一种基于云计算的慢性病筛查服务系统

摘要

本发明公开了一种基于云计算的慢性病筛查服务系统，涉及慢性病筛查服务技术领域，解决了现有技术无法对对应区域的患病人员影响因子进行采集，导致患病人员的身体调整方向不明确的技术问题，合理推送医院，通过分析推送完成医疗资源共享，提高患者的治疗效率；采集慢性病的影响因子，对影响因子进行准确判定并采集，使患病人员调整方向更加明确，同时使未患病人员预防精准；对患病人员进行预警提示，增强患病人员的保养意识，以预警对象周边区域为采集区域，能够提高坐标系的准确性，并以两种患病人员的不同信息让预警对象更加清楚保养的重要性，从而有效提高预警对象的慢性病保养意识，有利于降低慢性病患者的死亡率。

权利要求

1.一种基于云计算的慢性病筛查服务系统，其特征在于，包括筛选平台和服务平台；筛选平台包括数据采集终端、处理器以及数据发送终端；服务平台包括服务器、预警管理单元、预测单元以及推送单元；

筛选平台用于对筛选区域内慢性病患者进行采集，通过数据采集终端接收管理员发送的筛选区域和筛选信号，并将对应筛选区域和筛选信号发送至处理器；区域划分单元对服务器内的筛选区域进行划分，将划分后的子筛选区域和对应筛选人员发送至人群分析单元；通过人群分析单元对各个子筛选区域内对应筛选人员进行分析，判定筛选人员是否存在慢性病；通过因子采集单元对患病人员进行分析，采集慢性病的影响因子；通过数据发送终端将患病人员、未患病人员、选中影响因子以及间接影响因子发送至服务平台；

服务平台接收患病人员、未患病人员、选中影响因子以及间接影响因子，预警管理单元对患病人员进行预警提示，通过预测单元对筛选区域内未患病人员进行预测；

区域划分单元具体划分过程如下：

将筛选区域划分为若干个子筛选区域，将子筛选区域内的筛选人员标记为i，i为大于1的正整数；划分后的各个子筛选区域对应筛选人员的年龄段相同，且筛选年龄段分为20‑

35、36‑45以及45岁以上，各个子筛选区域对应筛选年龄段人数与对应子筛选区域总人数的占比须相同，反之则判定筛选区域划分不合格，将划分后的子筛选区域和对应筛选人员发送至人群分析单元；

人群分析单元具体分析过程如下：

设置血糖值测量时间阈值t，将筛选人员进行空腹和饱腹的血糖值测量，空腹测量时间为早餐前二十分钟，饱腹测量时间为晚餐后二十分钟；设置空腹血糖正常范围和饱腹血糖正常范围，若空腹血糖测量值或者饱腹血糖测量值任一数值不位于对应血糖正常范围内，则判定对应筛选人员血糖不合格；

采集到筛选人员在血糖值测量时间阈值内血糖值监测不合格的次数与频率，并将血糖值监测不合格的次数与频率分别标记为CSi和PLi；通过公式Xi=CSi×a1+PLi×a2获取到筛选人员的慢性病判定系数Xi；将筛选人员的慢性病判定系数Xi与慢性病判定系数阈值进行比较：若筛选人员的慢性病判定系数Xi≥慢性病判定系数阈值，则判定对应筛选人员患慢性病，将对应筛选人员标记为患病人员并将患病人员发送至数据发送终端和因子采集单元；若筛选人员的慢性病判定系数Xi＜慢性病判定系数阈值，则判定对应筛选人员未患慢性病，将对应筛选人员标记为未患病人员并将未患病人员发送至数据发送终端；

因子采集单元具体分析过程如下：

从筛选区域内存在患病人员的子筛选区域选取三个患病人员，且三个患病人员分别对应三个年龄段；对各个子筛选区域选取的患病人员进行生活信息采集，若生活信息内任一数据的选取患病人员数量占比大于等于选取患病人员总数量的80%，则将对应数据标记为预选影响因子；若生活信息内任一数据的选取患病人员数量占比小于选取患病人员总数量的80%，则将对应数据标记为无关影响因子；将筛选区域内各个子筛选区域选取三个未患病人员，且三个未患病人员分别对应三个年龄段，对选取未患病人员的生活信息进行采集，若选取的未患病人员对应生活信息内不存在预选影响因子的人数大于等于选取的未患病人员总数量的90%，则将对应预选影响因子标记为选中影响因子；若选取的未患病人员对应生活信息内不存在预选影响因子的人数小于选取的未患病人员总数量的90%，则将对应预选影响因子标记为间接影响因子；将选中影响因子和间接影响因子发送至数据发送终端；

预警管理单元具体预警提示过程如下：

采集患病人员的所属地理位置，并将患病人员的所属地理位置为中心，以两公里为半径设置为对应患病人员的采集区域；将对应患病人员标记为预警对象；获取到预警对象对应的采集区域内未保养患病人员和保养患病人员；保养患病人员表示为准时吃药和定期运动的患病人员；未保养患病人员表示为未准时吃药和未定期运动的患病人员；采集未保养患病人员和保养患病人员对应的住院频率与平均全天运动时间，并以时间为X轴，以未保养患病人员为左Y轴，以保养患病人员为右Y轴建立坐标系，在坐标系内构建住院频率曲线和运动时间曲线，根据时间对曲线进行实时更新，并将实时更新的坐标系以图片的形式发送至预警对象的手机终端；

预测单元具体预测过程如下：

对筛选区域内的未患病人员进行生活信息采集，采集未患病人员生活信息内存在的选中影响因子和间接影响因子，并将其标记为风险因子；采集未患病人员对应风险因子的存在时间，同时获取到风险因子存在时间内未患病人员对应慢性病判定系数波动趋势，波动趋势分为增长趋势和降低趋势；若风险因子的数量增多或者慢性病判定系数波动趋势为增长趋势，则生成预测危险信号并将对应未患病人员标记为危险未患病人员，将危险未患病人员和预测危险信号发送至服务器和对应未患病人员的手机终端；

推送单元具体推送过程如下：

采集到筛选区域内的医院并将其标记为o，o为大于1的正整数，采集到各个医院的患病人员血糖值恢复稳定的平均住院时长、患病人员血糖值最大修整差值以及患病人员在住院时长内花费的平均金额，通过分析获取到筛选区域内医院的推送系数Po，将筛选区域内医院按照对应推送系数数值从大到小的顺序进行排序，并将排序第一的医院标记为优先推送医院。

说明书

一种基于云计算的慢性病筛查服务系统

技术领域

[0001] 本发明涉及慢性病筛查服务技术领域，具体为一种基于云计算的慢性病筛查服务系统。

背景技术

[0002] 慢性病全称是慢性非传染性疾病，专指不构成传染、具有长期积累形成疾病形态损害的疾病，它不是特指某种疾病，而是对一类起病隐匿、病程长且病情迁延不愈，缺乏确
切的传染性生物病因证据、病因复杂且有些尚未完全被确认的疾病的概括性总称；慢性病
主要指以心脑血管疾病（高血压、冠心病、脑卒中等）、糖尿病、恶性肿瘤、慢性阻塞性肺部疾
病（慢性气管炎、肺气肿等）、精神异常和精神病等为代表的一组疾病；

[0003] 申请号为CN2019114120092的专利公开了基于信息化一体化慢性病管理系统及方法，慢性病患者通过若干医疗机构与慢性病管理平台签约，管理平台提供与患者病情相匹
配的服务包，通过服务总线平台实现慢性病患者信息共享，慢性病患者遵循管理平台设定
的慢性病管理路径进行一体化管理，实现了即使在家或社区医院也可以得到专业的诊疗，
实现信息化一体化的医疗资源共享。

[0004] 在该专利中，虽然能够进行医疗资源共享提高患者的治疗效率，但是无法对各区域的患者做出筛选，不能够根据各区域的筛选患者进行后续的影响因子分析，导致患病人
员的调整方向不明确；此外，还不能够对患者进行实时预警提示，导致患者的保养意识降低
而造成该区域慢性病的患病率提高。

发明内容

[0005] 本发明的目的就在于提出一种基于云计算的慢性病筛查服务系统，合理推送医院，通过分析推送完成医疗资源共享，提高了患者的治疗效率；采集慢性病的影响因子，对
影响因子进行准确判定并采集，使患病人员调整方向更加明确，同时使未患病人员预防精
准；对患病人员进行预警提示，增强患病人员的保养意识，加速患病人员恢复正常的速度，
减少对应筛选区域的慢性病患病率；以预警对象周边区域为采集区域，能够提高坐标系的
准确性，并以两种患病人员的不同信息让预警对象更加清楚保养的重要性，从而有效提高
预警对象的慢性病保养意识，有利于降低慢性病患者的死亡率。

[0006] 本发明的目的可以通过以下技术方案实现：

[0007] 一种基于云计算的慢性病筛查服务系统，包括筛选平台和服务平台；筛选平台包括数据采集终端、处理器以及数据发送终端；服务平台包括服务器、预警管理单元、预测单
元以及推送单元；

[0008] 筛选平台用于对筛选区域内慢性病患者进行采集，通过数据采集终端接收管理员发送的筛选区域和筛选信号，并将对应筛选区域和筛选信号发送至处理器；区域划分单元
对服务器内的筛选区域进行划分，将划分后的子筛选区域和对应筛选人员发送至人群分析
单元；通过人群分析单元对各个子筛选区域内对应筛选人员进行分析，判定筛选人员是否
存在慢性病；通过因子采集单元对患病人员进行分析，采集慢性病的影响因子；通过数据发
送终端将患病人员、未患病人员、选中影响因子以及间接影响因子发送至服务平台，服务平
台接收后将其存入服务器内；

[0009] 服务平台接收患病人员、未患病人员、选中影响因子以及间接影响因子，预警管理单元对患病人员进行预警提示，通过预测单元对筛选区域内未患病人员进行预测。

[0010] 作为本发明的进一步解决方案，区域划分单元具体划分过程如下：

[0011] 将筛选区域划分为若干个子筛选区域，将子筛选区域内的筛选人员标记为i，i为大于1的正整数；划分后的各个子筛选区域对应筛选人员的年龄段相同，且筛选年龄段分为
20‑35、36‑45以及45岁以上，各个子筛选区域对应筛选年龄段人数与对应子筛选区域总人
数的占比须相同，反之则判定筛选区域划分不合格，将划分后的子筛选区域和对应筛选人
员发送至人群分析单元。

[0012] 作为本发明的进一步解决方案，人群分析单元具体分析过程如下：

[0013] 设置血糖值测量时间阈值t，将筛选人员进行空腹和饱腹的血糖值测量，空腹测量时间为早餐前二十分钟，饱腹测量时间为晚餐后二十分钟；设置空腹血糖正常范围和饱腹
血糖正常范围，若空腹血糖测量或者饱腹血糖测量值任一数值不位于对应血糖正常范围
内，则判定对应筛选人员血糖不合格；

[0014] 采集到筛选人员在血糖值测量时间阈值内血糖值监测不合格的次数与频率，并将血糖值监测不合格的次数与频率分别标记为CSi和PLi；通过公式Xi=CSi×a1+PLi×a2获取
到筛选人员的慢性病判定系数Xi；将筛选人员的慢性病判定系数Xi与慢性病判定系数阈值
进行比较：若筛选人员的慢性病判定系数Xi≥慢性病判定系数阈值，则判定对应筛选人员
患慢性病，将对应筛选人员标记为患病人员并将患病人员发送至数据发送终端和因子采集
单元；若筛选人员的慢性病判定系数Xi＜慢性病判定系数阈值，则判定对应筛选人员未患
慢性病，将对应筛选人员标记为未患病人员并将未患病人员发送至数据发送终端。

[0015] 作为本发明的进一步解决方案，因子采集单元具体分析过程如下：

[0016] 从筛选区域内存在患病人员的子筛选区域选取三个患病人员，且三个患病人员分别对应三个年龄段；对各个子筛选区域选取的患病人员进行生活信息采集，若生活信息内
任一数据的选取患病人员数量占比大于等于选取患病人员总数量的80%，则将对应数据标
记为预选影响因子；若生活信息内任一数据的选取患病人员数量占比小于选取患病人员总
数量的80%，则将对应数据标记为无关影响因子；将筛选区域内各个在筛选区域选取三个未
患病人员，且三个未患病人员分别对应三个年龄段，对选取未患病人员的生活信息进行采
集，若选取的未患病人员对应生活信息内不存在预选影响因子的人数大于等于选取的未患
病人员总数量的90%，则将对应预选影响因子标记为选中影响因子；若选取的未患病人员对
应生活信息内不存在预选影响因子的人数小于选取的未患病人员总数量的90%，则将对应
预选影响因子标记为间接影响因子；将选中影响因子和间接影响因子发送至数据发送终
端。

[0017] 作为本发明的进一步解决方案，预警管理单元具体预警提示过程如下：

[0018] 采集患病人员的所属地理位置，并将患病人员的所属地理位置为中心，以两公里为半径设置为对应患病人员的采集区域；将对应患病人员标记为预警对象；获取到预警对
象对应的采集区域内未保养患病人员和保养患病人员；保养患病人员表示为准时吃药和定
期运动的患病人员；未保养患病人员表示为未准时吃药和未定期运动的患病人员；采集未
保养患病人员和保养患病人员对应的住院频率与平均全天运动时间，并以时间为X轴，以未
保养患病人员为左Y轴，以保养患病人员为右Y轴建立坐标系，在坐标系内构建住院频率曲
线和运动时间曲线，根据时间对曲线进行实时更新，并将实时更新的坐标系以图片的形式
发送至预警对象的手机终端。

[0019] 作为本发明的进一步解决方案，预测单元具体预测过程如下：

[0020] 对筛选区域内的未患病人员进行生活信息采集，采集未患病人员生活信息内存在的选中影响因子和间接影响因子，并将其标记为风险因子；采集未患病人员对应风险因子
的存在时间，同时获取到风险因子存在时间内未患病人员对应慢性病判定系数波动趋势，
波动趋势分为增长趋势和降低趋势；若风险因子的数量增多或者慢性病判定系数波动趋势
为增长趋势，则生成预测危险信号并将对应未患病人员标记为危险未患病人员，将危险未
患病人员和预测危险信号发送至服务器和对应未患病人员的手机终端。

[0021] 作为本发明的进一步解决方案，推送单元具体推送过程如下：

[0022] 采集到筛选区域内的医院并将其标记为o，o为大于1的正整数，采集到各个医院的患病人员血糖值恢复稳定的平均住院时长、患病人员血糖值最大修整差值以及患病人员在
住院时长内花费的平均金额，通过分析获取到筛选区域内医院的推送系数Po，将筛选区域
内医院根据对应推送系数数值从大到小的顺序进行排序，并将排序第一的医院标记为优先
推送医院。

[0023] 与现有技术相比，本发明的有益效果是：

[0024] 1、本发明中，通过区域划分单元对服务器内的筛选区域进行划分，提高了筛选的准确性能，同时能够根据区域差异能够清晰反应出慢性病的影响条件；将各个子筛选区域
进行调整，保证各个子筛选区域的对应占比相同，防止因人数过多降低筛选数据的准确性；

[0025] 2、本发明中，因子采集单元对患病人员进行分析，采集慢性病的影响因子，对影响因子进行准确判定并采集，使患病人员调整方向更加明确，同时使未患病人员预防精准，降
低慢性病患病概率；

[0026] 3、本发明中，预警管理单元对患病人员进行预警提示，增强患病人员的保养意识，加速患病人员恢复正常的速度，减少对应筛选区域的慢性病患病率；以预警对象周边区域
为采集区域，能够提高坐标系的准确性，并以两种患病人员的不同信息让预警对象更加清
楚保养的重要性，从而有效提高预警对象的慢性病保养意识，有利于降低慢性病患者的死
亡率。

附图说明

[0027] 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，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，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。

[0028] 图1为本发明的整体原理框图。

具体实施方式

[0029] 下面将结合实施例对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普
通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的
范围。

[0030] 如图1所示，一种基于云计算的慢性病筛查服务系统，包括筛选平台和服务平台；筛选平台包括数据采集终端、处理器以及数据发送终端，其中处理器与数据采集终端和数
据发送终端均为双向通讯连接；服务平台包括服务器、预警管理单元、预测单元以及推送单
元；其中，服务器与预警管理单元、预测单元以及推送单元均为双向通讯连接；

[0031] 数据采集终端用于接收管理员发送的筛选区域和筛选信号，并将对应筛选区域和筛选信号发送至处理器；

[0032] 区域划分单元用于对服务器内的筛选区域进行划分，将筛选区域进行划分筛选，提高了筛选的准确性能，同时能够根据区域差异能够清晰反应出慢性病的影响条件；

[0033] 将筛选区域划分为若干个子筛选区域，将子筛选区域内的筛选人员标记为i，i为大于1的正整数；划分后的各个子筛选区域对应筛选人员的年龄段相同，且筛选年龄段分为
20‑35、36‑45以及45岁以上，各个子筛选区域对应筛选年龄段人数与对应子筛选区域总人
数的占比须相同，若人数数值大于数值阈值则个位数人数差距忽略不计，即若A子筛选区域
内20‑35的人数为50人，A子筛选区域内总人数为500；B子筛选区域内20‑35的人数为20人，B
子筛选区域内总人数为200；则判定A子筛选区域和B子筛选区域划分合格；反之则判定筛选
区域划分不合格，将各个子筛选区域进行调整，保证各个子筛选区域的对应占比相同，防止
因人数过多降低筛选数据的准确性；将划分后的子筛选区域和对应筛选人员发送至人群分
析单元；

[0034] 人群分析单元用于对各个子筛选区域内对应筛选人员进行分析，判定筛选人员是否存在慢性病，本申请中慢性病筛选以糖尿病为筛选标准，若以其他类型慢性病为筛选标
准均可；具体分析过程如下：

[0035] 步骤S1：设置血糖值测量时间阈值t，将筛选人员进行空腹和饱腹的血糖值测量，空腹测量时间为早餐前二十分钟，饱腹测量时间为晚餐后二十分钟；

[0036] 步骤S2：设置空腹血糖正常范围和饱腹血糖正常范围，若空腹血糖测量或者饱腹血糖测量值任一数值不位于对应血糖正常范围内，则判定对应筛选人员血糖不合格；

[0037] 采集到筛选人员在血糖值测量时间阈值内血糖值监测不合格的次数与频率，并将血糖值监测不合格的次数与频率分别标记为CSi和PLi；通过公式Xi=CSi×a1+PLi×a2获取
到筛选人员的慢性病判定系数Xi，其中，a1和a2均为预设权重系数，取值分别为1.1和0.8；
慢性病判定系数是将筛选人员的测量参数进行归一化处理得到一个用于评定筛选人员患
慢性病的几率的数值；通过公式可得血糖值监测不合格的次数和血糖值监测不合格频率越
大，慢性病判定系数越大，表示筛选人员患慢性病的几率越大；

[0038] 步骤S3：将筛选人员的慢性病判定系数Xi与慢性病判定系数阈值进行比较：若筛选人员的慢性病判定系数Xi≥慢性病判定系数阈值，则判定对应筛选人员患慢性病，将对
应筛选人员标记为患病人员并将患病人员发送至数据发送终端和因子采集单元；若筛选人
员的慢性病判定系数Xi＜慢性病判定系数阈值，则判定对应筛选人员未患慢性病，将对应
筛选人员标记为未患病人员并将未患病人员发送至数据发送终端；

[0039] 因子采集单元用于对患病人员进行分析，采集慢性病的影响因子，对影响因子进行准确判定并采集，使患病人员调整方向更加明确，同时使未患病人员预防精准，降低慢性
病患病概率，具体分析过程如下：

[0040] 步骤SS1：从筛选区域内存在患病人员的子筛选区域选取三个患病人员，且三个患病人员分别对应三个年龄段；对各个子筛选区域选取的患病人员进行生活信息采集，患病
人员的生活信息包括四个数据，分别未患病人员的烟龄、饮酒频率、平均每天运动时长以及
身体质量指数；

[0041] 步骤SS2：若生活信息内任一数据的选取患病人员数量占比大于等于选取患病人员总数量的80%，则将对应数据标记为预选影响因子；若生活信息内任一数据的选取患病人
员数量占比小于选取患病人员总数量的80%，则将对应数据标记为无关影响因子；

[0042] 步骤SS3：将筛选区域内各个在筛选区域选取三个未患病人员，且三个未患病人员分别对应三个年龄段，对选取未患病人员的生活信息进行采集，若选取的未患病人员对应
生活信息内不存在预选影响因子的人数大于等于选取的未患病人员总数量的90%，则将对
应预选影响因子标记为选中影响因子；若选取的未患病人员对应生活信息内不存在预选影
响因子的人数小于选取的未患病人员总数量的90%，则将对应预选影响因子标记为间接影
响因子；

[0043] 步骤SS4：将选中影响因子和间接影响因子发送至数据发送终端；

[0044] 数据发送终端将患病人员、未患病人员、选中影响因子以及间接影响因子发送至服务平台，服务平台接收后将其存入服务器内；

[0045] 预警管理单元用于对患病人员进行预警提示，增强患病人员的保养意识，加速患病人员恢复正常的速度，减少对应筛选区域的慢性病患病率，具体预警提示过程如下：

[0046] 采集患病人员的所属地理位置，并将患病人员的所属地理位置为中心，以两公里为半径设置为对应患病人员的采集区域；将对应患病人员标记为预警对象；获取到预警对
象对应的采集区域内未保养患病人员和保养患病人员；保养患病人员表示为准时吃药和定
期运动的患病人员；未保养患病人员表示为未准时吃药和未定期运动的患病人员；

[0047] 采集未保养患病人员和保养患病人员对应的住院频率与平均全天运动时间，并以时间为X轴，以未保养患病人员为左Y轴，以保养患病人员为右Y轴建立坐标系，在坐标系内
构建住院频率曲线和运动时间曲线，根据时间对曲线进行实时更新，并将实时更新的坐标
系以图片的形式发送至预警对象的手机终端；以预警对象周边区域为采集区域，能够提高
坐标系的准确性，并以两种患病人员的不同信息让预警对象更加清楚保养的重要性，从而
有效提高预警对象的慢性病保养意识，有利于降低慢性病患者的死亡率；

[0048] 预测单元用于对筛选区域内未患病人员进行预测，对未患病人员进行分析预测，防止未患病人员换慢性病导致对应区域的慢性病的患病率升高，具体预测过程如下：

[0049] 对筛选区域内的未患病人员进行生活信息采集，采集未患病人员生活信息内存在的选中影响因子和间接影响因子，并将其标记为风险因子；采集未患病人员对应风险因子
的存在时间，同时获取到风险因子存在时间内未患病人员对应慢性病判定系数波动趋势，
波动趋势分为增长趋势和降低趋势；

[0050] 若风险因子的数量增多或者慢性病判定系数波动趋势为增长趋势，则生成预测危险信号并将对应未患病人员标记为危险未患病人员，将危险未患病人员和预测危险信号发
送至服务器和对应未患病人员的手机终端；

[0051] 推送单元用于为服务器内储存的患病人员合理推送医院，根据医院对其他患病人员的治疗信息合理推送医院，提高患病人员的治疗效率，防止出现患病人员花费时间治疗
但是治疗效率低，导致患病人员的病情无法及时得到稳定，从而造成患病人员的死亡率，治
疗信息包括时长数据、量值数据以及费用数据，时长数据表示为患病人员血糖值恢复稳定
的平均住院时长，量值数据表示为患病人员血糖值最大修整差值，费用数据表示为患病人
员在住院时长内花费的平均金额，具体推送过程如下：

[0052] 采集到筛选区域内的医院并将其标记为o，o为大于1的正整数，采集到各个医院的患病人员血糖值恢复稳定的平均住院时长、患病人员血糖值最大修整差值以及患病人员在
住院时长内花费的平均金额，并将其分别标记为SCo、CZo以及JEo；

[0053] 通过公式 获取到筛选区域内医院的推送系数Po，其中，v1、v2以及v3均为预设权重系数，β为误差修正因子，取值为1.5；推送系数是将筛选区域
内医院的参数进行归一化处理得到一个用于评定医院推送几率的数值；通过公式可得平均
住院时长和平均金额越大，推送系数越小，表示筛选区域内医院推送的几率越小；

[0054] 将筛选区域内医院根据对应推送系数数值从大到小的顺序进行排序，并将排序第一的医院标记为优先推送医院。

[0055] 一种基于云计算的慢性病筛查服务系统，在工作时，通过筛选平台对筛选区域内慢性病患者进行采集，通过数据采集终端接收管理员发送的筛选区域和筛选信号，并将对
应筛选区域和筛选信号发送至处理器；区域划分单元对服务器内的筛选区域进行划分，将
划分后的子筛选区域和对应筛选人员发送至人群分析单元；通过人群分析单元对各个子筛
选区域内对应筛选人员进行分析，判定筛选人员是否存在慢性病；通过因子采集单元对患
病人员进行分析，采集慢性病的影响因子；通过数据发送终端将患病人员、未患病人员、选
中影响因子以及间接影响因子发送至服务平台，服务平台接收后将其存入服务器内；服务
平台接收患病人员、未患病人员、选中影响因子以及间接影响因子，预警管理单元对患病人
员进行预警提示，通过预测单元对筛选区域内未患病人员进行预测。

[0056] 上述公式均是去量纲取其数值计算，公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式，公式中的预设参数由本领域的技术人员根据实际情况进行设置。

[0057] 以上内容仅仅是对本发明结构所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的
结构或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。