JP2009064166A - 健康指標値提示システムおよび健康指標値提示方法 - Google Patents

健康指標値提示システムおよび健康指標値提示方法 Download PDF

Info

Publication number
JP2009064166A
JP2009064166A JP2007230400A JP2007230400A JP2009064166A JP 2009064166 A JP2009064166 A JP 2009064166A JP 2007230400 A JP2007230400 A JP 2007230400A JP 2007230400 A JP2007230400 A JP 2007230400A JP 2009064166 A JP2009064166 A JP 2009064166A
Authority
JP
Japan
Prior art keywords
question
index value
health index
health
model
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
JP2007230400A
Other languages
English (en)
Other versions
JP5091595B2 (ja
Inventor
Yoichi Kitahara
洋一 北原
Ryohei Orihara
良平 折原
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Toshiba Corp
Original Assignee
Toshiba Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Toshiba Corp filed Critical Toshiba Corp
Priority to JP2007230400A priority Critical patent/JP5091595B2/ja
Publication of JP2009064166A publication Critical patent/JP2009064166A/ja
Application granted granted Critical
Publication of JP5091595B2 publication Critical patent/JP5091595B2/ja
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • 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

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Biomedical Technology (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Pathology (AREA)
  • Epidemiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

【課題】利用者の負担を軽減させつつ、精度の高い健康指標値を提示する。
【解決手段】健康データを記憶する健康データ記憶部１０１と、健康データに関する質問およびその回答を記憶する質問・回答記憶部１０２と、質問の選択基準を入力する質問選択基準入力部１０３と、入力された選択基準に基づいて利用者端末２０への提示対象となる質問を選択する提示質問選択部１０５と、選択された質問を質問・回答記憶部１０２から取得し、利用者端末２０へ出力する質問出力部１０６と、出力された質問に対する回答を質問・回答記憶部１０２に記憶する回答入力部１０７と、健康データおよび質問に基づいて健康指標値を算出するモデルを生成し、このモデルに回答を当てはめて健康指標値を算出する健康指標値算出部１０８と、算出された健康指標値を利用者端末２０に提示する健康指標値提示部１０９と、を有する。
【選択図】図１

Description

本発明は、利用者による入力若しくは計測を必要とする健康データを収集し、蓄積されているデータと収集されたデータから健康指標値を算出して利用者に提示する健康指標値提示システムおよび健康指標値提示方法に関する。
適切な健康管理を行うためには、まず、健康状態を把握するのに必要十分な健康データを収集することが必要である。質の高い大量の健康データがあれば、適切な健康指標値を用いて現在の健康状態を適切に知ることができ、予測モデルを作成することにより将来の健康状態を示す疾病リスク等の健康指標値を算出し、適切な健康指導を行うことが可能である。
また、適切な時点におけるデータがあれば、健康指導のタイミングを決定することもできる。例えば、健康指導のタイミングを決定する従来技術として、生体情報測定機器や端末等から得られる健康データを定期的に監視することによって、健康指導のタイミングを調整することが可能なシステムが知られている（例えば特許文献１）。
一般に、健康状態を把握するために必要な健康情報は、計測機器の使用、若しくは、問診質問に対する回答によって収集される。そのため、必要十分な健康情報を得るために、計測しなければならない項目や回答しなければならない項目が多数である場合や、頻繁に計測・回答を要する場合には、利用者の負担が大きいという問題があった。
このような利用者の負担を軽減する従来技術としては、発生頻度と回答パターンによる推論処理を用いることにより、少ない問診項目で診断を行うシステムが知られている（例えば特許文献２）。また、計測値や問診回答の結果が良好でない場合に、情報取得の頻度を高くする装置が知られている（例えば特許文献３）。
特開２００６−２３５９３８号公報 特開２００３−２４２２４８号公報 特開２００５−１１３２９号公報
しかしながら、従来技術においては、複数の健康情報項目間の関係性を考慮していないため、複雑な関係性を有する健康情報については、適量の情報のみを収集するのは困難であった。
そこで、本発明は、従来技術の問題に鑑み、複数の健康情報項目間の関係性を考慮し、利用者の負担を軽減させ、かつ、精度の高い健康指標値を提示する健康指標値提示システムおよび健康指標値提示方法を提供することを目的とする。
本発明に係る健康指標値提示システムは、健康データを記憶する健康データ記憶部と、前記健康データに関する複数の質問およびその回答を記憶する質問・回答記憶部と、前記記憶された質問の選択基準を入力する質問選択基準入力部と、前記入力された選択基準に基づいて利用者端末への提示対象となる質問を選択する提示質問選択部と、前記提示質問選択部により選択された前記質問を前記質問・回答記憶部から取得し、前記利用者端末へ出力する質問出力部と、前記出力された質問に対して前記利用者端末から入力される回答を取得し、前記質問・回答記憶部に記憶する回答入力部と、前記健康データ記憶部に記憶された健康データおよび前記質問・回答記憶部に記憶された質問に基づいて健康状態を示す健康指標値を算出するモデルを生成し、前記回答入力部で入力された回答を前記モデルに当てはめて前記健康指標値を算出する健康指標値算出部と、前記算出された健康指標値を前記利用者端末に提示する健康指標値提示部と、を備え、前記モデルが、前記健康指標値および前記複数の質問間の関係およびその関係の強弱に基づいて前記健康指標値を算出するように構成されることを特徴とする。
本発明に係る健康指標値提示方法は、サーバコンピュータが、ネットワークを介して接続された複数の利用者端末からの入力情報に応じて健康指標値を算出し、前記利用者端末に提示する健康指標値提示方法であって、健康データを健康データ記憶装置に記憶する健康データ記憶ステップと、前記健康データに関する複数の質問およびその回答を質問・回答記憶装置に記憶する質問・回答記憶ステップと、前記記憶された質問の選択基準を前記利用者端末から入力する質問選択基準入力ステップと、前記入力された選択基準に基づいて利用者端末への提示対象となる質問を選択する提示質問選択ステップと、前記選択された質問を前記質問・回答記憶装置から取得し、前記利用者端末へ出力する質問出力ステップと、前記出力された質問に対して前記利用者端末から入力される回答を取得し、前記質問・回答記憶装置に記憶する回答入力ステップと、前記健康データ記憶ステップにおいて記憶された健康データおよび前記質問・回答入力ステップにおいて入力された質問に基づいて前記健康指標値を算出するモデルを生成し、前記回答入力ステップにおいて入力された回答を前記モデルに当てはめて前記健康指標値を算出する健康指標値算出ステップと、前記算出された健康指標値を前記利用者端末に提示する健康指標値提示ステップと、を有し、前記モデルが、前記健康指標値および前記複数の質問間の関係およびその関係の強弱に基づいて前記健康指標値を算出するように構成されることを特徴とする。
本発明によれば、複数の健康情報項目間の関係性を考慮し、利用者の負担を軽減させ、かつ、精度の高い健康指標値を提示する健康指標値提示システムおよび健康指標値提示方法が提供される。
以下、本発明の実施形態について図面を用いて説明する。図１は、本発明の一実施形態に係る健康指標値提示システム１の全体構成を示すブロック図である。健康指標値提示システム１は、サーバ１０および利用者端末２０から構成されたコンピュータシステムであり、サーバ１０には複数の利用者端末２０（２０−１〜ｎ）がネットワーク３０を介して接続されている。ここで、「健康指標値」とは、健康状態を示す推定値をいう。例えば、３年以内に高血圧と診断される確率は、健康指標値の例の一つである。また、メンタル状態や一時的な体調を示す指標値なども健康指標値の例の一つである。
また、図１に示されるように、サーバ１０は、健康データ記憶部１０１、質問・回答記憶部１０２、質問選択基準入力部１０３、質問提示機会入力部１０４、提示質問選択部１０５、質問出力部１０６、回答入力部１０７、健康指標値算出部１０８、および健康指標値提示部１０９を備えている。
健康データ記憶部１０１は、健康データを記憶する装置である。「健康データ」とは、健康に関するあらゆるデータを指す。例えば、定期健康診断等において得られる体重や血圧等の測定データ、医療関係者との面談における回答データ、健康に関わるアンケートの回答データ、歩数計等の計測機器による計測データ等が該当する。また、年齢や性別のような基本的なデータや、勤務状況等の勤労関係データ等についても間接的に健康に関わるため、健康データに該当する。
質問・回答記憶部１０２は、質問・回答データを記憶する装置である。「質問・回答データ」とは、利用者に提示される質問と対応する回答に関するデータである。例えば、「疲れやすいですか」という質問文と、「はい」、「時々」、「いいえ」という回答文の組みは質問・回答データである。回答は、程度に応じて数値としてもよい。データ処理を容易にするために質問文や回答文に識別子を付与している場合は、その識別子も質問・回答データに含まれる。
また、質問をカテゴリー等によって分類している場合、カテゴリーに関する情報も質問・回答データである。提示される質問は、必ずしも文章で提示される必要はない。例えば、「疲れやすいですか」という質問と、特定のアラーム音やＬＥＤの点滅とを対応付けている場合、そのアラーム音やＬＥＤの点滅は質問・回答データの質問である。また、質問に対応する回答も、必ずしも文章として回答する必要はなく、回答番号や検査数値、計測機器の出力等を用いることができる。例えば、「血圧はいくつですか」という質問が与えられたときに、血圧計の出力値を回答とすることができる。尚、質問文に対する回答の形式が多数ありモデル生成が困難な場合、適宜、データの規格化や離散化等の前処理を行う。
この質問データは、後述する健康指標値算出部１０８において生成されるモデルの説明変数となる。図２は、表形式でまとめた質問・回答データの具体例を示す図である。ここでは、質問識別子、質問、略称、および回答形式が質問・回答データの項目として示されている。
質問選択基準入力部１０３は、後述する質問出力部１０６から利用者端末２０へ出力する質問を選択する際の質問選択基準を入力するプログラムである。「質問選択基準」とは、利用者に提示する質問を選択するのに用いられる基準である。例えば、健康指標値が満たさなければならない最低限の精度、若しくは、利用者が負担に思わずに回答できる最大限の質問数である。
質問提示機会入力部１０４は、利用者端末２０から入力される質問提示機会を受付けるプログラムである。「質問提示機会」とは、質問が行われるタイミングや頻度に関する条件である。例えば、健康指標値に周期性がある場合の健康指標値が最低になる直前というのは、質問提示機会の一つである。同様に、健康指標値の精度が特定の基準値を下回らないタイミングも、質問提示機会である。また、入力された質問提示機会は、質問・回答データ記憶部１０２に記憶される。
提示質問選択部１０５は、健康指標値算出部１０８において生成されたモデル、算出された健康指標値および健康指標値の精度を利用して、質問選択基準入力部１０３によって入力された質問選択基準を満たすように、質問入出力部１０６において提示される質問を選択する。
質問出力部１０６は、提示質問選択部１０５において選択された適切な質問を、適切なタイミングおよび頻度で利用者端末２０に出力するプログラムである。出力する質問の内容は、質問・回答記憶部１０２に記憶されているデータを利用して決められる。
回答入力部１０７は、利用者端末２０から質問への回答を入力するためプログラムである。また、入力された回答は、質問・回答記憶部１０２に記憶される。
健康指標値算出部１０８は、健康データ記憶部１０１と質問・回答記憶部１０２に記憶されているデータから健康指標値を算出するためのモデルを生成すると共に、質問への回答が入力されたら、回答に応じた健康指標値を算出するプログラムである。
また、健康指標値算出部１０８は、モデルの生成の際、このモデルから算出される健康指標値の精度も算出する。更に、必要に応じて健康指標値算出への影響の小さい質問項目や質問項目間の関係が除去された縮約モデルを生成する。尚、優れたモデルを生成するのには多大な時間を要する場合があるため、予め生成されたモデルを記憶するための記憶部（図示しない）を用意すると好適である。例えば、１９９７年朝倉書店発行の「グラフィカルモデリング」（宮川雅巳著）に記載されているようなグラフィカルモデリングで用いられるアルゴリズム等を用いて作成しておくとよい。
以下、単に「モデル」と表記する場合、それは質問項目データとの関係性を利用して健康指標値を算出するための数理モデルを指すものとする。モデルの例としては、重回帰モデル、ロジスティック回帰モデル、パス解析モデル、構造方程式モデル、ベイジアンネット等が挙げられる。構造方程式モデルは、上記で挙げた多くのモデルを内包する一般化されたモデルであるため、本実施形態においては構造方程式モデルを例として説明を行う。尚、ベイジアンネットのようなベイズ統計に基づくモデルでは誤差変数が存在しないので、誤差変数の代わりに質問項目の信頼度などを用いる。
また、「モデルを生成する」と言った場合、モデル構成要素である質問間の関係構造を定めて、モデル構成要素間の関係の強さを算出することを指す。但し、関係構造が既に定められている場合、関係の強さを算出することをモデルの生成と呼ぶ。モデルの関係の強さを算出する方法については、例えば、１９９８年朝倉書店発行の「共分散構造分析[入門編] −構造方程式モデリング−」（豊田秀樹著）に記載された手法等を用いる。
尚、本実施形態においては関係の向きにループが存在しないモデルのみを用いる。また、直接健康指標値に影響を及ぼしていない項目についてもモデルで考慮しているのは、未回答若しくは回答拒否されたときに新たな質問として提示できるようにするためである。
図３は、図２に示される質問・回答データに基づくモデルの具体例を示す図である。図３において、「体調指標値」と「メンタル指標値」は、健康指標値であり、その他は質問項目である。矢印は、項目間の関係を示しており、矢印に付されている値は、項目間の関係の強さを示している。例えば、「体調指標値」は、「頭痛」と「疲労感」と「胃腸」から影響を受けており、影響の強さはそれぞれ２．１、１．２、３．３である。これを、数式で表すと、
「体調指標値」＝２．１×「頭痛」＋１．２×「疲労感」＋３．３×「胃腸」
となる。例えば、「頭痛」の回答が２、「疲労感」の回答が３、「胃腸」の回答が１のとき、「体調指標値」は、２．１×２＋１．２×３＋３．３×１＝１１．１となる。
また、説明を簡潔にするために、健康指標値と項目の関係や項目間の関係には符号を付与し、健康指標値と項目には番号（以下、「項目番号」という。）を付す。図４は、図３のモデルの関係を符号で表した図である。また、括弧内の数字は項目番号を示す。
また、モデルは、行列表現を用いて表すことも可能である。ここでは、一般的な隣接行列を転置した行列表現を用いて説明する。ある項目が別の項目に影響を及ぼしている場合、影響先の項目の項目番号が示す行と影響元の項目の項目番号が示す列が交差した位置に、影響の強さが記される。項目に対応する項目番号の行を参照することで、どの項目から影響を受けているかが分かる。一方、列を参照することで、どの項目に影響を及ぼしているかが分かる。以下、このモデルを表現した行列をモデル行列と呼ぶことにする。
図５および図６は、図３および図４のモデルを行列で表記したときの具体例を示す図である。ここでは、参照しやすいように項目番号を付している。例えば、項目番号３の「頭痛」が項目番号１の「健康指標値」にａ１の影響を及ぼしていることは、１行３列がａ１となることで示されている。また、項目番号３の「頭痛」が、項目番号４の「疲労感」に影響を及ぼしていないことは、４行３列が０となることで示されている。尚、行列を用いる利点としては、見通しよく機械的に処理を行えるようになることが挙げられる。また、近年、マルチコアＣＰＵが発達し続けており、今後行列演算の高速化が更へ進むことが期待されることも利点の一つである。特に、項目間の関係が密である場合には、効率的である。一方、項目間の関係が疎である場合、行列も疎になるので効率的ではなくなる。モデルの複雑さに応じて、行列による処理を行うか、あるいはグラフによる処理を行うかを決めると好適である。
「健康指標値の精度」とは、健康指標値のよさを示す値、若しくは、健康指標値の算出に利用しているモデルの性能指標であり、用途に応じて使い分ける。例えば、最小二乗誤差、再現率、適合率、ROC(Receiver Operatinｇ CharacteriStic)、曲線のAUC(Area Under Curve)、AIC(Akaike Information Criterion)のような情報量基準等である。
また、複雑なモデルを用いている場合、同一のモデルであっても健康指標値の算出に利用される質問項目によって、複数の精度算出方法が考えられる。例えば、図３のモデルで「健康指標値」を算出するには、「頭痛」、「疲労感」、「胃腸」の三項目を用いる方法や「頭痛」、「胃腸」、「仕事量」の三項目を用いる方法等、複数の算出方法が考えられる。このような場合、例えば、全ての場合について算出された精度の平均値を健康指標値の精度として用いる。
健康指標値提示部１０９は、健康指標値算出部１０８によって算出された健康指標値を利用者端末２０に提示するプログラムである。
以下、健康指標値提示システム１における動作を図７乃至図２０に基づいて説明する。
＜質問提示処理＞
図７は、健康指標値提示システム１において行われる質問提示処理の具体例を示すフローチャートである。この質問提示処理は、システムの起動時や、質問文や回答の追加修正等によって健康データや質問データが変更されることでモデル構造が変化する可能性が生じたときに実行される。
Ｓ７０１において、提示質問選択部１０５は、質問選択基準が設定済みか否かを判定する。ここで、質問選択基準が設定されていないと判定された場合は、Ｓ７０２へ進む。これに対し、質問選択基準が設定済みと判定された場合は、Ｓ７０３へ進む。
Ｓ７０２において、質問選択基準入力部１０３は、質問選択基準を入力させる。質問選択基準には、精度と質問数に関するものがあり、利用者や利用用途に応じて適切なものを選択し、適切な基準を入力する。尚、精度と質問数の双方について、質問選択基準を入力することも可能である。この場合、精度と質問数の双方について、基準を満たす適切な質問を行う。
Ｓ７０３において、健康指標値算出部１０８は、モデルが生成済みか否かを判定する。ここで、モデルが生成済みと判定された場合には、Ｓ７０５へ進む。これに対し、モデルが生成されていないと判定された場合、Ｓ７０４へ進む。
Ｓ７０４において、健康指標値算出部１０８は、モデルを生成する。
Ｓ７０５において、健康指標値算出部１０８は、縮約モデルを生成するか否かを判定する。ここで、縮約モデルを生成すると判定された場合は、Ｓ７０６へ進む。例えば、質問項目が膨大な場合、提示質問を選択したり、質問提示機会を更新したりする処理に時間がかかってしまう。これを避けるために、モデル構成要素若しくはモデル構成要素間の関係を削除することで、縮約したモデルを生成することができる。モデルに含まれる質問項目数が少ない場合は、縮約モデルを生成しなくともよい。縮約モデルを生成するか、あるいは、どの程度モデルを縮約するかは、予め定めておいてもよいし、Ｓ７０５が実行されたときに利用者に入力させてもよい。また、Ｓ７０５において、縮約モデルを生成しないと判定された場合は、Ｓ７０７へ進む。
Ｓ７０６において、健康指標値算出部１０８は、縮約モデルを生成する。尚、縮約モデル生成処理の詳細については、後述するものとする。
Ｓ７０７において、提示質問選択部１０５は、提示質問が予め選択されているか否かを判定する。ここで、提示質問が予め選択されていると判定された場合、Ｓ７０９へ進む。これに対し、提示質問が予め選択されていないと判定された場合、提示質問を選択し（Ｓ７０８）、Ｓ７０９へ進む。尚、提示質問選択処理の詳細については、後述する。
Ｓ７０９において、提示質問選択部１０５は、質問提示機会に該当するか否かを判定する。質問提示機会に該当するまで待機し、該当したらＳ７１０へ進む。
質問提示機会に該当するかを調べるタイミングは、質問提示機会で指定された時期を逃すことがなければよい。
Ｓ７１０において、質問出力部１０６は、提示質問選択部１０５において選択された質問を提示する。具体的には、Ｓ７０８において提示質問として選択されている項目のうち、健康指標値に直接影響を及ぼしている質問のみを提示する。そして、利用者が、提示された質問に対して未回答若しくは回答拒否した場合には、別の質問を行う。例えば、図３のモデルにおいて、「頭痛」も「仕事量」も提示質問として選択されている場合、最初に質問として提示されるのは「頭痛」のみであるが、「頭痛」について未回答であったならば、「仕事量」に関する質問を行う。尚、回答後の質問提示機会および提示質問更新処理については後述するものとする。
＜縮約モデル生成処理＞
次に、上述した図７のＳ７０５における縮約モデル生成処理を詳細に説明する。縮約モデルの生成処理には、全項目を含んだモデルから項目を徐々に削除して縮約モデルを生成する方法と、健康指標値以外の項目が含まれていないモデルに項目を徐々に追加して縮約モデルを生成する方法の二つがある。以下では、項目削除による縮約モデル生成処理を説明し、その後に項目追加による縮約モデル生成処理について説明を行う。
（ａ）項目削除による縮約モデル生成処理
図８は、項目削除による縮約モデル生成処理の具体例を示すフローチャートである。尚、行列表現を用いた処理方法についても同時に説明する。モデルを縮約することは、行列のサイズを縮小することに対応している。
Ｓ８０１において、健康指標値算出部１０８は、健康指標値および各質問項目が他の質問項目より受ける影響の割合を算出する。具体的には、直接影響を及ぼしている項目に着目し、影響全体に占める個々の着目項目について影響の割合を算出する。例えば、図３の「体調指標値」は、「頭痛」から２．１、「疲労感」から１．２、「胃腸」から３．３の影響を受けているため、「体調指標値」への影響の割合は、「頭痛」については、２．１／(２．１＋１．２＋３．３)≒０．３２、「疲労感」については、１．２／(２．１＋１．２＋３．３)≒０．１８、「胃腸」については、３．３／(２．１＋１．２＋３．３)≒０．５、となる。尚、行列を用いる場合、列ごとに割合を算出することに対応する。図９は、図５の行列に対して、Ｓ８０１の処理を行った後の行列を示す図である。
Ｓ８０２において、健康指標値算出部１０８は、出次数が０の項目の有無を判定する。ここで、出次数が０の項目が有ると判定された場合には、Ｓ８０３へ進む。「出次数」とは、ある項目が影響を及ぼしている項目若しくは健康指標値の数である。図１のモデルの「頭痛」は、「体調指標値」と「メンタル指標値」の二つの健康指標値に影響を及ぼしているので、「頭痛」の出次数は２である。行列を用いる場合、全ての値が０となっている列を探すことに対応する。
また、Ｓ８０２において、出次数が０の項目が無いと判定された場合には、Ｓ８０４へ進む。
Ｓ８０３において、健康指標値算出部１０８は、出次数が０の項目を削除し、Ｓ８０４へ進む。尚、削除の方法は短絡除去とし、出次数が０の項目に接続されている全ての関係を削除する。例えば、図３のモデルにおいて、「頭痛」を短絡除去する場合、「頭痛」が削除させるとともに、関係ａ１、ａ２、ａ１０も同時に削除される。これは、行列を用いる場合において、全てが０となっている列の項目番号に対応する行と列を削除することに対応する。例えば、図３のモデルにおいて、「頭痛」の列の値が全て０であった場合、「頭痛」に対応する項目番号３の行と列を削除する。図１０は、「頭痛」を削除した行列を示す図である。
Ｓ８０４において、健康指標値算出部１０８は、入次数が１の項目の有無を判定する。ここで、入次数が１の項目が有ると判定された場合には、Ｓ８０５へ進む。「入次数」とは、ある項目に影響を及ぼしている項目若しくは健康指標値の数である。したがって、入次数が１の項目は、一つの項目にのみ影響を及ぼしているため、その項目と統合させることができる。図３のモデルの「頭痛」は、「仕事量」のみから影響を受けているので、「頭痛」の入次数は１である。行列を用いる場合、０以外の値が１つしかない行を探すことに対応する。
また、Ｓ８０４において、入次数が１の項目が無いと判定された場合には、Ｓ８０６へ進む。
Ｓ８０５において、健康指標値算出部１０８は、入次数が１の項目を削除し、Ｓ８０６へ進む。削除の方法は、縮退とし、入次数が１の項目とその項目に影響を及ぼしている項目を一つの項目に統合することにより、入次数が１の項目を削除する。縮退による項目削除では、削除対象となる項目と、削除対象項目と削除対象項目に影響を及ぼしていた項目との関係は削除されるが、削除される項目が有していた関係は保持される。例えば、図３において「頭痛」を縮退で除去する場合、「頭痛」と関係a１０は削除されるが、関係ａ１とａ２は「仕事量」に接続されることで保持される。
尚、縮退による除去で、相互に影響を及ぼしあう関係が生じた場合、元の関係を残す。例として、図３において「疲労感」が「頭痛」に影響を及ぼしているケースを想定して説明する。このとき、「頭痛」が縮退による除去で削除されると、「疲労感」から「仕事量」へ影響を及ぼす関係が新たに生じる。このような場合は、新たに生じた「疲労感」から「仕事量」へ影響を及ぼす関係は削除し、元から存在していた関係ａ１１のみを残す。また、縮退による除去で、複数の関係が残る場合は、大きい方を残す。これは、行列を用いる場合において、縮退項目に関する行の０以外の値になっている列に縮退項目の列を足し合わせ、その後に縮退項目に関する行と列を削除することに対応する。図１１は、図４の行列に対して、Ｓ８０５の処理を行った行列を示す図である。
Ｓ８０６において、健康指標値算出部１０８は、モデルを再生成する。モデル構造が変更されていない場合は、モデルを再生成する必要はない。ここでのモデルの再生成とは、質問と項目の関係および項目間の関係の強さを改めて算出し直すことをいう。
Ｓ８０７において、健康指標値算出部１０８は、生成したモデルが適切な縮約モデルに該当するか否かを判定する。ここで、適切な縮約モデルであると判定された場合は、Ｓ８１０へ進む。モデルが適切か否かを判定する基準については、予め定めておき、用途に応じて最適なものを用いる。例えば、項目の数、関係の数、および精度が判定基準として挙げられる。項目の数を判定基準とする場合は、モデルに含まれる項目の数が指定された項目の数以下のとき、適切な縮約モデルと判定する。同様に、関係の数を判定基準とする場合は、モデルに含まれる関係の数が指定された関係の数以下のとき、適切な縮約モデルであると判定する。また、精度を判定基準とする場合、モデルの精度が指定された精度を上回り、かつ、項目数と関係数が最大限削減されたモデルを適切な縮約モデルであると判定する。また、Ｓ８０７において、適切な縮約モデルでないと判定された場合は、Ｓ８０８へ進む。
Ｓ８０８において、健康指標値算出部１０８は、影響が小さい関係の有無を判定する。ここで、影響が小さい関係が有ると判定された場合には、Ｓ８０９へ進む。具体的には、Ｓ８０１において算出した、健康指標値と項目あるいは項目間の関係に関する影響の強さが、影響が小さいと判定する基準値より小さい関係があれば、その関係を影響が小さい関係であると判定する。尚、影響が小さいと判定する基準値は、予め定めておく。例えば、図３のモデルにおいて、影響が小さいと判定する基準値が０．２のとき、「体調指標値」と項目との関係のうち、影響の小さい項目があるかを調べるケースを考える。この場合、「健康指標値」への影響は、「頭痛」が０．３２、「疲労感」が０．１８、「胃腸」が０.５であり、「疲労感」からの影響は０．２より小さいので、関係a３は影響が小さい関係であると判定される。同様に、各健康指標値と各項目について、影響の小さい関係を調べる。これは、行列を用いる場合、列ごとに影響が小さい行を探すことに対応する。また、Ｓ８０８において、影響が小さい関係は無いと判定された場合には、Ｓ８０１へ戻る。
Ｓ８０９において、健康指標値算出部１０８は、影響が小さい関係を削除し、Ｓ８０１へ戻る。適切な縮約モデルが生成されるまで、一連の処理を繰り返す。尚、削除する数は、単数でもよく、影響の弱いものから順に複数削除してもよい。一度に削除する数が少ないほど、モデルを再生成する回数が多くなるため、適切な縮約モデルが生成されやすいが、処理時間がかかる。削除する数は、予め定めておいてもよく、自動的に決定させてもよい。自動的に削除する数を決定させる場合、モデル再生成回数が多くなるにつれて、削除する数を少なくさせる等の調整を行う。これは、行列を用いる場合において、各列のうち影響が小さい行の値を０にすることに対応する。図１２は、影響が小さいことを判定する判定基準値が０．２の場合、図９の行列から影響の小さい関係を削除した行列を示す図である。
Ｓ８１０において、健康指標値算出部１０８は、縮約モデルを質問項目の選択の際に用いるモデルとして確定し、一連の縮約モデル生成処理を終了する。
（ｂ）項目追加による縮約モデル生成処理
図１３は、健康指標値提示システム１における項目追加による縮約モデル生成処理の具体例を示すフローチャートである。尚、項目追加による縮約モデル生成処理では、処理開始時におけるモデルは健康指標値のみとする。
Ｓ１３０１において、健康指標値算出部１０８は、健康指標値からの距離が１の項目を追加候補の項目として確定する。「健康指標値からの距離」とは、健康指標値に影響を及ぼす項目を逆に辿ったときに出現する関係の数である。例えば、図３では、「体調指標値」に対して「頭痛」は距離１であり、「仕事量」は距離２である。
Ｓ１３０２において、健康指標値算出部１０８は、健康指標値および各質問項目が他の質問項目より受ける影響の割合を算出する。尚、算出方法は、項目削除による縮約モデル生成方法の場合と同様である。
Ｓ１３０３において、健康指標値算出部１０８は、影響の強い追加候補項目をモデルに追加する。追加する数は、単数でもよく、影響の強いものから順に複数追加してもよい。一度に追加する数が少ないほど、モデルを再生成する回数が多くなるため、適切な縮約モデルが生成されやすいが、処理時間がかかる。追加する数は、予め定めておいてもよいし、自動的に決定させてもよい。自動的に追加する数を決定させる場合、モデル再生成回数が多くなるにつれて、追加する数を少なくさせる等の調整を行う。
Ｓ１３０４において、健康指標値算出部１０８は、モデルを再生成する。ただし、モデル構造が変更されていない場合は、モデルを再生成する必要はない。ここでの「モデルの再生成」とは、質問と項目の関係および項目間の関係の強さを改めて算出し直すことをいう。行列を用いる場合には、モデルを生成することで、項目間の関係の強さが算出されるため、行列の対応する位置に値を付加する。
Ｓ１３０５において、健康指標値算出部１０８は、生成されたモデルが適切な縮約モデルか否かを判定する。尚、適切な縮約モデルと判定する基準については、項目削除による縮約モデル生成処理と同じである。ここで、適切な縮約モデルではないと判定された場合はＳ１３０６に進み、適切な縮約モデルであると判定された場合はＳ１３０７へ進む。
Ｓ１３０６において、健康指標値算出部１０８は、健康指標値から距離が更に１離れた項目を追加候補に確定し、Ｓ１３０２へ戻る。尚、Ｓ１３０２〜Ｓ１３０６の処理は、適切な縮約モデルが生成されるまで繰り返される。
Ｓ１３０７において、健康指標値算出部１０８は、縮約モデルを質問項目の選択の際に用いるモデルとして確定し、一連の縮約モデル生成処理を終了する。
＜提示質問選択処理＞
次に、上述した図７のＳ７０８において行われる提示質問選択処理を詳細に説明する。提示質問選択処理については、精度を基準とする方法と質問数を基準とする方法がある。以下、精度を基準とする方法を説明し、その後に質問数を基準とする方法について説明を行う。また、提示質問として項目を選択するときの基準は、問題に応じて適したものを採用することができる。ここでは、健康指標値の平均値に対する、各項目の平均値から算出される健康指標値への影響の強さを基準として用いた場合を例として説明する。
（ａ）精度を基準とする方法
図１４は、健康指標値提示システム１における精度による提示質問選択処理の具体例を示すフローチャートである。
Ｓ１４０１において、提示質問選択部１０５は、各項目間の影響の強さに関する信頼性を重みとして考慮し、影響の強さの平均値を算出する。信頼性を表すものは、問題に応じて適切な指標を用いてよい。ここでは、信頼性を表す指標として標準偏差を用いる。この場合、各項目の平均値の絶対値から、それぞれ対応する標準偏差を引いた値が０以上であればその値を、０以下であれば０を重みとして用いる。例えば、図３の「頭痛」が「体調指標値」に与える影響は、「頭痛」の平均値が１．８で、「頭痛」と「体調指標値」の関係の標準偏差が０．２であるとき、１．８−０．２＝１．６と算出される。また，もし平均値が０．５で，関係の標準偏差が０．６の場合、０．５−０．６＝−０．１なので０と算出される．誤差項がある場合なども同様に扱うことが可能である。図１５は、モデルを構成する項目間の関係を説明する図であり、信頼性を重みとして考慮して算出した平均値が示されている。
Ｓ１４０２において、提示質問選択部１０５は、各健康指標値へ与える影響の度合いを項目の変数ごとに算出する。各健康指標値へ与える影響は、問題に応じて、項目の係数をそのまま用いて算出してもよく、縮約モデル生成処理で用いた健康指標値や項目に与える影響の割合を使って算出してもよい。
例として、項目の係数をそのまま用いる方法を採用し、重み付け平均値が図１５であるとき、図３のモデルにおける「体調指標値」に与える影響を算出する方法を説明する。影響を及ぼす関係を逆に辿ると、「体調指標値」に影響を及ぼしている項目は、「頭痛」、「疲労感」、「胃腸」、「仕事量」、「仕事への満足度」であるから、これらの項目それぞれについて影響を算出する。項目の影響は、対象項目から健康指標値へ至る関係の係数と、対象項目の重みをそれぞれ掛け合わせることで算出する。例えば、「体調指標値」と直接接続されている各項目の影響は、「頭痛」は２．１×１．６＝３．３６、「疲労感」は１．２×５．７＝６．８４、「胃腸」は３．３×２．３＝７．５９である。「胃腸」は「疲労感」を経由しても「体調指標値」に１．５×１．２×２．４＝４．３２という影響を及ぼしているため、全部で７．５９＋４．３２＝１１．９１という影響の強さになる。同様に「仕事量」は、０．８×２．１×２＋２．３×１．２×２．１＋１．２×３．３×２＋１．２×１．５×１．２×２＝２１．４、「仕事への満足度」は、０．７×１．２×１．７＝１．４３となる。尚、重みは対象となる項目と隣接している項目との関係のみ考慮する。
また、行列を用いる場合は、モデル行列の各成分と重み付け平均値の乗算を行った行列とモデル行列の冪和を計算することで、影響の度合いを算出する。モデル行列の冪和を算出する方法には、そのまま冪和を算出する方法と冪和の公式を使う方法の二種類がある。健康指標値からの距離が遠い項目が存在しない場合には前者を採用し、存在する場合には後者を採用する。単位行列をＩ、モデル行列をＡとし、モデル行列の各成分と重み付け平均値の乗算から算出される行列をＢとするとき、モデル行列の冪和を算出する方法では、（Ｉ＋Ａ＋Ａ２＋…＋Ａｎ−１）Ｂを計算する。ｎは、健康指標値と項目との最大の距離である。例えば、図３のモデルの場合、ｎは３となる。一方、冪和の公式を用いる場合、（Ｉ−Ａ）−１Ｂを計算する。尚、行列の逆行列は、Ａ−１と表している。逆行列の算出方法については、疎行列に対して効率的なアルゴリズムを用いる。
図１６は、図５のモデル行列の各成分と図１５の重みつき平均値の乗算から得られる行列であり、図１７は、影響の度合いを示す行列である。各健康指標値への影響は、対応する項目番号の行に表される。例えば、図１７の行列において「体調指標値」への影響は、「体調指標値」に対応する項目番号１の行に表される。また、各健康指標値に各項目が与える影響は、健康指標値の行の、各項目に対応する項目番号の列の位置に表される。例えば、「仕事量」の項目番号は８であるから、「体調指標値」へ「仕事量」が与える影響は、１行８列に２１．４と示されている。
Ｓ１４０３において、提示質問選択部１０５は、Ｓ１４０２で算出した影響の度合いに応じて提示質問候補を選択する。選択方法には、初期状態では全ての項目を非選択とし、影響の強い項目から順に追加していく方法と、初期状態では全ての項目を選択とし、影響の弱い項目から順に削除していく方法がある。追加あるいは削除対象となる項目の数は、単数でもよく、影響の強さに応じて複数としてもよい。また、一度に処理対象となる数が少ないほど、精度算出処理の回数が多くなるため、適切な質問が選択されやすいが、処理時間がかかる。そこで、処理対象の数は、予め定めておいてもよく、自動的に決定させてもよい。自動的に処理対象の数を決定させる場合、精度算出処理の回数が多くなるにつれて、処理対象の数を少なくさせる等の調整を行うと好適である。
Ｓ１４０４において、提示質問選択部１０５は、Ｓ１４０３で選択された質問項目から構成されるモデルから算出される健康指標値の精度を算出する。
Ｓ１４０５において、提示質問選択部１０５は、Ｓ１４０４で算出された精度が、質問選択基準を満たしているかを判定する。ここで、質問選択基準を満たしていると判定された場合には、提示質問決定処理を終了する。これに対し、質問選択基準を満たしていないと判定された場合には、Ｓ１４０６へ進む。
Ｓ１４０６において、提示質問選択部１０５は、選択方法として追加による方法を用いている場合、質問選択基準で指定されている精度より、Ｓ１４０４で算出された健康指標値の精度の方が高いならば、その時点で選択されている提示質問候補を最終的な提示質問と確定して、一連の精度による提示質問決定処理を終了する。逆に、質問選択基準で指定されている精度の方が高ければ、提示質問候補として選択される数を増加させてＳ１４０３をやり直す。
一方、選択方法として削除していく方法を用いている場合、質問選択基準で指定されている精度より、Ｓ１４０４で算出された健康指標値の精度の方が高いならば、提示質問候補として選択される数を減少させてＳ１４０３をやり直す。逆に、質問選択基準で指定されている精度の方が高ければ、Ｓ１４０３からＳ１４０５までのループ処理において、１回前のループで選択された提示質問候補を最終的な提示質問と確定して一連の精度による提示質問決定処理を終了する。
（ｂ）質問数を基準とする方法
図１８は、健康指標値提示システム１における質問数による提示質問選択処理の具体例を示すフローチャートである。尚、Ｓ１８０２までの処理は、精度による提示質問選択処理と同じであるので説明を省略する。
Ｓ１８０３において、提示質問選択部１０５は、影響の度合いが強い項目を質問選択基準で指定された数だけ提示質問として確定し、一連の提示質問選択処理を終了する。尚、より健康指標値の精度を高めるために、質問選択基準で指定された数より少ない提示質問を用いたときの健康指標値の精度を算出し、最も精度の高いときに選択していた質問を提示質問として確定する方法を用いてもよい。例えば、質問選択基準として１０が指定されているときに、質問数が１０のときだけではなく、９個若しくは８個の質問を用いたときの健康指標値の精度を算出し、最も精度が高くなったときに選択していた質問を提示質問として確定する。
＜質問提示機会更新処理＞
次に、図７の質問提示処理のＳ７１０において行われる質問提示機会更新処理を詳細に説明する。質問提示機会更新処理は、利用者から回答が入力されたときに実行される処理であり、更新された質問提示機会は、Ｓ８０９の処理に反映される。質問提示機会更新処理については、周期を基準とする方法と、精度を基準とする方法がある。以下、周期を基準とする方法を説明し、その後に精度を基準とする方法について説明する。
（ａ）周期を基準とする方法
図１９は、健康指標値提示システム１における周期による質問提示機会更新処理の具体例を示すフローチャートである。
Ｓ１９０１において、回答入力部１０７は、利用者端末２０から入力される回答を取得する。尚、質問提示機会更新処理は、利用者端末２０からの回答に応じて処理が行われるため、利用者端末２０から何ら回答が得られない場合は、回答が得られるまで次のステップには進まない。
Ｓ１９０２において、健康指標値算出部１０８は、Ｓ１９０１において入力された回答をモデルに適用して、健康指標値を算出する。
Ｓ１９０３において、健康指標値算出部１０８は、Ｓ１９０２において得られた健康指標値と過去に得られた健康指標値を利用して、健康指標値に周期性があるかを判定する。周期性を調べる方法は、問題に応じて適切なものを用いてよい。例えば、フーリエ変換を利用した、大きい振幅をもつ特定周期の有無を調べる方法や、時系列モデルのひとつである自己回帰移動平均モデルを利用して、移動平均に関する値の大きい項の存在有無を調べる方法などがある。時系列モデルについては、例えば、１９９６年朝倉書店発行の「時系列解析入門」（北川源四郎著）に記載されている。ここで、周期性があると判定された場合は、Ｓ１９０４に進み、周期性がないと判定された場合は一連の質問提示機会更新処理を終了する。
Ｓ１９０４において、健康指標値算出部１０８は、その周期を特定する。周期の特定方法は、問題に応じて適切なものを用いてよい。フーリエ変換を利用している場合は、振幅の大きい周期を特定する。また、自己回帰移動平均モデルを用いている場合は、係数の大きな移動平均次数を特定する。
Ｓ１９０５において、健康指標値算出部１０８は、Ｓ１９０４にて特定された周期に応じて質問・回答記憶部１０２に記憶された質問提示機会を更新する。周期変動における質問提示のタイミングについては、予め指定しておき、その指定に基づいて適切な時期に質問が行われるよう質問提示機会を設定する。質問提示のタイミング指定としては、例えば、健康指標値が変動周期の最低状態から上昇し始めるタイミングや、最高状態から下降し始めるタイミングを、位相や移動平均次数として指定する。質問提示機会を更新したら、一連の質問提示機会更新処理を終了する。
（ｂ）精度を基準とする方法
図２０は、健康指標値提示システム１における精度による質問提示機会更新処理の具体例を示すフローチャートである。
Ｓ２００１において、回答入力部１０７は、利用者端末２０から入力される回答を取得する。尚、質問提示機会更新処理は、利用者端末２０からの回答に応じて処理が行われるため、利用者端末２０から何ら回答が得られない場合は、回答が得られるまで次のステップには進まない。
Ｓ２００２において、健康指標値算出部１０８は、Ｓ２００１において入力された回答をモデルに適用し、健康指標値および健康指標値の精度を算出する。
Ｓ２００３において、健康指標値算出部１０８は、質問数を増加させるか否かを判定する。質問数の増加に関する設定は、質問提示機会入力部１０４において予め指定しておいてもよいし、自動的に質問数増加の可否を決定させてもよい。自動的に決定させる場合、例えば、質問提示間隔が一定期間より短くなっても、健康指標値の精度が十分に改善しないときに、質問数増加を有効にさせるようにする。質問数増加が有効な場合は、Ｓ２００４へ進み、質問数と質問提示間隔の双方を考慮した処理を行う。一方、質問数増加が無効な場合は、Ｓ２００８へ進み、質問提示機会のみを考慮した処理を行う。
Ｓ２００４において、健康指標値算出部１０８は、質問数と質問提示間隔による健康指標値の精度に関する予測モデルを生成する。予測モデルは、質問数と質問提示間隔から健康指標値の精度を推定できるものなら何でもよい。例えば、質問数と質問提示間隔を説明変数とし、健康指標値の精度を目的変数とする重回帰モデルがある。重回帰モデルを用いた場合、目的変数の値が精度に関する閾値を超えれば健康指標値の精度に関する質問選択基準を満たすと予測できる。尚、予測モデルは、データ数が十分ないと適切に生成されにくいので、予め予測モデルを用意しておき、システム稼動当初は、そのモデルを利用するようにしてもよい。
Ｓ２００５において、健康指標値算出部１０８は、Ｓ２００４において生成された予測モデルから得られる予測結果に応じて、質問数と質問提示間隔を更新する。現在の健康指標値の精度を算出し、精度が質問選択基準を満たしていれば、質問数を削減する、若しくは、質問提示間隔を広くする。一方、満たしていないならば、質問数を増加させる、若しくは、質問提示間隔を狭くする。質問数と質問提示間隔のどちらを優先的に変更するかは、予め定めておいてもよく、自動的に変更させてもよい。例えば、自動的に変更させる場合は、健康指標値の精度が質問選択基準を満たす質問数と質問提示間隔の組み合わせのうち、最も精度が低くなる組み合わせを採用する。
Ｓ２００６において、健康指標値算出部１０８は、質問数を増加させるか否かを判定する。ここで、質問数を増加させる場合、Ｓ２００７へ進む。これに対し、質問数を増加させない場合は、一連の質問提示機会更新処理を終了する。
Ｓ２００７において、健康指標値算出部１０８は、Ｓ２００５において設定された質問数の分、提示質問の選択処理を行う。そして、提示質問の選択後、一連の質問提示機会更新処理を終了する。
また、Ｓ２００３において、質問数を増加させないと判定された場合は、Ｓ２００８へ進む。
Ｓ２００８において、健康指標値算出部１０８は、質問提示間隔による健康指標値の精度に関する予測モデルを生成する。予測モデルついては、Ｓ２００４と同様のモデルを用いてもよいし、自己回帰移動平均モデル等の時系列モデルを用いてもよい。
Ｓ２００９において、健康指標値算出部１０８は、生成された予測モデルから得られる予測結果に応じて、質問提示間隔を更新する。Ｓ２００５と同様に現在の健康指標値の精度を算出し、精度が質問選択基準を満たしていれば、質問提示間隔を広くし、満たしていないならば、質問提示間隔を狭くする。また、Ｓ２００８において時系列モデルを用いている場合、健康指標値の精度が質問選択基準を最低限満たす時期に、質問を提示するように質問提示間隔を設定してもよい。質問提示間隔を設定したら、一連の質問提示機会更新処理を終了する。
このように、設定された質問選択基準に従って適切な数の質問が行われ、この質問に対する回答が内部で生成されるモデルに当てはめられることで、利用者負担が少なくしつつ、精度の高い健康指標値を提示することができる。
尚、本発明は上記実施形態そのままに限定されるものではなく、実施段階ではその要旨を逸脱しない範囲で構成要素を変形して具体化できる。例えば、各記憶部には、データベース、テキストデータ、あるいは各アプリケーションに特化されたフォーマット形式のデータ等でもよく、記憶形式および記憶媒体は用途に応じて最適な選択をすることが可能である。また、各入力部には、キーボード、マウス、ペン型入力装置、携帯端末、計測機器などが挙げられ、入力形式や入力装置は用途に応じて最適な選択をすることが可能である。同様に、健康指標値提示部１０９には、計算機ディスプレイ、印刷機、携帯端末などが挙げられ、提示形式や提示装置を用途に応じて最適な選択をすることが可能である。また、質問と対応付けられているならばアラーム音や音楽、ＬＥＤの点滅等として提示してもよい。更に、上記実施形態に開示されている複数の構成要素の適宜な組み合わせにより、種々の発明を形成できる。例えば、実施形態に示される全構成要素から幾つかの構成要素を削除してもよい。
本発明の一実施形態に係る健康指標値提示システム１の全体構成例を示すブロック図。 本発明の一実施形態に係る質問・回答データの具体例を示す図。 本発明の一実施形態に係る質問・回答データに基づくモデルの具体例を示す図。 本発明の一実施形態に係る質問・回答データに基づくモデルの具体例を示す図。 本発明の一実施形態に係るモデルを行列で表記した図。 本発明の一実施形態に係るモデルを行列で表記した図。 本発明の一実施形態に係る健康指標値提示システム１における質問提示処理の具体例を示すフローチャート。 本発明の一実施形態に係る健康指標値提示システム１における項目削除による縮約モデル生成処理の具体例を示すフローチャート。 本発明の一実施形態に係るモデルを構成する項目間の影響の割合を行列によって説明する図。 本発明の一実施形態に係るモデル行列から項目削除を行った具体例を示す図。 本発明の一実施形態に係るモデル行列から項目削除を行った具体例を示す図。 本発明の一実施形態に係るモデル行列から項目削除を行った具体例を示す図。 本発明の一実施形態に係る健康指標値提示システム１における項目追加による縮約モデル生成処理の具体例を示すフローチャート。 本発明の一実施形態に係る健康指標値提示システム１における精度による提示質問選択処理の具体例を示すフローチャート。 本発明の一実施形態に係るモデルを構成する項目間の関係を説明する図。 本発明の一実施形態に係る健康指標値提示システム１におけるモデル行列を示す図。 本発明の一実施形態に係るモデルを構成する項目間の影響の度合いを説明する行列の具体例を示す図。 本発明の一実施形態に係る健康指標値提示システム１における質問数による提示質問選択処理の具体例を示すフローチャート。 本発明の一実施形態に係る健康指標値提示システム１における周期による質問提示機会更新処理の具体例を示すフローチャート。 本発明の一実施形態に係る健康指標値提示システム１における精度による質問提示機会更新処理の具体例を示すフローチャート。
符号の説明
１…健康指標値提示システム、
１０…サーバ、２０…利用者端末、３０…ネットワーク、
１０１…健康データ記憶部、１０２…質問・回答記憶部、
１０３…質問選択基準入力部、１０４…質問提示機会入力部、
１０５…提示質問選択部、１０６…質問出力部、１０７…回答入力部、
１０８…健康指標値算出部、健康指標値提示部１０９。

Claims (5)

  1. 健康データを記憶する健康データ記憶部と、
    前記健康データに関する複数の質問およびその回答を記憶する質問・回答記憶部と、
    前記記憶された質問の選択基準を入力する質問選択基準入力部と、
    前記入力された選択基準に基づいて利用者端末への提示対象となる質問を選択する提示質問選択部と、
    前記提示質問選択部により選択された前記質問を前記質問・回答記憶部から取得し、前記利用者端末へ出力する質問出力部と、
    前記出力された質問に対して前記利用者端末から入力される回答を取得し、前記質問・回答記憶部に記憶する回答入力部と、
    前記健康データ記憶部に記憶された健康データおよび前記質問・回答記憶部に記憶された質問に基づいて健康状態を示す健康指標値を算出するモデルを生成し、前記回答入力部で入力された回答を前記モデルに当てはめて前記健康指標値を算出する健康指標値算出部と、
    前記算出された健康指標値を前記利用者端末に提示する健康指標値提示部と、
    を備え、
    前記モデルが、前記健康指標値および前記複数の質問間の関係およびその関係の強弱に基づいて前記健康指標値を算出するように構成されることを特徴とする健康指標値提示システム。
  2. 健康指標値算出部は、前記算出された健康指標値への影響度が小さいモデル構成要素および前記モデル構成要素の関係性を削減した縮約モデルを生成し、前記縮約モデルから新規に健康指標値を算出することを特徴とする請求項１に記載の健康指標値提示システム。
  3. 前記質問を提示する時間間隔を質問提示機会として入力する質問提示機会入力部を更に備え、
    前記提示質問選択部は、前記質問提示機会入力部で入力された質問提示機会および前記健康指標値算出部において算出された健康指標値の周期性に基づいて前記利用者端末に提示する質問を選択することを特徴とする請求項１または請求項２に記載の健康指標値提示システム。
  4. 前記質問の選択基準が、前記健康指標値が最低限満たすべき精度若しくは最大提示質問数であることを特徴とする請求項１乃至請求項３のいずれか一項に記載の健康指標値提示システム。
  5. サーバコンピュータが、ネットワークを介して接続された複数の利用者端末からの入力情報に応じて健康指標値を算出し、前記利用者端末に提示する健康指標値提示方法であって、
    健康データを健康データ記憶装置に記憶する健康データ記憶ステップと、
    前記健康データに関する複数の質問およびその回答を質問・回答記憶装置に記憶する質問・回答記憶ステップと、
    前記記憶された質問の選択基準を前記利用者端末から入力する質問選択基準入力ステップと、
    前記入力された選択基準に基づいて利用者端末への提示対象となる質問を選択する提示質問選択ステップと、
    前記選択された質問を前記質問・回答記憶装置から取得し、前記利用者端末へ出力する質問出力ステップと、
    前記出力された質問に対して前記利用者端末から入力される回答を取得し、前記質問・回答記憶装置に記憶する回答入力ステップと、
    前記健康データ記憶ステップにおいて記憶された健康データおよび前記質問・回答入力ステップにおいて入力された質問に基づいて前記健康指標値を算出するモデルを生成し、前記回答入力ステップにおいて入力された回答を前記モデルに当てはめて前記健康指標値を算出する健康指標値算出ステップと、
    前記算出された健康指標値を前記利用者端末に提示する健康指標値提示ステップと、
    を有し、
    前記モデルが、前記健康指標値および前記複数の質問間の関係およびその関係の強弱に基づいて前記健康指標値を算出するように構成されることを特徴とする健康指標値提示方法。
JP2007230400A 2007-09-05 2007-09-05 健康指標値提示システムおよび健康指標値提示方法 Expired - Fee Related JP5091595B2 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2007230400A JP5091595B2 (ja) 2007-09-05 2007-09-05 健康指標値提示システムおよび健康指標値提示方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2007230400A JP5091595B2 (ja) 2007-09-05 2007-09-05 健康指標値提示システムおよび健康指標値提示方法

Publications (2)

Publication Number Publication Date
JP2009064166A true JP2009064166A (ja) 2009-03-26
JP5091595B2 JP5091595B2 (ja) 2012-12-05

Family

ID=40558711

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2007230400A Expired - Fee Related JP5091595B2 (ja) 2007-09-05 2007-09-05 健康指標値提示システムおよび健康指標値提示方法

Country Status (1)

Country Link
JP (1) JP5091595B2 (ja)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2014215722A (ja) * 2013-04-23 2014-11-17 株式会社サーフボード 精神衛生状態評価装置及び評価方法
JP2019040541A (ja) * 2017-08-29 2019-03-14 パナソニックＩｐマネジメント株式会社 情報提供方法
JP2020017120A (ja) * 2018-07-26 2020-01-30 オムロンヘルスケア株式会社 診断支援装置、診断支援方法及び診断支援プログラム
WO2020054367A1 (ja) * 2018-09-11 2020-03-19 株式会社ＦｉＮＣ Ｔｅｃｈｎｏｌｏｇｉｅｓ 健康評価システム、健康評価サーバ及び健康評価プログラム
JP2021157415A (ja) * 2020-03-26 2021-10-07 株式会社イーウェル 組織健康度評価システム
JPWO2023007690A1 (ja) * 2021-07-30 2023-02-02
WO2023007691A1 (ja) * 2021-07-30 2023-02-02 株式会社Peco 動物健康管理システム

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH037136A (ja) * 1989-06-05 1991-01-14 Omron Corp 健康度判定装置
JPH06139073A (ja) * 1992-10-29 1994-05-20 Kokusai Denshin Denwa Co Ltd <Kdd> 決定木形式の診断知識を用いた診断装置
JP2002207856A (ja) * 2001-01-12 2002-07-26 Sangaku Renkei Kiko Kyushu:Kk ネットワーク上の情報収集方法と、そのために用いるクライアント端末、ウェブサーバー、情報収集実施システム、情報収集用ホームページ作成システム及びそのために用いるプログラム
JP2003047602A (ja) * 2001-08-08 2003-02-18 Yamato Scale Co Ltd 健康情報表示装置
JP2003141274A (ja) * 2001-11-05 2003-05-16 Ohbayashi Corp オフィスビルにおけるｉｔ環境の評価システムおよび評価方法
JP2004303069A (ja) * 2003-03-31 2004-10-28 Fujitsu Ltd 評価方法
JP2005182738A (ja) * 2003-11-26 2005-07-07 Gunma Univ 健康維持支援システム
JP2006114027A (ja) * 2004-09-14 2006-04-27 Yuji Maruyama 心身健康度評価システム
JP2006285657A (ja) * 2005-03-31 2006-10-19 Ryozo Saito 心理検査システム及び心理検査方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH037136A (ja) * 1989-06-05 1991-01-14 Omron Corp 健康度判定装置
JPH06139073A (ja) * 1992-10-29 1994-05-20 Kokusai Denshin Denwa Co Ltd <Kdd> 決定木形式の診断知識を用いた診断装置
JP2002207856A (ja) * 2001-01-12 2002-07-26 Sangaku Renkei Kiko Kyushu:Kk ネットワーク上の情報収集方法と、そのために用いるクライアント端末、ウェブサーバー、情報収集実施システム、情報収集用ホームページ作成システム及びそのために用いるプログラム
JP2003047602A (ja) * 2001-08-08 2003-02-18 Yamato Scale Co Ltd 健康情報表示装置
JP2003141274A (ja) * 2001-11-05 2003-05-16 Ohbayashi Corp オフィスビルにおけるｉｔ環境の評価システムおよび評価方法
JP2004303069A (ja) * 2003-03-31 2004-10-28 Fujitsu Ltd 評価方法
JP2005182738A (ja) * 2003-11-26 2005-07-07 Gunma Univ 健康維持支援システム
JP2006114027A (ja) * 2004-09-14 2006-04-27 Yuji Maruyama 心身健康度評価システム
JP2006285657A (ja) * 2005-03-31 2006-10-19 Ryozo Saito 心理検査システム及び心理検査方法

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2014215722A (ja) * 2013-04-23 2014-11-17 株式会社サーフボード 精神衛生状態評価装置及び評価方法
JP2019040541A (ja) * 2017-08-29 2019-03-14 パナソニックＩｐマネジメント株式会社 情報提供方法
JP2020017120A (ja) * 2018-07-26 2020-01-30 オムロンヘルスケア株式会社 診断支援装置、診断支援方法及び診断支援プログラム
WO2020054367A1 (ja) * 2018-09-11 2020-03-19 株式会社ＦｉＮＣ Ｔｅｃｈｎｏｌｏｇｉｅｓ 健康評価システム、健康評価サーバ及び健康評価プログラム
JP2020042546A (ja) * 2018-09-11 2020-03-19 株式会社ＦｉＮＣ Ｔｅｃｈｎｏｌｏｇｉｅｓ 健康評価システム、健康評価サーバ及び健康評価プログラム
JP2021157415A (ja) * 2020-03-26 2021-10-07 株式会社イーウェル 組織健康度評価システム
JPWO2023007690A1 (ja) * 2021-07-30 2023-02-02
WO2023007690A1 (ja) * 2021-07-30 2023-02-02 株式会社Peco 動物健康管理システム
WO2023007691A1 (ja) * 2021-07-30 2023-02-02 株式会社Peco 動物健康管理システム
JP7260943B1 (ja) * 2021-07-30 2023-04-19 株式会社Peco 動物健康管理システム

Also Published As

Publication number Publication date
JP5091595B2 (ja) 2012-12-05

Similar Documents

Publication Publication Date Title
JP5091595B2 (ja) 健康指標値提示システムおよび健康指標値提示方法
EP4162870B1 (en) System and method for estimating a healthy lumen diameter and stenosis quantification in coronary arteries
US9715657B2 (en) Information processing apparatus, generating method, medical diagnosis support apparatus, and medical diagnosis support method
US9558324B2 (en) Artificial general intelligence system/medical reasoning system (MRS) for determining a disease state using graphs
Berry Empirical evaluation of tools for hairy requirements engineering tasks
US11527312B2 (en) Clinical report retrieval and/or comparison
CN112309521B (zh) 面向本质计算的跨模态用户医疗数据分析方法
Raturi et al. An analytical approach for health data analysis and finding the correlations of attributes using decision tree and W-logistic modal process
TW202016948A (zh) 控制方法以及醫學系統
EP3718116B1 (en) Apparatus for patient data availability analysis
Pomsuwan et al. Feature selection for the classification of longitudinal human ageing data
Berry Evaluation of tools for hairy requirements engineering and software engineering tasks
Hastings et al. Agreement behavior of isolated annotators for maintenance work-order data mining
JP6840627B2 (ja) ハイパーパラメータの評価方法、計算機及びプログラム
KR20180127266A (ko) 점수 추정 방법, 장치 및 컴퓨터 프로그램
JP2011518382A (ja) システムにおける故障診断の支援
JP2019101654A5 (ja)
GB2555381A (en) Method for aiding a diagnosis, program and apparatus
Han et al. An automated machine learning platform for non-experts
KR20220093567A (ko) Bim 기반 설계 업무 체계의 효율성 평가 시스템
JP2022551325A (ja) 診断ツール
KR20210142921A (ko) 안면 표정 인식을 이용한 기분장애 진단을 위한 정보 제공 방법
JP6960369B2 (ja) 分析システム及び分析方法
Daza et al. Stacking ensemble based hyperparameters to diagnosing of heart disease: Future works
EP3506268A1 (en) Apparatus for patient data availability analysis

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20100615

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20120522

A521 Written amendment

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20120723

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20120821

A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20120914

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20150921

Year of fee payment: 3

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20150921

Year of fee payment: 3

LAPS Cancellation because of no payment of annual fees