基于云平台的老年人退化评估与延缓服务研究*

王 洁，于颜硕，林仲志

(1.大连理工大学软件学院，辽宁 大连 116620；2.长庚大学资讯工程系，台湾 桃园 333)

基于云平台的老年人退化评估与延缓服务研究*

王 洁1，于颜硕1，林仲志2

(1.大连理工大学软件学院，辽宁 大连 116620；2.长庚大学资讯工程系，台湾 桃园 333)

人口高龄化趋势已日益明显，生理机能退化是每个老人都会面临的问题。结合现有云计算和专家系统技术，以协助老年人延缓身体退化研究为目标，研究身体退化量测与评估方法，引入本体论将退化评估结果与运动处方知识库结合，建立科学有效的健身中心服务平台。跟踪实验的结果表明，云平台处理大量数据效能表现良好，满足实时分析需求；受试者各项指标提升效果明显，尤其是对于高龄族群最重要的体脂指标相对训练前有明显改善。

云计算服务；任务本体论；运动处方；退化评估；运动中心

1 引言

随着全球人口平均寿命延长，人口高龄化趋势已日益明显，生理机能退化是每个老人都会面临的自然现象[1,2]。过早或过度退化不但会对老人日常作息造成不良的影响，甚至使其与所处社群疏离，导致生活品质下降，进而影响生理和心理健康[2]，同时也是老人医学和健康照护面临的一大挑战[3]。

目前研究退化模型的标准很多，尚未有统一的评估方法。常见的退化概念模型多达六种[4]。Maureen研究提出大胆预测：未来退化标准必是多因子且复杂的综合体，而目前临床上使用的方法多是基于签字Fried概念模型[4]，同时，如何延缓退化成为倍受关注的问题。众多研究表明，适当的运动计划可促进身体健康，并可有效延缓退化[5,6]。但是，不科学不合理的运动不但无法发挥出运动效益[7],还会对身体造成损伤。Heath J M[8]提出了三个无法充分发挥运动效益的原因：首先不知道运动带来的益处，其次不知道什么运动合适，最后缺乏适合老人运动的环境。

退化评估与退化延缓面临的问题是：(1)老年人退化数据和指标单一。临床上目前有很多退化的指标量化方法，但是它对于这些指标很少有综合性运用。(2)退化延缓与运动方案的建立缺乏科学理论依据。退化与运动并无明显的对应关系，针对不同的运动项目，要同时考虑运动强度、运动频率和运动渐进性等因素，才能在安全运动的同时有效促进身体健康，改善身体机能。(3)个人生理退化信息数据规模庞大，计算密集度高，实时性要求难以保证。随着生理指标计算复杂度的升高和老年人口基数的增大，普通医疗计算中心已无法满足对生理退化信息实时或近实时的分析要求。

Figure 1 Fitness center service framework

2 研究现状

目前国内外学者对于面向老年人的健康促进系统进行了积极的探索和研究，研发出多种服务模式和系统。Wii Fit[9]是具有代表性的老年人锻炼选择系统，许多研究已经证明此系统对于独立应用具有高度的可靠性[10]，但是它对于多因素多目的性运动应用场合支持较差。其主要矛盾在于临床上量化参数复杂[11]，数据量和计算量庞大，系统构建复杂。如何整合多因素参数，满足分析实时性的要求是急需解决的问题。与此同时，云平台已应用于许多健康信息计算密集分析场合，例如心电图[12]、基因比对[13]等，但是都偏重特定场景，缺乏系统整合方法。

本文提出了身体退化量测与评估方法，基于云计算平台，引入本体论[14]将退化评估结果与运动处方知识库结合，制定科学合理的运动处方案：(1)借助一系列退化侦测设备结合身体功能指标分析方法获取老年人退化指标，使用云服务器进行数据分析和退化评估，针对不同年龄层的身体退化指标进行科学量化。(2)建立运动处方知识库，知识库根据身体退化指标开立运动处方案。运动处方案会在使用者登入云端系统后，自动设定运动器材参数，为使用者提供科学便捷的运动方式。本文结合现有的云计算和专家系统技术，以协助老年人延缓身体退化研究为目标，建立一套科学有效的健身中心服务平台。

3 健身中心服务云平台

3.1 系统框架

本研究针对老年人延缓身体退化提出一套健身中心服务模式，健身中心服务框架如图1所示，系统由身体退化无线检测模块、健身中心信息管理系统、无线智能健身器材组成。服务流程为：(1)首先用户在无线身体退化检测模块中体验不同的游戏检测与评价身体不同方面的退化程度，如反应力、平衡力、肌耐力等[15]，游戏结束后，会根据参与者表现生成最终的评估数据。(2)系统会将每个用户游戏数据通过无线传感器网络传送到云平台设立的健身中心信息管理系统。在管理系统中，神经网络模型根据数据推演参与者身体退化情况。管理系统使用本体论方法对使用者各项生理信息分析比较，给予使用者合理科学的运动处方。(3)当使用者在健身中心健身时，使用个人的身份标识卡感应健身器材RFID登录平台的信息中心。信息中心会根据个人的运动处方将健身方案无线下载到智能健身器材，设定健身器材运行参数，如跑步机、脚踏车、划船机等器材的运行状态和运行时间。健身过程划分为三步骤：暖身期、平衡期和冷却期。智能健身器材上装有心跳量测设备，将同时记录参与者不同时期的心跳，并与健身方案指标进行对比，从而动态调整健身器材的运行参数。冷却期时，智能设备会记录参与者的心跳变化数据，并上传到云端健身中心信息管理系统。管理系统根据此参数评估和修正运动处方，从而科学指导参与者完成计划性的运动方案。

3.2 资料分析方法与并行方案

在规划运动处方之前，我们必须了解每种运动特性，针对“哈佛经验运动与健康”一书中所提到的常见体能活动特定表，包含个体体能活动所带来的效益，这些效益有提升心肺耐力、肌耐力、柔韧度、平衡感等。随后以使用者年龄、体重为基础，根据式(1)由体重(Weight)和年龄(Age)信息计算出目标强度E(Energy)；其中Weight的单位为kg。然后根据式(2)、式(3)分别计算出男女每次运动能量消耗，其中A表示年龄，W表示体重，HR表示运动心率，T表示运动时间。运动时的强度将以心率控制方式实现。心跳算法采用式(4)计算出最大心率maxHR，并以此作为运动强度的目标。

Figure 2 Data collect flow diagram

(1)

Man=(([(A*0.2)-(W*0.09)+

(HR*0.6)-55.1]*T))/4.184

(2)

Woman=(([(A*0.07)-(W*0.058)+

(HR*0.45)-20.4]*T))/4.184

(3)

MaxHR=(220-Age)*100%

(4)

为了解身体健康状况指标与各类运动参数之间的相关度，使用Pearson Correlation相关系数的统计方法，应用于本研究中，以比较身体健康状况指标与运动参数之间的关系，从而优化运动处方的生成方式。相关系数r用于表示变量x与变量y之间的关系强度，当r值接近-1或者+1时，表示变量x与变量y之间存在较强的相关性。如式(5)所示。

(5)

基于Hadoop的MapReduce 并行方案对相关系数方法进行并行加速，将年龄、行动力等指标作为key值，以各项运动执行的评价结果作为value值，组成MapReduce中的〈key,value〉对，并行分析不同族群健康状况与运动评价参数的相关性，从而为运动处方的获得奠定基础。

3.3 健身信息管理平台层次架构

本研究基于本体论构建系统数据管理方式，特别引入运动处方的概念作为运动建议的主架构。运动处方签乃是执行运动复健之指引，主要包括运动类型、运动强度、运动频率以及渐进性。运动处方和一般药方一样，是根据各项指标及经验法则所开立的，此开立标准可存放于各类型的数据库或知识库，作自动处方回馈之用，实例则采用本体论来建构运动处方知识库，其优点包含分享、再利用性及整合性等。

在系统构建上，以弹性的模块取代传统针对特定服务设置系统的方式来建构数据结构和服务流程。系统先将各个服务细分成单个或多个代理者，再以任务本体论(Task Ontology)定义各代理者间的互动与数据传递方式，方便功能或流程的分享与交换；在数据结构上，针对退化的判断及相对应的健康信息，以领域本体论定义其层级、属性和关系等，方便日后扩充其他退化指标的数据。

图3为云平台健身中心信息管理服务结构层次示意图。以本体论为核心根据个人健康信息的数据来源方式、数据分析方式、数据整合方式和数据应用方式四个层次由下至上分为服务模型层、任务本体层、代理层和数据层。

3.3.1 数据层

数据层存储和管理系统运行所需要的所有数据，包含临床知识库和收集的用户信息两类。其中退化记录由身体退化检测模块检测获得，包括反应力、手握力、肌耐力、行动力、平衡感、功能性前伸、体重流失、疲倦感、活动量九个参数。通过比对各年龄层退化指标参考标准，由神经网络算法进行分析评估[15]。运动服从记录数据来源是用户在智能

Figure 3 Service-oriented architecture on the cloud

健身器材上运动记录信息和心跳量测设备记录不同时期的心跳信息。其他的退化临床知识库则是由专家系统、临床经验和临床指标获得。

3.3.2 代理层

代理层针对不同数据库的数据进行分析和处理，将指针数据依据指针标准值在正规化模块中换算，以正规化到同一区间，正规化后的数据会被导入层级分类模块之中作退化状况的评估，使用数学统计方法和神经网络来构建。当每一笔新的数据输入时，上述分类结果及处方建议会经由报表输出模块编辑，最后以图表的方式呈现给用户。报表输出模块提供报表下载、邮寄以及打印等输出服务。

3.3.3 任务本体层

任务本体层是系统的核心部分，通过在云平台处理任务连接实时分析处理数据的同时向上提供应用服务。任务本体层包含三个任务：退化指标收集任务、健康需求评估任务和运动建议任务。退化指标任务收集任务实时收集并分析个人退化数据库的信息，定量分析用户的退化情况。健康需求评估任务针对退化情况给出改善计划。最终运动建议任务结合运动处方为用户提供科学合理的运动建议。

3.3.4 服务模式层

服务模式层以任务本体层为基础，收集使用者在运动中的各项参数，一方面作为运动复健服从度及完成度的评估，另一方面还可结合多媒体应用与虚拟现实技术，增添使用者运动的娱乐性与互动性。通过比对用户的实时的身体状态和退化数据，分析退化改善情况，最后结合运动服从度给予使用者合适的运动建议。

4 实验与结果讨论

4.1 实验环境

本研究于桃源县中坜市永漾生活馆进行实验个案的收集，为期半年的实验共收集66位志愿者，男性18位，平均年龄为68.11±5.84岁，活动指数2.47±1.5；女性48位，平均年龄为65.43±6.47岁，活动指数2.62±1.31。其中72%的参与者从事运动有目的性，主要为“增进功能”和“身体健康”。

云端服务器软硬件配置如表1所示，基于Hadoop搭建云平台,选取不同的软硬件配置云平台的主节点和8个从节点。

Table 1 Hardware&software parameters of cloud platform

4.2 实验设计

设计测试云平台对于海量健康数据分析的响应时间，首先构造模拟测试数据，收集48岁～80岁的老年人的健康侦测数据范围，基于老年人健康数据范围构建200万人的随机分布健康数据作为大量数据的数据集。测试并发过程中，调节数据传输速度使得网络传输速度达到饱和时，测试系统对于数据处理的响应延迟，同时与主流普通云平台响应时间作对比。响应延迟主要包括图3所列出的退化指标收集、退化记录建立、处方回馈系统等延迟总时间。

运动前了解本次运动目标和负荷强度，确认后开始运动,过程中根据健身过程的暖身期、平衡期和冷却期心率与目标心率比对情况，调节跑步机速率，同时手机移动App会显示时间、卡路里、心率等目标心率区间等。使用者可以看到目前心率与目标心率区间比较, 进而对运动过程更加清晰。运动结束，系统将心率资料、日期、完成度、处方笺等上传到云平台健身服务器。最后对志愿者进行健康中心满意度调查，获得使用者对实验效果的主观评价。

4.3 实验结果与评价

首先对健康云平台系统效能进行评价，通过模拟大量人的健康测试数据，以任务的平均响应时间(单位：ms)作为评价指标。如图4所示，横坐标以万人为单位进行数据计算分析，对照实验组为相同硬件配置下，普通云平台的响应时间。从图4走势可以看出，当数据量小于100万人时，健康云平台的响应时间高于普通平台，这是因为前期的数据分析和层次化模型占用了大量的时间，当数据量大于100万人时，平台的响应时间增长放缓，效能优于普通平台。表明本文提出的健康云平台服务层次模型可以有效支持百万人的健康数据分析处理，但是对于少量数据集的处理效率表现不佳。

Figure 4 Test result of response time on the cloud

受试者参与运动处方笺训练的前后退化指标测量结果如表2所示。从表2可观察到，不管男性或女性，皆有幅度明显的改善，包含体重、BMI、体脂、体前弯、肌耐力等指标。对于高龄族群最重要的功能体脂相对训练前都有很大的改善。其中体前弯成长最多，男女分别从原先的30.79 cm和26.81 cm进步到了32.67 cm和29.16 cm。由此实验结果也可看出运动对受试者所带来的效益，尽管某些指标的改善差异不明显，但可以确定的是，只要有规律地运动，对身体带来的健康效益就会表现在其他各个方面。

Table 2 Index differences between the subjects before and after exercises

*代表测量前后差异明显(p值<0.05)

5 结束语

本研究以健康运动为出发点，设计了针对老年人延缓身体退化应用服务为目标的自动化健身中心服务模式，以云平台为核心包含身体退化检测模块、健身中心信息管理系统、无线智能健身器材，通过运动强度知识库建立科学的健身和评估方案。实验结果表明，受试者中各项指标提升效果明显，系统性能满足实时分析需求，同时，本新颖的健身服务方式用户接受度很高。未来可以搭配太极拳等丰富多彩的身体训练项目，同时促进老年人心理和身体的健康。

[1] Cawthon P M, Marshall L M, Michael Y, et al. Frailty in older men:Prevalence, progression, and relationship with mortality [J]. Journal of the American Geriatrics Society, 2007,55(8):1216-1223.

[2] Fried L P, Tangen C M, Walston J, et al. Frailty in older adults evidence for a phenotype [J]. The Journals of Gerontology Series A:Biological Sciences and Medical Sciences, 2001, 56(3):146-157.

[3] Levers M-J, Estabrooks C A, Ross Kerr J C. Factors contributing to frailty:Literature review[J]. Journal of Advanced Nursing, 2006, 56(3):282-291.

[4] Markle Reid M, Browne G. Conceptualizations of frailty in relation to older adults[J]. Journal of Advanced Nursing, 2003, 44(1):58-68.

[5] Mosca L, Linfante A H, Benjamin E J, et al. National study of physician awareness and adherence to cardiovascular disease prevention guidelines[J]. Circulation, 2005, 111(4):499-510.

[6] Daniels R, van Rossum E, De Witte L, et al. Interventions to prevent disability in frail community-dwelling elderly:A systematic review[J]. BMC Health Services Research, 2008, 8(1):278.

[7] Morrison C A. Using the exercise test to create the exercise prescription[J]. Prim Care, 2001，28(1):137-58.

[8] Heath J M, Stuart M R. Prescribing exercise for frail elders[J]. The Journal of the American Board of Family Practice, 2002, 15(3):218-228.

[9] Bateni H. Changes in balance in older adults based on use of physical therapy vs the Wii Fit gaming system:A preliminary study[J]. Physiotherapy, 2012, 98(3):211-216.

[10] Clark R A, Bryant A L, Pua Y, et al. Validity and reliability of the Nintendo Wii balance board for assessment of standing balance[J]. Gait & Posture, 2010, 31(3):307-310.

[11] Holohan E, Melia M, McMullen D, et al. The generation of e-learning exercise problems from subject ontologies[C]∥Proc of the 6th International Conference on Advanced Learning Technologies, 2006:967-969.

[12] Pandey S, Voorsluys W, Niu S, et al. An autonomic cloud environment for hosting ECG data analysis services[J]. Future Generation Computer Systems, 2012, 28(1):147-154.

[13] Zou Quan, Li Xu-bin, Jiang Wen-rui, et al. Survey of MapReduce frame operation in bioinformatics[M]. Briefings in Bioinformatics (2013):bbs088.

[14] Fontecha J, Navarro F J, Hervás R, et al. Elderly frailty detection by using accelerometer-enabled smartphones and clinical information records[J]. Personal and Ubiquitous Computing, 2013, 17(6):1073-1083.

[15] Chang Yu-chuan, Lin C C, Lin P S, et al. eFurniture for home-based frailty detection using artificial neural networks and wireless sensors[J]. Medical Engineering & Physics, 2013, 35(2):263-268.

WANG Jie,born in 1979,PhD candidate,lecturer，his research interests include network security, and parallel computing.

于颜硕(1989-),男，辽宁东港人，硕士生，研究方向为并行计算。E-mail:yuyanshuo@foxmail.com

YU Yan-shuo,born in 1989,MS candidate,his research interest includes parallel computing.

Study on frailty evaluation and delay service for elders based on cloud platform

WANG Jie1，YU Yan-shuo1，LIN Chung-chih2

(1.School of Software Technology,Dalian University of Technology,Dalian 116620;

2.Department of Computer Science and Information Engineering,Chang Gung University,Taoyuan 333,China)

Frailty is becoming one of the greatest gerontological challenges faced by modern societies with aging populations.A novel systematic model for measuring and assessing body degeneration is proposed.Based on ontology and cloud computing,the assessment results and exercise prescription knowledge database are combined to make scientific and reasonable exercise plans.An experiment is designed to investigate the effectiveness of the automatic model by measuring and comparing degeneration.Experimental results show that the proposed cloud platform has a good performance for real-time application demands,and the subjects’degeneration indicator measurements are significantly improved.

cloud computing service;task ontology;exercise prescription;frailty evaluation;exercise center

1007-130X(2015)03-0434-06

2014-08-13;

2014-10-18基金项目：国家自然科学基金资助项目(91018003,61472100)；中央高校基本科研业务费专项基金资助项目(DUT14QY32) 通信作者：于颜硕(yuyanshuo@foxmail.com)

TP302

A

10.3969/j.issn.1007-130X.2015.03.004

王洁(1979-),男，辽宁大连人，博士生，讲师，研究方向为网络安全和并行计算。E-mail:wang_jie@dlut.edu.cn

通信地址：116620 辽宁省大连市开发区大连理工大学软件学院

Address:School of Software Technology,Dalian University of Technology,Development Zone,Dalian 116620,Liaoning,P.R.China