骨质疏松风险监测系统、方法、电子设备及存储介质

1.本技术涉及健康管理技术领域，尤其涉及一种骨质疏松风险监测系统、方法、电子设备及存储介质。


背景技术：

2.骨质疏松是一种常见的骨骼系统疾病，其特征为骨量减少、骨微结构破坏和骨骼力学性能下降。骨质疏松多见于绝经后女性和老年男性。骨质疏松的严重后果之一是骨质疏松性骨折，这种骨折在老年人中尤其常见，是致残和致死的主要原因之一。因此，早发现、早诊断、早治疗是预防骨质疏松症及其严重后果的关键。
3.目前，现有技术多从骨质疏松的诊断入手，但在临床上，骨质疏松患者往往需要长期管理和干预，而现有技术对骨质疏松患者的管理效率仍然比较低。此外，现有技术缺乏有效的分层管理策略，不能满足不同阶段骨质疏松患者的个性化干预需求。最后，现有技术在数据采集和处理方面存在一定的困难，无法实现区域骨质疏松患者数据的实时采集和分析。


技术实现要素：

4.有鉴于此，有必要提供一种骨质疏松风险监测系统、方法、电子设备及存储介质，能够至少克服以上缺陷之一。
5.第一方面，本技术实施例提供一种骨质疏松风险监测系统，所述骨质疏松风险监测系统包括：数据采集模块，用于采集用户信息，所述用户信息包括用户的年龄、性别、家族病史、吸烟情况、饮酒情况、运动习惯、用药史、骨密度、跌倒历史中的一种或多种；分析诊断模块，所述分析诊断模块包括极端随机树模型，所述分析诊断模块用于将所述用户信息输入所述极端随机树模型，所述极端随机树模型用于根据所述用户信息生成骨折风险信息，所述骨折风险信息包括极高危、高危、中风险或低风险。
6.根据本技术的一个实施例，所述分析诊断模块还用于：在所述用户信息中存在极高危风险信息时，将所述骨折风险信息标记为极高危。
7.根据本技术的一个实施例，所述极高危风险信息包括：
8.用户在近期发生脆性骨折、用户在接受抗骨质疏松症药物治疗期间仍发生骨折、用户患有多发性脆性骨折、用户正在使用可导致骨骼损害的药物、用户骨密度t-值《-3.0、用户有高跌倒风险或伴有慢性疾病导致跌倒史中的一种或多种。
9.根据本技术的一个实施例，所述骨质疏松风险监测系统还包括：健康方案制定模块，用于根据所述骨折风险信息及所述用户信息生成健康方案。
10.根据本技术的一个实施例，所述骨质疏松风险监测系统还包括：健康检测仪器，所述健康方案制定模块连接所述健康检测仪器；所述健康检测仪器用于更新所述用户信息；所述健康方案制定模块还用于根据更新后的所述用户信息更新所述健康方案。
11.根据本技术的一个实施例，所述骨质疏松风险监测系统还包括：数据统计模块，所
述数据统计模块用于获取多个所述用户信息、多个所述骨折风险信息及多个所述健康方案；所述数据统计模块还用于根据多个所述用户信息、多个所述骨折风险信息及多个所述健康方案生成骨质疏松风险统计信息。
12.根据本技术的一个实施例，所述骨质疏松风险监测系统还包括：消息通知模块，所述消息通知模块通信连接终端，所述消息通知模块用于将所述健康方案制定模块生成的所述健康方案发送至所述终端。
13.第二方面，本技术实施例提供一种骨质疏松风险监测方法，应用于如第一方面所述的骨质疏松风险监测系统，所述骨质疏松风险监测方法包括：采集用户信息，所述用户信息包括用户的年龄、性别、家族病史、吸烟情况、饮酒情况、运动习惯、用药史、骨密度、跌倒历史中的一种或多种；将所述用户信息输入极端随机树模型；根据所述用户信息生成骨折风险信息，所述骨折风险信息包括极高危、高危、中风险或低风险。
14.第三方面，本技术实施例提供一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为执行所述指令时实现第二方面所述的骨质疏松风险监测方法。
15.第四方面，本技术实施例一种计算机可读存储介质，包括指令，所述指令指示设备执行如第二方面所述的骨质疏松风险监测方法。
16.本技术实施方式提供的骨质疏松风险监测系统、方法、电子设备及存储介质，能够通过数据采集和极端随机树模型的分析，能够对用户的骨折风险进行准确预测并分层，这有助于用户制定个性化的预防和治疗方案，降低骨折风险，提高生活质量。
附图说明
17.图1为本技术一实施例提供的骨质疏松风险监测系统示意图。
18.图2为本技术另一实施例提供的骨质疏松风险监测系统示意图
19.图3为本技术一实施例提供的骨质疏松风险监测方法流程图。
20.图4为本技术一实施例提供的电子设备示意图。
21.主要元件符号说明骨质疏松风险监测系统 10；10a
22.数据采集模块
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
110
23.分析诊断模块
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
120
24.极端随机树模型
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
121
25.健康方案制定模块
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
130
26.健康检测仪器
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
140
27.消息通知模块
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
150
28.数据统计模块
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
160
29.电子设备
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
20
30.处理器
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
21
31.存储器
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
22
32.方法步骤s 100-s 300
具体实施方式
33.下面将结合本技术实施方式中的附图，对本技术实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式是本技术一部分实施方式，而不是全部的实施方式。
34.需要说明的是，本技术实施例中“至少一个”是指一个或者多个，多个是指两个或两个以上。除非另有定义，本文所使用的所有的技术和科学术语与属于本技术中的技术领域的技术人员通常理解的含义相同。本技术的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本技术。
35.需要说明的是，本技术实施例中，“第一”、“第二”等词汇，仅用于区分描述的目的，而不能理解为指示或暗示相对重要性，也不能理解为指示或暗示顺序。限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个所述特征。在本技术实施例的描述中，“示例性的”或者“例如”等词用于表示作例子、例证或说明。本技术实施例中被描述为“示例性的”或者“例如”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言，使用“示例性的”或者“例如”等词旨在以具体方式呈现相关概念。
36.基于本技术中的实施方式，本领域普通技术人员在没有付出创造性劳动前提下所获得的所有其他实施方式，都是属于本技术保护的范围。
37.骨质疏松是一种常见的骨骼系统疾病，其特征为骨量减少、骨微结构破坏和骨骼力学性能下降。骨质疏松多见于绝经后女性和老年男性。骨质疏松的严重后果之一是骨质疏松性骨折，这种骨折在老年人中尤其常见，是致残和致死的主要原因之一。因此，早发现、早诊断、早治疗是预防骨质疏松症及其严重后果的关键。
38.目前，现有技术多从骨质疏松的诊断入手，但在临床上，骨质疏松患者往往需要长期管理和干预，而现有技术对骨质疏松患者的管理效率仍然比较低。其次，现有技术没有对区域骨质疏松流行情况进行描述，无法及时发现和预防潜在的高危人群。此外，现有技术缺乏有效的分层管理策略，不能满足不同阶段骨质疏松患者的个性化干预需求。最后，现有技术在数据采集和处理方面存在一定的困难，无法实现区域骨质疏松患者数据的实时采集和分析。
39.因此，本技术实施例提供一种骨质疏松风险监测系统、方法、电子设备及存储介质，能够更快地对用户数据进行处理和分析，从而更快速地进行风险评估和预测。此外，由于极端随机树具有较好的鲁棒性，能够有效地处理噪声和异常值，因此可以提高模型的预测准确率和稳定性。
40.下面结合附图，对申请的一些实施方式作详细说明。在不冲突的情况下，下述的实施例及实施例中的特征可以相互组合。
41.图1是本技术一实施例提供的骨质疏松风险监测系统示意图。如图1所示的骨质疏松风险监测系统10，至少包括以下部分数据采集模块110、分析诊断模块120，分析诊断模块120包括极端随机树模型121。
42.在本技术实施例中，数据采集模块110用于采集用户信息。可以理解的是，用户信息包括用户的年龄、性别、家族病史、吸烟情况、饮酒情况、运动习惯、用药史、骨密度、跌倒历史中的至少一种。
43.可以理解的是，骨质疏松所导致的骨折风险是一个多维度的概念，可能涉及到年
龄、性别、饮食、生活习惯、骨折史、药物使用、高跌倒风险、慢性病史、家族史、身体活动水平、身高、体重、体脂率和骨密度等因素。
44.具体地，女性和老年人更容易出现骨质疏松以及有家族史的人更容易患骨质疏松，年龄、性别和家族史是无法改变的风险因素，而其他因素如饮食和生活习惯则可以通过改变来降低风险。身体活动水平和体重对于骨质疏松的影响比较复杂，既可以降低也可以增加风险，因此需要对用户进行个性化评估。骨密度是骨质疏松的重要指标，但并非是唯一的指标。通过综合考虑这些维度，可以更准确地评估骨质疏松风险，采取相应的预防和治疗措施。
45.在本技术实施例中，分析诊断模块120用于将用户信息输入极端随机树模型121，极端随机树模型121用于生成骨折风险信息，骨折风险信息包括极高危、高危、中风险或低风险。
46.可以理解的是，骨折风险信息可以参照《原发性骨质疏松症诊疗指南(2022)》进行分层。具体地，极高危指有进行性骨质丢失和已经发生过一次或多次相关骨折的患者。高危指没有骨折史，但具有高风险因素的患者。中风险指没有骨折史，也没有高风险因素的患者，但有其他危险因素。低风险指没有骨折史，没有高风险因素，也没有其他危险因素的患者。
47.在本技术实施例中，极端随机树模型121是一种决策树集成算法，极端随机树在每个节点上，使用随机的特征子集和随机的阈值来进行特征分割，而不是选择最优的特征和阈值。此外，极端随机树模型121还采用了更多的随机化方式，如随机的样本采样和随机的划分阈值，使得模型更具有泛化能力。极端随机树模型121更适合于处理高维数据，极端随机树模型121的决策树数量较少，每个决策树也是较短的，因此它的模型复杂度较低，可以减少模型过拟合的风险。另外，极端随机树模型121可以应用于非平衡数据的分类问题，并能够处理多类别分类问题。
48.可以理解的是，高维数据是指数据集中包含大量的特征或变量，使得数据的维度很高。在机器学习和数据分析中，通常认为数据集的维度大于十维就属于高维数据。相对于低维数据，高维数据具有更多的特征和变量，更加复杂和难以处理，同时也容易出现维度灾难问题，即在高维空间中很难找到具有代表性的样本点。由于骨质疏松所导致的骨折风险具有多个维度，因此使用极端随机树模型121可以有效的对骨质疏松所导致的骨折风险进行分层。
49.在本技术实施例中，针对极端随机树模型121的训练需要收集一组带有标签的数据集，其中每个样本都包含一组特征和一个标签。对于骨质疏松模型，特征可以包括年龄、性别、饮食习惯、运动量、药物使用等因素，标签可以表示是否患有骨质疏松或者骨质疏松的严重程度。收集到数据后，需要对数据进行清洗、预处理和特征工程，然后将数据集分为训练集、验证集和测试集，用于模型的训练、验证和测试。通过不断优化模型的参数和超参数，提高模型的预测性能和泛化能力。
50.可以理解的是，极端随机树模型121在每次训练时不同的决策树均使用原始训练集进行训练，因此在选取训练集时，应当尽可能的包括不同类型的数据。具体地，可以通过以下几种方式收集数据集，数据库查询、实地调查、在线问卷、以及采集外部数据等方式。可以理解的是，数据库查询是指利用医疗机构或者公共健康数据平台中的用户信息数据库，
查询符合条件的用户样本数据；实地调查是指在社区或者医疗机构等地进行实地调查，收集人群中的样本数据；在线问卷是指利用在线问卷调查工具，发放问卷并收集数据，可以扩大样本数据量并节省时间成本；采集外部数据是指从公共数据平台或者开源数据集中，选择与骨质疏松相关的数据集，用于模型训练。
51.在本技术实施例中，极端随机树模型121可以处理高维度数据，对于包括骨密度、年龄、性别、体重、饮食习惯等多种因素的复杂数据进行分类和回归分析。极端随机树模型121可以自动从中学习和提取特征，预测用户是否存在骨质疏松的风险，并且为医生提供相应的建议和决策支持。
52.在本技术实施例中，极端随机树模型121还可以通过对用户数据的分析，帮助医生识别出骨质疏松患者中的高危人群，为医生提供更加精准的治疗建议和随访方案。通过将极端随机树模型121应用于骨质疏松的监测和预测，可以提高医生的诊断准确性和患者的治疗效果，从而进一步提高用户的生活质量。
53.在本技术实施例中，分析诊断模块120还可以使用骨折风险评估工具(fracturerisk assessment tool，)对骨质疏松风险进行辅助判断。骨折风险评估工具是一种广泛应用于临床的评估骨折风险的工具，用于评估个体患骨质疏松症后10年内发生骨折的风险，包括髋部骨折和脊椎骨折。根据骨折风险评估工具评分，患者已被确诊为骨质疏松症或骨折风险评估工具预测的髋部骨折可能性为33％或任何主要骨质疏松性骨折可能性≥20％时，被认为是骨质疏松性骨折高危患者；骨折风险评估工具预测的任何主要骨质疏松性骨折可能性在10％至20％之间的患者为中风险患者；骨折风险评估工具预测的任何主要骨质疏松性骨折可能性小于10％的患者为低风险患者。
54.可以理解的是，骨折风险评估工具的建模基于特定族群的数据，这可能导致在不同人群中使用时的准确性不同。此外，该工具在使用年龄和骨密度(bone mineral density，bmd)等风险因素时，也有一些限制和缺陷。骨折风险评估工具假设各个风险因素对骨折风险的影响是线性的，而实际情况中，某些因素的影响可能是非线性的，这可能导致骨折风险评估工具评估的准确性下降。因此，本技术实施例提供的骨质疏松风险监测系统10将骨折风险评估工具仅作为一个参考因素。
55.在本技术实施例中，使用极端随机树模型121的骨质疏松风险监测系统10，能够更快地对用户数据进行处理和分析，从而更快速地进行风险评估和预测。此外，由于极端随机树模型121具有较好的鲁棒性，能够有效地处理噪声和异常值，因此可以提高模型的预测准确率和稳定性。
56.在本技术实施例中，分析诊断模块120还可以在用户信息中存在极高危风险信息时，将用户直接标记为骨质疏松性骨折极高危。具体地，极高危信息可以包括用户在近期发生脆性骨折、用户在接受抗骨质疏松症药物治疗期间仍发生骨折、用户患有多发性脆性骨折、用户正在使用可导致骨骼损害的药物、用户双能x线吸收骨密度测量(dual-energy x-ray absorptiometry，dxa)测量骨密度t-值《-3.0、用户有高跌倒风险或伴有慢性疾病导致跌倒史以及骨折风险评估工具判断用户是骨质疏松性骨折高危患者中的至少一种。
57.本技术实施例中，可导致骨骼损害的药物包括高剂量糖皮质激素。具体地，当用户使用≥7.5mg/d泼尼松龙超过3个月时，分析诊断模块120可直接将。
58.因此，本技术实施例提供的骨质疏松风险监测系统10不仅考虑了年龄、性别、体
重、身高等基础因素，还考虑了生活习惯、家族史、既往疾病等多种因素，因此具有更加全面的评估能力。此外，骨质疏松风险监测系统10可以根据用户的实际情况进行定期监测，及时发现风险的变化，有利于早期干预，有效降低骨折的发生率。
59.本技术实施例提供的骨质疏松风险监测系统10通过使用极端随机树模型121，可以更快地获取用户的风险评估结果。医生针对高危用户进行针对性干预和治疗，从而减少骨折风险和病情进展。同时，这也有助于提高医疗资源的利用效率，减轻医生的工作负担，并促进整个医疗体系的协同发展。
60.图2是本技术另一实施例提供的骨质疏松风险监测系统10a示意图。如图2所示的骨质疏松风险监测系统10a与图1所示的骨质疏松风险监测系统10相同的是同样包括数据采集模块110、分析诊断模块120及极端随机树模型121。此外，骨质疏松风险监测系统10a还包括：健康方案制定模块130、健康检测仪器140、消息通知模块150及数据统计模块160。
61.在本技术实施例中，骨质疏松风险监测系统10a中的数据采集模块110、分析诊断模块120及极端随机树模型121与图1中的数据采集模块110、分析诊断模块120及极端随机树模型121具有相同或类似的功能，具体功能请参照图1及其描述，在此不再赘述。
62.在本技术实施例中，健康方案制定模块130可以根据用户的年龄、性别、身高、体重等信息，结合用户的身体状况和生活习惯，生成个性化的健康方案。健康方案具有独立的编号，用户提出申请后，其i d能与健康方案编号进行绑定，从而保证方案的唯一性和准确性。
63.在本技术实施例中，健康方案可以包括合理的饮食方案、运动方案、健康管理方案以及健康教育方案等。具体地，饮食方案中可以包括保持足够的钙和维生素d的摄入量，可以通过增加饮用牛奶、酸奶和食用豆类、鱼类等富含钙和维生素d的食物来实现。运动方案包括适当的锻炼可以提高骨密度和肌肉强度，建议选择一些低冲击力的运动方式，如快走、爬楼梯、瑜伽等。健康管理方案包括借助骨质疏松风险监测系统10、app等进行个人健康管理，如记录每日的饮食、运动、心率、血压等数据，并根据数据分析更新健康方案。健康教育方案可以包括宣传健康饮食、适量运动、抵制烟酒等不良习惯，以及各种疾病的预防方法等。可以理解的是，健康教育方案可以通过app、短信等方式定期提醒用户。
64.在本技术实施例中，健康检测仪器140包括双能x线骨密度仪、血压计和血糖仪等多种仪器，每个健康检测仪器140都有相应的编号。在进行体检前，用户只需要通过扫描枪扫描个人二维码，健康检测仪器140就能快速识别执行该健康方案的用户，并对用户进行相关体检。检测完成后，健康检测仪器140将报告结果与用户绑定上传至用户端健康方案制定模块130和医生端，以便用户和医生随时查看和跟进用户的健康状况。
65.在本技术实施例中，通过健康方案制定模块130和健康检测仪器140的联动，医生能够根据用户的健康状况和需求制定适合用户的健康方案。用户可以通过健康检测仪器140实时监测自己的健康状况，从而保证自己的身体健康。同时，医生也可以通过健康检测仪器140获取用户的最新身体状况，并根据用户最新的身体状况制定新的健康方案。
66.在本技术实施例中，消息通知模块150通信连接终端，消息通知模块150用于将健康方案制定模块130生成的健康方案发送至终端。具体地，消息通知模块150可以通过短信通知、邮件通知、小程序提醒通知、app提醒通知以及语音通知等方式将健康方案发送至终端，以供用户进行查看。
67.在本技术实施例中，消息通知模块150还可以根据医生的随访任务，随访提醒，监
测用户状况。医生可以通过面对面扫描用户二维码查看用户的基本信息、留言、基线数据、健康方案、健康报告和检测结果等，并支持一键拔打用户电话、一键发送随访短信、分发健康方案和推送健康宣教资料。这些功能的提供可以帮助医生更好地管理用户的健康状况，提供更加全面和个性化的医疗服务，帮助用户更好地掌控自己的健康状况。
68.在本技术的实施例中，数据统计模块160可以通过图表和可视化方式呈现骨质疏松风险数据，让用户更加直观地了解风险因素和规律。常见的数据可视化方式包括散点图、折线图、柱状图、饼图、热力图等。对于不同年龄段和性别的骨密度统计数据，数据统计模块160可以采用柱状图或折线图等方式进行呈现。通过这些图表，用户可以直观地了解不同人群的骨密度分布情况，发现异常值或者不正常的趋势，以便及时采取措施进行干预。
69.在本技术的实施例中，数据统计模块160可以通过热力图等方式呈现不同因素与骨质疏松风险之间的关系。例如，可以将年龄、性别、吸烟、饮酒、运动习惯、用药史等因素与骨质疏松风险进行关联分析，从而发现可能导致骨质疏松的主要因素，为制定预防措施提供科学依据。数据统计模块160通过数据可视化方式，用户可以更加直观地掌握不同因素对骨质疏松风险的影响程度，及时调整生活方式以降低风险。
70.在本技术的实施例中，数据统计模块160还可以通过关键词云等方式展现不同因素与骨质疏松发病率之间的关系。例如，数据统计模块160可以将饮食、遗传等因素与骨质疏松发病率进行关联分析，从而发现可能导致骨质疏松的因素，为卫生政策的制定提供科学依据。同时，数据统计模块160还支持动态趋势分析，可以展示骨质疏松发病率随时间的变化趋势，帮助研究者和卫生政策制定者更好地了解和应对骨质疏松的流行情况。
71.在本技术的实施例中，数据统计模块160还可以支持强大的灵活交互功能，用户可以通过托拉拽等简单操作，实现分层数据可视化，进行各种计算和筛选。数据统计模块160还拥有类型丰富的图表库，支持多种数据可视化图表的展示，并通过数据短视频组件、ai语音技术、背景音乐、短视频模板、动画效果、视频素材等实现快速创建数据可视化短视频屏幕。这些短视频可以在线播放或导出为常规视频，形成区域骨质疏松流行情况视频，直观呈现不同区域骨质疏松的流行情况，为卫生政策制定者提供依据。
72.在本技术的实施例中，数据统计模块160还支持多种导出功能，以满足用户的不同需求。用户可以通过数据统计模块160将图表导出为图片格式，例如png、jpeg、svg等，以便在报告或文章中使用。用户还可以通过数据统计模块160将数据导出为各种表格格式，例如ex c e l、csv等，以便进行进一步分析和处理。另外，数据统计模块160还支持将图表和数据导出为交互式文档格式例如html、pdf等，以便用户在不同平台和设备上进行演示和分享。数据统计模块160可以导出多种视频和动画格式，包括但不限于mp4、av i、mov、gif等。用户可以根据需要选择合适的导出格式，以方便在不同平台上播放和共享。此外，用户还可以选择导出视频的分辨率、帧率等参数，以获得更高质量的视频效果。
73.图3是本技术一实施例提供的骨质疏松风险监测方法流程图。如图3所示的骨质疏松风险监测方法，至少包括以下步骤：s 100：采集用户信息；s 200：将用户信息输入极端随机树模型；s 300：根据用户信息生成骨折风险信息。
74.s 100：采集用户信息。
75.在本技术实施例中，数据采集模块110用于采集用户信息，用户信息包括用户的年龄、性别、家族病史、吸烟情况、饮酒情况、运动习惯、用药史、骨密度、跌倒历史中的一种或
多种，具体采集方式请参照图1、图2及其相应描述，在此不再赘述。
76.s200：将用户信息输入极端随机树模型。
77.在本技术实施例中，分析诊断模块120用于将用户信息输入极端随机树模型121，具体信息输入方式请参阅图1、图2及其相应描述，在此不再赘述。
78.s300:根据用户信息生成骨折风险信息。
79.在本技术实施例中，极端随机树模型121用于根据用户信息生成骨折风险信息，骨折风险信息包括极高危、高危、中风险或低风险，具体生成方式请参阅图1、图2及其相应描述，在此不再赘述。
80.图4是本技术一实施例提供的电子设备20。如图4所示，电子设备20至少包括以下部分：处理器21及存储器22。
81.在本技术实施例中，存储器22用于存储处理器21可执行指令，处理器21被配置为执行指令时实现如图3所示的骨质疏松风险监测方法。
82.在本技术实施例中，一种计算机可读存储介质，包括指令，指令指示设备执行如第一方面的跨平台远程协助方法。例如，指令指示设备执行如图3中步骤s100至s300中示出的骨质疏松风险监测方法。
83.在本技术的一个实施例所涉及的电子设备20中工作的程序可以是对中央处理器(central processing unit，cpu)等进行控制从而实现本发明的一个方案所涉及的上述实施方式的功能的程序(使计算机发挥作用的程序)。然后，由这些装置处理的信息在进行其处理时暂时存储于随机存取存储器(random access memory，ram)，之后，储存于只读存储器(read only memory，flash rom)等各种rom、硬盘驱动器(hard disk drive：hdd)中，根据需要通过cpu来进行读出、修正、写入。
84.需要说明的是，也可以通过计算机来实现上述实施方式的电子设备20的一部分。在该情况下，可以将用于实现该控制功能的程序记录于计算机可读记录介质，通过将记录于该记录介质的程序读入计算机系统并执行来实现。
85.需要说明的是，此处所提到的“计算机系统”是指内置于电子设备20的计算机系统，采用包括os、外围设备等硬件的计算机系统。此外，“计算机可读记录介质”是指软盘、磁光盘、rom、cd-rom等可移动介质、内置于计算机系统的硬盘等存储装置。
86.而且，“计算机可读取的记录介质”可以包括：像在经由因特网等网络或电话线路等通信线路来发送程序的情况下的通信线那样短时间内、动态地保存程序的介质；像作为此情况下的服务器、客户端的计算机系统内部的易失性存储器那样在固定时间内保存程序的介质。此外，上述程序可以是用于实现上述功能的一部分的程序，而且也可以是能通过与已记录在计算机系统中的程序进行组合来实现上述功能的程序。
87.此外，上述实施方式中的电子设备20也能实现为由多个装置构成的集合体(装置组)。构成装置组的各装置可以具备上述实施方式的电子设备20的各功能或各功能块的一部分或全部。作为装置组，具有电子设备20的全部各功能或各功能块即可。
88.可以理解的是，本技术实施例提供的骨质疏松风险监测系统10/10a、骨质疏松风险监测方法、电子设备20及存储介质，可以实现对骨质疏松的早期筛查，能够帮助识别患有骨质疏松风险的人群，包括那些无症状的人群。通过早期诊断和治疗，可以在疾病发展到不可逆转的阶段前采取干预措施，从而避免或减少骨折的风险。此外，本技术实施例提供的骨
质疏松风险监测系统10/10a、骨质疏松风险监测方法、电子设备20及存储介质还可以通过分层管理的方式更好地区分不同风险人群，并为他们提供个性化的干预措施。通过对不同风险人群的区分，可以使医疗资源更加优化和合理分配，提高骨质疏松用户的管理效率。
89.可以理解的是，本技术实施例提供的骨质疏松风险监测系统10/10a、骨质疏松风险监测方法、电子设备20及存储介质还可以提供更加精准的医疗服务。通过用户上传的生理信息和系统的监测数据，医生可以了解用户的病情和治疗效果，提供更加精准的医疗建议和方案。这可以有效提高用户的治疗效果和满意度。优化医生的工作流程，提高医生的工作效率。通过骨质疏松风险监测系统10a的随访提醒和短信提醒功能，医生可以及时了解用户的状态，提醒用户按时复诊，减少因漏诊而导致的病情恶化。同时，骨质疏松风险监测系统10a还支持自动化的数据采集和分析，医生可以更加便捷地了解用户的病情和治疗效果，优化医生的工作流程。促进医患沟通和信息共享，提高医患关系。通过骨质疏松风险监测系统10a提供的信息共享和留言功能，用户和医生可以更加便捷地交流和沟通，减少沟通障碍和信息不对称的问题，提高医患关系和医疗服务质量。
90.本技术领域的普通技术人员应当认识到，以上的实施方式仅是用来说明本技术，而并非用作为对本技术的限定，只要在本技术的实质精神范围之内，对以上实施例所作的适当改变和变化都落在本技术要求保护的范围之内。

技术特征：
1.一种骨质疏松风险监测系统，其特征在于，所述骨质疏松风险监测系统包括：数据采集模块，所述数据采集模块用于采集用户信息，所述用户信息包括用户的年龄、性别、家族病史、吸烟情况、饮酒情况、运动习惯、用药史、骨密度、跌倒历史中的一种或多种；分析诊断模块，所述分析诊断模块包括极端随机树模型，所述分析诊断模块用于将所述用户信息输入所述极端随机树模型，所述极端随机树模型用于根据所述用户信息生成骨折风险信息，所述骨折风险信息包括极高危、高危、中风险或低风险。2.如权利要求1所述的骨质疏松风险监测系统，其特征在于，所述分析诊断模块还用于：在所述用户信息中存在极高危风险信息时，将所述骨折风险信息标记为极高危。3.如权利要求2所述的骨质疏松风险监测系统，其特征在于，所述极高危风险信息包括：用户在近期发生脆性骨折、用户在接受抗骨质疏松症药物治疗期间仍发生骨折、用户患有多发性脆性骨折、用户正在使用可导致骨骼损害的药物、用户骨密度t-值<-3.0、用户有高跌倒风险或伴有慢性疾病导致跌倒史中的一种或多种。4.如权利要求1所述的骨质疏松风险监测系统，其特征在于，所述骨质疏松风险监测系统还包括：健康方案制定模块，用于根据所述骨折风险信息及所述用户信息生成健康方案。5.如权利要求4所述的骨质疏松风险监测系统，其特征在于，所述骨质疏松风险监测系统还包括：健康检测仪器，所述健康方案制定模块连接所述健康检测仪器；所述健康检测仪器用于更新所述用户信息；所述健康方案制定模块还用于根据更新后的所述用户信息更新所述健康方案。6.如权利要求5所述的骨质疏松风险监测系统，其特征在于，所述骨质疏松风险监测系统还包括：数据统计模块，所述数据统计模块用于获取多个所述用户信息、多个所述骨折风险信息及多个所述健康方案；所述数据统计模块还用于根据多个所述用户信息、多个所述骨折风险信息及多个所述健康方案生成骨质疏松风险统计信息。7.如权利要求4所述的骨质疏松风险监测系统，其特征在于，所述骨质疏松风险监测系统还包括：消息通知模块，所述消息通知模块通信连接终端，所述消息通知模块用于将所述健康方案制定模块生成的所述健康方案发送至所述终端。8.一种骨质疏松风险监测方法，应用于如权利要求1至7中任意一项所述的骨质疏松风险监测系统，其特征在于，包括：采集用户信息，所述用户信息包括用户的年龄、性别、家族病史、吸烟情况、饮酒情况、运动习惯、用药史、骨密度、跌倒历史中的一种或多种；将所述用户信息输入极端随机树模型；根据所述用户信息生成骨折风险信息，所述骨折风险信息包括极高危、高危、中风险或
低风险。9.一种电子设备，其特征在于，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为执行所述指令时实现权利要求8所述的骨质疏松风险监测方法。10.一种计算机可读存储介质，其特征在于，包括指令，所述指令指示设备执行如权利要求8所述的骨质疏松风险监测方法。

技术总结
本申请提供一种骨质疏松风险监测系统、方法、电子设备及存储介质，所述骨质疏松风险监测系统包括：数据采集模块，用于采集用户信息，所述用户信息包括用户的年龄、性别、家族病史、吸烟情况、饮酒情况、运动习惯、用药史、骨密度、跌倒历史中的一种或多种；分析诊断模块，所述分析诊断模块包括极端随机树模型，所述分析诊断模块用于将所述用户信息输入所述极端随机树模型，所述极端随机树模型用于根据所述用户信息生成骨折风险信息，所述骨折风险信息包括极高危、高危、中风险或低风险，通过数据采集和极端随机树模型的分析，能够对用户的骨折风险进行准确预测并分层，这有助于用户制定个性化的预防和治疗方案，降低骨折风险，提高生活质量。量。量。


技术研发人员：刘莉 肖芦山 梁盛兴 伍成凯 洪畅
受保护的技术使用者：南方医科大学南方医院
技术研发日：2023.04.28
技术公布日：2023/8/23