WO2023047612A1 - 社会参加支援装置および社会参加支援方法 - Google Patents

社会参加支援装置および社会参加支援方法 Download PDF

Info

Publication number
WO2023047612A1
WO2023047612A1 PCT/JP2022/001531 JP2022001531W WO2023047612A1 WO 2023047612 A1 WO2023047612 A1 WO 2023047612A1 JP 2022001531 W JP2022001531 W JP 2022001531W WO 2023047612 A1 WO2023047612 A1 WO 2023047612A1
Authority
WO
WIPO (PCT)
Prior art keywords
intervention
social participation
user
social
effect
Prior art date
Application number
PCT/JP2022/001531
Other languages
English (en)
French (fr)
Inventor
真敬 荒木
裕司 鎌田
秀行 伴
高伸 大崎
Original Assignee
株式会社日立製作所
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 株式会社日立製作所 filed Critical 株式会社日立製作所
Publication of WO2023047612A1 publication Critical patent/WO2023047612A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/22—Social work or social welfare, e.g. community support activities or counselling services
    • 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]
    • G16Y20/00—Information sensed or collected by the things
    • G16Y20/40—Information sensed or collected by the things relating to personal data, e.g. biometric data, records or preferences

Definitions

  • the present invention relates to a social participation support device and a social participation support method for supporting social participation.
  • Patent Document 1 discloses a method of evaluating the degree of correlation and the degree of influence between the health level of a health area of interest and preventive intervention behavior based on biological information acquired over time. This method acquires the biometric information of the individual over time, evaluates the degree of health of the individual over time based on the acquired biometric information, and calculates the intervention amount of each of one or more preventive intervention behaviors over time. obtain the amount of intervention over time for each preventive intervention behavior and the degree of correlation and degree of influence over time with the degree of health of the individual, and determine the degree of correlation among one or more preventive intervention behaviors , are determined as relevant preventive intervention actions.
  • Patent Document 1 does not provide an effective intervention method for social participation.
  • it is a one-off measure such as setting up a place to go to. This is because there is no individual and detailed data from the healthy state, and the effect evaluation of measures is not sufficient.
  • the purpose of the present invention is to promote social participation.
  • a social participation support device that is one aspect of the invention disclosed in the present application is a social participation support device that supports a user's social participation, and includes a processor that executes a program and a storage device that stores the program. and the storage device stores an intervention execution history indicating when, where, and with what kind of intervention measures the social participation intervention was executed for the user, and an action history indicating when, where, and what the user did. and the processor calculates a social participation frequency of the user for the action history corresponding to social participation intervention in the intervention execution history, based on the intervention execution history and the action history. frequency calculation processing; intervention effect calculation processing for calculating an intervention effect in a predetermined period from the start of social participation of the user based on the social participation frequency calculated by the social participation frequency calculation processing; and an output process of outputting a calculation result of the calculation process.
  • FIG. 1 is an explanatory diagram showing a system configuration example of an improvement system.
  • FIG. 2 is a block diagram showing a hardware configuration example of a computer.
  • FIG. 3 is a block diagram of a functional configuration example of an improvement server.
  • FIG. 4 is an explanatory diagram showing an example of an account DB.
  • FIG. 5 is an explanatory diagram showing an example of an action purpose DB.
  • FIG. 6 is an explanatory diagram of an example of an intervention execution entity DB.
  • FIG. 7 is an explanatory diagram of an example of an action history DB.
  • FIG. 8 is an explanatory diagram showing an example of a region DB.
  • FIG. 9 is an explanatory diagram showing an example of the regional pattern DB.
  • FIG. 10 is an explanatory diagram of an example of an intervention measure pattern DB.
  • FIG. 11 is an explanatory diagram of an example of an intervention plan DB.
  • FIG. 12 is an explanatory diagram of an example of an intervention execution history DB.
  • FIG. 13 is an explanatory diagram of an example of a social participation history DB.
  • FIG. 14 is an explanatory diagram of an example of the first intervention evaluation result DB.
  • FIG. 15 is an explanatory diagram of an example of a second intervention evaluation result DB.
  • FIG. 16 is an explanatory diagram of an example of an action pattern DB.
  • FIG. 17 is an explanatory diagram showing an example of a social participation pattern DB.
  • FIG. 18 is an explanatory diagram of an example of an intervention knowledge DB.
  • FIG. 19 is a sequence diagram showing an example of initial processing for continuous improvement of social participation intervention.
  • FIG. 19 is a sequence diagram showing an example of initial processing for continuous improvement of social participation intervention.
  • FIG. 20 is a sequence diagram showing an example of continuous improvement of social participation intervention.
  • FIG. 21 is a flowchart showing an example of intervention planning (step S2001) by the intervention planning unit.
  • FIG. 22 is an explanatory diagram showing an example of an intervention planning screen.
  • FIG. 23 is an explanatory diagram showing a display example of intervention execution (step S2002) on the terminal.
  • FIG. 24 is a flowchart (part 1) showing an example of intervention evaluation (step S2003) by the intervention evaluation unit.
  • FIG. 25 is a graph showing an example of first intervention evaluation results.
  • FIG. 26 is a flowchart (part 2) showing an example of intervention evaluation (step S2003) by the intervention evaluation unit.
  • FIG. 27 is a graph showing the second intervention evaluation results.
  • FIG. 28 is a flow chart showing an example of intervention knowledge conversion (step S2004) by the intervention knowledge conversion unit.
  • FIG. 29 is a flowchart illustrating an example of intervention recommendation (step S2005) by the intervention recommendation unit.
  • FIG. 30 is an explanatory diagram showing an example of an intervention recommendation screen.
  • FIG. 31 is a flow chart showing an example of intervention evaluation report generation processing (step S2012).
  • FIG. 32 is an explanatory diagram showing an example of an intervention evaluation report display screen.
  • improvement system For social participation intervention, the continuous improvement system for social participation intervention (hereinafter simply “improvement system”) will be explained using the attached drawings.
  • This improvement system takes into account individual, behavioral, and regional characteristics that influence “social participation,” and learns and provides evidence-based intervention methods. Users who use the Kaizen system can receive effective intervention that suits them and promote and continue their participation in society. This is expected to prevent nursing care, improve QoL, and extend healthy life expectancy.
  • social participation refers to activities involving contact with people, such as going out, social interaction, and social participation. It targets physical activities rather than virtual communities such as SNS (Social Networking Service).
  • SNS Social Networking Service
  • Behavior (data) is data that indicates when, who, for what purpose, how often, which route and which means was used.
  • Social participation intervention refers to all actions and supportive actions for users aimed at promoting social participation.
  • Direct acts such as advice and indirect acts such as environmental maintenance are also included.
  • FIG. 1 is an explanatory diagram showing a system configuration example of an improvement system.
  • the improvement system 100 has an intervention execution main server 101 , an intervention continuous improvement server (hereinafter referred to as an improvement server) 102 , a regional information server 103 , and a user's terminal 104 .
  • the intervention execution main server 101 and the improvement server 102 are social participation support devices that support social participation of users.
  • the intervention execution main server 101, the improvement server 102, the regional information server 103, and the user's terminal 104 are communicably connected via a network 110 such as the Internet, a LAN (Local Area Network), or a WAN (Wide Area Network).
  • a network 110 such as the Internet, a LAN (Local Area Network), or a WAN (Wide Area Network).
  • FIG. 2 is a block diagram showing a hardware configuration example of a computer.
  • the computer 200 has a processor 201 , a storage device 202 , an input device 203 , an output device 204 and a communication interface (communication IF) 205 .
  • Processor 201 , storage device 202 , input device 203 , output device 204 and communication IF 205 are connected by bus 206 .
  • Processor 201 controls computer 200 .
  • a storage device 202 serves as a work area for the processor 201 .
  • the storage device 202 is a non-temporary or temporary recording medium that stores various programs and data.
  • Examples of the storage device 202 include ROM (Read Only Memory), RAM (Random Access Memory), HDD (Hard Disk Drive), and flash memory.
  • the input device 203 inputs data.
  • the input device 203 includes, for example, a keyboard, mouse, touch panel, numeric keypad, scanner, microphone, and sensor.
  • the output device 204 outputs data.
  • Output devices 204 include, for example, displays, printers, and speakers.
  • Communication IF 205 connects to network 110 to transmit and receive data.
  • FIG. 3 is a block diagram showing a functional configuration example of the improvement server 102.
  • the improvement server 102 includes an intervention planning unit 301, an intervention execution unit 302, an intervention evaluation unit 303, an intervention knowledge conversion unit 304, an intervention recommendation unit 305, an intervention evaluation report generation unit 306, and a communication unit 307.
  • the intervention planning unit 301, the intervention execution unit 302, the intervention evaluation unit 303, the intervention knowledge conversion unit 304, the intervention recommendation unit 305, and the intervention evaluation report generation unit 306 are implemented by, for example, the storage device 202 shown in FIG. It is realized by causing the processor 201 to execute a program stored in the .
  • the communication unit 307 is realized by the communication IF 205 shown in FIG. 2, for example.
  • the improvement server 102 has an account DB 311, an action purpose DB 312, an intervention execution entity DB 313, an action history DB 314, a region DB 315, a region pattern DB 316, an intervention Measure pattern DB 317, intervention plan DB 318, intervention execution history DB 319, social participation history DB 320, first intervention evaluation result DB 321, second intervention evaluation result DB 322, action pattern DB 323, social participation pattern DB 324, and intervention knowledge DB 325 are held.
  • These databases 311 to 325 are specifically realized by, for example, the storage device 202 shown in FIG.
  • the improvement server 102 also generates an intervention effect prediction regression model 331 and an intervention effect prediction FM (Factorization Machines) model 332 by means of the intervention recommendation unit 305 .
  • the intervention effect prediction regression model 331 and the intervention effect prediction FM model 332 are stored in the storage device 202 .
  • FIG. 4 is an explanatory diagram showing an example of the account DB 311. As shown in FIG. Account DB 311 has, for example, user ID 401, name 402, date of birth 403, gender 404, and address 405 as fields. A combination of values of fields 401 to 405 in the same row is an entry that defines user information indicating one user.
  • the user ID 401 is identification information that uniquely identifies the user.
  • Name 402 is a combination of the user's first and last name identified by user ID 401 .
  • the date of birth 403 is the date on which the user identified by the user ID 401 was born.
  • Gender 404 is the biological gender of the user identified by user ID 401 .
  • Address 405 is where the user identified by user ID 401 resides.
  • the improvement server 102 may hold each entry in the account DB 311 in advance, or may acquire it from another computer 200 .
  • FIG. 5 is an explanatory diagram showing an example of the action purpose DB 312.
  • FIG. The action purpose DB 312 has action purpose 501 and keyword 502 as fields.
  • the action purpose 501 is the purpose of the user's action.
  • the keyword 502 is a character string that defines the behavioral purpose 501 , is related to the behavioral purpose 501 , or is associated with the behavioral purpose 501 .
  • the improvement server 102 may hold each entry in the action purpose DB 312 in advance, or may acquire it from another computer 200 .
  • FIG. 6 is an explanatory diagram showing an example of the intervention executing entity DB 313.
  • the intervention execution subject DB 313 is a database that defines intervention execution subjects, and has, as fields, an execution subject ID 601 , an execution subject classification 602 , an execution subject name 603 , an intervention purpose 604 , and a reference user ID 605 .
  • a combination of values of fields 601 to 605 in the same row forms an entry that defines intervention execution subject information indicating one intervention execution subject.
  • the execution subject ID 601 is identification information that uniquely identifies the intervention execution subject.
  • the execution subject classification 602 is the classification destination of the intervention execution subject identified by the execution subject ID 601 .
  • the execution subject name 603 is the name of the intervention execution subject identified by the execution subject ID 601 .
  • the intervention purpose 604 is the content of the intervention execution subject or the intention of the intervention execution subject identified by the execution subject ID 601 to perform the intervention.
  • the reference user ID 605 is the user ID 401 of the user who refers to the intervention execution subject identified by the execution subject ID 601 .
  • the user identified by the reference user ID 605 is the customer of the intervention execution subject identified by the execution subject ID 601 .
  • the improvement server 102 may hold each entry in the intervention execution entity DB 313 in advance, or may acquire it from the intervention execution entity server 101 .
  • FIG. 7 is an explanatory diagram showing an example of the action history DB 314.
  • the action history DB 314 has, as fields, a user ID 401, a time stamp 701, a position 702, a spot 703, an action purpose 704, a stay/movement category 705, and a means of transportation 706.
  • a combination of values of fields 401 and 701 to 706 in the same row constitutes an entry defining one action history. It should be noted that even if the user is the same, if the time stamp 702 is different, it will be specified in a plurality of action histories.
  • a time stamp 701 is the date and time when the user identified by the user ID 401 acted.
  • a position 702 is a point where the user identified by the user ID 401 acted.
  • a spot 703 is a place name such as a facility existing at the position 702 .
  • the action purpose 704 is an item selected from the action purpose 501 of the action purpose DB 312 .
  • the stay/move segment 705 is a segment that indicates whether the user identified by the user ID 401 is staying at the location 702 or moving at the location 702 .
  • the means of transportation 706 is the means of movement used by the user identified by the user ID 401 (for example, train, car, walking, not applicable (N/A (Not Applicable))).
  • the action history which is each entry, is generated by the user's terminal 401 and transmitted to the improvement server 102 either directly from the terminal 401 or indirectly via another computer.
  • the terminal 401 has a current position positioning function using a satellite positioning system, an acceleration sensor for specifying the moving means 706, and a function of calculating the moving speed and moving direction.
  • FIG. 8 is an explanatory diagram showing an example of the region DB 315.
  • the region DB 315 has fields such as region ID 801, region name 802, geographical classification 803, climate: annual average snowfall 804, climate: annual average precipitation 805, population density 806, and aging rate 807. , traffic: T index 808 , number of commuting places installed/elderly population 809 , and number of medical institutions 810 .
  • a combination of the fields 801 to 810 on the same line is an entry that defines regional information indicating one region.
  • the region ID 801 is identification information that uniquely identifies a region, which is an administrative division unit of a municipality.
  • the area name 802 is the name of the area specified by the area ID 801 .
  • a geographic classification 803 is a geographical division of the area identified by the area ID 801 .
  • climate: Annual snowfall average 804 is the annual average snowfall for the area identified by the area ID 801 .
  • climate: Average Annual Precipitation 805 is the average annual precipitation for the region identified by Region ID 801 .
  • the population density 806 is the number of people living per unit area of 1 km2 in the area identified by the area ID 801.
  • the aging rate 807 is the ratio of elderly people (for example, aged 65 and over) to the population of the area identified by the area ID 801 .
  • the T index 808 is a value indicating the traffic convenience (accessibility level) from each point in the area specified by the area ID 801 to the destination point (for example, the center) in the area, and the unit is the required time ( minutes).
  • the number of installed commuting places 809 is the number of installed commuting places existing in the area identified by the area ID 801 .
  • Commuting places are places and opportunities for various activities that contribute to care prevention and frailty prevention, where elderly people and other local residents proactively work in connection with others.
  • the number of medical institutions 810 is the number of medical institutions existing within the area identified by the area ID 801 .
  • the improvement server 102 may hold each entry in the regional DB 315 in advance, or may acquire it from the regional information server 103 .
  • FIG. 9 is an explanatory diagram showing an example of the area pattern DB 316.
  • the regional pattern DB 316 has, as fields, for example, a regional pattern ID 901, a geographic classification 902, a climate: snowfall 903, a population density 904, an aging rate 905, a traffic 906, and a reference region ID 907.
  • fields for example, a regional pattern ID 901, a geographic classification 902, a climate: snowfall 903, a population density 904, an aging rate 905, a traffic 906, and a reference region ID 907.
  • a combination of the values of fields 901 to 907 in the same row constitutes an entry that defines one regional pattern.
  • the area pattern ID 901 is identification information that uniquely identifies an area pattern indicating the type of area.
  • Geographical classification 902 is a geographical division of the regional pattern identified by regional pattern ID 901 .
  • climate: snowfall 903 is the degree of snowfall of the regional pattern identified by the regional pattern ID 901 .
  • the population density 904 is the number of people living per unit area of 1 km 2 in the regional pattern identified by the regional pattern ID 901 .
  • the aging rate 905 is the rate of elderly people (for example, aged 65 and over) in the regional pattern identified by the regional pattern ID 901.
  • Traffic 906 is convenience of traffic in the regional pattern identified by the regional pattern ID 901 .
  • the reference area ID 907 is the area ID 801 of the area corresponding to the area pattern specified by the area pattern ID 901 .
  • the reference area ID 907 is set in area clustering (step S1902), which will be described later.
  • the improvement server 102 may hold each entry in the regional DB 315 in advance, or may acquire it from the regional information server 103 .
  • FIG. 10 is an explanatory diagram showing an example of the intervention measure pattern DB 317.
  • the intervention measure pattern DB 317 has, for example, a measure pattern ID 1001, a measure pattern name 1002, a target entity 1003, a touch point 1004, and a content 1005 as fields.
  • a combination of field values in the same row constitutes an entry that defines one policy pattern.
  • the policy pattern ID 1001 is identification information that uniquely identifies an intervention policy pattern that indicates the type of intervention policy.
  • the policy pattern name 1002 is the name of the intervention policy pattern specified by the policy pattern ID 1001 .
  • a target subject 1003 is a person who undergoes an intervention measure according to the intervention measure pattern specified by the measure pattern ID 1001 .
  • the touch point 1004 is a method of intervening the subject subject 1003 with an intervention measure pattern specified by the measure pattern ID 1001 .
  • the content 1005 is the content of the intervention policy for the target subject 1003 in the intervention policy pattern specified by the policy pattern ID 1001 .
  • the improvement server 102 may hold each entry in the intervention measure pattern DB 317 in advance, or may acquire it from another computer 200 .
  • FIG. 11 is an explanatory diagram showing an example of the intervention plan DB 318.
  • the intervention plan DB 318 has fields such as a plan ID 1101, a reference measure pattern ID 1102, a plan name 1103, a reference execution entity ID 1104, a group ID 1105, a target user ID 1106, a schedule 1107, a content 1108, and an expected effect. : immediate effect 1109 and expected effect: continuity 1110 .
  • a combination of values of fields 1101 to 1110 in the same row constitutes an entry that defines one intervention plan.
  • the plan ID 1101 is identification information that uniquely identifies an intervention plan indicating a plan for intervention measures.
  • the reference measure pattern ID 1102 is the measure pattern ID 1001 of the measure pattern referred to when creating the intervention plan identified by the plan ID 1101 .
  • Plan name 1103 is the name of the intervention plan identified by plan ID 1101 .
  • the reference execution subject ID 1104 is the execution subject ID 601 of the intervention execution subject that executes the intervention plan identified by the plan ID 1101 .
  • Group ID 1105 is identification information that uniquely identifies an intervention group or a control group (non-intervention group).
  • the target user ID 1106 is the user ID 401 of the user (target user) who belongs to the group identified by the group ID 1105 .
  • a schedule 1107 is a schedule for executing the intervention plan identified by the plan ID 1101.
  • Content 1108 is the details of the intervention plan identified by plan ID 1101 .
  • Expected effect 1109 is the immediate effect expected for the intervention plan identified by the plan ID 1101.
  • Immediate effect is a short-term index that indicates how quickly social participation produces an effect, and in this example, it is an evaluation index of motivation for social participation behavior.
  • Expected Effect: Continuity 1110 is the expected continuity of the intervention plan identified by Plan ID 1101 .
  • Continuity is a long-term index that indicates how long social participation behavior lasts, and is related to the degree of establishment of social participation behavior.
  • the intervention plan is manually created in the improvement server 102 and stored in the intervention plan DB 318. Further, the improvement server 102 may acquire an intervention plan manually created in the intervention execution main server 101 and store it in the intervention plan DB 318 .
  • Expected Effect Immediate Effect 1109 and Expected Effect: Continuity 1110 are not used for direct processing, but the value indicated by the recommendation result is referred to by humans. information to assist in planning.
  • FIG. 12 is an explanatory diagram showing an example of the intervention execution history DB 319.
  • the intervention execution history DB 319 has, as fields, an execution history ID 1201, a reference intervention plan ID 1202, a group ID 1105, a target user ID 1106, a start time 1203, an end time 1204, an intervention progress 1205, an intervention determination result 1206, have A combination of values of fields 1105, 1106, and 1201 to 1206 in the same row constitutes an entry defining one intervention execution history.
  • the execution history ID 1201 is identification information that uniquely identifies the intervention execution history.
  • the reference intervention plan ID 1202 is the plan ID 1101 of the plan of the intervention measure executed as the intervention execution history identified by the execution history ID 1201 . Note that the target user ID 1106 stores one user ID 401 in one entry in the intervention execution history DB 319 .
  • the start time 1203 is the date when the intervention measure that was intervened and executed as the intervention execution history identified by the execution history ID 1201 was started.
  • the end time 1204 is the date when the intervention measure executed as the intervention execution history identified by the execution history ID 1201 ended.
  • the intervention progress 1205 is one or more dates indicating the outcome of the intervention measure executed as the intervention execution history identified by the execution history ID 1201 .
  • the oldest date is the start time 1203 and the latest date is the end time 1204 .
  • the intervention determination result 1206 is a determination result indicating whether or not an intervention measure has been executed as the intervention execution history identified by the execution history ID 1201 .
  • the improvement server 102 may obtain each entry of the intervention execution history DB 319 by internal calculation and store it in the intervention execution history DB 319 , and obtain each entry obtained by the internal calculation of the intervention execution main server 101 from the intervention execution main server 101 . It may be acquired and stored in the intervention execution history DB 319 .
  • FIG. 13 is an explanatory diagram showing an example of the social participation history DB 320.
  • the social participation history DB 320 has, as fields, a user ID 401, a total month 1301, and a social participation frequency moving average 1302.
  • FIG. A combination of values in the fields 401, 1301, and 1302 on the same line is an entry that defines social participation history. Even the same user has multiple social participation histories.
  • the aggregated month 1301 is the month in which the frequency of social participation of the user identified by the user ID 401 is aggregated.
  • the social participation frequency moving average 1302 is the moving average value of the social participation frequency of the user identified by the user ID 401 .
  • the social participation frequency moving average 1302 is the moving average value of the social participation frequency 1320, and the movements of exercise hobbies 1321, liberal arts hobbies 1322, work 1323, volunteering 1324, and others 1325. including the average and The sum of the moving average values of liberal arts hobbies 1322, employment 1323, volunteers 1324, and others 1325 is the moving average value of social participation frequency 1320.
  • the improvement server 102 may obtain each entry in the social participation history DB 320 based on the information from the terminal 104 by internal calculation and store it in the social participation history DB 320 . may be obtained from the intervention execution main server 101 and stored in the intervention execution history DB 319 .
  • FIG. 14 is an explanatory diagram showing an example of the first intervention evaluation result DB 321.
  • the first intervention evaluation result DB 321 has fields such as user ID 401, evaluation period 1401, execution history ID 12101, baseline 1402, immediate effect evaluation period average 1403, immediate effect 1404, continuity evaluation period average 1405 and continuity 1406 .
  • a combination of the fields 401, 1201, 1401 to 1406 on the same line is an entry that defines an intervention evaluation result (first intervention evaluation result) for each user.
  • the evaluation time 1401 is the time to evaluate the social participation of the user identified by the user ID 401.
  • a baseline 1402 is the number of social participations per month at the start of intervention of the user identified by the user ID 401, and is a reference value for evaluation.
  • the immediate effect evaluation period average 1403 is the average value of the number of social participation times during the immediate effect evaluation period of the user identified by the user ID 401 .
  • Immediate effect 1404 is the rate of improvement in social participation frequency from the start of intervention during the immediate effect evaluation period. Immediate effect 1404 is calculated by the following formula (1).
  • the immediate effect evaluation period is the period from the start time 1203 of the intervention to a certain period after the end time 1204 of the intervention.
  • Immediate effect social participation frequency moving average during the immediate effect evaluation period (excluding intervention start time 1203) / social participation frequency at intervention start time 1203 ... (1)
  • the continuity evaluation period average 1405 is the average number of social participation times during the continuity evaluation period of the user identified by the user ID 401 .
  • Continuity 1406 is the rate of improvement in social participation frequency from the start of intervention during the continuity evaluation period. Continuity 1406 is calculated by the following formula (2).
  • the continuity evaluation period is a period from the start time 1203 that is longer than the intervention immediate effect evaluation period.
  • Continuity social participation frequency moving average during the continuity evaluation period (excluding the start of intervention) / social participation frequency at the start of intervention ... (2)
  • the improvement server 102 may obtain each entry of the first intervention evaluation result DB 321 by internal calculation and store it in the social participation history DB 320, and may store each entry obtained by the internal calculation of the intervention execution main server 101 in the intervention execution main server 101 and stored in the first intervention evaluation result DB 321 .
  • FIG. 15 is an explanatory diagram showing an example of the second intervention evaluation result DB 322.
  • the second intervention evaluation result DB 322 has, for example, a group ID 1105, a target user ID 1106, an evaluation time 1501, an execution history ID 12101, an immediate effect group average 1502, and a continuity group average 1503 as fields.
  • a combination of fields 1105, 1106, 1201, 1501 to 1503 in the same row is an entry that defines intervention evaluation results (second intervention evaluation results) for each group.
  • the evaluation time 1401 is the time to evaluate the social participation of the group identified by the group ID 1105.
  • the immediate effect group average 1502 is the average value of the immediate effect 1404 of the user identified by the target user ID 1106 .
  • the continuity evaluation period average 1405 is the average value of the continuity 1406 of the user identified by the target user ID 1106 .
  • the improvement server 102 may obtain each entry of the second intervention evaluation result DB 322 by internal calculation and store it in the social participation history DB 320, and may store each entry obtained by the internal calculation of the intervention execution main server 101 in the intervention execution main server. 101 and stored in the second intervention evaluation result DB 322 .
  • FIG. 16 is an explanatory diagram showing an example of the behavior pattern DB 323.
  • the action pattern DB 323 has, for example, action pattern ID 1601, weekday 1602, and holiday 1603 as fields.
  • a combination of values of fields 1601 to 1603 in the same row constitutes an entry that defines one action pattern.
  • the action pattern ID 1601 is identification information that uniquely identifies the action pattern, which is the type of action that captures the user's habitual tendency to go out. Behavioral patterns are one of the factors that influence social participation. The combination of going out or staying at home differs depending on the type of work (unemployed, full-time, part-time, night shift, etc.).
  • a weekday 1602 is information indicating actions on weekdays, for example, "1" indicates going out and "0" indicates staying at home.
  • a holiday 1603 is information indicating behavior on a holiday. For example, "1" indicates going out and "0" indicates staying at home.
  • the improvement server 102 may hold each entry of the behavior pattern ID 1601 in advance, or may acquire it from another computer 200 .
  • FIG. 17 is an explanatory diagram showing an example of the social participation pattern DB 324.
  • the social participation pattern DB 324 has, as fields, for example, a social participation pattern ID 1701, frequency (exercise hobbies) 1702, frequency (cultural hobbies) 1703, frequency (work) 1704, frequency (volunteer) 1705, frequency (Other) 1706 and .
  • a combination of the values of fields 1701 to 1706 on the same line is an entry that defines a social participation pattern.
  • the social participation pattern ID 1701 is identification information that uniquely identifies a social participation pattern that is a type of social participation that captures social participation tendencies for different behavioral purposes.
  • the frequency (exercise hobby) 1702 is the frequency of the exercise hobby in the social participation pattern identified by the social participation pattern ID 1701 .
  • the frequency (cultural hobbies) 1703 is the frequency of cultural hobbies in the social participation pattern identified by the social participation pattern ID 1701 .
  • the frequency (work) 1704 is the frequency of work in the social participation pattern specified by the social participation pattern ID 1701 .
  • the frequency (volunteer) 1705 is the frequency of volunteers in the social participation pattern identified by the social participation pattern ID 1701 .
  • the frequency (others) 1706 is the frequency of others (other than sports hobbies, arts hobbies, work, and volunteering) in the social participation pattern specified by the social participation pattern ID 1701 .
  • the improvement server 102 may hold each entry of the social participation pattern ID 1701 in advance, or may acquire it from another computer 200 .
  • FIG. 18 is an explanatory diagram showing an example of the intervention knowledge DB 325.
  • the intervention knowledge DB 325 has, for example, a user ID 401, a user attribute 1801, an action characteristic 1802, an area characteristic 1803, and a measure pattern 1804 as fields.
  • a combination of values of fields 401 and 1801 to 1804 in the same row constitutes an entry defining one intervention knowledge.
  • the user attribute 1801 indicates attributes of the user identified by the user ID 401, such as age (calculated from date of birth 403), gender 404, and address 405.
  • Behavioral characteristics 1802 are a behavioral pattern ID 1601 identifying a behavioral pattern and a social participation pattern ID 1701 identifying a social participation pattern of the user identified by the user ID 401 .
  • a regional characteristic 1803 is a regional pattern ID 1803 that identifies a regional pattern that corresponds to the user identified by the user ID 401 .
  • the policy pattern 1804 is the immediate effect and continuity of the user identified by the user ID 401 for each policy pattern.
  • the improvement server 102 obtains each entry of the intervention knowledge DB 325 by internal calculation and stores it in the intervention knowledge DB 325 .
  • FIG. 19 is a sequence diagram showing an example of initial processing for continuous improvement of social participation intervention.
  • the local information server 103 transmits the local information (entry of the local DB 315 in FIG. 8) to the improvement server 102 (step S1901).
  • the improvement server 102 receives the regional information, stores it in the regional DB 315, and executes regional clustering (step S1902). Specifically, for example, the improvement server 102 refers to the area pattern DB 316 and associates each area defined by the area information with the area pattern ID 901 of the corresponding area pattern. That is, the improvement server 102 stores the corresponding area ID 801 in the reference area ID 907 of the area pattern DB 316 .
  • the intervention execution main server 101 transmits the account information (entry of the account DB 311 in FIG. 4) to the improvement server 102 (step S1903).
  • the improvement server 102 receives the account information from the intervention execution main server 101 and executes account registration (step S1904). Specifically, for example, the improvement server 102 stores the received account information in the account DB 311 .
  • the terminal 104 temporally transmits behavior information (entries in the behavior history DB 314 in FIG. 7) to the improvement server 102 (step S1905).
  • the improvement server 102 then registers the action information as an entry in the action history DB 314 . This completes the initial process of continuous improvement of social engagement interventions.
  • FIG. 20 is a sequence diagram showing an example of continuous improvement of social participation intervention.
  • the improvement server 102 has, as a base flow, intervention planning by the intervention planning unit 301 (step S2001), intervention execution by the intervention execution unit 302 (step S2002), intervention evaluation by the intervention evaluation unit 303 (step S2003), intervention knowledge generation unit 304 Intervention knowledge (step S2004) and intervention recommendation by the intervention recommendation unit 305 (step S2005) are executed. Intervention planning (step S2001), intervention execution (step S2002), intervention evaluation (step S2003), intervention knowledge (step S2004), and intervention recommendation (step S2005) will be specifically described below.
  • FIG. 21 is a flowchart showing an example of intervention planning (step S2001) by the intervention planning unit 301.
  • FIG. 22 is an explanatory diagram showing an example of an intervention planning screen.
  • the intervention plan screen 2200 is displayed on a display device that is an example of the output device 204 of the improvement server 102 .
  • the improvement server 102 accepts a planned route by the operation of the operator (step S2101).
  • the intervention plan screen 2200 has an intervention measure pattern selection button 2201 and an intervention recommendation use button 2202 .
  • the improvement server 102 determines which of the intervention measure pattern selection button 2201 and the intervention recommendation use button 2202 has been selected as the planned route from the intervention plan screen 2200 by the operation of the operator. If selection of the intervention measure pattern selection button 2201 is accepted, the process moves to step S2102. If selection of the use intervention recommendation button 2202 is accepted, the process moves to step S2104.
  • the intervention recommendation (step S2104) is the same processing as step S2005, and as will be described later in FIG. 30, the intervention recommendation (step S2104) outputs the intervention recommendation result.
  • the recommendation result is, for example, the measure pattern ID 1001 and the predicted values of the immediate effect 1404 and continuity 1406 of the measure pattern.
  • the improvement server 102 determines whether or not to utilize the intervention measure pattern through the operator's operation (step S2102).
  • the intervention plan screen 2200 has a new plan button 2203 and an intervention measure pattern 2204 .
  • the improvement server 102 determines which of the new plan button 2203 and the intervention measure pattern 2204 has been selected from the intervention plan screen 2200 by the operation of the operator. If selection of the new plan button 2203 is accepted, the process moves to step S2103. If selection of the intervention measure pattern 2204 is accepted, the process moves to step S2105.
  • the improvement server 102 accepts registration of the intervention measure pattern 2204 by the operation of the operator (step S2103). Specifically, for example, the operator inputs the intervention measure pattern 2204 to the intervention plan screen 2200 and presses the registration button 2205 . As a result, the input intervention measure pattern 2204 is registered in the intervention measure pattern DB 317, and the process proceeds to step S2104.
  • the improvement server 102 refers to the intervention measure pattern 2204 and the intervention recommendation result, and receives registration of the intervention plan 2206 created by the operation of the operator (step S2104).
  • the created intervention plan 2206 is registered as a new entry in the intervention plan DB 318 by pressing the registration button 2205 .
  • the improvement server 102 transmits the intervention plan of the intervention plan DB318 to the terminal 104 and updates the intervention execution history DB319. Specifically, for example, the improvement server 102 transmits the intervention plan of the entry as message data to the terminal 104 of the user identified by the target user ID 1106 . The improvement server 102 then generates an intervention execution history entry for the transmitted intervention plan and stores it in the intervention execution history DB 319 .
  • FIG. 23 is an explanatory diagram showing a display example of intervention execution (step S2002) on the terminal 104.
  • the terminal 104 displays the content 1108 of the intervention plan on the display screen 2300 by opening the received message data by the user's operation.
  • Content 1108 corresponds to the intervention measure pattern identified by reference measure pattern ID 1102 (entry of intervention measure pattern DB 317 in FIG. 10).
  • the terminal 104 determines whether the user has viewed the content 1108 or not. For example, terminal 104 determines that a user has viewed content 1108 when content 1108 is scrolled to the bottom. In addition, the terminal 104 may determine that the user has viewed the content 1108 when a predetermined viewing time has elapsed or a read button (not shown) has been pressed. The terminal 104 transmits an intervention determination result 1206 indicating whether or not the user browsed to the improvement server 102 . The improvement server 102 registers the received intervention determination result 1206 in the intervention execution history entry of the user in the intervention execution history DB 319 .
  • FIG. 24 is a flowchart (part 1) showing an example of intervention evaluation (step S2003) by the intervention evaluation unit 303.
  • the improvement server 102 reads the intervention execution history DB 319 (step S2401) and reads the action history DB 314 (step S2402).
  • the improvement server 102 selects the unselected group and selects the target user ID 1106 (user ID 401) belonging to the selected group (step S2403).
  • the improvement server 102 then calculates the social participation frequency moving average 1302 of the selected user's total month 1301 (step S2404).
  • the improvement server 102 treats the action history corresponding to the intervention execution history of the intervention execution history DB 319 as the action history corresponding to the social participation intervention as the time stamp 701, position 702, spot 703 , specified from the action purpose 704 .
  • the improvement server 102 calculates a moving average value for the frequency of social participation corresponding to the user's monthly action purpose 704 for the identified action history, generates social participation histories by total month 1301, and stores them in the social participation history DB 320. do.
  • the improvement server 102 determines whether there are no unselected groups (step S2405), and returns to step S2403 if there are unselected groups. On the other hand, if there is no unselected group, the improvement server 102 calculates the average immediate effect evaluation period 1403, the immediate effect 1404, the average continuous evaluation period 1405, and the continuity 1406 of each user, and Stored in the evaluation result DB 321 (step S2406).
  • the immediate effect evaluation period average 1403 is the average number of social participation times of the user identified by the user ID 401 during the immediate effect evaluation period.
  • the immediate effect evaluation period is selected from the entire period of the tallied month 1301 .
  • Immediate effect 1404 is the rate of improvement in social participation frequency from the start of intervention during the immediate effect evaluation period.
  • the continuity evaluation period average 1405 is the average number of social participation times during the continuity evaluation period of the user identified by the user ID 401 .
  • the continuity evaluation period is the entire period of the aggregate month 1301 .
  • Immediate effect 1404 is the rate of improvement in social participation frequency from the start of intervention during the entire period of the immediate effect evaluation period.
  • FIG. 25 is a graph showing an example of the first intervention evaluation result.
  • a first intervention evaluation result graph 2500 is generated for each user.
  • the horizontal axis of the first intervention evaluation result graph 2500 is the time axis indicating the total month 1301, and the vertical axis is the user's social participation frequency (times/month).
  • the social participation frequency 1320 is a monthly average value
  • the observation interval for which the moving average is taken is 3 months
  • the immediate effect evaluation period is 3 months from the intervention start time 1203 to the intervention end time 1204. 12 months for the continuity evaluation period.
  • FIG. 26 is a flowchart (part 2) showing an example of intervention evaluation (step S2003) by the intervention evaluation unit 303.
  • FIG. FIG. 27 is a graph showing the second intervention evaluation results.
  • the improvement server 102 calculates the immediate effect group average 1502 and the continuous group average 1503 for each intervention group specified by the group ID 1105, generates the second intervention evaluation result, and stores it in the second intervention evaluation result DB 322. Store (step S2601).
  • the improvement server 102 compares the baseline 1402 with the immediate effect group average 1502 and the continuous group average 1503 for each intervention group specified by the group ID 1105 with the same intervention measure (specified by the execution history ID 1201). 2701 is generated (step S2602).
  • the vertical axis of the first graph is the improvement rate, showing the relative evaluation before (Gr001 baseline) and after (immediate improvement group average 1502 and continuous group average 1503 improvement rate of Gr001).
  • the improvement rate of the immediate effect group average 1502 and the continuous group average 1503 when this 4.7 times/month is set to 1.0 is shown in Post (Gr001).
  • average values are used as in the immediate effect group average 1502 and the continuous group average 1503, statistical values such as the maximum value, the minimum value, the mode value, and the median value other than the average value may be used.
  • the improvement server 102 for each of the intervention groups specified by the group ID 1105, the immediate effect group average 1502 and the continuous group average 1503 of the intervention group, the immediate effect group average 1502 and the continuous group average 1503 of the control group and the same intervention measure (specified by the execution history ID 1201) to compare (step S2603).
  • the improvement server 102 for each intervention group specified by the group ID 1105, the immediate effect group average 1502 and the continuity group average 1503 of the intervention group, the immediate effect group average 1502 and the continuity group of the other intervention group A third graph 2703 that compares the average 1503 with the same intervention measure (specified by the execution history ID 1201) is generated (step S2604).
  • the improvement server 102 obtains an immediate effect group average 1502 and a continuity group average 1503 of an intervention measure (specified by the execution history ID 1201) in the intervention group, and other A fourth graph 2704 for comparing the immediate effect group average 1502 and the continuity group average 1503 of the intervention measure (specified by the execution history ID 1201) is generated (step S2605).
  • the improvement server 102 may generate at least one of the first graph 2701 to the fourth graph 2704. FIG. This completes the intervention evaluation (step S2003).
  • Intervention knowledge is based on user attributes 1801, behavioral characteristics 1802 (behavioral patterns capturing habitual outing tendencies and social participation patterns capturing social participation tendencies for different behavioral purposes), and regional characteristics 1803.
  • a model intervention effect prediction regression model 331, intervention effect prediction FM model 332 that predicts the immediate effect 1404 and continuity 1406 of the policy pattern is constructed.
  • FIG. 28 is a flowchart showing an example of intervention knowledge conversion (step S2004) by the intervention knowledge conversion unit 304.
  • the improvement server 102 selects an unselected user ID 401 (step S2801), and executes steps S2802 to S2807 for the selected user ID 401.
  • the improvement server 102 acquires the user information of the selected user ID 401 from the account DB 311 and stores it in the intervention knowledge DB 325 as the user attribute 1801 (step S2802).
  • the improvement server 102 determines the behavior pattern ID 1601 of the behavior pattern of the selected user ID 401 from the behavior pattern DB 323 from the behavior history DB 314 and the behavior purpose DB 312, and stores the determined behavior pattern ID in the intervention knowledge DB 325 as behavior characteristics 1802 (step S2803).
  • the improvement server 102 refers to the social participation frequency moving average 1302 of the selected user ID 401 in the social participation history DB 320, identifies the social participation pattern ID 324 of the user identified by the selected user ID 401, and uses the identified social participation pattern ID 324 as an action. Stored in the intervention knowledge DB 325 as the characteristic 1802 (step S2804).
  • the improvement server 102 identifies the area ID 801 of the area including the address 405 included in the user information of the selected user from the area DB 315, identifies the area pattern ID 901 of the area pattern with the identified area ID 801 as the reference area ID 907, and identifies it.
  • the area pattern ID 901 is stored in the intervention knowledge DB 325 as the area characteristic 1803 (step S2805).
  • the improvement server 102 acquires the selected user's immediate effect 1404 and continuity 1406 for each measure pattern from the first intervention evaluation result DB 321, and stores them in the intervention knowledge DB 325 (step S2806).
  • the improvement server 102 determines whether there are no more unselected user IDs 401 (step S2807), and if there are any unselected user IDs 401, the process returns to step S2801. On the other hand, if there is no unselected user ID 401, the improvement server 102 constructs the intervention effect prediction regression model 331 from the intervention knowledge DB 325 (step S2808).
  • the intervention effect prediction regression model 331 is a regression model that predicts the intervention effect, and includes an intervention effect prediction regression model for immediate effect 1404 with learning parameters a and ⁇ , and an intervention effect prediction regression model for continuity 1406 with b and e as learning parameters.
  • the improvement server 102 constructs the intervention effect prediction FM model 332 from the intervention knowledge DB 325 (step S2809).
  • the intervention effect prediction FM model 332 is an FM model that uses v, w as learning parameters and predicts intervention effects including immediate effect 1404 and continuity 1406. Although the user's information is small, similar users intervene guess the effect.
  • the intervention effect prediction FM model 332 is generated by Equation (5) below.
  • FIG. 29 is a flowchart showing an example of intervention recommendation (step S2005) by the intervention recommendation unit 305.
  • FIG. 30 is an explanatory diagram showing an example of an intervention recommendation screen.
  • the improvement server 102 receives intervention target data from the intervention target data input field 3001 on the intervention recommendation screen 3000 (step S2901). Specifically, for example, the improvement server 102 receives user attributes 1801, behavioral characteristics 1802, and regional characteristics 1803 of intervention targets.
  • the improvement server 102 determines whether the intervention target person in the intervention target data is a new user, a new group, or an existing user (step S2902). If the user ID 401 is included in the intervention target data, the intervention target is an existing user, and if the intervention target data does not include the user ID 401, the intervention target is a new user or a new group.
  • a new group is a group of new users.
  • the improvement server 102 inputs the intervention target data of the new user to the intervention effect prediction regression model for each new user, and 1404 and continuity 1406 are calculated (step S2903). Then, the improvement server 102 calculates the average predicted value of the immediate effect 1404 of the measure pattern 1804 and the average predicted value of the continuity 1406 of the measure pattern 1804, and calculates the predicted value of the immediate effect 1404 and the continuity 1406 of the measure pattern 1804. Each predicted value is ranked and displayed in the ranking area 3002 (step S2904).
  • the improvement server 102 inputs the intervention target data of the existing user to the intervention effect prediction FM model, and predicts the immediate effect 1404 and continuity 1406 of the existing user's policy pattern 1804. Calculate (step S2905). Then, the improvement server 102 ranks the predicted value of the immediate effect 1404 and the predicted value of the continuity 1406 of the measure pattern 1804, and displays them in the ranking area 3002 (step S2906). This completes the intervention recommendation (step S2005).
  • the alternative flow is different from the base flow in that part of the processing executed by the improvement server 102 is executed by the intervention executing main server 101 .
  • the intervention execution main server 101 transmits intervention target data to the improvement server 102 as an inquiry about intervention measures (step S2006).
  • the improvement server 102 receives the inquiry about the intervention measure and executes the intervention recommendation (step S2007).
  • the intervention recommendation (step S2007) is the same processing as the intervention recommendation (step S2005).
  • the improvement server 102 transmits the intervention recommendation result of the intervention recommendation (step S2007) to the intervention execution main server.
  • the intervention recommendation result is displayed on the intervention recommendation screen 3000 in the intervention execution main server 101 .
  • the operator of the intervention execution main server 101 can formulate an intervention plan by referring to the intervention recommendation result.
  • the intervention execution main server 101 executes the intervention plan (step S2008).
  • the intervention plan (step S2008) is the same processing as the intervention plan (step S2001).
  • the intervention plan is sent to improvement server 102 and stored in intervention plan DB 318 .
  • the intervention execution main server 101 executes intervention (step S2009). Intervention execution (step S2009) is the same processing as intervention execution (step S2002). Intervention execution main server 101 transfers data from terminal 104 (for example, intervention determination result 1206 ) to improvement server 102 .
  • the intervention execution main server 101 transmits an intervention evaluation inquiry to the improvement server 102 (step S2010).
  • the improvement server 102 upon receiving the intervention evaluation query, performs intervention evaluation (step S2011).
  • the intervention evaluation (step S2011) is the same processing as the intervention evaluation (step S2003).
  • the improvement server 102 executes intervention evaluation report generation processing by means of the intervention evaluation report generation unit, and transmits the intervention evaluation report to the intervention execution main server 101 (step S2012).
  • the improvement server 102 then executes interventional knowledge conversion (step S2013).
  • Intervention knowledge conversion (step S2013) is the same processing as intervention knowledge conversion (step S2004).
  • FIG. 31 is a flowchart showing an example of intervention evaluation report generation processing (step S2012).
  • the improvement server 102 selects an unselected group (step S3101), and executes steps S3102 and S3103 for the selected group.
  • the improvement server 102 extracts the target user ID 1106 from the second intervention evaluation result entry of the group ID 1105 of the selected group from the second intervention evaluation result DB 322 (step S3101).
  • the improvement server 102 extracts the first intervention evaluation result entry from the first intervention evaluation result DB 321 for each extracted target user ID 1106 (user ID 401) (step S3102).
  • step S3105 If there is an unselected group, the process returns to step S3101. If there is no unselected group, the improvement server 102 formats the report and transmits the intervention evaluation report to the intervention execution main server 101 (step S3105).
  • FIG. 32 is an explanatory diagram showing an example of an intervention evaluation report display screen.
  • the intervention evaluation report display screen 3200 is displayed on the intervention execution main server 101 .
  • a first intervention evaluation result 3201 , a second intervention evaluation result 3202 , and first to fourth graphs 2701 to 2704 of the second intervention evaluation result 3202 are displayed on the intervention evaluation report display screen 3200 .
  • the user can receive effective intervention suitable for him/herself and promote and continue social participation. This is expected to prevent nursing care, improve QoL, and extend healthy life expectancy.
  • the intervention execution entity it is possible, for example, to improve product and service development, quality and efficiency as a hypothesis-testing intervention.
  • the intervention implementing body can contribute to society through this improvement system.
  • EBPM Evidence Based Policy Making
  • the intervention execution entity is a company that employs users who use the improvement system, it will be possible to improve health management and productivity for the users. If the main body of intervention is an insurance company or healthcare industry, product development and marketing will become possible. If the main body of intervention is the local community, it becomes possible to revitalize the activity. If the intervention execution entity is academia, it will be possible to utilize basic research information.
  • the present invention is not limited to the above-described embodiments, and includes various modifications and equivalent configurations within the scope of the attached claims.
  • the above-described embodiments have been described in detail to facilitate understanding of the present invention, and the present invention is not necessarily limited to those having all the described configurations.
  • part of the configuration of one embodiment may be replaced with the configuration of another embodiment.
  • the configuration of another embodiment may be added to the configuration of one embodiment.
  • other configurations may be added, deleted, or replaced with respect to a part of the configuration of each embodiment.
  • each configuration, function, processing unit, processing means, etc. described above may be implemented in hardware, for example, by designing a part or all of them with an integrated circuit, and the processor implements each function. It may be realized by software by interpreting and executing a program to execute.
  • Storage devices such as memory, hard disk, SSD (Solid State Drive), or IC (Integrated Circuit) card, SD card, DVD (Digital Versatile Disc) Can be stored on media.
  • control lines and information lines indicate those that are considered necessary for explanation, and do not necessarily indicate all the control lines and information lines necessary for implementation. In practice, it can be considered that almost all configurations are interconnected.

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • Tourism & Hospitality (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Child & Adolescent Psychology (AREA)
  • Computing Systems (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

ユーザの社会参加を支援する社会参加支援装置は、記憶デバイスに、いつどこでどのような介入施策で社会参加の介入を前記ユーザに実行した実行結果を示す介入実行履歴と、前記ユーザがいつどこで何をしたかを示す行動履歴と、を記憶し、前記介入実行履歴と、前記行動履歴と、に基づいて、前記介入実行履歴における社会参加の介入に対応する前記行動履歴について、前記ユーザの社会参加頻度を算出する社会参加頻度算出処理と、前記社会参加頻度算出処理によって算出された社会参加頻度に基づいて、前記ユーザの社会参加の開始からの所定期間における介入効果と、を算出する介入効果算出処理と、前記介入効果算出処理による算出結果を出力する出力処理と、を実行する。

Description

社会参加支援装置および社会参加支援方法 参照による取り込み
　本出願は、令和３年（２０２１年）９月２２日に出願された日本出願である特願２０２１－１５４４９８の優先権を主張し、その内容を参照することにより、本出願に取り込む。
　本発明は、社会参加を支援する社会参加支援装置および社会参加支援方法に関する。
　高齢化社会において、高齢者が社会の担い手の一員として、知識および経験を生かし、主体的に社会へ参加することが重要となってきている。高齢者の社会参加を推進することによって社会の活性化と、高齢者自身のＱｏＬ（Ｑｕａｌｉｔｙ　ｏｆ　Ｌｉｆｅ）の向上及び健康寿命の延伸とが期待される。
　社会参加を促進するためには、人に社会へ参加する動機付けを喚起する必要がある。一つの方法として、自治体により介入施策を講じる方法があるが、社会参加の動機付けや人の行動の定着は十分ではない。
　下記特許文献１は、経時的に取得した生体情報に基づいて関心健康領域の健康度と予防的介入行動のそれぞれとの相関度及び影響度を評価する方法を開示する。この方法は、個人の前記生体情報を経時的に取得し、取得した生体情報に基づいて個人の健康度の評価を経時的に行い、一つ以上の予防的介入行動のそれぞれの介入量を経時的に取得し、予防的介入行動のそれぞれの経時的な介入量と個人の経時的な健康度との相関度及び影響度を求め、一つ以上の予防的介入行動の内で相関度が所定の値以上であるものを関連予防的介入行動として決定する。
特開２０２０－１６１１８７号公報
　しかし、特許文献１の方法は、社会参加の有効な介入方法を与えていない。また、一般介護予防事業では、通いの場設置等、通り一遍の施策になっている。健常時からの個別かつ詳細なデータが存在せず、施策に対する効果評価が十分ではないためである。
　本発明は、社会参加の促進を図ること目的とする。
　本願において開示される発明の一側面となる社会参加支援装置は、ユーザの社会参加を支援する社会参加支援装置であって、プログラムを実行するプロセッサと、前記プログラムを記憶する記憶デバイスと、を有し、前記記憶デバイスは、いつどこでどのような介入施策で社会参加の介入を前記ユーザに実行した実行結果を示す介入実行履歴と、前記ユーザがいつどこで何をしたかを示す行動履歴と、を記憶し、前記プロセッサは、前記介入実行履歴と、前記行動履歴と、に基づいて、前記介入実行履歴における社会参加の介入に対応する前記行動履歴について、前記ユーザの社会参加頻度を算出する社会参加頻度算出処理と、前記社会参加頻度算出処理によって算出された社会参加頻度に基づいて、前記ユーザの社会参加の開始からの所定期間における介入効果と、を算出する介入効果算出処理と、前記介入効果算出処理による算出結果を出力する出力処理と、を実行することを特徴とする。
　本発明の代表的な実施の形態によれば、社会参加の促進を図ることができる。前述した以外の課題、構成及び効果は、以下の実施例の説明により明らかにされる。
図１は、改善システムのシステム構成例を示す説明図である。 図２は、コンピュータのハードウェア構成例を示すブロック図である。 図３は、改善サーバの機能的構成例を示すブロック図である。 図４は、アカウントＤＢの一例を示す説明図である。 図５は、行動目的ＤＢの一例を示す説明図である。 図６は、介入実行主体ＤＢの一例を示す説明図である。 図７は、行動履歴ＤＢの一例を示す説明図である。 図８は、地域ＤＢの一例を示す説明図である。 図９は、地域パターンＤＢの一例を示す説明図である。 図１０は、介入施策パターンＤＢの一例を示す説明図である。 図１１は、介入計画ＤＢの一例を示す説明図である。 図１２は、介入実行履歴ＤＢの一例を示す説明図である。 図１３は、社会参加履歴ＤＢの一例を示す説明図である。 図１４は、第１介入評価結果ＤＢの一例を示す説明図である。 図１５は、第２介入評価結果ＤＢの一例を示す説明図である。 図１６は、行動パターンＤＢの一例を示す説明図である。 図１７は、社会参加パターンＤＢの一例を示す説明図である。 図１８は、介入知識ＤＢの一例を示す説明図である。 図１９は、社会参加介入の継続的改善の初期処理の一例を示すシーケンス図である。 図２０は、社会参加介入の継続的改善理例を示すシーケンス図である。 図２１は、介入計画部による介入計画（ステップＳ２００１）の一例を示すフローチャートである。 図２２は、介入計画画面の一例を示す説明図である。 図２３は、端末における介入実行（ステップＳ２００２）の表示例を示す説明図である。 図２４は、介入評価部による介入評価（ステップＳ２００３）の一例を示すフローチャート（その１）である。 図２５は、第１介入評価結果の一例を示すグラフである。 図２６は、介入評価部による介入評価（ステップＳ２００３）の一例を示すフローチャート（その２）である。 図２７は、第２介入評価結果を示すグラフである。 図２８は、介入知識化部による介入知識化（ステップＳ２００４）の一例を示すフローチャートである。 図２９は、介入推薦部による介入レコメンド（ステップＳ２００５）の一例を示すフローチャートである。 図３０は、介入レコメンド画面の一例を示す説明図である。 図３１は、介入評価レポート生成処理（ステップＳ２０１２）の一例を示すフローチャートである。 図３２は、介入評価レポート表示画面例を示す説明図である。
　以下、添付図面を用いて、社会参加介入の継続的改善システム（以下、単に「改善システム」）について説明する。この改善システムは、「社会参加」に影響する個人、行動、および地域特性を加味し、かつエビデンスに基づいて介入方法を学習し、提供する。改善システムを利用するユーザにとっては、自分にあった有効な介入を受けて社会参加を促進し、継続することができる。これにより、介護予防、ＱｏＬ向上、および健康寿命の延伸が期待される。
　＜用語＞
　なお、本明細書において、「社会参加」とは、外出、社会交流、社会参加など人との接触を伴う活動である。ＳＮＳ（Ｓｏｃｉａｌ　Ｎｅｔｗｏｒｋｉｎｇ　Ｓｅｒｖｉｃｅ）のようなバーチャルコミュニティではなくフィジカルな活動を対象とする。
　「行動（データ）」とは、いつだれが何の目的でどのくらいの頻度でどの経路をどの手段を使って行動したかを示すデータである。
　「社会参加介入」とは、社会参加促進を目的とした、ユーザへのあらゆる働きかけや支援行為である。アドバイスなどの直接的行為、環境整備などの間接的行為も含まれる。
　＜改善システムのシステム構成例＞
　図１は、改善システムのシステム構成例を示す説明図である。改善システム１００は、介入実行主体サーバ１０１と、介入の継続的改善サーバ（以下、改善サーバ）１０２と、地域情報サーバ１０３と、ユーザの端末１０４と、を有する。介入実行主体サーバ１０１および改善サーバ１０２は、ユーザの社会参加を支援する社会参加支援装置である。介入実行主体サーバ１０１、改善サーバ１０２、地域情報サーバ１０３およびユーザの端末１０４は、インターネット、ＬＡＮ（Ｌｏｃａｌ　Ａｒｅａ　Ｎｅｔｗｏｒｋ）、ＷＡＮ（Ｗｉｄｅ　Ａｒｅａ　Ｎｅｔｗｏｒｋ）などのネットワーク１１０を介して通信可能に接続される。
　＜コンピュータ（介入実行主体サーバ１０１、改善サーバ１０２、地域情報サーバ１０３およびユーザの端末１０４）のハードウェア構成例＞
　図２は、コンピュータのハードウェア構成例を示すブロック図である。コンピュータ２００は、プロセッサ２０１と、記憶デバイス２０２と、入力デバイス２０３と、出力デバイス２０４と、通信インターフェース（通信ＩＦ）２０５と、を有する。プロセッサ２０１、記憶デバイス２０２、入力デバイス２０３、出力デバイス２０４、および通信ＩＦ２０５は、バス２０６により接続される。プロセッサ２０１は、コンピュータ２００を制御する。記憶デバイス２０２は、プロセッサ２０１の作業エリアとなる。また、記憶デバイス２０２は、各種プログラムやデータを記憶する非一時的なまたは一時的な記録媒体である。記憶デバイス２０２としては、たとえば、ＲＯＭ（Ｒｅａｄ　Ｏｎｌｙ　Ｍｅｍｏｒｙ）、ＲＡＭ（Ｒａｎｄｏｍ　Ａｃｃｅｓｓ　Ｍｅｍｏｒｙ）、ＨＤＤ（Ｈａｒｄ　Ｄｉｓｋ　Ｄｒｉｖｅ）、フラッシュメモリがある。入力デバイス２０３は、データを入力する。入力デバイス２０３としては、たとえば、キーボード、マウス、タッチパネル、テンキー、スキャナ、マイク、センサがある。出力デバイス２０４は、データを出力する。出力デバイス２０４としては、たとえば、ディスプレイ、プリンタ、スピーカがある。通信ＩＦ２０５は、ネットワーク１１０と接続し、データを送受信する。
　＜改善サーバ１０２の機能的構成例＞
　図３は、改善サーバ１０２の機能的構成例を示すブロック図である。改善サーバ１０２は、介入計画部３０１と、介入実行部３０２と、介入評価部３０３と、介入知識化部３０４と、介入推薦部３０５と、介入評価レポート生成部３０６と、通信部３０７と、を有する。介入計画部３０１、介入実行部３０２、介入評価部３０３、介入知識化部３０４、介入推薦部３０５、および介入評価レポート生成部３０６は、具体的には、たとえば、図２に示した記憶デバイス２０２に記憶されたプログラムをプロセッサ２０１に実行させることにより実現される。通信部３０７は、たとえば、図２に示した通信ＩＦ２０５により実現される。
　また、改善サーバ１０２は、あらかじめ、他のコンピュータ２００からの取得、または改善サーバ１０２の内部計算により、アカウントＤＢ３１１、行動目的ＤＢ３１２、介入実行主体ＤＢ３１３、行動履歴ＤＢ３１４、地域ＤＢ３１５、地域パターンＤＢ３１６、介入施策パターンＤＢ３１７、介入計画ＤＢ３１８、介入実行履歴ＤＢ３１９、社会参加履歴ＤＢ３２０、第１介入評価結果ＤＢ３２１、第２介入評価結果ＤＢ３２２、行動パターンＤＢ３２３、社会参加パターンＤＢ３２４、および介入知識ＤＢ３２５を保持する。これらのデータベース３１１～３２５は、具体的には、たとえば、図２に示した記憶デバイス２０２により実現される。
　また、改善サーバ１０２は、介入推薦部３０５により、介入効果予測回帰モデル３３１と介入効果予測ＦＭ（Ｆａｃｔｏｒｉｚａｔｉｏｎ　Ｍａｃｈｉｎｅｓ）モデル３３２とを生成する。介入効果予測回帰モデル３３１および介入効果予測ＦＭモデル３３２は、記憶デバイス２０２に記憶される。
　＜データベース３１１～３２５＞
　図４は、アカウントＤＢ３１１の一例を示す説明図である。アカウントＤＢ３１１は、たとえば、フィールドとして、ユーザＩＤ４０１と、氏名４０２と、生年月日４０３と、性別４０４と、住所４０５と、を有する。同一行の各フィールド４０１～４０５の値の組み合わせが１人のユーザを示すユーザ情報を規定するエントリとなる。
　ユーザＩＤ４０１は、ユーザを一意に特定する識別情報である。氏名４０２は、ユーザＩＤ４０１によって特定されるユーザの苗字と名前の組み合わせである。生年月日４０３は、ユーザＩＤ４０１によって特定されるユーザが生まれた年月日である。性別４０４は、ユーザＩＤ４０１によって特定されるユーザの生物学上の男女の区別である。住所４０５は、ユーザＩＤ４０１によって特定されるユーザが居住する場所である。
　改善サーバ１０２は、アカウントＤＢ３１１の各エントリをあらかじめ保持していてもよく、他のコンピュータ２００から取得してもよい。
　図５は、行動目的ＤＢ３１２の一例を示す説明図である。行動目的ＤＢ３１２は、フィールドとして、行動目的５０１と、キーワード５０２と、を有する。行動目的５０１は、ユーザが行動する目的である。キーワード５０２は、行動目的５０１を定義したり、行動目的５０１に関連したり、または、行動目的５０１を連想したりする文字列である。
　改善サーバ１０２は、行動目的ＤＢ３１２の各エントリをあらかじめ保持していてもよく、他のコンピュータ２００から取得してもよい。
　図６は、介入実行主体ＤＢ３１３の一例を示す説明図である。介入実行主体ＤＢ３１３は、介入実行主体を規定するデータベースであり、フィールドとして、実行主体ＩＤ６０１と、実行主体区分６０２と、実行主体名６０３と、介入目的６０４と、参照ユーザＩＤ６０５と、を有する。同一行の各フィールド６０１～６０５の値の組み合わせが１つの介入実行主体を示す介入実行主体情報を規定するエントリとなる。
　実行主体ＩＤ６０１は、介入実行主体を一意に特定する識別情報である。実行主体区分６０２は、実行主体ＩＤ６０１によって特定される介入実行主体の分類先である。実行主体名６０３は、実行主体ＩＤ６０１によって特定される介入実行主体の名称である。介入目的６０４は、実行主体ＩＤ６０１によって特定される介入実行主体が介入を実行する狙いまたは介入実行の内容である。
　参照ユーザＩＤ６０５は、実行主体ＩＤ６０１によって特定される介入実行主体を参照するユーザのユーザＩＤ４０１である。具体的には、たとえば、参照ユーザＩＤ６０５によって特定されるユーザは、その実行主体ＩＤ６０１によって特定される介入実行主体の顧客である。
　改善サーバ１０２は、介入実行主体ＤＢ３１３の各エントリをあらかじめ保持していてもよく、介入実行主体サーバ１０１から取得してもよい。
　図７は、行動履歴ＤＢ３１４の一例を示す説明図である。行動履歴ＤＢ３１４は、フィールドとして、ユーザＩＤ４０１と、タイムスタンプ７０１と、位置７０２と、スポット７０３と、行動目的７０４と、滞在／移動区分７０５と、移動手段７０６と、を有する。同一行の各フィールド４０１、７０１～７０６の値の組み合わせが、１つの行動履歴を規定するエントリとなる。なお、同一のユーザであってもタイムスタンプ７０２が異なれば、複数の行動履歴に規定される。
　タイムスタンプ７０１は、ユーザＩＤ４０１によって特定されるユーザが行動した日付時刻である。位置７０２は、ユーザＩＤ４０１によって特定されるユーザが行動した地点である。スポット７０３は、位置７０２に存在する施設などの場所名である。行動目的７０４は、行動目的ＤＢ３１２の行動目的５０１から選択された項目である。
　滞在／移動区分７０５は、ユーザＩＤ４０１によって特定されるユーザが位置７０２に滞在しているか位置７０２で移動中であるかを示す区分である。移動手段７０６は、ユーザＩＤ４０１によって特定されるユーザが移動に用いている手段（たとえば、電車、車、徒歩、該当なし（Ｎ／Ａ（Ｎｏｔ　Ａｐｐｌｉｃａｂｌｅ））である。
　各エントリである行動履歴は、ユーザの端末４０１で生成され、端末４０１から直接または他のコンピュータを介して間接的に改善サーバ１０２に送信される。なお、端末４０１は、衛星測位システムを利用した現在位置測位機能や移動手段７０６を特定するための加速度センサや移動速度および移動方向を算出する機能を有する。
　図８は、地域ＤＢ３１５の一例を示す説明図である。地域ＤＢ３１５は、フィールドとして、たとえば、地域ＩＤ８０１と、地域名８０２と、地理分類８０３と、気候：年平均降雪量８０４と、気候：年平均降水量８０５と、人口密度８０６と、高齢化率８０７と、交通：Ｔ指標８０８と、通いの場の設置数／高齢人口８０９と、医療機関数８１０と、を有する。同一行の各フィールド８０１～８１０の組み合わせが、１つの地域を示す地域情報を規定するエントリとなる。
　地域ＩＤ８０１は、市区町村の行政区画単位である地域を一意に特定する識別情報である。地域名８０２は、地域ＩＤ８０１によって特定される地域の名称である。地理分類８０３は、地域ＩＤ８０１によって特定される地域の地理的区分である。気候：年平均降雪量８０４は、地域ＩＤ８０１によって特定される地域の年間の平均降雪量である。気候：年平均降水量８０５は、地域ＩＤ８０１によって特定される地域の年間の平均降水量である。
　人口密度８０６は、地域ＩＤ８０１によって特定される地域における単位面積１ｋｍ２当たりに居住する人の数である。高齢化率８０７は、地域ＩＤ８０１によって特定される地域の人口に対する高齢者（たとえば、６５歳以上）の割合である。
　交通：Ｔ指標８０８は、地域ＩＤ８０１によって特定される地域内の各地点から当該地域内の目的地点（たとえば、中心地）における交通利便性（アクセシビリティレベル）を示す値であり、単位は所要時間（分）である。
　通いの場の設置数８０９は、地域ＩＤ８０１によって特定される地域内に存在する通いの場の設置数である。通いの場とは、高齢者をはじめ地域住民が、他者とのつながりの中で主体的に取り組む、介護予防やフレイル予防に資する多様な活動の場や機会である。医療機関数８１０は、地域ＩＤ８０１によって特定される地域内に存在する医療機関の数である。
　改善サーバ１０２は、地域ＤＢ３１５の各エントリをあらかじめ保持していてもよく、地域情報サーバ１０３から取得してもよい。
　図９は、地域パターンＤＢ３１６の一例を示す説明図である。地域パターンＤＢ３１６は、フィールドとして、たとえば、地域パターンＩＤ９０１と、地理分類９０２と、気候：降雪９０３と、人口密度９０４と、高齢化率９０５と、交通９０６と、参照地域ＩＤ９０７と、を有する。同一行の各フィールド９０１～９０７の値の組み合わせが、１つの地域パターンを規定するエントリとなる。
　地域パターンＩＤ９０１は、地域の類型を示す地域パターンを一意に特定する識別情報である。地理分類９０２は、地域パターンＩＤ９０１で特定される地域パターンの地理的区分である。気候：降雪９０３は、地域パターンＩＤ９０１で特定される地域パターンの降雪の度合いである。人口密度９０４は、地域パターンＩＤ９０１で特定される地域パターンにおける単位面積１ｋｍ２当たりに居住する人の数である。
　高齢化率９０５は、地域パターンＩＤ９０１で特定される地域パターンでの高齢者（たとえば、６５歳以上）の割合である。交通９０６は、地域パターンＩＤ９０１で特定される地域パターンにおける交通の利便性である。参照地域ＩＤ９０７は、地域パターンＩＤ９０１で特定される地域パターンに該当する地域の地域ＩＤ８０１である。参照地域ＩＤ９０７は、後述する地域クラスタリング（ステップＳ１９０２）において設定される。
　改善サーバ１０２は、地域ＤＢ３１５の各エントリをあらかじめ保持していてもよく、地域情報サーバ１０３から取得してもよい。
　図１０は、介入施策パターンＤＢ３１７の一例を示す説明図である。介入施策パターンＤＢ３１７は、フィールドとして、たとえば、施策パターンＩＤ１００１と、施策パターン名１００２と、対象主体１００３と、タッチポイント１００４と、内容１００５と、を有する。同一行の各フィールドの値の組み合わせが、１つの施策パターンを規定するエントリとなる。
　施策パターンＩＤ１００１は、介入施策の類型を示す介入施策パターンを一意に特定する識別情報である。施策パターン名１００２は、施策パターンＩＤ１００１によって特定される介入施策パターンの名称である。対象主体１００３は、施策パターンＩＤ１００１によって特定される介入施策パターンで介入施策される者である。タッチポイント１００４は、施策パターンＩＤ１００１によって特定される介入施策パターンで対象主体１００３に介入施策する方法である。内容１００５は、施策パターンＩＤ１００１によって特定される介入施策パターンで対象主体１００３に介入施策する内容である。
　改善サーバ１０２は、介入施策パターンＤＢ３１７の各エントリをあらかじめ保持していてもよく、他のコンピュータ２００から取得してもよい。
　図１１は、介入計画ＤＢ３１８の一例を示す説明図である。介入計画ＤＢ３１８は、フィールドとして、たとえば、計画ＩＤ１１０１と、参照施策パターンＩＤ１１０２と、計画名１１０３と、参照実行主体ＩＤ１１０４と、群ＩＤ１１０５と、対象ユーザＩＤ１１０６と、スケジュール１１０７と、内容１１０８と、期待効果：即効性１１０９と、期待効果：継続性１１１０と、を有する。同一行の各フィールド１１０１～１１１０の値の組み合わせが、１つの介入計画を規定するエントリとなる。
　計画ＩＤ１１０１は、介入施策の計画を示す介入計画を一意に特定する識別情報である。参照施策パターンＩＤ１１０２は、計画ＩＤ１１０１によって特定される介入計画を作成する際に参照した施策パターンの施策パターンＩＤ１００１である。計画名１１０３は、計画ＩＤ１１０１によって特定される介入計画の名称である。
　参照実行主体ＩＤ１１０４は、計画ＩＤ１１０１によって特定される介入計画を実行する介入実行主体の実行主体ＩＤ６０１である。群ＩＤ１１０５は、介入群または対照群（非介入群）を一意に特定する識別情報である。対象ユーザＩＤ１１０６は、群ＩＤ１１０５によって特定される群に所属するユーザ（対象ユーザ）のユーザＩＤ４０１である。
　スケジュール１１０７は、計画ＩＤ１１０１によって特定される介入計画を実行する日程である。内容１１０８は、計画ＩＤ１１０１によって特定される介入計画の詳細な事項である。
　期待効果：即効性１１０９は、計画ＩＤ１１０１によって特定される介入計画に期待される即効性である。即効性は、社会参加による効果が出る早さを示す短期的な指標であり、本例では社会参加行動の動機付けの評価指標となる。期待効果：継続性１１１０は、計画ＩＤ１１０１によって特定される介入計画に期待される継続性である。継続性は、社会参加行動がどのくらい続くかを示す長期的な指標であり、社会参加行動の定着度に関連する。
　介入計画は、改善サーバ１０２において人手によって作成され、介入計画ＤＢ３１８に保存される。また、改善サーバ１０２は、介入実行主体サーバ１０１において人手によって作成された介入計画を取得して、介入計画ＤＢ３１８に保存してもよい。
　期待効果：即効性１１０９および期待効果：継続性１１１０は、直接処理に使うものではなく、レコメンド結果で示された値を人が参照する、つまりこれから計画する介入施策に対する期待効果を参考値として参照し、計画に役立てるための情報である。
　図１２は、介入実行履歴ＤＢ３１９の一例を示す説明図である。介入実行履歴ＤＢ３１９は、フィールドとして、実行履歴ＩＤ１２０１と、参照介入計画ＩＤ１２０２と、群ＩＤ１１０５と、対象ユーザＩＤ１１０６と、開始時期１２０３と、終了時期１２０４と、介入経過１２０５と、介入判定結果１２０６と、を有する。同一行の各フィールド１１０５，１１０６、１２０１～１２０６の値の組み合わせが、１つの介入実行履歴を規定するエントリとなる。
　実行履歴ＩＤ１２０１は、介入実行履歴を一意に特定する識別情報である。参照介入計画ＩＤ１２０２は、実行履歴ＩＤ１２０１で特定される介入実行履歴として介入実行された介入施策の計画の計画ＩＤ１１０１である。なお、対象ユーザＩＤ１１０６は、介入実行履歴ＤＢ３１９においては、１エントリに１つのユーザＩＤ４０１を格納する。
　開始時期１２０３は、実行履歴ＩＤ１２０１で特定される介入実行履歴として介入実行された介入施策を開始した日付である。終了時期１２０４は、実行履歴ＩＤ１２０１で特定される介入実行履歴として介入実行された介入施策を終了した日付である。介入経過１２０５は、実行履歴ＩＤ１２０１で特定される介入実行履歴として介入実行された介入施策の成り行きを示す１以上の日付である。最古の日付が開始時期１２０３であり、最新の日付が終了時期１２０４である。介入判定結果１２０６は、実行履歴ＩＤ１２０１で特定される介入実行履歴として介入施策が実行されたか否かを示す判定結果である。
　改善サーバ１０２は、介入実行履歴ＤＢ３１９の各エントリを内部計算で求めて介入実行履歴ＤＢ３１９に格納してもよく、介入実行主体サーバ１０１の内部計算で求められた各エントリを介入実行主体サーバ１０１から取得して、介入実行履歴ＤＢ３１９に格納してもよい。
　図１３は、社会参加履歴ＤＢ３２０の一例を示す説明図である。社会参加履歴ＤＢ３２０は、フィールドとして、ユーザＩＤ４０１と、集計月１３０１と、社会参加頻度移動平均１３０２と、を有する。同一行の各フィールド４０１、１３０１、１３０２の値の組み合わせが、社会参加履歴を規定するエントリとなる。同一ユーザであっても、複数の社会参加履歴を有する。
　集計月１３０１は、ユーザＩＤ４０１によって特定されるユーザが社会参加した頻度を集計した月である。社会参加頻度移動平均１３０２は、ユーザＩＤ４０１によって特定されるユーザが社会参加した頻度の移動平均値である。具体的には、たとえば、社会参加頻度移動平均１３０２は、社会参加頻度１３２０の移動平均値と、その内訳である運動系趣味１３２１、文科系趣味１３２２、就労１３２３、ボランティア１３２４、その他１３２５の各移動平均値と、を含む。文科系趣味１３２２、就労１３２３、ボランティア１３２４、その他１３２５の各移動平均値の合計が、社会参加頻度１３２０の移動平均値となる。
　改善サーバ１０２は、社会参加履歴ＤＢ３２０の各エントリを端末１０４からの情報に基づいて内部計算で求めて社会参加履歴ＤＢ３２０に格納してもよく、端末１０４からの情報に基づいて介入実行主体サーバ１０１の内部計算で求められた各エントリを介入実行主体サーバ１０１から取得して、介入実行履歴ＤＢ３１９に格納してもよい。
　図１４は、第１介入評価結果ＤＢ３２１の一例を示す説明図である。第１介入評価結果ＤＢ３２１は、フィールドとして、たとえば、ユーザＩＤ４０１と、評価時期１４０１と、実行履歴ＩＤ１２１０１と、ベースライン１４０２と、即効性評価期間平均１４０３と、即効性１４０４と、継続性評価期間平均１４０５と、継続性１４０６と、を有する。同一行の各フィールド４０１，１２０１，１４０１～１４０６の組み合わせが、ユーザの各々についての介入評価結果（第１介入評価結果）を規定するエントリとなる。
　評価時期１４０１は、ユーザＩＤ４０１によって特定されるユーザの社会参加を評価する時期である。ベースライン１４０２は、ユーザＩＤ４０１によって特定されるユーザの介入開始時点における月当たりの社会参加回数であり、評価の基準値である。即効性評価期間平均１４０３は、ユーザＩＤ４０１によって特定されるユーザの即効性評価期間における社会参加回数の平均値である。即効性１４０４は、即効性評価期間における介入開始時点からの社会参加頻度の改善率である。即効性１４０４は、下記式（１）により算出される。即効性評価期間は、介入の開始時期１２０３から終了時期１２０４後の一定期間までの期間である。
　即効性＝即効性評価期間の社会参加頻度移動平均（介入開始時期１２０３除く）／介入開始時期１２０３の社会参加頻度・・・（１）
　継続性評価期間平均１４０５は、ユーザＩＤ４０１によって特定されるユーザの継続性評価期間における社会参加回数の平均値である。継続性１４０６は、継続性評価期間における介入開始時点からの社会参加頻度の改善率である。継続性１４０６は、下記式（２）により算出される。継続性評価期間は、介入即効性評価期間よりも長い開始時期１２０３からの期間である。
　継続性＝継続性評価期間の社会参加頻度移動平均（介入開始時点除く）／介入開始時点の社会参加頻度・・・（２）
　改善サーバ１０２は、第１介入評価結果ＤＢ３２１の各エントリを内部計算で求めて社会参加履歴ＤＢ３２０に格納してもよく、介入実行主体サーバ１０１の内部計算で求められた各エントリを介入実行主体サーバ１０１から取得して、第１介入評価結果ＤＢ３２１に格納してもよい。
　図１５は、第２介入評価結果ＤＢ３２２の一例を示す説明図である。第２介入評価結果ＤＢ３２２は、フィールドとして、たとえば、群ＩＤ１１０５と、対象ユーザＩＤ１１０６と、評価時期１５０１と、実行履歴ＩＤ１２１０１と、即効性群平均１５０２と、継続性群平均１５０３と、を有する。同一行の各フィールド１１０５、１１０６，１２０１，１５０１～１５０３の組み合わせが、群の各々についての介入評価結果（第２介入評価結果）を規定するエントリとなる。
　評価時期１４０１は、群ＩＤ１１０５によって特定される群の社会参加を評価する時期である。即効性群平均１５０２は、対象ユーザＩＤ１１０６によって特定されるユーザの即効性１４０４の平均値である。継続性評価期間平均１４０５は、対象ユーザＩＤ１１０６によって特定されるユーザの継続性１４０６の平均値である。
　改善サーバ１０２は、第２介入評価結果ＤＢ３２２の各エントリを内部計算で求めて社会参加履歴ＤＢ３２０に格納してもよく、介入実行主体サーバ１０１の内部計算で求められた各エントリを介入実行主体サーバ１０１から取得して、第２介入評価結果ＤＢ３２２に格納してもよい。
　図１６は、行動パターンＤＢ３２３の一例を示す説明図である。行動パターンＤＢ３２３は、フィールドとして、たとえば、行動パターンＩＤ１６０１と、平日１６０２と、休日１６０３と、を有する。同一行の各フィールド１６０１～１６０３の値の組み合わせが、１つの行動パターンを規定するエントリとなる。
　行動パターンＩＤ１６０１は、ユーザの習慣的な外出傾向をとらえた行動の類型である行動パターンを一意に特定する識別情報である。行動パターンは社会参加に影響する要因の一つである。就労形態（無職、常勤、パートタイム、夜勤等）によって外出または在宅の組み合わせが異なる。平日１６０２は、平日における行動を示す情報であり、たとえば、「１」が外出、「０」が在宅を示す。休日１６０３は、休日における行動を示す情報であり、たとえば、「１」が外出、「０」が在宅を示す。
　改善サーバ１０２は、行動パターンＩＤ１６０１の各エントリをあらかじめ保持していてもよく、他のコンピュータ２００から取得してもよい。
　図１７は、社会参加パターンＤＢ３２４の一例を示す説明図である。社会参加パターンＤＢ３２４は、フィールドとして、たとえば、社会参加パターンＩＤ１７０１と、頻度（運動系趣味）１７０２と、頻度（文化系趣味）１７０３と、頻度（就労）１７０４と、頻度（ボランティア）１７０５と、頻度（その他）１７０６と、を有する。同一行の各フィールド１７０１～１７０６の値の組み合わせが、社会参加パターンを規定するエントリとなる。
　社会参加パターンＩＤ１７０１は、行動目的別の社会参加傾向をとらえた社会参加の類型となる社会参加パターンを一意に特定する識別情報である。頻度（運動系趣味）１７０２は、社会参加パターンＩＤ１７０１によって特定される社会参加パターンにおける運動系趣味の頻度である。頻度（文化系趣味）１７０３は、社会参加パターンＩＤ１７０１によって特定される社会参加パターンにおける文化系趣味の頻度である。
　頻度（就労）１７０４は、社会参加パターンＩＤ１７０１によって特定される社会参加パターンにおける就労の頻度である。頻度（ボランティア）１７０５は、社会参加パターンＩＤ１７０１によって特定される社会参加パターンにおけるボランティアの頻度である。頻度（その他）１７０６は、社会参加パターンＩＤ１７０１によって特定される社会参加パターンにおけるその他（運動系趣味、文科系趣味、就労、ボランティア以外）の頻度である。
　改善サーバ１０２は、社会参加パターンＩＤ１７０１の各エントリをあらかじめ保持していてもよく、他のコンピュータ２００から取得してもよい。
　図１８は、介入知識ＤＢ３２５の一例を示す説明図である。介入知識ＤＢ３２５は、フィールドとして、たとえば、ユーザＩＤ４０１と、ユーザ属性１８０１と、行動特性１８０２と、地域特性１８０３と、施策パターン１８０４と、を有する。同一行の各フィールド４０１、１８０１～１８０４の値の組み合わせが、１つの介入知識を規定するエントリとなる。
　ユーザ属性１８０１は、ユーザＩＤ４０１によって特定されるユーザの属性を示し、たとえば、年齢（生年月日４０３から算出される）、性別４０４、および住所４０５である。行動特性１８０２は、ユーザＩＤ４０１によって特定されるユーザに該当する行動パターンを特定する行動パターンＩＤ１６０１および社会参加パターンを特定する社会参加パターンＩＤ１７０１である。
　地域特性１８０３は、ユーザＩＤ４０１によって特定されるユーザに該当する地域パターンを特定する地域パターンＩＤ１８０３である。施策パターン１８０４は、施策パターンごとのユーザＩＤ４０１によって特定されるユーザの即効性および継続性である。改善サーバ１０２は、介入知識ＤＢ３２５の各エントリを内部計算で求めて介入知識ＤＢ３２５に格納する。
　＜社会参加介入の継続的改善の初期処理＞
　図１９は、社会参加介入の継続的改善の初期処理の一例を示すシーケンス図である。地域情報サーバ１０３は、地域情報（図８の地域ＤＢ３１５のエントリ）を改善サーバ１０２に送信する（ステップＳ１９０１）。
　改善サーバ１０２は、地域情報を受信して地域ＤＢ３１５に格納し、地域クラスタリングを実行する（ステップＳ１９０２）。具体的には、たとえば、改善サーバ１０２は、地域パターンＤＢ３１６を参照して、地域情報で規定される地域の各々と、該当する地域パターンの地域パターンＩＤ９０１と、を対応付ける。すなわち、改善サーバ１０２は、地域パターンＤＢ３１６の参照地域ＩＤ９０７に、該当する地域ＩＤ８０１を格納する。
　介入実行主体サーバ１０１は、アカウント情報（図４のアカウントＤＢ３１１のエントリ）を改善サーバ１０２に送信する（ステップＳ１９０３）。
　改善サーバ１０２は、介入実行主体サーバ１０１からのアカウント情報を受信して、アカウント登録を実行する（ステップＳ１９０４）。具体的には、たとえば、改善サーバ１０２は、受信したアカウント情報をアカウントＤＢ３１１に格納する。
　また、端末１０４は、経時的に行動情報（図７の行動履歴ＤＢ３１４のエントリ）を改善サーバ１０２に送信に送信する（ステップＳ１９０５）。そして、改善サーバ１０２は、行動情報を行動履歴ＤＢ３１４のエントリとして登録する。これにより、社会参加介入の継続的改善の初期処理が終了する。
　＜社会参加介入の継続的改善処理例＞
　図２０は、社会参加介入の継続的改善理例を示すシーケンス図である。改善サーバ１０２は、ベースフローとして、介入計画部３０１による介入計画（ステップＳ２００１）、介入実行部３０２による介入実行（ステップＳ２００２）、介入評価部３０３による介入評価（ステップＳ２００３）、介入知識化部３０４による介入知識化（ステップＳ２００４）、介入推薦部３０５による介入レコメンド（ステップＳ２００５）を実行する。以下、介入計画（ステップＳ２００１）、介入実行（ステップＳ２００２）、介入評価（ステップＳ２００３）、介入知識化（ステップＳ２００４）、および介入レコメンド（ステップＳ２００５）について具体的に説明する。
　［介入計画（ステップＳ２００１）］
　図２１は、介入計画部３０１による介入計画（ステップＳ２００１）の一例を示すフローチャートである。図２２は、介入計画画面の一例を示す説明図である。介入計画画面２２００は、改善サーバ１０２の出力デバイス２０４の一例である表示装置に表示される。
　図２１において、改善サーバ１０２は、運用者の操作により、計画ルートを受け付ける（ステップＳ２１０１）。介入計画画面２２００は、介入施策パターン選択ボタン２２０１と、介入レコメンド使用ボタン２２０２と、を有する。改善サーバ１０２は、運用者の操作により、介入計画画面２２００から、計画ルートとして、介入施策パターン選択ボタン２２０１および介入レコメンド使用ボタン２２０２のいずれの選択を受け付けたかを判断する。介入施策パターン選択ボタン２２０１の選択が受け付けられた場合、ステップＳ２１０２に移行する。介入レコメンド使用ボタン２２０２の選択が受け付けられた場合、ステップＳ２１０４に移行する。
　介入レコメンド（ステップＳ２１０４）は、ステップＳ２００５を同じ処理であり、図３０で後述するが、介入レコメンド（ステップＳ２１０４）は、介入レコメンド結果を出力する。レコメンド結果は、たとえば、たとえば、施策パターンＩＤ１００１とその施策パターンの即効性１４０４および継続性１４０６の予測値である。
　介入施策パターン選択ボタン２２０１の選択が受け付けられた場合、改善サーバ１０２は、運用者の操作により、介入施策パターンを活用するか否かを判断する（ステップＳ２１０２）。介入計画画面２２００は、新規計画ボタン２２０３と、介入施策パターン２２０４と、を有する。改善サーバ１０２は、運用者の操作により、介入計画画面２２００から、新規計画ボタン２２０３および介入施策パターン２２０４のいずれの選択を受け付けたかを判断する。新規計画ボタン２２０３の選択が受け付けられた場合、ステップＳ２１０３に移行する。介入施策パターン２２０４の選択が受け付けられた場合、ステップＳ２１０５に移行する。
　新規計画ボタン２２０３の選択が受け付けられた場合、改善サーバ１０２は、運用者の操作により、介入施策パターン２２０４の登録を受け付ける（ステップＳ２１０３）。具体的には、たとえば、運用者は、介入施策パターン２２０４を介入計画画面２２００に入力して、登録ボタン２２０５を押下する。これにより、入力された介入施策パターン２２０４が介入施策パターンＤＢ３１７に登録され、ステップＳ２１０４に移行する。
　一方、介入施策パターン２２０４の選択が受け付けられた場合、ステップＳ２１０４に移行する。このあと、改善サーバ１０２は、介入施策パターン２２０４や介入レコメンド結果を参照して、運用者の操作で作成された介入計画２２０６の登録を受け付ける（ステップＳ２１０４）。作成された介入計画２２０６は、登録ボタン２２０５の押下により、介入計画ＤＢ３１８に新規エントリとして登録される。
　［介入実行（ステップＳ２００２）］
　介入実行（ステップＳ２００２）では、改善サーバ１０２は、介入計画ＤＢ３１８の介入計画を端末１０４に送信し、介入実行履歴ＤＢ３１９を更新する。具体的には、たとえば、改善サーバ１０２は、対象ユーザＩＤ１１０６で特定されるユーザの端末１０４に、そのエントリの介入計画をメッセージデータとして送信する。そして、改善サーバ１０２は、送信した介入計画についての介入実行履歴のエントリを生成して介入実行履歴ＤＢ３１９に格納する。
　図２３は、端末１０４における介入実行（ステップＳ２００２）の表示例を示す説明図である。端末１０４は、ユーザの操作により、受信したメッセージデータをオープンすることにより、表示画面２３００に介入計画の内容１１０８を表示する。内容１１０８は、参照施策パターンＩＤ１１０２で特定される介入施策パターン（図１０の介入施策パターンＤＢ３１７のエントリ）に対応する。
　端末１０４は、ユーザが内容１１０８を閲覧したか否かを判断する。たとえば、端末１０４は、内容１１０８の最下端までスクロールされた場合に、ユーザが内容１１０８を閲覧したと判断する。そのほか、端末１０４は、所定の閲覧時間の経過や不図示の既読ボタンの押下により、ユーザが内容１１０８を閲覧したと判断してもよい。端末１０４は、ユーザが閲覧したか否かを示す介入判定結果１２０６を改善サーバ１０２に送信する。改善サーバ１０２は、受信した介入判定結果１２０６を、介入実行履歴ＤＢ３１９におけるそのユーザの介入実行履歴のエントリに登録する。
　［介入評価（ステップＳ２００３）］
　図２４は、介入評価部３０３による介入評価（ステップＳ２００３）の一例を示すフローチャート（その１）である。改善サーバ１０２は、介入実行履歴ＤＢ３１９を読み込み（ステップＳ２４０１）、行動履歴ＤＢ３１４を読み込む（ステップＳ２４０２）。
　改善サーバ１０２は、未選択群を選択し、選択群に属する対象ユーザＩＤ１１０６（ユーザＩＤ４０１）を選択する（ステップＳ２４０３）。そして、改善サーバ１０２は、選択ユーザの集計月１３０１の社会参加頻度移動平均１３０２を算出する（ステップＳ２４０４）。具体的には、たとえば、改善サーバ１０２は、介入実行履歴ＤＢ３１９の介入実行履歴に該当する行動履歴を、社会参加の介入に対応する行動履歴として、行動履歴ＤＢ３１４のタイムスタンプ７０１、位置７０２、スポット７０３、行動目的７０４から特定する。改善サーバ１０２は、特定した行動履歴について、ユーザの月々の行動目的７０４に該当する社会参加の頻度について移動平均値を算出して社会参加履歴を集計月１３０１別に生成し、社会参加履歴ＤＢ３２０に格納する。
　改善サーバ１０２は、未選択群がなくなるか判断し（ステップＳ２４０５）、未選択群が存在すればステップＳ２４０３に戻る。一方、改善サーバ１０２は、未選択群がない場合、改善サーバ１０２は、各ユーザの即効性評価期間平均１４０３、即効性１４０４、継続性評価期間平均１４０５および継続性１４０６を算出し、第１介入評価結果ＤＢ３２１に格納する（ステップＳ２４０６）。
　即効性評価期間平均１４０３は、ユーザＩＤ４０１によって特定されるユーザの即効性評価期間における社会参加回数の平均値である。即効性評価期間は、集計月１３０１の全期間から選択される。即効性１４０４は、即効性評価期間における介入開始時点からの社会参加頻度の改善率である。
　継続性評価期間平均１４０５は、ユーザＩＤ４０１によって特定されるユーザの継続性評価期間における社会参加回数の平均値である。継続性評価期間は、集計月１３０１の全期間となる。即効性１４０４は、即効性評価期間の全期間における介入開始時点からの社会参加頻度の改善率である。
　図２５は、第１介入評価結果の一例を示すグラフである。第１介入評価結果グラフ２５００は、ユーザ毎に生成される。第１介入評価結果グラフ２５００の横軸は集計月１３０１を示す時間軸であり、縦軸は、そのユーザの社会参加頻度（回／月）である。図２５では例として、社会参加頻度１３２０は月平均の値とし、移動平均をとる観測区間は３か月とし、即効性評価期間を介入の開始時期１２０３から介入の終了時期１２０４に３か月を加算した期間とし、継続性評価期間を１２か月とする。
　図２６は、介入評価部３０３による介入評価（ステップＳ２００３）の一例を示すフローチャート（その２）である。図２７は、第２介入評価結果を示すグラフである。改善サーバ１０２は、群ＩＤ１１０５で特定される介入群の各々について、即効性群平均１５０２と継続性群平均１５０３とを算出して第２介入評価結果を生成して、第２介入評価結果ＤＢ３２２に格納する（ステップＳ２６０１）。
　改善サーバ１０２は、群ＩＤ１１０５で特定される介入群の各々について、ベースライン１４０２と即効性群平均１５０２および継続性群平均１５０３とを同一介入施策（実行履歴ＩＤ１２０１で指定）で比較する第１グラフ２７０１を生成する（ステップＳ２６０２）。第１グラフの縦軸は改善率であり、前（Ｇｒ００１のベースライン）と後（Ｇｒ００１の即効性群平均１５０２および継続性群平均１５０３の改善率）の相対評価を示す。
　前（Ｇｒ００１）であるベースライン１４０２の社会参加頻度（回／月）は４．７回／月（図１４および図２５を参照）である。この４．７回／月を１．０としたときの即効性群平均１５０２および継続性群平均１５０３の改善率が、後（Ｇｒ００１）で表される。たとえば、即効性評価平均が５．６４回/月であれば、後（Ｇｒ００１）の即効性の棒グラフの改善率は１．２（＝５．６４／４．７）になる。第２グラフ２７０２～第４グラフ２７０４の縦軸についても同様である。なお、即効性群平均１５０２および継続性群平均１５０３のように平均値としたが、平均値以外の最大値や最小値、最頻値、中央値のような統計値でもよい。
　また、改善サーバ１０２は、群ＩＤ１１０５で特定される介入群の各々について、当該介入群の即効性群平均１５０２および継続性群平均１５０３と、対照群の即効性群平均１５０２および継続性群平均１５０３と、を同一介入施策（実行履歴ＩＤ１２０１で指定）で比較する第２グラフ２７０２を生成する（ステップＳ２６０３）。
　また、改善サーバ１０２は、群ＩＤ１１０５で特定される介入群の各々について、当該介入群の即効性群平均１５０２および継続性群平均１５０３と、他の介入群の即効性群平均１５０２および継続性群平均１５０３と、を同一介入施策（実行履歴ＩＤ１２０１で指定）で比較する第３グラフ２７０３を生成する（ステップＳ２６０４）。
　また、改善サーバ１０２は、群ＩＤ１１０５で特定される介入群の各々について、当該介入群内のある介入施策（実行履歴ＩＤ１２０１で指定）の即効性群平均１５０２および継続性群平均１５０３と、他の介入施策（実行履歴ＩＤ１２０１で指定）の即効性群平均１５０２および継続性群平均１５０３と、を比較する第４グラフ２７０４を生成する（ステップＳ２６０５）。なお、改善サーバ１０２は、第１グラフ２７０１～第４グラフ2704のうち少なくとも１つを生成すればよい。これにより、介入評価（ステップＳ２００３）が終了する。
　［介入知識化（ステップＳ２００４）］
　介入知識化（ステップＳ２００４）は、ユーザ属性１８０１、行動特性１８０２（習慣的な外出傾向をとらえた行動パターンと行動目的別の社会参加傾向をとらえた社会参加パターン）、および地域特性１８０３から、ユーザの施策パターンの即効性１４０４および継続性１４０６を予測するモデル（介入効果予測回帰モデル３３１、介入効果予測ＦＭモデル３３２）を構築する。
　図２８は、介入知識化部３０４による介入知識化（ステップＳ２００４）の一例を示すフローチャートである。改善サーバ１０２は、未選択ユーザＩＤ４０１を選択し（ステップＳ２８０１）、選択ユーザＩＤ４０１について、ステップＳ２８０２～Ｓ２８０７を実行する。
　改善サーバ１０２は、アカウントＤＢ３１１から選択ユーザＩＤ４０１のユーザ情報を取得して、ユーザ属性１８０１として介入知識ＤＢ３２５に格納する（ステップＳ２８０２）。
　改善サーバ１０２は、行動履歴ＤＢ３１４および行動目的ＤＢ３１２から、選択ユーザＩＤ４０１の行動パターンの行動パターンＩＤ１６０１を行動パターンＤＢ３２３から判定し、判定した行動パターンＩＤを、行動特性１８０２として介入知識ＤＢ３２５に格納する（ステップＳ２８０３）。
　改善サーバ１０２は、社会参加履歴ＤＢ３２０の選択ユーザＩＤ４０１の社会参加頻度移動平均１３０２を参照して、選択ユーザＩＤ４０１で特定されるユーザの社会参加パターンＩＤ３２４を特定し、特定した社会参加パターンＩＤ３２４を行動特性１８０２として介入知識ＤＢ３２５に格納する（ステップＳ２８０４）。
　改善サーバ１０２は、選択ユーザのユーザ情報に含まれる住所４０５を含む地域の地域ＩＤ８０１を地域ＤＢ３１５から特定し、特定した地域ＩＤ８０１を参照地域ＩＤ９０７とする地域パターンの地域パターンＩＤ９０１を特定し、特定した地域パターンＩＤ９０１を地域特性１８０３として介入知識ＤＢ３２５に格納する（ステップＳ２８０５）。
　改善サーバ１０２は、第１介入評価結果ＤＢ３２１から、選択ユーザの即効性１４０４および継続性１４０６を施策パターンごとに取得して、介入知識ＤＢ３２５に格納する（ステップＳ２８０６）。
　改善サーバ１０２は、未選択ユーザＩＤ４０１がなくなるか判断し（ステップＳ２８０７）、未選択ユーザＩＤ４０１が存在すればステップＳ２８０１に戻る。一方、改善サーバ１０２は、未選択ユーザＩＤ４０１がない場合、改善サーバ１０２は、介入知識ＤＢ３２５から介入効果予測回帰モデル３３１を構築する（ステップＳ２８０８）。
　介入効果予測回帰モデル３３１は、介入効果を予測する回帰モデルであり、ａ，εを学習パラメータとする即効性１４０４に関する介入効果予測回帰モデルと、ｂ，ｅを学習パラメータとする継続性１４０６に関する介入効果予測回帰モデルと、がある。即効性１４０４に関する介入効果予測回帰モデル（ａ，ε）は下記式（３）により生成され、継続性１４０６に関する介入効果予測回帰モデル（ｂ，ｅ）は下記式（４）により生成される。
Figure JPOXMLDOC01-appb-M000001
　改善サーバ１０２は、介入知識ＤＢ３２５から介入効果予測ＦＭモデル３３２を構築する（ステップＳ２８０９）。介入効果予測ＦＭモデル３３２は、ｖ，ｗを学習パラメータとし、即効性１４０４および継続性１４０６を含む介入効果を予測するＦＭモデルであり、そのユーザの情報は少ないが、似たようなユーザから介入効果を推測する。介入効果予測ＦＭモデル３３２は、下記式（５）により生成される。
Figure JPOXMLDOC01-appb-M000002
　ベクトルｘには、ユーザ属性１８０１、行動特性１８０２、地域特性１８０３が説明変数として入力され、ベクトルｙには、施策パターンの即効性１４０４および継続性１４０６が目的変数として入力される。これにより、介入知識化（ステップＳ２００４）が終了する。
　［介入レコメンド（ステップＳ２００５）］
　図２９は、介入推薦部３０５による介入レコメンド（ステップＳ２００５）の一例を示すフローチャートである。図３０は、介入レコメンド画面の一例を示す説明図である。改善サーバ１０２は、介入レコメンド画面３０００において、介入対象データ入力欄３００１から介入対象データを受け付ける（ステップＳ２９０１）。具体的には、たとえば、改善サーバ１０２は、介入対象のユーザ属性１８０１、行動特性１８０２、地域特性１８０３を受け付ける。
　改善サーバ１０２は、介入対象データの介入対象者が新規ユーザまたは新規集団であるか、既存ユーザであるかを判断する（ステップＳ２９０２）。介入対象データにユーザＩＤ４０１が含まれていれば介入対象者は既存ユーザであり、介入対象データにユーザＩＤ４０１が含まれていなければ、介入対象者は新規ユーザまたは新規集団である。新規集団とは、複数の新規ユーザの集合である。
　介入対象者が新規ユーザまたは新規集団であれば、改善サーバ１０２は、新規ユーザごとに、当該新規ユーザの介入対象データを介入効果予測回帰モデルに入力して、新規ユーザの施策パターン１８０４の即効性１４０４および継続性１４０６の予測値を算出する（ステップＳ２９０３）。そして、改善サーバ１０２は、施策パターン１８０４の即効性１４０４の平均予測値および施策パターン１８０４の継続性１４０６の平均予測値を算出するとともに、施策パターン１８０４の即効性１４０４の予測値および継続性１４０６の予測値のそれぞれについて順位付けし、ランキング領域３００２に表示する（ステップＳ２９０４）。
　介入対象者が既存ユーザであれば、改善サーバ１０２は、既存ユーザの介入対象データを介入効果予測ＦＭモデルに入力して、既存ユーザの施策パターン１８０４の即効性１４０４および継続性１４０６の予測値を算出する（ステップＳ２９０５）。そして、改善サーバ１０２は、施策パターン１８０４の即効性１４０４の予測値および継続性１４０６の予測値のそれぞれについて順位付けし、ランキング領域３００２に表示する（ステップＳ２９０６）。これにより、介入レコメンド（ステップＳ２００５）が終了する。
　つぎに、図２０において、代替フローについて説明する。代替フローでは、改善サーバ１０２で実行した処理の一部が介入実行主体サーバ１０１で実行される点がベースフローと異なる。
　介入実行主体サーバ１０１が、介入施策の問い合わせとして介入対象データを改善サーバ１０２に送信する（ステップＳ２００６）。改善サーバ１０２は、介入施策の問い合わせを受信して、介入レコメンドを実行する（ステップＳ２００７）。介入レコメンド（ステップＳ２００７）は、介入レコメンド（ステップＳ２００５）と同一処理である。
　そして、改善サーバ１０２は、介入レコメンド（ステップＳ２００７）による介入レコメンド結果を介入実行主体サーバに送信する。これにより、介入実行主体サーバ１０１において、介入レコメンド画面３０００に介入レコメンド結果が表示される。介入実行主体サーバ１０１の運用者は、介入レコメンド結果を参照して、介入計画を策定することができる。
　介入実行主体サーバ１０１は、介入計画（ステップＳ２００８）を実行する。介入計画（ステップＳ２００８）は、介入計画（ステップＳ２００１）と同一処理である。介入計画は、改善サーバ１０２に送信され、介入計画ＤＢ３１８に格納される。
　介入実行主体サーバ１０１は、介入実行する（ステップＳ２００９）。介入実行（ステップＳ２００９）は、介入実行（ステップＳ２００２）と同一処理である。介入実行主体サーバ１０１は、端末１０４からのデータ（たとえば、介入判定結果１２０６）を改善サーバ１０２に転送する。
　このあと、介入実行主体サーバ１０１は、介入評価問い合わせを改善サーバ１０２に送信する（ステップＳ２０１０）。改善サーバ１０２は、介入評価問い合わせを受信すると、介入評価を実行する（ステップＳ２０１１）。介入評価（ステップＳ２０１１）は、介入評価（ステップＳ２００３）と同一処理である。
　このあと、改善サーバ１０２は、介入評価レポート生成部により介入評価レポート生成処理を実行して介入評価レポートを介入実行主体サーバ１０１に送信する（ステップＳ２０１２）。そして、改善サーバ１０２は、介入知識化を実行する（ステップＳ２０１３）。介入知識化（ステップＳ２０１３）は、介入知識化（ステップＳ２００４）と同一処理である。
　図３１は、介入評価レポート生成処理（ステップＳ２０１２）の一例を示すフローチャートである。改善サーバ１０２は、未選択群を選択し（ステップＳ３１０１）、選択した群についてステップＳ３１０２、Ｓ３１０３を実行する。
　改善サーバ１０２は、第２介入評価結果ＤＢ３２２から、選択群の群ＩＤ１１０５の第２介入評価結果のエントリから対象ユーザＩＤ１１０６を抽出する（ステップＳ３１０１）。
　改善サーバ１０２は、抽出した対象ユーザＩＤ１１０６（ユーザＩＤ４０１）の各々について、第１介入評価結果ＤＢ３２１から、第１介入評価結果のエントリを抽出する（ステップＳ３１０２）。
　未選択群があれば、ステップＳ３１０１に戻る。未選択群がなければ、改善サーバ１０２は、レポート整形して、介入評価レポートを介入実行主体サーバ１０１に送信する（ステップＳ３１０５）。
　図３２は、介入評価レポート表示画面例を示す説明図である。介入評価レポート表示画面３２００は、介入実行主体サーバ１０１に表示される。介入評価レポート表示画面３２００には、第１介入評価結果３２０１と、第２介入評価結果３２０２と、第２介入評価結果３２０２の第１グラフ２７０１～第４グラフ２７０４と、が表示される。
　このように本実施例によれば、ユーザにとっては、自分にあった有効な介入を受けて社会参加を促進し、継続することができる。これにより、介護予防、ＱｏＬ向上、および健康寿命の延伸が期待される。
　また、ユーザへの介入実行主体にとっては、仮説検証型の介入として、たとえば、商品やサービスの開発、品質や効率の向上を図ることができる。また、介入実行主体は、この改善システムを通じて社会貢献をすることができる。たとえば、対象に対する有効な施策および定量効果によって、介入実行主体が自治体であれば、ＥＢＰＭ（Ｅｖｉｄｅｎｃｅ　Ｂａｓｅｄ　Ｐｏｌｉｃｙ　Ｍａｋｉｎｇ）が可能になる。
　介入実行主体が保険者であれば、健康増進施策への活用、医療費および介護費抑制が可能になる。介入実行主体が改善システムを利用するユーザを雇用する企業であれば、当該ユーザに対する健康経営や生産性向上が可能になる。介入実行主体が保険会社やヘルスケア産業であれば、商品開発、マーケティングが可能になる。介入実行主体が地域のコミュニティであれば、活動の活性化が可能になる。介入実行主体がアカデミアであれば、研究基礎情報の活用が可能になる。
　なお、本発明は前述した実施例に限定されるものではなく、添付した特許請求の範囲の趣旨内における様々な変形例及び同等の構成が含まれる。たとえば、前述した実施例は本発明を分かりやすく説明するために詳細に説明したものであり、必ずしも説明した全ての構成を備えるものに本発明は限定されない。また、ある実施例の構成の一部を他の実施例の構成に置き換えてもよい。また、ある実施例の構成に他の実施例の構成を加えてもよい。また、各実施例の構成の一部について、他の構成の追加、削除、または置換をしてもよい。
　また、前述した各構成、機能、処理部、処理手段等は、それらの一部又は全部を、たとえば集積回路で設計する等により、ハードウェアで実現してもよく、プロセッサがそれぞれの機能を実現するプログラムを解釈し実行することにより、ソフトウェアで実現してもよい。
　各機能を実現するプログラム、テーブル、ファイル等の情報は、メモリ、ハードディスク、ＳＳＤ（Ｓｏｌｉｄ　Ｓｔａｔｅ　Ｄｒｉｖｅ）等の記憶装置、又は、ＩＣ（Ｉｎｔｅｇｒａｔｅｄ　Ｃｉｒｃｕｉｔ）カード、ＳＤカード、ＤＶＤ（Ｄｉｇｉｔａｌ　Ｖｅｒｓａｔｉｌｅ　Ｄｉｓｃ）の記録媒体に格納することができる。
　また、制御線や情報線は説明上必要と考えられるものを示しており、実装上必要な全ての制御線や情報線を示しているとは限らない。実際には、ほとんど全ての構成が相互に接続されていると考えてよい。

Claims (12)

  1. 　ユーザの社会参加を支援する社会参加支援装置であって、
    　プログラムを実行するプロセッサと、前記プログラムを記憶する記憶デバイスと、を有し、
    　前記記憶デバイスは、いつどこでどのような介入施策で社会参加の介入を前記ユーザに実行した実行結果を示す介入実行履歴と、前記ユーザがいつどこで何をしたかを示す行動履歴と、を記憶し、
    　前記プロセッサは、
    　前記介入実行履歴と、前記行動履歴と、に基づいて、前記介入実行履歴における社会参加の介入に対応する前記行動履歴について、前記ユーザの社会参加頻度を算出する社会参加頻度算出処理と、
    　前記社会参加頻度算出処理によって算出された社会参加頻度に基づいて、前記ユーザの社会参加の開始からの所定期間における介入効果と、を算出する介入効果算出処理と、
    　前記介入効果算出処理による算出結果を出力する出力処理と、
    　を実行することを特徴とする社会参加支援装置。
  2. 　請求項１に記載の社会参加支援装置であって、
    　前記介入効果は、前記ユーザの社会参加の開始からの第１期間における前記社会参加頻度に基づく第１介入効果と、前記ユーザの社会参加の開始からの前記第１期間よりも長い第２期間における前記社会参加頻度に基づく第２介入効果と、のうち、少なくとも一方を含む、
    　ことを特徴とする社会参加支援装置。
  3. 　請求項１に記載の社会参加支援装置であって、
    　前記社会参加頻度算出処理では、前記プロセッサは、社会参加の介入が実行された前記ユーザが所属する介入群内の前記ユーザごとに、前記社会参加頻度を算出し、
    　前記介入効果算出処理では、前記プロセッサは、前記介入群内の前記ユーザごとに、前記介入効果を算出し、
    　前記プロセッサは、
    　前記介入群内の前記各ユーザの前記介入効果の統計値を算出し、前記介入群の前記介入効果の統計値と所定の基準値とを同一介入施策で比較した第１比較結果、前記介入群の前記介入効果の統計値と対照群の前記介入効果の統計値とを同一介入施策で比較した第２比較結果、前記介入群の前記介入効果の統計値と他の介入群の前記介入効果の統計値とを同一介入施策で比較した第３比較結果、および、前記介入群内の第１介入施策での第１介入効果の統計値と前記介入群内の第２介入施策での第２介入効果の統計値とを比較した第４比較結果のうち少なくとも１つを生成する生成処理、
    　を実行することを特徴とする社会参加支援装置。
  4. 　請求項１に記載の社会参加支援装置であって、
    　前記プロセッサは、
    　前記ユーザのユーザ属性、前記ユーザの行動の類型を示す行動パターン、前記ユーザの前記社会参加頻度により特定される社会参加の類型を示す社会参加パターン、および前記ユーザが行動する地域の類型を示す地域パターンを説明変数とし、前記介入効果を目的変数として、前記介入効果を予測する予測モデルを構築する構築処理、
    　を実行することを特徴とする社会参加支援装置。
  5. 　請求項４に記載の社会参加支援装置であって、
    　前記介入効果は、前記ユーザの社会参加の開始からの第１期間における前記社会参加頻度に基づく第１介入効果であり、
    　前記構築処理では、前記プロセッサは、前記第１介入効果を予測する第１回帰モデルを構築する、
    　ことを特徴とする社会参加支援装置。
  6. 　請求項４に記載の社会参加支援装置であって、
    　前記介入効果は、前記ユーザの社会参加の開始からの第１期間よりも長い第２期間における前記社会参加頻度に基づく第２介入効果であり、
    　前記構築処理では、前記プロセッサは、前記第２介入効果を予測する第２回帰モデルを構築する、
    　ことを特徴とする社会参加支援装置。
  7. 　請求項４に記載の社会参加支援装置であって、
    　前記介入効果は、前記ユーザの社会参加の開始からの第１期間における前記社会参加頻度に基づく第１介入効果と、前記ユーザの社会参加の開始からの前記第１期間よりも長い第２期間における前記社会参加頻度に基づく第２介入効果と、を含み、
    　前記構築処理では、前記プロセッサは、前記第１介入効果および前記第２介入効果を予測するＦａｃｔｏｒｉｚａｔｉｏｎ　Ｍａｃｈｉｎｅｓモデルを構築する、
    　ことを特徴とする社会参加支援装置。
  8. 　請求項４に記載の社会参加支援装置であって、
    　前記プロセッサは、
    　介入対象ユーザについての前記ユーザ属性、前記行動パターン、前記社会参加パターン、および前記地域パターンを含む介入対象データを受け付ける受付処理と、
    　前記介入対象データを前記予測モデルに入力することにより、前記介入効果の予測値を算出する予測処理と、
    　を実行することを特徴とする社会参加支援装置。
  9. 　請求項５に記載の社会参加支援装置であって、
    　前記プロセッサは、
    　介入対象ユーザについての前記ユーザ属性、前記行動パターン、前記社会参加パターン、および前記地域パターンを含む介入対象データを受け付ける受付処理と、
    　前記介入対象ユーザが前記行動履歴に含まれる前記ユーザであるか否かを判定する判定処理と、
    　前記介入対象ユーザが前記行動履歴に含まれる前記ユーザであると判定された場合、前記介入対象データを前記第１回帰モデルに入力することにより、前記第１介入効果の予測値を算出する予測処理と、
    　を実行することを特徴とする社会参加支援装置。
  10. 　請求項６に記載の社会参加支援装置であって、
    　前記プロセッサは、
    　介入対象ユーザについての前記ユーザ属性、前記行動パターン、前記社会参加パターン、および前記地域パターンを含む介入対象データを受け付ける受付処理と、
    　前記介入対象ユーザが前記行動履歴に含まれる前記ユーザであるか否かを判定する判定処理と、
    　前記介入対象ユーザが前記行動履歴に含まれる前記ユーザであると判定された場合、前記介入対象データを前記第２回帰モデルに入力することにより、前記第２介入効果の予測値を算出する予測処理と、
    　を実行することを特徴とする社会参加支援装置。
  11. 　請求項７に記載の社会参加支援装置であって、
    　前記プロセッサは、
    　介入対象ユーザについての前記ユーザ属性、前記行動パターン、前記社会参加パターン、および前記地域パターンを含む介入対象データを受け付ける受付処理と、
    　前記介入対象ユーザが前記行動履歴に含まれる前記ユーザであるか否かを判定する判定処理と、
    　前記介入対象ユーザが前記行動履歴に含まれる前記ユーザでないと判定された場合、前記介入対象データを前記Ｆａｃｔｏｒｉｚａｔｉｏｎ　Ｍａｃｈｉｎｅｓモデルに入力することにより、前記第１介入効果の予測値および前記第２介入効果の予測値を算出する予測処理と、
    　を実行することを特徴とする社会参加支援装置。
  12. 　ユーザの社会参加を支援する社会参加支援装置による社会参加支援方法であって、
    　プログラムを実行するプロセッサと、前記プログラムを記憶する記憶デバイスと、を有し、
    　前記記憶デバイスは、いつどこでどのような介入施策で社会参加の介入を前記ユーザに実行した実行結果を示す介入実行履歴と、前記ユーザがいつどこで何をしたかを示す行動履歴と、を記憶し、
    　前記プロセッサは、
    　前記介入実行履歴と、前記行動履歴と、に基づいて、前記介入実行履歴における社会参加の介入に対応する前記行動履歴について、前記ユーザの社会参加頻度を算出する社会参加頻度算出処理と、
    　前記社会参加頻度算出処理によって算出された社会参加頻度に基づいて、前記ユーザの社会参加の開始からの所定期間における介入効果と、を算出する介入効果算出処理と、
    　前記介入効果算出処理による算出結果を出力する出力処理と、
    　を実行することを特徴とする社会参加支援方法。
PCT/JP2022/001531 2021-09-22 2022-01-18 社会参加支援装置および社会参加支援方法 WO2023047612A1 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2021154498A JP2023045887A (ja) 2021-09-22 2021-09-22 社会参加支援装置および社会参加支援方法
JP2021-154498 2021-09-22

Publications (1)

Publication Number Publication Date
WO2023047612A1 true WO2023047612A1 (ja) 2023-03-30

Family

ID=85720339

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2022/001531 WO2023047612A1 (ja) 2021-09-22 2022-01-18 社会参加支援装置および社会参加支援方法

Country Status (2)

Country Link
JP (1) JP2023045887A (ja)
WO (1) WO2023047612A1 (ja)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003050866A (ja) * 2001-08-07 2003-02-21 Digital Medical Communications Kk 個人の医療、福祉及び社会参加に関する情報を提供するネットワークシステム及び方法並びにサーバ
JP2004341611A (ja) * 2003-05-13 2004-12-02 Mitsubishi Electric Corp 保険者情報システム
JP2016218966A (ja) * 2015-05-26 2016-12-22 株式会社日立製作所 分析システム、及び、分析方法
JP2019192065A (ja) * 2018-04-27 2019-10-31 株式会社エクサウィザーズ 介護介入効果検証装置、介護介入効果検証方法、及び、プログラム

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003050866A (ja) * 2001-08-07 2003-02-21 Digital Medical Communications Kk 個人の医療、福祉及び社会参加に関する情報を提供するネットワークシステム及び方法並びにサーバ
JP2004341611A (ja) * 2003-05-13 2004-12-02 Mitsubishi Electric Corp 保険者情報システム
JP2016218966A (ja) * 2015-05-26 2016-12-22 株式会社日立製作所 分析システム、及び、分析方法
JP2019192065A (ja) * 2018-04-27 2019-10-31 株式会社エクサウィザーズ 介護介入効果検証装置、介護介入効果検証方法、及び、プログラム

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
AKI NAKAMURA; RYUHEI YAGI; NAOKI SASHIDA; KAZUSHI ISHIGAKI: "A construction and practice of social system that supports senior citizen's community participation, by connecting new community resources, "machi-kisha" and portal site "Hi-Know!", with existing resources", IPSJ SIG TECHNICAL REPORT. AGING SOCIETY DESIGN (ASD), IPSJ, JP, no. 12, 7 November 2015 (2015-11-07), JP, pages 1 - 8, XP009544970, ISSN: 2189-4450 *

Also Published As

Publication number Publication date
JP2023045887A (ja) 2023-04-03

Similar Documents

Publication Publication Date Title
de Oña et al. Transit service quality analysis using cluster analysis and decision trees: a step forward to personalized marketing in public transportation
Henry et al. Factors contributing towards research productivity in higher education.
Cheng et al. Evaluation methods and measures for causal learning algorithms
Coromina et al. Analysis of tourism information sources using a Mokken Scale perspective
Delavande et al. Measuring subjective expectations in developing countries: A critical review and new evidence
Bucklin et al. A model of web site browsing behavior estimated on clickstream data
Takyi Religion and women's health in Ghana: Insights into HIV/AIDS preventive and protective behavior
de Lijster et al. Developmental trajectories of anxiety and depression symptoms from early to middle childhood: A population-based cohort study in the Netherlands
Darmofal Bayesian spatial survival models for political event processes
Bhat Recent methodological advances relevant to activity and travel behavior analysis
Fontanella et al. Gender fluidity across the world: A multilevel item response theory approach
Rougier et al. Toward the use of approach/avoidance tendencies as attitude measures: Individual‐and group‐level variability of the ingroup bias
Brauner-Otto et al. Parental family experiences, the timing of first sex, and contraception
Kandala et al. Modeling and mapping of girls' female genital mutilation/cutting (FGM/C) in the context of economic, social, and regional disparities: Kenya Demographic and Health Surveys 1998-2014
Hatch et al. The consumption of pornography scale–general (COPS–G)
Goel et al. Personalized peer truth serum for eliciting multi-attribute personal data
King et al. Factors influencing soay sheep survival: a Bayesian analysis
Habib et al. Investigating structural changes in commuting mode choice preferences with repeated cross-sectional travel survey data: the contexts of Greater Toronto and Hamilton (GTHA) area
WO2023047612A1 (ja) 社会参加支援装置および社会参加支援方法
Halford A case study of police-identified foraging burglary offenders
Gasqui et al. A new standard model for milk yield in dairy cows based on udder physiology at the milking-session level
Liao et al. Censoring in the time trade-off valuation of worse-than-dead EQ-5D-5L health states: can a time-based willingness-to-accept question be the solution?
Bisbee et al. Geographic Boundaries and Local Economic Conditions Matter for Views of the Economy
Rudd et al. Measuring childhood exposure to neighbourhood deprivation at the macro-and micro-level in Aotearoa New Zealand
JP2022021399A (ja) 評価システム、評価方法及びプログラム

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: 22872371

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 22872371

Country of ref document: EP

Kind code of ref document: A1