中，为了提高慢性病群体的生活质量并降低因病导致的附带医疗支出，就需要对其进行必要的营养干预。

饮食营养干预是一个科学的、系统的理论，而真实世界中人群的情况具有较高的复杂性和差异性。如何将理论用于实践，给用户群体一个良好的体验是一个难题。一方面是由于专业营养师极度匮乏，难以满足广阔的患者个性化需求；另一方面由于现有的营养干预方式多为面对面进行评估并提出干预建议，导致效率低下，且难以持续随访监督患者营养干预效果。

常见地，可通过移动设备的便利性来解决效率问题，采集获知患者的体貌信息、生理指数信息、病情信息等，然后营养师在后端根据专业知识和经验进行分析或系统使用一些基础的规则进行分类，为患者提供可摄入食品种类及数量信息的干预方案。在执行过程中，实现饮食摄入和身体活动的自我监测，移动应用程序增加扩大了饮食营养干预的覆盖面和有效性的潜力，从而帮助用户更好地改善生活质量。当前技术有以下缺陷：

（1）智能化程度低，仅解决了采集信息的效率问题，但仍需要营养师根据个体情况分析。

（2）营养干预方案的精准性不稳定，极度依赖于营养师的专业经验与判断。

（3）个体的情况是不断变化的，营养干预不应是一成不变的。动态的营养干预方案能带来更好的效果。

（4）干预方案的依从性不佳，主要在于方案提供的内容（如食谱），质量不佳导致的可执行性差。

发明内容

为解决现有技术的不足，为用户推荐个性化的营养干预方案，提升营养干预方案的精准性，提高用户依从性，本发明采用如下的技术方案：

一种基于用户画像技术的膳食营养动态干预方法，包括如下步骤：

步骤S1：采集用户评估问卷和既往医疗信息；

评估问卷包括用户基本信息和生活习惯信息，基本信息包括用户性别、身高、体重；生活习惯信息包含用户饮食喜好、饮食禁忌、当前活动强度；

既往医疗信息包括用户就诊记录、住院记录、处方记录、检查报告记录、检验报告记录；

步骤S2：根据采集的数据，构建用户画像模型，通过用户画像模型得到用户标签，用户标签包括：用户基本信息、活动信息、医疗信息；

步骤S3：根据用户标签，通过构建的营养方案模型，得到用户饮食指导，用户饮食指导包括：目标能量需求、营养素需求、饮水需求和食物重量，饮食指导的获取包括如下步骤：

步骤S3.1：根据用户基本信息、活动信息和医疗信息，得到目标能量需求；

步骤S3.2：根据基本信息和医疗信息，得到营养素需求；

步骤S3.3：根据基本信息，得到饮水需求；

步骤S3.4：根据食物类别及重量，得到对应的能量、营养素；

步骤S4：根据饮食指导生成食谱，首先通过用户医疗信息过滤食物，再对过滤后食物的能量、营养素与重量与饮食指导进行匹配，生成食谱；

步骤S5：监测用户信息的变化，更新用户标签，动态调整饮食指导及食谱。

进一步地，所述步骤S3.1中目标能量需求的计算，包括如下步骤：

步骤S3.1.1：计算能量需求EER = BMR * IF * AF；其中BMR表示基础代谢能量，通过用户标签中基本信息，得到对应的基础代谢能量；IF表示疾病因子，通过用户标签中的医疗信息，得到用户疾病信息，并根据疾病的程度和治疗情况，设定疾病因子；AF表示活动因子，通过用户标签中的活动信息，得到用户活动强度，并根据用户活动强度，设定活动因子；

步骤S3.1.2：计算目标能量需求，通过用户标签中用户的基本信息，设定用户对应的能量需求。

进一步地，所述步骤S2中的基本信息包括用户体重、身高、腰围、性别，所述步骤S3.1.2中，设定身高体重系数BMI = 体重/身高/身高，根据设定身高体重系数、性别和腰围的取值范围，设定用户对应的目标能量需求。

进一步地，所述步骤S2中的基本信息包括用户年龄、体重、性别；所述步骤S3.1.1中的能量需求为每日能量需求，根据年龄、性别进行划分，根据体重及能量系数进行计算，得到不同年龄段、不同性别下，对应的的基础代谢能量。

进一步地，所述步骤S2中的医疗信息包括用户的疾病类型、患病程度和治疗信息，所述步骤S3.1.1中的疾病因子，根据疾病类型、患病程度和治疗信息进行设定。

进一步地，所述步骤S2中的基本信息包括年龄，活动信息包括当前活动强度；所述步骤S3.1.1中的活动因子，根据用户年龄、当前活动强度进行设定。

进一步地，所述步骤S2中的基本信息包括用户体重，医疗信息包括疾病信息和医治情况，活动信息包括用户当前状态；所述步骤S3.2中营养素需求的计算，包括如下步骤：

步骤S3.2.1：计算蛋白质需求量，通过用户体重与疾病信息，根据疾病的成因、类型、程度，以及用户当前状态、医治情况，得到蛋白质需求量；根据蛋白质需求量换算蛋白质功能量；

步骤S3.2.2：根据能量需求，计算碳水化合物功能量，通过碳水化合物功能量换算碳水化合物需求量；

步骤S3.2.3：根据能量需求、蛋白质功能量和碳水化合物功能量，计算脂肪功能量，通过脂肪功能量换算每日脂肪需求量。

进一步地，所述步骤S2中的基本信息包括用户体重，所述步骤S3.3中，根据用户体重，计算所需饮水量。

进一步地，所述步骤S3.4中的食物类别及重量，是将食物分为11类，设定6类蔬菜、水果、奶、蛋类、硬果类、油脂类的食物重量及对应的碳水化合物、蛋白质、脂肪、能量；设定5类谷类X、薯类Y、大豆类Z、红肉类M、水产海鲜类N的重量范围，根据重量范围及配比系数，计算对应的碳水化合物、蛋白质、脂肪、能量。

一种基于用户画像技术的膳食营养动态干预系统，其上存储有计算机程序，该程序被处理器执行时实现基于用户画像技术的膳食营养动态干预的方法。

本发明的优势和有益效果在于：

本发明通过采集用户数据构建用户画像，并利用用户画像生成饮食指引，通过饮食指引得到推荐食谱，提高了智能化程度，提高了营养干预方案的精准度和稳定性，避免了对营养师的过渡依赖，通过更新用户画像，使营养干预方案随用户动态更新，提高了干预方案的依从性，提高了推荐食谱的质量，从而提高了执行性。

附图说明

图1是本发明实施例的方法流程图。

图2是本发明实施例的系统结构示意图。

具体实施方式

以下结合附图对本发明的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本发明，并不用于限制本发明。

如图1所示，基于用户画像技术的膳食营养动态干预系统及方法，包括如下步骤：

步骤S1：采集患者评估问卷和既往医疗信息。

评估问卷通过用户自己填写获取，用于采集用户的基本信息和生活习惯信息。基本信息包含用户性别、身高、体重等；生活习惯信息包含饮食喜好，饮食禁忌、当前工作强度等。

既往医疗信息通过用户填写或者医疗机构数据接口获取，用于采集用户的就诊记录、住院记录、处方记录、检查报告记录、检验报告记录等。

本发明的实施例中，从各渠道采集用户的多维度信息（基础信息、既往医疗信息、生活习惯信息等），汇总并创建健康档案；具体采集信息有包含：年龄、身高、体重、日常活动类型、宗教信仰 、诊断、手术信息、药物信息；具体采集渠道包含了：小程序首次评估问卷、管理端专病档案；模拟用户张三，采集信息包括：

基本信息：性别：男；年龄：32岁；身高：175 cm；体重：80kg；

日常活动类型：工地干活；宗教信仰：佛教；

疾病信息：诊断：甲状腺癌；手术信息：甲状腺切除术；正在服用药物：优甲乐。

步骤S2：对采集的数据，使用用户画像模型产生用户标签。

本发明的实施例中，分析用户信息，使用经过训练成熟的画像模型，构建模拟患者-张三的用户标签：【男】【17-50岁】【手术】【忌荤腥】【80kg】【BMI：24-28】【双胍类药物】【轻体力劳动】。

步骤S3：根据用户标签，通过营养方案构建模型计算出该用户饮食指导，饮食指导包含目标EER（膳食能量需要量）、三大营养素能量和重量、饮水量、十一大类食物重量。名词/术语如表1所示：

表1：名词/术语表

计算饮食指导包括如下步骤：

步骤S3.1：目标每日能量需求的指导，包括如下步骤：

步骤S3.1.1：计算每日能量需求EER：EER = BMR * IF * AF

其中，基础代谢能量BMR计算公式如表2所示，年龄、体重、性别都来自于用户标签。

表2：基础代谢能量计算表

疾病因子IF取值：疾病信息来自于用户标签，如表3所示。

表3：疾病因子计算表

活动因子AF取值：性别、当前活动强度来自于用户标签，如表4所示。

表4：活动因子计算表

步骤S3.1.2：计算目标每日能量需求EER，设定BMI = 体重/身高/身高，体重、身高、腰围、性别数据来自于用户标签，如表5所示。

表5：目标每日能量需求计算表

步骤S3.2：三大营养素的指导，包括如下步骤：

步骤S3.2.1：计算蛋白质EP & P，每日蛋白质需求量P（g/kg体重），如表6所示。

表6：每日蛋白质需求量计算表

每日蛋白质功能量EP (kcal) = P * 4（4为固定换算系数）。

步骤S3.2.2：计算碳水化合物ECHO & CHO；

每日碳水化合物功能量ECHO（kcal） = EER * 0.5（0.5为固定换算系数）；

每日碳水化合物需求量CHO（g/kcal） = ECHO / 4 （4为固定换算系数）；

步骤S3.2.3：计算脂肪EF & F；

每日脂肪功能量EF（kcal） = EER - EP – ECHO；

每日脂肪需求量F（g/kcal） = EF / 9 （9为固定换算系数）；

步骤S3.3：饮水量Fluid的指导；

Fluid = 体重* 30 （30为固定换算系数）；

步骤S3.4：计算11大类食物重量，其中如表7所示，以下6大类固定；

表7：6大类食物固定重量

剩余5大类通过表8所示公式计算；

表8：5大类食物固定重量

本发明的实施例中，根据用户标签及其他信息，通过营养方案构建模型，输出个性化的饮食指导

模拟患者-张三，根据用户画像可以计算EER、目标EER、三大营养素和水、11类食物重量，计算方法如下：

（1）EER = BMR * IF * AF=【（ 15.3 * 80 + 679）* 0.95】*【1】*【1.55】=2802kacl

（2）目标EER=EER-400=2402kcal

（3）三大营养素和水：

蛋白质：EP (kcal) = P * 4（80～120g，320～480kcal）

碳水化合物：ECHO（kcal） = EER * (0.5 ~ 0.65) ；CHO（g/kcal） = ECHO / 4

脂肪：EF（kcal） = EER - EP - ECHO ；F（g/kcal） = EF / 9

饮水量：体重 * （30 ～35）

生成饮食指导如下：

三大营养素和水：蛋白质（80～120g，320～480kcal），碳水化合物（155～202g，1400～1820kacl），脂肪（46～120g，420～1080kcal），饮水量（2400～2800ml）；

11大类食物重量：

蔬菜 500 克（常见...），水果 300 克（常见...），奶 240 克（常见...），蛋类 50克（常见...），坚果类 9 克（常见...），油脂 25 克（常见...），谷类 40 克（常见...），薯类10 克（常见...），大豆类 20 克（常见...），红肉类 30 克（常见...），水产海鲜类 20 克（常见...）。

步骤S4：根据步骤3产生的饮食指导生成每日食谱。生成过程中先根据用户标签中的【禁忌】标签过滤菜肴库中不合适的菜肴，再对于剩余菜肴进行匹配，使若干个菜肴中包含的三大营养素能量和重量、十一大类食物重量刚好满足饮食指导，各项指标上下浮动不超过10%。

每餐次食物重量配比，如表9所示；

表9：一日饮食结构推荐

计算具体菜肴方式如下：

以早餐为例，需要三个菜肴，分别为A、B、C，重量分别为AW、BW、CW，单位克，则菜肴需要满足：

AW*A中蛋类重量/每克 + BW*B中蛋类重量/每克 + CW *C中蛋类重量/每克 = 50

AW*A中蔬菜类重量/每克 + BW*B中蔬菜类重量/每克 + CW *C中蔬菜类重量/每克 = 100

AW*A中谷类重量/每克 + BW*B中谷类重量/每克 + CW *C中谷类重量/每克 = X/8

最后输出符合条件的三个菜肴A、B、C，及其重量为AW、BW、CW，形成菜谱。

本发明的实施例中，根据饮食指导，通过食谱推荐算法生成每日食谱，通过小程序触达给患者；依据步骤3测算出来的EER、目标EER、三大营养素和水、11类食物重量，结合食材知识库，模型自动生成推荐食谱如下：

早餐（583kcal）：什锦意面200g、特仑苏200g、水煮蛋50g

中餐（901kcal）：肉末青菜160g、菠菜丸子汤276g、黑米糙米饭120g

下午加餐（183kcal）：李子杏250g、坚果15g

晚餐（736kcal）：黑米糙米饭120g、清蒸石斑鱼200g、番茄豆腐汤240g

步骤S5：监测用户信息的变化，更新用户标签，动态调整饮食指导及食谱。

与前述基于用户画像技术的膳食营养动态干预方法的实施例相对应，本发明还提供了基于用户画像技术的膳食营养动态干预系统的实施例。

参见图2，本发明实施例提供的基于用户画像技术的膳食营养动态干预系统，包括存储器和一个或多个处理器，存储器中存储有可执行代码，所述一个或多个处理器执行所述可执行代码时，用于实现上述实施例中的基于用户画像技术的膳食营养动态干预方法。

本发明基于用户画像技术的膳食营养动态干预系统的实施例可以应用在任意具备数据处理能力的设备上，该任意具备数据处理能力的设备可以为诸如计算机等设备或装置。装置实施例可以通过软件实现，也可以通过硬件或者软硬件结合的方式实现。以软件实现为例，作为一个逻辑意义上的装置，是通过其所在任意具备数据处理能力的设备的处理器将非易失性存储器中对应的计算机程序指令读取到内存中运行形成的。从硬件层面而言，如图2所示，为本发明基于用户画像技术的膳食营养动态干预系统所在任意具备数据处理能力的设备的一种硬件结构图，除了图2所示的处理器、内存、网络接口、以及非易失性存储器之外，实施例中装置所在的任意具备数据处理能力的设备通常根据该任意具备数据处理能力的设备的实际功能，还可以包括其他硬件，对此不再赘述。

上述装置中各个单元的功能和作用的实现过程具体详见上述方法中对应步骤的实现过程，在此不再赘述。

对于装置实施例而言，由于其基本对应于方法实施例，所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本发明方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

本发明实施例还提供一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时，实现上述实施例中的基于用户画像技术的膳食营养动态干预方法。

所述计算机可读存储介质可以是前述任一实施例所述的任意具备数据处理能力的设备的内部存储单元，例如硬盘或内存。所述计算机可读存储介质也可以是任意具备数据处理能力的设备的外部存储设备，例如所述设备上配备的插接式硬盘、智能存储卡（Smart Media Card，SMC）、SD卡、闪存卡（Flash Card）等。进一步的，所述计算机可读存储介质还可以既包括任意具备数据处理能力的设备的内部存储单元也包括外部存储设备。所述计算机可读存储介质用于存储所述计算机程序以及所述任意具备数据处理能力的设备所需的其他程序和数据，还可以用于暂时地存储已经输出或者将要输出的数据。

以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的范围。