JP2008257293A - 健康状態予測システム - Google Patents
健康状態予測システム Download PDFInfo
- Publication number
- JP2008257293A JP2008257293A JP2007095701A JP2007095701A JP2008257293A JP 2008257293 A JP2008257293 A JP 2008257293A JP 2007095701 A JP2007095701 A JP 2007095701A JP 2007095701 A JP2007095701 A JP 2007095701A JP 2008257293 A JP2008257293 A JP 2008257293A
- Authority
- JP
- Japan
- Prior art keywords
- health
- information
- individual
- data
- prediction
- 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
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
【解決手段】本発明のシステム1は、前記個別生体に関連する個別生体情報を入力する入力手段2と、前記個別生体と同種の生体に関連する生体情報と健康状態情報とが関連付けられた健康情報データが蓄積されている健康情報データベースと、前記健康情報データベースにおいて、前記入力手段により入力された前記個別生体情報と関連する健康状態情報を選択し、かつ前記選択した健康状態情報に基づき前記個別生体の将来の健康状態予測情報を生成する個別健康状態予測情報生成手段3と、前記個別健康状態予測情報を出力2する健康状態予測情報出力手段を有する健康状態予測システム1である。
【選択図】図1
Description
前記個別生体に関連する個別生体情報を入力する入力手段と、
前記個別生体と同種の生体に関連する生体情報と健康状態情報とが関連付けられた健康情報データが蓄積されている健康情報データベースと、
前記健康情報データベースにおいて、前記入力手段により入力された前記個別生体情報と関連する健康状態情報を選択し、かつ前記選択した健康状態情報に基づき前記個別生体の将来の健康状態予測情報を生成する個別健康状態予測情報生成手段と、
前記個別健康状態予測情報を出力する健康状態予測情報出力手段を有する
健康状態予測システムである。
前記入力された個別健康状態情報に基づき前記健康情報データベースの前記健康情報データを更新する健康情報データ更新手段とを有することが好ましい。このように、個別健康状態情報により健康情報データを更新することにより、予測対象となる個別生体に適した健康情報データベースを構築することができることとなり、さらに高精度かつ高信頼性の予測が可能となる。
前記個別生体に関する個別健康状態情報を入力する個別健康状態情報入力手段と、
入力された個別健康状態情報と前記個別生体情報とを関連付けた個別健康情報データを生成する個別健康情報データ生成手段と、
前記個別健康情報データを前記個別健康情報データベースに蓄積する個別健康情報データ蓄積手段とを有し、
前記個別健康状態予測情報生成手段は、前記健康情報データベースおよび前記個別健康情報データベースの少なくとも一方において、前記入力手段により入力された前記個別生体情報と関連する健康状態情報を選択し、かつ前記選択した健康状態情報に基づき前記個別生体の将来の健康状態予測情報を生成することが好ましい。このような態様によれば、予測対象に特化した個別健康情報データベースを構築することになり、さらに高精度かつ高信頼性の予測が可能となる。
端末と、サーバーとを有し、
前記端末およびサーバーは、システム外の通信網を介して接続可能であり、
前記端末は、
前記個別生体に関連する個別生体情報を入力する入力手段と、
前記端末内の情報を前記通信網を介して前記サーバーに送信する端末側送信手段と、
前記サーバーから送信された情報を前記通信網を介して受信する端末側受信手段と、
前記端末内の情報を表示する表示手段と
を有し、
前記サーバーは、
前記サーバー内の情報を前記通信網を介して前記端末に送信するサーバー側送信手段と、
前記端末から送信された情報を前記通信網を介して受信するサーバー側受信手段と
前記個別生体と同種の生体に関連する生体情報と健康状態情報とが関連付けられた健康情報データが蓄積されている健康情報データベースと、
前記健康情報データベースにおいて前記サーバー側受信手段により受信した前記個別生体情報と関連する健康状態情報を選択し、かつ前記選択した健康状態情報に基づき前記個別生体の将来の健康状態予測情報を生成する個別健康状態予測情報生成手段と、
を有し、
少なくとも前記個別生体情報が、前記端末側送信手段から前記サーバー側受信手段に送信され、かつ前記個別健康状態予測情報が、前記サーバー側送信手段から前記端末側受信手段に送信され、前記端末において、受信した前記個別健康状態予測情報が、前記表示手段によって表示される
ネットワーク健康状態予測システムである。
前記端末が、さらに、
前記個別生体に関する個別健康状態情報を入力する個別健康状態情報入力手段を有し、
前記端末は、前記入力された個別健康状態情報データを前記端末側送信手段により、前記サーバーに送信し、
前記サーバーは、さらに、
健康情報データ更新手段を有し、
前記サーバーは、前記サーバー側受信手段により前記個別健康状態情報を受信し、
前記受信した個別健康状態情報に基づき前記健康情報データベースの前記健康情報データを更新するという対応が好ましい。
前記端末は、さらに、
前記個別生体に関する個別健康状態情報を入力する個別健康状態情報入力手段を有し、
前記端末は、前記入力された個別健康状態情報データを前記端末側送信手段により、前記サーバーに送信し、
前記サーバーは、さらに、
個別生体の健康情報データが蓄積された個別健康情報データベースと、
個別健康情報データ生成手段と、
個別健康情報データ蓄積手段とを有し、
前記個別健康情報データ生成手段は、前記サーバー側受信手段で受信した前記個別生体情報と前記健康状態情報とを関連付けた個別健康情報データを生成し、
前記個別健康情報データ蓄積手段は、前記個別健康情報データを前記個別健康情報データベースに蓄積し、
前記個別健康状態予測情報生成手段は、前記健康情報データベースおよび前記個別健康情報データベースの少なくとも一方において、前記受信した前記個別生体情報と関連する健康状態情報を選択し、かつ前記選択した健康状態情報に基づき前記個別生体の将来の健康状態予測情報を生成することが好ましい。
前記健康情報データベースおよび前記個別健康情報データベースの少なくとも一方において、前記健康情報データおよび前記個別健康情報データの少なくとも一方が、時系列的に蓄積されていることが好ましい。
前記個別健康状態予測情報生成手段において、前記生成される健康状態予測情報が、前記個別生体情報が入力された時点から一定期間の将来にわたり、前記個別生体の情報の入力された時点の状態が継続されたと仮定し、前記仮定および前記選択した生体情報に基づき前記個別生体の将来の健康状態予測情報を生成するという態様であってもよい。
前記個別生体情報が、コード化されたコード情報であり、前記個別生体情報入力手段が、前記コード情報を読取可能であるという態様であってもよい。
前記健康情報データおよび前記個別健康情報データを解析し、前記解析結果から、新規健康情報データを生成する新規データ生成手段を含むことが好ましい。
前記個別生体が個人であり、前記個別生体情報が摂食暦であり、前記健康状態情報が、疾病情報であり、前記個別健康情報が前記個人の疾病情報であり、前記健康状態予測情報が、前記個人の疾病予測情報であるという態様であってもよい。この場合、前記健康情報データおよび前記個別健康情報データが、前記摂食暦および前記疾病情報の統計データを含み、前記個人の疾病予測情報が、前記統計データからの疾病発症確率データおよび疾病程度の少なくとも一方を含むという態様であってもよい。
個人の健康状態を維持または向上させるための飲食物およびサプリメントの少なくとも一方を含む推奨メニューを提供することで前記個人の健康管理を支援する健康管理支援システムであって、前記ネットワーク健康状態予測システムを含み、
前記サーバーが、さらに、
前記健康状態予測システムから出力された前記個人の疾病予測情報を基に推奨メニューを生成する推奨メニュー生成手段と、
前記推奨メニューを表示する推奨メニュー表示手段とを含む
ネットワーク健康管理支援システムである。
前記サーバーは、
前記サーバー内の情報を前記通信網を介して前記端末に送信するサーバー側送信手段と、
前記端末から送信された情報を前記通信回線を介して受信するサーバー側受信手段と
前記個別生体と同種の生体に関連する生体情報と健康状態情報とが関連付けられた健康情報データが蓄積されている健康情報データベースと、
前記健康情報データベースにおいて前記サーバー側受信手段により受信した前記個別生体情報と関連する健康状態情報を選択し、かつ前記選択した健康状態情報に基づき前記個別生体の将来の健康状態予測情報を生成する個別健康状態予測情報生成手段と、
を有し、
少なくとも前記個別生体情報が、前記端末側送信手段から前記サーバー側受信手段に送信され、かつ前記個別健康状態予測情報が、前記サーバー側送信手段から前記端末側受信手段に送信され、前記端末において、受信した前記個別健康状態予測情報が、前記表示手段によって表示される
健康状態予測システム用サーバーである。
前記サーバーは、さらに、
健康情報データ更新手段を有し、
前記サーバーは、前記サーバー側受信手段により前記個別健康状態情報を受信し、
前記受信した個別健康状態情報に基づき前記健康情報データベースの前記健康情報データを更新するという態様が好ましい。
前記サーバーは、さらに、
個別生体の個別健康状態情報を蓄積する個別健康情報データベースと、
個別健康情報データ生成手段と、
個別健康情報データ蓄積手段とを有し、
前記個別健康情報データ生成手段は、前記サーバー側受信手段で受信した前記個別生体情報と前記個別健康状態情報とを関連付けた個別健康情報データを生成し、
前記個別健康データ蓄積手段は、前記個別健康情報データを前記個別健康情報データベースに蓄積し、
前記個別健康状態予測情報生成手段は、前記健康情報データベースおよび前記個別健康情報データベースの少なくとも一方において、前記サーバー側受信手段で受信した前記個別生体情報と関連する健康状態情報を選択し、かつ前記選択した健康状態情報に基づき前記個別生体の将来の健康状態予測情報を生成するという態様が好ましい。
前記健康情報データおよび前記個別健康情報データを解析し、前記解析結果から、新規健康情報データを生成する新規データ生成手段を含むことが好ましい。
個人の健康状態を維持または向上させるための飲食物およびサプリメントの少なくとも一方を含む推奨メニューを提供することで前記個人の健康管理を支援する健康管理支援システムに使用するサーバーであって、前記サーバーは、本発明の健康状態予測システムのサーバーを含み、
前記サーバーが、さらに、
前記健康状態予測システムから出力された前記個人の疾病予測情報を基に推奨メニューを生成する推奨メニュー生成手段とを含む、
健康管理支援システム用サーバーである。
前記端末は、
前記個別生体に関連する個別生体情報を入力する入力手段と、
前記端末内の情報を前記通信回線を介して前記サーバーに送信する端末側送信手段と、
前記サーバーから送信された情報を前記通信回線を介して受信する端末側受信手段と、
前記端末内の情報を表示する表示手段と
を有し、
少なくとも前記個別生体情報が、前記端末側送信手段から前記サーバー側受信手段に送信され、かつ前記個別健康状態予測情報が、前記サーバー側送信手段から前記端末側受信手段に送信され、前記端末において、受信した前記個別健康状態予測情報が、前記表示手段によって表示される
健康状態予測システム用端末である。
前記個別生体に関する個別健康状態情報を入力する個別健康状態情報入力手段を有し、
前記端末は、前記入力された個別健康状態情報データを前記端末側送信手段により、前記サーバーに送信する健康状態予測システム用端末である。
個人の健康状態を維持または向上させるための飲食物およびサプリメントの少なくとも一方を含む推奨メニューを提供することで前記個人の健康管理を支援する健康管理支援システムに使用する端末であって、本発明のネットワーク健康状態予測システムの端末を含み、
前記端末が、さらに、
前記推奨メニューを表示する表示手段を含む、
健康管理支援システム用端末である。
個別生体の将来の健康状態を予測する健康状態予測方法であって、
前記個別生体に関連する個別生体情報を入力する入力ステップと、
前記個別生体と同種の生体に関連する生体情報と健康状態情報とが関連付けられた健康情報データが蓄積されている健康情報データベースを用い、前記入力された前記個別生体情報と関連する健康状態情報を選択し、かつ前記選択した健康状態情報に基づき前記個別生体の将来の健康状態予測情報を生成する個別健康状態予測情報生成ステップと、
前記個別健康状態予測情報を出力する健康状態予測情報出力ステップを有する
健康状態予測方法である。
前記健康情報データベースが、前記個別生体と同種の複数の生体から得られた生体情報と健康状態情報とを関連付けられた集団健康情報データが蓄積された集団健康情報データベースであるという態様であってもよい。
さらに、前記個別生体に関する個別健康状態情報を入力する個別健康状態情報入力ステップと、
前記入力された個別健康状態情報に基づき前記健康情報データベースの前記健康情報データを更新する健康情報データ更新ステップを有することが好ましい。
さらに、個別生体の健康情報データを蓄積する個別健康情報データベースを用い、
前記個別生体に関する個別健康状態情報を入力する個別健康状態情報入力ステップと、
入力された個別健康状態情報と前記個別生体情報とを関連付けた個別健康情報データを生成する個別健康情報データ生成ステップと、
前記個別健康情報データを前記個別健康情報データベースに蓄積する個別健康情報データ蓄積ステップとを有し、
前記個別健康状態予測情報生成ステップは、前記健康情報データベースおよび前記個別健康情報データベースの少なくとも一方において、前記入力手段により入力された前記個別生体情報と関連する健康状態情報を選択し、かつ前記選択した健康状態情報に基づき前記個別生体の将来の健康状態予測情報を生成することが好ましい。
前記健康情報データベースおよび前記個別健康情報データベースの少なくとも一方において、前記生体情報データおよび前記個別生体情報データの少なくとも一方の一部または全部が、時系列的に蓄積されていることが好ましい。
前記個別健康状態予測情報生成ステップにおいて、前記生成される健康状態予測情報が、前記個別生体情報が入力された時点から一定期間の将来にわたり、前記個別生体の情報の入力された時点の状態が継続されたと仮定し、前記仮定および前記選択した健康状態情報に基づき前記個別生体の将来の健康状態予測情報を生成するという態様であってもよい。
前記健康情報データおよび前記個別健康情報データを解析し、前記解析結果から、新規健康情報データを生成する新規データ生成ステップを含むことが好ましい。
前記個別生体が個人であり、前記個別生体情報が摂食暦であり、前記健康状態情報が、疾病情報であり、前記個別健康状態情報が前記個人の疾病情報であり、前記健康状態予測情報が、前記個人の疾病予測情報であるという態様であってもよい。この場合、前記健康情報データおよび前記個別健康情報データが、前記摂食暦および前記疾病情報の統計データを含み、前記個人の疾病予測情報が、前記統計データからの疾病発症確率データおよび疾病程度の少なくとも一方を含むという態様であってもよい。
(1) 必須項目
・民族(白人・黄色人・黒人)
・居住地
・身長
・体重
・年齢(生年月日)
・性別
・喫煙率(一日本数×期間で累積量を計算)
・飲酒率(一日飲酒量×期間で累積エタノール摂取量を計算、酒種類を記録)
・生活強度(運動量:歩行数・有酸素運動・筋力トレーニング・スクワット・ ストレッチ・早歩きの時間)
・睡眠時間(起床時間・就寝時間・眠りの質)
・アレルギー(薬・食べ物・その他物質)
・主観的な体調入力(調子がいい/悪い、ストレス多い/少ないなど様々な訴え=主訴)・精神状態
(2) 任意項目(重要度:高)
・体脂肪率・筋肉量
・腹囲 (その他胸囲・腰囲・頭囲)
・排便時間・回数・便量・便性状(下痢・便秘・血便・排便障害)
・排尿時間・回数・尿量・尿性状(血尿・排尿時痛・排尿障害)
・血圧
・現病歴(現在の病気)
・家族病歴(家族、特に両親・祖父母の病気、80歳以上長生きした家族)
・既往歴(過去の病歴)/輸血歴
・渡航歴
(3) 任意項目(重要度:低)
・脈拍数
・体温
・同居家族、家族構成
・職業歴(職業内容・生活強度、オフィス勤務環境など:VDT(visual display terminal)
・呼吸数 咳・痰・息切れなど自覚症状(喫煙・大気汚染・粉塵)
・酸素飽和度
・清潔度(入浴時間・回数・シャワー時間・回数)
・性交、異性愛か同性愛か
・過去妊娠回数・分娩回数・閉経時期・月経周期・授乳時期
・予防接種歴
・利き手
・毛髪量
・う歯(虫歯)・歯周病
・服薬歴(内服薬・外用薬種類、開始日時、量、累積期間)
・サプリメント(vitamin A, B6, B12, C, D, E, 葉酸、コエンザイムQ10、カルシウム・マグネシウム、アミノ酸・プロテイン・DHA・EPAなど)
・使用化粧品・使用石鹸・使用入浴品・使用洗剤
・パソコン・携帯電話利用歴
・居住歴(経時的に居住地・居住宅分類:マンション・木造住宅:シックハウ
ス症候群など)
・居住地気候・気象・地理・地質
・教育・文化
・宗教
・ペット飼育歴(媒介生物・寄生虫疾患・アレルギー)
・移動歴(経時的にGPSにて把握)・利用交通手段(自動車・バス・船・電車・航空機など)
・放射線被曝歴・化学物質取り扱い歴
・同席した人間の記録(感染症把握に重要)
・味覚・嗅覚の経時的推移
・精神状態(各種テストで数値化)
・採血データ(血糖値、肝機能・腎機能・血算・電解質・免疫能、成長ホルモン・
インスリン・テストステロン・DHEA・甲状腺ホルモン・性腺刺激ホルモン・
副腎ホルモン・抗利尿ホルモンなどのホルモン、酸化ストレス測定:活性酸素・
フリーラジカル、アディポサイトカイン・メラトニンなど病院採血可能値なもの)
・脳認知機能検査
・視力
・メガネ・コンタクトレンズ使用歴
・聴力
・心電図
・脳波
・骨密度測定
・各種培養検査(咽頭・便・尿)
・皮膚マイクロスコープ・色素量・水分量・皮脂量
・X線・CT・MRI・PET・scintigram・腹部/心臓/経動脈エコー・眼底検査など画像データ
・病理検査
・遺伝情報(遺伝子配列:長寿関連遺伝子・老化遺伝子・動脈硬化遺伝子・生活習慣病
関連遺伝子)
・遺伝子の例
老化遺伝子:WRN helicase, lamine A, CSA, SCB, BML helicase, XP, ATM,
21 chromosome trisomy、ミトコンドリアL/M型
動脈硬化遺伝子: angiotensin converting enzyme, メチレンテトラ葉酸還元酵素、
Gタンパクbeta3サブユニット、血小板glycoprotein Ia, IIb, IIIa,
Ibalpha, plasiminoge-activator、inhibitor1型、
パラオキソナーゼ、NADPH oxidase p22 phox, TNF-alpha,
lymphotoxin, phosphodiesterase 4D
生活習慣病関連遺伝子: angiotensinogen, ACE, G protein beta3, beta2adrenalin,
PPARgamma,アミリン、インスリン受容体、
HNF4alpha glucokinase, LDL受容体、アポリポ蛋白E、
レプチン、ビタミンD誘導体、alpha-1 antitrypsin.
1.摂食暦の栄養素のうち、該当疾病の起因となるものを抽出する。
2.個人生体情報のうち、該当疾病の起因となるものを抽出する。
3.EBM-DBから、該当疾病リスク算出に利用するパラメータを抽出する。
4.予測される疾病リスクを、数値で視認できるようにして、
利用者にフィードバックする。
5.〜<ここで利用者により個人生体情報の訂正が行われる>〜
6.個人生体情報の訂正が行われた場合、該当疾病の起因要素が
訂正されていたら、EBM-DBの該当疾病リスク算出パラメータを
増減させる。
7.摂食の栄養素全て、個人生体情報全てにおいて
多変量解析を行い、微量な変化をEBM-DBに登録
リスク増加:多量塩分摂取、多量脂肪分摂取、多量アルコール摂取、高年齢、喫煙、運動不足、ストレス増加
リスク減少:カリウム摂取、マグネシウム摂取、カルシウム摂取、高運動、主観的な低ストレス
リスク増加:微量元素欠乏、高温食事摂取、多量アルコール摂取、喫煙、肥満、ウィルス感染
リスク減少:なし
リスク増加:多量塩分摂取、多量肉摂取、野菜果物不足、居住地・民族がアジア、ヘリコバクターピロリ感染
リスク減少:なし
リスク増加:多量動物性脂肪摂取、多量動物性蛋白質摂取、野菜果物不足、多量アルコール摂取(メチオニン・葉酸の低摂取で高リスク増強)、居住地・民族が先進国、体重(肥満)、運動不足、喫煙、家族の大腸癌歴
リスク減少:食物繊維摂取、野菜果物摂取、コーヒー摂取、葉酸十分量摂取、中等度カルシウム摂取、非ステロイド性消炎鎮痛剤摂取
リスク増加:多量脂肪分摂取、多量動物性脂肪摂取、多量アルコール摂取、高コレステロール血症、喫煙、アスベストへの曝露
リスク減少:なし
リスク増加:mycotoxin,aflaroxinを含む食品の摂取、居住地・民族が南東アジア、アフリカ、B型肝炎、C型肝炎の罹患
リスク増加:多量動物性脂肪摂取、多量動物性蛋白質摂取
リスク減少:食物繊維摂取、野菜果物摂取
リスク増加:多量アルコール摂取、肥満、妊娠歴、出産歴、授乳歴、月経の有無、家族の乳癌歴、居住地・民族が先進国
リスク増加:居住地・民族が南東アジア、アフリカ、B型肝炎、C型肝炎の罹患
リスク減少:食物繊維摂取、野菜果物摂取
リスク増加:多量動物性脂肪摂取、多量動物性蛋白質摂取、居住地・民族が北米、欧米
リスク減少:ビタミンE摂取、セレニウム摂取
[摂食暦より]
リスク増加:肥満
リスク減少:なし
リスク増加:多量飽和酸脂肪摂取、多量アルコール摂取、高年齢、肥満、BMIが高い、腹囲が基準値以上、体重増加度が高い、家族の糖尿病歴
リスク減少:コーヒー摂取、高運動、授乳
リスク増加:カルシウム不足、多量コーヒー摂取、多量アルコール摂取、高年齢、家族に骨粗鬆症歴、運動不足、喫煙、副腎皮質ホルモン摂取、甲状腺ホルモン摂取、ゴナドトロピン放出ホルモン摂取、アゴニスト摂取、女性、閉経後、初潮遅延、早期閉経、出産数、両側卵巣摘出歴日照不足
リスク減少:牛乳摂取、サイアザイド摂取、女性ホルモン摂取
リスク増加:多量プリン体含有食事摂取、多量アルコール摂取、家族の高尿酸血症歴、利尿剤摂取、アスピリン摂取、現病歴(痛風、痛風結節、尿路結石、腎機能障害、動脈硬化)
リスク減少:なし
リスク増加:鉄分不足、月経がある出産可能年齢の女性、妊娠中の女性、授乳中の女性、急激な成長が見られる乳児、小児、思春期の小児、現病歴(出血性疾患、消化管潰瘍、大腸癌、子宮癌など)、アスピリン長期摂取、頻繁な献血
リスク減少:なし
リスク増加:葉酸欠乏:胎児二分脊椎症鉄欠乏:鉄欠乏性貧血
カルシウム欠乏:胎児歯脆弱
水銀摂取:奇形胎児
アルコール摂取:低体重児
喫煙:低体重児
体重(肥満):低体重児
糖尿病悪化:胎児糖尿病、巨大児
リスク減少:なし
リスク増加:多量塩分摂取、多量脂肪分摂取、多量アルコール摂取、高年齢、主観的な高ストレス、喫煙、肥満、他の疾患の存在(高血圧、高脂血症、糖尿病、心房細動、卵円孔開存、高ヘマトクリット血症、高フィブリノーゲン血症、抗リン脂質抗体症候群、高ホモシステイン血症、動脈解離、先天性血栓性素因)、運動不足、家族の心筋梗塞歴、性別が男性、閉経後の女性、居住地が寒冷地
リスク減少:なし
リスク増加:多量塩分摂取、多量脂肪分摂取、多量アルコール摂取、高年齢、主観的な高ストレス、喫煙、肥満、他の疾患の存在(高血圧、高脂血症、糖尿病、心房細動、卵円孔開存、高ヘマトクリット血症、高フィブリノーゲン血症、抗リン脂質抗体症候群、高ホモシステイン血症、動脈解離、先天性血栓性素因)、運動不足、家族の脳梗塞歴、性別が男性、閉経後の女性
リスク減少:なし
リスク増加:多量コレステロール摂取、多量脂肪分摂取、高年齢、肥満、他の疾患の存在(先天性疾患、甲状腺機能低下症、ネフローゼ症候群)、運動不足、家族の高脂血症歴、妊娠中の女性、閉経後の女性
リスク減少:なし
0歳 78.53 85.49
5歳 73.85 80.78
10歳 68.90 75.81
15歳 63.94 70.84
20歳 59.05 65.90
25歳 54.22 60.99
30歳 49.39 56.09
35歳 44.58 51.20
40歳 39.82 46.35
45歳 35.14 41.54
50歳 30.59 36.81
55歳 26.21 32.17
60歳 22.06 27.62
65歳 18.11 23.16
70歳 14.38 18.85
75歳 11.07 14.80
80歳 8.23 11.11
85歳 5.93 7.97
90歳 4.23 5.56
95歳 3.05 3.90
100歳 2.21 2.80
(単位:歳)
(同年代同性の平均余命)
- 5.94 × (高血圧リスク)
- 3.01 × (高コレステロール血症リスク)
- 1.92 × (肥満リスク)
- 1.87 × (野菜果物不足)
- 1.78 × (運動不足)
- 6.15 × (喫煙)
- 1.61 × (飲酒リスク)
- 0.54 × (大気汚染リスク)
- 0.23 × (発がん物質摂取リスク)
- 0.05 × (鉄欠乏リスク)
一日の基礎代謝量算出には、ハリス・ベネディクト方程式を用いる。
男性:BMR = 66.5+(体重×13.8)+(身長×5.0)−(年齢×6.8)
女性:BMR = 66.5+(体重×9.6)+(身長×1.9)−(年齢×4.7)
一日の適正エネルギー量は、標準体重を元に算出する。
標準体重 = 身長[m]×身長[m]×22
一日の適正エネルギー量 = 標準体重×生活強度(25・30・35・40)kcal
(25: 生活強度弱、30:中程度、35-40:強)
ただし、以前に算出した利用者本来の適正エネルギー量がある場合はそれを用いる。
一日の未消費エネルギー量は、適正エネルギー量から基礎代謝量を減算することで求まる。
一日の未消費エネルギー量 = 適正エネルギー量 − 基礎代謝量
算出を行う。
30日の基礎代謝量 = 1日の基礎代謝量 × 30
[30日の適正エネルギー量]
30日の適正エネルギー量 = 1日の適正エネルギー量 × 30
[30日の未消費エネルギー量]
30日の未消費エネルギー量 = 30日の適正エネルギー量 − 30日の基礎代謝量
1日の平均未摂取エネルギー量 = 30日の未消費エネルギー量 ÷ 30
この値を元に、体重の増減を利用者に返す。
体重の差分 = 実測した体重 - 予測された体重
未消費エネルギー量の差異 = 体重の差分 ÷ 7000
利用者本来の適性エネルギー量 = 適正エネルギー量 - 未消費エネルギーの差異
この値をEBM-DBに格納し、次回以降の適正エネルギー量として扱う。
図1に、本発明のシステムの構成例の一例であるスタンドアローン型の全体構成図を示す。図1の例に示すシステムは、本発明の健康状態予測システム1から構成される。健康状態予測システム1は、健康状態予測入出力部2と健康状態予測計算部3から構成される。スタンドアローン型の機器構成例を、図4に示す。図示のように、健康状態予測システム1は、健康状態予測入出力部2、健康状態予測計算部3、パーソナルデータDB(データベース)37、摂食暦DB38、食品DB39、栄養素DB40、画像DB41、EBM−DB42から構成される。健康状態予測入出力部2は、予め設定された入出力プログラム32を実行するCPU31、データの入力を行う入力装置33、データの出力を行う出力装置34を有するコンピュータ機器で構成される。健康予測計算部3は、予め設定された計算プログラム36を実行するCPU35を有するコンピュータ機器で構成される。パーソナルデータDB37には、ユーザー個人の詳細情報として、身長、体重、性別、生年月日などの個人生体情報が格納される。摂食暦DB38には、その詳細情報として、ユーザーの摂取した食事内容、摂食日時、食事の栄養素および摂取カロリーなどの各データが格納される。食品DB39には、本実施例で扱う食品全てのデータが格納されている。栄養素DB40には、食品DB39に格納されている食品全ての栄養素および、カロリーが格納されている。画像DB41には、食品DB39に格納されている食品全ての画像が格納されている。EBM−DB42には、その初期情報として、平均的な疾病リスクおよび生体情報の変化に関する予測計算パラメータが格納されている。摂食暦DB38にデータが蓄積されるたびに、健康予測計算部3により、予測計算パラメータは個人データに即した形で更新される。上記健康状態予測入出力部2、健康状態予測計算部3、各種DB37〜42は、あくまで機能上のものであり、1台のコンピュータ機器で一体に構成しても、複数台のコンピュータ機器で個別に構成しても、いずれでも適用可能である。
図2に、全機能を端末が有し、通信手段を持つシステムの例を示す。図2に示すシステムは、本発明の健康状態予測システム11、データ解析システム15から構成されるサーバーシステム14で構成される。健康状態予測システム11は、健康状態予測入出力部12と健康状態予測計算部13から構成される。健康状態予測システム11とサーバーシステム14は、TCP(TransmissionControlProtocol /IP(InternetProtocol)に基づくインターネットとして機能する公衆網や専用線、および携帯電話等の通信回線100を介して接続されている。図5に、本例の機器構成の一例を示す。図示のように、健康状態予測システム11は、健康状態予測入出力部12、健康状態予測計算部13、パーソナルデータDB(データベース)57、摂食暦DB58、食品DB59、栄養素DB60、画像DB61、EBM−DB62、通信インターフェース63から構成され、通信インターフェース63を介して通信回線100に接続されている。サーバーシステム14は、データ蓄積解析システム15、摂食暦DB65、通信インターフェース67から構成され、通信インターフェース67を介して通信回線100に接続されている。健康状態予測入出力部12は、予め設定された入出力プログラム52を実行するCPU51、データの入力を行う入力装置53、データの出力を行う出力装置54を有するコンピュータ機器で構成される。健康予測計算部13は、予め設定された計算プログラム56を実行するCPU55を有するコンピュータ機器で構成される。パーソナルデータDB57には、ユーザー個人の詳細情報として、身長、体重、性別、生年月日などの個人生体情報が格納される。摂食暦DB58には、その詳細情報として、ユーザーの摂取した食事内容、摂食日時、食事の栄養素および摂取カロリーなどの各データが格納される。食品DB59には、本実施例で扱う食品全てのデータが格納されている。栄養素DB60には、食品DB59に格納されている食品全ての栄養素および、カロリーが格納されている。画像DB61には、食品DB59に格納されている食品全ての画像が格納されている。EBM−DB62には、その初期情報として、平均的な疾病リスクおよび生体情報の変化に関する予測計算パラメータが格納されている。摂食暦DB58にデータが蓄積されるたびに、健康予測計算部13により、予測計算パラメータは個人データに即した形で更新される。上記健康状態予測入出力部12、健康状態予測計算部13、各種DB57〜62、通信インターフェース63は、あくまで機能上のものであり、1台のコンピュータ機器で一体に構成しても、複数台のコンピュータ機器で個別に構成しても、いずれでも適用可能である。データ蓄積解析システム15は、予め設定された解析プログラム65を実行するCPU64を有するコンピュータ機器で構成される。摂食暦DB66には、健康状態予測システム11で入力された摂食暦データを、蓄積、解析するために別途、不特定多数のユーザー分格納させる。上記データ蓄積解析システム15、摂食暦DB66、通信インターフェース67は、あくまで機能上のものであり、1台のコンピュータ機器で一体に構成しても、複数台のコンピュータ機器で個別に構成しても、いずれでも適用可能である。
図3に、サーバーで処理するシステムの全体構成図を示す。図示のように、本システムは、本発明の健康状態予測システム21、データ解析システム24と健康状態予測システム25から構成されるサーバーシステム23で構成される。健康状態予測システム21は、健康状態予測入出力部22から構成される。健康状態予測システム21とサーバーシステム23は、TCP(TransmissionControlProtocol /IP(InternetProtocol)に基づくインターネットとして機能する公衆網や専用線、および携帯電話等の通信回線200を介して接続されている。図6に、サーバーで処理するシステムの機器構成の一例を示す。図示のように、健康状態予測システム21は、健康状態予測入出力部22、通信インターフェース75から構成され、通信インターフェース75を介して通信回線200に接続されている。サーバーシステム23は、健康状態予測計算部24、データ蓄積解析システム25、パーソナルデータDB(データベース)80、摂食暦DB81、食品DB82、栄養素DB83、画像DB84、EBM−DB85、、通信インターフェース86から構成され、通信インターフェース86を介して通信回線200に接続されている。健康状態予測入出力部22は、予め設定された入出力プログラム72を実行するCPU71、データの入力を行う入力装置73、データの出力を行う出力装置74を有するコンピュータ機器で構成される。上記健康状態予測入出力部22、通信インターフェース75は、あくまで機能上のものであり、1台のコンピュータ機器で一体に構成しても、複数台のコンピュータ機器で個別に構成しても、いずれでも適用可能である。健康予測計算部24は、予め設定された計算プログラム77を実行するCPU76を有するコンピュータ機器で構成される。データ蓄積解析システム25は、予め設定された解析プログラム79を実行するCPU78を有するコンピュータ機器で構成される。パーソナルデータDB80には、ユーザー個人の詳細情報として、身長、体重、性別、生年月日などの個人生体情報が、不特定多数のユーザー分格納される。摂食暦DB81には、その詳細情報として、ユーザーの摂取した食事内容、摂食日時、食事の栄養素および摂取カロリーなどの各データが、不特定多数のユーザー分格納される。食品DB82には、本実施例で扱う食品全てのデータが格納されている。栄養素DB83には、食品DB82に格納されている食品全ての栄養素および、カロリーが格納されている。画像DB84には、食品DB82に格納されている食品全ての画像が格納されている。EBM−DB85には、その初期情報として、平均的な疾病リスクおよび生体情報の変化に関する予測計算パラメータが格納されている。摂食暦DB81にデータが蓄積されるたびに、健康予測計算部24により、予測計算パラメータは不特定多数のユーザーデータに対応した形で更新される。上記健康状態予測計算部24、データ蓄積解析システム25、各種DB80〜85、通信インターフェース86は、あくまで機能上のものであり、1台のコンピュータ機器で一体に構成しても、複数台のコンピュータ機器で個別に構成しても、いずれでも適用可能である。
図7A、図7Bおよび図7Cのフローチャートに、本発明のシステムの基本的な処理の例を示す。以下、同図にしたがい、処理の流れを説明する。なお、本発明のシステムにおける各処理ステップは、CPUや主メモリ、バス、あるいは二次記憶装置(ハードディスクや不揮発性メモリ、CD−ROMやDVD−ROMなどの記憶メディアとそれらメディアの読取ドライブなど)、印刷機器や表示装置、その他の外部周辺装置などのハードウェア構成部やその外部周辺機器用のI/Oポート、それらハードウェアを制御するためのドライバプログラムやその他アプリケーションプログラム、情報入力に利用されるユーザーインターフェースなどを適宜利用することで実行される。
また、以下の処理フローにおける個人生体情報の入力や食事摂取日の指定、食事をとったかの判断、食事の選択、主観的な食事の量などの入力、入力を続けるかの判断、未入力の食事があるかの判断、実際の生体情報/疾病と差異があるか?の判断などのユーザー入力に応じた処理は、例えばUI(ユーザーインターフェース)などを利用して入力装置からのユーザー入力を受付けることで処理を行うと良い。
「パーソナルデータが登録されているか?」を判断する。
[1-1(No)]
Noの場合、個人生体情報を入力装置から入力し、パーソナルデータDBへ登録する
ただし、個人生体情報は多岐に渡るため、必須項目以外は任意入力とする。
[2(Yes)]
Yesの場合、食事摂取日を指定する。この際、詳細な情報を得たい場合は、摂取時間も合わせて指定する。
[3]
「食事をとったか?」を判断する。
[3-1(No)]
Noの場合、「食事は未摂取」という情報を指定日時の摂食暦として扱い、摂食暦DBへ登録する。
[4]
食べた食事を、食品DBから選択する。
[5]
食品を元に栄養素DBから栄養素を取得する。
[6]
摂食暦DBへ、摂取日時とともに食品、栄養素と、
・主観的な食事の量
・主観的な味の濃さ
・主観的な食事の熱さ
を入力装置より入力し、登録する。
[7]
「入力を続けるか?」を判断する。
[8(No)]
Noの場合、「現在までに未入力の食事はあるか?」を判断する。
[8-1(Yes)]
Yesの場合、未入力の食事は、その日までの食事内容を平均化したデータで穴埋めする。
[9]
個人生体情報と摂食暦を多変量解析し、各算出項目と相関関係にある起因データを抽出する。算出されるものは、大きく分けて
・累積された疾病リスク
・予測される生体情報の変移
・上記2項目に相関する起因データとなる。
この際、計算アルゴリズムはEBM-DBからパラメータを参照する
[10]
予測された生体情報と疾病リスク、ならびに起因データを入力装置に表示する。
[11]
「実際の生体情報/疾病と差異があるか?」を判断する。
[11-1(Yes)]
Yesの場合、計算された生体情報/疾病のうち修正したい項目だけ入力装置より訂正する。
[11-2]
訂正された情報と予測された情報をもとに、EBM-DBのパラメータを変更する。
[12]
現在までの食事内容を平均化したデータを、未来の食事内容として扱い、摂食暦DBとEBM-DB、パーソナルデータDBから未来の
・疾病リスク
・生体情報の変移
をシュミレーションし、入力装置へ表示する。
図8A、図8Bおよび図8Cのフローチャートに、本発明のネットワークシステムの基本的な処理の例を示す。以下、同図にしたがい、処理の流れを説明する。
「パーソナルデータが登録されているか?」を判断する。
[1-1(No)]
個人生体情報と生活強度を入力装置から入力する。ただし、個人生体情報は多岐に渡るため、必須項目以外は任意入力とする。
[1-2]
入力されたパーソナルデータをサーバーのパーソナルデータDBへ登録する。
[2]
食事摂取日を指定する。この際、詳細な情報を得たい場合は、摂取時間も合わせて指定する。
[3]
「食事をとったか?」を判断する。
[3-1(No)]
Noの場合、「食事は未摂取」という情報を指定日時の摂食暦として扱い、サーバーの摂食暦DBに登録する。
[4]
食べた食事を、入力装置から入力する。
[5]
入力された食事を、サーバーの食品DB,栄養素DBと照合し入力装置へ返す。
[6]
入力装置に表示された食事内容を確認し、
・主観的な食事の量
・主観的な味の濃さ
・主観的な食事の熱さ
を入力装置より入力する。
[7]
サーバーの摂食暦DBへ、摂取日時とともに、食品、栄養素と、主観的な食事の量、
主観的な味の濃さ、主観的な食事の熱さを登録する。
[8]
「入力を続けるか?」を判断する。
[9(No)]
「現在までに未入力の食事はあるか?」を判断する。
[9-1(Yes)]
Yesの場合、未入力の食事は、その日までの食事内容を平均化したデータで穴埋めする。
[10(No)]
サーバーで個人生体情報と摂食暦を多変量解析し、各算出項目と相関関係にある起因データを抽出する。算出されるものは、大きく分けて
・累積された疾病リスク
・予測される生体情報の変移
・上記2項目に相関する起因データ
となる
この際、計算アルゴリズムは全共通EBM-DBからパラメータを参照する。
[11]
予測された生体情報と疾病リスク、ならびに起因データを入力装置に表示する。
[12]
「実際の生体情報/疾病と差異があるか?」を判断する。
[12-1(Yes)]
Yesの場合、入力装置に表示された生体情報/疾病のうち、修正したい項目だけ入力装置より訂正する。
[12-2]
サーバーにて訂正された情報と予測された情報をもとに、全共通EBM-DBのパラメータを変更する。
[13]
サーバーにて、入力者個人の現在までの食事内容を平均化したデータを、未来の
食事内容として扱い、入力者個人の摂食暦DBとパーソナルデータDB、全共通の
EBM-DBから未来の
・疾病リスク
・生体情報の変移
をシュミレーションし、入力装置へ返す。
[14]
サーバーにてシュミレーションされた内容を、入力装置へ表示する。
図9A、図9Bおよび図9Cのフローチャートに、個人生体情報入力の例を示す。以下、同図にしたがい、処理の流れを説明する。
民族(白人,黒人,黄色人)、居住地を選択。
[2]
・生年月日(yyyy/mm/dd)
・性別(♂/♀)
・身長(cm)
・体重(kg)
を入力。
[3]
性別、身長、体重からBMIを計算する。
[4]
・体脂肪率(%)
・筋肉量(kg)
を入力。
[5]
体脂肪率と筋肉量から基礎代謝率を計算。
[6]
・腹囲(cm)
を入力。
[7]
・血圧(収縮期/拡張期)
・脈拍数
・体温
を入力。
[8]
性別、腹囲からメタボリックシンドロームの可能性を判定。
[9]
喫煙の有無を確認。
[10]
「喫煙しているか?」を判断。
[10-1(Yes)]
Yesの場合、喫煙量(本/day)、喫煙期間を入力。
[11]
飲酒の有無を確認。
[12]
「飲酒しているか?」を判断。
[12-1(Yes)]
Yesの場合、主な酒類、飲酒量(/day)、飲酒期間を入力。
[13]
生活強度をレベル1〜3から選択する。
[14]
平均睡眠期間を開始時刻、終了時刻で指定する。
[15]
アレルギー状態を選択、体感的な重度を入力。
[16]
平均的な、
・排尿回数、尿状態(血尿、排尿時痛等)
・排便回数、便状態(便秘、下痢、血便等)
を入力。
[17]
過去/現在の病歴を指定する。
[病歴]
選択できる病歴は、
国際疾病分類(ICD10)に準じて
分類、そこから選択。
[18]
家族の病歴を指定する。
図10のフローチャートに、未入力食事の穴埋めの処理の例を示す。以下、同図にしたがい、処理の流れを説明する。
平均値を求める期間をユーザーが指定できる。指定がなかった場合は、過去全てを対象とする。
[2]
既入力の摂食暦より、指定した期間全ての食事データを日別に取得。
[3]
指定期間全ての日において、摂食回数が3食未満の日があった場合、
(未入力日から指定日まで遡った全ての総和 ÷
未入力日までの食事回数) × 3 ÷ 未入力日までの経過日数
を未入力日の1日分の食事摂取量として、換算する。
図11Aおよび図11Bのフローチャートに、日々の個人生体情報訂正の処理の例を示す。以下、同図にしたがい、処理の流れを説明する。
主観的な体調を
・よい/わるい
・ストレス感じる/感じない
から選択する。
[2]
予測された体重に差異があった場合、体重(kg)を入力。
[3]
「年少期の利用者か?」を判断する。
[3-1(Yes)]
Yesの場合、1週に一度、
・身長(cm)
を再入力。
[4]
性別、身長、体重からBMIを再計算する。
[5]
・体脂肪率(%)
・筋肉量(kg)
を再入力。
[6]
体脂肪率と筋肉量から基礎代謝率を再計算。
[7]
・腹囲(cm)
を再入力。
[8]
性別、腹囲からメタボリックシンドロームの可能性を再判定。
[9]
・血圧(収縮期/拡張期)
を再入力。
[10]
「女性の利用者か?」を判断する。
[10-1(Yes)]
Yesの場合、月経の有無を入力。
[11]
「喫煙したか?」を判断する。
[11-1(Yes)]
Yesの場合、喫煙量(本/day)を入力。
[12]
「飲酒したか?」を判断する。
[12-1(Yes)]
Yesの場合、主な酒類、飲酒量(/day)を入力。
[13]
摂取日の生活強度をレベル1〜3から選択する。
[14]
もっとも最近の睡眠期間を、開始時刻〜終了時刻で再入力する。
図12のフローチャートに、推奨メニューの提示の処理の例を示す。以下、同図にしたがい、処理の流れを説明する。
EBM-DBから各栄養素毎の
・未摂取限界期間
・摂取基準量
を取得する。
[2]
摂食暦DBより、各栄養素毎の摂食日時から遡った未摂取限界期間中に摂取している量を合算する。
[3]
全栄養素の摂取基準量と実摂取量を比べ、過不足量を算出する。
[4]
各栄養素の過不足量をいちばん含む食品を、以下のルールに当てはめて決定する。ルール中の摂取予定日時とは、今回の食事の次にとるべきもの(朝食なら昼、夕飯なら翌日の朝食)の摂取予定日時とする。
・過去の摂食暦より、摂取予定曜日により多く摂取しているもの
・過去の摂食暦より、摂取予定時刻により多く摂食しているもの
・過去の摂食暦より、利用者の摂取頻度が高いもの
・個人生体情報に登録されているアレルゲンを含まないもの
[5]
表示装置に推奨メニューとして表示する。
図13A、図13Bおよび図13Cのフローチャートに、ペン入力装置による摂食暦入力の処理の例を示す。以下、同図にしたがい、処理の流れを説明する。なお、ペン入力装置は、例えばマトリクススイッチ方式や抵抗膜方式などによる入力機構を備えた入力装置などが挙げられる。
入力日当日をデフォルト摂取日として表示装置に出力する。
[2]
訂正がある場合は、入力装置の表示装置上に数字を書くことで日付を入力する。また、カレンダー状のリストから日付を選択することでも入力できる。
[3]
「摂取時刻も入力するか?」を判断する。
[3-1(Yes)]
Yesの場合、入力装置の表示装置上に数字を書くことで時刻を入力する。また、時計を模した図面から時刻を指定することもできる。
[4]
食事をとったか、未摂取かを確認する。
[5]
「食事を取ったか?」を判断する。
[5-1(No)]
Noの場合、事前に入力した摂取日時と、食事は未摂取という情報を摂食暦DBへ格納する。
[6]
食べた食事の名称を入力装置の表示装置上にカタカナで記述、入力する。
[7]
文字の入力が行われるたびに、入力文字列と、食品DBの食品名称カナとを比較し、入力文字列が食品名称カナに含まれるものを取得し、一覧として表示装置に出力する。
[8]
一覧化するにあたり、
・過去の摂食暦より、入力摂取曜日により多く摂取しているもの
・過去の摂食暦より、入力摂取時刻により多く摂食しているもの
・摂食に際し同席した人物を入力することにより、その人物と摂取した機会が多い食品
・入力装置がGPS機能を有していた場合は、緯度経度情報より店舗の特定を行い、
その店舗が扱う食品
・過去の摂食暦より、主観的体調が一致する日により多く摂取しているもの
・過去の摂食暦より、運動量が一致する日により多く摂取しているもの
・過去の摂食暦より、睡眠時間が一致する日により多く摂取しているもの
を元に、摂取頻度の多いものを上位に表示する。
[9]
「該当する食事が見つかったか?」を判断する。
[10(Yes)]
Yesの場合、表示された一覧から該当するものをペンでタッチして選択する。
[11]
選択された食品の詳細を、食品DB,栄養素DB,画像DBより取得して、表示装置に出力する。
[12]
「この食事で間違いないか?」を判断する。
[12-1(No)]
Noの場合、「日付から変更するか?」を判断する。
[13]
事前に入力した摂取日時と、選択した食品、その栄養素とともに、
・主観的な食事の量
・主観的な味の濃さ
・主観的な食事の熱さ
を入力装置より入力し、摂食暦DBへ格納する。
図17Aおよび図17Bのフローチャートに、バーコード入力装置による摂食暦入力の処理の例を示す。以下、同図にしたがい、処理の流れを説明する。
入力日当日をデフォルト摂取日として表示装置に出力する。
[2]
訂正がある場合は、入力装置から訂正する。また、カレンダー状のリストから日付を選択することでも入力できる。
[3]
「摂取時刻も入力するか?」を判断する。
[3-1(Yes)]
Yesの場合、入力装置から時刻を入力する。また、時計を模した図面から時刻を指定することもできる。
[4]
食事をとったか、未摂取かを確認する。
[5]
「食事を取ったか?」を」判断する。
[5-1(No)]
Noの場合、事前に入力した摂取日時と、食事は未摂取という情報を、摂食暦DBへ格納する。
[6]
バーコードリーダーで食べた食事のバーコードを読み取り、食品DBのバーコード項目と
比較する。
[7]
「該当する食事が見つかったか?」を判断する。
[7-1(No)]
Noの場合、見つからないことを表示装置に表示し、再入力を促す。
[8]
選択された食品の詳細を、食品DB,栄養素DB,画像DBより取得して、表示装置に出力する。
[9]
「この食事で間違いないか?」を判断する。
[9-1(No)]
Noの場合、「日付から変更するか?」を判断する。
[10]
事前に入力した摂取日時と、選択した食品、その栄養素とともに、
・主観的な食事の量
・主観的な味の濃さ
・主観的な食事の熱さ
を入力装置より入力し、摂食暦DBへ格納する。
図21Aおよび図21Bのフローチャートに、ネットワークを利用した音声入力装置による摂食暦入力の処理の例を示す。以下、同図にしたがい、処理の流れを説明する。
入力日当日をデフォルト摂取日として表示装置に出力する。
[2]
訂正がある場合は、入力装置から訂正する。また、カレンダー状のリストから日付を選択することでも入力できる。
[3]
「摂取時刻も入力するか?」を判断する。
[3-1(Yes)]
Yesの場合、入力装置から時刻を入力する。また、時計を模した図面から時刻を指定することもできる。
[4]
食事をとったか、未摂取かを確認する。
[5]
「食事を取ったか?」を判断する。
[5-1(No)]
Noの場合、事前に入力した摂取日時と、食事は未摂取という情報を、摂食暦DBへ格納する。
[6]
食べた食事の名称を入力装置から音声で入力し、音声データを記憶する。
[7]
記憶した音声データをネットワークを介してサーバーに送り解析、文字列情報として
入力装置に返す。サーバーでの解析は、例えば、
・ソフトウェアによる自動解析
・オペレータによる解析
の少なくとも一方による。
[8]
「該当する食事が見つかったか?」を判断する。
[8-1(No)]
Noの場合、見つからないことを表示装置に表示し、再入力を促す
[9]
選択された食品の詳細を、食品DB,栄養素DB,画像DBより取得して、表示装置に出力する。
[10]
「この食事で間違いないか?」を判断する。
[10-1(No)]
Noの場合、「日付から変更するか?」を判断する。
[11]
事前に入力した摂取日時と、選択した食品、その栄養素とともに、
・主観的な食事の量
・主観的な味の濃さ
・主観的な食事の熱さ
を入力装置より入力し、摂食暦DBへ格納する。
図23Aおよび図23Bのフローチャートに、食事ジャンルによる食品の絞込みの処理の例を示す。以下、同図にしたがい、処理の流れを説明する。
食事ジャンル
・洋食
・和食
・中華
・その多食事
・菓子
・アルコール
を表示装置に表示し、入力装置より選択する。
[2]
指定された食事ジャンルに関連する食品を、カテゴリDBと食品DBの結び付けで
一覧化する。ただし、下記ルールのうち指定したジャンル以外のものは対象外とする
*下記とは[3]のこと
[3]
一覧化するにあたり、
・過去の摂食暦より、入力摂取曜日により多く摂取しているもの
・過去の摂食暦より、入力摂取時刻により多く摂食しているもの
・摂食に際し同席した人物を入力することにより、その人物と摂取した機会が多い食品
・入力装置がGPS機能を有していた場合は、緯度経度情報より店舗の特定を行い、
その店舗が扱う食品
・過去の摂食暦より、主観的体調が一致する日により多く摂取しているもの
・過去の摂食暦より、運動量が一致する日により多く摂取しているもの
・過去の摂食暦より、睡眠時間が一致する日により多く摂取しているもの
を元に、摂取頻度の多いものを上位に表示する.
[4]
「該当する食事が見つかったか?」を判断する。
[5(Yes)]
Yesの場合、表示された一覧から該当するものを選択する。
[6]
選択された食品の詳細を、食品DB,栄養素DB,画像DBより取得して、表示装置に出力する。
[7]
「この食事で間違いないか?」を判断する。
[7-1(No)]
Noの場合、「ジャンルから変更するか?」を判断する。
図25のフローチャートに、疾病リスクの計算例として、高血圧のリスクの計算例を示す。同図に示す処理は、下記のようにして実施される。
現EBM-DBから高血圧起因とされる要素毎のパラメータを取得し、摂食暦の各栄養素、個人生体情報の各データより、予測される血圧の変化を算出する。
*補足
EBM-DBの高血圧起因要素の初期値は、
[摂食暦に属する情報]
・塩分摂取量/日
・脂肪分摂取量/日
・カリウム摂取量/日
・マグネシウム摂取量/日
・カルシウム摂取量/日
[個人生体情報に属する情報]
・生活強度より運動量
・主観的なストレス度
・他の疾患の存在
・喫煙
・高年齢
となる。
ただし、後述の多変量解析の結果、血圧起因要素は利用者毎に個体差が生じるため、要素の増減、および重度の増減が発生する。予測値の計算、多変量解析による起因要素の特定を行うことにより、EBM-DBは常に各個人に特化した適切なデータへと進化していく。
[2]
「利用者により実血圧が訂正されたか?」を判断する。
[3(Yes)]
Yesの場合、訂正された血圧と算出血圧との差異を指標値とし、摂食暦の全栄養素、個人生体情報の変化値とを多変量解析し、血圧の起因となる要素を特定、その重度を算出する。
[4]
算出結果をEBM-DBに反映し次回以降の計算に利用する。
図26Aおよび図26Bのフローチャートに、個人生体情報変化の予測とEBM-DBの更新例(体重)の処理の例を示す。同図に示すように、処理は、下記のように実施される。
個人生体情報から身長、体重、性別、年齢を取得し、以下の式を用いて一日の
基礎代謝量(BMR)を求める。
男性:BMR = 66.5+(体重 × 13.8)+(身長 × 5.0)−(年齢 × 6.8)
女性:BMR = 66.5+(体重 × 9.6)+(身長 × 1.9)−(年齢 × 4.7)
[2]
個人生体情報から生活強度、身長を取得し、
・身長から標準体重
・標準体重から一日の標準消費エネルギー量
を求める。
標準体重 = 身長(m) × 身長(m) ×22
標準摂取エネルギー = 標準体重 × 生活強度毎値
*補足
生活強度値
生活強度低 = 25
生活強度中 = 30
生活強度高 = 35
生活強度最高 = 40
[3]
上記式を流用し、1ヶ月(30日)の未消費エネルギーを計算する。
1ヶ月の未消費エネルギー =
Σ(i=1,n=30)標準摂取エネルギー -
Σ(j=1,n=30)基礎代謝量
*上記式とは[1],[2]のこと
*補足
・Σ(シグマ)は、値の合計を意味する。
ここで、(i=1,n=30)標準摂取エネルギーの場合は
1日目の標準摂取エネルギー + 2日目の標準摂取エネルギー + ...30日目の
標準摂取エネルギー、と同義である。
・摂食暦が1ヶ月未満だった場合は、1ヶ月の日数30日を減らして計算する
[4]
脂肪1kgをエネルギー換算すると7000kcalと仮定し、1ヶ月の未消費エネルギーを
基に、体重の増減を求める。
体重の増減値(kg) = 1ヶ月の未消費エネルギー / 7000
[5]
計算で求めた体重の増減値と、個人生体情報の体重を加算して現体重予測値を計算し、
表示装置に表示する。
[6]
「利用者により体重が更新されたか?」を判断する。
[7(Yes)]
yesの場合、現体重予測値と実体重の差分を求め、エネルギーに換算する。
差分エネルギー = (実体重(kg) - 現体重予測値(kg)) × 7000
[8]
差分エネルギーを、1ヶ月の未消費エネルギー算出に使用した日数で除算し、1日の差分エネルギーを求める。
一日の差分エネルギー = 差分エネルギー ÷ 日数(30)
[9]
先に求めた標準摂取エネルギーに一日の差分エネルギーを加算したものが、今後の標準摂取エネルギーとなるため、EBM-DBへ「標準摂取エネルギー」として格納する。
つぎに、本発明のシステムを携帯ゲーム機で実施した例を示す。この例の携帯ゲーム機は、画面に示された指示に従い、入力ペンでボタンを押したり、文字を記入して入力することで、個人の摂食暦をはじめとする生体情報を入力し、EBM−DBにより将来の疾病(疾患)リスク情報をゲーム感覚で得ることができる。したがって、ゲームプレーヤーは、ゲーム感覚で自分の摂食暦などの生体情報を入力する。したがって、携帯ゲームが、端末となって、インターネットを介して専用サーバーに生体情報を集めることができ、その結果、大規模な疫学的調査が可能になる。この場合、ゲームプレーヤーは、ゲームを楽しみながら疫学調査に貢献でき、かつ自己の健康管理も実施できる。
画面Aは、タイトル画面であり、画面上部に、ゲームのタイトルである「食事 LOG」ロゴと著作権情報を配置している。画面下部に「スタート」ボタンを配置し、その近辺に「スタートボタンを押してください」と点滅表示する。
(1)「スタート」ボタン押下で画面Bへ遷移する。
画面Bは、メイン画面であり、画面下部に「食事入力」ボタン、「パーソナルデータ」ボタン、「寿命・疾患リスク」ボタンを配置している。
(1)「パーソナルデータ」ボタン押下で画面Cへ遷移する。
(2)また、「食事入力」ボタン押下で画面Dへ遷移する。「寿命・疾患リスク」ボタン押下で画面F-2へ遷移する。
画面Cは、パーソナルデータ入力画面である。画面上部に、「パーソナルデータを入力します」と表示する。画面下部に「民族・居住地」ボタン、「性別・生年月日」ボタン、「身長・体重・3サイズ」ボタン、「体脂肪率・筋肉量」ボタン、「血圧・脈拍数・体温」ボタン、「喫煙・飲酒」ボタン、「生活強度」ボタン、「平均睡眠期間」ボタン、「アレルギー・病歴」ボタン、「排尿・排便」ボタンを配置する。画面左部に「戻る」ボタンを配置する。
(1)「民族・居住地」ボタン、「性別・生年月日」ボタン、「身長・体重・3サイズ」ボタン、「体脂肪率・筋肉量」ボタン、「血圧・脈拍数・体温」ボタン、「喫煙・飲酒」ボタン、「生活強度」ボタン、「平均睡眠期間」ボタン、「アレルギー・病歴」ボタン、「排尿・排便」ボタンの各ボタン押下で各項目の修正画面へ遷移する。
(2)「戻る」ボタン押下で画面Bへ遷移する。
画面Dは、単品メニュー入力画面である。画面上部に、「食べたメニューをカタカナで入力してください 未摂取情報も入力できます」と表示し、その具体例を表示する。画面下部に、日付入力欄、時刻入力欄、今日の日付へ移動可能なボタン、単品メニューを文字により入力可能な欄、入力した文字を表示する欄、入力した文字を1文字づつ消去可能な「←」ボタン、入力した文字を一括消去可能な「消去」ボタン、未摂取という情報を入力可能な「未摂取」ボタンを配置している。画面左部に「戻る」ボタンを、画面右部に「決定」ボタンを表示する。
(1)「日付入力欄」及び「時刻入力欄」からあるメニューを摂取した時間を入力。
(2)「今日」ボタン押下で「日付入力欄」が入力日の日付に変わる。
(3)「単品メニューを文字により入力可能な欄」からそのメニュー名をカタカナで1文字づつ入力。すると、「入力した文字を表示する欄」に入力された文字列を表示。
(4)「←」ボタン押下で入力した文字を1文字づつ消去可能。
(5)また、「消去」ボタン押下で入力した文字列を一括消去可能。
(6)「未摂取」ボタン押下で「日付入力欄」及び「時刻入力欄」には食事を未摂取という情報を入力可能。
(7)「戻る」ボタン押下で画面Bに遷移する。
(8)「入力した文字を表示する欄」に2文字以上表示されている状態で「決定」ボタン押下が可能となり、「決定」ボタン押下で画面Eへ遷移する。
画面Eは、単品メニュー選択画面である。画面下部に、入力された文字から単品メニュー候補をリスト表示させ選択可能な欄、そのリストをページ送り可能なボタンを配置している。選択メニューの量を入力可能なスライダー、その味の濃さを入力可能なスライダー、その熱さを入力可能なスライダー、そのメニューで確定させるための「決定」ボタンを配置している。画面左部に戻るボタン、画面右にサイドメニュー入力画面に遷移するためのボタンを表示している。画面上部に、単品メニューの名称、その写真、その摂取日及びカロリーとその日の総合摂取カロリーを表示。該当メニューの栄養素グラフを表示している。栄養素グラフには、カロリー、炭水化物、タンパク質、脂質、ビタミン、ミネラル、食物繊維の項目があり、各々の項目には、1日あたりの理想摂取量に対するその該当メニューだけでの相対量とその日の総合摂取量からの相対量で構成されるグラフを表示する。
(1)画面D-(7)より2文字以上の文字列を含む単品メニュー候補をリスト表示する。
(2)画面上部に画面D-(1)で入力された日付を表示し、該当メニュー名及びその写真を表示する。
(3)(1)から単品メニューを1つ選択後、そのメニューの量、味及び熱について各項目のスライダーより任意の位置を選択。
(4)(1)で選択した単品メニュー及び(3)から入力された情報により、栄養素グラフに、カロリー、炭水化物、タンパク質、脂質、ビタミン、ミネラル、食物繊維の1日あたりの理想摂取量に対するその該当メニューでの相対量とその日の総合摂取量からの相対量をグラフで表示する。
(5)画面上部に該当メニューのカロリー及び画面D-(1)で入力された日付に摂取した食事総合のカロリーを表示。
(6)「メニュー決定」ボタン押下で(1)〜(6)の内容で確定させ、画面F-1へ遷移する。
画面F-1は、食歴表示画面1である。画面下部に、「メニュー」タブ、「体・現在」タブ、「体・将来」タブを配置している。「メインへ」ボタン、「新規メニュー」ボタン、「未入力日」ボタンを配置している。「メニュー」タブ内に、その日に摂ったメニューをリスト表示。そのリストをページ送り可能なボタンを配置している。同タブ内に、「前の日」ボタン、「次の日」ボタンを配置している。画面上部に、「(画面Eで表示した日付)の食歴」と表示。その日付の総合摂取カロリーを表示している。その下部にリストから選択したメニューの写真と栄養素グラフを表示している。栄養素グラフは画面Eの栄養素グラフに準ずる。
(1)メニュータブがアクティブになり、画面E-(3)で選択した単品メニュー及び画面E-(2)の日付に摂取した複数の単品メニューがメニュータブ内のリストに表示する。
(2)画面上部に「(画面E-(2)の日付)の食歴」と表示する。
(3)(1)のリストから任意の単品メニューを選択すると、画面上部に該当メニューの写真を表示する。
(4)栄養素グラフに、カロリー、炭水化物、タンパク質、脂質、ビタミン、ミネラル、食物繊維の1日あたりの理想摂取量に対するその該当メニューでの相対量と、画面E-(2)の日付の総合摂取量からの相対量をグラフで表示する。
(5)「前の日」ボタン押下で画面E-(2)の日付より前日に摂取した複数の単品メニューをリスト表示する。
(6)「次の日」ボタン押下で画面E-(2)の日付より次の日に摂取した複数の単品メニューをリスト表示する。
(7)「メインへ」ボタン押下で画面Bへ遷移する。
(8)「新規メニュー」ボタン押下で文字未入力状態の画面Dへ遷移する。その際、画面E-(2)の日付が「日付入力欄」に入力されている。
(9)「未入力日」ボタン押下で画面Gへ遷移する。
(1)画面F-1の「体・現在」タブ押下でタブ内に「累積疾患リスク」ボタン、「生体情報変移」ボタン、「起因データ」ボタンを表示する。
(2)画面上部に「(画面E-(2)の日付)までの状態」を表示する。
(3)「累積疾患リスク」ボタン押下で画面Hへ遷移する。
(4)「生体情報変移」ボタン押下で画面Iへ遷移する。
(5)「起因データ」ボタン押下で起因データを表示する画面へ遷移する。
画面F-3は、食歴表示画面3である。画面F-1の「体・将来」タブ内に、「1年後」ボタン、「5年後」ボタン、「10年後」ボタン、「20年後」ボタン、「50年後」ボタンを配置している。さらに「累積疾患リスク」ボタン、「生体情報変移」ボタン、「起因データ」ボタンを配置している。画面上部に、「これからの状態」と表示している。その下部に「現在までの食事内容を平均化したデータを、未来の食事内容として扱い、摂食暦DBとEBM-DB、パーソナルデータDBから未来の・疾病リスク・生体情報の変移をシミュレーションします」と表示している。
(1)画面F-1の「体・将来」タブ押下でタブ内に「1年後」ボタン、「5年後」ボタン、「10年後」ボタン、「20年後」ボタン、「50年後」ボタンを表示する。
(2)同タブ内に「将来疾患リスク」ボタン、「生体情報変移」ボタン、「起因データ」ボタンを表示する。
(3)(1)のいづれかのボタンを選択後、(2)の各ボタン押下で現在から(1)の年を経た将来の状態を表示する。
(4)(3)の時に「将来疾患リスク」ボタン押下で画面Jへ遷移する。
(5)(3)の時に「生体情報変移」ボタン押下で(1)の年を経た将来の生体情報変移画面を表示する。
(6)(3)の時に「起因データ」ボタン押下で(1)の年を経た将来の起因データ画面を表示する。
画面Gは、未入力日入力画面である。画面上部に、「未入力の日付と平均値を求める期間を指定してください」と表示している。画面下部に、日付入力欄、「過去6ヶ月」ボタン、「過去3ヶ月」ボタン、「過去1ヶ月」ボタン、「過去2週間」ボタン、「過去1週間」ボタン、「過去3日間」ボタン、「決定」ボタンを配置している。画面左部に「戻る」ボタンを配置している。
(1)画面上部に「未入力の日付と平均値を求める期間を指定してください」と表示する。
(2)日付入力欄から任意の日付を選択。
(3)「過去6ヶ月」ボタン、「過去3ヶ月」ボタン、「過去1ヶ月」ボタン、「過去2週間」ボタン、「過去1週間」ボタン、「過去3日間」ボタンのいずれかを選択し、「決定」ボタン押下で(2)で選択した日付の摂食データが入力され、画面F-1へ遷移する。
画面Hは、累積疾患リスク表示画面である。画面下部に、累積疾患リスクとその倍率をリスト表示可能な欄、そのリストをページ送り可能なボタンを配置している。表示されている累積疾患リスクの数値の差異を修正可能な「ある」ボタンを配置している。画面上部に、選択された疾患名とその説明を表示している。画面左部に「戻る」ボタンを配置している。
(1)累積疾患リスクの疾患名と倍率が書かれたリストを表示する。
(2)(1)で表示された疾患名を選択することにより、画面上部にその疾患名とその説明を表示する。
(3)表示されている疾患名の倍率に差異の修正を可能な「ある」ボタンを表示する。
(4)(3)の「ある」ボタン押下で画面Kへ遷移する。
(5)「戻る」ボタン押下で画面F-2へ遷移する。
画面Iは生体情報変移表示画面である。画面下部に、生体情報とその数値をリスト表示可能な欄、そのリストをページ送り可能なボタンを配置している。表示されている生体情報の数値の差異を修正可能な「ある」ボタンを配置している。画面上部に、選択された生体情報名とその説明を表示している。画面左部に「戻る」ボタンを配置している。
(1)予測体重、予測体脂肪率、予測視力を表示する。
(2)(1)で表示された予測体重、予測体脂肪率及び予測視力を選択することにより、画面上部にその名とその説明を表示する。
(3)表示されている予測数値に差異の修正を可能な「ある」ボタンを表示する。
(4)(3)の「ある」ボタン押下で画面Kへ遷移する。
(5)「戻る」ボタン押下で画面F-2へ遷移する。
画面Jは将来疾患リスク表示画面である。画面下部に、疾患リスクとその倍率をリスト表示可能な欄、そのリストをページ送り可能なボタンを配置している。画面左部に「戻る」ボタンを配置している。画面上部に、選択された生体情報名とその説明を表示している。
(1)将来疾患リスクの疾患名と倍率が書かれたリストを表示する。
(2)(1)で表示された疾患名を選択することにより、画面上部にその疾患名とその説明を表示する。
(3)「戻る」ボタン押下で画面F-3へ遷移する。
画面Kは差異修正画面である。画面上部に、「各項目の差異を修正してください」と表示している。画面下部に、累積疾患リスク名または生体情報名とその数値をリスト表示し、各々に数値を下げるボタン及び数値を上げるボタンを配置している。そのリストをページ送り可能なボタン、「修正完了」ボタンを配置している。画面左部に「戻る」ボタンを配置している。
(1)画面H-(1)及び画面I-(1)で表示されている数値の誤差を、数値を下げるボタン及び数値を上げるボタンで任意の数値に修正可能である。
(2)(1)で修正を終えた場合に「修正完了」ボタン押下で修正を確定させ画面Iへ遷移する。
(3)「戻る」ボタン押下で修正を確定させずに画面Iへ遷移する。
2 健康状態予測入出力
3 健康状態予測計算
Claims (47)
- 個別生体の将来の健康状態を予測する健康状態予測システムであって、
前記個別生体に関連する個別生体情報を入力する入力手段と、
前記個別生体と同種の生体に関連する生体情報と健康状態情報とが関連付けられた健康情報データが蓄積されている健康情報データベースと、
前記健康情報データベースにおいて、前記入力手段により入力された前記個別生体情報と関連する健康状態情報を選択し、かつ前記選択した健康状態情報に基づき前記個別生体の将来の健康状態予測情報を生成する個別健康状態予測情報生成手段と、
前記個別健康状態予測情報を出力する健康状態予測情報出力手段を有する
健康状態予測システム。 - 前記健康情報データベースが、前記個別生体と同種の複数の生体から得られた生体情報と健康状態情報とが関連付けられた集団健康情報データが蓄積された集団健康情報データベースである請求項1記載の健康状態予測システム。
- さらに、前記個別生体に関する個別健康状態情報を入力する個別健康状態情報入力手段を有し、
前記入力された個別健康状態情報に基づき前記健康情報データベースの前記健康情報データを更新する健康情報データ更新手段とを有する請求項1または2記載の健康状態予測システム。 - さらに、個別生体の健康情報データを蓄積する個別健康情報データベースと、
前記個別生体に関する個別健康状態情報を入力する個別健康状態情報入力手段と、
入力された個別健康状態情報と前記個別生体情報とを関連付けた個別健康情報データを生成する個別健康情報データ生成手段と、
前記個別健康情報データを前記個別健康情報データベースに蓄積する個別健康情報データ蓄積手段とを有し、
前記個別健康状態予測情報生成手段は、前記健康情報データベースおよび前記個別健康情報データベースの少なくとも一方において、前記入力手段により入力された前記個別生体情報と関連する健康状態情報を選択し、かつ前記選択した健康状態情報に基づき前記個別生体の将来の健康状態予測情報を生成する
請求項1から3のいずれか一項に記載の健康状態予測システム。 - 前記健康情報データベースおよび前記個別健康情報データベースの少なくとも一方において、前記健康情報データおよび前記個別健康情報データの少なくとも一方の一部または全部が、時系列的に蓄積されている請求項1から4のいずれか一項に記載の健康状態予測システム。
- 前記個別健康状態予測情報生成手段において、前記生成される健康状態予測情報が、前記個別生体情報が入力された時点から一定期間の将来にわたり、前記個別生体の情報の入力された時点の状態が継続されたと仮定し、前記仮定および前記選択した健康状態情報に基づき前記個別生体の将来の健康状態予測情報を生成する
請求項1から5のいずれか一項に記載の健康状態予測システム。 - 前記個別生体情報が、コード化されたコード情報であり、前記個別生体情報入力手段が、前記コード情報を読取可能である請求項1から6のいずれか一項に記載の健康状態予測システム。
- 前記健康情報データおよび前記個別健康情報データを解析し、前記解析結果から、新規健康情報データを生成する新規データ生成手段を含む請求項1から7のいずれか一項に記載の健康状態予測システム。
- 前記個別生体が個人であり、前記個別生体情報が摂食暦であり、前記健康状態情報が、疾病情報であり、前記個別健康状態情報が前記個人の疾病情報であり、前記健康状態予測情報が、前記個人の疾病予測情報である請求項1から8のいずれか一項に記載の健康状態予測システム。
- 前記健康情報データおよび前記個別健康情報データが、前記摂食暦および前記疾病情報の統計データを含み、前記個人の疾病予測情報が、前記統計データからの疾病発症確率データおよび疾病程度の少なくとも一方を含む請求項9記載の健康状態予測システム。
- 個人の健康状態を維持または向上させるための飲食物およびサプリメントの少なくとも一方を含む推奨メニューを提供することで前記個人の健康管理を支援する健康管理支援システムであって、請求項9または10の健康状態予測システムを含み、さらに、前記健康状態予測システムから出力された前記個人の疾病予測情報を基に推奨メニューを生成する推奨メニュー生成手段と、前記推奨メニューを表示する推奨メニュー表示手段とを含む健康管理支援システム。
- 個別生体の将来の健康状態を予測するネットワーク健康状態予測システムであって、
端末と、サーバーとを有し、
前記端末およびサーバーは、システム外の通信網を介して接続可能であり、
前記端末は、
前記個別生体に関連する個別生体情報を入力する入力手段と、
前記端末内の情報を前記通信網を介して前記サーバーに送信する端末側送信手段と、
前記サーバーから送信された情報を前記通信網を介して受信する端末側受信手段と、
前記端末内の情報を表示する表示手段と
を有し、
前記サーバーは、
前記サーバー内の情報を前記通信網を介して前記端末に送信するサーバー側送信手段と、
前記端末から送信された情報を前記通信網を介して受信するサーバー側受信手段と
前記個別生体と同種の生体に関連する生体情報と健康状態情報とが関連付けられた健康情報データが蓄積されている健康情報データベースと、
前記健康情報データベースにおいて前記サーバー側受信手段により受信した前記個別生体情報と関連する健康状態情報を選択し、かつ前記選択した健康状態情報に基づき前記個別生体の将来の健康状態予測情報を生成する個別健康状態予測情報生成手段と、
を有し、
少なくとも前記個別生体情報が、前記端末側送信手段から前記サーバー側受信手段に送信され、かつ前記個別健康状態予測情報が、前記サーバー側送信手段から前記端末側受信手段に送信され、前記端末において、受信した前記個別健康状態予測情報が、前記表示手段によって表示される
ネットワーク健康状態予測システム。 - 前記健康情報データベースが、前記個別生体と同種の複数の生体から得られた生体情報と健康状態情報とを関連付けられた集団健康情報データが蓄積された集団健康情報データベースである請求項12記載のネットワーク健康状態予測システム。
- 前記端末が、さらに、
前記個別生体に関する個別健康状態情報を入力する個別健康状態情報入力手段を有し、
前記端末は、前記入力された個別健康状態情報データを前記端末側送信手段により、前記サーバーに送信し、
前記サーバーは、さらに、
健康情報データ更新手段を有し、
前記サーバーは、前記サーバー側受信手段により前記個別健康状態情報を受信し、
前記受信した個別健康状態情報に基づき前記健康情報データベースの前記健康情報データを更新する請求項12または13記載のネットワーク健康状態予測システム。 - 前記端末は、さらに、
前記個別生体に関する個別健康状態情報を入力する個別健康状態情報入力手段を有し、
前記端末は、前記入力された個別健康状態情報データを前記端末側送信手段により、前記サーバーに送信し、
前記サーバーは、さらに、
個別生体の健康情報データが蓄積された個別健康情報データベースと、
個別健康情報データ生成手段と、
個別健康情報データ蓄積手段とを有し、
前記個別健康情報データ生成手段は、前記サーバー側受信手段で受信した前記個別生体情報と前記健康状態情報とを関連付けた個別健康情報データを生成し、
前記個別健康情報データ蓄積手段は、前記個別健康情報データを前記個別健康情報データベースに蓄積し、
前記個別健康状態予測情報生成手段は、前記健康情報データベースおよび前記個別健康情報データベースの少なくとも一方において、前記受信した前記個別生体情報と関連する健康状態情報を選択し、かつ前記選択した健康状態情報に基づき前記個別生体の将来の健康状態予測情報を生成する
請求項12から14のいずれか一項に記載のネットワーク健康状態予測システム。 - 前記健康情報データベースおよび前記個別健康情報データベースの少なくとも一方において、前記健康情報データおよび前記個別健康情報データの少なくとも一方が、時系列的に蓄積されている請求項12から15のいずれか一項に記載のネットワーク健康状態予測システム。
- 前記個別健康状態予測情報生成手段において、前記生成される健康状態予測情報が、前記個別生体情報が入力された時点から一定期間の将来にわたり、前記個別生体の情報の入力された時点の状態が継続されたと仮定し、前記仮定および前記選択した生体情報に基づき前記個別生体の将来の健康状態予測情報を生成する
請求項12から16のいずれか一項に記載のネットワーク健康状態予測システム。 - 前記個別生体情報が、コード化されたコード情報であり、前記個別生体情報入力手段が、前記コード情報を読取可能である請求項12から17のいずれか一項に記載のネットワーク健康状態予測システム。
- 前記健康情報データおよび前記個別健康情報データを解析し、前記解析結果から、新規健康情報データを生成する新規データ生成手段を含む請求項12から18のいずれか一項に記載のネットワーク健康状態予測システム。
- 前記個別生体が個人であり、前記個別生体情報が摂食暦であり、前記健康状態情報が、疾病情報であり、前記個別健康情報が前記個人の疾病情報であり、前記健康状態予測情報が、前記個人の疾病予測情報である請求項12から19のいずれか一項に記載のネットワーク健康状態予測システム。
- 前記健康情報データおよび前記個別健康情報データが、前記摂食暦および前記疾病情報の統計データを含み、前記個人の疾病予測情報が、前記統計データからの疾病発症確率データおよび疾病程度の少なくとも一方を含む請求項20記載のネットワーク健康状態予測システム。
- 個人の健康状態を維持または向上させるための飲食物およびサプリメントの少なくとも一方を含む推奨メニューを提供することで前記個人の健康管理を支援するネットワーク健康管理支援システムであって、請求項20または21のネットワーク健康状態予測システムを含み、
前記サーバーが、さらに、
前記ネットワーク健康状態予測システムから出力された前記個人の疾病予測情報を基に推奨メニューを生成する推奨メニュー生成手段と、
前記推奨メニューを表示する推奨メニュー表示手段とを含む
ネットワーク健康管理支援システム。
- 請求項12、13および16〜19のいずれか一項に記載のネットワーク健康状態予測システムに用いるサーバーであって、
前記サーバーは、
前記サーバー内の情報を前記通信網を介して前記端末に送信するサーバー側送信手段と、
前記端末から送信された情報を前記通信回線を介して受信するサーバー側受信手段と
前記個別生体と同種の生体に関連する生体情報と健康状態情報とが関連付けられた健康情報データが蓄積されている健康情報データベースと、
前記健康情報データベースにおいて前記サーバー側受信手段により受信した前記個別生体情報と関連する健康状態情報を選択し、かつ前記選択した健康状態情報に基づき前記個別生体の将来の健康状態予測情報を生成する個別健康状態予測情報生成手段と、
を有し、
少なくとも前記個別生体情報が、前記端末側送信手段から前記サーバー側受信手段に送信され、かつ前記個別健康状態予測情報が、前記サーバー側送信手段から前記端末側受信手段に送信され、前記端末において、受信した前記個別健康状態予測情報が、前記表示手段によって表示される
ネットワーク健康状態予測システム用サーバー。 - 前記ネットワーク健康状態予測システムが請求項14記載のネットワーク健康状態予測システムであり、
前記サーバーは、さらに、
健康情報データ更新手段を有し、
前記サーバーは、前記サーバー側受信手段により前記個別健康状態情報を受信し、
前記受信した個別健康状態情報に基づき前記健康情報データベースの前記健康情報データを更新する請求項23記載のネットワーク健康状態予測システム用サーバー。 - 前記ネットワーク健康状態予測システムが請求項15記載のネットワーク健康状態予測システムであり、
前記サーバーは、さらに、
個別生体の個別健康状態情報を蓄積する個別健康情報データベースと、
個別健康情報データ生成手段と、
個別健康情報データ蓄積手段とを有し、
前記個別健康情報データ生成手段は、前記サーバー側受信手段で受信した前記個別生体情報と前記個別健康状態情報とを関連付けた個別健康情報データを生成し、
前記個別健康データ蓄積手段は、前記個別健康情報データを前記個別健康情報データベースに蓄積し、
前記個別健康状態予測情報生成手段は、前記健康情報データベースおよび前記個別健康情報データベースの少なくとも一方において、前記サーバー側受信手段で受信した前記個別生体情報と関連する健康状態情報を選択し、かつ前記選択した健康状態情報に基づき前記個別生体の将来の健康状態予測情報を生成する
請求項23または24記載のネットワーク健康状態予測システム用サーバー。 - 前記健康情報データおよび前記個別健康情報データを解析し、前記解析結果から、新規健康情報データを生成する新規データ生成手段を含む請求項23から25のいずれか一項に記載のネットワーク健康状態予測システム用サーバー。
- 個人の健康状態を維持または向上させるための飲食物およびサプリメントの少なくとも一方を含む推奨メニューを提供することで前記個人の健康管理を支援するネットワーク健康管理支援システムに使用するサーバーであって、前記サーバーは、請求項20または21のネットワーク健康状態予測システムのサーバーを含み、
前記サーバーが、さらに、
前記健康状態予測システムから出力された前記個人の疾病予測情報を基に推奨メニューを生成する推奨メニュー生成手段とを含む、
ネットワーク健康管理支援システム用サーバー。
- 請求項12、13および16から20のいずれか一項に記載のネットワーク健康状態予測システムに用いる端末であって、
前記端末は、
前記個別生体に関連する個別生体情報を入力する入力手段と、
前記端末内の情報を前記通信回線を介して前記サーバーに送信する端末側送信手段と、
前記サーバーから送信された情報を前記通信回線を介して受信する端末側受信手段と、
前記端末内の情報を表示する表示手段と
を有し、
少なくとも前記個別生体情報が、前記端末側送信手段から前記サーバー側受信手段に送信され、かつ前記個別健康状態予測情報が、前記サーバー側送信手段から前記端末側受信手段に送信され、前記端末において、受信した前記個別健康状態予測情報が、前記表示手段によって表示される
ネットワーク健康状態予測システム用端末。 - 前記端末が、さらに、
前記個別生体に関する個別健康状態情報を入力する個別健康状態情報入力手段を有し、
前記端末は、前記入力された個別健康状態情報データを前記端末側送信手段により、前記サーバーに送信する請求項28記載のネットワーク健康状態予測システム用端末。 - 個人の健康状態を維持または向上させるための飲食物およびサプリメントの少なくとも一方を含む推奨メニューを提供することで前記個人の健康管理を支援する健康管理支援システムに使用する端末であって、前記端末は請求項19または20のネットワーク健康状態予測システムの端末を含み、
前記端末が、さらに、
前記推奨メニューを表示する表示手段を含む、
健康管理支援システム用端末。
- 個別生体の将来の健康状態を予測する健康状態予測装置であって、請求項1から9のいずれか一項に記載の健康状態予測システムを含む健康状態予測装置。
- 個人の健康状態を維持または向上させるための飲食物メニューを提供することで前記個人の健康管理を支援する健康管理支援装置であって、請求項10の健康管理支援システムを含む健康管理支援装置。
- 個別生体の将来の健康状態を予測する健康状態予測方法であって、
前記個別生体に関連する個別生体情報を入力する入力ステップと、
前記個別生体と同種の生体に関連する生体情報と健康状態情報とが関連付けられた健康情報データが蓄積されている健康情報データベースを用い、前記入力された前記個別生体情報と関連する健康状態情報を選択し、かつ前記選択した健康状態情報に基づき前記個別生体の将来の健康状態予測情報を生成する個別健康状態予測情報生成ステップと、
前記個別健康状態予測情報を出力する健康状態予測情報出力ステップを有する
健康状態予測方法。 - 前記健康情報データベースが、前記個別生体と同種の複数の生体から得られた生体情報と健康状態情報とを関連付けられた集団健康情報データが蓄積された集団健康情報データベースである請求項33記載の健康状態予測方法。
- さらに、前記個別生体に関する個別健康状態情報を入力する個別健康状態情報入力ステップと、
前記入力された個別健康状態情報に基づき前記健康情報データベースの前記健康情報データを更新する健康情報データ更新ステップを有する請求項33または34記載の健康状態予測方法。 - さらに、個別生体の健康情報データを蓄積する個別健康情報データベースを用い、
前記個別生体に関する個別健康状態情報を入力する個別健康状態情報入力ステップと、
入力された個別健康状態情報と前記個別生体情報とを関連付けた個別健康情報データを生成する個別健康情報データ生成ステップと、
前記個別健康情報データを前記個別健康情報データベースに蓄積する個別健康情報データ蓄積ステップとを有し、
前記個別健康状態予測情報生成ステップは、前記健康情報データベースおよび前記個別健康情報データベースの少なくとも一方において、前記入力手段により入力された前記個別生体情報と関連する健康状態情報を選択し、かつ前記選択した健康状態情報に基づき前記個別生体の将来の健康状態予測情報を生成する
請求項33から35のいずれか一項に記載の健康状態予測方法。 - 前記健康情報データベースおよび前記個別健康情報データベースの少なくとも一方において、前記生体情報データおよび前記個別生体情報データの少なくとも一方の一部または全部が、時系列的に蓄積されている請求項33から36のいずれか一項に記載の健康状態予測方法。
- 前記個別健康状態予測情報生成ステップにおいて、前記生成される健康状態予測情報が、前記個別生体情報が入力された時点から一定期間の将来にわたり、前記個別生体の情報の入力された時点の状態が継続されたと仮定し、前記仮定および前記選択した健康状態情報に基づき前記個別生体の将来の健康状態予測情報を生成する
請求項33から37のいずれか一項に記載の健康状態予測方法。 - 前記個別生体情報が、コード化されたコード情報であり、前記個別生体情報入力ステップにおいて、前記コード情報を読取る請求項33から38のいずれか一項に記載の健康状態予測方法。
- 前記健康情報データおよび前記個別健康情報データを解析し、前記解析結果から、新規健康情報データを生成する新規データ生成ステップを含む請求項33から39のいずれか一項に記載の健康状態予測方法。
- 前記個別生体が個人であり、前記個別生体情報が摂食暦であり、前記健康状態情報が、疾病情報であり、前記個別健康状態情報が前記個人の疾病情報であり、前記健康状態予測情報が、前記個人の疾病予測情報である請求項33から40のいずれか一項に記載の健康状態予測方法。
- 前記健康情報データおよび前記個別健康情報データが、前記摂食暦および前記疾病情報の統計データを含み、前記個人の疾病予測情報が、前記統計データからの疾病発症確率データおよび疾病程度の少なくとも一方を含む請求項41記載の健康状態予測方法。
- 個人の健康状態を維持または向上させるための飲食物およびサプリメントの少なくとも一方を含む推奨メニューを提供することで前記個人の健康管理を支援する健康管理支援方法であって、請求項41または42の健康状態予測方法を含み、さらに、前記健康状態予測方法により出力された前記個人の疾病予測情報を基に推奨メニューを生成する推奨メニュー生成ステップと、前記推奨メニューを表示する推奨メニュー表示ステップとを含む健康管理支援方法。
- 請求項33から42のいずれか一項に記載の方法をコンピュータ上で実行可能なコンピュータプログラム。
- 請求項43に記載の方法をコンピュータ上で実行可能なコンピュータプログラム。
- 請求項44記載のコンピュータプログラムを格納した記録媒体。
- 請求項45記載のコンピュータプログラムを格納した記録媒体。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2007095701A JP2008257293A (ja) | 2007-03-30 | 2007-03-30 | 健康状態予測システム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2007095701A JP2008257293A (ja) | 2007-03-30 | 2007-03-30 | 健康状態予測システム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2008257293A true JP2008257293A (ja) | 2008-10-23 |
JP2008257293A5 JP2008257293A5 (ja) | 2010-04-22 |
Family
ID=39980834
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2007095701A Pending JP2008257293A (ja) | 2007-03-30 | 2007-03-30 | 健康状態予測システム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2008257293A (ja) |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012045259A (ja) * | 2010-08-30 | 2012-03-08 | Seiko Epson Corp | 血糖値予測装置、および血糖値予測方法 |
WO2016121848A1 (ja) * | 2015-01-28 | 2016-08-04 | 株式会社野村総合研究所 | ヘルスケアシステム |
KR101745067B1 (ko) * | 2014-12-31 | 2017-06-12 | 서울대학교산학협력단 | 치주질환 예측 시스템 및 이를 이용한 치주질환 예측 방법 |
KR101788978B1 (ko) | 2016-06-14 | 2017-10-23 | 서울대학교산학협력단 | 타액 내 icam-1과 vcam-1을 활용한 동맥경화증 예측 시스템 및 이를 이용한 동맥경화증 예측 방법 |
JP2018113042A (ja) * | 2017-01-12 | 2018-07-19 | 株式会社AncientTree | 検査データの予測、記録、比較装置 |
JP2018124702A (ja) * | 2017-01-31 | 2018-08-09 | 株式会社教育ソフトウェア | 病因分析装置および疾病予測装置 |
JPWO2017204233A1 (ja) * | 2016-05-23 | 2019-03-22 | Necソリューションイノベータ株式会社 | 健康状態予測装置、健康状態予測方法、及びプログラム |
KR102052558B1 (ko) * | 2019-04-30 | 2019-12-06 | 주식회사 비알네트콤 | 질환 예측 기반의 사용자 맞춤형 정보 제공 장치 및 그 방법 |
WO2019235516A1 (ja) * | 2018-06-05 | 2019-12-12 | 日清食品ホールディングス株式会社 | 食品情報提供システム、装置、方法及びプログラム |
KR20200015280A (ko) * | 2018-08-03 | 2020-02-12 | (주) 프로큐라티오 | 폐렴의 발병 확률 결정 방법 |
KR102098624B1 (ko) * | 2019-09-20 | 2020-04-08 | 서울대학교산학협력단 | 타액 mmp-9 및 il-8를 이용한 치주염 예측 시스템 및 이를 이용한 치주염 예측 방법 |
WO2020080320A1 (ja) * | 2018-10-15 | 2020-04-23 | 国立大学法人信州大学 | 健康管理システム |
JP2020077404A (ja) * | 2019-10-23 | 2020-05-21 | 株式会社野村総合研究所 | サーバ装置 |
KR20200060865A (ko) * | 2018-11-23 | 2020-06-02 | 주식회사 네트콤 | 사용자 맞춤형 건강정보 제공 장치 |
WO2022097758A1 (ja) * | 2020-11-05 | 2022-05-12 | テルモ株式会社 | 生体情報管理システム |
WO2023163190A1 (ja) * | 2022-02-27 | 2023-08-31 | 国立大学法人信州大学 | 情報処理システム、情報処理プログラム、情報処理方法 |
JP7432775B2 (ja) | 2020-03-11 | 2024-02-16 | 日清食品ホールディングス株式会社 | 食品情報提供システム、装置、方法及びプログラム |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH1074226A (ja) * | 1996-08-30 | 1998-03-17 | Toshiba Corp | 家庭用健康管理システム |
JP2004157596A (ja) * | 2002-11-01 | 2004-06-03 | Junichi Ninomiya | 健康管理システム及び健康管理方法 |
JP2004341611A (ja) * | 2003-05-13 | 2004-12-02 | Mitsubishi Electric Corp | 保険者情報システム |
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 |
-
2007
- 2007-03-30 JP JP2007095701A patent/JP2008257293A/ja active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH1074226A (ja) * | 1996-08-30 | 1998-03-17 | Toshiba Corp | 家庭用健康管理システム |
JP2004157596A (ja) * | 2002-11-01 | 2004-06-03 | Junichi Ninomiya | 健康管理システム及び健康管理方法 |
JP2004341611A (ja) * | 2003-05-13 | 2004-12-02 | Mitsubishi Electric Corp | 保険者情報システム |
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 |
Cited By (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012045259A (ja) * | 2010-08-30 | 2012-03-08 | Seiko Epson Corp | 血糖値予測装置、および血糖値予測方法 |
KR101745067B1 (ko) * | 2014-12-31 | 2017-06-12 | 서울대학교산학협력단 | 치주질환 예측 시스템 및 이를 이용한 치주질환 예측 방법 |
WO2016121848A1 (ja) * | 2015-01-28 | 2016-08-04 | 株式会社野村総合研究所 | ヘルスケアシステム |
JP2016139310A (ja) * | 2015-01-28 | 2016-08-04 | 株式会社野村総合研究所 | ヘルスケアシステム |
JPWO2017204233A1 (ja) * | 2016-05-23 | 2019-03-22 | Necソリューションイノベータ株式会社 | 健康状態予測装置、健康状態予測方法、及びプログラム |
KR101788978B1 (ko) | 2016-06-14 | 2017-10-23 | 서울대학교산학협력단 | 타액 내 icam-1과 vcam-1을 활용한 동맥경화증 예측 시스템 및 이를 이용한 동맥경화증 예측 방법 |
JP2018113042A (ja) * | 2017-01-12 | 2018-07-19 | 株式会社AncientTree | 検査データの予測、記録、比較装置 |
JP2018124702A (ja) * | 2017-01-31 | 2018-08-09 | 株式会社教育ソフトウェア | 病因分析装置および疾病予測装置 |
WO2019235516A1 (ja) * | 2018-06-05 | 2019-12-12 | 日清食品ホールディングス株式会社 | 食品情報提供システム、装置、方法及びプログラム |
JP2019212059A (ja) * | 2018-06-05 | 2019-12-12 | 日清食品ホールディングス株式会社 | 食品情報提供システム、装置、方法及びプログラム |
KR102168216B1 (ko) * | 2018-08-03 | 2020-10-20 | (주) 프로큐라티오 | 폐렴의 발병 확률 결정 방법 |
KR20200015280A (ko) * | 2018-08-03 | 2020-02-12 | (주) 프로큐라티오 | 폐렴의 발병 확률 결정 방법 |
CN112889115A (zh) * | 2018-10-15 | 2021-06-01 | 国立大学法人信州大学 | 健康管理系统 |
JP2022091963A (ja) * | 2018-10-15 | 2022-06-21 | 国立大学法人信州大学 | 健康管理システム |
JP7337344B2 (ja) | 2018-10-15 | 2023-09-04 | 国立大学法人信州大学 | 健康管理システム |
JP7090232B1 (ja) | 2018-10-15 | 2022-06-24 | 国立大学法人信州大学 | 健康管理システム |
WO2020080320A1 (ja) * | 2018-10-15 | 2020-04-23 | 国立大学法人信州大学 | 健康管理システム |
JP2022091962A (ja) * | 2018-10-15 | 2022-06-21 | 国立大学法人信州大学 | 健康管理システム |
JPWO2020080320A1 (ja) * | 2018-10-15 | 2021-09-09 | 国立大学法人信州大学 | 健康管理システム |
KR102202781B1 (ko) * | 2018-11-23 | 2021-01-15 | 주식회사 글로벌비즈텍 | 사용자 맞춤형 건강정보 제공 장치 |
KR20200060865A (ko) * | 2018-11-23 | 2020-06-02 | 주식회사 네트콤 | 사용자 맞춤형 건강정보 제공 장치 |
KR102052558B1 (ko) * | 2019-04-30 | 2019-12-06 | 주식회사 비알네트콤 | 질환 예측 기반의 사용자 맞춤형 정보 제공 장치 및 그 방법 |
KR102098624B1 (ko) * | 2019-09-20 | 2020-04-08 | 서울대학교산학협력단 | 타액 mmp-9 및 il-8를 이용한 치주염 예측 시스템 및 이를 이용한 치주염 예측 방법 |
JP2020077404A (ja) * | 2019-10-23 | 2020-05-21 | 株式会社野村総合研究所 | サーバ装置 |
JP7432775B2 (ja) | 2020-03-11 | 2024-02-16 | 日清食品ホールディングス株式会社 | 食品情報提供システム、装置、方法及びプログラム |
WO2022097758A1 (ja) * | 2020-11-05 | 2022-05-12 | テルモ株式会社 | 生体情報管理システム |
WO2023163190A1 (ja) * | 2022-02-27 | 2023-08-31 | 国立大学法人信州大学 | 情報処理システム、情報処理プログラム、情報処理方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2008257293A (ja) | 健康状態予測システム | |
Winkelmayer et al. | Habitual caffeine intake and the risk of hypertension in women | |
Han et al. | National trends in American Heart Association revised life's simple 7 metrics associated with risk of mortality among US adults | |
Carmichael et al. | Reduced risks of neural tube defects and orofacial clefts with higher diet quality | |
Jaakkola et al. | Maternal smoking in pregnancy, fetal development, and childhood asthma | |
Pathy et al. | Health is a spiritual thing: perspectives of health care professionals and female Somali and Bangladeshi women on the health impacts of fasting during Ramadan | |
Vann Jr et al. | Oral health literacy among female caregivers: impact on oral health outcomes in early childhood | |
Wilsgaard et al. | Impact of body weight on blood pressure with a focus on sex differences: The Tromsø Study, 1986-1995 | |
Mason et al. | How do factors at different stages of the lifecourse contribute to oral-health-related quality of life in middle age for men and women? | |
Hamdan et al. | Do implant overdentures improve dietary intake? A randomized clinical trial | |
Martin et al. | An evaluation of factors influencing feeding in babies with a cleft palate with and without a cleft lip | |
Hedeager Momsen et al. | Diabetes prevention interventions for women after gestational diabetes mellitus: an overview of reviews | |
Madhuvrata et al. | Prevention of gestational diabetes in pregnant women with risk factors for gestational diabetes: a systematic review and meta-analysis of randomised trials | |
Lin et al. | Associations among depression, obesity, and metabolic syndrome in young adult females | |
Wong et al. | Effects of advice to drink 8 cups of water per day in adolescents with overweight or obesity: a randomized clinical trial | |
Miller et al. | The Well Person's Health Check: a population screening program in indigenous communities in north Queensland | |
Higginbottom et al. | Immigrant women’s food choices in pregnancy: Perspectives from women of Chinese origin in Canada | |
Macknin et al. | Three healthy eating patterns and cardiovascular disease risk markers in 9 to 18 year olds with body mass index> 95%: a randomized trial | |
Ingol et al. | Perceived barriers to type 2 diabetes prevention for low-income women with a history of gestational diabetes: a qualitative secondary data analysis | |
Kawashita et al. | Relationship between metabolic syndrome and number of teeth in Japan | |
Gregory | Use of test weights for breastfeeding infants with congenital heart disease in a cardiac transitional care unit: A best practice implementation project | |
Water | Critical moments in preschool obesity: The call for nurses and communities to assess and intervene | |
Chen | A framework for studying the nutritional health of community-dwelling elders | |
Laja García et al. | Adaptation and validation of the hydration status questionnaire in a Spanish adolescent-young population: a cross sectional study | |
Bravo et al. | Culture in prenatal development: parental attitudes, availability of care, expectations, values, and nutrition |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
RD03 | Notification of appointment of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7423 Effective date: 20090804 |
|
RD05 | Notification of revocation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7425 Effective date: 20090804 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20090806 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20100308 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20100308 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20120113 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20120313 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20120710 |