以肥胖为目标的健康生活方式管理:从理论到实现:基于本体的支持可观察和可测量数据逻辑表示的自动方法
摘要
背景:
生活方式疾病,由于不良的健康行为,是世界范围内死亡的首要原因。eCoach系统可以通过健康风险预测、个性化建议生成和目标评估来鼓励个人过健康的生活方式。这样的eCoach系统需要收集分布式异构健康数据并将其转换为有意义的信息,以训练人工智能健康风险预测模型。但它可能会产生数据兼容性难题。我们提出的eHealth本体可以提高不同异构网络之间的互操作性,提供态势感知,帮助数据集成,并发现推断知识。这项“概念验证(POC)”研究将帮助传感器、问卷调查和访谈数据更有组织地进行健康风险预测和个性化推荐生成,以肥胖为研究案例。
摘要目的:
本研究的目的是建立一个基于owl的本体(称为“UiA电子健康本体/UiAeHo”),对来自异质来源(传感器、问卷和访谈)的个人、生理、行为和上下文数据进行注释,然后对各种描述进行结构化和标准化,以根据定义的规则生成有意义、实用、个性化和上下文相关的生活方式建议。
方法:
我们开发了一个基于java的模拟器,用于收集与参与健康监测的人工参与者相关的虚拟个人、生理、行为和上下文数据。我们整合了“SSN本体”和“SNOMED-CT”的概念来开发我们提出的电子健康本体。该本体是使用prot
结果:
提出的本体以“肥胖”为研究案例进行了实现。然而,对于其他生活方式疾病,它可以进一步延长。“UiA eHealth本体”使用623个逻辑公理、363个声明公理、162个类、83个对象属性和101个数据属性构建。本体可以用“Owl Viz”可视化,并使用“HermiT”推理器使用形式化表示来推断参与者的健康状态。此外,我们还开发了一个用于本体验证的基于java的模块,它的行为类似于基于规则的决策支持系统(DSS),可以根据对SPARQL查询获得的结果的评估来预测健康风险的概率。此外,我们还讨论了针对不良行为风险的潜在生活方式建议生成计划。
结论:
该研究创建了一个有意义的、特定于上下文的本体,用于对健康和保健数据(例如,传感器、访谈、问卷)的大量、非直观的原始、非结构化观察进行建模,并用语义元数据对它们进行注释,从而为个性化推荐生成的健康风险预测创建一个紧凑、可理解的抽象。
引用
请求排队。正在生成文件,请稍候。这可能需要一些时间。
版权
©作者。版权所有。这是一份特权文件,目前正在接受同行评审/社区评审(或被接受/拒绝的手稿)。作者已向JMIR Publications提卡塔尔世界杯8强波胆分析供独家许可,在其网站上发布此预印本,仅供审查和印前引用之用。虽然最终的同行评议论文在发表时可能会根据cc-by许可进行许可,但在此阶段,作者和出版商明确禁止将该论文草稿重新分发,除非用于评审目的。