JP2017215909A - 情報処理装置及びプログラム - Google Patents

Abstract

【課題】決められた条件による特定の被管理者の抽出の精度を定量的に評価することを目的とするものである。【解決手段】複数の被管理者から特定の被管理者を抽出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勤務情報と、前記勤務情報から不調の兆候を示す被管理者を抽出するための抽出条件と、が格納された記憶装置を参照し、特定の被管理者を抽出する抽出条件適用部と、前記勤務情報に基づき不調とされる被管理者を抽出し、前記不調とされる被管理者の数と、前記特定の被管理者の数と、前記勤務情報に基づき不調とされなかった被管理者の数と、前記特定の被管理者以外の被管理者の数と、を用いて、前記抽出条件の感度と特異度とを算出する抽出条件評価部と、前記感度と前記特異度とを表示させる画面データを端末装置へ出力する画面データ生成部と、を有する。【選択図】図１５

Description

本発明は、複数の被管理者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。

従来から、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、近年では、従業員の勤務状況から生成された支援情報が決められた条件を満たすとき、勤務状況に異常が見られる旨をメンタルヘルスを管理する管理者の端末へ通知する技術等が知られている。

上述した従来の技術では、システムにおいて決められた条件により、勤務状況に異常が見られるとされた従業員が、実際にメンタルヘルス上の不調を抱えていたか否かを把握することが困難である。このため、従来では、システムにおいて決められた条件により、どの程度の精度で実際にメンタルヘルス上の不調を抱えた従業員を抽出できるのか、定量的に評価することが困難であった。

開示の技術は、決められた条件による特定の被管理者の抽出の精度を定量的に評価することを目的としている。

開示の技術は、複数の被管理者から特定の被管理者を抽出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勤務情報と、前記勤務情報から不調の兆候を示す被管理者を抽出するための抽出条件と、が格納された記憶装置を参照し、特定の被管理者を抽出する抽出条件適用部と、前記勤務情報に基づき不調とされる被管理者を抽出し、前記不調とされる被管理者の数と、前記特定の被管理者の数と、前記勤務情報に基づき不調とされなかった被管理者の数と、前記特定の被管理者以外の被管理者の数と、を用いて、前記抽出条件の感度と特異度とを算出する抽出条件評価部と、前記感度と前記特異度とを表示させる画面データを端末装置へ出力する画面データ生成部と、を有する。

決められた条件による特定の被管理者の抽出の精度を定量的に評価できる。

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。 抽出条件データベースの一例を示す図である。 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。 不調情報を生成する処理を説明するフローチャートである。 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。 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。 表示制御部の処理を説明するフローチャートである。 抽出条件の登録画面の例を示す図である。 抽出条件の評価結果が表示された画面の例を示す第一の図である。 抽出条件の評価結果が表示された画面の例を示す第二の図である。 評価結果の詳細が表示された画面の例を示す図である。

以下の実施形態では、健康管理者により予め決められた条件の感度及び特異度と、機械学習の感度及び特異度と、を比較し、健康管理者が決めた条件による不調者の抽出の精度を定量的に評価する。

以下に図面を参照して、実施形態について説明する。図１は、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、被管理者の健康の保持、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、抽出条件データベース２５０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。不調情報は、従業員が将来休職する確率を示す指標値を含む。

抽出条件データベース２５０は、産業医等により予め決められた抽出条件が格納される。本実施形態の抽出条件とは、産業医が、将来休職する可能性が高いと判断した勤務状況を示すものである。言い換えれば、抽出条件は、不調の兆候を表す勤務状態を示すものであり、勤務情報から不調の兆候を示す被管理者を抽出するための条件である。よって、勤務状況が抽出条件を満たす従業員は、産業医により、将来休職する可能性が高いと判断されたことになる。

本実施形態の健康管理サーバ２００は、抽出条件データベース２５０を参照し、産業医により将来休職する可能性が高いと判断された従業員の氏名を抽出する。

また、本実施形態の健康管理サーバ２００は、健康管理サーバ２００の処理により生成された不調情報に基づき、将来休職する可能性が高いと判定された従業員の氏名を抽出する。つまり、健康管理サーバ２００は、予め感度と特異度が決められた機械学習によって、将来休職する可能性が高いと判定された従業員の氏名を抽出する。

以下の説明では、将来休職する可能性が高いと見なされる従業員を不調者と呼ぶ。言い換えれば、本実施形態の不調者は、メンタルヘルス上の不調の兆候を示す被管理者である。

そして、本実施形態の健康管理サーバ２００は、抽出条件による抽出結果と、不調情報による抽出結果とから、抽出条件を適応した場合の感度と特異度を算出し、抽出条件による不調者の抽出の精度を示す評価結果として出力する。

したがって、本実施形態によれば、決められた抽出条件による不調者の抽出の精度を定量的に評価できる。

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、抽出条件の登録や、抽出条件の評価結果の表示等に用いられる。

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、休職フラグ等を有する。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３月の勤務情報と、２０１４年２月の勤務情報、２０１４年１月の勤務情報と、２０１３年１２月の勤務情報と、を含むことがわかる。また、図４の勤務情報データベース２２０では、氏名「ＡＡ ａａ」の従業員は、２０１４年１月と２０１３年１２月は休職していることがわかる。

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）した日時を示す。

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月に不調者判別モデル１０が生成され、２０１４年２月に不調者判別モデル２０が生成され、２０１４年３月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、従業員が休職する確率を示す指標値の算出に用いられる。言い換えれば、不調スコアは、従業員が不調者であるか否かを判定するための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、従業員が休職する確率を示す指標値である。言い換えれば、項目「不調確率」の値は、従業員が不調者であるか否か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。

項目「不調フラグ」の値は、対応する従業員が休職したか否かを示す。例えば、項目「休職フラグ」の値が「０」の場合、該当する期間は休職していないことを示し、項目「休職フラグ」の値が「１」の場合、該当する期間を休職していたことを示す。

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。

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。

図８は、抽出条件データベースの一例を示す図である。本実施形態の抽出条件データベース２５０は、情報の項目として、条件ＩＤと、抽出条件と、を有する。抽出条件データベース２５０では、条件ＩＤと抽出条件とが対応付けられている。

項目「条件」の値は、対応する抽出条件を識別するための識別子である。項目「抽出条件」の値は、産業医等により登録された抽出条件を示す。

図８では、条件ＩＤ「１」と対応する抽出条件が「４日以上連続して欠勤している」であり、条件ＩＤ「２」と対応する抽出条件が「１ヶ月の間にＮ日以上の欠勤がある」であることがわかる。

尚、従業員の健康管理を複数の産業医により行う場合等には、抽出条件データベース２５０は、産業医毎に設けられていても良い。また、本実施形態の抽出条件データベース２５０は、例えば事業所の人事を取り扱う部署等により設定されても良い。

次に、図９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９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、受信部２７０、送信部２８０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。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。

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２９０、抽出条件登録部２９５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、不調者の抽出指示を受けると、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２９０は、抽出条件データベース２５０に格納された抽出条件に基づき抽出された従業員の氏名と、抽出条件の評価結果とを端末装置３００に表示させる。また、表示制御部２９０は、抽出条件に基づき抽出された従業員の氏名及び抽出条件の評価結果と共に、不調情報に基づき抽出された不調者と判定された従業員の氏名を端末装置３００に表示させる。

また、表示制御部２９０は、端末装置３００に抽出条件の登録画面を表示させ、端末装置３００において入力された抽出条件を抽出条件データベース２５０に格納する。

以下に、不調情報生成部２６２と、表示制御部２９０について、さらに説明する。始めに、不調情報生成部２６２について説明する。

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。

次に、表示制御部２９０について説明する。本実施形態の表示制御部２９０は、抽出条件適用部２９１、不調者抽出部２９２、抽出条件評価部２９３、画面データ生成部２９４、抽出条件登録部２９５を有する。

抽出条件適用部２９１は、勤務情報データベース２２０から従業員毎に勤務情報を取得し、取得した勤務情報と抽出条件データベース２５０に格納された抽出条件と照合し、勤務情報が抽出条件を満たす従業員の氏名を抽出する。

言い換えれば、抽出条件適用部２９１は、勤務情報データベース２２０を参照し、勤務情報が示す勤務状況が、産業医が設定した抽出条件と合致する従業員の氏名を抽出する。抽出条件適用部２９１により抽出される従業員の氏名は、産業医が設定した抽出条件により不調者と判断された従業員の氏名であり、産業医により不調者として抽出されたこと等価である。尚、本実施形態の抽出条件適用部２９１は、勤務情報データベース２２０を参照し、抽出された従業員の勤務情報に含まれる不調確率を取得し、不調者の氏名と対応付けて保持していても良い。

不調者抽出部２９２は、不調情報データベース２４０を参照し、不調確率が所定の閾値以上である従業員の氏名と、対応する不調確率とを抽出する。本実施形態では、不調確率が所定の閾値以上である従業員を不調者と見なす。本実施形態では、例えば不調確率の値が７０以上である従業員を不調者とみなしても良い。

言い換えれば、不調者抽出部２９２は、健康管理処理部２６０により算出された不調確率に基づき不調者と判定された従業員の氏名を抽出する。不調者抽出部２９２により抽出される従業員の氏名は、健康管理処理部２６０の処理により、不調者と判定された従業員の氏名である。

抽出条件評価部２９３は、抽出条件の評価結果として、抽出条件の感度と特異度を算出する。

以下に、本実施形態の感度と特異度について説明する。

本実施形態の感度は、抽出条件に該当し且つ実際に不調となった不調者の数と、実際に不調となった不調者の数の合計に対する、抽出条件に該当し且つ実際に不調となった不調者の数の割合を示す。実際に不調となった不調者とは、例えば勤務情報に休職した履歴が含まれる従業員である。

したがって、本実施形態では、感度が高い程、抽出条件により抽出された不調者が、実際に不調となる可能性が高くなる。言い換えれば、本実施形態では、感度の値が大きい程、抽出条件により抽出された不調者が休職する可能性が高くなる。

したがって、本実施形態では、感度の値が大きい程、抽出条件により抽出される不調者と、実際の不調者との一致度が高くなり、抽出条件による抽出の精度が高くなると言える。

次に、特異度について説明する。以下の説明では、不調者として抽出されなかった従業員、又は抽出条件に該当しなかった従業員を非不調者と呼ぶ。

本実施形態の特異度は、抽出条件に該当せず且つ実際に不調となっていない非不調者の数と、抽出条件に該当しない非不調者の数の合計に対する、抽出条件に該当せず且つ実際に不調となっていない非不調者の数の割合を示す。

したがって、本実施形態では、特異度が高い程、抽出条件に該当せずに非不調者とされた従業員は、実際に不調となっていない可能性が高くなる。言い換えれば、本実施形態では、特異度の値が大きい程、抽出条件を満たさない従業員が休職する可能性が低くなる。

したがって、本実施形態では、特異度の値が大きい程、抽出条件に該当せずに非不調者とされた従業員が、実際に不調となっていない従業員と一致する可能性が高くなり、抽出条件による抽出の精度が高くなると言える。感度と特異度の算出の方法の詳細は後述する。

画面データ生成部２９４は、端末装置３００に表示する画面のデータを生成し、送信部２８０へ出力する。画面データ生成部２９４により生成される画面のデータには、少なくとも、抽出条件により抽出された従業員の氏名と、感度と特異度の値とを含む。

尚、本実施形態では、画面データ生成部２９４は、端末装置３００に表示させる画面のデータを生成するものとしたが、これに限定されない。健康管理処理部２６０は、画面データ生成部２９４の代わりに、表示用データ出力部を有していても良い。表示用データ出力部は、端末装置３００に表示される画面に含ませる情報を、送信部２８０を介して端末装置３００に出力しても良い。

抽出条件登録部２９５は、端末装置３００に、抽出条件の登録画面を表示させ、抽出条件の入力を受け付けて抽出条件データベース２５０に格納する。

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、不調者の抽出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処理部２６０の動作について説明する。始めに、健康管理処理部２６０による不調情報の生成の処理について説明する。図１０は、不調情報を生成する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、不調情報の生成指示を受けて、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Ｓ１００１）。

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Ｓ１００２）。

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へ格納する（ステップＳ１００３）。

本実施形態では、例えば端末装置３００において、後述する不調者の抽出指示を受け付けたとき、健康管理処理部２６０が不調情報の生成指示を受け付けても良い。また、本実施形態では、例えば勤務情報データベース２２０が更新されたり、健康診断データベース２１０が更新されたとき、その更新を不調情報の生成指示とし、不調情報を生成しても良い。

次に、図１０の各ステップＳの詳細について説明する。図１１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１１は、図１０に示すステップＳ１００１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Ｓ１１０１）。

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Ｓ１１０２）。

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Ｓ１１０３）。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Ｓ１１０４）。

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。

尚、図１１では、不調者判別モデルは、不調情報の生成指示を受けて生成されるものとしたが、これに限定されない。本実施形態の不調者判別モデル学習部２６１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の何れか一方が更新された場合に、不調者判別モデルを生成しても良い。

図１２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１２は、図１０に示すステップＳ１００２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Ｓ１２０１）。

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Ｓ１２０１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Ｓ１２０２）。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月に更新されたものである場合、２０１４年３月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Ｓ１２０３）。

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Ｓ１２０２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Ｓ１２０４）。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Ｓ１２０４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Ｓ１２０５）。

続いて、不調確率算出部２６６は、ステップＳ１２０４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Ｓ１２０６）。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Ｓ１２０２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Ｓ１２０７）。このとき、不調情報生成部２６２は、不調情報を生成した日時を示す情報も、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Ｓ１２０８）。ステップＳ１２０８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Ｓ１２０９）、ステップＳ１２０２へ戻る。

ステップＳ１２０９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、処理を終了する。

尚、図１２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１２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、従業員が将来休職する確率を示す指標値とし、この指標値（不調確率）の値が所定の閾値以上である従業員を不調者とすることで、メンタル面に表面化しにくい問題を抱えている従業員を容易に特定できる。

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２９０の処理について説明する。図１３は、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２９０は、抽出条件適用部２９１により、端末装置３００から、抽出条件による不調者の抽出指示を受け付けたか否かを判定する（ステップＳ１３０１）。具体的には、抽出条件適用部２９１は、端末装置３００において、産業医等により、不調者の表示指示がなされると、不調者の抽出指示を受け付けたものとする。

ステップＳ１３０１において、抽出指示を受け付けない場合、表示制御部２９０、抽出指示を受け付けるまで待機する。

ステップＳ１３０１において、抽出指示を受け付けると、抽出条件適用部２９１は、勤務情報データベース２２０において、先頭の従業員の勤務情報を取得し、抽出条件データベース２５０と照合する（ステップＳ１３０２）。

続いて、抽出条件適用部２９１は、取得した勤務情報が抽出条件を満たすか否かを判定する（ステップＳ１３０３）。

尚、本実施形態では、例えば、取得した勤務情報が、抽出条件データベース２５０に格納された全ての抽出条件を満たす場合にのみ、抽出条件を満たすと判定しても良い。また、本実施形態では、取得した勤務情報が、抽出条件データベース２５０に格納された抽出条件のうち、何れか１つでも満たしていれば、抽出条件を満たすと判定しても良い。さらに、本実施形態では、取得した勤務情報が、抽出条件データベース２５０に格納された抽出条件のうち所定の個数の抽出条件を満たす場合に、抽出条件を満たすと判定しても良い。勤務情報が抽出条件を満たすと判定する基準は、例えば抽出条件を登録した産業医毎に予め決められて、健康管理サーバ２００に設定されていても良い。

ステップＳ１３０１において、勤務情報が抽出条件を満たさない場合、抽出条件適用部２９１は、勤務情報データベース２２０から、次の従業員の勤務情報を取得し、ステップＳ１３０３へ戻る（ステップＳ１３０４）。

ステップＳ１３０３において、取得した勤務情報が抽出条件を満たす場合、抽出条件適用部２９１は、この勤務情報に含まれる従業員の氏名を抽出する（ステップＳ１３０５）。

続いて、抽出条件適用部２９１は、全ての従業員について、抽出条件との照合を行ったか否かを判定する（ステップＳ１３０６）。ステップＳ１３０６において、全ての従業員について、照合を行っていない場合、抽出条件適用部２９１は、ステップＳ１３０４へ戻る。

ステップＳ１３０６において、全ての従業員について照合を行った場合、表示制御部２９０は、不調者抽出部２９２により、不調情報データベース２４０において、不調確率が所定の閾値以上の従業員の氏名を抽出する（ステップＳ１３０７）。

尚、本実施形態では、ステップＳ１３０７において、図１０に示す不調情報の生成を行い、不調情報の生成を行った後に、不調者抽出部２９２により、不調確率が所定の閾値以上の従業員の氏名を抽出しても良い。また、本実施形態ではステップＳ１３０７において、予め生成されて不調情報データベース２４０に格納された不調情報から、不調確率が所定の閾値以上の従業員の氏名を抽出しても良い。

続いて、表示制御部２９０は、抽出条件評価部２９３により、抽出条件の評価結果を算出する（ステップＳ１３０８）。具体的には、抽出条件評価部２９３は、抽出条件により抽出された従業員数と、実際に不調となった従業員数から、抽出条件の有用性を評価する感度と特異度とを算出する。感度と特異度の具体的な算出の仕方は後述する。

続いて、表示制御部２９０は、画面データ生成部２９４により、端末装置３００に対し、端末装置３００に表示させるデータを出力し（ステップＳ１３０９）、処理を終了する。

尚、ステップＳ１３０９で画面データ生成部２９４が出力するデータは、端末装置３００に表示させる画面の画面データでも良いし、端末装置３００の画面に表示させる情報を含むデータであっても良い。

次に、図１４乃至図１７を参照し、本実施形態の端末装置３００に表示される画面について説明する。

始めに、表示制御部２９０の抽出条件登録部２９５により、端末装置３００に表示される抽出条件の登録画面について説明する。図１４は、抽出条件の登録画面の例を示す図である。

図１４に示す登録画面１４１は、端末装置３００に表示された登録画面の例である。登録画面１４１は、例えば端末装置３００において、抽出条件の登録要求がなされると、端末装置３００に表示される。

登録画面１４１は、例えば、登録欄１４２、１４３、１４４を有する。登録欄１４２は、抽出条件となる１ヶ月間の欠勤日数を登録するためのものである。図１４の例では、１ヶ月間の欠勤日数が５日以上であることが抽出条件として登録される。また、登録画面１４１では、登録欄１４２内のプルダウンボタン１４２ａを操作することで、抽出条件となる１ヶ月間の欠勤日数を、６日以上（５日より大きい）とすることもできる。

登録欄１４３は、抽出条件となる１ヶ月間の遅刻の回数を登録するためのものである。図１４の例では、１ヶ月間の遅刻の回数が４回以上であることが抽出条件として登録される。また、登録画面１４１では、登録欄１４３内のプルダウンボタン１４３ａを操作することで、抽出条件となる１ヶ月間の遅刻の回数を、５回以上（４回より多い）とすることもできる。

登録欄１４４は、抽出条件となる長時間残業の残業時間を登録するためのものである。図１４の例では、登録欄１４４内のプルダウンボタンが操作され、長時間残業とする残業時間を３０時間以上とするか、３１時間以上（３０時間より多い）とするか、等を選択する選択肢１４５が表示されている。

例えば、選択肢１４５から「＞」が選択された場合、抽出条件において、残業時間が３０時間より多い場合を長時間残業とすることになる。

尚、図１４は、プルダウンボタンの操作が可能な例としたが、これに限定されない。例えば、登録画面１４１では、欠勤の日数を５日から６日に変更したり、長時間残業とされる残業時間を３０時間から４０時間に変更したりすることもできる。

本実施形態の抽出条件登録部２９５は、登録画面１４１において入力された抽出条件を抽出条件データベース２５０に格納する。

次に、図１５、１６を参照し、抽出条件の評価結果が表示された画面について説明する。図１５は、抽出条件の評価結果が表示された画面の例を示す第一の図である。

本実施形態の画面データ生成部２９４は、抽出条件により抽出された不調者と、抽出条件の評価結果として算出された感度と特異度とを端末装置３００に表示させる。

図１５に示す画面１５１は、抽出条件により抽出された不調者表示欄１５２と、評価結果欄１５３と、不調確率に基づき抽出された不調者表示欄１５４と、評価詳細表示ボタン１５５を有する。

不調者表示欄１５２には、抽出条件により不調者として抽出された従業員の氏名と、従業員の不調確率とが対応付けられた一覧が表示されている。

不調者表示欄１５２では、例えば不調確率の値が大きい順に、従業員の氏名を表示させても良いし、あいうえお順に従業員の氏名を表示させても良い。不調者表示欄１５２における従業員の氏名の一覧の表示順は、抽出条件を登録した産業医によって設定されても良い。

評価結果欄１５３は、感度表示欄１５３−１と特異度表示欄１５３−２とを含む。不調者表示欄１５４には、不調確率が所定の閾値以上の従業員の氏名の一覧が表示される。不調者表示欄１５４に表示される従業員の氏名は、不調確率の値が大きい順に表示されても良い。

本実施形態では、画面１５１において、評価詳細表示ボタン１５５が操作されると、画面１５１が、評価結果の詳細を表示させる評価詳細画面に遷移する。評価詳細画面の詳細は後述する。

また、画面１５１の不調者表示欄１５２には、従業員の氏名と対応付けられた不調確率が表示されるものとしたが、これに限定されない。不調者表示欄１５２は、抽出条件により不調者として抽出された従業員の氏名が表示されていれば良く、不調確率は表示されていなくても良い。

また、本実施形態では、従業員の氏名の代わりに、従業員を識別する情報が表示されていても良い。従業員を識別する情報とは、例えば個々の従業員に割り当てられている従業員ＩＤ等である。

図１６は、抽出条件の評価結果が表示された画面の例を示す第二の図である。図６に示す画面１６１は、不調者表示欄１６２、評価結果欄１５３、評価詳細表示ボタン１５５を有する。

画面１６１の不調者表示欄１６２は、抽出条件により不調者として抽出された従業員の氏名が表示される表示欄１６２−１と、不調確率が所定の閾値以上であった従業員の氏名が表示される表示欄１６２−２と、を有する。

表示欄１６２−１における従業員の氏名の表示順は、図１５の不調者表示欄１５２と同様である。また、表示欄１６２−２における従業員の氏名の表示順は、図１５の不調者表示欄１５４と同様である。

以上のように、本実施形態では、抽出条件の感度と特異度とを産業医等が使用する端末装置３００に表示させることで、産業医に対して、抽出条件の定量的な評価結果を把握させることができる。

また、本実施形態では、抽出条件により不調者として抽出された従業員の氏名と、不調確率に基づき抽出された従業員の氏名とを同一の画面に表示させている。本実施形態では、これにより、抽出条件による抽出結果と、不調確率による抽出結果との一致度を産業医に把握させることができる。

尚、図１５及び図１６では、抽出条件による抽出結果と、不調確率による抽出結果とを同一の画面に表示させるものとしたが、これに限定されない。抽出条件による抽出結果と、不調確率による抽出結果とは、同一の画面に表示されなくても良く、両者が比較できるように表示されれば良い。

尚、図１５及び図１６に示す画面は一例である。本実施形態では、少なくとも抽出条件の評価結果が端末装置３００に表示されれば良い。

次に、図１７を参照して、評価詳細画面について説明する。図１７は、評価結果の詳細が表示された画面の例を示す図である。

図１７（Ａ）は、画面１５１や画面１６１において、評価詳細表示ボタン１５５が操作されると、表示される評価詳細画面の一例を示す。図１７（Ｂ）は、感度と特異度を算出する計算式を表示する画面の一例を示す。

図１７（Ａ）の評価詳細画面１７１Ａは、内訳表示欄１７２Ａ、評価結果欄１７３Ａ、メッセージ表示欄１７４Ａ、計算式表示ボタン１７５を有する。

図１７の例では、従業員を３０人とし、抽出条件の該当者として抽出された従業員の人数が１０人、抽出条件に該当せずに非不調者とされた従業員の人数が２０人、実際の不調者として抽出された従業員の人数が１１人、実際の非不調者とされた従業員の人数が１９人とした場合を示している。

この場合、内訳表示欄１７２Ａでは、抽出条件に該当する不調者として抽出され且つ実際に不調となった不調者の人数が、表示欄１７２ａに表示される。図１７（Ａ）では、表示欄１７２ａに表示される人数は、１０人である。

また、内訳表示欄１７２Ａでは、抽出条件に該当する不調者として抽出され且つ実際には不調となっていない従業員の人数が、表示欄１７２ｂに表示される。図１７（Ａ）では、表示欄１７２ｂに表示される人数は、０人である。

また、内訳表示欄１７２Ａでは、抽出条件に該当せず且つ実際に不調となった従業員の人数が、表示欄１７２ｃに表示される。図１７（Ａ）では、表示欄１７２ｃに表示される人数は、１人である。

また、内訳表示欄１７２Ａでは、抽出条件に該当せず且つ実際には不調となっていない従業員の人数が、表示欄１７２ｄに表示される。図１７（Ａ）では、表示欄１７２ｄに表示される人数は、１９人である。

評価結果欄１７３Ａには、内訳表示欄１７２Ａに表示された結果から算出された感度と特異度とが表示される。

メッセージ表示欄１７４Ａには、評価結果に対するメッセージが表示される。

図１７（Ａ）の例では、感度が９０．９％であり、特異度が１００である。したがって、このとき設定されている抽出条件は、十分な精度で実際の不調者を抽出できる条件であることがわかる。したがって、メッセージ表示欄１７４Ａには、「現在の抽出条件は適切です。」というメッセージが表示される。

尚、メッセージ表示欄１７４Ａは、例えば画面１５１、画面１６１に表示されても良い。また、本実施形態では、例えば感度と特異度の何れか一方又は両方が所定の値以下であった場合に、抽出条件の見直しを促すメッセージを表示させても良い。

本実施形態では、例えば感度と特異度の範囲と、メッセージ表示欄１７４Ａに表示させるメッセージとが対応付けられたテーブルが、健康管理サーバ２００に格納されていても良い。画面データ生成部２９４は、抽出条件評価部２９３により感度と特異度とが算出された後に、このテーブルを参照し、対応するメッセージを取得して、画面データに含めても良い。

評価詳細画面１７１Ａにおいて、計算式表示ボタン１７５が操作されると、端末装置３００の表示は、評価詳細画面１７１Ａから、図１７（Ｂ）に示す計算式表示画面１７１Ｂに遷移する。

計算式表示画面１７１Ｂには、内訳表示欄１７２Ｂと、評価結果欄１７３Ｂが表示されている。

内訳表示欄１７２Ｂでは、表示欄１７２ａには値「ａ」が表示され、表示欄１７２ｂには値「ｂ」が表示され、表示欄１７２ｃには値「ｃ」が表示され、表示欄１７２ｄには値「ｄ」が表示される。

また、評価結果欄１７３Ｂには、感度の計算式として「ａ／（ａ＋ｃ）」が表示され、特異度の計算式として「ｄ／（ｂ＋ｄ）」が表示される。

したがって、本実施形態では、計算式表示画面１７１Ｂを表示させることで、感度と特異度が、抽出条件による抽出結果と不調確率による抽出結果とをどのように用いて算出されたものかを、産業医に把握させることができる。

尚、本実施形態では、抽出条件は、不調者を抽出するための条件として説明したが、これに限定されない。例えば、抽出条件は、健康状態が良好な従業員を抽出するための条件であっても良いし、勤務情報において特定の項目に関連する抽出条件であっても良い。本実施形態の抽出条件は、従業員から、特定の勤怠状況を示す従業員を抽出するための条件であれば良い。

また、本実施形態では、不調情報に基づく従業員の抽出について、不調確率が高い従業員から順に、不調者として抽出するものとしたが、これに限定されない。例えば不調確率が低い従業員を、健康状態が良好な従業員として抽出しても良い。また、例えば、不調情報に含まれる特定の項目の値に基づき、特定の項目に関連する従業員を抽出しても良い。

本実施形態では、抽出条件による抽出結果と、不調情報に基づく抽出結果と、から、抽出条件の感度と特異度を算出することができれば、どのような抽出条件が設定されていても良い。

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 健康管理システム
２００ 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
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 抽出条件データベース
２６０健康管理処理部
２６１ 不調者判別モデル学習部
２６２ 不調情報生成部
２６４ 不調者スコア算出部
２６５ 項の値取得部
２６６ 不調確率算出部
２９０ 表示制御分
２９１ 抽出条件適用部
２９２ 不調者抽出部
２９３ 抽出条件評価部
２９４ 画面データ生成部
２９５ 抽出条件登録部
３００ 端末装置

特開２０１１−２１００１８号公報

Claims (8)

1. 複数の被管理者から特定の被管理者を抽出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勤務情報と、前記勤務情報から不調の兆候を示す被管理者を抽出するための抽出条件と、が格納された記憶装置を参照し、特定の被管理者を抽出する抽出条件適用部と、
   前記勤務情報に基づき不調とされる被管理者を抽出し、前記不調とされる被管理者の数と、前記特定の被管理者の数と、前記勤務情報に基づき不調とされなかった被管理者の数と、前記特定の被管理者以外の被管理者の数と、を用いて、前記抽出条件の感度と特異度とを算出する抽出条件評価部と、
   前記感度と前記特異度とを表示させる画面データを端末装置へ出力する画面データ生成部と、を有する情報処理装置。
2. 前記記憶装置には、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ており、
   前記健康診断情報と、前記勤務情報と、を参照し、前記被管理者毎に、前記被管理者を面談対象者とするか否かの判断の基準となる指標値を算出する指標値算出部を有し、
   前記画面データ生成部は、
   前記指標値が所定値以上となる被管理者を、前記感度と前記特異度と共に表示させる画面データを端末装置へ出力する、請求項１記載の情報処理装置。
3. 前記特定の被管理者は、メンタルヘルス上の不調の兆候を示す被管理者である請求項２記載の情報処理装置。
4. 前記抽出条件は、前記複数の被管理者を管理する管理者により登録され、前記記憶装置に格納される、請求項２又は３記載の情報処理装置。
5. 前記指標値は、前記被管理者が休職する確率を示す、請求項２ないし４の何れか一項に記載の情報処理装置。
6. 前記画面データ生成部は、
   前記感度と前記特異度と共に、前記抽出条件適用部により抽出された被管理者を識別する情報と、前記指標値が所定値以上となる被管理者を識別する情報と、を表示させる請求項２ないし５の何れか一項に記載の情報処理装置。
7. 前記画面データ生成部は、
   前記感度と前記特異度が所定の閾値以下であるとき、前記抽出条件の見直しを促すメッセージを前記端末装置に出力する請求項１ないし６の何れか一項に記載の情報処理装置。
8. 複数の被管理者の勤怠の状況を示す勤務情報と、前記勤務情報から不調の兆候を示す被管理者を抽出するための抽出条件と、が格納された記憶装置を参照し、特定の被管理者を抽出する抽出条件適用処理と、
   前記勤務情報に基づき不調とされる被管理者を抽出し、前記不調とされる被管理者の数と、前記特定の被管理者の数と、前記勤務情報に基づき不調とされなかった被管理者の数と、前記特定の被管理者以外の被管理者の数と、を用いて、前記抽出条件の感度と特異度とを算出する抽出条件評価処理と、
   前記感度と前記特異度とを表示させる画面データを端末装置へ出力する画面データ生成処理と、をコンピュータに実行させるプログラム。

Images