JP2017204214A - 情報処理装置及びプログラム - Google Patents

Abstract

【課題】被管理者の健康状態の不調の兆候を早期に把握させることを目的としている。【解決手段】管理者による、複数の被管理者の健康状態の管理を支援する情報処理装置であって、前記複数の被管理者の勤怠の状況を示す情報が格納された勤怠データベースと、前記複数の被管理者の健康診断の結果を示す健康診断情報が格納された健康診断データベースとを参照し、前記被管理者毎に、前記被管理者の不調の兆候を示す指標値を算出する指標値算出部と、前記指標値と、前記指標値が算出された時期を示す情報とが対応付けられて格納される不調情報データベースと、前記指標値を時系列に表示させる画面データを生成する画面データ生成部と、前記画面データを出力する出力部と、を有する。【選択図】図１４

Description

本発明は、管理者による、複数の被管理の健康状態の管理を支援する情報処理装置及びプログラムに関する。

近年では、企業や各種団体（以下、企業等と呼ぶ）では、労働災害の防止の観点等から従業員の健康状態を把握して健康管理を行うことが求められている。

これに対し、従来では、例えば、従業員の健康診断結果と、従業員の勤怠状況とから、各従業員が心身の健康異常を来す危険度を算出する健康管理システム等が知られている。このシステムでは、産業医の通信端末に従業員毎の危険度を表示させ、危険な状態にある従業員の有無を確認させる。

従来の技術では、産業医等の健康管理者が、定期的に従業員毎の健康状態を確認することで、従業員毎の健康状態を把握するものである。このため、例えば従業員の健康状態が急速に悪化した場合等には、健康管理者が従業員の健康状態の変化を把握できない可能性がある。

開示の技術は、被管理者の不調の兆候を早期に把握させることを目的としている。

開示の技術は、管理者による、複数の被管理者の健康状態の管理を支援する情報処理装置であって、前記複数の被管理者の勤怠の状況を示す情報が格納された勤怠データベースと、前記複数の被管理者の健康診断の結果を示す健康診断情報が格納された健康診断データベースとを参照し、前記被管理者毎に、前記被管理者の不調の兆候を示す指標値を算出する指標値算出部と、前記指標値と、前記指標値が算出された時期を示す情報とが対応付けられて格納される不調情報データベースと、前記指標値を時系列に表示させる画面データを生成する画面データ生成部と、前記画面データを出力する出力部と、を有する。

被管理者の不調の兆候を早期に把握させることができる。

第一の実施形態の健康管理システムのシステム構成を示す図である。 健康管理サーバのハードウェア構成の一例を示す図である。 健康診断データベースの一例を示す図である。 勤務情報データベースの一例を示す図である。 不調者判別モデルデータベースの一例を示す図である。 不調者判別モデルについて説明する図である。 不調情報データベースの一例を示す図である。 第一の実施形態の健康管理システムの有する各装置の機能を説明する図である。 第一の実施形態の健康管理サーバの全体の動作を説明するフローチャートである。 第一の実施形態の不調者判別モデル学習部の処理を説明するフローチャートである。 第一の実施形態の不調情報生成部の処理を説明するフローチャートである。 第一の実施形態の表示制御部の処理を説明するフローチャートである。 第一の実施形態のアラート情報の一例を示す図である。 第一の実施形態における不調確率を時系列で表示させた画面の例を示す図である。 第一の実施形態において、アラート情報を表示させることの効果を説明する図である。 第二の実施形態の健康管理システムの有する各装置の機能を説明する図である。 休職者データベースの一例を示す図である。 復職者データベースの一例を示す図である。 第二の実施形態の表示制御部の処理を説明するフローチャートである。 第二の実施形態の効果を説明する図である。

以下の実施形態では、被管理者毎が不調となる可能性を示す指標値を算出し、この指標値を時系列に健康管理者の端末に表示させることで、健康管理者に被管理者の不調の兆候を早期に把握させる。

（第一の実施形態）
以下に図面を参照して、第一の実施形態について説明する。図１は、第一の実施形態の健康管理システムのシステム構成を示す図である。

本実施形態の健康管理システム１００は、健康管理サーバ２００と、端末装置３００とを有する。健康管理サーバ２００と端末装置３００とは、ネットワーク等の通信網を介して接続されている。

本実施形態の健康管理システム１００は、例えば企業等の団体において、産業医等による従業員の健康管理等に用いられる。産業医とは、従業員の健康を管理する健康管理者である。企業等の従業員は、健康管理者に健康を管理される被管理者である。

本実施形態の被管理者は、企業の従業員に限定されず、何らかの団体に所属しており、健康管理者に健康を管理される立場の者であれば良い。したがって、例えば被管理者は、団体職員等であってもよいし、教員等であっても良い。

本実施形態の健康管理者は、産業医に限定されず、例えば被管理者の健康管理を司る者や部署等を含んでも良い。本実施形態の健康管理者は、被管理者の健康管理を行う立場の者であれば良い。

また、本実施形態における健康管理とは、例えば、精神的な疲労、ストレス、悩み等の軽減や緩和とそれへのサポート、精神疾患の予防と回復、疾病の予防、早期発見等により、被管理者の健康の維持、増進を目的として行なわれる管理である。

以下の実施形態の説明では、健康管理者を産業医とし、被管理者を企業の従業員として説明する。

本実施形態の健康管理サーバ２００は、健康診断データベース２１０、勤務情報データベース２２０、不調者判別モデルデータベース２３０、不調情報データベース２４０を有する。また、本実施形態の健康管理サーバ２００は、健康管理処理部２６０を有する。健康管理処理部２６０は、健康管理サーバ２００が、健康管理サーバ２００にインストールされている健康管理プログラムを実行することで実現される。

本実施形態の健康管理サーバ２００は、健康管理処理部２６０により、健康診断データベース２１０と、勤務情報データベース２２０とを参照して不調者判別モデルを生成し、不調者判別モデルデータベース２３０へ格納する。次に、健康管理サーバ２００は、不調者判別モデルに基づき、不調情報を生成して不調情報データベース２４０へ格納する。

そして、健康管理サーバ２００は、従業員毎に、不調情報を用いて被管理者毎が不調となる可能性を示す指標値を算出し、この指標値を時系列に端末装置３００に表示させる。

本実施形態の端末装置３００は、例えば産業医等により用いられるものであり、産業医による従業員の健康状態の管理に用いられる。

次に、図２を参照して本実施形態の健康管理サーバ２００のハードウェア構成について説明する。図２は、健康管理サーバのハードウェア構成の一例を示す図である。

本実施形態の健康管理サーバ２００は、一般の情報処理装置であり、それぞれバスＢで相互に接続されている入力装置２１、出力装置２２、ドライブ装置２３、補助記憶装置２４、メモリ装置２５、演算処理装置２６及びインターフェース装置２７を有する。

入力装置２１は、例えばマウスやキーボードであり、各種の情報を入力するために用いられる。出力装置２２は、例えばディスプレイ等であり、各種信号の表示（出力）に用いられる。インターフェース装置２７は、モデム，ＬＡＮカード等を含み、ネットワークに接続する為に用いられる。

健康管理プログラムは、健康管理サーバ２００を制御する各種プログラムの少なくとも一部である。健康管理プログラムは例えば記録媒体２８の配布やネットワークからのダウンロードなどによって提供される。健康管理プログラムを記録した記録媒体２８は、ＣＤ−ＲＯＭ、フレキシブルディスク、光磁気ディスク等の様に情報を光学的，電気的或いは磁気的に記録する記録媒体、ＲＯＭ、フラッシュメモリ等の様に情報を電気的に記録する半導体メモリ等、様々なタイプの記録媒体を用いることができる。

また、健康管理プログラムを記録した記録媒体２８がドライブ装置２３にセットされると、健康管理プログラムは記録媒体２８からドライブ装置２３を介して補助記憶装置２４にインストールされる。ネットワークからダウンロードされた通信プログラムは、インターフェース装置２７を介して補助記憶装置２４にインストールされる。

補助記憶装置２４は、インストールされた健康管理プログラムを格納すると共に、必要なファイル、データ等を格納する。メモリ装置２５は、コンピュータの起動時に補助記憶装置２４から健康管理プログラムを読み出して格納する。そして、演算処理装置２６はメモリ装置２５に格納された各プログラムに従って、後述するような各種処理を実現している。

本実施形態の端末装置３００は、一般のコンピュータであり、そのハードウェア構成は、端末装置３００と同様であるから、説明を省略する。尚、端末装置３００がタブレット型のコンピュータやスマートフォン等である場合には、入力装置２１及び出力装置２２を兼ねた表示操作装置を有しても良い。表示操作装置は、例えば表示機能を有するタッチパネル等により実現される。

次に、健康管理サーバ２００の有する各データベースについて説明する。本実施形態の各データベースは、例えば健康管理サーバ２００の補助記憶装置２４やメモリ装置２５等に格納される。

図３は、健康診断データベースの一例を示す図である。本実施形態の健康診断データベース２１０は、従業員毎に設けられており、従業員が健康診断を受けた際の結果が格納されている。本実施形態の健康診断データベース２１０は、情報の項目として、健診日、身長、体重、ＢＭＩ、胸囲、血圧、白血球、総コレステロール等を有する。尚、本実施形態の健康診断データベース２１０は、図３に示す項目以外にも、一般的な健康診断で行われる各種の検査結果の項目を含む。本実施形態の健康診断データベース２１０は、各項目の値が、健康診断を行った年月と対応付けられて格納されている。

本実施形態の健康診断データベース２１０では、従業員の氏名と、健康診断を行った年月とに、各項目の値が対応付けられている。以下の実施形態の説明では、従業員の氏名と健康診断を行った日時と、これらと対応付けられた各項目の値とを含む情報を健康診断情報と呼ぶ。

図３の健康診断データベース２１０では、氏名「ＡＡ ａａ」の従業員の２０１４年３月の健康診断の結果と、２０１３年３月の健康診断の結果と、２０１２年３月の健康診断の結果と、を含むことがわかる。

図４は、勤務情報データベースの一例を示す図である。本実施形態の勤務情報データベース２２０は、従業員毎に設けられ、従業員の勤怠の状況を示す勤務情報が格納されている。本実施形態の勤務情報データベース２２０は、情報の項目として、欠勤日数、遅刻早退回数、遅刻早退時間、年次休暇日数、年次事後日数等を有する。尚、本実施形態の勤務情報データベース２２０には、図４に示す項目以外にも、一般的な勤怠管理に用いられる情報の項目を含む。本実施形態の勤務情報データベース２２０は、各項目の値が、例えば勤務情報を集計する単位毎に対応付けられて格納されている。

本実施形態の勤務情報データベース２２０では、従業員の氏名と、勤務情報を集計した年月とに、各項目の値が対応付けられている。以下の実施形態の説明では、従業員の氏名と勤務情報を集計した年月と、これらと対応付けられた各項目の値とを含む情報を勤務情報と呼ぶ。

図４の勤務情報データベース２２０では、勤務情報が月単位で集計される場合を示しており、氏名「ＡＡ ａａ」の従業員の２０１４年６月の勤務情報と、２０１４年５月の勤務情報、２０１４年４月の勤務情報と、を含むことがわかる。

図５は、不調者判別モデルデータベースの一例を示す図である。本実施形態の不調者判別モデルデータベース２３０は、情報の項目として、不調者判別モデルと、学習日時とを有する。

項目「不調者判別モデル」の値は、後述する不調者判別モデルである。項目「学習日時」の値は、不調者判別モデルを学習（生成）した日付を示す。

図５に示す不調者判別モデルデータベース２３０では、２０１４年１月１０日に不調者判別モデル１０が生成され、２０１４年２月５日に不調者判別モデル２０が生成され、２０１４年３月７日に不調者判別モデル３０が生成されたことがわかる。

以下に、図６を参照して、本実施形態の不調者判別モデルについて説明する。図６は、不調者判別モデルについて説明する図である。

本実施形態の不調者判別モデルは、例えば、判別分析により得られる線形判別関数であり、図６の式（１）のように示されても良い。

判別分析とは、事前に与えられているデータが異なるグループに分かれることが明らかな場合、新しいデータが得られた際に、どちらのグループに入るのかを判別するための基準（判別関数）を得るための手法である。

本実施形態の健康管理サーバ２００は、事前に与えられているデータとして、健康診断データベース２１０に蓄積された従業員毎の健康診断情報と、勤務情報データベース２２０に蓄積された従業員毎の勤務情報とを用い、公知の手法により式（１）に示す不調者判別モデルを生成する。

本実施形態の不調者判別モデルは、勤務情報データベース２２０に含まれる項目毎に、項目の値と、項目毎に求められた係数とを乗算した値の合計と、健康診断データベース２１０に含まれる項目毎に、項目の値と、項目毎に求められた係数とを乗算した値の合計の和となる。

図６では、例えば、「ａ１」は勤務情報データベース２２０の項目「欠勤日数」の値であり、「ｋ１」は項目「欠勤日数」と対応する定数である。また、「ａ２」は勤務情報データベース２２０の項目「遅刻早退回数」の値であり、「ｋ２」は項目「遅刻早退回数」と対応する係数である。

このように、本実施形態では、勤務情報データベース２２０の各項目の値と、それぞれに対応する係数と、健康診断データベース２１０の各項目の値と、それぞれに対応する係数と、を含む不調者判別モデルを生成する。

以下の説明では、不調者判別モデルの出力として得られる値Ｐを不調スコアと呼ぶ。不調スコアは、産業医による面談対象となるか否かの判断の基準となる指標値の算出に用いられる。

また、以下の説明では、項目「欠勤日数」の値「ａ１」と係数「ｋ１」とを乗算した値Ｓ１を、項目「「欠勤日数」の項」の値と呼び、項目「遅刻早退回数」の値「ａ２」と係数「ｋ２」とを乗算した値Ｓ２を、項目「「遅刻早退回数」の項」の値と呼ぶ。また、本実施形態では、不調者判別モデルにおける各項の値を、対応する「項目名の項」の値と呼ぶ。

本実施形態では、不調スコアと、指標値と、各項目の項の値とが、後述する不調情報に含まれる。

尚、図６の例では、線形判別関数を本実施形態の不調者判別モデルとしたが、これに限定されない。本実施形態では、例えばニューラルネットワーク等のアルゴリズムを用いて不調者判別モデルを生成しても良い。ニューラルネットワークとは、脳機能に見られるいくつかの特性を計算機上のシミュレーションによって表現することを目指した数学モデルである。

図７は、不調情報データベースの一例を示す図である。本実施形態の不調情報データベース２４０は、従業員毎に設けられる。本実施形態の不調情報データベース２４０は、情報の項目として、不調スコア、不調確率、勤務情報データベース２２０に含まれる各項目の項、健康診断データベース２１０に含まれる各項目の項を有する。

項目「不調スコア」の値は、不調者判別モデルによる演算の結果として得られる値Ｐである。本実施形態では、不調スコアの値が大きいほど、健康状態に問題がある、すなわち不調である可能性が高いことを示すものとしても良い。

項目「不調確率」の値は、従業員が不調となる可能性を示す指標値である。より具体的には、項目「不調確率」は、不調スコアが同じ値の従業員における、過去に休職した従業員の割合を示す。項目「不調確率」の詳細は後述する。

また、項目「各項目の項」は、図６で説明した通りである。例えば、項目「「欠勤日数」の項」の値はＳ１、「「遅刻早退回数」の項」の値はＳ２となる。

本実施形態の不調情報データベース２４０では、従業員の氏名と、不調情報を生成した年月とに、各項目の値が対応付けられている。以下の実施形態の説明では、従業者名と、不調情報を生成した年月日と、これらと対応付けられた各項目の値とを含む情報を不調情報と呼ぶ。

次に、図８を参照して本実施形態の健康管理サーバ２００の機能について説明する。図８は、第一の実施形態の健康管理システムの有する各装置の機能を説明する図である。

本実施形態の健康管理サーバ２００は、健康管理処理部２６０、送信部２８０、受信部２７０を有する。

本実施形態の健康管理処理部２６０は、健康管理プログラムを演算処理装置２６が実行することで実現される。

本実施形態の送信部２８０は、端末装置３００を含む外部の端末へデータを送信する。受信部２７０は、端末装置３００を含む外部の端末からデータを受信する。

本実施形態の健康管理処理部２６０は、不調者判別モデル学習部２６１、不調情報生成部２６２、表示制御部２６３を有する。

不調者判別モデル学習部２６１は、受信部２７０が、端末装置３００から面談対象者の抽出処理の開始指示を受けると、健康診断データベース２１０と勤務情報データベース２２０とを参照し、不調者判別モデルを生成する。不調情報生成部２６２は、不調者判別モデルを用いて不調情報を生成する。表示制御部２６３は、生成された不調情報を用いて端末装置３００に表示させる画面の画面データを生成する。

本実施形態の不調情報生成部２６２は、不調スコア算出部２６４、項の値取得部２６５、不調確率算出部２６６、計時部２６７、アラート判定部２６８を有する。

不調スコア算出部２６４は、不調者判別モデルに基づき、不調スコアを算出する。項の値取得部２６５は、不調スコアを算出する過程で得られた、不調者判別モデルに含まれる各項の値を取得する。不調確率算出部２６６は、不調スコアと、勤務情報とに基づき、不調確率を算出する。

計時部２６７は、不調情報を生成した年月日を取得し、不調情報と対応付ける。アラート判定部２６８は、不調情報に含まれる不調確率が所定の閾値よりも大きくなったとき、アラート情報の生成要求を表示制御部２６３へ通知し、アラート情報を端末装置３００に表示させる。本実施形態の所定の閾値は、予め健康管理者により設定され、アラート判定部２６８に保持されていても良い。本実施形態の所定の閾値は、従業員に健康面における不調の兆候があるか否かを判定するための閾値であり、例えば健康管理者により、従業員に健康面における不調の兆しが見られると判断される値が設定される。

本実施形態の表示制御部２６３は、不調情報取得部２７１、アラート生成部２７２、画面データ生成部２７３を有する。

不調情報取得部２７１は、選択された従業員の不調情報を取得する。アラート生成部２７２は、取得した不調情報に含まれる不調確率が閾値より大きいとき、不調確率の変化を表示させる際に、アラート情報を生成し、画面データ生成部２７３へ渡す。また、本実施形態のアラート生成部２７２は、不調情報生成部２６２からアラート情報の生成要求を受けて、アラート情報を生成する。

画面データ生成部２７３は、不調確率を時系列に表示させる画面データを生成する。生成された画面データは、送信部２８０に渡され、端末装置３００へ送信される。

尚、本実施形態では、画面データ生成部２７３が健康管理サーバ２００に設けられるものとしたが、これに限定されない。画面データ生成部２７３は、端末装置３００に設けられていても良い。この場合、健康管理サーバ２００は、画面データ生成部２７３に対して出力する情報を端末装置３００へ出力すれば良い。

次に、端末装置３００について説明する。本実施形態の端末装置３００は、出力部３１０、送信部３２０、受信部３３０を有する。

出力部３１０は、例えば受信部３３０により、健康管理サーバ２００から受信した画面データを、ディスプレイ等に出力し、表示させる。送信部３２０は、例えば端末装置３００から、面談対象者の抽出処理の開始指示を健康管理サーバ２００へ送信する。受信部３３０は、例えば健康管理サーバ２００から、端末装置３００に表示させる画面データを受信する。

次に、本実施形態の健康管理サーバ２００の動作について説明する。図９は、第一の実施形態の健康管理サーバの全体の動作を説明するフローチャートである。

本実施形態の健康管理サーバ２００は、例えば健康診断データベース２１０と勤務情報データベース２２０の両方又はいずれか一方が更新されたとき、図９の処理を実行しても良い。また、本実施形態の健康管理サーバ２００は、所定の期間毎に図９の処理を実行しても良い。さらに、本実施形態の健康管理サーバ２００は、例えば産業医や、予め決められた管理者等により、処理の実行要求を受けて、図９の処理を実行しても良い。予め決められた管理者とは、例えば企業において人事を担当する者等である。

本実施形態の健康管理サーバ２００は、不調情報の生成指示を受け付けると、不調者判別モデル学習部２６１により、不調者判別モデルを生成する（ステップＳ９０１）。

続いて、健康管理サーバ２００は、不調情報生成部２６２により、健康診断データベース２１０と勤務情報データベース２２０とを参照し、生成した不調者判別モデルの演算を行い、不調情報を生成する（ステップＳ９０２）。

尚、本実施形態では、不調情報を生成する際に、健康診断データベース２１０と勤務情報データベース２２０とを参照するものとしたが、これに限定されない。不調情報は。例えば勤務情報データベース２２０のみを参照して生成されても良い。

続いて、健康管理サーバ２００は、生成した不調情報を不調情報データベース２４０に格納する（ステップＳ９０３）。

以下に、図９の各ステップＳの詳細について説明する。図１０は、不調者判別モデル学習部の処理を説明するフローチャートである。図１０は、図９に示すステップＳ９０１の処理の詳細を示す。

本実施形態の健康管理サーバ２００において、不調者判別モデル学習部２６１は、不調情報の生成指示を受け付けると、健康診断データベース２１０を参照し、従業員毎の健康診断情報を取得する（ステップＳ１００１）。

続いて、不調者判別モデル学習部２６１は、勤務情報データベース２２０を参照し、従業員毎の勤務情報を取得する（ステップＳ１００２）。

続いて、不調者判別モデル学習部２６１は、健康診断情報と勤務情報を用いて、不調者判別モデルを生成する（ステップＳ１００３）。続いて、不調者判別モデル学習部２６１は、生成した不調者判別モデルを、生成した日時を示す情報と対応付けて不調者判別モデルデータベース２３０へ格納する（ステップＳ１００４）。

本実施形態では、このように、不調情報の生成指示を受ける度に、最新の健康診断情報と勤務情報から新たな不調者判別モデルを生成する。したがって、本実施形態では、健康診断情報と勤務情報が蓄積される度に、不調者判別モデルが更新されていく。本実施形態では、以上のように、最新の情報を含む健康診断情報と勤務情報から不調者判別モデルを生成することを、不調者判別モデルを学習する、と表現する。

図１１は、不調情報生成部の処理を説明するフローチャートである。図１１は、図９に示すステップＳ９０２の処理の詳細を示す。

本実施形態の不調情報生成部２６２は、健康診断データベース２１０において、先頭の従業員の氏名を取得し、対応する診断情報を取得する。また、不調情報生成部２６２は、勤務情報データベース２２０から、取得した氏名と対応する勤務情報を取得する（ステップＳ１１０１）。

続いて、不調情報生成部２６２は、不調スコア算出部２６４により、ステップＳ１１０１で取得した健康診断情報及び勤務情報の各項目の値を用いて、不調者判別モデルの演算を行い、不調スコアを算出する（ステップＳ１１０２）。本実施形態では、例えば、不調者判別モデルに線形判別分析を学習アルゴリズムとして用いた場合、線形判別関数の出力が不調スコアである。また、本実施形態では、不調者判別モデルにニューラルネットを用いた場合、出力層の出力信号が不調スコアである。

また、本実施形態の不調スコア算出部２６４は、不調者判別モデルデータベース２３０に格納されている最新の不調者判別モデルを用いて不調スコアを算出しても良い。また、本実施形態の不調スコア算出部２６４は、勤務情報と健康診断情報の少なくとも何れか一方を更新した時期と、同様の時期に生成された不調者判別モデルを用いても良い。例えば、不調スコア算出部２６４は、勤務情報と健康診断情報のそれぞれが２０１４年３月７日に更新されたものである場合、２０１４年３月７日に生成された不調者判別モデルを用いて不調スコアを算出しても良い。

続いて、不調情報生成部２６２は、項の値取得部２６５により、不調者判別モデルに含まれる各項と対応する項目と、項の値と、を対応付けて不調情報データベース２４０に格納する（ステップＳ１１０３）。

続いて不調情報生成部２６２は、不調確率算出部２６６により、不調情報データベース２４０を参照し、不調スコアの値が、ステップＳ１１０２で算出した不調スコアと等しい従業員の氏名を抽出する（ステップＳ１１０４）。続いて、不調確率算出部２６６は、勤務情報データベース２２０を参照し、ステップＳ１１０４で氏名を抽出した従業員のうち、過去に休職したことがある、又は休職中である従業員数を求める（ステップＳ１１０５）。

続いて、不調確率算出部２６６は、ステップＳ１１０４で氏名を抽出した従業員のうち、休職した従業員の割合を算出し、算出結果を不調確率とする（ステップＳ１１０６）。すなわち、本実施形態では、不調情報の生成対象となっている従業員と不調スコアが一致する従業員の中で、休職した従業員の割合を不調確率とする。

具体的には、例えば、ステップＳ１１０２で算出した不調スコアが２０であり、勤務情報データベース２２０から抽出した、不調スコアが２０と算出された従業員が１０人であり、そのうち休職した従業員が８人であれば、不調確率は８０％となる。

続いて、不調情報生成部２６２は、不調スコアと、各項の値と、不調確率と不調情報とし、従業員の氏名と対応付けて不調情報データベース２４０へ格納する（ステップＳ１１０７）。このとき、計時部２６７は、不調情報を生成した日付を示す情報も、不調情報と対応付けて格納する。

次に、不調情報生成部２６２は、全ての従業員について不調情報を生成したか否かを判定する（ステップＳ１１０８）。ステップＳ１１０８において、全ての従業員について不調情報を生成していない場合、不調情報生成部２６２は、次の従業員の健康診断情報と勤務情報とを取得し（ステップＳ１１０９）、ステップＳ１１０２へ戻る。

ステップＳ１１０９において、全ての従業員の不調情報を生成した場合、不調情報生成部２６２は、アラート判定部２６８により、不調確率が閾値より大きくなる従業員が存在するか否かを判定する（ステップＳ１１１０）。言い換えれば、アラート判定部２６８は、生成した各不調情報において、閾値より大きい値の不調確率を含む不調情報が存在するか否かを判定する。

ステップＳ１１１０において、該当する従業員が存在しない場合、不調情報生成部２６２は、処理を終了する。

ステップＳ１１１０において、該当する従業員が存在する場合、アラート判定部２６８は、アラート（警告）情報の生成指示を表示制御部２６３へ出力し、送信部２８０を介して端末装置３００へアラート情報を表示させ（ステップＳ１１１１）、処理を終了する。本実施形態のアラート情報は、該当する従業員の氏名と、この従業員に不調の兆しが見られることを示すメッセージとを含む。

また、本実施形態では、不調情報データベース２４０が更新されたとき、不調情報データベース２４０が更新されたことを産業医に通知する画面が端末装置３００に表示されても良い。また、アラート情報は、この通知画面に表示されても良い。

尚、図１１の説明では、従業員の氏名を、従業員を識別する情報としたが、これに限定されない。図１１の処理では、従業員を識別する情報として、従業員に付与されている社員番号等を用いても良い。

ここで、本実施形態の不調確率について説明する。本実施形態では、不調確率を、不調スコアが等しい従業員において休職した従業員の割合としている。

この背景には、近年、メンタルヘルス（精神面における健康）の不調を理由に休職する従業員が増加しており、メンタル面での健康管理を行うことが企業に求められる傾向にあるからである。本実施形態では、不調確率が高い従業員は、不調スコアの値が同じ従業員のうち、休職した従業員が多いことを示しており、すなわちこの従業員が休職する確率が高いことを示している。

本実施形態では、休職する可能性を示す不調確率の値を、従業員が不調となる可能性を示す指標値とすることで、産業医に、従業員の不調の兆候を早期に捉えさせ、メンタルヘルス不調の発生を抑制する。

本実施形態では、不調確率の値が大きくなれば、従業員が休職する確率が高くなり、従業員が不調の兆候が強く表されてることがわかる。また、本実施形態では、不調確率の値が小さくなれば、従業員が休職する確率が低くなり、従業員が不調の兆候を示していないことがわかる。したがって、本実施形態の不調確率は、言い換えれば、従業員の不調の兆候を示す指標値とも言える。

尚、本実施形態では、メンタル面の不調を早期に把握することに重きをおき、休職する可能性を示す値を不調確率としたが、不調確率とする値はこれに限定されない。不調確率は、例えば健康診断情報に含まれる他の項目に関連する値を不調確率としても良いし、勤務情報のうち、休職に関する項目以外の項目に関連する値を不調確率としても良い。

次に、本実施形態の表示制御部２６３の処理について説明する。図１２は、第一の実施形態の表示制御部の処理を説明するフローチャートである。

本実施形態の健康管理サーバ２００は、端末装置３００において、従業員の選択を受け付けると、選択された従業員の不調情報に含まれる不調確率を時系列に表示させる。

本実施形態の表示制御部２６３は、不調情報データベース２４０において、選択された従業員の不調情報を取得する（ステップＳ１２０１）。続いて表示制御部２６３は、アラート生成部２７２により、不調情報に含まれる不調確率が閾値より大きいか否かを判定する（ステップＳ１２０２）。

ステップＳ１２０２において、不調確率が閾値以下の場合、表示制御部２６３は、画面データ生成部２７３により、取得した不調情報に含まれる不調確率を時系列に表示させる画面データを生成して端末装置３００へ出力し（ステップＳ１２０３）、処理を終了する。

ステップＳ１２０２において、不調確率が閾値より大きい場合、表示制御部２６３は、アラート生成部２７２により、選択された従業員に不調の兆候が見られることを示すアラート情報を生成する（ステップＳ１２０４）。

続いて表示制御部２６３は、画面データ生成部２７３は、生成したアラート情報と、取得した不調情報に含まれる不調確率を時系列に示すグラフとを表示させる画面データを生成し、端末装置３００へ出力し（ステップＳ１２０５）、処理を終了する。

以下に、図１３乃至図１５を参照し、本実施形態の健康管理サーバ２００により、端末装置３００に表示される画面の例について説明する。

図１３は、第一の実施形態のアラート情報の一例を示す図である。図１３に示す画面１３１は、不調情報データベース２４０が更新された際に、端末装置３００に表示される画面の例を示している。

画面１３１には、不調情報データベース２４０が更新されたことを示すメッセージ１３２と、アラート情報１３３とが表示される。

アラート情報１３３では、従業員「ＡＡ ａａ」と、従業員「ＤＤ ｄｄ」の最新の不調情報において、不調確率が閾値より大きかったことがわかる。

図１４は、第一の実施形態における不調確率を時系列で表示させた画面の例を示す図である。

図１４に示す画面１４１では、不調確率の変化を示すグラフ１４２と、従業員の氏名１４３と、アラート情報１４４とが表示されている。また、図１４の例では、不調確率の閾値を５％としており、閾値を実線１４５で示している。

本実施形態では、例えば、図１３に示した画面１３１のアラート情報１３３において、従業員の氏名「ＡＡ ａａ」が選択されると、端末装置３００の表示を、画面１３１から画面１４１に遷移させても良い。

また、本実施形態では、端末装置３００において、従業員の一覧が表示された画面等から、氏名が「ＡＡ ａａ」の従業員が選択されたとき、端末装置３００の表示を、従業員の一覧を表示させる画面を画面１４１に遷移させても良い。

画面１４１によれば、氏名「ＡＡ ａａ」の従業員は、７月頃から徐々に不調確率が上昇していき、９月に不調確率が閾値を超えたことがわかる。この場合、産業医は、例えば、この従業員の不調確率が自然に閾値未満となる可能性が低いことが推測できる。

本実施形態では、このように、不調確率を時系列で示すことで、従業員の健康状態の変化を推測しやすくすることができる。

尚、図１４では、不調確率の変化を折れ線グラフで示しているが、不調確率の変化の表現の仕方は、これに限定されない。例えば、不調確率の変化は、棒グラフ等で表現されても良い。本実施形態では、不調確率が算出された時期と、時期毎の不調確率とが対応付けられて、同一の画面に表示されていれば良い。つまり、本実施形態では、不調確率が時系列に表示されていれば良い。

図１５は、第一の実施形態において、アラート情報を表示させることの効果を説明する図である。図１５では、特に、不調情報データベース２４０を更新した際に、アラート情報を表示させた場合の効果について説明する。不調情報データベース２４０を更新したときとは、最新の不調情報を生成したときである。

図１５（Ａ）は、アラート情報を表示させない場合を示しており、図１５（Ｂ）は、アラート情報を表示させた場合を示している。

図１５（Ａ）の例では、４月の段階で不調確率が閾値を超えており、不調の兆候が見られるが、産業医に不調の兆候を把握されず、次の健康診断等を迎える前に、休職に至っている。

このような場合に、本実施形態を適用すると、４月にこの従業員の不調情報データベース２４０が更新された際に、アラート情報が端末装置３００に表示される。したがって、この時点で、産業医は、従業員の不調の兆候を把握し、健康状態を改善させるための指導等を行うことができる。

その結果、この従業員の不調確率は、図１５（Ｂ）に示すように、不調の兆候が見られた１ヶ月後の５月には、不調確率が下がり始め、閾値未満まで低下していることがわかる。つまり、この従業員は、不調確率が閾値を超えた直後から、産業医による指導により、健康状態が改善し、不調な状態から回復したことがわかる。

本実施形態では、以上のように、従業員の不調確率の変化を時系列で表示させることで、産業医に対して従業員の健康状態の変化を視覚的に把握させることができる。したがって、本実施形態によれば、従業員の健康状態の不調の兆候を早期に把握させることができる。

また、本実施形態によれば、最新の不調情報が生成された際に、不調の兆候が見られた従業員が存在することを産業医に通知することで、従業員の健康状態の不調の兆候を早期に把握させることができる。

（第二の実施形態）
以下に、図面を参照して第二の実施形態について説明する。第二の実施形態は、勤務情報に従業員の休職履歴と復職履歴を示す情報を含む点が第一の実施形態と相違する。よって、以下の第二の実施形態の説明では、第一の実施形態との相違点についてのみ説明し、第一の実施形態と同様の機能構成を有するものには、第一の実施形態の説明で用いた符号と同様の符号を付与し、その説明を省略する。

通常、企業等の健康管理では、休職した従業員が復職した場合、復職した従業員に対し、１ヶ月に１度程度の産業医による面談を行い、状況の把握・必要に応じた対処等が行われる。

本実施形態では、復職した従業員のうち、通常の頻度による面談や対処では不十分と思われる従業員がいることに着目し、該当する従業員については、不調の兆候が見られると判定する基準となる閾値を低く設定する。

本実施形態では、このように閾値を設定することで、復職した従業員の不調の兆候を早期に産業医に把握させ、メンタルヘルス等の不調の再発を抑制する。

図１６は、第二の実施形態の健康管理システムの有する各装置の機能を説明する図である。

本実施形態の健康管理システム１００Ａは、健康管理サーバ２００Ａと、端末装置３００とを有する。

本実施形態の健康管理サーバ２００Ａは、健康診断データベース２１０、勤怠データベース２２０Ａ、不調者判別モデルデータベース２３０、不調情報データベース２４０と、健康管理処理部２６０Ａを有する。

本実施形態の勤怠データベース２２０Ａは、勤務情報データベース２２０と、休職者データベース２５０と、復職者データベース２５５とを有する。

休職者データベース２５０には、休職した従業員に関する情報が格納される。復職者データベース２５５には、復職した従業員に関する情報が格納される。休職者データベース２５０と復職者データベース２５５の詳細は後述する。

本実施形態の健康管理処理部２６０Ａは、不調情報生成部２６２Ａと、表示制御部２６３Ａとを有する。

本実施形態の不調情報生成部２６２Ａは、第一の実施形態の不調情報生成部２６２の有する各部に加え、閾値設定部２６９を有する。

閾値設定部２６９は、不調確率の閾値の設定を行う。具体的には、閾値設定部２６９は、例えば端末装置３００において入力された不調確率の閾値を、アラート判定部２６８に保持させる。

本実施形態の表示制御部２６３Ａは、第一の実施形態の表示制御部２６３の有する各部に加え、復職者判定部２７４を有する。

復職者判定部２７４は、不調情報が取得された従業員が休職から復職した従業員であるか否かを判定する。

次に、図１７を参照して休職者データベース２５０について説明する。図１７は、休職者データベースの一例を示す図である。

本実施形態の休職者データベース２５０は、情報の項目として、氏名、ＩＤ、休職者フラグ、休職開始日、休職情報、過去の休職日数を有する。休職者データベース２５０において、項目「氏名」と、その他の項目とが対応付けられており、項目「氏名」の値と、その他の項目の値とを含む情報を休職者情報と呼ぶ。

項目「ＩＤ」の値は、従業員の識別子を示す。項目「休職者フラグ」の値は、対応する従業員が休職したか否かを示す。具体的には、項目「休職者フラグ」の値が１のとき、対応する従業員は休職中であることを示し、項目「休職者フラグ」の値が０のとき、対応する従業員は現在休職中ではないことを示す。

項目「休職開始日」の値は、休職を開始した日付を示す。項目「休職情報」の値は、休職に関連する情報を示す。休職に関連する情報とは、例えば休職理由等を示す。項目「過去の休職日数」の値は、過去に休職していた日数を示す。

図１７の例では、氏名「ＢＢ ｂｂ」の従業員は、２０１６年１月３１日から「鬱症状」により休職しており、過去の休職日数は１００日であることがわかる。また、図１７の例では、氏名「ＣＣ ｃｃ」の従業員は、過去の休職日数が「８０」であり、休職者フラグの値は「０」であるため、過去に休職したことがある従業員であることがわかる。

次に、図１８を参照して、復職者データベース２５５について説明する。図１８は、復職者データベースの一例を示す図である。

本実施形態の復職者データベース２５５は、情報の項目として、氏名、ＩＤ、復職者フラグ、休職期間、復職情報、過去の休職回数有する。復職者データベース２５５において、項目「氏名」と、その他の項目とが対応付けられており、項目「氏名」の値と、その他の項目の値とを含む情報を復職者情報と呼ぶ。

項目「復職者フラグ」の値は、対応する従業員が復職後間もない状態であるか否かを示す。具体的には、項目「復職者フラグ」の値が１のとき、対応する従業員は、復職して６ヶ月以内の従業員であることを示し、項目「復職者フラグ」の値が０のとき、対応する従業員は復職後間もない状態ではないことを示す。つまり、項目「復職者フラグ」の値が１の従業員は、注意して健康状態の管理を行う必要がある従業員であることを示す。

項目「休職期間」の値は、休職していた期間を示す。項目「復職情報」の値は、復職に関連する情報を示す。復職に関連する情報とは、例えば復職可能と判定した産業医の情報や、復職した時期等を示す。項目「過去の休職回数」の値は、過去に休職した回数を示す。

図１８の例では、氏名「ＣＣ ｃｃ」の従業員は、復職者フラグの値が「１」であり、過去の休職回数の値が１であるため、休職から復職した後、６ヶ月が経過していない復職後間もない状態であることがわかる。

また、氏名「ＨＨ ｈｈ」の従業員は、復職者フラグの値が「０」であり、過去の休職回数の値が１であるため、休職から復職した後に６ヶ月が経過しており、復職後間もない状態ではないことがわかる。

次に、本実施形態の表示制御部２６３Ａの処理について説明する。図１９は、第二の実施形態の表示制御部の処理を説明するフローチャートである。

本実施形態の表示制御部２６３Ａは、不調情報データベース２４０において、選択された従業員の不調情報を取得する（ステップＳ１９０１）。続いて表示制御部２６３Ａは、復職者判定部２７４により、復職者データベース２５５を参照し、不調情報を取得した従業員が、復職後間もない状態であるか否かを判定する（ステップＳ１９０２）。具体的には、復職者判定部２７４は、不調情報を取得した従業員の復職者情報に含まれる復職者フラグの値が１であるか否かを判定している。

ステップＳ１９０２において、該当する従業員が復職後間もない状態でない場合、表示制御部２６３Ａは、後述するステップＳ１９０４へ進む。

ステップＳ１９０２において、該当する従業員が復職後間もない状態であった場合、表示制御部２６３Ａは、閾値設定部２６９により設定された、復職者用の閾値をアラート生成部２７２に設定し（ステップＳ１９０３）、ステップＳ１９０４へ進む。

図１９のステップＳ１９０４からステップＳ１９０７の処理は、ステップＳ１２０２からステップＳ１２０５までの処理と同様であるから、説明を省略する。

以上のように、本実施形態では、復職後間もない状態である従業員については、不調の兆候があるか否かを判定するための閾値を小さくすることで、復職後間もない状態ではない一般的な従業員よりも不調の兆候を見つけやすくする。

以下に、図２０を参照し、本実施形態の効果について説明する。図２０は、第二の実施形態の効果を説明する図である。

図２０では、休職者が復職して間もない状態で、再び不調となり、休職となる場合の不調確率を時系列に示している。

図２０の例では、７月に休職した従業員が、翌年の９月に復職した場合を示している。この例では、従業員が復職して４ヶ月後の１２月に、不調確率が急激に上昇して閾値を超え、翌年の３月に再び休職となっている。

本実施形態では、このような場合では、復職した９月から半年間は、例えば閾値を通常時の５％から３％へ下げて、従業員の不調の兆候を早期に産業医に把握させることができる。

図２０の例に本実施形態を適用すれば、復職した９月から次に休職する１２月までの間に、不調確率が急激に上昇した１２月の段階で、産業医に従業員の不調の兆候を把握させることができる。したがって、本実施形態を適用した場合には、その後の不調確率の上昇を抑制して改善に向かわせるように指導することができ、再び休職するという事態の回避を図ることができる。

したがって、本実施形態では、復職して間もない状態の従業員について、通常の頻度による面談や対処では不十分と思われる従業員をいち早く見つけることができ、不調の再発の抑制を図ることができる。

尚、本実施形態の閾値設定部２６９は、復職用の閾値を設定するものとしたが、これに限定されない。閾値設定部２６９には、例えば時期に応じた閾値を設定しても良い。具体的には、例えば４月から新年度が始まり、５月頃に体調を崩す従業員が多い場合等には、５月における閾値を通常の閾値よりも小さい値としても良い。

また、復職した従業員に対しては、例えば復職から１ヶ月以内の閾値、復職から３ヶ月以内の閾値、といった具合に、段階的に閾値が設定されていても良い。

また、本実施形態の閾値設定部２６９は、従業員毎に閾値を設定しても良い。例えば、復職後間もない状態でなくても、不調を頻繁に訴える従業員や、注意深く経過を観察したい従業員等に対しては、閾値を小さい値に設定しても良い。

以上、各実施形態に基づき本発明の説明を行ってきたが、上記実施形態に示した要件に本発明が限定されるものではない。これらの点に関しては、本発明の主旨をそこなわない範囲で変更することができ、その応用形態に応じて適切に定めることができる。

１００、１００Ａ 健康管理システム
２００、２００Ａ 健康管理サーバ
２１０ 健康診断データベース
２２０ 勤務情報データベース
２２０Ａ 勤怠データベース
２３０ 不調者判別モデルデータベース
２４０ 不調情報データベース
２５０ 休職者データベース
２５５ 復職者データベース
２６０ 健康管理処理部
２６２、２６２Ａ 不調情報生成部
２６３，２６３Ａ 表示制御部
２６４ 不調スコア算出部
２６５ 項の値算出部
２６６ 不調確率算出部
２６７ 計時部
２６８ アラート判定部
２６９ 閾値設定部
２７１ 不調情報取得部
２７２ アラート判定部
２７３ 画面データ生成部
３００ 端末装置

特開２００４−２２２１４１号公報

Claims (7)

1. 管理者による、複数の被管理者の健康状態の管理を支援する情報処理装置であって、
   前記複数の被管理者の勤怠の状況を示す情報が格納された勤怠データベースと、前記複数の被管理者の健康診断の結果を示す健康診断情報が格納された健康診断データベースとを参照し、前記被管理者毎に、前記被管理者の不調の兆候を示す指標値を算出する指標値算出部と、
   前記指標値と、前記指標値が算出された時期を示す情報とが対応付けられて格納される不調情報データベースと、
   前記指標値を時系列に表示させる画面データを生成する画面データ生成部と、
   前記画面データを出力する出力部と、を有する情報処理装置。
2. 前記指標値が、所定の閾値を超えたとき、前記被管理者に不調の兆候が見られることを示すアラート情報を生成して出力するアラート生成部を有する請求項１記載の情報処理装置。
3. 前記画面データ生成部は、
   時系列の前記指標値と、前記アラート情報を含む画面データを生成する請求項２記載の情報処理装置。
4. 前記勤怠データベースは、
   前記複数の被管理者毎の休職の履歴が格納された休職者データベースと、前記複数の被管理者毎の復職の履歴が格納された復職者データベースと、を含む請求項２又は３記載の情報処理装置。
5. 前記所定の閾値を設定する閾値設定部を有し、
   前記閾値設定部は、
   前記被管理者毎に前記所定の閾値を設定する請求項２乃至４の何れか一項に記載の情報処理装置。
6. 前記閾値設定部は、
   前記時期に応じた前記所定の閾値を設定する請求項５記載の情報処理装置。
7. 複数の被管理者の勤怠の状況を示す情報が格納された勤怠データベースと、前記複数の被管理者の健康診断の結果を示す健康診断情報が格納された健康診断データベースとを参照し、前記被管理者毎に、前記被管理者の不調の兆候を示す指標値を算出する処理と、
   前記指標値と、前記指標値が算出された時期を示す情報とを対応付けて不調情報データベースに格納する処理と、
   前記指標値を時系列に表示させる画面データを生成する処理と、
   前記画面データを出力する処理と、をコンピュータに実行させるプログラム。
   
   

Images