产品推荐系统和方法与流程

本公开内容涉及提供产品推荐的可穿戴装置和方法。本公开内容还涉及提醒使用者注意使用者的环境和/或久坐行为等生活方式所引发的负面影响的监测系统、可穿戴装置及方法。本发明尤其但不仅仅涉及根据产品内容和消费者的个人生物信息提供推荐。

背景技术：

半导体纳米技术和光学技术，尤其通过促进硬件小型化而为人们的生活方式做出了重大贡献。这些技术在测序和基因定型方面的应用催生了所谓的“芯片实验室”系统。其中，根据待解决的生物学问题或目标基因，相应地设计引物或探针，此两类物质更常称为“生物标志物”。生物标志物为dna分子等寡核苷酸，并可靶向某些基因或变异。生物标志物也可例如为抗体或抗原。通过在此类系统中施加或选择不同类型的生物标志物，消费者可以对其生物样本、dna、rna、蛋白质等物(由第三方在本地或异地例如从唾液、血液、尿液、组织、粪便、毛发等物中提取)进行检测，以发现可能由某些生活方式方面的问题或兴趣所谕示的特定特征。

此类“个人”遗传或生物信息，可例如通过为具体患者选择更有可能有效的治疗方法或药物剂量，从而使得医疗上的决策更加有效。此外，通过在分子水平上辨别个人之间的差异，可以实现根据个人或特定群体的不同需求，量身定制生活方式和饮食方面的建议。例如，对于化妆品和营养保健品等个人护理产品，可以根据此类产品对dna中存在某种单核苷酸多态性的个体的有效性进行选择。为了迎合不断增长的消费者遗传学市场，大量私人公司应运而生，而且每天都有新的遗传学特征得到表征，从而使得有潜力在为普罗大众的健康福祉以及遗传变异、表型等方面提供深入了解的生物标志物的种类持续增加。

个人活动监测装置为使用者提供一种方便地记录其身体活动的手段。具体而言，许多所谓的“健身追踪器”能够为使用者提供估测行走或奔跑距离、已消耗的总能量等值的功能。此类数据使得使用者能够在生活方式方面做出更加明智的决定。在某些情形中，健身追踪器可提醒使用者进行最近一段时间一直未进行的中等强度或剧烈身体活动。虽然此类健身追踪器可通过促使使用者进行更多的身体活动而帮助其改善健康状况，但是在决定个人的健康福祉方面，其所消耗的饮食等其他因素同样具有重要作用。

wo2017055867描述一种根据使用者的遗传数据等生物信息提供产品推荐的可穿戴装置。该可穿戴装置包括激光扫描器或条形码读取器，供该装置的穿戴者识别其有兴趣购买或消费的产品。随后，该装置根据穿戴者的生物信息，给出是否向穿戴者推荐该产品的指示。例如，dna的分析结果可能指明，使用者的咖啡因代谢速度慢于常人。在该情形中，可穿戴装置可推荐使用者避免饮用咖啡。

基于使用者的生物(遗传)和/或生理信息的产品推荐在为使用者的健康带来益处方面的有效性可随使用者的行为的不同而不同。因此，为了实现改善使用者的健康状况，需要提高产品推荐的有效性。

技术实现要素：

独立权利要求所述为本发明的各个方面。从属权利要求所述为本发明的其他方面和优选特征。

在本文中，“消耗品”一词主要是指经口消耗的产品，如食品，饮料，补品，药品等，但是该词也涵盖经皮肤消耗的产品。“外敷”一词是指施用至身体外部，如皮肤或头发。外敷施用(或可外敷施用)的产品例如包括化妆品、乳膏、粉末或液体。

本文还公开一种计算机实施的系统，用于向使用者提供消耗品或外敷施用(即可外敷施用)产品方面的推荐，该系统的至少一部分为身体穿戴部分。该系统包括：

数据存储装置，用于存储产品代码以及得自通过分析使用者提供的生物样本而获得的个性化生物信息的数据；

读取器，用于从产品或产品包装上读取或以其他方式获取产品代码；

处理器，用于通过所读取的或以其他方式所获取的产品代码以及所述数据存储装置内存储的数据，获取产品的产品推荐，其中，所述数据存储装置内存储的数据至少包括得自个性化生物信息的数据；

用户界面，用于向使用者提供产品推荐的指示；以及

一个或多个传感器，用于获取表示使用者的一种或多种生理和/或生物化学功能或表示使用者环境的数据，其中，所述处理器用于根据所获得的数据调整一个或多个所述产品推荐，从而使得修改后的指示经所述用户界面提供给使用者。

所述身体穿戴部分上至少设置有所述读取器以及所述一个或多个传感器，或者整个系统可以为身体穿戴部分。该身体穿戴部分可以为包括手环在内的手腕佩戴部分。所述一个或多个传感器可包括加速度计。

所述处理器可用于根据所述加速度计提供的数据，确定表示使用者活动的值(如步数)，所述一个或多个产品推荐根据该活动的值进行调整。该调整可应用于将产品卡路里含量纳入考虑的产品推荐。所述一个或多个传感器可包括陀螺仪、心率监测仪、体液或化学传感器(可选包括微针)当中的一者或多者。

所述个人生物信息可以为个人遗传信息。

所述处理器可用于：在所述数据存储装置中，存入表示使用者一种或多种生理和/或生物化学功能的数据的历史记录，例如涵盖预定先前时间段的历史记录；并利用该记录调整一个或多个所述产品推荐，以使得该调整将使用者的一种或多种生理和/或生物化学功能的过往历史纳入考虑。

所述数据存储装置可用于存储与产品含量相关的信息，所述产品含量例如包括产品的碳水化合物含量和/或糖含量。

所述产品推荐可具有“推荐”的第一状态以及“不推荐”的第二状态，且所述调整使得产品推荐在所述第一和第二状态之间变化。所述产品推荐可具有“推荐”的第一状态，“不推荐”的第二状态以及“或许推荐”的第三状态，且所述调整使得产品推荐在所述第一和第三状态之间变化。

所述用户界面可用于通过红和绿或红、绿和琥珀等不同颜色的照明，提供所述产品推荐的指示。

所述计算机实施的系统可包括用于从使用者接收调整值的另一用户界面，其中，所述处理器用于根据所述调整值，对所述一个或多个产品推荐的调整程度进行调整缩放。

所述读取器可以为条形码扫描器。

本文还描述了一种计算机实施的身体穿戴系统，用于向使用者提供消耗品或可外敷施用产品方面的推荐。该系统包括：

数据存储装置，用于存储产品代码以及得自通过分析使用者提供的生物样本而获得的个性化生物信息的数据；

读取器，用于从产品或产品包装上读取或以其他方式获取产品代码；

处理器，用于通过所读取的或以其他方式所获取的产品代码以及至少包括得自个性化生物信息的数据的所述数据存储装置内存储的数据，获取产品的产品推荐；

用户界面，用于向使用者提供产品推荐的指示；

一个或多个传感器，用于获取表示使用者的一种或多种生理和/或生物化学功能或表示使用者环境的数据，其中，所述处理器用于根据所获取的数据调整一个或多个所述产品推荐，从而使得修改后的指示经所述用户界面提供给使用者。

该计算机实施的身体穿戴系统可包括手环。

本文还公开一种计算机实施的方法，用于向使用者提供消耗品或外敷施用(即可外敷施用)产品方面的推荐，该方法包括：

在数据存储装置内存入产品代码以及得自通过分析使用者提供的生物样本而获得的个性化生物信息的数据；

从产品或产品包装上读取或以其他方式获取产品代码；

通过所读取或以其他方式所获取的产品代码以及至少包括得自个性化生物信息的数据的所述数据存储装置内存储的数据，获取产品的产品推荐；

经用户界面向使用者提供产品推荐的指示；以及

从一个或多个传感器获取表示使用者的一种或多种生理和/或生物化学功能或表示使用者环境的数据，并根据所获取的数据调整一个或多个所述产品推荐，从而使得修改后的指示经所述用户界面提供给使用者。

虽然以上提及的一个或多个传感器用于测量使用者的一种或多种生理功能，但是作为替代或追加方案，所述系统或装置可包括用于确定使用者的位置或者使用者所暴露于其中的一种或多种环境因素(如污染水平(如nox或颗粒物))或紫外(uv)线水平)的一个或多个传感器。

本文还描述一种计算机实施的系统，用于向使用者提供消耗品或可外敷施用产品方面的推荐，该系统的至少一部分为身体穿戴部分。该系统包括：

产品代码读取器；

一个或多个传感器，用于获取表示使用者的一种或多种生理和/或生物化学功能或表示使用者环境的数据；以及

处理器，用于根据使用者的个人生物信息以及用所述传感器获取的数据，确定所述产品代码读取器所识别的产品的产品推荐。

该系统能够根据传感器输出对基于生物学的推荐进行调整，从而温和地劝说或鼓励/不鼓励使用某些产品。所述调整的程度可由使用者调整，也就是说，改变传感器数据对所述基于生物学的推荐的影响程度。

本文还描述一种计算机实施的方法，包括：根据个人的个人生物信息，确定多种营养成分的截取值；根据所述个人当前或近期的生理或生物化学功能(如活动)，调制或调整所述截取值；以及通过将调整后的截取值应用于消耗品或可外敷施用的产品等产品上而提供产品推荐。

附图说明

图1为根据本发明实施方式的可穿戴装置的透视示意图。

图2为图1的可穿戴装置的系统示意图。

图3为图1的可穿戴装置所实施的数据处理的流程图。

图4a和图4b为图3的活动分类器所实施的数据处理的流程图(图4b为图4a的续图)。

图5为图3的生活方式分类器所实施的数据处理的流程图。

图6为图3的惩罚状态控制器所实施的数据处理的流程图。

图7为向使用者提供产品推荐的方法流程图。

图8为图1的可穿戴装置所实施的数据处理的流程图。

图9为根据预测的使用者卡路里敏感度和使用者的活动数据调整产品推荐的流程图；

图10为用于调整产品推荐的闭环系统的示意图。

图11为两个图形用户界面元素的示意图。

图12为计算久坐时间与用于调整的所选产品百分比之间的关系图。

图13为在24小时时间段内根据使用者的活动更新的图形用户界面元素的表格。

图14为包含图11的其中一个图形用户界面元素的图形用户界面的示意图。

图15为包含图11的其中一个图形用户界面元素的图形用户界面的示意图。

具体实施方式

通过分析使用者的遗传特征(基因)，可以判断其患上肥胖症、2型糖尿病和心血管疾病等长期慢性疾病的风险或可能性。此类遗传学上的风险是无法调整的固定变量。然而，仍有饮食和身体活动等若干可调整的因素能够降低使用者患上慢性疾病的风险。

本文描述的实施方式旨在通过利用指示使用者生理功能的测量值，例如指示使用者上周热量消耗状况或使用者心率数据的测量值调整修改上述产品推荐的方式解决上述问题。通过将可提高慢性疾病风险的其他因素(如非遗传因素)考虑在内，可使得使用者能够选择更有可能有益于其健康的产品。

例如，可以同时根据个人的遗传基因以及加速度计等传感器测量的身体活动水平，提供个性化食品推荐。此外，还可获得针对化妆品、药品、药物、维生素等其他类型产品的个性化产品推荐。

基因检测服务(由英国伦敦的基因动力公司(dnanudge)提供)根据个人的遗传基因，提供个性化食品推荐。其中，通过dna(或rna)检测，评估受试个人的若干单核苷酸多态性(snp)。经全基因组关联研究(gwas)等科学文献发现，此类snp与肥胖症和2型糖尿病等多种慢性疾病具有关联。所述基因检测的结果分为五档——极低风险，低风险，中等风险，高风险以及极高风险。随后，受试个人的基因检测结果与卡路里、脂肪、饱和脂肪、碳水化合物、糖以及盐这六种营养物质相关联，并根据该关联结果，得出一套营养截取值。此类营养截取值形成个性化食品推荐的基础。例如，如果某种产品的含盐水平超出相应的营养截取值，则不推荐使用者食用该产品。

这种“当场做出”的个性化食品推荐可例如通过手环装置(称为“dnaband”)等可穿戴装置提供给使用者。该可穿戴装置还可监测穿戴者的身体活动情况，并可确定一项或多项反映穿戴者在装置穿戴状态下所进行的身体活动量的身体活动因子。人的身体活动水平作为其基线遗传学推荐的考虑因素。例如，身体活动因子可与营养截取值相结合，用于个性化食品推荐的更新。由于此类推荐将饮食和身体活动均对慢性疾病风险具有影响这一点考虑在内，因此其对使用者具有更佳的针对性。

一种类型的身体活动因子为“卡路里截取值”，其用于调整卡路里营养截取值。例如，如果经确定，使用者在过去一周等时间段内的身体锻炼水平相对较低，则可生成相对较低的“卡路里截取值”。如果该卡路里截取值处于卡路里营养截取值(根据基因检测结果确定)以下，则可根据其中相对更低的卡路里截取值生成产品推荐。例如，对于在遗传学上无肥胖症倾向的使用者，可以设置较高的卡路里营养截取值。然而，如果使用者最近未做太多运动，则可相应地减小该值，从而将卡路里含量较高的产品(如一包薯片)推荐为不适合该使用者。

因此，通过以可穿戴装置提供个人身体活动数据的反馈，可以调整个人卡路里截取值。如果身体活动不足，将降低卡路里截取值，并在当身体活动重新变得充足以后，再次将降低前的卡路里截取值引入基线。身体活动、饮食及基因的相互组合构成一个闭环反馈系统，能够提供更为精准的个性化食品推荐。使用者能够对反馈的程度加以控制，以根据身体活动，改变产品推荐的调整量。例如，使用者可不希望产品推荐受到身体活动的任何影响，在该情形中，上述调整量设置为零。另外，使用者可希望上述影响极大，在该情形中，上述调整量设置为高值。使用者可通过手环的某些装置或者经由智能手机等计算装置的界面，对上述调整量进行控制。

虽然人们长期以来一直认为缺乏运动对健康有害，但对久坐行为的负面影响往往不够重视。ekelandetal.,thelancet2016,1303-1310(388)中指出，久坐行为对健康至关重要，并推荐需要以三倍于所推荐的日常活动弥补久坐行为的影响。然而，即便是所推荐的日常活动量，使用者也不总是能够完成，更何况三倍于所推荐的日常活动量。将可穿戴装置设置为根据装置穿戴者的久坐行为调整产品推荐的做法可能会在某种程度上减轻久坐行为的影响。另外，对于许多使用者而言，通过清晰可见地做出其因坐的时间过长而不再向其推荐某些产品的指示，可本身作为一种避免久坐行为并参加身体活动的激励因素。

本文提出的装置和方法源自于如下认识：通过使用可穿戴计算装置提供根据所述装置所检测的个人久坐行为而调整的产品推荐，可以改善个人的健康状况。

图1所示为包括腕带101的可穿戴装置100(或“手环”)，所述腕带在该例中具有可伸缩部分102，以使得使用者能够将手环100轻松地滑动至其手腕上。在其他示例中，可以以手表腕带等腕带代替所述带有可伸缩部分的腕带。图1还示出了用于描述手环100朝向的三条正交轴线x，y，z。y轴的朝向沿手环的轴向，即穿戴者的手腕穿入手环100的方向。x轴和z轴与y轴垂直(而且x轴和z轴彼此垂直)，其中，z轴的方向为手环100从上至下的方向，即当以使可伸缩部分102处于手腕内侧的方式佩戴手环100时，z轴从手腕外侧指向其内侧。

手环100包括光伏电池或摄像头等光学传感器103以及激光器等光源104。手环100上设置窗口105，以使得光学传感器103可用于读取产品代码以及光源104可用于照明产品代码。此外，还设置发光二极管(led)106等指示器(或多个指示器)，以向穿戴者提供与产品有关的反馈。腕带101截面的一侧较厚，以容纳可穿戴装置100的各种部件(见下)。

图2为手环100的系统示意图。手环100由可利用充电单元202充电的电池201供电，并含有用于测量手环100在三维空间内的运动的惯性传感器、加速度计203(如三轴加速度计)以及/或者陀螺仪204。加速度计203和/或陀螺仪204的各轴线与图1所示的三条正交轴线x，y，z对齐。

手环100可进一步包括其他传感器和电极205，如用于测量使用者的心率或温度的心脏监测器(如心电图(ecg))或温度计，以及/或者用于追踪使用者位置的gps传感器(或其他定位系统)。各传感器中可例如包括用于测量心率的麦克风或光学传感器。

手环100由对存储器207内存储的指令和数据进行访问的处理单元206控制。无线通信模块208用于使得处理单元206能够与其他手环、智能手机、智能手表或个人计算机等其他计算装置通信。无线通信模块208可例如用于提供或更新存储器207内所存的产品代码数据库和/或产品推荐数据库。无线通信模块208可使得手环100之间进行数据交换。

穿戴者可启动光源104，并使光照射在产品上，以通过光学传感器103读取产品的产品代码(或其他信息)。穿戴者可以一手或两手操作或抓握产品，以使得产品处于能够正确读码的朝向。或者，也可在产品仍处于超市货架(例如)的状态下，由穿戴者通过移动或对准手环100而读取产品代码。在读取产品代码后，手环可通过指示器(led)109向穿戴者提供反馈，所述指示器可以为rgbled，该rgbled可调整通过将rgb成分以不同组合方式混合，并且/或者调整led的亮度和/或闪烁模式的方式进行调节，以显示不同的颜色。当然，也可使用led阵列或屏幕等其他类型的指示器，所述屏幕例如为lcd、led或oled屏幕。

所述可穿戴装置内设置的传感器例如为：

·惯性传感器，如加速度计(如三轴加速度计)和/或陀螺仪；

·计步器/步数计数器；

·脉搏率传感器，如光电容积描记(ppg)传感器；

·呼吸率传感器；

·心率传感器(还用于测量心率变异性)；

·血压传感器；

·用于例如针对血糖水平进行原位血液检查的微针；

·空气质量或污染传感器(例如质谱)；

·紫外线监测器(如光电二极管)。

发光二极管(led)和/或振动器210等指示器209用于向佩戴手环200的使用者提供视觉或触觉反馈。在一种示例中，指示器209可按照“交通灯体系”提供产品推荐，其中，“红”色表示不推荐使用者使用相关产品，“绿”色表示推荐使用者使用相关产品。此外，还可以“琥珀”色表示，如果未根据使用者的身体活动情况(如久坐或其他生理功能)调整产品推荐，否该产品将会被推荐为适合使用者使用。应该理解的是，此处提及的各种颜色并不在于构成限制，除此之外，还可使用其他双档或三档(或者多档)指示的推荐体系。例如，手环100可显示对产品营养信息以及针对使用者确定的营养截取值和/或已修改截取值的表示。

以下，将对可穿戴装置100向穿戴者提供产品推荐的各个控制步骤进行描述。具体而言，以下将以久坐行为监测或身体活动状况监测为例，描述生成更新后产品推荐的各个步骤。然而，可以理解的是，以下描述的技术可应用于与使用者或使用者环境的一种或多种生理和/或生物化学功能相关的其他类型监测。

久坐行为

图3所示为如何处理惯性传感器203，204所收集的运动数据301而更新产品推荐。在该例中，运动数据301包括三轴加速度计203按照一系列时间步长(τ)测量的可穿戴装置100沿三维空间内的三个正交方向的加速度分量(x，y，z)。运动数据301可进一步包括根据所述加速度分量得出的数据，如可穿戴装置100的位置或速度。运动数据301还可包括例如由陀螺仪204测定的所述装置在三维空间内的朝向(或角速度或角加速度)。

运动数据301通常以40hz的采样率提供给活动分类器302。如以下参考图4a和图4b进一步详细描述的一样，活动分类器302通过处理运动数据301而确定装置穿戴者的活动分类，如“久坐”，“不活跃”，“活跃”或“未知”。活动分类可在接收到每一运动数据301样本后更新，或者更为常见地，在接收到阈值数目个运动数据301样本后更新。后一情形使得活动分类更新频率低于上述采样率。

活动分类器302通常以1hz的采样率将活动分类数据303提供给生活方式分类器304。如以下参考图5进一步详细描述的一样，生活方式分类器304对活动分类数据303进行累计，并根据装置穿戴者的行为，针对该数据确定累积惩罚列表305。惩罚的累计时间例如为24小时。

生活方式分类器304通常以一天一次的频率将惩罚列表305提供给惩罚状态控制器306，但是所述间隔时间也可短于一天(如一小时一次)，或长于一天(如一周一次)。如以下参考图6进一步详细描述的一样，惩罚状态分类器306根据惩罚列表305，确定可穿戴装置100的惩罚状态。此外，也可根据其他因素确定惩罚状态，所述其他因素例如为穿戴者的年龄、性别或产品购买历史(在一些实施方式中，产品购买历史可由可穿戴装置100衡量)等信息。当惩罚状态控制器306确定应该将装置100置于惩罚状态，其将在存储器207中设置标记以表示装置100应该提供调整后的产品推荐。如果未确定惩罚状态，则可不设置标记，以使装置100提供不受穿戴者久坐行为影响的产品推荐。

图4a所示为活动分类器302(在该图中称为活动处理单元(mpu))对得自惯性传感器的运动数据301的处理方式。一旦可穿戴装置100启动，活动分类器302便开始从mpu接收样本401。每当接收到样本时，均将根据加速度计203测量的x，y，z加速度分量，计算加速度的大小(如欧几里得范数)。在接收到阈值数目个样本403后(在本情形中，为40个样本)，计算所述样本的加速度的方差404。随后，通过将所述方差与阈值进行比较405而判断装置穿戴者是否处于相对静止的状态。如果该阈值未被超过，则进行另一项比较，以判断所述方差是否超过与慢步行走的预期方差相关联的另一阈值。如果后一阈值被超过，则将活动类型分类为“高度”407。否则，将活动类型分类为“中度”。

回到加速度方差与静止行为阈值的比较405，如果该方差小于所述阈值，则对样本数据进行滤波和处理409，以判断装置穿戴者是否处于久坐状态。所述滤波处理例如以带通滤波器自x，y，z加速度分量中的每一分量内消除不希望存在的噪声。滤波后的加速度分量可通过多种方式加以利用，以判断装置穿戴者是否处于久坐状态。例如，滤波后加速度分量中的重力贡献的加速度可用于判断手环穿戴者的前臂姿态(假设手环以常规方式佩戴)，并因而判断穿戴者是否以站姿或坐姿进行低度活动。在图中的要素409中所示的例示公式中，通过将滤波后的分量彼此之间相互比较而判断装置100沿某一个轴线(在本情形中，为x方向)的加速度是否大于沿另两轴线的加速度，这通常与穿戴者在站立或未坐状态下进行低度活动(例如，穿戴者在行走时，前后挥舞手臂)这一行为相关。上述比较操作在实现方式中的细节取决于加速度计203的朝向。可通过结合使用陀螺仪204和加速度计203，提高久坐检测的准确度。此外，还可使用其他久坐检测方法，这些方法包括对分类器进行训练的机器学习法，所述训练是基于已经按照装置穿戴者随时间变化而实施的活动类型进行标记的运动数据进行的。通过这一分析，可将运动数据样本所涵盖的时间段内的活动类型确定为“久坐”410或“低度”411。

在确定活动类型后，根据该活动类型，增加三个计数当中的相应一个计数。如果活动类型为“高度”或“中度”，则增加中等至剧烈身体活动(mvpa)计数412，而如果活动类型为“久坐”或“低度”，则可分别增加久坐计数413和低度计数414。在活动类型之外，还增加415预测指数计数，以对活动类型的预测次数进行计数。如果预测指数未超过阈值(在本情形中，为60次)，则活动分类器302等待从惯性传感器(mpu)401进一步接收样本，并重复上述处理过程。所述阈值选择为能够对穿戴者的行为进行可靠预测的值。

图4b为图4a的续图，并示出了当发现预测指数超出上述阈值后(即在执行足够次数的活动类型的分类后)活动分类器302实施的处理。其中，执行mvpa计数是否大于某值(在本情形中，为30)的判断417。如果“是”，则与运动数据301样本关联的生活方式类型设为“活跃”418。否则，执行低度计数是否大于某值(在本情形中，为30)的判断419。如果“是”，则将生活方式类型设为“不活跃”420。否则，执行久坐计数是否大于某值(在本情形中，为30)的判断421：如果“是”，则将生活方式类型设为“久坐”；如果“否”，则将生活方式类型设为“未知”。换句话说，处理过程417～423的最终阶段用于判断装置穿戴者在相关时间段内的主要行为，即判断使用者是否在一半以上的时间内为活动状态或久坐状态。在此之后，将每一计数重置，并重复图4a和图4b所示处理过程。

图5所示为生活方式分类器304如何对得自活动分类器302的生活方式类型进行处理。生活方式分类器304具有“活跃”(ac)计数、“不活跃”(ic)计数或“久坐”(sc)计数，而且这些计数的初始值设为零501。分类器304的初始状态设置为“非久坐”。在从活动分类器302接收到生活方式类型(此处称为“1档”)503时，生活方式分类器304确定其类型，并增加对应计数，同时将其他计数值设置为零505，506，507。例如，当“活跃”的计数值增大时，则“不活跃”计数值和“久坐”计数值设置为零505。在增大“活跃”计数值或“不活跃”计数值时，分类器304的状态仍然为“非久坐”，并对根据运动数据301确定的下一生活方式类型，重复过程502～504。如果增大507“久坐”的计数值，则判断“久坐”计数值是否已达到特定的值508(在本情形中，为2)。也就是说，步骤504～508用于判断装置穿戴者是否已经持续久坐(即未被任何mvpa或低度非久坐活动中断的久坐)了一定长度的时间(2个周期)。如果未满足这一评判准则508，则分类器302的状态仍保持“非久坐”，并再次重复上述过程。然而，如果满足评判准则508，则将“活跃”计数值和“不活跃”计数值设为零509，并将分类器304的状态设为“久坐”。

一旦生活方式分类器304进入“久坐”状态510，其将持续从活动分类器302接收生活方式类型。在“久坐”状态中，生活方式分类器304以与“非久坐”状态中类似的方式处理生活方式类型511，513。然而，每当“活跃”计数值513或“不活跃”计数值514增大(且其他计数值设为零)时，均将判断该“活跃”计数值或“不活跃”计数值是否超出某值(在本情形中，为2)。也就是说，分类器304判断装置穿戴者是否持续在前两个周期内进行了mvpa，或者是否持续在前两个周期内进行了低度非久坐活动。如果是，则将“活跃”计数值和“不活跃”计数值重置为零516，并将分类器304的状态恢复为“非久坐”502。否则，增大517“久坐”计数值。

在增大久坐计数值后，在步骤517或518中，判断“久坐”计数值是否超出阈值520(在本情形中，为30)。如果“是”，则在惩罚列表520中增加惩罚，并将“久坐”计数值设置为零521。随后，重新开始510这一流程，而分类器304的状态仍然为“久坐”。

图6所示为惩罚状态控制器306利用惩罚列表控制可穿戴装置100行为的方式。当装置100启动或重置601时，控制器306判断离可穿戴装置上次运行是否已经过了某一时间长度(在本情形中，为24小时)。如果“是”，则控制器306的状态设置为“绿色”，并同时将惩罚分数设置为零604。在该“绿色”状态下，不在装置100用于读取产品代码时进行产品推荐的调整，而是向使用者提示“正常”的产品推荐(例如，基于使用者基因型的产品推荐)。

控制器306等待605从生活方式分类器304接收新的惩罚。当接收到惩罚后，增大607惩罚分数，并判断608是否满足上述“久坐”评判规则。这些规则可随使用者信息而变，例如使用者是为儿童还是成人。例如，针对成人的准则可以为：如果16小时的时间段内的惩罚分数为12以上，则将使用者分类为“久坐”。对于儿童，相应的规则所要求的惩罚分数可仅为6以上。如果未满足609所述久坐评判规则，则可检验是否进入了新的一天609(或者是否经过了其他的某段时间)。如果“否”，控制器306继续等待605从生活方式分类器304进一步接收惩罚积分点。如果进入了新的一天，则如上所述，控制器的状态仍旧为“绿色”，并将惩罚分数设置为零604。

当未满足久坐评判规则(单项或多项)时，控制器306的状态将变为“琥珀色”611。在该状态下，需对装置100的提供的产品推荐进行调整。在进入次日612之前，控制器306一直保持这一状态。在进入次日之后，惩罚分数再次设置为零604，而且上述状态恢复为“绿色”(未图示)。

在一种示例中，产品推荐可分为“不推荐”，“或许推荐”和“推荐”三种不同类型。其中，可利用装置100的变色led106，向使用者指示上述类型。例如，可以使用红(“不推荐”)、琥珀(“或许推荐”)、绿(“推荐”)三色的交通灯体系。当控制器306处于“绿色”状态时，则向使用者提供“正常”产品推荐。然而，如果所累积的惩罚点数过多且控制器306进入“琥珀色”状态，则本来应该以绿色指示给使用者的产品推荐当中的一部分将以琥珀色指示给使用者。例如，对于某位使用者而言，一般情况下本来可将卡路里含量相对较高的食品推荐为适合食用的食品(即以绿色指示)，但是如果该使用者长时间内坐而不动，则可将产品推荐调整(调制)为“或许推荐”(即以琥珀色指示)。

控制器306还可用于根据装置穿戴者的上述久坐行为，将本来应该“或许推荐”(即以琥珀色指示)的一部分产品设置为“不推荐”产品(即以红色指示)。然而，一般情况下，“不推荐”的产品并不受久坐行为的影响(即始终以红色指示)。

上述三种产品推荐“状态”的使用仅出于举例目的。当然，还可仅使用两种产品推荐状态(“推荐”和“不推荐”)或多于三种的产品推荐状态，例如，满分为100的推荐分数，或者正负两种分数值，其中，负值表示不推荐产品，正值表示推荐产品。在使用推荐分数的情况下，可通过根据穿戴者累积的惩罚积分点数降低推荐分数的方式实现上述调整。

因久坐行为而进行推荐调整的上述一部分产品可通过多种方式选择。通常情况下，并不会对所有类型的食品都进行调整，这是因为这一做法可能会因使用者的久坐行为而使得蔬菜等“健康”产品成为“或许推荐”的产品。所述一部分产品可根据每种产品的有关营养数据进行选择。在一种示例中，对于分类为“推荐”的产品，根据其卡路里含量进行排序，并将这些产品当中卡路里含量排名前50％，30％或10％的产品选择为供调整的产品。在一些实施方式中，使用者可对供选择的产品的截取百分比进行调整，以增加或减少供调整的产品的数量。

一般情况下，可通过如下流程获得产品推荐。首先，确定若干种有可能与例如包括2型糖尿病、高血压、高体重指数(bmi)及高胆固醇在内的较差健康状况相关的健康特征。其中，可通过基因检测，确定使用者是否具有任何此类健康特征，所述基因检测例如基于对使用者dna样本的单核苷酸多态性(snp)的检测。除此之外，还可采用其他形式的诊断性检测，例如，用于确定使用者微生物群系组成的呼吸检测。

一旦确定了“目标”健康特征，即开始考量饮食对每一种健康特征的影响。这一点可通过对与消耗品营养含量相关的若干不同类别当中的每一类别分析健康特征有可能会受到的影响的方式来实现，所述营养含量例如包括以下中的任何一者：糖含量，卡路里含量，碳水化合物含量，饱和脂肪含量，总脂肪含量以及盐含量。例如，已知食用高糖产品可增大2型糖尿病的风险，而富盐饮食与高血压相关。每一类别与每种健康特征之间的关系可通过向每一类别分配特征相关系数的方式进行量化。以高血压为例，可向盐含量和脂肪含量分配较大的系数，并可向卡路里含量和碳水化合物含量分配较小的系数(或甚至零系数)。

对于确定的每种健康特征，可利用特征相关系数计算产品得分，该得分表示基于产品营养含量(即该产品含多少克盐、饱和脂肪等)的预期影响。例如，在计算表示产品对高血压的不利影响的得分时，可将该产品的含盐克数与盐含量系数相乘。在数学层面上说，每种特征的得分均可通过取其特征相关系数向量与每种产品的营养信息向量的标量乘积的方式来确定。当然，还可采用更加复杂精细的得分计算方式，例如，可利用已确定的针对健康特征的剂量反应曲线对不同营养类别对该特征的影响进行建模分析。所述得分还可将其他因素纳入考虑，如产品类型(如糖果、饼干、早餐麦片等)以及产品的典型份量。此类其他因素可用于针对不同产品的消耗方式的差异，对得分加以调整。例如，如果某产品确定一般作为“零食”食用，则可以降低其得分，从而使得针对该产品的推荐比其他情况下给出的推荐更加正面。

在计算出每种产品的得分后，针对特定健康特征，将各产品按照其得分降序排列。随后，通过选择排名高于阈值排名的产品的方式，选择一部分产品。例如，可根据产品的健康特征得分，选择排名前50％，30％或10％的产品。此类产品可分配“负面”推荐，如“不推荐”。如此，当手环100读取该产品的条形码时，led104变为红色(例如)。其余产品分配其他类别，如“推荐”(将以绿色提示使用者)。因此，各产品依据其针对具体特征的排名，分配不同的推荐。用于分配推荐的阈值排名值(或“截取”值)随使用者的不同而不同，并且根据使用者易受该具体特征影响的程度(例如通过基因检测确定)来确定。

久坐(或其他形式的久居少动行为)的潜在影响通过根据控制器306的惩罚状态选择有关产品推荐被调整的另一部分产品的方式进行考虑。这一部分产品可通过选择排名处于上述阈值排名之下且高于第二阈值排名的产品的方式来确定。例如，针对具体特征，如果50％的产品为“推荐”产品，则可将这些产品中排名前20％的选作被调整的一部分产品。所述第二阈值排名根据久坐和/或其他类型的久居少动行为对健康特征影响的严重程度进行选择。所述一部分产品可分配给特定数据库表，或者按照其他方式在手环100的存储器内加以“标记”，以易于判断针对特定产品的产品推荐是否需要进行调整。在一种示例中，如果控制器306处于“琥珀色”状态，则将所述一部分产品内的各产品提示为“或许推荐”(例如，指示器变为琥珀色)。然而，如果控制器306处于“绿色”状态，则将各产品提示为“推荐”(例如，指示器变为绿色)。

通过将每种健康特征的产品推荐相组合来确定每种产品的总产品推荐。这一点可通过多种方式实现，例如，对于该产品，如果有任何特征的推荐为“不推荐”，或者如果有多于一项特征的推荐为“不推荐”，则将该产品的推荐确定为“不推荐”。此外，对于每种产品，也可根据与以上相同或类似的规则，设置或不设置表示是否应该调整产品推荐的标记。

一般情况下，上述阈值排名以及确定总产品推荐的规则在以下两个方面取得平衡：允许使用者选择其希望消费的产品；劝阻使用者消费产品当中最有可能对其健康具有不利影响的至少一部分产品。这种平衡的优点在于，能够“温和地劝说”使用者做出在长期来看对其更加有利的选择。根据使用者的久坐和/或其他久居少动行为调整产品推荐可以提供所述“温和劝说”的额外效果——例如，使用者可能会发现，某种本来“推荐”的产品，在某天内的长时间久坐后，变成了“或许推荐”(“自行决定”)的产品。不将产品调整为“不推荐”的调整方式可能会产生如下尤为突出的优点：在使用者自身无法控制的某些状况下，例如，在使用者因长途旅行而不得不久坐的状况下，不会对使用者施加过于严苛的惩罚。

图7为向使用者提供产品推荐的方法涉及的步骤的概视图。该方法的步骤如下：

步骤701：通过对使用者提供的生物样本进行基因检测，确定使用者的一种或多种健康特征，如2型糖尿病，高血压，高体重指数(bmi)以及高胆固醇等。

步骤702：对于多种消耗品当中的每一种，计算表示该产品对每一所述健康特征的影响程度的得分，每一得分均至少部分基于所述产品的营养信息。对于每种产品，可例如通过上述的过程计算得分：确定其若干类别当中的每种类别的营养含量(例如，通过生产商提供的信息)；将每种类别的营养含量与特征相关系数相乘；以及通过将所得值相加而获得每一特征的总得分。

步骤703：根据所述得分，向每种产品分配产品推荐。如上所述，这一点可通过如下方式实现：根据产品对每种健康特征的相应得分，对产品进行排名；针对每种健康特征，从排序后的产品中选择部分产品；向每一部分产品分配推荐；以及通过将每种健康特征的推荐相组合而获得每种产品的总产品推荐。该产品推荐可从一组预定产品推荐中选择。

步骤704：通过确定使用者处于久坐姿态或其他久居少动状态的时间段，监测使用者的行为。

步骤705：根据使用者的行为，调整至少一部分产品的产品推荐。产品推荐可例如通过自一组预定产品推荐中分配出不同产品推荐的方式进行调整。所述一部分产品可根据每种健康特征下的产品得分确定。例如，可将针对具体特征为“推荐”(即“绿色”)的一定百分比的产品重新分配为“或许推荐”(即“琥珀色”)。

步骤706：经视觉指示器，如手环100的光源104，将调整后的产品推荐提供给使用者。

身体活动和环境监测

图8为根据一种实施方式的如何对可穿戴装置中的惯性传感器801输出信号进行处理的框图。在本情形中，传感器提供与绕三条正交轴线(x，y，z)的运动关联的信号数据。随后，对所述信号(以及来自可穿戴装置内任何其他传感器的信号一起)进行采样。惯性传感器的输出信号至少在20hz(即10hz的奈奎斯特频率)下采样，以获得与中等强度和高强度身体活动/运动(如步行和跑步)相关的所有信号内容。

随后，通过滤波，对采样信号(即原始信号)进行预处理802。对于惯性信号，采用带宽为0.25～8hz的带通(bp)滤波流水线，以在消除不需要的噪声成分的同时，确保保留所有与中等强度和高强度活动相关的信号成分。其中，由于二阶巴特沃斯(butterworth)滤波器能够实现通带和阻带之间的平滑过渡以及通带内的均匀单位增益，因此采用此类滤波器。为了确保滤波器的稳定性，各滤波器采用零极点分析设计。此外，还通过对信号先后进行正向和反向滤波的零相位滤波技术消除相位响应的非线性影响。

信号以分段方式进行分析，其中，各分段的长度(时长)可供配置，但一般处于1s～60s范围。对于经预处理的加速度计数据的每一分段或“窗口”，均计算803其平均大小或“能量”。此类平均值可称为“活动加速度计计数值”(aac)。例如，当使用三轴加速度计时，可先将沿各轴线测量的加速度分量(通常已经过修正)加总，然后例如以辛普森积分法(simpson’srule)等数值正交规则计算数据获取窗口内不同(离散)时间点的平均值。或者，也可先利用各分量的向量范数(即二范数)计算总的加速度，然后进行平均。

随后，通过身体活动(pa)分类器805判断每一时间窗口内使用者是否处于身体锻炼的活跃状态。这一点例如可通过将简单的阈值规则应用于被窗口化的aac数据的方式实现，也就是说，如果某一窗口的aac值超出了指定值，则判断使用者在该时间段内处于身体锻炼的活跃状态。其中，可例如通过对使用者在进行不同强度水平的不同类型身体锻炼时获得的aac值进行测量的方式确定合适的阈值。此外，还可利用更为复杂精细的分类器确定已进行的身体活动的强度或类型，以例如区分中等程度或极高程度的活动，或者区分跑步和骑行活动。

使用者是否处于身体锻炼的活跃状态的上述分类随后用于将该使用者分为“不活跃”和“活跃”两种类别当中的一种。将使用者分类为“不活跃”或“活跃”的确定依据在于其活动分类值是否符合身体活动方面以证据为基础的指南的要求，此类指南例如为国家卫生与临床优化研究所(简称nice，为英国的政府组织)指南。该指南大致给出了不同年龄组别的期望身体活动量。

例如，针对19～64岁的nice身体活动指南(pag)推荐：

·成人应以每日锻炼为目标。一周内，持续时间为10分钟以上的中等强度活动的总时长至少为150分钟(2.5个小时)——一种实现方式为，一周至少5天内，每天进行30分钟的此类活动；

·一种能够实现同等有益效果的替代方式为，一周内进行75分钟的高强度活动，或者组合进行中等强度和高强度活动；

·成人应该一周至少两天进行提高肌肉强度的身体活动；

·所有成人均应尽可能地减少久坐(久居少动)的时间。

在nice指南的一种实施形式中，如果个人每周的中等强度身体活动时间少于150分钟，或者其高强度身体活动或中等强度与高强度结合的身体活动时间少于75分钟，则该人为“不活跃”。此外，如果个人符合上述要求，则根据该指南，该人可视为“活跃”。

由于上述身体活动指南基于每周的指导内容，因此本闭环反馈系统为动态系统，并根据使用者是否从“不活跃”变为“活跃”，或者从“活跃”变为“不活跃”，改变个性化食品推荐。其中，可通过计算活动数据的滚动平均值，例如，通过对使用者在上周是否为“活跃”或“不活跃”进行分类，将使用者活动平均水平的变化纳入考虑。当然，也可使用其他平均时间，如1天或大约1个月。

随后，所得类别(在该例中，即“活跃”或“不活跃”)传递至决策程序805，以供其利用该类别和其他信息(dna和/或营养信息)确定更新手环存储器内所存产品的推荐(例如，从绿色更新为琥珀色)。或者，也可将“修饰符”的值存于该设备中(或远程存储)，并在使用者扫描产品后即时运用该值以更新推荐。

如上所述，身体活动类别可用于调整卡路里截取值，该卡路里截取值用于根据产品的卡路里含量确定是否推荐使用该产品。所述调整取决于使用者是否分类为“活跃”或“不活跃”。

·活跃——如果个人符合pag的要求，则个性化食品推荐仅以遗传基因为基础，无需对推荐进行更改。

·不活跃——如果个人不符合pag的要求，则仅需对卡路里营养截取值进行调整。其中，通过提高个人的卡路里敏感度，降低卡路里截取值，从而相应减少允许摄入的卡路里。

在体重管理方面，能量平衡是其中一项关键因素。能量可以卡路里或千焦为度量单位，而且从食物中的蛋白质、脂肪和碳水化合物的总量中推导得出。长期体重管理的关键在于确保个人消耗(输入)的卡路里数和利用(输出)的卡路里数之间的正确平衡。

根据能量平衡的程度，可存在三种体重管理情形：(1)如果卡路里摄入量大于总能量消耗，体重将会增大；(2)如果卡路里摄入量等于总能量消耗，体重将维持不变；(2)如果卡路里摄入量小于总能量消耗，体重将会减轻。因此，为了防止出现体重增加的状态(因卡路里净摄入导致)，需要对个人的卡路里摄入进行调控，即自基线下调，或上调至基线。

卡路里截取值的这一调控一般使得若干产品从“绿色”推荐转变为“琥珀色”推荐。在这种情形中，琥珀色表示因缺乏身体活动而不推荐某种食品，但是一旦身体活动充分后，该产品的推荐仍会转为“绿色”。然而，其中重要的一点是，不得减少推荐给人们的蔬菜等健康食品的量。因此，卡路里截取值的调整仅适用于某些种类的食品，例如薯片、巧克力、糖果等分类为供使用者“自行决定”的食品。

以下，将对根据遗传学确定的使用者敏感性或趋势与测量数据的不同组合调整产品推荐的各种情形进行描述。

图9所示为根据使用者的预测卡路里敏感度和使用者的活动数据调整产品推荐的过程。该过程包括如下步骤：

a：产品：卡路里含量

b：dna检测结果：卡路里敏感度检测结果(所有使用者)

c：实时测量：活动：给定时间内的步数/距离，及其与基线的比较结果

d：推荐的调整：不推荐高卡路里产品

e：提醒内容：鼓励更多使用者做运动

以下各例与参考图9所描述的示例类似，区别在于分别以各例中的步骤代替以上步骤a～e。

在一种示例中，根据预测的使用者咖啡因代谢率和一天中的时间，调整产品推荐。对咖啡因代谢速度“较慢”的人而言，咖啡因的作用更为持久。通过持续实时测量一天中的时间和/或使用者的心率，可对是否推荐咖啡或能量饮料等含咖啡因的特定产品进行调整。

a：产品：咖啡、茶、运动饮料，蛋白质奶昔、碳酸饮料(可乐)

b：dna检测结果：rs762551——咖啡因代谢缓慢snp

c：实时测量：一天中的时间

d：推荐的调整：不推荐产品

e：提醒内容：提醒使用者注意其dna检测结果

在另一例中，根据预测的使用者高血压易患性以及使用者的心率数据，对产品推荐进行调整。对于静息心率较高的使用者，可通过调整类别中的最初(即“健康状态下”)脂肪推荐，鼓励其例如食用富含脂肪的鱼类和坚果。类似地，还可降低盐的营养截取值，以及/或者可推荐其服用ω-3、ω-6、ω-24等补品。此外，还可进一步根据心率经时调整各截取值。

a：产品：总脂肪——但注重产品类别、产品的盐和饱和脂肪含量

b：dna检测结果：高血压snp

c：实时测量：心率

d：推荐的调整：取决于类别——鼓励使用健康的含脂肪食物，降低饱和脂肪含量

e：提醒内容：提醒使用者为了心脏的健康而避免使用饱和脂肪/盐，并鼓励用户扫描对心脏有益的产品

在另一例中，根据对使用者出汗量的测量，调整产品推荐。其中，根据出汗水平，对维生素的推荐进行调整。

a：产品：等渗溶液，蛋白质奶昔等运动补品

b：dna检测结果：所有使用者

c：实时测量：出汗量

d：推荐的调整：鼓励饮用等渗溶液/推荐服用蛋白质补品

e：提醒内容：必要时鼓励服用补品

在又一例中，根据预测的使用者日照敏感性以及使用者的紫外线暴露情况测量结果，调整产品推荐。其中，可通过跟踪使用者的位置以及利用uv参考图，了解使用者的紫外线暴露程度的方式确定暴露水平。这一方法还可用于确定使用者的污染暴露水平。其中，作为追加方案或替代方案，可使用紫外传感器，例如，可以在可穿戴装置内集成光电二极管。这一信息可用于调整spf推荐，以例如在高保护防晒霜与spf值更低的防晒霜之间，推荐高保护防晒霜。

a：产品：有无spf(防晒系数)

b：dna检测结果：与日照敏感性相关的基因，例如ntmaa、tyrgg、asiptc、loc10537cc

c：实时测量：led，紫外/可见光谱

d：推荐的调整：改变spf截取值

e：提醒内容：如果使用者的紫外暴露程度较高，对使用者做出提醒

在另一例中，根据预测的使用者维生素e生成能力以及使用者的紫外线暴露情况测量结果，调整产品推荐。紫外线(以及日晒)可降低皮肤中的维生素e水平。维生素e可吸收紫外(uv)线的能量。通过紫外线地图(基于位置)或内置的紫外线测量装置，可以调整使用者的产品推荐，以对能够促进维生素e的成分有利。

a：产品：含或不含维生素e

b：dna检测结果：维生素e的snp

c：实时测量：led，紫外/可见光谱

d：推荐的调整：改变维生素e截取值

e：提醒内容：如果使用者的紫外暴露程度较高，对使用者做出提醒

在又一例中，根据预测的使用者胶原蛋白降解可能性以及使用者的皮肤水合水平测量结果和/或皮肤油脂水平测量结果(通过皮肤油脂测试仪)和/或皮肤ph值测量结果，调整产品推荐。其中，可根据产品的含油量和/或ph平衡值，推荐或不推荐使用该产品。

a：产品：所有护肤产品

b：dna检测结果：胶原蛋白降解不良基因(水分的丧失可加重皱纹的生成)

c：实时测量：例如以皮肤角质层水分含量测试仪测量的皮肤水合水平

d：推荐的调整：鼓励使用含有保湿剂、封闭剂及润肤剂的产品

e：提醒内容：鼓励使用者通过保持水合而达到最佳皮肤健康

在又一例中，根据预测的使用者受污染负面影响的可能性以及使用者的污染暴露测量结果，调整产品推荐。其缘由在于污染可对皮肤造成损害。nqo1基因对个人的环境毒素耐受能力具有影响。目前，人们越来越意识到pm2.5(一种微小颗粒物，是微小的固体颗粒和液滴的空气传播混合物)的负面影响，尤其其对城市居民的负面影响。化妆品的使用者对污染较为关注，而且“抗污染”成为了化妆品行业的一个新领域。这些类型的产品可有利地推荐给预期可能对环境毒素具有一定的耐受性但本身已暴露在极高程度的污染之中的使用者。

a：产品：含或不含抗污染成分的护肤产品

b：dna检测结果：nqo1基因(正常/较差的污染抵御能力)

c：实时测量：位置检测以及查询基于位置的污染地图，或者微小颗粒物(pm2.5)等颗粒物的检测

d：推荐的调整：有助于抗污染的推荐

e：提醒内容：提醒使用者注意其dna检测结果/告知用户其处于污染暴露状态

图10为用于提供产品推荐的闭环方法的示意图。个性化遗传数据(或其他通过生物学方式获得的数据)1001存于数据库1003内。如上所述，该数据用于生成针对碳水化合物、脂肪、盐等不同营养成分的截取值或阈值。这些值由调控器1005根据从可穿戴装置1007接收传感器数据的单元1011所确定的生理和/或生物化学(或环境)功能上调或下调。可穿戴装置1007利用调整后的截取值及产品数据来提供产品推荐1009。当然，图中所示的所有部件均可设置于可穿戴装置1007内。

提醒使用者注意其行为和/或环境的影响

通过向个人提供久坐行为的后果的更加有效的反馈，可以激励或“劝说”其改善生活方式。具体而言，通过以视觉方式指示使用者若干产品推荐已因其久坐行为而发生了调整，有助于提醒其注意应该改通过改变饮食(例如)而抵消久坐行为的影响这一事实。如此，可以激励使用者通过避免长时间久坐和参加身体活动来减少相应产品推荐被调整整的产品数。

一旦例如按照上述方法确定了使用者以坐着的姿势久坐的时间长度，即可通过分析该时间长度/传感器数据而确定应该如何调整产品推荐。例如，如果使用者已久坐了30分钟(例如)，则可向使用者赋予“久坐积分点”。一般情况下，将对久坐时间进行累计，以利用使用者的久坐总时间确定久坐积分点数。或者，在一些实施方式中，可仅在使用者久坐的时间超过了预设时间长度且没有超过2分钟(或其他更短的某一时间长度)的间断时间时，才向使用者赋予久坐积分点。随后，可根据久坐积分点数，确定需要调整产品推荐的产品。例如，可按照表示产品对一个或多个特定健康特征的预期负面影响的得分，对各产品进行排序。例如，可以根据产品的含盐克数(或含饱和脂肪等的克数)以及该含盐量对高血压(例如)的预期影响，对各产品进行排序。在该情形中，每一久坐积分点可表示需对额外10％的已排序产品的产品推荐进行调整，或者将其“降级”。

久坐行为的另一种度量参数称为“计算久坐时间”(cst)，该值随使用者久坐时间的增长而增大，而在使用者进行身体活动后减小。该度量参数的一种形式可在数学上表达为：

cst＝(tblock总数–总步数/rstep)/max(tblock)

在该式中，tblock表示久坐积分点数，即使用者久居少动(如久坐)的时间长度超出某个阈值的时间量。在该例中，使用者进行的身体活动的量由使用者的步数除以常数rstep来量化，rstep表示抵消一个久坐积分点(tblock)所需的步数(如1000步)。cst可每小时计算一次。在具体示例中，max(tblock)这一因子用于确保每一小时的cst最大值为1。举例而言，当采用半小时的间隔时，max(tblock)为2。在一些实施方式中，tblock值可由使用者设定。

上述传感器数据的处理可由可穿戴装置100实施。作为替代或追加方案，可穿戴装置100的传感器所产生的部分或所有传感器数据可发送给个人计算装置(如智能手机)处理。例如，个人计算装置可根据可穿戴装置100提供的传感器数据确定使用者处于久坐状态的时间。

图11所示为图形用户界面(gui)的一部分的一种示例，该部分包括图形用户界面(gui)单元1101，该单元展示了如何根据各种类别的产品推荐对特定使用者的产品推荐进行分配的概况。产品推荐一般可根据使用者的基因型分配给各种类别，在该情形中，图形用户界面元素1101可称为“dna条”或“dna产品条”。用户界面元素1101可例如由可穿戴装置100和/或个人计算装置(如智能手机)显示。

在该例中(且如上所述)，产品推荐可分为“不推荐”，“或许推荐”和“推荐”三个不同类型。用户界面元素1101分为两个“条”或分段，其中，每一分段对应于所述产品推荐类型当中的一种。第一分段1102的长度与“推荐”类别中的产品数量成正比，第二分段1104的长度与“不推荐”类别中的产品数量成正比。一般情况下，对于特定使用者，第一和第二分段1102，1104的相对长度固定不变，也就是说，与久坐相关的部分产品以及始终归类为“推荐”或“不推荐”的产品比例不随使用者的行为而变。因此，gui单元1101为每一使用者提供了一种在不同产品推荐类别方面确定其各自的基线或“起始点”的手段。

另一部分产品可称为“久坐相关产品”(sdp)。针对sdp的产品推荐根据使用者的久坐行为调整。另一gui单元305用于辅助使用者监测其已被调整的sdp数目。gui单元1105根据使用者的久坐或久居少动行为更新，因此可方便地称为“健康条”。或者，由于其可能与“dna条”结合使用，因此也可称为“dna健康条”或“绿色dna条”。此类名称用于强调gui单元305还可帮助使用者意识到其生活方式如何使得其基因组成(dna)带来的某些优势发生逆转或“削弱”。例如，对于某些在遗传学上无肥胖症风险的趋势但生活方式却总体不活跃的使用者，可以向其呈现带有具有相应遗传倾向的使用者的更多特征的产品推荐。所述dna健康条为使用者提供了一种方便有效地了解和意识到其生活方式如何妨碍其对dna加以“充分利用”的手段。

在一些实施方式中，可将gui单元1105加入图形用户单元1101中，例如置于第一和第二分段1102，1104之间。dna产品条1101可以相对低频度地更新，例如在数据库内加入新的产品时，或者在根据使用者提供的新的生物学数据重新计算产品推荐时更新。与此相比，dna健康条1105一般在一天的时间中多次更新，以动态指示有关推荐已受到使用者久坐行为影响的产品的比例。

gui单元1105分成：第一子分段或“节”1103a，其长度与根据使用者行为当前处于“推荐”类别的久坐相关产品的数量成正比；以及第二子分段或“节”1103b；其长度与根据使用者行为当前仅处于“或许推荐”类别的久坐相关产品的数量成正比。第一节1103a的视觉样式(如颜色或阴影)可选择为与第一分段1102相匹配(以表示其代表处于相同产品推荐类别内的产品)，而第二节可具有不同的视觉样式(以表示其代表不同产品推荐类别内的产品)。举例而言，第一分段1102和第一节1103a可均为绿色，第二节1103b可以为琥珀色。

第一和第二节1103a，1103b的相对长度表示根据使用者的久坐或久居少动行为已进行产品推荐调整的sdp的相对比例。例如，当使用者积累的“久坐积分点”越来越多，则越来越多的sdp的产品推荐从“推荐”(或”绿色”)调整至“或许推荐”(或“琥珀色”)，而且第二节1103b所占据的图形用户界面元素1105的比例也越来越大。第二节1103b的最小和最大长度分别为gui单元1105总长度的0％和100％。一般情况下，图形用户界面元素的总长度在第二节1103b的长度更新时保持不变，也就是说，第一节1103a的长度的缩短量(增长量)与第二节1103b长度的增长量(缩短量)相同。

在某些情形中，第二节1103b的长度在预定时间(如午夜)重置为0％。重置之后，第二节1103b的长度随使用者久坐积分点的积累(即，其cst增大)而增长，但不随使用者参加身体活动而缩短。然而，使用者也可累积身体活动(如步数)积分点，以抵消后续获得的久坐积分点。与此相反，当第二节1103b的长度达到100％后，其不再随进一步的久坐行为而增长，但久坐积分点仍可继续累计，从而使得必须进行更多的身体活动，才能将第二节1103b的长度缩短至100％以下。

gui单元1105的功能可通过允许使用者设定cst的极限值或目标(tgoal)(如4小时，6小时或8小时)的方式得到扩展。其中，在使用者的cst达到所述极限值之前，可以关闭与sdp有关的产品推荐的调整功能。或者，也可将所述极限值表示为sdp的阈值比例(如40％)，以允许根据所累积的cst调整相应推荐。

虽然dna健康条1105可一般显示于使用者的个人计算装置(如智能手机或平板电脑)上，但是如果可穿戴装置100本身具有合适的显示器，也可将其显示于该装置上。在替代方案中，可穿戴装置100也可通过其他某种形式的视觉指示提醒使用者其久坐行为的影响。例如，视觉指示器(如led)104可根据其有关产品推荐已被调整的产品的比例是否超过某一阈值而以不同的颜色照明，例如，当所述阈值未被超过时，为绿色；而当超过时，为琥珀色。或者，也可仅在所述阈值被超过时，视觉指示器才被照明。视觉指示器的照明可由一种或多种检测使用者进行的特定运动(如举手)的惯性传感器来触发。

图12所示为cst与有关产品推荐已被调整的sdp的比例(此处称为ramber)之间的例示关系或“映射图”，该关系将使用者定义的cst目标考虑在内。从cst为零的起始点开始，sdp比例在达到使用者定义的目标之前随cst的增大而线性增大，在此之后非线性增大(但是在其他示例中，sdp比例也可在0％～100％范围内一直非线性增大)。这一非线性关系可选择为，ramber随cst的增大以更快的速度增大，直至达到100％。在图4示例中，在超过使用者定义的目标后，ramber随cst的增大而呈指数式增大。该类型的非线性关系能够在使用者的cst增大时，对其有效地施以更重的“惩罚”。该映射图还能够将使用者的cst目标(tgoal)转换成已被调整的产品推荐的目标比例(ramber)，该比例可用于更新gui单元1105，以显示使用者是否保持在其cst目标之下。例如，在某些情形中，所述目标比例例如通过垂直线1106明确地显示在gui单元1105上。

图13所示为特定使用者的dna健康条1105在24小时时间段内的更新方式一例。dna健康条1105可包含用于使用者进行的身体活动量(如步数)和cst当中的一者或两者的指示。在该图中，以文本标签作为所述指示，但是当然也可采取图形指示的形式。

dna健康条最初为0％(即第二分段303b的长度为零)。在7：00～8：00之间，使用者起床并活动了5000步。在这一时间段内，如果使用者通过手环100扫描sdp，则产品推荐不调整(例如，手环的指示器的颜色为绿色)。在下一小时内，使用者因乘火车旅行而累积了0.5小时的久坐时间(st)以及1000步的活动(例如，行走至车站)。相应地，健康条1105上的第二节303b的长度增大，以表示0.5小时的cst。然而，由于cst的量小于使用者设定的6小时的目标(由趋向健康条1105中央的垂直线306表示)，因此尚无任何sdp产品推荐被调整，即当扫描sdp产品时，手环仍旧指示绿色。

在9：00～13：00时间段内，使用者因久坐而累积了4小时的cst，使得第二节303b的长度增大。在13：00～14：00时间段内，使用者活动了更多步，使得总步数累积至大于10000步(rstep)，从而使得cst减小，第二节303b的长度缩短。

在14：00～18：00时间段内，使用者因进一步久坐而使得cst增大至使用者设定的6小时目标(tgoal)以上，从而导致启动对sdp产品推荐的调整。也就是说，当使用者扫描此时仅为“或许推荐”的sdp时，则手环100的视觉指示器将以琥珀色照明，以向使用者表示，其未能成功地将其久坐行为充分地减少至其所选择的极限值范围内。

在18：00～23：00时间段内，使用者未能再次累积到10000步，因此其进一步活动的步数未能使得cst减小，导致cst进一步累积。然而，假若使用者在该时间段内能够再多活动8000步，则其可以使得cst相应减小。由于cst大于tgoal，因此第二节303b的长度随每一cst单位的增加，以更加猛烈的速度增长。

在使用者就寝后，手环100(例如)可检测到使用者不再进行任何形式的活动，并停止增大cst(这一操作也可例如在使用者摘下手环100时进行)。相应地，在使用者处于睡眠状态的23：00～0：00时间段内，健康条1105不再更新。然而，一旦过了午夜，健康条1105的统计信息将重置，以使得使用者能够对其次日的久坐行为进行监测。

当然，与传统的图形用户界面元素(或“工具”)一致，图形用户单元1101，1105的总尺寸或朝向可调整至与装置的显示器或用于呈现用户单元301的用户界面相匹配。各个分段1102～1104或节1103a，1103b的相对位置可以调整，例如，如图3所示，各个分段可彼此相邻重叠，而非头尾相接。此外，可以利用颜色、阴影或其他视觉样式更加容易地在视觉上将各个分段302～304和/或节1103a，1103b彼此区分开来。在某些情形中，用户界面元素1101所使用的颜色方案可与产品代码扫描时在可穿戴装置100上向使用者指示产品推荐时使用的颜色方案相匹配。

一般情况下，可通过如下流程获得产品推荐。

首先，确定若干种有可能与例如包括2型糖尿病、高血压、高体重指数(bmi)及高胆固醇在内的潜在不良健康相关的健康特征。其中，可通过基因检测，确定使用者是否具有任何此类健康特征，所述基因检测例如基于对使用者dna或rna样本的单核苷酸多态性(snp)的检测。除此之外，还可采用其他形式的诊断性检测，包括其他类型生物分子的检测，或者用于确定使用者微生物群系组成的呼吸检测。

一旦确定了“目标”健康特征，即开始考量饮食对每一种健康特征的影响。这一点可通过对与消耗品营养含量相关的若干不同类别当中的每一类别分析健康特征有可能会受到的影响的方式来实现，所述营养含量例如包括以下中的任何一者：糖含量，卡路里含量，碳水化合物含量，饱和脂肪含量，总脂肪含量以及盐含量。例如，已知食用高糖产品可增大2型糖尿病的风险，而富盐饮食与高血压相关。每一类别与每种健康特征之间的关系可通过向每一类别分配特征相关系数的方式进行量化。以高血压为例，可向盐含量和脂肪含量分配较大的系数，并可向卡路里含量和碳水化合物含量分配较小的系数(或甚至零系数)。

对于确定的每种健康特征，可利用特征相关系数计算产品得分，该得分表示基于产品营养含量(即该产品含多少克盐、饱和脂肪等)的预期影响。例如，在计算表示产品对高血压的不利影响的得分时，可将该产品的含盐克数与盐含量系数相乘。在数学层面上说，每种特征的得分均可通过取其特征相关系数向量与每种产品的营养信息向量的标量乘积的方式来确定。当然，还可采用更加复杂精细的得分计算方式，例如，可利用已确定的针对健康特征的剂量反应曲线对不同营养类别对该特征的影响进行建模分析。所述得分还可将其他因素纳入考虑，如产品类型(如糖果、饼干、早餐麦片等)以及产品的典型份量。此类其他因素可用于针对不同产品的消耗方式的差异，对得分加以调整。例如，如果某产品确定一般作为“零食”食用，则可以降低其得分，从而使得针对该产品的推荐比其他情况下给出的推荐更加正面。

在计算出每种产品的得分后，针对特定健康特征，将各产品按照其得分降序排列。随后，通过选择排名高于阈值排名的产品的方式，选择一部分产品。例如，可根据产品的健康特征得分，选择排名前50％，30％或10％的产品。此类产品可分配“负面”推荐，如“不推荐”。如此，当手环100读取该产品的条形码时，指示器(led)106变为红色(例如)。其余产品分配其他类别，如“推荐”(将以绿色提示使用者)。因此，各产品依据其针对具体特征的排名，分配不同的推荐。用于分配推荐的阈值排名值(或“截取”值)随使用者的不同而不同，并且根据使用者易受该具体特征影响的程度(例如通过基因检测确定)来确定。

通过将每种健康特征的产品推荐相组合来确定每种产品的总产品推荐。这一点可通过多种方式实现，例如，对于该产品，如果有任何特征的推荐为“不推荐”，或者如果有多于一项特征的推荐为“不推荐”，则将该产品的推荐确定为“不推荐”。此外，对于每种产品，也可根据与以上相同或类似的规则，设置或不设置表示是否应该调整产品推荐的标记。例如，在生成产品推荐后，可将每一产品代码与一个“标签”相关联。该标签的一个值(如0)可用于表示非sdp，而其他值则用于表示与sdp有关的产品代码。在某些情形中，可利用cst定义所述标签的“启动阈值”值，从而使得标签值高于所述阈值的所有产品均接受调整。

其有关推荐可能会根据使用者的久坐行为而被调整的一部分产品可通过多种方式选择。通常情况下，并不会对所有类型的食品都进行调整，这是因为这一做法可能会因使用者的久坐行为而使得蔬菜等“健康”产品成为“或许推荐”的产品。所述一部分产品可根据每种产品的有关营养数据进行选择。在一种示例中，对于分类为“推荐”的产品，根据其卡路里含量进行排序，并将这些产品当中卡路里含量排名前50％，30％或10％的产品选择为供调整的产品。在一些实施方式中，使用者可对按照这种方式选择产品时使用的截取值百分比进行调整，以增加或减少被调整的产品的数量。

(在上述一部分产品当中，)其有关产品推荐被调整的产品的数量根据以上结合图4所述的cst确定。

一般情况下，上述阈值排名以及确定总产品推荐的规则在以下两个方面取得平衡：允许使用者选择其希望消费的产品；劝阻使用者消费产品当中最有可能对其健康具有不利影响的至少一部分产品。这种平衡的优点在于，能够“温和地劝说”使用者做出在长期来看对其更加有利的选择。根据使用者的久坐和/或其他久居少动行为调整产品推荐可以进一步提高所述“温和劝说”的额外效果——例如，使用者可能会发现，某种本来“推荐”的产品，在其某天内的长时间久坐后，变成了“或许推荐”(“自行决定”)的产品。不将产品调整为“不推荐”可能会产生如下尤为突出的优点：在使用者自身无法控制的某些状况下，例如，在使用者因长途旅行而不得不久坐的状况下，不会对使用者施加过于严苛的惩罚。

提醒使用者注意久坐行为的负面影响的方法的步骤如下：

步骤1：将消耗品的产品代码以及表示相应产品推荐的数据或可供得到相应产品推荐的数据存入计算装置的存储器内。

步骤2：从使用者佩戴的一个或多个惯性传感器获得运动数据。

步骤3：通过使用所述运动数据监测使用者的行为，以确定使用者处于久坐姿势或其他久居少动状态的时间段。

步骤4：根据使用者的行为，从至少一部分产品代码中，选择用于对其相应产品推荐进行调整的产品代码。

步骤5：根据所选产品代码的数量，控制视觉指示器提供视觉指示。

图14所示为含dna条1101的例示图形用户界面701。图15所示为含健康条1105的例示图形用户界面801。每一该gui均可呈现。

一种例示系统包括个人计算装置(如智能手机、智能手表、平板计算机或台式装置)以及可穿戴装置100。所述个人计算装置包括：用于与可穿戴装置100交换数据(例如，通过有线或无线连接)的收发器；用于存储数据的存储器；以及用于对接收自可穿戴装置100的数据进行处理且控制显示器显示dna条301和/或健康条1105的处理器。在使用过程中，可穿戴装置100可：向所述个人计算装置发送运动数据，以供其利用该运动数据监测使用者的行为，以确定使用者处于久坐姿势或其他久居少动状态的时间段；以及根据使用者的行为选择产品推荐待被调整的产品代码。或者，可穿戴装置100自身可实施所述监测和选择，在该情形中，可穿戴装置100向所述个人计算装置发送表示所选产品代码的数据。所述处理器例如通过更新健康条1105方式更新显示内容，以提供取决于所选产品的数量的视觉指示。

所述存储器可存储产品代码以及表示相应产品推荐的数据或可供得到相应产品推荐的数据。所述产品代码和数据可下载到可穿戴装置100内，例如，在产品代码和/或产品推荐更新后下载到可穿戴装置100内。

虽然以上描述专注于久坐或其他久居少动行为，但是上述各个方面可进一步(或作为替代方案)同等应用于使用者的生活方式和/或使用者的环境的其他方面。例如，如上所述，在某些情形中，所述可穿戴装置可包括可用于监测使用者紫外线暴露状况的紫外线传感器(当然，也可采用不作为可穿戴装置100一部分的身体穿戴传感器)。在该情形中，使用者的产品推荐可根据其在紫外线暴露方面的行为(如接受日光直射的时间)而进行调整。随后，可穿戴装置100或个人计算装置可用于根据紫外线暴露的时间长度，提供待进行调整的产品推荐的数目的视觉指示(例如，通过dna健康条305)。如此，可以提醒使用者注意紫外线暴露可能产生的有害影响(例如，通过推荐能够提高维生素e水平的产品)。类似地，该系统还可构造为根据身体上佩戴的空气质量或污染物(如nox或颗粒物)传感器获得的数据，向使用者提供与其环境组成可能存在的有害影响相关的反馈(在调整的产品推荐数量方面)。

在另一例中，可根据使用者进行的跑步等特定身体活动(或生理功能)的时间长度和/或强度(根据计步器等一种或多种传感器获得的数据)调整产品推荐。例如，某些使用者可能经基因定型确定为可能具有较低的骨密度，因此可能需要对某些产品推荐进行适当调整，以使得某些能够减轻高冲击力活动对使用者骨骼系统的影响的鞋袜得到青睐。通过向使用者提供针对这一调整的视觉指示，可提醒其需要采取补救措施，例如进行更低冲击力的活动。

在一些实施方式中，可以通过提供(例如，以用户界面中的“板块”的形式提供)多个dna健康条1105(或其他形式的视觉指示物)，以使得使用者能够对各种不同使用者生活方式和使用者环境因素对待调整产品推荐的数目的相对贡献程度进行追踪。例如，当使用者通过行走减少久坐时间时，如果其在阳光直射的状态下行走，或者在污染区域中行走，则被调整产品推荐的数目可能仅微微减小(或者甚至有所增大)。因此，通过以多个视觉指示提醒使用者注意这一问题，可使得使用者能够更加适当地调整其行为。

本领域技术人员可理解的是，在不脱离本发明范围的情况下，可对上述实施方式做出各种修饰。例如，虽然上述原理性实施方式描述为可穿戴手环的形式，但是上述系统还可采用任何其他合适的形式，如可持握的筒状物、钥匙圈、吊坠或智能手机，或者此类形式的任意组合。另外，需要注意的是，所述系统中存储的数据可得自通过对使用者提供的生物样本以及其他使用者提供的样本进行分析而获得的生物信息。该组使用者可以为同一家庭的成员。如此，所述数据存储器即含有可用于为所有家庭成员提供最佳推荐的一组公共数据。