CN103329135B - 自动健康数据获取、处理和通信*** - Google Patents

Abstract

公开了一种独特的健康评分计算方法，该方法隐蔽底层的健康统计但提供针对多种应用的基准。提供了一种***和方法，用于收集健康相关信息，将该信息处理成合成数值，并公布所述数值。该***包括计算机，该计算机具有处理器、存储器和代码模块，该代码模块在该处理器中执行以实施该方法。收集关于用户的多个内在和外在参数的信息。将权重因子应用到该参数以控制每一参数对于用户的计算出的数值的相对影响。使用该处理器通过根据算法将加权后的参数进行组合而计算健康评分。将所述数值经由门户公布给指定群组，同时对底层参数保密。在一种实施方式中，该门户是基于互联网的信息共享论坛。

Description

自动健康数据获取、处理和通信***

相关申请的交叉引用

本申请主张于2010年9月29日提交的美国专利申请序列号为61/387,906的权利，并主张于2011年6月9日提交的美国专利申请序列号为61/495,247的权利，通过参考将这两个专利申请整体并入于此。

技术领域

本发明涉及一种用于获取医疗数据及其用于诊断、基准评估（benchmarking）、分析以及重新分配目的的处理的计算机实施的***。更特别地，本发明涉及一种用于医疗数据的获取、诊断、基准评估、分析和/或重新分配的计算机实施的***和方法。

背景技术

对于以一种快速、性价比高且及时的方式来评估一个人的相对健康来说，尽管在许多技术领域都取得了进展，然而仍然存在很多障碍。随着医疗保健成本的增加以及与诸如糖尿病和心脏病这类与不健康生活方式相关的疾病的流行，评估个人的相对健康是非常重要的，而这还没有得到充分的解决。在世界上的许多地方，看医生受到限制。即使是在发达国家，医生的时间也被认为是宝贵的商品，经常有长长的等待名单，而且医生-专家转诊***在被看到之前不得不进行导航（navigated）。在较发达国家，医生在人口中的比率可能在1：1000人的量级，而在欠发达国家该比率可能是1：100,000。因为预约医生可能非常昂贵，尤其是如果个人没有任何健康保险或者健康保险覆盖不足的话，所以在看医生方面还存在成本障碍。因此，可能很难接触到医学专家来接收关于个人健康的信息。

即使个人已经获取到了他或她的健康信息，但缺少或者不存在用于将该信息传递给其他人的机制。隐私法律限制了可以分享的信息的类型以及可以分享信息的方式。涉及健康信息的隐私法律在关于可以分享的信息方面尤其严格。这是为了保护个人避免敏感信息的公开。因此，通常不鼓励对健康相关信息的分享。而且也难以将健康相关信息与朋友和家人分享。健康信息经常只是由医生口头传达给病人，或者病人将会仅接收到实验室测试结果的纸质副本。缺乏用来容易地将这些信息与其他人分享（尤其是与地理位置上相隔遥远的一大群人分享）的***。

现有技术中已经公开了用来提供与个人健康相关的有限类型的数值评分（numerical score）的***。例如，Rothman等人的美国专利公开文件号2009/0105550公开了一种用于为病人提供健康评分的***及方法。然而，该公开内容主要是针对医院里手术后病人的健康评分的计算，而且该健康评分是基于从病人测量的医疗数据（例如，血压、温度、呼吸等）。该方法没有考虑病人的外在（extrinsic）活动，例如，病人的日常体力锻炼活动。Hodgdon的美国专利公开文件号2005/0228692公开了一种***，该***基于测量的医疗数据计算健康评分，并且可以包括自我评估调查，该自我评估调查可以包括调查参与者的锻炼习惯。然而，这只考虑了个人声称的习惯，而不是一个人每天参与的实际锻炼活动。因此，该评分是静态的，而且不能与实际进行的活动相关联地变化。

这些公开的***主要是针对医疗工作者，以解决医护连续性问题，并且需要来自从业人员的输入以产生并维护评分。很清楚，尽管在紧急情况和严酷的医护情况下需要医疗工作者的关注，然而成本和资源因素意味着这些***仅能在这些情况下使用，而且这些***没有解决以上讨论的普遍问题。此外，该评分仅仅是与医疗工作者最后一次更新该评分的特定时刻相关。

发明内容

根据本发明的一个方案，提供一种计算机实施的方法，用于将私人的健康相关数据处理成适用于公布的隐蔽性数值评分。该方法包括：接收关于用户的多个内在医疗参数和外在体力活动参数的数据送至存储器中。将所接收的数据以及权重因子存储在所述存储器中。通过执行处理器中的代码来处理所接收的数据，所述代码将所述处理器配置为将所述权重因子应用于所述内在医疗参数和外在体力活动参数。至少用于所述外在体力活动参数的权重因子包括衰减分量，所述衰减分量被设置为依赖于与所述用户相关联的至少一个因素来减小针对体力活动的所述外在体力活动参数的相对权重。通过在所述处理器中执行的另外的代码将处理后的关于所述内在医疗参数和所述外在体力活动参数的数据转换成隐蔽性合成数值，其中，所述代码是可操作的，用以根据算法将加权后的参数进行组合。使用在所述处理器中执行且不受人为干扰的代码，经由门户（例如，社交网站）自动将所述隐蔽性合成数值公布给指定群组。同时，将收集到的关于所述内在医疗参数和所述外在体力活动参数的信息保密。

根据可以在本发明的特定实施例中实施的方法的进一步的方案，与所述用户相关的因素是用户的年龄或年龄范围，使得所述衰减分量减小针对具有第一年龄或年龄范围的第一用户的外在体力活动参数的相对权重，而减小的方式与针对具有第二年龄或年龄范围的第二用户的减小方式不同。

根据可以在本发明的特定实施例中实施的方法的另一方案，所公布的隐蔽性合成数值可以包括使用在处理器中执行的另外的代码而得到的用户群组的平均值，以实现群组合成数值的确定。

根据本发明的其他方案，提供了一种计算机实施的健康监测***，该***包括：通信单元，其是可操作的，用以接收关于用户的多个内在医疗参数和外在体力活动参数的数据。存储器被设置为存储所接收的数据并存储多个权重因子。而且，处理器被设置为通过执行代码来处理所接收的数据，所述代码将所述处理器配置为将所述权重因子应用于所述内在医疗参数和所述外在体力活动参数。至少用于所述外在体力活动参数的权重因子包括衰减分量，所述衰减分量被设置为依赖于与所述用户相关联的至少一个因素来减小针对体力活动的所述体力活动参数的相对权重。所述处理器被进一步设置为执行代码，以使用所述处理器通过根据算法将加权后的参数进行组合而将关于所述内在医疗参数和所述外在体力活动参数的处理后的数据转换成隐蔽性合成数值。门户被设置为将所述隐蔽性合成数值公布给指定群组，同时将收集到的关于所述内在医疗参数和所述外在体力活动参数的信息保密。

这种***可以优选地被配置为：与所述用户相关的因素是用户的年龄或年龄范围，使得所述衰减分量减小针对具有第一年龄或年龄范围的第一用户的外在体力活动参数的相对权重，而减小的方式与针对具有第二年龄或年龄范围的第二用户的减小方式不同。

根据本发明进一步方案的实施例可以包括一种***，该***将处理后的数据或者隐蔽性合成数值传输至锻炼器材。通过在该器材处编程而使该器材与该***联合工作，以基于所传输的数据或所传输的隐蔽性合成数值来自动建立锻炼计划。优选的是，该***被如此配置为：接收来自锻炼器材的活动信息送至其存储器中，以将该活动信息包括在外部体力活动参数中。

本发明的实施例期望在***和方法中将来自多个医疗和非医疗资源的数据进行组合，该***和方法产生针对个人的规范化评分而不需要频繁访问医疗工作者，在一种配置方式中该评分考虑了可用的医疗、体力活动和可选的生活方式数据（例如饮食），这些数据可以以基本上实时的方式***作和更新。可以将该评分以及与其相关的趋势应用于各种目的，包括：触发针对可能的医疗事件或后果（repercussions）的警告，为用户提供反馈、自动激励和/或目标设定、训练计划、关于医疗分析的自动转诊。在能够产生的警告中有基于对计算出的健康评分的合成数值的监测而触发的警告，作为在处理器中执行的不受人为干扰的代码的结果，如果通过该监测检测到用户评分有改变，例如，由于算法的运行而数值衰减，或者由于饮食习惯而数值减小，或者由用户、或由与用户相关联的群组、或作为该***具有的用来鼓励健康（例如，良好的锻炼或饮食习惯）的非用户特定目标计划的一部分来输入***的目标的完成情况，计算出的值可以致使反馈通信被发送给用户（例如，在***门户内或者通过电子邮件、SMS等）。本发明的实施例将权重因子应用于各体力活动和/或生活方式数据，使得近期的事件对于评分的影响大于过去发生的事件对于评分的影响。

在所描述的实施例中，公开了一种独特的健康评分计算方法，该方法隐蔽了底层健康统计数据，但是提供了针对各种应用的基准评估。在一个实施例中，提供一种用于收集和呈现健康相关数据的方法。该方法包括：收集关于用户的多个内在医疗参数和外在体力活动参数的信息。将所收集的信息存储在存储器中，并将权重因子存储在存储器中。通过执行处理器中的代码来处理所收集的信息，该代码将处理器配置为将权重因子应用于内在医疗参数和外在体力活动参数。使用处理器通过根据预定算法而将加权后的参数进行组合，将所收集的关于内在医疗参数和外在体力活动参数的信息转换成隐蔽性合成数值。将隐蔽性合成数值经由门户公布给指定群组，同时将所收集的关于内在医疗参数和外在体力活动参数的信息保密。

本发明的优选实施例希望提供规范化的标定***，该***可以提供个人的相对健康评估，可以用该评估来作为与具有不同年龄、性别、医疗状态或生活方式的其他个人进行公平比较的基础。

从以下对于本发明某些实施例的描述以及附图中可以理解本发明的各个特征、方面和优点。

附图说明

图1是根据本发明第一实施方式的本地健康信息收集和通信***的示意性框图；

图1A是根据本发明另一实施方式的网络图；

图2是根据本发明一个实施例的示意性流程图；

图3a到图3e是根据本发明一个实施例的用户界面的屏幕截图；

图3f示出了在本发明一个实施例中用来确定健康评分的参数随时间推移的进展；

图4a示出了根据本发明一个实施例的数据展示格式；

图4b是出了根据本发明一个实施例的数据展示格式；

图4c是出了根据本发明一个实施例的数据展示格式；以及

图4d示出了根据本发明一个实施例的数据展示格式。

具体实施方式

通过概述和介绍，与使用数据获取、数据存储以及数据处理来产生作为评估用户相对健康的基础的数值评分的分布式***相结合来详细描述本发明。

在一种实施方式中，***100包括用于收集用户健康相关参数的基于计算机的应用以及用于显示数据的用户接口110。该基于计算机的应用是经由微控制器120实施的，该微控制器120包括处理器124、存储器122以及在其中执行从而将该处理器配置为执行本文所描述功能的代码。该存储器用来存储适用于控制处理器的运行的数据和指令。存储器的实施方式可以示例性包括但不限于随机读取存储器（RAM）、硬盘驱动器或只读存储器（ROM）。存储在存储器中的组分之一是程序。该程序包括使得处理器执行用来实施本文所述方法的步骤的指令。该程序可以被实施为单个模块或者被实施为彼此配合运行的多个模块。根据设想，该程序表示能够与本发明的实施例相关联地使用的软件组分。

提供通信子***125以将来自微处理器120的信息传输至用户接口110，所述用户接口例如为外部设备（例如，手持单元或经由网络连接到通信子***125的计算机）。信息可以通过通信子***125以各种方式（包括蓝牙、WiFi、WiMax、RF传输等）来进行传输。可以以通常的方式（例如有线、光学、3G、4G网络等）来应用多种不同的网络拓扑。

该通信子***可以是通信电子设备的一部分，该可通信电子设备示例性包括智能手机或蜂窝式手机、个人数字助理（PDA）、笔记本、膝上电脑等。例如，该通信子***125可以通过如下设备直接连接：诸如智能手机（例如iPhone、Google安卓手机、黑莓、微软视窗（Windows）可移动手机等）之类的设备、或者诸如心率或血压监测器（例如Withings SAS制造的那些设备）之类的设备、体重计（例如Withings SAS制造的那些设备）、锻炼器材等。在每一例子中，每个设备均包括用来与子***125通信的模块或单元，或者均与用来与子***125通信的模块或单元具有接口，以允许信息和控制信号在子***125与外部用户接口设备110之间流动。简言之，该通信子***可以与通常的通信设备相配合，或者可以是用以对微控制器120处理的信息进行通信这一用途的设备的一部分。

当使用诸如上述类型的通信电子设备作为外部用户接口设备110时，这些设备的显示器、处理器和存储器可以用来处理健康相关信息以提供数值评估。此外，该***100可以包括与外部设备相关联并且用来以实时方式或其他方式支持数据通信的显示器140和存储器150。更通常而言，***100包括用户接口，在某种程度上，该用户接口可以通过微控制器120的处理器中执行的软件模块来实施，或者可以在外部设备130的控制下实施。在某种程度上，该用户接口还可以包括诸如显示器（例如，显示器140）之类的输出设备。

可以使用生物传感器115来直接收集关于用户的健康信息并报告该信息。该生物传感器可以布置为与用户的身体接触来从用户处测量生命体征或其他健康相关信息。例如，该生物传感器可以是由用户佩戴且与用户的身体接触以使得用户的脉搏得以感测到的脉搏计、心率监测器、心电图设备、步程计、血糖监测器、或许多其他设备或***之一。该生物传感器可以包括通信模块（例如，通信子***125），使得该生物传感器可以以有线或无线方式传输感测到的数据。该生物传感器可以将感测到的数据传输给用户接口设备，该用户接口设备转而将该信息传输至微控制器。可选地，该生物传感器可以直接将感测到的数据传输至微处理器。生物传感器的使用保证了报告数据的可靠度，因为它减少了与手动、自我报告数据相关联的用户错误。

可替代地，或者此外，用户可以通过手动输入该数据来自我报告他或她的健康相关信息。因而，在另一种实施方式中，如图1A所示，一个人的健康相关数据被直接输入到计算机160中并且通过网络170提供给服务器计算机180（本文描述的所有计算机均具有至少一个处理器和存储器）。

不管是何种实施方式，该***提供用来分配表示个人相对健康的数值的方式。本文将该数值描述为“健康评分”，并且可以基于从用户收集的健康相关信息使用该数值来评估个人的健康。使用算法并基于收集的健康信息来计算健康评分。该用户或通信子***125为该***提供关于多个健康参数的健康相关信息。使用预先确定的权重因子分配用来计算健康评分的每个参数的相对值。然后根据算法通过将加权后的参数进行组合来计算用户的健康评分。例如，该参数可以是用户的血糖水平和体重。将权重因子“a”应用于血糖数据，并将权重因子“b”应用于体重数据。如果在确定个人健康方面血糖数据是比体重更重要的因素，则权重因子“a”将大于权重因子“b”，使得血糖数据对于计算出的健康评分（例如，健康分=血糖*a+(体重/100)*b）的影响更大。在某些实施方式中，权重因子是非单一（non-unity）值（例如，大于或小于1，但不是1）。在计算健康评分时可以包括更多或更少的因子，并且在将年龄或性别作为两种可能的原因考虑进来的一些实施方式中可以包括偏移值，该偏移值被加或被减或者修改整个的计算；然而，前文旨在作为关于如何计算健康评分的非限制性示例。其他的可以测量并包括在计算中的参数包括：血压测量值、身高、体质指数（body mass index）、脂肪量、诸如糖尿病、心室肥大、高血压、心律不齐以及空腹血糖值之类的医疗情况。如果没有，则可以从计算中省略参数，或者可以由从具有相似参数的个人群体样本获得的其他参数和/或数值来估计该参数。

除了内在医疗参数之外，在计算用户的健康评分时，还将他或她的体力活动考虑进来。可以基于该活动而经由适当的传感器来监测该体力活动。所述传感器可以包括GPS单元、高度计、深度计、步程计、节奏传感器、速度传感器、心率监测器等。在基于健身房活动的情况下，可以将计算机化的锻炼器材配置为将该数据直接提供到用户完成的程序上（例如，所谓的椭圆训练机/多功能训练机可以提供比用户的步程计等更好的关于锻炼的数据）。尽管优选的是自动获取关于用户体力活动的参数，然而也提供了用于手动活动输入的用户界面。就此而言，诸如跑步机、椭圆形训练机、静态自行车或者具有一套砝码或条带（bands）的举重器材之类的锻炼器材可以设置有通信界面来与本文描述的***通信，以将外在体力活动参数提供给该***并且从***接收数据，并且这些锻炼器材进一步包括处理器，该处理器配置为处理来自***的数据，从而自动调整锻炼器材上的锻炼程序，以达到针对该用户的目标、竞赛或其他目的。在计算健康评分时还可以收集并使用生活方式数据，例如，饮食、抽烟、酒精消耗等。在一个实施例中，用户可以使用条形码或RFID扫描仪来获取关于消耗的食物的数据，该数据然后在诸如服务器180或与服务器180通信的网站之类的远程***处转换成诸如日常卡路里、脂肪和盐分摄入之类的参数。某种程度上，该***依赖于由用户提供的这些数据，而在得到许可和连接权限时还可以通过数据网络连接获取其他数据。

如以下更详细讨论的，基于时间来追踪体力活动和生活方式数据，并且当计算该数据对于健康评分的影响时应用衰减算法（decay algorithm）。这样，很久以前的体力活动对于健康评分的正面影响减小。优选地，在该算法中使用的用于计算健康评分的权重因子根据衰减分量（component）随时间而调整，该衰减分量设置为减小计算中使用的参数的相对权重。该衰减分量自身可以包括权重值，但也可以包括将与用户特别相关的至少一个因素考虑进来的等式，该至少一个因素例如是，用户的体重或体重范围、年龄或年龄范围、该***已知的任何医疗情况以及该***可能知道的任何其他参数、或者考虑这些因素而配置的曲线（可以从该曲线读取作为针对该用户的坐标轴上的数值的函数的数值）。通过这种方式，该衰减分量可以减小在不同于其他用户的第一用户（例如，当第一用户具有第一年龄或年龄范围而第二用户具有第二年龄或第二年龄范围时）的健康评分计算中使用的参数的相对权重。

中央***（优选的是例如可以被服务器180托管的数据库或网站）维护关于每个用户的数据、他或她的健康评分、相关联的参数以及它们随时间推移的趋势。如本领域中已知的那样，可以按照与人的身份无关地存储敏感数据这种方式来维护该数据。

然后在中央***基于***、群组或用户分布来处理针对每个用户的计算出的健康评分。基于分布设定，健康评分以及相关趋势可以生成各种自动动作。例如，它可以生成：触发自动警告；向用户提供诸如日常电子邮件更新之类的反馈；触发自动激励、警告和/或目标设定选择的通信以缓解感觉到的问题；调整训练计划；或者医疗分析的自动转诊。

用户的健康评分还经由通信门户被提供给指定的接收方群组。该接收方群组可以包括所选择的其他***用户（例如，朋友和家人），使得所选择的其他用户的健康评分可以与另外的用户的健康评分相比较。在可替代的设置方式中，所有的用户都可以看到其他用户的评分，或者可以将接收方群组定义为特定的健康保险提供方，使得可以提供报价来为个人投保。其他可能也落在本发明的范围之内。

现在参照图2，图2是为了支持个人（例如，病人或用户）评估以提供健康评分而描述的根据本发明一个实施例的示意性流程图。在步骤S210，用户发起用户收集、处理和公布健康相关数据的处理。例如，使用移动电子设备（例如，智能手机或便携式计算设备）的一个人选择软件应用，该软件应用启动在该设备处理器上运行的程序，或者该用户可以访问基于互联网的网页，该网页中的代码在远程处理器上得以执行并且用于为用户的本地设备提供服务。识别模块提示用户识别他自己并且认证他的身份。这可以通过提示用户输入用户名和密码，或者通过诸如指纹读取器、密钥卡、加密处置或用来确保用户身份的其他机制来实现。可替代地，如果用户正在通过个人电子设备访问该***，则识别数据可以被存储在本地设备存储器中，并且可以被自动访问，以便自动确认用户的身份。

在步骤220，在处理器上执行的数据收集模块可以提示用户提供与多个参数相对应的健康相关数据。在一种实施方式中，可以由通信子***125来自动提供一个或多个该参数。该参数可以包括用户的体重、身高、年龄和健身活动信息。这些可测量的医疗参数是用户的内在参数。用户的体重和身高提供关于用户当前健康状态的信息。健身活动信息与用户参加的运动量相对应。该信息是作为用户外在参数的体力活动参数的示例。例如，用户可以输入关于他或她日常健身活动的信息（例如，该用户参加体力活动的时间量以及该体力活动的类型）。例如，如果用户到健身房并且在自行车上锻炼了三十分钟，则该信息被输入到***。用户的健身活动信息提供关于用户为了改善他或她的健康而进行的活动的信息。

用户的体重、身高、年龄和健身活动信息仅仅是部分可以针对性地收集信息的参数。该***能够收集和处理可以指示用户健康的大量其他参数。例如，这些参数可以包括：血糖水平、血压、血液化学数据（例如，激素水平、必要的维生素和矿物质水平等）、胆固醇水平、免疫数据、脉搏、血氧含量、关于食物消耗的信息（例如，卡路里、脂肪、纤维、钠含量）、体温，这些仅仅是能够收集的参数的少数可能的非限制性示例中的一部分。也可以使用能够可靠测量的指示个人健康的各种其他参数来计算一个人的健康评分。

在步骤230，将收集的健康参数信息存储在存储器中。在步骤240，权重模块从存储器中调取（recall）权重因子。该权重因子能够是用来增大或减小每个健康参数相对值的乘法系数。如本文公式中所示，为每个健康参数分配权重因子。使用该权重因子来控制健康参数的相对值。在用户健康评分的计算中，有些健康参数比其他健康参数更重要。因此，将权重因子应用于健康参数，增大或减小每个因子在用户健康评分计算中的相对影响。例如，用户的当前体重可能比用户参与的健身活动量更重要。在该示例中，通过为体重参数分配较大的权重因子，该体重参数将具有更重的权重。在步骤205，权重模块将调取的权重因子应用于所收集的健康参数值，以提供加权后的健康参数值。在特定参数对于健康评分没有影响的情况下，该权重因子可以是0。在一些算法中，使用的权重因子可以是负值。

在将参数加权之后，在步骤260经由在处理器中运行的评分模块计算用户的健康评分。该评分模块根据算法将加权后的参数加起来。在一种实施方式中，该健康评分是用户的体质指数（BMI）健康评分和用户的健身健康评分的平均值减去用户少于95岁的年限数的两倍。将针对该示例的该算法公式再现如下：

健康评分=（（BMI健康评分+健身健康评分）/2）-2*（95-年龄）。

用户的BMI健康评分是0到1000之间的数值。BMI健康评分基于用户的BMI而定，而用户BMI是基于用户的体重和身高以及用户BMI与被认为是健康的BMI偏离了多少而计算出的。可以使用表格或公式来规范化用户的BMI信息，从而可以将不同的信息组合。选择被指定为最大分数值（pointvalue）（例如，1000）的目标BMI值。用户的BMI与目标值偏离得越多，得到的分数（point）越少。用户的健身健康评分基于一个人的体力活动或锻炼而定。在一个实施例中，它是过去365天内健身时间的数量总和（即，用户参与健身活动的时间量），这段时间内的每一小时都以线性方式老化，使得越远离近期的活动的数值越小。将得到的总和乘以二，并且该总和的上限（cap）是1000。健康信息如此而得以规范化，使得该健康信息可以被组合以获得健康评分。选择健身活动的目标日平均值，并且为其赋予最大分数量（例如，1000）。所参加的运动量与目标相比差得越多则为用户赋予的分数越少。

在另一种实施方式中，基于多个子评分来确定健康评分，该多个子评分是并行于BMI健康评分和健身健康评分之外而维护的。类似地，可以在如上所讨论的使用不同的年龄调整或不使用年龄调整的组合算法中使用类似的信息来确定健康评分。

对内在医疗参数进行处理以确定基础健康评分。对诸如来自体力锻炼的参数之类的外部参数进行处理，以确定分配给健康池和奖励池的数值。该数值优选地以MET小时来表示，与体力活动相关联，该值被加到健康池和奖励池这两者。将每日衰减因子应用于奖励池。不能被奖励池适配的任何过多的衰减随后会从健康池中减去。衰减量是依赖于健康池和奖励池的尺寸来确定的，从而需要付出更大的努力来维护高的健康和奖励池。结合基于内在医疗参数的评分来处理健康池数值，从而计算总的健康评分值。这可以与之前描述的实施方式具有类似的基础，或者它可以包括不同的参数和权重因子。在一个实施例中，该健康池数值是对数，或者应用其他的统计函数来使得各个数值随着时间推移而增龄，从而仅认为最近期的活动对于健康/奖励池完全起作用。图3a和图3b示出了示例性用户界面，该用户界面示出了健康评分、健康库和所选择的其他测量参数（应当理解的是，由许多简单组合来形成评分）。如图3c所示，记录了各种子评分和它们的趋势。

应当理解，MET小时是消耗的千卡除以体重千克数，50kg的人消耗100千卡是2MET h。这是“规范化能量”，使得该***对于所有体重的人都是公平的。采用该方法，针对每个人，池的尺寸都可以相同，因为针对个人而言，基于他或她的体重而将该能量进行了规范化。

在一个实施方式中，为每个人分配容量为300MET h的健康池和容量为60MET h的奖金池。

当某个人进行活动A时，这些池更新如下：

H=min（H+A*alpha，300）

B=min（B+A*（1–alpha），60）

其中，H是健康池评分，B是奖励池评分，A是针对该活动的MET h数值，而alpha（选择为0到1之间）是用来确定该活动对于各池的贡献比例的***范围参与值。

将该活动在健康池和奖励池之间加以分解。将超过任何池的上限的过多MET h活动丢弃。如下所示将每日衰减值D应用于这些池：

D=f（H，B）

B=B-D

如果B<0：

D=D+B

B=0

如果D<0：

D=0

将衰减完全应用于奖励池，如果奖励池是空的，则将其余的应用到健康池。在该实施例中，任何池都不会低于零。

***在A等于f（H，B）（即，平均每日的活动与每日平均衰减相匹配）处找到了平衡。函数f（H，B）相对于H和B是高度非线性的。大体上，维护较小的池需要较少的亚线性级（sub-linearly）努力，维护较大的池则需要较多的超线性级（super-linearly）努力。这是为了确保普通人可以维护比如一个半满的健康池（150，对应的评分为500），而维护全满的健康池（300，对应的评分为1000）则需要超多的努力（通常只由专业的耐力运动员来实现）。图3f示出了缓冲池和健康库评分随时间推移的模拟，假设活动在每天11.5到16MET h之间变化，且每周休息两天。如从图3f中右上角的曲线中可以看出，完美的1000健康库评分将需要每天30MET h的活动。

优选地，健康评分基于一个人随时间推移的健康因子（s）和锻炼记录的加权组合而定。健康因子可以由用户定期更新。例如，用户可以在被***追踪和处理的每一事件后提供健康相关信息。用户可以在饭后、锻炼后、对自己称重等后进行更新。在利用传感器、便携式设备等记录活动/事件的情况下，可以将获得的/计算出的参数自动上传并使用这些参数来产生修正的健康评分。例如，在用户在锻炼器材等上跑步、运动的同时可以提供显示运动效果的反馈。在选择的实施例中，如果确定用户正在超过预定阈值（这是因为对于他们健康的了解可以对应于他们的健康评分或其他记录数据而改变），则可以将反馈提供给管理者，例如健身房的员工。因此，可以以近乎实时的方式来更新健康相关数据。

用户也可以每日两次、每日一次、或以其他的周期次数来更新信息。此外，健康评分可以基于该信息随时间推移的平均值而定。例如，可以将一段时间（例如，一周、一个月或一年）的健身活动进行平均。平均数据将随时间推移而减小由于数据波动对于健康评分所造成的影响。通过随时间推移的平均化，数据异常高（例如，一个人在非常短的时间内参加了大量的健身活动）或异常低（例如，一个人由于生病一周没有参加任何健身活动）的时间段不会显著影响健康评分。健康相关信息可以存储在存储器中，或存储在处理器可以访问的数据库中。

也可以使用所存储的数据来为用户预测未来的健康评分。基于用户将以可预测的方式继续动作这一假设，预测模块可以分析过去的数据（例如，健身***，或者可以向具有较高的健康评分但基于过去的经验预测其接下来会休息几天的人发起竞赛。此外，该***可以鼓励用户坚持活动课程或改进其行为。例如，该***可以向用户发送消息，指出如果用户的健身活动增加一定的时间量，则健康评分将提升一定量级。这将允许用户设定目标而改善健康。

尽管每个人的特质不同将使得难以进行直接比较，然而使用健康评分允许将用户的健康与另一个人的健康进行相对比较。例如，第一用户（用户1）的身体素质（composition）以及所参加的健身活动与第二用户（用户2）相比有很大的不同，这使得难以直接比较每个用户的相对健康。使用健康评分使得这两个用户的比较可以相对容易。在一个示例中，用户1稍微超重，这往往倾向于降低用户1的健康评分。然而，用户1还参加了大量的健身活动，从而提高了该用户的整体健康评分。相反，用户2有理想的体重，这将有助于获得高的健康评分，但是用户2参加的健身活动非常少，从而降低了健康评分。用户1和用户2在他们的健康相关参数方面有很大的不同。因此，评估和比较用户1和用户2的相对健康将非常困难。根据本发明，从用户1和用户2收集与某些健康参数相关的信息，该信息用来计算整体健康评分。即使用户1和用户2差异非常大而且习惯显著不同，然而比较用户1的健康评分和用户2的健康评分允许很容易地评估和比较这两个用户的健康。因此，健康评分具有重要的价值，使得群组成员可以比较它们的相对健康，并且使得其他实体（例如，雇主、医疗保险公司）可以评估个人的健康。在图3d和图3e中示出了示例，其中示出了不同用户的表格（当前）评分和图形（历史、当前和预测）评分。如从图3e可以看到，预期Katrin短期内会超过用户Andre，除非他改善他的生活方式和表现。在图3d中，示出了衰减算法的影响，以显示其对于给定用户Andre以及被他标识为朋友的人的健康评分的效果。注意，用户Andre的当前健康评分是669，这使得该用户处于他的朋友Irene（健康评分670）和Helle（健康评分668）之间。衰减算法对于在图3d的屏幕截图中示出的所有健康评分都起作用，如“△1天”这一栏所示。更特别地，Andre的大多数朋友都由于“无活动”的原因而使他们的健康评分减掉了1分。没有数据输入到***是处理器执行衰减算法来确定给定用户“无活动”状态的基础。对于大多数用户，根据示出的衰减算法，该状态的一天效果是每天减掉1分，一周的课程减去5分。这样，衰减算法可以对于整体健康评分具有递减的、非线性影响。

如所示，用户Andre将适度的活动登记到可以被***访问的存储器中。结果是，该适度的活动被处理并获得正值的一天变化量（delta）和抵消衰减算法影响的变化量。因此，Andre以及访问他的公开健康评分的朋友将能够观察到，由于“适度的活动”，他在一天之内将他的健康评分从667增加到669，并在过去七天内从662增大到当前值。而且，基于最近期的原因（即，接收到的数据）使用底层算法和数据外推（extrapolation of data）法来计算预测以增加另外的5分。另一方面，由于活动量低但饮食习惯良好，Helle在相同时间段的最后一天下降了1分，在过去7天中总共下降了1分，并且如果照着这个速率继续，预测Helle将丢掉另外一分。这样，给Helle提供了通过执行算法得到的反馈和由***提供的可以鼓励更多活动的输出。另一方面，Irene没有活动而且饮食较差，导致她当前的健康评分的变化更为剧烈，而且对于她的评分还有更长久的历史性和预测性影响。同样，可以向多个用户和他们的朋友们或者向为了竞赛而联系起来的用户群组的成员等提供这样的反馈，以向个人或团队提供激励，从而鼓励参加健身活动、提倡健康饮食等。

此外，健康评分指示个人的相对健康而不会泄露用于计算健康评分的可能是敏感信息的底层数据。例如，用户可能不愿意向其他人或实体泄露他或她的体重、年龄或他们花在锻炼上的时间量。人们可能对于分享他或她的体重或者他们实际上从来不去健身房这一事实感到尴尬。然而，由于该健康评分是从数个因素推导出的，因而可以将用来计算该评分的底层数据保密。这一特征将方便用户分享其整体健康，因为用户将不必公开自己的私人数据。例如，一个人可能会稍微超重，但她经常去健身房。因此，这个人可以得到相对较好的健康评分。尽管这个人可能不希望公开她的体重，但她还是可以公开她的健康评分，该健康评分传达了关于她相对健康的信息，但是并没有公开底层细节。内在医疗参数（例如，体重、身高等）和外在体力活动参数（例如，锻炼的持续时间、频率、强度等）转换成了隐蔽性合成数值。将该隐蔽性数值公布而将收集到的关于内在物理参数和外在体力活动参数的信息保密。底层的内在医疗参数和外在体力活动参数得到了保护，使第三方不能基于健康评分数值来确定这些参数。这是因为，参数可以以许多不同的方式变化，而健康评分数值可以是相同的（例如，频繁锻炼的较重的人可以与没有超重但是锻炼不频繁的人具有相同的健康评分）。因此，仅有健康评分并不会泄露一个人的健康相关参数。因此，底层健康统计是隐蔽性，而可以使用健康评分作为用于指示个人健康的基准而用于多种应用。

在评分模块计算用户的健康评分后，在步骤270，公布模块从存储器中调取被授权接收健康评分的指定接收方群组。接收方群组可以是用户的朋友或家人、体育队友、雇主、保险公司等。在步骤280，公布模块使健康评分公布给指定群组。在信息被公布给朋友群组的情况下，该信息可以被公布到基于社交网络互联网的门户上，在门户中仅限于群组的那些指定成员访问。

可以将随着时间推移的健康参数数据和健康评分存储在存储器中或其他数据库中，使得用户可以追踪他或她的进展。可以生成表格来供用户追踪进展并分析行为中的可改进之处。而且，可以标识会引出对于医疗问题和/或饮食习惯的诊断的那些趋势。例如，如果尽管一个人健身活动量相同或活动量有增加而体重却持续增高，则该***可以触发或建议他们寻求某种医疗测试（例如，甲状腺测试、怀孕测试），以确定导致体重增加的原因。

在某些实施方式中，该***的主体被用户远程控制，并且用户经由本地用户接口设备来访问该***。例如，该***可以是基于互联网的***，并且该用户与连接（例如，经由有线/无线通信网络）到互联网的本地用户接口设备（例如，个人计算机或移动电子设备）交互，以便与基于互联网的***进行数据通信。用户使用本地接口设备来访问基于互联网的***，其中存储器和软件模块远程运行并通过互联网与本地设备通信。本地设备用来将数据传输至远程处理器和存储器，其中，该数据被远程存储、处理、转换成健康评分，然后经由受限制的访问互联网门户而提供至指定群组。可替代地，该***可以主要经由本地设备而实施，在本地设备中数据被本地存储、处理并转换成健康评分，然后该健康评分被传输至数据分享门户而远程公布给指定群组。

该***可以实施为由存储在存储器中且在处理器上运行的软件模块来执行的社交网络框架形式。***可以被实施为分开的、独立的“健康主题”社交网络***，或实施为与已经存在的社交网络***（例如，Facebook、MySpace等）整合的应用。向用户提供主页，其中用户可以输入信息、对将哪些信息公布给指定群组进行管理、并且管理指定群组的成员资格。该主页包括针对各种参数中的每一参数输入健康相关信息的用户提示。用户可以输入他或她的体重、出生日期、身高、健身活动和其他健康相关信息。然后计算该用户的健康评分。健康评分被分享给被指定为允许访问该信息的群组的一部分的其他用户。而且，用户可以观看到该群组中其他人的健康评分信息。因此，用户能够将他或她的整体健康与群组中其他人的健康比较。与群组中其他人的健康评分进行比较可以激励群组中的个人竞争以改善他们的健康评分。还可以通过该主页提供其他信息，例如，健康提示、医疗新闻、药品信息、本地健身事件、健康服务、医疗和/或与健身相关的供货和服务的广告以及折扣、健身竞赛或健康相关目标的发布。

在进一步的实施方式中，健康评分可以是度量健康模型（Metric HealthModel）评分和生活质量模型评分的合成。多个模型的组合评分对于用户的健康提供了更全面的评估。度量健康模型评分基于相对容易量化的参数（例如，年龄、性别、体重等）来评估用户的健康，并将这些数据与可接收人口研究模型相比。基于对问卷调查的回答，生活质量模型评分关注的是用户的生活质量自我评估措施（即，该***考虑的是用户对于他们的健康和生活质量的自我评估），因为个人对于他或她的生活“感受”如何与健康的实际测量结果之间存在相互关系。来自这两个模型（稍后将更详细讨论）的评分组合提供了更具包容性而且更全面的健康评估。

度量健康模型评分基于用户的医疗参数信息（例如，传输至该***的他们的医疗历史信息、属性、生理指标以及生活方式信息）而定。例如，该***可以为用户提供问卷而提示回答（是/否、多项选择、数值输入等），或为用户提供表格项目来填写。医疗历史信息可以包括用户的医疗情况历史和/或用户家族中医疗情况的普遍程度。医疗历史信息的示例可以包括如下信息：例如，用户是否有糖尿病，是否有患有糖尿病的直系家族成员，用户或家族成员是否有心脏病发作史、心绞痛、中风或短暂性脑缺血发作史、房颤史或心律不齐史，用户或家族成员是否有需要治疗的血压高，用户或家族成员是否有甲状腺功能减退症、类风湿性关节炎、慢性肾脏疾病、肝功能衰竭、左心室肥大、充血性心脏衰竭、经常使用类固醇药片等等。

度量健康模型评分也可以基于用户属性而定。这些属性括年龄、性别、种族、身高、体重、腰围等。此外，度量健康模型评分还可以基于用户的生理指标而定。生理指标的示例可以包括：收缩压、总的血清胆固醇、高密度脂蛋白（HDL）、低密度脂蛋白（LDL）、甘油三酯、高敏感性C-反应蛋白、空腹血糖等。所述输入还可以包括用户生活方式的参数。例如，生活方式参数可以包括关于如下情况的输入：用户是否是吸烟者（曾经吸烟、目前吸烟、吸烟程度等），用户进行了多少锻炼（频率、强度、类型等），饮食类型（素食主义者、高蛋白饮食、低脂肪饮食、高纤维饮食、快餐、餐厅、家庭烹饪、加工后的预包装食品、饮食量、饮食频率等）。这些都是可以用来将用户的健康指标与存活概率模型相比较从而计算用户的度量健康模型评分的参数的一些示例。

存活概率预测模型可以用来预测个人在给定时间段将遭受到一个或多个严重健康事件的概率。数学模型可以从观察到的人口特质来估计这种概率。使用关于一组明确的严重健康事件（如中风或心肌梗死）的观测数据，模型可以基于针对某事件的一组标示物或预测指标（例如，如上所述，关于用户的医疗史、属性、生理指标、生活方式等的信息）的测量结果产生给定时间范围内个人将遭受这种事件之一的概率。测量预测指标的时刻与这种模型产生目标事件之间的时间差距被称作存活概率，当然应当理解，并不是所有的目标事件都被认为是必然致命的。

这些生存概率模型典型地通过通常对较多人口追踪相当长时间（通常大于十年）的研究而导出，并且使用数学方法将所收集的关于目标事件观察的统计结果汇总和归纳。有很多这样的模型存在，它们已经得到了广泛的证实和维护并通过使用新的数据周期性地更新模型参数而得到了改进。现有模型的示例可以包括：由弗雷明汉（Framingham）心脏研究组织开发和维护的模型子集（在www.framinghamheartstudy.org/biblio可以得到从弗雷明汉心脏研究组织获取的结果大量文献书目）；由诺丁汉（Nottingham）大学和QResearch组织开发和维护的模型子集（例如，J Hippisley-Cox等人，预测英格兰和威尔士的心血管风险：QRISK2的前瞻性推导和验证，BMJ336：1475doi：10.1136/bmj.39609.449676.25（2008年6月23日公布））；由邓迪（Dundee）大学开发的ASSIGN模型（例如，H Tunstall-Pedoe等人，在苏格兰男性和女性心脏健康研究中利用冠状动脉心脏疾病和死亡的27种不同因素进行预测比较：群组研究（cohort study）；BMJ1998；316：1881）；雷诺（Reynolds）模型（例如，PM Ridker等人，C反应蛋白质和父母病史改善全球心血管风险预测：男性Reynolds风险评分，Circulation2008；118；2243-2251，以及全球女性心血管风险评估改进算法的发展和验证，JAMA，2007年2月14日，第297卷，第6号）；来自Münster心脏研究机构的PROCAM模型（例如，基于预期的心血管Münster（PROCAM）研究的十年追踪的用于计算急性冠状动脉意外的简单评分机制，Circulation.2002；105:310-315）；以及SCORE模型（例如，RM Conroy等人，欧洲致命性心血管疾病十年风险估计：SCORE项目，欧洲心脏杂志（2003）24，87,91003）。也可以包括其他组分（constituent）风险模型。此外，也可以使用前驱模型（precursor model）。前驱模型预测第一条件（例如，高血压）的发展，其中，第一条件的发展是对于发展第二条件（例如，心脏病）的预测。存在用来生成对于患上例如糖尿病或高血压（这是两个重要的死亡率预测指标）的可能性估计的模型。例如，在五年内患糖尿病的可能性高，将独立地增大未来十年内严重心血管事件的可能性。这样的一些前驱模型可以被包括进来，将这些前驱模型包括进来使得度量风险模型更准确，而更重要的是，还使得通过生活方式中精确界定的可改善因素而有可能减少致命风险。

传统的存活概率模型具有某些固有的局限性，这些局限性是由用来建立该模型的过程导致的。在推导这些模型的过程中，研究人员在准确率和可用性之间折衷。让导出模型（意味着直接从数据推导出的模型）包括所有可能的预测指标是困难的。部分地因为并非所有与特定事件相关的预测指标都是已知的，这也部分地因为一些已知的预测指标可能难以测量或测量起来较昂贵。事实上，诸如遗传因素之类的一些公知的风险标示物经常没有被包括在这些模型中。因此，可能将一些潜在的、已知的可预测指标排除在当推导给定的存活模型时的协变量（covariate）之外。

存活概率模型是使用从给定人群收集的数据而将所研究人群的发病率和死亡率特性进行总结和归纳而建立的。然而，当与从其他人群推导出的风险估计相比较时，这样一种模型可能会有差异性。当在与建模人群不同的人群中使用该给定模型时，该模型经常低估或高估特定风险，因为只有少量预测指标经常被考虑进来，而且还因为可能没包括在该模型中的其他相关预测指标允许在两种人群中差异极大。

鉴于上述的讨论以及基本的概率逻辑，将针对数个不同人群推导出的模型进行合理组合将对于随机挑选的个人所面临的风险提供更好的视角，从而在更普遍地估计人群风险方面将更强健。而且，基于数学依据，在非常普遍的假设之下，被称作预测指标增强的某些模型组合方法可以改善组分模型的准确率。事实上，做的合适的话，增强一组模型将产生这样的模型，即其准确率最差也等同于被增强的组中最准确的模型的准确率。

因此，可以通过将用户的医疗参数信息与存活概率模型相比较来计算度量健康模型评分。遵循如下的两步处理可以推导出评分（优选是在0到1000范围内），其中顶端表示完美的健康，而下侧表示不良健康。首先，如上所述，从由个人存活概率模型产生的存活概率的组合来获得整体存活概率模型。其次，将所生成的存活概率（是在0到1范围内的数值）使用参数非线性映射函数转换成0到1000的范围。调整该参数映射函数使得它在典型的存活概率区域中是线性的且具有高的斜率，而在存活概率分布的高低端逐渐下滑。该映射函数被设计为针对典型的存活概率区域中的变化而反应剧烈。

如上所述，健康评分可以由度量健康模型评分以及生活质量模型评分组成。生活质量模型评分基于用户对于一组问卷的答案而定。该***可以包括具有一些相同问题的数个不同的问卷。展示给用户的问卷类型以及其中的问题类型可以基于用户的健康参数（即，用户年龄、用户医疗史中的其他数据等）而定制。可以基于***已知的用户信息而产生并具体的问卷并呈给用户。可以通过用户可以在表格上核对/划勾的适当的多项选择回答来展示问题，用户不用输入自由形态文本，从而允许更容易地评估这些回答。其他类型的回答也是可能的（例如，以1-10来标定对用户的描述有多真实）。以下的列表提供了可以在***问卷中使用的有关多个健康相关生活质量主题的一些示例性问题（没有特定的顺序）。

示例性问题：

·你如何标定你的生活质量？

·你如何标定你的整体健康？

·你有多享受生活？

·你觉得你的生活有意义的程度有多少？

·你能够将精力集中到多好？

·你觉得在你的日常生活中安全感如何？

·你的物理环境有多健康？

·你对于你的外表满意吗？

·你有机会进行休闲活动的程度有多少？

·你的日常生活中需要医药治疗作用的程度有多少？

·你的活动由于你的重大损伤或健康问题被限制了多久？

·由于健康问题，你在处理你的个人护理需求时需要帮助吗？

·由于健康问题，你在处理你的日常需求时需要帮助吗？

·由于任何重大损伤或健康问题，你在以任何方式进行的任何活动中受到限制吗？

·如下这些描述中每一个对你而言是对还是错：

о我好像比其他人更容易生病

о我像任何我认识的人一样健康

о我预料我的健康状况变得更糟

о我的健康状况是优秀的

·你是否遭受到以下限制你活动的重大损伤或健康问题中的任意一种：

о关节炎或风湿病

о背部或颈部问题

о癌症

о抑郁、焦虑或任何情绪问题

о视力问题

о骨折、骨/关节损伤

о听力问题

о呼吸问题

о行走问题

о其他损伤或问题

·在过去30天期间，你存在如下情况有多少天：

о你的身体健康不太好？

о疼痛使你难以进行诸如自我护理、工作或娱乐之类的日常活动？

о你感到难过、忧郁或沮丧吗？

о你感到担心、紧张或焦虑吗？

о你觉得你没有得到足够的休息或睡眠吗？

о你感觉非常健康而且精力充沛吗？

о你是个非常紧张的人吗？

о你感觉沮丧消沉、没有什么事情可以让你高兴吗？

о你感觉平静、平和吗？

о你是否充满能量？

о你感到心灰意冷和忧郁吗？

о你觉得疲惫不堪吗？

о你是一个快乐的人吗？

о你觉疲惫吗？

о你对如下事情的满意度如何：

о你的睡眠？

о你进行日常生活活动的能力？

о你的工作能力？

о你自己？

о你的个人关系？

о你的性生活？

о你从你的朋友那儿得到的支持？

о你居住地方的条件？

о你的医疗服务途径？

о你的交通？

·你在如下活动中的任意一种中由于你的健康而受到限制吗？

о剧烈活动，例如，跑步、、举重、参加剧烈体育活动

о中等活动，例如，移动桌子、推吸尘器、打保龄球、或打高尔夫球

о提举或搬运杂货

о爬几层楼梯

о爬一层楼梯

о卷曲、跪或弯腰

о走路超过一英里

о走过几个街区

о走过一个街区

о洗澡或自己穿衣

以上列表只是可以被呈现给用户的问题的示例。为用户针对问题的回答分配数值。例如，可以为每一个多项选择回答分配特定数值，并且可以将所有的用户回答进行统计以产生评分。此外，由于一些问题或者回答的严重性可能更能预测用户的健康，因而可以将不同的问题和不同的回答赋予不同的权重。该***还可以基于用户针对组合问题的回答来分配数值，因为特定组合可能更能预测健康。因此，通过评估用户对于问卷的回答可以推导出生活质量模型评分。优选的是，该生活质量模型评分是在0到1000范围内的数值。

将健康评分计算为度量健康模型评分和生活质量模型评分的加权平均值。可以将该健康评分展示给用户。例如，可以以数值、以图形值（即以表、条形或滑块的形式）或二者的组合来展示健康评分。参见图3A，通过分数302和滑块304的组合来展示健康评分。该滑块还可以是彩色的以便指示评分。滑动条306的位置指示用户的评分。

展示健康评分的一个优点是，没有必要将存活概率和原始指标展示给用户。相反，向用户展示的是规范化的评分。优选的是，对于整体的度量健康模型和生活质量评分是这样做的，对于相关的模型输入也是这样做的。这么做主要是为了规范化所有的输出，从某种意义上说，用户不需要知道特定输入变量的值高是好还是坏；在所有的情况下，任何输入值的评分高将导致较高的整体健康评分值，输入变量评分低导致较低的整体健康评分值。

此外，规范化健康评分的另一个优点是，用户可以将健康评分与其他用户比较。这允许与其他用户（与朋友、同事等）进行比较性基准评估（benchmarking）。如下文将更详细描述的，这样的评分比较可以是用户与其他用户竞争的***中游戏组成的一部分。可以使用该***的游戏方案来激励健康评分***的用户，其中，所述游戏方案例如为，用户选择的群组之间的评分比较、可配置子群体分布内的个人评分比较、评分的时间追踪以及目标设定。参见图3B，结合来自群组（例如，世界）的评分范围308来呈现用户数值评分302和图形评分306，使得用户可以看见如何将他/她的评分与群组中的其他人比较。用户可以扩展游戏激励，以允许在用户之间比较健康评分，而这些用户可以是在诸如年龄、体重和优先风险条件之类的一个或多个具体输入参数方面具有显著不同。该***突出在可改进用户度量（尤其是生活方式组分）方面的改善，而且这些评分改进为用户提供了激励。这允许通过健康评分在例如父亲和他的孩子这样的用户之间进行公平的竞争。在一个方案中，健康评分提供了具有不同特质的用户之间的均等化，因而类似于在某些体育活动中的额外障碍（加给强者）。参见图3C，将用户的评分306与用户选择的朋友群组的评分310a-310e进行比较。参见图3D，可以将用户的个人医疗参数（例如，作为度量健康模型一部分而提供的医疗数据）与其他用户以图形方式进行比较而没有泄露底层实际数值。在图形312中示出了高密度脂蛋白（HDL）水平、低密度脂蛋白（LDL）水平、收缩压（sBP）、舒张压（dBP）、体重指数以及空腹血糖（fBG）水平。用户的评分用线314表示，用户朋友的评分中每一个用不同的点316来表示，而且还示出了针对更大人群（例如，瑞士）的分布区块318。因而，用户可以将他们的个人参数与一组朋友以及针对较大群组的平均值进行比较。

用户可以在事件（即，锻炼事件、食物消耗、血压测量等）发生时时向***输入数据，并实时地看到由此带来的他们的健康评分的更新。该***可以包括深度细化（drill-down）能力，允许用户看到各种健康评分组分评分，包括随时间推移的追踪以及所有评分的对应趋势；它还包括关于各种评分的目标设定。

作为使用该***的示例，在向该***登记（例如，初次使用该***）时，提示用户提供医疗历史数据。还提示用户进行回答以完成该***基于用户提供的医疗历史和用户参数针对给定用户选择的生活质量问卷。在登记后，以周期性间隔向用户呈现他们的定制生活质量问卷的较短的子集（3到5个问题），以保持用户的最新回答并追踪变化。用户可以在任意时间输入针对度量健康模型的输入，并且该***提示用户一段时间没有更新的数值。可以通过访问已经并入到该***的一系列数字测量设备（例如，该***可以包括移动电子通信设备（例如，与诸如血糖监测仪之类的测量设备进行无线通信的智能手机），使得参数可以被该***测量、传输和存储），由该***来自动获取针对度量健康模型的输入。这些可以包括体重、血糖、体力活动和其他参数。可以在该***中包括数个或多功能数字测量设备。在使用家用测量设备较难以获得的医疗参数（例如，血脂浓度）的情况下，在每个（***）配置的时间段（例如，每年一次，并与用户的常规身体医疗检查相一致）仅提示用户提供相关的数据一次。

为避免错误评分，该***可以包括一些算法来评估用户输入的有效性。验证方法的范围可以是从基于孤立点检测（outlier detection）方法到基于多维似然估计（multidimensional likelihood estimators）方法。当***检测到它标记为可能是坏的输入值时，***提示用户核对该值或者输入新的值。

即使是漏掉一个或多个输入，该***也可以生成它的所有评分。该***可以通过推算（imput）丢失的数值或者使用多种统计方法（范围是在从基于全球人口统计的方法到基于使用植入该平台的更复杂的统计模型的方法）的值而这么做。然而，无论何时输入包括推算的数值时，该***都清楚地标记所有受影响的评分，并且周期性地警告用户提供缺少的数据。该***还可以允许评分模拟，其中，用户可以临时调整他或她的参数，使得用户可以看到改变某些参数（例如，减轻体重）会如何影响用户的评分。

该***还可以向用户提供建议来采取某些可以改善用户健康评分的措施。当任何输入变量处于它的危险区域时，这些建议可以是非常具体的特指，而当任何输入变量处于它的最佳范围之外时，这些建议可以更多是泛指。

如上所示，可以将健康评分用作***的游戏或竞争方案的一部分。该游戏方案为用户增加了***的娱乐元素，而且增加了用户的亲近感以继续使用该***。该游戏方案可以呈现如下的形式，即，基于成绩（achievement）来获取更高的级别、与其他人竞争（例如在社团中）和/或完成竞赛。该“级别”是进步的全面指示。该级别可以单调递增并且将通过获得活动分数而增大。可以通过进行多项活动来获得活动分数，例如花时间进行健身活动（例如，锻炼）、改善一个人的健康评分、改善一个人的BMI、参加关于***的讨论（例如，该***可以是基于网络的社交网络平台，而且可以提供讨论和“分类”来培训健身技巧）。用户的级别可以显示在用户简介和讨论贴中，使得其他用户可以看见彼此的级别。用户的级别状态还可以提供对特定项目的访问、***特征和功能或者奖励（例如，标牌装饰）。

用户还可以在***中的社团内进行竞争。该社团由用户群素质，并且社团内的用户可以彼此竞争（作为团队成员或者个人）。该社团可以有限的时间（例如，每月一次）进行竞争，并且可以基于用户的级别来为社团（使用如上讨论的用户级别）指定在社团中进行的活动的类型以及用户的地理区域。例如，一个特定社团可以是“青铜”（级别）“山地自行车”（运动）“大苏黎世地区”（区域）社团，用户在该社团中的成功是由行驶距离和攀登海拔（测得的量值）来衡量的。因而，居住在大苏黎世地区对山地自行车感兴趣的青铜级别用户可以在该社团中竞争。将社团限制到特定区域，赋予用户一些相关联的而且所有的用户都能够共同分享的东西，而且进一步允许用户面对面地交流（例如，针对群体锻炼事件）。大的国际社团的问题是这种社团对于一些用户而言可能看起来是无个性的、拥挤的和无意义的（成员与居住在完全不同洲的、具有语言障碍的成员竞争可能会妨碍群体或团队的心态）。将社团限定到特定级别层次协同了针对特定技能级别的用户的活动场合。待测量的用来确定社团中表现的量值例如可以包括距离（水平、垂直）和所进行的健身活动的持续时间。用户还可以在社团内组队。团队社团以与如上概述的社团相同的方式运行，但是基于团队的整体表现来排名。团队增加了活动中的集体参与性。团队的大小可以是固定的（例如，2个、3个、5个、10个等用户）。

***可以向用户呈现待完成的竞赛。该竞赛可以提出用于完成目标的时间段。例如，竞赛目标可以是健康评分改善（规范化后的）、与运动相关的活动参数（例如，总距离、总的攀登等）的完成、或者特定时间段内与运动相关的活动（例如，在特定路线上六分钟跑完一英里）的完成。该竞赛可以是公开的，而且任何用户均可以参加，或者可以限制到一个群体（例如，朋友、同事、社会群体等）。作为示例，特定的公开竞赛可以是在纽约市内绕着中央公园的路径绕圈的纵列式（inline）滑冰竞赛，并测量其所用的时间。可以由该***或***组织者来自动发起公开竞赛。可以由群体成员来发布群体竞赛。竞赛提供了很强大的动态预约、鼓励用户投入锻炼。竞赛比参加社团（典型地）的时间投入低。路线可以通过团体来自动选择。在第一步骤中，该团体可以在***平台（例如，社交网络型网站）上发布路线；在第二步骤中，该***选择受欢迎的路线（即，用户积极性高的路线）作为每周的竞赛。路线认证由GPS追踪来进行。可以对竞赛进行安全筛选以防止发起过于危险的竞赛活动，例如山地自行车危险的下山路线。

社团和竞赛***提供了授予成绩的机会。可以收集成绩状态指示并将其显示在用户简介上。成绩非常像由于在社团活动中完成了竞赛和/或获得成功而提供给用户的奖品、奖牌或奖励。例如，可以是各种不同的成绩，例如，与用户在***上拥有的朋友（集体参与意识）数量相关、与参与的健身活动的时间、强度和数量相关的成绩（健身参与级别）、与特定体育活动（例如，长跑）相关的成绩、用户为了保持***更新而测量他们的参数（例如，体重）的频率、减掉的体重或者维持一个人的BMI的能力。以下列表是成绩和赢得此成绩需要的活动的示例性集合：

示例性成绩列表：

·竞赛者：参加公开竞赛。

·完成的竞赛者：参加了10个公开竞赛。

·冠军：赢得竞赛。

·多项运动冠军：赢得了两种不同运动的冠军。

·国际竞赛者：参加了两个国家的公开竞赛。

·国际冠军：赢得了两个国家的公开竞赛。

·世界级竞赛者：参加每个洲的公开竞赛。

·世界级冠军：赢得了每个洲的公开竞赛。

竞赛和社团***的其他方面可以是将该***与营销机会相关联。例如，营销员可以对竞赛成功者赞助奖品。该奖品可以与竞赛相关（例如，针对减肥竞赛成功者的健康食物评分礼品券）。此外，可以选择竞赛路线以将用户引导到某些区域从而发展旅游业或者在选择的目的地开始/结束（例如，在运动设备商店前开始自行车竞赛）。

该***的一个优点是它为用户和用户群体提供了基准评估能力。它允许诸如承保人或雇主之类的其他群体评估个人的相对健康，从而确定每个个体的与健康相关的风险。因此，用户可以将他们自己与其他人比较，从而评估在朋友群中他们的比较而言的健康级别。承保人可以使用健康评分信息来为个人或个人群体（例如，公司的雇员）设定保险费。在其他的实施方式中，可以基于该群组中个人的健康评分来为该群体提供健康评分。例如，可以基于公司的雇员来为公司计算健康评分，使得承保人可以基于该公司与其他公司相比较而言的健康评分而设定保险费。在进一步的应用中，可以使用健康评分来评估职业运动员的健康，从而确定该运动员的实际市场价值。在职业运动中，将大量的金钱和资源投入到各种级别的运动员身上。关于运动员的投资决定，很大成分是基于该运动员过去的表现。其他因素可以包括过去的身体损伤历史和该运动员在签约之前进行的身体检查。可以使用该健康评分来指示运动员的当前健康并且用来预测该运动员的未来表现。如果该运动员的健康评分低，则这可以预测该运动员更倾向于遭遇损伤或者身体表现将下降。因此，该健康评分可以形成关于决定是否在运动员身上投资的基础。还可以使用该健康评分来预测两个团队之间进行的特定比赛的结果。例如，可以将团队成员的个人健康评分汇集起来以提供团队健康评分。将团队健康评分进行比较可以指示两个团队之间的比赛的可能结果（例如，健康评分最高的团队更可能获胜）。可以在诸如梦幻体育团队之类的比赛背景中使用这些信息，或者为了针对体育***而设定赔率（odds）。该健康评分可用于俱乐部竞赛（例如，群体健康改善竞赛、基于个人健康评分的广告、游戏、电视/互联网等）。

因而，从泛泛而言，可以将根据本发明的方法理解为：提供了对健康相关信息的收集、将该信息处理成健康评分以及该健康评分的公布。用于实施该方法的***可以包括计算机，该计算机具有处理器、存储器、以及在处理器中执行从而用于信息收集、处理和公布的代码模块。收集关于用户的多个健康相关参数的信息，特别是关于至少一个自然人的可测量的医疗参数的内在数值和关于该个人的这样的活动的外在数值，其中所述活动例如为该个人所进行的锻炼、此人的工作类型以及与该工作（例如，久坐办公室的工作及主动的、体力劳动集中型工作）相关联的体力工作量和/或消耗的卡路里/食物等。将权重因子应用于健康相关参数，从而控制每个参数对于给用户计算出的健康评分的相对影响。使用处理器通过将加权后的参数组合并基于算法而计算出健康评分。将该健康评分经由门户公布给指定群组。在一种实施方式中，该门户是基于互联网的信息共享论坛。

这样，在用于收集和呈现健康相关数据的方法中，本发明的特征可以在于以下几点：

收集关于用户的多个健康相关参数的信息；

将所收集的信息存储在存储器中；

将权重因子存储在存储器中；

通过执行处理器中的代码来处理收集到的信息，该代码将处理器配置为将权重因子应用于健康相关参数；

使用处理器通过组合加权后的参数并基于算法来计算健康评分；以及

将健康评分经由门户提供给指定的群组。

已经结合用来方便描述原理性处理的流程图描述了本文描述的方法；然而，例如，例如在面向对象的程序实施中，当以事件驱动程序流时，还可以以任意顺序来调用某些模块，。因此，该流程图应被理解为可以不同于所示出的顺序来调用模块的示例性流程。

尽管已经结合本发明的某些实施例描述了本发明，然而，本发明并不限于所描述的实施例，而是更广泛地由随后的权利要求中的记载及其等同物来限定。

Claims (22)

1.一种计算机实施的方法，用于将私人健康相关数据处理成适用于公布的隐蔽性数值评分，包括以下步骤：

接收代表用户的至少一个内在医疗参数和至少一个外在体力活动参数的数据送至存储器中；

将所接收的数据存储在所述存储器中；

将多个权重因子存储在所述存储器中；

通过执行处理器中的代码来处理所接收的数据，所述代码将所述处理器配置为：

将所述多个权重因子中的各自的权重因子应用于所述至少一个内在医疗参数和至少一个外在体力活动参数，以及

将衰减分量应用于处理后的所述至少一个外在体力活动参数，以依赖于与所述用户相关联的至少一个因素来减小针对体力活动的处理后的所述至少一个外在体力活动参数的相对权重；

通过执行所述处理器中的代码来转换处理后的接收到的数据，其中，所述处理后的所接收数据通过根据算法将加权后的参数组合而被转换成隐蔽性合成数值；以及

使用在所述处理器中执行的且不需人为介入的代码，经由门户自动将所述隐蔽性合成数值公布给指定群组，同时将所接收的代表所述至少一个内在医疗参数和所述至少一个外在体力活动参数的数据保密；

所述方法还包括其他步骤：

将处理后的所接收数据或者所述隐蔽性合成数值传输至锻炼器材并在此基础上自动建立锻炼计划，以及

将来自所述锻炼器材的活动信息传输至所述存储器，以将来自所述锻炼器材的活动信息包含在所述至少一个外在体力活动参数中。

2.根据权利要求1所述的方法，其中，与所述用户相关联的因素是用户的年龄或年龄范围，使得所述衰减分量减小针对具有第一年龄或年龄范围的第一用户的处理后的所述至少一个外在体力活动参数的相对权重，而减小的方式与针对具有第二年龄或年龄范围的第二用户的减小方式不同。

3.根据权利要求1所述的方法，还包括以下步骤：使用在所述处理器中执行的另外的代码来将用户群组的所公布的隐蔽性合成数值进行平均，以确定群组合成数值。

4.根据权利要求1所述的方法，还包括以下步骤：

接收代表用户的至少一个外在生活方式参数的数据送至存储器中，

其中，处理所接收的数据的步骤还包括：执行所述处理器中的附加代码，所述附加代码将所述处理器配置为将所述多个权重因子中的各自的权重因子应用于所述至少一个外在生活方式参数，并且应用衰减分量，依赖于与所述用户相关联的至少一个因素或至少一个其他因素减小所述至少一个外在生活方式参数的相对权重，

其中，转换处理后的所接收的数据的步骤还包括：根据所述算法执行所述处理器中的代码，该代码将该处理器配置为将所述至少一个处理后的内在医疗参数、所述至少一个处理后的外在体力活动参数和所述至少一个处理后的外在生活方式参数进行组合。

5.根据权利要求1所述的方法，其中，处理、转换和公布的步骤是在接收到所接收数据的任意一种时基本上自动执行的。

6.根据权利要求1所述的方法，还包括：监测所述合成数值并使得通过执行所述处理器中的代码且不需人为介入地触发反馈通信。

7.根据权利要求6所述的方法，其中，所述反馈通信是可操作的，以向用户提供关于发起体力活动或者改变计划好的体力活动的警告。

8.根据权利要求6所述的方法，其中，所述反馈通信包括发送给预定个人的警告。

9.根据权利要求6所述的方法，其中，监测的步骤包括监测随时间推移的数值并依赖于随时间推移的变化而触发警告。

10.根据权利要求6所述的方法，其中，触发反馈通信的步骤包括：发送被引向用户的电子通信，所述电子通信包括为了改善隐蔽的合成数值而对用户的体力活动和/或生活方式加以改变的指导。

11.根据权利要求6所述的方法，还包括：根据预测性算法，使用所接收用户数据，通过执行所述处理器中的附加代码来计算预测性的隐蔽性合成数值，所述预测性的隐蔽性合成数值用来基于过去的数据来指示预测的未来状态，以及致使对预测性反馈通信得以触发。

12.根据权利要求1所述的方法，其中，处理所接收的至少一个外在体力活动参数的步骤包括：

获取在体力活动中消耗的卡路里测量结果送至所述存储器中；以及

执行所述处理器中的另外的代码，所述另外的代码将所述处理器配置为：

通过将所测量的卡路里除以用户的体重而转换为代谢当量MET数值；

将所述MET值在健康池和奖励池之间分解，其中所述奖励池具有预定大小，并且将任何超过所述奖励池大小的所分解的MET值分配给所述健康池；以及

将日常衰减分量应用于所述奖励池；

其中，转换处理后的数据的步骤包括：根据所述算法而将处理后的至少一个内在医疗参数与加权后的健康池数值进行组合。

13.一种健康监测***，包括：

通信单元，其是可操作的，用以接收关于用户的至少一个内在医疗参数和至少一个外在体力活动参数的数据；

存储器，被设置为存储所接收的数据并存储多个权重因子；

处理器，被设置为通过执行代码来处理所接收的数据，所述代码将所述处理器配置为：

将所述多个权重因子中的各自的权重因子应用于所述至少一个内在医疗参数和所述至少一个外在体力活动参数，

应用衰减分量，所述衰减分量被设置为依赖于与所述用户相关联的至少一个因素来减小针对体力活动的处理后的所述至少一个外在体力活动参数的相对权重；

所述处理器被进一步设置为执行代码，以使用所述处理器通过根据算法将加权后的参数进行组合而将处理后的所接收数据转换成隐蔽性合成数值；以及

门户，被设置为将所述隐蔽性合成数值公布给指定群组，同时将所接收的代表所述至少一个内在医疗参数和所述至少一个外在体力活动参数的信息保密；

还包括针对锻炼器材的双向通信链路，所述双向通信链路被配置为：

将处理后的数据或所述隐蔽性合成数值传输至所述锻炼器材；

基于所通信传输的数据或所传输的所述隐蔽性合成数值来自动建立锻炼计划；以及

从所述锻炼器材接收活动信息送至所述存储器中，以将所述活动信息包括在所述至少一个外在体力活动参数中。

14.根据权利要求13所述的***，其中，与所述用户相关联的至少一个因素是用户的年龄或年龄范围，使得所述衰减分量减小针对具有第一年龄或年龄范围的第一用户的处理后的至少一个外在体力活动参数的相对权重，而减小的方式与针对具有第二年龄或年龄范围的第二用户的减小方式不同。

15.根据权利要求13所述的***，其中，所述通信单元进一步被设置为接收关于用户的至少一个外在生活方式参数的数据，其中，所述处理器进一步被设置为执行代码以进行：

将所述多个权重因子中的各自的权重因子应用于所述至少一个外在生活方式参数，

应用衰减分量，以依赖于与所述用户相关联的至少一个因素或至少一个其他因素来减小所述至少一个外在生活方式参数的相对权重，以及

通过根据算法将至少一个处理后的内在医疗参数、至少一个外在体力活动参数和至少一个外在生活方式参数进行组合来转换处理后的数据。

16.根据权利要求13所述的***，其中，所述处理器被设置为在接收到所接收数据的任意一种时自动进行所述处理。

17.根据权利要求16所述的***，还包括远程用户设备，所述***被设置为在体力活动期间与所述远程用户设备进行通信，以接收所述至少一个外在体力活动参数中至少是被选择的参数。

18.根据权利要求13所述的***，还包括监测单元，所述监测单元被设置为监测所述合成数值，并且所述***被设置为在检测到与所监测的合成数值相关联的预定事件时致使反馈通信得以触发。

19.根据权利要求18所述的***，其中，所述反馈通信是可操作的，用以重新配置程序以定义或者正在定义针对用户的计划好的体力活动。

20.根据权利要求18所述的***，其中，所述监测单元被设置为致使被引向用户的电子通信得以传输，所述电子通信包括为了改善隐蔽性合成数值而对用户的体力活动和/或生活方式加以改变的指导。

21.根据权利要求18所述的***，其中，所述处理器进一步被设置为执行代码，所述代码将所述处理器配置为：根据预测性算法使用所接收的用户数据来计算预测性的隐蔽性合成数值，所述预测性的隐蔽性合成数值用来基于过去的数据来指示预测的未来状态，以及其中，所述监测器被设置为致使预测性反馈通信得以触发。

22.根据权利要求13所述的***，其中，所述处理器被设置为通过执行代码来处理所接收的至少一个外在体力活动参数，所述代码将所述处理器配置为执行如下步骤，包括：

获取在体力活动中消耗的卡路里测量结果；

通过将所测量的卡路里除以用户的体重而转换为代谢当量MET数值；

将MET值在健康池和奖励池之间分解，其中所述奖励池具有预定大小，并且将超过所述奖励池大小的被分解的MET值分配给所述健康池；

将日常衰减分量应用于所述奖励池；以及

通过根据所述算法而将处理后的至少一个内在医疗参数与加权后的健康池值进行组合来转换处理后的数据。