JP6721253B2 - 費用決定システム及び費用決定方法 - Google Patents
費用決定システム及び費用決定方法 Download PDFInfo
- Publication number
- JP6721253B2 JP6721253B2 JP2018143997A JP2018143997A JP6721253B2 JP 6721253 B2 JP6721253 B2 JP 6721253B2 JP 2018143997 A JP2018143997 A JP 2018143997A JP 2018143997 A JP2018143997 A JP 2018143997A JP 6721253 B2 JP6721253 B2 JP 6721253B2
- Authority
- JP
- Japan
- Prior art keywords
- instruction
- data
- score
- user
- instructor
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims description 74
- 230000036541 health Effects 0.000 claims description 104
- 238000011156 evaluation Methods 0.000 claims description 100
- 201000010099 disease Diseases 0.000 claims description 84
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 84
- 230000006399 behavior Effects 0.000 claims description 69
- 230000009471 action Effects 0.000 claims description 63
- 230000035945 sensitivity Effects 0.000 claims description 23
- 230000008921 facial expression Effects 0.000 claims description 16
- 230000006872 improvement Effects 0.000 claims description 9
- 230000004044 response Effects 0.000 description 33
- 230000008569 process Effects 0.000 description 25
- 238000012854 evaluation process Methods 0.000 description 23
- 238000012545 processing Methods 0.000 description 23
- 238000009825 accumulation Methods 0.000 description 19
- 239000003814 drug Substances 0.000 description 17
- 238000009534 blood test Methods 0.000 description 15
- 238000007726 management method Methods 0.000 description 15
- 229940079593 drug Drugs 0.000 description 14
- 238000004891 communication Methods 0.000 description 11
- 230000008520 organization Effects 0.000 description 11
- 230000002776 aggregation Effects 0.000 description 10
- 238000004220 aggregation Methods 0.000 description 10
- 238000010801 machine learning Methods 0.000 description 9
- 230000008859 change Effects 0.000 description 8
- 230000014509 gene expression Effects 0.000 description 8
- 238000012360 testing method Methods 0.000 description 8
- 238000013145 classification model Methods 0.000 description 7
- HVYWMOMLDIMFJA-DPAQBDIFSA-N cholesterol Chemical compound C1C=C2C[C@@H](O)CC[C@]2(C)[C@@H]2[C@@H]1[C@@H]1CC[C@H]([C@H](C)CCCC(C)C)[C@@]1(C)CC2 HVYWMOMLDIMFJA-DPAQBDIFSA-N 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 239000000284 extract Substances 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 210000004369 blood Anatomy 0.000 description 4
- 239000008280 blood Substances 0.000 description 4
- 238000013500 data storage Methods 0.000 description 4
- 238000007477 logistic regression Methods 0.000 description 4
- 230000003542 behavioural effect Effects 0.000 description 3
- 230000036772 blood pressure Effects 0.000 description 3
- 235000012000 cholesterol Nutrition 0.000 description 3
- 230000002596 correlated effect Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000012417 linear regression Methods 0.000 description 3
- 230000002787 reinforcement Effects 0.000 description 3
- 108010088751 Albumins Proteins 0.000 description 2
- 102000009027 Albumins Human genes 0.000 description 2
- 208000024172 Cardiovascular disease Diseases 0.000 description 2
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 description 2
- 102000001554 Hemoglobins Human genes 0.000 description 2
- 108010054147 Hemoglobins Proteins 0.000 description 2
- 210000000577 adipose tissue Anatomy 0.000 description 2
- 238000004820 blood count Methods 0.000 description 2
- 230000036760 body temperature Effects 0.000 description 2
- 239000008103 glucose Substances 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000029058 respiratory gaseous exchange Effects 0.000 description 2
- 230000036578 sleeping time Effects 0.000 description 2
- 208000024891 symptom Diseases 0.000 description 2
- MGSRCZKZVOBKFT-UHFFFAOYSA-N thymol Chemical compound CC(C)C1=CC=C(C)C=C1O MGSRCZKZVOBKFT-UHFFFAOYSA-N 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- VVJYUAYZJAKGRQ-BGZDPUMWSA-N 1-[(2r,4r,5s,6r)-4,5-dihydroxy-6-(hydroxymethyl)oxan-2-yl]-5-methylpyrimidine-2,4-dione Chemical compound O=C1NC(=O)C(C)=CN1[C@@H]1O[C@H](CO)[C@@H](O)[C@H](O)C1 VVJYUAYZJAKGRQ-BGZDPUMWSA-N 0.000 description 1
- 208000022309 Alcoholic Liver disease Diseases 0.000 description 1
- 239000004382 Amylase Substances 0.000 description 1
- 102000013142 Amylases Human genes 0.000 description 1
- 108010065511 Amylases Proteins 0.000 description 1
- 206010006458 Bronchitis chronic Diseases 0.000 description 1
- 108010074051 C-Reactive Protein Proteins 0.000 description 1
- 102100032752 C-reactive protein Human genes 0.000 description 1
- 206010009944 Colon cancer Diseases 0.000 description 1
- 101150057677 DAD3 gene Proteins 0.000 description 1
- 102100039104 Dolichyl-diphosphooligosaccharide-protein glycosyltransferase subunit DAD1 Human genes 0.000 description 1
- 206010014561 Emphysema Diseases 0.000 description 1
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 1
- 208000021032 Finnish upper limb-onset distal myopathy Diseases 0.000 description 1
- 102000006395 Globulins Human genes 0.000 description 1
- 108010044091 Globulins Proteins 0.000 description 1
- 101710173228 Glutathione hydrolase proenzyme Proteins 0.000 description 1
- 101000884921 Homo sapiens Dolichyl-diphosphooligosaccharide-protein glycosyltransferase subunit DAD1 Proteins 0.000 description 1
- 101000957559 Homo sapiens Matrin-3 Proteins 0.000 description 1
- 101000955282 Homo sapiens Mediator of RNA polymerase II transcription subunit 27 Proteins 0.000 description 1
- 101001013272 Homo sapiens Mediator of RNA polymerase II transcription subunit 29 Proteins 0.000 description 1
- 208000031226 Hyperlipidaemia Diseases 0.000 description 1
- 206010020772 Hypertension Diseases 0.000 description 1
- 201000001431 Hyperuricemia Diseases 0.000 description 1
- 102000003855 L-lactate dehydrogenase Human genes 0.000 description 1
- 108700023483 L-lactate dehydrogenases Proteins 0.000 description 1
- 102100038645 Matrin-3 Human genes 0.000 description 1
- 102100039001 Mediator of RNA polymerase II transcription subunit 27 Human genes 0.000 description 1
- 102100029668 Mediator of RNA polymerase II transcription subunit 29 Human genes 0.000 description 1
- 208000008589 Obesity Diseases 0.000 description 1
- 239000005844 Thymol Substances 0.000 description 1
- 238000008050 Total Bilirubin Reagent Methods 0.000 description 1
- LEHOTFFKMJEONL-UHFFFAOYSA-N Uric Acid Chemical compound N1C(=O)NC(=O)C2=C1NC(=O)N2 LEHOTFFKMJEONL-UHFFFAOYSA-N 0.000 description 1
- TVWHNULVHGKJHS-UHFFFAOYSA-N Uric acid Natural products N1C(=O)NC(=O)C2NC(=O)NC21 TVWHNULVHGKJHS-UHFFFAOYSA-N 0.000 description 1
- PNNCWTXUWKENPE-UHFFFAOYSA-N [N].NC(N)=O Chemical compound [N].NC(N)=O PNNCWTXUWKENPE-UHFFFAOYSA-N 0.000 description 1
- 235000019418 amylase Nutrition 0.000 description 1
- 239000000427 antigen Substances 0.000 description 1
- 102000036639 antigens Human genes 0.000 description 1
- 108091007433 antigens Proteins 0.000 description 1
- 206010006451 bronchitis Diseases 0.000 description 1
- 208000007451 chronic bronchitis Diseases 0.000 description 1
- 208000029742 colonic neoplasm Diseases 0.000 description 1
- 230000000875 corresponding effect Effects 0.000 description 1
- 101150112582 dad2 gene Proteins 0.000 description 1
- 101150117955 dad4 gene Proteins 0.000 description 1
- 206010012601 diabetes mellitus Diseases 0.000 description 1
- 208000013776 distal muscular dystrophy 3 Diseases 0.000 description 1
- 210000003743 erythrocyte Anatomy 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- WGXUDTHMEITUBO-YFKPBYRVSA-N glutaurine Chemical compound OC(=O)[C@@H](N)CCC(=O)NCCS(O)(=O)=O WGXUDTHMEITUBO-YFKPBYRVSA-N 0.000 description 1
- 238000005534 hematocrit Methods 0.000 description 1
- 210000000265 leukocyte Anatomy 0.000 description 1
- 201000005243 lung squamous cell carcinoma Diseases 0.000 description 1
- 235000012054 meals Nutrition 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- 235000016709 nutrition Nutrition 0.000 description 1
- 235000020824 obesity Nutrition 0.000 description 1
- 208000028169 periodontal disease Diseases 0.000 description 1
- 102000004169 proteins and genes Human genes 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000001225 therapeutic effect Effects 0.000 description 1
- 229960000790 thymol Drugs 0.000 description 1
- 210000001519 tissue Anatomy 0.000 description 1
- 229940116269 uric acid Drugs 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Description
本発明は、費用決定システム及び費用決定方法に関する。
従来、医療費は、保険診療をはじめとして、医師がどのような行為を行ったかによって決定されていた。
本発明者は、保険診療において遠隔診療の医療報酬点数が対面診療の医療報酬点数より低く定められていることに着目して、遠隔診療システムを利用し、基準の医療費（例えば、対面診療で同等の診療行為を行った場合の医療費）と遠隔診療における保険診療から導出された医療費との差額の一部を、受益者である健康保険組合に課金するシステムを提案した。
このシステムによれば、患者は対面診療よりも低額で受診できる。特に生活習慣病の患者は、費用を抑えながら長期にわたって受診することができるので、治療効果を上げやすくなる。
しかしながら、医療においては、どのような行為が行われるかが重要なのではなく、どのように受診者の症状の改善又は重症化を予防するかが重要である。
しかし、従来の枠組みでは、どのような行為が行われたかで医療費、ひいては医師の報酬が決定される。このため、ゲーム理論からすると、医師が、自己の報酬を高めるため、必要性の低い又は不要な診療、検査又は処方を行うおそれがあった。この結果、医療費が不必要に高くなる可能性がある。
そこで、本発明は、医師等の指導の効果に応じて費用を決定することができる費用決定システム及び費用決定方法を提供することを目的とする。
本発明の費用決定システムは、
被指導者の意識、行動及び体調及び属性のうち少なくとも１つを示す被指導者データと、指導の内容、指導時の仕方、指導の回数及び指導の頻度のうち少なくとも１つを示す指導データとを蓄積するデータベースと、
前記データベースに蓄積されたデータと、対象の被指導者の意識、行動及び体調及び属性のうち少なくとも１つを示す対象被指導者データとに基づいて、前記対象の被指導者の意識、行動及び体調のうち少なくとも１つに有効な指導の内容、指導時の仕方、指導の回数及び指導の頻度のうち少なくとも１つを決定する指導決定部と、
前記指導決定部により決定された指導の内容、指導時の仕方、指導の回数及び指導の頻度のうち少なくとも１つに応じて、対象の被指導者に対する費用を決定する費用決定部と、
指導者に対し、前記指導決定部により決定された指導に従って指導を行う遵守度を評価し、当該遵守度が高いほど、当該指導者に対する報酬を連続的または断続的に高くなるように決定する報酬決定部を備えることを特徴とする。
被指導者の意識、行動及び体調及び属性のうち少なくとも１つを示す被指導者データと、指導の内容、指導時の仕方、指導の回数及び指導の頻度のうち少なくとも１つを示す指導データとを蓄積するデータベースと、
前記データベースに蓄積されたデータと、対象の被指導者の意識、行動及び体調及び属性のうち少なくとも１つを示す対象被指導者データとに基づいて、前記対象の被指導者の意識、行動及び体調のうち少なくとも１つに有効な指導の内容、指導時の仕方、指導の回数及び指導の頻度のうち少なくとも１つを決定する指導決定部と、
前記指導決定部により決定された指導の内容、指導時の仕方、指導の回数及び指導の頻度のうち少なくとも１つに応じて、対象の被指導者に対する費用を決定する費用決定部と、
指導者に対し、前記指導決定部により決定された指導に従って指導を行う遵守度を評価し、当該遵守度が高いほど、当該指導者に対する報酬を連続的または断続的に高くなるように決定する報酬決定部を備えることを特徴とする。
当該構成の費用決定システムによれば、指導決定部により、前記データベースに蓄積されたデータと、対象の被指導者の意識、行動及び体調及び属性のうち少なくとも１つを示す対象被指導者データとに基づいて、前記対象の被指導者の意識、行動及び体調のうち少なくとも１つに有効な指導の内容、指導時の仕方、指導の回数及び指導の頻度のうち少なくとも１つが決定される。
換言すれば、指導決定部により、過去のデータと対象被指導者データとに基づいて、指導が有効な指導の内容、指導時の仕方、指導の回数及び指導の頻度のうち少なくとも１つが決定される。これにより、指導の内容、指導時の仕方、指導の回数及び指導の頻度のうち少なくとも１つを決定することができる。
そして、決定された指導の内容、指導時の仕方、指導の回数及び指導の頻度のうち少なくとも１つに応じて対象の被指導者に対する費用が決定される。
換言すれば、本発明の費用決定システムによれば、有効な指導をする観点から必要な指導が決定され、当該指導に応じた対象の被指導者に対する費用が決定される。
また、当該報酬決定部により、指導者に対し、前記指導決定部により決定された指導に従って指導を行う遵守度が評価され、当該遵守度が高いほど、当該指導者に対する報酬が連続的または断続的に高くなるように決定される。
これにより、指導者に、指導決定部により決定された指導に従って指導を行うように促すことができる。
本発明の費用決定システムは、
被指導者の意識、行動及び体調及び属性のうち少なくとも１つを示す被指導者データと、指導の内容、声のトーン又は表情である該指導の内容の伝え方に関する事項を示す指導時の仕方、指導の回数及び指導の頻度のうち少なくとも１つを示す指導データとを蓄積するデータベースと、
前記データベースに蓄積されたデータと、対象の被指導者の意識、行動及び体調及び属性のうち少なくとも１つを示す対象被指導者データとに基づいて、前記対象の被指導者の意識、行動及び体調のうち少なくとも１つに有効な指導の内容と、前記指導時の仕方とを決定する指導決定部と、
前記指導決定部により決定された指導の内容と前記指導時の仕方とに応じて、対象の被指導者に対する費用を決定する費用決定部とを備えることを特徴とする。
当該構成の費用決定システムによれば、指導決定部により、前記データベースに蓄積されたデータと、対象の被指導者の意識、行動及び体調及び属性のうち少なくとも１つを示す対象被指導者データとに基づいて、前記対象の被指導者の意識、行動及び体調のうち少なくとも１つに有効な指導の内容と指導時の仕方とが決定される。
換言すれば、指導決定部により、過去のデータと対象被指導者データとに基づいて、指導が有効な指導の内容と指導時の仕方とが決定される。これにより、指導の内容と指導時の仕方とを決定することができる。
そして、決定された指導の内容と指導時の仕方とに応じて対象の被指導者に対する費用が決定される。
換言すれば、本発明の費用決定システムによれば、有効な指導をする観点から必要な指導の内容と指導時の仕方とが決定され、当該指導の内容と指導時の仕方とに応じた対象の被指導者に対する費用が決定される。
また、当該報酬決定部により、指導者に対し、前記指導決定部により決定された指導に従って指導を行う遵守度が評価され、当該遵守度が高いほど、当該指導者に対する報酬が連続的または断続的に高くなるように決定される。
これにより、指導者に、指導決定部により決定された指導に従って指導を行うように促すことができる。
本発明の費用決定システムは、
被指導者の意識、行動及び体調及び属性のうち少なくとも１つを示す被指導者データと、指導の内容、声のトーン又は表情である該指導の内容の伝え方に関する事項を示す指導時の仕方、指導の回数及び指導の頻度のうち少なくとも１つを示す指導データとを蓄積するデータベースと、
前記データベースに蓄積されたデータと、対象の被指導者の意識、行動及び体調及び属性のうち少なくとも１つを示す対象被指導者データとに基づいて、前記対象の被指導者の意識、行動及び体調のうち少なくとも１つに有効な指導の内容と、前記指導時の仕方とを決定する指導決定部と、
前記指導決定部により決定された指導の内容と前記指導時の仕方とに応じて、対象の被指導者に対する費用を決定する費用決定部とを備えることを特徴とする。
当該構成の費用決定システムによれば、指導決定部により、前記データベースに蓄積されたデータと、対象の被指導者の意識、行動及び体調及び属性のうち少なくとも１つを示す対象被指導者データとに基づいて、前記対象の被指導者の意識、行動及び体調のうち少なくとも１つに有効な指導の内容と指導時の仕方とが決定される。
換言すれば、指導決定部により、過去のデータと対象被指導者データとに基づいて、指導が有効な指導の内容と指導時の仕方とが決定される。これにより、指導の内容と指導時の仕方とを決定することができる。
そして、決定された指導の内容と指導時の仕方とに応じて対象の被指導者に対する費用が決定される。
換言すれば、本発明の費用決定システムによれば、有効な指導をする観点から必要な指導の内容と指導時の仕方とが決定され、当該指導の内容と指導時の仕方とに応じた対象の被指導者に対する費用が決定される。
本発明の費用決定システムにおいて、
前記被指導者データに基づいて、前記被指導者の疾病の発症の可能性又は進行の度合いを示す疾病スコアを評価するスコア評価部を備え、
前記指導決定部は、当該疾病スコアと負の相関を有する指導の内容、指導時の仕方、指導の回数及び指導の頻度のうち少なくとも１つを認識するように構成されていることが好ましい。
前記被指導者データに基づいて、前記被指導者の疾病の発症の可能性又は進行の度合いを示す疾病スコアを評価するスコア評価部を備え、
前記指導決定部は、当該疾病スコアと負の相関を有する指導の内容、指導時の仕方、指導の回数及び指導の頻度のうち少なくとも１つを認識するように構成されていることが好ましい。
当該構成の費用決定システムによれば、スコア評価部により、前記被指導者データに基づいて、被指導者の疾病の発症の可能性又は進行の度合いを示す疾病スコアが評価される。
そして、前記指導決定部により、当該疾病スコアと負の相関を有する指導の内容、指導時の仕方、指導の回数及び指導の頻度のうち少なくとも１つが認識される。
指導者が、当該指導決定部により認識された指導の内容、指導時の仕方、指導の回数及び指導の頻度のうち少なくとも１つに沿って指導を行うことにより、被指導者の疾病の発症の可能性又は進行の度合いの低下又は維持を図ることができる。
さらに、前述した費用決定部によりこれらの指導に応じた費用が決定されるので、被指導者の疾病の発症の可能性又は進行の度合いの低下又は維持を図る観点から必要な指導が決定され、当該指導に応じた対象の被指導者に対する費用が決定される。
本発明の費用決定システムにおいて、
前記被指導者データに基づいて、前記被指導者の健康管理に関する意識の度合い又は健康管理に関する行動の度合いを示すスコアを評価するスコア評価部を備え、
前記指導決定部は、当該スコアと正の相関を有する指導の内容、指導時の仕方、指導の回数及び指導の頻度のうち少なくとも１つを認識するように構成されていることが好ましい。
前記被指導者データに基づいて、前記被指導者の健康管理に関する意識の度合い又は健康管理に関する行動の度合いを示すスコアを評価するスコア評価部を備え、
前記指導決定部は、当該スコアと正の相関を有する指導の内容、指導時の仕方、指導の回数及び指導の頻度のうち少なくとも１つを認識するように構成されていることが好ましい。
当該構成の費用決定システムによれば、スコア評価部により、前記被指導者データに基づいて、前記被指導者の健康管理に関する意識の度合い又は健康管理に関する行動の度合いを示すスコアが評価される。
そして、前記指導決定部により、当該スコアと正の相関を有する指導の内容、指導時の仕方、指導の回数及び指導の頻度のうち少なくとも１つが認識される。
指導者が、当該指導決定部により認識された指導の内容、指導時の仕方、指導の回数及び指導の頻度のうち少なくとも１つに沿って指導を行うことにより、前記被指導者の健康管理に関する意識の度合い又は健康管理に関する行動の度合いの向上を図ることができる。
前記被指導者の健康管理に関する意識の度合い又は健康管理に関する行動の度合いが向上すれば、ひいては、被指導者の体調の改善を図ることができる。
当該構成の費用決定システムによれば、被指導者の体調の改善を図る観点から必要な指導が決定され、ひいては費用決定部により当該指導に応じた対象の被指導者に対する費用が決定される。
本発明の費用決定システムにおいて、
前記被指導者データに基づいて、前記被指導者の疾病、主観的健康観、健康管理に関する意識の度合い又は健康管理に関する行動の度合いを示すスコアを評価するスコア評価部を備え、
前記指導決定部は、決定した指導に対し、当該指導を行った後の前記スコアの改善の期待値を示すスコア期待値データを作成し、
前記指導決定部は、前記スコア評価部により評価された最新時点の前記被指導者のスコアと、前記スコア期待値データに示される前記最新時点前に行われた指導のスコアの改善の期待値とを比較して、新たな指導を決定するように構成されていることが好ましい。
前記被指導者データに基づいて、前記被指導者の疾病、主観的健康観、健康管理に関する意識の度合い又は健康管理に関する行動の度合いを示すスコアを評価するスコア評価部を備え、
前記指導決定部は、決定した指導に対し、当該指導を行った後の前記スコアの改善の期待値を示すスコア期待値データを作成し、
前記指導決定部は、前記スコア評価部により評価された最新時点の前記被指導者のスコアと、前記スコア期待値データに示される前記最新時点前に行われた指導のスコアの改善の期待値とを比較して、新たな指導を決定するように構成されていることが好ましい。
当該構成の費用決定システムによれば、前記指導決定部により、前記スコア評価部により評価された最新時点の前記被指導者のスコアと、前記スコア期待値データに示される前記最新時点前に行われた指導のスコアの改善の期待値とを比較して、新たな指導が決定される。
これにより、期待通りにスコアが変動したかということが加味されて指導が決定されるから、有効な指導を行う観点から必要な指導が決定され、ひいては費用決定部により当該指導に応じた対象の被指導者に対する費用が決定される。
本発明の費用決定システムにおいて、
前記被指導者データに示される指導後の前記被指導者の健康管理に関する意識又は健康管理に関する行動示すデータに応じて、被指導者の感受性の高さを示す感受性スコアを評価し、
前記費用決定部は、当該感受性スコアが高いほど、費用が連続的または断続的に安くなるように前記費用を決定するように構成されていることが好ましい。
前記被指導者データに示される指導後の前記被指導者の健康管理に関する意識又は健康管理に関する行動示すデータに応じて、被指導者の感受性の高さを示す感受性スコアを評価し、
前記費用決定部は、当該感受性スコアが高いほど、費用が連続的または断続的に安くなるように前記費用を決定するように構成されていることが好ましい。
当該構成の費用決定システムによれば、前記費用決定部により、被指導者の感受性の高さを示す感受性スコアが高いほど、費用が連続的または断続的に安くなるように費用が決定される。
これにより、被指導者の感受性が高い、換言すれば、指導に応じて意識又は行動が変わりやすい被指導者については、その費用が安くなるように費用が決定される。
指導に応じて意識又は行動が変わりやすい被指導者は、すぐに指導に沿った行動を起こすことが期待され、指導の効果も上げやすくなると期待される。
従って、当該構成の費用決定システムによれば、被指導者の特性も勘案して費用を決定することができる。
本発明の費用決定システムにおいて、
指導者に対し、前記指導決定部により決定された指導に従って指導を行う遵守度を評価し、当該遵守度が高いほど、当該指導者に対する報酬を連続的または断続的に高くなるように決定する報酬決定部を備えることが好ましい。
指導者に対し、前記指導決定部により決定された指導に従って指導を行う遵守度を評価し、当該遵守度が高いほど、当該指導者に対する報酬を連続的または断続的に高くなるように決定する報酬決定部を備えることが好ましい。
当該構成の費用決定システムによれば、当該報酬決定部により、指導者に対し、前記指導決定部により決定された指導に従って指導を行う遵守度が評価され、当該遵守度が高いほど、当該指導者に対する報酬が連続的または断続的に高くなるように決定される。
これにより、指導者に、指導決定部により決定された指導に従って指導を行うように促すことができる。
ひいては、費用決定部により決定された費用に対応する指導を行うように指導者に促すことができる。
図１〜図１６を参照して、本発明の第１実施形態を説明する。
本発明の費用決定システムは、一又は複数の第１ユーザ端末１００（図１では第１ユーザ端末１００ａ、１００ｂを例示している）と、一又は複数の第２ユーザ端末２００（図１では、第２ユーザ端末２００ａ、２００ｂを例示している。）と、費用決定サーバ３００と、データベース４００と、組織サーバ５００とを備える。
一又は複数の第１ユーザ端末１００と、一又は複数の第２ユーザ端末２００と、費用決定サーバ３００と、データベース４００と、組織サーバ５００とは、無線又は有線でネットワーク（例えば、インターネット）に接続され、相互に通信可能に構成されている。
（第１ユーザ端末）
第１ユーザ端末１００は、タブレット型端末またはスマートフォンなど、第１ユーザ端末１００のユーザである第１ユーザＵ１（図１では第１ユーザＵ１ａ、Ｕ１ｂを例示している）による携帯が可能なようにサイズ、形状および重量が設計されているコンピュータにより構成されている。第１ユーザ端末１００は、デスクトップコンピュータなど、特定箇所に設置されるように、サイズ、形状および重量が設計されているコンピュータにより構成されていてもよい。第１ユーザ端末１００は、カメラ、マイク、スピーカー、ディスプレイなどを備えている。
第１ユーザ端末１００は、タブレット型端末またはスマートフォンなど、第１ユーザ端末１００のユーザである第１ユーザＵ１（図１では第１ユーザＵ１ａ、Ｕ１ｂを例示している）による携帯が可能なようにサイズ、形状および重量が設計されているコンピュータにより構成されている。第１ユーザ端末１００は、デスクトップコンピュータなど、特定箇所に設置されるように、サイズ、形状および重量が設計されているコンピュータにより構成されていてもよい。第１ユーザ端末１００は、カメラ、マイク、スピーカー、ディスプレイなどを備えている。
また、ウェアラブルセンサＷ（図１ではウェアラブルセンサＷａ、Ｗｂを例示している）は第１ユーザＵ１が着用可能に構成されている。ウェアラブルセンサＷは、第１ユーザＵ１の生体情報又は行動情報を認識し、当該情報を定期的に又は第１ユーザＵ１の操作に応じて費用決定サーバ３００に送信するように構成されている。
第１ユーザＵ１の生体情報は、例えば、第１ユーザＵ１の血圧、心拍数、呼吸数、体温、体重、身長又は体脂肪率である。
第１ユーザＵ１の行動情報は、例えば、第１ユーザＵ１の歩数、第１ユーザＵ１の睡眠時間、第１ユーザＵ１が歩いた時間及び第１ユーザＵ１が走った時間である。
本実施形態では、ウェアラブルセンサＷは、第１ユーザＵ１の心拍数及び歩数を計測し、費用決定サーバ３００に送信するとして説明する。これらに変えてまたは加えて、ウェアラブルセンサは、第１ユーザＵ１の血圧、脈拍、呼吸数、体温、体重、身長、体脂肪率、第１ユーザＵ１の睡眠時間、第１ユーザＵ１が歩いた時間及び第１ユーザＵ１が走った時間などを計測してもよい。また、これに加えてまたは変えて、第１ユーザＵ１が着用しないセンサが用いられてもよい。
ウェアラブルセンサＷは、個別の通信部を有し、当該通信部を介して費用決定サーバ３００に生体情報を送信してもよいが、これに代えて、例えば、ＵＳＢなどにより第１ユーザ端末１００に接続され、第１端末通信部１５０を介して生体情報を費用決定サーバ３００に送信してもよい。
なお、一の装置が情報を「認識する」とは、一の装置が他の装置から当該情報を受信すること、一の装置が当該一の装置に接続された記憶媒体に記憶された情報を読み取ること、一の装置が当該一の装置に接続されたセンサから出力された信号に基づいて情報を取得すること、一の装置が、受信した情報又は記憶媒体に記憶された情報又はセンサから取得した情報に基づいて、所定の演算処理（計算処理又は検索処理など）を実行することにより当該情報を導出すること、一の装置が他の装置による演算処理結果としての当該情報を当該他の装置から受信すること、一の装置が当該受信信号にしたがって内部記憶装置又は外部記憶装置から当該情報を読み取ること等、当該情報を取得するためのあらゆる演算処理が実行されることを意味する。
（第２ユーザ端末）
第２ユーザ端末２００は、デスクトップコンピュータなど、特定箇所に設置されるように、サイズ、形状および重量が設計されているコンピュータにより構成されている。第２ユーザ端末２００は、タブレット型端末またはスマートフォンなど、第２ユーザ端末２００のユーザである第２ユーザＵ２（図１では、第２ユーザＵａ、Ｕｂを例示している。）による携帯が可能なようにサイズ、形状および重量が設計されているコンピュータにより構成されていてもよい。第２ユーザＵ２は、例えば、医師、歯科医師、看護師、栄養管理士など、第１ユーザＵ１に対して医療又は健康管理上の指導を行う者である。第２ユーザ端末２００は、カメラ、マイク、スピーカー、ディスプレイなどを備えている。
第２ユーザ端末２００は、デスクトップコンピュータなど、特定箇所に設置されるように、サイズ、形状および重量が設計されているコンピュータにより構成されている。第２ユーザ端末２００は、タブレット型端末またはスマートフォンなど、第２ユーザ端末２００のユーザである第２ユーザＵ２（図１では、第２ユーザＵａ、Ｕｂを例示している。）による携帯が可能なようにサイズ、形状および重量が設計されているコンピュータにより構成されていてもよい。第２ユーザＵ２は、例えば、医師、歯科医師、看護師、栄養管理士など、第１ユーザＵ１に対して医療又は健康管理上の指導を行う者である。第２ユーザ端末２００は、カメラ、マイク、スピーカー、ディスプレイなどを備えている。
第１ユーザ端末１００と、第２ユーザ端末２００とは、それらにインストールされたアプリケーションにより、オンライン通話可能に構成されている。
（費用決定サーバ）
費用決定サーバ３００は、サーバ制御部３１０と、サーバ記憶部３２０と、サーバ通信部３３０とを備えている。なお、費用決定サーバ３００を構成するコンピュータの一部または全部が、他の端末、例えば、第２ユーザ端末２００を構成するコンピュータにより構成されていてもよい。例えば、移動局としての一または複数の第２ユーザ端末２００により、費用決定サーバ３００の一部または全部が構成されていてもよい。
費用決定サーバ３００は、サーバ制御部３１０と、サーバ記憶部３２０と、サーバ通信部３３０とを備えている。なお、費用決定サーバ３００を構成するコンピュータの一部または全部が、他の端末、例えば、第２ユーザ端末２００を構成するコンピュータにより構成されていてもよい。例えば、移動局としての一または複数の第２ユーザ端末２００により、費用決定サーバ３００の一部または全部が構成されていてもよい。
サーバ制御部３１０は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）等の演算処理装置、メモリ、及びＩ／Ｏ（Ｉｎｐｕｔ／Ｏｕｔｐｕｔ）デバイスなどにより構成されている。サーバ制御部３１０は、一のプロセッサにより構成されてもよく、相互通信可能な複数のプロセッサにより構成されてもよい。
サーバ制御部３１０は、所定の指導支援プログラムを読み込んで実行することにより、後述の演算処理を実行するデータ蓄積制御部３１１、スコア評価部３１２、指導決定部３１３、費用決定部３１４、報酬決定部３１５として機能する。
サーバ記憶部３２０は、例えばＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ），ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）、ＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）等の記憶装置により構成されている。サーバ記憶部３２０は、サーバ制御部３１０の演算結果、又はサーバ制御部３１０がサーバ通信部３３０を介して受信したデータを記憶するように構成されている。
サーバ記憶部３２０は、費用データ３２１と、請求データ３２２と、報酬データ３２３と、を記憶している。
費用データ３２１は、図３に示すように、各指導に関する項目と、その単位当たりの費用とを関連付けたデータである。
請求データ３２２は、各第１ユーザＵ１に対する所定の期間（例えば１か月）における費用の請求データである。
報酬データ３２３は、各第２ユーザＵ２に対する所定の期間（例えば１か月）における報酬を示すデータである。
サーバ通信部３３０は、ネットワークとしての公衆通信網（例えばインターネット）に接続され、第１ユーザ端末１００及び第２ユーザ端末２００等の外部の端末と通信する通信装置により構成されている。
サーバ時計部３４０は、処理時点の日時を示す情報をサーバ制御部３１０に出力する。サーバ時計部３４０は、ＮＴＰ（Ｎｅｔｗｏｒｋ Ｔｉｍｅ Ｐｒｏｔｏｃｏｌ）サーバと同期している。
（データベース）
データベース４００は、例えばＲＯＭ，ＲＡＭ、ＨＤＤ等の記憶装置により構成されている。
データベース４００は、例えばＲＯＭ，ＲＡＭ、ＨＤＤ等の記憶装置により構成されている。
データベース４００は、第１ユーザ属性データＡＤと、レセプトデータＭＰＤと、健診データＭＥＤと、第２ユーザ属性データＤＡＤと、通話データＤＤと、アンケート回答データＫＤと、センサデータＷＤと、血液検査結果データＴＤと、統計データＳＤと、健康スコアデータＨＤと、意識・行動データＣＤと、指導データＧＤとを記憶している。
第１ユーザ属性データＡＤは、図４Ａに示されるように、第１ユーザＵ１を特定するための第１ユーザＩＤ ＡＤ１と、第１ユーザＵ１の年齢ＡＤ２、性別ＡＤ３、感受性スコアＡＤ４、第２ユーザＵ２による指導を受け始めた日時であるサービス開始日時ＡＤ５、属性更新日時ＡＤ６などの第１ユーザＵ１の属性に関するデータである。属性更新日時ＡＤ６は、第１ユーザＵ１の年齢ＡＤ２〜サービス開始日時ＡＤ５のうちいずれかが更新された日時である。第１ユーザ属性データＡＤ及びこれらに含まれるデータは、第１ユーザＵ１ごとに生成されるので、以後、特定の第１ユーザ、例えば第１ユーザＵ１ａのデータであることを明示する場合には、第１ユーザ属性データＡＤＵ１ａのように、対象となる第１ユーザを示す符号を右上につけて表現する。
レセプトデータＭＰＤは、第１ユーザＵ１が過去に医療機関で受診した場合又は薬局で調剤を受けた際に医療機関又は薬局で生成されたデータである。レセプトデータＭＰＤには、図４Ｂに示されるように、第１ユーザＵ１を特定するための第１ユーザＩＤ ＭＰＤ１と、レセプトデータ生成日時ＭＰＤ２と、診療、処方、調剤等の医療行為ＭＰＤ３とを示すデータが含まれている。
なお、各データに含まれるユーザを特定するためのＩＤは、各データ間で必ずしも同一でなくともよい。たとえば、第１ユーザ属性データＡＤに含まれる第１ユーザＩＤ ＡＤ１は、費用決定サーバ３００により第１ユーザＵ１に対して割り振られたＩＤで、レセプトデータＭＰＤに含まれる第１ユーザＩＤ ＭＰＤ１は、第１ユーザＵ１の住所及び氏名又は健康保険における被保険者番号であってもよい。このような複数のＩＤについては、例えばテーブルなどで同一人物のＩＤが互いに関連付けられていればよい。
レセプトデータＭＰＤ及びこれに含まれるデータは、第１ユーザＵ１について、それぞれのレセプトデータ生成日時ごとに生成される。このため、以後、特定の第１ユーザ、例えば第１ユーザＵ１ａに対してある日時Ｔ１に生成されたデータであることを明示する場合には、レセプトデータＭＰＤＵ１ａ−Ｔ１のように、対象となる第１ユーザを示す符号と日時を示す符号とを右上につけて表現する。また、特定の日時に限定せずに単に特定の第１ユーザ、例えば第１ユーザＵ１ａのデータであることを示す場合には、レセプトデータＭＰＤＵ１ａのように、対象となる第１ユーザを示す符号を右上につけて表現する。
健診データＭＥＤは、第１ユーザＵ１が過去に受けた健康診断の結果を示すデータである。健診データＭＥＤは、図４Ｃに示されるように、第１ユーザＵ１を特定するための第１ユーザＩＤ ＭＥＤ１と、健診の受けた日時ＭＥＤ２と、例えば、血圧、血糖値、尿酸値などの健康診断の結果を示すデータＭＥＤ３とを含んでいる。
健診データＭＥＤ及びこれらに含まれるデータは、第１ユーザＵ１について、それぞれの健診日時ごとに生成されるので、以後、特定の第１ユーザ、例えば第１ユーザＵ１ａに対してある日時Ｔ２に生成されたデータであることを明示する場合には、健診データＭＥＤＵ１ａ−Ｔ２のように、対象となる第１ユーザを示す符号と日時を示す符号とを右上につけて表現する。また、特定の日時に限定せずに単に特定の第１ユーザ、例えば第１ユーザＵ１ａのデータであることを示す場合には、健診データＭＥＤＵ１ａのように、対象となる第１ユーザを示す符号を右上につけて表現する。
第２ユーザ属性データＤＡＤは、図４Ｄに示されるように、第２ユーザＵ２を特定するための第２ユーザＩＤ ＤＡＤ１と、第２ユーザＵ２の年齢ＤＡＤ２と、第２ユーザＵ２の性別ＤＡＤ３と、第２ユーザＵ２の指導スキルのレベルを示す指導スキルレベルＤＡＤ４とのように、第２ユーザＵ２の属性を示すデータを含んでいる。
第２ユーザ属性データＤＡＤ及びこれらに含まれるデータは、第２ユーザＵ２ごとに生成されるので、以後、特定の第２ユーザ、例えば第２ユーザＵ２ａのデータであることを明示する場合には、第２ユーザ属性データＤＡＤ Ｕ２ａのように、対象となる第２ユーザを示す符号を右上につけて表現する。
通話データＤＤは、第１ユーザＵ１の第１ユーザ端末１００と第２ユーザＵ２の第２ユーザ端末２００との間のオンライン通話において取得されるデータである。
通話データＤＤは、図５Ａに示されるように、第１ユーザＩＤ ＤＤ１と、通話日時ＤＤ２と、第２ユーザＩＤ ＤＤ３と、電子カルテＤＤ４と、ヒアリングメモＤＤ５と、第１ユーザ撮像データＤＤ６と、第１ユーザ音声データＤＤ７と、第２ユーザ撮像データＤＤ８と、第２ユーザ音声データＤＤ９とを含む。
第１ユーザＩＤ ＤＤ１は、オンライン通話を行う第１ユーザＵ１を特定するためのＩＤである。
通話日時ＤＤ２は、第１ユーザ端末１００と第２ユーザ端末２００との間でオンライン通話の通信が確立された日時である。
第２ユーザＩＤ ＤＤ３は、オンライン通話を行う第２ユーザＵ２を特定するためのＩＤである。
電子カルテＤＤ４は、第２ユーザＵ２により第２ユーザ端末２００に入力された情報（第２ユーザ端末２００から受信した情報）に基づいて作成されるデータである。電子カルテは、例えば、第１ユーザから聞き取った事項のメモ、第１ユーザから聞き取った事項に関する第２ユーザの見解、第１ユーザの症状に関する評価、今後の指導に関する計画、第１ユーザに処方された薬剤の種類及びそれぞれの処方量を示すデータを含む。
ヒアリングメモＤＤ５は、電子カルテとは異なるデータであって、第２ユーザＵ２により第２ユーザ端末２００に入力された情報（第２ユーザ端末２００から受信した情報）に基づいて作成されるデータである。
第１ユーザ撮像データＤＤ６は、オンライン通話中に第１ユーザ端末１００のカメラで撮像された撮像データである。
第１ユーザ音声データＤＤ７は、オンライン通話中に第１ユーザ端末１００のマイクで集音された音声データである。
第２ユーザ撮像データＤＤ８は、オンライン通話中に第２ユーザ端末２００のカメラで撮像された撮像データである。
第２ユーザ音声データＤＤ９は、オンライン通話中に第２ユーザ端末２００のマイクで集音された音声データである。
通話データＤＤ及びこれらに含まれるデータは、第１ユーザＵ１について通話日時ごとに生成されるので、以後、特定の第１ユーザ、例えば第１ユーザＵ１ａの通話日時Ｔ３のデータであることを明示する場合には、通話データＤＤ Ｕ１ａ―Ｔ３のように、対象となる第１ユーザを示す符号と通話日時を示す符号とを右上につけて表現する。また、特定の日時に限定せずに単に特定の第１ユーザ、例えば第１ユーザＵ１ａのデータであることを示す場合には、通話データＤＤＵ１ａのように、対象となる第１ユーザを示す符号を右上につけて表現する。
アンケート回答データＫＤは、第１ユーザ端末１００に入力されたデータに基づいて作成されるデータである。アンケート回答データＫＤは、第１ユーザ端末１００のスピーカーまたはディスプレイに出力されたアンケートに対する第１ユーザＵ１の回答を示すデータである。アンケート回答データＫＤは、図５Ｂに示されるように、第１ユーザＩＤ ＫＤ１と、回答日時ＫＤ２と、意識アンケート回答データＫＤ３と、行動アンケート回答データＫＤ４と、健康アンケート回答データＫＤ５と、ユーザ属性変更データＫＤ６とを含む。
第１ユーザＩＤ ＫＤ１は、オンライン通話を行う第１ユーザＵ１を特定するためのＩＤである。
回答日時ＫＤ２は、例えば、第１ユーザ端末１００にアンケートの入力の完了がされた日時である。
意識アンケート回答データＫＤ３は、第１ユーザＵ１の健康管理に関する意識に関するアンケートに対する第１ユーザＵ１の回答を示すデータである。たとえば、意識に関するアンケートの例は、「今後生活改善を行うつもりはあるか」「指導に従うつもりはあるか」というアンケートである。これらに対する回答は、「大いにある」「ある」「ない」「全くない」などの複数の選択肢から選択された回答であってもよいし、入力ボックスまたはＶＡＳ（Ｖｉｓｕａｌ Ａｎａｌｏｇｕｅ Ｓｃａｌｅ）などに入力された量的な回答であってもよい。
行動アンケート回答データＫＤ４は、第１ユーザＵ１の行動に関するアンケートに対する第１ユーザＵ１の回答を示すデータである。第１ユーザＵ１の行動に関するアンケートの例は、「１日当たりの歩数はどれくらいか」「１日の飲酒量はどれくらいか」「３食食べたか」である。これらに対する回答は、複数の選択肢のうちの１つであってもよいし、入力ボックスまたはＶＡＳ：Ｖｉｓｕａｌ Ａｎａｌｏｇｕｅ Ｓｃａｌｅに入力された量的な回答であってもよい。
健康アンケート回答データＫＤ５は、第１ユーザＵ１の主観的な健康観に関するアンケートに関する第１ユーザＵ１の回答を示すデータである。たとえば、主観的な健康観に関するアンケートは、「自分が健康だと思う度合いはどれくらいか」というアンケートである。このアンケートに対する回答は、「大いに健康である」「普通」「あまり健康ではない」「全く健康には自信がない」という複数の選択肢から選択された回答でもよいし、入力ボックスまたはＶＡＳなどに入力された量的な回答であってもよい。
ユーザ属性変更データＫＤ６は、第１ユーザＵ１の属性に変更があったか否かを問うアンケートに対する回答を示すデータである。たとえば、ユーザの属性として独身かどうかを示すデータが収集されていた場合、ユーザ属性変更データＫＤ６は、結婚をしたかどうかを問うアンケートに対する回答である。
アンケート回答データＫＤ及びこれらに含まれるデータは、第１ユーザＵ１について回答日時ごとに生成されるので、以後、特定の第１ユーザ、例えば第１ユーザＵ１ａの回答日時Ｔ４のデータであることを明示する場合には、アンケート回答データＫＤ Ｕ１ａ―Ｔ４のように、対象となる第１ユーザを示す符号と回答日時を示す符号とを右上につけて表現する。また、特定の日時に限定せずに単に特定の第１ユーザ、例えば第１ユーザＵ１ａのデータであることを示す場合には、アンケート回答データＫＤＵ１ａのように、対象となる第１ユーザを示す符号を右上につけて表現する。
センサデータＷＤは、第１ユーザＵ１が使用しているウェアラブルセンサＷ等のセンサから取得されたデータである。センサデータＷＤには、図５Ｃに示されるように、センサの使用者の第１ユーザを特定する第１ユーザＩＤ ＷＤ１、取得日時ＷＤ２、行動データＷＤ３及び生体データＷＤ４が含まれる。
第１ユーザＩＤ ＷＤ１は、センサの使用者の第１ユーザを特定するＩＤである。
取得日時ＷＤ２は、データが取得された日時である。
行動データＷＤ３は、センサの使用者の行動の有無又は量を示すデータであり、本実施形態では、第１ユーザＵ１の歩数を示すデータである。
生体データＷＤ４は、センサの使用者の生体情報を示すデータであり、本実施形態では、第１ユーザＵ１の心拍数を示すデータである。
センサデータＷＤ及びこれらに含まれるデータは、第１ユーザＵ１について取得日時ごとに生成されるので、以後、特定の第１ユーザ、例えば第１ユーザＵ１ａの取得日時Ｔ５のデータであることを明示する場合には、センサデータＷＤＵ１ａ―Ｔ５のように、対象となる第１ユーザを示す符号と取得日時を示す符号とを右上につけて表現する。また、特定の日時に限定せずに単に特定の第１ユーザ、例えば第１ユーザＵ１ａのデータであることを示す場合には、センサデータＷＤＵ１ａのように、対象となる第１ユーザを示す符号を右上につけて表現する。
血液検査結果データＴＤは、血液検査の結果を示すデータである。血液検査結果データＴＤは、図５Ｄに示すように、第１ユーザＩＤ ＴＤ１と、検査日時ＴＤ２と、検査結果データＴＤ３とを含む。
第１ユーザＩＤ ＴＤ１は、被験者の第１ユーザＵ１を特定するためのＩＤである。
検査日時ＴＤ２は、第１ユーザＵ１が血液を採取した日時である。
検査結果データＴＤ３は、血液検査の結果を示すデータであり、例えば、血糖、空腹時血糖、ＧＯＴ、ＧＰＴ、γ−ＧＴ、乳酸脱水素酵素、総蛋白、アルブミン、アルブミン／グロブリン比、クンケル試験、チモール試験、総ビリルビン、ＨＢｓ抗原、ＨＢｓ抗体、ＨＣＶ抗体、総コレステロール、中性脂肪、善玉コレステロール、悪玉コレステロール、ヘモグロビンＡ１ｃ、ＡＳＬＯ、リウマチ反応、Ｃ反応性蛋白、尿素窒素、白血球数、赤血球数、血色素量、ヘマトクリット、アミラーゼの一部または全部の値を示すデータである。
血液検査結果データＴＤ及びこれらに含まれるデータは、第１ユーザＵ１について検査日時ごとに生成されるので、以後、特定の第１ユーザ、例えば第１ユーザＵ１ａの検査日時Ｔ６のデータであることを明示する場合には、血液検査結果データＴＤＵ１ａ―Ｔ６のように、対象となる第１ユーザを示す符号と検査日時を示す符号とを右上につけて表現する。また、特定の日時に限定せずに単に特定の第１ユーザ、例えば第１ユーザＵ１ａのデータであることを示す場合には、血液検査結果データＴＤＵ１ａのように、対象となる第１ユーザを示す符号を右上につけて表現する。
統計データＳＤは、所定の期間（集計期間、例えば１月ごと）における第１ユーザＵ１の受診等に関する統計を示すデータである。統計データＳＤは、図６Ａに示されるように、第１ユーザＩＤ ＳＤ１と、集計期間ＳＤ２と、受診頻度ＳＤ３と、介入頻度ＳＤ４と、優先度の高さＳＤ５とを含むデータである。
第１ユーザＩＤ ＳＤ１は、対象の第１ユーザＵ１を特定するためのＩＤである。
集計期間ＳＤ２は、例えば、２０１８年７月のように、統計データＳＤの集計期間を示すデータである。
介入頻度ＳＤ３は、集計期間における対象の第１ユーザＵ１のオンライン通話の頻度を示すデータである。これに変えてまたは加えて、第２ユーザＵ２が第２ユーザ端末２００を介して第１ユーザＵ１に連絡をした回数又は第１ユーザＵ１が第１ユーザ端末１００を介して第２ユーザＵ２に連絡をした回数などが集計されてもよい。
統計データＳＤ及びこれらに含まれるデータは、第１ユーザＵ１について集計期間ごとに生成されるので、以後、特定の第１ユーザ、例えば第１ユーザＵ１ａの集計期間Ｔ７のデータであることを明示する場合には、統計データＳＤＵ１ａ―Ｔ７のように、対象となる第１ユーザを示す符号と集計期間を示す符号とを右上につけて表現する。また、特定の日時に限定せずに単に特定の第１ユーザ、例えば第１ユーザＵ１ａのデータであることを示す場合には、統計データＳＤＵ１ａのように、対象となる第１ユーザを示す符号を右上につけて表現する。
健康スコアデータＨＤは、対象の第１ユーザＵ１の健康に関するスコアを示すデータである。健康スコアデータＨＤは、第１ユーザＩＤ ＨＤ１、評価日時ＨＤ２、第１疾病スコアＨＤ３、第２疾病スコアＨＤ４、第３疾病スコアＨＤ５、主観健康スコアＨＤ６を含む。主観健康スコアＨＤ６が、対象の第１ユーザの主観的健康感を示すスコアに相当する。
第１ユーザＩＤ ＨＤ１は、対象の第１ユーザを特定するためのＩＤである。
評価日時ＨＤ２は、第１疾病スコアＨＤ３、第２疾病スコアＨＤ４、第３疾病スコアＨＤ５及び主観健康スコアＨＤ６を評価した日時である。
第１疾病スコアＨＤ３〜第３疾病スコアＨＤ５は、対象の第１ユーザＵ１が所定の疾病を発症する可能性又は進行の度合いを示すスコアである。所定の疾病は、例えば、糖尿病、高血圧症、高脂質症、肥満、高尿酸血症、大腸がん、歯周病、循環器病、肺扁平上皮がん、循環器病、慢性気管支炎、肺気腫、アルコール性肝疾患などである。
本実施形態では、便宜上、第１疾病〜第３疾病を例示しているが、疾病が３種類に限られる必要はない。
主観健康スコアＨＤ６は、対象の第１ユーザＵ１が主観的に健康だと思う度合いを示すスコアである。
健康スコアデータＨＤ及びこれらに含まれるデータは、第１ユーザＵ１について評価日時ごとに生成されるので、以後、特定の第１ユーザ、例えば第１ユーザＵ１ａの評価期間Ｔ８のデータであることを明示する場合には、健康スコアデータＨＤＵ１ａ―Ｔ８のように、対象となる第１ユーザを示す符号と評価日時を示す符号とを右上につけて表現する。また、特定の日時に限定せずに単に特定の第１ユーザ、例えば第１ユーザＵ１ａのデータであることを示す場合には、健康スコアデータＨＤＵ１ａのように、対象となる第１ユーザを示す符号を右上につけて表現する。
意識・行動データＣＤは、図６Ｃに示されるように、第１ユーザＩＤ ＣＤ１と、評価日時ＣＤ２と、意識スコアＣＤ３と、行動スコアＣＤ４とを含む。
第１ユーザＩＤ ＣＤ１は、対象の第１ユーザＵ１を特定するためのＩＤである。
評価日時ＣＤ２は、スコアの評価日時である。
意識スコアＣＤ３は、対象の第１ユーザＵ１の健康管理に関する意識を評価したスコアである。
行動スコアＣＤ４は、対象の第１ユーザＵ１の健康管理に関する行動を評価したスコアである。
意識・行動データＣＤ及びこれらに含まれるデータは、第１ユーザＵ１について評価日時ごとに生成されるので、以後、特定の第１ユーザ、例えば第１ユーザＵ１ａの評価日時Ｔ９のデータであることを明示する場合には、意識・行動データＣＤＵ１ａ―Ｔ９のように、対象となる第１ユーザを示す符号と評価日時を示す符号とを右上につけて表現する。また、特定の日時に限定せずに単に特定の第１ユーザ、例えば第１ユーザＵ１ａのデータであることを示す場合には、意識・行動データＣＤＵ１ａのように、対象となる第１ユーザを示す符号を右上につけて表現する。
指導データＧＤは、対象の第１ユーザに対して行う指導を示すデータである。
指導データＧＤは、図６Ｄに示されるように、第１ユーザＩＤ ＧＤ１と、指導期間ＧＤ２と、指導の内容ＧＤ３と、指導の仕方ＧＤ４と、指導の頻度ＧＤ５と、スコア期待値ＧＤ６、指導の費用ＧＤ７とを含む。
第１ユーザＩＤ ＧＤ１は、対象の第１ユーザを特定するためのＩＤである。
指導期間ＧＤ２は、指導をすべき期間である。
指導の内容ＧＤ３は、対象の第１ユーザに対して行う指導の内容を示すデータである。たとえば、指導の内容ＧＤ３は、指導対象の疾患、指導対象の基準値、指導のゴール、指導の課題、疾患の原因、ゴールを妨げる理由、指導カテゴリ又は指導方針などの被指導者に伝える内容を示すデータである。
指導の仕方ＧＤ４は、声のトーン又は表情などの内容の伝え方に関する事項を示すデータである。
指導の頻度ＧＤ５は、対象の第１ユーザに対してどの程度の頻度で指導を行うかを示すデータである。指導の頻度ＧＤ５は、例えば、ある期間あたりの指導回数であらわされうる。
スコア期待値ＧＤ６は、指導期間終了時点又はその時点から所定期間経過後における第１疾病スコア〜第３疾病スコア、主観健康スコア、意識スコア、行動スコアのそれぞれの期待値を示すデータである。
指導の費用ＧＤ７は、指導期間における指導の費用を示すデータである。
指導データＧＤ及びこれらに含まれるデータは、第１ユーザＵ１について指導期間ごとに生成されるので、以後、特定の第１ユーザ、例えば第１ユーザＵ１ａの指導期間Ｔ１０のデータであることを明示する場合には、指導データＧＤＵ１ａ―Ｔ１０のように、対象となる第１ユーザを示す符号と指導期間を示す符号とを右上につけて表現する。また、特定の日時に限定せずに単に特定の第１ユーザ、例えば第１ユーザＵ１ａのデータであることを示す場合には、指導データＧＤＵ１ａのように、対象となる第１ユーザを示す符号を右上につけて表現する。
ユーザ属性データＡＤ、レセプトデータＭＰＤ、健康診断結果データＭＥＤ、第１ユーザ撮像データＤＤ６、第１ユーザ音声データＤＤ７、アンケート回答データＫＤ、ウェアラブルデータＷＤ及び血液検査結果データＴＤが、本発明の「被指導者データ」に相当する。
指導データＧＤが、本発明の「指導データ」に相当する。
スコア期待値ＧＤ６が、本発明の「スコア期待値データ」に相当する。
（組織サーバ）
組織サーバ５００は、例えば、サーバコンピュータにより構成される。組織サーバ５００は、第１ユーザＵ１ａ、Ｕ１ｂが所属する例えば健康保険組合等の組織により使用されるサーバである。組織サーバ５００は、その組織に所属する人（すなわち第１ユーザＵ１ａ、Ｕ１ｂ等）のレセプトデータ、健康診断の結果を示すデータを記憶している。
組織サーバ５００は、例えば、サーバコンピュータにより構成される。組織サーバ５００は、第１ユーザＵ１ａ、Ｕ１ｂが所属する例えば健康保険組合等の組織により使用されるサーバである。組織サーバ５００は、その組織に所属する人（すなわち第１ユーザＵ１ａ、Ｕ１ｂ等）のレセプトデータ、健康診断の結果を示すデータを記憶している。
（費用決定処理）
次に、図７を参照して、費用決定処理の概要を説明する。以下において、費用決定の対象の第１ユーザをＵ１ａ、対象の第１ユーザＵ１ａの指導を行う第２ユーザをＵ２ａとして説明する。
次に、図７を参照して、費用決定処理の概要を説明する。以下において、費用決定の対象の第１ユーザをＵ１ａ、対象の第１ユーザＵ１ａの指導を行う第２ユーザをＵ２ａとして説明する。
費用決定サーバ３００のデータ蓄積制御部３１１は、対象の第１ユーザ端末１００ａから、対象の第１ユーザＵ１ａの属性データＡＤＵ１ａを受信する（図７／ＳＴＥＰ００２）。対象の第１ユーザＵ１ａの属性データＡＤＵ１ａのように、対象の第１ユーザの「被指導者データ」が、本発明の「対象被指導者データ」に相当する。
属性データＡＤＵ１ａは、対象の第１ユーザ端末１００ａに入力された情報に基づいて作成されうる。データ蓄積制御部３１１は、受信した属性データＡＤＵ１ａをデータベース４００に転送してデータベース４００に記憶させる。
データ蓄積制御部３１１は、組織サーバ５００から、レセプトデータＭＰＤを受信する（図７／ＳＴＥＰ００４）。レセプトデータＭＰＤは、対象の第１ユーザＵ１ａのレセプトデータＭＰＤＵ１ａを含んでいる。データ蓄積制御部３１１は、受信したレセプトデータＭＰＤをデータベース４００に転送してデータベース４００に記憶させる。
データ蓄積制御部３１１は、組織サーバ５００から、健康診断結果データＭＥＤを受信する（図７／ＳＴＥＰ００６）。健康診断結果データＭＥＤには、対象の第１ユーザＵ１ａの健康診断結果データＭＥＤＵ１ａを含んでいる。データ蓄積制御部３１１は、受信した健康診断結果データＭＥＤをデータベース４００に転送してデータベース４００に記憶させる。
データ蓄積制御部３１１は、対象の第１ユーザ端末１００ａから、アンケート回答データＫＤＵ１ａ−Ｔ２１を受信する（図７／ＳＴＥＰ００８）。データ蓄積制御部３１１は、受信したアンケート回答データＫＤＵ１ａ−ｔ２１をデータベース４００に転送してデータベース４００に記憶させる。
スコア評価部３１２は、初期スコア評価処理を実行する（図７／ＳＴＥＰ０１０）。初期スコア評価処理の詳細については後述する。
指導決定部３１３及び費用決定部３１４は、初期費用決定処理を実行する（図７／ＳＴＥＰ０１２）。初期費用決定処理の詳細については後述する。
データ蓄積制御部３１１は、所定期間（例えば、１か月間）の間、繰り返し図７／ＳＴＥＰ０１６〜ＳＴＥＰ０２２の処理を実行する（図７／ＳＴＥＰ０１４）。
図７／ＳＴＥＰ０１６において、データ蓄積制御部３１１は、対象の第１ユーザ端末１００ａ又は対象の第２ユーザ端末２００ａより第１ユーザＵ１ａとの通話データＤＤＵ１ａ−Ｔ２２を受信する。データ蓄積制御部３１１は、受信した通話データＤＤＵ１ａ−Ｔ２２をデータベース４００に転送してデータベース４００に記憶させる。
図７／ＳＴＥＰ０１８において、データ蓄積制御部３１１は、対象の第１ユーザ端末１００ａから、アンケート回答データＫＤＵ１ａ−Ｔ２３を受信する。たとえば、対象の第１ユーザ端末１００ａは、通話日時Ｔ２１におけるオンライン通話の前又は後にインストールされているアプリに従ってアンケート及び入力画面をディスプレイ等に表示し、入力されたデータをアンケート回答データＫＤＵ１ａ−Ｔ２３として費用決定サーバ３００に送信する。データ蓄積制御部３１１は、受信したアンケート回答データＫＤＵ１ａ−Ｔ２３をデータベース４００に転送してデータベース４００に記憶させる。
図７／ＳＴＥＰ０２０において、データ蓄積制御部３１１は、対象の第１ユーザＵ１ａが使用するセンサ（例えば、ウェアラブルセンサＷａ）からセンサデータＷＤＵ１−Ｔ２４を受信する。データ蓄積制御部３１１は、受信したセンサデータＷＤＵ１−Ｔ２４をデータベース４００に転送してデータベース４００に記憶させる。
図７／ＳＴＥＰ０２２において、データ蓄積制御部３１１は、組織サーバ５００から血液検査結果データＴＤＵ１ａ−Ｔ２５を受信する。データ蓄積制御部３１１は、例えば所定の血液検査機関等のサーバから血液検査結果データＴＤＵ１ａ−Ｔ２５を受信してもよい。データ蓄積制御部３１１は、受信した血液検査結果データＴＤＵ１ａ−Ｔ２５をデータベース４００に転送してデータベース４００に記憶させる。
図７／ＳＴＥＰ０２４において、スコア評価部３１２は、介入頻度解析を実行することにより、統計データＳＤを生成する。より具体的には、スコア評価部３１２は、通話データＤＤに基づいて、集計期間Ｔ１５（例えば、処理時点から１か月前）における対象の第１ユーザＵ１ａに対する介入の頻度（オンライン通話の頻度）を集計し、集計結果を統計データＳＤＵ１ａ−Ｔ２６としてデータベース４００に記憶させる。
図７／ＳＴＥＰ０２６において、スコア評価部３１２は、スコア中期評価処理を実行する。スコア中期処理の詳細については後述する。
図７／ＳＴＥＰ０２８において、指導決定部３１３及び費用決定部３１４は、費用決定処理を実行する。費用決定処理の詳細については後述する。
図７／ＳＴＥＰ０３０において、報酬決定部３１５は、報酬決定処理を実行する。報酬決定処理の詳細については後述する。
データ蓄積制御部３１１は、図７／ＳＴＥＰ０１４以降においても適宜属性データＡＤ、レセプトデータＭＰＤ、健康診断結果データＭＥＤなどを受信してデータベース４００に記憶する。
また、図７／ＳＴＥＰ０１４〜図７／ＳＴＥＰ０３０の処理は繰り返し実行されうる。
（スコア初期評価処理）
次に、図８を参照して、図７／ＳＴＥＰ０１０のスコア初期評価処理の詳細を説明する。
次に、図８を参照して、図７／ＳＴＥＰ０１０のスコア初期評価処理の詳細を説明する。
スコア評価部３１２は、対象の第１ユーザＵ１ａのレセプトデータＭＰＤＵ１ａ及び健康診断結果データＭＥＤＵ１ａを認識する（図８／ＳＴＥＰ１０２）。スコア評価部３１２は、最新のレセプトデータＭＰＤＵ１ａ及び健康診断結果データＭＥＤＵ１ａを認識してもよいし、処理時点から所定期間前までのレセプトデータＭＰＤＵ１ａ及び健康診断結果データＭＥＤＵ１ａを認識してもよい。
スコア評価部３１２は、第１疾病〜第３疾病について、疾病ごとにループして図８／ＳＴＥＰ１０６〜図８／ＳＴＥＰ１０８の処理を実行する（図８／ＳＴＥＰ１０４）。図８／ＳＴＥＰ１０６〜図８／ＳＴＥＰ１０８における処理対象の疾病を、「対象の疾病」という。
スコア評価部３１２は、図８／ＳＴＥＰ１０２で認識されたデータのうち、対象の疾病に関連付けられたデータを抽出する（図８／ＳＴＥＰ１０６）。スコア評価部３１２は、例えば、データベース４００に記憶されたデータに基づいて、ロジスティック回帰分析などにより、各データと各疾病との相関係数を求め、相関係数が所定の範囲に入るデータを対象の疾病に関連付けられたデータとして抽出する。
たとえば、スコア評価部３１２は、レセプトデータＭＰＤＵ１ａの処方レコードから、対象のユーザＵ１ａに処方された薬剤名を認識する。そして、スコア評価部３１２は、抽出された薬剤のうち、対象の疾病に関連付けられた薬剤を抽出する。
また、たとえば、スコア評価部３１２は、健康診断結果データＭＥＤＵ１ａのうち、対象の疾病に関連付けられた項目を抽出する。
スコア評価部３１２は、抽出されたデータに基づいて、対象の疾病の発症可能性を示す疾病スコアを認識する（図８／ＳＴＥＰ１０８）。本実施形態では、対象の疾病の疾病スコアが高いほど第１ユーザＵ１ａの対象の疾病の発症可能性が連続的または断続的に高くなるものとして説明するが、これの逆であってもよい。
たとえば、スコア評価部３１２は、抽出されたデータを対象の疾病に関する第１疾病スコアモデルに入力し、出力された値を対象の疾病スコアとして認識する。第１疾病スコアモデルは、対象の第１ユーザＵ１ａのデータを入力として対象の第１ユーザＵ１ａの疾病スコアを出力するモデルである。第１疾病スコアモデルは、例えば、データベース４００に記憶されたデータに基づいて教師付き機械学習、教師なし機械学習、強化学習などによって生成されうる。この場合、例えば、電子カルテＤＤ４に含まれる各第１ユーザの病名を教師データとして、第１疾病スコアモデルが生成されてもよい。また、データベース４００に記憶されたデータに基づいて、線形回帰分析、ロジスティック回帰分析などによって抽出されたデータを示す数値の係数が求められることにより、第１疾病スコアモデルが生成されてもよい。
スコア評価部３１２は、図７／ＳＴＥＰ００８で受信した対象の第１ユーザＵ１ａのアンケート回答データＫＤＵ１ａ−Ｔ２１を認識する（図８／ＳＴＥＰ１１０）。
スコア評価部３１２は、第１ユーザＵ１ａのアンケート回答データＫＤＵ１ａ−Ｔ２１に基づいて、意識スコア、行動スコア、主観健康スコアを認識する（図７／ＳＴＥＰ１１２）。
例えば、スコア評価部３１２は、意識アンケート回答データＫＤ３Ｕ１ａ−Ｔ２１に基づいて、第１意識スコアモデルを用いて第１ユーザＵ１ａの意識スコアを認識する。第１意識スコアモデルは、対象の第１ユーザＵ１ａの意識アンケート回答データＫＤ３Ｕ１ａ−Ｔ２１を入力として対象の第１ユーザＵ１ａの意識スコアを出力するモデルである。なお、本実施形態においては、意識スコアが高いほど、第１ユーザＵ１ａの健康改善に関する意識が連続的または断続的に高く評価されるものとして説明するが、この逆であってもよい。
例えば、スコア評価部３１２は、行動アンケート回答データＫＤ４Ｕ１ａ−Ｔ２１に基づいて、第１行動スコアモデルを用いて第１ユーザＵ１ａの行動スコアを認識する。第１行動スコアモデルは、対象の第１ユーザＵ１ａの行動アンケート回答データＫＤ４Ｕ１ａ−Ｔ２１を入力として対象の第１ユーザＵ１ａの行動スコアを出力するモデルである。なお、本実施形態においては、行動スコアが高いほど、第１ユーザＵ１ａの健康改善に関する行動が連続的または断続的に多くなるものとして説明するが、この逆であってもよい。
例えば、スコア評価部３１２は、健康アンケート回答データＫＤ５Ｕ１ａ−Ｔ２１に基づいて、第１主観好スコアモデルを用いて第１ユーザＵ１ａの主観健康スコアを認識する。第１主観好スコアモデルは、対象の第１ユーザＵ１ａの健康アンケート回答データＫＤ５Ｕ１ａを入力として対象の第１ユーザＵ１ａの主観健康スコアを出力するモデルである。なお、本実施形態においては、主観健康スコアが高いほど、第１ユーザＵ１ａの主観的な健康が肯定的なもの（自身が健康であると自負するもの）として説明するが、この逆であってもよい。
これらのモデルは、例えば、データベース４００に記憶されたデータに基づいて、教師付き機械学習、教師なし機械学習、強化学習などによって生成されうる。この場合、例えば、電子カルテＤＤ４及びヒアリングメモＤＤ５などに含まれる各第１ユーザの意識に関するデータ、行動に関するデータ、健康に関する主観に関するデータを教師データとして、各モデルが生成されてもよい。また、データベース４００に記憶されたデータに基づいて、線形回帰分析、ロジスティック回帰分析などによって、抽出されたデータを示す数値の係数が求められることにより、これらのモデルが生成されてもよい。
スコア評価部３１２は、サーバ時計部３４０に示される処理時点の日時Ｔ３１を評価日時として、図８／ＳＴＥＰ１０８及び図８／ＳＴＥＰ１１２で認識されたスコアに基づいて、健康スコアデータＨＤＵ１ａ−Ｔ３１及び意識・行動データＣＤ Ｕ１ａ−Ｔ３１を生成し、データベース４００に記憶する（図８／ＳＴＥＰ１１４）。
（初期費用決定処理）
次に、図９を参照して、図７／ＳＴＥＰ０１２の初期費用決定処理の詳細を説明する。
次に、図９を参照して、図７／ＳＴＥＰ０１２の初期費用決定処理の詳細を説明する。
指導決定部３１３は、データベース４００に記憶されたデータを参照して、対象の第１ユーザＵ１ａの属性、意識スコア、行動スコア、疾病スコア及び主観健康スコアを認識する（図９／ＳＴＥＰ２０２）。
指導決定部３１３は、図９／ＳＴＥＰ２０２で認識した対象の第１ユーザの疾病スコアのうち、所定のスコア以上の（すなわち、発症可能性が高い）疾病を対象の疾病として認識する（図９／ＳＴＥＰ２０４）。
指導決定部３１３は、対象の第１ユーザＵ１ａの属性、意識スコア、行動スコア、疾病スコア及び主観健康スコアと類似した属性、意識スコア、行動スコア、疾病スコア及び主観健康スコアを有する他のユーザを認識する（図９／ＳＴＥＰ２０６）。
指導決定部３１３は、例えば、同一の性別、年齢差が所定の範囲内、対象の第１ユーザの意識スコア、行動スコア、疾病スコア及び主観健康スコアのそれぞれと他のユーザの意識スコア、行動スコア、疾病スコア及び主観健康スコアのそれぞれとの差のすくなくとも１つが所定の範囲内のユーザを認識する。
指導決定部３１３は、図９／ＳＴＥＰ２０６で認識した他のユーザのデータに基づいて、他のユーザに実施した指導の内容、仕方、頻度のうち対象の疾病の疾病スコア、意識スコア、行動スコア、主観健康スコアに有効な指導の要素（の組み合わせ）を認識する（図９／ＳＴＥＰ２０８）。たとえば、指導決定部３１３は、ロジスティック回帰分析、線形回帰分析、または重回帰分析を行うことにより、対象の疾病のスコアの変化と相関を有する指導の要素を認識する。
特に、指導決定部３１３は、疾病スコアについては負の相関を有する指導の要素（当該指導の要素を実施した場合に、当該指導の要素を実施しない場合と比べて疾病スコアが低くなる指導の要素）を認識する。また、指導決定部３１３は、意識スコア、行動スコア、主観健康スコアに関しては、正の相関を有する指導の要素を認識する。
例えば、指導決定部３１３は、図１０に示されるように、各疾病スコア、意識スコア、行動スコア、主観健康スコアのそれぞれと、指導の要素のそれぞれとの相関の有無を示すテーブルを作成する。
そして、例えば、対象の疾病が第１疾病である場合、指導決定部３１３は、第１疾病と相関がある「薬剤Ａ」，「行動Ｃを推奨」、「行動Ｄを推奨」を認識する。
指導決定部３１３は、また、意識スコア、行動スコア、主観健康スコアと相関がある「行動Ｃを推奨」、「行動Ｄを推奨」「オンライン通話１回」「オンライン通話２回」「表情Ｅ」「表情Ｆ」を認識する。
指導決定部３１３は、認識された指導の要素に対して、それぞれの指導の要素の種別ごとに、所定の数までの指導の要素を含む組み合わせを作成する。たとえば、指導決定部３１３は、「薬剤Ａ」，「行動Ｃを推奨」、「オンライン通話１回」「表情Ｅ」という組み合わせと、「薬剤Ａ」，「行動Ｃを推奨」、「オンライン通話２回」「表情Ｅ」という組み合わせと、「薬剤Ａ」，「行動Ｃを推奨」、「オンライン通話１回」「表情Ｆ」という組み合わせと、・・・を作成する。
指導決定部３１３は、生成された指導の要素の組み合わせのうち、相関のある意識スコア、行動スコア、主観健康スコアの数が最も多くなるような指導の要素の組み合わせを決定する。たとえば、「薬剤Ａ」「行動Ｃを推奨」「介入頻度月２回」「表情Ｅ」の組み合わせは、相関のある意識スコア、行動スコア、主観健康スコアの数がのべ９個となるので、考えられる指導の要素の組み合わせのうち最多である。
費用決定部３１４は、図９／ＳＴＥＰ２０８で認識された指導の内容、仕方、頻度に応じて今回の指導期間Ｔ３２（例えば１か月）における費用を決定する（図９／ＳＴＥＰ２１０）。たとえば、費用決定部３１４は、費用データ３２１を参照することにより、オンライン通話１回あたり３，０００円、薬剤Ａ １か月あたり２，０００円・・という各指導の費用を認識する。費用決定部３１４は、図９／ＳＴＥＰ２０８で認識された指導の内容、仕方、頻度と各指導の費用とに応じて図９／ＳＴＥＰ２０８で認識された指導の費用を決定する。たとえば、費用決定部３１４は、「オンライン通話２回」６，０００円、「薬剤Ａ １か月分」を２，０００円、「行動Ｃ」を推奨０円、「表情Ｅ」０円で、図９／ＳＴＥＰ２０８で認識された指導の費用を一月当たり合計８，０００円と決定する。費用決定部３１４は、決定した費用と対象の第１ユーザＵ１ａとを請求データ３２２に追加する。後にこの請求データに基づいて第１ユーザＵ１ａに対して請求処理が実行される。
費用決定部３１４は、図９／ＳＴＥＰ２０８で認識された指導の各要素について、対象の疾病の疾病スコア、意識スコア、行動スコア、主観健康スコアに対する期待値を認識する（図９／ＳＴＥＰ２１２）。たとえば、費用決定部３１４は、図９／ＳＴＥＰ２０６で認識した他のユーザのうち、図９／ＳＴＥＰ２０８で認識された指導の各要素が行われたユーザのデータに基づいて、指導期間の終了時点又は当該終了時点から所定期間後における当該ユーザの対象の疾病の疾病スコア、意識スコア、行動スコア、主観健康スコアの変動量を認識する。
指導決定部３１３は、対象の第１ユーザＵ１ａの各スコアからそれぞれのスコアの変動量の平均値だけ変動させたスコアを、図９／ＳＴＥＰ２０８で認識された指導の各要素について、対象の疾病の疾病スコア、意識スコア、行動スコア、主観健康スコアに対する期待値として認識する。期待値は、対象の第１ユーザＵ１ａの各スコアからそれぞれのスコアの変動量の平均値だけ変動させたスコアに限られず、様々な算出方法で産出されてもよいが、他のユーザのデータに基づいて算出されることが好ましい
指導決定部３１３は、今回の指導期間Ｔ３２における対象の第１ユーザＵ１ａに対する指導データＧＤＵ１ａ−Ｔ３２を作成し、データベース４００に記憶させる（図９／ＳＴＥＰ２１４）。
指導決定部３１３は、今回の指導期間Ｔ３２における対象の第１ユーザＵ１ａに対する指導データＧＤＵ１ａ−Ｔ３２を作成し、データベース４００に記憶させる（図９／ＳＴＥＰ２１４）。
指導決定部３１３は、認識された指導の内容、仕方、頻度を示すデータを対象の第２ユーザＵ２ａの第２ユーザ端末２００ａに送信する（図９／ＳＴＥＰ２１６）。これにより、指導決定部３１３は、第２ユーザＵ２ａに対し、認識された指導の内容、仕方、頻度に従って第１ユーザＵ１ａに対する指導を行うように促すことができる。
（スコア中期評価処理）
図１１〜図１４を参照して、図７／ＳＴＥＰ０２６のスコア中期評価処理の詳細を説明する。以下では、スコア中期評価処理を、健康スコア中期評価処理（図１１）、意識スコア中期評価処理（図１２）、行動スコア中期評価処理（図１３）、感受性スコア中期評価処理（図１４）に分けて説明する。
図１１〜図１４を参照して、図７／ＳＴＥＰ０２６のスコア中期評価処理の詳細を説明する。以下では、スコア中期評価処理を、健康スコア中期評価処理（図１１）、意識スコア中期評価処理（図１２）、行動スコア中期評価処理（図１３）、感受性スコア中期評価処理（図１４）に分けて説明する。
（健康スコア中期評価処理）
図１１を参照して、健康スコア中期評価処理を説明する。
図１１を参照して、健康スコア中期評価処理を説明する。
スコア評価部３１２は、データベース４００を参照して、対象の第１ユーザＵ１ａの健康診断結果データＭＥＤＵ１ａを認識する（図１１／ＳＴＥＰ３０２）。
スコア評価部３１２は、データベース４００を参照して、対象の第１ユーザＵ１ａの血液検査結果データＴＤＵ１ａを認識する（図１１／ＳＴＥＰ３０４）。
スコア評価部３１２は、データベース４００を参照して、対象の第１ユーザＵ１ａのレセプトデータＭＰＤＵ１ａを認識する（図１１／ＳＴＥＰ３０６）。
スコア評価部３１２は、疾病ごとにループして図１１／ＳＴＥＰ３１０及び図１１／ＳＴＥＰ３１２の処理を実行する（図１１／ＳＴＥＰ３０８）。
スコア評価部３１２は、対象の第１ユーザＵ１ａのデータのうち、対象の疾病に関連付けられたデータを抽出する（図１１／ＳＴＥＰ３１０）。スコア評価部３１２は、図８／ＳＴＥＰ１０６の手法と同様の手法により、対象の疾病に関連付けられたデータを抽出しうる。
スコア評価部３１２は、抽出されたデータに基づいて、対象の第１ユーザＵ１ａの対象の疾病の発症可能性を示す疾病スコアを認識する（図１１／ＳＴＥＰ３１２）。スコア評価部３１２は、これらのデータを入力として疾病スコアを出力する第２疾病スコアモデルを用いて疾病スコアを認識しうる。第２疾病スコアモデルは、図８／ＳＴＥＰ１０８の第１疾病モデルと同様にして作成されうる。
スコア評価部３１２は、データベース４００を参照して、対象の第１ユーザＵ１ａのアンケート回答データＫＤＵ１ａを認識する（図１１／ＳＴＥＰ３１４）。
スコア評価部３１２は、対象の第１ユーザＵ１ａのアンケート回答データＫＤＵ１ａの健康アンケート回答データＫＤ５Ｕ１ａに基づいて対象の第１ユーザＵ１ａの主観健康スコアを認識する（図１１／ＳＴＥＰ３１６）。スコア評価部３１２は、これらのデータを入力として主観健康スコアを出力する第２主観健康スコアモデルを用いて、主観健康スコアを認識しうる。
第２主観健康スコアモデルは、図８／ＳＴＥＰ１１２の第１主観健康モデルと同様にして作成されうる。
スコア評価部３１２は、各疾病スコア及び主観健康スコアに基づいて、処理時点Ｔ３３における対象第１ユーザＵ１ａの健康スコアデータＨＤＵ１ａ−Ｔ３３を生成し、データベース４００に記憶させる（図１１／ＳＴＥＰ３１８）。
（意識スコア中期評価処理）
次に、図１２を参照して、意識スコア中期評価処理の詳細を説明する。
次に、図１２を参照して、意識スコア中期評価処理の詳細を説明する。
スコア評価部３１２は、最新の通話日時Ｔ３４における対象の第１ユーザＵ１ａの通話データＤＤＵ１ａ−Ｔ３４を参照して、対象の第１ユーザＵ１ａの撮像データＤＤ６Ｕ１ａ−Ｔ３４を認識する（図１２／ＳＴＥＰ４０２）。
スコア評価部３１２は、対象の第１ユーザＵ１ａの撮像データＤＤ６Ｕ１ａ−Ｔ３４と表情分類モデルとを用いて、通話日時Ｔ３４における対象の第１ユーザＵ１ａの表情を判定する（図１２／ＳＴＥＰ４０４）。表情分類モデルは、画像に含まれる人の表情を分類するモデルである。このような表情分類モデルは、例えば、大量の画像データに基づいて教師付き機械学習、教師なし機械学習、強化学習などを行うことにより生成されうる。なお、撮像データＤＤ６ Ｕ１ａ−Ｔ３４が動画の場合は、複数の表情が検出される可能性もある。
スコア評価部３１２は、通話日時Ｔ３４における対象の第１ユーザＵ１ａの通話データＤＤＵ１ａ−Ｔ３４を参照して、対象の第１ユーザＵ１ａの音声データＤＤ７Ｕ１ａ−Ｔ３４を認識する（図１２／ＳＴＥＰ４０６）。
スコア評価部３１２は、対象の第１ユーザＵ１ａの音声データＤＤ７Ｕ１ａ−Ｔ３４に基づいて、通話日時Ｔ３４における対象の第１ユーザＵ１ａの発言内容を示すデータを認識する（図１２／ＳＴＥＰ４０８）。たとえば、発言内容を示すデータとは、例えば、音声から変換されたテキストデータである。さらに、発言内容を示すデータは、通話日時Ｔ３４における対象の第１ユーザＵ１ａの発言が肯定的か否定的かを示すデータであってもよい。
スコア評価部３１２は、対象の第１ユーザＵ１ａの音声データＤＤ７Ｕ１ａ−Ｔ３４に基づいて、通話日時Ｔ３４における対象の第１ユーザＵ１ａの声のトーンを示すデータを認識する（図１２／ＳＴＥＰ４１０）。たとえば、スコア評価部３１２は、声のトーンを高い、中程度、低いなどの複数のカテゴリのいずれかに分類する分類モデルを用いて通話日時Ｔ３４における対象の第１ユーザＵ１ａの声のトーンを分類する。このような分類モデルは、例えば、大量の音声データに基づいて機械学習を行うことにより得られうる。
スコア評価部３１２は、対象の第１ユーザＵ１ａの電子カルテＤＤ４Ｕ１ａ−Ｔ３４及びヒアリングメモＤＤ５Ｕ１ａ−Ｔ３４に基づいて、対象の第２ユーザU2ａによる対象の第１ユーザＵ１ａの健康改善に関する意識の評価を示すデータを認識する（図１２／ＳＴＥＰ４１２）。意識の評価を示すデータは、例えば、健康改善に関する意識を示す複数段階のレベルである。
スコア評価部３１２は、最新の回答時点Ｔ３５におけるアンケート回答データＫＤＵ１ａ−Ｔ３５を認識する（図１２／ＳＴＥＰ４１４）。
スコア評価部３１２は、最新の集計期間Ｔ３６における統計データＫＤＵ１ａ−Ｔ３６に含まれる統計データＫＤＵ１ａ−Ｔ３６を認識する（図１２／ＳＴＥＰ４１６）。
スコア評価部３１２は、これらの認識したデータに基づいて、意識スコアを認識する（図１２／ＳＴＥＰ４１８）。スコア評価部３１２は、例えば、これらの認識したデータと、これらのデータを入力して対象の第１ユーザの健康管理に関する意識スコアを出力する第２意識スコアモデルとを用いて、意識スコアを認識してもよい。この第２意識スコアモデルは、図８／ＳＴＥＰ１１２で用いられた第１意識スコアモデルと同様の手法で生成されうる。
（行動スコア中期評価処理）
次に、図１３を参照して、行動スコア中期評価処理の詳細を説明する。
次に、図１３を参照して、行動スコア中期評価処理の詳細を説明する。
スコア評価部３１２は、対象の第１ユーザＵ１ａの通話データＤＤＵ１ａを参照し、２回前の通話時点Ｔ３７を認識し、当該通話時点Ｔ３７が含まれる指導期間Ｔ３８における対象の第１ユーザＵ１ａに対する指導データＧＤＵ１ａ−Ｔ３８に含まれる指導の内容を示すデータＧＤ３Ｕ１ａ−Ｔ３８を認識する（図１３／ＳＴＥＰ５０２）。
スコア評価部３１２は、指導の内容を示すデータＧＤ３Ｕ１ａ−Ｔ３８に含まれる推奨行動を認識する（図１３／ＳＴＥＰ５０４）。推奨行動は、「歩く」等の行動の種別及び「１０，０００歩」「実行」「不実行」などの行動の度合い又は有無で表されうる。
スコア評価部３１２は、２回前の通話時点Ｔ３７以後の回答時点Ｔ３８における対象の第１ユーザＵ１ａのアンケート回答データＫＤＵ１ａ−Ｔ３８に含まれる行動アンケート回答データＫＤ４Ｕ１ａ−Ｔ３８を認識する（図１３／ＳＴＥＰ５０６）。
スコア評価部３１２は、１回前の通話時点Ｔ３９における対象の第１ユーザＵ１ａの電子カルテＤＤ４Ｕ１ａ−Ｔ３９及びヒアリングメモＤＤ５Ｕ１ａ−Ｔ３９に含まれる第１ユーザＵ１ａの行動に関するデータを認識する（図１３／ＳＴＥＰ５０８）。
スコア評価部３１２は、図１３／ＳＴＥＰ５０４〜図１３／ＳＴＥＰ５０８で認識されたデータに基づいて、行動スコアを認識する（図１３／ＳＴＥＰ５１０）。たとえば、スコア評価部３１２は、図１３／ＳＴＥＰ５０４〜図１３／ＳＴＥＰ５０８で認識されたデータを入力して行動スコアを出力する第２行動モデルを用いて、行動スコアを認識する。第２行動モデルは、図８／ＳＴＥＰ１１２で用いられた第１行動スコアモデルと同様の手法で生成されうる。
第２行動モデルは、対象の第１ユーザＵ１ａが、図１３／ＳＴＥＰ５０４で認識された推奨行動に沿った行動をしているほど、連続的または断続的に高い行動スコアを出力するモデルである。
第２行動モデルは、例えば、対象の第１ユーザＵ１ａの行動の種別が同一かつ行動の度合いが推奨の度合い以上である場合、対象の第１ユーザＵ１ａの行動の種別が同一かつ行動の度合いが推奨の度合い未満である場合よりも、高い行動スコアを出力する。
スコア評価部３１２は、第１ユーザＵ１ａを特定するためのＩＤ、サーバ時計部３４０に示される処理時点を示す日時Ｔ４０、図１２／ＳＴＥＰ４１８で認識された意識スコア及び図１３／ＳＴＥＰ４１０で認識された行動スコアに基づいて意識・行動データＣＤＵ１ａ−Ｔ４０を生成し、データベース４００に記憶させる。
（感受性スコア中期評価処理）
次に、図１４を参照して、感受性スコア中期評価処理の詳細を説明する。
次に、図１４を参照して、感受性スコア中期評価処理の詳細を説明する。
スコア評価部３１２は、対象の第１ユーザＵ１ａの通話データＤＤＵ１ａを参照し、１回前の通話日時Ｔ４１を認識する（図１４／ＳＴＥＰ６０２）。
スコア評価部３１２は、対象の第１ユーザＵ１ａの意識・行動スコアデータＣＤＵ１ａを参照し、通話日時Ｔ４１前のうち最も新しい評価日時Ｔ４２における対象の第１ユーザの意識スコア（通話前意識スコア）ＣＤ３Ｕ１ａ−Ｔ４２を認識する（図１４／ＳＴＥＰ６０４）。
スコア評価部３１２は、対象の第１ユーザＵ１ａの意識・行動スコアデータＣＤ３Ｕ１ａを参照し、通話日時Ｔ４１後のうち最も古い評価日時Ｔ４３における対象の第１ユーザの意識スコア（通話後意識スコア）ＣＤ３Ｕ１ａ−Ｔ４３を認識する（図１４／ＳＴＥＰ６０６）。
スコア評価部３１２は、通話前意識スコアＣＤ３Ｕ１ａ−Ｔ４２と通話後意識スコアＣＤ３Ｕ１ａ−Ｔ４３とに応じて感受性スコアＡＤ５Ｕ１ａを評価する（図１４／ＳＴＥＰ６０８）。
スコア評価部３１２は、通話後意識スコアＣＤ３Ｕ１ａ−Ｔ４３が通話前意識スコアＣＤ３Ｕ１ａ−Ｔ４２より所定の第１閾値以上大きい場合、そうでない場合よりも感受性スコアＡＤ５Ｕ１ａが高くなるように感受性スコアＡＤ５Ｕ１ａを評価する。
また、スコア評価部３１２は、通話後意識スコアＣＤ３Ｕ１ａ−Ｔ４３及び通話前意識スコアＣＤ３Ｕ１ａ−Ｔ４２のいずれもが所定の第２閾値以上である場合、そうでない場合よりも感受性スコアＡＤ５Ｕ１ａが高くなるように感受性スコアＡＤ５Ｕ１ａを評価する。
スコア評価部３１２は、対象の第１ユーザＵ１ａの意識・行動スコアＣＤＵ１ａを参照して、最新の評価日時Ｔ４４における対象の第１ユーザＵ１ａの行動スコアＣＤ４Ｕ１ａ−Ｔ４４を認識する（図１４／ＳＴＥＰ６１０）。
スコア評価部３１２は、最新の評価日時Ｔ４４における対象の第１ユーザＵ１ａの行動スコアＣＤ４Ｕ１ａ−Ｔ４４に応じて感受性スコアＡＤ５Ｕ１ａを評価する（図１４／ＳＴＥＰ６１２）。スコア評価部３１２は、最新の評価日時Ｔ４４における対象の第１ユーザＵ１ａの行動スコアＣＤ４Ｕ１ａ−Ｔ４４が大きいほど、感受性スコアＡＤ５Ｕ１ａが連続的または断続的に高くなるように感受性スコアＡＤ５Ｕ１ａを評価する。
スコア評価部３１２は、データベース４００に記憶された対象のユーザＵ１ａの属性データＡＤＵ１ａの感受性スコアＡＤ５Ｕ１ａに図１４／ＳＴＥＰ６０８及びＳＴＥＰ６１２の評価を反映されるように更新する（図１４／ＳＴＥＰ６１４）。
（中期費用決定処理）
次に、図１５を参照して、図７／ＳＴＥＰ０２８の中期費用決定処理の詳細を説明する。
次に、図１５を参照して、図７／ＳＴＥＰ０２８の中期費用決定処理の詳細を説明する。
指導決定部３１３は、最新の評価時点Ｔ４５における対象の第１ユーザＵ１ａの健康スコアデータＨＤＵ１ａ−Ｔ４５に示される第１疾病スコアＨＤ３Ｕ１ａ−Ｔ４５〜第３疾病スコアＨＤ５Ｕ１ａ−Ｔ４５及び主観健康スコアＨＤ６Ｕ１ａ−Ｔ４５並びに最新の評価時点Ｔ４６における対象の第１ユーザＵ１ａの意識・行動スコアデータＣＤＵ１ａ−Ｔ４６に示される意識スコアＣＤ３Ｕ１ａ−Ｔ４６及び行動スコアＣＤ４Ｕ１ａ−Ｔ４６のそれぞれが、最新より１つ前の指導期間Ｔ４７における指導データＧＤ Ｕ１ａ−Ｔ４７に含まれるスコア期待値ＧＤ６Ｕ１ａ−Ｔ４７を達成しているか否かを判定する（図１５／ＳＴＥＰ７０２）。
「対象のスコアがスコア期待値を達成する」とは、例えば、意識スコアのように高いほど肯定的な評価を示すスコアである場合、対象のスコアがスコア期待値に示されるスコア以上となることを意味する。また、疾病スコアのように高いほど否定的な評価を示すスコアである場合、「対象のスコアがスコア期待値を達成する」とは、対象のスコアがスコア期待値に示されるスコア以下となることを意味する。
図１５／ＳＴＥＰ７０４の判定結果が否定的である場合（図１５／ＳＴＥＰ７０４‥ＹＥＳ）、指導決定部３１３は、本処理を終了する。
図１５／ＳＴＥＰ７０２の判定結果が否定的である場合（図１５／ＳＴＥＰ７０２‥ＮＯ）、指導決定部３１３は、対象の第１ユーザＵ１ａの第１ユーザ属性データＡＤＵ１ａ、最新の評価時点Ｔ４５における対象の第１ユーザＵ１ａの健康スコアデータＨＤＵ１ａ−Ｔ４５及び最新の評価時点Ｔ４６における対象の第１ユーザＵ１ａの意識・行動スコアデータＣＤＵ１ａ−ｔ４６を参照し、対象の第１ユーザＵ１ａの属性、疾病スコアＨＤ３Ｕ１ａ−Ｔ４５〜ＨＤ５Ｕ１ａ−Ｔ４５、主観健康スコアＨＤ６Ｕ１ａ−Ｔ４５、意識スコアＣＤ３Ｕ１ａ−ｔ４６、行動スコアＣＤ４Ｕ１ａ−ｔ４６を認識する（図１５／ＳＴＥＰ７０４）。
指導決定部３１３は、対象の第１ユーザＵ１ａの疾病スコアＨＤ３Ｕ１ａ−Ｔ４５〜ＨＤ５Ｕ１ａ−Ｔ４５のうち、所定のスコア以上の疾病を認識する（図１５／ＳＴＥＰ７０６）。
指導決定部３１３は、対象の第１ユーザＵ１ａの属性、意識スコア、行動スコア、疾病スコア及び主観健康スコアと類似した属性、意識スコア、行動スコア、疾病スコア及び主観健康スコアを有する他のユーザに実施した指導のうち、指導期間Ｔ４７における指導とは異なり、かつ、有効な指導を認識する（図１５／ＳＴＥＰ７０８）。
図１５／ＳＴＥＰ７０２の判定結果が否定的である場合、指導期間Ｔ４７における指導が第１ユーザＵ１ａには有効でない可能性がある。
このような場合、異なる指導を試してみることで、第１ユーザＵ１ａに適した指導を探索しうる。
例えば、図１０に示されるような指導の要素と各スコアとの相関があったとする。
また、指導期間Ｔ４７における指導が、「薬剤Ａ」「行動Ｃを推奨」「介入頻度月２回」「表情Ｅ」という組み合わせの指導であったとする。
指導決定部３１３は、図１５／ＳＴＥＰ７０８において、この組み合わせとは異なり、相関するスコアの数が次に多い「薬剤Ａ」「行動Ｄを推奨」「介入頻度月２回」「表情Ｅ」の組み合わせを認識する。
また、指導決定部３１３は、期待値を達成しなかったスコアに相関を有する指導の要素を変更しても良い。
例えば、主観健康スコアが期待値を達成しなかった場合、指導決定部３１３は、主観健康スコアに相関を有する「行動Ｃを推奨」を「行動Ｄを推奨」に変更してもよい。
指導決定部３１３は、図９／ＳＴＥＰ２１０と同様にして、認識された指導の内容、仕方、頻度に応じて指導の費用を決定する（図１５／ＳＴＥＰ７１０）。たとえば、費用決定部３１４は、「オンライン通話２回」６，０００円、「薬剤Ａ １か月分」を２，０００円、「行動Ｄを推奨」０円、「表情Ｅ」０円で、図９／ＳＴＥＰ２０８で認識された指導の費用を一月当たり合計８，０００円と決定する。費用決定部３１４は、決定した費用と対象の第１ユーザＵ１ａとを請求データ３２２に追加する。
指導決定部３１３は、対象の第１ユーザＵ１ａの感受性スコアＡＤ４Ｕ１ａに応じて図１５／ＳＴＥＰ７１０で決定された指導の費用を修正する（図１５／ＳＴＥＰ７１２）。例えば、指導決定部３１３は、対象の第１ユーザＵ１ａの感受性スコアＡＤ４Ｕ１ａが高いほど、連続的または断続的に安くなるように、図１５／ＳＴＥＰ７１０で決定された指導の費用を修正する。
指導決定部３１３は、図１５／ＳＴＥＰ７０８で認識された指導の内容、仕方、頻度を示す情報を対象の第２ユーザ端末２００ａに送信する（図１５／ＳＴＥＰ７１４）。
（報酬決定処理）
次に、図１６を参照しながら、図７／ＳＴＥＰ０３０の報酬決定処理の詳細を説明する。
次に、図１６を参照しながら、図７／ＳＴＥＰ０３０の報酬決定処理の詳細を説明する。
報酬決定部３１５は、第１ユーザＵ１（以下では、ループ処理対象の第１ユーザをＵ１ｘと表す）ごとにループして、図７／ＳＴＥＰ８０４〜図７／ＳＴＥＰ８２４の処理を実行する（図７／ＳＴＥＰ８０２）。
報酬決定部３１５は、ループ処理対象の第１ユーザＵ１の通話データＤＤＵ１ｘのそれぞれの通話日時（以下では、ループ処理対象の通話日時をＴｙと表す）におけるデータごとにループして、図７／ＳＴＥＰ８０６〜図７／ＳＴＥＰ８１８の処理を実行する（図７／ＳＴＥＰ８０４）。また、ループ対象の通話データＤＤＵ１ｘ−Ｙｙの第２ユーザＩＤ ＤＤ３Ｕ１ｘ−Ｙｙにより特定される第２ユーザをＵ２ｚと表す。
報酬決定部３１５は、第２ユーザＵ２ｚの撮像データＤＤ８Ｕ１ｘ−Ｔｙを認識する（図７／ＳＴＥＰ８０６）。
報酬決定部３１５は、第２ユーザＵ２ｚの撮像データＤＤ８Ｕ１ｘ−Ｔｙを画像解析することにより、第２ユーザＵ２ｚの表情を認識する（図７／ＳＴＥＰ８０８）。例えば、報酬決定部３１５は、撮像された人の表情を分類する分類器を用いて第２ユーザＵ２ｚの表情を分類する。このような分類器は、例えば、機械学習により生成されうる。
報酬決定部３１５は、第２ユーザＵ２ｚの音声データＤＤ８Ｕ１ｘ−Ｔｙを認識する（図７／ＳＴＥＰ８１０）。
報酬決定部３１５は、第２ユーザＵ２ｚの音声データＤＤ８Ｕ１ｘ−Ｔｙに基づいて、第２ユーザＵ２ｚの発言内容を認識する（図７／ＳＴＥＰ８１２）。たとえば、発言内容を示すデータとは、例えば、音声から変換されたテキストデータである。
報酬決定部３１５は、第２ユーザＵ２ｚの音声データＤＤ８Ｕ１ｘ−Ｔｙに基づいて、第２ユーザＵ２ｚの声のトーンを認識する（図７／ＳＴＥＰ８１４）。たとえば、スコア評価部３１２は、声のトーンを高い、中程度、低いなどの複数のカテゴリのいずれかに分類する分類モデルを用いて第２ユーザＵ２ｚの声のトーンを分類する。このような分類モデルは、大量の音声データに基づいて機械学習を行うことにより得られうる。
報酬決定部３１５は、通話時点Ｔｙを含む指導期間Ｔｙ１における指導データＧＤＵ１ｘを探索し、探索された指導データＧＤＵ１ｘ−Ｔｙ１に含まれる指導の内容ＧＤ３Ｕ１ｘ−Ｔｙ１、指導の仕方ＧＤ４Ｕ１ｘ−Ｔｙ１を認識する（図７／ＳＴＥＰ８１６）。
報酬決定部３１５は、図７／ＳＴＥＰ８０８で認識された第２ユーザＵ２ｚの表情、図７／ＳＴＥＰ８１２で認識された第２ユーザＵ２ｚの発言内容及び図７／ＳＴＥＰ８１４で認識された第２ユーザＵ２ｚの声のトーンが、図７／ＳＴＥＰ８１６で認識された指導の内容ＧＤ３Ｕ１ｘ−Ｔｙ１、及び指導の仕方ＧＤ４Ｕ１ｘ−Ｔｙ１と合致している度合いを認識することにより、第２ユーザＵ２ｚの第１遵守度を評価する（図７／ＳＴＥＰ８１８）。
報酬決定部３１５は、当該度合いが大きいほど、第１遵守度を連続的または断続的に高くなるように評価し、当該度合いが小さいほど、第１遵守度を連続的または断続的に低くなるように評価する。
報酬決定部３１５は、統計データＳＤＵ１ｘを参照し、ループ処理対象のユーザＵ１ｘに対する介入の頻度ＳＤ３Ｕ１ｘを認識する（図７／ＳＴＥＰ８２０）。
報酬決定部３１５は、指導の頻度ＧＤ５Ｕ１ｘと介入の頻度ＳＤ３Ｕ１ｘとを対比して、第２遵守度を評価する（図７／ＳＴＥＰ８２２）。報酬決定部３１５は、例えば、指導の頻度ＧＤ５Ｕ１ｘに示される単位期間（例えば１か月）あたりに介入すべき頻度の平均値と、介入の頻度ＳＤ３Ｕ１ｘに示される単位期間あたりに実際に介入した頻度の平均値とを対比することで、第２遵守度を評価する。報酬決定部３１５は、指導の頻度ＧＤ５Ｕ１ｘに示される単位期間（例えば１か月）あたりに介入すべき頻度の平均値と、介入の頻度ＳＤ３Ｕ１ｘに示される単位期間あたりに実際に介入した頻度の平均値とが近いほど、第２遵守度を連続的または断続的に高くなるように評価する。
報酬決定部３１５は、ループ処理対象の第１ユーザＵ１ｘの最新の各スコアとスコア期待値ＧＤ６Ｕ１ｘとの対比をすることにより、スコア影響度を評価する（図７／ＳＴＥＰ８２４）。報酬決定部３１５は、各スコアがスコア期待値を達成する割合が高いほど、第２ユーザＵ２ｚのスコア影響度を連続的または断続的に高くなるように評価する。
報酬決定部３１５は、各第２ユーザに対して、当該第２ユーザの第１遵守度、第２遵守度、及びスコア影響度に基づいて当該第２ユーザの報酬を決定し、当該第２ユーザの報酬を示す報酬データ３２３を作成する（図７／ＳＴＥＰ８２６）。報酬決定部３１５は、第１遵守度、第２遵守度、及びスコア影響度のそれぞれが高いほど、第２ユーザの報酬が連続的または断続的に高くなるように、第２ユーザの報酬を決定する。
費用決定サーバ３００は、図７／ＳＴＥＰ８２６で作成された報酬データ３２３に基づいて、各第２ユーザに対する報酬を第２ユーザに関連付けられた銀行口座に振り込みを行う。
（変形態様）
本実施形態では、費用決定サーバ３００が、データ蓄積制御部３１１、スコア評価部３１２、指導決定部３１３、費用決定部３１４及び報酬決定部３１５を備えていたが、これに限られない。例えば、一または複数の第２ユーザ端末２００が、データ蓄積制御部３１１、スコア評価部３１２、指導決定部３１３、費用決定部３１４及び報酬決定部３１５の一部または全部を備えていてもよい。この場合、一または複数の第２ユーザ端末２００は、費用決定サーバ３００と通信することにより、処理に必要なデータを適宜ダウンロードしうる。
本実施形態では、費用決定サーバ３００が、データ蓄積制御部３１１、スコア評価部３１２、指導決定部３１３、費用決定部３１４及び報酬決定部３１５を備えていたが、これに限られない。例えば、一または複数の第２ユーザ端末２００が、データ蓄積制御部３１１、スコア評価部３１２、指導決定部３１３、費用決定部３１４及び報酬決定部３１５の一部または全部を備えていてもよい。この場合、一または複数の第２ユーザ端末２００は、費用決定サーバ３００と通信することにより、処理に必要なデータを適宜ダウンロードしうる。
本実施形態では、指導決定部３１３は、指導の内容、指導の仕方及び指導の頻度を決定したが、これらに変えてまたは加えて、指導の回数を決定してもよい。
スコア評価部３１２は、薬剤の処方量又はコストが大きいほど、当該薬剤に関連する疾病の疾病スコアが連続的または断続的に高くなるように疾病スコアを評価してもよい。
１００‥第１ユーザ端末、２００‥第２ユーザ端末、３００‥費用決定サーバ、３１０‥サーバ制御部、３１１‥データ蓄積制御部、３１２‥スコア評価部、３１３・・指導決定部、３１４‥費用決定部、３１５‥報酬決定部、３２０‥サーバ記憶部、３２１‥費用データ、３２２‥請求データ、３２３‥報酬データ、３３０‥サーバ通信部、３４０‥サーバ時計部、４００‥データベース、５００‥組織サーバ。
Claims (9)
- 被指導者の意識、行動及び体調及び属性のうち少なくとも１つを示す被指導者データと、指導の内容、指導時の仕方、指導の回数及び指導の頻度のうち少なくとも１つを示す指導データとを蓄積するデータベースと、
前記データベースに蓄積されたデータと、対象の被指導者の意識、行動及び体調及び属性のうち少なくとも１つを示す対象被指導者データとに基づいて、前記対象の被指導者の意識、行動及び体調のうち少なくとも１つに有効な指導の内容、指導時の仕方、指導の回数及び指導の頻度のうち少なくとも１つを決定する指導決定部と、
前記指導決定部により決定された指導の内容、指導時の仕方、指導の回数及び指導の頻度のうち少なくとも１つに応じて、対象の被指導者に対する費用を決定する費用決定部と、
指導者に対し、前記指導決定部により決定された指導に従って指導を行う遵守度を評価し、当該遵守度が高いほど、当該指導者に対する報酬を連続的または断続的に高くなるように決定する報酬決定部を備えることを特徴とする費用決定システム。 - 被指導者の意識、行動及び体調及び属性のうち少なくとも１つを示す被指導者データと、指導の内容、声のトーン又は表情である該指導の内容の伝え方に関する事項を示す指導時の仕方、指導の回数及び指導の頻度のうち少なくとも１つを示す指導データとを蓄積するデータベースと、
前記データベースに蓄積されたデータと、対象の被指導者の意識、行動及び体調及び属性のうち少なくとも１つを示す対象被指導者データとに基づいて、前記対象の被指導者の意識、行動及び体調のうち少なくとも１つに有効な指導の内容と、前記指導時の仕方とを決定する指導決定部と、
前記指導決定部により決定された指導の内容と前記指導時の仕方とに応じて、対象の被指導者に対する費用を決定する費用決定部とを備えることを特徴とする費用決定システム。 - 請求項１又は２記載の費用決定システムにおいて、
前記被指導者データに基づいて、前記被指導者の疾病の発症の可能性又は進行の度合いを示す疾病スコアを評価するスコア評価部を備え、
前記指導決定部は、当該疾病スコアと負の相関を有する指導の内容、指導時の仕方、指導の回数及び指導の頻度のうち少なくとも１つを認識するように構成されていることを特徴とする費用決定システム。 - 請求項１〜３のうちいずれか１項記載の費用決定システムにおいて、
前記被指導者データに基づいて、前記被指導者の健康管理に関する意識の度合い又は健康管理に関する行動の度合いを示すスコアを評価するスコア評価部を備え、
前記指導決定部は、当該スコアと正の相関を有する指導の内容、指導時の仕方、指導の回数及び指導の頻度のうち少なくとも１つを認識するように構成されていることを特徴とする費用決定システム。 - 請求項１〜４のうちいずれか１項記載の費用決定システムにおいて、
前記被指導者データに基づいて、前記被指導者の疾病、主観的健康観、健康管理に関する意識の度合い又は健康管理に関する行動の度合いを示すスコアを評価するスコア評価部を備え、
前記指導決定部は、決定した指導に対し、当該指導を行った後の前記スコアの改善の期待値を示すスコア期待値データを作成し、
前記指導決定部は、前記スコア評価部により評価された最新時点の前記被指導者のスコアと、前記スコア期待値データに示される前記最新時点前に行われた指導のスコアの改善の期待値とを比較して、新たな指導を決定するように構成されていることを特徴とする費用決定システム。 - 請求項１〜５のうちいずれか１項記載の費用決定システムにおいて、
前記被指導者データに示される指導後の前記被指導者の健康管理に関する意識又は健康管理に関する行動を示すデータに応じて、被指導者の感受性の高さを示す感受性スコアを評価し、
前記費用決定部は、当該感受性スコアが高いほど、費用が連続的または断続的に安くなるように前記費用を決定するように構成されていることを特徴とする費用決定システム。 - 請求項２に記載の費用決定システムにおいて、
指導者に対し、前記指導決定部により決定された指導に従って指導を行う遵守度を評価し、当該遵守度が高いほど、当該指導者に対する報酬を連続的または断続的に高くなるように決定する報酬決定部を備えることを特徴とする費用決定システム。 - 被指導者の意識、行動及び体調及び属性のうち少なくとも１つを示す被指導者データと、指導の内容、指導時の仕方、指導の回数及び指導の頻度のうち少なくとも１つを示す指導データとを蓄積するデータベースを備えるシステムが実行する方法であって、
前記データベースに蓄積されたデータと、対象の被指導者の意識、行動及び体調及び属性のうち少なくとも１つを示す対象被指導者データとに基づいて、前記対象の被指導者の意識、行動及び体調のうち少なくとも１つに有効な指導の内容、指導時の仕方、指導の回数及び指導の頻度のうち少なくとも１つを決定するステップと、
前記ステップにおいて決定された指導の内容、指導時の仕方、指導の回数及び指導の頻度のうち少なくとも１つに応じて、対象の被指導者に対する費用を決定するステップと、
指導者に対し、前記決定された指導に従って指導を行う遵守度を評価し、当該遵守度が高いほど、当該指導者に対する報酬を連続的または断続的に高くなるように決定するステップと、
を含むことを特徴とする費用決定方法。 - 被指導者の意識、行動及び体調及び属性のうち少なくとも１つを示す被指導者データと、指導の内容、声のトーン又は表情である該指導の内容の伝え方に関する事項を示す指導時の仕方、指導の回数及び指導の頻度のうち少なくとも１つを示す指導データとを蓄積するデータベースを備えるシステムが実行する方法であって、
前記データベースに蓄積されたデータと、対象の被指導者の意識、行動及び体調及び属性のうち少なくとも１つを示す対象被指導者データとに基づいて、前記対象の被指導者の意識、行動及び体調のうち少なくとも１つに有効な指導の内容と、前記指導時の仕方とを決定するステップと、
前記ステップにおいて決定された指導の内容と前記指導時の仕方とに応じて、対象の被指導者に対する費用を決定するステップと
を含むことを特徴とする費用決定方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2018143997A JP6721253B2 (ja) | 2018-07-31 | 2018-07-31 | 費用決定システム及び費用決定方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2018143997A JP6721253B2 (ja) | 2018-07-31 | 2018-07-31 | 費用決定システム及び費用決定方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2020021248A JP2020021248A (ja) | 2020-02-06 |
| JP6721253B2 true JP6721253B2 (ja) | 2020-07-08 |
Family
ID=69588575
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2018143997A Active JP6721253B2 (ja) | 2018-07-31 | 2018-07-31 | 費用決定システム及び費用決定方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP6721253B2 (ja) |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4237541B2 (ja) * | 2003-05-13 | 2009-03-11 | 三菱電機株式会社 | 保険者情報システム |
| JP2008541281A (ja) * | 2005-05-11 | 2008-11-20 | アイメトリクス・インコーポレーテッド | 健康治療プログラムに対する患者のコンプライアンスを監視および強化するための方法ならびにシステム |
| US7464042B2 (en) * | 2005-07-28 | 2008-12-09 | Roberto Beraja | Medical professional monitoring system and associated methods |
| US20070276197A1 (en) * | 2006-05-24 | 2007-11-29 | Lifescan, Inc. | Systems and methods for providing individualized disease management |
| JP6222681B1 (ja) * | 2017-03-09 | 2017-11-01 | メドケア株式会社 | 遠隔診療支援システム、遠隔診療支援サーバ及び遠隔診療支援方法 |
-
2018
- 2018-07-31 JP JP2018143997A patent/JP6721253B2/ja active Active
Also Published As
| Publication number | Publication date |
|---|---|
| JP2020021248A (ja) | 2020-02-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20200046252A1 (en) | Ingestible sensor, sensing method, and food | |
| JP7384362B2 (ja) | 情報処理方法及び情報処理装置 | |
| US20150193588A1 (en) | Health information processing apparatus and method, and health information display apparatus and method | |
| Kling et al. | Go red for women cardiovascular health–screening evaluation: The dichotomy between awareness and perception of cardiovascular risk in the community | |
| CN108778097A (zh) | 用于评估心力衰竭的装置和方法 | |
| JP5727706B2 (ja) | 生活習慣改善支援システム、生活習慣改善支援方法及びプログラム | |
| KR102297367B1 (ko) | 생체정보 수집 및 온라인 문진을 이용한 건강관리케어 서비스 제공 서버 | |
| Goldstein et al. | Cost of care for subjective tinnitus in relation to patient satisfaction | |
| Van Hook et al. | Healthy eating among Mexican immigrants: migration in childhood and time in the United States | |
| US20180144103A1 (en) | Method and apparatus for predicting probability of outbreak of disease | |
| KR102342770B1 (ko) | 질병 예측치의 분포를 이용한 건강관리 상담 시스템 | |
| US20190013092A1 (en) | System and method for facilitating determination of a course of action for an individual | |
| CN112466423A (zh) | 智能慢病健康管理方法及系统 | |
| KR20210052122A (ko) | 사용자 맞춤형 식품 정보 서비스 제공 시스템 및 그 방법 | |
| US20220142535A1 (en) | System and method for screening conditions of developmental impairments | |
| Blix et al. | Digitalization and health care | |
| JP6402345B1 (ja) | 指導支援システム、指導支援方法及び指導支援プログラム | |
| US20240138780A1 (en) | Digital kiosk for performing integrative analysis of health and disease condition and method thereof | |
| Zewudie et al. | The magnitude of undiagnosed hypertension and associated factors among HIV-positive patients attending antiretroviral therapy clinics of Butajira General Hospital, Gurage Zone, Southern Ethiopia | |
| JP2015228202A (ja) | 判断システム、判断方法、及び判断プログラム | |
| KR20170084790A (ko) | 음성 인식 기반의 건강 관리 앱을 실행하는 이동통신 단말기 및 그 동작 방법 | |
| JP6721253B2 (ja) | 費用決定システム及び費用決定方法 | |
| Sockolow et al. | An integrative review of chronic illness mHealth self-care interventions: mapping technology features to patient outcomes | |
| KR20220145006A (ko) | 인공지능을 이용한 식이 순응도 평가 시스템 | |
| US20240233913A9 (en) | User analysis and predictive techniques for digital therapeutic systems |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190717 |
|
| A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20190717 |
|
| A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20190722 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20191125 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200107 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200306 |
|
| 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: 20200519 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20200615 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 6721253 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |