欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 202411324929X
申请人: 临沂大学
专利类型:发明专利
专利状态:已下证
更新日期:2026-04-02
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种社区慢性病精准护理随访方法,其特征在于,包括以下步骤:步骤S1:获取用户体征数据以及用户生活方式数据;

步骤S2:根据用户体征数据以及预设的慢性病医疗图谱进行拟合,得到用户慢性病指数数据;根据用户生活方式数据以及用户慢性病指数数据进行用户慢性病指数调整,得到用户慢性病指数调整数据;

步骤S3:获取用户体征数据对应的用户位置数据,并根据用户位置数据以及用户慢性病指数调整数据进行社区划分,得到用户慢性病指数社区划分数据;

步骤S4:根据用户慢性病指数社区划分数据进行随访路径构建,得到社区慢性病随访计划数据,以进行社区慢性病护理随访作业;

其中步骤S1具体为:

步骤S11:通过便携式设备采集用户体征数据以及用户运动数据,其中用户体征数据包括用户心率数据以及用户血压数据;

步骤S12:根据用户心率数据以及用户运动数据进行用户生活方式特征提取,得到用户生活方式特征数据;

步骤S13:获取历史用户生活方式数据以及历史用户体征数据;

步骤S14:根据历史用户生活方式数据对历史用户体征数据进行生活方式聚类计算,得到历史用户生活方式聚类特征数据;

步骤S15:根据用户生活方式特征数据以及历史用户生活方式聚类特征数据进行拟合映射,得到用户生活方式特征拟合映射数据;

步骤S16:获取用户运动数据对应的用户运动时间数据;

步骤S17:根据用户运动时间数据对用户生活方式特征拟合映射数据进行评估筛选,得到用户生活方式数据;

其中生活方式聚类计算具体为:

根据历史用户生活方式数据对历史用户体征数据进行谱聚类计算,得到第一历史用户生活方式聚类特征数据;

根据历史用户生活方式数据对历史用户体征数据进行图聚类计算,得到第二历史用户生活方式聚类特征数据;

将第一历史用户生活方式聚类特征数据以及第二历史用户生活方式聚类特征数据进行映射对齐,得到历史用户生活方式特征对齐数据;

对历史用户生活方式特征对齐数据进行相似度计算并加权合并,得到历史用户生活方式聚类特征数据;

其中谱聚类计算具体为:

根据历史用户生活方式数据以及历史用户体征数据进行图构建,得到历史用户生活方式体征关联图数据;

根据历史用户生活方式体征关联图数据进行相似图特征编码,得到历史用户生活方式体征图特征数据;

根据历史用户生活方式体征图特征数据进行拉普拉斯矩阵计算,得到第一历史用户生活方式体征矩阵数据;

根据第一历史用户生活方式体征矩阵数据进行特征值分解并嵌入空间生成,得到历史生活方式体征特征嵌入空间数据;

根据历史生活方式体征特征嵌入空间数据进行聚类处理,得到第一历史用户生活方式聚类特征数据;

其中相似图特征编码具体为:

根据历史用户生活方式体征关联图数据进行多尺度卷积计算,得到关联图特征卷积层数据;

对关联图特征卷积层数据进行全局局部多头自注意力计算,得到第一关联图特征自注意力数据;

对关联图卷积层数据进行掩码多头自注意力计算,得到第二关联图特征自注意力数据;

对第一关联图特征自注意力数据进行池化层计算,得到关联图特征池化层数据,并对第二关联图特征自注意力数据进行特征蒸馏,得到关联图特征蒸馏数据;

根据关联图特征池化层数据以及关联图特征蒸馏数据进行相似图构建,得到历史用户生活方式体征图特征数据;

其中图聚类计算具体为:

根据历史用户生活方式数据以及历史用户体征数据进行相似矩阵构建,得到历史用户生活方式体征相似矩阵数据;

根据历史用户生活方式体征相似矩阵数据进行邻接矩阵以及度矩阵构建,分别得到历史用户生活方式体征邻接矩阵数据以及历史用户生活方式体征度矩阵数据;

根据历史用户生活方式体征邻接矩阵数据以及历史用户生活方式体征度矩阵数据进行拉普拉斯矩阵计算,得到第一历史用户生活方式体征矩阵数据;

根据第一历史用户生活方式体征矩阵数据进行特征值分解并图嵌入生成,得到历史用户生活方式体征嵌入数据;

根据历史用户生活方式体征嵌入数据进行层次聚类,得到第二历史用户生活方式聚类特征数据;

其中评估筛选具体为:

根据用户运动时间数据进行用户生物钟行为预估,得到用户生物钟行为数据;

根据用户运动数据以及用户生物钟行为数据进行户内外生活方式筛选,得到用户内外生活方式筛选数据;

根据用户内外生活方式筛选数据以及用户生活方式特征拟合映射数据进行拟合,得到用户生活方式数据;

步骤S3具体为:

步骤S31:获取用户体征数据对应的用户位置数据;

步骤S32:根据用户位置数据以及用户慢性病指数调整数据进行关联,得到用户慢性病指数位置关联数据;

步骤S33:根据用户慢性病指数位置关联数据进行区域聚类计算,得到用户慢性病指数位置聚类特征数据;

步骤S34:获取社区医疗资源数据;

步骤S35:根据社区医疗资源数据以及用户慢性病指数位置聚类特征数据进行匹配划分,得到用户慢性病指数社区划分数据;

步骤S4具体为:

步骤S41:根据用户慢性病指数社区划分数据进行走访路径构建,得到初级走访路径数据;

步骤S42:根据用户慢性病指数社区划分数据进行优先级划分,得到社区划分优先级数据;

步骤S43:获取随访人员数据;

步骤S44:根据随访人员数据进行随访资源预估,得到随访资源数据;

步骤S45:根据随访资源数据以及社区划分优先级数据进行优先级匹配,得到社区划分随访匹配数据;

步骤S46:根据社区划分随访匹配数据对初级走访路径数据进行映射,得到社区慢性病随访计划数据,以进行社区慢性病护理随访作业。

2.一种社区慢性病精准护理随访系统,其特征在于,用于执行如权利要求1所述的社区慢性病精准护理随访方法,该社区慢性病精准护理随访系统包括:用户数据采集模块,用于获取用户体征数据以及用户生活方式数据;

用户慢性病指数调整模块,用于根据用户体征数据以及预设的慢性病医疗图谱进行拟合,得到用户慢性病指数数据;根据用户生活方式数据以及用户慢性病指数数据进行用户慢性病指数调整,得到用户慢性病指数调整数据;

用户慢性病指数社区划分模块,用于获取用户体征数据对应的用户位置数据,并根据用户位置数据以及用户慢性病指数调整数据进行社区划分,得到用户慢性病指数社区划分数据;

社区慢性病护理随访路径构建模块,用于根据用户慢性病指数社区划分数据进行随访路径构建,得到社区慢性病随访计划数据,以进行社区慢性病护理随访作业。