基于多维数据模型的个人健康管理方法设计

摘要

现如今慢性病和亚健康在我国的发生率越来越高，慢病管理不当，会发生很大程度的恶化，甚至导致死亡。由于我国大部分农村人群健康管理意识薄弱及就医困难等因素，慢病恶化导致重病或死亡的发生率极高。据世界卫生组织研究表明，导致慢病发生的主要因素中，生活方式占比60%。所以，慢病管理的主要出发点是个人对其生活方式的管理。随着网络科技和智能移动设备的飞速发展，个人健康管理系统逐渐成为指导人们良好生活行为，以改善慢病的一种主要方式。　　本文基于慢病发生人群的主要社会特征和慢病个人健康管理的实际需求，提出了基于多维数据模型的个人健康管理系统。深入分析挖掘了各种健康数据对于健康管理的价值，根据国家相关医疗卫生数据标准，构建了多维模型数据仓库，为智能健康预警和疾病风险评估打造了标准数据平台。本文研究和设计了基于PDCA循环管理模式的闭环式个人健康管理方法，从健康数据采集记录、健康评估、健康计划、跟踪执行四个方面进行了详细的功能设计。　　本文采用了文字录入、图像上传、蓝牙传输等多种健康数据采集技术，提高了数据采集记录的效率和准确率。系统根据临床诊断指南设计实现了单参数健康评估和健康综合评估功能。其中健康综合评估采用基于层次分析法(Analytic Hierarchy Process, AHP)的模糊综合评价模型，通过设计综合评价指标、计算权重、判断隶属度等步骤实现健康综合评估。并设计了多维数据元属性，扩展了数据元的疾病、器官、科室等临床属性，为构建多维健康评估和动态配置健康档案奠定了数据模型基础，此模式打破了传统单一健康评估模式，满足了用户自定义健康管理的需求。系统根据用户个性化的健康评估结果，结合系统在线医生的临床诊疗，为用户提供健康计划制定功能，从生活方式、心理因素、管理方法等多方面进行健康干预和指导。从而满足用户一站式健康管理的需求，尤其为农村地区慢病患者打造功能齐全专业的健康管理平台，节省健康管理成本。　　本文对健康数据采集、处理、存储技术进行了研究，采用HDFS数据存储技术， html、css、JavaScript、java 等软件开发技术，结合 jQuery、UEditor、DateRangePicker等插件，以及短信邮件发生接口、无线蓝牙传输接口等，对本系统网站端和移动端应用平台进行了设计与开发。并采用关系型数据库MySQL作为系统数据库，设计了雪花型多维数据模型。最后对本系统的功能和性能做了测试，目前已完成基础版本的开发和试运行。

目录

1 绪 论

1.1 研究背景与意义

1.2.1 健康管理应用国外研究现状

1.2.2 健康管理应用国内研究现状

1.3 研究内容

1.4 论文章节结构

2 健康管理模式及系统相关技术介绍

2.1 PDCA闭环式健康管理模式

2.2 数据采集

2.3 数据存储技术

2.3.1 多维数据仓库模型

2.3.2 自定义动态配置健康档案技术

2.3.3 数据存储技术HDFS

2.4.1 方案设计

2.4.2 自定义动态配置健康档案的方法

2.4.3 数据映射与动态健康档案生成规则

2.5 数据处理技术MapReduce

2.6 开发技术简介

2.7 本章小结

3 基于AHP的健康模糊综合评估模型

3.1 健康评估分析

3.2.1 健康评估指标的选取

3.2.2 健康评估指标权重的研究

3.3 基于模糊综合评价的健康状态评估

3.4 算法应用实例

3.5 本章小结

4 系统需求分析与数据库设计

4.1 总体需求分析

4.2.1 健康数据记录

4.2.2 健康档案

4.2.3 健康评估

4.2.4 健康指导

4.2.5 健康圈子

4.2.6 系统管理

4.3 数据库设计

4.3.1 健康数据元的多维设计

4.3.2 数据库表设计

4.4 本章小结

5 个人健康管理系统的设计与实现

5.1 系统整体架构设计

5.2 健康管理功能逻辑设计

5.3 用户功能模块设计

5.4 网站端系统设计与实现

5.4.1 网站开发技术

5.4.2 网站系统主题设计

5.4.3 登录注册界面

5.4.4 个人中心

5.4.5 健康管理模块

5.5 移动端系统设计与实现

5.5.1 移动端开发技术

5.5.2 登录注册界面

5.5.3 健康数据记录

5.5.4 健康数据整理

5.5.5 健康评估

5.5.6 健康计划与跟踪执行

5.6 本章小结

6 系统测试

6.1 系统测试目的及原则

6.2 系统测试环境

6.3 系统功能测试

6.4 系统性能测试

6.5 用户使用情况总结

6.6 本章小结

7 总结与展望

7.1 总结

7.2 展望

参考文献

附录

A. 作者在硕士学位期间的科研成果

B. 作者在硕士学位期间参与的科研项目

C.学位论文数据集

致谢