JP2002183647A - 検査異常発生予測装置，検査異常発生予測方法，検査異常発生予測テーブル作成方法およびそれらのプログラム記録媒体，並びに健康教育支援システム - Google Patents
検査異常発生予測装置，検査異常発生予測方法，検査異常発生予測テーブル作成方法およびそれらのプログラム記録媒体，並びに健康教育支援システムInfo
- Publication number
- JP2002183647A JP2002183647A JP2000375951A JP2000375951A JP2002183647A JP 2002183647 A JP2002183647 A JP 2002183647A JP 2000375951 A JP2000375951 A JP 2000375951A JP 2000375951 A JP2000375951 A JP 2000375951A JP 2002183647 A JP2002183647 A JP 2002183647A
- Authority
- JP
- Japan
- Prior art keywords
- test
- abnormality
- abnormality occurrence
- inspection
- risk
- 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
Abstract
(57)【要約】
【課題】 受診者の性，年齢，生活習慣パターン，家族
歴，最近の検査値から，将来検査異常を起こす危険率を
求め，受診者の健康状態，生活習慣，家族等から将来発
症のおそれのある疾病を予測し，予防できるようにす
る。 【解決手段】 あらかじめ健診データベースを参照し，
検査項目毎に検査値ランク別，性別，年齢階級別，生活
習慣パターン別，家族歴別に検査異常の発生する危険率
を保持する検査異常発生予測テーブル２０を作成する。
健診データ入力部１１により，検査異常発生を予測する
受診者の健診データを入力し，受診者健診データ解析部
１２により，受診者の健診データから検査異常発生予測
テーブル２０を検索するための情報を生成し，検査異常
発生予測テーブル検索部１３により検査異常発生予測テ
ーブル２０を検索する。この検索結果から該受診者が将
来検査異常を起こす危険率を予測する。
歴，最近の検査値から，将来検査異常を起こす危険率を
求め，受診者の健康状態，生活習慣，家族等から将来発
症のおそれのある疾病を予測し，予防できるようにす
る。 【解決手段】 あらかじめ健診データベースを参照し，
検査項目毎に検査値ランク別，性別，年齢階級別，生活
習慣パターン別，家族歴別に検査異常の発生する危険率
を保持する検査異常発生予測テーブル２０を作成する。
健診データ入力部１１により，検査異常発生を予測する
受診者の健診データを入力し，受診者健診データ解析部
１２により，受診者の健診データから検査異常発生予測
テーブル２０を検索するための情報を生成し，検査異常
発生予測テーブル検索部１３により検査異常発生予測テ
ーブル２０を検索する。この検索結果から該受診者が将
来検査異常を起こす危険率を予測する。
Description
【０００１】
【発明の属する技術分野】本発明は，健康診断結果から
将来検査異常が起こる危険性を予測する方法，および危
険予測に基づき疾病の発症を予防するための健康教育を
支援するシステムに関するものである。
将来検査異常が起こる危険性を予測する方法，および危
険予測に基づき疾病の発症を予防するための健康教育を
支援するシステムに関するものである。
【０００２】
【従来の技術】健康教育では，受診者が将来発症の可能
性のある疾病を予測して，それを予防するための知識を
与えることが，効果的である。従来，健康教育，保健指
導を目的として，将来異常が発生する検査項目を予測す
る方法，およびその方法に基づく装置，システムに関す
る発明は，特開平５−２５０４２３（特願平４−５１３
３６）「健康増進データ出力装置」，特公平６−３８７
９８（特願昭６３−２９５０４３）「健康診断面接支援
システム」，特公平７−８６８９１（特願平１−３０３
１７６）「医学／保健用情報処理システム」において述
べられているが，これらの発明における異常発生の予測
は，過去の検査値データの時系列をもとに単純に予測す
るか，あるいは，医師，保健婦等の健診スタッフが作成
した判定ルールを知識ベースとして持ち，それにより予
測する方法である。
性のある疾病を予測して，それを予防するための知識を
与えることが，効果的である。従来，健康教育，保健指
導を目的として，将来異常が発生する検査項目を予測す
る方法，およびその方法に基づく装置，システムに関す
る発明は，特開平５−２５０４２３（特願平４−５１３
３６）「健康増進データ出力装置」，特公平６−３８７
９８（特願昭６３−２９５０４３）「健康診断面接支援
システム」，特公平７−８６８９１（特願平１−３０３
１７６）「医学／保健用情報処理システム」において述
べられているが，これらの発明における異常発生の予測
は，過去の検査値データの時系列をもとに単純に予測す
るか，あるいは，医師，保健婦等の健診スタッフが作成
した判定ルールを知識ベースとして持ち，それにより予
測する方法である。
【０００３】例えば，特開平５−２５０４２３（特願平
４−５１３３６）「健康増進データ出力装置」の予測
は，個人の一定期間における検査データの変化量ａと多
数の人の検査データの変化量Ａとの比較を行い，現在お
よび将来の健康度を求めるものである。
４−５１３３６）「健康増進データ出力装置」の予測
は，個人の一定期間における検査データの変化量ａと多
数の人の検査データの変化量Ａとの比較を行い，現在お
よび将来の健康度を求めるものである。
【０００４】また，特公平６−３８７９８（特願昭６３
−２９５０４３）「健康診断面接支援システム」では，
健康診断における医師の推論をＩＦ−ＴＨＥＮ形式で記
述した知識ベースに基づいて検査結果の診断，将来の傾
向の判定を行う技術が述べられ，具体的な予測方法につ
いては述べられていない。
−２９５０４３）「健康診断面接支援システム」では，
健康診断における医師の推論をＩＦ−ＴＨＥＮ形式で記
述した知識ベースに基づいて検査結果の診断，将来の傾
向の判定を行う技術が述べられ，具体的な予測方法につ
いては述べられていない。
【０００５】特公平７−８６８９１（特願平１−３０３
１７６）「医学／保健用情報処理システム」で述べられ
ている技術は，他の健診機関で受診したり，あるいは何
らかの理由で受診ができなかった年度の受診者の欠落し
た検査値データを集団のデータから推定し，一続きの検
査値の時系列を求め，最小２乗法等の統計手法を用いて
近未来の検査値の予測をするものである。
１７６）「医学／保健用情報処理システム」で述べられ
ている技術は，他の健診機関で受診したり，あるいは何
らかの理由で受診ができなかった年度の受診者の欠落し
た検査値データを集団のデータから推定し，一続きの検
査値の時系列を求め，最小２乗法等の統計手法を用いて
近未来の検査値の予測をするものである。
【０００６】健診においてその予防の対象としている高
血圧，糖尿病，高脂血症等の疾病は生活習慣病と呼ばれ
るように，肥満，飲酒，喫煙等の生活習慣がその発症の
大きな要因となっており，また，これらの疾病発症には
遺伝的要因が大きい。しかしながら，前述した技術で
は，この点を考慮せず，検査値の時系列予測等の単純な
統計予測か，あるいは医師の推論に基づく予測方法な
ど，曖昧で統計的な根拠のない手法に基づいている。
血圧，糖尿病，高脂血症等の疾病は生活習慣病と呼ばれ
るように，肥満，飲酒，喫煙等の生活習慣がその発症の
大きな要因となっており，また，これらの疾病発症には
遺伝的要因が大きい。しかしながら，前述した技術で
は，この点を考慮せず，検査値の時系列予測等の単純な
統計予測か，あるいは医師の推論に基づく予測方法な
ど，曖昧で統計的な根拠のない手法に基づいている。
【０００７】生活習慣によって，検査値がどのように変
化するかに関しては，論文「Yoshida,K.,Okazaki,N.,Hi
nohara,S.,Sugiyama,J.,Nakamura,A.,Iwashimizu,Y.,an
d Kitagawa,T.:Health-Risk Appraisal Applied to Ord
inary AMHTS.Methods Inf Med,32:260-263,1993.」で回
帰分析，数量化理論を用いて予測する方法が提案されて
いる。
化するかに関しては，論文「Yoshida,K.,Okazaki,N.,Hi
nohara,S.,Sugiyama,J.,Nakamura,A.,Iwashimizu,Y.,an
d Kitagawa,T.:Health-Risk Appraisal Applied to Ord
inary AMHTS.Methods Inf Med,32:260-263,1993.」で回
帰分析，数量化理論を用いて予測する方法が提案されて
いる。
【０００８】この方法は，現在の生活習慣，検査値か
ら，次年度の検査値を予測するものであり，次年度の検
査値を回帰式の目的変数としており，短期的な予測法で
ある。また，大部分の受診者は生活習慣を変えないた
め，生活習慣を説明変数にとっても，その変数の取りう
る組合せの中にはそれに属するデータ数が非常に限られ
たものがあり，実際の健診データに基づいて回帰分析あ
るいは数量化理論を用いて得られる予測式の精度に問題
があった。さらに前述したように，次年度検査値の予測
という短期的なものであり，長期にわって危険性を判定
できる方法ではなかった。
ら，次年度の検査値を予測するものであり，次年度の検
査値を回帰式の目的変数としており，短期的な予測法で
ある。また，大部分の受診者は生活習慣を変えないた
め，生活習慣を説明変数にとっても，その変数の取りう
る組合せの中にはそれに属するデータ数が非常に限られ
たものがあり，実際の健診データに基づいて回帰分析あ
るいは数量化理論を用いて得られる予測式の精度に問題
があった。さらに前述したように，次年度検査値の予測
という短期的なものであり，長期にわって危険性を判定
できる方法ではなかった。
【０００９】
【発明が解決しようとする課題】近年，健診分野におけ
るコンピュータ利用の普及により，健診機関において，
大規模な健診データベースが構築されており，受診者の
長期にわたる健診データが疾病予防等の解析に活用でき
る状況になっている。
るコンピュータ利用の普及により，健診機関において，
大規模な健診データベースが構築されており，受診者の
長期にわたる健診データが疾病予防等の解析に活用でき
る状況になっている。
【００１０】本発明は，このような状況に鑑み，単純な
検査値の時系列予測や医師の推論に基づく予測法という
統計的に根拠の薄い従来技術の問題点を解決するため，
検査異常の発生に大きな影響を持つと考えられる，現在
の検査値，性，年齢，生活習慣，家族歴の統計的な情報
に基づき，将来の検査異常の発生を予測することに着目
した発明であり，具体的には，受診者の健診データを連
続年数毎に抽出し，各検査毎に検査値ランク別，性別，
年齢階級別，生活習慣パターン別，家族歴別に分類し，
各分類に属する受診者が連続受診年の初年度を基準にそ
れ以降の年度に検査異常を起こす危険率を統計的に算出
して作成される検査異常発生予測テーブルから，該テー
ブルを用いて，受診者の検査値ランク，性，年齢階級，
生活習慣パターン，家族歴と一致する条件のテーブル行
に書かれた危険率を抽出し，将来の検査異常の発生する
危険性を予測する方法を提供するとともに，該方法に基
づき，受診者に関して将来発症の可能性のある疾病の予
防に適した健康教育用画面をデータベースから検索・表
示するシステムを提供し，本人の現在の検査値，性，年
齢，生活習慣，家族歴に基づいて疾病発症予防に効果的
な健康教育を支援することを目的とする。
検査値の時系列予測や医師の推論に基づく予測法という
統計的に根拠の薄い従来技術の問題点を解決するため，
検査異常の発生に大きな影響を持つと考えられる，現在
の検査値，性，年齢，生活習慣，家族歴の統計的な情報
に基づき，将来の検査異常の発生を予測することに着目
した発明であり，具体的には，受診者の健診データを連
続年数毎に抽出し，各検査毎に検査値ランク別，性別，
年齢階級別，生活習慣パターン別，家族歴別に分類し，
各分類に属する受診者が連続受診年の初年度を基準にそ
れ以降の年度に検査異常を起こす危険率を統計的に算出
して作成される検査異常発生予測テーブルから，該テー
ブルを用いて，受診者の検査値ランク，性，年齢階級，
生活習慣パターン，家族歴と一致する条件のテーブル行
に書かれた危険率を抽出し，将来の検査異常の発生する
危険性を予測する方法を提供するとともに，該方法に基
づき，受診者に関して将来発症の可能性のある疾病の予
防に適した健康教育用画面をデータベースから検索・表
示するシステムを提供し，本人の現在の検査値，性，年
齢，生活習慣，家族歴に基づいて疾病発症予防に効果的
な健康教育を支援することを目的とする。
【００１１】
【課題を解決するための手段】以上述べた課題を解決す
るため，本発明の検査異常発生予測方法は，検査項目毎
に検査値ランク別，性別，年齢階級別，生活習慣パター
ン別，さらに必要に応じて家族歴別に検査異常の発生す
る危険率を保持する検査異常発生予測テーブルを用い
て，受診者の健診結果から，該受診者が将来，検査異常
を起こす危険率を予測することを特徴とする。
るため，本発明の検査異常発生予測方法は，検査項目毎
に検査値ランク別，性別，年齢階級別，生活習慣パター
ン別，さらに必要に応じて家族歴別に検査異常の発生す
る危険率を保持する検査異常発生予測テーブルを用い
て，受診者の健診結果から，該受診者が将来，検査異常
を起こす危険率を予測することを特徴とする。
【００１２】また，上記検査異常発生予測方法において
用いる検査異常発生予測テーブルを，健診データベース
から，受診者の健診データを連続年数毎に抽出し，各検
査毎に検査値ランク別，性別，年齢階級別，生活習慣パ
ターン別，さらに必要に応じて家族歴別に分類し，各分
類に属する受診者が連続受診年の初年度を基準にそれ以
降の年度に検査異常を起こす危険率を統計的に算出して
作成することを特徴する。
用いる検査異常発生予測テーブルを，健診データベース
から，受診者の健診データを連続年数毎に抽出し，各検
査毎に検査値ランク別，性別，年齢階級別，生活習慣パ
ターン別，さらに必要に応じて家族歴別に分類し，各分
類に属する受診者が連続受診年の初年度を基準にそれ以
降の年度に検査異常を起こす危険率を統計的に算出して
作成することを特徴する。
【００１３】以上の検査異常発生予測方法および検査異
常発生予測テーブル作成方法をコンピュータによって実
行するためのプログラムは，コンピュータが読み取り可
能な可搬媒体メモリ，半導体メモリ，ハードディスクな
どの適当な記録媒体に格納することができる。
常発生予測テーブル作成方法をコンピュータによって実
行するためのプログラムは，コンピュータが読み取り可
能な可搬媒体メモリ，半導体メモリ，ハードディスクな
どの適当な記録媒体に格納することができる。
【００１４】また，本発明の健康教育支援システムは，
健康診断受診者ＩＤにより，健診データベースから該受
診者の健診データを検索する健診データ検索部と，該受
診者の健診データから将来の検査異常の予測を行う検査
異常発生予測部と，該検査異常発生予測部が検査異常予
測を行うための情報を保持する検査異常発生予測テーブ
ルと，該検査異常発生予測部が予測した将来異常の起こ
る危険性のある検査に関連する疾病の予防に関する健康
教育情報を健康教育情報データベースから検索し，表示
する健康教育情報検索・表示部とを備えることを特徴と
する。
健康診断受診者ＩＤにより，健診データベースから該受
診者の健診データを検索する健診データ検索部と，該受
診者の健診データから将来の検査異常の予測を行う検査
異常発生予測部と，該検査異常発生予測部が検査異常予
測を行うための情報を保持する検査異常発生予測テーブ
ルと，該検査異常発生予測部が予測した将来異常の起こ
る危険性のある検査に関連する疾病の予防に関する健康
教育情報を健康教育情報データベースから検索し，表示
する健康教育情報検索・表示部とを備えることを特徴と
する。
【００１５】また，上記健康教育支援システムにおい
て，検査異常発生予測部は，上記検査異常発生予測方法
に基づく方法により危険率を求め，該危険率が予め定め
られた値を超えた検査項目の情報を健康教育情報検索・
表示部に転送することを特徴とする。
て，検査異常発生予測部は，上記検査異常発生予測方法
に基づく方法により危険率を求め，該危険率が予め定め
られた値を超えた検査項目の情報を健康教育情報検索・
表示部に転送することを特徴とする。
【００１６】上記健康教育支援システムにおいて用いる
検査異常発生予測テーブルは，健診データベースから，
受診者の健診データを連続年数毎に抽出し，各検査毎に
検査値ランク別，性別，年齢階級別，生活習慣パターン
別，さらに必要に応じて家族歴別に分類し，各分類に属
する受診者が連続受診年の初年度を基準にそれ以降の年
度に検査異常を起こす危険率を統計的に算出して作成さ
れる。
検査異常発生予測テーブルは，健診データベースから，
受診者の健診データを連続年数毎に抽出し，各検査毎に
検査値ランク別，性別，年齢階級別，生活習慣パターン
別，さらに必要に応じて家族歴別に分類し，各分類に属
する受診者が連続受診年の初年度を基準にそれ以降の年
度に検査異常を起こす危険率を統計的に算出して作成さ
れる。
【００１７】また，上記健康教育支援システムにおい
て，健康教育情報データベースは，異常のある検査項目
に関連する疾病が記述されたインデックス部と，各疾病
毎にその概要と予防方法が示された健康教育画面部から
なることを特徴とする。
て，健康教育情報データベースは，異常のある検査項目
に関連する疾病が記述されたインデックス部と，各疾病
毎にその概要と予防方法が示された健康教育画面部から
なることを特徴とする。
【００１８】健康教育情報検索・表示部は，検査異常発
生予測部から出力される検査項目をもとにその検査項目
に関連する疾病を上記健康教育データベースの中から検
索し，検索結果の疾病予防に関する健康教育情報を表示
する。
生予測部から出力される検査項目をもとにその検査項目
に関連する疾病を上記健康教育データベースの中から検
索し，検索結果の疾病予防に関する健康教育情報を表示
する。
【００１９】
【発明の実施の形態】以下，図面を参照しながら本発明
の実施の形態を詳細に説明する。
の実施の形態を詳細に説明する。
【００２０】図１は，本発明に係る検査異常発生予測装
置の構成例を示す。健診データ入力部１１は，受診者の
健診データを入力する。受診者健診データ解析部１２
は，健診データ入力部１１が入力した健診データから，
検査項目毎の検査値，性，年齢，生活習慣問診情報，家
族の疾病情報（家族歴という）を抽出し，検査値ランク
付け部１２１，年齢階級分類部１２２，生活習慣パター
ン作成部１２３，家族疾病番号割り当て部１２４を用い
て，受診者の各検査項目の情報を分類する。
置の構成例を示す。健診データ入力部１１は，受診者の
健診データを入力する。受診者健診データ解析部１２
は，健診データ入力部１１が入力した健診データから，
検査項目毎の検査値，性，年齢，生活習慣問診情報，家
族の疾病情報（家族歴という）を抽出し，検査値ランク
付け部１２１，年齢階級分類部１２２，生活習慣パター
ン作成部１２３，家族疾病番号割り当て部１２４を用い
て，受診者の各検査項目の情報を分類する。
【００２１】検査値ランク付け部１２１は，各検査項目
の検査値を所定の基準に従ってランク付けする。年齢階
級分類部１２２は，受診者の年齢を所定の区分に従って
分類する。生活習慣パターン作成部１２３は，生活習慣
問診情報から各生活習慣項目が健康的であるか否かを示
す生活習慣パターンを作成する。家族疾病番号割り当て
部１２４は，家族歴中に本予測で対象としている疾病が
あれば，予め定めた疾病番号を割り当てる。
の検査値を所定の基準に従ってランク付けする。年齢階
級分類部１２２は，受診者の年齢を所定の区分に従って
分類する。生活習慣パターン作成部１２３は，生活習慣
問診情報から各生活習慣項目が健康的であるか否かを示
す生活習慣パターンを作成する。家族疾病番号割り当て
部１２４は，家族歴中に本予測で対象としている疾病が
あれば，予め定めた疾病番号を割り当てる。
【００２２】検査異常発生予測テーブル２０は，検査項
目毎に，検査値ランク別，性別，年齢階級別，生活習慣
パターン別，家族歴別に，検査異常の発生する危険率を
保持する。この危険率は，受診者の現在の生活習慣が続
いた場合に，ｉ年後（ｉ＝１〜Ｎ）までに，当該検査項
目についての検査異常が発生する確率である。
目毎に，検査値ランク別，性別，年齢階級別，生活習慣
パターン別，家族歴別に，検査異常の発生する危険率を
保持する。この危険率は，受診者の現在の生活習慣が続
いた場合に，ｉ年後（ｉ＝１〜Ｎ）までに，当該検査項
目についての検査異常が発生する確率である。
【００２３】検査異常発生予測テーブル検索部１３は，
受診者健診データ解析部１２によって分類した各検査項
目の分類情報（検査値ランク，性，年齢階級，生活習慣
パターン，家族歴疾病番号）に従って，検査異常発生予
測テーブル２０を検索し，該当するレコードの危険率を
読み出す。検査項目毎の検査異常発生危険率出力部１４
は，検査異常発生予測テーブル検索部１３によって読み
出した危険率を検査異常発生予測結果として出力する。
受診者健診データ解析部１２によって分類した各検査項
目の分類情報（検査値ランク，性，年齢階級，生活習慣
パターン，家族歴疾病番号）に従って，検査異常発生予
測テーブル２０を検索し，該当するレコードの危険率を
読み出す。検査項目毎の検査異常発生危険率出力部１４
は，検査異常発生予測テーブル検索部１３によって読み
出した危険率を検査異常発生予測結果として出力する。
【００２４】以下，図１に示す検査異常発生予測装置に
よる検査異常発生の予測方法について，さらに詳細に説
明する。図２は，本発明における検査異常発生予測方法
の各受診者に関して，０年後（現在），１年後，２年
後，…，Ｎ年後の検査異常発生の危険率を算出する処理
フローを示したものである。
よる検査異常発生の予測方法について，さらに詳細に説
明する。図２は，本発明における検査異常発生予測方法
の各受診者に関して，０年後（現在），１年後，２年
後，…，Ｎ年後の検査異常発生の危険率を算出する処理
フローを示したものである。
【００２５】受診者の健診データは，図３および図４に
示す健診データベースのように，通常，受診者ＩＤを含
む管理情報，身長，体重等の身体計測情報，血圧，コレ
ステロール等の医学検査情報，飲酒習慣，喫煙等の生活
習慣問診情報，既往歴・家族歴情報，総合判定情報から
なる。また，血圧，コレステロール等の医学検査では，
その検査結果に異常が認められるか否かの判定情報が付
加される。図４（Ｄ）の例では，異常が認められる検査
項目には，‘＊’の印が付加されているが，異常を表す
記号は健診機関によって異なる。検査異常判定の基準は
医学会等である程度は決められているが，健診の機関に
依存するものもある。
示す健診データベースのように，通常，受診者ＩＤを含
む管理情報，身長，体重等の身体計測情報，血圧，コレ
ステロール等の医学検査情報，飲酒習慣，喫煙等の生活
習慣問診情報，既往歴・家族歴情報，総合判定情報から
なる。また，血圧，コレステロール等の医学検査では，
その検査結果に異常が認められるか否かの判定情報が付
加される。図４（Ｄ）の例では，異常が認められる検査
項目には，‘＊’の印が付加されているが，異常を表す
記号は健診機関によって異なる。検査異常判定の基準は
医学会等である程度は決められているが，健診の機関に
依存するものもある。
【００２６】図２に戻り，ステップＳ１０では，受診者
の健診データの中から対象とするＫ個の検査項目の検査
値，各検査項目の判定情報，性，年齢，生活習慣，家族
歴を抽出し，検査値はその値でランク付けをする。ラン
ク付けの意味は，例えば収縮期血圧が１１０の場合と１
３０の場合では，高血圧を発症する危険率が異なるため
に，検査値にランクを与えて区別することにある。検査
値は任意の階級にランク付けしてもよいが，実用的に
は，その検査値のヒストグラム等を参照して，正常範囲
の中を５〜１０程度に分け，ランク付けするのが現実的
である。
の健診データの中から対象とするＫ個の検査項目の検査
値，各検査項目の判定情報，性，年齢，生活習慣，家族
歴を抽出し，検査値はその値でランク付けをする。ラン
ク付けの意味は，例えば収縮期血圧が１１０の場合と１
３０の場合では，高血圧を発症する危険率が異なるため
に，検査値にランクを与えて区別することにある。検査
値は任意の階級にランク付けしてもよいが，実用的に
は，その検査値のヒストグラム等を参照して，正常範囲
の中を５〜１０程度に分け，ランク付けするのが現実的
である。
【００２７】図５（Ａ）は，収縮期血圧値のヒストグラ
ムを示したものであり，このようなヒストグラムを参考
にして，５階級にランク付けをした例を，図５（Ｂ）に
示している。検査値のランク付けの階級は，検査項目毎
に異なってもかまわない。年齢階級は任意に設定でき，
例えば４０歳未満，４０歳以上の２階級にしたり，５歳
または１０歳というような適当な年齢幅で年齢階級を設
定したりすることもできる。
ムを示したものであり，このようなヒストグラムを参考
にして，５階級にランク付けをした例を，図５（Ｂ）に
示している。検査値のランク付けの階級は，検査項目毎
に異なってもかまわない。年齢階級は任意に設定でき，
例えば４０歳未満，４０歳以上の２階級にしたり，５歳
または１０歳というような適当な年齢幅で年齢階級を設
定したりすることもできる。
【００２８】生活習慣については，本実施の形態では，
図６に示す項目を対象として説明するが，他の生活習慣
に変更追加があっても本発明の構成，効果に変りはな
い。図６には，各生活習慣毎に健康的な基準の例を示し
ている。肥満の生活習慣項目におけるＢＭＩ(Body Mass
Index) は，体重（ｋｇ）を身長（ｍ）の二乗で割った
値である。
図６に示す項目を対象として説明するが，他の生活習慣
に変更追加があっても本発明の構成，効果に変りはな
い。図６には，各生活習慣毎に健康的な基準の例を示し
ている。肥満の生活習慣項目におけるＢＭＩ(Body Mass
Index) は，体重（ｋｇ）を身長（ｍ）の二乗で割った
値である。
【００２９】各生活習慣項目が健康的であるか否かを図
６に示す基準に従って判定し，記号列化したものを生活
習慣パターンと呼ぶ。例えば肥満，飲酒，喫煙，運動習
慣，睡眠時間，間食，朝食の順で健康的，健康的，不健
康，不健康，健康，健康，不健康とした場合，健康に記
号○を，不健康に記号×を割り当てて作られた記号列
○，○，×，×，○，○，×を生活習慣パターンとす
る。生活習慣パターンの作成では，生活習慣項目の並び
を常に一定にしておかなければならない。
６に示す基準に従って判定し，記号列化したものを生活
習慣パターンと呼ぶ。例えば肥満，飲酒，喫煙，運動習
慣，睡眠時間，間食，朝食の順で健康的，健康的，不健
康，不健康，健康，健康，不健康とした場合，健康に記
号○を，不健康に記号×を割り当てて作られた記号列
○，○，×，×，○，○，×を生活習慣パターンとす
る。生活習慣パターンの作成では，生活習慣項目の並び
を常に一定にしておかなければならない。
【００３０】家族歴は，高血圧，糖尿病，高脂血症，高
尿酸血症等，医学的に遺伝的要因が強いと認められるも
のを対象とし，例えば，高血圧には１，糖尿病には２の
ように各疾病に番号を割り当て，家族歴の疾病で対象と
しないものには番号は割り当てない。なお，この家族歴
については，本発明において省略した実施も可能であ
る。以上が図２のステップＳ１０での処理である。
尿酸血症等，医学的に遺伝的要因が強いと認められるも
のを対象とし，例えば，高血圧には１，糖尿病には２の
ように各疾病に番号を割り当て，家族歴の疾病で対象と
しないものには番号は割り当てない。なお，この家族歴
については，本発明において省略した実施も可能であ
る。以上が図２のステップＳ１０での処理である。
【００３１】次に，ステップＳ１１では，対象検査項目
の１からＫに対し，ステップＳ１２，Ｓ１３あるいはＳ
１４の処理を繰り返すため，ループ変数ｋに１を代入
し，初期化する。続いてステップＳ１２では，番号ｋの
検査項目が異常でないかを判定する。異常の判定には，
図３に示す健診データの該当する検査項目の判定情報を
調べればよい。
の１からＫに対し，ステップＳ１２，Ｓ１３あるいはＳ
１４の処理を繰り返すため，ループ変数ｋに１を代入
し，初期化する。続いてステップＳ１２では，番号ｋの
検査項目が異常でないかを判定する。異常の判定には，
図３に示す健診データの該当する検査項目の判定情報を
調べればよい。
【００３２】異常であればステップＳ１３の処理に入
り，該検査項目の０年後からＮ年後の異常発生危険率を
１に設定する。番号ｋの検査項目に異常が見られないな
ら，ステップＳ１４の処理に入り，図７に示す検査異常
発生予測テーブルを参照し，検査番号（検査項目の番
号）ｋの図２のステップＳ１０で求めた，検査値ラン
ク，性，年齢階級，生活習慣パターン，家族歴疾病番号
の一致するテーブル行を検索し，該当する行に書かれた
１年後，２年後，…，Ｎ年後の異常の発生する危険率α
（ｋ）siを抽出する。なお，危険率α（ｋ）siの添字ｓ
はｓ年後の危険率であることを表し，添字ｉは検査番号
ｋについてのｉ番目のテーブル行であることを表してい
る。
り，該検査項目の０年後からＮ年後の異常発生危険率を
１に設定する。番号ｋの検査項目に異常が見られないな
ら，ステップＳ１４の処理に入り，図７に示す検査異常
発生予測テーブルを参照し，検査番号（検査項目の番
号）ｋの図２のステップＳ１０で求めた，検査値ラン
ク，性，年齢階級，生活習慣パターン，家族歴疾病番号
の一致するテーブル行を検索し，該当する行に書かれた
１年後，２年後，…，Ｎ年後の異常の発生する危険率α
（ｋ）siを抽出する。なお，危険率α（ｋ）siの添字ｓ
はｓ年後の危険率であることを表し，添字ｉは検査番号
ｋについてのｉ番目のテーブル行であることを表してい
る。
【００３３】ここで，図７の危険率が意味するものは，
初年度の検査項目の検査値ランク，年齢階級の受診者が
現在の生活習慣パターンを今後続けて行ったとき，１年
後，２年後，…，Ｎ年後までに当該検査で異常が起こる
確率であり，ｓ≦ｔならばα（ｋ）si≦α（ｋ）tiとな
る関係が成立する。
初年度の検査項目の検査値ランク，年齢階級の受診者が
現在の生活習慣パターンを今後続けて行ったとき，１年
後，２年後，…，Ｎ年後までに当該検査で異常が起こる
確率であり，ｓ≦ｔならばα（ｋ）si≦α（ｋ）tiとな
る関係が成立する。
【００３４】健康教育では，受診者に生活習慣の是正を
促すことが重要な目的の一つでもあるので，現在の生活
習慣を続けたとした場合の将来検査異常が起こる危険率
は，健康教育に有効な情報である。図７に示す検査異常
発生予測テーブルの検査値ランク，年齢階級，家族歴疾
病番号は，ステップＳ１０で述べたものと同じものとす
る。検査異常発生予測テーブルにおける生活習慣パター
ンでは，健康，不健康を問題にしない“don't care”を
意味する記号を導入している。例えば，図６に示すよう
に７つの生活習慣を考えた場合，２7 の組み合せが起こ
るが，ある検査項目おいては，その異常発生に有意に働
かない生活習慣があるため，それらの生活習慣をdon't
care‘−’とし，疫学的に意味のない組合せを除き，組
合せ数を減少させた。
促すことが重要な目的の一つでもあるので，現在の生活
習慣を続けたとした場合の将来検査異常が起こる危険率
は，健康教育に有効な情報である。図７に示す検査異常
発生予測テーブルの検査値ランク，年齢階級，家族歴疾
病番号は，ステップＳ１０で述べたものと同じものとす
る。検査異常発生予測テーブルにおける生活習慣パター
ンでは，健康，不健康を問題にしない“don't care”を
意味する記号を導入している。例えば，図６に示すよう
に７つの生活習慣を考えた場合，２7 の組み合せが起こ
るが，ある検査項目おいては，その異常発生に有意に働
かない生活習慣があるため，それらの生活習慣をdon't
care‘−’とし，疫学的に意味のない組合せを除き，組
合せ数を減少させた。
【００３５】図７の例では，健康，不健康，don't care
をそれぞれ記号○，×，−で表しており，図７の検査異
常発生予測テーブルにおける一行目の生活習慣パターン
「○，○，○，○，○，−，−」は，受診者の生活習慣
が，肥満，飲酒，喫煙，運動習慣，睡眠時間が○（健康
的）であれば，間食，朝食は無視してこのパターンと一
致したとみなすものである。
をそれぞれ記号○，×，−で表しており，図７の検査異
常発生予測テーブルにおける一行目の生活習慣パターン
「○，○，○，○，○，−，−」は，受診者の生活習慣
が，肥満，飲酒，喫煙，運動習慣，睡眠時間が○（健康
的）であれば，間食，朝食は無視してこのパターンと一
致したとみなすものである。
【００３６】ステップＳ１５，ステップＳ１６は，対象
とする全検査項目に対して，ステップＳ１２，Ｓ１３，
Ｓ１４の処理が行われたか否かを調べるためのステップ
であり，ループ変数ｋがＫを超えた時点で全体の処理は
終了する。
とする全検査項目に対して，ステップＳ１２，Ｓ１３，
Ｓ１４の処理が行われたか否かを調べるためのステップ
であり，ループ変数ｋがＫを超えた時点で全体の処理は
終了する。
【００３７】以上述べたように，本処理は，各検査項目
毎に受診者の検査値ランク，性，年齢階級，生活習慣パ
ターン，家族歴の疾病番号が図７に示す検査異常発生予
測テーブルの対応する欄に一致するものを検索し，該当
する行の中に書かれている１〜Ｎ年後の危険率を抽出す
るもので，該検査異常発生予測テーブルが予測に重要な
役割を果たしている。
毎に受診者の検査値ランク，性，年齢階級，生活習慣パ
ターン，家族歴の疾病番号が図７に示す検査異常発生予
測テーブルの対応する欄に一致するものを検索し，該当
する行の中に書かれている１〜Ｎ年後の危険率を抽出す
るもので，該検査異常発生予測テーブルが予測に重要な
役割を果たしている。
【００３８】続いて，図３および図４に示す健診データ
ベースから検査異常発生予測テーブルを作成する手順に
ついて説明する。危険率を求める方法は，検査項目には
依存しないので，ここでは，ある検査項目ｋについて説
明する。
ベースから検査異常発生予測テーブルを作成する手順に
ついて説明する。危険率を求める方法は，検査項目には
依存しないので，ここでは，ある検査項目ｋについて説
明する。
【００３９】図８は検査異常発生予測テーブル作成の手
順を示した処理フローチャートである。ステップＳ２０
では，１年後，２年後，…，Ｎ年後の危険率を求めるた
めに，ループ変数ｉにＮを代入する。本フローのステッ
プＳ２１，Ｓ２２，Ｓ２３では，後から述べる理由で，
Ｎ，Ｎ−１，…，１と処理するため，ｉの初期値はＮと
する。次にステップＳ２１では，健診データベース中の
健診データに対し，ｉ＋１年間連続して受診した受診者
のデータを取り出し，受診年月日の古い順に並べる。こ
こでｉ年後の危険率を算出するのにｉ＋１年間連続した
データを必要とするのは，ｉ＋１年後の健診データの異
常の判定を調べる必要があるからである。
順を示した処理フローチャートである。ステップＳ２０
では，１年後，２年後，…，Ｎ年後の危険率を求めるた
めに，ループ変数ｉにＮを代入する。本フローのステッ
プＳ２１，Ｓ２２，Ｓ２３では，後から述べる理由で，
Ｎ，Ｎ−１，…，１と処理するため，ｉの初期値はＮと
する。次にステップＳ２１では，健診データベース中の
健診データに対し，ｉ＋１年間連続して受診した受診者
のデータを取り出し，受診年月日の古い順に並べる。こ
こでｉ年後の危険率を算出するのにｉ＋１年間連続した
データを必要とするのは，ｉ＋１年後の健診データの異
常の判定を調べる必要があるからである。
【００４０】ここで，説明を簡単にするため，健診デー
タベースの中には，各受診者の健診データは，各年度１
件以下（０件はその年当該健診機関で受診していないこ
とを意味する）しかないと仮定する。ステップＳ２２で
は，連続年の初年度以前に検査項目ｋに異常が認められ
るか否かを調べ，異常がある場合には，ステップＳ２１
に戻る。もし，異常が見られなければ，連続年の初年度
の年齢，検査値から年齢階級，検査値ランクを求め，
性，生活習慣パターン，家族歴疾病番号が一致するグル
ープに健診データを登録する。以上の処理をｎ＝Ｎ，Ｎ
−１，…，１と続ける。Ｎ，Ｎ−１，…，１の順で処理
を行なうのは，ｎ＞ｍの場合にｎ年連続ならばｍ年連続
となるので，もし１，２，…，Ｎの順で続けると，数値
の大きいｎ年のデータが抽出されなくなるからである。
タベースの中には，各受診者の健診データは，各年度１
件以下（０件はその年当該健診機関で受診していないこ
とを意味する）しかないと仮定する。ステップＳ２２で
は，連続年の初年度以前に検査項目ｋに異常が認められ
るか否かを調べ，異常がある場合には，ステップＳ２１
に戻る。もし，異常が見られなければ，連続年の初年度
の年齢，検査値から年齢階級，検査値ランクを求め，
性，生活習慣パターン，家族歴疾病番号が一致するグル
ープに健診データを登録する。以上の処理をｎ＝Ｎ，Ｎ
−１，…，１と続ける。Ｎ，Ｎ−１，…，１の順で処理
を行なうのは，ｎ＞ｍの場合にｎ年連続ならばｍ年連続
となるので，もし１，２，…，Ｎの順で続けると，数値
の大きいｎ年のデータが抽出されなくなるからである。
【００４１】さて，性，年齢階級，検査値ランク，生活
習慣パターン，家族歴疾病番号のすべての組合せに関
し，各組み合わせのグループＧic（ｉ＝１，２，…，
Ｎ）には統計処理可能な十分なデータ含まれているとす
る。なお，添字ｃは分類のインデックスを示す。もし，
データ数が０もしくは非常に少ないＧic（ｉ＝１，２，
…，Ｎ）が存在する場合には，年齢階級，検査値ラン
ク，生活習慣パターン，家族歴疾病番号の分類数を少な
くすればよい（生活習慣パターンでは“don't care”の
数を増やす）。
習慣パターン，家族歴疾病番号のすべての組合せに関
し，各組み合わせのグループＧic（ｉ＝１，２，…，
Ｎ）には統計処理可能な十分なデータ含まれているとす
る。なお，添字ｃは分類のインデックスを示す。もし，
データ数が０もしくは非常に少ないＧic（ｉ＝１，２，
…，Ｎ）が存在する場合には，年齢階級，検査値ラン
ク，生活習慣パターン，家族歴疾病番号の分類数を少な
くすればよい（生活習慣パターンでは“don't care”の
数を増やす）。
【００４２】ステップＳ２６は，以上述べたようにして
作られた全てのグループＧ1c，Ｇ2c，…，ＧNcに対し，
Ｔ（Ｇic）をグループＧicの受診者数，Ａt （Ｇic）を
グループＧicの受診者のなかでｔ年後（ｔ≦ｉ）に検査
異常が初めて認められた受診者数としたとき，分類ｃで
のｔ年後の危険率Ｒtcを下式で求め，検査異常発生予測
テーブルの所定の欄に書き込む処理を示している。
作られた全てのグループＧ1c，Ｇ2c，…，ＧNcに対し，
Ｔ（Ｇic）をグループＧicの受診者数，Ａt （Ｇic）を
グループＧicの受診者のなかでｔ年後（ｔ≦ｉ）に検査
異常が初めて認められた受診者数としたとき，分類ｃで
のｔ年後の危険率Ｒtcを下式で求め，検査異常発生予測
テーブルの所定の欄に書き込む処理を示している。
【００４３】［式１］ｔ＝１の場合 Ｒ1c＝Σi=1 N Ａ1 （Ｇic）／Σi=1 N Ｔ（Ｇic） ［式２］ｔ＞１の場合 Ｒtc＝Σj=1 t Σi=j N Ａj （Ｇic）／｛Σi=t N Ｔ
（Ｇic）＋Σj=1 t-1 Σi=j t-1 Ａj （Ｇic）｝ 図９は，以上述べてきた危険率の算出方法の説明図であ
る。
（Ｇic）＋Σj=1 t-1 Σi=j t-1 Ａj （Ｇic）｝ 図９は，以上述べてきた危険率の算出方法の説明図であ
る。
【００４４】図９（Ａ）のテーブルは，健診データベー
スの中に最大８年間分の受診者のデータが存在するとし
たとき，各受診者毎に健診データを古い年度から新しい
年度に並べたものを表しており，テーブルの左横の数値
は受診者ＩＤを，テーブルの上の数値は受診回数を意味
する。
スの中に最大８年間分の受診者のデータが存在するとし
たとき，各受診者毎に健診データを古い年度から新しい
年度に並べたものを表しており，テーブルの左横の数値
は受診者ＩＤを，テーブルの上の数値は受診回数を意味
する。
【００４５】受診回数は受診年月日とは独立の概念であ
り，例えば受診者ＩＤが１の１回目の受診年月日は１９
９０年，受診者ＩＤが２の１回目は１９９２年というよ
うに時間的に異なってもよい。テーブルの中のＬ１，Ｌ
２，Ｌ３は，生活習慣パターンを表し（説明を簡単にす
るため，生活習慣パターンは３種類とする），記号
「−」はその回の健診データが健診データベース内に存
在しないことを，網掛けの欄は，その回で異常が見られ
たことを表している。
り，例えば受診者ＩＤが１の１回目の受診年月日は１９
９０年，受診者ＩＤが２の１回目は１９９２年というよ
うに時間的に異なってもよい。テーブルの中のＬ１，Ｌ
２，Ｌ３は，生活習慣パターンを表し（説明を簡単にす
るため，生活習慣パターンは３種類とする），記号
「−」はその回の健診データが健診データベース内に存
在しないことを，網掛けの欄は，その回で異常が見られ
たことを表している。
【００４６】図９を用いて生活習慣パターンＬ１に関
し，１〜５年後までの危険率の求め方について説明す
る。まず，図９（Ａ）のテーブルを走査し，５年連続，
４年連続，３年連続，…，１年連続として抽出し，連続
年の初年度，例えば受診者ＩＤが３では，３回目のデー
タの年齢，検査値から年齢階級，検査値ランクを求め
る。このとき，連続年の初年度以前に異常の見られたも
のは除外する。
し，１〜５年後までの危険率の求め方について説明す
る。まず，図９（Ａ）のテーブルを走査し，５年連続，
４年連続，３年連続，…，１年連続として抽出し，連続
年の初年度，例えば受診者ＩＤが３では，３回目のデー
タの年齢，検査値から年齢階級，検査値ランクを求め
る。このとき，連続年の初年度以前に異常の見られたも
のは除外する。
【００４７】次に，性，年齢階級，検査値ランク，生活
習慣パターン，家族歴疾病番号の一致するものをグルー
プ化する。図９（Ａ）のテーブルの○で囲まれたＩＤ番
号の受診者は，性，年齢階級，検査値ランク，生活習慣
パターン，家族歴疾病番号が一致しているものとし，該
受診者を連続年数毎に並べたテーブルを図９（Ｂ）に示
す。グループ名をＧ5c，Ｇ4c，Ｇ3c，Ｇ2c，Ｇ1cとす
る。
習慣パターン，家族歴疾病番号の一致するものをグルー
プ化する。図９（Ａ）のテーブルの○で囲まれたＩＤ番
号の受診者は，性，年齢階級，検査値ランク，生活習慣
パターン，家族歴疾病番号が一致しているものとし，該
受診者を連続年数毎に並べたテーブルを図９（Ｂ）に示
す。グループ名をＧ5c，Ｇ4c，Ｇ3c，Ｇ2c，Ｇ1cとす
る。
【００４８】図９（Ｃ）は，図９（Ｂ）から得られる係
数値を示している。図９（Ｂ）のグループ分けに関する
図８のフローのステップＳ２６での係数Ｔ（Ｇic）とＡ
t （Ｇic）を求めると，図９（Ｃ）に書かれた値にな
り，この値を［式１］，［式２］に代入して求めた危険
率が，図９（Ｄ）に示すようにそれぞれ，Ｒ1c＝０．０
８，Ｒ2c＝０．１，Ｒ3c＝０．２９，Ｒ4c＝０．３３，
Ｒ5c＝０．６となる。
数値を示している。図９（Ｂ）のグループ分けに関する
図８のフローのステップＳ２６での係数Ｔ（Ｇic）とＡ
t （Ｇic）を求めると，図９（Ｃ）に書かれた値にな
り，この値を［式１］，［式２］に代入して求めた危険
率が，図９（Ｄ）に示すようにそれぞれ，Ｒ1c＝０．０
８，Ｒ2c＝０．１，Ｒ3c＝０．２９，Ｒ4c＝０．３３，
Ｒ5c＝０．６となる。
【００４９】図１０は，本発明に係る健康教育支援シス
テムの構成図である。健康教育支援システムの健診デー
タ検索部３０は，入力された受診者ＩＤ（受診者氏名コ
ード）により健診データベース４０から該受診者の最近
の健診データを取り出し，検査異常発生予測部１０に送
る。最近の健診データの取り出しには，図３および図４
に示す内容の中の受診年月日を参照して行う。
テムの構成図である。健康教育支援システムの健診デー
タ検索部３０は，入力された受診者ＩＤ（受診者氏名コ
ード）により健診データベース４０から該受診者の最近
の健診データを取り出し，検査異常発生予測部１０に送
る。最近の健診データの取り出しには，図３および図４
に示す内容の中の受診年月日を参照して行う。
【００５０】検査異常発生予測部１０は，図１に示す処
理手段を持ち，検査異常発生予測テーブル２０の情報を
使い，予め定めた範囲での将来の検査異常の発生危険率
を求め，予め定めれた値を超える危険率を有する検査項
目を健康教育情報検索・表示部５０に送る。
理手段を持ち，検査異常発生予測テーブル２０の情報を
使い，予め定めた範囲での将来の検査異常の発生危険率
を求め，予め定めれた値を超える危険率を有する検査項
目を健康教育情報検索・表示部５０に送る。
【００５１】健康教育情報検索・表示部５０は，検査異
常発生予測部１０から送られてきた検査項目をもとに，
健康教育情報データベース６０から，該検査項目の異常
に関連する疾病の概要および予防の方法について説明し
た画面を検索・表示する。
常発生予測部１０から送られてきた検査項目をもとに，
健康教育情報データベース６０から，該検査項目の異常
に関連する疾病の概要および予防の方法について説明し
た画面を検索・表示する。
【００５２】以上に述べたシステムは通常のパーソナル
コンピュータ，ワークステーション等の既存のコンピュ
ータで実現でき，受診者ＩＤはキーボードで入力する
か，もしくはＩＣカード，磁気カードに記録されたＩＤ
番号をカード読取り装置を用いて入力できる。健診デー
タベース４０，検査異常発生予測テーブル２０は，磁気
ディスク装置等の外部記憶装置に記憶される。検査異常
発生予測部１０の処理および検査異常発生予測テーブル
作成は，図２，図８のフローに基づく手順をプログラム
として実現し，該プログラムを記録する媒体に保有し
て，必要時にコンピュータ上に読み込ませ実行させるこ
とにより実現できる。
コンピュータ，ワークステーション等の既存のコンピュ
ータで実現でき，受診者ＩＤはキーボードで入力する
か，もしくはＩＣカード，磁気カードに記録されたＩＤ
番号をカード読取り装置を用いて入力できる。健診デー
タベース４０，検査異常発生予測テーブル２０は，磁気
ディスク装置等の外部記憶装置に記憶される。検査異常
発生予測部１０の処理および検査異常発生予測テーブル
作成は，図２，図８のフローに基づく手順をプログラム
として実現し，該プログラムを記録する媒体に保有し
て，必要時にコンピュータ上に読み込ませ実行させるこ
とにより実現できる。
【００５３】図１１は，健康教育情報データベースの構
造を示したもので，健康教育情報データベースは，検査
異常に関する条件と該検査異常に関連する疾病毎の予防
教育画面が格納されている画面ファイルの位置を示すポ
インターからなるインデックス部６１と，疾病予防教育
画面が格納されている疾病予防教育画面部６２からな
る。健康教育情報検索・表示部５０は，検査異常発生予
測部１０から送られてきた検査異常の情報とインデック
ス部６１の条件とを照合し，条件を満足する行が存在し
たとき，該当行に書かれているポインター情報を使って
該当する疾病予防のための教育画面を読み出し表示す
る。
造を示したもので，健康教育情報データベースは，検査
異常に関する条件と該検査異常に関連する疾病毎の予防
教育画面が格納されている画面ファイルの位置を示すポ
インターからなるインデックス部６１と，疾病予防教育
画面が格納されている疾病予防教育画面部６２からな
る。健康教育情報検索・表示部５０は，検査異常発生予
測部１０から送られてきた検査異常の情報とインデック
ス部６１の条件とを照合し，条件を満足する行が存在し
たとき，該当行に書かれているポインター情報を使って
該当する疾病予防のための教育画面を読み出し表示す
る。
【００５４】図１２は，高血圧予防に関する健康教育画
面の一例を示したもので，上部に該受診者の氏名，性，
年齢，該当する検査値が表示され，続いて，将来の検査
異常になる危険率が表示されるとともに，疾病の概要と
疾病の予防方法が示されている。
面の一例を示したもので，上部に該受診者の氏名，性，
年齢，該当する検査値が表示され，続いて，将来の検査
異常になる危険率が表示されるとともに，疾病の概要と
疾病の予防方法が示されている。
【００５５】
【発明の効果】以上のように，本発明によれば，受診者
の性，年齢，生活習慣パターン，家族歴，最近の検査値
から，将来，検査異常を起こす危険率を求め，危険率の
高い人には，その検査異常が引き起こす疾病に関する予
防のための健康教育画面を表示することができ，これに
より医療スタッフが受診者の健康状態，生活習慣，家族
等から将来発症のおそれのある疾病を予測し，その疾病
の予防に効果のある木目細かい健康教育を，医療スタッ
フに負荷をかけることなく行うことができる。
の性，年齢，生活習慣パターン，家族歴，最近の検査値
から，将来，検査異常を起こす危険率を求め，危険率の
高い人には，その検査異常が引き起こす疾病に関する予
防のための健康教育画面を表示することができ，これに
より医療スタッフが受診者の健康状態，生活習慣，家族
等から将来発症のおそれのある疾病を予測し，その疾病
の予防に効果のある木目細かい健康教育を，医療スタッ
フに負荷をかけることなく行うことができる。
【図１】検査異常発生予測装置の構成例を示す図であ
る。
る。
【図２】検査異常発生の危険率を算出する処理フローチ
ャートである。
ャートである。
【図３】健診データベースの例を示す図である。
【図４】健診データベースの例を示す図である。
【図５】収縮期血圧値のヒストグラムとランク付けの例
を示す図である。
を示す図である。
【図６】生活習慣項目と健康的生活習慣の基準の例を示
す図である。
す図である。
【図７】検査異常発生予測テーブルの例を示す図であ
る。
る。
【図８】検査異常発生予測テーブルを作成する処理フロ
ーチャートである。
ーチャートである。
【図９】危険率の算出方法の説明図である。
【図１０】健康教育支援システムの構成図である。
【図１１】健康教育情報データベースの構造図である。
【図１２】高血圧予防教育の画面例を示す図である。
１１ 健診データ入力部 １２ 受診者健診データ解析部 １２１ 検査値ランク付け部 １２２ 年齢階級分類部 １２３ 生活習慣パターン作成部 １２４ 家族疾病番号割り当て部 １３ 検査異常発生予測テーブル検索部 １４ 検査項目毎の検査異常発生危険率出力部 １０ 検査異常発生予測部 ２０ 検査異常発生予測テーブル ３０ 健診データ検索部 ４０ 健診データベース ５０ 健康教育情報検索・表示部 ６０ 健康教育情報データベース ６１ インデックス部 ６２ 疾病予防教育画面部
───────────────────────────────────────────────────── フロントページの続き (72)発明者 清水 健太郎 東京都千代田区大手町二丁目３番１号 日 本電信電話株式会社内 (72)発明者 大塚 作一 東京都千代田区大手町二丁目３番１号 日 本電信電話株式会社内
Claims (8)
- 【請求項１】 検査項目毎に受診者が将来検査異常を起
こす危険率を予測する装置であって，検査項目毎に検査
値ランク別，性別，年齢階級別，生活習慣パターン別
に，またはさらに家族歴別に，検査異常の発生する危険
率を保持する検査異常発生予測テーブルと，受診者の健
診データを入力する手段と，入力した健診データから，
前記検査異常発生予測テーブルを検索するための検査項
目毎の検査値ランク，性，年齢階級，生活習慣パター
ン，またはさらに家族歴の検索情報を抽出または生成す
る手段と，前記検索情報を用いて前記検査異常発生予測
テーブルを検索し，該当する検査項目に対して検査異常
の発生する危険率を読み出す手段とを備えることを特徴
とする検査異常発生予測装置。 - 【請求項２】 検査項目毎に受診者が将来検査異常を起
こす危険率を予測する方法であって，受診者の健診デー
タを入力する過程と，入力した健診データを解析するこ
とにより，検査項目毎に検査値ランク別，性別，年齢階
級別，生活習慣パターン別，またはさらに家族歴別に検
査異常の発生する危険率を保持する検査異常発生予測テ
ーブルを検索するための検査項目毎の検査値ランク，
性，年齢階級，生活習慣パターン，またはさらに家族歴
の検索情報を抽出または生成する過程と，前記検索情報
を用いて前記検査異常発生予測テーブルを検索する過程
と，前記検査異常発生予測テーブルの検索結果に基づき
該当する検査項目に対して検査異常の発生する危険率を
出力する過程とを有することを特徴とする検査異常発生
予測方法。 - 【請求項３】 検査項目毎に受診者が将来検査異常を起
こす危険率を予測するために用いる検査異常発生予測テ
ーブルを作成する方法であって，多数の受診者の健診デ
ータが格納された健診データベースから受診者の健診デ
ータを連続年数毎に抽出する過程と，抽出した健診デー
タを，各検査項目毎に検査値ランク別，性別，年齢階級
別，生活習慣パターン別，またはさらに家族歴別に分類
する過程と，各分類に属する受診者が連続受診年の初年
度を基準にそれ以降の年度に検査異常を起こす危険率を
統計的に算出する過程と，算出した危険率をもとに，検
査項目毎に検査値ランク別，性別，年齢階級別，生活習
慣パターン別に，またはさらに家族歴別に，検査異常の
発生する危険率を保持する検査異常発生予測テーブルを
作成する過程とを有することを特徴とする検査異常発生
予測テーブル作成方法。 - 【請求項４】 コンピュータによって検査項目毎に受診
者が将来検査異常を起こす危険率を予測するためのプロ
グラムを記録した記録媒体であって，受診者の健診デー
タを入力する処理と，入力した健診データを解析するこ
とにより，検査項目毎に検査値ランク別，性別，年齢階
級別，生活習慣パターン別，またはさらに家族歴別に検
査異常の発生する危険率を保持する検査異常発生予測テ
ーブルを検索するための検査項目毎の検査値ランク，
性，年齢階級，生活習慣パターン，またはさらに家族歴
の検索情報を抽出または生成する処理と，前記検索情報
を用いて前記検査異常発生予測テーブルを検索する処理
と，前記検査異常発生予測テーブルの検索結果に基づき
該当する検査項目に対して検査異常の発生する危険率を
出力する処理とを，コンピュータに実行させるためのプ
ログラムを記録したことを特徴とする検査異常発生予測
プログラム記録媒体。 - 【請求項５】 コンピュータによって検査項目毎に受診
者が将来検査異常を起こす危険率を予測するために用い
る検査異常発生予測テーブルを作成するためのプログラ
ムを記録した記録媒体であって，多数の受診者の健診デ
ータが格納された健診データベースから受診者の健診デ
ータを連続年数毎に抽出する処理と，抽出した健診デー
タを，各検査項目毎に検査値ランク別，性別，年齢階級
別，生活習慣パターン別，またはさらに家族歴別に分類
する処理と，各分類に属する受診者が連続受診年の初年
度を基準にそれ以降の年度に検査異常を起こす危険率を
統計的に算出する処理と，算出した危険率をもとに，検
査項目毎に検査値ランク別，性別，年齢階級別，生活習
慣パターン別に，またはさらに家族歴別に，検査異常の
発生する危険率を保持する検査異常発生予測テーブルを
作成する処理とを，コンピュータに実行させるためのプ
ログラムを記録したことを特徴とする検査異常発生予測
テーブル作成プログラム記録媒体。 - 【請求項６】 健康教育を支援する装置であって，検査
項目毎に健診データの分類に応じて検査異常の発生する
危険率を保持する検査異常発生予測テーブルと，各検査
項目に関連する疾病の予防に関する健康教育情報を保持
する健康教育情報データベースと，受診者の健診データ
から，前記検査異常発生予測テーブルを用いて将来の検
査異常の予測を行う検査異常発生予測部と，該検査異常
発生予測部が予測した将来異常の起こる危険性の高い検
査項目に関連する疾病の予防に関する健康教育情報を，
前記健康教育情報データベースから検索し，表示する健
康教育情報検索・表示部とを備えることを特徴とする健
康教育支援システム。 - 【請求項７】 請求項６記載の健康教育支援システムに
おいて，前記検査異常発生予測テーブルは，検査項目毎
に検査値ランク別，性別，年齢階級別，生活習慣パター
ン別に，またはさらに家族歴別に，検査異常の発生する
危険率を保持し，前記検査異常発生予測部は，健診デー
タを解析することにより，検査項目毎の検査値ランク，
性，年齢階級，生活習慣パターン，またはさらに家族歴
の検索情報を抽出または生成し，前記検査異常発生予測
テーブルを検索することにより危険率を求め，該危険率
が予め定められた値を超えた検査項目の情報を前記健康
教育情報検索・表示部に転送することを特徴とする健康
教育支援システム。 - 【請求項８】 請求項６または請求項７記載の健康教育
支援システムにおいて，前記健康教有情報データベース
は，異常のある検査項目に関連する疾病が記述されたイ
ンデックス部と各疾病毎にその概要と予防方法が示され
た画面情報を保持する健康教育画面部とからなることを
特徴とする健康教育支援システム。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2000375951A JP2002183647A (ja) | 2000-12-11 | 2000-12-11 | 検査異常発生予測装置，検査異常発生予測方法，検査異常発生予測テーブル作成方法およびそれらのプログラム記録媒体，並びに健康教育支援システム |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2000375951A JP2002183647A (ja) | 2000-12-11 | 2000-12-11 | 検査異常発生予測装置，検査異常発生予測方法，検査異常発生予測テーブル作成方法およびそれらのプログラム記録媒体，並びに健康教育支援システム |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2002183647A true JP2002183647A (ja) | 2002-06-28 |
Family
ID=18844884
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2000375951A Pending JP2002183647A (ja) | 2000-12-11 | 2000-12-11 | 検査異常発生予測装置，検査異常発生予測方法，検査異常発生予測テーブル作成方法およびそれらのプログラム記録媒体，並びに健康教育支援システム |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2002183647A (ja) |
Cited By (37)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004305674A (ja) * | 2003-04-07 | 2004-11-04 | Dainakomu:Kk | 易罹患性解析方法とそのソフトウェア |
| JP2005250583A (ja) * | 2004-03-01 | 2005-09-15 | Omron Healthcare Co Ltd | 健康度推定システム、信頼度情報記憶装置及び健康度推定方法 |
| JP2006053628A (ja) * | 2004-08-10 | 2006-02-23 | Ntt Data Corp | 発症リスク算出システム及びプログラム |
| JP2006119985A (ja) * | 2004-10-22 | 2006-05-11 | Univ Of Yamanashi | 生活習慣改善提示システム |
| JP2006163489A (ja) * | 2004-12-02 | 2006-06-22 | Ntt Data Corp | 発症確率算出装置、および、プログラム |
| JP2006185396A (ja) * | 2004-12-28 | 2006-07-13 | Higashi Nihon Medicom Kk | 生体リズムを加味した診断治療支援システム |
| KR100673309B1 (ko) | 2005-04-25 | 2007-01-24 | 김건형 | 잔여수명 예측시스템 및 그 예측서버 제어방법 |
| JP2007265347A (ja) * | 2006-03-30 | 2007-10-11 | Hitachi Software Eng Co Ltd | 健康指導支援装置、システム、及びプログラム |
| JP2007310632A (ja) * | 2006-05-18 | 2007-11-29 | Taito Corp | 分身健康・体型予測システム |
| JP2009106681A (ja) * | 2007-10-31 | 2009-05-21 | Sanyo Electric Co Ltd | 傾向予測装置及び傾向予測システム |
| JP2009110279A (ja) * | 2007-10-30 | 2009-05-21 | Hitachi Software Eng Co Ltd | 健康指導支援サーバ及びそのシステム |
| JP2009134713A (ja) * | 2007-11-06 | 2009-06-18 | Wise Solutions Co Ltd | プロジェクト管理情報生成装置、プロジェクト管理情報生成方法、プロジェクト管理情報生成プログラム、および電子カルテ情報生成装置 |
| JP2011022857A (ja) * | 2009-07-16 | 2011-02-03 | Tokyo Women's Medical College | 臨床検査データ解析表示装置 |
| JP2012150750A (ja) * | 2011-01-21 | 2012-08-09 | Kddi Corp | ユーザの行動文から結果イベントを予測する予測プログラム、予測装置及び方法 |
| US8315883B2 (en) | 2006-09-25 | 2012-11-20 | Kabushiki Kaisha Toshiba | Examination-item-selection device, an examination-item-selection method, and an examination-item-selection program |
| JP2014038542A (ja) * | 2012-08-20 | 2014-02-27 | Panasonic Corp | 生体情報処理装置、生体情報処理方法、生体情報処理プログラム及び生体情報処理プログラム記録媒体 |
| JP2015087876A (ja) * | 2013-10-29 | 2015-05-07 | 株式会社東芝 | 検索装置及び検索方法 |
| JP2016095684A (ja) * | 2014-11-14 | 2016-05-26 | Kddi株式会社 | 予測モデル構築装置及びプログラム |
| WO2017191847A1 (ja) * | 2016-05-04 | 2017-11-09 | 理香 大熊 | 将来像予測装置 |
| US9889311B2 (en) | 2015-12-04 | 2018-02-13 | Saudi Arabian Oil Company | Systems, protective casings for smartphones, and associated methods to enhance use of an automated external defibrillator (AED) device |
| US9949640B2 (en) | 2011-07-05 | 2018-04-24 | Saudi Arabian Oil Company | System for monitoring employee health |
| US9962083B2 (en) | 2011-07-05 | 2018-05-08 | Saudi Arabian Oil Company | Systems, computer medium and computer-implemented methods for monitoring and improving biomechanical health of employees |
| KR101876858B1 (ko) * | 2017-03-13 | 2018-07-11 | 삼성화재해상보험 주식회사 | 질병 발현 예측 및 컨설팅 시스템 |
| US10058285B2 (en) | 2011-07-05 | 2018-08-28 | Saudi Arabian Oil Company | Chair pad system and associated, computer medium and computer-implemented methods for monitoring and improving health and productivity of employees |
| US10108783B2 (en) | 2011-07-05 | 2018-10-23 | Saudi Arabian Oil Company | Systems, computer medium and computer-implemented methods for monitoring health of employees using mobile devices |
| JP2018200567A (ja) * | 2017-05-26 | 2018-12-20 | 一般財団法人日本気象協会 | コンピュータプログラム、端末、方法およびサーバ |
| CN109545387A (zh) * | 2018-10-30 | 2019-03-29 | 平安科技（深圳）有限公司 | 一种基于神经网络的异常病例识别方法及计算设备 |
| US10307104B2 (en) | 2011-07-05 | 2019-06-04 | Saudi Arabian Oil Company | Chair pad system and associated, computer medium and computer-implemented methods for monitoring and improving health and productivity of employees |
| JP2019194773A (ja) * | 2018-05-01 | 2019-11-07 | プリベントメディカル株式会社 | 疾患早期発見情報処理装置、情報処理方法およびプログラム |
| US10475351B2 (en) | 2015-12-04 | 2019-11-12 | Saudi Arabian Oil Company | Systems, computer medium and methods for management training systems |
| WO2020040431A1 (ko) * | 2018-08-24 | 2020-02-27 | 주식회사 클리노믹스 | 환경적 요인 변화에 따른 질병 발생 위험도 변동 시각화 장치 및 방법 |
| US10628770B2 (en) | 2015-12-14 | 2020-04-21 | Saudi Arabian Oil Company | Systems and methods for acquiring and employing resiliency data for leadership development |
| US10642955B2 (en) | 2015-12-04 | 2020-05-05 | Saudi Arabian Oil Company | Devices, methods, and computer medium to provide real time 3D visualization bio-feedback |
| JP2020166441A (ja) * | 2019-03-28 | 2020-10-08 | 株式会社スギ薬局 | 生体情報に基づく健康状態推定方法および健康状態推定装置 |
| US10824132B2 (en) | 2017-12-07 | 2020-11-03 | Saudi Arabian Oil Company | Intelligent personal protective equipment |
| CN113782201A (zh) * | 2021-08-20 | 2021-12-10 | 武汉心络科技有限公司 | 健康风险的评估方法、终端及存储介质 |
| WO2022099668A1 (zh) * | 2020-11-16 | 2022-05-19 | 四川大学华西医院 | 一种基于家族遗传病与体征数据关联的精准健康管理与风险预警方法及系统 |
-
2000
- 2000-12-11 JP JP2000375951A patent/JP2002183647A/ja active Pending
Cited By (46)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004305674A (ja) * | 2003-04-07 | 2004-11-04 | Dainakomu:Kk | 易罹患性解析方法とそのソフトウェア |
| JP2005250583A (ja) * | 2004-03-01 | 2005-09-15 | Omron Healthcare Co Ltd | 健康度推定システム、信頼度情報記憶装置及び健康度推定方法 |
| JP4499503B2 (ja) * | 2004-08-10 | 2010-07-07 | 株式会社エヌ・ティ・ティ・データ | 発症リスク算出システム及びプログラム |
| JP2006053628A (ja) * | 2004-08-10 | 2006-02-23 | Ntt Data Corp | 発症リスク算出システム及びプログラム |
| JP2006119985A (ja) * | 2004-10-22 | 2006-05-11 | Univ Of Yamanashi | 生活習慣改善提示システム |
| JP4604193B2 (ja) * | 2004-10-22 | 2010-12-22 | 国立大学法人山梨大学 | 生活習慣改善提示システム |
| JP2006163489A (ja) * | 2004-12-02 | 2006-06-22 | Ntt Data Corp | 発症確率算出装置、および、プログラム |
| JP2006185396A (ja) * | 2004-12-28 | 2006-07-13 | Higashi Nihon Medicom Kk | 生体リズムを加味した診断治療支援システム |
| KR100673309B1 (ko) | 2005-04-25 | 2007-01-24 | 김건형 | 잔여수명 예측시스템 및 그 예측서버 제어방법 |
| JP2007265347A (ja) * | 2006-03-30 | 2007-10-11 | Hitachi Software Eng Co Ltd | 健康指導支援装置、システム、及びプログラム |
| JP2007310632A (ja) * | 2006-05-18 | 2007-11-29 | Taito Corp | 分身健康・体型予測システム |
| US8315883B2 (en) | 2006-09-25 | 2012-11-20 | Kabushiki Kaisha Toshiba | Examination-item-selection device, an examination-item-selection method, and an examination-item-selection program |
| JP2009110279A (ja) * | 2007-10-30 | 2009-05-21 | Hitachi Software Eng Co Ltd | 健康指導支援サーバ及びそのシステム |
| JP2009106681A (ja) * | 2007-10-31 | 2009-05-21 | Sanyo Electric Co Ltd | 傾向予測装置及び傾向予測システム |
| JP2009134713A (ja) * | 2007-11-06 | 2009-06-18 | Wise Solutions Co Ltd | プロジェクト管理情報生成装置、プロジェクト管理情報生成方法、プロジェクト管理情報生成プログラム、および電子カルテ情報生成装置 |
| JP2011022857A (ja) * | 2009-07-16 | 2011-02-03 | Tokyo Women's Medical College | 臨床検査データ解析表示装置 |
| JP2012150750A (ja) * | 2011-01-21 | 2012-08-09 | Kddi Corp | ユーザの行動文から結果イベントを予測する予測プログラム、予測装置及び方法 |
| US9949640B2 (en) | 2011-07-05 | 2018-04-24 | Saudi Arabian Oil Company | System for monitoring employee health |
| US10307104B2 (en) | 2011-07-05 | 2019-06-04 | Saudi Arabian Oil Company | Chair pad system and associated, computer medium and computer-implemented methods for monitoring and improving health and productivity of employees |
| US10206625B2 (en) | 2011-07-05 | 2019-02-19 | Saudi Arabian Oil Company | Chair pad system and associated, computer medium and computer-implemented methods for monitoring and improving health and productivity of employees |
| US10108783B2 (en) | 2011-07-05 | 2018-10-23 | Saudi Arabian Oil Company | Systems, computer medium and computer-implemented methods for monitoring health of employees using mobile devices |
| US10058285B2 (en) | 2011-07-05 | 2018-08-28 | Saudi Arabian Oil Company | Chair pad system and associated, computer medium and computer-implemented methods for monitoring and improving health and productivity of employees |
| US10052023B2 (en) | 2011-07-05 | 2018-08-21 | Saudi Arabian Oil Company | Floor mat system and associated, computer medium and computer-implemented methods for monitoring and improving health and productivity of employees |
| US9962083B2 (en) | 2011-07-05 | 2018-05-08 | Saudi Arabian Oil Company | Systems, computer medium and computer-implemented methods for monitoring and improving biomechanical health of employees |
| JP2014038542A (ja) * | 2012-08-20 | 2014-02-27 | Panasonic Corp | 生体情報処理装置、生体情報処理方法、生体情報処理プログラム及び生体情報処理プログラム記録媒体 |
| JP2015087876A (ja) * | 2013-10-29 | 2015-05-07 | 株式会社東芝 | 検索装置及び検索方法 |
| JP2016095684A (ja) * | 2014-11-14 | 2016-05-26 | Kddi株式会社 | 予測モデル構築装置及びプログラム |
| US10475351B2 (en) | 2015-12-04 | 2019-11-12 | Saudi Arabian Oil Company | Systems, computer medium and methods for management training systems |
| US9889311B2 (en) | 2015-12-04 | 2018-02-13 | Saudi Arabian Oil Company | Systems, protective casings for smartphones, and associated methods to enhance use of an automated external defibrillator (AED) device |
| US10642955B2 (en) | 2015-12-04 | 2020-05-05 | Saudi Arabian Oil Company | Devices, methods, and computer medium to provide real time 3D visualization bio-feedback |
| US10628770B2 (en) | 2015-12-14 | 2020-04-21 | Saudi Arabian Oil Company | Systems and methods for acquiring and employing resiliency data for leadership development |
| JPWO2017191847A1 (ja) * | 2016-05-04 | 2019-05-16 | 理香 大熊 | 将来像予測装置 |
| WO2017191847A1 (ja) * | 2016-05-04 | 2017-11-09 | 理香 大熊 | 将来像予測装置 |
| KR101876858B1 (ko) * | 2017-03-13 | 2018-07-11 | 삼성화재해상보험 주식회사 | 질병 발현 예측 및 컨설팅 시스템 |
| JP2018200567A (ja) * | 2017-05-26 | 2018-12-20 | 一般財団法人日本気象協会 | コンピュータプログラム、端末、方法およびサーバ |
| TWI744512B (zh) * | 2017-05-26 | 2021-11-01 | 一般財團法人日本氣象協會 | 電腦程式、終端機、預測方法及伺服器 |
| JP7025131B2 (ja) | 2017-05-26 | 2022-02-24 | 一般財団法人日本気象協会 | コンピュータプログラム、端末、方法およびサーバ |
| US10824132B2 (en) | 2017-12-07 | 2020-11-03 | Saudi Arabian Oil Company | Intelligent personal protective equipment |
| JP2019194773A (ja) * | 2018-05-01 | 2019-11-07 | プリベントメディカル株式会社 | 疾患早期発見情報処理装置、情報処理方法およびプログラム |
| WO2020040431A1 (ko) * | 2018-08-24 | 2020-02-27 | 주식회사 클리노믹스 | 환경적 요인 변화에 따른 질병 발생 위험도 변동 시각화 장치 및 방법 |
| CN109545387A (zh) * | 2018-10-30 | 2019-03-29 | 平安科技（深圳）有限公司 | 一种基于神经网络的异常病例识别方法及计算设备 |
| CN109545387B (zh) * | 2018-10-30 | 2024-02-27 | 平安科技（深圳）有限公司 | 一种基于神经网络的异常病例识别方法及计算设备 |
| JP2020166441A (ja) * | 2019-03-28 | 2020-10-08 | 株式会社スギ薬局 | 生体情報に基づく健康状態推定方法および健康状態推定装置 |
| JP7126472B2 (ja) | 2019-03-28 | 2022-08-26 | 株式会社スギ薬局 | 生体情報に基づく健康状態推定方法および健康状態推定装置 |
| WO2022099668A1 (zh) * | 2020-11-16 | 2022-05-19 | 四川大学华西医院 | 一种基于家族遗传病与体征数据关联的精准健康管理与风险预警方法及系统 |
| CN113782201A (zh) * | 2021-08-20 | 2021-12-10 | 武汉心络科技有限公司 | 健康风险的评估方法、终端及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP2002183647A (ja) | 検査異常発生予測装置，検査異常発生予測方法，検査異常発生予測テーブル作成方法およびそれらのプログラム記録媒体，並びに健康教育支援システム | |
| AU2005307823B2 (en) | Systems and methods for predicting healthcare related risk events and financial risk | |
| US20030065241A1 (en) | Medical risk assessment system and method | |
| Luo et al. | A preliminary dual-energy X-ray absorptiometry-based finite element model for assessing osteoporotic hip fracture risk | |
| Lindenauer et al. | Quality of care for patients hospitalized with heart failure: assessing the impact of hospitalists | |
| JPWO2016120955A1 (ja) | 行動予測装置、行動予測装置の制御方法、および行動予測装置の制御プログラム | |
| Doppala et al. | A reliable machine intelligence model for accurate identification of cardiovascular diseases using ensemble techniques | |
| Golmohammadi et al. | Prediction modeling and pattern recognition for patient readmission | |
| US20210151140A1 (en) | Event Data Modelling | |
| WO2009083886A1 (en) | Presenting patient relevant studies for clinical decision making | |
| Shaterian et al. | Predictors of hand function following digit replantation: quantitative review and meta-analysis | |
| US20210304857A1 (en) | Medical indication determination using neural network prediction engine | |
| Kabrhel et al. | The contribution of the subjective component of the Canadian Pulmonary Embolism Score to the overall score in emergency department patients | |
| WO2016006042A1 (ja) | データ分析装置、データ分析装置の制御方法、およびデータ分析装置の制御プログラム | |
| JP7300973B2 (ja) | 保健医療データ分析システム及び保健医療データ分析方法 | |
| JP7315165B2 (ja) | 診断支援システム | |
| Ketpupong et al. | Applying text mining for classifying disease from symptoms | |
| Wang et al. | Nationwide hospital admission data statistics and disease-specific 30-day readmission prediction | |
| Juliet | Investigations on Machine Learning Models for Mental Health Analysis and Prediction | |
| Varner et al. | Maternal emergency department use before pregnancy and infant emergency department use after birth | |
| CN113140323A (zh) | 一种健康画像生成方法、系统、介质及服务器 | |
| Tai et al. | Finding discriminatory features from electronic health records for depression prediction | |
| Mallory et al. | Nursing care hours of patients receiving varying amounts and types of consultation/liaison services | |
| EP1259156A1 (en) | Medical risk assessment system and method | |
| Mandava | MDensNet201-IDRSRNet: Efficient cardiovascular disease prediction system using hybrid deep learning |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20040914 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20041112 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20050315 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20050512 |
|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20050712 |