JP2006244019A - Individual health care system - Google Patents

Individual health care system Download PDF

Info

Publication number
JP2006244019A
JP2006244019A JP2005057266A JP2005057266A JP2006244019A JP 2006244019 A JP2006244019 A JP 2006244019A JP 2005057266 A JP2005057266 A JP 2005057266A JP 2005057266 A JP2005057266 A JP 2005057266A JP 2006244019 A JP2006244019 A JP 2006244019A
Authority
JP
Japan
Prior art keywords
health
health management
data item
information
data items
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
JP2005057266A
Other languages
Japanese (ja)
Inventor
Hiroyuki Takeuchi
竹内裕之
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Takasaki Univ Of Health & Welf
Takasaki Univ Of Health & Welfare
Original Assignee
Takasaki Univ Of Health & Welf
Takasaki Univ Of Health & Welfare
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 Takasaki Univ Of Health & Welf, Takasaki Univ Of Health & Welfare filed Critical Takasaki Univ Of Health & Welf
Priority to JP2005057266A priority Critical patent/JP2006244019A/en
Publication of JP2006244019A publication Critical patent/JP2006244019A/en
Pending legal-status Critical Current

Links

Images

Landscapes

  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

<P>PROBLEM TO BE SOLVED: To provide an individual health care system capable of generating automatically at good timing health care information of high satisfaction useful for health care of a user of the system from daily individual health information accumulated time-serially, and capable of exhibiting the information to the system user. <P>SOLUTION: A threshold of one or more of variables concerned in precision of a correlation rule is set variably, when analyzing the individual health information accumulated time-serially and comprising one or more of health data items obtained by measuring the body of the system user, and one or more of life data items for expressing life information of a person of executing the health care, so as to automatically generate the correlation rule between the health data item and the life data item. The system can be tuned so as to automatically generate the rule of high satisfaction useful for the health care of the system user. <P>COPYRIGHT: (C)2006,JPO&NCIPI

Description

本発明は、利用者の日常の時系列に蓄積された個人健康情報をもとに健康管理に有用な個人健康管理情報を利用者に提示する個人健康管理システムに関する。   The present invention relates to a personal health management system that presents to a user personal health management information useful for health management based on the personal health information accumulated in the user's daily time series.

従来の健康管理の殆どは、定期健康診断や人間ドックで得られる健康情報に基づいて行われている。しかしこれらの健康情報は、定期健康診断や人間ドックを実施した時点のみを切り取ったデータである。したがって、これらのデータのみから、日常の健康管理を行うための健康管理情報を抽出するのには限界がある。そこで日常の生活環境における健康情報を蓄積し、病気の一次予防や健康増進に役立てることを目的としたシステムが考案されている。   Most of the conventional health care is performed based on health information obtained through regular health checkups and a medical checkup. However, these pieces of health information are data that are cut out only at the time when a regular health checkup and a medical checkup are performed. Therefore, there is a limit in extracting health management information for performing daily health management from only these data. Therefore, a system has been devised for the purpose of accumulating health information in the daily living environment and using it for primary prevention of diseases and health promotion.

例えば、特許文献１には、利用者に装着された測定装置によって測定される日常の健康情報を、健康管理情報センタで管理し、要求された健康情報を利用者に提供して利用者の健康管理を支援する健康情報管理方法が提案されている。   For example, in Patent Document 1, daily health information measured by a measuring device attached to a user is managed by a health management information center, and the requested health information is provided to the user to provide the user's health. Health information management methods that support management have been proposed.

特開２００２−２４５１７７号公報（請求項１、図１）JP 2002-245177 A (Claim 1, FIG. 1)

しかしながら、特許文献１の発明には健康情報を管理するためのシステムの構成や機能について述べられているが、時系列的に蓄積された個人健康情報からシステムの利用者が健康管理を行う上で有用となる個人健康管理情報を抽出しそれをシステムの利用者に適宜提示する方法については述べられていない。   However, the invention of Patent Document 1 describes the configuration and function of a system for managing health information. However, when a user of the system performs health management from personal health information accumulated in time series. It does not describe how to extract useful personal health management information and present it appropriately to users of the system.

従って本発明の課題は、時系列的に蓄積された日常の個人健康情報からシステムの利用者の健康管理に必要な個人健康管理情報をタイミングよく自動生成し、その情報をシステムの利用者に提示する個人健康管理システムを提供することである。特に個人健康管理情報を自動生成する場合には、システム利用者の満足度が高い情報が得られるようにシステムを構築する必要がある。   Accordingly, an object of the present invention is to automatically generate personal health management information necessary for the health management of a system user in a timely manner from daily personal health information accumulated in time series, and present the information to the system user. To provide a personal health management system. In particular, when personal health management information is automatically generated, it is necessary to construct a system so that information with a high level of user satisfaction can be obtained.

前記の課題を解決するためになされた本発明に係る個人健康管理システムは、システム利用者の身体を計測して得られる１つ以上の健康データ項目と、該健康管理を行う人の生活情報を表す１つ以上の生活データ項目からなる時系列的に蓄積された個人健康情報を解析して該健康データ項目と生活データ項目間の相関ルールを自動生成するときに、該相関ルールの精度に関わる少なくとも１つ以上の変数の閾値を可変設定できることを特徴とする。相関ルールの精度はシステム利用者の満足度と関係しており、システム利用者の健康管理にとって有用なルールを自動生成するようにシステムをチューニングする必要がある。   The personal health management system according to the present invention, which has been made to solve the above-mentioned problems, includes one or more health data items obtained by measuring the body of the system user and life information of the person performing the health management. When analyzing personal health information accumulated in a time series composed of one or more life data items to be generated and automatically generating a correlation rule between the health data item and the life data item, it relates to the accuracy of the correlation rule. The threshold value of at least one variable can be variably set. The accuracy of the correlation rule is related to the satisfaction of the system user, and it is necessary to tune the system so as to automatically generate a rule useful for the health management of the system user.

本発明によれば、時系列的に蓄積されたシステムの利用者の日常における健康データと生活データから個人の健康管理に有用な満足度の高い個人健康管理情報を自動生成することができ、かつその情報を適宜システムの利用者に提示できる個人健康管理システムが実現できる。システムの利用者はこれを基に具体的な目標を持って病気の一次予防や健康増進のための生活習慣の改善を図ることができる。   According to the present invention, it is possible to automatically generate highly satisfactory personal health management information useful for personal health management from daily health data and daily life data of users of the system accumulated in time series, and A personal health management system capable of presenting the information to the system user as appropriate can be realized. Based on this, users of the system can improve their lifestyles for primary prevention of diseases and health promotion with specific goals.

図１は本発明の個人健康管理システムにおける健康管理サーバ上の処理の流れを示す図である。利用者は携帯電話を通して日常の健康データと生活データを入力・送信し、送信されたデータは時系列的に健康管理サーバのデータベースに蓄積される。システムは定期的に蓄積された健康データと生活データの数を監視しており、データ数がある閾値Ns以上になると自動的に健康データと生活データを健康管理サーバに取り込み、図２に示したアルゴリズムで相関ルール解析に用いる入力変数を決定する。   FIG. 1 is a diagram showing the flow of processing on the health management server in the personal health management system of the present invention. A user inputs and transmits daily health data and life data through a mobile phone, and the transmitted data is stored in the database of the health management server in time series. The system regularly monitors the number of health data and life data accumulated, and when the number of data exceeds a certain threshold Ns, the health data and life data are automatically taken into the health management server, as shown in FIG. The algorithm determines the input variables used for association rule analysis.

pnは関心ある健康データ項目のn日におけるデータで、eiは任意の生活データ項目のi日におけるデータである。それぞれn日、i日の何日か前のデータをpm、ejとし、次の量を定義する。
Δpnm=pn-pm (1)
et ij=ei+ei-1+・・・+ej (2)
ここで、Δpnmはある任意の期間における健康データの変化であり、et ijはある任意の期間における生活データの加算（単純加算）値である。n日とi日は一般的に同日ではなく、図２に示したように遅延期間sを定義する。また任意の期間n-mとi-jは必ずしも同一期間である必要はない。次に、任意の期間n-mとi-jおよび遅延期間sをパラメータとし、時系列データを基にn,iを変化させて、Δpnmとet ijの相関をみる（図２の散布図参照）。このとき相関係数は、任意の期間n-mとi-jおよび遅延期間sの値によって変化するので、相関係数が最大となるn-m，i-j，sの組み合わせ(n-m)max、(i-j)max、smaxを求める。そして最大相関係数がある閾値Ks以上になる場合にその生活データ項目を、相関ルール解析を行うための入力変数として採用する。さらに相関ルール解析を行うときの実際の入力フィールドは最大相関係数を示すときの(i-j)max、smaxの値を基に定義する。例えば（i-j）max＝2、smax=1の時には入力フィールドをei+ei-1+ei-2(i=n-1)とする。 p n is the data in n days of health data item of interest, e i is the data in the i-th day of any life data item. The data of several days before n days and i days respectively are defined as p m and e j and the following quantities are defined.
Δp nm = p n -p m (1)
e t ij = e i + e i-1 + ・ ・ ・ + e j (2)
Here, Δp nm is a change in health data in a certain arbitrary period, and e t ij is an addition (simple addition) value of life data in a certain arbitrary period. The days n and i are generally not the same day, but a delay period s is defined as shown in FIG. Further, the arbitrary periods nm and ij are not necessarily the same period. Then, any time nm and ij and delay period s as parameters, the time-series data based on n, is changed to i and see the correlation Delta] p nm and e t ij (see scatter diagram of FIG. 2). At this time, since the correlation coefficient changes depending on the values of arbitrary periods nm and ij and the delay period s, the combination of nm, ij, and s that maximizes the correlation coefficient (nm) max , (ij) max , s max Ask for. When the maximum correlation coefficient is greater than or equal to a certain threshold value Ks, the life data item is adopted as an input variable for performing the association rule analysis. Further, the actual input field when performing the association rule analysis is defined based on the values of (ij) max and s max when indicating the maximum correlation coefficient. For example, when (ij) max = 2 and s max = 1, the input field is e i + e i-1 + e i-2 (i = n-1).

このようにして入力フィールドを定義し、関心ある健康データ項目を出力変数として相関ルール解析を行う。生成されるルールは、入力変数を含む前提部と出力変数を含む結論部からなる。ここでルールの精度を確信度とサポート率で表現することにする。確信度とは、前提部が真のレコード数に対する結論部が真のレコード数の割合であり、サポート率とは全体のレコード数に対する前提部が真のレコード数の割合である。従って、サポート率が大きくかつ確信度が高いルールは精度が高く、システム利用者の満足度が高くなる可能性が大きい。しかし、確信度の閾値Csとサポート率の閾値Ssをあまりにも高く設定すると有用なルール自体が生成されない可能性がある。ここに、ルールを自動生成するときに確信度とサポート率の閾値を可変設定にする意味がでてくる。   In this way, the input field is defined, and the association rule analysis is performed using the health data item of interest as an output variable. The generated rule includes a premise part including an input variable and a conclusion part including an output variable. Here, the accuracy of the rule is expressed by a certainty factor and a support rate. The certainty factor is the ratio of the true record number of the conclusion part to the true record number of the premise part, and the support rate is the ratio of the true record number of the premise part to the total number of records. Therefore, a rule with a high support rate and a high certainty factor is highly accurate, and there is a high possibility that the satisfaction of the system user will be high. However, if the certainty threshold Cs and the support rate threshold Ss are set too high, a useful rule itself may not be generated. This means that when the rules are automatically generated, the threshold values of the certainty factor and the support rate are variably set.

また、当然相関ルール解析に用いる入力変数を決定するためのデータ数の閾値Nsと入力変数として採用する基準となる最大相関係数の閾値Ksも生成されるルールの精度に関わる。従って、閾値Ns、Ks、Cs、Ssを可変設定にすることによりシステム利用者の満足度の高いルールが自動生成されるようにシステムをチューニングすることができる。   Naturally, the threshold value Ns of the number of data for determining the input variable used for the correlation rule analysis and the threshold value Ks of the maximum correlation coefficient which is a reference adopted as the input variable are also related to the accuracy of the generated rule. Therefore, by setting the threshold values Ns, Ks, Cs, and Ss to be variably set, the system can be tuned so that a rule with a high degree of satisfaction of the system user is automatically generated.

以下、本発明の実施の形態を、関心のある健康データ項目として血圧（単位：mmHg）を、生活データ項目として、運動よる消費カロリー（単位：kcal）、食事による摂取カロリー（単位：kcal）、アルコール摂取量（定性値）、ストレス（定性値）、睡眠時間（単位：時間）および睡眠の深さ（定性値）を例として詳細に説明する。これらの項目のデータは図３に示すシステムにより健康管理を行う利用者の携帯電話を通して毎日入力され、インターネット経由で健康管理サーバのデータベースに蓄積される。アルコール摂取量は利用者の主観で５段階（1~5：１が最も多く5が最も少ない）で入力されており、ストレスは利用者の主観で３段階（1.多い、2.普通、3.少ない）で入力されている。さらに、睡眠の深さも利用者の主観で３段階（1.ぐっすり、2.やや浅い、3.よく眠れなかった）で入力されている。   Hereinafter, the embodiment of the present invention, blood pressure (unit: mmHg) as health data items of interest, calorie consumption (unit: kcal) by exercise, calorie intake (unit: kcal), The alcohol intake (qualitative value), stress (qualitative value), sleep time (unit: time), and sleep depth (qualitative value) will be described in detail as examples. Data of these items is input every day through the mobile phone of a user who performs health management using the system shown in FIG. 3, and is stored in the database of the health management server via the Internet. Alcohol intake is entered in five levels (1 to 5: 1 is the highest and 5 is the lowest) according to the user's subjectivity, and stress is three levels (1 more, 2. normal, 3) according to the user's subjectivity. .) Is entered. In addition, the depth of sleep is entered in three levels (1. sound, 2. slightly shallow, 3. could not sleep well) according to the user's subjectivity.

本実施例では、システム利用者の最小血圧、運動による消費カロリー、食事による摂取カロリー、アルコール摂取量、ストレス、睡眠時間および睡眠の深さの時系列データ数が80件以上になった時に自動的にデータベースからデータを健康管理サーバに取り込み入力変数を決定するために相関係数を計算するようにシステムを設定した。即ち、Ns=80とした。さらに、n-m=1〜10、i-j=0〜9、s=1〜3の間で前記パラメータを変化させ、それぞれの生活データ項目について最小血圧のデータとの間で相関係数を計算するようにプログラムした。ここでは、最大相関係数が0.3以上となる生活データ項目を入力変数として採用した。即ちKs=0.3とした。最小血圧と最大の相関を示す(i-j)max、smaxの値をもとに定義した入力フィールドを以下に示す。 In this embodiment, when the minimum blood pressure of the system user, calorie consumption by exercise, calorie intake by meal, alcohol intake, stress, sleep time, and sleep depth becomes 80 or more automatically. The system was set up to calculate the correlation coefficient to import the data from the database into the health management server and determine the input variables. That is, Ns = 80. Further, the parameter is changed between nm = 1 to 10, ij = 0 to 9, s = 1 to 3, and the correlation coefficient is calculated with the data of the minimum blood pressure for each life data item. Programmed. Here, life data items having a maximum correlation coefficient of 0.3 or more are adopted as input variables. That is, Ks = 0.3. The input fields defined based on the values of (ij) max and s max indicating the maximum correlation with the minimum blood pressure are shown below.

(1)運動による消費カロリー：
血圧測定日の前日から６日前までのデータの単純加算値が最小血圧値と最大の相関を示した。これを入力フィールドとし消費カロリー６と表示する。 (1) Calories burned by exercise:
The simple addition value of the data from the day before the blood pressure measurement day to 6 days before showed the maximum correlation with the minimum blood pressure value. Using this as an input field, calorie consumption 6 is displayed.

(2)食事による摂取カロリー：
血圧測定日の２日前のデータが最小血圧値と最大の相関を示した。これを入力フィールドとし摂取カロリー１と表示する。 (2) Calorie intake from meals:
The data 2 days before the blood pressure measurement day showed the maximum correlation with the minimum blood pressure value. Using this as an input field, the intake calorie 1 is displayed.

(3)アルコール摂取量：
血圧測定日の２日前のデータが最小血圧値と最大の相関を示した。これを入力フィールドとしアルコール摂取量１と表示する。この例ではアルコール摂取量は５段階の程度（1：非常に多い、２：多い、３：やや多い、４：適度、5：少ない）となっている。 (3) Alcohol intake:
The data 2 days before the blood pressure measurement day showed the maximum correlation with the minimum blood pressure value. Using this as an input field, alcohol intake 1 is displayed. In this example, the alcohol intake is on the order of 5 levels (1: very high, 2: high, 3: slightly high, 4: moderate, 5: low).

(４)ストレス：
血圧測定日の前日のデータが最小血圧値と最大の相関を示した。これを入力フィールドとしストレス１と表示する。この例ではストレスは３段階の程度（１：多い、２：普通、３：少ない）となっている。 (4) Stress:
The data on the day before the blood pressure measurement day showed the maximum correlation with the minimum blood pressure value. Using this as an input field, stress 1 is displayed. In this example, the stress is about three levels (1: high, 2: normal, 3: low).

(５)睡眠時間：
血圧測定日の前日から７日前までのデータの重みつき加算値が最小血圧値と最大の相関を示した。これを入力フィールドとし実効睡眠時間７と表現する。ここでの重みは睡眠の深さによるものである。この例では睡眠の深さは３段階の程度（1.ぐっすり、2.やや浅い、3.よく眠れなかった）となっているので、この程度によって一日の睡眠時間に重みをつけた。具体的には、一日の睡眠時間を眠りの深さの程度を示す数字の平方根で割った。例えば、睡眠時間は６時間であるが眠りがやや浅かった場合には６/√2時間とした。 (5) Sleep time:
The weighted addition value of data from the day before the blood pressure measurement day to 7 days before showed the maximum correlation with the minimum blood pressure value. This is expressed as an effective sleep time 7 as an input field. The weight here is due to the depth of sleep. In this example, the depth of sleep is about three levels (1. Good sound, 2. A little shallow, 3. I couldn't sleep well). Specifically, the sleep time of the day was divided by the square root of a number indicating the degree of sleep depth. For example, if the sleep time is 6 hours but the sleep is slightly shallow, it is set to 6 / √2 hours.

以上の５つの入力フィールドは80件のデータに基づく相関係数の解析から自動的に定義された。次に数値データである最小血圧を出力変数とするために、最小血圧値の大きさによって「高い」「中間」「低い」の３つのカテゴリーに分けた。カテゴリー分けは、３つのカテゴリーのデータ頻度がほぼ等しくなるようにした。   The above five input fields were automatically defined from analysis of correlation coefficients based on 80 data. Next, in order to use the minimum blood pressure, which is numerical data, as an output variable, it was divided into three categories of “high”, “intermediate”, and “low” depending on the size of the minimum blood pressure value. Categorization was made so that the data frequencies of the three categories were almost equal.

以上の準備処理を行った後に約２５０件のデータを対象に相関ルール解析を実行した。確信度９０％以上（Cs = 0.9）、サポート率４％以上(Ss=0.04)、に設定し自動生成されたルールは、
（1）前日のストレスが多く、かつ前日から６日間の消費カロリーが1819 kcalより少ないと最小血圧は高くなる、
（2）前日から６日間の消費カロリーが1319 kcalより少なく、かつ前日から７日間の実効睡眠時間が40時間より少ないと最小血圧は高くなる、
の２つであった。これらの相関ルールは、システムの利用者個人が日常の健康管理を行う上で有用な個人健康管理情報であり、これを基にしてシステムの利用者が目標を持って生活習慣の改善をすることができる。 After performing the above preparatory processing, an association rule analysis was performed on about 250 data. Rules automatically generated with confidence 90% or higher (Cs = 0.9) and support rate 4% or higher (Ss = 0.04)
(1) The minimum blood pressure increases if the previous day's stress is high and the calorie consumption for 6 days from the previous day is less than 1819 kcal,
(2) The minimum blood pressure increases when calorie consumption for 6 days from the previous day is less than 1319 kcal and effective sleep time for 7 days from the previous day is less than 40 hours,
It was two. These association rules are personal health management information that is useful for individual users of the system to perform daily health management. Based on this information, the system users can improve their lifestyle with a goal. Can do.

以上説明したように本実施の形態の個人健康管理システムでは、相関ルール解析に用いる入力変数を決定するためのデータ数、入力変数として採用する基準となる最大相関係数、
生成される相関ルールの確信度、およびサポート率の閾値を適当に設定することにより、システム利用者にとって有用な満足度の高いルールを自動生成することができる。実際のシステムでは、できるだけ多くの利用者にとって満足度が高くなるようにシステムをチューニングすることになる。 As described above, in the personal health management system of the present embodiment, the number of data for determining the input variable used for the correlation rule analysis, the maximum correlation coefficient as a reference adopted as the input variable,
By appropriately setting the certainty of the generated correlation rule and the threshold value of the support rate, it is possible to automatically generate a rule with high satisfaction useful for the system user. In an actual system, the system is tuned so that the satisfaction level is as high as possible for as many users as possible.

本発明の個人健康管理システムにおいて、健康管理サーバ上の処理の流れを示す図である。It is a figure which shows the flow of a process on a health management server in the personal health management system of this invention. 本発明の個人健康管理システムにおいて、相関ルール解析に用いる入力変数を自動的に決定するためのアルゴリズムを示す図である。It is a figure which shows the algorithm for determining automatically the input variable used for an association rule analysis in the personal health management system of this invention. 本発明の個人健康管理システムの構成を示す図である。It is a figure which shows the structure of the personal health management system of this invention.

Claims (4)

健康管理を行う人の身体を計測して得られる１つ以上の健康データ項目と、該健康管理を行う人の生活情報を表す１つ以上の生活データ項目からなる時系列的に蓄積された個人健康情報を解析することにより該健康データ項目と生活データ項目間の相関ルールを自動生成し、該相関ルールを該健康管理を行う人に提示するシステムであって、該相関ルールの精度に関わる少なくとも１つ以上の変数の閾値を可変設定できることを特徴とする個人健康管理システム。   Individuals accumulated in time series consisting of one or more health data items obtained by measuring the body of a person performing health care and one or more life data items representing the life information of the person performing health care A system that automatically generates a correlation rule between the health data item and the life data item by analyzing health information, and presents the correlation rule to a person who performs the health management, the system including at least the accuracy of the correlation rule A personal health management system characterized in that a threshold value of one or more variables can be variably set. 前記変数は、前記時系列的に蓄積された個人健康情報の相関ルール解析に用いる前記生活データ項目からなる入力変数を決定するためのデータ数、前記生活データ項目を該入力変数として採用する基準となる前記健康データ項目との最大相関係数、前記健康データ項目と生活データ項目間の相関ルールの確信度およびサポート率であることを特徴とする請求項１に記載の個人健康管理システム。   The variable is a number of data for determining an input variable composed of the life data items used for the correlation rule analysis of the personal health information accumulated in time series, a criterion for adopting the life data items as the input variables, and 2. The personal health management system according to claim 1, wherein the correlation coefficient is a maximum correlation coefficient with the health data item, a certainty of a correlation rule between the health data item and the life data item, and a support rate. 前記健康データ項目と生活データ項目間の相関ルールは、該健康データ項目との前記最大相関係数がある閾値を超える１つ以上の該生活データ項目を入力変数とし、該健康データ項目を出力変数として相関ルール解析を行い、前提部と結論部をもつ相関ルールを自動生成することを特徴とする請求項１および請求項２に記載の個人健康管理システム。   The correlation rule between the health data item and the life data item is such that one or more life data items exceeding the threshold with the maximum correlation coefficient with the health data item are input variables, and the health data items are output variables. The personal health management system according to claim 1 or 2, characterized in that a correlation rule analysis is performed to automatically generate a correlation rule having a premise part and a conclusion part. 前記時系列的に蓄積された個人健康情報の入力手段が前記健康管理を行う人の携帯電話などの携帯端末であり、該個人健康情報はインターネット経由で該個人健康情報を解析する健康管理サーバに送信され、自動生成された前記健康データ項目と生活データ項目間の相関ルールは前記健康管理を行う人の携帯電話などの携帯端末に自動配信もしくは前記健康管理を行う人の要求に応じて配信されることを特徴とする請求項１から請求項３に記載の個人健康管理システム。   The means for inputting the personal health information accumulated in time series is a mobile terminal such as a mobile phone of the person performing the health management, and the personal health information is sent to a health management server that analyzes the personal health information via the Internet. The correlation rules between the health data items and the life data items that are transmitted and automatically generated are automatically distributed to a mobile terminal such as a mobile phone of the person performing the health management or distributed according to a request of the person performing the health management The personal health management system according to claim 1, wherein the personal health management system is a personal health management system.
JP2005057266A 2005-03-02 2005-03-02 Individual health care system Pending JP2006244019A (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2005057266A JP2006244019A (en) 2005-03-02 2005-03-02 Individual health care system

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2005057266A JP2006244019A (en) 2005-03-02 2005-03-02 Individual health care system

Publications (1)

Publication Number Publication Date
JP2006244019A true JP2006244019A (en) 2006-09-14

Family

ID=37050390

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2005057266A Pending JP2006244019A (en) 2005-03-02 2005-03-02 Individual health care system

Country Status (1)

Country Link
JP (1) JP2006244019A (en)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010057552A (en) * 2008-09-01 2010-03-18 Omron Healthcare Co Ltd Management apparatus of biological index
WO2013157277A1 (en) * 2012-04-20 2013-10-24 パナソニック株式会社 Device for assisting lifestyle disease improvement and method for controlling same

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2003103485A1 (en) * 2002-06-07 2003-12-18 プレシジョン・システム・サイエンス株式会社 Portable terminal device and life style disease patient-medical institution cooperation system
JP2005049960A (en) * 2003-07-30 2005-02-24 Hitachi Ltd Health guidance support system, and medium recorded with software therefor

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2003103485A1 (en) * 2002-06-07 2003-12-18 プレシジョン・システム・サイエンス株式会社 Portable terminal device and life style disease patient-medical institution cooperation system
JP2005049960A (en) * 2003-07-30 2005-02-24 Hitachi Ltd Health guidance support system, and medium recorded with software therefor

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010057552A (en) * 2008-09-01 2010-03-18 Omron Healthcare Co Ltd Management apparatus of biological index
WO2013157277A1 (en) * 2012-04-20 2013-10-24 パナソニック株式会社 Device for assisting lifestyle disease improvement and method for controlling same

Similar Documents

Publication Publication Date Title
Lynch et al. Activity monitors for increasing physical activity in adult stroke survivors
Theis et al. Social participation restriction among US adults with arthritis: a population‐based study using the International Classification of Functioning, Disability and Health
Quiller et al. Heat exposure and productivity in orchards: Implications for climate change research
CN102110192A (en) Auxiliary disease judgment method based on diagnostic element data association
WO2022141927A1 (en) Health intervention system, server, and health management system
Ogbutor et al. Isometric handgrip exercise training attenuates blood pressure in prehypertensive subjects at 30% maximum voluntary contraction
US20080154894A1 (en) System for cross-acquisition of physiological and psychological information
AU2015358294A1 (en) Method and system for improving a physiological response
WO2013093666A1 (en) A method and system for managing feedback to a user
JP7266548B2 (en) Apparatus, program and method for estimating physical condition using training stress information
Papamatthaiakis et al. Monitoring and modeling simple everyday activities of the elderly at home
JP4646019B2 (en) Daily life / exercise support system for the elderly
JP2006244019A (en) Individual health care system
JP2006259791A (en) Personal health care system
JP5782562B2 (en) Recommendation creation system
Xu et al. Pseudo-likelihood-based Bayesian information criterion for variable selection in survey data
KR101274431B1 (en) Apparatus and method for determining health using survey information, apparatus and method for generating health sort function
Fang et al. A mental disorder early warning approach by observing depression symptom in social diary
CN115019961A (en) Personalized health care service system based on knowledge graph and portrait of old people
WO2019206264A1 (en) Terminal disinfection method for disposable hemostix needle and terminal disinfection system
Topacan et al. Exploring the adoption of technology driven services in the healthcare industry
CN112967802A (en) Linear fusion model training and age estimation method and device for estimating physiological age
JP2006110278A (en) Individual health management system
JP2016110181A (en) Data management system and data management method
JP2006113991A (en) Extraction method for personal health care information

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20080228

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20100624

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20100706

A02 Decision of refusal

Free format text: JAPANESE INTERMEDIATE CODE: A02

Effective date: 20101109