JP6799413B2 - Basal body temperature prediction program, basal body temperature prediction method - Google Patents
Basal body temperature prediction program, basal body temperature prediction method Download PDFInfo
- Publication number
- JP6799413B2 JP6799413B2 JP2016156155A JP2016156155A JP6799413B2 JP 6799413 B2 JP6799413 B2 JP 6799413B2 JP 2016156155 A JP2016156155 A JP 2016156155A JP 2016156155 A JP2016156155 A JP 2016156155A JP 6799413 B2 JP6799413 B2 JP 6799413B2
- Authority
- JP
- Japan
- Prior art keywords
- body temperature
- information
- basal body
- menstrual cycle
- ovulation
- 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
- 230000036760 body temperature Effects 0.000 title claims description 374
- 238000000034 method Methods 0.000 title claims description 53
- 230000016087 ovulation Effects 0.000 claims description 144
- 230000027758 ovulation cycle Effects 0.000 claims description 134
- 238000005259 measurement Methods 0.000 claims description 37
- 230000005906 menstruation Effects 0.000 claims description 25
- 230000008859 change Effects 0.000 claims description 24
- 230000035935 pregnancy Effects 0.000 claims description 22
- 238000000605 extraction Methods 0.000 claims description 16
- 230000002175 menstrual effect Effects 0.000 claims description 13
- 208000031636 Body Temperature Changes Diseases 0.000 claims description 7
- 230000000737 periodic effect Effects 0.000 claims description 5
- 230000007423 decrease Effects 0.000 claims description 4
- 238000005070 sampling Methods 0.000 claims description 4
- 238000009499 grossing Methods 0.000 claims description 3
- 238000012935 Averaging Methods 0.000 claims 1
- 230000006870 function Effects 0.000 description 13
- 238000004891 communication Methods 0.000 description 11
- 230000008569 process Effects 0.000 description 11
- 230000003821 menstrual periods Effects 0.000 description 8
- 230000007774 longterm Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 125000002066 L-histidyl group Chemical group [H]N1C([H])=NC(C([H])([H])[C@](C(=O)[*])([H])N([H])[H])=C1[H] 0.000 description 3
- 238000012790 confirmation Methods 0.000 description 3
- 235000005911 diet Nutrition 0.000 description 3
- 230000037213 diet Effects 0.000 description 3
- 238000009529 body temperature measurement Methods 0.000 description 2
- 238000012905 input function Methods 0.000 description 2
- 230000013011 mating Effects 0.000 description 2
- 230000003340 mental effect Effects 0.000 description 2
- 230000006996 mental state Effects 0.000 description 2
- 206010062767 Hypophysitis Diseases 0.000 description 1
- 206010027339 Menstruation irregular Diseases 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 210000003756 cervix mucus Anatomy 0.000 description 1
- 239000003433 contraceptive agent Substances 0.000 description 1
- 230000002254 contraceptive effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000002354 daily effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 235000001916 dieting Nutrition 0.000 description 1
- 230000037228 dieting effect Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 229940088597 hormone Drugs 0.000 description 1
- 239000005556 hormone Substances 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 210000001672 ovary Anatomy 0.000 description 1
- 210000003635 pituitary gland Anatomy 0.000 description 1
- 230000002062 proliferating effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000003248 secreting effect Effects 0.000 description 1
- 230000028327 secretion Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
Description
本発明は、女性の月経周期における基礎体温の変動を予測する技術に関する。 The present invention relates to a technique for predicting fluctuations in basal body temperature during a woman's menstrual cycle.
女性の月経周期は、月経開始日を起点として次の月経開始日の前日までを１周期としている。この１周期の月経周期内に妊娠の可能性が高い交接の時期は排卵日とその前の５日間程度であると言われている。したがって妊娠を望む女性にとっては、現在の月経周期内における排卵日を精度良く予測することが重要となる。 A woman's menstrual cycle starts from the start date of menstruation and ends on the day before the next start date of menstruation. It is said that the period of mating with a high possibility of pregnancy within this one menstrual cycle is about the day of ovulation and about 5 days before it. Therefore, it is important for women who wish to become pregnant to accurately predict the ovulation date within the current menstrual cycle.
排卵日を予測するための方法としては、オギノ式（カレンダー法）など将来的な月経開始日および排卵日を予測する方法（以下、長期的予測法とも言う）がある。長期的予測法は月経周期が一定であることを前提として直近の月経開始日から所定日数が経過した日、あるいは予測した次回の月経開始日から所定の日数を逆算した日を排卵日として予測している。 As a method for predicting the ovulation date, there is a method for predicting the future menstrual period start date and the ovulation date (hereinafter, also referred to as a long-term prediction method) such as the Ogino method (calendar method). The long-term prediction method predicts the day when a predetermined number of days have passed from the latest menstrual start date or the day when the predetermined number of days is calculated back from the predicted next menstrual start date as the ovulation day, assuming that the menstrual cycle is constant. ing.
また現時点での女性の身体的なデータに基づいて、排卵日が近づいたことを予測する方法（以下、即時的予測法とも言う）もある。例えば、基礎体温を利用する方法（以下、基礎体温法）や医療機関における頸管粘液の状態を確認する方法などがある。なお月経日や排卵日を予測する技術としては、たとえば特許文献１に記載の技術がある。
There is also a method of predicting that the ovulation date is approaching (hereinafter, also referred to as an immediate prediction method) based on the physical data of the woman at the present time. For example, there are a method of using basal body temperature (hereinafter referred to as basal body temperature method) and a method of confirming the state of cervical mucus in a medical institution. As a technique for predicting the menstrual date and the ovulation date, for example, there is a technique described in
上述したように、排卵日を予測する方法としては、長期的予測法と即時的予測法がある。長期的予測法は月経周期が安定していることを前提とした予測方法である。そのため従前は月経周期が安定していたものの、現在の月経周期が体調や精神的なストレスなどの何らかの原因によって不安定になる場合には、現在の月経周期内における排卵日の予測精度が低下する。しかも女性本人は、現在の月経周期が不安定になっていることを認識することができない。また、女性の社会進出が進み、多くの女性が肉体的にも精神的にもストレスを抱えて月経周期が不安定になりやすいことを鑑みれば、長期的予測法はますます利用しにくいものとなる。 As described above, there are a long-term prediction method and an immediate prediction method as a method for predicting the ovulation date. The long-term prediction method is a prediction method that assumes that the menstrual cycle is stable. Therefore, although the menstrual cycle was stable in the past, if the current menstrual cycle becomes unstable due to some cause such as physical condition or mental stress, the accuracy of predicting the ovulation date within the current menstrual cycle will decrease. .. Moreover, the woman herself cannot recognize that the current menstrual cycle is unstable. In addition, the long-term prediction method is becoming more difficult to use, considering that women are advancing into society and many women are physically and mentally stressed and their menstrual cycle is likely to become unstable. Become.
一方、即時的予測法である基礎体温法は、上述した月経周期中における基礎体温の時系列変化に一定の傾向が見られることから、月経周期が不安定になっても、現在の月経周期については、その基礎体温の時系列変化の傾向を見極めることで排卵日の予測精度を確保することができる。一般的に、月経周期中の基礎体温の時系列は、月経周期の前半の低温期と後半の高温期に分類され、高温期の直前で基礎体温が最も低くなる最低体温日となり、この最低体温日の約１日後に排卵が起こるとされている。また低温期の後半では基礎体温の上昇傾向が見られるとされている。 On the other hand, the basal body temperature method, which is an immediate prediction method, shows a certain tendency for the time-series changes in basal body temperature during the menstrual cycle described above. Therefore, even if the menstrual cycle becomes unstable, the current menstrual cycle Can ensure the accuracy of predicting the ovulation date by identifying the tendency of the basal body temperature to change over time. In general, the time series of basal body temperature during the menstrual cycle is classified into the low temperature period in the first half of the menstrual cycle and the high temperature period in the second half of the menstrual cycle. Ovulation is said to occur about one day after the day. In addition, it is said that the basal body temperature tends to rise in the latter half of the low temperature period.
そして基礎体温法では、比較的安価に提供されている婦人体温計を用いることで家庭でのデータ（基礎体温）測定が可能である。したがって基礎体温法は、最も一般的な即時的予測法であると言える。しかしながら月経周期における基礎体温の変動傾向には個人差があり、一つの類型化された規則性に基づいて多種多様な個人の基礎体温の今後の変動状態を予測することは極めて難しい。上記特許文献１に記載の技術は、一人のユーザについての基礎体温の時系列変化を複数周期分収集することで、基準となる体温を求めておき、基礎体温の測定時点が高温相と低温相のいずれに属するかを判定して排卵日を検出するというものである。しかしながら、基礎体温の測定は難しく測定値にブレが生じやすいため、この特許文献１に記載の技術では、多くの場合測定時点が高温相と低温相のいずれかに属するかを正確に判定することは難しく、排卵日を精度良く予測することはできない。また、たとえ基礎体温を正確に測定できていても、基準となる体温との対比のみに基づいて排卵日を予測する場合、長期的予測法と同様に、現在の月経周期が何らかの原因によって不安定になってしまった場合には対応することができず、現在の月経周期における排卵日や、次の月経周期の開始時点などを精度良く予測することができない。
In the basal body temperature method, it is possible to measure data (basal body temperature) at home by using a women's thermometer, which is provided at a relatively low cost. Therefore, the basal body temperature method can be said to be the most common immediate prediction method. However, there are individual differences in the tendency of basal body temperature fluctuations during the menstrual cycle, and it is extremely difficult to predict future fluctuations in basal body temperature of a wide variety of individuals based on one typified regularity. In the technique described in
そこで本発明は、ユーザが測定した自身の基礎体温の時系列情報に基づいて、現在の月経周期における今後の時系列変化を精度良く予測するためのプログラム、および方法を提供することを目的としている。 Therefore, an object of the present invention is to provide a program and a method for accurately predicting future time-series changes in the current menstrual cycle based on the time-series information of the user's own basal body temperature. ..
上記目的を達成するための本発明は、複数の人における１月経周期毎の基礎体温の時系列変化を表す生データの母集団が記憶された記憶部を参照可能なコンピュータシステムにユーザの現在の月経周期の基礎体温の時系列変化を予測させるプログラムであって、
前記コンピュータシステムに、
前記生データにおける１月経周期を所定の値に正規化し、当該正規化された１月経周期における基礎体温の時系列変動を体温時系列情報として作成する体温時系列情報作成ステップと、
ユーザ入力された情報に基づいて、前記ユーザの基礎体温情報、当該基礎体温情報の測定日、前記現在の月経周期における月経開始日を取得するとともに、前記ユーザの月経周期を設定する基礎体温情報取得ステップと、
前記基礎体温情報の取得機会ごとに、前記月経開始日から最新の前記測定日までの経過期間における基礎体温の時系列変化を、設定した前記ユーザの月経周期を前記所定の値に正規化した時系列上で表現した現周期体温情報として作成する現周期体温情報作成ステップと、
所定数以上の前記基礎体温情報を含む前記現周期体温情報が作成された場合、前記複数の人についての前記体温時系列情報から前記経過期間に対応する期間相当分の基礎体温の時系列変化を取得し、当該取得した時系列変化と前記現周期体温情報との近似度が高い方から所定数の体温時系列情報を標本として抽出する標本抽出ステップと、
前記抽出した標本に含まれる前記体温時系列情報に基づいて、前記ユーザの現在の月経周期の基礎体温の時系列変化の予測情報を作成する体温変化予測ステップと、
を実行させ、
前記体温変化予測ステップでは、前記時系列を前記設定されたユーザの１月経周期に換算した前記予測情報を作成する、
ことを特徴とする基礎体温予測プログラムとしている。
In order to achieve the above object, the present invention of the present invention of a user can refer to a storage unit in which a population of raw data representing a time-series change of basal body temperature for each menstrual cycle in a plurality of people can be referred to. A program that predicts time-series changes in basal body temperature during the menstrual cycle.
In the computer system
A body temperature time series information creation step in which the menstrual cycle in the raw data is normalized to a predetermined value and the time series fluctuation of the basal body temperature in the normalized one menstrual cycle is created as the body temperature time series information.
Based on the information input by the user, basal body temperature information of the user, measurement date of the basal body temperature information, the obtains the menstruation start date in the current menstrual cycle, basal body temperature information acquisition setting the menstrual cycle of the user Steps and
When the time-series change of the basal body temperature in the elapsed period from the menstrual start date to the latest measurement date is normalized to the predetermined value for the set menstrual cycle of the user for each acquisition opportunity of the basal body temperature information. The current cycle body temperature information creation step to be created as the current cycle body temperature information expressed on the series , and
When the current cycle body temperature information including a predetermined number or more of the basal body temperature information is created, the time-series change of the basal body temperature corresponding to the elapsed period is obtained from the body temperature time-series information for the plurality of persons. A sampling step of acquiring and extracting a predetermined number of body temperature time series information as a sample from the one with the highest degree of approximation between the acquired time series change and the current periodic body temperature information.
Based on the body temperature time series information contained in the extracted sample, the body temperature change prediction step for creating the prediction information of the time series change of the basal body temperature of the user's current menstrual cycle, and
To run,
In the body temperature change prediction step, the prediction information is created by converting the time series into the menstrual cycle of the set user.
It is a basal body temperature prediction program characterized by this.
また前記標本抽出ステップでは、１月経周期が、前記ユーザの月経周期に対して所定の範囲内にある前記体温時系列情報の集団を前記標本の抽出対象にすることとしてもよい。あるいは、前記体温変化予測ステップでは、前記予測情報として、前記標本抽出ステップにより抽出した前記標本中の前記体温時系列情報を平均化した一つの参照体温情報を作成することとしてもよい。
Also, the mark in the
前記コンピュータシステムに、前記参照体温情報に基づいて排卵の直前に基礎体温が低下する最低体温日を特定させるとともに、当該最低体温日に基づいて前記現在の月経周期中の排卵日を予測する排卵日予測ステップを実行させることを特徴とする基礎体温予測プログラムとしてもよい。 The computer system, basal body temperature with make certain the lowest body temperature date falls just before ovulation, based on the referenced body temperature information, to predict the ovulation day in the menstrual cycle of the current based on the lowest temperature Date It may be a basal body temperature prediction program characterized by executing an ovulation day prediction step.
前記体温時系列情報には、事実として確定されている排卵日が付帯し、
前記コンピュータシステムに、前記標本中の前記体温時系列情報に付帯した前記確定されている排卵日に基づいて前記現在の月経周期中の排卵日を予測する排卵日予測ステップを実行させる、
ことを特徴とする基礎体温予測プログラムとすることもできる。
The body temperature time series information is accompanied by an ovulation date that has been confirmed as a fact.
The computer system is allowed to perform an ovulation date prediction step that predicts the ovulation date during the current menstrual cycle based on the determined ovulation date attached to the body temperature time series information in the sample.
It can also be a basal body temperature prediction program characterized by this.
前記排卵日予測ステップでは、前記確定された排卵日を、当該ユーザの現在の月経周期における前記月経開始日からの経過日に換算することとしてもよい。 In the day of ovulation prediction step, the probability constant has been ovulation day, may be converted to elapsed days from the menstruation start date in the current menstrual cycle of the user.
前記体温時系列情報には、事実として確定されている排卵日が付帯し、
前記排卵日予測ステップは、
前記参照体温情報に基づいて、排卵直前に基礎体温が低下する最低体温日を特定するとともに、当該最低体温日に基づいて前記現在の月経周期中の排卵日Ａを予測する第１ステップと、
前記標本中の前記体温時系列情報に付帯した前記確定されている排卵日に基づいて前記現在の月経周期中の排卵日Ｂを予測する第２ステップと、
前記排卵日Ａと前記排卵日Ｂのいずれか一方を排卵日として予測する第３ステップと、
を含むことを特徴とする基礎体温予測プログラムすることもできる。
The body temperature time series information is accompanied by an ovulation date that has been confirmed as a fact.
The ovulation date prediction step
Based on the reference body temperature information, the first step of identifying the lowest body temperature day on which the basal body temperature decreases immediately before ovulation and predicting the ovulation day A during the current menstrual cycle based on the lowest body temperature day, and
A second step of predicting the ovulation date B during the current menstrual cycle based on the determined ovulation date attached to the body temperature time series information in the specimen.
The third step of predicting either one of the ovulation day A and the ovulation day B as the ovulation day, and
It can also be a basal body temperature prediction program characterized by including.
さらに、前記第１ステップでは、前記現周期体温情報が作成される機会ごとに、当該機会における最低体温日と、当該機会を含めたこれまでの最低体温日の平均値のうち何れか一方に基づいて予測した排卵日を前記排卵日Ａとして予測し、
前記第２ステップでは、前記現周期体温情報が作成される機会ごとに、当該機会においていて前記確定されている排卵日に基づいて予測した排卵日と、当該機会を含めたこれまでの確定されている排卵日に基づいて予測した排卵日の平均値のいずれか一方を前記排卵日Ｂとして予測する、
こととしてもよい。
Further, in the first step, for each opportunity for which the current cycle body temperature information is created, it is based on either the lowest body temperature day at the opportunity or the average value of the lowest body temperature days so far including the opportunity. The predicted ovulation day is predicted as the ovulation day A.
In the second step, for each opportunity for which the current cycle body temperature information is created, the ovulation date predicted based on the determined ovulation date at the opportunity and the ovulation date predicted so far including the opportunity are determined. One of the average values of the ovulation days predicted based on the ovulation day is predicted as the ovulation day B.
It may be that.
前記コンピュータシステムに、前記排卵日予測ステップで予測した排卵日に基づいて、前記現在の月経周期中で妊娠確率の高い期間を出力するステップを実行させることとしてもよい。前記コンピュータシステムに、前記予測情報に含まれる所定の情報を出力するステップを実行させる基礎体温予測プログラムとすることもできる。前記コンピュータシステムに、１月経周期分の前記現周期体温情報が作成された時点で、当該現周期体温情報を前記生データとして前記母集団に追加する母集団更新ステップを実行させる基礎体温予測プログラムとしてもよい。 The computer system may be made to perform a step of outputting a period having a high pregnancy probability in the current menstrual cycle based on the ovulation date predicted in the ovulation date prediction step. It can also be a basal body temperature prediction program that causes the computer system to execute a step of outputting predetermined information included in the prediction information. As a basal body temperature prediction program that causes the computer system to execute a population update step of adding the current cycle body temperature information as the raw data to the population when the current cycle body temperature information for one menstrual cycle is created. May be good.
本発明の範囲には、基礎体温予測方法も含まれ、当該方法は、複数の人における１月経周期毎の基礎体温の時系列変化を表す生データの母集団が記憶された記憶部を参照可能なコンピュータシステムを用いてユーザの現在の月経周期の基礎体温の時系列変化を予測する方法であって、
前記生データにおける１月経周期を所定の値に正規化し、当該正規化された１月経周期における基礎体温の時系列変動を体温時系列情報として作成し、
ユーザ入力された情報に基づいて、前記ユーザの基礎体温情報、当該基礎体温情報の測定日、前記現在の月経周期における月経開始日を取得するとともに、前記ユーザの月経周期を設定し、
前記基礎体温情報の取得機会ごとに、前記月経開始日から最新の前記測定日までの経過期間における基礎体温の時系列変化を、設定した前記ユーザの月経周期を前記一定の周期に正規化した時系列上で表現した現周期体温情報として作成し、
所定数以上の前記基礎体温情報を含む前記現周期体温情報が作成された場合、前記複数の人についての前記体温時系列情報から前記経過期間に対応する期間相当分の基礎体温の時系列変化を取得し、当該取得した時系列変化と前記現周期体温情報との近似度が高い方から所定数の体温時系列情報を標本として抽出し、
前記抽出した標本に含まれる前記体温時系列情報に基づいて、前記ユーザの現在の月経周期の基礎体温の時系列変化の予測情報を作成し、
前記予測情報として、前記ユーザの現在の月経周期の基礎体温の時系列変化を、前記設定されたユーザの１月経周期に換算された時系列での変化で表現した情報を作成する、
ことを特徴とする基礎体温予測方法としている。
The scope of the present invention also includes a method for predicting basal body temperature, which can refer to a storage unit in which a population of raw data representing time-series changes in basal body temperature for each menstrual cycle in a plurality of people is stored. It is a method of predicting the time-series change of the basal body temperature of the user's current menstrual cycle using a computer system.
The menstrual cycle in the raw data is normalized to a predetermined value, and the time-series fluctuation of the basal body temperature in the normalized one-menstrual cycle is created as the body temperature time-series information.
Based on the information input by the user, basal body temperature information of the user, measurement date of the basal body temperature information, obtains the menstruation start date in the menstrual cycle of the current, set the menstrual cycle of the user,
When the time-series change of the basal body temperature in the elapsed period from the menstrual start date to the latest measurement date is normalized to the fixed cycle of the set user's menstrual cycle for each acquisition opportunity of the basal body temperature information. Created as current cycle body temperature information expressed on the series ,
When the current cycle body temperature information including a predetermined number or more of the basal body temperature information is created, the time-series change of the basal body temperature corresponding to the elapsed period is obtained from the body temperature time-series information for the plurality of persons. It is acquired, and a predetermined number of body temperature time series information is extracted as a sample from the one with the higher degree of approximation between the acquired time series change and the current periodic body temperature information.
Based on the body temperature time-series information contained in the extracted sample, the prediction information of the time-series change of the basal body temperature of the user's current menstrual cycle is created.
As the prediction information, information expressing the time-series change of the basal body temperature of the user's current menstrual cycle in the time-series converted to the set user's menstrual cycle is created .
It is a basal body temperature prediction method characterized by this.
本発明の基礎体温予測プログラム、および基礎体温予測方法によれば、ユーザが測定した自身の基礎体温の時系列情報に基づいて、現在の月経周期における今後の時系列変化を精度良く予測することができる。 According to the basal body temperature prediction program and the basal body temperature prediction method of the present invention, it is possible to accurately predict future time-series changes in the current menstrual cycle based on the time-series information of the user's own basal body temperature. it can.
本発明の実施例について、以下に添付図面を参照しつつ説明する。なお以下の説明に用いた図面において、同一または類似の部分に同一の符号を付して重複する説明を省略することがある。ある図面において符号を付した部分について、不要であれば他の図面ではその部分に符号を付さない場合もある。 Examples of the present invention will be described below with reference to the accompanying drawings. In the drawings used in the following description, the same or similar parts may be designated by the same reference numerals and duplicate description may be omitted. A coded part in one drawing may not be coded in another drawing if it is not necessary.
＝＝＝実施形態＝＝＝ === Embodiment ===
＜コンピュータシステム＞
本発明の一実施形態として、インターネット上に設置されたコンピュータシステムにインストールされたプログラムを挙げる。コンピュータシステムは、大容量の記憶装置を備え、パーソナル・コンピュータやスマートフォンなどのユーザ端末をクライアントとしたサーバ装置であり、当該サーバ装置は、本実施形態に係るプログラムを実行することで、ユーザ端末とのデータ通信を通じて入力された情報や記憶装置に格納されている情報を用いてユーザの現在の月経周期における基礎体温の変動を予測し、その変動に関わる各種情報を利用端末を介してユーザに提示するサービス（以下、基礎体温予測サービスとも言う）を提供するものである。
<Computer system>
As an embodiment of the present invention, a program installed in a computer system installed on the Internet will be mentioned. The computer system is a server device equipped with a large-capacity storage device and using a user terminal such as a personal computer or a smartphone as a client. The server device can be used as a user terminal by executing a program according to the present embodiment. The fluctuation of the basal body temperature in the user's current menstrual cycle is predicted using the information input through the data communication of the user and the information stored in the storage device, and various information related to the fluctuation is presented to the user via the user terminal. It provides a service (hereinafter, also referred to as a basal body temperature prediction service).
図１にサーバ装置１とユーザ端末２０を含むネットワーク構成の概略を示した。サーバ装置１は、インターネット３０を介してユーザ端末２０と通信するための通信部１２、大容量の記憶装置１１、および一台以上のコンピュータによって構成された制御部１０などを含む。制御部１０には、通信部１２を介してユーザ端末２０と通信するための通信制御プログラムが実装されているとともに、記憶装置１１に構築されたデータベースを管理するプログラム（以下、データベース管理プログラムとも言う）と、ユーザの現在の月経周期（以下、現月経周期）における基礎体温の変動を予測する専用のプログラム（以下、基礎体温予測プログラムとも言う）が実装されている。そして基礎体温予測プログラムが実質的に本発明の実施形態であり、制御部１０が当該基礎体温予測プログラムを通信制御プログラムやデータベース管理プログラムと連携させながら実行する。それによってサーバ装置１による基礎体温予測サービスがユーザに提供される。
FIG. 1 shows an outline of a network configuration including a
＜基礎体温の変動予測原理＞
本実施形態における基礎体温の変動予測原理について説明すると、まず、母集団として、１周期分の基礎体温の時系列変化を表す情報を多数用意しておき、ユーザは基礎体温を継続して測定する。母集団に含まれる基礎体温の時系列変化を表す情報の中にユーザにおける現月経周期のそれまでの基礎体温の変動傾向に近似しているものがあれば、ユーザのその後の基礎体温はその近似した基礎体温の時系列にほぼ従うものとしている。そして、その近似した基礎体温の時系列を予測結果としてユーザに提示する。
<Principle of basal body temperature fluctuation prediction>
Explaining the principle of predicting fluctuations in basal body temperature in the present embodiment, first, as a population, a large amount of information representing time-series changes in basal body temperature for one cycle is prepared, and the user continuously measures basal body temperature. .. If any of the information contained in the population that represents the time-series changes in basal body temperature is similar to the fluctuation tendency of basal body temperature in the current menstrual cycle up to that point, the user's subsequent basal body temperature is an approximation of that. It is supposed to follow the time series of basal body temperature. Then, the time series of the approximated basal body temperature is presented to the user as a prediction result.
このように本実施形態に係る基礎体温予測プログラムによれば、すべてのユーザの基礎体温の変動傾向を、膨大な量の情報を含む母集団の中には異なるユーザ同士であっても基礎体温の時系列変化が極めて近似したものがあるとの予測に基づき、母集団に含まれているその近似した基礎体温の時系列変化をユーザの基礎体温の時系列変化と見なす、という手法を用いて予測している。そのためユーザごとに異なる基礎体温の変動傾向、あるいは一時的に不規則になった月経周期における基礎体温の変動傾向も予測することが可能となる。しかも本実施形態に係るプログラムでは、母集団として用意しておく情報や近似する情報の抽出手順などに特徴を有し、より精度の高い予測が可能となっている。以下では、ユーザ端末２０とサーバ装置１の基本的な機能やデータベースの構造などについて説明し、その上で、基礎体温予測サービスの実施手順について説明する。
As described above, according to the basal body temperature prediction program according to the present embodiment, the fluctuation tendency of the basal body temperature of all users can be measured by changing the basal body temperature even among different users in the population including a huge amount of information. Based on the prediction that some time-series changes are extremely similar, the time-series changes in the approximate basal body temperature contained in the population are regarded as the time-series changes in the user's basal body temperature. doing. Therefore, it is possible to predict the basal body temperature fluctuation tendency that differs for each user, or the basal body temperature fluctuation tendency in the temporarily irregular menstrual cycle. Moreover, the program according to the present embodiment is characterized by information prepared as a population and a procedure for extracting information to be approximated, so that more accurate prediction is possible. In the following, the basic functions of the
＝＝＝ユーザ端末＝＝＝ === User terminal ===
本実施形態では、ユーザ端末としてスマートフォンを用いることとしており、ユーザ端末には、サーバ装置と通信して基礎体温予測サービスを利用するための専用のアプリケーションプログラム（以下、ユーザアプリとも言う）がインストールされている。当該ユーザアプリは、サーバ装置にダウンロード可能に用意されていてもよいし、スマートフォン向けの周知のデジタルコンテンツ配信サービス（例えば、Google Play（登録商標）、App Store（登録商標）など）によって配布されるものであってもよい。 In the present embodiment, a smartphone is used as the user terminal, and a dedicated application program (hereinafter, also referred to as a user application) for communicating with the server device and using the basal body temperature prediction service is installed on the user terminal. ing. The user application may be prepared for download on the server device, or may be distributed by a well-known digital content distribution service for smartphones (for example, Google Play (registered trademark), App Store (registered trademark), etc.). It may be a thing.
ユーザアプリがユーザ端末において起動されると、当該ユーザアプリは、基礎体温予測サービスを利用するためのユーザインタフェース環境をユーザに提供する。概略的には、ユーザ端末にてユーザアプリが起動されると、当該ユーザ端末は、サーバ装置との通信機能、この通信機能によりサーバ装置に送信するための各種情報の入力機能、およびサーバ装置から送付されてきた各種情報をディスプレイに表示するための出力機能を備える。 When the user application is started on the user terminal, the user application provides the user with a user interface environment for using the basal body temperature prediction service. Generally, when a user application is started on a user terminal, the user terminal has a communication function with a server device, an input function of various information to be transmitted to the server device by this communication function, and a server device. It has an output function for displaying various sent information on the display.
ユーザアプリにおける入力機能では、当該アプリが提供するユーザインタフェースを介してユーザが自身の月経周期、月経開始日、基礎体温とその測定日など、月経周期に関わる各種情報を入力することができる。そしてその入力情報が通信機能によってサーバ装置に送られる。出力機能では、サーバ装置がユーザ端末から受け取った入力情報を上述した基礎体温予測プログラムを用いて処理し、その処理結果に関わる情報が送付されてくると、その送付されてきた情報をディスプレイに表示する。 In the input function of the user application, the user can input various information related to the menstrual cycle such as his / her menstrual cycle, menstrual start date, basal body temperature and its measurement date via the user interface provided by the application. Then, the input information is sent to the server device by the communication function. In the output function, the server device processes the input information received from the user terminal using the above-mentioned basal body temperature prediction program, and when the information related to the processing result is sent, the sent information is displayed on the display. To do.
＝＝＝サーバ装置＝＝＝
＜データベース＞
サーバ装置の記憶装置には、不特定多数のユーザ、あるいは基礎体温予測サービスのユーザなどから様々な方法で収集した膨大な量の１月経周期分の基礎体温の測定記録が格納されている。各記録は、基礎体温予測サービスのユーザからのものであれば、ユーザアプリの機能により、ユーザに日々の基礎体温を入力させることで収集することができる。またインターネット上には個人向けの月経日予測サービスや妊娠支援サービスを提供しているＷｅｂサイトが数多くあり、これらのサービスにおいてもユーザから１月経周期分の基礎体温の測定記録を収集しており、その収集したデータを記憶装置に格納することもできる。もちろん学術的な研究成果として蓄積されている記録もある。いずれにしても、記憶装置には、１月経周期分の基礎体温を記録した情報（以下、生データとも言う）が格納されている。なお膨大な数の生データの中には、基礎体温の予測に適さないものもあることから、基礎体温予測サービスに供される生データには所定の条件が設定されている。当該条件としては、例えば、同じユーザにおける５回の月経周期の変動幅がそのユーザの月経周期に対して０．８倍以上１．２倍以下であること、月経周期が２２日以上３４日以下の生データであることなどである。予測精度をさらに向上させるためには、例えば、月経開始日の基礎体温が記録されていること、１月経周期を通じて基礎体温の欠落が２０％以下であること、および連続する二日で基礎体温の欠落がないことなどの条件を設定しておいてもよい。
=== Server device ===
<Database>
The storage device of the server device stores a huge amount of basal body temperature measurement records for one menstrual cycle collected by various methods from an unspecified number of users or users of a basal body temperature prediction service. If each record is from the user of the basal body temperature prediction service, it can be collected by having the user input the daily basal body temperature by the function of the user application. In addition, there are many websites on the Internet that provide menstrual period prediction services and pregnancy support services for individuals, and these services also collect basal body temperature measurement records for the menstrual cycle from users. The collected data can also be stored in the storage device. Of course, there are records that have been accumulated as academic research results. In any case, the storage device stores information (hereinafter, also referred to as raw data) that records the basal body temperature for the menstrual cycle. Since some of the huge amount of raw data is not suitable for predicting basal body temperature, predetermined conditions are set for the raw data provided for the basal body temperature prediction service. The conditions are that, for example, the fluctuation range of the five menstrual cycles of the same user is 0.8 times or more and 1.2 times or less of the menstrual cycle of the user, and the menstrual cycle is 22 days or more and 34 days or less. It is the raw data of. In order to further improve the prediction accuracy, for example, the basal body temperature on the start date of menstruation is recorded, the lack of basal body temperature is 20% or less throughout the menstrual cycle, and the basal body temperature is measured on two consecutive days. Conditions such as no omission may be set.
なお本実施形態に係る基礎体温予測プログラムは、生データを処理の対象にしておらず、生データを加工することで得た情報を処理の対象としている。記憶装置には２２日以上３４日以下の範囲で月経周期が異なるものが混在し、さらに生データは月経開始日を起点とした日数と基礎体温の測定値を記録したもので、単位が日なので時間について離散的である。そこで月経周期の長短によらず、１周期分の時系列変化を評価できる情報となるように生データを加工している。 The basal body temperature prediction program according to the present embodiment does not process raw data, but processes information obtained by processing the raw data. Some storage devices have different menstrual cycles in the range of 22 days to 34 days, and the raw data records the number of days starting from the start of menstruation and the measured value of basal body temperature, and the unit is days. It is discrete with respect to time. Therefore, the raw data is processed so that the information can evaluate the time-series change for one cycle regardless of the length of the menstrual cycle.
図２に生データの加工処理の概略を示した。図２（Ａ）に示したように、生データ１００では月経開始日Ｔ１からの経過日数と基礎体温との関係が折れ線グラフによって表現され、時間について離散的である。そこで図２（Ｂ）に示したように、生データを構成する各要素にガウシアンフィルタを適用して月経開始日からの日数と基礎体温との関係を連続した関数で表現できるように平滑化する。周知のごとく、ガウシアンフィルタは、以下の数式（数１）で記述され、当該式１におけるσの値を適宜に設定することで（例えば、σ＝４）、平滑化の度合いを調整することができる。
このように、平滑化により、月経開始日からの連続した経過時間と基礎体温についての増減傾向を示す曲線１０１で表現される。つぎに生データにおける月経周期には幅があることから、すなわち２２≦Ｔ２≦３４であることから、図２（Ｃ）に示したように、月経周期Ｔ２を一律に所定の値(例えば、１)となるように正規化する。それによって生データが一定の期間における基礎体温の連続的な時系列変動を示す情報１０２に加工される。そしてこの基礎体温の連続的な時系列変動を示す情報(以下、体温時系列情報とも言う）に、その起源となった生データに付帯していた月経周期を対応付けしておく。
In this way, the smoothing is represented by a
また生データには、事実として確定された排卵日を含んでいるものもある。本実施形態における事実として確定された排卵日とは、医療機関などでの検査によって排卵があったものと把握される日（以下、確定排卵日とも言う）のことを言う。この確定排卵日が付帯している生データを起源として生成された体温時系列情報については、確定排卵日についても一律の値に正規化された月経周期内において所定の値で示すための正規化を行い、月経周期とともに対応付けしておく。記憶装置に構築されたデータベースには、上述した膨大な量の生データから生成された体温時系列情報が母集団として格納されている。またデータベースでは、基礎体温予測サービスの享受者となるユーザが固有の識別情報(以下、ユーザＩＤとも言う)で管理されているとともに、各ユーザのユーザＩＤにユーザ端末から送信されてきた各種入力情報が対応付けされている。なお生データについては記憶装置に格納されていなくてもよい。体温時系列情報は、サーバ装置にて生成されてもよいし、当初から用意されていたものをサーバ装置が参照可能な記憶装置に格納したものであってもよい。 Some raw data also include factually confirmed ovulation dates. The ovulation date confirmed as a fact in the present embodiment means the day when it is determined that ovulation has occurred by an examination at a medical institution or the like (hereinafter, also referred to as a confirmed ovulation day). Regarding the body temperature time series information generated from the raw data accompanied by this definite ovulation date, the definite ovulation date is also normalized to be shown as a predetermined value within the menstrual cycle normalized to a uniform value. And associate it with the menstrual cycle. The database built in the storage device stores the body temperature time series information generated from the enormous amount of raw data described above as a population. In the database, users who are the users of the basal body temperature prediction service are managed by unique identification information (hereinafter, also referred to as user ID), and various input information transmitted from the user terminal to each user's user ID. Are associated with each other. The raw data does not have to be stored in the storage device. The body temperature time series information may be generated by the server device, or may be stored in a storage device that can be referred to by the server device, which is prepared from the beginning.
＝＝＝基礎体温予測サービス＝＝＝
基礎体温予測サービスは、制御部が基礎体温予測プログラムを実行して上述した体温時系列情報とユーザ端末からインターネットを介して送付されてくる各種入力情報とを処理することでユーザに提供される。以下に基礎体温予測サービスの実施手順と、その実施過程における基礎体温予測プログラムによるデータ処理の内容について説明する。
=== Basal body temperature prediction service ===
The basal body temperature prediction service is provided to the user by the control unit executing the basal body temperature prediction program and processing the above-mentioned body temperature time series information and various input information sent from the user terminal via the Internet. The procedure for implementing the basal body temperature prediction service and the content of data processing by the basal body temperature prediction program in the implementation process will be described below.
ここではユーザ端末にユーザアプリがすでにインストールされ、ユーザＩＤが配信サーバのデータベースに登録されており、ユーザは基礎体温予測サービスを享受する準備ができているものとする。図３に基礎体温予測サービスの提供過程における基礎体温予測プログラムによるデータ処理の流れを示した。ユーザは、基礎体温予測サービスの利用を開始するのに当たり、まず、自身の月経周期を入力する。自身の月経周期が分からない場合は、月経周期の入力を省略する。サーバ装置は、月経周期が入力された場合は、その周期の日数を、入力されなかった場合は、平均的な月経周期である２８日をこのユーザの月経周期として設定し、その月経周期をこのユーザのユーザＩＤに対応付けしてデータベースに登録する（ｓ１→ｓ２，ｓ１→ｓ３）。もちろん、ユーザが継続して基礎体温予測サービスを利用しており、過去複数周期分の基礎体温の入力実績があれば、その実績に基づく平均の月経周期を当該ユーザの月経周期として設定することもできる。いずれにしても、何らかのユーザ入力に基づいて、そのユーザの月経周期を設定すればよい。 Here, it is assumed that the user application is already installed on the user terminal, the user ID is registered in the database of the distribution server, and the user is ready to enjoy the basal body temperature prediction service. Figure 3 shows the flow of data processing by the basal body temperature prediction program in the process of providing the basal body temperature prediction service. When starting to use the basal body temperature prediction service, the user first inputs his / her menstrual cycle. If you do not know your own menstrual cycle, omit the input of your menstrual cycle. If a menstrual cycle is input, the server device sets the number of days in that cycle, and if not, sets the average menstrual cycle of 28 days as the user's menstrual cycle, and sets the menstrual cycle as this. Register in the database in association with the user ID of the user (s1 → s2, s1 → s3). Of course, if the user continues to use the basal body temperature prediction service and has input records of basal body temperature for multiple past cycles, the average menstrual cycle based on those records can be set as the user's menstrual cycle. it can. In any case, the menstrual cycle of the user may be set based on some user input.
サーバ装置は、ユーザＩＤに月経周期を対応付けしてデータベースに登録したならば、その月経周期に近い月経周期の情報を付帯する体温時系列情報を特定する。そしてユーザの基礎体温の変動に近似する体温時系列情報を抽出する際には、その特定した体温時系列情報のみを抽出の範囲とする（ｓ４）。本実施形態では、設定したユーザの月経周期に対して±１日以内の月経周期が付帯する体温時系列情報を抽出範囲としている。そしてユーザが基礎体温とその測定日をユーザ端末を用いて入力すると（ｓ５，ｓ６）、サーバ装置がその入力情報をインターネットを介して受け取り、基礎体温と測定日の関係をこのユーザに対応付けして管理する。 When the server device associates the user ID with the menstrual cycle and registers it in the database, the server device specifies the body temperature time series information accompanying the information of the menstrual cycle close to the menstrual cycle. Then, when extracting the body temperature time series information that approximates the fluctuation of the user's basal body temperature, only the specified body temperature time series information is included in the extraction range (s4). In the present embodiment, the extraction range is the body temperature time series information in which the menstrual cycle within ± 1 day is attached to the set user's menstrual cycle. Then, when the user inputs the basal body temperature and the measurement date using the user terminal (s5, s6), the server device receives the input information via the Internet and associates the relationship between the basal body temperature and the measurement date with this user. To manage.
そして月経が始まったならば、ユーザはその月経開始日をユーザ端末に入力する。サーバ装置は、この月経開始日以降、次の月経開始日が入力される前日までをこのユーザの現月経周期として管理し、月経開始日を起点とした経過日数と基礎体温との関係を表す情報(以下、現周期体温情報とも言う）を新規に作成する（ｓ７→ｓ８）。また当該月経開始日以降に基礎体温とその測定日が入力されると、その入力機会ごとに現周期体温情報を更新する（ｓ７→ｓ９）。なお本実施形態にて用いられる現周期体温情報は、経過日数と基礎体温との関係を上記のガウシアンフィルタを用いて平滑化しつつ、先に設定したユーザの月経周期を体温時系列情報と同じ尺度で正規化したものである。また月経開始日の直後である場合、あるいは基礎体温の入力回数が少ない場合は、基礎体温の変動傾向自体が不明確であることから、基礎体温が所定回数以上入力されるまでは基礎体温の予測を行わない。すなわち現周期体温情報に近似する体温時系列情報を標本として抽出する処理を行わない（ｓ１０→ｓ５）。 Then, when menstruation begins, the user inputs the menstruation start date into the user terminal. The server device manages from this menstrual start date to the day before the next menstrual start date is input as the current menstrual cycle of this user, and information showing the relationship between the number of elapsed days starting from the menstrual start date and the basal body temperature. (Hereinafter, also referred to as current cycle body temperature information) is newly created (s7 → s8). When the basal body temperature and its measurement date are input after the menstrual period start date, the current cycle body temperature information is updated at each input opportunity (s7 → s9). In the current cycle body temperature information used in this embodiment, the relationship between the number of days elapsed and the basal body temperature is smoothed by using the above Gaussian filter, and the previously set user's menstrual cycle is measured on the same scale as the body temperature time series information. It is normalized by. If the basal body temperature is entered immediately after the start date of menstruation, or if the number of times the basal body temperature is input is small, the basal body temperature fluctuation tendency itself is unclear. Do not do. That is, the process of extracting the body temperature time series information that is close to the current cycle body temperature information as a sample is not performed (s10 → s5).
しかし、所定数の基礎体温が入力されて標本抽出条件が満たされると、それ以降、現周期体温情報と上記の抽出範囲にある全ての体温時系列情報との近似度を調べ、近似度が高い方から所定数の体温時系列情報を標本として抽出する（ｓ１０→ｓ１１、ｓ１２）。もちろん標本の抽出条件は、月経開始日からの経過日数に依らず、単純に所定数以上の基礎体温が入力されたことであってよいし(例えば、６回以上)、月経開始日から所定の日数が経過した時点までに入力された基礎体温が所定数以上であることであってもよい（例えば、経過日数が６日以上で基礎体温の入力回数が経過日数の５０％以上）。 However, when a predetermined number of basal body temperatures are input and the sampling conditions are satisfied, the degree of approximation between the current periodic body temperature information and all the body temperature time series information in the above extraction range is examined, and the degree of approximation is high. A predetermined number of body temperature time series information is extracted as a sample (s10 → s11, s12). Of course, the sample extraction condition may be that a predetermined number or more of the basal body temperature is simply input (for example, 6 times or more) regardless of the number of days elapsed from the start date of menstruation, and is predetermined from the start date of menstruation. The basal body temperature entered by the time the number of days has elapsed may be a predetermined number or more (for example, the number of days elapsed is 6 days or more and the number of times the basal body temperature is input is 50% or more of the number of days elapsed).
図４に標本の抽出方法の概略を示した。図４（Ａ）に示したように、現周期体温情報１０３は、月経周期に相当する日数が所定の数値（図中では１）となるように正規化されており、当然のことながら、最後の測定日に対応する時点ｔ１以降についてはデータが存在しない。そこで抽出対象に含まれる全ての体温時系列情報について、この１周期の一部に対応する領域を現周期体温情報１０３と比較し、近似度が高い方から所定数の体温時系列情報を標本として抽出する。図４（Ｂ）は１周期分の体温時系列情報１０２を示しており、この体温時系列情報１０２から現周期体温情報１０３と比較する領域（０〜ｔ１）のみを抽出する。そして図４（Ｃ）に当該領域を拡大して示したように、現周期体温情報１０３と体温時系列情報１０２を同じ期間（０〜ｔ１）同士で比較する。具体的には、現周期体温情報１０３および体温時系列情報１０２のそれぞれを、時間ｔの関数ｆ（ｔ）およびｇ（ｔ）とし、ある時点ｔでの値の差分δ＝ｆ（ｔ）―ｇ（ｔ）を二乗した値を全ての時点で積分し、その積分値の平方根を近似度とした。近似度をαとすると、当該近似度αは以下の数式（数２）で表すことができる。
近似度αは、その値が小さいほど近似度が高い。そして本実施形態では、近似度が高い方から３００個の体温時系列情報を標本として抽出した。そして抽出した３００個の関数の相加平均をとり一つの体温時系列情報を作成する。それによってユーザの１月経周期分と同じ期間にわたる体温時系列情報（以下、参照体温情報）が作成される（図３、ｓ１３）。そしてその参照体温情報に基づいてユーザの今後の基礎体温の変動傾向を予測する。 The smaller the value of the degree of approximation α, the higher the degree of approximation. Then, in the present embodiment, 300 body temperature time series information was extracted as a sample from the one with the highest degree of approximation. Then, the arithmetic mean of the extracted 300 functions is taken to create one body temperature time series information. As a result, body temperature time series information (hereinafter referred to as reference body temperature information) over the same period as the user's menstrual cycle is created (FIGS. 3, s13). Then, based on the reference body temperature information, the future basal body temperature fluctuation tendency of the user is predicted.
図５に参照体温情報１０４の例を示した。本実施形態では、参照体温情報１０４において、排卵の直前に体温が低下する最低体温となる日（以下、最低体温日ｔｂｂｔとも言う）に基づいて排卵日を予測している。なお排卵の直前以外でも体温が低下する場合もあることから、本実施形態では、月経開始日から１０日目以降で基礎体温が最低となる日を最低体温日ｔｂｂｔとしている。また、最低体温日ｔｂｂｔから排卵日までは約１日程度あることから排卵日を参照体温情報１０４における最低体温日ｔｂｂｔから所定の日数（以下、加算値ｎｂｂｔとも言う）を加算した時点を排卵日としている。この加算値ｎｂｂｔは、生データや母集団における体温時系列情報に基づいて設定することができる。例えば、確定排卵日が付帯する全ての体温時系列情報について、最低体温日から確定排卵日までの日数を取得し、その日数の平均値を求めておく。そして、この平均日数を加算値ｎｂｂｔとして参照体温情報における最低体温日ｔｂｂｔに加算する。なお最低体温日ｔｂｂｔから確定排卵日までの平均値は、抽出した３００件分の体温時系列情報に含まれる確定排卵日付きの体温時系列情報についての平均値であってもよいし、データベースに格納されている全ての体温時系列情報についての平均値であってもよい。あるいは標本の抽出範囲として、月経周期がユーザの月経周期に対して±１日の範囲内にある体温時系列情報についての平均値であってもよい。いずれにしても、サーバ装置では参照体温情報における最低体温日ｔｂｂｔに基づいて排卵日を予測する(図３、ｓ１７，ｓ１８）。なお以下では最低体温日ｔｂｂｔに基づいて予測した排卵日を予測排卵日Ａとする。
FIG. 5 shows an example of the reference
一方、上述したように、確定排卵日を付帯する体温時系列情報もあることから、抽出した標本中の確定排卵日付きの体温時系列情報に基づいて確定排卵日を排卵日として予測することもできる。ここでは、標本中の確定排卵日の平均値（以下、ｔｏｖｌとする）に基づいて予測した排卵日を予測排卵日Ｂとしている（図３、ｓ１４→ｓ１５，ｓ１６）。なお本実施形態では、標本中の確定排卵日の平均値ｔｏｖｌに対してさらに補正項（以下、ｎｏｖｌとする）を加味した値（以下、加算値ｎｏｖｌとする）を加算して確定排卵日に基づく予測排卵日Ｂを特定している。そして上述したように予測排卵日Ａと予測排卵日Ｂが特定されたならば、いずれか一方を予測排卵日として採用する。本実施形態では、予測排卵日Ａと予測排卵日Ｂについて、現状での母集団の規模や予測的中率などの予測実績とから月経開始日に対してより遠い日を予測排卵日としている。なお標本中に確定排卵日を含む体温時系列情報がなかった場合には、予測排卵日Ａを予測排卵日として採用する（図３、ｓ１４→ｓ１７）。 On the other hand, as described above, since there is also body temperature time series information with a definite ovulation date, it is also possible to predict the definite ovulation date as the ovulation date based on the body temperature time series information with the definite ovulation date in the extracted specimen. it can. Here, the predicted ovulation date based on the average value of the confirmed ovulation dates in the sample (hereinafter referred to as tovl ) is defined as the predicted ovulation date B (FIG. 3, s14 → s15, s16). In the present embodiment, a value (hereinafter referred to as an added value novl ) to which a correction term (hereinafter referred to as novl ) is further added to the average value tovl of the confirmed ovulation day in the sample is added and determined. The predicted ovulation date B based on the ovulation date is specified. Then, if the predicted ovulation day A and the predicted ovulation day B are specified as described above, either one is adopted as the predicted ovulation day. In the present embodiment, for the predicted ovulation day A and the predicted ovulation day B, the day farther from the menstrual start date is set as the predicted ovulation day based on the predicted results such as the current population size and the predicted predictive value. If there is no body temperature time series information including the confirmed ovulation date in the specimen, the predicted ovulation date A is adopted as the predicted ovulation date (FIG. 3, s14 → s17).
ところで現月経周期における予測精度は、ユーザによる基礎体温の入力回数が増えるほど、すなわち月経開始日からの日数が経過するほど情報が増え、また、予測する排卵日が近づくため高まっていく。そこで本実施形態では、ユーザが基礎体温とその測定日を入力する機会ごとに、その都度近似度の高い順から標本を抽出し、参照体温情報を再作成している。そして、参照時系列情報における最低体温日ｔｂｂｔに基づいて予測する排卵日Ａについて、最新の参照時系列情報から予測される排卵日（以下、Ａ１とする）と、当該予測排卵日Ａ１を含めた前回までの全ての予測排卵日の平均値（以下、Ａ２とする）のうちいずれかを今回の予測排卵日Ａとする。本実施形態では、月経開始日から遠い日を今回の予測排卵日Ａとしている。同様に、今回抽出した標本に含まれている確定排卵日から予測した排卵日Ｂ１と、当該予測排卵日Ｂ１を含めた前回までの確定排卵日に基づく予測排卵日Ｂ２の平均値のうちいずれかを今回の予測排卵日Ｂとする。本実施形態では、月経開始日から遠い日を今回の予測排卵日Ｂとしている。そして、これらの予測排卵日ＡとＢのうち月経開始日に対して遠い日を最終的な予測排卵日とする。なお、本実施形態では、月経開始日に対して遠い日を予測排卵日としているが、複数の予測排卵日を比較しいずれかを採用することが本旨であり、月経開始日に対して近い日を予測排卵日として採用するように構成してもよい。 By the way, the prediction accuracy in the current menstrual cycle increases as the number of times the user inputs the basal body temperature increases, that is, as the number of days from the start date of menstruation elapses, the information increases and the predicted ovulation date approaches. Therefore, in the present embodiment, each time the user has an opportunity to input the basal body temperature and the measurement date thereof, the sample is extracted from the order of the highest degree of approximation and the reference body temperature information is recreated. Then, regarding the ovulation day A predicted based on the lowest body temperature day tbbt in the reference time series information, the ovulation day predicted from the latest reference time series information (hereinafter referred to as A1) and the predicted ovulation day A1 are included. Any one of the average values of all predicted ovulation days up to the previous time (hereinafter referred to as A2) will be referred to as the current predicted ovulation day A. In the present embodiment, the day far from the start date of menstruation is set as the predicted ovulation day A this time. Similarly, either the ovulation date B1 predicted from the confirmed ovulation date included in the sample extracted this time or the average value of the predicted ovulation day B2 based on the previous confirmed ovulation date including the predicted ovulation date B1. Let be the predicted ovulation day B this time. In the present embodiment, the day far from the start date of menstruation is set as the predicted ovulation day B this time. Then, of these predicted ovulation days A and B, the day farther from the menstrual period start date is set as the final predicted ovulation day. In the present embodiment, the day far from the start date of menstruation is set as the predicted ovulation date, but the main purpose is to compare a plurality of predicted ovulation dates and adopt one of them, which is close to the start date of menstruation. May be adopted as the predicted ovulation date.
サーバ装置は、以上のようにして採用する予測排卵日を決定したら、所定の値に正規化されている１月経周期を、ユーザの１月経周期に換算し、正規化された値としての予測排卵日ではなく、単位を日とした当該ユーザの予測排卵日を確定する。なお、「日」単位にする際には小数点を四捨五入する。その予測排卵日に基づく妊娠確率の高い日をさらに特定する（図３、ｓ２０）。なお妊娠確率の高い日は、事前に設定されている日数であり、本実施形態では、排卵日を０日とすると、−１日から−３日までとしている。また妊娠確率の高い日は実際に収集されたデータに基づく妊娠率を根拠にしており、妊娠率は、ある日（例えば、排卵日）に交接した人数に対して実際に妊娠した人数の割合である。そして妊娠率は、本実施形態における生データと同様にして収集された膨大な情報から求められる。図６に排卵日前後の交接日と妊娠率との関係の一例を示した。図６では、確定排卵日の前後に一回だけ交接した人についての妊娠率分布が示されている。 After the server device determines the predicted ovulation date to be adopted as described above, the server device converts the menstrual cycle normalized to a predetermined value into the user's menstrual cycle, and predicts ovulation as a normalized value. Determine the predicted ovulation date for the user, with the unit being days instead of days. The decimal point is rounded off when the unit is "day". A day with a high pregnancy probability based on the predicted ovulation day is further identified (Fig. 3, s20). The days with a high pregnancy probability are the number of days set in advance, and in the present embodiment, assuming that the ovulation day is 0 day, it is from -1 day to -3 day. In addition, the days with a high pregnancy probability are based on the pregnancy rate based on the data actually collected, and the pregnancy rate is the ratio of the number of people who actually became pregnant to the number of people who copulated on a certain day (for example, the day of ovulation). is there. The pregnancy rate is then determined from the vast amount of information collected in the same manner as the raw data in this embodiment. FIG. 6 shows an example of the relationship between the mating date before and after the ovulation date and the pregnancy rate. FIG. 6 shows the pregnancy rate distribution for those who copulated only once before and after the confirmed ovulation day.
そして上述した手順によって、妊娠確率の高い日が特定できたならば、その日をユーザ端末に向けて出力し（図３、ｓ２１）、ユーザ端末は、ユーザアプリにより当該妊娠確率の高い日を表示出力する。図７に、基礎体温予測サービスの実施過程でユーザ端末に表示される画面の遷移を示した。まず図７（Ａ）は、ユーザアプリの起動画面 ２１ａであり、確認したい情報や利用したいサービスを選択するためのボタン２２や、現時点における予測結果など、基礎体温予測サービスに関わる情報２３が表示されている。ここで「基礎体温」のボタン２２ａを指示すると、図７（Ｂ）に示したように、基礎体温と測定日を入力するための画面２１ｂが表示される。ユーザがこの画面２１ｂの所定欄（２４，２５）に基礎体温と測定日を入力したならば、同じ画面２１ｂに配設されている「登録」ボタン２６により登録指示をする。それによって、基礎体温と測定日を含む情報がサーバ装置に送信される。サーバ装置側では基礎体温予測プログラムにより排卵日に基づく妊娠確率の高い日が計算され、その計算結果がユーザ端末に返送される。そして図７（Ｃ）に示した画面２１ｃのように、基礎体温とその測定日の確認欄２７と、妊娠確率の高い日が「仲良しタイミング」２８として表示される。
If a day with a high pregnancy probability can be identified by the above procedure, that day is output to the user terminal (FIGS. 3, s21), and the user terminal displays and outputs the day with a high pregnancy probability by the user application. To do. FIG. 7 shows the transition of the screen displayed on the user terminal in the process of implementing the basal body temperature prediction service. First, FIG. 7A is a user
なお上述したように、基礎体温予測サービスでは現月経周期において所定数以上の基礎体温が入力されていない状態では、標本の抽出条件が満たされないため、サーバ装置は、ユーザ端末からの入力情報を受け付けるだけで、予測結果を提示しない。また予測排卵日が過ぎた後では、次の月経周期になるまで、排卵日に基づく妊娠確率の高い日を提示することができない。そこでサーバ装置は、このような場合については、予測結果を提示できない旨の情報をユーザ端末に向けて出力する。図８に標本の抽出条件が満たされていない場合および現月経周期において、排卵日が過ぎてしまった場合にユーザ端末に表示される画面の例を示した。図８（Ａ）に示すように、標本の抽出条件が満たされていない場合では、基礎体温とその測定日の確認欄２７と、妊娠確率の高い日が出力されるのに要する残りの基礎体温の測定日数１２８を含む画面２１ｄが表示される。また図８（Ｂ）に示すように、予測排卵日が過ぎてしまった場合では、基礎体温とその測定日の確認欄２７と、妊娠確率の高い日が出力されるのに要する基礎体温の入力条件２２８を含む画面２１ｅが表示される。なおサーバ装置は、次に月経開始日を知らせるユーザ入力があった時点で、それまでの現周期体温情報あるいは生データに相当する基礎体温と測定日との対応関係をそのユーザのユーザＩＤに対応付けしてデータベースに登録する。それによってデータベースに生データが追加され、その生データに基づいて体温時系列情報が生成されて母集団が更新される。
As described above, in the basal body temperature prediction service, if a predetermined number or more of basal body temperatures are not input in the current menstrual cycle, the sample extraction conditions are not satisfied, so that the server device accepts the input information from the user terminal. It just does not present the prediction results. In addition, after the predicted ovulation date has passed, it is not possible to present a day with a high pregnancy probability based on the ovulation date until the next menstrual cycle. Therefore, in such a case, the server device outputs information to the user terminal that the prediction result cannot be presented. FIG. 8 shows an example of a screen displayed on the user terminal when the sample extraction conditions are not satisfied and when the ovulation day has passed in the current menstrual cycle. As shown in FIG. 8 (A), when the sample extraction conditions are not satisfied, the basal body temperature and the measurement
以上のように本実施形態に係る基礎体温予測プログラムによれば、実測値に基づく生データから生成された膨大な数の体温時系列情報の中からユーザの基礎体温の変動傾向と近似するものを抽出するという手法を用いてユーザの現月経周期における基礎体温の変動を予測している。すなわち全てのユーザの基礎体温の変動傾向を一つの類型化されたモデル言い換えれば理想化されたモデルに当てはめるのではなく、ユーザのデータ入力に対して、膨大な数の他のユーザの中の近似したユーザデータから都度モデルを生成することで高精度の即時的予測を可能にしている。 As described above, according to the basal body temperature prediction program according to the present embodiment, from a huge amount of body temperature time series information generated from raw data based on actual measurement values, one that approximates the fluctuation tendency of the user's basal body temperature is selected. The method of extraction is used to predict fluctuations in basal body temperature during the user's current menstrual cycle. That is, instead of applying the basal body temperature fluctuation tendency of all users to one typified model, in other words, an idealized model, it is an approximation among a huge number of other users to the user's data input. By generating a model each time from the created user data, highly accurate immediate prediction is possible.
類型化したモデルに当てはめる予測方法では、ユーザの現月経周期における基礎体温の変動傾向が一般的とされている月経周期における基礎体温の変動傾向に一致しない場合、その時点で予測精度が劣化する。一方、本実施形態に係るプログラムを用いた予測方法では、現月経周期における基礎体温の変動傾向に近似する他のユーザデータが存在すれば、基礎体温の変動傾向を高精度で予測することができる。 In the prediction method applied to the typified model, if the fluctuation tendency of the basal body temperature in the user's current menstrual cycle does not match the fluctuation tendency of the basal body temperature in the general menstrual cycle, the prediction accuracy deteriorates at that point. On the other hand, in the prediction method using the program according to the present embodiment, if there is other user data that approximates the fluctuation tendency of the basal body temperature in the current menstrual cycle, the fluctuation tendency of the basal body temperature can be predicted with high accuracy. ..
＝＝＝その他の実施例＝＝＝
上記実施形態では、原則的にユーザは月経開始日から毎日基礎体温をサーバ装置に送付することとしていたが、基礎体温を測定できない日があってもよい。例えば、基礎体温の入力がなかった次の日に基礎体温が入力されたならば、その最新の基礎体温を前日の基礎体温としたり、あるいは入力がなかった日の前後の日の基礎体温の平均値を入力したりするなど、欠落したデータは適宜に補間することができる。
=== Other Examples ===
In the above embodiment, in principle, the user sends the basal body temperature to the server device every day from the start date of menstruation, but there may be a day when the basal body temperature cannot be measured. For example, if the basal body temperature is input the next day when the basal body temperature is not input, the latest basal body temperature can be used as the basal body temperature of the previous day, or the average of the basal body temperature on the days before and after the day when the basal body temperature is not input. Missing data, such as entering a value, can be interpolated as appropriate.
上記実施形態では、ユーザは基礎体温を測定するたびに、その基礎体温と測定日をサーサーバ装置に送信することとしていた。もちろん、ユーザが基礎体温とその測定日を自身のユーザ端末に入力するタイミングと、基礎体温と測定日をサーバ装置に送信するタイミングは必ずしも一致しなくてもよい。例えば、ユーザアプリがスマートフォンにインストールされ、ユーザが、終日、移動体通信網の圏外にいるような場合では基礎体温と測定日が入力された時点でそれらの情報をサーバ装置に送信できない。このような場合、ユーザアプリは、基礎体温と測定日をユーザ端末に記憶させておき、通信可能になった時点でその記憶していた情報をサーバ装置に送付することとしてもよい。あるいはユーザが基礎体温と測定日をノートなどに書き取っておき、まとめてサーバ装置に送信するような場合にも対応し、複数の基礎体温と測定日の組み合わせを纏めて入力できるようにしておいてもよい。 In the above embodiment, each time the user measures the basal body temperature, the basal body temperature and the measurement date are transmitted to the server server device. Of course, the timing at which the user inputs the basal body temperature and the measurement date to his / her own user terminal and the timing at which the basal body temperature and the measurement date are transmitted to the server device do not necessarily have to match. For example, if the user application is installed on the smartphone and the user is out of the mobile communication network all day long, the information cannot be transmitted to the server device when the basal body temperature and the measurement date are input. In such a case, the user application may store the basal body temperature and the measurement date in the user terminal, and send the stored information to the server device when communication becomes possible. Alternatively, the user can write down the basal body temperature and the measurement date in a notebook and send them to the server device at once, so that multiple combinations of the basal body temperature and the measurement date can be input together. Good.
基礎体温とその測定日は、ユーザがユーザ端末に数値で入力する形態に限らない。例えば、Ｂｌｕｅｔｏｏｔｈ機能を備えた婦人体温計をスマートフォンとペアリングさせておき、婦人体温計で基礎体温が測定されると、スマートフォンに実装されているユーザアプリがその基礎体温を受け取る。そして現在日を測定日として、受け取った基礎体温とその測定日をサーバ装置に自動的に送信する。婦人体温計にネットワーク通信機能を備えさせるとともに、婦人体温計にユーザアプリと同等の機能を実装させておけばスマートフォンも不要となる。いずれにしても、サーバ装置に実装されている基礎体温予測プログラムは、現在の月経周期における基礎体温とその測定日についての情報がユーザ端末から送付されてきたならば、その基礎体温と測定日を該当するユーザＩＤに対応付けして記憶装置に格納すればよい。 The basal body temperature and its measurement date are not limited to the form in which the user inputs numerical values to the user terminal. For example, if a women's thermometer equipped with a Bluetooth function is paired with a smartphone and the basal body temperature is measured by the women's thermometer, the user application installed in the smartphone receives the basal body temperature. Then, with the current date as the measurement date, the received basal body temperature and the measurement date are automatically transmitted to the server device. If the women's thermometer is equipped with a network communication function and the women's thermometer is equipped with the same function as the user application, a smartphone will not be required. In any case, the basal body temperature prediction program implemented in the server device will determine the basal body temperature and measurement date if information about the basal body temperature and its measurement date in the current menstrual cycle is sent from the user terminal. It may be stored in the storage device in association with the corresponding user ID.
上記実施形態では、基礎体温予測プログラムがインターネット上のサーバ装置に実装されており、ユーザ入力をインターネットを介して受け取ることとしていたが、ユーザ端末側に基礎体温予測プログラムをインストールしておき、体温時系列情報を格納する記憶装置のみをインターネット上に配置しておいてもよい。もちろん基礎体温予測プログラムの一部をユーザ端末に実装することもできる。また体温時系列情報を格納するインターネット上の記憶装置と随時同期する記憶装置を備えたコンピュータに基礎体温予測プログラムを実装しておくことも考えられる。 In the above embodiment, the basal body temperature prediction program is implemented in a server device on the Internet, and the user input is received via the Internet. However, the basal body temperature prediction program is installed on the user terminal side at the time of body temperature. Only the storage device that stores the series information may be arranged on the Internet. Of course, a part of the basal body temperature prediction program can be implemented on the user terminal. It is also conceivable to implement a basal body temperature prediction program on a computer equipped with a storage device that stores body temperature time series information and synchronizes with a storage device on the Internet at any time.
上記実施形態では、妊娠確率の高い日をユーザ端末に表示させていたが、基礎体温の変動予測は、より確実な妊娠だけを目的としたものではない。避妊目的で利用できることはもちろん、種々の健康管理などにも活用できる。例えば、月経周期中には、ダイエットが有効な期間とそうでない期間などがあることが知られていることから、今後の基礎体温の変動、あるいはダイエットに対する助言などを適時にユーザに提示することで、ユーザはその提示された情報を計画的で効率のよいダイエットに活用することができる。基礎体温の変動を予測することは次回の月経開始日を予測することでもあることから、次回の月経開始の予測日を提示すれば、ユーザは外出や旅行の予定に備えることもできる。また周知のごとく、月経周期は脳下垂体と卵巣からのホルモンの分泌状態によって五つの期間（月経期、増殖期、排卵期、分泌期）に区分され、その各期間に応じて体調や精神の状態に起伏が見られることがある。そのため基礎体温の変動傾向から現在の期間を提示したり、あるいは現在の期間における体調や精神状態の一般的な傾向を提示したりすることもできる。それによってユーザは、心身の僅かな不調が月経周期によるものであるのか、それ以外のものであるのかをある程度認知することができる。 In the above embodiment, the day with a high pregnancy probability is displayed on the user terminal, but the prediction of fluctuations in basal body temperature is not intended only for more reliable pregnancy. Not only can it be used for contraceptive purposes, but it can also be used for various health management purposes. For example, since it is known that there are periods during which the diet is effective and periods during which the diet is not effective, it is possible to timely present the user with future fluctuations in basal body temperature or advice on dieting. , The user can utilize the presented information for a planned and efficient diet. Since predicting fluctuations in basal body temperature also predicts the next menstrual period start date, the user can prepare for going out or traveling by presenting the predicted date for the next menstrual period start. As is well known, the menstrual cycle is divided into five periods (menstrual period, proliferative period, ovulation period, and secretory period) according to the state of hormone secretion from the pituitary gland and ovaries, and the physical condition and mental state are divided according to each period. The condition may be undulating. Therefore, it is possible to present the current period from the fluctuation tendency of the basal body temperature, or to present the general tendency of the physical condition and mental state in the current period. This allows the user to some extent recognize whether the slight physical and mental upset is due to the menstrual cycle or something else.
１ サーバ装置、１０ 制御部、１１ 記憶装置、１２ 通信部 ２０ ユーザ端末、
２１ａ〜２１ｅ ユーザ端末における表示画面、３０ インターネット、
１０２ 体温時系列情報、１０３ 現周期体温情報、１０４ 参照体温情報、
1 server device, 10 control unit, 11 storage device, 12
21a-21e Display screen on user terminal, 30 Internet,
102 Body temperature time series information, 103 Current cycle body temperature information, 104 Reference body temperature information,
Claims (13)
前記コンピュータシステムに、
前記生データにおける１月経周期を所定の値に正規化し、当該正規化された１月経周期における基礎体温の時系列変動を体温時系列情報として作成する体温時系列情報作成ステップと、
ユーザ入力された情報に基づいて、前記ユーザの基礎体温情報、当該基礎体温情報の測定日、前記現在の月経周期における月経開始日を取得するとともに、前記ユーザの月経周期を設定する基礎体温情報取得ステップと、
前記基礎体温情報の取得機会ごとに、前記月経開始日から最新の前記測定日までの経過期間における基礎体温の時系列変化を、設定した前記ユーザの月経周期を前記所定の値に正規化した時系列上で表現した現周期体温情報として作成する現周期体温情報作成ステップと、
所定数以上の前記基礎体温情報を含む前記現周期体温情報が作成された場合、前記複数の人についての前記体温時系列情報から前記経過期間に対応する期間相当分の基礎体温の時系列変化を取得し、当該取得した時系列変化と前記現周期体温情報との近似度が高い方から所定数の体温時系列情報を標本として抽出する標本抽出ステップと、
前記抽出した標本に含まれる前記体温時系列情報に基づいて、前記ユーザの現在の月経周期の基礎体温の時系列変化の予測情報を作成する体温変化予測ステップと、
を実行させ、
前記体温変化予測ステップでは、前記予測情報として、前記ユーザの現在の月経周期の基礎体温の時系列変化を、前記設定されたユーザの１月経周期に換算された時系列での変化で表現した情報を作成する、
ことを特徴とする基礎体温予測プログラム。 Predict the time-series changes in the basal body temperature of the user's current menstrual cycle in a computer system that can refer to the storage unit in which the population of raw data representing the time-series changes in the basal body temperature for each menstrual cycle in multiple people is stored. It ’s a program that lets you
In the computer system
A body temperature time series information creation step in which the menstrual cycle in the raw data is normalized to a predetermined value and the time series fluctuation of the basal body temperature in the normalized one menstrual cycle is created as the body temperature time series information.
Based on the information input by the user, basal body temperature information of the user, measurement date of the basal body temperature information, the obtains the menstruation start date in the current menstrual cycle, basal body temperature information acquisition setting the menstrual cycle of the user Steps and
When the time-series change of the basal body temperature in the elapsed period from the menstrual start date to the latest measurement date is normalized to the predetermined value for the set menstrual cycle of the user for each acquisition opportunity of the basal body temperature information. The current cycle body temperature information creation step to be created as the current cycle body temperature information expressed on the series , and
When the current cycle body temperature information including a predetermined number or more of the basal body temperature information is created, the time-series change of the basal body temperature corresponding to the elapsed period is obtained from the body temperature time-series information for the plurality of persons. A sampling step of acquiring and extracting a predetermined number of body temperature time series information as a sample from the one with the highest degree of approximation between the acquired time series change and the current periodic body temperature information.
Based on the body temperature time series information contained in the extracted sample, the body temperature change prediction step for creating the prediction information of the time series change of the basal body temperature of the user's current menstrual cycle, and
To run,
In the body temperature change prediction step, as the prediction information, information expressing the time-series change of the basal body temperature of the user's current menstrual cycle by the time-series change converted into the set user's menstrual cycle. To create,
A basal body temperature prediction program characterized by this.
前記体温時系列情報は、月経開始日から月経周期の期末までの１月経周期と、基礎体温との関係が平滑化された連続関数で表現された情報であり、
前記現周期体温情報作成ステップでは、測定日と基礎体温との関係を平滑化して連続関数で表現して前記現周期体温情報を作成し、
前記体温変化予測ステップでは、前記参照体温情報に基づいて前記予測情報を作成する、
ことを特徴とする基礎体温予測プログラム。 In claim 3,
The body temperature time series information is information expressed by a continuous function in which the relationship between the menstrual cycle from the start date of menstruation to the end of the menstrual cycle and the basal body temperature is smoothed.
And in the current cycle the body temperature information generating step, the relationship between the measurement date and basal body temperature to create the current cycle temperature information represents Table a continuous function by smoothing,
In the body temperature change prediction step, the prediction information is created based on the reference body temperature information .
A basal body temperature prediction program characterized by this.
前記体温時系列情報には、事実として確定されている排卵日が付帯し、
前記コンピュータシステムに、前記標本中の前記体温時系列情報に付帯した前記確定されている排卵日に基づいて前記現在の月経周期中の排卵日を予測する排卵日予測ステップを実行させる、
ことを特徴とする基礎体温予測プログラム。 In claim 2,
The body temperature time series information is accompanied by an ovulation date that has been confirmed as a fact.
The computer system is allowed to perform an ovulation date prediction step that predicts the ovulation date during the current menstrual cycle based on the determined ovulation date attached to the body temperature time series information in the sample.
A basal body temperature prediction program characterized by this.
前記体温時系列情報には、事実として確定されている排卵日が付帯し、
前記排卵日予測ステップは、
前記参照体温情報に基づいて、排卵直前に基礎体温が低下する最低体温日を特定するとともに、当該最低体温日に基づいて前記現在の月経周期中の排卵日Ａを予測する第１ステップと、
前記標本中の前記体温時系列情報に付帯した前記確定されている排卵日に基づいて前記現在の月経周期中の排卵日Ｂを予測する第２ステップと、
前記排卵日Ａと前記排卵日Ｂのいずれか一方を排卵日として予測する第３ステップと、
を含むことを特徴とする基礎体温予測プログラム。 In claim 4,
The body temperature time series information is accompanied by an ovulation date that has been confirmed as a fact.
The ovulation date prediction step
Based on the reference body temperature information, the first step of identifying the lowest body temperature day on which the basal body temperature decreases immediately before ovulation and predicting the ovulation day A during the current menstrual cycle based on the lowest body temperature day, and
A second step of predicting the ovulation date B during the current menstrual cycle based on the determined ovulation date attached to the body temperature time series information in the specimen.
The third step of predicting either one of the ovulation day A and the ovulation day B as the ovulation day, and
A basal body temperature prediction program characterized by including.
前記第１ステップでは、前記現周期体温情報が作成される機会ごとに、当該機会における最低体温日と、当該機会を含めたこれまでの最低体温日の平均値のうち何れか一方に基づいて予測した排卵日を前記排卵日Ａとして予測し、
前記第２ステップでは、前記現周期体温情報が作成される機会ごとに、当該機会においていて前記確定されている排卵日に基づいて予測した排卵日と、当該機会を含めたこれまでの確定されている排卵日に基づいて予測した排卵日の平均値のいずれか一方を前記排卵日Ｂとして予測する、
ことを特徴とする基礎体温予測プログラム。 In claim 8.
In the first step, each opportunity for which the current cycle body temperature information is created is predicted based on either the lowest body temperature day at the opportunity or the average value of the lowest body temperature days so far including the opportunity. The ovulation day was predicted as the ovulation day A, and
In the second step, for each opportunity for which the current cycle body temperature information is created, the ovulation date predicted based on the determined ovulation date at the opportunity and the ovulation date predicted so far including the opportunity are determined. One of the average values of the ovulation days predicted based on the ovulation day is predicted as the ovulation day B.
A basal body temperature prediction program characterized by this.
前記生データにおける１月経周期を所定の値に正規化し、当該正規化された１月経周期における基礎体温の時系列変動を体温時系列情報として作成し、
ユーザ入力された情報に基づいて、前記ユーザの基礎体温情報、当該基礎体温情報の測定日、前記現在の月経周期における月経開始日を取得するとともに、前記ユーザの月経周期を設定し、
前記基礎体温情報の取得機会ごとに、前記月経開始日から最新の前記測定日までの経過期間における基礎体温の時系列変化を、設定した前記ユーザの月経周期を前記一定の周期に正規化した時系列上で表現した現周期体温情報として作成し、
所定数以上の前記基礎体温情報を含む前記現周期体温情報が作成された場合、前記複数の人についての前記体温時系列情報から前記経過期間に対応する期間相当分の基礎体温の時系列変化を取得し、当該取得した時系列変化と前記現周期体温情報との近似度が高い方から所定数の体温時系列情報を標本として抽出し、
前記抽出した標本に含まれる前記体温時系列情報に基づいて、前記ユーザの現在の月経周期の基礎体温の時系列変化の予測情報を作成し、
前記予測情報として、前記ユーザの現在の月経周期の基礎体温の時系列変化を、前記設定されたユーザの１月経周期に換算された時系列での変化で表現した情報を作成する、
ことを特徴とする基礎体温予測方法。 Time-series changes in basal body temperature of the user's current menstrual cycle using a computer system that can refer to a storage unit in which a population of raw data representing the time-series changes in basal body temperature for each menstrual cycle in multiple people is stored. Is a way to predict
The menstrual cycle in the raw data is normalized to a predetermined value, and the time-series fluctuation of the basal body temperature in the normalized one-menstrual cycle is created as the body temperature time-series information.
Based on the information input by the user, basal body temperature information of the user, measurement date of the basal body temperature information, obtains the menstruation start date in the menstrual cycle of the current, set the menstrual cycle of the user,
When the time-series change of the basal body temperature in the elapsed period from the menstrual start date to the latest measurement date is normalized to the fixed cycle of the set user's menstrual cycle for each acquisition opportunity of the basal body temperature information. Created as current cycle body temperature information expressed on the series ,
When the current cycle body temperature information including a predetermined number or more of the basal body temperature information is created, the time-series change of the basal body temperature corresponding to the elapsed period is obtained from the body temperature time-series information for the plurality of persons. It is acquired, and a predetermined number of body temperature time series information is extracted as a sample from the one with the higher degree of approximation between the acquired time series change and the current periodic body temperature information.
Based on the body temperature time-series information contained in the extracted sample, the prediction information of the time-series change of the basal body temperature of the user's current menstrual cycle is created.
As the prediction information, information expressing the time-series change of the basal body temperature of the user's current menstrual cycle in the time-series converted to the set user's menstrual cycle is created .
A method for predicting basal body temperature.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2016156155A JP6799413B2 (en) | 2016-08-09 | 2016-08-09 | Basal body temperature prediction program, basal body temperature prediction method |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2016156155A JP6799413B2 (en) | 2016-08-09 | 2016-08-09 | Basal body temperature prediction program, basal body temperature prediction method |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2018023477A JP2018023477A (en) | 2018-02-15 |
| JP6799413B2 true JP6799413B2 (en) | 2020-12-16 |
Family
ID=61194890
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2016156155A Active JP6799413B2 (en) | 2016-08-09 | 2016-08-09 | Basal body temperature prediction program, basal body temperature prediction method |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP6799413B2 (en) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2023042779A1 (en) * | 2021-09-16 | 2023-03-23 | トッパン・フォームズ株式会社 | Menstrual cycle prediction device, menstrual cycle prediction method, menstrual cycle prediction program, and menstrual cycle prediction system |
Family Cites Families (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH1085223A (en) * | 1996-09-19 | 1998-04-07 | Matsushita Electric Ind Co Ltd | Clinical thermometer |
| US20070161921A1 (en) * | 2006-01-07 | 2007-07-12 | Rausch Jeffrey L | Bio-accurate temperature measurement device and method of quantitatively normalizing a body temperature measurement to determine a physiologically significant temperature event |
| JP5425793B2 (en) * | 2007-10-12 | 2014-02-26 | ペイシェンツライクミー， インコーポレイテッド | Personal management and comparison of medical conditions and outcomes based on patient community profiles |
| JP5792446B2 (en) * | 2010-09-10 | 2015-10-14 | テルモ株式会社 | Display processing apparatus and display processing method |
| JP5738720B2 (en) * | 2011-03-24 | 2015-06-24 | 日本メナード化粧品株式会社 | Melanin synthesis ability evaluation method and beauty advice method, and melanin synthesis ability evaluation system and beauty advice system using them |
| KR20150083235A (en) * | 2014-01-09 | 2015-07-17 | (주)위자드웍스 | Apparatus and method for providing biometric cycle |
| US11013497B2 (en) * | 2014-03-28 | 2021-05-25 | Mti Ltd. | Program for predicting day of ovulation and method of predicting the same |
| JP2016122348A (en) * | 2014-12-25 | 2016-07-07 | オムロン株式会社 | Life style improvement apparatus, life style improvement method and life style improvement system |
-
2016
- 2016-08-09 JP JP2016156155A patent/JP6799413B2/en active Active
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2023042779A1 (en) * | 2021-09-16 | 2023-03-23 | トッパン・フォームズ株式会社 | Menstrual cycle prediction device, menstrual cycle prediction method, menstrual cycle prediction program, and menstrual cycle prediction system |
Also Published As
| Publication number | Publication date |
|---|---|
| JP2018023477A (en) | 2018-02-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Leridon | A new estimate of permanent sterility by age: sterility defined as the inability to conceive | |
| CN110832524B (en) | Storage medium, evaluation requesting method, and computer device | |
| EP3454338B1 (en) | Meal advice providing system and analysis device | |
| US11013497B2 (en) | Program for predicting day of ovulation and method of predicting the same | |
| JP2005319283A (en) | Biological information utilization system | |
| US20220165417A1 (en) | Population-level gaussian processes for clinical time series forecasting | |
| Tejera et al. | Artificial neural network for normal, hypertensive, and preeclamptic pregnancy classification using maternal heart rate variability indexes | |
| Loucks et al. | Neuroendocrine biomarkers, allostatic load, and the challenge of measurement: A commentary on Gersten | |
| KR20190082124A (en) | Method for providing forecasted waiting time information and apparatus thereof | |
| JP6799413B2 (en) | Basal body temperature prediction program, basal body temperature prediction method | |
| JP7097570B2 (en) | Data collection analysis device and data collection analysis method | |
| JP6343939B2 (en) | Health management support system | |
| CN110236572B (en) | Depression prediction system based on body temperature information | |
| WO2023042779A1 (en) | Menstrual cycle prediction device, menstrual cycle prediction method, menstrual cycle prediction program, and menstrual cycle prediction system | |
| Bortot et al. | Sequential predictions of menstrual cycle lengths | |
| Erickson et al. | Predicting labor onset relative to the estimated date of delivery using smart ring physiological data | |
| JP2019057159A (en) | Healthcare data analysis method, healthcare data analysis program and healthcare data analysis device | |
| JP2016081190A (en) | Physical condition predicting system and program | |
| JP7121397B2 (en) | Body temperature analysis device, body temperature analysis program and body temperature analysis method | |
| JP2015154845A (en) | Health management support device and control method of the same | |
| JP6531241B1 (en) | Efficiency improvement support system and medical efficiency improvement support method | |
| EP3355311A1 (en) | Method, system, and computer program product for dynamic analysis of a physiological parameter | |
| van de Roemer et al. | The performance of a fertility tracking device | |
| JP2017199281A (en) | Estimation device, estimation method, and estimation program | |
| Punnoose et al. | Comparative evaluation of two systems for integrating biometric data from self-quantification |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190809 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20200708 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200721 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200918 |
|
| 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: 20201110 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20201120 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 6799413 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |