CN112487287A - 一种使用基因检测结果和调查问卷推荐重疾险的方法 - Google Patents
一种使用基因检测结果和调查问卷推荐重疾险的方法 Download PDFInfo
- Publication number
- CN112487287A CN112487287A CN202011349019.9A CN202011349019A CN112487287A CN 112487287 A CN112487287 A CN 112487287A CN 202011349019 A CN202011349019 A CN 202011349019A CN 112487287 A CN112487287 A CN 112487287A
- Authority
- CN
- China
- Prior art keywords
- label
- risk
- disease
- user
- gene
- 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
- 108090000623 proteins and genes Proteins 0.000 title claims abstract description 70
- 238000000034 method Methods 0.000 title claims abstract description 27
- 238000001514 detection method Methods 0.000 title claims abstract description 24
- 201000010099 disease Diseases 0.000 claims abstract description 80
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims abstract description 80
- 206010028980 Neoplasm Diseases 0.000 claims description 19
- 201000011510 cancer Diseases 0.000 claims description 18
- 206010058467 Lung neoplasm malignant Diseases 0.000 claims description 16
- 201000005202 lung cancer Diseases 0.000 claims description 16
- 208000020816 lung neoplasm Diseases 0.000 claims description 16
- 230000002068 genetic effect Effects 0.000 claims description 9
- 230000035772 mutation Effects 0.000 claims description 9
- 230000006399 behavior Effects 0.000 claims description 8
- 238000012360 testing method Methods 0.000 claims description 7
- 208000029078 coronary artery disease Diseases 0.000 claims description 6
- 235000005911 diet Nutrition 0.000 claims description 6
- 230000037213 diet Effects 0.000 claims description 6
- 230000000391 smoking effect Effects 0.000 claims description 6
- 206010020772 Hypertension Diseases 0.000 claims description 4
- 238000012163 sequencing technique Methods 0.000 claims description 4
- 208000014094 Dystonic disease Diseases 0.000 claims description 3
- 208000026072 Motor neurone disease Diseases 0.000 claims description 3
- 208000008589 Obesity Diseases 0.000 claims description 3
- 206010043118 Tardive Dyskinesia Diseases 0.000 claims description 3
- 208000037063 Thinness Diseases 0.000 claims description 3
- 206010002026 amyotrophic lateral sclerosis Diseases 0.000 claims description 3
- 239000008280 blood Substances 0.000 claims description 3
- 210000004369 blood Anatomy 0.000 claims description 3
- 208000010118 dystonia Diseases 0.000 claims description 3
- 235000006694 eating habits Nutrition 0.000 claims description 3
- 201000006517 essential tremor Diseases 0.000 claims description 3
- 230000002349 favourable effect Effects 0.000 claims description 3
- 230000005802 health problem Effects 0.000 claims description 3
- 208000006575 hypertriglyceridemia Diseases 0.000 claims description 3
- 208000005264 motor neuron disease Diseases 0.000 claims description 3
- 235000020824 obesity Nutrition 0.000 claims description 3
- 201000002212 progressive supranuclear palsy Diseases 0.000 claims description 3
- 230000002194 synthesizing effect Effects 0.000 claims description 3
- 206010048828 underweight Diseases 0.000 claims description 3
- 201000007270 liver cancer Diseases 0.000 description 10
- 208000014018 liver neoplasm Diseases 0.000 description 10
- 208000005718 Stomach Neoplasms Diseases 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 230000035622 drinking Effects 0.000 description 4
- 206010017758 gastric cancer Diseases 0.000 description 4
- 201000011549 stomach cancer Diseases 0.000 description 4
- 208000024770 Thyroid neoplasm Diseases 0.000 description 3
- 201000002510 thyroid cancer Diseases 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 235000013305 food Nutrition 0.000 description 2
- 241000251468 Actinopterygii Species 0.000 description 1
- 208000022309 Alcoholic Liver disease Diseases 0.000 description 1
- 241000272525 Anas platyrhynchos Species 0.000 description 1
- 241000202755 Areca Species 0.000 description 1
- 241000283690 Bos taurus Species 0.000 description 1
- 208000028399 Critical Illness Diseases 0.000 description 1
- 241000238557 Decapoda Species 0.000 description 1
- 208000004930 Fatty Liver Diseases 0.000 description 1
- 241000287828 Gallus gallus Species 0.000 description 1
- 206010019708 Hepatic steatosis Diseases 0.000 description 1
- 241000700721 Hepatitis B virus Species 0.000 description 1
- 208000031226 Hyperlipidaemia Diseases 0.000 description 1
- 241001494479 Pecora Species 0.000 description 1
- 241000282898 Sus scrofa Species 0.000 description 1
- 239000000427 antigen Substances 0.000 description 1
- 108091007433 antigens Proteins 0.000 description 1
- 102000036639 antigens Human genes 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 210000004027 cell Anatomy 0.000 description 1
- 230000001055 chewing effect Effects 0.000 description 1
- 230000009194 climbing Effects 0.000 description 1
- 230000009189 diving Effects 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 238000001035 drying Methods 0.000 description 1
- 230000008451 emotion Effects 0.000 description 1
- 208000010706 fatty liver disease Diseases 0.000 description 1
- 235000021022 fresh fruits Nutrition 0.000 description 1
- 235000021384 green leafy vegetables Nutrition 0.000 description 1
- 208000002672 hepatitis B Diseases 0.000 description 1
- 238000012165 high-throughput sequencing Methods 0.000 description 1
- 210000004185 liver Anatomy 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003234 polygenic effect Effects 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 235000020989 red meat Nutrition 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 231100000240 steatosis hepatitis Toxicity 0.000 description 1
- 235000020990 white meat Nutrition 0.000 description 1
- 238000012070 whole genome sequencing analysis Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/08—Insurance
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B20/00—ICT specially adapted for functional genomics or proteomics, e.g. genotype-phenotype associations
-
- 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
-
- 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
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Public Health (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Primary Health Care (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Epidemiology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Genetics & Genomics (AREA)
- General Engineering & Computer Science (AREA)
- Pathology (AREA)
- Analytical Chemistry (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Technology Law (AREA)
- Molecular Biology (AREA)
- Proteomics, Peptides & Aminoacids (AREA)
- Bioinformatics & Computational Biology (AREA)
- Biotechnology (AREA)
- Evolutionary Biology (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
Abstract
本发明公开了一种使用基因检测结果和调查问卷推荐重疾险的方法，包括以下具体步骤：S1、使用基因检测技术，计算用户与重疾险相关疾病的基因风险值，获得基因风险标签；S2、使用调查问卷，让用户填写与重疾险相关的问题，获得问卷标签；S3、根据该用户的基因风险数值与调查问卷结果，获得综合标签；S4、将销售的各个重疾险根据保障疾病的特点制定重疾险标签；S5、根据该用户的综合标签，计算各个重疾险标签与该用户的匹配分数；S6、将重疾险标签按照匹配分数由高到低排序，给出适合用户的重疾险的建议排序。本发明拓宽了基因检测的应用场景，同时开拓了保险的推荐方式，真正结合用户本身的患病风险高低，推荐其最合适的个性化产品。
Description
技术领域
本发明涉及一种使用基因检测结果和调查问卷推荐重疾险的方法，涉及保险和计算机领域。
背景技术
由于技术的发展，基因检测的价格随之下降，越来越多的人接触到了基因检测。出于对自己健康的关心，很多人通过基因检测获得了基因健康风险的信息。但大多数参与人在了解了自己的健康风险后，也只是关注一下自己健康风险高的疾病，可能采取一些预防措施，而没有对基因检测结果做进一步运用。
保险行业经过多年的发展，逐渐被人接受。但是由于保险知识相对更专业，且保险条款晦涩难懂，用户在购买保险产品前，对于保险产品的理解是很低的，这给用户增加了购买难度；并且，用户对于自己的家庭状况和收入水平需要购买什么样的保险产品也是没有概念，因此合适的定制化保险解决方案是用户痛点。
故而如何根据基因检测选择符合需求的产品，生成满足需求的产品或产品组合方案成为整个保险领域亟待解决的问题。
发明内容
针对上述现存的技术问题，本发明提供一种使用基因检测结果和调查问卷推荐重疾险的方法，能够结合基因检测结果，通过调查问卷进行保险推荐，以提高保险推荐精确度、用户购买意愿和提高用户的产品体验。
为实现上述目的，本发明提供一种使用基因检测结果和调查问卷推荐重疾险的方法，包括以下具体步骤：
S1、使用基因检测技术，计算用户与重疾险相关疾病的基因风险值，获得基因风险标签。
上述技术方案中，使用的基因检测技术可以是芯片检测技术，也可以是全基因组测序技术，不限制基因检测技术类型，只需要获得相关疾病的基因风险值。所述的基因风险值，又叫多基因风险评分(Polygenic Risk Score，PRS)，有时也称为遗传风险评分(Genetic Risk Score，GRS)，它主要用于评估个体患有某种疾病的遗传风险，它是通过GWAS统计数据的基因型效应值来计算的。计算公式如下：
其中，i表示SNP位点，m表示SNP位点的总数，β表示该SNP位点对于疾病的效应，j表示该SNP位点的基因型，分别用0、1、2表征没有突变，杂合突变和纯合突变，ω表示每种基因型的频率。
进一步，步骤S1中，获得基因风险标签的方法如下：
(S1-1)如果用户携带某种疾病的风险突变，则获取该疾病的基因风险标签；
(S1-2)如果用户的基因计算出某个疾病的基因风险值属于人群的前10％，则获取该疾病的基因风险标签。
S2、使用调查问卷，让用户填写与销售的重疾险相关的问题，获得问卷标签。
进一步，所述的调查问卷包括如下问题：生日，性别，身高，体重，血型，行为习惯，饮食习惯，健康问题，直系亲属患癌症；
(S2-1)通过生日计算用户年龄，得到不同年龄区段的标签；
(S2-2)通过身高体重计算肥胖或体重过低的标签；
(S2-3)通过行为习惯获取有利或有害健康的行为标签；
(S2-4)通过饮食习惯获取有利或有害健康的饮食标签；
(S2-5)通过健康问题获取已有疾病标签；
(S2-6)通过亲人是否有癌症获取亲人癌症标签。
S3、根据该用户的基因风险数值与调查问卷结果，获得综合标签。
进一步，获得综合标签的方法如下：
(S3-1)综合肺癌高风险标签：如果用户有肺癌的基因风险标签，或者该人有抽烟的习惯，或者该人的近亲属有肺癌的患病史，则获得该标签；
(S3-2)综合癌症高风险标签：如果用户有多个基因癌症风险标签，则获得该标签；
(S3-3)综合冠心病高风险标签：如果用户有高血压、高甘油三酯血症、冠心病风险任一标签，则获得该标签；
(S3-4)综合运动神经元疾病标签：如果用户有携带肌张力障碍风险突变、迟发性运动障碍、特发性震颤、肌萎缩侧索硬化症、基因进行性核上麻痹任一标签，则获得该标签。
S4、将销售的各个重疾险根据保障疾病的特点制定重疾险标签。
进一步，获得重疾险标签的方法如下：将销售的重疾险进行整理，对每个重疾险制定标签，包括：适合的性别，体重范围，年龄范围，是否携带有些疾病，保障的疾病类型，可赔偿的次数。
S5、根据该用户的综合标签，计算各个重疾险标签与该用户的匹配分数。
进一步，计算重疾险标签匹配程度的方法如下：设置用户的综合标签为D，符合某条件或某疾病的综合标签为Dn，Dn对应的权重为Qn；设置重疾险标签为I，正在销售的某重疾险标签为In；设置重疾险标签与综合标签的匹配分数为S，In涵盖的综合标签Dn的匹配分数为Sn＝In(D1，D2，D3……Dn)；
则计算某重疾险与综合标签的匹配分数Sn＝D1*Q1+D2*Q2+D3*Q3+……+Dn*Qn，即先对该重疾险涵盖的Dn设置权重Qn后，再进行求和。
S6、将各个重疾险标签按照匹配分数由高到低排序，给出适合用户的重疾险的建议排序。
因为不同人得不同病的概率不一样，因此根据用户的疾病综合得分从高到低排序，能够重点保障较高综合得分的疾病的重疾险被优先推荐。最后，将所有的保险按匹配程度进行排序并展示给用户，使之能够覆盖用户的综合风险最高的潜在疾病。
综上，本发明相比现有技术，具有如下技术优势：
1、实现了使用基因检测结果和调查问卷，对用户进行重疾险方案的推荐，由此改变了用户群的保险方案推荐与购买方式。
2、拓宽了基因检测的应用场景，真正结合用户本身的患病风险高低，推荐其最合适的个性化产品。
3、开拓了保险的推荐方式，提高了保险推荐精确度，提高了用户购买意愿，提高了用户的产品体验。
附图说明
图1是本发明推荐重疾险的流程示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述，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做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
本发明使用基因检测结果和调查问卷推荐重疾险的方法，包括以下具体步骤：
S1：用户购买基因检测服务，等待基因计算的用户与重疾险相关疾病的基因风险值，获得基因风险标签。
采集工具：对于用户的基因数据，使用高通量基因芯片或者高通量测序仪器获得。对于用户的问卷数据，使用电子化的在线问卷进行收集。疾病风险值由已有公司的算法进行计算获取，本发明直接应用该计算值作为输入参数。获得用户与重疾险相关疾病的基因风险标签的方法如下：
(S1-1)如果用户携带某种疾病的风险突变，则获取该疾病的基因风险标签；
(S1-2)如果用户的基因计算出某个疾病的基因风险值属于人群的前10％，则获取该疾病的基因风险标签。
S2：使用调查问卷，让用户填写与重疾险相关的问题，获得问卷标签。
所述的调查问卷包括如下问题：生日，性别，身高，体重，血型，行为习惯(比如是否经常抽烟、饮酒、嚼槟榔、喝咖啡、晒太阳、锻炼身体、危险运动(潜水、拳击、攀岩、漂流等)、服用易成瘾药物，或者以上都没有)，饮食习惯(比如是否经常摄入白肉(鸡鸭鱼虾蟹等)、红肉(猪牛羊等)、腌制食品、绿叶蔬菜、新鲜水果、油炸食品，或者以上都没有)，健康问题(比如是否患有高血压、乙肝病毒携带、乙肝表面抗原阳性、酒精性肝病、重度脂肪肝、高血脂，或者以上都没有)，直系亲属患癌症(比如父母、兄弟姐妹、(外)祖父母中是否有人患癌症)等基本情况情况。
之后，根据问卷结果给用户打上问卷标签，方法如下：
(S2-1)通过生日计算用户年龄，得到不同年龄区段的标签；
(S2-2)通过身高体重计算肥胖或体重过低的标签；
(S2-3)通过行为习惯获取有利或有害健康的行为标签；
(S2-4)通过饮食习惯获取有利或有害健康的饮食标签；
(S2-5)通过健康问题获取已有疾病标签；
(S2-6)通过亲人是否有癌症获取亲人癌症标签。
上述仅仅罗列了常见的问题，在本发明提供的实施例中，可以针对不同的应用场景，对上述各项问题及其标签的含义的外延进行扩充，在此不再赘述。
S3：根据基因风险数值与调查问卷结果，获得该用户的综合标签。综合标签可根据需要进行不同的组合而成，获得综合标签的方法如下：
(S3-1)综合肺癌高风险标签：如果用户有肺癌的基因风险标签，或者该人有抽烟的习惯，或者该人的近亲属有肺癌的患病史，则获得该标签；
(S3-2)综合癌症高风险标签：如果用户有多个基因癌症风险标签，则获得该标签；
(S3-3)综合冠心病高风险标签：如果用户有高血压、高甘油三酯血症、冠心病风险任一标签，则获得该标签；
(S3-4)综合运动神经元疾病标签：如果用户有携带肌张力障碍风险突变、迟发性运动障碍、特发性震颤、肌萎缩侧索硬化症、基因进行性核上麻痹任一标签，则获得该标签。
上述仅仅罗列了常见的高风险标签，在本发明提供的实施例中，可以针对不同的应用场景，对上述各项高风险标签的含义进行外延，或者对综合标签的种类进行扩充，在此不再赘述。
S4：将正在销售的各个重疾险根据保障疾病的特点制定重疾险标签。
具体的，将销售的重疾险进行整理，对每个重疾险制定标签，包括：适合的性别，体重范围，年龄范围，是否携带有些疾病，保障的疾病类型，可赔偿的次数等，也可对上述标签就行外延和扩充。
S5：根据综合标签，计算各个重疾险标签与该用户综合标签的匹配分数。
匹配程度的具体计算方法如下：设置用户的综合标签为D，符合某条件或某疾病的综合标签为Dn，Dn对应的权重为Qn；设置重疾险标签为I，正在销售的某重疾险标签为In；设置重疾险标签与综合标签的匹配分数为S，In涵盖的综合标签Dn的匹配分数为Sn＝In(D1，D2，D3……Dn)；则计算某重疾险与综合标签的匹配分数Sn＝D1*Q1+D2*Q2+D3*Q3+……+Dn*Qn，即先对该重疾险涵盖的Dn设置权重Qn后，再进行求和。
比如某用户有肝癌综合风险D1＝3，肺癌综合风险D2＝2.5，胃癌综合风险D3＝2，甲状腺癌综合D4＝1.9；设置肝癌的权重Q1＝2，肺癌的权重Q2＝1.8，胃癌的权重Q3＝1.3，甲状腺癌的权重Q4＝1，上述权重值也可以根据需要自行修改。
某重疾险产品I1涵盖的癌症包括肝癌、肺癌、胃癌，但不包含甲状腺癌，则该用户相对保险I1的匹配分数S1＝I1(D1，D2，D3)＝3*2+2.5*1.8+2*1.3＝13.1。
某重疾险产品I2涵盖的癌症包括肝癌、肺癌、胃癌、甲状腺癌，则该用户相对保险I2的匹配分数S2＝I2(D1，D2，D3，D4)＝3*2+2.5*1.8+2*1.3+1.9*1＝15。
并且，某重疾险In对应的匹配分数Sn的数值越高，该重疾险和该用户的匹配度越高。
S6：将重疾险标签按照匹配分数由高到低排序，给出适合用户的重疾险的建议排序。
由于每个重疾险的投保要求和保障的疾病不一样，因此每个重疾险对应的Sn值不同。将所有重疾险按照Sn进行排序，从高到低推荐给用户。比如前文中的举例，该用户被推荐的2款保险产品的分数分别为S1＝13.1和S2＝15。更高的匹配分数S2对应的保险I2将作为更高推荐优先级的产品推荐给用户。最后，根据排序结果给出最终的重疾险推荐建议。如此一来，本发明不仅避免了盲目营销，减少用户的抵触情绪，而且提升了用户体验，实现了保险服务的高效精准以及个性化推荐。
此外，本发明方法可以用于保险定制APP，可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的程序代码。所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全或部分地在用户的计算机、手机上执行。
本发明具体应用时，比如某用户首先购买基因检测服务，利用保险定制APP***计算出与重疾险相关疾病的基因风险值，获得基因风险标签。
其次，该用户在保险定制APP***的调查问卷中填写如下信息：30岁男性，身高170，体重80kg，不爱锻炼，有抽烟饮酒的习惯，有亲属得过肝癌。
然后，在基因检测计算的风险值中，该用户患肝癌的风险在所有人中排前10％，又因为调查问卷得知该用户有饮酒习惯并且亲属得过肝癌，则该用户获得综合肝癌高风险标签分数为25(分比较高)；又因为调查问卷得知该用户有抽烟的习惯，但基因风险不高且无亲属得过肺癌，得到综合肺癌高风险标签分数为15(得分中等)。
接着，保险定制APP***对销售的保险根据特点制定重疾险标签，其中有1款重疾险针对中年男性，对肝癌有额外50％支付保障金额，设定该保险针对肝癌的权重为2；该重疾险对肺癌有额外25％支付保障金额，设定该保险针对肝癌的权重为1.8。计算获得该重疾险对该用户综合标签的匹配分数S1＝25*2+15*1.8+(其他重疾病分数*对应权重)。
最后，保险定制APP***用上述的计算方式，计算出销售的所有重疾险的匹配分数S2，S3，S4，……，再将重疾险按匹配分数从高到低排序，得出保险推荐方案，并可将排名靠前的产品优先推荐给用户。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。
Claims (6)
1.一种使用基因检测结果和调查问卷推荐重疾险的方法，其特征在于，包括以下具体步骤：
S1、使用基因检测技术，计算用户与重疾险相关疾病的基因风险值，获得基因风险标签；
S2、使用调查问卷，让用户填写与销售的重疾险相关的问题，获得问卷标签；
S3、根据该用户的基因风险数值与调查问卷结果，获得综合标签；
S4、将销售的各个重疾险根据保障疾病的特点制定重疾险标签；
S5、根据该用户的综合标签，计算各个重疾险标签与该用户的匹配分数；
S6、将各个重疾险标签按照匹配分数由高到低排序，给出适合用户的重疾险的建议排序。
2.根据权利要求1所述的一种使用基因检测结果和调查问卷推荐重疾险的方法，其特征在于，步骤S1中，获得基因风险标签的方法如下：
(S1-1)如果用户携带某种疾病的风险突变，则获取该疾病的基因风险标签；
(S1-2)如果用户的基因计算出某个疾病的基因风险值属于人群的前10％，则获取该疾病的基因风险标签。
3.根据权利要求1所述的一种使用基因检测结果和调查问卷推荐重疾险的方法，其特征在于，步骤S2中，获得问卷标签的方法如下：
所述的调查问卷包括如下问题：生日，性别，身高，体重，血型，行为习惯，饮食习惯，健康问题，直系亲属患癌症；
(S2-1)通过生日计算用户年龄，得到不同年龄区段的标签；
(S2-2)通过身高体重计算肥胖或体重过低的标签；
(S2-3)通过行为习惯获取有利或有害健康的行为标签；
(S2-4)通过饮食习惯获取有利或有害健康的饮食标签；
(S2-5)通过健康问题获取已有疾病标签；
(S2-6)通过亲人是否有癌症获取亲人癌症标签。
4.根据权利要求1所述的一种使用基因检测结果和调查问卷推荐重疾险的方法，其特征在于，步骤S3中，获得综合标签的方法如下：
(S3-1)综合肺癌高风险标签：如果用户有肺癌的基因风险标签，或者该人有抽烟的习惯，或者该人的近亲属有肺癌的患病史，则获得该标签；
(S3-2)综合癌症高风险标签：如果用户有多个基因癌症风险标签，则获得该标签；
(S3-3)综合冠心病高风险标签：如果用户有高血压、高甘油三酯血症、冠心病风险任一标签，则获得该标签；
(S3-4)综合运动神经元疾病标签：如果用户有携带肌张力障碍风险突变、迟发性运动障碍、特发性震颤、肌萎缩侧索硬化症、基因进行性核上麻痹任一标签，则获得该标签。
5.根据权利要求1所述的一种使用基因检测结果和调查问卷推荐重疾险的方法，其特征在于，步骤S4中，获得重疾险标签的方法如下：
将销售的重疾险进行整理，对每个重疾险制定标签，包括：适合的性别，体重范围，年龄范围，是否携带有些疾病，保障的疾病类型，可赔偿的次数。
6.根据权利要求1所述的一种使用基因检测结果和调查问卷推荐重疾险的方法，其特征在于，步骤S5中，计算重疾险标签匹配程度的方法如下：
设置用户的综合标签为D，符合某条件或某疾病的综合标签为Dn，Dn对应的权重为Qn；设置重疾险标签为I，正在销售的某重疾险标签为In；设置重疾险标签与综合标签的匹配分数为S，In涵盖的综合标签Dn的匹配分数为Sn＝In(D1，D2，D3……Dn)；
则计算某重疾险与综合标签的匹配分数Sn＝D1*Q1+D2*Q2+D3*Q3+……+Dn*Qn，即先对该重疾险涵盖的Dn设置权重Qn后，再进行求和。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011349019.9A CN112487287B (zh) | 2020-11-26 | 2020-11-26 | 一种使用基因检测结果和调查问卷推荐重疾险的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011349019.9A CN112487287B (zh) | 2020-11-26 | 2020-11-26 | 一种使用基因检测结果和调查问卷推荐重疾险的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112487287A true CN112487287A (zh) | 2021-03-12 |
| CN112487287B CN112487287B (zh) | 2024-03-22 |
Family
ID=74935017
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011349019.9A Active CN112487287B (zh) | 2020-11-26 | 2020-11-26 | 一种使用基因检测结果和调查问卷推荐重疾险的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112487287B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113256437A (zh) * | 2021-07-15 | 2021-08-13 | 大童保险销售服务有限公司 | 一种配置疾病保险产品方案的方法、***及存储介质 |
| JP2023033052A (ja) * | 2021-08-27 | 2023-03-09 | 長佳智能股▲分▼有限公司 | 遺伝子診断リスク判定システム |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101093560A (zh) * | 2006-06-19 | 2007-12-26 | 上海主健生物工程有限公司 | 应用基因检测技术提供主动健康服务的运行体系和方法 |
| CN107330719A (zh) * | 2017-06-09 | 2017-11-07 | 上海新概念保险经纪有限公司 | 一种保险产品推荐方法及*** |
| CN107391908A (zh) * | 2017-06-28 | 2017-11-24 | 天方创新（北京）信息技术有限公司 | 运动风险评估方法及装置 |
| CN108959618A (zh) * | 2018-07-18 | 2018-12-07 | 北京欣欣苹果网络科技有限公司 | 互联网信息收集及处理方法和装置 |
| CN109255721A (zh) * | 2018-10-30 | 2019-01-22 | 平安医疗健康管理股份有限公司 | 基于费用预测的保险推荐方法、设备、服务器及可读介质 |
| CN109559190A (zh) * | 2018-10-22 | 2019-04-02 | 中国平安人寿保险股份有限公司 | 保险产品数据推送方法、装置、介质和计算机设备 |
| TW201928992A (zh) * | 2017-12-18 | 2019-07-16 | 達易特基因科技股份有限公司 | 結合基因檢測之健康管理及諮詢系統 |
| KR102086850B1 (ko) * | 2019-07-26 | 2020-03-09 | 이준호 | 유전자 분석을 통한 보험설계 및 보험상품 매칭 시스템 |
| CN110993103A (zh) * | 2019-11-28 | 2020-04-10 | 阳光人寿保险股份有限公司 | 疾病风险预测模型的建立方法和疾病保险产品的推荐方法 |
| KR20200088708A (ko) * | 2019-01-15 | 2020-07-23 | 제노플랜코리아 주식회사 | 보험 추천 시스템 및 그 동작 방법 |
| CN111653360A (zh) * | 2020-05-26 | 2020-09-11 | 苏州罗塞塔生物科技有限公司 | 一种基于脑健康风险评估的干预*** |
-
2020
- 2020-11-26 CN CN202011349019.9A patent/CN112487287B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101093560A (zh) * | 2006-06-19 | 2007-12-26 | 上海主健生物工程有限公司 | 应用基因检测技术提供主动健康服务的运行体系和方法 |
| CN107330719A (zh) * | 2017-06-09 | 2017-11-07 | 上海新概念保险经纪有限公司 | 一种保险产品推荐方法及*** |
| CN107391908A (zh) * | 2017-06-28 | 2017-11-24 | 天方创新（北京）信息技术有限公司 | 运动风险评估方法及装置 |
| TW201928992A (zh) * | 2017-12-18 | 2019-07-16 | 達易特基因科技股份有限公司 | 結合基因檢測之健康管理及諮詢系統 |
| CN108959618A (zh) * | 2018-07-18 | 2018-12-07 | 北京欣欣苹果网络科技有限公司 | 互联网信息收集及处理方法和装置 |
| CN109559190A (zh) * | 2018-10-22 | 2019-04-02 | 中国平安人寿保险股份有限公司 | 保险产品数据推送方法、装置、介质和计算机设备 |
| CN109255721A (zh) * | 2018-10-30 | 2019-01-22 | 平安医疗健康管理股份有限公司 | 基于费用预测的保险推荐方法、设备、服务器及可读介质 |
| KR20200088708A (ko) * | 2019-01-15 | 2020-07-23 | 제노플랜코리아 주식회사 | 보험 추천 시스템 및 그 동작 방법 |
| KR102086850B1 (ko) * | 2019-07-26 | 2020-03-09 | 이준호 | 유전자 분석을 통한 보험설계 및 보험상품 매칭 시스템 |
| CN110993103A (zh) * | 2019-11-28 | 2020-04-10 | 阳光人寿保险股份有限公司 | 疾病风险预测模型的建立方法和疾病保险产品的推荐方法 |
| CN111653360A (zh) * | 2020-05-26 | 2020-09-11 | 苏州罗塞塔生物科技有限公司 | 一种基于脑健康风险评估的干预*** |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113256437A (zh) * | 2021-07-15 | 2021-08-13 | 大童保险销售服务有限公司 | 一种配置疾病保险产品方案的方法、***及存储介质 |
| CN113256437B (zh) * | 2021-07-15 | 2021-11-02 | 大童保险销售服务有限公司 | 一种配置疾病保险产品方案的方法、***及存储介质 |
| JP2023033052A (ja) * | 2021-08-27 | 2023-03-09 | 長佳智能股▲分▼有限公司 | 遺伝子診断リスク判定システム |
| JP7376878B2 (ja) | 2021-08-27 | 2023-11-09 | 長佳智能股▲分▼有限公司 | 遺伝子診断リスク判定システム |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112487287B (zh) | 2024-03-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Toledo et al. | A food recommender system considering nutritional information and user preferences | |
| CN110110181B (zh) | 一种基于用户风格和场景偏好的服装搭配推荐方法 | |
| US9799041B2 (en) | Method and apparatus for interactive evolutionary optimization of concepts | |
| Newson | Parameters behind “nonparametric” statistics: Kendall's tau, Somers’ D and median differences | |
| CN111767466B (zh) | 基于人工智能的推荐信息推荐方法、装置及电子设备 | |
| US20070244888A1 (en) | Affinity attributes for product assessment | |
| KR20170066364A (ko) | 개인맞춤형 영양학적 건강 스코어를 계산, 디스플레이, 수정, 및 이용하기 위한 시스템 및 방법 | |
| CN112487287B (zh) | 一种使用基因检测结果和调查问卷推荐重疾险的方法 | |
| US11694218B2 (en) | Computer technology for automated pricing guidance | |
| KR102187952B1 (ko) | 건강 증진 정보 제공 장치 및 방법 | |
| US20070038587A1 (en) | Predicting apparatus, predicting method, and computer product | |
| Yeh et al. | Eliciting egg consumer preferences for organic labels and omega 3 claims in Italy and Hungary | |
| Samad et al. | Smartphone apps for tracking food consumption and recommendations: Evaluating artificial intelligence-based functionalities, features and quality of current apps | |
| KR101567684B1 (ko) | 협업필터링 기반의 상품 추천 시스템에서 추천 기법을 선택하는 방법 | |
| Jurado et al. | Does the valuation of nutritional claims differ among consumers? Insights from Spain | |
| CN111868836A (zh) | 食品信息提供***、装置、方法以及程序 | |
| Jacobsen et al. | Shopping in reality or virtuality? a validation study of consumers’ price memory in a virtual vs. physical supermarket | |
| KR20030058660A (ko) | 개인화 시스템에서 사용자의 컨텐트 선호도를 이용한협업필터링 학습방법 | |
| Meier et al. | Consumers’ valuation of farmers’ varieties for food system diversity | |
| JP2020506477A (ja) | 個人遺伝子のプロフィールに基づいて購入勧告を決定して、提示するためのシステム及び方法 | |
| Bernstein et al. | Comparing the nutritional composition of foods and beverages in the Canadian Nutrient File to a large representative database of Canadian prepackaged foods and beverages | |
| US20130166407A1 (en) | Computer implemented method for managing information | |
| JP6211683B2 (ja) | 購買履歴分類システム及び購買履歴分類方法 | |
| Hsu et al. | A web-based decision support system for dietary analysis and recommendations | |
| JP2021125260A (ja) | 情報提示システム、情報提示方法、及び情報提示用プログラム |
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 |