心脏年龄评估专利检索-条形码阅读器后勤专利检索查询-专利查询网

心脏年龄评估

阅读：549发布：2021-01-03

专利汇可以提供心脏年龄评估专利检索，专利查询，专利分析的服务。并且确定对象心脏年龄测量的自动化方法，包括以下步骤：提示用户多个输入，每一输入与对象属性有关，每一属性定义对象的人口状态、对象的生活方式状态、对象的身体状况以及对象的病史的一个或多个；从用户接收多个所述的输入；从所述接收的输入确定参数组，输入数据已经被接收作为用于所述参数组的来自用户的输入；根据所述的参数组，从预定的心脏年龄计算算法组中选择心脏年龄计算算法；根据所选择的算法，为对象计算心脏年龄；以及提供所述计算出的心脏年龄作为输出。，下面是心脏年龄评估专利的具体信息内容。

权利要求

1.确定对象的心脏年龄测量的自动化方法，所述方法由计算机系统执行并且包括以下步骤：
接收多个输入，每一输入与该对象属性有关，每一属性定义对象的人口状态、对象的生活方式状态、对象的身体状况以及对象的病史中的一个或多个，所述输入由用户通过所述计算机系统的用户输入装置提供或者从另一装置被电子地传送；
从所述接收的输入中确定参数组，输入数据已经被接收作为用于所述参数组的输入；
根据所述参数组，从被存储在所述计算机系统上的数据库中的预定的心脏年龄计算算法组中选择心脏年龄计算算法，其中所述选择由所述计算机系统的处理器实施，其中所述预定的心脏年龄计算组包括：
（i）至少一个基于胆固醇的算法，其包含胆固醇水平作为参数，如果针对其输入数据已经被接收的参数组包括胆固醇水平，则所述至少一个基于胆固醇的算法被选择；以及（ii）至少一个非基于胆固醇的算法，其不包含胆固醇水平作为参数，如果针对其输入数据已经被接收的参数组不包括胆固醇水平，则所述至少一个非基于胆固醇的算法被选择，并且其中所述至少一个非胆固醇算法是下列算法中的至少一个：
（1）算法3，其根据下面的参数组确定对象的心脏年龄：年龄、性别、糖尿病发生率、吸烟发生率、高血压疾病发生率、收缩压以及身体质量；
（2）算法6，其根据下面的参数组确定对象的心脏年龄：年龄、性别、糖尿病发生率、吸烟发生率、高血压疾病发生率以及身体质量；
根据所选择的算法，为对象计算心脏年龄；以及
在所述计算机系统的可视显示器上提供所述计算出的心脏年龄作为输出。
2.根据权利要求1所述的方法，进一步包括步骤：基于计算出的心脏年龄从一组可能的消息中，选择一个或多个消息用于输出用户。
3.根据权利要求2所述的方法，其中选择一个或多个消息的步骤进一步是基于所选择的心脏年龄计算算法。
4.根据权利要求1所述的方法，其中所述至少一个非基于胆固醇的算法使用参数：年龄、性别、糖尿病发生率、吸烟发生率、高血压疾病发生率以及身体质量作为输入。
5.根据权利要求4所述的方法，其中所述至少一个非基于胆固醇的算法进一步使用参数心脏收缩血压作为输入。
6.根据权利要求4所述的方法，其中所述至少一个非基于胆固醇的算法进一步使用参数身高和体重作为输入。
7.根据权利要求4所述的方法，其中所述至少一个非基于胆固醇的算法进一步使用参数腰围尺寸作为输入。
8.根据权利要求1所述的方法，进一步包括将一个或多个有助于高的心脏年龄的因素通知用户的步骤。
9.根据权利要求1所述的方法，进一步包括将用于减少心脏年龄的若干选项呈现给用户的步骤。
10.根据权利要求1所述的方法，进一步包括记录对象在一段时间上的多个所述计算出的心脏年龄的方式。
11.根据权利要求1所述的方法，进一步包括步骤：
储存多个对象的计算出的心脏年龄；及
计算平均心脏年龄作为多个对象的所述属性中的一个或多个的函数。
12.根据权利要求12所述的方法，其中所述属性中的所述一个或多个包括人口属性。
13.根据权利要求12所述的方法，其中所述属性中的所述一个或多个包括生活方式属性。
14.根据权利要求1所述的方法，其中与该对象属性有关的多个输入是选自：身高、体重、性别、血压、年龄、吸烟行为发生率、糖尿病疾病发生率、高血压疾病或抗高血压治疗发生率、腰围尺寸、CVD发生率、总胆固醇水平、HDL胆固醇水平、血压疾病或治疗发生率、卡路里摄入量、饱和脂肪摄入量、盐摄入量、身体活动水平。
15.根据权利要求14所述的方法，包括从预定的心脏年龄计算算法组中选择的步骤，包括从以下项中的任何两个或多个中选择算法：
当参数年龄、总胆固醇、HDL胆固醇、糖尿病发生率、吸烟发生率及心脏收缩血压已知时，选择第一算法来确定对象的心脏年龄；
当参数年龄、总胆固醇、体质指数、糖尿病发生率、吸烟发生率及心脏收缩血压已知时，选择第二算法来确定对象的心脏年龄；
当参数年龄、体质指数、糖尿病发生率、吸烟发生率、及心脏收缩血压已知时，选择第三算法来确定对象的心脏年龄；
当参数年龄、总胆固醇、HDL胆固醇、高血压疾病发生率、糖尿病发生率及吸烟发生率已知时，选择第四算法来确定对象的心脏年龄；
当参数年龄、总胆固醇、体质指数、高血压疾病发生率、糖尿病发生率及吸烟发生率已知时，选择第五算法来确定对象的心脏年龄；以及
当参数年龄、体质指数、高血压疾病发生率、糖尿病发生率及吸烟发生率已知时，选择第六算法来确定对象的心脏年龄。
16.根据权利要求15所述的方法，进一步包括基于对象的性别确定多个不同常数组中的一个以在选择的算法里使用步骤。
17.根据权利要求15或16所述的方法，进一步包括基于对象的抗高血压治疗发生率确定多个不同常数组中的一个以在第一、第二或第三算法里使用步骤。
18.根据权利要求1所述的方法，其中每一心脏年龄计算算法包括计算冠心病概率值的第一阶段以及根据其计算心脏年龄的第二阶段，其中所述第二阶段跟随所述第一阶段。
19.用于确定对象的心脏年龄测量的设备，该设备包括：
用于接收多个输入的装置，每一输入与该对象的属性有关，每一属性定义对象的人口状态、对象的生活方式状态、对象的身体状况以及对象的病史的一个或多个，所述输入中的至少一个定义对象的身体状况；
用于从所述接收的输入确定参数组的装置，其中输入数据已经被接收用于该参数组；
用于根据所述的参数组从预定的心脏年龄计算算法组中选择心脏年龄计算算法的装置，其中所述预定的心脏年龄计算算法组包括：
（i）至少一个基于胆固醇的算法，其包含胆固醇水平作为参数，如果针对其输入数据已经被接收的参数组包括胆固醇水平，则所述至少一个基于胆固醇的算法被选择；以及（ii）至少一个非基于胆固醇的算法，其不包含胆固醇水平作为参数，如果针对其输入数据已经被接收的参数组不包括胆固醇水平，则所述至少一个非基于胆固醇的算法被选择，并且其中所述至少一个非胆固醇算法是下列算法中的至少一个：
（1）算法3，其根据下面的参数组确定对象的心脏年龄：年龄、性别、糖尿病发生率、吸烟发生率、高血压疾病发生率、收缩压以及身体质量；
（2）算法6，其根据下面的参数组确定对象的心脏年龄：年龄、性别、糖尿病发生率、吸烟发生率、高血压疾病发生率以及身体质量；
用于根据所选择的算法计算对象的心脏年龄的装置；以及
用于提供所述计算出的心脏年龄作为输出的装置。
20.根据权利要求19的设备，进一步包括：
基于用户的心脏年龄确定在所述用户的饮食中的推荐的饱和脂肪的最大比例的装置；
输出装置，用于提供推荐的食物产品的指示作为输出，该推荐的食物产品落入针对用户的心脏年龄在用户的饮食中推荐的饱和脂肪最大比例，以便协助用户在购物时做出有益的食物选择。
21.根据权利要求20所述的设备，其中该输出装置包括用于产生推荐的食物项目清单的装置。
22.根据权利要求21所述的设备，其中该推荐的食物项目清单包括购买食物项目的优惠购物券。
23.根据权利要求20所述的设备，其中关于推荐食物产品的指示包括用户以前选择的食物产品的替代物，该用户以前选择的食物产品不作为为所述用户心脏年龄的推荐。
24.根据权利要求23所述的设备，进一步包括在所述用户选择以前用于扫描食物产品的装置，来识别所述的食物产品。
25.根据权利要求20所述的设备，其中用于接收用户心脏年龄的装置包括读卡器或条形码阅读器。
26.根据权利要求20所述的设备，进一步包括用于接收与该用户的生活方式有关的输入的装置。

说明书全文

心脏年龄评估

技术领域

[0001] 本发明关于心脏年龄的评估及系统、装置和过程，用于通过使用这样的心脏年龄评估来促进群体的行为。

背景技术

[0002] 本说明书中明显在先公开的文件的列表或讨论必然不应该被认为是承认该文件是目前工艺水平的一部分或是公知常识。

[0003] 预测CVD(心血管疾病)发生的统计模型，覆盖了包括致命的和非致命的心肌梗塞，心绞痛，短暂局部缺血，间歇性跛行和中风一系列情况，已经存在了超过三十年，这些统
计模型最为突出的是由来自弗雷明汉心脏研究(安德森等人，1991，威尔逊等人，1998)的
研究者所发表。为了计算个体病人的CVD的风险以及为降低风险因素分层病人，这些被临
床医生广泛的使用，比如开处方药或推荐饮食的改变和运动养生。通过他们实际的以及感
知的有效性促进了如此统计模型的广泛使用，由模型导出的风险分数的能力进行评估，在
许多群体中预测CVD，超出了最初的研究。这导致了在一些国际指导方针，特别是用于胆固
醇治疗中风险分数得以被推荐。他们的简单性也促进了这些模型的使用，通常要求临床医
生输入血压，胆固醇，糖尿病状态和吸烟行为的自身报告的简单测试结果，连同旨在简化计
算过程的简单“工具”的开发(使用图表，部署在CD-ROM上的软件，因特网或手持数字装
置)。特别是，美国专利2005/106449揭示了一种逻辑应用在计算装置上，例如PDA(个人数
字助理)上的工具，允许用户输入与评估病人CVD风险和计算等价年龄有关的病人特有的
数据，基于弗雷明汉数据集和该输入数据评估病人CVD风险和计算等价年龄。

[0004] 这样的发展对于医生和他们的病人一直是有价值的。对临床医生交流风险方法的进一步评估已导致了不同风险结构方法的开发。例如，与年龄相配的CVD风险已经被证明
可增加个体察觉高的风险分数(如由弗雷明汉风险分数计算的)为高(Fair等人，2008)的
可能性。关于这个概念的进一步阐述创作的“年龄调整后的心血管疾病风险”(戈尔曼等
人，2006)，“年龄指示器”(美国专利2005/106449)或“心脏年龄(戈尔曼等人，2006)”，也
已表明让病人群体可很好的理解。这具有决定性的重要性，因为健康行为模型强调了这个
重要性，即个体需要具有较高的在疾病发生前感知疾病的敏感性的感觉。

[0005] 当临床医生已成为疾病治疗和高风险个体预防的步兵时，心血管疾病的全球负担由于不健康在整个群体中持续，需要一种在临床设定之外用于提高CVD风险意识的方法，
例如，在较广的群体中。为了将降低在群体水平的风险的潜能最大化，渗透入绝大部分群体
中去尝试及降低CVD风险因素是很重要的。当临床医生被建议对那些有20％CHD风险或较
大风险(成年人治疗面板III，2001)的人开具降低胆固醇的处方药时，阿贾尼等人(2006)
使用NHANES(国民健康和营养调查)数据，已估计出仅仅13.7％的美国群体落入该大于
20％风险类别。而且，那些被临床标准认为是“低风险”的具有小于10％风险的人，由大于
75％的群体组成。如果美国群体目前达到超过3亿，随之而来的是大约4千万人具有被他
们的临床医生降低CVD风险的可能。假定使用降低血压和胆固醇的药物，病人达到了CVD
风险5％的下降，那么，在这一组中估计的主要CVD事件的数量在随后的十年里将从8百万
落至6百万。

[0006] 另一方面，同样随之而来的是在美国群体中大约2.25亿人小于10％风险，还远不可能成为临床医生风险降低目的的目标。然而，据估计，来自这一组中多达2250万的人在
随后的十年里发生主要CVD事件，远超过那些在高危群体中被估计可能发生事件的人。而
且，为在群体中实现相同数量的风险降低(例如200万事件)，只需将该风险降低小于1％。
该方法的较大潜能由事实得到了充分证明，即2％的风险降低可能导致超过450万的CVD事
件被预防。

[0007] 个体用户的心脏年龄可以被定义作为群体的实足年龄，该群体具有适合他们年龄的一低的或正常的心血管疾病风险，且他们的CVD风险最接近于或等于该个体用户的CVD
风险。因此，该心脏年龄是个体测量的心血管风险根据国际指导方针将被定义为“正常”的
年龄。

[0008] 考虑到通常需要测量值来计算有效的估计，在临床设定之外，估计心脏年龄中存在着重要挑战。例如，血清总胆固醇和HDL(高密度脂蛋白)胆固醇需要采用一血液样本，这
降低了用户的便利性且增加了费用。因此，需要可供使用的新的方法，用以根据测量值优化
估计心脏年龄的步骤。然而，这些估计不应该以其他更精确的CVD风险估计为代价而产生，
也不应该未能识别那些可能需要进一步血液检测以确定可能的高风险状态(如，糖尿病或
高胆固醇血症)的人。这样的确定通常是费用的问题，所以为这些发现改变临界值的能力，
这样的“案例”基于特定国家的资源需求应该是可以适应的。

[0009] 阿贾尼等人根据NHANES调查估计具有10％风险的60.8％的群体，和具有10-20％风险的74.1％的群体就在美国群体中超重了。严重的是，超重的状态与以下几点有关：1)
包括在弗雷明汉风险分数里的，CVD风险因素的增强的普遍性(血压，糖尿病，高的总胆固
醇，低的HDL胆固醇)，及2)包括在弗雷明汉风险分数里，偶然的CVD风险因素增强的风险，
或CVD风险因素随着时间的改变。因此，给风险小于20％的群体目标在于“心脏健康”的消
息，导致健康行为的改变与风险因素的降低是一致的，这对公众健康将会有实质上的好处。

[0010] 最后，当对于大规模的关于胆固醇降低的消息上不便于测量胆固醇时，更应该在群体之中被提升至个体进行。因此，任何方法都应该具有估计胆固醇值范围的能力是重要
的，如果个体选择不进行血液检测或不能接受血液检测，该个体能够被分配至该范围。

[0011] 本发明的一个目的就是处理一个或多个上述问题。

发明内容

[0012] 根据本发明的一个方面，在此提供一种确定对象心脏年龄测量的自动化方法，包括以下步骤：

[0013] 接收多个输入，每一输入与该对象属性有关，每一属性定义对象的人口状态、对象的生活方式状态、对象的身体状况以及对象的病史的一个或多个；

[0014] 从所述接收的输入中确定参数组，输入数据已经被接收作为用于所述参数组的输入；

[0015] 根据所述参数组，从预定的心脏年龄计算算法组中选择心脏年龄计算算法；

[0016] 根据所选择的算法，为对象计算心脏年龄；以及

[0017] 提供所述计算出的心脏年龄作为输出。

[0018] 根据本发明的另一方面，在此提供一种用于确定对象的心脏年龄测量的设备，该设备包括：

[0019] 用于接收多个输入的装置，每一输入与该对象的属性有关，每一属性定义对象的人口状态、对象的生活方式状态、对象的身体状况以及对象的病史的一个或多个；

[0020] 用于从所述接收的输入确定参数组的装置，其中输入数据已经被接收用于该参数组；

[0021] 根据所述的参数组从预定的心脏年龄计算算法组中选择心脏年龄计算算法的装置；

[0022] 根据所选择的算法计算对象的心脏年龄的装置；以及

[0023] 提供所述计算出的心脏年龄作为输出的装置。

[0024] 根据本发明的另一方面，在此提供一种估计对象的血脂水平的自动化方法，包括以下步骤：

[0025] a)接收多个数值，每一数值与该对象的属性有关，每一属性定义该对象的人口状态、对象的生活方式状态、对象的身体状况以及对象的病史的一个或多个，该数值不包括该
对象的胆固醇水平的任何定量测量；

[0026] b)基于所述的数值使用第一算法为对象计算第一CVD风险；

[0027] c)通过比较第一CVD风险与统计的平均CVD风险，确定对象的与计算出的第一CVD风险一致的、一个可能的总胆固醇水平和HDL胆固醇水平或者可能的总胆固醇水平和
HDL胆固醇水平的范围作为群体中测量出的总的和HDL胆固醇水平的函数；

[0028] d)确定对象的年龄和/或性别的群体中的统计的平均总胆固醇水平；

[0029] e)为对象计算估计的HDL胆固醇水平作为第一CVD风险和该群体中确定的统计平均总胆固醇水平的函数。

[0030] 根据本发明的另一方面，在此提供一种用于估计对象的血脂水平的设备，该设备包括：

[0031] a)用于接收多个数值的装置，每一数值与该对象的属性有关，每一属性定义该对象的人口状态、对象的生活方式状态、对象的身体状况和对象的病史的一个或多个，该数值
不包括该对象的胆固醇水平的任何定量测量；

[0032] b)用于基于所述的数值使用第一算法为对象计算第一CVD风险的装置；

[0033] c)通过比较第一CVD风险与统计的平均CVD风险，确定对象的与计算出的第一CVD风险一致的、一个可能的总胆固醇水平和HDL胆固醇水平或者可能的总胆固醇水平和
HDL胆固醇水平的范围作为群体中测量出的总的和HDL胆固醇水平的函数的装置；

[0034] d)确定对象的年龄和/或性别的群体中的统计的平均总胆固醇水平的装置；

[0035] e)为对象计算估计的HDL胆固醇水平作为第一CVD风险和该群体中确定的统计平均总胆固醇水平的函数的装置。

[0036] 根据本发明的另一方面，在此提供一种用于协助用户在购物时做出有益的食物选择的设备，包括：

[0037] 用于接收用户心脏年龄的装置；

[0038] 基于所述用户的心脏年龄确定在用户的饮食中的推荐的饱和脂肪的最大比例的装置；

[0039] 输出装置，用于提供推荐的食物产品的指示作为输出，该推荐的食物产品落入针对用户的心脏年龄在用户的饮食中推荐的饱和脂肪最大比例。

[0040] 现在将通过实施例并且参考附图描述本发明的实施方式：

附图说明

[0041] 图1及1b图解了用于确定用户心脏年龄的示范性过程的流程图；及

[0042] 图2示出了适用于确定用户心脏年龄的设备的示意图。

具体实施方式

[0043] 考虑到“心脏年龄”消息在那些面临着CVD的人中可增加感知CVD风险的能力，能够在给定时刻给该群体的许多人提供这种分数(score)具有重大的公众健康重要性。为
此，需要用于预测心脏年龄的有效的系统、流程和工具，能够在临床医生办公室的范围之外
在群体中使用。为了维持对已证明对CVD有预见性的风险因素的关注，促进的健康行为无
疑应该与那些风险因素的降低有关。示范性的行为包括特别的饮食变化，据预测该饮食变
化可降低血压或血清胆固醇(或二者都可降低)。

[0044] 为了优化群体之中个体的心脏年龄，特别行为变化的成功最终应该由CVD风险因素的降低来定义，其本身导致了心脏年龄的下降。然而，考虑到生活方式改变以降低CVD风
险因素所需要的时间(特别是在几周到几个月的范围内)，可以开发一些心脏年龄引导指
示器去评估朝着较低的心脏年龄的进步。这有助于解决确定心脏年龄对于行为改变的影
响，以及提供了强化机制以对作出如此改变的个体进行奖励。随着心脏年龄分数成为感兴
趣的主要结果，这些在一定程度上类似于临床试验的次要结果。

[0045] 这样的工具较佳的是遵从于下列条件：

[0046] 1)有效性：工具应该计算已证明在群体中预测CVD能力的心脏年龄分数，如同被同等的可复查的出版物所证明的。

[0047] 2)群体能力：工具应该具有这样的使用范围，即可以被群体中的大多数人以从费用及便利的角度(对于群体之中临床医生和用户两者)都是可接收的方式使用。

[0048] 3)“心脏年龄行为改变”：工具应该具有促进健康行为改变的能力，该行为改变将导致CVD风险因素的降低从而心脏年龄的减少。考虑到如此CVD风险因素的降低可能要花
费时间，应该计算出在给定的时间周期上预计的对心脏年龄的影响而没有对条件1或2的
影响。任何工具还应该具备在已经做出改变之后为给定的个体估计其心脏年龄的能力。

[0049] 在早前就已经提议了用于计算个体“真实年龄”的方法，该方法存在于如“RealAge.com”的消费者网站。这些是符合条件2的生活方式问卷表(因为它们可以被群
体中的个体使用而不必求助于临床测量)。它们符合条件3是有争议的(导致了降低心血
管风险因素的生活方式中一些改变形式)，因为还没有提出支持它的证据。这样的问卷表不
符合条件1的要求，因为没有用于计算“真实年龄”的工具已经在真实的数据集之内被制造
出来，而相反是来自混合的文字集(a mixed set of literature)。此外，对于给出有意义的
健康结果的预测的工具，该工具应该是在数据集中被验证过的，该数据集与依据其产生该
数据集的数据集独立。没有与CVD风险有效的关联，是不可能定义对群体的健康影响。

[0050] 可供选择的方法是使用临床CVD工具来创建风险及计算年龄适当的风险值。扩大使用该方法的主要障碍是对消费者而言存在不便和费用问题。举例而言，血清脂蛋白(总
的，HDL，LDL)的血液试验费用是大约每个病人50美元，同时通过口试葡萄糖耐量试验的糖
尿病诊断则可能花费明显地更多，如果认为要持续长期的试验。而且，关于接受试验的病人
的不便，可能降低个体自愿进行健康筛选的可能性，当然就限制了这个设定之外的风险分
数的有效性。这对于可用于健康筛选的资源水平较低的国家或地区是特别重要的。

[0051] 因此，本发明之方法为了以群体为基础的心脏年龄测量的发展打算要满足所有3个条件，通过包含经过验证过的风险函数作为心脏年龄计算的基础来解决与生活方式问卷
有关的问题，从而识别群体中的处于实在风险中的个体。该方法通过将非侵害性测量合并
入风险分数，及为可能需要不便的及昂贵的血液试验的风险因素输入估计值，也解决了基
于临床的心脏年龄分数问题。因此，该方法能够以最低可能花费将CVD风险计算的好处最
大化。

[0052] 本发明的好处包括提供有效测量的能力，该有效测量对与年龄匹配的心血管风险有预言性，促进了对CVD风险的认识与理解，以及因此导致了在健康行为结果的改变。这样
的健康行为结果可能包括：

[0053] a)与胆固醇降低指导方针一致的饮食的改变

[0054] b)与血压降低指导方针一致的饮食的改变

[0055] c)戒烟

[0056] d)身体活动的增加

[0057] e)较大的遵守风险因素降低制度(例如药物、饮食计划等)

[0058] f)体重减轻的努力

[0059] g)自愿接受健康筛选(血液试验、身体测量)

[0060] 每一个上述结果可能与CVD风险的下降及随之发生的心脏年龄的减少有关。

[0061] 心脏年龄的计算包含获得个体的风险因素，每一风险因素与该个体或对象的属性有关。被输入用于计算心脏年龄的系统而具有预期回答的最重要的风险因素如下：

[0062] 性别(男/女)

[0063] 年龄(岁)

[0064] 总胆固醇(例如以mg/dl或其他适当的单位)

[0065] HDL胆固醇(与总胆固醇同样的单位)

[0066] 心脏收缩血压(mmHg)

[0067] 流行的(prevalent)糖尿病(是/否)

[0068] 过去一年之内吸烟者(是/否)

[0069] 过去一年之内抗高血压治疗(是/否)

[0070] 该对象个体的这些风险因素或属性中的每一个实际上包括这样的参数：该参数定义了该对象人口状态(例如年龄和性别)，该对象的生活方式状态(例如吸烟)，该对象的
身体状况(例如胆固醇水平，血压水平，等)以及该对象的病史(例如糖尿病或高血压等的
发生率)中的一个或多个。也可能考虑其他的属性。

[0071] 以上的风险因素可以被用来获得在下一十年内CVD发生概率的估计，例如通过使用弗雷明汉数据集。这里CVD被定义为冠心病(包括心绞痛)、中风(包括短暂性脑缺血性
发作)、间歇性跛行、充血性心力衰竭或由任何这些原因引起的死亡的复合终点。

[0072] 取决于从个体可获得的上述的风险因素，下列算法1至5可以被用来确定发生CVD的概率和心脏年龄的估计。可以取决于从用户收到的答案自动进行算法的选择。对于每一
个算法，假定关于用户的基本非侵害性数据可以根据需要获得，比如年龄、体重、性别、身高
和腰围测量。每一算法是根据以上给定的剩余的风险因素存在或缺乏而被调整的。

[0073] 算法1

[0074] 当总胆固醇、HDL胆固醇和心脏收缩血压全部已知时，可以使用这个算法。CVD的十年概率按如下可以被计算出：

[0075] 对于正在进行抗高血压治疗的男人：

[0076] CVDRisk＝1-0.88936x

[0077] x＝e3.06117ln(Age)+1.12370ln(TOT)-0.93263ln(HDL)+0.57367(DIAB)+0.65451(SMK)+1.99881ln(SBP)-23.9802 公式1[0078] 对于不在进行抗高血压治疗的男人：

[0079] CVDRisk＝1-0.88936x

[0080] x＝e3.06117ln(Age)+1.12370ln(TOT)-0.93263ln(HDL)+0.57367(DIAB)+0.65451(SMK)+1.99303ln(SBP)-23.9802 公式2[0081] 对于正在进行抗高血压治疗的女人：

[0082] CVDRisk＝1-0.95012x

[0083] x＝e2.32888ln(Age)+1.20904ln(TOT)-0.70833ln(HDL)+0.69154(DIAB)+0.52873(SMK)+2.82263ln(SBP)-26.1931 公式3[0084] 对于不在进行抗高血压治疗的女人：

[0085] CVDRisk＝1-0.95012x

[0086] x＝e2.32888ln(Age)+1.20904ln(TOT)-0.70833ln(HDL)+0.69154(DIAB)+0.52873(SMK)+2.76157ln(SBP)-26.1931 公式4[0087] 此处TOT是总胆固醇，HDL是HDL胆固醇，如果是流行的糖尿病则DIAB是1，否则是0，如果在过去一年中指示出吸烟则SMK是1，否则是0，以及SBP是心脏收缩血压。

[0088] 一旦使用以上公式1-4中的任一个计算出个体的十年CVD概率，那么，该算法找出与相同性别的人对应的年龄，该相同性别的人具有同样的CVD概率但其具有低于正常的风
险因素资料。这样的资料例如可以包括下列因素：

[0089] 总胆固醇＝180mg/dl

[0090] HDL＝45mg/dl

[0091] SBP＝125mmHg(如果对象年龄是60岁或以上则为130mmHg)

[0092] 无糖尿病(DIAB＝0)

[0093] 去年无吸烟(SMK＝0)

[0094] 无高血压治疗

[0095] 从以下计算产生的年龄是个体的估计心脏年龄。分母项中的括号内的数字代表以上概述的风险因素的设定值。这些可以根据代表“低于正常”的风险因素资料的转换定义
(shifting deﬁnition)进行修改。这样的数字可以随时间改变，以及根据国民需求而变化
(通常作为可利用的资源的函数以处理“高的”风险因素资料)。

[0096] 对于男人：公式5

[0097] 对于女人：公式6

[0098] 算法2

[0099] 当总胆固醇、心脏收缩血压和体质指数(BMI)已知，但HDL胆固醇未知时，可以使用这个算法。CVD十年概率按以下可以计算出：

[0100] 对于正在进行抗高血压治疗的男人：

[0101] CVDRisk＝1-0.88675x

[0102] x＝e3.03720ln(Age)+1.01760ln(TOT)+0.74442ln(BMI)+0.57908(DIAB)+0.69055(SMK)+1.83625ln(SBP)-28.4748 公式7[0103] 对于不在进行抗高血压治疗的男人：

[0104] CVDRisk＝1-0.88675x

[0105] x＝e3.03720ln(Age)+1.01760ln(TOT)+0.74442ln(BMI)+0.57908(DIAB)+0.69055(SMK)+1.76320ln(SBP)-28.4748 公式8[0106] 对于正在进行抗高血压治疗的女人：

[0107] CVDRisk＝1-0.94995x

[0108] x＝e2.32017ln(Age)+1.18269ln(TOT)+0.53748ln(BMI)+0.75827(DIAB)+0.60285(SMK)+2.75689ln(SBP)-30.2760 公式9[0109] 对于不在进行抗高血压治疗的女人：

[0110] CVDRisk＝1-0.94995x

[0111] x＝e2.32017ln(Age)+1.18269ln(TOT)+0.53748ln(BMI)+0.75827(DIAB)+0.60285(SMK)+2.69017ln(SBP)-30.2760 公式10[0112] 一旦使用以上公式7-10中的任一个计算出个体的十年CVD概率，那么，该算法找出关于算法1的个体心脏年龄，但使用低-正常BMI值22，取代HDL值。如在算法1中的情
况，风险因素值的改变可以根据代表“低于正常”的风险因素资料的转换定义进行修改。这
样的数字可以随时间改变以及根据国民需求而变化

[0113] 从以下计算产生的年龄是个体的估计心脏年龄。

[0114] 对于男人：公式11

[0115] 对于女人：公式12

[0116] 算法3

[0117] 当总胆固醇和HDL胆固醇未知，但BMI和心脏收缩血压已知时，可以使用这个算法。CVD的十年概率按以下可以计算出：对于正在进行抗高血压治疗的男人：
x

[0118] CVDRisk＝1-0.884313.11296ln(Age)+0.79277ln(BMI)+0.53160(DIAB)+0.70953(SMK)+1.92672ln(SBP)-23.9388

[0119] x＝e 公式13

[0120] 对于不在进行抗高血压治疗的男人：x

[0121] CVDRisk＝1-0.884313.11296ln(Age)+0.79277ln(BMI)+0.53160(DIAB)+0.70953(SMK)+1.85508ln(SBP)-23.9388

[0122] x＝e 公式14

[0123] 对于正在进行抗高血压治疗的女人：x

[0124] CVDRisk＝1-0.948332.72107ln(Age)+0.51125ln(BMI)+0.77763(DIAB)+0.61868(SMK)+2.88267ln(SBP)-26.0145

[0125] x＝e 公式15

[0126] 对于不在进行抗高血压治疗的女人：x

[0127] CVDRisk＝1-0.948332.72107ln(Age)+0.51125ln(BMI)+0.77763(DIAB)+0.61868(SMK)+2.81291ln(SBP)-26.0145

[0128] x＝e 公式16

[0129] 此处TOT是总胆固醇，HDL是HDL胆固醇，如果是流行的糖尿病则DIAB是1，否则是0，如果在过去一年中指示出吸烟则SMK是1，否则是0，以及SBP是心脏收缩血压。

[0130] 一旦使用以上公式13-16中的任一个计算出个体的十年CVD概率，那么，该算法找出与相同性别的人对应的年龄，该相同性别的人具有同样的CVD概率但其具有低于正常的
风险因素资料。这样的资料例如可以包括下列因素：

[0131] BMI＝22

[0132] SBP＝125mmHg(如果对象年龄是60岁或以上则为130mmHg)

[0133] 无糖尿病(DIAB＝0)

[0134] 去年无吸烟(SMK＝0)

[0135] 无高血压治疗

[0136] 如在算法1中的情况，风险因素值的改变可以根据代表“低于正常”的风险因素资料的转换定义进行修改。这样的数字可以随时间改变以及根据国民需求而变化。

[0137] 从以下计算产生的年龄是个体的估计心脏年龄。

[0138] 对于男人：公式17

[0139] 对于女人：公式18

[0140] 算法4

[0141] 当总胆固醇和HDL胆固醇已知，但心脏收缩血压未知时，可以使用这个算法。CVD的十年概率按以下可以计算出：

[0142] 对于男人：

[0143] CVDRisk＝1-0.88970x

[0144] x＝e3.22476ln(Age)+1.11551ln(TOT)-0.93052ln(HDL)+0.58180(HTN)+0.64151(DIAB)+0.63505(SMK)-15.3561 公式19[0145] 对于女人：

[0146] CVDRisk＝1-0.94875x

[0147] x＝e2.74587ln(Age)+1.32797ln(TOT)-0.75601ln(HDL)+0.71993(HTN)+0.70137(DIAB)+0.52307(SMK)-15.1058 公式20[0148] 此处如果个体已经被诊断为高血压患者或正在进行抗高血压治疗，则HTN是1，否则是0。

[0149] 一旦使用以上的公式19或20计算出个体的十年CVD概率，那么，该算法找出与相同性别的人对应的年龄，该相同性别的人具有同样的CVD概率但其具有低于正常的风险因
素资料。这样的资料例如可以包括下列因素：

[0150] 总胆固醇＝180mg/dl

[0151] HDL＝45mg/dl

[0152] 无糖尿病(DIAB＝0)

[0153] 去年无吸烟(SMK＝0)

[0154] 无高血压(HTN＝0)

[0155] 如在算法1中的情况，风险因素值的改变可以根据代表“低于正常”的风险因素资料的转换定义进行修改。这样的数字可以随时间改变以及根据国民需求而变化。

[0156] 从以下计算产生的年龄是个体的估计心脏年龄。

[0157] 对于男人：公式21

[0158] 对于女人：公式22

[0159] 算法5

[0160] 当总胆固醇和BMI已知，但心脏收缩血压和HDL未知时，可以使用这个算法。CVD的十年概率按以下可以计算出：

[0161] 对于男人：

[0162] CVDRisk＝1-0.88675x

[0163] x＝e3.17473ln(Age)+1.01090ln(TOT)+0.81298ln(BMI)+0.55059(HTN)+0.64062(DIAB)+0.66596(SMK)-20.4549 公式23[0164] 对于女人

[0165] CVDRisk＝1-0.94869x

[0166] x＝e2.72740ln(Age)+1.29051ln(TOT)+0.73896ln(BMI)+0.69964(HTN)+0.76749(DIAB)+0.60289(SMK)-20.2670 公式24[0167] 此处，如算法4，如果个体已经被诊断为高血压患者或正在进行抗高血压治疗，则HTN是1，否则是0。

[0168] 一旦使用以上的公式23或24计算出个体的十年CVD概率，那么，该算法找出与相同性别的人对应的年龄，该相同性别的人具有同样的CVD概率但其具有低于正常的风险因
素资料。这样的资料例如可以包括下列因素：

[0169] 总胆固醇＝180mg/dl

[0170] BMI＝22

[0171] 无糖尿病(DIAB＝0)

[0172] 去年无吸烟(SMK＝0)

[0173] 无高血压(HTN＝0)

[0174] 如在算法1中的情况，风险因素值的改变可以根据代表“低于正常”的风险因素资料的转换定义进行修改。这样的数字可以随时间改变以及根据国民需求而变化。

[0175] 从以下计算产生的年龄是个体的估计心脏年龄。

[0176] 对于男人：公式25

[0177] 对于女人：公式26

[0178] 算法6

[0179] 当总胆固醇、HDL和心脏收缩血压未知，但BMI已知时，可以使用这个算法。CVD的十年概率按以下可以计算出：

[0180] 对于男人：

[0181] CVDRisk＝1-0.88434x

[0182] x＝e3.25024ln(Age)+0.74711ln(BMI)+0.57695(HTN)+0.59741(DIAB)+0.68506(SMK)-15.4710 公式27[0183] 对于女人：

[0184] CVDRisk＝1-0.94679x

[0185] x＝e3.18736ln(Age)+0.72923ln(BMI)+0.73404(HTN)+0.78285(DIAB)+0.61608(SMK)-15.1252 公式28[0186] 此处，如算法4，如果个体已经被诊断为高血压患者或正在进行抗高血压治疗，则HTN是1，否则是0。一旦使用以上的公式27或28计算出个体的十年CVD概率，那么，该算
法找出与相同性别的人对应的年龄，该相同性别的人具有同样的CVD概率但其具有低于正
常的风险因素资料。这样的资料例如可以包括下列因素：

[0187] BMI＝22

[0188] 无糖尿病(DIAB＝0)

[0189] 去年无吸烟(SMK＝0)

[0190] 无高血压(HTN＝0)

[0191] 如在算法1中的情况，风险因素值的改变可以根据代表“低于正常”的风险因素资料的转换定义进行修改。这样的数字可以随时间改变以及根据国民需求而变化。

[0192] 从以下计算产生的年龄是个体的估计心脏年龄。

[0193] 对于男人：公式29

[0194] 对于女人：公式30

[0195] 从以上不同的计算可以看出，取决于可利用的信息，将不同的权重放置于所使用的不同的变量。因为算法1把可以通过个体修改去降低他们风险的最多的因素考虑在内，
最终与其他的算法比较，可以认为算法1是较高的标准。算法2至算法6渐进地考虑较少
的(和不同的)变量，以及在他们之中具有新的权重作为一些变量省略和用其他替换的结
果，比如在算法2、3、5和6中，以BMI替换HDL。

[0196] 下表概括了每一算法所要求的各种输入，对于每一算法A1至A6的相关栏里以‘X’表示。

[0197]算法年龄性别总 HDL DIAB SMK SBP HTN BMI
A1 × × × × × × × ×
A2 × × × × × × × ×
A3 × × × × × × ×
A4 × × × × × × ×
A5 × × × × × × ×
A6 × × × × × ×

[0198] 这些算法通常分成两类，第一类包含胆固醇水平作为输入参数，第二类不包含胆固醇作为输入参数。如以上所讨论的，虽然使用胆固醇水平作为输入参数能够提供更精确
的心脏年龄评估，但是提供不要求胆固醇水平作为输入参数的可替换的算法是有用的，特
别是鉴于所要求的血液试验的高费用和不便，对于频繁的监测和对用户的反馈有用。

[0199] 以上的算法举例说明了已经发现的提供与现有的临床导出数据的特别好的相关性的较佳的版本。然而，可以理解的是，在精确值内可以做出较小的改变来细微地调整与其
他和/或未来临床导出数据的精确度。这可以包括对于不同国家或族群所必需的重要的变
化。也可能包括改善在上述的详细描述中的所提及的三种重要条件的一种或全部条件中的
方法性能的新的测量值的空间。

[0200] 图1a和图1b以流程图的形式举例说明了总体方法，示出输入和算法选择过程是如何能够在实践中被实施。该方法可以通过使用被适当编程的计算机来执行该方法和上述
的每一个算法得以实现，通常如图2所示。计算机10可以提供用户视频显示器或其他的输
出装置12，以及用户输入该方法所需的各种数据的方式，例如用户输入装置14。示例性实
施方式可以包括用于显示信息和用户数据输入的触摸屏。计算机可以是单机或联网。如果
联网，每一用户输入的数据可以被传送至远程服务器(未示出)并与来自其他用户的数据
一起被储存起来，以便可以对这些数据执行统计分析。计算机可以是便携式，例如以手持装
置(如移动电话)的形式或笔记本电脑。计算机可以是位于适当位置比如超市或药店的终
端的形式。以下将会说明，计算机可以构成被配置成协助用户在购物时，特别是购买食品时
选择项目的装置的一部分。

[0201] 可替换的实施方式是个体不需要直接输入一些或全部相关数据，而是从其他的装置电子传送数据，例如从血压监护仪20、体重计22、呼吸分析仪24或胆固醇测试机26。该
数据传送可以通过物理连接，例如通过计算机USB端口或通过无线连接，如无线连接网络
30。接收数据的计算机10可以是便携式的或是位于适当位置例如超市或药店的终端的一
部分。它也可以是网络的一部分，其中数据从另一数据库被传送，该数据库储存所需来计算
心脏年龄的值和/或与心脏年龄相关联的信息，例如饮食和生活方式数据。这个实施方式
的主要的优点是心脏年龄值的自动计算，降低数据输入中消费者所花的时间。

[0202] 实施图1a和图1b的方法的计算机10提供数据库或存储器16，在其中储存有如上文所讨论的多个算法18，以及提供处理器，其实施如将要描述的算法选择过程11。

[0203] 可以理解的是，图1a和图1b中的流程图仅仅图解说明了一个可以达到选择上述其中一个算法的具体方法。其他的方法是可能的，假设它们同样达到适合于由用户输入的
或从装置传送的数据的算法。

[0204] 这个方法从步骤101开始，由用户输入(或装置传送)基本的非侵害性测量例如他们的年龄、性别、体重、身高和腰围测量值。体重和身高测量值可以在该方法中被用来计
算用户的体质指数(BMI)，其典型地是以用户的体重(公斤)除以他们身高(米)的平方
计算，虽然这个方法包括将英制测量变换成公制格式的能力。BMI的正常范围典型地是在
20-25之间。较高的BMI与CVD的增长风险有关，因此，如上所述，被包括进用于计算心脏年
龄的一些算法中。存储被输入的测量值以供将来使用。

[0205] 步骤102，向用户呈现问题，询问是否他们已经被诊断出具有心血管疾病。如果该用户回答是，则该方法转到步骤103，并向用户显示消息指出这个工具不适合他们。可选地
可以显示进一步的消息，例如遵循与他们的疾病有关的临床建议的推荐。然后该方法结束。

[0206] 可替换地，如果用户对步骤102问题的回答是否，那么，要求该用户输入(步骤104)他们的糖尿病状态和吸烟状态，即，他们是否有糖尿病疾病和他们是否在过去的一年
中吸烟，在每种情况下提供是或否的答案。如果输入来自呼吸分析仪，一氧化碳或古丁尼
(cotinine)的临界值水平可以被用来确定吸烟状态。储存这些答案供将来使用。该方法
转到步骤105，要求用户的总胆固醇读数，如果他们知道该读数的话。如果不知道，该方法
转到步骤106，暂时选择算法3。如果用户知道他们的总胆固醇，该方法转到步骤107，要求
用户输入他们的HDL胆固醇读数，如果他们知道该读数的话。如果不知道，该方法转到步骤
108，暂时选择算法2。如果用户知道他们的HDL胆固醇读数，该方法转到步骤109，暂时选
择算法1。对于所有这些血液导出的测量值(总的和HDL胆固醇，糖尿病诊断)，从临床化
学分析仪(便携式或位于实验室内)输出的数据可以被手动或自动(如通过USB或其他电
缆或无线地)传送至计算机或网络。

[0207] 然后，不管暂时选择的是算法1、2或3中的哪一个，该方法转到步骤110，要求用户的心脏收缩血压读数。如果知道该读数，该方法转到步骤114，在此处要求用户的治疗状
态，即他们目前是否正在服用抗高血压药物。取决于用户的答案，最终选择算法的适当版本
(成为1、2或3中暂时被挑选出来的选项)。使用电子血压监护仪可以测量血压并手动或
自动(如通过USB或电缆或无线地)传送至计算机或网络。

[0208] 如果，在步骤110，不知道用户的心脏收缩血压，该方法反而转到步骤111，在此处取决于用户是否在步骤107输入了他们的HDL胆固醇值来作出选择。如果做了输入，该方法
转到步骤112，且最终选择算法4代替之前作出的暂时的选择。如果没有输入HDL值，该方
法转到步骤113，在此处取决于用户是否在步骤105输入了他们的总胆固醇值来作出选择。
如果做了输入，该方法转到步骤117，且最终选择算法5代替之前作出的暂时的选择。如果
没有输入总胆固醇值，该方法反而转到步骤118，且最终选择算法6代替之前作出的暂时的
选择。

[0209] 对于所有的算法选择，该方法然后转到步骤119，图1b所示，其中要求用户输入与他们的饮食有关的信息。这可能包括与低饱和脂肪食物、低盐食物的消费频率，卡路里限制
频率，每天消费五份水果和蔬菜的频率，快餐选择的频率和提供该用户饮食指示的其他数
据有关的信息。在步骤120，要求用户进一步输入有关运动和身体活动的信息，例如用户多
久做一次运动及处于什么水平。在步骤120，该方法然后基于在步骤119和120中输入的饮
食信息计算出饮食分数，以及基于在步骤119和120中输入的身体活动信息计算出身体活
动分数。对于问题的频率回答被转变成分数点。例如，可以询问用户他们是否一周0至1
天、2至4天、或大于或等于5天消费低饱和脂肪食物。健康选择的较大频率，例如一周5天
而不是0至1天选择低饱和脂肪食物，表明是较健康的回答。每个问题的分数可被计算出并
保存到数据库中。此外，创建将所有“健康的”饮食回答合并成汇总测量的“饮食分数”。这
通过每个问题分数的简单相加完成。然而，可以理解的是，可部署可替换的评分方法来建立
不同的分数，其中对每一问题的回答根据他们的相关重要性而加权。例如，如果个体超重，
那么在总的饮食分数里，关于卡路里的问题可能给出额外的权重。通过给出报告的活动增
加的频率和强度的更多的点来计算身体活动分数。

[0210] 可替换的实施方式是，个体不用直接输入有关的饮食数据，而是从另一数据库传送，比如从存储卡、或食品购买数据的在线数据库。数据传送可以通过物理连接，比如通过
计算机USB端口或通过无线连接。接收数据的计算机可以是便携式或是位于适当位置比如
超市或药店的终端的一部分。它也可以是网络的一部分，其中数据从另一数据库被传送，该
数据库储存所需的来计算心脏年龄的值和/或与心脏年龄相关联的信息，例如饮食和生活
方式数据。这个实施方式主要的优点是心脏年龄值的自动计算，降低顾客在数据输入中所
花的时间。

[0211] 然而，步骤119、120、121是可选的且对于CVD概率和心脏年龄的计算是不必要的。

[0212] 然后，在步骤122，该方法基于输入数据和基于用户的输入所选择的具体算法开始计算用户的心脏年龄。该心脏年龄连同取决于各种用户输入的其他信息一起显示给用户。
在步骤123，取决于用户在步骤104的输入做出判断，即用户是否是吸烟者。如果是，将吸烟
的消息合并入包含有用户心脏年龄的显示中。该消息可以包括有关戒烟方法的信息，及其
可能产生的好处，该好处会通过心脏年龄的减少指示。

[0213] 在步骤125，取决于用户在步骤101的输入做出判断，特别是用户的身高、体重和腰围测量，来确定该用户是否被分类为超重。如果是，进一步的消息被合并入包含有用户心
脏年龄的显示中。该消息可以包括有关减轻体重的方法的信息，及其可能产生的好处，该好
处会通过心脏年龄的减少指示。

[0214] 在步骤127，有关用户的心脏年龄的综合的消息被合并入显示中，例如关于这意味着什么以及用户可以做什么来减少它。在步骤128可显示进一步的消息，这些消息涉及由
该方法识别的各种的风险因素，以及涉及饮食、身体活动和生活方式的改变，例如基于之前
在步骤119-121的用户输入而推荐该些改变。由消息存储器19提供的这些消息，也可能伴
随着推荐的下一步骤，比如在线订购将导致饮食分数的改进的食物产品。例如，报告不频繁
选择或消费低饱和脂肪食物的用户可能被建议转变在在线零售环境下订购的食物产品，来
更紧密地遵从推荐的饮食指导方针(如低饱和脂肪食物)。这可能被扩大到营养物的范围，
包括但不限于全脂肪、饮食的脂肪类型、增加的蔬菜和水果、富含脂肪的鱼、盐、卡路里水平
或个别的食物产品，比如包含被设计为降低心血管风险因素的功能性成分的食物产品。可
以建议更大的改变，比如推荐用户建立个人化的饮食计划或遵照更限制性的控制卡路里的
饮食生活制度或个人化的身体活动生活制度。来自在线购物环境的反馈将体现如步骤119
所描述的数据输入的形式。

[0215] 步骤124至步骤128举例说明了基于计算出的心脏年龄从可能的消息组中选择一个或多个消息作为给用户的输出。这些选择的消息也可以是基于选择的心脏年龄计算算
法。

[0216] 上述的方法的方面同样可用在当总胆固醇已知或未知时来估计用户的HDL胆固醇水平。在第一方法中，根据可利用的信息，使用上述的算法之一，例如当因素TOT、SBP、糖
尿病状态、吸烟状态、年龄、性别和BMI已知时，确定估计的CVD风险。然后，将计算出的CVD
风险估计插入以上的公式1至4的相关的一个中，并求解公式来获得HDL胆固醇值。可以
通过使用迭代求解法来找到HDL值。

[0217] 在第二方法中，总胆固醇水平未知。根据可利用的信息例如SBP、糖尿病状态、吸烟状态、年龄、性别和BMI来计算估计的CVD风险。将CVD风险估计插入公式1至4的相关的
一个中，并求解公式来获得HDL，即产生HDL数字，其将产生同样的风险水平。基于用户的年
龄和性别可以使用总胆固醇(TOT)的默认值。考虑到总胆固醇与HDL胆固醇之比通常比绝
对个体总量重要，在这种情况下使用基于年龄和性别的估计不会对结果的精确度有非常大
的影响。

[0218] 在第三方法中，总胆固醇水平未知。根据可利用的信息，例如SBP、糖尿病状态、吸烟状态、年龄、性别和BMI，计算估计的CVD风险。将CVD风险估计插入公式1至4的相关的
一个中，计算会求解公式获得CVD风险的总胆固醇水平和HDL水平可能值的范围，即产生总
胆固醇和HDL值的范围，其将产生同样的风险水平。基于用户的年龄和性别可以使用总胆
固醇(TOT)的默认值，然后求解公式获得HDL。

[0219] 使用以上方法，可向用户提供有关是否建议胆固醇测试的指示，例如，如果估计的CVD风险达到医学指导方针建议的临界值水平，则测试是可取的。

[0220] 上述的方法的某些方面特别适合在协助用户在购物时做出有益的食物选择的设备中实施。这样的设备可以是手持计算装置的形式，有利地是该设备可包括读卡器或条形
码阅读器，该读卡器允许用户将他或她的个人信息输入该设备中，条形码阅读器允许用户
在购物时扫描项目来确定它们是否符合依赖于用户资料的推荐。该设备已经适当地被编程
有与用户有关的信息，可以被配置成基于用户的心脏年龄推荐在用户饮食中的饱和脂肪的
最大比例，并因此可以在用户购物时给他们标记某些项目。例如，如果用户扫描一包全脂黄
油时，该设备会指示可替换的品牌将更适合于他们，比如低脂涂抹食品或降胆固醇涂抹食
品。

[0221] 该设备允许用户选择的食物产品与由用户的心脏年龄确定的必需的营养标准相比较。例如，如果用户的心脏年龄很高，则饱和脂肪＜7％的卡路里，如果心脏年龄中等高，
＜10％的卡路里，或者如果心脏年龄正常或低，＜15％的卡路里。饮食态度也可能被合并
入对用户的推荐。例如，如果用户对大的变化不感兴趣，该设备可以在给定的食物种类之中
选择相似的食物产品。如果用户想要饮食变化，可以选择以其他替代物和更健康食物种类
为特征的食物产品。

[0222] 移动电话或其他装置可包含具有心脏年龄信息的条形码。在超市结账台或在超市的入口处扫描该条形码可以提供与个体的心脏年龄要求一致的推荐或产品促销。可替换地
该信息可保存在存储卡上并进入问讯处，该问讯处基于输入的心脏年龄和生活方式输入使
产品促销个性化。

[0223] 该设备也可被配置成产生被推荐的食物项目清单，用户在购物时可以从该食物项目清单中挑选。某些被推荐的项目可能与向用户提供选择性折扣的优惠购物券有关。

[0224] 实际上，可以从该设备使用的点单独输入用户的信息。例如，该信息可以如步骤119中所述的在线输入，然后，或直接通过用户的个人卡或通过与用户唯一标识的卡下载至
该设备，当用户被识别后，该设备下载所需的信息。可替换地，用户可通过其他的手段比如
生物统计信息，或与用户唯一标识的其他项目比如钥匙(key)、移动电话或记号(token)，
被该设备识别。

[0225] 可替换的实施方式可能包含，用户执行输入他们的信息以及在线购物的步骤，或通过单一网站或通过相关联的网站，第一网站处理用户信息并提供心脏年龄和相关的指
导，第二网站提供在线购物服务。当用户正在在线购物时，可以使用心脏年龄方法提供的信
息，以类似于上述设备的方式。取决于用户选择的项目和他们的心脏年龄资料，可以向用户
呈现自动的信息或优惠购物券。这样，能够指导用户朝着更适合他们的具体资料来挑选购
物范围。

[0226] 其他实施方式有意地在如所附的权利要求所定义的本发明范围之内。

标题	发布/更新时间	阅读量
一种对同一物品上具有多个条形码的数据采集和处理系统	2020-05-18	733
用条形码阅读器可读的计量表计数器	2020-05-12	428
适用于多种用途的光学阅读器	2020-05-19	163
模拟人眼-脑系统的条形码阅读器	2020-05-12	396
模拟人眼-脑系统的条形码阅读器	2020-05-12	340
在装袋端具有条形码阅读器的结账台	2020-05-12	246
条形码阅读装置	2020-05-17	535
条形码阅读器以及条形码阅读程序	2020-05-11	920
无线条形码阅读器的通信系统	2020-05-13	105
电子阅读装置	2020-05-18	419

心脏年龄评估

心脏年龄评估

技术领域

背景技术

发明内容

附图说明

具体实施方式

该功能需要专业版企业版VIP权限，您可以：