JP2021094230A

JP2021094230A - 判定装置

Info

Publication number: JP2021094230A
Application number: JP2019227876A
Authority: JP
Inventors: 耕太児玉; Kota Kodama; 伸樹橋口; Nobuki Hashiguchi; 北原　成郎; Shigeo Kitahara; 成郎北原; 安弘宮▲崎▼; Yasuhiro Miyazaki
Original assignee: Merge System Co Ltd; Ritsumeikan Trust; Kumagai Gumi Co Ltd
Current assignee: Merge System Co Ltd; Ritsumeikan Trust; Kumagai Gumi Co Ltd
Priority date: 2019-12-18
Filing date: 2019-12-18
Publication date: 2021-06-24
Anticipated expiration: 2039-12-18
Also published as: JP7403094B2; US11813090B2; US20210186432A1

Abstract

【課題】労働者の心拍数を含む生体情報を測定するだけで、その測定した生体情報から労働者の労働負荷による健康リスクを判定することができる判定装置を提供すること。【解決手段】上記課題を解決するために、本発明に係る判定装置１は、労働者Ｗｉの心拍数を含む生体情報を取得する生体情報取得部３と、労働負荷による健康リスクを生体情報に基づいて判別するためのモデル式が記憶されたモデル式記憶部４と、生体情報取得部３で取得した労働者Ｗｉの生体情報及びモデル式記憶部４に記憶されたモデル式に基づいて労働者Ｗｉの健康リスクを判定する判定部５と、を備えることを特徴とする。【選択図】図１

Description

本発明は、労働者の労働負荷による健康リスクを判定する判定装置に関する。

建設業、鉱業、農林水産業、製造業等の労働現場の中には、激しい肉体労働を伴ったり、高温等の過酷な環境中での労働を伴うような現場も存在する。そのような労働者の身体への負担が大きい過酷な労働現場では、新人が入ってこなかったり定着しなかったり、労働者の高齢化や熟練の労働者の減少等、人手不足に悩んでいることも多く、労働者の生産性と安全性の向上が喫緊の課題となっている。過酷な環境中での長時間の労働によって労働者に過度な労働負荷が掛かると、労働者の健康リスクが増大して傷病や重大事故等に繋がることにもなるため、労働者の生産性や安全性の向上を図るためには、労働者に掛かる労働負荷を適切に把握・判断し、それに基づいて適切な人員配置や労働時間となるように労務管理を行うことが重要であると考えられる。

しかし、人によって身体能力は異なるので、同じ作業を行ったとしても、その作業によって掛かる負荷は人によって異なる。そのため、作業内容に基づいて一律に労働負荷を判断することは難しく、労働者各個人ごとに労働負荷を判断する必要がある。

ここで、予備心拍数（％ｏｆＨｅａｒｔＲａｔｅＲｅｓｅｒｖｅ、％ＨＲＲ）（以下、％ＨＲＲとする）という運動強度に用いられる指標がある。％ＨＲＲは、以下の式で表される。
％ＨＲＲ＝（心拍数−安静時心拍数）÷（最大心拍数−安静時心拍数）×１００
上記式において、安静時心拍数は、運動を行う本人が運動を行わずに安静にしている時の心拍数で、最大心拍数は、運動を行う本人が出せる最大の心拍数であり、これらは各個人によって決まる定数となっている。何らかの運動を行うと、その運動の強度に比例して心拍数は上昇し、安静時心拍数から最大心拍数までの値を取ることになる。％ＨＲＲは、運動時の心拍数から、その運動がその人の限界に対してどの程度の割合の負荷となっているのかを０〜１００％で示す相対的な指標となっている。

この％ＨＲＲについて、％ＨＲＲと健康リスクとの関係を明らかにしようとする研究がこれまでに行われている。例えば、非特許文献１では、％ＨＲＲをその値に応じて５つのカテゴリーに分類しており、それぞれのカテゴリーごとにどの程度の負荷の運動をどのくらいの時間行うことが可能かという基準が示されている。非特許文献１によると、２０％ＨＲＲ未満は、座っているか横になっているかしている状態からほとんど動きが無くエネルギー消費の少ない運動強度のカテゴリー、２０％以上４０％ＨＲＲ未満は、呼吸速度に目立った変化を起こさない程度の有酸素運動で、少なくとも６０分以上継続可能な運動強度のカテゴリー、４０％以上６０％ＨＲＲ未満は、会話を続けることができるような有酸素運動で、３０〜６０分継続できるような運動強度のカテゴリー、６０％以上８５％ＨＲＲ未満は、会話を続けることが困難な有酸素運動で、３０分継続することが限度の運動強度のカテゴリー、８５％ＨＲＲ以上は、１０分も続けることが出来ないような運動強度のカテゴリーとして分類している。また、非特許文献２には、ＲＨＲ（ＲｅｌａｔｉｖｅＨｅａｒｔＲａｔｅ、相対心拍数）と、労働時間の限界との関係が示されている。非特許文献２ではＲＨＲとなっているが、ＲＨＲは％ＨＲＲと同等である。非特許文献２によると、ＲＨＲが３９％の時に許容される労働時間が４時間、ＲＨＲが２４．５％の時に許容される労働時間が８時間となっている。また、非特許文献３には、３０−６０分間持続できる４０％ＨＲＲを許容限界として建設現場の作業員で労働負荷を確認するような研究について記載されている。

また一方で、近年、様々な分野において、ウェアラブルデバイスの研究・開発が盛んに行われている。ウェアラブルデバイスは、腕時計型、眼鏡型、衣服型等、様々な形態のものが存在し、利用者の身に着けられるようなコンピュータデバイスである。ウェアラブルデバイスは、その常時利用者の身に着けられるという特徴から、ヘルスモニタリング分野での応用が期待されている。従来、心電図等の生体情報を測定する場合、ディスポーザブル電極をゲルや粘着テープ等によって被測定者の皮膚に貼付して測定することが一般的であるが、長時間の連続測定や運動動作中の測定を行う場合には、電極の貼付部に発汗による不快感やかぶれを生じたり、ゲルや粘着テープが剥がれたりと、生体情報を測定することは困難であった。このような従来の生体情報の測定に対して、例えば、特許文献１には、衣服の内側に電極を有し、ゲルや粘着テープ等の接着部材を用いずに、着用者がその衣服を着用した時に皮膚に電極が接触して、歩行動作時やランニング等の運動動作時においても心電図を計測可能な衣服型のウェアラブルデバイスが開示されている。特許文献１に記載のようなウェアラブルデバイスを用いることによって、心拍数等の生体情報の長時間の測定や運動時の測定を簡便に行うことができる。

特開２０１７−０２９６９２号公報

K. Norton et al., "Position statement on physical activity and exercise intensity terminology", Journal of Science and Medicine in Sport 13 (2010) p.496-502 Hsin-Chieh Wu et al., "Relationship between maximum acceptable work time and physical workload", Ergonomics 45 (2002) p.280-289 Sungjoo Hwang et al., "Wristband-type wearable health devices to measure construction workers' physical demands", Automation in construction 83 (2017) p.330-340

上記のように、％ＨＲＲを用いることによって、作業内容による一律な労働負荷ではなく、労働者個人に合わせた労働負荷を見積もることができて、非特許文献１−３に記載のような％ＨＲＲと健康リスクとの基準を適用して、例えば、％ＨＲＲが４０％を超えると健康リスク有りと判定するというように、労働者に合わせた労働負荷による健康リスクの判定を行うことができると考えられる。また、特許文献１に記載のようなウェアラブルデバイスを利用することで、労働者が作業を中断することなく労働中でも心拍数等の生体情報を測定することができ、％ＨＲＲは心拍数から算出されるので、リアルタイムな労働負荷の判断を行うことができると考えられる。

しかしながら、％ＨＲＲで用いられる安静時心拍数や最大心拍数の値は、労働者個人によって異なるので、％ＨＲＲを求めるためには、各労働者の安静時心拍数や最大心拍数のデータが必要となる。そのため、例えば、大規模な建設現場等で、大人数の労働者の労働負荷による健康リスクを判定するような場合に、労働者全員の安静時心拍数や最大心拍数のデータを事前に測定しておくには、相当な時間や労力を伴うことになり、また、データ数も膨大になり、事前に用意しておいた各労働者の安静時心拍数や最大心拍数のデータと、労働中に測定した各労働者の心拍数のデータとを対応させるためのデータの管理や生体情報の測定機器等の管理も大変である。

本発明は上記事情に鑑みてなされたものであって、労働者の心拍数を含む生体情報を測定するだけで、その測定した生体情報から労働者の労働負荷による健康リスクを判定することができる判定装置を提供することを目的とする。

上記課題を解決するために、本発明に係る判定装置は、労働者の心拍数を含む生体情報を取得する生体情報取得部と、労働負荷による健康リスクを前記生体情報に基づいて判別するためのモデル式が記憶されたモデル式記憶部と、前記労働者の前記生体情報及び前記モデル式に基づいて前記労働者の前記健康リスクを判定する判定部と、を備えることを特徴とする。

好ましくは、本発明に係る判定装置は、前記モデル式が、既知の標本データのロジスティック回帰によって算出されたものであることを特徴とする。

好ましくは、本発明に係る判定装置は、前記生体情報が、さらに前記労働者の身体活動量を含むことを特徴とする。

好ましくは、本発明に係る判定装置は、前記労働者の身に装着されて前記労働者の前記生体情報を測定するウェアラブルデバイスを備え、前記生体情報取得部は、前記ウェアラブルデバイスから前記生体情報を取得することを特徴とする。

本発明に係る判定装置は、労働者の心拍数を含む生体情報を取得する生体情報取得部と、労働負荷による健康リスクを前記生体情報に基づいて判別するためのモデル式が記憶されたモデル式記憶部と、前記労働者の前記生体情報及び前記モデル式に基づいて前記労働者の前記健康リスクを判定する判定部と、を備えることを特徴とするので、本発明に係る判定装置によると、生体情報取得部によって取得された労働者の心拍数を含む生体情報から、判定部がモデル式記憶部に記憶されたモデル式に基づいて、その労働者の労働負荷による健康リスクを判定するため、労働者の生体情報を測定するだけで、その労働者についての事前のそれ以外の測定等をせずに、その労働者の労働負荷による健康リスクを判定することができる。

好ましくは、本発明に係る判定装置は、前記モデル式が、既知の標本データのロジスティック回帰によって算出されたものであることを特徴とするので、単回帰分析や重回帰分析によって労働負荷を直接見積もるようなモデル式を用いる場合には、モデル式による解が負になるような場合があるが、ロジスティック回帰によって算出されるモデル式による解は必ず０から１の間に収まるため、労働者の労働負荷による健康リスクの判定の確度を向上させることができる。

好ましくは、本発明に係る判定装置は、前記生体情報が、さらに前記労働者の身体活動量を含むことを特徴とするので、労働者の労働負荷による健康リスクの判定の確度を向上させることができる。

好ましくは、本発明に係る判定装置は、前記労働者の身に装着されて前記労働者の前記生体情報を測定するウェアラブルデバイスを備え、前記生体情報取得部は、前記ウェアラブルデバイスから前記生体情報を取得することを特徴とするので、労働者が生体情報の測定のために作業を中断することなく、ウェアラブルデバイスによって労働者の作業中の生体情報の測定を行うことができ、リアルタイムで健康リスクを判定することができる。

本発明の一実施形態に係る判定装置の機能ブロック図。本発明の一実施形態に係る判定装置のウェアラブルデバイスの概略構成図。本発明の一実施形態に係る判定装置のウェアラブルデバイスの機能ブロック図。

本発明に係る判定装置の一実施形態について、以下、図面を参照しつつ説明する。ただし、以下はあくまで本発明の一実施形態を例示的に示すものであり、本発明の範囲は以下の実施形態のみに限定されるものではなく、本発明の思想を逸脱しない範囲で適宜変更可能である。

本発明の一実施形態に係る判定装置１は、図１に示すように、制御部２と、生体情報取得部３と、モデル式記憶部４と、判定部５と、通信部６とを備え、それぞれがバス７を介して相互に各種データを通信可能に構成されている。また、労働者Ｗ１から労働者Ｗｎまでの各労働者Ｗｉ（１≦ｉ≦ｎ）には、それぞれウェアラブルデバイス８が装着されており、判定装置１と各ウェアラブルデバイス８とはそれぞれ通信可能に接続されている。

制御部２は、判定装置１の制御を行う。判定装置１が備える生体情報取得部３、モデル式記憶部４、判定部５及び通信部６の各構成要素の機能は、制御部２の制御の下で実行される。判定装置１は、例えば、ＣＰＵ、メモリ及び入出力部を備え、該入出力部にＨＤＤ等の記憶装置やキーボードやディスプレイ等の入出力装置等の各種機器を接続可能で、メモリに格納された各種プログラムをＣＰＵが演算処理することで、プログラムに応じた各種機能や制御を行うような一般的な汎用のコンピュータを用いて構成できる。その場合、ＣＰＵ及びメモリを制御部２として構成し、ＣＰＵが演算処理することで判定装置１の各構成要素の機能が実行されるようなプログラムをメモリに格納して、入出力部に判定装置１の各構成要素の機能の実行に必要な記憶装置等の各種機器を接続することで、判定装置１の各構成要素の機能が実行されるように構成すればよい。

生体情報取得部３は、各労働者Ｗｉの生体情報を取得する。生体情報取得部３によって取得する生体情報は、少なくとも心拍数を含む。本実施形態では、生体情報取得部３は、各労働者Ｗｉの心拍数に加えて、各労働者Ｗｉの身体活動量も生体情報として取得する。

モデル式記憶部４は、労働負荷による健康リスクを生体情報に基づいて判別するためのモデル式を記憶している。モデル式記憶部４は、例えば、ＨＤＤ（ＨａｒｄＤｉｓｃＤｒｉｖｅ）、ＳＳＤ（ＳｏｌｉｄＳｔａｔｅＤｒｉｖｅ）、フラッシュメモリ等の各種データを読み書き可能な一般的な記憶装置を用いて構成することができる。

判定部５は、生体情報取得部３で取得された各労働者Ｗｉの生体情報と、モデル式記憶部４に記憶されているモデル式とに基づいて、各労働者Ｗｉの健康リスクを判定する。

通信部６は、外部機器との間で各種データを無線で通信する。通信部６は、例えば、無線ＬＡＮや携帯電話回線等の一般的な無線通信規格に準拠した無線通信装置を用いて構成できる。本実施形態では、図１に示すように、各労働者Ｗｉにはそれぞれウェアラブルデバイス８が装着されており、判定装置１と各ウェアラブルデバイス８とが通信可能に接続されているが、この判定装置１と各ウェアラブルデバイス８との接続は、通信部６を介した無線による接続となっている。

ウェアラブルデバイス８は、図２に示すように、労働者Ｗｉの上半身に着用されるウェア８１と、２つの電極８２及び配線８３と、測定装置９とを備える。電極８２、配線８３及び測定装置９はウェア８１に取り付けられる。

ウェア８１は、労働者Ｗｉが着用した時に、労働者Ｗｉの上半身の体幹部を覆い、労働者Ｗｉの体に直接触れて、労働者Ｗｉの体に密着するような衣服であり、労働者Ｗｉの動作に合わせて追従できるように伸縮性に富む素材により形成されている。

２つの電極８２は、労働者Ｗｉがウェア８１を着用した時に、労働者Ｗｉの胸部の左右の位置の体表に当接するようにウェア８１の裏側に取り付けられている。２つの電極８２の間に労働者Ｗｉの心臓が挟まれるような位置関係となっており、これによって２つの電極８２によって取得される電気信号から、労働者Ｗｉの心臓の電気的な活動の様子が観測できる。電極８２は、乾式の電極であり、ゲルや粘着テープ等の接着部材を用いて労働者Ｗｉの体表に貼り付けられるのではなく、ウェア８１が労働者Ｗｉの体に密着することによって、ウェア８１に固定された電極８２も労働者Ｗｉの体に接触するようになっている。そのため、長時間着用していても、皮膚のかぶれや不快感が生じにくくなっている。電極８２は、ウェア８１が労働者Ｗｉの体に密着することによって、労働者Ｗｉの体に接触するようになっているので、電極８２は、労働者Ｗｉの体動等によるウェア８１の伸縮に応じて、追従して伸縮できるように伸縮性を有し、伸長時でも電気信号を取得できるように導電性を有する素材により形成されていることが好ましい。

配線８３は、ウェア８１に固定され、電極８２と測定装置９とを接続している。電極８２によって取得された電気信号は、配線８３を介して測定装置９に送られる。配線８３も、電極８２と同様に、ウェア８１に固定されるため、ウェア８１の伸縮に応じて伸縮性及び導電性を有する素材により形成されていることが好ましい。

電極８２及び配線８３は、例えば、東洋紡社のＣＯＣＯＭＩ（登録商標）を用いて構成することができる。ＣＯＣＯＭＩ（登録商標）は、高い伸縮性及び導電性を有する薄膜状の機能性素材であり、導電シートの両面が絶縁シートにより覆われた３層構造となっており、熱圧着によって生地に簡単に貼り付けることができる。ウェア８１の裏側にＣＯＣＯＭＩ（登録商標）を貼り付けて、電極８２として用いる部分の絶縁シートを剥がして導電シートを露出させることで、導電シートが露出した導電部分を電極８２、絶縁シートに覆われた絶縁部分を配線８３として、電極８２及び配線８３を一体として形成することができる。このように、電極８２及び配線８３を一体として形成すると、電極８２と配線８３との接続部に段差等が生じないので、接続部によって着心地を損ねたり、作業中に接続部に気を取られたりすることを軽減できる。

測定装置９は、図３に示すように、制御部９１と、生体情報測定部９２と、入出力部９３と、識別符号部９４と、通信部９５とを備え、それぞれがバス９６を介して相互に各種データを通信可能に構成されている。

制御部９１は、測定装置９を制御する。測定装置９が備える生体情報測定部９２、入出力部９３、識別符号部９４及び通信部９５の各構成要素の機能は、制御部９１の制御の下で実行される。制御部９１は、例えば、ＣＰＵ及びメモリを備える構成とし、メモリに格納された各種プログラムをＣＰＵが演算処理することにより、プログラムに応じた測定装置９の各機能が実行されるように構成してよい。

生体情報測定部９２は、心拍センサ９２１と、加速度センサ９２２とを備える。生体情報測定部９２は、心拍センサ９２１によって労働者Ｗｉの心拍数を測定し、加速度センサ９２２によって労働者Ｗｉの身体活動量を測定する。

心拍センサ９２１は、２つの電極８２から測定装置９に入力される電気信号に基づいて、労働者Ｗｉの心拍数を測定する。心臓は、右心房付近に存在する洞房結節に生じた活動電位の電気信号が刺激伝導系によって心臓全体に順次伝えられ、その電気信号によって心筋の収縮が起こることで拍動する。そのため、心臓の拍動に関する情報は、その電気信号の伝導に伴って生じる心臓の電位の変動を観測することによって測定できる。２つの電極８２は労働者Ｗｉの胸部の左右に心臓を挟むようにして当接するようになっているので、２つの電極８２の間の電位差から、心臓の電位の変動を観測することができる。心臓の電位の変動の波形は、通常、心臓の拍動に伴って規則正しく繰り返された波形となるので、その波形から一定時間当たりの心臓の拍動の回数である心拍数を測定できる。

加速度センサ９２２は、測定装置９に加えられた加速度を測定する。測定装置９は、図２に示すように、労働者Ｗｉがウェア８１を着用した時に、労働者Ｗｉの胸の中心付近に位置するようになっている。そのため、ウェアラブルデバイス８を装着した労働者Ｗｉが身体を動かすことによって測定装置９も動くため、加速度センサ９２２によって労働者Ｗｉの身体の動きに伴う加速度を測定できる。本実施形態では、加速度センサ９２２によって測定した加速度を一定時間積算したものを労働者Ｗｉの身体活動量として用いている。

入出力部９３は、２つの配線８３が接続される。配線８３は、それぞれ電極８２と逆側の端部に入出力部９３に接続可能なコネクタを備え、測定装置９がウェア８１に取り付けられると、配線８３が入出力部９３に接続されるようになっている。２つの電極８２によって取得された電気信号は、２つの配線８３及び入出力部９３を介して測定装置９に入力されて、心拍センサ９２１で心拍数の測定に用いられる。

識別符号部９４は、各ウェアラブルデバイス８を識別可能な識別符号を保持する。本実施形態では、労働者Ｗｉにそれぞれウェアラブルデバイス８が装着されて、各ウェアラブルデバイス８と判定装置１とが通信可能に接続されており、判定装置１には、各ウェアラブルデバイス８で測定された各労働者Ｗｉの生体情報が入力されることになるので、判定装置１に入力される生体情報が、どのウェアラブルデバイス８から入力されたものなのかを識別できるように、各ウェアラブルデバイス８の識別符号部９４には、自身と他のウェアラブルデバイス８とを識別可能な識別符号が保持されている。識別符号部９４で用いる識別符号は、数字でも文字でも記号でも各ウェアラブルデバイス８を識別できるようになっていれば何でもよい。例えば、１０個のウェアラブルデバイス８を用いる場合に、１から１０までの通し番号をそれぞれに割り振って識別符号として用いるようにしてもよい。

通信部９５は、外部機器との間で各種データを無線で通信する。測定装置９は、通信部９４を介して、判定装置１との間で各種データを無線で通信可能となっている。通信部９５は、例えば、無線ＬＡＮや携帯電話回線等の一般的な無線通信規格に準拠した無線通信装置を用いて構成できる。測定装置９と判定装置１とは、測定装置９の通信部９５と、判定装置１の通信部６との無線通信規格を合わせて、通信部９５と通信部６との間で直接無線接続するようにしてもよいし、ルーター等を用いてインターネット等のネットワークを介して接続するようにしてもよい。

測定装置９は、例えば、ユニオンツール社の心拍センサＷＨＳ−２（ＷＨＳ：登録商標）を用いて構成してもよい。ＷＨＳ−２は、心拍数を含む心拍情報や３軸加速度を測定する機能や、無線通信機能が備えられているので、ＷＨＳ−２を用いれば簡単に測定装置９を構成できる。

本実施形態では、ウェアラブルデバイス８は、労働者Ｗｉの上半身に着用される衣服型のウェアラブルデバイスの例を示したが、それに限らず労働者Ｗｉの身に装着されて、労働者Ｗｉの作業中の心拍数を含む生体情報を取得できるようになっていればよい。例えば、ウェアラブルデバイス８として労働者Ｗｉの手首に装着するリストバンド型のものを用いて、手首の脈拍から心拍数を測定するような光学式の心拍センサによって心拍数を測定するようにしてもよい。また、１つのウェアラブルデバイス８で必要な生体情報を全て測定するようになっていなくてもよく、例えば、生体情報として心拍数と身体活動量とを測定したい場合に、心拍数を測定するためのウェアラブルデバイスと、身体活動量を測定するための別のウェアラブルデバイスとを２つ装着するようにしてもよい。

以上のように構成される本実施形態に係る判定装置１によると、各労働者Ｗｉにはそれぞれウェアラブルデバイス８が装着されており、ウェアラブルデバイス８は、測定装置９を備え、測定装置９の生体情報測定部９２が心拍センサ９２１及び加速度センサ９２２によって、労働者Ｗｉの心拍数及び身体活動量を生体情報として測定する。各ウェアラブルデバイス８は、自身と他のウェアラブルデバイス８とを識別可能な識別符号を保持する識別符号部４と、通信部９５とを備え、通信部９５を介して判定装置１と無線で通信可能に接続されている。各ウェアラブルデバイス８は、生体情報測定部９２によって測定した生体情報を、識別符号部４に保持された識別符号と紐づけて、一定時間ごとに判定装置１に送信する。判定装置１は、通信部６を備え、通信部６を介して各ウェアラブルデバイス８と無線通信可能に接続されており、各ウェアラブルデバイス８から送信されてきた識別符号に紐づけられた生体情報は、通信部６で受信した後、生体情報取得部３に送られる。生体情報取得部３は、送られてきた各ウェアラブルデバイス８の生体情報を取得し、紐づけられた識別符号によって各ウェアラブルデバイス８の生体情報を管理して保持する。生体情報取得部３は、いずれかのウェアラブルデバイス８の生体情報を新たに取得すると、その新たに取得した生体情報のウェアラブルデバイス８の識別符号を判定部５に送信する。判定部５は、生体情報取得部３から識別符号が送られてくると、生体情報取得部３で管理されている各ウェアラブルデバイス８の生体情報から、その送られてきた識別符号に対応したウェアラブルデバイス８の最新の生体情報を参照し、その生体情報に対応した労働負荷による健康リスクを判別するためのモデル式を、モデル式記憶部４から呼び出して、その生体情報と呼び出したモデル式とに基づいて、健康リスクを判定し、判定結果を識別符号に紐づけて保存する。例えば、各ウェアラブルデバイス８に警告ランプ等の警告手段を設けておいて、判定部５による判定結果が悪かった場合には、半手結果に紐づけられた識別符号から、その識別符号のウェアラブルデバイス８の警告手段に警告を発するような命令を送信するように構成してもよい。このように、判定装置１によると、ウェアラブルデバイス８によって各労働者Ｗｉの生体情報を測定するだけで、それぞれの健康リスクを判定することができる。

ここで、モデル式記憶部４に記憶されているモデル式について説明する。モデル式記憶部４に記憶されるモデル式は、労働者Ｗｉの労働負荷による健康リスクを、生体情報取得部３で取得する労働者Ｗｉの生体情報に基づいて判別するためのモデル式である。本実施形態では、生体情報取得部３で取得する労働者Ｗｉの生体情報は、労働者Ｗｉに装着されるウェアラブルデバイス８によって測定される心拍数及び身体活動量である。労働者Ｗｉの労働負荷は、同じ作業内容であっても、各労働者Ｗｉの身体能力は異なるため、労働者Ｗｉによって異なる。そのため、労働者Ｗｉの生体情報である心拍数に基づいて、労働者Ｗｉに掛かる労働負荷を見積もることができる予備心拍数（％ｏｆＨｅａｒｔＲａｔｅＲｅｓｅｒｖｅ、％ＨＲＲ）（以下、％ＨＲＲとする）を、モデル式として用いることができると考えられる。ここで、ウェアラブルデバイス８で測定される労働者Ｗｉの心拍数をｘ_１ｉとすると、労働者Ｗｉに対する％ＨＲＲは、次の式（１）で表される。

式（１）において、ＲＨ_ｉは労働者Ｗｉの安静時心拍数、ＭＨ_ｉは労働者Ｗｉの最大心拍数である。しかし、この式（１）をモデル式記憶部４に記憶されるモデル式として用いようとすると、ウェアラブルデバイス８によって測定される労働者Ｗｉの心拍数ｘ_１ｉだけでは％ＨＲＲを算出することができず、労働者Ｗｉの事前の安静時心拍数ＲＨ_ｉ及び最大心拍数ＭＨ_ｉの測定を必要とし、労働者Ｗｉごとにモデル式を用意することになるため、データの管理も煩雑である。

そこで、次の式（２）をモデル式記憶部４に記憶されるモデル式として用いることができる。

式（２）において、ＡＲＨは既知の標本データから算出した労働者の安静時心拍数、ＡＭＨは既知の標本データから算出した労働者の最大心拍数である。そのため、式（２）をモデル式として用いると、ウェアラブルデバイス８によって労働者Ｗｉの心拍数ｘ_１ｉを測定することで、労働者Ｗｉの％ＨＲＲを算出することができる。この場合に、判定部５は、式（２）によって労働者Ｗｉの％ＨＲＲを算出し、％ＨＲＲが一定の基準値以上になれば健康リスク有りと判定し、その基準値未満であれば健康リスク無しと判定するというようにして、労働者Ｗｉの労働負荷による健康リスクを判定することができる。この判定の根拠となる％ＨＲＲの基準値には、非特許文献１−３等を参照して、４０％を用いることができる。％ＨＲＲ＜４０％であれば健康リスク無し、％ＨＲＲ≧４０％の場合は、健康リスク有りと判定部５によって判定するようにすればよい。また、このように健康リスクの有り・無しの２択で判定するのではなく、例えば、％ＨＲＲ＜４０％を健康リスク小、４０％≦％ＨＲＲ＜６０％を健康リスク中、６０％≦％ＨＲＲを健康リスク大の３択に判定する等、判定部５で３択以上に判定するようにしてもよい。

式（２）のＡＲＨ及びＡＭＨの算出に用いる既知の標本データとしては、労働者Ｗｉが含まれる労働者の集団の母数から抽出した労働者についての、事前に測定された安静時心拍数及び最大心拍数を用いることが好ましい。その抽出する標本の要素数は、適宜決めればよいが、１０人以上が好ましい。ＡＲＨはこの既知の標本データの安静時心拍数の平均値、ＡＭＨはこの既知の標本データの最大心拍数の平均値をそれぞれ用いるようにすればよい。最大心拍数は最大の限界値的な心拍数であるため測定することが難しいこともあるので、一般的に知られた年齢から最大心拍数を算出するための統計的な式を用いてもよい。このような年齢から最大心拍数を算出するための式はいくつか知られているが、例えば、以下の式（３）を用いることができる。
最大心拍数＝２０８−年齢×０．７・・・（３）
従って、既知の標本データとして抽出した労働者の年齢のデータを作成しておいて、そこから式（３）によって算出した最大心拍数から、ＡＭＨを算出するようにしてもよい。

上記のように、式（２）をモデル式記憶部４に記憶されるモデル式として用いることができるものの、労働者Ｗｉの各個人で身体能力が異なるので、労働者Ｗｉの安静時心拍数ＲＨ_ｉ及び最大心拍数ＭＨ_ｉと、標本データによる安静時心拍数ＡＲＨ及び最大心拍数ＡＭＨとの誤差が大きい場合等に、式（２）によって算出された％ＨＲＲが適切な値とならない場合がある。そのような場合に、既知の標本データから、目的変数を％ＨＲＲ、説明変数を心拍数ｘ_１とした単回帰分析によって、％ＨＲＲの値を予測することも考えられるが、単回帰分析の場合、予測された％ＨＲＲの値が負となるような場合がある。

そこで、本実施形態では、ロジスティック回帰を用いている。ロジスティック回帰は、確率ｐで１を、確率ｑ＝１−ｐで０をとるような離散確率分布であるベルヌーイ分布に従う統計的回帰モデルの一種である。ロジスティック回帰では、１をとる確率ｐを目的変数として、ｘ_１からｘ_ｊまでのｊ個の説明変数によって、次の式（４）によって目的変数である確率ｐを予測する。

式（４）において、ｂ_０は定数、ｂ_ｊは偏回帰係数でパラメタである。既知の標本データとして、いくつかの標本について、それぞれ事前に測定したｘ_１からｘ_ｊまでのｊ個の説明変数の測定値と、それぞれの標本がある基準に基づいて１と０のどちらに分類されるかというデータを作成しておき、その既知の標本データを用いることで、ｂ_０及びｂ_１からｂ_ｊのパラメタは、最尤法等によって推定できる。その既知の標本データから推定したｂ_０及びｂ_１からｂ_ｊを式（４）に当てはめた式をモデル式として用いる。それによって、未知の対象について、ｘ_１からｘ_ｊを測定し、そのモデル式にその測定値を代入することで、１となる確率ｐを予測できる。ロジスティック回帰による予測結果は確率であり、必ず０から１の間の値となるため、％ＨＲＲの単回帰分析による予測結果のように負の値がでて予測不可能になることが無い。

ここでは、判定部５によって労働者Ｗｉの労働負荷による健康リスクを判定するためのモデル式を求めたいので、健康リスク有りの場合を１、健康リスク無しの場合を０として、健康リスク有りの１となる確率ｐを目的変数として予測するようなモデル式となるようにする。健康リスク有りの１と、健康リスク無しの０との基準には、例えば、％ＨＲＲを用いてよく、ここでは％ＨＲＲ＜４０％であれば１、％ＨＲＲ≧４０％であれば０と判別する。説明変数ｘ_ｊには、ウェアラブルデバイス８によって測定する生体情報を用いる。本実施形態では、ウェアラブルデバイス８によって心拍数及び身体活動量を測定しているので、心拍数をｘ_１、身体活動量をｘ_２として２つの説明変数を用いる。そして、既知の標本データから推定したｂ_０、ｂ_１及びｂ_２のパラメタを式（４）に代入したものを、モデル式記憶部４に記憶されるモデル式として用いることができる。ここでのｂ_０、ｂ_１及びｂ_２のパラメタの推定に用いる既知の標本データは、各標本についての、説明変数として用いている心拍数及び身体活動量の測定データと、健康リスクの１または０の基準として用いている％ＨＲＲを求めるための安静時心拍数及び最大心拍数が必要である。

上記のようにして、ロジスティック回帰によって求められたウェアラブルデバイス８によって測定される生体情報から健康リスク有りとなる確率ｐを予測するモデル式をモデル式記憶部４に記憶しておくことで、判定部５は、ウェアラブルデバイス８によって測定されて生体情報取得部３によって取得される労働者Ｗｉの生体情報と、モデル式記憶部４に記憶されたそのモデル式とに基づいて、健康リスク有りとなる確率ｐを算出し、ｐ≧０．５となれば健康リスク有りと判定し、ｐ＜０．５となれば健康リスク無しと判定する、というように労働者Ｗｉの健康リスクを判定することができる。

上記のロジスティック回帰によって算出したモデル式は、労働者Ｗｉの心拍数と身体活動量との２つの生体情報を説明変数として用いるようになっていたが、労働者Ｗｉの心拍数のみの１つの生体情報を説明変数とするモデル式としてもよいし、労働者Ｗｉの心拍数及び身体活動量だけでなく、その他の例えば血圧等を生体情報取得部３が取得するような場合には、３つ以上の生体情報を説明変数とするようなモデル式としてもよい。

また、モデル式記憶部４に記憶されるモデル式として、上記のようなロジスティック回帰によって算出したモデル式のみを用いて、判定部５がその１つのモデル式から健康リスクを判定するようにしてもよいし、例えば、ロジスティック回帰のモデル式と、式（２）のような％ＨＲＲのモデル式との２つをモデル式記憶部４に記憶させておいて、判定部５が労働者Ｗｉの生体情報から、その２つのモデル式のそれぞれによって健康リスクを判定して、どちらか一方でも健康リスク有りと判定されると、労働者Ｗｉの健康リスク有りと判定するというようにして健康リスク有りの判定漏れを少なくするように構成してもよいし、さらに３つ以上のモデル式を用いて判定するようにしてもよい。

また、本実施形態では、％ＨＲＲ＝４０％を基準として、健康リスク無しを０、健康リスク有りを１とする２値のロジスティック回帰によるモデル式を用いたが、多項ロジスティック回帰を用いることによって、例えば、％ＨＲＲ＜４０％なら健康リスク小として０、４０％≦％ＨＲＲ＜６０％なら健康リスク中として１、６０％＜％ＨＲＲなら健康リスク大として２の３つのランクに判別するというように、３つ以上に判別するようなモデル式を算出して用いるようにしてもよい。

以下には、実際にロジスティック回帰によるモデル式を求めた実施例について示す。建設現場で働く８人の鳶と４人の補助者との１２人を標本として用いて、１２人にそれぞれウェアラブルデバイス８を装着して、建設現場における作業中の心拍数及び身体活動量を測定して、モデル式を求めるための既知の標本データとして用いた。心拍数及び身体活動量の測定は、１５分間隔で行い２９４データセットを取得した。その結果を以下の表１に示す。表１の心拍数の単位はｂｐｍで１分間の心臓の拍動数、身体活動量の単位はｍＧで標準重力である１Ｇを基準とした加速度の単位となっている。表１において、推定最大心拍数は１２人の標本のそれぞれの年齢から式（３）を用いて求めた値であり、推定安静時心拍数は、休息時間に測定した休息時心拍数を安静時心拍数として推定した値で、推定最大心拍数と推定安静時心拍数を用いて、式（１）によってデータセットごとに％ＨＲＲを算出した。そして、％ＨＲＲ＜４０％となるデータを健康リスク無しの０、％ＨＲＲ≧４０％となるデータを健康リスク有りの１として分類した。その結果を以下の表２に示す。表２に示されるように、今回の標本データにおける％ＨＲＲ≧４０％となって健康リスク有りで１に分類されるデータ数は全体の３６．１％であった。

この標本データから、健康リスクを目的変数とする１か０かの２値のロジスティック回帰を行った結果を、表３及び表４に示す。ここでは、心拍数ｘ_１の１つの説明変数だけを用いたモデル１と、心拍数ｘ_１と身体活動量ｘ_２との２つの説明変数を用いたモデル２と、心拍数ｘ_１及び身体活動量ｘ_２に加えてＢＭＩをｘ_３として３つの説明変数を用いたモデル３との３つのモデルについて、ロジスティック回帰を行い、算出されたモデル式についての健康リスクの正判別の割合や、モデルや係数の有意性の検定を行った。なお、ＢＭＩは、体格指数（ＢｏｄｙＭａｓｓＩｎｄｅｘ）のことで、肥満度の目安として一般的に用いられており、以下の式（５）によって算出される数値である。
ＢＭＩ＝体重÷（身長）^２［ｋｇ／ｍ^２］・・・（５）

表３に示される結果から分かるように、モデル２は、モデル１よりも正判別の割合が上昇しており、また、モデル、係数の有意性の検定結果も全て有意性ありとなっている。心拍数のみを説明変数とするモデル１でも、正判別の割合は９３．５％と高い値となっており、モデル式記憶部４で記憶するモデル式として十分用いることができると考えられるが、モデル２のように、心拍数に加えてさらに身体活動量を説明変数として用いて算出したモデル式をモデル式記憶部４で用いることで、より確度の高い健康リスクの判定を行うことができると考えられる。また、表４からも心拍数と身体活動量との多重共線性の可能性が低いことが分かり、心拍数及び身体活動量によるモデル式を有効に用いることができることが分かった。しかし、モデル３のように、さらにＢＭＩを説明変数として加えると、モデル２よりも正判別の割合が減少し、係数の有意性なしという結果になった。従って、モデル３によって算出されたモデル式は、モデル式記憶部４で用いるモデル式としては不適当という結果になった。モデル式記憶部４によって記憶するモデル式に、心拍数及び身体活動量以外の他の生体情報を説明変数とするようなモデル式を用いるようにしてもよいが、その場合は、なるべく正判別の割合が高くなって、モデル、係数の有意性ありとなるように説明変数を選択するようにする。

今回のモデル２によって算出されたモデル式を以下の式（６）に示す。ｂ_０＝−７１．６０、ｂ_１＝０．６２４、ｂ_２＝−０．０１８と推定された。

式（６）において、ｘ_１ｉは生体情報取得部３で取得した労働者Ｗｉの心拍数、ｘ_２ｉは生体情報取得部３で取得した労働者Ｗｉの身体活動量となっている。従って、式（６）をモデル式記憶部４に記憶させるモデル式として用いることによって、ウェアラブルデバイス８で労働者Ｗｉの心拍数及び身体活動量を測定すれば、他の事前の生体情報の測定等を行うことなく、判定部５が、その測定された労働者Ｗｉの心拍数及び身体活動量から式（６）によって、健康リスク有りの１と判別される確率ｐを算出し、その結果からｐ≧０．５の場合は健康リスク有りと判定し、ｐ＜０．５の場合は健康リスク無しと判定する、というようにして労働者Ｗｉの健康リスクを判定することができる。

１判定装置
３生体情報取得部
４モデル式記憶部
５判定部
８ウェアラブルデバイス
Ｗｉ労働者

Claims

労働者の心拍数を含む生体情報を取得する生体情報取得部と、
労働負荷による健康リスクを前記生体情報に基づいて判別するためのモデル式が記憶されたモデル式記憶部と、
前記労働者の前記生体情報及び前記モデル式に基づいて前記労働者の前記健康リスクを判定する判定部と、
を備えることを特徴とする判定装置。
前記モデル式が、既知の標本データのロジスティック回帰によって算出されたものであることを特徴とする請求項１に記載の判定装置。
前記生体情報が、さらに前記労働者の身体活動量を含むことを特徴とする請求項１または２に記載の判定装置。
前記労働者の身に装着されて前記労働者の前記生体情報を測定するウェアラブルデバイスを備え、
前記生体情報取得部は、前記ウェアラブルデバイスから前記生体情報を取得することを特徴とする請求項１から３のいずれか一項に記載の判定装置。