JP6513138B2 - システム、情報処理装置、情報処理方法及びプログラム - Google Patents
システム、情報処理装置、情報処理方法及びプログラム Download PDFInfo
- Publication number
- JP6513138B2 JP6513138B2 JP2017125360A JP2017125360A JP6513138B2 JP 6513138 B2 JP6513138 B2 JP 6513138B2 JP 2017125360 A JP2017125360 A JP 2017125360A JP 2017125360 A JP2017125360 A JP 2017125360A JP 6513138 B2 JP6513138 B2 JP 6513138B2
- Authority
- JP
- Japan
- Prior art keywords
- information
- state
- mind
- mental
- divisions
- 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
Links
- 230000010365 information processing Effects 0.000 title claims description 56
- 238000003672 processing method Methods 0.000 title claims description 8
- PWPJGUXAGUPAHP-UHFFFAOYSA-N lufenuron Chemical compound C1=C(Cl)C(OC(F)(F)C(C(F)(F)F)F)=CC(Cl)=C1NC(=O)NC(=O)C1=C(F)C=CC=C1F PWPJGUXAGUPAHP-UHFFFAOYSA-N 0.000 title 1
- 230000007704 transition Effects 0.000 claims description 238
- 230000003340 mental effect Effects 0.000 claims description 88
- 238000000034 method Methods 0.000 claims description 51
- 230000006996 mental state Effects 0.000 claims description 45
- 230000008569 process Effects 0.000 claims description 43
- 238000012545 processing Methods 0.000 claims description 41
- 238000006243 chemical reaction Methods 0.000 claims description 23
- 238000011835 investigation Methods 0.000 claims description 4
- 230000015572 biosynthetic process Effects 0.000 claims 1
- 238000011156 evaluation Methods 0.000 description 61
- 238000004458 analytical method Methods 0.000 description 50
- 239000011159 matrix material Substances 0.000 description 31
- 230000000474 nursing effect Effects 0.000 description 29
- 238000010586 diagram Methods 0.000 description 26
- 230000007774 longterm Effects 0.000 description 19
- 230000001052 transient effect Effects 0.000 description 13
- 230000008901 benefit Effects 0.000 description 10
- 230000006870 function Effects 0.000 description 7
- 238000007639 printing Methods 0.000 description 7
- 238000013475 authorization Methods 0.000 description 5
- 230000006866 deterioration Effects 0.000 description 5
- 230000006872 improvement Effects 0.000 description 4
- 238000010521 absorption reaction Methods 0.000 description 3
- 238000012552 review Methods 0.000 description 3
- 238000010079 rubber tapping Methods 0.000 description 3
- 239000007787 solid Substances 0.000 description 3
- 241000282412 Homo Species 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000005192 partition Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 230000003920 cognitive function Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000005309 stochastic process Methods 0.000 description 1
Images
Landscapes
- Medical Treatment And Welfare Office Work (AREA)
Description
本発明は、システム、情報処理装置、情報処理方法及びプログラムに関する。
我が国では高齢化が進み、介護への需要が高まったことに対応し、介護保険制度が導入された。介護保険制度の運用を支援するための技術が考えられている。例えば、特許文献１には、被保険者に対する不適切な介護サービスの提供を効率的にチェックする方法が開示されている。
介護保険制度が始まり、日本全国において、介護保険制度の被保険者の心身状態に関するデータが多量に蓄積され、ビッグデータとなっている。介護保険制度の改善、効率的な運用等のため、このようなビッグデータを十分に活用した被保険者の心身状態の解析の実現が望まれている。そこで、非保険者の心身状態の解析の実現等のため、より容易に活用可能な被保険者の心身状態に関する情報を人工的に学習する仕組みを構築したいという要望があった。
本発明のシステムは、心身状態の調査時点における被保険者の心身状態を点数で示す指標である複数の心身状態指標を、予め定められた数のレベル数で表される順序尺度に変換する変換手段と、前記変換手段により前記順序尺度に変換された前記複数の心身状態指標に基づいて、前記複数の心身状態指標それぞれに対応する調査時点における被保険者の心身状態を、前記レベル数に応じて決定された心身状態に関する複数の区分に分類する分類処理を行う分類手段と、前記分類手段による分類処理の結果に基づいて、前記複数の区分に含まれる区分毎に、区分に対応する心身状態に関する情報である心身状態情報を学習する学習手段と、前記学習手段により学習された前記心身状態情報に基づいて、前記複数の区分に含まれる区分同士の関係性を示す関係性画像を生成する第１の生成手段と、前記第１の生成手段により生成された前記関係性画像を出力する第１の出力手段と、を有する。
本発明によれば、より容易に活用可能な被保険者の心身状態に関する情報を学習することができる。
以下に、本発明の好ましい実施の形態を、図面に基づいて詳細に説明する。
＜実施形態１＞
（介護保険制度概要）
我が国の介護保険制度では、介護が必要になった場合、被保険者が要介護認定の申請を行えば、保険者が要介護の認定を行うこととなっている。認定調査員による心身状態の調査票と主治医の意見書から作成された「介護認定審査会資料」とにより、介護認定審査会において、被保険者の要介護度が判定され、被保険者は、その要介護度に応じたサービスが受けられることとなる。
図１は、認定調査員による心身状態の調査票の一例を示す図である。認定調査員は、図１の調査票に示される５５（６２）項目の評価項目について、非保険者の心身状態を評価することとなる。心身状態の調査時点における被保険者の心身状態は、これらの評価項目の評価値の組み合わせで表されることとなる。図１の例では、評価項目の評価値が空欄であることは、その評価項目についての評価値が、その評価項目について問題がない（正常である）ことを示す評価値であることを示す。
図１に示されるように、心身状態の調査票に表される複数の評価項目は、第１群「身体機能・起居動作」、第２群「生活機能」、第３群「認知機能」、第４群「精神・行動障害」、第５群「社会生活への適応」の５つの群に分けられている。これらの群毎に、評価項目の評価値に応じた点数を集計することで、被保険者の心身状態を量的な点数で表す中間評価項目得点が決定される。各評価項目の評価値に対応する点数は、予め定められている。図２は、群毎に決定された中間評価項目得点の一例を示す図である。図２の例では、被保険者は、第２群、第３群については、問題がなく、第５群については、問題がある可能性があることが示される。中間評価項目得点は、心身状態の調査時点における被保険者の心身状態を点数で示す指標である心身状態指標の一例である。
（介護保険制度概要）
我が国の介護保険制度では、介護が必要になった場合、被保険者が要介護認定の申請を行えば、保険者が要介護の認定を行うこととなっている。認定調査員による心身状態の調査票と主治医の意見書から作成された「介護認定審査会資料」とにより、介護認定審査会において、被保険者の要介護度が判定され、被保険者は、その要介護度に応じたサービスが受けられることとなる。
図１は、認定調査員による心身状態の調査票の一例を示す図である。認定調査員は、図１の調査票に示される５５（６２）項目の評価項目について、非保険者の心身状態を評価することとなる。心身状態の調査時点における被保険者の心身状態は、これらの評価項目の評価値の組み合わせで表されることとなる。図１の例では、評価項目の評価値が空欄であることは、その評価項目についての評価値が、その評価項目について問題がない（正常である）ことを示す評価値であることを示す。
図１に示されるように、心身状態の調査票に表される複数の評価項目は、第１群「身体機能・起居動作」、第２群「生活機能」、第３群「認知機能」、第４群「精神・行動障害」、第５群「社会生活への適応」の５つの群に分けられている。これらの群毎に、評価項目の評価値に応じた点数を集計することで、被保険者の心身状態を量的な点数で表す中間評価項目得点が決定される。各評価項目の評価値に対応する点数は、予め定められている。図２は、群毎に決定された中間評価項目得点の一例を示す図である。図２の例では、被保険者は、第２群、第３群については、問題がなく、第５群については、問題がある可能性があることが示される。中間評価項目得点は、心身状態の調査時点における被保険者の心身状態を点数で示す指標である心身状態指標の一例である。
介護認定審査会は、評価値の組み合わせ、中間評価項目得点等を判定材料として参考にしながら、被保険者の要介護度を判定する。
被保険者に提供される介護サービスは、訪問系、通所系、短期入所系、多機能系、管理指導系、居住サービス系、施設サービス系の様に沢山の介護サービスがあり、心身状態に適した介護サービスの組合せを決定するのは、熟練を要する。したがって、介護計画を立案する人材（ケアマネージャ）の確保は容易でなく、超高齢社会となっている現状において、我が国の社会保障費は増加の一途であり、効率的で効果的な介護の提供が求められている。
介護保険制度が始まり、日本全国において、被保険者の心身状態の認定データや介護サービスの給付データが多量に蓄積され、ビッグデータとなっている。認定データとは、被保険者の心身状態の情報（評価項目の評価値の組み合わせ、中間評価項目得点等）等を含み、要介護度の認定等に関するデータである。給付データとは、どのような介護サービスが利用され、価格がどの程度であったか等の被保険者に給付されたサービスに関するデータである。そこで、本実施形態では、より容易に解析に利用可能な介護保険制度の被保険者の心身状態に関するデータを学習し、学習結果を活用する処理について説明する。
被保険者に提供される介護サービスは、訪問系、通所系、短期入所系、多機能系、管理指導系、居住サービス系、施設サービス系の様に沢山の介護サービスがあり、心身状態に適した介護サービスの組合せを決定するのは、熟練を要する。したがって、介護計画を立案する人材（ケアマネージャ）の確保は容易でなく、超高齢社会となっている現状において、我が国の社会保障費は増加の一途であり、効率的で効果的な介護の提供が求められている。
介護保険制度が始まり、日本全国において、被保険者の心身状態の認定データや介護サービスの給付データが多量に蓄積され、ビッグデータとなっている。認定データとは、被保険者の心身状態の情報（評価項目の評価値の組み合わせ、中間評価項目得点等）等を含み、要介護度の認定等に関するデータである。給付データとは、どのような介護サービスが利用され、価格がどの程度であったか等の被保険者に給付されたサービスに関するデータである。そこで、本実施形態では、より容易に解析に利用可能な介護保険制度の被保険者の心身状態に関するデータを学習し、学習結果を活用する処理について説明する。
（処理の概要）
本実施形態では、情報処理システムは、解析に利用可能なデータとして、既に蓄積されているビッグデータに基づいて、被保険者の心身状態毎に、その心身状態の被保険者の要介護度等の値がどの程度であるか、その心身状態の被保険者にはどのような介護が行われているか、その心身状態の被保険者がその後にどのような心身状態に遷移するか等を示す情報を生成することで、学習することとする。即ち、情報処理システムは、心身状態が同一の被保険者に関する種々の情報について、集計値、平均値、差分値等を求めたりすることとなる。
そこで、情報処理システムは、心身状態が同一の被保険者を特定する必要がある。被保険者の心身状態は、図１の調査票に示される５５（６２）項目の評価項目についての評価値の組み合わせに表される。しかし、５５（６２）項目の評価項目それぞれについて、取り得る評価値は、２〜５個あり、被保険者が取り得る心身状態は、少なく見積もっても、２の６２乗通りと膨大な数となってしまう。ビッグデータとして、蓄積されている調査時点における被保険者のデータは、我が国全体で、１００万人単位の数で存在する。即ち、１００万個単位の数のデータが、２の６２乗通りの区分に分散されることとすると、同じ区分に属するデータは、稀となる。そのため、情報処理システムは、同一の心身状態の被保険者の情報を取得することが困難である。
本実施形態では、情報処理システムは、解析に利用可能なデータとして、既に蓄積されているビッグデータに基づいて、被保険者の心身状態毎に、その心身状態の被保険者の要介護度等の値がどの程度であるか、その心身状態の被保険者にはどのような介護が行われているか、その心身状態の被保険者がその後にどのような心身状態に遷移するか等を示す情報を生成することで、学習することとする。即ち、情報処理システムは、心身状態が同一の被保険者に関する種々の情報について、集計値、平均値、差分値等を求めたりすることとなる。
そこで、情報処理システムは、心身状態が同一の被保険者を特定する必要がある。被保険者の心身状態は、図１の調査票に示される５５（６２）項目の評価項目についての評価値の組み合わせに表される。しかし、５５（６２）項目の評価項目それぞれについて、取り得る評価値は、２〜５個あり、被保険者が取り得る心身状態は、少なく見積もっても、２の６２乗通りと膨大な数となってしまう。ビッグデータとして、蓄積されている調査時点における被保険者のデータは、我が国全体で、１００万人単位の数で存在する。即ち、１００万個単位の数のデータが、２の６２乗通りの区分に分散されることとすると、同じ区分に属するデータは、稀となる。そのため、情報処理システムは、同一の心身状態の被保険者の情報を取得することが困難である。
また、被保険者の心身状態は、図２に示されるような中間評価項目得点でも表される。しかし、中間評価項目得点は、各群について、０点〜１００点まで、小数点第１位まで表された量的な点数で表現されており、表現される心身状態の数は、約１０００の５乗と、膨大な数となってしまう。１００万個単位の数のデータが、約１０００の５乗通りの区分に分散されることとすると、同じ区分に属するデータは、稀となる。そのため、この場合も、情報処理システムは、同一の心身状態の被保険者の情報を取得することが困難である。
そこで、本実施形態では、情報処理システムが、複数の認定データ夫々に含まれる中間評価項目得点を、量的な点数から、予め定められたレベル数（例えば、レベル数４等）で表される順序尺度に変換し、順序尺度に変換した中間評価項目得点に基づいて、中間評価項目得点に対応する心身状態それぞれを、そのレベル数に基づいて定められた有限な複数の区分に分類する。そして、情報処理システムは、この分類結果に基づいて、被保険者の心身状態の解析に利用されるデータを学習する。
また、情報処理システムは、学習したデータに基づいて、被保険者の心身状態の解析に利用される画像を生成し、出力する。
そこで、本実施形態では、情報処理システムが、複数の認定データ夫々に含まれる中間評価項目得点を、量的な点数から、予め定められたレベル数（例えば、レベル数４等）で表される順序尺度に変換し、順序尺度に変換した中間評価項目得点に基づいて、中間評価項目得点に対応する心身状態それぞれを、そのレベル数に基づいて定められた有限な複数の区分に分類する。そして、情報処理システムは、この分類結果に基づいて、被保険者の心身状態の解析に利用されるデータを学習する。
また、情報処理システムは、学習したデータに基づいて、被保険者の心身状態の解析に利用される画像を生成し、出力する。
（情報処理システムのシステム構成）
図３は、本実施形態の情報処理システムのシステム構成の一例を示す図である。
情報処理システムは、解析サーバ３００、記憶サーバ３０１、クライアント装置３０２を含む。解析サーバ３００、記憶サーバ３０１、クライアント装置３０２は、ネットワーク３０３を介して、相互に通信可能に接続されている。ネットワーク３０３は、例えば、インターネット、ＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）等である。
解析サーバ３００は、被保険者の心身状態の解析に利用されるデータを学習するパーソナルコンピュータ（ＰＣ）、サーバ装置、タブレット装置等の情報処理装置である。
記憶サーバ３０１は、介護保険制度の被保険者の認定データや給付データを記憶するＰＣ、サーバ装置等の情報処理装置である。また、記憶サーバ３０１は、外部ＨＤＤやＮＡＳ等の記憶装置であるとしてもよい。
クライアント装置３０２は、解析サーバ３００に対して、非保険者のデータの解析を要求するＰＣ、タブレット装置、スマートホン等の情報処理装置である。
図３は、本実施形態の情報処理システムのシステム構成の一例を示す図である。
情報処理システムは、解析サーバ３００、記憶サーバ３０１、クライアント装置３０２を含む。解析サーバ３００、記憶サーバ３０１、クライアント装置３０２は、ネットワーク３０３を介して、相互に通信可能に接続されている。ネットワーク３０３は、例えば、インターネット、ＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）等である。
解析サーバ３００は、被保険者の心身状態の解析に利用されるデータを学習するパーソナルコンピュータ（ＰＣ）、サーバ装置、タブレット装置等の情報処理装置である。
記憶サーバ３０１は、介護保険制度の被保険者の認定データや給付データを記憶するＰＣ、サーバ装置等の情報処理装置である。また、記憶サーバ３０１は、外部ＨＤＤやＮＡＳ等の記憶装置であるとしてもよい。
クライアント装置３０２は、解析サーバ３００に対して、非保険者のデータの解析を要求するＰＣ、タブレット装置、スマートホン等の情報処理装置である。
（情報処理システムの各要素のハードウェア構成）
図４（ａ）は、解析サーバ３００のハードウェア構成の一例を示す図である。
解析サーバ３００は、ＣＰＵ４０１、主記憶装置４０２、補助記憶装置４０３、ネットワークＩ／Ｆ４０４を含む。各要素は、システムバス４０５を介して、相互に通信可能に接続されている。
ＣＰＵ４０１は、解析サーバ３００を制御する中央演算装置である。主記憶装置４０２は、ＣＰＵ４０１のワークエリア、データの一時的な記憶場所として機能するＲａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ（ＲＡＭ）等の記憶装置である。補助記憶装置４０３は、各種プログラム、各種設定情報、各種解析データ等を記憶する記憶装置である。補助記憶装置４０３は、例えば、Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ（ＲＯＭ）、ハードディスクドライブ（ＨＤＤ）、ソリッドステートドライブ（ＳＳＤ）等である。ネットワークＩ／Ｆ４０４は、記憶サーバ３０１、クライアント装置３０２等の外部の装置とのネットワーク３０３を介した通信に利用されるインターフェースである。
図４（ａ）は、解析サーバ３００のハードウェア構成の一例を示す図である。
解析サーバ３００は、ＣＰＵ４０１、主記憶装置４０２、補助記憶装置４０３、ネットワークＩ／Ｆ４０４を含む。各要素は、システムバス４０５を介して、相互に通信可能に接続されている。
ＣＰＵ４０１は、解析サーバ３００を制御する中央演算装置である。主記憶装置４０２は、ＣＰＵ４０１のワークエリア、データの一時的な記憶場所として機能するＲａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ（ＲＡＭ）等の記憶装置である。補助記憶装置４０３は、各種プログラム、各種設定情報、各種解析データ等を記憶する記憶装置である。補助記憶装置４０３は、例えば、Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ（ＲＯＭ）、ハードディスクドライブ（ＨＤＤ）、ソリッドステートドライブ（ＳＳＤ）等である。ネットワークＩ／Ｆ４０４は、記憶サーバ３０１、クライアント装置３０２等の外部の装置とのネットワーク３０３を介した通信に利用されるインターフェースである。
ＣＰＵ４０１が、補助記憶装置４０３等に記憶されたプログラムに基づき処理を実行することで、解析サーバ３００の機能及び図５で後述するシーケンス図の処理における解析サーバ３００の処理等が実現される。
本実施形態では、記憶サーバ３０１のハードウェア構成は、図４（ａ）に示される解析サーバ３００のハードウェア構成と同様であるとする。記憶サーバ３０１の補助記憶装置は、介護保険制度の複数の被保険者の認定データや給付データを記憶している。
記憶サーバ３０１のＣＰＵが、記憶サーバ３０１の補助記憶装置等に記憶されたプログラムに基づき処理を実行することで、記憶サーバ３０１の機能及び図５で後述するシーケンス図の処理における記憶サーバ３０１の処理等が実現される。
本実施形態では、記憶サーバ３０１のハードウェア構成は、図４（ａ）に示される解析サーバ３００のハードウェア構成と同様であるとする。記憶サーバ３０１の補助記憶装置は、介護保険制度の複数の被保険者の認定データや給付データを記憶している。
記憶サーバ３０１のＣＰＵが、記憶サーバ３０１の補助記憶装置等に記憶されたプログラムに基づき処理を実行することで、記憶サーバ３０１の機能及び図５で後述するシーケンス図の処理における記憶サーバ３０１の処理等が実現される。
図４（ｂ）は、クライアント装置３０２のハードウェア構成の一例を示す図である。
クライアント装置３０２は、ＣＰＵ４１１、主記憶装置４１２、補助記憶装置４１３、入力Ｉ／Ｆ４１４、出力Ｉ／Ｆ４１５、ネットワークＩ／Ｆ４１６を含む。各要素は、システムバス４１７を介して、相互に通信可能に接続されている。
ＣＰＵ４１１は、クライアント装置３０２を制御する中央演算装置である。主記憶装置４１２は、ＣＰＵ４１１のワークエリア、データの一時的な記憶場所として機能するＲＡＭ等の記憶装置である。補助記憶装置４１３は、各種プログラム、各種設定情報、各種解析データ等を記憶する記憶装置である。補助記憶装置４１３は、例えば、ＲＯＭ、ＨＤＤ、ＳＳＤ等である。
クライアント装置３０２は、ＣＰＵ４１１、主記憶装置４１２、補助記憶装置４１３、入力Ｉ／Ｆ４１４、出力Ｉ／Ｆ４１５、ネットワークＩ／Ｆ４１６を含む。各要素は、システムバス４１７を介して、相互に通信可能に接続されている。
ＣＰＵ４１１は、クライアント装置３０２を制御する中央演算装置である。主記憶装置４１２は、ＣＰＵ４１１のワークエリア、データの一時的な記憶場所として機能するＲＡＭ等の記憶装置である。補助記憶装置４１３は、各種プログラム、各種設定情報、各種解析データ等を記憶する記憶装置である。補助記憶装置４１３は、例えば、ＲＯＭ、ＨＤＤ、ＳＳＤ等である。
入力Ｉ／Ｆ４１４は、マウス、キーボード、タッチパネルの操作部等の入力装置との接続に利用されるインターフェースである。ＣＰＵ４１１は、入力Ｉ／Ｆ４１４を介して、入力装置からの情報の入力を受付ける。出力Ｉ／Ｆ４１５は、表示装置（例えば、モニタ、タッチパネルの表示部等）、印刷装置、スピーカ等の出力装置との接続に利用されるインターフェースである。ＣＰＵ４１１は、出力Ｉ／Ｆ４１５を介して、出力装置へ、情報を出力する。ネットワークＩ／Ｆ４１６は、解析サーバ３００等の外部の装置とのネットワーク３０３を介した通信に利用されるインターフェースである。
ＣＰＵ４１１が、補助記憶装置４１３等に記憶されたプログラムに基づき処理を実行することで、クライアント装置３０２の機能及び図５で後述するシーケンス図の処理におけるクライアント装置３０２の処理等が実現される。
ＣＰＵ４１１が、補助記憶装置４１３等に記憶されたプログラムに基づき処理を実行することで、クライアント装置３０２の機能及び図５で後述するシーケンス図の処理におけるクライアント装置３０２の処理等が実現される。
（情報処理システムの処理の詳細）
図５は、情報処理システムの処理の一例を示すシーケンス図である。
Ｓ５０１において、ＣＰＵ４０１は、記憶サーバ３０１に対して、被保険者の認定データ及び給付データの要求を送信する。記憶サーバ３０１のＣＰＵは、解析サーバ３００から被保険者の認定データ及び給付データの要求を受信した場合、記憶サーバ３０１の補助記憶装置から被保険者の認定データ及び給付データを取得し、解析サーバ３００に送信する。
Ｓ５０２において、ＣＰＵ４０１は、Ｓ５０１で受信した被保険者の認定データに含まれる中間評価項目得点を、順序尺度に変換する。より具体的には、ＣＰＵ４０１は、Ｓ５０１で受信した被保険者の認定データに含まれる中間評価項目得点毎に、中間評価項目得点の各群の点数に応じて、各群が順序尺度におけるどのレベルなのかを決定する。
図５は、情報処理システムの処理の一例を示すシーケンス図である。
Ｓ５０１において、ＣＰＵ４０１は、記憶サーバ３０１に対して、被保険者の認定データ及び給付データの要求を送信する。記憶サーバ３０１のＣＰＵは、解析サーバ３００から被保険者の認定データ及び給付データの要求を受信した場合、記憶サーバ３０１の補助記憶装置から被保険者の認定データ及び給付データを取得し、解析サーバ３００に送信する。
Ｓ５０２において、ＣＰＵ４０１は、Ｓ５０１で受信した被保険者の認定データに含まれる中間評価項目得点を、順序尺度に変換する。より具体的には、ＣＰＵ４０１は、Ｓ５０１で受信した被保険者の認定データに含まれる中間評価項目得点毎に、中間評価項目得点の各群の点数に応じて、各群が順序尺度におけるどのレベルなのかを決定する。
本実施形態では、ＣＰＵ４０１は、中間評価項目得点を、４つのレベル数で表される順序尺度に変換する。ＣＰＵ４０１は、例えば、中間評価項目得点の各群について、点数が０以上２５未満である場合、レベル１として、点数が２５よりも大きく５０以下である場合、レベル２として、点数が５０よりも大きく７５以下である場合、レベル３として、点数が７５よりも大きく１００以下である場合、レベル４として、順序尺度に変換する。
これにより、中間評価項目得点が示す心身状態が、中間評価項目得点の各群のレベルで表すことが可能となる。図６は、順序尺度に変換された中間評価項目得点が示す心身状態を示すレーダーチャートの一例を示す図である。図６の例には、第１群がレベル４、第２群がレベル３、第３群がレベル２、第４群と第５群とがレベル１となっている心身状態が示されている。
また、ＣＰＵ４０１は、中間評価項目得点を、４つ以外の個数のレベル数で表される順序尺度に変換してもよい。例えば、ＣＰＵ４０１は、中間評価項目得点を、３つ以下の個数のレベル数で表される順序尺度に変換してもよいし、５つ以上の個数のレベル数で表される順序尺度に変換してもよい。
これにより、中間評価項目得点が示す心身状態が、中間評価項目得点の各群のレベルで表すことが可能となる。図６は、順序尺度に変換された中間評価項目得点が示す心身状態を示すレーダーチャートの一例を示す図である。図６の例には、第１群がレベル４、第２群がレベル３、第３群がレベル２、第４群と第５群とがレベル１となっている心身状態が示されている。
また、ＣＰＵ４０１は、中間評価項目得点を、４つ以外の個数のレベル数で表される順序尺度に変換してもよい。例えば、ＣＰＵ４０１は、中間評価項目得点を、３つ以下の個数のレベル数で表される順序尺度に変換してもよいし、５つ以上の個数のレベル数で表される順序尺度に変換してもよい。
Ｓ５０３において、ＣＰＵ４０１は、Ｓ５０２で順序尺度に変換した中間評価項目得点に基づいて、複数の中間評価項目得点それぞれに対応する調査時点における被保険者の心身状態を、心身状態の区分として予め定められた複数の区分に分類する。ＣＰＵ４０１は、予め、Ｓ５０２で変換した順序尺度のレベル数（４）に基づいて、心身状態に関する複数の区分を決定する。Ｓ５０２の処理により、中間評価項目得点内の５つの群それぞれについて、１〜４の何れかのレベルが決定されることとなる。そこで、ＣＰＵ４０１は、中間評価項目得点の各群のレベルにより特定される「４４４４４」、「４４４４３」、「４４４４２」、「４４４４１」、「４４４３４」、・・・「１１１１１」という４の５乗（１０２４）個の区分を決定する。
ＣＰＵ４０１は、Ｓ５０２で順序尺度に変換した中間評価項目得点の各群のレベルに基づいて、予め定めた複数の区分の何れに属するかを特定する。ＣＰＵ４０１は、例えば、中間評価項目得点の第１群〜第５群のレベルがそれぞれ１、３、４、４、２である場合、「１３４４２」の区分に属すると特定する。
Ｓ５０３の処理は、中間評価項目得点に対応する調査時点における被保険者の心身状態を予め定められた複数の区分に分類する分類処理の一例である。
ＣＰＵ４０１は、Ｓ５０２で順序尺度に変換した中間評価項目得点の各群のレベルに基づいて、予め定めた複数の区分の何れに属するかを特定する。ＣＰＵ４０１は、例えば、中間評価項目得点の第１群〜第５群のレベルがそれぞれ１、３、４、４、２である場合、「１３４４２」の区分に属すると特定する。
Ｓ５０３の処理は、中間評価項目得点に対応する調査時点における被保険者の心身状態を予め定められた複数の区分に分類する分類処理の一例である。
Ｓ５０２〜Ｓ５０３の処理では、ＣＰＵ４０１は、量的な点数で表されていた中間評価項目得点を、順序尺度化し、順序尺度化した中間評価項目得点に基づいて、中間評価項目得点が示す調査時点における被保険者の心身状態を、有限な複数の区分に分類した。
例えば、第１群〜第５群の点数が（１００、９８．７、６３．５、２８．９、５５．４）というデータ（１）と、第１群〜第５群の点数が（９６、１００、５２．３、４２．４、６５．２）というデータ（２）と、があるとする。ＣＰＵ４０１は、データ（１）とデータ（２）との各群の値が異なっているため、データ（１）とデータ（２）とを、同じ心身状態のデータとして取り扱うことができない。しかし、データ（１）とデータ（２）とをどの区分に属するかを特定すると、共に（４、４、３、２、３）の区分に属しているため、ＣＰＵ４０１は、データ（１）とデータ（２）とを、同じ心身状態のデータとして取り扱うことができるようになる。
例えば、第１群〜第５群の点数が（１００、９８．７、６３．５、２８．９、５５．４）というデータ（１）と、第１群〜第５群の点数が（９６、１００、５２．３、４２．４、６５．２）というデータ（２）と、があるとする。ＣＰＵ４０１は、データ（１）とデータ（２）との各群の値が異なっているため、データ（１）とデータ（２）とを、同じ心身状態のデータとして取り扱うことができない。しかし、データ（１）とデータ（２）とをどの区分に属するかを特定すると、共に（４、４、３、２、３）の区分に属しているため、ＣＰＵ４０１は、データ（１）とデータ（２）とを、同じ心身状態のデータとして取り扱うことができるようになる。
本実施形態では、４つのレベル数で表される順序尺度を用いることで、４の５乗＝１０２４個の区分が決定されることとした。ビッグデータとして、蓄積されている調査時点における被保険者のデータは、我が国全体で、１００万人単位の数で存在する。即ち、１００万個単位の数のデータが、１０２４の区分に分散されることとなる。この場合、平均で、１つの区分に１００万／１０２４≒１０００個単位のデータが含まれることとなる。情報処理システムは、同一の心身状態について、情報を集計したりすることが可能となる。
また、起こりうる各区分同士の遷移の数は、１０２４の２乗（約１００万）程度となる。即ち、適切な遷移確率を求めるために必要な介護保険制度のデータの数は、１００万単位以上である。認定データや給付データ等の介護保険制度のデータは、我が国全体で、１００万人単位のデータ数が複数年にわたり蓄積されているため、情報処理システムは、４つのレベル数で表される順序尺度を用いることで、我が国に存在する介護保険制度のデータに基づいて、適切に区分同士の遷移確率を決定できる。
また、情報処理システムは、３つのレベル数で表される順序尺度を用いることで、３の５乗＝２４３個の区分を決定してもよい。その場合、起こりうる各区分同士の遷移の数は、２４３の２乗（５９０４９）である。ある地方自治体に、１０万人単位の数で調査時点における被保険者のデータが存在すると、情報処理システムは、３つのレベル数で表される順序尺度を用いることで、その地方自治体に存在する介護保険制度のデータに基づいて、適切に区分同士の遷移確率を決定できる。
また、起こりうる各区分同士の遷移の数は、１０２４の２乗（約１００万）程度となる。即ち、適切な遷移確率を求めるために必要な介護保険制度のデータの数は、１００万単位以上である。認定データや給付データ等の介護保険制度のデータは、我が国全体で、１００万人単位のデータ数が複数年にわたり蓄積されているため、情報処理システムは、４つのレベル数で表される順序尺度を用いることで、我が国に存在する介護保険制度のデータに基づいて、適切に区分同士の遷移確率を決定できる。
また、情報処理システムは、３つのレベル数で表される順序尺度を用いることで、３の５乗＝２４３個の区分を決定してもよい。その場合、起こりうる各区分同士の遷移の数は、２４３の２乗（５９０４９）である。ある地方自治体に、１０万人単位の数で調査時点における被保険者のデータが存在すると、情報処理システムは、３つのレベル数で表される順序尺度を用いることで、その地方自治体に存在する介護保険制度のデータに基づいて、適切に区分同士の遷移確率を決定できる。
従来、被保険者を心身状態に応じて分類する場合、以下のような問題があった。
人間が予め規定した基準に従って分類する方法では、分類結果の各区分は、予め人間によりどのような心身状態を示す区分であるかが決定されており、各区分の内容の理解が容易である。しかし、各区分がどのような心身状態を示すのかを人が考慮して決定する必要がある。人間が、被保険者の心身状態の全てを、適切な数の区分に分類して、分類した各区分がどのような基準を満たす区分であるのかを決定することは、非常に困難である。そのため、この方法では、被保険者のデータを、詳細な分析を可能とする適切な数の区分に分類できない。
クラスター分析等によりビッグデータを学習して分類する方法では、被保険者のデータを指定された数の区分に分類することができるが、分類結果の各区分の解釈が容易ではなく、各区分がどのような心身状態を示すかを把握することが困難である。多層パーセプトロンの考えを発展させたディープラーニング（深層学習）によりビッグデータを学習して分類する方法でも、分類結果の各区分の解釈が容易ではなく、各区分がどのような心身状態を示すかを把握することが困難であり、学習結果を実業務に活用することが難しい。
対して、本実施形態の分類方法では、ビッグデータを学習し、中間評価項目得点の各群の点数を変換した順序尺度のレベル数に応じた数の区分への分類を可能にするだけでなく、分類に従来の指標（中間評価項目得点）を活用していることから分類された区分毎の解釈が容易であり、学習結果の実業務への活用が容易にできる。即ち、本実施形態の分類結果の区分は、中間評価項目得点の各群についてのレベルで表されており、各区分がどのような心身状態を示すかを容易に把握できる。
介護保険制度の開始以来、中間評価項目得点が被保険者の心身状態を認定するために参照されることがあったが、本実施形態の様に中間評価項目得点を活用する方法はなかった。
人間が予め規定した基準に従って分類する方法では、分類結果の各区分は、予め人間によりどのような心身状態を示す区分であるかが決定されており、各区分の内容の理解が容易である。しかし、各区分がどのような心身状態を示すのかを人が考慮して決定する必要がある。人間が、被保険者の心身状態の全てを、適切な数の区分に分類して、分類した各区分がどのような基準を満たす区分であるのかを決定することは、非常に困難である。そのため、この方法では、被保険者のデータを、詳細な分析を可能とする適切な数の区分に分類できない。
クラスター分析等によりビッグデータを学習して分類する方法では、被保険者のデータを指定された数の区分に分類することができるが、分類結果の各区分の解釈が容易ではなく、各区分がどのような心身状態を示すかを把握することが困難である。多層パーセプトロンの考えを発展させたディープラーニング（深層学習）によりビッグデータを学習して分類する方法でも、分類結果の各区分の解釈が容易ではなく、各区分がどのような心身状態を示すかを把握することが困難であり、学習結果を実業務に活用することが難しい。
対して、本実施形態の分類方法では、ビッグデータを学習し、中間評価項目得点の各群の点数を変換した順序尺度のレベル数に応じた数の区分への分類を可能にするだけでなく、分類に従来の指標（中間評価項目得点）を活用していることから分類された区分毎の解釈が容易であり、学習結果の実業務への活用が容易にできる。即ち、本実施形態の分類結果の区分は、中間評価項目得点の各群についてのレベルで表されており、各区分がどのような心身状態を示すかを容易に把握できる。
介護保険制度の開始以来、中間評価項目得点が被保険者の心身状態を認定するために参照されることがあったが、本実施形態の様に中間評価項目得点を活用する方法はなかった。
Ｓ５０４において、ＣＰＵ４０１は、Ｓ５０３での分類処理の結果に基づいて、複数の区分に含まれる区分毎に、その区分に対応する心身状態に関する情報である心身状態情報を生成することで、学習する。心身状態情報には、各区分に属する心身状態の総数や各区分に属する心身状態の数の全区分に属する心身状態の数に対する割合等の統計値を示す統計情報や、各区分の心身状態の被保険者に対する介護の情報である介護情報、その区分と他の区分との関係性を示す関係性情報等がある。
本実施形態では、ＣＰＵ４０１は、心身状態情報として、統計情報と、介護情報と、関係性情報と、を生成する。
ＣＰＵ４０１は、複数の区分それぞれについて、Ｓ５０３で属すると特定された心身状態の数を取得する。また、ＣＰＵ４０１は、取得した数を、全区分に属する心身状態の数で割ることで、各区分に属する心身状態の数の全区分に属する心身状態の数に対する割合を取得する。ＣＰＵ４０１は、複数の区分の各区分について、取得した心身状態（データ）の数（度数）と割合（確率）とを、統計情報として、決定する。
本実施形態では、ＣＰＵ４０１は、心身状態情報として、統計情報と、介護情報と、関係性情報と、を生成する。
ＣＰＵ４０１は、複数の区分それぞれについて、Ｓ５０３で属すると特定された心身状態の数を取得する。また、ＣＰＵ４０１は、取得した数を、全区分に属する心身状態の数で割ることで、各区分に属する心身状態の数の全区分に属する心身状態の数に対する割合を取得する。ＣＰＵ４０１は、複数の区分の各区分について、取得した心身状態（データ）の数（度数）と割合（確率）とを、統計情報として、決定する。
また、ＣＰＵ４０１は、Ｓ５０１で取得した認定データ、給付データに基づいて、複数の区分それぞれについて、その区分に属する心身状態に対応する調査時点における被保険者に対する介護の情報を取得する。ＣＰＵ４０１は、例えば、Ｓ５０１で取得した認定データに基づいて、複数の区分それぞれ毎に、その区分に属する心身状態に対応する調査時点における被保険者の要介護度の平均値、介護に要する時間である基準時間の平均値、男性率、年齢の平均値等を取得する。また、ＣＰＵ４０１は、更に、複数の区分それぞれ毎に、その区分に属する心身状態に対応する調査時点における被保険者の要介護度の標準偏差、基準時間の標準偏差を取得してもよい。
また、ＣＰＵ４０１は、Ｓ５０１で取得した給付データに基づいて、複数の区分それぞれ毎に、その区分に属する心身状態に対応する調査時点における被保険者について、介護サービス毎の利用回数や利用率や価格の平均値を取得する。また、ＣＰＵ４０１は、複数の区分それぞれ毎に、その区分に属する心身状態に対応する調査時点における被保険者について、サービス毎の利用回数や価格の標準偏差を取得してもよい。
ＣＰＵ４０１は、取得した要介護度の平均値や標準偏差、基準時間の平均値や標準偏差、男性率、年齢の平均値、サービス毎の利用率・価格等の平均値や標準偏差等を介護情報として決定する。
また、ＣＰＵ４０１は、Ｓ５０１で取得した給付データに基づいて、複数の区分それぞれ毎に、その区分に属する心身状態に対応する調査時点における被保険者について、介護サービス毎の利用回数や利用率や価格の平均値を取得する。また、ＣＰＵ４０１は、複数の区分それぞれ毎に、その区分に属する心身状態に対応する調査時点における被保険者について、サービス毎の利用回数や価格の標準偏差を取得してもよい。
ＣＰＵ４０１は、取得した要介護度の平均値や標準偏差、基準時間の平均値や標準偏差、男性率、年齢の平均値、サービス毎の利用率・価格等の平均値や標準偏差等を介護情報として決定する。
図７は、Ｓ５０４で生成された統計情報と介護情報との一例を示す図である。図７の例では、ＣＰＵ４０１は、統計情報と介護情報とを１つのテーブル形式のデータとして生成している。
図７のテーブルは、「区分ＩＤ」、「パターン」、「度数」、「確率」、「要介護度」、「基準時間」、「男性率」、「年齢」、「サービス毎の利用率・価格」の項目を含む。「区分ＩＤ」は、被保険者の心身状態について定められた複数の区分それぞれを識別する情報を示す。「パターン」は、各区分に対応する中間評価項目得点の各群のレベルがどのような値であるかを示す。
「度数」は、各区分に属するデータ数を示す。「確率」は、各区分に属するデータ数の、全区分に含まれるデータ数に対する割合を示す。「度数」と「確率」とは、統計情報の一例である。「要介護度」は、各区分に属する心身状態に対応する被保険者の要介護度の平均値、及び標準偏差を示す。「基準時間」は、各区分に属する心身状態に対応する被保険者の基準時間の平均値、及び標準偏差を示す。「男性率」は、各区分に属する心身状態に対応する被保険者が男性である確率を示す。「年齢」は、各区分に属する心身状態に対応する被保険者の平均年齢を示す。「サービス毎の利用率・価格」は、サービス毎の各区分に属する心身状態に対応する被保険者についてのサービスの利用率、価格等の平均値等を示す。「要介護度」、「基準時間」、「男性率」、「年齢」、「サービス毎の利用率・価格」は、介護情報の一例である。
図７のテーブルは、「区分ＩＤ」、「パターン」、「度数」、「確率」、「要介護度」、「基準時間」、「男性率」、「年齢」、「サービス毎の利用率・価格」の項目を含む。「区分ＩＤ」は、被保険者の心身状態について定められた複数の区分それぞれを識別する情報を示す。「パターン」は、各区分に対応する中間評価項目得点の各群のレベルがどのような値であるかを示す。
「度数」は、各区分に属するデータ数を示す。「確率」は、各区分に属するデータ数の、全区分に含まれるデータ数に対する割合を示す。「度数」と「確率」とは、統計情報の一例である。「要介護度」は、各区分に属する心身状態に対応する被保険者の要介護度の平均値、及び標準偏差を示す。「基準時間」は、各区分に属する心身状態に対応する被保険者の基準時間の平均値、及び標準偏差を示す。「男性率」は、各区分に属する心身状態に対応する被保険者が男性である確率を示す。「年齢」は、各区分に属する心身状態に対応する被保険者の平均年齢を示す。「サービス毎の利用率・価格」は、サービス毎の各区分に属する心身状態に対応する被保険者についてのサービスの利用率、価格等の平均値等を示す。「要介護度」、「基準時間」、「男性率」、「年齢」、「サービス毎の利用率・価格」は、介護情報の一例である。
また、ＣＰＵ４０１は、複数の区分に含まれる区分同士の関係性を示す関係性情報を生成する。ＣＰＵ４０１は、例えば、図７のようなデータから、各区分の「度数」、「要介護度」、「基準時間」等のデータを取得する。そして、ＣＰＵ４０１は、取得したデータに基づいて、各区分同士のデータの差分を取得する。ＣＰＵ４０１は、このようにして取得した複数の区分それぞれ毎の他の区分との差分を示す情報を、関係性情報とする。
認定データには、前回の調査時点における被保険者の心身状態を示す情報が含まれる場合がある。その場合、Ｓ５０２〜Ｓ５０３の処理では、ＣＰＵ４０１は、前回の心身状態を示す情報に対しても、調査時点における心身状態を示す情報と同様に、中間評価項目得点から順序尺度化し、同一の有限な複数の区分に分類する。
前回の調査時点における被保険者の心身状態を示す情報を含まない認定データを活用する場合は、ＣＰＵ４０１は、被保険者毎に同一被保険者の複数の認定データから個々の認定有効期間により、前後する認定データの組を全て抽出し、前回調査時の心身状態と今回調査時の心身状態の情報とそれらの中間評価項目得点、順序尺度、該当する区分の情報を前回の調査時点における被保険者の心身状態を示す情報が存在した場合と同じように作成する。但し、ＣＰＵ４０１は、被保険者毎に、認定有効期間が連続していない認定データや１回の認定データしかない場合は、前回調査時の心身状態に関する情報を作成しない。
認定データには、前回の調査時点における被保険者の心身状態を示す情報が含まれる場合がある。その場合、Ｓ５０２〜Ｓ５０３の処理では、ＣＰＵ４０１は、前回の心身状態を示す情報に対しても、調査時点における心身状態を示す情報と同様に、中間評価項目得点から順序尺度化し、同一の有限な複数の区分に分類する。
前回の調査時点における被保険者の心身状態を示す情報を含まない認定データを活用する場合は、ＣＰＵ４０１は、被保険者毎に同一被保険者の複数の認定データから個々の認定有効期間により、前後する認定データの組を全て抽出し、前回調査時の心身状態と今回調査時の心身状態の情報とそれらの中間評価項目得点、順序尺度、該当する区分の情報を前回の調査時点における被保険者の心身状態を示す情報が存在した場合と同じように作成する。但し、ＣＰＵ４０１は、被保険者毎に、認定有効期間が連続していない認定データや１回の認定データしかない場合は、前回調査時の心身状態に関する情報を作成しない。
そして、ＣＰＵ４０１は、調査時点における被保険者の心身状態の分類結果と、前回の調査時点における被保険者の心身状態の分類結果と、に基づいて、前回の調査時点において、ある区分に属する心身状態のうち、幾つの心身状態がどの区分に遷移したかを示す情報を取得する。ＣＰＵ４０１は、取得した情報に基づいて、複数の区分それぞれについて、複数の区分それぞれへの遷移確率を取得する。ＣＰＵ４０１は、例えば、区分Ａから区分Ｂに遷移する確率を、前回調査時点から今回調査時点にかけて区分Ａから区分Ｂに遷移した心身状態の数を、前回調査時点で区分Ａに属する心身状態の数で割ることで、取得する。
例えば、前回調査時点において区分Ａに属する心身状態が１００個であるとして、区分Ａから区分Ｂに遷移した心身状態の数が２０個であるとする。その場合、ＣＰＵ４０１は、区分Ａから区分Ｂに遷移する確率を、２０／１００＝０．２（２０パーセント）として取得する。
このように、ＣＰＵ４０１は、このようにして取得した複数の区分それぞれ毎の複数の区分それぞれへの遷移確率を、複数の区分に含まれる区分同士の遷移過程を示す情報を関係性情報として取得することができる。
また、ＣＰＵ４０１は、複数の区分に含まれる区分同士の遷移過程を示す関係性情報として、複数の区分に含まれる区分毎に、その区分に属する心身状態の数の情報と、その区分に属する心身状態のうち幾つがどの区分に遷移したかを示す情報と、を取得してもよい。また、ＣＰＵ４０１は、複数の区分に含まれる区分同士の遷移過程を示す関係性情報として、複数の区分に含まれる区分毎に、その区分に属する心身状態の数の情報と、その区分に属する心身状態のうち幾つがどの区分からその区分に遷移してきたかを示す情報と、を取得してもよい。これらの場合、ＣＰＵ４０１は、例えば、ある区分に属する心身状態の数と、これらの心身状態のうち他の区分に遷移した心身状態の数と、に基づいて、区分同士の遷移確率を取得する。
例えば、前回調査時点において区分Ａに属する心身状態が１００個であるとして、区分Ａから区分Ｂに遷移した心身状態の数が２０個であるとする。その場合、ＣＰＵ４０１は、区分Ａから区分Ｂに遷移する確率を、２０／１００＝０．２（２０パーセント）として取得する。
このように、ＣＰＵ４０１は、このようにして取得した複数の区分それぞれ毎の複数の区分それぞれへの遷移確率を、複数の区分に含まれる区分同士の遷移過程を示す情報を関係性情報として取得することができる。
また、ＣＰＵ４０１は、複数の区分に含まれる区分同士の遷移過程を示す関係性情報として、複数の区分に含まれる区分毎に、その区分に属する心身状態の数の情報と、その区分に属する心身状態のうち幾つがどの区分に遷移したかを示す情報と、を取得してもよい。また、ＣＰＵ４０１は、複数の区分に含まれる区分同士の遷移過程を示す関係性情報として、複数の区分に含まれる区分毎に、その区分に属する心身状態の数の情報と、その区分に属する心身状態のうち幾つがどの区分からその区分に遷移してきたかを示す情報と、を取得してもよい。これらの場合、ＣＰＵ４０１は、例えば、ある区分に属する心身状態の数と、これらの心身状態のうち他の区分に遷移した心身状態の数と、に基づいて、区分同士の遷移確率を取得する。
図８は、Ｓ５０４で生成された関係性情報の一例を示す図である。
図８のテーブルは、行方向に比較基準となる区分の区分ＩＤを示す項目を含み、列方向に比較対象となる区分の区分ＩＤを示す項目を含む。即ち、例えば、要介護度についての関係性情報を格納するテーブルにおいては、テーブル中（ａ、ｂ）の位置にあるノードは、（区分ｂの「要介護度」）−（区分ａの「要介護度」）の差の値が格納される。
また、例えば、遷移確率についての関係性情報を格納するテーブルにおいては、テーブル中（ａ、ｂ）の位置にあるノードは、区分ａから区分ｂへ遷移する確率の値が格納される。
そして、ＣＰＵ４０１は、学習した統計情報、介護情報、関係性情報を、心身状態情報として、補助記憶装置４０３に記憶する。
このように、Ｓ５０４の処理により、ＣＰＵ４０１は、心身状態に関する複数の区分それぞれについて、心身状態の解析に利用可能な心身状態情報を生成する。これにより、例えば、ある被保険者の要介護度の認定を行う等の際に、ＣＰＵ４０１は、対象の被保険者の中間評価項目得点を順序尺度に変換して、変換した中間評価項目得点に基づいて、その被保険者の心身状態がどの区分に属するかを特定する。そして、ＣＰＵ４０１は、心身状態の複数の区分それぞれについて、心身状態情報から、特定した区分に応じた情報を取得し、その被保険者の心身状態の解析に利用できる情報を提供できるようになる。
図８のテーブルは、行方向に比較基準となる区分の区分ＩＤを示す項目を含み、列方向に比較対象となる区分の区分ＩＤを示す項目を含む。即ち、例えば、要介護度についての関係性情報を格納するテーブルにおいては、テーブル中（ａ、ｂ）の位置にあるノードは、（区分ｂの「要介護度」）−（区分ａの「要介護度」）の差の値が格納される。
また、例えば、遷移確率についての関係性情報を格納するテーブルにおいては、テーブル中（ａ、ｂ）の位置にあるノードは、区分ａから区分ｂへ遷移する確率の値が格納される。
そして、ＣＰＵ４０１は、学習した統計情報、介護情報、関係性情報を、心身状態情報として、補助記憶装置４０３に記憶する。
このように、Ｓ５０４の処理により、ＣＰＵ４０１は、心身状態に関する複数の区分それぞれについて、心身状態の解析に利用可能な心身状態情報を生成する。これにより、例えば、ある被保険者の要介護度の認定を行う等の際に、ＣＰＵ４０１は、対象の被保険者の中間評価項目得点を順序尺度に変換して、変換した中間評価項目得点に基づいて、その被保険者の心身状態がどの区分に属するかを特定する。そして、ＣＰＵ４０１は、心身状態の複数の区分それぞれについて、心身状態情報から、特定した区分に応じた情報を取得し、その被保険者の心身状態の解析に利用できる情報を提供できるようになる。
Ｓ５０５において、クライアント装置３０２のＣＰＵ４１１は、入力Ｉ／Ｆ４１４に接続された入力装置を介したクライアント装置３０２のユーザによる操作に基づいて、解析サーバ３００に対して、心身状態の複数の区分に含まれる区分同士の関係性についての解析指示を送信する。ＣＰＵ４１１は、例えば、解析サーバ３００に対して、要介護度について、心身状態の複数の区分に含まれる区分同士の関係性についての解析指示を送信する。
Ｓ５０６において、ＣＰＵ４０１は、Ｓ５０５で送信された指示に応じて、心身状態の複数の区分に含まれる区分同士の関係性を示す画像である関係性画像を生成する。ＣＰＵ４０１は、要介護度について、心身状態の複数の区分に含まれる区分同士の関係性についての解析指示を受信した場合、要介護度について、図８に示す関係性情報を補助記憶装置４０３から取得する。そして、ＣＰＵ４０１は、取得した関係性情報に基づいて、関係性画像を生成する。ＣＰＵ４０１は、例えば、図９（ａ）、（ｂ）のような画像を、関係性画像として生成する。
Ｓ５０６において、ＣＰＵ４０１は、Ｓ５０５で送信された指示に応じて、心身状態の複数の区分に含まれる区分同士の関係性を示す画像である関係性画像を生成する。ＣＰＵ４０１は、要介護度について、心身状態の複数の区分に含まれる区分同士の関係性についての解析指示を受信した場合、要介護度について、図８に示す関係性情報を補助記憶装置４０３から取得する。そして、ＣＰＵ４０１は、取得した関係性情報に基づいて、関係性画像を生成する。ＣＰＵ４０１は、例えば、図９（ａ）、（ｂ）のような画像を、関係性画像として生成する。
図９は、複数の区分に含まれる区分同士の関係性を示す関係性画像の一例を示す図である。図９の画像は、格子状のマップであり、各行は、比較基準となる区分の区分ＩＤを示し、各列は、比較対象となる区分の区分ＩＤを示す。各グリッド（ノード）は、対応する行が示す区分と、対応する列が示す区分と、の関係性を示す。ＣＰＵ４０１は、各ノードに対応する関係性を、関係性情報を参照して特定する。
ＣＰＵ４０１は、例えば、要介護度が悪化することを示すグリッドのみを、強調表示するような関係性画像を生成してもよい。図９（ａ）の例は、要介護度が悪化する場合のデータのみが強調表示されている例である。強調表示の表示態様として、ＣＰＵ４０１は、例えば、悪化の度合い（要介護度の差分）が大きい程、背景の色を濃くするようにしてもよいし、グリッドの背景を要介護度の差分に応じて予め定められた背景とするようにしてもよい。ＣＰＵ４０１は、このような表示態様の関係性画像を生成することで、関係性画像を視認するユーザがより容易に心身状態同士の関係性を把握することを可能とすることができる。
ＣＰＵ４０１は、例えば、要介護度が悪化することを示すグリッドのみを、強調表示するような関係性画像を生成してもよい。図９（ａ）の例は、要介護度が悪化する場合のデータのみが強調表示されている例である。強調表示の表示態様として、ＣＰＵ４０１は、例えば、悪化の度合い（要介護度の差分）が大きい程、背景の色を濃くするようにしてもよいし、グリッドの背景を要介護度の差分に応じて予め定められた背景とするようにしてもよい。ＣＰＵ４０１は、このような表示態様の関係性画像を生成することで、関係性画像を視認するユーザがより容易に心身状態同士の関係性を把握することを可能とすることができる。
また、ＣＰＵ４０１は、例えば、要介護度が改善することを示すグリッドのみを、強調表示するような関係性画像を生成してもよい。図９（ｂ）の例は、要介護度が改善する場合のデータのみが強調表示されている例である。ＣＰＵ４０１は、例えば、改善の度合い（負の値である要介護度の差分の絶対値）が大きい程、背景の色を濃くするようにしてもよいし、グリッドの背景を要介護度の差分に応じて予め定められた背景とするようにしてもよい。
また、ＣＰＵ４０１は、例えば、要介護度が改善することを示すグリッド、及び、要介護度が改善することを示すグリッドを、強調表示するような関係性画像を生成してもよい。その場合、ＣＰＵ４０１は、要介護度の悪化を示すノードの背景の色を第１の色（例えば、赤）とし、要介護度の改善を示すノードの背景の色を第２の色（例えば、青）とする。そして、ＣＰＵ４０１は、例えば、悪化の度合い、又は改善の度合いが大きい程、ノードの背景の色を濃くする。
また、ＣＰＵ４０１は、例えば、要介護度が改善することを示すグリッド、及び、要介護度が改善することを示すグリッドを、強調表示するような関係性画像を生成してもよい。その場合、ＣＰＵ４０１は、要介護度の悪化を示すノードの背景の色を第１の色（例えば、赤）とし、要介護度の改善を示すノードの背景の色を第２の色（例えば、青）とする。そして、ＣＰＵ４０１は、例えば、悪化の度合い、又は改善の度合いが大きい程、ノードの背景の色を濃くする。
また、ＣＰＵ４０１は、Ｓ５０５で、遷移確率について、心身状態の複数の区分に含まれる区分同士の関係性についての解析指示を受信した場合、図９（ｃ）に示すような関係性画像を生成する。この場合、関係性画像の各ノードは、そのノードに対応する行が示す区分から、そのノードに対応する列が示す区分への遷移確率を示す。ＣＰＵ４０１は、遷移確率が大きい程、背景の色を濃くするようにしてもよいし、グリッドの背景を遷移確率の値に応じて予め定められた背景とするようにしてもよい。
本実施形態では、ＣＰＵ４０１は、Ｓ５０６で、補助記憶装置４０３から取得した関係性情報に基づいて、関係性画像を生成することとした。しかし、ＣＰＵ４０１は、Ｓ５０６で、補助記憶装置４０３から介護情報や統計情報を取得し、取得した介護情報や統計情報に基づいて、関係性画像を生成することとしてもよい。ＣＰＵ４０１は、例えば、要介護度についての関係性画像を生成する場合、介護情報から、各ノードに対応する行が示す区分の要介護度と、各ノードに対応する列が示す区分の要介護度と、を取得し、取得した要介護度の差分を求めて、各ノードが要介護の悪化を示すのか、改善を示すのか、を特定し、関係性画像を生成することとしてもよい。
本実施形態では、ＣＰＵ４０１は、Ｓ５０６で、補助記憶装置４０３から取得した関係性情報に基づいて、関係性画像を生成することとした。しかし、ＣＰＵ４０１は、Ｓ５０６で、補助記憶装置４０３から介護情報や統計情報を取得し、取得した介護情報や統計情報に基づいて、関係性画像を生成することとしてもよい。ＣＰＵ４０１は、例えば、要介護度についての関係性画像を生成する場合、介護情報から、各ノードに対応する行が示す区分の要介護度と、各ノードに対応する列が示す区分の要介護度と、を取得し、取得した要介護度の差分を求めて、各ノードが要介護の悪化を示すのか、改善を示すのか、を特定し、関係性画像を生成することとしてもよい。
Ｓ５０７において、ＣＰＵ４０１は、Ｓ５０７で生成した関係性画像を、クライアント装置３０２に送信し、関係性画像を出力するよう指示する。
Ｓ５０８において、ＣＰＵ４１１は、出力Ｉ／Ｆ４１５に接続されている出力装置を介して、Ｓ５０７で送信された関係性画像を出力する。ＣＰＵ４１１は、関係性画像を、出力Ｉ／Ｆ４１５に接続されている表示装置に表示することで出力してもよい。また、ＣＰＵ４１１は、関係性画像を、出力Ｉ／Ｆ４１５に接続されている印刷装置を介して、紙媒体、フィルム等に印刷することで出力してもよい。ＣＰＵ４１１は、関係性画像を、予め定められた送信先に送信することで出力してもよい。
Ｓ５０６〜Ｓ５０８の処理により、情報処理システムは、各区分の関係性を示す関係性画像を生成し、クライアント装置３０２のユーザに提示できる。これにより、クライアント装置３０２のユーザは、各区分が示す心身状態同士の関係性を容易に把握することができる。
Ｓ５０８において、ＣＰＵ４１１は、出力Ｉ／Ｆ４１５に接続されている出力装置を介して、Ｓ５０７で送信された関係性画像を出力する。ＣＰＵ４１１は、関係性画像を、出力Ｉ／Ｆ４１５に接続されている表示装置に表示することで出力してもよい。また、ＣＰＵ４１１は、関係性画像を、出力Ｉ／Ｆ４１５に接続されている印刷装置を介して、紙媒体、フィルム等に印刷することで出力してもよい。ＣＰＵ４１１は、関係性画像を、予め定められた送信先に送信することで出力してもよい。
Ｓ５０６〜Ｓ５０８の処理により、情報処理システムは、各区分の関係性を示す関係性画像を生成し、クライアント装置３０２のユーザに提示できる。これにより、クライアント装置３０２のユーザは、各区分が示す心身状態同士の関係性を容易に把握することができる。
Ｓ５０９において、ＣＰＵ４１１は、入力Ｉ／Ｆ４１４に接続された入力装置を介したクライアント装置３０２のユーザによる操作に基づいて、解析サーバ３００に対して、特定の心身状態の解析指示を送信する。ＣＰＵ４１１は、例えば、図１の評価票に示される５５（６２）項目の心身状態に対するある調査結果のデータ（前回結果が無い）の解析指示を送信する。
Ｓ５１０において、ＣＰＵ４０１は、Ｓ５０９で送信された指示に含まれる調査結果のデータに基づいて、心身状態のそれぞれの中間評価項目得点、順序尺度とその該当する区分（指定されたた区分）の情報をＳ５０２〜Ｓ５０３の処理と同様の方法で取得する。ＣＰＵ４０１は、取得した区分に関する心身状態情報を、補助記憶装置４０３から取得し、その区分の情報とその区分から他の区分にどのような確率で遷移するかの情報を把握する。そして、ＣＰＵ４０１は、例えば、図１０のような遷移画像を生成する。
Ｓ５１０において、ＣＰＵ４０１は、Ｓ５０９で送信された指示に含まれる調査結果のデータに基づいて、心身状態のそれぞれの中間評価項目得点、順序尺度とその該当する区分（指定されたた区分）の情報をＳ５０２〜Ｓ５０３の処理と同様の方法で取得する。ＣＰＵ４０１は、取得した区分に関する心身状態情報を、補助記憶装置４０３から取得し、その区分の情報とその区分から他の区分にどのような確率で遷移するかの情報を把握する。そして、ＣＰＵ４０１は、例えば、図１０のような遷移画像を生成する。
図１０は、遷移画像の一例を示す図である。各レーダーチャートは、区分が示す心身状態を示す。矢印は、遷移の方向を示し、矢印の太さは、遷移確率の大きさを示す。最上部の基準となるレーダーチャートが、ユーザに指定された心身状態（Ｓ５０９で送信された指示に含まれる調査結果）に対応する区分のレーダーチャートであり、その他のレーダーチャートは、そこから遷移する先の区分のレーダーチャートである。また、ＣＰＵ４０１は、Ｓ５０４で、区分毎に、その区分に属している被保険者について、前回調査の時点においてどの区分に幾つの心身状態が属していたかを示す情報を統計情報の１つとして生成した場合、Ｓ５１０で、以下のような処理を行ってもよい。即ち、ＣＰＵ４０１は、補助記憶装置４０３から統計情報を取得し、取得した統計情報に基づいて、どの区分から幾つの心身状態がどの区分に遷移したかを示す情報を取得する。そして、ＣＰＵ４０１は、取得した情報に基づいて、区分同士の遷移確率を求め、遷移画像を生成してもよい。
本実施形態では、Ｓ５０４において、全ての区分に対する心身状態情報として、統計情報と、介護情報と、関係性情報と、を学習している。
即ち、ＣＰＵ４０１は、補助記憶装置４０３から、心身状態情報を取得する。ＣＰＵ４０１は、Ｓ５０９で送信された指示が示す基準となる区分を特定し、取得した心身状態情報を参照して、特定した区分に関する統計情報と、介護情報と、関係性情報と、を取得する。この関係性情報には、基準となる区分から他の区分への遷移確率の情報も含まれる。
即ち、ＣＰＵ４０１は、補助記憶装置４０３から、心身状態情報を取得する。ＣＰＵ４０１は、Ｓ５０９で送信された指示が示す基準となる区分を特定し、取得した心身状態情報を参照して、特定した区分に関する統計情報と、介護情報と、関係性情報と、を取得する。この関係性情報には、基準となる区分から他の区分への遷移確率の情報も含まれる。
遷移確率についての遷移画像の生成については、ＣＰＵ４０１は、他の区分のうち、基準となる区分からの遷移確率が最も大きいものから順番に示すが、表示する個数の制限があった場合は、予め定められた数（例えば、５、１０、２０等）の区分への遷移過程を示す遷移画像を生成する。即ち、ＣＰＵ４０１は、基準となる区分からの遷移確率が最も大きいものから予め定められた数の区分を示すレーダーチャートと、それらの区分への遷移過程を示す矢印と、を含む遷移画像を生成する。しかし、ＣＰＵ４０１は、基準となる区分から、他の全ての区分のレーダーチャートと、他の全ての区分への遷移過程を示す矢印と、を含む遷移画像を生成してもよい。
また、ＣＰＵ４０１は、他の区分から基準となる区分への遷移過程を示す遷移画像を生成してもよい。また、ＣＰＵ４０１は、基準となる区分から他の区分への遷移過程と、他の区分から基準となる区分への遷移過程と、を示す遷移画像を生成してもよい。
また、ＣＰＵ４１１がユーザによる入力装置を介した操作に基づいて、遷移画像において表示する遷移先、遷移元の区分の数の指定を解析サーバ３００に送信した場合、ＣＰＵ４０１は、以下のような処理を行うこととしてもよい。即ち、ＣＰＵ４０１は、クライアント装置３０２から受信した指定が示す数の遷移先、遷移元の区分に対応するレーダーチャートを含む遷移画像を生成する。
また、ＣＰＵ４０１は、他の区分から基準となる区分への遷移過程を示す遷移画像を生成してもよい。また、ＣＰＵ４０１は、基準となる区分から他の区分への遷移過程と、他の区分から基準となる区分への遷移過程と、を示す遷移画像を生成してもよい。
また、ＣＰＵ４１１がユーザによる入力装置を介した操作に基づいて、遷移画像において表示する遷移先、遷移元の区分の数の指定を解析サーバ３００に送信した場合、ＣＰＵ４０１は、以下のような処理を行うこととしてもよい。即ち、ＣＰＵ４０１は、クライアント装置３０２から受信した指定が示す数の遷移先、遷移元の区分に対応するレーダーチャートを含む遷移画像を生成する。
本実施形態では、ＣＰＵ４０１は、Ｓ５１０で、Ｓ５０９での指示により指定された区分を基準とした区分同士の遷移確率を示す遷移画像を生成した。しかし、ＣＰＵ４０１は、ＣＰＵ４０１は、Ｓ５１０で、全ての区分についての、区分同士の遷移確率を示す遷移画像を生成してもよい。
図１１は、遷移画像の一例を示す図である。図１１の画像では、図１０と同様に、各レーダーチャートは、各区分に対応する心身状態を示し、各レーダーチャートから出ている矢印は、遷移確率を示し、太い程、遷移確率が高いことを示す。ＣＰＵ４０１は、例えば、全ての区分についての、区分同士の遷移確率を示す遷移画像として、図１１に示すような遷移画像を生成することができる。
図１１は、遷移画像の一例を示す図である。図１１の画像では、図１０と同様に、各レーダーチャートは、各区分に対応する心身状態を示し、各レーダーチャートから出ている矢印は、遷移確率を示し、太い程、遷移確率が高いことを示す。ＣＰＵ４０１は、例えば、全ての区分についての、区分同士の遷移確率を示す遷移画像として、図１１に示すような遷移画像を生成することができる。
Ｓ５１１において、ＣＰＵ４０１は、Ｓ５１０で生成した遷移画像を、クライアント装置３０２に送信し、遷移画像を出力するよう指示する。
Ｓ５１２において、ＣＰＵ４１１は、出力Ｉ／Ｆ４１５に接続されている出力装置を介して、Ｓ５１１で送信された遷移画像を出力する。ＣＰＵ４１１は、遷移画像を、出力Ｉ／Ｆ４１５に接続されている表示装置に表示することで出力してもよい。また、ＣＰＵ４１１は、遷移画像を、出力Ｉ／Ｆ４１５に接続されている印刷装置を介して、紙媒体、フィルム等に印刷することで出力してもよい。ＣＰＵ４１１は、遷移画像を、予め定められた送信先に送信することで出力してもよい。
Ｓ５０９〜Ｓ５１２の処理により、情報処理システムは、区分同士の遷移過程を示す遷移画像を生成し、クライアント装置３０２のユーザに提示できる。これにより、クライアント装置３０２のユーザは、各区分に属する被保険者が次にどのような心身状態に遷移するかを容易に把握することができる。
Ｓ５１２において、ＣＰＵ４１１は、出力Ｉ／Ｆ４１５に接続されている出力装置を介して、Ｓ５１１で送信された遷移画像を出力する。ＣＰＵ４１１は、遷移画像を、出力Ｉ／Ｆ４１５に接続されている表示装置に表示することで出力してもよい。また、ＣＰＵ４１１は、遷移画像を、出力Ｉ／Ｆ４１５に接続されている印刷装置を介して、紙媒体、フィルム等に印刷することで出力してもよい。ＣＰＵ４１１は、遷移画像を、予め定められた送信先に送信することで出力してもよい。
Ｓ５０９〜Ｓ５１２の処理により、情報処理システムは、区分同士の遷移過程を示す遷移画像を生成し、クライアント装置３０２のユーザに提示できる。これにより、クライアント装置３０２のユーザは、各区分に属する被保険者が次にどのような心身状態に遷移するかを容易に把握することができる。
本実施形態では、ＣＰＵ４０１は、Ｓ５１０で、Ｓ５０９で送信された指示に応じた区分を基準とした遷移画像を生成することとした。しかし、ＣＰＵ４０１は、更に、その他の区分を基準とした遷移画像を生成してもよい。ＣＰＵ４０１は、例えば、Ｓ５０９で送信された指示に応じた区分に遷移する区分、Ｓ５０９で送信された指示に応じた区分から遷移する区分それぞれを基準とした遷移画像を生成してもよい。
この場合、情報処理システムは、クライアント装置３０２において、表示装置に表示された遷移画像中のレーダーチャートが選択された場合、選択された区分を基準とした遷移画像を出力することができる。ＣＰＵ４０１は、例えば、Ｓ５０９で送信された指示に応じた区分を基準とした遷移画像に加えて、その他の区分を基準とした遷移画像情報も、クライアント装置３０２に送信する。例えば、ＣＰＵ４１１は、遷移画像を出力Ｉ／Ｆ４１５に接続された表示装置に表示し、入力Ｉ／Ｆ４１４に接続された入力装置を介したユーザによる操作に基づいて、遷移画像中のレーダーチャートがクリック、タップ等で選択された場合、選択された区分を基準とした遷移画像を、表示装置に表示する。また、ＣＰＵ４０１は、Ｓ５０９で送信された指示に応じた区分を基準とした遷移画像のみをクライアント装置３０２に送信し、クライアント装置３０２から遷移画像内のレーダーチャートへの選択操作が行われたことを示す情報を受信した場合に、選択された区分を基準とした遷移画像をクライアント装置３０２に送信し、出力するようクライアント装置３０２に指示することとしてもよい。これにより、ユーザは、より詳細に区分間の遷移過程を把握することができる。
この場合、情報処理システムは、クライアント装置３０２において、表示装置に表示された遷移画像中のレーダーチャートが選択された場合、選択された区分を基準とした遷移画像を出力することができる。ＣＰＵ４０１は、例えば、Ｓ５０９で送信された指示に応じた区分を基準とした遷移画像に加えて、その他の区分を基準とした遷移画像情報も、クライアント装置３０２に送信する。例えば、ＣＰＵ４１１は、遷移画像を出力Ｉ／Ｆ４１５に接続された表示装置に表示し、入力Ｉ／Ｆ４１４に接続された入力装置を介したユーザによる操作に基づいて、遷移画像中のレーダーチャートがクリック、タップ等で選択された場合、選択された区分を基準とした遷移画像を、表示装置に表示する。また、ＣＰＵ４０１は、Ｓ５０９で送信された指示に応じた区分を基準とした遷移画像のみをクライアント装置３０２に送信し、クライアント装置３０２から遷移画像内のレーダーチャートへの選択操作が行われたことを示す情報を受信した場合に、選択された区分を基準とした遷移画像をクライアント装置３０２に送信し、出力するようクライアント装置３０２に指示することとしてもよい。これにより、ユーザは、より詳細に区分間の遷移過程を把握することができる。
また、ＣＰＵ４０１は、Ｓ５１０で、遷移画像に加えて、遷移画像中のレーダーチャートに対するクリック、タップ等の選択操作に応じて表示されるそのレーダーチャートに対応する区分に関する情報を示す区分情報画像を生成してもよい。ＣＰＵ４０１は、例えば、補助記憶装置４０３から、介護情報を取得し、取得した介護情報から、遷移画像中のレーダーチャートに対応する区分に関する要介護度、基準時間、男性率、年齢、サービス別の利用率・価格等の情報を取得し、取得した情報を含む区分情報画像を生成する。
図１２は、ＣＰＵ４０１により生成される区分情報画像の一例を示す図である。図１２の例では、区分情報画像は、ノード確率、要介護度、基準時間、男性率、年齢、各種サービスの利用率、各種サービスの平均単価の情報がまとめられている表の画像である。
また、ＣＰＵ４０１は、図１３のような、サービスの利用率を円グラフで表す区分情報画像を生成してもよい。
この場合、情報処理システムは、クライアント装置３０２において、表示装置に表示された遷移画像中のレーダーチャートが選択された場合、区分情報画像を出力する。ＣＰＵ４０１は、例えば、遷移画像に加えて、区分情報画像も、クライアント装置３０２に送信する。例えば、ＣＰＵ４１１は、遷移画像を出力Ｉ／Ｆ４１５に接続された表示装置に表示し、入力Ｉ／Ｆ４１４に接続された入力装置を介したユーザによる操作に基づいて、遷移画像中のレーダーチャートがクリック、タップ等で選択された場合、区分情報画像を、表示装置に表示する。また、ＣＰＵ４０１は、遷移画像のみをクライアント装置３０２に送信し、クライアント装置３０２から遷移画像内のレーダーチャートへの選択操作が行われたことを示す情報を受信した場合に、区分情報画像をクライアント装置３０２に送信し、区分情報画像を表示するようクライアント装置３０２に指示することとしてもよい。これにより、ユーザは、遷移元の心身状態、遷移先の心身状態について、より詳細に把握することができる。
図１２は、ＣＰＵ４０１により生成される区分情報画像の一例を示す図である。図１２の例では、区分情報画像は、ノード確率、要介護度、基準時間、男性率、年齢、各種サービスの利用率、各種サービスの平均単価の情報がまとめられている表の画像である。
また、ＣＰＵ４０１は、図１３のような、サービスの利用率を円グラフで表す区分情報画像を生成してもよい。
この場合、情報処理システムは、クライアント装置３０２において、表示装置に表示された遷移画像中のレーダーチャートが選択された場合、区分情報画像を出力する。ＣＰＵ４０１は、例えば、遷移画像に加えて、区分情報画像も、クライアント装置３０２に送信する。例えば、ＣＰＵ４１１は、遷移画像を出力Ｉ／Ｆ４１５に接続された表示装置に表示し、入力Ｉ／Ｆ４１４に接続された入力装置を介したユーザによる操作に基づいて、遷移画像中のレーダーチャートがクリック、タップ等で選択された場合、区分情報画像を、表示装置に表示する。また、ＣＰＵ４０１は、遷移画像のみをクライアント装置３０２に送信し、クライアント装置３０２から遷移画像内のレーダーチャートへの選択操作が行われたことを示す情報を受信した場合に、区分情報画像をクライアント装置３０２に送信し、区分情報画像を表示するようクライアント装置３０２に指示することとしてもよい。これにより、ユーザは、遷移元の心身状態、遷移先の心身状態について、より詳細に把握することができる。
本実施形態では、情報処理システムは、遷移画像内のレーダーチャートが選択された場合、図１２、図１３のような区分情報画像を出力することとした。しかし、情報処理システムは、遷移画像の出力と併せて、図１２、図１３のような区分情報画像を出力してもよい。例えば、情報処理システムは、遷移画像と併せて、区分情報画像を出力Ｉ／Ｆ４１５に接続された表示装置に表示することとしてもよいし、区分情報画像を出力Ｉ／Ｆ４１５に接続された印刷装置を介して、紙等の媒体に印刷してもよい。
また、ＣＰＵ４０１は、Ｓ５１０で、Ｓ５０９で送信された指示に応じた心身状態について、図１２、図１３のような区分情報画像のみを生成し、クライアント装置３０２に送信することとしてもよい。その場合、情報処理システムは、送信された区分情報画像のみを出力する。
また、ＣＰＵ４０１は、Ｓ５１０で、Ｓ５０９で送信された指示に応じた心身状態について、図１２、図１３のような区分情報画像のみを生成し、クライアント装置３０２に送信することとしてもよい。その場合、情報処理システムは、送信された区分情報画像のみを出力する。
また、ＣＰＵ４０１は、クライアント装置３０２から、Ｓ５０４で生成した心身状態情報の要求を受信した場合、クライアント装置３０２に対して、Ｓ５０４で生成した心身状態情報を送信することとしてもよい。また、ＣＰＵ４０１は、クライアント装置３０２から、Ｓ５０４で生成した心身状態情報のうち、特定の区分についての情報の要求を受信した場合、Ｓ５０４で生成した心身状態情報から、特定の区分の情報を抽出して、抽出した情報をクライアント装置３０２に送信することとしてもよい。
これにより、クライアント装置３０２においても、心身状態情報を用いた解析を行うことが可能となる。
これにより、クライアント装置３０２においても、心身状態情報を用いた解析を行うことが可能となる。
（効果）
以上、本実施形態では、調査時点における被保険者の心身状態を示す中間調査項目得点を、量的な点数から、予め定められたレベル数で表される順序尺度に変換し、変換結果に基づいて、調査時点における被保険者の心身状態それぞれを、そのレベル数に応じて定めた複数の区分に分類した。これにより、情報処理システムは、量的な点数として、表されていた心身状態を、有限な複数の区分の何れかとして取り扱うことができるようになる。
そして、情報処理システムは、その分類結果に基づいて、区分毎に、各区分に属する心身状態の数に関する統計情報、各区分に対応する心身状態の被保険者に対する介護情報、区分同士の関係性情報を心身状態情報として学習した。
これにより、ある被保険者について、心身状態が予め定められた複数の区分のうちのどの区分に属するかを特定し、特定した区分について、生成された心身状態情報を参照するだけで、その被保険者と同様の心身状態に関する情報を、その被保険者の心身状態の解析に利用可能な情報として容易に利用できるようになる。即ち、情報処理システムは、より容易に活用可能な被保険者の心身状態に関する情報を学習することができる。
また、情報処理システムは、生成した心身状態情報に基づいて、区分同士の関係性を示す関係性画像、区分同士の遷移過程を示す遷移画像、区分に関する情報を示す区分情報画像を生成し、出力することで、ユーザに提示することとした。これにより、ユーザは、区分同士の関係性や区分同士の遷移過程や各区分に関する情報を、より容易に把握できる。
以上、本実施形態では、調査時点における被保険者の心身状態を示す中間調査項目得点を、量的な点数から、予め定められたレベル数で表される順序尺度に変換し、変換結果に基づいて、調査時点における被保険者の心身状態それぞれを、そのレベル数に応じて定めた複数の区分に分類した。これにより、情報処理システムは、量的な点数として、表されていた心身状態を、有限な複数の区分の何れかとして取り扱うことができるようになる。
そして、情報処理システムは、その分類結果に基づいて、区分毎に、各区分に属する心身状態の数に関する統計情報、各区分に対応する心身状態の被保険者に対する介護情報、区分同士の関係性情報を心身状態情報として学習した。
これにより、ある被保険者について、心身状態が予め定められた複数の区分のうちのどの区分に属するかを特定し、特定した区分について、生成された心身状態情報を参照するだけで、その被保険者と同様の心身状態に関する情報を、その被保険者の心身状態の解析に利用可能な情報として容易に利用できるようになる。即ち、情報処理システムは、より容易に活用可能な被保険者の心身状態に関する情報を学習することができる。
また、情報処理システムは、生成した心身状態情報に基づいて、区分同士の関係性を示す関係性画像、区分同士の遷移過程を示す遷移画像、区分に関する情報を示す区分情報画像を生成し、出力することで、ユーザに提示することとした。これにより、ユーザは、区分同士の関係性や区分同士の遷移過程や各区分に関する情報を、より容易に把握できる。
＜実施形態２＞
（本実施形態の処理の概要）
被保険者への介護計画等のために、ある心身状態にある被保険者が、最終的にどのような心身状態に遷移するのかを把握したいという要望がある。そこで、本実施形態では、情報処理システムが、ある心身状態にある被保険者が最終的にどのような確率で、どの心身状態に遷移するのかを解析し、出力する処理について説明する。
本実施形態の情報処理システムのシステム構成は、実施形態１と同様である。また、解析サーバ３００、記憶サーバ３０１、クライアント装置３０２のハードウェア構成及び機能構成についても、実施形態１と同様である。
（本実施形態の処理の概要）
被保険者への介護計画等のために、ある心身状態にある被保険者が、最終的にどのような心身状態に遷移するのかを把握したいという要望がある。そこで、本実施形態では、情報処理システムが、ある心身状態にある被保険者が最終的にどのような確率で、どの心身状態に遷移するのかを解析し、出力する処理について説明する。
本実施形態の情報処理システムのシステム構成は、実施形態１と同様である。また、解析サーバ３００、記憶サーバ３０１、クライアント装置３０２のハードウェア構成及び機能構成についても、実施形態１と同様である。
本実施形態では、情報処理システムは、実施形態１と同様に、心身状態に関する１０２４個の区分を定めている。本実施形態では、情報処理システムは、図５のＳ５０１〜Ｓ５０４の処理を行い、複数の区分に含まれる区分同士の遷移確率に関する関係性情報を含む心身状態情報を生成する。
要介護状態の被保険者の心身状態は、一般的に悪化していく。そこで、本実施形態では、被保険者の心身状態が改善することがなく、悪化していくと仮定する。そのため、ある区分に対応する心身状態は、最終的に何れかの区分に対応する心身状態に遷移することとなる。本実施形態では、情報処理システムが関係性情報に基づいて、各区分に対応する心身状態が最終的に、どのような確率でどの区分に対応する心身状態に遷移するかを特定する処理について、説明する。本実施形態では、区分に対応する基準時間が長い程、その区分に対応する心身状態がより劣悪であるとし、区分に対応する基準時間が短い程、その区分に対応する心身状態がより良好であるとする。
要介護状態の被保険者の心身状態は、一般的に悪化していく。そこで、本実施形態では、被保険者の心身状態が改善することがなく、悪化していくと仮定する。そのため、ある区分に対応する心身状態は、最終的に何れかの区分に対応する心身状態に遷移することとなる。本実施形態では、情報処理システムが関係性情報に基づいて、各区分に対応する心身状態が最終的に、どのような確率でどの区分に対応する心身状態に遷移するかを特定する処理について、説明する。本実施形態では、区分に対応する基準時間が長い程、その区分に対応する心身状態がより劣悪であるとし、区分に対応する基準時間が短い程、その区分に対応する心身状態がより良好であるとする。
（本実施形態の処理の詳細）
ＣＰＵ４０１は、Ｓ５０１〜Ｓ５０４の処理を行い、複数の区分に含まれる区分同士の遷移確率に関する関係性情報、各区分についての介護情報を含む心身状態情報を学習する。
ＣＰＵ４０１は、順序尺度の設定（レベル数）に応じて定められた複数の区分（１０２４個の区分）のうち、遷移する可能性（図１０の遷移画像内の矢印）で連結されている集合を特定する。ＣＰＵ４０１は、特定した集合に属する区分の数が予め定められた数（例えば、５０、１００等）以上である場合、特定した集合に含まれる区分を、解析対象区分とする。即ち、主な遷移を示す区分の集合に属さない（連結されない）区分は、解析対象に含まれない。
ＣＰＵ４０１は、Ｓ５０１〜Ｓ５０４の処理を行い、複数の区分に含まれる区分同士の遷移確率に関する関係性情報、各区分についての介護情報を含む心身状態情報を学習する。
ＣＰＵ４０１は、順序尺度の設定（レベル数）に応じて定められた複数の区分（１０２４個の区分）のうち、遷移する可能性（図１０の遷移画像内の矢印）で連結されている集合を特定する。ＣＰＵ４０１は、特定した集合に属する区分の数が予め定められた数（例えば、５０、１００等）以上である場合、特定した集合に含まれる区分を、解析対象区分とする。即ち、主な遷移を示す区分の集合に属さない（連結されない）区分は、解析対象に含まれない。
ＣＰＵ４０１は、例えば、以下のような処理により、解析対象区分それぞれについて、心身状態の開始状態（始点）を示す区分か、心身状態の過渡状態（過渡）を示す区分か、心身状態の終了状態（終点）を示す区分か、を特定する。
本実施形態では、ＣＰＵ４０１は、被保険者の心身状態が悪化していくと仮定するため、区分間の遷移のうち、より心身状態が良好（基準時間が小さ）な区分への遷移を無視することとする。即ち、ＣＰＵ４０１は、解析対象区分それぞれについて、心身状態がより良好な区分への遷移が起こらないと仮定し、各区分からどの区分へ遷移し得るかを特定する。
そして、ＣＰＵ４０１は、解析対象区分のうち、自身以外のどの区分にも遷移し得ない区分を心身状態の終点を示す区分であると特定する。また、ＣＰＵ４０１は、解析対象区分のうち、自身以外のどの区分からも遷移しない区分を心身状態の始点を示す区分であると特定する。また、ＣＰＵ４０１は、終点及び開始点以外の区分を、心身状態の過渡を示す区分として特定する。
本実施形態では、心身状態は、悪化していくと仮定する。即ち、ＣＰＵ４０１は、実施形態１で生成された統計情報のうち、心身状態が改善する遷移の度数を無視し、遷移確率を決定することとする。
本実施形態では、ＣＰＵ４０１は、被保険者の心身状態が悪化していくと仮定するため、区分間の遷移のうち、より心身状態が良好（基準時間が小さ）な区分への遷移を無視することとする。即ち、ＣＰＵ４０１は、解析対象区分それぞれについて、心身状態がより良好な区分への遷移が起こらないと仮定し、各区分からどの区分へ遷移し得るかを特定する。
そして、ＣＰＵ４０１は、解析対象区分のうち、自身以外のどの区分にも遷移し得ない区分を心身状態の終点を示す区分であると特定する。また、ＣＰＵ４０１は、解析対象区分のうち、自身以外のどの区分からも遷移しない区分を心身状態の始点を示す区分であると特定する。また、ＣＰＵ４０１は、終点及び開始点以外の区分を、心身状態の過渡を示す区分として特定する。
本実施形態では、心身状態は、悪化していくと仮定する。即ち、ＣＰＵ４０１は、実施形態１で生成された統計情報のうち、心身状態が改善する遷移の度数を無視し、遷移確率を決定することとする。
図１４は、心身状態の遷移過程の一例を示す図である。図１４を用いて、心身状態がより良好な区分へ遷移しないという仮定の上での心身状態の遷移を説明する。図１４における各丸点は、解析対象区分のそれぞれを示す。また、実線の矢印は、心身状態がより低劣な区分への遷移、又は、自分自身への遷移を示す矢印である。破線の矢印は、心身状態がより良好な区分への遷移を示す矢印である。
図１４の破線で囲まれた領域には、３つの区分が含まれている。この３つの区分は、お互いに遷移しあっており、最終的に、１つの区分に行き着くことがない。即ち、このままでは、図１４の破線で囲まれた領域の３つの区分の何れかに遷移した場合に最終的に行き着く心身状態を決定できないこととなる。そこで、本実施形態では、ＣＰＵ４０１は、心身状態がより良好な区分に遷移しないと仮定する。これにより、ＣＰＵ４０１は、解析対象区分について、どのような遷移過程をたどる場合についても、必ず終点となる区分を特定できる。図１４の例では、黒点が終点となる区分を示し、白点が始点又は過渡となる区分を示す。
また、図１４のような現在の状態（区分）によってのみ、次の状態（区分）が定まる確率過程は、マルコフ過程といわれる。また、図１４のように取り得る状態（区分）が有限のマルコフ過程は、マルコフ連鎖といわれる。実際の心身状態（連続的）の遷移は、マルコフ連鎖とは言えないが、本実施形態では、ビッグデータの分析で得られた特定の心身状態像（離散的）の遷移確率を、一定であると仮定することで、疑似的に心身状態の遷移をマルコフ連鎖とみなすことを可能とする。
図１４の破線で囲まれた領域には、３つの区分が含まれている。この３つの区分は、お互いに遷移しあっており、最終的に、１つの区分に行き着くことがない。即ち、このままでは、図１４の破線で囲まれた領域の３つの区分の何れかに遷移した場合に最終的に行き着く心身状態を決定できないこととなる。そこで、本実施形態では、ＣＰＵ４０１は、心身状態がより良好な区分に遷移しないと仮定する。これにより、ＣＰＵ４０１は、解析対象区分について、どのような遷移過程をたどる場合についても、必ず終点となる区分を特定できる。図１４の例では、黒点が終点となる区分を示し、白点が始点又は過渡となる区分を示す。
また、図１４のような現在の状態（区分）によってのみ、次の状態（区分）が定まる確率過程は、マルコフ過程といわれる。また、図１４のように取り得る状態（区分）が有限のマルコフ過程は、マルコフ連鎖といわれる。実際の心身状態（連続的）の遷移は、マルコフ連鎖とは言えないが、本実施形態では、ビッグデータの分析で得られた特定の心身状態像（離散的）の遷移確率を、一定であると仮定することで、疑似的に心身状態の遷移をマルコフ連鎖とみなすことを可能とする。
次に、ＣＰＵ４０１は、始点を示す区分として特定された区分と、過渡を示す区分として特定された区分と、について、心身状態がより良好な区分に遷移しないという仮定の上での他の区分への遷移確率を取得する。即ち、ＣＰＵ４０１は、図１４の破線の矢印で表された遷移を考慮せず、実線の矢印で表された遷移のみが起こりうるとした場合の遷移確率を求めることとなる。
ＣＰＵ４０１は、補助記憶装置４０３に記憶されている関係性情報から、始点を示す区分として特定された区分と、過渡を示す区分として特定された区分と、についての遷移確率を取得する。そして、ＣＰＵ４０１は、取得した遷移確率に基づいて、心身状態がより低劣な区分への遷移と、自分自身への遷移と、が起こる場合の他の区分への遷移確率を取得する。
ＣＰＵ４０１は、補助記憶装置４０３に記憶されている関係性情報から、始点を示す区分として特定された区分と、過渡を示す区分として特定された区分と、についての遷移確率を取得する。そして、ＣＰＵ４０１は、取得した遷移確率に基づいて、心身状態がより低劣な区分への遷移と、自分自身への遷移と、が起こる場合の他の区分への遷移確率を取得する。
例えば、関係性情報を参照して得られる区分（１）からの遷移確率が、区分（１）に対して４０パーセント、区分（２）に対して３０パーセント、区分（３）に対して１０パーセント、区分（４）に対して２０パーセントであるとする。そして、区分（４）は、区分（１）よりも対応する基準時間の値が短いとする。この場合、ＣＰＵ４０１は、心身状態がより良好な区分に遷移しないという仮定があるため、区分（４）への遷移を無視する。即ち、ＣＰＵ４０１は、区分（１）からの遷移が区分（１）、区分（２）又は区分（３）に対してしか発生しないものとする。
そこで、ＣＰＵ４０１は、例えば、区分（１）からの区分（１）への遷移確率を、（区分（１）への元の遷移確率（４０パーセント））／（（区分（１）への元の遷移確率（４０パーセント））＋（区分（２）への元の遷移確率（３０パーセント））＋（区分（３）への元の遷移確率（１０パーセント）））＝４０／８０＝０．５（５０パーセント）として取得する。また、ＣＰＵ４０１は、例えば、区分（１）からの区分（２）への遷移確率を、（区分（２）への元の遷移確率（３０パーセント））／（（区分（１）への元の遷移確率（４０パーセント））＋（区分（２）への元の遷移確率（３０パーセント））＋（区分（３）への元の遷移確率（１０パーセント）））＝３０／８０＝０．３７５（３７．５パーセント）として取得する。
また、ＣＰＵ４０１は、例えば、区分（１）からの区分（３）への遷移確率を、（区分（３）への元の遷移確率（１０パーセント））／（（区分（１）への元の遷移確率（４０パーセント））＋（区分（２）への元の遷移確率（３０パーセント））＋（区分（３）への元の遷移確率（１０パーセント）））＝１０／８０＝０．１２５（１２．５パーセント）として取得する。
そこで、ＣＰＵ４０１は、例えば、区分（１）からの区分（１）への遷移確率を、（区分（１）への元の遷移確率（４０パーセント））／（（区分（１）への元の遷移確率（４０パーセント））＋（区分（２）への元の遷移確率（３０パーセント））＋（区分（３）への元の遷移確率（１０パーセント）））＝４０／８０＝０．５（５０パーセント）として取得する。また、ＣＰＵ４０１は、例えば、区分（１）からの区分（２）への遷移確率を、（区分（２）への元の遷移確率（３０パーセント））／（（区分（１）への元の遷移確率（４０パーセント））＋（区分（２）への元の遷移確率（３０パーセント））＋（区分（３）への元の遷移確率（１０パーセント）））＝３０／８０＝０．３７５（３７．５パーセント）として取得する。
また、ＣＰＵ４０１は、例えば、区分（１）からの区分（３）への遷移確率を、（区分（３）への元の遷移確率（１０パーセント））／（（区分（１）への元の遷移確率（４０パーセント））＋（区分（２）への元の遷移確率（３０パーセント））＋（区分（３）への元の遷移確率（１０パーセント）））＝１０／８０＝０．１２５（１２．５パーセント）として取得する。
ＣＰＵ４０１は、始点を示す区分として特定された区分と、過渡を示す区分として特定された区分と、について、その仮定の上での遷移確率を取得したら、取得した遷移確率に基づいて、解析対象区分について、各区分同士の遷移確率を表現した遷移確率行列Ｐを生成する。
ＣＰＵ４０１は、解析対象区分の数×解析対象区分の数の行列を生成する。そして、ＣＰＵ４０１は、生成した行列の各行を、上から、終点に対応する区分それぞれ、過渡に対応する区分それぞれ、始点に対応する区分それぞれを示すこととする。また、ＣＰＵ４０１は、生成した行列の各列を、左から、終点に対応する区分それぞれ、過渡に対応する区分それぞれ、始点に対応する区分それぞれを示すこととする。また、終点、過渡、始点のそれぞれにおいて、それぞれに属する複数の区分の並び順は、行方向では、基準時間が長い区分を上側に、列方向では、基準時間が長い区分を左側に並べて示すこととする。これにより、心身状態の悪化の遷移結果をユーザが把握し易くする。但し、他の並び順であってもよい。
そして、ＣＰＵ４０１は、取得したその仮定の上での遷移確率に基づいて、生成した行列の各要素に、その要素に対応する行が示す区分から、その要素に対応する列が示す区分への遷移確率の値を入力する。これにより、ＣＰＵ４０１は、遷移確率行列Ｐを生成する。
ＣＰＵ４０１は、解析対象区分の数×解析対象区分の数の行列を生成する。そして、ＣＰＵ４０１は、生成した行列の各行を、上から、終点に対応する区分それぞれ、過渡に対応する区分それぞれ、始点に対応する区分それぞれを示すこととする。また、ＣＰＵ４０１は、生成した行列の各列を、左から、終点に対応する区分それぞれ、過渡に対応する区分それぞれ、始点に対応する区分それぞれを示すこととする。また、終点、過渡、始点のそれぞれにおいて、それぞれに属する複数の区分の並び順は、行方向では、基準時間が長い区分を上側に、列方向では、基準時間が長い区分を左側に並べて示すこととする。これにより、心身状態の悪化の遷移結果をユーザが把握し易くする。但し、他の並び順であってもよい。
そして、ＣＰＵ４０１は、取得したその仮定の上での遷移確率に基づいて、生成した行列の各要素に、その要素に対応する行が示す区分から、その要素に対応する列が示す区分への遷移確率の値を入力する。これにより、ＣＰＵ４０１は、遷移確率行列Ｐを生成する。
図１５は、遷移確率行列Ｐの一例を示す図である。本実施形態では、ＣＰＵ４０１は、図１５に示す遷移確率行列Ｐを生成することとする。遷移確率行列Ｐの各行は、上から、終点に対応する区分それぞれ、過渡に対応する区分それぞれ、始点に対応する区分それぞれ、を示す。遷移確率行列Ｐの各列は、左から、終点に対応する区分それぞれ、過渡に対応する区分それぞれ、始点に対応する区分それぞれ、を示す。遷移確率行列Ｐ中の各要素の値は、その要素が示す行に対応する区分から、その要素が示す列に対応する区分への遷移確率を示す。遷移確率行列Ｐ中の行毎の全要素の値の合計は、１となる。即ち、各区分は、必ず何れかの区分に遷移することとなる。
終点の区分は、他のどの区分にも遷移しないため、必ず自身に遷移することとする。そのため、遷移確率行列のうち終点の区分から終点の区分への遷移確率を示す部分（左上端部分）は、単位行列の形となる。また、始点へ遷移する他の区分はないため、遷移確率行列のうち始点の区分への遷移確率を示す部分（右端部分）は、始点自身への遷移以外は、全て値が０となる。図１５の例では、始点の自分自身への遷移確率をそれぞれｑ１、ｑ２、ｑ３とする。
図１５の行列中のＰ１には、過渡の区分から終点の区分への遷移確率が格納される。図１５の行列中のＰ２には、過渡の区分から過渡の区分への遷移確率が格納される。図１５の行列中のＰ３には、始点の区分から終点の区分への遷移確率が格納される。図１５の行列中のＰ４には、始点の区分から過渡の区分への遷移確率が格納される。
終点の区分は、他のどの区分にも遷移しないため、必ず自身に遷移することとする。そのため、遷移確率行列のうち終点の区分から終点の区分への遷移確率を示す部分（左上端部分）は、単位行列の形となる。また、始点へ遷移する他の区分はないため、遷移確率行列のうち始点の区分への遷移確率を示す部分（右端部分）は、始点自身への遷移以外は、全て値が０となる。図１５の例では、始点の自分自身への遷移確率をそれぞれｑ１、ｑ２、ｑ３とする。
図１５の行列中のＰ１には、過渡の区分から終点の区分への遷移確率が格納される。図１５の行列中のＰ２には、過渡の区分から過渡の区分への遷移確率が格納される。図１５の行列中のＰ３には、始点の区分から終点の区分への遷移確率が格納される。図１５の行列中のＰ４には、始点の区分から過渡の区分への遷移確率が格納される。
遷移確率行列Ｐは、１回の遷移で、解析対象区分の各区分がどの区分にどの確率で遷移するかを示す。ｍ回の遷移で、解析対象区分の各区分がどの区分にどの確率で遷移するかは、遷移確率行列Ｐmで表される。そこで、ｍを無限大にすることで、各区分が最終的にどの程度の確率で、どの区分に行き着くのかを求めることができる。
遷移確率行列Ｐを以下の式１として表す。
遷移確率行列Ｐを以下の式１として表す。
式１のＩは、単位行列であり、終点の区分から終点の区分への遷移確率を示す部分である。図１５が示すように、Ｉは、終点の区分それぞれが必ず自身にのみ遷移するため、単位行列の形となる。式１のＲは、始点の区分又は過渡の区分から終点の区分への遷移確率を示す部分であり、図１５におけるＰ１、Ｐ３の部分である。式１のＵは、始点の区分又は過渡の区分から始点の区分又は過渡の区分への遷移確率を示す部分であり、図１５におけるＰ２、Ｐ４の部分及びその右側の行列の部分である。
マルコフ連鎖において、終点の区分のように他の区分への遷移確率が０であるものは、吸収状態といわれる。吸収状態が存在する全ての状態が互いに連結しているマルコフ連鎖は、何度も遷移を行うことで、必ず、吸収状態に収束するという性質がある。
そこで、ＣＰＵ４０１は、式２を用いて、無限回遷移を繰り返した場合に各区分が、どの終点の区分にどの確率で遷移するかを示す遷移確率行列Ｅを決定する。
マルコフ連鎖において、終点の区分のように他の区分への遷移確率が０であるものは、吸収状態といわれる。吸収状態が存在する全ての状態が互いに連結しているマルコフ連鎖は、何度も遷移を行うことで、必ず、吸収状態に収束するという性質がある。
そこで、ＣＰＵ４０１は、式２を用いて、無限回遷移を繰り返した場合に各区分が、どの終点の区分にどの確率で遷移するかを示す遷移確率行列Ｅを決定する。
式２のＢＲは、（Ｉ＋Ｕ＋Ｕ2＋Ｕ3＋・・・＋Ｕ∞）Ｒとなる。即ち、Ｂ＝（Ｉ＋Ｕ＋Ｕ2＋Ｕ3＋・・・＋Ｕ∞）となる。ここで、この両辺にＵを掛けるとＵＢ＝（Ｕ＋Ｕ2＋Ｕ3＋・・・＋Ｕ∞）となる。そのため、Ｂ−ＵＢ＝（Ｉ−Ｕ）Ｂ＝（Ｉ＋Ｕ＋Ｕ2＋Ｕ3＋・・・＋Ｕ∞）−（Ｕ＋Ｕ2＋Ｕ3＋・・・＋Ｕ∞）＝Ｉとなる。即ち、（Ｉ−Ｕ）Ｂ＝Ｉが成り立つ。両辺に（Ｉ−Ｕ）の逆行列を掛けることで、Ｂ＝（Ｉ−Ｕ）-1となる。
遷移確率行列ＥのＢＲの部分は、始点を示す区分及び過渡を示す区分から、終点を示す区分にどの程度の確率で遷移するかを示すこととなる。
ＣＰＵ４０１は、（Ｉ−Ｕ）の逆行列を取得し、Ｒに掛けることで、ＢＲを取得する。そして、ＣＰＵ４０１は、ＢＲの部分の各要素の値を、その要素に対応する行が示す始点又は過渡を示す区分から、その要素に対応する列が示す終点を示す区分への最終的な遷移確率として特定する。
遷移確率行列ＥのＢＲの部分は、始点を示す区分及び過渡を示す区分から、終点を示す区分にどの程度の確率で遷移するかを示すこととなる。
ＣＰＵ４０１は、（Ｉ−Ｕ）の逆行列を取得し、Ｒに掛けることで、ＢＲを取得する。そして、ＣＰＵ４０１は、ＢＲの部分の各要素の値を、その要素に対応する行が示す始点又は過渡を示す区分から、その要素に対応する列が示す終点を示す区分への最終的な遷移確率として特定する。
ＣＰＵ４０１は、クライアント装置３０２からある区分が最終的にどの区分にどの程度の確率で遷移するかを示す情報の要求を受信した場合、その区分が、最終的にどの終点の区分に遷移するかを示す遷移確率をクライアント装置３０２に送信する。ＣＰＵ４１１は、クライアント装置３０２に接続された表示装置に受信した情報を表示したり、クライアント装置３０２に接続された印刷装置等を介して受信した情報を印刷したりして、出力する。
（効果）
以上、本実施形態では、情報処理システムは、非保険者の心身状態が悪化のみしていくとの仮定の上で、区分同士の遷移確率を示す遷移確率行列を求めた。そして、情報処理システムは、遷移確率行列を無限に掛け合わせた行列を求めることで、無限に遷移を繰り返すことで、各区分が最終的にどのような確率でどの終点の区分に遷移するかを特定した。これにより、情報処理システムは、各区分に対応する心身状態が最終的にどのような区分に対応する心身状態に遷移するのかを把握できる。
また、情報処理システムは、各区分が最終的にどのような確率でどの終点の区分に遷移するかを示す情報を出力することで、ユーザに提示した。これにより、ユーザは、各区分に対応する心身状態が最終的にどのような確率でどの区分の心身状態に遷移するかを容易に把握できる。
以上、本実施形態では、情報処理システムは、非保険者の心身状態が悪化のみしていくとの仮定の上で、区分同士の遷移確率を示す遷移確率行列を求めた。そして、情報処理システムは、遷移確率行列を無限に掛け合わせた行列を求めることで、無限に遷移を繰り返すことで、各区分が最終的にどのような確率でどの終点の区分に遷移するかを特定した。これにより、情報処理システムは、各区分に対応する心身状態が最終的にどのような区分に対応する心身状態に遷移するのかを把握できる。
また、情報処理システムは、各区分が最終的にどのような確率でどの終点の区分に遷移するかを示す情報を出力することで、ユーザに提示した。これにより、ユーザは、各区分に対応する心身状態が最終的にどのような確率でどの区分の心身状態に遷移するかを容易に把握できる。
＜その他の実施形態＞
以上、本発明の好ましい実施形態について詳述したが、本発明は係る特定の実施形態に限定されるものではない。上述した各実施形態を任意に組み合わせてもよい。
以上、本発明の好ましい実施形態について詳述したが、本発明は係る特定の実施形態に限定されるものではない。上述した各実施形態を任意に組み合わせてもよい。
３００ 解析サーバ
３０１ 記憶サーバ
３０２ クライアント装置
３０１ 記憶サーバ
３０２ クライアント装置
Claims (18)
- 心身状態の調査時点における被保険者の心身状態を点数で示す指標である複数の心身状態指標を、予め定められた数のレベル数で表される順序尺度に変換する変換手段と、
前記変換手段により前記順序尺度に変換された前記複数の心身状態指標に基づいて、前記複数の心身状態指標それぞれに対応する調査時点における被保険者の心身状態を、前記レベル数に応じて決定された心身状態に関する複数の区分に分類する分類処理を行う分類手段と、
前記分類手段による分類処理の結果に基づいて、前記複数の区分に含まれる区分毎に、区分に対応する心身状態に関する情報である心身状態情報を学習する学習手段と、
前記学習手段により学習された前記心身状態情報に基づいて、前記複数の区分に含まれる区分同士の関係性を示す関係性画像を生成する第１の生成手段と、
前記第１の生成手段により生成された前記関係性画像を出力する第１の出力手段と、
を有するシステム。 - 前記学習手段により学習された前記心身状態情報に基づいて、前記複数の区分に含まれる指定された区分に関する情報を示す区分情報画像を生成する第２の生成手段と、
前記第２の生成手段により生成された前記区分情報画像を出力する第２の出力手段と、を更に有する請求項１記載のシステム。 - 心身状態の調査時点における被保険者の心身状態を点数で示す指標である複数の心身状態指標を、予め定められた数のレベル数で表される順序尺度に変換する変換手段と、
前記変換手段により前記順序尺度に変換された前記複数の心身状態指標に基づいて、前記複数の心身状態指標それぞれに対応する調査時点における被保険者の心身状態を、前記レベル数に応じて決定された心身状態に関する複数の区分に分類する分類処理を行う分類手段と、
前記分類手段による分類処理の結果に基づいて、前記複数の区分に含まれる区分毎に、区分に対応する心身状態に関する情報である心身状態情報を学習する学習手段と、
前記学習手段により学習された前記心身状態情報に基づいて、前記複数の区分に含まれる指定された区分に関する情報を示す区分情報画像を生成する生成手段と、
前記生成手段により生成された前記区分情報画像を出力する出力手段と、
を有するシステム。 - 心身状態の調査時点における被保険者の心身状態を点数で示す指標である複数の心身状態指標を、予め定められた数のレベル数で表される順序尺度に変換する変換手段と、
前記変換手段により前記順序尺度に変換された前記複数の心身状態指標に基づいて、前記複数の心身状態指標それぞれに対応する調査時点における被保険者の心身状態を、前記レベル数に応じて決定された心身状態に関する複数の区分に分類する分類処理を行う分類手段と、
前記分類手段による分類処理の結果に基づいて、前記複数の区分に含まれる区分毎に、区分に対応する心身状態に関する情報である心身状態情報を学習する学習手段と、
を有し、
前記変換手段は、心身状態の複数の調査時点における被保険者の心身状態を点数で示す指標である前記複数の心身状態指標それぞれを、前記順序尺度に変換し、
前記学習手段は、前記分類手段による分類処理の結果に基づいて、前記複数の区分に含まれる区分毎に、区分間の心身状態の遷移過程を示す情報を含む前記心身状態情報を学習するシステム。 - 前記学習手段により学習された前記心身状態情報に基づいて、前記複数の区分の中から指定された区分を基準とした区分間の遷移過程を示す遷移画像を生成する第１の生成手段と、
前記第１の生成手段により生成された前記遷移画像を出力する第１の出力手段と、
を更に有する請求項４記載のシステム。 - 前記学習手段により学習された前記心身状態情報に含まれる前記複数の区分に含まれる区分間の遷移過程を示す情報に基づいて、被保険者の心身状態が改善することがないと仮定した場合に、前記複数の区分に含まれる区分が最終的にどの区分にどのような確率で遷移するかを特定する特定手段と、
前記特定手段により特定された前記複数の区分に含まれる区分が最終的にどの区分にどのような確率で遷移するかを示す情報を出力する第２の出力手段と、
を更に有する請求項４又は５記載のシステム。 - 前記特定手段は、前記複数の区分それぞれについて、対応する基準時間が自身よりも小さい区分に対しての遷移が起こらないと仮定することで、被保険者の心身状態が改善することがないと仮定し、前記学習手段により学習された前記心身状態情報に含まれる前記複数の区分に含まれる区分間の遷移過程を示す情報に基づいて、前記複数の区分それぞれの区分について、対応する基準時間が前記区分よりも大きい区分に対して遷移する確率を特定し、特定した確率に基づいて、前記複数の区分に含まれる区分が最終的にどの区分にどのような確率で遷移するかを特定する請求項６記載のシステム。
- 前記学習手段により学習された前記心身状態情報に基づいて、前記複数の区分に含まれる区分同士の関係性を示す関係性画像を生成する第２の生成手段と、
前記第２の生成手段により生成された前記関係性画像を出力する第３の出力手段と、
を更に有する請求項４乃至７何れか１項記載のシステム。 - 前記学習手段により学習された前記心身状態情報に基づいて、前記複数の区分に含まれる指定された区分に関する情報を示す区分情報画像を生成する第３の生成手段と、
前記第３の生成手段により生成された前記区分情報画像を出力する第４の出力手段と、を更に有する請求項４乃至８何れか１項記載のシステム。 - 前記変換手段は、前記複数の心身状態指標を、前記予め定められた数のレベル数である４つのレベル数で表される前記順序尺度に変換する請求項１乃至９何れか１項記載のシステム。
- 前記学習手段は、前記分類手段による分類処理の結果と、前記複数の心身状態指標それぞれに対応する被保険者に対する介護に関する情報と、に基づいて、前記複数の区分に含まれる区分毎に、前記区分に対応する心身状態の被保険者に対する介護に関する情報を含む前記心身状態情報を学習する請求項１乃至１０何れか１項記載のシステム。
- 心身状態の調査時点における被保険者の心身状態を点数で示す指標である複数の心身状態指標を、予め定められた数のレベル数で表される順序尺度に変換する変換手段と、
前記変換手段により前記順序尺度に変換された前記複数の心身状態指標に基づいて、前記複数の心身状態指標それぞれに対応する調査時点における被保険者の心身状態を、前記レベル数に応じて決定された心身状態に関する複数の区分に分類する分類処理を行う分類手段と、
前記分類手段による分類処理の結果に基づいて、前記複数の区分に含まれる区分毎に、区分に対応する心身状態に関する情報である心身状態情報を学習する学習手段と、
前記学習手段により学習された前記心身状態情報に基づいて、前記複数の区分に含まれる区分同士の関係性を示す関係性画像を生成する生成手段と、
前記生成手段により生成された前記関係性画像を出力する出力手段と、
を有する情報処理装置。 - 心身状態の調査時点における被保険者の心身状態を点数で示す指標である複数の心身状態指標を、予め定められた数のレベル数で表される順序尺度に変換する変換手段と、
前記変換手段により前記順序尺度に変換された前記複数の心身状態指標に基づいて、前記複数の心身状態指標それぞれに対応する調査時点における被保険者の心身状態を、前記レベル数に応じて決定された心身状態に関する複数の区分に分類する分類処理を行う分類手段と、
前記分類手段による分類処理の結果に基づいて、前記複数の区分に含まれる区分毎に、区分に対応する心身状態に関する情報である心身状態情報を学習する学習手段と、
前記学習手段により学習された前記心身状態情報に基づいて、前記複数の区分に含まれる指定された区分に関する情報を示す区分情報画像を生成する生成手段と、
前記生成手段により生成された前記区分情報画像を出力する出力手段と、
を有する情報処理装置。 - 心身状態の調査時点における被保険者の心身状態を点数で示す指標である複数の心身状態指標を、予め定められた数のレベル数で表される順序尺度に変換する変換手段と、
前記変換手段により前記順序尺度に変換された前記複数の心身状態指標に基づいて、前記複数の心身状態指標それぞれに対応する調査時点における被保険者の心身状態を、前記レベル数に応じて決定された心身状態に関する複数の区分に分類する分類処理を行う分類手段と、
前記分類手段による分類処理の結果に基づいて、前記複数の区分に含まれる区分毎に、区分に対応する心身状態に関する情報である心身状態情報を学習する学習手段と、
を有し、
前記変換手段は、心身状態の複数の調査時点における被保険者の心身状態を点数で示す指標である前記複数の心身状態指標それぞれを、前記順序尺度に変換し、
前記学習手段は、前記分類手段による分類処理の結果に基づいて、前記複数の区分に含まれる区分毎に、区分間の心身状態の遷移過程を示す情報を含む前記心身状態情報を学習する情報処理装置。 - システムが実行する情報処理方法であって、
心身状態の調査時点における被保険者の心身状態を点数で示す指標である複数の心身状態指標を、予め定められた数のレベル数で表される順序尺度に変換する変換ステップと、
前記変換ステップで前記順序尺度に変換された前記複数の心身状態指標に基づいて、前記複数の心身状態指標それぞれに対応する調査時点における被保険者の心身状態を、前記レベル数に応じて決定された心身状態に関する複数の区分に分類する分類処理を行う分類ステップと、
前記分類ステップでの分類処理の結果に基づいて、前記複数の区分に含まれる区分毎に、区分に対応する心身状態に関する情報である心身状態情報を学習する学習ステップと、
前記学習ステップで学習された前記心身状態情報に基づいて、前記複数の区分に含まれる区分同士の関係性を示す関係性画像を生成する生成ステップと、
前記生成ステップで生成された前記関係性画像を出力する出力ステップと、
を含む情報処理方法。 - システムが実行する情報処理方法であって、
心身状態の調査時点における被保険者の心身状態を点数で示す指標である複数の心身状態指標を、予め定められた数のレベル数で表される順序尺度に変換する変換ステップと、
前記変換ステップで前記順序尺度に変換された前記複数の心身状態指標に基づいて、前記複数の心身状態指標それぞれに対応する調査時点における被保険者の心身状態を、前記レベル数に応じて決定された心身状態に関する複数の区分に分類する分類処理を行う分類ステップと、
前記分類ステップでの分類処理の結果に基づいて、前記複数の区分に含まれる区分毎に、区分に対応する心身状態に関する情報である心身状態情報を学習する学習ステップと、
前記学習ステップで学習された前記心身状態情報に基づいて、前記複数の区分に含まれる指定された区分に関する情報を示す区分情報画像を生成する生成ステップと、
前記生成ステップで生成された前記区分情報画像を出力する出力ステップと、
を含む情報処理方法。 - システムが実行する情報処理方法であって、
心身状態の調査時点における被保険者の心身状態を点数で示す指標である複数の心身状態指標を、予め定められた数のレベル数で表される順序尺度に変換する変換ステップと、
前記変換ステップで前記順序尺度に変換された前記複数の心身状態指標に基づいて、前記複数の心身状態指標それぞれに対応する調査時点における被保険者の心身状態を、前記レベル数に応じて決定された心身状態に関する複数の区分に分類する分類処理を行う分類ステップと、
前記分類ステップでの分類処理の結果に基づいて、前記複数の区分に含まれる区分毎に、区分に対応する心身状態に関する情報である心身状態情報を学習する学習ステップと、
を含み、
前記変換ステップでは、心身状態の複数の調査時点における被保険者の心身状態を点数で示す指標である前記複数の心身状態指標それぞれを、前記順序尺度に変換し、
前記学習ステップでは、前記分類ステップでの分類処理の結果に基づいて、前記複数の区分に含まれる区分毎に、区分間の心身状態の遷移過程を示す情報を含む前記心身状態情報を学習する情報処理方法。 - コンピュータを、請求項１２乃至１４何れか１項記載の情報処理装置の各手段として、機能させるためのプログラム。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2017125360A JP6513138B2 (ja) | 2017-06-27 | 2017-06-27 | システム、情報処理装置、情報処理方法及びプログラム |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2017125360A JP6513138B2 (ja) | 2017-06-27 | 2017-06-27 | システム、情報処理装置、情報処理方法及びプログラム |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2019008651A JP2019008651A (ja) | 2019-01-17 |
| JP6513138B2 true JP6513138B2 (ja) | 2019-05-15 |
Family
ID=65029550
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2017125360A Expired - Fee Related JP6513138B2 (ja) | 2017-06-27 | 2017-06-27 | システム、情報処理装置、情報処理方法及びプログラム |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP6513138B2 (ja) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP6737488B1 (ja) * | 2019-06-17 | 2020-08-12 | 株式会社エクサウィザーズ | 情報処理装置、情報処理方法、プログラム及び学習済みモデル |
| JP6737489B1 (ja) * | 2019-06-17 | 2020-08-12 | 株式会社エクサウィザーズ | 情報処理装置、情報処理方法及びプログラム |
| JP6853917B2 (ja) * | 2020-07-06 | 2021-04-07 | 株式会社エクサウィザーズ | 情報処理装置、情報処理方法、及びプログラム |
| JP7140805B2 (ja) * | 2020-08-17 | 2022-09-21 | 株式会社東芝 | 地域包括ケア事業システム |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2001142979A (ja) * | 1999-08-31 | 2001-05-25 | Toshiba Corp | 要介護認定業務支援システム、要介護認定業務処理方法、および記憶媒体 |
| JP2003141255A (ja) * | 2001-11-01 | 2003-05-16 | Hitachi Systems & Services Ltd | 要介護認定審査資料出力装置 |
| JP4783318B2 (ja) * | 2007-03-27 | 2011-09-28 | 株式会社東芝 | 要介護認定における参考指標分析システム |
| JP6485945B2 (ja) * | 2014-10-24 | 2019-03-20 | 国立大学法人高知大学 | 認知状態分析装置 |
-
2017
- 2017-06-27 JP JP2017125360A patent/JP6513138B2/ja not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| JP2019008651A (ja) | 2019-01-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Napoli et al. | Local Journalism and the Information Needs of Local Communities: Toward a scalable assessment approach | |
| JP6513138B2 (ja) | システム、情報処理装置、情報処理方法及びプログラム | |
| Merigo et al. | The fuzzy generalized OWA operator and its application in strategic decision making | |
| Mukherjee et al. | Distribution-free exceedance CUSUM control charts for location | |
| US20150317753A1 (en) | Job recommendation engine using a company employee profile | |
| Scherbaum et al. | Exploring the proximity of ground-motion models using high-dimensional visualization techniques | |
| Del Rio Vilas et al. | Prioritization of capacities for the elimination of dog-mediated human rabies in the Americas: building the framework | |
| Mateos et al. | Dominance, potential optimality and alternative ranking in imprecise multi-attribute decision making | |
| AU2014202622B2 (en) | Information processing apparatus and program | |
| Yang | First-and second-order asymptotics for the tail distortion risk measure of extreme risks | |
| Rezapour et al. | Stochastic comparison of residual and past lifetimes of (n− k+ 1)-out-of-n systems with dependent components | |
| Ji et al. | Data envelopment analysis with interactive fuzzy variables | |
| US10599658B2 (en) | Search device, search method, and non-transitory computer readable medium for performing a search for candidate experts and displaying results of the search | |
| Balakrishnan et al. | Confidence intervals for quantiles of a two-parameter exponential distribution under progressive Type-II censoring | |
| Jahanshahloo et al. | Cost efficiency analysis with ordinal data: A theoretical and computational view | |
| Chen | A Short Introduction to Information-Theoretic Cost-Benefit Analysis | |
| JP2020077203A (ja) | 情報処理装置、プログラム及び情報処理方法 | |
| Vasiliadis | Transient analysis of the M/M/k/N/N queue using a continuous time homogeneous Markov system with finite state size capacity | |
| Hubbard | Institution level awarding gap metrics for identifying educational inequity: useful tools or reductive distractions? | |
| Parvardeh et al. | A note on the conditional residual lifetime of a coherent system under double monitoring | |
| US11768852B2 (en) | System and method for data analysis and presentation of data | |
| Raut et al. | Single machine scheduling with time deteriorating job values | |
| Wood et al. | Establishing an SEIR-based framework for local modelling of COVID-19 infections, hospitalisations and deaths | |
| JP7534149B2 (ja) | 学習支援システム、情報処理装置、情報処理方法及びプログラム | |
| Stamatel | How data visualization can improve analytical thinking in cross-national crime research |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20181105 |
|
| 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: 20190312 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20190409 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 6513138 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| LAPS | Cancellation because of no payment of annual fees |