JP6846723B2 - 認知機能低下判定システム - Google Patents

認知機能低下判定システム Download PDF

Info

Publication number
JP6846723B2
JP6846723B2 JP2019559509A JP2019559509A JP6846723B2 JP 6846723 B2 JP6846723 B2 JP 6846723B2 JP 2019559509 A JP2019559509 A JP 2019559509A JP 2019559509 A JP2019559509 A JP 2019559509A JP 6846723 B2 JP6846723 B2 JP 6846723B2
Authority
JP
Japan
Prior art keywords
body movement
amount
ratio
sleep
period
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
Application number
JP2019559509A
Other languages
English (en)
Other versions
JPWO2019116830A1 (ja
Inventor
西山　高史
高史 西山
松村　吉浩
吉浩 松村
賢吾 阿部
賢吾 阿部
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Panasonic Intellectual Property Management Co Ltd
Original Assignee
Panasonic Intellectual Property Management Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Panasonic Intellectual Property Management Co Ltd filed Critical Panasonic Intellectual Property Management Co Ltd
Publication of JPWO2019116830A1 publication Critical patent/JPWO2019116830A1/ja
Application granted granted Critical
Publication of JP6846723B2 publication Critical patent/JP6846723B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/70—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to mental therapies, e.g. psychological therapy or autogenous training
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B10/00—Other methods or instruments for diagnosis, e.g. instruments for taking a cell sample, for biopsy, for vaccination diagnosis; Sex determination; Ovulation-period determination; Throat striking implements
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1118—Determining activity level
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/40—Detecting, measuring or recording for evaluating the nervous system
    • A61B5/4076—Diagnosing or monitoring particular conditions of the nervous system
    • A61B5/4088—Diagnosing of monitoring cognitive diseases, e.g. Alzheimer, prion diseases or dementia
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4806—Sleep evaluation
    • A61B5/4809—Sleep detection, i.e. determining whether a subject is asleep or not
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A61B5/7282—Event detection, e.g. detecting unique waveforms indicative of a medical condition
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/67—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for remote operation
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • Animal Behavior & Ethology (AREA)
  • Surgery (AREA)
  • Molecular Biology (AREA)
  • Veterinary Medicine (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Biophysics (AREA)
  • Physics & Mathematics (AREA)
  • Psychiatry (AREA)
  • Physiology (AREA)
  • Neurology (AREA)
  • Psychology (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Child & Adolescent Psychology (AREA)
  • Developmental Disabilities (AREA)
  • Hospice & Palliative Care (AREA)
  • Artificial Intelligence (AREA)
  • Neurosurgery (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Anesthesiology (AREA)
  • Social Psychology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • Business, Economics & Management (AREA)
  • General Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Description

本発明は、認知機能の低下を判定する認知機能低下判定システム等に関する。
特許文献１には、認知症リスクを判定するための認知症リスク判定システムが示されている。具体的には、この認知症リスク判定システムは、被検者の睡眠時の生体データから被検者の睡眠データを生成し、被検者の睡眠データと、各症状の睡眠データとを比較して、認知症のリスクを判定する。特許文献１には、この認知症リスク判定システムによって、認知症の潜在的リスクを極めて早い段階で判定でき、認知症の発症を遅らせる予防機会を与えることができることが示されている。
特開２０１６−０２２３１０号公報
しかしながら、被検者の睡眠時のデータのみでは、認知機能の低下を適切に判定することが困難な場合がある。
そこで、本発明は、認知機能の低下を適切に判定することができる認知機能低下判定システム等を提供することを目的とする。
本発明の一態様に係る認知機能低下判定システムは、睡眠時間帯におけるユーザの体動量である睡眠時体動量、及び、前記睡眠時間帯以外の時間帯における前記ユーザの体動量である非睡眠時体動量を日別に取得する取得部と、判定期間の複数の日のうち前記睡眠時体動量に対する前記非睡眠時体動量の比率である体動量比率が所定比率を下回る日の発生頻度が、前記判定期間よりも前の比較期間の複数の日のうち前記体動量比率が前記所定比率を下回る日の発生頻度よりも高い場合、前記判定期間において前記比較期間よりも前記ユーザの認知機能が低下していると判定する判定部とを備える。
また、本発明の一態様に係る認知機能低下判定システムは、睡眠時間帯におけるユーザの体動量である睡眠時体動量、及び、前記睡眠時間帯以外の時間帯における前記ユーザの体動量である非睡眠時体動量を日別に取得する取得部と、前記睡眠時体動量に対する前記非睡眠時体動量の比率である体動量比率を判定期間の日毎に表す比率遷移に対する近似直線の傾き値が所定傾き値を下回る場合、前記判定期間の間に前記ユーザの認知機能が低下していると判定する判定部とを備える認知機能低下判定システムであってもよい。
また、本発明の一態様に係るプログラムは、認知機能低下判定方法をコンピュータに実行させるためのプログラムであって、前記認知機能低下判定方法は、睡眠時間帯におけるユーザの体動量である睡眠時体動量、及び、前記睡眠時間帯以外の時間帯における前記ユーザの体動量である非睡眠時体動量を日別に取得する取得ステップと、判定期間の複数の日のうち前記睡眠時体動量に対する前記非睡眠時体動量の比率である体動量比率が所定比率を下回る日の発生頻度が、前記判定期間よりも前の比較期間の複数の日のうち前記体動量比率が前記所定比率を下回る日の発生頻度よりも高い場合、前記判定期間において前記比較期間よりも前記ユーザの認知機能が低下していると判定する判定ステップとを含む。
また、本発明の一態様に係るプログラムは、認知機能低下判定方法をコンピュータに実行させるためのプログラムであって、前記認知機能低下判定方法は、睡眠時間帯におけるユーザの体動量である睡眠時体動量、及び、前記睡眠時間帯以外の時間帯における前記ユーザの体動量である非睡眠時体動量を日別に取得する取得ステップと、前記睡眠時体動量に対する前記非睡眠時体動量の比率である体動量比率を判定期間の日毎に表す比率遷移に対する近似直線の傾き値が所定傾き値を下回る場合、前記判定期間の間に前記ユーザの認知機能が低下していると判定する判定ステップとを含むプログラムであってもよい。
本発明の一態様に係る認知機能低下判定システム等は、認知機能の低下を適切に判定することができる。
図１Ａは、非認知症高齢者の１日の体動量を示すグラフである。 図１Ｂは、非認知症高齢者の翌日の体動量を示すグラフである。 図２Ａは、認知症高齢者の１日の体動量を示すグラフである。 図２Ｂは、認知症高齢者の翌日の体動量を示すグラフである。 図３は、実施の形態における認知機能低下判定システム等の構成を示すブロック図である。 図４は、実施の形態における認知機能低下判定システム等の動作を示すフローチャートである。 図５は、体動量の時間的変化を示すグラフである。 図６は、睡眠時体動量及び非睡眠時体動量を日別に示すグラフである。 図７は、睡眠時体動量に対する非睡眠時体動量の体動量比率を日別に示すグラフである。 図８は、変形例における認知機能低下判定システム等の動作を示すフローチャートである。 図９は、体動量比率の比率遷移に対する近似直線を示すグラフである。
（発明に至る知見）
高齢化社会において、認知症高齢者の問題が顕在化すると想定される。特に、最近、認知症高齢者が運転する車が高速道路を逆走したり歩道を走行したりすること等に伴う事故が報道でも盛んに取り上げられ、認知症に関連するテレビ番組が頻繁に放映されている。
認知症には、軽度から重度まで様々なレベルがある。認知症になる前の軽度認知障害（ＭＣＩ：Ｍｉｌｄ Ｃｏｇｎｉｔｉｖｅ Ｉｍｐａｉｒｍｅｎｔ）の段階で異変が発見された場合、運動トレーニングなどによって認知症の発症が抑えられる可能性がある。そのため、軽度認知障害の段階で異変を早期に発見することが注目されている。一方で、異変を早期に発見することは容易ではなく、異変が看過される可能性もある。
異変を早期に発見する方法として、対象者自身が異変を発見する方法、及び、対象者の周囲の人が異変を発見する方法がある。さらに、対象者の周囲の人が異変を発見する方法には、対象者の周囲の人が対象者の話し方の異変を発見する方法、及び、対象者の周囲の人が対象者の生活行動の異変を発見する方法がある。ここでは、特に、対象者の周囲の人が対象者の生活行動の異変を発見する方法を説明する。
具体的には、対象者がアルツハイマー型認知症になれば、サーカディアン障害が発生する。例えば、対象者の日中の活動レベルが低下して昼間でも対象者がうとうとし、そのため、夜間に対象者の睡眠が浅くなると推定される。
具体的には、認知症の患者は、睡眠及び覚醒等に関する生物時計の制御を司る視床下部及び脳幹に広範かつ重度の器質障害を有すると推定される。特に、アルツハイマー型認知症の患者では、１日の睡眠時間が多数に分断され、夜間の時間帯において頻繁に覚醒と睡眠とを繰り返すことが毎日のように繰り返される場合がある。
図１Ａ及び図１Ｂは、連続する２日間における非認知症高齢者の毎時の体動量を模式的に示す２つのグラフである。具体的には、図１Ａは、連続する２日間のうち１日目における非認知症高齢者の毎時の体動量を模式的に示し、図１Ｂは、連続する２日間のうち２日目における非認知症高齢者の毎時の体動量を模式的に示す。図１Ａ及び図１Ｂにおける体動量は、センサによって１分毎に体動の大きさを０から９までの値で測定し、測定された値を１時間ごとに累積することで得られる。
非認知症高齢者の場合、図１Ａ及び図１Ｂのように、昼の活動時の体動量と、夜の睡眠時の体動量との差は明確である。
図２Ａ及び図２Ｂは、連続する２日間における認知症高齢者の毎時の体動量を模式的に示す２つのグラフである。具体的には、図２Ａは、連続する２日間のうち１日目における認知症高齢者の毎時の体動量を模式的に示し、図２Ｂは、連続する２日間のうち２日目における認知症高齢者の毎時の体動量を模式的に示す。図２Ａ及び図２Ｂにおける体動量は、図１Ａ及び図１Ｂにおける体動量と同様に、センサによって１分毎に体動の大きさを０から９までの値で測定し、測定された値を１時間ごとに累積することで得られる。
認知症高齢者の場合、図２Ａ及び図２Ｂのように、昼の活動時の体動量と、夜の睡眠時の体動量との差が不明確である。すなわち、対象者が、認知症になれば、昼間にうとうとし、そのため、夜間に起きる場合があると想定される。さらに、昼間の何時にうとうとするか、及び、夜間の何時に起きるかの予測が困難な状態が続き、朝の起床時刻、昼寝時間、及び、夜の就寝時刻が、ばらばらになり、１日の生活パターンが安定しなくなると想定される。
以上の知見等により、睡眠時体動量に対する非睡眠時体動量の体動量比率に基づいて、認知機能の低下を判定することができる認知機能低下判定システムに係る技術思想が創出された。以下、その認知機能低下判定システムの実施の形態について、図面を参照して説明する。
ここで示す実施の形態は、いずれも本発明の一具体例を示すものである。従って、以下の実施の形態で示される数値、形状、材料、構成要素、構成要素の配置及び接続形態、並びに、ステップ（工程）及びステップの順序等は、一例であって本発明を限定するものではない。以下の実施の形態における構成要素のうち、独立請求項に記載されていない構成要素は、任意に付加可能な構成要素である。
また、各図は、模式図であり、必ずしも厳密に図示されてない。特に、グラフは、正確な値を示していない場合がある。
（実施の形態）
図３は、本実施の形態における認知機能低下判定システム等の構成を示すブロック図である。図３に示された認知機能低下判定システム１２０は、取得部１２１及び判定部１２２を備える。図３には、さらに、測定部１１０及び通知部１３０が示されている。
例えば、入出力回路、通信線又は通信網等を介して、測定部１１０から取得部１２１へ、取得部１２１から判定部１２２へ、及び、判定部１２２から通知部１３０へ、各種情報が伝送される。情報を伝送するための通信には、有線通信が用いられてもよいし、無線通信が用いられてもよい。
測定部１１０は、ユーザの体動量を測定する測定装置であって、体動センサとも表現され得る。測定部１１０は、電気回路で構成されていてもよい。測定部１１０が、ユーザの体動量を測定するため、ユーザによって携帯されてもよいし、ユーザが存在する環境に設置されてもよい。あるいは、測定部１１０は、複数の構成要素を含み、それらの構成要素の一部が、ユーザによって携帯されてもよいし、ユーザが存在する環境に設置されてもよい。
例えば、測定部１１０は、ユーザによって携帯される振動検知器を含んでいてもよい。そして、測定部１１０は、振動検知器に与えられる振動量をユーザの体動量として測定してもよい。このような振動検知器は、ユーザによって携帯される代わりに、ユーザのベッド等に載置されてもよい。
また、測定部１１０は、ユーザの部屋に設置されるカメラを含んでいてもよい。そして、測定部１１０は、カメラから得られる映像に基づいて、映像に含まれる動きの量をユーザの体動量として測定してもよい。
また、測定部１１０は、ユーザの部屋に設置される送受信アンテナを含んでいてもよい。例えば、送受信アンテナは、電波を送信し、その電波の反射波を受信する。測定部１１０は、送信された電波の波形と、受信された反射波の波形との差分に従って、体動量を測定しもよい。具体的には、その際、ドップラー原理が用いられてもよい。
また、測定部１１０は、上記の振動検知器、カメラ及び送受信アンテナ等の組み合わせによって、体動量を測定してもよい。
また、例えば、測定部１１０は、１分毎に０から９までの１０段階の値で体動量を測定する。この値は、体動が大きいほど、より大きい。ユーザが動いていない場合、体動量が０である。
取得部１２１は、睡眠時体動量及び非睡眠時体動量を日別に取得する情報処理部である。取得部１２１は、電気回路で構成されていてもよい。睡眠時体動量は、睡眠時間帯におけるユーザの体動量であり、非睡眠時体動量は、睡眠時間帯以外の時間帯におけるユーザの体動量である。睡眠時間帯以外の時間帯は、活動時間帯とも表現され得る。また、非睡眠時体動量は、活動時体動量とも表現され得る。
例えば、取得部１２１は、測定部１１０で１分毎に測定された体動量を測定部１１０から取得する。そして、取得部１２１は、１分毎に測定された体動量を睡眠時間帯における体動量と非睡眠時間帯における体動量とに分類して日別に累積することにより、睡眠時体動量及び非睡眠時体動量を日別に取得する。
睡眠時間帯及び非睡眠時間帯は、１分毎に測定された体動量に基づいて、特定されてもよい。例えば、取得部１２１は、体動量が０である状態が３０分間以上継続している場合、その状態の開始時点を入眠時点として特定してもよい。また、取得部１２１は、体動量が１以上である状態が３０分間以上継続している場合、その状態の開始時点を起床時点として特定してもよい。そして、取得部１２１は、入眠時点から起床時点までの時間帯を睡眠時間帯として特定し、その他の時間帯を非睡眠時間帯として特定してもよい。
また、例えば、入眠時点が特定される範囲、及び、起床時点が特定される範囲が予め定められていてもよい。具体的には、取得部１２１は、入眠時点と想定される２２時から１時までの間において、体動量が０である状態が３０分間以上継続している場合、その状態の開始時点を入眠時点として特定してもよい。同様に、取得部１２１は、起床時点と想定される５時から８時までの間において、体動量が１以上である状態が３０分間以上継続している場合、その状態の開始時点を起床時点として特定してもよい。
あるいは、入眠時点及び起床時点は、予め定められていてもよい。すなわち、睡眠時間帯及び非睡眠時間帯は、予め定められていてもよい。例えば、睡眠時間帯は、２３時から６時までの時間帯として予め定められていてもよいし、非睡眠時間帯は、６時から２３時までの時間帯として予め定められていてもよい。また、睡眠時間帯及び非睡眠時間帯は、ユーザの申告、又は、介護記録等に基づいて、特定されてもよい。
そして、取得部１２１は、１分毎に測定された体動量に基づいて、睡眠時間帯における体動量を日別に累積することにより、睡眠時間帯における体動量を日別に取得する。また、取得部１２１は、１分毎に測定された体動量に基づいて、非睡眠時間帯における体動量を日別に累積することにより、非睡眠時間帯における体動量を日別に取得する。
判定部１２２は、ユーザの認知機能が低下しているか否かを判定する情報処理部である。判定部１２２は、電気回路で構成されていてもよい。判定部１２２は、取得部１２１で取得された睡眠時体動量及び非睡眠時体動量に基づいて、ユーザの認知機能が低下しているか否かを判定する。より具体的には、判定部１２２は、睡眠時体動量に対する非睡眠時体動量の比率である体動量比率に基づいて、ユーザの認知機能が低下しているか否かを判定する。
認知機能は、知覚、理解及び判断のための知的機能である。ユーザが認知症又は軽度認知障害になれば、ユーザの認知機能は低下する。また、認知機能の低下に伴うサーカディアン障害の発生によって、昼間の体動量が小さくなり、夜間の体動量が大きくなると想定される。したがって、認知機能の低下に伴うサーカディアン障害の発生によって、睡眠時体動量に対する非睡眠時体動量の体動量比率が低下すると想定される。
一方、日によってユーザの行動は異なる。そのため、認知機能が低下していない場合でも、日によって体動量比率が低下する可能性がある。したがって、１日間における体動量比率によって、認知機能の低下を適切に判定することは困難である。
そこで、例えば、判定部１２２は、睡眠時体動量に対する非睡眠時体動量の体動量比率を日別に算出する。そして、判定部１２２は、体動量比率が所定比率を下回るか否かを日別に判定する。そして、判定部１２２は、体動量比率が所定比率を下回る日の発生頻度に基づいて、ユーザの認知機能が低下しているか否かを判定する。
ここで、体動量比率が所定比率を下回る日は、非良好日とも表現される。所定期間における非良好日の発生頻度は、所定期間の日数に対する非良好日の日数の割合であってもよいし、所定期間における非良好日の連続日数を表してもよい。
また、例えば、判定部１２２は、判定期間における非良好日の発生頻度が、判定期間よりも前の比較期間における非良好日の発生頻度よりも高いか否かを判定する。そして、判定部１２２は、判定期間における非良好日の発生頻度が比較期間における非良好日の発生頻度よりも高い場合、判定期間において比較期間よりもユーザの認知機能が低下していると判定する。
より具体的な例として、判定部１２２は、判定期間である８月における非良好日の発生頻度が、比較期間である７月における非良好日の発生頻度よりも高い場合、８月において７月よりもユーザの認知機能が低下していると判定してもよい。
また、判定期間と比較期間とは部分的に重複していてもよい。例えば、判定期間が比較期間よりも後である状態には、判定期間の終了日が比較期間の終了日よりも後である状態が含まれてもよい。具体的には、判定部１２２は、判定期間を１日ずつ延ばしながら、現在の判定期間において前の判定期間よりも認知機能が低下しているか否かを判定してもよい。
また、上記の所定比率は、ユーザの過去の体動量比率に基づいていてもよい。例えば、所定比率は、比較期間よりも前の参考期間におけるユーザの体動量比率に基づいていてもよい。具体的には、所定比率は、比較期間よりも前の参考期間のそれぞれの日におけるユーザの体動量比率で構成される複数の体動量比率の統計値に従って規定されてもよい。より具体的には、所定比率は、複数の体動量比率の平均値であってもよいし、複数の体動量比率の平均値から標準偏差を引くことで得られる値であってもよい。
ここで、複数の体動量比率の標準偏差は、複数の体動量比率から複数の体動量比率の平均値を引くことで得られる複数の偏差の二乗平均平方根である。
また、上記の参考期間は、例えば、ユーザが健康で不調なく暮らしている期間として認められる期間である。また、認知機能が低下していると判定されなかった判定期間が、その後の期間に対する参考期間として用いられてもよい。例えば、６月において５月よりもユーザの認知機能が低下していると判定されなかった場合、６月における体動量比率に基づいて所定比率が新たに定められ、７月または８月における非良好日の発生頻度を導出するための所定比率として用いられてもよい。
また、判定部１２２は、比較期間における非良好日の発生頻度が、所定発生頻度よりも高いか否かを判定してもよい。そして、判定部１２２は、判定期間における非良好日の発生頻度が、所定発生頻度よりも高いか否かを判定してもよい。そして、判定部１２２は、比較期間における非良好日の発生頻度が所定発生頻度よりも高くなく、かつ、判定期間における非良好日の発生頻度が所定発生頻度よりも高い場合、判定期間において比較期間よりもユーザの認知機能が低下していると判定してもよい。
これにより、判定部１２２は、非良好日の発生頻度が異常な発生頻度レベルに上昇しているか否かに従って、ユーザの認知機能が異常な認知機能レベルに低下しているか否かを判定することができる。
また、上記の所定発生頻度は、過去の期間における非良好日の発生頻度に基づいて定められてもよい。この過去の期間は、上記の参考期間でもよい。あるいは、所定発生頻度は、複数の参考期間の複数の発生頻度の統計値に従って規定されてもよい。具体的には、所定発生頻度は、複数の発生頻度の平均値でもよいし、複数の発生頻度の平均値から標準偏差を引くことで得られる値でもよい。
通知部１３０は、認知機能の低下を通知する通知装置である。通知部１３０は、電気回路で構成されていてもよい。通知部１３０は、情報処理端末であってもよい。より具体的には、通知部１３０は、携帯電話であってもよいし、スマートフォンであってもよいし、タブレット端末であってもよいし、パーソナルコンピュータであってもよい。例えば、通知部１３０は、ユーザの介護者によって携帯されてもよいし、ユーザの介護者が存在する環境に設置されていてもよい。
また、通知部１３０は、ユーザの認知機能が低下していると判定部１２２によって判定された場合、ユーザの認知機能が低下していることを通知する。例えば、判定部１２２は、ユーザの認知機能が低下していると判定した場合、ユーザの認知機能が低下していることを示す判定結果情報を通知部１３０へ送信する。そして、通知部１３０は、ユーザの認知機能が低下していることを示す判定結果情報を受信し、判定結果情報に基づいて、ユーザの認知機能が低下していることを通知する。
通知部１３０は、ディスプレイを含んでいてもよい。そして、通知部１３０は、ユーザの認知機能が低下していることを示す情報をディスプレイに表示することにより、ユーザの認知機能が低下していることを通知してもよい。また、通知部１３０は、スピーカを含んでいてもよい。そして、通知部１３０は、ユーザの認知機能が低下していることを示す情報をスピーカから音声で出力することにより、ユーザの認知機能が低下していることを通知してもよい。
上述した通り、認知機能低下判定システム１２０は、取得部１２１及び判定部１２２を備える。認知機能低下判定システム１２０は、例えば、プロセッサおよびメモリ等を備えるコンピュータシステムである。取得部１２１及び判定部１２２は、プロセッサおよびメモリ等によって実現されてもよい。
また、認知機能低下判定システム１２０は、１つの装置であってもよいし、複数の装置で構成されていてもよい。また、認知機能低下判定システム１２０は、ユーザが存在する環境に設置されていてもよいし、ユーザの介護者が存在する環境に設置されていてもよいし、その他の環境に設置されていてもよい。また、ここでは、認知機能低下判定システム１２０は、１人のユーザに関して認知機能が低下しているか否かを判定しているが、複数のユーザのそれぞれに関して認知機能が低下しているか否かを判定してもよい。
また、認知機能低下判定システム１２０は、さらに、測定部１１０を含んでもよいし、通知部１３０を含んでもよい。また、認知機能低下判定システム１２０は、ユーザ毎に測定部１１０を含んでもよいし、介護者毎に通知部１３０を含んでもよい。
図４は、本実施の形態における認知機能低下判定システム１２０等の動作を示すフローチャートである。
まず、測定部１１０は、ユーザの体動量を測定する（Ｓ１０１）。例えば、測定部１１０は、１分毎にユーザの体動量を測定する。
次に、取得部１２１は、睡眠時体動量及び非睡眠時体動量を取得する（Ｓ１０２）。例えば、取得部１２１は、１分毎に測定された体動量を睡眠時間帯の体動量及び非睡眠時間帯の体動量に分類して日別に累積することにより、睡眠時体動量及び非睡眠時体動量を日別に取得する。
次に、判定部１２２は、睡眠時体動量に対する非睡眠時体動量の体動量比率が所定比率よりも低い日の発生頻度が上昇しているか否かを判定する（Ｓ１０３）。すなわち、判定部１２２は、判定期間における非良好日の発生頻度が、判定期間よりも前の比較期間における非良好日の発生頻度よりも高いか否かを判定する。
そして、判定部１２２は、睡眠時体動量に対する非睡眠時体動量の体動量比率が所定比率よりも低い日の発生頻度が上昇している場合（Ｓ１０３でＹｅｓ）、認知機能が低下していると判定する（Ｓ１０４）。すなわち、判定部１２２は、判定期間における非良好日の発生頻度が比較期間における非良好日の発生頻度よりも高い場合、判定期間において比較期間よりも認知機能が低下していると判定する。
そして、通知部１３０は、睡眠時体動量に対する非睡眠時体動量の体動量比率が所定比率よりも低い日の発生頻度が上昇している場合（Ｓ１０３でＹｅｓ）、認知機能の低下を通知する（Ｓ１０５）。すなわち、判定期間における非良好日の発生頻度が比較期間における非良好日の発生頻度よりも高い場合、通知部１３０は、判定期間において比較期間よりも認知機能が低下していることを通知する。
上記の動作において、認知機能低下判定システム１２０は、睡眠時体動量に対する非睡眠時体動量の体動量比率が所定比率を下回る日の発生頻度に従って、適切に、認知機能の低下を判定することができる。
なお、判定部１２２は、体動量比率が所定比率よりも低い日の発生頻度が上昇していない場合（Ｓ１０３でＮｏ）、認知機能が低下していないと判定してもよい。そして、この場合、通知部１３０は、認知機能が低下していないことを通知してもよい。
また、上述した動作では、睡眠時体動量に対する非睡眠時体動量の比率が所定比率よりも低いか否かの条件が用いられている。この条件と実質的に同等である他の条件が用いられることにより、睡眠時体動量に対する非睡眠時体動量の比率が所定比率よりも低いか否かの条件が用いられてもよい。
具体的には、睡眠時体動量及び非睡眠時体動量の総体動量に対する非睡眠時体動量の比率が所定閾値よりも低いか否かの条件が用いられることにより、睡眠時体動量に対する非睡眠時体動量の比率が所定比率よりも低いか否かの条件が用いられてもよい。あるいは、非睡眠時体動量に対する睡眠時体動量の比率が所定閾値よりも高いか否かの条件が用いられることにより、睡眠時体動量に対する非睡眠時体動量の比率が所定比率よりも低いか否かの条件が用いられてもよい。
また、上述した通り、睡眠時間帯及び非睡眠時間帯は、測定部１１０で測定された体動量に従って特定されてもよい。
図５は、体動量の時間的変化を示すグラフである。例えば、体動量が０である状態が２２時５０分から３０分間以上継続している。したがって、取得部１２１は、２２時５０分を入眠時点として特定してもよい。また、体動量が１以上である状態が５時０分から３０分間以上継続している。したがって、取得部１２１は、５時０分を起床時点として特定してもよい。
なお、上記では、体動量が０である状態が３０分間以上継続していること、及び、体動量が１以上である状態が３０分間以上継続していることが条件に用いられている。これらの数値は例であって、適宜変更されてもよい。また、上記の入眠時点及び起床時点の特定方法は例であって、入眠時点及び起床時点の特定方法は上記の例に限られない。上述したように、入眠時点及び起床時点は、予め定められていてもよい。
図６は、睡眠時体動量及び非睡眠時体動量を日別に示すグラフである。図６には、７月１４日から７月２３日までの１０日間のそれぞれの日の睡眠時体動量及び非睡眠時体動量が異なるハッチングで示されている。棒グラフの下側が睡眠時体動量であり、棒グラフの上側が非睡眠時体動量である。取得部１２１は、図６に示されるような睡眠時体動量及び非睡眠時体動量を取得する。
図７は、睡眠時体動量に対する非睡眠時体動量の体動量比率を日別に示すグラフである。体動量比率は、非睡眠時体動量／睡眠時体動量で算出される。図７には、７月１４日から７月２３日までの１０日間のそれぞれの日について算出された体動量比率がプロットされている。判定部１２２は、図７に示されるような体動量比率を算出してもよい。そして、判定部１２２は、体動量比率が所定比率を下回る日の発生頻度を導出する。
例えば、所定比率が１０である場合、７月１４日から７月２３日までの１０日間のうち、７月１５日及び７月２０日において、体動量比率が所定比率を下回っている。したがって、７月１４日から７月２３日までの１０日間における非良好日の発生頻度は、２／１０＝２０％として導出される。例えば、判定部１２２は、７月１４日から７月２３日までの判定期間における非良好日の発生頻度である２０％が、７月４日から７月１３日までの比較期間における非良好日の発生頻度よりも高い場合、比較期間よりも認知機能が低下していると判定する。
上述した通り、本実施の形態における認知機能低下判定システム１２０は、認知機能が低下しているか否かの判定に、睡眠時体動量に対する非睡眠時体動量の体動量比率を用いる。この体動量比率は、ユーザが、活動時間帯によく動き、かつ、睡眠時間帯によく眠っているか否かを表し得る。認知機能低下判定システム１２０は、このような体動量比率を用いることにより、認知機能が低下しているか否かを適切に判定することができる。
さらに、本実施の形態における認知機能低下判定システム１２０は、認知機能が低下しているか否かの判定に、体動量比率が所定比率を下回る日の発生頻度を用いる。例えば、認知機能が低下していない場合でも、日によって体動量比率は変動し、昼間の作業が少ない日では体動量比率が所定比率を下回る可能性がある。認知機能低下判定システム１２０は、日によって体動量比率が変動しても、体動量比率が所定比率を下回る日の発生頻度を用いて、認知機能が低下しているか否かを適切に判定することができる。
（変形例）
上記の実施の形態における認知機能低下判定システム１２０は、認知機能が低下しているか否かの判定に、体動量比率が所定比率を下回る日の発生頻度を用いる。認知機能低下判定システム１２０は、体動量比率が所定比率を下回る日の発生頻度に代えて、体動量比率を日毎に表す比率遷移に対する近似直線の傾き値を用いてもよい。
以下、体動量比率が所定比率を下回る日の発生頻度に代えて、体動量比率を日毎に表す比率遷移に対する近似直線の傾き値を用いる例を変形例として説明する。なお、この近似直線を体動比率近似直線と呼ぶ場合がある。また、本変形例における認知機能低下判定システム１２０等の構成は、図３の例と同じであるが、動作の一部が、図４の例とは異なる。
図８は、本変形例における認知機能低下判定システム１２０等の動作を示すフローチャートである。
まず、測定部１１０は、図４に示された測定処理（Ｓ１０１）と同様に、ユーザの体動量を測定する（Ｓ２０１）。例えば、測定部１１０は、１分毎にユーザの体動量を測定する。
次に、取得部１２１は、図４に示された取得処理（Ｓ１０２）と同様に、睡眠時体動量及び非睡眠時体動量を取得する（Ｓ２０２）。例えば、取得部１２１は、１分毎に測定された体動量を睡眠時間帯の体動量及び非睡眠時間帯の体動量に分類して日別に累積することにより、睡眠時体動量及び非睡眠時体動量を日別に取得する。
次に、判定部１２２は、睡眠時体動量に対する非睡眠時体動量の体動量比率を日毎に表す比率遷移に対する近似直線の傾き値が所定傾き値よりも小さいか否かを判定する（Ｓ２０３）。すなわち、判定部１２２は、判定期間における体動比率近似直線が、所定傾き値を下回っているか否かを判定する。判定部１２２は、判定期間を１日ずつ延ばしながら、現在の判定期間における体動比率近似直線が、所定傾き値を下回っているか否かを判定してもよい。
そして、判定部１２２は、睡眠時体動量に対する非睡眠時体動量の体動量比率を日毎に表す比率遷移に対する近似直線の傾き値が所定傾き値よりも小さい場合（Ｓ２０３でＹｅｓ）、認知機能が低下していると判定する（Ｓ２０４）。
すなわち、判定部１２２は、判定期間における体動量比率近似直線が所定傾き値を下回っている場合、判定期間の間に認知機能が低下していると判定する。つまり、判定部１２２は、この場合、判定期間における後の方の日において判定期間における前の方の日よりも認知機能が低下していると判定する。より具体的には、この場合、判定期間における終了日において判定期間における開始日よりも認知機能が低下していると判定してもよい。
そして、通知部１３０は、睡眠時体動量に対する非睡眠時体動量の体動量比率を日毎に表す比率遷移に対する近似直線の傾き値が所定傾き値よりも小さい場合（Ｓ２０３でＹｅｓ）、認知機能の低下を通知する（Ｓ２０５）。すなわち、判定期間における体動量比率近似直線の傾き値が所定傾き値を下回っている場合、通知部１３０は、判定期間の間に認知機能が低下していることを通知する。
上記の動作において、認知機能低下判定システム１２０は、睡眠時体動量に対する非睡眠時体動量の体動量比率を日毎に表す比率遷移に対する近似直線の傾き値に従って、適切に、認知機能の低下を判定することができる。
また、判定部１２２は、比率遷移に対する近似直線の傾き値が所定傾き値よりも小さくない場合（Ｓ２０３でＮｏ）、認知機能が低下していないと判定してもよい。そして、この場合、通知部１３０は、認知機能が低下していないことを通知してもよい。
また、例えば、判定期間における体動量比率近似直線の傾き値と比較される所定傾き値は、０である。判定期間における体動量比率近似直線の傾き値が負の値である場合、判定期間における後の方の日において判定期間における前の方の日よりも体動量比率が低下していると想定される。したがって、判定部１２２は、判定期間における体動量比率近似直線の傾き値が０を下回っている場合、判定期間における後の方の日において判定期間における前の方の日よりも認知機能が低下していると判定してもよい。
また、上記の所定傾き値は、０よりも小さい値であってもよく、許容範囲内の負の値であってもよい。また、上記の所定傾き値は、過去の期間における体動量比率近似直線の傾き値に従って定められてもよい。
また、例えば、秋から冬にかけて、夜の時間が長くなり、活動可能時間が減少する。また、秋から冬にかけて、寒くなり、活動可能時間における体動量も減少すると想定される。これにより、認知機能が低下していなくても、非睡眠時間帯の体動量が減少し、睡眠時体動量に対する非睡眠時体動量の体動量比率が減少する可能性がある。つまり、認知機能が低下していなくても、季節などの影響で、体動量比率近似直線の傾き値として０よりも小さい傾き値が現れる可能性がある。
そこで、上記の所定傾き値は、過去の同じ季節における体動量比率近似直線の傾き値に従って定められてもよい。より具体的には、判定期間に対してちょうど１年前の期間における体動量比率近似直線の傾き値が、上記の所定傾き値として用いられてもよい。例えば、判定期間が２０１６年９月１日から２０１６年１２月３１日までである場合、２０１５年９月１日から２０１５年１２月３１日までにおける体動量比率近似直線の傾き値が所定傾き値として用いられてもよい。
また、過去の同じ季節として、判定期間に対して１年前の期間に限らず、２年前の期間が用いられてもよいし、３年以上前の期間が用いられてもよい。つまり、判定期間よりも前の期間であり、１年における相対的な時期が判定期間と同じ期間である対応期間が用いられてもよい。そして、このような対応期間における体動量比率近似直線の傾き値が所定傾き値に用いられてもよい。なお、１年における相対的な時期は、季節に置き換えられ得る。
また、上述した動作では、睡眠時体動量に対する非睡眠時体動量の比率遷移に対する近似直線の傾きが小さいか否かの条件が用いられている。この条件と実質的に同等である他の条件が用いられることにより、睡眠時体動量に対する非睡眠時体動量の比率遷移に対する近似直線の傾きが小さいか否かの条件が用いられてもよい。
具体的には、総体動量に対する非睡眠時体動量の比率遷移に対する近似直線の傾きが小さい否かかの条件が用いられることにより、睡眠時体動量に対する非睡眠時体動量の比率遷移に対する近似直線の傾きが小さいか否かの条件が用いられてもよい。あるいは、非睡眠時体動量に対する睡眠時体動量の比率遷移に対する近似直線の傾きが大きいか否かの条件が用いられることにより、睡眠時体動量に対する非睡眠時体動量の比率遷移に対する近似直線の傾きが小さいか否かの条件が用いられてもよい。
図９は、体動量比率の比率遷移に対する近似直線を示すグラフである。具体的には、図７に示されたグラフに、体動量比率近似直線、つまり体動量比率を日毎に表す比率遷移に対する近似直線が追加されている。認知機能低下判定システム１２０は、この体動量比率近似直線の傾き値に基づいて、認知機能が低下しているか否かを判定する。
例えば、この体動量比率近似直線の傾き値が所定傾き値よりも小さい場合、認知機能低下判定システム１２０は、認知機能が低下していると判定する。具体的には、所定傾き値が０であり、この体動量比率近似直線の傾き値が０を下回っている場合、認知機能低下判定システム１２０は、認知機能が低下していると判定してもよい。
また、例えば、この体動量比率近似直線の傾き値が所定傾き値よりも大きい場合、認知機能低下判定システム１２０は、認知機能が低下していないと判定する。具体的には、所定傾き値が０であり、この体動量比率近似直線の傾き値が０を下回っていない場合、認知機能低下判定システム１２０は、認知機能が低下していないと判定してもよい。
上述した通り、本変形例における認知機能低下判定システム１２０は、認知機能が低下しているか否かの判定に、睡眠時体動量に対する非睡眠時体動量の体動量比率を日毎に表す比率遷移に対する近似直線の傾き値を用いる。この近似直線の傾き値が、例えば０等の所定値よりも小さければ、サーカディアン障害によって、昼の体動量が減少し、夜の体動量が増加していると想定される。
したがって、認知機能低下判定システム１２０は、この近似直線の傾き値を用いることにより、認知機能が低下しているか否かを適切に判定することができる。
以上、本発明の一態様における認知機能低下判定システム１２０について、実施の形態等に従って説明したが、本発明は、実施の形態等に限定されない。実施の形態等に対して当業者が思いつく変形を施して得られる形態、及び、実施の形態等における複数の構成要素を任意に組み合わせて実現される別の形態も本発明に含まれる。
例えば、特定の構成要素が実行する処理を別の構成要素が実行してもよい。また、処理を実行する順番が変更されてもよいし、複数の処理が並行して実行されてもよい。
また、日別の睡眠時体動量、非睡眠時体動量及び体動量比率等を規定するためのそれぞれの日は、０時から開始されなくてもよい。例えば、昼の１２時から次の昼の１２時までの２４時間が、１日として規定されてもよい。
また、本発明は、認知機能低下判定システム１２０として実現できるだけでなく、認知機能低下判定システム１２０を構成する各構成要素が行うステップを含む認知機能低下判定方法として実現できる。例えば、それらのステップは、プロセッサ、メモリ及び入出力回路等を備えるコンピュータシステムによって実行される。そして、本発明は、それらの方法に含まれるステップを、コンピュータシステムに実行させるためのプログラムとして実現できる。なお、コンピュータシステムは、単にコンピュータと表現される場合がある。
また、本発明は、上記のプログラムを記録した非一時的なコンピュータ読み取り可能な記録媒体として実現できる。記録媒体は、ＣＤ−ＲＯＭ等の光ディスクでもよいし、ハードディスドライブ等の磁気ディスクでもよいし、光磁気ディスク（ＭＯ）でもよいし、フラッシュメモリ等の半導体メモリでもよいし、他の非一時的なコンピュータ読み取り可能な記録媒体でもよい。また、プログラムは、記録媒体に予め記録されていてもよいし、通信ネットワークを介して記録媒体に供給されることで記録媒体に記録されてもよい。
例えば、本発明が、プログラムで実現される場合には、コンピュータシステムのプロセッサ、メモリ及び入出力回路等のハードウェア資源を利用してプログラムが実行されることによって、各ステップが実行される。つまり、プロセッサがデータをメモリ又は入出力回路等から取得して演算したり、演算結果をメモリ又は入出力回路等に出力したりすることによって、各ステップが実行される。プログラムを実行するためのプロセッサとして、任意の種類のプロセッサが利用可能である。
また、認知機能低下判定システム１２０等に含まれる複数の構成要素は、それぞれ、専用又は汎用の回路として実現されてもよい。これらの構成要素は、１つの回路として実現されてもよいし、複数の回路として実現されてもよい。
また、認知機能低下判定システム１２０等に含まれる複数の構成要素は、集積回路（ＩＣ：Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）であるＬＳＩ（Ｌａｒｇｅ Ｓｃａｌｅ Ｉｎｔｅｇｒａｔｉｏｎ）として実現されてもよい。これらの構成要素は、個別に１チップ化されてもよいし、一部又は全てを含むように１チップ化されてもよい。これらの構成要素が、１つの装置の１以上のチップに設けられてもよいし、複数の装置の複数のチップに設けられてもよい。
また、ＬＳＩは、集積度の違いにより、システムＬＳＩ、スーパーＬＳＩ又はウルトラＬＳＩと呼称される場合がある。また、集積回路は、専用回路又は汎用プロセッサで実現されてもよい。プログラム可能なＦＰＧＡ（Ｆｉｅｌｄ Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙ）、又は、内部の回路セルの接続及び設定が再構成可能なリコンフィギュラブル・プロセッサが、利用されてもよい。
さらに、半導体技術の進歩又は派生する別技術によりＬＳＩに置き換わる集積回路化の技術が登場すれば、当然、その技術を用いて、認知機能低下判定システム１２０に含まれる複数の構成要素の集積回路化が行われてもよい。
最後に、認知機能低下判定システム１２０等の複数の態様を例として示す。これらの態様は、適宜、組み合わされてもよい。また、上記の実施の形態等に示された任意の構成等が追加されてもよい。
（第１態様）
本発明の一態様における認知機能低下判定システム１２０は、取得部１２１と、判定部１２２とを備える。取得部１２１は、睡眠時間帯におけるユーザの体動量である睡眠時体動量、及び、睡眠時間帯以外の時間帯におけるユーザの体動量である非睡眠時体動量を日別に取得する。
判定部１２２は、判定期間の複数の日のうち体動量比率が所定比率を下回る日の発生頻度が、比較期間の複数の日のうち体動量比率が所定比率を下回る日の発生頻度よりも高い場合、判定期間において比較期間よりもユーザの認知機能が低下していると判定する。ここで、体動量比率は、睡眠時体動量に対する非睡眠時体動量の比率である。比較期間は、判定期間よりも前の期間である。
これにより、認知機能低下判定システム１２０は、認知機能が低下しているか否かの判定に、睡眠時体動量に対する非睡眠時体動量の体動量比率を用いることができる。例えば、ユーザの認知機能が低下している場合、サーカディアン障害によって、夜間の眠りが浅くなっており、かつ、昼間の動きが鈍くなっていると想定され、体動量比率が小さくなっていると想定される。よって、認知機能低下判定システム１２０は、認知機能の低下に関連する特性に基づいて、認知機能が低下しているか否かを適切に判定することができる。
さらに、認知機能低下判定システム１２０は、認知機能が低下しているか否かの判定に、体動量比率が所定比率を下回る日の発生頻度を用いることができる。これにより、認知機能低下判定システム１２０は、認知機能の低下によらない一時的な体動量比率の低下を認知機能の低下として誤って判定することを抑制することができる。
（第２態様）
例えば、所定比率は、比較期間よりも前の参考期間の日毎の体動量比率で構成される複数の体動量比率の統計値に従って規定されてもよい。これにより、認知機能低下判定システム１２０は、過去の体動量比率に従って、体動量比率を適切に評価することができる。
（第３態様）
例えば、所定比率は、複数の体動量比率の平均値から複数の体動量比率の標準偏差を引くことで得られる値であってもよい。これにより、認知機能低下判定システム１２０は、過去の体動量比率の平均的な範囲に従って、体動量比率を適切に評価することができる。
（第４態様）
例えば、判定部１２２は、比較期間における非良好日の発生頻度が所定発生頻度以下であり、かつ、判定期間における非良好日の発生頻度が所定発生頻度よりも高い場合、判定期間において比較期間よりもユーザの認知機能が低下していると判定してもよい。ここで、比較期間における非良好日の発生頻度は、比較期間の複数の日のうち体動量比率が所定比率を下回る日の発生頻度である。判定期間における非良好日の発生頻度は、判定期間の複数の日のうち体動量比率が所定比率を下回る日の発生頻度である。
これにより、認知機能低下判定システム１２０は、非良好日の発生頻度が許容範囲よりも高くなった場合に、認知機能が異常なレベルに低下していると判定することができる。
（第５態様）
例えば、認知機能低下判定システム１２０は、さらに、通知部１３０を備えてもよい。通知部１３０は、認知機能が低下していると判定された場合、認知機能が低下していることを通知してもよい。これにより、認知機能低下判定システム１２０は、認知機能が低下している場合、認知機能が低下していることをユーザの介護者等に通知することができる。
（第６態様）
例えば、認知機能低下判定システム１２０は、さらに、測定部１１０を備えてもよい。測定部１１０は、ユーザの体動量を測定してもよい。そして、取得部１２１は、測定部１１０で測定された体動量を取得してもよい。そして、取得部１２１は、測定部１１０で測定された体動量に従って、睡眠時間帯を日別に特定してもよい。そして、取得部１２１は、測定部１１０で測定された体動量、及び、日別に特定された睡眠時間帯に従って、睡眠時体動量及び非睡眠時体動量を日別に取得してもよい。
これにより、認知機能低下判定システム１２０は、ユーザの体動量に従って、睡眠時間帯を適切に特定することができる。したがって、認知機能低下判定システム１２０は、睡眠時間帯における睡眠時体動量、及び、睡眠時間帯以外の時間帯における非睡眠時体動量を適切に取得することができる。よって、認知機能低下判定システム１２０は、適切に取得された睡眠時体動量及び非睡眠時体動量に従って、認知機能が低下しているか否かを適切に判定することができる。
（第７態様）
本発明の一態様における認知機能低下判定システム１２０は、取得部１２１と、判定部１２２とを備える。取得部１２１は、睡眠時間帯におけるユーザの体動量である睡眠時体動量、及び、睡眠時間帯以外の時間帯におけるユーザの体動量である非睡眠時体動量を日別に取得する。判定部１２２は、睡眠時体動量に対する非睡眠時体動量の比率である体動量比率を判定期間の日毎に表す比率遷移に対する近似直線の傾き値が所定傾き値を下回る場合、判定期間の間にユーザの認知機能が低下していると判定する。
これにより、認知機能低下判定システム１２０は、認知機能が低下しているか否かの判定に、睡眠時体動量に対する非睡眠時体動量の体動量比率を用いることができる。例えば、ユーザの認知機能が低下している場合、サーカディアン障害によって、夜間の眠りが浅くなっており、かつ、昼間の動きが鈍くなっていると想定され、体動量比率が小さくなっていると想定される。よって、認知機能低下判定システム１２０は、認知機能の低下に関連する特性に基づいて、認知機能が低下しているか否かを適切に判定することができる。
さらに、認知機能低下判定システム１２０は、認知機能が低下しているか否かの判定に、体動量比率を判定期間の日毎に表す比率遷移に対する近似直線の傾き値を用いることができる。この近似直線の傾き値が小さければ、サーカディアン障害によって、判定期間の間に、昼の体動量が減少し、夜の体動量が増加していると想定される。したがって、認知機能低下判定システム１２０は、この近似直線の傾き値を用いることにより、判定期間の間に、認知機能が低下しているか否かを適切に判定することができる。
（第８態様）
例えば、所定傾き値は、体動量比率を対応期間の日毎に表す比率遷移に対する近似直線の傾き値であってもよい。ここで、対応期間は、判定期間よりも前の期間であり、１年の周期における相対的な時期が判定期間と同じ期間である。
これにより、認知機能低下判定システム１２０は、判定期間における傾き値が過去の同時期における傾き値よりも下回る場合に、認知機能が低下していると判定することができる。したがって、認知機能低下判定システム１２０は、認知機能が低下しているか否かの判定に、季節の特性等を反映させることができる。
（第９態様）
例えば、認知機能低下判定システム１２０は、さらに、通知部１３０を備えてもよい。通知部１３０は、認知機能が低下していると判定された場合、認知機能が低下していることを通知してもよい。これにより、認知機能低下判定システム１２０は、認知機能が低下している場合、認知機能が低下していることをユーザの介護者等に通知することができる。
（第１０態様）
例えば、認知機能低下判定システム１２０は、さらに、測定部１１０を備えてもよい。測定部１１０は、ユーザの体動量を測定してもよい。そして、取得部１２１は、測定部１１０で測定された体動量を取得してもよい。そして、取得部１２１は、測定部１１０で測定された体動量に従って、睡眠時間帯を日別に特定してもよい。そして、取得部１２１は、測定部１１０で測定された体動量、及び、日別に特定された睡眠時間帯に従って、睡眠時体動量及び非睡眠時体動量を日別に取得してもよい。
これにより、認知機能低下判定システム１２０は、ユーザの体動量に従って、睡眠時間帯を適切に特定することができる。したがって、認知機能低下判定システム１２０は、睡眠時間帯における睡眠時体動量、及び、睡眠時間帯以外の時間帯における非睡眠時体動量を適切に取得することができる。よって、認知機能低下判定システム１２０は、適切に取得された睡眠時体動量及び非睡眠時体動量に従って、認知機能が低下しているか否かを適切に判定することができる。
（第１１態様）
本発明の一態様におけるプログラムは、認知機能低下判定方法をコンピュータに実行させるためのプログラムである。認知機能低下判定方法は、取得ステップ（Ｓ１０２）と、判定ステップ（Ｓ１０３、Ｓ１０４）とを含む。取得ステップ（Ｓ１０２）では、睡眠時間帯におけるユーザの体動量である睡眠時体動量、及び、睡眠時間帯以外の時間帯におけるユーザの体動量である非睡眠時体動量を日別に取得する。
判定ステップ（Ｓ１０３、Ｓ１０４）では、判定期間における非良好日の発生頻度が、比較期間における非良好日の発生頻度よりも高い場合、判定期間において比較期間よりもユーザの認知機能が低下していると判定する。
ここで、判定期間における非良好日の発生頻度は、判定期間の複数の日のうち体動量比率が所定比率を下回る日の発生頻度である。比較期間における非良好日の発生頻度は、比較期間の複数の日のうち体動量比率が所定比率を下回る日の発生頻度である。体動量比率は、睡眠時体動量に対する非睡眠時体動量の比率である。比較期間は、判定期間よりも前の期間である。
これにより、上記のプログラムは、睡眠時体動量に対する非睡眠時体動量の体動量比率が所定比率を下回る日の発生頻度を用いて認知機能が低下しているか否かを判定する認知機能低下判定方法をコンピュータに実行させることができる。したがって、睡眠時体動量に対する非睡眠時体動量の体動量比率が所定比率を下回る日の発生頻度を用いて認知機能が低下しているか否かを判定する認知機能低下判定システム１２０と同様の効果が上記のプログラムによって得られる。
（第１２態様）
本発明の一態様におけるプログラムは、認知機能低下判定方法をコンピュータに実行させるためのプログラムである。認知機能低下判定方法は、取得ステップ（Ｓ２０２）と、判定ステップ（Ｓ２０３、Ｓ２０４）とを含む。取得ステップ（Ｓ２０２）では、睡眠時間帯におけるユーザの体動量である睡眠時体動量、及び、睡眠時間帯以外の時間帯におけるユーザの体動量である非睡眠時体動量を日別に取得する。
判定ステップ（Ｓ２０３、Ｓ２０４）では、体動量比率を判定期間の日毎に表す比率遷移に対する近似直線の傾き値が所定傾き値を下回る場合、判定期間の後半に含まれる日において判定期間の前半に含まれる日よりもユーザの認知機能が低下していると判定する。ここで、体動量比率は、睡眠時体動量に対する非睡眠時体動量の比率である。
これにより、上記のプログラムは、睡眠時体動量に対する非睡眠時体動量の体動量比率を日毎に表す比率遷移に対する近似直線の傾き値を用いて認知機能が低下しているか否かを判定する認知機能低下判定方法をコンピュータに実行させることができる。したがって、睡眠時体動量に対する非睡眠時体動量の体動量比率を日毎に表す比率遷移に対する近似直線の傾き値を用いて認知機能が低下しているか否かを判定する認知機能低下判定システム１２０と同様の効果が上記のプログラムによって得られる。
１１０ 測定部
１２０ 認知機能低下判定システム
１２１ 取得部
１２２ 判定部
１３０ 通知部

Claims (12)

  1. 睡眠時間帯におけるユーザの体動量である睡眠時体動量、及び、前記睡眠時間帯以外の時間帯における前記ユーザの体動量である非睡眠時体動量を日別に取得する取得部と、
    判定期間の複数の日のうち前記睡眠時体動量に対する前記非睡眠時体動量の比率である体動量比率が所定比率を下回る日の発生頻度が、前記判定期間よりも前の比較期間の複数の日のうち前記体動量比率が前記所定比率を下回る日の発生頻度よりも高い場合、前記判定期間において前記比較期間よりも前記ユーザの認知機能が低下していると判定する判定部とを備える
    認知機能低下判定システム。
  2. 前記所定比率は、前記比較期間よりも前の参考期間の日毎の前記体動量比率で構成される複数の体動量比率の統計値に従って規定される
    請求項１に記載の認知機能低下判定システム。
  3. 前記所定比率は、前記複数の体動量比率の平均値から前記複数の体動量比率の標準偏差を引くことで得られる値である
    請求項２に記載の認知機能低下判定システム。
  4. 前記判定部は、前記比較期間の複数の日のうち前記体動量比率が前記所定比率を下回る日の発生頻度が所定発生頻度以下であり、かつ、前記判定期間の複数の日のうち前記体動量比率が前記所定比率を下回る日の発生頻度が前記所定発生頻度よりも高い場合、前記認知機能が低下していると判定する
    請求項１〜３のいずれか１項に記載の認知機能低下判定システム。
  5. 前記認知機能低下判定システムは、さらに、前記認知機能が低下していると判定された場合、前記認知機能が低下していることを通知する通知部を備える
    請求項１〜４のいずれか１項に記載の認知機能低下判定システム。
  6. 前記認知機能低下判定システムは、さらに、前記ユーザの体動量を測定する測定部を備え、
    前記取得部は、
    前記測定部で測定された体動量を取得し、
    前記測定部で測定された体動量に従って、前記睡眠時間帯を日別に特定し、
    前記測定部で測定された体動量、及び、日別に特定された前記睡眠時間帯に従って、前記睡眠時体動量及び前記非睡眠時体動量を日別に取得する
    請求項１〜５のいずれか１項に記載の認知機能低下判定システム。
  7. 睡眠時間帯におけるユーザの体動量である睡眠時体動量、及び、前記睡眠時間帯以外の時間帯における前記ユーザの体動量である非睡眠時体動量を日別に取得する取得部と、
    前記睡眠時体動量に対する前記非睡眠時体動量の比率である体動量比率を判定期間の日毎に表す比率遷移に対する近似直線の傾き値が所定傾き値を下回る場合、前記判定期間の間に前記ユーザの認知機能が低下していると判定する判定部とを備える
    認知機能低下判定システム。
  8. 前記所定傾き値は、前記体動量比率を対応期間の日毎に表す比率遷移に対する近似直線の傾き値であり、
    前記対応期間は、前記判定期間よりも前の期間であり、１年における相対的な時期が前記判定期間と同じ期間である
    請求項７に記載の認知機能低下判定システム。
  9. 前記認知機能低下判定システムは、さらに、前記認知機能が低下していると判定された場合、前記認知機能が低下していることを通知する通知部を備える
    請求項７又は８に記載の認知機能低下判定システム。
  10. 前記認知機能低下判定システムは、さらに、前記ユーザの体動量を測定する測定部を備え、
    前記取得部は、
    前記測定部で測定された体動量を取得し、
    前記測定部で測定された体動量に従って、前記睡眠時間帯を日別に特定し、
    前記測定部で測定された体動量、及び、日別に特定された前記睡眠時間帯に従って、前記睡眠時体動量及び前記非睡眠時体動量を日別に取得する
    請求項７〜９のいずれか１項に記載の認知機能低下判定システム。
  11. 認知機能低下判定方法をコンピュータに実行させるためのプログラムであって、
    前記認知機能低下判定方法は、
    睡眠時間帯におけるユーザの体動量である睡眠時体動量、及び、前記睡眠時間帯以外の時間帯における前記ユーザの体動量である非睡眠時体動量を日別に取得する取得ステップと、
    判定期間の複数の日のうち前記睡眠時体動量に対する前記非睡眠時体動量の比率である体動量比率が所定比率を下回る日の発生頻度が、前記判定期間よりも前の比較期間の複数の日のうち前記体動量比率が前記所定比率を下回る日の発生頻度よりも高い場合、前記判定期間において前記比較期間よりも前記ユーザの認知機能が低下していると判定する判定ステップとを含む
    プログラム。
  12. 認知機能低下判定方法をコンピュータに実行させるためのプログラムであって、
    前記認知機能低下判定方法は、
    睡眠時間帯におけるユーザの体動量である睡眠時体動量、及び、前記睡眠時間帯以外の時間帯における前記ユーザの体動量である非睡眠時体動量を日別に取得する取得ステップと、
    前記睡眠時体動量に対する前記非睡眠時体動量の比率である体動量比率を判定期間の日毎に表す比率遷移に対する近似直線の傾き値が所定傾き値を下回る場合、前記判定期間の間に前記ユーザの認知機能が低下していると判定する判定ステップとを含む
    プログラム。
JP2019559509A 2017-12-13 2018-11-19 認知機能低下判定システム Active JP6846723B2 (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2017238903 2017-12-13
JP2017238903 2017-12-13
PCT/JP2018/042620 WO2019116830A1 (ja) 2017-12-13 2018-11-19 認知機能低下判定システム

Publications (2)

Publication Number Publication Date
JPWO2019116830A1 JPWO2019116830A1 (ja) 2020-09-24
JP6846723B2 true JP6846723B2 (ja) 2021-03-24

Family

ID=66818990

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2019559509A Active JP6846723B2 (ja) 2017-12-13 2018-11-19 認知機能低下判定システム

Country Status (4)

Country Link
US (1) US11219404B2 (ja)
JP (1) JP6846723B2 (ja)
CN (1) CN111465354B (ja)
WO (1) WO2019116830A1 (ja)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7129652B2 (ja) * 2019-07-22 2022-09-02 パナソニックＩｐマネジメント株式会社 歩行機能評価装置、歩行機能評価システム、歩行機能評価方法、プログラム、及び、認知機能評価装置
US11646122B2 (en) * 2021-05-20 2023-05-09 Solsten, Inc. Systems and methods to facilitate adjusting content to facilitate therapeutic outcomes of subjects

Family Cites Families (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4782836A (en) * 1984-05-24 1988-11-08 Intermedics, Inc. Rate adaptive cardiac pacemaker responsive to patient activity and temperature
US6530884B2 (en) * 1998-10-30 2003-03-11 The United States Of America As Represented By The Secretary Of The Army Method and system for predicting human cognitive performance
JP3502006B2 (ja) 2000-03-21 2004-03-02 株式会社日立エンジニアリングサービス 高齢者に対する介護スタッフ配置支援システムおよび支援方法
JP2004046560A (ja) 2002-07-12 2004-02-12 Kaiteki Kaigo No Ie:Kk 独居居住者ライフラインデータ処理システム
RU2623304C2 (ru) * 2011-10-07 2017-06-23 Конинклейке Филипс Н.В. Система мониторинга для мониторинга пациента и обнаружения делирия у пациента
WO2013061415A1 (ja) * 2011-10-26 2013-05-02 株式会社日立製作所 呼吸測定システム及びｒｅｍ睡眠判定システム
JP6453557B2 (ja) 2014-05-09 2019-01-16 吉田　一雄 見守りシステム
WO2015197809A1 (en) * 2014-06-27 2015-12-30 Koninklijke Philips N.V. Apparatus, system, method and computer program for assessing the risk of an exacerbation and/or hospitalization
JP6411111B2 (ja) 2014-07-24 2018-10-24 タイオー株式会社 認知症リスク判定システム
CA2975670A1 (en) * 2014-08-13 2016-02-18 James Archibald TIMMONS Healthcare diagnostic
JP6315196B2 (ja) * 2014-09-19 2018-04-25 パナソニックＩｐマネジメント株式会社 生体情報検出装置およびベッド
JP2016144560A (ja) 2015-02-09 2016-08-12 セイコーエプソン株式会社 ウェアラブル機器、生体情報測定装置、生体情報測定システム、および生体情報測定装置の充電方法
JP5901089B1 (ja) 2015-03-13 2016-04-06 株式会社クロスウェル 認知症判定装置およびプログラム
ES2725681T3 (es) * 2015-10-28 2019-09-26 Koninklijke Philips Nv Monitorización de las actividades de la vida diaria de una persona
KR102206717B1 (ko) * 2016-03-09 2021-01-22 파나소닉 아이피 매니지먼트 가부시키가이샤 인지증 정보 출력 시스템 및 제어 프로그램
JP6845404B2 (ja) * 2016-03-18 2021-03-17 国立大学法人電気通信大学 睡眠段階判定方法、睡眠段階判定装置、及び睡眠段階判定プログラム
WO2017183602A1 (ja) * 2016-04-19 2017-10-26 コニカミノルタ株式会社 被監視者監視システムおよび被監視者監視方法
JP6569992B2 (ja) * 2016-05-02 2019-09-04 パナソニックＩｐマネジメント株式会社 認知症情報出力システム及び制御プログラム
CN106974620B (zh) * 2017-03-08 2020-04-07 中国人民解放军南京军区南京总医院 用于睡眠质量监控、管理以及促进睡眠的装置

Also Published As

Publication number Publication date
CN111465354A (zh) 2020-07-28
WO2019116830A1 (ja) 2019-06-20
US20210186410A1 (en) 2021-06-24
US11219404B2 (en) 2022-01-11
CN111465354B (zh) 2023-02-24
JPWO2019116830A1 (ja) 2020-09-24

Similar Documents

Publication Publication Date Title
US11806158B2 (en) Adjusting alarms based on sleep onset latency
AU2020202572A1 (en) Methods and systems for forecasting seizures
CN109464130A (zh) 睡眠辅助方法、系统及可读存储介质
JP6569992B2 (ja) 認知症情報出力システム及び制御プログラム
JP2009106681A (ja) 傾向予測装置及び傾向予測システム
JP6846723B2 (ja) 認知機能低下判定システム
JP6631931B2 (ja) 認知症情報出力システム及び制御プログラム
TW201626119A (zh) 智慧鬧鈴控制系統及方法
US20230233794A1 (en) Deep learning-based sleep assistance system through optimization of ultradian rhythm
JP2016067811A (ja) 生体情報検出システム、生体情報検出装置及び生体情報検出システムの制御方法
CN109259729A (zh) 睡眠监测系统、方法、装置、设备和存储介质
CN109803582A (zh) 失眠症治疗支援装置及失眠症治疗支援用程序
JP7250647B2 (ja) 仮眠補助システム、および、仮眠補助用プログラム
CN111657855B (zh) 睡眠评估和睡眠唤醒方法及装置和电子设备
CN114191684A (zh) 基于脑电的睡眠控制方法、装置、智能终端及存储介质
CN105662394B (zh) 一种向用户提示信息的方法和装置
CN103654744B (zh) 一种睡眠质量监测方法
KR102417541B1 (ko) 피드백 기반의 일주기 리듬 관리 장치 및 방법
US20210169412A1 (en) Method for automatically recording circadian rhythm of user via portable device and portable device thereof
US20120157873A1 (en) Wake-up device for napping time
KR102650641B1 (ko) 수면 단계 예측 장치 및 방법
JP2017006596A (ja) 判断支援プログラム、判断支援方法、及び判断支援装置
JP2020014648A (ja) 情報処理装置、情報処理方法及び情報処理プログラム
WO2019130614A1 (ja) 表示プログラム、表示方法および表示装置
KR20240135922A (ko) 디지털 표현형을 이용한 기분 삽화 발생 예측 장치 및 방법

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20200227

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: 20210119

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20210216

R151 Written notification of patent or utility model registration

Ref document number: 6846723

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R151