移动健康技术在慢性病管理中的应用

， ， ，

“健康中国2020”指出，坚持以人为本，以社会需求为导向，把维护人民健康权益放在第一位，以全面促进人民健康，提高健康的公平性，强调预防为主，实现医学模式的根本转变[1]。低成本高效的移动健康技术是提高健康公平性和实现以预防为主医学模式的技术手段之一。研究以手机等移动设备为载体的公众健康知识服务模式，开发基于移动终端的慢性病管理APP，既能顺应时代发展的需要，又为公众获取便捷的慢性病健康知识提供技术保障[2-3]。

2015年6月30日国家卫计委发布的《中国居民营养与慢性病状况报告(2015年)》指出，2012年全国居民慢性病死亡率为533/10万，占总死亡人数的86.6%。其中糖尿病在全国18岁及以上成年人中的患病率为9.7%，居于各种慢性病的第二位。因此本文以糖尿病为例，研究移动健康技术在慢性病管理中的应用，开发面向慢性病管理的移动APP。借助移动终端为用户提供健康知识，一方面能满足公众对健康知识的迫切需求，另一方面能够实现公众随时随地阅读获取健康知识，并实现实时分享。研究移动信息环境的公众健康知识服务内容与形式，建立基于移动终端的公众健康知识传播渠道，是实现公众通过移动终端获取健康信息的主要途径，为公众随时随地获取与利用健康知识奠定基础。本文以糖尿病监测与管理为重点，开展移动健康技术的研究及应用。

1 移动健康研究现状

1.1 功能

随着智能手机、智能终端技术的飞速发展，移动健康的概念逐渐兴起。早在20世纪60-70年代，就出现了远程医学(Tele-Medicine)和远程医疗(Tele-Health)的概念。2000年前后,出现了电子商务、电子教育、电子办公以及电子健康(eHealth)[4]等新概念。2003年前后手机被广泛应用，人们提出了移动健康(mHealth)的概念。移动健康是远程医疗的一部分，远程医疗又是电子健康的一部分。移动健康的应用主要面向公众和面向医护人员。

本文构建的移动APP的用户是公众。通过系统调研与梳理，目前面向公众的移动健康应用主要有门诊预约服务、用药管理、慢性病管理、远程诊断与治疗、电子健康档案查询、大众健康热线服务、医院导航、电子导医，以及提供医学知识教育和医学资讯的公共卫生服务等[5]。

1.1.1 门诊预约

移动健康的基本应用之一是医生门诊预约管理。患者可通过手机预约医生，同时提醒患者准时去就诊。在美国的医疗体系中，患者迟到给医生工作带来诸多不便，门诊预约提醒可缓解此问题。因此，移动医疗可以改善医生和患者的时间管理[6]。

1.1.2 用药管理

移动健康可应用到患者的用药管理方面。医院信息系统和医护人员可通过手机通知患者用药时间、用量等信息，让患者按照医疗计划定时定量用药，保证医疗效果[7]；还可以集成决策支持，检查患者用药和其他用药之间是否冲突，防止副作用出现。移动医疗应用能够解决实时数据采集问题，可以让公众提供其用药情况、用药后的反应、症状和效果信息，帮助医生收集患者用药历史和判断病情。此外，对一些相同的用药情况，移动医疗能提供电子化的用药处方，减少公众反复去医院开处方的问题，同时减少了医院的门诊量。

1.1.3 慢性病管理

移动健康还可以应用到糖尿病等多种慢性病管理。中国已进入老龄化社会，慢性病(如糖尿病、高血压、心血管疾病等)的发病率增加，给社会和个人家庭都带来沉重的经济负担。移动医疗可以让患者在家里接受一些相关的医疗服务，如医生可以远程跟踪患者身体情况，采集患者的各种体征数据，有可能会及早发现患者的一些变化，并及时进行治疗，避免出现大问题。医生或医院信息系统可以通过移动终端，提醒患者定时定量服药。如果患者按医嘱配合治疗，很多慢性疾病病情将控制在一个合理范围内。如通过移动医疗可以督促糖尿病患者改变生活方式，遵照医嘱，从而有效控制血糖水平；行动不便的老年人可在家里接受移动医疗服务。

1.1.4 医院导航

外调百度或Google地图完成院外导航，展现院内平面图，查看院内楼层、科室所在位置。使用手机定位服务，通过GSM网络获取移动终端用户的位置信息(经纬度坐标)，在电子地图平台的支持下，为用户提供相应服务的一种增值业务，实现医院内的实时动态导航[8]。

1.1.5 智慧导医

结合无线网络及定位技术，在医院设置智能导医系统。患者到智能导医自助机前，自助机播放该科室的介绍，同时告知患者所在位置及下一步要去的位置导向。

本文重点讨论移动健康技术在慢性病管理、用药管理、医学知识教育等公共卫生服务方面的应用。

1.2 核心技术分析

面向慢性病管理的移动应用需要综合应用多种移动健康核心技术，其核心问题是对慢性病指标数据采集、分析与计算，从而对慢性病进行监测与评估，为慢性病患者提供实时准确的提醒及相关疾病发生的预测。涉及到的核心技术为聚类算法、分类算法、推荐算法等。

1.2.1 聚类算法

糖尿病风险划分采用聚类算法。聚类是一个将数据集划分为若干组或簇的过程，使同一类的数据对象之间的相似度较高，而不同类的数据对象之间的相似度较低。常用的聚类算法有k-均值(k-means)、期望最大化(Expectation Maximization)算法、k-中心点、变色龙(Chameleon)算法等。

本文通过K-means聚类算法把糖尿病发病风险类似的人群聚合为一类，以k为参数，把n个对象分为k个簇，并使类内具有较高的相似度，而类间的相似度最低。相似度的计算是根据一个簇中对象的平均值(被看作簇的重心)进行的。这个算法尝试找出使平方误差函数值最小的k个划分:当结果簇是密集的，而簇与簇之间区别明显时，其效果较好。对处理大数据集，该算法是可伸缩的和高效率的。

1.2.2 分类算法

利用分类算法对不同风险的用户进行用药和饮食管理。分类是先按照某种标准给数据对象贴上标签，再根据标签区分归类，要事先定义好类别。分类器需要由人工标注的分类训练集训练得到，属于有指导学习范畴。常用分类算法有决策树、 神经网络、支持向量机、贝叶斯、关联规则、粗糙集、模糊集等。本文结合聚类结果，按照聚类结果给数据对象贴上糖尿病风险状况的标签，采用支持向量机算法分别训练用药和饮食管理的分类模型，按不同风险指导用户用药，同时开展饮食管理。

1.2.3 推荐算法

一个具有良好用户体验的系统，将对海量信息筛选、过滤，把用户最关注最感兴趣的信息展现出来，节省用户筛选信息的时间。推荐系统用于联系用户和信息，一方面帮助用户发现有价值的信息，另一方面可以让信息展现在对其感兴趣的人群中，实现信息提供商与用户的双赢。目前主要推荐算法包括协同过滤推荐[9]、基于内容推荐[10]、基于关联规则推荐、组合推荐、基于知识推荐和基于效用推荐[11]。本文采用协同过滤推荐算法进行健康知识推送，主要是基于最近邻技术，利用用户的喜好信息计算用户之间的距离，然后结合目标用户的最近邻居用户对健康知识评价的加权评价值，预测目标用户对特定知识的喜好程度，从而让系统根据这一喜好程度对目标用户进行推荐。

2 面向慢性病管理的移动健康APP系统设计与实现

对慢性病管理移动APP系统进行顶层设计，采用聚类、分类算法、推荐算法等移动互联技术，实现对公众糖尿病患病风险的评估、日常饮食情况管理、用药管理、健康知识推送、体征监测等功能。

2.1 系统功能设计

面向慢性病管理的移动健康APP系统要实现公众参与，本文以糖尿病的健康管理为例开展探索。通过用户输入的信息，借助后台移动互联技术，输出针对具体用户有针对性的健康知识。系统框架包括基本身体指标采集、身体状况分析、糖尿病风险评估、饮食管理、用药管理、体征监测、健康知识推送、用户注册登录、系统管理以及系统内部接口等功能。系统总体功能结构图如图1所示。

图1 系统总体功能结构图

2.2 系统实现

结合系统功能框架设计慢性病管理APP系统的流程图，如图2所示。

图2 系统流程图

2.2.1 用户注册和登录

对于首次使用本系统的用户提示注册账号，通过手机号或邮箱均可完成注册，然后利用该账号登录系统。以后使用系统时，自动使用此账号登录。

2.2.2 身体指标采集和提醒

首先采集用户的基本情况，如性别、年龄、身高、体重，再结合基本指标计算体重指数BMI，提供当前身体状况分析，如图3所示；然后采集用户血糖、血压、血脂、腹围、糖尿病家族史、是否患有糖尿病、饮食口味、是否吸烟、饮酒情况、睡眠质量等身体指标。

图3 身体指标采集(左)和提醒界面(右)

2.2.3 糖尿病风险评估

第一步，风险等级划分。结合用户身体指标，在后台利用K-means聚类算法界定糖尿病发病风险等级，包括患有糖尿病、患糖尿病风险高、患糖尿病风险较高、有糖尿病风险、身体状况不错等。

第二步，提供评估结果。针对用户个人的情况提供糖尿病风险评估结果，如患糖尿病风险较高，日常生活中需要注意饮食、运动、用药等方面，如图4所示。

第三步，生成评估报告。根据用户个人的评估结果，生成可以供用户具体操作的评估报告，如图4所示。

此后还可以进行历史记录查询。按照用户进行风险评估的时间，展示出历史记录列表，用户通过该列表查询个人的风险评估记录。

图4 风险评估结果(左)和评估报告(右)

2.2.4 饮食管理

通过采集用户每天的饮食数据，采用营养学的食物交换份法，针对用户输入的饮食数据，在后台进行计算，进而结合用户是否患病分类进行饮食合理性评价与指导。

一是针对糖尿病患者的饮食管理流程，如图5所示。根据系统采集到的用户饮食数据，结合营养学上的食物交换份法计算该个体每日实际摄入的总能量，同时计算实际摄入蛋白质、脂肪和碳水化合物的量，以及三者的比例分布情况(即饮食结构)。根据年龄、性别、职业和体重等因素计算个体每日所需的标准总热量和饮食结构[12]。

图5 糖尿病患者饮食评估流程图

二是针对未患糖尿病用户的饮食管理流程，如图6所示。根据中国营养学会制定的中国膳食平衡指数[13-14]的构成指标,采集用户三餐饮食情况时，以平衡膳食宝塔中各类食物推荐量为依据定义各个构成指标的取值方法，以及不同指标重量区间与分值的对应关系。

图6 针对未患病用户的饮食评估流程图

2.2.5 用药管理

用药管理能为患者提供服用降糖或降脂药物的实时提醒，系统通过后台时间设定进行服药提醒。

2.2.6 体征监测

体征监测包括血压、脉搏、体温、呼吸和血糖等的监测。首先要采集这5个体征指标，结合后台嵌套的标准区间值，判断指标是否正常，进而生成健康日志列表和指标曲线。

2.2.7 健康知识推送

本文整理与采集糖尿病相关的健康知识，共汇集知识条目2 000多条，结合采集的健康知识的主题内容将健康知识分为基本常识、血糖监测、运动方案、合理用药、生活指南五大类。推送健康知识的过程中，本文使用协同过滤推荐算法，向前期不同身体特征的用户有针对性地推送个性化的健康知识，实现健康知识的针对性应用。

3 结语

本文初步搭建了糖尿病管理移动APP系统，实现了对糖尿病的风险评估、体征监测、用药和饮食管理、健康知识推送等功能。该移动APP应用具有灵活、便捷、个性化等特点，能为公众提供切实有效的健康知识，有利于解决海量健康知识与公众对个性化健康知识迫切需求之间的矛盾。后续研究考虑将可进行体征采集的移动可穿戴设备接入糖尿病健康管理移动APP，并结合采集到的数据深入研究，不断改进该APP的系统功能，提升面向特定人群提供健康管理和健康知识服务的能力。