基于智能健康管理App的妊娠期评估与干预

莫 庸，袁贞明，孙 鹂

(杭州师范大学 1.信息科学与工程学院；2.医学院，浙江 杭州 310036)

治未病与健康管理

基于智能健康管理App的妊娠期评估与干预

莫 庸1，袁贞明1，孙 鹂2

(杭州师范大学 1.信息科学与工程学院；2.医学院，浙江 杭州 310036)

目的 以母子健康手册App为载体，对孕妇群体进行妊娠高血压评估及血压控制和体重控制。方法 以2016年1月—5月下载母子健康手册的孕妇为研究对象，采用基于临床知识库的智能健康管理App，对孕妇群体进行妊娠期高血压评估和血压、体重干预。通过分析评估结果及干预结果，检验评估模型的准确性和干预模型的有效性。结果 2016年1—5月期间共856名孕妇用智能健康管理系统评估妊娠期高血压疾病，评估结果与临床诊断结果相比较的准确率达99%；采用移动健康管理系统进行健康教育，相关孕期健康知识问卷平均得分(总分100)和合格率(80分为合格)均有显著提高(P<0.05)。结论 智能健康评估模型和移动健康干预手段有效，能够实现孕妇妊娠期高血压疾病的准确评估和孕期健康的有效干预。

智能健康管理；妊娠期高血压；临床知识库；健康评估；健康干预

近年来，基于可穿戴设备和智能终端设备的移动健康管理应用发展迅速，与传统医疗方式相比具有很多优势，例如可以实现居家连续动态地采集生理数据，云端数据服务器为医生的远程监控和干预提供条件。本研究利用移动健康管理技术，实现疾病管理的关口前移，及时预警、提高管理成效。

1 资料与方法

1.1 一般资料 2016年1-5月，成功下载使用母子健康手册应用程序(Application，App)并临床诊断为妊娠高血压的孕妇，共计856例。妊娠高血压诊断标准按照《妊娠期高血压疾病血压管理中国专家共识》(后称专家共识)[1]。

1.2 方法 研制基于临床知识库的孕产妇移动健康管理应用程序，由健康监测、健康评估和健康干预三部分组成。基于蓝牙血压计和移动手机采集的妊娠期孕妇个人健康数据，建立用户模型。从妊娠高血压疾病专家共识抽取概念实体以及评估规则，形成临床知识库和健康评估算法，根据用户模型得到个性化的健康评估结果。在移动健康管理App中，设计了基于主动推送技术的健康提醒和知识推荐，以及基于视频慕课(Massive Open Online Course, MOOC)和在线互动的孕妇学校与医患沟通模块。

1.2.1 用户健康数据建模 根据专家共识，用既往史、居家监测数据、检验检查数据、体格检查数据、孕期等组成的五元组集合建立用户健康数据模型，其中居家监测数据包括用蓝牙血压计测量得到的血压、心率以及录入的身高、体重数据等，检验检查数据包括尿蛋白、子痫等，体格检查数据包括抽搐、身体质量指数(Body Mass Index，BMI)等。

Ai={BPi,Hi,Pi,Ci,Ti}

(1)

其中，Ai代表某用户健康数据集中的一个数据元素，BPi代表居家监测值(由收缩压、舒张压、心率、体重组成)，Hi代表是否有既往高血压史，Pi代表蛋白尿、子痫等检验数据，Ci代表是否抽搐，Ti代表孕期(本文中孕期单位为周)。用户健康建模数据由移动健康管理App采集并上传至健康云平台，作为妊娠高血压评估和干预的依据。1.2.2 妊娠期高血压疾病临床知识库 以专家共识为依据，与该领域专家一起抽取其中的共识本体，建立基于妊高症知识概念的本体库，然后根据专家共识中本体间的关系建立妊娠高血压健康评估语义网规则语言[2](Semantic Web Rule Language，SWRL)规则库，最后基于JESS[3]推理机实现健康评估。

以专家共识中的妊娠高血压评估标准为例，妊高症的判定过程可以用图1所示的决策树来表示。其中，血压、既往史、孕龄、尿蛋白指标、抽搐、子痫、高血压评估结果等为知识库中的本体，本体与本体之间的有向边形成妊高症判定决策树。

图1 妊高症判定决策树

采用SWRL规则描述决策树，建立妊娠高血压评估规则库。规则库由原语和蕴含式组成，妊高症判定规则库中的原语可以是判别，也可以是关系。由原语组成的蕴含式表示专家共识中的评估规则，以妊娠高血压的评估为例，慢性高血压等评估的蕴含式如表1所示。

表1 妊高症诊断规则的蕴含式解释对照

1.2.3 健康评估推理 推理引擎是将本体描述以及规则进行推理演算的系统[4]。妊高症评估推理流程是评估规则与本体内容融合的过程。评估过程以孕妇健康数据集合{Ai}为输入，在知识库规则中寻找与标准样本类似的实例。如果症状与已有样例匹配，则通过对应的SWRL推理对用户进行诊断推理。例如当用户收缩压以及收缩压均低于妊高症阈值，或者处于正常血压高值区域内，该用户为正常血压。当用户血压值高于妊高症阈值时，还需参考既往高血压病史以及其他的因素推断用户是否患有妊娠高血压。

1.2.4 个性化健康干预 健康干预基于用户健康数据模型，针对孕妇群体，为用户制定个性化干预措施，包括指标控制和健康教育。根据孕妇健康数据建模，首先计算控制目标，包括体重控制目标和血压控制目标，计算每日所需摄入热量与运动量提供给用户，再根据用户监测数据的更新制定下一轮的控制目标。健康教育内容根据评估结果以语音、文字、视频等多种形式向孕妇作个性化知识推送，包括基于视频慕课的孕妇学校以及关于健康教育内容的互动问卷，孕妇学校中包括孕妇孕期需要关注的问题的视频和文字教程；互动问卷包括与教程相关的问卷，可以形成一个从学习到回答到再学习的闭环干预模式。

2 结 果

2.1 评估准确性验证 为验证评估推理的准确性，系统将管理的孕妇中存在临床诊断结果的部分提取出来，共856例，出现误差的9例用户都属于慢性高血压患者。可能与用户服用降压药物有关，导致测量数据始终处在正常值范围内，属于干扰因素。由上述结果证明系统评估推理结果符合临床诊断结果，评估的准确率达到了99%，验证了评估的准确性。

2.2 干预有效性验证 为了验证血压控制的有效性，系统将孕妇中孕初期血压测量值大于140/90的部分提取出来，按照测量孕周重新排列并取孕期人群平均血压值，结果如图2所示：孕妇在孕期中血压值有上下浮动，但总体趋于下降并渐渐平稳。由此可见血压控制有效。

图2 孕期人群平均血压值变化曲线图

系统按照孕妇孕前BMI值将孕妇分为4类，分别为孕前BMI<18.5 kg/m2; 18.5 kg/m2≤孕前BMI≤24.9 kg/m2；25.0 kg/m2≤孕前BMI≤29.9 kg/m2；孕前BMI≥30.0 kg/m2。将系统监测孕妇孕期的体重增长值与孕期体重增长标准值比较，结果汇总如图3所示(以孕前BMI<18.5 kg/m2为例)。由图可见，孕妇在孕期的体重变化未超出体重增长上下限范围，而是在标准体重增长值周围上下浮动，由此可见体重控制有效。

图3 孕期体重变化曲线图

为了验证健康教育的成果，系统采用自编试卷，对观看系统健康教育视频后的孕妇进行健康知识掌握情况的考核。系统采集2016年1—5月的数据，共有1754名孕妇通过App培训后,相关孕期健康知识平均得分(总分100)和合格率(80分为合格) 均有明显提高(P<0.05)，14个视频培训后得分均有不同程度提高(P<0.05)。回答正确率明显提高的为“孕早期保健”和“孕期心理调适”, 分别提高39.3%和30.5%；其次为胎儿安全自身临护、轻松分娩和科学坐月子,分别提高19.3%、17.5%和15.3%；其余提高6.3%～15%不等。

3 讨 论

随着2016年国家二孩政策的放开，高龄产妇的人数随之大大增加，妊娠期有关健康问题越来越得到人们的关注。其中，妊娠期高血压综合症是妊娠过程中最常见的临床行为，对于妊娠高血压的准确评估有较高的临床意义。

同时，随着对妊娠期高血压研究的深入，高血压与不良妊娠结局研究发现，妊娠期高血压发生妊娠不良结局的风险明显高于不伴有妊娠期高血压的孕妇。因此，对妊娠期高血压的治疗与护理应引起广大医务工作者的高度重视[5]。同样，母体的营养状况对胎儿生长发育起着重要作用。由于传统观念的影响、以及缺乏正确的引导, 许多孕妇陷入营养越多越好的误区, 女性孕期营养过剩及运动量小的情况越来越多, 导致了孕期体重过度增加, 巨大儿的出生率明显增高。认真观察和控制这一时期的体重变化对预测新生儿体重有重要意义[6]。

本文提出了一种基于临床知识库的移动健康评估和干预模型，首先对医学临床知识库进行规则建模，然后根据智能健康管理App采集到的个人健康数据建立用户健康数据模型，采用知识规则引擎实现健康评估，同时对孕妇群体进行健康干预，提出血压控制目标和体重控制目标，并成功运用于妊高症孕产妇移动健康管理中。本文提出的健康评估和干预模型在更大范围的临床知识库中的建模和推理是未来研究的方向。

[1]中国医师协会高血压专业委员会.妊娠期高血压疾病血压管理中国专家共识[J].中华高血压杂志，2012，24(11):1023-1027.

[2]Ge Q, Shen G, Huang Z,etal. The Application of SWRL Based Ontology Inference for Privacy Protection[J].Journal of software，2014，9(5)：1217-1222.

[3]丁鼎，张帆，赵斌，等.基于Jess的智能诊断系统的设计与实现[J]. 计算机与现代化，2009，32(12):189-192.

[4]Friedman-Hill E J. JESS, the rule engine for the Java platform[J]. Sandia National Laboratories，2006, 48(2):340-354.

[5]陈燕，张国英. 非肥胖孕妇孕期体重控制对妊娠结局的意义[J]. 中国妇幼保健，2009，24(30):4217-4219.

[6]曹丽丽.动机性访谈对妊娠期高血压孕妇血压控制与妊娠结局的影响研究[J].中国医药指南，2015，14(2):36-37.

Assessment and Intervention of Pregnancy Based on Intelligent Health Management App

MO Yong1，YUAN Zhen-ming1, SUN Li2

(1.DepartmentofInformationScienceandEngineering,HangzhouNormalUniversity,Hangzhou311121；2.DepartmentofMedicine,HangzhouNormalUniversity,Hangzhou310036,China)

Objective To assess the pregnant women with gestational hypertension and control their weight and blood pressure with the help of the Mother and Child Health Handbook Mobile Application. Method The pregnant women who downloaded the Mother and Child Health Handbook Mobile Application during the period from January 2016 to May 2016 were chosen as the subjects of study. According to the clinical knowledge base of hypertension, the gestational hypertension was assessed automatically for the pregnant women. The distance health monitor and health education provided in this mobile application contributed to the control of their blood pressure and body weight. The accuracy of the assessment model and the effectiveness of the health intervention were analyzed. Findings From January 2016 to May 2016, 856 pregnant women were assessed by the intelligent gestational hypertension assessment algorithm, the evaluation results show that the assessment accuracy as compared with the clinical diagnosis was 99%. A mobile health management system was adopted to improve the health education, and the prenatal health knowledge questionnaire average score (total score 100) and the percent of pass (80 divided into qualified) were increased significantly (P<0.05). Conclusion The intelligent health assessment model and mobile health intervention can effectively achieve an accurate assessment and intervention of pregnant women with gestational hypertension.

intelligent health management; gestational hypertension; clinical knowledge base; health assessment; health intervention

2016-09-14

浙江省教育厅项目(Y200909798)

莫 庸(1992-)，男，安徽合肥人，硕士研究生，研究方向：移动健康管理。

袁贞明(1972-)，男，浙江杭州人，博士，教授，硕士研究生导师。研究方向：数字医疗与健康管理。

10.3969/j.issn.1674-6449.2017.01.002

R714.7

A

1674-6449(2017)01-0004-04