JPWO2015147174A1 - 排卵日予測プログラム及び排卵日予測方法 - Google Patents
排卵日予測プログラム及び排卵日予測方法 Download PDFInfo
- Publication number
- JPWO2015147174A1 JPWO2015147174A1 JP2016510488A JP2016510488A JPWO2015147174A1 JP WO2015147174 A1 JPWO2015147174 A1 JP WO2015147174A1 JP 2016510488 A JP2016510488 A JP 2016510488A JP 2016510488 A JP2016510488 A JP 2016510488A JP WO2015147174 A1 JPWO2015147174 A1 JP WO2015147174A1
- Authority
- JP
- Japan
- Prior art keywords
- ovulation
- data
- date
- menstrual
- day
- 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.)
- Granted
Links
Classifications
-
- 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
- A61B10/0012—Ovulation-period determination
-
- 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
- G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
-
- 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
- A61B10/0012—Ovulation-period determination
- A61B2010/0019—Ovulation-period determination based on measurement of temperature
-
- 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
- A61B10/0012—Ovulation-period determination
- A61B2010/0029—Ovulation-period determination based on time measurement
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Molecular Biology (AREA)
- Heart & Thoracic Surgery (AREA)
- Veterinary Medicine (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
信頼性の高い排卵日予測を行うためのプログラムを提供することを目的とする。排卵日予測プログラムは、コンピュータに、予め取得した複数人のデータに基づいて推定された、月経日と排卵日との間隔と平均月経周期との関係に対し、特定の月経周期を適用することにより、特定の月経周期に対応した予測排卵日データを算出する処理を実行させる。
Description
本発明は、排卵日を予測するための技術に関する。
従来、排卵日を予測するために様々な方法が検討されている。これらの方法には、長期的な予測方法や即時的な予測方法がある。
長期的な予測方法は、過去数回の月経周期のデータに基づいて、将来的な月経開始日及び排卵日を予測する。具体的には、オギノ式(カレンダー法)やサイクル中間法がある。サイクル中間法は、平均月経周期の半分の日数を最新の月経開始日に加えた日付を排卵日として予測する。
即時的な予測方法は、身体的なデータに基づいて、排卵日が近づいたこと、或いは排卵が行われたことを予測する。具体的には、基礎体温の利用(カバーライン法)や身体的な変化の利用(頸管粘液の確認)がある。
更に、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。
しかし、上述の予測方法は、いずれも信頼性の高い排卵日予測が困難である。たとえば、オギノ式は、排卵日から次回の月経開始日までの期間が一定(14日)であるという前提で排卵日を予測している。ところが、月経周期に個人差があるのと同様、排卵日から次回の月経開始日までの期間にも個人差があるため、オギノ式では信頼性の高い排卵日予測が困難である。また、一般的に低体温期から高体温期への移行は、排卵に引き続いて起こる。よって、カバーライン法は、排卵日の事後的な把握のためにしか用いることができない。
更には、月経周期や排卵日に関するデータを十分に持っていない個人であっても、信頼性の高い排卵日予測を行うことが望まれている。
本発明は、前述の問題点を解決するためになされたものであり、信頼性の高い排卵日予測を行うための技術を提供することを目的とする。
上記課題を解決するために、本発明における排卵日予測プログラムは、コンピュータに、予め取得した複数人のデータに基づいて推定された、月経日と排卵日との間隔と平均月経周期との関係に対し、特定の月経周期を適用することにより、当該特定の月経周期に対応した予測排卵日データを算出する処理を実行させる。
また、上記課題を解決するために、本発明における排卵日予測方法は、予め取得した複数人のデータに基づいて推定された、月経日と排卵日との間隔と平均月経周期との関係に対し、特定の月経周期を適用することにより、当該特定の月経周期に対応した予測排卵日データを算出する。
また、上記課題を解決するために、本発明における排卵日予測方法は、予め取得した複数人のデータに基づいて推定された、月経日と排卵日との間隔と平均月経周期との関係に対し、特定の月経周期を適用することにより、当該特定の月経周期に対応した予測排卵日データを算出する。
本発明によれば、同じ平均月経周期を持った集団の排卵日に関する平均的な傾向を利用することで、自己の月経周期に基づいて信頼性の高い排卵日予測を行うことができる。
<実施形態に共通の構成>
図1を参照して各実施形態に共通の構成について説明する。
図1を参照して各実施形態に共通の構成について説明する。
ユーザ端末1は、個人が所有する携帯端末(スマートフォン、タブレット端末)やPCである。ユーザ端末1は、入力部1a及び表示部1bを含む。ユーザ端末1は「コンピュータ」の一例である。
サーバ2は、複数人のユーザから得られたデータを記録・管理するデータベース(DB)2aを含む。また、サーバ2は、データベース2aに蓄積されたデータを利用して、所定のプログラムを構築する。
データベース2aに記録されるデータは、月経開始日、排卵日、性交を行った日等である。これらのデータは、たとえば、携帯アプリやWebページとして提供される個人向けの月経日予測サービス、妊娠支援サービスを介して取得できる。従来、医学研究のためにこれらのデータが取得されることがあったが、その数は数十〜数百に過ぎない。一方、このようなサービスを用いることにより、サーバ2は従来と比較して大規模なデータ(少なくとも数千〜数万)を収集できる。以下の実施形態に示す図(グラフ)等は、このような大規模データを元に得られた結果である。このような大規模データは、本発明における「予め取得した複数人のデータ」の一例である。
サーバ2により構築されたプログラムは、たとえば、アプリケーションソフトウェアとして実装される。ユーザは、当該ソフトウェアを携帯アプリとしてユーザ端末1にダウンロードできる。ユーザは、携帯アプリを起動することにより、本発明のプログラムを実行できる。以下、各実施形態においてこのプログラムの詳細について説明を行う。
なお、実施形態ではプログラムがユーザ端末1で実行される例を述べるが、プログラムが実行されるコンピュータは、ユーザ端末1に限られない。たとえば、ユーザ端末1は入力手段及び表示手段としてのみ機能し、サーバ2はユーザ端末1からの入力に基づいてプログラムを実行することでもよい。或いは、一部のプログラムがユーザ端末1で実行され、残りのプログラムはサーバ2で実行されることでもよい。
<第1実施形態>
図2〜図4を参照して第1実施形態に係るプログラムについて説明を行う。本実施形態では、ユーザの平均月経周期に基づいて、当該ユーザの排卵日の予測を行う例について述べる。
図2〜図4を参照して第1実施形態に係るプログラムについて説明を行う。本実施形態では、ユーザの平均月経周期に基づいて、当該ユーザの排卵日の予測を行う例について述べる。
本実施形態に係るプログラムは、ユーザ端末1に、入力部1aを介して複数回入力された月経日データに基づいて、特定の月経周期を算出する処理を実行させる。
「月経日データ」は、ユーザの月経日に関するデータである。月経日データは、たとえば月経開始日(日付)である。また、月経周期がわかっている場合、月経日データは、その日数であってもよい。
ユーザは、ユーザ端末1の入力部1aを介して月経日データを入力する。入力操作は、ユーザ端末1のキーや、ユーザの音声により実行される。
ここで、たとえばユーザが3回の月経開始日を入力した場合、プログラムは、ユーザ端末1に、1回目の月経開始日から2回目の月経開始日までの日数、2回目の月経開始日から3回目の月経開始日までの日数を求めることにより2回の月経周期を算出する処理を実行させる。そして、プログラムは、ユーザ端末1に、2回の月経周期の平均を取ることにより平均月経周期を算出する処理を実行させる。
或いは、プログラムは、ユーザ端末1に、ユーザの過去の月経周期(最低2回の月経日データの入力で求めることができる)を、大規模データに基づく統計モデルに適用することで、月経周期に対して特定の重みづけ(たとえば、直近の月経周期については「1」と評価し、その前の月経周期については「0.9」と評価する)を行い、月経周期を算出する処理を実行させる。
本実施形態における「特定の月経周期」は、月経日データを入力したユーザにおける平均月経周期、及び統計モデルを用いて算出される月経周期を含む概念である。
なお、予め特定の月経周期がわかっているユーザは、その値を1回入力するだけでよい。
そして、プログラムは、ユーザ端末1に、予め取得した複数人のデータに基づいて推定された、月経日と排卵日との間隔と平均月経周期との関係に対し、特定の月経周期を適用することにより、当該特定の月経周期に対応した予測排卵日データを算出する処理を実行させる。なお、「月経日と排卵日との間隔」は、一の月経周期において排卵日に先行する月経開始日から排卵日までの日数、及び排卵日からその直後の月経開始日までの日数を含む概念である。
「予測排卵日データ」は、排卵日の予測に関するデータである。予測排卵日データは、たとえば一の月経周期において予測排卵日に先行する月経日から+10日、次回の予測月経日から−10日といった月経日を基準とした数値、或いは○月○日といった日付として算出される。なお、「予測月経日」は、過去の月経開始日に特定の月経周期を加えることで予測される将来の月経開始日のことである。
ここで、図2及び図3を参照して、ユーザの予測排卵日データの算出において、当該ユーザの月経周期(特定の月経周期)、及び月経日と排卵日との間隔と平均月経周期との関係式を用いる点について説明する。
図2は、個人の月経周期の規則性を示したグラフである。横軸は、複数回の月経周期のうち、前半1/2の月経周期の平均値(日数)である。縦軸は、複数回の月経周期のうち、後半1/2の月経周期の平均値(日数)である。グラフに示した各点は、12回以上の月経周期のデータを有する個人の分布である。
このグラフから明らかなように、過去の月経周期と将来の月経周期には強い相関がある。すなわち、個人の月経周期(平均月経周期)は概ね一定であると考えることができる。
図3は、排卵日と平均月経周期の関係を示したグラフである。横軸は、平均月経周期である。縦軸は、次回月経開始日に対する排卵日である。グラフに示した各点は、同じ平均月経周期を持つ複数人の次回月経開始日に対する排卵日の平均値である。なお、破線は、オギノ式による次回月経開始日に対する排卵日を示したものである(平均月経周期の違いに関わらず14日固定)。一点鎖線は、サイクル中間法による次回月経開始日に対する排卵日を示したものである。
このグラフから明らかなように、従来の手法(オギノ式、サイクル中間法)で推定される排卵日は、実際に得られた排卵日に対して大きく乖離している。
本発明者らは、図3に示されるような大規模な複数人のデータから推定される月経日と排卵日との間隔と平均月経周期の関係についての知見に基づいて、このような関係に個人の月経周期(概ね一定)を当てはめることにより、信頼性の高い排卵日予測が可能となることを着想した。
すなわち、本実施形態におけるサーバ2は、月経日と排卵日との間隔と平均月経周期との関係式(以下、「関係式S」という場合がある)を予め推定する。具体例として、サーバ2は、図3に示された同じ平均月経周期を持つ複数人の排卵日の平均値の分布を元に関係式Sを推定する。推定された関係式Sは、プログラムの一部に組み込まれる。
図3に示された平均値の分布に基づく関係式Sは、プロットされたデータを直線あるいは曲線で最小自乗近似することにより求められる。たとえば、二次曲線で近似した場合、関係式Sは、f(x)=ax2+bx+cで与えられる。ここで、xは特定の月経周期である。f(x)は、平均月経周期xに対応する予測排卵日データである。a,b,cは定数である。
なお、関係式Sは、平均値の分布に基づいて推定される例に限られない。関係式Sは、たとえば中央値等の分布に基づいて推定することも可能である。
プログラムは、ユーザ端末1に、特定の月経周期xを関係式Sに代入し(適用し)、当該ユーザの予測排卵日データを算出する処理を実行させる。算出された予測排卵日データは、同じ月経周期をもつ人の平均的な排卵日の傾向に基づいたデータであるため信頼性が高い。
なお、予測排卵日データの算出は、関係式Sを用いる例に限られない。たとえば、サーバ2は、予め、大規模データにより得られた月経日と排卵日との間隔と平均月経周期との関係をテーブルデータとして構築する。プログラムは、ユーザ端末1に、特定の月経周期を当該テーブルデータに当てはめ(適用し)、予測排卵日データを算出する処理を実行させる。
更に、本実施形態に係るプログラムは、ユーザ端末1に、表示部1bに予測排卵日データを表示する処理を実行させることもできる。予測排卵日データは、予測された排卵日の日付(○月○日)や、予測された排卵日までの日数(後○日)で表示することができる。算出された予測排卵日データを表示部1bに表示させることにより、ユーザは予測された排卵日を視覚的に確認することができる。
なお、予測排卵日データをユーザへ提示する手段は、表示に限られない。たとえば、ユーザ端末1が音声機能を有する場合、プログラムは、予測排卵日データを音声で通知する処理を実行させることも可能である。或いは、ユーザ端末1がeメール等の通信機能を有する場合、プログラムは、予測排卵日データをeメールで通知する処理を実行させることも可能である。なお、本実施形態におけるプログラムにおいて、予測排卵日データを表示する処理は必須ではない。
次に、図4を参照して、ユーザ端末1において本実施形態に係るプログラムを実行する例を述べる。ここでは、ユーザが本実施形態に係るプログラムを含むソフトウェアをはじめて使用する場合について述べる。このユーザは、自己の月経周期等の記録を有していないものする。また、ユーザ端末1には、本実施形態に係るプログラムを実装した携帯アプリをダウンロードしてあるものとする。
月経が開始した場合、ユーザは、ユーザ端末1で携帯アプリを起動し、月経開始日を入力する(S10)。ユーザは、月経開始日の入力操作を複数回(2回以上)繰り返して行う(S11)。
複数回の月経開始日の入力操作が完了した場合(S11でYの場合)、ユーザ端末1は、S11で入力された複数回の月経開始日(月経日データ)から当該ユーザの月経周期(特定の月経周期)を算出する(S12)。
ユーザ端末1は、予め推定された、月経日と排卵日との間隔と平均月経周期との関係式Sに対し、S12で算出された月経周期を代入し、当該ユーザの予測排卵日データを算出する(S13)。
ユーザ端末1は、S13で算出された予測排卵日データを表示部1bに表示させる(S14)。
このように、本実施形態に係るプログラムによれば、自己の排卵日や月経日に関して十分なデータを持たないユーザであっても、同じ月経周期を持った集団の排卵日に関する平均的な傾向(推定した関係式S)を利用することにより、信頼性の高い排卵日予測を行うことができる。また、本実施形態に係るプログラムは、このような信頼性の高い予測を事前(排卵日の前)に行うことができるため、妊娠確率の向上にも寄与する。
<第2実施形態>
図5を参照して第2実施形態に係るプログラムについて説明を行う。同じ月経周期を持った集団の中でも、月経日と排卵日との間隔には個人差が存在している場合がある。本実施形態は、このような個人差を考慮した排卵日の予測について述べる。なお、第1実施形態と同様の部分については、詳細な説明を省略する場合がある。
図5を参照して第2実施形態に係るプログラムについて説明を行う。同じ月経周期を持った集団の中でも、月経日と排卵日との間隔には個人差が存在している場合がある。本実施形態は、このような個人差を考慮した排卵日の予測について述べる。なお、第1実施形態と同様の部分については、詳細な説明を省略する場合がある。
本実施形態に係るプログラムは、ユーザ端末1に、月経日データ及び入力部1aを介して複数回入力された排卵日データに基づいて、月経日と排卵日との間隔を複数求め、当該間隔の最大値と最小値との差Dを算出する処理を実行させる。
「排卵日データ」は、ユーザの排卵日に関するデータである。排卵日データは、たとえば、医学的な手法により確定した排卵日の日付である。また、排卵日をカバーライン法等によって推定した場合には、排卵日データは、月経日から○日後といった日数であってもよい。「当該間隔の最大値」は、月経日と排卵日との間隔が最も長い場合の日数である。「(当該間隔の)最小値」は、月経日と排卵日との間隔が最も短い場合の日数である。「当該間隔の最大値と最小値との差D」は、たとえば、複数求められた、排卵日からその直後の月経開始日までの日数(或いは、排卵日に先行する月経開始日から排卵日までの日数)における最長の日数と最短の日数との差である。
ここで、大規模データの解析によれば、ある個人に着目した場合、月経日と排卵日との間隔が大きくずれることは少ない。この知見によれば、上記差Dが大きい場合には、データの誤入力、或いは、上記間隔は排卵日予測の元となる大規模データの平均的な傾向から外れたものであり、信頼性が乏しいといえる。この場合には、入力された月経日データや排卵日データを用いても正確な排卵日の予測は困難である可能性が高い。逆に、上記差Dが小さい場合には、入力された排卵日データの信頼性が高いといえる。この場合には、入力された排卵日データを用いるほうが、個人の傾向に則した、より正確な排卵日の予測ができる。
そこで、予測排卵日データを算出する際、差Dが閾値以下の場合には、プログラムは、ユーザ端末1に、複数の月経日と排卵日との間隔に基づいて、予測排卵日データを算出する処理を実行させる。具体例としては、プログラムは、ユーザ端末1に、算出した複数の月経日と排卵日との間隔の平均値を求め、当該平均値を予測排卵日データとして算出する処理を実行させる。
逆に、差Dが閾値よりも大きい場合(或いは排卵日データが1回しかない場合)、プログラムは、ユーザ端末1に、第1実施形態と同様の算出処理(関係式Sと特定の月経周期を用いた処理)によって予測排卵日データを算出する処理を実行させる。
閾値は、予測排卵日データを算出するためにユーザが入力したデータを用いるかどうかの基準となる値である。閾値は、大規模データの解析結果に基づいて、任意の値を設定することができる。
次に、図5を参照して、ユーザ端末1において本実施形態に係るプログラムを実行する例を述べる。
月経が開始した場合、ユーザは、ユーザ端末1で携帯アプリを起動し、月経開始日を入力する。また、排卵日が確定した場合、ユーザは、ユーザ端末1で携帯アプリを起動し、その排卵日を入力する(S20)。ユーザは、月経開始日及び排卵日の入力操作を複数回(たとえば、月経開始日3回、排卵日2回)、繰り返して行う(S21)。
複数回の入力操作が完了した場合(S21でYの場合)、ユーザ端末1は、S21で入力された複数の月経開始日(月経日データ)から当該ユーザの月経周期(特定の月経周期)を算出する(S22)。
また、ユーザ端末1は、S21で複数回入力された月経開始日及び排卵日に基づいて、月経日と排卵日との間隔を複数算出し、当該間隔の最大値と最小値の差Dを算出する(S23)。
S23で算出された差Dが閾値以下の場合(S24でYの場合)、ユーザ端末1は、S23で得られた複数の月経日と排卵日との間隔に基づいて、当該ユーザの予測排卵日データを算出する(S25)。
一方、S23で算出された差Dが閾値より大きい場合(S24でNの場合)、ユーザ端末1は、予め推定された、月経日と排卵日との間隔と平均月経周期との関係式Sに対し、S22で算出された月経周期を代入し、当該ユーザの予測排卵日データを算出する(S26)。
ユーザ端末1は、S25またはS26で算出された予測排卵日データを表示部1bに表示させる(S27)。
なお、図5では、予め特定の月経周期を算出する例について述べたが、これに限られない。特定の月経周期は、S23で算出された差Dが閾値よりも大きいと判断された場合にのみ算出されることとしてもよい。
このように、本実施形態に係るプログラムは、排卵日データを利用することにより、個人差を考慮した、より信頼性の高い排卵日予測を行うことができる。よって、医学的な手段等を用いて得られた排卵日データを入力するユーザにとってはメリットが大きい。
<第3実施形態>
図6及び図7を参照して第3実施形態に係るプログラムについて説明を行う。算出された予測排卵日データにより、ユーザは大凡の妊娠可能性の高い期間を把握することができる。本実施形態では、より信頼性の高い妊娠可能性の高い期間(第1の妊娠可能性の高い期間)を算出する例について述べる。なお、第1実施形態及び第2実施形態と同様の部分については、詳細な説明を省略する場合がある。
図6及び図7を参照して第3実施形態に係るプログラムについて説明を行う。算出された予測排卵日データにより、ユーザは大凡の妊娠可能性の高い期間を把握することができる。本実施形態では、より信頼性の高い妊娠可能性の高い期間(第1の妊娠可能性の高い期間)を算出する例について述べる。なお、第1実施形態及び第2実施形態と同様の部分については、詳細な説明を省略する場合がある。
本実施形態に係るプログラムは、ユーザ端末1に、予め取得した複数人のデータに基づく排卵日前後の妊娠率に関するデータ、及び算出された予測排卵日データに基づいて、第1の妊娠可能性の高い期間を算出する処理を実行させる。
「妊娠率」は、ある日(たとえば、排卵日)に性交した人数に対する実際に妊娠した人数の割合である。この妊娠率を排卵日前後の数日で求めたものが「排卵日前後の妊娠率」である。
図6は、排卵日前後の妊娠率を示したグラフである。縦軸は妊娠率、横軸は排卵日を基準(0)とした日数である。このグラフによれば、排卵日前の数日に妊娠率が高くなることがわかる。このグラフが示すデータは、「排卵日前後の妊娠率に関するデータ」の一例である。
プログラムは、ユーザ端末1に、このグラフが示すデータに対して、算出された予測排卵日データを当てはめることにより、第1の妊娠可能性の高い期間を算出する処理を実行させる。具体例として、第1の妊娠可能性の高い期間は、上記グラフにおける排卵日が0の日を算出された予測排卵日とし、この日を基準に所定の妊娠率以上の期間を特定することにより算出できる。
更に、本実施形態に係るプログラムは、ユーザ端末1に、表示部1bに算出された第1の妊娠可能性の高い期間を表示する処理を実行させる。第1の妊娠可能性の高い期間の表示態様は特に限定されない。また、第1の妊娠可能性の高い期間は、第1及び第2実施形態で算出した予測排卵日データと併せて表示させてもよいし、いずれか一方のみを表示させてもよい。なお、予測排卵日データと同様、第1の妊娠可能性の高い期間をユーザへ提示する手段は、表示に限られない。
次に、図7を参照して、ユーザ端末1において本実施形態に係るプログラムを実行する例を述べる。ここでは、第3実施形態の処理が第1実施形態の処理に付加的に追加された例を述べる。
ユーザ端末1は、第1実施形態と同様の処理(S10〜S13参照)により、予測排卵日データを算出する(S30)。
ユーザ端末1は、予め取得した複数人のデータに基づく排卵日前後の妊娠率に関するデータに、S30で算出した予測排卵日データを当てはめることにより、第1の妊娠可能性の高い期間を算出する(S31)。
ユーザ端末1は、S30で算出された予測排卵日データ及びS31で算出された第1の妊娠可能性の高い期間を表示部1bに表示させる(S32)。
本実施形態に係るプログラムによれば、算出された予測排卵日データに基づいて、第1の妊娠可能性の高い期間を算出することができる。予測排卵日データに加え、第1の妊娠可能性の高い期間に関するデータが得られることにより、ユーザは、妊娠確率の向上を図ることができる。
<第4実施形態>
図8及び図9を参照して第4実施形態に係るプログラムについて説明を行う。ユーザの体調等により、一時的に月経周期や排卵日にばらつきが生じる可能性がある。本実施形態では、基礎体温を利用することにより、第3実施形態とは異なる妊娠可能性の高い期間(第2の妊娠可能性の高い期間)を算出する例、或いは排卵の終了を算出する例について述べる。なお、第1実施形態〜第3実施形態と同様の部分については、詳細な説明を省略する場合がある。
図8及び図9を参照して第4実施形態に係るプログラムについて説明を行う。ユーザの体調等により、一時的に月経周期や排卵日にばらつきが生じる可能性がある。本実施形態では、基礎体温を利用することにより、第3実施形態とは異なる妊娠可能性の高い期間(第2の妊娠可能性の高い期間)を算出する例、或いは排卵の終了を算出する例について述べる。なお、第1実施形態〜第3実施形態と同様の部分については、詳細な説明を省略する場合がある。
本実施形態に係るプログラムは、ユーザ端末1に、入力部1aを介して複数回入力された基礎体温に基づいて、排卵の事前の兆候を示す事前シグナル及び/または排卵の事後の兆候を示す事後シグナルの有無の検出を実行させる。
事前シグナル及び事後シグナルは、基礎体温に基づいて検出することができる。事前シグナル及び事後シグナルの検出は、様々な手法を用いることができる。
事前シグナルの検出は、たとえば、プログラムにより以下の3つのステップを実行することで行うことができる。(1)日々記録される基礎体温について、3日毎の移動平均による平滑化、(2)平滑化した基礎体温が3日以上連続して上昇したことの検出、(3)(2)における上昇が(ユーザの月経周期+1日)−17日以前に起こったものでないことの判断。或いは、事前シグナルの検出は、プログラムにより低体温期における基礎体温変動の統計モデルを自動生成し、それに基づいて排卵前に特徴的なパターンを検出することでも可能である。具体的には、プログラムは、ユーザ端末1に、ユーザの低体温期の変動について、その平均値と分散値を日数ごとに予測する確率モデルを生成する処理を実行させる。このモデルからは、低体温期の基本的な変動のパターンが得られる。プログラムは、ユーザ端末1に、このようなパターンから外れる変動があった場合、排卵の事前の前兆があったと判断する処理を実行させる。どのような変動をどの程度の精度で検出するか、といったパラメータは、たとえば大規模データを分析することにより、事前に決定することができる。
一方、事後シグナルは、たとえばカバーライン法により検出できる。すなわち、プログラムは、ユーザ端末1に、日々記録される基礎体温に基づいて、前回月経開始日から11日以降、且つ前日までの平均体温から+0.3度以上の体温上昇を検出した場合、事後シグナルを検出したと判断する処理を実行させる。
また、本実施形態に係るプログラムは、ユーザ端末1に、事前シグナルが検出された場合、当該事前シグナルに基づいて第2の妊娠可能性の高い期間を算出する処理を実行させる。一方、本実施形態に係るプログラムは、ユーザ端末1に対し、事後シグナルが検出された場合、当該事後シグナルに基づいて排卵が終了していると判断する処理を実行させる。
図8は、排卵日に対する事前シグナル(右下りのハッチング)及び事後シグナル(左下りのハッチング)の発生の頻度を示したヒストグラムである。縦軸は頻度であり、横軸は排卵日を基準(0)とした日数である。ハッチングがクロスしている部分は、ヒストグラムの重なり部分に対応する。
このグラフから明らかなように、事前シグナルは、排卵日−6日から顕著に検出され、排卵日後4日以降に少なくなる。一方、事後シグナルは排卵日後に顕著に検出されている。すなわち、事前シグナルが検出された日から約10日の間に排卵が起こる可能性が高いことがわかる。一方、事後シグナルが検出された日には排卵が終了している可能性が高いことがわかる。
本実施形態に係るプログラムは、たとえば、上記ヒストグラムが示すデータに基づいて構築されている。具体例として、プログラムは、ユーザ端末1に、事前シグナルが検出された日に+10日した期間を妊娠可能性の高い期間(第2の妊娠可能性の高い期間)として算出する処理を実行させる。一方、プログラムは、ユーザ端末1に、事後シグナルが検出された日には排卵が終了していると判断する処理を実行させる。
事前シグナルが検出された場合、プログラムは、ユーザ端末1に、表示部1bに第2の妊娠可能性の高い期間を表示する処理を実行させる。第2の妊娠可能性の高い期間の表示態様は特に限定されない。また、第2の妊娠可能性の高い期間は、第1及び第2実施形態で算出した予測排卵日データや、第3実施形態で算出した第1の妊娠可能性が高い期間と併せて表示させてもよいし、いずれか一つのみを表示させてもよい。なお、第2の妊娠可能性の高い期間をユーザへ提示する手段は、表示に限られない。
事後シグナルが検出された場合、プログラムは、ユーザ端末1に、表示部1bに排卵の終了メッセージを表示させる処理を実行させる。終了メッセージの表示態様は特に限定されない。また、終了メッセージをユーザへ提示する手段は、表示に限られない。
なお、プログラムは、事前シグナル及び事後シグナルのいずれか一方を検出する構成であってもよい。その場合、プログラムは、第2の妊娠可能性の高い期間の算出及び排卵終了の判断のいずれか一方の処理のみをユーザ端末1に実行させる。
更に、プログラムは、ユーザ端末1に、事前シグナルに基づいて、第2の妊娠可能性の高い期間を示す代わりに第1の妊娠可能性の高い期間を修正する処理を実行させることとしてもよい。具体例として、第1の妊娠可能性の高い期間の以前に事前シグナルを検出した場合、プログラムは、ユーザ端末1に、第1の妊娠可能性の高い期間と第2の妊娠可能性の高い期間とを併せた期間を、修正後の期間(第3の妊娠可能性が高い期間)として算出する処理を実行させる。
次に、図9を参照して、ユーザ端末1において本実施形態に係るプログラムを実行する例を述べる。ここでは、基礎体温の処理のみを記載するが、上述の通り、第1〜第3実施形態と適宜組み合わせて実行することが可能である。
ユーザは、ユーザ端末1で携帯アプリを起動し、日々の基礎体温を入力する(S40)。
ユーザ端末1は、S40で入力された基礎体温に基づいて、事前シグナル及び事後シグナルの有無を検出する(S41)。
事後シグナルが検出された場合(S42でY)、ユーザ端末1は、事後シグナルが検出された日以前に既に排卵が終了したと判断する(S43)。
ユーザ端末1は、S43の判断結果に基づいて、排卵の終了メッセージを表示部1bに表示させる(S44)。
一方、事後シグナルが検出されず、且つ事前シグナルが検出された場合(S45でY)、ユーザ端末1は、事前シグナルが検出された日から10日間を第2の妊娠可能性が高い期間として算出する(S46)。
ユーザ端末1は、S46で算出された第2の妊娠可能性が高い期間を表示部1bに表示させる(S47)。
なお、図9では、事後シグナルが無い場合のみ事前シグナルの有無を判断する例について述べたが、これに限られない。たとえば、第2の妊娠可能性の高い期間の算出は、事前シグナルの有無のみに基づいて実行されることでもよい(事後シグナルの有無は考慮しない)。
本実施形態に係るプログラムによれば、基礎体温に基づいて、現在の体調等を考慮したデータ(第2の妊娠可能性の高い期間または排卵の終了)を算出できる。よって、より信頼性の高い排卵日の予測や妊娠可能性の高い期間を提示することができるため、妊娠確率の向上を図ることができる。
<その他>
ユーザ端末1は、上述の実施形態において入力された月経日データや排卵日データをサーバ2に送信してもよい。サーバ2は、送信されたデータをデータベース2aに蓄積し、そのデータを従来のプログラムに反映させることで、より精度の高いプログラムを構築することができる。構築されたプログラムは、たとえば、携帯アプリのバージョンアップという形でユーザ端末1に配信される。
ユーザ端末1は、上述の実施形態において入力された月経日データや排卵日データをサーバ2に送信してもよい。サーバ2は、送信されたデータをデータベース2aに蓄積し、そのデータを従来のプログラムに反映させることで、より精度の高いプログラムを構築することができる。構築されたプログラムは、たとえば、携帯アプリのバージョンアップという形でユーザ端末1に配信される。
上記の実施形態は、プログラムが前述した各種の処理をコンピュータ又はマイクロプロセッサに実行させることにより実現可能である。この場合、全ての処理をプログラムに実行させてもよいし、一部の処理をハードウェアに処理させ残りの処理をプログラムに実行させてもよい。また、実行可能なプログラムが記憶された非一時的なコンピュータ可読媒体(non-transitory computer readable medium with an executable program thereon)を用いて、コンピュータにプログラムを供給することも可能である。なお、非一時的なコンピュータの可読媒体の例は、磁気記録媒体(例えばフレキシブルディスク、磁気テープ、ハードディスクドライブ)、CD−ROM(Read Only Memory)等がある。
本発明のいくつかの実施形態を説明したが、これらの実施形態は、例として提示したものであり、発明の範囲を限定するものではない。これら実施形態は、適宜組み合わせて実施することが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。それらの実施形態やその変形は、発明の範囲や要旨に含まれると同様に、特許請求の範囲に記載された発明とその均等の範囲に含まれる。
1 ユーザ端末
2 サーバ
2 サーバ
Claims (9)
- コンピュータに、
予め取得した複数人のデータに基づいて推定された、月経日と排卵日との間隔と平均月経周期との関係に対し、特定の月経周期を適用することにより、前記特定の月経周期に対応した予測排卵日データを算出する処理を実行させることを特徴とする排卵日予測プログラム。 - コンピュータに、
入力部を介して複数回入力された月経日データに基づいて、前記特定の月経周期を算出する処理を実行させることを特徴とする請求項1記載の排卵日予測プログラム。 - コンピュータに、
前記月経日データ及び入力部を介して複数回入力された排卵日データに基づいて、月経日と排卵日との間隔を複数求め、当該間隔の最大値と最小値との差を算出する処理を実行させ、
前記予測排卵日データを算出する際、前記差が閾値以下の場合には、複数の前記月経日と排卵日との間隔に基づいて、当該予測排卵日データを算出する処理を実行させることを特徴とする請求項2記載の排卵日予測プログラム。 - コンピュータに、
表示部に前記予測排卵日データを表示する処理を実行させることを特徴とする請求項1〜3のいずれか一つに記載の排卵日予測プログラム。 - コンピュータに、
前記予め取得した複数人のデータに基づく排卵日前後の妊娠率に関するデータ、及び算出された前記予測排卵日データに基づいて、第1の妊娠可能性の高い期間を算出する処理を実行させることを特徴とする請求項1〜4のいずれか一つに記載の排卵日予測プログラム。 - コンピュータに、
表示部に前記第1の妊娠可能性の高い期間を表示する処理を実行させることを特徴とする請求項5記載の排卵日予測プログラム。 - コンピュータに、
入力部を介して複数回入力された基礎体温に基づいて、排卵の事前の兆候を示す事前シグナル及び/または排卵の事後の兆候を示す事後シグナルの有無の検出を実行させ、
前記事前シグナルが検出された場合、当該事前シグナルに基づいて第2の妊娠可能性の高い期間を算出する処理を実行させ、前記事後シグナルが検出された場合、当該事後シグナルに基づいて前記排卵が終了していると判断する処理を実行させることを特徴とする請求項5または6記載の排卵日予測プログラム。 - コンピュータに、
表示部に前記第2の妊娠可能性の高い期間または排卵の終了メッセージを表示する処理を実行させることを特徴とする請求項7記載の排卵日予測プログラム。 - 予め取得した複数人のデータに基づいて推定された、月経日と排卵日との間隔と平均月経周期との関係に対し、特定の月経周期を適用することにより、前記特定の月経周期に対応した予測排卵日データを算出することを特徴とする排卵日予測方法。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2014069044 | 2014-03-28 | ||
JP2014069044 | 2014-03-28 | ||
PCT/JP2015/059398 WO2015147174A1 (ja) | 2014-03-28 | 2015-03-26 | 排卵日予測プログラム及び排卵日予測方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP5998307B2 JP5998307B2 (ja) | 2016-09-28 |
JPWO2015147174A1 true JPWO2015147174A1 (ja) | 2017-04-13 |
Family
ID=54195680
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2016510488A Active JP5998307B2 (ja) | 2014-03-28 | 2015-03-26 | 排卵日予測プログラム及び排卵日予測方法 |
Country Status (10)
Country | Link |
---|---|
US (1) | US11013497B2 (ja) |
EP (1) | EP3123942A4 (ja) |
JP (1) | JP5998307B2 (ja) |
CN (1) | CN106535776B (ja) |
AU (1) | AU2015234868A1 (ja) |
BR (1) | BR112016021895A2 (ja) |
CA (1) | CA2944136A1 (ja) |
PH (1) | PH12016501926B1 (ja) |
RU (1) | RU2016139972A (ja) |
WO (1) | WO2015147174A1 (ja) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016132528A1 (ja) * | 2015-02-20 | 2016-08-25 | 楽天株式会社 | 情報処理装置、情報処理方法及び情報処理プログラム |
US10485487B2 (en) * | 2015-02-20 | 2019-11-26 | Rakuten, Inc. | Information processing device, information processing method, and information processing program |
JP6799413B2 (ja) * | 2016-08-09 | 2020-12-16 | 株式会社エムティーアイ | 基礎体温予測プログラム、基礎体温予測方法 |
US11517292B2 (en) * | 2016-10-27 | 2022-12-06 | Femtec Health, Inc. | System and a method for non-invasive monitoring of estrogen |
US10938950B2 (en) * | 2017-11-14 | 2021-03-02 | General Electric Company | Hierarchical data exchange management system |
MX2021000402A (es) | 2018-07-12 | 2021-04-13 | Prima Temp Inc | Aparatos y metodos de deteccion de temperatura vaginal. |
Family Cites Families (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4465077A (en) * | 1981-11-12 | 1984-08-14 | Howard Schneider | Apparatus and method of determining fertility status |
WO1993007578A1 (en) * | 1991-10-01 | 1993-04-15 | Emil Josef Biggel | Menstrual cycle meter |
US5606535A (en) * | 1995-11-29 | 1997-02-25 | Lynn; Lynn | Digital menstrual wristwatch |
KR100367633B1 (ko) | 1998-05-06 | 2003-01-10 | 마쯔시다덴기산교 가부시키가이샤 | 귀 체온계 |
US6278999B1 (en) * | 1998-06-12 | 2001-08-21 | Terry R. Knapp | Information management system for personal health digitizers |
GB9921453D0 (en) * | 1999-09-11 | 1999-11-10 | Blue Claire | Time measuring device |
JP2002215192A (ja) * | 2001-01-17 | 2002-07-31 | Nec Corp | オーディオ情報処理装置及び処理方法 |
JP2004290335A (ja) | 2003-03-26 | 2004-10-21 | Tanita Corp | 婦人用体調管理装置 |
GB0617451D0 (ja) | 2006-09-05 | 2006-10-18 | Medical Prediction Ltd | |
JP5179799B2 (ja) | 2007-08-16 | 2013-04-10 | テルモ株式会社 | 婦人体温計及び生理周期予測プログラム |
JP5419397B2 (ja) * | 2008-07-04 | 2014-02-19 | 株式会社ニシトモ | 婦人用体温計 |
KR101043261B1 (ko) * | 2009-01-23 | 2011-06-21 | 서강대학교산학협력단 | 개인 맞춤형 월경기 또는 가임기 예측 시스템 및 그 계산방법 |
JP2011062322A (ja) * | 2009-09-17 | 2011-03-31 | Terumo Corp | 女性用体温計 |
JP2012032337A (ja) * | 2010-08-02 | 2012-02-16 | Terumo Corp | 女性体温計及びその制御方法 |
US8834389B2 (en) * | 2011-11-25 | 2014-09-16 | Tepsync | Temperature based fertility monitoring system and related method |
US20150112706A1 (en) * | 2013-10-17 | 2015-04-23 | Ovuline, Inc. | System and Methods for Personal health Analytics Technical Field |
US10376245B2 (en) * | 2013-11-28 | 2019-08-13 | Rakuten, Inc. | Information processing device, information processing method, and information processing program |
-
2015
- 2015-03-26 CA CA2944136A patent/CA2944136A1/en not_active Abandoned
- 2015-03-26 CN CN201580015973.5A patent/CN106535776B/zh active Active
- 2015-03-26 AU AU2015234868A patent/AU2015234868A1/en not_active Abandoned
- 2015-03-26 WO PCT/JP2015/059398 patent/WO2015147174A1/ja active Application Filing
- 2015-03-26 EP EP15767733.7A patent/EP3123942A4/en not_active Withdrawn
- 2015-03-26 RU RU2016139972A patent/RU2016139972A/ru unknown
- 2015-03-26 BR BR112016021895A patent/BR112016021895A2/pt not_active Application Discontinuation
- 2015-03-26 US US15/129,249 patent/US11013497B2/en active Active
- 2015-03-26 JP JP2016510488A patent/JP5998307B2/ja active Active
-
2016
- 2016-09-28 PH PH12016501926A patent/PH12016501926B1/en unknown
Also Published As
Publication number | Publication date |
---|---|
US20180228474A1 (en) | 2018-08-16 |
WO2015147174A1 (ja) | 2015-10-01 |
PH12016501926A1 (en) | 2017-01-09 |
PH12016501926B1 (en) | 2017-01-09 |
EP3123942A4 (en) | 2018-01-03 |
CN106535776B (zh) | 2020-06-23 |
CA2944136A1 (en) | 2015-10-01 |
RU2016139972A3 (ja) | 2018-12-14 |
EP3123942A1 (en) | 2017-02-01 |
RU2016139972A (ru) | 2018-04-28 |
BR112016021895A2 (pt) | 2017-08-15 |
CN106535776A (zh) | 2017-03-22 |
JP5998307B2 (ja) | 2016-09-28 |
AU2015234868A1 (en) | 2016-10-20 |
US11013497B2 (en) | 2021-05-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5998307B2 (ja) | 排卵日予測プログラム及び排卵日予測方法 | |
US11321082B2 (en) | Patient engagement in digital health programs | |
Rudisill | How do we handle new health risks? Risk perception, optimism, and behaviors regarding the H1N1 virus | |
US11551793B2 (en) | Systems and methods for optimizing management of patients with medical devices and monitoring compliance | |
Chen et al. | Cost-effectiveness of screening for atrial fibrillation using wearable devices | |
US20150242593A1 (en) | System and method for generating survey questions | |
US20230274821A1 (en) | Systems and methods to provide real-time feedback for patient wait time | |
US20170103177A1 (en) | Physician communication systems and methods | |
Grunau et al. | Gains of continuing resuscitation in refractory out-of-hospital cardiac arrest: a model-based analysis to identify deaths due to intra-arrest prognostication | |
KR20190082124A (ko) | 예상 진료대기시간 제공 방법 및 그 장치 | |
US20200286606A1 (en) | Method for enhancing patient compliance with a medical therapy plan and mobile device therefor | |
US20160283880A1 (en) | Health care enterprise resource planning system and method for utilizing web data | |
US20220319662A1 (en) | Rehabilitation work support apparatus, rehabilitation work support system, rehabilitation work support method, and computer readable medium | |
JP7382741B2 (ja) | 医療機関選定支援装置 | |
JP6303630B2 (ja) | 排卵日推定装置、排卵日推定方法及び排卵日推定プログラム | |
JP2016004430A (ja) | 保険関連金額導出装置 | |
JP2021089677A (ja) | 血圧分析装置、血圧分析方法、及び血圧分析プログラム | |
Singh et al. | Breast cancer center: improving access to patient care | |
JP2015170040A (ja) | 情報処理装置、情報処理方法及びプログラム | |
WO2015136685A1 (ja) | サービス利用効果予測方法及びサービス利用効果予測装置 | |
US20240071587A1 (en) | System and method to predict personality type to deliver cpap therapy support | |
US20200321128A1 (en) | Data processing device, data processing method and non-transitory storage medium storing data processing program | |
JP2018195000A (ja) | 体調予測システム | |
JP2017199281A (ja) | 見積装置、見積方法、及び見積プログラム | |
JP2018028827A (ja) | 遠隔診療支援システム、遠隔診療支援サーバ及び遠隔診療支援方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
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: 20160809 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20160829 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5998307 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |