JP5054984B2 - 個別健康指導支援システム - Google Patents

個別健康指導支援システム Download PDF

Info

Publication number
JP5054984B2
JP5054984B2 JP2007007599A JP2007007599A JP5054984B2 JP 5054984 B2 JP5054984 B2 JP 5054984B2 JP 2007007599 A JP2007007599 A JP 2007007599A JP 2007007599 A JP2007007599 A JP 2007007599A JP 5054984 B2 JP5054984 B2 JP 5054984B2
Authority
JP
Japan
Prior art keywords
item
items
combination
lifestyle
guidance
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
JP2007007599A
Other languages
English (en)
Other versions
JP2008176434A (ja
Inventor
泰隆 長谷川
高伸 大崎
伴　　秀行
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hitachi Healthcare Manufacturing Ltd
Original Assignee
Hitachi Medical Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hitachi Medical Corp filed Critical Hitachi Medical Corp
Priority to JP2007007599A priority Critical patent/JP5054984B2/ja
Publication of JP2008176434A publication Critical patent/JP2008176434A/ja
Application granted granted Critical
Publication of JP5054984B2 publication Critical patent/JP5054984B2/ja
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment

Landscapes

  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Description

本発明は，健診結果から個人別の疾病予防・健康増進のための情報を提示する個別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と糖尿病，高血圧，高脂血症などの疾病発症との関係を分析し，関連が見られた生活習慣項目を指導項目として決定する。次に，指導項目と関連検査項目の値またはその値を組合せた条件を持つ人が各疾病を発症するリスクを算出し，リスク知識を作成する。そして，そのリスク知識から指導対象者の健診結果に対応した疾病リスクを求め，健康指導を支援する個別健康指導支援システムがある。例えば，特許文献１では，関連検査項目，生活習慣項目別に，検査異常の発生するリスクを算出してリスク知識を作成する。そして，そのリスク知識から，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，健康指導を行うシステムが紹介されている。
次に，疾病リスク算出のために使用する指導項目決定方法について述べる。上記したように，このシステムは，まず，指導項目を決定するが，単独の健診施設が持つ健診情報の量は必ずしも十分でない場合があるため，全ての関連生活習慣項目を指導項目とするのは，その値を組合せた条件を持つ人が少なくなってしまうことから実現上難しい。そのため，各疾病の関連生活習慣項目の中から効果的な指導項目を選択する必要があり，その方法として，以下のように糖尿病，高血圧，高脂血症などの複数疾病に対して共通に高い関連を示している生活習慣項目を選択する方法が考えられる。
(1) （１）生活習慣項目と各疾病発症との関係を分析し，各項目の値別の発症割合を算出する。次に，発症割合が高い生活習慣項目の値を生活習慣が悪い値，発症割合が低い生活習慣項目の値を生活習慣が良い値とし，生活習慣が良い値と悪い値の発症割合から疾病別の寄与度（オッズ比）を求める。ここで，オッズ比は，生活習慣が悪い値の発症割合をP1，生活習慣が良い値の発症割合をP0とすると（P1/1- P1）/（P0/1- P0）で計算される
(2) （２）関連が見られた生活習慣項目を組合せ，組合せ別に組合せた項目数と寄与度の和を求め，項目数が最小で寄与度の和が最大の項目の組合せを指導項目として選択する。
特開2002−183647号公報
上記方法で用いるオッズ比は，（P1/1- P1）/（P0/1- P0）で計算されるため，例えば，「朝食日数/週4日以下→5日以上」の発症割合の変化P1:40％→P0:32％と「外食日数/週2日以上→1日以下」の発症割合の変化P1:45％→P0:37％のオッズ比が1.4で同じ値になってしまう問題がある。指導の観点からは，発症割合の変化が異なることを考慮して指導項目を決定した方が良いが，上記方法では，この点について考慮されていなかった。
上記課題を解決し，目的を実現するために，本発明の個別健康指導支援システムは，指導すべき生活習慣の種別ごとに分類された複数の生活習慣項目を含む生活習慣項目分類を生成する項目分類手段と，前記生活習慣項目と疾病発症との関係を分析し，前記生活習慣項目の値別にその値を持つ人の中で発症した人の割合を示す発症割合を算出し，前記発症割合が高い前記生活習慣項目の値を生活習慣が悪い値，前記発症割合が低い前記生活習慣項目の値を生活習慣が良い値とし，前記生活習慣が良い値の発症割合と前記生活習慣が悪い値の発症割合から疾病別の寄与度を算出する疾病別寄与度算出手段と，前記項目分類手段で生成された生活習慣項目分類別に，生活習慣項目分類に含まれる生活習慣項目の組合せを生成し，生成した組合せに含まれる生活習慣項目に対する前記疾病別寄与度算出手段で算出された寄与度を前記生活習慣が悪い値の発症割合で重み付けした総和である重み付け組合せ寄与度と前記生成した組合せに含まれる生活習慣項目の数である項目数とを算出する項目数・組合せ寄与度算出手段と，前記項目分類手段で生成された生活習慣項目分類別に，前記項目数・組合せ寄与度算出手段で算出された項目数と重み付け組合せ寄与度から，項目数が最小で重み付け組合せ寄与度が最大の前記生活習慣項目の組合せを指導項目として選択する指導項目候補選択手段を有することを特徴としている。
さらに，本発明の個別健康指導支援システムは，前記項目数・組合せ寄与度算出手段で生成された生活習慣項目の組合せ別に，組合せに含まれる生活習慣項目に対する前記疾病別寄与度算出手段で算出された寄与度の総和である組合せ寄与度を算出する手段と，前記項目分類手段で生成された生活習慣項目分類別に，前記組合せ寄与度と前記項目数・組合せ寄与度算出手段で算出された項目数から，項目数が最小で組合せ寄与度が最大の生活習慣項目の組合せを選択する手段と,選択した生活習慣項目の組合せと前記指導項目候補選択手段で選択された生活習慣項目の組合せとを比較し，異なる場合に両方の組合せを指導項目候補として前記項目分類手段で生成された生活習慣項目分類別に表示することを特徴としている。
さらに，本発明の個別健康指導支援システムは，前記指導項目と検査項目の値を組合せた条件とその組合せを持つ人の中で発症した人の割合を示す発症割合と発症した人数を全体の人数で割った値であり前記発症割合の信頼性を示す支持度をルールとして疾病別に算出し，各疾病のリスク知識を作成するルール作成手段を有することを特徴としている。
さらに，本発明の個別健康指導支援システムは，前記各疾病のリスク知識から指導対象者の健診結果に対応した各疾病の発症割合等を示す前記ルールを検索するルール検索手段と，検索ルールの前記生活習慣項目が悪い値を全て前記生活習慣項目が良い値に変更したルールに対する相対リスクを示す生活習慣が良い人に対するリスクと前記生活習慣項目が悪い値を1個ずつ前記生活習慣項目が良い値に変更したルールに対する相対リスクを示す項目別相対リスクを疾病別に算出する相対リスク算出手段と，指導項目別に前記項目別相対リスクの和を示す組合せリスクと前記項目別相対リスクが算出された疾病の数である疾病数を算出する疾病数・組合せリスク算出手段と，前記項目別相対リスクが存在する項目を推奨改善項目として抽出し，前記疾病数・組合せリスクから，疾病数が最大で組合せリスクが最大の項目を最も推奨される改善項目として抽出する改善項目抽出手段を有することを特徴としている。
さらに，本発明の個別健康指導支援システムは，前記疾病数・組合せリスク算出手段が，指導項目別に，前記指導対象者の健診結果に対応したルールの各疾病の発症割合で重み付けした前記項目別相対リスクの和を示す重み付け組合せリスクと前記項目別相対リスクが算出された疾病の数である疾病数を算出し，前記改善項目抽出手段が，前記項目別相対リスクが存在する項目を推奨改善項目として抽出し，前記疾病数・重み付け組合せリスクから，疾病数が最大で重み付け組合せリスクが最大の項目を最も推奨される改善項目として抽出することを特徴としている。
さらに，本発明の個別健康指導支援システムは，指導対象者の各疾病の前記発症割合，生活習慣が良い人に対するリスク，推奨改善項目，最も推奨される改善項目を一覧表示する指導内容作成手段を有することを特徴としている。
さらに，本発明の個別健康指導支援システムは，指導対象者の各疾病の前記発症割合と，前記推奨改善項目や最も推奨される改善項目が良い値の場合の発症割合の変化を棒グラフで表示する指導内容作成手段を有することを特徴としている。
さらに，本発明の個別健康指導支援システムは，指導対象者の各疾病の前記発症割合と，前記推奨改善項目や最も推奨される改善項目が良い値の場合の発症割合の変化を円グラフで表示する指導内容作成手段を有することを特徴としている。
本発明の個別健康指導支援システムは，項目数・組合せ寄与度算出手段が，生活習慣項目の組合せ別に，重み付け組合せ寄与度と項目数を算出し，指導項目候補選択手段が，項目数最小で重み付け組合せ寄与度最大の項目の組合せを指導項目として選択するので，複数疾病に対して共通に高い関連を示し，かつ,より発症割合を引き上げている重要な指導項目を決定できる効果がある。
さらに，本発明の個別健康指導支援システムは，項目数・組合せ寄与度算出手段が，生活習慣項目の組合せ別に，重み付け組合せ寄与度，項目数，組合せ寄与度を算出し，指導項目候補選択手段が，項目数最小で重み付け組合せ寄与度最大と組合せ寄与度最大が逆転する項目の組合せを指導項目候補として抽出する。そして，分類別に指導項目候補を表示して操作者に最終的な指導項目を決定させるので，操作者は，逆転する項目の組合せを確認しながら，指導に適した指導項目を決定できる効果がある。
さらに，本発明の個別健康指導支援システムは，ルール作成手段が，指導項目候補選択手段で決定された指導項目を用いて各疾病のリスク知識を作成するので，指導に適した各疾病のリスクを提示するリスク知識を作成できる効果がある。
さらに，本発明の個別健康指導支援システムは，疾病数・組合せリスク算出手段が，指導項目別に組合せリスクと疾病数を算出し，改善項目抽出手段が，最も推奨される改善項目として，疾病数最大で組合せリスク最大の項目を抽出するので，複数疾病全体に対するリスクを低減させる生活習慣改善項目を提示できる効果がある。
さらに，本発明の個別健康指導支援システムは，疾病数・組合せリスク算出手段が，指導項目別に重み付け組合せリスクと疾病数を算出し，改善項目抽出手段が，最も推奨される改善項目として，疾病数最大で重み付け組合せリスク最大の項目を抽出するので，指導対象者の発症割合が高い疾病リスクを重点的に低減する改善項目を提示できる効果がある。
さらに，本発明の個別健康指導支援システムは，指導内容作成手段が，指導対象者の各疾病の発症割合，生活習慣が良い人に対するリスク，推奨改善項目，最も推奨される改善項目を一覧表示するので，操作者は指導対象者の改善ポイントが簡単に分かり，そのポイントを重点的に指導できる効果がある。
さらに，本発明の個別健康指導支援システムは，指導内容作成手段が，指導対象者の各疾病の発症割合と，推奨改善項目や最も推奨される改善項目が良い値の場合の発症割合の変化を棒グラフや円グラフで表示するので，指導対象者に視覚的なインパクトを与える指導ができる効果がある。
以下，本発明を実施するための最良の形態について図を用いて詳細に説明する。以下の説明では，疾病としてメタボリックシンドローム(内臓脂肪症候群)，糖尿病，高血圧，高脂血症を例にあげ，これらの疾病に対する危険性とそれを低減させる改善内容を指導対象者に提示して保健指導を支援する場合を想定して説明する。
図１は，本発明の実施例である個別健康指導支援システムの一構成例を示す図である。個別健康指導支援システムは，健康指導支援端末101と，データベース106で構成される。健康指導支援端末101は，コンピュータ装置で，マウスやキーボードなどの入力部102と，ディスプレイやプリンタなどの出力部104と，健診情報と疾病発症の関係から，各疾病に関連が見られる生活習慣指導項目を決定し，健診項目の値を組合せた条件とその条件の発症割合等を示す複数のルールを持つリスク知識を作成するリスク知識作成手段105と，入力部102で入力された指導対象者の健診結果に対応した各疾病の発症割合と改善項目などの指導内容をリスク知識から作成し，その指導内容を出力部104に表示する指導内容作成手段103を有している。
リスク知識作成手段105は，健診情報の生活習慣項目を飲酒，運動，たばこ等のジャンル別に分類する項目分類手段111と，生活習慣項目と各疾病発症との関係を，ロジスティック回帰モデル等を用いて統計的に分析し，疾病別の寄与度を算出する疾病別寄与度算出手段112を有している。また，関連が見られた生活習慣項目を組合せ，組合せ別に，寄与度の和（組合せ寄与度），生活習慣が悪い値の発症割合で重み付けした寄与度の和（重み付け組合せ寄与度），組合された生活習慣項目の数を算出する項目数・組合せ寄与度算出手段113と，項目数が最小で，重み付け組合せ寄与度が最大となる組合せと組合せ寄与度が最大となる組合せを指導項目候補として操作者に提示して決定を促す指導項目候補選択手段114を有している。さらに，決定された指導項目，各疾病発症の判定に使用される検査項目（腹囲，空腹時血糖値等），基本項目（性別，年齢）等を用いて相関ルールマイニングによる分析を行い，健診項目の値の組合せを持つ人の疾病の発症割合（発症者数/該当者数），支持度（発症割合の信頼性を示す指標）を示す複数のルールを疾病別に作成するルール作成手段115を有している。
指導内容作成手段103は，各疾病のリスク知識から指導対象者の健診結果に対応した各疾病の発症割合等を示すルールを検索するルール検索手段107と，検索ルールの生活習慣指導項目の条件で生活習慣が悪い値を良い値に変更したルールに対する相対リスクを疾病別に算出する相対リスク算出手段108と，指導項目別に相対リスクの和と相対リスクが算出された疾病の数を算出する疾病数・組合せリスク算出手段109と，疾病数・組合せリスクから，指導対象者にとって推奨される生活習慣改善項目を抽出する改善項目抽出手段110を有している。
データベース106は，健診情報を管理する健診情報管理手段119と，生活習慣項目の疾病別寄与度，項目数・組合せ寄与度・重み付け組合せ寄与度を管理する寄与度情報管理手段120と，生活習慣指導項目を管理する指導項目情報管理手段121と，各疾病のリスク知識を管理するリスク知識管理手段122と，指導対象者の健診結果に対応した指導内容を管理する指導内容管理手段121を有している。
図2は，健診情報管理手段119が管理する健診情報の一例を示す図である。健診情報を特定する健診ID201，個人を特定する個人ID202，受診日203，基本項目として，性別204，健診受診時の年齢205など，検査項目として，BMI210，腹囲211，空腹時血糖値212，最高血圧213，最低血圧214，中性脂肪215，HDLコレステロール（HDL-C）216などの情報を管理している。また，生活習慣項目として，20歳からの体重増加220，アルコール量/日221，飲酒日数/週222，朝食日数/週223，外食日数/週224，食事量225，食事早さ226，食事バランス227，喫煙228，定期的な運動229，汗をかく運動230など，検査結果から医師が判定した判定項目として，糖尿病に関する糖代謝判定231，高血圧に関する血圧判定232，高脂血症に関する脂質判定233などの情報を管理している。
図3は，寄与度情報管理手段120が管理する疾病別寄与度情報の一例を示す図である。項目301と,その項目の分類302，各疾病に対する寄与度303〜306を管理している。例えば，20歳からの体重増加10kg以上のメタボリックシンドローム寄与度303の4.0は，10kg未満に対する10kg以上のオッズ比を示しており，括弧内の38%，13%は，それぞれ10kg以上の発症割合P1，10kg未満の発症割合P0を示している。寄与度の値がある場合は，その項目が疾病の発症に対して統計的に有意な関連があることを示しており，その寄与度が大きいほど，関連が高いことを示している。また,寄与度の値がない場合は，その項目が疾病発症に関連していないことを示している。
図4は，寄与度情報管理手段120が管理する項目数・組合せ寄与度情報の一例を示す図である。項目の組合せ401と，分類302，各疾病に対する寄与度303〜306，組合された項目数402，寄与度303〜306の和である組合せ寄与度403，生活習慣が悪い値の発症割合で重み付けした寄与度303〜306の和である重み付け組合せ寄与度404を管理している。項目数402が少なく，組合せ寄与度403が高い組合せは，全疾病の発症に対して共通に関連しており，かつ,関連が高いことを示している。また，項目数402が少なく，重み付け組合せ寄与度404が高い組合せは，全疾病の発症に対して共通に高い関連を示していることに加えて，より発症割合を引き上げている重要な組合せであることを示している。
図5は，指導項目候補選択手段114が，出力部104に表示する指導項目候補表示画面501の一例を示す図である。この画面は，図4の項目数・組合せ寄与度情報から指導項目候補として選択された分類別の項目の組合せ401を表示する。画面501の左側の棒グラフの縦軸は重み付け組合せ寄与度であり，右側の棒グラフの縦軸は組合せ寄与度である。また，502〜506は，指導項目候補を表示する分類を選択するラジオボタン，510〜513は，項目数を選択するラジオボタン，530〜531は，指導項目選択方式を選択するラジオボタン，514は，最終的な指導項目を決定するボタンを示している。この例は，操作者が食事のラジオボタン505を選択した場合であり，図4の項目数・組合せ寄与度情報から，食事で項目数が最小の2のラジオボタン511が自動的に選択され，食事に関する指導項目候補として，重み付け組合せ寄与度最大と組合せ寄与度最大が逆転する項目の組合せ413，414を抽出して表示している。画面501の左側の重み付け組合せ寄与度の棒グラフでは，414を520で，413を521で示しており，右側の組合せ寄与度の棒グラフでは，414を522で，413を523で示している。また，指導項目選択ラジオボタンでは，表示された指導項目候補の中から，重み付け組合せ寄与度が最大の組合せが最有力指導項目候補として自動的に選択される。この例では，項目の組合せ520が選択されている。最終的な決定は，操作者が決定ボタン514を押すことで行い，項目数を変えたい場合，指導項目選択方式を変えたい場合は，それぞれ，項目数選択ラジオボタン510〜513，指導項目選択方式選択ラジオボタン530〜531を変更する。この画面で決定された指導項目は，データベース106の指導項目情報管理手段121に，図6の形式で管理される。
図6は，指導項目情報管理手段121が管理する指導項目情報の一例を示す図である。分類302と，最終的に決定した各疾病の指導項目601〜604を管理している。
図7は，リスク知識管理手段122が管理するリスク知識の一例を示す図である。疾病別にリスク知識が作成されるが，この例では，メタボリックシンドロームのリスク知識を示している。リスク知識は，ルールを特定するルールID801と，性別204などの基本項目，腹囲211などの検査項目，20歳からの体重増加220などの指導項目等の複数の条件の組み合わせを持つ人のメタボリックシンドロームの発症割合806（発症者数805/該当者数804）と支持度807を示すルール810〜817を管理している。ここで，発症割合806は，同じ検査・問診結果の条件に該当する群（該当者数804）中の発症者数805を群中の人数で割ったものを示している。また，支持度807は，同じ検査・問診結果の条件に該当する群中の発症者数805を母集団の人数で割ったものであり，発症割合の信頼性を示している。
次に，フローチャートとシーケンス図を用いて，動作を詳細に説明する。まず,健診情報からリスク知識を作成する手順の一例を，図8のフローチャート，健康指導支援端末101とデータベース106の間のやり取りを示す図14のシーケンス図を用いて説明する。
リスク知識の作成を開始（701）すると，まず，項目分類ステップ702を行う。ここでは，項目分類手段111が，健診情報管理手段119で管理される図2の健診情報の生活習慣項目を取得する。次に，項目分類手段111が，生活習慣項目を指導すべき生活習慣別に分類する。例えば，体重，飲酒，たばこ，食事，運動などに分類する。この場合，20歳からの体重増加220は体重，アルコール量/日221，飲酒日数/週222は飲酒，喫煙228はたばこ，朝食日数/週223，外食日数/週224，食事量225，早食い226，食事バランス227は食事，定期的な運動229，汗をかく運動230は運動に分類される。これにより，分類別に指導項目を選択できるので多様な指導が可能になる。
次に，疾病別寄与度算出ステップ703を行う。ここでは，まず，疾病別寄与度算出手段112が，健診情報管理手段118で管理される図2の健診情報の生活習慣項目を取得する。次に，疾病別寄与度算出手段112が，生活習慣項目と各疾病発症との関係を，ロジスティック回帰モデル等を用いて統計的に分析し，生活習慣項目の値別にその値を持つ人の中で発症した人の割合を示す発症割合を算出する。そして，発症割合が高い生活習慣項目の値を生活習慣が悪い値，発症割合が低い生活習慣項目の値を生活習慣が良い値とし，生活習慣が良い値の発症割合と生活習慣が悪い値の発症割合から各疾病発症に対する寄与度303〜306を算出する。尚，良い値の発症割合と悪い値の発症割合が等しい場合は，寄与が無いものとして扱う。具体的には，このモデルを用いて，疾病別，項目別に，オッズ比と95％信頼区間を算出する。ここで，オッズ比は，生活習慣が良い値を持つ群で発症するオッズ（病気が発症しない確率1−pに対する発症する確率pの比）に対する生活習慣が悪い値を持つ群で発症するオッズの比であり，生活習慣が良い値を持つ群に対する悪い値を持つ群の発症リスクの高さを示すものである。例えば，喫煙なし群に対する喫煙あり群のオッズ比が1.5であった場合，喫煙なし群に対して喫煙あり群の疾病発症リスクは1.5倍高いことを意味する。生活習慣が良い値を持つ群，悪い値を持つ群の発症割合をそれぞれｐ０，ｐ1とすると，以下の式で計算される。
Figure 0005054984
また，信頼区間は，真のオッズ比が存在していると思われる区間とその信頼度を示すものである。例えば，あるオッズ比の95％信頼区間が，1.2〜1.8であった場合，真のオッズ比は，1.2〜1.8の区間にあると考えられ，その信頼度は95％であることを意味する。信頼度は，通常95％がよく用いられる。つまり，ある健診項目のオッズ比の95％信頼区間を求め，その最低値が1より大きい値であれば，その項目はその疾病発症に対して統計的に有意な関連が見られる項目となる。そこで，疾病別，項目別に，オッズ比と95％信頼区間を算出し，95％信頼区間の最低値が1より大きい場合は，算出されたオッズ比がその項目の寄与度となる。1以下の場合は，寄与がない項目となる。これにより，疾病発症に有意な関連が見られる項目を抽出できる。算出された疾病別寄与度情報は，図3の形式でデータベース106に記録される。例えば，喫煙313の糖尿病寄与度304の値1.6は，喫煙なし群に対する喫煙あり群の糖尿病発症リスクが1.6倍高いことを示しており，喫煙313が，糖尿病発症に有意な関連が見られる項目であることを示している。一方，喫煙313のメタボリックシンドローム寄与度303の値が書かれていないところは，喫煙313が，メタボリックシンドロームの発症に有意な関連が見られない項目であることを示している。
次に，項目数・組合せ寄与度算出ステップ704を行う。ここでは，まず，項目数・組合せ寄与度算出手段113が，寄与度情報管理手段120で管理される図3の疾病別寄与度情報を取得する。次に，項目数・組合せ寄与度算出手段113が，分類別に寄与度の値がある項目を組合せ，組合せ別に項目数402と組合せ寄与度403と重み付け組合せ寄与度404を算出する。項目数402は組合された項目の数である。また，組合せ寄与度403は疾病別寄与度303〜306の和，重み付け組合せ寄与度404は生活習慣が悪い値を持つ群の発症割合P1で重み付けした疾病別寄与度303〜306の和であり，それぞれ，以下の式で計算される。
Figure 0005054984
Figure 0005054984
図3の食事の例では，メタボリックシンドロームの寄与度の値がある項目は，外食日数/週，食事量，食事早さの3個，糖尿病では朝食日数/週，外食日数/週の2個，高血圧では食事量の1個，高脂血症では朝食日数/週，外食日数/週，食事早さ，食事バランスの4個である。したがって，その組合せ数は，3×2×1×4で24となり，その組合せ別に項目数と組合せ寄与度と重み付け組合せ寄与度を算出する。例えば，項目の組合せとして，食事量（メタボリックシンドローム），朝食日数/週（糖尿病），食事量（高血圧），朝食日数/週（高脂血症）を組合せた場合，項目数は，食事量，朝食日数/週の2，組合せ寄与度は，各疾病の寄与度，1.5（メタボリックシンドローム），1.5（糖尿病），1.4（高血圧），1.4（高脂血症）の和である5.8となる。また，重み付け組合せ寄与度は，生活習慣が悪い値を持つ群の発症割合P1で重み付けした各疾病の寄与度，0.24×1.5（メタボリックシンドローム），0.13×1.5（糖尿病），0.30×1.4（高血圧），0.40×1.4（高脂血症）の和である1.5となる。算出された項目数・組合せ寄与度情報は，図4の形式でデータベース106に記録される。
図14のシーケンス図では，健康指導支援端末101が，データベース106から，健診情報1403を取得し，疾病別寄与度情報，項目数・組合せ寄与度情報を算出してその登録1404を行う。
次に，指導項目候補表示ステップ705を行う。ここでは，まず,指導項目候補選択手段114が，寄与度情報管理手段120で管理される図4の項目数・組合せ寄与度情報を取得する。次に，指導項目候補選択手段114が，取得した項目数・組合せ寄与度情報から，分類別に，項目数最小で重み付け組合せ寄与度最大と組合せ寄与度最大が逆転する項目の組合せを指導項目候補として抽出し，中でも重み付け組合せ寄与度最大を最有力指導項目候補として選択する。これにより，全疾病に対して共通に関連が高く，かつ，より発症割合を引き上げている重要な指導項目を選択できる。例えば，食事の場合，項目数最小で重み付け組合せ寄与度最大は，外食日数/週と食事量の組合せ414，組合せ寄与度最大は，朝食日数/週と食事量の組合せ413となり逆転している。このように逆転する項目の組合せを指導項目候補として抽出し，中でも重み付け組合せ寄与度最大である外食日数/週と食事量の組合せ414を最有力指導項目候補として選択する。逆転がない場合は，項目数最小で重み付け組合せ寄与度最大の項目の組合せが最有力指導項目候補となる。
次に，指導項目決定ステップ706を行う。ここでは，まず，指導項目候補選択手段114が，選択された指導項目候補を，図5の指導項目候補表示画面501のように出力部104に表示して，操作者に最終的な指導項目を決定させる。操作者は，まず，分類ラジオボタン502〜506から，指導項目候補を表示する分類を選択する。次に，指導項目選択方式選択ラジオボタン530〜531から，指導項目を選択する。デフォルトの状態では，項目数最小で重み付け組合せ寄与度最大の最有力指導項目候補が選択されている。最後に，決定ボタン514を押し，最終的な指導項目を決定する。例えば，食事のラジオボタン505を押すと，食事に関する指導項目候補として，項目の組合せ414（図5：520），413（図5：523）が表示され，中でも最有力指導項目候補414の指導項目選択方式選択ラジオボタン530が選択される。この項目でよい場合は，決定ボタン514を押し，指導項目を決定する。良くない場合は，項目数ラジオボタン510〜513や指導項目選択方式選択ラジオボタン530〜531の選択を変更する。決定された指導項目情報は，図6の形式でデータベース106に記録される。
図14のシーケンス図では，健康指導支援端末101が，データベース106から，寄与度情報1405を取得し，指導項目を決定してその登録1406を行う。
次に，リスク知識作成ステップ707を行う。ここでは，まず，ルール作成手段115が，指導項目管理手段121が管理する図6の指導項目情報，健診情報管理手段119が管理する図2の健診情報を取得する。次に，ルール作成手段115が，指導項目，各疾病発症の判定に使用される検査項目（腹囲，空腹時血糖値等），基本項目（性別，年齢）等を用いて，疾病別に，相関ルールマイニングによる分析を行い，健診項目の値を組合せた条件部と条件部ごとの発症割合（発症者数/該当者数）と支持度を示す複数のルールを作成し，各疾病のリスク知識を作成する。ここで，疾病の発症割合は，複数年分の健診情報から，初回に病気でない人を抽出し，その中で，その後病気を発症した人の割合を求めたものである。疾病の発症は，例えば，メタボリックシンドロームでは，学会の判定基準（腹囲：男85cm以上，女90cm以上，かつ，高血糖，脂質異常，血圧高値のうち2項目以上異常）を用いて判断する。また，作成されたリスク知識は，図7に示すように複数の健診項目の値を組み合わせた条件部とその条件部を持つ人の発症割合806(発症者数805/該当者数804)，支持度807を記録したデータである。例えば，ルール810は，男性，年齢40代，腹囲85cm以上，BMI25以上，最高血圧130未満かつ最低血圧85未満，中性脂肪150未満かつHDL-C40以上，20歳からの体重増加10kg以上，食事量多い，定期的な運動ありという健診結果の人のメタボリックシンドロームの発症割合は53％（発症者数10人/該当者数19人）であり，その発症割合の信頼性を示す支持度は0.1%であることを示している。リスク知識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。全疾病のリスク知識が作成されたら，リスク知識の作成を終了（708）する。
図19のシーケンス図では，健康指導支援端末101が，データベース106から，指導項目，健診情報1407を取得し，リスク知識を作成してその登録1408を行う。
次に，健診結果入力から指導内容表示までの処理の流れの一例を図13のフローチャート，図14のシーケンス図，図7のリスク知識，図9，図10，図11，図12を用いて説明する。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各疾病に対する危険性とそれを低減する改善内容を提示して指導する場合の処理である。
図9は，指導内容管理手段123が管理する指導対象者の健診結果に対応した指導内容の一例を示す図である。疾病901と，その疾病に対する発症割合910，発症者数911，該当者数912，生活習慣が良い人に対するリスク913，各指導項目の相対リスク914〜919を管理している。また，指導項目別に相対リスクが存在する疾病数906，相対リスクの和である組合せリスク907を管理している。例えば，902は，ある指導対象者と同じような健康状態の人でメタボリックシンドロームを発症した人は76人（該当者数912）中20人（発症者数911）で，その割合は28.3％（発症割合910）であること，生活習慣が良い人，ここでは，20歳からの体重増加10kg未満，アルコール量/日3合以下，定期的な運動ありの人に対して発症リスクが1.6倍高いこと，20歳からの体重増加が10kg未満の人に対して1.4倍，アルコール量/日3合以下の人に対して1.3倍，定期的な運動ありの人に対して1.2倍高いことを示している。また，相対リスクが存在しない指導項目は，指導対象者の健診結果が良いか，その疾病の関連項目ではないか，対象者にとって疾病発症の大きな要因にならないかのいずれかであることを示している。
図10，図11は，指導内容作成手段103が出力部104に表示した健診結果入力画面1001の一例を示す図であり，図10は，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り，図11は，指導対象者の健診結果を入力した後の状態を示す図である。この画面は，リスク知識を作成するために使用された健診項目を用いて作成される。1003〜1015は健診項目，1020〜1021は性別を選択するボタン，1022〜1024は年齢を選択するボタン，1025〜1026は腹囲を選択するボタン，1027〜1028はBMIを選択するボタン，1029〜1031は空腹時血糖値を選択するボタン，1032〜1033は最高血圧・最低血圧を選択するボタン，1034〜1035は中性脂肪・HDL-Cを選択するボタン，1036〜1037は20歳からの体重増加を選択するボタン，1038〜1039はアルコール量/日を選択するボタン，1040〜1041は喫煙を選択するボタン，1042〜1043は食事量を選択するボタン，1044〜1045は外食日数/週を選択するボタン，1046〜1047は定期的な運動を選択するボタン，1002は実行ボタンである。また，図12は，指導内容作成手段103が出力部104に表示した指導内容表示画面1201の一例を示す図であり，健診結果入力画面1001で入力された指導対象者の健診結果に対応した指導内容を表示した状態を示す図である。健診結果入力画面1001で，健診項目1003〜1015から条件を選択し，実行ボタン1002を押すと，指導内容表示画面1201で，発症割合表示欄1210，1220，1230，1240に各疾病の発症割合，発症者数表示欄1211，1221，1231，1241に各疾病の発症者数，該当者数表示欄1212，1222，1232，1242に該当者数を表示する。また，リスク表示欄1213，1223，1233，1243に生活習慣が良い人に対するリスク，推奨改善項目表示欄1214，1224，1234，1244に相対リスクが算出された指導項目，最推奨改善項目表示欄1250に指導内容情報から選択した疾病数が最大で，組合せリスクが最大の指導項目を表示する。
図13の処理を開始すると（1301），まず，健診結果入力ステップ1302を行う。健診結果入力ステップ1302では，ルール検索手段107により，指導対象者の健診結果を入力する。まず，出力部104に図10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1003〜1015の健診項目について入力部102の操作により入力し，実行ボタン1002を押すと，ルール検索手段107は入力された条件を取得する。ここでは，指導対象者の健診結果は，男性（1020），年齢40代（1023），腹囲85未満（1025），BMI25未満（1027），空腹時血糖値100〜109（1030），最高血圧130以上又は最低血圧85以上（1033），中性脂肪150未満かつHDL-C40以上（1034），20歳からの体重増加10kg以上（1037），アルコール量/日3合より多い（1039），喫煙あり（1041），食事量多い（1043），外食日数/週2日以上（1045），定期的な運動あり（1047）を入力したものとする。
次に，ルール検索ステップ1303を行う。ここでは，ルール検索手段107が，リスク知識から，健診結果入力ステップ1302で入力された健診結果に該当するルールを検索する。具体的には，指導対象者の予防意識を喚起するため，入力された健診結果の値を組合せて出来るルールの中から，信頼性があり，かつ，発症割合最大のルールを検索する。この場合，入力された健診結果の値を組合せ出来るルールの中から信頼性があり（ここでは，0.1％以上），かつ，発症割合最大のルール812を検索結果とする。検索結果の発症割合，発症者数，該当者数は，図9の形式でデータベース106に記録される。
次に，相対リスク算出ステップ1304を行う。ここでは，相対リスク算出手段108が，各疾病のリスク知識から，生活習慣が良い人に対するリスクと指導項目別の相対リスクを疾病別に算出する。具体的には，まず，ルール検索ステップ1303で選択されたルールから，指導対象者の指導項目の条件で生活習慣が悪い条件を抽出する。この場合，図7のルール812から，20歳からの体重増加10kg以上，アルコール量/日３合より多い，定期的な運動なしが抽出される。次に，抽出された条件のみを生活習慣が良い条件に変更したルールを選択し，生活習慣が良い人に対するリスクとして，変更後（生活習慣が良い）のルールに対する変更前（生活習慣が悪い）のルールのオッズ比を算出する。この場合，ルール812の条件で20歳からの体重増加，アルコール量/日，定期的な運動のみを，20歳からの体重増加10kg以上→10kg未満，アルコール量/日3合より多い→3合以下，定期的な運動なし→ありに変更したルール814が選択され，ルール814に対するルール812のオッズ比が算出されると，生活習慣が良い人に対するリスクは1.6倍となる。続いて，指導項目別の相対リスクを算出する。指導対象者の指導項目の条件で生活習慣が悪い条件を1つずつ良い条件に変更したルールを選択してオッズ比を算出する。この場合，まず，ルール812の条件の20歳からの体重増加のみを，10kg以上→10kg未満に変更したルール815を選択し，20歳からの体重増加の相対リスクとしてオッズ比1.4を算出する。次に，ルール812の条件でアルコール量/日のみを，3合より多い→3合以下に変更したルール816を選択し，アルコール量/日の相対リスクとしてオッズ比1.3を算出する。そして，ルール812の条件で定期的な運動のみを，なし→ありに変更したルール817を選択し，定期的な運動の相対リスクとしてオッズ比1.2を算出する。算出された生活習慣が良い人に対するリスクと指導項目別の相対リスクは，図9の形式でデータベース106に記録される。
次に，疾病数・組合せリスク算出ステップ1305を行う。ここでは，疾病数・組合せリスク算出手段109が，相対リスク算出ステップ1304で算出された図9の指導項目別の相対リスクから，疾病数と組合せリスクを算出する。具体的には，指導項目別に相対リスクが存在する疾病数と，各疾病の相対リスクの和である組合せリスクを算出する。例えば，20歳からの体重増加の場合，全疾病に対して相対リスクが存在するため，疾病数は4，その和である組合せリスクは6.1と算出される。また，喫煙は，糖尿病と高脂血症のみ相対リスクが存在するため，疾病数は2，その和である組合せリスクは3.6と計算される。算出された疾病数と組合せリスクは，図9の形式でデータベース106に記録される。
図14のシーケンス図では，健康指導支援端末101がルール取得要求1409を行い，データベース106からルール1410を取得し，指導内容登録1411を行う。
次に，改善項目抽出ステップ1306を行う。ここでは，まず，改善項目抽出手段110が，図9の指導内容から，相対リスクが存在する指導項目を疾病別に抽出し，これを各疾病の推奨改善項目とする。次に，改善項目抽出手段110が，疾病数・組合せリスクから，疾病数が最大で組合せリスクが最大の指導項目を抽出し，これを最も推奨される改善項目とする。これにより，各疾病の発症リスクを低減させる改善項目と全疾病の発症リスクを共通に低減させる改善項目を抽出できる。この場合，メタボリックシンドロームの推奨改善項目は，20歳からの体重増加10kg未満，アルコール量/日3合以下，定期的な運動ありとなり，糖尿病の推奨改善項目は，20歳からの体重増加10kg未満，アルコール量/日3合以下，喫煙なしとなる。また，高血圧の推奨改善項目は，20歳からの体重増加10kg未満，アルコール量/日3合以下，食事量多くないとなり，高脂血症の推奨改善項目は，20歳からの体重増加10kg未満，アルコール量/日3合以下，喫煙なし，外食日数/週1日以下となる。さらに，最も推奨される改善項目は，疾病数が最大で，組合せリスクが最大の20歳からの体重増加10kg未満となる。
次に，指導内容表示ステップ1307を行う。ここでは，指導内容作成手段103が，図9の指導内容，改善項目抽出ステップ1306で抽出された推奨改善項目と最も推奨される改善項目を，図12の指導内容表示画面に表示する。この時，各疾病の推奨改善項目は，相対リスクの降順に表示する。指導する操作者は，この画面を用いて，各疾病の発症割合，生活習慣が良い人に対するリスクなどの危険性とそれを低減させる推奨改善項目と最も推奨される改善項目を指導対象者に提示して指導を行う。指導が終わると，処理を終了（1308）する。
以上に示したように，本発明の個別健康指導支援システムは，項目数・組合せ寄与度算出手段が，生活習慣項目の組合せ別に，重み付け組合せ寄与度と項目数を算出し，指導項目候補選択手段が，項目数最小で重み付け組合せ寄与度最大の項目の組合せを指導項目として選択するので，複数疾病に対して共通に高い関連を示し，かつ,より発症割合を引き上げている重要な指導項目を決定できる効果がある。
また，本発明の個別健康指導支援システムは，項目数・組合せ寄与度算出手段が，生活習慣項目の組合せ別に，重み付け組合せ寄与度，項目数，組合せ寄与度を算出し，指導項目候補選択手段が，項目数最小で重み付け組合せ寄与度最大と組合せ寄与度最大が逆転する項目の組合せを指導項目候補として抽出する。そして，分類別に指導項目候補を表示して操作者に最終的な指導項目を決定させるので，操作者は，逆転する項目の組合せを確認しながら，指導に適した指導項目を決定できる効果がある。
また，本発明の個別健康指導支援システムは，ルール作成手段が，指導項目候補選択手段で決定された指導項目を用いて各疾病のリスク知識を作成するので，指導に適した各疾病のリスクを提示するリスク知識を作成できる効果がある。
また，本発明の個別健康指導支援システムは，疾病数・組合せリスク算出手段が，指導項目別に組合せリスクと疾病数を算出し，改善項目抽出手段が，最も推奨される改善項目として，疾病数最大で組合せリスク最大の項目を抽出するので，複数疾病全体に対するリスクを低減させる生活習慣改善項目を提示できる効果がある。
また，本発明の個別健康指導支援システムは，指導内容作成手段が，指導対象者の各疾病の発症割合，生活習慣が良い人に対するリスク，推奨改善項目，最も推奨される改善項目を一覧表示するので，操作者は指導対象者の改善ポイントが簡単に分かり，そのポイントを重点的に指導できる効果がある。
上記実施例では，疾病数・組合せリスク算出ステップ1305において，疾病数・組合せリスク算出手段109が疾病数と相対リスクの和である組合せリスクを算出し，改善項目抽出ステップ1306において，改善項目抽出手段110が疾病数・組合せリスクから，最も推奨される改善項目として，疾病数最大で組合せリスク最大の指導項目を抽出する例を説明した。しかし，疾病数・組合せリスク算出ステップ1305において，疾病数・組合せリスク算出手段109が，各疾病の発症割合910で重み付けした相対リスクの和を算出し，疾病数・重み付け組合せリスクから，最も推奨される改善項目として，疾病数最大で重み付け組合せリスク最大の指導項目を抽出してもよい。図15を用いて具体的に説明する。例えば，20歳からの体重増加914の場合，重み付け組合せリスク908は，各疾病の発症割合で重み付けした相対リスク，0.26×1.4（メタボリックシンドローム），0.19×1.5（糖尿病），0.61×1.9（高血圧），0.51×1.3（高脂血症）の和となり，その値は2.47になる。また，アルコール量/日の場合は，0.26×1.3（メタボリックシンドローム），0.19×1.3（糖尿病），0.61×2.0（高血圧），0.51×1.4（高脂血症）の和となり，その値は2.52になる。そして，算出された疾病数・重み付け組合せリスクから，疾病数906が最大で重み付け組合せリスク908が最大のアルコール量/日3合以下を最も推奨される改善項目として抽出する。これにより，指導対象者の発症割合が高い疾病リスクを重点的に低減する改善項目を抽出できる効果がある。
また,上記実施例では，指導内容表示ステップ1307において，指導内容作成手段103が，図9の指導内容，推奨改善項目，最も推奨される改善項目を，図12の指導内容表示画面のように数値で表示して操作者が指導を行う例を説明した。しかし，指導内容表示ステップ1307において，指導内容作成手段103が，指導対象者の各疾病の発症割合を図16，図19の例のように棒グラフ1610〜1613や円グラフ1910〜1913で表示してもよい。また，指導内容作成手段103が，各疾病の推奨改善項目と最も推奨される改善項目をボタン化（1630〜1632：メタボリックシンドローム，1640〜1642：糖尿病，1650〜1652：高血圧，1660〜1663：高脂血症，1670：最も推奨される改善項目）し，操作者がボタンを押下することで，図17，図18，図20，図21の例のように生活習慣が良い値の発症割合を表示しても良い。図17，図20は，20歳からの体重増加10kg未満1630，1640，1651，1662のボタンを押下した場合の棒グラフと円グラフの画面例であり，10kg未満の各疾病の発症割合1710〜1713（棒グラフ）2010〜2013（円グラフ）を示している。図18，図21は，最も推奨される改善項目であるアルコール量/日3合以下1670のボタンを押下した場合の棒グラフと円グラフの画面例であり，アルコール量/日3合以下の場合の各疾病の発症割合1810〜1813（棒グラフ）2110〜2113（円グラフ）を示している。これにより，操作者は，指導対象者に発症割合の変化をグラフで提示して指導できるため，より視覚的なインパクトを与える指導ができる効果がある。
また，上記実施例では，指導項目決定ステップ706において，指導項目候補選択手段114が，指導項目候補を，図5の指導項目候補表示画面501に表示して，操作者に最終的な指導項目を決定させる例を説明したが，指導項目決定ステップ706を省略し，項目数最小で重み付け組合せ寄与度最大の組合せを最終的な指導項目としても良い。これにより，操作者の手間を減らすことが出来る。
また,上記実施例では，疾病として，メタボリックシンドローム，糖尿病，高血圧，高脂血症を例に挙げ説明したが，他の疾病でも良い。高尿酸血症，LDLコレステロール血症など健診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。このようにすることで，様々な疾病に対する指導を支援できる効果がある。
また，上記実施例では，疾病別寄与度を算出する方法として，ロジスティック回帰モデルを用いてオッズ比を求める方法を説明したが，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,寄与度はオッズ比でなくてもよい。例えば，生活習慣が悪い値と良い値の発症割合の比や差でも良いし，指導する操作者が，独自の寄与度を設定してもよい。このようにすることで，操作者の意図をより反映した指導内容を提示することが出来る効果がある。
また，上記実施例では，疾病のリスクとして発症割合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，リスク知識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リスク知識を作成しても良い。
また，上記実施例では，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，操作者が入力部104を用いて健診結果を入力する方法について示したが，ルール検索手段107が指導対象者の健診結果を，図2の健診情報が蓄積されたデータベース106から取得するようにしてもよい。これにより，操作者が自分で健診結果を入力する手間を減らすことが出来る。
本発明の個別健康指導支援システムの一構成例を示す図。 健診情報管理手段が管理する健診情報の一例を示す図。 寄与度情報管理手段が管理する疾病別寄与度情報の一例を示す図。 寄与度情報管理手段が管理する項目数・組合せ寄与度情報の一例を示す図。 指導項目を決定させる指導項目候補表示画面の一例を示す図。 指導項目管理情報が管理する指導項目情報の一例を示す図。 リスク知識管理手段が管理するリスク知識の一例を示す図。 健診情報からリスク知識を作成する処理の流れの一例を示すフローチャート。 指導内容管理手段が管理する指導内容の一例を示す図 指導対象者の健診結果を入力させる健診結果入力画面の一例を示す 図であり，入力前の状態を示す図。 指導対象者の健診結果を入力させる健診結果入力画面の一例を示す 図であり，入力後の状態を示す図。 指導内容を表示する指導内容表示画面の一例を示す図。 健診結果入力から指導内容表示までの処理の流れの一例を示すフローチャート。 健康指導支援端末とデータベースとのやり取りの一例を示すシーケンス図。 指導内容管理手段が管理する重み付け組合せリスクを用いた場合の指導内容の一例を示す図。 発症割合を棒グラフで表示する指導内容表示画面の一例を示す図であり,改善項目ボタン押下前の状態を示す図。 発症割合を棒グラフで表示する指導内容表示画面の一例を示す図であり，推奨改善項目ボタン押下後の状態を示す図。 発症割合を棒グラフで表示する指導内容表示画面の一例を示す図であり，最も推奨される改善項目ボタン押下後の状態を示す図。 発症割合を円グラフで表示する指導内容表示画面の一例を示す図であり,改善項目ボタン押下前の状態を示す図。 発症割合を円グラフで表示する指導内容表示画面の一例を示す図であり，推奨改善項目ボタン押下後の状態を示す図。 発症割合を円グラフで表示する指導内容表示画面の一例を示す図であり，最も推奨される改善項目ボタン押下後の状態を示す図。
符号の説明
101…健康指導支援端末，102…入力部，103…指導内容作成手段，104…出力部，105…リスク知識作成手段，106…データベース，107…ルール検索手段，108…相対リスク算出手段，109…疾病数・組合せリスク算出手段，110…改善項目抽出手段，111…項目分類手段，112…疾病別寄与度算出手段，113…項目数・組合せ寄与度算出手段，114…指導項目候補選択手段，115…ルール作成手段，119…健診情報管理手段，120…寄与度情報管理手段，121…指導項目情報管理手段，122…リスク知識管理手段，123…指導内容管理手段， 201…健診ID，202…個人ID，203…受診日，204…性別，205…年齢，210…BMI，211…腹囲，212…空腹時血糖値，213…最高血圧，214…最低血圧，215…中性脂肪，216…HDL-C，220…20歳からの体重増加，221…アルコール量/週，222…飲酒日数/週，223…朝食日数/週，224…外食日数/週，225…食事量，226…食事早さ，227…食事バランス，228…喫煙，229…定期的な運動，230…汗をかく運動，231…糖代謝判定，232…血圧判定，233…脂質判定，301…項目，302…分類，303〜306…各疾病に対する寄与度と生活習慣が悪い値と良い値の発症割合，310〜320…各項目の疾病別寄与度，401…項目の組合せ，402…項目数，403…組合せ寄与度，404…重み付け組合せ寄与度，410〜424…項目の組合せと組合せ別の項目数・組合せ寄与度・重み付け組合せ寄与度，501…指導項目候補表示画面，502〜506…分類ラジオボタン，510〜513…項目数選択ラジオボタン，514…決定ボタン，520〜521…項目の組合せの重み付け組合せ寄与度を示す棒グラフ，522〜523…項目の組合せの組合せ寄与度を示す棒グラフ，530〜531…指導項目選択方式選択ラジオボタン，601〜604…各疾病の指導項目，702…項目分類ステップ，703…疾病別寄与度算出ステップ，704…項目数・組合せ寄与度算出ステップ，705…指導項目候補選択ステップ，706…指導項目決定ステップ，707…リスク知識作成ステップ，801…ルールID，802…最高血圧・最低血圧，803…中性脂肪・HDL-C，804…該当者数，805…発症者数，806…発症割合，807…支持度，810〜817…ルール，901…疾病，902〜905…各疾病，906…疾病数，907…組合せリスク，908…重み付け組合せリスク，910…発症割合，911…発症者数，912…該当者数，913…生活習慣が良い人に対するリスク，914〜919…各指導項目の疾病別相対リスク，1001…健診結果入力画面，1002…実行ボタン， 1003〜1015…健診項目，1020〜1047…条件入力ボタン，1201…指導内容表示画面，1210，1220，1230，1240…各疾病の発症割合，1211，1221，1231，1241…各疾病の発症者数，1212，1222，1232，1242…各疾病の該当者数，1213，1223，1233，1243…各疾病の生活習慣が良い人に対するリスク，1214，1224，1234，1244…各疾病の推奨改善項目，1250…最も推奨される改善項目，1302…健診結果入力ステップ，1303…ルール検索ステップ，1304…相対リスク算出ステップ，1305…疾病数・組合せリスク算出ステップ，1306…指導項目抽出ステップ，1307…指導内容表示ステップ，1403…健診情報，1404…寄与度情報登録，1405…寄与度情報，1406…指導項目登録，1407…指導項目，健診情報登録，1408…リスク知識登録，1409…ルール取得要求，1410…ルール，1411…指導内容登録，1412…指導内容，1601…指導内容表示画面(棒グラフ版)，1610〜1613…各疾病の改善項目ボタン押下前の発症割合を示す棒グラフ，1620〜1623…各疾病の生活習慣が良い人に対するリスク，1630〜1632，1640〜1642，1650〜1652，1660〜1663…各疾病の推奨改善項目ボタン，1670…最も推奨される改善項目ボタン，1710〜1713，1810〜1813…各疾病の改善項目ボタン押下後の発症割合を示す棒グラフ，1901…指導内容表示画面(円グラフ版)，1910〜1913…各疾病の改善項目ボタン押下前の発症割合を示す円グラフ，2010〜2013，2110〜2113…各疾病の改善項目ボタン押下後の発症割合を示す円グラフ。

Claims (6)

  1. 複数の生活習慣項目及び検査項目を含む健診結果を複数人分蓄積した健診情報から1以上の疾病に関する個人別の予防・健康増進のための情報を提示する個別健康指導支援システムであって，
    指導すべき生活習慣の種別ごとに分類された複数の生活習慣項目を予め定められた生活習慣項目分類に分類する項目分類手段と，
    前記生活習慣項目と疾病発症との関係を分析し，生活習慣項目の内容に該当する人と該当しない人の各々の発症した割合を示す発症割合を算出し２つの発症割合を比較し，算出した発症割合が高い前記生活習慣項目の値を生活習慣が悪い値，前記算出した発症割合が低い前記生活習慣項目の値を生活習慣が良い値とし，前記生活習慣が良い値の発症割合と前記生活習慣が悪い値の発症割合から疾病別の寄与度を算出する疾病別寄与度算出手段と，
    前記項目分類手段で分類された生活習慣項目分類に属する各生活習慣項目の組合せを新たに生成し，生成した組合せに含まれる生活習慣項目に対する前記疾病別寄与度算出手段で算出された寄与度を前記生活習慣が悪い値の発症割合で重み付けした総和である重み付け組合せ寄与度と，前記生成した組合せに含まれる生活習慣項目の数である項目数とを算出する項目数・組合せ寄与度算出手段と，
    前記項目分類手段で分類された生活習慣項目分類別に，前記項目数・組合せ寄与度算出手段で算出された項目数と重み付け組合せ寄与度から，項目数が最小で重み付け組合せ寄与度が最大の前記生活習慣項目の組合せを指導項目として選択する指導項目候補選択手段と、
    前記指導項目と検査項目の値を組合せた条件と、その組合せを持つ人の中で発症した人の割合を示す発症割合と、発症した人数を健診情報数で割った値である支持度とで構成されるルールを複数持つリスク知識を疾病別に作成するルール作成手段と、
    前記各疾病のリスク知識から指導対象者の健診結果に対応した各疾病の発症割合等を示す前記ルールを検索するルール検索手段と，
    検索ルールの前記生活習慣項目が悪い値を全て前記生活習慣項目が良い値に変更したルールに対する相対リスクを示す生活習慣が良い人に対するオッズ比であるリスクと、前記生活習慣項目が悪い値を1個ずつ前記生活習慣項目が良い値に変更したルールに対するオッズ比である相対リスクを示す項目別相対リスクと、を疾病別に算出する相対リスク算出手段と，
    指導項目別に前記項目別相対リスクの和を示す組合せリスクと前記項目別相対リスクが算出された疾病の数を算出する疾病数・組合せリスク算出手段と， 前記項目別相対リスクが存在する項目を推奨改善項目として抽出し，前記疾病数・組合せリスクから，疾病数が最大で組合せリスクが最大の項目を最も推奨される改善項目として抽出する改善項目抽出手段を有することを特徴とする個別健康指導支援システム。
  2. 請求項１記載の個別健康指導支援システムにおいて，前記項目数・組合せ寄与度算出手段で生成された生活習慣項目の組合せ別に，組合せに含まれる生活習慣項目に対する前記疾病別寄与度算出手段で算出された寄与度の総和である組合せ寄与度を算出する手段と，
    前記項目分類手段で分類された生活習慣項目分類別に，前記組合せ寄与度と前記項目数・組合せ寄与度算出手段で算出された項目数から，項目数が最小で組合せ寄与度が最大の生活習慣項目の組合せを選択する手段と，
    選択した生活習慣項目の組合せと前記指導項目候補選択手段で選択された指導項目とを比較し，異なる場合に両方の組合せを指導項目候補として前記項目分類手段で分類された生活習慣項目分類別に表示することを特徴とする個別健康指導支援システム。
  3. 請求項１記載の個別健康指導支援システムにおいて，前記疾病数・組合せリスク算出手段が，指導項目別に，前記指導対象者の健診結果に対応したルールの各疾病の発症割合で乗じて重み付けした前記項目別相対リスクの和を示す重み付け組合せリスクと前記項目別相対リスクが算出された疾病の数を算出し，前記改善項目抽出手段が，前記項目別相対リスクが存在する項目を推奨改善項目として抽出し，前記疾病数・重み付け組合せリスクから，疾病数が最大で重み付け組合せリスクが最大の項目を最も推奨される改善項目として抽出することを特徴とする個別健康指導支援システム。
  4. 請求項１記載の個別健康指導支援システムにおいて，指導対象者の各疾病の前記発症割合，生活習慣が良い人に対するリスク，推奨改善項目，最も推奨される改善項目を一覧表示する指導内容作成手段を有することを特徴とする個別健康指導支援システム。
  5. 請求項１記載の個別健康指導支援システムにおいて，指導対象者の各疾病の前記発症割合と，前記推奨改善項目や最も推奨される改善項目が良い値の場合の発症割合の変化を棒グラフで表示する指導内容作成手段を有することを特徴とする個別健康指導支援システム。
  6. 請求項１記載の個別健康指導支援システムにおいて，指導対象者の各疾病の前記発症割合と，前記推奨改善項目や最も推奨される改善項目が良い値の場合の発症割合の変化を円グラフで表示する指導内容作成手段を有することを特徴とする個別健康指導支援システム。
JP2007007599A 2007-01-17 2007-01-17 個別健康指導支援システム Expired - Fee Related JP5054984B2 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2007007599A JP5054984B2 (ja) 2007-01-17 2007-01-17 個別健康指導支援システム

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2007007599A JP5054984B2 (ja) 2007-01-17 2007-01-17 個別健康指導支援システム

Publications (2)

Publication Number Publication Date
JP2008176434A JP2008176434A (ja) 2008-07-31
JP5054984B2 true JP5054984B2 (ja) 2012-10-24

Family

ID=39703426

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2007007599A Expired - Fee Related JP5054984B2 (ja) 2007-01-17 2007-01-17 個別健康指導支援システム

Country Status (1)

Country Link
JP (1) JP5054984B2 (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107423347A (zh) * 2017-05-17 2017-12-01 京东方科技集团股份有限公司 一种中药配方有效成分分析方法及终端设备

Families Citing this family (34)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101611240B1 (ko) 2006-10-25 2016-04-11 프로테우스 디지털 헬스, 인코포레이티드 복용 가능한 제어된 활성화 식별자
WO2008095183A2 (en) 2007-02-01 2008-08-07 Proteus Biomedical, Inc. Ingestible event marker systems
US8956288B2 (en) 2007-02-14 2015-02-17 Proteus Digital Health, Inc. In-body power source having high surface area electrode
US8115618B2 (en) 2007-05-24 2012-02-14 Proteus Biomedical, Inc. RFID antenna for in-body device
JP5231835B2 (ja) * 2008-02-22 2013-07-10 株式会社東芝 健康指導支援システム
EP3427660A1 (en) 2008-07-08 2019-01-16 Proteus Digital Health, Inc. Ingestible event marker data framework
JP5361303B2 (ja) * 2008-09-17 2013-12-04 株式会社東芝 健康管理支援システム
JP5300426B2 (ja) * 2008-11-10 2013-09-25 株式会社東芝 保健指導支援装置及び保健指導支援プログラム
JP5185785B2 (ja) * 2008-11-19 2013-04-17 オムロンヘルスケア株式会社 健康状態判断装置
JP5176942B2 (ja) * 2008-12-25 2013-04-03 オムロン株式会社 特徴抽出装置
JP2010198411A (ja) * 2009-02-26 2010-09-09 Hitachi Information & Control Solutions Ltd 疾病発症リスクシミュレーションシステムの改善指標表示装置及び改善指標表示方法
JP4712100B2 (ja) * 2009-03-13 2011-06-29 シャープ株式会社 健康状態判定装置の作動方法
JP5422250B2 (ja) * 2009-04-14 2014-02-19 株式会社日立メディコ メタボリックシンドローム改善情報演算システム、当該システムとして機能させるためのプログラム、及び、当該プログラムを記録した記録媒体
TWI517050B (zh) 2009-11-04 2016-01-11 普羅托斯數位健康公司 供應鏈管理之系統
TWI557672B (zh) 2010-05-19 2016-11-11 波提亞斯數位康健公司 用於從製造商跟蹤藥物直到患者之電腦系統及電腦實施之方法、用於確認將藥物給予患者的設備及方法、患者介面裝置
WO2012014691A1 (ja) * 2010-07-26 2012-02-02 シャープ株式会社 生体測定装置、生体測定方法、生体測定装置の制御プログラム、および、該制御プログラムを記録した記録媒体
WO2015112603A1 (en) 2014-01-21 2015-07-30 Proteus Digital Health, Inc. Masticable ingestible product and communication system therefor
MX340001B (es) 2011-07-21 2016-06-20 Proteus Digital Health Inc Dispositivo, sistema y método de comunicación móvil.
WO2013157277A1 (ja) * 2012-04-20 2013-10-24 パナソニック株式会社 生活習慣病改善支援装置およびその制御方法
JP6030002B2 (ja) * 2013-02-27 2016-11-24 富士フイルムＲｉファーマ株式会社 画像処理プログラム、画像処理装置、および画像処理方法
US11744481B2 (en) * 2013-03-15 2023-09-05 Otsuka Pharmaceutical Co., Ltd. System, apparatus and methods for data collection and assessing outcomes
JP6441556B2 (ja) * 2013-05-09 2018-12-19 Ｐｈｃホールディングス株式会社 生活習慣病改善支援装置およびその制御方法
US10084880B2 (en) 2013-11-04 2018-09-25 Proteus Digital Health, Inc. Social media networking based on physiologic information
US20160275253A1 (en) * 2014-02-12 2016-09-22 Akiyoshi Shimura Disease detecting system and disease detecting method
CN106462664A (zh) * 2014-05-19 2017-02-22 皇家飞利浦有限公司 用于引导患者自我护理行为的方法和系统
JP2016018399A (ja) * 2014-07-08 2016-02-01 株式会社ＤｅＮＡライフサイエンス 表示管理サーバ、健康管理システム、及び、画面生成方法
JP6719942B2 (ja) * 2016-03-30 2020-07-08 大和ハウス工業株式会社 運動支援システム
JP6852977B2 (ja) * 2016-03-30 2021-03-31 大和ハウス工業株式会社 運動支援システム
US10187121B2 (en) 2016-07-22 2019-01-22 Proteus Digital Health, Inc. Electromagnetic sensing and detection of ingestible event markers
JP6567484B2 (ja) * 2016-09-29 2019-08-28 株式会社日立製作所 推計モデル構築システム、推計モデル構築方法及びプログラム
CA3066246A1 (en) * 2017-06-09 2018-12-13 Curelator, Inc. Systems and methods for visualizing patient population disease symptom comparison
JP7208457B2 (ja) * 2018-11-30 2023-01-19 富士通株式会社 情報処理システム、情報処理方法、情報処理プログラム及び情報処理装置
JP7333679B2 (ja) * 2021-12-28 2023-08-25 国立大学法人 東京大学 医療支援装置、医療支援方法及び医療支援プログラム
CN116030984B (zh) * 2023-03-31 2023-06-09 武汉携康智能健康设备有限公司 一种基于智能健康站的用户体检系统及体检方法

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000262479A (ja) * 1999-03-17 2000-09-26 Hitachi Ltd 健康診断方法及びその実施装置並びにその処理プログラムを記録した媒体
JP2002024401A (ja) * 2000-07-06 2002-01-25 Takeda Chem Ind Ltd 疾病の治療および予防の指導・支援システム
JP2002157339A (ja) * 2000-11-17 2002-05-31 Hoken Joho Service:Kk 健康調査及び生活習慣改善指導システム
JP2004185192A (ja) * 2002-12-02 2004-07-02 Naoaki Ishii 健康情報の解析・研究及び健康維持・長寿実現のための総合支援システム
JP2004302498A (ja) * 2003-03-28 2004-10-28 Matsushita Electric Ind Co Ltd 食生活習慣改善支援装置
JP2005000265A (ja) * 2003-06-10 2005-01-06 Hitachi Ltd 健康状態別の発症リスク知識構築方法及び健康管理装置
JP4287212B2 (ja) * 2003-07-30 2009-07-01 株式会社日立製作所 健康指導支援システム及びそのソフトウェアを記録した媒体
JP4604193B2 (ja) * 2004-10-22 2010-12-22 国立大学法人山梨大学 生活習慣改善提示システム
JP4665615B2 (ja) * 2005-06-07 2011-04-06 株式会社日立製作所 健康指導支援システム
JP4729444B2 (ja) * 2006-06-19 2011-07-20 株式会社日立メディコ 健康指導支援システム

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107423347A (zh) * 2017-05-17 2017-12-01 京东方科技集团股份有限公司 一种中药配方有效成分分析方法及终端设备
CN107423347B (zh) * 2017-05-17 2019-10-29 京东方科技集团股份有限公司 一种中药配方有效成分分析方法及终端设备

Also Published As

Publication number Publication date
JP2008176434A (ja) 2008-07-31

Similar Documents

Publication Publication Date Title
JP5054984B2 (ja) 個別健康指導支援システム
US10067627B2 (en) Health forecaster
Wildman et al. The obese without cardiometabolic risk factor clustering and the normal weight with cardiometabolic risk factor clustering: prevalence and correlates of 2 phenotypes among the US population (NHANES 1999-2004)
King et al. Development and validation of an international risk prediction algorithm for episodes of major depression in general practice attendees: the PredictD study
Wilkins et al. Lifetime risk and years lived free of total cardiovascular disease
JP5300426B2 (ja) 保健指導支援装置及び保健指導支援プログラム
US10593428B2 (en) Diagnosis support apparatus and method, and non-transitory computer readable medium
JP2017131495A (ja) 病気診断装置
JP6273631B2 (ja) 健康状態判定装置
JP2009273558A (ja) 健康診断支援装置及びプログラム
JP6999403B2 (ja) 健診結果出力装置とその作動方法および作動プログラム
Kohorst et al. Prevalence of delusional infestation—a population-based study
US11205140B2 (en) Methods and systems for self-fulfillment of an alimentary instruction set based on vibrant constitutional guidance
JP5472922B2 (ja) 生活習慣改善支援システム、及び、生活習慣改善支援方法
JP4287212B2 (ja) 健康指導支援システム及びそのソフトウェアを記録した媒体
JP4665615B2 (ja) 健康指導支援システム
US11367531B2 (en) Medical checkup result output apparatus, operation method thereof, and non-transitory computer readable medium
JP5002404B2 (ja) 保健指導支援システム
Chanti-Ketterl et al. The association between lipoproteins, disability, and physical function among older Costa Rican adults
JP4729444B2 (ja) 健康指導支援システム
US20220054091A1 (en) Methods and systems for self-fulfillment of an alimentary instruction set based on vibrant constitutional guidance
JP5982949B2 (ja) 保健指導対象者選定条件決定支援装置
Hamer et al. Physical functional health and risk of future cardiovascular disease: the Scottish Health Survey
JP2006163932A (ja) 医療情報処理装置、および、プログラム
JP7438784B2 (ja) 医療データ提供システム、医療データ提供プログラム、および医療データ提供方法

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20090807

A521 Written amendment

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20090807

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20110729

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20110816

A521 Written amendment

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20111011

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20120417

A521 Written amendment

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20120614

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20120703

A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20120730

R150 Certificate of patent or registration of utility model

Free format text: JAPANESE INTERMEDIATE CODE: R150

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20150803

Year of fee payment: 3

LAPS Cancellation because of no payment of annual fees