WO2012105422A1 - 時差ぼけ症状の推定装置、推定システム、推定方法およびプログラム - Google Patents

時差ぼけ症状の推定装置、推定システム、推定方法およびプログラム Download PDF

Info

Publication number
WO2012105422A1
WO2012105422A1 PCT/JP2012/051724 JP2012051724W WO2012105422A1 WO 2012105422 A1 WO2012105422 A1 WO 2012105422A1 JP 2012051724 W JP2012051724 W JP 2012051724W WO 2012105422 A1 WO2012105422 A1 WO 2012105422A1
Authority
WO
WIPO (PCT)
Prior art keywords
estimation
feature amount
jet lag
physiological index
symptom
Prior art date
Application number
PCT/JP2012/051724
Other languages
English (en)
French (fr)
Inventor
あかね 佐野
直也 佐塚
Original Assignee
ソニー株式会社
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 ソニー株式会社 filed Critical ソニー株式会社
Priority to US13/982,076 priority Critical patent/US20140114143A1/en
Priority to EP12742458.8A priority patent/EP2671510A4/en
Priority to CN201280006539.7A priority patent/CN103338703B/zh
Publication of WO2012105422A1 publication Critical patent/WO2012105422A1/ja

Links

Images

Classifications

    • 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
    • A61B5/4812—Detecting sleep stages or cycles
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/01—Measuring temperature of body parts ; Diagnostic temperature sensing, e.g. for malignant or inflamed tissue
    • 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
    • A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
    • 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
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • 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
    • 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
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/021—Measuring pressure in heart or blood vessels
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/024—Detecting, measuring or recording pulse rate or heart rate
    • 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
    • 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
    • A61B5/4857—Indicating the phase of biorhythm
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A61B5/6813—Specially adapted to be attached to a specific body part
    • A61B5/6814—Head
    • A61B5/6815—Ear
    • A61B5/6817—Ear canal
    • 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
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment

Definitions

  • the present disclosure relates to an apparatus, an estimation system, an estimation method, and a program for estimating jet lag symptoms.
  • Jet lag in a broad sense in which the biological rhythm is shifted and the physical condition goes wrong due to movement with shift, shift working, irregular life, etc. (life habits that work days and holidays have significantly different sleep phases, irregular sleep awakening habits) It occurs. Jet lag causes symptoms such as sleep disorder and persistent feeling of fatigue. If you become unwell due to jet lag symptoms, your physical ability may decline or an unexpected accident may occur. For this reason, from the viewpoint of physical condition management, it is desired to objectively determine the presence or absence of jet lag or quantitatively evaluate the degree of jet lag symptoms.
  • jet lag symptoms include individual differences, age differences, and differences in moving directions in the east and west. For example, it is said that there is an individual difference of 1.7 days to 17.9 days in duration of jet lag symptoms (Reference 1). For this reason, objective judgment and quantitative evaluation are difficult, and these judgments and evaluations are only performed subjectively or qualitatively.
  • biological rhythms such as body temperature, blood pressure, heartbeat, and sleep awakening are known as biological rhythms of the circadian cycle.
  • the synchronization time of biological rhythm is the physiological index of the core body temperature system and the physiological index of the active mass (sleep awakening system) It is known that there is a large gap between them.
  • the biological rhythm shift caused by a time difference of 5 hours or more is about 2 weeks at core temperature and 2 to 3 days in heart rate and sleep awakening (References 2 and 3).
  • the symptoms of jet lag become the heaviest on the third and fourth days after the cause of jet lag occurs (Reference 4).
  • the present disclosure is to provide a jet lag symptom estimating apparatus, estimation system, estimation method and program capable of objectively determining the presence or absence of jet lag and quantitatively evaluating the degree of jet lag symptom. It is.
  • the feature amount of the physiological index of the deep body temperature system and the feature amount of the physiological index of the active amount are each Acquisition unit that classifies according to the degree and specifies the feature amount range according to the division of the degree of jet lag symptom and acquires the estimation reference set for the subject, and the feature amount and activity of the physiological index of the deep body temperature system
  • the feature amount of the subject's physiological index is included in the feature amount range of the estimation standard for each of the extraction unit that extracts the feature amount of the physiological index of the quantity system and the physiological index of the deep body temperature system and the physiological index of the activity system.
  • the estimation unit includes a feature amount of a physiological index of a deep body temperature system included in a feature amount range of a sample having a jet lag symptom, and a feature amount of a physiological index of an active mass is a feature amount of a sample having no jet lag symptom.
  • a feature amount of a physiological index of an active mass is a feature amount of a sample having no jet lag symptom.
  • the acquisition unit divides feature amounts of a plurality of samples into a feature amount range of a sample having jet lag symptoms and a feature amount range of a sample without jet lag symptoms, and a feature amount range of a sample having jet lag symptoms Based on the center of gravity of the subject, the feature quantities of a plurality of samples are divided into three or more according to the degree of jet lag symptom, and the estimation is performed by specifying the feature quantity subrange according to the degree of jet lag symptom
  • the criterion may be acquired, and the estimation unit may determine which feature amount subrange of the estimation criterion the feature amount of the subject's physiological index falls within, and estimate the subject's jet lag symptom.
  • the acquisition unit classifies the feature amounts of a plurality of samples into three or more based on subjective evaluations of the degree of jet lag symptoms by the samples, and specifies and sets the feature amount sub-range according to the degree of jet lag symptoms.
  • the estimation unit may acquire the estimation criterion, and the estimation unit may determine which feature amount subrange of the estimation criterion the feature amount of the physiological index of the subject is included in, and estimate the jet lag symptom of the subject.
  • the acquisition unit classifies the feature quantities of a plurality of samples including the subject according to the degree of jet lag symptom, and obtains the estimation criterion set by specifying the feature quantity range according to the division of the grade of jet lag symptom You may
  • the estimation apparatus is specified from an estimation history storage unit storing estimation results of jet lag symptoms in association with jet lag conditions indicating conditions of jet lag causing jet lag symptoms, and estimation results of jet lag symptoms stored.
  • the information processing apparatus may further include: an estimation history extraction unit that extracts an estimation result that matches the time difference condition.
  • the estimation device acquires the feature amount of the subject's physiological index and the classification result of the feature amount according to the jet lag symptom from the plurality of estimation devices, and specifies the feature amount range according to the division of the jet lag symptom.
  • the acquisition unit may be connected to the management device that sets the estimation criterion, and the acquisition unit may acquire the estimation criterion set by the management device.
  • the estimation device acquires the classification result of the feature amount of the subject's physiological index, the time difference condition indicating the condition of the time difference causing the jet lag symptom, and the estimation result of the jet lag symptom from the plurality of estimation devices.
  • the estimation apparatus is connected to a classification result and a time difference condition, and is connected to a management device that manages an estimation result of jet lag symptom, and the estimation device is configured to set a designated time difference condition and a feature amount among estimation results of jet lag symptom being managed.
  • the information processing apparatus may further include an estimation history acquisition unit that acquires an estimation result that matches the classification result.
  • the extraction unit extracts the feature quantity of the physiological index of the deep body temperature system and the feature quantity of the physiological index of the activity system for a plurality of samples having different degrees of jet lag symptoms, and the estimation apparatus calculates the physiology of the deep body temperature system. For each of the index and the activity-based physiological index, the feature quantity of the extracted physiological index is classified according to the degree of jet lag symptom, and the feature quantity range according to the division of the degree of jet lag symptom is identified and the estimation criterion
  • the acquisition unit may further acquire an estimation criterion set by the setting unit.
  • the estimation criterion may be set for each life style of the sample, and the estimation unit may estimate the jet lag symptom of the subject using the estimation criteria according to the life style of the subject.
  • the estimation apparatus may further include a notification unit that notifies the subject of the estimation result of the jet lag condition.
  • the physiological index of the deep body temperature system may be the tympanic temperature
  • the physiological index of the active mass system may be the active mass
  • the estimation apparatus may further include a storage unit that stores the estimation reference, and the acquisition unit may acquire the estimation reference from the storage unit.
  • an extraction unit that extracts a feature amount of a physiological index of a deep body temperature system and a feature amount of a physiological index of an activity amount for a plurality of samples having different degrees of jet lag symptoms; For each of the core body temperature physiological index and the activity mass physiological index, the feature quantity of the extracted physiological index is classified according to the degree of jet lag symptom, and the feature quantity range according to the division of jet lag symptom
  • a setting device including a setting unit that specifies and sets an estimation reference; an extraction unit that extracts a feature amount of a deep body temperature physiological index and a feature amount of an activity amount physiological index for a subject; For each of the physiological index and the activity-based physiological index, it is determined whether the feature amount of the subject's physiological index falls within which feature amount range of the estimation criterion, and the estimation unit estimates the subject's jet lag phenomenon Time difference with estimation device Only the symptoms of the estimated system is provided.
  • each of the feature amount of the physiological index of the deep body temperature system and the feature amount of the physiological index of the active amount is a jet lag symptom for a plurality of samples having different degrees of jet lag symptom.
  • obtain the estimation criteria set by specifying the feature amount range according to the division of the degree of jet lag symptom and obtain the feature amount of the physiological index of the deep body temperature system and the activity amount system for the subject.
  • the feature quantities of the physiological index of the subject are extracted, and for each of the physiological index of the deep body temperature system and the physiological index of the activity system, it is determined which feature quantity range of the estimation standard the feature quantity of the subject's physiological index falls within.
  • a method of estimating jet lag symptoms comprising: estimating jet lag symptoms of a subject.
  • each of the feature amount of the physiological index of the deep body temperature system and the feature amount of the physiological index of the activity system is classified according to the degree of jet lag symptom, and the division of the degree of jet lag symptom ,
  • An extraction unit for acquiring an estimation criterion specifying a feature amount range according to the feature an extraction unit for extracting a feature amount of a physiological index of a deep body temperature system and a feature amount of a physiological index of an active amount from a user, and For each of the physiological index and the activity-based physiological index, it is determined whether the feature amount of the user's physiological index falls within which feature amount range of the estimation criterion, and the estimation unit estimates the user's jet lag phenomenon
  • An apparatus for estimating jet lag symptoms is provided.
  • a program for causing a computer to execute the method for estimating a jet lag symptom may be provided using a computer readable recording medium, may be provided via communication means or the like.
  • an apparatus an estimation system, an estimation method, and a program for estimating jet lag symptoms that can objectively determine the presence or absence of jet lag and quantitatively evaluate the degree of jet lag symptoms. .
  • FIG. 1 is a diagram showing an overall configuration of an estimation system according to an embodiment of the present disclosure.
  • the estimation system estimates the jet lag symptom using the setting device 1 for setting the estimation reference EC used to estimate the jet lag symptom and the estimation reference EC, and generates an estimation result ER. It consists of two.
  • the estimation criterion EC is set based on a plurality of samples Sa having different jet lag symptoms, and is used to estimate a jet lag symptom of the subject Su.
  • the setting device 1 performs the setting process of the estimation reference EC
  • the estimation device 2 performs the estimation process of the jet lag condition.
  • the estimation criterion EC is set for each of the physiological index of the deep body temperature system and the physiological index of the activity (sleep awakening) system.
  • the setting apparatus 1 measures the physiological signal of the sample Sa for each of a plurality of samples Sa having different degrees of jet lag symptoms (symptoms) (steps S11 and S21), and derives a physiological index from the physiological signal (S12) , S22), and the feature quantity is extracted from the physiological index (S13, S23), and the degree of the symptom is acquired (S14, S24).
  • the core body temperature system index is an index in which the synchronization time of biological rhythm is longer than that of the activity type index. Examples of this include tympanic temperature, oral temperature, melatonin content in blood, and cortisol content.
  • the activity-based index is an index in which the synchronization time of the biological rhythm is shorter than that of the deep body temperature-based index. Examples of this include activity amount, pulse rate, AI (Augmentation Index) value, and blood pressure value.
  • the characteristic values of the physiological index include, for example, tympanic temperature, oral temperature, melatonin and cortisol content, pulse rate, AI value, blood pressure value, appearance time of specific phase (maximum amplitude, minimum, etc.), amplitude ( Maximum, minimum, average, etc.).
  • the amount of activity there are sleep onset time and sleep onset time.
  • the plurality of samples Sa may be a plurality of samplers Sa different from the subject Su whose symptom is to be estimated, and the same samplers Sa may be used as two or more samples Sa. Although the plurality of samples Sa may include the subject Su, a case where the plurality of samples Sa are included will be described here.
  • the setting apparatus 1 classifies the feature quantities of the physiological index of the plurality of samples Sa according to the degree of symptoms (S15, S25), and specifies the feature quantity range R according to the class of the degree of symptoms (S16, S26) Thus, the estimation reference EC is set (S17, S27).
  • the estimation criterion EC is set for each of the feature amount of the deep body temperature system index and the feature amount of the activity type index.
  • the feature amount of the physiological index is, for example, the feature amount of the “normal” sample Sa (the sample Sa having no symptom) and the “abnormal” sample Sa (symptoms) based on the degree of the symptom acquired from the sample Sa. It is divided into two stages with the feature value of a certain sample Sa).
  • the feature value of the physiological index may be divided into three or more stages, but in the following, the case of being divided into two stages will be described.
  • the feature quantity range Rn including many feature quantities of the “normal” sample Sa and the features of the “abnormal” sample Sa A feature amount range Ra including a large amount is identified.
  • an estimation reference EC including the feature amount range “normal” Rn and the feature amount range “abnormal” Ra is set.
  • the estimation device 2 measures a physiological signal of the subject Su (steps S31 and S41), derives a physiological index from the physiological signal (S32 and S42), and extracts a feature amount from the physiological index (S33 and S43).
  • the feature amount of the physiological index the feature amount of the core body temperature system index and the activity amount index which are the same as the feature amount extracted at the setting process are extracted.
  • the estimation device 2 determines which feature amount range R of the estimation criterion EC the feature amount of the physiological index of the subject Su is included (S34, S44), and estimates the symptom of the subject Su based on the determination result of the feature amount (S51). Here, it is determined which feature amount range R the feature amount of the physiological index is included in each of the feature amount of the deep body temperature system index and the feature amount of the activity amount index.
  • the feature amount of the deep body temperature system index is included in the feature amount range “abnormal” Ra
  • the feature amount of the activity amount index is included in the feature amount range “normal” Rn.
  • FIG. 4 is a block diagram showing the functional configuration of the setting device 1.
  • the setting apparatus 1 includes a signal measurement unit 11, an index derivation unit 12, a feature extraction unit 13, a sample information acquisition unit 14, a reference setting unit 15, and a storage unit 16.
  • processing is performed on each of the deep body temperature system index and the activity scale index.
  • the signal measuring unit 11 measures physiological signals of the sample Sa using various sensors. For example, the tympanic temperature and oral temperature are measured using a temperature sensor, the pulse rate and blood pressure values are measured using a pressure sensor, and the amount of activity is measured using an acceleration sensor.
  • the physiological signal is measured, for example, at a predetermined measurement interval and a predetermined duration over a measurement period such as one night. The measured physiological signal is converted to physiological data.
  • the index deriving unit 12 derives a physiological index from physiological data.
  • Physiological data may be filtered to remove specific frequency components, or may be output from an acceleration sensor to discard non-rest data.
  • Physiological data is converted to another physiological index (for example, converted from pulse wave to AI value) as needed, and derived as an average value during a predetermined duration (for example, several tens of seconds to several minutes) of the physiological index Ru.
  • the feature amount extraction unit 13 extracts a feature amount from the derived physiological index.
  • the feature values of tympanic temperature, oral temperature, pulse rate, AI value, and blood pressure value determine a function of the circadian cycle that matches the time series data of the derived physiological index, and use the determined function to determine the specific phase ( It is extracted by obtaining the appearance time of the amplitude maximum, minimum, etc.) or the amplitude amount (maximum, minimum, average, etc.).
  • the feature value of the activity is extracted by specifying the boundary between the activity state and the sleep state from the time series data of the activity which has been derived using, for example, the Cole-Kripke algorithm (reference 6) or the like. .
  • the sample information acquisition unit 14 acquires sample information indicating the degree of symptoms, life style (morning type, night type, intermediate type, etc.) from the sample Sa. Specimen information is acquired through input devices such as keys, buttons, and a touch panel.
  • the reference setting unit 15 sets an estimation reference EC used to estimate a symptom from the extracted feature amount.
  • the estimation criterion EC is set by dividing the feature quantities of the physiological index according to the degree of symptoms and specifying the feature quantity range R according to the degree of symptoms for a plurality of samples Sa.
  • the feature amount range R is specified using, for example, a machine learning algorithm such as a support vector machine or boosting.
  • the estimation criterion EC may be set, for example, as an estimation criterion EC for each of a morning type, a night type, and an intermediate type subject based on sample information indicating a life form.
  • the storage unit 16 stores physiological signals of the sample Sa, time-series data of physiological indexes, feature amounts, sample information, estimation reference EC, and the like.
  • the estimation criterion EC may be shared with the estimation device 2 or may be provided to the estimation device 2 through a communication line or a recording medium.
  • FIG. 5 is a block diagram showing a functional configuration of the estimation device 2.
  • the estimation device 2 includes a signal measurement unit 21, an index derivation unit 22, a feature extraction unit 23, a subject information acquisition unit 24, a symptom estimation unit 25, a symptom notification unit 26, a storage unit 27, and a time difference condition.
  • An acquisition unit 28, a history storage unit 29, and a history extraction unit 30 are included.
  • the signal measuring unit 21, the index deriving unit 22, and the feature extracting unit 23 perform processing on each of the deep body temperature system index and the activity amount index.
  • the signal measurement unit 21, the index derivation unit 22, and the feature quantity extraction unit 23 function in the same manner as the corresponding components of the setting device 1.
  • the feature amount extraction unit 23 extracts a feature amount from the physiological index derived for the subject Su.
  • the subject information acquisition unit 24 acquires subject information indicating a life form and the like from the subject Su.
  • the symptom estimation unit 25 determines which feature amount range R of the estimation criterion EC the feature amount of the physiological index of the subject Su is included. Then, the symptom estimation unit 25 estimates the symptoms of the subject Su based on the determination results of the respective feature amounts of the deep body temperature system index and the activity scale index. The determination of the feature amount may be performed using the estimation reference EC corresponding to the life style of the subject Su obtained as the subject information.
  • the symptom notification unit 26 notifies the user of a symptom estimation result ER, a symptom estimation history to be described later, and the like.
  • the notification of symptoms is notified as visual information and / or auditory information.
  • the storage unit 27 stores the estimation reference EC, the measurement value of the physiological index of the subject Su, time series data of the derived value, the feature amount, and the like.
  • the storage unit 27 stores an estimation reference EC shared with the setting device 1 or an estimation reference EC acquired from the setting device 1 through a communication line or a recording medium.
  • the time difference condition acquisition unit 28 acquires a time difference condition indicating the time difference caused by the cause of the jet lag (movement, shift working, etc.), and the number of days elapsed from the generation of the cause of the jet lag.
  • the time difference condition may be acquired from the subject Su, or may be acquired through a GPS device, an acceleration sensor or the like.
  • the history storage unit 29 stores time series data of derived values of physiological index, feature amount, determination result of feature amount, estimation result of symptom ER etc. in relation to the time difference condition acquired from the subject Su as a symptom estimation history Be done.
  • FIG. 5 shows that the information is stored through the storage unit 27, the information may be stored without through the storage unit 27.
  • the history extraction unit 30 extracts the estimation result ER satisfying the prediction condition from the estimation history of the symptoms based on the prediction condition (time difference condition) specified by the subject Su and supplies the extraction result ER to the symptom notification unit 26.
  • Each component of setting device 1 and estimation device 2 is configured as hardware such as circuit logic and / or software such as a program.
  • the components configured as software are realized by executing a program on a CPU (not shown).
  • the estimation system may be configured by integrating the setting device 1 and the estimation device 2.
  • the estimation system or estimation device 2 may be configured as, for example, a portable music player, a portable telephone, a portable information terminal or the like.
  • a sensor such as a temperature sensor or an acceleration sensor may be mounted on the earphone in order to measure a physiological index.
  • the estimation result ER of the symptom may be notified to the subject Su via an output device such as a display device such as a liquid crystal display or a speaker instead of the estimation device 2.
  • the estimation system may be configured separately from the setting device 1 and the estimation device 2.
  • the estimation reference EC used for estimation of the symptom or the estimation result ER of the symptom may be transmitted and received through the communication line or the recording medium.
  • the estimation device 2 may be configured to output the symptom estimation result ER to another user terminal or the like.
  • the feature amount of the physiological index is the feature amount of the “normal” sample Sa and the feature amount of the “abnormal” sample Sa, using the tympanic membrane temperature and the activity amount as the deep body temperature system index and the activity level index The case where it divides into two steps of and is demonstrated.
  • FIG. 6 is a flow chart showing the operation of the setting device 1.
  • the setting apparatus 1 measures a physiological signal of the sample Sa for each of a plurality of samples Sa having different degrees of symptoms, derives a physiological index from the physiological signal, and extracts a feature quantity from the physiological index. Acquire subject information that indicates the degree of symptoms. Below, the operation
  • the signal measuring unit 11 measures the tympanic temperature and the activity of the sample Sa at a predetermined measurement interval and a predetermined duration over a predetermined measurement time (step S61).
  • measured values of the tympanic membrane temperature and the amount of activity are stored as time-series data.
  • the measurement time is, for example, one night
  • the measurement interval is, for example, several minutes to several tens of minutes
  • the duration is, for example, several tens of seconds to several minutes.
  • the measurement is performed in a state where the sample Sa is at rest while avoiding one to two hours after a meal.
  • the tympanic temperature and the activity may be measured at the same time, or may be measured at different times.
  • the index deriving unit 12 uses the time series data of the measured values to derive the average value of the tympanic temperature during the continuous time and the average value of the amount of activity as a physiological index (S62).
  • the storage unit 16 stores derived values of the tympanic membrane temperature and the amount of activity as time-series data.
  • the time-series data of the measured values is rejected as abnormal values such as discontinuous data and data at non-rest.
  • the time-series data of the measurement value is subjected to data conversion such as converting the pulse wave into an AI value (corresponding to an inflection point of a second derivative of the pulse wave) according to a physiological index.
  • the feature quantity extraction unit 13 extracts the feature quantity of the tympanic temperature and the feature quantity of the activity as the feature quantity of the physiological index, using the time-series data of the derived values (S63).
  • the storage unit 16 stores the feature values of the tympanic membrane temperature and the activity amount in association with the sample Sa.
  • FIG. 7 is a diagram showing an example of the feature value of the tympanic membrane temperature and the feature value of the activity.
  • the feature value of the tympanic temperature is obtained as a combination of the appearance time (phase) of the minimum amplitude and its amplitude amount, for example, by obtaining a function of the circadian period that matches the time series data of derived values.
  • Ru The feature amount may be extracted as, for example, a combination of two or more values of an appearance time of a specific phase (amplitude maximum, minimum, etc.) or an amplitude amount (maximum, minimum, average, etc.).
  • the feature quantity of the amount of activity is extracted from the time-series data of the derived values by specifying the boundary between the activity state and the sleep state as the time of sleep onset based on the distribution state of the amount of activity.
  • the sample information acquisition unit 14 acquires sample information indicating the degree of symptoms from the sample person Sa using a questionnaire for the sample person Sa (S64).
  • the storage unit 16 stores sample information in association with the sample Sa.
  • sample information indicating a life form may be acquired from the sample person Sa.
  • the life pattern of the sample Sa is designated as any of morning type, night type, intermediate type, and the like by using a questionnaire for the sample Sa.
  • FIG. 8 is a diagram showing an example of a questionnaire for the sampler Sa.
  • sample information is acquired using a questionnaire including items of sleeplessness, sleepiness, work efficiency, motivation, appetite, feeling of fatigue, and activity.
  • the sampler Sa performs five-point evaluation for each item, with five good states and one bad state.
  • the normal sleep onset time of the sampler Sa is acquired as sample information.
  • the setting device 1 classifies the feature quantities of the physiological index of the plurality of samples Sa according to the degree of the symptom, and specifies the feature quantity range R according to the class of the degree of the symptom to estimate the estimation criterion EC.
  • the reference setting unit 15 uses the feature amounts of the physiological indexes of the plurality of samples Sa according to the degree of the symptoms based on the sample information indicating the degree of the symptoms, the feature amounts of the “normal” sample Sa and the “abnormal” sample Sa. (S65)
  • the storage unit 16 stores the classification result of the feature amount in association with the sample Sa.
  • the total score of 16 points or more is divided into the feature amount of the “normal” sample Sa, and the total score of 15 points or less is “abnormal” It divides into the feature-value of sample Sa.
  • the feature amount of the sample Sa in which the difference between the normal sleep onset time (sample information) and the actual sleep onset time (feature amount of activity) is “normal” within a predetermined time (for example, 1 hour) And the outside of the predetermined time is divided into the feature quantities of the "abnormal” sample Sa.
  • the reference setting unit 15 sets the estimation reference EC by specifying the feature amount range “normal” Rn and the feature amount range “abnormal” Ra based on the classification result of the feature amount (S66) (S67). Note that the estimation criterion EC according to life style is set using the feature amount space for each life style. In the storage unit 16, the specification result of the feature amount range R is stored as an estimation reference EC.
  • FIG. 9 is a diagram showing an example of specifying the feature amount range R for the feature amount of the tympanic membrane temperature and the feature amount of the activity.
  • FIG. 9 shows an example of the feature space including the distribution of the feature, the shape of the feature range R, and the like.
  • a feature amount space (plane) in which an appearance time of a specific phase is a first dimension and an amplitude amount is a second dimension is The estimation criterion EC is determined using this.
  • the estimation criterion EC is obtained using a feature amount space (line) having the sleep onset time as a first dimension.
  • the estimation reference EC is obtained using the feature amount space of the first, second,..., N-th dimension.
  • FIG. 9 shows a feature amount space (plane, line) in which the feature amounts of the “normal” sample Sa are plotted as circle marks and the feature amounts of the “abnormal” sample Sa are plotted as crosses .
  • a boundary B between a range Rn including many feature amounts of “normal” sample Sa and a range Ra including many feature amounts of “abnormal” sample Sa is identified. Ru.
  • an estimation reference EC including the feature amount range “normal” Rn and the feature amount range “abnormal” Ra is set.
  • FIG. 10 is a flow chart showing the operation of the estimation device 2.
  • the estimation device 2 measures a physiological signal of the subject Su, derives a physiological index from the physiological signal, and extracts a feature amount from the physiological index.
  • the signal measuring unit 21 measures the tympanic temperature and the activity of the subject Su at a predetermined measurement interval and a predetermined duration over a predetermined measurement time (step S71).
  • the storage unit 27 stores measurement values of the tympanic membrane temperature and the amount of activity as time-series data.
  • the index deriving unit 22 derives the average value of the tympanic membrane temperature and the average value of the amount of activity as the physiological index using the time series data of the measured values (S72).
  • the storage unit 27 stores derived values of the tympanic membrane temperature and the amount of activity as time-series data.
  • the feature quantity extraction unit 23 uses the time-series data of derived values to identify the feature quantity of tympanic membrane temperature (for example, the appearance time of the minimum amplitude and its amplitude value) and the feature quantity of the activity quantity (sleep onset time) It extracts as a quantity (S73).
  • the storage unit 27 stores feature amounts of tympanic membrane temperature and activity.
  • the subject information acquisition unit 24 may acquire sample information indicating a life form from the sample Sa.
  • the living form is designated as any of morning type, night type, intermediate type and the like using a questionnaire for the subject Su.
  • the estimation device 2 determines which feature amount range R of the estimation criterion EC the feature amount of the physiological index of the subject Su is included in, and estimates the symptom of the subject Su based on the determination result of the feature amount.
  • the symptom estimation unit 25 reads out from the storage unit 27 the estimation reference EC of the feature amount of the tympanic temperature and the estimation reference EC of the feature amount of the activity.
  • the symptom estimating unit 25 determines which of the feature amount range “normal” Rn and the feature amount range “abnormal” Ra the feature amount of the subject Su is included for each of the tympanic temperature and the activity amount (S 74).
  • FIG. 11 is a diagram showing an example of feature value determination for the feature value of tympanic temperature and the feature value of activity.
  • the feature amount of the subject A is included in the feature amount range “normal” Rn of the estimation reference EC of the tympanic temperature
  • the feature amounts of the subjects B and C are included in the feature amount range “abnormal” Ra
  • the feature amounts of the subjects A and B are included in the feature amount range “normal” Rn of the estimation reference EC of the activity amount
  • the feature amounts of the subject C are included in the feature amount range “abnormal” Ra. Ru.
  • the symptom estimation unit 25 estimates the degree of symptoms of the subject Su using, for example, Table 1 based on the determination results of the eardrum temperature and the feature amount of the activity amount (S75).
  • the feature of the tympanic temperature is determined to be "abnormal” and the activity of the feature is determined to be “normal”.
  • Severe symptoms are estimated.
  • the feature amount of the tympanic temperature is determined to be "abnormal” and the feature amount of the activity is determined to be “abnormal”
  • the moderate symptom is estimated, and the feature amount of the tympanic temperature is determined as "normal” If it is determined that the feature quantity of the activity amount is "normal”, it is estimated that mild symptoms or no symptoms are present. This enables an objective assessment of the presence or absence of a symptom, as well as a quantitative assessment of the degree of the symptom.
  • the symptom notification unit 26 notifies the subject Su of the estimation result ER of the symptom (S76).
  • the estimation result ER of the condition includes at least information indicating the degree of the condition, such as "severe”, “moderate”, “mild”, and may further include the determination result of the feature value of the tympanic membrane temperature and the activity.
  • the estimation result ER of the condition may include time-series data of the measurement values and derived values of the tympanic membrane temperature and the amount of activity used for estimation of the condition, a feature amount, and the like.
  • the symptom estimation result ER may be displayed in comparison with an estimation history of a specific date and time, an average estimation history, and the like.
  • FIG. 12 is a diagram showing an example of notification of a symptom estimation result ER.
  • the feature amount of tympanic temperature is determined to be "abnormal”
  • the feature amount of activity is determined to be "normal”
  • the degree of symptoms is estimated to be "severe”.
  • the feature amount of the core body temperature system index is included in the feature amount range “abnormal” Ra
  • the feature amount of the activity amount index is included in the feature amount range “normal” Rn.
  • the estimation reference EC is set by dividing the feature quantity of the physiological index into two levels of the feature quantity of the “normal” sample Sa and the feature quantity of the “abnormal” sample Sa.
  • the estimation criterion EC may be set by further dividing the feature value of the physiological index into three or more stages. As a result, the symptoms of the subject Su can be estimated in more detail than in the case of division into two stages. Below, the case where the feature-value of a physiological index is divided into four steps based on sample information or statistical processing is explained.
  • the sample information acquisition unit 14 acquires sample information indicating the degree of symptoms from each sample Sa using the above-described questionnaire.
  • the reference setting unit 15 classifies feature quantities of physiological indexes of a plurality of samples Sa based on sample information.
  • the reference setting unit 15 sets the estimation reference EC using the feature space for each physiological index based on the classification result of the feature. That is, the feature amount ranges Rn1, Rn2, Ra1, and Ra2 of “normal degree large”, “normal degree small”, “abnormal degree small”, and “abnormal degree” are specified using a machine learning algorithm.
  • FIG. 13 is a diagram showing an example of an estimation reference EC of the feature value (time, amplitude) of the eardrum temperature based on sample information. Note that FIG. 13 illustrates an example of the feature amount space including the shape of the feature amount range R and the like.
  • the sample information acquisition unit 14 acquires sample information indicating the degree of symptoms from each sample Sa using the above-described questionnaire, as in the case based on the sample information.
  • the reference setting unit 15 divides the feature quantities of the physiological index of the plurality of samples Sa into two stages, that is, “normal” and “abnormal” based on the sample information.
  • the reference setting unit 15 sets the estimation reference EC using the feature space for each physiological index based on the classification result of the feature. First, using a machine learning algorithm, the range Rn of the feature amount of the “normal” sample Sa (the range Rn of the “normal” and the range Ra of the feature amount of the “abnormal” sample Sa (the range Ra of the “abnormal”) And the boundary B with the Next, the center of gravity G of the “normal” range Rn is determined.
  • FIG. 14 shows an example of the estimation reference EC of the feature value (time, amplitude) of tympanic membrane temperature based on statistical processing.
  • FIG. 14 shows an example of the feature amount space including the shape of the feature amount range R and the like.
  • the degree of symptoms of the subject Su is estimated based on, for example, Table 2 from the determination result of the feature value for each physiological index.
  • the degree of symptoms indicates that the smaller the value, the more severe the symptoms. This enables quantitative evaluation to be performed in more detail by classifying the degree of symptoms in more detail.
  • the degree of symptoms of the subject Su is estimated based on, for example, the following table from the determination result of the feature amount for each physiological index.
  • Table 3 is an example in the case of setting the four-step estimation reference EC to the deep body temperature system index and setting the two-step estimation reference EC to the activity-based index.
  • Table 4 is an example in which a two-stage estimation reference EC is set in the deep body temperature system index, and a four-stage estimation reference EC is set in the activity scale.
  • the time difference condition acquisition unit 28 acquires a time difference condition that indicates the time difference that has occurred due to the cause of the jet lag, and the number of days elapsed since the cause of the jet lag has occurred.
  • the time difference caused by jet lag is the movement time difference, shift time, etc.
  • the number of days elapsed after the cause of jet lag is the elapsed days after movement with shift, shift working, etc. is there.
  • the estimation device 2 as described above, the measurement of the physiological signal of the subject Su, the derivation of the physiological index, and the extraction of the characteristic quantity are performed, the characteristic quantity of the physiological index is determined, and the symptom is estimated.
  • the history storage unit 29 associates time series data of derived values of physiological indexes, feature quantities, determination results of feature quantities, estimation results of symptoms ER, etc. in relation to a subject Su and a time difference condition as estimation history of symptoms. It is memorized. As a result, the estimated history of symptoms is accumulated in the history storage unit 29 in a state in which reference can be made based on the subject Su and the time difference condition.
  • the jet lag condition acquiring unit 28 acquires, from the subject Su, a jet lag condition causing a jet lag, and a jet lag condition specifying the number of days elapsed from the cause of jet lag as a symptom prediction condition.
  • FIG. 15 is a diagram showing an example of a questionnaire for acquiring a condition prediction condition (time difference condition) of a symptom.
  • FIG. 16 is a diagram showing an example of the prediction result of symptoms.
  • severe symptoms are predicted three days after moving with a 5-hour time lag.
  • the subject Su can predict symptoms according to the number of days elapsed from the movement before or after moving with a time difference.
  • a modification of the estimation system relates to a method of setting the estimation criterion EC and a method of using the estimation history.
  • the estimation criterion EC is set by dividing the feature amount of the physiological index into two steps of the feature amount of the “normal” sample Sa and the feature amount of the “abnormal” sample Sa.
  • the estimation reference EC may be set in accordance with the other setting example 1 or setting example 2 of the estimation standard described above.
  • FIG. 17 is a diagram showing an example of an estimation system capable of setting the estimation reference EC in consideration of the feature quantities of a plurality of subjects Su.
  • the estimation device 2a acquires information indicating the degree of the symptom of the subject Sua in the same manner as in the setting process of the estimation reference EC, and uses, for example, the feature amount of the physiological index of the examiner Sua. It divides into the feature value of "normal” or "abnormal” sample Sa. Then, the estimation device 2a transmits the classification result of the feature amount and the feature amount to the management device 3 as feature amount information.
  • the management device 3 manages the feature amount information of the subject Sua on the database together with the feature amount information of another subject Su or the sampler Sa.
  • the estimation device 2b when estimating the condition of the subject Sub, requests the management device 3 to transmit the estimation criterion EC.
  • the management device 3 In response to the transmission request for the estimation criterion EC, the management device 3 newly sets the estimation criterion EC based on the managed feature amount information, and transmits the estimation criterion EC to the estimation device 2b.
  • the estimation criterion EC is set by plotting the feature amount on the feature amount space according to the classification result of the feature amount and specifying the feature amount range R, as in the case of the estimation process.
  • the estimation device 2b extracts the feature amount of the physiological index of the subject Sub, and estimates the symptoms of the subject Sub using the latest estimation criterion EC.
  • estimation reference EC using the feature amount information of a plurality of subjects Su, estimation can be made that the symptom of the subject Su can be estimated without using the estimation reference EC stored in advance in the estimation device 2 A system is realized.
  • FIG. 18 is a diagram showing an example of an estimation system capable of setting the estimation reference EC in consideration of the feature amount of the subject Su.
  • the estimation device 2 acquires information indicating the degree of the symptom of the subject Su and classifies the feature amount of the physiological index of the subject Su as in the process of setting the estimation reference EC. . Then, the estimation device 2 newly sets the estimation reference EC in consideration of the feature amount information acquired in the previous estimation process, as well as the feature amount information of the other samplers Sa. Note that the estimation reference EC may be set using only the feature amount information of the subject Su. In another estimation process, the estimation device 2 extracts the feature amount of the physiological index of the subject Su that is the same as the estimation process described above, and estimates the symptom of the subject Su using the latest estimation criterion EC.
  • FIG. 19 is a diagram showing an example of an estimation system capable of sharing the estimation history of symptoms among a plurality of estimation devices 2a and 2b.
  • the estimation device 2 acquires information indicating the degree of the symptom of the subject Sua in the estimation process of the condition of the subject Sua, as in the case of the process of setting the estimation reference EC, and the feature value of the physiological index of the subject Sua Section Then, the estimation device 2a transmits the classification result of the feature amount and the feature amount to the management device 3 as feature amount information.
  • the estimation device 2a estimates the symptoms of the subject Sua, and transmits the estimation result ER to the management device 3 together with the time difference condition acquired from the subject Sua.
  • the management device 3 manages the information of the subject Sua together with the information of the other subjects Su.
  • the management device 3 manages estimation results ER of a plurality of subjects Su on a database in association with feature amount information and a time difference condition.
  • the estimation device 2b transmits the time difference condition and the feature amount information of the subject Sub to the management device 3 together with the transmission request of the estimation history in the prediction processing of the symptom of the subject Sub.
  • the feature amount information (the classification result of the feature amount and the feature amount) of the subject Sub is assumed to be obtained in advance in the symptom estimation process for the subject Sub.
  • the management device 3 extracts the estimation history stored in association with the time difference condition and the feature amount information similar to the time difference condition of the subject Sub and the feature amount information, in response to the transmission request of the estimation history. Then, the management device 3 transmits the extracted estimation history to the estimation device 2b, and the estimation device 2b notifies the user of the estimation history acquired by the estimation history acquisition unit (not shown).
  • an estimation system capable of appropriately predicting the symptoms of the subject Su is realized by sharing the estimation history of the symptoms with another subject Su having similar feature amount information.
  • Reference 1 O'Connor, P .; J. Morgan, W .; P. Athletic Performance Following Rapid Traversal of Multiple Time Zones-A Review. Sports Med. 1990, 10, 20-30.
  • Reference 2 Klein, K. et al. E. Wegmann, H .; -M. The Resynchronization of Human Circadian Rhythms After Transmitteridian Flight as a Result of Flight Direction and Mode of Activity. In Chronobiology; Scheving, L. E. , Halberg, F .; , Pauly, J. E. , Eds. Thieme Publ. Stuttgart, 1974; 564-570.
  • Reference 3 Winget, C. et al. M. De Roshia, C .; M.

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • Pathology (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Physics & Mathematics (AREA)
  • Surgery (AREA)
  • Biophysics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Physiology (AREA)
  • Artificial Intelligence (AREA)
  • Psychiatry (AREA)
  • Signal Processing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • Fuzzy Systems (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Mathematical Physics (AREA)
  • Databases & Information Systems (AREA)
  • Educational Technology (AREA)
  • Social Psychology (AREA)
  • Psychology (AREA)
  • Hospice & Palliative Care (AREA)
  • Developmental Disabilities (AREA)
  • Child & Adolescent Psychology (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Otolaryngology (AREA)
  • Medical Treatment And Welfare Office Work (AREA)
  • Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)

Abstract

時差ぼけの有無を客観的に判定するとともに、時差ぼけ症状の程度を定量的に評価できる、時差ぼけ症状の推定装置、推定システム、推定方法およびプログラムを提供する。時差ぼけ症状の程度を異にする複数の標本（Ｓａ）について、深部体温系の生理指標の特徴量と活動量系の生理指標の特徴量のそれぞれを、時差ぼけ症状の程度に応じて区分し、時差ぼけ症状の程度の区分に応じた特徴量範囲（Ｒ）を特定して設定される推定基準（ＥＣ）を取得する取得部（２４）と、被験者（Ｓｕ）について、深部体温系の生理指標の特徴量と活動量系の生理指標の特徴量を抽出する抽出部（２３）と、深部体温系の生理指標と活動量系の生理指標のそれぞれについて、被験者の生理指標の特徴量が推定基準のいずれの特徴量範囲に含まれるかを判定し、被験者の時差ぼけ症状を推定する症状推定部（２５）とを備える。

Description

時差ぼけ症状の推定装置、推定システム、推定方法およびプログラム
　本開示は、時差ぼけ症状の推定装置、推定システム、推定方法およびプログラムに関する。
　時差を伴う移動、シフトワーキング、不規則な生活等（勤務日と休日の睡眠相が大きく異なる生活習慣、不規則な睡眠覚醒習慣）により、生体リズムがずれて体調が狂う時差ぼけ（広義）が生じる。時差ぼけは、睡眠障害、疲労感の持続等の症状をもたらす。時差ぼけの症状により体調が狂うと、身体能力が低下したり、思わぬ事故が発生したりする。このため、体調管理の観点から、時差ぼけの有無を客観的に判定したり、時差ぼけ症状の程度を定量的に評価したりすることが望まれている。
　しかし、時差ぼけ症状には、個人差、年齢差、東西の移動方向の差等がある。例えば、時差ぼけ症状の持続期間には、１．７日～１７．９日の個人差があるといわれている（参考文献１）。このため、客観的な判定や定量的な評価が困難であり、これらの判定や評価は、主観的または定性的に行われているにすぎない。
　ところで、様々な周期をもつ生体リズムのうち、特に概日周期の生体リズムとしては体温、血圧、心拍、睡眠覚醒等の生体リズムが知られている。そして、生体リズムの同調時間（時差に伴う生体リズムのずれが現実の生活時間等に同調するまでに要する時間）は、深部体温系の生理指標と活動量（睡眠覚醒）系の生理指標との間で大きく乖離していることが知られている。例えば、５時間以上の時差に伴う生体リズムのずれは、深部体温で約２週間、心拍・睡眠覚醒で２、３日であるといわれている（参考文献２、３）。また、時差ぼけの症状は、時差ぼけの原因が生じてから３、４日目が最も重くなるといわれている（参考文献４）。
　そして、生体リズム同士の同調時間の乖離は、複数の生体リズムが同一の生体内で異なる周期をとる内的脱同期の現象をもたらし、様々な不調を生体に及ぼす、いわゆる時差ぼけ（広義）を生じさせる（参考文献５）。このため、単一の生理指標を用いても、時差ぼけの有無を定量的に判定したり、時差ぼけ症状の程度を定量的に評価したりできない。
　そこで、本開示は、時差ぼけの有無を客観的に判定するとともに、時差ぼけ症状の程度を定量的に評価できる、時差ぼけ症状の推定装置、推定システム、推定方法およびプログラムを提供しようとするものである。
　本開示のある観点によれば、時差ぼけ症状の程度を異にする複数の標本について、深部体温系の生理指標の特徴量と活動量系の生理指標の特徴量のそれぞれを、時差ぼけ症状の程度に応じて区分し、時差ぼけ症状の程度の区分に応じた特徴量範囲を特定して設定される推定基準を取得する取得部と、被験者について、深部体温系の生理指標の特徴量と活動量系の生理指標の特徴量を抽出する抽出部と、深部体温系の生理指標と活動量系の生理指標のそれぞれについて、被験者の生理指標の特徴量が推定基準のいずれの特徴量範囲に含まれるかを判定し、被験者の時差ぼけ症状を推定する推定部とを備える時差ぼけ症状の推定装置が提供される。
　推定部は、深部体温系の生理指標の特徴量が時差ぼけ症状を有する標本の特徴量範囲に含まれ、かつ活動量系の生理指標の特徴量が時差ぼけ症状を有しない標本の特徴量の特徴量範囲に含まれるときに、被験者の時差ぼけ症状の程度が重いと推定してもよい。
　取得部は、複数の標本の特徴量を、時差ぼけ症状を有する標本の特徴量範囲と、時差ぼけ症状を有しない標本の特徴量範囲とに区分し、時差ぼけ症状を有する標本の特徴量範囲の重心を基準にして、複数の標本の特徴量を、時差ぼけ症状の程度に応じて３つ以上に区分し、時差ぼけ症状の程度に応じた特徴量副範囲を特定して設定される推定基準を取得し、推定部は、被験者の生理指標の特徴量が推定基準のいずれの特徴量副範囲に含まれるかを判定し、被験者の時差ぼけ症状を推定してもよい。
　取得部は、複数の標本の特徴量を、標本による時差ぼけ症状の程度について主観的な評価に基づき３つ以上に区分し、時差ぼけ症状の程度に応じた特徴量副範囲を特定して設定される推定基準を取得し、推定部は、被験者の生理指標の特徴量が推定基準のいずれの特徴量副範囲に含まれるかを判定し、被験者の時差ぼけ症状を推定してもよい。
　取得部は、被験者を含む複数の標本の特徴量を、時差ぼけ症状の程度に応じて区分し、時差ぼけ症状の程度の区分に応じた特徴量範囲を特定して設定される推定基準を取得してもよい。
　推定装置は、時差ぼけ症状の原因となる時差の条件を示す時差条件に関連付けて、時差ぼけ症状の推定結果を格納する推定履歴格納部と、格納されている時差ぼけ症状の推定結果から、指定された時差条件に適合する推定結果を抽出する推定履歴抽出部とをさらに備えてもよい。
　推定装置は、被験者の生理指標の特徴量と、時差ぼけ症状に応じた特徴量の区分結果とを複数の推定装置から取得し、時差ぼけ症状の程度の区分に応じた特徴量範囲を特定して推定基準を設定する管理装置に接続され、取得部は、管理装置により設定された推定基準を取得してもよい。
　推定装置は、被験者の生理指標の特徴量の区分結果と、時差ぼけ症状の原因となる時差の条件を示す時差条件と、時差ぼけ症状の推定結果を複数の推定装置から取得し、特徴量の区分結果および時差条件に関連付けて、時差ぼけ症状の推定結果を管理する管理装置に接続され、推定装置は、管理されている時差ぼけ症状の推定結果のうち、指定された時差条件および特徴量の区分結果に適合する推定結果を取得する推定履歴取得部をさらに備えてもよい。
　抽出部は、時差ぼけ症状の程度を異にする複数の標本について、深部体温系の生理指標の特徴量と活動量系の生理指標の特徴量を抽出し、推定装置は、深部体温系の生理指標と活動量系の生理指標のそれぞれについて、抽出した生理指標の特徴量を時差ぼけ症状の程度に応じて区分し、時差ぼけ症状の程度の区分に応じた特徴量範囲を特定して推定基準を設定する設定部をさらに備え、取得部は、設定部により設定された推定基準を取得してもよい。
　推定基準は、標本の生活形態毎に設定され、推定部は、被験者の生活形態に応じた推定基準を用いて、被験者の時差ぼけ症状を推定してもよい。
　推定装置は、時差ぼけ症状の推定結果を被験者に通知する通知部をさらに備えてもよい。
　深部体温系の生理指標が鼓膜温であり、活動量系の生理指標が活動量であってもよい。
　推定装置は、推定基準を記憶する記憶部をさらに備え、取得部は、記憶部から推定基準を取得してもよい。
　本開示の他の観点によれば、時差ぼけ症状の程度を異にする複数の標本について、深部体温系の生理指標の特徴量と活動量系の生理指標の特徴量を抽出する抽出部と、深部体温系の生理指標と活動量系の生理指標のそれぞれについて、抽出した生理指標の特徴量を時差ぼけ症状の程度に応じて区分し、時差ぼけ症状の程度の区分に応じた特徴量範囲を特定して推定基準を設定する設定部とを備える設定装置と、被験者について、深部体温系の生理指標の特徴量と活動量系の生理指標の特徴量を抽出する抽出部と、深部体温系の生理指標と活動量系の生理指標のそれぞれについて、被験者の生理指標の特徴量が推定基準のいずれの特徴量範囲に含まれるかを判定し、被験者の時差ぼけ症状を推定する推定部とを備える推定装置とを有する時差ぼけ症状の推定システムが提供される。
　本開示の他の観点によれば、時差ぼけ症状の程度を異にする複数の標本について、深部体温系の生理指標の特徴量と活動量系の生理指標の特徴量のそれぞれを、時差ぼけ症状の程度に応じて区分し、時差ぼけ症状の程度の区分に応じた特徴量範囲を特定して設定される推定基準を取得し、被験者について、深部体温系の生理指標の特徴量と活動量系の生理指標の特徴量を抽出し、深部体温系の生理指標と活動量系の生理指標のそれぞれについて、被験者の生理指標の特徴量が推定基準のいずれの特徴量範囲に含まれるかを判定し、被験者の時差ぼけ症状を推定することを含む時差ぼけ症状の推定方法が提供される。
　本開示の他の観点によれば、深部体温系の生理指標の特徴量と活動量系の生理指標の特徴量のそれぞれを時差ぼけ症状の程度に応じて区分し、時差ぼけ症状の程度の区分に応じた特徴量範囲を特定した推定基準を取得する取得部と、ユーザから深部体温系の生理指標の特徴量と活動量系の生理指標の特徴量を抽出する抽出部と、深部体温系の生理指標と活動量系の生理指標のそれぞれについて、ユーザの生理指標の特徴量が推定基準のいずれの特徴量範囲に含まれるかを判定し、ユーザの時差ぼけ症状を推定する推定部とを備える時差ぼけ症状の推定装置が提供される。
　本開示の他の観点によれば、上記時差ぼけ症状の推定方法をコンピュータに実行させるためのプログラムが提供される。ここで、プログラムは、コンピュータ読取り可能な記録媒体を用いて提供されてもよく、通信手段等を介して提供されてもよい。
　本開示によれば、時差ぼけの有無を客観的に判定するとともに、時差ぼけ症状の程度を定量的に評価できる、時差ぼけ症状の推定装置、推定システム、推定方法およびプログラムを提供することができる。
本開示の一実施形態に係る時差ぼけ症状の推定システムの全体構成を示す図である。 推定システムの全体的な処理を示すフロー図（１／２）である。 推定システムの全体的な処理を示すフロー図（２／２）である。 設定装置の機能構成を示すブロック図である。 推定装置の機能構成を示すブロック図である。 設定装置の動作を示すフロー図である。 鼓膜温の特徴量と活動量の特徴量の一例を示す図である。 標本者に対するアンケートの一例を示す図である。 鼓膜温の特徴量と活動量の特徴量について特徴量範囲の特定の一例を示す図である。 推定装置の動作を示すフロー図である。 鼓膜温の特徴量と活動量の特徴量について特徴量の判定の一例を示す図である。 症状の推定結果の通知の一例を示す図である。 標本情報に基づく鼓膜温の特徴量の推定基準の一例を示す図である。 統計処理に基づく鼓膜温の特徴量の推定基準の一例を示す図である。 症状の予測条件を取得するためのアンケートの一例を示す図である。 症状の予測結果の一例を示す図である。 複数の被験者の特徴量を考慮して推定基準を設定可能な推定システムの一例を示す図である。 被験者の特徴量を考慮して推定基準を設定可能な推定システムの一例を示す図である。 複数の推定装置間で症状の推定履歴を共有可能な推定システムの一例を示す図である。
　以下に添付図面を参照しながら、本開示の好適な実施の形態について詳細に説明する。なお、本明細書及び図面において、実質的に同一の機能構成を有する構成要素については、同一の符号を付することにより重複説明を省略する。
　［１．推定システムの構成］
　まず、図１から図５を参照して、本開示の一実施形態に係る時差ぼけ症状の推定システム（以下、推定システムとも称する。）について説明する。図１は、本開示の一実施形態に係る推定システムの全体構成を示す図である。
　図１に示すように、推定システムは、時差ぼけ症状の推定に用いる推定基準ＥＣを設定する設定装置１と、推定基準ＥＣを用いて時差ぼけ症状を推定して推定結果ＥＲを生成する推定装置２とからなる。推定基準ＥＣは、時差ぼけ症状を異にする複数の標本Ｓａに基づき設定され、被験者Ｓｕの時差ぼけ症状の推定に用いられる。
　図２および図３は、推定システムの全体的な処理を示すフロー図である。推定システムでは、図２に示すように、設定装置１が推定基準ＥＣの設定処理を行い、図３に示すように、推定装置２が時差ぼけ症状の推定処理を行う。
　まず、図２を参照して、推定基準ＥＣの設定処理について説明する。推定基準ＥＣは、深部体温系の生理指標と活動量（睡眠覚醒）系の生理指標のそれぞれについて設定される。設定装置１は、時差ぼけ症状（症状）の程度を異にする複数の標本Ｓａのそれぞれについて、標本Ｓａの生理信号を計測し（ステップＳ１１、Ｓ２１）、生理信号から生理指標を導出し（Ｓ１２、Ｓ２２）、生理指標から特徴量を抽出する（Ｓ１３、Ｓ２３）とともに、症状の程度を取得する（Ｓ１４、Ｓ２４）。
　深部体温系指標とは、生体リズムの同調時間が活動量系指標と比べて長い指標である。この例としては、鼓膜温、口内体温、血中のメラトニン含有量やコルチゾール含有量が挙げられる。一方、活動量系指標とは、生体リズムの同調時間が深部体温系指標と比べて短い指標である。この例としては、活動量、脈拍数、ＡＩ（Ａｕｇｍｅｎｔａｔｉｏｎ　Ｉｎｄｅｘ）値、血圧値が挙げられる。
　生理指標の特徴量としては、例えば、鼓膜温、口内体温、メラトニンやコルチゾールの含有量、脈拍数、ＡＩ値、血圧値については、特定位相（振幅最大、最小等）の出現時刻、振幅量（最大、最小、平均等）が挙げられる。また、活動量については、入眠時刻、出眠時刻が挙げられる。複数の標本Ｓａは、症状の推定対象となる被験者Ｓｕとは異なる複数の標本者Ｓａであり、同一の標本者Ｓａが２以上の標本Ｓａとして利用されてもよい。なお、複数の標本Ｓａは、被験者Ｓｕを含んでもよいが、ここでは、複数の標本者Ｓａである場合について説明する。
　設定装置１は、複数の標本Ｓａの生理指標の特徴量を症状の程度に応じて区分し（Ｓ１５、Ｓ２５）、症状の程度の区分に応じた特徴量範囲Ｒを特定する（Ｓ１６、Ｓ２６）ことで、推定基準ＥＣを設定する（Ｓ１７、Ｓ２７）。推定基準ＥＣは、深部体温系指標の特徴量と活動量系指標の特徴量のそれぞれについて設定される。
　ここで、生理指標の特徴量は、標本Ｓａから取得された症状の程度に基づき、例えば、「正常」な標本Ｓａ（症状が無い標本Ｓａ）の特徴量と「異常」な標本Ｓａ（症状が有る標本Ｓａ）の特徴量との２段階に区分される。生理指標の特徴量は、３段階以上に区分されてもよいが、以下では、２段階に区分される場合について説明する。
　そして、複数の標本Ｓａの生理指標の特徴量を症状の程度に応じて区分することで、「正常」な標本Ｓａの特徴量を多く含む特徴量範囲Ｒｎと、「異常」な標本Ｓａの特徴量を多く含む特徴量範囲Ｒａとが特定される。これにより、特徴量範囲「正常」Ｒｎと特徴量範囲「異常」Ｒａからなる推定基準ＥＣが設定される。
　つぎに、図３を参照して、時差ぼけ症状の推定処理について説明する。推定装置２は、被験者Ｓｕの生理信号を計測し（ステップＳ３１、Ｓ４１）、生理信号から生理指標を導出し（Ｓ３２、Ｓ４２）、生理指標から特徴量を抽出する（Ｓ３３、Ｓ４３）。ここで、生理指標の特徴量としては、設定処理時に抽出された特徴量と同一の、深部体温系指標と活動量系指標の特徴量が抽出される。
　推定装置２は、被験者Ｓｕの生理指標の特徴量が推定基準ＥＣのいずれの特徴量範囲Ｒに含まれるかを判定し（Ｓ３４、Ｓ４４）、特徴量の判定結果に基づき被験者Ｓｕの症状を推定する（Ｓ５１）。ここで、生理指標の特徴量は、深部体温系指標の特徴量と活動量系指標の特徴量のそれぞれについて、いずれの特徴量範囲Ｒに含まれるかが判定される。
　例えば、深部体温系指標の特徴量が特徴量範囲「異常」Ｒａに含まれ、活動量系指標の特徴量が特徴量範囲「正常」Ｒｎに含まれると判定される。すると、活動量系の生体リズムが現実の生活時間等に同調しているが、深部体温系の生体リズムが同調していないことが分かる。これにより、深部体温系の生体リズムと活動量系の生体リズムとが同期していない、重度の時差ぼけ症状が推定される。
　図４は、設定装置１の機能構成を示すブロック図である。図４に示すように、設定装置１は、信号計測部１１、指標導出部１２、特徴量抽出部１３、標本情報取得部１４、基準設定部１５、記憶部１６を含んでいる。なお、標本情報取得部１４を除く各部では、深部体温系指標と活動量系指標のそれぞれについて処理が行われる。
　信号計測部１１は、各種のセンサを用いて標本Ｓａの生理信号を計測する。例えば、鼓膜温、口内体温は、温度センサを用いて計測され、脈拍数、血圧値は、圧力センサを用いて計測され、活動量は、加速度センサを用いて計測される。生理信号は、例えば、一晩等の計測期間に亘って、所定の計測間隔および所定の継続時間で計測される。計測した生理信号は、生理データに変換される。
　指標導出部１２は、生理データから生理指標を導出する。生理データは、フィルタ等を用いて特定の周波数成分を除去されたり、加速度センサの出力等を用いて非安静時のデータを棄却されたりする。生理データは、必要に応じて、他の生理指標に変換（例えば脈波からＡＩ値に変換）され生理指標の所定の継続時間（例えば、数十秒から数分）中の平均値として導出される。
　特徴量抽出部１３は、導出した生理指標から特徴量を抽出する。例えば、鼓膜温、口内体温、脈拍数、ＡＩ値、血圧値の特徴量は、導出された生理指標の時系列データに適合する概日周期の関数を求め、求めた関数を用いて特定位相（振幅最大、最小等）の出現時刻を求めたり、振幅量（最大、最小、平均等）を求めたりすることで抽出される。また、活動量の特徴量は、例えばＣｏｌｅ－Ｋｒｉｐｋｅのアルゴリズム（参考文献６）等を用いて、導出された活動量の時系列データから活動状態と睡眠状態の境界を特定することで抽出される。
　標本情報取得部１４は、症状の程度、生活形態（朝型、夜型、中間型等）等を示す標本情報を標本Ｓａから取得する。標本情報は、キー、ボタン、タッチパネル等の入力デバイスを通じて取得される。
　基準設定部１５は、抽出した特徴量から症状の推定に用いる推定基準ＥＣを設定する。推定基準ＥＣは、複数の標本Ｓａについて、生理指標の特徴量を症状の程度に応じて区分し、症状の程度の区分に応じた特徴量範囲Ｒを特定することで設定される。特徴量範囲Ｒは、例えば、サポートベクトルマシーンやブースティング等の機械学習アルゴリズムを用いて特定される。推定基準ＥＣは、生活形態を示す標本情報に基づき、例えば、朝型、夜型、中間型のそれぞれの被験者用の推定基準ＥＣとして設定されてもよい。
　記憶部１６には、標本Ｓａの生理信号や生理指標の時系列データ、特徴量、標本情報、推定基準ＥＣ等が記憶される。推定基準ＥＣは、推定装置２との間で共有されてもよく、通信回線や記録媒体を通じて推定装置２に提供されてもよい。
　図５は、推定装置２の機能構成を示すブロック図である。図５に示すように、推定装置２は、信号計測部２１、指標導出部２２、特徴量抽出部２３、被験者情報取得部２４、症状推定部２５、症状通知部２６、記憶部２７、時差条件取得部２８、履歴格納部２９、履歴抽出部３０を含んでいる。なお、信号計測部２１、指標導出部２２および特徴量抽出部２３では、深部体温系指標と活動量系指標のそれぞれについて処理が行われる。
　信号計測部２１、指標導出部２２および特徴量抽出部２３は、設定装置１の対応する構成要素と同様に機能する。特徴量抽出部２３は、被験者Ｓｕについて導出した生理指標から特徴量を抽出する。被験者情報取得部２４は、生活形態等を示す被験者情報を被験者Ｓｕから取得する。
　症状推定部２５は、被験者Ｓｕの生理指標の特徴量が推定基準ＥＣのいずれの特徴量範囲Ｒに含まれるかを判定する。そして、症状推定部２５は、深部体温系指標と活動量系指標のそれぞれの特徴量の判定結果に基づき、被験者Ｓｕの症状を推定する。なお、特徴量の判定は、被験者情報として取得される被験者Ｓｕの生活形態に対応する推定基準ＥＣを用いて行われてもよい。
　症状通知部２６は、症状の推定結果ＥＲ、後述する症状の推定履歴等をユーザに通知する。症状の通知は、視覚情報および／または聴覚情報として通知される。記憶部２７には、推定基準ＥＣ、被験者Ｓｕの生理指標の計測値や導出値の時系列データ、特徴量等が記憶される。記憶部２７には、設定装置１との間で共有される推定基準ＥＣ、または通信回線や記録媒体を通じて設定装置１から取得した推定基準ＥＣが記憶される。
　時差条件取得部２８は、時差ぼけの原因（移動、シフトワーキング等）により生じた時差、時差ぼけの原因が生じてからの経過日数を示す時差条件を取得する。時差条件は、被験者Ｓｕから取得されてもよく、ＧＰＳ装置、加速度センサ等を通じて取得されてもよい。
　履歴格納部２９には、生理指標の導出値の時系列データ、特徴量、特徴量の判定結果、症状の推定結果ＥＲ等が被験者Ｓｕから取得された時差条件に関連付けて症状の推定履歴として格納される。なお、図５では、記憶部２７を通じて情報が格納されるように示されているが、記憶部２７を通じずに格納されてもよい。履歴抽出部３０は、被験者Ｓｕにより指定される予測条件（時差条件）に基づき、症状の推定履歴のうち、予測条件を満たす推定結果ＥＲを抽出して症状通知部２６に供給する。
　設定装置１と推定装置２の各構成要素は、回路ロジック等のハードウェアおよび／またはプログラム等のソフトウェアとして構成される。ソフトウェアとして構成される構成要素は、不図示のＣＰＵ上でプログラムを実行することにより実現される。
　推定システムは、設定装置１と推定装置２を一体化して構成されてもよい。推定システムまたは推定装置２は、例えば、携帯音楽プレイヤ、携帯電話、携帯情報端末等として構成されてもよい。この場合、生理指標を計測するために、温度センサ、加速度センサ等のセンサがイヤホンに搭載されてもよい。また、症状の推定結果ＥＲは、推定装置２に代えて、液晶ディスプレイ等の表示装置やスピーカ等の出力装置を通じて被験者Ｓｕに通知されてもよい。
　また、推定システムは、設定装置１と推定装置２を別体として構成されてもよい。この場合、設定装置１と推定装置２との間では、通信回線や記録媒体を通じて、症状の推定に用いる推定基準ＥＣや症状の推定結果ＥＲが送受信されてもよい。また、推定装置２は、症状の推定結果ＥＲを他のユーザ端末等に出力するように構成されてもよい。
　［２．推定システムの動作］
　つぎに、図６から図１６を参照して、推定システムの動作について説明する。以下では、深部体温系指標と活動量系指標として鼓膜温と活動量をそれぞれに用いて、生理指標の特徴量を「正常」な標本Ｓａの特徴量と、「異常」な標本Ｓａの特徴量との２段階に区分する場合について説明する。
　（推定基準ＥＣの設定処理）
　図６は、設定装置１の動作を示すフロー図である。まず、設定装置１は、症状の程度を異にする複数の標本Ｓａのそれぞれについて、標本Ｓａの生理信号を計測し、生理信号から生理指標を導出し、生理指標から特徴量を抽出するとともに、症状の程度示す被験者情報を取得する。以下では、１標本Ｓａの生理指標の特徴量を抽出する動作について説明する。
　信号計測部１１は、所定の計測時間に亘って、所定の計測間隔および所定の継続時間で、標本Ｓａの鼓膜温と活動量を計測する（ステップＳ６１）。記憶部１６には、鼓膜温と活動量の計測値が時系列データとして記憶される。計測時間は、例えば一晩であり、計測間隔は、例えば数分から数十分であり、継続時間は、例えば数十秒から数分である。なお、計測は、食後１～２時間を避けるとともに、標本Ｓａが安静な状態で行われる。また、鼓膜温と活動量は、同時点に計測されてもよく、異なる時点に計測されてもよい。
　指標導出部１２は、計測値の時系列データを用いて、継続時間中における鼓膜温の平均値と活動量の平均値を生理指標として導出する（Ｓ６２）。記憶部１６には、鼓膜温と活動量の導出値が時系列データとして記憶される。なお、生理指標の導出に際して、計測値の時系列データは、不連続データや非安静時のデータ等、異常値を棄却される。また、計測値の時系列データは、生理指標に応じて、例えば脈波をＡＩ値（脈波の二次微分の変極点に相当する。）に変換する等、データ変換を施される。
　特徴量抽出部１３は、導出値の時系列データを用いて、鼓膜温の特徴量と活動量の特徴量を生理指標の特徴量として抽出する（Ｓ６３）。記憶部１６には、鼓膜温と活動量の特徴量が標本Ｓａに関連付けて記憶される。
　図７は、鼓膜温の特徴量と活動量の特徴量の一例を示す図である。図７に示すように、鼓膜温の特徴量は、導出値の時系列データに適合する概日周期の関数を求め、例えば、最小振幅の出現時刻（位相）とその振幅量の組合せとして抽出される。なお、特徴量は、例えば、特定位相（振幅最大、最小等）の出現時刻や振幅量（最大、最小、平均等）のうち２つ以上の値の組合せとして抽出されてもよい。活動量の特徴量は、導出値の時系列データから、活動量の分布状況に基づき、活動状態と睡眠状態との境界を入眠時刻として特定することで抽出される。
　標本情報取得部１４は、標本者Ｓａに対するアンケートを用いて、症状の程度を示す標本情報を標本者Ｓａから取得する（Ｓ６４）。記憶部１６には、標本情報が標本Ｓａに関連付けて記憶される。また、生活形態を示す標本情報が標本者Ｓａから取得されてもよい。標本Ｓａの生活形態は、標本Ｓａに対するアンケートを用いて、朝型、夜型、中間型等のうちいずれかとして指定される。
　図８は、標本者Ｓａに対するアンケートの一例を示す図である。図８に示すように、活動量以外の生理指標については、例えば、不眠・眠気、作業能率、意欲・食欲、疲労感、活動量の項目からなるアンケートを用いて標本情報が取得される。標本者Ｓａは、良好な状態を５点、不良な状態を１点として項目毎に５段階評価を行う。また、活動量については、標本者Ｓａの通常の入眠時刻が標本情報として取得される。
　つぎに、設定装置１は、複数の標本Ｓａの生理指標の特徴量を症状の程度に応じて区分し、症状の程度の区分に応じた特徴量範囲Ｒを特定することで、推定基準ＥＣを設定する。
　基準設定部１５は、症状の程度を示す標本情報に基づき、複数の標本Ｓａの生理指標の特徴量を症状の程度に応じて、「正常」な標本Ｓａの特徴量と「異常」な標本Ｓａの特徴量とに区分する（Ｓ６５）。記憶部１６には、特徴量の区分結果が標本Ｓａに関連付けて記憶される。
　活動量以外の生理指標については、前述したアンケート項目の総合得点に基づき、例えば、総合得点１６点以上を「正常」な標本Ｓａの特徴量に区分し、総合得点１５点以下を「異常」な標本Ｓａの特徴量に区分する。また、活動量については、通常の入眠時刻（標本情報）と、実際の入眠時刻（活動量の特徴量）との差が所定時間（例えば１時間）内を「正常」な標本Ｓａの特徴量に区分し、所定時間外を「異常」な標本Ｓａの特徴量に区分する。
　基準設定部１５は、特徴量の区分結果に基づき、特徴量範囲「正常」Ｒｎと特徴量範囲「異常」Ｒａを特定する（Ｓ６６）ことで、推定基準ＥＣを設定する（Ｓ６７）。なお、生活形態別の推定基準ＥＣは、生活形態毎の特徴量空間を用いて設定される。記憶部１６には、特徴量範囲Ｒの特定結果が推定基準ＥＣとして記憶される。
　図９は、鼓膜温の特徴量と活動量の特徴量について特徴量範囲Ｒの特定の一例を示す図である。なお、図９は、特徴量の分布、特徴量範囲Ｒの形状等を含む特徴量空間の一例を示すものである。図９に示すように、鼓膜温（活動量以外の生理指標）については、例えば、特定の位相の出現時刻を第１の次元、振幅量を第２の次元とする特徴量空間（平面）を用いて、推定基準ＥＣが求められる。活動量については、入眠時刻を第１の次元とする特徴量空間（線）を用いて、推定基準ＥＣが求められる。なお、生理指標の特徴量がｎ個の値の組合せからなるときには、第１、第２、…第ｎの次元の特徴量空間を用いて、推定基準ＥＣが求められる。
　図９には、「正常」な標本Ｓａの特徴量を○印としてプロットし、「異常」な標本Ｓａの特徴量を×印としてプロットした、特徴量空間（平面、線）が示されている。特徴量空間上では、機械学習アルゴリズムを用いて、「正常」な標本Ｓａの特徴量を多く含む範囲Ｒｎと、「異常」な標本Ｓａの特徴量を多く含む範囲Ｒａとの境界Ｂが特定される。これにより、特徴量範囲「正常」Ｒｎと特徴量範囲「異常」Ｒａからなる推定基準ＥＣが設定される。
　（症状の推定処理）
　図１０は、推定装置２の動作を示すフロー図である。まず、推定装置２は、被験者Ｓｕの生理信号を計測し、生理信号から生理指標を導出し、生理指標から特徴量を抽出する。
　信号計測部２１は、所定の計測時間に亘って、所定の計測間隔および所定の継続時間で、被験者Ｓｕの鼓膜温と活動量を計測する（ステップＳ７１）。記憶部２７には、鼓膜温と活動量の計測値が時系列データとして記憶される。指標導出部２２は、計測値の時系列データを用いて、継続時間中における鼓膜温の平均値と活動量の平均値を生理指標として導出する（Ｓ７２）。記憶部２７には、鼓膜温と活動量の導出値が時系列データとして記憶される。
　特徴量抽出部２３は、導出値の時系列データを用いて、鼓膜温の特徴量（例えば、最小振幅の出現時刻とその振幅値）と活動量の特徴量（入眠時刻）を生理指標の特徴量として抽出する（Ｓ７３）。記憶部２７には、鼓膜温と活動量の特徴量が記憶される。被験者情報取得部２４は、生活形態を示す標本情報を標本Ｓａから取得してもよい。生活形態は、被験者Ｓｕに対するアンケートを用いて、朝型、夜型、中間型等のうちいずれかとして指定される。
　つぎに、推定装置２は、被験者Ｓｕの生理指標の特徴量が推定基準ＥＣのいずれの特徴量範囲Ｒに含まれるかを判定し、特徴量の判定結果に基づき被験者Ｓｕの症状を推定する。
　症状推定部２５は、鼓膜温の特徴量の推定基準ＥＣと活動量の特徴量の推定基準ＥＣを記憶部２７から読み出す。症状推定部２５は、鼓膜温と活動量のそれぞれについて、被験者Ｓｕの特徴量が特徴量範囲「正常」Ｒｎと特徴量範囲「異常」Ｒａのうちいずれに含まれるかを判定する（Ｓ７４）。
　図１１は、鼓膜温の特徴量と活動量の特徴量について特徴量の判定の一例を示す図である。図１１に示す例では、被験者Ａの特徴量は、鼓膜温の推定基準ＥＣの特徴量範囲「正常」Ｒｎに含まれ、被験者Ｂ、Ｃの特徴量は、特徴量範囲「異常」Ｒａに含まれると判定される。同様に、被験者Ａ、Ｂの特徴量は、活動量の推定基準ＥＣの特徴量範囲「正常」Ｒｎに含まれ、被験者Ｃの特徴量は、特徴量範囲「異常」Ｒａに含まれると判定される。
　症状推定部２５は、鼓膜温と活動量の特徴量の判定結果に基づいて、例えば表１を用いて被験者Ｓｕの症状の程度を推定する（Ｓ７５）。
Figure JPOXMLDOC01-appb-T000001
　つまり、深部体温系指標として鼓膜温、活動量系指標として活動量を用いるとすれば、鼓膜温の特徴量について「異常」と判定され、活動量の特徴量について「正常」と判定されると、重度の症状が推定される。同様に、鼓膜温の特徴量について「異常」と判定され、活動量の特徴量について「異常」と判定されると、中度の症状が推定され、鼓膜温の特徴量について「正常」と判定され、活動量の特徴量について「正常」と判定されると、軽度の症状または症状なしと推定される。これにより、症状の有無の客観的な判定とともに、症状の程度の定量的な評価が可能となる。
　症状通知部２６は、症状の推定結果ＥＲを被験者Ｓｕに通知する（Ｓ７６）。症状の推定結果ＥＲは、例えば「重度」、「中度」、「軽度」等、症状の程度を示す情報を少なくとも含み、さらに鼓膜温と活動量の特徴量の判定結果を含んでもよい。また、症状の推定結果ＥＲは、症状の推定に用いた鼓膜温と活動量の計測値や導出値の時系列データ、特徴量等を含んでもよい。さらに、症状の推定結果ＥＲは、特定の日時の推定履歴、平均的な推定履歴等と比較して表示されてもよい。
　図１２は、症状の推定結果ＥＲの通知の一例を示す図である。図１２に示す例では、鼓膜温の特徴量が「異常」と判定され、活動量の特徴量が「正常」と判定され、症状の程度が「重度」と推定されている。
　この場合、深部体温系指標の特徴量が特徴量範囲「異常」Ｒａに含まれ、活動量系指標の特徴量が特徴量範囲「正常」Ｒｎに含まれることになり、活動量系の生体リズムが現実の生活時間等に同調しているが、深部体温系の生体リズムが同調していないことが分かる。これにより、深部体温系の生体リズムと活動量系の生体リズムとが同期していない、重度の時差ぼけ症状が推定される。
　（推定基準ＥＣの他の設定例１）
　上記説明では、推定基準ＥＣは、生理指標の特徴量を「正常」な標本Ｓａの特徴量と、「異常」な標本Ｓａの特徴量との２段階の程度に区分して設定された。しかし、推定基準ＥＣは、生理指標の特徴量を、さらに３段階以上に区分して設定されてもよい。これにより、２段階に区分する場合よりも、被験者Ｓｕの症状を詳細に推定できる。以下では、標本情報または統計処理に基づき、生理指標の特徴量を４段階に区分する場合について説明する。
　まず、標本情報に基づき生理指標の特徴量を４段階に区分する場合について説明する。標本情報取得部１４は、前述したアンケートを用いて、症状の程度を示す標本情報をそれぞれの標本Ｓａから取得する。基準設定部１５は、標本情報に基づき、複数の標本Ｓａの生理指標の特徴量を区分する。
　活動量以外の生理指標については、アンケート項目の総合得点に基づき、例えば、総合得点２１～２５点が「正常度大」、１６～２０点が「正常度小」、１０～１５点が「異常度小」、５～９点が「異常度大」な標本Ｓａの特徴量にそれぞれ区分される。活動量については、通常の入眠時刻と実際の入眠時刻との差が１時間未満が「正常度大」、１時間以上２時間未満が「正常度小」、２時間以上４時間未満が「異常度小」、４時間以上が「異常度大」な標本Ｓａの特徴量にそれぞれ区分される。
　そして、基準設定部１５は、特徴量の区分結果に基づき、生理指標毎に特徴量空間を用いて推定基準ＥＣを設定する。つまり、機械学習アルゴリズムを用いて、「正常度大」、「正常度小」、「異常度小」、「異常度大」のそれぞれの特徴量範囲Ｒｎ１、Ｒｎ２、Ｒａ１、Ｒａ２が特定される。図１３は、標本情報に基づく鼓膜温の特徴量（時刻、振幅）の推定基準ＥＣの一例を示す図である。なお、図１３は、特徴量範囲Ｒの形状等を含め、特徴量空間の一例を示すものである。
　（推定基準ＥＣの他の設定例２）
　つぎに、前述した標本情報に基づき特徴量を区分できない場合、統計処理に基づき生理指標の特徴量を４段階に区分する場合について説明する。標本情報取得部１４は、標本情報に基づく場合と同様に、前述したアンケートを用いて、症状の程度を示す標本情報をそれぞれの標本Ｓａから取得する。基準設定部１５は、標本情報に基づき、複数の標本Ｓａの生理指標の特徴量を２段階、つまり「正常」と「異常」に区分する。
　基準設定部１５は、特徴量の区分結果に基づき、生理指標毎に特徴量空間を用いて推定基準ＥＣを設定する。まず、機械学習アルゴリズムを用いて、「正常」な標本Ｓａの特徴量の範囲Ｒｎ（「正常」の範囲Ｒｎ）と「異常」な標本Ｓａの特徴量の範囲Ｒａ（「異常」の範囲Ｒａ）との境界Ｂが特定される。つぎに、「正常」の範囲Ｒｎの重心Ｇが求められる。
　そして、「正常」の範囲Ｒｎの重心から、「正常」の範囲Ｒｎと「異常」の範囲Ｒａとの境界までの最小距離ｒ１を半径とする空間（平面）内であれば「正常度大」、「正常」の範囲Ｒｎのうち「正常度大」以外の範囲であれば「正常度小」と区分される。また、「正常」の範囲Ｒｎの重心から、「正常」の範囲Ｒｎと「異常」の範囲Ｒａとの境界Ｂまでの最大距離ｒ２を半径とする空間（平面）内であれば「異常度小」、上記以外の範囲であれば「異常度大」と区分される。これにより、「正常度大」、「正常度小」、「異常度小」、「異常度大」のそれぞれの特徴量範囲Ｒｎ１、Ｒｎ２、Ｒａ１、Ｒａ２が特定される。図１４は、統計処理に基づく鼓膜温の特徴量（時刻、振幅）の推定基準ＥＣの一例を示している。なお、図１４は、特徴量範囲Ｒの形状等を含め、特徴量空間の一例を示すものである。
　深部体温系指標と活動量系指標について4段階の推定基準ＥＣを設定する場合、生理指標毎の特徴量の判定結果から、例えば表２に基づき被験者Ｓｕの症状の程度が推定される。なお、症状の程度は、値が小さいほど重度の症状であることを示している。これにより、症状の程度をより詳細に分類することで、定量的な評価がより詳細に可能となる。
Figure JPOXMLDOC01-appb-T000002
　深部体温系指標と活動量系指標の一方について4段階の推定基準ＥＣを設定する場合、生理指標毎の特徴量の判定結果から、例えば下表に基づき被験者Ｓｕの症状の程度が推定される。表３は、深部体温系指標に４段階の推定基準ＥＣを設定し、活動量系指標に２段階の推定基準ＥＣを設定する場合の一例である。表４は、深部体温系指標に２段階の推定基準ＥＣを設定し、活動量系指標に４段階の推定基準ＥＣを設定する場合の一例である。
Figure JPOXMLDOC01-appb-T000003
Figure JPOXMLDOC01-appb-T000004
　（症状の予測処理）
　つぎに、図１５および図１６を参照して、症状の推定履歴を用いて症状を予測する方法について説明する。症状の推定処理において、時差条件取得部２８は、時差ぼけの原因により生じた時差、時差ぼけの原因が生じてからの経過日数を示す時差条件を取得する。時差ぼけの原因により生じた時差とは、移動時差、シフト時間等であり、時差ぼけの原因が生じてからの経過日数とは、時差を伴う移動、シフトワーキング等が生じてからの経過日数である。
　推定装置２では、前述したように、被験者Ｓｕの生理信号の計測、生理指標の導出、特徴量の抽出が行われ、生理指標の特徴量が判定されて症状が推定される。ここで、履歴格納部２９には、生理指標の導出値の時系列データ、特徴量、特徴量の判定結果、症状の推定結果ＥＲ等が症状の推定履歴として、被験者Ｓｕおよび時差条件に関連付けて記憶される。これにより、履歴格納部２９には、症状の推定履歴が被験者Ｓｕおよび時差条件に基づき参照可能な状態で蓄積される。
　症状を予測する場合、時差条件取得部２８は、症状の予測条件として、時差ぼけの原因により生じた時差、時差ぼけの原因が生じてからの経過日数を指定する時差条件を被験者Ｓｕから取得する。図１５は、症状の予測条件（時差条件）を取得するためのアンケートの一例を示す図である。
　時差条件を取得すると、履歴抽出部３０は、時差条件に該当する推定履歴を履歴格納部２９に格納されている推定履歴から抽出する。症状通知部２６は、抽出した推定履歴を表示する。図１６は、症状の予測結果の一例を示す図である。図１６に示す例では、例えば５時間の時差を伴う移動をしてから３日後において、重度の症状が予測されている。これにより、被験者Ｓｕは、例えば、時差を伴う移動をする前や移動をした後に、移動からの経過日数に応じた症状を予測できる。
　［３．推定システムの変形例］
　つぎに、図１７から図１９を参照して、推定システムの変形例について説明する。推定システムの変形例は、推定基準ＥＣの設定方法および推定履歴の利用方法に関するものである。なお、以下では、生理指標の特徴量を「正常」な標本Ｓａの特徴量と、「異常」な標本Ｓａの特徴量との２段階の程度に区分して推定基準ＥＣを設定する場合を想定して説明する。しかし、推定基準ＥＣは、前述した推定基準の他の設定例１または設定例２に従って設定されてもよい。
　（推定基準ＥＣの他の設定例１）
　上記説明では、推定装置２に予め記憶されている推定基準ＥＣを用いて、被験者Ｓｕの症状を推定する場合について説明した。しかし、推定基準ＥＣは、例えば、複数の推定装置２からアクセス可能な管理装置３により管理されてもよい。図１７は、複数の被験者Ｓｕの特徴量を考慮して推定基準ＥＣを設定可能な推定システムの一例を示す図である。
　この場合、推定装置２ａは、症状の推定処理において、推定基準ＥＣの設定処理の場合と同様に、被験者Ｓｕａの症状の程度を示す情報を取得し、験者Ｓｕａの生理指標の特徴量を、例えば「正常」または「異常」な標本Ｓａの特徴量に区分する。そして、推定装置２ａは、特徴量の区分結果と特徴量とを特徴量情報として管理装置３に送信する。管理装置３は、被験者Ｓｕａの特徴量情報を他の被験者Ｓｕまたは標本者Ｓａの特徴量情報とともにデータベース上で管理する。
　一方、推定装置２ｂは、被験者Ｓｕｂの症状を推定する際に、推定基準ＥＣの送信を管理装置３に要求する。推定基準ＥＣの送信要求に応じて、管理装置３は、管理している特徴量情報に基づき推定基準ＥＣを新たに設定し、推定装置２ｂに送信する。推定基準ＥＣは、推定処理の場合と同様に、特徴量の区分結果に応じて特徴量空間上に特徴量をプロットし、特徴量範囲Ｒを特定することで設定される。推定装置２ｂは、被験者Ｓｕｂの生理指標の特徴量を抽出し、最新の推定基準ＥＣを用いて被験者Ｓｕｂの症状を推定する。
　これにより、複数の被験者Ｓｕの特徴量情報を用いて推定基準ＥＣを設定することで、推定装置２に予め記憶されている推定基準ＥＣを用いなくても被験者Ｓｕの症状を推定可能な、推定システムが実現される。
　（推定基準ＥＣの他の設定例２）
　また、上記説明では、被験者Ｓｕとは異なる複数の標本者Ｓａの特徴量情報を用いて、推定基準ＥＣを設定する場合について説明した。しかし、推定基準ＥＣは、被験者Ｓｕの特徴量情報を考慮して設定されてもよい。被験者Ｓｕの特徴量情報は、推定基準ＥＣの設定処理が可能な推定装置２（例えば設定装置１と一体化された推定装置２）により管理されてもよく、推定装置２からアクセス可能な管理装置３により管理されてもよい。以下では、前者の場合を想定して説明する。図１８は、被験者Ｓｕの特徴量を考慮して推定基準ＥＣを設定可能な推定システムの一例を示す図である。
　この場合、推定装置２は、症状の推定処理において、推定基準ＥＣの設定処理の場合と同様に、被験者Ｓｕの症状の程度を示す情報を取得し、被験者Ｓｕの生理指標の特徴量を区分する。そして、推定装置２は、他の標本者Ｓａの特徴量情報とともに、先の推定処理において取得された特徴量情報を考慮して推定基準ＥＣを新たに設定する。なお、被験者Ｓｕ自身の特徴量情報のみを用いて推定基準ＥＣを設定してもよい。推定装置２は、他の推定処理において、先の推定処理と同一の被験者Ｓｕの生理指標の特徴量を抽出し、最新の推定基準ＥＣを用いて被験者Ｓｕの症状を推定する。
　これにより、被験者Ｓｕ自身の特徴量情報を用いて推定基準ＥＣを設定することで、被験者Ｓｕの症状を高い精度で推定可能な、被験者Ｓｕ専用の推定システムが実現される。
　（推定履歴の他の利用例）
　また、上記説明では、症状の予測処理において、被験者Ｓｕ自身の症状の推定履歴を用いて被験者Ｓｕの症状を予測する場合について説明した。しかし、被験者Ｓｕの症状は、他の被験者Ｓｕの症状の推定履歴を用いて予測されてもよい。被験者Ｓｕの症状の推定履歴は、例えば、複数の推定装置２からアクセス可能な管理装置３により管理される。図１９は、複数の推定装置２ａ、２ｂ間で症状の推定履歴を共有可能な推定システムの一例を示す図である。
　この場合、推定装置２は、被験者Ｓｕａの症状の推定処理において、推定基準ＥＣの設定処理の場合と同様に、被験者Ｓｕａの症状の程度を示す情報を取得し、被験者Ｓｕａの生理指標の特徴量を区分する。そして、推定装置２ａは、特徴量の区分結果と特徴量とを特徴量情報として管理装置３に送信する。推定装置２ａは、被験者Ｓｕａの症状を推定し、被験者Ｓｕａから取得される時差条件とともに推定結果ＥＲを管理装置３に送信する。
　管理装置３は、他の被験者Ｓｕの情報とともに被験者Ｓｕａの情報を管理する。管理装置３は、複数の被験者Ｓｕの推定結果ＥＲを特徴量情報および時差条件に関連付けてデータベース上で管理する。
　推定装置２ｂは、被験者Ｓｕｂの症状の予測処理において、被験者Ｓｕｂの時差条件および特徴量情報を、推定履歴の送信要求とともに、管理装置３に送信する。なお、被験者Ｓｕｂの特徴量情報（特徴量の区分結果と特徴量）は、被験者Ｓｕｂについての症状の推定処理において予め求められているものとする。
　管理装置３は、推定履歴の送信要求に応じて、被験者Ｓｕｂの時差条件および特徴量情報に類似する時差条件および特徴量情報に関連付けて記憶されている推定履歴をデータベースから抽出する。そして、管理装置３は、抽出した推定履歴を推定装置２ｂに送信し、推定装置２ｂは、不図示の推定履歴取得部により取得した推定履歴をユーザに通知する。
　これにより、特徴量情報が類似する他の被験者Ｓｕとの間で症状の推定履歴を共有することで、被験者Ｓｕの症状を適切に予測可能な、推定システムが実現される。
　（参考文献リスト）
　参考文献１：Ｏ'Ｃｏｎｎｏｒ，　Ｐ．Ｊ．；　Ｍｏｒｇａｎ，　Ｗ．Ｐ．　Ａｔｈｌｅｔｉｃ　Ｐｅｒｆｏｒｍａｎｃｅ　Ｆｏｌｌｏｗｉｎｇ　Ｒａｐｉｄ　Ｔｒａｖｅｒｓａｌ　ｏｆ　Ｍｕｌｔｉｐｌｅ　Ｔｉｍｅ　Ｚｏｎｅｓ-Ａ　Ｒｅｖｉｅｗ．　Ｓｐｏｒｔｓ　Ｍｅｄ．　１９９０，　１０，　２０-３０．
　参考文献２：Ｋｌｅｉｎ，　Ｋ．Ｅ．；　Ｗｅｇｍａｎｎ，　Ｈ．－Ｍ．　Ｔｈｅ　Ｒｅｓｙｎｃｈｒｏｎｉｚａｔｉｏｎ　ｏｆ　Ｈｕｍａｎ　Ｃｉｒｃａｄｉａｎ　Ｒｈｙｔｈｍｓ　Ａｆｔｅｒ　Ｔｒａｎｓｍｅｒｉｄｉａｎ　Ｆｌｉｇｈｔｓ　ａｓ　ａ　Ｒｅｓｕｌｔ　ｏｆ　Ｆｌｉｇｈｔ　Ｄｉｒｅｃｔｉｏｎ　ａｎｄ　Ｍｏｄｅ　ｏｆ　Ａｃｔｉｖｉｔｙ．　Ｉｎ　Ｃｈｒｏｎｏｂｉｏｌｏｇｙ；　Ｓｃｈｅｖｉｎｇ，　Ｌ．Ｅ．，　Ｈａｌｂｅｒｇ，　Ｆ．，　Ｐａｕｌｙ，　Ｊ．Ｅ．，　Ｅｄｓ．；　Ｔｈｉｅｍｅ　Ｐｕｂｌ．：Ｓｔｕｔｔｇａｒｔ，　１９７４；　５６４-５７０．
　参考文献３：Ｗｉｎｇｅｔ，　Ｃ．Ｍ．；　Ｄｅ　Ｒｏｓｈｉａ，　Ｃ．Ｍ．；　Ｈｏｌｌｅｙ，　Ｄ．Ｃ．　Ｃｉｒｃａｄｉａｎ　Ｒｈｙｔｈｍｓ　ａｎｄ　Ａｔｈｌｅｔｉｃ　Ｐｅｒｆｏｒｍａｎｃｅ．　Ｍｅｄ．　Ｓｃｉ．　Ｓｐｏｒｔｓ　Ｅｘｅｒｃ．　１９８５，　１７，　４９８-５１６．
　参考文献４：Ｒｅｉｌｌｙ，　Ｔ．　（１９９８）．　Ｔｒａｖｅｌ：　Ｐｈｙｓｉｏｌｏｇｙ，　ｊｅｔ－ｌａｇ，　ｓｔｒａｔｅｇｉｅｓ．　Ｉｎ：　Ｅｎｃｙｃｌｏｐｅｄｉａ　ｏｆ　Ｓｐｏｒｔｓ　Ｍｅｄｉｃｉｎｅ　ａｎｄ　Ｓｃｉｅｎｃｅ，　Ｔ．Ｄ．Ｆａｈｅｙ　（Ｅｄｉｔｏｒ）．　Ｉｎｔｅｒｎｅｔ　Ｓｏｃｉｅｔｙ　ｆｏｒ　Ｓｐｏｒｔ　Ｓｃｉｅｎｃｅ：　ｈｔｔｐ：／／ｓｐｏｒｔｓｃｉ．ｏｒｇ．　１２　Ｊｕｌｙ　１９９８．
　参考文献５：「基礎講座　睡眠改善学」、堀忠雄、白川修一郎
　参考文献６：Ｃｏｌｅ　ＲＪ，　Ｋｒｉｐｋｅ　ＤＦ，　Ｇｒｕｅｎ　Ｗ，　Ｍｕｌｌａｎｅｙ　ＤＪ，　Ｇｉｌｌｉｎ　ＪＣ．　Ａｕｔｏｍａｔｉｃ　ｓｌｅｅｐ／ｗａｋｅ　ｉｄｅｎｔｉｆｉｃａｔｉｏｎ　ｆｒｏｍ　ｗｒｉｓｔ　ａｃｔｉｖｉｔｙ．　Ｓｌｅｅｐ．　１９９２；１５：４６１-９．
　以上、添付図面を参照しながら本開示の好適な実施形態について詳細に説明したが、本開示はかかる例に限定されない。本開示の属する技術の分野における通常の知識を有する者であれば、特許請求の範囲に記載された技術的思想の範疇内において、各種の変更例または修正例に想到し得ることは明らかであり、これらについても、当然に本開示の技術的範囲に属するものと了解される。
　　１　　設定装置
　　２、２ａ、２ｂ　　推定装置
　　３　　管理装置
　　１１、２１　　信号計測部
　　１２、２２　　指標導出部
　　１３、２３　　特徴量抽出部
　　１４　　標本情報取得部
　　１５　　基準設定部
　　１６、２７　　記憶部
　　２４　　被験者情報取得部
　　２５　　症状推定部
　　２６　　症状通知部
　　２８　　時差条件取得部
　　２９　　履歴格納部
　　３０　　履歴抽出部
　　Ｓａ　　標本
　　Ｓｕ、Ｓｕａ、Ｓｕｂ　　被験者
　　Ｒ、Ｒｎ、Ｒａ、Ｒｎ１、Ｒｎ２、Ｒａ１、Ｒａ２　　特徴量範囲

Claims (17)

  1. 　時差ぼけ症状の程度を異にする複数の標本について、深部体温系の生理指標の特徴量と活動量系の生理指標の特徴量のそれぞれを、前記時差ぼけ症状の程度に応じて区分し、前記時差ぼけ症状の程度の区分に応じた特徴量範囲を特定して設定される推定基準を取得する取得部と、
    　被験者について、前記深部体温系の生理指標の特徴量と前記活動量系の生理指標の特徴量を抽出する抽出部と、
    　前記深部体温系の生理指標と前記活動量系の生理指標のそれぞれについて、前記被験者の生理指標の特徴量が前記推定基準のいずれの特徴量範囲に含まれるかを判定し、前記被験者の時差ぼけ症状を推定する推定部と
    　を備える時差ぼけ症状の推定装置。
  2. 　前記推定部は、前記深部体温系の生理指標の特徴量が時差ぼけ症状を有する標本の特徴量範囲に含まれ、かつ前記活動量系の生理指標の特徴量が時差ぼけ症状を有しない標本の特徴量の特徴量範囲に含まれるときに、前記被験者の時差ぼけ症状の程度が重いと推定する、請求項１に記載の時差ぼけ症状の推定装置。
  3. 　前記取得部は、前記複数の標本の特徴量を、時差ぼけ症状を有する標本の特徴量範囲と、時差ぼけ症状を有しない標本の特徴量範囲とに区分し、前記時差ぼけ症状を有する標本の特徴量範囲の重心を基準にして、前記複数の標本の特徴量を、前記時差ぼけ症状の程度に応じて３つ以上に区分し、前記時差ぼけ症状の程度に応じた特徴量副範囲を特定して設定される推定基準を取得し、
    　前記推定部は、前記被験者の生理指標の特徴量が前記推定基準のいずれの特徴量副範囲に含まれるかを判定し、前記被験者の時差ぼけ症状を推定する、請求項１に記載の時差ぼけ症状の推定装置。
  4. 　前記取得部は、前記複数の標本の特徴量を、前記標本による時差ぼけ症状の程度について主観的な評価に基づき３つ以上に区分し、前記時差ぼけ症状の程度に応じた特徴量副範囲を特定して設定される推定基準を取得し、
    　前記推定部は、前記被験者の生理指標の特徴量が前記推定基準のいずれの特徴量副範囲に含まれるかを判定し、前記被験者の時差ぼけ症状を推定する、請求項１に記載の時差ぼけ症状の推定装置。
  5. 　前記取得部は、前記被験者を含む複数の標本の特徴量を、前記時差ぼけ症状の程度に応じて区分し、前記時差ぼけ症状の程度の区分に応じた特徴量範囲を特定して設定される推定基準を取得する、請求項３に記載の時差ぼけ症状の推定装置。
  6. 　前記時差ぼけ症状の原因となる時差の条件を示す時差条件に関連付けて、前記時差ぼけ症状の推定結果を格納する推定履歴格納部と、
    　前記格納されている時差ぼけ症状の推定結果から、指定された時差条件に適合する推定結果を抽出する推定履歴抽出部とをさらに備える、請求項３に記載の時差ぼけ症状の推定装置。
  7. 　前記被験者の生理指標の特徴量と、前記時差ぼけ症状に応じた特徴量の区分結果とを複数の推定装置から取得し、前記時差ぼけ症状の程度の区分に応じた特徴量範囲を特定して推定基準を設定する管理装置に接続され、
    　前記取得部は、前記管理装置により設定された推定基準を取得する、請求項３に記載の時差ぼけ症状の推定装置。
  8. 　前記被験者の生理指標の特徴量の区分結果と、前記時差ぼけ症状の原因となる時差の条件を示す時差条件と、前記時差ぼけ症状の推定結果を複数の推定装置から取得し、前記特徴量の区分結果および前記時差条件に関連付けて、前記時差ぼけ症状の推定結果を管理する管理装置に接続され、
    　前記管理されている時差ぼけ症状の推定結果のうち、指定された時差条件および特徴量の区分結果に適合する推定結果を取得する推定履歴取得部をさらに備える、請求項３に記載の時差ぼけ症状の推定装置。
  9. 　前記抽出部は、前記時差ぼけ症状の程度を異にする複数の標本について、前記深部体温系の生理指標の特徴量と前記活動量系の生理指標の特徴量を抽出し、
    　前記深部体温系の生理指標と前記活動量系の生理指標のそれぞれについて、前記抽出した生理指標の特徴量を前記時差ぼけ症状の程度に応じて区分し、前記時差ぼけ症状の程度の区分に応じた特徴量範囲を特定して推定基準を設定する設定部をさらに備え、
    　前記取得部は、前記設定部により設定された推定基準を取得する、請求項３に記載の時差ぼけ症状の推定装置。
  10. 　前記推定基準は、前記標本の生活形態毎に設定され、
    　前記推定部は、前記被験者の生活形態に応じた推定基準を用いて、前記被験者の時差ぼけ症状を推定する、請求項３に記載の時差ぼけ症状の推定装置。
  11. 　前記時差ぼけ症状の推定結果を前記被験者に通知する通知部をさらに備える、請求項３に記載の時差ぼけ症状の推定装置。
  12. 　前記深部体温系の生理指標が鼓膜温であり、前記活動量系の生理指標が活動量である、請求項３に記載の時差ぼけ症状の推定装置。
  13. 　前記推定基準を記憶する記憶部をさらに備え、
    　前記取得部は、前記記憶部から前記推定基準を取得する、請求項１に記載の時差ぼけ症状の推定装置。
  14. 　時差ぼけ症状の程度を異にする複数の標本について、深部体温系の生理指標の特徴量と活動量系の生理指標の特徴量を抽出する抽出部と、
    　前記深部体温系の生理指標と活動量系の生理指標のそれぞれについて、前記抽出した生理指標の特徴量を前記時差ぼけ症状の程度に応じて区分し、前記時差ぼけ症状の程度の区分に応じた特徴量範囲を特定して推定基準を設定する設定部とを備える設定装置と、
    　被験者について、前記深部体温系の生理指標の特徴量と前記活動量系の生理指標の特徴量を抽出する抽出部と、
    　前記深部体温系の生理指標と前記活動量系の生理指標のそれぞれについて、前記被験者の生理指標の特徴量が前記推定基準のいずれの特徴量範囲に含まれるかを判定し、前記被験者の時差ぼけ症状を推定する推定部とを備える推定装置と
    　を有する時差ぼけ症状の推定システム。
  15. 　時差ぼけ症状の程度を異にする複数の標本について、深部体温系の生理指標の特徴量と活動量系の生理指標の特徴量のそれぞれを、前記時差ぼけ症状の程度に応じて区分し、前記時差ぼけ症状の程度の区分に応じた特徴量範囲を特定して設定される推定基準を取得し、
    　被験者について、前記深部体温系の生理指標の特徴量と前記活動量系の生理指標の特徴量を抽出し、
    　前記深部体温系の生理指標と前記活動量系の生理指標のそれぞれについて、前記被験者の生理指標の特徴量が前記推定基準のいずれの特徴量範囲に含まれるかを判定し、前記被験者の時差ぼけ症状を推定すること
    　を含む時差ぼけ症状の推定方法。
  16. 　時差ぼけ症状の程度を異にする複数の標本について、深部体温系の生理指標の特徴量と活動量系の生理指標の特徴量のそれぞれを、前記時差ぼけ症状の程度に応じて区分し、前記時差ぼけ症状の程度の区分に応じた特徴量範囲を特定して設定される推定基準を取得し、
    　被験者について、前記深部体温系の生理指標の特徴量と前記活動量系の生理指標の特徴量を抽出し、
    　前記深部体温系の生理指標と前記活動量系の生理指標のそれぞれについて、前記被験者の生理指標の特徴量が前記推定基準のいずれの特徴量範囲に含まれるかを判定し、前記被験者の時差ぼけ症状を推定すること
    　を含む時差ぼけ症状の推定方法をコンピュータに実行させるためのプログラム。
  17. 　深部体温系の生理指標の特徴量と活動量系の生理指標の特徴量のそれぞれを時差ぼけ症状の程度に応じて区分し、前記時差ぼけ症状の程度の区分に応じた特徴量範囲を特定した推定基準を取得する取得部と、
    　ユーザから前記深部体温系の生理指標の特徴量と前記活動量系の生理指標の特徴量を抽出する抽出部と、
    　前記深部体温系の生理指標と前記活動量系の生理指標のそれぞれについて、前記ユーザの生理指標の特徴量が前記推定基準のいずれの特徴量範囲に含まれるかを判定し、前記ユーザの時差ぼけ症状を推定する推定部と
    　を備える時差ぼけ症状の推定装置。
     
PCT/JP2012/051724 2011-02-03 2012-01-26 時差ぼけ症状の推定装置、推定システム、推定方法およびプログラム WO2012105422A1 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
US13/982,076 US20140114143A1 (en) 2011-02-03 2012-01-26 Estimation device, estimation system, estimation method, and program for jet lag symptom
EP12742458.8A EP2671510A4 (en) 2011-02-03 2012-01-26 Estimation device, estimation system, estimation method and program for jet lag symptoms
CN201280006539.7A CN103338703B (zh) 2011-02-03 2012-01-26 时差综合症症状的估计装置、估计系统、估计方法及程序

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2011022064A JP5895345B2 (ja) 2011-02-03 2011-02-03 時差ぼけ症状の推定装置、推定システム、推定方法およびプログラム
JP2011-022064 2011-02-03

Publications (1)

Publication Number Publication Date
WO2012105422A1 true WO2012105422A1 (ja) 2012-08-09

Family

ID=46602639

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2012/051724 WO2012105422A1 (ja) 2011-02-03 2012-01-26 時差ぼけ症状の推定装置、推定システム、推定方法およびプログラム

Country Status (5)

Country Link
US (1) US20140114143A1 (ja)
EP (1) EP2671510A4 (ja)
JP (1) JP5895345B2 (ja)
CN (1) CN103338703B (ja)
WO (1) WO2012105422A1 (ja)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2015112117A (ja) * 2013-12-07 2015-06-22 株式会社デルタツーリング 生体状態判定装置及びコンピュータプログラム
JP6321571B2 (ja) * 2015-03-10 2018-05-09 日本電信電話株式会社 センサデータを用いた推定装置、センサデータを用いた推定方法、センサデータを用いた推定プログラム
JP6530350B2 (ja) * 2016-06-27 2019-06-12 日本電信電話株式会社 逐次姿勢識別装置、逐次姿勢識別方法および逐次姿勢識別プログラム
CN108986900A (zh) * 2018-08-02 2018-12-11 吕传柱 一种医疗预警系统
CN110236572B (zh) * 2019-05-07 2021-10-26 平安科技（深圳）有限公司 基于体温信息的抑郁症预测系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH04367653A (ja) * 1991-06-14 1992-12-18 Matsushita Electric Works Ltd 生体活性度モニターシステム
JPH08173390A (ja) * 1994-12-20 1996-07-09 Seiko Epson Corp 診断装置
JPH1068787A (ja) * 1996-08-27 1998-03-10 Matsushita Electric Works Ltd 時差ぼけ解消装置

Family Cites Families (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2505077B2 (ja) * 1991-06-25 1996-06-05 松下電工株式会社 生体リズム調整装置
JP3206162B2 (ja) * 1992-12-22 2001-09-04 松下電工株式会社 生体リズム曲線測定装置
JP2005535378A (ja) * 2002-08-09 2005-11-24 インターキュア・リミテッド バイオリズム活動の変更のための一般化されたメトロノーム
US8672852B2 (en) * 2002-12-13 2014-03-18 Intercure Ltd. Apparatus and method for beneficial modification of biorhythmic activity
US20050059977A1 (en) * 2003-03-31 2005-03-17 Jimo Borjigin Monitoring circadian activity
JP3788463B2 (ja) * 2004-03-19 2006-06-21 ダイキン工業株式会社 生体リズム調整装置、生体リズム調整システム
JP4421507B2 (ja) * 2005-03-30 2010-02-24 株式会社東芝 眠気予測装置及びそのプログラム
US20090105560A1 (en) * 2006-06-28 2009-04-23 David Solomon Lifestyle and eating advisor based on physiological and biological rhythm monitoring
EP2032020A2 (en) * 2006-06-28 2009-03-11 Endo-Rhythm Ltd. Lifestyle and eating advisor based on physiological and biological rhythm monitoring
JP4917373B2 (ja) * 2006-07-21 2012-04-18 シャープ株式会社 生体情報推定装置及びそれを搭載した電子機器
JP4860441B2 (ja) * 2006-11-16 2012-01-25 シャープ株式会社 光照射装置及びプログラム
WO2008144908A1 (en) * 2007-05-29 2008-12-04 Christopher Mott Methods and systems for circadian physiology predictions
JP5320864B2 (ja) * 2007-07-06 2013-10-23 ソニー株式会社 生体リズム情報取得方法
US7898426B2 (en) * 2008-10-01 2011-03-01 Toyota Motor Engineering & Manufacturing North America, Inc. Alertness estimator
US20100100004A1 (en) * 2008-10-16 2010-04-22 Koninklijke Nederlandse Akademie Van Wetenschappen Skin Temperature Measurement in Monitoring and Control of Sleep and Alertness
JP5365199B2 (ja) * 2009-01-06 2013-12-11 ソニー株式会社 ライフスタイルを評価するための方法、情報処理装置及びプログラム
GB2471902A (en) * 2009-07-17 2011-01-19 Sharp Kk Sleep management system which correlates sleep and performance data
US20110144528A1 (en) * 2009-12-11 2011-06-16 Gurley Virginia F System for circadian rhythm monitor with synchrony and activity planning
US20110143326A1 (en) * 2009-12-11 2011-06-16 Gurley Virginia F System for circadian rhythm monitor with synchrony and activity planning

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH04367653A (ja) * 1991-06-14 1992-12-18 Matsushita Electric Works Ltd 生体活性度モニターシステム
JPH08173390A (ja) * 1994-12-20 1996-07-09 Seiko Epson Corp 診断装置
JPH1068787A (ja) * 1996-08-27 1998-03-10 Matsushita Electric Works Ltd 時差ぼけ解消装置

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
COLE RJ; KRIPKE DF; GRUEN W; MULLANEY DJ; GILLIN JC: "Automatic sleep/wake identification from wrist activity", SLEEP, vol. 15, 1992, pages 461 - 9
KLEIN, K.E.; WEGMANN, H.-M: "Chronobiology", 1974, THIEME PUBL., article "The Resynchronization of Human Circadian Rhythms After Transmeridian Flights as a Result of Flight Direction and Mode of Activity", pages: 564 - 570
O'CONNOR, P.J.; MORGAN, W.P: "Athletic Performance Following Rapid Traversal of Multiple Time Zones-A Review.", SPORTS MED., vol. 10, 1990, pages 20 - 30
REILLY, T.: "Encyclopedia of Sports Medicine and Science", 12 July 1998, article "Travel: Physiology, jet-lag, strategies"
TADAO HORI; SHUICHIRO SHIRAKAWA, BASIC COURSE, SLEEP IMPROVEMENT STUDY
WINGET, C.M.; DE ROSHIA, C.M.; HOLLEY, D.C: "Circadian Rhythms and Athletic Performance", MED. SCI. SPORTS EXERC, vol. 17, 1985, pages 498 - 516

Also Published As

Publication number Publication date
EP2671510A1 (en) 2013-12-11
US20140114143A1 (en) 2014-04-24
CN103338703B (zh) 2016-09-14
JP2012161379A (ja) 2012-08-30
EP2671510A4 (en) 2017-09-20
CN103338703A (zh) 2013-10-02
JP5895345B2 (ja) 2016-03-30

Similar Documents

Publication Publication Date Title
Liang et al. Validity of consumer activity wristbands and wearable EEG for measuring overall sleep parameters and sleep structure in free-living conditions
JP7416676B2 (ja) Ｑｏｌ監視システムおよび方法
Pereira et al. Heart rate variability metrics for fine-grained stress level assessment
Li et al. Eustress or distress: An empirical study of perceived stress in everyday college life
Hovsepian et al. cStress: towards a gold standard for continuous stress assessment in the mobile environment
Kolla et al. Consumer sleep tracking devices: a review of mechanisms, validity and utility
CN106714682B (zh) 用于评估加重和/或入院的风险的装置、系统、方法和计算机程序
US20170035351A1 (en) System and method for tracking sleep dynamics using behavioral and physiological information
AU2017262666A2 (en) Apparatus and method for recording and analysing lapses in memory and function
Pardamean et al. Quantified self-using consumer wearable device: predicting physical and mental health
EP3187116A1 (en) Method for assessing depressive state and device for assessing depressive state
WO2012105422A1 (ja) 時差ぼけ症状の推定装置、推定システム、推定方法およびプログラム
Graham et al. Associations between heart rate variability measured with a wrist-worn sensor and older adults’ physical function: observational study
JP2017121286A (ja) 情動推定システム、情動推定方法および情動推定プログラム
Crespo et al. Automatic identification of activity–rest periods based on actigraphy
Rykov et al. Activity tracker–based metrics as digital markers of cardiometabolic health in working adults: Cross-sectional study
Yamada et al. Wearable sensing systems for healthcare monitoring
Vanderlei et al. Symbolic analysis of heart rate variability during exposure to musical auditory stimulation
Seth et al. Feasibility of cardiac‐based seizure detection and prediction: A systematic review of non‐invasive wearable sensor‐based studies
KR20120033777A (ko) 시간에 따라 변화하는 생체 반응신호를 통해 스트레스를 분석하는 방법
Dewanto et al. Heart rate monitoring with smart wearables using edge computing
Innerd Physical activity assessment: a lifecourse approach
US11382560B2 (en) Systems and methods for sleep optimization
Ziyadidegan et al. Analyzing physiological responses to quantify anxiety disorders: A scoping review
Aimie-Salleh et al. The effect of adverse childhood experience on heart rate variability and salivary cortisol

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 12742458

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 2012742458

Country of ref document: EP

NENP Non-entry into the national phase

Ref country code: DE

WWE Wipo information: entry into national phase

Ref document number: 13982076

Country of ref document: US