血糖管控方法、系统及存储介质

摘要

本发明提供了一种血糖管控方法、系统、可穿戴设备和存储介质，其方法包括：根据糖尿病患者当前时刻的基本参数，确定当前时刻糖尿病患者的当前管控环节等级；通过贝叶斯算法计算管控环节等级和血糖测试值的关联概率值；根据所述关联概率值调整更新管控环节等级，以使调整后再次测试获得的血糖测试值接近对应的正常血糖范围值。本发明自动更新包括血糖管控环节等级的调整方案，使得糖尿病患者根据调整方案进行血糖管控，有利于提高糖尿病患者的自我管理依从性，改善或提高糖尿病患者身体素质。

权利要求

1.一种血糖管控方法，其特征在于，包括步骤：根据糖尿病患者当前时刻的基本参数，确定当前时刻糖尿病患者的当前管控环节等级；

所述根据糖尿病患者当前时刻的基本参数，确定当前时刻糖尿病患者的当前管控环节等级包括：

获取正常血糖范围值；

获取当前时刻糖尿病患者的基本参数；所述基本参数包括姓名、年龄、性别、身高、体重、用药信息、血糖测试值和生理参数；所述血糖测试值包括空腹血糖值和餐后血糖值；

根据预设规则和所述基本参数，对所述糖尿病患者进行管控环节的等级划分；

其中，管控环节包括药物管控环节、饮食管控环节和运动管控环节，每一管控环节均包括至少两个等级；

通过贝叶斯算法计算管控环节等级和血糖测试值的关联概率值；

所述通过贝叶斯算法计算管控环节等级和血糖测试值的关联概率值包括：根据糖尿病患者当前时刻的血糖测试值和当前管理环节等级，通过下列贝叶斯算法公式中进行计算得到第一概率值；

根据糖尿病患者当前时刻的正常血糖范围值和当前管理环节等级，通过下列贝叶斯算法公式中进行计算得到第二概率值；

对所述第一概率值和第二概率值进行差值计算得到对应的关联概率值；

其中，P(Gi|E)是第一概率值，P(Gi|F)是第二概率值，P(E|Gi)是当前管控环节等级已确定条件下血糖测试值为E的发生概率，P(F|Gi)是当前管控环节等级已确定条件下正常血糖范围值为F的发生概率，P(Gi)是当前管控环节等级的发生概率，E为血糖测试值，F为正常血糖范围值，P(Gj)是其他管控环节等级的发生概率，且j＞i，i和j均为正整数；

根据所述关联概率值调整更新管控环节等级，以使调整后再次测试获得的血糖测试值接近对应的正常血糖范围值。

2.根据权利要求1所述的血糖管控方法，其特征在于，所述根据所述关联概率值调整更新管控环节等级包括：

若当前管控环节下的关联概率值低于第一预设阈值，或者高于第二预设阈值时，调整更新管控环节等级；所述第一预设阈值小于第二预设阈值；

通知糖尿病患者根据更新后管控环节等级执行血糖管控；所述血糖管控包括药物管控、饮食管控和运动管控。

3.根据权利要求1所述的血糖管控方法，其特征在于，还包括步骤：若根据更新后管控环节等级执行血糖管控后，血糖测试值持续超过正常血糖范围值，则发出警告信息并向预设紧急联系人发出求救信息。

4.一种血糖管控系统，其特征在于，包括：处理模块，用于根据糖尿病患者当前时刻的基本参数，确定当前时刻糖尿病患者的当前管控环节等级；

所述处理模块包括：

第一获取单元，用于获取正常血糖范围值；

第二获取单元，用于获取当前时刻糖尿病患者的基本参数；所述基本参数包括姓名、年龄、性别、身高、体重、用药信息、血糖测试值和生理参数；所述血糖测试值包括空腹血糖值和餐后血糖值；

处理单元，用于根据预设规则和所述基本参数，对所述糖尿病患者进行管控环节的等级划分；

其中，管控环节包括药物管控环节、饮食管控环节和运动管控环节，每一管控环节均包括至少两个等级；

计算模块，用于通过贝叶斯算法计算管控环节等级和血糖测试值的关联概率值；

所述计算模块包括：

第一计算单元，用于根据糖尿病患者当前时刻的血糖测试值和当前管理环节等级，通过下列贝叶斯算法公式中进行计算得到第一概率值；

第二计算单元，用于根据糖尿病患者当前时刻的正常血糖范围值和当前管理环节等级，通过下列贝叶斯算法公式中进行计算得到第二概率值；

差值计算单元，用于对所述第一概率值和第二概率值进行差值计算得到对应的关联概率值；

其中，P(Gi|E)是第一概率值，P(Gi|F)是第二概率值，P(E|Gi)是当前管控环节等级已确定条件下血糖测试值为E的发生概率，P(F|Gi)是当前管控环节等级已确定条件下正常血糖范围值为F的发生概率，P(Gi)是当前管控环节等级的发生概率，E为血糖测试值，F为正常血糖范围值，P(Gj)是其他管控环节等级的发生概率，且j＞i，i和j均为正整数；

控制模块，用于根据所述关联概率值调整更新管控环节等级，以使调整后再次测试获得的血糖测试值接近对应的正常血糖范围值。

5.根据权利要求4所述的血糖管控系统，其特征在于，所述控制模块包括：调整单元，用于若当前管控环节下的关联概率值低于第一预设阈值，或者高于第二预设阈值时，调整更新管控环节等级；所述第一预设阈值小于第二预设阈值；

通知单元，用于通知糖尿病患者根据更新后管控环节等级执行血糖管控；所述血糖管控包括药物管控、饮食管控和运动管控。

6.根据权利要求4所述的血糖管控系统，其特征在于，所述控制模块包括：警告单元，用于若根据更新后管控环节等级执行血糖管控后，血糖测试值持续超过正常血糖范围值，则发出警告信息并向预设紧急联系人发出求救信息。

7.一种可穿戴设备，其特征在于，包括处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器，用于执行所述存储器上所存放的计算机程序，实现如权利要求1至权利要求3任一项所述的血糖管控方法所执行的操作。

8.一种存储介质，其特征在于，所述存储介质中存储有至少一条指令，所述指令由处理器加载并执行以实现如权利要求1至权利要求3任一项所述的血糖管控方法所执行的操作。

说明书

血糖管控方法、系统及存储介质

技术领域

[0001] 本发明涉及医疗数据挖掘技术领域，尤其涉及一种血糖管控方法、系统及存储介质。

背景技术

[0002] 糖尿病是一种以高血糖为特征的代谢性疾病，是一种慢性终身性疾病。慢病管理是指对慢性非传染性疾病及其风险因素进行定期检测，连续监测，评估与综合干预管理的
医学行为及过程，主要内涵包括慢病早期筛查，慢病风险预测、预警与综合干预，以及慢糖
尿病患者群的综合管理，慢病管理效果评估等。实际上，慢病管理是对慢性糖尿病患者和高
危人群的管理，包括对其合理膳食、行为习惯、健康心理等多方面的管理和干预；宣传正确
的慢病管理理念、知识、技能等，才能扎实做好慢病综合防治工作。

[0003] 糖尿病不仅需要规范化治疗，更重要的是慢病管理，让患者更具有依从性，同时配合饮食，运动等方式，才能达到更好的防控效果。

[0004] 传统的慢病管理方法过于机械化或程序化，不能满足患者的个性化需求。而依赖传统慢病管理的个性化需求成本过高，难以实施。同时，个性化血糖管控方案多是基于医生
和康复师的经验，而不具备自动化措施。

发明内容

[0005] 本发明的目的是提供一种血糖管控方法、系统、可穿戴设备和存储介质，应用于互联网医疗管理系统，可以基于糖尿病患者的血糖值(空腹血糖值、餐后血糖值)的连续监测
和效果，自动更新包括血糖管控环节等级的调整方案，有利于提高糖尿病患者的自我管理
依从性，改善或提高糖尿病患者身体素质。

[0006] 本发明提供的技术方案如下：

[0007] 本发明提供一种血糖管控方法，包括步骤：

[0008] 根据糖尿病患者当前时刻的基本参数，确定当前时刻糖尿病患者的当前管控环节等级；

[0009] 通过贝叶斯算法计算管控环节等级和血糖测试值的关联概率值；

[0010] 根据所述关联概率值调整更新管控环节等级，以使调整后再次测试获得的血糖测试值接近对应的正常血糖范围值。

[0011] 进一步的，所述根据糖尿病患者当前时刻的基本参数，确定当前时刻糖尿病患者的当前管控环节等级包括：

[0012] 获取正常血糖范围值；

[0013] 获取当前时刻糖尿病患者的基本参数；所述基本参数包括姓名、年龄、性别、身高、体重、用药信息、血糖测试值和生理参数；所述血糖测试值包括空腹血糖值和餐后血糖值；

[0014] 根据预设规则和所述基本参数，对所述糖尿病患者进行管控环节的等级划分；

[0015] 其中，管控环节包括药物管控环节、饮食管控环节和运动管控环节，每一管控环节均包括至少两个等级。

[0016] 进一步的，所述通过贝叶斯算法计算管控环节等级和血糖测试值的关联概率值包括：

[0017] 根据糖尿病患者当前时刻的血糖测试值和当前管理环节等级，通过下列贝叶斯算法公式中进行计算得到第一概率值；

[0018]

[0019] 根据糖尿病患者当前时刻的正常血糖范围值和当前管理环节等级，通过下列贝叶斯算法公式中进行计算得到第二概率值；

[0020]

[0021] 对所述第一概率值和第二概率值进行差值计算得到对应的关联概率值；

[0022] 其中，P(Gi|E)是第一概率值，P(Gi|F)是第二概率值，P(E|Gi)是当前管控环节等级已确定条件下血糖测试值为E的发生概率，P(F|Gi)是当前管控环节等级已确定条件下正
常血糖范围值为F的发生概率，P(Gi)是当前管控环节等级的发生概率，E为血糖测试值，F为
正常血糖范围值，P(Gj)是其他管控环节等级的发生概率，且j＞i，i和j均为正整数。

[0023] 进一步的，所述根据所述关联概率值调整更新管控环节等级包括：

[0024] 若当前管控环节下的关联概率值低于第一预设阈值，或者高于第二预设阈值时，调整更新管控环节等级；所述第一预设阈值小于第二预设阈值；

[0025] 通知糖尿病患者根据更新后管控环节等级执行血糖管控；所述血糖管控包括药物管控、饮食管控和运动管控。

[0026] 进一步的，还包括步骤：

[0027] 若根据更新后管控环节等级执行血糖管控后，血糖测试值持续超过正常血糖范围值，则发出警告信息并向预设紧急联系人发出求救信息。

[0028] 本发明还提供一种血糖管控系统，包括：

[0029] 处理模块，用于根据糖尿病患者当前时刻的基本参数，确定当前时刻糖尿病患者的当前管控环节等级；

[0030] 计算模块，用于通过贝叶斯算法计算管控环节等级和血糖测试值的关联概率值；

[0031] 控制模块，用于根据所述关联概率值调整更新管控环节等级，以使调整后再次测试获得的血糖测试值接近对应的正常血糖范围值。

[0032] 进一步的，所述处理模块包括：

[0033] 第一获取单元，用于获取正常血糖范围值；

[0034] 第二获取单元，用于获取当前时刻糖尿病患者的基本参数；所述基本参数包括姓名、年龄、性别、身高、体重、用药信息、血糖测试值和生理参数；所述血糖测试值包括空腹血
糖值和餐后血糖值；

[0035] 处理单元，用于根据预设规则和所述基本参数，对所述糖尿病患者进行管控环节的等级划分；

[0036] 其中，管控环节包括药物管控环节、饮食管控环节和运动管控环节，每一管控环节均包括至少两个等级。

[0037] 进一步的，所述计算模块包括：

[0038] 第一计算单元，用于根据糖尿病患者当前时刻的血糖测试值和当前管理环节等级，通过下列贝叶斯算法公式中进行计算得到第一概率值；

[0039]

[0040] 第二计算单元，用于根据糖尿病患者当前时刻的正常血糖范围值和当前管理环节等级，通过下列贝叶斯算法公式中进行计算得到第二概率值；

[0041]

[0042] 差值计算单元，用于对所述第一概率值和第二概率值进行差值计算得到对应的关联概率值；

[0043] 其中，P(Gi|E)是第一概率值，P(Gi|F)是第二概率值，P(E|Gi)是当前管控环节等级已确定条件下血糖测试值为E的发生概率，P(F|Gi)是当前管控环节等级已确定条件下正
常血糖范围值为F的发生概率，P(Gi)是当前管控环节等级的发生概率，E为血糖测试值，F为
正常血糖范围值，P(Gj)是其他管控环节等级的发生概率，且j＞i，i和j均为正整数。

[0044] 进一步的，所述控制模块包括：

[0045] 调整单元，用于若当前管控环节下的关联概率值低于第一预设阈值，或者高于第二预设阈值时，调整更新管控环节等级；所述第一预设阈值小于第二预设阈值；

[0046] 通知单元，用于通知糖尿病患者根据更新后管控环节等级执行血糖管控；所述血糖管控包括药物管控、饮食管控和运动管控。

[0047] 进一步的，所述控制模块包括：

[0048] 警告单元，用于若根据更新后管控环节等级执行血糖管控后，血糖测试值持续超过正常血糖范围值，则发出警告信息并向预设紧急联系人发出求救信息。

[0049] 本发明还提供一种可穿戴设备，包括处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器，用于执行所述存储器上所存放的计算
机程序，实现如所述的血糖管控方法所执行的操作。

[0050] 本发明还提供一种存储介质，所述存储介质中存储有至少一条指令，所述指令由处理器加载并执行以实现如所述的血糖管控方法所执行的操作。

[0051] 通过本发明提供的一种血糖管控方法、系统、可穿戴设备和存储介质，能够通过对糖尿病患者的血糖值(空腹血糖值、餐后血糖值)的连续监测，分析糖尿病患者在慢病管理
过程中对管控环节的依从性，基于贝叶斯算法，自动更新包括血糖管控环节等级的调整方
案，使得糖尿病患者根据调整方案进行血糖管控，有利于提高糖尿病患者的自我管理依从
性，改善或提高糖尿病患者身体素质。

附图说明

[0052] 下面将以明确易懂的方式，结合附图说明优选实施方式，对一种血糖管控方法、系统、可穿戴设备和存储介质的上述特性、技术特征、优点及其实现方式予以进一步说明。

[0053] 图1是本发明一种血糖管控方法的一个实施例的流程图；

[0054] 图2是本发明一种血糖管控方法的另一个实施例的流程图；

[0055] 图3是本发明一种血糖管控方法的另一个实施例的流程图；

[0056] 图4是本发明一种血糖管控系统的一个实施例的结构示意图；

[0057] 图5是本发明一种可穿戴设备的一个实施例的结构示意图。

具体实施方式

[0058] 以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体
细节的其他实施例中也可以实现本申请。在其他情况中，省略对众所周知的系统、装置、电
路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。

[0059] 应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”指示所述描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其他特征、整体、步
骤、操作、元素、组件和/或集合的存在或添加。

[0060] 为使图面简洁，各图中只示意性地表示出了与本发明相关的部分，它们并不代表其作为产品的实际结构。另外，以使图面简洁便于理解，在有些图中具有相同结构或功能的
部件，仅示意性地绘示了其中的一个，或仅标出了其中的一个。在本文中，“一个”不仅表示
“仅此一个”，也可以表示“多于一个”的情形。

[0061] 还应当进一步理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。

[0062] 另外，在本申请的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

[0063] 为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对照附图说明本发明的具体实施方式。显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于
本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他
的附图，并获得其他的实施方式。

[0064] 根据本发明实施例，提供了一种血糖管控方法的实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在
流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描
述的步骤。

[0065] 糖尿病是一种全球性常见疾病，是一组由遗传和环境因素相互作用而引起的临床综合征。因胰岛素分泌绝对或相对不足以及靶组织细胞对胰岛素敏感性降低，引起糖、蛋
白、脂肪、水和电解质等一系列代谢紊乱。临床以高血糖为主要标志，久病可引起多个系统
损害。病情严重时可发生急性代谢紊乱卢酮症酸中毒等。

[0066] 随着计算机技术的进步，应用数据挖掘技术解决大量实测数据的实际问题成为近年来数据挖掘的一个发展方向。由于数据库技术的发展，医学数据库中积累的临床记录和
实验数据，可从大量的多源、多类型、多精度、多时态、多维非线性数据中发现和挖掘出有价
值的信息，弥补传统医学数据处理的缺陷与不足，所以数据库中的数据挖掘技术和现有的
医学数据结合到一起。

[0067] 数据挖掘的整个过程包括问题定义、数据准备和预处理、数据挖掘以及结果的解释和评估。在数据挖掘中，是在给定训练数据时，确定假设空间中的最佳假设。所谓最佳假
设，就是将它定义为在给定数据以及假设空间中不同假设的先验概率的有关知识条件下的
最可能假设。贝叶斯算法提供了计算这种可能性的一种直接的方法。具体地讲，贝叶斯算法
提供了一种计算假设概率的方法，其基于假设的先验概率、给定假设下观察到不同数据的
概率、以及观察数据本身。

[0068] 本发明的一个实施例，如图1所示，一种血糖管控方法，包括：

[0069] S100根据糖尿病患者当前时刻的基本参数，确定当前时刻糖尿病患者的当前管控环节等级；

[0070] 具体的，对糖尿病患者的管控环节分级是根据糖尿病患者的严重情况进行分级，比如空腹血糖一般在3.9‑8mmol/l为轻度等级；空腹血糖在9‑14mmol/l为中度等级；空腹血
糖在15mmol/l以上为重度，可能出现糖尿病酮症酸中毒。

[0071] 对糖尿病患者的药物、饮食、运动的管控环节可根据糖尿病的轻重程度进行等级划分，比如糖尿病患者为轻度等级的，那么其药物管控环节的等级可设为一级，饮食管控环
节的等级可设为一级，运动管控环节的等级可设为一级。对药物、饮食、运动的管控环节的
等级划分，是医疗上的划分方案，本申请实施例不限于此。

[0072] S200通过贝叶斯算法计算管控环节等级和血糖测试值的关联概率值；

[0073] 将贝叶斯算法应用到对糖尿病患者的慢病管理是本申请实施例的技术核心，通过贝叶斯算法分析药物管控环节、饮食管控环节、运动管控环节，分别对糖尿病患者所对应血
糖测试值的关联概率值，可更合理地调整上述管控环节的等级。贝叶斯算法是事件A在事件
B(发生)的条件下的概率，与事件B在事件A的条件下的概率是不一样的。

[0074] 贝叶斯算法是事件A在事件B(发生)的条件下的概率，与事件B在事件A的条件下的概率是不一样的；然而，这两者是有确定的关系，贝叶斯算法就是这种关系的陈述，贝叶斯
算法是关于随机事件A和B的条件概率和边缘概率的：

[0075]

[0076] 其中P(A|B)是在B发生的情况下A发生的可能性。在贝叶斯算法中，每个名词都有约定俗成的名称：

[0077] Pr(A)是A的先验概率或边缘概率。之所以称为"先验"是因为它不考虑任何B方面的因素。

[0078] Pr(A|B)是已知B发生后A的条件概率，也由于得自B的取值而被称作A的后验概率。

[0079] Pr(B|A)是已知A发生后B的条件概率，也由于得自A的取值而被称作B的后验概率。

[0080] Pr(B)是B的先验概率或边缘概率，也作标准化常量(normalized constant)。

[0081] 按这些术语，贝叶斯算法也可表述为：

[0082] 后验概率＝(似然度*先验概率)/标准化常量，也就是说，后验概率与先验概率和似然度的乘积成正比。

[0083] 另外，比例Pr(B|A)/Pr(B)也有时被称作标准似然度(standardised likelihood)，贝叶斯算法可表述为：

[0084] 后验概率＝标准似然度*先验概率。

[0085] 对于变量有二个以上的情况，贝叶斯定理亦成立。例如：

[0086] P(A|B，C)＝P(B|A)*P(A)*P(C|A，B)/(P(B)*P(C|B))。

[0087] 这个式子可以由套用多次二个变量的贝叶斯算法及条件机率的定义导出。

[0088] S300根据关联概率值调整更新管控环节等级，以使调整后再次测试获得的血糖测试值接近对应的正常血糖范围值。

[0089] 具体的，如果糖尿病患者的糖尿病患者的空腹血糖值U和餐后血糖值V与饮食管控环节的关联性比较大，即通过贝叶斯算法可计算出糖尿病患者的空腹血糖值U和餐后血糖
值V与饮食管控环节的概率值比较大，就可以通过调整饮食管控环节的等级来实现降低糖
尿病患者的空腹血糖值U和餐后血糖值V，从而实现对糖尿病患者的慢病管理。例如，比如将
药物管控环节调为第二等级，将饮食管控环节调为第二等级，将运动管控环节调为第二等
级，也可以至于调节为怎样的等级，是医疗上的方案，可在系统中预先设定。

[0090] 本实施例中，将贝叶斯算法应用在糖尿病患者的慢病管理，其实是对糖尿病患者血糖管控方案中的医疗数据进行挖掘分析，以寻求更合适的血糖管控方案，让糖尿病患者
对上述管控环节更具有依从性，才能达到更好的防控效果。

[0091] 本发明的一个实施例，如图2所示，一种血糖管控方法，包括：

[0092] S110获取正常血糖范围值；

[0093] 具体的，正常血糖范围值包括空腹情况下的正常血糖范围值，以及餐后情况下的正常血糖范围值。其中，不论是空腹情况下的正常血糖范围值，以及餐后情况下的正常血糖
范围值在血糖管控初始时刻为一个常规的正常血糖范围值，即在医疗领域中正常群众的血
糖范围值，而后续经过一段时间血糖管控后，这个正常血糖范围值会发生更新，即根据糖尿
病患者自身的身体条件和外界环境，设置更新糖尿病患者自身的正常血糖范围值，后续血
糖监测和管理阶段，实时更新获取正常血糖范围值，并以更新后的正常血糖范围值为依据
进行血糖管控。

[0094] S120获取当前时刻糖尿病患者的基本参数；基本参数包括姓名、年龄、性别、身高、体重、用药信息、血糖测试值和生理参数；血糖测试值包括空腹血糖值和餐后血糖值；

[0095] 具体的，生理参数包括但是不限于心跳、血压、血氧饱和度。

[0096] S130根据预设规则和基本参数，对糖尿病患者进行管控环节的等级划分；

[0097] 具体的，预设规则就是预先设置好的登记表。可按照血糖测试值(包括空腹血糖测试值和餐后血糖测试值)来划分糖尿病的轻重程度。比如，同性别某一年龄段(例如老年、中
年等)，体重和生理参数相近，且用药信息相同的多个糖尿病患者中，设定空腹血糖测试值
为3.9‑8mmol/l为轻度等级；空腹血糖测试值在9‑14mmol/l为中度等级；空腹血糖测试值在
15mmol/l以上为重度等级，可能出现糖尿病酮症酸中毒。

[0098] 还比如，同性别某一年龄段(例如老年、中年等)，体重和生理参数相近，且用药信息相同的多个糖尿病患者中，设定餐后两小时的血糖测试值为6‑12mmol/l为轻度等级；餐
后两小时的血糖测试值在13‑18mmol/l为中度等级；餐后两小时的血糖测试值在18mmol/l
以上为重度等级，可能出现糖尿病酮症酸中毒。

[0099] 这样就可以将糖尿病患者的病情程度划分为三个等级：轻度、中度、重度。而对应的药物环节、饮食环节、运动环节，也可以根据具体实际情况进行划分，比如将饮食管控环
节划分为三个等级，将药物管控环节划分为四个等级，将运动管控环节划分为五个等级。每
个等级可对应具体的血糖管控方案，具体可在医生的指导下进行设置。

[0100] S200通过贝叶斯算法计算管控环节等级和血糖测试值的关联概率值；

[0101] S300根据关联概率值调整更新管控环节等级，以使调整后再次测试获得的血糖测试值接近对应的正常血糖范围值；

[0102] 其中，管控环节包括药物管控环节、饮食管控环节和运动管控环节，每一管控环节均包括至少两个等级。

[0103] 具体的，测试糖尿病患者的血糖测试值E，血糖测试值E包括空腹血糖值U和餐后血糖值V，血糖测试值E为连续监控的测量值。正常血糖范围值F包括空腹血糖正常范围值S和
餐后血糖正常范围值T。

[0104] 本实施例可根据每次测试的血糖测试值对药物管控环节、饮食管控环节、运动管控环节进行调整，比如测试糖尿病患者的空腹血糖值U、餐后血糖值V升高了，那么，依据上
述示例，进行调整药物管控环节、饮食管控环节、运动管控环节的等级。

[0105] 本发明的一个实施例，如图3所示，一种血糖管控方法，包括：

[0106] S110获取正常血糖范围值；

[0107] S120获取当前时刻糖尿病患者的基本参数；基本参数包括姓名、年龄、性别、身高、体重、用药信息、血糖测试值和生理参数；血糖测试值包括空腹血糖值和餐后血糖值；

[0108] S130根据预设规则和基本参数，对糖尿病患者进行管控环节的等级划分；

[0109] S210根据糖尿病患者当前时刻的血糖测试值和当前管理环节等级，通过下列贝叶斯算法公式中进行计算得到第一概率值；

[0110]

[0111] S220根据糖尿病患者当前时刻的正常血糖范围值和当前管理环节等级，通过下列贝叶斯算法公式中进行计算得到第二概率值；

[0112]

[0113] S230对第一概率值和第二概率值进行差值计算得到对应的关联概率值；

[0114] 其中，P(Gi|E)是第一概率值，P(Gi|F)是第二概率值，P(E|Gi)是当前管控环节等级已确定条件下血糖测试值为E的发生概率，P(F|Gi)是当前管控环节等级已确定条件下正
常血糖范围值为F的发生概率，P(Gi)是当前管控环节等级的发生概率，E为血糖测试值，F为
正常血糖范围值，P(Gj)是其他管控环节等级的发生概率，且j＞i，i和j均为正整数；

[0115] 具体的，糖尿病患者饮食管控环节的核心概念是血糖生成指数，血糖生成指数是一个易于理解和把控的指标，这个概念是将葡萄糖的血糖生成指数定为100，那么小于55的
就为低血糖生成指数食物，而常见食物的血糖生成指数是可以通过网络快速检索到的，在
日常的饮食管控环节中，通过对饮食管控环节进行分级管理，就可以达到控制血糖的目的。

[0116] 示例性的，将食物按照血糖生成指数来进行分类，比如第一等级食物(例如土豆等淀粉含量高的食物，以及蔗糖等糖分含量高的食物)；第二等级食物(例如大米等淀粉含量
中等的高纤维食物)；第三等级食物(例如牛肉、鱼类等高蛋白食物，以及蔬菜等高纤维食
物)。

[0117] 示例性的，将运动按照血糖降低指数来进行分类，比如第三等级运动(例如躺卧、静坐等低运动量的运动)；第二等级运动(例如步行等中等运动量的运动)；第一等级运动
(例如慢跑、骑车、打羽毛球等高运动量的运动)。

[0118] 示例性的，将药物按照血糖降低指数来进行分类，比如第三等级药物(例如速效胰岛素、短效胰岛素)；第二等级药物(例如中效胰岛素)；第一等级药物(例如长效胰岛素)。

[0119] S310若当前管控环节下的关联概率值低于第一预设阈值，或者高于第二预设阈值时，调整更新管控环节等级；第一预设阈值小于第二预设阈值；

[0120] S320通知糖尿病患者根据更新后管控环节等级执行血糖管控；血糖管控包括药物管控、饮食管控和运动管控；

[0121] 其中，管控环节包括药物管控环节、饮食管控环节和运动管控环节，每一管控环节均包括至少两个等级。

[0122] 具体的，若糖尿病患者在空腹状态下检测的血糖，假设当前时刻的血糖测试值为空腹血糖值U，当前时刻的正常血糖范围值为空腹血糖正常范围值S。那么，根据当前管控环
节等级和空腹血糖值U，通过下列贝叶斯算法公式计算得到第一概率值：

[0123]

[0124] 根据当前管控环节等级和空腹血糖正常范围值S，通过下列贝叶斯算法公式计算得到第二概率值：

[0125]

[0126] 其中，P(Gi|U)是空腹情况下的第一概率值，P(Gi|S)是空腹情况下的第二概率值，P(U|Gi)是当前管控环节等级已确定条件下血糖测试值为空腹血糖值U的发生概率，P(S|
Gi)是当前管控环节等级已确定条件下正常血糖范围值为空腹血糖正常范围值S的发生概
率，P(Gi)是当前管控环节等级的发生概率，U为空腹血糖值，S为空腹正常血糖范围值，P
(Gj)是其他管控环节等级的发生概率，且j＞i，i和j均为正整数。

[0127] 当然，若糖尿病患者在餐后状态下检测的血糖，假设当前时刻的血糖测试值为餐后血糖值V，当前时刻的正常血糖范围值为餐后血糖正常范围值T。那么，根据当前管控环节
等级和餐后血糖值V，通过下列贝叶斯算法公式计算得到第一概率值：

[0128]

[0129] 根据当前管控环节等级和餐后血糖正常范围值T，通过下列贝叶斯算法公式计算得到第二概率值：

[0130]

[0131] 其中，P(Gi|V)是餐后情况下的第一概率值，P(Gi|T)是餐后情况下的第二概率值，P(V|Gi)是当前管控环节等级已确定条件下血糖测试值为餐后血糖值V的发生概率，P(T|
Gi)是当前管控环节等级已确定条件下正常血糖范围值为餐后血糖正常范围值T的发生概
率，P(Gi)是当前管控环节等级的发生概率，V为餐后血糖值，T为餐后正常血糖范围值，P
(Gj)是其他管控环节等级的发生概率，且j＞i，i和j均为正整数。

[0132] 不论当前时刻的血糖测量值是空腹血糖值U还是餐后血糖值V，均可对应计算糖尿病患者处于对应情景下的第一概率值和第二概率值，然后，将空腹情景下的第一概率值和
空腹情景下的第二概率值进行差值计算得到空腹情景下的关联概率值。同理，将餐后情景
下的第一概率值和餐后情景下的第二概率值进行差值计算得到餐后情景下的关联概率值。

[0133] 如果计算出当前管控环节下的关联概率值高于预设阈值时，调整更新管控环节等级。

[0134] 延续上述等级划分内容，示例性的，如果当前药物管控环节对应的等级与血糖测试值的关联概率值低于第一预设阈值，说明当前药物管控环节对降低血糖值效果不大，则
将药物管控环节的等级进行升等级调整。比如，药物管控环节为第二等级，若此时计算的关
联概率值低于第一预设阈值，那么将药物管理的环节从第二等级调整升高为第三等级，这
样可更有效低地将血糖测试值降低至血糖正常范围值。当然，如果当前药物管控环节对应
的等级与血糖测试值的关联概率值高于第二预设阈值，说明当前药物管控环节对降低血糖
值有明显效果，则将药物管控环节的等级进行降等级调整。比如，药物管控环节为第二等
级，若此时计算的关联概率值高于第二设阈值，那么将药物管理的环节从第二等级调整降
低至第一等级，这样可更有效低地将血糖测试值降低至血糖正常范围值的同时，保证药物
剂量适当，适合糖尿病患者的身体。

[0135] 如果当前饮食管控环节对应的等级与血糖测试值的关联概率值低于第一预设阈值，说明当前饮食管控环节对降低血糖值效果不大，则将饮食管控环节的等级进行升等级
调整。比如，饮食管控环节为第二等级，若此时计算的关联概率值低于第一预设阈值，那么
将饮食管理的环节从第二等级调整升高为第三等级，这样可更有效低地将血糖测试值降低
至血糖正常范围值。当然，如果当前饮食管控环节对应的等级与血糖测试值的关联概率值
高于第二预设阈值，说明当前饮食管控环节对降低血糖值有明显效果，则将饮食管控环节
的等级进行降等级调整。比如，饮食管控环节为第三等级，若此时计算的关联概率值高于第
二设阈值，那么将饮食管理的环节从第三等级调整降低至第二等级，这样可更有效低地将
血糖测试值降低至血糖正常范围值。

[0136] 如果当前运动管控环节对应的等级与血糖测试值的关联概率值低于第一预设阈值，说明当前运动管控环节对降低血糖值效果不大，则将运动管控环节的等级进行降等级
调整。比如，运动管控环节为第二等级，若此时计算的关联概率值低于第一预设阈值，那么
将运动管理的环节从第二等级调整降低为第一等级，这样可更有效低地将血糖测试值降低
至血糖正常范围值。当然，如果当前运动管控环节对应的等级与血糖测试值的关联概率值
高于第二预设阈值，说明当前运动管控环节对降低血糖值有明显效果，则将运动管控环节
的等级进行升等级调整。比如，运动管控环节为第一等级，若此时计算的关联概率值高于第
二设阈值，那么将运动管理的环节从第一等级调整升级至第二等级，这样可更有效低地将
血糖测试值降低至血糖正常范围值的同时，保证运动量适当，适合糖尿病患者的身体。

[0137] 当然，上述只是本申请的一个实施例而已，本申请还可以将药物管控环节、饮食管控环节和运动管控环节同时调整，也可以其中一个或两个调整，具体由贝叶斯算法计算出
关联性的概率值以及系统指定的预先规则进行等级划分结果有关，故本申请实施例不限于
此。

[0138] 优选的，需为糖尿病患者建立饮食日志，要求糖尿病患者每日详细填写每餐进食的名称、进餐量，并于自行测量全天血糖值，膳食纤维是不能被人体消化酶分解的植物类细
胞的壁层，可结合肠道内水分形成胶团，使摄食者有较强的饱腹感，从而减少食物的摄取达
到控制血糖的目的。膳食纤维可与人体肠道内的糖类物质结合，降低淀粉酶解速度，同时可
减少胰高血糖素的分泌，因此可通过先食富含膳食纤维蔬菜的顺序降低餐后血糖。蛋白质
类食物能被人体所消化和吸收，蛋白质的物理特性同膳食纤维，能吸附水分形成胶团，从而
增加饱腹感；蛋白质亦可减缓糖类释放糖分的速度以及刺激胰腺分泌蛋白质的消化酶，从
而促进人体分泌胰岛素达到降低血糖。食用膳食纤维类食物或者含蛋白质类食物，可降低
糖尿病患者的空腹血糖、餐后血糖，对于改善糖尿病有积极作用。当然，也可为糖尿病患者
建立运动日志和用药日志，通过建立的日志进行血糖影响因子(饮食、运动和用药)监测，以
便对糖尿病患者的血糖管控起到实时监控的作用。

[0139] 优选的，若根据更新后管控环节等级执行血糖管控后，血糖测试值持续超过正常血糖范围值，则发出警告信息并向预设紧急联系人发出求救信息。

[0140] 具体的，由于影响血糖发生变化的事件包括但是不限于进餐、用药、运动，类似活动事件可以包括的还很多，比如看一部刺激的电影、唱一首歌、深度睡眠等等。如果当前管
控环节下的关联概率值高于第二预设阈值，且根据更新后管控环节等级执行血糖管控后，
血糖测试值仍然超过正常血糖范围值，则发出警告信息以便提醒糖尿病患者，此外，还向预
设紧急联系人(医生、家属、病友)发出求救信息。当然，上述情况也有可能是硬件设备出现
故障或者软件宕机故障时发生。不论是什么原因出现当前管控环节下的关联概率值超过对
应的预设阈值(例如高于第二预设阈值、或者低于第一预设阈值)，且根据更新后管控环节
等级执行血糖管控后，血糖测试值超过正常血糖范围值，会分别向糖尿病患者和预设紧急
联系人发出对应信息进行告知提醒，起到以防万一、全程实时监控糖尿病患者的突发性血
糖测试值超过正常血糖范围值的场景。

[0141] 当然，可以在预设时长内，判断当前管控环节下的关联概率值关联概率值超过对应的预设阈值(例如高于第二预设阈值、或者低于第一预设阈值)，且根据更新后管控环节
等级执行血糖管控后，预设时长内的每一时刻血糖测试值均超过正常血糖范围值时，再发
出警告信息并向预设紧急联系人发出求救信息，这样，可以避免因为看刺激的电影、唱一首
歌的情况进行警报，减少或者避免错报、误报情况，减少功耗，降低预设紧急联系人的工作
量。

[0142] 本发明的一个实施例，如图4所示，一种血糖管控系统包括：

[0143] 处理模块10，用于根据糖尿病患者当前时刻的基本参数，确定当前时刻糖尿病患者的当前管控环节等级；

[0144] 计算模块20，用于通过贝叶斯算法计算管控环节等级和血糖测试值的关联概率值；

[0145] 控制模块30，用于根据关联概率值调整更新管控环节等级，以使调整后再次测试获得的血糖测试值接近对应的正常血糖范围值。

[0146] 具体的，本实施例是上述方法实施例对应的装置实施例，具体效果参见上述方法实施例，在此不再一一赘述。

[0147] 基于前述实施例，处理模块10包括：

[0148] 第一获取单元，用于获取正常血糖范围值；

[0149] 第二获取单元，用于获取当前时刻糖尿病患者的基本参数；基本参数包括姓名、年龄、性别、身高、体重、用药信息、血糖测试值和生理参数；血糖测试值包括空腹血糖值和餐
后血糖值；

[0150] 处理单元，用于根据预设规则和基本参数，对糖尿病患者进行管控环节的等级划分；

[0151] 其中，管控环节包括药物管控环节、饮食管控环节和运动管控环节，每一管控环节均包括至少两个等级。

[0152] 具体的，本实施例是上述方法实施例对应的装置实施例，具体效果参见上述方法实施例，在此不再一一赘述。

[0153] 基于前述实施例，计算模块20包括：

[0154] 第一计算单元，用于根据获取的第一样本数据建立第一特征全集，并根据贝叶斯算法对第一特征全集进行计算得到对应的关联概率值；第一样本数据包括糖尿病患者当前
时刻的血糖测试值与正常血糖范围值，以及当前管理环节等级；

[0155]

[0156] 第二计算单元，用于根据糖尿病患者当前所测的餐后血糖值与餐后正常血糖范围值，以及当前管理环节等级，分别通过贝叶斯算法进行计算得到第三概率值和第四概率值，
对第三概率值和第四概率值进行差值计算得到对应的关联概率值；

[0157]

[0158] 其中，P(Gi|E)是对应的关联概率值，P(Gi|F)是对应的关联概率值，P(E|Gi)是当前管控环节等级已确定条件下事件E的概率，P(F|Gi)是当前管控环节等级已确定条件下事
件F的概率，Gi是同一管控类型下的当前管控环节等级，E为空腹血糖值，F为餐后血糖值，Gj
是同一管控类型下的其他管控环节等级，且j＞i，i和j均为正整数。

[0159] 具体的，本实施例是上述方法实施例对应的装置实施例，具体效果参见上述方法实施例，在此不再一一赘述。

[0160] 基于前述实施例，控制模块30包括：

[0161] 调整单元，用于若当前管控环节下的关联概率值低于第一预设阈值，或者高于第二预设阈值时，调整更新管控环节等级；第一预设阈值小于第二预设阈值；

[0162] 通知单元，用于通知糖尿病患者根据更新后管控环节等级执行血糖管控；血糖管控包括药物管控、饮食管控和运动管控。

[0163] 具体的，本实施例是上述方法实施例对应的装置实施例，具体效果参见上述方法实施例，在此不再一一赘述。

[0164] 基于前述实施例，所述控制模块30包括：

[0165] 警告单元，用于若根据更新后管控环节等级执行血糖管控后，血糖测试值持续超过正常血糖范围值，则发出警告信息并向预设紧急联系人发出求救信息。

[0166] 具体的，本实施例是上述方法实施例对应的装置实施例，具体效果参见上述方法实施例，在此不再一一赘述。

[0167] 所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各程序模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的程序
模块完成，即将装置的内部结构划分成不同的程序单元或模块，以完成以上描述的全部或
者部分功能。实施例中的各程序模块可以集成在一个处理单元中，也可是各个单元单独物
理存在，也可以两个或两个以上单元集成在一个处理单元中，上述集成的单元既可以采用
硬件的形式实现，也可以采用软件程序单元的形式实现。另外，各程序模块的具体名称也只
是为了便于相互区分，并不用于限制本申请的保护范围。

[0168] 本发明的一个实施例，如图5所示，一种可穿戴设备100，包括处理器110、存储器120，其中，存储器120，用于存放计算机程序121；处理器110，用于执行存储器120上所存放
的计算机程序121，实现上述所对应方法实施例中的血糖管控方法。

[0169] 所述可穿戴设备100可以为桌上型计算机、笔记本、掌上电脑、平板型计算机、手机、人机交互屏等设备。所述可穿戴设备100可包括，但不仅限于处理器110、存储器120。本
领域技术人员可以理解，图5仅仅是可穿戴设备100的示例，并不构成对可穿戴设备100的限
定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如：可穿戴
设备100还可以包括输入/输出接口、显示设备、网络接入设备、通信总线、通信接口等。通信
接口和通信总线，还可以包括输入/输出接口，其中，处理器110、存储器120、输入/输出接口
和通信接口通过通信总线完成相互间的通信。该存储器120存储有计算机程序121，该处理
器110用于执行存储器120上所存放的计算机程序121，实现上述所对应方法实施例中的血
糖管控方法。

[0170] 所述处理器110可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路
(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field‑
Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、
分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器
等。

[0171] 所述存储器120可以是所述可穿戴设备100的内部存储单元，例如：可穿戴设备的硬盘或内存。所述存储器也可以是所述可穿戴设备的外部存储设备，例如：所述可穿戴设备
上配备的插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，
SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器120还可以既包括所述可穿戴设备
100的内部存储单元也包括外部存储设备。所述存储器120用于存储所述计算机程序121以
及所述可穿戴设备100所需要的其他程序和数据。所述存储器还可以用于暂时地存储已经
输出或者将要输出的数据。

[0172] 通信总线是连接所描述的元素的电路并且在这些元素之间实现传输。例如，处理器110通过通信总线从其它元素接收到命令，解密接收到的命令，根据解密的命令执行计算
或数据处理。存储器120可以包括程序模块，例如内核(kernel)，中间件(middleware)，应用
程序编程接口(Application Programming Interface，API)和应用。该程序模块可以是有
软件、固件或硬件、或其中的至少两种组成。输入/输出接口转发用户通过输入/输出接口
(例如感应器、键盘、触摸屏)输入的命令或数据。通信接口将该可穿戴设备100与其它网络
设备、用户设备、网络进行连接。例如，通信接口可以通过有线或无线连接到网络以连接到
外部其它的网络设备或用户设备。无线通信可以包括以下至少一种：无线保真(WiFi)，蓝牙
(BT)，近距离无线通信技术(NFC)，全球卫星定位系统(GPS)和蜂窝通信等等。有线通信可以
包括以下至少一种：通用串行总线(USB)，高清晰度多媒体接口(HDMI)，异步传输标准接口
(RS‑232)等等。网络可以是电信网络和通信网络。通信网络可以为计算机网络、因特网、物
联网、电话网络。可穿戴设备100可以通过通信接口连接网络，可穿戴设备100和其它网络设
备通信所用的协议可以被应用、应用程序编程接口(API)、中间件、内核和通信接口至少一
个支持。

[0173] 本发明的一个实施例，一种存储介质，存储介质中存储有至少一条指令，指令由处理器加载并执行以实现上述血糖管控方法对应实施例所执行的操作。例如，存储介质可以
是只读内存(ROM)、随机存取存储器(RAM)、只读光盘(CD‑ROM)、磁带、软盘和光数据存储设
备等。

[0174] 它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个
模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软
件结合。

[0175] 在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详细描述或记载的部分，可以参见其他实施例的相关描述。

[0176] 本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟
以硬件还是软件来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以
对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申
请的范围。

[0177] 在本申请所提供的实施例中，应该理解到，所揭露的装置/可穿戴设备和方法，可以通过其他的方式实现。例如，以上所描述的装置/可穿戴设备实施例仅仅是示意性的，例
如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方
式，例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或
不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些
接口，装置或单元的间接耦合或通讯连接，可以是电性、机械或其他的形式。

[0178] 所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个
网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目
的。

[0179] 另外，在本申请各个实施例中的各功能单元可能集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单
元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

[0180] 所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个存储介质中。基于这样的理解，本发明实现上述实施例方法中的全
部或部分流程，也可以通过计算机程序121发送指令给相关的硬件完成，所述的计算机程序
121可存储于一存储介质中，该计算机程序121在被处理器执行时，可实现上述各个方法实
施例的步骤。其中，所述计算机程序121可以为源代码形式、对象代码形式、可执行文件或某
些中间形式等。所述存储介质可以包括：能够携带所述计算机程序121的任何实体或装置、
记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read‑Only 
Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件
分发介质等。需要说明的是，所述存储介质包含的内容可以根据司法管辖区内立法和专利
实践的要求进行适当的增减，例如：在某些司法管辖区，根据立法和专利实践，计算机可读
的存储介质不包括电载波信号和电信信号。

[0181] 应当说明的是，上述实施例均可根据需要自由组合。以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提
下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。