[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

CN106999104A - 心肺健康评估 - Google Patents

心肺健康评估 Download PDF

Info

Publication number
CN106999104A
CN106999104A CN201580061619.6A CN201580061619A CN106999104A CN 106999104 A CN106999104 A CN 106999104A CN 201580061619 A CN201580061619 A CN 201580061619A CN 106999104 A CN106999104 A CN 106999104A
Authority
CN
China
Prior art keywords
user
data
motion
physical fitness
physical
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201580061619.6A
Other languages
English (en)
Inventor
G·帕皮尼
F·萨尔托尔
A·G·博诺米
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Koninklijke Philips NV
Original Assignee
Koninklijke Philips NV
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Koninklijke Philips NV filed Critical Koninklijke Philips NV
Priority to CN202311175022.7A priority Critical patent/CN117122311A/zh
Publication of CN106999104A publication Critical patent/CN106999104A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/30—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to physical therapies or activities, e.g. physiotherapy, acupressure or exercising
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Measuring devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor or mobility of a limb
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Measuring devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor or mobility of a limb
    • A61B5/1123—Discriminating type of movement, e.g. walking or running
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/486—Biofeedback
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4866—Evaluating metabolism
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4869—Determining body composition
    • A61B5/4872—Body fat
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4884—Other medical applications inducing physiological or psychological stress, e.g. applications for stress testing
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/742—Details of notification to user or communication with user or patient ; user input means using visual displays
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Biophysics (AREA)
  • Physics & Mathematics (AREA)
  • Molecular Biology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Pathology (AREA)
  • Veterinary Medicine (AREA)
  • Physiology (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Dentistry (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Artificial Intelligence (AREA)
  • Psychiatry (AREA)
  • Physical Education & Sports Medicine (AREA)
  • General Business, Economics & Management (AREA)
  • Business, Economics & Management (AREA)
  • Fuzzy Systems (AREA)
  • Obesity (AREA)
  • Child & Adolescent Psychology (AREA)
  • Developmental Disabilities (AREA)
  • Hospice & Palliative Care (AREA)
  • Psychology (AREA)
  • Social Psychology (AREA)
  • Signal Processing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Mathematical Physics (AREA)
  • Evolutionary Computation (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

公开了用于使用身体运动数据来评估心肺健康(CRF)的方法和系统。对身体移动的特定测量结果，例如运动幅度或速度、或在重复位移期间覆盖的距离，取决于用户的健康水平。实施例提示用户运行简单的一组周期性移动，其可以被用于估计诸如VO2 max的心血管功能。捕捉并分析诸如活动计数、加速度计信号、或运动的节奏的身体运动数据以估计用户的健康。身体运动数据与诸如体重、身高、BMI的各身体测量结果的组合允许所述方法预测用户的VO2 max或类似的身体健康参数。

Description

心肺健康评估
相关申请的交叉引用
本申请要求享有于2014年11月14日提交的、共同未决的美国临时申请No.62/079849的优先权，通过引用将其全部公开内容并入本文，如同在本文中对其整体进行了阐述。
技术领域
本发明涉及用于评估心肺健康的方法和装置，更具体地涉及用于对心肺健康进行间接估计的方法和装置。
背景技术
对心肺健康(CRF)的评估在多个领域中是重要的，例如对于体育和健身工业、对于临床诊断流程、对于预后和康复流程、以及对于无症状个体的自我监测。对CRF的直接测量要求最大的生理努力，这与更大的心血管事件风险相关联，并且要求昂贵的设备和经训练的人员。对健康的间接估计克服了这些限制中的一些，但是仍然要求患者经受严格的特定协议。间接估计需要时间，并通常涉及使用特定的装备(例如实验室自行车、台阶等)。
心血管功能可归于最大的心输出，经由Fick原理(Fick’s principle)，其与最大摄氧量(VO2 max)有关。在运动员中，VO2 max提供关于其有氧代谢能力的有价值的信息。有氧代谢能力是持久体育表现的基本决定因素并且是训练效力的指标。在临床设定中，VO2 max在多种临床群体(例如具有冠状动脉疾病或心力衰竭的患者)中提供关键的诊断和预后信息。类似地，心血管功能评估对估计无症状成人的健康可以是重要的。
虽然直接确定VO2 max是最准确的方法，但是这要求对象的最大水平的努力。这导致个体的不良事件的较高风险，伴随着心血管问题的中到高的风险。此外，需要呼吸气体分析系统，这要求操作员的专业性并涉及额外的成本。
在次最大锻炼测试期间估计VO2 max可以提供有效的备选方案。在过去的几十年中，已经针对该目的开发了许多协议。然而，次最大协议要求用户遵从标准化的锻炼协议。在许多情况下，这些锻炼协议需要时间(3至6分钟)以及小件的装备(台阶、跑步机、测力计等)。此外，必须严格地遵从锻炼协议，并且锻炼协议通常需要经训练的人员(例如医生、研究员或私人教练)在场，以便允许对VO2 max的准确估计。由于这些要求，不能够随时随地容易地计算出VO2 max。
因此，存在对于用来确定VO2 max和其它心肺健康参数的方法和装置的需求。
发明内容
该发明内容被提供以简化的形式来介绍将在后文的具体实施方式部分中进一步描述的一些概念。该发明内容既不旨在识别所要求保护的主题的关键特征或必要特征，也不旨在被用于帮助确定所要求保护的主题的范围。
本发明的实施例涉及用于间接确定诸如VO2 max的心肺健康参数的方法和装置。这些实施例是根据这样的观察导出的，即身体移动的特定特征(例如运动幅度、移动速度、在重复位移期间覆盖的距离等)依赖于用户的健康水平。例如，具有高柔韧性和肌肉强度(这是与心肺健康相关的元素)的患者将以比更不健1康的对象更快和更重复性的方式执行移动。
因此，能够使用涉及身体肌肉组织的显著部分的简单一组周期性身体移动(例如蹲起)来估计VO2 max和其它心肺健康参数。本发明的实施例使用身体运动数据(例如活动计数、加速度计信号、运动节奏等)来估计例如VO2 max，并且系统提供诸如声音信号的反馈以在对周期性身体移动的执行期间引导用户。
这些锻炼可以在没有技术监督的情况下几乎由每个人在任何时间任何地点来完成。用户可以在他希望的任何时候进行这些锻炼，使得他能够避免他的心率被压力、疲劳、咖啡因等影响的时间。没有必要使用昂贵的设备，而只需要运动传感器(例如加速度计)。
在一个方面中，本发明的实施例涉及一种用于利用计算单元确定用户的至少一个身体健康参数的方法。所述方法包括：在所述计算单元处接收关于所述用户的身体特性数据；提供刺激以提示所述用户执行锻炼协议；在所述计算单元处接收描述所述用户的身体在执行所述锻炼协议期间的运动的数据；并且采用所述身体运动数据和所述身体特性数据来计算至少一个身体健康参数。
在一个实施例中，所述至少一个身体健康参数是从包括最大摄氧量和身体组成的组中选择的。在一个实施例中，所述方法还包括：向用户显示计算出的身体健康参数。在一个实施例中，所述锻炼协议包括涉及所述用户的大量身体肌肉的周期性身体移动。在一个实施例中，所述身体运动数据是从包括以下项的组中选择的：所述用户的身体的所述运动的幅度、所述用户的身体的所述运动的速度、所述用户的身体的所述运动的重复次数、以及在协议锻炼的不同部分期间运动特征之间的关系。
在一个实施例中，所述身体特性数据是从包括以下项的组中选择的：所述用户的体重、所述用户的身高、所述用户的体脂百分比、所述用户的年龄、以及所述用户的体质指数。在一个实施例中，计算至少一个身体健康参数包括对所述身体运动数据的波形分析。在另一个实施例中，计算至少一个身体健康参数包括对所述身体运动数据的回归分析和统计学习分析中的至少一个。在一个实施例中，所述刺激是以下中的至少一个：光、声音、音乐、示出例如用户或目标的视频、触觉刺激、以及语音指令。
在另一方面中，本发明的实施例涉及一种用于确定用户的至少一个身体健康参数的系统。所述系统包括：处理器；身体运动传感器；以及在所述处理器上操作的计算机可执行指令，所述计算机可执行指令用于：经由接口对用户进行提示以提供身体特性数据；经由所述接口提供刺激以提示所述用户执行锻炼协议；利用所述身体运动传感器捕捉所述用户的身体的运动数据；以及采用所述运动数据和所述身体特性数据来计算至少一个身体健康参数。
在一个实施例中，所述至少一个身体健康参数是从包括最大摄氧量和身体组成的组中选择的。在一个实施例中，所述计算机可执行指令还包括用于向用户显示计算出的身体健康参数的指令。在一个实施例中，所述锻炼协议包括涉及所述用户的大量身体肌肉的周期性身体移动。在一个实施例中，所述身体运动数据是从包括以下项的组中选择的：所述用户的身体的运动的幅度、所述用户的身体的运动的速度、所述用户的身体的运动的重复次数、以及在协议锻炼的不同部分期间运动特征之间的关系。在一个实施例中，所述身体特性数据是从包括以下项的组中选择的：所述用户的体重、所述用户的身高、所述用户的体脂百分比、所述用户的年龄以及所述用户的体质指数。
在一个实施例中，所述系统是独立的单元。在一个实施例中，计算至少一个身体健康参数包括对所述身体运动数据的波形分析。在一个实施例中，所述刺激是以下中的至少一个：光、声音、音乐、图像、示出例如用户或目标的视频、触觉刺激以及语音指令。在一个实施例中，计算至少一个身体健康参数包括对所述身体运动数据的回归分析和统计学习分析中的至少一个。
在又一方面中，本发明的实施例涉及一种包含计算机可执行指令的计算机可读介质，所述计算机可执行指令用于执行用于利用计算单元确定用户的至少一个身体健康参数的方法，所述方法包括：在所述计算单元处接收关于所述用户的身体特性数据；提供刺激以提示用户执行锻炼协议；在所述计算单元处接收描述所述用户的身体在执行所述锻炼协议期间的运动的数据；并且采用所述身体运动数据和所述身体特性数据计算至少一个身体健康参数。
在一个实施例中，所述至少一个身体健康参数是从包括最大摄氧量和身体组成的组中选择的。在一个实施例中，所述锻炼协议包括涉及所述用户的大量身体肌肉的周期性身体移动。在一个实施例中，所述身体运动数据是从包括以下项的组中选择的：所述用户的身体的所述运动的幅度、所述用户的身体的所述运动的速度、所述用户的身体的所述运动的重复次数、以及在协议锻炼的不同部分期间运动特征之间的关系。在一个实施例中，所述身体特性数据是从包括以下项的组中选择的：所述用户的体重、所述用户的身高、所述用户的体脂百分比、所述用户的年龄以及所述用户的体质指数。
通过参考附图阅读以下的具体实施方式，本发明的这些和其他特征和优势将是显而易见的。应当理解，前述的一般描述和之后的具体实施方式都仅仅是解释性的，并不对所要求保护的非限制性实施例进行限制。
附图说明
参考附图描述了非限制性和非排他性的实施例，其中：
图1是图示了根据本发明的用于心肺健康评估方法的一个实施例的流程图；
图2呈现了通过本发明的实施例预测出的VO2 max与根据标准循环协议测得的VO2 max的比较；
图3呈现了考虑到体重的通过本发明的实施例预测出的VO2 max与根据标准循环协议测得的VO2 max的比较；
图4是呈现根据本发明的用于心肺健康评估的系统的一个实施例的方框图；以及
图5是图示了根据本发明的对身体健康参数的计算的流程图。
在附图中，在全部的各视图中类似的附图标记一般指代对应的部分。附图不必是按比例绘制的，而是强调操作的原理和概念。
具体实施方式
以下参考附图更全面地描述了各实施例，附图形成实施例的一部分并示出特定的范例性实施例。然而，可以以许多不同形式实现实施例，并且实施例不应该解释为限于本文阐述的实施例；而是，提供这些实施例使得本公开透彻且完整，并且向本领域技术人员完全传达实施例的范围。可以将实施例实践为方法、系统或设备。因此，实施例可以采取硬件实现方式、完全软件实现方式或组合软件和硬件方面的实现方式的形式。因此，后续的详细描述不应被认为是限制。
在说明书中提及的“一个实施例”或“实施例”意指结合实施例描述的具体特征、结构或特性包含于本发明的至少一个实施例中。在说明书各处出现的短语“在一个实施例中”不必都指代同一实施例。
后续描述的一部分是根据对存储于计算机存储器内的非瞬态信号的操作的符号表示来呈现的。这些描述和表示是数据处理领域的技术人员用来来最有效地向本领域其他技术人员传达其工作本质的手段。这样的操作典型地需要对物理量的物理操纵。虽然不是必要的，但通常这些量采用电、磁或光信号的形式，其能够被存储、转移、组合、比较和以其它方式被操纵。有时，原则上出于一般使用的原因，将这些信号称作比特、值、元素、符号、字符、项、数字等是方便的。此外，有时将要求对物理量的物理操纵的步骤的特定安排称作模块或代码设备也是方便的，而不丧失一般性。
然而，所有这些和类似的术语将与适当的物理量相关联，并且仅是应用于这些量的方便的标签。除非如以下讨论中显而易见的另外的特别说明，否则在整个的本说明书中，采用诸如“处理”或“计算”或“运算”或“确定”或“显示”等术语的讨论指的是计算机系统或类似的电子计算设备的动作和过程，其操纵并转换被表示为计算机系统存储器或寄存器或其它这样的信息存储、传输或显示设备内的物理(电子)量的数据。
本发明的某些方面包括可以体现在软件、固件或硬件中的过程步骤和指令，并且当体现在软件中时，所述过程步骤和指令可以被下载以驻留在通过各种操作系统使用的不同平台上并从所述平台进行操作。
本发明还涉及用于执行本文中的操作的装置。该装置可以被专门构造以用于所要求的目的，或者其可以包括由存储于计算机中的计算机程序选择性激活或重新配置的通用计算机。这样的计算机程序可以被存储于计算机可读存储介质中，例如但不限于任何类型的盘，包括软盘、光盘、CD-ROM、磁光盘、只读存储器(ROM)、随机存取存储器(RAM)、EPROM、EEPROM、磁卡或光卡、专用集成电路(ASIC)、或适于存储电子指令的任何类型的媒介，并且其每个耦合到计算机系统总线。此外，在说明书中提及的计算机可以包括单个处理器，或者可以是采用多个处理器设计以用于增加计算能力的架构。
本文中提出的处理和显示并不固有地涉及任何具体计算机或其它装置。还可以使用各种通用系统，其具有根据本文中的教导的程序，或者其可以证明便于构造更专用的装置来执行所要求的方法步骤。根据以下描述，各种这样的系统所要求的结构将是显而易见的。另外，并不参考任何具体的编程语言来描述本发明。可以意识到，可以使用各种编程语言来实现本文中所描述的本发明的教导，并且以下对特定语言的任何参考被提供用于公开本发明的实现和最佳模式。
另外，原则上出于可靠性和指示性目的来选择说明书中使用的语言，并且不被选择为描绘或限制本发明的主题。因此，本发明的公开旨在说明而非限制本发明的范围，本发明的范围在权利要求中进行阐述。
本发明的实施例涉及使用身体运动数据间接地评估心肺健康。这些实施例是根据这样的观察导出的，即身体移动的特定测量结果(例如运动幅度、移动速度、在重复位移期间覆盖的距离等)取决于用户的健康水平。典型地，具有高柔韧性和肌肉强度(其是与心肺健康相关的元素)的患者将以比更不健康的参照主体更快且更重复的方式进行移动。
因此，本发明的实施例提示用户执行一组典型地涉及大量的身体肌肉的周期性移动(例如上下蹲、引体向上、站立、仰卧起坐、阶梯锻炼、俯卧撑、走路、跑步、开合跳、线跳、几乎每种有氧运动等，优选地涉及下肢)，并且捕捉关于用户的运动的各种感兴趣数据，所述感兴趣数据接着可以被用于估计用户的心血管功能(例如VO2 max)和其它身体健康参数。身体运动数据能够采取各种形式，例如活动计数、加速度计信号、运动节奏等。能够在用户锻炼时向他们呈现额外的提示(例如使用节拍器或类似的系统)以引导用户的步调等。
根据该过程存在多个优势。使用简单的锻炼协议意味着任何人都能够进行锻炼并在几乎任何时候和任何地点获得对其健康的估计，而无需经训练的专业人员(例如医生或研究员)的帮助。用户能够在其选择的时间和地点执行锻炼协议，由此避免时间压力、疲劳、外界影响等。用户需要穿戴在其身上的唯一设备是运动传感器，并且适合的传感器通常以用户可能已经拥有的通用设备(例如智能电话、平板计算机或膝上型计算机)或出于健康目的而特别携带的设备(例如计步器、健康追踪器手环等)存在。
图1是图示了根据本发明的用于心肺健康评估的方法的一个实施例的流程图。首先，在计算单元处接收关于用户的身体特性的一些数据(步骤100)，但是根据本发明的各实施例，不排除稍后的输入或随后的输入或编辑。身体特性数据包括例如：用户的身高或体重、用户的体质指数(BMI，其本身可以根据身高和体重来确定，或者反过来用于确定身高或体重)。
然后提供刺激来提示用户执行特定的锻炼协议(步骤104)。适合的刺激在各实施例中是变化的，并且包括闪光或发光、发出声调、图像、示出例如用户或目标的视频、播放音乐、发出语音指令(例如“开始！”或“停止！”等)。在一些实施例中，刺激将在对锻炼协议的执行中训练用户，例如发出节拍状的声音系列来设定协议的节奏、或发出语音命令(例如“坐下！”、“站立！”、“坐下！”、“停止！”)。
可以由用户选择或为用户自动地选择锻炼协议，并且锻炼协议典型地包括涉及用户的大量身体肌肉的一组或多组周期性身体移动。适于协议的典型锻炼包括蹲伏、引体向上、站立、仰卧起坐、阶梯锻炼、俯卧撑、走路、跑步、开合跳、线跳、几乎每种有氧运动等，优选地涉及下肢。如以上提到的，可以通过由可编程节拍器或类似的电子设备产生的提示来定义对锻炼的各重复的频率；可以先验地选择拍子以便从用户引出足够的心脏负荷。
然后，计算单元捕捉或接收描述用户的身体在执行锻炼协议期间的运动的数据(步骤108)。如以上提到的，携带在用户的身体上的加速度计可以实现在用户执行锻炼协议时对身体表现的各方面的跟踪。根据本发明可以被收集的典型的数据项目可以包括执行对锻炼的单次重复所需的时间、当其执行协议时用户的身体的速度、在每次重复的开始和/或结束时的加速度、在每次重复期间用户的身体行进的距离、用户的身体的运动幅度、用户的身体的运动的重复次数、当用户执行对每个锻炼的多次重复时前述变量中的任意变量之间的差异等。
然后通过采用接收到的身体运动数据和接收到的身体特性数据来计算身体健康参数(步骤112)。身体运动数据与身体测量结果(例如体重、身高、体脂百分比、BMI等)的组合实现了对用户的VO2 max或表示用户的身体健康的另一参数(例如身体组成)的间接确定。在一个实施例中，通过将模型应用到身体运动数据和/或接收到的身体特性数据中的至少一些来完成计算。通过对各种预先收集的身体运动数据和身体特性数据执行回归分析、统计学习分析、或者回归分析和统计学习分析两者，可以按照需要来预先确定或确定模型。
在一些实施例中，提前确定预测模型，并且使用接收到的身体特性数据、身体运动数据、锻炼的类型等中的一个或多个在操作中对预测模型进行定制。然后将定制的模型应用到身体运动数据以计算身体健康参数。
在其它实施例中，提前预先确定并存储多个预测模型。在操作中，使用接收到的身体特性数据、身体运动数据、锻炼的类型等中的一个或多个来选择模型中的一个。然后将选定的模型应用到身体运动数据来计算身体健康参数。
在其它实施例中，采用这些技术的组合，即使得使用接收到的身体特性数据、身体运动数据、锻炼的类型等来选择多个预测模型中的一个，并且先使用接收到的身体特性数据、身体运动数据、锻炼的类型等中的一个或多个来对选定的模型进行定制，再将选定的并定制的模型应用于身体运动数据来计算身体健康参数。
使用被应用到从执行蹲伏测试的12个心脏患者收集到的身体运动数据的多变量线性回归而开发的预测模型的范例是：
通过权重归一化的预测的VO2 max＝α0+α1×活动计数蹲伏(公式1)
计算出的身体健康参数可以经由显示器、文本消息、电子邮件、语音消息等直接或间接地显示给另一用户或操作员(例如医生、护士等)(步骤116)。
图2呈现了使用从利用设置为80bpm的节拍器对12个患者的45秒蹲伏测试收集到的运动特征、通过公式1的模型预测出的VO2 max。患者必须跟随节拍器，但是自由决定移动的幅度和其蹲伏的形式。根据标准循环协议测量VO2 max。如从图2显而易见的，假定根据其健康水平将12个患者群集为三组，并且预测出的值基本与测得的值相似。
可以使用例如回归分析、统计学习分析等来分析每个数据群集，以提取与身体特性数据的范围相关联的参数(α0、α1)，其可以结合公式1的模型或在本发明的各种实施例中应用的类似的模型来使用，以如以上所述地使用被测用户的身体运动数据和身体特性数据来提供计算出的身体健康参数。
所获得的数据具有相关系数(ρ)≈0.76，其中，统计显著性(P)≈0.044、确定系数(R2)≈0.58、并且均方根误差
使用被应用到从执行蹲伏测试的12个心脏患者收集到的身体运动数据的多变量线性回归而开发的预测模型的另一范例是：
预测的
图3呈现了使用从利用设置为80bpm的节拍器对12个患者的45秒蹲伏测试收集到的运动特征、通过公式2的模型预测的VO2 max。患者必须跟随节拍器，但是自由决定移动的幅度及其蹲伏的形式。根据标准循环协议测量VO2 max。如从图3显而易见的，假定根据其健康水平将12个患者群集为三组，并且预测的值基本与测得的值相似。
再者，可以使用例如回归分析、统计学习分析等来分析每个数据群集，以提取与身体特性数据的范围相关联的参数(α0、α1、α2)，其可以结合公式2的模型或在本发明的各种实施例中应用的类似的模型来使用，以如以上所述地使用被测用户的身体运动数据和身体特性数据来提供计算出的身体健康参数。
所获得的数据具有相关系数(ρ)≈0.81，其中，统计显著性(P)≈0.13％、确定系数(R2)≈0.66、并且均方根误差(RMSE)≈305.54ml/min。
在另一实施例中，通过对身体运动数据执行波形分析来计算身体健康参数。装备有跟踪用户的移动和/或位置的运动传感器的用户生成实际上是二维或三维时间变化波形的数据。因此，可以在时域或频域中对所述数据使用可以被用于确定身体健康参数的各种分析技术。
图4是图示了用于心肺健康评估的系统的一个实施例的方框图，所述系统包括用户设备400和处理器单元404。
用户设备400主要负责收集关于用户的运动的数据，但是其还典型地包括用于从用户收集信息和/或向用户提供信息的接口。在一些实施例中，用户设备400与处理器单元404交互操作，其中，所述处理器单元404主要负责分析收集到的数据来确定描述用户的身体健康的参数。
用户设备400可以采取各种可穿戴形式，例如手环、垂饰等。处理器单元404可以类似地采用各种形式，例如服务器计算机、台式计算机、膝上型计算机、平板计算机、平板电话、智能电话等。
在一些实施例中，用户设备400和处理器单元404是单独的物理设备。例如，用户设备400可以是由用户穿戴的手环，而处理器单元404可以是由另一用户(例如护士或医生)操作的台式计算机。在另一实施例中，通过同一设备来提供用户设备400和处理器单元404的功能。在又一实施例中，可以在处理器单元404和一个或多个额外计算设备(例如远程服务器单元408)上实现处理器单元404的处理能力。为了方便，以下的讨论假设用户设备400和处理器单元404是单独的物理设备，但是这不应被解释为限制本发明的整体范围。
如图所示，用户设备400包括身体运动传感器412和任选的用户接口416。身体运动传感器412可以包括例如(单轴或多轴的)加速度计或者位置设备(例如GPS接收器、GLONASS接收器或Galileo接收器)。在用户设备400不被用户携带的实施例中，则身体运动传感器412可以是相机、光探测和测距设备(LIDAR)、或者用于观察并跟踪用户的运动的其它形式的传感器。用户接口416可以采取多种形式，但是典型地适合于用户设备400的形式。典型地，用户接口416包括语音生成器、显示器(LCD、LED、CRT、E-Ink等)、投影仪、(物理的或虚拟的)键盘、语音识别系统、触摸屏等。
计算设备或处理器单元404包括用户接口420、处理器424、网络接口426、以及存储单元428，所述存储单元428用作针对在处理器424上运行的计算机可执行指令的存储库，并由此提供本发明的功能。如接口416那样，接口420可以采取适于处理器单元404的特定形式的各种形式。
在操作中，命令从处理器单元404被发送到用户设备400。数据由处理器单元404从用户设备400接收。在采用远程服务器单元408的实施例中，可以由处理器单元404经由网络接口426将数据发送到这样的远程服务器单元408或从这样的远程服务器单元408接收。
经由用户设备400上的用户接口416来对用户进行提示以提供身体特性数据(例如身高、体重、BMI等)，但是用户还可以主动提供这样的数据或利用另一设备(例如处理器单元404)来提供。可以在开始锻炼协议之前、在完成锻炼协议之后、独立于锻炼协议等，来提供身体特性数据。用户的身体特性数据可以包括用户的体重、用户的身高、用户的体脂百分比、以及用户的体质指数。
经由例如上述的用户设备上的用户接口416、处理器单元404上的接口420等提供刺激以提示用户执行锻炼协议。身体运动传感器412不断地、或者与用户的运动一致地、与提供提示一致地、与测量或锻炼协议的开始等一致地捕捉用户的身体的运动数据。如以上提到的，锻炼协议可以包括涉及用户的大量身体肌肉的周期性身体移动。
然后通过处理器424接收身体运动数据，并与身体特性数据一起，使用例如上述的预测模型来处理身体运动数据，以计算至少一个身体健康参数，例如最大摄氧量、身体组成等。在处理器单元404处接收到的身体运动数据可以包括用户的身体的运动的幅度、用户的身体的运动的速度、用户的身体的运动的重复次数、在协议锻炼的不同部分期间运动特征之间的关系等。如以上讨论的，计算出的身体健康参数可以被直接或间接地显示给另一用户或操作员。
在一些实施例中，提前确定预测模型，并且在操作中使用接收到的身体特性数据、身体运动数据、锻炼的类型等中的一个或多个对预测模型进行定制。然后将定制的模型应用到身体运动数据以计算身体健康参数。
在其它实施例中，提前预先确定并存储多个预测模型。在操作中，使用接收到的身体特性数据、身体运动数据、锻炼的类型等中的一个或多个来选择模型中的一个。然后将选定的模型应用于身体运动数据来计算身体健康参数。
在其它实施例中，采用这些技术的组合，即使得使用接收到的身体特性数据、身体运动数据、锻炼的类型等来选择多个预测模型中的一个，并且先使用接收到的身体特性数据、身体运动数据、锻炼的类型等中的一个或多个来对选定的模型进行定制，再将选定的并定制的模型应用于身体运动数据来计算身体健康参数。
在本发明的相关方面中，通过执行对身体运动数据的波形分析来计算身体健康参数。还可以通过执行对身体运动数据的多变量线性回归分析、统计学习分析、或者回归分析和统计学习分析两者来计算身体健康参数。
图5呈现了描绘根据本发明的对身体健康参数的计算的流程图。关于用户的身体特性数据500(如以上讨论的，例如身高、体重、年龄、BMI等)和由用户执行的锻炼的类型504被用于选择508如以上讨论的预先确定和/或预先加载的一个或多个预测模型512。锻炼的类型可以由用户明确指定504，或者可以根据用户的移动数据516进行推断504’。然后将(一个或多个)选定的模型512应用于用户的移动数据516，以计算至少一个身体健康参数，随后输出520所述至少一个身体健康参数。
在本发明的另一实施例中，计算机可读介质包含计算机可执行指令，所述计算机可执行指令用于执行以上讨论的用于确定用户的至少一个身体健康参数的方法。
例如结合根据本公开的实施例的方法、系统和计算机程序产品进行图示的方框图和/或操作图示描述了本公开的实施例。方框中记录的功能/动作可以以不同于任何流程图所示的次序发生。例如，取决于所涉及的功能/动作，连续示出的两个方框实际上可能被几乎同时地运行，或者方框有时可以被以相反次序运行。另外，不是任何流程图中示出的所有方框都需要被执行和/或运行。例如，如果给定的流程图具有包含功能/动作的五个方框，情况可能是只执行和/或运行五个方框中的三个。在该范例中，可以执行和/或运行五个方框中的任意三个。
对本申请中提供的一个或多个实施例的描述和图示并不旨在以任何方式限制或约束所要求保护的本公开的范围。在本申请中提供的实施例、范例和细节被认为足以传达内容并使得他人能够制造和使用所要求保护的实施例的最佳模式。所要求保护的实施例不应被解释为限于本申请中提供的任何实施例、范例、或细节。无论组合还是单独地示出和描述，(结构的和方法的)各特征旨在被选择性地包括或省略，以产生具有特征的特定集合的实施例。在已经提供了本申请的描述和图示的情况下，本领域技术人员可以想到落入在本申请中体现的一般性发明概念的更广泛方面的精神中的变型、修改和替代实施例，而不背离所要求保护的实施例的更广泛的范围。

Claims (22)

1.一种用于利用计算单元确定用户的至少一个身体健康参数的方法，所述方法包括：
在所述计算单元处接收关于所述用户的身体特性数据；
提供刺激以提示所述用户执行锻炼协议；
在所述计算单元处接收描述所述用户的身体在执行所述锻炼协议期间的运动的数据；以及
采用所述身体运动数据和所述身体特性数据计算至少一个身体健康参数。
2.根据权利要求1所述的方法，其中，所述至少一个身体健康参数是从包括最大摄氧量和身体组成的组中选择的。
3.根据权利要求1所述的方法，还包括：向用户显示计算出的身体健康参数。
4.根据权利要求1所述的方法，其中，所述身体运动数据是从包括以下项的组中选择的：所述用户的身体的所述运动的幅度、所述用户的身体的所述运动的速度、所述用户的身体的所述运动的重复次数、以及在所述协议锻炼的不同部分期间运动特征之间的关系。
5.根据权利要求1所述的方法，其中，所述身体特性数据是从包括以下项的组中选择的：所述用户的体重、所述用户的身高、所述用户的体脂百分比、所述用户的年龄、以及所述用户的体质指数。
6.根据权利要求1所述的方法，其中，计算至少一个身体健康参数包括对所述身体运动数据的波形分析。
7.根据权利要求1所述的方法，其中，所述刺激是以下中的至少一个：光、声音、音乐、图像、视频、触觉刺激以及语音指令。
8.一种用于确定用户的至少一个身体健康参数的系统，所述系统包括：
处理器；
身体运动传感器；以及
在所述处理器上操作的计算机可执行指令，所述计算机可执行指令用于：
经由接口对所述用户进行提示以提供身体特性数据；
经由所述接口提供刺激以提示所述用户执行锻炼协议；
利用所述身体运动传感器捕捉所述用户的身体的运动数据；并且
采用所述运动数据和所述身体特性数据计算至少一个身体健康参数。
9.根据权利要求8所述的系统，其中，所述至少一个身体健康参数是从包括最大摄氧量和身体组成的组中选择的。
10.根据权利要求8所述的系统，其中，所述计算机可执行指令还包括用于向用户显示计算出的身体健康参数的指令。
11.根据权利要求8所述的系统，其中，所述身体运动数据是从包括以下项的组中选择的：所述用户的身体的运动的幅度、所述用户的身体的运动的速度、所述用户的身体的运动的重复次数、以及在所述协议锻炼的不同部分期间运动特征之间的关系。
12.根据权利要求8所述的系统，其中，所述身体特性数据是从包括以下项的组中选择的：所述用户的体重、所述用户的身高、所述用户的体脂百分比、所述用户的年龄、以及所述用户的体质指数。
13.根据权利要求8所述的系统，其中，所述系统是独立的单元。
14.根据权利要求8所述的系统，其中，计算至少一个身体健康参数包括对所述身体运动数据的波形分析。
15.根据权利要求8所述的系统，其中，所述刺激是以下中的至少一个：光、声音、音乐、视频、图像、触觉刺激以及语音指令。
16.一种包含计算机可执行指令的计算机可读介质，所述计算机可执行指令用于执行用于利用计算单元确定用户的至少一个身体健康参数的方法，所述方法包括：
在所述计算单元处接收关于所述用户的身体特性数据；
提供刺激以提示所述用户执行锻炼协议；
在所述计算单元处接收描述所述用户的身体在执行所述锻炼协议期间的运动的数据；以及
采用所述身体运动数据和所述身体特性数据计算至少一个身体健康参数。
17.根据权利要求16所述的计算机可读介质，其中，所述至少一个身体健康参数是从包括最大摄氧量和身体组成的组中选择的。
18.根据权利要求16所述的计算机可读介质，其中，所述锻炼协议包括涉及所述用户的大量身体肌肉的周期性身体移动。
19.根据权利要求16所述的计算机可读介质，其中，所述身体运动数据是从包括以下项的组中选择的：所述用户的身体的所述运动的幅度、所述用户的身体的所述运动的速度、所述用户的身体的所述运动的重复次数、以及在所述协议锻炼的不同部分期间运动特征之间的关系。
20.根据权利要求16所述的计算机可读介质，其中，所述身体特性数据是从包括以下项的组中选择的：所述用户的体重、所述用户的身高、所述用户的体脂百分比、所述用户的年龄、以及所述用户的体质指数。
21.根据权利要求16所述的计算机可读介质，其中，计算至少一个身体健康参数包括对所述身体运动数据的波形分析。
22.根据权利要求16所述的计算机可读介质，其中，计算至少一个身体健康参数是从包括以下项的组中选择的：对所述身体运动数据的回归分析、对所述身体运动数据的统计学习分析、以及对所述身体运动数据的回归分析和统计学习分析两者。
CN201580061619.6A 2014-11-14 2015-11-11 心肺健康评估 Pending CN106999104A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311175022.7A CN117122311A (zh) 2014-11-14 2015-11-11 心肺健康评估

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
US201462079849P 2014-11-14 2014-11-14
US62/079,849 2014-11-14
US201462093661P 2014-12-18 2014-12-18
US62/093,661 2014-12-18
PCT/IB2015/058712 WO2016075635A1 (en) 2014-11-14 2015-11-11 Cardio-respiratory fitness assessment

Related Child Applications (1)

Application Number Title Priority Date Filing Date
CN202311175022.7A Division CN117122311A (zh) 2014-11-14 2015-11-11 心肺健康评估

Publications (1)

Publication Number Publication Date
CN106999104A true CN106999104A (zh) 2017-08-01

Family

ID=54705234

Family Applications (2)

Application Number Title Priority Date Filing Date
CN201580061619.6A Pending CN106999104A (zh) 2014-11-14 2015-11-11 心肺健康评估
CN202311175022.7A Pending CN117122311A (zh) 2014-11-14 2015-11-11 心肺健康评估

Family Applications After (1)

Application Number Title Priority Date Filing Date
CN202311175022.7A Pending CN117122311A (zh) 2014-11-14 2015-11-11 心肺健康评估

Country Status (6)

Country Link
US (1) US10660566B2 (zh)
EP (1) EP3217875B1 (zh)
JP (1) JP6748076B2 (zh)
CN (2) CN106999104A (zh)
RU (1) RU2017120820A (zh)
WO (1) WO2016075635A1 (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109645970A (zh) * 2018-12-25 2019-04-19 广州康盛科技有限公司 一种戒毒人员的心肺适能测评方法及设备
CN116741376A (zh) * 2023-06-07 2023-09-12 合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室) 心肺耐力测试方法及系统

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3550503A4 (en) * 2016-11-29 2019-10-09 Sony Mobile Communications Inc. INFORMATION PROCESSING, INFORMATION PROCESSING DEVICE AND INFORMATION PROCESSING DEVICE
EP3830811A1 (en) * 2018-07-27 2021-06-09 Tyromotion GmbH System and method for physical training of a body part
CN110477920B (zh) * 2018-10-08 2021-05-21 北京动亮健康科技有限公司 基于跑步机坡度和速度的次极量心肺耐力测试方法和装置
CN112582063A (zh) * 2019-09-30 2021-03-30 长沙昱旻信息科技有限公司 Bmi预测方法、装置、系统及计算机存储介质、电子设备

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1194574A (zh) * 1996-04-08 1998-09-30 精工爱普生株式会社 锻练测验用辅助装置
JP2004073272A (ja) * 2002-08-09 2004-03-11 Konami Sports Life Corp 体力判定装置、体力判定方法、及びプログラム
CN102596014A (zh) * 2009-11-20 2012-07-18 皇家飞利浦电子股份有限公司 体能测试系统

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20010039503A1 (en) * 2000-04-28 2001-11-08 Chan Bryan K. Method and system for managing chronic disease and wellness online
JP2003175139A (ja) 2001-12-12 2003-06-24 Casio Comput Co Ltd トレーニング支援システム及びトレーニング支援方法
GB2422790B (en) 2005-02-07 2007-08-01 Nigel Allister Anstey Measurement of physical fitness
US7558622B2 (en) 2006-05-24 2009-07-07 Bao Tran Mesh network stroke monitoring appliance
CA2654095C (en) 2006-06-01 2015-12-22 Biancamed Ltd. Apparatus, system, and method for monitoring physiological signs
TWI321465B (en) * 2006-12-29 2010-03-11 Ind Tech Res Inst Automatic evaluation method and system of cardio-respiratory fitness
EP2398383A4 (en) * 2009-02-20 2013-07-03 Univ Colorado Regents ARTICLE BASED BODY WEIGHT MONITOR AND POSITIONING INSTRUCTION, CLASSIFICATION OF BODY ACTIVITIES AND ENERGY CONSUMPTION CALCULATOR
US9474472B2 (en) * 2011-12-30 2016-10-25 Intel Corporation Apparatus, method, and system for accurate estimation of total energy expenditure in daily activities
US9005129B2 (en) 2012-06-22 2015-04-14 Fitbit, Inc. Wearable heart rate monitor
EP2745777A1 (en) 2012-12-19 2014-06-25 Stichting IMEC Nederland Device and method for calculating cardiorespiratory fitness level and energy expenditure of a living being
JP5976130B2 (ja) 2012-12-20 2016-08-23 株式会社日立製作所 運動効果分析システム

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1194574A (zh) * 1996-04-08 1998-09-30 精工爱普生株式会社 锻练测验用辅助装置
JP2004073272A (ja) * 2002-08-09 2004-03-11 Konami Sports Life Corp 体力判定装置、体力判定方法、及びプログラム
CN102596014A (zh) * 2009-11-20 2012-07-18 皇家飞利浦电子股份有限公司 体能测试系统

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109645970A (zh) * 2018-12-25 2019-04-19 广州康盛科技有限公司 一种戒毒人员的心肺适能测评方法及设备
CN116741376A (zh) * 2023-06-07 2023-09-12 合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室) 心肺耐力测试方法及系统
CN116741376B (zh) * 2023-06-07 2024-04-05 合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室) 心肺耐力测试方法及系统

Also Published As

Publication number Publication date
RU2017120820A3 (zh) 2019-05-27
RU2017120820A (ru) 2018-12-14
US20170311883A1 (en) 2017-11-02
EP3217875A1 (en) 2017-09-20
WO2016075635A1 (en) 2016-05-19
JP6748076B2 (ja) 2020-08-26
EP3217875B1 (en) 2025-01-29
US10660566B2 (en) 2020-05-26
CN117122311A (zh) 2023-11-28
JP2018503413A (ja) 2018-02-08

Similar Documents

Publication Publication Date Title
US20220219046A1 (en) Smart Gym
Velloso et al. Qualitative activity recognition of weight lifting exercises
JP6748076B2 (ja) 心肺適応能評価
EP3005280B1 (en) Portable computing device and analyses of personal data captured therefrom
Novatchkov et al. Artificial intelligence in sports on the example of weight training
US12142249B2 (en) Information processing apparatus
JP2019000653A (ja) アスレチック運動属性からのペースとエネルギー消費の計算
US11482333B2 (en) Method and an apparatus for determining injury risk of a person based on physiological data
EP3391809A1 (en) Fitness level prediction device, system and method
O'Reilly et al. Mobile app to streamline the development of wearable sensor-based exercise biofeedback systems: system development and evaluation
Milanko et al. LiftRight: Quantifying strength training performance using a wearable sensor
Thomas et al. Relationship between velocity and muscular endurance of the upper body
Pino-Ortega et al. Validity of an inertial device for measuring linear and angular velocity in a leg extension exercise
Milanko et al. Designing just-in-time detection for gamified fitness frameworks
Deshpande et al. Effect of application of fitness app on fitness of physical activity among sedentary people from Barrackpore city in West Bengal
Lam Using Accelerometers to Score a Multi-Domain Return-to-Play Assessment for Youth Post-Concussion
JP7356666B2 (ja) プログラム、情報処理装置、および情報処理方法
AU2013100792A4 (en) An apparatus and method for recording and mapping activity or exercise training output and progress of a subject.
US20240355141A1 (en) Program, information processing device, and information processing method
US20230178233A1 (en) Biomechanics assessment system and biomechanical sensing device and biomechanical assessment platform thereof
Boerhout et al. The Method of Stamp Strike Shout: Force production as behavioural measure of anger coping Part I: Instrumentation and reliability of force parameters
Bhutnal et al. Physio at Home: Survey on AI Motion Tracking for Medical Recovery Exercises and Suggestions Based on Accuracy
Cale et al. Monitoring young people’s physical fitness and physical activity
CN115274047A (zh) 引导式锻炼系统、可编程引导式锻炼教案方法及其系统
Coombes et al. Practical 10 Submaximal tests for cardiorespiratory fitness

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20170801