[发明专利]基于深度学习的健康教育评估方法、装置及介质

说明书

本发明涉及一种基于深度学习的健康教育评估方法、装置及介质的技术方案，包括：通过分布式采集设备及分布式存储设备对影响健康教育项目的多项维度数据进行采集；根据多项维度数据计算涉及健康问题的多项统计指标；对多项维度数据进行量化处理并构建面板数据；根据面板面板建立一个或多个深度学习序列预测算法模型；将统计指标输入深度学习序列预测算法模型，对未来设定时间段内影响健康教育项目的可能性值；基于可能值设定阈值，输出未来设定时间段内可能性值大于阈值的时刻点，将时刻点作为开展健康教育的最优时间点。本发明的有益效果为：通过分布式大数据采集相关数据，进行量化处理并进行学习计算，使得健康教育项目得到有效的评估。

技术领域

本发明涉及计算机领域，具体涉及了一种基于深度学习的健康教育评估方 法、装置及介质。

背景技术

健康教育与健康促进的理念与实际应用在健康管理的全过程中有着举足轻 重的地位。健康教育计划或健康管理计划的设计、实施与评价是健康教育或健康 管理“资料收集、需求评价、干预实施和效果评价”这一主要实施步骤或措施的 最好映射。其中对于健康教育计划的设计，健康教育诊断，又称健康教育需求评 估，是健康教育计划设计中第一也是最重要的步骤。

现有技术缺乏有效的技术手段对健康教育进行数据量化及评估。

发明内容

本发明的目的在于至少解决现有技术中存在的技术问题之一，提供了一种基 于深度学习的健康教育评估方法、装置及介质，通过分布式大数据采集相关数据， 进行量化处理并进行学习计算，使得健康教育项目得到有效的评估。

本发明的技术方案包括一种基于深度学习的健康教育评估方法，其特征在 于，该方法包括：S100，通过分布式采集设备及分布式存储设备对影响健康教育 项目的多项维度数据进行采集；S200，根据多项所述维度数据计算涉及健康问题 的多项统计指标；S300，对多项所述维度数据进行量化处理并构建面板数据； S400，根据所述面板面板建立一个或多个深度学习序列预测算法模型；S500，将 所述统计指标输入所述深度学习序列预测算法模型，对未来设定时间段内影响健 康教育项目的可能性值；S600，基于所述可能值设定阈值，输出未来设定时间段 内所述可能性值大于所述阈值的时刻点，将所述时刻点作为开展健康教育的最优 时间点。

根据所述的基于深度学习的健康教育评估方法，其中分布式采集设备及所 述分布式存储设备基于Hadoop、Spark及Pyspark的分布式框架的组合，所述分 布式存储设备采用Hive分布式存储，以实现大数据环境搭建。

根据所述的基于深度学习的健康教育评估方法，其中S100包括：通过所述 分布式采集设备对生活质量数据、社会环境数据、经济环境数据、文化环境数据、 政策数据及社会资源数据对应的一项或者多项参数进行数据采集；根据所述参数 计算生活质量数据、社会环境数据、经济环境数据、文化环境数据、政策数据及 社会资源数据对应的一项或多项指标。

根据所述的基于深度学习的健康教育评估方法，其中S200包括：根据所述 S100的维度数据统计健康问题的严重性及其危害性、主要健康问题及其主要危 险因素；其中，健康问题严重性与危害性医学统计指标计算主要包括：若某健康 问题具有病程短、急性特征或者是流行病，则计算健康问题或者疾病在目标地区 或人群中的某单位时间的发病率、死亡率、病死率；若某健康问题具有病程长、 难治愈特征或者是慢性病，则计算目标地区或人群中的某单位时间的患病率、死 亡率、病死率；主要健康问题与其主要危险因素医学统计指标计算主要包括，计 算某健康问题或疾病的影响因素与疾病之间的相对危险度RR和比值比OR，以 及二者之间的归因危险度AR、归因危险度百分比AR％、人群归因危险度百分比PAR％；

计算方法包括：

AR＝某影响因素暴露组发病率-某影响因素非暴露组发病率，