健康管理方法、装置、电子设备及存储介质与流程

1.本公开涉及人工智能技术领域，尤其涉及健康管理方法、装置、电子设备及存储介质。

背景技术：

2.随着医学的发展，很多疾病能够通过药物或者手术等措施来应对，但很多情况下，疾病带来的消极体验却无法根除，导致长期性的生活质量下降。健康是保证生活质量的基础。事实上很多疾病可以通过科学干预达到预防效果，有效的健康管理可以实现改善用户健康水平，提高生活质量。其中，健康管理是对个体、体的健康状态以及风险因素进行监测和管理，达到预防疾病的目的。
3.相关技术中，主要通过收集用户体的健康数据等进行评估用户体出现的普遍健康问题，针对用户体出现的普遍健康问题对用户体进行健康管理。比如，以健康讲座或者专家咨询等集中干预形式进行健康管理。但是，以出现健康问题为前提，对用户体愈后进行健康管理，无法对用户进行个性化主动的健康管理，从而无法有效地提高用户的健康水平。

技术实现要素：

4.本公开提供了一种用于健康管理方法、装置、电子设备及存储介质。
5.根据本公开的一方面，提供了一种健康管理方法，包括：获取待管理对象的多种数据源信息；根据所述多种数据源信息，确定所述待管理对象的健康属性，其中，所述健康属性包括多个健康指标；针对所述待管理对象的每个待评估维度，根据所述健康属性中与所述待评估维度相关的健康指标，确定所述待管理对象在所述待评估维度上的评估结果；根据所述待管理对象在各个待评估维度上的评估结果，对所述待管理对象进行健康管理。
6.在该技术方案中，通过获取待管理对象的多种数据源信息；根据多种数据源信息，确定待管理对象的健康属性，其中，健康属性包括多个健康指标；针对待管理对象的每个待评估维度，根据健康属性中与待评估维度相关的健康指标，确定待管理对象在待评估维度上的评估结果；根据待管理对象在各个待评估维度上的评估结果，对待管理对象进行健康管理，该方法根据健康属性中与待评估维度相关的健康指标，对待管理对象的多个待评估维度进行评估分析，进而根据多个待评估维度的评估分析结果对待管理对象进行健康管理，可实现对待管理对象进行个性化主动的健康管理，有效地提高了用户的健康水平。
7.可选地，所述根据所述多种数据源信息，确定所述待管理对象的健康属性，包括：针对每种数据源信息，根据所述数据源信息的采集周期，确定所述数据源信息的特征提取方式；按照所述特征提取方式，提取所述数据源信息中的特征；根据各种数据源信息中的特征，确定所述待管理对象的健康属性。
8.可选地，所述针对每种数据源信息，根据所述数据源信息的采集周期，确定所述数据源信息的特征提取方式，包括：针对每种数据源信息，根据所述数据源信息的采集周期，
确定所述数据源信息是否为实时信息；在所述数据源信息为实时信息时，确定所述数据源信息的特征提取方式包括第一时间段内的短期特征提取以及第二时间段内的长期特征提取；其中，所述第一时间段的长度小于所述第二时间段的长度；在所述数据源为非实时信息时，确定所述数据源信息的特征提取方式包括第二时间段内的长期特征提取。
9.可选地，所述待评估维度包括健康状态维度，其中，所述健康状态维度包括多种健康状态子维度；所述针对所述待管理对象的每个待评估维度，根据所述健康属性中与所述待评估维度相关的健康指标，确定所述待管理对象在所述待评估维度上的评估结果，包括：针对所述健康状态维度中的每种健康状态子维度，根据所述健康属性中与所述健康状态子维度相关的多个目标健康指标，确定所述待管理对象在所述健康状态子维度上的子评估结果；根据所述待管理对象在多种所述健康状态子维度上的子评估结果，确定所述待管理对象在所述健康状态维度上的评估结果。
10.可选地，在所述健康状态子维度为心理健康状态子维度时，所述根据所述健康属性中与所述健康状态子维度相关的多个目标健康指标，确定所述待管理对象在所述健康状态子维度上的子评估结果，包括：对所述健康属性中与所述心理健康状态子维度相关的多个目标健康指标的数值进行加权求和，得到加权求和结果；将所述加权求和结果，确定为所述待管理对象在所述心理健康状态子维度上的子评估结果。
11.可选地，在所述健康状态子维度为生理健康状态子维度时，所述根据所述健康属性中与所述健康状态子维度相关的多个目标健康指标，确定所述待管理对象在所述健康状态子维度上的子评估结果，包括：确定与所述生理健康状态子维度相关的多种目标疾病症状的危害度，以及每个所述目标健康指标与每种所述目标疾病症状之间的相关度；针对每个所述目标健康指标，根据所述多种目标疾病症状的危害度以及所述目标健康指标与每种所述目标疾病症状之间的相关度，确定所述目标健康指标的权重；根据各个所述目标健康指标的数值以及权重，确定所述待管理对象在所述生理健康状态子维度上的子评估结果。
12.可选地，所述待评估维度包括生活方式维度，其中，所述生活方式维度包括多种生活方式子维度；所述针对所述待管理对象的每个待评估维度，根据所述健康属性中与所述待评估维度相关的健康指标，确定所述待管理对象在所述待评估维度上的评估结果，包括：针对所述生活方式维度中的每种生活方式子维度，确定与所述生活方式子维度相关的多种目标疾病症状的危害度，以及每个所述目标健康指标与每种所述目标疾病症状之间的相关度；针对每个所述目标健康指标，根据所述多种目标疾病症状的危害度以及所述目标健康指标与每种所述目标疾病症状之间的相关度，确定所述目标健康指标的权重；根据各个所述目标健康指标的数值以及权重，确定所述待管理对象在所述生活方式子维度上的子评估结果；根据所述待管理对象在多种所述生活方式子维度上的子评估结果，确定所述待管理对象在所述生活方式维度上的评估结果。
13.可选地，所述待评估维度包括健康状态维度；所述方法还包括：确定参考对象数据集，其中，所述参考对象数据集中包括：参考对象的画像信息，以及相邻第三时间段内所述参考对象在健康状态维度上的评估结果；根据所述评估结果，以及所述待管理对象与所述参考对象之间的相似度，预测所述待管理对象在所述健康状态维度上的目标评估结果；根据所述目标评估结果，对所述待管理对象进行目标健康状态推荐。
14.可选地，所述根据所述评估结果，以及所述待管理对象与所述参考对象之间的相
似度，预测所述待管理对象在所述健康状态维度上的目标评估结果，包括：确定相邻第三时间段内所述参考对象在所述健康状态维度上的评估结果差值；根据多个所述参考对象的所述评估结果差值，以及多个所述参考对象与所述待管理对象之间的相似度，预测所述待管理对象的评估结果差值；根据所述待管理对象在所述健康状态维度上的历史评估结果以及所述待管理对象在所述健康状态维度上的评估结果差值，预测所述待管理对象在所述健康状态维度上的目标评估结果。
15.可选地，所述待评估维度还包括生活方式维度；所述方法还包括：将所述待管理对象在所述健康状态维度上的历史评估结果、所述待管理对象在所述健康状态维度上的评估结果差值、所述待管理对象在所述生活方式维度上的历史评估结果以及所述待管理对象的画像信息输入预设的机器学习模型，获取所述机器学习模型输出的所述待管理对象在所述生活方式维度上的评估结果差值；根据所述待管理对象在所述生活方式维度上的评估结果差值，确定所述健康属性中与所述生活方式维度相关的目标健康指标的调整量；根据所述健康属性中与所述生活方式维度相关的目标健康指标的调整量，对所述待管理对象进行健康指标指导。
16.可选地，所述数据源信息包括以下信息中的至少两种：所述待管理对象的基本数据、所述待管理对象所处环境的环境数据、所述待管理对象的问卷数据和所述待管理对象所佩戴的可穿戴设备的监测数据。
17.根据本公开的另一方面，提供了一种健康管理装置，包括：获取模块，用于获取待管理对象的多种数据源信息；第一确定模块，用于根据所述多种数据源信息，确定所述待管理对象的健康属性，其中，所述健康属性包括多个健康指标；第二确定模块，用于针对所述待管理对象的每个待评估维度，根据所述健康属性中与所述待评估维度相关的健康指标，确定所述待管理对象在所述待评估维度上的评估结果；管理模块，用于根据所述待管理对象在各个待评估维度上的评估结果，对所述待管理对象进行健康管理。
18.可选地，所述第一确定模块，具体用于：针对每种数据源信息，根据所述数据源信息的采集周期，确定所述数据源信息的特征提取方式；按照所述特征提取方式，提取所述数据源信息中的特征；根据各种数据源信息中的特征，确定所述待管理对象的健康属性。
19.可选地，所述第一确定模块，还用于：针对每种数据源信息，根据所述数据源信息的采集周期，确定所述数据源信息是否为实时信息；在所述数据源信息为实时信息时，确定所述数据源信息的特征提取方式包括第一时间段内的短期特征提取以及第二时间段内的长期特征提取；其中，所述第一时间段的长度小于所述第二时间段的长度；在所述数据源为非实时信息时，确定所述数据源信息的特征提取方式包括第二时间段内的长期特征提取。
20.可选地，所述待评估维度包括健康状态维度，其中，所述健康状态维度包括多种健康状态子维度；所述第二确定模块，具体用于：针对所述健康状态维度中的每种健康状态子维度，根据所述健康属性中与所述健康状态子维度相关的多个目标健康指标，确定所述待管理对象在所述健康状态子维度上的子评估结果；根据所述待管理对象在多种所述健康状态子维度上的子评估结果，确定所述待管理对象在所述健康状态维度上的评估结果。
21.可选地，在所述健康状态子维度为心理健康状态子维度时，所述第二确定模块，还用于：对所述健康属性中与所述心理健康状态子维度相关的多个目标健康指标的数值进行加权求和，得到加权求和结果；将所述加权求和结果，确定为所述待管理对象在所述心理健
康状态子维度上的子评估结果。
22.可选地，在所述健康状态子维度为心理健康状态子维度时，所述第二确定模块，还用于：对所述健康属性中与所述心理健康状态子维度相关的多个目标健康指标的数值进行加权求和，得到加权求和结果；将所述加权求和结果，确定为所述待管理对象在所述心理健康状态子维度上的子评估结果。
23.可选地，在所述健康状态子维度为生理健康状态子维度时，所述第二确定模块，还用于：确定与所述生理健康状态子维度相关的多种目标疾病症状的危害度，以及每个所述目标健康指标与每种所述目标疾病症状之间的相关度；针对每个所述目标健康指标，根据所述多种目标疾病症状的危害度以及所述目标健康指标与每种所述目标疾病症状之间的相关度，确定所述目标健康指标的权重；根据各个所述目标健康指标的数值以及权重，确定所述待管理对象在所述生理健康状态子维度上的子评估结果。
24.可选地，所述待评估维度包括生活方式维度，其中，所述生活方式维度包括多种生活方式子维度；所述第二确定模块，还用于：针对所述生活方式维度中的每种生活方式子维度，确定与所述生活方式子维度相关的多种目标疾病症状的危害度，以及每个所述目标健康指标与每种所述目标疾病症状之间的相关度；针对每个所述目标健康指标，根据所述多种目标疾病症状的危害度以及所述目标健康指标与每种所述目标疾病症状之间的相关度，确定所述目标健康指标的权重；根据各个所述目标健康指标的数值以及权重，确定所述待管理对象在所述生活方式子维度上的子评估结果；根据所述待管理对象在多种所述生活方式子维度上的子评估结果，确定所述待管理对象在所述生活方式维度上的评估结果。
25.可选地，所述待评估维度包括健康状态维度，所述装置还包括：第三确定模块，用于确定参考对象数据集，其中，所述参考对象数据集中包括：参考对象的画像信息，以及相邻第三时间段内所述参考对象在健康状态维度上的评估结果；预测模块，用于根据所述评估结果，以及所述待管理对象与所述参考对象之间的相似度，预测所述待管理对象在所述健康状态维度上的目标评估结果；推荐模块，用于根据所述目标评估结果，对所述待管理对象进行目标健康状态推荐。
26.可选地，所述预测模块，具体用于：确定相邻第三时间段内所述参考对象在所述健康状态维度上的评估结果差值；根据多个所述参考对象的所述评估结果差值，以及多个所述参考对象与所述待管理对象之间的相似度，预测所述待管理对象的评估结果差值；根据所述待管理对象在所述健康状态维度上的历史评估结果以及所述待管理对象在所述健康状态维度上的评估结果差值，预测所述待管理对象在所述健康状态维度上的目标评估结果。
27.可选地，所述待评估维度还包括生活方式维度，所述装置还包括：输入模块，用于将所述待管理对象在所述健康状态维度上的历史评估结果、所述待管理对象在所述健康状态维度上的评估结果差值、所述待管理对象在所述生活方式维度上的历史评估结果以及所述待管理对象的画像信息输入预设的机器学习模型，获取所述机器学习模型输出的所述待管理对象在所述生活方式维度上的评估结果差值；第四确定模块，用于根据所述待管理对象在所述生活方式维度上的评估结果差值，确定所述健康属性中与所述生活方式维度相关的目标健康指标的调整量；指导模块，用于根据所述健康属性中与所述生活方式维度相关的目标健康指标的调整量，对所述待管理对象进行健康指标指导。
28.可选地，所述数据源信息包括以下信息中的至少两种：所述待管理对象的基本数据、所述待管理对象所处环境的环境数据、所述待管理对象的问卷数据和所述待管理对象所佩戴的可穿戴设备的监测数据。
29.根据本公开的另一方面，提供了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本公开第一方面实施例所述的方法。
30.根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行本公开第一方面实施例所述的方法。
31.根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现本公开第一方面实施例所述的方法。
32.应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
33.附图用于更好地理解本方案，不构成对本公开的限定。其中：
34.图1是根据本公开第一实施例的示意图；
35.图2是根据本公开第二实施例的示意图；
36.图3是根据本公开第三实施例的示意图；
37.图4是根据本公开实施例的健康状态维度结构示意图；
38.图5是根据本公开第四实施例的示意图；
39.图6是根据本公开实施例的生活方式维度结构示意图；
40.图7是根据本公开第五实施例的示意图；
41.图8是根据本公开第六实施例的示意图；
42.图9是根据本公开实施例的健康管理示意图；
43.图10是根据本公开第七实施例的示意图；
44.图11是用来实现本公开实施例的健康管理方法的电子设备的框图。
具体实施方式
45.以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
46.随着医学的发展，很多疾病能够通过药物或者手术等措施来应对，但很多情况下，疾病带来的消极体验却无法根除，导致长期性的生活质量下降。健康是保证生活质量的基础。事实上很多疾病可以通过科学干预达到预防效果，有效的健康管理可以实现改善用户健康水平，提高生活质量。其中，健康管理是对个体、体的健康状态以及风险因素进行监测和管理，达到预防疾病的目的。
47.相关技术中，主要通过收集用户体的健康数据等进行评估用户体出现的普遍
健康问题，针对用户体出现的普遍健康问题对用户体进行健康管理。比如，以健康讲座或者专家咨询等集中干预形式进行健康管理。但是，出于保障医疗数据安全考虑，电子病历的住院信息需授权使用，在开发利用的过程中面临的实际障碍巨大。另一方面，我国居民中仍有相当大的一部分体并没有良好的定期体检习惯，可用的数据非常稀疏，甚至对于某些用户而言只有当其疾病入院后才能获取到健康数据且为时已晚，并且以出现健康问题为前提，对用户体愈后进行健康管理，无法对用户进行个性化主动的健康管理，从而无法有效地提高用户的健康水平。
48.针对上述问题，本公开提出健康管理方法、装置、电子设备及存储介质。
49.图1是根据本公开第一实施例的示意图。需要说明的是，本公开实施例的健康管理方法可应用于本公开实施例的健康管理装置，该装置可被配置于电子设备中。其中，该电子设备可以是移动终端，例如，手机、平板电脑、个人数字助理等具有各种操作系统的硬件设备。
50.如图1所示，该健康管理方法可包括如下步骤：
51.步骤101，获取待管理对象的多种数据源信息。
52.为了更好地对待管理对象进行健康管理，可通过不同的获取方式获取待管理对象的多种数据源信息。其中，需要说明的是，数据源信息包括以下信息中的至少两种：待管理对象的基本数据、待管理对象所处环境的环境数据、待管理对象的问卷数据和待管理对象所佩戴的可穿戴设备的监测数据。
53.比如，待管理对象的基本数据可包括但不限于待管理对象的年龄、待管理对象的性别、待管理对象的身高和待管理对象的体重等，可通过待管理对象填写的资料获取待管理对象的基本数据；待管理对象所处环境的环境数据可包括但不限于市级地理、气候、社会和经济等信息，可通过待管理对象所处环境的互联网获取待管理对象所处环境的环境数据；待管理对象的问卷数据可包括但不限于待管理对象的生活方式(抽烟、喝酒和运动)数据、职业、家族病史和既往病史等，待管理对象的问卷数据可通过问卷方式进行获取；待管理对象所佩戴的可穿戴设备的监测数据可包括但不限于待管理对象的心率、待管理对象的睡眠和待管理对象的活动量等。待管理对象所佩戴的可穿戴设备的监测数据可通过佩戴的可穿戴设备对待管理对象进行监测以获取。
54.步骤102，根据多种数据源信息，确定待管理对象的健康属性，其中，健康属性包括多个健康指标。
55.在本公开实施例中，根据多种数据源中的多种数据信息可确定待管理对象的健康属性，其中，健康属性可包括多个健康指标。
56.比如，对于多种数据源信息中的待管理对象所佩戴的可穿戴设备的监测数据，如，待管理对象所佩戴的可穿戴设备的监测数据中的待管理对象的心率、待管理对象的睡眠和待管理对象的活动量可确定待管理对象的健康指标包括：当日最高心率、待管理对象的平均心率和待管理对象的深睡时长等。又比如，对于多种数据源信息中的待管理对象的问卷数据中的待管理对象的生活方式(抽烟、喝酒和运动)数据，可确定待管理对象的健康指标包括：一段时间(如，一个月)的抽烟量和一段时间的喝酒量等。又比如，对于多种数据源信息中的待管理对象的基本数据，可确定待管理对象的健康指标包括：性别、年龄和体重等；又比如，对于待管理对象所处环境的环境数据，可确定待管理对象的健康指标包括：所处的
环境的气候、经济和社会等。
57.步骤103，针对待管理对象的每个待评估维度，根据健康属性中与待评估维度相关的健康指标，确定待管理对象在待评估维度上的评估结果。
58.可选地，待管理对象的待评估维度可包括但不限于健康状态维度和生活方式维度。
59.作为一种示例，针对待管理对象的健康状态维度，可根据健康属性中与健康状态维度相关的健康指标，确定待管理对象在健康状态维度上的评估结果。
60.作为另一种示例，针对待管理对象的生活方式维度，可根据健康属性中与生活方式维度相关的健康指标，确定待管理对象在生活方式维度上的评估结果。
61.步骤104，根据待管理对象在各个待评估维度上的评估结果，对待管理对象进行健康管理。
62.进一步地，可根据待管理对象在各个待评估维度上的评估结果，可对待管理对象进行健康管理，比如，可根据待管理对象在健康状态维度上的健康状态评分值，以及待管理对象在生活方式维度上的生活方式评分值，对待管理对象进行健康管理，如，对待管理对象的生活方式进行调整，以选择健康的生活方式，以及对健康行为习惯进行改善，主动调整待管理对象的健康状态等。
63.综上，通过获取待管理对象的多种数据源信息；根据多种数据源信息，确定待管理对象的健康属性，其中，健康属性包括多个健康指标；针对待管理对象的每个待评估维度，根据健康属性中与待评估维度相关的健康指标，确定待管理对象在待评估维度上的评估结果；根据待管理对象在各个待评估维度上的评估结果，对待管理对象进行健康管理，该方法根据健康属性中与待评估维度相关的健康指标，对待管理对象的多个待评估维度进行评估分析，进而根据多个待评估维度的评估分析结果对待管理对象进行健康管理，可实现对待管理对象进行个性化主动的健康管理，有效地提高了用户的健康水平。
64.为了可以准确地多方面地确定待管理对象的健康属性，如图2所示，图2是根据本公开第二实施例的示意图，在本公开实施例中，根据每种数据源信息的特征提取方式，提取数据源信息中的特征，根据提取到的数据源信息中的特征，确定待管理对象的健康属性，图2所示实施例可包括如下步骤：
65.步骤201，获取待管理对象的多种数据源信息。
66.步骤202，针对每种数据源信息，根据数据源信息的采集周期，确定数据源信息的特征提取方式。
67.可选地，针对每种数据源信息，根据数据源信息的采集周期，确定数据源信息是否为实时信息；在数据源信息为实时信息时，确定数据源信息的特征提取方式包括第一时间段内的短期特征提取以及第二时间段内的长期特征提取；其中，第一时间段的长度小于第二时间段的长度；在数据源为非实时信息时，确定数据源信息的特征提取方式包括第二时间段内的长期特征提取。
68.也就是说，不同的数据源信息提供的数据信息的实时性不同，其中，待管理对象所佩戴的可穿戴设备的监测数据和待管理对象所处环境的环境数据可实时获取，待管理对象所佩戴的可穿戴设备的监测数据和待管理对象所处环境的环境数据可提供带有较高时间分辨率的信息，因此，对于待管理对象所佩戴的可穿戴设备的监测数据和待管理对象所处
环境的环境数据，可描述待管理对象在第一时间段内(如，一天内)的短期特征以及在第二时间段内(如，一个月)的长期特征，待管理对象所佩戴的可穿戴设备的监测数据和待管理对象所处环境的环境数据的特征提取方式包括第一时间段内的短期特征提取以及第二时间段内的长期特征提取；待管理对象的基本数据和待管理对象的问卷数据不能实时获取，依赖于用户主动、手动更新，通常更新时间较长，待管理对象的基本数据和待管理对象的问卷数据可以描述待管理对象在第二时间段内的长期特征，可确定待管理对象的基本数据和待管理对象的问卷数据的特征提取方式包括第二时间段内的长期特征提取。其中，需要说明的是，第一时间段的长度小于第二时间段的长度。
69.步骤203，按照特征提取方式，提取数据源信息中的特征。
70.可选地，对于待管理对象所佩戴的可穿戴设备的监测数据和待管理对象所处环境的环境数据中的特征，可通过第一时间段内的短期特征提取方式以及第二时间段内的长期特征提取方式分别提取待管理对象第一时间段内的短期特征以及第二时间段内的长期特征；待管理对象的基本数据和待管理对象的问卷数据中的特征可通过第二时间段内的长期特征提取方式获取待管理对象在第二时间段内的长期特征。如，第一时间段的长度为一天，第二时间段的长度为一个月，可在一天内对待管理对象所佩戴的可穿戴设备的监测数据和待管理对象所处环境的环境数据中的特征进行提取，获取待管理对象在一天内的短期特征，以及在一个月内对待管理对象所佩戴的可穿戴设备的监测数据和待管理对象所处环境的环境数据中的特征进行提取，获取待管理对象在一个月内的长期特征。又如，在一个月内对待管理对象的基本数据和待管理对象的问卷数据中的特征进行提取，可获取待管理对象在一个月内的长期特征。
71.步骤204，根据各种数据源信息中的特征，确定待管理对象的健康属性。
72.可以理解的是，数据源信息中的特征可包括待管理对象第一时间段内的短期特征以及第二时间段内的长期特征，根据待管理对象第一时间段内的短期特征以及第二时间段内的长期特征，对应的可确定待管理对象的健康属性中可包括第一时间段内的短期指标以及第二时间段内的长期指标，比如，第一时间段内的短期指标可包括：当日最高运动心率、运动强度，昨夜深睡时长、平均心率、日间活动水平、夜间活动水平、久坐次数和卡路里消耗等。第二时间段内的长期指标可包括：最近一个月入睡时间规律性、最近一个月跑步总次数、最近一个月跑步总里程、最近一个月当地天气、最近一个月脂肪日均摄入量、最近一个月抽烟量、最近一个月酒精摄入量和最近一个月的饮酒次数等。
73.步骤205，针对待管理对象的每个待评估维度，根据健康属性中与待评估维度相关的健康指标，确定待管理对象在待评估维度上的评估结果。
74.步骤206，根据待管理对象在各个待评估维度上的评估结果，对待管理对象进行健康管理。
75.其中，步骤201、205-206可以分别采用本公开的各实施例中的任一种方式实现，本公开实施例并不对此作出限定，也不再赘述。
76.综上，通过获取待管理对象的多种数据源信息；针对每种数据源信息，根据数据源信息的采集周期，确定数据源信息的特征提取方式；按照特征提取方式，提取数据源信息中的特征；根据各种数据源信息中的特征，确定待管理对象的健康属性；针对待管理对象的每个待评估维度，根据健康属性中与待评估维度相关的健康指标，确定待管理对象在所述待
评估维度上的评估结果；根据待管理对象在各个待评估维度上的评估结果，对待管理对象进行健康管理。由此，根据数据源信息的不同的提取方式，获取各种数据源信息中的特征，从而可以更准确地多方面地确定待管理对象的健康属性，根据健康属性中与待评估维度相关的健康指标，对待管理对象的多个待评估维度进行评估分析，进而根据多个待评估维度的评估分析结果对待管理对象进行健康管理，可实现对待管理对象进行个性化主动的健康管理，有效地提高了用户的健康水平。
77.可选地，待管理对象的待评估维度可包括但不限于健康状态维度、生活方式维度，如图3所示，图3是根据本公开第三实施例的示意图，在本公开实施例中，为了准确地获取待管理对象在健康状态维度上的评估结果，可根据待管理对象在多种健康子维度上的子评估结果，确定待管理对象在健康状态维度上的评估结果。图3所示实施例可包括如下步骤：
78.步骤301，获取待管理对象的多种数据源信息。
79.步骤302，根据多种数据源信息，确定待管理对象的健康属性，其中，健康属性包括多个健康指标。
80.步骤303，针对健康状态维度中的每种健康状态子维度，根据健康属性中与健康状态子维度相关的多个目标健康指标，确定待管理对象在健康状态子维度上的子评估结果。
81.在本公开实施例中，如图4所示，健康状态中可包括多个健康状态子维度，健康状态子维度可为心理健康状态子维度或生理健康状态子维度，可分别确定待管理对象在心理健康状态子维度和生理健康状态子维度上的子评估结果。
82.作为一种示例，在健康状态子维度为心理健康状态子维度时，对健康属性中与心理健康状态子维度相关的多个目标健康指标的数值进行加权求和，得到加权求和结果；将加权求和结果，确定为待管理对象在心理健康状态子维度上的子评估结果。
83.比如，可通过待管理对象的问卷数据(如，phq-9(patient health questionnaire-9，抑郁症自我评估量表)、hdrs-17(hamilton depression rating scale，汉密盾抑郁量表))中的特征，确定待管理对象的健康属性中与心理健康状态子维度相关的多个目标健康指标的数值，比如，做事提不起兴趣的时间、感到疲倦或没有活力的时间或入睡困难的时间等。根据预先设置的多个目标健康指标对应的权重，对健康属性中与心理健康状态子维度相关的多个目标健康指标的数值进行加权求和，可得到加权求和结果，将该加权求和结果，作为待管理对象在心理健康状态子维度上的子评估结果。
84.作为另一种示例，在健康状态子维度为生理健康状态子维度时，可确定与生理健康状态子维度相关的多种目标疾病症状的危害度，以及每个目标健康指标与每种目标疾病症状之间的相关度，针对每个目标健康指标，根据多种目标疾病症状的危害度以及目标健康指标与每种目标疾病症状之间的相关度，确定目标健康指标的权重；根据各个目标健康指标的数值以及权重，确定待管理对象在生理健康状态子维度上的子评估结果。
85.举例而言，以生理健康状态子维度为心血管健康状态为例进行说明，第一步，可通过医学文献荟萃分析确定与心血管健康状态相关的目标健康指标，目标健康指标可包括：睡眠心率、静息心率、最大心率和运动后心脏恢复率(恢复率＝(运动心率-1分钟后心率)
÷
10)。假设多种目标疾病症状集合为d＝{dj|j＝1,2,...k},其中，dj表示每种目标疾病症状；多种目标健康指标集合为x＝{xi|i＝1,2,...n}，xi表示每种目标健康指标的数值；每个目标健康指标与每种目标疾病症状之间的相关度,具体以aor(adjusted odds ratio，调整后
的优势比)值进行量化评估,多种目标健康指标与多种目标疾病症状之间的相关度为a＝{ai|i＝1,2,...n},ai表示每种目标健康指标与每种目标疾病症状之间的相关度，其中ai＝{a
ij
|j＝1,2,...k}；
86.第二步，可确定如下公式确定与心血管健康状态相关的多种不同目标疾病症状的危害度：
87.h＝{hj|j＝1,2,...k}
ꢀꢀꢀ
(1)
88.其中，hi表示每种目标疾病症状的危害度，hi＝log2(mj/pj*105)，mj表示dj的经济代价，pj表示dj的发生率，dj表示每种目标疾病症状；
89.第三步，根据多种目标疾病症状的危害度h以及目标健康指标与每种目标疾病症状之间的相关度ai，确定目标健康指标的权重(记为wi)，具体表现公式如下：
90.wi＝log2(h*ai)
ꢀꢀꢀ
(2)
91.第四步，根据每个目标健康指标的权重wi，每种目标健康指标的数值xi，确定待管理对象在心血管健康状态上的评估结果(记为s)，具体表现公式如下：
92.s＝∑wixi/∑wiꢀꢀꢀꢀ
(3)
93.其中，需要说明的是，其他方面的生理健康状态子维度的评估结果，例如，呼吸、运动等，可通过重新定义目标健康指标，再以上述步骤进行评估。
94.步骤304，根据待管理对象在多种健康状态子维度上的子评估结果，确定待管理对象在健康状态维度上的评估结果。
95.在本公开实施例中，可预先设置多个健康状态子维度对应的权重，对待管理对象在多种健康状态子维度上的子评估结果进行加权求和，得到加权求和结果，将该加权求和结果作为待管理对象在健康状态维度上的评估结果。
96.步骤305，根据待管理对象在健康状态维度上的评估结果，对待管理对象进行健康管理。
97.其中，步骤301-302、305可以分别采用本公开的各实施例中的任一种方式实现，本公开实施例并不对此作出限定，也不再赘述。
98.综上，通过获取待管理对象的多种数据源信息；根据多种数据源信息，确定待管理对象的健康属性，其中，健康属性包括多个健康指标；针对健康状态维度中的每种健康状态子维度，根据健康属性中与健康状态子维度相关的多个目标健康指标，确定待管理对象在健康状态子维度上的子评估结果；根据待管理对象在多种健康状态子维度上的子评估结果，确定待管理对象在健康状态维度上的评估结果；根据待管理对象在各个待评估维度上的评估结果，对待管理对象进行健康管理。由此，根据待管理对象在多种健康子维度上的子评估结果，确定待管理对象在健康状态维度上的评估结果，可准确地获取待管理对象在健康状态维度上的评估结果，进而根据待管理对象在健康状态维度上的评估结果对待管理对象进行健康管理，可实现对待管理对象进行个性化主动的健康管理，有效地提高了用户的健康水平。
99.为了准确地获取待管理对象在生活方式维度上的评估结果，如图5所示，图5是根据本公开第四实施例的示意图，在本公开实施例中，可根据待管理对象在多种生活方式子维度上的子评估结果，确定待管理对象在生活方式维度上的评估结果，图5所示实施例包括如下步骤：
100.步骤501，获取待管理对象的多种数据源信息。
101.步骤502，根据多种数据源信息，确定待管理对象的健康属性，其中，健康属性包括多个健康指标。
102.步骤503，针对生活方式维度中的每种生活方式子维度，根据健康属性中与生活方式子维度相关的多个目标健康指标，确定待管理对象在生活方式子维度上的子评估结果。
103.在本公开实施例中，如图6所示，生活方式维度可包括睡眠子维度、活动子维度、健身子维度、压力子维度、饮食子维度和护理子维度等。其中，与睡眠子维度相关的目标健康指标可为日常睡眠质量或睡眠规律，与活动子维度相关的目标健康指标可为日常活动量规律，比如是否久坐、久战、或是否持续性微活动等，与压力子维度相关的目标健康指标可为走、跑、游泳或器械健身等运动强度、运动时间、运动频次或运动规律等，与饮食子维度相关的目标健康指标可为用户疲劳与恢复的相对量及其规律性，与饮食子维度相关的目标健康指标可为用户营养摄入或酒精摄入的量及其规律，与护理子维度相关的目标健康指标可为用户洗手频次、刷牙时间或排便次数等。
104.其中，睡眠子维度、活动子维度、健身子维度和压力子维度所需的数据可以通过可穿戴设备所集成的生物传感器(比如加速度传感器、陀螺仪)及生物测量算法(比如运动识别算法、睡眠分期算法、压力测量算法)或者通过调查问卷来获取；饮食子维度和护理子维度可以通过用户调查问卷来获取相关信息。
105.可选地，针对生活方式维度中的每种生活方式子维度，确定与生活方式子维度相关的多种目标疾病症状的危害度，以及每个目标健康指标与每种所述目标疾病症状之间的相关度；针对每个目标健康指标，根据多种目标疾病症状的危害度以及目标健康指标与每种目标疾病症状之间的相关度，确定目标健康指标的权重；根据各个目标健康指标的数值以及权重，确定待管理对象在生活方式子维度上的子评估结果。
106.举例而言，以生活方式子维度为睡眠子维度为例，与睡眠子维度相关的目标健康指标可为入睡时间、睡眠时长、睡眠中点、深睡时长、中途清醒时长、rem(快速眼动)时长、睡眠效率、觉醒比、深浅比、入睡时间规律性或睡眠时长规律性等，可通过上述公式(1)确定与睡眠子维度相关的多种目标疾病症状的危害度，根据荟萃分析得出每个目标健康指标与每种目标疾病症状之间的相关度，进而根据多种目标疾病症状的危害度以及目标健康指标与每种目标疾病症状之间的相关度，确定目标健康指标的权重，具体可通过上述公式(2)确定目标健康指标的权重，进一步地，可根据与睡眠子维度相关的各个目标健康指标的数值zi以及权重wi，确定待管理对象在睡眠子维度上的子评估结果l，具体可通过如下公式进行计算：
107.l＝∑wizi/∑wi(4)
108.步骤504，根据待管理对象在多种生活方式子维度上的子评估结果，确定待管理对象在生活方式维度上的评估结果。
109.在本公开实施例中，可预先设置多种生活方式子维度对应的权重，对待管理对象在多种生活方式子维度上的子评估结果进行加权求和，得到加权求和结果，将该加权求和结果作为待管理对象在生活方式维度上的评估结果。
110.步骤505，根据待管理对象在生活方式维度上的评估结果，对待管理对象进行健康管理。
111.其中，需要说明的是，步骤501-502、505可以分别采用本公开的各实施例中的任一种方式实现，本公开实施例并不对此作出限定，也不再赘述。
112.综上，通过获取待管理对象的多种数据源信息；根据多种数据源信息，确定待管理对象的健康属性，其中，健康属性包括多个健康指标；针对生活方式维度中的每种生活方式子维度，根据健康属性中与生活方式子维度相关的多个目标健康指标，确定待管理对象在生活方式子维度上的子评估结果；根据待管理对象在多种生活方式子维度上的子评估结果，确定待管理对象在生活方式维度上的评估结果；根据待管理对象在各个待评估维度上的评估结果，对待管理对象进行健康管理。由此，根据待管理对象在多种生活方式子维度上的子评估结果，确定待管理对象在生活方式维度上的评估结果，可准确地获取待管理对象在生活方式维度上的评估结果，进而根据待管理对象在生活方式维度上的评估结果对待管理对象进行健康管理，可实现对待管理对象进行个性化主动的健康管理，有效地提高了用户的健康水平。
113.为了给待管理对象提供清晰的目标健康状态，进一步提高用户的健康水平，如图7所示，图7是根据本公开第五实施例的示意图，在本公开实施例中，可对待管理对象进行目标健康状态推荐，图7所示实施例可包括如下步骤：
114.步骤701，获取待管理对象的多种数据源信息。
115.步骤702，根据多种数据源信息，确定待管理对象的健康属性，其中，健康属性包括多个健康指标。
116.步骤703，针对待管理对象的健康状态维度，根据健康属性中与健康状态维度相关的健康指标，确定待管理对象在健康状态维度上的评估结果。
117.步骤704，根据待管理对象在健康状态维度上的评估结果，对待管理对象进行健康管理。
118.步骤705，确定参考对象数据集，其中，参考对象数据集中包括：参考对象的画像信息，以及相邻第三时间段内参考对象在健康状态维度上的评估结果。
119.在本公开实施例中，可建立参考对象的画像信息，比如，可包括参考对象的性别、年龄、身高和体重等，此外，假设多个参考对象初始的健康状态维度上的评估结果为s0，参考对象在相隔第三时间段(比如，42天)的健康状态维度上的评估结果为s1，相邻第三时间段内参考对象在健康状态维度上的评估结果为s0和s1。
120.步骤706，根据评估结果，以及待管理对象与参考对象之间的相似度，预测待管理对象在健康状态维度上的目标评估结果。
121.可选地，确定相邻第三时间段内参考对象在健康状态维度上的评估结果差值；根据多个参考对象的评估结果差值，以及多个参考对象与待管理对象之间的相似度，预测待管理对象的评估结果差值；根据待管理对象在健康状态维度上的历史评估结果以及待管理对象在健康状态维度上的评估结果差值，预测待管理对象在健康状态维度上的目标评估结果。
122.也就是说，可将相邻第三时间段内参考对象在健康状态维度上的评估结果进行相差，确定相邻第三时间段内参考对象在健康状态维度上的评估结果差值，可将参考对象的画像信息与待管理对象的基本数据之间进行计算(如，欧式距离或余弦距离等)，获取多个参考对象与待管理对象之间的相似度，预测待管理对象的评估结果差值，具体可通过如下
公式进行计算：
123.δs＝∑riδsi/∑riꢀꢀꢀ
(5)
124.其中，δs表示预测待管理对象的评估结果差值，ri表示多个参考对象与待管理对象之间的相似度，δsi表示相邻第三时间段内参考对象在健康状态维度上的评估结果差值。进一步地，将待管理对象在健康状态维度上的评估结果差值与待管理对象在健康状态维度上的历史评估结果进行相加，可预测待管理对象在健康状态维度上的目标评估结果。
125.步骤707，根据目标评估结果，对待管理对象进行目标健康状态推荐。
126.进一步地，根据目标评估结果，可获取参考对象数据集中与目标评估结果类似的参考对象的健康状态，并将该健康状态作为目标健康状态推荐给待管理对象。
127.其中，需要说明的是，步骤701-704可以分别采用本公开的各实施例中的任一种方式实现，本公开实施例并不对此作出限定，也不再赘述。
128.综上，通过获取待管理对象的多种数据源信息；根据多种数据源信息，确定待管理对象的健康属性，其中，健康属性包括多个健康指标；针对待管理对象的健康状态维度，根据健康属性中与健康状态维度相关的健康指标，确定待管理对象在健康状态维度上的评估结果；根据待管理对象在健康状态维度上的评估结果，对待管理对象进行健康管理；确定参考对象数据集，其中，参考对象数据集中包括：参考对象的画像信息，以及相邻第三时间段内参考对象在健康状态维度上的评估结果；根据评估结果，以及待管理对象与参考对象之间的相似度，预测待管理对象在健康状态维度上的目标评估结果；根据目标评估结果，对待管理对象进行目标健康状态推荐。由此，根据健康属性中与健康状态维度相关的健康指标，对待管理对象的健康状态维度进行评估分析，进而根据健康状态维度的评估分析结果对待管理对象进行健康管理，可实现对待管理对象进行个性化主动的健康管理，有效地提高了用户的健康水平，以及根据目标评估结果，对待管理对象进行目标健康状态推荐，可为待管理对象提供清晰的目标健康状态，进一步提高用户的健康水平。
129.为了促进待管理对象逐渐达到目标健康状态，进一步提高用户的健康水平，如图8所示，图8是根据本公开第六实施例的示意图，在本公开实施例中，可对待管理对象进行健康指标指导，图8所示实施例可包括如下步骤：
130.步骤801，获取待管理对象的多种数据源信息。
131.步骤802，根据多种数据源信息，确定待管理对象的健康属性，其中，健康属性包括多个健康指标。
132.步骤803，针对待管理对象的健康状态维度和生活方式维度，根据健康属性中与健康状态维度和生活方式维度相关的健康指标，确定待管理对象在生活方式维度上的评估结果。
133.步骤804，根据待管理对象在健康状态维度和生活方式维度上的评估结果，对待管理对象进行健康管理。
134.步骤805，确定参考对象数据集，其中，参考对象数据集中包括：参考对象的画像信息，以及相邻第三时间段内所述参考对象在健康状态维度上的评估结果。
135.步骤806，根据评估结果，以及待管理对象与参考对象之间的相似度，预测待管理对象在健康状态维度上的目标评估结果。
136.步骤807，根据目标评估结果，对待管理对象进行目标健康状态推荐。
137.步骤808，将待管理对象在健康状态维度上的历史评估结果、待管理对象在健康状态维度上的评估结果差值、待管理对象在生活方式维度上的历史评估结果以及待管理对象的画像信息输入预设的机器学习模型，获取机器学习模型输出的待管理对象在生活方式维度上的评估结果差值。
138.比如，可将待管理对象在健康状态维度上的历史评估结果m0、待管理对象在健康状态维度上的评估结果差值δs、待管理对象在生活方式维度上的历史评估结果l0、以及待管理对象的画像信息(如，性别、年龄、身高和体重等)输入预设的机器学习模型，机器学习模型可输出待管理对象在生活方式维度上的评估结果差值。其中，机器学习模型可为深度神经网络、回归树或线性回归等。
139.步骤809，根据待管理对象在生活方式维度上的评估结果差值，确定健康属性中与生活方式维度相关的目标健康指标的调整量。
140.比如，可将公式(4)所用的函数符号化表示为g:{zi}
→
l，由于公式(4)所对应的g采用的是线性函数，可通过g的反函数g
′
由将待管理对象在生活方式维度上的评估结果差值直接推导出与生活方式维度相关的目标健康指标的调整量。
141.步骤810，根据健康属性中与生活方式维度相关的目标健康指标的调整量，对待管理对象进行健康指标指导。
142.比如，根据健康属性中与生活方式维度相关的目标健康指标的调整量，建立健康路径，以定量化选择健康生活方式、改善健康行为习惯为操作手段进行健康指标指导，促进待管理对象逐渐达到目标健康状态。
143.其中，需要说明的是，步骤801-807可以分别采用本公开的各实施例中的任一种方式实现，本公开实施例并不对此作出限定，也不再赘述。
144.综上，通过获取待管理对象的多种数据源信息；根据多种数据源信息，确定待管理对象的健康属性，其中，健康属性包括多个健康指标；针对待管理对象的健康状态维度和生活方式维度，根据健康属性中与健康状态维度和生活方式维度相关的健康指标，确定待管理对象在生活方式维度上的评估结果；根据待管理对象在健康状态维度和生活方式维度上的评估结果，对待管理对象进行健康管理；确定参考对象数据集，其中，参考对象数据集中包括：参考对象的画像信息，以及相邻第三时间段内所述参考对象在健康状态维度上的评估结果；根据评估结果，以及待管理对象与参考对象之间的相似度，预测待管理对象在健康状态维度上的目标评估结果；根据目标评估结果，对待管理对象进行目标健康状态推荐；将待管理对象在健康状态维度上的历史评估结果、待管理对象在健康状态维度上的评估结果差值、待管理对象在生活方式维度上的历史评估结果以及待管理对象的画像信息输入预设的机器学习模型，获取机器学习模型输出的待管理对象在生活方式维度上的评估结果差值；根据待管理对象在生活方式维度上的评估结果差值，确定健康属性中与生活方式维度相关的目标健康指标的调整量；根据健康属性中与生活方式维度相关的目标健康指标的调整量，对待管理对象进行健康指标指导。由此，该方法根据健康属性中与生活方式维度相关的健康指标，对待管理对象的生活方式维度进行评估分析，进而根据生活方式维度的评估分析结果对待管理对象进行健康管理，可实现对待管理对象进行个性化主动的健康管理，有效地提高了用户的健康水平，另外，根据待管理对象在生活方式维度上的评估结果差值，确定健康属性中与生活方式维度相关的目标健康指标的调整量；根据健康属性中与生活方
式维度相关的目标健康指标的调整量，对待管理对象进行健康指标指导，可促进待管理对象逐渐达到目标健康状态，进一步提高用户的健康水平。
145.为了更加清楚地说明上述实施例，现举例进行说明。
146.如图9所示，获取待管理对象所处环境的环境数据、传感数据(待管理对象所佩戴的可穿戴设备的监测数据)、问卷数据和注册数据(待管理对象的基本数据)，将环境数据、传感数据、问卷数据和注册数据作为多种数据源信息，待管理对象的传感数据和待管理对象所处环境的环境数据，可描述待管理对象在第一时间段内(如，一天内)的短期特征以及在第二时间段内(如，一个月)的长期特征，待管理对象的注册数据和待管理对象的问卷数据可以描述待管理对象在第二时间段内的长期特征，根据待管理对象的第一时间段内的短期特征以及在第二时间段内的长期特征，确定待管理对象的健康属性，根据健康属性中与待评估维度相关的健康元素(健康指标)，对当前健康状态的评估是对机体被动反应这一类待管理对象非可控因素的评估(比如睡眠心率或运动心率等)。待管理对象未来健康趋势在一定程度上可以通过主观努力(比如以健康的生活方式管理自己的日常生活)进行干预。因此，从主动健康管理的角度来考虑，健康趋势评估即对待管理对象的生活方式这一类可控因素的评估(比如作息、活动、压力、健身、护理或饮食等)，可以根据其当前健康状态和趋势，结合其生活实际，选择将来一段时期的健康目标(目标健康状态)；主动健康管理系统也可以通过推荐算法(比如协同过滤算法)，根据用户的健康画像进行健康目标(目标健康状态)推荐，通过大数据挖掘技术，建立待管理对象生活方式维度和目标疾病症状的映射关系。在此基础上，通过逆向分析，得到待管理对象由当前健康状态到健康目标(目标健康状态)之间的差距所对应的生活方式维度量化调整方案。最终，以定量化选择健康生活方式、改善健康行为习惯为操作手段进行健康指导，促进待管理对象逐渐达到健康目标(目标健康状态)。
147.本公开实施例的健康管理方法，通过获取待管理对象的多种数据源信息；根据多种数据源信息，确定待管理对象的健康属性，其中，健康属性包括多个健康指标；针对待管理对象的每个待评估维度，根据健康属性中与待评估维度相关的健康指标，确定待管理对象在待评估维度上的评估结果；根据待管理对象在各个待评估维度上的评估结果，对待管理对象进行健康管理，该方法根据健康属性中与待评估维度相关的健康指标，对待管理对象的多个待评估维度进行评估分析，进而根据多个待评估维度的评估分析结果对待管理对象进行健康管理，可实现对待管理对象进行个性化主动的健康管理，有效地提高了用户的健康水平。
148.为了实现上述实施例，本公开还提出一种健康管理装置，图10是根据本公开第七实施例的示意图。
149.如图10所示，该健康管理装置1000包括：获取模块1010、第一确定模块1020、第二确定模块1030和管理模块1040。
150.其中，获取模块1010，用于获取待管理对象的多种数据源信息；第一确定模块1020，用于根据多种数据源信息，确定待管理对象的健康属性，其中，健康属性包括多个健康指标；第二确定模块1030，用于针对所述待管理对象的每个待评估维度，根据所述健康属性中与待评估维度相关的健康指标，确定所述待管理对象在所述待评估维度上的评估结果；管理模块1040，用于根据待管理对象在各个待评估维度上的评估结果，对待管理对象进
行健康管理。
151.作为本公开实施例的一种可能实现方式，第一确定模块1020，具体用于：针对每种数据源信息，根据数据源信息的采集周期，确定数据源信息的特征提取方式；按照特征提取方式，提取数据源信息中的特征；根据各种数据源信息中的特征，确定待管理对象的健康属性。
152.作为本公开实施例的一种可能实现方式，第一确定模块1020，还用于：针对每种数据源信息，根据数据源信息的采集周期，确定数据源信息是否为实时信息；在数据源信息为实时信息时，确定数据源信息的特征提取方式包括第一时间段内的短期特征提取以及第二时间段内的长期特征提取；其中，第一时间段的长度小于第二时间段的长度；在数据源为非实时信息时，确定数据源信息的特征提取方式包括第二时间段内的长期特征提取。
153.作为本公开实施例的一种可能实现方式，待评估维度包括健康状态维度，其中，健康状态维度包括多种健康状态子维度；第二确定模块1030，具体用于：针对健康状态维度中的每种健康状态子维度，根据健康属性中与健康状态子维度相关的多个目标健康指标，确定待管理对象在所述健康状态子维度上的子评估结果；根据待管理对象在多种健康状态子维度上的子评估结果，确定待管理对象在健康状态维度上的评估结果。
154.作为本公开实施例的一种可能实现方式，健康状态子维度为心理健康状态子维度时，第二确定模块1030，还用于：对健康属性中与心理健康状态子维度相关的多个目标健康指标的数值进行加权求和，得到加权求和结果；将加权求和结果，确定为待管理对象在心理健康状态子维度上的子评估结果。
155.作为本公开实施例的一种可能实现方式，在健康状态子维度为生理健康状态子维度时，第二确定模块1030，还用于：确定与生理健康状态子维度相关的多种目标疾病症状的危害度，以及每个目标健康指标与每种目标疾病症状之间的相关度；针对每个目标健康指标，根据多种目标疾病症状的危害度以及目标健康指标与每种目标疾病症状之间的相关度，确定目标健康指标的权重；根据各个目标健康指标的数值以及权重，确定待管理对象在生理健康状态子维度上的子评估结果。
156.作为本公开实施例的一种可能实现方式，待评估维度包括生活方式维度，其中，生活方式维度包括多种生活方式子维度；第二确定模块1030，还用于：针对生活方式维度中的每种生活方式子维度，确定与所述生活方式子维度相关的多种目标疾病症状的危害度，以及每个所述目标健康指标与每种所述目标疾病症状之间的相关度；针对每个所述目标健康指标，根据所述多种目标疾病症状的危害度以及所述目标健康指标与每种所述目标疾病症状之间的相关度，确定所述目标健康指标的权重；根据各个所述目标健康指标的数值以及权重，确定所述待管理对象在所述生活方式子维度上的子评估结果；根据所述待管理对象在多种所述生活方式子维度上的子评估结果，确定所述待管理对象在所述生活方式维度上的评估结果。
157.作为本公开实施例的一种可能实现方式，待评估维度包括健康状态维度，健康管理装置1000还包括：第三确定模块、预测模块和推荐模块。
158.其中，第三确定模块，用于确定参考对象数据集，其中，所述参考对象数据集中包括：参考对象的画像信息，以及相邻第三时间段内所述参考对象在健康状态维度上的评估结果；预测模块，用于根据所述评估结果，以及所述待管理对象与所述参考对象之间的相似
度，预测所述待管理对象在所述健康状态维度上的目标评估结果；推荐模块，用于根据所述目标评估结果，对所述待管理对象进行目标健康状态推荐。
159.作为本公开实施例的一种可能实现方式，预测模块，具体用于：确定相邻第三时间段内所述参考对象在所述健康状态维度上的评估结果差值；根据多个所述参考对象的所述评估结果差值，以及多个所述参考对象与所述待管理对象之间的相似度，预测所述待管理对象的评估结果差值；根据所述待管理对象在所述健康状态维度上的历史评估结果以及所述待管理对象在所述健康状态维度上的评估结果差值，预测所述待管理对象在所述健康状态维度上的目标评估结果。
160.作为本公开实施例的一种可能实现方式，待评估维度还包括生活方式维度，健康管理装置1000还包括：输入模块、第四确定模块和指导模块。
161.其中，输入模块，用于将所述待管理对象在所述健康状态维度上的历史评估结果、所述待管理对象在所述健康状态维度上的评估结果差值、所述待管理对象在所述生活方式维度上的历史评估结果以及所述待管理对象的画像信息输入预设的机器学习模型，获取所述机器学习模型输出的所述待管理对象在所述生活方式维度上的评估结果差值；第四确定模块，用于根据所述待管理对象在所述生活方式维度上的评估结果差值，确定所述健康属性中与所述生活方式维度相关的目标健康指标的调整量；指导模块，用于根据所述健康属性中与所述生活方式维度相关的目标健康指标的调整量，对所述待管理对象进行健康指标指导。
162.作为本公开实施例的一种可能实现方式，数据源信息包括以下信息中的至少两种：待管理对象的基本数据、待管理对象所处环境的环境数据、待管理对象的问卷数据和待管理对象所佩戴的可穿戴设备的监测数据。
163.本公开实施例的健康管理装置，通过获取待管理对象的多种数据源信息；根据多种数据源信息，确定待管理对象的健康属性，其中，健康属性包括多个健康指标；针对待管理对象的每个待评估维度，根据健康属性中与待评估维度相关的健康指标，确定待管理对象在待评估维度上的评估结果；根据待管理对象在各个待评估维度上的评估结果，对待管理对象进行健康管理，该装置可实现根据健康属性中与待评估维度相关的健康指标，对待管理对象的多个待评估维度进行评估分析，进而根据多个待评估维度的评估分析结果对待管理对象进行健康管理，可实现对待管理对象进行个性化主动的健康管理，有效地提高了用户的健康水平。
164.根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
165.图11示出了可以用来实施本公开的实施例的示例电子设备1100的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。
166.如图11所示，该电子设备包括：一个或多个处理器1101、存储器1102，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接，并且可以
被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示gui的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个电子设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图11中以一个处理器1101为例。
167.存储器1102即为本技术所提供的非瞬时计算机可读存储介质。其中，所述存储器存储有可由至少一个处理器执行的指令，以使所述至少一个处理器执行本技术所提供的健康管理方法。本技术的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本技术所提供的健康管理方法。
168.存储器1102作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本技术实施例中的健康管理方法对应的程序指令/模块(例如，附图10所示的获取模块1010、第一确定模块1020、第二确定模块1030和管理模块1040)。处理器1101通过运行存储在存储器1102中的非瞬时软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的健康管理方法。
169.存储器1102可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据模型的训练的电子设备的使用所创建的数据等。此外，存储器1102可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器1102可选包括相对于处理器1101远程设置的存储器，这些远程存储器可以通过网络连接至模型的训练的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
170.模型的训练方法的电子设备还可以包括：输入装置1103和输出装置1104。处理器1101、存储器1102、输入装置1103和输出装置1104可以通过总线或者其他方式连接，图11中以通过总线连接为例。
171.输入装置1103可接收输入的数字或字符信息，以及产生与模型的训练的电子设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置1104可以包括显示设备、辅助照明装置(例如，led)和触觉反馈装置(例如，振动电机)等。该显示设备可以包括但不限于，液晶显示器(lcd)、发光二极管(led)显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。
172.此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用asic(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
173.这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器
指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置(pld))，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
174.为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，crt(阴极射线管)或者lcd(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
175.可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(lan)、广域网(wan)、互联网和区块链网络。
176.计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器也可以为分布式系统的服务器，或者是结合了区块链的服务器。
177.其中，需要说明的是，人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科，既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术；人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。
178.应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。
179.上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。

技术特征：

1.一种健康管理方法，其特征在于，包括：获取待管理对象的多种数据源信息；根据所述多种数据源信息，确定所述待管理对象的健康属性，其中，所述健康属性包括多个健康指标；针对所述待管理对象的每个待评估维度，根据所述健康属性中与所述待评估维度相关的健康指标，确定所述待管理对象在所述待评估维度上的评估结果；根据所述待管理对象在各个待评估维度上的评估结果，对所述待管理对象进行健康管理。2.根据权利要求1所述的方法，其特征在于，所述待评估维度包括健康状态维度，其中，所述健康状态维度包括多种健康状态子维度；所述针对所述待管理对象的每个待评估维度，根据所述健康属性中与所述待评估维度相关的健康指标，确定所述待管理对象在所述待评估维度上的评估结果，包括：针对所述健康状态维度中的每种健康状态子维度，根据所述健康属性中与所述健康状态子维度相关的多个目标健康指标，确定所述待管理对象在所述健康状态子维度上的子评估结果；根据所述待管理对象在多种所述健康状态子维度上的子评估结果，确定所述待管理对象在所述健康状态维度上的评估结果。3.根据权利要求2所述的方法，其特征在于，在所述健康状态子维度为生理健康状态子维度时，所述根据所述健康属性中与所述健康状态子维度相关的多个目标健康指标，确定所述待管理对象在所述健康状态子维度上的子评估结果，包括：确定与所述生理健康状态子维度相关的多种目标疾病症状的危害度，以及每个所述目标健康指标与每种所述目标疾病症状之间的相关度；针对每个所述目标健康指标，根据所述多种目标疾病症状的危害度以及所述目标健康指标与每种所述目标疾病症状之间的相关度，确定所述目标健康指标的权重；根据各个所述目标健康指标的数值以及权重，确定所述待管理对象在所述生理健康状态子维度上的子评估结果。4.根据权利要求1所述的方法，其特征在于，所述待评估维度包括生活方式维度，其中，所述生活方式维度包括多种生活方式子维度；所述针对所述待管理对象的每个待评估维度，根据所述健康属性中与所述待评估维度相关的健康指标，确定所述待管理对象在所述待评估维度上的评估结果，包括：针对所述生活方式维度中的每种生活方式子维度，确定与所述生活方式子维度相关的多种目标疾病症状的危害度，以及每个所述目标健康指标与每种所述目标疾病症状之间的相关度；针对每个所述目标健康指标，根据所述多种目标疾病症状的危害度以及所述目标健康指标与每种所述目标疾病症状之间的相关度，确定所述目标健康指标的权重；根据各个所述目标健康指标的数值以及权重，确定所述待管理对象在所述生活方式子维度上的子评估结果；根据所述待管理对象在多种所述生活方式子维度上的子评估结果，确定所述待管理对象在所述生活方式维度上的评估结果。
5.根据权利要求1所述的方法，其特征在于，所述待评估维度包括健康状态维度；所述方法还包括：确定参考对象数据集，其中，所述参考对象数据集中包括：参考对象的画像信息，以及相邻第三时间段内所述参考对象在健康状态维度上的评估结果；根据所述评估结果，以及所述待管理对象与所述参考对象之间的相似度，预测所述待管理对象在所述健康状态维度上的目标评估结果；根据所述目标评估结果，对所述待管理对象进行目标健康状态推荐。6.根据权利要求5所述的方法，其特征在于，所述根据所述评估结果，以及所述待管理对象与所述参考对象之间的相似度，预测所述待管理对象在所述健康状态维度上的目标评估结果，包括：确定相邻第三时间段内所述参考对象在所述健康状态维度上的评估结果差值；根据多个所述参考对象的所述评估结果差值，以及多个所述参考对象与所述待管理对象之间的相似度，预测所述待管理对象的评估结果差值；根据所述待管理对象在所述健康状态维度上的历史评估结果以及所述待管理对象在所述健康状态维度上的评估结果差值，预测所述待管理对象在所述健康状态维度上的目标评估结果。7.根据权利要求5所述的方法，其特征在于，所述待评估维度还包括生活方式维度；所述方法还包括：将所述待管理对象在所述健康状态维度上的历史评估结果、所述待管理对象在所述健康状态维度上的评估结果差值、所述待管理对象在所述生活方式维度上的历史评估结果以及所述待管理对象的画像信息输入预设的机器学习模型，获取所述机器学习模型输出的所述待管理对象在所述生活方式维度上的评估结果差值；根据所述待管理对象在所述生活方式维度上的评估结果差值，确定所述健康属性中与所述生活方式维度相关的目标健康指标的调整量；根据所述健康属性中与所述生活方式维度相关的目标健康指标的调整量，对所述待管理对象进行健康指标指导。8.一种健康管理装置，其特征在于，包括：获取模块，用于获取待管理对象的多种数据源信息；第一确定模块，用于根据所述多种数据源信息，确定所述待管理对象的健康属性，其中，所述健康属性包括多个健康指标；第二确定模块，用于针对所述待管理对象的每个待评估维度，根据所述健康属性中与所述待评估维度相关的健康指标，确定所述待管理对象在所述待评估维度上的评估结果；管理模块，用于根据所述待管理对象在各个待评估维度上的评估结果，对所述待管理对象进行健康管理。9.根据权利要求8所述的装置，其特征在于，所述待评估维度包括健康状态维度，其中，所述健康状态维度包括多种健康状态子维度；所述第二确定模块，具体用于：针对所述健康状态维度中的每种健康状态子维度，根据所述健康属性中与所述健康状态子维度相关的多个目标健康指标，确定所述待管理对象在所述健康状态子维度上的子评
估结果；根据所述待管理对象在多种所述健康状态子维度上的子评估结果，确定所述待管理对象在所述健康状态维度上的评估结果。10.根据权利要求8所述的装置，其特征在于，所述待评估维度包括健康状态维度，所述装置还包括：第三确定模块，用于确定参考对象数据集，其中，所述参考对象数据集中包括：参考对象的画像信息，以及相邻第三时间段内所述参考对象在健康状态维度上的评估结果；预测模块，用于根据所述评估结果，以及所述待管理对象与所述参考对象之间的相似度，预测所述待管理对象在所述健康状态维度上的目标评估结果；推荐模块，用于根据所述目标评估结果，对所述待管理对象进行目标健康状态推荐。11.根据权利要求10所述的装置，其特征在于，所述预测模块，具体用于：确定相邻第三时间段内所述参考对象在所述健康状态维度上的评估结果差值；根据多个所述参考对象的所述评估结果差值，以及多个所述参考对象与所述待管理对象之间的相似度，预测所述待管理对象的评估结果差值；根据所述待管理对象在所述健康状态维度上的历史评估结果以及所述待管理对象在所述健康状态维度上的评估结果差值，预测所述待管理对象在所述健康状态维度上的目标评估结果。12.根据权利要求10所述的装置，其特征在于，所述待评估维度还包括生活方式维度，所述装置还包括：输入模块，用于将所述待管理对象在所述健康状态维度上的历史评估结果、所述待管理对象在所述健康状态维度上的评估结果差值、所述待管理对象在所述生活方式维度上的历史评估结果以及所述待管理对象的画像信息输入预设的机器学习模型，获取所述机器学习模型输出的所述待管理对象在所述生活方式维度上的评估结果差值；第四确定模块，用于根据所述待管理对象在所述生活方式维度上的评估结果差值，确定所述健康属性中与所述生活方式维度相关的目标健康指标的调整量；指导模块，用于根据所述健康属性中与所述生活方式维度相关的目标健康指标的调整量，对所述待管理对象进行健康指标指导。13.一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-7中任一项所述的方法。14.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-7中任一项所述的方法。15.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-7中任一项所述的方法。

技术总结

本公开提出了健康管理方法、装置、电子设备及存储介质，涉及人工智能技术领域。具体实现方案为：通过获取待管理对象的多种数据源信息；根据多种数据源信息，确定待管理对象的健康属性；针对待管理对象的每个待评估维度，根据健康属性中与待评估维度相关的健康指标，确定待管理对象在待评估维度上的评估结果；根据待管理对象在各个待评估维度上的评估结果，对待管理对象进行健康管理，该方法根据健康属性中与待评估维度相关的健康指标，对待管理对象的多个待评估维度进行评估分析，进而根据多个待评估维度的评估分析结果对待管理对象进行健康管理，可实现对待管理对象进行个性化主动的健康管理，有效地提高了用户的健康水平。有效地提高了用户的健康水平。有效地提高了用户的健康水平。