JP2007140683A

JP2007140683A - 循環器疾患発症予報装置

Info

Publication number: JP2007140683A
Application number: JP2005330596A
Authority: JP
Inventors: Takahiro Soma; 孝博相馬; Kenji Oshige; 賢二大重
Original assignee: Terumo Corp
Current assignee: Terumo Corp
Priority date: 2005-11-15
Filing date: 2005-11-15
Publication date: 2007-06-07
Anticipated expiration: 2025-11-15
Also published as: JP4880290B2

Abstract

【課題】循環器疾患発症への気象の影響度ランクとして地域差のない予報をおこなう予報装置を提供する。
【解決手段】循環器疾患発症予報装置１０は、各種データを記憶するデータ記憶部１５と、予測したい地域や日時の入力をおこなう入力装置１４と、外部の予報気象データと接続する外部インタフェース１６と、入力装置１４からの入力とデータ記憶部１５に記憶されたデータをもとに循環器疾患発症者数を予測する発症者数予測部１２と、予測結果を出力する表示装置１３と各コンポーネントを接続するメインバス２１とから構成される。発症者数予測部１２は、各種データをメインバス２１を介して取得し、地域差の生じない影響度ランクとして予測するものである。予測結果は、入力パラメータにより予測した発症者数が、予測をおこなった地域の過去の統計による最大および最小発症者数をもとに区分したランクを予報するものである。
【選択図】図１

Description

本発明は、例えば脳卒中、心筋梗塞発症等の循環器疾患への気象の影響度を気象情報による患者発症数との相関により求め、地理的に南北に長く位置する日本の気象変化に適用できるよう地域差のないランクで予報する循環器疾患発症予報装置に関する。

現在、脳卒中、心筋梗塞の生活習慣病は死亡原因の３割弱を占め、大きな社会問題となっており早急な対処法への要望が高まっている。また、循環器疾患である脳卒中、心筋梗塞と気象の影響は古くから研究されており、一般に冬季に多く、夏季に少ないとの報告もある。

近年、気圧配置の状態や気団が熱帯性か海洋性であるか等の気象状況の指標により天気図を分類して循環器疾患発症者数の予報をおこなうものが知られている。また、循環器疾患発症者数と、気温、湿度、気圧との相関関係より求めた予測式を組み込んだ装置に、予測したい日の予測気象パラメータを入力すると、予測患者発症数が求まり地域別でない標準値を影響度ランク（例えば、０から１人未満／日を「やや注意」、１以上２人未満／日を「注意」、２人以上／日を「警戒」とする。）に区分して予報する予側法も知られている。

特許文献１には、人口１２０万人地域の実態調査結果としての脳卒中発症登録データの数値を利用し、対象集団の脳卒中の推測値を算出する予測システムが開示されている。
特開２００２−０２４４６９公報

前述した予測法においては、地理的に気温差が大きい場合、予報に地域差が生じていた。例えば、南部に位置する沖縄と比較して、北部に位置する札幌では気温が低く常に沖縄より札幌の方が影響度の大きい予報となってしまい地域差が生じていた。また、脳卒中、心筋梗塞の予測発症者数の予測式を、気温・湿度・気圧を説明変数とし、発症者数を目的変数とする線形多重回帰式にすると、ある気温より影響度が急激に増加または減少するような非線形な変化を十分に表すことができず大きな予測誤差を生じていた。また、特許文献１では、ある特定の集団においての推測は可能であるが、他の集団には利用できないという問題がある。

本発明は、前述した問題を鑑みてなされたものであり、予測地域の過去の気象データから計算した循環器発症への気象の影響度を表す年間分布により、循環器疾患発症への気象の影響度ランクとして地域差のない予報をおこなう予報装置の実現を目的とする。さらに、予報に用いる予測法として、複数の気象情報からなる多次元配列データベースを利用することで、前述した影響度が急激に増加または減少するような非線形な変化への対応を目的とする。

本発明は、循環器疾患発症への気象の影響度を地域別に予報する装置に係り、予報された気象データを外部インタフェースを介して予報気象データベースへ記憶しておく第１の記憶手段と、過去の気象データによる発症者数を多次元配列データベースへ記憶しておく第２の記憶手段と、複数の地域にわたる過去の気象データの１日の平均を過去気象データベースへ記憶しておく第３の記憶手段と、予測をおこなう地域と日時とを入力する入力手段とを含み、前記地域と前記日時とを条件に、前記予報気象データベースと前記多次元配列データベースと前記過去気象データベースとからそれぞれ前記気象データと前記発症者数と過去の前記気象データとを読み出し、気象の影響による予測発症者数を予測する発症者数予測部を備え、特定の地域と日時における気象の影響による影響度ランクを各地域の過去の前記気象データから予測される前記予測発症者数によって求められる地域差のない少なくとも３つの前記影響度ランクで予報することを特徴とする。

本発明の好適な実施形態によれば、前記発症者数予測部は、前記地域と前記日時とにより、前記予報気象データベースから前記気象データを読み出し、区分する第１の区分手段と、前記気象データの区分を予測気象情報メモリへ書き込む第１の書き込み手段と、前記気象データを読み出し、前記予測発症者数を前記多次元配列データベースから選択する第１の選択手段と、前記予測発症者数を予測発症者数メモリへ書き込む第２の書き込み手段と、前記地域における前記過去気象データベースから１日毎の平均気象データを読み出し、前記多次元配列データベースから最大発症者数と最小発症者数とを選択する第２の選択手段と、前記最大発症者数と前記最小発症者数から前記発症者数を少なくとも３つの前記影響度ランクに区分する第２の区分手段とを含み、前記予測発症者数メモリの値を少なくとも３つの前記影響度ランクにあてはめ、前記影響度ランクを予報することが好ましい。

本発明の好適な実施形態によれば、例えば、前記影響度ランクを区分する第２の区分手段は、前記最大発症者数と前記最小発症者数を減算する減算器と、前記減算の結果を影響度ランク数で除算する除算器とを備え、前記除算の結果が前記影響度ランクのランク幅となることが好ましい。

また、本発明の他の実施形態によれば、例えば、前記発症者数予測部は、前記地域と前記日時とにより、前記予報気象データベースから前記気象データを読み出し、区分する第１の区分手段と、前記気象データの区分を予測気象情報メモリへ書き込む第１の書き込み手段と、前記気象データを読み出し、前記予測発症者数を前記多次元配列データベースから選択する第１の選択手段と、前記予測発症者数を予測発症者数メモリへ書き込む第２の書き込み手段と、前記地域における前記過去気象データベースから１日毎の平均気象データを読み出し、前記多次元配列データベースから過去の平均発症者数を求める平均化手段と、前記予測発症者数が過去の前記平均発症者数からどの程度影響があるかを影響度ランクで予報することが好ましい。

本発明の好適な実施形態によれば、例えば、前記気象データは、気温データと湿度データと気圧データとを含み、前記多次元配列データベースは、少なくとも前記気温データと、前記湿度データと、前記気圧データとを条件とした予測発症者数を含むことが好ましい。

本発明の実施形態によれば、予報する地域の過去の気象データに基づいて予報する影響度ランクを地域別に設けることで、気象の地域差による予報の偏りを解消し、地域別に予防対応が行いやすい予報を実現した。さらに、循環器疾患発症者数の予測に複数の気象情報からなる多次元配列データベースを利用することで、気象データと循環器疾患発症との非線形な関係への対応が実現し、予測精度の向上を期待できる。

以下、図面を参照して本発明の好適な実施形態について詳細に説明する。

図１は、本実施形態の循環器疾患発症予報装置の構成を示すブロック図である。循環器疾患発症予報装置１０は、各処理部の制御や演算等をおこなうＣＰＵ１１と、各種データを記憶するデータ記憶部１５と、予測したい地域や日時の入力をおこなう入力装置１４とを含む。また、循環器疾患発症予報装置１０は、外部の予報気象データと、放送媒体、医療機関および自治体等への予報結果配信先２２と接続する外部インタフェース１６とを含む。さらに、循環器疾患発症予報装置１０は、入力装置１４からの入力とデータ記憶部１５に記憶されたデータをもとに循環器疾患発症者数を予測する発症者数予測部１２と、予測結果を出力する表示装置１３と各コンポーネントを接続するメインバス２１とを含む。

データ記憶部１５は、外部インタフェースを介して外部の予報気象データを記憶する予報気象データベース１７と、地域別に過去の気象データを記憶する過去気象データベース１８と、過去の統計により複数の気象パラメータを条件とした発症者数を記憶する多次元配列データベース１９とを含む。予報気象データベース１７は、例えば気象庁データベースから取得した未来の予報である気象データを記憶するものであるが、未来の予報である気象データであれば気象庁データベースでなくてもよい。過去気象データベース１８は、例えば過去１年間の１日の平均気温を記憶するものであるが、期間については過去１年間でなくても良い。また、多次元配列データベースは、過去のいくつかの気象データを条件とした発症者数を記憶するものであるが、本実施形態を説明するにあたり気象データを気温、湿度、気圧と想定した３次元配列データベースとする。

発症者数予測部１２は、各種データをメインバス２１を介して取得し発症者数を予測するが、その予測結果は地域差の生じない影響度ランクとして出力するものである。影響度ランクを利用した予測結果は、入力パラメータ（地域、日時）により予測した発症者数が、予測をおこなった地域の過去の統計による最大発症者数と最小発症者数をもとに区分したランクのどのレベルに該当するかを予報するものである。

図２は本発明の好適な実施形態による循環器疾患発症予報装置における全体処理フローを示したフローチャートである。

Ｓ２０１は、ユーザにより入力された予報をおこなう予測地域と予測日時について検出をおこなうステップである。例えば、予測地域においては北海道道南、南関東等であり、予測日時においては日付と時刻になる。

Ｓ２０２は、Ｓ２０１で入力された入力パラメータをもとに予め予報気象データが記憶されている予報気象データベースから予報気象データを読み出し、各気象データ（例えば、気温、湿度、気圧）別に複数のランクに区分されたどのランクに属するかを予測気象情報メモリへ記憶するステップである。ここで本発明の実施形態による一例として、どのように気象データを区分するかの説明をおこなう。区分方法については任意であるが、気象データを気温、湿度、気圧と想定した場合について以下に記載する。例えば図５にも示すように気温については、気温分類１（−１２℃以上−６℃未満）、気温分類２（−６℃以上０℃未満）、気温分類３（０℃以上６℃未満）、気温分類４（６℃以上１１℃未満）、気温分類５（１１℃以上１６℃未満）、気温分類６（１６℃以上２１℃未満）、気温分類７（２１℃以上２６℃未満）、気温分類８（２６℃以上）のように区分する。湿度については、湿度分類１（８０％ＲＨ以上）、湿度分類２（６０％ＲＨ以上８０％ＲＨ未満）、湿度分類３（４０％ＲＨ以上６０％ＲＨ未満）、湿度分類４（２１％ＲＨ以上４０％ＲＨ未満）のように区分する。また気圧については、気圧分類１（１０２０ｈＰａ以上）、気圧分類２（１０１０ｈＰａ以上１０２０ｈＰａ未満）、気圧分類３（１０００ｈＰａ以上１０１０ｈＰａ未満）、気圧分類４（１０００ｈＰａ未満）のように区分する。

Ｓ２０３は、前述した各気象データの属するランクにより、気象データを条件とした過去の発症者数を記憶した多次元配列データベースから予報したい地域、日時における予測発症者数を抽出するステップである。この多次元配列データベースを利用した予測法は過去の統計データによるものであるが、この予測法は従来の線形多重回帰式により求まる予測と比較して、影響度が急激に増加または減少するような非線形な変化へ対応可能である。さらに、Ｓ２０３は、抽出した予測発症者数を予測発症者数メモリへ記憶する。

Ｓ２０４は、入力された予測地域に応じて、地域別の過去の気象データベースから一定の期間における（例えば１年間）気象データを読み出すステップである。

Ｓ２０５は、Ｓ２０４で読み出された過去の一定期間の気象データをパラメータとしてＳ２０２とＳ２０３の処理を実行し、過去の当該一定期間内における最大発症者数と最小発症者数を抽出するステップである。これらの発症者数は、過去の地域別の値となる。

Ｓ２０６は、Ｓ２０５で抽出された過去の一定期間内における最大発症者数と最小発症者数とをもとに影響度ランクを区分し、Ｓ２０３で抽出された予測地域と予測日時における予測発症者数がどの影響度ランクに属するかを判定する影響度ランク判定処理をおこなうステップである。このステップにより現状予想される予測発症者数が過去の当該地域の発症者数と比較してどの程度影響があるかを表すことができる。すなわち、現在の予測発症者数情報と、地域ごとの影響を地域ごとの過去の発症者数情報とを組み合わせることにより地域差のない地域別の予報を期待できる。影響度ランク判定処理ついては、後述する図３の説明において詳細に記載する。

Ｓ２０７は、Ｓ２０６により算出された影響度ランクを図２に示してあるように表示装置により出力するステップである。本発明は、図２に示してある出力形式に限定されることなく、放送媒体、医療機関、自治体またはインターネット上への配信など、他の様々な形態での出力形式が実現可能である。

図３は本発明の好適な実施形態による循環器疾患発症予報装置における影響度ランク判定処理フローを示したフローチャートである。ここでは、説明を容易におこなうため算出する影響度ランク数を３と想定して記載する。

Ｓ３０１は、図１の発症数予測部が有する減算器における処理を表す。当該減算器においては、前述した最大発症者数ＭＡＸと最小発症者数ＭＩＮの減算結果Ｓを以下
Ｓ＝ＭＡＸ−ＭＩＮ
のように算出する。

Ｓ３０２は、図１の発症数予測部が有する除算器における処理を表す。当該除算器においては、前述した減算結果Ｓを以下のように影響度ランク数３で除算した除算結果Ｄを以下
Ｄ＝Ｓ／３
のように算出する。この除算結果Ｄが影響度ランクのランク幅となる。

Ｓ３０３は、除算結果Ｄ（ランク幅）と最小発症者数ＭＩＮを利用して影響度ランクを区分するステップである。Ｓ３０３に示してあるように例えば影響度が一番低いランクから、ｒａｎｋ１（ＭＩＮ＋Ｄ未満）、ｒａｎｋ２（ＭＩＮ＋Ｄ以上ＭＩＮ＋２Ｄ未満）、ｒａｎｋ３（ＭＩＮ＋２Ｄ以上）とする。

Ｓ３０４は、前述した予測地域、予測日時による予測循環器疾患発症数がＳ３０３で区分した影響度ランクのどのランクに属するかを判定するステップである。ここで判定された結果が予報される地域差のない影響度ランクとなる。

図４は本発明の他の実施形態による循環器疾患発症予報装置における全体処理フローを示したフローチャートである。

Ｓ４０１からＳ４０４は、前述した図２のそれぞれＳ２０１からＳ２０４と同等の処理をおこなう。

Ｓ４０５は、Ｓ４０４で読み出された一定期間の気象データをパラメータとしてＳ４０２とＳ４０３の処理を実行し、過去の当該一定期間内における平均の発症者数を求めるステップである。これらの平均発症者数は、過去の地域別の値となる。

Ｓ４０６は、Ｓ４０３で抽出された予測地域と予測日時における予測発症者数がＳ４０５で抽出された過去の当該一定期間内における平均発症者数をもとにどの程度影響するかを判定する影響度ランク判定処理をおこなうステップである。例えば、影響度ランクをｒａｎｋ１が平均発症者数より少ない、ｒａｎｋ２が平均発症者数とほぼ同等、ｒａｎｋ３が平均発症者数より多いとした場合、Ｓ４０３で抽出された予測発症者数がどのランクに属するかを判定する。

Ｓ４０７は、Ｓ４０６により算出された影響度ランクを図４に示してあるように表示装置により出力するステップである。本発明は、図４に示してある出力形式に限定されることなく、放送媒体、医療機関、自治体またはインターネット上への配信など、他の様々な形態での出力形式が実現可能である。

図５は本発明の好適な実施形態による多次元配列データベースの構成例を示す表である。これは、多次元配列データベースを仮想的に表として表したものである。また、気象データを気温、湿度、気圧と想定しているため３次元配列データベースとなる。

前述したように各気象データ（気温、湿度、気圧）は、ランクに分類（例えば、気温分類１、湿度分類１、気圧分類１）され管理されており、過去の統計結果より上記３つの気象データを条件とした循環器疾患発症数をデータとして記憶している３次元配列データベースとなる。この３次元配列データベース（多次元配列データベース）は、予測地域と予測日時の気象データをもとに循環器疾患発症数を予測する場合と、予測地域の過去の気象データによる最大発症者数や最小発症者数を抽出する場合に利用される。この予測法は、前述したように予測式で求める予測法と比較して、気象データと循環器疾患発症との非線形な関係においても対応を期待できる。

本発明に係る循環器疾患発症予報装置の構成を示すブロック図である。本発明の好適な実施形態における全体処理フローを示したフローチャートである。本発明の好適な実施形態における影響度ランク判定処理フローを示したフローチャートである。本発明の他の実施形態における全体処理フローを示したフローチャートである。本発明の好適な実施形態における多次元配列データベースの構成を示す表図である。

Claims

循環器疾患発症への気象の影響度を地域別に予報する装置であって、
予報された気象データを外部インタフェースを介して予報気象データベースへ記憶しておく第１の記憶手段と、
過去の気象データによる発症者数を多次元配列データベースへ記憶しておく第２の記憶手段と、
複数の地域にわたる過去の気象データの１日の平均を過去気象データベースへ記憶しておく第３の記憶手段と、
予測をおこなう地域と日時とを入力する入力手段とを含み、
前記地域と前記日時とを条件に、前記予報気象データベースと前記多次元配列データベースと前記過去気象データベースとからそれぞれ前記気象データと前記発症者数と過去の前記気象データとを読み出し、気象の影響による予測発症者数を予測する発症者数予測部を備え、
特定の地域と日時における気象の影響による影響度ランクを各地域の過去の前記気象データから予測される前記予測発症者数によって求められる地域差のない少なくとも３つの前記影響度ランクで予報することを特徴とする予報装置。
前記発症者数予測部は、
前記地域と前記日時とにより、前記予報気象データベースから前記気象データを読み出し、区分する第１の区分手段と、
前記気象データの区分を予測気象情報メモリへ書き込む第１の書き込み手段と、
前記気象データを読み出し、前記予測発症者数を前記多次元配列データベースから選択する第１の選択手段と、
前記予測発症者数を予測発症者数メモリへ書き込む第２の書き込み手段と、
前記地域における前記過去気象データベースから１日毎の平均気象データを読み出し、前記多次元配列データベースから最大発症者数と最小発症者数とを選択する第２の選択手段と、
前記最大発症者数と前記最小発症者数から前記発症者数を少なくとも３つの前記影響度ランクに区分する第２の区分手段とを含み、
前記予測発症者数メモリの値を少なくとも３つの前記影響度ランクにあてはめ、前記影響度ランクを予報することを特徴とする請求項１に記載の予報装置。
前記影響度ランクを区分する第２の区分手段は、
前記最大発症者数と前記最小発症者数を減算する減算器と、
前記減算の結果を影響度ランク数で除算する除算器とを備え、
前記除算の結果が前記影響度ランクのランク幅となる
ことを特徴とする請求項２に記載の予報装置。
前記発症者数予測部は、
前記地域と前記日時とにより、前記予報気象データベースから前記気象データを読み出し、区分する第１の区分手段と、
前記気象データの区分を予測気象情報メモリへ書き込む第１の書き込み手段と、
前記気象データを読み出し、前記予測発症者数を前記多次元配列データベースから選択する第１の選択手段と、
前記予測発症者数を予測発症者数メモリへ書き込む第２の書き込み手段と、
前記地域における前記過去気象データベースから１日毎の平均気象データを読み出し、前記多次元配列データベースから過去の平均発症者数を求める平均化手段と、
前記予測発症者数が過去の前記平均発症者数からどの程度影響があるかを影響度ランクで予報することを特徴とする請求項１に記載の予報装置。
前記気象データは、気温データと湿度データと気圧データとを含み、
前記多次元配列データベースは、
少なくとも前記気温データと、前記湿度データと、前記気圧データとを条件とした前記予測発症者数を含むことを特徴とする請求項３に記載の予報装置。