CN106535776A - 排卵日预测程序及排卵日预测方法 - Google Patents

排卵日预测程序及排卵日预测方法 Download PDF

Info

Publication number
CN106535776A
CN106535776A CN201580015973.5A CN201580015973A CN106535776A CN 106535776 A CN106535776 A CN 106535776A CN 201580015973 A CN201580015973 A CN 201580015973A CN 106535776 A CN106535776 A CN 106535776A
Authority
CN
China
Prior art keywords
day
ovulation day
ovulation
data
menstruation
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.)
Granted
Application number
CN201580015973.5A
Other languages
English (en)
Other versions
CN106535776B (zh
Inventor
铃木健大
猪狩郎
猪狩一郎
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.)
MTI Ltd
Original Assignee
MTI Ltd
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 MTI Ltd filed Critical MTI Ltd
Publication of CN106535776A publication Critical patent/CN106535776A/zh
Application granted granted Critical
Publication of CN106535776B publication Critical patent/CN106535776B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B10/00Other methods or instruments for diagnosis, e.g. instruments for taking a cell sample, for biopsy, for vaccination diagnosis; Sex determination; Ovulation-period determination; Throat striking implements
    • A61B10/0012Ovulation-period determination
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/50ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B10/00Other methods or instruments for diagnosis, e.g. instruments for taking a cell sample, for biopsy, for vaccination diagnosis; Sex determination; Ovulation-period determination; Throat striking implements
    • A61B10/0012Ovulation-period determination
    • A61B2010/0019Ovulation-period determination based on measurement of temperature
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B10/00Other methods or instruments for diagnosis, e.g. instruments for taking a cell sample, for biopsy, for vaccination diagnosis; Sex determination; Ovulation-period determination; Throat striking implements
    • A61B10/0012Ovulation-period determination
    • A61B2010/0029Ovulation-period determination based on time measurement

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Molecular Biology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Veterinary Medicine (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Medical Treatment And Welfare Office Work (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明的目的是提供一种用于进行可靠性高的排卵日预测的程序。排卵日预测程序使计算机执行如下处理:针对基于预先获得的多人的数据所推定的、月经日与排卵日的间隔和平均月经周期的关系,应用特定的月经周期,由此,计算与特定的月经周期对应的预测排卵日数据。

Description

排卵日预测程序及排卵日预测方法
技术领域
本发明涉及用于预测排卵日的技术。
背景技术
以往,为了预测排卵日,研究了各种方法。这些方法有长期的预测方法及即时的预测方法。
长期的预测方法是基于过去几次的月经周期的数据来预测将来的月经开始日及排卵日。具体而言,有荻野式(日历法)及周期中间法。周期中间法是将在最新的月经开始日上加上平均月经周期的一半天数得到的日期预测为排卵日。
即时的预测方法是基于身体的数据来预测排卵日接近或者已进行排卵。具体而言,利用基础体温(Coverline法)或利用身体的变化(确认宫颈粘液)。
进而,作为预测月经日、排卵日的技术,例如有专利文献1中记载的技术。
专利文献
专利文献1:日本特许第5179799号
发明内容
但是,上述的预测方法均很难进行可靠性高的排卵日预测。例如荻野式是在从排卵日至下次的月经开始日的期间一定(14天)的前提下预测排卵日。但是,月经周期存在个体差异,同样地从排卵日至下次的月经开始日的期间也存在个体差异,因此,通过荻野式很难进行可靠性高的排卵日预测。另外,通常排卵后紧接着发生从低体温期向高体温期的过渡。因此,Coverline法只能用于事后把握排卵日。
另外,即便是没有充分掌握与月经周期、排卵日相关的数据的个人,也希望进行可靠性高的排卵日预测。
本发明是为了解决前述的问题点而完成的,目的是提供一种用于进行可靠性高的排卵日预测的技术。
为了解决上述课题,本发明的排卵日预测程序使计算机执行下述处理:针对基于预先获得的多人的数据所推定的、月经日与排卵日的间隔和平均月经周期的关系,应用特定的月经周期,由此,计算与该特定的月经周期对应的预测排卵日数据。
另外,为了解决上述课题,本发明的排卵日预测方法是通过针对基于预先获得的多人的数据所推定的、月经日与排卵日的间隔和平均月经周期的关系,应用特定的月经周期,来计算与该特定的月经周期对应的预测排卵日数据。
根据本发明,通过利用与具有相同的平均月经周期的集体的排卵日相关的平均倾向,能够基于自己的月经周期来进行可靠性高的排卵日预测。
附图说明
图1是表示实施方式共同的构成的示意图。
图2是补充第一实施方式的说明的图。
图3是补充第一实施方式的说明的图。
图4是表示第一实施方式所涉及的程序的处理的流程图。
图5是表示第二实施方式所涉及的程序的处理的流程图。
图6是补充第三实施方式的说明的图。
图7是表示第三实施方式所涉及的程序的处理的流程图。
图8是补充第四实施方式的说明的图。
图9是表示第四实施方式所涉及的程序的处理的流程图。
具体实施方式
<实施方式共同的构成>
参照图1,对各实施方式共同的构成进行说明。
用户终端1是个人所有的移动终端(智能手机、平板终端)或PC。用户终端1包括输入部1a及显示部1b。用户终端1是“计算机”的一个例子。
服务器2包括对从多个用户处得到的数据进行记录、管理的数据库(DB)2a。另外,服务器2利用数据库2a中所累积的数据而建立规定的程序。
数据库2a中所记录的数据为月经开始日、排卵日、进行性交的日子等。这些数据能够借助以例如移动应用、Web网页的形式提供的面向个人的月经日预测服务、妊娠支援服务来获得。以往,为了医学研究而获得过这些数据,但是其数量只不过有几十~几百。另一方面,通过使用这样的服务,服务器2与以往相比能够收集大规模的数据(至少几千~几万)。以下的实施方式所示的图(图表)等是以这样的大规模数据为基础所得到的结果。这样的大规模数据是本发明的“预先获得的多人的数据”的一个例子。
利用服务器2建立的程序可以作为例如应用软件进行安装。用户可以将该软件作为移动应用下载到用户终端1。用户可以通过启动移动应用来执行本发明的程序。以下,各实施方式中,对该程序的详细内容进行说明。
应予说明,实施方式中,对由用户终端1执行程序的例子进行说明,但是,执行程序的计算机不限于用户终端1。例如用户终端1仅作为输入机构及显示机构起作用,服务器2可以基于来自用户终端1的输入执行程序。或者,可以是由用户终端1执行一部分程序,由服务器2执行剩余的程序。
<第一实施方式>
参照图2~图4,对第一实施方式所涉及的程序进行说明。本实施方式中,对基于用户的平均月经周期预测该用户的排卵日的例子进行说明。
本实施方式所涉及的程序使用户终端1执行如下处理:基于借助输入部1a多次输入的月经日数据,计算特定的月经周期。
“月经日数据”是与用户的月经日相关的数据。月经日数据例如为月经开始日(日期)。另外,在已知月经周期的情况下,月经日数据可以为其天数。
用户借助用户终端1的输入部1a输入月经日数据。输入操作可利用用户终端1的按键、用户的声音来执行。
此处,在例如用户输入3次月经开始日的情况下,程序使用户终端1执行如下处理:求出从第1次月经开始日至第2次月经开始日的天数、从第2次月经开始日至第3次月经开始日的天数,由此,计算2次月经周期。然后,程序使用户终端1执行如下处理:通过对2次月经周期进行平均来计算平均月经周期。
或者,程序使用户终端1执行如下处理:将用户过去的月经周期(能够通过最低输入2次月经日数据来求出)应用于基于大规模数据得到的统计模型,由此,对月经周期进行特定的加权(例如,最新的月经周期评价为“1”,之前的月经周期评价为“0.9”),计算月经周期。
本实施方式的“特定的月经周期”是包括输入了月经日数据的用户的平均月经周期及使用统计模型算出的月经周期的概念。
应予说明,预先已知特定的月经周期的用户可以只输入1次该值。
然后,程序使用户终端1执行如下处理:针对基于预先获得的多人的数据所推定的、月经日与排卵日的间隔和平均月经周期的关系,应用特定的月经周期,由此,计算与该特定的月经周期对应的预测排卵日数据。应予说明,“月经日与排卵日的间隔”是包括一个月经周期中从排卵日前的月经开始日至排卵日的天数及从排卵日至该排卵日后的月经开始日的天数的概念。
“预测排卵日数据”是与排卵日的预测相关的数据。以例如一个月经周期中预测排卵日前的月经日+10天、下次的预测月经日-10天这样的以月经日为基准的数值、或者○月○日这样的日期的形式计算预测排卵日数据。应予说明,“预测月经日”是通过过去的月经开始日加上特定的月经周期所预测的将来的月经开始日。
此处,参照图2及图3,对用户的预测排卵日数据的计算中使用该用户的月经周期(特定的月经周期)及月经日与排卵日的间隔和平均月经周期的关系式这一点进行说明。
图2是表示个人的月经周期的规律性的图表。横轴是多次月经周期中前1/2月经周期的平均值(天数)。纵轴是多次月经周期中后1/2月经周期的平均值(天数)。图表所示的各点是具有12次以上月经周期的数据的个人的分布。
由该图表可知:过去的月经周期与将来的月经周期具有较强的相关性。即,可以认为个人的月经周期(平均月经周期)大致一定。
图3是表示排卵日和平均月经周期的关系的图表。横轴是平均月经周期。纵轴是相对于下次月经开始日的排卵日。图表所示的各点是具有相同的平均月经周期的多人的相对于下次月经开始日的排卵日的平均值。应予说明,虚线表示利用荻野式得到的相对于下次月经开始日的排卵日(与平均月经周期的差异无关,固定为14天)。点划线表示利用周期中间法得到的相对于下次月经开始日的排卵日。
由该图表可知:由现有的方法(荻野式、周期中间法)推定的排卵日相对于实际得到的排卵日大幅偏离。
本发明的发明人基于图3所示的关于由大规模的多人的数据所推定的月经日与排卵日的间隔和平均月经周期的关系的见解,想到通过将个人的月经周期(大致一定)应用于这样的关系,能够进行可靠性高的排卵日预测。
即,本实施方式的服务器2预先推定月经日与排卵日的间隔和平均月经周期的关系式(以下,有时称为“关系式S”)。作为具体例,服务器2以图3所示的具有相同的平均月经周期的多人的排卵日的平均值的分布为基础推定关系式S。所推定的关系式S被编入为程序的一部分。
基于图3所示的平均值的分布得到的关系式S是通过将绘图数据用直线或者曲线进行最小二乘近似求出的。在例如用二次曲线进行近似的情况下,关系式S由f(x)=ax2+bx+c表示。此处,x为特定的月经周期。f(x)为与平均月经周期x对应的预测排卵日数据。a、b、c为常数。
应予说明,关系式S不限于基于平均值的分布进行推定的例子。关系式S也可以基于例如中央值等的分布进行推定。
程序使用户终端1执行如下处理:将特定的月经周期x代入(用于)关系式S,计算该用户的预测排卵日数据。所算出的预测排卵日数据为基于具有相同的月经周期的人的平均排卵日的倾向得到的数据,因此,可靠性高。
应予说明,计算预测排卵日数据不限于使用关系式S的例子。例如服务器2预先以表格数据的形式建立由大规模数据得到的月经日与排卵日的间隔和平均月经周期的关系。程序使用户终端1执行如下处理:将特定的月经周期应用于(用于)该表格数据,计算预测排卵日数据。
进而,本实施方式所涉及的程序还可以使用户终端1执行如下处理:在显示部1b上显示预测排卵日数据。预测排卵日数据可以通过所预测的排卵日的日期(○月○日)、或至所预测的排卵日为止的天数(后○天)来显示。通过使算出的预测排卵日数据显示在显示部1b上,用户能够目视确认所预测的排卵日。
应予说明,向用户提示预测排卵日数据的方法不限于显示。例如,在用户终端1具有声音功能的情况下,程序还可以使其执行通过声音通知预测排卵日数据的处理。或者,在用户终端1具有e-mail等通信功能的情况下,程序还可以使其执行通过e-mail通知预测排卵日数据的处理。应予说明,本实施方式的程序中,显示预测排卵日数据的处理不是必须的。
接下来,参照图4,对用户终端1执行本实施方式所涉及的程序的例子进行说明。此处,对用户首次使用包含本实施方式所涉及的程序的软件的情形进行说明。该用户没有自己的月经周期等的记录。另外,用户终端1中,下载有安装了本实施方式所涉及的程序的移动应用。
在月经已经开始的情况下,用户通过用户终端1启动移动应用,输入月经开始日(S10)。用户重复进行多次(2次以上)月经开始日的输入操作(S11)。
在多次月经开始日的输入操作完成的情况下(S11中为Y的情况下),用户终端1由S11中所输入的多次月经开始日(月经日数据)计算该用户的月经周期(特定的月经周期)(S12)。
用户终端1针对预先所推定的、月经日与排卵日的间隔和平均月经周期的关系式S,代入S12中所算出的月经周期,计算该用户的预测排卵日数据(S13)。
用户终端1使S13中所算出的预测排卵日数据显示在显示部1b上(S14)。
由此,根据本实施方式所涉及的程序,即便是对于自己的排卵日、月经日没有足够的数据的用户,也能够通过利用与具有相同的月经周期的集体的排卵日相关的平均倾向(推定的关系式S)来进行可靠性高的排卵日预测。另外,本实施方式所涉及的程序能够在事前(排卵日前)进行这样的可靠性高的预测,因此,还有助于提高妊娠几率。
<第二实施方式>
参照图5,对第二实施方式所涉及的程序进行说明。即便在具有相同的月经周期的集体中,月经日与排卵日的间隔有时也存在个体差异。本实施方式对考虑了这样的个体差异的排卵日的预测进行说明。应予说明,关于与第一实施方式相同的部分,有时省略详细的说明。
本实施方式所涉及的程序使用户终端1执行如下处理:基于月经日数据及借助输入部1a多次输入的排卵日数据,求出多个月经日与排卵日的间隔,计算该间隔的最大值与最小值的差值D。
“排卵日数据”是与用户的排卵日相关的数据。排卵日数据是利用例如医学的方法所确定的排卵日的日期。另外,在通过Coverline法等推定排卵日的情况下,排卵日数据可以为距月经日○天后这样的天数。“该间隔的最大值”是月经日与排卵日的间隔最长时的天数。“(该间隔的)最小值”是月经日与排卵日的间隔最短时的天数。“该间隔的最大值与最小值的差值D”是例如多个所求出的、从排卵日至排卵日后的月经开始日的天数(或者从排卵日前的月经开始日至排卵日的天数)中的最长的天数与最短的天数的差值。
此处,根据大规模数据的解析,在着眼于某一个人的情况下,月经日与排卵日的间隔大幅偏离的情形较少。根据该见解,在上述差值D较大的情况下,数据的错误输入或者上述间隔偏离作为排卵日预测的基础的大规模数据的平均的倾向,可以说可靠性不足。在这种情况下,即便使用所输入的月经日数据、排卵日数据,也很难预测准确的排卵日。反之,在上述差值D较小的情况下,可以说所输入的排卵日数据的可靠性高。在这种情况下,使用所输入的排卵日数据,能够预测遵照个人的倾向的、更准确的排卵日。
因此,在计算预测排卵日数据时,差值D在阈值以下的情况下,程序使用户终端1执行如下处理:基于多个月经日与排卵日的间隔,计算预测排卵日数据。作为具体例,程序使用户终端1执行如下处理:求出所算出的多个月经日与排卵日的间隔的平均值,计算该平均值作为预测排卵日数据。
反之,差值D大于阈值的情况下(或者只有1次排卵日数据的情况下),程序使用户终端1执行如下处理:通过与第一实施方式同样的计算处理(使用了关系式S和特定的月经周期的处理)来计算预测排卵日数据。
阈值是成为是否使用为了计算预测排卵日数据而由用户输入的数据的基准的值。对于阈值,可以基于大规模数据的解析结果来设定任意的值。
接下来,参照图5,对用户终端1执行本实施方式所涉及的程序的例子进行说明。
在月经已经开始的情况下,用户通过用户终端1启动移动应用,输入月经开始日。另外,在确定了排卵日的情况下,用户通过用户终端1启动移动应用,输入该排卵日(S20)。用户可以重复进行多次(例如月经开始日3次、排卵日2次)月经开始日及排卵日的输入操作(S21)。
在多次输入操作完成的情况下(S21中为Y的情况下),用户终端1由S21中所输入的多个月经开始日(月经日数据)计算该用户的月经周期(特定的月经周期)(S22)。
另外,用户终端1基于S21中多次输入的月经开始日及排卵日,计算多个月经日与排卵日的间隔,计算该间隔的最大值与最小值的差值D(S23)。
S23中算出的差值D在阈值以下的情况下(S24中为Y的情况下),用户终端1基于S23中所得到的多个月经日与排卵日的间隔,计算该用户的预测排卵日数据(S25)。
另一方面,S23中算出的差值D大于阈值的情况下(S24中为N的情况下),用户终端1针对预先所推定的、月经日与排卵日的间隔和平均月经周期的关系式S,代入S22中算出的月经周期,计算该用户的预测排卵日数据(S26)。
用户终端1使S25或S26中算出的预测排卵日数据显示在显示部1b上(S27)。
应予说明,图5中,对预先计算特定的月经周期的例子进行了说明,但并不限定于此。可以仅在判断出S23中算出的差值D大于阈值的情况下计算特定的月经周期。
由此,本实施方式所涉及的程序通过利用排卵日数据,能够进行考虑了个体差异的、可靠性更高的排卵日预测。因此,对于输入使用医学手段等得到的排卵日数据的用户而言有很大的优点。
<第三实施方式>
参照图6及图7,对第三实施方式所涉及的程序进行说明。用户通过所算出的预测排卵日数据能够把握大约的妊娠可能性高的期间。本实施方式中,对计算可靠性更高的妊娠可能性高的期间(第一妊娠可能性高的期间)的例子进行说明。应予说明,关于与第一实施方式及第二实施方式同样的部分,有时省略详细的说明。
本实施方式所涉及的程序使用户终端1执行如下处理:基于由预先获得的多人的数据得到的与排卵日前后的妊娠率相关的数据及所算出的预测排卵日数据,计算第一妊娠可能性高的期间。
“妊娠率”是在某一天(例如排卵日)实际妊娠的人数相对于性交的人数的比例。由排卵日前后的几日求出该妊娠率得到的值为“排卵日前后的妊娠率”。
图6是表示排卵日前后的妊娠率的图表。纵轴是妊娠率,横轴是以排卵日为基准(0)的天数。根据该图表可知:在排卵日前的几日妊娠率较高。该图表所示的数据是“与排卵日前后的妊娠率相关的数据”的一个例子。
程序使用户终端1执行如下处理:针对该图表所示的数据,应用所算出的预测排卵日数据,由此,计算第一妊娠可能性高的期间。作为具体例,可以通过如下方法计算第一妊娠可能性高的期间:以上述图表中的排卵日为0的日子为所算出的预测排卵日,以该日为基准确定规定的妊娠率以上的期间。
进而,本实施方式所涉及的程序使用户终端1执行如下处理:在显示部1b上显示所算出的第一妊娠可能性高的期间。第一妊娠可能性高的期间的显示方式没有特别限定。另外,第一妊娠可能性高的期间可以与第一及第二实施方式中算出的预测排卵日数据一并显示,还可以仅显示任意一者。应予说明,与预测排卵日数据同样地,向用户提示第一妊娠可能性高的期间的方法不限于显示。
接下来,参照图7,对用户终端1执行本实施方式所涉及的程序的例子进行说明。此处,对在第一实施方式的处理中额外追加第三实施方式的处理的例子进行说明。
用户终端1通过与第一实施方式同样的处理(参照S10~S13)计算预测排卵日数据(S30)。
用户终端1对由预先获得的多人的数据得到的与排卵日前后的妊娠率相关的数据应用S30中算出的预测排卵日数据,由此,计算第一妊娠可能性高的期间(S31)。
用户终端1使S30中所算出的预测排卵日数据及S31中所算出的第一妊娠可能性高的期间显示在显示部1b上(S32)。
根据本实施方式所涉及的程序,能够基于所算出的预测排卵日数据来计算第一妊娠可能性高的期间。除预测排卵日数据以外,还可得到与第一妊娠可能性高的期间相关的数据,由此,用户能够实现妊娠几率的提高。
<第四实施方式>
参照图8及图9,对第四实施方式所涉及的程序进行说明。因用户的身体条件等,月经周期、排卵日有可能暂时产生偏差。本实施方式中,对通过利用基础体温来计算与第三实施方式不同的妊娠可能性高的期间(第二妊娠可能性高的期间)的例子或者计算排卵结束的例子进行说明。应予说明,关于与第一实施方式~第三实施方式同样的部分,有时省略详细的说明。
本实施方式所涉及的程序使用户终端1执行如下处理:基于借助输入部1a多次输入的基础体温,检测有无表示排卵前的征兆的事前信号和/或表示排卵后的征兆的事后信号。
事前信号及事后信号可以基于基础体温来检测。事前信号及事后信号的检测可以使用各种方法。
例如可以通过利用程序执行以下的3个步骤来检测事前信号。(1)关于每天记录的基础体温,利用每3日的移动平均进行平滑化、(2)检测平滑化的基础体温在3日以上连续上升、(3)判断(2)中的上升没有发生在(用户的月经周期+1日)-17日以前。或者,事前信号的检测还可以通过利用程序自动生成低体温期的基础体温变动的统计模型,并基于此检测出排卵前特征性的图形来进行。具体而言,程序使用户终端1执行如下处理:关于用户的低体温期的变动,生成按照天数预测其平均值和分散值的几率模型。由该模型得到低体温期的基本的变动的图形。程序使用户终端1执行如下处理:在具有偏离这样的图形的变动的情况下,判断为具有排卵前的前兆。可以通过例如分析大规模数据来事先确定以何种程度的精度检测怎样的变动这样的参数。
另一方面,可以利用例如Coverline法来检测事后信号。即,程序使用户终端1执行如下处理:在基于每天所记录的基础体温,检测到体温比上次月经开始日起11天以后至前一日的平均体温上升+0.3度以上的情况下,判断为检测到了事后信号。
另外,本实施方式所涉及的程序使用户终端1执行如下处理:在检测到事前信号的情况下,基于该事前信号来计算第二妊娠可能性高的期间。另一方面,本实施方式所涉及的程序使用户终端1执行如下处理:在检测到事后信号的情况下,基于该事后信号判断为排卵结束。
图8是表示事前信号(右下剖面线)及事后信号(左下剖面线)相对于排卵日的产生频率的直方图。纵轴是频率,横轴是以排卵日为基准(0)的天数。剖面线十字交叉的部分与直方图的重叠部分对应。
由该图表可知:自排卵日-6日起显著检测到事前信号,在排卵日后4日以后减少。另一方面,在排卵日后显著检测到事后信号。即,可知:在自检测到事前信号的日子起约10日的期间发生排卵的可能性高。另一方面,可知:在检测到事后信号的日子排卵结束的可能性高。
本实施方式所涉及的程序是基于例如上述直方图所示的数据而建立的。作为具体例,程序使用户终端1执行如下处理:计算检测到事前信号的日子+10日的期间作为妊娠可能性高的期间(第二妊娠可能性高的期间)。另一方面,程序使用户终端1执行如下处理:在检测到事后信号的日子判断为排卵结束。
在检测到事前信号的情况下,程序使用户终端1执行如下处理:在显示部1b上显示第二妊娠可能性高的期间。第二妊娠可能性高的期间的显示方式没有特别限定。另外,第二妊娠可能性高的期间可以与第一及第二实施方式中算出的预测排卵日数据、第三实施方式中算出的第一妊娠可能性高的期间一并显示,还可以仅显示任意一者。应予说明,向用户提示第二妊娠可能性高的期间的方法不限于显示。
在检测到事后信号的情况下,程序使用户终端1执行如下处理:在显示部1b上显示排卵的结束消息。结束消息的显示方式没有特别限定。另外,向用户提示结束消息的方法不限于显示。
应予说明,程序可以为检测事前信号及事后信号中的任意一者的构成。在这种情况下,程序使用户终端1仅执行第二妊娠可能性高的期间的算出及排卵结束的判断中的任意一者的处理。
进而,程序可以使用户终端1执行如下处理:基于事前信号修正第一妊娠可能性高的期间,从而代替示出第二妊娠可能性高的期间。作为具体例,在第一妊娠可能性高的期间以前检测到事前信号的情况下,程序使用户终端1执行如下处理:计算将第一妊娠可能性高的期间与第二妊娠可能性高的期间合并而得到的期间来作为修正后的期间(第三妊娠可能性高的期间)。
接下来,参照图9,对用户终端1执行本实施方式所涉及的程序的例子进行说明。此处,仅记载基础体温的处理,但是,如上所述,还可以与第一~第三实施方式适当组合进行执行。
用户通过用户终端1启动移动应用,输入每日的基础体温(S40)。
用户终端1基于S40中所输入的基础体温检测有无事前信号及事后信号(S41)。
在检测到事后信号的情况下(S42中为Y),用户终端1判断为在检测到事后信号的日子以前排卵已经结束(S43)。
用户终端1基于S43的判断结果使排卵的结束消息显示在显示部1b上(S44)。
另一方面,在没有检测到事后信号且检测到事前信号的情况下(S45中为Y),用户终端1计算自检测到事前信号的日子起10日的期间作为第二妊娠可能性高的期间(S46)。
用户终端1使S46中所算出的第二妊娠可能性高的期间显示在显示部1b上(S47)。
应予说明,图9中,对仅在没有事后信号的情况下判断有无事前信号的例子进行了说明,但并不限定于此。例如,第二妊娠可能性高的期间的计算可以仅基于有无事前信号来执行(不考虑有无事后信号)。
根据本实施方式所涉及的程序,能够基于基础体温来计算考虑了现在的身体条件等的数据(第二妊娠可能性高的期间或排卵的结束)。由此,能够提示可靠性更高的排卵日预测及妊娠可能性高的期间,因此,能够实现妊娠几率的提高。
<其它>
用户终端1也可以将上述的实施方式中输入的月经日数据、排卵日数据发送到服务器2。服务器2将所发送的数据累积在数据库2a中,使其数据反映在现有的程序中,由此,能够建立精度更高的程序。所建立的程序可以通过例如移动应用的版本升级的形式分配到用户终端1。
上述的实施方式能够通过程序使计算机或微处理器执行前述的各种处理来实现。在这种情况下,可以使程序执行全部处理,还可以使硬件执行一部分处理且使程序执行剩余的处理。另外,还可以使用存储了可执行程序的非临时性计算机可读介质(non-transitory computer readable medium with an executable program thereon)将程序供给到计算机。应予说明,非临时性计算机的可读介质的例子有磁记录介质(例如软盘、磁带、硬盘驱动器)、CD-ROM(Read Only Memory)等。
对本发明的若干实施方式进行了说明,但这些实施方式是作为例子给出的,并不限定发明的范围。这些实施方式可以适当组合进行实施,还可以在不脱离发明的主旨的范围内进行各种省略、置换、变更。这些实施方式及其变形包含在发明的范围及主旨中,同样地也包含在权利要求书中记载的发明及其等同的范围中。
符号说明
1 用户终端
2 服务器

Claims (9)

1.一种排卵日预测程序,其特征在于,
使计算机执行如下处理:针对基于预先获得的多人的数据所推定的、月经日与排卵日的间隔和平均月经周期的关系,应用特定的月经周期,由此,计算与所述特定的月经周期对应的预测排卵日数据。
2.根据权利要求1所述的排卵日预测程序,其特征在于,
使计算机执行如下处理:基于借助输入部多次输入的月经日数据,计算所述特定的月经周期。
3.根据权利要求2所述的排卵日预测程序,其特征在于,
使计算机执行如下处理:基于所述月经日数据及借助输入部多次输入的排卵日数据,求出多个月经日与排卵日的间隔,算出该间隔的最大值与最小值的差值,
在计算所述预测排卵日数据时,所述差值在阈值以下的情况下,使计算机执行如下处理:基于多个所述月经日与排卵日的间隔,计算该预测排卵日数据。
4.根据权利要求1~3中的任一项所述的排卵日预测程序,其特征在于,
使计算机执行如下处理:在显示部上显示所述预测排卵日数据。
5.根据权利要求1~4中的任一项所述的排卵日预测程序,其特征在于,
使计算机执行如下处理:基于由所述预先获得的多人的数据得到的与排卵日前后的妊娠率相关的数据及算出的所述预测排卵日数据,计算第一妊娠可能性高的期间。
6.根据权利要求5所述的排卵日预测程序,其特征在于,
使计算机执行如下处理:在显示部上显示所述第一妊娠可能性高的期间。
7.根据权利要求5或6所述的排卵日预测程序,其特征在于,
使计算机执行如下处理:基于借助输入部多次输入的基础体温,检测有无表示排卵前的征兆的事前信号和/或表示排卵后的征兆的事后信号,
在检测到所述事前信号的情况下,使计算机执行如下处理:基于该事前信号,计算第二妊娠可能性高的期间,
在检测到所述事后信号的情况下,使计算机执行如下处理:基于该事后信号,判断为所述排卵结束。
8.根据权利要求7所述的排卵日预测程序,其特征在于,
使计算机执行如下处理:在显示部上显示所述第二妊娠可能性高的期间或排卵的结束消息。
9.一种排卵日预测方法,其特征在于,
通过针对基于预先获得的多人的数据所推定的、月经日与排卵日的间隔和平均月经周期的关系,应用特定的月经周期,来计算与所述特定的月经周期对应的预测排卵日数据。
CN201580015973.5A 2014-03-28 2015-03-26 排卵日预测程序及排卵日预测方法 Active CN106535776B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2014069044 2014-03-28
JP2014-069044 2014-03-28
PCT/JP2015/059398 WO2015147174A1 (ja) 2014-03-28 2015-03-26 排卵日予測プログラム及び排卵日予測方法

Publications (2)

Publication Number Publication Date
CN106535776A true CN106535776A (zh) 2017-03-22
CN106535776B CN106535776B (zh) 2020-06-23

Family

ID=54195680

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201580015973.5A Active CN106535776B (zh) 2014-03-28 2015-03-26 排卵日预测程序及排卵日预测方法

Country Status (10)

Country Link
US (1) US11013497B2 (zh)
EP (1) EP3123942A4 (zh)
JP (1) JP5998307B2 (zh)
CN (1) CN106535776B (zh)
AU (1) AU2015234868A1 (zh)
BR (1) BR112016021895A2 (zh)
CA (1) CA2944136A1 (zh)
PH (1) PH12016501926A1 (zh)
RU (1) RU2016139972A (zh)
WO (1) WO2015147174A1 (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11154280B2 (en) * 2015-02-20 2021-10-26 Rakuten Group, Inc. Information processing device, information processing method, and information processing program
WO2016132529A1 (ja) * 2015-02-20 2016-08-25 楽天株式会社 情報処理装置、情報処理方法及び情報処理プログラム
JP6799413B2 (ja) * 2016-08-09 2020-12-16 株式会社エムティーアイ 基礎体温予測プログラム、基礎体温予測方法
WO2018077998A1 (en) * 2016-10-27 2018-05-03 Ava Ag System and a method for non-invasive monitoring of estrogen
US10938950B2 (en) * 2017-11-14 2021-03-02 General Electric Company Hierarchical data exchange management system
AU2018431742A1 (en) * 2018-07-12 2021-03-11 Richter Gedeon Nyrt. Vaginal temperature sensing apparatus and methods

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4465077A (en) * 1981-11-12 1984-08-14 Howard Schneider Apparatus and method of determining fertility status
WO2001019251A1 (en) * 1999-09-11 2001-03-22 Claire Blue Time measuring device for female menstrual cycles
CN1297343A (zh) * 1998-05-06 2001-05-30 松下电器产业株式会社 耳式妇女体温计
US20020095297A1 (en) * 2001-01-17 2002-07-18 Satoshi Hasegawa Device and method for processing audio information
CN101785686A (zh) * 2009-01-23 2010-07-28 西江大学校产学协力团 用于月经期或受孕期的定制预测的系统及其计算方法
CN102370470A (zh) * 2010-08-02 2012-03-14 泰尔茂株式会社 女性体温计及其控制方法
US20130137940A1 (en) * 2011-11-25 2013-05-30 Tempsync Temperature based fertility monitoring system and related method

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO1993007578A1 (en) * 1991-10-01 1993-04-15 Emil Josef Biggel Menstrual cycle meter
US5606535A (en) * 1995-11-29 1997-02-25 Lynn; Lynn Digital menstrual wristwatch
US6278999B1 (en) * 1998-06-12 2001-08-21 Terry R. Knapp Information management system for personal health digitizers
JP2004290335A (ja) 2003-03-26 2004-10-21 Tanita Corp 婦人用体調管理装置
GB0617451D0 (zh) 2006-09-05 2006-10-18 Medical Prediction Ltd
JP5179799B2 (ja) 2007-08-16 2013-04-10 テルモ株式会社 婦人体温計及び生理周期予測プログラム
JP5419397B2 (ja) * 2008-07-04 2014-02-19 株式会社ニシトモ 婦人用体温計
JP2011062322A (ja) * 2009-09-17 2011-03-31 Terumo Corp 女性用体温計
US20150112706A1 (en) * 2013-10-17 2015-04-23 Ovuline, Inc. System and Methods for Personal health Analytics Technical Field
JP5508610B1 (ja) * 2013-11-28 2014-06-04 楽天株式会社 情報処理装置、情報処理方法及び情報処理プログラム

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4465077A (en) * 1981-11-12 1984-08-14 Howard Schneider Apparatus and method of determining fertility status
CN1297343A (zh) * 1998-05-06 2001-05-30 松下电器产业株式会社 耳式妇女体温计
WO2001019251A1 (en) * 1999-09-11 2001-03-22 Claire Blue Time measuring device for female menstrual cycles
US20020095297A1 (en) * 2001-01-17 2002-07-18 Satoshi Hasegawa Device and method for processing audio information
CN101785686A (zh) * 2009-01-23 2010-07-28 西江大学校产学协力团 用于月经期或受孕期的定制预测的系统及其计算方法
CN102370470A (zh) * 2010-08-02 2012-03-14 泰尔茂株式会社 女性体温计及其控制方法
US20130137940A1 (en) * 2011-11-25 2013-05-30 Tempsync Temperature based fertility monitoring system and related method

Also Published As

Publication number Publication date
WO2015147174A1 (ja) 2015-10-01
CN106535776B (zh) 2020-06-23
JPWO2015147174A1 (ja) 2017-04-13
EP3123942A4 (en) 2018-01-03
BR112016021895A2 (pt) 2017-08-15
AU2015234868A1 (en) 2016-10-20
CA2944136A1 (en) 2015-10-01
RU2016139972A (ru) 2018-04-28
US11013497B2 (en) 2021-05-25
RU2016139972A3 (zh) 2018-12-14
EP3123942A1 (en) 2017-02-01
PH12016501926B1 (en) 2017-01-09
PH12016501926A1 (en) 2017-01-09
JP5998307B2 (ja) 2016-09-28
US20180228474A1 (en) 2018-08-16

Similar Documents

Publication Publication Date Title
CN106535776A (zh) 排卵日预测程序及排卵日预测方法
Soumpasis et al. Real-life insights on menstrual cycles and ovulation using big data
JP6485037B2 (ja) 睡眠改善システム及びこのシステムを用いた睡眠改善方法
Berglund Scherwitzl et al. Identification and prediction of the fertile window using NaturalCycles
Krigolson et al. How we learn to make decisions: rapid propagation of reinforcement learning prediction errors in humans
Eijkemans et al. Pregnancy chances on an IVF/ICSI waiting list: a national prospective cohort study
Ela et al. Non-heterosexuality, relationships, and young women’s contraceptive behavior
WO2017042863A1 (ja) 端末装置、情報処理方法及び情報処理プログラム
Johnson et al. Increased likelihood of pregnancy using an app-connected ovulation test system: a randomized controlled trial
JP2017049730A (ja) 通知プログラム、通知方法、及び通知システム
US20150119749A1 (en) Systems and methods for monitoring fertility using a portable electronic device
JP6988034B1 (ja) 妊産婦うつ症状の推定システムおよび推定方法、推定モデル生成装置
JP2009289096A (ja) 体重管理コンピュータシステムと体重管理プログラムと記録媒体
Grönqvist Putting teenagers on the Pill: the consequences of subsidized contraception
CN108108175B (zh) 一种用于灰度发布的方法和装置
Li et al. A generative, predictive model for menstrual cycle lengths that accounts for potential self-tracking artifacts in mobile health data
JP6259147B1 (ja) 体調予測システム
WO2023042779A1 (ja) 生理周期予測装置、生理周期予測方法、生理周期予測プログラムおよび生理周期予測システム
JP2011039883A (ja) アンケート質問提示システム、アンケート質問提示方法、およびアンケート質問提示プログラム
CN105808905B (zh) 余额计算方法及装置
JP6799413B2 (ja) 基礎体温予測プログラム、基礎体温予測方法
EP2953088A1 (en) Information processing device and method, and program
JP2019200573A (ja) 生体情報収集システム、入力装置、及び生体情報収集装置
JP7099772B2 (ja) 生活習慣推奨装置、生活習慣推奨方法、プログラムおよび記録媒体
JP2012045259A (ja) 血糖値予測装置、および血糖値予測方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant