JP2024513847A

JP2024513847A - ウェアラブルベースの生理学的データからの妊娠関連合併症の識別と予測

Info

Publication number: JP2024513847A
Application number: JP2023560548A
Authority: JP
Inventors: ニコルシグペン，ニーナ; アー．ゴトリーブ，ネタ; ポー，ゲラルド; エリザベスアッシュバッハー，キルスティン
Original assignee: オーラヘルスオサケユキチュア
Priority date: 2021-04-01
Filing date: 2022-03-31
Publication date: 2024-03-27
Also published as: US20220319690A1; US20220313147A1; EP4312735A1; AU2022252334A1; CA3215868A1; CA3215261A1; EP4312724A2; JP2024513828A; US20220313149A1; AU2022246658A1; EP4312797A1; AU2022249147A1; JP2024513829A; US20220313146A1; US20220313223A1; JP2024514496A; CA3215867A1; AU2022249148A1; US20220313224A1; EP4312798A1

Abstract

妊娠合併症の識別と予測のための方法、システム及びデバイスを説明する。システムは、妊娠しているユーザに関連付けられ、かつ複数日にわたって収集される生理学的データを受信するように構成されてよく、生理学的データは、少なくとも体温データを含む。加えて、システムは、体温値の時系列を決定するように構成され得る。システムは、次いで、体温値がユーザの体温値の妊娠ベースラインから逸脱していることを識別し、ユーザの１つ以上の妊娠合併症の指標を検出し得る。システムは、１つ以上の妊娠合併症の指標を示す、ユーザデバイス上のグラフィカルユーザインタフェース上に表示するためのメッセージを生成し得る。

Description

相互参照
本出願は、２０２２年３月３１日に出願された、「PREGNANCY -RELATED COMPLICATION IDENTIFICATION AND PREDICTION FROM WEARABLE-BASED PHYSIOLOGICAL DATA」と題する、Thigpen等による、米国非仮特許出願第１７／７１０，０９５号の利益を主張し、これは、２０２１年４月１日に出願された、「WOMEN'S HEALTH TRACKING」と題する、Aschbacher等による、米国仮特許出願第６３／１６９，３１４号の利益を主張し、この各々が、本出願人に譲渡され、参照により本明細書に明示的に援用される。

技術分野
以下は、ウェアラブルベースの生理学的データからの妊娠関連合併症（pregnancy-related complication）の識別と予測を含む、ウェアラブルデバイス及びデータ処理に関する。

いくつかのウェアラブルデバイスは、体温及び心拍数に関連付けられるデータをユーザから収集するように構成されることがある。例えばいくつかのウェアラブルデバイスは、リプロダクティブ・ヘルスに関連付けられる周期を検出するように構成されることがある。しかしながら、ウェアラブルデバイスによって実装される従来の周期検出技術は不十分である。

本開示の態様による、ウェアラブルベースの生理学的データからの妊娠関連合併症の識別と予測をサポートするシステムの一例を示す図である。

本発明の態様による、ウェアラブルベースの生理学的データからの妊娠関連合併症の識別と予測をサポートするタイミング図の例を示す図である。

本開示の態様による、ウェアラブルベースの生理学的データからの妊娠関連合併症の識別と予測をサポートするグラフィカルユーザインタフェース（ＧＵＩ）の例を示す図である。

本開示の態様による、ウェアラブルベースの生理学的データからの妊娠関連合併症の識別と予測をサポートする装置のブロック図である。

本開示の態様による、ウェアラブルベースの生理学的データからの妊娠関連合併症の識別と予測をサポートするウェアラブルアプリケーションのブロック図である。

本開示の態様による、ウェアラブルベースの生理学的データからの妊娠関連合併症の識別と予測をサポートするデバイスを含むシステムの図である。

本開示の態様による、ウェアラブルベースの生理学的データからの妊娠関連合併症の識別と予測をサポートする方法を示すフローチャートである。本開示の態様による、ウェアラブルベースの生理学的データからの妊娠関連合併症の識別と予測をサポートする方法を示すフローチャートである。本開示の態様による、ウェアラブルベースの生理学的データからの妊娠関連合併症の識別と予測をサポートする方法を示すフローチャートである。

いくつかのウェアラブルデバイスは、体温データや心拍数データ等を含む、生理学的データをユーザから収集するように構成されることがある。取得された生理学的データは、ユーザの動きや、睡眠パターンのような他の活動を分析するために使用されることがある。多くのユーザは、睡眠パターン、活動及び全体的な身体的健康状態を含む、自身の身体的健康に関するより多くの洞察を望んでいる。特に、多くのユーザは、自身の月経周期、排卵、受精パターン及び妊娠を含む、女性の健康に関するより多くの洞察を望んでいる可能性がある。しかしながら、典型的な周期追跡又は女性のヘルスデバイス及びアプリケーションは、いくつかの理由から、ロバストな予測及び洞察を提供する能力を欠いている。

第１に、典型的な周期予測アプリケーションは、ユーザが、毎日離散的な時間にデバイスを用いて手動で自身の体温を測ることを要する。この単一の体温データポイントは、女性の健康周期パターン及び妊娠パターンを示す真の体温変化を正確に捕捉又は予測するための十分なコンテキストを提供しない可能性があり、ユーザの動き又は行為に対する測定デバイスの感度を考慮すると、正確に捕捉することが困難である可能性がある。第２に、ウェアラブルであるデバイス、あるいは１日を通してより頻繁にユーザの体温を測定するデバイスであっても、典型的なデバイス及びアプリケーションは、測定された体温と組み合わせて女性の周期及び妊娠パターンに対する生理学的寄与の完全なセットをより包括的に理解することができる、ユーザからの他の生理学的、行動的又はコンテキスト的入力を収集する能力を欠いている。

本開示の態様は、１つ以上の妊娠合併症の指標を識別及び予測するための技術を対象とする。特に、本開示のコンピューティングデバイスは、ユーザに関連付けられるウェアラブルデバイスから体温データを含む生理学的データを受信し、複数日にわたって取得された体温値の時系列を決定し得る。生理学的データは、妊娠しているユーザに関連付けられてよい。例えば本開示の態様は、体温値の時系列のグラフ表示から、ユーザの体温値の妊娠ベースラインに対する体温値の時系列の偏差のような、１つ以上の形態学的特徴を識別し得る。したがって、本開示の態様は、形態学的特徴（例えば偏差）を識別することに基づいて、ユーザの１つ以上の妊娠合併症の指標を検出し得る。そのような場合、１つ以上の妊娠合併症の指標は、ユーザの体温値の妊娠ベースラインから逸脱した体温値に関連付けられ得る。１つ以上の妊娠合併症の指標は、１つ以上の妊娠合併症が既に起こっていること、現在起こっていること、及び／又は１つ以上の妊娠合併症が将来起こると予測されることを検出する例であってよい。

いくつかの実装では、システムは、ユーザからの履歴体温データ及びユーザの妊娠ベースライン値を分析し、１つ以上の妊娠合併症の指標を識別し、ユーザの１つ以上の妊娠合併症を示す指標を生成し得る。ユーザは、システムによって示されるように、１つ以上の妊娠合併症が既に起こっているかどうかを確認してよく、システムは、このユーザ入力を予測機能（例えば将来の妊娠合併症を予測するための機械学習モデル）に組み込むことができる。システムはまた、体温時系列データをリアルタイムで分析し、体温データの時系列における１つ以上の形態学的特徴を識別したことに基づいて、及び／又はユーザの入力に基づいて、今後の妊娠合併症を予測し得る。

本開示の目的のために、用語「妊娠合併症」は、ユーザが妊娠中に経験する可能性がある健康状態又は問題を指すために使用され得る。１つ以上の妊娠合併症は、既存の慢性高血圧、妊娠高血圧、子癇前症、子癇、心血管代謝障害、妊娠糖尿病、感染症又はそれらの組合せを指すために使用され得る。ユーザの妊娠は、１つ以上の妊娠合併症が検出されるハイリスク妊娠と呼ばれることがある。

本開示のいくつかの態様は、ユーザが妊娠合併症の症状及び影響を経験する前の１つ以上の妊娠合併症の指標の検出を対象とする。しかしながら、本明細書に記載される技術はまた、ユーザが症状を示さないか又はユーザの症状に気づかない場合に、１つ以上の妊娠合併症を検出するためにも使用されてよい。いくつかの実装では、コンピューティングデバイスは、温度センサを使用して１つ以上の妊娠合併症の指標を識別し得る。そのような場合、コンピューティングデバイスは、ユーザがこれらのイベントにタグ付け又はラベル付けすることなく、１つ以上の妊娠合併症の遡及日を推定し得る。

従来のシステムでは、妊娠合併症は、血液検査、胎児ドップラ（fetal doppler）、超音波、及び／又は妊娠合併症が起こった後に臨床医によって実行されるルーチンのチェックアップ手順を使用することによって検出され得る。他の場合には、妊娠合併症は、ユーザが経験する症状（例えば出血、痛み、圧迫等）に基づいて検出されてよい。このような場合、妊娠合併症は発生後に検出され得るか、かつ／又は臨床医との予約時に確認され得る。場合によっては、妊娠の特定の週まで１つ以上の妊娠合併症が診断されないことがある。例えば子癇前症は妊娠２０週以降まで診断されないことがあり、一方、妊娠糖尿病は妊娠２４週以降まで検査及び／又は診断されないことがある。

本明細書で説明される技術は、ユーザの表面体温を連続的に測定するウェアラブルから取得される測定値と、（例えばＰＰＧ信号を介して）動脈血流のような血流から抽出される信号とに基づいて、ユーザから生理学的データを連続的に収集し得る。いくつかの実装では、コンピューティングデバイスは、昼夜を通じて連続的にユーザの体温をサンプリングし得る。夜間を通じて十分なレート（例えば１分当たり１サンプル）でサンプリングすることは、本明細書で説明される分析のための十分な体温データを提供し得る。

場合によっては、指での連続的な体温測定は、深部体温では明らかでない可能性のある体温変動（例えば小さな変動又は大きな変動）を捕捉することがある。例えば指での連続的な体温測定は、身体の他の場所での他の体温測定によっては、あるいはユーザが１日に１回手動で体温を測っていた場合には提供されない可能性がある追加の洞察を提供する、分毎又は時間毎の体温変動を捕捉し得る。したがって、コンピューティングデバイスによって収集されたデータは、ユーザが１つ以上の妊娠合併症を経験しているときを識別及び予測するために使用され得る。

本明細書に記載される技術は、様々な方法で、１つ以上の妊娠合併症の指標をユーザ、臨床医、不妊治療専門医、介護者又はこれらの組合せに通知し得る。例えばシステムは、１つ以上の妊娠合併症の指標を示す、ユーザデバイスのグラフィカルユーザインタフェース（ＧＵＩ）に表示するためのメッセージを生成し得る。そのような場合、システムは、検出された妊娠合併症をユーザや臨床医等に通知し、将来の妊娠合併症の推定される可能性をユーザに通知し、ユーザに推奨を行うこと等を行うために、ユーザデバイスのＧＵＩにメッセージ又は他の通知を表示させることができる。いくつかの実装では、システムは、ユーザにタグ推奨を行ってよい。例えばシステムは、妊娠合併症の症状タグ（例えば背部痛、圧迫感、発熱等）を、個人化された方法でユーザに推奨し得る。

システムはまた、可能性のある妊娠合併症の検出／予測を行うために使用されるデータを示すグラフィクス又はテキストを含み得る。例えばＧＵＩは、ユーザの妊娠ベースラインからの体温偏差に基づいて妊娠合併症の可能性の通知を表示してよい。場合によっては、ＧＵＩは、正常なベースラインからの心拍数の偏差、正常なベースラインからの呼吸数の偏差、正常なベースラインからの心拍数変動（ＨＲＶ）の偏差又はそれらの組合せに基づいて、妊娠合併症の可能性の通知を表示してもよい。早期検出（例えばユーザが症状を経験する前）に基づいて、ユーザは、１つ以上の妊娠合併症に関連付けられる今後の症状の重症度を軽減し、１つ以上の妊娠合併症を一緒に有するリスクを制限するのに役立つ可能性のある早期の措置を講じることができる。

本開示の態様は、最初に、ウェアラブルデバイスを介したユーザからの生理学的データの収集をサポートするシステムのコンテキストで説明される。本開示の追加の態様は、例示的なタイミング図及び例示的なＧＵＩのコンテキストにおいて説明される。本開示の態様は、ウェアラブルベースの生理学的データからの妊娠関連合併症の識別及び予測に関連する装置図、システム図及びフローチャートによって更に図示され、それらを参照して説明される。

図１は、本開示の態様による、ウェアラブルベースの生理学的データからの妊娠関連合併症の識別及び予測するシステム１００の例を示す。システム１００は、１人以上のユーザ１０２によって装着及び／又は操作され得る複数の電子デバイス（例えばウェアラブルデバイス１０４、ユーザデバイス１０６）を含む。システム１００は、ネットワーク１０８及び１つ以上のサーバ１１０を更に含む。

電子デバイスは、ウェアラブルデバイス１０４（例えばリングウェアラブルデバイス、腕時計ウェアラブルデバイス等）、ユーザデバイス１０６（例えばスマートフォン、ラップトップ、タブレット）を含む、当技術分野で公知の任意の電子デバイスを含み得る。それぞれのユーザ１０２に関連付けられる電子デバイスは、以下の機能のうちの１つ以上：すなわち、１）生理学的データを測定することと、２）測定されたデータを記憶することと、３）そのデータを処理することと、４）処理されたデータに基づいて（例えばＧＵＩを介して）ユーザ１０２に出力を提供することと、５）互いに及び／又は他のコンピューティングデバイスとデータを通信することと、のうちの１つ以上を含み得る。異なる電子デバイスが、これらの機能の１つ以上を実行してもよい。

例示的なウェアラブルデバイス１０４は、ユーザ１０２の指に装着されるように構成されたリングコンピューティングデバイス（以下、「リング」）、ユーザ１０２の手首に装着されるように構成された手首コンピューティングデバイス（例えばスマートウォッチ、フィットネスバンド又はブレスレット）及び／又は頭部装着コンピューティングデバイス（例えば眼鏡／ゴーグル）のようなウェアラブルコンピューティングデバイスを含み得る。ウェアラブルデバイス１０４はまた、頭部の周りのバンド（例えば額のヘッドバンド）、腕の周りのバンド（例えば前腕のバンド及び／又は上腕のバンド）及び／又は脚の周りのバンド（例えば大腿部又はふくらはぎのバンド）、耳の後ろ、脇の下等の他の位置に配置され得るバンド、ストラップ（例えばフレキシブル又は非フレキシブルバンド又はストラップ）、スティックオンセンサ等も含み得る。ウェアラブルデバイス１０４はまた、衣料品に取り付けられてもよく、あるいは衣類に含まれてもよい。例えばウェアラブルデバイス１０４は、衣服のポケット及び／又はポーチに含まれてもよい。別の例として、ウェアラブルデバイス１０４は、衣服にクリップ留め及び／又はピン留めされてもよく、あるいは他の方法でユーザ１０２の近くに維持されてもよい。例示的な衣料品には、帽子、シャツ、手袋、ズボン、靴下、上着（例えばジャケット）及び下着が含まれ得るが、これらに限定されない。いくつかの実装では、ウェアラブルデバイス１０４は、身体活動中に使用されるトレーニング／スポーツ用デバイスのような他のタイプのデバイスとともに含まれてもよい。例えばウェアラブルデバイス１０４は、自転車、スキー、テニスラケット、ゴルフクラブ及び／又はトレーニングウェイトに取り付けられてもよく、あるいはそれらに含まれてもよい。

本開示の多くは、リングウェアラブルデバイス１０４のコンテキストで説明され得る。したがって、用語「リング１０４」、「ウェアラブルデバイス１０４」及び同様の用語は、本明細書で特に明記しない限り、交換可能に使用され得る。しかしながら、本明細書では、本開示の態様は、他のウェアラブルデバイス（例えば腕時計ウェアラブルデバイス、ネックレスウェアラブルデバイス、ブレスレットウェアラブルデバイス、イヤリングウェアラブルデバイス、アンクレットウェアラブルデバイス等）を使用して実行されてもよいことが企図されているので、用語「リング１０４」の使用は、限定的なものとみなされるべきではない。

いくつかの態様では、ユーザデバイス１０６は、スマートフォン及びタブレットコンピューティングデバイスのようなハンドヘルドモバイルコンピューティングデバイスを含んでよい。ユーザデバイス１０６はまた、ラップトップ及びデスクトップコンピューティングデバイスのようなパーソナルコンピュータも含んでよい。他の例示的なユーザデバイス１０６は、（例えばインターネットを介して）他の電子デバイスと通信し得るサーバコンピューティングデバイスを含んでよい。いくつかの実装では、コンピューティングデバイスは、外部ウェアラブルコンピューティングデバイス（例えばホルターモニタ）のような医療デバイスを含んでよい。医療デバイスは、ペースメーカー及び電気除細動器のような植込み型医療デバイスも含んでよい。他の例示的なユーザデバイス１０６は、モノのインターネット（ＩｏＴ）デバイス（例えばＩｏＴデバイス）、スマートテレビ、スマートスピーカ、スマートディスプレイ（例えばビデオ通話ディスプレイ）、ハブ（例えば無線通信ハブ）、セキュリティシステム、スマートアプライアンス（例えばサーモスタット及び冷蔵庫）及びフィットネス機器のようなホームコンピューティングデバイスを含んでよい。

いくつかの電子デバイス（例えばウェアラブルデバイス１０４、ユーザデバイス１０６）は、フォトプレチスモグラフィ波形、連続皮膚温度、パルス波形、呼吸数、心拍数、心拍数変動（ＨＲＶ、heart rate variability）、アクチグラフィ、ガルバニック皮膚反応、パルス酸素濃度及び／又は他の生理学的パラメータのような、それぞれのユーザ１０２の生理学的パラメータを測定し得る。生理学的パラメータを測定するいくつかの電子デバイスはまた、本明細書で説明される計算の一部／すべてを実行してもよい。いくつかの電子デバイスは、生理学的パラメータを測定しないことがあるが、本明細書で説明される計算の一部／すべてを実行することがある。例えばリング（例えばウェアラブルデバイス１０４）、モバイルデバイスアプリケーション又はサーバコンピューティングデバイスは、他のデバイスによって測定された、受信した生理学的データを処理することがある。

いくつかの実装では、ユーザ１０２は、複数の電子デバイスを操作し得るか又は複数の電子デバイスに関連付けられてよく、そのうちのいくつかが、生理学的パラメータを測定してよく、そのうちのいくつかが、測定された生理学的パラメータを処理してよい。いくつかの実装では、ユーザ１０２は、生理学的パラメータを測定するリング（例えばウェアラブルデバイス１０４）を有してもよい。ユーザ１０２は、ユーザデバイス１０６（例えばモバイルデバイス、スマートフォン）を有し得るか又はユーザデバイス１０６に関連付けられてもよく、ここで、ウェアラブルデバイス１０４及びユーザデバイス１０６は、互いに通信可能に結合される。場合によっては、ユーザデバイス１０６は、ウェアラブルデバイス１０４からデータを受信し、本明細書で説明される計算の一部／すべてを実行してよい。いくつかの実装では、ユーザデバイス１０６はまた、運動／活動パラメータのような、本明細書で説明される生理学的パラメータを測定してもよい。

例えば図１に示されるように、第１ユーザ１０２－ａ（ユーザ１）は、本明細書で説明されるように動作し得るウェアラブルデバイス１０４－ａ（例えばリング１０４－ａ）及びユーザデバイス１０６－ａを操作し得るか、又はこれらに関連付けられてよい。この例では、ユーザ１０２－ａに関連付けられるユーザデバイス１０６－ａは、リング１０４によって測定された生理学的パラメータを処理／記憶し得る。比較すると、第２ユーザ１０２－ｂ（ユーザ２）は、リング１０４－ｂ、腕時計ウェアラブルデバイス１０４－ｃ（例えば時計１０４－ｃ）及びユーザデバイス１０６－ｂに関連付けられてよく、ここで、ユーザ１０２－ｂに関連付けられるユーザデバイス１０６－ｂは、リング１０４－ｂ及び／又は時計１０４－ｃによって測定された生理学的パラメータを処理／記憶し得る。さらに、ｎ番目のユーザ１０２－ｎ（ユーザＮ）は、本明細書で説明される電子デバイスの構成（例えばリング１０４、ユーザデバイス１０６－ｎ）に関連付けられてもよい。いくつかの態様では、ウェアラブルデバイス１０４（例えばリング１０４、時計１０４）及び他の電子デバイスは、Ｂｌｕｅｔｏｏｔｈ（登録商標）、Ｗｉ－Ｆｉ及び他の無線プロトコルを介して、それぞれのユーザ１０２のユーザデバイス１０６に通信可能に結合されてもよい。

いくつかの実装では、システム１００のリング１０４（例えばウェアラブルデバイス１０４）は、ユーザの指の中の動脈血流に基づいて、それぞれのユーザ１０２から生理学的データを収集するように構成され得る。特に、リング１０４は、ユーザの指の手のひら側で光を放出する１つ以上のＬＥＤ（例えば赤色ＬＥＤ、緑色ＬＥＤ）を利用して、ユーザの指の中の動脈血流に基づいて生理学的データを収集してよい。いくつかの実装では、リング１０４は、緑色ＬＥＤと赤色ＬＥＤの両方の組合せを使用して生理学的データを取得してもよい。生理学的データは、これらに限定されないが、体温データ、加速度計データ（例えば動き／運動データ）、心拍数データ、ＨＲＶデータ、血中酸素濃度データ又はそれらの任意の組合せを含む、当技術分野で公知の任意の生理学的データを含み得る。

赤色ＬＥＤ及び緑色ＬＥＤは、異なる条件下（例えば明るい／暗い、活性／不活性）で身体の異なる部分などを介して生理学的データを取得するときに、それら自体の明確な利点を有することが見出されているので、緑色ＬＥＤと赤色ＬＥＤの両方の使用は、他の解決策に対していくつかの利点を提供し得る。例えば緑色ＬＥＤは、運動中により良好な性能を示すことが分かっている。さらに、リング１０４の周りに分散された複数のＬＥＤ（例えば緑色ＬＥＤと赤色ＬＥＤ）を使用することは、腕時計ウェアラブルデバイス内など、互いに近接して配置されるＬＥＤを利用するウェアラブルデバイスと比較して、優れた性能を示すことが分かっている。さらに、指の血管（例えば動脈、毛細血管）は、手首の血管と比較して、ＬＥＤを介してよりアクセスしやすい。特に、手首の動脈は手首の下部（例えば手首の手のひら側）に位置しており、これは、ウェアラブル時計デバイスや同様のデバイスが典型的に装着される手首の上部（例えば手首の手の甲側）では毛細血管のみがアクセス可能であることを意味する。このように、リング１０４内でＬＥＤ及び他のセンサを利用することは、手首に装着されるウェアラブルデバイスと比較して優れた性能を示すことが分かっているが、これは、リング１０４が（毛細血管と比較して）動脈へのより大きなアクセスを有し、それによって、より強い信号及びより価値のある生理学的データをもたらすためである。

システム１００の電子デバイス（例えばユーザデバイス１０６、ウェアラブルデバイス１０４）は、有線又は無線通信プロトコルを介して、１つ以上のサーバ１１０に通信可能に結合されてもよい。例えば図１に示されるように、電子デバイス（例えばユーザデバイス１０６）は、ネットワーク１０８を介して１つ以上のサーバ１１０に通信可能に結合されてもよい。ネットワーク１０８は、インターネットのような伝送制御プロトコル及びインターネットプロトコル（ＴＣＰ／ＩＰ）を実装してよく、あるいは他のネットワーク１０８プロトコルを実装してもよい。ネットワーク１０８とそれぞれの電子デバイスとの間のネットワーク接続は、電子メール、ウェブ、テキストメッセージ、メール又はコンピュータネットワーク１０８内の任意の他の適切な形式の対話を介したデータの転送を容易にすることができる。例えばいくつかの実装では、第１ユーザ１０２－ａに関連付けられるリング１０４－ａは、ユーザデバイス１０６－ａに通信可能に結合されてよく、ここで、ユーザデバイス１０６－ａは、ネットワーク１０８を介してサーバ１１０に通信可能に結合される。追加又は代替的な場合において、ウェアラブルデバイス１０４（例えばリング１０４、時計１０４）は、ネットワーク１０８に直接通信可能に結合されてもよい。

システム１００は、ユーザデバイス１０６と１つ以上のサーバ１１０との間でオンデマンドデータベースサービスを提供してもよい。場合によっては、サーバ１１０は、ネットワーク１０８を介してユーザデバイス１０６からデータを受信してよく、該データを記憶し、分析してもよい。同様に、サーバ１１０は、ネットワーク１０８を介してユーザデバイス１０６にデータを提供してもよい。場合によっては、サーバ１１０は、１つ以上のデータセンタに配置されてもよい。サーバ１１０は、データの記憶、管理及び処理のために使用されてもよい。いくつかの実装では、サーバ１１０は、ウェブブラウザを介してユーザデバイス１０６にウェブベースのインタフェースを提供してもよい。

いくつかの態様では、システム１００は、ユーザ１０２が眠っている時間期間を検出し、ユーザ１０２が眠っている時間期間を１つ以上の睡眠段階に分類し得る（例えば睡眠段階分類）。例えば図１に示されるように、ユーザ１０２－ａは、ウェアラブルデバイス１０４－ａ（例えばリング１０４－ａ）及びユーザデバイス１０６－ａに関連付けられてよい。この例では、リング１０４－ａは、体温、心拍数、ＨＲＶ、呼吸数等を含む、ユーザ１０２－ａに関連付けられる生理学的データを収集し得る。いくつかの態様において、リング１０４－ａによって収集されたデータが、機械学習分類器に入力されてもよく、ここで、機械学習分類器は、ユーザ１０２－ａが眠っている（眠っていた）時間期間を決定するように構成される。さらに、機械学習分類器は、覚醒睡眠段階、急速眼球運動（ＲＥＭ、rapid eye movement）睡眠段階、浅い睡眠段階（ノンレム（ＮＲＥＭ））及び深い睡眠段階（ＮＲＥＭ）を含む、異なる睡眠段階に時間期間を分類するように構成され得る。いくつかの態様では、分類された睡眠段階は、ユーザデバイス１０６－ａのＧＵＩを介してユーザ１０２－ａに表示され得る。睡眠段階分類は、推奨される就寝時間や推奨される起床時間等のようなユーザの睡眠パターンに関するフィードバックをユーザ１０２－ａに提供するために使用されてもよい。さらに、いくつかの実装では、本明細書で説明される睡眠段階分類技術は、睡眠スコア（Sleep Scores）や準備スコア（Readiness Scores,）等のような、それぞれのユーザについてのスコアを計算するために使用されてもよい。

いくつかの態様では、システム１００は、概日リズム由来の特徴を利用して、生理学的データ収集、データ処理手順及び本明細書で説明される他の技術を更に改善し得る。概日リズム（circadian rhythm）という用語は、約２４時間毎に繰り返す、個人の睡眠－覚醒周期を調節する自然の内部プロセスを指してよい。この点に関して、本明細書で説明される技術は、生理学的データ収集、分析及びデータ処理を改善するために概日リズム調整モデルを利用し得る。例えば概日リズム調整モデルは、ウェアラブルデバイス１０４－ａを介してユーザ１０２から収集された生理学的データとともに機械学習分類器に入力されてよい。この例では、概日リズム調整モデルは、ユーザの自然な、約２４時間の概日リズムを通じて収集された生理学的データを「重み付け」又は調整するように構成されてよい。いくつかの実装では、システムは、最初に「ベースライン」概日リズム調整モデルで開始してよく、各ユーザ１０２から収集された生理学的データを使用してベースラインモデルを修正し、それぞれのユーザ１０２毎に特有の、調整されて個別化された概日リズム調整モデルを生成してよい。

いくつかの態様では、システム１００は、他の生体リズムを利用して、これらの他のリズムのフェーズによって、生理学的データの収集、分析及び処理を更に改善し得る。例えば週次リズムが、個人のベースラインデータ内で検出される場合、モデルは、週の曜日によってデータの「重み」を調整するように構成され得る。この方法によるモデルに対する調整を必要とする可能性のある生体リズムは：１）ウルトラディアン（１日のリズムよりも速く、睡眠状態における睡眠周期と、覚醒状態の間の測定された生理学的変数における１時間未満から数時間の周期性までの変動とを含む）；２）概日リズム；３）仕事のスケジュールのように概日リズムの上に課せられることが示される非内因性の日次リズム；４）週次リズム、又は外因的に課せられる他の人工的な時間周期（例えば１２日の「週」を有する仮想文化では、１２日のリズムを使用することができる）；５）女性では複数日の卵巣リズム、男性では精子形成リズム；６）月（lunar）のリズム（人工照明が少ない又はない状態で生活する人に関連する）；及び７）季節的リズムを含む。

生体リズムは必ずしも定常的なリズムではない。例えば多くの女性は、複数周期にわたって卵巣周期の長さの変動性を経験し、ウルトラディアンリズムは、ユーザ内部であっても、日をまたがって正確に同じ時間又は周期性で発生するとは予想されない。したがって、生理学的データにおけるこれらのリズムの時間分解能を保持しながら、周波数組成を定量化するのに十分な信号処理技術を使用して、これらのリズムの検出を改善し、各リズムのフェーズを、測定される各瞬間に割り当て、それによって調整モデル及び時間間隔の比較を修正することができる。生体リズム－調整モデル及びパラメータは、個人又は個人のグループの動的な生理学的ベースラインをより正確に捕捉するために、必要に応じて線形又は非線形の組合せで追加されることができる。

いくつかの態様では、システム１００のそれぞれのデバイスは、ウェアラブルデバイス１０４によって収集されたデータに基づく妊娠合併症の識別及び予測のための技術をサポートし得る。特に、図１に示されるシステム１００は、ユーザ１０２の１つ以上の妊娠合併症の指標を検出し、ユーザ１０２に対応するユーザデバイス１０６に、１つ以上の妊娠合併症の指標を表示させるための技術をサポートし得る。１つ以上の妊娠合併症の指標は、１つ以上の妊娠合併症が既に起こっていることを検出すること、１つ以上の妊娠合併症が現在起こっていることを検出すること、及び／又は１つ以上の妊娠合併症が将来起こると予測されることの例であってよい。１つ以上の妊娠合併症は、既存の慢性高血圧、妊娠高血圧、子癇前症（preeclampsia）、子癇（eclampsia）、心血管代謝障害（cardiometabolic disorder）、妊娠糖尿病、感染症又はそれらの組合せを含み得る。

例えば図１に示されるように、ユーザ１（ユーザ１０２－ａ）は、ウェアラブルデバイス１０４－ａ（例えばリング１０４－ａ）及びユーザデバイス１０６－ａに関連付けられ得る。この例では、リング１０４－ａは、体温、心拍数、ＨＲＶ、呼吸数等を含む、ユーザ１０２－ａに関連付けられるデータを収集し得る。いくつかの態様では、リング１０４－ａによって収集されたデータを使用して、ユーザ１が妊娠に伴う健康状態又は問題を経験している間の１つ以上の妊娠合併症の指標を検出し得る。１つ以上の妊娠合併症の指標を識別することは、リング１０４－ａ、ユーザ１に関連付けられるユーザデバイス１０６－ａ、１つ以上のサーバ１１０又はそれらの任意の組合せを含む、システム１００の構成要素のいずれかによって実行され得る。１つ以上の妊娠合併症を識別及び／又は予測すると、システム１００は、ユーザデバイス１０６のＧＵＩに、１つ以上の妊娠合併症の指標を選択的に表示させ得る。このような場合、ユーザデバイス１０６は、ユーザ１、ユーザ２、ユーザＮ又はそれらの組合せに関連付けられてもよく、ここで、ユーザ２及びユーザＮは、臨床医、介護者、ユーザ１に関連付けられるユーザ又はそれらの組合せの一例であってもよい。

いくつかの実装では、生理学的データ（例えば体温データを含む）を受信すると、システム１００は、複数日にわたって得られる体温値の時系列を決定し得る。システム１００は、体温値が、ユーザの体温値の妊娠ベースラインから逸脱することを識別し得る。本明細書でより詳細に説明されるように、妊娠ベースラインは、ベースライン又は平均体温、あるいは妊娠又は妊娠の特定のフェーズを通して測定されるユーザの通常の体温変化を指してよく、これは、ユーザの正常な又は非妊娠ベースラインとは異なることがある。そのような場合、システム１００は、体温値がユーザの体温値の妊娠ベースラインから逸脱していることを識別したことに基づいて、ユーザの１つ以上の妊娠合併症の指標を検出し得る。

いくつかの実装では、システム１００は、検出された１つ以上の妊娠合併症の指標に基づいて、ユーザ１、ユーザ２及び／又はユーザＮのためのアラート、メッセージ又は推奨を（例えばリング１０４－ａ、ユーザデバイス１０６－ａ又はその両方を介して）生成してよく、ここで、メッセージは、１つ以上の妊娠合併症のタイミングのような、検出された１つ以上の妊娠合併症の指標に関する洞察を提供し得る。場合によっては、メッセージは、１つ以上の妊娠合併症に関連付けられる症状、１つ以上の妊娠合併症に関連付けられる教育的ビデオ及び／又はテキスト（例えばコンテンツ）、１つ以上の妊娠合併症に関連付けられる症状を改善するための推奨、あるいはそれらの組合せに関する洞察を提供し得る。

上記以外の他の問題を追加的に又は代替的に解決するために、本開示の１つ以上の態様がシステム１００において実装されてもよいことが当業者に理解されるべきである。さらに、本開示の態様は、本明細書で説明される「従来の」システム又はプロセスに技術的な改善を提供し得る。しかしながら、本明細書及び添付の図面は、本開示の態様を実装することから生じる例示的な技術的改善を含むものにすぎず、したがって、特許請求の範囲内で提供される技術的改善のすべてを表すものではない。

図２は、本開示の態様による、ウェアラブルベースの生理学的データからの妊娠関連合併症の識別及び予測するシステム２００の例を示す。システム２００は、システム１００を実装してよく、あるいはシステム１００によって実装されてもよい。特に、システム２００は、図１を参照して説明したような、リング１０４（例えばウェアラブルデバイス１０４）、ユーザデバイス１０６及びサーバ１１０の例を示す。

いくつかの態様では、リング１０４は、ユーザの指の周りに装着されるように構成されてよく、ユーザの指の周りに装着されたときに１つ以上のユーザの生理学的パラメータを決定し得る。例示的な測定及び決定は、ユーザの皮膚温度、パルス波形、呼吸数、心拍数、ＨＲＶ、血中酸素レベル等を含み得るが、これらに限定されない。

システム２００は、リング１０４と通信するユーザデバイス１０６（例えばスマートフォン）を更に含む。例えばリング１０４は、ユーザデバイス１０６と無線通信及び／又は有線通信を行ってよい。いくつかの実装では、リング１０４は、測定されて処理されたデータ（例えば体温データ、フォトプレチスモグラム（ＰＰＧ）データ、運動／加速度計データ、リング入力データ等）をユーザデバイス１０６に送信し得る。ユーザデバイス１０６はまた、リング１０４ファームウェア／構成更新のようなデータをリング１０４に送信し得る。ユーザデバイス１０６は、データを処理し得る。いくつかの実装では、ユーザデバイス１０６は、処理及び／又は記憶のために、データをサーバ１１０に送信し得る。

リング１０４は、内側ハウジング２０５－ａ及び外側ハウジング２０５－ｂを含み得るハウジング２０５を含んでよい。いくつかの態様では、リング１０４のハウジング２０５は、これらに限定されないが、デバイスエレクトロニクス、電源（例えばバッテリ２１０及び／又はキャパシタ）、デバイスエレクトロニクス及び／又は電源を相互接続する１つ以上の基板（例えばプリント基板）等を含むリングの様々な構成要素を記憶するか、又は他の方法で含み得る。デバイスエレクトロニクスは、処理モジュール２３０－ａ、メモリ２１５、通信モジュール２２０－ａ、電力モジュール２２５等のようなデバイスモジュール（例えばハードウェア／ソフトウェア）を含んでよい。デバイスエレクトロニクスはまた、１つ以上のセンサも含んでよい。例示的なセンサは、１つ以上の温度センサ２４０、ＰＰＧセンサアセンブリ（例えばＰＰＧシステム２３５）及び１つ以上の運動センサ２４５を含んでよい。

センサは、リング１０４のそれぞれの構成要素／モジュールと通信し、それぞれのセンサに関連付けられる信号を生成するように構成される、関連モジュール（図示せず）を含んでよい。いくつかの態様では、リング１０４の構成要素／モジュールの各々は、有線接続又は無線接続を介して互いに通信可能に結合されてもよい。さらに、リング１０４は、光センサ（例えばＬＥＤ）、オキシメータ等を含む生理学的データをユーザから収集するように構成される、追加及び／又は代替のセンサ又は他の構成要素を含んでもよい。

図２を参照して図示され、説明されるリング１０４は、単に例示の目的のために提供される。このように、リング１０４は、図２に示される構成要素のような追加の又は代替の構成要素を含んでよい。本明細書で説明される機能性を提供する他のリング１０４が製造されてもよい。例えばより少ない構成要素（例えばセンサ）を有するリング１０４が製造されてもよい。特定の例では、単一の温度センサ２４０（又は他のセンサ）と、電源と、単一の温度センサ２４０（又は他のセンサ）を読み取るように構成されるデバイスエレクトロニクスとを有するリング１０４が製造されてもよい。別の具体例では、温度センサ２４０（又は他のセンサ）が、（例えばクランプ、バネ式クランプ等を使用して）ユーザの指に取り付けられてもよい。この場合、センサは、温度センサ２４０（又は他のセンサ）を読み取る手首装着型コンピューティングデバイスのような別のコンピューティングデバイスに配線されてもよい。他の例では、追加のセンサ及び処理機能を含むリング１０４が製造されてもよい。

ハウジング２０５は、１つ以上のハウジング２０５構成要素を含んでよい。ハウジング２０５は、外側ハウジング２０５－ｂ構成要素（例えばシェル）と内側ハウジング２０５－ａ構成要素（例えばモールディング）を含んでよい。ハウジング２０５は、図２に明示的に図示されていない追加の構成要素（例えば追加の層）を含んでもよい。例えばいくつかの実装では、リング１０４は、デバイスエレクトロニクス及び他の導電性材料（例えば電気トレース）を外側ハウジング２０５（例えば金属製の外側ハウジング２０５－ｂ）から電気的に絶縁する１つ以上の絶縁層を含んでもよい。ハウジング２０５は、デバイスエレクトロニクス、バッテリ２１０、基板及び他の構成要素のための構造的支持を提供し得る。例えばハウジング２０５は、デバイスエレクトロニクス、バッテリ２１０及び基板を圧力及び衝撃のような機械的な力から保護し得る。ハウジング２０５はまた、デバイスエレクトロニクス、バッテリ２１０及び基板を水及び／又は他の化学物質からも保護し得る。

外側ハウジング２０５－ｂは、１つ以上の材料から製造され得る。いくつかの実装では、外側ハウジング２０５－ｂは、比較的軽量で強度と耐摩耗性を提供し得るチタンのような金属を含んでよい。外側ハウジング２０５－ｂはまた、ポリマーのような他の材料から製造されてもよい。いくつかの実装では、外側ハウジング２０５－ｂは装飾的であるだけでなく、保護的であってもよい。

内側ハウジング２０５－ａは、ユーザの指とインタフェースするように構成され得る。内側ハウジング２０５－ａは、ポリマー（例えば医療グレードのポリマー）又は他の材料から形成されてもよい。いくつかの実装では、内側ハウジング２０５－ａは透明であってもよい。例えば内側ハウジング２０５－ａは、ＰＰＧ発光ダイオード（ＬＥＤ）によって放出される光に対して透明であってもよい。いくつかの実装では、内側ハウジング２０５－ａは、外側ハウジング２０５－ｂの上に成形されてもよい。例えば内側ハウジング２０５－ａは、外側ハウジング２０５金属シェルに適合するように成形（例えば射出成形）されるポリマーを含んでもよい。

リング１０４は、１つ以上の基板（図示せず）を含んでもよい。デバイスエレクトロニクス及びバッテリ２１０が、１つ以上の基板上に含まれてもよい。例えばデバイスエレクトロニクス及びバッテリ２１０は、１つ以上の基板上に取り付けられてもよい。例示的な基板は、フレキシブルＰＣＢ（例えばポリイミド）のような１つ以上のプリント回路基板（ＰＣＢ）を含んでよい。一部の実装では、エレクトロニクス／バッテリ２１０は、フレキシブルＰＣＢ上に表面実装型デバイス（例えば表面実装技術（ＳＭＴ、surface-mount technology）デバイス）を含んでもよい。いくつかの実装では、１つ以上の基板（例えば１つ以上のフレキシブルＰＣＢ）は、デバイスエレクトロニクス間の電気通信を提供する電気トレースを含んでもよい。電気トレースはまた、バッテリ２１０をデバイスエレクトロニクスに接続してもよい。

デバイスエレクトロニクス、バッテリ２１０及び基板は、様々な方法でリング１０４内に配置されてもよい。いくつかの実装では、センサ（例えばＰＰＧシステム２３５、温度センサ２４０、運動センサ２４５及び他のセンサ）がユーザの指の下側とインタフェースするように、デバイスエレクトロニクスを含む１つの基板が、リング１０４の下部（例えば下半分）に沿って取り付けられてよい。これらの実装では、バッテリ２１０は、リング１０４の上部に沿って（例えば別の基板上に）含まれてもよい。

リング１０４の様々な構成要素／モジュールは、リング１０４に含まれ得る機能性（例えば回路及び他の構成要素）を表す。モジュールは、本明細書のモジュールに起因する機能を生成することができるアナログ及び／又はデジタル回路を実装する任意の離散及び／又は集積電子回路構成要素を含んでよい。例えばモジュールは、アナログ回路（例えば増幅回路、フィルタリング回路、アナログ／デジタル変換回路及び／又は他の信号調整回路）を含んでもよい。モジュールはまた、デジタル回路（例えば組合せ論理回路又は逐次論理回路、メモリ回路等）も含んでよい。

リング１０４のメモリ２１５（メモリモジュール）は、ランダムアクセスメモリ（ＲＡＭ）、読取専用メモリ（ＲＯＭ）、不揮発性ＲＡＭ（ＮＶＲＡＭ）、電気的消去可能でプログラム可能なＲＯＭ（ＥＥＰＲＯＭ）、フラッシュメモリ又は任意の他のメモリデバイスのような、任意の揮発性、不揮発性、磁気的又は電気的媒体を含んでよい。メモリ２１５は、本明細書で説明されるデータのいずれかを記憶してよい。例えばメモリ２１５は、それぞれのセンサ及びＰＰＧシステム２３５によって収集されたデータ（例えば運動データ、体温データ、ＰＰＧデータ）を記憶するように構成されてもよい。さらに、メモリ２１５は、１つ以上の処理回路によって実行されると、モジュールに、本明細書のモジュールに起因する様々な機能を実行させる命令を含んでもよい。本明細書で説明されるリング１０４のデバイスエレクトロニクスは、デバイスエレクトロニクスの一例にすぎない。したがって、デバイスエレクトロニクスを実装するために使用される電子構成要素のタイプは、設計的考慮事項に基づいて変化し得る。

本明細書で説明されるリング１０４のモジュールに起因する機能は、１つ以上のプロセッサ、ハードウェア、ファームウェア、ソフトウェア又はそれらの任意の組合せとして具現化されてよい。異なる特徴をモジュールとして描写することは、異なる機能的態様を強調するように意図されており、必ずしもそのようなモジュールが別個のハードウェア／ソフトウェア構成要素によって実現されなければならないことを暗示するものではない。むしろ、１つ以上のモジュールに関連付けられる機能性は、別個のハードウェア／ソフトウェア構成要素によって実行されてもよく、あるいは共通のハードウェア／ソフトウェア構成要素内に統合されてもよい。

リング１０４の処理モジュール２３０－ａは、１つ以上のプロセッサ（例えば処理ユニット）、マイクロコントローラ、デジタル信号プロセッサ、システムオンチップ（ＳｏＣ）及び／又は他の処理デバイスを含んでよい。処理モジュール２３０－ａは、リング１０４に含まれるモジュールと通信する。例えば処理モジュール２３０－ａは、センサのようなリング１０４のモジュール及び他の構成要素にデータを送信し／これらからデータを受信してもよい。本明細書で説明されるように、モジュールは、様々な回路構成要素によって実装されてもよい。したがって、モジュールは、回路（例えば通信回路及び電力回路）とも呼ばれることがある。

処理モジュール２３０－ａは、メモリ２１５と通信し得る。メモリ２１５は、処理モジュール２３０－ａによって実行されると、処理モジュール２３０－ａに、該処理モジュール２３０－ａに起因する様々な機能を実行させるためのコンピュータ読取可能命令を含んでもよい。いくつかの実装では、処理モジュール２３０－ａ（例えばマイクロコントローラ）は、通信モジュール２２０－ａ（例えば統合されたＢｌｕｅｔｏｏｔｈ（登録商標）ＬｏｗＥｎｅｒｇｙトランシーバ）及び／又は追加のオンボードメモリ２１５によって提供される通信機能のような、他のモジュールに関連付けられる追加の特徴を含んでもよい。

通信モジュール２２０－ａは、ユーザデバイス１０６（例えばユーザデバイス１０６の通信モジュール２２０－ｂ）との無線通信及び／又は有線通信を提供する回路を含んでもよい。いくつかの実装では、通信モジュール２２０－ａ、２２０－ｂは、Ｂｌｕｅｔｏｏｔｈ回路及び／又はＷｉ－Ｆｉ回路のような無線通信回路を含んでもよい。いくつかの実装では、通信モジュール２２０－ａ、２２０－ｂは、ユニバーサルシリアルバス（ＵＳＢ）通信回路のような有線通信回路を含むことができる。通信モジュール２２０－ａを使用して、リング１０４及びユーザデバイス１０６は、互いに通信するように構成され得る。リングの処理モジュール２３０－ａは、通信モジュール２２０－ａを介してユーザデバイス１０６にデータを送信／ユーザデバイス１０６からデータを受信するように構成され得る。例示的なデータは、運動データ、体温データ、パルス波形、心拍数データ、ＨＲＶデータ、ＰＰＧデータ及びステータス更新（例えば充電ステータス、バッテリ充電レベル及び／又はリング１０４構成設定）を含み得るが、これらに限定されない。リングの処理モジュール２３０－ａはまた、ユーザデバイス１０６から更新（例えばソフトウェア／ファームウェア更新）及びデータを受信するようにも構成されてもよい。

リング１０４は、バッテリ２１０（例えば再充電可能バッテリ２１０）を含んでよい。例示的なバッテリ２１０は、リチウムイオン又はリチウムポリマータイプのバッテリ２１０を含んでよいが、様々なバッテリ２１０の選択肢が可能である。バッテリ２１０は、無線で充電されてもよい。いくつかの実装では、リング１０４は、キャパシタのような、バッテリ２１０以外の電源を含んでもよい。電源（例えばバッテリ２１０又はキャパシタ）は、リング１０４の曲線に一致する湾曲した形状を有してもよい。いくつかの態様では、充電器又は他の電源は、リング１０４自体によって収集されたデータに加えて、データを収集するために使用され得るか、又はそれを補足する、追加のセンサを含んでもよい。さらに、リング１０４の充電器又は他の電源は、ユーザデバイス１０６として機能してよく、この場合、リング１０４の充電器又は他の電源は、リング１０４からデータを受信し、リング１０４から受信したデータを記憶及び／又は処理し、リング１０４とサーバ１１０との間でデータを通信するように構成され得る。

いくつかの態様では、リング１０４は、バッテリ２１０の充電を制御し得る電力モジュール２２５を含む。例えば電力モジュール２２５は、リング１０４とインタフェースしたときにバッテリ２１０を充電する、外部ワイヤレス充電器とインタフェースし得る。充電器は、リング１０４のデータ構造（datum structure）と嵌合して、１０４の充電中にリング１０４との特定の配向を生成するデータ構造を含んでもよい。電力モジュール２２５はまた、デバイスエレクトロニクスの電圧を調節し、デバイスエレクトロニクスへの電力出力を調節し、バッテリ２１０の充電状態を監視し得る。いくつかの実装では、バッテリ２１０は、高電流放電、１０４の充電中の過電圧及び１０４の放電中の不足電圧からバッテリ２１０を保護する、保護回路モジュール（ＰＣＭ、protection circuit module）を含んでよい。電力モジュール２２５はまた、静電放電（ＥＳＤ、electro-static discharge）保護も含んでよい。

１つ以上の温度センサ２４０は、処理モジュール２３０－ａに電気的に結合されてもよい。温度センサ２４０は、該温度センサ２４０によって読み取られた又は感知された体温を示す体温信号（例えば体温データ）を生成するように構成されてもよい。処理モジュール２３０－ａは、温度センサ２４０の位置におけるユーザの体温を決定し得る。例えばリング１０４において、温度センサ２４０によって生成された体温データは、ユーザの指におけるユーザの体温（例えば皮膚温度）を示してもよい。いくつかの実装では、温度センサ２４０は、ユーザの皮膚に接触してもよい。他の実装では、ハウジング２０５の一部（例えば内側ハウジング２０５－ａ）は、温度センサ２４０とユーザの皮膚との間にバリア（例えば薄い熱伝導性バリア）を形成してもよい。いくつかの実装では、ユーザの指に接触するように構成されるリング１０４の部分は、熱伝導性部分と断熱性部分を有してもよい。熱伝導性部分は、ユーザの指から温度センサ２４０に熱を伝導し得る。断熱性部分は、リング１０４の部分（例えば温度センサ２４０）を周囲温度から絶縁し得る。

いくつかの実装では、温度センサ２４０は、体温を決定するために、処理モジュール２３０－ａが使用し得るデジタル信号（例えば体温データ）を生成し得る。別の例として、温度センサ２４０が受動センサを含む場合、処理モジュール２３０－ａ（又は温度センサ２４０モジュール）は、温度センサ２４０によって生成された電流／電圧を測定し、測定された電流／電圧に基づいて体温を決定し得る。例示的な温度センサ２４０は、負の温度係数（ＮＴＣ、negative temperature coefficient）サーミスタのようなサーミスタ、あるいは抵抗器、トランジスタ、ダイオード及び／又は他の電気／電子構成要素を含む他のタイプのセンサを含んでよい。

処理モジュール２３０－ａは、ユーザの体温を経時的にサンプリングし得る。例えば処理モジュール２３０－ａは、サンプリングレートに従ってユーザの体温をサンプリングしてよい。例示的なサンプリングレートは、１秒当たり１サンプルを含んでよいが、処理モジュール２３０－ａは、１秒当たり１サンプルよりも高い又は低い他のサンプリングレートで体温信号をサンプリングするように構成されてもよい。いくつかの実装では、処理モジュール２３０－ａは、昼夜を通して継続的に、ユーザの体温をサンプリングし得る。一日を通して十分なレートで（例えば１秒に１サンプル、１分に１サンプル等）でサンプリングすることにより、本明細書で説明される分析のための十分な体温データを提供し得る。

処理モジュール２３０－ａは、サンプリングされた体温データをメモリ２１５に記憶し得る。いくつかの実装では、処理モジュール２３０－ａは、サンプリングした体温データを処理し得る。例えば処理モジュール２３０－ａは、ある時間期間の平均体温値を決定し得る。一例では、処理モジュール２３０－ａは、１分間に収集されたすべての体温値を合計し、１分間のサンプル数で割ることによって、１分間あたりの平均体温値を決定し得る。体温が１秒当たり１サンプルでサンプリングされる特定の例では、平均体温は、６０秒で割った１分間のすべてのサンプリングされた体温の合計であってもよい。メモリ２１５は、経時的な平均体温値を記憶してよい。いくつかの実装では、メモリ２１５は、メモリ２１５を節約するために、サンプリングされた体温の代わりに、平均体温（例えば１分当たり１つ）を記憶してもよい。

メモリ２１５に記憶され得るサンプリングレートは、設定可能であり得る。いくつかの実装では、サンプリングレートは、昼夜を通して同じであってもよい。他の実装では、サンプリングレートは、昼／夜を通して変更されてもよい。いくつかの実装では、リング１０４は、生理学的変化を示さない体温の大きなスパイク（spike）（例えば熱いシャワーからの温度スパイク）のような体温読み取り値を、フィルタリング／拒否してもよい。いくつかの実装では、リング１０４は、１０４の運動中の過度の運動のような（例えば運動センサ２４５によって示されるような）、他の要因のために信頼できない可能性がある体温読み取り値をフィルタリング／拒否してもよい。

リング１０４（例えば通信モジュール）は、サンプリングされた体温データ及び／又は平均体温データを、記憶及び／又は更なる処理のためにユーザデバイス１０６に送信してもよい。ユーザデバイス１０６は、サンプリングされた体温データ及び／又は平均体温データを、記憶及び／又は更なる処理のためにサーバ１１０に転送してもよい。

リング１０４は、単一の温度センサ２４０を含むように示されているが、リング１０４は、ユーザの指の近くに内側ハウジング２０５－ａに沿って配置されるような、１つ以上の位置に複数の温度センサ２４０を含んでもよい。いくつかの実装では、温度センサ２４０は、スタンドアロン温度センサ２４０であってよい。追加又は代替的に、１つ以上の温度センサ２４０は、加速度計及び／又はプロセッサのような他の構成要素とともに含まれてもよい（例えば他の構成要素とともにパッケージされてもよい）。

処理モジュール２３０－ａは、単一の温度センサ２４０に関して説明したものと同様の方法で、複数の温度センサ２４０からデータを取得して処理してよい。例えば処理モジュール２３０は、複数の温度センサ２４０の各々から体温データを個別にサンプリングし、平均し、記憶し得る。他の例では、処理モジュール２３０－ａは、異なるレートでセンサをサンプリングし、異なるセンサについて異なる値を平均化／記憶してもよい。いくつかの実装では、処理モジュール２３０－ａは、指の異なる位置にある２つ以上の温度センサ２４０によって決定された２つ以上の体温の平均に基づいて、単一の体温を決定するように構成されてもよい。

リング１０４上の温度センサ２４０は、ユーザの指（例えば任意の指）における遠位体温を取得してもよい。例えばリング１０４上の１つ以上の温度センサ２４０は、指の下側から、あるいは指の異なる位置で、ユーザの体温を取得してもよい。いくつかの実装では、リング１０４は、遠位体温を（例えばサンプリングレートで）連続的に取得してもよい。本明細書では、指にあるリング１０４によって測定される遠位温度が説明されるが、他のデバイスは同じ／異なる位置で体温を測定してもよい。場合によっては、ユーザの指で測定された遠位体温は、ユーザの手首又は他の外部身体位置で測定された体温と異なることがある。加えて、ユーザの指で測定された遠位体温（例えば「シェル」体温）は、ユーザの深部体温とは異なることがある。このように、リング１０４は、身体の他の内部／外部位置では取得されない可能性がある有用な体温信号を提供し得る。場合によっては、指での連続的な体温測定は、深部体温では明らかでない可能性がある体温変動（例えば小さな変動又は大きな変動）を捕捉し得る。例えば指での連続的な体温測定は、身体の他の場所での他の体温測定によっては提供されない可能性がある追加の洞察を提供する、分毎又は時間毎の体温変動を捕捉し得る。

リング１０４は、ＰＰＧシステム２３５を含んでよい。ＰＰＧシステム２３５は、光を送信する１つ以上の光送信器を含んでよい。ＰＰＧシステム２３５は、１つ以上の光送信器によって送信された光を受信する１つ以上の光受信器も含んでよい。光受信器は、該光受信器によって受信した光の量を示す信号（以下、「ＰＰＧ」信号とする）を生成し得る。光送信器は、ユーザの指の領域を照明し得る。ＰＰＧシステム２３５によって生成されるＰＰＧ信号は、照明された領域における血液の灌流を示し得る。例えばＰＰＧ信号は、ユーザの脈圧によって引き起こされる、照明された領域における血液量の変化を示し得る。処理モジュール２３０－ａは、ＰＰＧ信号をサンプリングし、ＰＰＧ信号に基づいてユーザのパルス波形を決定し得る。処理モジュール２３０－ａは、ユーザのパルス波形に基づいて、ユーザの呼吸速度、心拍数、ＨＲＶ、酸素飽和度及び他の循環パラメータのような、様々な生理学的パラメータを決定し得る。

いくつかの実装では、ＰＰＧシステム２３５は、反射型ＰＰＧシステム２３５として構成されてもよく、この場合、光受信器は、ユーザの指の領域を通って反射される透過光を受信する。いくつかの実装では、ＰＰＧシステム２３５は、光がユーザの指の一部を通って光受信器に直接送信されるように、光送信器及び光受信器が互いに対向して配置される、透過型ＰＰＧシステム２３５として構成されてもよい。

ＰＰＧシステム２３５に含まれる送信器及び受信器の数及び比率は、変化してもよい。例示的な光送信器は、発光ダイオード（ＬＥＤ）を含んでよい。光送信器は、赤外線スペクトル及び／又は他のスペクトルの光を送信してよい。例示的な光受信器は、フォトセンサ、フォトトランジスタ及びフォトダイオードを含んでよいが、これらに限定されない。光受信器は、光送信器から受信した波長に応答してＰＰＧ信号を生成するように構成されてもよい。送信器と受信器の位置は変化してもよい。加えて、単一のデバイスが、反射型及び／又は透過型ＰＰＧシステム２３５を含んでもよい。

図２に示されるＰＰＧシステム２３５は、いくつかの実装では、反射型ＰＰＧシステム２３５を含んでもよい。これらの実装では、ＰＰＧシステム２３５は、中央に配置された光受信器（例えばリング１０４の下部）と、光受信器の両側に配置された２つの光送信器とを含んでよい。この実装では、ＰＰＧシステム２３５（例えば光受信器）は、光送信器の一方又は両方から受信した光に基づいてＰＰＧ信号を生成し得る。他の実装では、１つ以上の光送信器及び／又は光受信器の他の配置、組合せ及び／又は構成が考えられる。

処理モジュール２３０－ａは、光受信器によって生成されたＰＰＧ信号をサンプリングしながら、光を送信するように光送信器の一方又は両方を制御し得る。いくつかの実装では、処理モジュール２３０－ａは、光受信器によって生成されたＰＰＧ信号をサンプリングしている間、より強い受信信号を有する光送信器に光を送信させ得る。例えば選択された光送信器は、ＰＰＧ信号がサンプリングレート（例えば２５０Ｈｚ）でサンプリングされている間、連続的に光を放射し得る。

ＰＰＧシステム２３５によって生成されたＰＰＧ信号をサンプリングすることにより、「ＰＰＧ」と呼ばれ得るパルス波形を得ることができる。パルス波形は、複数の心周期の血圧対時間を示し得る。パルス波形は、心周期を示すピークを含み得る。加えて、パルス波形は、呼吸数を決定するために使用され得る呼吸誘導変動（respiratory induced variation）を含んでもよい。いくつかの実装では、処理モジュール２３０－ａは、パルス波形をメモリ２１５に記憶し得る。処理モジュール２３０－ａは、パルス波形が生成されるときに、及び／又はメモリ２１５からのパルス波形を処理して、本明細書で説明されるユーザの生理学的パラメータを決定し得る。

処理モジュール２３０－ａは、パルス波形に基づいてユーザの心拍数を決定し得る。例えば処理モジュール２３０－ａは、パルス波形のピーク間の時間に基づいて心拍数（例えば１分あたりの拍動数）を決定し得る。ピーク間の時間は、拍動間隔（ＩＢＩ、interbeat interval）と呼ばれることがある。処理モジュール２３０－ａは、決定された心拍数の値とＩＢＩ値をメモリ２１５に記憶してよい。

処理モジュール２３０－ａは、経時的にＨＲＶを決定し得る。例えば処理モジュール２３０－ａは、ＩＢｌの変動に基づいてＨＲＶを決定してもよい。処理モジュール２３０－ａは、メモリ２１５に経時的なＨＲＶ値を記憶してよい。さらに、処理モジュール２３０－ａは、経時的にユーザの呼吸数を決定し得る。例えば処理モジュール２３０－ａは、ある期間にわたるユーザのＩＢＩ値の周波数変調、振幅変調又はベースライン変調に基づいて、呼吸数を決定してもよい。呼吸数は、１分間当たりの呼吸で計算されてよく、あるいは別の呼吸数（例えば３０秒当たりの呼吸）として計算されてもよい。処理モジュール２３０－ａは、経時的なユーザの呼吸数の値をメモリ２１５に記憶してもよい。

リング１０４は、１つ以上の加速度計（例えば６－Ｄ加速度計）及び／又は１つ以上のジャイロスコープ（ジャイロ）のような１つ以上の運動センサ２４５を含み得る。運動センサ２４５は、センサの運動を示す運動信号を生成し得る。例えばリング１０４は、加速度計の加速度を示す加速度信号を生成する、１つ以上の加速度計を含んでよい。別の例として、リング１０４は、角運動（例えば角速度）及び／又は方位の変化を示すジャイロ信号を生成する、１つ以上のジャイロセンサを含んでよい。運動センサ２４５は、１つ以上のセンサパッケージに含まれてよい。例示的な加速度計／ジャイロセンサは、３つの垂直軸における角速度及び加速度を測定し得る、Ｂｏｓｃｈ（登録商標）ＢＭＩ１６０慣性微小電気機械システム（ＭＥＭＳ、micro electro-mechanical system）センサである。

処理モジュール２３０－ａは、サンプリングレート（例えば５０Ｈｚ）で運動信号をサンプリングし、サンプリングされた運動信号に基づいてリング１０４の運動を決定し得る。例えば処理モジュール２３０－ａは、加速度信号をサンプリングしてリング１０４の加速度を決定してよい。別の例として、処理モジュール２３０－ａは、ジャイロ信号をサンプリングして角運動を決定してよい。いくつかの実装では、処理モジュール２３０－ａは、運動データをメモリ２１５に記憶してよい。運動データは、サンプリングされた運動データ、並びにサンプリングされた運動信号（例えば加速度及び角度値）に基づいて計算された運動データを含んでよい。

リング１０４は、本明細書で説明される様々なデータを記憶し得る。例えばリング１０４は、生のサンプリングされた体温データ及び計算された体温データ（例えば平均温度）のような体温データを記憶してよい。別の例として、リング１０４は、パルス波形や、パルス波形に基づいて計算されるデータ（例えば心拍数の値、ＩＢＩ値、ＨＲＶ値及び呼吸数の値）のようなＰＰＧ信号データを記憶してよい。リング１０４はまた、直線運動及び角運動を示すサンプリングされた運動データのような運動データも記憶してよい。

リング１０４又は他のコンピューティングデバイスは、サンプリング／計算された生理学的データに基づいて、追加の値を計算し、記憶し得る。例えば処理モジュール２３０は、睡眠メトリクス（例えば睡眠スコア）、活動メトリクス及び準備メトリクスのような、様々なメトリクスを計算して記憶してよい。いくつかの実装では、追加の値／メトリックは、「導出値（derived values）」と呼ばれることがある。リング１０４又は他のコンピューティング／ウェアラブルデバイスは、運動に関して様々な値／メトリクスを計算し得る。運動データの例示的な導出値は、運動カウント値、規則性値（regularity values）、強度値、タスクの代謝当量値（ＭＥＴｓ、metabolic equivalence of task values）及び方向値を含み得るが、これらに限定されない。運動カウント、規則性値、強度値及びＭＥＴｓは、経時的なユーザの運動の量（例えば速度／加速度）を示し得る。方向値は、リング１０４がユーザの指に対してどのように向けられているか、及びリング１０４が左手に装着されているか右手に装着されているかを示し得る。

いくつかの実装では、運動カウント及び規則性値は、１つ以上の期間（例えば１つ以上の３０秒から１分の期間）内の加速度ピークの数をカウントすることによって決定され得る。強度値は、運動の数及び運動の関連する強度（例えば加速度値）を示し得る。強度値は、関連する閾値加速度値に応じて、低、中及び高に分類されてよい。ＭＥＴｓは、ある期間（例えば３０秒）の間の運動の強度と、運動の規則性／不規則性と、異なる強度に関連付けられる運動の数とに基づいて決定され得る。

いくつかの実装では、処理モジュール２３０－ａは、メモリ２１５に記憶されたデータを圧縮し得る。例えば処理モジュール２３０－ａは、サンプリングされたデータに基づいて計算を行った後に、サンプリングされたデータを削除してもよい。別の例として、処理モジュール２３０－ａは、記憶される値の数を減らすために、より長い期間にわたってデータを平均化してもよい。具体的な例では、１分間にわたるユーザの平均体温がメモリ２１５に記憶されている場合、処理モジュール２３０－ａは、記憶のために５分間の平均体温を計算し、その後、その１分間の平均体温データを消去してもよい。処理モジュール２３０－ａは、使用される／利用可能なメモリ２１５の総量、及び／又はリング１０４がデータをユーザデバイス１０６に最後に送信してからの経過時間のような様々な要因に基づいてデータを圧縮してよい。

ユーザの生理学的パラメータは、リング１０４に含まれるセンサによって測定され得るが、他のデバイスが、ユーザの生理学的パラメータを測定してもよい。例えばユーザの体温は、リング１０４に含まれる温度センサ２４０によって測定され得るが、他のデバイスがユーザの体温を測定してもよい。いくつかの例では、他のウェアラブルデバイス（例えば手首デバイス）は、ユーザの生理学的パラメータを測定するセンサを含んでもよい。加えて、外部医療デバイス（例えばウェアラブル医療デバイス）及び／又は植込み型医療デバイスのような医療デバイスが、ユーザの生理学的パラメータを測定することがある。任意のタイプのコンピューティングデバイス上の１つ以上のセンサを使用して、本明細書で説明される技術を実装してよい。

生理学的測定は、昼及び／又は夜を通して連続的に行われてもよい。いくつかの実装では、生理学的測定は、１０４の昼部分及び／又は夜の部分の間に行われてもよい。いくつかの実装では、生理学的測定は、ユーザが、活動状態、安静状態（resting state）及び／又は睡眠状態のような特定の状態にあると決定したことに応答して行われてもよい。例えばリング１０４は、よりクリーンな生理学的信号を取得するために、安静／睡眠状態で生理学的測定を行うことができる。一例では、リング１０４又は他のデバイス／システムは、ユーザが安静にしている及び／又は睡眠しているときを検出し、その検出された状態の生理学的パラメータ（例えば体温）を取得し得る。デバイス／システムは、本開示の技術を実装するために、ユーザが他の状態にあるときに、安静／睡眠生理学的データ及び／又は他のデータを使用してもよい。

いくつかの実装では、本明細書で前述したように、リング１０４は、データを収集、記憶及び／又は処理するように構成されてもよく、本明細書で説明されるデータのいずれかを、記憶及び／又は処理のためにユーザデバイス１０６に転送し得る。いくつかの態様では、ユーザデバイス１０６は、ウェアラブルアプリケーション２５０、オペレーティングシステム（ＯＳ）、ウェブブラウザアプリケーション（例えばウェブブラウザ２８０）、１つ以上の追加のアプリケーション及びＧＵＩ２７５を含む。ユーザデバイス１０６は、センサ、オーディオデバイス、触覚フィードバックデバイス等を含む他のモジュール及び構成要素を更に含んでもよい。ウェアラブルアプリケーション２５０は、ユーザデバイス１０６にインストールされ得るアプリケーション（例えば「ａｐｐ」）の例を含み得る。ウェアラブルアプリケーション２５０は、本明細書で説明されるように、リング１０４からデータを取得し、取得したデータを記憶し、取得したデータを処理するように構成され得る。例えばウェアラブルアプリケーション２５０は、ユーザインタフェース（ＵＩ）モジュール２５５と、取得モジュール２６０と、処理モジュール２３０－ｂと、通信モジュール２２０－ｂと、アプリケーションデータを記憶するように構成される記憶モジュール（例えばデータベース２６５）を含んでよい。

本明細書で説明される様々なデータ処理動作は、リング１０４、ユーザデバイス１０６、サーバ１１０又はそれらの任意の組合せによって実行され得る。例えば場合によっては、リング１０４によって収集されたデータは、前処理され、ユーザデバイス１０６に送信されてよい。この例では、ユーザデバイス１０６は、受信したデータに対して何らかのデータ処理動作を実行し得るか、データ処理のためにデータをサーバ１１０に送信し得るか、又はその両方を行ってよい。例えば場合によっては、ユーザデバイス１０６は、比較的低い処理能力を必要とする処理動作及び／又は比較的低いレイテンシを必要とする動作を実行することがあり、一方、ユーザデバイス１０６は、比較的高い処理能力を必要とする処理動作及び／又は比較的高いレイテンシを許容し得る動作を処理するために、データをサーバ１１０に送信することがある。

いくつかの態様では、システム２００のリング１０４、ユーザデバイス１０６及びサーバ１１０は、ユーザの睡眠パターンを評価するように構成され得る。特に、システム２００のそれぞれの構成要素は、リング１０４を介してユーザからデータを収集し、収集されたデータに基づいて、ユーザについての１つ以上のスコア（例えば睡眠スコア、準備スコア）を生成するために使用され得る。例えば本明細書において前述したように、システム２００のリング１０４は、ユーザによって装着されて、ユーザから体温、心拍数、ＨＲＶ等を含むデータを収集し得る。リング１０４によって収集されたデータは、所与の「睡眠日（sleep day）」について、ユーザの睡眠を評価するために、ユーザが眠っているときを決定するために使用されてもよい。いくつかの態様では、スコアは、第１睡眠日が第１スコアセットに関連付けられ、第２睡眠日が第２スコアセットに関連付けられるように、ユーザについて、それぞれの睡眠日毎に計算され得る。スコアは、それぞれの睡眠日の間にリング１０４によって収集されたデータに基づいて、それぞれの睡眠日毎に計算されてもよい。スコアは、睡眠スコア、準備スコア等を含むが、これらに限定されない。

場合によっては、「睡眠日」は、所与の睡眠日が、それぞれの暦日の真夜中から真夜中まで続くように、伝統的な暦日（calendar day）と整合してよい。他の場合には、睡眠日は、暦日に対してオフセットされてもよい。例えば睡眠日は、ある暦日の午後６：００（１８：００）から次の暦日の午後６：００（１８：００）まで続いてよい。この例では、午後６：００は「カットオフ時間」として機能してよく、この場合、午後６：００より前にユーザから収集されたデータは現在の睡眠日についてカウントされ、午後６：００より後にユーザから収集されたデータは次の睡眠日についてカウントされる。ほとんどの個人が夜に最も多く眠るという事実のために、暦日に対して睡眠日をオフセットすることにより、システム２００は、ユーザの睡眠スケジュールと一致するような方法でユーザの睡眠パターンを評価することができる。場合によっては、それぞれのユーザが典型的に睡眠する時間の長さに睡眠日を整合させるように、ユーザは、暦日に対して睡眠日のタイミングを（例えばＧＵＩを介して）選択的に調整することができる。

いくつかの実装では、それぞれの日毎のユーザの各総合スコア（例えば睡眠スコア、準備スコア）が、１つ以上の「寄与因子（contributors）」、「要因（factors）」又は「寄与要因（contributing factors）」に基づいて決定／計算され得る。例えばユーザの全体的な睡眠スコアは、総睡眠、効率、休息、レム睡眠、深い睡眠、レイテンシ、タイミング又はそれらの任意の組合せを含む一組の寄与因子のセットに基づいて計算され得る。睡眠スコアは、任意の量の寄与因子を含んでよい。「総睡眠」寄与因子は、睡眠日の全睡眠期間の合計を指してよい。「効率」寄与因子は、ベッドにいる間に起きている間に費やされる時間と比較した睡眠に費やされる時間のパーセンテージを反映してよく、睡眠日の長い睡眠期間（例えば主睡眠期間（primary sleep period））の効率平均を使用して、各睡眠期間の持続時間によって重み付けして、計算され得る。「休息」寄与因子は、ユーザの睡眠がどれほど安らかであるかを示してよく、睡眠日のすべての睡眠期間の平均を使用して、各期間の持続時間によって重み付けして、計算され得る。休息寄与因子は、「ウェイクアップカウント」（例えば異なる睡眠期間中に検出されたすべてのウェイクアップ（ユーザが、目が覚めたとき）の合計）、過剰な動き（excessive movement）、及び「ゴットアップカウント（got up count）」（例えば異なる睡眠期間中に検出されたすべてのゴットアップ（ユーザがベッドから起き上がったとき）の合計）に基づくことができる。

「レム睡眠」寄与因子は、レム睡眠を含む睡眠日のすべての睡眠期間にわたるレム睡眠持続時間の合計を指してよい。同様に、「深い睡眠」寄与因子は、深い睡眠を含む睡眠日のすべての睡眠期間にわたる深い睡眠持続時間の合計を指してよい。「レイテンシ」寄与因子は、ユーザが睡眠に入るのにかかる時間（例えば平均、中央値、最長）を意味してよく、睡眠日を通して長い睡眠期間の平均を使用して、各期間の持続時間及びそのような期間の数によって重み付けして、計算され得る（例えば所与の睡眠段階の統合は、それ自体の寄与因子であり得るか又は他の寄与因子を重み付けし得る）。最後に、「タイミング」寄与因子は、睡眠日及び／又は暦日内の睡眠期間の相対的タイミングを指してよく、睡眠日のすべての睡眠期間の平均を使用して、各期間の持続時間によって重み付けして、計算され得る。

別の例として、ユーザの全体的な準備スコアは、睡眠、睡眠バランス、心拍数、ＨＲＶバランス、回復指数、体温、活動、活動バランス又はそれらの任意の組合せを含む、一組の寄与因子に基づいて計算され得る。準備スコアは、任意の量の寄与因子を含んでよい。「睡眠」寄与因子は、睡眠日内のすべての睡眠期間の組み合わされた睡眠スコアを指してよい。「睡眠バランス」寄与因子は、睡眠日内のすべての睡眠期間の累積持続時間を指してよい。特に、睡眠バランスは、ユーザがある期間（例えば過去２週間）にわたって取得してきた睡眠が、ユーザのニーズとバランスが取れているかどうかをユーザに示すことができる。典型的に、成人が健康で注意力を維持し、精神的にも身体的にも最高のパフォーマンスを発揮するためには、一晩に７～９時間の睡眠が必要である。しかしながら、時にはよく眠れない夜があることは普通のことなので、睡眠バランスの寄与因子は長期的な睡眠パターンを考慮に入れて、各ユーザの睡眠ニーズが満たされているかどうかを判断する。「安静時心拍数」寄与因子は、睡眠日の最長睡眠期間（例えば主睡眠期間）からの最低心拍数及び／又は主睡眠期間後に生じるうたた寝（nap）からの最低心拍数を示し得る。

準備スコアの「寄与因子」（例えば要因、寄与要因）に関連して続けると、「ＨＲＶバランス」寄与因子は、主睡眠期間及び主睡眠期間後に起こるうたた寝からの最も高いＨＲＶ平均を示し得る。ＨＲＶバランス寄与因子は、第１期間（例えば２週間）にわたるユーザのＨＲＶ傾向を、なんらかのより長い第２期間（例えば３ヶ月）にわたる平均ＨＲＶと比較することによって、ユーザが自身の回復状態を追跡するのを助けることができる。「回復指数」寄与因子は、最長睡眠期間に基づいて計算されてもよい。回復指数は、夜間にユーザの安静時心拍数が安定するまでにかかる時間を測定する。非常に良好な回復の兆候は、ユーザの安静時心拍数が夜の前半、ユーザが起きる少なくとも６時間前に安定し、身体が翌日のために回復する時間を残すことである。「体温」寄与因子は、最長睡眠期間（例えば主睡眠期間）に基づいて、あるいは、うたた寝中のユーザの最高体温が最長期間中の最高体温よりも少なくとも０．５℃高い場合には最長睡眠期間後に生じるうたた寝に基づいて、計算され得る。いくつかの態様では、リングは、ユーザが眠っている間にユーザの体温を測定してよく、システム２００は、ユーザのベースライン体温に対するユーザの平均体温を表示してよい。ユーザの体温が正常範囲の外にある場合（例えば明らかに０．０より上又は下）、体温寄与因子は強調表示されるか（例えば「要注意（Pay attention）」状態になる）又は他の方法でユーザにアラートを生成し得る。

いくつかの態様において、システム２００は、妊娠合併症の識別及び予測のための技術をサポートし得る。特に、システム２００のそれぞれの構成要素は、経時的なユーザの体温を表す時系列における体温が、ユーザの体温値の妊娠ベースラインから逸脱していることを識別したことに基づいて、１つ以上の妊娠合併症の指標を検出するために使用され得る。ユーザの１つ以上の妊娠合併症の指標は、システム２００のリング１０４上の温度センサを利用することによって識別及び／又は予測され得る。場合によっては、妊娠合併症の指標は、体温値の妊娠ベースラインに対する経時的なユーザの体温を表す時系列における偏差のような１つ以上の形態学的特徴を識別し、時系列の偏差に対応する１つ以上の妊娠合併症の指標を検出することによって推定され得る。１つ以上の妊娠合併症の指標は、１つ以上の妊娠合併症が既に発生していること、現在発生していること、及び／又は１つ以上の妊娠合併症が将来発生すると予測されることを識別する例であってもよい。

例えば本明細書で前述したように、システム２００のリング１０４は、ユーザによって装着されて、温度、心拍数、ＨＲＶデータ呼吸データ等を含むデータをユーザから収集し得る。システム２００のリング１０４は、（例えばＰＰＧ信号を使用して）動脈血流から抽出される温度センサ及び測定値に基づいて、ユーザから生理学的データを収集し得る。生理学的データは、連続的に収集されてもよい。いくつかの実装では、処理モジュール２３０－ａは、昼夜を通して連続的にユーザの体温をサンプリングしてよい。昼及び／又は夜を通じて十分なレートで（例えば１分当たり１サンプル）サンプリングすることにより、本明細書で説明される分析のための十分な体温データを提供し得る。いくつかの実装では、リング１０４は、（例えばサンプリングレートで）体温データを連続的に取得し得る。いくつかの例では、たとえ温度が連続的に収集されたとしても、システム２００は、該システム２００が収集したか又は他の方法で導出したユーザに関する他の情報（例えば睡眠段階、活動レベル、病気の発症等）を利用して、基礎となる生理学的現象の正確な表現である特定の日の代表体温を選択し得る。

対照的に、ユーザが毎日手動で体温を測定することを必要とするシステム、及び／又は体温を連続的に測定するが、ユーザに関する他のコンテキスト情報を欠いているシステムは、ユーザの月経周期予測及び／又は妊娠追跡のために不正確な又は一貫性のない体温値を選択する可能性があり、不正確な予測及び低下したユーザ体験につながる。対照的に、リング１０４によって収集されるデータは、ユーザの１つ以上の妊娠合併症の指標を正確に検出するために使用され得る。妊娠合併症の識別と予測及び関連技術は、図３を関連して更に示され、説明される。

図３は、本開示の態様による、ウェアラブルベースの生理学的データからの妊娠関連合併症の識別及び予測するシステム３００の例を示す。システム３００は、システム１００、システム２００又はその両方を実装し得るか、又はこれらによって実装され得る。特に、システム３００は、図１を参照して説明したような、リング１０４（例えばウェアラブルデバイス１０４）、ユーザデバイス１０６及びサーバ１１０の例を示す。

リング３０５は、本明細書で説明されるような他の形態の生理学的データの中でも、体温データ３２０、心拍数データ３２５、呼吸数データ３３０、ＨＲＶデータ３３５及びＳｐＯ２データ３４０（例えば血中酸素飽和度）を取得し得る。このような場合、リング３０５は、体温データ３２０、心拍数データ３２５、呼吸数データ３３０、ＨＲＶデータ３３５及びＳｐＯ２データ３４０をユーザデバイス３１０に送信してよい。体温データ３２０は、連続的な夜間体温データを含み得る。呼吸数データ３３０は、連続的な夜間呼吸数データを含み得る。場合によっては、複数のデバイスが生理学的データを取得してもよい。例えば第１コンピューティングデバイス（例えばユーザデバイス３１０）及び第２コンピューティングデバイス（例えばリング３０５）が、体温データ３２０、心拍数データ３２５、呼吸数データ３３０、ＨＲＶデータ３３５、ＳｐＯ２データ３４０又はそれらの組合せを取得してもよい。

例えばリング３０５は、ユーザの体温データ３２０、呼吸数データ３３０、心拍数データ３２５、ＨＲＶデータ３３５、ＳｐＯ２データ３４０（例えば血中酸素飽和度）、ガルバニック皮膚反応、アクチグラフィ、及び／又は他のユーザの生理学的データのようなユーザの生理学的データを取得し得る。例えばリング３０５は、生データを取得し、生データを日次粒度（daily granularity）の特徴に変換し得る。いくつかの実装では、異なる粒度の入力データが使用されてもよい。リング３０５は、更なる処理のために、モバイルデバイス（例えばユーザデバイス３１０）のような別のコンピューティングデバイスにデータを送信してよい。

例えばユーザデバイス３１０は、受信したデータに基づいて、１つ以上の妊娠合併症の指標を識別及び／又は予測し得る。場合によっては、システム３００は、体温データ３２０、呼吸数データ３３０、心拍数データ３２５、ＨＲＶデータ３３５、ＳｐＯ2データ３４０、ガルバニック皮膚反応、活動、睡眠構造又はこれらの組合せに基づいて、１つ以上の妊娠合併症の指標を識別及び／又は予測し得る。１つ以上の妊娠合併症の指標を識別及び／又は予測するために含めることができる追加の特徴は、呼吸数の傾き、心拍数の傾き及び特定の妊娠後期にわたる体温の傾き、妊娠後期のために調整された睡眠段階の割合、妊娠後期毎のＳｐＯ２レベル、及びタグ付けされた１つのホットエンコード（hot-encoded）された症状（例えば胸痛、呼吸困難）を含み得る。場合によっては、システム３００は、どの特徴が妊娠合併症の有用な予測因子であるかを決定し得る。

システムは、リング３０５及びユーザデバイス３１０によって実装されてもよいが、本明細書で説明されるコンピューティングデバイスの任意の組合せは、システム３００に起因する特徴を実装し得る。場合によっては、システムは、データを平滑化してもよい（例えば７日間の平滑化ウィンドウ又は他のウィンドウを使用して）。欠測値（Missing values）は補完されてよい（例えばｐｙｔｈｏｎパッケージｓｋｔｉｍｅからのｆｏｒｅｃａｓｔｅｒＩｍｐｕｔｅ法を使用する）

ユーザデバイス３１０－ａは、リングアプリケーション３４５を含み得る。リングアプリケーション３４５は、少なくともモジュール３５０とアプリケーションデータ３５５を含み得る。場合によっては、アプリケーションデータ３５５は、ユーザの履歴体温パターン及び他のデータを含んでよい。他のデータは、体温データ３２０、心拍数データ３２５、呼吸数データ３３０、ＨＲＶデータ３３５、ＳｐＯ２データ３４０又はそれらの組合せを含んでよい。

リングアプリケーション３４５は、予測及び／又は検出された１つ以上の妊娠合併症の指標をユーザに提示し得る。リングアプリケーション３４５は、データ処理を実行し得るアプリケーションデータ処理モジュールを含んでよい。例えばアプリケーションデータ処理モジュールは、システム３００に帰属する機能を提供するモジュール３５０を含んでよい。例示的なモジュール３５０は、日次体温決定モジュール、時系列処理モジュール、妊娠合併症識別モジュール及び妊娠合併症予測モジュールを含んでもよい。

日次体温決定モジュールは、（例えば夜間を通して連続的に収集された一連の体温値からその日の代表体温値を選択することによって）毎日の体温値を決定し得る。時系列処理モジュールは、時系列データを処理して、複数の体温値が、体温値の妊娠ベースラインから逸脱していることを識別し得る。妊娠合併症識別モジュールは、処理された時系列データに基づいて、ユーザの１つ以上の妊娠合併症の指標を識別し得る。妊娠合併症予測モジュールは、処理された時系列データに基づいて、ユーザの１つ以上の妊娠合併症の指標を予測し得る。このような場合、システム３００は、ユーザの生理学的データを（例えばリング３０５から）受信し、妊娠合併症が予測又は識別されたどうかの日次分類を出力し得る。リングアプリケーション３４５は、取得された体温データ、他の生理学的データ、妊娠追跡データ（例えばイベントデータ）及び妊娠合併症追跡データのようなアプリケーションデータ３５５を記憶してよい。

場合によっては、システム３００は、ユーザの生理学的データ（例えば体温データ３２０）に基づいて、妊娠及び／又は妊娠合併症追跡データを生成し得る。妊娠及び／又は妊娠合併症追跡データは、ユーザの１つ以上の妊娠合併症の検出された指標を含んでよく、これは、分析期間（例えば数週間／数ヶ月の期間）にわたる取得されたユーザ体温データ（例えば毎日の体温データ３２０）に基づいて決定され得る。例えばシステム３００は、ウェアラブルデバイス（例えばリング３０５）からユーザに関連付けられる生理学的データを受信してよい。生理学的データは、少なくとも体温データ３２０、心拍数データ３２５、呼吸数データ３３０、ＨＲＶデータ３３５、ＳｐＯ２データ３４０又はこれらの組合せを含み得る。例えばシステム３００は、分析期間（例えば複数日）にわたってユーザの生理学的データを取得する。そのような場合、システム３００は、分析期間にわたってユーザの生理学的データを取得して処理し、ユーザの生理学的データの１つ以上の時系列を生成し得る。

場合によっては、システム３００は、分析期間にわたって毎日のユーザ体温データ３２０を取得し得る。例えばシステム３００は、毎日、単一の体温値を計算してよい。システム３００は、昼間及び／又は夜間に複数の体温値を取得し、取得した体温値を処理して、単一の日次体温値を決定し得る。いくつかの実装では、システム３００は、受信した体温データ３２０に基づいて、複数日にわたって取得された複数の体温値の時系列を決定してもよい。システム３００は、図４を参照して更に示され、説明されるように、複数の体温値が、ユーザの体温値の妊娠ベースラインから逸脱することを識別したことに基づいて、体温値の時系列における１つ以上の妊娠合併症の指標を検出し得る。

場合によっては、システム３００は、複数日の少なくとも一部の間に、受信した呼吸数データ（例えば呼吸数データ３３０）がユーザの妊娠ベースライン呼吸数を超えると判断し得る。このような場合、システム３００は、受信した呼吸数データがユーザの妊娠ベースライン呼吸数を超えると判断したことに応答して、１つ以上の妊娠合併症の指標を検出し得る。妊娠ベースライン呼吸数は、ベースライン又は平均呼吸数、あるいは妊娠又は妊娠の特定のフェーズを通して測定されるユーザの通常の呼吸数変動を指してよく、これはユーザの正常又は非妊娠ベースラインとは異なってよい。

いくつかの実装では、システム３００は、複数日の少なくとも一部の間に、受信した血中酸素飽和度データ（例えばＳｐＯ２データ３４０）が、ユーザの妊娠ベースライン血中酸素飽和度よりも低いと判断し得る。そのような場合、システム３００は、受信した血中酸素飽和度データ（例えばＳｐＯ２データ３４０）がユーザの妊娠ベースライン血中酸素飽和度よりも低いと判断したことに基づいて、１つ以上の妊娠合併症の指標を検出し得る。妊娠ベースライン（例えば体温、心拍数、呼吸数、ＨＲＶ、ＳｐＯ２等）は、システム３００によって取得される履歴データ３６０に基づいて、ユーザに対して特有に調整され得る。例えばこれらの妊娠ベースラインは、生理学的パラメータのベースライン又は平均値、あるいはユーザの妊娠を通じての生理学的値の典型的な傾向を表してよく、これは、ユーザの正常又は非妊娠ベースラインとは異なることがある。場合によっては、妊娠ベースラインは、各生理学的パラメータについて、ユーザの妊娠を通じて（例えば妊娠の異なる段階に基づいて）異なってよい。場合によっては、妊娠ベースラインは、既知の標準、ユーザ間の平均、人口統計的に特有の、及び／又はユーザの以前の妊娠に基づくことがある。

場合によっては、１つ以上の生理学的測定値を組み合わせて、１つ以上の妊娠合併症の指標を検出し得る。このような場合、１つ以上の妊娠合併症の指標を識別することは、１つの生理学的測定値又は生理学的測定値の組合せ（例えば体温データ３２０、心拍数データ３２５、呼吸数データ３３０、ＨＲＶデータ３３５、ＳｐＯ２データ３４０）に基づいてよい。例えばユーザのＳｐＯ２データ３４０は、ユーザの体温データ３２０と組み合わせて、１つ以上の妊娠合併症を特徴付け得るインジケータとなり得る。場合によっては、ユーザのＳｐＯ２データ３４０は、ユーザの体温データ３２０に照らして、１つ以上の妊娠合併症の指標を確認する（例えば妊娠合併症の確定的な指標又はより良好な予測を提供する）ことができる。例えばシステム３００が、受信したＳｐＯ２データ３４０がユーザの妊娠ベースライン血中酸素飽和度よりも低く、受信した体温データ３２０がユーザの妊娠ベースライン体温よりも高いと判断した場合、システム３００は、ＳｐＯ２データ３４０又は体温データ３２０のうちの一方が妊娠ベースラインから逸脱している場合よりも高い精度及び精密さで、１つ以上の妊娠合併症の指標を検証又は検出し得る。

いくつかの例では、１つ以上の生理学的測定値を組み合わせて、検出された１つ以上の妊娠合併症の指標の可能性を反証するか又は低減し得る。そのような場合、システム３００は、１つの生理学的測定値又は生理学的測定値の組合せに基づいて、１つ以上の妊娠合併症の指標を識別するための偽陽性を識別することがある。例えばシステム３００が、受信した体温データ３２０はユーザの妊娠ベースライン体温よりも高いが、受信した呼吸数データ３３０は依然としてユーザの妊娠ベースライン呼吸数と一致すると判断する場合、システム３００は、検出された１つ以上の妊娠合併症の指標は無効であるか、又は体温と呼吸数の両方がそれらの妊娠ベースラインから逸脱した場合よりも少なくとも可能性が低いと判断し得る。このような場合、システム３００は、ユーザが病気、月経周期におけるホルモン変化等を経験している可能性があると判断し得る。

場合によっては、ユーザの生理学的データ（例えば体温データ３２０、心拍数データ３２５、呼吸数データ３３０、ＨＲＶデータ３３５、ＳｐＯ２データ３４０又はこれらの組合せ）と組み合わせた、ユーザの記録された症状（例えばタグ）は、１つ以上の妊娠合併症の指標を特徴付け得るインジケータとなり得る。このような場合、ユーザの記録された症状は、ユーザの生理学的データに照らして、１つ以上の妊娠合併症の指標を確認する（例えば妊娠合併症の決定的な指標又はより良好な予測を提供する）ことができる。例えばシステム３００が、受信した体温データ３２０がユーザの妊娠ベースライン体温よりも高いと判断し、システムが、妊娠合併症に関連付けられるユーザ入力（例えば出血、痛み、圧力等）に関連付けられるユーザ入力を受け取った場合、システムは、体温データ３２０のうちの１つが妊娠ベースラインから逸脱する場合又はユーザが妊娠合併症の症状を記録する場合よりも、より高い精度及び精密さで、１つ以上の妊娠合併症の指標を検証又は検出し得る。

いくつかの例では、システム３００は、ユーザ入力、１つの生理学的測定値、生理学的測定値の組合せ又はそれらの組合せに基づいて、１つ以上の妊娠合併症の指標を識別するための偽陽性を識別することがある。例えばシステム３００が、受信した心拍数データ３２５はユーザの妊娠ベースライン心拍数より大きいが、ユーザ入力はストレス、病気、不安、薬剤の変更等に関連付けられる症状を示すと判断する場合、システム３００は、検出された１つ以上の妊娠合併症の指標が無効（例えば偽陽性）であると判断し得る。このような場合、システム３００は、ユーザ入力を受信することに基づいて、ユーザが病気、ストレス、月経周期におけるホルモン変化等を経験している可能性があると判断し得る。

場合によっては、システム３００は、睡眠の質だけでなく、ユーザの酸素レベルも測定し得る。システム３００は、ユーザが状態に気づかないことがあるので、レベル及び睡眠の質をユーザに通知し得る。いくつかの実装では、システム３００は、特定の症状に注意を払うか、又は医師に相談するように、ユーザにアラートを表示し得る。睡眠測定値をモニタリングすることによって、システム３００は、頻繁な覚醒、睡眠の長さ、睡眠の持続時間、睡眠段階の割合及び全体的な睡眠効率を検出し得る。システム３００は、これらの測定値をＳｐＯ２データ３４０と組み合わせ、関連するタグ（例えば呼吸困難、いびき、低エネルギ、休息できていない（unrested））を推奨するとともに、アクションを呼びかける（例えば「あなたの酸素レベルはいつもより低いですが、いびきに気づいていますか？不明な場合は、主治医に相談してください（Your oxygen levels are lower than usual, are you aware of snoring? If unsure, consult your physician）。」）。ＳｐＯ２データ３４０を連続的に検出するシステム３００の能力を使用して、健康なハイリスクの妊娠における典型的な酸素化プロファイルを確立し得る。システム３００は、連続的に検出されたＳｐＯ２データ３４０を考慮する一方で、典型的な妊娠プロファイルからの偏差と同様に、ある人の以前の履歴からの偏差も考慮し、組織酸素化が閾値を下回り（例えばＳｐＯ２データ３４０＜９５％）、及び表面関連タグ（例えば胸痛、呼吸困難等）を下回ったときにユーザに警告し得る。

胎児に対する潜在的な悪影響を伴う妊娠合併症は、ＳｐＯ２データ３４０のような酸素飽和度を検出するウェアラブル由来の信号（例えばリング由来の信号）を使用して検出されてよく、ＳｐＯ２データ３４０は、酸素を運ばないヘモグロビンの量に対する血液中の酸素を運ぶヘモグロビンの量を反映する。子癇前症を含む多くの妊娠合併症は、血液及び組織の酸素供給の欠乏を伴う可能性があり、これは胎児に悪影響を及ぼす可能性がある。限定的な酸素化は睡眠時呼吸障害（sleep disordered breathing）に起因することがあり、軽度のいびきから閉塞性睡眠時無呼吸症候群までに及ぶことがある。妊娠初期から中期に起こるとき、睡眠時呼吸障害は、子癇前症や妊娠糖尿病のような妊娠合併症と関連付けられ、一方、分娩時（例えば出産）において、睡眠時呼吸障害は、心筋症、うっ血性心不全、肺塞栓症及び院内死亡のリスク増加に関連付けられる。喘息に罹患している女性又は以前にＣＯＶＩＤ－１９と診断された女性は、これらの有害な健結果のリスクが高い。場合によっては、システム３００は、ユーザ入力データ又はシステム３００によって以前に検出したデータに基づいて妊娠合併症を検出するときに、これらの状態（例えば喘息、又は以前にＣＯＶＩＤ－１９と診断されたこと）を考慮に入れてよい。

睡眠時呼吸障害を早期に診断して治療する能力は、妊娠及び出生の合併症を回避し、母子の安全性を向上させるのに役立つ可能性がある。一部の実施形態では、時系列モデルは、呼吸数及び／又はＳｐＯ２レベルが夜間に亜臨床又は臨床的に関連する閾値（例えば＜９３％）未満にディップするとき検出してよく、また、これらのメトリクスが閾値以下である回数又は合計分数をカウントしてもよい。これらのリスク指標は、アプリを介して、個人化されたメッセージウングを介してユーザに提供されてよく、あるいは妊娠合併症の可能性を予測するための機械学習モデルの機能となり得る。

正常妊娠では、胎盤の循環は、胎児の成長ニーズを満たすために、高流量かつ低抵抗であり得る。妊娠高血圧障害は、不十分な心血管適応を伴うことがあり、胎盤形成及び全身性炎症と関連する可能性がある。血管調節の効果は、炎症反応が活性化されたときの循環状態を推定するために使用されることがある。例えばＰＰＧ反射指数（ＰＰＧＲＩ）は、１つ以上のデバイスによって使用されて、ＰＰＧ波形における収縮期及び拡張期のピーク／変曲点のＰＰＧ振幅変化から導出することによって全身性炎症を測定し得る。高血圧障害のある女性は、より高いＰＰＧＲＩ値を示すことがある。

例えばシステム３００は、生理学的データを受信したことに基づいて、フォトプレチスモグラフィ波形の収縮期及び拡張期変曲点のフォトプレチスモグラフィ振幅変化を計算し得る。場合によっては、システム３００は、フォトプレチスモグラフィ振幅変化を計算したことに少なくとも部分的に基づいて、フォトプレチスモグラフィ反射指数の値が妊娠ベースラインのフォトプレチスモグラフィ反射指数の値よりも大きいことを識別することがある。いくつかの実装では、シェイプレットを捕捉する時系列アルゴリズム（例えばｐｙｔｈｏｎのｓｋｔｉｍｅ）を使用して、妊娠リスクを予測するＰＰＧ形態のそのような特徴的な態様を識別し得る。いくつかの実装では、インセプションタイム、長期短期記憶（ＬＴＳＭ）、又はゲート付き回帰型ユニット（ＧＲＵ、gated recurrent units）のようなニューラルネットワークを使用してよく、あるいは辞書ベースのＢＯＳＳ（bag of symbolic Fourier approximation (SFA) symbols）又はＣＢＯＳＳ（contractable bag of SFA symbols）、ＲＩＳＥ又はＲＯＣＫＥＴのような時系列法を使用してよい。

場合によっては、連続的に測定されたＰＰＧ信号を使用して、妊娠糖尿病のような１つ以上の妊娠合併症を検出し得る。例えばシステム３００は、ＰＰＧ波形を唯一の入力として取り、０と１の間のスコアを提供してよく、スコアが高いほど、流行している妊娠糖尿病の可能性が高いことを示唆する。ＰＰＧ波形は、２１秒の持続時間を含んでよい。ＰＰＧ波形は、１００Ｈｚ又は１２０Ｈｚのいずれかで収集されてよい。場合によっては、ＰＰＧ波形は、他の予測子及び／又は併発疾患とは独立に、妊娠糖尿病を予測し得る。

システム３００は、ユーザデバイス３１０－ａ、３１０－ｂのＧＵＩに、１つ以上の妊娠合併症の指標を表示させ得る。場合によって、システム３００は、ＧＵＩに時系列を表示させてもよい。システム３００は、生理学的データ（例えば少なくとも体温データ３２０）、タグ付けされたイベント及び／又は図７を参照して本明細書で説明される他のＧＵＩ要素を含む、追跡ＧＵＩを生成してもよい。そのような場合、システム３００は、妊娠追跡ＧＵＩに、排卵、月経期、妊娠、妊娠合併症等をレンダリングしてもよい。

システム３００は、ユーザデバイス３１０－ａ又は３１０－ｂ上のＧＵＩ上に表示するため、１つ以上の妊娠合併症の指標を示すメッセージ３７０を生成し得る。例えばシステム３００（例えばユーザデバイス３１０－ａ又はサーバ３１５）は、予測及び／又は識別された１つ以上の妊娠合併症指標を示すメッセージ３７０を、ユーザデバイス３１０－ｂに送信してもよい。このような場合、ユーザデバイス３１０－ｂは、臨床医、不妊治療専門医（fertility specialist）、介護者、パートナー又はこれらの組合せに関連付けられてもよい。可能性のある妊娠合併症の検出は、体温データにおいて検出されたパターンを強調し、妊娠合併症に関する教育的リンクを提供する、ユーザへの個人化されたメッセージ３７０をトリガし得る。

いくつかの実装では、リングアプリケーション３４５は、１つ以上の妊娠合併症の指標をユーザに通知し、かつ／又は、アクティビティＧＵＩで様々なタスクを実行するようにユーザに促してよい（prompt）。通知及びプロンプトは、テキスト、グラフィクス及び／又は他のユーザインタフェース要素を含んでよい。通知及びプロンプトは、識別及び／又は予測された１つ以上の妊娠合併症があるときなどに、リングアプリケーション３４５に含まれてよく、リングアプリケーション３４５は、通知及びプロンプトを表示してよい。ユーザデバイス３１０は、ホーム画面上の別個のウィンドウに通知及びプロンプトを表示してよく、かつ／又は他の画面上に（例えばホーム画面の一番上に）オーバーレイしてもよい。場合によっては、ユーザデバイス３１０は、モバイルデバイス、ユーザの時計デバイス又はその両方に通知及びプロンプトを表示してもよい。

いくつかの例では、システム３００は、緩和アドバイスを提供し得る。そのような場合、システム３００は、１つ以上の妊娠合併症の指標を確認又は反証するために取るべきステップに関する推奨を提供し得る。例えばシステム３００が、ユーザの心拍数が妊娠のベースライン心拍数よりも上昇していると判断した場合、システム３００は、数日間、１日に数回、瞑想及び／又は呼吸運動を行って、心拍数データ３２５を再評価し、心拍数データ３２５を再評価するようにユーザに促してよい。このような場合、システム３００は、ユーザが１つ以上の妊娠合併症を経験しているかどうか、ユーザが不安の期間を経験しているかどうか、又はその両方を経験しているかどうかを判断するために、ユーザが緩和アドバイスを実行した後に生理学的データを受信し得る。

いくつかの実装では、ユーザデバイス３１０は、履歴ユーザデータを記憶し得る。場合によっては、履歴ユーザデータは履歴データ３６０を含んでよい。履歴データ３６０は、ユーザの履歴体温パターン、ユーザの履歴心拍数パターン、ユーザの履歴呼吸数パターン、ユーザの履歴ＨＲＶパターン、ユーザの履歴結集酸素飽和度、ユーザの履歴妊娠イベント（例えば受胎日、出産予定日等）又はそれらの組合せを含んでよい。履歴データ３６０は、最近の数ヶ月から選択されてもよい。履歴データ３６０は、ユーザの閾値（例えば妊娠ベースライン）を決定するため、妊娠合併症を予測するため、妊娠合併症を識別するため又はこれらの組合せのために、（例えばユーザデバイス３１０又はサーバ３１５によって）使用され得る。履歴データ３６０はサーバ３１５によって使用されてよい。履歴データ３６０を使用することにより、ユーザデバイス３１０及び／又はサーバ３１５は、ユーザの履歴データ３６０を考慮することによってＧＵＩを個人化することができる。

このような場合、ユーザデバイス３１０は、履歴データ３６０をサーバ３１５に送信し得る。場合によっては、送信された履歴データ３６０は、リングアプリケーション３４５に記憶される履歴データと同じであってもよい。他の例では、履歴データ３６０は、リングアプリケーション３４５に記憶される履歴データとは異なっていてもよい。サーバ３１５は、履歴データ３６０を受信し得る。サーバ３１５は、履歴データ３６０をサーバデータ３６５に記憶してもよい。

いくつかの実装では、ユーザデバイス３１０及び／又はサーバ３１５はまた、ユーザ情報の例であり得る他のデータを受信して、記憶してもよい。ユーザ情報は、ユーザの年齢、体重、身長及び性別を含んでよいが、これらに限定されない。いくつかの実装では、ユーザ情報は、１つ以上の妊娠合併症を予測又は識別するための特徴として使用されてもよい。サーバデータ３６５は、ユーザ情報のような他のデータを含んでもよい。

いくつかの実装では、システム３００は、異なるユーザのための１つ以上のユーザデバイス３１０を含んでもよい。例えばシステム３００は、主ユーザのためのユーザデバイス３１０－ａと、主ユーザに関連付けられる第２ユーザ３０２（例えばパートナー）のためのユーザデバイス３１０－ｂとを含んでよい。ユーザデバイス３１０は、異なるユーザの生理学的パラメータを測定し、異なるユーザのためのＧＵＩを提供し、異なるユーザからのユーザ入力を受信し得る。いくつかの実装では、異なるユーザデバイス３１０は、生理学的情報を取得し、月経周期、卵巣周期、疾患、妊孕性及び／又は妊娠のような女性の健康に関連する出力を提供し得る。いくつかの実装では、ユーザデバイス３１０－ｂは、男性の疾患及び生殖能力（fertility）のような、第２ユーザ３０２に関連する生理学的情報を取得してもよい。

いくつかの実装では、システム３００は、第２ユーザ３０２に関連情報を知らせるＧＵＩを提供し得る。例えば第１ユーザと第２ユーザ３０２は、１つ以上のユーザデバイス３１０を介して、例えばサーバデバイス、モバイルデバイス又は他のデバイスを介して、互いに彼らの情報を共有することがある。いくつかの実装では、第２ユーザ３０２は、ユーザのアカウント（例えばユーザ名、ログイン情報等）及び／又は関連データのうちの１つ以上を互いに（例えば第１ユーザと）共有することがある。ユーザ間で情報を共有することにより、システム３００は、第２ユーザ３０２が妊娠に関連する健康上の決定を行うのを支援し得る。いくつかの実装では、ユーザは、特定の情報を共有するように（例えばＧＵＩにおいて）促されてもよい。例えばユーザは、ＧＵＩを使用して、彼女の妊娠情報を第２ユーザ３０２と共有することを選択してよい。このような場合、ユーザ及び第２ユーザ３０２は、彼らのそれぞれのユーザデバイス３１０上で通知を受信し得る。他の例では、第２ユーザ３０２は、通知又は他の共有の取り決めを介して、自身の情報（例えば疾患、妊娠データ等）をユーザに利用可能にし得る。このような場合、第２ユーザ３０２は、臨床医、不妊治療専門医、介護者、パートナー又はこれらの組合せの例であり得る。

図４は、本開示の態様による、ウェアラブルベースの生理学的データからの妊娠関連合併症の識別及び予測するタイミング図４００の例を示す。タイミング図４００は、システム１００、システム２００、システム３００又はそれらの組合せの態様を実装してよく、あるいはそれらによって実装されてもよい。例えばいくつかの実装では、タイミング図４００は、図２に示されるように、ユーザデバイス１０６のＧＵＩ２７５を介してユーザに表示されてもよい。

いくつかの実装では、システムは、妊娠合併症を検出し得る。例示的な妊娠合併症は、様々な高血圧障害及び心血管代謝障害を含み得る。例示的な高血圧妊娠障害は、既存の慢性高血圧、妊娠高血圧、子癇前症及び子癇を含んでよい。これらの妊娠合併症は妊娠の６～１０％に影響を及ぼす可能性があり、発作、卒中、肝不全及び腎不全、子宮内胎児発育遅延、早産、胎盤早期剥離及び死産のリスク増加と関連付けられることがある。場合によっては、高血圧妊娠障害は胎盤関連症候群（placenta-associated syndrome）である可能性があり、その重症度はおそらく追加の妊娠合併症を反映している。高血圧妊娠障害と同様に、心血管代謝障害は、妊娠の３～５％に影響を及ぼす一般的な妊娠合併症の総称であり、様々な母体及び胎児の合併症をもたらす。心血管代謝障害は、妊娠に先行して予め存在する可能性があり、あるいは妊娠中に発症することもあり、虚血性心疾患、脳卒中、２型糖尿病を含む。

１つ以上のデバイス（例えばウェアラブルデバイス）は、血液量、睡眠の質、体温及び心拍数における変化を伴う可能性がある一般的な妊娠合併症を検出することがある。場合によっては、ウェアラブルデバイス（例えばリング）は、昼夜の間に快適に装着されてよく、したがって、そうでなければ典型的には他のデバイスから利用可能でない広範な時系列データを用いて、病院設定の外部で継続的なモニタリングを可能にする。そのため、ウェアラブルデバイス（例えばリング）は、病院設定の外部では、ユーザにとってより高価で不便な可能性がある他のデバイスの代わりとして、又はこれと組み合わせて使用され得る。図４に示されるように、リングデバイスは、低周波ＨＲＶ、心拍数、連続差の二乗平均平方根（ＲＭＳＳＤ、Root Mean Square of the Successive Differences）ＨＲＶ、体温等を含む、様々な信号を連続的にモニタ／取得し得る。

本明細書で更に詳細に説明されるように、システムは、妊娠ベースラインに対する偏差に基づいて１つ以上の妊娠合併症を識別及び予測するように構成され得る。タイミング図４００は、健康な妊娠しているユーザと比較した、妊娠中に高血圧のあるユーザの生理学的データを表示し得る。いくつかの実装では、システムは、ユーザの妊娠期間を通してユーザをスクリーニングし、典型的な妊娠プロファイルからの偏差と同様に、ユーザ自身の以前の履歴からの偏差を考慮することによって、重度な症状の開始に先立って、高血圧、子癇前症、妊娠糖尿病及び感染症のような合併症を識別するのを助けるために使用され得る。例えばシステムは、医学的診断の前に子癇前症を検出することがあるが、子癇前症の診断は、最も早くて妊娠２０週目である。

場合によっては、夜間を通したユーザの身体体温パターンが、妊娠合併症を特徴付け得るインジケータとなり得る。例えば夜間の皮膚温度が、妊娠合併症を識別及び／又は予測してよく、これにより、ユーザがハイリスクの妊娠を経験していることを示す。このように、タイミング図４００－ａは、ユーザの体温データと時間（例えば妊娠に対する複数の日にわたる）との間の関係を図示している。この点に関して、タイミング図４００－ａに示される破線の曲線は、「体温値４０５」を指すと理解されてよい。この点に関して、タイミング図４００－ａに示される実線の曲線は、「体温値の妊娠ベースライン４１０」を指すと理解されてよい。ユーザの体温値４０５及び体温値の妊娠ベースライン４１０は、ベースライン体温に対して相対的であってよい。場合によっては、体温値４０５は、妊娠中に高血圧を経験しているユーザの体温値を示してよい。

場合によっては、システム（例えばリング１０４、ユーザデバイス１０６、サーバ１１０）は、ウェアラブルデバイスから、ユーザに関連付けられる生理学的データを受信し得る。生理学的データは、少なくとも体温値４０５を含んでよい。システムは、受信した体温データに基づいて、複数日にわたって取得された体温値４０５の時系列を決定し得る。タイミング図４００－ａを参照すると、複数日は、少なくとも３ヶ月（例えば妊娠開始前の１ヶ月と妊娠開始後の２ヶ月）の例であってもよい。システムは、元の時系列体温データ（例えば体温値４０５）を処理して、１つ以上の妊娠合併症（例えば高血圧）を検出してよい。場合によっては、時系列は、システム内のユーザによってタグ付けされた複数のイベントを含むことがある。例えば時系列は、妊娠の指標４１５－ａを含むことがある。場合によっては、妊娠の指標４１５－ａは、システムによって連続的に収集された生理学的データに基づいて、ユーザ入力に基づいて又はその両方に基づいて、システムによって決定され得る。

体温値４０５は、ウェアラブルデバイスによって連続的に収集され得る。生理学的測定は、夜間を通じて連続的に行われてよい。例えばいくつかの実装では、リングは、毎日／睡眠日の全体にわたって１つ以上の測定周期に従って連続的に生理学的データ（例えば体温データ、ＭＥＴデータ、睡眠データ等）を取得するように構成されてよい。言い換えると、リングは、そのような測定を行うための「トリガ条件」に関係なく、ユーザから生理学的データを連続的に取得し得る。場合によっては、指での連続的な体温測定は、深部体温では明らかでない可能性のある体温変動（例えば小さな変動又は大きな変動）を捕捉することがある。例えば指での連続的な体温測定は、身体の他の場所での他の体温測定によっては、又はユーザが１日に１回手動で体温を測っていた場合には提供されない可能性がある、追加の洞察を提供する、分毎又は時間毎の体温変動を捕捉することがある。

いくつかの実装では、システムは、ユーザの相対体温を何日も観察し、妊娠合併症を示す可能性がある、第１部分４２０の間の妊娠ベースライン（例えば体温値の妊娠ベースライン４１０）に対する体温値４０５の減少をマークすることによって、１つ以上の妊娠合併症の指標を識別及び／又は予測し得る。システムは、妊娠合併症を示す可能性がある、第２部分４２５の間の妊娠ベースライン（例えば体温値の妊娠ベースライン４１０）に対する体温値４０５の上昇をマークすることによって、１つ以上の妊娠合併症の指標を識別及び／又は予測し得る。

１つ以上の妊娠合併症の指標は、少なくとも１日、複数日、１週間又は複数週間を含む期間（例えばタイムスパン）を含んでもよい。このような場合、１つ以上の妊娠合併症の指標は、開始日及び終了日を含んでよい。１つ以上の妊娠合併症の指標は、以前に発生した、現在発生している、及び／又は将来発生する可能性が高いと予測される、検出された妊娠合併症の例であってよい。

システムは、体温値４０５が、第１部分４２０の間にユーザの体温値の妊娠ベースライン４１０より低く、第２部分４２５の間にユーザの体温値の妊娠ベースライン４１０より高いことを識別したことに基づいて、体温値４０５の時系列における１つ以上の妊娠合併症の指標を識別及び／又は予測し得る。第１部分は妊娠の最初の２０日間を含んでよく、第２部分は妊娠の２０日後を含んでよい。例えばシステムは、時系列を決定した後に体温値４０５を識別し、体温値の妊娠ベースライン４１０を識別し得る。システムは、体温値４０５が、第１部分４２０の間にユーザの体温値の妊娠ベースライン４１０より低く、第２部分４２５の間にユーザの体温値の妊娠ベースライン４１０より高いことを識別したことに応答して、ユーザの１つ以上の妊娠合併症の指標を検出し得る。

そのような場合、体温値４０５は、妊娠の指標４１５－ａの後に、ユーザの体温値の妊娠ベースライン４１０から逸脱することがある。例えば妊娠の指標４１５－ａを識別した後、システムは、体温値４０５が、体温値の妊娠ベースライン４１０からの逸脱している（例えばより小さいか又はより大きい）と判断し得る。システムは、時系列を決定したことに応答して、ユーザの体温値の妊娠ベースライン４１０に対する体温値４０５の時系列の偏差を計算し得る。偏差は、第１部分４２０の間のユーザの体温値の妊娠ベースライン４１０からの体温値４０５の減少と、第２部分４２５の間のユーザの体温値の妊娠ベースライン４１０からの体温値４０５の増加とを含んでよい。そのような場合、体温値４０５が体温値の妊娠ベースライン４１０から逸脱していることを識別することは、偏差を計算することに応答する。

場合によって、システムは、リングを介して収集されたユーザの体温値４０５の時系列を決定した後に、ユーザの体温の最大値及び／又は最小値を決定又は推定し得る。システムは、最大値及び／又は最小値を決定したことに基づいて、体温値４０５の時系列の１つ以上の正の傾き、負の傾き又はその両方を識別し得る。場合によっては、最大値と最小値の差を計算することにより、正の傾き、負の傾き又はその両方を決定してもよい。他の例では、体温値４０５の時系列の１つ以上の傾きを識別することは、元の時系列体温データ（例えば体温値４０５）の導関数を計算することに応答してもよい。

本明細書で更に詳細に説明されるように、システムは、月経周期、排卵、妊娠等を追跡するように構成されてもよい。場合によっては、夜間を通してのユーザの体温パターンが、妊娠合併症を特徴付けるインジケータとなり得る。例えば夜間の皮膚温度が、１つ以上の妊娠合併症の指標を識別することがある。このように、タイミング図４００－ａは、ユーザの体温データと時間（例えば複数の月にわたる）との間の関係を示す。

場合によっては、システムは、体温値４０５がユーザの体温値の妊娠ベースライン４１０から逸脱していることを識別したことに応答して、将来の妊娠合併症の可能性、ユーザが妊娠合併症を経験する可能性又はその両方を推定し得る。このような場合、システムは、１つ以上の妊娠合併症の指標を予測し、１つ以上の妊娠合併症の指標を検出し、又はその両方を行ってよい。

場合によっては、ユーザの心拍数パターンは、妊娠合併症を特徴付け得るインジケータとなり得る。例えばユーザの心拍数は、妊娠合併症を識別及び／又は予測することができ、それによって、ユーザがハイリスク妊娠を経験していることを示す。このように、タイミング図４００－ｂは、ユーザの心拍数データと時間（例えば妊娠に関連する複数日にわたる）との間の関係を示す。この点に関して、タイミング図４００－ｂに示される破線の曲線は、「心拍数値４３５」を指すと理解されてよい。この点に関して、タイミング図４００－ｂに示された実線の曲線は、「心拍数値の妊娠ベースライン４３０」を指すと理解されてよい。ユーザの心拍数値４３５及び心拍数値の妊娠ベースライン４３０は、ベースライン心拍数に対して相対的であってもよい。場合によっては、心拍数値４３５は、妊娠中に高血圧を経験しているユーザの心拍数値を示してよい。

場合によっては、システム（例えばリング１０４、ユーザデバイス１０６、サーバ１１０）は、ウェアラブルデバイスから、ユーザに関連付けられる生理学的データを受信し得る。生理学的データは、少なくとも心拍数値４３５を含んでよい。システムは、受信した心拍数データに基づいて、複数日にわたって取得された心拍数値４３５の時系列を決定し得る。タイミング図４００－ｂを参照すると、複数日は、少なくとも３ヶ月（例えば妊娠開始前の１ヶ月と妊娠開始後の２ヶ月）の例であってよい。システムは、１つ以上の妊娠合併症（例えば高血圧）の指標を検出するために、元の時系列心拍数データ（例えば心拍数値４３５）を処理し得る。場合によっては、時系列は、システム内のユーザによってタグ付けされた複数のイベントを含んでもよい。例えば時系列は、妊娠の指標４１５－ｂを含んでもよい。場合によっては、妊娠の指標４１５－ｂは、システムによって連続的に収集された生理学的データに基づいて、ユーザ入力に基づいて又はその両方に基づいて、システムによって決定されてもよい。

心拍数値４３５は、ウェアラブルデバイスによって連続的に収集され得る。生理学的測定は、日中及び／又は夜間を通じて連続的に行われてよい。例えばいくつかの実装では、リングは、毎日／睡眠日の全体にわたって１つ以上の測定周期に従って連続的に生理学的データ（例えば心拍数データ、ＭＥＴデータ、睡眠データ等）を取得するように構成されてよい。言い換えると、リングは、そのような測定を行うための「トリガ条件」に関係なく、ユーザから生理学的データを連続的に取得し得る。

いくつかの実装では、システムは、ユーザの相対心拍数を何日も観察し、妊娠合併症を示す可能性がある、妊娠ベースライン（例えば心拍数値の妊娠ベースライン４３０）に対する心拍数値４３５の増加をマークすることによって、１つ以上の妊娠合併症の指標を識別及び／又は予測し得る。例えばシステムは、ユーザが妊娠６週目までにより高い心拍数を経験していると判断することがある。

システムは、心拍数値４３５が、ユーザの心拍数値の妊娠ベースライン４３０より高い（例えば超える）ことを識別したことに基づいて、心拍数値４３５の時系列における１つ以上の妊娠合併症の指標を識別及び／又は予測し得る。例えばシステムは、時系列を決定した後に心拍数値４３５を識別し、心拍数値の妊娠ベースライン４３０を識別し得る。システムは、心拍数値４３５が、ユーザの心拍数値の妊娠ベースライン４３０より高いことを識別したことに応答して、ユーザの１つ以上の妊娠合併症の指標を検出し得る。

そのような場合、心拍数値４３５は、妊娠の指標４１５－ｂの後に、ユーザの心拍数値の妊娠ベースライン４３０から逸脱することがある。例えば妊娠の指標４１５－ｓを識別した後、システムは、心拍数値４３５が、心拍数値の妊娠ベースライン４３０から逸脱している（例えばより大きい）と判断し得る。システムは、時系列を決定したことに応答して、ユーザの心拍数値の妊娠ベースライン４３０に対する心拍数値４３５の時系列の偏差を計算し得る。偏差は、ユーザの心拍数値の妊娠ベースライン４３０からの心拍数値４３５の増加を含んでよい。そのような場合、心拍数値４３５が心拍数値の妊娠ベースライン４３０から逸脱していることを識別することは、偏差を計算することに応答する。

場合によって、システムは、リングを介して収集されたユーザの心拍数値４３５の時系列を決定した後に、ユーザの心拍数の最大値及び／又は最小値を決定又は推定し得る。システムは、最大値及び／又は最小値を決定したことに基づいて、心拍数値４３５の時系列の１つ以上の正の傾きを識別し得る。場合によっては、最大値と最小値の差を計算することにより、正の傾きを決定してもよい。他の例では、心拍数値４３５の時系列の１つ以上の傾きを識別することは、元の時系列心拍数データ（例えば心拍数値４３５）の導関数を計算することに応答してもよい。

本明細書で更に詳細に説明されるように、システムは、月経周期、排卵、妊娠等を追跡するように構成されてもよい。場合によっては、ユーザの心拍数パターンが、妊娠合併症を特徴付けるインジケータとなり得る。例えば心拍数が、１つ以上の妊娠合併症の指標を識別することがある。このように、タイミング図４００－ｂは、ユーザの心拍数データと時間（例えば複数の月にわたる）との間の関係を示す。

場合によっては、システムは、心拍数値４３５がユーザの心拍数値の妊娠ベースライン４３０から逸脱していることを識別したことに応答して、将来の妊娠合併症の可能性、ユーザが妊娠合併症を経験する可能性又はその両方を推定し得る。このような場合、システムは、１つ以上の妊娠合併症の指標を予測し、１つ以上の妊娠合併症の指標を検出し、又はその両方を行ってよい。

場合によっては、ユーザのＨＲＶパターンが、妊娠合併症を特徴付け得るインジケータとなり得る。例えばユーザのＨＲＶが、妊娠合併症を識別及び／又は予測してよく、これにより、ユーザがハイリスクの妊娠を経験していることを示す。このように、タイミング図４００－ｃは、ユーザのＨＲＶデータと時間（例えば妊娠に対する複数の日にわたる）との間の関係を図示している。この点に関して、タイミング図４００－ｃに示される破線の曲線は、「ＨＲＶ値４４５」を指すと理解されてよい。この点に関して、タイミング図４００－ｃに示される実線の曲線は、「ＨＲＶ値の妊娠ベースライン４４０」を指すと理解されてよい。ユーザのＨＲＶ値４４５及びＨＲＶ値の妊娠ベースライン４４０は、ベースラインＨＲＶに対して相対的であってよい。場合によっては、ＨＲＶ値４４５は、妊娠中に高血圧を経験しているユーザのＨＲＶ値を示してよい。

場合によっては、システム（例えばリング１０４、ユーザデバイス１０６、サーバ１１０）は、ウェアラブルデバイスから、ユーザに関連付けられる生理学的データを受信し得る。生理学的データは、少なくともＨＲＶ値４４５を含んでよい。システムは、受信したＨＲＶデータに基づいて、複数日にわたって取得されたＨＲＶ値４４５の時系列を決定し得る。タイミング図４００－ｃを参照すると、複数日は、少なくとも３ヶ月（例えば妊娠開始前の１ヶ月と妊娠開始後の２ヶ月）の例であってもよい。システムは、元の時系列ＨＲＶデータ（例えばＨＲＶ値４４５）を処理して、１つ以上の妊娠合併症（例えば高血圧）を検出してよい。場合によっては、時系列は、システム内のユーザによってタグ付けされた複数のイベントを含むことがある。例えば時系列は、妊娠の指標４１５－ｃを含むことがある。場合によっては、妊娠の指標４１５－ｃは、システムによって連続的に収集された生理学的データに基づいて、ユーザ入力に基づいて又はその両方に基づいて、システムによって決定され得る。

ＨＲＶ値４４５は、ウェアラブルデバイスによって連続的に収集され得る。生理学的測定は、夜間を通じて連続的に行われてよい。例えばいくつかの実装では、リングは、毎日／睡眠日の全体にわたって１つ以上の測定周期に従って連続的に生理学的データ（例えばＨＲＶデータ、ＭＥＴデータ、睡眠データ等）を取得するように構成されてよい。言い換えると、リングは、そのような測定を行うための「トリガ条件」に関係なく、ユーザから生理学的データを連続的に取得し得る。

いくつかの実装では、システムは、ユーザの相対ＨＲＶを何日も観察し、妊娠合併症を示す可能性がある、妊娠ベースライン（例えばＨＲＶ値の妊娠ベースライン４４０）に対するＨＲＶ値４４５の減少をマークすることによって、１つ以上の妊娠合併症の指標を識別及び／又は予測し得る。

システムは、ＨＲＶ値４４５がユーザのＨＲＶ値の妊娠ベースライン４４０よりも低い（例えばより小さい）ことを識別することに基づいて、ＨＲＶ値４４５の時系列における１つ以上の妊娠合併症の指標を識別及び／又は予測し得る。例えばシステムは、時系列を決定した後にＨＲＶ値４４５を識別し、ＨＲＶ値の妊娠ベースライン４４０を識別し得る。システムは、ＨＲＶ値４４５がユーザのＨＲＶ値の妊娠ベースライン４４０よりも小さいことを識別することに応答して、ユーザの１つ以上の妊娠合併症の指標を検出し得る。

そのような場合、ＨＲＶ値４４５は、妊娠の指標４１５－ｃの後に、ユーザのＨＲＶ値の妊娠ベースライン４４０から逸脱することがある。例えば妊娠の指標４１５－ｃを識別した後、システムは、ＨＲＶ値４４５が、ＨＲＶ値の妊娠ベースライン４４０からの逸脱している（例えばより小さい）と判断し得る。システムは、時系列を決定したことに応答して、ユーザのＨＲＶ値の妊娠ベースライン４４０に対するＨＲＶ値４４５の時系列の偏差を計算し得る。偏差は、ユーザのＨＲＶ値の妊娠ベースライン４４０からのＨＲＶ値４４５の減少を含んでよい。そのような場合、ＨＲＶ値４４５がＨＲＶ値の妊娠ベースライン４４０から逸脱していることを識別することは、偏差を計算することに応答する。

場合によって、システムは、リングを介して収集されたユーザのＨＲＶ値４４５の時系列を決定した後に、ユーザのＨＲＶの最大値及び／又は最小値を決定又は推定し得る。システムは、最大値及び／又は最小値を決定したことに基づいて、ＨＲＶ値４４５の時系列の１つ以上の負の傾きを識別し得る。場合によっては、最大値と最小値の差を計算することにより、負の傾きを決定してもよい。他の例では、ＨＲＶ値４４５の時系列の１つ以上の傾きを識別することは、元の時系列ＨＲＶデータ（例えばＨＲＶ値４４５）の導関数を計算することに応答してもよい。

本明細書で更に詳細に説明されるように、システムは、月経周期、排卵、妊娠等を追跡するように構成されてもよい。場合によっては、ユーザのＨＲＶパターンが、妊娠合併症を特徴付けるインジケータとなり得る。例えばＨＲＶが、１つ以上の妊娠合併症の指標を識別することがある。このように、タイミング図４００－ｃは、ユーザのＨＲＶデータと時間（例えば複数の月にわたる）との間の関係を示す。

場合によっては、システムは、ＨＲＶ値４４５がユーザのＨＲＶ値の妊娠ベースライン４４０から逸脱していることを識別したことに応答して、将来の妊娠合併症の可能性、ユーザが妊娠合併症を経験する可能性又はその両方を推定し得る。このような場合、システムは、１つ以上の妊娠合併症の指標を予測し、１つ以上の妊娠合併症の指標を検出し、又はその両方を行ってよい。場合によっては、ＨＲＶデータは、低周波及び高周波構成要素を含み得る。高周波構成要素は副交感神経系の活動を反映し得る。低周波構成要素は交感神経と副交感神経の活動を反映し得る。

場合によっては、ユーザの低周波又は高周波のＨＲＶパターンが、妊娠合併症を特徴付け得るインジケータとなり得る。例えばユーザの低周波又は高周波ＨＲＶは、妊娠合併症を識別及び／又は予測してよく、これにより、ユーザがハイリスク妊娠を経験していることを示す。このように、タイミング図４００－ｄは、ユーザの低周波ＨＲＶデータと時間（例えば妊娠に対する複数日にわたる）との間の関係を図示している。この点に関して、タイミング図４００－ｄに示される破線の曲線は、「低周波ＨＲＶ値４５５」を指すと理解されてよい。この点に関して、タイミング図４００－ｄに示される実線の曲線は、「低周波ＨＲＶ値の妊娠ベースライン４５０」を指すと理解されてよい。ユーザの低周波ＨＲＶ値４５５及び低周波ＨＲＶ値の妊娠ベースライン４５０は、ベースラインの低周波ＨＲＶに対して相対的であってもよい。場合によっては、低周波ＨＲＶ値４５５は、妊娠中に高血圧を経験しているユーザの低周波ＨＲＶ値を示してよい。

場合によっては、システム（例えばリング１０４、ユーザデバイス１０６、サーバ１１０）は、ユーザに関連付けられる生理学的データをウェアラブルデバイスから受信することがある。生理学的データは、少なくとも低周波ＨＲＶ値４５５を含んでよい。システムは、受信した低周波ＨＲＶデータ及び高周波ＨＲＶデータに基づいて、複数日にわたって取得された低周波ＨＲＶ値４５５の時系列を決定し得る。タイミング図４００－ｄを参照すると、複数日は、少なくとも３ヶ月（例えば妊娠開始前の１ヶ月と妊娠開始後の２ヶ月）の例であってよい。システムは、元の時系列低周波及び高周波ＨＲＶデータ（例えば低周波ＨＲＶ値４５５を含む）を処理して、１つ以上の妊娠合併症（例えば高血圧）の指標を検出し得る。場合によっては、時系列は、システム内のユーザによってタグ付けされた複数のイベントを含んでよい。例えば時系列は、妊娠の指標４１５－ｄを含んでよい。場合によっては、妊娠の指標４１５－ｄは、システムによって連続的に収集された生理学的データに基づいて、ユーザ入力に基づいて又はその両方に基づいて、システムによって決定されてもよい。

低周波ＨＲＶ値４５５は、ウェアラブルデバイスによって連続的に収集され得る。生理学的測定は、夜間を通じて連続的に行われてよい。例えばいくつかの実装では、リングは、毎日／睡眠日の全体にわたって１つ以上の測定周期に従って連続的に生理学的データ（例えば低周波及び高周波ＨＲＶデータ、ＭＥＴデータ、睡眠データ等）を取得するように構成されてよい。言い換えると、リングは、そのような測定を行うための「トリガ条件」に関係なく、ユーザから生理学的データを連続的に取得し得る。

いくつかの実装では、システムは、ユーザの相対低周波ＨＲＶを何日も観察し、妊娠合併症を示す可能性がある、妊娠ベースライン（例えば低周波ＨＲＶ値の妊娠ベースライン４５０）に対する低周波ＨＲＶ４５５の増加をマークすることによって、１つ以上の妊娠合併症の指標を識別及び／又は予測し得る。

システムは、低周波ＨＲＶ値４５５が、ユーザの低周波ＨＲＶ値の妊娠ベースライン４５０より高い（例えば超える）ことを識別したことに基づいて、低周波ＨＲＶ値４５５の時系列における１つ以上の妊娠合併症の指標を識別及び／又は予測し得る。例えばシステムは、時系列を決定した後に低周波ＨＲＶ値４５５を識別し、低周波ＨＲＶ値の妊娠ベースライン４５０を識別し得る。システムは、低周波ＨＲＶ値４５５が、ユーザの低周波ＨＲＶ値の妊娠ベースライン４５０より高いことを識別したことに応答して、ユーザの１つ以上の妊娠合併症の指標を検出し得る。

そのような場合、低周波ＨＲＶ値４５５は、妊娠の指標４１５－ｄの後に、ユーザの低周波ＨＲＶ値の妊娠ベースライン４５０から逸脱することがある。例えば妊娠の指標４１５－ｄを識別した後、システムは、低周波ＨＲＶ値４５５が、低周波ＨＲＶ値の妊娠ベースライン４５０から逸脱している（例えばより大きい）と判断し得る。システムは、時系列を決定したことに応答して、ユーザの低周波ＨＲＶ値の妊娠ベースライン４５０に対する低周波ＨＲＶ値４５５の時系列の偏差を計算し得る。偏差は、ユーザの低周波ＨＲＶ値の妊娠ベースライン４５０からの低周波ＨＲＶ値４５５の増加を含んでよい。そのような場合、低周波ＨＲＶ値４５５が低周波ＨＲＶ値の妊娠ベースライン４５０から逸脱していることを識別することは、偏差を計算することに応答する。

場合によって、システムは、リングを介して収集されたユーザの低周波ＨＲＶ値４５５の時系列を決定した後に、ユーザの低周波ＨＲＶの最大値及び／又は最小値を決定又は推定し得る。システムは、最大値及び／又は最小値を決定したことに基づいて、低周波ＨＲＶ値４５５の時系列の１つ以上の正の傾きを識別し得る。場合によっては、最大値と最小値の差を計算することにより、正の傾きを決定してもよい。他の例では低周波ＨＲＶ値４５５の時系列の１つ以上の傾きを識別することは、元の時系列低周波ＨＲＶデータ（例えば低周波ＨＲＶ値４５５）の導関数を計算することに応答してもよい。

本明細書で更に詳細に説明されるように、システムは、月経周期、排卵、妊娠等を追跡するように構成されてもよい。場合によっては、ユーザの低周波及び高周波ＨＲＶパターンが、妊娠合併症を特徴付け得るインジケータとなり得る。例えば低周波及び高周波ＨＲＶが、１つ以上の妊娠合併症の指標を識別することがある。このように、タイミング図４００－ｄは、ユーザの低周波ＨＲＶデータと時間（例えば複数の月にわたる）との間の関係を示す。

場合によっては、システムは、低周波ＨＲＶ値４５５がユーザの低周波ＨＲＶ値の妊娠ベースライン４５０から逸脱していることを識別したことに応答して、将来の妊娠合併症の可能性、ユーザが妊娠合併症を経験する可能性又はその両方を推定し得る。このような場合、システムは、１つ以上の妊娠合併症の指標を予測し、１つ以上の妊娠合併症の指標を検出し、又はその両方を行ってよい。場合によっては、低周波ＨＲＶ値４５５は、妊娠６週目までに変化（例えば増加）することがある。低周波及び高周波ＨＲＶについては、妊娠高血圧のあるユーザの値は、妊娠開始前には比較的正常に見えることがあるが（例えば妊娠の指標４１５－ｄ）、妊娠の最初の４０～６０日後には正常値（例えば低周波ＨＲＶ値の妊娠ベースライン４５０）から逸脱し始める。

図５は、本開示の態様による、ウェアラブルベースの生理学的データからの妊娠関連合併症の識別及び予測するＧＵＩ５００の一例を示す。ＧＵＩ５００は、システム１００、システム２００、システム３００、タイミング図４００又は任意のそれらの組合せの態様を実装してよく、あるいはそれらによって実装されてもよい。例えばＧＵＩ５００は、ユーザ１０２に対応するユーザデバイス１０６（例えばユーザデバイス１０６－ａ、１０６－ｂ、１０６－ｃ）のＧＵＩ２５５の一例であってよい。

いくつかの例では、ＧＵＩ５００は、ＧＵＩ５００（例えば図２に示されるＧＵＩ２５５）を介してユーザに表示され得る一連のアプリケーションページ５０５を示してよい。システムのサーバは、ユーザデバイス（例えばモバイルデバイス）のＧＵＩ５００に、ユーザが妊娠モードを起動し、（例えばアプリケーションページ５０５を介して）その妊娠を追跡したいかどうかの問い合わせを表示させてよい。そのような場合、システムは、ユーザデバイスのＧＵＩ５００上で個人化された追跡経験を生成して、コンテキストタグ又はユーザ質問に基づいて、妊娠合併症のリスクを予測するか、又はユーザがハイリスク妊娠（例えば１つ以上の妊娠合併症を含む）を経験していることを検出し得る。

上記の例を続けると、ユーザの１つ以上の妊娠合併症の指標を検出する前に、ウェアラブルアプリケーションを開くと、ユーザにアプリケーションページが提示され得る。アプリケーションページ５０５は、妊娠モードを起動し、システムが妊娠を追跡することを可能にする。このような場合、アプリケーションページ５０５は、妊娠追跡アプリケーションに登録するようにユーザが招待される招待カードを表示してよい。アプリケーションページ５０５は、妊娠を追跡してよいかどうかを確かめるか、又は妊娠を追跡しない場合にはメッセージを閉じるように、ユーザにプロンプトを表示してよい。システムは、ユーザが妊娠の追跡にオプトインすることを選択するか又は妊娠の追跡にオプトアウトすることを選択するかの指示を受信し得る。

妊娠を追跡することに対して「はい」を選択すると、ユーザにはアプリケーションページ５０５が提示され得る。アプリケーションページ５０５は、妊娠を追跡するか主な理由を確かめるためにユーザにプロンプトを表示してもよい。このような場合、アプリケーションページ５０５は、妊娠を追跡する意図を確認するようにユーザに促してもよい。例えばシステムは、ユーザデバイスを介して、妊娠追跡システムの意図される用途の確認を受信し得る。

場合によっては、意図を確認すると、ユーザにアプリケーションページ５０５が提示され得る。アプリケーションページ５０５は、受胎日、出産予定日等を確かめるためのプロンプトをユーザに表示してよい。例えばシステムは、ユーザデバイスを介して、出産予定日の確認を受信してよい。場合によっては、アプリケーションページ５０５は、出産予定日が決まっていない可能性があるかどうかを示すプロンプトをユーザに表示してもよい。

場合によっては、出産予定日を確認すると、ユーザにアプリケーションページ５０５が提示され得る。アプリケーションページは、ユーザが、いずれかの妊娠関連合併症、いずれかの既存の医学的状態、妊娠を達成するために使用したいずれかの不妊治療、使用のいずれかの睡眠障害（例えばユーザがシフトワーカであるかどうか）等を経験しているかどうかを確かめるためのプロンプトをユーザに表示し得る。例えばシステムは、ユーザデバイスを介して、ユーザが、いずれかの妊娠関連合併症、いずれかの既存の医学的状態、妊娠を達成するために使用したいずれかの不妊治療、使用のいずれかの睡眠障害（例えばユーザがシフトワーカであるかどうか）等を経験しているかどうかの確認を受信し得る。確認を受信すると、ユーザにはＧＵＩ５００が提示されてよく、ＧＵＩ５００は、アプリケーションページ５０５を参照して更に示され、説明され得る。

システムのサーバは、１つ以上の妊娠合併症の指標を示す、ユーザデバイス上のＧＵＩ５００上に表示するためのメッセージを生成することができる。例えばシステムのサーバは、ユーザデバイス（例えばモバイルデバイス）のＧＵＩ５００に、１つ以上の妊娠合併症の指標に関連付けられるメッセージ５２０を（例えばアプリケーションページ５０５を介して）表示させてもよい。このような場合、システムは、ユーザデバイスのＧＵＩ５００上に１つ以上の妊娠合併症の指標を出力して、妊娠がハイリスク妊娠であること、ユーザが１つ以上の妊娠合併症のリスクを経験していること、及び／又は１つ以上の妊娠合併症が将来予測され得ることを示してよい。

上記の例を続けると、１つ以上の妊娠合併症の指標を検出すると、ウェアラブルアプリケーションを開く際に、ユーザにアプリケーションページ５０５が提示され得る。図５に示されるように、アプリケーションページ５０５は、メッセージ５２０を介して、１つ以上の妊娠合併症が予測及び／又は識別されたことの指標を表示し得る。このような場合、アプリケーションページ５０５は、ホームページ上にメッセージ５２０を含んでよい。ユーザの妊娠合併症が予測及び／又は識別される場合、本明細書で説明されるように、サーバは、メッセージ５２０をユーザに送信してよく、ここで、メッセージ５２０は、予測及び／又は識別された１つ以上の妊娠合併症に関連付けられる。場合によっては、サーバは、メッセージ５２０を、臨床医、不妊治療専門医、介護者、ユーザのパートナー又はこれらの組合せに送信してよい。このような場合、システムは、臨床医、不妊治療専門医、介護者、パートナー又はこれらの組合せに関連付けられるユーザデバイス上にアプリケーションページ５０５を提示してよい。

例えばユーザデバイスは、メッセージ５２０を受信してよく、該メッセージは、１つ以上の妊娠合併症が起こった時間間隔、１つ以上の妊娠合併症が起こると予測される時間期間、１つ以上の妊娠合併症に関連付けられる症状を入力する要求、１つ以上の妊娠合併症に関連付けられる教育コンテンツ、活動目標の調整されたセット、１つ以上の妊娠合併症に関連付けられる症状を改善するための推奨等を含んでよい。例えばメッセージ５２０は、１つ以上の妊娠合併症のリスクを示してよい。メッセージ５２０は、ユーザが、本明細書で前述したように、１つ以上の妊娠合併症の予測及び識別に基づいて異なるメッセージ５２０を受信し得るように、構成可能／カスタマイズ可能であり得る。

図５に示されるように、アプリケーションページ５０５は、アラート５１０を介して１つ以上の妊娠合併症の指標を表示し得る。ユーザは、アラート５１０を受信することがあり、該アラートは、１つ以上の妊娠合併症が起こったかどうかを確認するように、あるいは１つ以上の妊娠合併症が起こらなかった場合にアラート５１０を却下するように、ユーザに促してよい。このような場合、アプリケーションページ５０５は、ユーザに１つ以上の妊娠合併症を確認するか又は却下する（例えばシステムが１つ以上の妊娠合併症を正しく検出したかどうかを確認／否定し、かつ／又は１つ以上の妊娠合併症が臨床医により確認されたかどうかを確認／否定する）ように促すことができる。例えばシステムは、ユーザデバイスを介して、１つ以上の妊娠合併症の指標を検出したことに応答して、１つ以上の妊娠合併症の確認を受信し得る。

場合によっては、システムは、１つ以上の妊娠合併症、１つ以上の妊娠症状又はその両方の確認を受信することがある。例えば臨床医、不妊治療専門医又はユーザは、１つ以上の妊娠合併症の確認を入力し得る。このような場合、システムは、確認を受信したことに応答して、１つ以上の妊娠合併症の指標を検出し得る。

加えて、いくつかの実装では、アプリケーションページ５０５は、それぞれの日についてのユーザの１つ以上のスコア（例えば睡眠スコア、準備スコアなど）を表示し得る。さらに、場合によっては、予測及び／又は識別された１つ以上の妊娠合併症を使用して、ユーザに関連付けられる１つ以上のスコア（例えば睡眠スコア、準備スコア等）を更新（例えば修正）してもよい。すなわち、予測及び／又は識別された１つ以上の妊娠合併症に関連付けられるデータを使用して、後続の次の暦日についてユーザのスコアを更新してもよい。このような場合、システムは、アラート５１０を介してスコア更新をユーザに通知してよい。

場合によっては、準備スコアは、検出された１つ以上の妊娠合併症の指標に基づいて更新されてよい。そのような場合、準備スコアは、予測及び／又は識別された１つ以上の妊娠合併症に基づいて「要注意」をユーザに示してよい。ユーザについて準備スコアが変わる場合、システムは、症状が重い可能性があるユーザに対して回復モードを実装してよく、数日間の調整されたアクティビティと準備ガイダンスの恩恵を受け得る。他の例では、準備スコアは、睡眠スコアに基づいて更新されてもよい。しかしながら、システムは、ユーザが１つ以上の妊娠合併症を経験しているか、１つ以上の妊娠合併症を経験することが予測されることを決定してよく、準備スコア、睡眠スコア及び／又は活動スコアを調整して、１つ以上の妊娠合併症の影響をオフセットしてよい。

場合によっては、ユーザデバイスのＧＵＩ５００を介してユーザに表示されるメッセージ５２０は、予測及び／又は識別された１つ以上の妊娠合併症が全体的なスコア（例えば全体的な準備スコア）及び／又は個々の寄与要因にどのように影響したかを示してよい。例えばメッセージは、「現在、身体に負担がかかっているようですが、気分が良ければ、軽度又は中強度の運動をすることは、身体が症状と戦うのに役立つ可能性があります（It looks like your body is under strain right now, but if you’re feeling ok, doing a light or medium intensity exercise can help your body battle the symptoms）」又は「回復メトリクスから、あなたの身体はまだ大丈夫であるように見えるので、軽い運動が症状の緩和に役立ちます。明日は良くなるといいですね！（From your recovery metrics it looks like your body is still doing ok, so some light activity can help relieve the symptoms. Hope you’ll feel better tomorrow!）」を示してもよい。１つ以上の妊娠合併症が予測及び／又は識別が検出された場合、メッセージ５２０は、ユーザの全体的な健康を改善するために、ユーザに提案を提供してもよい。例えばメッセージは、「本当に活力がないと感じているのであれば、今日は休息モードに切り替えてみませんか（“If you feel really low on energy, why not switch to rest mode for today）」又は「背中の痛みがあるので、吐き気を感じているので、今日は休息に専念してください（Since you have back pain, devote today for rest）」を示してもよい。そのような場合、ユーザに表示されるメッセージ５２０は、ユーザがライフスタイルを調整するのを助けるための、的を絞った洞察を提供することができる。

いくつかの実装は、システムは、アラート５１０又はメッセージ５２０を介して、妊娠中に、ユーザの測定値が異常である場合に、ユーザに通知し得る。例えばシステムは、ＰＰＧＲＩの増加を検出し、関連するタグを推奨し得る。いくつかの実装では、システムは、タグからの情報とユーザデータを組み合わせることがある。異常な測定値及び／又はユーザタグの検出に応答して、デバイスは、ユーザが休息したいとき、特定の症状に細心の注意を払いたいとき、又は医師に相談したいときにユーザに警告し得る。アプリケーションにおける複数の連続的な高品質信号とタグ付けされた症状との組合せは、典型的な妊娠プロファイルからの逸脱だけでなく、過去の履歴からの逸脱も考慮に入れる対話型アルゴリズムの基礎を提供し得る。アプリケーションを通じてユーザに表面化されるタグは、そうでなければユーザが典型的な妊娠の不快感（例えば背部痛、胸やけ、骨盤痛、倦怠感、呼吸困難及びいびき）と誤解する可能性がある、子癇前症の女性における夜間の血圧上昇の原因となる可能性がある特定の症状を認識させることがある。追加の通知は、「いびきの頻度が増加しているようですが、呼吸困難を経験していますか？主治医に確認する時期かもしれません。」、「あなたの低周波ＨＲＶは高いようです。今週はゆっくりして、スケジュールに休息時間を組み入れた方がいいかもしれません」又は「背中がずっと痛んでいますが、これについて理学療法士（ＰＴ）／カイロプラクターと話し合いましたか？」のような、更なる注意を必要とする信号を示してよい。

アプリケーションページ５０５は、グラフ表示５１５を介して、１つ以上の妊娠合併症の間にユーザが経験した体温、心拍数、ＨＲＶ、呼吸数、睡眠データ等を含む、１つ以上のパラメータを示し得る。グラフ表示７１５は、図４を参照して説明したタイミング図４００の例であってよい。そのような場合、システムは、ユーザデバイスのＧＵＩ５００に、１つ以上の妊娠合併症の検出された指標に関連付けられるメッセージ５２０、アラート５１０又はグラフ表示５１５を表示させ得る。

例えばシステムは、グラフ表示５１５を介して、ユーザが自身の身体を理解し、医療を求めることについて情報に基づいた選択をすることができるように、「正常」と考えられる範囲の比較グラフに対するユーザの生理学的及び／又は症状データの傾向グラフをユーザに提供し得る。別の例では、システムは、ユーザが医師と自分の症状について話し合うことを考慮すべきときにユーザに警告し得る。いくつかの実装では、システムは、妊娠合併症及び／又は入院の予測されるリスクスコアを出力し得る。いくつかの実装では、医師によってハイリスク妊娠と定義された妊娠中のユーザは、「ハイリスク妊娠」モード／タグを起動／ラベル付けして、より感度の高い／保守的なアラート基準を起動することができる。

いくつかの実装では、高血圧症状に苦しむ女性は、アプリケーションにおいて高血圧モードを起動する能力を有してもよく、この場合、ユーザは容易に、関連する症状をモニタし、睡眠、休息、運動、酸素レベル、ＨＲＶ及び妊娠の健康の間の関係を理解し得る。例えばユーザは、自分の体重増加をモニタし、医師の予約と検査結果を入力して、すべての妊娠関連データに便利にアクセスし追跡することができる。いくつかの実装では、睡眠スコア、準備スコア及び活動スコアは、ユーザのアプリケーションモードに最も適合するように修正されてもよい

場合によっては、ユーザは、ユーザ入力５２５を介して症状を記録してよい。例えばシステムは、１つ以上の妊娠合併症に関連付けられる症状（例えば頭痛、偏頭痛、痛み等）を記録するために、ユーザ入力（例えばタグ）を受信し得る。システムは、ユーザ履歴と、予測及び／又は識別された１つ以上の妊娠合併症とに基づいて、ユーザにタグを推奨し得る。場合によっては、システムは、以前のユーザ症状タグと１つ以上の妊娠合併症のタイミングとの間の相関関係に基づいて、ユーザデバイスのＧＵＩ５００に、症状タグを表示させてもよい。

アプリケーションページ５０５はまた、予測及び／又は識別された１つ以上の妊娠合併症に関連付けられる洞察や推奨等を含むメッセージ５２０も含み得る。システムのサーバは、ユーザデバイスのＧＵＩ５００に、予測及び／又は識別された１つ以上の妊娠合併症に関連付けられるメッセージ５２０を表示させ得る。ユーザデバイスは、メッセージ５２０を介して、予測及び／又は識別された１つ以上の妊娠合併症に関連付けられる推奨及び／又は情報を表示し得る。本明細書で以前に述べたように、正確に予測及び／又は識別された１つ以上の妊娠合併症は、ユーザの全体的な健康及び回復プロセスに有益であり得る。

いくつかの実装では、システムは、ユーザの予測及び／又は識別された１つ以上の妊娠合併症に関する追加の洞察を提供し得る。例えばアプリケーションページ５０５は、妊娠ベースラインに対する体温の偏差のようなユーザの予測及び／又は識別された１つ以上の妊娠合併症をもたらした、１つ以上の生理学的パラメータ（例えば寄与要因）を示してよい。言い換えると、システムは、予測及び／又は識別された１つ以上の妊娠合併症に関する何らかの情報又は他の洞察を提供するように構成され得る。個人化された洞察は、予測及び／又は識別された１つ以上の妊娠合併症を生成するために使用された、収集された生理学的データの側面（例えば生理学的データ内の寄与要因）を示し得る。

いくつかの実装では、システムは、分類器をトレーニングし（例えば機械学習分類器のための教師あり学習）、妊娠合併症決定及び／又は予測技術を改善するために、予測及び／又は識別された１つ以上の妊娠合併症に関するユーザ入力を受信するように構成され得る。例えばユーザデバイスは、ユーザ入力５２５を受信してよく、これらのユーザ入力５２５は次いで、分類器に入力されて、分類器をトレーニングし得る。例えばシステムは、ユーザのデータの最後の月を取り、ユーザが、妊娠の開始に対して、所与の時点でハイリスク妊娠（例えば１つ以上の合併症による）を示す確率に関して予測を行うために、トレーニングされたモデル（例えば分類器）を利用してもよい。いくつかの実装では、異なる深層学習表現（ＧＲＵ、畳み込みニューラルネットワーク（ＣＮＮ）、ＬＳＴＭＳ、インセプションタイムニューラルネットワーク等）を使用して、予測のための生理学的データをより良好に表す埋め込みを導出することができる。

アプリケーションページ５０５上で１つ以上の妊娠合併症を予測及び／又は識別すると、ＧＵＩ５００は、ユーザがアプリケーションページ５０５を見ている現在の日付と、１つ以上の妊娠合併症娠が予測及び／又は識別される日を含む日付範囲、１つ以上の妊娠合併症娠が予測及び／又は識別される日を含む日付範囲を示し得るカレンダービューを表示し得る。例えば日付範囲は、破線構成を使用して暦日を囲んでよく、現在の日付は暦日を囲んでよく、１つ以上の妊娠合併症娠が予測される日が囲まれてもよい。カレンダービューはまた、現在の暦日と、ユーザの妊娠の日（例えばユーザが８週間妊娠していること）の指標とを含むメッセージを含んでもよい。

図６は、本開示の態様による、ウェアラブルベースの生理学的データからの妊娠関連合併症の識別及び予測するデバイス６０５のブロック図６００を示す。デバイス６０５は、入力モジュール６１０、出力モジュール６１５及びウェアラブルアプリケーション６２０を含んでよい。デバイス６０５はまた、プロセッサも含んでもよい。これらの構成要素の各々は、（例えば１つ以上のバスを介して）互いに通信し得る。

入力モジュール６１０は、様々な情報チャネル（例えば制御チャネル、データチャネル、疾患検出技術に関連する情報チャネル）に関連付けられるパケット、ユーザデータ、制御情報又はそれらの任意の組合せのような情報を受信するための手段を提供し得る。情報は、デバイス６０５の他の構成要素に渡されてもよい。入力モジュール６１０は、単一のアンテナ又は複数のアンテナのセットを利用してよい。

出力モジュール６１５は、デバイス６０５の他の構成要素によって生成された信号を送信するための手段を提供し得る。例えば出力モジュール６１５は、様々な情報チャネル（例えば制御チャネル、データチャネル、疾患検出技術に関連する情報チャネル）に関連付けられるパケット、ユーザデータ、制御情報又はそれらの任意の組合せのような情報を送信してよい。いくつかの例では、出力モジュール６１５は、トランシーバモジュール内の入力モジュール６１０と同じ場所に配置されてもよい。出力モジュール６１５は、単一のアンテナ又は複数のアンテナのセットを利用してよい。

例えばウェアラブルアプリケーション６２０は、データ取得構成要素６２５、体温データ構成要素６３０、偏差構成要素６３５、合併症構成要素６４０、ユーザインタフェース構成要素６４５又はこれらの任意の組合せを含んでもよい。いくつかの例では、ウェアラブルアプリケーション６２０又はその様々な構成要素は、入力モジュール６１０、出力モジュール６１５又はその両方を使用して又は他の方法でこれらと協力して、様々な動作（例えば受信、モニタ、送信）を実行するように構成されてもよい。例えばウェアラブルアプリケーション６２０は、入力モジュール６１０から情報を受信し、出力モジュール６１５に情報を送信し、あるいは入力モジュール６１０、出力モジュール６１５又はその両方と組み合わせて統合されて、情報を受信し、情報を送信し、又は本明細書で説明されるような様々な他の動作を実行してもよい。

データ取得構成要素６２５は、ウェアラブルデバイスから、妊娠しているユーザに関連付けられる生理学的データを受信するための手段として構成されてもよく、又は他の方法でこれをサポートしてもよく、生理学的データは、少なくとも体温データを含む。体温データ構成要素６３０は、受信した体温データに少なくとも部分的に基づいて、複数日にわたって取得された複数の体温値の時系列を決定する手段として構成されてもよく、又は他の方法でこれをサポートしてもよい。偏差構成要素６３５は、時系列を決定したことに少なくとも部分的に基づいて、複数の体温値が、ユーザの体温値の妊娠ベースラインから逸脱していることを識別するための手段として構成されてもよく、又は他の方法でこれをサポートしてもよい。合併症構成要素６４０は、複数の体温値が、ユーザの体温値の妊娠ベースラインから逸脱していることを識別したことに少なくとも部分的に基づいて、ユーザの１つ以上の妊娠合併症の指標を検出するための手段として構成されてもよく、又は他の方法でこれをサポートしてもよい。ユーザインタフェース構成要素６４５は、ユーザデバイスのグラフィカルユーザインタフェースに表示するための、１つ以上の妊娠合併症の指標を示すメッセージを生成するための手段として構成されてもよく、又は他の方法でこれをサポートしてもよい。

図７は、本開示の態様による、ウェアラブルベースの生理学的データからの妊娠関連合併症の識別及び予測するウェアラブルアプリケーション７２０のブロック図７００を示す。ウェアラブルアプリケーション７２０は、本明細書で説明されるように、ウェアラブルアプリケーション又はウェアラブルアプリケーション６２０、あるいはその両方の態様の例であってもよい。ウェアラブルアプリケーション７２０又はその様々な構成要素は、本明細書で説明されるようなウェアラブルベースの生理学的データからの妊娠関連合併症の識別及び予測の様々な態様を実行するための手段の例であり得る。例えばウェアラブルアプリケーション７２０は、データ取得構成要素７２５、体温データ構成要素７３０、偏差構成要素７３５、合併症構成要素７４０、ユーザインタフェース構成要素７４５又はそれらの任意の組合せを含んでもよい。これらの構成要素の各々は、直接的又は間接的に、互いに（例えば１つ以上のバスを介して）通信し得る。

データ取得構成要素７２５は、ウェアラブルデバイスから、妊娠しているユーザに関連付けられる生理学的データを受信するための手段として構成されてよく、又は他の方法でこれをサポートしてもよく、生理学的データは、少なくとも体温データを含む。体温データ構成要素７３０は、受信した体温データに少なくとも部分的に基づいて、複数日にわたって取得された複数の体温値の時系列を決定するための手段として構成されてよく、又は他の方法でこれをサポートしてもよい。偏差構成要素７３５は、時系列を決定することに少なくとも部分的に基づいて、複数の体温値がユーザの体温値の妊娠ベースラインからの逸脱していることを識別するための手段として構成されてもよく、又は他の方法でこれをサポートしてもよい。合併症構成要素７４０は、複数の体温値がユーザの体温値の妊娠ベースラインからの逸脱していることを識別したことに少なくとも部分的に基づいて、ユーザの１つ以上の妊娠合併症の指標を検出するための手段として構成されてもよく、又は他の方法でこれをサポートしてもよい。ユーザインタフェース構成要素７４５は、１つ以上の妊娠合併症の指標を示す、ユーザデバイスのグラフィカルユーザインタフェースに表示するためのメッセージを生成するための手段として構成されてもよく、又は他の方法でこれをサポートしてもよい。

いくつかの例では、偏差構成要素７３５は、時系列を決定したことに少なくとも部分的に基づいて、体温値の妊娠ベースラインに対する複数の体温値の時系列における偏差を計算するための手段として構成されてもよく、又は他の方法でこれをサポートしてもよく、ここで、偏差は、時間の第１部分の間の体温値の妊娠ベースラインからの複数の体温値の減少と、第１部分に続く時間の第２部分の間の体温値の妊娠ベースラインからの複数の体温値の増加とを含み、複数の体温値が体温値の妊娠ベースラインから逸脱することを識別することは、偏差を計算することに少なくとも部分的に基づく。

いくつかの例では、データ取得構成要素７２５は、生理学的データを受信したことに少なくとも部分的に基づいて、フォトプレチスモグラフィ波形の収縮期及び拡張期変曲点のフォトプレチスモグラフィ振幅変化を計算するための手段として構成されてもよく、又は他の方法でこれをサポートしてもよい。いくつかの例では、データ取得構成要素７２５は、フォトプレチスモグラフィ振幅変化を計算したことに少なくとも部分的に基づいて、フォトプレチスモグラフィ反射指数（reflection index）の値が妊娠ベースラインのフォトプレチスモグラフィ反射指数の値よりも大きいことを識別するための手段として構成されるか又は他の方法でこれをサポートしてもよい。

いくつかの例では、生理学的データは、心拍数データを更に含み、データ取得構成要素７２５は、複数日の少なくとも一部の間に、受信した心拍数データがユーザの妊娠ベースライン心拍数を超えることを決定するための手段として構成されてもよく、又は他の方法でこれをサポートしてもよく、ここで、１つ以上の妊娠合併症の指標を検出することは、受信した心拍数データが、ユーザの妊娠ベースライン心拍数を超えることを決定することに少なくとも部分的に基づく。

いくつかの例では、生理学的データは、心拍数変動データを更に含み、データ取得構成要素７２５は、複数日の少なくとも一部の間に、受信した心拍数変動データがユーザの妊娠ベースライン心拍数変動より小さいことを決定するための手段として構成されてもよく、又は他の方法でこれをサポートしてもよく、ここで、１つ以上の妊娠合併症の指標を検出することは、受信した心拍数変動データがユーザの妊娠ベースライン心拍数変動より小さいことを決定することに少なくとも部分的に基づく。

いくつかの例では、生理学的データは、低周波心拍数変動データを更に含み、データ取得構成要素７２５は、複数日の少なくとも一部の間、受信した低周波心拍数変動データが、ユーザの妊娠ベースラインの低周波心拍数変動を超えることを決定するための手段として構成されてもよく、又は他の方法でこれをサポートしてもよく、ここで、１つ以上の妊娠合併症の指標を検出することは、受信した低周波心拍数変動データが、ユーザの妊娠ベースラインの低周波心拍数変動を超えることを決定することに少なくとも部分的に基づく。

いくつかの例では、生理学的データは、呼吸数データを更に含み、データ取得構成要素７２５は、複数日の少なくとも一部の間に、受信した呼吸数データがユーザの妊娠ベースライン呼吸数を超えることを決定するための手段として構成されてもよく、又は他の方法でこれをサポートしてもよく、ここで、１つ以上の妊娠合併症の指標を検出することは、受信した呼吸数データが、ユーザの妊娠ベースライン呼吸数を超えることを決定することに少なくとも部分的に基づく。

いくつかの例では、生理学的データは、血中酸素飽和度データを更に含み、データ取得構成要素７２５は、複数日の少なくとも一部の間に、受信した血中酸素飽和度データが、ユーザの妊娠ベースライン血中酸素飽和度よりも低いことを決定するための手段として構成されてもよく、又は他の方法でこれをサポートしてもよく、１つ以上の妊娠合併症の指標を検出することは、受信した血中酸素飽和度データが、ユーザの妊娠ベースライン血中酸素飽和度よりも低いことを決定することに少なくとも部分的に基づく。

いくつかの例では、ユーザインタフェース構成要素７４５は、１つ以上の妊娠合併症、１つ以上の妊娠症状又はその両方の確認を受信するための手段として構成されてもよく、又は他の方法でこれをサポートしてもよく、ここで、１つ以上の妊娠合併症の指標を検出することは、確認を受信することに少なくとも部分的に基づく。

いくつかの例では、体温データ構成要素７３０は、体温データを受け取ることに少なくとも部分的に基づいて、複数の体温値の各体温値を決定するための手段として構成されてもよく、又は他の方法でこれをサポートしてもよく、ここで、体温データは、連続的な夜間体温データを含む。

いくつかの例では、合併症構成要素７４０は、複数の体温値が体温値の妊娠ベースラインから逸脱することを識別したことに少なくとも部分的に基づいて、将来の妊娠合併症の可能性を推定するための手段として構成されてもよく、又は他の方法でこれをサポートしてもよい。

いくつかの例では、合併症構成要素７４０は、１つ以上の妊娠合併症の指標を検出したことに少なくとも部分的に基づいて、ユーザに関連付けられる準備スコア、ユーザに関連付けられる活動スコア、ユーザに関連付けられる睡眠スコア又はそれらの組合せを更新するための手段として構成されてもよく、又は他の方法でこれをサポートしてもよい。

いくつかの例では、ユーザインタフェース構成要素７４５は、１つ以上の妊娠合併症の指標を示すメッセージをユーザデバイスに送信するための手段として構成されてもよく、又は他の方法でこれをサポートしてもよく、ここで、ユーザデバイスは臨床医、ユーザ又はその両方に関連付けられる。

いくつかの例では、ユーザインタフェース構成要素７４５は、１つ以上の妊娠合併症の指標を検出したことに少なくとも部分的に基づいて、ユーザに関連付けられるユーザデバイスのグラフィカルユーザインタフェースに妊娠合併症の症状タグを表示させるための手段として構成されてもよく、又は他の方法でこれをサポートしてもよい。

いくつかの例では、ユーザインタフェース構成要素７４５は、ユーザに関連付けられるユーザデバイスのグラフィカルユーザインタフェースに、１つ以上の妊娠合併症の指標に関連付けられるメッセージを表示させるための手段として構成されてもよく、又は他の方法でこれをサポートしてもよい。

いくつかの例では、メッセージは、１つ以上の妊娠合併症が起こった時間間隔、１つ以上の妊娠合併症が起こると予測される時間間隔、１つ以上の妊娠合併症に関連付けられる症状を入力する要求、１つ以上の妊娠合併症に関連付けられる教育コンテンツ、睡眠目標の調整されたセット、活動目標の調整されたセット、１つ以上の妊娠合併症に関連付けられる症状を改善するための推奨、臨床医に相談するための推奨又はこれらの組合せを更に含む。

いくつかの例では、合併症構成要素７４０は、生理学的データを機械学習分類器に入力するための手段として構成されてもよく、又は他の方法でこれをサポートしてもよく、ここで、１つ以上の妊娠合併症の指標を検出することは、生理学的データを機械学習分類器に入力することに少なくとも部分的に基づく。

いくつかの例において、１つ以上の妊娠合併症は、既存の慢性高血圧、妊娠高血圧、子癇前症、子癇、心血管代謝障害、妊娠糖尿病、感染症又はそれらの組合せを含む。

いくつかの例では、ウェアラブルデバイスは、ウェアラブルリングデバイスを含む。

いくつかの例では、ウェアラブルデバイスは、動脈血流に基づいて、ユーザから生理学的データを収集する。

図８は、本開示の態様による、ウェアラブルベースの生理学的データからの妊娠関連合併症の識別及び予測するデバイス８０５を含むシステム８００の図を示す。デバイス８０５は、本明細書で説明されるようなデバイス６０５の構成要素の一例であってもよく、あるいはその構成要素を含んでもよい。デバイス８０５は、本明細書で前述したようなユーザデバイス１０６の例を含んでよい。デバイス８０５は、ウェアラブルアプリケーション８２０、通信モジュール８１０、アンテナ８１５、ユーザインタフェース構成要素８２５、データベース（アプリケーションデータ）８３０、メモリ８３５及びプロセッサ８４０のような、ウェアラブルデバイス１０４及びサーバ１１０との通信を送受信するための構成要素を含む、双方向通信のための構成要素を含み得る。これらの構成要素は、電子的に通信しているか、又は他の方法で１つ以上のバス（例えばバス８４５）を介して（例えば動作的に、通信的に、機能的に、電子的に、電気的に）結合されていてもよい。

通信モジュール８１０は、アンテナ８１５を介して、デバイス８０５のための入力信号及び出力信号を管理し得る。通信モジュール８１０は、図２に示して説明したユーザデバイス１０６の通信モジュール２２０－ｂの一例を含んでよい。この点に関して、通信モジュール８１０は、図２に図示されるように、リング１０４及びサーバ１１０との通信を管理し得る。通信モジュール８１０は、デバイス８０５に統合されていない周辺機器も管理し得る。場合によっては、通信モジュール８１０は、外部周辺機器への物理的な接続又はポートを表してよい。場合によっては、通信モジュール８１０は、ｉＯＳ（登録商標）、ＡＮＤＲＯＩＤ（登録商標）、ＭＳ－ＤＯＳ（登録商標）、ＭＳ－ＷＩＮＤＯＷＳ（登録商標）、ＯＳ／２（登録商標）、ＵＮＩＸ（登録商標）、ＬＩＮＵＸ（登録商標）又は別の既知のオペレーティングシステムのようなオペレーティングシステムを利用してよい。他の場合には、通信モジュール８１０は、ウェアラブルデバイス（例えばリング１０４）、モデム、キーボード、マウス、タッチスクリーン又は類似のデバイスを表すか又はそれらと対話してよい。場合によっては、通信モジュール８１０は、プロセッサ８４０の一部として実装されてもよい。いくつかの例では、ユーザは、通信モジュール８１０、ユーザインタフェース構成要素８２５を介して、あるいは通信モジュール８１０によって制御されるハードウェア構成要素を介して、デバイス８０５と対話してよい。

場合によっては、デバイス８０５は、単一のアンテナ８１５を含んでよい。しかしながら、他のいくつかの場合では、デバイス８０５は、２つ以上のアンテナ８１５を有してもよく、これらは、複数の無線伝送を同時に送信又は受信することができる。通信モジュール８１０は、１つ以上のアンテナ８１５を介して、本明細書で説明されるように、有線リンク又は無線リンクを介して、双方向に通信してよい。例えば通信モジュール８１０は、無線トランシーバを表してよく、別の無線トランシーバと双方向に通信してよい。通信モジュール８１０はまた、パケットを変調し、変調されたパケットを伝送のために１つ以上のアンテナ８１５に提供し、１つ以上のアンテナ８１５から受信されたパケットを復調するためのモデムも含んでよい。

ユーザインタフェース構成要素８２５は、データベース１０３０内のデータ記憶及び処理を管理し得る。場合によっては、ユーザは、ユーザインタフェース構成要素８２５と対話してもよい。他の場合には、ユーザインタフェース構成要素８２５は、ユーザ対話なしに自動的に動作してもよい。データベース１０３０は、単一のデータベース、分散データベース、複数の分散データベース、データストア、データレイク又は緊急バックアップデータベースの例であってよい。

メモリ１０３５は、ＲＡＭ及びＲＯＭを含んでもよい。メモリ１０３５は、実行されると、プロセッサ８４０に本明細書で説明される様々な機能を実行させる命令を含む、コンピュータ読取可能でコンピュータ実行可能なソフトウェアを記憶し得る。場合によっては、メモリ１０３５は、他の中でも特に、周辺の構成要素又はデバイスとの対話のような基本的なハードウェア又はソフトウェア動作を制御し得る、ＢＩＯＳを含んでよい。

プロセッサ８４０は、インテリジェントハードウェアデバイス（例えば汎用プロセッサ、ＤＳＰ、ＣＰＵ、マイクロコントローラ、ＡＳＩＣ、ＦＰＧＡ、プログラマブル論理デバイス、離散ゲート又はトランジスタ論理構成要素、離散ハードウェア構成要素、又はそれらの任意の組合せ）を含んでもよい。場合によっては、プロセッサ８４０は、メモリコントローラを使用してメモリアレイを動作させるように構成されてもよい。他の場合には、メモリコントローラはプロセッサ８４０に組み込まれてもよい。プロセッサ８４０は、メモリ８３５に記憶されたコンピュータ読取可能命令を実行して、様々な機能（例えば睡眠段階アルゴリズムのための方法及びシステムをサポートする機能又はタスク）を実行するように構成されてもよい。

例えばウェアラブルアプリケーション８２０は、ウェアラブルデバイスから、妊娠しているユーザに関連付けられる生理学的データを受信するための手段として構成されてよく、又は他の方法でそのような手段をサポートしてよく、生理学的データは、少なくとも体温データを含む。ウェアラブルアプリケーション８２０は、受信した体温データに少なくとも部分的に基づいて、複数日にわたって取得された複数の体温値の時系列を決定するための手段として構成されてよく、又は他の方法でそのような手段をサポートしてよい。ウェアラブルアプリケーション８２０は、時系列を決定したことに少なくとも部分的に基づいて、複数の体温値がユーザの体温値の妊娠ベースラインから逸脱していることを識別するための手段として構成されてよく、又は他の方法でこれをサポートしてもよい。ウェアラブルアプリケーション８２０は、複数の体温値がユーザの体温値の妊娠ベースラインから逸脱していることを識別したこと少なくとも部分的に基づいて、ユーザの１つ以上の妊娠合併症の指標を検出するための手段として構成されてよく、又は他の方法でこれをサポートしてもよい。ウェアラブルアプリケーション８２０は、１つ以上の妊娠合併症の指標を示す、ユーザデバイスのグラフィカルユーザインタフェースに表示するためのメッセージを生成するための手段として構成されてよく、又は他の方法でそのような手段をサポートしてもよい。

本明細書で説明される実施例に従ってウェアラブルアプリケーション８２０を含めるか又は構成することによって、デバイス８０５は、改善された通信信頼性、低減されたレイテンシ、低減された処理に関連する改善されたユーザ体験、低減された電力消費、通信リソースのより効率的な利用、デバイス間の改善された協調、より長いバッテリ寿命及び処理能力の改善された利用のための技術をサポートし得る。

ウェアラブルアプリケーション８２０は、アプリケーション（例えば「ａｐｐ」）、プログラム、ソフトウェア又は他の構成要素を含んでよく、これらは、リング１０４、サーバ１１０、他のユーザデバイス１０６等との通信を容易にするように構成される。例えばウェアラブルアプリケーション８２０は、リング１０４からデータ（例えば生理学的データ）を受信し、受信したデータに対して処理動作を実行し、サーバ１１０とデータを送受信し、ユーザ１０２にデータを提示させるように構成される、ユーザデバイス１０６上で実行可能なアプリケーションを含んでよい。

図９は、本開示の態様による、ウェアラブルベースの生理学的データからの妊娠関連合併症の識別及び予測する方法９００を示すフローチャートである。方法９００の動作は、本明細書で説明されるように、ユーザデバイス又はその構成要素によって実装されてよい。例えば方法９００の動作は、図１から図８を参照して説明したようなユーザデバイスによって実行されてもよい。いくつかの例では、ユーザデバイスは、説明された機能を実行するようにユーザデバイスの機能要素を制御する命令のセットを実行してもよい。追加的又は代替的に、ユーザデバイスは、専用ハードウェアを使用して、説明された機能の態様を実行してもよい。

９０５において、本方法は、ウェアラブルデバイスから、妊娠しているユーザに関連付けられる生理学的データを受信するステップを含んでよく、生理学的データは、少なくとも体温データを含む。９０５の動作は、本明細書に開示される例に従って実行されてよい。いくつかの例では、９０５の動作の態様は、図７を参照して説明したように、データ取得構成要素７２５によって実行されてよい。

９１０において、本方法は、受信した体温データに少なくとも部分的に基づいて、複数日にわたって取得される複数の体温値の時系列を決定するステップを含んでよい。９１０の動作は、本明細書に開示される例に従って実行されてよい。いくつかの例では、９１０の動作の態様は、図７を参照して説明したように、体温データ構成要素７３０によって実行されてよい。

９１５において、本方法は、時系列を決定したことに少なくとも部分的に基づいて、複数の体温値がユーザの体温値の妊娠ベースラインから逸脱していることを識別するステップを含んでよい。９１５の動作は、本明細書に開示される例に従って実行されてよい。いくつかの例では、９１５の動作の態様は、図７を参照して説明したように、偏差構成要素７３５によって実行されてよい。

９２０において、本方法は、複数の体温値がユーザの体温値の妊娠ベースラインから逸脱していることを識別したことに少なくとも部分的に基づいて、ユーザの１つ以上の妊娠合併症の指標を検出するステップを含んでよい。９２０の動作は、本明細書に開示される例に従って実行されてよい。いくつかの例では、９２０の動作の態様は、図７を参照して説明したように、合併症構成要素７４０によって実行されてよい。

９２５において、本方法は、１つ以上の妊娠合併症の指標を示す、ユーザデバイスのグラフィカルユーザインタフェースに表示するためのメッセージを生成するステップを含んでよい。９２５の動作は、本明細書に開示される例に従って実行されてよい。いくつかの例では、９２５の動作の態様は、図７を参照して説明したように、ユーザインタフェース構成要素７４５によって実行されてよい。

図１０は、本開示の態様による、ウェアラブルベースの生理学的データからの妊娠関連合併症の識別及び予測する方法１０００を示すフローチャートである。方法１０００の動作は、本明細書で説明されるように、ユーザデバイス又はその構成要素によって実装されてよい。例えば方法１０００の動作は、図１から図８を参照して説明したようなユーザデバイスによって実行されてもよい。いくつかの例では、ユーザデバイスは、説明された機能を実行するようにユーザデバイスの機能要素を制御する命令のセットを実行してもよい。追加的又は代替的に、ユーザデバイスは、専用ハードウェアを使用して、説明された機能の態様を実行してもよい。

１００５において、本方法は、ウェアラブルデバイスから、妊娠しているユーザに関連付けられる生理学的データを受信するステップを含んでよく、生理学的データは、少なくとも体温データを含む。１１０５の動作は、本明細書に開示される例に従って実行されてよい。いくつかの例では、１１０５の動作の態様は、図７を参照して説明したように、データ取得構成要素７２５によって実行されてよい。

１０１０において、本方法は、受信した体温データに少なくとも部分的に基づいて、複数日にわたって取得される複数の体温値の時系列を決定するステップを含んでよい。１０１０の動作は、本明細書に開示される例に従って実行されてよい。いくつかの例では、１０１０の動作の態様は、図７を参照して説明したように、体温データ構成要素７３０によって実行されてよい。

１０１５において、本方法は、時系列を決定することに少なくとも部分的に基づいて、体温値の妊娠ベースラインに対する複数の体温値の時系列における偏差を計算するステップを含んでもよく、ここで、偏差は、時間の第１部分についての体温値の妊娠ベースラインからの複数の体温値の減少と、第１部分に続く時間の第２部分についての体温値の妊娠ベースラインからの複数の体温値の増加とを含み、複数の体温値が体温値の妊娠ベースラインから逸脱していることを識別することは、偏差を計算することに少なくとも部分的に基づいている。１０１５の動作は、本明細書に開示された例に従って実行されてもよい。いくつかの例では、１０１５の動作の態様は、図７を参照して説明したような偏差構成要素７３５によって実行されてもよい。

１０２０において、本方法は、時系列を決定したことに少なくとも部分的に基づいて、複数の体温値が、ユーザの体温値の妊娠ベースラインから逸脱していることを識別するステップを含んでよい。１０２０の動作は、本明細書に開示される例に従って実行されてよい。いくつかの例では、１０２０の動作の態様は、図７を参照して説明したように、偏差構成要素７３５によって実行されてよい。

１０２５において、本方法は、複数の体温値がユーザの体温値の妊娠ベースラインから逸脱していることを識別したことに少なくとも部分的に基づいて、ユーザの１つ以上の妊娠合併症の指標を検出するステップを含んでよい。１０２５の動作は、本明細書に開示される例に従って実行されてよい。いくつかの例では、１０２５の動作の態様は、図７を参照して説明したように、合併症構成要素７４０によって実行されてよい。

１０３０において、本方法は、１つ以上の妊娠合併症の指標を示す、ユーザデバイスのグラフィカルユーザインタフェースに表示するためのメッセージを生成するステップを含んでよい。１０３０の動作は、本明細書に開示される例に従って実行されてよい。いくつかの例では、１０３０の動作の態様は、図７を参照して説明したように、ユーザインタフェース構成要素７４５によって実行されてよい。

図１１は、本開示の態様による、ウェアラブルベースの生理学的データからの妊娠関連合併症の識別及び予測する方法１１００を示すフローチャートである。方法１１００の動作は、本明細書で説明されるように、ユーザデバイス又はその構成要素によって実装されてよい。例えば方法１１００の動作は、図１から図８を参照して説明したようなユーザデバイスによって実行されてもよい。いくつかの例では、ユーザデバイスは、説明された機能を実行するようにユーザデバイスの機能要素を制御する命令のセットを実行してもよい。追加的又は代替的に、ユーザデバイスは、専用ハードウェアを使用して、説明された機能の態様を実行してもよい。

１１０５において、本方法は、ウェアラブルデバイスから、妊娠しているユーザに関連付けられる生理学的データを受信するステップを含んでよく、生理学的データは、少なくとも体温データを含む。１１１５の動作は、本明細書に開示される例に従って実行されてよい。いくつかの例では、１１１５の動作の態様は、図７を参照して説明したように、データ取得構成要素７２５によって実行されてよい。

１１１０において、本方法は、受信した体温データに少なくとも部分的に基づいて、複数日にわたって取得される複数の体温値の時系列を決定するステップを含んでよい。１１１０の動作は、本明細書に開示される例に従って実行されてよい。いくつかの例では、１１１０の動作の態様は、図７を参照して説明したように、体温データ構成要素７３０によって実行されてよい。

１１１５において、本方法は、時系列を決定したことに少なくとも部分的に基づいて、複数の体温値がユーザの体温値の妊娠ベースラインから逸脱していることを識別するステップを含んでもよい。１１１５の動作は、本明細書に開示された例に従って実行されてもよい。いくつかの例では、１１１５の動作の態様は、図７を参照して説明したような偏差構成要素７３５によって実行されてもよい。

１１２０において、本方法は、１つ以上の妊娠合併症、１つ以上の妊娠症状又はその両方の確認を受信するステップを含んでよく、ここで、１つ以上の妊娠合併症の指標を検出することは、確認を受信することに少なくとも部分的に基づく。１１２０の動作は、本明細書に開示される例に従って実行されてよい。いくつかの例では、１１２０の動作の態様は、図７を参照して説明したように、ユーザインタフェース構成要素７４５によって実行されてよい。

１１２５において、本方法は、複数の体温値がユーザの体温値の妊娠ベースラインから逸脱していることを識別したことに少なくとも部分的に基づいて、ユーザの１つ以上の妊娠合併症の指標を検出するステップを含んでよい。１１２５の動作は、本明細書に開示される例に従って実行されてよい。いくつかの例では、１１２５の動作の態様は、図７を参照して説明したように、合併症構成要素７４０によって実行されてよい。

１１３０において、本方法は、１つ以上の妊娠合併症の指標を示す、ユーザデバイスのグラフィカルユーザインタフェースに表示するためのメッセージを生成するステップを含んでよい。１１３０の動作は、本明細書に開示される例に従って実行されてよい。いくつかの例では、１１３０の動作の態様は、図７を参照して説明したように、ユーザインタフェース構成要素７４５によって実行されてよい。

上記の方法は、可能な実装を説明しており、動作及びステップは、再配置又は他の方法で修正されてよく、他の実装も可能であることに留意されたい。さらに、上記の方法のうちの２つ以上からの態様を組み合わせてもよい。

方法を説明する。本方法は、ウェアラブルデバイスから、妊娠しているユーザに関連付けられる生理学的データを受け取るステップであって、生理学的データは、少なくとも体温データを含むステップと、受け取った体温データに少なくとも部分的に基づいて、複数日にわたって取得された複数の体温値の時系列を決定するステップと、時系列を決定したことに少なくとも部分的に基づいて、複数の体温値が、ユーザの体温値の妊娠ベースラインから逸脱していることを識別するステップと、複数の体温値が、ユーザの体温値の妊娠ベースラインから逸脱していることを識別したことに少なくとも部分的に基づいて、ユーザの１つ以上の妊娠合併症の指標を検出するステップと、１つ以上の妊娠合併症の指標を示す、ユーザデバイスのグラフィカルユーザインタフェースに表示するためのメッセージを生成するステップと、を含み得る。

装置を説明する。本装置は、プロセッサと、プロセッサに結合されたメモリと、メモリに記憶された命令を含み得る。命令は、プロセッサによって実行可能であり、本装置に、ウェアラブルデバイスから、妊娠しているユーザに関連付けられる生理学的データを受け取らせ、生理学的データは、少なくとも体温データを含み、受け取った体温データに少なくとも部分的に基づいて、複数日にわたって取得された複数の体温値の時系列を決定させ、時系列を決定したことに少なくとも部分的に基づいて、複数の体温値が、ユーザの体温値の妊娠ベースラインから逸脱していることを識別させ、複数の体温値が、ユーザの体温値の妊娠ベースラインから逸脱していることを識別したことに少なくとも部分的に基づいて、ユーザの１つ以上の妊娠合併症の指標を検出させ、１つ以上の妊娠合併症の指標を示す、ユーザデバイスのグラフィカルユーザインタフェースに表示するためのメッセージを生成させ得る。

別の装置を説明する。本装置は、ウェアラブルデバイスから、妊娠しているユーザに関連付けられる生理学的データを受け取るための手段であって、生理学的データは、少なくとも体温データを含む手段と、受け取った体温データに少なくとも部分的に基づいて、複数日にわたって取得された複数の体温値の時系列を決定するための手段と、時系列を決定したことに少なくとも部分的に基づいて、複数の体温値が、ユーザの体温値の妊娠ベースラインから逸脱していることを識別するための手段と、複数の体温値が、ユーザの体温値の妊娠ベースラインから逸脱していることを識別したことに少なくとも部分的に基づいて、ユーザの１つ以上の妊娠合併症の指標を検出するための手段と、１つ以上の妊娠合併症の指標を示す、ユーザデバイスのグラフィカルユーザインタフェースに表示するためのメッセージを生成するための手段とを含み得る。

非一時的コンピュータ読取可能媒体を説明する。コードは、プロセッサによって実行可能な命令であって、ウェアラブルデバイスから、妊娠しているユーザに関連付けられる生理学的データを受け取り、生理学的データは、少なくとも体温データを含み、受け取った体温データに少なくとも部分的に基づいて、複数日にわたって取得された複数の体温値の時系列を決定し、時系列を決定したことに少なくとも部分的に基づいて、複数の体温値が、ユーザの体温値の妊娠ベースラインから逸脱していることを識別し、複数の体温値が、ユーザの体温値の妊娠ベースラインから逸脱していることを識別したことに少なくとも部分的に基づいて、ユーザの１つ以上の妊娠合併症の指標を検出し、１つ以上の妊娠合併症の指標を示す、ユーザデバイスのグラフィカルユーザインタフェースに表示するためのメッセージを生成するための命令を含み得る。

本明細書で説明される方法、装置及び非一時的コンピュータ読取可能媒体のいくつかの例は、時系列を決定することに少なくとも部分的に基づいて、体温値の妊娠ベースラインに対する複数の体温値の時系列における偏差を計算するための動作、特徴、手段又は命令を更に含んでもよく、偏差は、時間の第１部分の間の体温値の妊娠ベースラインからの複数の体温値の減少と、第１部分に続く時間の第２部分の間の体温値の妊娠ベースラインからの複数の体温値の増加とを含み、複数の体温値がユーザの体温値の妊娠ベースラインから逸脱していることを識別することは、偏差を計算することに少なくとも部分的に基づいてよい。

本明細書で説明される方法、装置及び非一時的コンピュータ読取可能媒体のいくつかの例は、生理学的データを受信したことに少なくとも部分的に基づいて、フォトプレチスモグラフィ波形の収縮期及び拡張期変曲点のフォトプレチスモグラフィ振幅変化を計算し、フォトプレチスモグラフィ振幅変化を計算したことに少なくとも部分的に基づいて、フォトプレチスモグラフィ反射指数の値が妊娠ベースラインのフォトプレチスモグラフィ反射指数の値よりも大きいことを識別するための動作、特徴、手段又は命令を更に含んでもよい。

本明細書で説明される方法、装置及び非一時的コンピュータ読取可能媒体のいくつかの例において、生理学的データは心拍数データを更に含み、方法、装置及び非一時的コンピュータ読取可能媒体は、複数日の少なくとも一部の間に、受け取った心拍数データがユーザの妊娠ベースライン心拍数を超えることを決定するための動作、特徴、手段又は命令を更に含んでもよく、１つ以上の妊娠合併症の指標を検出することは、受け取った心拍数データがユーザの妊娠ベースライン心拍数を超えることを決定することに少なくとも部分的に基づいてよい。

本明細書で説明される方法、装置及び非一時的コンピュータ読取可能媒体のいくつかの例において、生理学的データは心拍数変動データを更に含み、方法、装置及び非一時的コンピュータ読取可能媒体は、複数日の少なくとも一部の間に、受け取った心拍数変動データが、ユーザの妊娠ベースライン心拍数変動より小さいことを決定するための動作、特徴、手段又は命令を更に含んでもよく、１つ以上の妊娠合併症の指標を検出するステップは、受け取った心拍数変動データがユーザの妊娠ベースライン心拍数変動より小さいことを決定することに少なくとも部分的に基づいてよい。

本明細書で説明される方法、装置及び非一時的コンピュータ読取可能媒体のいくつかの例において、生理学的データは低周波心拍数変動データを更に含み、方法、装置及び非一時的コンピュータ読取可能媒体は、複数日の少なくとも一部の間に、受け取った低周波心拍数変動データがユーザの妊娠ベースライン低周波心拍数変動を超えることを決定するための動作、特徴、手段又は命令を更に含んでもよく、１つ以上の妊娠合併症の指標を検出することは、受け取った低周波心拍数変動データがユーザの妊娠ベースライン低周波心拍数変動を超えることを決定することに少なくとも部分的に基づいてよい。

本明細書で説明される方法、装置及び非一時的コンピュータ読取可能媒体のいくつかの例において、生理学的データは呼吸数データを更に含み、方法、装置及び非一時的コンピュータ読取可能媒体は、複数日の少なくとも一部の間に、受け取った呼吸数データがユーザの妊娠ベースライン呼吸数を超えることを決定するための動作、特徴、手段又は命令を更に含んでもよく、１つ以上の妊娠合併症の指標を検出することは、受け取った呼吸数データがユーザの妊娠ベースライン呼吸数を超えることを決定することに少なくとも部分的に基づいてよい。

本明細書で説明される方法、装置及び非一時的コンピュータ読取可能媒体のいくつかの例において、生理学的データは血中酸素飽和度データを更に含み、方法、装置及び非一時的コンピュータ読取可能媒体は、複数日の少なくとも一部の間に、受け取った血中酸素飽和度データがユーザの妊娠ベースライン血中酸素飽和度よりも低いことを決定するための動作、特徴、手段又は命令を更に含んでもよく、１つ以上の妊娠合併症の指標を検出することは、受け取った血中酸素飽和度データが、ユーザの妊娠ベースライン血中酸素飽和度よりも低いことを決定することに少なくとも部分的に基づいてよい。

本明細書で説明される方法、装置及び非一時的コンピュータ読取可能媒体のいくつかの例は、１つ以上の妊娠合併症、１つ以上の妊娠症状又はその両方の確認を受け取るための動作、特徴、手段又は命令を更に含んでもよく、１つ以上の妊娠合併症の指標を検出することは、確認を受け取ることに少なくとも部分的に基づいてよい。

本明細書で説明される方法、装置及び非一時的コンピュータ読取可能媒体のいくつかの例は、体温データを受け取ることに少なくとも部分的に基づいて、複数の体温値の各体温値を決定するための動作、特徴、手段又は命令を更に含んでもよく、体温データは、連続的な夜間の体温データを含む。

本明細書で説明される方法、装置及び非一時的コンピュータ読取可能媒体のいくつかの例は、複数の体温値が体温値の妊娠ベースラインから逸脱していることを識別したことに少なくとも部分的に基づいて、将来の妊娠合併症の可能性を推定するための動作、特徴、手段又は命令を更に含んでもよい。

本明細書で説明される方法、装置及び非一時的コンピュータ読取可能媒体のいくつかの例は、１つ以上の妊娠合併症の指標を検出したことに少なくとも部分的に基づいて、ユーザに関連付けられる準備スコア、ユーザに関連付けられる活動スコア、ユーザに関連付けられる睡眠スコア又はそれらの組合せを更新するための動作、特徴、手段又は命令を更に含んでもよい。

本明細書で説明される方法、装置及び非一時的コンピュータ読取可能媒体のいくつかの例は、１つ以上の妊娠合併症の指標を示すメッセージをユーザデバイスに送信するための動作、特徴、手段又は命令を更に含んでもよく、ユーザデバイスは臨床医、ユーザ又はその両方に関連付けられる。

本明細書で説明される方法、装置及び非一時的コンピュータ読取可能媒体のいくつかの例は、１つ以上の妊娠合併症の指標を検出したことに少なくとも部分的に基づいて、ユーザに関連付けられるユーザデバイスのグラフィカルユーザインタフェースに妊娠合併症の症状タグを表示させるための動作、特徴、手段又は命令を更に含んでもよい。

本明細書で説明される方法、装置及び非一時的コンピュータ読取可能媒体のいくつかの例は、ユーザに関連付けられるユーザデバイスのグラフィカルユーザインタフェースに、１つ以上の妊娠合併症の指標に関連付けられるメッセージを表示させるための動作、特徴、手段又は命令を更に含んでもよい。

本明細書で説明される方法、装置及び非一時的コンピュータ読取可能媒体のいくつかの例において、メッセージは、１つ以上の妊娠合併症が起こった時間間隔、１つ以上の妊娠合併症が起こると予測される時間間隔、１つ以上の妊娠合併症に関連付けられる症状を入力する要求、１つ以上の妊娠合併症に関連付けられる教育コンテンツ、睡眠目標の調整されたセット、活動目標の調整されたセット、１つ以上の妊娠合併症に関連付けられる症状を改善するための推奨、臨床医に相談するための推奨又はこれらの組合せを更に含む。

本明細書で説明される方法、装置及び非一時的コンピュータ読取可能媒体のいくつかの例は、生理学的データを機械学習分類器に入力するための動作、特徴、手段又は命令を更に含んでもよく、１つ以上の妊娠合併症の指標を検出することは、生理学的データを機械学習分類器に入力することに少なくとも部分的に基づいてよい。

本明細書で説明される方法、装置及び非一時的コンピュータ読取可能媒体のいくつかの例において、１つ以上の妊娠合併症は、既存の慢性高血圧、妊娠高血圧、子癇前症、子癇、心血管代謝障害、妊娠糖尿病、感染症又はこれらの組合せを含む。

本明細書で説明される方法、装置及び非一時的コンピュータ読取可能媒体のいくつかの例において、ウェアラブルデバイスは、ウェアラブルリングデバイスを含む。

本明細書で説明される方法、装置及び非一時的コンピュータ読取可能媒体のいくつかの例において、ウェアラブルデバイスは、動脈血流に基づいて、ユーザから生理学的データを収集する。

以下は、本開示の態様の概要を提供する：

態様１：ウェアラブルデバイスから、妊娠しているユーザに関連付けられる生理学的データを受け取るステップであって、前記生理学的データは、少なくとも体温データを含むステップと；受け取った体温データに少なくとも部分的に基づいて、複数日にわたって取得された複数の体温値の時系列を決定するステップと；前記時系列を決定したことに少なくとも部分的に基づいて、前記複数の体温値が、前記ユーザの体温値の妊娠ベースラインから逸脱していることを識別するステップと；前記複数の体温値が、前記ユーザの体温値の前記妊娠ベースラインから逸脱していることを識別したことに少なくとも部分的に基づいて、前記ユーザの１つ以上の妊娠合併症の指標を検出するステップと；前記１つ以上の妊娠合併症の指標を示す、ユーザデバイスのグラフィカルユーザインタフェースに表示するためのメッセージを生成するステップと；を含む、方法。

態様２：前記時系列を決定することに少なくとも部分的に基づいて、前記体温値の妊娠ベースラインに対する前記複数の体温値の前記時系列における偏差を計算するステップを更に含み、前記偏差は、時間の第１部分の間の前記体温値の妊娠ベースラインからの前記複数の体温値の減少と、前記第１部分に続く時間の第２部分の間の前記体温値の妊娠ベースラインからの前記複数の体温値の増加とを含み、前記複数の体温値が、前記ユーザの前記体温値の妊娠ベースラインから逸脱していることを識別するステップは、前記偏差を計算することに少なくとも部分的に基づく、態様１に記載の方法。

態様３：前記生理学的データを受信したことに少なくとも部分的に基づいて、フォトプレチスモグラフィ波形の収縮期及び拡張期変曲点のフォトプレチスモグラフィ振幅変化を計算するステップと、前記フォトプレチスモグラフィ振幅変化を計算したことに少なくとも部分的に基づいて、フォトプレチスモグラフィ反射指数の値が妊娠ベースラインのフォトプレチスモグラフィ反射指数の値よりも大きいことを識別するステップと、を更に含む態様１又は２に記載の方法。

態様４：前記生理学的データは心拍数データを更に含み、当該方法は、前記複数日の少なくとも一部の間に、受け取った心拍数データが前記ユーザの妊娠ベースライン心拍数を超えることを決定するステップを更に含み、前記１つ以上の妊娠合併症の指標を検出するステップは、前記受け取った心拍数データが前記ユーザの前記妊娠ベースライン心拍数を超えることを決定することに少なくとも部分的に基づく、態様１乃至３のいずれかに記載の方法。

態様５：前記生理学的データは心拍数変動データを更に含み、当該方法は、前記複数日の少なくとも一部の間に、受け取った心拍数変動データが、前記ユーザの妊娠ベースライン心拍数変動より小さいことを決定するステップを更に含み、前記１つ以上の妊娠合併症の指標を検出するステップは、前記受け取った心拍数変動データが前記ユーザの妊娠ベースライン心拍数変動より小さいことを決定することに少なくとも部分的に基づく、態様１乃至４のいずれかに記載の方法。

態様６：前記生理学的データは低周波心拍数変動データを更に含み、当該方法は、前記複数日の少なくとも一部の間に、受け取った低周波心拍数変動データが前記ユーザの妊娠ベースライン低周波心拍数変動を超えることを決定するステップを更に含み、前記１つ以上の妊娠合併症の指標を検出するステップは、前記受け取った低周波心拍数変動データが前記ユーザの前記妊娠ベースライン低周波心拍数変動を超えることを決定することに少なくとも部分的に基づく、態様１乃至５のいずれかに記載の方法。

態様７：前記生理学的データは呼吸数データを更に含み、当該方法は、前記複数日の少なくとも一部の間に、受け取った呼吸数データが前記ユーザの妊娠ベースライン呼吸数を超えることを決定するステップを更に含み、前記１つ以上の妊娠合併症の指標を検出するステップは、前記受け取った呼吸数データが前記ユーザの前記妊娠ベースライン呼吸数を超えることを決定することに少なくとも部分的に基づく、態様１乃至６のいずれかに記載の方法。

態様８：前記生理学的データは血中酸素飽和度データを更に含み、当該方法は、前記複数日の少なくとも一部の間に、受け取った血中酸素飽和度データが前記ユーザの妊娠ベースライン血中酸素飽和度よりも低いことを決定するステップを更に含み、前記１つ以上の妊娠合併症の指標を検出するステップは、前記受け取った血中酸素飽和度データが、前記ユーザの前記妊娠ベースライン血中酸素飽和度よりも低いことを決定することに少なくとも部分的に基づく、態様１乃至７のいずれかに記載の方法。

態様９：前記１つ以上の妊娠合併症、１つ以上の妊娠症状又はその両方の確認を受け取るステップを更に含み、前記１つ以上の妊娠合併症の指標を検出するステップは、前記確認を受け取ることに少なくとも部分的に基づく、態様１乃至８のいずれかに記載の方法。

態様１０：前記体温データを受け取ることに少なくとも部分的に基づいて、前記複数の体温値の各体温値を決定するステップを更に含み、前記体温データは、連続的な夜間の体温データを含む、態様１乃至９のいずれかに記載の方法。

態様１１：前記複数の体温値が前記体温値の妊娠ベースラインから逸脱していることを識別したことに少なくとも部分的に基づいて、将来の妊娠合併症の可能性を推定するステップを更に含む、態様１乃至１０のいずれかに記載の方法。

態様１２：前記１つ以上の妊娠合併症の指標を検出したことに少なくとも部分的に基づいて、前記ユーザに関連付けられる準備スコア、前記ユーザに関連付けられる活動スコア、前記ユーザに関連付けられる睡眠スコア又はそれらの組合せを更新するステップを更に含む、態様１乃至１１のいずれかに記載の方法。

態様１３：前記１つ以上の妊娠合併症の指標を示すメッセージを前記ユーザデバイスに送信するステップを更に含み、前記ユーザデバイスは臨床医、前記ユーザ又はその両方に関連付けられる、態様１乃至１２のいずれかに記載の方法。

態様１４：前記１つ以上の妊娠合併症の指標を検出したことに少なくとも部分的に基づいて、前記ユーザに関連付けられるユーザデバイスのグラフィカルユーザインタフェースに妊娠合併症の症状タグを表示させるステップを更に含む、態様１乃至１３のいずれかに記載の方法。

態様１５：前記ユーザに関連付けられるユーザデバイスのグラフィカルユーザインタフェースに、前記１つ以上の妊娠合併症の指標に関連付けられるメッセージを表示させるステップを更に含む、態様１乃至１４のいずれかに記載の方法。

態様１６：前記メッセージは、前記１つ以上の妊娠合併症が起こった時間間隔、前記１つ以上の妊娠合併症が起こると予測される時間間隔、前記１つ以上の妊娠合併症に関連付けられる症状を入力する要求、前記１つ以上の妊娠合併症に関連付けられる教育コンテンツ、睡眠目標の調整されたセット、活動目標の調整されたセット、前記１つ以上の妊娠合併症に関連付けられる症状を改善するための推奨、臨床医に相談するための推奨又はこれらの組合せを更に含む、態様１５に記載の方法。

態様１７：前記生理学的データを機械学習分類器に入力するステップを更に含み、前記１つ以上の妊娠合併症の指標を検出するステップは、前記生理学的データを前記機械学習分類器に入力することに少なくとも部分的に基づく、態様１乃至１６のいずれかに記載の方法。

態様１８：前記１つ以上の妊娠合併症は、既存の慢性高血圧、妊娠高血圧、子癇前症、子癇、心血管代謝障害、妊娠糖尿病、感染症又はこれらの組合せを含む、態様１乃至１７のいずれかに記載の方法。

態様１９：前記ウェアラブルデバイスは、ウェアラブルリングデバイスを含む、態様１乃至１８のいずれかに記載の方法。

態様２０：前記ウェアラブルデバイスは、動脈血流に基づいて、前記ユーザから前記生理学的データを収集する、態様１乃至１９のいずれかに記載の方法。

態様２１：装置であって：プロセッサと；前記プロセッサに結合されたメモリと；前記メモリに記憶され、前記プロセッサによって実行可能であり、当該装置に、態様１乃至２０のいずれかに記載の方法を実行させる命令と；を備える、装置。

態様２２：態様１乃至２０のいずれかに記載の方法を実行するための少なくとも１つの手段を備える装置。

態様２３：コードを記憶する非一時的コンピュータ読取可能媒体であって、前記コードは、態様１乃至２０のいずれかに記載の方法を実行するためにプロセッサによって実行可能な命令を備える、非一時的コンピュータ読取可能媒体。

添付図面に関連して、本明細書で説明される説明は、例示的な構成を記載しており、実装され得るか又は特許請求の範囲内にあるすべての例を表すものではない。本明細書で使用される「例示的」という用語は、「例、例示又は説明として機能する」ことを意味し、「好ましい」又は「他の例より有利である」ことを意味しない。詳細な説明は、記載される技術の理解を提供する目的のための特定の詳細を含む。しかしながら、これらの技術は、これらの特定の詳細なしに実施されてもよい。いくつかの例では、記載される例の概念を不明瞭にすることを避けるために、周知の構造及びデバイスがブロック図の形式で示されている。

添付の図面では、類似の構成要素又は特徴は、同じ参照ラベルを有することがある。さらに、同じタイプの様々な構成要素は、ハイフンによって参照ラベルの後に続き、類似の構成要素を区別する第２ラベルによって区別されることがある。明細書において第１参照ラベルのみが使用される場合、説明は、第２参照ラベルに関係なく、同じ第１参照ラベルを有する類似の構成要素の任意の１つに適用可能である。

本明細書で説明される情報及び信号は、様々な異なるテクノロジ及び技術のいずれかを使用して表されてもよい。例えば上記の説明を通して参照され得るデータ、命令、コマンド、情報、信号、ビット、シンボル及びチップは、電圧、電流、電磁波、磁場又は粒子、光学場又は粒子、あるいはそれらの任意の組合せによって表されてもよい。

本明細書の開示に関連して説明される様々な例示のブロック及びモジュールは、汎用プロセッサ、ＤＳＰ、ＡＳＩＣ、ＦＰＧＡ又は他のプログラマブル論理デバイス、離散ゲート又はトランジスタ論理、離散ハードウェア構成要素、あるいは本明細書に説明される機能を実行するように設計されたそれらの任意の組合せで実装又は実行されてもよい。汎用プロセッサはマイクロプロセッサであってもよいが、代替的に、プロセッサは、任意の従来のプロセッサ、コントローラ、マイクロコントローラ又は状態マシンであってもよい。プロセッサはまた、コンピューティングデバイスの組合せ（例えばＤＳＰとマイクロプロセッサの組合せ、複数のマイクロプロセッサ、ＤＳＰコアと関連する１つ以上のマイクロプロセッサ又は任意の他のそのような構成）として実装されてもよい。

本明細書で説明される機能は、ハードウェア、プロセッサによって実行されるソフトウェア、ファームウェア又はそれらの任意の組合せで実装されてよい。プロセッサによって実行されるソフトウェアで実装される場合、機能は、コンピュータ読取可能媒体上の１つ以上の命令又はコードとして記憶されるか又は伝送され得る。他の例及び実装は、本開示の範囲及び添付の特許請求の範囲内である。例えばソフトウェアの性質により、上述の機能は、プロセッサ、ハードウェア、ファームウェア、ハードワイヤリング又はこれらの任意の組合せによって実行されるソフトウェアを使用して実装することができる。機能を実装する特徴はまた、機能の一部が異なる物理的位置で実装されるように分散されることを含め、物理的に様々な位置に配置されてもよい。また、特許請求の範囲を含め、本明細書中で使用されるとき、項目のリスト（例えば「のうちの少なくとも１つ」又は「のうちの１つ以上」のような句が前にある項目のリスト）で使用される「又は（or）」は、例えばＡ、Ｂ、又はＣのうちの少なくとも１つのリストが、Ａ又はＢ又はＣ又はＡＢ又はＡＣ又はＢＣ又はＡＢＣ（すなわち、ＡとＢとＣ）を意味するような包括的なリストを示す。また、本明細書で使用されるとき、「に基づいて」という句は、条件のクローズなセットを指すように解釈されないものとする。例えば「条件Ａに基づいて」として記載される例示的なステップは、本開示の範囲から逸脱することなく、条件Ａ及び条件Ｂの両方に基づいてもよい。言い換えると、本明細書で使用されるとき、「に基づいて」という句は、「少なくとも部分的に基づいて」という句と同じ方法で解釈されるものとする。

コンピュータ読取可能媒体は、非一時的コンピュータ記憶媒体と、ある場所から別の場所へのコンピュータプログラムの転送を容易にする任意の媒体を含む通信媒体との両方を含む。非一時的記憶媒体は、汎用又は専用コンピュータによってアクセスされ得る任意の利用可能な媒体であってよい。限定ではなく例として、非一時的コンピュータ読取可能媒体は、ＲＡＭ、ＲＯＭ、電気的消去可能なプログラム可能ＲＯＭ（ＥＥＰＲＯＭ）、コンパクトディスク（ＣＤ）ＲＯＭ又は他の光ディスクストレージ、磁気ディスクストレージ又は他の磁気ストレージデバイス、あるいは命令又はデータ構造の形式で所望のプログラムコード手段を搬送又は記憶するために使用することができ、かつ汎用若しくは専用コンピュータ又は汎用若しくは専用プロセッサによってアクセスすることができる、任意の他の非一時的媒体を含むことができる。また、任意の接続は、適切には、コンピュータ読取可能媒体と呼ばれる。例えばソフトウェアが、同軸ケーブル、光ファイバケーブル、ツイストペア、デジタル加入者線（ＤＳＬ）、又は赤外線や無線、マイクロ波のような無線技術を使用して、ウェブサイト、サーバ又は他のリモートソースから送信される場合、その同軸ケーブル、光ファイバケーブル、ツイストペア、ＤＳＬ、又は赤外線や無線、マイクロ波のような無線技術は媒体の定義に含まれる。本明細書で使用されるときディスク（ｄｉｓｋ又はｄｉｓｃ）は、ＣＤ、レーザディスク、光ディスク、デジタル多用途ディスク（ＤＶＤ）、フロッピーディスク及びブルーレイ（登録商標）ディスクを含むが、ここで、ディスク（ｄｉｓｋ）は通常、データを磁気的に再生し、一方、ディスク（ｄｉｓｃ）はレーザーを用いてデータを光学的に再生する。上記の組合せも、コンピュータ読取可能媒体の範囲内に含まれる。

本明細書における説明は、当業者が本開示を作成又は使用することを可能にするために提供される。本開示に対する様々な修正は、当業者には容易に明らかとなり、本明細書に定義される一般的な原理は、本開示の範囲から逸脱することなく、他の変形に適用され得る。したがって、本開示は、本明細書で説明される実施例及び設計に限定されず、本明細書に開示される原理及び新規な特徴と一致する最も広い範囲が与えられるべきである。

Claims

ウェアラブルデバイスから、妊娠しているユーザに関連付けられる生理学的データを受け取るステップであって、前記生理学的データは、少なくとも体温データを含むステップと、
受け取った体温データに少なくとも部分的に基づいて、複数日にわたって取得された複数の体温値の時系列を決定するステップと、
前記時系列を決定したことに少なくとも部分的に基づいて、前記複数の体温値が、前記ユーザの体温値の妊娠ベースラインから逸脱していることを識別するステップと、
前記複数の体温値が、前記ユーザの体温値の前記妊娠ベースラインから逸脱していることを識別したことに少なくとも部分的に基づいて、前記ユーザの１つ以上の妊娠合併症の指標を検出するステップと、
前記１つ以上の妊娠合併症の指標を示す、ユーザデバイスのグラフィカルユーザインタフェースに表示するためのメッセージを生成するステップと、
を含む、方法。
前記時系列を決定したことに少なくとも部分的に基づいて、前記体温値の妊娠ベースラインに対する前記複数の体温値の前記時系列における偏差を計算するステップを更に含み、前記偏差は、時間の第１部分の間の前記体温値の妊娠ベースラインからの前記複数の体温値の減少と、前記第１部分に続く時間の第２部分の間の前記体温値の妊娠ベースラインからの前記複数の体温値の増加とを含み、前記複数の体温値が、前記ユーザの前記体温値の妊娠ベースラインから逸脱していることを識別するステップは、前記偏差を計算することに少なくとも部分的に基づく、
請求項１に記載の方法。
前記生理学的データを受信したことに少なくとも部分的に基づいて、フォトプレチスモグラフィ波形の収縮期及び拡張期変曲点のフォトプレチスモグラフィ振幅変化を計算するステップと、
前記フォトプレチスモグラフィ振幅変化を計算したことに少なくとも部分的に基づいて、フォトプレチスモグラフィ反射指数の値が妊娠ベースラインのフォトプレチスモグラフィ反射指数の値よりも大きいことを識別するステップと、
を更に含む、請求項１に記載の方法。
前記生理学的データは心拍数データを更に含み、当該方法は、
前記複数日の少なくとも一部の間に、受け取った心拍数データが前記ユーザの妊娠ベースライン心拍数を超えることを決定するステップを更に含み、前記１つ以上の妊娠合併症の指標を検出するステップは、前記受け取った心拍数データが前記ユーザの前記妊娠ベースライン心拍数を超えることを決定することに少なくとも部分的に基づく、
請求項１に記載の方法。
前記生理学的データは心拍数変動データを更に含み、当該方法は、
前記複数日の少なくとも一部の間に、受け取った心拍数変動データが、前記ユーザの妊娠ベースライン心拍数変動より小さいことを決定するステップを更に含み、前記１つ以上の妊娠合併症の指標を検出するステップは、前記受け取った心拍数変動データが前記ユーザの妊娠ベースライン心拍数変動より小さいことを決定することに少なくとも部分的に基づく、
請求項１に記載の方法。
前記生理学的データは低周波心拍数変動データを更に含み、当該方法は、
前記複数日の少なくとも一部の間に、受け取った低周波心拍数変動データが前記ユーザの妊娠ベースライン低周波心拍数変動を超えることを決定するステップを更に含み、前記１つ以上の妊娠合併症の指標を検出するステップは、前記受け取った低周波心拍数変動データが前記ユーザの前記妊娠ベースライン低周波心拍数変動を超えることを決定することに少なくとも部分的に基づく、
請求項１に記載の方法。
前記生理学的データは呼吸数データを更に含み、当該方法は、
前記複数日の少なくとも一部の間に、受け取った呼吸数データが前記ユーザの妊娠ベースライン呼吸数を超えることを決定するステップを更に含み、前記１つ以上の妊娠合併症の指標を検出するステップは、前記受け取った呼吸数データが前記ユーザの前記妊娠ベースライン呼吸数を超えることを決定することに少なくとも部分的に基づく、
請求項１に記載の方法。
前記生理学的データは血中酸素飽和度データを更に含み、当該方法は、
前記複数日の少なくとも一部の間に、受け取った血中酸素飽和度データが前記ユーザの妊娠ベースライン血中酸素飽和度よりも低いことを決定するステップを更に含み、前記１つ以上の妊娠合併症の指標を検出するステップは、前記受け取った血中酸素飽和度データが、前記ユーザの前記妊娠ベースライン血中酸素飽和度よりも低いことを決定することに少なくとも部分的に基づく、
請求項１に記載の方法。
前記１つ以上の妊娠合併症、１つ以上の妊娠症状又はその両方の確認を受け取るステップを更に含み、前記１つ以上の妊娠合併症の指標を検出するステップは、前記確認を受け取ることに少なくとも部分的に基づく、
請求項１に記載の方法。
前記体温データを受け取ったことに少なくとも部分的に基づいて、前記複数の体温値の各体温値を決定するステップを更に含み、前記体温データは、連続的な夜間の体温データを含む、
請求項１に記載の方法。
前記複数の体温値が前記体温値の妊娠ベースラインから逸脱していることを識別したことに少なくとも部分的に基づいて、将来の妊娠合併症の可能性を推定するステップを更に含む、
請求項１に記載の方法。
前記１つ以上の妊娠合併症の指標を検出したことに少なくとも部分的に基づいて、前記ユーザに関連付けられる準備スコア、前記ユーザに関連付けられる活動スコア、前記ユーザに関連付けられる睡眠スコア又はそれらの組合せを更新するステップを更に含む、
請求項１に記載の方法。
前記１つ以上の妊娠合併症の指標を示すメッセージを前記ユーザデバイスに送信するステップを更に含み、前記ユーザデバイスは臨床医、前記ユーザ又はその両方に関連付けられる、
請求項１に記載の方法。
前記１つ以上の妊娠合併症の指標を検出したことに少なくとも部分的に基づいて、前記ユーザに関連付けられるユーザデバイスのグラフィカルユーザインタフェースに妊娠合併症の症状タグを表示させるステップを更に含む、
請求項１に記載の方法。
前記ユーザに関連付けられるユーザデバイスのグラフィカルユーザインタフェースに、前記１つ以上の妊娠合併症の指標に関連付けられるメッセージを表示させるステップを更に含む、
請求項１に記載の方法。
前記メッセージは、前記１つ以上の妊娠合併症が起こった時間間隔、前記１つ以上の妊娠合併症が起こると予測される時間間隔、前記１つ以上の妊娠合併症に関連付けられる症状を入力する要求、前記１つ以上の妊娠合併症に関連付けられる教育コンテンツ、睡眠目標の調整されたセット、活動目標の調整されたセット、前記１つ以上の妊娠合併症に関連付けられる症状を改善するための推奨、臨床医に相談するための推奨又はこれらの組合せを更に含む、
請求項１５に記載の方法。
前記生理学的データを機械学習分類器に入力するステップを更に含み、前記１つ以上の妊娠合併症の指標を検出するステップは、前記生理学的データを前記機械学習分類器に入力することに少なくとも部分的に基づく、
請求項１に記載の方法。
前記１つ以上の妊娠合併症は、既存の慢性高血圧、妊娠高血圧、子癇前症、子癇、心血管代謝障害、妊娠糖尿病、感染症又はこれらの組合せを含む、
請求項１に記載の方法。
装置であって、
プロセッサと、
前記プロセッサに結合されたメモリと、
前記メモリに記憶され、前記プロセッサによって実行可能な命令であって、当該装置に、
ウェアラブルデバイスから、妊娠しているユーザに関連付けられる生理学的データを受け取らせ、前記生理学的データは、少なくとも体温データを含み、
受け取った体温データに少なくとも部分的に基づいて、複数日にわたって取得された複数の体温値の時系列を決定させ、
前記時系列を決定したことに少なくとも部分的に基づいて、前記複数の体温値が、前記ユーザの体温値の妊娠ベースラインから逸脱していることを識別させ、
前記複数の体温値が、前記ユーザの体温値の前記妊娠ベースラインから逸脱していることを識別したことに少なくとも部分的に基づいて、前記ユーザの１つ以上の妊娠合併症の指標を検出させ、
前記１つ以上の妊娠合併症の指標を示す、ユーザデバイスのグラフィカルユーザインタフェースに表示するためのメッセージを生成させる、
命令と、
を備える、装置。
コードを記憶する非一時的コンピュータ読取可能媒体であって、前記コードは、プロセッサによって実行可能な命令であって、
ウェアラブルデバイスから、妊娠しているユーザに関連付けられる生理学的データを受け取り、前記生理学的データは、少なくとも体温データを含み、
受け取った体温データに少なくとも部分的に基づいて、複数日にわたって取得された複数の体温値の時系列を決定し、
前記時系列を決定したことに少なくとも部分的に基づいて、前記複数の体温値が、前記ユーザの体温値の妊娠ベースラインから逸脱していることを識別し、
前記複数の体温値が、前記ユーザの体温値の前記妊娠ベースラインから逸脱していることを識別したことに少なくとも部分的に基づいて、前記ユーザの１つ以上の妊娠合併症の指標を検出し、
前記１つ以上の妊娠合併症の指標を示す、ユーザデバイスのグラフィカルユーザインタフェースに表示するためのメッセージを生成する、
ための命令を含む、非一時的コンピュータ読取可能媒体。