一种基于问答式问卷的疾病风险评估方法及存储介质与流程

1.本发明涉及问卷疾病风险评估生成技术领域，特别是涉及问答式问卷的疾病风险评估方法及存储介质。


背景技术：

2.随着社会的发展和健康中国的政策推荐，越来越多的医疗行为从疾病发生后的治疗转移到了疾病发生前的预防。心脑血管、癌症等早期可没有任何症状，如果出现症状，往往已经错过了早期发现。健康管理作为最重要的预防环节，如何根据用户自身疾病潜在风险，进行合理干预预防变得重要且紧迫了。准确分析用户潜在的风险疾病，分析用户危险因素，并提供相关疾病相关知识体系。
3.为了解决上述问题，本领域工作人员对问答式问卷的疾病风险评估方法进行了不同的研究：中国专利公开号cn109637600a公开了一种问卷生成方法、系统、计算机可读介质以及电子设备。一种问卷生成方法包括根据所述用户对所述病种列表选择的病种，产生第二问卷页面，所述第二问卷页面显示疾病列表；根据所述用户对所述疾病列表选择的疾病，产生第三问卷页面，所述第三问卷页面显示第一问题；根据所述用户对所述第一问题的答案，产生第四问卷页面，所述第四问卷页面显示第二问题；及根据所述用户对所述第二问题的答案，判定所述用户是否符合承保条件。然而在该技术方案中，只是简单地披露问卷的生成方法，并未详细地披露出评估疾病风险的方法。
4.因此有必要对问答式问卷的疾病风险评估方法进行进一步的改进，以解决上述的各种不端。


技术实现要素：

5.本技术的目的：在于解决和克服现有技术和应用的不足，提供问答式问卷的疾病风险评估方法及存储介质，有效解决疾病风险评估效率低的问题，不仅提高了疾病风险评估的效率，还提高了疾病风险评估的准确性。
6.本技术的目的是通过如下技术方案来完成的，一种基于问答式问卷的疾病风险评估方法，其特征在于，包括以下步骤：s1：根据疾病风险评估算法模型文献中关于疾病相关联的风险因素生成疾病-用户标签库；所述疾病-用户标签库包括疾病库、用户标签库，及疾病用户标签关联库；s2：所述用户标签库为多个用户标签组成，对所述用户标签进行等级分类，构建用户标签的分类树，并为不同类别的用户标签赋有不同的属性,根据用户标签所属分类及其属性生成疾病题库；s3：用户在所述疾病题库上选择需要评估的疾病；s4：根据所述疾病抽取相关疾病题库；s5: 系统读取用户个人信息生成用户个人标签；
s6：根据相关疾病题库及所述用户个人标签生成测评疾病题库;s7：用户根据所述评测疾病题库填写对应信息，并更新用户个人标签；s8: 通过模型计算当前待评估疾病的风险评分和等级，并将产生的标签更新到用户个人标签，计算下一疾病缺少的用户个人标签，进而生成下一评测疾病题库;s9：重复执行s7步骤与s8步骤不断更新用户个人标签，直至满足选择的待评估疾病都完成评估为止；s10：将完成更新后的用户个人标签输入算法模型内，算法模型计算对应疾病的风险等级及评分，并输出疾病风险评估结果。
7.优选地，所述步骤s1具体为:s11、建立疾病库，每种疾病为一个结点，结点包括疾病的属性信息；s12、建立用户标签库，每个用户标签作为一个结点存储，用户标签结点有等级分类；s13、建立疾病用户标签关联库，将疾病与疾病风险因素对应的用户标签以有向边连接，表示疾病风险因素关系，疾病和用户标签形成有向无环图。
8.优选地，在所述s4步骤中，题目抽取规则具体为：s41、根据疾病与用户标签的边关系，读取选择疾病所有的用户标签并去重；s42、根据去重后的用户标签以及用户标签的结点属性选择标签相关的疾病题库；s43、按照用户标签分类和优先级对匹配的疾病题库进行排序。
9.优选地，在所述s6步骤中，具体为：s61、评测疾病题库读取用户个人标签数据并根据当前题目判断是否显示相关题目；s62、若不显示则返回下一题，若显示相关题目，则根据用户个人标签数据判断是否有默认值；s63、若没有默认值则返回当前题目，若有默认值则判断是否需要跳过；s64、若不需要跳过则返回当前题目，若需要跳过则返回下一题。
10.优选地，在所述的s8步骤中具体为：s81、把已获取的疾病相关的用户个人标签，转换成相应的模型分值，代入到该疾病的风险评估模型算法中计算风险评分，公式如下：其中，li为用户标签i对于疾病d的分值，f为文献中关于疾病d的风险评估模型参数。
11.本发明还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序可以被计算机处理器执行，以实现上述任意一项所述的基于问答式问卷的疾病风险评估方法。
12.本技术与现有技术相比，至少具有以下明显优点和效果：在本发明中，根据疾病-用户标签库设计相关的问卷题目及选项形成疾病题库，用户进入问卷评估，选择评估疾病后，读取用户档案中的用户个人标签，根据评估疾病缺少的标签生成下一问卷题目和选项，同时问卷题目和选项会根据用户个人标签设置显示条件，
在回答问卷题目，会以问答式的方式展示，不断更新用户个人标签，影响后续的题目的生成，直至回答完整套问答式问卷, 将最后更新的用户个人标签传入算法模型内，算法模型计算对应疾病的风险等级及评分，并输出疾病风险评估结果。以最短的路径，获取到需要的用户个人标签，并得到疾病风险评估结果。不仅提高了疾病风险评估的效率，还提高了疾病风险评估的准确性。
附图说明
13.图1是本技术的整体流程示意图。
14.图2是本技术中用户标签库与疾病题库之间的关系图。
15.图3是本技术中步骤s6的流程示意图。
16.图4是本技术中步骤s10的流程示意图。
具体实施方式
17.结合附图和以下说明描述了本技术的特定实施例以教导本领域技术人员如何制造和使用本技术的最佳模式。为了教导申请原理，已简化或省略了一下常规方面。本领域技术人员应该理解源自这些实施例的变形落在本技术的范围内。本领域技术人员应该理解下述特征能够以各种方式结合以形成本技术的多个变型。本技术中所引用的如“上”、“下”、“左”、“右”、“中间”及“一”等的用语，亦仅为便于叙述的明了，而非用以限定本发明可实施的范围，其相对关系的改变或调整，在无实质变更技术内容下，当亦视为本发明可实施的范畴。由此，本技术并不局限于下述特定实施例，而仅由权利要求和它们的等同物限定。
18.本发明公开了基于问答式问卷的疾病风险评估方法的一种具体实施例。根据本发明中的实施例，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他实施例，都属于本发明的保护范围。为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明的实施方式进行详细的阐述。
19.如图1示出，根据疾病-用户标签库设计相关的问卷题目及选项形成疾病题库，用户进入问卷评估，选择评估疾病后，读取用户档案中的用户个人标签，根据评估疾病缺少的标签生成下一问卷题目和选项，同时问卷题目和选项会根据用户个人标签设置显示条件，在回答问卷题目，会以问答式的方式展示，不断更新用户个人标签，影响后续的题目的生成，直至回答完整套问答式问卷, 将最后更新的用户个人标签传入算法模型内，算法模型计算对应疾病的风险等级及评分，并输出疾病风险评估结果。以最短的路径，获取到需要的用户个人标签，并得到疾病风险评估结果。有效解决疾病风险评估效率低的问题，不仅提高了疾病风险评估的效率，还提高了疾病风险评估的准确性。
20.在本技术实施例中，以下对一种基于问答式问卷的疾病风险评估方法所采用的步骤进行充分说明：s1：根据疾病风险评估算法模型文献中关于疾病相关联的风险因素生成疾病-用户标签库，所述疾病-用户标签库包括疾病库、用户标签库，及疾病用户标签关联库；在本实施例中，步骤s1具体为：s11：建立疾病信息本体数据库,即疾病库，每种疾病为一个结点，结点包括疾病的编码和疾病的发病率、致死率等属性信息;
s12：建立用户标签本体数据库，即用户标签库，如图2所示为用户标签库与疾病题库之间的关系图，用户标签库为多个标签组成，所述标签包括但不限于年龄、性别、饮酒、抽烟、饮食不规律，每个用户标签作为一个结点存储，用户标签结点有等级分类，如基本信息包括年龄、性别、居住地等；行为特征包括：吸烟、喝酒、高盐饮食等。从而形成树形类目结构。用户标签结点包括题目信息、选项、优先级等属性。标签类别结点包括题目类型等属性，题目类型分为基础类型，可合并类型等。
21.s13:建立疾病-用户标签库，将疾病与疾病风险因素对应的用户标签有向边连接，表示疾病风险因素关系，疾病和用户标签形成有向无环图。
22.s2：所述用户标签库为多个用户标签组成，对所述用户标签进行等级分类，构建用户标签的分类树，并为不同类别的用户标签赋有不同的属性,根据用户标签所属分类及其属性生成疾病题库；在本技术实施例中，如图2所示为用户标签库与疾病题库之间的关系图，行为特征-生活习惯-饮酒，行为特征为一级分类，生活习惯为二级分类，饮酒为三级分类。对于基础属性类标签，将单个用户标签做成单独题目，例如：标签“性别”（分类为：人口属性-基础-性别），题目为“请问你的性别”选项为“男、女”。对于可合并属性类的多个标签（如抽烟、喝酒、熬夜）赋予一个相同的属性，这样就可以合并成多选题，例如：“请问你有下列那种情况”选项为“抽烟、喝酒、熬夜”。根据整个用户标签库的分类树及赋予的属性，便可生成疾病题库。
23.s3：用户在所示疾病题库上选择需要评估的疾病，可多选；例如选择所需要评估的疾病为“胃癌”，则需要根据提示在操作界面上进行选择。
24.s4：根据所述疾病抽取相关疾病题库；系统从用户所选疾病中选取一个疾病，根据该疾病抽取相关疾病题库；在所述s4步骤中，题目抽取规则具体为：s41：根据疾病与用户标签的边关系，读取选择疾病所有的用户标签。
25.s42：根据用户标签的结点属性选择标签相关的疾病题库。
26.s43：按照用户标签分类和优先级对匹配的疾病题库进行排序。
27.本技术实施例中，用户选择了糖尿病进行风险测评，糖尿病这个结点疾病风险因素这条边连接如下用户标签(性别、年龄、身高、体重、腰围、血糖、血脂、高血压家族史、糖尿病家族史)；根据这些标签(性别、年龄、身高、体重、腰围、高血压家族史、血糖、血脂、糖尿病家族史)结点的属性，如性别、年龄是基础属性，独立成题， 高血压家族史、糖尿病家族史是可合并属性，合并成多选题，从而生成标签相关的疾病题库；先按标签分类优先级排序，同分类下按照标签属性优先级再排序，如(性别、年龄、身高、体重) 为人口属性-基础分类，标签分类结点上有优先级属性，该分类优先级为第1优先级，该分类排在所有分类前面，该分类下，如性别结点上优先级最高，故性别排在其他标签前面，吸烟属于行为特征-生活习惯分类，对应第2优先级，排在其后。
28.s5: 系统读取用户个人信息生成用户个人标签；从大数据系统读取用户的个人信息并生成用户个人标签。
29.s6：根据相关疾病题库及所述用户个人标签生成测评疾病题库；例如用户个人标签为“饮食不规律时”，此时生成的问答式问卷为“胃炎”。在本实施例中，在所述步骤s6中，具体为：s61评测疾病题库读取用户个人标签数据并根据当前题目判断是否显示相关题
目；s62：若不显示则返回下一题，若显示相关题目，则根据用户个人标签数据判断是否有默认值；s63：若没有默认值则返回当前题目，若有默认值则判断是否需要跳过；s64：若不需要跳过则返回当前题目，若需要跳过则返回下一题。
30.在本技术实施例中，如图3所示，加载题目时，会先判断题目是否显示给用户，如一些题目是限制性别，则不是该性别的不会显示此题，然后会判断是否需要默认值，比如体重，如果用户标签内有此类信息，会默认选中，最后会根据标签的有效期，看是否用户需要回答此题，如果还在有效期内，则系统会自动存储，并继续下一题，加载题目后，会以聊天框问答的方式显示给用户，回答完一题，会存储对应的用户标签，中间结果也会以对话方式展示给用户。用户也可以修改之前回答的题目，如果影响到后面的题目显示顺序，则后续题目会重新加载，由于存储了用户标签，同样的题目就会以默认答案的方式显示给用户。
31.s7：用户根据所述评测疾病题库填写对应信息，并更新用户个人标签；在本实施例中，问答式问卷为“胃炎”，则相对的生成的题目为“请问你是否有以下情况”选项为“每天不按时吃饭，每天至少喝一瓶啤酒，以上都没有”。
32.s8：通过模型计算当前待评估疾病的风险评分和等级，并将产生的标签更新到用户个人标签，计算下一疾病缺少的用户个人标签，进而生成下一评测疾病题库；在所述的s8步骤中，具体为:s81: 把已获取的疾病相关的用户个人标签，转换成相应的模型分值，代入到该疾病的风险评估模型算法中计算风险评分，公式如下：其中，li为用户标签i对于疾病d的分值，f为文献中关于疾病d的风险评估模型参数。
33.在本技术实施例中，疾病风险评分超过高风险阈值则疾病风险等级为高风险，若评分若高于中风险阈值为中风险，否则为低风险，根据疾病风险等级生成相应的疾病风险用户标签，并更新到个人用户标签中；取下一个待评测疾病，如果该疾病下已有标签已经满足评估要求，则直接进入该疾病的风险分值计算，无需生成新的测评疾病题库，否则取未出现的用户标签生成新的测评疾病题库。
34.s9：重复执行s7步骤与s8步骤不断更新用户个人标签，直至满足选择的待评估疾病都完成评估为止；在本技术实施例中，如图2所示，当选择“每天不按时吃饭”这一选项时，则会生成下一问卷题目和选项，例如“胃部是否经常出现胀气、阵痛”选项为“是，否”，同时会更新用户个人标签，直至问答完成。
35.s10：将完成更新后的用户个人标签输入算法模型内，算法模型计算对应疾病的风险等级及评分，并输出疾病风险评估结果；在本技术实施例中，如图4所示，将用户个人标签中的“是否饮酒”输入至风险模型中（高血压、胃癌），则输出的疾病风险结果为高血压中危以及胃癌低危,还需要将所述疾病风险评估结果和用户个人标签存入用户标签库中，完善用户档案。
36.本发明原理为，如图1所示，根据疾病-用户标签库设计相关的问卷题目及选项形
成疾病题库，用户进入问卷评估，选择评估疾病后，读取用户档案中的用户个人标签，根据评估疾病缺少的标签生成下一问卷题目和选项，同时问卷题目和选项会根据用户个人标签设置显示条件，在回答问卷题目，会以问答式的方式展示，不断更新用户个人标签，影响后续的题目的生成，直至回答完整套问答式问卷, 将最后更新的用户个人标签传入算法模型内，算法模型计算对应疾病的风险等级及评分，并输出疾病风险评估结果。以最短的路径，获取到需要的用户个人标签，并得到疾病风险评估结果。不仅提高了疾病风险评估的效率，还提高了疾病风险评估的准确性。
37.需要进一步说明的是，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序可以被计算机处理器执行，实现上述实施例基于问答式问卷的疾病风险评估方法。所述计算机程序可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。
38.计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
39.可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、rf等等，或者上述的任意合适的组合。
40.可以以一种或多种程序设计语言的任意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、c 等，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。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上、部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(lan)或广域网(wan)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
41.由于本领域技术人员能够很容易想到，利用申请的构思和原理之内所作的任何修改、等同替换、改进等，均应包含在本技术的权利要求范围之内。