随着我国人口老龄化进程加速（60岁以上人口已超2.8亿），基层社区卫生服务中心和养老机构面临巨大的老年健康管理压力。传统的健康评估方式高度依赖纸质问卷和医生手工计算，存在以下痛点：
效率低下：一次完整的老年综合评估（体成分分析 + 功能测试 + 心理量表 + 疾病诊断）需要花费 30-45分钟，且人工计算风险等级容易出错
数据割裂：InBody体成分检测设备产生的数据与日常评估记录互相独立，无法形成连续的健康档案，医生难以追踪老年人的健康变化趋势
标准化缺失：不同机构的评估标准不统一，缺乏基于循证医学的量化风险评估体系（如肌少症、衰弱、跌倒风险等老年综合征的判定）
干预脱节：评估完成后缺乏自动化的干预方案生成能力，医生的运动处方和饮食建议高度依赖个人经验
本系统面向基层医疗机构和社区健康管理中心，通过数字化手段将评估流程标准化，利用可配置规则引擎自动计算五维健康风险，整合InBody 数据导入、心理量表计分、智能干预方案生成等功能，构建了"评估 → 风险分层 → 干预 → 趋势追踪"的闭环管理流程。
系统围绕"评估 → 风险分层 → 干预 → 追踪"四大环节设计：
老年人档案管理：支持基本信息录入、多条件查询、逻辑删除，根据出生日期自动计算年龄。
综合评估流程：单次评估整合六大类数据——功能测试（握力、前伸测试、单脚站立）、InBody体成分（BMI、体脂百分比、骨骼肌指数、腰臀比、内脏脂肪等级等 15+ 指标）、WHO-5
幸福指数量表（自动计算百分制得分）、体能素养量表（18 题自动计分）、运动习惯问卷、疾病诊断列表。支持 InBody 数据Excel/CSV 批量导入。
智能规则引擎：根据年龄、性别自动匹配评估规则，计算肌少症、肥胖、心血管、心理健康、行动能力五维风险等级（LOW/MEDIUM/HIGH），综合风险取各维度最高值。评估规则支持后台动态配置，无需修改代码即可调整阈值。
智能干预方案：根据评估结果自动生成运动处方（运动类型、频率、强度、注意事项）和饮食方案（热量目标、营养素比例、膳食计划），支持干预执行记录与效果跟踪。
数据可视化仪表盘：首页展示五维风险雷达图、风险等级饼图、近 6 月评估趋势折线图、高风险/待跟进人数统计卡片。
健康趋势分析：支持单指标历史趋势折线图、各维度风险变化轨迹、两次评估差异对比（自动标注改善/恶化指标）、高风险人群自动筛选预警。
报告导出：Word 格式综合评估报告导出，支持异步处理。
系统管理模块包含用户、角色、菜单、字典等 RBAC 权限管理功能。
架构：Spring Cloud Alibaba 微服务 + Vue 3 前后端分离，包含 7 个独立服务——Gateway 网关（鉴权路由）、Auth认证服务、System 系统管理、Assessment 评估业务（核心）、File 文件服务、Gen 代码生成、Job 定时任务。
技术栈：Spring Boot 2.7.18 + Spring Cloud 2021.0.9 + Nacos 2.2.3（注册配置中心）+ Spring Cloud Gateway + MyBatis-Plus+ MySQL 8.0 + Redis + JWT + Apache POI + XXL-Job + ECharts。Docker Compose 容器化部署。
规则引擎：核心组件，每条规则含指标类型、比较运算符（支持 < > = between等）、阈值、年龄区间、性别、风险等级、优先级字段，存入数据库动态管理。匹配流程分三级——指标筛选 →人群过滤（年龄+性别）→优先级排序。未配置规则时回退到内置默认标准（参考老年医学通用评估指南）。规则更新实时生效，无需重启服务。
评估流程事务控制：单次提交涉及 8 张表写入，使用 @Transactional 保证原子性，指标历史数据独立 try-catch 不阻塞主流程。
异步导出：采用策略模式，每种数据类型的导出逻辑封装为独立Handler，通过导出记录表返回处理状态和下载链接，避免大批量导出阻塞前端。
分布式 ID：所有业务主键使用 Snowflake 算法生成全局唯一 ID，解决微服务多实例主键冲突。
Gateway 鉴权：全局过滤器统一拦截，JWT 校验 → Redis 权限匹配 → Token 有效性检查，将安全逻辑收敛到网关层。
独立完成全栈开发，包括需求分析
评论