JP2014071587A - 栄養状態判定システム、栄養状態判定方法、及び栄養状態判定プログラム - Google Patents
栄養状態判定システム、栄養状態判定方法、及び栄養状態判定プログラム Download PDFInfo
- Publication number
- JP2014071587A JP2014071587A JP2012216072A JP2012216072A JP2014071587A JP 2014071587 A JP2014071587 A JP 2014071587A JP 2012216072 A JP2012216072 A JP 2012216072A JP 2012216072 A JP2012216072 A JP 2012216072A JP 2014071587 A JP2014071587 A JP 2014071587A
- Authority
- JP
- Japan
- Prior art keywords
- nutritional
- physical information
- process model
- information
- value
- 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
Images
Abstract
【課題】病態に即して患者の栄養状態を正確に判定することができる栄養状態判定システム、栄養状態判定方法、及び栄養状態判定プログラムを提供する。
【解決手段】対象者の病態を示す病態情報と前記対象者の身体情報とを取得するデータ取得部101と、前記取得された病態情報に基づいて、病態毎に身体情報と栄養状態との関係を含むプロセスモデルから、前記対象者に適するプロセスモデルを決定するモデル決定部102と、前記決定されたプロセスモデルと、前記取得された身体情報とに基づいて、前記対象者の栄養状態を判定する状態判定部103とを備えた。
【選択図】図12
【解決手段】対象者の病態を示す病態情報と前記対象者の身体情報とを取得するデータ取得部101と、前記取得された病態情報に基づいて、病態毎に身体情報と栄養状態との関係を含むプロセスモデルから、前記対象者に適するプロセスモデルを決定するモデル決定部102と、前記決定されたプロセスモデルと、前記取得された身体情報とに基づいて、前記対象者の栄養状態を判定する状態判定部103とを備えた。
【選択図】図12
Description
本発明は、医療施設や介護・養護施設などの各種施設の患者や入所者に対する栄養状態の判定を行う、栄養状態判定システム、栄養状態判定方法、及び栄養状態判定プログラムに関するものである。
現在、医療施設や介護・養護施設などの各種施設の患者や入所者に対し、栄養管理を行う栄養治療が広く実施されている。例えば、予め入院する期間を定め、当該期間内に患者の栄養状態が良好になるよう栄養管理を行うことで、低コストで最良の栄養治療を行うクリティカルパス(クリニカルパス)が知られている。
また、病院の方針に応じて、患者に最適な栄養を供給できる技術が知られている。
しかしながら、患者に対する栄養治療は、病態の特性や治療の特異性などを考慮してはおらず、そのプロセスが常に一定の基準に従ったものである。そのため、患者の病態に即した栄養状態を正確に把握することは困難であり、よって、最適な栄養治療を施すことができないという問題があった。
本発明は上述した問題点を解決するためになされたものであり、病態に即して患者の栄養状態を正確に判定することができる栄養状態判定システム、栄養状態判定方法、及び栄養状態判定プログラムを提供することを目的とする。
上述した課題を解決するため、本発明の一態様は、対象者の病態を示す病態情報と前記対象者の身体情報とを取得する取得部と、前記取得された病態情報に基づいて、病態毎に身体情報と栄養状態との関係を含むプロセスモデルから、前記対象者に適するプロセスモデルを決定する決定部と、前記決定されたプロセスモデルと、前記取得された身体情報とに基づいて、前記対象者の栄養状態を判定する判定部とを備える。
また、本発明の一態様は、対象者の病態を示す病態情報と前記対象者の身体情報とを取得し、前記取得された病態情報に基づいて、病態毎に身体情報と栄養状態との関係を含むプロセスモデルから、前記対象者に適するプロセスモデルを決定し、前記決定されたプロセスモデルと、前記取得された身体情報とに基づいて、前記対象者の栄養状態を判定することを行う。
また、本発明の一態様は、対象者の病態を示す病態情報と前記対象者の身体情報とを取得し、前記取得された病態情報に基づいて、病態毎に身体情報と栄養状態との関係を含むプロセスモデルから、前記対象者に適するプロセスモデルを決定し、前記決定されたプロセスモデルと、前記取得された身体情報とに基づいて、前記対象者の栄養状態を判定することをコンピュータに実行させる。
本発明によれば、病態に即して患者の栄養不良を正確に判定することができる。
実施の形態1.
以下、本発明の実施の形態1について図面を参照しつつ説明する。実施の形態1においては、医療施設で用いられ、当該医療施設に入院している患者の栄養状態を判定する栄養状態判定システムを説明する。なお、栄養状態判定システムは、医療施設以外では、例えば介護・養護施設など、患者や入所者の栄養状態の管理を必要とする各種施設で用いることができる。
以下、本発明の実施の形態1について図面を参照しつつ説明する。実施の形態1においては、医療施設で用いられ、当該医療施設に入院している患者の栄養状態を判定する栄養状態判定システムを説明する。なお、栄養状態判定システムは、医療施設以外では、例えば介護・養護施設など、患者や入所者の栄養状態の管理を必要とする各種施設で用いることができる。
図1は、実施の形態1に係る栄養状態判定システムの構成を示すブロック図であり、図2は、判定プロセスモデルを示す模式図、図3は、予測プロセスモデルを示す模式図である。図1に示されるように、栄養状態判定システム1は、CPU(Central Processing Unit)11、記憶部12、入力部13、出力部14、およびHDD(Hard disk drive)15を有する。
CPU11は記憶部12上に展開されるOS(Operating System)、BIOS(Basic Input/Output System)、アプリケーション等の各種プログラムを実行し、栄養状態判定システム1の制御を行う。記憶部12はいわゆるRAM(Random Access Memory)などの揮発性のメモリであり、実行されるプログラムの作業領域として利用される。入力部13は、栄養状態判定システム1を使用する栄養管理者からの入力を受け付けるものであり、例えば、ディスプレイ上の特定の位置を指定するためのポインティングデバイスであるマウスや、文字または特定の機能等が割り当てられた複数のキーが配列されたキーボードである。出力部14は、OSおよびOS上で動作するアプリケーションのGUI(Graphical User Interface)を画面画像として栄養状態を示す情報を表示するディスプレイ及び栄養状態に即したアラーム音を出力するスピーカ等の出力装置である。HDD15は、判定プロセスモデル151と予測プロセスモデル152と患者データベース153とを格納する。
判定プロセスモデル151は、図2に示されるように、胃癌や大腸癌等の病態毎に、手術から1週間後、2週間後、1ヵ月後等のアセスメントポイント毎のリスクアラーム基準が含まれている。一方、予測プロセスモデル152は、図3に示されるように、病態毎に、アセスメントポイント毎の予測指標が含まれている。リスクアラーム基準、予測指標の詳細については後述する。患者データベース153は、患者の体重およびアルブミン値を示す身体情報および病態を示す病態情報を、患者を固有に示すIDと関連付けることにより、患者毎にまとめた個人情報のデータベースである。
ここで、発明の理解を容易にするために栄養状態判定システム1の概要について、図面を用いて説明する。まず、判定処理の説明を行う。図4は、実施の形態1に係る栄養状態判定システムにおける判定処理の概要を説明するための図である。図5は、胃がん手術1週間後および2週間後におけるリスクアラーム基準を示す模式図であり、図6は、胃がん手術1ヵ月後におけるリスクアラーム基準を示す模式図である。
図4に示されるように、栄養状態判定システム1は、アセスメントポイント毎に、栄養管理者から入力された患者の身体情報を取得する(S1〜S4)。取得した身体情報から栄養状態判定システム1は、体重減少率を算出し、該体重減少率とアルブミン値とを用いて、アセスメントポイント毎の患者の栄養状態を判定する。この判定の際に用いるのが判定プロセスモデル151におけるリスクアラーム基準である。
図5および図6に示されるように、リスクアラーム基準は、身体情報と栄養状態との関係を示すものであり、具体的には、体重減少率、アルブミン値それぞれに対し複数の異なる数値範囲が設けられ該複数の異なる数値範囲のそれぞれに栄養状態の程度を示す点数が割り当てられている。例えば、病態が胃がんである場合のリスクアラーム基準は、手術1週間後および2週間後であれば、図5に示されるように、体重減少率が5〜10%未満であれば点数1点、10%以上であれば2点、アルブミン値が2.6〜2.9g/dlであれば点数1点、2.6g/dl未満下であれば2点と設定されている。
また、リスクアラーム基準には、合計点数と栄養状態の関係が含まれている。具体的には、合計点数が1点であれば栄養状態が軽度不良、2点であれば中等度不良、3点以上であれば重度不良とったように、合計点数に即して栄養状態の程度が設定されている。一方、手術1ヵ月後であれば、図6に示されるように、リスクアラーム基準は、体重減少率が5〜10%未満であれば点数1点、10%以上であれば2点、アルブミン値が3.0〜3.4g/dlであれば点数1点、3.0g/dl未満であれば2点と設定されている。
以上のように、アセスメントポイントによっては、点数が割り当てられた数値範囲が異なっている。これは、治療の経過により、患者の病状の変化が見込まれるためである。即ち、術後1週間、2週間、1か月では、目安となる範囲が異なる。例えば、胃がん術後の場合、術後3日程度は、投与栄養量も最終目標の半分程度であり、その後2〜3週間を目安に目標量までアップする。よって、術後1週間より1か月後のほうが、アルブミン値が高くなる。なお、図5、図6に示されるリスクアラーム基準は、単なる例示に過ぎず、これに限定されるものではない。病態によっては、アセスメントポイントの時期が異なるもの、手術1週間後と2週間後とで異なるリスクアラーム基準が用いられるもの、アセスメントポイント毎に数値範囲や点数、合計点数に対する栄養状態の程度が異なるもの、等があることは言うまでもない。
栄養状態判定システム1の判定処理によれば、例えば、図4に示されるように、手術から1週間後において、患者の体重減少率が入院時の5%、アルブミン値3.0g/dlであれば、図5に示されるリスクアラーム基準に基づき、栄養状態は「軽度不良」と判定される。判定後、当該情報がディスプレイに表示されると共にアラームが出力される。栄養管理者は、現状の栄養管理では「不良リスク大」となる可能性が高いことを認識することができるため、今後の栄養管理を強化するといった対応をとることができる。
次に、予後予測処理の説明を行う。図7は、実施の形態1に係る栄養状態判定システムにおける予後予測処理の概要を説明するための図である。図8は、入院時において手術1週間後の栄養状態を予測する予測指標を示す模式図であり、図9は、胃がん手術1週間後において手術2週間後の栄養状態を予測する予測指標を示す模式図である。図10は、胃がん手術2週間後において手術1ヵ月後の栄養状態を予測する予測指標を示す模式図であり、図11は、胃がん手術1ヵ月後において今後の栄養状態を予測する予測指標を示す模式図である。
図7に示されるように、栄養状態判定システム1は、アセスメントポイント毎に、栄養管理者から入力された患者の身体情報を取得し(S1〜S4)、アセスメントポイント毎に体重減少率を算出する。ここまでは、前述した判定処理と同様である。予後予測処理は、算出した該体重減少率とアルブミン値とを用いて、予測プロセスモデル152に従ってアセスメントポイント毎に次のアセスメントポイントといった未来の患者の栄養状態を予測する点が判定処理と異なる。
図8から図11に示されるように、予測指標は、身体情報と所定期間前の身体情報との比較結果と所定期間後の栄養状態との関係を示すものであり、具体的には、比較結果としての複数の異なる数値範囲が設けられ該複数の異なる数値範囲のそれぞれに所定期間後の栄養状態の程度を示す情報が割り当てられている。例えば、病態が胃がんである場合の予測指標は、入院時においては、図8に示されるように、入院1ヶ月前における体重およびアルブミン値と入院時の体重およびアルブミン値との比較結果が、体重減少およびアルブミン減少がともになければ、1週間後の予測栄養状態は不良リスク小と設定されている。一方、体重減少率5%未満またはアルブミン減少0.3g/dl(−0.3g/dl)未満であれば、不良リスク中となり、体重減少率5%以上またはアルブミン減少0.3g/dl以上であれば、不良リスク大と設定されている。
同様に、図9から図11に示されるように、以前のアセスメントポイントにおける体重およびアルブミン値と現アセスメントポイントにおける体重およびアルブミン値との比較結果によって、不良リスク小〜大が設定されている。なお、リスクアラーム基準と同様に各アセスメントポイントによっては、予測栄養状態の程度に割り当てられた数値範囲が異なっているが、これはリスクアラーム基準と同様に治療の経過により、患者の病状の変化が見込まれるためである。なお、図9から図11に示される予測指標は、単なる例示に過ぎず、これに限定されるものではない。病態によっては、アセスメントポイントの時期が異なるもの、予測栄養状態の程度に割り当てられた数値範囲が異なるもの、予測栄養状態の程度が3段階以上あるもの、等があることは言うまでもない。
栄養状態判定システム1の予後予測処理によれば、例えば、図9に示されるように、手術から1週間後において、患者の体重減少率が入院時の5%、アルブミン値の減少が1.5g/dlであれば、次のアセスメントポイントである2週間後の栄養状態が、栄養不良となるリスクが大きいことを示す「不良リスク大」と予測される。予測後、当該情報がディスプレイに表示され、栄養管理者は現状の栄養管理では「不良リスク大」となる可能性が高いことを認識することができるため、今後の栄養管理を強化するといった対応をとることができる。
次に、栄養状態判定システム1の機能構成を説明する。図12は、実施の形態1に係る栄養状態判定システムの機能構成を示す機能ブロック図である。図12に示されるように、栄養状態判定システム1は、データ取得部101と、モデル決定部102と、状態判定部103と、予後予測部104と、データ出力部105とを、機能として有する。
データ取得部101は、患者データベース153を監視し、栄養管理者から患者データベース153に対する入力があった場合、栄養管理者が入力した患者の病態情報や身体情報を取得する。また、データ取得部101は、体重が入力された場合、過去に入力された体重(例えば、現アセスメントポイントの1つ前のアセスメントポイント時の体重)に基づいて体重減少率を算出する。即ち、手術1週間後時に体重が入力された場合、入院時に入力された体重に基づいて体重減少率を算出する。
モデル決定部102は、取得された病態情報に基づいて、病態毎に、判定プロセスモデル151および予測プロセスモデル152から、患者に適するプロセスモデルを決定する。この際、モデル決定部102は、各プロセスモデルのうち現アセスメントポイントに適するリスクアラート基準、予測指標を決定する。状態判定部103は、モデル決定部102により決定された判定プロセスモデル151と、データ取得部101により取得された身体情報とに基づいて、患者の栄養状態を判定する。
予後予測部104は、モデル決定部102により決定された予測プロセスモデル152と、データ取得部101により現アセスメントポイントにて取得された身体情報と、前回のアセスメントポイントにて取得された身体情報とに基づいて、次点のアセスメントポイントにおける患者の栄養状態を予測する。データ出力部105は、状態判定部103の判定結果、予後予測部104の予測結果を、必要であればアラームと共に出力部14に出力させる。なお、データ取得部101、モデル決定部102、状態判定部103、予後予測部104、およびデータ出力部105は、CPU11や記憶部12等のハードウェア資源とソフトウェアとが協働することにより実現される。
次に、図面を用いて、栄養状態判定システム1の動作の詳細を説明する。図13は、実施の形態1に係る栄養状態判定システムの動作を示すフローチャートである。図14は、判定処理を示すフローチャートであり、図15は、予後予測処理を示すフローチャートである。図13に示されるように、先ず、栄養状態判定システムの電源が投入されると、栄養状態判定システム1は、前述した判定処理を行い(S101)、次いで前述した予後予測処理を行う(S102)。その後、栄養状態判定システム1は、判定処理および予後予測処理の結果を出力部14へ出力し(S103)、本フローは終了となる。出力する結果としては、例えば、判定処理において「中等度不良」と判定され、予後予測処理において「不良リスク大」と予測されたならば、これらをディスプレイに表示すると共に、「中等度不良」を示すアラームをスピーカから出力する。なお、判定処理、予後予測処理が実施できなかった場合は、その旨出力される。
次に、判定処理の詳細を説明する。図14に示されるように、先ず、データ取得部101は、患者データベース153に対する身体情報の入力があったか否かを判断する(S201)。患者データベース153に対する身体情報の入力がない場合(S201,NO)、再度ステップS201に戻り、患者データベース153を監視する処理を続ける。一方、患者データベース153に対する身体情報の入力があった場合(S201,YES)、データ取得部101は、入力された身体情報と共に、患者IDに基づいて当該身体情報に対応する患者の病態情報を取得する(S202)。なお、本実施の形態1における入力された身体情報は、体重、アルブミン値のみとする。
身体情報取得後、モデル決定部102は、判定プロセスモデル151が決定できるか否かを判断する(S203)。この判断は、例えば、取得された病態情報に一致する病態情報の判定プロセスモデル151の有無と、現アセスメントポイントに適するリスクアラーム基準の有無と、取得された身体情報で栄養状態の判定が可能か否かとに基づいてなされる。
具体的には、先ず、モデル決定部102は、取得された病態情報に一致する病態情報の判定プロセスモデル151があるか否かを判断する。一致する病態情報の判定プロセスモデル151がある場合、モデル決定部102は、次に、現アセスメントポイントに適するリスクアラーム基準があるか否かを判断する。適するリスクアラーム基準がある場合、モデル決定部102は、当該リスクアラーム基準においての判断基準となる身体情報が、データ取得部101により取得された身体情報に含まれているか否かを判断し、含まれている場合、判定プロセスモデル151を決定できると判断する。以下、現アセスメントポイントに適するリスクアラーム基準があるか否かの判断について、その詳細を説明する。
本実施の形態1において、モデル決定部102は、身体情報を取得した回数を判断し、当該回数に対応するリスクアラーム基準があるか否かにより、現アセスメントポイントに適するリスクアラーム基準があるか否かを判断する。具体的には、モデル決定部102は、データ取得部101による身体情報の取得回数をカウントし、患者データベース153における当該身体情報と当該身体情報の患者IDとに関連付けて格納する。したがって、身体情報の取得がなされていない場合、患者データベース153に身体情報が入力されていない状態(入院前の状態)であり、カウンタ値は0である。ここで、1回目の身体情報の取得が行われた場合、カウンタ値が1となり、現アセスメントポイントは、最初に身体情報の取得がなされた入院時であると判断される。2回目の身体情報の取得が行われた場合、カウンタ値が2となり、現アセスメントポイントは、入院の次のアセスメントポイント(胃がんであれば、手術1週間後)と判断される。
本実施の形態1において、リスクアラーム基準は、アセスメントポイント毎にカウンタ値が割り当てられている。具体的には、手術1週間後、2週間後のアセスメントポイントにおけるリスクアラーム基準には、カウンタ値2,3が割り当てられ、手術1ヵ月後のアセスメントポイントにおけるリスクアラーム基準には、カウンタ値4が割り当てられている。
したがって、カウンタ値に基づくことにより、現アセスメントポイントを判断することができ、現アセスメントポイントに適するリスクアラーム基準を決定することができる。例えば、カウンタ値が2であれば、初回のリスクアラーム基準、即ち、図5に示される手術1週間後のリスクアラーム基準が決定され、4であれば、3つめのリスクアラーム基準、即ち、図6に示される手術1ヵ月後のリスクアラーム基準が決定される。よって、本実施の形態1においては、カウンタ値が2から4の何れかであれば現アセスメントポイントに適するリスクアラーム基準があることになる。なお、カウンタ値は、患者が退院したことを示す情報(例えば、後述する良好情報、不良情報)が入力され患者データベース153に記録されることにより、初期化され0(ゼロ)となることが好ましい。
以上のことから、本実施の形態1においては、取得された病態情報に一致する病態情報の判定プロセスモデル151があり、且つ、カウンタ値が2から4であり、且つ、リスクアラーム基準においての判断基準となる身体情報が、取得された身体情報に含まれていれば、判定プロセスモデル151を決定できると判断する。一方、取得された病態情報に一致する病態情報の判定プロセスモデル151がない、カウンタ値が2未満、又は、リスクアラーム基準においての判断基準となる身体情報が、取得された身体情報に含まれていない(例えば、取得された身体情報がエネルギー摂取量のみ)であれば、判定プロセスモデル151を決定できないと判断する。
判定プロセスモデル151が決定できない場合(S203,NO)、ステップS102の予後予測処理へ移行する。一方、判定プロセスモデル151が決定できる場合(S203,YES)、モデル決定部102は、データ取得部101により取得された病態情報から一致する判定プロセスモデル151を決定し、判定プロセスモデル151におけるリスクアラーム基準のうち、現アセスメントポイントに適するリスクアラーム基準を決定する(S204)。
判定プロセスモデル151決定後、状態判定部103は、患者の栄養状態を判定する(S205)。具体的には、データ取得部101により過去に入力された体重(例えば、現アセスメントポイントの1つ前のアセスメントポイント時の体重)に基づいて体重減少率が算出される。状態判定部103は、当該体重減少率およびデータ取得部101により取得されたアルブミン値のそれぞれに対応する点数を、モデル決定部102により決定されたリスクアラーム基準に基づいて割り出し、合算する。当該合算結果がリスクアラーム基準に含まれる合計点数と栄養状態の関係の何れに該当するかを判断し、判断結果を患者の栄養状態と判定する。判定後、ステップS102の予後予測処理へ移行する。
次に、予後予測処理の詳細を説明する。先ず、図15に示されるように、モデル決定部102は、予測プロセスモデル152が決定できるか否かを判断する(S301)。この判断は、例えば、取得された病態情報に一致する病態情報の予測プロセスモデル152の有無と、現アセスメントポイントに適する予測指標の有無と、取得された身体情報で栄養状態の予測が可能か否かとに基づいてなされる。
具体的には、先ず、モデル決定部102は、取得された病態情報に一致する病態情報の予測プロセスモデル152があるか否かを判断する。一致する病態情報の予測プロセスモデル152がある場合、モデル決定部102は、次に、現アセスメントポイントに適する予測指標があるか否かを判断する。適する予測指標がある場合、モデル決定部102は、当該予測指標においての判断基準となる身体情報が、データ取得部101により取得された身体情報に含まれているか否かを判断し、含まれている場合、予測プロセスモデル152を決定できると判断する。以下、現アセスメントポイントに適する予測指標があるか否かの判断について、その詳細を説明する。
本実施の形態1において、予測指標は、リスクアラーム基準と同様に、アセスメントポイント毎にカウンタ値が割り当てられている。具体的には、入院時、手術1週間後、2週間後、1ヵ月後のアセスメントポイントの順に、カウンタ値1、2、3、4と割り当てられている。よって、カウンタ値に基づくことにより、現アセスメントポイントを判断することができ、現アセスメントポイントに適する予測指標を決定することができる。例えば、カウンタ値が1であれば、初回の予測指標、即ち、図8に示される予測指標が決定され、4であれば、4つ目の予測指標、即ち、図11に示される予測指標が決定される。よって、本実施の形態1においては、カウンタ値が1から4の何れかであれば現アセスメントポイントに適する予測指標があることになる。
以上のことから、本実施の形態1においては、取得された病態情報に一致する病態情報の予測プロセスモデル152があり、且つ、カウンタ値が1から4の何れかであり、且つ、予測指標においての判断基準となる身体情報が、取得された身体情報に含まれていれば、予測プロセスモデル152を決定できると判断する。一方、取得された病態情報に一致する病態情報の予測プロセスモデル152がない、カウンタ値が5以上、又は、予測指標においての判断基準となる身体情報が、取得された身体情報に含まれていない(例えば、取得された身体情報がエネルギー摂取量のみ)であれば、予測プロセスモデル152を決定できないと判断する。
予測プロセスモデル152が決定できない場合(S301,NO)、ステップS103のデータを出力する処理へ移行する。一方、予測プロセスモデル152を決定できる場合(S301,YES)、モデル決定部102は、データ取得部101により取得された病態情報から一致する予測プロセスモデル152を決定し、予測プロセスモデル152における予測指標のうち、現アセスメントポイントに適する予測指標を決定する(S302)。
予測プロセスモデル152が決定されると、モデル決定部102は、当該予測プロセスモデル152の予測指標に従って予測が可能であるか否かを判断する(S303)。この判断は、現アセスメントポイントと比較する対象となるアセスメントポイントの身体情報が患者データベース153内に含まれているか否かによりなされる。例えば、カウンタ値が1であり、且つ、予め患者データベース153に身体情報が含まれていない場合、予測が可能でないと判断する。なお、予め患者データベース153に身体情報が含まれていない場合とは、入院前の検診等による患者の身体情報(以後、入院前身体情報と称する)がない場合である。ここで、入院前身体情報は、データ取得部101によりデータが取得されない患者データベース153の記憶領域に格納するようにすることが好ましい。または、データ取得部101の機能を停止させた状態で栄養管理者が入院前身体情報を患者データベース153に格納してもよい。一方、カウンタ値が1であり、入院前身体情報が患者データベース153に含まれている場合、又は、現カウンタ値の前のカウンタ値に対応付けられた身体情報ある場合、モデル決定部102は、予測が可能であると判断する。
予測が可能でない場合(S303,NO)、ステップS103のデータを出力する処理へ移行する。一方、予測が可能である場合(S303,YES)、予後予測部104は、データ取得部101により取得された体重およびアルブミン値と、決定された予測指標に示されるアセスメントポイントの体重およびアルブミン値とを比較し、体重減少率と、アルブミン値がどの程度低下したかを示す減少値とを算出する(S304)。
算出後、予後予測部104は、当該体重減少率およびアルブミン値の減少値が、予測指標に示される数値範囲の何れに該当するかを判断し、予測指標に示される該当する数値範囲に割り当てられた予測栄養状態が、本予後予測処理の予測結果となる。予測後、ステップS103のデータを出力する処理へ移行する。例えば、胃がん術後1週間目の場合、カウンタ値は2であるため、図9に示される予測指標が決定される。更に、体重およびアルブミン値の入院時との比較結果が、体重減少率4%、アルブミン値−0.2(アルブミン減少0.2)g/dlであった場合、2週間後の予測栄養状態は、「不良リスク小」と予測される。
なお、本実施の形態1においては、各プロセスモデルは体重減少率、アルブミン値に基づいて作成されている。しかしながら、これらに限定されるものではなく、エネルギー充足率等の因子を更に含み、判定処理、予後予測処理に反映させてもよい。この場合、データ取得部101は、栄養管理者から入力されるエネルギー充足率を、身体情報として更に取得する。
また、本実施の形態1においては、判定プロセスモデル151、予測プロセスモデル152共に、病態毎にリスクアラーム基準または予測指標を含んでいた。しかしながら、図16、図17に示されるように、病態毎に、複数の手術内容が含まれ、複数の手術内容のそれぞれにリスクアラーム基準または予測指標が含まれるようにしてもよい。例えば、胃がんの手術であれば、胃の部分摘出、全摘出等の手術内容によって、時間の経過による栄養状態の変化に少なからず差異が生じる。しかしながら、このように手術内容をもプロセスモデルに組み込むことにより、より精度良く、患者の栄養状態を判定することが可能となる。この場合、身体情報には手術内容が含まれるようにし、モデル決定部102において、手術内容を考慮し各プロセスモデルを決定する。
また、本実施の形態1においては、データ取得部101は身体情報に含まれる体重を取得し、体重減少率を算出するとしたが、栄養管理者が身体情報として体重減少率を入力し、データ取得部101がこれを取得するようにしてもよい。
また、本実施の形態1においては、データ取得部101が、判定処理における体重減少率を、現アセスメントポイントの体重と1つ前のアセスメントポイント時の体重とに基づいて算出すると説明した。しかしながら、手術1週間後、2週間後、3週間後等においても、常に現アセスメントポイントの体重と入院時の体重とを基に、体重減少率を算出するようにしてもよい。
また、本実施の形態1においては、データ取得部101における身体情報の取得回数により、現アセスメントポイントがどの時期(手術1週間後、2週間後等)であるのかを判断すると説明した。しかしながら、栄養管理者が身体情報の入力の際、現アセスメントポイントがどの時期であるかを示すアセスメントポイント情報(例えば、手術1週間後、2週間後等を示す情報や、手術からの経過日数、または日付)を合わせて書き込み、データ取得部101がこれを取得するようにしてもよい。このようにすることで、モデル決定部102は、アセスメントポイント情報に従うのみで、現アセスメントポイントのリスクアラーム基準や予測指標を決定することが可能となり、また、誤って2度入力してしまうことに伴うアセスメントポイントのズレを防止することができる。更に、栄養状態判定システム1が日付を管理し、栄養管理者が単に身体情報を入力するのみで、入力された日付を認識するようにしてもよい。このようにすることで、当該身体情報が患者のどのアセスメントポイントに該当する情報なのか判断することができるため、栄養管理者の入力が煩雑になることはない。
また、本実施の形態1においては、判定処理後に予後予測処理を行うと説明した。しかしながら、その順に限定されるものではなく、予後予測処理後に判定処理を行うようにしても、栄養管理者が何れの処理を行うか選ぶようにしてもよい。
また、本実施の形態1においては、判定結果、予測結果を単に出力すると説明した。しかしながら、蓄積された患者自身の判定結果、予測結果に基づいて、以後の栄養管理を提示するようにしてもよい。例えば、予測結果が手術1週間後において、栄養状態が「中等度不良」と判定され、手術2週間後が「不良リスク中」であると予測された場合、栄養管理者は、手術2週間後が「不良リスク小」となるよう、栄養管理を実施する。この場合、「不良リスク大」→「不良リスク小」といったものより弱いレベルの栄養管理「不良リスク中」→「不良リスク小」の栄養管理が実施される。しかしながら、手術2週間後において「中等度不良」と判定され、手術3週間後が「不良リスク中」であると予測された場合、対象の患者は再度「不良リスク中」→「不良リスク小」とする栄養管理を行っても改善は見込めないと栄養状態判定システム1が判断する。よって、このような場合、栄養状態判定システム1は「不良リスク大」→「不良リスク小」とするような高いレベルの栄養管理を実施するよう出力部14に表示する。
本実施の形態によれば、判定プロセスモデル151として、病態毎のアセスメントポイント毎にリスクアラーム基準を有しているため、みな一律ではなく、病態毎の特性や術後の経過における栄養不良の基準の変化に対応することができ、詳細且つ精度良く患者の栄養状態を判定することが可能となる。よって、栄養治療により必然的に起きうる投与栄養量の不足や体重減少を前提とした栄養管理を実施することができる。更に、予測プロセスモデル152として、病態毎のアセスメントポイント毎に予測指標を有しているため、病態毎の特性や術後の経過における栄養不良の基準の変化に対応することができ、詳細且つ精度良く患者の未来の栄養状態を予測することが可能となる。よって、早期に栄養療法の介入の必要性が明らかとなる。
実施の形態2.
以下、本発明の実施の形態2について図面を参照しつつ説明する。実施の形態2における栄養状態判定システムは、患者データベース153において、過去に栄養管理の対象となった患者のデータを含むようにし、当該データに基づいて、各プロセスモデルを修正する点が実施の形態1における栄養状態判定システム1と異なる。本実施の形態に係る栄養状態判定システムを栄養状態判定システム1Aと称し、以後説明を行う。
以下、本発明の実施の形態2について図面を参照しつつ説明する。実施の形態2における栄養状態判定システムは、患者データベース153において、過去に栄養管理の対象となった患者のデータを含むようにし、当該データに基づいて、各プロセスモデルを修正する点が実施の形態1における栄養状態判定システム1と異なる。本実施の形態に係る栄養状態判定システムを栄養状態判定システム1Aと称し、以後説明を行う。
図18は、実施の形態2に係る栄養状態判定システムの機能構成を示す機能ブロック図である。なお、図18において、図12と同一符号のものは、同一又は同等のものを示しており、重複する説明は省略する。図18に示されるように、栄養状態判定システム1Aは、栄養状態判定システム1と比較すると新たにモデル修正部201を機能として有する。
モデル修正部201は、同一の病態にある複数の患者の身体情報に基づいて、各プロセスモデルを修正する。具体的には、同一の病態にある複数の人の身体情報が示す値の平均と標準偏差とを算出し、平均と標準偏差とに基づいて、リスクアラーム基準や予測指標を修正する。なお、本実施の形態2においては、予定通り退院(クリニカルパスどおりに退院)又は栄養状態良好(例えば「軽度不良」)でアセスメントポイントを経過した患者(以後、良好患者と称する)を、平均と標準偏差とを算出する対象とする。
次に、図面を用いて、栄養状態判定システム1Aの動作の詳細を説明する。図19は、実施の形態2に係る栄養状態判定システムの動作を示すフローチャートであり、図20は、修正処理を示すフローチャートである。図21は、予定どおり退院した患者に基づく判定プロセスモデルの修正基準を示す模式図であり、図22は、予定どおり退院した患者に基づく予測プロセスモデルの修正基準を示す模式図である。なお、図19において、図13と同一符号のものは、同一又は同等のものを示しており、重複する説明は省略する。先ず、栄養状態判定システム1Aの電源が投入されると、図18に示されるように、栄養状態判定システム1Aは、修正処理を行い(S401)、次いで判定処理を行う(S101)。
次に、修正処理について詳細を説明する。先ず、図20に示されるように、モデル修正部201は、患者データベース153にデータの入力があったか否かを判断する(S501)。ここで、対象とするデータは、身体情報または良好情報である。良好情報とは、予定通り退院、又は、栄養状態良好(軽度不良等)でアセスメントポイントを経過した際に、データ出力部105、または、栄養管理者により当該患者のIDに関連付けて患者データベース153に入力される情報である。患者データベース153に対するデータの入力がない場合(S501,NO)、再度ステップS501に戻り、患者データベース153を監視する処理を続ける。身体情報が入力された場合(S501,身体情報)、ステップS101の判定処理へ移行する。なお、この場合、既にデータの入力がなされていることを栄養状態判定システム1Aは認識しているため、ステップS201の処理を行わず、ステップS202のデータ取得処理を行う。
良好情報が入力された場合(S501,良好情報)、モデル修正部201は、判定プロセスモデル151を修正できるか否かを判断する(S502)。具体的には、モデル修正部201は、良好情報に該当する患者の病態情報を取得し、病態情報に示される病態に適する判定プロセスモデル151を選択する。次に、選択した判定プロセスモデル151を修正するだけの良好患者の情報が患者データベース153に蓄積されているかを判断する。例えば、モデル修正部201は、病態が胃がんである場合、良好患者10名分のデータが患者データベース153に蓄積されていれば、判定プロセスモデル151を修正するだけの良好患者の情報が患者データベース153に蓄積されていると判断し、判定プロセスモデル151を修正できると判断する。なお、この判断基準となる良好患者の人数は2名以上であれば良く、複数人数になるほど精度が高まることは言うまでもない。即ち、同じ病態であれば、全良好患者のデータを用いるようにすることが好ましい、また、病態毎に良好患者の人数が異なっていてもよい。
判定プロセスモデル151を修正できないと判断した場合(S502,NO)、ステップS504の処理へ移行する。一方、判定プロセスモデル151を修正できると判断した場合(S502,YES)、モデル修正部201は、選択した判定プロセスモデル151を修正する(S503)。具体的には、モデル修正部201は、良好患者の各アセスメントポイントの体重減少率とアルブミン値を取得し、アセスメントポイント毎に体重減少率の平均および標準偏差、アルブミン値の平均および標準偏差を算出する。なお、体重減少率は、体重減少をマイナスの値、体重増加をプラスの値として取得されることが好ましい。算出後、図21に示されるような、判定プロセスモデル151の修正基準に従って、アセスメントポイント毎にリスクアラーム基準の体重減少率およびアルブミン値における数値範囲のそれぞれや、点数を書き換える。なお、図21に示される修正基準は、良好情報における患者の病態が胃がんである場合を示している。病態の種類によっては、図21に示される修正基準の数値範囲の計算式や、当該数値範囲に割り当てられた点数が異なっていてもよい。
次に、モデル修正部201は、予測プロセスモデル152を修正できるか否かを判断する(S504)。当該判断は、判定プロセスモデル151を修正できるか否かの判断と同様である。即ち、病態情報に示される病態に適する予測プロセスモデル152を選択し、選択した予測プロセスモデル152を修正するだけの良好患者の情報が患者データベース153に蓄積されているかで判断する。なお、この判断においての判断基準である良好患者の人数は、判定プロセスモデル151時の判断と異なる人数であってもよい。
予測プロセスモデル152を修正できないと判断した場合(S504,NO)、ステップS501の患者データベース153にデータの入力があったか否かを判断する処理へ移行する。一方、予測プロセスモデル152を修正できると判断した場合(S504,YES)、モデル修正部201は、選択した予測プロセスモデル152を修正する(S505)。具体的には、ステップS503の判定プロセスモデル修正処理と同様、モデル修正部201は、良好患者の各アセスメントポイントの体重減少率とアルブミン値を取得し、アセスメントポイント毎に体重減少率の平均および標準偏差、アルブミン値の平均および標準偏差を算出する。なお、良好患者の人数がステップS503の判定プロセスモデル修正処理と同様である場合は、ステップS503の判定プロセスモデル修正処理で算出した結果を流用してもよい。
算出後、図22に示されるような、予測プロセスモデル152の修正基準に従って、アセスメントポイント毎に、予測指標の体重減少率およびアルブミン値における数値範囲(比較結果)のそれぞれや、予測栄養状態を書き換える。なお、図22に示される修正基準は、良好情報における患者の病態が胃がんである場合を示している。判定プロセスモデル151の修正基準と同様、病態の種類によっては、図22に示される修正基準の数値範囲の計算式や、当該数値範囲に割り当てられた予測栄養状態が異なっていてもよい。予測プロセスモデル152の修正後、ステップS501の患者データベース153にデータの入力があったか否かを判断する処理へ移行する。
なお、栄養状態良好でアセスメントポイントを経過した患者を良好患者としている場合、当該アセスメントポイントのリスクアラーム基準の修正、および当該アセスメントポイントの予測指標の修正に、この良好患者の当該アセスメントポイント時の身体情報が用いられることは言うまでもない。
本実施の形態2においては、良好患者の良好情報に基づいて各プロセスモデルを修正した。しかしながら、予定通り退院できなかった、即ち、予定を超過して退院した患者や、在院日数の長期患者、胃がんモデルで言えば縫合不全などの合併症を起こした患者(以後、不良患者と称する)の情報に基づいて各プロセスモデルを修正してもよい。この場合、ステップS505の予測プロセスモデル修正処理が大きく異なる。なお、ステップS501における、患者データベース153にデータの入力があったか否かを判断する処理では、対象とするデータが、身体情報または不良情報となる。不良情報とは、予定を超過して退院、又は、栄養状態不良(重度不良や中等度不良等)でアセスメントポイントを経過した際に、データ出力部105、または、栄養管理者により当該患者のIDに関連付けて患者データベース153に入力される情報である。以下、この場合におけるステップS505の予測プロセスモデル修正処理を説明する。
図23は、予定どおり退院できなかった患者に基づく判定プロセスモデル修正基準を示す模式図である。図23に示されるように、当該修正基準は、図22に示される修正基準と比較すると、数値範囲および予測栄養状態の程度を示す情報が異なる。特に、予測栄養状態の程度を示す情報は、栄養不良の程度が悪くなるにつれ、「改善」、「変化なし」、「悪化」の順に、数値範囲に割り当てられている。
モデル修正部201は、良好患者を対象とした場合と同様、不良患者の各アセスメントポイントの体重減少率とアルブミン値を取得し、アセスメントポイント毎に体重減少率の平均および標準偏差、アルブミン値の平均および標準偏差を算出する。算出後、図22に示されるような、予測プロセスモデル修正基準に従って、アセスメントポイント毎に、予測指標の体重減少率およびアルブミン値における数値範囲(比較結果)それぞれを書き換える。
医療(治療法)は常に進化しており、治療がかわれば同じ疾患においても、栄養基準が変化する。しかしながら、本実施の形態2によれば、良好患者または不良患者の身体情報を、統計学的に処理し、各プロセスモデルを修正するため、治療法の変化や新たな投与栄養剤の使用等による栄養治療の変化に即した患者の栄養状態の判定、未来の栄養状態の予測が可能となる。
なお、実施の形態1および2においては、栄養状態判定システムが入力部13、出力部14を有していたが、これらを排除し、図24に示されるように、インターネットやイントラネット等のネットワーク2を介してパソコンや携帯電話等の端末装置3に接続されてもよい。この場合、端末装置3から身体情報の入力や、端末装置3への判定結果、予測結果の出力を行えるようにしてもよい。
本発明は、その要旨または主要な特徴から逸脱することなく、他の様々な形で実施することができる。そのため、前述の実施の形態1および2は、あらゆる点で単なる例示に過ぎず、限定的に解釈してはならない。本発明の範囲は、特許請求の範囲によって示すものであって、明細書本文には、何ら拘束されない。更に、特許請求の範囲の均等範囲に属する全ての変形、様々な改良、代替および改質は、全て本発明の範囲内のものである。
また、実施の形態1および2にて述べた各種ステップを、栄養状態判定プログラムとして、図24に示されるような、コンピュータにより読み取り可能な可搬型の記録媒体9に記憶させ、当該記録媒体9を情報処理装置等に読み込ませることにより、前述した機能を情報処理装置等に実現させることができる。記録媒体としては、例えば、光ディスク(CD−ROM、DVDディスク等)、磁気ディスク(ハードディスクドライブ等)、フラッシュメモリ、ICカード、更にネットワークを介することで伝送可能な媒体等、コンピュータで読み取りや実行が可能な全ての媒体が含まれる。
なお、特許請求の範囲に記載の取得部は、例えば前述の実施の形態1におけるデータ取得部101に対応し、決定部は、例えばモデル決定部102に対応する。判定部は、例えば状態判定部103または予後予測部104に対応する。第1修正部および第2修正部は、例えば前述の実施の形態2におけるモデル修正部201に対応する。
また、特許請求の範囲に記載の身体情報と栄養状態との関係は、例えば前述の実施の形態1におけるリスクアラーム基準または予測指標に対応し、プロセスモデルは、例えば判定プロセスモデル151または予測プロセスモデル152に対応する。身体情報と所定期間前の身体情報との比較結果と所定期間後の栄養状態との関係は、例えば予測指標に対応し、所定期間後の栄養状態の程度を示す情報は、例えば予測栄養状態に対応する。
1,1A 栄養状態判定システム、2 ネットワーク、3 端末装置、9 記録媒体、11 CPU、12 記憶部、13 入力部、14 出力部、15 HDD、101 データ取得部、102 モデル決定部、103 状態判定部、104 予後予測部、105 データ出力部、151,151A 判定プロセスモデル、152,152A 予測プロセスモデル、153 患者データベース、201 モデル修正部。
Claims (17)
- 対象者の病態を示す病態情報と前記対象者の身体情報とを取得する取得部と、
前記取得された病態情報に基づいて、病態毎に身体情報と栄養状態との関係を含むプロセスモデルから、前記対象者に適するプロセスモデルを決定する決定部と、
前記決定されたプロセスモデルと、前記取得された身体情報とに基づいて、前記対象者の栄養状態を判定する判定部と
を備える栄養状態判定システム。 - 病態毎の前記関係は、手術からの期間毎に異なり、
前記決定部は、前記決定されたプロセスモデルのうち、現在の時期に対応する前記手術からの期間に適する、身体情報と栄養状態との関係を決定し、
前記判定部は、前記決定されたプロセスモデルにおける前記決定された関係と、前記取得された身体情報とに基づいて、前記対象者の栄養状態を判定する
請求項1記載の栄養状態判定システム。 - プロセスモデルは、前記関係として、身体情報に対し複数の異なる第1数値範囲が設けられ該複数の異なる第1数値範囲のそれぞれに栄養状態の程度を示す点数が割り当てられており、
前記判定部は、前記取得された身体情報が示す数値が、前記複数の異なる第1数値範囲の何れに該当するか判断することにより前記取得された身体情報が示す数値の点数を決定し、該点数に基づいて前記対象者の栄養状態を判定する
請求項1または2記載の栄養状態判定システム。 - プロセスモデルは、前記関係として、身体情報と所定期間前の身体情報との比較結果と、所定期間後の栄養状態との関係を含み、
前記判定部は、前記取得された身体情報と前記対象者の所定期間前に取得された身体情報と、前記決定されたプロセスモデルとに基づいて、前記対象者の所定期間後の栄養状態を予測する
請求項1乃至請求項3の何れか1項に記載の栄養状態判定システム。 - プロセスモデルは、前記比較結果と前記所定期間後の栄養状態との関係として、前記比較結果としての複数の異なる第2数値範囲が設けられ該複数の異なる第2数値範囲のそれぞれに所定期間後の栄養状態の程度を示す情報が割り当てられており、
前記判定部は、前記取得された身体情報が示す数値と、前記所定期間前に取得された身体情報が示す数値とを比較し、該比較結果が前記複数の異なる第2数値範囲の何れに該当するか判断することにより前記対象者の所定期間後の栄養状態を予測する
請求項4記載の栄養状態判定システム。 - 同一の病態にある複数の人の身体情報に基づいて、前記プロセスモデルを修正する第1修正部
を更に備える請求項1乃至請求項5の何れか1項に記載の栄養状態判定システム。 - 前記第1修正部は、同一の病態にある複数の人の身体情報が示す値の平均値と標準偏差値とを算出し、前記平均値と前記標準偏差値とに基づいて、前記関係を修正する
請求項6記載の栄養状態判定システム。 - プロセスモデルは、前記関係として、身体情報に対し複数の異なる第1数値範囲が設けられ該複数の異なる第1数値範囲のそれぞれに栄養状態の程度を示す点数が割り当てられており、
前記第1修正部は、前記複数の異なる第1数値範囲を、少なくとも、前記平均値−前記標準偏差値の結果より大きく、前記平均値−1/2×前記標準偏差値の結果以下までの第3数値範囲と、前記平均値−前記標準偏差値の結果以下の第4数値範囲とを含み、前記第3数値範囲、前記第4数値範囲の順に栄養不良の度合いが高くなるように点数を割り当てる
請求項7記載の栄養状態判定システム。 - 同一の病態であった複数の人の身体情報に基づいて、前記比較結果と前記所定期間後の栄養状態との関係を修正する第2修正部
を更に備える請求項4または請求項5記載の栄養状態判定システム。 - 前記第2修正部は、同一の病態にある複数の人の身体情報が示す値の平均値と標準偏差値とを算出し、前記平均値と前記標準偏差値とに基づいて、前記比較結果と前記所定期間後の栄養状態との関係を修正する
請求項9記載の栄養状態判定システム。 - プロセスモデルは、前記比較結果と前記所定期間後の栄養状態との関係として、前記比較結果としての複数の異なる第2数値範囲が設けられ該複数の異なる第2数値範囲のそれぞれに所定期間後の栄養状態の程度を示す情報が割り当てられており、
前記同一の病態であった複数の人は予定した期間で栄養状態が良好となった人であり、
前記第2修正部は、前記複数の異なる第2数値範囲を、少なくとも、前記平均値−前記標準偏差値の結果より大きく、前記平均値−1/2×前記標準偏差値の結果以下までの第5数値範囲と、前記平均値−2×前記標準偏差値の結果より大きく、前記平均値−前記標準偏差値の結果以下までの第6数値範囲と、前記平均値−2×前記標準偏差値の結果以下の第7数値範囲とを含み、前記第5数値範囲、前記第6数値範囲、前記第7数値範囲の順に栄養不良の度合いが高くなるよう前記所定期間後の栄養状態の程度を示す情報を割り当てる
請求項9または請求項10記載の栄養状態判定システム。 - プロセスモデルは、前記比較結果と前記所定期間後の栄養状態との関係として、前記比較結果としての複数の異なる第2数値範囲が設けられ該複数の異なる第2数値範囲のそれぞれに所定期間後の栄養状態の程度を示す情報が割り当てられており、
前記同一の病態であった複数の人は予定した期間で栄養状態が良好とならなかった人であり、
前記第2修正部は、前記複数の異なる第2数値範囲を、少なくとも、前記平均値+前記標準偏差値の結果より大きい第8数値範囲と、前記平均値−1/2×前記標準偏差値の結果から前記平均値+前記標準偏差値の結果未満までの第9数値範囲と、前記平均値−1/2×前記標準偏差値の結果未満の第10数値範囲とを含み、前記第8数値範囲、前記第9数値範囲、前記第10数値範囲の順に栄養不良の度合いが高くなるよう前記所定期間後の栄養状態の程度を示す情報を割り当てる
請求項9または請求項10記載の栄養状態判定システム。 - 前記取得された身体情報が示す値は、少なくとも体重減少率とアルブミン値とを含む
請求項1乃至請求項12の何れか1項に記載の栄養状態判定システム。 - 前記複数の第1数値範囲は、体重減少率およびアルブミン値のそれぞれに設けられ、
前記判定部は、前記取得された身体情報における体重減少率およびアルブミン値が、それぞれ前記複数の第1数値範囲の何れに該当するか判断することにより前記取得された身体情報における体重減少率およびアルブミン値の点数を決定し、合算することにより前記対象者の栄養状態を判定する
請求項13に記載の栄養状態判定システム。 - プロセスモデルは、病態毎に複数の手術内容が設けられ、前記複数の手術内容のそれぞれで前記関係が異なり、
前記取得部は、前記対象者の手術内容を更に取得し、
前記決定部は、前記取得された病態情報と取得された手術内容に基づいて、前記対象者に適するプロセスモデルを決定する
請求項1乃至請求項14の何れか1項に記載の栄養状態判定システム。 - 対象者の病態を示す病態情報と前記対象者の身体情報とを取得し、
前記取得された病態情報に基づいて、病態毎に身体情報と栄養状態との関係を含むプロセスモデルから、前記対象者に適するプロセスモデルを決定し、
前記決定されたプロセスモデルと、前記取得された身体情報とに基づいて、前記対象者の栄養状態を判定する
ことを栄養状態判定システムが実行する栄養状態判定方法。 - 対象者の病態を示す病態情報と前記対象者の身体情報とを取得し、
前記取得された病態情報に基づいて、病態毎に身体情報と栄養状態との関係を含むプロセスモデルから、前記対象者に適するプロセスモデルを決定し、
前記決定されたプロセスモデルと、前記取得された身体情報とに基づいて、前記対象者の栄養状態を判定する
ことをコンピュータに実行させるための栄養状態判定プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2012216072A JP2014071587A (ja) | 2012-09-28 | 2012-09-28 | 栄養状態判定システム、栄養状態判定方法、及び栄養状態判定プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2012216072A JP2014071587A (ja) | 2012-09-28 | 2012-09-28 | 栄養状態判定システム、栄養状態判定方法、及び栄養状態判定プログラム |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2014071587A true JP2014071587A (ja) | 2014-04-21 |
Family
ID=50746746
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2012216072A Pending JP2014071587A (ja) | 2012-09-28 | 2012-09-28 | 栄養状態判定システム、栄養状態判定方法、及び栄養状態判定プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2014071587A (ja) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH1147096A (ja) * | 1997-07-30 | 1999-02-23 | Omron Corp | 健康管理システム |
JP2003242258A (ja) * | 2002-02-18 | 2003-08-29 | Nissin Healthcare Food Service Co Ltd | コントロール食提供システム |
JP2004030346A (ja) * | 2002-06-27 | 2004-01-29 | Shuji Sakata | 在宅健康維持方法、在宅健康維持システム、在宅健康維持システムとして機能させるコンピュータにおいて実行可能なコンピュータプログラム及び健康状態判断手段 |
JP2007058333A (ja) * | 2005-08-22 | 2007-03-08 | Ajinomoto Co Inc | 栄養管理システムおよびプログラム |
JP2008026950A (ja) * | 2006-07-18 | 2008-02-07 | Earnest Medicine:Kk | Nst支援システム、nst支援方法、及びnst支援プログラム |
-
2012
- 2012-09-28 JP JP2012216072A patent/JP2014071587A/ja active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH1147096A (ja) * | 1997-07-30 | 1999-02-23 | Omron Corp | 健康管理システム |
JP2003242258A (ja) * | 2002-02-18 | 2003-08-29 | Nissin Healthcare Food Service Co Ltd | コントロール食提供システム |
JP2004030346A (ja) * | 2002-06-27 | 2004-01-29 | Shuji Sakata | 在宅健康維持方法、在宅健康維持システム、在宅健康維持システムとして機能させるコンピュータにおいて実行可能なコンピュータプログラム及び健康状態判断手段 |
JP2007058333A (ja) * | 2005-08-22 | 2007-03-08 | Ajinomoto Co Inc | 栄養管理システムおよびプログラム |
JP2008026950A (ja) * | 2006-07-18 | 2008-02-07 | Earnest Medicine:Kk | Nst支援システム、nst支援方法、及びnst支援プログラム |
Non-Patent Citations (1)
Title |
---|
山中 英治: "NSTとクリニカルパスの現状と展望", 臨床外科 10, vol. 第61巻, JPN6016016788, 20 October 2006 (2006-10-20), pages 1355 - 1361, ISSN: 0003312677 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Slieker et al. | Long-term and perioperative corticosteroids in anastomotic leakage: a prospective study of 259 left-sided colorectal anastomoses | |
Wasfy et al. | Readmission rates after passage of the hospital readmissions reduction program: a pre–post analysis | |
Bliss et al. | Readmission after resections of the colon and rectum: predictors of a costly and common outcome | |
Lakin et al. | Improving communication about serious illness in primary care: a review | |
Higgins et al. | Assessing contemporary intensive care unit outcome: an updated Mortality Probability Admission Model (MPM0-III) | |
Clark et al. | Bleeding, recurrent venous thromboembolism, and mortality risks during warfarin interruption for invasive procedures | |
Anderson et al. | Clinical outcomes after intensifying antihypertensive medication regimens among older adults at hospital discharge | |
Halabi et al. | Epidural analgesia in laparoscopic colorectal surgery: a nationwide analysis of use and outcomes | |
Crawley et al. | Assessment of clinical and social characteristics that distinguish presbylaryngis from pathologic presbyphonia in elderly individuals | |
WO2016036831A1 (en) | System for generating and updating treatment guidelines and estimating effect size of treatment steps | |
US11817218B2 (en) | Physiologic severity of illness score for acute care patients | |
US20220115144A1 (en) | Monitoring predictive models | |
US11515039B2 (en) | System and method for predicting survival time | |
Carlisle et al. | Outcomes of sphincter pharyngoplasty and palatal lengthening for velopharyngeal insufficiency: a 10-year experience | |
Akhtar-Danesh et al. | Factors associated with outcomes and costs after pediatric laparoscopic cholecystectomy | |
US20160377595A1 (en) | Prediction of acute kidney injury from a post-surgical metabolic blood panel | |
Krell et al. | Profiling hospitals on bariatric surgery quality: which outcomes are most reliable? | |
Tamura et al. | Dialysis initiation and mortality among older veterans with kidney failure treated in medicare vs the department of veterans affairs | |
JP2014212977A (ja) | 月経開始予定日算出装置およびプログラム | |
Marjoua et al. | Public reporting of cost and quality information in orthopaedics | |
Attanasio et al. | Correlates of trial of labor and vaginal birth after cesarean in the United States | |
Ralston et al. | Benchmarking overuse of medical interventions for bronchiolitis | |
Van Esbroeck et al. | Quantifying surgical complexity with machine learning: looking beyond patient factors to improve surgical models | |
McCain et al. | Creation of a score to predict risk of high conscious sedation requirements in patients undergoing endoscopy | |
Hoesseini et al. | Key aspects of prognostic model development and interpretation from a clinical perspective |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20150528 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20160322 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20160510 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20170404 |