一种家用可穿戴设备的社区医疗智能管控方法与流程

本发明涉及电子通信及智能医疗领域，具体涉及一种家用可穿戴设备的社区医疗智能管控方法。

背景技术：

随着社会经济发展和人们生活水平的提高，市场对于健康管理的需求逐渐增加，而可穿戴设备由于其经济、便携、功能丰富等优点，在人们日常生活的健康管理中起到了较大的作用，可穿戴设备通常制作为便携式配件，具备部分计算功能，可与手机及各类终端进行连接，通过软件支持以及数据传输、云端交互等操作实现心率监控、血压测量等功能。这类产品类别多样化且更新换代快，主流的产品形态包括手表、手环等腕式设备，例如applewatch智能手表，amazfit健康手环等；鞋、袜等腿部设备，例如gpssmartsole智能导航鞋，quell智能疼痛缓解鞋等；以及眼镜、头盔、头带等头部设备，例如googleglass智能眼镜，iband+睡眠辅助头带等。

另外，由于老年人口持续增长，以及独生子女家庭的病患数增加，智能医疗科技在健康管理方面发挥的作用不可或缺。如何减少正规医院高昂的健康诊断和疾病护理费用，低成本达到疾病尤其是慢性病的监控和保健目的成为了受到广泛关注的一大热点问题。基于此现状，具有成本较低、网点众多等优点的社区医疗逐渐走入人们的视线，并在人口老龄化进程和城市化进程中对人们的健康管理起到了愈加重要的作用。社区医疗通常涵盖一般的医疗保健，属于初级医疗的范畴，是以人群为基础的医疗服务，通过将常用的医疗保健功能例如诊疗、护理、康复、健康教育、免疫接种、妇幼保健等整合起来，为人们提供便利和连续的健康服务。对于定期的简单身体检查，疾病咨询，慢性病和老年病的治疗，以及需要家庭护理的病人尤其方便。

传统的社区医疗由于医疗监护设备和终端设备的短缺、不易搬运，采集到的健康数据的多源、异构及难以统一，以及各设备和系统平台之间互联互通功能不足等缺点，推广和应用受到部分局限。随着大数据时代的到来以及可穿戴设备的迅速发展，越来越多的可穿戴设备被用于检测用户的各种生理信号，包括心电图、血压、血氧饱和度、呼吸频率等，使得基于这些生理信号的异常检测成为可能。接着通过构建统一的数据分析平台与标准，将采集到的健康数据上传后进行整合分析，并得出建议，反馈给医疗人员或用户。通过分析数据的波动规律，能够检测到用户当前的健康状况，以及未来健康方面可能出现的风险，并在风险形成之前，给予用户改善的建议，降低用户患病的风险，基于异常检测技术，可以实现对慢性病人群及老年人群体的远程监护。

在目前的智能医疗领域中，可穿戴设备和社区便携医疗防护正逐渐成为受到人们关注和推广的热点。国际标准化组织提出，未来10年，电子健康发展的三大趋势是移动健康、个性化医疗以及社区医疗2.0。本发明描述一种基于家用可穿戴设备及数据分析平台的社区医疗智能管控系统的实现和应用方式，目标人群是社区普通居民，该系统首先通过家用可穿戴设备采集居民健康体征，接着上传到数据分析平台进行数据的整合分析，最后面向用户分类推送健康建议或文章，例如慢性病的预防和治疗方法，针对高血压人群的保健文章，饮食建议，运动建议等。

现有的技术有云端医疗大数据分析技术(出自论文abigdataanalysisplatformforhealthcareonapachespark)，该技术设计并实现了一个用于医疗保健的大数据分析平台，利用先进的分布式计算框架apachespark以及数据挖掘方法对医疗保健数据进行分析并生成结果。

该技术所开发的大数据分析系统可以将用户定义的机器学习工作流转换为apachespark任务，工作流由不同类型的节点组成，可以是数据源，预处理工具，机器学习模型和评估工具。另外，系统中设计了一个缓存策略，以尽可能多地使用之前计算的中间结果，使得分析过程更快，硬件资源的消耗更低。对于用户定义的工作流的每个节点，根据包括节点输入和节点参数在内的节点内容计算哈希码，当提交数据分析任务时，如果中间结果所依赖的节点的哈希码与新任务的相应节点相同，则系统可以使用由先前任务计算的中间结果，以提升效率。

在进行数据分析的过程中，该系统使用了包括决策树模型、逻辑回归模型和朴素贝叶斯模型在内的机器学习方法来对医疗保健数据进行高效的分析，在实际使用中可支持包含45000数据项、43维的医疗保健数据量。

这种方法的缺点在于：

第一，大数据分析的基础在于数据量的充足程度，当针对某一病症的有效表征数据量较少时，对该类病症的分析结果的准确率会有所下降。

第二，医疗领域由于个人差异较大，直接将大数据分析得出的结论应用于个体的治疗和健康管理存在一定风险，相对地，高效而精准的个体健康管理需要平台提供个性化的医疗服务和建议，即基于个人的数据变化趋势进行分析。通过大数据分析得出普适规律，再通过个体数据的研究匹配病症，得出最佳建议，这种医学诊疗模式更加合理可靠。尤其在慢性病管控的数据采集和分析方面，通过长时间连续的可穿戴设备采集用户个体指标后，为每个用户生成一份仅属于自己的、有针对性的健康自画像，相比于针对整个慢性病群体例如糖尿病人推送同样的建议效果更好，且有助于探索针对个体的最优治疗方案。

技术实现要素：

本发明的目的是克服现有方法的不足，提出了一种家用可穿戴设备的社区医疗智能管控方法。本发明解决的问题主要有两个：一是现有的云端平台大数据分析技术个性化不足、针对性不够的问题；二是通过将可穿戴设备与社区医疗的概念相结合，为用户提供便捷的健康管理，并且有助于医护人员提供更全面、更及时、更有针对性的医疗保健服务。

为了解决上述问题，本发明提出了一种家用可穿戴设备的社区医疗智能管控方法，所述方法包括：

社区居民佩戴具有健康体征采集功能并且可以联网传输数据的家用可穿戴设备；

家用可穿戴设备通过其内置传感器采集居民的健康体征，包括心率、血压、血糖、体温、血氧饱和度、呼吸频率、心电图等基本生理指标；

家用可穿戴设备通过其内置无线芯片与智能手机进行连接，将其采集到的居民健康体征数据传输到部署在云端服务器的数据分析平台中；

数据分析平台对获得的居民健康体征数据进行分析，得出每个用户的健康状况结论；

数据分析平台得出用户健康状况的结论后，判断用户是否可能发生危急状况，在用户发生危急情况时迅速发出警报，通过可穿戴设备定位发生异常的用户，并通过系统报警联系社区医护人员介入，进行急救或提供帮助；

数据分析平台得出用户健康状况的结论后，若判断用户处于正常状况，则利用推荐系统为用户分类生成建议和文章，并推送给用户的家用可穿戴设备或智能手机。

本发明提出的一种家用可穿戴设备的社区医疗智能管控方法，将大数据分析与用户个体数据跟踪相结合，为每个用户生成独一无二的健康自画像，避免了传统健康大数据分析的推送建议个性化不足、针对性不够的缺点；将可穿戴设备与数据分析平台相连接，实现了以社区为分隔单位的居民医疗健康的管控和覆盖。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术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发明的一些实施例，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它的附图。

图1是本发明实施例的家用可穿戴设备的社区医疗智能管控方法流程图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

图1是本发明实施例的家用可穿戴设备的社区医疗智能管控方法流程图，如图1所示，该方法包括：

s1，社区居民佩戴具有健康体征采集功能并且可以联网传输数据的家用可穿戴设备；

s2，家用可穿戴设备通过其内置传感器采集居民的健康体征，包括心率、血压、血糖、体温、血氧饱和度、呼吸频率、心电图等基本生理指标；

s3，家用可穿戴设备通过其内置无线芯片与智能手机进行连接，将其采集到的居民健康体征数据传输到部署在云端服务器的数据分析平台中；

s4，数据分析平台对获得的居民健康体征数据进行分析，得出每个用户的健康状况结论；

s5，数据分析平台得出用户健康状况的结论后，判断用户是否可能发生危急状况，在用户发生危急情况时迅速发出警报，通过可穿戴设备定位发生异常的用户，并通过系统报警联系社区医护人员介入，进行急救或提供帮助；

s6，数据分析平台得出用户健康状况的结论后，若判断用户处于正常状况，则利用推荐系统为用户分类生成建议和文章，并推送给用户的家用可穿戴设备或智能手机。

步骤s1，具体如下：

社区居民佩戴具有健康体征采集功能并且可以联网传输数据的家用可穿戴设备，如常见的手环、腕带、血压计、血糖仪，以及针对特定人群设计的胰岛素注射贴、谷歌隐形眼镜等。

步骤s2，具体如下：

家用可穿戴设备通过其内置传感器采集居民的健康体征，包括心率、血压、血糖、体温、血氧饱和度、呼吸频率、心电图等基本生理指标。

步骤s4，具体如下：

s4-1，利用大数据分析技术判断用户的健康状况，将用户划分为属于健康人群或患有某种特定疾病的人群。在进行数据分析的过程中，通过对数据库中属于不同类别的数据对象进行学习，可找到同一类对象间的相同点与不同类别对象之间的差异，构建分类模型，从而将用户分入指定的类别，实现健康状况的诊断与异常状况的发现。应用于医疗大数据领域的分类算法包含支持向量机模型、神经网络、决策树模型、隐马尔可夫模型、贝叶斯网络等方法。其核心流程为运用机器学习的方法建立分类模型，通过带有标注的训练集数据优化模型参数，随后将待分类对象输入模型，根据其不同类别计算出的评分将其归类，从而得出用户的健康状况。另外也可利用聚类算法或关联规则挖掘等方法，目的均在于对用户的健康状况做出基本的判断。

s4-2，根据对用户个体数据的分析得出精准结论，生成用户健康自画像，并判断是否存在危急情况。由于危急情况的检测方式通常是在连续的时序数据序列中发现异常的时序模式，并且对于不同的个体而言，生理信号异常的标准可能有所差异，因此只依靠大数据分析无法得出准确的结果，需要将用户历史数据作为基准进行异常检测和判断。另外，通过对数据库内医疗健康大数据及用户历史数据的综合分析，运用关联规则发现等算法，可总结出致病因素，并根据用户的实际生理数据评估用户的潜在患病风险，以达到预先提醒的目的。

s4-3，对数据库内医疗健康大数据及用户个体生理数据进行综合分析后，以电子档案的形式将数据分析的结果保存在社区医疗系统内，建立社区居民个人健康状况档案记录，便于用户随时浏览过去的健康状况及其动态变化，医护人员也可对保存的社区居民健康档案进行查看和管理，以了解基本情况并区分需要重点关注的人群。

步骤s5，具体如下：

s5-1，当对用户健康体征数据的分析结果显示有危急情况可能出现时，例如检测到某老年用户血压骤升，预计可能出现中风、脑溢血等危急症状，首先通过可穿戴设备对发生异常的用户进行定位。

s5-2，将可能发生危急情况的用户的位置信息及其当前生理健康状况、出现的异常等信息传输至社区智能医疗管控系统，系统发出警报提醒医护人员介入，进行急救或提供帮助。

步骤s6，具体如下：

s6-1，针对慢性病例如高血压、糖尿病人群推送相关疾病的治疗保健文章，并提供并发症防治建议、饮食建议等。

s6-2，针对老年人群提供日常饮食建议，常见老年疾病的防治注意事项，锻炼注意事项等。

s6-3，针对检测出的特定疾病或异常的人群提供治疗建议，例如为临时低血压、低血糖的用户提供饮食提醒，为心率过高的用户推送休息指南，对于某些指标项异常、怀疑有患病可能的人群建议就诊，进行详细检查等。

s6-4，针对指标项暂无异常、但具有潜在患病风险的人群，提供疾病预警，并视情况判断是否建议去医院就诊。

s6-5，针对健康人群，可推送当季的饮食建议、保健文章、日常锻炼指南等，以便用户的健康状况得到保持。

s6-6，对于内置应用程序、可独立联网的家用可穿戴设备例如智能手表等，将建议和文章推送至设备显示，对于血压计、血糖仪等以智能手机作为中间件传输数据的设备，将建议和文章推送至智能手机。

本发明实施例提出的一种家用可穿戴设备的社区医疗智能管控方法，将大数据分析与用户个体数据跟踪相结合，为每个用户生成独一无二的健康自画像，避免了传统健康大数据分析的推送建议个性化不足、针对性不够的缺点；将可穿戴设备与数据分析平台相连接，实现了以社区为分隔单位的居民医疗健康的管控和覆盖。

本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：只读存储器(rom，readonlymemory)、随机存取存储器(ram，randomaccessmemory)、磁盘或光盘等。

另外，以上对本发明实施例所提供的一种家用可穿戴设备的社区医疗智能管控方法，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。