CN111564199A - 智能化营养干预的方法及终端 - Google Patents
智能化营养干预的方法及终端 Download PDFInfo
- Publication number
- CN111564199A CN111564199A CN202010380167.0A CN202010380167A CN111564199A CN 111564199 A CN111564199 A CN 111564199A CN 202010380167 A CN202010380167 A CN 202010380167A CN 111564199 A CN111564199 A CN 111564199A
- Authority
- CN
- China
- Prior art keywords
- user
- meal
- intervention
- task
- food
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 235000016709 nutrition Nutrition 0.000 title claims abstract description 76
- 230000035764 nutrition Effects 0.000 title claims abstract description 60
- 238000000034 method Methods 0.000 title claims abstract description 37
- 235000012054 meals Nutrition 0.000 claims abstract description 91
- 235000013305 food Nutrition 0.000 claims abstract description 72
- 235000005911 diet Nutrition 0.000 claims abstract description 70
- 230000037213 diet Effects 0.000 claims abstract description 60
- 235000021196 dietary intervention Nutrition 0.000 claims abstract description 43
- 238000012545 processing Methods 0.000 claims abstract description 16
- 230000036541 health Effects 0.000 claims abstract description 13
- 230000008569 process Effects 0.000 claims abstract description 12
- 230000009471 action Effects 0.000 claims abstract description 10
- 201000010099 disease Diseases 0.000 claims description 30
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 30
- 235000012631 food intake Nutrition 0.000 claims description 22
- 230000037406 food intake Effects 0.000 claims description 22
- 235000013399 edible fruits Nutrition 0.000 claims description 19
- 238000003066 decision tree Methods 0.000 claims description 12
- 238000004080 punching Methods 0.000 claims description 12
- 230000000378 dietary effect Effects 0.000 claims description 10
- 238000005516 engineering process Methods 0.000 claims description 8
- 238000004458 analytical method Methods 0.000 claims description 6
- 230000006399 behavior Effects 0.000 claims description 6
- 235000013365 dairy product Nutrition 0.000 claims description 5
- 235000015219 food category Nutrition 0.000 claims description 5
- 235000013311 vegetables Nutrition 0.000 claims description 5
- 235000010627 Phaseolus vulgaris Nutrition 0.000 claims description 4
- 244000046052 Phaseolus vulgaris Species 0.000 claims description 4
- 235000016127 added sugars Nutrition 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 4
- 235000013339 cereals Nutrition 0.000 claims description 4
- 235000014113 dietary fatty acids Nutrition 0.000 claims description 4
- 229930195729 fatty acid Natural products 0.000 claims description 4
- 239000000194 fatty acid Substances 0.000 claims description 4
- 150000004665 fatty acids Chemical class 0.000 claims description 4
- 230000002452 interceptive effect Effects 0.000 claims description 4
- 230000037081 physical activity Effects 0.000 claims description 4
- 235000021075 protein intake Nutrition 0.000 claims description 4
- 235000021003 saturated fats Nutrition 0.000 claims description 4
- 235000021061 dietary behavior Nutrition 0.000 claims description 3
- 235000006694 eating habits Nutrition 0.000 claims description 3
- 230000037323 metabolic rate Effects 0.000 claims description 3
- 235000014102 seafood Nutrition 0.000 claims description 3
- 238000007619 statistical method Methods 0.000 claims description 3
- 238000003860 storage Methods 0.000 claims description 3
- 235000020985 whole grains Nutrition 0.000 claims description 2
- 241000251468 Actinopterygii Species 0.000 description 8
- 235000019688 fish Nutrition 0.000 description 8
- 208000017667 Chronic Disease Diseases 0.000 description 7
- 238000011156 evaluation Methods 0.000 description 5
- 239000000047 product Substances 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 235000013361 beverage Nutrition 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 235000013325 dietary fiber Nutrition 0.000 description 2
- 235000015872 dietary supplement Nutrition 0.000 description 2
- 235000013601 eggs Nutrition 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 235000014571 nuts Nutrition 0.000 description 2
- 235000020991 processed meat Nutrition 0.000 description 2
- 235000020989 red meat Nutrition 0.000 description 2
- 235000000346 sugar Nutrition 0.000 description 2
- 235000020990 white meat Nutrition 0.000 description 2
- 235000014101 wine Nutrition 0.000 description 2
- 235000010469 Glycine max Nutrition 0.000 description 1
- 201000005569 Gout Diseases 0.000 description 1
- 241000132456 Haplocarpha Species 0.000 description 1
- 206010020772 Hypertension Diseases 0.000 description 1
- 208000031662 Noncommunicable disease Diseases 0.000 description 1
- 208000008589 Obesity Diseases 0.000 description 1
- 206010033307 Overweight Diseases 0.000 description 1
- 230000001154 acute effect Effects 0.000 description 1
- 230000004594 appetite change Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 235000021152 breakfast Nutrition 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000001684 chronic effect Effects 0.000 description 1
- 239000008162 cooking oil Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 235000021409 diet quality Nutrition 0.000 description 1
- 235000019007 dietary guidelines Nutrition 0.000 description 1
- 235000008242 dietary patterns Nutrition 0.000 description 1
- 235000020979 dietary recommendations Nutrition 0.000 description 1
- 235000005686 eating Nutrition 0.000 description 1
- 239000008157 edible vegetable oil Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 235000019197 fats Nutrition 0.000 description 1
- 230000008713 feedback mechanism Effects 0.000 description 1
- 235000012041 food component Nutrition 0.000 description 1
- 239000005417 food ingredient Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 231100000518 lethal Toxicity 0.000 description 1
- 230000001665 lethal effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 235000006286 nutrient intake Nutrition 0.000 description 1
- 235000015097 nutrients Nutrition 0.000 description 1
- 235000006180 nutrition needs Nutrition 0.000 description 1
- 235000020824 obesity Nutrition 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/60—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to nutrition control, e.g. diets
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/20—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for electronic clinical trials or questionnaires
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Nutrition Science (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明公开了一种智能化营养干预的方法,涉及健康管理技术领域,具体包括采集用户基础信息和膳食信息;计算用户各类食物维度的各食物维度评分以及用户整体膳食现况评分;进行分析处理,生成以每日任务形式呈现的用户个性化干预方案;接收用户对每日任务完成情况的反馈,渐进化调整所述用户个性化干预方案。本发明还提供一种用于实现该方法的终端。本发明基于现有的移动智能终端对用户的基本信息和膳食信息进行采集及结果反馈,有效提高了营养干预过程的效率,并基于采集的具体数据信息提供切实可行的渐进化营养干预方案,而非传统方法仅提供宽泛的营养建议,却不涉及具体有效的落地行动,充分满足了不同营养需求用户的具体要求。
Description
技术领域
本发明涉及健康管理技术领域,具体地讲,是涉及一种智能化营养干预的方法及终端。
背景技术
随着社会经济的发展,人们生活水平得到显著提高,生活方式也发生明显改变,各种与社会环境及人群生活方式密切相关的慢性非传染性疾病日益增多,逐渐成为影响人们健康的主要疾病。
慢性病已经成为全球致死致残的主要因素。慢性病不仅严重危害人们的身体健康,降低人们的生活质量,还给整个社会带来了巨大的经济损失。世界经济论坛预计到2030年,全球五大慢性病将给世界经济造成47万亿美元损失,相当于全球国内生产总值的4%。
慢性病具有病程长、发病率高、致残率高和死亡率高的特点。做好慢性病的管理工作,不仅有利于维护居民的健康,而且也有利于降低医疗费用,合理利用卫生资源。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。然而,目前针对慢病患者的个体化营养干预需求还难以实现,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。
现有的营养干预过程中,营养师通过观察和询问获知患者的体貌信息、生理指数信息、病情信息等,然后根据专业知识和经验进行分析,为患者提供可摄入食品种类及数量信息的干预方案。随着电子通信技术与网络技术的发展,人与人之间的沟通交流更加便捷,手机、平板、PAD等移动智能终端的出现,为高效的营养干预过程提供了可能。
发明内容
针对上述技术问题,本发明提供一种智能化营养干预的方法,以解决现有技术中无法全面自主评估用户膳食质量、无法提供个性化的营养干预方案以及缺乏渐进化可调整的干预反馈机制等问题。
为了实现上述目的,本发明采用的技术方案如下:
一种智能化营养干预的方法,包括:
采集用户包含性别、年龄、身高、体重、疾病类型、营养风险等级在内的基础信息,并通过问卷形式采集用户包含摄入食物种类、频率、进食总量、在外就餐行为在内的膳食信息;
根据采集的用户基础信息和用户膳食信息以及预设的营养与膳食评分规则计算用户营养与膳食指标,该用户营养与膳食指标包括各食物维度评分以及用户整体膳食现况评分;
从采集的用户基础信息和用户膳食信息以及计算获得的用户营养与膳食指标中提取关键字段并纳入预设的数据处理程序进行分析处理,生成以每日任务形式呈现的用户个性化干预方案,其中所述关键字段包括疾病类型、营养风险等级、用户整体膳食现况评分;
接收用户对每日任务完成情况的反馈,渐进化调整所述用户个性化干预方案。
进一步地,在计算出所述用户整体膳食现况评分后将其反馈呈现给用户,并在用户完成每日任务后将各食物维度评分纳入该用户整体膳食现况评分。
具体地,所述摄入食物种类包括蔬菜、水果、粗粮、精粮、奶制品、蛋类、红肉、白肉、加工肉、鱼肉、坚果、豆制品、含糖饮料、食用油、膳食补剂、酒类。
具体地,所述营养与膳食评分规则中预设有包含水果类、蔬菜类、豆类、全谷类、奶制品类、鱼类海产类、精致谷类、添加糖类、蛋白质摄入总量、脂肪酸总摄入、饱和脂肪摄入在内的膳食评分维度,基于该膳食评分维度对用户摄入食物状况进行评分。
进一步地,所述计算用户整体膳食现况评分的过程如下:
基于人体基础代谢率BMR和体力活动水平系数PAL计算每日能量需要量的评分系数k;
基于用户膳食信息计算用户各食物维度的每日平均摄入量w,w=Tw/k,其中Tw为各食物维度每日总和摄入量;
基于营养与膳食评分规则将膳食评分维度的评分区间等分,评估其每日平均摄入量数据所在的区间,获取各食物维度的评分s;
所述用户整体膳食现况评分S为各食物维度评分之和。
进一步地,所述生成用户个性化干预方案的过程如下:
从采集的用户基础信息中提取包含疾病类型、营养风险等级在内的关键字段;
基于采集的用户膳食信息计算并提取包含每日能量需要量、用户整体膳食现况评分在内的关键字段;
以营养干预数据库为基础,依据膳食行为规则匹配关键字段,生成以每日任务形式呈现的用户个性化干预方案,其中每次匹配,单个食物种类的各个任务仅出现一次,匹配获得的任务条数最少为1条、最多为4条。
具体地,所述预设的数据处理程序通过医学及营养学专家对健康人群大数据进行统计分析整理,形成营养干预数据库和膳食行动规则,
其中营养干预数据库包括基于疾病类型的食物摄入量数据库、膳食模式数据库、食物风险等级数据库和干预任务数据库。
具体地,所述膳食行动规则包括:
首先根据以疾病类型为主的用户基础信息匹配推荐的食物摄入数据库,形成理想膳食方案;其次根据包含每日能量需要量、用户整体膳食现况评分在内的关键字段匹配膳食模式数据库,形成用户的现实膳食方案;然后将该理想膳食方案和现实膳食方案进行交叉匹配,结合食物风险等级数据库和干预任务数据库,获得符合用户膳食习惯的膳食任务,所述膳食任务包含的关键字段涉及食物类型、对应餐次及单次摄入量,由此形成用于用户个性化营养干预的任务集合,并从该任务集合中提取出每日任务向用户推送;
或者,以决策树预测模型为基础,将基于健康人群大数据的营养需求和预设的营养干预建议方案分别以非叶子节点和叶子节点表示,其中决策树的每个非叶子节点表示用户营养需求的判断条件,其分支表示符合节点条件的对象,其叶子节点表示一种预设的营养干预建议方案,所述营养干预建议方案其关联干预任务数据库以每日任务形式向用户推送。
更进一步地,所述接收用户对每日任务完成情况的反馈,渐进化调整所述用户个性化干预方案具体包括:
接收用户基于每日任务的拍照识别打卡反馈,判断是否完成当日任务;
若判断出用户完成了当日任务,则在第二日继续推送每日任务,若存在未完成的当日任务,则在第二日继续推送该任务;若连续一定时间均未完成同一任务,则停止推送该任务并触发后台提醒,由相应的专业人员对该营养干预方案进行审核调整;
根据用户打卡反馈的信息,将对应的各食物维度评分计入用户整体膳食现况评分中,并在指定时间后扣除。
基于前述过程,本发明还提供一种用于实现上述的智能化营养干预的方法的终端,包括:
信息采集模块,用于采集用户包含性别、年龄、身高、体重、疾病类型、营养风险等级在内的基础信息,并通过内置问卷形式采集用户包含摄入食物种类、摄入频率、进食总量、在外就餐行为在内的膳食信息;
膳食评分模块,用于根据采集的用户基础信息和用户膳食信息以及预设的营养与膳食评分规则计算包含各食物维度评分以及用户整体膳食现况评分在内的用户营养与膳食指标;
核心处理模块,用于对采集的信息进行处理,提取关键字段并纳入预设的数据处理程序进行分析处理,生成包含每日任务的用户个性化干预方案;
显示模块,用于为用户呈现直观的用户整体膳食现况评分以及基于用户个性化干预方案的每日任务;
输入模块,用于用户进行交互操作;
存储模块,用于存放相关数据信息;以及
拍照识别打卡模块,用于用户在完成每日任务时基于图像识别技术进行拍照识别打卡反馈。
进一步地,所述终端还包括与核心处理模块连接的健康习惯模块,用于根据采集的用户基础信息和用户膳食信息评估用户的健康习惯。
与现有技术相比,本发明具有以下有益效果:
本发明基于现有的移动智能终端对用户的基本信息和膳食信息进行采集及结果反馈,有效提高了营养干预过程的效率,并基于采集的具体数据信息提供切实可行的渐进化营养干预方案,而非传统方法仅提供宽泛的营养建议,却不涉及具体有效的落地行动,充分满足了不同营养需求用户的具体要求。
本发明基于食物图像识别技术对用户行动任务完成情况进行监测随访,一方面提高了膳食评分的准确性和便捷性,另一方面实现了用户-营养师的交互式营养管理,确保营养师持续调整干预计划的可行性,避免了粗放式的营养管理模式弊端。
附图说明
图1为本发明-实施例的流程框图。
图2为本发明-实施例中终端的结构框图。
具体实施方式
下面结合附图和实施例对本发明作进一步说明,本发明的实施方式包括但不限于下列实施例。
实施例
如图1所示,该智能化营养干预的方法,包括:
(S1)采集用户基础信息,其中用户基础信息包含性别、年龄、身高、体重、疾病类型、营养风险等级等指标,主要通过用户终端登记记录方式进行采集,其中营养风险等级基于年龄、体重变化状况、食欲变化状况等指标通过现有规则计算得出;例如用户在APP或应用软件中指定的信息表格中进行自主填写;
采集用户膳食信息,该膳食信息通过内置于用户终端内的如膳食习惯问卷、膳食频率问卷等问卷经用户填写后获得,这些内置于用户终端内的问卷均由经医师、营养师、营养学专家等专业人员评判验证,以满足膳食评价标准和信息采集要求;该膳食信息所涉及的指标包括摄入食物种类、摄入频率、进食总量、在外就餐行为等,其中食物种类包括但不限于蔬菜、水果、粗粮、精粮、奶制品、蛋类、红肉、白肉、加工肉、鱼肉、坚果、豆制品、含糖饮料、食用油、膳食补剂、酒类等。
(S2)根据采集的用户基础信息和用户膳食信息以及预设的营养与膳食评分规则计算用户营养与膳食指标,该用户营养与膳食指标包括各食物维度评分以及用户整体膳食现况评分。所述营养与膳食评分规则中预设有包含水果类、蔬菜类、豆类、全谷类、奶制品类、鱼类海产类、精致谷类、添加糖类、蛋白质摄入总量、脂肪酸总摄入、饱和脂肪摄入在内的膳食评分维度,基于该膳食评分维度对用户的摄入食物种类进行评分;其中,根据采集的膳食信息中的摄入食物种类结合现有的食物-营养素对照数据可获得如添加糖类、蛋白质摄入总量、脂肪酸总摄入、饱和脂肪摄入等各类食物维度的营养素摄入量,再根据采集指标中食物种类本身的分类,共同形成所述膳食评分维度。所述食物-营养素对照数据可依据如中国食物成分表(2018)等食物营养素数据库获得。
例如,在衡量超重肥胖用户膳食模式及质量的营养与膳食评分规则中,可依据如下表1所示的HEI-2015(Health Eating Index-2015)膳食评分标准为基础。
表1肥胖用户营养与膳食评分规则(基于HEI-2015评分标准)
所述用户整体膳食现况评分通过如下过程计算:
基于人体基础代谢率BMR和体力活动水平系数PAL计算每日能量需要量EN的评分系数k:
k=EN/1000kcal,
EN=BMR×PAL,
其中,人体基础代谢率BMR计算公式(Harris Benedict Equation)为:
女性:BMR=655+(9.6×体重weight in kg)+(1.8×身高height in cm)-(4.7×年龄age in years)
男性:BMR=66+(13.7×体重weight in kg)+(5×身高height in cm)-(6.8×年龄age in years);
体力活动水平系数PAL取自中国营养学会的PAL对照表,如下表2:
表2PAL对照表
基于用户膳食信息计算用户各食物维度的每日平均摄入量w,w=Tw/k,其中Tw为各食物维度每日总和摄入量,按一般计算方式,该Tw等于用户在该食物维度的单次摄入量与摄入频率的乘积,或者该Tw等于用户在一个膳食统计周期内对于该食物维度的摄入总量除以该膳食统计周期以日计的数值;
基于营养与膳食评分规则将各食物种类的膳食评分维度的评分区间(0至满分区间)等分,评估其每日平均摄入量数据所在的区间,获取各食物维度的评分s,一般取2位小数;
所述用户整体膳食现况评分S为各食物维度评分之和,分数最大为100分,最小为0分,在后台计算逻辑中保留2位小数,并以整数形式向前端反馈呈现给用户。
(S3)从采集的用户基础信息和用户膳食信息以及计算获得的用户营养与膳食指标中提取关键字段并纳入预设的数据处理程序进行分析处理,生成以每日任务形式呈现的用户个性化干预方案,其中所述关键字段包括每日能量需要量、疾病类型、营养风险等级、用户整体膳食现况评分;
具体地,从用户基础信息中提取关键字段,包括:疾病类型、营养风险等级,
基于采集的用户膳食信息计算并提取包含每日能量需要量、用户整体膳食现况评分在内的关键字段;
以营养干预数据库为基础,依据膳食行为规则匹配关键字段,生成以每日任务方式呈现的用户个性化干预方案,其中每次匹配,单个食物种类的各个任务仅出现一次,匹配获得的任务条数最少为1条、最多为4条。
其中,所述预设的数据处理程序通过医学及营养学专家对健康人群大数据进行统计分析整理,形成营养干预数据库和膳食行动规则,该营养干预数据库包括基于疾病类型的食物摄入量数据库、膳食模式数据库、食物风险等级数据库和干预任务数据库。
基于疾病类型的食物摄入量数据库,可基于HEI-2015评分细则、中国膳食指南等评分规则,以推荐摄入量作为用户各类食物的每日推荐摄入量标准。
膳食模式数据库,基于营养学专家设计和食物种类依据各餐次出现概率的大数据进行归纳整理而成,以作为用户具体推荐食物的出现餐次标准;例如前述肥胖患者基于HEI-2015评分标准,以满分标准作为每日膳食推荐摄入量标准;
以下表3展示的鱼类海产类食物为例,通过将各类食物的餐次概率进行专家评估设定,即可在向用户匹配推荐食物的餐次时依据该表中食物餐次概率由高到低进行设置。同时,该数据库可基于人工智能技术、有监督式机器学习算法、boosting算法等,对数据进行训练,构建用户职业类型、疾病类型等状态指标对应的推荐餐次概率权重关系模型,以不断优化各个状态指标对应的推荐餐次概率权重值。
表3鱼类海产类膳食模式评估表
食物风险等级数据库,由营养学专家及医学专家设计,根据不同疾病类型的营养需求及禁忌,将大量食物种类分为推荐类(G),一般类(Y),禁忌类(R),以作为用户具体推荐食物名称的来源;
以下表4展示的鱼类海产类食物针对肥胖、高血压和痛风的等级划分为例,通过专家判断,将部分疾病类型患者的食物种类进行等级划分,即可在向用户匹配推荐食物名称时依据该表中食物G等级优先选择、Y等级次优选择、R等级禁止选择的顺序进行排序。
表4鱼类海产类风险等级评估表
干预任务数据库,通过对营养学领域专家的知识及经验进行整合,以形成大量符合不同疾病状态的用户营养需求建议,并具体化为每日营养干预任务;
其中用户营养干预任务可基于前述的用户各类食物推荐摄入量进行设置,同时考虑增加限制类食物摄入任务、特殊类食物摄入任务。具体任务构成可包括摄入餐次、优先食物名称、替代食物名称、任务困难度、摄入量等指标。
以下表5展示的水果类食物任务为例,针对用户进行水果类食物推送任务时,即可根据前述的用户每日推荐摄入量,结合下表单个任务摄入量及预先人为设置的任务困难度进行推荐任务条数和优先级判定排序。同时,该数据库可基于人工智能技术、有监督式机器学习算法等,对数据进行训练,构建用户职业类型、疾病类型等状态指标对应的任务困难度权重关系模型,以不断优化各个状态指标对应的任务困难度权重值。
餐次 | 优先推荐食物 | 替代推荐食物 | 困难度 | 摄入量(g) |
早餐 | 吃一个{fruit} | 或{other_fruit}等其他水果(1个苹果份量) | 3 | 200 |
午餐 | 吃一个{fruit} | 或{other_fruit}等其他水果(1个苹果份量) | 3 | 200 |
晚餐 | 吃一个{fruit} | 或{other_fruit}等其他水果(1个苹果份量) | 3 | 200 |
加餐 | 吃一个{fruit} | 或{other_fruit}等其他水果(1个苹果份量) | 1 | 200 |
表5水果类食物推送任务评估表
其中{fruit}表示一种水果名称,{other_fruit}表示另一种水果名称。
所述膳食行动规则可以如下两种形式体现:
其一,首先根据以疾病类型为主的用户基础信息匹配推荐的食物摄入数据库,形成理想膳食方案;其次根据包含每日能量需要量、用户整体膳食现况评分在内的关键字段匹配膳食模式数据库,形成用户的现实膳食方案;最后将该理想膳食方案和现实膳食方案进行交叉匹配,结合食物风险等级数据库和干预任务数据库,获得符合用户膳食习惯的包含涉及食物类型、对应餐次及单次摄入量等关键字段的膳食任务,形成用于用户个性化营养干预的任务集合,并从该任务集合中提取出每日营养干预任务向用户推送并呈现。
其二,以决策树预测模型为基础,将基于健康人群大数据的营养需求和营养干预建议方案分别以非叶子节点和叶子节点表示,其中决策树的每个非叶子节点表示用户营养需求的判断条件,其分支表示符合节点条件的对象,其叶子节点表示一种营养干预建议方案,该营养干预建议方案可基于营养干预规则预先配置,其关联干预任务数据库以每日营养干预任务形式向用户推送并呈现。例如,先基于疾病类型数据判断用户是否患有疾病,若否,则采用第一理想膳食方案并推送对应的每日营养干预任务,若是,则继续判断是否出现并发症,若否,则采用第二理想膳食方案并推送对应的每日营养干预任务,若是,则继续判断是否处于急性发作期,若否,则采用第三理想膳食方案并推送对应的每日营养干预任务,若是,则采用预设的渐进化膳食方案并推送对应的每日营养干预任务。
(S4)接收用户对每日任务完成情况的反馈,渐进化调整所述用户个性化干预方案,具体包括:
接收用户基于每日任务的拍照识别打卡反馈,判断是否完成当日任务;
若判断出用户完成了当日任务,则在第二日继续推送每日任务,若存在未完成的当日任务,则在第二日继续推送该任务;若连续3天均未完成同一任务,则停止推送该任务并触发后台提醒,由监控终端的医生、营养师等专业人员对该营养干预方案进行审核调整;
另外,位于监控终端的医生、营养师等专业人员可通过后台实施主动监控,并依据用户周期更新的评估报告及周期性任务完成报告等对干预方案进行调整,并向用户展示;
根据用户打卡反馈的信息,将对应的各食物维度评分计入用户整体膳食现况评分中,并在7天后扣除。
基于前述过程,本发明还提供一种用于实现上述的智能化营养干预的方法的终端,包括:
信息采集模块,用于采集用户包含性别、年龄、身高、体重、疾病类型、营养风险等级在内的基础信息,并通过内置问卷形式采集用户包含摄入食物种类、摄入频率、进食总量、在外就餐行为在内的膳食信息;
膳食评分模块,用于根据采集的用户基础信息和用户膳食信息以及预设的营养与膳食评分规则计算包含各食物维度评分以及用户整体膳食现况评分在内的用户营养与膳食指标;
核心处理模块,用于对采集的信息进行处理,提取关键字段并纳入预设的数据处理程序进行分析处理,生成包含每日任务的用户个性化干预方案;
显示模块,用于为用户呈现直观的用户整体膳食现况评分以及基于用户个性化干预方案的每日任务;
输入模块,用于用户进行交互操作;
存储模块,用于存放相关数据信息;以及
拍照识别打卡模块,用于用户在完成每日任务时基于图像识别技术进行拍照识别打卡反馈。
进一步地,所述终端还包括与核心处理模块连接的健康习惯模块,用于根据采集的用户基础信息和用户膳食信息评估用户的健康习惯。
该终端可以基于现有的智能设备,如手机、平板、笔记本等,通过APP或应用软件的方式呈现,以方便用户使用。
通过上述过程,本发明可分析评估用户膳食及健康数据、计算并调整需求匹配的膳食质量现况评分、生成符合用户膳食习惯的每日干预计划与任务、食物图像识别反馈干预完成度,并实现根据任务完成情况动态调整计划的功能。故而不同营养需求的用户可以获得基于移动设备的一整套切实可行的渐进化营养干预方案,而非传统方法仅提供宽泛的营养建议,却不涉及具体有效的落地行动。
上述实施例仅为本发明的优选实施例,并非对本发明保护范围的限制,但凡采用本发明的设计原理,以及在此基础上进行非创造性劳动而做出的变化,均应属于本发明的保护范围之内。
Claims (10)
1.一种智能化营养干预的方法,其特征在于,包括:
采集用户包含性别、年龄、身高、体重、疾病类型、营养风险等级在内的基础信息,并通过问卷形式采集用户包含摄入食物种类、摄入频率、进食总量、在外就餐行为在内的膳食信息;
根据采集的用户基础信息和用户膳食信息以及预设的营养与膳食评分规则计算用户营养与膳食指标,该用户营养与膳食指标包括各食物维度评分以及用户整体膳食现况评分;
从采集的用户基础信息和用户膳食信息以及计算获得的用户营养与膳食指标中提取关键字段并纳入预设的数据处理程序进行分析处理,生成以每日任务形式呈现的用户个性化干预方案,其中所述关键字段包括疾病类型、营养风险等级、用户整体膳食现况评分;
接收用户对每日任务完成情况的反馈,渐进化调整所述用户个性化干预方案。
2.根据权利要求1所述的智能化营养干预的方法,其特征在于,在计算出所述用户整体膳食现况评分后将其反馈呈现给用户,并在用户完成每日任务后将各食物维度评分纳入该用户整体膳食现况评分。
3.根据权利要求2所述的智能化营养干预的方法,其特征在于,所述营养与膳食评分规则中预设有包含水果类、蔬菜类、豆类、全谷类、奶制品类、鱼类海产类、精致谷类、添加糖类、蛋白质摄入总量、脂肪酸总摄入、饱和脂肪摄入在内的膳食评分维度,基于该膳食评分维度对用户摄入食物状况进行评分。
4.根据权利要求3所述的智能化营养干预的方法,其特征在于,所述计算用户整体膳食现况评分的过程如下:
基于人体基础代谢率BMR和体力活动水平系数PAL计算每日能量需要量的评分系数k;
基于用户膳食信息计算用户各食物维度的每日平均摄入量w,w=Tw/k,其中Tw为各食物维度每日总和摄入量;
基于营养与膳食评分规则将膳食评分维度的评分区间等分,评估其每日平均摄入量数据所在的区间,获取各食物维度的评分s;
所述用户整体膳食现况评分S为各食物维度评分之和。
5.根据权利要求4所述的智能化营养干预的方法,其特征在于,所述生成用户个性化干预方案的过程如下:
从采集的用户基础信息中提取包含疾病类型、营养风险等级在内的关键字段;
基于采集的用户膳食信息计算并提取包含每日能量需要量、用户整体膳食现况评分在内的关键字段;
以营养干预数据库为基础,依据膳食行为规则匹配关键字段,生成以每日任务形式呈现的用户个性化干预方案,其中每次匹配,单个食物种类的各个任务仅出现一次,匹配获得的任务条数最少为1条、最多为4条。
6.根据权利要求5所述的智能化营养干预的方法,其特征在于,所述预设的数据处理程序通过医学及营养学专家对健康人群大数据进行统计分析整理,形成营养干预数据库和膳食行动规则,
其中营养干预数据库包括基于疾病类型的食物摄入量数据库、膳食模式数据库、食物风险等级数据库和干预任务数据库。
7.根据权利要求6所述的智能化营养干预的方法,其特征在于,所述膳食行动规则包括:
首先根据以疾病类型为主的用户基础信息匹配推荐的食物摄入数据库,形成理想膳食方案;其次根据包含每日能量需要量、用户整体膳食现况评分在内的关键字段匹配膳食模式数据库,形成用户的现实膳食方案;然后将该理想膳食方案和现实膳食方案进行交叉匹配,结合食物风险等级数据库和干预任务数据库,获得符合用户膳食习惯的膳食任务,所述膳食任务包含的关键字段涉及食物类型、对应餐次及单次摄入量,由此形成用于用户个性化营养干预的任务集合,并从该任务集合中提取出每日任务向用户推送;
或者,以决策树预测模型为基础,将基于健康人群大数据的营养需求和预设的营养干预建议方案分别以非叶子节点和叶子节点表示,其中决策树的每个非叶子节点表示用户营养需求的判断条件,其分支表示符合节点条件的对象,其叶子节点表示一种预设的营养干预建议方案,所述营养干预建议方案其关联干预任务数据库以每日任务形式向用户推送。
8.根据权利要求1~7任一项所述的智能化营养干预的方法,其特征在于,所述接收用户对每日任务完成情况的反馈,渐进化调整所述用户个性化干预方案具体包括:
接收用户基于每日任务的拍照识别打卡反馈,判断是否完成当日任务;
若判断出用户完成了当日任务,则在第二日继续推送每日任务,若存在未完成的当日任务,则在第二日继续推送该任务;若连续一定时间均未完成同一任务,则停止推送该任务并触发后台提醒,由相应的专业人员对该营养干预方案进行审核调整;
根据用户打卡反馈的信息,将对应的各食物维度评分计入用户整体膳食现况评分中,并在指定时间后扣除。
9.用于实现权利要求1~8任一项所述的智能化营养干预的方法的终端,其特征在于,包括:
信息采集模块,用于采集用户包含性别、年龄、身高、体重、疾病类型、营养风险等级在内的基础信息,并通过内置问卷形式采集用户包含摄入食物种类、摄入频率、进食总量、在外就餐行为在内的膳食信息;
膳食评分模块,用于根据采集的用户基础信息和用户膳食信息以及预设的营养与膳食评分规则计算包含各食物维度评分以及用户整体膳食现况评分在内的用户营养与膳食指标;
核心处理模块,用于对采集的信息进行处理,提取关键字段并纳入预设的数据处理程序进行分析处理,生成包含每日任务的用户个性化干预方案;
显示模块,用于为用户呈现直观的用户整体膳食现况评分以及基于用户个性化干预方案的每日任务;
输入模块,用于用户进行交互操作;
存储模块,用于存放相关数据信息;以及
拍照识别打卡模块,用于用户在完成每日任务时基于图像识别技术进行拍照识别打卡反馈。
10.根据权利要求9所述的终端,其特征在于,还包括与核心处理模块连接的健康习惯模块,用于根据采集的用户基础信息和用户膳食信息评估用户的健康习惯。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010380167.0A CN111564199B (zh) | 2020-05-08 | 2020-05-08 | 智能化营养干预的方法及终端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010380167.0A CN111564199B (zh) | 2020-05-08 | 2020-05-08 | 智能化营养干预的方法及终端 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111564199A true CN111564199A (zh) | 2020-08-21 |
CN111564199B CN111564199B (zh) | 2023-02-03 |
Family
ID=72073221
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010380167.0A Active CN111564199B (zh) | 2020-05-08 | 2020-05-08 | 智能化营养干预的方法及终端 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111564199B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112071400A (zh) * | 2020-09-21 | 2020-12-11 | 中山大学 | 一种基于疾病知识库的食材定量选择方法 |
CN112489768A (zh) * | 2020-12-28 | 2021-03-12 | 重庆市汇人健康管理有限责任公司 | 一种改善脂肪肝疾病的智慧健康饮食管理*** |
CN112837783A (zh) * | 2021-01-28 | 2021-05-25 | 北京大学第一医院 | 一种患者的营养评估方法及装置 |
CN113744840A (zh) * | 2021-09-07 | 2021-12-03 | 朱珍妮 | 基于集中供餐环境实现个性化即时营养评价及指导的***及其方法 |
CN114496166A (zh) * | 2022-02-16 | 2022-05-13 | 上海楚动智能科技有限公司 | 一种肿瘤患者营养处方*** |
CN116246754A (zh) * | 2023-05-10 | 2023-06-09 | 北京中器华康科技发展有限公司 | 一种人体体重监测评估干预管理方法和*** |
WO2024060967A1 (en) * | 2022-09-22 | 2024-03-28 | Nutricia Early Life Nutrition (Shanghai) Co., Ltd. | Meal plan generating method, apparatus, and computer implemented algorithm thereof |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6904408B1 (en) * | 2000-10-19 | 2005-06-07 | Mccarthy John | Bionet method, system and personalized web content manager responsive to browser viewers' psychological preferences, behavioral responses and physiological stress indicators |
AU2014210635A1 (en) * | 2009-11-29 | 2014-08-28 | Premier Nutrition Corporation | Dosing protocols for increasing protein synthesis in an active individual |
CN106485067A (zh) * | 2016-09-29 | 2017-03-08 | 北京理工大学 | 结合bmi的个体膳食能量计算方法 |
CN107194175A (zh) * | 2017-05-24 | 2017-09-22 | 刘凤江 | 一种集合互动式健康管理服务网络平台*** |
CN107658001A (zh) * | 2017-10-10 | 2018-02-02 | 丁木(北京)技术有限公司 | 一种家庭用油健康管理方法和*** |
US20180144820A1 (en) * | 2016-10-24 | 2018-05-24 | Habit, Llc | System and method for implementing meal selection based on vitals, genotype and phenotype |
CN108461124A (zh) * | 2018-03-27 | 2018-08-28 | 周梦杰 | 基于个性化精准化的营养管理方法和饮食指导*** |
CN109817307A (zh) * | 2019-02-02 | 2019-05-28 | 成都尚医信息科技有限公司 | 基于智能设备的营养餐订购***及其实现方法 |
CN109841270A (zh) * | 2019-02-02 | 2019-06-04 | 成都尚医信息科技有限公司 | 基于智能设备的膳食营养健康调查评估***及其实现方法 |
CN110021403A (zh) * | 2017-10-30 | 2019-07-16 | 合肥美的智能科技有限公司 | 推荐食材的方法和装置、家用电器和机器可读存储介质 |
CN110097946A (zh) * | 2019-03-01 | 2019-08-06 | 西安电子科技大学 | 一种基于营养成分分析的饮食推荐方法 |
CN110767289A (zh) * | 2019-10-30 | 2020-02-07 | 武汉绿安健膳方科技有限公司 | 一种基于互联网的居家营养管理方法 |
CN110797107A (zh) * | 2019-10-30 | 2020-02-14 | 武汉绿安健膳方科技有限公司 | 一种居家膳食营养评价方法 |
CN111061943A (zh) * | 2019-10-28 | 2020-04-24 | 安徽四创电子股份有限公司 | 一种基于数据挖掘及分析的菜品推荐***及菜品推荐方法 |
-
2020
- 2020-05-08 CN CN202010380167.0A patent/CN111564199B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6904408B1 (en) * | 2000-10-19 | 2005-06-07 | Mccarthy John | Bionet method, system and personalized web content manager responsive to browser viewers' psychological preferences, behavioral responses and physiological stress indicators |
AU2014210635A1 (en) * | 2009-11-29 | 2014-08-28 | Premier Nutrition Corporation | Dosing protocols for increasing protein synthesis in an active individual |
CN106485067A (zh) * | 2016-09-29 | 2017-03-08 | 北京理工大学 | 结合bmi的个体膳食能量计算方法 |
US20180144820A1 (en) * | 2016-10-24 | 2018-05-24 | Habit, Llc | System and method for implementing meal selection based on vitals, genotype and phenotype |
CN107194175A (zh) * | 2017-05-24 | 2017-09-22 | 刘凤江 | 一种集合互动式健康管理服务网络平台*** |
CN107658001A (zh) * | 2017-10-10 | 2018-02-02 | 丁木(北京)技术有限公司 | 一种家庭用油健康管理方法和*** |
CN110021403A (zh) * | 2017-10-30 | 2019-07-16 | 合肥美的智能科技有限公司 | 推荐食材的方法和装置、家用电器和机器可读存储介质 |
CN108461124A (zh) * | 2018-03-27 | 2018-08-28 | 周梦杰 | 基于个性化精准化的营养管理方法和饮食指导*** |
CN109817307A (zh) * | 2019-02-02 | 2019-05-28 | 成都尚医信息科技有限公司 | 基于智能设备的营养餐订购***及其实现方法 |
CN109841270A (zh) * | 2019-02-02 | 2019-06-04 | 成都尚医信息科技有限公司 | 基于智能设备的膳食营养健康调查评估***及其实现方法 |
CN110097946A (zh) * | 2019-03-01 | 2019-08-06 | 西安电子科技大学 | 一种基于营养成分分析的饮食推荐方法 |
CN111061943A (zh) * | 2019-10-28 | 2020-04-24 | 安徽四创电子股份有限公司 | 一种基于数据挖掘及分析的菜品推荐***及菜品推荐方法 |
CN110767289A (zh) * | 2019-10-30 | 2020-02-07 | 武汉绿安健膳方科技有限公司 | 一种基于互联网的居家营养管理方法 |
CN110797107A (zh) * | 2019-10-30 | 2020-02-14 | 武汉绿安健膳方科技有限公司 | 一种居家膳食营养评价方法 |
Non-Patent Citations (2)
Title |
---|
李梦然: "基于Logistic和决策树模型的大学生亚健康状况及影响因素分析", 《中国优秀硕士学位论文全文数据库 医药卫生科技辑》 * |
李轩: "引入Adaboost概率矩阵分解的糖尿病个性化饮食推荐算法", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112071400A (zh) * | 2020-09-21 | 2020-12-11 | 中山大学 | 一种基于疾病知识库的食材定量选择方法 |
CN112071400B (zh) * | 2020-09-21 | 2024-05-31 | 中山大学 | 一种基于疾病知识库的食材定量选择方法 |
CN112489768A (zh) * | 2020-12-28 | 2021-03-12 | 重庆市汇人健康管理有限责任公司 | 一种改善脂肪肝疾病的智慧健康饮食管理*** |
CN112837783A (zh) * | 2021-01-28 | 2021-05-25 | 北京大学第一医院 | 一种患者的营养评估方法及装置 |
CN112837783B (zh) * | 2021-01-28 | 2024-02-06 | 北京大学第一医院 | 一种患者的营养评估方法及装置 |
CN113744840A (zh) * | 2021-09-07 | 2021-12-03 | 朱珍妮 | 基于集中供餐环境实现个性化即时营养评价及指导的***及其方法 |
CN114496166A (zh) * | 2022-02-16 | 2022-05-13 | 上海楚动智能科技有限公司 | 一种肿瘤患者营养处方*** |
WO2024060967A1 (en) * | 2022-09-22 | 2024-03-28 | Nutricia Early Life Nutrition (Shanghai) Co., Ltd. | Meal plan generating method, apparatus, and computer implemented algorithm thereof |
CN116246754A (zh) * | 2023-05-10 | 2023-06-09 | 北京中器华康科技发展有限公司 | 一种人体体重监测评估干预管理方法和*** |
CN116246754B (zh) * | 2023-05-10 | 2024-04-02 | 北京中器华康科技发展有限公司 | 一种人体体重监测评估干预管理方法和*** |
Also Published As
Publication number | Publication date |
---|---|
CN111564199B (zh) | 2023-02-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111564199B (zh) | 智能化营养干预的方法及终端 | |
US20160379520A1 (en) | Nutrient density determinations to select health promoting consumables and to predict consumable recommendations | |
CN111883230B (zh) | 饮食数据的生成方法及装置、存储介质和电子装置 | |
CN111902878A (zh) | 用于食品分析、个性化推荐和健康管理的***和方法 | |
CN105677852A (zh) | 一种个性化健康饮食推荐服务方法 | |
US20220230730A1 (en) | Recipe recommendation method and device, computing device and storage medium | |
TWI353555B (en) | Personalized meal planning method and system there | |
CN111261260B (zh) | 一种膳食推荐*** | |
CN110349647A (zh) | 饮食管理方法、***、电子设备及存储介质 | |
CN112820378B (zh) | 一种基于饮食行为的营养配餐推荐方法和*** | |
CN112348692A (zh) | 一种基于消费者健康所需各营养素需求量的订单农业*** | |
Kaur et al. | Food image-based nutritional management system to overcome polycystic Ovary Syndrome using DeepLearning: A systematic review | |
CN106446523A (zh) | 食物推荐方法及装置 | |
CN111755098A (zh) | 一种平衡膳食数学模型建立方法 | |
CN116130058A (zh) | 一种基于智慧饮食的食谱推荐方法 | |
CN112102921A (zh) | 营养食谱的生成方法、装置和服务器 | |
CN114913958A (zh) | 基于用户画像技术的膳食营养动态干预***及方法 | |
CN116417114B (zh) | 一种基于全生命周期的学生健康饮食管理*** | |
Pop et al. | Particle swarm optimization-based method for generating healthy lifestyle recommendations | |
US12001796B2 (en) | Methods and systems for personal recipe generation | |
CN116312964A (zh) | 一种全人群人体营养评估管理方法及装置 | |
Chen et al. | The nutrients of chronic diet recommended based on domain ontology and decision tree | |
CN111159528A (zh) | 问卷信息的推送方法及装置、存储介质和电子装置 | |
CN112017755A (zh) | 一种智能营养搭配推荐的方法、***及机器人 | |
WO2024060126A1 (en) | Meal plan generating method, apparatus, and computer implemented algorithm thereof |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |