买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：微软技术许可有限责任公司

摘要：本文公开的示例涉及集成一个或多个用户的健康数据和日历数据，并为所选择的用户提供洞见以帮助用户完成感兴趣的结果。可以基于被确定为与所选择的用户类似的和或用于预测所选择的用户将实现感兴趣结果的可能性的群体组来标识洞见。可以通过监视跟随推荐对所选择的用户实现感兴趣结果的影响来提供额外的洞见。可以基于洞见来提供推荐和或对推荐的更新。

主权项：1.一种计算系统，包括：逻辑子系统，包括逻辑设备；以及存储子系统，包括存储设备，所述存储子系统包括指令，所述指令由所述逻辑子系统可执行以：接收针对用户的健康信息，接收与所述用户的个人安排和工作安排中的一个或多个有关的日历数据，比较所述健康信息和所述日历数据以确定所述用户将满足感兴趣的健康结果的可能性，以及至少基于确定所述可能性低于阈值可能性，输出关于所述感兴趣的健康结果的警报。

全文数据：基于健康相关信息提供洞见背景技术诸如可穿戴设备和智能电话的电子设备可以被配置为跟踪和输出关于人的生理和行为特征的信息，诸如健康和健身数据。发明内容公开了涉及向用户提供健康洞见以帮助用户实现感兴趣的结果的示例。一个示例提供了一种计算系统，其被配置为接收针对用户的健康信息，接收与用户的个人安排和工作安排中的一个或多个有关的日历数据，比较健康数据和日历数据以确定用户将满足感兴趣的健康结果的可能性，并且至少基于确定可能性低于阈值可能性，输出关于感兴趣的健康结果的警报。另一示例提供了一种计算系统，被配置为接收针对多个用户的健康信息，健康信息关于用户执行的健康活动以及针对用户的健康度量中的一个或多个，并且针对所选择的用户，确定包括被确定为关于位置、健康状况、用户偏好和用户习惯中的一个或多个与所选择的用户类似的其他用户的群体组。示例计算系统还被配置为将所选择的用户的健康信息与群体组的每个用户的健康信息进行比较，并且至少基于将所选择的用户的健康信息与群体的每个用户的健康信息进行比较的结果，来输出用于实现所选择的用户的感兴趣结果的推荐。另一示例提供了一种计算系统，其被配置为：接收针对用户的健康信息，该健康信息包括关于用户执行的健康活动的信息；接收针双对用户的日历数据，该日历数据与用户的个人安排和工作安排中的一个或多个有关；并且至少基于用户的健康信息和用户的日历数据来输出用于实现所选择的用户的感兴趣结果的推荐。示例计算系统还被配置为：通过至少基于用户输入和针对用户的感测的活动数据中的一个或多个来确定用户遵循推荐来向用户提供反馈，并且在确定用户遵循推荐之后从接收到的针对用户的感测的健康数据，来确定遵循推荐对向感兴趣结果的进展的影响。示例计算系统还被配置为输出关于效果的警报。提供本发明内容是为了以简化的形式介绍概念的选择，这些概念将在下面的具体实施方式中进一步描述。本发明内容不旨在标识所要求保护的主题的关键特征或必要特征，也不旨在用于限制所要求保护的主题的范围。此外，所要求保护的主题不限于解决在本公开的任意部分中提到的任意或所有缺点的实现。附图说明图1示出了计算设备上的示例用户界面，并且示出了示例健康活动警报，其基于日历数据来指示与感兴趣的结果有关的预测洞见。图2示出了示例用户界面，其示出了与基于日历数据和用户习惯提供的感兴趣结果有关的示例预测洞见。图3A示出了示例健康活动安排警报，其包括基于类似用户的群体组的健康活动的建议。图3B示出了在用户遵循图3A中所示的示例建议之后基于所监视的健康信息的示例健康活动安排警报。图3C示出了示例健康活动安排警报，其包括用户满足感兴趣结果的替代建议。图4A和4B示出了可用于提供健康洞见的示例可穿戴电子设备。图5示出了用于提供健康洞见的示例使用环境的框图。图6示出了提供与健康活动有关的预测性洞见的示例方法。图7示出了确定所选择的用户的群体组的示例方法。图8示出了用于基于遵循与健康活动有关的推荐的效果来提供反馈的示例方法。图9示出了示例计算系统的框图。具体实施方式如上所述，诸如可穿戴设备或移动设备的各种电子设备可以被配置为例如基于传感器数据和或用户输入信息主观跟踪的数据来跟踪用户的健康和与健身有关的数据。例如移动设备可以使用位置传感器和运动传感器来跟踪用户随时间的移动。然后，该数据可用于确定诸如燃烧的卡路里、行进的距离、行进的平均速度和非活动时间的信息。可穿戴设备可以包括附加传感器，诸如可用于检测健康度量的传感器，诸如心率和心率变化、血压例如血压袖带、血氧、皮肤温度和皮肤电反应，作为非限制性示例。主观跟踪的数据可以从其他设备获得，诸如体重和身高尺度。这样的信息可以帮助用户理解瞬时健康状态，以及确定用户的健康特征随时间的趋势。然而，这些设备可能无法提供对可能随时间影响健康特征的因素的洞见，诸如运动更高效的时间，和或运动可改善睡眠质量的时间。此类设备也可能无法例如基于以下各项来提供关于如何改变这些因素以帮助实现感兴趣的健康结果的洞见无论是预测的还是回顾性的：预测因素、从类似用户收集的信息例如谁也在类似的位置和或具有相似的健康状况和或在用户遵循推荐以实现感兴趣的健康结果之后进行的观察。因此，本文公开了涉及使用活动数据和工作生活数据来经由计算设备提供与健康有关的洞见的示例。此类洞见可包括预测性洞见例如用户可能基于未来工作义务来满足感兴趣的健康结果，基于群体的推荐例如基于位置、健康因素以及诸如人口统计和健康兴趣的其他特征的相似用户和或对个人历史数据的回顾性分析例如睡眠与会议次数之间的个人相关性。这些洞见还可以包括用户特定的反馈和推荐，以帮助鉴于遵循过去的洞见的观察到的效果来实现感兴趣的健康结果。此外，通过考虑来自群体的数据，计算系统可以从关于与所选择的用户类似的其他用户的数据学习，并且基于所学习的信息向所选择的用户提供关于如何满足目标或其他感兴趣的结果的推荐。如下面更详细描述的，所公开的示例可以考虑用户和潜在其他用户的工作生活数据和健康数据，以提供可以帮助用户实现感兴趣的与健康有关的结果的推荐。与推荐相关联的感兴趣的与健康有关的结果和或用户偏好可以由用户选择和或基于一个或多个信号推断，诸如搜索查询、浏览器行为、用户计算设备上的应用安装、安排、雇主信息、访问过的场所、锻炼活动、睡眠模式和或任意其他信号。在一些示例中，还可以使用用于确定或推断感兴趣的与健康有关的结果的信号中的一个或多个例如单独或与其他信号组合以提供帮助用户实现感兴趣的与健康有关的结果的推荐。示例健康数据可以包括诸如fc运动效率、运动益处和或睡眠质量的信息，作为运动安排和行为的函数。示例工作生活和或日历数据可以包括安排的会议、事件、设备使用例如电子邮件、电话和其他计算机设备使用、以及关于与工作相关联的习惯和义务的其他信息。本文使用的术语“工作”可以表示与职业相关联的工作活动和义务，包括但不限于在工作中执行的工作、工作会议、电话呼叫、家庭作业、课程、往返工作学校的通勤以及商务旅行、以及与职业相关联的那些工作活动之外的工作活动，包括但不限于家务事、家庭杂务和差事。本文使用的术语“生命”可以表示在用户的生命过程中执行的活动，诸如爱好、社交活动、旅行、家庭活动和或其他生活方式事件。“工作-生活数据”可以表示指示这些活动和或以其他方式与这些活动有关的数据，以及与用户的工作和或工作之外的生活相关联的任意其他安排或习惯活动。工作生活数据还可以包括与工作效率有关的度量，诸如工作或任务完成的速率、发送或接收的电子邮件、击键、鼠标点击等。此外，还可以考虑除工作之外的其他义务，包括但不限于用户日历上的社交、家庭或娱乐事件。下面描述健康数据、工作生活数据以及健康数据和工作生活数据的比较的更详细示例。图1示出了移动设备102上的示例日历用户界面100。用户界面100包括用户日历104，其包括多个安排项106。在该示例中，运动时间在108处被指示为一周中的每一天从下午2点到下午3点发生。在一些示例中，运动时间可以基于经由机器学习算法从传感器数据确定的观察来确定，并且可能在日历上被自动保留。同样地，在一些示例中，该运动时间可以由用户安排。用户日历104中的信息可以为用户提供与健康有关的数据的来源。例如日历中的条目可以指示用户的典型锻炼计划，从而提供与用户执行的过去或预期的未来运动量有关的信息。日历还可以提供关于用户的行踪例如会议约会、假期旅行和其他条目可以链接到特定位置、用户执行的活动、与用户交互的其他个人和或可能与感兴趣的结果相关的其他信息。因此，日历中的数据可以用于帮助生成关于用户可以满足或实现感兴趣的结果的方式的洞见。在所示示例中，安排项目106主要填充用户的日历，并且许多安排项目与日历上显示的典型运动时间重叠。基于与日历相比较的用户健康数据，设备102确定用户可能难以满足运动目标，并显示警报110以通知用户该洞见。所描绘的警报110还向用户提供要采取的补救措施的可选选项，在此示出为用于以下的选项：重新安排运动、或者取消或重新安排其他安排项目106中的一个或多个。在用户选择“重新安排锻炼”时，例如设备102可以为用户锻炼推荐一个或多个其他时间，其基于用户的健康数据被确定为有益并且不会与安排的会议或其他安排的事件的时间一致。这样的确定可以考虑除了安排之外的其他因素，诸如日历分段例如重新安排可以提供减少日历分段的时间、在不同位置的会议之间的旅行时间以及运动效益效率。重新安排或增加的运动时间可以基于每天确定，或者可以作为更新的多日运动时间的安排呈现，以帮助用户在给定时间段例如一周期间满足他她的运动目标。图2示出了另一示例用例，其中基于健康数据和工作生活数据的组合向用户提供预测性洞见。在该示例中，计算设备202在用户界面200上显示警报204以警告用户日历208上的安排休假206可以阻止用户满足与健康有关的目标，诸如卡路里消耗或卡路里燃烧目标。警报204还示出响应选项，诸如在用户的位置附近找到健康的饮食选项以减少卡路里消耗，和或安排额外的运动时间以便于相对于用户的典型休假行为增加卡路里燃烧。在其他示例中，可以响应于在安排过程期间进行的预测来呈现警报。例如在尝试安排与用户的运动时间冲突的会议时，可以呈现指示会议可能影响用户的满足感兴趣的结果的能力例如“您可以安排此会议为下午4点，但是如果您这样做，您将有低于50％的可能性来满足您的步伐目标”的警报。图3A示出了基于健康数据和工作生活数据的组合向用户提供洞见的另一示例。在该示例中，基于关于与所选择的用户类似的其他用户的信息，提供帮助所选择的用户满足感兴趣结果的推荐。这样的类似用户在本文也可以被称为所选择的用户的“群体”，并且所选择的用户和群体可以统称为群体组。在这种情况下，计算设备302在用户界面300上显示关于类似用户例如所选择的用户的年龄和位置范围内的用户的活动的警报304，其可以帮助所选择的用户满足他她感兴趣的结果。在该示例中，警报304通知计算设备的用户类似用户经常在一天中的特定时间例如工作日下午在用户附近的位置例如LakePark执行特定运动活动例如跑步特定时间量例如60分钟。在其他示例中，可以提供任意其他合适的基于群体的洞见。对类似用户的活动的这种洞见可以帮助用户满足他她感兴趣的结果。警报304还可以提供要采取的动作的选项，诸如基于用户的日历安排建议的活动，或者找到替代的运动选项。在所示的示例中，用户的工作日下午大部分是打开的，因此类似用户的下午锻炼安排可能是计算设备的用户感兴趣的。如图3A所示，在选择安排建议的LakePark跑步时，建议的跑步被安排为用户日历306中的空闲时间段期间的锻炼时间，在该示例中示出为在工作日的下午2点到3点之间。在使用个体预测性和或回顾性和或基于群体的洞见来提供推荐的情况下，可以遵循接收推荐的用户的活动以确定推荐是否具有促进向感兴趣的结果的进展的预期效果。图3B示出了在用户遵循建议的运动活动一周之后提供的示例用户界面300。如果过去一周用户的健康数据指示用户满足一些但不是全部感兴趣的结果，则向用户显示警报308，在这种情况下指示满足距离目标，但是没有满足卡路里燃烧目标。警报308还可以提供关于要采取的动作的可选选项，诸如找到满足感兴趣结果的替代建议。响应于选择找到替代建议的选项，如图3B所示，可以更新用户界面300以显示另一个建议活动，如图3C中的警报310所示。在图3C的示例中，替代建议包括在年龄和位置上与所选择的用户类似的人也爬上当地体育场的楼梯的指示，从而使用群体行为来推荐替代活动。警报310还可以提供关于要采取的动作的可选选项，诸如用建议的活动更新用户的安排或者找到其他替代建议以用于满足感兴趣的结果。可以从各种来源获得健康数据和工作生活数据例如位置数据、旅行数据和或与用户的生活方式和或工作有关的其他数据。作为非限制性示例，可以从经由可穿戴或便携式传感器系统获取的传感器数据来确定健康数据和工作生活数据。在其他示例中，可以从任意其他合适的源或源组合获取健康数据和工作生活数据。图4A和4B示出了以可穿戴电子设备10的形式的非限制性示例感觉和逻辑系统的各方面，该可穿戴电子设备10可被配置为跟踪健康数据和工作生活数据，和或向远程设备提供传感器数据原始或处理的，诸如移动或桌面计算设备，以用于分析。应当理解，可穿戴电子设备10是可以收集上述数据的设备的一个示例，并且在其他示例中可以使用可穿戴和或不可穿戴的其他设备。图示的设备是带状的并且可以被穿戴在手腕周围。所描绘的可穿戴电子设备10包括连接较少柔性区域14的多个弯曲区域12。在一些示例中，可穿戴电子设备10的弯曲区域12可以是弹性的。紧固部件16a和16b被布置在可穿戴电子设备10的两端。弯曲区域12和紧固部件16a和16b使得可穿戴电子设备10能够闭合成环并且穿戴在用户的手腕上。在其他示例中，更细长带状的可穿戴电子设备可以穿戴在用户的二头肌、腰部、胸部、踝部、腿部、头部或其他身体部位周围。在这样的示例中，可穿戴电子设备可以采用眼镜、头带、臂带、踝带、胸带或可植入装置的形式以被植入组织中。可穿戴电子设备10包括集成到较不灵活区域14中的各种功能组件。例如可穿戴电子设备10包括计算系统18、显示器20、扬声器22、通信套件24和各种传感器。这些组件从一个或多个能量存储单元26汲取功率。在可穿戴电子设备10中，计算系统18位于显示器20下方并且可操作地耦合到显示器20、以及扬声器22、通信套件24、以及各种传感器和未描述的其他组件例如触觉输出，诸如压电振动器。计算系统18包括用于保存数据和指令的数据存储机器27，以及用于执行指令的逻辑机器28。参考图5和9更详细地描述计算系统18的各方面。通信套件24可以包括任意适当的有线或无线通信组件。在图4A和4B中，通信套件24包括USB端口30，其可用于在可穿戴电子设备10和其他计算机系统之间交换数据，以及提供再充电功率。通信套件24还可以包括双向蓝牙、Wi-Fi、蜂窝、近场通信和或其他无线电。在一些示例中，通信套件可以包括用于光学、视线例如红外通信的附加收发器。在可穿戴电子设备10中，触摸屏传感器32被耦合到显示器20并且被配置为从用户接收触摸输入。按钮传感器可用于检测按钮34的状态，按钮34可包括摇杆。来自按钮传感器的输入可用于制定家庭钥匙或开关功能、控制音量、打开或关闭麦克风等。图4A和4B示出了各种其他示例传感器。这些传感器包括麦克风36、可见光传感器38、紫外线传感器40和环境温度传感器42。麦克风36向计算系统18提供输入，该计算系统18可用于测量环境声级或接收来自穿戴者的语音命令。来自可见光传感器38、紫外线传感器40和环境温度传感器42的输入可用于评估穿戴者的环境的各方面-例如温度、总体照明水平、以及穿戴者是在室内还是室外。图4A和4B还示出了一对接触传感器模块44a和44b，其在穿戴可穿戴电子设备10时接触穿戴者的皮肤。接触传感器模块44a和44b可包括独立或协作的传感器元件，以提供多种传感功能。例如接触传感器模块44a和44b可响应于穿戴者皮肤的电阻和或电容而提供电阻和或电容感觉功能，并且因此可被配置为用作皮肤电反应传感器。在所示的配置中，两个接触传感器之间的间隔提供了相对长的电路径长度，以用于与较短路径相比更精确地测量皮肤电阻。此外，在一些示例中，皮肤温度传感器可以集成到接触传感器模块44a和44b中的一个或两个中，以提供穿戴者皮肤温度的测量。可穿戴电子设备10还可以包括运动感测组件，诸如加速计48、陀螺仪50和磁力计51。加速计48和陀螺仪50可以沿三个正交轴提供惯性和或旋转速率数据以及关于三个轴的旋转数据，以用于组合的六个自由度。例如该感觉数据可用于提供计步器卡路里计数功能。来自加速计48和陀螺仪50的数据可以与来自磁力计51的地磁数据组合，以进一步根据地理取向来定义惯性和旋转数据。可穿戴电子设备10还可以包括全球定位系统GPS接收器52，以用于确定穿戴者的地理位置和或速度。在一些配置中，GPS接收器52的天线可以是相对柔性的并且延伸到弯曲区域12中。计算系统18经由本文描述的感觉功能被配置为获取关于可穿戴电子设备10的穿戴者的各种形式的信息。必须在最大程度上尊重穿戴者的隐私的情况下获取和使用这些信息。因此，可以在受制于穿戴者的选择参与来制定感觉功能。在数据在可穿戴电子设备10上收集并发送到远程系统用于处理的实现中，该数据可以是匿名的。在其他示例中，数据可以被限制在可穿戴电子设备10中，并且仅将摘要数据发送到远程系统。应当理解，图4A和4B中未示出的任意其他合适的传感器可以被包括在可穿戴电子设备10上，诸如心率监测器、一个或多个光学传感器、用于检测大气压力变化的气压计、用于监控睡眠行为的活动记录活动测量传感器等。将进一步理解，尽管图4A和4B示出了可穿戴设备，但是本文描述的方法和技术可以在任意其他合适的计算设备上操作，包括台式计算设备、移动计算设备、其他可穿戴计算设备和没有传感器的计算设备，该传感器可以从诸如可穿戴电子设备10的传感和逻辑设备远程地接收数据。图5示出了示例使用环境500的示意描述，其包括与终端用户504相关联的第一用户设备502。第一用户设备502可以对应于被配置为处理用户健康数据和工作生活数据的任意合适的计算装置，诸如智能手机、平板计算机、膝上型计算机或台式计算机。图1的设备102、图2的设备202、图3A-3C的设备302、以及图4A和4B的设备10是第一用户设备502的示例。与附加的终端用户530相关联的附加的终端用户设备532可以采用类似的形式。第一用户设备502包括一个或多个输入设备510，诸如触摸传感器与显示器集成或分开、键盘和或鼠标。输入设备510还可以包括一个或多个传感器设备514。在其他示例中，用户设备可以不包括传感器设备514，但是可以从驻留在另一设备上的传感器接收传感器数据，诸如来自可穿戴设备518上的传感器516。可穿戴设备518的示例包括腕部或脚踝穿戴设备其示例由图4A和4B中的设备10示出、头戴式设备和夹式设备，被配置为例如经由有线或无线通信链路520与第一用户设备502通信。第一用户设备502还包括一个或多个输出设备522，诸如显示器、扬声器和或触觉输出机构。传感器设备514或传感器516的示例包括一个或多个图像传感器例如摄像机和或深度相机、一个或多个麦克风、一个或多个运动传感器例如加速计、陀螺仪、磁力计等、紫外线传感器、环境温度传感器、皮肤电反应传感器、皮肤温度传感器、光学心率传感器、GPS传感器和气压计。可以例如通过第一用户设备502的计算系统526或直接在可穿戴设备518上分析来自这些传感器的原始输出，以确定诸如用户移动、心率、血压、血氧、燃烧的卡路里、和与睡眠有关的特征例如唤醒的次数和频率、睡眠期间的心血管活动等的作为时间的函数的量。然后可以进一步分析该信息以确定睡眠质量的测量和一个或多个运动益处，诸如运动效率。还可以分析该信息以确定或识别其他洞见的进展，例如增加生产率、减少压力和或实现其他感兴趣的结果的方法。关于睡眠质量、运动益处和其他此类健康特征的时间信息可以与用户活动相关联以确定用户的健康数据，其中健康数据包括关于健康活动安排和健康结果之间的关系的信息。这种关系可以包括，例如与运动益处、运动效率、睡眠质量和其他结果例如体重、身体质量指数和重量减轻相比的基于所执行的用户活动的类型、执行活动的时间、活动的持续时间以及活动的位置例如，家庭与健身房与公园实现的健康效益和健康效率。除了由第一用户设备502收集的传感器数据之外，还可以至少部分地基于用户输入来确定健康活动安排和健康结果之间的关系。用户输入可以用于例如指示正被执行的活动类型、激活第一用户设备502上的运动模式的输入、和或可用于将健康结果与活动安排相关联的任意其他合适的数据。可以确定健康活动安排和健康结果之间的任意合适的相关性，以便提供用于帮助用户达到感兴趣的结果的洞见。例如计算系统526可以从传感器数据确定当用户在早晨而不是在晚上期间运动时可以实现更高的动动效率例如每分钟燃烧的卡路里。作为另一示例，计算系统526可以确定与用户在晚上锻炼的日子相比，用户在早晨锻炼的日子与更好的睡眠质量相关联。作为其他示例，计算系统526可以确定与用户进行剧烈运动例如剧烈跑步的日子相比，用户执行低冲击运动例如瑜伽的日子与更好的睡眠质量相关联。计算系统526还可以检测第二天更好的睡眠质量和更高的工作生产率之间的相关性，和或增加的身体活动和减少的压力水平之间的相关性。在一些示例中，还可以直接在可穿戴设备518上确定这种相关性。计算系统526还可以包括预测组件529和进展跟踪器531。进展跟踪器531可以基于过去的数据来确定用户对感兴趣的结果的进展。来自进展跟踪器531的历史数据可以由预测组件529使用以预测用户将满足感兴趣的结果的可能性和或提供关于跟随推荐对感兴趣的结果的影响的反馈，如关于图8的更详细描述的。在一些示例中，预测组件529还可以基于过去的数据来确定用户的一个或多个感兴趣的结果和或偏好。在一些示例中，基于人口的健康数据可以最初用于推荐针对已经累积了很少个人数据的新用户的健康活动安排。可以经由基于云的服务来从附加的终端用户530及其设备532获得这样的人口数据，在534处示意性地示出的。人口数据可用于确定使用群体确定服务554的类似用户的群体组关于图7更详细地描述和或基于从附加终端用户530及其设备532接收的数据来标识针对终端用户504的附加洞见。随着终端用户504继续使用第一用户设备502，数据可以在其被收集时被应用于分析。从个体收集的数据最终可能会随着时间推移而覆盖人口数据。例如针对活动的初始推荐例如达到健康结果目标可以包括由被确定为与所选择的用户类似的用户执行的、并且适合所选择的用户的安排的活动的选择。在确定所选择的用户喜欢执行哪些活动之后例如基于用户输入和或关于用户跳过或执行哪些活动的观察，可以鉴于由观察到的、群体和反馈数据所获得的洞见来提供更新的推荐。健康数据可用于向用户提供各种推荐。例如关于作为执行的活动和或执行活动的时间的函数的睡眠质量、运动益处、运动效率和其他合适结果的健康数据可用于建议用于执行健康活动的时间和或在那些时间要执行的健康活动。如上所述，用户可能在一天的期间中具有许多义务，这些义务可能干扰用于在建议的时间执行建议的活动并且满足感兴趣的健康结果的用户能力。例如仅对健康数据进行分析可能表明在早晨的锻炼与某些健康益处相关联。如果用户在特定一天的早晨或一周中的多天的早晨安排了会议，则由于这些时间不可用于与健康有关的活动，用户可能不太可能满足与建议活动相关联的感兴趣的结果。因此，健康数据可以与和用户的工作活动有关的工作生活数据结合使用，以预测用户是否可能实现感兴趣的结果，并且在用户不可能实现感兴趣的结果的情况下推荐替代活动。在图5中，第一用户设备502可以经由通信套件536和网络537访问终端用户504的第二用户设备538上的其他数据，诸如日历数据542，其在一些示例中第二用户设备538可以表示工作计算机。并且其中其他数据可以关于终端用户504的个人或工作安排和或用户或工作习惯。日历数据542可以向第一用户设备502通知终端用户504的安排，其可以是用于建议用户可用于用户执行健康活动的锻炼时间。除了日历数据542之外，还可以从其他合适的数据确定或推断其他数据。例如可从第二用户设备538访问的电子邮件数据544可以帮助提供与工作时间或其他用户会议和事件有关的数据，如从电子邮件内容、关键字、邀请等确定的。此外，电子邮件数据544还可以提供与用户登录到工作或其他电子邮件地址或已经接收和发送电子邮件函件的时间有关的信息，指示用户可能正在工作或执行另一与电子邮件有关的任务。作为另一示例，可以从第一用户设备502和或可穿戴设备518提供的传感器数据推断出其他数据，诸如指示用户何时已经坐了延长的一段时间的传感器数据，GPS数据指示用户何时在工作或其他位置等。其他工作生活数据546还可以包括与终端用户504的工作生产率有关的信息，诸如记录的设备使用小时552和网络搜索活动568、终端用户504的压力水平例如，如使用与诸如最近的锻炼和睡眠数据的其他信息相组合的测量或输入的心率变化性来估计的和或其他与健康有关的工作生活信息。第一用户设备502还可以包括客户端程序556，其包括客户端日历功能，其可以反映第二用户设备538上的日历数据542。客户端程序556还可以提供各种消息传送数据560、电子邮件数据561、社交数据566、位置数据569、用户偏好564和其他电话数据564。类似于电子邮件数据544，消息传递数据560和电子邮件数据561可以例如从对文本邀请、电子邮件例如航班确认、警报、提醒等的内容的分析来帮助通知用户何时可能有义务。电话数据562可以例如从对话或语音邮件内容来提供类似的信息。在初始配置或其他用户输入过程期间，还可以经由用户对工作时间的输入来接收工作生活数据。作为又一个示例，还可以从GPS数据推断工作生活数据，其可以指示用户何时在工作位置。在一些示例中，终端用户504的偏好可以用于进一步通知事件的安排。这样，客户端程序556可以包括关于用户偏好564的数据。这样的偏好可以由用户输入，或者可以对应于随时间学习的用户模式。用户偏好564可以包括任意合适的信息，诸如关于终端用户504何时更喜欢锻炼的信息，锻炼的优选持续时间，与健康活动相比的工作会议的优先次序等。第一用户设备502还可以与任意合适的附加用户设备交互，例如诸如另一个可穿戴设备、另一个移动设备、台式个人计算设备、膝上型计算设备、游戏控制台设备、机顶盒设备、或者平板计算机类型的计算设备。附加用户设备可以提供任意其他合适的数据以用于在帮助推荐事件的安排中使用。计算系统526可以组合利用任意或所有上述类型的数据来比较工作生活数据和健康数据，以帮助提供与健康有关的洞见例如与健康有关的结果或在与其他非健康结果有关的洞见中健康信号的使用，诸如生产率，诸如确定用户将实现感兴趣的结果的可能性，和或标识与健康数据可能相关的群体。可以使用任意合适的比较。示例包括关联方法，包括但不限于探索性因子分析、多重相关分析、支持向量机、随机森林、梯度提升、决策树、提升决策树、广义线性模型、偏最小二乘分类或回归、分支定界算法、神经网络模型、深度学习算法、聚类模型、关联规则学习和符号计算引擎。应当理解，这种计算可以附加地或替代地由除第一用户设备502之外的任意其他合适的计算设备来执行。图6示出了示出用于确定和输出用户将满足感兴趣的健康结果的可能性的指示的示例方法600的流程图。例如如果用户感兴趣的结果与每周要完成的运动量有关，则可以执行方法600以评估用户是否在轨道上以满足该运动目标，并且如果存在不满足目标的风险则输出警报。在602处，方法600包括接收针对用户的健康信息。健康信息可以包括关于用户执行的健康活动和或针对用户的健康度量的信息。健康信息可以是感测信息例如指示用户的活动水平、生物特征数据和或其他感测信息，和或由用户输入的数据例如健康数据、偏好、记录的活动。在604处，方法600还包括接收与用户的个人和或工作安排有关的日历数据。例如日历数据可以包括安排的活动、会议和或其他事件。在一些示例中，健康信息和或日历数据还可以包括从评估生产率或电子邮件数据导出的信息。在606处，方法600包括比较健康信息和日历数据。健康信息可以包括关于向感兴趣结果的进展的信息，并且日历数据可以包括可以用于确定进一步向感兴趣的结果进展的机会的安排数据，诸如在不久的将来进行运动的可用时间。比较还可以考虑用户在可用时间可以执行什么类型的运动，以及每种类型的健康益处效率。此外，该比较还可以考虑先前观察到的用户的行为，诸如如果存在在不久的将来预订的旅行，则当用户离开城镇时用户是否通常遵守安排的运动时间。例如健康信息和日历数据的比较可以包括基于可用时间的总量例如运动时间和或基于关于所选择的用户的过去运动行为的信息来确定可以消耗的预测卡路里量。作为另一示例，可以将健康信息和日历数据彼此进行比较以标识安排冲突例如与感兴趣的结果无关的活动重叠与感兴趣的结果有关的安排的活动的时间和或用户安排中的空闲时间例如可用于与感兴趣结果有关的活动的空闲时间。当确定可用的用于运动的时间时，可以从日历中的空闲时间中排除睡眠时间、进餐时间、通勤时间、工作时间和或可能未被安排的其他常规活动。也可以从日历中的空闲时间中排除非常规时间。非常规时间进一步可以从在计算洞见中使用的数据中排除，或者用作洞见创建的一部分例如取决于正在生成的洞见。例如航班时间和或其他与旅行有关的时间例如包装、通过机场的安全性等可能未被明确安排在用户的日历中，但可以从航班时间和或其他数据推断。由于这样的活动可能阻止用户执行健康活动，因此可以将他们从用户的安排安排中的空闲时间的确定中排除。在608处，方法600包括基于健康信息和日历数据的比较来确定用户将满足感兴趣的健康结果的可能性。可能性可以以任意合适的方式确定。作为说明性示例，可能性可以被确定为实际将要被实现的感兴趣结果的估计比例例如用户可能在每周20英里的目标之外跑18英里，或者作为实际上可以实现的完整的感兴趣的结果的概率。然后在610将所确定的可能性与阈值可能性进行比较。在一些示例中，阈值可以是固定的，而在其他示例中，可以基于各种因素来调整阈值。作为示例，可以基于用户过去的运动健康行为来调整阈值，诸如用户的过去在满足目标中的成功。作为更具体的示例，如果用户在过去几周内满足或超过了感兴趣的结果，则阈值可以低于用户在过去几周内没有满足感兴趣的结果的情况。如果用户将满足感兴趣的健康结果的可能性不高于阈值可能性，则方法600进行到612以输出关于感兴趣的健康结果的警报。警报可以包括任意合适的信息。例如警报可以包括关于用户不可能满足感兴趣的结果的原因的信息例如如图1的110所示，和或导致该确定的数据的表示。警报还可以包括在用户界面上的、用户可以选择以帮助满足感兴趣的结果的可选动作的显示。可以呈现和或采取任意合适的动作来帮助用户满足感兴趣的结果。示例包括确定可以被取消或重新安排的会议，以及在其位置安排的运动，或允许用户选择会议以重新安排。另一方面，如果用户将满足感兴趣的健康结果的可能性高于阈值，则方法600包括继续监视用户的健康信息和日历数据。图7示出了描绘用于提供与用户的群体组有关的洞见的示例方法700的流程图。在702处，方法700包括接收多个用户的健康信息。例如可以在服务器计算系统处从多个用户的每个用户的一个或多个终端用户设备接收该信息。在704处，该方法包括为多个用户中的所选择的用户确定群体组。群体组可以基于关于用户之间的相似性的任意合适的信息，诸如位置例如地区、地理特征、气候天气模式和或其他位置信息、与活动有关的信息例如数量、类型、位置、偏好、执行的时间等、感兴趣的结果、以及医疗或健康因素例如饮食限制、正在服用的药物、医疗条件和或选择由用户共享的其他医疗数据。在一些示例中，用户中的相似性可以通过一种或多种聚类方法来确定，这些聚类方法评估总用户群体中的趋势以确定用户之间的分组。聚类方法可以用于确定可以选择哪些类型的健康信息或其他数据来查找与所选择的用户类似的用户。例如聚类对多个用户起作用以标识与位置、健康状况、用户偏好、用户习惯、人口统计和或生理特征中的一个或多个有关的用户之间的共享属性。例如用户习惯可以包括用户执行的历史活动和或用户习惯性地执行的活动例如每天在同一时间的锻炼。在其他示例中，可以使用任意其他合适的方法来标识群体。在一些示例中，群体可以具有固定的定义，使得每次标识或更新群体组时应用相同的定义。在其他示例中，群体组的定义可以例如基于为所选择的用户标识了多少群体而改变。作为一个这样的示例，最初可以应用较严格的约束，并且如果太少的群体被确定，则可以逐渐放松约束，直到标识出足够数量的群体。作为更具体的示例，群体组最初可以被定义为具有跑步的运动偏好的用户，其位于所选择的用户的10英里内并且具有在所选择的用户的年龄的5年内的年龄。如果该群体组中用户的数目小于阈值，则可以将位置约束放宽到20英里，和或可以将年龄约束放宽到7年内。在706处，方法700包括将所选择的用户的健康信息与群体组的其他用户的健康信息进行比较。例如可以被执行以满足所选择的用户的所选择的感兴趣的结果的活动可以与群体组的其他用户的活动以及那些活动对满足其他用户的感兴趣结果的影响进行比较。以这种方式，活动对群体组中的用户的影响可以用于估计那些相同活动对所选择的用户的影响，其可以用于向用户提供与群体有关的洞见。因此，在708处，方法700包括基于在710处执行的比较来确定用于实现所选择的用户的感兴趣的结果的推荐。例如如果群体组的用户骑自行车30分钟比跑步30分钟燃烧更多的卡路里，针对与燃烧卡路里有关的兴趣结果的推荐可以包括建议用户将一个或多个安排跑步改为骑自行车。作为另一示例，群体可以包括对相同活动感兴趣的用户，并且可以基于为群体组中的其他用户接收的健康信息向所选择的用户建议执行该活动的参数例如“在早上的时间骑自行车的人有更有效的骑行”。在710处，方法700包括将推荐输出到用户界面，例如作为警报。警报可以包括采取有关动作的选项，诸如自动或半自动地安排推荐活动，如上面参考图6所讨论的。在图3A的304处示出了基于群体组的推荐的输出的示例。在输出推荐之后，该方法可以可选地进行到图8的方法800如图7和8之间的连接器“A”所示，以确定遵循推荐对感兴趣的结果的影响，并提供与遵循推荐有关的反馈。这样的反馈可以帮助所选择的用户确定推荐是否有助于满足感兴趣的结果。因此，在802处，方法800包括例如通过将推荐的参数例如活动、执行活动的时间位置等与用户的实际行为进行比较来确定用户遵循推荐。在确定用户遵循推荐的情况下，方法800包括在804接收用户的感测健康数据，并从感测到的健康数据确定推荐的影响。影响可能是直接影响，或推荐活动对较长趋势的估计影响。在808处，该方法包括向用户界面输出关于影响的警报。例如警报可以包括关于推荐活动是否比替换推荐活动的活动更有效的通知。例如警报可以通过执行推荐活动来指示用户是否朝向感兴趣的结果进展和或朝向感兴趣的结果进行的进展量例如朝向目标的进展的百分比。警报还可以包括在用户界面上的可选择的用户界面控件，其呈现要采取的动作的选项，诸如如果推荐活动不比先前活动更有效例如如果用户在执行推荐活动后不可能达到感兴趣的结果，则恢复到先前活动例如将未来的安排运动改变为基于跑步的运动或安排不同的推荐活动的选项。方法800还可以包括在810处基于效果输出更新的推荐。例如如果最初推荐骑自行车，但随后确定不与用户跑步一样有效，则更新的推荐可以包括安排额外跑步会话的选项。该效果可以反馈到计算系统中并用于个性化提供给用户的与健康有关洞见和或推荐。例如成功帮助用户满足感兴趣结果的活动类型或其他动作可用于建议用户可能具有兴趣的其他结果，和或帮助用户满足其他感兴趣的结果。作为另一个示例，可能不会在以后建议不能成功帮助用户满足感兴趣结果的活动类型或其他动作以满足其他感兴趣的结果，或者可以用于修改提供用于满足用户感兴趣的结果的推荐类型。应当理解，这些反馈的具体示例旨在是说明性的而非限制性的，并且可以提供关于先前推荐的任意其他合适的反馈。上述示例可以包括在系统中，以基于来自各种来源的用户数据向用户提供高级健康洞见集合，包括健身数据、个人健康信息、生产率数据和其他来源例如安排数据、地理位置、旅行等。所描述的示例可以提供对其健康和安康采取主动和预防性方法的能力。所描述的系统和方法通过利用来自一个或多个源的用户数据来为用户提供可动作的与健康有关的洞见来实现该目标。洞见可以是用户或由至少部分地代表用户操作的系统的信息、相关和可选地可动作的。健康洞见可以是基于人群的-基于所有用户的活动，也可以是针对用户个人的，因为它们基于用户自己的数据，或者因为它们基于与用户相关的人群数据，基于群体或兴趣。存在可用于提供隔离或跨不同领域组合时的洞见的许多数据源，包括来自可穿戴设备和电话应用的健身数据、来自个人助理的安排和位置数据、来自搜索引擎的搜索和浏览数据、基因组数据、和个人健康信息。这些数据流为洞见生成提供值，以标识相关性双变量和多变量、关联、趋势和异常、以及支持预测和提供内容推荐。来自不同来源的用户数据的组合还可以支持取决于可用数据的独特的和区分的洞见的生成。可以基于用户的个人数据或与该数据相关的个人数据来创建健康洞见。一些示例包括人口统计或生理特征身高、体重、年龄、性别、在线行为：搜索历史、浏览历史、应用下载、来自可穿戴设备的生物特征数据，诸如锻炼事件、心率数据、睡眠数据、安排数据：会议、模式、参与健康动作计划、诸如地理位置、主要次要枢纽、访问场所等位置数据。这些洞见可能对用户来说是有趣的，因为它们基于个人数据“在你有很多会议时的那些天你的睡眠效率很差”，基于与用户有关的人群数据，和或基于群体，例如人口统计和生理相似的人。用户可以是多个群体的成员，其中群体可以预先定义或者从用户数据动态学习，可以是基于兴趣的，例如参与类似体育活动的人“在早晨骑自行车的人有更有效的骑行”，以及基于位置“您所在地区的人们在早上时间跑步更有效”，作为示例。洞见可以具有目标结果“通道”。通道是用户关心的主题，其具有用于优化或改进的特定度量。通道的示例包括睡眠、运动、压力、营养、生产率、疾病预防和糖尿病。结果通道可以影响观看洞见的上下文以及其外观，例如可以在用户体验中的洞见旁边查看表示结果通道的图标。洞见可以具有如下的剖析结构，其中根据洞见的性质包括不同的部分：事实-发现的信息是什么；相关性注释-这意味着什么，解释为什么这是相关的，为什么现在；号召动作-建议什么动作；结果通道-这种洞见旨在影响的预期结果是什么。洞见可能具有一系列属性，包括音调、类别、置信度、方向性以及影响洞见如何呈现给用户的一系列其他属性。洞见可以旨在使用户在可应用的情况下采取动作，建议诸如以下的动作：在日历上安排时间；参与计划；通过推荐替代方案来改变习惯和模式；深入研究数据；在较晚的日期采取后续行动。在健康洞见的一些示例中，系统可以推荐未来的动作。可以添加代表用户的动作例如：“您在早上跑步更高效，我明天早上阻止您的日历”。这些洞见可以在跨用户体验画布中呈现给用户，包括按需反应场景、主动、任务栏提示或通知。不是推荐动作，而是洞见也可以是观察的报告从用户观察到的行为并且还向他们提供反馈意图通过提供动机内容来影响行为，无论其具有正面还是负面的基调。可以使用任意合适的方法来生成这些洞见，包括相关系数在两个变量之间到复杂的监督、半监督和无监督的机器学习方法包括关联规则学习，其可以学习涉及多个变量的更丰富的洞见。许多数据源可用于提供隔离的或跨不同域组合时的洞见，包括来自可穿戴设备和电话应用的健身数据包括步骤、睡眠、锻炼和心率数据、来自个人助理的安排和位置数据、来自搜索引擎的搜索和浏览数据、基因组数据和个人健康信息。数据是纵向的，包含用户标识符，用于将长期活动归因于同一用户。可以提供的洞见的示例包括：比较基准“像你这样每天燃烧1650卡路里的人”；二元相关：两个变量之间的统计关系；个人关联“你的跑步在早上更高效”；人群相关；群体特定“你比大多数同龄女性更高效地运动”；人口“具有较低BMI的人有更好的睡眠”趋势例如单个变量的增加或减少趋势；异常例如单个变量中的异常值检测；多变量关联和相关性多个变量1和结果变量之间的相关性-这些变量及其相互关系可以从给定特定结果的数据中学习；预测关于未来事件的预测，例如“考虑本周您的安排，很难满足您的步骤目标”-预测可以是短期、中期或长期性质的；异常相关性“在你旅行时你消耗更多卡路里”；以及基于群体的建议“雷德蒙德的一条受欢迎的自行车道是Sammamish河道”。利用许多不同类型的洞见和洞见的来源，需要注意组合和呈现洞见以移除重复并且还处理多个洞见源之间的冲突。可用于洞见的生成的信号包括生物特征数据，诸如心率，以及可能启示随时间演进兴趣的其他信号。例如可能启示特定关注焦点的搜索查询，例如对与医疗状况的可能存在有关的症状有强烈兴趣。在一些示例中，洞见可以伴随有解释。例如活动中的异常可以与旅行模式或可以从用户数据观察到的其他因素相关联。如果存在与针对用户是非典型的事件有关的数据例如用户正在旅行并且影响他们的旅行模式，则这些非常规时段可以在某些洞见的计算例如活动趋势中忽略或用作其他人的计算中的解释例如行为中的异常。可以将解释与相关联的洞见的指示一起呈现给用户，和或可以响应于来自用户的用于查看关于相关联的洞见的更多信息的请求来呈现解释。解释可以包括用于确定洞见的健康信息、日历数据和或健康信息和日历数据的比较的指示。可以以多种方式定义用户群体。可以基于诸如年龄、性别或位置的用户属性和或基于他们对相关主题的兴趣程度来预先定义它们。它们也可以使用聚类方法或无监督学习技术从数据中动态学习。并非所有群体都适用于所有类型的洞见。所选择的群体可以尝试尽可能具体，并且如果在群体内没有检测到相关性或关联性，则系统可以撤回到更广泛的群体。群体洞见可以被配置为与他们相关联的用户相关。为了使群体洞见与特定用户相关联，它可以满足群体关联标准，诸如以下示例：洞见反映人口统计学和或生理学相似的人；洞见与用户感兴趣的事物有关，如体育活动类型例如自行车或用户试图改进的领域例如睡眠；洞见与用户的位置有关。可以使用启发法来基于最小支持和与因子诸如每周有氧运动分钟、年龄、位置例如，在相同状态内和用户活动在过去y个月内至少x次活动有关的预先指定的范围将用户与群体相关联。关于洞见的反馈的收集和监视，无论是明确的竖起拇指拇指向下还是隐含的在已经阅读洞见之前和之后对比用户活动可以用于帮助理解洞见的效用，其可以提供用于向用户呈现的排名和推荐洞见的方法。可以从一系列用户数据源学习用户健康偏好，包括动作计划成员资格、搜索活动、应用程序安装、浏览数据、记录的活动等。这些偏好可以基于每个用户或者如果缺少用户数据则解决冷启动问题按照他们所属的群体通知可能对特定用户有用的特定兴趣的选择。可以在许多不同的地方显示洞见，包括在可穿戴设备上，在电话上，在应用内部，通过操作系统例如弹出窗口或任务栏上的通知，或者甚至在第三方应用中。更丰富的数据还可以支持创建超出健身重点的其他洞见，包括利用个人健康信息的那些来自电子健康记录，实验室测试，索赔数据和或其他健康信息来源以及来自基因组数据的那些例如“你有一个CYP1A2基因的C变种-当天晚些时候喝咖啡会严重影响你的睡眠”。针对关于敏感健康问题例如疾病的早期检测的洞见，可能不适合直接在画布上显示所有用户要看的洞见。这些洞见可以经由诸如电子邮件或文本消息的通信通道来私下与用户共享。在用户同意的情况下，这些洞见也可以直接与医疗专业人员共享。因此，上述系统和方法可以包括以下方面：基于从不同来源挖掘的用户数据的健康洞见的生成，使用自上而下假设驱动和自下而上数据驱动方法生成洞见，通过组合来自不同用户数据的来源的信号的健康洞见的生成，将洞见范围界定到不同人群，从个人、群体和一般人群的范围变化，和或具体的健康洞见可以是具有兴趣的用户包括用户群体的标识。在一些实施例中，本文描述的方法和过程可以绑定到一个或多个计算设备的计算系统。特别地，这些方法和处理可以实现为计算机应用程序或服务、应用程序编程接口API、库和或其他计算机程序产品。图9示意性地示出了可以实施上述方法和过程中的一个或多个的示例计算系统900。计算系统900以简化形式示出。计算系统900可以采用一个或多个个人计算机、服务器计算机、平板计算机、家庭娱乐计算机、网络计算设备、游戏设备、移动计算设备、移动通信设备例如智能电话和或其他计算设备的形式。本文前面描述的各种计算设备和可穿戴设备可以是计算系统900的示例。计算系统900包括逻辑子系统902和存储子系统904。计算系统900可以可选地包括显示子系统906、输入子系统908、通信子系统910和或图9中未示出的其他组件。逻辑子系统902包括被配置为执行指令的一个或多个物理设备。例如逻辑子系统902可以被配置为执行作为一个或多个应用、服务、程序、例程、库、对象、组件、数据结构或其他逻辑构造的一部分的指令。可以实现这样的指令以执行任务，实现数据类型，转换一个或多个组件的状态，实现技术效果，或以其他方式达到期望的结果。逻辑子系统902可以包括被配置为执行软件指令的一个或多个处理器。附加地或替代地，逻辑子系统902可以包括被配置为执行硬件或固件指令的一个或多个硬件或固件逻辑机器。逻辑子系统902的处理器可以是单核或多核，并且在其上执行的指令可以被配置用于顺序、并行和或分布式处理。逻辑子系统902的单独组件可选地可以分布在两个或更多个分离的设备中，这些设备可以远程定位和或配置用于协同处理。逻辑子系统902的各方面可以由在云计算配置中配置的远程可访问的联网计算设备虚拟化和执行。存储子系统904包括一个或多个物理设备，其被配置为保存可由逻辑子系统902执行的指令，以实现本文描述的方法和过程。当实现这样的方法和过程时，可以变换存储子系统904的状态-例如以保持不同的数据。存储子系统904可以包括可移动和或内置设备。存储子系统904可以包括光学存储器例如CD、DVD、HD-DVD、蓝光盘等、半导体存储器例如RAM、EPROM、EEPROM等和或磁存储器例如、硬盘驱动器、软盘驱动器、磁带驱动器、MRAM等、等等。存储子系统904可以包括易失性、非易失性、动态、静态、读写、只读、随机访问、顺序访问、位置可寻址、文件可寻址和或内容可寻址设备。应当理解，存储子系统904包括一个或多个物理设备。然而，本文描述的指令的各方面可替代地可以由通信介质例如电磁信号、光信号等传播，该通信介质在有限的持续时间内不被物理设备保持。逻辑子系统902和存储子系统904的各方面可以一起集成到一个或多个硬件逻辑组件中。例如，这种硬件逻辑组件可以包括现场可编程门阵列FPGA、程序和专用集成电路PASICASIC、程序和应用专用标准产品PSSPASSP、片上系统SOC和复杂可编程逻辑器件CPLD。当包括时，显示子系统906可用于呈现由存储子系统904保持的数据的视觉表示。该视觉表示可采取图形用户界面GUI的形式。由于本文描述的方法和过程改变了存储机器所保持的数据，并因此改变了存储机器的状态，所以显示子系统906的状态同样可以被转换以在视觉上表示底层数据的变化。显示子系统906可以包括利用几乎任意类型的技术的一个或多个显示设备。这样的显示设备可以与共享外壳中的逻辑子系统902和或存储子系统904组合，或者这样的显示设备可以是外围显示设备。当包括时，输入子系统908可以包括一个或多个用户输入设备或与其对接，例如键盘、鼠标、触摸屏或游戏控制器。在一些实施例中，输入子系统可以包括选定的自然用户输入NUI组件或与其对接。这种组件可以是集成的或外围的，并且输入动作的转换和或处理可以在板上或板外处理。示例NUI组件可以包括用于语音和或语音识别的麦克风；用于机器视觉和或手势识别的红外、彩色、立体和或深度相机；用于运动检测和或意图识别的头部跟踪器、眼睛跟踪器、加速度计和或陀螺仪；以及用于评估大脑活动的电场感应组件。当包括时，通信子系统910可以被配置为将计算系统900与一个或多个其他计算设备通信地耦合。通信子系统910可以包括与一个或多个不同通信协议兼容的有线和或无线通信设备。作为非限制性示例，通信子系统可以被配置用于经由无线电话网络或有线或无线局域网或广域网进行通信。在一些实施例中，通信子系统可以允许计算系统900经由诸如因特网的网络向其他设备发送消息和或从其他设备接收消息。另一示例提供了一种计算系统，包括：逻辑子系统，包括逻辑设备；以及存储子系统，包括存储设备，所述存储子系统包括由逻辑子系统可执行的用于以下各项的指令：接收针对用户的健康信息，接收与用户的个人安排和工作安排中的一个或多个有关的日历数据，比较健康信息和日历数据以确定用户将满足感兴趣的健康结果的可能性，并且至少基于确定可能性低于阈值可能性，输出关于感兴趣的健康结果的警报。在这样的示例中，指令可以附加地或替代地可以进一步执行以输出用于确定用户将满足感兴趣的健康结果的可能性的健康信息和或日历数据的解释。在这样的示例中，健康信息可以附加地或替代地包括关于用户的被监视的生物特征数据、针对用户的被监视的健身数据、针对用户的健康记录和或实验室测试信息、针对用户的被监视的睡眠数据、和针对用户的基因组数据中的一个或多个的信息。在这样的示例中，可以附加地或替代地在一段时间内监视生物特征数据、健身数据和睡眠数据。在这样的示例中，接收用户的健康信息可以附加地或替代地包括从多个健康信息源接收健康信息。在这样的示例中，指令可以附加地或替代地可执行以通过确定冲突的运动时间和工作会议时间的量来比较健康信息和日历数据。在这样的示例中，指令可以附加地或替代地可执行以通过确定用于运动的可用时间的总量来比较健康信息和日历数据。在这样的示例中，指令可以附加地或替代地可执行以通过排除睡眠时间、通勤时间、进餐时间、非常规时间和工作时间中的一个或多个来确定用于运动的可用时间的总量。在这样的示例中，指令可以附加地或替代地可执行以通过以下项来比较健康信息和日历数据：至少基于可用时间的总量并且还至少基于关于用户的过去运动行为和或相关联的上下文中的过去的用户行为模式的信息，来确定可以消耗的预测的卡路里的量。在这样的示例中，关于所述用户的所述过去运动行为的所述信息附加地或替代地包括关于运动益处、运动效率和运动行为对睡眠质量的影响中的一个或多个的信息。在这样的示例中，警报可以附加地或替代地包括用于调整用户的安排的推荐。在这样的示例中，推荐可以附加地或替代地至少基于被确定为与用户相似的其他用户的群体组。在这样的示例中，群体组可以附加地或替代地至少基于关于用户以及被确定为与用户类似的其他用户的位置、健康状况、用户偏好和用户习惯中的一个或多个的相似性。可以在各种实现中以任意合适的方式组合任意或所有上述示例。另一示例提供了一种计算系统，包括：逻辑子系统，包括逻辑设备；以及存储子系统，包括存储设备，该存储子系统包括由逻辑子系统可执行的指令，用于针对多个用户的每个用户接收包括关于用户执行的健康活动和针对用户的健康度量中的一个或多个的信息的健康信息，对于多个用户中的所选择的用户，确定包括被确定为关于位置、健康状况、用户偏好和用户习惯中的一个或多个与所选择的用户相类似的其他用户的群体组，将所选择的用户的健康信息与群体组的每个用户的健康信息进行比较，并至少基于将所选择的用户的健康信息与群体组的每个用户的健康信息进行比较的结果，输出用于实现所选择的用户的感兴趣的结果的推荐。在这样的示例中，指令可以附加地或替代地可执行以确定群体组是可执行的以对多个用户执行群集功能以标识与位置、健康状况、用户偏好、基因组数据、生理信号和用户习惯中的一个或多个有关的共享属性。在这样的示例中，推荐可以附加地或替代地包括由群体组的用户执行的活动。在这样的示例中，推荐可以附加地或替代地包括执行活动的位置和执行活动的时间中的一个或多个。在这样的示例中，指令可以附加地或替代地可执行以监视健康数据以确定用户执行活动，通过执行活动来确定用户是否朝向感兴趣的结果进展，并且基于用户是否朝向感兴趣的结果进展和朝向感兴趣的结果的进展量中的一个或多个输出警报。在这样的示例中，指令可以附加地或替代地可执行以基于确定用户不可能实现感兴趣的结果来提供不同的推荐。可以在各种实现中以任意合适的方式组合任意或所有上述示例。另一示例提供了一种计算系统，包括：逻辑子系统，包括逻辑设备；以及存储子系统，包括存储设备，该存储子系统包括由逻辑子系统可执行的指令，用于：接收针对用户的健康信息，该健康信息包括关于由用户执行的健康活动的信息；接收针对用户的日历数据，该日历数据与用户的个人安排和工作安排中的一个或多个有关；至少基于针对用户的健康信息和针对用户的日历数据输出用于实现针对所选择的用户的感兴趣结果的推荐；至少基于用户输入和针对用户的感测的活动数据中的一个或多个来确定用户遵循推荐；在确定用户遵循推荐之后，从接收到的针对用户的感测到的健康数据，确定遵循推荐对朝感兴趣结果的进展的影响，并输出关于效果的警报。在这样的示例中，关于效果的警报可以附加地或替代地包括执行不同活动的推荐。在这样的示例中，执行不同活动的推荐可以附加地或替代地至少基于被确定为与用户相似的其他用户的群体组。在这样的示例中，群体组可以附加地或替代地至少基于关于用户和被确定与用户相似的其他用户的位置、健康状况、用户偏好、用户生理信号、用户基因组学和用户习惯中的一个或多个的相似性。在这样的示例中，可以附加地或替代地至少基于先前安排的活动和或要安排的活动不可能帮助用户满足感兴趣的结果的预测来输出用于执行不同活动的推荐。在这样的示例中，指令可以进一步可执行以将效果提供给计算系统作为反馈以个性化提供给用户的未来洞见。可以在各种实现中以任意合适的方式组合任意或所有上述示例。应当理解，本文描述的配置和或方案本质上是示例的，并且这些具体实施例或示例不应被视为具有限制意义，因为许多变型是可能的。本文描述的特定例程或方法可以表示任意数量的处理策略中的一个或多个。这样，示出和或描述的各种动作可以以所示和或描述的顺序、以其他顺序、并行或省略来执行。同样，可以改变上述过程的顺序。本公开的主题包括各种过程、系统和配置以及本文公开的其他特征、功能、动作和或性质、以及及其任意和所有等价物的所有新颖和非显而易见的组合和子组合。

权利要求：1.一种计算系统，包括：逻辑子系统，包括逻辑设备；以及存储子系统，包括存储设备，所述存储子系统包括指令，所述指令由所述逻辑子系统可执行以：接收针对用户的健康信息，接收与所述用户的个人安排和工作安排中的一个或多个有关的日历数据，比较所述健康信息和所述日历数据以确定所述用户将满足感兴趣的健康结果的可能性，以及至少基于确定所述可能性低于阈值可能性，输出关于所述感兴趣的健康结果的警报。2.根据权利要求1所述的计算系统，其中所述指令还可执行以输出被用于确定所述用户将满足所述感兴趣的健康结果的所述可能性的所述健康信息和或所述日历数据的解释。3.根据权利要求1所述的计算系统，其中所述健康信息包括关于以下项中的一项或多项的信息：针对所述用户的所监视的生物特征数据、针对所述用户的所监测的健身数据、针对所述用户的健康记录、针对所述用户的所监测的睡眠数据、以及所述用户的基因组数据。4.根据权利要求3所述的计算系统，其中所述生物特征数据、健身数据、和睡眠数据在一段时间内被监视。5.根据权利要求1所述的计算系统，其中接收针对所述用户的所述健康信息包括从多个健康信息源接收所述健康信息。6.根据权利要求1所述的计算系统，其中所述指令可执行以通过确定冲突的运动时间和工作会议时间的量来比较所述健康信息和所述日历数据。7.根据权利要求1所述的计算系统，其中所述指令可执行以通过确定用于运动的可用时间的总量来比较所述健康信息和所述日历数据。8.根据权利要求7所述的计算系统，其中所述指令可执行以通过排除睡眠时间、通勤时间、进餐时间、非常规时间和工作时间中的一个或多个来确定用于运动的可用时间的所述总量。9.根据权利要求7所述的计算系统，其中所述指令可执行以：至少基于可用时间的所述总量并且还至少基于关于所述用户的过去运动行为和或相关联的上下文中的过去的用户行为模式的信息来确定能够被消耗的预测卡路里量，来比较所述健康信息和所述日历数据。10.根据权利要求9所述的计算系统，其中关于所述用户的所述过去运动行为的所述信息包括关于运动益处、运动效率和运动行为对睡眠质量的影响中的一个或多个的信息。11.根据权利要求1所述的计算系统，其中所述警报包括用于调整所述用户的安排的推荐。12.根据权利要求11所述的计算系统，其中所述推荐基于被确定为与所述用户相似的其他用户的群体组。13.根据权利要求12所述的计算系统，其中所述群体组基于关于所述用户以及被确定为与所述用户类似的所述其他用户的位置、健康状况、用户偏好和用户习惯中的一个或多个的相似性。

百度查询： 微软技术许可有限责任公司 基于健康相关信息提供洞见