JP2023076796A - Information processing system, server, information processing method, and program - Google Patents
Information processing system, server, information processing method, and program Download PDFInfo
- Publication number
- JP2023076796A JP2023076796A JP2022023898A JP2022023898A JP2023076796A JP 2023076796 A JP2023076796 A JP 2023076796A JP 2022023898 A JP2022023898 A JP 2022023898A JP 2022023898 A JP2022023898 A JP 2022023898A JP 2023076796 A JP2023076796 A JP 2023076796A
- Authority
- JP
- Japan
- Prior art keywords
- information
- blood
- data
- user
- notification
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Medical Treatment And Welfare Office Work (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
Description
本開示は、測定装置から取得した血糖値情報に基づき、測定対象ユーザの血糖値を高めることを促す通知を生成する情報処理システム、サーバ、情報処理方法及びプログラムに関する。 The present disclosure relates to an information processing system, a server, an information processing method, and a program that generate a notification prompting a user to be measured to raise the blood sugar level based on blood sugar level information acquired from a measuring device.
従来、血糖値の測定は、ユーザから血液を採取する侵襲測定方法によって行われていたが、血液採取を伴うために日常的に血糖値を測定して健康状態を把握するにはユーザの負担が大きかった。 Conventionally, blood sugar levels have been measured by an invasive measurement method in which blood is collected from the user. However, since blood sampling is involved, it is a burden on the user to measure the blood sugar level on a daily basis and grasp the health condition. It was big.
そこで、血糖値の測定を非侵襲で測定する方法が検討されている。例えば、特許文献１及び特許文献２においては、ユーザから測定した脈波情報に基づき血糖値を算出する方法が開示されている。 Therefore, methods for measuring blood sugar levels in a non-invasive manner are being investigated. For example, Patent Literature 1 and Patent Literature 2 disclose a method of calculating a blood sugar level based on pulse wave information measured from a user.
しかしながら、単に血糖値が測定されるだけではユーザが得られる利益は十分ではなく、特に日常的に装着する測定装置（例えば、いわゆるウェアラブル装置）で取得した膨大な経時的な血糖値情報の有効な利用方法については、さらなる検討が求められている。 However, simply measuring the blood sugar level is not sufficient for the benefit that the user can obtain. Further study is required on how to use it.
そこで、本開示では、測定装置から取得した測定データから生成された血糖値情報から算出される血糖値スパイク情報及び血管弾性情報に基づき、測定対象ユーザの動脈硬化に関する通知を生成する情報処理システム、サーバ、情報処理方法及びプログラムについて説明する。 Therefore, in the present disclosure, an information processing system that generates a notification regarding arteriosclerosis of a user to be measured based on blood glucose level spike information and blood vessel elasticity information calculated from blood glucose level information generated from measurement data acquired from a measuring device, A server, an information processing method, and a program will be described.
本開示の一態様における情報処理システムは、ネットワークを介してユーザが装着する測定装置から測定データを所定の周期で受信し、前記測定データから生体データ及び所定の通知の生成を行う情報処理システムであって、前記測定データに対して所定の演算を実行し、少なくとも血糖値情報を含む前記生体データを生成する生体データ生成部と、前記血糖値情報に基づき生成される血糖値スパイク情報及び脈波情報に基づき生成される血管弾性情報に応じて、前記ユーザの動脈硬化に関する通知を生成する通知生成部と、を備え、前記血糖値スパイク情報及び前記血管弾性情報は、それぞれ複数の分類に分けられ、前記通知生成部は、前記血糖値スパイク情報の分類と前記血管弾性情報の分類との組み合わせに応じて、互いに異なる通知を生成する。 An information processing system according to one aspect of the present disclosure is an information processing system that receives measurement data from a measurement device worn by a user via a network at predetermined intervals, and generates biological data and predetermined notifications from the measurement data. a biological data generation unit that performs a predetermined operation on the measurement data to generate the biological data including at least blood glucose level information; blood glucose level spike information and pulse wave generated based on the blood glucose level information; a notification generating unit that generates a notification regarding arteriosclerosis of the user according to blood vessel elasticity information generated based on the information, wherein the blood sugar level spike information and the blood vessel elasticity information are each classified into a plurality of categories. , the notification generation unit generates different notifications according to a combination of the classification of the blood glucose level spike information and the classification of the blood vessel elasticity information.
本開示によれば、通知生成部１３３を介して、測定データから生成された血糖値情報から算出される血糖値スパイク情報及び血管弾性情報に基づき、動脈硬化に関する通知を生成する。これにより、ユーザは、例えば自分の血糖値の状態と動脈硬化の関連性について適切に把握することが可能となり、ユーザの利便性が向上する。 According to the present disclosure, a notification related to arteriosclerosis is generated via the notification generation unit 133 based on the blood glucose level spike information and the blood vessel elasticity information calculated from the blood glucose level information generated from the measurement data. As a result, the user can appropriately grasp the relationship between the state of his/her blood sugar level and arteriosclerosis, for example, thereby improving convenience for the user.
本発明の実施形態の内容を列記して説明する。本発明の実施の形態によるシステムは、以下のような構成を備える。 The contents of the embodiments of the present invention are listed and explained. A system according to an embodiment of the present invention has the following configuration.
［項目１］
ネットワークを介してユーザが装着する測定装置から測定データを所定の周期で受信し、前記測定データから生体データ及び所定の通知の生成を行う情報処理システムであって、
前記測定データに対して所定の演算を実行し、少なくとも血糖値情報を含む前記生体データを生成する生体データ生成部と、
前記血糖値情報に基づき生成される血糖値スパイク情報及び脈波情報に基づき生成される血管弾性情報に応じて、前記ユーザの動脈硬化に関する通知を生成する通知生成部と、を備え、
前記血糖値スパイク情報及び前記血管弾性情報は、それぞれ複数の分類に分けられ、
前記通知生成部は、前記血糖値スパイク情報の分類と前記血管弾性情報の分類との組み合わせに応じて、互いに異なる通知を生成する、
ことを特徴とする情報処理システム。
［項目２］
前記ユーザのユーザ端末装置へ、前記ユーザの動脈硬化に関する通知を送信するデータ出力部をさらに備える、
ことを特徴とする項目１に記載の情報処理システム。
［項目３］
前記ユーザに関連付けられた者のユーザ端末装置へ、前記ユーザの動脈硬化に関する通知を送信するデータ出力部をさらに備える、
ことを特徴とする項目１または２のいずれかに記載の情報処理システム。
［項目４］
前記血管弾性情報は、ユーザが前記脈波情報を測定した際の環境温度情報に基づき補正される、
ことを特徴とする項目１ないし３のいずれかに記載の情報処理システム。
［項目５］
前記通知生成部は、前記血糖値スパイク情報が示すスパイク回数が相対的に少ない分類であり、前記血管弾性情報の示す弾性係数が相対的に大きい分類である場合には、前記ユーザの動脈硬化に関する通知を生成しない、
ことを特徴とする項目１ないし４のいずれかに記載の情報処理システム。
［項目６］
ネットワークを介してユーザが装着する測定装置から測定データを所定の周期で受信し、前記測定データから生体データ及び所定の通知の生成を行うサーバであって、
前記測定データに対して所定の演算を実行し、少なくとも血糖値情報を含む前記生体データを生成する生体データ生成部と、
前記血糖値情報に基づき生成される血糖値スパイク情報及び脈波情報に基づき生成される血管弾性情報に応じて、前記ユーザの動脈硬化に関する通知を生成する通知生成部と、を備え、
前記血糖値スパイク情報及び前記血管弾性情報は、それぞれ複数の分類に分けられ、
前記通知生成部は、前記血糖値スパイク情報の分類と前記血管弾性情報の分類との組み合わせに応じて、互いに異なる通知を生成する、
ことを特徴とするサーバ。
［項目７］
ネットワークを介してユーザが装着する測定装置から測定データを所定の周期で受信し、前記測定データから生体データ及び所定の通知の生成を行う情報処理方法であって、
生体データ生成部により、前記測定データに対して所定の演算を実行し、少なくとも血糖値情報を含む前記生体データを生成するステップと、
通知生成部により、前記血糖値情報に基づき生成される血糖値スパイク情報及び脈波情報に基づき生成される血管弾性情報に応じて、前記ユーザの動脈硬化に関する通知を生成するステップと、を含み、
前記血糖値スパイク情報及び前記血管弾性情報は、それぞれ複数の分類に分けられ、
前記通知を生成するステップは、前記血糖値スパイク情報の分類と前記血管弾性情報の分類との組み合わせに応じて、互いに異なる通知を生成する、
ことを特徴とする情報処理方法。
［項目８］
ネットワークを介してユーザが装着する測定装置から測定データを所定の周期で受信し、前記測定データから生体データ及び所定の通知の生成を行う情報処理方法をコンピュータで実行するためのプログラムであって、
前記情報処理方法は、
生体データ生成部により、前記測定データに対して所定の演算を実行し、少なくとも血糖値情報を含む前記生体データを生成するステップと、
通知生成部により、前記血糖値情報に基づき生成される血糖値スパイク情報及び脈波情報に基づき生成される血管弾性情報に応じて、前記ユーザの動脈硬化に関する通知を生成するステップと、を含み、
前記血糖値スパイク情報及び前記血管弾性情報は、それぞれ複数の分類に分けられ、
前記通知を生成するステップは、前記血糖値スパイク情報の分類と前記血管弾性情報の分類との組み合わせに応じて、互いに異なる通知を生成する、
ことを特徴とするプログラム。
[Item 1]
An information processing system that receives measurement data from a measurement device worn by a user via a network at a predetermined cycle, and generates biological data and a predetermined notification from the measurement data,
a biometric data generation unit that performs a predetermined calculation on the measurement data to generate the biometric data that includes at least blood sugar level information;
a notification generation unit that generates a notification regarding arteriosclerosis of the user in accordance with blood glucose level spike information generated based on the blood glucose level information and blood vessel elasticity information generated based on the pulse wave information;
The blood glucose level spike information and the blood vessel elasticity information are each divided into a plurality of categories,
wherein the notification generation unit generates different notifications according to a combination of the classification of the blood glucose level spike information and the classification of the blood vessel elasticity information;
An information processing system characterized by:
[Item 2]
further comprising a data output unit that transmits a notification regarding arteriosclerosis of the user to the user terminal device of the user;
The information processing system according to item 1, characterized by:
[Item 3]
further comprising a data output unit that transmits a notification regarding arteriosclerosis of the user to a user terminal device of a person associated with the user;
The information processing system according to any one of items 1 and 2, characterized by:
[Item 4]
The blood vessel elasticity information is corrected based on environmental temperature information when the user measures the pulse wave information.
The information processing system according to any one of items 1 to 3, characterized by:
[Item 5]
The notification generating unit, when the number of spikes indicated by the blood sugar level spike information is a classification with a relatively small number of spikes, and when the elastic coefficient indicated by the blood vessel elasticity information is a classification with a relatively large do not generate notifications,
The information processing system according to any one of items 1 to 4, characterized by:
[Item 6]
A server that receives measured data from a measuring device worn by a user via a network at a predetermined cycle and generates biological data and a predetermined notification from the measured data,
a biometric data generation unit that performs a predetermined calculation on the measurement data to generate the biometric data that includes at least blood sugar level information;
a notification generation unit that generates a notification regarding arteriosclerosis of the user in accordance with blood glucose level spike information generated based on the blood glucose level information and blood vessel elasticity information generated based on the pulse wave information;
The blood glucose level spike information and the blood vessel elasticity information are each divided into a plurality of categories,
wherein the notification generation unit generates different notifications according to a combination of the classification of the blood glucose level spike information and the classification of the blood vessel elasticity information;
A server characterized by:
[Item 7]
An information processing method for receiving measurement data from a measurement device worn by a user via a network at a predetermined cycle, and generating biological data and a predetermined notification from the measurement data,
a step of performing a predetermined calculation on the measured data by a biological data generation unit to generate the biological data including at least blood glucose level information;
generating a notification about arteriosclerosis of the user by a notification generation unit according to blood sugar level spike information generated based on the blood sugar level information and blood vessel elasticity information generated based on the pulse wave information;
The blood glucose level spike information and the blood vessel elasticity information are each divided into a plurality of categories,
generating different notifications according to a combination of the classification of the blood glucose level spike information and the classification of the blood vessel elasticity information;
An information processing method characterized by:
[Item 8]
A program for executing, on a computer, an information processing method for receiving measurement data from a measurement device worn by a user via a network at predetermined intervals and generating biometric data and predetermined notifications from the measurement data,
The information processing method includes:
a step of performing a predetermined calculation on the measured data by a biological data generation unit to generate the biological data including at least blood glucose level information;
generating a notification about arteriosclerosis of the user by a notification generation unit according to blood sugar level spike information generated based on the blood sugar level information and blood vessel elasticity information generated based on the pulse wave information;
The blood glucose level spike information and the blood vessel elasticity information are each divided into a plurality of categories,
generating different notifications according to a combination of the classification of the blood glucose level spike information and the classification of the blood vessel elasticity information;
A program characterized by
以下、本開示の実施形態について図面を参照して説明する。なお、以下に説明する実施形態は、特許請求の範囲に記載された本開示の内容を不当に限定するものではない。また、実施形態に示される構成要素のすべてが、本開示の必須の構成要素であるとは限らない。また、各実施形態で示される特徴は、互いに矛盾しない限り他の実施形態にも適用可能である。 Hereinafter, embodiments of the present disclosure will be described with reference to the drawings. It should be noted that the embodiments described below do not unduly limit the content of the present disclosure described in the claims. Also, not all the components shown in the embodiments are essential components of the present disclosure. Also, the features shown in each embodiment can be applied to other embodiments as long as they are not mutually contradictory.
＜構成＞
図１は、本開示の実施の形態に係る情報処理システム１を示すブロック構成図である。この情報処理システム１は、例えば、ネットワークＮＷを介して測定装置３００からユーザの測定データを管理サーバ１００にて所定の周期的なタイミングで受信し、当該測定データに対して所定の演算を行うことで生体データを生成し、当該生体データに基づき所定の通知を生成するシステムである。
<Configuration>
FIG. 1 is a block configuration diagram showing an information processing system 1 according to an embodiment of the present disclosure. In this information processing system 1, for example, the management server 100 receives user measurement data from the measurement device 300 via the network NW at predetermined periodic timings, and performs predetermined calculations on the measurement data. biometric data and generates a predetermined notification based on the biometric data.
情報処理システム１は、管理サーバ１００と、ユーザ端末装置２００と、測定装置３００と、ネットワークＮＷと、を有している。管理サーバ１００と、ユーザ端末装置２００とは、ネットワークＮＷを介して接続される。ネットワークＮＷは、インターネット、イントラネット、ブロックチェーンネットワーク、無線ＬＡＮ（Local Area Network）やＷＡＮ（Wide Area Network）、ＢＬＥ（Bluetooth Low Energy）等により構成される。 The information processing system 1 has a management server 100, a user terminal device 200, a measuring device 300, and a network NW. The management server 100 and the user terminal device 200 are connected via a network NW. The network NW includes the Internet, an intranet, a blockchain network, a wireless LAN (Local Area Network), a WAN (Wide Area Network), BLE (Bluetooth Low Energy), and the like.
管理サーバ１００は、例えば、ネットワークを介して測定装置３００からユーザの測定データを、ユーザ端末装置２００を経由して所定の周期的なタイミングで受信して測定データから生体データへ演算を行う装置であり、例えば各種Ｗｅｂサービスを提供するサーバ装置により構成されている。 The management server 100 is, for example, a device that receives user measurement data from the measurement device 300 via a network at predetermined periodic timing via the user terminal device 200 and performs calculation from the measurement data to biometric data. There is, for example, a server device that provides various Web services.
ユーザ端末装置２００は、所定のユーザが所持する、例えばパーソナルコンピュータやタブレット端末、スマートフォン、スマートウォッチ、携帯電話、ＰＨＳ、ＰＤＡ等の情報処理装置であり、例えば、管理サーバ１００で演算を行った生体データを波形グラフ等により表示させたり、生体データに基づき生成された所定の通知（詳細は後述）を表示させたりなどをするために利用される。ユーザ端末装置２００には、予めユーザの識別番号、生年月日、性別、身長、体重、歩幅等のユーザ情報が登録されており、生年月日から算出した年齢等も含めたユーザ情報を測定データに関連付けてネットワークＮＷを介して管理サーバ１００へ送信する。 The user terminal device 200 is an information processing device such as a personal computer, a tablet terminal, a smart phone, a smart watch, a mobile phone, a PHS, a PDA, etc. owned by a predetermined user. It is used to display data as a waveform graph or the like, or to display a predetermined notification (details will be described later) generated based on biometric data. User information such as user identification number, date of birth, gender, height, weight, stride length, etc. is registered in advance in the user terminal device 200, and user information including age calculated from the date of birth is measured data. to the management server 100 via the network NW.
また、ユーザ端末装置２００は、ユーザが測定装置３００によりデータを取得する状態を、タッチパネル等を用いて入力するようにしてもよい。ユーザ端末装置２００は、「データを取得する状態」を、例えば、走っている場合には「ランニング中」、食事中である場合には「食事中」など、タグ情報として入力することができる。この場合、ユーザ端末装置２００は、測定装置３００から所定の周期的なタイミングで受信した測定データを、タグ情報と関連付けてネットワークＮＷを介して管理サーバ１００へ送信する。 Also, the user terminal device 200 may be configured such that the user inputs the state of data acquisition by the measuring device 300 using a touch panel or the like. The user terminal device 200 can input the 'data acquisition state' as tag information, for example, 'running' when running or 'eating' when eating. In this case, the user terminal device 200 associates the measurement data received from the measurement device 300 with predetermined periodic timing with the tag information and transmits the measurement data to the management server 100 via the network NW.
測定装置３００は、ユーザの生体データを測定する装置であり、ユーザが自己の手首や腕等の身体に装着して利用される、いわゆるウェアラブル装置である。この測定装置３００は、既知の手法により、例えばユーザの心電、脈波、皮膚温度（体温）、加速度、角速度のデータを所定の周期的なタイミングで測定するための装置である。当該所定の周期は、予め設定されているものであってもよいし、ユーザが任意に設定可能であってもよい。より具体的には、例えば秒単位の時間的周期が設定されていてもよいし、周波数により同様に設定されていてもよい。 The measuring device 300 is a device that measures a user's biological data, and is a so-called wearable device that the user wears on his or her body such as a wrist or arm. This measurement device 300 is a device for measuring, for example, the user's electrocardiogram, pulse wave, skin temperature (body temperature), acceleration, and angular velocity data at predetermined periodic timings by a known method. The predetermined cycle may be set in advance or may be arbitrarily set by the user. More specifically, for example, a time period in units of seconds may be set, or the same may be set depending on the frequency.
測定装置３００の具体的な構成の例としては、２つの電極を皮膚に接触させ、検出電位の差の時間変化より心電を心電波形のデータとして取得する装置で構成しても良く、心電波形は、ガルバニック皮膚反応により取得されたデータでも良い。また、緑、赤、赤外の発光を行うＬＥＤから各光を皮膚に照射し、フォトダイオードで受光した光の強度の時間変化により、ユーザの心臓の心拍により生ずる血管の容積変化により脈波を脈波形のデータとして取得する装置で構成しても良く、この方式で検出を行うことができる脈波形は光電式容積脈波形である。また、ユーザの皮膚に接触させる温度センサによりユーザの皮膚温度をデータとして取得する装置で構成しても良い。また、直交するＸＹＺ軸それぞれの変異状態を検出する３軸加速度センサにより構成しても良く、ユーザの動作を加速度データとして取得し、例えば測定装置３００がユーザの手首や腕等に装着されている場合、測定装置３００は、手首や腕等の振りと、全身の動きが合成された加速度として加速度データの取得をする。さらに、直行するＸＹＺ軸それぞれにおける回転角速度を検出するジャイロセンサ（角速度センサ）により構成しても良く、ユーザの動作を角速度データとして取得し、例えば測定装置３００がユーザの手首や腕等に装着されている場合、測定装置３００は、手首や腕等の回転と、全身の動きが合成された角速度として角速度データの取得をする。 As a specific example of the configuration of the measurement device 300, two electrodes may be brought into contact with the skin, and an electrocardiogram may be obtained as electrocardiogram data from changes in the detected potential difference over time. The waveform may be data obtained by galvanic skin response. In addition, the skin is irradiated with light from LEDs that emit green, red, and infrared light, and the change in intensity of the light received by the photodiode over time changes the volume of blood vessels caused by the user's heartbeat, generating a pulse wave. It may be configured with a device that acquires pulse waveform data, and the pulse waveform that can be detected by this method is a photoelectric volume pulse waveform. Alternatively, the apparatus may be configured by a device that acquires the user's skin temperature as data from a temperature sensor that is brought into contact with the user's skin. Further, it may be composed of a three-axis acceleration sensor that detects the deformation state of each of the orthogonal XYZ axes, acquires the user's motion as acceleration data, and for example, the measuring device 300 is worn on the user's wrist, arm, or the like. In this case, the measurement device 300 acquires acceleration data as acceleration obtained by synthesizing the swing of the wrist or arm and the movement of the whole body. Further, it may be composed of a gyro sensor (angular velocity sensor) that detects rotational angular velocities in each of the orthogonal XYZ axes. If so, the measurement device 300 acquires angular velocity data as an angular velocity obtained by synthesizing the rotation of the wrist, arm, etc. and the movement of the whole body.
ユーザ端末装置２００と測定装置３００との間は、Ｂｌｕｅｔｏｏｔｈ（登録商標）、近距離無線通信（Near Field radio Communication＝ＮＦＣ）、Ａｆｅｒｏ（登録商標）、Ｚｉｇｂｅｅ（登録商標）、Ｚ－Ｗａｖｅ（登録商標）、又は無線ＬＡＮ等を用いて接続されている。なお、このような無線接続の代わりに有線で接続を行っても良い。また、ユーザ端末装置２００と測定装置３００とは一体の機器であっても良く、例えば測定装置３００にＳＩＭを搭載するなどして通信機能を持たせたり、ＢＬＥ（Bluetooth Low Energy）などにより管理サーバ１００と直接通信可能に構成しても良い。 Between the user terminal device 200 and the measuring device 300, Bluetooth (registered trademark), Near Field radio Communication (NFC), Afero (registered trademark), Zigbee (registered trademark), Z-Wave (registered trademark) ), or a wireless LAN or the like. A wired connection may be used instead of such a wireless connection. In addition, the user terminal device 200 and the measurement device 300 may be integrated equipment, for example, the measurement device 300 may be equipped with a SIM to have a communication function, or a management server using BLE (Bluetooth Low Energy). 100 may be configured to be directly communicable.
ユーザ端末装置２００は、１または複数台あり、測定装置３００を利用するユーザ数分ネットワークＮＷに接続されている。測定装置３００は、１または複数台あり、１人のユーザが利用する台数分のユーザ端末装置２００に接続されている。１人のユーザが複数の測定装置３００を利用している場合は、１つのユーザ端末装置２００に複数の測定装置３００が接続されている。 One or a plurality of user terminal devices 200 are connected to the network NW for the number of users using the measuring device 300 . One or a plurality of measuring devices 300 are connected to the same number of user terminal devices 200 used by one user. When one user uses multiple measuring devices 300 , multiple measuring devices 300 are connected to one user terminal device 200 .
＜管理サーバ１００＞
図２は、管理サーバ１００のハードウェア構成を示す図である。図３は、記憶部１２０および制御部１３０の機能を例示したブロック図である。なお、図示された構成は一例であり、これ以外の構成を有していてもよい。
<Management Server 100>
FIG. 2 is a diagram showing the hardware configuration of the management server 100. As shown in FIG. FIG. 3 is a block diagram illustrating functions of the storage unit 120 and the
管理サーバ１００は、通信部１１０と、記憶部１２０と、制御部１３０と、入出力部１４０とを備える。これらの機能部は、管理サーバ１００用の所定のプログラムを実行することにより実現される。
The management server 100 includes a communication unit 110 , a storage unit 120 , a
通信部１１０は、ユーザ端末装置２００と通信を行うための通信インタフェースであり、例えばＴＣＰ／ＩＰ（Transmission Control Protocol/Internet Protocol）等の通信規約により通信が行われる。 The communication unit 110 is a communication interface for communicating with the user terminal device 200, and communication is performed according to a communication protocol such as TCP/IP (Transmission Control Protocol/Internet Protocol).
記憶部１２０は、各種制御処理や制御部１３０内の各機能を実行するためのプログラム、入力データ等を記憶するものであり、ＲＡＭ（Random Access Memory）、ＲＯＭ（Read Only Memory）等から構成される。また、図３に示されるように、記憶部１２０は、測定装置３００による測定データをユーザ情報と関連付けて記憶する測定データＤＢ１２１と、測定データから演算されて生成される生体データをユーザ情報と関連付けて記憶する生体データＤＢ１２２と、ユーザ端末装置２００へ送信される各種通知を記憶する通知情報ＤＢ１２３と、ユーザ識別番号を含むユーザ情報を記憶するユーザ情報ＤＢ１２４と、を記憶する。また、ユーザ情報は、データ管理部１３１により生成されたアカウント情報を含み、ユーザ情報ＤＢ１２４は、アカウント情報が他のユーザ情報と関連付けられて記憶するようにしてもよい。さらに、記憶部１２０は、ユーザ端末装置２００と通信を行ったデータを一時的に記憶する。なお、ＤＢのデータ構造は、これに限られるものではなく、上述のＤＢの一部をユーザ端末装置２００または測定装置３００に記憶するようにしてもよい。
The storage unit 120 stores programs, input data, and the like for executing various control processes and functions in the
制御部１３０は、管理サーバ１００の全体の動作を制御するものであり、ＣＰＵ（Central Processing Unit）等から構成される。また、図３に示されるように、制御部１３０は、データ管理部１３１、生体データ生成部１３２、通知生成部１３３、データ出力部１３４といった機能部を含む。
The
データ管理部１３１は、測定装置３００を利用するユーザごとに、アカウント情報を生成する。このアカウント情報生成は、測定装置３００を利用するユーザがユーザ端末装置２００でアカウント情報を登録すると行われる。そのため、データ管理部１３１は、ユーザのユーザ端末装置２００や他の端末装置に対してアカウントごとに記憶部１２０内の各種ＤＢへのアクセスの可否の制御を行う。データ管理部１３１は、測定データや生体データ等の各種データを対応するＤＢにユーザ情報に関連付けて記憶する。また、このとき、データ管理部１３１は、測定データに所定のタグ情報の関連付けを行って記憶させることが可能である。 Data management unit 131 generates account information for each user who uses measuring device 300 . This account information generation is performed when the user using the measuring device 300 registers the account information with the user terminal device 200 . Therefore, the data management unit 131 controls access to various DBs in the storage unit 120 for each account of the user terminal device 200 and other terminal devices of the user. The data management unit 131 stores various data such as measurement data and biometric data in a corresponding DB in association with user information. Also, at this time, the data management unit 131 can store the measurement data in association with predetermined tag information.
図４は、図３の測定データに関連付けされるタグ情報の例を示す模式図である。図４に示すデータＤ１は、測定装置３００の測定データである。タグＴ１は、データＤ１に関連付けされたタグ情報であり、例えば、測定装置３００がデータＤ１を測定した時刻情報、またはデータＤ１が測定装置３００からユーザ端末装置２００へ送信された時刻情報が時系列データとして記憶される。もしくは、測定した時刻情報と送信された時刻情報との両方について関連付けを行っても良い。例えば、図４に示すタグＴ１の１行目では、「20180620120746144」が格納されているが、２０１８年０６月２０日１２時０７分４６秒１４４ミリ秒を示している。このような時刻情報は通信ログより取得可能である。これにより、測定データがどの時間帯のものか把握することが可能である。 FIG. 4 is a schematic diagram showing an example of tag information associated with the measurement data of FIG. Data D1 shown in FIG. 4 is measurement data of the measurement device 300 . The tag T1 is tag information associated with the data D1. For example, time information when the measuring device 300 measured the data D1 or time information when the data D1 was transmitted from the measuring device 300 to the user terminal device 200 is time-series. stored as data. Alternatively, both the measured time information and the transmitted time information may be associated. For example, in the first line of the tag T1 shown in FIG. 4, "20180620120746144" is stored, which indicates June 20, 2018 12:07:46:144 milliseconds. Such time information can be obtained from communication logs. This makes it possible to ascertain which time zone the measurement data belongs to.
なお、このようなタグ情報による測定データ及び生体データの関連付けは、時刻情報に限られず、ユーザの体調状態や行動状態を示す身体情報や行動情報を自由記載で記入させてタグ情報として記憶しても良く、所定の選択肢から選択させ（例えば、「現在の体調は如何ですか？」という質問に対して、「１：良い、２：普通、３：悪い」のいずれかを選択させる、等）、その選択した回答を記憶するようにしても良い。または、ユーザが所定行動（例えば、坐位、立位、歩行、走行、睡眠、食事、運転、安静時など）をとった場合に、ユーザにより計測データや生体データのタグ情報として記録する（例えば、選択肢形式であったり、自由記載であったりする）ようにしてもよい。さらには、上述のユーザによる記録に代えて、または、併用して、例えば計測データや生体データ（例えば歩行速度情報や歩幅情報、装着部位の動作情報、姿勢情報、重心の位置情報、心拍情報など）に基づき、所定行動（例えば、坐位、立位、臥位、歩行、走行、睡眠、起床、就寝、食事、運転、安静時など）を既知の方法により推定するようにして生体データ等にタグ情報（行動情報）として関連付けてもよい。この時、例えば、教師用計測データに基づき学習された学習モデルにより推定してもよいし、さらに、上述のユーザによる記録の結果により追加学習を行うことで、学習モデルをパーソナライズしてもよい。これにより、制御部１５０にて生体データを生成する際に、当該タグ情報と生体データとを対応付けすることで、より精度の高い生体データを生成可能となると共に、それ自体も行動情報として用いることが可能となる。 It should be noted that the association between the measurement data and the biometric data using such tag information is not limited to the time information, and the physical information and behavior information indicating the user's physical condition and behavior can be entered freely and stored as tag information. (For example, in response to the question "How are you feeling now?", select one of "1: good, 2: normal, 3: bad", etc.) , the selected answer may be stored. Alternatively, when the user takes a predetermined action (for example, sitting, standing, walking, running, sleeping, eating, driving, resting, etc.), the user records measurement data or biometric data as tag information (for example, It may be a choice format or free description). Furthermore, instead of or in combination with the recording by the user, for example, measurement data and biological data (for example, walking speed information, stride length information, movement information of the wearing part, posture information, position information of the center of gravity, heartbeat information, etc. ), tag biometric data etc. by estimating predetermined behavior (for example, sitting, standing, lying down, walking, running, sleeping, waking up, going to bed, eating, driving, resting, etc.) by a known method You may associate as information (behavior information). At this time, for example, the learning model may be estimated based on the teacher measurement data, and the learning model may be personalized by performing additional learning based on the results recorded by the user. As a result, when biometric data is generated by the control unit 150, by associating the tag information with the biometric data, it becomes possible to generate biometric data with higher accuracy, and the biometric data itself is also used as action information. becomes possible.
また、例えばデータ管理部１３１は、データＤ１をタグＴ１の時刻順に並べ替え（ソート）を行ったり、所定の身体情報や行動情報だけを抜き出したりなど、タグ情報に基づくデータ管理が可能である。 Further, for example, the data management unit 131 can manage data based on tag information, such as rearranging (sorting) the data D1 in chronological order of the tags T1, and extracting only predetermined physical information and behavior information.
生体データ生成部１３２は、測定データＤＢ１２１に記憶された測定データに対して所定の演算を行い、生体データを生成する。この生体データは、測定データから算出可能なものであればどのような情報であってもよく、例えばユーザの血糖値情報、血圧情報、心拍情報、血中酸素量情報、最大酸素摂取量情報、心電情報、呼吸数、体温情報、歩数情報、歩幅情報、重心の位置情報、姿勢情報、ストレス情報、運動量情報、運動負荷情報、移動距離情報、移動速度情報、活動量情報、手または脚等の装着部位の動作情報などのデータであり、既知の手法により測定データから算出されるものである。演算により生成された生体データは、生体データＤＢ１２２に記憶される。
The biometric data generation unit 132 performs a predetermined operation on the measurement data stored in the
また、既知の学習器などにより、例えば測定データと、当該測定データに基づき生成された生体データ（例えば心拍情報や血圧情報など）と正の生体データ（例えば、既知の医療機器等に基づく心拍情報や血圧情報など）との対応関係（例えば、誤差の程度や範囲を示す情報などが含まれていてもよい）により対応付けた教師データを基に学習モデルを予め作成し、生体データ生成部１３２は、当該学習モデルを用いた判定を上述の所定の演算（解析）として生体データを生成してもよい。 Further, by a known learning device, for example, measured data, biological data generated based on the measured data (such as heartbeat information and blood pressure information) and positive biological data (such as heartbeat information based on known medical equipment) , blood pressure information, etc.), and a learning model is created in advance based on the teacher data associated by the correspondence relationship (for example, information indicating the degree and range of error may be included), and the biometric data generation unit 132 Alternatively, determination using the learning model may be used as the above-described predetermined calculation (analysis) to generate biometric data.
ここで、血圧情報の生成について詳述する。生体データ生成部１３２は、脈波伝搬時間演算部１３２１を含んで構成される。生体データ生成部１３２は、光電式容積脈波形データ（例えば、図５の脈波形データ等）から２階微分データの演算を行う。脈波伝搬時間演算部１３２１は、後述する心電情報中の波形プロファイルからＲ波とＴ波を検出し、又、光電式容積脈波形データ中の波形プロファイルからＰ波とＤ波を検出し、それらの情報に基づいて、心室収縮期脈波伝搬時間ＰＴＴ＿ＳＹＳ及び心室拡張期脈波伝搬時間ＰＴＴ＿ＤＩＡの演算を行う。また、生体データ生成部１３２は、演算される後述する２階微分データの基づく加速度脈波特性情報と、心室収縮期脈波伝搬時間ＰＴＴ＿ＳＹＳ及び心室拡張期脈波伝搬時間ＰＴＴ＿ＤＩＡから、血圧情報の演算を行う。脈波伝搬時間演算部１３２１は、Ｒ波とＴ波を検出に当たって、光電式容積脈波形データの１階微分データや、２階微分データを用いてもよい。 Here, generation of blood pressure information will be described in detail. The biological data generator 132 includes a pulse wave transit time calculator 1321 . The biometric data generation unit 132 calculates second-order differential data from photoelectric volumetric pulse waveform data (for example, pulse waveform data in FIG. 5, etc.). The pulse wave transit time calculator 1321 detects R waves and T waves from the waveform profile in the electrocardiogram information described later, and detects P waves and D waves from the waveform profile in the photoelectric volume pulse waveform data, Based on the information, the ventricular systolic pulse wave transit time PTT_SYS and the ventricular diastolic pulse wave transit time PTT_DIA are calculated. In addition, the biological data generation unit 132 calculates the blood pressure information from the acceleration pulse wave characteristic information based on the second-order differential data to be calculated and the ventricular systolic pulse wave transit time PTT_SYS and ventricular diastolic pulse wave transit time PTT_DIA. perform calculations. The pulse wave transit time calculator 1321 may use first-order differential data or second-order differential data of the photoelectric volume pulse waveform data in detecting the R wave and the T wave.
また、生体データ生成部１３２は、例えば、被測定者が装着している測定装置３００に備えられた２つの電極を皮膚に接触させ、検出電位の差の時間変化より測定される心電波形データ（例えば、図５の心電波形データ等）におけるＱＲＳ波の間隔などから、心拍情報を生体情報（生体生成情報）として得ることができる。 In addition, the biometric data generator 132, for example, brings two electrodes of the measuring device 300 worn by the subject into contact with the skin, and electrocardiogram waveform data measured from changes in detected potential differences over time. Heartbeat information can be obtained as biological information (biologically generated information) from the intervals of QRS waves in (for example, the electrocardiographic waveform data in FIG. 5).
図５は、測定装置３００が測定した非測定者の心電波形及び光電式容積脈波形と、管理サーバ１００が演算を行った速度脈波形及び加速度脈波形を示している。図５の上から順に、心電波形、光電式容積脈波形、速度脈波形及び加速度脈波形となる。縦軸は、各波形の強度を示しており、心電波形及び光電式容積脈波形は電位を示すｍＶで表される。横軸は時間経過を示し、左から右へ時間経過を示している。 FIG. 5 shows an electrocardiographic waveform and a photoelectric volume pulse waveform of a non-measurer measured by the measuring device 300, and a velocity pulse waveform and an acceleration pulse waveform calculated by the management server 100. FIG. From the top of FIG. 5, the electrocardiographic waveform, the photoelectric volume pulse waveform, the velocity pulse waveform, and the acceleration pulse waveform. The vertical axis indicates the intensity of each waveform, and the electrocardiogram waveform and photoelectric volume pulse waveform are expressed in mV, which indicates potential. The horizontal axis indicates the passage of time, from left to right.
心電波形は、人の心臓の拍動を引き起こす電気的信号の周期的変化を示す波形である。心電波形は、その形状の変曲点にそれぞれＰ波，Ｑ波，Ｒ波，Ｓ波，Ｔ波の名称が割り当てられ、心拍の１サイクルを示している。Ｐ波は心房収縮を表し、Ｑ波Ｒ波Ｓ波は心室収縮の状態を表し、Ｔ波は心室拡張の開始を表す。 An electrocardiogram is a waveform that represents the periodic variations in electrical signals that cause the human heart to beat. An electrocardiographic waveform is assigned names of P wave, Q wave, R wave, S wave, and T wave to the inflection points of its shape, and indicates one cycle of heartbeat. The P-wave represents atrial contraction, the Q-wave, R-wave, S-wave represents the state of ventricular contraction, and the T-wave represents the onset of ventricular dilation.
光電式容積脈波形は、人の心臓の拍動に伴う末梢血管系内の血圧・体積の変化を示す波形である。光電式容積脈波形は、その形状の変曲点にそれぞれＡ波、Ｐ波、Ｖ波、Ｄ波の名称が割り当てられ、心拍の１サイクルを示している。Ａ波を動脈脈波が生じた時点の基準点として、Ｐ波が左心室駆出によって生じるＰｅｒｃｕｓｓｉｏｎ波（衝撃波）、Ｖ波が大動脈弁の閉鎖時に生じるＶａｌｌｅｙ波（重複隆起による波）、Ｄ波が反射振動波であるＤｉｃｒｏｔｉｃ波（重複波）を示している。 A photoelectric volume pulse waveform is a waveform that indicates changes in blood pressure and volume in the peripheral vasculature accompanying the beating of the human heart. The photoelectric plethysmogram is assigned names of A wave, P wave, V wave, and D wave to the inflection points of its shape, and indicates one cycle of heartbeat. With the A wave as the reference point at which the arterial pulse wave occurs, the P wave is the percussion wave (shock wave) generated by left ventricular ejection, the V wave is the Valley wave (wave due to double uplift) generated when the aortic valve closes, and the D wave. indicates a Dicrotic wave (overlapping wave) which is a reflected oscillatory wave.
速度脈波形は、光電式容積脈波形を時間で１階微分をしたものである。加速度脈波形は、速度脈波形を時間で１階微分したもの、すなわち光電式容積脈波形を２階微分したものである。加速度脈波形は、図５で示すように、その波形の各ピークにａ波（収縮初期陽性波）、ｂ波（収縮初期陰性波）、ｃ波（収縮中期再上昇波）、ｄ波（収縮後期再下降波）、ｅ波（拡張初期陽性波）、ｆ波（拡張初期陰性波）の名称が割り当てられている。ｂ波の強度とａ波の強度の比、及びｆ波の強度とｅ波の強度の比はそれぞれ血管の伸縮性すなわち弾性を示すパラメータである。主な血管の成分は、血管内皮（Ｅｎｄｏｔｈｅｌｉｕｍ）、弾性線維（Ｅｌａｓｔｉｎ）、タンパク質（Ｃｏｌｌａｇｅｎ）、平滑筋（Ｓｍｏｏｔｈ Ｍｕｓｃｌｅ）である。これら成分それぞれ異なった性質があり、最大血圧、最小血圧時の血管の弾性はそれぞれＣｏｌｌａｇｅｎ、Ｅｌａｓｔｉｎが強い影響力を担っている。そのため、血圧値によって異なる弾性をｂ波の強度とａ波の強度の比である（ｂ／ａ），ｆ波の強度とｅ波の強度の比である（ｆ／ｅ）のパラメータで示すことができ、年齢・性別・環境変数（気温など）の影響によってもこれらの値は変動する。そのため、（ｂ／ａ），（ｆ／ｅ）の値は、加速度脈波形の特性情報として算出することができる。 The velocity plethysmogram is obtained by first differentiating the photoelectric volume plethysmogram with respect to time. The acceleration pulse waveform is obtained by first-order differentiation of the velocity pulse waveform with respect to time, that is, second-order differentiation of the photoelectric volume pulse waveform. As shown in FIG. 5, the acceleration pulse waveform has a wave (positive wave at the beginning of systole), wave b (negative wave at the beginning of systole), wave c (re-rising wave in the middle of systole), wave d (shock wave) at each peak of the waveform. late re-descending wave), e-wave (extended early positive wave), and f-wave (extended early negative wave). The ratio of the intensity of the b-wave to the intensity of the a-wave and the ratio of the intensity of the f-wave to the intensity of the e-wave are parameters indicating the stretchability or elasticity of the blood vessel, respectively. The main components of blood vessels are vascular endothelium (Endothelium), elastic fiber (Elastin), protein (Collagen), and smooth muscle (Smooth Muscle). Each of these components has different properties, and Collagen and Elastin have a strong influence on the elasticity of blood vessels at maximum blood pressure and minimum blood pressure, respectively. Therefore, the elasticity that varies depending on the blood pressure value is indicated by the parameters of (b/a), which is the ratio of the b-wave intensity to the a-wave intensity, and (f/e), which is the ratio of the f-wave intensity to the e-wave intensity. These values also fluctuate due to the effects of age, gender, and environmental variables (temperature, etc.). Therefore, the values of (b/a) and (f/e) can be calculated as characteristic information of the acceleration pulse waveform.
図５で示すようにＲ波の生じた時間ＴｒとＰ波の生じた時間Ｔｐの差分の時間が心室収縮期脈波伝搬時間ＰＴＴ＿ＳＹＳとなる。Ｔ波の生じた時間ＴｔとＤ波の生じた時間Ｔｄの差分の時間が心室拡張期脈波伝搬時間ＰＴＴ＿ＤＩＡとなる。すなわち、心電波形のＲ波の時間Ｔｒ及びＴ波の時間Ｔｔと、光電式容積脈波形のＴ波の時間ＴｐとＤ波の時間Ｔｄから、（１）式及び（２）式で示すように、心室収縮期脈波伝搬時間ＰＴＴ＿ＳＹＳ及び心室拡張期脈波伝搬時間ＰＴＴ＿ＤＩＡを算出することができる。 As shown in FIG. 5, the difference between the time Tr at which the R wave occurs and the time Tp at which the P wave occurs is the ventricular systolic pulse wave propagation time PTT_SYS. The difference between the time Tt at which the T wave occurs and the time Td at which the D wave occurs is the ventricular diastolic pulse wave propagation time PTT_DIA. That is, from the time Tr of the R wave and the time Tt of the T wave of the electrocardiographic waveform, and the time Tp of the T wave and the time Td of the D wave of the photoelectric volume pulse waveform, as shown in equations (1) and (2) Finally, the ventricular systolic pulse wave transit time PTT_SYS and the ventricular diastolic pulse wave transit time PTT_DIA can be calculated.
ＰＴＴ＿ＳＹＳ＝Ｔｐ－Ｔｒ ・・・（１） PTT_SYS=Tp−Tr (1)
ＰＴＴ＿ＤＩＡ＝Ｔｄ－Ｔｔ ・・・（２） PTT_DIA=Td-Tt (2)
心電波形を測定する第１電極及び第２電極と、光電式容積脈波形の測定する光学センサモジュールを、手首を介して対向させ、配置距離を離すことにより、心電波形の検出部位と光電式容積脈波形の測定部位を離すことになる。そのため、それぞれの特徴波形が生じるタイムラグを生じさせることにより、心室収縮期脈波伝搬時間ＰＴＴ＿ＳＹＳ及び心室拡張期脈波伝搬時間ＰＴＴ＿ＤＩＡの絶対的な算出時間を長くとることができる。そのため、心室収縮期脈波伝搬時間ＰＴＴ＿ＳＹＳ及び心室拡張期脈波伝搬時間ＰＴＴ＿ＤＩＡの変化情報を得る場合に、変化情報の精度を高めることができる。 The first electrode and the second electrode for measuring the electrocardiogram waveform and the optical sensor module for measuring the photoelectric volume pulse waveform are opposed to each other through the wrist, and the arrangement distance is separated, so that the detection site of the electrocardiogram waveform and the photoelectric This will separate the measurement sites of the plethysmogram. Therefore, the absolute calculation time of the ventricular systolic pulse wave transit time PTT_SYS and the ventricular diastolic pulse wave transit time PTT_DIA can be lengthened by creating a time lag between the respective characteristic waveforms. Therefore, when obtaining change information of the ventricular systolic pulse wave transit time PTT_SYS and the ventricular diastolic pulse wave transit time PTT_DIA, the accuracy of the change information can be improved.
ここで、血圧の算出式について説明する。 Here, a formula for calculating blood pressure will be described.
以下に示す（３）式の脈波伝搬速度の式（Ｍｏｅｎｓ―Ｋｏｒｔｅｗｅｇ の式）より、脈波伝播速度と動脈壁の縦弾性係数との関係が示されている。 The relationship between the pulse wave velocity and the longitudinal elastic modulus of the arterial wall is indicated by the equation (3) of the pulse wave velocity (Moens-Korteweg equation) shown below.
Ｌ／Ｔ＿ＰＴＴ＝√（Ｅ・ｈ／（２・ｒ・ρ）） ・・・（３） L/T_PTT=√(E·h/(2·r·ρ)) (3)
（３）式の各パラメータは、Ｌ：測定間距離、Ｔ＿ＰＴＴ：脈波伝搬時間、ｒ：血管内径、Ｅ：血管の縦弾性係数、ｈ：血管の厚さ、ρ：血液密度である。 Each parameter in equation (3) is L: distance between measurements, T_PTT: pulse wave transit time, r: inner diameter of blood vessel, E: longitudinal elastic modulus of blood vessel, h: thickness of blood vessel, and ρ: blood density.
縦弾性係数と血圧値は相関関係にあることが知られており、 It is known that the longitudinal elastic modulus and blood pressure value are correlated,
Ｅ＝Ｅ０・ｅｘｐ（α・Ｐ） ・・・（４） E= E0 ·exp(α·P) (4)
で示すことができる。ここで、Ｐ：血圧値、α：定数、Ｅ０：初期値である。 can be shown as Here, P: blood pressure value, α: constant, E 0 : initial value.
（３）式と（４）式より From formulas (3) and (4)
Ｐ＝（－２・ｌｎ（Ｔ＿ＰＴＴ）＋ｌｎ（２・ｒ・ρ・Ｌ２／（Ｅ０・ｈ）））／α ・・・（５） P=(−2·ln(T_PTT)+ln(2·r·ρ·L 2 /(E 0 ·h)))/α (5)
を導き出すことができる。ｌｎは自然対数を示している。このとき、”ｒ・ρ”は測定部位の血液量に比例するため、光電式容積脈波形で示される高値（Ｖｐ、Ｖｄ）で示すことができる。又、”Ｅ０・ｈ”は血管の弾性に比例する値であるため、弾性を示すパラメータである（ｂ／ａ）と（ｆ／ｅ）を用いて置き換えることができる。 can be derived. ln indicates the natural logarithm. At this time, since "r·ρ" is proportional to the blood volume at the measurement site, it can be indicated by high values (Vp, Vd) indicated by the photoelectric volume pulse waveform. Also, since "E 0 ·h" is a value proportional to the elasticity of the blood vessel, it can be replaced using the parameters (b/a) and (f/e) that indicate the elasticity.
よって、最高血圧ＢＰ＿ＳＹＳ（Ｂｌｏｏｄ Ｐｒｅｓｓｕｒｅ＿Ｓｙｓｔｏｌｉｃ）及び最低血圧ＢＰ＿ＤＩＡ（Ｂｌｏｏｄ Ｐｒｅｓｓｕｒｅ＿Ｄｉａｓｔｏｌｉｃ）は、以下で示す（６）式及び（７）式で示すことができる。 Therefore, the systolic blood pressure BP_SYS (Blood Pressure_Systolic) and the diastolic blood pressure BP_DIA (Blood Pressure_Diastolic) can be expressed by the following formulas (6) and (7).
ＢＰ＿ＳＹＳ＝Ａ１・ｌｎ（ＰＴＴ＿ＳＹＳ）＋Ａ２・ｌｎ（Ｖｐ）＋Ａ３・ｌｎ（ｂ／ａ）＋Ａ４ ・・・（６） BP_SYS=A1.ln(PTT_SYS)+A2.ln(Vp)+A3.ln(b/a)+A4 (6)
ＢＰ＿ＤＩＡ＝Ａ５・ｌｎ（ＰＴＴ＿ＤＩＡ）＋Ａ６・ｌｎ（Ｖｄ）＋Ａ７・ｌｎ（ｆ／ｅ）＋Ａ８ ・・・（７） BP_DIA=A5.ln(PTT_DIA)+A6.ln(Vd)+A7.ln(f/e)+A8 (7)
Ａ１からＡ８は条件により定まる定数である。（６）式で算出することができる最高血圧ＢＰ＿ＳＹＳは、心室収縮期脈波伝搬時間ＰＴＴ＿ＳＹＳの自然対数に定数Ａ１を掛けたものと、Ｐ波の強度Ｖｐの自然対数に定数Ａ２を掛けたものと、（ｂ／ａ）の自然対数に定数Ａ３を掛けたものと、定数Ａ４の和で求めることができる。（７）式で算出することができる最低血圧ＢＰ＿ＳＹＳは、心室収縮期脈波伝搬時間ＰＴＴ＿ＤＩＡの自然対数に定数Ａ５を掛けたものと、Ｄ波の強度Ｖｄの自然対数に定数Ａ６を掛けたものと、（ｆ／ｅ）の自然対数に定数Ａ７を掛けたものと、定数Ａ８の和で求めることができる。装置の特性や、測定対象者等により各定数を求めることにより、最高血圧ＢＰ＿ＳＹＳと最低血圧ＢＰ＿ＤＩＡを求めることが可能である。しかし、最高血圧ＢＰ＿ＳＹＳと最低血圧ＢＰ＿ＤＩＡの変化状態を確認する場合には、すべての定数を確定する必要はなく、暫定の数値で代用しながら、最高血圧ＢＰ＿ＳＹＳに関する情報と最低血圧ＢＰ＿ＤＩＡに関する情報としての値を得ることが可能である。Ｐ波の強度Ｖｐの自然対数及びＤ波の強度Ｖｄの自然対数は、血液密度の影響を考慮した項である。また、（ｂ／ａ）の自然対数及び（ｆ／ｅ）の自然対数は、動脈壁の縦弾性係数の影響を考慮した項である。そのため、測定条件によっては、いずれかの項を選択し他の項を定数化することで最高血圧ＢＰ＿ＳＹＳに関する情報と最低血圧ＢＰ＿ＤＩＡに関する情報の演算を行ってもよい。 A1 to A8 are constants determined by conditions. The systolic blood pressure BP_SYS that can be calculated by the formula (6) is obtained by multiplying the natural logarithm of the ventricular systolic pulse wave transit time PTT_SYS by a constant A1 and by multiplying the natural logarithm of the P-wave intensity Vp by a constant A2. and the sum of the natural logarithm of (b/a) multiplied by the constant A3 and the constant A4. The diastolic blood pressure BP_SYS that can be calculated by the formula (7) is obtained by multiplying the natural logarithm of the ventricular systolic pulse wave transit time PTT_DIA by a constant A5 and by multiplying the natural logarithm of the D wave intensity Vd by a constant A6. and the sum of the natural logarithm of (f/e) multiplied by the constant A7 and the constant A8. It is possible to obtain the systolic blood pressure BP_SYS and the diastolic blood pressure BP_DIA by obtaining each constant according to the characteristics of the device, the person to be measured, and the like. However, when confirming the change state of the systolic blood pressure BP_SYS and the diastolic blood pressure BP_DIA, it is not necessary to fix all the constants, and while substituting provisional values, the information on the systolic blood pressure BP_SYS and the diastolic blood pressure BP_DIA can be obtained. value can be obtained. The natural logarithm of the P-wave intensity Vp and the natural logarithm of the D-wave intensity Vd are terms that take into account the effect of blood density. Also, the natural logarithm of (b/a) and the natural logarithm of (f/e) are terms that take into account the effect of the longitudinal elastic modulus of the arterial wall. Therefore, depending on the measurement conditions, the information on the systolic blood pressure BP_SYS and the information on the diastolic blood pressure BP_DIA may be calculated by selecting one of the terms and making the other terms constant.
また、生体データ生成部１３２は、例えば被測定者が装着している測定装置３００の温度センサ（サーミスタ等）により測定される被測定者の皮膚温度情報から温度情報を生体情報（生体生成情報）として得ることができる。 In addition, the biometric data generator 132 converts temperature information from skin temperature information of the subject measured by a temperature sensor (such as a thermistor) of the measuring device 300 worn by the subject to biological information (biologically generated information), for example. can be obtained as
また、生体データ生成部１３２は、例えば被測定者が手首に装着している測定装置３００により測定される加速度データの波形データから既知の算出方法等を単体で用いる、または、組み合わせて用いる（例えば平均化したり、重みづけしたりなど）ことにより歩行速度情報を生体情報（生体生成情報）として得ることができ、例えば加速度データを所定時間ごとに積分することで歩行速度情報生体情報（生体生成情報）として得ることができる。 In addition, the biometric data generation unit 132 uses, for example, a known calculation method or the like from the waveform data of the acceleration data measured by the measurement device 300 worn on the wrist of the subject, or uses them in combination (for example, By averaging, weighting, etc.), walking speed information can be obtained as biological information (biologically generated information). ) can be obtained as
また、生体データ生成部１３２は、例えば被測定者が手首に装着している測定装置３００により測定される加速度データの波形データから既知の算出方法等を単体で用いる、または、組み合わせて用いる（例えば平均化したり、重みづけしたりなど）ことにより歩幅情報を生体情報（生体生成情報）として得ることができ、例えば、歩く時には振り子のように手を振るため、上述の加速度センサの情報（例えば、進行方向の加速度成分が一番小さいタイミングまたは逆方向に切り替わるタイミングや、進行方向に対して垂直な方向の加速度成分が一番小さいタイミングまたは上下が切り替わるタイミングなど）を基に１歩の間隔が判別できるため、さらに時間情報を用いれば歩幅情報を生体情報（生体生成情報）として得ることができる。他には、例えば、地面を蹴り出した際には、蹴り出た方向の加速度成分が合成されるので、当該方向の加速度成分の発生タイミングで１歩の間隔を判別することでも可能である。 In addition, the biometric data generation unit 132 uses, for example, a known calculation method or the like from the waveform data of the acceleration data measured by the measurement device 300 worn on the wrist of the subject, or uses them in combination (for example, By averaging, weighting, etc.), stride information can be obtained as biological information (biologically generated information). One step interval is determined based on the timing when the acceleration component in the direction of travel is the smallest or when it switches to the opposite direction, the timing when the acceleration component in the direction perpendicular to the direction of travel is the smallest or the timing when the vertical direction switches, etc.) Therefore, stride information can be obtained as biometric information (biometric generation information) by using time information. Alternatively, for example, when kicking off the ground, the acceleration component in the kicking direction is synthesized, so it is possible to determine the interval of one step at the timing of generation of the acceleration component in that direction.
また、生体データ生成部１３２は、例えば被測定者が装着している測定装置３００により測定される加速度データおよび角速度データから、測定装置３００を装着している部位（例えば、手首や足首など）がどれくらいの速度でどのような角度で動いているのかという動作情報を生体情報（生体生成情報）として得ることができる。 In addition, the biometric data generation unit 132 determines, for example, from acceleration data and angular velocity data measured by the measurement device 300 worn by the subject, the part (eg, wrist, ankle, etc.) where the measurement device 300 is worn is It is possible to obtain motion information, such as how fast and at what angle the robot moves, as biological information (biologically generated information).
また、測生体データ生成部１３２は、例えば日常的に装着している測定装置３００により測定される加速度データを周波数解析し、例えば周波数の高低が活動頻度の高低に対応付けられ、所定頻度以上の活動が１日の何割を占めているか、などの所定条件により算出することで活動量情報を生体情報（生体生成情報）として得ることができる。 In addition, the biometric data generation unit 132 performs frequency analysis of acceleration data measured by the measuring device 300 that is worn on a daily basis, for example, and the frequency is associated with the activity frequency. Activity amount information can be obtained as biometric information (biometric generation information) by calculating based on predetermined conditions such as what percentage of the day activity occupies.
また、生体データ生成部１３２は、例えば日常的に装着している測定装置３００により測定される加速度データから既知の算出方法等により歩行を含む運動をしている際の加速度データを特定できるので、例えば周波数解析などを用いて所定の条件により算出することで運動量情報を生体情報（生体生成情報）として得ることができる。また、角速度情報などの付加情報をさらに用いると、より正確な運動量情報を得ることが可能である。 In addition, since the biometric data generation unit 132 can specify acceleration data during exercise including walking by a known calculation method or the like from acceleration data measured by the measuring device 300 worn on a daily basis, for example, For example, momentum information can be obtained as biological information (biologically generated information) by performing calculation under predetermined conditions using frequency analysis or the like. Further, by using additional information such as angular velocity information, it is possible to obtain more accurate momentum information.
また、生体データ生成部１３２は、例えば日常的に装着している測定装置３００により測定される加速度データから導出した上記活動量情報や上記運動量情報に対して、例えば運動負荷と共に大きくなる心拍情報により重みづけをすることで運動負荷量情報を生体情報（生体生成情報）として得ることができる。また、例えば加速度データのベクトル情報を加味すれば、歩行環境（坂や階段など）や姿勢（立位、座位など）などの状態情報も特定できるので、当該状態情報をさらに用いてもよい。また、角速度情報などの付加情報をさらに用いると、より正確な運動負荷量情報を得ることが可能である。 In addition, the biometric data generation unit 132 generates the activity amount information and the exercise amount information derived from the acceleration data measured by the measuring device 300 that is worn on a daily basis, for example, based on the heart rate information that increases with the exercise load. By weighting, the exercise load amount information can be obtained as biological information (biologically generated information). In addition, for example, if vector information of acceleration data is added, state information such as walking environment (slope, stairs, etc.) and posture (standing position, sitting position, etc.) can be specified, so the state information may be further used. Further, by using additional information such as angular velocity information, it is possible to obtain more accurate exercise load amount information.
また、生体データ生成部１３２は、例えば心拍数情報を用いて、ＶＯ２max＝１５×（２２０－年齢）÷心拍数（特に安静時心拍数）という公知の数式などにより最大酸素摂取量情報を生体情報（生体生成情報）として得ることができる。 In addition, the biological data generation unit 132 uses the heart rate information, for example, to obtain the maximum oxygen uptake information by a known formula such as VO 2 max = 15 x (220 - age) / heart rate (especially heart rate at rest). It can be obtained as biometric information (biometric generation information).
また、既知の学習器などにより、例えば生体測定情報と、当該生体測定情報に基づき生成された生体生成情報（例えば心拍情報や血圧情報など）と正の生体情報（例えば、既知の医療機器に基づく心拍情報や血圧情報など）との対応関係（例えば、誤差の程度や範囲を示す情報などが含まれていてもよい）により対応付けた教師データを基に機械学習モデルを予め作成し、生体データ生成部１３２は、当該機械学習モデルを用いた判定を上述の所定の演算（解析）として生体情報を生成してもよい。 Further, by a known learning device, for example, biometric information, biometric information generated based on the biometric information (such as heart rate information and blood pressure information) and positive biometric information (for example, based on known medical equipment Heart rate information, blood pressure information, etc.), and a machine learning model is created in advance based on the teacher data that is associated with the corresponding relationship (for example, information indicating the degree and range of error may be included), and biometric data The generating unit 132 may generate the biometric information using the determination using the machine learning model as the predetermined calculation (analysis) described above.
ここで、食後に血糖値が急上昇、急低下を起こす状態である血糖値スパイクは、普段は正常な血糖値であるものの、頻発すると動脈硬化のリスクが高まるといわれている。しかしながら、血糖値スパイクだけでは動脈硬化の進行度合いを判定するのは難しい。一方で、血管の弾性を確認するだけでは、その原因は多様にあり、要因が改善しやすい食事である場合、早期に要因として推定されることが望ましい。 Here, blood sugar level spikes, which are states in which the blood sugar level suddenly rises and falls after a meal, are said to increase the risk of arteriosclerosis if they occur frequently, although the blood sugar level is usually normal. However, it is difficult to determine the degree of progression of arteriosclerosis based on blood sugar spikes alone. On the other hand, simply confirming the elasticity of blood vessels has various causes, and if the factor is a diet that can be easily improved, it is desirable to presume it as the factor at an early stage.
そこで、本実施の形態において、通知生成部１３３は、ユーザが日常的に装着している測定装置３００により所定の周期的なタイミングで受信した測定データから生成された血糖値情報から算出される血糖値スパイク情報及び脈波情報から生成される血管弾性情報に基づき、動脈硬化に関する通知を生成する。ここでいう通知の生成は、何れの通知を出力データとするかを決定することを含み、例えば後述する条件に従ってどのような内容の通知を出力データとするかを通知情報ＤＢ１２３の各種通知の中から決定することを含む。以下、詳述する。 Therefore, in the present embodiment, the notification generation unit 133 generates a blood sugar level information generated from the blood sugar level information generated from the measurement data received by the measuring device 300 that the user wears on a daily basis at a predetermined periodic timing. A notification about arteriosclerosis is generated based on the blood vessel elasticity information generated from the value spike information and the pulse wave information. The generation of notifications here includes determining which notifications are to be output data. including determining from Details will be described below.
通知生成部１３３は、血糖値情報から所定のスパイク条件にしたがって血糖値スパイク情報を生成する。スパイク条件は、例えば、血糖値スパイクが、普段は正常な血糖値であるが、食事後に血糖値が大きく上昇し、上昇から下降に折り返すピーク値が食事後の所定時間後（例えば約１～２時間後）に現れ、さらに所定時間経過後（例えば、さらに約１～２時間後）に大きく下降することに着目し、例えば、スパイク条件は、血糖値情報が所定の基準値（例えば、１４０～１６０ｍｇ／ｄｌの範囲のいずれかの数値など）を超えることであって、血糖値スパイク情報は、当該条件に合致したことが検出された回数の情報を含んでいてもよく、さらに基準値を超えた際の時間情報も含んでいてもよい。この条件に加えて、ノイズを排除するために、血糖値情報が所定の基準値を超えて所定期間経過後に再度基準値を下回ることであってもよい。また、糖尿病患者などの血糖値が高い人の場合には基準値のみでは誤判定する恐れがあるため、所定期間（例えば、１日や数日、１週間など）の平均値や、血糖値情報及び行動情報に基づき算出される睡眠期間の平均値や食事前の所定期間の平均値などの平均値情報に対する相対的な差分値の大きさが所定の基準値（５０ｍｇ／ｄｌなど）を超えることを条件としてもよいし、または、所定期間の血糖値情報の最小値から最大値までの傾き（各値の時間情報も考慮）が所定の基準値を超えることを条件としてもよい。また、血糖値の推移を示す情報に対して血糖値スパイクを教師した教師データに基づき学習させた学習モデルにより血糖値スパイクを判定して血糖値スパイク情報を生成してもよい。さらに、これらの血糖値スパイク情報は、「食事」を示す行動情報と対応付け、例えば、上述の条件に基づき血糖値スパイクが判定され、且つ、当該血糖値スパイクより所定時間前（例えば、約１～２時間）に食事を示す行動情報が記憶されている場合の回数を含んでいてもよく、必要に応じて、食事を示す行動情報が記憶されていない場合の回数も含んでいてもよい。 Notification generator 133 generates blood sugar level spike information from blood sugar level information according to a predetermined spike condition. The spike condition is, for example, when the blood sugar level spike is normally a normal blood sugar level, but the blood sugar level rises significantly after a meal, and the peak value that turns from an increase to a decrease occurs after a predetermined time after the meal (for example, about 1 to 2 after a certain period of time), and after a predetermined period of time (for example, about 1 to 2 hours later), focusing on the fact that the spike condition is that the blood glucose level information reaches a predetermined reference value (for example, 140 to 140). Any value in the range of 160 mg / dl, etc.), and the blood sugar spike information may include information on the number of times it is detected that the condition is met, and further exceeds the reference value It may also include time information when the In addition to this condition, in order to eliminate noise, the blood glucose level information may exceed a predetermined reference value and fall below the reference value again after a predetermined period of time has elapsed. In addition, in the case of a person with high blood sugar level, such as a diabetic, there is a risk of erroneous determination based on only the reference value. and the magnitude of the relative difference value with respect to the average value information such as the average value of the sleep period calculated based on the behavior information and the average value of the predetermined period before meals exceeds a predetermined reference value (such as 50 mg / dl) or that the gradient from the minimum value to the maximum value of the blood sugar level information for a predetermined period (time information of each value is also considered) exceeds a predetermined reference value. Alternatively, blood sugar level spike information may be generated by determining blood sugar level spikes using a learning model learned based on teacher data in which blood sugar level spikes are supervised for information indicating changes in blood sugar levels. Furthermore, this blood sugar level spike information is associated with behavior information indicating "meal", for example, a blood sugar level spike is determined based on the above conditions, and a predetermined time (for example, about 1 hour) before the blood sugar level spike up to 2 hours) may include the number of times when behavior information indicating eating is stored, and if necessary, the number of times when behavior information indicating eating is not stored may also be included.
通知生成部１３３は、脈波情報から血管弾性情報を生成する。上述のとおり、加速度脈波形において、ｂ波の強度とａ波の強度の比、及びｆ波の強度とｅ波の強度の比はそれぞれ血管の伸縮性すなわち弾性を示すパラメータであるので、ｂ波の強度とａ波の強度の比である（ｂ／ａ）の値、及びｆ波の強度とｅ波の強度の比である（ｆ／ｅ）の値の少なくともいずれかに基づいて、血管弾性情報を算出する。血管弾性情報は、例えば、事前の実験等で弾性を示すパラメータの相対的な傾向に基づき、所定値ごとに設定された複数の血管硬化ステージ情報であってもよいし、ＣＡＶＩ（Ｃａｒｄｉｏ－Ａｎｋｌｅ Ｖａｓｃｕｌａｒ Ｉｎｄｅｘ）が知られているところ、ＣＡＩＶにより導出される弾性パラメータと、上述の脈波による弾性を示すパラメータとを事前に対応付け（機械学習も含む）することで、既知の弾性パラメータを推定して血管弾性情報としたり、これに基づき設定された複数の血管硬化ステージ情報であってもよいし、これらの手法に限られない。 The notification generator 133 generates blood vessel elasticity information from the pulse wave information. As described above, in the acceleration pulse waveform, the ratio of the intensity of the b-wave to the intensity of the a-wave and the ratio of the intensity of the f-wave to the intensity of the e-wave are parameters indicating the stretchability or elasticity of the blood vessel. Based on at least one of the value of (b/a), which is the ratio of the intensity of the wave to the intensity of the a-wave, and the value of (f/e), which is the ratio of the intensity of the f-wave to the intensity of the e-wave, the vascular elasticity Calculate information. The blood vessel elasticity information may be, for example, a plurality of blood vessel stiffness stage information set for each predetermined value based on the relative tendency of parameters indicating elasticity in prior experiments or the like, or CAVI (Cardio-Ankle Vascular Index) is known, and the known elastic parameters are estimated by associating (including machine learning) the elastic parameters derived by CAIV with the parameters indicating the elasticity due to the pulse wave described above. blood vessel elasticity information, or a plurality of blood vessel stiffening stage information set based on this, and the method is not limited to these methods.
通知生成部１３３は、上述の血糖値スパイク情報および血管弾性情報に基づき、動脈硬化に関する通知を生成する。動脈硬化に関する通知は、例えば、所定期間における血糖値スパイク情報（特に条件に合致した回数の情報を含む）及び血管弾性情報をそれぞれ複数の分類に分け、互いの組み合わせに応じて少なくとも一部（または全て）が互いに異なる動脈硬化に関する通知情報（例えば、動脈硬化の注意を促す通知情報や動脈硬化改善のアドバイスをする通知情報）である。これについて、単純化して説明をすると、例えば、血糖値スパイク情報が基準値より大きいか小さいかの２分類、血管弾性情報が基準値より大きいか小さいかの２分類（２種類の血管硬化ステージ）に分けると、（１）血糖値スパイク情報が基準値より小さい、且つ、血管弾性情報が基準値より大きい場合（すなわち、血糖値スパイクが少なく、血管弾性係数が大きく動脈硬化傾向が小さい場合）、（２）血糖値スパイク情報が基準値より大きく、且つ、血管弾性情報が基準値より大きい場合（すなわち、血糖値スパイクが多く、血管弾性係数が大きく動脈硬化傾向が小さい場合）、（３）血糖値スパイク情報が基準値より小さく、且つ、血管弾性情報が基準値より小さい場合（すなわち、血糖値スパイクが少なく、血管弾性係数が小さく動脈硬化傾向が大きい場合）、（４）血糖値スパイク情報が基準値より大きく、且つ、血管弾性情報が基準値より小さい場合（すなわち、血糖値スパイクが多く、血管弾性係数が小さく動脈硬化傾向が大きい場合）、と設定することが可能である。ここで、まず（１）に該当するユーザに対しては、動脈硬化に関する通知を送信しないか、現在の生活を継続するなどの相対的に一番ポジティブな内容の通知を送信してもよい。次に（２）に該当するユーザに対しては、血糖値スパイクの傾向がみられるものの動脈硬化への影響は未だみられないので、血糖値スパイクを抑制するための行動に関する内容（特に、食事に関する内容であって、食物繊維やたんぱく質を摂取することや、炭水化物を減らしたり、炭水化物の摂取タイミングを遅くすることを促す内容など）を含む通知を送信する。次に（３）に該当するユーザに対しては、動脈硬化傾向が大きいものの血糖値スパイクに起因するものでないことがわかるので、運動の増加またはストレスの減少（特に睡眠時間の増加）に関する内容を含む通知を送信する。最後に（４）に該当するユーザに対しては、動脈硬化傾向が大きく血糖値スパイクに起因するものであることがわかるので、上述の血糖値スパイクを抑制するための行動に関する内容（特に、食事に関する内容）及び運動の増加またはストレスの減少（特に睡眠時間の増加）に関する内容を共に含む通知を送信する。 The notification generation unit 133 generates a notification regarding arteriosclerosis based on the blood glucose level spike information and blood vessel elasticity information described above. The notification about arteriosclerosis, for example, divides the blood sugar level spike information (especially including information on the number of times the condition is met) and blood vessel elasticity information in a predetermined period into a plurality of categories, and at least partly (or All) are different notification information related to arteriosclerosis (for example, notification information that calls attention to arteriosclerosis and notification information that advises improvement of arteriosclerosis). To explain this in a simplified way, for example, blood sugar level spike information is classified into two categories according to whether it is larger or smaller than the reference value, and blood vessel elasticity information is classified into two categories according to whether it is larger or smaller than the reference value (two types of arterial stiffening stages). (1) when the blood sugar level spike information is smaller than the reference value and the blood vessel elasticity information is larger than the reference value (that is, when the blood sugar level spike is small, the blood vessel elastic modulus is large, and the arteriosclerosis tendency is small); (2) when the blood sugar level spike information is greater than the reference value and the blood vessel elasticity information is greater than the reference value (that is, when there are many blood sugar level spikes, the blood vessel elasticity coefficient is large, and the arteriosclerosis tendency is small); When the value spike information is smaller than the reference value and the blood vessel elasticity information is smaller than the reference value (that is, when the blood glucose spike is small, the blood vessel elasticity coefficient is small, and the arteriosclerosis tendency is large), (4) the blood glucose spike information is If it is greater than the reference value and the blood vessel elasticity information is less than the reference value (that is, if there are many blood sugar level spikes, the blood vessel elasticity coefficient is small, and the arteriosclerosis tendency is large), it can be set. Here, first, for the user corresponding to (1), it is possible to send a relatively most positive content notification, such as not sending a notification about arteriosclerosis, or continuing with the current lifestyle. Next, for users who fall under (2), although there is a tendency for blood sugar spikes, there is no effect on arteriosclerosis yet. content, including content that encourages you to consume dietary fiber and protein, reduce carbohydrates, and delay the timing of carbohydrate intake, etc.). Next, for users who fall under (3), since it can be seen that although the arteriosclerosis tendency is large, it is not caused by blood sugar spikes, so content related to increased exercise or reduced stress (especially increased sleep time) is provided. Send notifications containing: Finally, for the user corresponding to (4), since it is known that the arteriosclerosis tendency is large and is caused by blood sugar spikes, the above-mentioned contents related to behaviors for suppressing blood sugar spikes (especially diet) ) and content related to increased exercise or reduced stress (especially more sleep).
このように、血糖値スパイクに関する情報と血管弾性に関する情報を組み合わせて、個々のユーザとって適切な動脈硬化に関する通知を通知することが可能となる。 In this way, by combining information on blood sugar level spikes and information on blood vessel elasticity, it is possible to provide notifications on arteriosclerosis that are appropriate for individual users.
なお、通知生成部１３３は、ユーザに代えて、または、加えて、ユーザに関連付けられた者にも通知を送信するようにしてもよい。ユーザに関連付けられた者は、例えばユーザ情報に関連付けられてユーザ情報ＤＢ１２４等にアカウント情報などの識別情報が記憶されており、他のユーザであれば特に限定はされないが、例えば親、子、親戚などの親族であったり、パートナー、介護者、補助者、医師などであってもよい。 Note that the notification generation unit 133 may transmit the notification to a person associated with the user instead of or in addition to the user. The person associated with the user is, for example, associated with the user information and has identification information such as account information stored in the user information DB 124 or the like. It may be a relative such as a partner, caregiver, assistant, doctor, etc.
また、動脈硬化は、ユーザのいる環境の環境温度による影響を受けることを考慮し、例えば測定装置３００に備えられた温度計により計測された温度（気温または皮膚温度、体温）や、ユーザ端末装置２００または測定装置３００から判定可能な位置情報（例えばＧＰＳ情報など）に基づき管理サーバ１００またはユーザ端末装置２００において取得される気温情報、計測データに含まれる日時情報から推定される各期間情報（例えば、季節ごとの季節情報など）に対応する推定気温情報などの環境温度情報に基づいて、通知生成部１３３は、血管弾性情報を補正してもよい。補正は、例えば、環境温度情報が大きい値を示すほど、血管弾性情報を相対的に小さい値にするように補正してもよい。これにより、環境温度が低下する前から環境温度が低下した場合を基準として動脈硬化の状態を確認できるため、より安全な条件判定を行うことができる。 In addition, considering that arteriosclerosis is affected by the environmental temperature of the environment where the user is, for example, the temperature (air temperature, skin temperature, body temperature) measured by a thermometer provided in the measuring device 300, or the user terminal device Temperature information acquired by the management server 100 or user terminal device 200 based on position information (eg GPS information) that can be determined from 200 or measuring device 300, each period information estimated from date and time information included in measurement data (eg , seasonal information for each season, etc.), the notification generator 133 may correct the blood vessel elasticity information. The correction may be made, for example, so that the larger the value of the environmental temperature information, the smaller the value of the blood vessel elasticity information. As a result, since the state of arteriosclerosis can be confirmed with reference to the case where the environmental temperature has decreased before the environmental temperature has decreased, safer condition determination can be performed.
データ出力部１３４は、測定データや生体データ、所定の通知情報をユーザ端末装置２００へ出力する。ユーザ端末装置２００においては、出力データを例えば専用のアプリケーションを介して画面に表示するなどしてユーザが容易に確認可能としてもよい。 The data output unit 134 outputs measurement data, biological data, and predetermined notification information to the user terminal device 200 . In the user terminal device 200, the output data may be displayed on the screen via a dedicated application, for example, so that the user can easily check it.
入出力部１４０は、キーボード・マウス類等の情報入力機器、及びディスプレイ等の出力機器である。 The input/output unit 140 is an information input device such as a keyboard and a mouse, and an output device such as a display.
＜処理の流れ＞
図６を参照しながら、情報処理システム１が実行する情報処理方法の処理の流れについて説明する。図６は、図１の情報処理システム１の処理の例を示すフローチャートである。
<Process flow>
The flow of processing of the information processing method executed by the information processing system 1 will be described with reference to FIG. FIG. 6 is a flow chart showing an example of processing of the information processing system 1 of FIG.
ステップＳ１０１の処理として、データ管理部１３１では、測定装置３００を利用するユーザごとにアカウント情報が生成され、ユーザ端末装置２００等から所定のユーザ情報を取得する。登録されたユーザ情報は、データ管理部１３１により、ユーザ情報ＤＢ１２４に記憶される。ステップＳ１０１の処理は、ユーザが測定装置３００を利用するための前処理として行われてもよいし、ユーザが測定装置３００を初めて利用する際に行われてもよい。 As the process of step S101, the data management unit 131 generates account information for each user who uses the measuring device 300, and acquires predetermined user information from the user terminal device 200 or the like. The registered user information is stored in the user information DB 124 by the data management unit 131 . The processing of step S101 may be performed as preprocessing for the user to use the measuring device 300, or may be performed when the user uses the measuring device 300 for the first time.
ステップＳ１０２の処理として、ユーザが測定装置３００を利用すると、測定データが所定の周期で測定装置３００からユーザ端末装置２００を介して管理サーバ１００へ送信され、通信部１１０を介して受信される。データ管理部１３１により、記憶部１２０の測定データＤＢ１２１内においてユーザ情報に関連付けられて測定データが記憶される。
As the process of step S102, when the user uses the measuring device 300, the measured data is transmitted from the measuring device 300 to the management server 100 via the user terminal device 200 and received via the communication unit 110 at predetermined intervals. The data management unit 131 stores the measurement data in the
ステップＳ１０３の処理として、生体データ生成部１３２により測定データが読み取られ、所定の演算等により生体データの生成が行われる。生成された生体データは、データ管理部１３１により、生体データＤＢ１２２に記憶される。 As the process of step S103, the biometric data generation unit 132 reads the measurement data, and generates biometric data by a predetermined calculation or the like. The generated biometric data is stored in the biometric data DB 122 by the data management unit 131 .
ステップＳ１０４の処理として、通知生成部１３３により生体データが読み取られ、所定の演算等により所定の通知（特にユーザの動脈硬化に関する通知）の生成が行われる。 As the process of step S104, the notification generating unit 133 reads the biometric data, and generates a predetermined notification (in particular, a notification regarding the user's arteriosclerosis) by predetermined calculation or the like.
ステップＳ１０５の処理として、データ出力部１３４により生体データおよび／または所定の通知が読み取られ、ユーザ端末装置２００へ出力される。 As the process of step S<b>105 , the data output unit 134 reads the biometric data and/or the predetermined notification and outputs them to the user terminal device 200 .
＜効果＞
以上のように、本実施形態に係る情報処理システムは、通知生成部１３３を介して、測定データから生成された血糖値情報から算出される血糖値スパイク情報及び血管弾性情報に基づき、動脈硬化に関する通知を生成する。これにより、ユーザは、例えば自分の血糖値の状態と動脈硬化の関連性について適切に把握することが可能となり、ユーザの利便性が向上する。
<effect>
As described above, the information processing system according to the present embodiment, via the notification generation unit 133, based on the blood sugar level spike information and blood vessel elasticity information calculated from the blood sugar level information generated from the measurement data, Generate notifications. As a result, the user can appropriately grasp the relationship between the state of his/her blood sugar level and arteriosclerosis, for example, thereby improving convenience for the user.
以上、開示に係る実施形態について説明したが、これらはその他の様々な形態で実施することが可能であり、種々の省略、置換および変更を行なって実施することが出来る。これらの実施形態および変形例ならびに省略、置換および変更を行なったものは、特許請求の範囲の技術的範囲とその均等の範囲に含まれる。 Although the disclosed embodiments have been described above, they can be implemented in various other forms, and can be implemented with various omissions, substitutions, and modifications. These embodiments, modifications, omissions, substitutions and changes are included within the technical scope of the claims and their equivalents.
１ 情報処理システム
１００ 管理サーバ
２００ ユーザ端末装置
３００ 測定装置
ＮＷ ネットワーク
1 Information Processing System 100 Management Server 200 User Terminal Device 300 Measuring Device NW Network
Claims (8)
前記測定データに対して所定の演算を実行し、少なくとも血糖値情報を含む前記生体データを生成する生体データ生成部と、
前記血糖値情報に基づき生成される血糖値スパイク情報及び脈波情報に基づき生成される血管弾性情報に応じて、前記ユーザの動脈硬化に関する通知を生成する通知生成部と、を備え、
前記血糖値スパイク情報及び前記血管弾性情報は、それぞれ複数の分類に分けられ、
前記通知生成部は、前記血糖値スパイク情報の分類と前記血管弾性情報の分類との組み合わせに応じて、互いに異なる通知を生成する、
ことを特徴とする情報処理システム。 An information processing system that receives measurement data from a measurement device worn by a user via a network at a predetermined cycle, and generates biological data and a predetermined notification from the measurement data,
a biometric data generation unit that performs a predetermined calculation on the measurement data to generate the biometric data that includes at least blood sugar level information;
a notification generation unit that generates a notification regarding arteriosclerosis of the user in accordance with blood glucose level spike information generated based on the blood glucose level information and blood vessel elasticity information generated based on the pulse wave information;
The blood glucose level spike information and the blood vessel elasticity information are each divided into a plurality of categories,
wherein the notification generation unit generates different notifications according to a combination of the classification of the blood glucose level spike information and the classification of the blood vessel elasticity information;
An information processing system characterized by:
ことを特徴とする請求項１に記載の情報処理システム。 further comprising a data output unit that transmits a notification regarding arteriosclerosis of the user to the user terminal device of the user;
The information processing system according to claim 1, characterized by:
ことを特徴とする請求項１または２のいずれかに記載の情報処理システム。 further comprising a data output unit that transmits a notification regarding arteriosclerosis of the user to a user terminal device of a person associated with the user;
3. The information processing system according to claim 1 or 2, characterized in that:
ことを特徴とする請求項１ないし３のいずれかに記載の情報処理システム。 The blood vessel elasticity information is corrected based on environmental temperature information when the user measures the pulse wave information.
4. The information processing system according to any one of claims 1 to 3, characterized by:
ことを特徴とする請求項１ないし４のいずれかに記載の情報処理システム。 The notification generating unit, when the number of spikes indicated by the blood sugar level spike information is a classification with a relatively small number of spikes, and when the elastic coefficient indicated by the blood vessel elasticity information is a classification with a relatively large do not generate notifications,
5. The information processing system according to any one of claims 1 to 4, characterized in that:
前記測定データに対して所定の演算を実行し、少なくとも血糖値情報を含む前記生体データを生成する生体データ生成部と、
前記血糖値情報に基づき生成される血糖値スパイク情報及び脈波情報に基づき生成される血管弾性情報に応じて、前記ユーザの動脈硬化に関する通知を生成する通知生成部と、を備え、
前記血糖値スパイク情報及び前記血管弾性情報は、それぞれ複数の分類に分けられ、
前記通知生成部は、前記血糖値スパイク情報の分類と前記血管弾性情報の分類との組み合わせに応じて、互いに異なる通知を生成する、
ことを特徴とするサーバ。 A server that receives measured data from a measuring device worn by a user via a network at a predetermined cycle and generates biological data and a predetermined notification from the measured data,
a biometric data generation unit that performs a predetermined calculation on the measurement data to generate the biometric data that includes at least blood sugar level information;
a notification generation unit that generates a notification regarding arteriosclerosis of the user in accordance with blood glucose level spike information generated based on the blood glucose level information and blood vessel elasticity information generated based on the pulse wave information;
The blood glucose level spike information and the blood vessel elasticity information are each divided into a plurality of categories,
wherein the notification generation unit generates different notifications according to a combination of the classification of the blood glucose level spike information and the classification of the blood vessel elasticity information;
A server characterized by:
生体データ生成部により、前記測定データに対して所定の演算を実行し、少なくとも血糖値情報を含む前記生体データを生成するステップと、
通知生成部により、前記血糖値情報に基づき生成される血糖値スパイク情報及び脈波情報に基づき生成される血管弾性情報に応じて、前記ユーザの動脈硬化に関する通知を生成するステップと、を含み、
前記血糖値スパイク情報及び前記血管弾性情報は、それぞれ複数の分類に分けられ、
前記通知を生成するステップは、前記血糖値スパイク情報の分類と前記血管弾性情報の分類との組み合わせに応じて、互いに異なる通知を生成する、
ことを特徴とする情報処理方法。 An information processing method for receiving measurement data from a measurement device worn by a user via a network at a predetermined cycle, and generating biological data and a predetermined notification from the measurement data,
a step of performing a predetermined calculation on the measured data by a biological data generation unit to generate the biological data including at least blood glucose level information;
generating a notification about arteriosclerosis of the user by a notification generation unit according to blood sugar level spike information generated based on the blood sugar level information and blood vessel elasticity information generated based on the pulse wave information;
The blood glucose level spike information and the blood vessel elasticity information are each divided into a plurality of categories,
generating different notifications according to a combination of the classification of the blood glucose level spike information and the classification of the blood vessel elasticity information;
An information processing method characterized by:
前記情報処理方法は、
生体データ生成部により、前記測定データに対して所定の演算を実行し、少なくとも血糖値情報を含む前記生体データを生成するステップと、
通知生成部により、前記血糖値情報に基づき生成される血糖値スパイク情報及び脈波情報に基づき生成される血管弾性情報に応じて、前記ユーザの動脈硬化に関する通知を生成するステップと、を含み、
前記血糖値スパイク情報及び前記血管弾性情報は、それぞれ複数の分類に分けられ、
前記通知を生成するステップは、前記血糖値スパイク情報の分類と前記血管弾性情報の分類との組み合わせに応じて、互いに異なる通知を生成する、
ことを特徴とするプログラム。
A program for executing, on a computer, an information processing method for receiving measurement data from a measurement device worn by a user via a network at predetermined intervals and generating biometric data and predetermined notifications from the measurement data,
The information processing method includes:
a step of performing a predetermined calculation on the measured data by a biological data generation unit to generate the biological data including at least blood glucose level information;
generating a notification about arteriosclerosis of the user by a notification generation unit according to blood sugar level spike information generated based on the blood sugar level information and blood vessel elasticity information generated based on the pulse wave information;
The blood glucose level spike information and the blood vessel elasticity information are each divided into a plurality of categories,
generating different notifications according to a combination of the classification of the blood glucose level spike information and the classification of the blood vessel elasticity information;
A program characterized by
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2022023898A JP2023076796A (en) | 2021-11-23 | 2022-02-18 | Information processing system, server, information processing method, and program |
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2021189773A JP7033362B1 (en) | 2021-11-23 | 2021-11-23 | Information processing system, server, information processing method and program |
| JP2022023898A JP2023076796A (en) | 2021-11-23 | 2022-02-18 | Information processing system, server, information processing method, and program |
Related Parent Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2021189773A Division JP7033362B1 (en) | 2021-11-23 | 2021-11-23 | Information processing system, server, information processing method and program |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2023076796A true JP2023076796A (en) | 2023-06-02 |
Family
ID=81213064
Family Applications (2)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2021189773A Active JP7033362B1 (en) | 2021-11-23 | 2021-11-23 | Information processing system, server, information processing method and program |
| JP2022023898A Pending JP2023076796A (en) | 2021-11-23 | 2022-02-18 | Information processing system, server, information processing method, and program |
Family Applications Before (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2021189773A Active JP7033362B1 (en) | 2021-11-23 | 2021-11-23 | Information processing system, server, information processing method and program |
Country Status (1)
| Country | Link |
|---|---|
| JP (2) | JP7033362B1 (en) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2023243395A1 (en) * | 2022-06-15 | 2023-12-21 | 株式会社島津製作所 | Estimation method, estimation program, estimation system, determination method, and estimation marker |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003173375A (en) * | 2001-09-28 | 2003-06-20 | Toshiba Corp | Life management terminal device, life management method and life management system |
| US20170277858A1 (en) * | 2014-09-19 | 2017-09-28 | Shinano Kenshi Co., Ltd. | System for predicting risk of onset of cerebrovascular disease |
| JP7073763B2 (en) * | 2017-03-16 | 2022-05-24 | 株式会社リコー | Information processing system, information processing method, electronic device, server device and information processing program |
| JP6932379B2 (en) * | 2018-07-12 | 2021-09-08 | 株式会社Ａｒｂｌｅｔ | Data management server, data management method and data management program |
-
2021
- 2021-11-23 JP JP2021189773A patent/JP7033362B1/en active Active
-
2022
- 2022-02-18 JP JP2022023898A patent/JP2023076796A/en active Pending
Also Published As
| Publication number | Publication date |
|---|---|
| JP2023076791A (en) | 2023-06-02 |
| JP7033362B1 (en) | 2022-03-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP2023076796A (en) | Information processing system, server, information processing method, and program | |
| JP6919959B1 (en) | Information processing system, server, information processing method and program | |
| WO2022054797A1 (en) | Information processing system, server, information processing method, and program | |
| WO2022097592A1 (en) | Information processing system, server, information processing method, and program | |
| JP6887194B1 (en) | Information processing systems, servers, information processing methods and programs | |
| WO2022009817A1 (en) | Server, user assistance system, user assistance method, and program | |
| JP7240052B1 (en) | Information processing system, server, information processing method, program and learning model | |
| JP2023077368A (en) | Information processing system, server, information processing method and program | |
| JP7065550B1 (en) | Information processing system, server, information processing method and program | |
| JP7097111B2 (en) | Information processing system, server, information processing method and program | |
| WO2021246346A1 (en) | Information processing system, server, information processing method, and program | |
| JP6934219B1 (en) | Information processing systems, servers, information processing methods and programs | |
| JP2023125114A (en) | Information processing system, server, information processing method, and program | |
| JP2024018876A (en) | Information processing system, server, information processing method, program, and learning model | |
| JP6989992B1 (en) | Information processing system, server, information processing method and program | |
| JP6970481B1 (en) | Information processing system, server, information processing method and program | |
| JP7125169B1 (en) | Information processing system, server, information processing method and program | |
| JP2023076792A (en) | Information processing system, server, information processing method and program | |
| JP2023036454A (en) | Information processing system, server, information processing method and program | |
| JP2023036456A (en) | Information processing system, server, information processing method, and program |