WO2022014538A1 - 被験者の健康度を計測するための方法、装置、プログラム、およびシステム - Google Patents

被験者の健康度を計測するための方法、装置、プログラム、およびシステム Download PDF

Info

Publication number
WO2022014538A1
WO2022014538A1 PCT/JP2021/026167 JP2021026167W WO2022014538A1 WO 2022014538 A1 WO2022014538 A1 WO 2022014538A1 JP 2021026167 W JP2021026167 W JP 2021026167W WO 2022014538 A1 WO2022014538 A1 WO 2022014538A1
Authority
WO
WIPO (PCT)
Prior art keywords
health
data
parameters
positioning map
measuring
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Ceased
Application number
PCT/JP2021/026167
Other languages
English (en)
French (fr)
Inventor
恭良 渡辺
敬 水野
慧嗣 久米
恭介 渡辺
裕紀 青山
晃裕 奥野
浩史 紫藤
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Splink Inc
RIKEN
Original Assignee
Splink Inc
RIKEN
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 Splink Inc, RIKEN filed Critical Splink Inc
Priority to JP2022536350A priority Critical patent/JP7828079B2/ja
Publication of WO2022014538A1 publication Critical patent/WO2022014538A1/ja
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

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
    • 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 for evaluating the cardiovascular system, e.g. pulse, heart rate, blood pressure or blood flow
    • A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
    • 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 for evaluating the cardiovascular system, e.g. pulse, heart rate, blood pressure or blood flow
    • 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
    • A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves
    • A61B5/053—Measuring electrical impedance or conductance of a portion of the body
    • 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
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • 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
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y10/00—Economic sectors
    • G16Y10/60—Healthcare; Welfare

Definitions

  • the present invention relates to a method for measuring the health of a subject and the like.
  • Patent Document 1 the health condition of a subject is evaluated by acquiring data of a plurality of test items for a plurality of subjects and creating a function in which a plurality of test data among the test items are used as variables.
  • the technology is disclosed.
  • the applicant has developed a means for easily evaluating health risks at home, etc., starting from this invention. This is because the above-mentioned conventional technique requires an invasive test such as a blood test and cannot be easily performed at home or the like.
  • One aspect of the present invention is to provide a means for evaluating the overall health of a person by a simple test.
  • Step (1) Acquiring a data set for a parameter set, wherein the parameter set includes an autonomic nerve parameter, a body composition parameter, and a questionnaire parameter, and the step (1) is I. Acquiring data for the autonomic nerve parameters using the autonomic nerve measuring device for measuring the autonomic nerve parameters, and II. Acquiring data for the body composition parameters using a body composition analyzer, III. Acquiring data for the questionnaire parameters using the questionnaire processing device for measuring the questionnaire parameters, Including, and Step (2): Sending the data set to the server device and Step (3): Receiving health level information derived based on the data set from the server device.
  • Step (4) A method including expressing the health degree as a position on the health degree positioning map of the health degree information.
  • the method of item 1 wherein the parameter set further comprises a blood pressure parameter.
  • the step (1) is IV. Obtaining data for the blood pressure parameters using a sphygmomanometer, 2. The method according to item 2.
  • the method according to item 2. (Item 4) The method according to any one of items 1 to 3, wherein the step (1) includes acquiring the data set using at most four measuring instruments. (Item 5) 4. The method of item 4, wherein the at most four measuring instruments are portable or portable, respectively.
  • the health information includes an X-axis value and a Y-axis value in the health positioning map, and the step (4) is based on the X-axis value and the Y-axis value.
  • the method according to any one of items 1 to 6, wherein the degree information is shown on the health degree positioning map.
  • the measuring device used in the step (1) receives health information including the X-axis value and the Y-axis value in the health positioning map from the server device.
  • the measuring device used in the step (1) is displayed on the display unit of the measuring device based on the X-axis value and the Y-axis value.
  • Step (5) By repeating the steps (1) to (4) at least twice, the first position and the second position on the health positioning map are determined.
  • Step (6) The item according to any one of items 1 to 9, further comprising evaluating the health of the subject based on a locus including the first position and the second position.
  • Method. (Item 11) 10. The method of item 10, wherein step (5) comprises repeating steps (1)-(4) at least twice during the day.
  • step (1) automatically acquires at least a part of the data set without making the subject aware of it.
  • the step (1) in response to the acquisition of the data for the questionnaire parameter, the data for the autonomic nerve parameter and the data for the body composition parameter are automatically acquired without being conscious of the subject.
  • the method according to any one of items 1 to 12, including the above.
  • Item 14 Item 1-13, wherein the server device is configured to derive the health information using a health function that correlates the data set with the subject's position on the health positioning map. The method described in any one of the items.
  • (Item 16) The method according to any one of items 1 to 15, wherein the steps (2) to (4) are performed within a predetermined time.
  • (Item 17) The method according to item 16, wherein the predetermined time is about 1 minute.
  • (Item 18) The health degree positioning map is created by using the parameter set for creating the health degree positioning map.
  • a method comprising controlling the device according to the command.
  • a device for measuring the health of a subject An acquisition means for acquiring a data set for a parameter set, wherein the parameter set includes an autonomic nerve parameter, a body composition parameter, and a questionnaire parameter. I. Acquiring data for the autonomic nerve parameters from the autonomic nerve measuring device for measuring the autonomic nerve parameters, and II. Obtaining data for the body composition parameters from the body composition analyzer and III. An acquisition means configured to acquire data for the questionnaire parameters from the questionnaire processing device for measuring the questionnaire parameters.
  • a program for measuring the health of a subject the program being executed on a computer device, the program being step (1): acquiring a data set for a parameter set, wherein the parameter set is.
  • the above step (1) includes autonomic nerve parameters, body composition parameters, and questionnaire parameters. I. Acquiring data for the autonomic nerve parameters from the autonomic nerve measuring device for measuring the autonomic nerve parameters, and II. Obtaining data for the body composition parameters from the body composition analyzer and III.
  • Step (2) Acquiring data for the questionnaire parameters from the questionnaire processing device for measuring the questionnaire parameters, and Including, and Step (2): Sending the data set to the server device and Step (3): Receiving health level information derived based on the data set from the server device.
  • Items 23 A system for measuring the health of a subject, the system including a terminal device and a server device.
  • the terminal device is Step (1): Obtaining a data set for the parameter set, Step (2): It is configured to send the data set to the server device.
  • the server device is Step (A): Deriving health information by using a health function that correlates the data set with the position on the health positioning map of the subject.
  • the terminal device is Step (3): Receiving the health information from the server device and Step (4): A system configured to further represent the health degree as a position on the health degree positioning map of the health degree information.
  • the present invention it is possible to provide a means for evaluating the overall health of a person by a simple test. As a result, it is possible to provide a technology that can measure the health condition at any time and track the change of the condition in the home / office environment, and a technology that can individually promote the development of solutions such as improvement of daily lifestyle using it. ..
  • the inventor of the present invention has developed a new service for visualizing user's health.
  • the service is a service that acquires various data on a user's health and provides the user with information on which area on the health positioning map the user's health is located based on the acquired data.
  • the health degree positioning map refers to a map having a plurality of areas characterized by information on health.
  • Each area of the health positioning map can be characterized, for example, as various states of health.
  • one area of the health positioning map may be characterized as a youth / mental health disease risk group, and another area of the health positioning map may be characterized as a middle-aged / lifestyle-related disease risk group.
  • yet another area of the health positioning map can be characterized as a geriatric / diabetes risk group.
  • one area of the health positioning map may be characterized as an unaffected group for one health condition, and another area may be characterized as a high-risk group for that health condition. It should be noted that these characterizations are examples, and various characterizations can be made. For example, as shown in FIG.
  • each region of the health positioning map can be determined, for example, by analyzing the tendency of multiple subjects belonging to each region.
  • the new service users can obtain information on which area on the health positioning map their health level is located from the results of simple measurements that can be performed at home.
  • the new service will also give users visual, real-time information about where their health is located on the health positioning map.
  • FIG. 1A shows an example of a flow of a new service for visualizing the health condition of a user.
  • step S1 user U performs some measurements at home H.
  • the measurement includes, for example, a measurement using the measuring device 20 and a measurement using the computer device 30.
  • the measuring device 20 is any measuring device that can be used at home H, and includes, for example, a body composition meter 21 and a sphygmomanometer 22, but is not limited thereto.
  • the computer device 30 is any computer device that can be used at home H, and includes, for example, a smartphone 31 and a personal computer 32, but is not limited thereto.
  • the measurement using the measuring device 20 includes the measurement using the body composition analyzer 21, whereby the data for the body composition is acquired.
  • the measurement using the measuring device 20 may further include the measurement using the sphygmomanometer 22, whereby data on the blood pressure is also acquired.
  • the measurement using the computer device 30 includes the measurement of the autonomic nerve function using a camera, whereby data for the autonomic nerve function is acquired.
  • the measurement using the computer device 30 includes the measurement using the questionnaire for the user U, whereby the data including the living condition and / or the subjective evaluation is acquired.
  • the sphygmomanometer may be a body-worn sphygmomanometer (eg, brachial sphygmomanometer, wristwatch sphygmomanometer, ring sphygmomanometer), or a non-contact sphygmomanometer (eg, a camera-photographed face or It can be a sphygmomanometer) that measures blood pressure from a finger image.
  • the body composition analyzer may be a type of body composition analyzer that is placed on the body at the time of measurement, or a type of body composition analyzer that can be worn on the body (for example, a wristwatch-type body composition analyzer).
  • four measurements are performed using three devices (body composition meter, sphygmomanometer, computer device 30), but the present invention is not limited thereto.
  • four measurements were performed using four devices (for example, body composition measurement using body composition analyzer 21, blood pressure measurement using blood pressure monitor 22, and autonomic nerve measuring device capable of measuring autonomic nerve function were used.
  • Autonomic nerve function measurement, questionnaire measurement using a questionnaire processing device that can acquire data from the questionnaire) may be performed, or four measurements may be performed using two devices (for example, body composition and body composition).
  • Body composition measurement and blood pressure measurement using a device capable of measuring blood pressure, autonomic nerve function measurement and questionnaire measurement using a computer device 30) may be performed, or four measurements may be performed using one device.
  • measurement using a device capable of measuring body composition, blood pressure, autonomic function, and questionnaire data may be performed.
  • three measurements are performed using three devices (for example, body composition measurement using a body composition analyzer 21, autonomic nerve function measurement using an autonomic nerve measuring device capable of measuring autonomic nerve function, and a questionnaire).
  • body composition measurement, autonomic nerve function measurement using a computer device 30 and questionnaire measurement may be performed), or three measurements may be performed using one device (for example, body composition and autonomic nerve function and question).
  • the measurement may be performed using a device capable of measuring the data on the vote).
  • the device used for the measurement may be a plurality of separate devices or a single device.
  • the single device may be a computer device 30 (for example, a smartphone 31, a personal computer 32, a tablet, etc.).
  • the single device may be a device different from the computer device 30.
  • the computer device 30 is used for information communication and information display.
  • Measurement with such a measuring device is non-invasive measurement.
  • Such a measurement can be performed in a short time by a simple action such as, for example, just putting it on, just getting on it, just taking a picture on the camera, or just answering a question.
  • a plurality of data can be acquired almost at the same time, so that the time difference between the data can be reduced or ignored. For example, by performing multiple measurements at almost the same time, the difference between the measurement completion time when the earliest data was acquired and the measurement completion time when the latest data was acquired (that is, the time difference between the data) is 1 second.
  • the time between the completion time of the measurement in which the data is acquired earliest and the completion time of the measurement in which the data is acquired the latest is within 5 minutes. This is because if the time difference between the data is within 5 minutes, the influence of the time difference between the data can be ignored.
  • the data measured by the autonomic nerve measuring device and the sphygmomanometer can fluctuate from moment to moment, it is preferable to make it possible to ignore the influence of the time difference with other data. This makes it possible to represent the position on the health positioning map for the exact health at a given point in time.
  • the measurement may be performed by the user U consciously or unconsciously by the user U. For example, by automatically performing the measurement when a predetermined condition is satisfied, the measurement can be performed without making the user U aware of it.
  • the measurement can be performed, for example, by using a measuring device attached to the body of the user U without making the user U aware of it.
  • a measuring device attached to the body of the user U regardless of whether the user U is indoors or outdoors (for example, even if the user U is walking, the user U is stationary. Also), measurement can be performed.
  • the measurement can be performed without making the user U aware, for example, by using a measuring device installed within the action range of the user U.
  • measuring devices installed within the range of action of user U include, for example, sensors mounted on furniture used by user U (for example, chairs, beds, etc.), and electronic devices used by user U (for example, personal computers, refrigerators, etc.). , Air conditioner, smart speaker, etc.), including, but not limited to, a sensor installed in a room such as the user U's home.
  • blood pressure can be automatically measured by a sphygmomanometer worn on the body when a predetermined condition is met.
  • body composition can be automatically measured by a body composition analyzer worn on the body when certain conditions are met.
  • the body composition can be automatically measured by a body composition analyzer mounted on the seat surface of the user's chair when a predetermined condition is satisfied.
  • the autonomic nervous function can be automatically measured by the camera of the computer device 30 when a predetermined condition is satisfied.
  • the autonomic nervous function can be automatically measured by a camera mounted on an electronic device used by the user U when a predetermined condition is satisfied.
  • the autonomic nervous function can be automatically measured by a camera installed in a room such as the home of the user U when a predetermined condition is satisfied.
  • Predetermined conditions include, for example, when a predetermined time is reached (temporal condition), when entering / exiting a predetermined place (geographical condition), when performing a predetermined action (behavioral condition), and the like.
  • the predetermined time is, for example, a predetermined time of the day (for example, between 6:00 am and 8:00 am, between 11:00 am and 1:00 pm, between 4:00 pm and 6:00 pm, and 9:00 pm to am.
  • Predetermined locations include, but are not limited to, for example, offices, homes, living rooms, bedrooms, and the like.
  • a predetermined action is, for example, sitting on a chair, lying on a bed, a camera mounted on an electronic device used by the user U, or a camera installed in a room such as the user U's home for a certain period of time (for example,). It includes, but is not limited to, entering for 10 seconds, 30 seconds, 1 minute) or more.
  • the predetermined action may be, for example, to acquire at least one piece of data.
  • the predetermined action may be, for example, to acquire at least one piece of data.
  • the predetermined action may be, for example, to acquire at least one piece of data.
  • the body composition, autonomic nervous function, and / or blood pressure may be automatically measured in response to the user U consciously answering the questionnaire.
  • the user U can perform a plurality of measurements with a simple action of answering the questionnaire.
  • step S2 the data measured in step S1 is taken into the computer device 30.
  • data for body composition measured using the body composition analyzer 21 is input to the computer device 30. This may be done, for example, by establishing communication between the body composition analyzer 21 and the computer device 30, or by the user U inputting the measured values by the body composition analyzer 21 into the computer device 30. You may be broken.
  • data for blood pressure measured using the sphygmomanometer 22 is input to the computer device 30. This may be done, for example, by establishing communication between the sphygmomanometer 22 and the computer device 30, or by the user U inputting a measurement from the sphygmomanometer 22 into the computer device 30. May be good.
  • step S1 the data for the autonomic nervous function and the data for the questionnaire were measured using the computer device 30, and these data have already been taken into the computer device 30.
  • step S3 the data captured in step S2 is transmitted from the computer device 30 to the server device S of the service provider via the network 40.
  • the health degree information of the user U can be derived based on the measurement result of the user U received from the computer device 30.
  • the health information of the user U includes information indicating in which area the user U is positioned on the health positioning map.
  • step S4 the health degree information derived from the server device S is transmitted from the server device S to the computer device 30 via the network 40.
  • step S5 the computer device 30 displays to the user U in which area on the health degree positioning map the health degree of the user U is positioned based on the health degree information.
  • the user U can recognize his / her health condition by referring to the information associated with the area on the health degree positioning map in which his / her health degree is positioned. For example, if the user's health belongs to the region characterized as health B on the health positioning map as shown in FIG. 1B, the user U may have good health but not bad. It can be recognized that there is no such thing. This makes it possible, for example, to encourage the user U to try to improve his / her health level.
  • the user U considers that he / she has a mental health disease risk and his / her health.
  • the state can be recognized. This can, for example, encourage User U to take steps to prepare for the risk of mental health illness.
  • the process from the measurement of steps S1 to S5 to the display of the health degree positioning map may be performed by the user's conscious operation or may be performed automatically by the user unknowingly. That is, the user U can easily recognize the position of his / her health level on the health level positioning map by performing various measurements. Alternatively, by automatically performing the measurement, all of steps S1 to S5 can be automatically performed. As a result, the user U can recognize the position of his / her health level on the health level positioning map without the burden of measurement.
  • the time from when the data is taken into the computer device 30 in step S2 until the health positioning map is displayed in step S5 is shortened. can do.
  • the user can immediately know his / her health condition.
  • the time from when the data is taken into the computer device 30 in step S2 until the health degree positioning map is displayed in step S5 is, for example, 0.01 seconds, 0.02 seconds, 0.05 seconds, 0.
  • the user U can recognize the time-series change of his / her health condition.
  • the user U can recognize the direction in which his / her health condition is headed by referring to the time-series change of the position on the health degree positioning map. For example, when one's health level belonged to a region characterized as health level B on a health level positioning map as shown in FIG. 1B, after a predetermined period of time, one's own health level became health level positioning. If the user U belongs to the area characterized as health level B on the map but is approaching the area characterized as health level C, the user U has his / her health condition in the direction of health level C.
  • the user U can recognize his / her own health level at that time. Then, by performing the above-mentioned steps S1 to S5 after the event, the user U can recognize his / her health level at that time. By comparing the pre-event health level thus obtained with the post-event health level, the user U can recognize the effect of the event on the health level.
  • Events include, for example, epidemics of infectious diseases (Cvid-19, etc.), natural disasters (eg, damage caused by storms, heavy rains, heavy snowfalls, floods, high tides, earthquakes, tsunamis, eruptions and other unusual natural phenomena), overtime work, and experiences. (Includes, but is not limited to, direct or pseudo-experiences (eg, experiences via VR (virtual reality), AR (augmented reality), etc.), communication with others or animals, and the like.
  • the user U can recognize his / her health level at that time. Then, at the end of the day (for example, between 6 pm and midnight), by performing the above-mentioned steps S1 to S5, the user U can recognize his / her health level at that time. By comparing the health level at the beginning of the day thus obtained with the health level at the end of the day, the user U can recognize the chronotype of the health level. For example, if such a degree of health mainly represents the degree of fatigue, the user U can objectively recognize how much fatigue has been accumulated by the daily activity.
  • the user U can recognize his / her health level at that time. Then, by performing the above-mentioned steps S1 to S5 at the beginning of the next day (for example, between 6:00 am and 0:00 pm), the user U can recognize his / her health level at that time. By comparing the health level at the end of the day thus obtained with the health level at the beginning of the next day, the user U can recognize the nighttime fluctuation of the health level. Nighttime fluctuations in health can correspond to the resilience or elasticity of the body, allowing the user U to objectively recognize how much he / she has recovered from sleeping at night.
  • the above-mentioned steps S1 to S5 can be performed, for example, at a predetermined time in a day.
  • the predetermined time is, for example, a predetermined time of the day (for example, between 6:00 am and 8:00 am, between 11:00 am and 1:00 pm, between 4:00 pm and 6:00 pm, and 9:00 pm to am. It may be during midnight, or at 6:00 am, 0:00 pm, 6:00 pm, 0:00 am, etc., or at predetermined intervals (eg, every hour, every 3 hours, every 6 hours). It may be an interval, etc.), or it may be a time set freely by the user.
  • the measurement is not limited to the non-invasive tests.
  • the measurement may include an invasive test.
  • the "invasive test” refers to a test that injures the body to be inspected (for example, by blood sampling by injection or tissue excision), and the "non-invasive test” does not injure the body to be inspected at all.
  • Typical invasive tests are tests that detect the amount of components contained in blood and plasma
  • typical non-invasive tests are tests that detect components in the target excretion (urine, exhaled breath, saliva) and autonomic nerves.
  • Functional tests cognitive function tests, questionnaires / VAS (Visual Analogue Scale), etc.
  • the term "invasive parameter” refers to a parameter obtained by an invasive test
  • the "non-invasive parameter” refers to a parameter obtained by a non-invasive test.
  • the measurement is performed at the home H, but the place where the measurement is performed is not limited to the home H.
  • the measurement may be performed at a company other than the inspection facility, a pharmacy, a public hall, a cafe, or the like. Because simple measurement is sufficient, measurement can be performed at a place other than the inspection facility.
  • the measurement may be performed in a hospital or a specialized laboratory.
  • FIG. 1B shows an example of a screen 1000 showing a user's health condition.
  • the screen 1000 may be displayed on the display screen of the computer device 30 of the user U (for example, a personal computer, a smartphone, a tablet, etc.) and provided to the user.
  • the computer device 30 of the user U for example, a personal computer, a smartphone, a tablet, etc.
  • the screen 1000 includes a health degree positioning map display unit 1100 and a radar chart display unit 1200.
  • the health degree positioning map is displayed on the health degree positioning map display unit 1100.
  • the horizontal axis is associated with physical health, and the larger the value on the horizontal axis, the worse the physical health, while the vertical axis is associated with mental health. The larger the value on the vertical axis, the worse the mental health.
  • the health degree positioning map displayed on the health degree positioning map display unit 1100 includes 10 areas, one of the 10 areas is characterized as health degree A, and three areas. Is characterized as post-health B, and 6 regions are characterized as health C.
  • the health level A indicates that the health level is good
  • the health level B indicates that the health level is normal
  • the health level C indicates that the health level is poor and requires attention. There is.
  • the user can recognize his / her health condition according to which area on the health degree positioning map his / her health level is located.
  • the health of the user is plotted with an asterisk, indicating that the health of the user belongs within the region characterized as health B.
  • the degree of health level of a specific user in the group can be grasp.
  • This is useful, for example, in labor management of a company. For example, a company's labor personnel should look at a health positioning map that plots the health of employees of the company and consider whether systematic intervention is necessary or possible. Can be done.
  • the health of one particular employee is plotted in a worse position than the other, it can be considered whether to intervene in that employee.
  • the health of an employee in a particular department is plotted in a worse position than that of an employee in another department, it can be considered whether to intervene in that department.
  • a radar chart is displayed on the radar chart display unit 1200.
  • the health condition is shown in 6 stages from 0 to 5 from 6 viewpoints (musculoskeletal musculoskeletal system, metabolism / metabo system, autonomic nervous system, sleep-wake rhythm, mental health, fatigue).
  • the viewpoint of the musculoskeletal motor system shows the state such as muscle strength related to exercise
  • the viewpoint of the metabolism / metabo system shows the state such as energy metabolism and obesity in the body
  • the viewpoint of the autonomic nervous system is related to concentration and relaxation.
  • the viewpoint of sleep-wake rhythm shows the state of sleep and drowsiness
  • the viewpoint of mental health shows the state of depression
  • the viewpoint of fatigue shows the state of mind and body. Shows the state of tiredness.
  • each axis is characterized by information on health, and the score of the user is mapped for each axis. Therefore, in the present specification, such a radar is used. Charts can also be considered a type of health positioning map.
  • the screen 1000 may include a health ranking display unit (not shown).
  • the health ranking display unit displays how much the user's health is within a specific group.
  • the specific group includes, for example, a group having the same surname as the user, a group having the same age as the user, a group having the same age as the user, and the like. With such a ranking display, it is easier to understand one's health level more intuitively. Furthermore, by displaying the direction of what should be done in order to raise the ranking, it is possible to promote the behavior change of the user by using the principle of competition.
  • the above-mentioned service can be realized by, for example, the computer system 10 described below.
  • FIG. 2 shows an example of the configuration of computer system 10.
  • the computer system 10 includes a server device 100 and at least one terminal device 300.
  • the server device 100 is connected to the database unit 200. Further, the server device 100 is connected to at least one terminal device 300 via the network 400.
  • the server device 100 is, for example, a computer installed in a service provider that provides a new service for visualizing a user's health condition.
  • the network 400 can be any kind of network.
  • the network 400 may be, for example, the Internet or a LAN.
  • the network 400 may be a wired network or a wireless network.
  • the number of terminal devices 300 is not limited to this.
  • the number of terminal devices 300 can be any number of 1 or more.
  • An example of the terminal device 300 is a computer held by a user, but the terminal device 300 is not limited to the computer.
  • it may be a computer installed in a hospital, a computer installed in a room of an office capable of performing an examination, or the like.
  • the computer can be any type of computer.
  • the terminal device 300 can be any type of terminal device such as a smartphone, a tablet, a personal computer, a smart glass, or the like.
  • the server device 100 includes an interface unit 110, a processor unit 120, and a memory unit 150.
  • the interface unit 110 exchanges information with the outside of the server device 100.
  • the processor unit 120 of the server device 100 can receive information from the outside of the server device 100 via the interface unit 110, and can transmit the information to the outside of the server device 100.
  • the interface unit 110 can exchange information in any format.
  • the interface unit 110 includes, for example, an input unit that enables information to be input to the server device 100. It does not matter in what manner the input unit enables the information to be input to the server device 100.
  • the interface unit 110 includes, for example, an output unit that enables information to be output from the server device 100. It does not matter in what mode the output unit enables the information to be output from the server device 100.
  • the processor unit 120 executes the processing of the server device 100 and controls the operation of the server device 100 as a whole.
  • the processor unit 120 reads the program stored in the memory unit 150 and executes the program. This makes it possible to make the server device 100 function as a system that executes a desired step.
  • the processor unit 120 may be implemented by a single processor or may be implemented by a plurality of processors.
  • the memory unit 150 stores a program required for executing the processing of the server device 100, data required for executing the program, and the like.
  • the memory unit 150 creates a program for causing the processor unit 120 to perform a process for creating a health degree positioning map (for example, a program for realizing the process shown in FIGS. 5A and 5B described later) and a health function.
  • a program for causing the processor unit 130 to perform the processing for the purpose for example, a program for realizing the processing shown in FIG. 6 described later
  • a program for causing the processor unit 140 to perform the processing for estimating the health level of the user may be stored.
  • the program may be pre-installed in the memory unit 150.
  • the program may be installed in the memory unit 150 by being downloaded via the network. In this case, the type of network does not matter.
  • the memory unit 150 may be implemented by any storage means.
  • data obtained from a plurality of subjects can be stored in the database unit 200.
  • the database unit 200 may store, for example, the data of the health degree positioning map generated by the server device 100.
  • the database unit 200 may store, for example, a health function generated by the server device 100.
  • the database unit 200 may store health degree information indicating the health degree of the user derived by the server device 100. The health degree information indicating the health degree of the user is stored in the database unit 200 when the consent of the user is obtained, and can be used for research by another user.
  • FIG. 3A shows an example of the configuration of the processor unit 120 in one embodiment.
  • the processor unit 120 may have a configuration for processing to create a health positioning map.
  • the processor unit 120 includes an acquisition unit 121, a processing unit 122, a mapping unit 123, a clustering unit 124, and a characterization unit 125.
  • the acquisition means 121 is configured to acquire a first data set for a first parameter set, which will be described later, for each of the plurality of subjects.
  • the acquisition means 121 acquires a data set of a plurality of items (for example, 232 items in a certain embodiment) per subject.
  • the first parameter set is obtained, for example, by acquiring a data set of an initial parameter set, correlating each data of the data set of the initial parameter set, and extracting parameters having a correlation coefficient equal to or higher than a predetermined threshold. It may be an extraction parameter set.
  • the extraction parameter set can be extracted so as to include the four basic parameters described later.
  • the first parameter set is, for example, an extraction parameter set obtained by acquiring a data set of the initial parameter set and extracting a parameter set having a high influence on the health positioning map from the data set of the initial parameter set by machine learning. May be.
  • the acquisition means 121 can, for example, receive data about a plurality of subjects stored in the database unit 200 via the interface unit 110 and acquire the received data.
  • the acquisition means 121 receives, for example, data about a plurality of subjects stored in the database unit 200 from a computer system of an examination facility (for example, a hospital, a laboratory, etc.) via the interface unit 110, and the received data. Can be obtained.
  • the acquired first data set is passed to the processing means 122 for subsequent processing.
  • the database unit 200 may store the first data set for the first parameter set.
  • FIG. 4 shows an example of the data structure of the first data set stored in the database unit 200.
  • the database unit 200 stores the first data set for the first parameter set for each of the plurality of subjects.
  • An ID is assigned to each of the plurality of subjects.
  • the database unit 200 stores a set of values (first data set) of each parameter of the first parameter set such as age, muscle mass, BMI, fat percentage, ultrasonic conduction velocity, osteoporosis index, and the like. ing.
  • the acquisition means 121 further sub-first data the first data included in a part of the plurality of regions included in the created health positioning map. It may be configured to be obtained as. Alternatively, the acquisition means 121 may be configured to acquire the first data included in a part of the plurality of regions specified by the clustering means 124 described later as the sub-first data.
  • the acquisition means 121 can acquire, for example, the first data in the area selected by the health positioning map creator.
  • the health positioning map creator can input the area selection to the server device 100 via the interface unit 110.
  • the health positioning map creator is, for example, a specific group among a plurality of subjects, for example, a male subject group, a female subject group, a young group (group under 40 years old), and a middle-aged group (40 years old or older 60 years old).
  • a health positioning map focusing on a population under the age of (group under the age of 60), a population of the elderly (group over the age of 60), etc., the area to which those groups can belong can be selected.
  • the acquired sub-first data can be passed to the clustering means 124 for subsequent processing.
  • the processing means 122 is configured to process the first data set acquired by the acquisition means 121.
  • the processing means 122 can output the first data by processing the first data set.
  • the processing by the processing means 122 may include arbitrary processing as long as the first data to be output can be mapped. When creating a positioning map based on mixed gender data, it is preferable to correct gender differences.
  • the processing by the processing means 122 may include, for example, a dimension reduction processing.
  • the dimension reduction process is a process of converting m-dimensional data into n-dimensional data, where m> n.
  • the dimension reduction process can be performed using, for example, multidimensional scaling (MDS: multi-dimensional scaling), principal component analysis, multiple regression analysis, principal component analysis, machine learning, etc., but is a means of dimension reduction processing. Is not limited to these.
  • the dimension reduction process preferably reduces the first data set to two-dimensional data or three-dimensional data. This is because when the two-dimensional data or the three-dimensional data is mapped by the mapping means 123 described later, the map becomes a two-dimensional space or a three-dimensional space, and a visually easy-to-understand map can be obtained.
  • the dimension reduction process can be performed using multidimensional scaling. This is because when the first data obtained by the multidimensional scaling method is mapped by the mapping means 123 described later, a visually easy-to-understand map can be obtained.
  • the processing by the processing means 122 may include, for example, standardization processing.
  • the standardization process is a process of aligning the scale of data for each parameter of the first data set.
  • the standardization process is, for example, a process of calculating a Z score (a process of correcting data so that the average value is 0 and a standard deviation of 1) and a process of calculating a T score (the average value is 50). And, the process of correcting the data so that the standard deviation is 10) and the like.
  • the processing means 122 may perform the standardization processing of the data of the first data set for all the parameters in the first parameter set, or may perform the standardization processing of the data of the first data set for a specific parameter. You may do it.
  • the processing means 122 may perform standardization processing on the entire first data set of the plurality of subjects, or may perform standardization processing on the first data set of a specific population among the plurality of subjects. You may do it.
  • a specific population among multiple subjects is, for example, a male subject group, a female subject group, a young group (group under 40 years old), a middle-aged group (group between 40 years old and under 60 years old), and an elderly group. It includes, but is not limited to, a group (a group of 60 years or older) and the like.
  • the processing means 122 can form an arbitrary population from a plurality of subjects and perform standardization processing on the first data set of the population.
  • the processing means 122 classifies the first data set from a plurality of subjects into a data set of a male subject and a data set of a female subject, and standardizes the data set of the male subject to obtain a male subject population.
  • a standardization process for a female subject population can be performed, or both can be performed.
  • a parameter for example, the number of red blood cells in blood
  • a parameter for example, the number of red blood cells in blood
  • the processing by the processing means 122 may include, for example, a weighting processing.
  • the weighting process is a process of weighting at least a part of the data in the first data set. For example, at least a part of the data in the first data set may be weighted by adding a predetermined number, or at least a part of the data in the first data set may be multiplied by a predetermined number. It may be weighted.
  • the predetermined number to be added or multiplied may be constant or different for each weighted data. For example, the predetermined number can be varied so as to give a large or small weight to the data having a large influence on the health function derived by the derivation means 133 described later. Alternatively, for example, a predetermined number can be varied so as to give a large or small weight to the data having a small influence on the health function derived by the derivation means 133 described later.
  • the processing means 122 may perform weighting processing on the entire first data set of a plurality of subjects, or may perform weighting processing on the first data set of a specific population among a plurality of subjects. You may do it.
  • the processing means 122 can form an arbitrary population from a plurality of subjects and perform weighting processing on the first data set of the population.
  • the population to which the weighting process is performed may be the same as or different from the population to which the standardization process described above is performed.
  • the mapping means 123 is configured to map the first data, which is the output of the processing means 122, to each of the plurality of subjects.
  • the mapping by the mapping means 123 is a process of associating the n-dimensional first data with a position in the n-dimensional space.
  • the mapping means 123 can output a map to which the first data of each of the plurality of subjects is mapped.
  • the mapping means 123 is two-dimensional by mapping the first data so as to relate the first data to a two-dimensional space, that is, a position on a plane. You can output a map.
  • FIG. 9A is a diagram showing an example of a mapping result by the mapping means 123. As shown in FIG.
  • the mapping means 123 outputs a map by plotting the points determined by the first data obtained by the processing means 122 in a two-dimensional space (multidimensional space) for a plurality of subjects. ..
  • the mapping means 123 outputs, for example, a map (radar chart) in which the first data of each of a plurality of subjects is mapped by mapping the first data of n dimensions on a radar chart having n axes. You may do so.
  • the clustering means 124 is configured to cluster the first data mapped by the mapping means 123.
  • the clustering by the clustering means 124 is a process of dividing the mapped first data into a plurality of clusters and specifying each region to which the plurality of clusters belong.
  • a "region" refers to a range within an n-dimensional space and has an n-dimensional extent.
  • the clustering means 124 can divide the mapped first data into an arbitrary number of clusters.
  • the clustering means 124 preferably divides the mapped first data into at least three clusters. By using three clusters (for example, clusters with good health, normal health, poor health, etc. as shown in FIG.
  • the clustering means 124 classifies the first data mapped by the mapping means 123 into four clusters.
  • the clustering means 124 can cluster the data by using any known method.
  • the clustering means 124 can divide the data into a plurality of clusters by using a non-hierarchical clustering method (for example, k-means method, k-means ++ method, PAM method, etc.).
  • the clustering means 124 can preferably divide the data into a plurality of clusters using the k-means method. This is because the results of clustering using the k-means method reflected the tendency of the subject population better than the results of clustering by other methods, and the contained information was rich.
  • the clustering means 124 can specify a plurality of regions, for example, by defining a boundary that separates each of the plurality of clusters. The demarcation can be done using any known process. For example, in the radar chart example described above, the clustering means 124 can simply separate the value of each axis from the value of the other axis and specify the plurality of axes as a plurality of regions.
  • the clustering means 124 may be further configured to cluster the sub-first data acquired by the acquisition means 121.
  • the clustering means 124 can divide the sub-first data into a plurality of clusters and specify each region to which the plurality of clusters belong.
  • the clustering means 124 can divide the sub-first data into an arbitrary number of clusters.
  • the characterization means 125 is configured to characterize at least a portion of the plurality of regions identified by the clustering means 124.
  • the characterization means 125 may characterize at least a portion of the plurality of regions, for example, based on information input to the server device 100 via the interface unit 110 by the health positioning map creator.
  • the health positioning map creator may analyze the subject's characteristics corresponding to the first data contained in each of the plurality of areas, and based on the analysis result, input the information that the area should be characterized. can.
  • the characterization means 125 may characterize at least a portion of the plurality of regions without relying on input by the health positioning map creator.
  • characterization means 125 may characterize at least a portion of a plurality of regions based on relative position in a health positioning map, or at least one of a plurality of regions based on machine learning. The part may be characterized.
  • a health positioning map is created in which at least a part of the plurality of areas is characterized.
  • the health positioning map where a portion of the regions identified by clustering the subfirst data is characterized is for some subjects of the plurality of subjects. It becomes a health positioning map.
  • the health degree positioning map created by the processor unit 120 is output to the outside of the server device 100 via, for example, the interface unit 110.
  • the health degree positioning map may be transmitted to the database unit 200 via the interface unit 110 and stored in the database unit 200, for example. Alternatively, it may be transmitted to the processor unit 130 described later for creating a health function.
  • the processor unit 130 may be a component of the same server device 100 as the processor unit 120, or may be a component of another computer system.
  • FIG. 3B shows an example of the configuration of the processor unit 130 in another embodiment.
  • the processor unit 130 may have a configuration for processing to create a health function for mapping a subject's health on a health positioning map.
  • the processor unit 130 may be a processor unit included in the server device 100 as an alternative to the processor unit 120 described above, or may be a processor unit included in the server device 100 in addition to the processor unit 120.
  • the processor unit 130 is a processor unit included in the server device 100 in addition to the processor unit 120
  • the processor unit 120 and the processor unit 130 may be implemented by the same processor or may be implemented by different processors. good.
  • the processor unit 130 includes a first acquisition unit 131, a second acquisition unit 132, and a derivation unit 133.
  • the first acquisition means 131 is configured to acquire a health degree positioning map.
  • the acquired health degree positioning map may be the health degree positioning map created by the processor unit 120 described above as long as it is created using the first parameter set, or may be a health degree positioned map created separately. It may be a positioning map.
  • the acquired health positioning map is passed to the derivation means 133 for subsequent processing.
  • the second acquisition means 132 is configured to acquire a second data set for a second parameter set, which will be described later, for at least a part of the plurality of subjects.
  • the second parameter set is also simply referred to as a "parameter set".
  • the second parameter set is part of the first parameter set.
  • the second parameter set may include items that are not in the first parameter set.
  • the second acquisition means 132 can acquire, for example, data about a part of a plurality of subjects stored in the database unit 200 via the interface unit 110.
  • the acquired second data set is passed to the derivation means 133 for subsequent processing.
  • the derivation means 133 is configured to derive a health function that correlates the second data set acquired by the second acquisition means 132 with the position on the health positioning map acquired by the first acquisition means 131. There is.
  • the derivation means 133 can derive a health function by, for example, machine learning, decision tree analysis, random forest regression, multiple regression analysis, principal component analysis, or the like.
  • the health function can be derived, for example, for each axis of the n-dimensional health positioning map. For example, if the health positioning map is two-dimensional, the health function X that correlates the second dataset with the X coordinates on the health positioning map, the two datasets, and the Y on the health positioning map. It is possible to derive a health function Y that correlates with the coordinates.
  • the derivation means 133 for example, arbitrarily increases or decreases the number of variables of the health function to create a plurality of health functions having identification accuracy, that is, a health function group (hereinafter, also referred to as a plurality of pattern health function groups). You may.
  • the derivation means 133 has only (1) a health function in which the data of the blood test item and the data of the other items are variables, and (2) the data of the blood test item, which have the same degree of accuracy as each other. You may create a health function with.
  • the derivation means 133 may create a health function group in which data selected from the data group of items other than the blood test item data is used as a variable as the plurality pattern health function group.
  • the health function can be, for example, a regression model.
  • the regression model may be a linear regression model or a non-linear regression model.
  • the derivation means 133 is a regression model by machine learning for at least a part of each of the plurality of subjects by using the second data set as an independent variable and the coordinates on the health positioning map of the subject as the dependent variable. Each coefficient of can be derived.
  • the second data set obtained from the subject is input to the independent variable of such a machine-learned regression model, the coordinates on the health positioning map of the subject are output. Using the output coordinates, the health level of the subject can be mapped on the health level positioning map.
  • the health function can be, for example, a neural network model.
  • the neural network model has an input layer, at least one hidden layer, and an output layer.
  • the number of nodes in the input layer of the neural network model corresponds to the number of dimensions of the input data. That is, the number of input nodes corresponds to the number of parameters in the second parameter set.
  • the hidden layer of the neural network model can contain any number of nodes.
  • the number of nodes in the output layer of the neural network model corresponds to the number of dimensions of the output data. That is, when the X coordinate on the health positioning map is output from the neural network model, the number of nodes in the output layer is 1.
  • the number of nodes in the output layer is n.
  • the derivation means 133 performs machine learning for at least a part of each of the plurality of subjects, using the second data set as input teacher data and the position of the subject on the health positioning map as output teacher data. Therefore, the weight coefficient of each node can be derived.
  • a set of (teacher data for input, teacher data for output) for machine learning is on the health positioning map of the first subject, the second data set with respect to the second parameter set for the first subject. Coordinates), (second data set for the second parameter set for the second subject, coordinates on the health positioning map of the second subject), ... (second for the second parameter set for the i-th subject). 2 data set, coordinates on the health positioning map of the i-th subject), ..., etc.
  • the coordinates on the health positioning map of the subject are output to the output layer.
  • the health level of the subject can be mapped on the health level positioning map.
  • the health function created by the processor unit 130 is output to the outside of the server device 100 via, for example, the interface unit 110.
  • the health function may be transmitted to the database unit 200 via the interface unit 110 and stored in the database unit 200, for example. Alternatively, it may be transmitted to the processor unit 140 described later for the process of estimating the health degree of the user.
  • the processor unit 140 may be a component of the same server device 100 as the processor unit 130, or may be a component of another computer system.
  • FIG. 3C shows an example of the configuration of the processor unit 140 in still another embodiment.
  • the processor unit 140 may have a configuration for a process of estimating the health of the user. In the process by the processor unit 140, the health degree of the user can be estimated by estimating in which region the health degree of the user is located on the health degree positioning map.
  • the processor unit 140 may be a processor unit included in the server device 100 as an alternative to the processor unit 120 and the processor unit 130 described above, or may be provided in the server device 100 in addition to the processor unit 120 and / or the processor unit 130 described above. It may be a processor unit.
  • the processor unit 140 is a processor unit included in the server device 100 in addition to the processor unit 120 and / or the processor unit 130, the processor unit 120, the processor unit 130, and the processor unit 140 are all mounted by the same processor. It may be implemented by different processors, or two of the processor unit 120, the processor unit 130, and the processor unit 140 may be implemented by the same processor.
  • the processor unit 140 includes a third acquisition unit 141, a fourth acquisition unit 142, an output generation unit 143, and an output mapping unit 144.
  • the third acquisition means 141 is configured to acquire a health function.
  • the health function is a function that correlates the data set for the second parameter set described above with the position on the health positioning map.
  • the acquired health function may or may not be the health function created by the processor unit 130 described above, as long as it can correlate the user dataset with its position on the health positioning map. It may be a health function.
  • the health positioning map may be a health positioning map created by the processor unit 120 described above, as long as it is created using the first parameter set, or may be a health positioning map created separately. There may be.
  • the acquired health function is passed to the output generation means 143 for subsequent processing.
  • the fourth acquisition means 142 is configured to acquire a user data set for the user's second parameter set.
  • the fourth acquisition means 142 can acquire, for example, the user data set stored in the database unit 200 via the interface unit 110.
  • the fourth acquisition means 142 can acquire, for example, a user data set from the terminal device 300 via the interface unit 110.
  • the acquired user data set is passed to the output generation means 143 for subsequent processing.
  • the output generation means 143 is configured to generate an output from a health function.
  • the output generation means 143 generates an output from the health function by inputting the user data set acquired by the fourth acquisition means 142 into the health function acquired by the third acquisition means 141. This output is referred to herein as "health information".
  • the health information includes coordinates on the health positioning map (eg, X-axis values, Y-axis values).
  • the coordinates on the health positioning map are output by inputting the user data set into the independent variable of the regression model.
  • the coordinates on the health positioning map are output by inputting the user data set to the input layer of the neural network model.
  • the output mapping means 144 is configured to map the output generated by the output generation means 143 on the health positioning map. Since the output generated by the output generation means 143 is the coordinates, the output mapping means 144 can map the coordinates within the n-dimensional space of the health positioning map.
  • the output mapped on the health degree positioning map by the processor unit 140 is output to the outside of the server device 100 via, for example, the interface unit 110.
  • the output may be transmitted to the terminal device 300 via, for example, the interface unit 110.
  • the processor unit 140 includes the output mapping means 144, but the processor unit 140 does not have to include the output mapping means 144.
  • the terminal device 300 may have a function of expressing the health degree information as a position on the health degree positioning map. At this time, the output by the output generation means 143, that is, the health degree information is transmitted to the terminal device 300 via the interface unit 110.
  • Each component of the server device 100 described above may be composed of a single hardware component or may be composed of a plurality of hardware components. When it is composed of a plurality of hardware parts, the mode in which each hardware part is connected does not matter. Each hardware component may be connected wirelessly or may be connected by wire.
  • the server device 100 of the present invention is not limited to a specific hardware configuration. It is also within the scope of the present invention that the processor units 120, 130, 140 are configured by an analog circuit instead of a digital circuit.
  • the configuration of the server device 100 of the present invention is not limited to the above-mentioned one as long as the function can be realized.
  • FIG. 3D is a diagram showing an example of a data flow 1 by the server device 100 in one embodiment.
  • the data flow 1 includes a data acquisition step 10, a data processing step 20, a health evaluation map creation step 30, a clustering map creation step 40, a health function value calculation step 50, and a positioning map creation.
  • a step 60 and an output step 70 are included.
  • the data acquisition step 10, the data processing step 20, the health evaluation map creation step 30, and the clustering map creation step 40 have a function as a health degree positioning map creation device, and for example, a server device including the processor unit 120 described above. Can be implemented by 100.
  • the data acquisition step 10 and the health function value calculation step 50 have a function as a health function value calculation device, and may be implemented by, for example, a server device 100 including the processor unit 140 described above.
  • the output step 70 the data generated in the data processing step 20, the health evaluation map creation step 30, the clustering map creation step 40, the health function value calculation step 50, or the positioning map creation step 60 is output, and for example, a display device ( For example, it is output by a liquid crystal display).
  • the data set acquired in the data acquisition step 10 is sent to the data processing step 20.
  • the correction 21 and the dimension reduction 22 are performed.
  • the data processing step 20 may be implemented, for example, by the processing means 122 of the processor unit 120 described above.
  • the correction 21 is to correct the data acquired in the data acquisition step 10. Specifically, the correction 21 is set so that, for example, the value of the data acquired in the data acquisition step 10 is a value in a predetermined range (for example, the average value is 0 and the standard deviation is 1). Each data acquired in the data acquisition step 10 is corrected. The corrected data is sent to dimensionality reduction 22.
  • the dimension reduction 22 reduces the dimensions of a plurality of data passed from the data acquisition step 10 or the correction step 21.
  • the dimensionality reduction 22 is a plurality of data (multidimensional data) passed from the data acquisition step 10 or the correction step 21 using multiple regression analysis, multidimensional scaling method, principal component analysis, or machine learning.
  • the dimension of is set to an arbitrary dimension (two dimensions in this embodiment).
  • the dimensionally reduced data may be in the form of a function, for example.
  • this function is a function for calculating an index related to health.
  • the function is, for example, a function in which some or all of the data contained in the first data is used as a variable, and is created by giving a larger weight to the data having a particularly large influence among various disease factors. Function.
  • the function in this embodiment is created by using a linear or non-linear model for some or all of the data included in the first data.
  • a two-dimensional function in this embodiment, a function X on the horizontal axis (hereinafter referred to as a first function) and a function Y on the vertical axis (hereinafter referred to as a second function)). (Consists of) is created.
  • the created function is passed to the health evaluation map creation step 30 and the output step 70.
  • the dimension reduction 22 creates a two-dimensional function by lowering the multidimensional data to two dimensions as described above.
  • the first function and the second function are functions in which all or a part of a plurality of data passed from the data acquisition step 10 or the correction step 21 are variables, and are multiple regression analysis, multidimensional scale method, principal component analysis, and the like. Or it is a function calculated by machine learning.
  • machine learning means either machine learning including deep learning or machine learning not including deep learning.
  • the variables constituting the first function and the second function may be completely the same or completely different, or some variables may overlap with each other.
  • the health evaluation map creation step 30 can be implemented by, for example, the mapping means 123 of the processor unit 120 described above.
  • the function is two-dimensional
  • the health evaluation map is a two-dimensional map.
  • FIG. 9A is a diagram showing an example of a health evaluation map. As shown in FIG. 9A, in the health evaluation map creation step 30, the health evaluation map is created by plotting the points determined by the first function and the second function in a two-dimensional space (multidimensional space) for a plurality of subjects. Will be created.
  • the clustering map creation step 40 can be implemented, for example, by the clustering means 124 and the characterization means 125 of the processor unit 120 described above.
  • the clustering map creation step 40 for example, a map in which a plurality of points plotted on the health assessment map created in the health assessment map creation step 30 are clustered into several clusters and a plurality of regions are characterized (hereinafter, the map).
  • a health positioning map) is created.
  • a plurality of plotted points are clustered into an arbitrary number of clusters by using a non-hierarchical clustering method (k-means method in the present embodiment). In the example shown in FIG. 9A, it is classified into four clusters. By characterizing at least one of these four areas with health information, a health positioning map is created.
  • the created health degree positioning map may be output in the output step 70, may be passed to the health function value calculation step 50, or may be passed to the health prediction positioning map creation step 60.
  • the health function value calculation step 50 and the health prediction positioning map creation step 60 can be implemented by, for example, the processor unit 130 and the processor unit 140 described above.
  • a health function is created based on the health degree positioning map.
  • the number of variables of the health function may be arbitrarily increased or decreased to create a plurality of health functions having identification accuracy, that is, a health function group.
  • the value of the health function of the subject different from the subject who acquired the first data set is calculated in order to create the health function.
  • the value of the subject's health function can be obtained. calculate. Since the health function is a multidimensional function, the health function value is naturally a multidimensional value.
  • the value of the subject's health function calculated by the health function value calculation step 50 is created by the health evaluation map created by the health evaluation map creation step 30 or the clustering map creation step 40. Plot on the health positioning map to create a health prediction positioning map. This makes it possible to predict the health condition of the subject whose data is newly measured.
  • the value of the health function calculated in the health function value calculation step 50 using the data acquired at time intervals for a single subject is used as the health evaluation map or the above-mentioned health evaluation map.
  • the data acquired from the new subject can also be used as data for updating (updating) the health function.
  • the health function value calculation step 50 the health function can be updated by further using the data acquired from the new subject or the data output from the correction step 21 using the data. This makes it possible to evaluate various health risks and improve the accuracy of health risk assessment.
  • Each step of the data flow 1 is an integrated circuit (IC chip). ) Or the like, it may be realized by a logic circuit (hardware), or it may be realized by software.
  • the health evaluation device 1 includes a computer that executes instructions of a program that is software that realizes each function.
  • the computer includes, for example, one or more processors and a computer-readable recording medium that stores the program. Then, in the computer, the processor reads the program from the recording medium and executes the program, thereby achieving the object of the present invention.
  • a CPU Central Processing Unit
  • a "non-temporary tangible medium" for example, a ROM (Read Only Memory) or the like, a tape, a disk, a card, a semiconductor memory, a programmable logic circuit, or the like can be used.
  • a RAM Random Access Memory
  • the program may be supplied to the computer via any transmission medium (communication network, broadcast wave, etc.) capable of transmitting the program. It should be noted that one aspect of the present invention can also be realized in the form of a data signal embedded in a carrier wave, in which the above program is embodied by electronic transmission.
  • a health positioning map and / or a health function using various data. That is, it is possible to create a health degree positioning map and / or a health function that can comprehensively calculate the health degree of a subject, instead of a health index related to an existing individual disease.
  • health positioning maps and / or health functions can be created that can assess various health risks (ie, assess the overall health of the subject).
  • a health degree positioning map and / or a health function can be flexibly created by combining various data measured in the data acquisition step 10. That is, the flexibility of selecting the items to be measured in the data acquisition step 10 is very high.
  • a health function is created by machine learning using the second data set as input data. This makes it possible to create a health function that can more accurately generate an index of the health condition of the subject.
  • the data between genders is corrected before the health positioning map is created in the first data set. This makes it possible to create a health positioning map that can be applied to any gender.
  • the first data may include only the data acquired by the non-invasive measurement. According to the above configuration, data can be acquired without damaging the subject such as a blood test.
  • a map for evaluating health can be created using the function created by the data processing step 20. Specifically, when the function is a multidimensional vector, a map for evaluating health is created by plotting the points determined by the function for a plurality of subjects in a multidimensional space. This makes it possible to visually confirm the health condition of the subject.
  • the points plotted in the multidimensional space are clustered. Then, by referring to the data of the subjects belonging to each clustered cluster, it is possible to identify what kind of group each cluster is and characterize those clusters. As a result, by plotting the newly measured subject data on the health positioning map, it becomes possible to predict the measured health condition of the subject.
  • FIG. 3E shows an example of the configuration of the terminal device 300.
  • the terminal device 300 includes an interface unit 310, a camera 320, a display unit 330, a memory unit 340, and a processor unit 350.
  • the interface unit 330 exchanges information with the outside of the terminal device 300.
  • the processor unit 320 of the terminal device 300 can receive information from the outside of the terminal device 300 via the interface unit 310, and can transmit the information to the outside of the terminal device 300.
  • the interface unit 310 can exchange information in any format.
  • the interface unit 310 includes, for example, an input unit that enables information to be input to the terminal device 300. It does not matter in what manner the input unit enables the information to be input to the terminal device 300. For example, when the input unit is a touch panel, the user may input information by touching the touch panel. Alternatively, when the input unit is a mouse, the user may input information by operating the mouse. Alternatively, when the input unit is a keyboard, the user may input information by pressing a key on the keyboard. Alternatively, when the input unit is a microphone, the user may input information by inputting voice into the microphone. Alternatively, when the input unit is a camera, the information captured by the camera may be input.
  • the information may be input by reading the information from the storage medium connected to the terminal device 300.
  • the receiver may input information by receiving information from the outside of the terminal device 300 via the network 400.
  • the interface unit 310 includes, for example, an output unit that enables information to be output from the terminal device 300. It does not matter in what mode the output unit enables the information to be output from the terminal device 300. For example, when the output unit is a speaker, information may be output by voice from the speaker. Alternatively, when the output unit is a data writing device, the information may be output by writing the information to the storage medium connected to the terminal device 300. Alternatively, when the output unit is a transmitter, the transmitter may output information by transmitting information to the outside of the terminal device 300 via the network 400. In this case, the type of network does not matter. For example, the transmitter may transmit information via the Internet or may transmit information via LAN.
  • the terminal device 300 can receive measurement data from the measurement device by communicating with any measurement device via the interface unit 310.
  • the terminal device 300 can receive data for body composition parameters from the body composition meter, for example, by communicating with the body composition meter via the interface unit 310.
  • a body composition analyzer is any device that can measure the body composition of a subject.
  • the body composition analyzer may be, for example, a type of body composition analyzer that is placed on the body at the time of measurement, or a type of body composition analyzer that can be worn on the body (for example, a wristwatch-type body composition analyzer).
  • the body composition analyzer may be implemented by the terminal device 300, for example by installing an application for measuring body composition.
  • the terminal device 300 can receive data for blood pressure parameters from the sphygmomanometer, for example, by communicating with the sphygmomanometer via the interface unit 310.
  • a sphygmomanometer is any device that can measure the blood pressure of a subject.
  • the sphygmomanometer is, for example, a sphygmomanometer of the type worn on the body (for example, an upper arm type sphygmomanometer, a wristwatch type sphygmomanometer, a ring type sphygmomanometer), or a non-contact type sphygmomanometer (for example, photographed by a camera). It can be a sphygmomanometer) that measures blood pressure from an image of a face or finger.
  • the sphygmomanometer may be implemented by the terminal device 300, for example by installing an application for measuring blood pressure.
  • the sphygmomanometer may also measure, for example, the body temperature of the subject.
  • the body temperature may be measured in a non-contact manner (for example, from an image taken by a camera), or the body temperature may be measured in a contact manner.
  • the terminal device 300 can receive data for the autonomic nerve parameter from the autonomic nerve measuring device by communicating with the autonomic nerve measuring device via the interface unit 310, for example.
  • the autonomic nerve measuring device is an arbitrary device capable of measuring the autonomic nerve function of the subject.
  • the autonomic nerve measuring instrument can be, for example, a device capable of detecting heart rate variability.
  • the autonomic nerve measuring device may be implemented by the terminal device 300, for example, by installing an application for measuring the autonomic nerve function.
  • the autonomic nerve measuring instrument can measure data related to pulse waves, for example, as data for autonomic nerve parameters.
  • the autonomic nerve measuring instrument can acquire data on the pulse wave of the subject from, for example, an image of the subject taken by a camera, and derive data on the autonomic nerve parameter from the data on the pulse wave.
  • the terminal device 300 can receive data for the questionnaire parameters by communicating with the questionnaire processing device via the interface unit 310, for example.
  • the questionnaire processing device can be any device capable of acquiring data from the answer result of the questionnaire by having the subject answer the questionnaire and processing the answer result of the questionnaire by the subject.
  • the questionnaire processing device may be, for example, an electronic device (for example, a game device) capable of processing the answer result of the questionnaire by the subject.
  • the questionnaire processing device may be implemented by the terminal device 300, for example, by installing an application for making the subject answer the questionnaire.
  • the questionnaire processing device may be, for example, an apparatus capable of optically reading the answer sheet of the questionnaire.
  • the questionnaire processing device can measure, for example, data for age, subjective evaluation parameters, and / or data for living conditions parameters, such as data for questionnaire parameters.
  • the questionnaire processing device for example, as data for questionnaire parameters, includes age, subjective evaluation regarding QOL (Quality of Life), subjective evaluation regarding fatigue, subjective evaluation regarding psychology, living conditions, and the like. Can be measured.
  • the questionnaire processing device may be, for example, a device capable of deriving the questionnaire parameters from the data acquired from the subject.
  • a questionnaire processing device can acquire data indicating a living situation from data acquired from, for example, an activity meter (for example, sleep time, exercise time, etc.).
  • an activity meter for example, sleep time, exercise time, etc.
  • such a questionnaire processing device may have a function of an activity meter, and may automatically acquire questionnaire parameters from the data acquired from the subject.
  • such a questionnaire processing device may have an imaging function and may automatically acquire questionnaire parameters from an image of the subject (for example, the facial expression of the subject).
  • the questionnaire processing device may be, for example, a group of questionnaire processing devices composed of a plurality of measuring devices capable of deriving questionnaire parameters.
  • at least one questionnaire parameter can be acquired from one measuring instrument and at least one questionnaire parameter can be acquired from another measuring instrument.
  • the terminal device 300 can receive data for the temperature by communicating with the thermometer via the interface unit 310, for example.
  • Data for temperature includes, for example, air temperature, body temperature.
  • the thermometer may measure the temperature, for example, in a non-contact manner (eg, from an image of a face or finger taken by a camera, or by bringing the temperature measuring part closer to the temperature measuring object), or in a contacting manner (for example, by bringing the temperature measuring part closer to the temperature measuring object).
  • the temperature may be measured (by bringing the temperature measuring part into contact with the temperature measuring object).
  • the non-contact thermometer may be mounted using an electronic device (for example, a terminal device 300) by connecting a temperature measuring unit to an earphone jack of the electronic device, for example.
  • the contact type thermometer can measure the body temperature, for example, in the armpit, in the mouth, in the ear, or the like.
  • thermometer that measures the body temperature in the ear may be, for example, an earphone type (wired earphone, wireless earphone, etc.). Such a contact thermometer is also mounted using an electronic device (eg, terminal device 300) by connecting a temperature detector to the earphone jack of the electronic device or by wirelessly connecting to the electronic device. You may do so.
  • an electronic device eg, terminal device 300
  • the above-mentioned measuring device can be portable or portable.
  • the term “portable” measuring device refers to a device that can be manually transported.
  • the term “portable” measuring device means a device intended to be carried in daily life. Since the place of use of the portable or portable measuring device is not restricted, the use of these devices facilitates simple measurement at any place and at any time.
  • the present invention is simplified by using parameters that can be measured using a small number (eg, 10 or less, 5 or less, 4 or less, preferably 3 or less) of portable or portable devices. It is an advantage that the overall health of the user can be evaluated.
  • a dedicated equipment configuration and a skilled measurer are required.
  • the measuring device can be made portable or portable as described above, or the same function as the above-mentioned measuring device can be performed on the terminal device 300. You will be able to implement it. This facilitates simple measurements at any location and at any time.
  • the above-mentioned measuring device can be a server-linked type.
  • the server-linked measuring device is a device having a function of communicating with the server, and the measured data can be directly transmitted to the server. In this case, the above-mentioned measuring device does not need to communicate with the terminal device 300.
  • the above-mentioned measuring device may be mounted by a separate device or may be mounted by a single device having a plurality of functions.
  • at least one of the above-mentioned measuring instruments may be implemented by the terminal device 300.
  • the number of measuring devices can be reduced, and the burden on the user for measurement can be reduced.
  • the user can perform measurement only by the terminal device 300.
  • the acquisition of data by the above-mentioned measuring device may be performed by the subject consciously performing the measurement, or may be performed by the subject unconsciously performing the measurement.
  • the acquisition of data by the above-mentioned measuring device can be performed without making the subject aware, for example, by automatically performing the measurement when a predetermined condition is satisfied.
  • the measurement can be performed, for example, by using a measuring device attached to the body of the subject without making the subject aware of it. For example, by using a measuring device worn on the subject's body, measurement can be performed regardless of whether the subject is indoors or outdoors (for example, whether the subject is walking or stationary). It can be performed.
  • the measurement can be performed without making the subject aware, for example, by using a measuring device installed within the range of action of the subject.
  • a measuring device installed within the subject's range of action whatever the subject is doing within the range of action (for example, whether the subject is walking or stationary).
  • Measurement can be performed.
  • Measuring instruments installed within the subject's range of motion include, for example, sensors mounted on furniture used by the subject (eg, chairs, beds, etc.), electronic devices used by the subject (eg, personal computers, refrigerators, air conditioners, etc.). It includes, but is not limited to, a sensor mounted on a smart speaker, etc.) and a sensor installed in a room such as the subject's home.
  • data for blood pressure parameters can be automatically measured by a sphygmomanometer worn on the body when certain conditions are met.
  • data for body composition parameters can be automatically measured by a body composition analyzer worn on the body when certain conditions are met.
  • the data for the body composition parameters can be automatically measured by a body composition analyzer mounted on the seat surface of the user's chair when a predetermined condition is satisfied.
  • the data for the autonomic nerve parameters can be automatically measured by the camera included in the autonomic nerve measuring device when a predetermined condition is satisfied.
  • the data for the autonomic nerve parameters are automatically derived from the subject's image taken automatically when a predetermined condition is met by the electronic device used by the subject or the camera mounted on the terminal device 300.
  • the data for the autonomic nerve parameters are automatically derived from the subject's image taken automatically when a predetermined condition is met by a camera installed in a room such as the subject's home. can do.
  • data for questionnaire parameters can be made to be automatically acquired from communication with an electronic device (eg, a smart speaker) used by the subject.
  • Predetermined conditions include, for example, when a predetermined time is reached (temporal condition), when entering / exiting a predetermined place (geographical condition), when performing a predetermined action (behavioral condition), and the like. include.
  • the predetermined time is, for example, a predetermined time of the day (for example, between 6:00 am and 8:00 am, between 11:00 am and 1:00 pm, between 4:00 pm and 6:00 pm, and 9:00 pm to am. It may be during midnight, or at 6:00 am, 0:00 pm, 6:00 pm, 0:00 am, etc., or at predetermined intervals (eg, every hour, every three hours, every six hours, etc.). , Every 12 hours, etc.).
  • Predetermined locations include, but are not limited to, for example, offices, homes, living rooms, bedrooms, and the like.
  • Predetermined actions include, but are not limited to, for example, sitting in a chair, lying on a bed, entering the field of view of a camera for a certain period of time (for example, 10 seconds, 30 seconds, 1 minute) or longer.
  • the predetermined action may be, for example, to acquire at least one piece of data.
  • data for blood pressure parameters, data for body composition parameters in response to the acquisition of at least one of data for blood pressure parameters, data for body composition parameters, data for autonomic nerve parameters, and data for questionnaire parameters.
  • Data for autonomic nerve parameters, data for questionnaire parameters, and other data can be automatically acquired.
  • the data for the questionnaire parameters in response to the questionnaire processing device acquiring the data for the questionnaire parameters from the result of the subject consciously answering the questionnaire, the data for the blood pressure parameter, the data for the body composition parameter, and the data for the autonomic nerve parameter. May be automatically measured.
  • a plurality of data can be automatically acquired by having the subject consciously perform a simple action of answering the questionnaire.
  • the terminal device 300 performs specific preprocessing on data received from a small number (eg, 10 or less, 5 or less, 4 or less, preferably 3 or less) of measuring devices. After that, the data may be transmitted to the server device 100 for subsequent processing. Certain pre-processing can streamline the subsequent processing of data received from, for example, a small number of measuring instruments.
  • the terminal device 300 may perform specific preprocessing on a part of the data received from a small number of measuring devices, or may perform a specific preprocessing on a part of the data received from a small number of measuring devices. You may want to perform a specific pretreatment. For example, the terminal device 300 performs the first preprocessing on the first subset of the data received from the small number of measuring instruments and the first of the data received from the small number of measuring instruments. A second preprocessing different from the first preprocessing may be performed on the subset of 2. For example, the terminal device 300 performs the first preprocessing on the data acquired by the measurement consciously performed by the subject, and the second preprocess on the data acquired by the measurement unconsciously performed by the subject. Preprocessing can be performed.
  • the terminal device 300 may organize the data received from a small number of measuring devices into a data structure of a specific format and then transmit the data to the server device 100.
  • a data structure of a specific format for example, subsequent processing of data received from a small number of measuring instruments can be streamlined.
  • the terminal device 300 may organize a part of the data received from a small number of measuring devices into a data structure of a specific format, or may organize the data received from a small number of measuring devices into a data structure. All of them may be organized into a data structure of a specific format. For example, the terminal device 300 organizes a first subset of the data received from a small number of measuring instruments into a data structure of the first format, and of the data received from a small number of measuring instruments. The second subset may be organized into a second format data structure that is different from the first format. For example, the terminal device 300 organizes the data acquired by the measurement performed by the subject consciously into the data structure of the first format, and the data acquired by the measurement performed unconsciously by the subject in the second format. Can be organized into a data structure of
  • the terminal device 300 may communicate with, for example, a device that can be connected to a network, for example, an electric product that can be connected to the network (so-called “IoT device”) via an interface unit 310.
  • the terminal device 300 can control the device according to the health level (for example, the position on the health level positioning map).
  • the device may be controlled by combining the data of the surrounding environment (for example, temperature, climate, weather, brightness, etc.) and the health degree (for example, the position on the health degree positioning map). good.
  • the device is, for example, an air conditioner.
  • the terminal device 300 can control the air conditioner to maintain an appropriate room temperature and / or humidity depending on the degree of health.
  • the device is, for example, lighting.
  • the terminal device 300 can control the lighting so as to maintain an appropriate brightness according to the degree of health.
  • the device is, for example, a music player.
  • the terminal device 300 plays music according to the degree of health (for example, music that relaxes the mind and body, music that enhances motivation, yoga, stretching, voice that guides aerobic exercise, etc.). You can control the player.
  • the device is, for example, a video player.
  • the terminal device 300 sets the video player so as to play an appropriate video (for example, a video that relaxes the mind and body, a video that enhances motivation, a video such as yoga, stretching, or aerobic exercise) according to the degree of health. Can be controlled.
  • the device is, for example, an incense generator.
  • the terminal device 300 can control the incense generator so as to emit an appropriate scent (for example, a scent that relaxes the mind and body, a scent that enhances motivation, etc.) according to the degree of health.
  • the device is, for example, a smart speaker.
  • the terminal device 300 is a smart speaker so that it can talk or chat with an appropriate person (for example, a carefree person (for example, family, friends, etc.) to relax) or an appropriate avatar, depending on the degree of health. Can be controlled.
  • the device is, for example, an exercise device.
  • the terminal device 300 can control the exercise device so as to provide an appropriate exercise menu according to the degree of health.
  • the device is, for example, an information terminal.
  • the terminal device 300 can control the information terminal so as to present arbitrary information (for example, a meal, a beverage, or a snack menu, an exercise menu, etc.) according to the degree of health, and the terminal device 300 can control the terminal device 300.
  • the information terminal may be the terminal device 300 itself, or may be a device different from the terminal device 300.
  • the camera 320 is an arbitrary camera capable of shooting a still image or a moving image. It may be a camera built in the terminal device 300, or it may be an external camera attached to the terminal device 300. For example, when the autonomic nerve measuring device is implemented by the terminal device 300, the image taken by the camera 320 can be used to derive data for the autonomic nerve parameters.
  • the camera 320 is, for example, a camera capable of acquiring at least one of data for body composition parameters, data for blood pressure parameters, data for autonomic nerve parameters, and data for questionnaire parameters, for example, all of these data. possible. Thereby, at least one of the body composition meter, the sphygmomanometer, the autonomic nerve measuring device, and the questionnaire processing device, for example, all of these devices can be replaced by the camera 320.
  • the display unit 330 is an arbitrary display that displays a screen.
  • the memory unit 340 stores a program required for executing the processing of the terminal device 300, data required for executing the program, and the like.
  • the memory unit 340 stores a program for causing the processor unit 350 to perform a process for measuring the health degree of the subject (for example, a program for realizing the process shown in FIG. 8 described later).
  • the program may be pre-installed in the memory unit 340.
  • the program may be installed in the memory unit 340 by being downloaded via the network 350. In this case, the type of network does not matter.
  • the memory unit 340 can be implemented by any storage means.
  • the processor unit 350 controls the operation of the entire terminal device 300.
  • the processor unit 350 reads the program stored in the memory unit 340 and executes the program. This makes it possible to make the terminal device 300 function as a device that executes a desired step.
  • the processor unit 350 may be configured to acquire data for blood pressure, for example, by analyzing an image acquired by the camera 320.
  • the processor unit 350 can acquire data on blood pressure by, for example, using a known application and analyzing a moving image of a face acquired by a camera 320.
  • the processor unit 350 can acquire data for blood pressure by, for example, using a known application and analyzing a moving image of a fingertip acquired by a camera.
  • the processor unit 350 may be configured to acquire data for the autonomic nerve function, for example, by analyzing an image acquired by the camera 320.
  • the processor unit 350 can acquire data for the autonomic nervous function from the image by using a method known in the art.
  • the processor unit 350 acquires, for example, an image capable of deriving data for the autonomic nerve parameter by the camera 320, and obtains the acquired image.
  • the data may be transmitted to the server device 100 via the interface unit 310 for analysis.
  • the processor unit 350 does not have the function of deriving the data for the autonomic nerve parameters, and instead, the server device 100 has the function. As a result, the processing load of the terminal device 300 can be reduced.
  • the processor unit 350 presents the questionnaire to the user via, for example, the display unit 330, and answers to the questionnaire input via the interface unit 310. Can be configured to retrieve data for the questionnaire parameters by processing.
  • the processor unit 350 can acquire data for the questionnaire parameters from the answers to the questionnaire by using a method known in the art.
  • the processor unit 350 receives, for example, an answer to the questionnaire and the received answer is analyzed via the interface unit 310. It may be transmitted to the server device 100.
  • the processor unit 350 does not have the function of deriving the data for the questionnaire parameter, and instead, the server device 100 has the function. As a result, the processing load of the terminal device 300 can be reduced.
  • each component of the terminal device 300 is provided in the terminal device 300, but the present invention is not limited to this. It is also possible that any of the components of the terminal device 300 is provided outside the terminal device 300.
  • the camera 320, the display unit 330, the memory unit 340, and the processor unit 350 may be composed of different hardware components, and each hardware component may be connected via an arbitrary network. At this time, the type of network does not matter.
  • Each hardware component may be connected, for example, via the Internet, may be connected via a LAN, may be wirelessly connected, or may be connected by wire.
  • the database unit 200 is provided outside the server device 100, but the present invention is not limited thereto. It is also possible to provide at least a part of the database unit 200 inside the server device 100. At this time, at least a part of the database unit 200 may be implemented by the same storage means as the storage means for mounting the memory unit 150, or may be implemented by a storage means different from the storage means for mounting the memory unit 150. You may. In any case, at least a part of the database unit 200 is configured as a storage unit for the server device 100.
  • the configuration of the database unit 200 is not limited to a specific hardware configuration.
  • the database unit 200 may be composed of a single hardware component or may be composed of a plurality of hardware components.
  • the database unit 200 may be configured as an external hard disk device of the server device 100, or may be configured as a storage on the cloud connected via the network 400.
  • the first parameter set for obtaining the first data set in the present invention is "biooxidation parameter”, “repair energy reduction parameter”, “inflammation parameter” and “. It may include “autonomic nerve function parameters”. In the present specification, the following four parameters, (1) “biooxidation parameter”, (2) “repair energy reduction parameter”, (3) “inflammation parameter”, and (4) "autonomic nerve function parameter” are combined. Therefore, it may be referred to as a basic 4 parameter.
  • the first parameter set is a set of parameters used to create a health positioning map.
  • the first parameter set is also referred to as "a parameter set for creating a health positioning map" in the present specification and claims.
  • ROS reactive oxygen species
  • antioxidant enzymes such as superoxide dismutase (SOD) and catalase, and antioxidants such as coenzyme Q10, vitamin C, and vitamin E are present in the living body.
  • SOD superoxide dismutase
  • the measurement of the "biooxidative parameter" in the present invention may include the measurement of oxidative damage caused by reactive oxygen species, the measurement of antioxidant capacity, or the measurement of the balance between oxidative damage and antioxidant capacity.
  • Measurement of reactive oxygen species oxidative damage may be performed by directly measuring the amount of reactive oxygen species, or by measuring oxidative damage of proteins, lipids or nucleic acids.
  • d-ROMs Derivatives of Reactive Oxygen Metalbolites
  • PCC Protein Carbonyl Content
  • 4-hydroxynonenal and isoplastane which are indicators of oxidative damage of lipids
  • 8-OHdG 8-hydroxy-deoxyguanosine
  • the method for measuring the antioxidant capacity is well known in the art, and a person skilled in the art can appropriately select and measure the measurement target.
  • specific markers used as an index of antioxidant capacity are BAP (Biological Antioxidant Potential), which quantifies the reducing power to iron, serum thiol status, glutathione measurement, vitamin C amount measurement, coenzyme Q10 total amount, and coenzyme. Examples include, but are not limited to, the Q10 reduced form ratio.
  • the total amount of coenzyme Q10 and the reduced coenzyme Q10 ratio can be measured using, for example, LC-MS / MS (specifically, for example, from the concentrations of reduced and oxidized coenzyme Q10 detected by multiple reaction monitoring. Can be calculated.).
  • the marker that is an index of the balance between oxidative damage and antioxidant capacity is OSI (oxidative stress index; Oxidation Stress Index), but is not limited thereto.
  • OSI oxidative stress index; Oxidation Stress Index
  • the OSI in the present invention is d-ROMs / BAP.
  • Preferred biooxidation parameters in the present invention include BAP, total amount of coenzyme Q10, coenzyme Q10 reduced ratio, and OSI.
  • biooxidation parameters are parameters that can be measured by non-invasive tests.
  • the "repair energy reduction parameter" in the present invention includes the total amount of coenzyme Q10, the coenzyme Q10 reduced ratio, and the metabolites of the glycolytic / TCA circuit (for example, pyruvic acid, lactic acid, citric acid, isocitric acid, succinic acid, etc.). Fumaric acid, malic acid, etc.), but are not limited to these.
  • the total amount of coenzyme Q10 and the reduced ratio of coenzyme Q10 are not only “biooxidation parameters” because they have antioxidant capacity, but also "repair energy reduction parameters” because they contribute to ATP production.
  • Preferred "repair energy reduction parameters" in the present invention may include coenzyme Q10 total amount and coenzyme Q10 reduced form ratio.
  • the method for measuring the total amount of coenzyme Q10 and the reduced ratio of coenzyme Q10 is as described above.
  • Glycolysis and citric acid cycle metabolites can be measured by extracting compounds that reflect glycolysis and the citric acid cycle from metabolome analysis.
  • the repair energy reduction parameter is a parameter that can be measured by a non-invasive test.
  • inflammation parameter When many tissues damaged by oxidation occur in a living body, a large amount of local inflammation occurs due to an immune response. Types of inflammation parameters and methods of measurement are well known in the art, and those skilled in the art can appropriately select and measure inflammation parameters.
  • Inflammation parameters in the present invention include, but are not limited to, CRP (C-Reactive Protein), WBC (white blood cell count), albumin, red blood cell count, interleukin-1 ⁇ , interleukin-6, and the like.
  • the inflammation parameter is a parameter that can be measured by a non-invasive test.
  • autonomic nervous function parameters A chronological scrutiny of health fragility reveals that autonomic function (especially parasympathetic function) declines first, then sleep quality declines, then fatigue accumulates, and then motivation, depressive tendencies, Immune system disorders such as allergies, endocrine system abnormalities such as menstrual insufficiency, and digestive system abnormalities are observed. Therefore, abnormalities in autonomic nervous function are important parameters for understanding the early stages of health fragility.
  • the autonomic nervous function is evaluated from the heart rate parameters.
  • VLF Very Low Frequency ms 2
  • LF low frequency ms 2
  • HF radio frequency ms 2
  • HF radio frequency ms 2
  • LF / HF ratio The ratio of LF (low frequency) to HF (high frequency) power, which represents the overall balance of sympathetic and parasympathetic nerves.
  • a high value indicates sympathetic dominance
  • a low value indicates parasympathetic dominance.
  • the above-mentioned heart rate parameters expressing the autonomic nervous function can be measured by a method known in the art, but can also be measured by an accurate methodology for simultaneously measuring cardiac radio waves and fingertip pulse waves and performing heart rate variability analysis (patented). See No. 5455071, Japanese Patent No. 5491749. These documents are incorporated herein by reference).
  • the autonomic nervous function parameters of the present invention may be measured using a simple autonomic nervous system measuring device FMCC-VSM301 (Fatigue Science Institute, Osaka, Japan) that can simultaneously measure an electrocardiogram and a pulse wave.
  • Preferred "autonomic nerve function parameters" in the present invention may be, but are not limited to, mean HR, TP, LF, HF, LF / HF, and the like. Since the values of HF and LF have a large variance and do not have a normal distribution, it is preferable to perform logarithmic conversion for evaluation of TP, LF, HF and LF / HF related to HF and LF among the above parameters. .. Therefore, more preferred "autonomic function parameters" in the present invention include mean HR, ln (TP), ln (LF), ln (HF), and ln (LF / HF).
  • the autonomic function parameter is a parameter that can be measured by a non-invasive test.
  • the first parameter set of the present invention may include one or more of the following parameters in order to more appropriately create a positioning map for assessing the overall health of the subject.
  • the basic parameters include known parameters that represent the physical condition and health condition of the subject.
  • the basic parameters of the present invention include, but are not limited to, age, height, weight, abdominal circumference, body composition, bone density, blood pressure, muscle strength, body temperature, WH ratio, and the like.
  • Body composition includes, but is not limited to, muscle mass, BMI (body mass index), fat percentage, and the like.
  • Body composition can be, for example, a parameter measured using bioelectrical impedance analysis (BIA).
  • BIA is a technique for quantitatively measuring the components constituting the human body from the impedance generated when an electric current is passed through the human body.
  • Body Composition Analyzer can measure body composition using BIA.
  • Bone density is measured using the MD method, which measures the bones of the hand with X-rays and photographs, the ultrasonic method, which measures the bones of the heel using ultrasonic waves, the QCT method, which uses CT scans, X-rays, and a computer. Measurement methods such as the DEXA method (Dual energy X-ray absorptiometry) are known, and in the present invention, parameters obtained by any of these measurement methods can be used.
  • DEXA method Dual energy X-ray absorptiometry
  • the index is defined with the BMD value (reference value) as 0 and the standard deviation as 1SD), but the present invention is not limited thereto. Methods for measuring these basic parameters are well known in the art.
  • Blood pressure is customarily measured in the art, and systolic blood pressure can be used as the basic parameter of the present invention.
  • Muscle strength is customarily measured in the art, and muscle mass and left-right average grip strength can be used as basic parameters of the present invention.
  • the WH ratio is a value obtained by dividing the waist circumference by the hip circumference, and is used as an index of obesity. Whether the type of obesity is "pear-type obesity" or “apple-type obesity", which represents the body shape of an obese person, can be determined by the WH ratio.
  • the basic parameters of the present invention may preferably include age, muscle mass, BMI, fat percentage, SOS, OI, systolic blood pressure, and left-right average grip strength.
  • Basic parameters are parameters that can be measured by non-invasive tests.
  • the first parameter set further includes blood parameters generally used for evaluating the target renal excretion, hepatobiliary pancreas, and detoxification function system. ..
  • the blood parameters include HbA1c (hemoglobin A1c; glycated protein in which glucose is bound to hemoglobin), ALP (alkaline phosphatase), ALT (alanine aminotransferase), AST (aspartate aminotransferase), BS (blood plasma level), BUN ( Blood urea nitrogen), CK (creatine kinase; plasma muscle cell enzyme that can be used to evaluate motor, skeletal, and muscle function systems), G-GT (gamma, glutamir, transpeptidase), HDL-C (HDL-cholesterol).
  • HbA1c hemoglobin A1c
  • ALP alkaline phosphatase
  • ALT alanine aminotransferase
  • AST aspartate aminotransferase
  • BS blood plasma level
  • BUN Blood urea nitrogen
  • CK Creatine kinase
  • plasma muscle cell enzyme that can be used to evaluate motor, skeletal, and muscle function systems
  • HGB hemoglobin
  • LD lactic acid dehydrogenase
  • LDL-C LDL cholesterol
  • TG triglyceride; neutral fat
  • TOP total protein
  • UA uric acid
  • amylase albumin
  • potassium Creatine
  • chlor cortisol
  • sodium eGFR
  • vitamins eg, vitamin B1
  • minerals iron, copper, calcium, etc.
  • blood parameters are parameters that can be measured by an invasive test.
  • the first parameter of the present invention may further include a cognitive function parameter.
  • the cognitive function parameter of the present invention is TMT (Trail Making), which is a simple cognitive function test in which an index such as a number from 1 to 25 written on a sheet of paper is traced in order with a pencil. Test), ATMT (Advanced Trail Making Test) that performs TMT on the touch panel, modified ATMT (K. Mizuno e al. Brain & Development 33 (2011) 412-420) developed by the present inventors, and the like.
  • TMT, ATMT, and modified ATMT have different methodologies, they have a common object to be measured, and they are all cognitive function parameters of the present invention.
  • the present inventors have prepared, for example, five tasks for evaluating various elements of cognitive function, and these can be used alone or in combination.
  • each of these cognitive tasks may be evaluated based on the total reaction time or the total number of correct answers.
  • Cognitive function parameters are parameters that can be measured by non-invasive tests.
  • the first parameter set of the present invention may also include vascular and skin parameters.
  • Blood vessel parameters include, but are not limited to, blood vessel age, average capillary length, blood vessel turbidity, number of blood vessels, and the like.
  • the average value of capillary length, turbidity of blood vessels, and the number of blood vessels can be easily measured by image processing of the running of capillaries in the fingernail bed. Image processing of capillary running and measurement of these parameters can be measured, for example, by a capillary scope manufactured by Atto Co., Ltd. (Osaka, Japan).
  • Skin parameters include, but are not limited to, the amount of water in the skin of the arm, the amount of water evaporation, gloss, and the like. Methods for measuring the amount of water, the amount of water evaporation, and the luster of the skin of the arm are well known in the art.
  • Blood vessel and skin parameters are parameters that can be measured by non-invasive tests.
  • the first parameter set of the present invention may include the subjective evaluation parameters of the object in addition to the objective parameters obtained by the measurement as described above.
  • subjective evaluation By adding subjective evaluation to the first parameter set in addition to objective parameters based on various measured values, the physical, fatigue, and mental states of the subject, which cannot be grasped from the measurement of various components, can be used as a health positioning map. Can be reflected.
  • the subjective evaluation parameters in the present invention may include subjective evaluations such as fatigue, sleep, and mental state.
  • the subjective evaluation parameters in the present invention may also include subjective evaluations related to personality and temperament.
  • the subjective evaluation of fatigue is calculated using 11 items out of the subjective evaluation of fatigue duration, questions about disorders due to fatigue, fatigue VAS (Symptom Analogue Scale), Fatigue Index (Chalder Fatigue Scale; CFQ), and CFQ. It may include one or more fatigue symptom scores (CFQ11) (Tanaka M et al., Psychol Rep_2010, 106, 2, 567-575), presenteeism questionnaire or VAS, and fatigue questionnaire. "Questions about disability due to fatigue” refers to confirming the subject's subjective evaluation of the presence or absence of a causal relationship between fatigue and some disability.
  • the "question about disability due to fatigue” may be, for example, a question about whether or not fatigue interferes with work, housework, or schoolwork, or a question about a disease that is considered to be the cause of fatigue.
  • the "Fatigue Questionnaire” asks if you are aware of any symptoms of fatigue, such as whether you feel tired or if you feel tired even after sleeping overnight. Can be.
  • the presenteeism questionnaire for example, WHO's Health and Work Performance Questionnaire (HPQ) or Work Limitations Questionnaire (WLQ) may be used.
  • the subjective assessment of sleep may include one or more of the sleep (sleep onset and wake up) times, average sleep time, VAS for drowsiness, and questionnaires for sleep quality.
  • the subjective assessment of mental status may include one or more of the VAS and questionnaire on depression, the VAS and questionnaire on motivation.
  • a "questionnaire about depression” refers to a question about any symptom of depression, which may include whether or not you feel depressed, whether or not you feel uncomfortable with others, for example, K6 total (Kessler et al.)
  • K6 total Kessler et al.
  • One example is the index commonly used to represent mental problems developed by.
  • the "questionnaire" may be evaluated by the answer to a specific question, or the answer to a large number of questions may be evaluated as a score.
  • Subjective parameters are parameters that can be measured by non-invasive tests.
  • the first parameter set of the present invention may include living situation parameters in addition to objective parameters and subjective evaluation parameters.
  • the living condition parameters in the present invention are facts about the living condition of the subject, for example, years of education, marital status, presence / absence of living together, smoking status (presence / absence, frequency and / or amount), drinking status (presence / absence, frequency and / or presence / absence). Or amount), working hours, exercise (presence / absence, frequency and / or amount), dietary status (whether you feel that you eat fast, snack frequency after dinner, frequency of not eating breakfast, etc.), history, medication status , Supplement intake status, etc. may be included.
  • Living condition parameters are parameters that can be measured by non-invasive tests.
  • the first parameter set of the present invention may include parameters based on data on brain function / neuropsychiatric evaluation, cardiovascular / respiratory function evaluation, renal excretion / hepatobiliary pancreatic / detoxification function evaluation.
  • MRI Magnetic Resonance Imaging
  • nerve fascicle running anisotropy nerve fascicle size and robustness
  • data on cardiovascular and respiratory function evaluation include blood flow (for example, which can be measured by a Doppler blood flow meter), breath gas component analysis (NO (zensoku), acetone (diabetes), etc.). May include. Data related to breath gas component analysis can be measured by mass spectrometry or analysis with an ion mobility analyzer.
  • Data on renal excretion, hepatobiliary pancreas, and detoxification function system evaluation may include data such as skin gas component analysis in addition to the above-mentioned data.
  • Data on skin gas component analysis can be measured by mass spectrometry and high-sensitivity variable laser detectors.
  • the first parameter set of the present invention may include biooxidation parameters, repair energy reduction parameters, inflammation parameters, and autonomic nerve function parameters (basic 4 parameters).
  • biooxidation parameters repair energy reduction parameters
  • inflammation parameters inflammation parameters
  • autonomic nerve function parameters basic 4 parameters
  • the first parameter set of the present invention may include four basic parameters, basic parameters, cognitive function parameters, and subjective parameters.
  • the subjective parameters include an assessment of one or more of fatigue, sleep, and mental states, and more preferably include at least an assessment of fatigue.
  • the first parameter set of the present invention may include four basic parameters, basic parameters, cognitive function parameters, subjective parameters, and blood parameters. Although not intended to be bound by theory, it accurately assesses endocrine function in addition to the four basic parameters, basic parameters for assessing fatigue and mental state, cognitive function parameters, and subjective parameters. Adding the possible blood parameters to the first parameter set allows for a wide range of health assessments, including even different perspectives.
  • the first parameter set of the present invention may include four basic parameters, basic parameters, cognitive function parameters, subjective parameters, blood parameters, vascular and skin parameters, and living conditions parameters.
  • the first parameter set of the present invention typically includes both invasive and non-invasive parameters.
  • the positioning map on which the evaluation is based reflects the information of the invasive parameters.
  • the first parameter set is obtained, for example, by acquiring a data set of an initial parameter set, correlating each data of the data set of the initial parameter set, and extracting parameters having a correlation coefficient equal to or higher than a predetermined threshold. It may be an extraction parameter set obtained by extracting a parameter set having a high influence on the health positioning map from the data set of the initial parameter set by machine learning.
  • Second parameter set is a part of the first parameter set and is a set of parameters used to derive a health function. By using the second parameter set, the condition of the subject can be appropriately shown on the health positioning map by using a smaller number of parameter sets than the first parameter set.
  • the second parameter set is also simply referred to as a "parameter set”.
  • the second parameter set may include items that are not in the first parameter set.
  • the second parameter set may consist only of non-invasive parameters.
  • the positioning map for evaluating this second parameter set may be created including invasive parameters, the target is comprehensively used using the second parameter set consisting only of non-invasive parameters.
  • the target is comprehensively used using the second parameter set consisting only of non-invasive parameters.
  • estimating the user's health level from a parameter set that does not include such an invasive test result enables the user to easily know his / her health level regardless of the test location.
  • users will be able to know their health level from simple tests at companies, pharmacies, public halls, cafes, homes, and the like.
  • a second parameter set consisting only of non-invasive parameters may include the following parameters: (1) Body composition parameters (2) Autonomic nerve parameters (3) Questionnaire parameters
  • (2) autonomic nerve parameters may include data on pulse waves.
  • (3) Questionnaire parameters may include, for example, age, living conditions parameters, and / or subjective evaluation parameters.
  • the subjective evaluation parameters included in the questionnaire parameters may include a subjective evaluation regarding QOL (Quality of Life), a subjective evaluation regarding fatigue, and a subjective evaluation regarding psychology.
  • the body composition parameter can be at least a part of the basic parameters of the first parameter set described above.
  • the body composition parameter may include at least one of the BMI and WH ratios, more preferably both the BMI and WH ratios. This makes it possible to correlate the visually easy-to-understand index of body shape with the state of the subject on the health positioning map.
  • the BMI and WH ratio may or may not be included in the first parameter set.
  • BMI may be included in the first parameter set and WH ratio may not be included in the first parameter set.
  • the autonomic nerve parameters can be at least a part of the autonomic nerve function parameters of the first parameter set described above.
  • Questionnaire parameters can be at least part of the basic parameters, living conditions parameters, and / or subjective evaluation parameters of the first parameter set described above.
  • (1) Data for body composition parameters are measured by a body composition analyzer, (2) data for autonomic nerve parameters are measured by an autonomic nerve measuring instrument, and (3) data for questionnaire parameters are measured by a questionnaire processing device. Can be measured by.
  • the parameters (1) to (3) are parameters that can be measured by at most three measuring instruments. This reduces the burden on the user for measurement and facilitates measurement at a place other than the inspection facility such as home.
  • one or both of the body composition parameters and the autonomic nerve parameters are measured automatically and unconsciously without the user's awareness, and those parameters are combined with the latest questionnaire parameters. An overall health assessment can be made on the user's health positioning map.
  • the second parameter set in this embodiment is (4) Blood pressure parameters may be further included.
  • Blood pressure parameters may be further included.
  • the accuracy of predicting the degree of health is improved as compared with the case of only the parameters (1) to (3).
  • any one, any two, or all three of the body composition parameters, autonomic nerve parameters, and blood pressure parameters are unconsciously and automatically measured without the user being aware of it. , These parameters can be combined with the latest questionnaire parameters to make an overall health assessment on the user's health positioning map.
  • Data for blood pressure parameters can be measured by a sphygmomanometer.
  • the parameters (1) to (4) are parameters that can be measured by at most four measuring instruments. As a result, while improving the accuracy of prediction, the burden on the user for measurement is still reduced, and measurement can be easily performed at any place such as home and at any time.
  • the second parameter set does not include parameters that are complicated to measure or that take time to measure, even among non-invasive parameters.
  • the second parameter set does not include cognitive function parameters and bone density parameters.
  • the second parameter set consists of parameters that can be easily measured using a simple measuring device, and in one embodiment, it consists of parameters that can be measured using at most four measuring devices. In the embodiment, it is composed of parameters that can be measured by using at most three measuring instruments, and in still another embodiment, it is composed of parameters that can be measured by using one measuring instrument.
  • the above-mentioned automatically measurable parameter is a predetermined condition (for example, contact with various devices, or various devices and the user) with each parameter measuring device within a time range set by the user. It can be measured automatically without the user being aware of it, triggered by (such as when the distance falls within a certain range).
  • FIG. 5A shows an example of processing in the server device 100.
  • the process 500 is a process for creating a health degree positioning map.
  • the process 500 is executed in the processor unit 120 of the server device 100.
  • the acquisition means 121 of the processor unit 120 acquires the first data set for the first parameter set for each of the plurality of subjects.
  • the acquisition means 121 can, for example, receive data about a plurality of subjects stored in the database unit 200 via the interface unit 110 and acquire the received data.
  • the acquisition means 121 receives, for example, data about a plurality of subjects stored in the database unit 200 from a computer system of an examination facility (for example, a hospital, a laboratory, etc.) via the interface unit 110, and the received data. Can be obtained.
  • step S502 the processing means 122 of the processor unit 120 processes the first data set acquired in step S501 to obtain the first data.
  • the processing by the processing means 122 may include, for example, at least one of a dimension reduction processing, a standardization processing, and a weighting processing for the first data set.
  • the processing by the processing means 122 includes the dimension reduction processing for the first data set.
  • This makes it possible to reduce the dimensions of the multidimensional and complex first dataset and create more comprehensible data, and thus health positioning maps.
  • the dimension reduction process reduces the first data set to two-dimensional data or three-dimensional data. This is because the health degree positioning map created from the two-dimensional data or the three-dimensional data becomes a map of the two-dimensional space or the three-dimensional space and is easy to understand visually.
  • the dimension reduction processing (1) the contribution of each measurement item to the value of each axis of the health degree positioning map can be obtained, and (2) the measurement that does not greatly affect the value of each axis of the health degree positioning map. Except for the item data, you will be able to understand the data on the health positioning map more clearly.
  • the processing by the processing means 122 includes a standardization processing for the first data set and a dimension reduction processing for the standardized data set. This eliminates the scale difference between the parameters of the first dataset, and evenly considers the impact of each parameter of the first dataset on the health positioning map, resulting in highly accurate and easy-to-understand health positioning. This is because you can create a map. In particular, for example, by performing standardization processing on parameters caused by gender differences between men and women, both data obtained from male subjects and data obtained from female subjects can be evaluated on the same health positioning map. Become.
  • the processing by the processing means 122 includes a weighting process for the first data set, a standardization process for the weighted data set, and a dimension reduction process for the standardized data set. This makes it possible to emphasize the magnitude of the influence of each parameter of the first data set on the health degree positioning map, and to create a health degree positioning map that is more accurate and easy to understand.
  • the standardization process by the processing means 122 may be performed for all the parameters in the first parameter set, or may be performed for a specific parameter, for example.
  • the weighting process by the processing means 122 may be performed, for example, on the entire first data set of a plurality of subjects, or may be performed on a first data set of a specific population of a plurality of subjects. good.
  • the mapping means 123 of the processor unit 120 maps the first data obtained in step S502 for each of the plurality of subjects.
  • the mapping means 123 maps the n-dimensional first data on the n-dimensional space.
  • the mapping means 123 can output a map to which the first data of each of the plurality of subjects is mapped. For example, when the first data is two-dimensional, the mapping means 123 can output a two-dimensional map by mapping the first data to a two-dimensional space, that is, a position on a plane.
  • step S504 the clustering means 124 of the processor unit 120 identifies a plurality of regions by clustering the first data mapped in step S503.
  • the clustering means 124 can specify an arbitrary number of regions by dividing the mapped first data into an arbitrary number of clusters.
  • the characterization means 125 of the processor unit 120 characterizes at least a portion of the plurality of regions identified in step S504.
  • the characterization means 125 may characterize at least a part of the plurality of regions based on the information input to the server device 100, for example, or may characterize at least a part of the plurality of regions without depending on the input. At least some may be characterized automatically. For example, characterization means 125 may characterize at least a portion of a plurality of regions based on relative position in a health positioning map, or at least one of a plurality of regions based on machine learning. The part may be characterized.
  • the above-mentioned process 500 creates a health positioning map in which at least a part of a plurality of regions is characterized.
  • the created health degree positioning map can be used in the processes 510, 600, and 700 described later.
  • FIG. 5B shows another example of processing in the server device 100.
  • the process 510 is a process of creating a health degree positioning map for the data included in a part of the health degree positioning map created by the process 500.
  • the process 510 is executed in the processor unit 120 of the server device 100.
  • step S511 the processor unit 120 receives an input for selecting a part of a plurality of areas of the health degree positioning map created in the process 500.
  • the input for selecting a part of the plurality of areas is input from the outside of the server device 100 via the interface unit 110, for example.
  • step S512 the acquisition means 121 of the processor unit 120 acquires the first data mapped to the selected area.
  • the acquired first data may be referred to as sub-first data.
  • step S513 the clustering means 124 of the processor unit 120 identifies a plurality of regions by clustering the sub-first data acquired in step S512.
  • the process in step S513 may be the same process as the process in step S504.
  • step S514 the characterization means 125 of the processor unit 120 characterizes at least a portion of the plurality of regions identified in step S513.
  • the process in step S514 may be the same process as the process in step S505.
  • a health degree positioning map is created for some of the subjects among the plurality of subjects.
  • the health positioning map for some of the subjects may be, for example, a specific population of the subjects, such as a male subject population, a female subject population, or a young population (group under 40 years old).
  • a health positioning map focusing on a middle-aged group a group aged 40 to 60 years old
  • an elderly group a group aged 60 years or older
  • Multiple areas of a health positioning map focused on a particular population can have different characterization than multiple areas of the overall health positioning map of multiple subjects, allowing analysis of health status from different perspectives. Can be used to do.
  • FIG. 6 shows another example of processing in the server device 100.
  • Process 600 is a process for creating a health function.
  • the process 600 is executed in the processor unit 130 of the server device 100.
  • the processor unit 130 prepares a health degree positioning map.
  • the processor unit 130 can prepare the health degree positioning map by acquiring the health degree positioning map by the first acquisition means of the processor unit 130.
  • the health positioning map is created based on the first data set for the first parameter set described above for a plurality of subjects.
  • the prepared health degree positioning map may be a health degree positioning map created by process 500 or process 510 as long as it is created using the first parameter set, or may be an otherwise created health degree. It may be a positioning map.
  • step S602 the second acquisition means 132 of the processor unit 130 acquires the second data set for the second parameter set for at least a part of the plurality of subjects.
  • the second parameter set is part of the first parameter set.
  • the second acquisition means 132 can acquire, for example, data about a part of a plurality of subjects stored in the database unit 200 via the interface unit 110.
  • the derivation means 133 of the processor unit 130 determines the second data set of at least a part of the subjects acquired in step S602 and the health of at least a part of the subjects. Derive a health function that correlates with position on the degree positioning map.
  • the derivation means 133 can derive a health function by machine learning, for example.
  • the health function can be derived, for example, for each axis of the n-dimensional health positioning map.
  • the health function may be, for example, a regression model or a neural network model.
  • the deriving means 133 uses the second data set as an independent variable and the coordinates on the health positioning map of the subject as the dependent variable for at least a part of each subject among the plurality of subjects. By machine learning as, each coefficient of the regression model can be derived.
  • the deriving means 133 uses a second data set as input teacher data for at least a part of each subject among a plurality of subjects, and positions the subjects on the health positioning map. By machine learning as the output teacher data, the weighting coefficient of each node can be derived.
  • the above-mentioned process 600 creates a health function for mapping the health level of the subject on the health level positioning map.
  • the created health function can be used in the process 700 described later.
  • the resulting health function is on the health positioning map from the data of the parameter set that does not include the invasive test result. It will be possible to identify the location and estimate the health of the user. Estimating a user's health level from a parameter set that does not include such invasive test results allows the user to know his or her health level regardless of the location of the test. In addition to hospitals, users will be able to know their health level from simple tests at companies, pharmacies, public halls, cafes, homes, and the like.
  • FIG. 7A shows another example of processing in the server device 100.
  • the process 700 is a process for estimating the health level of the user.
  • the process 700 is executed in the processor unit 140 of the server device 100.
  • the processor unit 140 prepares a health function.
  • the processor unit 140 can prepare the health function by acquiring the health function by the third acquisition means 141 of the processor unit 140.
  • the health function is a function that correlates the data set for the second parameter set with the position on the health positioning map.
  • the obtained health function may or may not be the health function created by process 600, as long as the user dataset can be correlated with its position on the health positioning map. It may be a health function.
  • the health positioning map may be a health positioning map created by process 500 or process 510, as long as it is created using the first parameter set, or may be an otherwise created health degree map. It may be a positioning map.
  • the fourth acquisition means 142 of the processor unit 140 acquires the first user data set for the second parameter set of the user.
  • the fourth acquisition means 142 can acquire, for example, the first user data set stored in the database unit 200 via the interface unit 110.
  • the fourth acquisition means 142 can acquire, for example, the first user data set from the user's terminal device via the interface unit 110.
  • step S703 the output generation means 143 of the processor unit 140 obtains the first output by inputting the first user data set into the health function.
  • the health function is a regression model
  • the coordinates on the health positioning map are output as the first output.
  • the health function is a neural network model
  • the coordinates on the health degree positioning map are output as the first output.
  • step S704 the output mapping means 144 of the processor unit 140 maps the first output on the health degree positioning map. Since the output obtained in step S703 is the coordinates on the health degree positioning map, the output mapping means 144 can map the coordinates in the n-dimensional space of the health degree positioning map.
  • the process 700 described above it is possible to estimate what the user's health is from the characterization of the area to which the user's health is mapped. Can be done. For example, by using a health function that does not include the invasive test result in the second parameter set, the position on the health positioning map is specified from the data of the parameter set that does not include the invasive test result, and the health level of the user is estimated. Can be done. Estimating a user's health level from a parameter set that does not include such invasive test results allows the user to know his or her health level regardless of the location of the test. In addition to hospitals, users will be able to know their health level from simple tests at companies, pharmacies, public halls, cafes, homes, and the like.
  • the estimated health status can be used to correct other data.
  • Other data can be, for example, data that can vary depending on the state of health.
  • other data includes, but is not limited to, the results of tests including, but not limited to, cognitive tests, physical fitness tests, academic achievement tests, and the like.
  • a user whose test result is poor because of poor health can be corrected to add points to the test result.
  • FIG. 7B shows an example of a continuation process of the process 700 shown in FIG. 7A.
  • the process shown in FIG. 7B is a process for estimating the health level of the user after a lapse of a predetermined period.
  • step S705 the fourth acquisition means 142 of the processor unit 140 acquires the second user data set for the second parameter set of the user.
  • Step S705 is performed at least after a predetermined period of time has elapsed from step S702.
  • the fourth acquisition means 142 can acquire, for example, the second user data set stored in the database unit 200 via the interface unit 110.
  • the fourth acquisition means 142 can acquire, for example, the second user data set from the user's terminal device via the interface unit 110.
  • step S706 the output generation means 143 of the processor unit 140 obtains the second output by inputting the second user data set into the health function.
  • the health function is a regression model
  • the coordinates on the health positioning map are output as the second output.
  • the health function is a neural network model
  • the coordinates on the health positioning map are output as the second output.
  • step S707 the output mapping means 144 of the processor unit 140 maps the second output on the health degree positioning map. Since the output obtained in step S706 is the coordinates on the health degree positioning map, the output mapping means 144 can map the coordinates in the n-dimensional space of the health degree positioning map.
  • steps S705 to S707 it is possible to estimate what the user's health condition will be after a predetermined period. For example, by comparing the health state estimated in steps S701 to S704 with the health state estimated by steps S705 to S707, the time-series change in the health state can be specified.
  • the degree of health belongs to the area characterized as a healthy body on the health degree positioning map
  • the degree of health is as a healthy body. If you belong to a characterized area but approach the area characterized as a lifestyle-related disease risk group, you can predict that your health is heading towards a lifestyle-related disease risk.
  • the treatment 700 can be used to evaluate items for improving health (eg, pharmaceuticals, food and drink, health appliances, etc.). For example, by having the user use an item for improving the health condition for a predetermined period and comparing the first output before the predetermined period with the second output after the predetermined period has elapsed, on the health positioning map. It is possible to identify the time-series change in.
  • the time-series changes on the health positioning map due to the use of items to improve health reflect the effects of items to improve health, and use items to improve health. By contrasting with the time-series changes on the health positioning map when not present, it is possible to evaluate the superiority or inferiority of the effect of the item for improving the health condition.
  • an item for improving health generally refers to a time on a health positioning map that is opposite to the direction of time-series changes on the health positioning map due to the use of the item for improving health.
  • an item for improving health Effective for users with series changes. Therefore, it is possible to recommend to the user an item having a time-series change in the direction opposite to the time-series change on the user's health positioning map identified by the processes of steps S701 to S707.
  • the health of the subject is evaluated by pattern matching a locus including the first position of the result of mapping the first output and the second position of the result of mapping the second output after a predetermined period has elapsed. can do. This can be achieved, for example, by learning the locus pattern of a healthy person and the locus pattern of a subject having a specific disease risk.
  • the treatment 700 can be used to assess the effect of irritation on health. For example, by stimulating the user for a predetermined period and comparing the first output before the predetermined period with the second output after the elapse of the predetermined period, the time-series change on the health positioning map is specified. be able to.
  • the time-series changes on the health positioning map due to the stimulus reflect the effect of the stimulus on the health condition, and contrast with the time-series changes on the health positioning map without the stimulus. By doing so, it is possible to evaluate the effect of the stimulus on the health condition.
  • the stimulus includes, but is not limited to, for example, a stimulus to the sense of touch, a stimulus to the sense of smell, a stimulus to the sense of sight, a stimulus to the sense of taste, a stimulus to the auditory sense, and a stimulus to the external environment.
  • Tactile stimuli may include, for example, massage, acupoint pressing, vibration and the like.
  • the stimulus to the sense of smell may include, for example, smelling a specific odor.
  • Taste stimuli may include, for example, eating sweet foods, eating sour foods, eating salty foods, eating bitter foods, eating umami foods, and the like.
  • Visual stimuli can include, for example, viewing a particular still image, watching a particular moving image, seeing a particular color, seeing an object under lighting of a particular brightness, and the like.
  • Hearing stimuli may include, for example, listening to specific music, listening to noise, listening to high notes (eg, sounds above about 1000 Hz), listening to low notes (eg, sounds below about 100 Hz), and the like.
  • Stimulation by the external environment may include, for example, changes in the external environment, the presence of substances in the external environment (eg, viruses, allergens, NOx, etc.) and the like.
  • a stimulus for improving the health condition is generally a user who has a time-series change on a health-positioning map that is opposite to the direction of the time-series change on the health-positioning map due to the stimulus. It is effective for. Therefore, it is possible to recommend to the user a stimulus having a time-series change in the direction opposite to the time-series change on the user's health positioning map identified by the processes of steps S701 to S707.
  • the treatment 700 can be used to assess the effect of the event on health. For example, by comparing the first output before the event and the second output after the event, it is possible to specify the time-series change on the health positioning map.
  • the time-series changes on the health positioning map due to the experience of the event reflect the effect of the event on the health condition, and the time-series changes on the health positioning map when the event is not experienced.
  • the impact of the event on health can be assessed.
  • the event is, for example, an epidemic of an infectious disease (Covid-19, etc.), a natural disaster (for example, damage caused by a storm, heavy rain, heavy snow, flood, high tide, earthquake, tsunami, eruption, or other abnormal natural phenomenon). Includes, but is not limited to, overtime, experience (direct or pseudo-experience (eg, experience through VR (virtual reality), AR (augmented reality), etc.), communication with others or animals, etc.) .
  • experience direct or pseudo-experience
  • VR virtual reality
  • AR augmented reality
  • FIG. 8 shows an example of a data flow in the method implemented in the computer system 10 of the present invention.
  • FIG. 8 shows a flow of data between a measuring device, a terminal device 300, and a server device 100 in a method for measuring the health of a subject.
  • step S801 the measuring device acquires a data set for the parameter set.
  • the parameter set corresponds to the above-mentioned second parameter set.
  • the parameter set can include autonomic nerve parameters, body composition parameters, and questionnaire parameters.
  • step S801 I. Acquiring data for autonomic nerve parameters using an autonomic nerve measuring instrument, II. Obtaining data for body composition parameters using a body composition analyzer III. It can include acquiring data for questionnaire parameters using a questionnaire processing device.
  • the autonomic nerve measuring device, the body composition analyzer, and the questionnaire processing device may be separate devices, each may be mounted by the same device, or at least two may be mounted by the same device. May be done.
  • at least two of the autonomic nerve measuring device, the body composition meter, and the questionnaire processing device may be implemented by the terminal device 300.
  • a data set is acquired using at most three measuring instruments, for example, a data set is acquired using two measuring instruments, and for example, a data set is acquired using one measuring instrument. Is obtained. The less measuring equipment is used, the less the burden on the user for measurement.
  • step S801 is I. Acquiring data for autonomic nerve parameters using an autonomic nerve measuring instrument, II. Obtaining data for body composition parameters using a body composition analyzer III. Acquiring data for questionnaire parameters using a questionnaire processing device, IV. It can include acquiring data for blood pressure parameters using a sphygmomanometer.
  • the autonomic nerve measuring device, the body composition meter, the questionnaire processing device, and the sphygmomanometer may be separate devices, each may be mounted by the same device, or at least two of them are the same. It may be implemented by the device. Alternatively, at least two of an autonomic nerve measuring device, a body composition meter, a questionnaire processing device, and a sphygmomanometer may be implemented by the terminal device 300.
  • the data set is acquired using at most four measuring instruments, for example, the data set is acquired using three measuring instruments, and the data set is acquired using, for example, two measuring instruments. Is acquired, for example, a data set is acquired using one measuring device. The less measuring equipment is used, the less the burden on the user for measurement.
  • the subject may consciously or unconsciously acquire the data set for the parameter set. Acquiring a data set for a parameter set can be performed without making the subject aware, for example, by automatically performing measurement when a predetermined condition is satisfied.
  • Predetermined conditions are, for example, temporal conditions (eg, between 6 am and 8 am, between 11 am and 1 pm, between 4 pm and 6 pm, between 9 pm and midnight, or 6 am.
  • step S802 the measuring device transmits the data set acquired in step S801 to the terminal device 300, and the terminal device 300 receives the data set.
  • the processor unit 350 of the terminal device 300 acquires the data set via the interface unit 310.
  • the processor unit 350 is I. Obtaining data for autonomic nerve parameters from the autonomic nerve measuring instrument, II. Obtaining data for body composition parameters from the body composition analyzer and III. The data set can be obtained by acquiring the data for the questionnaire parameters from the questionnaire processing device.
  • the processor unit 350 is I. Obtaining data for autonomic nerve parameters from the autonomic nerve measuring instrument, II. Obtaining data for body composition parameters from the body composition analyzer and III. Obtaining data for the questionnaire parameters from the questionnaire processing device, IV. A dataset can be obtained by obtaining data for blood pressure parameters from a sphygmomanometer.
  • step S802 The timing at which step S802 is performed after step S801 does not matter. For example, each time the data set of one of the parameter sets is acquired in step S801, the processor unit 350 of the terminal device 300 may acquire the data set in step S801, or in step S801. After the data set of all the parameters of the parameter set is acquired, the processor unit 350 of the terminal device 300 may acquire the data set in step S802.
  • step S802 may be omitted.
  • step S803 the processor unit 350 of the terminal device 300 transmits a data set to the server device 100 via the interface unit 310, and the server device 100 receives the data set.
  • the processor unit 140 of the server device 100 acquires a data set via the interface unit 100.
  • step S803 The timing at which step S803 is performed after step S802 does not matter. For example, each time the data set of one of the parameter sets is acquired in step S802, the processor unit 350 of the terminal device 300 may transmit the data set in step S803, or in step S802. After the data set of all the parameters of the parameter set is acquired, the processor unit 350 of the terminal device 300 may transmit the data set in step S803.
  • the server device 100 when an image acquired for analysis for deriving an autonomic nerve parameter is transmitted to the server device 100, the server is used each time the image is acquired or separately from the data set of other parameters. It is preferable to transmit to the device 100. This is because the image has a large data capacity, which may lead to a delay in communication.
  • step S804 the processor unit 140 of the server device 100 derives health degree information using a health function that correlates the data set with the position on the health degree positioning map of the subject.
  • the health information includes coordinates on the health positioning map (eg, X-axis values, Y-axis values).
  • the processor unit 140 can derive health level information by, for example, the processes of steps S701 to S703 of the process 700.
  • step S805 the processor unit 140 of the server device 100 transmits health level information to the terminal device 300 via the interface unit 110, and the terminal device 300 receives the health level information.
  • the processor unit 350 of the terminal device 300 receives health information via the interface unit 310.
  • the processor unit 140 of the server device 100 transmits health level information to the measuring device measured in step S801 via the interface unit 110.
  • the measuring device will receive the health information (for example, the coordinates on the health positioning map (for example, the value on the X-axis and the value on the Y-axis)).
  • step S806 the processor unit 350 of the terminal device 300 expresses the health degree of the subject as a position on the health degree positioning map of the health degree information.
  • the health degree information can be shown on the health degree positioning map based on the X-axis value and the Y-axis value included in the health degree information.
  • the processor unit 350 can display a health degree positioning map on the display unit 330 and plot the coordinates indicated by the health degree information on the displayed health degree positioning map.
  • the measuring device measured in step S801 has health information based on the X-axis value and the Y-axis value included in the health information. Will be shown on the health positioning map.
  • the terminal device 300 receives the data set (or the terminal device 300 transmits the data set to the server device 100 in step S803). Then, in step S806, the health level of the subject can be expressed as a position on the health level positioning map of the health level information within a predetermined time.
  • the predetermined time is, for example, 0.01 seconds, 0.02 seconds, 0.05 seconds, 0.1 seconds, 0.2 seconds, 0.5 seconds, 1 second or less, 3 seconds or less, 5 seconds or less, 10 seconds or less.
  • the user can immediately know his / her health condition. Due to such good responsiveness, the psychological burden on the user for the measurement can be reduced, and the user's motivation for the measurement can be prevented from being lowered.
  • the health level information transmitted from the server device 100 includes at least the coordinates on the health level positioning map (for example, the value on the X-axis and the value on the Y-axis).
  • the predetermined time can be further shortened.
  • the processor unit 350 of the terminal device 300 that has received the health level information can display the health level information on the health level positioning map only by plotting the coordinates on the positioning map, so that the terminal device 300 can display the health level information.
  • the process is simplified, and the time from receiving the health information to displaying it can be shortened. For example, since the amount of data transfer of the transmitted health degree information can be reduced, it is possible to prevent a decrease in communication speed. As a result, the health level information can be transmitted at high speed, so that the data transfer time can be reduced and the time required for transmitting the health level information can be shortened.
  • the health information received in step S805 and / or the position on the health positioning map expressed in step S806 can be stored in the memory unit 340 of the terminal device 300.
  • the health information received in step S805 and / or the position on the health positioning map represented in step S806 can be used, for example, for correction of other data.
  • Other data can be, for example, data that can vary depending on the state of health.
  • other data includes, but is not limited to, the results of tests including, but not limited to, cognitive tests, physical fitness tests, academic achievement tests, and the like.
  • a subject whose test result is poor because of poor health can be corrected to add points to the test result.
  • the position on the health positioning map represented in step S806 can be used, for example, to control other devices that can be connected to the network.
  • the other device may be an electrical product (so-called "IoT device") that can be connected to a network.
  • the processor unit 350 of the terminal device 300 can generate an instruction for controlling the device based on the position on the health degree positioning map. Next, the processor unit 350 of the terminal device 300 can control the device according to the command by transmitting the command to the device via the network.
  • the processor unit 350 of the terminal device 300 transmits the position on the health positioning map to the device via the network.
  • the device can then control the operation of the device according to the command by generating a command to control the device based on the position on the health positioning map.
  • the device is, for example, an air conditioner.
  • the air conditioner can be controlled to maintain adequate room temperature and / or humidity depending on its location on the health positioning map.
  • the device is, for example, lighting.
  • the lighting can be controlled to maintain proper brightness depending on its position on the health positioning map.
  • the device is, for example, a music player.
  • the music player can be controlled to play appropriate music (eg, music that relaxes the mind and body, music that enhances motivation, etc.) depending on the position on the health positioning map.
  • the device is, for example, a video player.
  • the video player can be controlled to play an appropriate video (eg, a video that relaxes the mind and body, a video that enhances motivation, etc.) depending on the position on the health positioning map.
  • the control of such other devices is performed after the terminal device 300 receives the data set (or after the terminal device 300 transmits the data set to the server device 100 in step S803). It will be more useful if the health level of the subject is expressed as a position on the health level positioning map of the health level information within a predetermined time. That is, by acquiring the position on the health degree positioning map used for control within a predetermined time, particularly in substantially real time, it becomes possible to achieve real-time control according to the current health of the subject.
  • the health degree information derived in step S804 can be stored in the database unit 200 and used for research by another user. It will be like.
  • the health degree of the subject can be evaluated based on the locus including at least two positions obtained. For example, pattern matching a locus including the first position obtained in the first steps S801 to S805 and the second position obtained in the second steps S801 to S805 after a predetermined period has elapsed. Therefore, the health level of the subject can be evaluated. This can be achieved, for example, by learning the locus pattern of a healthy person and the locus pattern of a subject having a specific disease risk.
  • the predetermined period is an arbitrary period.
  • the predetermined period is, for example, half a day, one day, one week, two weeks, January, March, six months, one year, and the like.
  • the health level is evaluated from the chronotype of the health level of the subject. It can provide an indicator of how much fatigue has accumulated, for example, due to daily activity.
  • the predetermined period is the sleep time
  • the health level is evaluated from the nighttime fluctuation of the health level of the subject. This can provide an indicator of how much recovery has been achieved, for example, by sleeping at night.
  • step S802 the measuring device transmits the data set acquired in step S801 to the terminal device 300, and in step S803, the processor unit 350 of the terminal device 300 passes through the interface unit 310 to the server.
  • the data set is transmitted to the device 100
  • the present invention is not limited to this.
  • the measuring device is a server-linked type, the measuring device can directly transmit the data set to the server device 100. Therefore, step S802 can be omitted.
  • an item for improving a health condition (for example, a drug, a food or drink, a health appliance, etc.) can be evaluated based on a locus including at least two positions obtained. For example, in the first position obtained in the first steps S801 to S805, and after allowing the user to use the item for improving the health condition for a predetermined period, in the second steps S801 to S805.
  • a locus including at least two positions obtained For example, in the first position obtained in the first steps S801 to S805, and after allowing the user to use the item for improving the health condition for a predetermined period, in the second steps S801 to S805.
  • the time-series changes on the health positioning map due to the use of items to improve health reflect the effects of items to improve health, and use items to improve health.
  • By contrasting with the time-series changes on the health positioning map when not present it is possible to evaluate the superiority or inferiority of the effect of the item for improving the health condition.
  • an item for improving health generally refers to a time on a health positioning map that is opposite to the direction of time-series changes on the health positioning map due to the use of the item for improving health.
  • an item for improving health Effective for users with series changes. Therefore, it is possible to recommend to the user an item having a time-series change in the direction opposite to the time-series change on the user's health positioning map identified by the process of step S806.
  • step S806 can be used to assess the effect of irritation on health status. For example, the first position obtained in the first steps S801 to S805 and the second position obtained in the second steps S801 to S805 after stimulating the user for a predetermined period. By comparing, it is possible to identify the time-series changes on the health positioning map. The time-series changes on the health positioning map due to the stimulus reflect the effect of the stimulus on the health condition, and contrast with the time-series changes on the health positioning map without the stimulus. By doing so, it is possible to evaluate the effect of the stimulus on the health condition.
  • the stimulus includes, but is not limited to, for example, a stimulus to the sense of touch, a stimulus to the sense of smell, a stimulus to the sense of sight, a stimulus to the sense of taste, and a stimulus to the auditory sense.
  • Tactile stimuli may include, for example, massage, acupoint pressing, vibration and the like.
  • the stimulus to the sense of smell may include, for example, smelling a specific odor.
  • Taste stimuli may include, for example, eating sweet foods, eating sour foods, eating salty foods, eating bitter foods, eating umami foods, and the like.
  • Visual stimuli can include, for example, viewing a particular still image, watching a particular moving image, seeing a particular color, seeing an object under lighting of a particular brightness, and the like.
  • Hearing stimuli may include, for example, listening to specific music, listening to noise, listening to high notes (eg, sounds above about 1000 Hz), listening to low notes (eg, sounds below about 100 Hz), and the like. ..
  • a stimulus for improving the health condition is generally a user who has a time-series change on a health-positioning map that is opposite to the direction of the time-series change on the health-positioning map due to the stimulus. It is effective for. Therefore, it is possible to recommend to the user a stimulus having a time-series change in the direction opposite to the time-series change on the user's health positioning map identified by the processes of steps S701 to S707.
  • step S806 can be used to assess the impact of the event on health.
  • health is achieved by comparing the first position obtained in the first steps S801 to S805 before the event with the second position obtained in the second steps S801 to S805 after the event. It is possible to identify time-series changes on the degree positioning map. The time-series changes on the health positioning map due to the experience of the event reflect the effect of the event on the health condition, and the time-series changes on the health positioning map when the event is not experienced. By contrasting, the impact of the event on health can be assessed.
  • the event is, for example, an epidemic of an infectious disease (Covid-19, etc.), a natural disaster (for example, damage caused by a storm, heavy rain, heavy snow, flood, high tide, earthquake, tsunami, eruption, or other abnormal natural phenomenon).
  • a natural disaster for example, damage caused by a storm, heavy rain, heavy snow, flood, high tide, earthquake, tsunami, eruption, or other abnormal natural phenomenon.
  • experiences directly or pseudo-experience (eg, experience through VR (virtual reality), AR (augmented reality), etc.), communication with others or animals, etc.) ..
  • step S806 can be used to evaluate the effect of the control of the device on the health condition and to further control the device in consideration of the evaluation. For example, the first position obtained in the first steps S801 to S805 and the second position obtained in the second steps S801 to S805 after the device is controlled according to the first position. Based on the above, a second command for controlling the device can be generated. For example, by comparing the first position and the second position, it is possible to identify the time-series change on the health positioning map. The time-series changes on the health positioning map due to the control of the device reflect the effect of the control of the device on the health condition.
  • a second command can be generated to continue to control the device and the device can be controlled according to the second command. ..
  • the effect of controlling the device on the health condition is a negative effect, stop controlling the device or generate a second command to control in the opposite direction, and the second command is generated.
  • the equipment can be controlled according to the instructions.
  • the second step after the air conditioner is controlled to maintain an appropriate room temperature according to the first position obtained in the first steps S801 to S805. If the second position obtained in steps S801 to S805 has moved to a position in poorer health than (1) the first position, the air conditioner is controlled to raise or lower the room temperature. And (2) the air conditioner can be controlled to maintain the room temperature if it has moved to a better health position than the first position.
  • the second step after the lighting is controlled to maintain proper brightness according to the first position obtained in the first steps S801 to S805. If the second position obtained in steps S801 to S805 has moved to a position in poorer health than (1) the first position, the lighting is controlled to increase or decrease the brightness. And (2) lighting can be controlled to maintain brightness when moving to a better health position than the first position.
  • the processing of each step shown in FIGS. 5A, 5B, 6, 7A, and 7B is performed by the processor unit 120.
  • the processor unit 130 or the program stored in the processor unit 140 and the memory unit 150
  • the present invention is not limited to this.
  • At least one of the processes of each step shown in FIGS. 5A, 5B, 6, 7A, and 7B may be realized by a hardware configuration such as a control circuit.
  • at least one of the steps shown in FIGS. 5A, 5B, 6, 7A, and 7B may be performed by a person using a computer system or a measuring instrument.
  • each step shown in FIG. 8 is realized by the program stored in the processor unit 350 and the memory unit 340 of the terminal device 300.
  • the present invention is not limited to this.
  • At least one of the processes of each step shown in FIG. 8 may be realized by a hardware configuration such as a control circuit.
  • Example 1 Creation of health positioning map
  • 232 items of initial data on health were acquired for 720 subjects.
  • the acquisition of this initial data was carried out at the Kobe RIKEN IIB Building.
  • This 232 item included both invasive and non-invasive tests.
  • the value of the acquired initial data was corrected so that the average value was 0 and the standard deviation was 1.
  • a predetermined value specifically, the correlation coefficient is 0.9
  • Some data was extracted using the method. Some of this data included data on the four basic parameters.
  • one data is extracted when there is data having a correlation coefficient higher than 0.9, but the present invention is not limited to this, and the value of the correlation coefficient is not limited to this. Can be changed as appropriate.
  • the correlation coefficient By setting the correlation coefficient to 0.9 or more, it is possible to create a health function that can calculate the health degree of the subject more comprehensively.
  • the 81 items were extracted. These 81 items correspond to the "first parameter set" in the present invention.
  • the 81 items included 4 basic parameters, basic parameters, cognitive function parameters, subjective parameters, blood parameters, blood vessel and skin parameters, and living condition parameters.
  • the multidimensional data (that is, 81-dimensional data) was lowered to 2 dimensions by the multi-dimensional scale method, and the data for 692 people who had complete data out of 720 people were plotted on the 2 dimensions. ..
  • the plot distribution pattern of 692 plots plotted in two dimensions was clustered by the k-means method and clustered into 10 clusters (FIG. 9B). Each cluster was characterized with health information and a health positioning map of the present invention was created.
  • FIG. 10 is a diagram showing a health degree positioning map created in this embodiment. Although FIG. 10 also displays an actual plot, the health positioning map of the present invention does not need to include the plot on which it is based, and the area specified by the clustering of the plot and the area thereof. Please note that it is only necessary to include health information associated with.
  • Example 2 Creation of another health positioning map
  • initial data of 242 items related to health were acquired for 1000 subjects.
  • This 242 item included both invasive and non-invasive tests.
  • machine learning using a trained model in which the degree of influence of 242 items of data on the health degree positioning map was learned items having a relatively high degree of influence on the health degree positioning map were extracted.
  • 69 items were extracted. These 69 items correspond to the "first parameter set" in the present invention.
  • the 69 items included 30 items of blood parameters and SOS. These 69 items were items that could be measured through the measurement of 7.
  • a health degree positioning map of the present invention was created by the same method as in Example 1.
  • Example 3 Creation of health function
  • a function (health function) that can be appropriately arranged in the health degree positioning map created in Example 1 was specified by a smaller number of test items (second parameter set) than the first parameter set.
  • FIG. 10 is a health degree positioning map in this embodiment.
  • the plot on the left side that is, on the -X-axis side
  • the plot on the + X-axis side was a plot of a relatively old subject.
  • the subject group included in the group G1 of FIG. 10 was a group of subjects who were young, had a high degree of depression and anxiety, had a low autonomic nervous system coordination ability, and had a high number of errors in the cognitive task. Therefore, when a subject whose data is newly measured belongs to group G1, it can be seen that the subject is a subject who is likely to have no mental health disease.
  • the subject group included in group G2 was a group of subjects who were older and had high blood ⁇ -GTP, blood ALT, blood triglyceride, blood HbA1c, and blood high-sensitivity CRP values. Therefore, when the subject whose data is newly measured belongs to the group G2, it can be seen that the subject is a subject who is likely to have no lifestyle-related disease.
  • the subject group included in the group G3 was a subject group having a high age and a high blood glucose level. Therefore, when a subject whose data is newly measured belongs to group G3, it can be seen that the subject is a subject who is likely to have no diabetes.
  • the region of the first function X ⁇ about 4 and the second function Y ⁇ about 2 indicates a healthy group having almost no problem in health condition.
  • the above groups G1 to G3 are some examples that can be evaluated by the health evaluation device of the present invention, and various other health risks can be evaluated.
  • Example 4 Observation of changes in health status using a health positioning map
  • Example 1 Using the health positioning map created in Example 1, it was examined whether changes in the health condition of the subjects could be observed. The mapping positions on the health positioning map were compared before and after taking reduced CoQ10 for 3 months. The results are shown in FIG.
  • a health positioning map was created from the data of 965 subjects using the first parameter set of 76 items.
  • the data of half of the subjects were used as teacher data, and the data of the other half of the subjects were used for evaluation of the obtained functions.
  • Health function by the second parameter set of 19 items by 4 measurements (body composition measurement, blood pressure measurement, autonomic nerve function measurement, questionnaire measurement) and 3 measurements (body composition measurement, autonomic nerve function measurement, questionnaire measurement)
  • the second parameter set of 19 items by 4 measurements was 2 body composition parameters, 1 blood pressure parameter, 5 autonomic nerve parameters, and 11 questionnaire parameters.
  • the second parameter set of 18 items by 3 measurements was 2 body composition parameters, 5 autonomic nerve parameters, and 11 questionnaire parameters.
  • these measurement items do not include bone density parameters and cognitive function parameters, and are at most 4 measuring devices, preferably at most 3 measuring devices, and more preferably 1 measuring device (eg, smartphone). ) Is a measurable item. That is, by using these measurement items, the measurement burden of the subject can be reduced, and easy measurement can be performed at any time at any place including a place other than the inspection facility such as home.
  • Example 6 Analysis using WH ratio
  • Example 5 Similar to Example 5, a health positioning map was created from the data of 965 subjects using the first parameter set of 76 items. Under the same conditions as in Example 5, the plot distribution pattern of 965 plots plotted two-dimensionally was clustered by the k-means method and clustered into 10 clusters.
  • FIG. 14 (a) shows the data of 965 people plotted and clustered on the health positioning map.
  • the horizontal axis is associated with physical health, and the larger the value on the horizontal axis, the worse the physical health, while the vertical axis is mental health. It is associated, and the larger the value on the vertical axis, the worse the mental health.
  • the third cluster was evaluated as a mental health disease risk group
  • the tenth cluster was evaluated as a lifestyle-related disease risk group
  • the sixth and ninth clusters were lifestyle-related diseases. It was evaluated as a disease risk and mental health disease risk group.
  • the data of 965 subjects included WH ratio and BMI.
  • the WH ratio and BMI were calculated from the data acquired from Body Composition Analyzer (InBody Japan Co., Ltd.). Using these WH ratios and BMIs, we identified subjects with a BMI of 25 or more and a WH ratio of 1.0 or more (male) or 0.9 or more (female) from the data of 965 subjects. did. Obese people with a BMI of 25 or more and a WH ratio of 1.0 or more (male) or 0.9 or more (female) are called apple-type obesity (abdominal obesity) and are prone to various complications. It is known to be obese. FIG.
  • FIG. 14B emphasizes the data of subjects having a BMI of 25 or more and a WH ratio of 1.0 or more (male) or 0.9 or more (female) on the health positioning map. ing.
  • the data of the subjects having a BMI of 25 or more and a WH ratio of 1.0 or more (male) or 0.9 or more (female) are represented by black squares.
  • the data of subjects other than are represented by white circles.
  • the first parameter set for creating the health positioning map in this example contained BMI but did not include the WH ratio.
  • each of the subjects having a BMI of 25 or more and a WH ratio of 1.0 or more (male) or 0.9 or more (female) is shown in FIG. 14 (a).
  • the result of analysis which belongs to the cluster 1 to the tenth cluster is shown.
  • the percentage of subjects with a BMI of 25 or higher and a WH ratio of 1.0 or higher (male) or 0.9 or higher (female) is shown in black, and the percentage of other subjects is shown in diagonal lines.
  • Subjects with a BMI of 25 or higher and a WH ratio of 1.0 or higher (male) or 0.9 or higher (female) are most often classified in the 9th cluster, with nearly 40% of the subjects.
  • BMI was 25 or more
  • WH ratio was 1.0 or more (male) or 0.9 or more (female).
  • the ninth cluster is a cluster evaluated as a lifestyle-related disease risk and a mental health disease risk group.
  • clusters 10 and 8 had a BMI of 25 or more, and a WH ratio of 1.0 or more (male) or 0.9 or more (female) belonged to many, followed by cluster 6.
  • the health degree positioning map prepared in this example is used. Is considered to be able to appropriately express the health level of the subject.
  • the health degree positioning map created in this example could be used for analysis using parameters (WH ratio) that were not used as the first parameter set for creating the health degree positioning map. ..
  • WH ratio parameters that were not used as the first parameter set for creating the health degree positioning map.
  • a cluster of subjects having poor physical and mental health has a BMI of 25 or more and a WH ratio of 1.0 or more (male) or 0.9. It was observed that the number of subjects who were above (female) tended to be large. It was a new finding and an unexpected finding that apple-type obesity (abdominal obesity) could be related not only to physical health but also to mental health. Based on this new finding, for example, from the appearance of body shape alone or from the results of body composition measurement alone, it is possible that subjects with apple-type obesity (abdominal obesity) have poor physical health as well as mental health. It can be made aware of something and encouraged to improve mental health.
  • Computer system 110 Interface part 120, 130, 140 Processor part 150 Memory part 200 Database part 300 User terminal device 400 Network

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Veterinary Medicine (AREA)
  • Animal Behavior & Ethology (AREA)
  • Physics & Mathematics (AREA)
  • Surgery (AREA)
  • Molecular Biology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Biophysics (AREA)
  • Cardiology (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Physiology (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Hospice & Palliative Care (AREA)
  • Psychiatry (AREA)
  • Psychology (AREA)
  • Social Psychology (AREA)
  • Developmental Disabilities (AREA)
  • Child & Adolescent Psychology (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Computing Systems (AREA)
  • Educational Technology (AREA)
  • Development Economics (AREA)
  • Accounting & Taxation (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Business, Economics & Management (AREA)
  • Vascular Medicine (AREA)
  • Bioethics (AREA)
  • Pulmonology (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

本発明は、被験者の健康度を計測するための方法を提供し、本方法は、ステップ（１）：パラメータセットに対するデータセットを取得することと、ステップ（２）：前記データセットをサーバ装置に送信することと、ステップ（３）：前記データセットに基づいて導出された健康度情報を前記サーバ装置から受信することと、ステップ（４）：前記健康度を、前記健康度情報の健康度ポジショニングマップ上の位置として表現することとを含む。

Description

被験者の健康度を計測するための方法、装置、プログラム、およびシステム
　本発明は、被験者の健康度を計測するための方法などに関する。
　健康から疾病発症に至る前段階を未病という。超少子高齢化社会における医療費高騰で国の経済破綻が危惧される状況で、疾病発症を未然に防ぐための健康から未病状態を可視化・数値化する技術開発が望まれている。
　例えば、特許文献１には、複数の被験者についての複数の検査項目のデータを取得し、当該検査項目のうち複数の検査データを変数とする関数を作成することにより、被験者の健康状態を評価する技術が開示されている。
特許第６０６９５９８号公報
　しかしながら、上述のような従来技術では、糖尿病や動脈硬化症などの生活習慣病、がん、認知症、サルコペニア、肝臓疾患、腎臓疾患などの特定の軸に沿って、健康、未病、疾患の道筋に則った計測を行い、リスク評価をしている。そのため、人の健康総体の健康の度合いを評価することはできないという問題がある。この問題に対処すべく、発明者らは、様々な健康リスクを評価することができる手段（健康度ポジショニングマップ、健康関数等）を発明した（国際出願番号第PCT/JP2019/43062号）。
　出願人は、この発明に端を発し、自宅等で簡易に健康リスクを評価する手段を開発した。上述のような従来技術では、血液検査などの侵襲検査が必要であり、自宅等で簡易に行うことはできなかったからである。
　本発明の一態様は、簡易な検査で、人の健康総体の健康度を評価するための手段を提供することを目的とする。
　本発明は、例えば、以下の項目を提供する。
（項目１）
　被験者の健康度を計測するための方法であって、
　ステップ（１）：パラメータセットに対するデータセットを取得することであって、前記パラメータセットは、自律神経パラメータと、体組成パラメータと、質問票パラメータとを含み、前記ステップ（１）は、
　　Ｉ．前記自律神経パラメータの計測のための自律神経測定器を用いて前記自律神経パラメータに対するデータを取得することと、
　　ＩＩ．体組成計を用いて前記体組成パラメータに対するデータを取得することと、
　　ＩＩＩ．前記質問票パラメータの計測のための質問票処理機器を用いて前記質問票パラメータに対するデータを取得することと、
を含む、ことと、
　ステップ（２）：前記データセットをサーバ装置に送信することと、
　ステップ（３）：前記データセットに基づいて導出された健康度情報を前記サーバ装置から受信することと、
　ステップ（４）：前記健康度を、前記健康度情報の健康度ポジショニングマップ上の位置として表現することと
を含む方法。
（項目２）
　前記パラメータセットはさらに、血圧パラメータを含む、項目１に記載の方法。
（項目３）
　前記ステップ（１）は、
　　ＩＶ．血圧計を用いて前記血圧パラメータに対するデータを取得することと、
を含む、項目２に記載の方法。
（項目４）
　前記ステップ（１）は、多くとも４つの計測機器を用いて前記データセットを取得することを含む、項目１～３のいずれか一項に記載の方法。
（項目５）
　前記多くとも４つの計測機器はそれぞれ、可搬型または携帯型である、項目４に記載の方法。
（項目６）
　前記ステップ（１）は、１つの計測機器を用いて前記データセットを取得することを含む、項目１～３のいずれか一項に記載の方法。
（項目７）
　前記健康度情報は、前記健康度ポジショニングマップにおけるＸ軸の値とＹ軸の値とを含み、前記ステップ（４）は、前記Ｘ軸の値と前記Ｙ軸の値とに基づいて、前記健康度情報を前記健康度ポジショニングマップ上に示すことを含む、項目１～６のいずれか一項に記載の方法。
（項目８）
　前記ステップ（３）は、前記ステップ（１）で用いられた計測機器が、前記健康度ポジショニングマップにおけるＸ軸の値とＹ軸の値とを含む健康度情報を前記サーバ装置から受信することを含む、項目７に記載の方法。
（項目９）
　前記ステップ（４）は、前記ステップ（１）で用いられた計測機器が、前記Ｘ軸の値と前記Ｙ軸の値とに基づいて、前記計測機器の表示部に表示された前記健康度ポジショニングマップ上に前記健康度情報を示すことを含む、項目７または項目８に記載の方法。
（項目１０）
　ステップ（５）：前記ステップ（１）～（４）を少なくとも２回繰り返すことにより、前記健康度ポジショニングマップ上の第１の位置と第２の位置とを決定することと、
　ステップ（６）：前記第１の位置と前記第２の位置とを含む軌跡に基づいて、前記被験者の健康度を評価することと
　をさらに含む、項目１～９のいずれか一項に記載の方法。
（項目１１）
　前記ステップ（５）は、１日の間に前記ステップ（１）～（４）を少なくとも２回繰り返すことを含む、項目１０に記載の方法。
（項目１２）
　前記ステップ（１）は、前記データセットの少なくとも一部を前記被験者に意識させることなく自動で取得することを含む、項目１～１１のいずれか一項に記載の方法。
（項目１３）
　前記ステップ（１）は、前記質問票パラメータに対するデータを取得したことに応答して、前記自律神経パラメータに対するデータおよび前記体組成パラメータに対するデータを前記被験者に意識させることなく自動で取得すること取得することを含む、項目１～１２のいずれか一項に記載の方法。
（項目１４）
　前記サーバ装置は、前記データセットと、前記被験者の前記健康度ポジショニングマップ上の位置とを相関させる健康関数を用いて、前記健康度情報を導出するように構成されている、項目１～１３のいずれか一項に記載の方法。
（項目１５）
　前記自律神経パラメータに対するデータが取得された時刻と、前記体組成パラメータに対するデータが取得された時刻と、前記質問票パラメータに対するデータが取得された時刻との間の差がそれぞれ、約５分以内である、項目１～１４のいずれか一項に記載の方法。
（項目１６）
　前記ステップ（２）から前記ステップ（４）までは所定時間内に行われる、項目１～１５のいずれか一項に記載の方法。
（項目１７）
　前記所定時間は、約１分である、項目１６に記載の方法。
（項目１８）
　前記健康度ポジショニングマップは、健康度ポジショニングマップ作成用パラメータセットを用いて作成されており、
　前記パラメータセットは、前記健康度ポジショニングマップ作成用パラメータセットの一部である、項目１～１７のいずれか一項に記載の方法。
（項目１９）
　被験者の健康度に応じて、機器を制御する方法であって、
　項目１に記載の方法における前記健康度情報の健康度ポジショニングマップ上の位置に基づいて、前記機器を制御するための命令を生成することと、
　前記命令に従って前記機器を制御することと
　を含む方法。
（項目２０）
　前記機器を制御することの後に、
　前記ステップ（１）～（４）を繰り返すことにより、前記健康度ポジショニングマップ上の第２の位置を決定することと、
　前記位置と前記第２の位置とに基づいて、前記機器を制御するための第２の命令を生成することと
　をさらに含む、項目１９に記載の方法。
（項目２１）
　被験者の健康度を計測するための装置であって、
　パラメータセットに対するデータセットを取得するための取得手段であって、前記パラメータセットは、自律神経パラメータと、体組成パラメータと、質問票パラメータとを含み、前記取得手段は、
　　Ｉ．前記自律神経パラメータの計測のための自律神経測定器から前記自律神経パラメータに対するデータを取得することと、
　　ＩＩ．体組成計から前記体組成パラメータに対するデータを取得することと、
　　ＩＩＩ．前記質問票パラメータの計測のための質問票処理機器から前記質問票パラメータに対するデータを取得することと
　を行うように構成されている、取得手段と、
　前記データセットをサーバ装置に送信するための送信手段と、
　前記データセットに基づいて導出された健康度情報を前記サーバ装置から受信するための受信手段と、
　前記健康度を、前記健康度情報の健康度ポジショニングマップ上の位置として表現するための表現手段と
を備える装置。
（項目２２）
　被験者の健康度を計測するためのプログラムであって、前記プログラムは、コンピュータ装置において実行され、前記プログラムは
　ステップ（１）：パラメータセットに対するデータセットを取得することであって、前記パラメータセットは、自律神経パラメータと、体組成パラメータと、質問票パラメータとを含み、前記ステップ（１）は、
　　Ｉ．前記自律神経パラメータの計測のための自律神経測定器から前記自律神経パラメータに対するデータを取得することと、
　　ＩＩ．体組成計から前記体組成パラメータに対するデータを取得することと、
　　ＩＩＩ．前記質問票パラメータの計測のための質問票処理機器から前記質問票パラメータに対するデータを取得することと、
を含む、ことと、
　ステップ（２）：前記データセットをサーバ装置に送信することと、
　ステップ（３）：前記データセットに基づいて導出された健康度情報を前記サーバ装置から受信することと、
　ステップ（４）：前記健康度を、前記健康度情報の健康度ポジショニングマップ上の位置として表現することと
を含む処理を前記コンピュータ装置に行わせる、プログラム。
（項目２３）
　被験者の健康度を計測するためのシステムであって、前記システムは、端末装置と、サーバ装置とを備え、
　前記端末装置は、
　　ステップ（１）：パラメータセットに対するデータセットを取得することと、
　　ステップ（２）：前記データセットを前記サーバ装置に送信することと
　を行うように構成されており、
　前記サーバ装置は、
　　ステップ（Ａ）：前記データセットと、被験者の健康度ポジショニングマップ上の位置とを相関させる健康関数を用いて、健康度情報を導出することと、
　　ステップ（Ｂ）：前記健康度情報を前記端末装置に送信することと
　を行うように構成されており、
　前記端末装置は、
　　ステップ（３）：前記健康度情報を前記サーバ装置から受信することと、
　　ステップ（４）：前記健康度を、前記健康度情報の健康度ポジショニングマップ上の位置として表現すること
　をさらに行うように構成されている、システム。
　本発明の一態様によれば、簡易な検査で、人の健康総体の健康度を評価するための手段を提供することができる。これにより、在宅・オフィス環境などで、健康状態を随時に計測し、その状態変化を追跡できる技術、とそれを用いた日常生活習慣改善等ソリューション開発を個別化で進める技術を提供することができる。
ユーザの健康状態を可視化するための新たなサービスのフローの一例を示す図である。 ユーザの健康状態を示す画面１０００の一例を示す図である。 サーバ装置１００の構成の一例を示す図である。 一実施形態におけるプロセッサ部１２０の構成の一例を示す図である。 別の実施形態におけるプロセッサ部１３０の構成の一例を示す図である。 さらに別の実施形態におけるプロセッサ部１４０の構成の一例を示す図である。 本発明の一実施形態におけるデータフローの一例を示す図である。 本発明の一実施形態における端末装置３００の構成の一例を示す図である。 データベース部２００に格納される第１データセットのデータ構成の一例を示す図である。 サーバ装置１００における処理の一例を示すフローチャートである。 サーバ装置１００における処理の別の一例を示すフローチャートである。 サーバ装置１００における処理の別の一例を示すフローチャートである。 サーバ装置１００における処理の別の一例を示すフローチャートである。 図７Ａに示される処理７００の続きの処理の一例を示すフローチャートである。 本発明のコンピュータシステム１０において実施される方法におけるデータフローの一例を示す図である。 上記健康評価装置によって作成される健康評価マップの一例を示す図である。 本実施例においてプロット分布パターンをクラスタリングした結果を示す図である。 一実施例において作成した健康度ポジショニングマップを示す図である。 還元型ＣｏＱ１０を摂取する前と、３か月間摂取した後で、健康度ポジショニングマップ上でのマッピング位置を比較した結果を示す図である。 還元型ＣｏＱ１０を摂取する前と、３か月間摂取した後で、検査項目のパラメータを比較した結果を示す図である。 ４計測１９項目の第２パラメータセットによる健康関数の実測値と予測値との相関係数、および３計測１８項目の第２パラメータセットによる健康関数の実測値と予測値との相関係数を示す図である。 実施例６の結果を示す図である。
　以下、図面を参照しながら、本発明の実施の形態を説明する。なお、本明細書中において「約」とは、後に続く数値の±１０％を意味する。
　１．ユーザの健康状態を可視化するためのサービス
　本発明の発明者は、ユーザの健康状態を可視化するための新たなサービスを開発した。そのサービスとは、ユーザの健康に関する様々なデータを取得し、取得されたデータに基づいて、そのユーザの健康度が健康度ポジショニングマップ上のどの領域に位置付けられるかの情報をユーザに提供するサービスである。ここで、健康度ポジショニングマップとは、健康に関する情報で特徴付けられた複数の領域を有するマップのことをいう。
　健康度ポジショニングマップの各領域は、例えば、健康度の種々の状態として特徴付けられ得る。例えば、健康度ポジショニングマップの或る領域は、若年・メンタルヘルス疾患リスク群として特徴付けられ得、健康度ポジショニングマップの別の或る領域は、中年－老年・生活習慣病リスク群として特徴付けられ得、健康度ポジショニングマップのさらに別の或る領域は、老年・糖尿病リスク群として特徴付けられ得る。例えば、健康度ポジショニングマップの或る領域は、ある健康状態についての未病群として特徴付けられ得、の別の或る領域は、その健康状態についてのハイリスク群として特徴付けられ得る。なお、これらの特徴付けは一例であり、種々の特徴付けがなされ得る。例えば、後述する図１Ｂに示されるように、身体の健康および精神の健康を軸として、健康度Ａ～Ｃとして特徴づけられるようにしてもよい。このような特徴付けは、シンプルであり、健康度の状態が直感的に理解され得る。健康度ポジショニングマップの各領域の特徴付けは、例えば、各領域内に属する複数の被験者の傾向を分析することによって決定されるようにすることができる。
　この新たなサービスでは、ユーザは、自宅で行うことができる簡易な計測の結果から、自身の健康度が健康度ポジショニングマップ上のどの領域に位置付けられるかの情報を得ることができる。この新たなサービスでは、ユーザは、自身の健康度が健康度ポジショニングマップ上のどの領域に位置付けられるかの情報を可視的にリアルタイムで得ることもできる。
　図１Ａは、ユーザの健康状態を可視化するための新たなサービスのフローの一例を示す。
　ステップＳ１では、ユーザＵは、自宅Ｈで、いくつかの計測を行う。計測は、例えば、計測機器２０を使用した計測と、コンピュータ装置３０を使用した計測とを含む。計測機器２０は、自宅Ｈで使用可能な任意の計測機器であり、例えば、体組成計２１、血圧計２２を含むが、これらに限定されない。コンピュータ装置３０は、自宅Ｈで使用可能な任意のコンピュータ装置であり、例えば、スマートフォン３１、パーソナルコンピュータ３２を含むが、これらに限定されない。計測機器２０を使用した計測は、体組成計２１を用いた計測を含み、これにより、体組成に対するデータが取得される。計測機器２０を使用した計測は、血圧計２２を用いた計測をさらに含んでもよく、これにより、血圧に対するデータも取得される。コンピュータ装置３０を使用した計測は、カメラを用いた自律神経機能の計測を含み、これにより、自律神経機能に対するデータが取得される。コンピュータ装置３０を使用した計測は、ユーザＵに対する質問票を用いた計測を含み、これにより、生活状況および／または主観的評価を含むデータが取得される。
　例えば、血圧計は、身体に装着するタイプの血圧計（例えば、上腕式血圧計、腕時計型血圧計、指輪型血圧計）、または、非接触式血圧計（例えば、カメラで撮影された顔または指の画像からから血圧を測定する血圧計）であり得る。例えば、体組成計は、計測時に上に載るタイプの体組成計、または、身体に装着することができるタイプの体組成計（例えば、腕時計型体組成計）であり得る。
　図１に示される例では、３つの機器（体組成計、血圧計、コンピュータ装置３０）を用いて４つの計測を行うことを説明したが、本発明は、これに限定されない。例えば、４つの機器を用いて４つの計測を行う（例えば、体組成計２１を用いた体組成計測、血圧計２２を用いた血圧計測、自律神経機能を測定可能な自律神経測定器を用いた自律神経機能計測、質問票からデータを取得可能な質問票処理機器を用いた質問票計測を行う）ようにしてもよいし、２つの機器を用いて４つの計測を行う（例えば、体組成と血圧とを測定可能な機器を用いた体組成計測および血圧計測、コンピュータ装置３０を用いた自律神経機能計測および質問票計測を行う）ようにしてもよいし、１つの機器を用いて４つの計測を行う（例えば、体組成と血圧と自律神経機能と質問票によるデータとを測定可能な機器を用いた計測を行う）ようにしてもよい。あるいは、例えば、３つの機器を用いて３つの計測を行う（例えば、体組成計２１を用いた体組成計測、自律神経機能を測定可能な自律神経測定器を用いた自律神経機能計測、質問票からデータを取得可能な質問票処理機器を用いた質問票計測を行う）ようにしてもよいし、２つの機器を用いて３つの計測を行う（例えば、体組成を測定可能な機器を用いた体組成計測、コンピュータ装置３０を用いた自律神経機能計測および質問票計測を行う）ようにしてもよいし、１つの機器を用いて３つの計測を行う（例えば、体組成と自律神経機能と質問票によるデータとを測定可能な機器を用いた計測を行う）ようにしてもよい。このように、計測に用いられる機器は、複数の別個の機器であってもよいし、単一の機器であってもよい。単一の機器を用いた計測の場合、単一の機器は、コンピュータ装置３０（例えば、スマートフォン３１、パーソナルコンピュータ３２、タブレット等）であってもよい。あるいは、単一の機器は、コンピュータ装置３０とは別の機器であってもよい。このとき、コンピュータ装置３０は、情報の通信および情報の表示のために使用される。
　このような計測機器による計測は、非侵襲的な計測である。このような計測は、例えば、装着するだけ、上に乗るだけ、カメラに写るだけ、質問に答えるだけ等の簡単なアクションで、短時間に行うことができる。さらに、このような少ない計測機器による簡易かつ非侵襲的な計測では、複数のデータをほぼ同時に取得することができるため、各データ間の時差を小さくするまたは無視することができる。例えば、複数の計測をほぼ同時に行うことにより、最も早くデータが取得された計測の完了時刻と、最も遅くデータが取得された計測の完了時刻との差（すなわち、データ間の時差）を１秒以内、２秒以内、５秒以内、１０秒以内、１５秒以内、２０秒以内、３０秒以内、１分以内、２分以内、３分以内、５分以内、１０分以内、３０分以内、１時間以内、２時間以内、または６時間以内にすることができる。例えば、最も早くデータが取得された計測の完了時刻と、最も遅くデータが取得された計測の完了時刻との間を５分以内にすることが好ましい。各データ間の時差が５分以内であれば、各データ間の時差による影響を無視することができるからである。特に、自律神経測定器、血圧計によって計測されるデータは、時々刻々変動し得るため、他のデータとの時差による影響を無視できるようにすることが好ましい。これにより、ある時点の正確な健康度について、健康度ポジショニングマップ上の位置を表すことができるようになる。
　計測は、ユーザＵが意識的に行うようにしてもよいし、ユーザＵが無意識的に行うようにしてもよい。例えば、所定の条件が満たされたときに自動的に計測を行うことにより、ユーザＵに意識させることなく計測を行うことができる。計測は、例えば、ユーザＵの身体に装着された計測機器を用いて、ユーザＵに意識させることなく行うことができる。例えば、ユーザＵの身体に装着された計測機器を用いることで、ユーザＵが室内にいるか室外にいるかに関係なく（例えば、ユーザＵが歩行中であっても、ユーザＵが静止中であっても）、計測を行うことができる。あるいは、またはこれに加えて、計測は、例えば、ユーザＵの行動範囲内に設置された計測機器を用いて、ユーザＵに意識させることなく行うことができる。例えば、ユーザＵの行動範囲内に設置された計測機器を用いることで、ユーザＵが行動範囲内で何をしていても（例えば、ユーザＵが歩行中であっても、ユーザＵが静止中であっても）、計測を行うことができる。ユーザＵの行動範囲内に設置された計測機器は、例えば、ユーザＵが使用する家具（例えば、椅子、ベッド等）に搭載されたセンサ、ユーザＵが使用する電子機器（例えば、パーソナルコンピュータ、冷蔵庫、エアコン、スマートスピーカ等）に搭載されたセンサ、ユーザＵの自宅等の部屋に設置されたセンサを含むが、これらに限定されない。例えば、血圧は、身体に装着された血圧計により、所定の条件が満たされたときに自動的に計測されるようにすることができる。例えば、体組成は、身体に装着された体組成計により、所定の条件が満たされたときに自動的に計測されるようにすることができる。例えば、体組成は、ユーザの椅子の座面に搭載された体組成計により、所定の条件が満たされたときに自動的に計測されるようにすることができる。例えば、自律神経機能は、コンピュータ装置３０のカメラにより、所定の条件が満たされたときに自動的に計測されるようにすることができる。例えば、自律神経機能は、ユーザＵが使用する電子機器に搭載されたカメラにより、所定の条件が満たされたときに自動的に計測されるようにすることができる。例えば、自律神経機能は、ユーザＵの自宅等の部屋に設置されたカメラにより、所定の条件が満たされたときに自動的に計測されるようにすることができる。例えば、生活状況および／または主観的評価を含むデータは、ユーザＵが使用する電子機器（例えば、スマートスピーカ）とのコミュニケーションから自動的に計測されるようにすることができる。所定の条件は、例えば、所定の時間になったとき（時間的条件）、所定の場所に入った／出たとき（地理的条件）、所定の行動を行ったとき（行動的条件）等を含む。所定の時間は、例えば、１日のうちの予め決められた時間（例えば、午前６時から～午前８時の間、午前１１時～午後１時の間、午後４時～午後６時の間、午後９時～午前０時の間、または午前６時、午後０時、午後６時、午前０時等）であってもよいし、予め決められた間隔毎の時間（例えば、１時間おき、３時間おき、６時間おき、１２時間おき等）であってもよい。所定の場所は、例えば、会社、自宅、リビング、寝室等を含むがこれらに限定されない。所定の行動は、例えば、椅子に座ること、ベッドに寝そべること、ユーザＵが使用する電子機器に搭載されたカメラまたはユーザＵの自宅等の部屋に設置されたカメラの視野内に一定時間（例えば、１０秒間、３０秒間、１分間）以上入ること等を含むがこれらに限定されない。
　一実施形態において、所定の行動は、例えば、少なくとも１つのデータを取得することであり得る。例えば、４つの計測のうちの少なくとも１つの計測によってデータを取得したことに応答して、４つの計測のうちの他の計測を自動的に行うことにより、ユーザＵに意識させることなく、４つの計測のうちの他の計測を行うことができる。例えば、ユーザＵが質問票に意識的に回答したことに応答して、体組成、自律神経機能、および／または、血圧を自動的に計測するようにしてもよい。これにより、ユーザＵは、質問票に回答するだけの簡単なアクションで、複数の計測を行うことができることになる。
　ステップＳ２では、ステップＳ１で計測されたデータがコンピュータ装置３０に取り込まれる。例えば、体組成計２１を用いて計測された体組成に対するデータが、コンピュータ装置３０に入力される。これは、例えば、体組成計２１とコンピュータ装置３０との間の通信を確立することによって行われてもよいし、ユーザＵが体組成計２１による測定値をコンピュータ装置３０に入力することによって行われてもよい。例えば、血圧計２２を用いて計測された血圧に対するデータが、コンピュータ装置３０に入力される。これは、例えば、血圧計２２とコンピュータ装置３０との間の通信を確立することによって行われてもよいし、ユーザＵが血圧計２２による測定値をコンピュータ装置３０に入力することによって行われてもよい。ステップＳ１では、自律神経機能に対するデータおよび質問票に対するデータがコンピュータ装置３０を使用して計測されたため、これらのデータは、既にコンピュータ装置３０に取り込まれている。
　ステップＳ３では、ステップＳ２で取り込まれたデータが、コンピュータ装置３０からネットワーク４０を介してサービスプロバイダのサーバ装置Ｓに送信される。サーバ装置Ｓでは、コンピュータ装置３０から受信したユーザＵの計測結果に基づいて、ユーザＵの健康度情報を導出することができる。ユーザＵの健康度情報は、ユーザＵが健康度ポジショニングマップ上のどの領域に位置付けられたかを示す情報を含む。
　ステップＳ４では、サーバ装置Ｓで導出された健康度情報が、サーバ装置Ｓからネットワーク４０を介してコンピュータ装置３０に送信される。
　ステップＳ５では、コンピュータ装置３０が、健康度情報に基づいて、ユーザＵの健康度が、健康度ポジショニングマップ上のどの領域に位置付けられるかをユーザＵに表示する。ユーザＵは、自身の健康度が位置付けられた健康度ポジショニングマップ上の領域に関連付けられた情報を参照することにより、自身の健康状態を認識することができる。例えば、自身の健康度が、図１Ｂに示されるような健康度ポジショニングマップ上の健康度Ｂとして特徴づけられた領域に属する場合には、ユーザＵは、自身の健康度が悪くはないが良くもないことを認識することができる。これにより、例えば、ユーザＵに、自身の健康度が改善されるよう心がけるよう促すことが可能である。例えば、自身の健康度が、健康度ポジショニングマップ上の若年・メンタルヘルス疾患リスク群として特徴付けられた領域に属する場合には、ユーザＵは、自身にメンタルヘルス疾患リスクがあるとして、自身の健康状態を認識することができる。これにより、例えば、ユーザＵに、メンタルヘルス疾患リスクに備える措置を講じるように促すことが可能である。
　ステップＳ１～ステップＳ５の計測の実施から健康度ポジショニングマップの表示までは、ユーザの意識的操作によって行ってもよいし、ユーザが無意識のうちに自動的に行ってもよい。すなわち、ユーザＵは、各種計測を行うことによって、自身の健康度の健康度ポジショニングマップ上での位置を容易に認識することができる。あるいは、計測の実施までも自動的に行うことにより、ステップＳ１～ステップＳ５の全てを自動的に行うようにすることもできる。これにより、ユーザＵは、計測の負担なしに、自身の健康度の健康度ポジショニングマップ上での位置を認識することができる。
　ステップＳ１での計測で得られるデータが解析に時間を要しないデータであるため、ステップＳ２でコンピュータ装置３０にデータが取り込まれてからステップＳ５で健康度ポジショニングマップが表示されるまでの時間を短縮することができる。これにより、ユーザは、自身の健康状態を直ちに知ることができるようになる。特に、例えばステップＳ１での計測を身体に装着可能な計測機器によって連続的に行うことにより、ユーザは、自身の健康状態の変化をリアルタイムに可視的に認識することができるようになる。ここで、ステップＳ２でコンピュータ装置３０にデータが取り込まれてからステップＳ５で健康度ポジショニングマップが表示されるまでの時間は、例えば、０．０１秒、０．０２秒、０．０５秒、０．１秒、０．２秒、０．５秒、１秒以内、３秒以内、５秒以内、１０秒以内、２０秒以内、３０秒以内、４５秒以内、１分以内、５分以内、１０分以内、１時間以内、２時間以内、１２時間以内、２４時間以内等であり得る。このような応答性の良さにより、ユーザの待ち時間は短縮され、計測に対するユーザの心理的負担を軽減することもでき、ユーザの測定へのモチベーションの低下を防止することができる。
　さらに、所定期間経過後に、上述したステップＳ１～ステップＳ５を繰り返すことにより、ユーザＵは、自身の健康状態の時系列変化を認識することができる。例えば、ユーザＵは、健康度ポジショニングマップ上での位置の時系列変化を参照することにより、自身の健康状態が向かう方向を認識することができる。例えば、自身の健康度が、図１Ｂに示されるような健康度ポジショニングマップ上の健康度Ｂとして特徴づけられた領域に属していたところ、所定期間経過後に、自身の健康度が、健康度ポジショニングマップ上の健康度Ｂとして特徴付けられた領域に属してはいるものの、健康度Ｃとして特徴付けられた領域に近づいていた場合には、ユーザＵは、自身の健康状態が健康度Ｃの方向へ向かっていることを認識し得る。これにより、例えば、ユーザＵに、自身の健康度が悪化しないように心がけるよう促すことが可能である。例えば、自身の健康度が健康度ポジショニングマップ上の若年・メンタルヘルス疾患リスク群として特徴付けられた領域に属していたところ、所定期間経過後に、自身の健康度が、健康度ポジショニングマップ上の若年・メンタルヘルス疾患リスク群として特徴付けられた領域に属してはいるものの、中年－老年・生活習慣病リスク群として特徴付けられた領域に近づいていた場合には、ユーザＵは、自身の健康状態が中年－老年・生活習慣病リスクの方向へ向かっていることを認識し得る。これにより、例えば、ユーザＵに、生活習慣病リスクに備える措置を講じるように促すことが可能である。
　例えば、イベントの前に上述したステップＳ１～ステップＳ５を行うことにより、ユーザＵは、その時点の自身の健康度を認識することができる。次いで、イベントの後に、上述したステップＳ１～ステップＳ５を行うことにより、ユーザＵは、その時点の自身の健康度を認識することができる。このようにして得られたイベント前の健康度と、イベント後の健康度とを比較することにより、ユーザＵは、健康度に対するイベントの影響を認識することができる。イベントは、例えば、感染症の流行（Ｃｏｖｉｄ－１９等）、自然災害（例えば、暴風、豪雨、豪雪、洪水、高潮、地震、津波、噴火その他の異常な自然現象により生ずる被害）、残業、体験（直接的な体験または疑似的な体験（例えば、ＶＲ（仮想現実）、ＡＲ（拡張現実）等を介した体験）、他者もしくは動物とのコミュニケーション等を含むが、これらに限定されない。
　例えば、１日の始まり（例えば、午前６時～午後０時の間）に、上述したステップＳ１～ステップＳ５を行うことにより、ユーザＵは、その時点の自身の健康度を認識することができる。次いで、１日の終わり（例えば、午後６時～午前０時の間）に、上述したステップＳ１～ステップＳ５を行うことにより、ユーザＵは、その時点の自身の健康度を認識することができる。このようにして得られた１日の始まりにおける健康度と、１日の終わりにおける健康度とを比較することにより、ユーザＵは、健康度の日内変動を認識することができる。このような健康度は、例えば、主として疲労度を表すようにすると、ユーザＵは、１日の活動により、どの程度疲労が溜まったかを客観的に認識することができるようになる。
　例えば、１日の終わり（例えば、午後６時～午前０時の間）に、上述したステップＳ１～ステップＳ５を行うことにより、ユーザＵは、その時点の自身の健康度を認識することができる。次いで、次の日の始まり（例えば、午前６時～午後０時の間）に、上述したステップＳ１～ステップＳ５を行うことにより、ユーザＵは、その時点の自身の健康度を認識することができる。このようにして得られた１日の終わりにおける健康度と、次の日の始まりにおける健康度とを比較することにより、ユーザＵは、健康度の夜間変動を認識することができる。健康度の夜間変動は、身体の回復力または弾性（elasticity）に相当し得、ユーザＵは、夜間の睡眠により、どの程度回復したかを客観的に認識することができるようになる。
　上述したステップＳ１～ステップＳ５は、例えば、１日のうちの所定の時間に行われることができる。所定の時間は、例えば、１日のうちの予め決められた時間（例えば、午前６時から～午前８時の間、午前１１時～午後１時の間、午後４時～午後６時の間、午後９時～午前０時の間、または、午前６時、午後０時、午後６時、午前０時等）であってもよいし、予め決められた間隔毎の時間（例えば、１時間おき、３時間おき、６時間おき等）であってもよいし、ユーザが自由に設定した時間であってもよい。例えば、朝（例えば、午前６時から～午前８時の間、または、午前６時等）、昼（例えば、午前１１時～午後１時の間、または、午後０時等）、夕（午後４時～午後６時の間、または、午後６時等）、夜（例えば、午後９時～午前０時の間、または、午前０時等）にそれぞれステップＳ１～ステップＳ５を行うことにより、１日の活動による健康度の変動を細かく追跡することができる。
　このような短期的に健康度を評価して蓄積していくことにより、健康度の細かな変動を捕捉することができ、新たな視点で健康を評価することができるようになる。自宅Ｈでの簡易な検査で健康度を評価することができるため、このような短期的な健康度の評価を手軽に行うことができるようになる。また、これを用いて、日常生活習慣改善等ソリューション開発を個別化で進めることができる。
　上述した例では、自宅Ｈで行うことができる簡易な４つの非侵襲性検査を例示したが、計測は、非侵襲検査に限定されない。例えば、計測は、侵襲性検査を含んでもよい。本明細書において、「侵襲性検査」とは検査対象の身体を（例えば、注射による血液採取や組織切除によって）傷つける検査をいい、「非侵襲性検査」とは検査対象の身体を何ら傷つけない検査をいう。代表的な侵襲性検査は血液や血漿に含まれる成分量を検出する検査であり、代表的な非侵襲検査は対象の排泄物（尿、呼気、唾液）における成分を検出する検査や、自律神経機能検査、認知機能検査、質問票・ＶＡＳ（Ｖｉｓｕａｌ　Ａｎａｌｏｇｕｅ　Ｓｃａｌｅ）などである。本明細書において、「侵襲的パラメータ」とは侵襲性検査によって得られるパラメータをいい、「非侵襲的パラメータ」とは非侵襲性検査によって得られるパラメータをいう。
　上述した例では、自宅Ｈで計測を行うことを説明したが、計測を行う場所は、自宅Ｈに限定されない。例えば、計測は、検査施設以外の会社、薬局、公民館、カフェ等で行われてもよい。簡易な計測で十分であるからこそ、検査施設以外の場所で計測を行うことができるのである。もちろん、計測は、病院や専門検査施設で行われてもよい。
　図１Ｂは、ユーザの健康状態を示す画面１０００の一例を示す。画面１０００は、例えば、ユーザＵのコンピュータ装置３０（例えば、パーソナルコンピュータ、スマートフォン、タブレット等）の表示画面上に表示されて、ユーザに提供され得る。
　画面１０００は、健康度ポジショニングマップ表示部１１００と、レーダーチャート表示部１２００とを含む。
　健康度ポジショニングマップ表示部１１００には、健康度ポジショニングマップが表示されている。この健康度ポジショニングマップにおいて、横軸は、身体の健康に関連付けられており、横軸の値が大きいほど、身体の健康が悪いことを示している一方で、縦軸は、精神の健康に関連付けられており、縦軸の値が大きいほど、精神の健康が悪いことを示している。
　健康度ポジショニングマップ表示部１１００に表示された健康度ポジショニングマップは、１０個の領域を含んでおり、１０個の領域のうち、１つの領域が健康度Ａとして特徴付けられており、３つの領域が健康後Ｂとして特徴付けられており、６個の領域が健康度Ｃとして特徴づけられている。ここで、健康度Ａが、健康度が良好であることを示し、健康度Ｂが、健康度が普通であることを示し、健康度Ｃが、健康度が悪く、注意を要することを示している。
　ユーザは、自身の健康度が、健康度ポジショニングマップ上のどの領域に位置付けられるかに応じて、自身の健康状態を認識することができる。図１Ｂに示される例では、ユーザの健康度が星印でプロットされており、ユーザの健康度は、健康度Ｂとして特徴付けられた領域内に属していることがわかる。例えば、或る集団に属する複数のユーザの健康度を１つの健康度ポジショニングマップ上にプロットすることにより、特定のユーザが、その集団内ではどの程度の健康度を有しているかを把握することができる。これは、例えば、企業の労務管理において有用である。例えば、企業の労務担当者は、企業の従業員の健康度がプロットされた健康度ポジショニングマップを見て、組織的な介入が必要か、あるいは、組織的な介入ができるか等を検討することができる。例えば、特定の１人の従業員の健康度が他の従業員に比べて悪い位置にプロットされていた場合、その従業員に対して介入すべきか否かを検討することができる。あるいは、例えば、特定の部門の従業員の健康度が他の部門の従業員に比べて悪い位置にプロットされていた場合、その部門に対して介入すべきか否かを検討することができる。
　レーダーチャート表示部１２００には、レーダーチャートが表示されている。このレーダーチャートでは、健康状態が６つの観点（筋骨格運動器系、代謝・メタボ系、自律神経系、睡眠覚醒リズム、メンタルヘルス、疲労）から０～５の６段階で示されている。筋骨格運動器系の観点は、運動に関わる筋力などの状態を示し、代謝・メタボ系の観点は、体内のエネルギー代謝や肥満などの状態を示し、自律神経系の観点は、集中やリラックスに関する神経の調節力の状態を示し、睡眠覚醒リズムの観点は、睡眠や眠気などの状態の観点を示し、メンタルヘルスの観点は、気分の落ち込みなどの状態を示し、疲労の観点は、心や身体の疲れの状態を示している。ユーザは、自身の健康状態がどの観点に起因しているのかを一目で認識することができる。レーダーチャート表示部１２００に表示されるレーダーチャートは、各軸が健康に関する情報で特徴付けられており、軸毎にそのユーザの得点がマッピングされていることから、本願明細書では、このようなレーダーチャートも、健康度ポジショニングマップの一種であると見なされ得る。
　画面１０００は、健康度ランキング表示部（図示せず）を含むようにしてもよい。健康度ランキング表示部には、そのユーザの健康度が特定の集団内で何位であるかが表示される。特定の集団は、例えば、ユーザと同姓の集団、ユーザと同年代の集団、または、ユーザと同年代同姓の集団等を含む。このようなランキング表示であれば、自身の健康度をより直感的に理解しやすい。さらに、ランキングを上げるためにはどのようにすべきかの方向性も表示することにより、競争原理を用いて、ユーザの行動変容を促すことができる。
　上述したサービスは、例えば、以下に説明する、コンピュータシステム１０によって実現され得る。
　２．コンピュータシステムの構成
　図２は、コンピュータシステム１０の構成の一例を示す。
　コンピュータシステム１０は、サーバ装置１００と、少なくとも１つの端末装置３００とを備える。
　サーバ装置１００は、データベース部２００に接続されている。また、サーバ装置１００は、少なくとも１つの端末装置３００にネットワーク４００を介して接続されている。サーバ装置１００は、例えば、ユーザの健康状態を可視化するための新たなサービスを提供するサービスプロバイダに設置されているコンピュータである。
　ネットワーク４００は、任意の種類のネットワークであり得る。ネットワーク４００は、例えば、インターネットであってもよいし、ＬＡＮであってもよい。ネットワーク４００は、有線ネットワークであってもよいし、無線ネットワークであってもよい。
　図２には、３つの端末装置３００が描写されているが、端末装置３００の数はこれに限定されない。端末装置３００の数は、１以上の任意の数であり得る。端末装置３００の一例は、ユーザが保持するコンピュータであるが、これに限定されない。例えば、病院に設置されているコンピュータ、検査を行うことが可能なオフィスの一室に設置されているコンピュータ等であってもよい。ここで、コンピュータは、任意のタイプのコンピュータであり得る。例えば、端末装置３００は、スマートフォン、タブレット、パーソナルコンピュータ、スマートグラス等の任意のタイプの端末装置であり得る。
　サーバ装置１００は、インターフェース部１１０と、プロセッサ部１２０と、メモリ１５０部とを備える。
　インターフェース部１１０は、サーバ装置１００の外部と情報のやり取りを行う。サーバ装置１００のプロセッサ部１２０は、インターフェース部１１０を介して、サーバ装置１００の外部から情報を受信することが可能であり、サーバ装置１００の外部に情報を送信することが可能である。インターフェース部１１０は、任意の形式で情報のやり取りを行うことができる。
　インターフェース部１１０は、例えば、サーバ装置１００に情報を入力することを可能にする入力部を備える。入力部が、どのような態様でサーバ装置１００に情報を入力することを可能にするかは問わない。インターフェース部１１０は、例えば、サーバ装置１００から情報を出力することを可能にする出力部を備える。出力部が、どのような態様でサーバ装置１００から情報を出力することを可能にするかは問わない。
　プロセッサ部１２０は、サーバ装置１００の処理を実行し、かつ、サーバ装置１００全体の動作を制御する。プロセッサ部１２０は、メモリ部１５０に格納されているプログラムを読み出し、そのプログラムを実行する。これにより、サーバ装置１００を所望のステップを実行するシステムとして機能させることが可能である。プロセッサ部１２０は、単一のプロセッサによって実装されてもよいし、複数のプロセッサによって実装されてもよい。
　メモリ部１５０は、サーバ装置１００の処理を実行するために必要とされるプログラムやそのプログラムの実行に必要とされるデータ等を格納する。メモリ部１５０は、健康度ポジショニングマップを作成するための処理をプロセッサ部１２０に行わせるためのプログラム（例えば、後述する図５Ａ、図５Ｂに示される処理を実現するプログラム）、健康関数を作成するための処理をプロセッサ部１３０に行わせるためのプログラム（例えば、後述する図６に示される処理を実現するプログラム）、ユーザの健康度を推定するための処理をプロセッサ部１４０に行わせるためのプログラム（例えば、後述する図７Ａ、図７Ｂに示される処理を実現するプログラム）、を格納してもよい。ここで、プログラムをどのようにしてメモリ部１５０に格納するかは問わない。例えば、プログラムは、メモリ部１５０にプリインストールされていてもよい。あるいは、プログラムは、ネットワークを経由してダウンロードされることによってメモリ部１５０にインストールされるようにしてもよい。この場合、ネットワークの種類は問わない。メモリ部１５０は、任意の記憶手段によって実装され得る。
　データベース部２００には、例えば、複数の被験者から得られたデータが格納され得る。また、データベース部２００には、例えば、サーバ装置１００によって生成された健康度ポジショニングマップのデータが格納され得る。また、データベース部２００には、例えば、サーバ装置１００によって生成された健康関数が格納され得る。また、データベース部２００には、サーバ装置１００によって導出されたユーザの健康度を示す健康度情報が格納され得る。ユーザの健康度を示す健康度情報は、ユーザの同意が得られたときに、データベース部２００に格納され、他のユーザによる研究利用に供されることが可能になる。
　図３Ａは、一実施形態におけるプロセッサ部１２０の構成の一例を示す。プロセッサ部１２０は、健康度ポジショニングマップを作成する処理のための構成を有し得る。
　プロセッサ部１２０は、取得手段１２１と、処理手段１２２と、マッピング手段１２３と、クラスタリング手段１２４と、特徴付け手段１２５とを備える。
　取得手段１２１は、複数の被験者の各々について、後述する第１パラメータセットに対する第１データセットを取得するように構成されている。例えば、取得手段１２１は、被験者１人当たりに複数の項目（例えば、或る実施形態では、２３２項目）のデータセットを取得する。第１パラメータセットは、例えば、初期パラメータセットのデータセットを取得し、初期パラメータセットのデータセットの各データ間の相関を取り、相関係数が所定の閾値以上のパラメータを抽出することによって得られた抽出パラメータセットであってもよい。このとき、抽出パラメータセットには、後述する基本４パラメータを含むように抽出されることができる。第１パラメータセットは、例えば、初期パラメータセットのデータセットを取得し、初期パラメータセットのデータセットから健康度ポジショニングマップに対する影響度が高いパラメータセットを機械学習によって抽出することによって得られた抽出パラメータセットであってもよい。
　取得手段１２１は、例えば、データベース部２００に格納された複数の被験者についてのデータを、インターフェース部１１０を介して受信し、受信されたデータを取得することができる。取得手段１２１は、例えば、データベース部２００に格納された複数の被験者についてのデータを、検査施設（例えば、病院、研究所等）のコンピュータシステムからインターフェース部１１０を介して受信し、受信されたデータを取得することができる。取得された第１データセットは、後続の処理のために、処理手段１２２に渡される。
　データベース部２００には、第１パラメータセットに対する第１データセットが格納され得る。
　図４は、データベース部２００に格納される第１データセットのデータ構成の一例を示す。
　データベース部２００には、複数の被験者の各々について、第１パラメータセットに対する第１データセットが格納されている。複数の被験者の各々には、ＩＤが付与されている。例えば、データベース部２００には、年齢、筋肉量、ＢＭＩ、脂肪率、超音波伝導速度、骨粗鬆症指数・・・等の第１パラメータセットの各パラメータの値のセット（第１データセット）が格納されている。
　再び図３Ａを参照すると、一実施形態において、取得手段１２１はさらに、作成された健康度ポジショニングマップに含まれる複数の領域のうちの一部の領域に含まれる第１データを、サブ第１データとして取得するように構成されてもよい。あるいは、取得手段１２１は、後述するクラスタリング手段１２４によって特定された複数の領域のうちの一部の領域に含まれる第１データを、サブ第１データとして取得するように構成されてもよい。取得手段１２１は、例えば、健康度ポジショニングマップ作成者によって選択された領域内の第１データを取得することができる。健康度ポジショニングマップ作成者は、領域の選択を、インターフェース部１１０を介してサーバ装置１００に入力することができる。健康度ポジショニングマップ作成者は、例えば、複数の被験者のうちの特定の集団、例えば、男性被験者集団、女性被験者集団、若年層集団（４０歳未満の集団）、中年層集団（４０歳以上６０歳未満の集団）、老年層集団（６０歳以上の集団）等にフォーカスした健康度ポジショニングマップを作成するために、それらの集団が属し得る領域を選択することができる。取得されたサブ第１データは、後続の処理のためにクラスタリング手段１２４に渡され得る。
　処理手段１２２は、取得手段１２１によって取得された第１データセットを処理するように構成されている。処理手段１２２は、第１データセットを処理することにより、第１データを出力することができる。
　処理手段１２２による処理は、出力される第１データをマッピングすることができる限り、任意の処理を含み得る。男女混合データに基づいてポジショニングマップを作成する場合には、性差の補正を行うことが好ましい。
　処理手段１２２による処理は、例えば、次元削減処理を含み得る。次元削減処理は、ｍ次元のデータをｎ次元のデータに変換する処理であり、ここで、ｍ＞ｎである。次元削減処理は、例えば、多次元尺度構成法（ＭＤＳ：ｍｕｌｔｉ－ｄｉｍｅｎｓｉｏｎａｌ　ｓｃａｌｉｎｇ）、主成分分析、重回帰分析、主成分分析、または機械学習等を用いて行われ得るが、次元削減処理の手段はこれらに限定されない。次元削減処理は、第１データセットを２次元のデータまたは３次元のデータに削減することが好ましい。２次元のデータまたは３次元のデータを、後述するマッピング手段１２３によってマッピングすると、２次元空間または３次元空間のマップとなり、視覚的に理解しやすいマップを得ることができるからである。次元削減処理は、多次元尺度構成法を用いて行われ得る。多次元尺度構成法によって得られる第１データを、後述するマッピング手段１２３によってマッピングすると、視覚的に理解しやすいマップを得ることができるからである。
　処理手段１２２による処理は、例えば、標準化処理を含み得る。標準化処理は、第１データセットのパラメータ毎のデータのスケールを揃える処理である。標準化処理は、例えば、Ｚスコアを算出する処理（平均値が０であり、かつ、標準偏差が１であるようにデータを補正する処理）、Ｔスコアを算出する処理（平均値が５０であり、かつ、標準偏差が１０であるようにデータを補正する処理）等であり得る。処理手段１２２は、第１パラメータセットのうちのすべてのパラメータについて、第１データセットのデータの標準化処理を行うようにしてもよいし、特定のパラメータについて、第１データセットのデータの標準化処理を行うようにしてもよい。
　処理手段１２２は、複数の被験者の全体の第１データセットについて、標準化処理を行うようにしてもよいし、複数の被験者のうちの特定の母集団の第１データセットについて、標準化処理を行うようにしてもよい。複数の被験者のうちの特定の母集団は、例えば、男性被験者集団、女性被験者集団、若年層集団（４０歳未満の集団）、中年層集団（４０歳以上６０歳未満の集団）、老年層集団（６０歳以上の集団）等を含むがこれらに限定されない。処理手段１２２は、複数の被験者から任意の母集団を形成し、その母集団の第１データセットについて、標準化処理を行うことができる。
　例えば、処理手段１２２は、複数の被験者からの第１データセットを、男性被験者のデータセットと、女性被験者のデータセットとに分類し、男性被験者のデータセットを標準化することにより、男性被験者集団についての標準化処理を行うことができ、あるいは、女性被験者のデータセットを標準化することにより、女性被験者集団についての標準化処理を行うことができ、あるいは、これらの両方を行うことができる。このように、男性被験者集団および／または女性被験者集団について標準化処理を行うことは、第１パラメータセットのうち男女差があるパラメータ（例えば、血液中の中性脂肪濃度等）に対して好ましく、第１パラメータセットのうち男女差が顕著なパラメータ（例えば、血液中の赤血球数等）に対してより好ましい。これにより、男女差がなくなり、男女差による偏りのない健康度ポジショニングマップを作成することができるようになるからである。
　処理手段１２２による処理は、例えば、重み付け処理を含み得る。重み付け処理は、第１データセットのうちの少なくとも一部のデータに重みを付ける処理である。例えば、第１データセットのうちの少なくとも一部のデータに所定数を加算して重みを付けるようにしてもよいし、第１データセットのうちの少なくとも一部のデータに所定数を乗算して重みを付けるようにしてもよい。加算または乗算される所定数は、重み付け処理されるデータ毎に一定であってもよいし、異ならせてもよい。例えば、後述する導出手段１３３によって導出される健康関数に対する影響が大きいデータに対して、大きくまたは小さく重みを付けるように所定数を変動させることができる。あるいは、例えば、後述する導出手段１３３によって導出される健康関数に対する影響が小さいデータに対して、大きくまたは小さく重みを付けるように所定数を変動させることができる。
　処理手段１２２は、複数の被験者の全体の第１データセットについて、重み付け処理を行うようにしてもよいし、複数の被験者のうちの特定の母集団の第１データセットについて、重み付け処理を行うようにしてもよい。処理手段１２２は、複数の被験者から任意の母集団を形成し、その母集団の第１データセットについて、重み付け処理を行うことができる。重み付け処理が行われる母集団は、上述した標準化処理が行われる母集団と同じであってもよいし、異なっていてもよい。
　マッピング手段１２３は、複数の被験者の各々について、処理手段１２２の出力である第１データをマッピングするように構成されている。マッピング手段１２３によるマッピングは、ｎ次元の第１データをｎ次元空間上の位置に関連付ける処理である。マッピング手段１２３は、第１データをマッピングすることにより、複数の被験者の各々の第１データがマッピングされたマップを出力することができる。例えば、第１データが２次元である場合には、マッピング手段１２３は、第１データを、２次元空間、すなわち、平面上の位置に関連付けるように、第１データをマッピングすることにより、２次元マップを出力することができる。図９Ａは、マッピング手段１２３によるマッピング結果の一例を示す図である。図９Ａに示すように、マッピング手段１２３は、複数の被験者について、処理手段１２２によって得られた第１データによって定められる点を、２次元空間（多次元空間）にプロットすることによりマップを出力する。マッピング手段１２３は、例えば、ｎ次元の第１データをｎ個の軸を有するレーダーチャート上にマッピングすることにより、複数の被験者の各々の第１データがマッピングされたマップ（レーダーチャート）を出力するようにしてもよい。
　クラスタリング手段１２４は、マッピング手段１２３によってマッピングされた第１データをクラスタリングするように構成されている。クラスタリング手段１２４によるクラスタリングは、マッピングされた第１データを複数のクラスターに区分し、複数のクラスターが属するそれぞれの領域を特定する処理である。本明細書において、「領域」は、ｎ次元空間内の或る範囲のことをいい、ｎ次元の広がりを有する。クラスタリング手段１２４は、マッピングされた第１データを任意の個数のクラスターに区分することができる。例えば、クラスタリング手段１２４は、マッピングされた第１データを少なくとも３個のクラスターに区分することが好ましい。３個のクラスター（例えば、図１Ｂに示されるような、健康度良好、健康度普通、健康度悪い等のクラスター）を用いることにより、ユーザが直感的に理解できるような健康度ポジショニングマップを作成することができるからである。マッピングされた第１データが区分されるクラスターの数は、複数の被験者のＮ数に依存するようにしてもよい。図９Ａに示す例では、クラスタリング手段１２４は、マッピング手段１２３によってマッピングされた第１データを４つのクラスターに分類している。クラスタリング手段１２４は、任意の公知の手法を用いて、データをクラスタリングすることができる。例えば、クラスタリング手段１２４は、非階層クラスタリング法（例えば、ｋ平均法、ｋ平均＋＋法、ＰＡＭ法等）を用いて、データを複数のクラスターに区分することができる。クラスタリング手段１２４は、好ましくは、ｋ平均法を用いてデータを複数のクラスターに区分し得る。ｋ平均法を用いたクラスタリングの結果は、他の手法によるクラスタリングの結果に比べて、被験者集団の傾向をよく反映しており、含まれる情報がリッチであったからである。クラスタリング手段１２４は、例えば、複数のクラスターのそれぞれを区分する境界を画定することによって、複数の領域を特定することができる。境界を画定することは、任意の公知の処理を用いて行われることができる。例えば、上述したレーダーチャートの例では、クラスタリング手段１２４は、単に、各軸の値を他の軸の値と区分し、複数の軸を複数の領域として特定することができる。
　一実施形態において、クラスタリング手段１２４はさらに、取得手段１２１によって取得されたサブ第１データをクラスタリングするように構成され得る。クラスタリング手段１２４は、サブ第１データを複数のクラスターに区分し、複数のクラスターが属するそれぞれの領域を特定することができる。クラスタリング手段１２４は、サブ第１データを任意の個数のクラスターに区分することができる。
　特徴付け手段１２５は、クラスタリング手段１２４によって特定された複数の領域のうちの少なくとも一部を特徴付けるように構成されている。特徴付け手段１２５は、例えば、健康度ポジショニングマップ作成者によってインターフェース部１１０を介してサーバ装置１００に入力された情報に基づいて、複数の領域のうちの少なくとも一部を特徴付けるようにしてもよい。例えば、健康度ポジショニングマップ作成者は、複数の領域のそれぞれに含まれる第１データに対応する被験者の特徴を分析し、分析結果に基づいて、その領域が特徴付けられるべき情報を入力することができる。あるいは、特徴付け手段１２５は、健康度ポジショニングマップ作成者による入力に依らずに、複数の領域のうちの少なくとも一部を特徴付けるようにしてもよい。例えば、特徴付け手段１２５は、健康度ポジショニングマップにおける相対位置に基づいて、複数の領域のうちの少なくとも一部を特徴付けてもよいし、機械学習に基づいて、複数の領域のうちの少なくとも一部を特徴付けてもよい。
　このようにして、複数の領域のうちの少なくとも一部が特徴付けられた健康度ポジショニングマップが作成される。一実施形態において、サブ第１データをクラスタリングすることによって特定された複数の領域のうちの一部が特徴付けられた場合の健康度ポジショニングマップは、複数の被験者のうちの一部の被験者についての健康度ポジショニングマップとなる。
　プロセッサ部１２０によって作成された健康度ポジショニングマップは、例えば、インターフェース部１１０を介してサーバ装置１００の外部に出力される。健康度ポジショニングマップは、例えば、インターフェース部１１０を介してデータベース部２００に送信され、データベース部２００に格納されてもよい。あるいは、健康関数作成のために、後述するプロセッサ部１３０に送信されてもよい。後述するように、プロセッサ部１３０は、プロセッサ部１２０と同じサーバ装置１００の構成要素であってもよいし、別のコンピュータシステムの構成要素であってもよい。
　図３Ｂは、別の実施形態におけるプロセッサ部１３０の構成の一例を示す。プロセッサ部１３０は、健康度ポジショニングマップ上に被験者の健康度をマッピングするための健康関数を作成する処理のための構成を有し得る。プロセッサ部１３０は、上述したプロセッサ部１２０の代替としてサーバ装置１００が備えるプロセッサ部であってもよいし、プロセッサ部１２０に加えてサーバ装置１００が備えるプロセッサ部であってもよい。プロセッサ部１３０がプロセッサ部１２０に加えてサーバ装置１００が備えるプロセッサ部である場合には、プロセッサ部１２０およびプロセッサ部１３０は、同一のプロセッサによって実装されてもよいし、異なるプロセッサによって実装されてもよい。
　プロセッサ部１３０は、第１取得手段１３１と、第２取得手段１３２と、導出手段１３３とを備える。
　第１取得手段１３１は、健康度ポジショニングマップを取得するように構成されている。取得される健康度ポジショニングマップは、第１パラメータセットを用いて作成されている限り、上述したプロセッサ部１２０によって作成された健康度ポジショニングマップであってもよいし、別様に作成された健康度ポジショニングマップであってもよい。取得された健康度ポジショニングマップは、後続の処理のために、導出手段１３３に渡される。
　第２取得手段１３２は、複数の被験者のうちの少なくとも一部について、後述する第２パラメータセットに対する第２データセットを取得するように構成されている。本明細書では、第２パラメータセットは、単に、「パラメータセット」とも呼称する。第２パラメータセットは、第１パラメータセットの一部である。第２パラメータセットには、第１パラメータセットにはないものが含まれていてもよい。第２取得手段１３２は、例えば、データベース部２００に格納された複数の被験者の一部についてのデータを、インターフェース部１１０を介して取得することができる。取得された第２データセットは、後続の処理のために、導出手段１３３に渡される。
　導出手段１３３は、第２取得手段１３２によって取得された第２データセットと、第１取得手段１３１によって取得された健康度ポジショニングマップ上の位置とを相関させる健康関数を導出するように構成されている。導出手段１３３は、例えば、機械学習、決定木分析、ランダムフォレスト回帰、重回帰分析、主成分解析等によって健康関数を導出することができる。健康関数は、例えば、ｎ次元の健康度ポジショニングマップの軸毎に導出され得る。例えば、健康度ポジショニングマップが２次元である場合には、第２データセットと、健康度ポジショニングマップ上のＸ座標とを相関させる健康関数Ｘと、２データセットと、健康度ポジショニングマップ上のＹ座標とを相関させる健康関数Ｙとを導出することができる。導出手段１３３は、例えば、健康関数の変数の数を任意に増減させ、同定の精度を有する複数の健康関数、すなわち、健康関数群（以降では、複数パターン健康関数群とも呼称する）を作成してもよい。例えば、導出手段１３３は、互いに、同程度の精度を持つ、（１）血液検査項目のデータと、他の項目のデータとを変数とする健康関数、並びに、（２）血液検査項目のデータのみを変数とする健康関数を作成してもよい。また、導出手段１３３は、複数パターン健康関数群として、血液検査項目のデータ以外の項目のデータ群から選択されるデータを変数とする健康関数群を作成してもよい。
　健康関数は、例えば、回帰モデルであり得る。回帰モデルは、線形回帰モデルであってもよいし、非線形回帰モデルであってもよい。導出手段１３３は、複数の被験者のうちの少なくとも一部の各被験者について、第２データセットを独立変数とし、その被験者の健康度ポジショニングマップ上の座標を従属変数として機械学習することにより、回帰モデルの各係数を導出することができる。このような機械学習済の回帰モデルの独立変数に被験者から得られた第２データセットを入力すると、その被験者の健康度ポジショニングマップ上の座標が出力される。出力された座標を用いて、その被験者の健康度を健康度ポジショニングマップ上にマッピングすることができる。
　健康関数は、例えば、ニューラルネットワークモデルであり得る。ニューラルネットワークモデルは、入力層と、少なくとも１つの隠れ層と、出力層とを有する。ニューラルネットワークモデルの入力層のノード数は、入力されるデータの次元数に対応する。すなわち、入力数のノード数は、第２パラメータセットのパラメータ数に対応している。ニューラルネットワークモデルの隠れ層は、任意の数のノードを含むことができる。ニューラルネットワークモデルの出力層のノード数は、出力されるデータの次元数に対応する。すなわち、ニューラルネットワークモデルから健康度ポジショニングマップ上のＸ座標を出力する場合には、出力層のノード数は１となる。例えば、ニューラルネットワークモデルからｎ次元の健康度ポジショニングマップ上のｎ個の座標を出力する場合には、出力層のノード数はｎとなる。導出手段１３３は、複数の被験者のうちの少なくとも一部の各被験者について、第２データセットを入力用教師データとし、その被験者の健康度ポジショニングマップ上の位置を出力用教師データとして機械学習することにより、各ノードの重み係数を導出することができる。
　例えば、機械学習のための（入力用教師データ，出力用教師データ）の組は、（第１の被験者についての第２パラメータセットに対する第２データセット，第１の被験者の健康度ポジショニングマップ上の座標）、（第２の被験者についての第２パラメータセットに対する第２データセット，第２の被験者の健康度ポジショニングマップ上の座標）、・・・（第ｉの被験者についての第２パラメータセットに対する第２データセット，第ｉの被験者の健康度ポジショニングマップ上の座標）、・・・等であり得る。このような機械学習済のニューラルネットワークモデルの入力層に被験者から得られた第２データセットを入力すると、その被験者の健康度ポジショニングマップ上の座標が出力層に出力される。出力された座標を用いて、その被験者の健康度を健康度ポジショニングマップ上にマッピングすることができる。
　プロセッサ部１３０によって作成された健康関数は、例えば、インターフェース部１１０を介してサーバ装置１００の外部に出力される。健康関数は、例えば、インターフェース部１１０を介してデータベース部２００に送信され、データベース部２００に格納されてもよい。あるいは、ユーザの健康度を推定する処理のために、後述するプロセッサ部１４０に送信されてもよい。後述するように、プロセッサ部１４０は、プロセッサ部１３０と同じサーバ装置１００の構成要素であってもよいし、別のコンピュータシステムの構成要素であってもよい。
　図３Ｃは、さらに別の実施形態におけるプロセッサ部１４０の構成の一例を示す。プロセッサ部１４０は、ユーザの健康度を推定する処理のための構成を有し得る。プロセッサ部１４０による処理では、ユーザの健康度が健康度ポジショニングマップ上のどの領域に位置するかを推定することにより、ユーザの健康度を推定することができる。プロセッサ部１４０は、上述したプロセッサ部１２０およびプロセッサ部１３０の代替としてサーバ装置１００が備えるプロセッサ部であってもよいし、上述したプロセッサ部１２０および／またはプロセッサ部１３０に加えてサーバ装置１００が備えるプロセッサ部であってもよい。プロセッサ部１４０がプロセッサ部１２０および／またはプロセッサ部１３０に加えてサーバ装置１００が備えるプロセッサ部である場合には、プロセッサ部１２０、プロセッサ部１３０、およびプロセッサ部１４０は、すべてが同一のプロセッサによって実装されてもよいし、すべてが異なるプロセッサによって実装されてもよいし、プロセッサ部１２０、プロセッサ部１３０、およびプロセッサ部１４０のうちの２つが同一のプロセッサによって実装されてもよい。
　プロセッサ部１４０は、第３取得手段１４１と、第４取得手段１４２と、出力生成手段１４３と、出力マッピング手段１４４とを備える。
　第３取得手段１４１は、健康関数を取得するように構成されている。健康関数は、上述した第２パラメータセットに対するデータセットと、健康度ポジショニングマップ上の位置とを相関させる関数である。取得される健康関数は、ユーザデータセットと健康度ポジショニングマップ上の位置とを相関させることができる限り、上述したプロセッサ部１３０によって作成された健康関数であってもよいし、別様に作成された健康関数であってもよい。健康度ポジショニングマップは、第１パラメータセットを用いて作成されている限り、上述したプロセッサ部１２０によって作成された健康度ポジショニングマップであってもよいし、別様に作成された健康度ポジショニングマップであってもよい。取得された健康関数は、後続の処理のために、出力生成手段１４３に渡される。
　第４取得手段１４２は、ユーザの第２パラメータセットに対するユーザデータセットを取得するように構成されている。第４取得手段１４２は、例えば、データベース部２００に格納されたユーザデータセットを、インターフェース部１１０を介して取得することができる。あるいは、第４取得手段１４２は、例えば、ユーザデータセットを、端末装置３００からインターフェース部１１０を介して取得することができる。取得されたユーザデータセットは、後続の処理のために、出力生成手段１４３に渡される。
　出力生成手段１４３は、健康関数から出力を生成するように構成されている。出力生成手段１４３は、第４取得手段１４２によって取得されたユーザデータセットを、第３取得手段１４１によって取得された健康関数に入力することにより、健康関数から出力を生成する。この出力は、本明細書では、「健康度情報」と呼称する。健康度情報は、健康度ポジショニングマップ上の座標（例えば、Ｘ軸の値、Ｙ軸の値）を含む。
　例えば、健康関数が上述したような回帰モデルである場合、ユーザデータセットを回帰モデルの独立変数に入力することにより、健康度ポジショニングマップ上の座標が出力される。
　例えば、健康関数が上述したようなニューラルネットワークモデルである場合、ユーザデータセットをニューラルネットワークモデルの入力層に入力することにより、健康度ポジショニングマップ上の座標が出力される。
　出力マッピング手段１４４は、出力生成手段１４３によって生成された出力を健康度ポジショニングマップ上にマッピングするように構成されている。出力生成手段１４３によって生成された出力が座標であるため、出力マッピング手段１４４は、健康度ポジショニングマップのｎ次元空間内にその座標をマッピングすることができる。
　プロセッサ部１４０によって健康度ポジショニングマップ上にマッピングされた出力は、例えば、インターフェース部１１０を介してサーバ装置１００の外部に出力される。出力は、例えば、インターフェース部１１０を介して端末装置３００に送信され得る。
　上述した例では、プロセッサ部１４０が出力マッピング手段１４４を備えることを説明したが、プロセッサ部１４０は、出力マッピング手段１４４を備えなくてもよい。プロセッサ部１４０が出力マッピング手段１４４を備える代わりに、端末装置３００が、健康度情報を健康度ポジショニングマップ上の位置として表現する機能を有するようにしてもよい。このとき、出力生成手段１４３による出力、すなわち、健康度情報が、インターフェース部１１０を介して端末装置３００に送信される。
　なお、上述したサーバ装置１００の各構成要素は、単一のハードウェア部品で構成されていてもよいし、複数のハードウェア部品で構成されていてもよい。複数のハードウェア部品で構成される場合は、各ハードウェア部品が接続される態様は問わない。各ハードウェア部品は、無線で接続されてもよいし、有線で接続されてもよい。本発明のサーバ装置１００は、特定のハードウェア構成には限定されない。プロセッサ部１２０、１３０、１４０をデジタル回路ではなくアナログ回路によって構成することも本発明の範囲内である。本発明のサーバ装置１００の構成は、その機能を実現できる限りにおいて上述したものに限定されない。
　図３Ｄは、一実施形態におけるサーバ装置１００によるデータフロー１の一例を示す図である。図３Ｄに示すように、データフロー１は、データ取得ステップ１０と、データ処理ステップ２０と、健康評価マップ作成ステップ３０と、クラスタリングマップ作成ステップ４０と、健康関数値算出ステップ５０と、ポジショニングマップ作成ステップ６０と、出力ステップ７０とを含む。例えば、データ取得ステップ１０、データ処理ステップ２０、健康評価マップ作成ステップ３０、クラスタリングマップ作成ステップ４０は、健康度ポジショニングマップ作成装置としての機能を有し、例えば、上述したプロセッサ部１２０を備えるサーバ装置１００によって実装され得る。また、データ取得ステップ１０、および健康関数値算出ステップ５０は、健康関数値算出装置としての機能を有し、例えば、上述したプロセッサ部１４０を備えるサーバ装置１００によって実装され得る。出力ステップ７０では、データ処理ステップ２０、健康評価マップ作成ステップ３０、クラスタリングマップ作成ステップ４０、健康関数値算出ステップ５０、またはポジショニングマップ作成ステップ６０において生成されたデータを出力し、例えば、表示装置（例えば、液晶ディスプレイ）によって出力される。
　データ取得ステップ１０で取得されたデータセットは、データ処理ステップ２０に送られる。
　データ処理ステップ２０は、例えば、図３Ｄに示すように、補正２１、および次元削減２２を行う。データ処理ステップ２０は、例えば、上述したプロセッサ部１２０の処理手段１２２によって実装され得る。
　補正２１は、データ取得ステップ１０で取得されたデータを補正することである。具体的には、補正２１は、例えば、データ取得ステップ１０で取得されたデータの値が所定の範囲の値（例えば、平均値が０であり、かつ、標準偏差が１）となるように、データ取得ステップ１０で取得された各データを補正する。補正されたデータは、次元削減２２に送られる。
　次元削減２２は、データ取得ステップ１０または補正ステップ２１から渡された複数のデータの次元を削減する。具体的には、次元削減２２は、重回帰分析、多次元尺度法、主成分分析、または機械学習を用いて、データ取得ステップ１０または補正ステップ２１から渡された複数のデータ（多次元データ）の次元を任意の次元（本実施形態では、２次元）にする。次元削減されたデータは、例えば、関数の形式であってもよい。例えば、この関数は、健康に関する指標を算出するための関数である。関数は、例えば、第１データに含まれる一部またはすべてのデータを変数とする関数であり、様々な病気の因子のうち特に影響が大きいデータに対してより大きな重みづけを行うことにより作成される関数である。本実施形態における関数は、第１データに含まれる一部またはすべてのデータを線形または非線形モデルを用いて作成される。一実施形態において、２次元の関数（本実施形態では、横軸の関数Ｘ（以降では、第１関数と呼称する）、および、縦軸の関数Ｙ（以降では、第２関数と呼称する）によって構成される）が作成される。作成された関数は、健康評価マップ作成ステップ３０および出力ステップ７０に渡される。
　本実施形態では、次元削減２２は、上述したように、多次元データを２次元まで下げることにより２次元の関数を作成する。第１関数および第２関数は、データ取得ステップ１０または補正ステップ２１から渡された複数のデータの全部または一部を変数とする関数であり、重回帰分析、多次元尺度法、主成分分析、または機械学習で算出された関数である。本発明では、「機械学習」は、深層学習を含む機械学習、または、深層学習を含まない機械学習のいずれかを意味する。第１関数と第２関数とは、構成する変数が完全に同一または完全に異なっていてもよいし、一部の変数が互いに重複していてもよい。
　健康評価マップ作成ステップ３０は、例えば、上述したプロセッサ部１２０のマッピング手段１２３によって実装され得る。健康評価マップ作成ステップ３０では、例えば、データ処理ステップ２０によって処理されたデータを用いて、より具体的には、次元削減によって作成された関数を用いて、健康を評価するマップ（以降では、健康評価マップと呼称する）が作成される。本実施形態では、関数が２次元であるため、健康評価マップは、２次元のマップとなる。図９Ａは、健康評価マップの一例を示す図である。図９Ａに示すように、健康評価マップ作成ステップ３０では、複数の被験者について、第１関数および第２関数によって定められる点を、２次元空間（多次元空間）にプロットすることにより健康評価マップが作成される。
　クラスタリングマップ作成ステップ４０は、例えば、上述したプロセッサ部１２０のクラスタリング手段１２４および特徴付け手段１２５によって実装され得る。クラスタリングマップ作成ステップ４０では、例えば、健康評価マップ作成ステップ３０で作成された健康評価マップにプロットされた複数の点をいくつかのクラスターにクラスタリングし、複数の領域を特徴付けたマップ（以降では、健康度ポジショニングマップと呼称する）が作成される。本実施形態におけるクラスタリングマップ作成ステップ４０では、非階層クラスタリング法（本実施形態では、ｋ平均法）を用いて、プロットされた複数の点を任意の数のクラスターにクラスタリングする。図９Ａに示す例では、４つのクラスターに分類している。この４つの領域の少なくとも１つを健康に関する情報で特徴付けることによって、健康度ポジショニングマップが作成される。
　作成された健康度ポジショニングマップは、出力ステップ７０において出力されてもよいし、健康関数値算出ステップ５０に渡されてもよいし、健康予測ポジショニングマップ作成ステップ６０に渡されてもよい。
　健康関数値算出ステップ５０および健康予測ポジショニングマップ作成ステップ６０は、例えば、上述したプロセッサ部１３０およびプロセッサ部１４０によって実装され得る。健康関数値算出ステップ５０では、まず、健康度ポジショニングマップに基づいて、健康関数が作成される。なお、健康関数の変数の数を任意に増減させ、同定の精度を有する複数の健康関数、すなわち、健康関数群を作成してもよい。次いで、健康関数を作成するために第１データセットを取得した被験者とは異なる被験者の健康関数の値を算出する。具体的には、データ取得ステップ１０により取得された対象となる被験者のデータ（新規に取得されたデータ）に対して、作成された健康関数を適用することにより、当該被験者の健康関数の値を算出する。なお、健康関数が多次元関数であるので、健康関数値も当然ながら多次元の値である。
　健康予測ポジショニングマップ作成ステップ６０は、健康関数値算出ステップ５０によって算出された被験者の健康関数の値を、健康評価マップ作成ステップ３０によって作成された健康評価マップまたは、クラスタリングマップ作成ステップ４０によって作成された健康度ポジショニングマップ上にプロットし、健康予測ポジショニングマップを作成する。これにより、新規にデータを測定した被験者の健康状態を予測することができる。
　また、健康予測ポジショニングマップ作成ステップ６０は、単一の被験者について、時間間隔をおいて取得されたデータを用いて健康関数値算出ステップ５０で算出された健康関数の値を、上記健康評価マップまたは上記健康度ポジショニングマップ上にプロットし、健康予測ポジショニングマップを作成してもよい。これにより、当該被験者の健康状態の変化の程度を評価することができる。
　また、新規の被験者から取得したデータは、健康関数をアップデート（更新）するためのデータとしても用いることができる。健康関数値算出ステップ５０では、新規の被験者から取得したデータ、または、当該データを用いて補正ステップ２１から出力されたデータをさらに用いることにより、健康関数のアップデートを行うことが可能である。これにより、より様々な健康リスクの評価を可能としたり、健康リスク評価の精度を高めたりすることができる。
　データフロー１の各ステップ（特に、データ処理ステップ２０、健康評価マップ作成ステップ３０、クラスタリングマップ作成ステップ４０、健康関数値算出ステップ５０、および健康予測ポジショニングマップ作成ステップ６０）は、集積回路（ＩＣチップ）等に形成された論理回路（ハードウェア）によって実現してもよいし、ソフトウェアによって実現してもよい。後者の場合、健康評価装置１は、各機能を実現するソフトウェアであるプログラムの命令を実行するコンピュータを備えている。このコンピュータは、例えば１つ以上のプロセッサを備えていると共に、上記プログラムを記憶したコンピュータ読み取り可能な記録媒体を備えている。そして、上記コンピュータにおいて、上記プロセッサが上記プログラムを上記記録媒体から読み取って実行することにより、本発明の目的が達成される。上記プロセッサとしては、例えばＣＰＵ（Central　Processing　Unit）を用い
ることができる。上記記録媒体としては、「一時的でない有形の媒体」、例えば、ＲＯＭ（Read　Only　Memory）等の他、テープ、ディスク、カード、半導体メモリ、プログラマブルな論理回路などを用いることができる。また、上記プログラムを展開するＲＡＭ（Random　Access　Memory）などをさらに備えていてもよい。また、上記プログラムは、該プログラムを伝送可能な任意の伝送媒体（通信ネットワークや放送波等）を介して上記コンピュータに供給されてもよい。なお、本発明の一態様は、上記プログラムが電子的な伝送によって具現化された、搬送波に埋め込まれたデータ信号の形態でも実現され得る。
　上記のデータフローによれば、様々なデータを用いて健康度ポジショニングマップおよび／または健康関数を作成することができる。すなわち、既存の個別の疾患に関する健康指標ではなく、被験者の健康度を総合的に算出することができる健康度ポジショニングマップおよび／または健康関数を作成することができる。したがって、様々な健康リスクを評価することができる（すなわち、被験者の健康総体の健康度を評価できる）健康度ポジショニングマップおよび／または健康関数を作成することができる。
　また、データ取得ステップ１０で測定した様々なデータを組み合わせることにより健康度ポジショニングマップおよび／または健康関数を柔軟に作製することができる。すなわち、データ取得ステップ１０で測定する項目の選定の融通性が非常に高い。
　また、一実施形態では、第２データセットを入力データとする機械学習によって、健康関数を作成する。これにより、より正確に被験者の健康状態の指標を作製できる健康関数を作成することができる。
　また、一実施形態では、第１データセットで健康度ポジショニングマップを作成する前に、性別間のデータの補正を行う。これにより、いずれの性別にも対応できる健康度ポジショニングマップを作成することができる。
　また、本発明の一態様では、第１データが、非侵襲測定によって取得されるデータのみを含む態様であってもよい。上記の構成によれば、血液検査など被験者を傷つけることなく、データを取得することができる。
　また、一実施形態では、データ処理ステップ２０によって作成された関数を用いて健康を評価するマップを作成することができる。具体的には、関数が多次元ベクトルである場合に、複数の被験者について関数によって定められる点を、多次元空間にプロットすることにより健康を評価するマップを作成する。これにより、被験者がどのような健康状態であるかを視覚的に確認することができる。
　また、一実施形態１では、多次元空間にプロットされた点をクラスタリングする。そしてクラスタリングされた各クラスターに属する被験者のデータを参照することにより、それぞれのクラスターがどのような被験者の集団であるかを特定し、それらのクラスターを特徴付けることができる。その結果、新規に測定された被験者のデータを健康度ポジショニングマップ上にプロットすることによって、測定した被験者の健康状態を予測することができるようになる。
　図３Ｅは、端末装置３００の構成の一例を示す。
　端末装置３００は、インターフェース部３１０と、カメラ３２０と、表示部３３０と、メモリ部３４０と、プロセッサ部３５０とを備える。
　インターフェース部３３０は、端末装置３００の外部との情報のやり取りを行う。端末装置３００のプロセッサ部３２０は、インターフェース部３１０を介して、端末装置３００の外部から情報を受信することが可能であり、端末装置３００の外部に情報を送信することが可能である。インターフェース部３１０は、任意の形式で情報のやり取りを行うことができる。
　インターフェース部３１０は、例えば、端末装置３００に情報を入力することを可能にする入力部を備える。入力部が、どのような態様で端末装置３００に情報を入力することを可能にするかは問わない。例えば、入力部がタッチパネルである場合には、ユーザがタッチパネルにタッチすることによって情報を入力するようにしてもよい。あるいは、入力部がマウスである場合には、ユーザがマウスを操作することによって情報を入力するようにしてもよい。あるいは、入力部がキーボードである場合には、ユーザがキーボードのキーを押下することによって情報を入力するようにしてもよい。あるいは、入力部がマイクである場合には、ユーザがマイクに音声を入力することによって情報を入力するようにしてもよい。あるいは、入力部がカメラである場合には、カメラが撮像した情報を入力するようにしてもよい。あるいは、入力部がデータ読み取り装置である場合には、端末装置３００に接続された記憶媒体から情報を読み取ることによって情報を入力するようにしてもよい。あるいは、入力部が受信器である場合、受信器がネットワーク４００を介して端末装置３００の外部から情報を受信することにより入力してもよい。
　インターフェース部３１０は、例えば、端末装置３００から情報を出力することを可能にする出力部を備える。出力部が、どのような態様で端末装置３００から情報を出力することを可能にするかは問わない。例えば、出力部がスピーカである場合には、スピーカからの音声によって情報を出力するようにしてもよい。あるいは、出力部がデータ書き込み装置である場合、端末装置３００に接続された記憶媒体に情報を書き込むことによって情報を出力するようにしてもよい。あるいは、出力部が送信器である場合、送信器がネットワーク４００を介して端末装置３００の外部に情報を送信することにより出力してもよい。この場合、ネットワークの種類は問わない。例えば、送信器は、インターネットを介して情報を送信してもよいし、ＬＡＮを介して情報を送信してもよい。
　端末装置３００は、任意の計測機器とインターフェース部３１０を介して通信することにより、当該計測機器から計測データを受信することができる。
　端末装置３００は、例えば、体組成計とインターフェース部３１０を介して通信することにより、体組成計から体組成パラメータに対するデータを受信することができる。
　体組成計は、被験者の体組成を計測することが可能な任意の機器である。体組成計は、例えば、計測時に上に載るタイプの体組成計、または、身体に装着することができるタイプの体組成計（例えば、腕時計型体組成計）であり得る。体組成計は、例えば体組成を計測するためのアプリケーションをインストールすることによって、端末装置３００によって実装されてもよい。
　端末装置３００は、例えば、血圧計とインターフェース部３１０を介して通信することにより、血圧計から血圧パラメータに対するデータを受信することができる。
　血圧計は、被験者の血圧を計測することが可能な任意の機器である。血圧計は、例えば、血圧計は、身体に装着するタイプの血圧計（例えば、上腕式血圧計、腕時計型血圧計、指輪型血圧計）、または、非接触式血圧計（例えば、カメラで撮影された顔または指の画像から血圧を測定する血圧計）であり得る。血圧計は、例えば血圧を計測するためのアプリケーションをインストールすることによって、端末装置３００によって実装されてもよい。血圧計は、例えば、被験者の体温も計測するようにしてもよい。この場合、例えば、非接触式に（例えば、カメラで撮影された画像から）体温を計測してもよいし、接触式に体温を測定してもよい。
　端末装置３００は、例えば、自律神経測定器とインターフェース部３１０を介して通信することにより、自律神経測定器から自律神経パラメータに対するデータを受信することができる。
　自律神経測定器は、被験者の自律神経機能を計測することが可能な任意の機器である。自律神経測定器は、例えば、心拍変動を検出可能な装置であり得る。自律神経測定器は、例えば自律神経機能を計測するためのアプリケーションをインストールすることによって、端末装置３００によって実装されてもよい。自律神経測定器は、例えば、自律神経パラメータに対するデータとして、脈波に関するデータを計測することができる。自律神経測定器は、例えば、カメラによって撮影された被験者の画像から、被験者の脈波に関するデータを取得し、脈波に関するデータから自律神経パラメータに対するデータを導出することができる。
　端末装置３００は、例えば、質問票処理機器とインターフェース部３１０を介して通信することにより、質問票パラメータに対するデータを受信することができる。
　質問票処理機器は、被験者に質問票に回答させ、被験者による質問票の回答結果を処理することにより、質問票の回答結果からデータを取得することが可能な任意の機器であり得る。質問票処理機器は、例えば、被験者による質問票の回答結果を処理することが可能な電子機器（例えば、ゲーム機器）であってもよい。質問票処理機器は、例えば被験者に質問票に回答させるためのアプリケーションをインストールすることによって、端末装置３００によって実装されてもよい。質問票処理機器は、例えば、質問票の回答用紙を光学的に読み取ることが可能な装置であってもよい。一実施形態において、質問票処理機器は、例えば、質問票パラメータに対するデータとして、年齢、主観的評価パラメータに対するデータ、および／または、生活状況パラメータに対するデータを計測することができる。別の実施形態において、質問票処理機器は、例えば、質問票パラメータに対するデータとして、年齢、ＱＯＬ（Ｑｕａｌｉｔｙ　ｏｆ　Ｌｉｆｅ）に関する主観的評価、疲労に関する主観的評価、心理に関する主観的評価、生活状況等を計測することができる。
　質問票処理機器は、例えば、被験者から取得されたデータから質問票パラメータを導出することが可能な機器であってもよい。このような質問票処理機器は、例えば、活動量計から取得されたデータ（例えば、睡眠時間、運動時間等）から、生活状況を示すデータを取得することができる。あるいは、このような質問票処理機器は、活動量計の機能を有しており、被験者から取得されたデータから自動的に質問票パラメータを取得するようにしてもよい。あるいは、このような質問票処理機器は、撮像機能を有しており、被験者を撮影した画像（例えば、被験者の顔の表情）から自動的に質問票パラメータを取得するようにしてもよい。
　質問票処理機器は、例えば、質問票パラメータを導出することが可能な複数の計測機器から構成された質問票処理機器群であってもよい。例えば、１つの計測機器から少なくとも１つの質問票パラメータを取得し、別の計測機器から少なくとも１つの質問票パラメータを取得することができる。
　端末装置３００は、例えば、温度計とインターフェース部３１０を介して通信することにより、温度に対するデータを受信することができる。温度に対するデータは、例えば、気温、体温を含む。
　体温計は、例えば、非接触式に（例えば、カメラで撮影された顔または指の画像から、または、検温部を検温対象に近づけることによって）温度を計測してもよいし、接触式（例えば、検温部を検温対象に接触させることによって）に温度を測定してもよい。非接触式の温度計は、例えば、電子機器のイヤホンジャックに検温部を接続することにより、電子機器（例えば、端末装置３００）を用いて実装されるようにしてもよい。接触式の温度計は、例えば、わき、口中、耳内等で体温を測定することができる。耳内で体温を測定する温度計は、例えば、イヤホン型（有線イヤホン、ワイヤレスイヤホン等）であってもよい。このような接触式の温度計もまた、電子機器のイヤホンジャックに検温部を接続することにより、または、電子機器と無線接続することにより、電子機器（例えば、端末装置３００）を用いて実装されるようにしてもよい。
　上述した計測機器は、可搬型または携帯型であり得る。本明細書における「可搬型」の計測機器とは、人力で運搬することが可能な機器をいう。本明細書における「携帯型」の計測機器とは、日常生活において持ち運ばれることを意図した機器をいう。可搬型または携帯型の計測機器は、使用場所が制限されないため、これらの機器を利用することにより、任意の場所および任意の時間での簡易な計測が促進される。本発明は、少ない数（例えば、１０個以下、５個以下、４個以下、好ましくは３個以下）の可搬型または携帯型の機器を使用して計測され得るパラメータを用いることによって、簡易にユーザの健康総体の健康度を評価することができるのが利点である。
　上述した計測機器は、骨密度パラメータ、特に、超音波伝導速度（ＳＯＳ＝Ｓｐｅｅｄ　ｏｆ　Ｓｏｕｎｄ）を計測する機能を含まないことが好ましい。典型的な実施形態では、上述した計測機器は、骨密度パラメータ、特に、超音波伝導速度（ＳＯＳ＝Ｓｐｅｅｄ　ｏｆ　Ｓｏｕｎｄ）を計測する機能を要しない。骨密度パラメータを測定するためには、専用の機器構成および熟練の計測者が必要である。骨密度パラメータを計測する機能を含まないまたは要しないことで、上述したように計測機器を可搬型または携帯型にすることができ、または、上述した計測機器と同様の機能を端末装置３００上で実装することができるようになる。これにより、任意の場所および任意の時間での簡易な計測が促進される。
　上述した計測機器は、サーバ連動型であり得る。サーバ連動型の計測機器は、サーバと通信する機能を有する機器であり、計測されたデータをサーバに直接送信することができる。この場合、上述した計測機器は、端末装置３００と通信する必要がなくなる。
　上述した計測機器は、別個の機器によって実装されてもよいし、複数の機能を有する単一の機器によって実装されてもよい。例えば、上述した計測機器のうちの少なくとも１つは、端末装置３００によって実装されてもよい。これにより、計測機器の数を減らすことができ、計測に対するユーザの負担を軽減することができる。例えば、上述した計測機器のうちのすべてを端末装置３００によって実装することにより、ユーザは、端末装置３００のみで計測を行うことができるようになる。
　上述した計測機器によるデータの取得は、被験者が意識的に計測を行うことによってなされるようにしてもよいし、被験者が無意識的に計測を行うことによってなされるようにしてもよい。上述した計測機器によるデータの取得は、例えば、所定の条件が満たされたときに、自動的に計測を行うことによって、被験者に意識させることなく行うことができる。計測は、例えば、被験者の身体に装着された計測機器を用いて、被験者に意識させることなく行うことができる。例えば、被験者の身体に装着された計測機器を用いることで、被験者が室内にいるか室外にいるかに関係なく（例えば、被験者が歩行中であっても、被験者が静止中であっても）、計測を行うことができる。あるいは、またはこれに加えて、計測は、例えば、被験者の行動範囲内に設置された計測機器を用いて、被験者に意識させることなく行うことができる。例えば、被験者の行動範囲内に設置された計測機器を用いることで、被験者が行動範囲内で何をしていても（例えば、被験者が歩行中であっても、被験者が静止中であっても）、計測を行うことができる。被験者の行動範囲内に設置された計測機器は、例えば、被験者が使用する家具（例えば、椅子、ベッド等）に搭載されたセンサ、被験者が使用する電子機器（例えば、パーソナルコンピュータ、冷蔵庫、エアコン、スマートスピーカ等）に搭載されたセンサ、被験者の自宅等の部屋に設置されたセンサを含むが、これらに限定されない。例えば、血圧パラメータに対するデータは、身体に装着された血圧計により、所定の条件が満たされたときに自動的に計測されるようにすることができる。例えば、体組成パラメータに対するデータは、身体に装着された体組成計により、所定の条件が満たされたときに自動的に計測されるようにすることができる。例えば、体組成パラメータに対するデータは、ユーザの椅子の座面に搭載された体組成計により、所定の条件が満たされたときに自動的に計測されるようにすることができる。例えば、自律神経パラメータに対するデータは、自律神経測定器が備えるカメラにより、所定の条件が満たされたときに自動的に計測されるようにすることができる。例えば、自律神経パラメータに対するデータは、被験者が使用する電子機器または端末装置３００に搭載されたカメラによって、所定の条件が満たされたときに自動的に撮影された被験者の画像から、自動的に導出されるようにすることができる。例えば、自律神経パラメータに対するデータは、被験者の自宅等の部屋に設置されたカメラによって、所定の条件が満たされたときに自動的に撮影された被験者の画像から、自動的に導出されるようにすることができる。例えば、質問票パラメータに対するデータは、被験者が使用する電子機器（例えば、スマートスピーカ）とのコミュニケーションから自動的に取得されるようにすることができる。所定の条件は、例えば、所定の時間になったとき（時間的条件）、所定の場所に入った／出たとき（地理的条件）、所定の行動を行ったとき（行動的条件）等を含む。所定の時間は、例えば、１日のうちの予め決められた時間（例えば、午前６時から～午前８時の間、午前１１時～午後１時の間、午後４時～午後６時の間、午後９時～午前０時の間、または午前６時、午後０時、午後６時、午前０時等）であってもよいし、予め決められた間隔毎の時間（例えば、１時間おき、３時間おき、６時間おき、１２時間おき等）であってもよい。所定の場所は、例えば、会社、自宅、リビング、寝室等を含むがこれらに限定されない。所定の行動は、例えば、椅子に座ること、ベッドに寝そべること、一定時間（例えば、１０秒間、３０秒間、１分間）以上カメラの視野内に入ること等を含むがこれらに限定されない。
　一実施形態において、所定の行動は、例えば、少なくとも１つのデータを取得することであり得る。例えば、血圧パラメータに対するデータ、体組成パラメータに対するデータ、自律神経パラメータに対するデータ、質問票パラメータに対するデータのうちの少なくとも１つのデータを取得したことに応答して、血圧パラメータに対するデータ、体組成パラメータに対するデータ、自律神経パラメータに対するデータ、質問票パラメータに対するデータのうちの他のデータを自動的に取得するようにすることができる。例えば、質問票処理機器が、被験者が意識的に質問票に回答した結果から質問票パラメータに対するデータを取得したことに応答して、血圧パラメータに対するデータ、体組成パラメータに対するデータ、自律神経パラメータに対するデータを自動的に計測するようにしてもよい。これにより、質問票に回答するだけの簡単なアクションを被験者に意識的に行わせるだけで、複数のデータを自動的に取得することができる。
　一実施形態において、端末装置３００は、少ない数（例えば、１０個以下、５個以下、４個以下、好ましくは３個以下）の計測機器から受信されたデータに対して、特定の前処理を行ったうえで、データを後続の処理のためにサーバ装置１００に送信するようにしてもよい。特定の前処理により、例えば、少ない数の計測機器から受信されたデータの後続の処理が効率化され得る。
　例えば、端末装置３００は、少ない数の計測機器から受信されたデータのうちの一部に特定の前処理を行うようにしてもよいし、少ない数の計測機器から受信されたデータのうちの全部に特定の前処理を行うようにしてもよい。例えば、端末装置３００は、少ない数の計測機器から受信されたデータのうちの第１のサブセットに対して第１の前処理を行うとともに、少ない数の計測機器から受信されたデータのうちの第２のサブセットに対して、第１の前処理とは異なる第２の前処理を行うようにしてもよい。例えば、端末装置３００は、被験者が意識的に行った計測によって取得されたデータに対して第１の前処理を行い、被験者が無意識的に行った計測によって取得されたデータに対して第２の前処理を行うことができる。
　一実施形態において、端末装置３００は、少ない数の計測機器から受信されたデータを特定の形式のデータ構造に編成したうえで、サーバ装置１００に送信するようにしてもよい。特定の形式のデータ構造にすることにより、例えば、少ない数の計測機器から受信されたデータの後続の処理が効率化され得る。
　例えば、端末装置３００は、少ない数の計測機器から受信されたデータのうちの一部を特定の形式のデータ構造に編成するようにしてもよいし、少ない数の計測機器から受信されたデータのうちの全部を特定の形式のデータ構造に編成するようにしてもよい。例えば、端末装置３００は、少ない数の計測機器から受信されたデータのうちの第１のサブセットを第１の形式のデータ構造に編成するとともに、少ない数の計測機器から受信されたデータのうちの第２のサブセットを、第１の形式とは異なる第２の形式のデータ構造に編成するようにしてもよい。例えば、端末装置３００は、被験者が意識的に行った計測によって取得されたデータを第１の形式のデータ構造に編成し、被験者が無意識的に行った計測によって取得されたデータを第２の形式のデータ構造に編成することができる
　端末装置３００は、例えば、ネットワークに接続可能な機器、例えば、ネットワークに接続可能な電気製品（いわゆる「ＩｏＴ機器」）とインターフェース部３１０を介して通信するようにしてもよい。これにより、端末装置３００は、例えば、健康度（例えば、健康度ポジショニングマップ上の位置）に応じて、機器を制御することができるようになる。このとき、例えば、周囲環境のデータ（例えば、気温、気候、天気、明るさ等）と健康度（例えば、健康度ポジショニングマップ上の位置）とを組みわせて、機器を制御するようにしてもよい。
　機器は、例えば、エアコンである。端末装置３００は、健康度に応じて、適切な室内温度および／または湿度を維持するように、エアコンを制御することができる。機器は、例えば、照明である。端末装置３００は、健康度に応じて、適切な明るさを維持するように、照明を制御することができる。機器は、例えば、音楽プレーヤーである。端末装置３００は、健康度に応じて、適切な音楽（例えば、心身をリラックスさせる音楽、モチベーションを高める音楽、ヨガ、ストレッチ、もしくは有酸素運動等をガイドする音声等）を再生するように、音楽プレーヤーを制御することができる。機器は、例えば、映像プレーヤーである。端末装置３００は、健康度に応じて、適切な動画（例えば、心身をリラックスさせる映像、モチベーションを高める映像、ヨガ、ストレッチ、もしくは有酸素運動等の映像等）を再生するように、映像プレーヤーを制御することができる。
　機器は、例えば、放香器である。端末装置３００は、健康度に応じて、適切な香り（例えば、心身をリラックスさせる香り、モチベーションを高める香り等）を放出するように、放香器を制御することができる。機器は、例えば、スマートスピーカである。端末装置３００は、健康度に応じて、適切な人物（例えば、リラックスするために、気の置けない人物（例えば、家族、友人等））または適切なアバターと会話または談笑できるように、スマートスピーカを制御することができる。機器は、例えば、運動機器である。端末装置３００は、健康度に応じて、適切な運動メニューを提供するように、運動機器を制御することができる。機器は、例えば、情報端末機である。端末装置３００は、健康度に応じて、任意の情報（例えば、食事、飲料、または間食のメニュー、運動のメニュー等）を呈示するように、情報端末機を制御することができ、端末装置３００は、健康度に応じて、任意のサービス（例えば、家族または所属機関（例えば、会社等）による健康見守りサービス、健康ポイントサービス等）を提供するように、情報端末機を制御することができる。なお、情報端末機は、端末装置３００自体であってもよいし、端末装置３００とは別の機器であってもよい。
　カメラ３２０は、静止画または動画を撮影可能である任意のカメラである。端末装置３００に内蔵のカメラであってもよいし、端末装置３００に取り付けられる外部カメラであってもよい。例えば、自律神経測定器が端末装置３００によって実装される場合には、カメラ３２０によって撮影された画像を自律神経パラメータに対するデータの導出に利用することができる。
　カメラ３２０は、例えば、体組成パラメータに対するデータ、血圧パラメータに対するデータ、自律神経パラメータに対するデータ、および、質問票パラメータに対するデータのうちの少なくとも１つ、例えば、これらのデータの全てを取得可能なカメラであり得る。これにより、体組成計、血圧計、自律神経測定器、質問票処理機器のうちの少なくとも１つ、例えば、これらの機器の全てをカメラ３２０で代替することが可能である。
　表示部３３０は、画面を表示する任意のディスプレイである。
　メモリ部３４０には、端末装置３００の処理の実行に必要とされるプログラムやそのプログラムの実行に必要とされるデータ等が格納されている。メモリ部３４０には、被験者の健康度を計測するための処理をプロセッサ部３５０に行わせるプログラム（例えば、後述する図８に示される処理を実現するプログラム）が格納されている。ここで、プログラムをどのようにしてメモリ部３４０に格納するかは問わない。例えば、プログラムは、メモリ部３４０にプリインストールされていてもよい。あるいは、プログラムは、ネットワーク３５０を経由してダウンロードされることによってメモリ部３４０にインストールされるようにしてもよい。この場合、ネットワークの種類は問わない。メモリ部３４０は、任意の記憶手段によって実装され得る。
　プロセッサ部３５０は、端末装置３００全体の動作を制御する。プロセッサ部３５０は、メモリ部３４０に格納されているプログラムを読み出し、そのプログラムを実行する。これにより、端末装置３００を所望のステップを実行する装置として機能させることが可能である。
　血圧計が端末装置３００によって実装される実施形態では、プロセッサ部３５０は、例えば、カメラ３２０によって取得された画像を分析することにより、血圧に対するデータを取得するように構成され得る。プロセッサ部３５０は、例えば、公知のアプリケーションを利用し、カメラ３２０によって取得された顔の動画を分析することにより、血圧に対するデータを取得することができる。プロセッサ部３５０は、例えば、公知のアプリケーションを利用し、カメラによって取得された指先の動画を分析することにより、血圧に対するデータを取得することができる。
　自律神経測定器が端末装置３００によって実装される実施形態では、プロセッサ部３５０は、例えば、カメラ３２０によって取得された画像を分析することにより、自律神経機能に対するデータを取得するように構成され得る。プロセッサ部３５０は、当該技術分野で公知の手法を利用して、画像から自律神経機能に対するデータを取得することができる。
　自律神経測定器が端末装置３００によって実装される別の実施形態では、プロセッサ部３５０は、例えば、自律神経パラメータに対するデータを導出することが可能な画像をカメラ３２０によって取得し、取得された画像を、分析のために、インターフェース部３１０を介してサーバ装置１００に送信するようにしてもよい。この実施形態では、プロセッサ部３５０は、自律神経パラメータに対するデータを導出する機能を有さず、代わりに、サーバ装置１００がその機能を有することになる。これにより、端末装置３００の処理負荷を軽減することができる。
　質問票処理機器が端末装置３００によって実装される実施形態では、プロセッサ部３５０は、例えば、表示部３３０を介して質問票をユーザに提示し、インターフェース部３１０を介して入力された質問票に対する回答を処理することにより、質問票パラメータに対するデータを取得するように構成され得る。プロセッサ部３５０は、当該技術分野で公知の手法を利用して、質問票に対する回答から質問票パラメータに対するデータを取得することができる。
　質問票処理機器が端末装置３００によって実装される別の実施形態では、プロセッサ部３５０は、例えば、質問票に対する回答を受信し、受信された回答を、分析のために、インターフェース部３１０を介してサーバ装置１００に送信するようにしてもよい。この実施形態では、プロセッサ部３５０は、質問票パラメータに対するデータを導出する機能を有さず、代わりに、サーバ装置１００がその機能を有することになる。これにより、端末装置３００の処理負荷を軽減することができる。
　図３Ｅに示される例では、端末装置３００の各構成要素が端末装置３００内に設けられているが、本発明はこれに限定されない。端末装置３００の各構成要素のいずれかが端末装置３００の外部に設けられることも可能である。例えば、カメラ３２０と、表示部３３０と、メモリ部３４０と、プロセッサ部３５０とがそれぞれ別のハードウェア部品で構成されて、各ハードウェア部品が任意のネットワークを介して接続されてもよい。このとき、ネットワークの種類は問わない。各ハードウェア部品は、例えば、インターネットを介して接続されてもよいし、ＬＡＮを介して接続されてもよいし、無線接続されてもよいし、有線接続されてもよい。
　図２に示される例では、データベース部２００は、サーバ装置１００の外部に設けられているが、本発明はこれに限定されない。データベース部２００の少なくとも一部をサーバ装置１００の内部に設けることも可能である。このとき、データベース部２００の少なくとも一部は、メモリ部１５０を実装する記憶手段と同一の記憶手段によって実装されてもよいし、メモリ部１５０を実装する記憶手段とは別の記憶手段によって実装されてもよい。いずれにせよ、データベース部２００の少なくとも一部は、サーバ装置１００のための格納部として構成される。データベース部２００の構成は、特定のハードウェア構成に限定されない。例えば、データベース部２００は、単一のハードウェア部品で構成されてもよいし、複数のハードウェア部品で構成されてもよい。例えば、データベース部２００は、サーバ装置１００の外付けハードディスク装置として構成されてもよいし、ネットワーク４００を介して接続されるクラウド上のストレージとして構成されてもよい。
　３．第１パラメータセット
　本発明者らは、対象者の総合的な健康度を評価するために、健康脆弱化および慢性疲労に共通する生理学的または生化学的メカニズムに着目した。理論に拘束されることを意図しないが、これまでの疲労医学研究および健康脆弱化追跡研究に基づくと、疲労～慢性疲労、健康脆弱化、老化、および疾患発症には共通のメカニズムが存在し得る。それは、
　（１）生体酸化の進行と抗酸化能の低下を示す「生体酸化（さび付き）」、
　（２）上記の生体酸化の解除が遅延することを示す「修復エネルギー低下」、
　（３）酸化（さび付き）細胞が検知されていることを示す「炎症」、および
　（４）上記の（１）～（３）を感知し、調整する機能を示す「自律神経機能」
である。この（１）～（４）のパラメータを総合的に評価することにより、疾患に至っていない健康脆弱化状態（すなわち、「未病」）を判定することが可能になる。
　上記の理論に基づき、代表的な実施形態においては、本発明における第１データセットを得るための第１パラメータセットは、「生体酸化パラメータ」、「修復エネルギー低下パラメータ」、「炎症パラメータ」および「自律神経機能パラメータ」を含み得る。本明細書中では以下、（１）「生体酸化パラメータ」、（２）「修復エネルギー低下パラメータ」、（３）「炎症パラメータ」、および（４）「自律神経機能パラメータ」の４つのパラメータを合わせて、基本４パラメータと称することがある。
　第１パラメータセットは、健康度ポジショニングマップを作成するために用いられるパラメータのセットである。第１パラメータセットについて、本明細書および特許請求の範囲では、「健康度ポジショニングマップ作成用パラメータセット」とも呼称する。
　（生体酸化パラメータ）
　活性酸素種（Ｒｅａｃｔｉｖｅ　Ｏｘｙｇｅｎ　Ｓｐｅｃｉｅｓ：ＲＯＳ）は、生体内においてＤＮＡ、脂質、蛋白質、酵素などの細胞を構成する多くの生体高分子を酸化変性し、細胞機能に障害を与える。活性酸素種による酸化変性は、様々な疾患や老化につながると考えられている。
　他方、生体内には、活性酸素種による細胞機能障害を防ぐために、スーパーオキシドジスムターゼ（ＳＯＤ）やカタラーゼなどの抗酸化酵素や、コエンザイムＱ１０、ビタミンＣ、ビタミンＥなどの抗酸化物質が存在している。
　したがって、本発明における「生体酸化パラメータ」の測定は、活性酸素種による酸化損傷の測定、抗酸化能の測定、または酸化損傷と抗酸化能のバランスの測定を含み得る。活性酸素種による酸化損傷の測定は、活性酸素種の量を直接測定することによって行われてもよいし、タンパク質、脂質または核酸の酸化損傷を測定することによって行われてもよい。
　酸化損傷の測定方法は当該分野では周知であり、当業者は適宜測定対象を選択し、測定することが可能である。本発明において、活性酸素種による酸化損傷の指標とする具体的なマーカーは、例えば、血液中の活性酸素種量を直接測定するｄ－ＲＯＭｓ（Ｄｅｒｉｖａｔｉｖｅｓ　ｏｆ　Ｒｅａｃｔｉｖｅ　Ｏｘｙｇｅｎ　Ｍｅｔａｂｏｌｉｔｅｓ）、タンパク質の酸化損傷の指標であるカルボニル化タンパク質量（ＰＣＣ；Ｐｒｏｔｅｉｎ　Ｃａｒｂｏｎｙｌ　Ｃｏｎｔｅｎｔ）、脂質の酸化損傷の指標である４－ヒドロキシノネナールやイソプラスタン、核酸の酸化損傷の指標である８－ＯＨｄＧ（８－ヒドロキシーデオキシグアノシン）などが挙げられるが、これらに限定されない。
　抗酸化能の測定方法は当該分野では周知であり、当業者は適宜測定対象を選択し、測定することが可能である。本発明において、抗酸化能の指標とする具体的なマーカーは、鉄への還元力を数値化したＢＡＰ（Ｂｉｏｌｏｇｉｃａｌ　Ａｎｔｉｏｘｉｄａｎｔ　Ｐｏｔｅｎｔｉａｌ）、血清チオールステータス、グルタチオン測定、ビタミンＣ量測定、コエンザイムＱ１０総量、コエンザイムＱ１０還元型比率などが挙げられるが、これらに限定されない。コエンザイムＱ１０総量やコエンザイムＱ１０還元型比率は、例えば、ＬＣ－ＭＳ／ＭＳを用いて測定することができる（具体的には、例えば、多重反応モニタリングにより検出する還元型および酸化型コエンザイムＱ１０の濃度から算出し得る。）。
　本発明において、酸化損傷と抗酸化能のバランスの指標となるマーカーは、ＯＳＩ（酸化ストレス指標；Ｏｘｉｄａｔｉｏｎ　Ｓｔｒｅｓｓ　Ｉｎｄｅｘ）であるが、これに限定されない。なお、本発明におけるＯＳＩは、ｄ－ＲＯＭｓ／ＢＡＰである。
　本発明における好ましい生体酸化パラメータは、ＢＡＰ、コエンザイムＱ１０総量、コエンザイムＱ１０還元型比率、ＯＳＩを含む。
　典型的には、生体酸化パラメータは、非侵襲性検査によって測定され得るパラメータである。
　（修復エネルギー低下パラメータ）
　生体組織が酸化による損傷を受けたとしても、生体はその損傷した組織を修復する機構を備えている。生体における組織損傷には、ＡＴＰが必要である。しかしながら、ＡＴＰ産生が低下すると、損傷した組織の修復が遅延することになる。ＡＴＰ産生の低下は、疲労回復遅延にもつながる。本発明における「修復エネルギー低下パラメータ」は、ＡＴＰ産生が低下していることを示す任意のパラメータである。
　ＡＴＰは、解糖系、ＴＣＡ回路および電子伝達系を経て産生されるが、最後の電子伝達系において最も多くのＡＴＰが産生される。コエンザイムＱ１０は電子伝達系を担う重要な補酵素である。したがって、本発明における「修復エネルギー低下パラメータ」は、コエンザイムＱ１０総量、コエンザイムＱ１０還元型比率や、解糖系・ＴＣＡ回路の代謝物（例えば、ピルビン酸、乳酸、クエン酸、イソクエン酸、コハク酸、フマル酸，リンゴ酸など）が挙げられるが、これらに限定されない。コエンザイムＱ１０総量、およびコエンザイムＱ１０還元型比率は、抗酸化能を有するために「生体酸化パラメータ」であると同時に、ＡＴＰ産生に寄与するため「修復エネルギー低下パラメータ」でもある点に留意されたい。本発明における好ましい本発明における「修復エネルギー低下パラメータ」は、コエンザイムＱ１０総量およびコエンザイムＱ１０還元型比率を含み得る。
　コエンザイムＱ１０総量やコエンザイムＱ１０還元型比率の測定方法は上記のとおりである。解糖系やクエン酸回路の代謝物は、メタボローム解析から、解糖系やクエン酸回路を反映する化合物を抽出することによって測定することができる。
　典型的には、修復エネルギー低下パラメータは、非侵襲性検査によって測定され得るパラメータである。
　（炎症パラメータ）
　生体において酸化により損傷を受けた組織が多く発生すると、免疫応答によって多量の局所炎症が発生する。炎症パラメータの種類および測定方法は当該分野で周知であり、当業者は適切に炎症パラメータを選択し、測定することができる。
　本発明における炎症パラメータは、ＣＲＰ（Ｃ－Ｒｅａｃｔｉｖｅ　Ｐｒｏｔｅｉｎ）、ＷＢＣ（白血球数）、アルブミン、赤血球数、インターロイキン－１β、インターロイキン－６などが挙げられるが、これらに限定されない。
　典型的には、炎症パラメータは、非侵襲性検査によって測定され得るパラメータである。
　（自律神経機能パラメータ）
　健康脆弱化を時系列的に精査すると、まず最初に自律神経機能（特に副交感神経機能）の低下が起こり、次いで、睡眠の質が低下し、次いで疲労が蓄積し、そして意欲低下、抑うつ傾向、アレルギー等の免疫系不調、月経不全などの内分泌系異常、消化器系の異常などが観察される。したがって、自律神経機能の異常は、健康脆弱化の初期段階を把握するための重要なパラメータである。
　本発明においては、自律神経機能を、心拍パラメータから評価する。具体的には、本発明において使用される心拍パラメータは以下を含むが、これらに限定されない。
　・平均ＨＲ
　５分間の全心拍数の平均値をいう。
　・自律神経系全体の活動；ＴＰ（Ｔｏｔａｌ　Ｐｏｗｅｒ＝ｍｓ２）
　５分間測定における周波数０～０．４Ｈｚ（ＶＬＦ、ＬＦ、ＨＦ）のパワースペクトルのトータルパワーの計算値。この値は交感神経活動が主に占める自律神経系の活動を総体的に反映し、疲労に関係した数値と言われている。
・交感神経機能の全体的活動；ＶＬＦ（超低周波　ｍｓ２）
　約０．００３３～０．０４Ｈｚの周波数帯のパワースペクトルである。一般的に、このパラメータは交感神経機能の非常にゆっくりとしたメカニズムの全体的活動を示すものと言われている。
　・交感神経の活動；ＬＦ（低周波　ｍｓ２）
　約０．００４～０．１５Ｈｚの周波数帯のパワースペクトルであり、この値は主に（血管運動性）交感神経の活動を反映している。
　・副交感神経の活動；ＨＦ（高周波　ｍｓ2）
　約０．１５～０．４Ｈｚの周波帯のパワースペクトルであり、この値は副交感神経（迷走神経）の活動を反映している。
　・交感神経と副交感神経のバランス；ＬＦ／ＨＦ比
　ＬＦ（低周波）とＨＦ（高周波）のパワーの比率であり、この値は、交感神経と副交感神経の全体のバランスを表している。一般的に、数値が高いと交感神経優位を、低い場合は副交感神経優位を示している。
　自律神経機能を現す上記心拍パラメータは、当該分野で公知の方法で測定し得るが、心電波と指尖脈波とを同時に計測し心拍変動解析を行う正確な方法論によって測定することもできる（特許第５４５５０７１号公報、特許第５４９１７４９号公報を参照のこと。これらの文献は、参照により本明細書に援用される。）。例えば、心電図と脈波が同時に計測できる簡易型自律神経系計測装置ＦＭＣＣ－ＶＳＭ３０１（株式会社疲労科学研究所、大阪、日本）を用いて、本発明の自律神経機能パラメータを測定してもよい。
　本発明における好ましい「自律神経機能パラメータ」は、平均ＨＲ、ＴＰ、ＬＦ、ＨＦ、ＬＦ／ＨＦなどであり得るが、これらに限定されない。なお、ＨＦおよびＬＦの値は分散が大きく、正規分布にならないため、上記パラメータのうちＨＦやＬＦが関係するＴＰ、ＬＦ、ＨＦおよびＬＦ／ＨＦについては、対数変換をして評価することが好ましい。したがって、本発明におけるより好ましい「自律神経機能パラメータ」は、平均ＨＲ、ｌｎ（ＴＰ）、ｌｎ（ＬＦ）、ｌｎ（ＨＦ）、およびｌｎ（ＬＦ／ＨＦ）を含む。
　典型的には、自律神経機能パラメータは、非侵襲性検査によって測定され得るパラメータである。
　（さらなる第１パラメータセット）
　本発明の第１パラメータセットは、より適切に対象者の総合的な健康度を評価するポジショニングマップを作成するために、以下のパラメータの１または複数を含み得る。
　・基礎的パラメータ
　基礎的パラメータとしては、対象者の身体の状態や健康状態を現す公知のパラメータを含む。本発明の基礎的パラメータは、年齢、身長、体重、腹囲、体組成、骨密度、血圧、筋力、体温、ＷＨ比などを含むが、これらに限定されない。
　体組成としては、筋肉量、ＢＭＩ（体重／身長＝Ｂｏｄｙ　Ｍａｓｓ　Ｉｎｄｅｘ）、脂肪率などを含むが、これらに限定されない。体組成は、例えば、生体電気インピーダンス分析法（ＢＩＡ）を用いて測定されるパラメータであり得る。ＢＩＡは、人体に電流を流した際に発生するインピーダンスから人体を構成する成分を定量的に測定する技術である。例えば、株式会社インボディ・ジャパン製体組成計は、ＢＩＡを用いて体組成を測定することができる。
　骨密度は、手の骨をＸ線で撮影して写真から測定するＭＤ法、超音波を使って踵の骨を測定する超音波法、ＣＴスキャンを用いたＱＣＴ法、Ｘ線およびコンピュータを使ったＤＥＸＡ法（Ｄｕａｌ　ｅｎｅｒｇｙ　Ｘ－ｒａｙ　ａｂｓｏｒｐｔｉｏｍｅｔｒｙ）などの測定方法が知られており、本発明ではそれらのいずれの測定方法で得られたパラメータも使用され得る。
　本発明における骨密度パラメータは、超音波伝導速度（ＳＯＳ＝Ｓｐｅｅｄ　ｏｆ　Ｓｏｕｎｄ）、骨粗鬆症評価（Ｏｓｔｅｏｐｏｒｏｓｉｓ　Ｉｎｄｅｘ；例えば、ＯＳＩＲＩＳ（Ｏｓｔｅｏｐｏｒｏｓｉｓ　Ｉｎｄｅｘ　ｏｆ　Ｒｉｓｋ））、若年成人比較％（ＹＡＭ＝Ｙｏｕｎｇ　Ａｄｕｌｔ　Ｍｅａｎ；若年齢の平均ＢＭＤ（Ｂｏｎｅ　Ｍｉｎｅｒａｌ　Ｄｅｎｓｉｔｙ）；骨密度＝骨量÷面積（単位ｇ／ｃｍ２））値（基準値）を１００％として、被験者ＢＭＤ値と比べた％）、Ｔスコア（若年齢の平均ＢＭＤ値（基準値）を０として、標準偏差を１ＳＤとして指標を規定した値）などが挙げられるが、これらに限定されない。これらの基礎的パラメータの測定方法は、当該分野で周知である。
　血圧は、当該分野では慣習的に測定されており、本発明の基礎的パラメータとしては収縮期血圧を使用し得る。
　筋力は、当該分野では慣習的に測定されており、本発明の基礎的パラメータとしては、筋肉量および握力左右平均を使用し得る。
　ＷＨ比（ウエストヒップ比）は、ウエスト周囲径をヒップ周囲径で割った値であり、肥満の体型指標として用いられている。肥満者の体型を表す「洋なし型肥満」および「リンゴ型肥満」のどちらのタイプの肥満であるかは、ＷＨ比によって判断されることができる。
　本発明の基礎的パラメータは、好ましくは、年齢、筋肉量、ＢＭＩ、脂肪率、ＳＯＳ、ＯＩ、収縮期血圧、および握力左右平均を含み得る。
　基礎的パラメータは、非侵襲性検査によって測定され得るパラメータである。
　・血液パラメータ
　上記の生体酸化パラメータ以外に、対象の腎排泄・肝胆膵・解毒機能系を評価するために、一般的に使用されている血液パラメータが、さらに第１パラメータセットに含まれることが好ましい。
　この血液パラメータとしては、ＨｂＡ１ｃ（ヘモグロビンＡ１ｃ；ヘモグロビンにグルコースが結合した糖化タンパク質）、ＡＬＰ（アルカリホスファターゼ）、ＡＬＴ（アラニンアミノトランスフェラーゼ）、ＡＳＴ（アスパラギン酸アミノトランスフェラーゼ）、ＢＳ（血糖値）、ＢＵＮ（血中尿素窒素）、ＣＫ（クレアチンキナーゼ；運動・骨格・筋肉機能系評価に使用し得る血漿中筋肉細胞酵素）、Ｇ－ＧＴ（ガンマ・グルタミール・トランスペプチターゼ）、ＨＤＬ－Ｃ（ＨＤＬ－コレステロール）、ＨＧＢ（ヘモグロビン）、ＬＤ（乳酸脱水素酵素）、ＬＤＬ－Ｃ（ＬＤＬコレステロール）、ＴＧ（トリグリセリド；中性脂肪）、Ｔ－Ｐ（総タンパク質）、ＵＡ（尿酸）、アミラーゼ、アルブミン、カリウム、クレアチニン、クロール、コルチゾル、ナトリウム、ｅＧＦＲ、ビタミン類（例えば、ビタミンＢ１）、ミネラル（鉄、銅、カルシウムなど）量などが挙げられるが、これらに限定されない。
　典型的には、血液パラメータは、侵襲性検査によって測定され得るパラメータである。
　・認知機能パラメータ
　本発明者らの研究によると、疲労が蓄積すると、認知機能が低下する。したがって、本発明の第１パラメータは、認知機能パラメータをさらに含み得る。
　本発明の認知機能パラメータは、１枚の紙に書かれた１から２５までの数字などの指標を順に鉛筆でなぞるという簡易な認知機能検査であるＴＭＴ（Ｔｒａｉｌ　Ｍａｋｉｎｇ
　Ｔｅｓｔ）、タッチパネルにおいてＴＭＴを行うＡＴＭＴ（Ａｄｖａｎｃｅｄ　Ｔｒａｉｌ　Ｍａｋｉｎｇ　Ｔｅｓｔ）、本発明者らが開発したｍｏｄｉｆｉｅｄ　ＡＴＭＴ（Ｋ．Ｍｉｚｕｎｏ　ｅ　ａｌ．Ｂｒａｉｎ　＆　Ｄｅｖｅｌｏｐｍｅｎｔ　３３　（２０１１）　４１２-４２０）などによって得ることができる。ＴＭＴ、ＡＴＭＴ、ｍｏｄｉｆｉｅｄ　ＡＴＭＴは方法論に差異はあるものの、測定する対象は共通しており、それらは全て、本発明の認知機能パラメータである。
　本発明者らは、ｍｏｄｉｆｉｅｄ　ＡＴＭＴとして、例えば、認知機能の種々の要素を評価するための５つの課題を用意しており、これらを単独または組み合わせて使用することができる。また、これらの各認知課題の評価は、総反応時間によって行ってもよいし、総正答数によって行ってもよい。
　認知機能パラメータは、非侵襲性検査によって測定され得るパラメータである。
　・血管および皮膚パラメータ
　本発明者らの研究によると、疲労が蓄積すると、血管および皮膚に影響が出ることがある。したがって、好ましくは、本発明の第１パラメータセットは、血管および皮膚パラメータも含み得る。
　血管パラメータは、例えば、血管年齢、毛細血管長平均値、血管濁り、血管本数などが挙げられるがこれらに限定されない。毛細血管長平均値、血管濁り、および血管本数は、好ましくは、手指爪床の毛細血管走行を画像処理することによって簡便に測定することができる。毛細血管走行の画像処理およびこれらのパラメータの測定は、例えば、あっと株式会社（大阪、日本）製の毛細血管スコープによって測定し得る。
　皮膚パラメータは、例えば、腕の肌の水分量、水分蒸散量、光沢などが挙げられるが、これらに限定されない。腕の肌の水分量、水分蒸散量、および光沢の測定方法は、当該分野では周知である。
　血管および皮膚パラメータは、非侵襲性検査によって測定され得るパラメータである。
　・主観的評価パラメータ
　本発明の第１パラメータセットは、上記のような測定によって得られる客観的パラメータに加えて、対象の主観的評価パラメータも含み得る。各種測定値による客観的パラメータに加えて主観的評価を第１パラメータセットに加えることにより、各種成分の測定からは把握し切れない対象の身体、疲労および精神状態などの状況を健康度ポジショニングマップに反映することができる。
　１つの実施形態においては、本発明における主観的評価パラメータは、疲労、睡眠、精神状態などの主観的評価を含み得る。本発明における主観的評価パラメータは、性格や気質に関連する主観的評価も含み得る。
　疲労の主観的評価は、疲労持続期間の主観的評価、疲労による障害に関する質問、疲労ＶＡＳ（Ｖｉｓｕａｌ　Ａｎａｌｏｇｕｅ　Ｓｃａｌｅ）、チャルダー疲労指標（Ｃｈａｌｄｅｒ　Ｆａｒｉｇｕｅ　Ｓｃａｌｅ；ＣＦＱ）、ＣＦＱのうち１１項目を用いて算出する疲労症状スコア（ＣＦＱ１１）（Ｔａｎａｋａ　Ｍ　ｅｔ　ａｌ．，Ｐｓｙｃｈｏｌ　Ｒｅｐ＿２０１０，１０６，２、５６７－５７５）、プレゼンティズムに関する質問票またはＶＡＳ、および疲労に関する質問票の１または複数を含み得る。「疲労による障害に関する質問」とは、疲労と何らかの障害との因果関係の有無について対象者の主観的評価を確認するものをいう。「疲労による障害に関する質問」とは、例えば、疲労によって仕事、家事または学業に支障があると感じているかどうか、疲労の原因と考えられる疾病の質問などであり得る。「疲労に関する質問票」とは、疲労の任意の症状について自覚があるかどうかを質問するものであり、例えば、倦怠感を感じるかどうか、一晩寝ても疲れが取れないと感じるかどうかなどであり得る。プレゼンティズムの質問票としては、例えばＷＨＯのＨｅａｌｔｈ　ａｎｄ　Ｗｏｒｋ　Ｐｅｒｆｏｒｍａｎｃｅ　Ｑｕｅｓｔｉｏｎｎａｉｒｅ（ＨＰＱ）や、Ｗｏｒｋ　Ｌｉｍｉｔａｔｉｏｎｓ　Ｑｕｅｓｔｉｏｎｎａｉｒｅ（ＷＬＱ）などを使用してもよい。
　睡眠の主観的評価は、睡眠（入眠および起床）の時刻、平均睡眠時間、眠気に関するＶＡＳ、および睡眠の質に関する質問票の１または複数を含み得る。
　精神状態の主観的評価は、うつに関するＶＡＳおよび質問票、意欲に関するＶＡＳおよび質問票のうちの１または複数を含み得る。「うつに関する質問票」とは、うつの任意の症状に関する質問をいい、ゆううつだと感じているかどうか、他者との付き合いが億劫に感じているかどうかなどを含み得、例えばＫ６合計（Ｋｅｓｓｌｅｒらによって開発された精神的な問題を現すものとして一般的に使用されている指標）が１つの例である。
　上記において「質問票」は、特定の質問に対する回答で評価してもよいし、多数の質問に対する回答をスコアにして評価してもよい。
　主観的パラメータは、非侵襲性検査によって測定され得るパラメータである。
　・生活状況パラメータ
　本発明の第１パラメータセットは、客観的パラメータおよび主観的評価パラメータに加えて、生活状況パラメータを含んでもよい。本発明における生活状況パラメータは、対象の生活状況についての事実であり、例えば、教育年数、婚姻期間、同居の有無、喫煙状況（有無、頻度および／または量）、飲酒状況（有無、頻度および／または量）、労働時間、運動（有無、頻度および／または量）、食事状況（食べる頻度が早いと感じるかどうか、夕食後の間食頻度、朝食を取らない頻度、等）、既往歴、服薬状況、サプリメント摂取状況などを含み得る。
　生活状況パラメータは、非侵襲性検査によって測定され得るパラメータである。
　・さらなるパラメータ
　本発明の第１パラメータセットは、脳機能・精神神経系評価、循環器・呼吸器機能系評価、腎排泄・肝胆膵・解毒機能系評価に関するデータに基づくパラメータを含んでもよい。
　例えば、脳機能・精神神経系評価に関するデータは、上述したものの他に、コミュニケーション機能、活動量（日中、睡眠中）、ＭＲＩ（Magnetic　Resonance　Imaging）による脳形態計測（脳組織の収縮した部位に応じた機能の低下を計測することができる）、安静時ｆＭＲＩ、および、神経線維束走行異方性（神経線維束のサイズや頑強さ）などのデータを含み得る。
　循環器・呼吸器機能系評価に関するデータは、上述したものの他に、血流量（例えば、ドップラー血流計により測定し得る）、呼気ガス成分分析（NO（ぜんそく）、アセトン（糖尿病）など）などを含み得る。呼気ガス成分分析に関するデータは、質量分析やイオン移動度分析装置で分析することによって測定することができる。
　腎排泄・肝胆膵・解毒機能系評価に関するデータは、上述したものの他に、皮膚ガス成分分析などのデータを含み得る。皮膚ガス成分分析に関するデータは、質量分析や高感度可変レーザー検出装置によって測定することができる。
　（好ましい第１パラメータセット）
　１つの実施形態において、本発明の第１パラメータセットは、生体酸化パラメータ、修復エネルギー低下パラメータ、炎症パラメータ、および自律神経機能パラメータ（基本４パラメータ）を含み得る。この基本４パラメータを含む第１パラメータセットについてのデータに基づいて健康度ポジショニングマップを作成することにより、当該健康度ポジショニングマップによって、疾患に至っていない健康脆弱化状態（すなわち、「未病」）を判定することが可能になる。
　別の実施形態において、本発明の第１パラメータセットは、基本４パラメータ、基礎的パラメータ、認知機能パラメータ、および主観的パラメータを含み得る。理論に束縛されることを意図しないが、基本４パラメータに加えて、基礎的パラメータ、認知機能パラメータおよび主観的パラメータを追加することによって、疲労や精神状態について広範に評価することができると考えられる。好ましくは、主観的パラメータは、疲労、睡眠、および精神状態の１または複数についての評価を含み、より好ましくは、疲労についての評価を少なくとも含む。
　さらに別の実施形態において、本発明の第１パラメータセットは、基本４パラメータ、基礎的パラメータ、認知機能パラメータ、主観的パラメータ、および血液パラメータを含み得る。理論に束縛されることを意図しないが、基本４パラメータと、疲労や精神状態を評価するための基礎的パラメータ、認知機能パラメータ、主観的パラメータとに加えてさらに、内分泌系の機能を正確に評価できる血液パラメータを第１パラメータセットに追加することによって、さらに異なる観点を含む広範な健康度の評価が可能になる。
　さらに別の好ましい実施形態において、本発明の第１パラメータセットは、基本４パラメータ、基礎的パラメータ、認知機能パラメータ、主観的パラメータ、血液パラメータ、血管および皮膚パラメータ、および生活状況パラメータを含み得る。
　本発明の第１パラメータセットは、典型的には、侵襲的パラメータと非侵襲的パラメータとの双方を含む。これによって、後述する第２パラメータセットを非侵襲的パラメータのみで構成する場合にも、評価のベースとなるポジショニングマップには侵襲的パラメータの情報が反映されていることになる。その結果、非侵襲的パラメータのみの検査によって、侵襲性検査によってしか得られないパラメータの影響も含んだ評価を行うことができる。これは、本願発明の１つの顕著な効果である。
　第１パラメータセットは、例えば、初期パラメータセットのデータセットを取得し、初期パラメータセットのデータセットの各データ間の相関を取り、相関係数が所定の閾値以上のパラメータを抽出することによって得られた抽出パラメータセットであってもよいし、初期パラメータセットのデータセットから健康度ポジショニングマップに対する影響度が高いパラメータセットを機械学習によって抽出することによって得られた抽出パラメータセットであってもよい。
　４．第２パラメータセット
　第２パラメータセットは、第１パラメータセットの一部であって、健康関数を導出するために用いられるパラメータのセットである。第２パラメータセットを利用することにより、第１パラメータセットよりも少ない数のパラメータセットを用いて、健康度ポジショニングマップ上で被験者の状態を適切に示すことができる。本明細書および特許請求の範囲では、第２パラメータセットは、単に、「パラメータセット」とも呼称する。第２パラメータセットには、第１パラメータセットにはないものが含まれていてもよい。
　本発明の好ましい実施形態において、第２パラメータセットは、非侵襲的パラメータのみから構成され得る。しかしながら、この第２パラメータセットを評価するためのポジショニングマップは侵襲的パラメータも含んで作成されたものであり得るため、非侵襲的パラメータのみから構成される第２パラメータセットを用いて対象の総合的な健康を評価することによって、侵襲的パラメータの影響をも本質的に含んだ評価を行うことができる。これは本発明の顕著な効果の１つである。また、このような侵襲検査結果を含まないパラメータセットからユーザの健康度を推定することは、ユーザが、検査の場所を問わずに、手軽に自身の健康度を知ることを可能にする。ユーザは、例えば、病院以外にも、会社、薬局、公民館、カフェ、自宅等で簡易な検査から自身の健康度を知ることができるようになる。
　１つの実施形態において、非侵襲的パラメータのみから構成される第２パラメータセットは、以下のパラメータを含み得る。
（１）体組成パラメータ
（２）自律神経パラメータ
（３）質問票パラメータ
　ここで、（２）自律神経パラメータは、脈波に関するデータを含み得る。（３）質問票パラメータは、例えば、年齢、生活状況パラメータ、および／または、主観的評価パラメータを含み得る。質問票パラメータに含まれる主観的評価パラメータは、ＱＯＬ（Ｑｕａｌｉｔｙ　ｏｆ　Ｌｉｆｅ）に関する主観的評価、疲労に関する主観的評価、心理に関する主観的評価を含み得る。
　（１）体組成パラメータは、上述した第１パラメータセットの基礎的パラメータの少なくとも一部であり得る。好ましくは、体組成パラメータは、ＢＭＩおよびＷＨ比のうちの少なくとも一方、より好ましくは、ＢＭＩおよびＷＨ比の両方を含み得る。これにより、体型という見た目に分かりやすい指標と、健康度ポジショニングマップ上での被験者の状態とを関連付けることができるようになるからである。このとき、ＢＭＩおよびＷＨ比は、第１パラメータセットに含まれていてもよいし、含まれていなくてもよい。一例では、ＢＭＩが第１パラメータセットに含まれ、ＷＨ比が第１のパラメータセットに含まれないことがある。（２）自律神経パラメータは、上述した第１パラメータセットの自律神経機能パラメータの少なくとも一部であり得る。（３）質問表パラメータは、上述した第１パラメータセットの基礎的パラメータ、生活状況パラメータ、および／または、主観的評価パラメータの少なくとも一部であり得る。
　（１）体組成パラメータに対するデータは、体組成計によって計測され、（２）自律神経パラメータに対するデータは、自律神経測定器によって、計測され、（３）質問票パラメータに対するデータは、質問票処理機器によって計測され得る。このように、（１）～（３）のパラメータは、多くとも３つの計測機器によって計測することができるパラメータである。これにより、計測に対するユーザの負担が軽減され、自宅等の検査施設以外の場所での計測が容易になる。好ましい実施形態において、体組成パラメータおよび自律神経パラメータのうちのいずれか一方または両方がユーザが意識することなく無意識的に自動で測定され、それらのパラメータと最新の質問票パラメータとが組み合わされて、ユーザの健康度ポジショニングマップ上での健康総体の評価がなされ得る。
　この実施形態における第２パラメータセットは、
　（４）血圧パラメータ
　をさらに含み得る。（４）血圧を含めることで、（１）～（３）のパラメータのみの場合に比べて、健康度の予測精度が向上する。好ましい実施形態において、体組成パラメータ、自律神経パラメータおよび血圧パラメータのうちの任意のいずれか１つ、任意のいずれか２つ、または３つ全てがユーザが意識することなく無意識的に自動で測定され、それらのパラメータと最新の質問票パラメータとが組み合わされて、ユーザの健康度ポジショニングマップ上での健康総体の評価がなされ得る。
　（４）血圧パラメータに対するデータは、血圧計によって計測され得る。このように、（１）～（４）のパラメータは、多くとも４つの計測機器によって計測することができるパラメータである。これにより、予測の精度を向上させつつも、計測に対するユーザの負担は依然として軽減され、自宅等の任意の場所および任意の時間での計測が容易になる。
　これらの実施形態では、第２パラメータセットは、非侵襲的パラメータの中でも、計測が複雑なパラメータまたは計測に時間を要するパラメータを含まない。例えば、第２パラメータセットは、認知機能パラメータおよび骨密度パラメータを含まない。むしろ、第２パラメータセットは、簡易な計測機器を用いて簡易に計測することが可能なパラメータから成り、一実施形態においては、多くとも４つの計測機器を用いて計測可能なパラメータから成り、別の実施形態においては、多くとも３つの計測機器を用いて計測可能なパラメータから成り、さらに別の実施形態においては、１つの計測機器を用いて計測可能なパラメータから成る。これにより、計測に対するユーザの負担が軽減され、自宅等の検査施設以外の場所での容易な計測を達成している。
　好ましい実施形態において、上記の自動で測定され得るパラメータは、ユーザが設定した時間の範囲内において、各パラメータ測定機器との所定の条件（例えば、各種機器との接触、または各種機器とユーザとの距離が一定範囲内に入ることなど）をトリガーとして、ユーザが意識することなく自動で測定され得る。
　５．コンピュータシステムによる処理
　図５Ａは、サーバ装置１００における処理の一例を示す。処理５００は、健康度ポジショニングマップを作成する処理である。処理５００は、サーバ装置１００のプロセッサ部１２０において実行される。
　ステップＳ５０１では、プロセッサ部１２０の取得手段１２１が、複数の被験者の各々について、第１パラメータセットに対する第１データセットを取得する。取得手段１２１は、例えば、データベース部２００に格納された複数の被験者についてのデータを、インターフェース部１１０を介して受信し、受信されたデータを取得することができる。取得手段１２１は、例えば、データベース部２００に格納された複数の被験者についてのデータを、検査施設（例えば、病院、研究所等）のコンピュータシステムからインターフェース部１１０を介して受信し、受信されたデータを取得することができる。
　ステップＳ５０２では、プロセッサ部１２０の処理手段１２２が、ステップＳ５０１で取得された第１データセットを処理して、第１データを得る。処理手段１２２による処理は、例えば、第１データセットに対する次元削減処理、標準化処理、および重み付け処理のうちの少なくとも１つを含み得る。
　好ましくは、処理手段１２２による処理は、第１データセットに対する次元削減処理を含む。これにより、多次元で複雑な第１データセットの次元を削減し、より理解しやすいデータ、ひいては健康度ポジショニングマップを作成することができるからである。このとき、次元削減処理は、第１データセットを２次元のデータまたは３次元のデータに削減することが好ましい。２次元のデータまたは３次元のデータから作成された健康度ポジショニングマップは、２次元空間または３次元空間のマップとなり、視覚的に理解しやすいからである。次元削減処理により、（１）健康度ポジショニングマップの各軸の値への各測定項目の寄与を求めることができ、さらには（２）健康度ポジショニングマップの各軸の値には大きく関わらない測定項目のデータを除いて、健康度ポジショニングマップ上のデータをより明確に理解できるようになる。
　より好ましくは、処理手段１２２による処理は、第１データセットに対する標準化処理と、標準化されたデータセットに対する次元削減処理とを含む。これにより、第１データセットのパラメータ間のスケール差がなくなり、第１データセットの各パラメータの健康度ポジショニングマップに対する影響が均等に考慮されることになり、精度が高くかつ理解しやすい健康度ポジショニングマップを作成することができるからである。特に、例えば、男女の性差に起因するパラメータに対して標準化処理を行うことで、男性被験者から得られたデータおよび女性被験者から得られたデータの両方を同じ健康度ポジショニングマップ上で評価できるようになる。
　さらに好ましくは、処理手段１２２による処理は、第１データセットに対する重み付け処理と、重みが付けられたデータセットに対する標準化処理と、標準化されたデータセットに対する次元削減処理とを含む。これにより、第１データセットの各パラメータの健康度ポジショニングマップに対する影響の大小を強調し、精度がさらに高くかつ理解しやすい健康度ポジショニングマップを作成することができるからである。
　処理手段１２２による標準化処理は、例えば、第１パラメータセットのうちのすべてのパラメータについて行われるようにしてもよいし、特定のパラメータについて行われるようにしてもよい。処理手段１２２による重み付け処理は、例えば、複数の被験者の全体の第１データセットについて行われるようにしてもよいし、複数の被験者の特定の母集団の第１データセットについて行われるようにしてもよい。
　ステップＳ５０３では、プロセッサ部１２０のマッピング手段１２３が、複数の被験者の各々について、ステップＳ５０２で得られた第１データをマッピングする。マッピング手段１２３は、ｎ次元の第１データをｎ次元空間上にマッピングする。マッピング手段１２３は、複数の被験者の各々について第１データをマッピングすることにより、複数の被験者の各々の第１データがマッピングされたマップを出力することができる。例えば、第１データが２次元である場合には、マッピング手段１２３は、第１データを、２次元空間、すなわち、平面上の位置にマッピングすることにより、２次元マップを出力することができる。
　ステップＳ５０４では、プロセッサ部１２０のクラスタリング手段１２４が、ステップＳ５０３でマッピングされた第１データをクラスタリングすることにより、複数の領域を特定する。クラスタリング手段１２４は、マッピングされた第１データを任意の個数のクラスターに区分することにより、任意の個数の領域を特定することができる。
　ステップＳ５０５では、プロセッサ部１２０の特徴付け手段１２５が、ステップＳ５０４で特定された複数の領域のうちの少なくとも一部を特徴付ける。特徴付け手段１２５は、例えば、サーバ装置１００に入力された情報に基づいて、複数の領域のうちの少なくとも一部を特徴付けるようにしてもよいし、入力に依らずに、複数の領域のうちの少なくとも一部を自動的に特徴付けるようにしてもよい。例えば、特徴付け手段１２５は、健康度ポジショニングマップにおける相対位置に基づいて、複数の領域のうちの少なくとも一部を特徴付けてもよいし、機械学習に基づいて、複数の領域のうちの少なくとも一部を特徴付けてもよい。
　上述した処理５００によって、複数の領域のうちの少なくとも一部が特徴付けられた健康度ポジショニングマップが作成される。作成された健康度ポジショニングマップは、後述する処理５１０、処理６００、処理７００において利用され得る。
　図５Ｂは、サーバ装置１００における処理の別の一例を示す。処理５１０は、処理５００で作成された健康度ポジショニングマップのうちの一部の領域に含まれるデータについて健康度ポジショニングマップを作成する処理である。処理５１０は、サーバ装置１００のプロセッサ部１２０において実行される。
　ステップＳ５１１では、プロセッサ部１２０が、処理５００で作成された健康度ポジショニングマップの複数の領域のうちの一部を選択する入力を受信する。複数の領域のうちの一部を選択する入力は、例えば、サーバ装置１００の外部からインターフェース部１１０を介して入力される。
　ステップＳ５１２では、プロセッサ部１２０の取得手段１２１が、選択された領域にマッピングされた第１データを取得する。取得された第１データは、サブ第１データと呼ばれ得る。
　ステップＳ５１３では、プロセッサ部１２０のクラスタリング手段１２４が、ステップＳ５１２で取得されたサブ第１データをクラスタリングすることにより、複数の領域を特定する。ステップＳ５１３における処理は、ステップＳ５０４における処理と同様の処理であり得る。
　ステップＳ５１４では、プロセッサ部１２０の特徴付け手段１２５が、ステップＳ５１３で特定された複数の領域のうちの少なくとも一部を特徴付ける。ステップＳ５１４における処理は、ステップＳ５０５における処理と同様の処理であり得る。
　上述した処理５１０によって、複数の被験者のうちの一部の被験者についての健康度ポジショニングマップが作成される。複数の被験者のうちの一部の被験者についての健康度ポジショニングマップは、例えば、複数の被験者のうちの特定の集団、例えば、男性被験者集団、女性被験者集団、若年層集団（４０歳未満の集団）、中年層集団（４０歳以上６０歳未満の集団）、老年層集団（６０歳以上の集団）等にフォーカスした健康度ポジショニングマップであり得る。特定の集団にフォーカスした健康度ポジショニングマップの複数の領域は、複数の被験者の全体の健康度ポジショニングマップの複数の領域とは異なる特徴付けを有することができ、異なる観点での健康状態の分析を行うために利用されることができる。
　図６は、サーバ装置１００における処理の別の一例を示す。処理６００は、健康関数を作成する処理である。処理６００は、サーバ装置１００のプロセッサ部１３０において実行される。
　ステップＳ６０１では、プロセッサ部１３０が、健康度ポジショニングマップを用意する。例えば、プロセッサ部１３０は、プロセッサ部１３０の第１取得手段によって健康度ポジショニングマップを取得することによって、健康度ポジショニングマップを用意することができる。健康度ポジショニングマップは、複数の被験者についての上述した第１パラメータセットに対する第１データセットに基づいて作成されている。用意される健康度ポジショニングマップは、第１パラメータセットを用いて作成されている限り、処理５００または処理５１０によって作成された健康度ポジショニングマップであってもよいし、別様に作成された健康度ポジショニングマップであってもよい。
　ステップＳ６０２では、プロセッサ部１３０の第２取得手段１３２が、複数の被験者のうちの少なくとも一部について、第２パラメータセットに対する第２データセットを取得する。第２パラメータセットは、第１パラメータセットの一部である。第２取得手段１３２は、例えば、データベース部２００に格納された複数の被験者の一部についてのデータを、インターフェース部１１０を介して取得することができる。
　ステップＳ６０３では、プロセッサ部１３０の導出手段１３３が、ステップＳ６０２で取得された複数の被験者のうちの少なくとも一部の被験者の第２データセットと、複数の被験者のうちの少なくとも一部の被験者の健康度ポジショニングマップ上の位置とを相関させる健康関数を導出する。導出手段１３３は、例えば、機械学習によって健康関数を導出することができる。健康関数は、例えば、ｎ次元の健康度ポジショニングマップの軸毎に導出され得る。
　健康関数は、例えば、回帰モデルであってもよいし、ニューラルネットワークモデルであってもよい。健康関数が回帰モデルである場合、導出手段１３３は、複数の被験者のうちの少なくとも一部の各被験者について、第２データセットを独立変数とし、その被験者の健康度ポジショニングマップ上の座標を従属変数として機械学習することにより、回帰モデルの各係数を導出することができる。健康関数がニューラルネットワークモデルである場合、導出手段１３３は、複数の被験者のうちの少なくとも一部の各被験者について、第２データセットを入力用教師データとし、その被験者の健康度ポジショニングマップ上の位置を出力用教師データとして機械学習することにより、各ノードの重み係数を導出することができる。
　上述した処理６００によって、健康度ポジショニングマップ上に被験者の健康度をマッピングするための健康関数が作成される。作成された健康関数は、後述する処理７００において利用され得る。健康関数を作成する際に、第２パラメータセットに侵襲検査結果を含めないようにすることで、結果として得られる健康関数は、侵襲検査結果を含まないパラメータセットのデータから健康度ポジショニングマップ上の位置を特定し、ユーザの健康度を推定することができるようになる。このような侵襲検査結果を含まないパラメータセットからユーザの健康度を推定することは、ユーザが、検査の場所を問わずに、自身の健康度を知ることを可能にする。ユーザは、例えば、病院以外にも、会社、薬局、公民館、カフェ、自宅等で簡易な検査から自身の健康度を知ることができるようになる。
　図７Ａは、サーバ装置１００における処理の別の一例を示す。処理７００は、ユーザの健康度を推定する処理である。処理７００は、サーバ装置１００のプロセッサ部１４０において実行される。
　ステップＳ７０１では、プロセッサ部１４０が、健康関数を用意する。例えば、プロセッサ部１４０は、プロセッサ部１４０の第３取得手段１４１によって健康関数を取得することによって、健康関数を用意することができる。健康関数は、第２パラメータセットに対するデータセットと、健康度ポジショニングマップ上の位置とを相関させる関数である。取得される健康関数は、ユーザデータセットと健康度ポジショニングマップ上の位置とを相関させることができるである限り、処理６００によって作成された健康関数であってもよいし、別様に作成された健康関数であってもよい。健康度ポジショニングマップは、第１パラメータセットを用いて作成されているものである限り、処理５００または処理５１０によって作成された健康度ポジショニングマップであってもよいし、別様に作成された健康度ポジショニングマップであってもよい。
　ステップＳ７０２では、プロセッサ部１４０の第４取得手段１４２が、ユーザの第２パラメータセットに対する第１ユーザデータセットを取得する。第４取得手段１４２は、例えば、データベース部２００に格納された第１ユーザデータセットを、インターフェース部１１０を介して取得することができる。あるいは、第４取得手段１４２は、例えば、第１ユーザデータセットを、ユーザの端末装置からインターフェース部１１０を介して取得することができる。
　ステップＳ７０３では、プロセッサ部１４０の出力生成手段１４３が、第１ユーザデータセットを健康関数に入力することにより、第１出力を得る。例えば、健康関数が回帰モデルである場合、第１ユーザデータセットを回帰モデルの独立変数に入力することにより、健康度ポジショニングマップ上の座標が第１出力として出力される。例えば、健康関数がニューラルネットワークモデルである場合、第１ユーザデータセットをニューラルネットワークモデルの入力層に入力することにより、健康度ポジショニングマップ上の座標が第１出力として出力される。
　ステップＳ７０４では、プロセッサ部１４０の出力マッピング手段１４４が、第１出力を健康度ポジショニングマップ上にマッピングする。ステップＳ７０３で得られた出力が健康度ポジショニングマップ上の座標であるため、出力マッピング手段１４４は、健康度ポジショニングマップのｎ次元空間内にその座標をマッピングすることができる。
　上述した処理７００によって、ユーザの健康度を健康度ポジショニングマップ上にマッピングすることにより、ユーザの健康度がマッピングされた領域の特徴付けから、ユーザの健康状態がどのようであるかを推定することができる。例えば、第２パラメータセットに侵襲検査結果を含まない健康関数を用いることで、侵襲検査結果を含まないパラメータセットのデータから健康度ポジショニングマップ上の位置を特定し、ユーザの健康度を推定することができる。このような侵襲検査結果を含まないパラメータセットからユーザの健康度を推定することは、ユーザが、検査の場所を問わずに、自身の健康度を知ることを可能にする。ユーザは、例えば、病院以外にも、会社、薬局、公民館、カフェ、自宅等で簡易な検査から自身の健康度を知ることができるようになる。
　例えば、推定された健康状態は、他のデータの補正のために利用されることができる。他のデータは、例えば、健康状態によって変動し得るデータであり得る。例えば、他のデータは、認知力テスト、体力テスト、学力テスト等を含むテストの結果を含むがこれに限定されない。例えば、健康状態が通常よりも悪いことが理由でテストの結果が悪くなったユーザに対して、テストの結果に加点するよう補正することができる。例えば、ユーザの健康状態による影響を最小限にするために、複数のユーザのうち健康度が相対的に悪いユーザに対して、テストの結果に加点するように補正することができる。
　図７Ｂは、図７Ａに示される処理７００の続きの処理の一例を示す。図７Ｂに示される処理は、所定期間経過後のユーザの健康度を推定するための処理である。
　ステップＳ７０５では、プロセッサ部１４０の第４取得手段１４２が、ユーザの第２パラメータセットに対する第２ユーザデータセットを取得する。ステップＳ７０５は、少なくとも、ステップＳ７０２から所定期間経過した後に行われる。第４取得手段１４２は、例えば、データベース部２００に格納された第２ユーザデータセットを、インターフェース部１１０を介して取得することができる。あるいは、第４取得手段１４２は、例えば、第２ユーザデータセットを、ユーザの端末装置からインターフェース部１１０を介して取得することができる。
　ステップＳ７０６では、プロセッサ部１４０の出力生成手段１４３が、第２ユーザデータセットを健康関数に入力することにより、第２出力を得る。例えば、健康関数が回帰モデルである場合、第２ユーザデータセットを回帰モデルの独立変数に入力することにより、健康度ポジショニングマップ上の座標が第２出力として出力される。例えば、健康関数がニューラルネットワークモデルである場合、第２ユーザデータセットをニューラルネットワークモデルの入力層に入力することにより、健康度ポジショニングマップ上の座標が第２出力として出力される。
　ステップＳ７０７では、プロセッサ部１４０の出力マッピング手段１４４が、第２出力を健康度ポジショニングマップ上にマッピングする。ステップＳ７０６で得られた出力が健康度ポジショニングマップ上の座標であるため、出力マッピング手段１４４は、健康度ポジショニングマップのｎ次元空間内にその座標をマッピングすることができる。
　ステップＳ７０５～Ｓ７０７によって、所定期間後のユーザの健康状態がどのようであるかを推定することができる。例えば、ステップＳ７０１～ステップＳ７０４で推定された健康状態と、ステップＳ７０５～ステップＳ７０７によって推定された健康状態とを比較することにより、健康状態の時系列変化を特定することができる。
　さらには、健康度ポジショニングマップ上での時系列変化の方向に基づいて、将来の健康状態を予測することも可能である。例えば、第１出力をマッピングした結果、健康度が健康度ポジショニングマップ上の健康体として特徴付けられた領域に属し、所定期間経過後の第２出力をマッピングした結果、健康度が、健康体として特徴付けられた領域に属するものの、生活習慣病リスク群として特徴付けられた領域に近づいていた場合には、健康状態が生活習慣病リスクの方向へ向かっていることを予測することができる。
　一実施形態において、処理７００は、健康状態を向上させるためのアイテム（例えば、医薬品、飲食品、健康器具等）を評価するために利用され得る。例えば、所定期間の間、ユーザに健康状態を向上させるためのアイテムを使用させ、所定期間前の第１出力と、所定期間経過後の第２出力とを比較することにより、健康度ポジショニングマップ上での時系列変化を特定することができる。健康状態を向上させるためのアイテムの使用による健康度ポジショニングマップ上での時系列変化は、健康状態を向上させるためのアイテムの効果が反映されており、健康状態を向上させるためのアイテムを使用しなかった場合の健康度ポジショニングマップ上での時系列変化と対照することにより、健康状態を向上させるためのアイテムの効果の優劣を評価することができる。
　さらには、健康状態を向上させるためのアイテムの使用による健康度ポジショニングマップ上での時系列変化の方向に基づいて、ユーザに、健康状態を向上させるためのアイテムをリコメンドすることもできる。例えば、健康状態を向上させるためのアイテムは、概して、健康状態を向上させるためのアイテムの使用による健康度ポジショニングマップ上での時系列変化の方向とは逆方向の健康度ポジショニングマップ上での時系列変化を有するユーザに効果的である。従って、ステップＳ７０１～ステップＳ７０７の処理によって特定されたユーザの健康度ポジショニングマップ上での時系列変化とは反対方向の時系列変化を有するアイテムをユーザにリコメンドすることができる。
　さらには、健康度ポジショニングマップ上での時系列変化の軌跡に基づいて、将来の健康状態を予測することも可能である。例えば、第１出力をマッピングした結果の第１の位置と、所定期間経過後の第２出力をマッピングした結果の第２の位置とを含む軌跡をパターンマッチングすることにより、被験者の健康度を評価することができる。これは、例えば、健常者の軌跡パターンと、特定の疾患リスクを有している被験者の軌跡パターンとを学習しておくことにより、実現することができる。
　一実施形態において、処理７００は、刺激が健康状態に与える影響を評価するために利用され得る。例えば、所定期間の間、ユーザに刺激を与え、所定期間前の第１出力と、所定期間経過後の第２出力とを比較することにより、健康度ポジショニングマップ上での時系列変化を特定することができる。刺激を与えたことによる健康度ポジショニングマップ上での時系列変化は、刺激が健康状態に与える影響が反映されており、刺激を与えなかった場合の健康度ポジショニングマップ上での時系列変化と対照することにより、刺激が健康状態に与える影響を評価することができる。
　ここで、刺激は、例えば、触覚に対する刺激、嗅覚に対する刺激、視覚に対する刺激、味覚に対する刺激、聴覚に対する刺激、外的環境による刺激を含むがこれらに限定されない。触覚に対する刺激は、例えば、マッサージ、ツボ押し、振動等を含み得る。嗅覚に対する刺激は、例えば、特定のにおいを嗅ぐこと等を含み得る。味覚に対する刺激は、例えば、甘味の食品を食べること、酸味の食品を食べること、塩味の食品を食べること、苦味の食品を食べること、うま味の食品を食べること等を含み得る。視覚に対する刺激は、例えば、特定の静止画を見ること、特定の動画を見ること、特定の色を見ること、特定の明るさの照明下で物を見ること等を含み得る。聴覚に対する刺激は、例えば、特定の音楽を聞くこと、騒音を聞くこと、高音（例えば、約１０００Ｈｚ以上の音）を聞くこと、低音（例えば、約１００Ｈｚ以下の音）を聞くこと等を含み得る。外的環境による刺激は、例えば、外的環境の変化、外的環境内の物質（例えば、ウイルス、アレルギー源、ＮＯｘ等）の存在等を含み得る。
　さらには、刺激を与えたことによる健康度ポジショニングマップ上での時系列変化の方向に基づいて、ユーザに、健康状態を向上させるための刺激をリコメンドすることもできる。例えば、健康状態を向上させるための刺激は、概して、刺激を与えたことによる健康度ポジショニングマップ上での時系列変化の方向とは逆方向の健康度ポジショニングマップ上での時系列変化を有するユーザに効果的である。従って、ステップＳ７０１～ステップＳ７０７の処理によって特定されたユーザの健康度ポジショニングマップ上での時系列変化とは反対方向の時系列変化を有する刺激をユーザにリコメンドすることができる。
　一実施形態において、処理７００は、イベントが健康状態に与える影響を評価するために利用され得る。例えば、イベント前の第１出力と、イベント後の第２出力とを比較することにより、健康度ポジショニングマップ上での時系列変化を特定することができる。イベントを経験したことによる健康度ポジショニングマップ上での時系列変化は、イベントが健康状態に与える影響が反映されており、イベントを経験しなかった場合の健康度ポジショニングマップ上での時系列変化と対照することにより、イベントが健康状態に与える影響を評価することができる。ここで、イベントは、例えば、感染症の流行（Ｃｏｖｉｄ－１９等）、自然災害（例えば、暴風、豪雨、豪雪、洪水、高潮、地震、津波、噴火その他の異常な自然現象により生ずる被害）、残業、体験（直接的な体験または疑似的な体験（例えば、ＶＲ（仮想現実）、ＡＲ（拡張現実）等を介した体験）、他者もしくは動物とのコミュニケーション等を含むが、これらに限定されない。
　図８は、本発明のコンピュータシステム１０において実施される方法におけるデータフローの一例を示す。図８では、被験者の健康度を計測するための方法における、計測機器と、端末装置３００と、サーバ装置１００との間のデータの流れが示されている。
　ステップＳ８０１では、計測機器が、パラメータセットに対するデータセットを取得する。ここで、パラメータセットは、上述した第２パラメータセットに対応している。パラメータセットは、自律神経パラメータと、体組成パラメータと、質問票パラメータとを含むことができる。
　一実施形態では、ステップＳ８０１は、
　Ｉ．自律神経測定器を用いて自律神経パラメータに対するデータを取得することと、
　ＩＩ．体組成計を用いて体組成パラメータに対するデータを取得することと
　ＩＩＩ．質問票処理機器を用いて質問票パラメータに対するデータを取得することと
　を含むことができる。
　このとき、自律神経測定器、体組成計、質問票処理機器は、それぞれ別個の機器であってもよいし、それぞれが同一の機器によって実装されてもよいし、少なくとも２つが同一の機器によって実装されてもよい。あるいは、自律神経測定器、体組成計、質問票処理機器のうちの少なくとも２つが端末装置３００によって実装されてもよい。本実施形態では、ステップＳ８０１では、多くとも３つの計測機器を用いてデータセットが取得され、例えば、２つの計測機器を用いてデータセットが取得され、例えば、１つの計測機器を用いてデータセットが取得される。用いられる計測機器が少ないほど、計測に対するユーザの負担は軽減される。
　別の実施形態では、ステップＳ８０１は、
　Ｉ．自律神経測定器を用いて自律神経パラメータに対するデータを取得することと、
　ＩＩ．体組成計を用いて体組成パラメータに対するデータを取得することと
　ＩＩＩ．質問票処理機器を用いて質問票パラメータに対するデータを取得することと、
　ＩＶ．血圧計を用いて血圧パラメータに対するデータを取得することと
　を含むことができる。
　このとき、自律神経測定器、体組成計、質問票処理機器、血圧計は、それぞれ別個の機器であってもよいし、それぞれが同一の機器によって実装されてもよいし、少なくとも２つが同一の機器によって実装されてもよい。あるいは、自律神経測定器、体組成計、質問票処理機器、血圧計のうちの少なくとも２つが端末装置３００によって実装されてもよい。本実施形態では、ステップＳ８０１では、多くとも４つの計測機器を用いてデータセットが取得され、例えば、３つの計測機器を用いてデータセットが取得され、例えば、２つの計測機器を用いてデータセットが取得され、例えば、１つの計測機器を用いてデータセットが取得される。用いられる計測機器が少ないほど、計測に対するユーザの負担は軽減される。
　パラメータセットに対するデータセットを取得することは、被験者が意識的に行うようにしてもよいし、被験者が無意識的に行うようにしてもよい。パラメータセットに対するデータセットを取得することは、例えば、所定の条件が満たされたときに、自動的に計測を行うことによって、被験者に意識させることなく行うことができる。所定の条件は、例えば、時間的条件（例えば、午前６時から～午前８時の間、午前１１時～午後１時の間、午後４時～午後６時の間、午後９時～午前０時の間、または午前６時になったとき、午後０時になったとき、午後６時になったとき、午前０時になったとき、または、１時間おき、３時間おき、６時間おき、１２時間おき等）、地理的条件（例えば、会社を出たとき、自宅に入ったとき）、行動的条件（例えば、椅子に座ること、ベッドに寝そべること、一定時間以上カメラの視野内に入ること）等を含む。
　ステップＳ８０２では、計測機器が、ステップＳ８０１で取得されたデータセットを端末装置３００に送信し、端末装置３００は、データセットを受信する。端末装置３００のプロセッサ部３５０は、インターフェース部３１０を介してデータセットを取得することになる。
　一実施形態において、プロセッサ部３５０は、
　Ｉ．自律神経測定器から自律神経パラメータに対するデータを取得することと、
　ＩＩ．体組成計から体組成パラメータに対するデータを取得することと、
　ＩＩＩ．質問票処理機器から質問票パラメータに対するデータを取得することと
　によってデータセットを取得することができる。
　別の実施形態において、プロセッサ部３５０は、
　Ｉ．自律神経測定器から自律神経パラメータに対するデータを取得することと、
　ＩＩ．体組成計から体組成パラメータに対するデータを取得することと、
　ＩＩＩ．質問票処理機器から質問票パラメータに対するデータを取得することと、
　ＩＶ．血圧計から血圧パラメータに対するデータを取得することと
　によってデータセットを取得することができる。
　ステップＳ８０１の後にステップＳ８０２が行われるタイミングは問わない。例えば、ステップＳ８０１でパラメータセットのうちの１つのパラメータのデータセットが取得される度に、ステップＳ８０２で、端末装置３００のプロセッサ部３５０がデータセットを取得するようにしてもよいし、ステップＳ８０１でパラメータセットの全パラメータのデータセットが取得された後に、ステップＳ８０２で、端末装置３００のプロセッサ部３５０がデータセットを取得するようにしてもよい。
　計測機器が端末装置３００によって実装される実施形態では、ステップＳ８０２は省略され得る。
　ステップＳ８０３では、端末装置３００のプロセッサ部３５０が、インターフェース部３１０を介して、サーバ装置１００にデータセットを送信し、サーバ装置１００がデータセットを受信する。サーバ装置１００のプロセッサ部１４０は、インターフェース部１００を介してデータセットを取得することになる。
　ステップＳ８０２の後にステップＳ８０３が行われるタイミングは問わない。例えば、ステップＳ８０２でパラメータセットのうちの１つのパラメータのデータセットが取得される度に、ステップＳ８０３で、端末装置３００のプロセッサ部３５０がデータセットを送信するようにしてもよいし、ステップＳ８０２でパラメータセットの全パラメータのデータセットが取得された後に、ステップＳ８０３で、端末装置３００のプロセッサ部３５０がデータセットを送信するようにしてもよい。
　例えば、自律神経パラメータを導出するための分析のために取得された画像をサーバ装置１００に送信する場合には、画像が取得される度に、または他のパラメータのデータセットとは分けて、サーバ装置１００に送信することが好ましい。画像は、データ容量が大きいため、通信の遅延につながり得るからである。
　ステップＳ８０４では、サーバ装置１００のプロセッサ部１４０が、データセットと被験者の健康度ポジショニングマップ上の位置とを相関させる健康関数を用いて、健康度情報を導出する。健康度情報は、健康度ポジショニングマップ上の座標（例えば、Ｘ軸の値、Ｙ軸の値）を含む。プロセッサ部１４０は、例えば、処理７００のステップＳ７０１～ステップＳ７０３の処理によって健康度情報を導出することができる。
　ステップＳ８０５では、サーバ装置１００のプロセッサ部１４０が、インターフェース部１１０を介して、端末装置３００に健康度情報を送信し、端末装置３００が健康度情報を受信する。端末装置３００のプロセッサ部３５０は、インターフェース部３１０を介して健康度情報を受信することになる。上述した計測機器が端末装置３００によって実装される実施形態では、サーバ装置１００のプロセッサ部１４０が、インターフェース部１１０を介して、ステップＳ８０１で計測を行った計測機器に健康度情報を送信し、当該計測機器が、健康度情報（例えば、健康度ポジショニングマップ上の座標（例えば、Ｘ軸の値、Ｙ軸の値））を受信することになる。
　ステップＳ８０６では、端末装置３００のプロセッサ部３５０が、被験者の健康度を、健康度情報の健康度ポジショニングマップ上の位置として表現する。健康度情報に含まれるＸ軸の値とＹ軸の値とに基づいて、健康度情報を健康度ポジショニングマップ上に示すことができる。プロセッサ部３５０は、例えば、表示部３３０に健康度ポジショニングマップを表示し、表示された健康度ポジショニングマップ上に健康度情報が示す座標をプロットすることができる。上述した計測機器が端末装置３００によって実装される実施形態では、ステップＳ８０１で計測を行った計測機器が、健康度情報に含まれるＸ軸の値とＹ軸の値とに基づいて、健康度情報を健康度ポジショニングマップ上に示すことになる。
　ステップＳ８０１での計測によって得られるデータが解析に時間を要しないデータであるため、端末装置３００がデータセットを受信してから（または、ステップＳ８０３で端末装置３００がデータセットをサーバ装置１００に送信してから）ステップＳ８０６で被験者の健康度が健康度情報の健康度ポジショニングマップ上の位置として表現されるまでを所定時間内に行うことができる。所定時間は、例えば、０．０１秒、０．０２秒、０．０５秒、０．１秒、０．２秒、０．５秒、１秒以内、３秒以内、５秒以内、１０秒以内、２０秒以内、３０秒以内、４５秒以内、１分以内、５分以内、１０分以内、１時間以内、２時間以内、１２時間以内、２４時間以内等であり得る。これにより、ユーザは、自身の健康状態を直ちに知ることができるようになる。このような応答性の良さにより、計測に対するユーザの心理的負担を軽減することができ、ユーザの測定へのモチベーションの低下を防止することができる。
　さらには、ステップＳ８０５およびステップＳ８０６では、サーバ装置１００から送信される健康度情報が、少なくとも健康度ポジショニングマップ上の座標（例えば、Ｘ軸の値、Ｙ軸の値）を含むようにすることで、所定時間をさらに短くすることができる。例えば、健康度情報を受信した端末装置３００のプロセッサ部３５０は、その座標をポジショニングマップ上にプロットするだけで健康度情報を健康度ポジショニングマップ上に表示することができるため、端末装置３００での処理が簡略化され、健康度情報の受信から表示までの時間を短縮することができる。例えば、送信される健康度情報のデータ転送量を削減することができるため、通信速度の低下を防止することができる。これにより、健康度情報を高速で送信することができるため、データ転送時間を削減することができ、健康度情報の送信にかかる時間を短縮することができる。
　ステップＳ８０５で受信された健康度情報および／またはステップＳ８０６で表現された健康度ポジショニングマップ上の位置は、端末装置３００のメモリ部３４０に記憶されることができる。
　一実施形態において、ステップＳ８０５で受信された健康度情報および／またはステップＳ８０６で表現された健康度ポジショニングマップ上の位置は、例えば、他のデータの補正のために利用されることができる。他のデータは、例えば、健康状態によって変動し得るデータであり得る。例えば、他のデータは、認知力テスト、体力テスト、学力テスト等を含むテストの結果を含むがこれに限定されない。例えば、健康状態が通常よりも悪いことが理由でテストの結果が悪くなった被験者に対して、テストの結果に加点するよう補正することができる。例えば、被験者の健康状態による影響を最小限にするために、複数の被験者のうち健康度が相対的に悪い被験者に対して、テストの結果に加点するように補正することができる。
　一実施形態において、ステップＳ８０６で表現された健康度ポジショニングマップ上の位置は、例えば、ネットワークに接続可能な他の機器を制御するために利用されることができる。ここで、他の機器は、ネットワークに接続可能な電気製品（いわゆる「ＩｏＴ機器」）であり得る。
　例えば、端末装置３００のプロセッサ部３５０は、健康度ポジショニングマップ上の位置に基づいて、機器を制御するための命令を生成することができる。次いで、端末装置３００のプロセッサ部３５０は、その命令をネットワークを介して機器に送信することにより、その命令に従って、機器を制御することができる。
　あるいは、端末装置３００のプロセッサ部３５０は、健康度ポジショニングマップ上の位置をネットワークを介して機器に送信する。次いで、機器は、健康度ポジショニングマップ上の位置に基づいて、機器を制御するための命令を生成することにより、その命令に従って、機器の動作を制御することができる。
　ここで、機器は、例えば、エアコンである。エアコンは、健康度ポジショニングマップ上の位置に応じて、適切な室内温度および／または湿度を維持するように制御されることができる。機器は、例えば、照明である。照明は、健康度ポジショニングマップ上の位置に応じて、適切な明るさを維持するように制御されることができる。機器は、例えば、音楽プレーヤーである。音楽プレーヤーは、健康度ポジショニングマップ上の位置に応じて、適切な音楽（例えば、心身をリラックスさせる音楽、モチベーションを高める音楽等）を再生するように制御されることができる。機器は、例えば、映像プレーヤーである。映像プレーヤーは、健康度ポジショニングマップ上の位置に応じて、適切な動画（例えば、心身をリラックスさせる映像、モチベーションを高める映像等）を再生するように制御されることができる。
　このような他の機器の制御は、上述したように、端末装置３００がデータセットを受信してから（または、ステップＳ８０３で端末装置３００がデータセットをサーバ装置１００に送信してから）ステップＳ８０６で被験者の健康度が健康度情報の健康度ポジショニングマップ上の位置として表現されるまでを所定時間内に行うようにすることで、さらに有用となる。すなわち、制御に用いられる健康度ポジショニングマップ上の位置を所定時間内、特に、略リアルタイムに取得することで、被験者の現在の健康に応じたリアルタイムな制御を達成することができるようになる。
　一実施形態において、端末装置３００のユーザが同意をした場合には、ステップＳ８０４で導出された健康度情報は、データベース部２００に格納されて、他のユーザによる研究利用に供されることができるようになる。
　ステップＳ８０１～ステップＳＳ８０５を少なくとも２回繰り返すことにより、少なくとも２つの健康度ポジショニングマップ上の位置を得ることができる。
　ステップＳ８０６では、得られた少なくとも２つの位置を含む軌跡に基づいて、被験者の健康度を評価することができる。例えば、１回目のステップＳ８０１～ステップＳ８０５で得られた第１の位置と、所定期間経過後に、２回目のステップＳ８０１～ステップＳ８０５で得られた第２の位置とを含む軌跡をパターンマッチングすることにより、被験者の健康度を評価することができる。これは、例えば、健常者の軌跡パターンと、特定の疾患リスクを有している被験者の軌跡パターンとを学習しておくことにより、実現することができる。
　ここで、所定期間は、任意の期間である。所定期間は、例えば、半日、１日、１週間、２週間、１月、３月、６か月、１年等である。例えば、所定期間を半日とすると、被験者の健康度の日内変動から、健康度を評価することになる。これは、例えば、１日の活動により、どの程度疲労が溜まったかの指標を提供することができる。例えば、所定期間を睡眠時間とすると、被験者の健康度の夜間変動から、健康度を評価することになる。これは、例えば、夜間の睡眠により、どの程度回復したかの指標を提供することができる。
　上述した例では、ステップＳ８０２で、計測機器が、ステップＳ８０１で取得されたデータセットを端末装置３００に送信し、ステップＳ８０３で、端末装置３００のプロセッサ部３５０が、インターフェース部３１０を介して、サーバ装置１００にデータセットを送信することを説明したが、本発明は、これに限定されない。例えば、計測機器がサーバ連動型である場合には、計測機器が、直接、サーバ装置１００にデータセットを送信することができる。従って、ステップＳ８０２を省略することができる。
　一実施形態において、ステップＳ８０６では、得られた少なくとも２つの位置を含む軌跡に基づいて、健康状態を向上させるためのアイテム（例えば、医薬品、飲食品、健康器具等）を評価することができる。例えば、１回目のステップＳ８０１～ステップＳ８０５で得られた第１の位置と、所定期間の間、ユーザに健康状態を向上させるためのアイテムを使用させた後に、２回目のステップＳ８０１～ステップＳ８０５で得られた第２の位置とを比較することにより、健康度ポジショニングマップ上での時系列変化を特定することができる。健康状態を向上させるためのアイテムの使用による健康度ポジショニングマップ上での時系列変化は、健康状態を向上させるためのアイテムの効果が反映されており、健康状態を向上させるためのアイテムを使用しなかった場合の健康度ポジショニングマップ上での時系列変化と対照することにより、健康状態を向上させるためのアイテムの効果の優劣を評価することができる。
　さらには、健康状態を向上させるためのアイテムの使用による健康度ポジショニングマップ上での時系列変化の方向に基づいて、ユーザに、健康状態を向上させるためのアイテムをリコメンドすることもできる。例えば、健康状態を向上させるためのアイテムは、概して、健康状態を向上させるためのアイテムの使用による健康度ポジショニングマップ上での時系列変化の方向とは逆方向の健康度ポジショニングマップ上での時系列変化を有するユーザに効果的である。従って、ステップＳ８０６の処理によって特定されたユーザの健康度ポジショニングマップ上での時系列変化とは反対方向の時系列変化を有するアイテムをユーザにリコメンドすることができる。
　一実施形態において、ステップＳ８０６は、刺激が健康状態に与える影響を評価するために利用され得る。例えば、１回目のステップＳ８０１～ステップＳ８０５で得られた第１の位置と、所定期間の間、ユーザに刺激を与えた後に、２回目のステップＳ８０１～ステップＳ８０５で得られた第２の位置とを比較することにより、健康度ポジショニングマップ上での時系列変化を特定することができる。刺激を与えたことによる健康度ポジショニングマップ上での時系列変化は、刺激が健康状態に与える影響が反映されており、刺激を与えなかった場合の健康度ポジショニングマップ上での時系列変化と対照することにより、刺激が健康状態に与える影響を評価することができる。
　ここで、刺激は、例えば、触覚に対する刺激、嗅覚に対する刺激、視覚に対する刺激、味覚に対する刺激、聴覚に対する刺激を含むがこれらに限定されない。触覚に対する刺激は、例えば、マッサージ、ツボ押し、振動等を含み得る。嗅覚に対する刺激は、例えば、特定のにおいを嗅ぐこと等を含み得る。味覚に対する刺激は、例えば、甘味の食品を食べること、酸味の食品を食べること、塩味の食品を食べること、苦味の食品を食べること、うま味の食品を食べること等を含み得る。視覚に対する刺激は、例えば、特定の静止画を見ること、特定の動画を見ること、特定の色を見ること、特定の明るさの照明下で物を見ること等を含み得る。聴覚に対する刺激は、例えば、特定の音楽を聞くこと、騒音を聞くこと、高音（例えば、約１０００Ｈｚ以上の音）を聞くこと、低音（例えば、約１００Ｈｚ以下の音）を聞くこと等を含み得る。
　さらには、刺激を与えたことによる健康度ポジショニングマップ上での時系列変化の方向に基づいて、ユーザに、健康状態を向上させるための刺激をリコメンドすることもできる。例えば、健康状態を向上させるための刺激は、概して、刺激を与えたことによる健康度ポジショニングマップ上での時系列変化の方向とは逆方向の健康度ポジショニングマップ上での時系列変化を有するユーザに効果的である。従って、ステップＳ７０１～ステップＳ７０７の処理によって特定されたユーザの健康度ポジショニングマップ上での時系列変化とは反対方向の時系列変化を有する刺激をユーザにリコメンドすることができる。
　一実施形態において、ステップＳ８０６は、イベントが健康状態に与える影響を評価するために利用され得る。例えば、イベント前の１回目のステップＳ８０１～ステップＳ８０５で得られた第１の位置と、イベント後に、２回目のステップＳ８０１～ステップＳ８０５で得られた第２の位置とを比較することにより、健康度ポジショニングマップ上での時系列変化を特定することができる。イベントを経験したことによる健康度ポジショニングマップ上での時系列変化は、イベントが健康状態に与える影響が反映されており、イベントを経験しなかった場合の健康度ポジショニングマップ上での時系列変化と対照することにより、イベントが健康状態に与える影響を評価することができる。ここで、イベントは、例えば、感染症の流行（Ｃｏｖｉｄ－１９等）、自然災害（例えば、暴風、豪雨、豪雪、洪水、高潮、地震、津波、噴火その他の異常な自然現象により生ずる被害）、残業、体験（直接的な体験または疑似的な体験（例えば、ＶＲ（仮想現実）、ＡＲ（拡張現実）等を介した体験）、他者もしくは動物とのコミュニケーション等を含むが、これらに限定されない。
　上述した機器を制御する実施形態では、ステップＳ８０６は、機器の制御が健康状態に与える影響を評価し、その評価を考慮して機器をさらに制御するために利用され得る。例えば、１回目のステップＳ８０１～ステップＳ８０５で得られた第１の位置と、第１の位置に応じて機器が制御された後に、２回目のステップＳ８０１～ステップＳ８０５で得られた第２の位置とに基づいて、機器を制御するための第２の命令を生成することができる。例えば、第１の位置と第２の位置とを比較することにより、健康度ポジショニングマップ上での時系列変化を特定することができる。機器を制御したことによる健康度ポジショニングマップ上での時系列変化は、機器の制御が健康状態に与える影響が反映されている。例えば、機器の制御が健康状態に与える影響が正の影響であれば、継続して機器を制御するように、第２の命令を生成し、第２の命令に従って、機器を制御することができる。例えば、機器の制御が健康状態に与える影響が負の影響であれば、機器を制御することを停止し、あるいは、逆方向の制御をするように、第２の命令を生成し、第２の命令に従って、機器を制御することができる。
　例えば、機器がエアコンである場合、１回目のステップＳ８０１～ステップＳ８０５で得られた第１の位置に応じて、エアコンが、適切な室内温度を維持するように制御された後、２回目のステップＳ８０１～ステップＳ８０５で得られた第２の位置が、（１）第１の位置よりも悪い健康状態の位置に移動している場合、エアコンは、室内温度を高くするまたは低くするように制御されることができ、（２）第１の位置よりも良い健康状態の位置に移動している場合、エアコンは、室内温度を維持するように制御されることができる。
　例えば、機器が照明である場合、１回目のステップＳ８０１～ステップＳ８０５で得られた第１の位置に応じて、照明が、適切な明るさを維持するように制御された後、２回目のステップＳ８０１～ステップＳ８０５で得られた第２の位置が、（１）第１の位置よりも悪い健康状態の位置に移動している場合、照明は、明るさを明るくするまたは暗くするように制御されることができ、（２）第１の位置よりも良い健康状態の位置に移動している場合、照明は、明るさを維持するように制御されることができる。
　図５Ａ、図５Ｂ、図６、図７Ａ、図７Ｂ、図８を参照して上述した例では、特定の順序で処理が行われることを説明したが、各処理の順序は説明されたものに限定されず、論理的に可能な任意の順序で行われ得る。
　図５Ａ、図５Ｂ、図６、図７Ａ、図７Ｂを参照して上述した例では、図５Ａ、図５Ｂ、図６、図７Ａ、図７Ｂに示される各ステップの処理は、プロセッサ部１２０、プロセッサ部１３０、またはプロセッサ部１４０とメモリ部１５０に格納されたプログラムとによって実現することが説明されたが、本発明はこれに限定されない。図５Ａ、図５Ｂ、図６、図７Ａ、図７Ｂに示される各ステップの処理のうちの少なくとも１つは、制御回路などのハードウェア構成によって実現されてもよい。あるいは、図５Ａ、図５Ｂ、図６、図７Ａ、図７Ｂに示される各ステップのうちの少なくとも１つは、人がコンピュータシステムまたは計測機器を用いて行うようにしてもよい。
　図８を参照して上述した例では、図８に示される各ステップの処理の一部が、端末装置３００のプロセッサ部３５０とメモリ部３４０に格納されたプログラムとによって実現することが説明されたが、本発明はこれに限定されない。図８に示される各ステップの処理のうちの少なくとも１つは、制御回路などのハードウェア構成によって実現されてもよい。
　本発明は上述した各実施形態に限定されるものではなく、請求項に示した範囲で種々の変更が可能であり、異なる実施形態にそれぞれ開示された技術的手段を適宜組み合わせて得られる実施形態についても本発明の技術的範囲に含まれる。
　（実施例１．健康度ポジショニングマップの作成）
　本実施例では、まず、７２０名の被験者について、健康に関する２３２項目の初期データを取得した。この初期データの取得は、神戸理研ＩＩＢ棟において実施された。この２３２項目は、侵襲性検査および非侵襲性検査の両方を含んだ。次に、平均値が０であり、かつ、標準偏差が１となるように、取得した初期データの値を補正した。次に、補正したデータのうち、データ間の相関度が所定の値（具体的には、相関係数が０．９）よりも高いデータが存在する場合に当該データの１つのみを抽出する方法用いて一部のデータを抽出した。この一部のデータは、基本４パラメータについてのデータを含んでいた。なお、本実施例では、相関係数が０．９よりも高いデータが存在する場合に１つのデータを抽出していたが、本発明はこれに限定されるものではなく、相関係数の値は適宜変更することができる。なお、相関係数が０．９以上とすることにより、より総合的に被験者の健康度を算出することができる健康関数を作成することができる。
　抽出の結果、８１項目が抽出された。この８１項目が、本発明における「第１パラメータセット」に該当する。この８１項目は、基本４パラメータ、基礎的パラメータ、認知機能パラメータ、主観的パラメータ、血液パラメータ、血管および皮膚パラメータ、および生活状況パラメータを含んでいた。
　次に、多次元尺度法により、多次元データ（すなわち、８１次元のデータ）を２次元まで下げ、２次元上に、７２０名のうちデータが完全にそろっていた６９２名分のデータをプロットした。２次元上にプロットされた６９２個のプロットのプロット分布パターンについて、ｋ平均法によるクラスタリングを行い、１０個のクラスターにクラスタリングした（図９Ｂ）。各クラスターに、健康に関する情報を特徴づけ、本発明の健康度ポジショニングマップを作成した。図１０は、本実施例において作成した健康度ポジショニングマップを示す図である。なお、図１０は実際のプロットも表示しているが、本発明の健康度ポジショニングマップは、その基となったプロットを含んでいる必要はなく、プロットのクラスタリングによって特定される領域と、その領域に関連付けられる健康に関する情報とを含んでいればよい点に留意されたい。
　（実施例２．別の健康度ポジショニングマップの作成）
　本実施例では、まず、１０００名の被験者について、健康に関する２４２項目の初期データを取得した。この２４２項目は、侵襲性検査および非侵襲性検査の両方を含んだ。次に、２４２項目のデータの健康度ポジショニングマップに対する影響度を学習した学習済モデルを利用した機械学習によって、健康度ポジショニングマップに対する影響度が相対的に高い項目を抽出した。
　抽出の結果、６９項目が抽出された。この６９項目が、本発明における「第１パラメータセット」に該当する。この６９項目は、３０項目の血液パラメータ、およびＳＯＳを含んでいた。この６９項目は、７の計測を通じて計測することができる項目であった。次に、抽出された６９項目を用いて実施例１と同様の手法により、本発明の健康度ポジショニングマップを作成した。
　（実施例３．健康関数の作成）
　第１パラメータセットよりも少ない数の検査項目（第２パラメータセット）によって、実施例１において作成した健康度ポジショニングマップに適切な配置ができるような関数（健康関数）を、機械学習によって特定した。
　上記のとおり図１０は、本実施例における健康度ポジショニングマップである。各プロットに対応する被験者を分析したところ、図１０に示すように、図１０の図において左側（すなわち、－Ｘ軸側）のプロットは、相対的に年齢が若い被験者のプロットであり、右側（すなわち、＋Ｘ軸側）のプロットは、相対的に年齢が高い被験者のプロットであった。図１０のグループＧ１に含まれる被験者群は、年齢が若く、うつや不安の程度が高く、自律神経調整力が低く、また、認知課題においてエラー数が高い被験者群であった。したがって、新規にデータを測定された被験者がグループＧ１に属する場合、当該被験者は、メンタルヘルス疾患の未病である可能性が高い被験者であることがわかる。
　また、グループＧ２に含まれる被験者群は、年齢が高く、血中γ－ＧＴＰ・血中ＡＬＴ・血中中性脂肪・血中ＨｂＡ１ｃ・血中高感度ＣＲＰ値が高い被験者群であった。したがって、新規にデータを測定された被験者がグループＧ２に属する場合、当該被験者は、生活習慣病の未病である可能性が高い被験者であることがわかる。
　また、グループＧ３に含まれる被験者群は、年齢が高く、血糖値が高い被験者群であった。したがって、新規にデータを測定された被験者がグループＧ３に属する場合、当該被験者は、糖尿病の未病である可能性が高い被験者であることがわかる。
　第１関数Ｘ≦約４かつ第２関数Ｙ≦約２の領域は概ね健康状態に問題がない健康群を示している。
　以上のグループＧ１～Ｇ３は、本発明の健康評価装置によって評価できる数例であって、その他にもさまざまな健康リスクを評価することができる。
　（実施例４．健康度ポジショニングマップを用いた健康状態の変化の観察）
　実施例１で作成した健康度ポジショニングマップを用いて、被験者の健康状態の変化を観察できるかどうか検討した。還元型ＣｏＱ１０を摂取する前と、３か月間摂取した後で、健康度ポジショニングマップ上でのマッピング位置を比較した。結果を図１１に示す。
　図１１から明らかなように、比較を行った被験者において、メンタルヘルスリスク群であるグループＧ１から健康群へ変化している様子が観察できた。この被験者の各検査項目を精査したところ、血中ＣｏＱ１０総量は増加し、疲労やうつに関するパラメータ疲労ＶＡＳ、うつＶＡＳ、ＣｈａＴＦ１１Ｇ、ＰＳが減少していることが分かった（図１２）。この結果から、還元型ＣｏＱ１０が疲労解消やメンタルヘルス状態の改善に効果があり得ることが示唆されるとともに、本発明の健康度ポジショニングマップおよびそれを用いた健康評価方法によって、被験者の健康状態を追跡することができることが確認された。
　（実施例５．簡易計測のための第２パラメータセットの検討）
　自宅で利用可能な計測機器によって計測される別の第２パラメータセットによって、健康度ポジショニングマップに適切な配置ができるような関数を、機械学習によって特定することを試みた。
　９６５名の被験者のデータから、７６項目の第１パラメータセットを用いて健康度ポジショニングマップを作成した。半数の被験者のデータを教師データに、残りの半数の被験者のデータを得られた関数の評価用に用いた。４つの計測（体組成計測、血圧計測、自律神経機能計測、質問票計測）による１９項目の第２パラメータセットによる健康関数と、３つの計測（体組成計測、自律神経機能計測、質問票計測）による１８項目の第２パラメータセットによる健康関数とを作成し、予測精度の検証を行った。
　４つの計測による１９項目の第２パラメータセットは、２つの体組成パラメータ、１つの血圧パラメータ、５つの自律神経パラメータ、１１個の質問票パラメータであった。
　３つの計測による１８項目の第２パラメータセットは、２つの体組成パラメータ、５つの自律神経パラメータ、１１個の質問票パラメータであった。
　その結果、４つの計測による１９項目の第２パラメータセットによる健康関数では、Ｘ軸のＲ＝０．９７７８、Ｙ軸のＲ＝０．９５５６という予測精度が得られた（図１３）。また、３つの計測による１８項目の第２パラメータセットによる健康関数では、Ｘ軸のＲ＝０．９７７４、Ｙ軸のＲ＝０．９５３２という予測精度が得られた（図１３）。簡易な計測機器による計測項目であっても、高精度に健康状態を評価することができるのは、予想外であった。
　また、これらの計測項目は、骨密度パラメータおよび認知機能パラメータを含んでおらず、多くとも４つの計測機器、好ましくは、多くとも３つの計測機器、さらに好ましくは、１つの計測機器（例えば、スマートフォン）で計測可能な項目である。すなわち、これらの計測項目を用いることにより、被験者の計測負担を軽減することができ、自宅等の検査施設以外の場所を含む任意の場所で任意の時間での容易な計測を可能にする。
　（実施例６．ＷＨ比を用いた解析）
　実施例５と同様に、９６５名の被験者のデータから、７６項目の第１パラメータセットを用いて健康度ポジショニングマップを作成した。実施例５と同様の条件で、２次元上にプロットされた９６５個のプロットのプロット分布パターンについて、ｋ平均法によるクラスタリングを行い、１０個のクラスターにクラスタリングした。
　図１４（ａ）は、健康度ポジショニングマップ上にプロットされクラスタリングされた９６５名のデータを示している。横軸は、身体の健康（フィジカルヘルス）に関連付けられており、横軸の値が大きいほど、身体の健康が悪いことを示している一方で、縦軸は、精神の健康（メンタルヘルス）に関連付けられており、縦軸の値が大きいほど、精神の健康が悪いことを示している。１０個のクラスターのうち、第３のクラスターは、メンタルヘルス疾患リスク群として評価され、第１０のクラスターは、生活習慣病リスク群として評価され、第６のクラスターおよび第９のクラスターは、生活習慣病リスクおよびメンタルヘルス疾患リスク群として評価された。
　９６５名の被験者のデータには、ＷＨ比およびＢＭＩが含まれていた。特に、体組成計（株式会社インボディ・ジャパン）から取得されたデータからＷＨ比およびＢＭＩを算出した。これらのＷＨ比およびＢＭＩを利用して、９６５名の被験者データから、ＢＭＩが２５以上であり、かつ、ＷＨ比が１．０以上（男性）または０．９以上（女性）である被験者を特定した。ＢＭＩが２５以上であり、かつ、ＷＨ比が１．０以上（男性）または０．９以上（女性）の肥満者は、リンゴ型肥満（腹部肥満）と呼ばれ、種々の合併症をきたしやすい肥満体型であることが知られている。図１４（ｂ）は、ＢＭＩが２５以上であり、かつ、ＷＨ比が１．０以上（男性）または０．９以上（女性）である被験者のデータを健康度ポジショニングマップ上で強調して表している。図１４（ｂ）において、ＢＭＩが２５以上であり、かつ、ＷＨ比が１．０以上（男性）または０．９以上（女性）である被験者のデータが黒塗り四角で表されており、それ以外の被験者のデータが白抜き円で表されている。なお、本例における健康度ポジショニングマップを作成するための第１パラメータセットには、ＢＭＩが含まれていたがＷＨ比は含まれていなかった。
　図１４（ｃ）は、ＢＭＩが２５以上であり、かつ、ＷＨ比が１．０以上（男性）または０．９以上（女性）である被験者のそれぞれが、図１４（ａ）に示される第１のクラスター～第１０のクラスターのいずれに属するかを分析した結果を示す。ＢＭＩが２５以上であり、かつ、ＷＨ比が１．０以上（男性）または０．９以上（女性）である被験者の割合が黒塗りで表されており、その他の被験者の割合が斜線で表されている。ＢＭＩが２５以上であり、かつ、ＷＨ比が１．０以上（男性）または０．９以上（女性）である被験者は、第９のクラスターに最も多く分類されており、４０％近くの被験者が、ＢＭＩが２５以上であり、かつ、ＷＨ比が１．０以上（男性）または０．９以上（女性）であった。第９のクラスターは上述したとおり、生活習慣病リスクおよびメンタルヘルス疾患リスク群として評価されたクラスターである。次いで、クラスター１０およびクラスター８にＢＭＩが２５以上であり、かつ、ＷＨ比が１．０以上（男性）または０．９以上（女性）は多く属しており、その次がクラスター６であった。
　リンゴ型肥満（腹部肥満）の肥満者（すなわち、ＢＭＩが２５以上であり、かつ、ＷＨ比が１．０以上（男性）または０．９以上（女性）である被験者）であるほど、フィジカルヘルスが悪いという知見が既知である。図１４（ｃ）に示される結果はこの知見と整合するものであった。ＢＭＩが２５以上であり、かつ、ＷＨ比が１．０以上（男性）または０．９以上（女性）である被験者は、フィジカルヘルスが良好な被験者が分類されているクラスター（例えば、クラスター１～５）よりも、フィジカルヘルスが悪い被験者が分類されているクラスター（例えば、クラスター６～１０）の方に多く分布したからである。このように、本実施例において作成された健康度ポジショニングマップによる結果が、リンゴ型肥満（腹部肥満）の肥満者に関する事実と一致していることから、本実施例において作成された健康度ポジショニングマップは、被験者の健康度を適切に表現できるものであると考えられる。
　さらに、本実施例において作成された健康度ポジショニングマップは、健康度ポジショニングマップを作成するための第１パラメータセットとして用いられていなかったパラメータ（ＷＨ比）を用いた解析に利用することができた。これは、簡易計測のための第２パラメータが必ずしも第１パラメータの一部である必要がなく、簡易計測のための第２パラメータが第１パラメータの一部でなくとも解析が可能であることを示唆している。
　さらに、図１４（ｃ）に示されるように、フィジカルヘルスとメンタルヘルスの双方が悪い被験者のクラスターに、ＢＭＩが２５以上であり、かつ、ＷＨ比が１．０以上（男性）または０．９以上（女性）である被験者が多い傾向が観察された。リンゴ型肥満（腹部肥満）がフィジカルヘルスのみならず、メンタルヘルスにも関連し得ることは新たな知見であって、予想外の知見であった。この新たな知見に基づいて、例えば、体型の見た目のみから、あるいは、体組成計測の結果のみから、リンゴ型肥満（腹部肥満）の被験者に、フィジカルヘルスのみならず、メンタルヘルスも悪い可能性があることを認識させ、メンタルヘルスも改善するように促すことができる。
　１００　コンピュータシステム
　１１０　インターフェース部
　１２０、１３０、１４０　プロセッサ部
　１５０　メモリ部
　２００　データベース部
　３００　ユーザ端末装置
　４００　ネットワーク

Claims (23)

  1. 　被験者の健康度を計測するための方法であって、
    　ステップ（１）：パラメータセットに対するデータセットを取得することであって、前記パラメータセットは、自律神経パラメータと、体組成パラメータと、質問票パラメータとを含み、前記ステップ（１）は、
    　　Ｉ．前記自律神経パラメータの計測のための自律神経測定器を用いて前記自律神経パラメータに対するデータを取得することと、
    　　ＩＩ．体組成計を用いて前記体組成パラメータに対するデータを取得することと、
    　　ＩＩＩ．前記質問票パラメータの計測のための質問票処理機器を用いて前記質問票パラメータに対するデータを取得することと、
    を含む、ことと、
    　ステップ（２）：前記データセットをサーバ装置に送信することと、
    　ステップ（３）：前記データセットに基づいて導出された健康度情報を前記サーバ装置から受信することと、
    　ステップ（４）：前記健康度を、前記健康度情報の健康度ポジショニングマップ上の位置として表現することと
    を含む方法。
  2. 　前記パラメータセットはさらに、血圧パラメータを含む、請求項１に記載の方法。
  3. 　前記ステップ（１）は、
    　　ＩＶ．血圧計を用いて前記血圧パラメータに対するデータを取得することと、
    を含む、請求項２に記載の方法。
  4. 　前記ステップ（１）は、多くとも４つの計測機器を用いて前記データセットを取得することを含む、請求項１～３のいずれか一項に記載の方法。
  5. 　前記多くとも４つの計測機器はそれぞれ、可搬型または携帯型である、請求項４に記載の方法。
  6. 　前記ステップ（１）は、１つの計測機器を用いて前記データセットを取得することを含む、請求項１～３のいずれか一項に記載の方法。
  7. 　前記健康度情報は、前記健康度ポジショニングマップにおけるＸ軸の値とＹ軸の値とを含み、前記ステップ（４）は、前記Ｘ軸の値と前記Ｙ軸の値とに基づいて、前記健康度情報を前記健康度ポジショニングマップ上に示すことを含む、請求項１～６のいずれか一項に記載の方法。
  8. 　前記ステップ（３）は、前記ステップ（１）で用いられた計測機器が、前記健康度ポジショニングマップにおけるＸ軸の値とＹ軸の値とを含む健康度情報を前記サーバ装置から受信することを含む、請求項７に記載の方法。
  9. 　前記ステップ（４）は、前記ステップ（１）で用いられた計測機器が、前記Ｘ軸の値と前記Ｙ軸の値とに基づいて、前記計測機器の表示部に表示された前記健康度ポジショニングマップ上に前記健康度情報を示すことを含む、請求項７または請求項８に記載の方法。
  10. 　ステップ（５）：前記ステップ（１）～（４）を少なくとも２回繰り返すことにより、前記健康度ポジショニングマップ上の第１の位置と第２の位置とを決定することと、
    　ステップ（６）：前記第１の位置と前記第２の位置とを含む軌跡に基づいて、前記被験者の健康度を評価することと
    　をさらに含む、請求項１～９のいずれか一項に記載の方法。
  11. 　前記ステップ（５）は、１日の間に前記ステップ（１）～（４）を少なくとも２回繰り返すことを含む、請求項１０に記載の方法。
  12. 　前記ステップ（１）は、前記データセットの少なくとも一部を前記被験者に意識させることなく自動で取得することを含む、請求項１～１１のいずれか一項に記載の方法。
  13. 　前記ステップ（１）は、前記質問票パラメータに対するデータを取得したことに応答して、前記自律神経パラメータに対するデータおよび前記体組成パラメータに対するデータを前記被験者に意識させることなく自動で取得すること取得することを含む、請求項１～１２のいずれか一項に記載の方法。
  14. 　前記サーバ装置は、前記データセットと、前記被験者の前記健康度ポジショニングマップ上の位置とを相関させる健康関数を用いて、前記健康度情報を導出するように構成されている、請求項１～１３のいずれか一項に記載の方法。
  15. 　前記自律神経パラメータに対するデータが取得された時刻と、前記体組成パラメータに対するデータが取得された時刻と、前記質問票パラメータに対するデータが取得された時刻との間の差がそれぞれ、約５分以内である、請求項１～１４のいずれか一項に記載の方法。
  16. 　前記ステップ（２）から前記ステップ（４）までは所定時間内に行われる、請求項１～１５のいずれか一項に記載の方法。
  17. 　前記所定時間は、約１分である、請求項１６に記載の方法。
  18. 　前記健康度ポジショニングマップは、健康度ポジショニングマップ作成用パラメータセットを用いて作成されており、
    　前記パラメータセットは、前記健康度ポジショニングマップ作成用パラメータセットの一部である、請求項１～１７のいずれか一項に記載の方法。
  19. 　被験者の健康度に応じて、機器を制御する方法であって、
    　請求項１に記載の方法における前記健康度情報の健康度ポジショニングマップ上の位置に基づいて、前記機器を制御するための命令を生成することと、
    　前記命令に従って前記機器を制御することと
    　を含む方法。
  20. 　前記機器を制御することの後に、
    　前記ステップ（１）～（４）を繰り返すことにより、前記健康度ポジショニングマップ上の第２の位置を決定することと、
    　前記位置と前記第２の位置とに基づいて、前記機器を制御するための第２の命令を生成することと
    　をさらに含む、請求項１９に記載の方法。
  21. 　被験者の健康度を計測するための装置であって、
    　パラメータセットに対するデータセットを取得するための取得手段であって、前記パラメータセットは、自律神経パラメータと、体組成パラメータと、質問票パラメータとを含み、前記取得手段は、
    　　Ｉ．前記自律神経パラメータの計測のための自律神経測定器から前記自律神経パラメータに対するデータを取得することと、
    　　ＩＩ．体組成計から前記体組成パラメータに対するデータを取得することと、
    　　ＩＩＩ．前記質問票パラメータの計測のための質問票処理機器から前記質問票パラメータに対するデータを取得することと
    　を行うように構成されている、取得手段と、
    　前記データセットをサーバ装置に送信するための送信手段と、
    　前記データセットに基づいて導出された健康度情報を前記サーバ装置から受信するための受信手段と、
    　前記健康度を、前記健康度情報の健康度ポジショニングマップ上の位置として表現するための表現手段と
    を備える装置。
  22. 　被験者の健康度を計測するためのプログラムであって、前記プログラムは、コンピュータ装置において実行され、前記プログラムは
    　ステップ（１）：パラメータセットに対するデータセットを取得することであって、前記パラメータセットは、自律神経パラメータと、体組成パラメータと、質問票パラメータとを含み、前記ステップ（１）は、
    　　Ｉ．前記自律神経パラメータの計測のための自律神経測定器から前記自律神経パラメータに対するデータを取得することと、
    　　ＩＩ．体組成計から前記体組成パラメータに対するデータを取得することと、
    　　ＩＩＩ．前記質問票パラメータの計測のための質問票処理機器から前記質問票パラメータに対するデータを取得することと、
    を含む、ことと、
    　ステップ（２）：前記データセットをサーバ装置に送信することと、
    　ステップ（３）：前記データセットに基づいて導出された健康度情報を前記サーバ装置から受信することと、
    　ステップ（４）：前記健康度を、前記健康度情報の健康度ポジショニングマップ上の位置として表現することと
    を含む処理を前記コンピュータ装置に行わせる、プログラム。
  23. 　被験者の健康度を計測するためのシステムであって、前記システムは、端末装置と、サーバ装置とを備え、
    　前記端末装置は、
    　　ステップ（１）：パラメータセットに対するデータセットを取得することと、
    　　ステップ（２）：前記データセットを前記サーバ装置に送信することと
    　を行うように構成されており、
    　前記サーバ装置は、
    　　ステップ（Ａ）：前記データセットと、被験者の健康度ポジショニングマップ上の位置とを相関させる健康関数を用いて、健康度情報を導出することと、
    　　ステップ（Ｂ）：前記健康度情報を前記端末装置に送信することと
    　を行うように構成されており、
    　前記端末装置は、
    　　ステップ（３）：前記健康度情報を前記サーバ装置から受信することと、
    　　ステップ（４）：前記健康度を、前記健康度情報の健康度ポジショニングマップ上の位置として表現すること
    　をさらに行うように構成されている、システム。
PCT/JP2021/026167 2020-07-13 2021-07-12 被験者の健康度を計測するための方法、装置、プログラム、およびシステム Ceased WO2022014538A1 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2022536350A JP7828079B2 (ja) 2020-07-13 2021-07-12 被験者の健康度を計測するための方法、装置、プログラム、およびシステム

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2020-120187 2020-07-13
JP2020120187 2020-07-13

Publications (1)

Publication Number Publication Date
WO2022014538A1 true WO2022014538A1 (ja) 2022-01-20

Family

ID=79554840

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2021/026167 Ceased WO2022014538A1 (ja) 2020-07-13 2021-07-12 被験者の健康度を計測するための方法、装置、プログラム、およびシステム

Country Status (2)

Country Link
JP (1) JP7828079B2 (ja)
WO (1) WO2022014538A1 (ja)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024142989A1 (ja) * 2022-12-26 2024-07-04 サントリーホールディングス株式会社 情報処理装置、情報処理方法及びプログラム
WO2024204779A1 (ja) * 2023-03-31 2024-10-03 国立研究開発法人理化学研究所 自覚的指標の値を推定するためのシステム、方法、およびプログラム
CN119184686A (zh) * 2024-11-26 2024-12-27 杭州惠耳听力技术设备有限公司 利用汗液传感器实时监测尿酸水平的痛风检测助听系统
WO2025016307A1 (zh) * 2023-07-14 2025-01-23 汤臣倍健股份有限公司 健康稳态模型和弹性稳态模型及其使用方法
EP4471800A4 (en) * 2022-01-27 2025-12-31 Daikin Ind Ltd SYSTEM, METHOD AND PROGRAM FOR QUANTIFYING THE EFFECTS OF A CHANGE IN A CONDITION IN A SUBJECT

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007058565A (ja) * 2005-08-24 2007-03-08 Tottori Univ 健康診断用の自己組織化マップ、その表示装置及び表示方法並びに健康診断用の自己組織化マップの表示プログラム
JP2008006216A (ja) * 2006-06-30 2008-01-17 Hamamatsu Photonics Kk トレーニングメニュー作成システムおよびトレーニングメニュー作成方法
JP2017023477A (ja) * 2015-07-23 2017-02-02 公立大学法人大阪市立大学 疲労度評価システム
WO2020091053A1 (ja) * 2018-11-02 2020-05-07 国立研究開発法人理化学研究所 健康ポジショニングマップおよび健康関数を作成する方法、システム、およびプログラム、ならびにそれらの使用方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007058565A (ja) * 2005-08-24 2007-03-08 Tottori Univ 健康診断用の自己組織化マップ、その表示装置及び表示方法並びに健康診断用の自己組織化マップの表示プログラム
JP2008006216A (ja) * 2006-06-30 2008-01-17 Hamamatsu Photonics Kk トレーニングメニュー作成システムおよびトレーニングメニュー作成方法
JP2017023477A (ja) * 2015-07-23 2017-02-02 公立大学法人大阪市立大学 疲労度評価システム
WO2020091053A1 (ja) * 2018-11-02 2020-05-07 国立研究開発法人理化学研究所 健康ポジショニングマップおよび健康関数を作成する方法、システム、およびプログラム、ならびにそれらの使用方法

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP4471800A4 (en) * 2022-01-27 2025-12-31 Daikin Ind Ltd SYSTEM, METHOD AND PROGRAM FOR QUANTIFYING THE EFFECTS OF A CHANGE IN A CONDITION IN A SUBJECT
WO2024142989A1 (ja) * 2022-12-26 2024-07-04 サントリーホールディングス株式会社 情報処理装置、情報処理方法及びプログラム
WO2024204779A1 (ja) * 2023-03-31 2024-10-03 国立研究開発法人理化学研究所 自覚的指標の値を推定するためのシステム、方法、およびプログラム
WO2025016307A1 (zh) * 2023-07-14 2025-01-23 汤臣倍健股份有限公司 健康稳态模型和弹性稳态模型及其使用方法
CN119184686A (zh) * 2024-11-26 2024-12-27 杭州惠耳听力技术设备有限公司 利用汗液传感器实时监测尿酸水平的痛风检测助听系统

Also Published As

Publication number Publication date
JPWO2022014538A1 (ja) 2022-01-20
JP7828079B2 (ja) 2026-03-11

Similar Documents

Publication Publication Date Title
JP7741578B2 (ja) 健康度ポジショニングマップおよび健康関数を作成する方法、システム、およびプログラム、ならびにそれらの使用方法
JP7828079B2 (ja) 被験者の健康度を計測するための方法、装置、プログラム、およびシステム
KR102400740B1 (ko) 사용자의 건강상태 모니터링 시스템 및 이의 분석 방법
RU2568354C2 (ru) Способ и система обеспечения поведенческой терапии для лечения бессонницы
Makeyev et al. Automatic food intake detection based on swallowing sounds
Mauldin et al. Performing nutrition assessment remotely via telehealth
US20190029533A1 (en) System and method for determining a hemodynamic instability risk score for pediatric subjects
CN110838367A (zh) 健康风险综合评估方法
US20240008813A1 (en) Smart wearable device and method for estimating traditional medicine system parameters
Davenport et al. Clinimetric properties of the de Morton Mobility Index in healthy, community-dwelling older adults
Wei et al. Perceptual and attitudinal body image, disordered eating, and muscle-building behavior in college men.
EP3387989A1 (en) A method and apparatus for monitoring a subject
WO2023275975A1 (ja) 認知機能推定装置、認知機能推定方法及び記憶媒体
Schünemann et al. A comparison of narrative and table formats for presenting hypothetical health states to patients with gastrointestinal or pulmonary disease
Kent et al. Measurement of trauma caregiver stress: validation of heart rate variability in a Real-World surgical setting
TW202334991A (zh) 健康狀態判定方法、程式及健康狀態判定系統
Al Sayegh et al. Benchmarking the health of health sciences students at Kuwait University: Towards a culture of health
Kim et al. Relationships between objective and subjective socioeconomic status and physical health among adolescents in South Korea
Wilson Assessing the bite counter as a weight loss tool
KR20260022921A (ko) 건강 어드바이스를 제공하기 위한 시스템 및 방법
WO2023074284A1 (ja) 健康状態判定方法、及び、健康状態判定システム
Fallmann et al. A Home-Based IoT-Enabled Framework for Sleep Behaviour Assessment
WO2024204779A1 (ja) 自覚的指標の値を推定するためのシステム、方法、およびプログラム
Watterworth Risk Factors for Low Physical Activity Levels in Preschool-Aged Children in Urban Bangladesh
Chavez Measuring the Physiological Markers of Restorative Landscapes Using Virtual Reality Environments

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: 21841288

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2022536350

Country of ref document: JP

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 21841288

Country of ref document: EP

Kind code of ref document: A1