JP2017012245A - 失禁抑制方法及び失禁抑制装置 - Google Patents

Abstract

【課題】一つの側面として、患者の状態を考慮することで、患者の失禁をより精度良く抑制する。
【解決手段】失禁抑制装置４０は、患者の生体活動を示す複数の特徴量に基づき、複数の特徴量のうち、特定の特徴量によって区別できる患者の異なる状態毎に、患者が失禁する際に共通する変化傾向を示す特徴量のパターンを抽出する。また、失禁抑制装置４０は、患者の状態、及び当該状態に応じたパターンが示す特徴量の変化傾向に基づいて、患者の失禁を予測し、患者の失禁を予測した場合に、警告を出力する。
【選択図】図１

Description

開示の技術は、失禁抑制方法及び失禁抑制装置に関する。

近年、失禁傾向が認められる患者の人体にセンサを取り付け、センサから発した超音波が膀胱で反射され、再びセンサに戻ってくるまでの反射時間に基づいて膀胱の膨満状況を検知し、患者の排尿時刻を推定するセンシング装置が提案されている。

このセンシング装置では、実際の排尿時刻と推定した排尿時刻との差分から、排尿時刻を推定する際に用いた予測パラメータを調整することで、排尿時刻の推定精度を上げる方法が用いられている。

特表２０１３−５２３３０５号公報

しかしながら、同じ患者であっても、例えば体調といった患者の状態が異なる場合、患者の実際の排尿時刻にばらつきが生じやすくなる。このため、患者の状態を考慮せずに共通の予測パラメータを用いて排尿時刻を推定した場合、排尿時刻の推定精度が低下することが考えられる。

一つの側面として、開示の技術は、患者の状態を考慮することで、患者の失禁をより精度良く抑制することを目的とする。

一つの態様では、失禁抑制方法は、コンピュータに、患者の生体活動を示す複数の特徴量に基づき、複数の特徴量のうち、特定の特徴量によって区別できる患者の異なる状態毎に、患者が失禁する際に共通する変化傾向を示す特徴量のパターンを抽出させる。そして、失禁抑制方法は、コンピュータに、患者の状態、及び当該状態に応じたパターンが示す特徴量の変化傾向に基づいて、患者の失禁を予測させ、患者の失禁を予測した場合に、警告を出力させる。

一つの側面として、患者の状態を考慮することで、患者の失禁をより精度良く抑制することができる、という効果を有する。

睡眠深度に応じた計測項目毎の特徴量の変化傾向の一例を示す図である。 第１実施形態に係る失禁抑制システムの構成の一例を示す図である。 特徴量リストの一例を示す図である。 第１実施形態に係る失禁抑制装置をコンピュータで実現する場合の構成の一例を示す図である。 特徴量リスト生成処理の流れの一例を示すフローチャートである。 特徴量リスト初期化処理の流れの一例を示すフローチャートである。 アラート通知処理の流れの一例を示すフローチャートである。 第２実施形態に係る失禁抑制システムの構成の一例を示す図である。 第２実施形態に係る失禁抑制装置をコンピュータで実現する場合の構成の一例を示す図である。 特徴量リスト更新処理の流れの一例を示すフローチャートである。

以下、図面を参照して開示の技術の実施形態の一例を詳細に説明する。なお、同じ働きを担う構成要素または処理には、全図面を通して同じ符号を付与し、重複する説明を適宜省略する場合がある。

発明者等は、失禁、特に夜尿傾向が見られる患者に、例えば心拍数、または、呼吸数といった患者の生体情報を計測する各種センサを取り付け、計測項目毎に患者が失禁するまでの生体情報の推移を取得し、取得した生体情報について分析を行った。

当該分析で計測した患者の生体活動に関する計測項目は、ＬＦ/ＨＦ、体幹の体動、胸の温度、手首の温度、胸と手首の温度差、呼吸数、手首の動き、心拍数、睡眠姿勢、寝返り頻度、及び睡眠深度である。

ここで、ＬＦ/ＨＦとは、患者の心拍変動に関する計測項目であり、例えば心電計として用いられるＥＣＧ(Electrocardiograph)センサによって計測される。ＬＦ(Low Frequency)とは、心拍変動に対して周波数変換を行い、周波数変換の結果として得られる周波数のパワースペクトルのうち、０．０４Ｈｚを超え、０．１５Ｈｚ以下程度の周波数のパワースペクトルの平均値のことをいう。また、ＨＦ(High Frequency)とは、心拍変動に対する周波数のパワースペクトルのうち、０．１５Ｈｚを超え、０．４Ｈｚ以下程度の周波数のパワースペクトルの平均値のことをいう。

ＬＦは、主に体が活発に活動している時に働く交感神経の活動を反映する指標であり、ＨＦは、主に体がリラックス状態にある時に働く副交感神経の活動を反映する指標であることが知られている。従って、ＬＦ/ＨＦは、患者の緊張の度合いを示す指標として用いられ、患者がリラックス状態にある程、ＬＦ/ＨＦの値は低くなる傾向がある。

体幹の体動とは、患者の体動の程度に関する計測項目である。体幹の体動は、例えば患者の胸の動きを計測する加速度センサの値によって表され、患者の体の動きが激しくなる程、値は高くなる。

胸の温度は、例えば患者の胸の体表面温度の値として表され、手首の温度は、例えば患者の手首の体表面温度の値として表される。

胸と手首の温度差は、例えば（胸の温度−手首の温度）として表されるが、（手首の温度−胸の温度）としても良い。

呼吸数は、例えば患者の胸の動きから患者の単位時間（例えば１分間）あたりの呼吸数を検知する呼吸センサの値として表される。

手首の動きとは、体幹の体動と同じく患者の体動の程度に関する計測項目である。手首の動きは、例えば患者の手首の動きを計測する加速度センサの値によって表され、患者の手の動きが激しくなる程、値は高くなる。

心拍数は、例えば患者の脈の動きから患者の単位時間（例えば１分間）あたりの心拍数を検知する心拍センサの値として表される。

睡眠姿勢とは、睡眠時の患者の体の向きに関する計測項目であり、例えば患者に装着したジャイロセンサによって計測される。または、加速度センサで取得する重力加速度の向きから計測してもよい。

寝返り頻度とは、睡眠姿勢に基づいて算出される計測項目であり、例えば患者が単位時間（例えば１分間）に行った寝返り数によって表される。

睡眠深度とは、患者の睡眠の深さの程度に関する計測項目である。人間の睡眠深度は深くなったり浅くなったりを周期的に繰り返すことが知られている。睡眠深度が比較的浅い状態は「レム睡眠」と呼ばれ、身体の活動量は低下している一方、脳は活発に活動している。レム睡眠の間は既に脳が活動しているため、患者は尿意を感じ取り、トイレに行きたくなることがある。患者の睡眠深度が浅い場合、患者は起床しやすく、しかも、脳が既に活動しているため、起床した後の目覚めがよい。

一方、睡眠深度が比較的深い状態は「ノンレム睡眠」と呼ばれ、レム睡眠に比べて身体及び脳とも活動量が低下している。ノンレム睡眠は、レム睡眠と比較して脳の活動量が低下しているため、ノンレム睡眠中に患者を起床させようとしても、患者は起床し難く、起床した後も、例えば残眠感及び疲労感等が認められ、目覚めが良くない状況が発生することがある。

また、レム睡眠時はノンレム睡眠時に比べて、周波数が４Ｈｚを超え８Ｈｚ以下程度の脳波であるθ波が多く現れる傾向が見られる。一方、ノンレム睡眠時は、レム睡眠時に比べて、周波数が約４Ｈｚ以下の脳波であるδ波が多く現れる傾向が見られる。

従って、患者の睡眠深度は、例えば、患者の頭部に装着され、患者の脳波を検知する脳波センサで検知可能であり、検知した睡眠深度を、レム睡眠とノンレム睡眠との境界を示す閾値と比較した結果に基づき、睡眠深度を「深い」、「浅い」の２段階に分類する。または、手首の加速度を用いて、動きの頻度から睡眠深度を求めてもよい。

生体情報の分析手順としては、まず、例えば１ヶ月といった所定期間内における患者の睡眠中の生体情報を計測項目毎に計測すると共に、睡眠中に患者が失禁した場合には、患者の失禁時刻を記録する。そして、記録した患者の失禁時刻から所定期間内における患者の平均失禁時刻を予め求める。

そして、睡眠深度以外の計測項目毎に、失禁があった日の患者の失禁前６０分間に計測された計測項目の値の平均値から、失禁がない日の患者の平均失禁時刻前６０分間に計測された計測項目の値の平均値をそれぞれ減算して、計測項目毎に差分を算出する。以降、この差分のことを特徴量といい、計測項目毎の特徴量を、失禁があった各々の日について算出する。

そして、失禁があった日の各計測項目の特徴量の各々を、失禁時の睡眠深度が深い場合（パターン１と表す）と浅い場合（パターン２と表す）との２パターンに分類する。そして、各パターンにおいて、各計測項目のうち、共通する変化傾向を示す特徴量を有する計測項目を抽出する。

具体的には、何れかのパターンにおいて、ある計測項目の特徴量が全て正の値であれば、当該計測項目を、特徴量が上昇の変化傾向を示している計測項目として当該パターンから抽出する。逆に、何れかのパターンにおいて、ある計測項目の特徴量が全て負の値であれば、当該計測項目を、特徴量が低下の変化傾向を示している計測項目として当該パターンから抽出する。

なお、一例として、各パターンは睡眠深度によって分類するため、同じパターンに含まれる患者の睡眠深度は何れも同じ睡眠深度を示す。

図１は、上記のようにして分析した、患者１〜４で表される４名の睡眠深度に応じた各計測項目の特徴量の変化傾向の一例を示す図である。

ここで“↑”は、各パターン内で、該当する計測項目の特徴量が上昇するという共通の変化傾向があることを示し、“↓”は、各パターン内で、該当する計測項目の特徴量が低下するという共通の変化傾向があることを示す。

また、図１における空欄は、該当する計測項目に対して、上昇または低下する特徴量が共に存在するため、共通する変化傾向を見出せなかったことを示す。

従って、患者１のパターン１における特徴量は、ＬＦ/ＨＦ、呼吸数、心拍数、及び睡眠深度となり、患者１のパターン２における特徴量は、ＬＦ/ＨＦ、胸と手首の温度差、呼吸数、心拍数、及び睡眠深度となる。

また、患者２のパターン１における特徴量は、ＬＦ/ＨＦ、胸の温度、手首の温度、呼吸数、心拍数、及び睡眠深度となり、患者２のパターン２における特徴量は、ＬＦ/ＨＦ、胸の温度、呼吸数、心拍数、睡眠姿勢、及び睡眠深度となる。以下、患者３及び患者４に対しても特徴量が示されている。

発明者等は、図１に示す分析結果から幾つかの知見を得ることができた。

１つ目の知見は、異なるパターン間で同じ変化傾向を示す特徴量と、異なる変化傾向を示す特徴量とが存在する点である。

例えば、患者１の分析結果において、ＬＦ/ＨＦ及び心拍数については、パターン１とパターン２の間で同じ変化傾向を示しているが、呼吸数及び睡眠深度については、パターン１とパターン２の間で異なる変化傾向を示している。

２つ目の知見は、失禁前における特徴量は患者毎に異なる点である。

例えば、患者１のパターン２の場合には、患者１の胸と手首の温度差が上昇する変化傾向が見られるが、患者２のパターン２の場合には、患者２の胸と手首の温度差に特段の変化傾向は認められない。

３つ目の知見は、同じパターンであっても、特徴量の変化傾向が患者毎に異なる点である。

例えば、患者１のパターン２の場合には、患者１の呼吸数が低下する変化傾向が見られるが、患者２のパターン２の場合には、患者２の呼吸数は上昇する変化傾向が見られる。

以上から発明者等は、患者が失禁する前には、睡眠深度に応じて特定の計測項目に関して共通して現れる特徴量の変化傾向があり、この特定の計測項目と、特徴量の変化傾向は患者毎に異なることを見出した。

例えば、患者１は、睡眠深度が深い状態で失禁する場合、ＬＦ/ＨＦ及び呼吸数が上昇し、心拍数が低下する傾向があり、睡眠深度が浅い状態で失禁する場合、ＬＦ/ＨＦ及び胸と手首の温度差が上昇し、呼吸数及び心拍数が低下する傾向がある。

従って、各計測項目のうち、何れかのパターンにおいて共通の変化傾向を示す特徴量に対応する計測項目が、当該特徴量が示す変化傾向と同じ変化傾向を示せば、患者が失禁する可能性があることを、患者が失禁する前に事前に検知することができる。

上記に示した知見を踏まえ、以降、患者の睡眠深度に応じた生体情報の変化傾向に基づいて患者の失禁を予測し、患者の失禁を抑制する失禁抑制装置について説明する。

（第１実施形態）
図２は、第１実施形態に係る失禁抑制システム１の構成の一例を示す図である。

失禁抑制システム１は、ウェアラブルセンサ１０、情報端末３０、及び失禁抑制装置４０を含む。ウェアラブルセンサ１０と情報端末３０、情報端末３０と失禁抑制装置４０、及び、失禁抑制装置４０とウェアラブルセンサ１０は、通信回線で接続される。

図２では、失禁抑制装置４０に１台の情報端末３０が接続されている例を示しているが、失禁抑制装置４０には複数の情報端末３０を接続することが可能である。また、情報端末３０及び失禁抑制装置４０に接続可能なウェアラブルセンサ１０の数にも制限はない。

また、図２の例では、ウェアラブルセンサ１０は情報端末３０を経由して失禁抑制装置４０に接続されているが、ウェアラブルセンサ１０を失禁抑制装置４０に接続するようにしてもよい。

なお、通信回線の回線種別に制限はなく、例えばインターネット回線、イントラネット回線、又は専用線等、何れの回線種別であってもよく、接続形態に関しても、有線、無線、又は有線と無線との混在等、何れの接続形態であってもよい。

ウェアラブルセンサ１０は、患者の生体情報を計測すると共に、失禁抑制装置４０の指示に基づいて警告を出力する電子機器であり、患者に装着または携帯される。

ウェアラブルセンサ１０は、送信部１１、尿センサ１２、加速度センサ１３、温度センサ１４、呼吸センサ１５、心拍センサ、ジャイロセンサ１７、脳波センサ１８、及びＥＣＧセンサ１９を含む。また、ウェアラブルセンサ１０は、アラート受信部２０及びスピーカ２１を含む。

ウェアラブルセンサ１０の送信部１１には、情報端末３０のセンサデータ受信部３１、尿センサ１２、加速度センサ１３、温度センサ１４、呼吸センサ１５、心拍センサ、ジャイロセンサ１７、脳波センサ１８、及びＥＣＧセンサ１９が接続される。

尿センサ１２は患者の失禁を検知し、失禁検知を知らせる失禁検知データを送信部１１に出力する。

加速度センサ１３は、患者の胸の動きの加速度、及び患者の手首の動きの加速度を計測し、部位毎の加速度データを送信部１１に出力する。なお、患者の胸の動きを示す加速度データは、計測項目のうち、体幹の体動に対応する生体情報を表す。患者の手首の動きを示す加速度データは、計測項目のうち、手首の動きに対応する生体情報を表す。

温度センサ１４は、患者の胸の温度、及び患者の手首の温度を計測すると共に、計測結果から胸と手首の温度差を算出し、部位毎の温度データ及び温度差データを送信部１１に出力する。

呼吸センサ１５は、例えば患者の胸の動きを検知して、単位時間あたりの患者の呼吸数を計測し、患者の呼吸数を示す呼吸データを送信部１１に出力する。なお、呼吸データは、計測項目のうち、呼吸数に対応する生体情報を表す。

心拍センサ１６は、例えば患者の脈の動きを検知して、単位時間あたりの患者の心拍数を計測し、患者の心拍数を示す心拍データを送信部１１に出力する。なお、心拍データは、計測項目のうち、心拍数に対応する生体情報を表す。

ジャイロセンサ１７は、患者の体の向きを検知して、患者がどの方向を向いているかを計測すると共に、当該計測結果を用いて、単位時間あたりの患者の体の移動回数を算出する。ジャイロセンサ１７は、患者の体の向きを示すジャイロデータ、及び単位時間あたりの患者の体の移動回数を示す寝返りデータを送信部１１に出力する。

ジャイロセンサ１７は、例えば患者が仰向けの状態にある場合に“０”の値を示し、患者から見て、患者の体が仰向けの状態から左方向に回転するに従って“＋”方向に大きくなる値を示し、逆に、右方向に回転するに従って、“−”方向に小さくなる値を示す。これにより、ジャイロデータから患者の体の向きを推定することが可能となる。

なお、ジャイロデータは、計測項目のうち、睡眠姿勢に対応する生体情報を表し、寝返りデータは、計測項目のうち、寝返り頻度に対応する生体情報を表す。

脳波センサ１８は、脳の活動結果として患者の頭部に生じる電位差を検知して、患者の脳波を計測する。この際、脳波センサ１８は、例えばδ波に比べてθ波が多く現れる状況を“＋”、θ波に比べてδ波が多く現れる状況を“−”とした上で、各々の脳波の強さを数値化した脳波データを送信部１１に出力する。なお、脳波データは、計測項目のうち、睡眠深度に対応する生体情報を表す。

ＥＣＧセンサ１９は、患者の心拍変動を検知して患者の自律神経の活動状態、すなわちＬＦ/ＨＦを計測し、患者のＬＦ/ＨＦを示すＥＣＧデータを送信部１１に出力する。なお、ＥＣＧデータは、計測項目のうち、ＬＦ/ＨＦに対応する生体情報を表す。ＥＣＧセンサのＲ−Ｒ間隔（Ｒ波の間隔）から心拍数を求めてもよい。

上記の各センサ１２〜１９は、例えば予め定めた間隔毎に患者の生体情報を計測し、各センサ１２〜１９に対応する各種データ（生体データ）を送信部１１に出力する。各センサ１２〜１９における生体情報の計測間隔について特に制限はないが、生体情報の計測間隔が短くなるに従って単位時間あたりのデータ量が多くなるため、後ほど説明する失禁抑制装置４０において、患者の失禁を精度良く予測することができる。

また、各センサ１２〜１９は、ウェアラブルセンサ１０に内蔵されている必要はなく、各センサ１２〜１９をウェアラブルセンサ１０と分離させても良い。

送信部１１は、各センサ１２〜１９から出力される生体データを受信し、生体データを受信した日付及び時刻、並びに患者を識別するための患者ＩＤ(identification)を生体データ毎に付加して、情報端末３０に送信する。なお、生体情報を計測した日付及び時刻は、各センサ１２〜１９で生体データに付加するようにしても良く、また、患者ＩＤは、生体データの送信先である情報端末３０で生体データに付加するようにしても良い。

ウェアラブルセンサ１０のアラート受信部２０には、失禁抑制装置４０のアラート出力部４４、及びスピーカ２１が接続される。

アラート受信部２０は、アラート出力指示をアラート出力部４４から受信すると、警告音に対応した音声データをスピーカ２１に出力する。

スピーカ２１は、音声データをアラート受信部２０から受け付けると、音声データに対応する音声、すなわち警告音を出力する。なお、スピーカ２１は、ウェアラブルセンサ１０に内蔵されている必要はなく、スピーカ２１をウェアラブルセンサ１０と分離させても良い。

一方、情報端末３０は、例えば患者の家に設置され、患者の失禁に関する各種情報の入出力、及び警告の出力に関する処理を実行する。

情報端末３０は、センサデータ受信部３１、センサデータ送信部３２、入力部３３、情報端末送信部３４、スピーカ３５、アラート受信部３６、及び照明制御部３７を含む。

センサデータ受信部３１は、ウェアラブルセンサ１０の送信部１１、及びセンサデータ送信部３２に接続され、送信部１１から受信した患者の生体データを、センサデータ送信部３２に出力する。

センサデータ送信部３２は、センサデータ受信部３１、及び失禁抑制装置４０の収集記録部４１に接続され、センサデータ受信部３１から受け付けた生体データを、収集記録部４１に送信する。

入力部３３は、情報端末送信部３４に接続され、例えばタッチパネル、キーボード、マウス等といった入力デバイスから入力される入力情報を受け付け、受け付けた入力情報を情報端末送信部３４に出力する。

情報端末送信部３４は、入力部３３、及び失禁抑制装置４０の収集記録部４１に接続され、入力部３３から受け付けた入力情報を、収集記録部４１に送信する。

アラート受信部３６は、失禁抑制装置４０のアラート出力部４４、並びに、情報端末３０のスピーカ３５及び照明制御部３７に接続される。アラート受信部３６は、アラート出力指示をアラート出力部４４から受信すると、警告音に対応した音声データをスピーカ３５に出力すると共に、照明制御指示を照明制御部３７に出力する。

スピーカ３５は、音声データをアラート受信部３６から受け付けると、音声データに対応する音声、すなわち警告音を出力する。

照明制御部３７は、照明制御指示をアラート受信部３６から受け付けると、例えば患者及び患者の保護者が就寝している部屋に設置される図示しない照明機器の明かりを点灯させる。

一方、失禁抑制装置４０は、収集記録部４１、抽出部４２、判定部４３、アラート出力部４４、並びに、センサデータＤＢ（Database）４８及び特徴量リストＤＢ４９を記憶する記憶部４５を含む。

収集記録部４１は、情報端末３０のセンサデータ送信部３２及び情報端末送信部３４に接続され、患者の生体データ及び入力情報を受け付ける。更に、収集記録部４１は、抽出部４２、判定部４３、及び記憶部４５に接続され、受け付けた生体データをセンサデータＤＢ４８へ時系列に記録する。この際、収集記録部４１は、生体データに付加された患者ＩＤを参照して生体データと患者ＩＤを対応付け、センサデータＤＢ４８に記録する。また、収集記録部４１は、受け付けた入力情報を抽出部４２または判定部４３に出力し、抽出部４２または判定部４３の処理に必要な情報を提供する。

抽出部４２は、収集記録部４１及び記憶部４５に接続され、例えば情報端末３０で指定された患者の生体データを、センサデータＤＢ４８から取得する。そして、抽出部４２は、取得した患者の生体データから計測項目毎に特徴量を算出すると共に、算出した特徴量を睡眠深度が深い場合と浅い場合との各々のパターンに分類し、各々のパターンから、特徴量が共通する変化傾向を示す計測項目を抽出する。

この際、抽出部４２は、抽出した計測項目に、特徴量が上昇する傾向にあるのか、或いは、低下する傾向にあるのかを示す特徴量の変化傾向、及び特徴量の変化傾向の度合いに応じた閾値を設定する。そして、抽出部４２は、患者のパターン毎に、抽出した計測項目に閾値を対応付けて特徴量リストＤＢ４９に記憶する。なお、患者の各パターンにおける計測項目と閾値の対応付けを特徴量リストといい、当該特徴量リストは患者毎に生成され、特徴量リストＤＢ４９に記憶される。

図３は、図１に示す患者１の特徴量リストの一例を示す図である。図３に示すように、特徴量リストＳは、例えば計測項目及び閾値をパターン毎に分類している。例えば、パターン１において、ＬＦ/ＨＦは“３．０”と正の値で表されることから、ＬＦ/ＨＦは上昇する変化傾向があり、その閾値の絶対値は“３．０”であることを示している。また、パターン１において、心拍数は“−１．８”と負の値で表されることから、心拍数は低下する変化傾向があり、その閾値の絶対値は“１．８”であることを示している。

判定部４３は、収集記録部４１、アラート出力部４４、及び記憶部４５と接続される。判定部４３は、例えば情報端末３０で指定された睡眠中の患者の生体データを、センサデータＤＢ４８から取得すると共に、当該患者の睡眠深度に応じた特徴量リストＳを、特徴量リストＤＢ４９から取得する。

そして、判定部４３は、睡眠中の患者の生体データを用いて計測項目毎に特徴量を算出する。判定部４３は、算出した特徴量のうち、特徴量リストＳに含まれる計測項目に対応する各計測項目の特徴量が、特徴量リストＳに含まれる計測項目の閾値の変化傾向と一致し、かつ、当該閾値を超える場合、アラート出力指示をアラート出力部４４に出力する。

アラート出力部４４は、判定部４３、情報端末３０のアラート受信部３６、及びウェアラブルセンサ１０のアラート受信部２０と接続され、判定部４３から受け付けたアラート出力指示を、アラート受信部２０、３６に出力する。

次に、図４に、失禁抑制装置４０をコンピュータで実現する場合の構成図の一例を示す。

コンピュータ１００は、ＣＰＵ１０２、メモリ１０４、及び不揮発性の記憶装置１０６を含む。ＣＰＵ１０２、メモリ１０４、及び不揮発性の記憶装置１０６は、バス１０８を介して互いに接続される。また、コンピュータ１００は、入力装置１１２及び通信装置１１４と、コンピュータ１００と、を接続して互いにデータを送受信するためのＩ／Ｏ（Input/Output）１１０を備え、Ｉ／Ｏ１１０はバス１０８に接続される。

入力装置１１２は、例えばキーボード及びマウス等の、コンピュータ１００の操作者がコンピュータ１００に指示を与えるための入力デバイスを含む。また、入力装置１１２は、例えばＣＤ−ＲＯＭ又はフラッシュメモリ等の記録媒体１１６に記録されるデータを読み取るための読み取り装置を含む。なお、入力装置１１２は必ずしもＩ／Ｏ１１０に接続する必要はない。

通信装置１１４は、通信回線に接続するためのインターフェースを含み、例えば通信回線に接続されるウェアラブルセンサ１０及び情報端末３０とデータの送受信を行う。

なお、記憶装置１０６は、ＨＤＤ(Hard Disk Drive)又はフラッシュメモリ等によって実現できる。

記憶装置１０６には、コンピュータ１００を図２に示す失禁抑制装置４０として機能させるための失禁抑制プログラム１２０が記憶される。記憶装置１０６に記憶される失禁抑制プログラム１２０は、収集記録プロセス１２２、抽出プロセス１２４、判定プロセス１２６、及びアラート出力プロセス１２８を含む。

ＣＰＵ１０２は、失禁抑制プログラム１２０を記憶装置１０６から読み出してメモリ１０４に展開し、失禁抑制プログラム１２０に含まれる各プロセスを実行する。

ＣＰＵ１０２が、失禁抑制プログラム１２０を記憶装置１０６から読み出してメモリ１０４に展開し、失禁抑制プログラム１２０を実行することで、コンピュータ１００が図２に示す失禁抑制装置４０として動作する。

また、ＣＰＵ１０２が収集記録プロセス１２２を実行することで、コンピュータ１００が図２に示す収集記録部４１として動作する。また、ＣＰＵ１０２が抽出プロセス１２４を実行することで、コンピュータ１００が図２に示す抽出部４２として動作する。また、ＣＰＵ１０２が判定プロセス１２６を実行することで、コンピュータ１００が図２に示す判定部４３として動作する。また、ＣＰＵ１０２がアラート出力プロセス１２８を実行することで、コンピュータ１００が図２に示すアラート出力部４４として動作する。

更に、ＣＰＵ１０２が、センサデータ情報格納領域１４０に格納されたセンサデータ情報をメモリ１０４に展開することで、メモリ１０４にセンサデータＤＢ４８が記憶される。また、ＣＰＵ１０２が、特徴量リスト情報格納領域１４２に格納された特徴量リスト情報をメモリ１０４に展開することで、メモリ１０４に特徴量リストＤＢ４９が記憶される。

なお、コンピュータ１００は、例えば半導体集積回路、より詳しくはＡＳＩＣ(Application Specific Integrated Circuit)等で実現することも可能である。

次に、第１実施形態に係る失禁抑制装置４０の作用について説明する。第１実施形態に係る失禁抑制装置４０は、例えば、情報端末３０からの指示に基づいて特徴量リスト生成処理を実行する。

図５は、失禁抑制装置４０の特徴量リスト生成処理の流れの一例を示すフローチャートである。なお、失禁抑制装置４０のセンサデータＤＢ４８には、患者毎の所定期間に亘る生体データが予め記憶されているものとする。

ステップＳ１０において、抽出部４２は、例えば何れかの患者の所定期間内の生体データから特徴量を算出し、算出した特徴量を患者の睡眠深度に応じて２つのパターンに分類して特徴量リストを初期化する特徴量リスト初期化処理を実行する。

図６は、ステップＳ１０における特徴量リスト初期化処理の流れの一例を示すフローチャートである。

ステップＳ２００において、抽出部４２は、センサデータＤＢ４８に記憶される失禁検知データを参照し、所定期間内における患者の失禁毎に、患者の失禁６０分前から失禁時刻の直前までの期間に記録された生体データをセンサデータＤＢ４８から取得する。以降、患者の失禁６０分前から失禁時刻の直前までの期間を集計期間という。

そして、抽出部４２は、集計期間における生体データの計測項目毎の平均値を集計期間毎に求め、失禁時生体データＡ_ｉ[ｄ]を算出する。すなわち、失禁時生体データＡ_ｉ[ｄ]は、患者が失禁する前の患者の生体データを示す。

ここで、変数ｉ(＝１,２,・・・)は計測項目を示す番号であり、変数ｄ(＝１,２,・・・)は、集計期間を識別する番号である。例えばｉ＝１であればＬＦ/ＨＦ、ｉ＝２であれば体幹の体動というように計測項目との対応付けが行われる。また、ｄ＝１であれば所定期間内で最も古い集計期間、ｄ＝２であれば所定期間内でｄ＝１で示される集計期間の次に古い集計期間というように集計期間との対応付けが行われる。

なお、計測項目と変数ｉとの対応付け、及び集計期間と変数ｄとの対応付けに制限はなく、どのような対応付けを行っても良い。例えば、ＬＦ/ＨＦにｉ＝２を対応付けても良く、所定期間内で最近の集計期間にｄ＝１を対応付けても良い。また、ここでいう所定期間とは、例えば１ヶ月程度の期間を想定しているが、その期間に特に制限はない。以降では、変数ｉを計測項目ｉ、変数ｄを集計期間ｄという。

更に、抽出部４２は、所定期間における患者の平均失禁時刻を算出する。

ステップＳ２１０において、抽出部４２は、センサデータＤＢ４８に記憶される失禁検知データを参照し、所定期間内の患者が失禁していない日毎の患者の生体データをセンサデータＤＢ４８から取得する。具体的には、抽出部４２は、所定期間内の患者が失禁していない日毎に、ステップＳ２００で算出した平均失禁時刻の６０分前から平均失禁時刻の直前までの期間に記録された生体データを、センサデータＤＢ４８から取得する。

そして、抽出部４２は、ステップＳ２１０で取得した所定期間内の全ての生体データを計測項目ｉ毎に平均した基準生体データＢ_ｉを算出する。すなわち、基準生体データＢ_ｉは、患者が失禁しない場合の患者の生体データを示す。

なお、ステップＳ２００及びステップＳ２１０では、一例として生体データの取得期間を６０分としたが、この値は一例であり、生体データの取得期間を６０分より長くしても、或いは短くしても良い。ただし、ステップＳ２００及びステップＳ２１０における生体データの取得期間は同じにすることが好ましい。これは、生体データの取得期間が異なった場合、失禁時生体データＡ_ｉ[ｄ]と基準生体データＢ_ｉとの間の有意差が正しく評価できなくなる場合が考えられるためである。

ステップＳ２２０において、抽出部４２は、ステップＳ２００で算出した失禁時生体データＡ_ｉ[ｄ]と、ステップＳ２１０で算出した基準生体データＢ_ｉを用いて、各集計期間における計測項目ｉ毎の特徴量Ｃ_ｉ[ｄ]を（１）式で算出する。

（数１）
Ｃ_ｉ[ｄ]＝ Ａ_ｉ[ｄ]− Ｂ_ｉ・・・（１）

すなわち、特徴量Ｃ_ｉ[ｄ]は、患者の生体傾向から、例えば失禁がない場合でも呼吸数が少ないといった、患者が有する固有の生体傾向を除去した生体情報であり、失禁時に患者に現れる生体情報の変化を表す。

抽出部４２は、算出した特徴量Ｃ_ｉ[ｄ]を、例えばメモリ１０４の予め定めた領域に記憶する。

なお、（１）式の代わりに、（２）式で計測項目ｉ毎の特徴量Ｃ_ｉ[ｄ]を算出しても良く、更に、失禁時生体データＡ_ｉ[ｄ]から患者が有する固有の生体傾向を除去する他の演算式を用いて、患者の特徴量Ｃ_ｉ[ｄ]を算出しても良い。

（数２）
Ｃ_ｉ[ｄ]＝Ｂ_ｉ−Ａ_ｉ[ｄ]・・・（２）

ステップＳ２３０において、抽出部４２は、失禁時生体データＡ_ｉ[ｄ]の算出に用いた生体データの失禁直前の睡眠深度を参照して、失禁時生体データＡ_ｉ[ｄ]のうち、患者の睡眠深度が深い状態にあった際の失禁時生体データＡ_ｉ[ｄ_１]を検出する。ここで、集計期間ｄ_１は１以上の何れかの整数である。

そして、抽出部４２は、患者の睡眠深度が深い、すなわちパターン１に属する失禁時生体データＡ_ｉ[ｄ_１]に対応した特徴量Ｃ_ｉ[ｄ_１]で、パターン１における特徴量リストＳ１を初期化する。具体的には、抽出部４２は、計測項目ｉと特徴量Ｃ_ｉ[ｄ_１]とを対応付けた特徴量リストＳ１を生成し、例えばメモリ１０４の予め定めた領域に記憶する。なお、ステップＳ２３０で生成される特徴量リストＳ１は仮の特徴量リストＳ１である。

ステップＳ２４０において、抽出部４２は、失禁時生体データＡ_ｉ[ｄ]の算出に用いた生体データの失禁直前の睡眠深度を参照して、失禁時生体データＡ_ｉ[ｄ]のうち、患者の睡眠深度が浅い状態にあった際の失禁時生体データＡ_ｉ[ｄ_２]を検出する。ここで、集計期間ｄ_２は１以上の何れかの整数である。

そして、抽出部４２は、患者の睡眠深度が浅い、すなわちパターン２に属する失禁時生体データＡ_ｉ[ｄ_２]に対応した特徴量Ｃ_ｉ[ｄ_２]で、パターン２における特徴量リストＳ２を初期化する。具体的には、抽出部４２は、計測項目ｉと特徴量Ｃ_ｉ[ｄ_２]とを対応付けた特徴量リストＳ２を生成し、例えばメモリ１０４の予め定めた領域に記憶する。なお、ステップＳ２４０で生成される特徴量リストＳ２は仮の特徴量リストＳ２である。

以上により、図５におけるステップＳ１０の特徴量リスト初期化処理が終了し、メモリ１０４の予め定めた領域に、初期化された特徴量リストＳ１及び特徴量リストＳ２が記憶される。

引き続き、図５のステップＳ２０以降の処理について説明する。ステップＳ２０以降では、ステップＳ２３０で生成した特徴量リストＳ１、及びステップＳ２４０で生成した特徴量リストＳ２から、特徴量Ｃ_ｉ[ｄ]が異なる変化傾向を示す計測項目ｉを取り除き、最終的な特徴量リストＳ１及び特徴量リストＳ２を生成する。

まず、ステップＳ２０において、抽出部４２は、集計期間ｄを“０”に初期化し、例えばメモリ１０４の予め定めた領域に記憶する。

ステップＳ３０において、抽出部４２は、集計期間ｄをメモリ１０４から取得して、集計期間ｄを１つ増加（インクリメント）する。そして、抽出部４２は、更新した変数ｄを、例えばメモリ１０４の予め定めた領域に記憶する。

ステップＳ４０において、抽出部４２は、現在の集計期間ｄの値に対応した特徴量Ｃ_ｉ[ｄ]をメモリ１０４から取得する。なお、この特徴量Ｃ_ｉ[ｄ]は、図６のステップＳ２２０で算出されたものである。

ステップＳ５０において、抽出部４２は、取得した特徴量Ｃ_ｉ[ｄ]に対応する失禁時生体データＡ_ｉ[ｄ]の算出に用いた生体データの失禁直前の睡眠深度を参照して、集計期間ｄにおける患者の睡眠深度を取得する。そして、抽出部４２は、集計期間ｄにおける患者の睡眠深度が深いか否かを判定して、肯定判定の場合にはステップＳ６０に移行し、否定判定の場合にはステップＳ７０に移行する。

なお、抽出部４２は、取得した特徴量Ｃ_ｉ[ｄ]と、集計期間ｄにおける患者の睡眠深度と、を対応付けて、例えばメモリ１０４の予め定めた領域に記憶する。すなわち、抽出部４２は、取得した特徴量Ｃ_ｉ[ｄ]がパターン１またはパターン２の何れのパターンに属するかを記録する。

ステップＳ６０において、抽出部４２は、睡眠深度が深い場合の特徴量リストである特徴量リストＳ１をメモリ１０４から取得する。抽出部４２は、特徴量リストＳ１に含まれる特徴量Ｃ_ｉ[ｄ_１]と、ステップＳ４０で取得した特徴量Ｃ_ｉ[ｄ]と、で異なる変化傾向を示す計測項目ｉが存在するか否かを判定する。そして、抽出部４２は、該当する計測項目ｉがあれば、当該計測項目ｉを特徴量リストＳ１から取り除く。

具体的には、抽出部４２は、特徴量リストＳ１に含まれる特徴量Ｃ_ｉ[ｄ_１]と、ステップＳ４０で取得した特徴量Ｃ_ｉ[ｄ]の符号を計測項目ｉ毎に比較し、特徴量の符合が異なる計測項目ｉ、及び当該計測項目ｉの特徴量Ｃ_ｉ[ｄ_１]を特徴量リストＳ１から取り除く。

例えば、特徴量リストＳ１に含まれる胸の温度に関する特徴量が“１．２”で、ステップＳ４０で取得した胸の温度に関する特徴量が“−０．８”とする。この場合、一方の特徴量の符号が正で、他方の特徴量の符号が負であるため、胸の温度に関する計測項目、及び特徴量“１．２”が特徴量リストＳ１から取り除かれる。

抽出部４２は、このようにして更新した特徴量リストＳ１を新たな特徴量リストＳ１として、例えばメモリ１０４の予め定めた領域に記憶する。

また、ステップＳ７０において、抽出部４２は、睡眠深度が浅い場合の特徴量リストである特徴量リストＳ２をメモリ１０４から取得する。抽出部４２は、ステップＳ６０と同様に、特徴量リストＳ２に含まれる特徴量Ｃ_ｉ[ｄ_２]と、ステップＳ４０で取得した特徴量Ｃ_ｉ[ｄ]と、で異なる変化傾向を示す計測項目ｉが存在するか否かを判定する。そして、抽出部４２は、該当する計測項目ｉがあれば、当該計測項目ｉを特徴量リストＳ２から取り除く。

抽出部４２は、更新した特徴量リストＳ２を新たな特徴量リストＳ２として、例えばメモリ１０４の予め定めた領域に記憶する。

ステップＳ８０において、抽出部４２は、まだステップＳ４０で取得していない集計期間ｄに対応する特徴量Ｃ_ｉ[ｄ]が存在するか否かを判定し、肯定判定の場合には、ステップＳ３０に移行する。そして、ステップＳ３０において集計期間ｄが更新され、ステップＳ３０〜Ｓ８０の処理が繰り返されることで、特徴量Ｃ_ｉ[ｄ]の変化傾向が共通する計測項目ｉだけが残った特徴量リストＳ１及び特徴量リストＳ２が生成される。

一方、ステップＳ８０の判定処理が否定判定、すなわち、ステップＳ４０で、所定期間における全ての特徴量Ｃ_ｉ[ｄ]をメモリ１０４から取得した場合には、ステップＳ９０に移行する。

ステップＳ９０において、抽出部４２は、特徴量リストＳ１に含まれる各計測項目ｉの特徴量Ｃ_ｉ[ｄ_１]に閾値を設定する。具体的には、抽出部４２は、特徴量リストＳ１に含まれる計測項目ｉ毎に、パターン１に含まれる全ての特徴量Ｃ_ｉ[ｄ]のうち、特徴量Ｃ_ｉ[ｄ]の絶対値が最も小さい特徴量Ｃ_ｉ[ｄ]を抽出する。そして、抽出部４２は、抽出した特徴量Ｃ_ｉ[ｄ]を、特徴量Ｃ_ｉ[ｄ_１]の代わりに計測項目ｉに関する特徴量の閾値として特徴量リストＳ１に設定する。

更に、ステップＳ１００において、抽出部４２は、特徴量リストＳ２に含まれる各計測項目ｉの特徴量Ｃ_ｉ[ｄ_２]に閾値を設定する。具体的には、抽出部４２は、特徴量リストＳ２に含まれる計測項目ｉ毎に、パターン２に含まれる全ての特徴量Ｃ_ｉ[ｄ]のうち、特徴量Ｃ_ｉ[ｄ]の絶対値が最も小さい特徴量Ｃ_ｉ[ｄ]を抽出する。そして、抽出部４２は、抽出した特徴量Ｃ_ｉ[ｄ]を、特徴量Ｃ_ｉ[ｄ_２]の代わりに計測項目ｉに関する特徴量の閾値として特徴量リストＳ２に設定する。

なお、特徴量Ｃ_ｉ[ｄ]がパターン１またはパターン２の何れのパターンに含まれるかの判定は、ステップＳ５０でメモリ１０４に記憶された、特徴量Ｃ_ｉ[ｄ]と患者の睡眠深度との対応付けを参照すればよい。

また、ここでは一例として、パターン１またはパターン２に含まれる全ての特徴量Ｃ_ｉ[ｄ]のうち、計測項目ｉにおいて特徴量Ｃ_ｉ[ｄ]の絶対値が最小の特徴量Ｃ_ｉ[ｄ]を、計測項目ｉに関する特徴量の閾値として設定したが、閾値の設定方法はこれに限られない。例えば、パターン１またはパターン２に含まれる全ての特徴量Ｃ_ｉ[ｄ]の計測項目ｉ毎の平均値を、計測項目ｉに関する特徴量の閾値に設定しても良い。また、パターン１またはパターン２に含まれる全ての特徴量Ｃ_ｉ[ｄ]のうち、計測項目ｉにおいて特徴量Ｃ_ｉ[ｄ]の絶対値が最大の特徴量Ｃ_ｉ[ｄ]を、計測項目ｉに関する特徴量の閾値に設定しても良い。

ステップＳ１１０において、抽出部４２は、ステップＳ９０で生成した特徴量リストＳ１、及び、ステップＳ１００で生成した特徴量リストＳ２を、特徴量リストＤＢ４９に記憶する。

以上により、図５に示す特徴量リスト生成処理が終了する。この特徴量リスト生成処理を患者毎に実行することによって、特徴量リストＤＢ４９に、患者毎の特徴量リストＳ１及び特徴量リストＳ２が記憶される。

なお、特徴量リストＳ１、Ｓ２を生成した以降は、特徴量リストＳ１、Ｓ２に含まれていない計測項目ｉに関する生体データを検知するセンサは、ウェアラブルセンサ１０から除去するようにしても良い。

次に、作成した特徴量リストＳ１及び特徴量リストＳ２に基づいて、睡眠中の患者に失禁の予兆が認められるか判定し、患者の失禁が予測される場合に、警告を出力するアラート通知処理について説明する。ここでは、情報端末３０で指示された睡眠中の患者に対してアラート通知処理を実行する例について説明するが、これに限らず、例えば生体データを収集している全ての睡眠中の患者に対してアラート通知処理を実行しても良い。

図７は、失禁抑制装置４０のアラート通知処理の流れの一例を示すフローチャートである。なお、失禁抑制装置４０のセンサデータＤＢ４８には、患者毎の所定期間内の生体データが予め記憶され、特徴量リストＤＢ４９には、患者毎の睡眠深度に応じた特徴量リストＳ１及び特徴量リストＳ２が予め記憶されているものとする。なお、特徴量リストＳ１と特徴量リストＳ２とを区別して説明する必要がない場合、特徴量リストＳと示す。

また、失禁抑制装置４０のＣＰＵ１０２は、例えば時刻を管理するカレンダ機能を備える。失禁抑制プログラム１２０に含まれる各プロセスは、例えば予め定めたＡＰＩ(Application Programming Interface)を用いることで、ＣＰＵ１０２から時刻情報を取得できる。

まず、ステップＳ３００において、判定部４３は、情報端末３０で指示された患者の患者ＩＤを収集記録部４１から取得する。そして、判定部４３は、指定された患者ＩＤに対応付けられた生体データをセンサデータＤＢ４８から取得する。

この際、判定部４３は、ステップＳ３００実行時の時刻（現在時刻）から当該時刻の６０分前までの期間に記録された生体データを、センサデータＤＢ４８から取得する。現在時刻は、例えば予め定めたＡＰＩを用いてＣＰＵ１０２から取得すれば良い。なお、現在時刻の取得方法はこれに限られない。例えば、現在時刻を、通信回線に接続される図示しない時刻サーバ等から取得するようにしてもよい。

判定部４３は、取得した生体データの平均値を計測項目ｉ毎に求め、現在生体データＡ_ｉを算出する。すなわち、現在生体データＡ_ｉは、睡眠中の患者の現在の生体データを示す。

そして、判定部４３は、（１）式のＡ_ｉ[ｄ]を現在生体データＡ_ｉに置き換えて、ステップＳ３００で取得した生体データから、計測項目ｉ毎の特徴量Ｃ_ｉを算出する。なお、特徴量Ｃ_ｉを算出する際に使用する基準生体データＢ_ｉは、図６のステップＳ２１０で算出した基準生体データＢ_ｉを用いれば良い。

このようにして算出した特徴量Ｃ_ｉ（現在特徴量Ｃ_ｉ）は、睡眠中の患者の現在の生体活動の変化傾向を示しているとみなすことができる。

なお、ここでは生体データの取得期間を６０分としたが、この６０分の値は一例であり、生体データの取得期間を６０分より長くしても、或いは短くしても良い。ただし、ステップＳ２００及びステップＳ２１０で用いた生体データの取得期間と同じにすることが好ましい。これは、特徴量リストＳ１、Ｓ２に含まれる計測項目ｉに関する特徴量の閾値と、患者の現在特徴量Ｃ_ｉと、を算出する際に用いる生体データの取得期間が異なる場合、以降の処理で、閾値と現在特徴量Ｃ_ｉとを精度良く比較できない場合があるためである。

ステップＳ３１０において、判定部４３は、現在特徴量Ｃ_ｉの算出に用いた生体データのうち、最も新しい時刻における脳波データを参照して、患者の現在の睡眠深度を取得する。そして、判定部４３は、患者の現在の睡眠深度が深いか否かを判定して、否定判定の場合にはステップＳ３２０に移行する。

なお、患者の睡眠深度は、脳波データ以外の生体データから判定することも可能である。例えば、患者の睡眠深度が深くなるに従って手首の動きが減少するため、手首の動きを示す加速度データから患者の睡眠深度を判定することが可能である。同様に、患者の睡眠深度が深くなるに従ってＬＦ/ＨＦの値が低下するため、ＬＦ/ＨＦを示すＥＣＧデータから患者の睡眠深度を判定することも可能である。この場合、ウェアラブルセンサ１０から脳波センサ１８を省略することも可能である。

患者の睡眠深度が浅いと判定された場合の移行先であるステップＳ３２０において、判定部４３は、当該患者の特徴量リストＳ２を特徴量リストＤＢ４９から取得する。そして、判定部４３は、ステップＳ３００で算出した患者の現在特徴量Ｃ_ｉのうち、取得した特徴量リストＳ２に含まれる計測項目ｉに関する現在特徴量Ｃ_ｉと、特徴量リストＳ２に含まれる計測項目ｉに関する特徴量の閾値と、を計測項目ｉ毎に比較する。そして、判定部４３は、特徴量リストＳ２に含まれる全ての計測項目ｉについて、現在特徴量Ｃ_ｉの変化傾向が、特徴量リストＳ２に含まれる計測項目ｉに関する特徴量の変化傾向と一致し、かつ、現在特徴量Ｃ_ｉが閾値をそれぞれ超えるか否かを判定する。なお、「現在特徴量Ｃ_ｉが閾値を超える」とは、現在特徴量Ｃ_ｉの絶対値が閾値の絶対値を超えることをいう。ステップＳ３２０の判定が肯定判定の場合にはステップＳ３４０に移行する。

特徴量リストＳ２は、患者の睡眠深度が浅い場合において、患者が失禁する際の予兆として患者の体に共通して現れる特徴量の変化傾向を示すものである。従って、ステップＳ３２０の判定処理が肯定判定であるということは、患者が失禁する恐れがあることを示している。

従って、ステップＳ３４０において、判定部４３は、アラート出力指示をアラート出力部４４に出力し、ステップＳ３８０に移行する。判定部４３からアラート出力指示を受け付けたアラート出力部４４は、アラート出力指示をウェアラブルセンサ１０のアラート受信部２０に出力する。

以上により、患者のウェアラブルセンサ１０のスピーカ２１から警告音が出力され、患者の起床を促し、患者がトイレにいって排尿することを促す。しかも、患者の睡眠が浅い時に警告音が出力されるため、睡眠が深い時に警告音が出力される場合に比べて患者は起床しやすく、しかも、患者の脳は既に活動しているため、起床した際の目覚めもよい。

一方、ステップＳ３２０の判定が否定判定の場合にはステップＳ３３０に移行する。この場合、特徴量リストＳ２に含まれる何れかの計測項目ｉについて、現在特徴量Ｃ_ｉの変化傾向が、特徴量リストＳ２に含まれる計測項目ｉに関する特徴量の変化傾向と一致しないか、または、現在特徴量Ｃ_ｉが閾値を超えないことになる。従って、患者が失禁する予兆は見られないと推定できる。

従って、ステップＳ３３０において、判定部４３は、ステップＳ３００で取得した現在時刻が患者の起床予定時刻を過ぎたか否か判定する。肯定判定の場合には、患者が起床したと考えられ、以後、患者に排尿を促す警告を出力する必要がないことから、ステップＳ３８０に移行する。

また、否定判定の場合には、患者はまだ睡眠中であると考えられるためステップＳ３００に移行し、患者の現在特徴量Ｃ_ｉを新たに算出して、ステップＳ３００以降の処理を繰り返し実行する。

一方、ステップＳ３１０の判定処理が肯定判定の場合には、ステップＳ３５０に移行する。

患者の睡眠深度が深いと判定された場合の移行先であるステップＳ３５０において、判定部４３は、当該患者の特徴量リストＳ１を特徴量リストＤＢ４９から取得する。そして、判定部４３は、ステップＳ３００で算出した患者の現在特徴量Ｃ_ｉのうち、取得した特徴量リストＳ１に含まれる計測項目ｉに関する現在特徴量Ｃ_ｉと、特徴量リストＳ１に含まれる計測項目ｉに関する特徴量の閾値と、を計測項目ｉ毎に比較する。そして、判定部４３は、特徴量リストＳ１に含まれる全ての計測項目ｉについて、現在特徴量Ｃ_ｉの変化傾向が、特徴量リストＳ１に含まれる計測項目ｉに関する特徴量の変化傾向と一致し、かつ、現在特徴量Ｃ_ｉが閾値をそれぞれ超えるか否かを判定する。ステップＳ３５０の判定が肯定判定の場合にはステップＳ３６０に移行する。

特徴量リストＳ１は、患者の睡眠深度が深い場合において、患者が失禁する際の予兆として患者の体に共通して現れる特徴量の変化傾向を示すものである。従って、ステップＳ３５０の判定処理が肯定判定であるということは、患者が失禁する恐れがあることを示している。

従って、ステップＳ３６０において、判定部４３は、アラート出力指示をアラート出力部４４に出力し、ステップＳ３８０に移行する。判定部４３からアラート出力指示を受け付けたアラート出力部４４は、アラート出力指示をウェアラブルセンサ１０のアラート受信部２０、及び情報端末３０のアラート受信部３６に出力する。

以上により、ウェアラブルセンサ１０のスピーカ２１、及び情報端末３０のスピーカ３５から警告音が出力されると共に、照明制御部３７により、患者の家の照明が点灯される。

例えば、情報端末３０が患者の保護者が就寝している部屋に設置され、照明制御部３７が、当該保護者の部屋、及び患者が就寝している部屋の少なくとも一方に設置された照明を制御する場合、患者に加えて、更に、患者の保護者の起床を促すことになる。これは、患者の睡眠が深い時に患者に対して起床を促していることから、患者の睡眠が浅い時に警告音等が出力される場合に比べて、患者一人では起床し難いことが想定されるためである。患者の睡眠が深い場合には、患者の失禁の予兆の検知に合わせて、患者の保護者も起床させ、保護者から患者にトイレに行くよう促すようにしてもらうことで、患者の失禁を更に抑制させることができる。

なお、判定部４３は、アラート出力指示をアラート出力部４４に出力した時刻を警告時刻として患者ＩＤと対応付け、例えばメモリ１０４の予め定めた領域に記憶する。

一方、ステップＳ３５０の判定が否定判定の場合にはステップＳ３７０に移行する。この場合、特徴量リストＳ１に含まれる何れかの計測項目ｉについて、現在特徴量Ｃ_ｉの変化傾向が、特徴量リストＳ１に含まれる計測項目ｉに関する特徴量の変化傾向と一致しないか、または、現在特徴量Ｃ_ｉが閾値を超えない状況が発生していることになる。従って、患者が失禁する予兆は見られないと推定できる。

従って、ステップＳ３７０において、判定部４３は、ステップＳ３００で取得した現在時刻が患者の起床予定時刻を過ぎたか否か判定する。肯定判定の場合には、患者が起床したと考えられ、以後、患者に排尿を促す警告を出力する必要がないことから、ステップＳ３８０に移行する。

また、否定判定の場合には、患者はまだ睡眠中であると考えられるためステップＳ３００に移行し、患者の現在特徴量Ｃ_ｉを新たに算出して、ステップＳ３００以降の処理を繰り返し実行する。以上により、図７に示すアラート通知処理を終了する。

ステップＳ３８０において、判定部４３は、患者ＩＤと、警告時刻と、患者の失禁の予兆を検知する際に用いた特徴量リストＳを識別する情報と、を対応付けた警告出力記録を、例えばメモリ１０４の予め定めた領域に記憶する。

なお、警告出力記録は、患者の就寝期間毎に時系列にメモリ１０４に記憶される。また、就寝期間とは、例えば患者の就寝予定時刻から起床予定時刻までの期間をいい、患者の就寝予定時刻及び起床予定時刻は、例えば情報端末３０から入力される。

なお、患者の就寝期間において、患者の失禁の予兆が検知できなかった場合、判定部４３は、警告時刻を例えば“＊”に設定して、警告の出力指示を行わなかったことを記録する。

また、特徴量リストＳを識別する情報を、以降では「特徴量リストＩＤ」といい、特徴量リストＩＤは、例えばＳ１、Ｓ２で表される。特徴量リストＩＤ＝Ｓ１の場合、判定部４３は、特徴量リストＳ１を用いて当該患者の失禁の予兆を判定したことを示す。また、特徴量リストＩＤ＝Ｓ２の場合、判定部４３は、特徴量リストＳ２を用いて当該患者の失禁の予兆を判定したことを示す。

以上により、図７に示すアラート通知処理を終了する。

なお、上記では特定の特徴量の一例として、睡眠深度に応じて計測項目ｉ毎の特徴量をパターン分けしたが、パターン分けの方法はこれに限られない。例えば心拍数等、他の生体データの値に応じて、計測項目ｉ毎の特徴量をパターン分けしても良く、更に、例えば睡眠深度と心拍数のように、複数の生体データの値に応じて、計測項目ｉ毎の特徴量をパターン分けしても良い。

また、判定部４３は、図７のステップＳ３２０及びステップＳ３５０で、特徴量リストＳに含まれる全ての計測項目ｉについて、現在特徴量Ｃ_ｉと、当該計測項目ｉに関する特徴量の閾値と、を比較したが、比較方法はこれに限られない。

例えば、特徴量リストＳに含まれる全ての計測項目ｉのうち、予め定めた数の計測項目ｉについて、現在特徴量Ｃ_ｉと、当該計測項目ｉに関する特徴量の閾値と、を比較しても良い。

このように第１実施形態では、失禁抑制装置４０は、所定期間における患者の生体データに基づいて、患者が失禁する予兆として患者の体に共通して現れる特徴量の変化傾向を示す特徴量リストを、患者の睡眠深度に応じて生成する。更に、失禁抑制装置４０は、患者の睡眠深度に応じた特徴量リストＳに基づいて、患者の失禁の予兆を検知し、患者の睡眠深度に応じて警告の出力先を変えることで、患者の失禁を抑制する。

既に説明したように、患者の状態、詳しくは患者の睡眠深度によって特徴量の変化傾向が異なるため、患者の状態を未考慮の特徴量リストＳを用いる場合と比べて、患者の失禁の予兆を精度よく検知できる。

また、第１実施形態によれば、特徴量として、失禁があった日の患者の生体データの値と、失禁がない日の患者の生体データの値と、の差分を用いることで、各患者に固有の生体情報の傾向を除去し、失禁時に患者に現れる生体情報の傾向を抽出することができる。

また、第１実施形態によれば、複数の計測項目ｉに関する特徴量の変化傾向を組み合わせた特徴量リストに基づいて患者の失禁の予兆を検知する。従って、１つの計測項目ｉに関する特徴量を含む特徴量リストを用いる場合と比べて、患者の失禁の予兆を更に精度良く検知できる。

（第２実施形態）
警告の出力に関して、失禁抑制装置４０が、患者の失禁時刻に対してあまりにも早く警告の出力を指示して患者を起床させた場合、その時点では、患者はまだ尿意を催していない場合があり、患者が再び就寝してしまうことがある。そのため、せっかく警告の出力を指示して患者を起床させても、患者が失禁してしまうことがある。

一方、失禁抑制装置４０が、患者が失禁した時刻より遅く警告を出力した場合には、当然のことながら、患者の失禁を抑制することができない。

すなわち、患者が失禁に至らない程度の尿意を感じるような期間（最適警告期間）に、失禁抑制装置４０から警告の出力を指示できれば、患者の失禁を更に抑制することができる。

しかし、患者の失禁の予兆を検知してから実際に失禁するまでの時間は、例えば患者の日々の体調、及び患者の成長状況に応じて変化することがある。

従って、第２実施形態では、患者の失禁時刻と警告時刻に基づいて、特徴量リストＳに含まれる各計測項目ｉに関する特徴量の閾値を調整して、患者に警告を出力する時刻が、可能な限り最適警告期間に含まれるように調整する失禁抑制装置について説明する。

図８は、第２実施形態に係る失禁抑制システム２の構成の一例を示す図である。失禁抑制システム２が第１実施形態に係る失禁抑制システム１と異なる点は、失禁抑制装置４０が失禁抑制装置４０Ａに置き換えられた点である。

また、失禁抑制装置４０Ａが失禁抑制装置４０と異なる点は、調整部４６が追加された点である。

調整部４６は、判定部４３及び記憶部４５に接続され、患者への警告時刻を判定部４３から取得すると共に、当該患者の失禁時刻を記憶部４５のセンサデータＤＢ４８から取得する。そして、調整部４６は、取得した失禁時刻と警告時刻に基づいて、当該患者の失禁の予兆の判定に用いた特徴量リストＳに含まれる特徴量の閾値を調整し、特徴量リストＤＢ４９に含まれる当該患者の特徴量リストＳを、閾値を調整した特徴量リストＳで更新する。

次に、図９に、失禁抑制装置４０Ａをコンピュータで実現する場合の構成図の一例を示す。

図９に示すコンピュータ１００Ａの構成が図４に示したコンピュータ１００の構成と異なる点は、調整プロセス１３０が追加された点である。また、調整プロセス１３０の追加に伴い、第１実施形態に係る失禁抑制プログラム１２０が失禁抑制プログラム１２０Ａに置き換えられる。

ＣＰＵ１０２は、失禁抑制プログラム１２０Ａを記憶装置１０６から読み出してメモリ１０４に展開し、失禁抑制プログラム１２０Ａに含まれる各プロセスを実行する。

ＣＰＵ１０２が、失禁抑制プログラム１２０Ａを記憶装置１０６から読み出してメモリ１０４に展開し、失禁抑制プログラム１２０Ａを実行することで、コンピュータ１００Ａが図８に示す失禁抑制装置４０Ａとして動作する。

また、ＣＰＵ１０２が調整プロセス１３０を実行することで、コンピュータ１００Ａが図８に示す調整部４６として動作する。

なお、コンピュータ１００Ａは、例えば半導体集積回路、より詳しくはＡＳＩＣ等で実現することも可能である。

次に、第２実施形態に係る失禁抑制装置４０Ａの作用について、図１０を参照して説明する。失禁抑制装置４０Ａは、例えば１日の予め定めた時刻に、患者に対応付けられた特徴量リストＳを更新する特徴量リスト更新処理を実行する。ここでは一例として、情報端末３０で指示された患者に対応付けられた特徴量リストＳの更新例について説明するが、これに限らず、例えば１日の予め定めた時刻に、特徴量リストＳが対応付けられている全ての患者に対して特徴量リスト更新処理を実行してもよい。

なお、特徴量リスト更新処理は、患者の失禁の予兆の判定に用いる特徴量リストＳを更新するため、特徴量リスト更新処理は、患者の起床予定時刻から就寝予定時刻までの、患者が活動している時間帯に実行することが好ましい。また、特徴量リスト更新処理は毎日実行しても良いし、例えば１週間毎に実行しても良く、特徴量リスト更新処理の実行間隔に制約はない。

まず、ステップＳ４００において、調整部４６は、患者の失禁検知データのうち、患者の直近の就寝期間における失禁検知データを、センサデータＤＢ４８から検索する。なお、以降では、上記の就寝期間を「前回の就寝期間」という。

そして、調整部４６は、患者の前回の就寝期間内に、患者が失禁したことを示す失禁検知データが存在するか否かを判定し、否定判定の場合にはステップＳ４１０に移行する。この際、調整部４６は、患者の失禁時刻を失禁検知データから取得して、メモリ１０４の予め定めた領域に記憶する。

ステップＳ４１０において、調整部４６は、患者の前回の就寝期間内に警告が出力されたか否かを判定する。この判定は、例えば、図７のステップＳ３８０でメモリ１０４に記憶した患者の警告出力記録を参照することで実行される。

ステップＳ４１０の判定処理が否定判定、すなわち、前回の就寝期間内に、患者が失禁せず、かつ、警告も出力していない場合には、患者の失禁症状が改善しつつあることを表している。従って、このまま患者の失禁症状を観察していけば良く、現在の特徴量リストＳを更新する必要はないため、図１０に示す特徴量リスト更新処理を終了する。

ステップＳ４１０の判定処理が肯定判定の場合には、ステップＳ４２０に移行する。なお、この場合、患者に対して警告を出力したが、患者が失禁しなかったことを表している。一般的に、患者の成長に従って失禁時刻が遅くなり、最終的に失禁症状が治癒することが多いため、この状況は、患者の成長によって失禁時刻が遅くなったことを示していると推測される。

従って、ステップＳ４２０において、調整部４６は、所定期間内において、前回の就寝期間内で失禁の予兆の判定に使用した患者の特徴量リストＳ（使用特徴量リスト）の閾値を上げたか否かを判定する。ここで、使用特徴量リストの閾値を上げるとは、使用特徴量リストに含まれる各計測項目ｉに関する特徴量の閾値の絶対値を、それぞれ大きくすることをいう。

否定判定の場合、ステップＳ４３０に移行し、ステップＳ４３０において、調整部４６は、患者の失禁時刻の遅延に伴い、患者の失禁の予兆を従来よりも遅く検知するため、患者の使用特徴量リストの閾値を上げる。

なお、使用特徴量リストの閾値を上げる際には、予め定めた変動率に従って閾値を上げる。例えば、予め定めた変動率として、標準変動率（５％）、低変動率（１％）、高変動率（１０％）のように値の異なる複数の変動率がメモリ１０４に予め記憶されており、ステップＳ４３０では、調整部４６は、低変動率に従って使用特徴量リストの閾値を上げる。なお、予め定めた変動率の分類数、及び各変動率の値は一例であり、これに限られない。

一方、ステップＳ４２０の判定処理が肯定判定の場合には、図１０に示す特徴量リスト更新処理を終了する。

このように、調整部４６は、所定期間内に使用特徴量リストの閾値を上げていない場合に使用特徴量リストの閾値を上げる。この理由は、患者の成長は１日で大きく進展するものではないため、例えば昨日と今日で、患者の失禁時刻に大きな変化は見られないと考えられる。従って、患者に対して警告を出力したが、患者が失禁しなかった場合に毎回閾値を調整しなくても、例えば１ヶ月といった所定期間程度の間隔で患者の使用特徴量リストの閾値を調整すれば十分であると考えられるためである。また、同様の理由により、複数の変動率のうち、低変動率に従って患者の使用特徴量リストの閾値を調整する。

一方、ステップＳ４００の判定処理が肯定判定、すなわち、前回の就寝期間内に患者が失禁している場合には、ステップＳ４４０に移行する。

ステップＳ４４０において、調整部４６は、ステップＳ４１０と同様に、患者の前回の就寝期間内に警告が出力されたか否かを判定する。否定判定、すなわち、前回の就寝期間内に、警告が出力されずに患者が失禁してしまった場合、ステップＳ４５０に移行する。

ステップＳ４５０において、調整部４６は、患者の起床予定時刻より予め定めた時間だけ前の時刻（起床前指定時刻）より前に、患者が失禁したか否かを判定する。この起床前指定時刻の設定に用いられる予め定めた時間は、例えば、起床に向けて患者の睡眠が次第に浅くなり始め、患者が起床するまでに要する時間が用いられる。ここでは、一例として６０分とするが、当該時間はこれに限られない。

ステップＳ４５０の判定処理が否定判定、すなわち、患者が起床前指定時刻以降に失禁した場合には、患者が起床直前に失禁したとみなすことができる。患者の失禁症状が改善していくに従って失禁時刻が遅くなる傾向が見られるため、この場合、患者の失禁症状が治りかけであることを表している。従って、このまま患者の失禁症状を観察していけば良く、現在の特徴量リストＳを更新する必要はないため、図１０に示す特徴量リスト更新処理を終了する。

一方、ステップＳ４５０の判定処理が肯定判定、すなわち、前回の就寝期間内に警告が出力されることなく、起床前指定時刻より前に患者が失禁してしまった場合には、ステップＳ４６０に移行する。

この場合、使用特徴量リストの閾値が大きすぎて、図７のステップＳ３２０またはＳ３５０で患者の使用特徴量リストに含まれる各計測項目ｉに関する現在特徴量Ｃ_ｉが、各々の閾値を超えることができずに、警告が出力されなかったものと考えられる。

従って、ステップＳ４６０において、調整部４６は、患者の使用特徴量リストの閾値を下げる。ここで、使用特徴量リストの閾値を下げるとは、使用特徴量リストに含まれる各計測項目ｉに関する特徴量の閾値の絶対値を、それぞれ小さくすることをいう。

この際、調整部４６は、使用特徴量リストが特徴量リストＳ１か特徴量リストＳ２かによって、閾値の下げ幅を変えるようにしてもよい。

患者の睡眠が浅い場合、睡眠が深い場合に比べて、警告が出力されてから患者が起床するまでの時間が短い場合が多い。従って、睡眠深度が浅い場合の警告時刻は、睡眠深度が深い場合の警告時刻より遅くなってもよいため、睡眠が浅い場合の特徴量リストＳ２の閾値の下げ幅は、睡眠が深い場合の特徴量リストＳ１の閾値の下げ幅より小さくする。

一方、ステップＳ４４０の判定処理が肯定判定、すなわち、前回の就寝期間内で警告が出力されたにもかかわらず患者が失禁してしまった場合、ステップＳ４７０に移行する。

ステップＳ４７０において、調整部４６は、患者に対する警告時刻と、患者の失禁時刻を比較して、失禁時刻が警告時刻以後であるか否かを判定する。否定判定の場合、すなわち、警告の出力前に患者が失禁している場合には、患者が失禁する前に警告が出力されるように、現在より早く失禁の予兆を検知する必要があるため、ステップＳ４６０に移行する。そして、既に説明したように、ステップＳ４６０において、調整部４６は、患者の使用特徴量リストの閾値を下げる。

一方、ステップＳ４７０の判定処理が肯定判定、すなわち、警告の出力以後に患者が失禁した場合、ステップＳ４８０に移行する。

この場合、患者が失禁する以前に警告を出力しているため、失禁抑制装置４０Ａは患者の失禁の予兆を検知していることになる。しかし、警告時刻から患者の失禁時刻までの時間が短い方が、患者の失禁の予兆を精度良く検知していると言える。従って、警告時刻から患者の失禁時刻までの時間が予め定めた時間（許容時間）より長い場合には、警告時刻を現状より遅らせた方が良い。なお、許容時間は、例えばメモリ１０４の予め定めた領域に予め記憶され、許容時間の一例として３０分が用いられる。なお、許容時間の値は、これに限られない。

従って、ステップＳ４８０において、調整部４６は、患者の失禁時刻が、警告時刻から許容時間経過した時間以内に含まれるか否かを判定する。肯定判定の場合には、患者の失禁時刻に対する警告時刻が適正であるため、図１０に示す特徴量リスト更新処理を終了する。

一方、否定判定の場合にはステップＳ４９０に移行し、ステップＳ４９０において、調整部４６は、警告時刻を現在より遅くするため、患者の使用特徴量リストの閾値を上げ、患者の失禁時刻が、警告時刻から許容時間以内に含まれるよう調整する。

以上により、図１０に示す特徴量リスト更新処理を終了する。

このように第２実施形態によれば、失禁抑制装置４０Ａは、患者の失禁時刻と警告時刻に基づいて、特徴量リストＳに含まれる各計測項目ｉに関する特徴量の閾値を調整して、患者に警告を出力する時刻が、可能な限り最適警告期間に含まれるようにする。従って、患者の失禁時刻と警告時刻との関係に応じて、特徴量リストＳの閾値を変更しない場合に比べて、患者の失禁をより精度良く抑制することができる。

なお、失禁に関するデータは尿センサ１２で検知することに限られるものではなく、例えば、情報端末３０の入力部３３を介して入力された失禁に関するデータを利用しても良い。この場合、ウェアラブルセンサ１０から尿センサ１２を省略することができる。

以上、各実施形態を用いて開示の技術を説明したが、開示の技術は各実施形態に記載の範囲には限定されない。開示の技術の要旨を逸脱しない範囲で各実施形態に多様な変更又は改良を加えることができ、当該変更又は改良を加えた形態も開示の技術の技術的範囲に含まれる。例えば、開示の技術の要旨を逸脱しない範囲で処理の順序を変更してもよい。

また、各実施形態では、失禁抑制プログラム１２０、１２０Ａが記憶装置に予め記憶（インストール）されている態様を説明したが、これに限定されるものではない。開示の技術に係る失禁抑制プログラム１２０、１２０Ａは、コンピュータ読取可能な記録媒体１１６に記録されている形態で提供することも可能である。例えば、開示の技術に係る失禁抑制プログラム１２０、１２０Ａは、ＣＤ−ＲＯＭ、ＤＶＤ−ＲＯＭ、及びＵＳＢメモリ等の可搬型記録媒体に記録されている形態で提供することも可能である。また、開示の技術に係る失禁抑制プログラム１２０、１２０Ａは、フラッシュメモリ等の半導体メモリ等に記録されている形態で提供することも可能である。

以上の各実施形態を含む実施形態に関し、更に以下の付記を開示する。

（付記１）
コンピュータに、
患者の生体活動を示す複数の特徴量に基づき、前記複数の特徴量のうち、特定の特徴量によって区別できる前記患者の異なる状態毎に、前記患者が失禁する際に共通する変化傾向を示す特徴量のパターンを抽出し、
前記患者の状態、及び当該状態に応じた前記パターンが示す特徴量の変化傾向に基づいて、前記患者の失禁を予測し、
前記患者の失禁を予測した場合に、警告を出力する
ことを含む処理を実行させる失禁抑制方法。

（付記２）
前記患者の状態として睡眠深度を用い、前記患者の異なる睡眠深度毎に前記パターンを抽出する
付記１記載の失禁抑制方法。

（付記３）
前記パターンは、前記患者が失禁する際に共通する変化傾向を示す複数の特徴量を含む
付記１または付記２記載の失禁抑制方法。

（付記４）
前記特徴量として、前記患者が失禁する際の前記患者の生体情報と、前記患者が失禁しなかった際の前記患者の生体情報と、の差分を用いる
付記１〜付記３記載の失禁抑制方法。

（付記５）
前記患者の睡眠深度が浅い状態で失禁を予測した場合と、前記患者の睡眠深度が深い状態で失禁を予測した場合とで、前記警告の出力先を変更する
付記１〜付記４の何れか１項に記載の失禁抑制方法。

（付記６）
抽出した前記パターンの各々に含まれる特徴量に、前記パターンに含まれる特徴量の変化傾向の度合いに応じた閾値を設定し、
前記患者の状態に応じた前記複数の特徴量のうち、前記患者の状態に応じた前記パターンに含まれる特徴量が前記閾値を超えた場合に、前記患者が失禁すると予測する
付記１〜付記５記載の失禁抑制方法。

（付記７）
前記警告の出力の有無、及び前記患者の失禁の有無に基づいて、前記閾値を調整する
付記６記載の失禁抑制方法。

（付記８）
前記警告を出力する前に前記患者が失禁した場合に、前記閾値の絶対値を小さくする
付記７記載の失禁抑制方法。

（付記９）
前記警告を出力する前に前記患者が失禁した場合で、かつ、前記患者の失禁時刻が、前記患者が就寝してから所定の時刻までの期間に含まれる場合に、前記閾値の絶対値を小さくする
付記７または付記８記載の失禁抑制方法。

（付記１０）
前記警告の出力以後に前記患者が失禁した場合で、かつ、前記警告を出力してから前記患者が失禁するまでの期間が所定の期間を超える場合に、前記閾値の絶対値を大きくする
付記７〜付記９の何れか１項に記載の失禁抑制方法。

（付記１１）
前記警告を出力したにも関わらず、前記患者が失禁しなかった場合で、かつ、前記閾値の絶対値を所定の期間に亘って大きくしていなかった場合に、前記閾値の絶対値を大きくする
付記７〜付記１０の何れか１項に記載の失禁抑制方法。

（付記１２）
患者の生体活動を示す複数の特徴量に基づき、前記複数の特徴量のうち、特定の特徴量によって区別できる前記患者の異なる状態毎に、前記患者が失禁する際に共通する変化傾向を示す特徴量のパターンを抽出する抽出部と、
前記患者の状態、及び前記抽出部により抽出された当該状態に応じた前記パターンが示す特徴量の変化傾向に基づいて、前記患者の失禁を予測する判定部と、
前記判定部により前記患者の失禁を予測した場合に、警告を出力する出力部と、
を含む失禁抑制装置。

（付記１３）
前記抽出部は、前記患者の状態として睡眠深度を用い、前記患者の異なる睡眠深度毎に前記パターンを抽出する
付記１２記載の失禁抑制装置。

（付記１４）
前記パターンは、前記患者が失禁する際に共通する変化傾向を示す複数の特徴量を含む
付記１２または付記１３記載の失禁抑制装置。

（付記１５）
前記抽出部は、前記特徴量として、前記患者が失禁する際の前記患者の生体情報と、前記患者が失禁しなかった際の前記患者の生体情報と、の差分を用いる
付記１２〜付記１４記載の失禁抑制装置。

（付記１６）
前記判定部は、前記患者の睡眠深度が浅い状態で失禁を予測した場合と、前記患者の睡眠深度が深い状態で失禁を予測した場合とで、前記警告の出力先を変更する
付記１２〜付記１５の何れか１項に記載の失禁抑制装置。

（付記１７）
前記抽出部は、抽出した前記パターンの各々に含まれる特徴量に、前記パターンに含まれる特徴量の変化傾向の度合いに応じた閾値を設定し、
前記判定部は、前記患者の状態に応じた前記複数の特徴量のうち、前記患者の状態に応じた前記パターンに含まれる特徴量が前記閾値を超えた場合に、前記患者が失禁すると予測する
付記１２〜付記１６記載の失禁抑制装置。

（付記１８）
前記警告の出力の有無、及び前記患者の失禁の有無に基づいて、前記閾値を調整する調整部を更に含む
付記１７記載の失禁抑制装置。

（付記１９）
前記調整部は、前記出力部が前記警告を出力する前に前記患者が失禁した場合に、前記閾値の絶対値を小さくする
付記１８記載の失禁抑制装置。

（付記２０）
前記調整部は、前記出力部により前記警告が出力される前に前記患者が失禁した場合で、かつ、前記患者の失禁時刻が、前記患者が就寝してから所定の時刻までの期間に含まれる場合に、前記閾値の絶対値を小さくする
付記１８または付記１９記載の失禁抑制装置。

（付記２１）
前記調整部は、前記出力部による前記警告の出力以後に前記患者が失禁した場合で、かつ、前記警告を出力してから前記患者が失禁するまでの期間が所定の期間を超える場合に、前記閾値の絶対値を大きくする
付記１８〜付記２０の何れか１項に記載の失禁抑制装置。

（付記２２）
前記出力部が前記警告を出力したにも関わらず、前記患者が失禁しなかった場合で、かつ、前記閾値の絶対値を所定の期間に亘って大きくしていなかった場合に、前記閾値の絶対値を大きくする
付記１８〜付記２１の何れか１項に記載の失禁抑制装置。

（付記２３）
コンピュータに、
患者の生体活動を示す複数の特徴量に基づき、前記複数の特徴量のうち、特定の特徴量によって区別できる前記患者の異なる状態毎に、前記患者が失禁する際に共通する変化傾向を示す特徴量のパターンを抽出し、
前記患者の状態、及び当該状態に応じた前記パターンが示す特徴量の変化傾向に基づいて、前記患者の失禁を予測し、
前記患者の失禁を予測した場合に、警告を出力する
ことを含む処理を実行させるための失禁抑制プログラム。

（付記２４）
前記患者の状態として睡眠深度を用い、前記患者の異なる睡眠深度毎に前記パターンを抽出する
付記２３記載の失禁抑制プログラム。

（付記２５）
前記パターンは、前記患者が失禁する際に共通する変化傾向を示す複数の特徴量を含む
付記２３または付記２４記載の失禁抑制プログラム。

（付記２６）
前記特徴量として、前記患者が失禁する際の前記患者の生体情報と、前記患者が失禁しなかった際の前記患者の生体情報と、の差分を用いる
付記２３〜付記２５記載の失禁抑制プログラム。

（付記２７）
前記患者の睡眠深度が浅い状態で失禁を予測した場合と、前記患者の睡眠深度が深い状態で失禁を予測した場合とで、前記警告の出力先を変更する
付記２３〜付記２６の何れか１項に記載の失禁抑制プログラム。

（付記２８）
抽出した前記パターンの各々に含まれる特徴量に、前記パターンに含まれる特徴量の変化傾向の度合いに応じた閾値を設定し、
前記患者の状態に応じた前記複数の特徴量のうち、前記患者の状態に応じた前記パターンに含まれる特徴量が前記閾値を超えた場合に、前記患者が失禁すると予測する
付記２３〜付記２７記載の失禁抑制プログラム。

（付記２９）
前記警告の出力の有無、及び前記患者の失禁の有無に基づいて、前記閾値を調整する
付記２８記載の失禁抑制プログラム。

（付記３０）
前記警告を出力する前に前記患者が失禁した場合に、前記閾値の絶対値を小さくする
付記２９記載の失禁抑制プログラム。

（付記３１）
前記警告を出力する前に前記患者が失禁した場合で、かつ、前記患者の失禁時刻が、前記患者が就寝してから所定の時刻までの期間に含まれる場合に、前記閾値の絶対値を小さくする
付記２９または付記３０記載の失禁抑制プログラム。

（付記３２）
前記警告の出力以後に前記患者が失禁した場合で、かつ、前記警告を出力してから前記患者が失禁するまでの期間が所定の期間を超える場合に、前記閾値の絶対値を大きくする
付記２９〜付記３１の何れか１項に記載の失禁抑制プログラム。

（付記３３）
前記警告を出力したにも関わらず、前記患者が失禁しなかった場合で、かつ、前記閾値の絶対値を所定の期間に亘って大きくしていなかった場合に、前記閾値の絶対値を大きくする
付記２９〜付記３２の何れか１項に記載の失禁抑制プログラム。

（付記３４）
コンピュータに、
患者の生体活動を示す複数の特徴量に基づき、前記複数の特徴量のうち、特定の特徴量によって区別できる前記患者の異なる状態毎に、前記患者が失禁する際に共通する変化傾向を示す特徴量のパターンを抽出し、
前記患者の状態、及び当該状態に応じた前記パターンが示す特徴量の変化傾向に基づいて、前記患者の失禁を予測し、
前記患者の失禁を予測した場合に、警告を出力する
ことを含む処理を実行させるための失禁抑制プログラムを記録したコンピュータ読み取り可能な記録媒体。

１（２）・・・失禁抑制システム、１０・・・ウェアラブルセンサ、１１・・・送信部、１２・・・尿センサ、１３・・・加速度センサ、１４・・・温度センサ、１５・・・呼吸センサ、１６・・・心拍センサ、１７・・・ジャイロセンサ、１８・・・脳波センサ、１９・・・ＥＣＧセンサ、２０・・・アラート受信部、２１（３５）・・・スピーカ、３０・・・情報端末、３１・・・センサデータ受信部、３２・・・センサデータ送信部、３３・・・入力部、３４・・・情報端末送信部、３６・・・アラート受信部、３７・・・照明制御部、４０（４０Ａ）・・・失禁抑制装置、４１・・・収集記録部、４２・・・抽出部、４３・・・判定部、４４・・・アラート出力部、４５・・・記憶部、４６・・・調整部、４８・・・センサデータＤＢ、４９・・・特徴量リストＤＢ、Ｓ（Ｓ１、Ｓ２）・・・特徴量リスト、１００（１００Ａ）・・・コンピュータ、１０２・・・ＣＰＵ、１０４・・・メモリ、１０６・・・記憶装置、１０８・・・バス、１１２・・・入力装置、１１４・・・通信装置、１１６・・・記録媒体、１２０（１２０Ａ）・・・失禁抑制プログラム

Claims (12)

1. コンピュータに、
   患者の生体活動を示す複数の特徴量に基づき、前記複数の特徴量のうち、特定の特徴量によって区別できる前記患者の異なる状態毎に、前記患者が失禁する際に共通する変化傾向を示す特徴量のパターンを抽出し、
   前記患者の状態、及び当該状態に応じた前記パターンが示す特徴量の変化傾向に基づいて、前記患者の失禁を予測し、
   前記患者の失禁を予測した場合に、警告を出力する
   ことを含む処理を実行させる失禁抑制方法。
2. 前記患者の状態として睡眠深度を用い、前記患者の異なる睡眠深度毎に前記パターンを抽出する
   請求項１記載の失禁抑制方法。
3. 前記パターンは、前記患者が失禁する際に共通する変化傾向を示す複数の特徴量を含む
   請求項１または請求項２記載の失禁抑制方法。
4. 前記特徴量として、前記患者が失禁する際の前記患者の生体情報と、前記患者が失禁しなかった際の前記患者の生体情報と、の差分を用いる
   請求項１〜請求項３記載の失禁抑制方法。
5. 前記患者の睡眠深度が浅い状態で失禁を予測した場合と、前記患者の睡眠深度が深い状態で失禁を予測した場合とで、前記警告の出力先を変更する
   請求項１〜請求項４の何れか１項に記載の失禁抑制方法。
6. 抽出した前記パターンの各々に含まれる特徴量に、前記パターンに含まれる特徴量の変化傾向の度合いに応じた閾値を設定し、
   前記患者の状態に応じた前記複数の特徴量のうち、前記患者の状態に応じた前記パターンに含まれる特徴量が前記閾値を超えた場合に、前記患者が失禁すると予測する
   請求項１〜請求項５記載の失禁抑制方法。
7. 前記警告の出力の有無、及び前記患者の失禁の有無に基づいて、前記閾値を調整する
   請求項６記載の失禁抑制方法。
8. 前記警告を出力する前に前記患者が失禁した場合に、前記閾値の絶対値を小さくする
   請求項７に記載の失禁抑制方法。
9. 前記警告を出力する前に前記患者が失禁した場合で、かつ、前記患者の失禁時刻が、前記患者が就寝してから所定の時刻までの期間に含まれる場合に、前記閾値の絶対値を小さくする
   請求項７または８記載の失禁抑制方法。
10. 前記警告の出力以後に前記患者が失禁した場合で、かつ、前記警告を出力してから前記患者が失禁するまでの期間が所定の期間を超える場合に、前記閾値の絶対値を大きくする
    請求項７〜請求項９の何れか１項に記載の失禁抑制方法。
11. 前記警告を出力したにも関わらず、所定の期間に亘って前記患者が失禁しなかった場合で、かつ、前記閾値の絶対値を所定の期間に亘って大きくしていなかった場合に、前記閾値の絶対値を大きくする
    請求項７〜請求項１０の何れか１項に記載の失禁抑制方法。
12. 患者の生体活動を示す複数の特徴量に基づき、前記複数の特徴量のうち、特定の特徴量によって区別できる前記患者の異なる状態毎に、前記患者が失禁する際に共通する変化傾向を示す特徴量のパターンを抽出する抽出部と、
    前記患者の状態、及び前記抽出部により抽出された当該状態に応じた前記パターンが示す特徴量の変化傾向に基づいて、前記患者の失禁を予測する判定部と、
    前記判定部により前記患者の失禁を予測した場合に、警告を出力する出力部と、
    を含む失禁抑制装置。

Images