JP4895577B2

JP4895577B2 - 健康指導支援システム

Info

Publication number: JP4895577B2
Application number: JP2005331018A
Authority: JP
Inventors: 泰隆長谷川; 高伸大▲崎▼; 伴　　秀行
Original assignee: Hitachi Medical Corp
Current assignee: Hitachi Healthcare Manufacturing Ltd
Priority date: 2005-11-16
Filing date: 2005-11-16
Publication date: 2012-03-14
Anticipated expiration: 2025-11-16
Also published as: JP2007140720A

Description

本発明は，健診結果から疾病予防・健康増進のための情報を提示する健康指導支援システムに関する。

健診施設に蓄積された健診情報を分析し，その結果に基づいて将来発症の可能性のある疾病を予測し，健康指導を支援する健康指導支援システムがある。例えば，特許文献１では，検査値ランク，性，年齢階級，生活習慣パターン,家族歴別に健診データを階層化し，その値別に将来検査異常の発生するリスクを統計的に算出したルールデータを構築して，そのルールデータから指導対象者の健診結果に該当する検査異常発生リスクを求め，指導を行うシステムが紹介されている。

特開２００２−１８３６４７号公報

このように，健診結果の分析結果に基づいてリスクを表示して健康指導を行うシステムでは，健康指導を行う指導者の指導方針と一致した指導内容を健診結果から提示する必要がある。しかし，単独の健診施設が持つ健診データの量は必ずしも十分でない場合があることから，指導者の指導方針と一致しないリスクが表示される場合がある。特に，自施設の健診データを使用した場合，健診項目単項目では，指導したい指導方針と一致するリスクが表示されるが，複数の項目を組合せた場合にリスクが逆転する場合がある。例えば，年齢単項目では，４０代より５０代の方がリスクが高くなり，指導したい指導方針と一致するが，年齢と血糖値を組合せると血糖値が高い群では４０代より５０代の方がリスクが低くなり，この場合，指導したい指導方針と異なる結果となる。そのため，このような健康指導支援システムを構築する上では，指導者の指導方針と一致した指導内容を提示することが可能なルールデータを構築する必要がある。しかし，上記従来例では，このようなルールデータの作成方法について考慮されていなかった。
本発明の目的は，上記課題を解決し，指導者の指導方針と一致した指導内容を提示するルールデータを作成することが可能な健康指導支援システムを提供することにある。

上記課題を解決し，目的を実現するために，本発明の健康指導支援システムは，健診の項目の値または項目の値を演算して得られる値またはこれらを階層化して得られる値の組合せに対する発症率をルールとして算出するルールデータ作成手段と，健康指導を行う指導者の指導方針を反映した医学的モデルを作成する医学的モデル作成手段と，ルールデータの中から医学的モデルの傾向と異なるルールを削除候補として抽出する削除候補ルール抽出手段と，削除候補ルール抽出手段で抽出した削除候補ルールを削除するルール編集手段を有することを特徴としている。

さらに，本発明の健康指導支援システムは，ルールデータ作成手段で作成されたルールデータを医学的モデルの値に従って並べ替え，削除候補ルールの抽出準備をするルールデータソート手段を有することを特徴としている。

さらに，本発明の健康指導支援システムの削除候補ルール抽出手段は，ルールデータソート手段で並べ替えたルールデータの傾向を示す近似線を作成し，近似線からの距離に応じてルールを削除候補とすることを特徴としている。

さらに，本発明の健康指導支援システムは，削除候補ルール抽出手段で抽出したルールを表示する削除候補ルール表示手段を有することを特徴としている。

さらに，本発明の健康指導支援システムは，指導対象者の健診結果を入力する対象者健診結果入力手段と，ルール編集手段で削除候補ルールを削除したルールデータの中から，健診結果に該当するルールを検索するルール検索手段と，ルール検索手段で検索したルールを取得し，ルールの発症率を表示する指導内容表示手段とを有することを特徴としている。

さらに，本発明の健康指導支援システムのルールデータ作成手段は，相関ルールマイニングによる分析を行うことで，健診項目の値を組み合わせた条件部と条件部が示す条件を持つ人の発症率を有するルールを少なくとも一つ以上持つルールデータを作成することを特徴としている。

本発明の健康指導支援システムは，医学的モデル作成手段が，健康指導を行う指導者の指導方針を反映した医学的モデルを作成し，削除候補ルール抽出手段が，ルールデータの中からそのモデルの傾向と異なるルールを削除候補として抽出し，ルール編集手段が，抽出された削除候補ルールを削除するので，指導者の指導方針と一致した指導内容を提示することが可能なルールデータを作成できる効果がある。したがって，本発明の健康指導支援システムは，健診施設のデータ量が十分なくても，指導者の指導方針と一致した指導内容をその施設のデータから提示することができる効果がある。

以下，図面を参照しながら本発明の実施の形態を詳細に説明する。まず，図１〜図７，図１２を説明し，図８，図９で処理の流れを説明する。

図１は，本発明の実施例である健康指導支援システムの一構成例を示す図である。本実施例では，健康指導支援システムは１台のコンピュータ装置１０１で動作する。コンピュータ装置１０１は，ディスプレイなどの表示装置１０２，キーボードやマウスなどの入力装置１０３，演算や処理を行うＣＰＵ１０４，ハードディスクやメモリなどの記憶装置１０５などで構成される。記憶装置１０５には，健診結果が記録された健診データ１０６，医学的モデル作成用の健診データが記録されたモデル作成用健診データ１０７，作成された医学的モデルのモデルパラメータが格納されたモデルパラメータ１０８，健診項目の値を組合せた条件とその条件に対応した発症率を示すルールが格納されたルールデータ１０９，医学的モデルに従って並べ替えたルールデータが格納されたソート済みルールデータ１１０，医学的モデルの傾向と異なるルールがルールデータ１０９から削除され，指導の元として使用される指導用ルールデータ１１１が記録されている。さらに，記憶装置１０５には，健診データ１０６を用いてルールデータ１０９を作成するルールデータ作成手段１１７，モデル作成用健診データ１０７を用いて医学的モデルを作成する医学的モデル作成手段１１８，医学的モデルの値に従ってルールデータ１０９を並べ替えるルールデータソート手段１１９，医学的モデルの傾向と異なるルールを削除候補として抽出する削除候補ルール抽出手段１２０，削除候補ルール抽出手段１２０で抽出された削除候補ルールを表示する削除候補ルール表示手段１２１が記録されている。さらに，記憶装置１０５には，指導対象者の健診結果を入力する対象者健診結果入力手段１２２，指導内容を表示装置１０２に表示する指導内容表示手段１２４，指導用ルールデータ１１１から指導内容表示手段１２４で表示する指導内容のルールを検索するルール検索手段１２３，ルールデータ１０９からルールの削除などを行い，指導用ルールデータ１１１を作成するルール編集手段１２５が記録されている。記憶装置にある各手段（１１７〜１２５）は，必要に応じてＣＰＵ１０４に読み出され，実行される。

図２は，図１に示すルールデータ１０９の一例を示す図である。ここでは，糖尿病の発症率に関するルールを例として示している。条件部２０１が持つ複数の条件２１１〜２１４の組み合わせを持つ人の糖尿病の発症率２０２を記録している。

図３は，図１に示すモデルパラメータ１０８の一例を示す図である。健診項目３０１に対する医学的モデルのパラメータ３０３を記録している。ここでは，モデルとしてロジスティック回帰モデルを用いた場合を示しており，医学的モデルのパラメータ３０３は，以下のモデル式の係数Ｂ_ｉ３０２と変数ｘ_ｉ３０４となる。

図４は，図１に示すソート済みルールデータ１１０の一例を示す図である。入力条件４１０，医学的モデルに入力条件４１０を代入して求めた医学的モデルの値p(x)４１１，入力条件４１０を組合せた複数のルール（ルールの条件４１２〜４１４，発症率４１５〜４１７，発症者数と条件に該当する人数４１８）が記録されている。ここでは，ルールは，左から医学的モデルの値p(x)４１１の高い順に並べられ，さらに，入力条件を組合せた中で最も発症率の高いルールを指導内容として選択表示することを前提としているので，発症率の高い順に上から並べられている。つまり，一番上段のルールとなるルール〔1〕の発症率４１５は各入力条件が入力された場合に提示される発症率である。また，ルール４２１，ルール４２６のように，複数の入力条件に該当するルールは，重複して記録されている。

図５は，削除候補ルール表示手段１２１によって表示された削除候補ルール表示画面４００の一例を示す図である。図４に示すソート済みルールデータ１１０の中から，チェックの基準となるルール４２０を含むルール群４０１と医学的モデルの傾向と異なるため削除候補となるルール４２１を含むルール群４０２を表示している。ここで，削除候補となるルールは，チェックの基準となるルールの入力条件の１つを医学的モデルの値が低くなる方向に変えたにもかかわらず，発症率が高くなるルールである。この例の場合は，年齢を５０代から４０代に変えたにもかかわらず，ルール４２０（発症率９０％）より発症率が高くなるルール４２１（発症率９５％）を削除候補として表示している。また，削除ボタン４３０は，削除候補ルール４２１を削除する場合に押すボタンであり，スキップボタン４３１は，削除しない場合に押すボタンである。

図６は，図１に示す指導内容表示手段１２４が表示手段１０２に表示した指導画面の例を示す図であり，指導対象者の健診結果を入力する前の状態を示す図である。また，図７は，図１に示す指導内容表示手段１２４が表示手段１０２に表示した指導画面の例を示す図であり，指導対象者の健診結果から発症率を表示した状態を示す図である。指導画面７０１では，健診項目７２１〜７２７から条件を選択し，予測ボタン７１２を押すと，発症率表示欄７１１に発症率を表示する。７３１〜７３２は年齢を選択するボタン，７４１は身長入力欄，７５１〜７５２は体重を選択するボタン，７６１〜７６２は空腹時血糖値を選択するボタン，７７１〜７７２は喫煙習慣を選択するボタン，７８１〜７８２は飲酒習慣を選択するボタン，７９１〜７９２は両親兄弟などの家族の糖尿病歴を選択するボタンである。

図１２は，図１に示す指導用ルールデータ１１１の一例を示す図である。条件部１２０１が持つ複数の条件１２１１〜１２１４の組み合わせを持つ人の糖尿病の発症率１２０２を記録している。

図８，図９は，本発明の実施例の健康指導支援システムの処理の流れの一例を示すフローチャートである。図８は，健診データから指導用ルールデータを作成する処理の流れの一例を示すフローチャート，図９は，指導対象者に発症率を提示して指導する場合の処理の流れの一例を示すフローチャートである。ここでは，疾病として糖尿病を例に，図８を用いて説明する。指導用ルールデータ作成処理を開始すると（９０１），まず，ルールデータ作成ステップ９０２を行う。ルールデータ作成ステップ９０２では，ルールデータ作成手段１１７により，健診データ１０６に対して相関ルールマイニングによる分析を行い，健診項目の値または項目の値を演算して得られる値またはこれらを階層化して得られる値を組み合わせた条件部と条件部毎の糖尿病発症率を示したルールデータ１０９を導出する。ここで，糖尿病発症率は，複数年分の健診情報から，初回に糖尿病でない人を抽出し，その中で，その後糖尿病を発症した人の割合を求めたものである。糖尿病の発症は，例えば医師による判定の情報や空腹時血糖値が１２６ｍｇ／ｄｌ以上になった場合などで判断する。また，導出されたルールデータ１０９は，図２に示すように複数の条件を組み合わせた条件部２０１とその条件部を持つ人の糖尿病の発症率２０２を記録したデータである。例えば，ルール２２０は，年齢５０代，ＢＭＩ２５以上，血糖値１１０以上，家族歴ありという健診結果の人は，９０％の人が糖尿病を発症するというルールを示している。ルールデータ１０９はこのような様々な条件の組み合わせを持つルールを用意する。

次に，医学的モデル作成ステップ９０３を行う。医学的モデル作成ステップ９０３では，医学的モデル作成手段１１８により，モデル作成用健診データ１０７を用いて医学的モデルを作成する。ここでは，モデルとして，ロジスティック回帰モデルを用いて，上記モデル式の係数Ｂ_ｉ３０２と変数ｘ_ｉ３０４を示したモデルパラメータ１０８を導出する。また，モデル作成用健診データ１０７とは，ここでは，他の大規模健診施設の健診結果が記録された健診データである。

次に，ルールデータソートステップ９０４を行う。ルールデータソートステップ９０４では，ルールデータソート手段１１９により，図２に示すルールデータ１０９を医学的モデルの値p(x)４１１に従って並べ替える。まず，入力条件４１０を医学的モデルに代入し，医学的モデルの値p(x)４１１を求める。そして，左から医学的モデルの値p(x)４１１の高い順に，上から発症率の高い順にルールを並べ換え，図４に示すソート済みルールデータ１１０を導出する。

次に，チェックの基準ルール選択ステップ９０５を行う。チェックの基準ルール選択ステップ９０５では，削除候補ルール抽出手段１２０により，図４に示すソート済みルールデータから，チェックの基準となるルールを選択する。本例では，まず始めにソート済みルールデータの一番左上のルール４２０を選択し，その次は右隣のルールというように，右に向かって順番にチェックの基準となるルールを選択する。チェックの基準となるルールがある場合は，削除候補ルール抽出ステップ９０６へ，ない場合は健診結果入力ステップ９０８へと進む。

次に，削除候補ルール抽出ステップ９０６を行う。削除候補ルール抽出ステップ９０６では，削除候補ルール抽出手段１２０により，図４に示すソート済みルールデータ１１０から削除候補ルールを抽出する。まず，チェックの基準ルール選択ステップ９０５で選択したチェックの基準となるルールの発症率と，入力条件の１つを医学的モデルの値p(x)４１１が低くなる方向に変えた時のルールの発症率を比較する。そして，医学的モデルの傾向と異なるルールがある場合はそのルールを削除候補として抽出し，削除候補ルール表示ステップ９０７へ，ない場合は，チェックの基準ルール選択ステップ９０５へ進む。本例の場合は，チェックの基準となるルール４２０（発症率９０％）と，入力条件の１つとして，年齢の条件を医学的モデルの値p(x)４１１が低くなる方向に５０代から４０代へ変えた時のルール４２２（ルール（発症率９５％），ＢＭＩ２５以上を２５未満に変えた時のルール４２３（発症率８５％），血糖値１１０以上を１１０未満に変えた時のルール４２５（発症率６５％））を比較し，ルール４２０より発症率が高くなるルール４２２（発症率９５％）を削除候補として抽出する。
次に，削除候補ルール表示ステップ９０７を行う。削除候補ルール表示ステップ９０７では，削除候補ルール表示手段１２０により，削除候補ルール抽出ステップ９０６で抽出された削除候補ルールを削除候補ルール表示画面４００に表示する。削除候補ルール表示画面４００は，ソート済みルールデータ１１０の中から，チェックの基準となるルール４２０を含むルール群４０１と削除候補となるルール４２２を含むルール群４０２を表示する。操作者は，この削除候補ルール表示画面４００でルール間の発症率の差，発症者数，条件に該当する人数などを確認し，削除候補ルールを削除するかどうかの判断を行う。そして，削除候補ルールを削除する場合，操作者は削除ボタン４３０を押す。削除ボタン４３０が押されると，ルール削除ステップ９００が処理され，このステップではルール編集手段１２５がソート済みルールデータ１１０から削除候補ルールを削除する。このとき，ルール４２１，ルール４２６のように，複数の入力条件に該当するルールが削除候補として抽出された場合は，ソート済みルールデータ１１０から，そのルールの重複分も含めて全て削除する。そして，チェックの基準ルール選択ステップ９０５へ戻る。ここでは，削除すると，図４に示すソート済みルールデータ１１０からルール４２２が削除され，その下のルールが繰り上がる（ルール〔2〕のルール４２１がルール〔1〕のルール，ルール〔3〕のルールがルール〔2〕のルールというように繰り上がる）。また，削除しない場合は，スキップボタン４３１を押し，チェックの基準ルール選択ステップ９０５へ戻る。

そして，チェック基準ルール選択ステップ９０５，削除候補ルール抽出ステップ９０６，削除候補ルール表示ステップ９０７を，チェックの基準となるルールが無くなるまで繰り返し，ソート済みルールデータ１１０から医学的モデルの傾向と異なるルールを削除する。そして，指導用ルールデータ作成ステップ９０８で，ルール編集手段１２５が，ソート済みルールデータ１１０のルール〔1〕のみを用いて指導用ルールデータ１１１を作成する。ここでは，図４に示すソート済みルールデータ１１０からルール４２０，４２１，４２３，４２４，４２５を図１２に示す指導用ルールデータ１１１に格納する。そして，ルールデータ作成処理を終了（９０９）する。

続いて，図９が示す健診結果入力から発症率表示までの処理の流れの一例を示すフローチャートを説明する。この処理は，医師や保健師などの指導者が健診受診者などの指導対象者に発症率を提示して指導する場合の処理である。処理を開始すると（９１５），健診結果入力ステップ９１０を行う。健診結果入力ステップ９１０では，対象者健診結果入力手段１２２により，指導対象者の健診結果を入力する。まず，表示装置１０２に図６の画面を表示し，指導対象者の健診結果の入力を待つ。そして，操作者が指導対象者の健診結果を７２１〜７２７の健診項目についてボタンや入力欄を入力装置１０３の操作により入力し，予測ボタン７１２を押すと，対象者健診結果入力手段１２２は入力された条件を取得する。ここでは，対象者の健診結果は，年齢４０代（７３１），身長１７０ｃｍ，体重７２．３ｋｇ以上（７５２），血糖値１１０ｍｇ／ｄｌ以上（７６２），たばこ吸う（７７２），お酒飲む（７８２），家族歴あり（７９２）を入力したものとする。

次に，ルール検索ステップ９１１では，ルール検索手段１２３により，指導用ルールデータ１１１の中から，健診結果入力ステップ９１０で入力された健診結果に該当するルールを検索する。まず，対象者健診結果入力手段１２２で取得した条件をルール検索手段１２３において，図１２に示すルールの中から該当するルールを検索する。ここでは，入力した対象者の条件の組み合わせで出来る条件部を持つルールの中で発症率が最も高いルール１２２３を検索結果とする。

次に，結果表示ステップ９１２において，指導内容表示手段１２４は表示装置１０２に結果を表示する。このときの結果表示は，図７のように，年齢４０代（７３１），身長１７０ｃｍ，体重７２．３ｋｇ以上（７５２），血糖値１１０〜１１６ｍｇ／ｄｌ（７６２），たばこ吸う（７７２），お酒飲む（７８２），家族歴あり（７９２）のボタンが選択された状態で，発症率表示欄７１１に，ルール検索ステップ９１１で取得したルール１２２３の発症率８５％を表示する。

そして，健診結果入力ステップ９１０に戻る。指導している操作者が，年齢が高いとリスクが高いことを提示して指導したい場合，年齢のみを５０代（７３２）に変更して予測ボタン７１２を押す。すると，ルール検索ステップ９１１において，図１２に示す指導用ルールデータ１１１からルール１２２０を取得し，結果表示ステップ９１２において，年齢４０代の場合の発症率８５％より高い発症率９０％を表示する。

このように，この健診結果入力ステップ９１０，ルール検索ステップ９１１，結果表示ステップ９１２を繰り返して発症率を予測して，同じ人の入力条件を変更した場合の発症率の変化，また，別の指導対象者の健診結果による発症率の表示を行い，指導を行う。そして，終了判断ステップ９１３で終了するように判断された場合，処理を終了（９１４）する。

上述したように，本発明の健康指導支援システムは，医学的モデル作成手段１１８が，指導を行う指導者の指導方針を反映した医学的モデルを作成し，削除候補ルール抽出手段１２０が，ルールデータ１０９の中から医学的モデルの傾向と異なるルールを削除候補として抽出し，ルール編集手段１２５が，抽出された削除候補ルールを削除するので，指導者の指導方針と一致した指導内容を提示することが可能なルールデータを作成できる効果がある。したがって，本発明の健康指導支援システムは，健診施設のデータ量が十分なくても，指導者の指導方針と一致した指導内容をその施設のデータから提示することができる効果がある。さらに，本発明の健康指導支援システムは，ルールデータソート手段１１９が，医学的モデルの値に従ってルールデータを並べ替えるので，チェックが一方向となり，チェック処理を単純化できる効果がある。さらに，本発明の健康指導支援システムは，削除候補ルール表示手段１２１が，削除候補ルール抽出手段１２１で抽出された削除候補ルールを表示するので，操作者は，削除候補ルールを確認しながら削除することが出来，より健康指導を行う操作者の指導方針を反映したルールデータを作成できる効果がある。

上記実施例では，操作者が削除候補ルール表示画面を確認しながら，そのルールを削除する方法を説明したが，ルール編集手段１２５が自動的に削除候補ルールを削除しても良い。このように，ルール編集手段１２５が自動的に削除候補ルールを削除することで，操作者の負担を軽減することが出来る効果がある。

また，上記実施例では，削除候補ルール抽出方法として，チェックの基準ルール選択ステップ９０５で選択したチェックの基準となるルールの発症率と，入力条件の１つを医学的モデルの値p(x)４１１が低くなる方向に変えた時のルールの発症率を比較する方法を示したが，他の方法を用いてもよい。例えば，医学的モデルの値p(x)４１１が高い方からルールを二つずつ順に選択して比較してもよい。この場合，ルール群４０１とルール群４０２を比較し，次にルール群４０２とルール群４０３というように順に比較していく。このようにすることで，より処理を単純化することが出来る効果がある。

また，上記実施例では，ルール抽出・表示方法として，ルールを比較して１個ずつルールを抽出・表示する方法を説明したが，ルールデータ全体の傾向を見てルールを抽出・表示する方法を用いてもよい。この場合の実施例を図１０，図１１を用いて説明する。図１０は，この場合の処理の流れを示すフローチャートの一例であり，図１１は，削除候補ルール抽出手段１２０で抽出されたルールを表示する画面の一例である。まず，処理を開始すると（１００１），ルールデータ作成ステップ１００２，医学的モデル作成ステップ１００３，ルールデータソートステップ１００４までは，図８が示すステップ９０２〜９０４と同様の処理を行う。次に，近似線作成ステップ１００５では，削除候補ルール抽出手段１２０により，図４が示すルールソート済みデータ１１０のルール〔1〕の発症率からその傾向を１次直線で近似する近似線を作成する。次に，ルール抽出ステップ１００６では，削除候補ルール抽出手段１２０により，近似線の値に最も近い発症率を持つルールを選別し，それ以外のルールを削除候補とする。さらに，あらかじめ近似線からの距離の許容範囲を設定し，選別したルールの中で近似線からの距離が許容範囲のものと許容範囲外のものとに分類する。次に，抽出ルール表示ステップ１００７では，削除候補ルール表示手段１２１により，分類ごとのルール数を図１１に示す抽出ルール表示画面１１００に表示する。図１１に示す例では，操作者によって任意に入力された近似線からの距離の許容範囲を許容範囲入力欄１１０１に，許容範囲内のルールの数を許容範囲内ルール数表示欄１１０３に，許容範囲外のルールの数を許容範囲外ルール数表示欄１１０４に表示する。また，削除候補ルール表示画面１１００は，発症率非表示ボタン１１０５と近似線の値表示ボタン１１０６を配置する。操作者は，この画面を見ながら許容範囲外のルールに関して，発症率を非表示にするのか，近似線の値を表示するのかを選択し，発症率を非表示にする場合は，発症率非表示ボタン１１０５を，近似線の値を表示する場合は，近似線の値表示ボタン１１０６を押す。そして，指導用ルールデータ作成ステップ１００８において，ルール編集手段１２５が，削除候補としたルールを削除し，更に許容範囲外のルールを操作者の入力に従って発症率非表示の場合はＮＵＬＬ値，近似線の値表示の場合は近似線の値を入れて，許容範囲内のルールとともに指導用ルールデータ１１１として作成する。そして，処理を終了（１００９）する。このようにルールデータ全体を見てルールを抽出することで，ルールデータの傾向を最もよく表現した指導用ルールデータを作成することが出来る。特に，ルールデータの中に，前後のルールと大きく異なる発症率を持つルールが存在した場合でも，そのルールのみを使用しないようにすることで，他のルールへの影響を小さくすることが出来る効果がある。また，抽出されたルールを処理の過程で毎回確認しなくて良く，一回の確認で済むことから，操作者の負担を軽減することが出来る効果がある。

また，上記実施例では，ルールデータの傾向を１次直線で近似したが，２次曲線や統計モデルなどを用いて近似してもよい。ルールデータの傾向を近似する方法であれば，あらゆる方法を用いてもよい。このようにすることで，ルールデータの傾向をよりよく示した近似線を作成することが出来る効果がある。

また，上記実施例では，ルールデータの傾向を近似する近似線を作成し，その値に最も近い発症率を持つルールを抽出したが，医学的モデル作成ステップで作成した医学的モデルを用いてその値に最も近いルールを抽出してもよい。このようにすることで，近似線を作成するステップを省くことが出来，指導用ルールデータを作成する処理を軽減できる効果がある。

また，上記実施例では，ルール抽出ステップ１００６，抽出ルール表示ステップ１００７で，操作者が近似線からの距離の許容範囲を任意に入力して，許容範囲外のルールの対応を決定する方法を示したが他の方法を用いても良い。例えば，あらかじめ許容範囲を設定し，許容範囲外のルールの対応も決定することで，抽出ルール表示ステップ１００７の処理を省いてもよい。このようにすることで，指導用ルールデータを作成する処理全体を自動化でき，操作者の負担を軽減できる効果がある。

また，上記実施例では，入力条件を組合せた中で最も発症率の高いルールを指導内容として選択表示することを前提として説明したが他の方法を用いてもよい。例えば，条件数が多いルールを選択・表示する，発症者が多いルールを選択・表示する，これらを組合せるなど，様々なルール選択方法を用いてもよい。様々なルール選択方法に対応した形でルールデータを作成することが出来る。

また，上記実施例では，年齢，身長，体重，血糖値，喫煙習慣，飲酒習慣，家族病歴を条件とする例について説明したが，他の条件を用いても良い。健診情報に含まれる，各種の検査，問診などによる生活習慣，医師の判断などあらゆる項目を条件として使用してもよい。また，上記実施例では，表示する発症率として糖尿病の発症率を例として説明したが，他の疾病に関する発症率を用いても良い。糖尿病の他に，高脂血症，高血圧，腎疾患など，健診の項目や生活習慣が関連するあらゆる疾病に対して使用できる。また，発症率として，複数の疾病を組み合わせて表示するようにしてもよい。

また，上記実施例では，１台のコンピュータで動作するシステムを例として説明したが，複数のコンピュータを組み合わせて使用しても良い。例えば，ルールデータ作成手段１１７，医学的モデル作成手段１１８，ルールデータソート手段１１９，削除候補ルール抽出手段１２０，削除候補ルール表示手段１２１，ルール編集手段１２５と，健診データ１０６，モデル作成用健診データ１０７，モデルパラメータ１０８，ルールデータ１０９，ソート済みルールデータ１１０，指導用ルールデータ１１１を有するメンテナンス用コンピュータ装置と，対象者健診結果入力手段１２２，ルール検索手段１２３，指導内容表示手段１２４と，指導用ルールデータ１１１を有する指導用コンピュータ装置に分けてもよい。メンテナンス用コンピュータ装置は，健診データ１０６とモデル作成用健診データ１０７からルールデータの作成，医学的モデルの作成，指導用ルールデータの作成などを行う。そして作成した指導用ルールデータをメンテナンス用コンピュータ装置から指導用コンピュータ装置に送り，指導用コンピュータ装置の指導用ルールデータを更新する。このようにすることで，コンピュータに負荷がかかる指導用ルールデータを作成するための処理を切り離し，指導用コンピュータ装置のコストを低減でき，さらに，必要なときにだけメンテナンス用コンピュータ装置を利用して指導用ルールデータを更新できる効果がある。また，別の例として，表示および入力を行うコンピュータを別のコンピュータとして利用してもよい。例えば，ＷｏｒｌｄＷｉｄｅＷｅｂの仕組みを使用して，ｗｅｂブラウザで表示や入力を行うようにしてもよい。このようにすることで，医師が指導対象者に指導する場合に利用するだけでなく，一般個人が自分で健診結果を入力して改善方法を考えるために利用することもできる。

また，上記実施例では，モデル作成用健診データ１０７として他の大規模健診施設の健診データを使用する方法について示したが，他のデータを用いても良い。例えば，自施設の健診データ，疫学研究の成果として公開されているデータ，複数施設のデータなどを用いることが出来る。

また，上記実施例では，医学的モデル作成手段１１８は，モデル作成用健診データ１０７から医学的モデルを作成する方法について示したが，他の方法を用いてもよい。例えば，疫学研究等の成果から医学的モデルを事前に作り，医学的モデル作成手段１１８を用いてこの内容をモデルパラメータ１０８に格納するようにしてもよい。このようにすることで，一般的に良く知られた医学的知見を反映したモデルを作成できる効果がある。

また，上記実施例では，モデルとして，ロジスティック回帰モデルを用いて医学的モデルを作成したが，他の方法を用いてもよい。例えば，Ｃｏｘ比例ハザードモデルなど他の統計モデルを用いることが出来る。また，健康指導を行う指導者の指導方針を反映した独自のモデルを任意に作成しても良い。例えば，年齢が高い方がリスクが高い，飲酒量が多い方がリスクが高いなどを独自で設定してモデルを作成しても良い。このようにすることで，指導を行う指導者の指導方針を最も反映した指導内容を提示するルールデータを構築することが出来る効果がある。

上記実施例では，疾病のリスクとして発症率を使用する場合を例に説明したが，他の指標を用いてもよい。健康度，危険度など他の方法で算出される指標や統計的な指標，また，健康，病気に関するあらゆる指標を使用することができる。また，上記実施例では，ルールデータを作成する方法として相関ルールマイニングを用いる方法について説明したが，他のマイニング手法を用いてルールデータを作成しても良い。

また，上記実施例では，ルールデータ作成ステップ９０２を医学的モデル作成ステップ９０３より前に行うように説明したがどちらを先に処理してもよい。また，並列に処理してもよい。並列に処理することで，処理時間を軽減できる効果がある。

また，上記実施例では，対象者健診結果入力手段１２２での健診結果の入力は，ボタンなどで入力する方法について説明したが，他の方法を用いてもよい。例えば，テキスト入力欄を設けてキーボードなどから入力したり，スライドバー型の入力Ｉ／Ｆを設けて数値を設定するようにしてもよい。様々なユーザインターフェースを使用することが出来る。

また，上記実施例では，操作者が入力装置１０３を用いて健診結果を入力する方法について示したが，対象者健診結果入力手段１２２が受診者の健診結果を健診データ１０６などの健診情報が蓄積されたデータベースから取得するようにしてもよい。これにより，利用者が自分で健診結果を入力する手間を省略できる。

本発明の健康指導支援システムの一構成例を示す図。ルールデータの一例を示す図。モデルパラメータの一例を示す図。ソート済みルールデータの一例を示す図。削除候補ルール表示画面の一例を示す図。指導画面の例を示す図であり，指導対象者の健診結果を入力する前の状態を示す図。指導画面の例を示す図であり，指導対象者の健診結果から発症率を表示した状態を示す図。本発明の実施例の健康指導支援システムの処理の流れの一例を示すフローチャートであり，健診データから指導用ルールデータを作成する処理の流れの一例を示すフローチャート。本発明の実施例の健康指導支援システムの処理の流れの一例を示すフローチャートであり，健診結果入力から発症率表示までの処理の流れの一例を示すフローチャート。ルールデータの全体を見て指導用ルールデータを作成する処理の流れの一例を示すフローチャート。抽出ルール表示画面の一例を示す図。指導用ルールデータの一例を示す図。

符号の説明

１０１…コンピュータ装置，１０２…表示装置，１０３…入力装置，１０４ …ＣＰＵ，１０５…記憶装置，１０６…健診データ，１０７…モデル作成用健診データ，１０８…モデルパラメータ，１０９…ルールデータ，１１０…ソート済みルールデータ，１１１…指導用ルールデータ，１１７…ルールデータ作成手段，１１８…医学的モデル作成手段，１１９…ルールデータソート手段，１２０…削除候補ルール抽出手段，１２１…削除候補ルール表示手段，１２２…対象者健診結果入力手段，１２３…ルール検索手段，１２４…指導内容表示手段，１２５…ルール編集手段，２０１，１２０１…条件部，２０２，１２０２…発症率，２１１〜２１４，１２１１〜１２１４…条件，２２０〜２２９，１２２０〜１２２４…ルール，３０１…健診項目，３０２…係数Ｂ_ｉ,３０３…医学的モデルのパラメータ，３０４…変数ｘ_ｉ，３１１〜３１７…健診項目に対するモデルパラメータ，４００…削除候補ルール表示画面，４０１〜４０５…ルール群，４１０…入力条件，４１１…医学的モデルの値p(x)，４１２〜４１４…ルールの条件，４１５〜４１７…発症率，４１８…発症者数と条件に該当する人数，４２０〜４２３…ルール，４３０…削除ボタン，４３１…スキップボタン，７０１…指導画面，７１１…発症率表示欄，７１２…予測ボタン，７２１〜７２７…健診項目，７３１〜７９２…条件入力ボタン，９００…削除候補ルール削除ステップ，９０２，１００２…ルールデータ作成ステップ，９０３，１００３…医学的モデル作成ステップ，９０４，１００４…ルールデータソートステップ，９０５…チェックの基準ルール選択ステップ，９０６…削除候補ルール抽出ステップ，９０７…削除候補ルール表示ステップ，９０８，１００８…指導用ルールデータ作成ステップ，９１０…健診結果入力ステップ，９１１…ルール検索ステップ，９１２…結果表示ステップ，９１３…終了判断ステップ，１００５…近似線作成ステップ，１００６…ルール抽出ステップ，１００７…抽出ルール表示ステップ，１１００…抽出ルール表示画面，１１０１…許容範囲入力欄，１１０３…許容範囲内のルール数表示欄，１１０４…許容範囲外のルール数表示欄，１１０５…発症率非表示ボタン，１１０６…近似線の値表示ボタン。

Claims

健診の結果から疾病予防・健康増進のための情報を提示する健康指導支援システムであって、
健診の結果が記録された健診データベースと、
前記健診データベースに記録された前記健診の結果を用い、健診の項目の値又は当該項目の値を演算して得られる値に基づく条件の組合せと、当該条件の組合せに対応した発症率を示すルールを作成するルールデータ作成手段と、
前記ルールデータ作成手段により作成されたルールを格納したルールデータベースと、
医学的モデル作成用の健診データが記録されたモデル作成用健診データベースと、
前記モデル作成用健診データベースに記録された前記医学的モデル作成用の健診データについて、健診の項目に対してそれぞれの係数と条件ごとの変数をパラメータとして格納されたモデルパラメータデータベースと、
前記モデルパラメータデータベースの健診の項目を組み合わせた前記医学的モデルの条件と、前記パラメータを用いて算出された前記医学的モデルの条件に対する医学的モデルの値とを有し、前記ルールデータベースに格納されたルールについて、前記医学的モデルの条件の中から条件を組合せた複数のルールと、前記複数のルールのそれぞれの発症率とを、前記医学的モデルの値に従って並べるルールデータソート手段と、
前記ルールデータソート手段により並べられた複数のルールデータが格納されたソート済みルールデータベースと、
前記ソート済みルールデータベースに格納されたルールデータの中から、前記医学的モデルの値の傾向と異なるルールを削除候補として抽出する削除候補ルール抽出手段と、
前記削除候補ルール抽出手段で抽出した削除候補ルールを削除するルール編集手段と、
前記ルール編集手段により前記削除候補ルールがルールデータベースから削除され、指導用データとして格納される指導用ルールデータベースとを有することを特徴とする健康指導支援システム。
請求項１記載の健康指導支援システムにおいて、前記ルールデータソート手段は、前記医学的モデルの条件を前記医学的モデルの値の高い順に並べ、それぞれの医学的モデルの条件について、前記複数のルールを、それぞれの発症率の高い順に並べることを特徴とする健康指導支援システム。
請求項２記載の健康指導支援システムであって、前記削除候補ルール抽出手段は、前記ソート済みルールデータベースから選択されたルールについて、前記医学的モデルの値が低くなる方向に変えたときのルールの発症率を比較し、前記医学的モデルの値の傾向と異なるルールがある場合には、当該ルールを削除候補として抽出することを特徴とする健康指導支援システム。
請求項２又は３いずれかに記載の健康指導支援システムにおいて、前記ルール編集手段により前記削除候補ルールを削除されると、次に高い発症率のルールが前記指導用ルールデータベースとして格納されることを特徴とする健康指導支援システム。
請求項１乃至４いずれかに記載の健康指導支援システムにおいて、前記ソート済みルールデータベースから選択されたルールと、前記削除候補ルール抽出手段で抽出したルールとを表示する削除候補ルール表示手段を有することを特徴とする健康指導支援システム。
請求項１記載の健康指導支援システムにおいて、前記削除候補ルール抽出手段は、前記ソート済みルールデータベースに格納された複数のルールデータの発症率に基づいて、傾向を近似する近似線を作成し、設定された前記近似線からの距離の範囲外にあるルールを削除候補とすることを特徴とする健康指導支援システム。
請求項６記載の健康指導支援システムにおいて、前記近似線は一次直線であることを特徴とする健康指導支援システム。
請求項１乃至７いずれかに記載の健康指導支援システムにおいて，指導対象者の健診結果を入力する対象者健診結果入力手段と，前記ルール編集手段で削除候補ルールを削除したルールデータの中から，健診結果に該当するルールを検索するルール検索手段と，前記ルール検索手段で検索したルールを取得し，前記ルールの前記発症率を表示する指導内容表示手段とを有することを特徴とする健康指導支援システム。
請求項１乃至８いずれかに記載の健康指導支援システムにおいて，前記ルールデータ作成手段は，相関ルールマイニングによる分析を行うことで，前記健診の項目の値または項目の値を演算して得られる値を組み合わせた条件部と前記条件部が示す条件を持つ人の発症率を有するルールを少なくとも一つ以上持つルールデータを作成することを特徴とする健康指導支援システム。