JP2019522500A - 排尿の予測およびモニタリング - Google Patents

排尿の予測およびモニタリング Download PDF

Info

Publication number
JP2019522500A
JP2019522500A JP2018554491A JP2018554491A JP2019522500A JP 2019522500 A JP2019522500 A JP 2019522500A JP 2018554491 A JP2018554491 A JP 2018554491A JP 2018554491 A JP2018554491 A JP 2018554491A JP 2019522500 A JP2019522500 A JP 2019522500A
Authority
JP
Japan
Prior art keywords
urination
data
user
model
unique identifier
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
JP2018554491A
Other languages
English (en)
Other versions
JP7000342B2 (ja
Inventor
ズィグロウィクズ，スティーブン
ベーカー，ティム
コブル，ジョン
フランコ，イスラエル
Original Assignee
ゴーゴー バンド，インコーポレイテッド
ゴーゴー バンド，インコーポレイテッド
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 ゴーゴー バンド，インコーポレイテッド, ゴーゴー バンド，インコーポレイテッド filed Critical ゴーゴー バンド，インコーポレイテッド
Publication of JP2019522500A publication Critical patent/JP2019522500A/ja
Application granted granted Critical
Publication of JP7000342B2 publication Critical patent/JP7000342B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/20—Measuring for diagnostic purposes; Identification of persons for measuring urological functions restricted to the evaluation of the urinary system
    • 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
    • G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition
    • G06V30/22—Character recognition characterised by the type of writing
    • G06V30/226—Character recognition characterised by the type of writing of cursive writing
    • G06V30/2264—Character recognition characterised by the type of writing of cursive writing using word shape
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/20—Movements or behaviour, e.g. gesture recognition
    • 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
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
    • G16H10/65—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records stored on portable record carriers, e.g. on smartcards, RFID tags or CD
    • 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
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/63—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for local operation

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Pathology (AREA)
  • Data Mining & Analysis (AREA)
  • Human Computer Interaction (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Databases & Information Systems (AREA)
  • General Business, Economics & Management (AREA)
  • Business, Economics & Management (AREA)
  • Surgery (AREA)
  • Molecular Biology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Biophysics (AREA)
  • Urology & Nephrology (AREA)
  • Physiology (AREA)
  • Psychiatry (AREA)
  • Social Psychology (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Medical Treatment And Welfare Office Work (AREA)
  • Computational Linguistics (AREA)
  • Computing Systems (AREA)

Abstract

使用者の排尿事象を予測し検出するためのシステムが開示される。システムは、データを収集し、共有し、処理し、解釈し、さらに使用者および介護者に刺激を与えるために、任意の数のウェアラブルデバイス、モバイルデバイス、ハブ、コンピューティングデバイス、およびサーバを含むことができる。使用者に関連する生物測定的データおよび／または環境データを収集し、排尿モデルに適用して、予測排尿時間を判定することができる。使用者または介護者は、予測排尿時間に関する情報を伝える直接的または環境的刺激を与えることができる。進行中の生物測定的および／または環境データの収集を用いて、差し迫った排尿事象を識別し、刺激を伴うその警告を提供することができる。実際の排尿事象の随意および不随意のフィードバック、ならびに継続的な生物測定的および／または環境データの収集を利用して、個人および集団排尿モデルを訓練することができる。【選択図】図１

Description

関連出願の相互参照
[0001]本願は、２０１６年７月２２日に出願され、「ＵＲＩＮＡＴＩＯＮ ＰＲＥＤＩＣＴＩＯＮ ＡＮＤ ＭＯＮＴＯＲＩＮＧ」と題する米国仮出願第６２／３６５，７１４号の利益を主張し、また、２０１６年４月１２日に出願され、「ＢＥＤＷＥＴＴＩＮＧ ＴＲＡＩＮＩＮＧ ＤＥＶＩＣＥ ＡＮＤ ＭＥＴＨＯＤ」と題する米国仮出願第６２／３２１，６９０号の利益を主張するものである。これらの両方は、参照によりその全体が本明細書に組み込まれる。
[0002]本開示は概して、生理学的事象の予測に関し、より詳細には、遺尿症を患っている個人におけるような排尿の予測に関する。
[0003]多くの個人が、何らかの形の遺尿症または不随意排尿に苛まれている。特に小児の遺尿症が一般的であり、夜尿症や日中の不随意排尿などがある。小児期の遺尿症は、世界で２億人を超える子供が苛まれる最も顕著な慢性的な小児の健康状態の１つである。遺尿症は、苛まれている個人に身体および心理上の健康問題を提示することがある。
[0004]遺尿症の現在の治療には、薬物治療または遺尿症アラームの使用が含まれる。薬物治療は、尿／膀胱機能を一時的にブロックし、発作および心毒性を含む重篤な副作用および高い再発率と関連している。日周警報システムは、１日に亘り変化のない間隔に基づいて警報を発し、使用者に排尿するか排尿の欲求の自己チェックを促す。夜間警報システムは、水分センサに依拠して、過剰な水分の存在を検出する。これらのシステムは、一般に使用が困難で、壊れやすく、子供が扱いやすいものではない。
[0005]夜間警報システムは、一般に、扱いにくく、信頼性が低く、不快感のある検出技術に依拠している。例えば、いくつかの警報システムは、ベッドが不随意排尿によって十分に濡れたときに警報を発するために、湿度センサをベッドに組み込む。しかし、このようなシステムは、実質的な量の流体の放出を引き起こすのみで、実質的な排尿が生じた後にのみ、苛まれている個人または介護者に通知する。したがって、アラームに応答して取られるいずれかの是正措置は、排尿開始後かなりの時間が経ってからようやく行われ、したがって、個人および介護者は、不随意排尿が起こった後に応答するだけに追いやられる。
[0006]いくつかのアラームシステムは、個人の下着に取り付けられた大型センサに依拠し、有線または無線接続によってデータを中継する。大型センサは、使用者に対して不快感を与えることがあり、睡眠中に脱着または誤って取り除かれ、排尿源から離れた場所に配置する必要がある場合がある。有線接続により、使用者が眠れなくなる場合があり、絡まる潜在的な危険が生じる可能性がある。無線接続を使用する既存のセンサは、大型のバッテリと回路が夜間続くことが必要となる。
[0007]介護者および遺尿症を患う個人に、遺尿症と戦うための改善された器具を提供する必要がある。
[0008]本明細書は、以下の添付の図面を参照するものであり、異なる図面における同様の参照番号の使用は、同様または類似の構成要素を示すことを意図している。
本開示の特定の態様による排尿検出および予測的エコシステムを示す概略図である。 本開示の特定の態様によるハブの概略図である。 本開示の特定の態様によるウェアラブルデバイスの概略図である。 本開示の特定の態様による排尿検出センサを示す概略図である。 本開示の特定の態様による排尿モデルを開始するプロセスを示すフローチャートである。 本開示の特定の態様による、予想排尿時間を更新するためのプロセスを示すフローチャートである。 本開示の特定の態様による排尿モデルを更新するプロセスを示すフローチャートである。 本開示の特定の態様による、ベースライン排尿モデルを生成し、使用者排尿モデルを初期設定するプロセスを示すフローチャートである。
[0017]本開示の特定の態様および特徴は、小児（例えば、１８歳未満、５歳〜１８歳、または２歳〜５歳）または老人（例えば５５歳超）などの排尿事象を検出または予測するための全体的なシステムならびに方法に関する。個人に関連する生物測定的データおよび／または環境データは、排尿事象（例えば、意図的または意図的でない排尿または排尿の衝動）の発生または予想排尿時間を予測するために収集および使用することができる。尿失禁予測データは、ウェアラブルバンドなどのウェアラブルデバイス、あるいは使用者からの生物測定的データまたは使用者が居るもしくは位置し得る環境から得る環境データを収集するための任意の他の適切なデバイスから収集することができる。遠隔測定データ（例えば、生物測定的および／または環境データ）は、保存されたデータおよび／または保存されたアルゴリズムを使用して、排尿の衝動が存在するかどうかを判定したり、近い頃のいつに排尿の衝動が現れ得るかを予測したりするために処理できる。保存されたデータおよび／または保存されたアルゴリズムは、一般的な予測モデルに基づき得る。場合によっては、保存されたデータおよび／または保存されたアルゴリズムは、個々の使用者に対して、事前にまたはリアルタイムで（例えばリアルタイムで、ほぼリアルタイムで、迅速に、または合理的に可能な限り速く）カスタマイズされた、カスタマイズ予測モデルに基づいていてよい。排尿の衝動を検出するか、排尿の衝動がすぐに生じる可能性があると判断すると、アラームまたは警報の発生、使用者用デバイス、ネットワークデバイスおよび／またはクラウドデバイスへの信号または更新の提供、または他の動作の実行などの作動をすることができる。収集される遠隔測定データの例には、心拍数、体温、皮膚伝導度、運動、食物摂取量、液体摂取量、血圧、睡眠のレベルなどが含まれる。パッチセンサは、ウェアラブルな遠隔測定デバイスの有無にかかわらず、排尿検出を成すために使用することができる。パッチセンサは、水分を検出するのに適したアクティブまたはパッシブの無線識別（ＲＦＩＤ）タグとすることができる。場合によっては、パッチセンサは、水分検出回路に連結されたＢｌｕｅｔｏｏｔｈ（登録商標）低エネルギー（ＢＴＬＥ）モジュールとすることができる。パッチセンサは、近くのハブまたはコンピューティングデバイス（例えば、スマートフォン）などの近くのリーダから読み取ることができる。ＲＦＩＤベースまたはＢＴＬＥベースのパッチセンサにより、センサに非常に小さなフォームファクタを持たせることができ、複雑な回路やバッテリ電源がほぼ必要ではなくなる、または一切必要ではなくなる。そのようなパッチセンサの小型フォームファクタは、センサを理想的な場所（例えば排尿源に隣接する下着）に配置し、センサを不快感や損傷の恐れなしに着用できるようにすることができる。リーダまたはハブは、周期的にパッチセンサを読み取ることができ、またはパッチセンサからの更新を受信することができる。水分事象が検出されたときに、リーダかハブが作動を実行してもよい。リーダまたはハブによって実行可能な作動は、アラームまたは警報の送信、使用者用デバイス、ネットワークデバイスおよび／またはクラウドデバイスへの信号または更新の提供、または他の作動の実行を含むことができる。場合によっては、パッチセンサは、単回使用または複数回使用の使い捨てセンサであってもよい。場合によっては、パッチは防水性があってよい。場合によっては、パッチはバッテリ駆動（例えば、使用者交換可能または非使用者交換可能）とすることができ、十分な水分が検出されるまで低電力モードで動作することができる。
[0018]当人の排尿および膀胱機能の制御には、まず、脳からの膀胱の完全な信号を認識し、次に当人の膀胱の制御を行うことを身につけることを伴い得る。これらの機能は、行動調整プロセスを通じて身につけることができる。本開示の特定の態様および特徴は、膀胱の制御を身につける使用者の能力を改善することができる。
[0019]インテリジェントな予知アラームシステムによって提供される事前の通知は、個人または介護者に、遺尿症に対する制御の改善をもたらし、潜在的に不注意な排尿を完全に回避させる可能性がある。さらに、事前の通知は、適切な行動調整中の個人を援助することができ、それが治癒速度を速めて、再発率を低下させることができる。パッチセンサの独自のフォームファクタにより、センサがいっそう簡単に着用されるようになり、そのため患者のコンプライアンスが改善され得る。さらに、パッチセンサの小型フォームファクタにより、センサを適切な位置に配置することができ、かなり濡れるまで待機状態でいる必要なく、センサは過度の湿気のまさに最初の兆候で即座にフィードバックを提供することができる。パッチセンサにより利用可能な初期のアラームは、遺尿症に起因する損傷および恥ずかしさを減少させることができ、また個人の行動調整能力を改善することができる。治癒の速度を上げることができ、再発率を低下させることができる。
[0020]場合によっては、ウェアラブルデバイスから得る遠隔測定データ（例えば、生物測定的および／または環境データ）を、他の予測因子のためにさらに分析することができる。例えば、未来の症状または状態、例えばアナフィラキシーショック、喘息発作、片頭痛、不眠症、心臓の問題、トゥレット症候群のチック、身体の水分過剰状態、オピオイド中毒、自殺またはうつの状態、または睡眠時無呼吸に罹患している可能性を判定するために、遠隔測定データを分析することができる。
[0021]場合によっては、排尿の差し迫った欲求などの事象の予測を生成することは、機械学習アルゴリズムとヒューリスティックなルールの１つまたは組み合わせを使用することができる。ヒューリスティックなルールは、（例えば、使用者の液体摂取量、使用者の最後の排尿事象、使用者の体重などに基づいて）使用者に固有であり得る、および／または一般的であり得る（例えば、クロスユーザデータに基づく警報間での全体的な平均時間に予測が基づく）。
[0022]本明細書の様々な実施形態で使用されるように、収集されたデータは、１つ以上のセンサから収集された生データを含むことができ、またはその生データに基づいて処理されたデータを含むことができる。処理されたデータは、データ収集デバイス内のプロセッサまたは別個の処理デバイスなどの１つ以上のプロセッサを使用して、任意の適切な形態で処理または分析することができる。場合によっては、データの処理または分析は、周波数および時間領域のデータならびに他の領域のデータに変換を適用することを含むことができる。場合によっては、必要に応じてウェーブレット変換を適用してデータを処理または分析することができる。例では、心拍数データの測定は、光センサから収集された生のアナログセンサデータと、センサデータから処理され、経時的な個々のパルスを表す第１のデータセットと、センサデータまたは第１のデータセットのいずれかから処理され、経時的な平均心拍数を表す第２のデータセットと、先行するデータのいずれかから処理され、経時的な心拍変動を表す第３のデータセットとを含むことができる。
[0023]場合によっては、データ収集（例えば、生物測定的データ収集）がリアルタイムで行われてもよい。データは、（例えば、サンプルの数、期間、または振動などのドメイン事象の数に基づいて）データポイントのサブセットにわたるデータの分析を実行するように、前処理およびウィンドウにすることができる。場合によっては、本明細書に記載されているような任意のセンサまたは適切なデータ供給源から得るデータは、１、２、４、８、１６、３２、６４、１２８、２５６、５１２または他の数のサンプルを含む任意の適切なサンプルのサイズで、収集、分析、および／または別段処理することができる。
[0024]場合によっては、使用者または介護者は、コンピュータ、スマートフォン、専用コントローラまたは他のそのようなデバイスなどのコンピューティングデバイスを使用して、ウェアラブル遠隔測定デバイスまたはパッチセンサにアクセス、制御、またはさもなければ相互作用することができる。場合によっては、使用者はコンピューティングデバイスまたはウェアラブルデバイスを介してフィードバックを提供することができ、これを保存して使用して未来の予測を改善することができる。そのようなフィードバックは、排尿の衝動が感じられたとき、排尿事象が発生したとき（例えば、不慮または意図的）、予測が正しいとき、予測が間違っているとき、消費された流体の量、またはその他いずれかの適切なフィードバックを含むことができる。
[0025]本開示の特定の態様は、使用者が装着する１つ以上のウェアラブルデバイスを介して使用者の生物測定的データを収集すること、および任意選択に、ハブ、ウェアラブルデバイス、ローカルモバイルコンピューティングデバイス、または任意の他のデバイスを介して、使用者が占めているまたは使用者に近接する空間の環境データを収集することに関する。これらの収集されたデータは、経時的に収集され、１つ以上の生物学的機能が起こり得る予想時間を予測または予期するために使用される生物学的機能モデルを生成することができる。予測はオフラインまたはリアルタイムで生じる可能性がある。システムは、生物学的機能の発生（例えば、排尿の発生）および生物学的機能に関連する衝動（例えば、排尿の衝動）の両方を予測することができる。本開示は、任意の適切な生物学的機能に関して使用することができるが、本開示は、以後、排尿事象の予測など、排尿に関連する予測を示す。排尿事象は、意図的または意図しない排尿の発生であり得る。
[0026]使用者モデルは、収集されたデータ（例えば、生物測定的データまたは環境データ）に基づいて生成または更新することができる。本明細書で使用する場合、使用者モデルまたは使用者排尿モデルという用語は、使用者識別子（例えば、一意の識別子）の使用者を介してなど、使用者に関連する排尿を予測するためのモデルを意味し得る。したがって、使用者モデルにデータを適用すると、予測される排尿時間および／または排尿の機会が時間の関数としてもたらされる可能性がある。使用者モデルは、今後の使用者関連の排尿事象を予測および／または検知するために使用することができる。使用者モデルは、現在、過去および／または最近（例えば、過去数時間のデータのような十分に高い予測の重みの程度を有する過去のデータのサブセット）収集されたデータの任意の適切な組み合わせに基づいて、そのような予測を行うことができる。予測を行うために使用者モデルに適用されたデータは、過去６４、１２８、または２５６サンプルのデータ、過去１、５、１０、２０または３０秒のデータ、または事象の任意のドメインからのデータなどのデータのサブセットまたはウィンドウに適用することができる。他の数のサンプルおよび／または期間を使用することができる。予測を行うと、使用者、介護者、またはデバイス（例えば、ハブ、コンピューティングデバイス、コンピュータ、またはサーバ）などの任意の組み合わせに対して、警報および／または通知を動的にリアルタイムで提示することができる。特に、システムは、時間の経過とともに使用者の生物測定的データおよび環境データを収集するための様々な方法および技術を実施するために、収集されたデータに基づいて使用者の生理学的状態（例えば、差し迫っている排尿）をモデル化するため、使用者の生理学的状態に関連する未来の事象の投影（例えば、使用者が排尿事象を予測可能に有するであろう時間ウィンドウの特定のセット）を推定するため、例えばスマートフォン、タブレット、スマートウォッチ、または介護者に関連付けられた他のコンピューティングデバイスを介して、使用者および／または使用者の介護者（例えば、親、祖父母、またはベビーシッター）にこれらの投影を先行して提示するため、および例えば光、音、振動、温度変化またはその他の何らかの刺激を介して、直接または間接的に刺激を使用者に提示することによって、使用者に先行して影響を与えるため、協働する様々なハードウェアおよびソフトウェア要素を組み込むことができる。
[0027]システムは、使用者データおよび使用者関連環境データを記憶する外部サーバ（例えば、アプリケーションサーバ）を含むことができる。そのようなデータは、一意の使用者識別子など、使用者に割り当てられたアカウントに関連付けることができる。システムは、様々な使用者のバイオメトリクス（例えば、心拍数、運動、または本明細書で言及される他の生物測定的データ）を測定することができる様々なセンサ、およびこの生物測定的データを、使用者のアカウント（例えばアプリケーションサーバにリンクされたリモートデータベース内のもの）に、ハブ、または使用者のアカウントに関連付けられた外部コンピューティングデバイス（例えば、使用者または介護者のスマートフォンまたはタブレット）を介してアップロードする無線送信機を組み込む１つ以上のウェアラブルデバイスを含むことができる。システムはまたハブを含むことができ、それは環境条件（例えば、温度、湿度、光のレベル、および雑音のレベル）を検出する様々なセンサ、および収集された環境条件データを１つ以上の使用者のアカウントにローカルＷｉ−Ｆｉルータまたは他のネットワーク接続などを介してアップロードするための無線送信機を組み込むことができる。アプリケーションサーバは、受信した生物測定的データおよび環境状態データを、使用者に関連する現在の排尿モデルに適用して、使用者が排尿事象を有する可能性がある期間の特定の時間ウィンドウなどの、使用者の排尿モデルに対する更新の予測を判定して出力することができる。アプリケーションサーバはまた、受信した生物測定的データおよび環境状態データを経時的に保存することができ、新たな使用者関連データが収集されて受信されると、新たな排尿モデルを生成するか、経時的に使用者に固有の既存の使用者固有の排尿モデルを更新（例えば再訓練）することができる。場合によっては、ハブ、および／またはハブおよび／または使用者のアカウントにリンクされたコンピューティングデバイスで実行されるネイティブアプリケーションは、アプリケーションサーバとの接続が一時的に利用できない場合や、アプリケーションサーバが不要な場合などで、開示された方法および技術を実行することができる。
[0028]システムは、当該の集団の使用者または他の関連する使用者の集団から経時的に収集された過去のデータに基づいて、使用者の集団にとって包括的で集団が使用（例えば初期の使用または継続的な使用など）すべく入手することができる集団的な排尿モデル（例えばベースライン排尿モデル）をさらに生成することができる。場合によっては、使用者は、ベースライン排尿モデルを生成するのを補助するために、参加してデータ（例えば、収集された生物測定的および／または環境データ、随意および／または不随意のフィードバック、人口統計学的情報、または他のデータ）を提供することができる。ベースライン排尿モデルを特定の使用者に適用して、使用者に関連する未来の排尿事象を予測することができる。例えば、使用者のアカウントが最初に起動されたときなど、十分な使用者固有のデータ（例えば、生物測定または環境）がそのときに利用可能でないか、現存しない場合、ベースライン排尿モデルを使用者に適用して、システムを最初に使用する間になされる使用者の未来の排尿時間ウィンドウの大まかな予測を有効にすることができる。この例では、システムの使用の１週間後など、十分なデータセットが使用者から収集されると、システムは、収集されたデータに基づいて新たな使用者固有の排尿モデルを生成することができる。
[0029]場合によっては、特定の使用者の排尿事象の予測は、ベースライン排尿モデルおよび使用者排尿モデルなどの複数のモデルを利用することができる。転移学習は、新たな使用者または確立された使用者の排尿事象の予測を改善するために活用することができる。場合によっては、排尿事象を予測するには、１つ以上のベースライン排尿モデルや使用者の排尿モデルなどの複数のモデルを適用し、各モデルに個別の重み付けを適用することを伴う場合がある。新たな使用者の場合、ベースライン排尿モデルは、初期は高度に重み付けされていてもよいが、使用者排尿モデルは高度に重み付けされない。しかし、使用者に関連するより多くのデータが受信されると、使用者排尿モデルが訓練され、使用者排尿モデルの重み付けが増加する間にベースライン排尿モデルが大きく重み付けされなくなるように重み付け係数をシフトさせることができる。場合によっては、複数のベースライン排尿モデルが使用者の異なる亜集団に対して存在し得る場合、個々の使用者の排尿事象の予測は、使用者が属する亜集団に関連する複数の亜集団ベースライン排尿モデルを使用することを含むことができ、個人が属する程度または各亜集団内での適合性に対応する重み付けなどの異なる重み付けを各々有する。
[0030]システムの要素は、１つ以上のコンピュータネットワーク、コンピュータシステム、アプリケーションサーバ、または他の適切なデバイスで実装することができる。コンピュータシステムは、１つ以上のクラウドベースのコンピュータ、１つ以上のメインフレームコンピュータシステム、１つ以上のグリッドベースのコンピュータシステム、または任意の他の適切なコンピュータシステムを含むことができる。コンピュータシステムは、ウェアラブルデバイスおよび／またはハブからのデータなど、本明細書に記載されるようなデータの収集、収集されたデータの処理、使用者のアカウントにリンクされた、または使用者のアカウントに関連付けられた１つ以上のデバイスへの警報、通知、刺激、および／またはユーザインターフェース更新の送信をサポートすることができる。例えば、コンピュータシステムは、使用者の生物測定的データを受信し、セルラネットワークまたはインターネット接続を介してなど、分散ネットワークを介して、警報および通知を配信することができる。この例では、コンピュータシステムは、使用者または介護者のコンピューティングデバイス（例えば、スマートフォン、タブレット、コンピュータ、または他の適切なデバイス）で実行されるネイティブ使用者モニタリングアプリケーションに警報および通知を送信することができる。本明細書で使用する場合、警報および通知は、ステータスの更新、コマンド、情報、または任意の適切な信号を含むことができる。
[0031]場合によっては、システムに関連付けられた（例えば、使用者のアカウントに関連付けられた）１つ以上のコンピューティングデバイス−ラップトップコンピュータ、デスクトップコンピュータ、タブレット、スマートフォン、パーソナルデータアシスタント（ＰＤＡ）、または他の適切なデバイスなど−は、使用者のアカウントに関連する情報を維持することができ、アカウントに関連付けられる使用者固有の生理学的モデルを作成し維持することができ、またモニタリングアプリケーションを実行して警報および通知を生成、受信、および／または表示し、および／または生理学的状態変化予測を更新して、使用者または介護者に提示することができる。
[0032]一例では、システムは、使用者の睡眠期間中に、使用者の生物測定的データ（例えば、心拍数、運動、睡眠の質など）および使用者の近くの環境条件を追跡することができる。システムは、使用者に関連する収集された生物測定的データおよび／または環境データに基づいて使用者に割り当てられた、または使用者のために特別に生成された排尿モデルを動的にリアルタイムで処理して、使用者が寝ている間排尿する可能性のある予測時間を推定および／または修正することができる。場合によっては、システムは、推定および修正された使用者の排尿予測時間に従って、使用者または介護者のコンピューティングデバイスに加えられる視覚インターフェースを動的にリアルタイムで更新することができる。場合によっては、システムは、予測される排尿事象の直前に、使用者または介護者のいる環境において光を増加させることによって（例えば、ランプのスイッチを入れるか輝度を上げることによって、または自動ブラインドを開くことによって）、使用者または介護者のいる環境において音（例えばアラームや他の波形）を提示することによって、または使用者または介護者に振動を発すること（例えば、ウェアラブルデバイスを振動させる、椅子またはベッドを振動させる、または使用者または介護者と物理的に接触している任意の構造を振動させること）によってなどで、使用者および／または介護者に刺激を追加的にまたは交互に提示することができる。
[0033]この機能を一貫してまたは定期的に実行することによって、および本明細書に開示された排尿検出センサによる排尿検出を含むことができる、収集された生物測定的データおよび／または環境データに基づく使用者固有の排尿モデルを動的に更新することによって、システムは夜間遺尿症（小児および老人の両方の夜間の形態）の信頼性があって効果的な治療をし得る、または治癒をもたらすことさえもできる。システムを定期的に使用するのであっても、１回限り使用するのであっても、有益であり得る。
[0034]場合によっては、システムは、インターネット、アプリケーションサーバ、またはハブまたは基地局への接続が利用できないときに、使用者が携行しているか、着用しているか、近接している１つ以上のデバイスを使用してオフラインモードで動作することができる。オフラインモードでは、ウェアラブルデバイスおよびコンピューティングデバイスなどの１つ以上のデバイスは、独立して動作するか、互いに通信することができる。オフラインモードに入る前に、デバイス（例えば、ウェアラブルデバイスまたはスマートフォン）は、アプリケーションサーバなどから、現在の排尿モデルおよび／または予測排尿時間を取得および保存することができる。例えば、ウェアラブルバンドは、使用者がハブの範囲にいる間に、ハブを介して現在の排尿モデルおよび／または予測排尿時間を自動的にダウンロードする（例えば、情報を要求するか、プッシュ通知を受信することによって）ことができる。オフラインモードにあるとき、デバイスは、通知、アラーム、刺激などを提供するために、保存されたモデルまたは予測に基づいて動作することができる。場合によっては、デバイスは、（例えば、新たに収集されたデータに基づいて変更されるものとして）更新される予測排尿時間を生成するために、保存されたモデルおよび／または予測で処理できるデータを、収集し続けることができる。更新された予測排尿時間は、通知、アラーム、刺激などを提示するために使用され得る。場合によっては、たとえデバイスがオンラインモードで動作していても（例えば、アプリケーションサーバへの接続が利用可能な場合）、デバイスは、例えば少なくとも満期期間の終了まで、利用可能な更新されたモデルおよび／または予測の通知が受信されるまで、または保存されたモデルおよび／または予測時間の精度が最小閾値未満であるという判定が下されるまで、帯域幅および／または電力を保つために、保存されたモデルおよび／または予測に依存することがある。
[0035]場合によっては、刺激を受けたかどうかにかかわらず、使用者はシステムに随意のフィードバックを提供することができる。フィードバックは、ウェアラブルデバイスまたはコンピューティングデバイスなどの任意の適切なデバイスのインターフェースを使用して提供することができる。ある例では、ウェアラブルデバイスによって受信された刺激は、個人が排尿の欲求または衝動を有するか判定するために、自己チェックを行うように使用者に知らせることができる。使用者は、ウェアラブルデバイスのインターフェース（例えば、ボタン、加速度計、容量性センサ、または他のインターフェース要素）を介して、排尿の欲求または衝動が存在することを示す正のフィードバックや、そのような欲求または衝動が存在していないことを示す負のフィードバックなどのフィードバックを提供することができる。別の例では、使用者は、独立して自己チェックを行うことができ、あるいは独立して排尿の欲求または衝動を満たせ、その場合使用者はまた、フィードバックを提供することができる。別の例では、使用者は、排尿後にウェアラブルデバイスで一連のタップを実行するなどにより、排尿事象が発生したときにフィードバックを提供することができる。場合によっては、使用者に関連する随意のフィードバックは、排尿の欲求または衝動に関連する使用者に尋問した後か、排尿事象を目撃した後などに、（例えば、スマートフォンまたはタブレットを介して）介護者によってなど、第三者によって提供され得る。
[0036]場合によっては、不随意のフィードバックがシステムに提供されることがある。不随意のフィードバックは、（例えば、使用者がフィードバックを提供する目的でユーザインターフェースを意図的に操作することなく）自動的に受信することができるフィードバックや、予測された事象（例えば、予測排尿時間）の精度の確認または確認の程度を提供するいずれかのフィードバックにすることができる。不随意のフィードバックは、直接的なデータまたは推論データの形式をとっていても、それに基づいていてもよい。直接的なデータは、予測された事象の発生を直接検出するように設計されたデバイスからの任意のデータを含むことができる。例えば、直接的なデータは、使用者の下着または使用者の身体に配置された排尿検知センサからのデータを含むことができ、それは排尿事象が発生したかどうかの確認を提供することができる。推論データは、予測された事象の発生と高度に相関し得る任意のデータとすることができる。例えば、推論データは、使用者が（例えば、少なくとも所定の期間）バスルームに入っていたおよび／またはバスルームに留まっていたことを示す使用者に関連するデバイスの位置ベースのデータ、使用者が使用する可能性のある便器またはトイレから得るｐＨデータ（例えば、使用者の予測排尿時間またはその付近の時間に関連するデータのみを含むように任意選択でフィルタリングされるｐＨデータ）、使用者が使用する可能性が高いバスルームに関連する占有センサデータ（例えば、使用者の予測排尿時間またはその付近の時間に関連するデータのみを含むように任意選択でフィルタリングされる占有データ）、または予測された事象の発生と高度に相関し得る任意の他の適切なデータの任意の組み合わせを含み得る。場合によっては、バスルームにあるセンサ、その中にあるセンサ、または近くのセンサは、使用者がバスルームにいるかバスルームを使用しているという表示を提供するために、使用者に関連付けられたウェアラブルデバイスの存在を識別することができる。場合によっては、システムは、推論データの様々な供給源またはタイプに関連する相関の値を訓練するのを補助するために、随意のフィードバックを使用することができる。
[0037]フィードバックは、次の予測排尿時間または未来の予測排尿時間のセットなど、予測排尿時間に変更を加えるために使用できる。フィードバックは、使用者固有のモデル、例えばオフラインモードでウェアラブルデバイスに利用可能な保存された使用者モデル、またはアプリケーションサーバまたはハブによって維持される使用者固有モデルを更新するためにも使用できる。したがって、フィードバックは、デバイス（例えば、オフラインモードで動作するウェアラブルデバイス）によってローカルに、複数のデバイスによって（例えば、ウェアラブルデバイスとハブまたはスマートフォンとの間の通信を介して）ローカルに、またはアプリケーションサーバまたは他のクラウドベースのデバイスによって、使用することができる。フィードバック信号を生成するデバイス以外のデバイスによって使用される場合、フィードバックは、フィードバック信号、モデルまたは予測される排尿時間を変更するための命令、またはモデルまたは予測排尿時間などの任意の適切な形態で受信することができる。
[0038]場合によっては、予測排尿時間に基づいて刺激を開始することに代えて、またはそれに加えて、刺激は、使用者またはその傍らにある１つ以上のセンサから受信した現在のセンサデータに基づいて（例えば、差し迫った排尿事象を示すように）開始できる。現在のセンサデータは、差し迫った排尿事象の判定を独立して行うために使用することができ、またはモデルおよび／または予測排尿時間と組み合わせて用いて判定を行うことができる。例えば、ウェアラブルデバイスは、生物測定的データ（例えば、心拍数の変化または皮膚伝導率変化）を検出し、差し迫った排尿事象を示す刺激を提供することができる。したがって、システムは、未来の排尿事象の予測と感知の両方をするために動作することができる。
[0039]本明細書で説明される場合、モバイルデバイスなどのコンピューティングデバイスは、アプリケーションサーバと情報を通信すること、排尿モデルを計算および更新すること、追加のセンサデータを収集すること、および介護者に事象、予測された事象、および使用者が１日を通してどのように行動しているかを更新して通知することに関する、ハブと同じ機能の一部または全部を実行することができる。
[0040]この機能を一貫して実行することによって、および収集された生物測定的データおよび／または環境データならびに随意および不随意のフィードバックに基づく使用者固有の排尿モデルを動的に更新することによって、システムは昼間の遺尿症（小児と老人の両方の形態）の信頼性があって効果的な治療をし得る、または治癒をもたらすことさえもできる。システムを定期的に使用するのであっても、１回限り使用するのであっても、有益であり得る。場合によっては、システムはトイレトレーニングのような膀胱統制訓練の解決策としても機能することができる。
[0041]場合によっては、生物測定的データは、膀胱がどれほど満たされているかなどの膀胱の容量の測定値を含むことができる。しかし、場合によっては、生物測定的データは、膀胱の測定値以外の様々なタイプの生物測定的データを含むことができる。そのような場合、膀胱を直接測定する必要なく（例えば、膀胱がいっぱいであるかを測定することなく）予測を生成することができる。
[0042]場合によっては、本明細書に開示されたシステムは、使用者および／または介護者を識別するためのアカウントを利用することができる。場合によっては、アカウントシステムは、さらなるアカウントを設定し、使用者定義の設定を制御し、デバイスへのアクセスを制御し、購入を実行し、その他の機能を実行するためにアクセスをもたらす管理アカウントを含むことができる。管理アカウントは、いずれの生物測定的データや環境データに関連付けられていないものとして設定できるが、主に管理機能の実行に使用できる。場合によっては、管理アカウントは、１つ以上の使用者アカウントに関連付けられたデータおよび／またはデバイスにアクセスして操作することができる。管理アカウントは介護者に適し得る。場合によっては、管理アカウントを使用せず、管理機能を使用者アカウントで実行することもできる。
[0043]排尿予測のためにモニタリングされる使用者ごとに使用者アカウントを設定することができる。使用者アカウントは、ハブ、ウェアラブルデバイス、排尿センサ、制御可能な装置（例えば、光源）、制御可能な音源、および他のデバイスに関連付けることができる。任意の関連する構成要素から収集されたデータは、（例えば、使用者識別子を使用して）使用者に関連付けることができる。アプリケーションサーバは、データと使用者との間の関連付けを利用して、特定の使用者がデータを確実に追跡できて、確実にデータを望むように処理できる（例えば、使用者固有のモデルを生成または更新する）ようにし得る。使用者は、使用者の生涯にわたって様々な構成要素を関連付けることができる（例えば、複数のウェアラブルデバイスを使用する、またはデバイスを交換することができる）が、（例えば、デバイスが使用者に関連付けられている間に）関連付けられているデバイスが生成したデータは、使用者に関連付けられたままであってよい。特定の使用者に関連する構成要素の履歴を維持することができる。場合によっては、使用者アカウントは、管理アカウントを参照して上記の様々な管理機能を実行できる。
[0044]ある例では、２人の使用者を有する介護者（例えば、２人の子供をもつ親）は、介護者用の管理アカウントと、２つの使用者アカウント、つまり各使用者に１つずつの使用者アカウントを設定することができる。介護者は、デバイスを取得し、各デバイスをそれぞれの使用者に関連付けることができる。場合によっては、単一のデバイス（例えば、ハブ）を複数の使用者と関連付けることができる。別の例では、１人の個人がその個人の使用者アカウントと管理アカウントの両方をセットアップすることができる。さらに別の例では、１人の個人がその個人の管理者特権を有する使用者アカウントをセットアップすることができる。
[0045]場合によっては、モバイルデバイス（例えば、スマートフォンまたはタブレット）などのコンピューティングデバイスを使用して、管理アカウントまたは使用者アカウントに関連付けられた作動の一部、ほとんどまたはすべてを実行することができる。コンピューティングデバイスは、使用者がウェアラブルデバイスおよびアプリケーションサーバのようなシステムのデバイスのいずれかとインターフェースすることを可能にするアプリケーション（例えば、ウェブアプリケーションまたはネイティブアプリケーション）を実行することができる。場合によっては、アプリケーションは、予測された排尿事象、差し迫った排尿事象、実際の事象、および他のデータなど、様々な情報を使用者または介護者に提示することができる。アプリケーションは、使用者が自己チェックを実行すべきであるとき、または介護者が使用者をチェックすべきときを示すなど、様々な刺激を生成することができる。アプリケーションは、生データまたは処理されたデータの視覚化を可能にするだけでなく、デバイス固有のデータおよび／または設定にアクセスおよび／または操作できるようにすることができる。アプリケーションは、過去のデータ、現在のデータ、および投影データを保存および／または視覚化することができる。場合によっては、アプリケーションは、ある使用者のデータと、他の使用者、例えば同じ介護者群に世話をされている他の使用者から得たデータ、または他のいずれかの使用者の匿名化されたデータとを、比較することができる。さらに、アプリケーションは、使用者や介護者にフィードバック、ヒント、および／または情報を提供して、システムでより良好な結果を達成させる仮想のコーチまたはアシスタントを含めることができる。アプリケーションの様々な機能は、コンピュータや専用のデバイス（例えば、そのような機能が強化されたハブまたはウェアラブルデバイス）などの任意の適切なデバイスを介してアクセス可能なネイティブアプリケーションまたはウェブアプリケーションに、組み込むことができる。
[0046]本開示の特定の態様は、遺尿症の治療および治癒において、現行の非薬物ベースの治療よりも大幅に有効であると判断されてきた。例えば、本開示の特定の態様を使用する小児期の遺尿症の平均使用者治癒率は、現在の非薬物ベースの治療の２倍である。
[0047]これらの例示的な例は、本明細書で論じた一般的な主題を読者に紹介するために与えられており、開示している概念の範囲を限定することを意図するものではない。以下のセクションでは、図面を参照して様々な追加の特徴および例を説明しており、図面において、類似の数字は同様の要素を示し、例示的な実施形態を説明するために指導的な説明を用いているが、例示的な実施形態と同様に、本開示を限定するために使用してはない。本明細書の図面に含まれる要素は、縮尺通りに描かれていない場合がある。
[0048]図１は、本開示の特定の態様による排尿検出および予測エコシステム１００を示す概略図である。エコシステム１００は、ウェアラブルデバイス１０２、排尿検出センサ１０４、ハブ１０６、ネットワークで制御可能な装置１１６、コンピューティングデバイス１１０、アプリケーションサーバ１１２、および任意の他の適切なデバイス（例えば、個人または環境をモニタリングするための他のセンサ）などの、任意の数のネットワーク化したデバイスを含むことができる。ネットワーク化したデバイスは、直接的に互いに接続されても、ローカルエリアネットワークに接続されても、複数のローカルエリアネットワークを含む論理ネットワークに接続されても、および／またはクラウドなどのインターネットに接続されてもよい。ネットワーク化したデバイスは、本明細書に開示された様々な態様を達成するために、送信を互いに、またはクラウドサーバ（例えば、アプリケーションサーバ１１２）へ、またはクラウドサーバ（例えば、アプリケーションサーバ１１２）から行ってもよい。アプリケーションサーバ１１２は、単一のコンピューティングデバイスまたは互いに通信する複数のコンピューティングデバイス（例えば、グリッドコンピューティング環境）であってもよい。場合によっては、ローカルエリアネットワーク内のデバイスは、ゲートウェイ１１４またはルータを介して、互いにおよび／またはクラウドと通信することができる。
[0049]ある例では、ウェアラブルデバイス１０２は、ウェアラブルデバイス（例えば、リストバンド、時計、またはパッチ）などの使用者からの生物測定的データを収集するのに適したデバイスとすることができる。生物測定的データは、個人に関するデータを含むことができる。場合によっては、生物測定的データは、使用者の環境に関連するデータをさらに含むことができる。収集可能な生物測定的データの例は、心拍数、運動、周囲温度、体温、血液の酸素化、皮膚伝導度、血圧、心電図データ、脳波データ、筋電図データ、呼吸数、睡眠の質、睡眠の深さ、安静、または心拍変動データを含むことができる。場合によっては、収集可能な生物測定的データは、とりわけ、排尿事象、排尿の衝動、排尿事象の欠如、または排尿の衝動の欠如を示すウェアラブルデバイスのボタンを押すなどの使用者の入力を含むことができる。他のタイプの生物測定的データを収集することができる。場合によっては、生物測定的データは、ウェアラブルデバイス１０２に配置され、埋め込まれ、またはそうでなければ物理的に関連付けられたセンサを使用して収集することができる。場合によっては、ウェアラブルデバイス１０２または他のネットワークデバイスとの連続的、間欠的またはオンデマンドな通信をする外部センサは、エコシステム１００またはエコシステム１００の任意のデバイスが使用するための生物測定的データを収集することができる。ある例では、ウェアラブルデバイス１０２（例えば、リストバンド）、ハブ１０６を介した排尿検出センサ１０４、ハブ１０６内の光センサおよび音響センサ、ネットワーク接続されたスケール（図示せず）、およびスマートフォン（例えば、コンピューティングデバイス１１０）を介したスマートフォンに接続された血圧計（図示せず）を含む一群のデバイスから、生物測定的データを収集することができる。
[0050]本開示の様々な態様は、エコシステム１００の任意の適切なデバイスによって実行することができるが、場合によっては、データ処理の大部分は、クラウドを介してアクセス可能なアプリケーションサーバ１１２（例えば、任意の標準的なインターネット接続を介してアクセス可能）により実行することができる。様々なセンサおよびデバイスによって収集された生物測定的データは、使用者モデルに基づいて予想排尿時間を予測するための処理のために、アプリケーションサーバ１１２にアップロードすることができる。データ、予想排尿時間、および使用者モデルはすべて、生物測定的データが収集され、予想排尿時間が適用される個人を示す使用者識別子に関連付けることができる。排尿を予測するための個人の使用者モデルは、他の使用者、既存のモデル、それらの任意の組み合わせ、または他のソースからの既存の集約データを使用して最初に設定することができる。個人の使用者モデルは、最初に、使用者の入力および／または使用者に関連する収集された生物測定的データに関連して、または関係なく、設定し得る。
[0051]ある例では、使用者は、ウェアラブルデバイス１０２および排尿検出センサ１０４を付けて寝ている可能性がある。生物測定的データはウェアラブルデバイス１０２によって収集され、処理のためにアプリケーションサーバ１１２に連続的または定期的にアップロードできる。アプリケーションサーバ１１２は、アプリケーションサーバ１１２に保存された使用者のモデルに基づいて、排尿事象がいつ発生すると予想されるかを（例えば、排尿事象の可能性が最小閾値を超える時点を判定することによって）判定することができる。アプリケーションサーバ１１２は、予想排尿時間を判定すると、予想排尿時間をウェアラブルデバイス１０２および／または介護者のコンピューティングデバイス１１０に送信することができる。場合によっては、アプリケーションサーバ１１２は、予想排尿時間より前の所望の間隔（例えば、１５分、１０分、５分、２分、１分、３０秒、または任意の他の適切な期間）まで待機状態でいて、その後更新または警報を送信することができる。場合によっては、更新または警報は、雑音、振動、ディスプレイ、または他の識別可能な刺激など、ウェアラブルデバイス１０２の刺激を喚起すことができる。刺激は、切迫した排尿事象を使用者に警告することができる。場合によっては、更新または警報は、ネットワーク制御可能な電球を、所望の色または強度に作動および／または変更させる、またはネットワーク制御可能な音源１０８（例えば、スピーカ）に、音楽ファイルまたは任意の適切な音などの聴覚刺激を提供するようにするなどの機能を、ネットワーク制御可能な装置１１６（例えば、制御可能な電球）に実行させることができる。場合によっては、更新または警報により、コンピューティングデバイス１１０（例えば、介護者のコンピューティングデバイスまたは使用者のコンピューティングデバイス）が、雑音、振動、ディスプレイ、または他の識別可能な刺激などの刺激を喚起し、切迫した排尿事象を介護者または使用者に警告することができる。場合によっては、予想排尿時間を判定すると、アプリケーションサーバ１１２がウェアラブルデバイス１０２に予想排尿時間を送信する場合、ウェアラブルデバイス１０２は、現在の生物測定的データを継続してモニタリングし、現在の生物測定的データに従って予想排尿時間を動的に更新することができる。さらに、意図しない排尿事象が発生した場合、排尿検出センサ１０４は、ハブ１０６またはウェアラブルデバイス１０２などの別のネットワークデバイスによってアクセス可能な排尿発生フィードバックを提供することができる。場合によっては、ＲＦＩＤベースまたはＢＴＬＥベースの排尿検出センサ１０４はハブが読み取ることができ、ハブは、排尿発生フィードバックをアプリケーションサーバ１１２などの別のデバイスに中継することができる。アプリケーションサーバ１１２は、任意選択で収集された生物測定的データおよび／または現在の生物測定的データとともに排尿発生フィードバックを利用して、アプリケーションサーバ１１２に保存された使用者モデルを改善することができる。
[0052]使用者または介護者は、予想排尿時間の現在、未来、または過去の予測、過去の排尿事象（例えば、検出された入力および手動入力）、過去および現在の生物測定的データ、およびエコシステム１００を介したその他の情報にアクセスできてよい。そのような情報は、スマートフォン、スマートウォッチ、ラップトップコンピュータ、デスクトップコンピュータ、ウェアラブルデバイス１０２、または他のデバイスなどの任意の適切なコンピューティングデバイスを介してアクセス可能であり得る。この情報は、アプリケーションサーバ１１２からアクセスすることができ、または１つ以上のローカルデバイスによってローカルに保存することができる。場合によっては、予想排尿時間の予測は、使用者または介護者のコンピューティングデバイス１１０（例えば、スマートフォン）が利用して、コンピューティングデバイス１１０で動作する他のアプリケーションで共有したり、その中で統合したりすることができる。例えば、予想排尿時間の予測が、カレンダーアプリケーション内に自動的に埋め込まれて、遺尿症を患う個人または介護者が、未来の約束や旅行を計画するのを促すようにすることができる。予想排尿時間の予測は、アプリケーションプログラミングインターフェース（ＡＰＩ）を使用してアプリケーションサーバ１１２を介して第三者のソフトウェアを利用可能にすることもできる。
[0053]アプリケーションサーバ１１２によって実行可能な作動は、単一の外部または内部サーバ、または外部または内部サーバのクラスタまたはグループを含む、エコシステム１００の任意のデバイスによって実行されてもよいことが理解されよう。
[0054]場合によっては、ネットワーク制御可能な装置１１６は、制御可能な光源を含むことができる。ハブ１０６またはコンピューティングデバイス１１０は、任意の適切な通信プロトコル（例えば、ＷｉＦｉまたはＢＴＬＥ）を使用して光源を制御することができる。エコシステム１００の任意のデバイスから発生する警報、通知、または他の信号は、ネットワーク制御可能な装置１１６を制御するために（例えば、ハブ１０６またはコンピューティングデバイス１１０によって）使用することができる。場合によっては、ネットワーク制御可能な装置１１６は、ハブ１０６またはコンピューティングデバイス１１０を必要とせずにアプリケーションサーバ１１２と通信することができる。
[0055]ある例として、光源は、予測される排尿事象に関連する時間に環境内の周囲光を増やすように制御することができる。環境のこのような照明は、複数の目的を果たすことができ、例えば睡眠中の使用者を目覚めさせて、排尿の欲求または衝動が存在するかについての意図的な自己チェックを促すこと、目覚めた使用者に自己チェックを実行するように促すこと、介護者を目覚めさせておよび／または使用者の世話をするよう促すこと、および使用者を調べるまたは世話をするために介護者に十分な周囲光をもたらすことが挙げられる。例えば、潜在的に夜中に、差し迫っている可能性のある排尿事象と関連付けられている使用者を介護者がチェックしに来たときに、部屋が既に点灯していると、介護者が義務を果たすのを促すことができる。さらに、システムによる環境の自動照明は、信号が適切に機能していることを示すフィードバックを提供することができる。場合によっては、警報が、予測された、差し迫った、または以前に発生した排尿事象に関係するかどうかなど、追加の情報を伝達するために、光源を変調またはさらに制御（例えば、規定された光のレベルまたは色まで）することができる。
[0056]場合によっては、ネットワーク制御可能な音源１０８は、ネットワーク制御可能な装置１１６がどのように制御されるかと類似するように制御することができる。例えば、システムは、ネットワーク制御可能な音源１０８を制御して、雑音、音楽、音声、または別の音などの聴覚刺激を生成することができる。場合によっては、聴覚刺激は、事象のタイプ（例えば、予測、差し迫った、または以前に発生）に関する情報および他のいずれかの情報などの追加の情報を提供することができる。情報は、関連する音、保存された音のファイル（例えば、保存された音声）、または動的に生成された音声を通じて提供できる。
[0057]場合によっては、システムは、いずれの予測とも無関係に睡眠中の個人を目覚めさせるためのアラームとして使用することができる。このようなアラームは、ネットワーク制御可能な音源１０８または任意の適切なネットワーク制御可能な装置１１６を利用することができる。このようなアラームは、保存された時間（例えば、使用者が設定する起床時間）、保存された期間（例えば、希望する睡眠時間に関する使用者が設定するタイマ）、生物測定的データ（例えば、浅い睡眠が検知されたときにアラームを生成する）、環境データ（例えば、十分な光のレベルが検出されたときにアラームを生成する）、他のいずれかのルールまたはデータ、またはそれらの任意の組み合わせに基づくことができる。
[0058]場合によっては、アプリケーションサーバ１１２は、任意の数の物理的なサーバまたは仮想サーバ、ロードバランサ、ファイアウォール、ネットワーク構成要素（例えばスイッチ）、データストレージサーバ、および他の汎用コンピューティング機器を含むことができる。アプリケーションサーバ１１２は、使用者または介護者が自らホストしても、アプリケーションサーバ１１２を操作し、エコシステム１００に直接関連する企業がホストしても、アプリケーションサーバ１１２に関連付けられている機器を管理しているが、エコシステム１００に直接関連付けられていない第三者のソリューション（例えば、Ｇｏｏｇｌｅ Ｃｌｏｕｄ＿ＴＭまたはＭｉｃｒｏｓｏｆｔ Ａｚｕｒｅ＿ＴＭ）がホストしてもよい。
[0059]アプリケーションサーバ１１２は、データストア１１８を含むことができる。データストア１１８は、プログラム情報、保存された生物測定的データ、保存された環境データ、保存されたジェネリックモデル、保存された使用者固有のモデル、集合的（例えばベースライン）モデル、アルゴリズム、使用者の情報、デバイスの情報、暗号化キー、エコシステム１００または本開示の他の態様を操作するために必要な他のいずれかのデータを含み得る。アプリケーションサーバ１１２は、個々の使用者に関連するデータ、使用者のグループ（例えば、単一の介護者または介護者のグループに関連付けられた使用者のグループ）に関連するデータ、集団（例えば、類似した特性を共有する使用者のグループ）に関連するデータ、または使用者の完全なコーパス（例えば、アプリケーションサーバ１１２が利用可能なすべての使用者データ）を処理することができる。
[0060]アプリケーションサーバ１１２は、最適なモデルを選択し、モデルを更新するための様々な機械学習アルゴリズムおよび技術を使用することができる。アプリケーションサーバ１１２は、監視された学習モデルで動作することができ、収集されたデータを使用して予測能力をさらに向上させることができる。例えば、アプリケーションサーバ１１２は、生物測定的データ、環境データ、随意のフィードバック、および不随意のフィードバックを含む、使用者に関連するデータを受信することができる。データは、（例えば、実際の時間または相対的な時間に基づいて）タイムスタンプを付けることができ、またはタイミング相関について分析することができる。したがって、アプリケーションサーバ１１２は、予測データ（例えば、予測を生成するためにアプリケーションサーバ１１２によって使用されるデータ）、および予測しようとしている実際の分類（例えば、実際の排尿事象のフィードバック）にアクセスする。したがって、アプリケーションサーバ１１２は、モデルの精度を最適化するためにモデルを生成および／または更新するために、予測データおよび分類を様々な機械学習技術に適用することができる。場合によっては、機械学習技術をさらに使用して、予測の速度および／または他の変数を最適化することができる。教師あり学習動作は、データの到着によりトリガすることができ、特定の時間間隔で実行しても、そうでなければ開始してもよい（例えば、アプリケーションサーバ１１２の要求が閾値未満であるときに、自動的に実行する）。さらに、アプリケーションサーバ１１２は、標準的なアプリケーション（例えば、安定しているまたは不安定なハイパーテキスト転送プロトコルを介して到達可能なウェブアプリケーション）をホストすることもできる。このような他のアプリケーションにより、使用者および／または介護者が、所有の関連するデバイスを登録し、追加のデバイスを購入し、および／または他の作動または対話を実行することが可能になる。
[0061]図２は、本開示の特定の態様によるハブ２００の概略図である。ハブ２００は、図１のハブ１０６とすることができる。ハブ２００は、ウェアラブルデバイス、ローカルネットワーク、および／またはインターネットと通信するための任意の適切な有線または無線通信規格をサポートすることができる。例えば、ハブ２００は、ＢＴＬＥ通信、ＷｉＦｉ通信、および／またはＲＦＩＤ通信に適した無線機を含むことができる。ハブ２００は、任意の数のウェアラブルデバイス（例えば、図１のウェアラブルデバイス１０２）、センサ（例えば、図１の排尿検出センサ１０４）、ネットワーク制御可能な装置（例えば、制御可能な光源などの図１のネットワーク制御可能な装置１１６）、ネットワーク制御可能な音源（例えば、図１のネットワーク制御可能な音源１０８）、アプリケーションサーバ（例えば、図１のアプリケーションサーバ１１２）、およびコンピューティングデバイス（例えば、スマートフォンまたはタブレットのような図１のコンピューティングデバイス１１０）と通信できる。ハブ２００はコンピューティングデバイスであってよく、現代のコンピュータに通常見られる能力を含むことができる（例えば、プロセッサ１３１、メモリ、ユーザインターフェース、電源、入力および出力の能力）。ハブ２００は、接続された任意のシステム構成要素からの情報を処理することができる。そのような情報は、様々な他のシステム構成要素からプロキシされ、さらに処理されて強化されてもよい。ハブ２００は、受信データを処理して、それを、システムを制御するのに（例えば、受信データを処理して、使用者モデルを更新するための命令を生成する）、記憶するのに（例えば、受信データを処理して、受信データに基づいた生物測定的データおよび／または推論を生成する）、または他のいずれかの適切な用途に適したデータに変換することができる。ハブ２００は、（例えば、一意の使用者識別子を通じて識別された）１人以上の使用者に関連付けることができ、受信または処理されたデータを１人以上の使用者と関連付けることができる。
[0062]ハブ２００は、データを（例えば、アプリケーションサーバに）送信する前に、任意選択で、データの圧縮および／または暗号化を適用することができる。データの圧縮により、アプリケーションサーバに送信される情報量が削減され、そのため使用される帯域幅が最小限に抑えられる。暗号化（例えば、公開鍵／秘密鍵非対称暗号方式）は、傍受からデータを保護することができる。アプリケーションサーバは、第三者のクラウドソリューションに位置することができるので、アプリケーションサーバとハブ２００との間で送信されるデータは、不安定なネットワークを介して、未知の距離にわたって送信される可能性があり、したがって、データの圧縮および／または暗号化が有益かつ望ましいことがある。場合によっては、接続された構成要素が圧縮および／または暗号化のタスクまたは義務をハブ２００にオフロードし、構成要素によって使用される処理能力およびエネルギーを最小限に抑えることができる。例えば、ウェアラブルデバイスは、圧縮されていないおよび／または暗号化されていないデータをハブ２００に送信することができ、そのときハブ２００は、アプリケーションサーバなどの別のデバイスにデータを中継する前に、データを圧縮および／または暗号化することができる。
[0063]場合によっては、ハブ２００は、電源２０２から電力を供給することができる。適切な電源には、主電源（例えば、１２０ボルトの交流）、再充電可能または非再充電可能なバッテリ電源、または他のいずれかの適切な電源が含まれる。場合によっては、ハブ２００は、主電源および再充電可能なバッテリなどの複数の電源２０２を組み込むことができ、ハブ２００が主電源に接続されたときに再充電可能なバッテリを再充電し、ハブ２００が主電源から外されている（例えば、睡眠中にベッドの近くなどの別の場所にハブを移動するため）とき持続時間に亘って作動するようにできる。ハブ２００内の電力制御回路は、電源２０２を介して供給される電力を、所望の出力（例えば、ハブ２００の内部回路を動作させるのに適した直流）に適合させることができる。場合によっては、ハブ２００は、別のデバイス（例えば、図１のウェアラブルデバイス１０２）を充電するか、別のデバイスの取り外し可能な電源を充電するための電力を供給することができる（例えば、ハブ２００は、ウェアラブルデバイスの交換可能なバッテリを充電するためのドック、またはバッテリ駆動の排尿検出センサを含むことができる）。一例では、ハブ２００は、ユニバーサルシリアルバス（ＵＳＢ）を使用して別のデバイスを充電することができる。別の例では、ハブ２００は、誘導的な充電によって別のデバイスを充電することができる。
[0064]場合によっては、ハブ２００は、双方向または一方向のいずれかの方法で、接続されたいずれかのシステム構成要素にデータ（例えば、音の波形）を送信することができる。例えば、システムの構成要素は、ＢＴＬＥ通信の広告ソリューションのみを使用することができる。ハブ２００の広告データに、システムの構成要素に関連する状態を判定または推定するのに十分な情報が含まれている場合がある。別の例では、システムの構成要素は、双方向通信を使用して（例えば、ＢＴＬＥの完全なプロトコルを使用する）、ハブ２００が構成要素に関連するデータを読み書きできるようにすることができる。場合によっては、ハブ２００は、双方向通信を使用して、事象の検出時に通知を送信する構成要素をセットアップすることができる。
[0065]ハブ２００は、特定の電子部品を保護するためのエンクロージャ２０４を含むことができる。ハブ２００は、可聴刺激を生成するための音源２０６（例えば、スピーカ、振動モータ、または他の音響変換器）を含むことができる。ハブ２００は、使用者または介護者に警告または情報を提供することができる音（例えば、音声、音楽、一般的な音）を生成するスピーカを含むことができる。一例では、介護者は、ハブ２００の聴覚範囲内で音を使用者に提示するために、ハブ２００にオーディオ情報を直接送信することができる。
[0066]ハブは、ハブの概ね近くで発生する音を記録するのに適したマイクロホン２０８を含むことができ、その音はハブ２００に概ね近接する使用者または介護者の近くで推定上発生してもよい。ハブ２００は、マイクロホン２０８およびスピーカ２０６によって、ハブ２００と別のコンピューティングデバイスとの間の双方向（例えば、全二重または半二重）音声通信を提供することができる。一例では、介護者は、スマートフォンを使用して、ハブ２００に近接する使用者と通信することができる。場合によっては、ハブ２００は、マイクロホン２０８からのオーディオ信号を受信し解釈して、コマンドを実行したり、システムの他の構成要素に信号を送信したりすることができる。テキスト、作動、またはインテントソフトウェアに言語能力を追加すると、システムは、ハブ２００で受信された音声コマンドに基づいて作動を実行することができる場合がある。このような音声コマンドは、とりわけボタン２１０が押されたとき、および／または特定のオーディオ信号が検出されたときに、開始することができる。音声ソフトウェアは、ハブ２００、アプリケーションサーバ、別のシステム構成要素、またはそれらの任意の組み合わせに保存してもよい。
[0067]ハブ２００はまた、ハブ２００が位置する環境に関連する温度データを収集する周囲温度センサ２１２を含むことができ、それは場合によっては推定上使用者の環境である可能性がある。また、ハブ２００は、ハブ２００が位置する環境に関連する光のレベルのデータを検出する周囲光センサ２１４を含むことができ、それは場合によっては推定上使用者の環境である可能性がある。ハブ２００は、追加の環境センサをさらに含むことができる。ハブ２００によって収集されたデータは、使用者のアカウント（例えば、使用者識別子）に関連付けることができる。
[0068]ハブ２００はまた、ディスプレイ２１６を含むことができる。ディスプレイ２１６は、フルカラーのディスプレイ（例えば、有機発光ダイオードまたは液晶ディスプレイ）または控えめな発光体の単純な集合のような任意の適切なディスプレイとすることができる。ディスプレイ２１６は、使用者からの対話を受信することができるタッチセンシティブインターフェース（例えば、容量性タッチセンシング）などのユーザインターフェースを組み込むことができる。
[0069]ハブ２００はまた、使用者入力用の１つ以上のボタン２１０を含むことができる。ボタン２１０は、コマンドを開始する、動作を実行する、保存された値を変更する、またはディスプレイ２１６に提示された情報を単に循環させる命令などの、使用者からの命令を解釈するために使用することができる。
[0070]場合によっては、ハブ２００の様々な機能の一部または全部を、スマートフォン、タブレット、またはパーソナルコンピュータなどのコンピューティングデバイスで動作するアプリケーションによって実行することができる。場合によっては、コンピューティングデバイスを使用して、ハブ２００の使用を必要とせずに、すべての所望の機能を実行することができる。
[0071]図３は、本開示の特定の態様によるウェアラブルデバイス３００の概略図である。ウェアラブルデバイス３００は、図１のウェアラブルデバイス１０２とすることができる。ウェアラブルデバイス３００は、心拍センサ３０２、運動センサ３０４（例えば、加速度計またはジャイロスコープ）、体温センサ３０６、周囲温度センサ３０８、皮膚伝導度センサ３１０、心電図（例えば、ＥＣＧ）センサ３１２、脳波（例えば、ＥＥＧ）センサ３１４、血圧センサ３３４、および任意の他の適切なセンサなどの１つ以上のセンサを含むことができる。また、ウェアラブルデバイス３００は、心拍変動性データのようなさらなる生物測定的データを得るための局所的な処理（例えば、アルゴリズムの適用）を行うこともできる。ウェアラブルデバイス３００は、無線トランシーバ３１６などの有線または無線通信機器を含むことができる。ウェアラブルデバイス３００は、使用者から様々な生物測定的データを収集し、環境データを収集し、収集されたデータを処理し、処理済みまたは未処理のデータをハブまたはコンピューティングデバイスなどの他のデバイスに送信し、他のタスクを実行することができる。
[0072]ウェアラブルデバイスは、モジュールハウジング３２０を収容または支持する、食しても安全または皮膚に安全な（例えばシリコーン）バンドのようなバンド３１８を含むことができる。センサ、無線トランシーバ３１６、バッテリ３３６、および他の関連するまたは必要な構成要素は、モジュールハウジング３２０および任意選択的にバンド３１８によって支持され、および／または含まれ得る。例えば、皮膚伝導度センサ３１０は、バンド３１８内のセンサに電気的に連結されたハウジング３２０内の感知回路を含むことができる。ハウジング３２０および／またはバンド３１８は、防塵性、耐塵性、防水性、および／または耐水性の封じ込めを設けることができる。バンド３１８は、ウェアラブルデバイス３００を、異なる背丈の個々人または時間の経過と共に成長する可能性のある同一の個人が作動させるのを可能にするとともに、様々な場所（例えば、手首、腕、足首、大腿、腰、胸、つま先、または耳）にウェアラブルデバイス３００を配置するのを可能にするように、サイズを調節可能にすることができる。場合によっては、バンド３１８は取り外し可能または交換可能であることができる。場合によっては、ハウジング３２０をバンド３１８のポケットに挿入することができるが、他の場合にはバンド３１８をハウジング３２０に取り付けることができる。場合によっては、ハウジング３２０は、別の取り付け機構（例えば、接着パッチまたはチェストベルト）を用いることなどにより、バンド３１８なしで使用することができる。
[0073]ウェアラブルデバイスはまた、本明細書で開示される様々な動作を実行するためのプロセッサ３２２を含むことができる。プロセッサ３２２は、ウェアラブルデバイス３００に組み込まれるか、さもなければそれにアクセスできる（例えば、有線または無線通信を介して）センサを介して収集されたデータを、圧縮し、分析し、フィルタ処理し、タイムスタンプ処理し、または操作することができる。このような動作は、センサデータをハブおよび／またはローカルコンピューティングデバイスなどの別のデバイスに送信する前になされ得るが、未処理のセンサデータを送信することもできる。
[0074]ウェアラブルデバイス３００はまた、ファームウェア、排尿モデル、排尿モデル入力、排尿モデル出力、生物測定的データ、導出生物測定的データ、排尿時間ウィンドウ、予測排尿時間、属性、日付／タイムスタンプを含む排尿事象、使用者入力情報、使用者定義データ、環境データ、および他の様々なタイプのデータなどの情報を記憶するための揮発性および／または不揮発性メモリ３２４を含むことができる。メモリ３２４は、プロセッサ３２２が本明細書で説明される動作を実行することを可能にする命令を保存することができる。
[0075]ウェアラブルデバイス３００はまた、ディスプレイ３２４を含むことができる。ディスプレイ３２４は、フルカラーのディスプレイ（例えば、有機発光ダイオードまたは液晶ディスプレイ）または控えめな発光体の単純なセットのような任意の適切なディスプレイとすることができる。ディスプレイ３２４は、使用者からの対話を受信することができるタッチセンシティブインターフェース（例えば、容量性タッチセンシング）などのユーザインターフェースを組み込むことができる。
[0076]ウェアラブルデバイス３００はまた、音生成源３２６（例えば、スピーカ）を含むことができる。音生成デバイスは、使用者に警告するか、可聴フィードバック（例えば、使用者の入力を受け入れる）を提供するために使用することができる。場合によっては、ウェアラブルデバイス３００は、マイクロホンをさらに含むことができる。
[0077]ウェアラブルデバイス３００はまた、振動機構３３０を含むことができる。振動機構３３０は、振動警報、聴覚警報、および／または触覚フィードバック（例えば、使用者の入力を受け入れる）を提供することができる。
[0078]ウェアラブルデバイス３００は、使用者入力用の１つ以上のボタン３３２を含むことができる。ボタン３３２は、コマンドを開始する、動作を実行する、保存された値を変更する、またはディスプレイ３２４に提示された情報を単に循環させる命令などの、使用者からの命令を解釈するために使用することができる。
[0079]場合によっては、心拍センサ３０２は、ウェアラブルデバイス３００が取り付けられている使用者の心臓パルスを光学的に検出するために協働する１つ以上の光学エミッタおよび１つ以上の光学検出器を含むことができる。皮膚の色調やタトゥーのような暗い部分に関しては、異なる周波数の光を用いて、より良好に行うことができる。周波数は、セットアップフェーズ中（例えば、明るいまたは暗い肌色を選択することによって）使用者が選択しても、（例えば、センサデータを分析することによって）自動的に判定するのでもよい。心拍数データは周期的（例えば、１Ｈｚまたは０．２ＨＺ）に、連続的に、または必要に応じて収集することができる。実質的にリアルタイムのキャプチャで捉えられているとき、または後のキャプチャで捉えられているときの、排尿モデルまたは他のアルゴリズムによる心拍数データの分析を使用して、切迫した排尿事象または未来の排尿事象を予測することができる。
[0080]ウェアラブルデバイス３００はまた、使用者に関連する運動および方向のデータを取り込むための運動センサ３０４（例えば、加速度計またはジャイロスコープ）を含むことができる。運動データをプロセッサ３２２への入力として使用して、運動および動きを排尿事象と相関させるために使用することができる活動測定値を計算することができる。運動データを使用して、使用者の動きを説明するための心拍数データの計算を精緻化することができる。運動データは周期的に、連続的に、または必要に応じて収集することができる。実質的にリアルタイムのキャプチャで捉えられているとき、または後のキャプチャで捉えられているときの、排尿モデルまたは他のアルゴリズムによる運動データの分析を使用して、切迫した排尿事象または未来の排尿事象を予測することができる。別の例では、運動センサ３０４を使用して、使用者の筋攣縮（例えば、筋肉の痙攣）を検出することができる。目に見えるものと目に見えないものの両方の筋肉の痙攣は、運動センサ３０４によって識別可能な体の筋肉の収縮を伴い得る。筋肉の痙攣は、切迫した排尿事象または未来の排尿事象の指標となり得、また排尿モデルによって、切迫した排尿事象または未来の排尿事象を予測するために使用され得る。
[0081]運動センサ３０４は、入力デバイスとしても機能することができる。一例では、使用者は、単一または一連のタップでウェアラブルデバイス３００をタップすることができる。運動センサ３０４は、これらのタップを感知し、運動データをプロセッサ３２２に提供することができ、それは運動データが使用者のタップパターン（例えば、１つ以上のタップ）を示しているかどうかを識別でき、その場合、検出されたタップパターンに基づく作動をプロセッサ３２２が実行できる。例えば、作動は、情報を保存する（例えば、排尿事象をログする）か、ハブ（例えば、図２のハブ２００）および／またはアプリケーションサーバ（例えば、図１のアプリケーションサーバ１１２）に伝えることができる。
[0082]場合によっては、心拍数データおよび運動データを使用して、使用者が眠っている間の浅い睡眠状態および深い睡眠状態を分類することができる。浅い睡眠と深い睡眠は、排尿事象がいつ起こり得るかの指標となり得る。排尿モデルは、この睡眠データを用いて、切迫した排尿事象がいつ起こる可能性があるかを感知することができる。
[0083]ウェアラブルデバイス３００はまた、赤外線温度計、抵抗温度計、シリコンバンドギャップ温度センサ、またはサーミスタなどの体温センサ３０６を含むことができる。センサ３０６は、ウェアラブルデバイス３００を着用している使用者の皮膚の近くにまたは接触するように配置することができ、より効果的なデータを捉えるようにすることができる。体温データは周期的（例えば、１Ｈｚまたは０．２Ｈｚ）に、連続的に、または必要に応じて収集することができる。実質的にリアルタイムのキャプチャで捉えられているとき、または後のキャプチャで捉えられているときの、排尿モデルまたは他のアルゴリズムによる体温データの分析を使用して、切迫した排尿事象または未来の排尿事象を予測することができる。
[0084]ウェアラブルデバイス３００は、周囲温度センサ３０８をさらに含むことができる。センサ３０８は、ウェアラブルデバイス３００を着用している使用者の皮膚から離れて面するハウジング３２０の側に配置されるなど、使用者の熱の影響を受けずに周囲の空気の温度を感知するように配置することができる。周囲温度データは周期的（例えば、１Ｈｚまたは０．２Ｈｚ）に、連続的に、または必要に応じて収集することができる。実質的にリアルタイムのキャプチャで捉えられているとき、または後のキャプチャで捉えられているときの、排尿モデルまたは他のアルゴリズムによる周囲温度データの分析を使用して、切迫した排尿事象または未来の排尿事象を予測することができる。
[0085]ウェアラブルデバイス３００はまた、皮膚伝導度センサ３１０を含むことができる。センサ３１０は、ウェアラブルデバイス３００を着用している使用者の皮膚の近くにまたは接触するように、ウェアラブルデバイス３００に配置することができる。皮膚伝導度データは周期的（例えば、１Ｈｚまたは０．２Ｈｚ）に、連続的に、または必要に応じて収集することができる。実質的にリアルタイムのキャプチャで捉えられているとき、または後のキャプチャで捉えられているときの、排尿モデルまたは他のアルゴリズムによる皮膚伝導度データの分析を使用して、切迫した排尿事象または未来の排尿事象を予測することができる。
[0086]ウェアラブルデバイス３００はまた、心電図（ＥＣＧ）センサ３１２を含むことができる。心電図データは、周期的（例えば、１Ｈｚまたは１０Ｈｚ）に、連続的に、または必要に応じて収集することができる。センサ３１２は、心拍数を計算するために使用することができ、心拍センサ３０２と別個に使用または併用して、心拍数データの全体的な質および／または精度を改善し、さらに心拍変動を計算することができる。さらに、ＥＣＧデータは、ストレス、疲労、心臓年齢、呼吸指数および気分の指標を提供することができる。実質的にリアルタイムのキャプチャで捉えられているとき、または後のキャプチャで捉えられているときの、排尿モデルまたは他のアルゴリズムによるＥＣＧデータの分析を使用して、切迫した排尿事象または未来の排尿事象を予測することができる。
[0087]ウェアラブルデバイス３００はまた、脳波（ＥＥＧ）センサ３１４を含むことができる。ＥＥＧデータは周期的（例えば、１Ｈｚまたは１０Ｈｚ）に、連続的に、または必要に応じて収集することができる。ＥＥＧデータは、脳波のパターンを検出するために使用できる脳波の情報を含むことができる。これらのパターンは、注意、瞑想、目のまばたき、耳の痙攣、筋肉の収縮、または識別可能な脳波のパターンを有する他のいずれかの反復可能な行動または状態の指標とすることができる。さらに、ＥＥＧデータは、脳のデルタ、シータ、低アルファ、高アルファ、低ベータ、高ベータおよびガンマ波に関する情報を提供することができる。これらの睡眠状態は排尿事象と高度に相関する可能性があるので、ＥＥＧデータは、急速眼球運動（ＲＥＭ）およびノンＲＥＭ睡眠状態の判定に使用することができる。実質的にリアルタイムのキャプチャで捉えられているとき、または後のキャプチャで捉えられているときの、排尿モデルまたは他のアルゴリズムによるＥＥＧデータの分析を使用して、切迫した排尿事象または未来の排尿事象を予測することができる。
[0088]ウェアラブルデバイス３００に複数のセンサが存在することがあるため、特定のセンサから収集された生物測定的データ、および様々なアルゴリズムに従ってそのデータを処理して得た導出または処理データを、独立して、または他のセンサからのデータと組み合わせて用いて、分析や予測を最適化することができる。排尿モデルまたは他のアルゴリズムによる分析は、ウェアラブルデバイス３００の全体、ウェアラブルデバイス３００の一部、および別のコンピューティングデバイス（例えば、ハブ、モバイルデバイスまたはアプリケーションサーバなどのコンピュータ）の一部、または別のコンピューティングデバイスの全体で、実行することができる。結果は、ウェアラブルデバイス３００、ハブ、モバイルデバイスまたはアプリケーションサーバなどのコンピュータなどの任意の組み合わせに保存することができる。
[0089]プロセッサ３２２は、メモリ３２４と組み合わせて、ウェアラブルデバイス３００がハブまたはコンピューティングデバイス（例えば、モバイルデバイス）と接続していない場合でも、生物測定的データ、環境データ、および導出データを記憶するために使用でき、そのためウェアラブルデバイス３００が別のデバイス（例えば、ハブまたはアプリケーションサーバ）との接続を再確立し、データを他のデバイスまたはアプリケーションサーバにオフロード（例えば、同期）することができるまでデータを持続することができる。さらに、メモリ３２４は、使用者の予測排尿時間ウィンドウなどの情報を記憶することができ、その結果ウェアラブルデバイス３００は、これらの時間ウィンドウが近づいている、差し迫っている、進行中または過ぎたときに、ウェアラブルデバイス３００がハブまたはコンピューティングデバイス（例えば、モバイルデバイス）に接続されていない場合でも、アラームまたはフィードバック（例えば振動）を提供することができる。プロセッサ３２２はまた、生物測定的データおよび／または環境データを活用して、ウェアラブルデバイス３００が使用者に適切に配置されているかどうかを判定することもできる。場合によっては、このようなデータを使用して、ウェアラブルデバイス３００を適切にまたは最適に使用者に配置するために、ウェアラブルデバイス３００をどのように操作しなければならないかを判定することもできる。使用者に適切に配置されていないとき、ウェアラブルデバイス３００は、使用者および／または介護者にフィードバックを提供することができる。場合によっては、使用者に適切に配置されていないとき、ウェアラブルデバイス３００は、コマンドが受信されるか、ウェアラブルデバイス３００の電力が循環もしくはリセットされるか、補正動作が検出されるか、時間が経過するまで、任意の数の特徴、センサ、または動作が電力供給されないままであるか停止する低電力モードに入ることができる。
[0090]ウェアラブルデバイス３００はまた、センサ、メモリ３２４、プロセッサ３２２、およびウェアラブルデバイス３００の他の電子構成要素に電力を供給するためのバッテリ３３６または他の電源を含むことができる。バッテリ３３６は、充電式（例えば、リチウムイオンまたはリチウムポリマー）または非充電式バッテリ技術を含むことができる。場合によっては、再充電可能なバッテリ３３６は、ハウジング３２０をバンドから取り外し、直接またはテザーを介して、ハウジング３２０を、ハブの一部などの充電ステーションに取り付けることによって、再充電することができる。しかし、バッテリ３３６は、内部ダイナモ、磁気誘導、または交換可能なバッテリなどによってバッテリ技術または集積バッテリ充電エレクトロニクスに基づく他のいずれかの適切な充電技術で充電してもよい。
[0091]ウェアラブルデバイス３００は、ハブ、コンピューティングデバイス（例えば、モバイルデバイス）、および／またはアプリケーションサーバ（例えば、直接またはハブなどのプロキシを介して）の間で情報を転送するための無線通信機能を含むことができる。ウェアラブルデバイス３００は、有線通信（例えば、ユニバーサルシリアルバス）を使用してデータを送信するために、ハブ、コンピュータ（例えば、モバイルデバイス）および／またはアプリケーションサーバに物理的にドッキングすることもできる。ドッキング中、ウェアラブルデバイス３００はまた、充電式バッテリ３３６を充電することができる。
[0092]ウェアラブルデバイス３００は、生物測定情報のソースを識別するのに適した関連する一意の識別（ＵＩＤ）を含むことができる。このＵＩＤは、ソフトウェアアプリケーション、ペアリングプロトコルまたは他のメカニズムを介して、デバイスを装着している使用者とさらに関連付けることができる。有効な関連付けにより、ウェアラブルデバイス３００から収集されたデータは、使用者と関連付けることができる。ウェアラブルデバイス３００は、時間の経過とともに複数の異なる使用者に使用することができるが、いずれかの特定の時間に単一の使用者に対してのみ使用することもできる。場合によっては、ウェアラブルデバイス３００は、ＵＩＤまたは使用者識別子を収集されたデータに関連付けることによって、収集されたデータを準備することができる。場合によっては、ウェアラブルデバイス３００は、使用者識別子を収集データに関連付けずに、むしろ別のデバイスが使用者識別子をデバイスのＵＩＤに関連付けることができ、その関連付けを通じて、特定の使用者識別子が当該のＵＩＤに関連付けられた特定のデータセットと結び付いていることを追跡することができる。生物測定的データと導出情報との関連付けを利用して、使用者のパーソナライズされた排尿モデルおよび他のアルゴリズムを更新することができる。ＵＩＤは、接続が確立された後に、無線接続を確立したり、データを送信したりするのを容易にするためにも使用できる。
[0093]ウェアラブルデバイス３００は、収集されたデータをタイムスタンプ処理するのに使用できる実際のまたは相対的なタイムクロックを維持することができる。クロックは、ハブ、コンピューティングデバイス（例えば、モバイルデバイス）、またはアプリケーションサーバなどの別のデバイスとの通信を介して更新することができる。クロック情報は、通信プロトコルを介して他のデータと共に送信することができる。次いで、ハブ、コンピューティングデバイス（例えば、モバイルデバイス）、またはアプリケーションサーバは、異なるデバイス間の小さな変動にもかかわらず、システムが正確に同期され得るように、グローバルクロックをより正確に反映するようデータを変更（例えば修正）することができる。
[0094]ウェアラブルデバイス３００は、ウェアラブルデバイス３００の機能性を最適化し、使用者体験を最適化するために、様々な動作状態に入ることができる。例えば、ウェアラブルデバイス３００は、生物測定的データサンプルが収集されていないときを検出することができる。その時点で、ウェアラブルデバイス３００は、ユーザインターフェースを介して使用者に警告することによって、または別のデバイスに信号を送信することによって、電力を節約することができる。ウェアラブルデバイス３００は、電力を節約するために低電力モードに入ることができる。使用者が要求するか、他の何らかの刺激（例えば、コンピューティングデバイスまたはハブから送信された無線信号を介して）を受信すると、ウェアラブルデバイス３００は、生物測定的データまたは環境データの取り込みを開始することができ、成功すれば通常動作状態に入る。データを取り込むことができない場合、ウェアラブルデバイス３００は、低電力状態に再び入ることができ、または、同じ取り込みテストを実行して通常動作状態に入ることを試みる前に、所定の時間待機することができる。
[0095]ウェアラブルデバイス３００は、ウェアラブルデバイス３００の構成を容易にするためにセットアップ状態に入ることもできる。セットアップ状態は、ウェアラブルデバイス３００が最初に使用されるとき、オンデマンドで、またはウェアラブルデバイス３００の寿命に亘るランダムな時点で入ることができる。さらに、ウェアラブルデバイス３００は、使用者がウェアラブルデバイス３００を適切な充電機構（例えば、有線または無線）に接続するときに充電状態に入ることができる。ウェアラブルデバイス３００は、充電状態にあるときに、特定の構成要素への電力を低減するか、そうでなければ電力の使用を低減するよう試みて、再充電可能なバッテリをより速い速度で充電できるようにする。
[0096]図４は、本開示の特定の態様による排尿検出センサ４００を示す概略図である。センサ４００は、使用者、使用者の衣類、または別の表面（例えば、ベッド）に取り付けるように設計することができる。センサ４００は、排尿事象が発生する場合、排尿が迅速に蓄積する一般領域（例えば、下着、パジャマのズボン）において、使用者または使用者の衣服に最適に配置することができる。センサ４００は、電源４０４、ディスプレイ４０８（例えば、デバイスが給電および／または接続されたときを示す発光ダイオード）、および無線アンテナ４０６を任意選択で含む再使用可能なベース４０２を含むことができる。再使用可能なベース４０２は、接続機構４１０に連結することができる。ベース４０２の接続機構４１０は、尿または水分センサ４１２の接続機構４１４に取り外し可能に連結することができる。接続機構４１４を有するセンサ４１２は、使い捨てまたは洗浄可能であり、再使用可能であり得る。適切な接続機構４１０、４１４の例には、フックアンドループファスナー、取り外し可能な接着剤、機械的ファスナー、および他の適切な機構が含まれる。
[0097]場合によっては、ベース４０２とセンサ４１２とが永続的に連結される。ベース４０２およびセンサ４１２は、防水エンクロージャのような単一のハウジングまたはエンクロージャ内に配置することができる。したがって、センサ排尿検出センサ４００は、本明細書に開示された機能を実行するために必要なすべての必要な機器（例えば、センサ、アンテナ、任意選択のバッテリ）および回路を含む完全に密閉されたセンサとすることができる。
[0098]ベース４０２は、センサ４１２から情報を受信し、排尿事象を示す信号を伝達するために、任意の必要な通信機器および／または処理用機器を含むことができる。
[0099]場合によっては、電源４０４またはディスプレイ４０８が存在せず、センサ４００は、無線アンテナ４０６によって受信された無線信号が、センサ４１２に尿または水分が存在するかどうかを判定し、尿または水分が検出されたかどうかを示す無線応答を提示するのに十分な電力を供給する受動モードで動作する。場合によっては、センサ４００は使い捨てであってもよく、この場合、ベース４０２は１回限りの使用ベースであってもよい（例えば、ベース４０２は再使用可能でなくてもよく、また任意選択で、センサ４１２に永続的に連結されても、１つのエンクロージャ内でセンサ４１２と同一の場所に配置されてもよい）。
[0100]ある例では、センサ４００は、ベース４０２をハブ、アプリケーションサーバ、および／またはコンピューティングデバイスに関連付けて通信チャネルを形成することによって使用することができる。ベース４０２は、センサ４１２がベース４０２に連結されているか否かを示す信号を送信することができる。センサ４１２がベース４０２に取り付けられると、センサ４００は、尿または水分がセンサ４１２に存在するかどうかを示す信号を送信することができる。センサ４００は、最初に尿を検出しなくてもよく、適切な場所に設置することができる。センサ４１２が尿または水分を検出すると、センサ４００は、尿または水分が検出されたことを示す信号を送信することができる。そのような信号を受信する構成要素は、タイムスタンプと、排尿事象が発生したという表示とを含むデータを生成することができる。信号がほぼ瞬時になる可能性があるが、タイムスタンプは非常に正確であり得る。センサ４００から受信した信号はまた、システムに警告し、使用者または介護者のための刺激を生成するなどの適切な処置を執るために使用することができる。
[0101]図５は、本開示の特定の態様による排尿モデルを初期設定し訓練するプロセス５００を示すフローチャートである。プロセス５００は、ウェアラブルデバイス、ハブ、コンピューティングデバイス、またはアプリケーションサーバなどの任意の適切なデバイスによって、全体的または部分的に実行することができる。
[0102]任意選択のブロック５０２において、データ（例えば、生物測定的および／または環境データ）が受信される。受信データは、使用者識別子に関連付けることができる。本明細書で使用する場合、任意のデータ、モデル、または他の要素と使用者識別子との関連付けは、多くの形態をとることができる。一例では、使用者識別子に関連付けられたデータは、使用者識別子でデータを付加することを含むことができる。別の例では、データは、データが送信されるデバイス、データを受信するデバイス、またはデータが経た別のデバイスに基づくことのあるデバイス識別子を含むことができる。関連付けデータベースは、どのデバイス識別子が特定の使用者識別子または複数の使用者識別子に関連付けられているかを追跡することができる。したがって、特定のデバイス識別子に関連付けられたデータは、ひいては使用者識別子に関連付けられており、使用者識別子に関連付けられていると見なすことができる。場合によっては、関連データベースは、他の一意の識別子、および特定の使用者識別子または複数の使用者識別子とのそれらの関連付けを追跡し、それにより、任意の数の一意の識別子を特定の使用者識別子に関連付けることができるようにし得る。これらの一意の識別子は、データ識別子、ネットワーク識別子、または他のいずれかの適切な識別子であってもよい。関連付けデータベースは、ウェアラブルデバイス、ハブ、コンピューティングデバイス、またはアプリケーションサーバなどの任意の適切なデバイスに保存することができる。場合によっては、関連付けデータベースの一部または全部を、単一のエコシステム（例えば、図１のエコシステム１００）の複数のデバイスにわたって複製および／または同期させることができる。したがって、一例では、メインの関連付けデータベースをアプリケーションサーバに格納することができるが、ハブはそれにもかかわらず、アプリケーションサーバへの接続が利用できないとき、または帯域幅の使用を減らすことが望ましいときに使用するために、ローカルに少なくとも部分的な関連付けデータベースを維持することができる。
[0103]ブロック５０３において、ベースライン排尿モデルを選択する。ベースライン排尿モデルは、ランダムに、または受信データフォームブロック５０２、使用者識別子に関連付けられた保存データ、および／または使用者識別子に関連する他のデータを用いた選択アルゴリズムに従って選択することができる。ブロック５０４において、使用者排尿モデルを初期設定することができる。使用者排尿モデルを初期設定することは、ブロック５０３で選択されたベースライン排尿モデルを使用して使用者排尿モデルを生成することを含むことができる。使用者排尿モデルは、最初は、選択されたベースライン排尿モデルと同一であっても、そのコピーであってもよい。使用者排尿モデルが生成されるか、初期設定されるとき、それは使用者識別子に関連付けることができる。したがって、使用者排尿モデルは、特定の使用者、すなわち使用者識別子に関連付けられた使用者に固有の、予想排尿時間を予測するためのモデルとすることができる。
[0104]ブロック５０６において、更新されたデータ（例えば、生物測定的および／または環境データ）が受信される。更新されたデータは、ブロック５０４の使用者識別子および任意選択のブロック５０２に関連付けられる。ブロック５０８では、ブロック５０６で受信した更新データを用いて使用者モデルを更新する。ブロック５０８で更新された後の使用者モデルは、使用者に固有であっても、初期予測排尿モデルと異なるものであってもよい。
[0105]ブロック５１０において、更新された使用者モデルは、予想排尿時間を予測するために使用される。場合によっては、更新された使用者モデルを現在の、過去の、および／または最近のデータに適用して、予想排尿時間を予測することができる。例えば、更新された使用者モデルは、ブロック５０６で受信した更新データに適用することができ、任意選択で、任意選択のブロック５０２で受信したデータを含む。場合によっては、ブロック５１０は、現在のデータを取得することを含むことができ、それを更新された使用者モデルと一緒に使用して、予想排尿時間を予測することができる。
[0106]ブロック５１２では、ブロック５１０で判定された予想排尿時間に基づいてステータスの更新を生成することができる。ブロック５１４において、ステータスの更新を送信する。ステータスの更新は、即時に（例えば、排尿が予想されることを示すメッセージを送信するために）送信しても、予想排尿時間の直前の時間まで遅らせてもよい（例えば、ステータスの更新は、排尿が差し迫っていることを示す刺激を含む）。ステータスの更新は、受信デバイスにより処理されると、予想排尿時間に基づくか予想排尿時間を含む刺激を生成することができる。場合によっては、ブロック５１４は、プロセス５００を実行するデバイスに刺激を提示することを含む。
[0107]図６は、本開示の特定の態様による、予想排尿時間を更新するためのプロセス６００を示すフローチャートである。プロセス６００は、ウェアラブルデバイス、ハブ、コンピューティングデバイス、またはアプリケーションサーバなどの任意の適切なデバイスによって、全体的または部分的に実行することができる。
[0108]ブロック６０２において、予想排尿時間が受信される。予想排尿時間は、プロセス６００を実行しているデバイスまたは別のデバイスから受信することができる。予想排尿時間は、使用者識別子に関連付けることができる。
[0109]ブロック６０４において、使用者識別子に関連する現在のデータ（例えば、生物測定的または環境データ）が受信される（例えば、プロセス６００を実行しているデバイスまたは他のデバイスから）。ブロック６０６において、ブロック６０２から得る予想排尿時間が、ブロック６０４で受信された現在のデータに基づいて更新される。
[0110]任意選択のブロック６０８において、ステータスの更新を送信することができる。ステータスの更新は、使用者識別子に関連付けることができ、使用者識別子に関連付けられたデバイス（例えば、使用者または介護者のデバイス）に送信することができる。受信されると、ステータスの更新は、刺激（例えば、振動、音、視覚刺激、または任意の他の適切な直接的または環境的刺激）の生成を促進または誘導することができる。刺激は、更新された予想排尿時間に基づいてもよいし、それを含んでいてもよい。場合によっては、ブロック６０８において、プロセス６００を実行しているデバイスは、刺激を生成することができる。
[0111]図７は、本開示の特定の態様による排尿モデルを更新するプロセス７００を示すフローチャートである。プロセス７００は、ウェアラブルデバイス、ハブ、コンピューティングデバイス、またはアプリケーションサーバなどの任意の適切なデバイスによって、全体的または部分的に実行することができる。
[0112]ブロック７０２において、データ（例えば、生物測定的または環境データ）が受信される。データは、プロセス７００を実行しているデバイスまたは別のデバイスから受信することができる。データは、使用者識別子に関連付けることができる。
[0113]ブロック７０４において、使用者識別子に関連する実際の排尿事象の表示が受信される。この表示は、排尿検出センサから受信した信号の形態であってもよい。この表示は、随意のフィードバック信号または不随意のフィードバック信号のようなフィードバック信号の形式であってもよい。この表示は、プロセス７００を実行しているデバイスまたは別のデバイスから受信することができる。
[0114]ブロック７０６において、実際の排尿事象は、ブロック７０４で受信された表示を使用してブロック７０２で受信されたデータと関連付けられる。タイムスタンプデータは、ブロック７０２の受信データから得たデータの適切なサブセットに、実際の排尿事象を関連付けるために、使用することができる。
[0115]ブロック７０８において、関連する実際の排尿事象および受信データに基づいて使用者モデルが更新される。使用者モデルを更新することは、使用者モデルを最適化することを含むことができる。使用者モデルを最適化することは、ブロック７０６で実際の排尿事象に関連する受信データが、更新前に使用者モデルを使用して処理された場合よりも、更新後に使用者モデルを使用して処理された場合の方が排尿事象のより有効な予測を提示するように、モデルを更新することを含み得る。場合によっては、ブロック７０８は、１つの実行プロセス７００以外のデバイスによって生成され得る、更新された使用者モデルを受信することを含むことができる。
[0116]ブロック７１０において、更新された使用者モデルは、予想排尿時間を予測するために使用される。場合によっては、更新された使用者モデルを現在の、過去の、および／または最近のデータに適用して、予想排尿時間を予測することができる。例えば、ブロック７０２で受信したデータに、更新された使用者モデルを適用することができる。場合によっては、ブロック７１０は、現在のデータを取得することを含むことができ、それを更新された使用者モデルと一緒に使用して、予想排尿時間を予測することができる。
[0117]ブロック７１２では、ブロック７１０で判定された予想排尿時間に基づいてステータスの更新を送信する。ステータスの更新は、即時に（例えば、排尿が予想されることを示すメッセージを送信するために）送信しても、予想排尿時間の直前の時間まで遅らせてもよい（例えば、ステータスの更新は、排尿が差し迫っていることを示す刺激を含む）。ステータスの更新は、受信デバイスにより処理されると、予想排尿時間に基づくか予想排尿時間を含む刺激を生成することができる。場合によっては、ブロック７１２は、プロセス７００を実行するデバイスに刺激を提示することを含む。
[0118]図８は、本開示の特定の態様による、ベースライン排尿モデルを生成し、使用者排尿モデルを初期設定するプロセス８００を示すフローチャートである。プロセス８００は、ウェアラブルデバイス、ハブ、コンピューティングデバイス、またはアプリケーションサーバなどの任意の適切なデバイスによって、全体的または部分的に実行することができる。プロセス８００は、複数の使用者識別子に関連するデータを受信するのに適したデバイスによって有益に実行でき、したがってアプリケーションサーバで有益に実行できる。
[0119]ブロック８０２において、使用者識別子のコーパスに関連するデータを受信することができる。データは、複数の個々のデータ項目を含むことができ、それぞれは、使用者識別子のコーパス内の使用者識別子の集合の１つに関連付けられる。したがって、多くの異なる使用者識別子に関連付けられた多くの異なる使用者から得るデータを含む、データのデータセットを生成することができる。ブロック８０２でデータを受信することは、ブロック８０４、８０６、８０８のうちの１つ以上を含むことができる。ブロック８０４において、人口統計情報が受信される。ブロック８０６において、生物測定的および／または環境データが受信される。ブロック８０８で、排尿フィードバック（例えば、随意または不随意の）が受信される。ブロック８０４、８０６、８０８のすべてにおいて、受信されたデータ（例えば、人口統計学的情報、生物測定的および／または環境データ、および／または排尿フィードバック）を使用者識別子に関連付けることができる。
[0120]ブロック８１０では、ブロック８０２で受信したデータを用いて（例えば、ブロック８０４、８０６、８０８で）、１つ以上のベースライン排尿モデルを生成することができる。ベースライン排尿モデルを生成することは、複数の使用者識別子に関連付けられたデータを処理して、それらの使用者識別子に関連付けられたデータが与えられた所与の結果（例えば、排尿事象）を良好に予測する（例えば、最適に予測する）予測モデルを生成することを含み得る。したがって、ベースライン排尿モデルは、特定の使用者にとって最適な予測モデルではない可能性があり、それはモデルが生成されるすべての使用者にとって最適な予測モデルであり得る。
[0121]ブロック８１０でベースライン排尿モデルを生成することは、ブロック８１２でクロスコーパスベースライン排尿モデルを生成することを含み得る。クロスコーパスベースライン排尿モデルは、使用者識別子のコーパスにおける各使用者識別子に関連する全データの望ましいまたは最適な予測モデルを表し得る。換言すれば、クロスコーパスベースライン排尿モデルは、受信されるデータの対象であるすべての使用者からのデータに対して訓練された最適モデルを表すことができる。
[0122]任意選択的に、追加的または代替的に、ブロック８１０でベースライン排尿モデルを生成することは、ブロック８１４で１つ以上の亜集団ベースライン排尿モデルを生成することを含み得る。亜集団ベースライン排尿モデルは、使用者識別子のコーパスの使用者識別子の亜集団に関連する全データの望ましいまたは最適な予測モデルを表すことができる。換言すれば、亜集団ベースライン排尿モデルは、受信されるデータの対象である亜集団の使用者からのデータに対して訓練された最適モデルを表すことができる。亜集団ベースライン排尿モデルを生成することは、クラスタリングアルゴリズムなどの任意の適切なアルゴリズムに基づいて使用者識別子をインテリジェントに群化することによって亜集団を確立することを含むことができる。したがって、亜集団は、特定の亜集団ベースライン排尿モデルに従って排尿事象が高精度に予測され得る使用者識別子の集合（例えば、コーパスのすべての使用者識別子よりも少ない）を表すことができる。ブロック８０２で受信されたデータのいずれかに基づいて、亜集団を確立する（例えば、インテリジェントに群化する）ことができる。
[0123]第１の例では、ブロック８０６で受信された生物測定的データを使用して亜集団を確立することができる。機械学習およびインテリジェントな群化により、所定の限界を超える平均静止心拍数および／または所定の限界以下の平均皮膚伝導度を有する個人が、１つの特定の亜集団ベースライン排尿モデル（例えば、皮膚の導電度の変数に大きな重みを与えるモデル）を用いてよくモデル化され得ることが判定できる。第２の例では、ブロック８０６で受信された環境データを使用して亜集団を確立することができる。機械学習およびインテリジェントな群化によって、少なくともある特定の最低周囲温度を有する環境および／または特定の最大湿度未満を有する環境で毎日特定の時間数を超えた時間を費やす個人は、特定の亜集団ベースライン排尿モデル（例えば、排尿時間予測を他のモデルまたはクロスコーパスベースライン排尿モデルよりも遅らせるモデル）を使用して良好にモデル化できる旨を判定できる。場合によっては、人口統計的情報は、亜集団を群化するのに特に有用であり得る。
[0124]ブロック８１６において、新たな使用者識別子に関連付けられた人口統計データ、生物測定的データ、および／または環境データを受信することができる。ブロック８１８において、新たな使用者識別子に関連するブロック８１６で受信されたデータを使用して、適切な（例えば、精度の高い可能性がある）ベースライン排尿モデルを選択することができる。場合によっては、ブロック８１８でデータが受信されない場合、クロスコーパスベースライン排尿モデルを自動的に選択することができる。場合によっては、ブロック８１６で受信されたデータがブロック８１４の任意の亜集団と一致も適合もしない場合、クロスコーパスベースライン排尿モデルを選択することができる。しかし、ブロック８１６で受信されたデータの一部または全部が、ブロック８１４の亜集団のいずれかと一致または適合する場合、最良適合亜集団の亜集団ベースライン排尿モデルを選択することができる。
[0125]例えば、新たな使用者識別子に関連するデータが、第１の例を参照して上述した所定の限界を超える平均静止心拍数および／または所定の限界以下の平均皮膚導電度を示す場合、使用者識別子は、その第１の例の亜集団に関連付けることができ、その第１の例の亜集団ベースライン排尿モデルを選択することができる。別の例では、新たな使用者識別子に関連付けられたデータが、少なくとも特定の最低周囲温度を有する環境において、および／または特定の最大湿度未満を有する環境において、使用者識別子に関連付けられた使用者が毎日特定の時間数より多くの時間を費やすことを示す場合、使用者識別子は、その第２の例の亜集団に関連付けてもよく、その第２の例の亜集団ベースライン排尿モデルを選択してもよい。さらに別の例では、新たな使用者識別子に関連するデータが、第１の例の亜集団と第２の例の亜集団の両方に適合する場合、２つの亜集団のうちのどちらがより良好な適合性であるかについて判定することができ、その亜集団の亜集団ベースライン排尿モデルを使用することができる。
[0126]新たな使用者識別子からのデータが複数の亜集団に適合し得る場合に、ブロック８１８で選択されたベースライン排尿モデルは、平均を表す組み合わされた任意選択で新たなベースラインの排尿モデルとしてもよく、さもなければ一致したまたは適合した亜集団の個々の亜集団ベースラインの排尿モデルの組み合わせた特性としてもよい。
[0127]ブロック８２０において、使用者排尿モデルを初期設定することができる。使用者排尿モデルを初期設定することは、ブロック８１８で選択されたベースライン排尿モデルを使用して使用者排尿モデルを生成することを含むことができる。使用者排尿モデルは、最初は、選択されたベースライン排尿モデルと同一であっても、そのコピーであってもよい。使用者排尿モデルが生成されるか、初期設定されるとき、それは新たな使用者識別子に関連付けることができる。したがって、使用者排尿モデルは、特定の使用者、すなわち使用者識別子に関連付けられた使用者に固有の、予想排尿時間を予測するためのモデルとすることができる。
[0128]ブロック８２２において、使用者排尿モデルを使用して、使用者識別子に関連する予想排尿時間を予測することができる。場合によっては、使用者排尿モデルを現在の、過去の、および／または最近のデータに適用して、予想排尿時間を予測することができる。例えば、ブロック８１６で受信したデータに、更新された使用者モデルを適用することができる。場合によっては、ブロック８２２は、現在のデータを取得することを含むことができ、それを使用者排尿モデルと一緒に使用して、予想排尿時間を予測することができる。
[0129]図示された実施形態を含む実施形態の前述の説明は、例示および説明の目的でのみ提示されたものであり、開示された厳密な形態を網羅する意図はなく、またそれに限定する意図もない。数多くの改変、適合、およびその使用は、当業者に明らかになる。
[0130]以下に使用される場合、一連の例に対する任意の言及は、これらの例の各々を分離して参照するものとして理解されるべきである（例えば、「例１〜４」は「例１、２、３または４」と理解するものとする）。
[0131]例１は、１つ以上のデータプロセッサと、１つ以上のデータプロセッサで実行されるとき、１つ以上のデータプロセッサに、一意の識別子に関連付けられた生物測定的データを受信すること、一意の識別子に関連付けられた排尿予測モデルにアクセスすること、受信した生物測定的データを用いて更新された排尿予測モデルを生成すること、更新された排尿予測モデルと受信した生物測定的データとを用いて、予想排尿時間を予測すること、および予想排尿時間と一意の識別子とを使用してステータスの更新を生成することであって、刺激の生成を容易にするステータスの更新を生成すること、を含む動作を実行させる命令を含む非一時的なコンピュータ可読記憶媒体と、を含むシステムである。
[0132]例２は、動作が、ステータスの更新を送信することをさらに含み、ステータスの更新は、受信時に刺激の生成を容易にする、例１のシステムである。
[0133]例３は、ステータスの更新を送信することが、一意の識別子または一意の識別子に関連付けられたデバイス識別子をステータスの更新に付加することを含み、ステータスの更新は、中間デバイスによって受信されるとき、一意の識別子に関連付けられた後続のデバイスへステータスの更新を転送するよう中間デバイスを誘導する、例２のシステムである。
[0134]例４は、動作が、一意の識別子に関連付けられた人口統計情報を受信すること、受信した人口統計情報を用いてベースラインモデルを選択すること、およびベースラインモデルを用いて、排尿予測モデルを初期設定することをさらに含む、例１〜３のシステムである。
[0135]例５は、動作が、一意の識別子に関連するフィードバック信号を受信することをさらに含み、フィードバック信号は、排尿事象の発生を示すものであり、更新された排尿予測モデルを生成することは、機械学習技術を、フィードバック信号と受信した生物測定的データとを用いた排尿予測モデルに適用することを含む、例１〜４のシステムである。
[0136]例６は、動作が、フィードバック要求信号を送信することをさらに含み、フィードバック要求信号は、受信時にフィードバック要求刺激の生成を誘導する、例５のシステムである。
[0137]例７は、一意の識別子に関連付けられた生物測定的データを、コンピューティングデバイスにより受信すること、一意の識別子に関連付けられた排尿予測モデルにアクセスすること、受信した生物測定的データを用いて更新された排尿予測モデルを生成すること、更新された排尿予測モデルと受信した生物測定的データとを用いて、予想排尿時間を予測すること、予想排尿時間と一意の識別子とを使用してステータスの更新を生成することであって、刺激の生成を容易にするステータスの更新を生成すること、を含む、コンピュータにより実行される方法である。
[0138]例８は、ステータスの更新を送信することをさらに含み、ステータスの更新は、受信時に刺激の生成を容易にする、例７の方法である。
[0139]例９は、ステータスの更新を送信することが、一意の識別子または一意の識別子に関連付けられたデバイス識別子をステータスの更新に付加することを含み、ステータスの更新は、中間デバイスによって受信されるとき、一意の識別子に関連付けられた後続のデバイスへステータスの更新を転送するよう中間デバイスを誘導する、例８の方法である。
[0140]例１０は、一意の識別子に関連付けられた人口統計情報を受信すること、受信した人口統計情報を用いてベースラインモデルを選択すること、およびベースラインモデルを用いて、排尿予測モデルを初期設定することをさらに含む、例７〜９の方法。
[0141]例１１は、一意の識別子に関連するフィードバック信号を受信することをさらに含み、フィードバック信号は、排尿事象の発生を示すものであり、更新された排尿予測モデルを生成することは、機械学習技術を、フィードバック信号と受信した生物測定的データとを用いた排尿予測モデルに適用することを含む、例７〜９の方法である。
[0142]例１２は、フィードバック要求信号を送信することをさらに含み、フィードバック要求信号は、受信時にフィードバック要求刺激の生成を誘導する、例１１の方法である。
[0143]例１３は、データ処理装置に、一意の識別子に関連付けられた生物測定的データを受信すること、一意の識別子に関連付けられた排尿予測モデルにアクセスすること、受信した生物測定的データを用いて更新された排尿予測モデルを生成すること、更新された排尿予測モデルと受信した生物測定的データとを用いて、予想排尿時間を予測すること、および予想排尿時間と一意の識別子とを使用してステータスの更新を生成することであって、刺激の生成を容易にするステータスの更新を生成すること、を含む動作を実行させるように構成された命令を含む、非一時的な機械可読記憶媒体に有形に具体化されたコンピュータプログラム製品である。
[0144]例１４は、動作が、ステータスの更新を送信することをさらに含み、ステータスの更新は、受信時に刺激の生成を容易にする、例１３のコンピュータプログラム製品である。
[0145]例１５は、ステータスの更新を送信することが、一意の識別子または一意の識別子に関連付けられたデバイス識別子をステータスの更新に付加することを含み、ステータスの更新は、中間デバイスによって受信されるとき、一意の識別子に関連付けられた後続のデバイスへステータスの更新を転送するよう中間デバイスを誘導する、例１４のコンピュータプログラム製品である。
[0146]例１６は、動作が、一意の識別子に関連付けられた人口統計情報を受信すること、受信した人口統計情報を用いてベースラインモデルを選択すること、およびベースラインモデルを用いて、排尿予測モデルを初期設定することをさらに含む、例１３〜１５のコンピュータプログラム製品である。
[0147]例１７は、動作が、一意の識別子に関連するフィードバック信号を受信することをさらに含み、フィードバック信号は、排尿事象の発生を示すものであり、更新された排尿予測モデルを生成することは、機械学習技術を、フィードバック信号と受信した生物測定的データとを用いた排尿予測モデルに適用することを含む、例１３〜１６のコンピュータプログラム製品である。
[0148]例１８は、動作が、フィードバック要求信号を送信することをさらに含み、フィードバック要求信号は、受信時にフィードバック要求刺激の生成を誘導する、例１７のコンピュータプログラム製品である。
[0149]例１９は、生物測定的データが心拍変動性を含む例１〜６のシステムである。
[0150]例２０は、生物測定的データが膀胱充満度の測定値を含まない例１〜６または２０のシステムである。
[0151]例２１は、動作が、生物測定的データを用いてベースラインモデルを選択すること、およびベースラインモデルを用いて排尿予測モデルを初期設定することをさらに含む、例１〜６、２０または２１のシステムである。場合によっては、動作は、代わりに、追加の生物測定的データを受信すること、追加の生物測定的データを使用してベースラインモデルを選択すること、およびベースラインモデルを用いて排尿予測モデルを初期設定すること、を含むことができる。
[0152]例２２は、生物測定的データが心拍変動性を含む例７〜１２のシステムである。
[0153]例２３は、生物測定的データが膀胱充満度の測定値を含まない例７〜１２または２２の方法である。
[0154]例２４は、生物測定的データを用いてベースラインモデルを選択すること、およびベースラインモデルを用いて排尿予測モデルを初期設定することをさらに含む例７〜１２、２２または２３の方法である。場合によっては、動作は、代わりに、追加の生物測定的データを受信すること、追加の生物測定的データを使用してベースラインモデルを選択すること、およびベースラインモデルを用いて排尿予測モデルを初期設定すること、を含むことができる。
[0155]例２５は、生物測定的データが心拍変動性を含む例１３〜１８のコンピュータプログラム製品である。
[0156]例２６は、生物測定的データが膀胱充満度の測定値を含まない例１３〜１８または２３のコンピュータプログラム製品である。
[0157]例２７は、動作が、生物測定的データを用いてベースラインモデルを選択すること、およびベースラインモデルを用いて排尿予測モデルを初期設定することをさらに含む、例１３〜１８、２５、または２６のコンピュータプログラム製品である。場合によっては、動作は、代わりに、追加の生物測定的データを受信すること、追加の生物測定的データを使用してベースラインモデルを選択すること、およびベースラインモデルを用いて排尿予測モデルを初期設定すること、を含むことができる。

Claims (21)

  1. １つ以上のデータプロセッサと、
    前記１つ以上のデータプロセッサで実行されるとき、前記１つ以上のデータプロセッサに、
    一意の識別子に関連付けられた生物測定的データを受信すること、
    前記一意の識別子に関連付けられた排尿予測モデルにアクセスすること、
    前記受信した生物測定的データを用いて更新された排尿予測モデルを生成すること、
    前記更新された排尿予測モデルと前記受信した生物測定的データとを用いて、予想排尿時間を予測すること、および
    前記予想排尿時間と前記一意の識別子とを用いてステータスの更新を生成することであって、刺激の生成を容易にする前記ステータスの更新を生成すること、
    を含む動作を実行させる命令を含む非一時的なコンピュータ可読記憶媒体と、
    を含むシステム。
  2. 前記動作は、前記ステータスの更新を送信することをさらに含み、前記ステータスの更新は、受信時に前記刺激の生成を容易にする、請求項１に記載のシステム。
  3. 前記ステータスの更新を送信することは、前記一意の識別子または前記一意の識別子に関連付けられたデバイス識別子を前記ステータスの更新に付加することを含み、前記ステータスの更新は、中間デバイスによって受信されるとき、前記一意の識別子に関連付けられた後続のデバイスへ前記ステータスの更新を転送するように前記中間デバイスを誘導する、請求項２に記載のシステム。
  4. 前記動作は、
    前記一意の識別子に関連付けられた人口統計情報を受信すること、
    前記受信した人口統計情報を用いてベースラインモデルを選択すること、および
    前記ベースラインモデルを用いて、前記排尿予測モデルを初期設定すること、
    をさらに含む、請求項１に記載のシステム。
  5. 前記動作は、前記一意の識別子に関連するフィードバック信号を受信することをさらに含み、前記フィードバック信号は、排尿事象の発生を示すものであり、前記更新された排尿予測モデルを生成することは、機械学習技術を、前記フィードバック信号と前記受信した生物測定的データとを用いた前記排尿予測モデルに適用することを含む、請求項１に記載のシステム。
  6. 前記動作は、フィードバック要求信号を送信することをさらに含み、前記フィードバック要求信号は、受信時にフィードバック要求刺激の生成を誘導する、請求項５に記載のシステム。
  7. 前記動作は、
    前記生物測定的データを用いてベースラインモデルを選択すること、および
    前記ベースラインモデルを用いて前記排尿予測モデルを初期設定すること、
    をさらに含む、請求項１に記載のシステム。
  8. 一意の識別子に関連付けられた生物測定的データを、コンピューティングデバイスにより受信すること、
    前記一意の識別子に関連付けられた排尿予測モデルにアクセスすること、
    前記受信した生物測定的データを用いて更新された排尿予測モデルを生成すること、
    前記更新された排尿予測モデルと前記受信した生物測定的データとを用いて、予想排尿時間を予測すること、
    前記予想排尿時間と前記一意の識別子とを用いてステータスの更新を生成することであって、刺激の生成を容易にする前記ステータスの更新を生成すること、
    を含む、コンピュータにより実行される方法。
  9. 前記ステータスの更新を送信することをさらに含み、前記ステータスの更新は、受信時に前記刺激の生成を容易にする、請求項８に記載の方法。
  10. 前記ステータスの更新を送信することは、前記一意の識別子または前記一意の識別子に関連付けられたデバイス識別子を前記ステータスの更新に付加することを含み、前記ステータスの更新は、中間デバイスによって受信されるとき、前記一意の識別子に関連付けられた後続のデバイスへ前記ステータスの更新を転送するように前記中間デバイスを誘導する、請求項９に記載の方法。
  11. 前記一意の識別子に関連付けられた人口統計情報を受信すること、
    前記受信した人口統計情報を用いてベースラインモデルを選択すること、および
    前記ベースラインモデルを用いて、前記排尿予測モデルを初期設定すること、
    をさらに含む、請求項８に記載の方法。
  12. 前記一意の識別子に関連するフィードバック信号を受信することをさらに含み、前記フィードバック信号は、排尿事象の発生を示すものであり、前記更新された排尿予測モデルを生成することは、機械学習技術を、前記フィードバック信号と前記受信した生物測定的データとを用いた前記排尿予測モデルに適用することを含む、請求項８に記載の方法。
  13. フィードバック要求信号を送信することをさらに含み、前記フィードバック要求信号は、受信時にフィードバック要求刺激の生成を誘導する、請求項１２に記載の方法。
  14. 前記生物測定的データを用いてベースラインモデルを選択すること、および
    前記ベースラインモデルを用いて前記排尿予測モデルを初期設定すること、
    をさらに含む、請求項８に記載の方法。
  15. データ処理装置に、
    一意の識別子に関連付けられた生物測定的データを受信すること、
    前記一意の識別子に関連付けられた排尿予測モデルにアクセスすること、
    前記受信した生物測定的データを用いて更新された排尿予測モデルを生成すること、
    前記更新された排尿予測モデルと前記受信した生物測定的データとを用いて、予想排尿時間を予測すること、および
    前記予想排尿時間と前記一意の識別子とを用いてステータスの更新を生成することであって、刺激の生成を容易にする前記ステータスの更新を生成すること、
    を含む動作を実行させるように構成された命令を含む、非一時的な機械可読記憶媒体に有形に具体化されたコンピュータプログラム製品。
  16. 前記動作は、前記ステータスの更新を送信することをさらに含み、前記ステータスの更新は、受信時に前記刺激の生成を容易にする、請求項１５に記載のコンピュータプログラム製品。
  17. 前記ステータスの更新を送信することは、前記一意の識別子または前記一意の識別子に関連付けられたデバイス識別子を前記ステータスの更新に付加することを含み、前記ステータスの更新は、中間デバイスによって受信されるとき、前記一意の識別子に関連付けられた後続のデバイスへ前記ステータスの更新を転送するように前記中間デバイスを誘導する、請求項１６に記載のコンピュータプログラム製品。
  18. 前記動作は、
    前記一意の識別子に関連付けられた人口統計情報を受信すること、
    前記受信した人口統計情報を用いてベースラインモデルを選択すること、および
    前記ベースラインモデルを用いて、前記排尿予測モデルを初期設定すること、
    をさらに含む、請求項１５に記載のコンピュータプログラム製品。
  19. 前記動作は、前記一意の識別子に関連するフィードバック信号を受信することをさらに含み、前記フィードバック信号は、排尿事象の発生を示すものであり、前記更新された排尿予測モデルを生成することは、機械学習技術を、前記フィードバック信号と前記受信した生物測定的データとを用いた前記排尿予測モデルに適用することを含む、請求項１５に記載のコンピュータプログラム製品。
  20. 前記動作は、フィードバック要求信号を送信することをさらに含み、前記フィードバック要求信号は、受信時にフィードバック要求刺激の生成を誘導する、請求項１９に記載のコンピュータプログラム製品。
  21. 前記動作は、
    前記生物測定的データを用いてベースラインモデルを選択すること、および
    前記ベースラインモデルを用いて前記排尿予測モデルを初期設定すること、
    をさらに含む、請求項１５に記載のコンピュータプログラム製品。
JP2018554491A 2016-04-12 2017-04-11 排尿の予測およびモニタリング Active JP7000342B2 (ja)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
US201662321690P 2016-04-12 2016-04-12
US62/321,690 2016-04-12
US201662365714P 2016-07-22 2016-07-22
US62/365,714 2016-07-22
PCT/US2017/027065 WO2017180661A1 (en) 2016-04-12 2017-04-11 Urination prediction and monitoring

Publications (2)

Publication Number Publication Date
JP2019522500A true JP2019522500A (ja) 2019-08-15
JP7000342B2 JP7000342B2 (ja) 2022-01-19

Family

ID=59998222

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2018554491A Active JP7000342B2 (ja) 2016-04-12 2017-04-11 排尿の予測およびモニタリング

Country Status (10)

Country Link
US (3) US10685249B2 (ja)
EP (1) EP3442420B1 (ja)
JP (1) JP7000342B2 (ja)
KR (1) KR102470666B1 (ja)
CN (1) CN109640822B (ja)
AU (1) AU2017249318B2 (ja)
BR (1) BR112018071072A8 (ja)
CA (1) CA3020748C (ja)
IL (1) IL262263B (ja)
WO (1) WO2017180661A1 (ja)

Families Citing this family (35)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10226213B2 (en) * 2002-10-01 2019-03-12 Zhou Tian Xing Wearable digital device for personal health use for saliva, urine and blood testing and mobile wrist watch powered by user body
US10073953B2 (en) * 2002-10-01 2018-09-11 World Award Academy, World Award Foundation, Amobilepay, Inc. Wearable personal digital device for facilitating mobile device payments and personal use
WO2017180661A1 (en) * 2016-04-12 2017-10-19 GOGO Band, Inc. Urination prediction and monitoring
US10905368B2 (en) 2016-04-12 2021-02-02 GOGO Band, Inc. Bedwetting training device and method
US20180059714A1 (en) * 2016-08-23 2018-03-01 Qualcomm Incorporated Smart device with detachable band
US11406274B2 (en) * 2016-09-12 2022-08-09 Alio, Inc. Wearable device with multimodal diagnostics
US11018959B1 (en) * 2016-10-15 2021-05-25 Rn Technologies, Llc System for real-time collection, processing and delivery of data-telemetry
US11305113B2 (en) * 2017-11-11 2022-04-19 Neurostim Solutions LLC Nocturia reduction system
KR102118158B1 (ko) * 2017-12-05 2020-06-09 주식회사 굿보이딩헬스 웨어러블 디바이스를 이용한 여성 배뇨 감지 시스템 및 이를 이용한 판단 방법
US10856792B2 (en) * 2018-02-22 2020-12-08 Medtronic, Inc. Urinary symptom management
EP3549519A1 (en) * 2018-04-06 2019-10-09 Koninklijke Philips N.V. Method and apparatus for monitoring a subject
US11367041B2 (en) * 2018-06-25 2022-06-21 Robert Bosch Gmbh Occupancy sensing system for custodial services management
JP7314252B2 (ja) 2018-08-10 2023-07-25 シー・アール・バード・インコーポレーテッド 自動尿量測定システム
US20210398683A1 (en) * 2018-12-07 2021-12-23 Emory University Passive data collection and use of machine-learning models for event prediction
CN110051371A (zh) * 2019-03-27 2019-07-26 苏州威斯德医疗科技有限公司 一种基于物联网的排尿预警方法及预警装置
CN110236572B (zh) * 2019-05-07 2021-10-26 平安科技（深圳）有限公司 基于体温信息的抑郁症预测系统
US11786694B2 (en) 2019-05-24 2023-10-17 NeuroLight, Inc. Device, method, and app for facilitating sleep
CN112656401B (zh) * 2019-10-15 2023-08-22 梅州市青塘实业有限公司 一种智能监护方法、装置及设备
CN110811650B (zh) * 2019-10-29 2022-05-20 广东工业大学 一种排尿预测方法及装置
CN110742731A (zh) * 2019-11-08 2020-02-04 云南豪漫科技有限公司 纸尿裤及其监控系统
KR102313699B1 (ko) * 2019-11-19 2021-10-15 연세대학교 산학협력단 모바일 기반 방광 모니터링을 위한 패치형 초음파센서의 포지셔닝 최적화 장치 및 방법
US20210186399A1 (en) * 2019-12-19 2021-06-24 Medtronic, Inc. Urinary tract infection determination
KR102392785B1 (ko) * 2020-03-05 2022-05-02 림헬스케어 주식회사(RIM Healthcare Co., Ltd.) 웨어러블 디바이스를 이용한 배뇨 감지 방법 및 시스템
US11903746B2 (en) * 2020-06-25 2024-02-20 Hill-Rom Services, Inc. Incontinence prediction systems and methods
KR102185227B1 (ko) * 2020-07-14 2020-12-01 단국대학교 천안캠퍼스 산학협력단 방광 모니터링 장치 및 방법
TWI753506B (zh) * 2020-07-24 2022-01-21 戴德森醫療財團法人嘉義基督教醫院 預測夜間排尿時間方法
US20220071547A1 (en) * 2020-09-08 2022-03-10 Beacon Biosignals, Inc. Systems and methods for measuring neurotoxicity in a subject
CN112116967B (zh) * 2020-09-25 2022-12-27 苏州市立医院 一种提高尿液样本收集效率的信息处理方法和装置
KR102460829B1 (ko) * 2020-11-03 2022-10-28 재단법인대구경북과학기술원 방광 모니터링 장치 및 방광 모니터링 장치의 제어 방법
TWI763403B (zh) * 2021-03-29 2022-05-01 國立勤益科技大學 智慧馬桶偵測裝置
CN113208618A (zh) * 2021-04-06 2021-08-06 北京脑陆科技有限公司 一种基于eeg信号的大小便排泄预警方法、系统
US11983549B2 (en) * 2021-04-09 2024-05-14 The Procter & Gamble Company Multi-tiered graphical user interface (GUI) systems and methods for interoperating between multiple mobile application modes during a real-time caregiving event
CN114027795A (zh) * 2021-11-11 2022-02-11 展讯半导体(南京)有限公司 婴儿睡眠状态监测方法、装置、终端设备及可读存储介质
CN113786205A (zh) * 2021-11-17 2021-12-14 华南理工大学 基于卷积网络和长短期记忆网络的二便预警系统及方法
KR102528242B1 (ko) * 2022-03-18 2023-05-03 (주) 엠큐브테크놀로지 인공지능을 이용하여 방광용적을 측정하는 의료영상장치 및 의료영상장치의 동작 방법

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009279435A (ja) * 2002-08-09 2009-12-03 Diagnostic Ultrasound Europe Bv 膀胱体積の超音波瞬時測定
JP2013523305A (ja) * 2010-04-08 2013-06-17 コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ 排尿予測

Family Cites Families (36)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH07255764A (ja) * 1994-03-18 1995-10-09 Kanda Tsushin Kogyo Co Ltd 排尿警告方法及びその装置
IL124703A0 (en) 1998-06-01 1999-01-26 Abramovitch Aron Method and device for measurement of urine bladder functions and urination
USRE41236E1 (en) 2000-07-05 2010-04-20 Seely Andrew J E Method and apparatus for multiple patient parameter variability analysis and display
US6603403B2 (en) * 2000-12-12 2003-08-05 Kimberly-Clark Worldwide, Inc. Remote, wetness signaling system
US6911912B2 (en) 2001-11-08 2005-06-28 The Procter & Gamble Company Method of urinary continence training based on an objective measurement of the bladder
JP4463506B2 (ja) * 2003-08-13 2010-05-19 株式会社シェイプアップハウス 多チャンネル式電気刺激装置
JP2005087543A (ja) * 2003-09-18 2005-04-07 Hitachi Maxell Ltd 尿蓄積量検出装置、センサーユニットおよび尿蓄積量を監視あるいは排尿を予告する方法
DE602004021139D1 (de) 2004-03-31 2009-06-25 Nat Inst Of Advanced Ind Scien Ultraschallsensor zur bestimmung des urinvolumens
US7977529B2 (en) * 2004-11-03 2011-07-12 Fred Bergman Healthcare Pty Ltd. Incontinence management system and diaper
US8664467B2 (en) * 2006-03-31 2014-03-04 The Procter & Gamble Company Absorbent articles with feedback signal upon urination
JP2008217724A (ja) * 2007-03-07 2008-09-18 Nec Corp オモラシ監視システム及び該システムに用いられるオモラシ監視方法、オモラシ監視プログラム
US8204597B2 (en) * 2007-05-30 2012-06-19 Medtronic, Inc. Evaluating patient incontinence
NZ615517A (en) 2008-09-23 2014-09-26 Sydney Children’S Hospitals Network Randwick And Westmead A wireless code game enuresis alarm for the treatment of enuresis
CA2746343A1 (en) * 2008-12-09 2010-06-17 Gill Bar-Yoseph Stimulation of the urinary system
US8221337B2 (en) 2009-07-02 2012-07-17 Odu Research Foundation System and method for monitoring bladder distention in a variety of patients having differing anatomical proportions
JP2011182954A (ja) * 2010-03-09 2011-09-22 Panasonic Corp 排尿障害治療器
US20110237972A1 (en) * 2010-03-23 2011-09-29 Robert Garfield Noninvasive measurement of uterine emg propagation and power spectrum frequency to predict true preterm labor and delivery
EP2579069A2 (en) * 2010-06-04 2013-04-10 DTron Co., Ltd. Defecation/urination detection system and method
US20120172783A1 (en) 2010-12-29 2012-07-05 Ethicon Endo-Surgery, Inc. Obesity therapy and heart rate variability
WO2013019941A2 (en) * 2011-08-02 2013-02-07 Reproductive Research Technologies, Lp Method and system to monitor, detect, diagnose and predict the separation/rupture of the uterine scar associated with vaginal birth after cesarean procedures
JP5717262B2 (ja) * 2011-09-21 2015-05-13 エルジー・ケム・リミテッド 浸水検出回路およびそれを用いた浸水検出装置
CA2859144C (en) * 2011-12-21 2021-02-02 Sca Hygiene Products Ab Method and computer program for monitoring use of an absorbent product
JP2013242668A (ja) * 2012-05-18 2013-12-05 Sharp Corp 情報通知装置、情報通知装置の制御方法、制御プログラム、および、制御プログラムを記録したコンピュータ読み取り可能な記録媒体
JP6020027B2 (ja) * 2012-10-18 2016-11-02 富士通株式会社 膀胱内尿量推定装置、膀胱内尿量推定方法及びプログラム
CN102961152B (zh) * 2012-11-01 2015-12-02 中山大学 低负荷膀胱尿量实时监测与自动报警方法
CN103126672B (zh) * 2013-03-13 2015-04-22 中山大学 基于生物电阻抗的膀胱积尿实时监测方法及装置
US20140275849A1 (en) 2013-03-15 2014-09-18 Peerbridge Health, Inc. System and method for monitoring and diagnosing a patient condition based on wireless sensor monitoring data
KR101604996B1 (ko) * 2013-05-29 2016-03-22 주식회사 아이엠바이오 배뇨 조절용 자극 정보 제공 장치
CN103445770B (zh) * 2013-09-02 2015-04-22 中山大学 排尿感知检测方法及装置
US20160125759A1 (en) 2014-10-29 2016-05-05 Transcontinental Industries, Inc. Conditioned response toilet training systems and methods
US20160120455A1 (en) 2014-11-04 2016-05-05 Stichting Imec Nederland Method for monitoring incontinence
CN104605850B (zh) * 2015-01-19 2017-08-01 中山大学 一种基于电阻抗断层成像技术的膀胱尿量实时监测装置和方法
CN107613879B (zh) 2015-06-12 2020-07-31 三W日本株式会社 尿量推定装置和尿量推定方法
GB201513208D0 (en) 2015-07-27 2015-09-09 Univ Central Lancashire Methods and apparatuses for estimating bladder status
US10905368B2 (en) 2016-04-12 2021-02-02 GOGO Band, Inc. Bedwetting training device and method
WO2017180661A1 (en) 2016-04-12 2017-10-19 GOGO Band, Inc. Urination prediction and monitoring

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009279435A (ja) * 2002-08-09 2009-12-03 Diagnostic Ultrasound Europe Bv 膀胱体積の超音波瞬時測定
JP2013523305A (ja) * 2010-04-08 2013-06-17 コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ 排尿予測

Also Published As

Publication number Publication date
AU2017249318A1 (en) 2018-11-29
US11430245B2 (en) 2022-08-30
IL262263B (en) 2021-09-30
BR112018071072A2 (pt) 2019-02-12
BR112018071072A8 (pt) 2023-03-14
EP3442420B1 (en) 2024-06-12
CA3020748A1 (en) 2017-10-19
US20220415075A1 (en) 2022-12-29
EP3442420A4 (en) 2019-11-27
AU2017249318B2 (en) 2022-03-24
US20200302201A1 (en) 2020-09-24
CN109640822A (zh) 2019-04-16
KR20190004295A (ko) 2019-01-11
WO2017180661A1 (en) 2017-10-19
IL262263A (en) 2018-11-29
CA3020748C (en) 2022-10-04
EP3442420A1 (en) 2019-02-20
US10685249B2 (en) 2020-06-16
CN109640822B (zh) 2022-11-22
US20170293846A1 (en) 2017-10-12
JP7000342B2 (ja) 2022-01-19
KR102470666B1 (ko) 2022-11-23

Similar Documents

Publication Publication Date Title
JP7000342B2 (ja) 排尿の予測およびモニタリング
US11364362B2 (en) Methods and systems for sleep management
US20220157145A1 (en) Daily Activity Sensor and System
US20200100679A1 (en) Sleep Monitoring and Stimulation
US20110267196A1 (en) System and method for providing sleep quality feedback
US20160292982A1 (en) Caregiver monitoring device
US20070249952A1 (en) Systems and methods for sleep monitoring
CN107708412A (zh) 智能宠物监测系统
CN110049714A (zh) 用于促进觉醒的系统和方法
GB2447640A (en) Sleep stage monitoring with dry electrodes, and alarm method
WO2015112740A2 (en) Methods and systems for snore detection and correction
JP2008264551A (ja) サングラス型睡眠検出及び防止装置
CN107466241A (zh) 基于慢波周期提供感觉刺激
US20160287097A1 (en) Remotely aggregating measurement data from multiple infant monitoring systems
JP2019141358A (ja) 枕装置、枕調整システム、及び枕調整方法
US20160292986A1 (en) Remote aggregation of data relating to effects of environmental conditions on infants
US11684309B2 (en) System and method to enhance dream recall
US20200013504A1 (en) Patient Behavior Monitoring and Modification System
WO2023278636A1 (en) Systems, methods, and components thereof relating to positional therapy for sleep apnea
NZ755198A (en) Methods and systems for sleep management
NZ755198B2 (en) Methods and Systems for Sleep Management

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20200402

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20200403

RD04 Notification of resignation of power of attorney

Free format text: JAPANESE INTERMEDIATE CODE: A7424

Effective date: 20200515

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20200508

RD02 Notification of acceptance of power of attorney

Free format text: JAPANESE INTERMEDIATE CODE: A7422

Effective date: 20200609

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20210225

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20210309

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20210609

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: 20211124

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20211223

R150 Certificate of patent or registration of utility model

Ref document number: 7000342

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150