CN107004239A - 生活习惯改善装置、生活习惯改善方法及生活习惯改善系统 - Google Patents
生活习惯改善装置、生活习惯改善方法及生活习惯改善系统 Download PDFInfo
- Publication number
- CN107004239A CN107004239A CN201580061259.XA CN201580061259A CN107004239A CN 107004239 A CN107004239 A CN 107004239A CN 201580061259 A CN201580061259 A CN 201580061259A CN 107004239 A CN107004239 A CN 107004239A
- Authority
- CN
- China
- Prior art keywords
- customs
- habits
- information
- pattern
- lifestyle improvement
- 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
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
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/021—Measuring pressure in heart or blood vessels
-
- 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
- A61B5/4806—Sleep evaluation
- A61B5/4809—Sleep detection, i.e. determining whether a subject is asleep or not
-
- 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
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B24/00—Electric or electronic controls for exercising apparatus of preceding groups; Controlling or monitoring of exercises, sportive games, training or athletic performances
- A63B24/0062—Monitoring athletic performances, e.g. for determining the work of a user on an exercise apparatus, the completed jogging or cycling distance
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B19/00—Teaching not covered by other main groups of this subclass
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B5/00—Electrically-operated educational appliances
- G09B5/02—Electrically-operated educational appliances with visual presentation of the material to be studied, e.g. using film strip
-
- 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
- G16H20/70—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to mental therapies, e.g. psychological therapy or autogenous training
-
- 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
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- 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
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
Abstract
生活习惯改善装置包含:生活习惯模式生成部,其根据生物体信息和行为信息,生成生活习惯模式,上述生物体信息是由于对象者的身体活动引起的与生理相关的信息,上述行为信息是对象者的动态信息;以及生活习惯预测部,其根据由该生活习惯模式生成部生成的生活习惯模式,预测对象者的生物体信息。
Description
技术领域
本发明涉及生活习惯改善装置、使用该装置的生活习惯改善方法以及生活习惯改善系统。这里,将致力于与生活习惯相关的管理的人统称为对象者。
背景技术
近年来,针对生活习惯作为较大病因的疾病的预防意识提高。已经患病的人或可能患病的高危人群有期望改善生活习惯的趋势。此外,即使是健康的人,强烈地想维持自身健康地进行生活的人也较多。
基于这样的趋势,期望用于健康管理的技术和服务。
在专利文献1中公开了对生活模式进行分类的技术。
在专利文献2、专利文献3中公开了管理睡眠状态的技术。
如上所述,专利文献2、专利文献3的技术将运动等行为模式和睡眠状态进行关联,提供为了取得良好的睡眠而推荐的步数、睡眠时刻或睡眠时间。
现有技术文献
专利文献
专利文献1:日本特许第5466713号公报
专利文献2:日本特开2014-30494号公报
专利文献3:日本特许第4192127号公报
发明内容
发明所要解决的课题
在现有的与睡眠改善相关的技术中,将各人的运动等行为模式和睡眠的状态相关联地进行分析,示出了用于取得良好的睡眠的推荐行为。该技术进行仅基于睡眠和运动、即所谓的行为信息的评价。
通常,在对象者自身未意识到现状模式和理想模式的差异的情况下,对象者未充分掌握自身的问题,所以对象者未必认可并接受被推荐的行为。此外,即使在对象者遵从推荐行为的情况下,有时候也不会一直具有持续该推荐行为的意识。
并且,以往未充分进行现状的生活习惯将来会带来何种结果这样的预测。通常认为未充分存在蓄积有与生活习惯相关的信息的数据库是其原因之一。
本发明是鉴于这样的情况而完成的,其目的在于提供一种生活习惯改善装置和生活习惯改善方法,不是仅根据睡眠或运动等行为信息进行管理,而能够根据表示对象者的状态的各种信息(体重、血压等生物体信息、睡眠或运动等行为信息等)来高精度地识别对象者的现状。
此外,本发明的目的在于提供一种生活习惯改善装置、生活习惯改善方法以及生活习惯改善系统,通过高精度地识别对象者的现状,能够明确对象者的现状的问题,通过进一步进行考虑了对象者的问题的生物体信息的预测,能够向对象者发布与生活习惯改善相关的有益的信息。
用于解决课题的手段
本发明的生活习惯改善装置包含:生活习惯模式生成部,其根据生物体信息和行为信息,生成生活习惯模式,上述生物体信息是与对象者的身体相关的信息,上述行为信息是与对象者的行为相关的信息;以及生活习惯预测部,其根据由该生活习惯模式生成部生成的生活习惯模式,预测该对象者的生物体信息。
本发明的生活习惯改善方法根据生物体信息和行为信息,生成生活习惯模式,根据该生成的生活习惯模式,预测该对象者的生物体信息,上述生物体信息是由于对象者的身体活动引起的与生理相关的信息,上述行为信息是对象者的动态信息。
本发明的生活习惯改善系统包含:生物体信息数据库,其蓄积生物体信息,上述生物体信息是与对象者的身体相关的信息;行为信息数据库,其蓄积行为信息,上述行为信息是与对象者的行为相关的信息;以及生活习惯模式生成部,其根据上述蓄积的生物体信息和上述蓄积的行为信息,生成生活习惯模式,该生活习惯改善系统根据该生成的生活习惯模式,向该对象者发送消息。
发明效果
根据本发明的生活习惯改善装置、生活习惯改善方法以及生活习惯改善系统,所生成的对象者的生活习惯模式进行了生物体信息和行为信息的关联。由此,能够高精度地识别对象者的现状,能够明确对象者的现状的问题。
并且,将来的对象者的生物体信息的预测是考虑了对象者的现状和问题的预测,有益于向对象者发布与生活习惯改善相关的信息。
附图说明
图1是示出本发明实施方式的生活习惯改善装置的结构的框图。
图2是示出本发明实施方式的生活习惯改善装置的处理的流程图。
图3是示出本发明实施方式的对象者的基本数据库的图。
图4是示出本发明实施方式的对象者的体重测量历史数据的图。
图5是示出本发明实施方式的对象者的血压测量历史数据的图。
图6是示出本发明实施方式的对象者的睡眠信息的测量历史数据的图。
图7是示出本发明实施方式的对象者的行为信息的测量历史数据的图。
图8是用于说明本发明实施方式的生活习惯改善装置的图,是示出时间序列的体重变动的图。
图9是用于说明本发明实施方式的生活习惯改善装置的图,是在24小时的范围内分别针对体重变动的减量期、增量期示出每小时的平均步数的图。
图10是用于说明本发明实施方式的生活习惯改善装置的图,是在24小时的范围内分别针对体重变动的减量期和增量期示出就寝的概率的图。
图11是用于说明本发明实施方式的生活习惯改善装置的图,是在上午6时到24时的范围内分别针对体重变动的减量期和增量期示出血压测量概率的图。
图12是用于说明本发明实施方式的生活习惯改善装置的图,是在上午5时到12时的范围内分别针对体重变动的减量期和增量期示出基础体温测量概率的图。
图13是用于说明本发明的其他实施方式的生活习惯改善装置的图,是示出时间序列的体重变动的图。
具体实施方式
图1是示出本实施方式的生活习惯改善装置的结构的框图。
本装置具有:测量部1,其用于取得生物体信息和行为信息;以及通信部2,其经由网络从该测量部1、例如便携终端(未图示)接收数据,并发送到后述的数据库3。
数据库3中包含:生物体信息数据库31,其一并存储有由生物体信息测量设备测量的对象者的生物体信息及其测量历史;行为信息数据库32,其一并存储有由行为信息测量设备测量的对象者的行为信息及其测量历史;存储有对象者的基本信息的对象者数据库33、存储有环境信息的环境信息数据库34;他人生活习惯模式数据库35,其存储有除对象者以外的他人的生活习惯模式;以及对象者生活习惯模式数据库36,其存储有由后述的生活习惯模式生成部4生成的对象者的生活习惯模式。另外,在他人生活习惯模式数据库35中可以包含作为他人的理想的人的生活习惯模式。
并且,本装置具有:生活习惯模式生成部4,其根据生物体信息数据库31和行为信息数据库32的信息,生成对象者的生活习惯模式;生活习惯模式检测部5,其从对象者的过去的生活习惯模式中,检测与包含当前在内的最近的生活习惯模式最接近的生活习惯模式;生活习惯评价部6,其通过对检测出的生活习惯模式和特定的生活习惯模式进行比较,并提取差异,提取当前的生活习惯模式的问题;生活习惯预测部7,其进行对象者维持当前的生活习惯模式的情况下的生物体信息的预测;消息生成部8,其根据生活习惯评价部6的评价信息和生活习惯预测部7的预测信息,生成消息;显示部10,其显示该消息;以及发送部9,其将该消息发送到该显示部10。
这里,生物体信息是指与对象者的身体相关的信息。
具体而言,作为生物体信息,可举出可通过体重体组成计或体重计测量的体重、身体脂肪百分比、内部脂肪水平、基础代谢、骨骼肌百分比、身体年龄、BMI(Body Mass Index:肥胖度)、可通过血压计测量的最高血压、最低血压、可通过皮下脂肪计测量的皮下脂肪厚度、可通过内部脂肪计测量的内部脂肪水平、可通过心率计测量的心率、可通过体温计测量的包含基础体温的体温等,但不限于此。
行为信息是指与对象者的行为相关的信息。
具体而言,作为行为信息,例如可举出可通过睡眠计测量的睡眠时间、就寝的时刻即就寝时间、起床的时刻即起床时间、可通过步数计或活动量计测量的每单位时间的步数(也可以区分快走步数、上楼梯步数)、生物体信息的计测时刻、生物体信息的计测有无、消耗卡路里、脂肪燃烧量、可佩戴设备的佩戴和拆卸时刻、可佩戴设备的佩戴时间、可利用可佩戴设备等的生活日志测量的慢跑等的持续时间、步数、移动距离、可通过咀嚼次数计测量的咀嚼次数、可通过GPS(Global Positioning System:全球定位系统)测量的移动距离等,但不限于此。
例如,作为行为信息,具有如图11、图12所示的测量概率。
图11示出对象者的体重增量期和体重减量期的各个期间的血压测量概率。血压测量概率基于测量血压的时刻,示出在该时刻测量血压的比例。血压测量是以在早上和晩上的特定时刻进行为前提的。具体而言,早上的血压测量为起床后1小时以内,晩上的血压测量为就寝前。因此,血压测量对象的时刻为从上午6时到24时的范围。
在图11中示出了在体重减量期,相比体重增量期,测量概率在早上和晚上的特定时间段内上升的情况,所以能够识别出在体重减量期,对象者定期测量的情况和起床、就寝的节奏稳定的情况。即,可认为在体重减量期,对象者对生活习惯的意识提高,动力提高。
此外,图12示出对象者的体重增量期和体重减量期的各个期间的基础体温测量概率。该基础体温测量概率基于测量基础体温的时刻,示出在该时刻测量基础体温的比例。对于基础体温测量,推荐在起床以后立即测量、且尽可能在相同时间进行测量。在该例子中,基础体温的测量时刻为从上午5时到正午12时的范围。
在图12中示出了在体重减量期,相比体重增量期,测量概率在早上的特定时间段内上升的情况,所以能够识别出对象者定期测量的情况、和起床的节奏稳定的情况。在该例子中,也可认为在体重减量期,对象者对生活习惯的意识提高,动力提高。
将这样的生物体信息的测量概率作为行为信息应用于本装置。
此外,生活习惯模式是表示作为每日的日常化的行为的生活习惯的信息,是指根据生物体信息和行为信息形成的信息的集合体。
测量部1具备如上所述的生物体信息的测量设备和行为信息的测量设备。另外,这些测量设备也可以是测量生物体信息和行为信息的双方的测量设备。
例如,睡眠计或血压计还被用作如下的测量设备:不仅取得生物体信息或行为信息中的某一个信息,还能够同时取得它们双方的信息。
具体而言,如图5所示,血压计在进行了测量时,可获得最高血压和最低血压作为生物体信息,并且可获得其测量时刻作为行为信息。此外,如图6所示,睡眠计可获得睡眠时间、认为对象者进入了熟睡的熟睡时间等作为生物体信息,可获得睡眠计的测量日、起床时间等作为行为信息。
此外,生物体信息或行为信息的测量设备除了生物体信息或行为信息的测量功能以外,还具有通过近距离无线通信将测量结果发送到便携终端的近距离无线通信功能。作为近距离无线通信功能,例如可举出利用NFC(Near Field Communication:近场通信)、Felica(注册商标)的通信、USB(Universal Serial Bus:通用串行总线)通信或利用蓝牙(Bluetooth,注册商标)的通信,但不限于此。
便携终端(未图示)具有能够与生物体信息测量设备或行为信息测量设备之间进行近距离无线通信的近距离无线通信功能、和能够经由互联网等网络进行通信的网络通信功能。具体而言,便携终端将对生物体信息测量设备或行为信息测量设备测量的测量数据赋予ID(识别码)后的数据发送到通信部2。对于这种便携终端,有已经被商品化的智能手机,但也可以使用平板电脑或可佩戴计算机。此外,还能够用个人计算机等来替代便携终端。期望每个对象者都持有便携终端或替代该便携终端的设备。
通信部2接收从便携终端发送的被赋予了ID的测量数据。该测量数据经由通信部2被存储到生物体信息数据库31、行为信息数据库32中。
在生物体信息数据库31和行为信息数据库32中存储有由各测量设备测量的测量值及其测量日期时刻(出生年月日、时刻)作为测量历史。例如,在图4中示出了体重的测量历史数据,在图5中示出了血压的测量历史数据。在存储有这些测量历史数据的数据库31、32中,按照ID不同的每个对象者存储有体重的测量日期时刻和在该日期测量的体重。
如图4、图5所示,在数据库中设置有存储测量数据的区域,未存储测量数据的区域意味着不存在测量数据。测量数据按照各对象者而不同,此外,多数时候即使是相同的对象者,也是在时间序列上不同的数据。
如图3所示,作为对象者的基本信息,可举出识别对象者的ID、对象者的姓名、性别、出生年月日等,但不限于这些。
作为环境信息,具有由取得外部环境信息的系统取得的信息、或由取得室内环境信息的设备取得的信息。关于该信息,可举出根据测量生物体信息或行为信息的时期的气候、季节等而发生变动的温度、湿度、照度等,但不限于这些。
他人生活习惯模式数据库35中存储有他人的生活习惯模式。具体而言,预先生成了包含性别、年龄等基本信息、身高、体重等生物体信息、运动等行为信息的生活习惯模式。
此外,可以通过预先取得运动员等理想的人的生活习惯模式,在他人生活习惯模式数据库35中存储有该理想的人的生活习惯模式。
另外,对于在本系统中使用的生物体信息测量设备和行为信息测量设备,只要有与对象者想要改善的对象相关联的测量设备即可,但在使用多个测量设备的情况下,在取得的数据丰富,能够更具体地识别对象者的状态的方面比较优选。
例如,在对象者想要减轻体重的情况下,不仅可以使用体重计或步数计,还可以使用睡眠计来分析例如睡眠和体重的关联等,进行多角度解析。
生活习惯模式生成部4根据对象者的生物体信息表示的状态和行为信息,生成生活习惯模式。
将可作为用于生成生活习惯模式的结构要素而举出的行为信息与接下来所示的分类后的生物体信息表示的状态进行关联。
该生物体信息表示的状态能够使用根据时间序列的前后关系进行判断的方法来分类。例如,进行按照时间序列状态是“改善”“恶化”“维持”中的哪一个的判断,分类为这3个状态。即,该状态的分类通过以上次的值为基准来分析是上升、减少、还是不发生变化来进行的。或者,也可以是如下进行的方法:分析在某个期间观察时线性回归的直线的斜率是一定值以上、还是小于一定值。
按照状态对某个期间的生物体信息进行分类的方法不限于这样的根据时间序列的前后关系进行判断的方法,也可以使用通过定点值与某个基准值的比较来进行判断的方法。例如,通过进行“是否生病”的判断,对状态进行分类。作为该例子,可举出与基准值(基于家庭血压的高血压基准(最高血压/最低血压)为135/85[mmHg]、肥胖的基准BMI为25以上)之间的比较,由此,能够对状态进行分类。
并且,生物体信息表示的状态的分类方法可以使用组合根据时间序列的前后关系进行判断的分类、和利用基准值进行分类的状态的方法。
在该方法中,例如,关于体重,将变化的状态分类为“减量”“增量”“维持”,并且根据肥胖的基准值分类为“瘦”“普通”“肥胖”,通过组合这些分类,进行新的分类。
此外,在关于血压的例子中,将变化的状态分类为“降压”“升压”“维持”,根据高血压的基准值分类为“高血压”“正常偏高”“正常值”,通过组合这些分类,进行新的分类。
接着,说明生活习惯模式生成部4中的生活习惯模式的生成方法的具体例。
首先,从生物体信息数据库31取得对象者的体重数据,从行为信息数据库32取得睡眠数据和运动数据。
在这些数据的取得时,判断是否充分蓄积有对象者的过去的数据。这里,对象者的数据量需要某种程度的量,例如1个月、3个月、1年的数据量即足够。在充分蓄积有数据的情况下,使用对象者自身的数据。
与此相对,在数据量的蓄积不充分的情况下,从他人生活习惯模式数据库35提取与对象者类似的他人的生活习惯模式,用作对象者的数据。类似的要素有性别、年龄等基本信息、身高等生物体信息、或包含睡眠数据的睡眠信息等。在该情况下,选择这些要素与对象者类似的人的数据,作为对象者的数据。
另外,在充分存储有对象者的数据的时刻,不使用他人的数据,而切换到对象者自身的数据进行处理。
根据取得的对象者的过去的睡眠数据和运动数据、或被视作对象者的过去的睡眠数据和运动数据,生成每天24小时的生活习惯模式。
接着,对对象者的生物体信息中的体重进行如下的分类:如果每个固定的期间,例如每1周,体重的增减是±2%的变动,则将其设为“维持状态”,如果是+2~+5%的变动,则将其设为“增量状态”,如果是-2~-5%的变动,则将其设为“减量状态”。图8示出对象者的时间序列的体重变动,利用上述分类方法示出每个期间的体重的状态是“减量期”“维持期”“增量期”中的哪一个。
接着,与上述基于过去的睡眠数据和运动数据生成每天24小时的生活习惯模式同样地,根据对象者的包含当前在内的最近的睡眠数据和运动数据,生成最近24小时的生活习惯模式。“最近”的期间的幅度可以是1日,也可以是1周,未特别限定。
接着,根据在上述体重的状态分别为“维持期”、“增量期”、“减量期”的期间内测量的睡眠数据和运动的数据,计算各期间内的就寝的概率和作为平均运动量的平均步数。
图9在24小时的范围内分别针对体重的状态为“减量期”和“增量期”的期间示出了每小时的平均步数。
此外,图10在24小时的范围内分别针对体重的状态为“减量期”和“增量期”的期间示出了就寝的概率。
如图9至图10所示,通过将体重数据(生物体信息)与步数数据(行为信息)和睡眠数据(行为信息)进行关联,生成“减量期”和“增量期”各自的生活习惯模式。
将这样生成的生活习惯模式存储在对象者生活习惯模式数据库36中。
生活习惯模式检测部5从对象者生活习惯模式数据库36所存储的过去的对象者生活习惯模式中,检测对象者的与包含当前在内的最近的生活习惯模式最接近的生活习惯模式。具体而言,例如检测与1日的平均步数最接近的行为信息相关联的生活习惯模式。
在该检测中,在进行过去的对象者生活习惯模式和对象者的包含当前在内的最近的生活习惯模式的比较时,能够使用应用了相关、机器学习、推荐算法、统计方法等的方法。
生活习惯评价部6提取由生活习惯模式检测部5检测出的与包含当前在内的最近的生活习惯模式最接近的生活习惯模式、与设为“减量期”的期间的生活习惯模式或设为“维持期”的期间的生活习惯模式的差异。这两个生活习惯模式的差异例如通过分别比较图6所示的入睡的时刻、起床时刻、睡眠时间、熟睡时间、半夜的醒来时间等与睡眠相关的睡眠数据、或图7所示的步行数据等运动数据来获得。根据该差异,提取最近生活习惯模式的问题。
生活习惯预测部7根据过去生活习惯模式和最接近最近生活习惯模式的过去生活习惯模式,进行1周以后、1个月以后、1年以后这样的将来的对象者的体重变化的预测。
图13举例示出了时间序列的体重变动,该例子相比图8示出了长期间范围内的数据。在使用了这样的数据的情况下,基于状态的出现模式和出现模式的长度的观点,能够进行当前的状态把握和将来的体重预测。在图13所示的例子中,可预测这样的状况:出现模式容易反复“减量期”“维持期”“增量期”,或者在出现模式的“维持期”较短的情况下,容易反弹,而在出现模式的“维持期”较长的情况下,不会反弹,容易转移到“减量期”。
这样,通过使用按照时间序列示出变化的数据,能够把握当前的状态,准确地预测将来的状态。
并且,在预测时,除了对象者蓄积的睡眠数据和运动数据以外,通过单独评价环境信息数据库34所存储的环境信息(例如温度、湿度、照度等)对生物体信息带来的影响,还能够计算生活习惯、环境对生物体信息变动的影响。还能够根据该计算结果,预测生物体信息的变动。
消息生成部8生成由生活习惯评价部6提取出的问题或由生活习惯预测部7预测出的预测信息作为消息。该消息优选包含对于对象者来说最可期待改善效果的信息、或使得生物体信息不发生恶化的信息。
另外,在不具有接近最近生活习惯模式的过去生活习惯模式的情况下,将该点加进预测消息中。在这样的情况下,例如识别出过去2年以内具有不存在数据程度的较大变化,作为最近生活习惯模式是近年来没有的不良状态、或是近年来没有的良好状态中的任意一个的消息进行输出。
发送部9经由网络将表示问题的消息和/或预测消息发送到显示部10。
在显示部10中显示发送的各种消息,由此对象者能够识别消息。该显示部10适当使用了便携终端、智能手机、平板、个人计算机等设备。
在本实施方式中,作为生物体信息的状态,列举了将体重分类为“减量期”“增量期”“维持期”的例子,但不限于此,还能够使用血压并分类为“降压期”“升压期”“维持期”,或将基础体温分类为月经周期或排卵日、低温相、高温相天数的稳定时期或不稳定时期,并适当进行选择。
[生活习惯改善装置的效果]
在以上结构的本发明实施方式的生活习惯改善装置中,生活习惯模式生成部通过组合生物体信息和与该生物体信息相关联的行为信息,生成生活习惯模式。由此,对象者的生活习惯模式成为符合对象者的实际状态的生活习惯模式。通过对这样生成的对象者的包含当前在内的最近的生活习惯模式和过去的自身生活习惯模式进行比较,能够明确掌握其差异。
此外,以往,未进行最近生活习惯将来带来何种结果这样的预测,但在本装置中,能够预测对象者的将来的体重等生物体信息,能够基于该预测向对象者提供生活习惯的改善信息。
此外在上述预测处理中,还能够进行考虑了环境信息等对生物体信息造成的影响的生物体信息的变动预测、例如,体重或血压等的变动的预测。其结果,对于对象者来说,预测消息的说服力较高,能够进行更有效的辅助改善生活习惯和环境。
如上所述,对象者能够获得与最近自身的问题和将来的预测有关的信息。由此,在对象者进行生活习惯和环境的改善时,能够充分理解其必要性和重要性,能够在认可了的状态下进行必要的应对,并且,可期待还维持继续进行该应对的动机。
<本发明的其他实施方式的生活习惯评价部>
在上述实施方式中,具有如下结构:比较对象者的包含当前在内的最近的生活习惯模式、和最接近该最近的生活习惯模式的对象者的过去生活习惯模式。作为其他实施方式,能够举出以下方式:替代对象者的与包含当前在内的最近的生活习惯模式最接近的、对象者的过去生活习惯模式,选择他人生活习惯模式数据库35所预先存储的对象者理想中的人(例如运动员)的生活习惯模式,并通过与其进行比较来掌握其差异。
在该结构中,对象者将焦点对准憧憬的运动员或作为目标对象的运动员的生活习惯模式,由此能够较容易地实现自身的生活习惯模式的期望状态。在这点上,能够给对象者的心理带来好的影响,使对象者自身维持动机以维持或提高对象者的健康。
[生活习惯改善方法]
关于该生活习惯改善方法,以下参照图2的示出本实施方式中的生活习惯改善装置的处理的流程图进行说明。
在该实施方式中,使用体重数据作为生物体信息,使用睡眠数据和运动数据作为行为信息。
首先,从生物体信息数据库31取得对象者的体重数据,从行为信息数据库32取得睡眠数据和运动数据(ST1)。
在取得这些数据时,判断是否充分蓄积了对象者的过去的这些数据(ST2)。对象者的数据量需要某种程度的量,例如1个月、3个月、1年的数据量即足够。在数据的蓄积充分的情况下,使用对象者自身的数据,进行后述的步骤4(ST4)的处理。
与此相对,在数据的蓄积不充分的情况下,从他人生活习惯模式数据库35中采用与对象者类似的他人的生活习惯模式,作为对象者的数据。类似的要素有性别、年龄等基本信息、身高等生物体信息、或包含睡眠数据的睡眠信息等。在该情况下,选择这些要素与对象者类似的人的数据,作为对象者的数据(ST3),进行步骤4(ST4)的处理。
另外,在充分蓄积有对象者的数据的时刻,不使用他人的数据,而切换到对象者自身的数据进行处理。
在步骤4(ST4)中,根据取得的对象者的过去的睡眠数据和运动数据、或被视作对象者的过去的睡眠数据和运动数据,生成每天24小时的生活习惯模式。
接着,对对象者的生物体信息中的体重进行如下的分类:如果每个固定的期间,例如每1周,体重的增减是±2%的变动,则将其设为“维持状态”,如果是+2~+5%的变动,则将其设为“增量状态”,如果是-2~-5%的变动,则将其设为“减量状态”。对数据建立标志,使得能够分别识别“维持状态”、“增量状态”、“减量状态”(ST5)。
接着,与(ST4)的生成对象者的过去的每天24小时的生活习惯模式同样地,根据对象者的包含当前在内的最近的睡眠数据和运动数据,生成最近24小时的生活习惯模式。“最近”的期间的幅度可以是1日,也可以是1周,未特别限定(ST6)。
接着,根据在上述体重分别为“维持状态”、“增量状态”、“减量状态”的期间内测量的睡眠数据和运动的数据,计算各期间内的就寝的概率和平均步数(ST7)。
接着,对过去的对象者生活习惯模式、和对象者的包含当前在内的最近的生活习惯模式进行比较,检测与包含当前在内的最近的生活习惯模式最接近的生活习惯模式(ST8)。
接着,提取检测出的与包含当前在内的最近的生活习惯模式最接近的生活习惯模式、与优选的体重的状态(例如“减量状态”的期间的生活习惯模式或“维持状态”的期间的生活习惯模式)的差异(ST9)。
接着,根据该差异,提取最近的生活习惯模式的问题(ST10)。
并且,根据过去生活习惯模式和与最近的生活习惯模式最接近的过去生活习惯模式,进行1周以后、1个月以后、1年以后这样的将来的对象者的体重变化的预测(ST11)。
接着,生成在(ST10)中提取出的问题和在(ST11)中获得的预测结果作为消息,进行显示(ST12)。
以上的该生活习惯改善方法的效果与上述的该生活习惯改善装置的效果相同,因此省略。
另外,本申请请求基于在日本于2014年12月25日申请的日本特愿2014-262336号的优先权。其内容通过在此提及而被并入到本申请中。此外,本说明书所引用的文献通过在此提及而将其全部内容具体并入。
标号说明
3:数据库;31:生物体信息数据库;32:行为信息数据库;33:对象者数据库;34:环境信息数据库;35:他人生活习惯模式数据库;36:对象者生活习惯模式数据库;4:生活习惯模式生成部;5:生活习惯模式检测部;6:生活习惯评价部;7:生活习惯预测部;8:消息生成部。
Claims (14)
1.一种生活习惯改善装置,其中,该生活习惯改善装置包含:
生活习惯模式生成部,其根据生物体信息和行为信息,生成生活习惯模式,上述生物体信息是与对象者的身体相关的信息,上述行为信息是与对象者的行为相关的信息;以及
生活习惯预测部,其根据由该生活习惯模式生成部生成的生活习惯模式,预测该对象者的生物体信息。
2.根据权利要求1所述的生活习惯改善装置,其中,
上述生活习惯模式生成部根据该生物体信息表示的状态对对象者的过去的生物体信息进行分类,根据各个状态下的上述行为信息,生成生活习惯模式。
3.根据权利要求1或2所述的生活习惯改善装置,其中,
根据与上述生物体信息的种类相应地预先设定的基准值或该生物体信息表示的状态的时间序列的变化中的至少一个,对该状态进行了分类。
4.根据权利要求1或2所述的生活习惯改善装置,其中,该生活习惯改善装置还包含:
存储部,其存储由上述生活习惯模式生成部生成的生活习惯模式;以及
生活习惯模式检测部,其从该存储部所存储的生活习惯模式中,检测1个生活习惯模式。
5.根据权利要求4所述的生活习惯改善装置,其中,
生活习惯模式检测部根据行为信息,检测生活习惯模式。
6.根据权利要求4所述的生活习惯改善装置,其中,
上述生活习惯模式检测部从上述存储部所存储的对象者的过去的生活习惯模式中,检测对象者的与包含当前在内的最近的生活习惯模式最接近的生活习惯模式。
7.根据权利要求6所述的生活习惯改善装置,其中,
该生活习惯改善装置还包含生活习惯评价部,该生活习惯评价部将上述检测的对象者的与包含当前在内的最近的生活习惯模式最接近的过去的生活习惯模式识别为对象者的最近的生活习惯模式,通过对该最近的生活习惯模式与特定的生活习惯模式进行比较,提取对象者的包含当前在内的最近的生活习惯的问题。
8.根据权利要求1或2所述的生活习惯改善装置,其中,
该生活习惯改善装置还包含生活习惯预测部,该生活习惯预测部进行在对象者维持包含当前在内的最近的生活习惯模式的情况下的、将来的生物体信息的预测。
9.根据权利要求8所述的生活习惯改善装置,其中,
上述生活习惯预测部根据生物体信息表示的状态的出现模式和表现出该出现模式的期间的长度,进行对象者维持包含当前在内的最近的生活习惯模式的情况下的、将来的生物体信息的预测。
10.根据权利要求7所述的生活习惯改善装置,其中,
该生活习惯改善装置还包含消息生成部,该消息生成部根据由上述生活习惯评价部提取的问题、和由上述生活习惯评价预测部预测的预测信息,生成消息,该消息包含用于改善或维持对象者的生活习惯的信息。
11.一种生活习惯改善方法,其中,
根据生物体信息和行为信息,生成生活习惯模式,上述生物体信息是与对象者的身体相关的信息,上述行为信息是与对象者的行为相关的信息,
根据该生成的生活习惯模式,预测该对象者的生物体信息。
12.根据权利要求11所述的生活习惯改善方法,其中,
根据该生物体信息表示的状态对对象者的过去的特定生物体信息进行分类,根据各个状态下的上述行为信息,生成生活习惯模式。
13.根据权利要求11或12所述的生活习惯改善方法,其中,
根据与上述生物体信息的种类相应地预先设定的基准值或该生物体信息表示的状态的时间序列的变化中的至少一个,对该状态进行分类。
14.一种生活习惯改善系统,其中,该生活习惯改善系统包含:
生物体信息数据库,其蓄积生物体信息,上述生物体信息是与对象者的身体相关的信息;
行为信息数据库,其蓄积行为信息,上述行为信息是与对象者的行为相关的信息;以及
生活习惯模式生成部,其根据上述蓄积的生物体信息和上述蓄积的行为信息,生成生活习惯模式,
该生活习惯改善系统根据该生成的生活习惯模式,向该对象者发送消息。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2014262336A JP2016122348A (ja) | 2014-12-25 | 2014-12-25 | 生活習慣改善装置及び生活習慣改善方法並びに生活習慣改善システム |
JP2014-262336 | 2014-12-25 | ||
PCT/JP2015/085368 WO2016104326A1 (ja) | 2014-12-25 | 2015-12-17 | 生活習慣改善装置及び生活習慣改善方法並びに生活習慣改善システム |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107004239A true CN107004239A (zh) | 2017-08-01 |
Family
ID=56150346
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201580061259.XA Pending CN107004239A (zh) | 2014-12-25 | 2015-12-17 | 生活习惯改善装置、生活习惯改善方法及生活习惯改善系统 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20170329932A1 (zh) |
EP (1) | EP3211590A4 (zh) |
JP (1) | JP2016122348A (zh) |
CN (1) | CN107004239A (zh) |
WO (1) | WO2016104326A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111295715A (zh) * | 2017-10-26 | 2020-06-16 | 欧姆龙健康医疗事业株式会社 | 目标管理系统、目标管理服务器、目标管理程序以及目标管理终端装置 |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3467762A4 (en) * | 2016-05-23 | 2020-01-22 | NEC Solution Innovators, Ltd. | HEALTH CONDITION PREDICTION DEVICE, HEALTH CONDITION PREDICTION METHOD, AND COMPUTER-READABLE RECORDING MEDIUM |
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 |
JP6473988B2 (ja) * | 2017-01-12 | 2019-02-27 | 株式会社AncientTree | 検査データの予測、記録、比較装置 |
JP7152736B2 (ja) * | 2017-03-30 | 2022-10-13 | 株式会社タニタ | 情報処理装置、方法及びプログラム |
JP6467601B1 (ja) * | 2017-09-07 | 2019-02-13 | メドケア株式会社 | 食事履歴システム |
EP3578100A1 (en) * | 2018-06-05 | 2019-12-11 | Koninklijke Philips N.V. | Method and apparatus for estimating a trend in a blood pressure surrogate |
JP2020027309A (ja) * | 2018-08-09 | 2020-02-20 | ソフトバンク株式会社 | 情報管理システム及びプログラム |
US20200196878A1 (en) * | 2018-12-19 | 2020-06-25 | Livemetric (Medical) S.A. | System and method for blood pressure monitoring with subject awareness information |
JP7337316B2 (ja) | 2020-01-20 | 2023-09-04 | 株式会社AncientTree | 治療に伴う検査データの予測、記録、比較装置 |
JP7395423B2 (ja) * | 2020-05-26 | 2023-12-11 | Kddi株式会社 | 食事と睡眠・運動に係る情報を提供可能な生活モニタ装置、システム、プログラム及び方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090112069A1 (en) * | 2007-10-31 | 2009-04-30 | Sanyo Electric Co., Ltd. | Trend prediction device |
US20100161347A1 (en) * | 2008-08-06 | 2010-06-24 | The Quantum Group, Inc. | System and methods for simulating future medical episodes |
CN102216951A (zh) * | 2008-11-19 | 2011-10-12 | 欧姆龙健康医疗事业株式会社 | 健康状态判断装置 |
US20140045156A1 (en) * | 2012-08-07 | 2014-02-13 | Nerio Alessandri | Methods for managing lifestyle of individuals |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007034744A (ja) * | 2005-07-27 | 2007-02-08 | Matsushita Electric Ind Co Ltd | アドバイスフォローアップシステム及びアドバイスフォローアップ方法 |
US20100099954A1 (en) * | 2008-10-22 | 2010-04-22 | Zeo, Inc. | Data-driven sleep coaching system |
WO2010115194A1 (en) * | 2009-04-03 | 2010-10-07 | Intrapace, Inc. | Feedback systems and methods for communicating diagnostic and/or treatment signals to enhance obesity treatments |
EP2437652A1 (en) * | 2009-06-04 | 2012-04-11 | Koninklijke Philips Electronics N.V. | Method and system for providing behavioural therapy for insomnia |
GB2471902A (en) * | 2009-07-17 | 2011-01-19 | Sharp Kk | Sleep management system which correlates sleep and performance data |
JP5558216B2 (ja) * | 2010-06-11 | 2014-07-23 | シャープ株式会社 | 健康管理装置、健康管理制御プログラム、および記録媒体 |
US20120046966A1 (en) * | 2010-08-19 | 2012-02-23 | International Business Machines Corporation | Health Management Application Development and Deployment Framework |
JP5601102B2 (ja) * | 2010-09-08 | 2014-10-08 | セイコーエプソン株式会社 | 血糖値予測システム |
JP5788293B2 (ja) * | 2011-10-31 | 2015-09-30 | オムロンヘルスケア株式会社 | 睡眠評価装置および睡眠評価用プログラム |
JP5830488B2 (ja) * | 2013-04-23 | 2015-12-09 | 日本電信電話株式会社 | 健康情報管理装置、方法及びプログラム |
CN116328142A (zh) * | 2013-07-08 | 2023-06-27 | 瑞思迈传感器技术有限公司 | 用于睡眠管理的方法和系统 |
-
2014
- 2014-12-25 JP JP2014262336A patent/JP2016122348A/ja active Pending
-
2015
- 2015-12-17 US US15/528,885 patent/US20170329932A1/en not_active Abandoned
- 2015-12-17 WO PCT/JP2015/085368 patent/WO2016104326A1/ja active Application Filing
- 2015-12-17 EP EP15872895.6A patent/EP3211590A4/en not_active Withdrawn
- 2015-12-17 CN CN201580061259.XA patent/CN107004239A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090112069A1 (en) * | 2007-10-31 | 2009-04-30 | Sanyo Electric Co., Ltd. | Trend prediction device |
US20100161347A1 (en) * | 2008-08-06 | 2010-06-24 | The Quantum Group, Inc. | System and methods for simulating future medical episodes |
CN102216951A (zh) * | 2008-11-19 | 2011-10-12 | 欧姆龙健康医疗事业株式会社 | 健康状态判断装置 |
US20140045156A1 (en) * | 2012-08-07 | 2014-02-13 | Nerio Alessandri | Methods for managing lifestyle of individuals |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111295715A (zh) * | 2017-10-26 | 2020-06-16 | 欧姆龙健康医疗事业株式会社 | 目标管理系统、目标管理服务器、目标管理程序以及目标管理终端装置 |
CN111295715B (zh) * | 2017-10-26 | 2024-01-19 | 欧姆龙健康医疗事业株式会社 | 目标管理系统、目标管理服务器、目标管理程序以及目标管理终端装置 |
Also Published As
Publication number | Publication date |
---|---|
EP3211590A1 (en) | 2017-08-30 |
US20170329932A1 (en) | 2017-11-16 |
EP3211590A4 (en) | 2018-01-10 |
WO2016104326A1 (ja) | 2016-06-30 |
JP2016122348A (ja) | 2016-07-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107004239A (zh) | 生活习惯改善装置、生活习惯改善方法及生活习惯改善系统 | |
CN102844784B (zh) | 健康管理支援装置、健康管理支援系统 | |
Beckmann et al. | Evaluation of the patient-reported outcomes measurement information system upper extremity computer adaptive test | |
US9183757B2 (en) | Dieting support system and dieting support method | |
DK2006786T3 (en) | Method and glucose monitoring system to monitor individual metabolic response and to generate nutrient feedback | |
KR101220179B1 (ko) | 운동량 측정 장치, 운동량 관리 시스템 및 운동량 측정 방법 | |
CN107249451A (zh) | 汗液传感装置通信安全性和依从性 | |
CN104207753A (zh) | 个人健康监视系统 | |
RU2712395C1 (ru) | Способ выдачи рекомендаций по поддержанию здорового образа жизни на основе параметров ежедневной деятельности пользователя, автоматически отслеживаемых в реальном времени, и соответствующая система (варианты) | |
JP5135197B2 (ja) | 生体指標管理装置 | |
JP2012210441A5 (zh) | ||
CN110832524A (zh) | 评价请求程序、评价请求方法和计算机装置 | |
CN102216951A (zh) | 健康状态判断装置 | |
CN105279362A (zh) | 个人健康监视系统 | |
JPWO2008120677A1 (ja) | 活動量計測システム | |
US20150134344A1 (en) | Personal Health Data Gathering for Incentive and Insurance Rating Purposes | |
CN105117583B (zh) | 基于群体生理数据的个人健康分析系统 | |
CN107077711A (zh) | 特性评价装置、特性评价系统、特性评价方法和特性评价程序 | |
JP2014174954A (ja) | 行動支援システム、当該システムの端末装置、およびサーバー | |
JP2018005284A (ja) | 情報処理方法、情報処理装置及び情報処理プログラム | |
CN102428468B (zh) | 自动产生用于不连续的血糖测量的用户专属测量记录例程的方法以及数据处理装置和血糖测量装置 | |
CN109300546A (zh) | 一种基于大数据和人工智能的个体亚健康状态评估方法 | |
CN101596125A (zh) | 一种具备直观显示的健康信息显示系统、方法及其接口 | |
KR20100102963A (ko) | 유비쿼터스환경에서의 웰빙라이프케어 인덱스 모델 제작 방법 | |
JP6142266B2 (ja) | 健康管理システム及び活動量計 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20170801 |