1.本技術涉及數據處理領域，特別是涉及一種健康情況分析方法、裝置、計算機設備和存儲介質。

背景技術：

2.慢性病是指不構成傳染、具有長期積累形成疾病形態(tài)損害的疾病的總稱。慢性病的危害主要是造成腦、心、腎等重要臟器的損害，易造成傷殘，影響勞動能力和生活質量，且醫(yī)療費用極其昂貴，增加了社會和家庭的經濟負擔。慢性病的發(fā)病原因60％取決于個人的生活方式。在日常體檢結果中不會評估體檢綜合的健康或亞健康狀態(tài)，只會評判是否處于疾病狀態(tài)，也正是因為體檢數據不能對人體的健康情況做及時的提醒，導致人們對自我身體健康狀況不夠了解或者不過重視，一些潛在的因素日積月累地對身體造成不可逆轉的危害。并且體檢報告對于異常但又未達到疾病程度的指標缺乏有效的應對手段。

技術實現要素：

3.基于此，有必要針對上述技術問題，提供一種能夠給出詳細有效的健康狀態(tài)的智能健康管理系統。
4.本技術提供一種智能健康管理系統。系統包括健康數據檢測設備和云平臺服務器；云平臺服務器包括健康數據處理模塊；
5.健康數據檢測設備，用于獲取人體健康基本數據和睡眠數據，人體健康數據包括身高和體重，睡眠數據包括呼吸紊亂指數；
6.健康數據處理模塊，用于根據人體健康基本數據，獲取生理健康指標，根據睡眠數據，獲取睡眠健康指標；生理健康指標包括肥胖程度，睡眠健康指標包括睡眠呼吸暫停程度。
7.在其中一個實施例中，睡眠數據包括睡眠環(huán)境音、分鐘通氣量、潮氣量、呼吸紊亂指數和心率；相應地，健康數據處理模塊，用于將睡眠數據輸入至多層健康數據模型，得到睡眠數據的分類結果，其中，多層健康數據模型包括標簽判斷模型、音頻識別模型和心率識別模型，標簽判斷模型，用于確定分鐘通氣量、潮氣量和呼吸紊亂指數的分類結果；音頻識別模型，用于確定睡眠環(huán)境音的分類結果，心率識別模型用于確定心率的分類識別結果。
8.在其中一個實施例中，云平臺服務器還包括健康數據訓練模塊，健康數據訓練模塊用于根據睡眠環(huán)境音的分類結果對音頻識別模型進行訓練，根據心率的分類結果對心率識別模型進行訓練。
9.在其中一個實施例中，標簽判斷模型，用于根據呼吸紊亂指數對應的第一預設閾值、第二預設閾值和第三預設閾值，確定呼吸紊亂指數的分類結果；
10.若呼吸紊亂指數小于第一預設閾值，則呼吸紊亂指數的分類結果為正常，若呼吸紊亂指數不小于第一預設閾值且小于第二預設閾值，則呼吸紊亂指數的分類結果為輕度睡眠呼吸暫停綜合征，若呼吸紊亂指數不小于第二預設閾值且小于第三預設閾值，則呼吸紊
亂指數的分類結果為中度睡眠呼吸暫停綜合征，若呼吸紊亂指數不小于第三預設閾值，則呼吸紊亂指數的分類結果為重度睡眠呼吸暫停綜合征。
11.在其中一個實施例中，呼吸紊亂指數的分類結果包括四種類型，四種類型分別為正常、輕度睡眠呼吸暫停綜合征、中度睡眠呼吸暫停綜合征及重度睡眠呼吸暫停綜合征；相應地，云平臺服務器還包括數據顯示模塊；
12.數據顯示模塊用于基于呼吸紊亂指數的歷史數據的分類結果，確定分類結果中每一類型的出現概率，并將出現概率最高的類型作為呼吸紊亂指數對應的顯示結果進行顯示。
13.在其中一個實施例中，顯示模塊，還用于將呼吸紊亂指數的所有歷史分類結果按呼吸紊亂指數的獲取時間順序進行顯示。
14.在其中一個實施例中，健康數據處理模塊，具體用于根據身高和體重，確定身體質量指數，根據身體質量指數確定肥胖程度。
15.在其中給一個實施例中，云平臺服務器還包括數據監(jiān)測模塊；數據監(jiān)測模塊，用于實時監(jiān)測健康數據處理模塊得到的睡眠數據的分類結果，若監(jiān)測到睡眠數據的分類結果出現異常，則根據異常的分類結果在健康標本庫中匹配對應的改善建議，并將異常的分類結果和對應的改善建議發(fā)送給用戶終端。
16.在其中一個實施例中，數據監(jiān)測模塊還包括關聯警告單元；關聯警告單元，用于監(jiān)測關聯賬號的睡眠數據的分類結果，若關聯賬號的分類結果出現異常，則將異常的分類結果發(fā)送給用戶終端。
17.在其中一個實施例中，睡眠數據包括分鐘通氣量、呼吸紊亂指數和心率；相應地，異常的分類結果包括呼吸急促、重度睡眠呼吸暫停綜合征和心率值過高；呼吸急促是通過判斷分鐘通氣量是否大于分鐘通氣量閾值所得到的，重度睡眠呼吸暫停綜合征是通過判斷呼吸紊亂指數是否不小于第三預設閾值所得到的。
18.上述智能健康管理系統，包括：健康數據檢測設備和云平臺服務器；云平臺服務器包括健康數據處理模塊；健康數據檢測設備，用于獲取人體健康基本數據和睡眠數據，人體健康數據包括身高和體重，睡眠數據包括呼吸紊亂指數；健康數據處理模塊，用于根據人體健康基本數據，獲取生理健康指標，根據睡眠數據，獲取睡眠健康指標；生理健康指標包括肥胖程度，睡眠健康指標包括睡眠呼吸暫停程度。通過建立智能健康管理系統，對人在睡眠時的相關數據進行分析和跟蹤，能夠對慢性疾病做出提前預防管控，并且及時提醒和給出有效的應對手段。
附圖說明
19.圖1為一個實施例中智能健康管理系統示意圖；
20.圖2為一個實施例中智能健康管理系統的流程示意圖。
具體實施方式
21.為了使本技術的目的、技術方案及優(yōu)點更加清楚明白，以下結合附圖及實施例，對本技術進行進一步詳細說明。應當理解，此處描述的具體實施例僅僅用以解釋本技術，并不用于限定本技術。
22.慢性病是指不構成傳染、具有長期積累形成疾病形態(tài)損害的疾病的總稱。慢性病的危害主要是造成腦、心、腎等重要臟器的損害，易造成傷殘，影響勞動能力和生活質量，且醫(yī)療費用極其昂貴，增加了社會和家庭的經濟負擔。慢性病的發(fā)病原因60％取決于個人的生活方式。隨著生活水平的提高，人們生活飲食越來越好，導致肥胖率也越來越高，經常睡眠不規(guī)律、過度肥胖都是造成慢性疾病的重要原因。在日常體檢結果中不會評估體檢綜合的健康或亞健康狀態(tài)，只會評判是否處于疾病狀態(tài)，也正是因為體檢數據不能對人體的健康情況做及時的提醒，導致人們對自我身體健康狀況不夠了解或者不過重視，一些潛在的因素日積月累地對身體造成不可逆轉的危害。并且體檢報告對于異常但又未達到疾病程度的指標缺乏有效的應對手段。
23.針對上述技術問題，本技術提供一種智能健康管理系統，參見圖1，系統包括健康數據檢測設備101和云平臺服務器102，云平臺服務器包括健康數據處理模塊1021；
24.健康數據檢測設備101，用于獲取人體健康基本數據和睡眠數據，人體健康數據包括身高和體重，睡眠數據包括呼吸紊亂指數；
25.健康數據處理模塊1021，用于根據人體健康基本數據，獲取生理健康指標，根據睡眠數據，獲取睡眠健康指標；生理健康指標包括肥胖程度，睡眠健康指標包括睡眠呼吸暫停程度。
26.其中，健康數據檢測設備包括醫(yī)療設備和可穿戴設備，例如呼吸機、智能睡眠監(jiān)測帶、高流量濕化治療儀等，能夠實時獲取人體生理機能的設備。健康數據檢測設備通過無線網絡與云平臺服務器進行連接，將采集到的數據發(fā)送給云平臺服務器。
27.云平臺服務器能夠對接收到的大量數據進行分析管理，確定個人健康數據對應的健康狀況。用戶可以通過終端登錄云平服務器，云平服務器將對用戶健康數據的分析結果在用戶終端上顯示，并且可以通過終端提醒用戶關注異常數據。
28.具體地，參見圖2，云平臺的健康數據處理模塊接收的數據通過兩種方式獲取，第一種是通過健康數據檢測設備上傳的數據，第二種是通過用戶終端發(fā)送的數據，即在用戶登錄云平臺服務器的時候，會在終端的界面上輸入人體健康基本數據和一些歷史疾病情況，如有無心臟病史、有無高血壓等?？梢岳斫獾氖?，類似身高體重的人體健康基本數據也可以通過聯網設備獲取，本實施例不對此作具體限定。云平臺服務器在用戶終端初次登錄的時候，會對用戶終端戶發(fā)送的數據進行處理，通過標簽判斷模型確定用戶的初始健康標簽，并在云平臺服務器的數據庫中建立存檔。
29.然后通過健康數據檢測設備獲取的人體健康基本數據和睡眠數據，對用戶的健康標簽進行更新，例如心率的高低、血糖的高低等標簽，這些標簽都是通過健康數據處理模塊確定的。例如對獲取到的睡眠數據進行處理，假如檢測到呼吸暫停、打鼾等情況，會將異常的數據進行標記，存儲在數據庫中。
30.本實施例提供的智能健康管理系統，包括健康數據檢測設備和云平臺服務器；云平臺服務器包括健康數據處理模塊；健康數據檢測設備，用于獲取人體健康基本數據和睡眠數據，人體健康數據包括身高和體重，睡眠數據包括呼吸紊亂指數；健康數據處理模塊，用于根據人體健康基本數據，獲取生理健康指標，根據睡眠數據，獲取睡眠健康指標；生理健康指標包括肥胖程度，睡眠健康指標包括睡眠呼吸暫停程度。通過建立智能健康管理系統，對人在睡眠時的相關數據進行分析和跟蹤，能夠對慢性疾病做出提前預防管控，并且及
時提醒和給出有效的應對手段。
31.在其中一個實施例中，睡眠數據包括睡眠環(huán)境音、分鐘通氣量、潮氣量、呼吸紊亂指數和心率；相應地，健康數據處理模塊，用于將睡眠數據輸入至多層健康數據模型，得到睡眠數據的分類結果，其中，多層健康數據模型包括標簽判斷模型、音頻識別模型和心率識別模型，標簽判斷模型，用于確定分鐘通氣量、潮氣量和呼吸紊亂指數的分類結果；音頻識別模型，用于確定睡眠環(huán)境音的分類結果，心率識別模型用于確定心率的分類識別結果。
32.其中，睡眠環(huán)境音是指通過健康數據檢測設備獲取到的睡眠時的音頻數據，通過音頻識別模型，確定睡眠時的環(huán)境音，包括靜音、鼾聲和雜音，其中雜音是指會對睡眠質量有影響的噪音，例如夏天睡覺時的風扇聲音、或者馬路上的鳴笛聲等不是鼾聲的聲音。心率是指正常人安靜狀態(tài)下每分鐘心跳的次數，也叫安靜心率，一般為60～100次/分。本實施例中通過心率識別模型對檢測到的心率值進行判斷。需要說明的是，由于心率可因年齡、性別或其他生理因素產生個體差異，在確保準確率和系統處理數據的效率的前提下，可以根據不同年齡段設置不同的心率識別模型，或者建立初始模型，然后通過用戶的而不斷使用過程，對初始心率識別模型進行再訓練，得到更符合用戶個體的心率識別模型。分鐘通氣量即每分鐘進或出肺的氣體量，潮氣量是每次呼吸時吸入或呼出的氣體量。
33.本實施例提供的智能健康管理系統，睡眠數據包括睡眠環(huán)境音、分鐘通氣量、潮氣量、呼吸紊亂指數和心率；相應地，健康數據處理模塊，用于將睡眠數據輸入至多層健康數據模型，得到睡眠數據的分類結果，其中，多層健康數據模型包括標簽判斷模型、音頻識別模型和心率識別模型，標簽判斷模型，用于確定分鐘通氣量、潮氣量和呼吸紊亂指數的分類結果；音頻識別模型，用于確定睡眠環(huán)境音的分類結果，心率識別模型用于確定心率的分類識別結果。通過建立智能健康管理系統，對人在睡眠時的相關數據進行分析和跟蹤，能夠對慢性疾病做出提前預防管控，并且及時提醒和給出有效的應對手段。
34.在其中一個實施例中，云平臺服務器還包括健康數據訓練模塊，健康數據訓練模塊用于根據睡眠環(huán)境音的分類結果對音頻識別模型進行訓練，根據心率的分類結果對心率識別模型進行訓練。
35.具體地，對收集到的鼾聲、夢話等音頻數據進行清洗標注等處理，然后利用深度學習cnn與lstm混合模型作為音頻識別的初始模型，對模型進行訓練得到模型的初始參數，而在用戶使用過程中，在得到睡眠環(huán)境音的分類結果后，對睡眠環(huán)境音的分類結果進行修正后，對模型進行反向訓練，得到更加精準的參數。對于心率識別模型也可以利用實時獲取的心率值的識別結果進行反向訓練。通過大量的實時數據樣本對音頻識別模型和心率識別模型進行訓練，不斷的調整標準健康訓練模型的數據參數，進一步的提高數據分析的識別精準度。
36.本技術實施例提供的智能健康管理系統，云平臺服務器還包括健康數據訓練模塊，健康數據訓練模塊用于根據睡眠環(huán)境音的分類結果對音頻識別模型進行訓練，根據心率的分類結果對心率識別模型進行訓練。通過建立智能健康管理系統，對人在睡眠時的相關數據進行分析和跟蹤，能夠對慢性疾病做出提前預防管控，并且及時提醒和給出有效的應對手段。
37.在其中一個實施例中，標簽判斷模型，用于根據呼吸紊亂指數對應的第一預設閾值、第二預設閾值和第三預設閾值，確定呼吸紊亂指數的分類結果；
38.若呼吸紊亂指數小于第一預設閾值，則呼吸紊亂指數的分類結果為正常，若呼吸紊亂指數不小于第一預設閾值且小于第二預設閾值，則呼吸紊亂指數的分類結果為輕度睡眠呼吸暫停綜合征，若呼吸紊亂指數不小于第二預設閾值且小于第三預設閾值，則呼吸紊亂指數的分類結果為中度睡眠呼吸暫停綜合征，若呼吸紊亂指數不小于第三預設閾值，則呼吸紊亂指數的分類結果為重度睡眠呼吸暫停綜合征。
39.其中，呼吸紊亂指數是指平均每小時睡眠中，呼吸暫停和低通氣的次數，呼吸暫停指口鼻氣流完全停止大于等于10秒，即氣道大概阻塞100％；低通氣指氣流下降大于或等于50％，持續(xù)10秒以上，并伴有不少3％的sao2(血氧飽和度)下降或微覺醒，即氣道大概阻塞50％。通過設置不同的閾值對呼吸紊亂指數進行判斷，例如第一預設閾值為5、第二預設閾值為15、第三預設閾值為30，則若呼吸紊亂指數小于5為正常值，若呼吸紊亂指數為5到15為輕度睡眠呼吸暫停綜合癥，若呼吸紊亂指數為15到30時為中度睡眠呼吸暫停綜合癥，若呼吸紊亂指數大于30，則為重度睡眠呼吸暫停綜合癥。
40.本技術實施例提供的智能健康管理系統，標簽判斷模型，用于根據呼吸紊亂指數對應的第一預設閾值、第二預設閾值和第三預設閾值，確定呼吸紊亂指數的分類結果；若呼吸紊亂指數小于第一預設閾值，則呼吸紊亂指數的分類結果為正常，若呼吸紊亂指數不小于第一預設閾值且小于第二預設閾值，則呼吸紊亂指數的分類結果為輕度睡眠呼吸暫停綜合征，若呼吸紊亂指數不小于第二預設閾值且小于第三預設閾值，則呼吸紊亂指數的分類結果為中度睡眠呼吸暫停綜合征，若呼吸紊亂指數不小于第三預設閾值，則呼吸紊亂指數的分類結果為重度睡眠呼吸暫停綜合征。通過建立智能健康管理系統，對人在睡眠時的相關數據進行分析和跟蹤，能夠對慢性疾病做出提前預防管控，并且及時提醒和給出有效的應對手段。
41.在其中一個實施例中，呼吸紊亂指數的分類結果包括四種類型，四種類型分別為正常、輕度睡眠呼吸暫停綜合征、中度睡眠呼吸暫停綜合征及重度睡眠呼吸暫停綜合征；相應地，云平臺服務器還包括數據顯示模塊；
42.數據顯示模塊用于基于呼吸紊亂指數的歷史數據的分類結果，確定分類結果中每一類型的出現概率，并將出現概率最高的類型作為呼吸紊亂指數對應的顯示結果進行顯示。
43.在其中一個實施例中，顯示模塊，還用于將呼吸紊亂指數的所有歷史分類結果按呼吸紊亂指數的獲取時間順序進行顯示。
44.需要說明的是，一次完整睡眠中獲取的呼吸紊亂指數為一次歷史數據，一次歷史數據對應一個分類結果，可以理解的是，對于人的睡眠數據，一次歷史數據的分類結果并不代表人的整體的長期的一個狀況，所以在每次獲取到呼吸紊亂指數的分類結果后，都會根據所以有記錄的歷史數據的分類結果給出一個人的呼吸紊亂指數分類結果代表人的長期的睡眠呼吸的狀況。當然，基于所有的歷史數據，為了便于查看，云平臺服務器在接收到查詢指令后，或將所有復合查詢條件的歷史數據發(fā)送給用戶終端，在用戶終端上按歷史數據獲取的時間節(jié)點進行顯示。
45.本技術實施例提供的智能健康管理系統，呼吸紊亂指數的分類結果包括四種類型，四種類型分別為正常、輕度睡眠呼吸暫停綜合征、中度睡眠呼吸暫停綜合征及重度睡眠呼吸暫停綜合征；相應地，云平臺服務器還包括數據顯示模塊；數據顯示模塊用于基于呼吸
紊亂指數的歷史數據的分類結果，確定分類結果中每一類型的出現概率，并將出現概率最高的類型作為呼吸紊亂指數對應的顯示結果進行顯示。顯示模塊，還用于將呼吸紊亂指數的所有歷史分類結果按呼吸紊亂指數的獲取時間順序進行顯示。通過建立智能健康管理系統，對人在睡眠時的相關數據進行分析和跟蹤，能夠對慢性疾病做出提前預防管控，并且及時提醒和給出有效的應對手段。
46.在其中一個實施例中，健康數據處理模塊，具體用于根據身高和體重，確定身體質量指數，根據身體質量指數確定肥胖程度。
47.身體質量指數是國際上衡量人體胖瘦程度以及是否健康的一個常用指標，身體質量指數正常值在20至25之間，超過25為超重，30以上則屬肥胖。與身體質量指數相關的疾病有小兒肥胖癥、肥胖癥等，身體質量指數的計算公式為：體重除以身高的平方，其中體重的單位是千克，身高的單位是米。而身高和體重可以是通過用戶終端直接上傳的，也可以是利用綁定的健康數據檢測設備獲取的，如智能體重秤獲取體重。
48.本技術實施例提供的智能健康管理系統，健康數據處理模塊，具體用于根據身高和體重，確定身體質量指數，根據身體質量指數確定肥胖程度。通過建立智能健康管理系統，對人在睡眠時的相關數據進行分析和跟蹤，能夠對慢性疾病做出提前預防管控，并且及時提醒和給出有效的應對手段。
49.在其中一個實施例中，云平臺服務器還包括數據監(jiān)測模塊；數據監(jiān)測模塊，用于實時監(jiān)測健康數據處理模塊得到的睡眠數據的分類結果，若監(jiān)測到睡眠數據的分類結果出現異常，則根據異常的分類結果在健康標本庫中匹配對應的改善建議，并將異常的分類結果和對應的改善建議發(fā)送給用戶終端。
50.其中，健康標本庫存儲有大量慢性疾病對應的睡眠數據和人體健康基本數據的分類結果，和分類結果對應的預防建議參考及疾病科普知識。但系統的數據監(jiān)測模塊發(fā)現有異常的數據的分類結果時，通過識別算法模型，匹配用戶數據和異常數據對應的預防建議參考及疾病科普知識，然后將異常數據的分類結果和對應的預防建議參考及疾病科普知識發(fā)送給用戶數據對應的終端，例如可以通過發(fā)送短信的方式將用戶的身體睡眠狀況和改善建議發(fā)送到對應的終端。
51.本技術實施例提供的智能健康管理系統，云平臺服務器還包括數據監(jiān)測模塊；數據監(jiān)測模塊，用于實時監(jiān)測健康數據處理模塊得到的睡眠數據的分類結果，若監(jiān)測到睡眠數據的分類結果出現異常，則根據異常的分類結果在健康標本庫中匹配對應的改善建議，并將異常的分類結果和對應的改善建議發(fā)送給用戶終端?；诖髷祿悄芩惴ǖ慕】倒芾矸椒ǖ南到y充分利用了移動、智能、便捷的互聯網技術優(yōu)勢，使得用戶更便捷更快速的知道自身的健康情況，提前預防疾病風險并改善，又可以進一步促進用戶對慢性疾病的知識普及及預防認知提高。
52.在其中一個實施例中，數據監(jiān)測模塊還包括關聯警告單元；關聯警告單元，用于監(jiān)測關聯賬號的睡眠數據的分類結果，若關聯賬號的分類結果出現異常，則將異常的分類結果發(fā)送給用戶終端。
53.其中，關聯用戶是指登錄云平臺服務器的終端之間有關聯性的幾個終端，在每一個用戶終端在向云平臺服務器發(fā)送注冊信息的時候，可以選擇關聯賬戶的信息進行綁定，獲得云平臺服務器發(fā)送的查看關聯賬號的信息的授權。例如父母與子女之間，由于老年人
對智能設備的操作認知局限性，可以將父母的信息關聯到子女的終端上，在數據監(jiān)測模塊的關聯警告單元發(fā)現父母的健康數據出現異常時，可以將異常情況和異常數據對應的數據指標發(fā)送到子女的手機上進行異常報警提醒。另外，可以將關聯賬號的生理健康指標和睡眠健康指標存儲在家庭健康管理中心中，便于直接查看。
54.本技術實施例提供的智能健康管理系統，數據監(jiān)測模塊還包括關聯警告單元；關聯警告單元，用于監(jiān)測關聯賬號的睡眠數據的分類結果，若關聯賬號的分類結果出現異常，則將異常的分類結果發(fā)送給用戶終端?；诖髷祿悄芩惴ǖ慕】倒芾矸椒ǖ南到y充分利用了移動、智能、便捷的互聯網技術優(yōu)勢，使得用戶更便捷更快速的知道自身的健康情況，提前預防疾病風險并改善，又可以進一步促進用戶對慢性疾病的知識普及及預防認知提高。
55.在其中一個實施例中，睡眠數據包括分鐘通氣量、呼吸紊亂指數和心率；相應地，異常的分類結果包括呼吸急促、重度睡眠呼吸暫停綜合征和心率值過高；呼吸急促是通過判斷分鐘通氣量是否大于分鐘通氣量閾值所得到的，重度睡眠呼吸暫停綜合征是通過判斷呼吸紊亂指數是否不小于第三預設閾值所得到的。
56.其中，呼吸急促是一種淺而速的呼吸，呼吸頻率超過24次/分鐘，在本方案中通過分鐘通氣量的大小來判斷是否發(fā)生呼吸急促，也可以結合潮氣量進行判斷，如由分鐘通氣量與潮氣量確定呼吸頻率，然后設定閾值為24，若呼吸頻率大于24次/分鐘，則判定為呼吸急促，發(fā)出異常警報。
57.呼吸暫停綜合癥就是響亮地鼾聲突然中斷，患者強力呼吸但不起作用，完全呼吸不了，幾秒甚至幾十秒鐘后患者醒來，大聲喘息，氣道被迫開放，然后繼續(xù)呼吸。當出現重度睡眠呼吸暫停綜合征時，人體很有可能隨時窒息導致在睡夢中出現危險。通過設置呼吸紊亂指數的最大上限值即第三預設閾值，判斷是否出現重度睡眠呼吸暫停綜合征。
58.本技術實施例提供的智能健康管理系統，睡眠數據包括分鐘通氣量、呼吸紊亂指數和心率；相應地，異常的分類結果包括呼吸急促、重度睡眠呼吸暫停綜合征和心率值過高；呼吸急促是通過判斷分鐘通氣量是否大于分鐘通氣量閾值所得到的，重度睡眠呼吸暫停綜合征是通過判斷呼吸紊亂指數是否不小于第三預設閾值所得到的?；诖髷祿悄芩惴ǖ慕】倒芾矸椒ǖ南到y充分利用了移動、智能、便捷的互聯網技術優(yōu)勢，使得用戶更便捷更快速的知道自身的健康情況，提前預防疾病風險并改善，又可以進一步促進用戶對慢性疾病的知識普及及預防認知提高。
59.需要說明的是，上述闡述的技術方案在實際實施過程中可以作為獨立實施例來實施，也可以彼此之間進行組合并作為組合實施例實施。另外，在對上述本發(fā)明實施例內容進行闡述時，僅基于方便闡述的思路，按照相應順序對不同實施例進行闡述，如按照數據流流向的順序，而并非是對不同實施例之間的執(zhí)行順序進行限定，也不是對實施例內部步驟的執(zhí)行順序進行限定。相應地，在實際實施過程中，若需要實施本發(fā)明提供的多個實施例，則不一定需要按照本發(fā)明闡述實施例時所提供的執(zhí)行順序，而是可以根據需求安排不同實施例之間的執(zhí)行順序。
60.以上實施例的各技術特征可以進行任意的組合，為使描述簡潔，未對上述實施例中的各個技術特征所有可能的組合都進行描述，然而，只要這些技術特征的組合不存在矛盾，都應當認為是本說明書記載的范圍。
61.以上所述實施例僅表達了本技術的幾種實施方式，其描述較為具體和詳細，但并不能因此而理解為對發(fā)明專利范圍的限制。應當指出的是，對于本領域的普通技術人員來說，在不脫離本技術構思的前提下，還可以做出若干變形和改進，這些都屬于本技術的保護范圍。因此，本技術專利的保護范圍應以所附權利要求為準。

相關知識

健康管理系統,健康管理平臺,智慧健康管理系統,慢病管理系統
營動智能健康管理系統平臺，慢病管理新途徑
一種遠程健康體檢管理系統的制作方法
智啟未來健康——人工智能智慧醫(yī)療健康管理系統
智能新型居民健康檔案管理系統
智能健康監(jiān)測設備與管理系統的一體化解決方案
人工智能智慧醫(yī)療健康管理系統：引領健康新紀元
智慧醫(yī)療，健康守護——人工智能智慧醫(yī)療健康管理系統
AI技術突破，打造智慧健康管理系統
健康管理系統設計

網址: 智能健康管理系統的制作方法 http://www.u1s5d6.cn/newsview117380.html