1、一種聯接“健康云的家庭健康監護系統設計胡建強(廈門理工學院計算機與信息工程學院福建廈門361024)摘要：新一代家庭健康監護系統不僅要求具備低本錢、低功耗和低體積等特點,還要求快速適應基于云計算的國家醫療信息化開展,為此,亟待設計一種聯接“健康云的家庭健康監護系統.首先,在介紹“健康云層次化架構的根底上,本文分析了家庭健康監護系統聯接“健康云的工作過程.其次,解決了該系統的四項關鍵技術,包括：基于生理參數傳感器的家庭健康監測網絡設計、基于HL7RIM的數據交換機制、融合灰色模型和馬爾科夫模型的健康風險評估模型、基于BPEL4WS的健康效勞個性化組裝.最后,采用廈門市集美區案例數據驗證原型系統的

2、有效性,為“健康云效勞走入家庭健康監護奠定根底.關鍵詞：基于HL7RIM數據轉換框架；健康風險評估模型；健康云中圖分類號：TP393文獻標志碼：A當前我國正面臨著人口老齡化、少子化、慢性病患者增多等趨勢,大中型醫院主要針對疾病的診斷和治療,很難承當社區居民日常的醫療保健效勞、健康咨詢以及緊急情況下的醫療援助任務.醫療信息化被認為是大幅減少醫療和就醫本錢、緩解醫療資源緊缺現狀和提升醫療整體水平的重要手段.目前醫療信息化呈現兩種趨勢：(1)基于云計算的醫療信息效勞平臺快速開展.美國在智慧醫療領域的總投資已超過440億美元.舊M公司提出“數字化醫院集成平臺1;美國HHS部電子健康檔案系統、Micro

3、softHealthVault等在美國開始廣泛應用并取得巨大的經濟和社會效益.2021年1月日本富士通公司推出“高齡者護理云計算,預計2021年可創造60億日元市場2.南京2021年基于H3c云存儲構建新一代的社區公共衛生效勞系統,實現居民健康檔案、社區衛生效勞站桌面虛擬化、采用SaaST式交付等新型醫療信息化應用.中科院實施“海云工程并推出低本錢的健康效勞3.2021年廈門市“健康云采用云計*收稿日期：2021-10-7基金工程：國家計生委聯合攻關工程(WKJ-FJ-35)廈門市科技高校科技創新工程(3502Z20213031、3502Z20213033)、廈門理工學院人才引進工程(YKJ1

4、3004R)*作者介紹：胡建強,1971年2月,博士后,副教授,研究方向：智慧醫療、語義Web,通信郵箱：算技術整合市民健康檔案和預約系統,目前已接入市第三醫院、仙岳醫院等38家醫院和63家社康中心.2低本錢的家庭健康監護成為緩解醫療資源緊缺最重要的技術.美國霍尼韋爾公司實驗室開發I.L.S.A系統,基于多傳感器互聯,實現感知模型、定時響應、實時響應等功能,監護心腦血管疾病4.日本提出全國性遠距居家照護效勞工程SukoyakaFamily21遠程生理檢測和應急救護,采用物聯網終端SUKOYAKANETi的壓迫帶測量血壓和電極測量心電,通過觸摸屏式液晶顯示器輸入體重等

5、數值5,6.法國構建EMUTEM平臺采用可穿戴設備測試慢性病患者的脈搏、心率和血壓和血糖等生理數據以及紅外傳感器檢測坐臥姿勢和移動狀態7.中科院研制一種基于體域網的無線心電監護系統,實時接收心電信號并及時預警反應8.這類家庭健康監護系統采用物聯網技術,包括附著人體的指尖型血氧傳感器、腕表型血糖傳感器、腕表型睡眠品質測量器、睡眠生理檢查器等,長期監視和記錄各項生理數據,評估身體狀況并預警生理病變.新一代家庭健康監護系統不僅要具備“低本錢、低功耗和低體積等特點,還要求快速適應基于云計算的國家醫療信息化開展.為此,廈門理工學院和廈門優醫信息效勞聯合研制一種聯接“健康云的家庭健康監護系統,支持家庭健康

6、監護系統與“健康云之間的數據交換,實現健康風險評估和個性化健康監護方案定制,為健康檔案云端治理、健康咨詢、健康膳食等效勞走入家庭健康監護奠定根底.全文組織結構如下：第1節介紹健康云的層次化架構,分析聯接健康云的家庭健康監護系統的工作過程.第2節分析四項關鍵技術,分別是家庭健康監測網絡設計、基于HL7RIM的數據交換機制設計、健康風險評估模型和健康效勞個性化組裝.第3節采用廈門市集美區案例數據驗證原型系統的有效性,包括評估健康風險評估效果預測相對危險性和絕對危險性和健康效勞組合成功率.第4節總結全文并展望下一步工作.1體系架構1.1“健康云的層次化架構“健康云建設的主要目標是實現集中統一的區域醫

7、療信息共享和提升醫療資源的利用率,即虛擬化醫療軟硬件資源,實現軟硬件資源按需分配、醫療數據平安和綠色利用.典型層次化架構包括：根底設施醫院、疾病限制中央、社區健康效勞中央等,采集醫療衛生數據；數據的整合交換共享云端效勞整合醫院信息系統HIS、電子病歷EMR、醫學影像存檔與通訊系統PACS、實驗室信息治理系統LIS等；云根底設施基于虛擬化、網絡平安、運行監管和維護等技術,實現根底設施即效勞IaaS整合；云數據中央健康檔案數據庫EMR、電子病歷數據庫EHR、公共衛生數據庫,實現平臺即效勞PaaSTB力、云端效勞以軟件即效勞Saa醍供效勞,包括健康檔案云端治理、遠程視頻診療、健康咨詢、消息效勞、運動

8、效勞和健康膳食、效勞對象市民、醫生、第三方機構.效勞對象市民醫生第三方機構健康檔案治理遠程世頻診療玄端效勞鍵康消息咨詢效勞效勞效勞云數據中央健康檔案數據庫電子病歷數據庫公共衛生數據庫云根底設施運行維護數據的整合交換共享云端效勞整合HISEMR、PACS1_1/夕根底設施醫院疾病限制中央社區健康效勞中央圖1“健康云的層次化架構Fig. 1 AHierarchyArchitectureforHealthcareCloud1.2聯接“健康云的家庭健康監護系統聯接“健康云的家庭健康監護系統包括家庭健康監測網絡、家庭健康監護系統和“健康云.家庭健康監測網絡本質上是物聯網,由一系列智能生理參數傳感器節點構

9、成,包括血氧傳感器、腕表型血糖傳感器和加速度器等,連續監視生理信號和記錄人體健康信號,包括心電ECG、血氧飽和度SPO2、脈搏等參數.節點都具有獨立數據存儲、運算、電源治理和無線通信等功能.融合先進網絡協議如Bluetooth、WIFI或Zigbee,實現生理檢測數據實時上傳到家庭健康治理系統.家庭健康監護系統的工作過程：1基于家庭健康監測網絡動態,實時獲取生理測量數據；2基于HL7RIM數據交換機制實現與“健康云數據交換,上傳各項生理監測數據實現個人健康檔案管理；3在“健康云數據中央支持下,基于健康風險評估模型實現個體健康狀況評估并制定個性化的健康干預舉措；4得到“健康云后臺特約醫生、功能醫

10、療小隊和營養師等提供的醫療、預防、保健等效勞.由于“健康云以SaaST式提供云端效勞,為保證家庭健康監護系統的通用性、靈活性和可擴展性,家庭健康監護系統支持按需動態、松耦合、有序組裝健康效勞,實現健康效勞個性化組裝,克服傳統家庭健康監護系統統一且固定不變的效勞流程模式.“家庭健康監測網緒“家庭健康監護系統“健康云醫療、預防、保健等效勞甘的西生曾芥肺功建垣行小認奉城邦期古圖2聯接“健康云的家庭健康監護系統Fig. 2 HealthcareCloud-ConnectedHomeHealthcareMonitoringSystem2關鍵技術2.1 家庭健康監測網絡設計家庭健康監測網絡是實現人體生理長

11、時間、連接監測的硬件設施.ParadisoR.等人開發的無線心電檢測系統采用GPRS協議,存在功耗大平均電流100mA/12V左右、電磁輻射過高和體積較大因配備大功率的太陽能電池板或大容量的蓄電池等缺陷9;天津大學開發基于ZigBee技術的老年人家庭健康監護系統,采用CC2430芯片,工作電流25-27mA,每塊芯片大約2美元,最大數據傳輸率為250Kbps10.時鐘治理模塊振蕩器調節器供給電壓片上時鐘片選電源治理模塊輸入輸出模擬前端振蕩器模擬信號處理模塊正極負極接地圖3BMD101芯片結構Fig.3BMD101ChipArchitecture本系統家庭健康監測網絡一系列智能生理參數傳感器節點

12、構成,需要綜合考慮能耗、本錢、體積和數據傳輸率等因素.以心電ECG采集為例,基于Neurosky公司BMD101限制芯片如圖3所示,從uV到mV范圍內生物信號檢測的高性能模擬前端實時接收并循環讀取心電數據,經芯片內部放大、濾波、計算等處理輸出心電數字信號并通過串口接口發送.BMD101具備系統整體配置、模擬信號和數字信號處理、限制內外通信和電源治理等功能,帶有高精度分辨率的16位ADC,VDD弓|腳3.3V供電,3*3毫米,價格3美元左右.生理監測數字信號由藍牙Bluethooth發送到家庭健康監護系統,最大數據傳輸率為720Kbps.表1統計心電ECG的各模塊在不同工作狀態的功耗情況.表1各

13、模塊的工作狀態與總功耗Tab.1WorkingStateofEachModuleanditsPowerConsumption工作狀態總功耗微限制器藍牙模塊數字信號處理模塊待機63.1A低功耗關閉關閉藍牙搜索31.4mA工作開啟關閉正常工作14.6mA開啟具體過程：上層應用程序將數據通過鏈路治理和I/O傳送到鏈路限制單元,進行載波調制,而后進行數據封裝,發送數據暫存在緩沖區,通過2.4GHz射頻發送接收端協議HCI;家庭健康監護系統接收端進行逆向解調,得到源數據再通過鏈路治理和I/O傳送到上層執行模塊進行數據處理.2.2 基于HL7RIM的數據交換機制設計由于監測數據模型不統一,“健康云普遍采用

14、SaaST式.只有采用統一標準才能解決無障礙傳輸且能夠被兩方接收者無歧義地解釋,從而實現家庭健康監護系統與“健康云數據交換.HL7HealthLevel711標準是由美國國家標準局ANSI授權的標準開發機構HealthLevelSevenInc.研究開發的一個專門用于醫療衛生機構及醫用儀器、設備數據信息傳輸的國際標準,其中健康檔案的內部結構采用HL7制定CDA(ClinicalDocumentArchitecture)標準.HL7RIM數據模型能清楚表達時序性、層次性和邏輯性,目的是解決不同開發商開發和制定的信息標準不一致問題,為標準開發和制定者提供一個最高層次的參考模型.HL7字典生麒服據=

15、%瞿式=皿模式颼HL7RIM模型圖4基于HL7RIM數據轉換框架Fig.4HL7RIM-basedDataConversionFramework圖4給出基于HL7RIM的數據統一轉換框架,包括HL7字典、HL7XML模式生成器和HL7RIM模型等.生理監測數據以數據元素形式封裝,每個數據元素或由簡單屬性復合成復合數據,或者數據元素清單,即每一個都是復合數據類型屬性.多個次序的多數據元素組成消息段,而多個有次序的消息段構成具體消息.HL7RIM使用到HL7字典任何元素、數據類型、詞匯都衍生自RIM標準要求,從而保證其一致性.HL7XML模式生成器將生理監測數據轉換成符合HL7標準的XML統一數據

16、格式.基于HL7RIM的數據交換機制,可以實現家庭健康監護系統和健康云端主機之間的數據交換,進而實現個人健康檔案治理和健康風險評估提供支持.數據交換過程如下：(1)發送過程：接收方以家庭健康監護系統為例,基于生理監測數據,構建HL7RIM邏輯結構的對象圖,采用XML構建符合HL7消息的數據格式,通過簡單對象傳輸協議(SOAP)發送XML消息.(2)接收過程：接收方偵聽到目標網絡是自己的消息時,根據HL7協議標準提取XML域目錄,進一步解析消息文檔對象,復原HL7RIM格式對象圖,以HL7CDA標準保存到云端主機.綜上所述,首先根據HL7的語法標準將數據轉換成XMLSOAP消息格式,然后根據底層

17、網絡傳輸協議封裝并傳輸,接收系統在應用層進行應答和相應的限制,再根據HL7標準語法進行解析,最終將消息轉換成應用程序數據格式.發送方接收方圖5基于HL7RIM的數據交換過程Fig.5HL7RIM-basedDataExchangeProcess2.3 健康風險評估模型健康風險評估(HealthRiskAppraisal,HRA)用于描述和估計某一個體未來發生某種特定疾病或由于某種特定疾病導致死亡的可能性.通過收集個體健康信息,包括家庭健康監測獲得的各項生理信息和家庭病史、飲食習慣和生活方式.結合“健康云提供的健康檔案和電子病歷數據,用數字模型進行量化評估,幫助個體全面熟悉健康狀況和病變風險,為

18、制訂個性化的健康干預舉措提供支持.美國Framingham危險評彳t模型FRS是經典健康風險評估模型,主要預測個體在未來10年發生心血管疾病的危險率.由于不同國家、地區,人們文化背景和生活習慣存在差異,不同人群實際篩選準確性有較大出入.針對Framingham模型存在的局限性,選取國人醫學界公認因素,包括年齡、體重、血壓、血脂、血糖和體質指數BMI12,13,展開“相對危險性預測和“絕對危險性預測.“相對危險性是指與同年齡段、同性別人群平均水平相比患某些慢性疾病可能性；“絕對危險性是指個體在未來幾年內患某些慢性疾病可能性14.(1)相對危險性預測參照文獻14的方法應用Logistic模型,計算

19、某慢性疾病的危險分數,得出危險因素評價模型,評價各種危險因素不同暴露水平對疾病發生的影響.定義1記RR為暴露某一水平因素的相對危險度,P為暴露某一水平因素的個體占全人群的比例,那么基準發病率=1/(RR-R)i1定義2危險度=基準發病率X相對危險度.對于多項危險因素疾病,記P組合相對危險度(相對危險性),P=(B-1)+(2-1)+-+(Pn-1)+QiXQ2X-xQm,其中P為組合危險度；P大于等于1的各項危險度；Qi小于1的各項危險度15.(2)絕對危險性預測目前常用的預測模型包括回歸模型、ARIMA模型16、馬爾科夫模型和灰色模型.回歸模型要求數據總體服從多元正態分布且協方差相同；ARI

20、MA模型要求非平衡數據轉變為零均值平衡隨機序列,適用于短期預測；馬爾科夫強調狀態轉移概率預測內部變化17;灰色模型GM(1,1)是灰色模型中應用最廣泛的預測模型,不需明確數據指標關系,適用于小樣本和不確定系統預測18.由于高血壓、糖尿病屬慢性病具有長期化趨化、容易呈現某種變化趨勢等非平衡特點,因此采用灰色模型和馬爾科夫模型相結合的預測模型.灰色模型只考慮綜合灰色量對某種疾病的作用,而馬爾科夫適用于隨機過程的狀態轉移行為,可彌補灰色預測對隨機波動大時間序列預測不好的缺陷.主要步驟包括：灰度模型GM(1,1)原始數據序列X(0)=x(0)(1),X0)(2),胃(n),增強規律性累加處理,得到XX

21、x(1),戶(2),#(n),對x(t)建立GM(1,1),得到dY(1)dxax=udt其中a,u可由最小二乘法求解得到,求解方程：x=x(0)(1)-ue“tuaa得到一次累加生成量x(1)(t)的模型預測值,表示：(2)(1)(0)unaut=1,2,.,nx二-一eaaa(0).(0)/(t)=|x(t)(0)-x(t)|(4)殘差序列的GM(1,1)模型經過類似求解,得到x(t1)-(1-ea)x(0)(1)-eatsgn(t1)(1ea1)(1卜齒性回aa其中sgn值由原殘差的符號確定.馬爾科夫模型轉移概率矩陣馬爾科夫模型關注狀態和狀態轉移概率,設預測對象有n種狀態E1,E2,En

22、,從某種狀態Ej向這n種狀態轉移概率分別為吊,P2,Pn且滿足0EPjEl,Rl十口2+.+Pn=1.以血壓值為例,涵蓋理想血壓、正常血壓、臨界高血壓、高血壓、超高血壓.根據馬爾科夫模型求解殘差轉移的概率,確定殘差sgn值.采用灰色模型和馬爾科夫模型結合得到預測值,結合其組合相對危險度與總發病率相乘,就得到絕對危險性.相對危險性和絕對危險性度量出危險因素和慢性發病之間數量依存關系及其規律性,為制訂個性化的健康干預舉措提供參考和依據.2.4健康效勞個性化組裝家庭健康監護系統靈活性、可維護性和可定制性是影響健康監護效能的重要因素.針對家庭用戶需求特點,健康效勞流程需要個性化定制.根據病人的實際情況

23、制訂個性化健康監測和“健康云效勞需求,包括定期的血壓、心電和加速度監測、信息提醒、健康膳食、運動效勞.為此,針對不同居民健康監護需求,以一種可擴展、靈活的方式來實現健康效勞的動態重組,滿足不同居民的需要.“健康云以SaaST式提供健康效勞,而且基于HL7RIM的數據交換機制采用SOAP傳輸總線.因此,家庭健康監護業務方案采用網絡效勞業務流程執行語言BPEL4WS描述.SOAP限制引擎通過統一請求接口接收來自遠程網絡的SOAP請求消息,并以SOAP消息隊列機制標識請求消息的優先級.SOAP限制引擎解析BPEL4WSBusinessProcessExecutionLanguageforWebSer

24、vices文件,按順序調用健康效勞序列并保證整個組裝順利完成.不同家庭監測對象如糖尿病人、高血壓等的不同需求,只需要動態修改家庭健康監護方案相應的BPEL4WS文件,從而保證家庭健康監測系統的靈活性和適用性.=SOA俏息隊列健康效勞WS1健康效勞WS2口勺家庭健康SOAP健康效勞WS3健康效勞WSn監護方案,圖6基于BPEL4WS的健康效勞個性化組裝Fig.6PersonalizedCompositionofBPEL4WS-basedHealthcareService3實驗基于WinCE6.0嵌入式操作系統環境,使用VisualStudio2021C#研發家庭健康監測系統,主要技術指標：支持B

25、luethooth傳輸；支持與“健康云數據交換；支持個性化健康監護；支持個人健康檔案治理；健康數據分析結果.圖7展示正常狀態下系統監測界面和異常狀態下心電生理監測數據界面：圖7家庭健康監護系統Fig.7HomeHealthcareMonitoringSystem具體情況如下:1與廈門市心臟中央合作,結合廈門市“健康云電子檔案和電子病歷數據,對廈門市集美區55-65歲男性研究對象和比對病例數,選擇指標包括：文化程度、吸煙、鍛煉、心率、BMI、血壓、腦卒中史、血脂,采用Logistic模型,得到暴露不同危險因素水平的基準發病率和危險分數如表1所示.根據健康檔案和家庭健康監護系統獲取1位61歲老人的

26、健康數據：小學文化,不吸煙,不喜歡鍛煉,腹部較肥胖,血壓240/209,心率92,有腦卒中家史,血脂超高,那么個人患病相對危險度(1.658+2.873+2.885+6.543+1.778+5.325-6)+0.952*0.926=15.666.廈門市集美區糖尿病總發病率接近5%,當前絕對危險性15.666*5%=78.78%,采用馬爾科夫模型和灰色預測相結合,可以預測5年內絕對危險性.(2)糖尿病和高血壓等患者和健康促進者,可以根據醫生的建議制訂個性化健康治理方案,測量心電ECG、血氧飽和度SPO2、脈搏、體溫,并向健康云端上傳生理監測數據.(3)采用“健康效勞組合成功率度量家庭健康監測系統

27、與“健康云的聯接效果.“健康效勞組合成功率定義為基于BPEL4WS指定的序列組裝健康效勞成功的次數與總的組裝次數的比率,即ratesuc=二一*100%,其中s表示成功組裝次數,f表示失敗組裝次數.經1000次測試數據計算得sf到健康效勞組合成功率為89%,這說明家庭健康監測系統能有效聯接“健康云.廈門市“健康云目前尚處于建設過程,上述指標尚在合理范圍內.需要說明的是,不同國家、地區的糖尿病風險評估模型存在較大差異.對于基準發病率和危險分數度量模型不同,例如德國和阿曼分別采用Cox回歸模型和Logistic回歸模型；引入危險因素不同,例如德國強調包括盡可能多的可變危險因素,阿曼強調體質指數(B

28、MI)、糖尿病家族史、高血壓情況19.建立模型并計算風險分值后,一般通過比擬總的風險分值與判斷點的大小,篩選高危個體/人群.本文建立的健康風險評估模型和表1危險分數,對糖尿病風險評估操作簡單、快速和廉價,但只適用于廈門市局部人群而不是福建省整體人群.表2廈門集美糖尿病因素及危險分數(55-65歲)Tab.2RiskFactorsandRiskScoreofDiabeticInpatientsinXiamen(55-65yearsold)因素值基準發病率文化程度小學及以下0.9520.952中學0.9010.754大專以上1.1050.524吸煙不吸煙1.6581.658吸煙0.6802.572

29、鍛煉否0.9260.926是0.9260.784心率90非正常1.0432.873BMI正常1.2651.625超重0.9611.307肥胖0.9842.885血壓180超高1.5736.543腦卒中史無0.9780.978有0.9781.778血脂正常0.9260.926偏高0.9784.152超高1.5485.3254結論新一代家庭健康監護系統要求具備低本錢、低功耗和低體積的同時,亟需適應基于云計算的國家醫療信息化開展.本文設計并實現一種聯接“健康云的家庭健康監護系統,利用附著人體的智能生理參數傳感器連接監測和記錄人體生理數據,實現健康風險評估和個性化家庭健康監護方案定制,保證家庭健康監測

30、的靈活性和有效性,為“健康云提供的健康檔案云端治理、健康咨詢、健康膳食等效勞走入家庭健康監護奠定根底.下一步工作包括：本地化健康風險評估模型,提升相對危險性和絕對危險性預測的準確性；解決家庭健康監測對象的隱私保護問題；完善家庭健康系統,展開示范性應用和推廣.致謝感謝臺灣朝陽科技大學資訊治理系陳憐秀教授的指導和幫助!參考文獻1IBM國際商業機器全球效勞(中國).舊M智慧醫療-數字化醫院集成平臺解決方案.舊M-中國2021-3-29.:/www-31.ibm/solutions/cn/healthcare/digitalization/platform.shtml2孔建會.日本的云計算政策及其應用

31、.中國社會科學網2021-4-16.:/cssn/sf/bwsf_zhlwz/202110/t20211022_447324.shtml3樊建平,張元亭,王磊.實施海云工程實現低本錢健康J.計算機科學,2021,1(2):4-9.4 AnaIsabelCalvo-Alcalde,JuanJosAndrs-Gutirrez,JessVegas,etal.SemanticandImplicitHCI:AStepForwardAmIDeliveryatHomeforPatientExperienceC.AmbientIntelligenceandFutureTrends-InternationalS

32、ymposiumonAmbientIntelligence(ISAmI2021).Springer-VerlagBerlinHeidelberg,2021:139-147.5 KiyomichiFUJISAKI.MeasuresTakenbytheGovernmentforImprovingMentalHealthofChildren-ThroughpromotionofSukoyakaFamily21J.JournalofJapanMedicalAssociation,2001,126(4):553-558.6沈燕士.臺灣遠距醫療照護產業營運與技術.五鼎生技2021-12-29.:/aic.

33、.tw/download.php?file=0101229122719_54782.pdf7HamidMedjahed,DanIstrate,JrmeBoudy,Jean-Louis.APervasiveMulti-sensorDataFusionforSmartHomeHealthcareMonitoringC.2021IEEEInternationalConferenceonFuzzySystems.IEEEComputerSoceity,2021:1466-1473.8張/千,杜曉薇,楊堅,等.一種體域網無線心電監護系統的研制與測試J.現代電子技術,2021,37(4):

34、37-41.9PARADISOR,LORIGAG,TACCININ.AwearablehealthcaresystembasedonknittedintegratedsensorsJ.IEEETransactionsonInformationTechnologyinBiomedicine,2005,9(3):337-344.10蔡偉超.基于ZigBee技術的老年人家庭健康監護設計D.天津：天津大學碩士學位論文,2021.11HealthLevelSevenCommittee.HL7ClinicalDocumentArchitecture,Release2.0.2003-12-08.:/hl7.

35、org/Library/Committees/structure/CDA.ReleaseTwomitteeBallot02.Dec.2003.zip.12汪俊軍.關注心血管疾病的預防與個性化危險評估J.臨床檢驗雜志,2021,30(10):817-820.13DanielBiaSantana,YaninaA.Zocalo,IgnacioFarroVentura,etal.HealthInformaticsDesignforAssistedDiagnosisofSubclinicalAtherosclerosis,Structural,andFunctionalArterialAgeCalcul

36、usandPatient-SpecificCardiovascularRiskEvaluationJ.IEEETransactionsonInformationTechnologyinBiomedicine,2021,16(5):943-950.14張玲.重慶社區居民糖尿病、腦卒中相關危險因素分析及個人健康危險模型的研究D.重慶：第三軍醫大學碩士學位論文,2021.15李運明.國人健康風險模型及風險評估方法研究D.西安：第四軍醫大學博士學位論文,2021.16 G.E.P.BoxandG.M.Jenkins.TimeSeriesAnalysis:ForecastingandControl(Re

37、visedEdition)M.SanFrancisco:HoldenDay,1976.17 K.J.Astrom.OptimalControlofMarkovDecisionProcesseswithIncompleteStateEstimation.JournalofMathematicalAnalysisandApplicationsJ.1995,10:174-205.18鄧聚龍.灰色系統根本方法M.武漢：華中理工大學出版社,1992.19 SchulzeMB,HoffmannK,BoeingH,etal.Anaccurateriskscorebasedonanthropometric,dietary,andlifestylef