本發(fā)明涉及一種疾病風險評估與個性化健康報告生成系統(tǒng)及方法。

背景技術(shù)：

慢性病已經(jīng)成為全球重大公共衛(wèi)生問題之一，約80％的死亡可以歸因于慢性病。慢性病的不可逆性嚴重影響患者的生活質(zhì)量，給社會和家庭帶來沉重的經(jīng)濟負擔。發(fā)達國家的理論研究和實踐探索已證實慢性病健康管理(healthmanagement，hm)是低成本高效益的預防和控制策略。

hm是對個人及人群的健康危險因素進行全面管理的過程，其宗旨是調(diào)動個人及集體的積極性，有效地利用有限資源來達到最大的健康效果。具體做法是在對個人健康狀況進行評價的基礎上，提供有針對性的hm計劃，并鼓勵和促使人們采取行動來改善和維護自己的健康。hm是一項連續(xù)的、動態(tài)的系統(tǒng)工程，它包括三個基本步驟，即個體健康信息采集、健康風險評估和健康干預。

中國的hm始于上世紀90年代末，其主體是綜合醫(yī)院健康體檢中心或?qū)I(yè)健康體檢中心，主要執(zhí)行了個體健康信息采集的功能，由于缺乏基于中國隊列人群的風險評估模型及健康干預的科學依據(jù)，基本未對體檢個體進行有效的健康風險評估和健康干預。

此外，健康體檢數(shù)據(jù)已成為流行病學數(shù)據(jù)的熱點來源，相對于普通的流行病學調(diào)查數(shù)據(jù)，健康體檢數(shù)據(jù)具有信息量全面、豐富、大型，樣本含量大，技術(shù)一致且穩(wěn)定等優(yōu)點，可較為突出的反映出一定范圍人群的健康狀況及疾病特點。健康體檢數(shù)據(jù)是一種典型的縱向監(jiān)測數(shù)據(jù)，積累著人群多年的、全面的健康信息，但并未得到充分利用。

技術(shù)實現(xiàn)要素：

本發(fā)明的目的就是為了解決上述問題，提供疾病風險評估與個性化健康報告生成系統(tǒng)及方法，它具有利用已有健康體檢數(shù)據(jù)，對個體的疾病風險進行精確評估，生成個性化健康報告的優(yōu)點。

為了實現(xiàn)上述目的，本發(fā)明采用如下技術(shù)方案：

疾病風險評估與個性化健康報告生成系統(tǒng)，包括：

iaas層：用于提供硬件及網(wǎng)絡資源環(huán)境，以及負載均衡服務；

daas層，用于對數(shù)據(jù)進行結(jié)構(gòu)化、集約化和虛擬化處理，集中對數(shù)據(jù)進行聚合、質(zhì)量管理或數(shù)據(jù)清洗處理，然后再將數(shù)據(jù)提供給不同的應用和服務。

paas層，用于在網(wǎng)上提供各種開發(fā)和分發(fā)應用的解決方案，為系統(tǒng)提供各種應用的解決方案，根據(jù)不同的服務應用，調(diào)用paas層相應的模塊組合生成相應的解決方案；

saas層用于針對不同的服務對象，提供不同的服務，是系統(tǒng)的控制訪問層，根據(jù)用戶的不同訪問需要，提供不同的應用服務。針對體檢機構(gòu)用戶、政府機構(gòu)用戶、行業(yè)團體用戶和體檢人員，系統(tǒng)提供不同的應用服務；

所述訪問層，包括：體檢機構(gòu)pc端，保證體檢機構(gòu)用戶能夠在pc端訪問系統(tǒng)應用；政府部門pc端，保證政府用戶能夠在pc端訪問系統(tǒng)應用；行業(yè)團體pc端，保證行業(yè)團體用戶能夠在pc端訪問系統(tǒng)應用；體檢人員移動終端，保證體檢人員能夠在移動端訪問系統(tǒng)應用；微信公眾平臺，保證體檢人員能夠在微信公眾平臺訪問系統(tǒng)應用；

第三方接口，用于更好的與體檢系統(tǒng)和ca安全認證系統(tǒng)等進行對接。

iaas層，包括：云中心資源管理模塊和資源池，其中，資源池，包括：應用資源池、存儲資源池和網(wǎng)絡及資源安全池。

云中心資源管理模塊，針對各種系統(tǒng)應用服務所需的硬件和網(wǎng)絡資源進行合理的調(diào)配和管理，保證系統(tǒng)資源的高效使用和運轉(zhuǎn)。

應用資源池，用于管理云中心的應用服務器資源，合理安排和調(diào)配相應的資源配置，保證應用服務的安全和高效運行；

存儲資源池，用于管理云中心的硬件存儲資源，合理安排和調(diào)配相應的硬件存儲資源。

網(wǎng)絡及資源安全池，用于管理云中心的網(wǎng)絡及資源安全，合理的安排和調(diào)配相應的帶寬設置和防火墻安全資源配置。

daas層，包括：用戶信息庫、調(diào)查問卷信息庫、體檢信息庫、評估報告庫和模型算法庫；

用戶信息庫，用于存儲和管理用戶的個人基本信息；

調(diào)查問卷信息庫，用于存儲和管理用戶填寫的調(diào)查問卷信息；

體檢信息庫，用于存儲和管理體檢者的體檢信息；

評估報告庫，用于存儲和管理體檢者的評估報告結(jié)果和生成的評估報告；

模型算法庫，用于存儲和管理健康評估所使用到的模型算法；

paas層，包括：報告模板管理模塊、webservice接口管理模塊、用戶管理模塊、健康評估模塊、模型算法管理模塊、app接口管理模塊、微信公眾平臺接口、數(shù)據(jù)交換服務模塊；

報告模板管理模塊，用于管理評估報告的模板，根據(jù)不同的客戶需要，使用相應的模板，生成與其對應的評估報告；

webservice接口管理模塊，用于對外提供服務的webservice接口，讓風險評估服務以webservice接口的形式對外提供風險評估服務；

用戶管理模塊，用于管理系統(tǒng)中存儲的用戶數(shù)據(jù)信息，保證數(shù)據(jù)的安全性和完整性；

健康評估模塊，用于采集相應的指標信息和生成相應的評估報告，是整個系統(tǒng)中連接用戶信息和模型算法的關(guān)鍵模塊，接收用戶填寫的指標信息，根據(jù)查看請求輸出相應的評估報告結(jié)果和個性化健康干預結(jié)論；

模型算法管理模塊，用于提供健康評估的所有模型算法，是系統(tǒng)的核心模塊，健康評估模塊通過調(diào)用相應的模型算法，生成計算出相應的評估結(jié)果；

app接口管理模塊，用于提供與手機app相應的接口，由于手機app是通過互聯(lián)網(wǎng)與系統(tǒng)進行通信，為了安全性，系統(tǒng)與手機app的通信是使用相應的接口來實現(xiàn)的；

微信公眾平臺接口，用于提供與微信公眾平臺相應的接口，由于微信公眾平臺是通過互聯(lián)網(wǎng)與系統(tǒng)進行通信，為了安全性，系統(tǒng)與微信公眾平臺的通信是使用相應的接口來實現(xiàn)的；

數(shù)據(jù)交換服務模塊，用于實現(xiàn)數(shù)據(jù)在應用服務和數(shù)據(jù)庫之間的交互，可以把數(shù)據(jù)從數(shù)據(jù)庫中查詢返回給應用服務，同時也可以將應用服務產(chǎn)生的數(shù)據(jù)存儲進入數(shù)據(jù)庫。

saas層，包括：面向體檢機構(gòu)模塊、面向政府機構(gòu)模塊、面向行業(yè)團體模塊和面向體檢人員模塊；

所述面向體檢機構(gòu)模塊包括：

體檢機構(gòu)評估管理單元，用于采集體檢機構(gòu)的體檢信息，調(diào)用相應的模型算法和模板生成對應的健康風險評估報告；

體檢機構(gòu)報告管理單元，對已生成完成的評估報告進行管理，體檢機構(gòu)調(diào)用相應的接口程序進行報告的預覽、打印和下載；

健康干預單元，針對已經(jīng)生成的評估報告結(jié)果系統(tǒng)會提供個性化的健康干預方案，個性化的健康干預方案，包括飲食、運動、生活方式、心理健康和用藥指導；

評估統(tǒng)計單元，對體檢機構(gòu)的評估報告數(shù)量進行統(tǒng)計匯總；

用戶管理單元，用于管理體檢機構(gòu)中體檢用戶的基礎信息；

所述面向政府機構(gòu)模塊，包括：

政府機構(gòu)評估管理單元，用于采集民眾的體檢信息，調(diào)用相應的模型算法和模板生成對應的健康風險評估報告；

政府機構(gòu)報告管理單元，用于對于生成完成的評估報告進行管理，承載政府機構(gòu)人員體檢的體檢機構(gòu)能夠調(diào)用相應的接口程序進行報告的預覽、打印和下載；

干預隨訪單元，針對已經(jīng)生成的評估報告結(jié)果系統(tǒng)提供個性化的健康干預方案，個性化的健康干預方案，包括飲食、運動、生活方式、心理健康和用藥指導；

人員管理單元，用于管理政府部門管轄下民眾的基礎信息；

所述面向行業(yè)團體模塊，包括：

行業(yè)團體評估管理單元，用于采集行業(yè)團體下的客戶的體檢信息，調(diào)用相應的模型算法和模板生成對應的健康風險評估報告；

評估推薦單元，針對行業(yè)團體的需要，基于風險評估的結(jié)果，給行業(yè)團體推薦相應的產(chǎn)品和服務；

所述面向體檢人員模塊，包括：

健康檔案單元，用于面向體檢人員，為其建立完整的健康檔案，健康檔案包括個人基本信息、歷次的體檢信息、歷次的健康評估結(jié)果和干預方案；

個人中心單元，用于面向體檢人員，體檢人員提供了個人中心功能，允許通過多種方式登陸進入系統(tǒng)查看其個人的健康檔案信息；

手機app單元，用于面向體檢人員，為體檢人員提供了手機app服務，體檢者允許使用相應手機app來查看和訪問相應的個人信息；

微信公眾平臺，用于面向體檢人員，為體檢人員提供了微信公眾平臺，體檢者能夠應用微信公眾平臺來查看和訪問相應的個人信息。

訪問層，用于對外提供應用訪問，服務對象包括體檢機構(gòu)、政府部門、行業(yè)團體和體檢人員，針對前三個服務對象開通pc端服務，針對體檢人員開通pc端或移動終端服務；

第三方接口包括：體檢系統(tǒng)、ca認證系統(tǒng)；

體檢系統(tǒng)，系統(tǒng)預留了相應的接口，可以與多種體檢系統(tǒng)直接進行對接；

ca認證系統(tǒng)，為了安全訪問的需要，系統(tǒng)提供了與ca安全認證系統(tǒng)的接口。

疾病風險評估與個性化健康報告生成方法，包括如下步驟：

步驟(1)：輸入縱向健康體檢大數(shù)據(jù)；所述縱向健康體檢大數(shù)據(jù)，包括設定時間范圍內(nèi)，跨地域的若干家健康體檢機構(gòu)提供的健康體檢數(shù)據(jù)；

步驟(2)：對數(shù)據(jù)進行整理：包括對數(shù)據(jù)的標準化處理、人員去重處理、變量對照處理、疾病對照處理和結(jié)構(gòu)化審核處理，最終得到需要的結(jié)構(gòu)化數(shù)據(jù)；

步驟(3)：根據(jù)疾病的名稱對疾病的各項指標閾值范圍進行定義，同時根據(jù)疾病的各項指標閾值范圍，利用sas軟件建立對應疾病的隊列；

步驟(4)：建立隊列之后，利用cox單因素回歸分析方法對每個變量均進行變量選擇；最后將納入cox回歸模型的變量進行多因素回歸分析；

步驟(5)：利用多因素回歸分析方法，構(gòu)建cox比例風險模型；

步驟(6)：對cox比例風險模型內(nèi)部進行驗證，對cox比例風險模型外部進行驗證；得到疾病預測模型；

步驟(7)：生成疾病風險評估雙曲線：平均風險評估曲線和低風險評估曲線；

步驟(8)：輸入新個體體檢指標，根據(jù)步驟(6)的疾病預測模型和步驟(7)的疾病風險評估雙曲線，生成疾病風險評估結(jié)果，同時根據(jù)預先設定的體檢指標，輸出包括體檢指標、疾病的發(fā)病風險、風險年齡、風險等級和干預處方的疾病風險評估與個性化健康報告。

所述干預處方包括：飲食處方、運動處方、生活方式處方及精神方面處方。

所述生成疾病風險評估雙曲線，包括：并發(fā)進行的平均風險評估曲線繪制步驟和低風險評估曲線繪制步驟；

平均風險評估曲線繪制步驟：

步驟(701)：將隊列數(shù)據(jù)代入模型

p(t)表示：表示累積發(fā)病風險；s0(t)表示：表示基準生存率；β0表示：βi表示體檢指標的系數(shù)；xi表示：第i個體檢指標；xi′表示第i個體檢指標的均值；exp，高等數(shù)學里以自然常數(shù)e為底的指數(shù)函數(shù)

步驟(702)：計算出隊列中每個人的疾病發(fā)病風險p(t)；

步驟(703)：對每個人的累積發(fā)病風險根據(jù)年齡分組(每個年齡一組(20歲的一組，21歲的一組，22歲的一組，…))，對于每個組中的疾病累積發(fā)病風險p進行正態(tài)性檢驗，p表示每個人的累積發(fā)病風險，是一個常數(shù)，使用計算得出的；p(t)表示累積發(fā)病風險，與t有關(guān)，用來計算每個人的累積發(fā)病風險；若滿足正態(tài)性檢驗，則取每個年齡累積發(fā)病風險的平均值p_mean為該年齡人群平均風險p；若不滿足正態(tài)性檢驗，則取每個年齡累積發(fā)病風險的中位數(shù)p_median為該年齡人群平均風險p；

步驟(704)：將每組(age,p)對應直角坐標系中的點，用直線連接，形成折線圖；age表示個體的年齡；

步驟(705)：對折線通過擬合得到最優(yōu)趨勢線，即平均風險線，平均風險值用表示。

低風險評估曲線繪制步驟，包括：

步驟(711)：取出cox比例風險模型中用到的指標xi的基線數(shù)據(jù)；

步驟(712)：計算指標xi的1％分位數(shù)xi,1％；計算指標xi的99％分位數(shù)xi,99％；

步驟(713)：判斷βi＞0是否成立，若成立，則若不成立，則

βi表示：回歸系數(shù)；表示：指標正常范圍的上限；表示：指標范圍的下限；xi表示：計算低風險線上的值時需要帶入到模型；

中的體檢指標xi的真實指標值。

步驟(714)：將xi帶入到模型

中，計算出低風險值；

步驟(715)：畫出低風險值隨年齡的折線圖；

步驟(716)：對折線圖通過擬合得到最優(yōu)趨勢線，即平均風險線。

風險等級的判斷過程為：如果那么該個體的風險等級為高風險；如果那么定義該個體的風險等級為中風險；如果那么定義該個體的風險等級為低風險。

風險年齡的計算方法為：

首先計算出體檢者的累積發(fā)病風險p，然后對比平均風險線，看哪個年齡的平均風險p與p最接近，哪個年齡就是體檢者的風險年齡。

所述標準化處理是指：對新輸入的變量，首先判斷新變量是否是變量標準數(shù)據(jù)庫里面已經(jīng)存在的變量，若已經(jīng)存在，則刪除；若不存在，則依據(jù)變量標準數(shù)據(jù)庫變量的標準編碼的編碼規(guī)則對新的變量進行重新編碼，將重新編碼后的變量存儲到變量標準數(shù)據(jù)庫中。

所述人員去重處理是指：根據(jù)體檢人員的標準編碼，刪除重復的體檢人員；

所述變量對照處理是指：將新的變量名與變量標準數(shù)據(jù)庫中的標準編碼建立一一對應關(guān)系，便于查閱；

所述疾病對照處理是指：將原始數(shù)據(jù)中疾病名稱與標準icd10疾病名稱和icd10編碼建立一一對應關(guān)系；

所述結(jié)構(gòu)化審核處理是指：將原始數(shù)據(jù)中b超文本數(shù)據(jù)、ct文本數(shù)據(jù)、心電圖文本數(shù)據(jù)、問診文本數(shù)據(jù)，分詞成結(jié)構(gòu)化數(shù)據(jù)。

所述步驟(4)用cox單因素回歸分析進行變量選擇的目的：由于在進行cox多因素回歸分析之前，待考慮的與結(jié)局有關(guān)的變量較多，所以先通過cox單因素回歸分析篩掉一些與疾病結(jié)局相關(guān)性較小的變量，即單因素回歸分析在起到變量選擇的作用。

所述步驟(4)用單因素回歸分析進行變量選擇的步驟：

步驟(41)：確定要分析的自變量xi；

步驟(42)：利用sas統(tǒng)計軟件進行cox單因素回歸分析，得到單因素回歸分析模型：

h(t|x)＝h0(t)*exp(βi*xi)；

步驟(43)：設定一個顯著性水平α，當對回歸系數(shù)βi檢驗的p值小于α時，認為變量xi與變量結(jié)局之間有明顯的線性關(guān)系，變量xi能夠納入cox回歸模型。

步驟(5)的cox比例風險模型：

對cox比例風險模型內(nèi)部進行驗證：

十折交叉驗證：初始數(shù)據(jù)采樣分割成10個子樣本，每次交叉驗證中將某個子樣本作為驗證模型的數(shù)據(jù)，其他9個樣本合集作為訓練集；交叉驗證重復10次，使得每個子樣本驗證一次，然后平均10次的結(jié)果，最終得到一個單一估測。反應模型效果的擬合統(tǒng)計量分別是：auc＝0.847，gini系數(shù)＝0.695，ks統(tǒng)計量＝0.536。若auc在0.6以上，則模型可用。

對cox比例風險模型外部進行驗證：

將外部數(shù)據(jù)帶入已經(jīng)建立好的cox回歸模型，根據(jù)發(fā)病風險的預測值p以及疾病結(jié)局，繪制出roc曲線，得到auc的值，若auc在0.6以上，則模型可用。

roc曲線繪制方法：

表1預測結(jié)局與真實解決對照表

其中，靈敏度＝n1/(n1+n2)；特異度＝n4/(n3+n4)；

對于發(fā)病風險的預測值，設定臨界點，例如0.5，超過臨界點則是陽性，低于臨界點則是是陰性，從而得到預測結(jié)局。就能夠得到靈敏度和特異度，如果取若干個臨界點，就能夠得到若干個靈敏度和特異度，將靈敏度和特異度的點連接起來，就得到roc曲線，也能夠得到auc的值，auc的值就是roc曲線下的面積。

本發(fā)明的有益效果：通過本發(fā)明可以給不同的體檢人群，提供個性化的健康體檢報告，同時給出疾病風險評估曲線。

附圖說明

圖1為本發(fā)明的硬件連接關(guān)系圖；

圖2為本發(fā)明的軟件功能模塊圖；

圖3為本發(fā)明的工作方法流程圖；

圖4為本發(fā)明的工作方法流程圖中的雙曲線生成流程圖；

圖5為本發(fā)明的隊列展示示意圖；

圖6為本發(fā)明的報告生成實施例；

圖7為兩種隊列示意圖。

具體實施方式

下面結(jié)合附圖與實施例對本發(fā)明作進一步說明。

如圖1所示，系統(tǒng)硬件服務器架設分為內(nèi)網(wǎng)區(qū)和dmz(隔離區(qū))，為了保證服務器的安全，將數(shù)據(jù)庫服務器和應用服務器放置在內(nèi)網(wǎng)區(qū)。同時架設了dmz(隔離區(qū))供外界資源訪問。

1內(nèi)網(wǎng)區(qū)和dmz(隔離區(qū))中的硬件服務器資源通過安全網(wǎng)關(guān)和防火墻與internet進行連接。

2公眾用戶使用手機或者pc端來通過internet來訪問

機構(gòu)用戶通過安全網(wǎng)關(guān)，使用internet與系統(tǒng)建立安全的訪問通道，從而保證數(shù)據(jù)的安全交互。

如圖2所示，風險評估與個性化健康干預系統(tǒng)面向的對象主要包括體檢機構(gòu)、政府部門、行業(yè)團體、體檢人員等，分為訪問層、saas層、paas層、daas層和laas層。

訪問層：系統(tǒng)對外提供的應用訪問(包括門戶網(wǎng)站、app和微信)，服務對象包括體檢機構(gòu)、政府部門、行業(yè)團體(保險)和體檢人員，針對前三個服務對象，主要開通pc端服務，針對體檢人員，主要開通pc端、手機端和平板端的服務。

saas層：software-as-a-service軟件服務層，提供給客戶的服務就是運行在云計算基礎設施上的應用程序，用戶可以在各種設備上通過客戶端界面訪問

paas層：platform-as-a-service平臺服務器層，公司在網(wǎng)上提供各種開發(fā)和分發(fā)應用的解決方案

daas層：data-as-a-service數(shù)據(jù)服務層，對于數(shù)據(jù)進行結(jié)構(gòu)化、集約化，虛擬化等處理主要包括用戶信息庫、調(diào)查問卷信息庫、體檢信息庫、評估報告庫、模型算法庫、科研分析庫、財務結(jié)算庫、商城信息庫、統(tǒng)計分析庫。

iaas層：infrastructureasaservice基礎構(gòu)架服務層，包括云中心資源管理、應用資源池、存儲資源池和網(wǎng)絡及資源安全池

如圖3所示，風險評估與個性化健康管理系統(tǒng)中已經(jīng)集成了我們的疾病預測系統(tǒng)，首先介紹一下疾病預測系統(tǒng)中模型的建模過程：將收集到的健康體檢隊列大數(shù)據(jù)，應用“山東康評健康醫(yī)療大數(shù)據(jù)整合平臺”，進行標準化處理、人員去重、變量對照、疾病對照、結(jié)構(gòu)化審核等步驟，最終得到需要的結(jié)構(gòu)化的數(shù)據(jù)，然后根據(jù)定義好的疾病結(jié)局，利用sas軟件建立疾病的隊列；建立好隊列之后利用單因素回歸方法進行變量選擇，再利用多因素回歸，結(jié)合醫(yī)學知識構(gòu)建cox比例風險模型；然后按照雙曲線生成方法生成疾病風險評估雙曲線。至此，建模過程完成。

然后，對于一個新的體檢個體，將體檢指標輸入疾病預測系統(tǒng)就可以得到自己的評估報告，評估報告中主要包括疾病的發(fā)病風險、風險年齡以及風險等級。

3、最后個性化管理系統(tǒng)會根據(jù)風險評估報告的結(jié)果和體檢指標的具體情況，輸出相應的干預處方，干預處方主要包括飲食處方、運動處方、生活指導、精神指導四個方面。

如圖4所示，平均風險線說明：

1、數(shù)據(jù)處理：應用“山東康評健康醫(yī)療大數(shù)據(jù)整合平臺”，進行標準化處理、人員去重、變量對照、疾病對照、結(jié)構(gòu)化審核等步驟，最終得到需要的結(jié)構(gòu)化的數(shù)據(jù)；

2、建立隊列：根據(jù)疾病定義，規(guī)定好疾病的結(jié)局，然后利用sas軟件建立該疾病的對應隊列，如下圖所示(以腦卒中為例)；

圖5描述：

腦卒中隊列從2004年開始，到2016年結(jié)束，13年間共74326人進入隊列。其中2004年1438人進入隊列，2014年結(jié)束時1人發(fā)生腦卒中，0人死亡；2005年1400人進入隊列，2005年結(jié)束時，2人發(fā)生腦卒中，0人死亡；…；2016年0人進入隊列，2016年結(jié)束時322人發(fā)生腦卒中，59人死亡。13年共診斷腦卒中新發(fā)病例1299例，238人死亡(這些死亡，包括腦卒總死亡，也包括其他原因死亡。)

3、疾病發(fā)病風險計算：將整理好的隊列中的基線數(shù)據(jù)帶入到已經(jīng)建立好的疾病預測模型中，計算出疾病的發(fā)病風險p；

4、平均風險折線圖：將第三步中計算出來的人群的疾病發(fā)病風險根據(jù)年齡agei(i＝1,…,n)分組，對于每個組中的疾病發(fā)病風險(發(fā)病概率p)進行正態(tài)性檢驗，如果滿足，那么取出這組發(fā)病概率p的平均值p_mean作為該年齡人群的平均風險p；如果不滿足正態(tài)性檢驗，那么取出這組發(fā)病概率p的中值p_median作為該年齡人群的平均風險p。最后將每組(age,p)對應直角坐標系中的點用直線連接，畫出折線圖；

5、平均風險折線圖平滑：對第四步中得到的折線圖進行平滑，平滑方法包括指數(shù)平滑、線性平滑、對數(shù)平滑、多項式平滑、冪平滑等方法，利用擬合優(yōu)度來衡量擬合程度，r²越接近于1，表示擬合程度越好。

低風險線說明：

1、數(shù)據(jù)處理和建立隊列與平均風險線的處理過程相同；

2、計算疾病預測模型中涉及到的體檢指標的1％和99％分位數(shù)；

3、計算最低風險線：如果βi＞0，那么如果βi＜0，那么其中表示指標正常范圍的上限，表示指標范圍的下限，例如對于收縮壓來說，

將xi帶入到已經(jīng)建立好的模型

中，計算出低風險值；

4、畫出低風險值隨年齡變化的折線圖；

5、曲線平滑：對第四步中得到的折線圖進行平滑，平滑方法包括指數(shù)平滑、線性平滑、對數(shù)平滑、多項式平滑、冪平滑等方法，利用擬合優(yōu)度來衡量擬合程度，r²越接近于1，表示擬合程度越好。

風險等級劃分規(guī)則：

p：表示個體的風險值；

age：表示該個體的年齡；

表示與該個體同年齡人群的平均風險值；

：表示與該個體同年齡人群的低風險值。

如果那么該個體的風險等級為高風險；如果那么定義該個體的風險等級為中風險；如果那么定義該個體的風險等級為低風險。

如圖6所示，以高血壓為例：

第一條線：各年齡人群未來幾年某病發(fā)病風險的平均值變化曲線；

第二條線：各年齡人群未來幾年某病發(fā)病風險的低風險水平變化曲線；

星號：表示體檢者本人未來幾年某病的發(fā)病風險；

星號下方第一個點：表示同年齡組的平均風險水平；

星號下方第二個點：表示同年齡組的最低風險水平；

星號水平向右第一個點：對應的橫坐標表示同風險人群的平均年齡，即風險年齡；

風險年齡(69歲)：根據(jù)星號水平向右第一個點對應出來的年齡。

如圖7所示，隊列定義：根據(jù)人群進入隊列的時間不同，隊列可以分為兩種：一種是固定隊列，是指人群都在某一個固定時間或一個短期之內(nèi)進入隊列，之后對他們進行隨訪觀察，直至觀察期終止，成員沒有因為結(jié)局事件以外的其他原因退出，也不再加入新的成員，即在觀察期內(nèi)保持隊列成員的相對固定；另一種是動態(tài)隊列，即在某隊列確定之后，原有的隊列成員可以不斷退出，新的觀察對象可以隨時加入。圖7為兩種隊列的示意圖：其中abkcd組成固定隊列；efghi組成動態(tài)隊列。我們研究過程中使用的是動態(tài)隊列。

上述雖然結(jié)合附圖對本發(fā)明的具體實施方式進行了描述，但并非對本發(fā)明保護范圍的限制，所屬領(lǐng)域技術(shù)人員應該明白，在本發(fā)明的技術(shù)方案的基礎上，本領(lǐng)域技術(shù)人員不需要付出創(chuàng)造性勞動即可做出的各種修改或變形仍在本發(fā)明的保護范圍以內(nèi)。